TrustRAG: Blockchain-Enhanced RAG via Committee-Based Credibility Scoring

आधुनिक डिजिटल युग में, आर्टिफिशियल इंटेलिजेंस ने एक अनुभवी विशेषज्ञ की तरह बोलने की कुशलता सीख ली है, जो प्रश्नों के उत्तर देने, कहानियाँ लिखने और समस्याओं को हल करने के लिए अपने प्रशिक्षण से विशाल मात्रा में जानकारी निकालता है। हालाँकि, यह ज्ञान स्थिर है, समय में जमी हुई एक ऐसी लाइब्रेरी की तरह है जिसने वर्षों पहले अपनी अलमारियों को अपडेट करना बंद कर दिया हो। इसे ठीक करने के लिए, शोधकर्ताओं ने 'रिट्रीवल-ऑगमेंटेड जनरेशन' (retrieval-augmented generation) नामक एक विधि विकसित की, जो इन बुद्धिमान प्रणालियों को उत्तर बनाने से पहले बाहरी स्रोतों से ताज़ा, विशिष्ट तथ्यों को बाहर से खींचने की अनुमति देती है। यह दृष्टिकोण चिकित्सा, कानून और वित्त जैसे क्षेत्रों में महत्वपूर्ण हो गया है, जहाँ एक सही तथ्य और एक पुराने तथ्य के बीच का अंतर एक सुरक्षित निर्णय और एक खतरनाक त्रुटि के बीच का अंतर हो सकता है। फिर भी, एक नई समस्या उभर कर आई है: जबकि प्रणाली नई जानकारी खोज सकती है, अक्सर यह जानने का कोई विश्वसनीय तरीका नहीं होता कि वह जानकारी कहाँ से आई, किसने लिखी या क्या उसके साथ छेड़छाड़ की गई है। इन तथ्यों को प्राप्त करने की प्रक्रिया अक्सर एक एकल, अपारदर्शी संगठन द्वारा नियंत्रित होती है, जिससे उपयोगकर्ता यह सत्यापित करने में असमर्थ होते हैं कि वे जो साक्ष्य पढ़ रहे हैं वह वास्तविक है या हेरफेर किया गया है।

विश्वास के इस संकट को हल करने के लिए, शोधकर्ताओं की एक टीम ने 'ट्रस्ट-आरएजी' (TrustRAG) नामक एक नई प्रणाली बनाई है, जो आर्टिफिशियल इंटेलिजेंस में सूचना फीड करने के लिए एक सुरक्षित, पारदर्शी पाइपलाइन के रूप में कार्य करती है। एक ऐसी दुनिया की कल्पना करें जहाँ सिस्टम में प्रवेश करने वाली जानकारी को पहले स्वतंत्र विशेषज्ञों के एक पैनल द्वारा इसकी गुणवत्ता पर मतदान करके जांचा जाता है, जिससे यह सुनिश्चित होता है कि कोई भी व्यक्ति उनकी पहचान उजागर किए बिना गुणवत्ता पर निर्णय ले सके, ताकि कोई भी अकेला व्यक्ति परिणाम को प्रभावित न कर सके। यह प्रणाली एक डिजिटल लेजर (digital ledger) का उपयोग करती है, जो एक सार्वजनिक रिकॉर्ड बुक के समान है जिसे मिटाया या बदला नहीं जा सकता, ताकि इन विशेषज्ञ मतों और उनके द्वारा समर्थित दस्तावेजों को सुरक्षित किया जा सके। जब कोई उपयोगकर्ता प्रश्न पूछता है, तो सिस्टम केवल सबसे लोकप्रिय या हालिया दस्तावेजों को ही नहीं उठाता; बल्कि, यह केवल उन्हीं को प्राप्त करता है जिन्हें इस विशेषज्ञ समिति द्वारा पूर्व-प्रमाणित किया गया है और यह सुनिश्चित करने के लिए कई स्वतंत्र स्रोतों के साथ क्रॉस-रेफरेंस करता है कि कुछ भी छोड़ा या बदला नहीं गया है। इसका परिणाम एक 'सर्टिफिकेट ऑफ ऑथेंटिसिटी' (प्रमाणिकता के प्रमाण पत्र) के साथ आता है, जिससे कोई भी उत्तर को उसके मूल, सत्यापित स्रोतों तक ट्रैक कर सकता है और पुष्टि कर सकता है कि उन स्रोतों की रैंकिंग निष्पक्ष रूप से की गई थी।

ट्रस्ट-आरएजी (TrustRAG) की मुख्य नवीनता इस बात में निहित है कि यह गोपनीयता और सत्यापन के बीच के नाजुक संतुलन को कैसे संभालता है। कई मौजूदा प्रणालियों में, यदि विशेषज्ञ किसी दस्तावेज़ के लिए अपना स्कोर प्रकट करते हैं, तो उन पर अपना मन बदलने के लिए दबाव डाला जा सकता है या रिश्वत दी जा सकती है। इसे रोकने के लिए, शोधकर्ताओं ने एक ऐसी प्रक्रिया डिजाइन की है जहाँ विशेषज्ञ एक विशेष क्रिप्टोग्राफिक पद्धति का उपयोग करके अपने मूल्यांकन प्रस्तुत करते हैं जो वास्तविक स्कोर को छिपा देता है लेकिन यह सिद्ध करता है कि वह वैध है। इसे एक पारदर्शी बॉक्स में सीलबंद मतपत्र रखने जैसा समझें; बॉक्स यह दिखाता है कि एक वोट डाला गया था और वह एक पंजीकृत मतदाता से आया था, लेकिन कोई भी यह नहीं देख सकता कि उस व्यक्ति ने कैसे वोट दिया जब तक कि अंतिम गणना को मिलकर काम करने वाले कंप्यूटरों के एक समूह द्वारा सुरक्षित रूप से गिना नहीं जाता। यह समूह, जिसे 'कमेटी' कहा जाता है, इन छिपे हुए वोटों को मिलाकर प्रत्येक दस्तावेज़ के लिए एक अंतिम 'ट्रस्ट स्कोर' (विश्वास स्कोर) तैयार करता है। महत्वपूर्ण रूप से, यह स्कोर एक बार की गणना की जाती है और स्थायी रूप से संग्रहीत किया जाता है, ताकि सिस्टम को हर बार उपयोगकर्ता के प्रश्न पूछने पर जटिल मतदान प्रक्रिया को दोहराने की आवश्यकता न हो। इसके बजाय, यह पूर्व-अनुमोदित स्कोर को प्राप्त करता है और दस्तावेजों को रैंक करने के लिए उनका उपयोग करता है, जिससे यह सुनिश्चित होता है कि सबसे भरोसेमंद जानकारी शीर्ष पर आए।

शोधकर्ताओं ने यह परीक्षण करने के लिए इस प्रणाली का परीक्षण किया कि क्या यह प्रक्रिया को धीमा किए बिना सुरक्षा के भारी काम को संभाल सकती है। उन्होंने एक वर्किंग प्रोटोटाइप बनाया जो विभिन्न डेटा स्रोतों के नेटवर्क का अनुकरण करता है, जिसमें प्रत्येक का अपना सत्यापनकर्ताओं का एक समूह (कमेटी) है। अपने परीक्षणों में, उन्होंने पाया कि प्रक्रिया का सबसे समय लेने वाला हिस्सा प्रारंभिक मतदान और स्कोर की अंतिम गणना थी, जो किसी भी उपयोगकर्ता के प्रश्न पूछने से पहले हुआ था। एक बार जब वे स्कोर तैयार हो गए, तो उत्तर प्राप्त करने और उन्हें सत्यापित करने की वास्तविक प्रक्रिया उल्लेखनीय रूप से तेज़ थी। उदाहरण के लिए, एक वोट को वैध बनाने के लिए क्रिप्टोग्राफिक प्रमाण उत्पन्न करने में लगने वाले समय को मिलीसेकंड में मापा गया था, और चार विशेषज्ञों की एक छोटी समिति से छिपे हुए स्कोर को संयोजित करने में लगने वाला समय भी बहुत कम था। यह सुझाव देता है कि प्रणाली उपयोगकर्ता को उत्तर के लिए प्रतीक्षा कराने वाली बाधा उत्पन्न किए बिना उच्च-स्तरीय सुरक्षा प्रदान कर सकती है।

अध्ययन का एक महत्वपूर्ण निष्कर्ष यह है कि सिस्टम को सब कुछ एक साथ सत्यापित करने के लिए एक विशाल, भारी प्रमाण पर निर्भर होने की आवश्यकता नहीं है, जो कि गणनात्मक रूप से महंगा और धीमा होगा। इसके बजाय, यह डिजिटल फिंगरप्रिंट के साथ सूचना की स्वतंत्र श्रृंखलाओं को जोड़ने की एक विधि का उपयोग करता है। प्रत्येक डेटा स्रोत अपने स्वयं के विश्वास स्कोर की गणना करता है और अपने परिणामों का एक छोटा, अद्वितीय 'हैश' (डिजिटल सारांश) बनाता है। एक केंद्रीय समन्वयक इन सारांशों को एक एकल वैश्विक फिंगरप्रिंट में संयोजित करता है। यह किसी को भी यह जांचने की अनुमति देता है कि क्या एक विशिष्ट दस्तावेज़ अंतिम उत्तर में शामिल था और क्या उसका स्कोर सही ढंग से गणना किया गया था, बिना पूरी जटिल गणना को फिर से शुरू किए। शोधकर्ताओं ने प्रदर्शित किया कि यह दृष्टिकोण सफलतापूर्वक एक बेईमान सेवा प्रदाता को एक उच्च-गुणवत्ता वाले दस्तावेज़ को कम-गुणवत्ता वाले दस्तावेज़ से बदलने या ऐसे स्रोत को छिपाने से रोकता है जिसे शामिल किया जाना चाहिए था।

अध्ययन ने सावधानीपूर्वक यह भी परिभाषित किया कि सिस्टम क्या कर सकता है और क्या नहीं। यह गारंटी देता है कि प्राप्त की गई जानकारी के साथ छेड़छाड़ नहीं की गई है और रैंकिंग प्रक्रिया निर्धारित नियमों के अनुसार हुई है, लेकिन यह गारंटी नहीं देता कि सामग्री स्वयं वास्तविक दुनिया में तथ्यात्मक रूप से सत्य है। यदि विशेषज्ञों की एक समिति गलती से एक ऐसे दस्तावेज़ का समर्थन करती है जिसमें तथ्यात्मक त्रुटि है, तो सिस्टम अभी भी उसे भरोसेमंद मानेगा क्योंकि प्रक्रिया ने समिति के वोट को सत्यापित किया था, न कि कथन की सच्चाई को। सिस्टम को छेड़छाड़ का पता लगाने और प्रक्रियात्मक अखंडता सुनिश्चित करने के लिए डिज़ाइन किया गया है, न कि पूर्ण सत्य के 'ओरेकल' (oracle) के रूप में कार्य करने के लिए। यह अंतर स्वास्थ्य सेवा और कानून जैसे उच्च-जोखिम वाले क्षेत्रों के लिए महत्वपूर्ण है, जहाँ लक्ष्य यह सुनिश्चित करना है कि निर्णय उपलब्ध सर्वोत्तम, उचित रूप से जांचे गए साक्ष्यों पर आधारित हों, न कि अनवेरिफाइड या हेरफेर किए गए डेटा पर।

विकेंद्रीकृत सत्यापन को गोपनीयता-संरक्षण तकनीक के साथ जोड़कर, ट्रस्ट-आरएजी (TrustRAG) आर्टिफिशियल इंटेलिजेंस प्रणालियों के निर्माण का एक नया तरीका प्रदान करता है जो शक्तिशाली और जवाबदेह दोनों हैं। यह बढ़ती चिंता को संबोधित करता है कि जिन उपकरणों पर हम महत्वपूर्ण जानकारी के लिए भरोसा करते हैं, वे 'ब्लैक बॉक्स' बनते जा रहे हैं, जो कुछ संस्थाओं द्वारा नियंत्रित हैं जिनके पास उनके काम का निरीक्षण करने का कोई तरीका नहीं है। शोधकर्ताओं ने दिखाया है कि एक ऐसी प्रणाली बनाना संभव है जहाँ विशेषज्ञ बिना किसी जबरदस्ती के डर के ज्ञान को प्रमाणित करने के लिए सहयोग कर सकें, जहाँ डेटा स्रोत सुरक्षित रूप से एक साथ जुड़े रह सकें, और जहाँ प्रत्येक उत्तर के साथ एक सत्यापन योग्य इतिहास हो। यह कार्य बताता है कि विश्वसनीय आर्टिफिशियल इंटेलिजेंस का भविष्य न केवल स्मार्ट एल्गोरिदम पर, बल्कि ऐसे बुनियादी ढांचे के निर्माण पर निर्भर हो सकता है जो विश्वास को एक मापने योग्य, सत्यापन योग्य प्रक्रिया का हिस्सा बनाता है।