StocksTalk: A Voice-Enabled Conversational Agent for Structured Query Generation over Web Data
StocksTalk एक पारदर्शी, वॉयस-सक्षम संवादात्मक एजेंट है जो स्ट्रीमिंग स्पीच रिकग्निशन, रिट्रीवल-ऑगमेंटेड कंस्ट्रेंट एक्सट्रैक्शन और इंटरैक्टिव ह्यूमन-इन-द-लूप वेरिफिकेशन को जोड़कर बोले गए वित्तीय अनुरोधों को सत्यापित, निष्पादन योग्य SQL क्वेरी में बदल देता है ताकि वह सटीकता और स्थिरता में बेसलाइन LLM दृष्टिकोणों से बेहतर प्रदर्शन कर सके।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
वित्त की दुनिया में, निर्णय लेना अक्सर घास के ढेर में सुई खोजने जैसा महसूस होता है, लेकिन वह घास का ढेर लाखों संख्याओं से बना होता है, और सुई विकास या मूल्य का एक विशिष्ट पैटर्न होती है। दशकों से, शोधकर्ताओं ने कंप्यूटर को मानव भाषा समझने के लिए प्रशिक्षित करने की कोशिश की है ताकि कोई भी प्रश्न पूछ सके और डेटाबेस से एक सटीक उत्तर प्राप्त कर सके। 'टेक्स्ट-टू-एसक्यूएल' (text-to-SQL) के रूप में ज्ञात यह क्षेत्र, लोगों के बोलने के अव्यवस्थित और लचीले तरीके को कंप्यूटर डेटाबेस की कठोर और सटीक भाषा में अनुवाद करने का लक्ष्य रखता है। हालाँकि, इनमें से अधिकांश प्रणालियों का परीक्षण शांत, आदर्श स्थितियों में लिखित पाठ के साथ किया गया है। वे मानवीय भाषण की वास्तविकता का सामना करने में संघर्ष करती हैं, जो अक्सर बैकग्राउंड शोर, लहजे और अधूरे विचारों में बोलने की स्वाभाविक प्रवृत्ति से भरा होता है। निवेश के उच्च-दांव वाले क्षेत्र में, जहाँ एक गलत समझी गई संख्या महंगी गलती का कारण बन सकती है, जो व्यक्ति कहता है और जो कंप्यूटर निष्पादित करता है, उसके बीच का अंतर एक खतरनाक खाई है।
IIIT-दिल्ली और सिंगापुर इंस्टीट्यूट ऑफ टेक्नोलॉजी के शोधकर्ताओं की एक टीम ने इस अंतर को पाटने के लिए 'स्टॉक्सटॉक' (StocksTalk) नामक एक नई प्रणाली बनाई है। उन्होंने एक वॉयस-एनेबल्ड असिस्टेंट बनाया है जिसे विशेष रूप से बोले गए निवेश विचारों को वैध, कार्यशील डेटाबेस क्वेरी में बदलने के लिए डिज़ाइन किया गया है। उन उपकरणों के विपरीत जो उपयोगकर्ता के इरादे का अनुमान लगाने और केवल उम्मीद करने पर काम करते हैं, स्टॉक्सटॉक पारदर्शी और सतर्क होने के लिए बनाया गया है। यह स्टॉक खोजने की प्रक्रिया को तर्क की एक एकल छलांग के रूप में नहीं, बल्कि सावधानीपूर्ण चरणों की एक श्रृंखला के रूप में देखता है जहाँ कंप्यूटर अपने काम की जाँच करता है और मनुष्य को भी ऐसा करने के लिए आमंत्रित करता है। सिस्टम उपयोगकर्ता की बात सुनता है, वाक्य को विशिष्ट वित्तीय नियमों में तोड़ता है, वास्तविक समय के मार्केट डेटाबेस के विरुद्ध उन नियमों की जाँच करता है, और फिर वास्तव में खोज चलाने से पहले उपयोगकर्ता को दिखाता है कि वह क्या करने की योजना बना रहा है।
शोधकर्ताओं ने इस प्रणाली का परीक्षण 150 बोले गए प्रॉम्प्ट्स के एक सावधानीपूर्वक तैयार किए गए सेट के साथ किया, जिसमें तीन अलग-अलग प्रकार की निवेश रणनीतियाँ शामिल थीं: तेजी से बढ़ती कंपनियों की तलाश, नियमित लाभांश देने वाले स्टॉक खोजना, और कम मूल्यांकित संपत्तियों (undervalued assets) की खोज करना। उन्होंने इन प्रॉम्प्ट्स को दो बहुत ही अलग वातावरणों में रिकॉर्ड किया: एक शांत कमरे में और दूसरा एक शोर भरे कैफेटेरिया में ताकि वास्तविक दुनिया के विकर्षणों का अनुकरण किया जा सके। परिणामों ने दिखाया कि जबकि एक मानक, बिना सहायता वाला आर्टिफिशियल इंटेलिजेंस मॉडल बिना क्रैश हुए लगभग 81 प्रतिशत समय क्वेरी उत्पन्न कर सकता था, लेकिन वह अक्सर ऐसे उत्तर देता था जो तार्किक रूप से असंगत या वित्तीय रूप से निरर्थक थे। सत्यापन की परतें जोड़ने और प्रक्रिया के दौरान विशिष्ट वित्तीय परिभाषाओं को प्राप्त करने की विधि का उपयोग करके, सिस्टम ने सही क्वेरी उत्पन्न करने की अपनी क्षमता को लगभग 98 प्रतिशत तक सुधार लिया। इससे भी महत्वपूर्ण बात यह है कि बातचीत के दौरान ट्रैक पर बने रहने की सिस्टम की क्षमता नाटकीय रूप से सुधरी, जो लगभग 51 प्रतिशत सटीकता से बढ़कर लगभग 89 प्रतिशत हो गई जब मनुष्य को रास्ते में चरणों को सत्यापित करने की अनुमति दी गई।
इस प्रणाली की सफलता का मूल आधार यह है कि यह मानवीय भाषण की अनिश्चितता को कैसे संभालती है। जब कोई उपयोगकर्ता कुछ ऐसा कहता है जैसे "बढ़ते मार्जिन वाले बड़े प्रौद्योगिकी शेयरों को खोजें," तो सिस्टम तुरंत खोज शुरू नहीं करता है। इसके बजाय, यह पहले आवाज को टेक्स्ट में बदलता है, फिर एक रिट्रीवल सिस्टम का उपयोग करके यह पता लगाता है कि उस विशिष्ट डेटाबेस के संदर्भ में "इंप्रूवींग मार्जिन्स" का वास्तव में क्या अर्थ है। इसके बाद यह एक ड्राफ्ट क्वेरी बनाता है और उसे डैशबोर्ड पर उपयोगकर्ता को दिखाता है। यह डैशबोर्ड निकाले गए नियमों, चुने गए गणितीय ऑपरेटरों और उस अंतिम कोड को दिखाता है जिसे यह चलाने का इरादा रखता है। उपयोगकर्ता देख सकता है कि कंप्यूटर ने किसी संख्या या श्रेणी को गलत समझा है या नहीं, और खोज शुरू होने से पहले उसे ठीक कर सकता है। यह "ह्यूमन-इन-द-लूप" दृष्टिकोण विशेष रूप से कई शर्तों वाले जटिल अनुरोधों के लिए आवश्यक साबित हुआ, जहाँ सिस्टम अकेले हर तीन में से लगभग एक प्रयास में त्रुटि करता।
अध्ययन ने यह भी रेखांकित किया कि सबसे बड़ी बाधा स्वयं वॉयस रिकग्निशन (आवाज पहचान) की गुणवत्ता बनी हुई है। जब ऑडियो को शोर वाले वातावरण में रिकॉर्ड किया गया था, तो विशिष्ट संख्याओं और वित्तीय शब्दों को सही ढंग से पहचानने की सिस्टम की क्षमता काफी कम हो गई, जिससे अंतिम क्वेरी में अधिक त्रुटियां हुईं। यह सुझाव देता है कि जबकि तर्क और सत्यापन परतें मजबूत हैं, प्रारंभिक चरण कि उपयोगकर्ता को स्पष्ट रूप से सुनना है, अभी भी श्रृंखला का सबसे नाजुक हिस्सा है। शोधकर्ताओं ने पाया कि समस्या को छोटे, सत्यापन योग्य चरणों में तोड़ने की उनकी विधि ने सिस्टम को छोटी गलतियों को बड़ी विफलताओं में बदलने से रोका। उदाहरण के लिए, एक मल्टी-टर्न बातचीत में जहाँ उपयोगकर्ता अपनी खोज को परिष्कृत करता है, बिना मानवीय सत्यापन वाला सिस्टम अक्सर मूल बाधाओं को खो देता था, जबकि इंटरैक्टिव संस्करण लगभग 90 प्रतिशत समय सही पथ बनाए रखता था।
आगे देखते हुए, टीम इस दृष्टिकोण को वास्तविक समय की खबरों और अर्निंग रिपोर्ट्स को शामिल करने के लिए विस्तारित करने की कल्पना करती है, जिससे सिस्टम यह उत्तर दे सकेगा कि "पिछली तिमाही में किन कंपनियों ने अपने लाभ अनुमानों को पीछे छोड़ा?" जैसे प्रश्न नए डेटा के आते ही हल कर सके। वे सिस्टम को उपयोगकर्ता के मौजूदा पोर्टफोलियो के साथ नए निष्कर्षों की तुलना करने की अनुमति देने की भी योजना बना रहे हैं, जिससे अधिक व्यक्तिगत सलाह मिल सके। यह कार्य दर्शाता है कि जटिल, उच्च-दांव वाले कार्यों के लिए, आगे बढ़ने का सबसे विश्वसनीय रास्ता खुद पूर्ण होने की कोशिश करने वाली मशीन बनाना नहीं है, बल्कि एक ऐसी मशीन बनाना है जो यह जानती हो कि कब रुकना है, अपना काम दिखाना है और मदद मांगनी है। तर्क प्रक्रिया को दृश्यमान और संपादन योग्य बनाकर, स्टॉक्सटॉक आर्टिफिशियल इंटेलिजेंस के 'ब्लैक बॉक्स' को एक सहयोगी उपकरण में बदल देता है, यह सुनिश्चित करता है कि अंतिम उत्तर केवल एक अनुमान नहीं, बल्कि वास्तविक दुनिया के लिए तैयार एक सत्यापित तथ्य है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।