Recursive Agentic Reasoning
यह शोध पत्र तीन पुनरावर्ती तर्क ऑपरेटरों (GROW, PRUNE और BRANCH) के एक एकीकृत ढांचे को प्रस्तुत करता है और व्यापक मूल्यांकन के माध्यम से यह प्रदर्शित करता है कि बार-बार ब्रांचिंग करना विविध मॉडलों और बेंचमार्क में अन्य टेस्ट-टाइम रीजनिंग विधियों की तुलना में लगातार बेहतर प्रदर्शन करता है, साथ ही भ्रामक तुलनात्मक निष्कर्षों से बचने के लिए युग्मित मूल्यांकन प्रोटोकॉल के महत्वपूर्ण महत्व को भी रेखांकित करता है।
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
जब एक कंप्यूटर प्रोग्राम किसी कठिन समस्या को हल करने की कोशिश करता है, तो वह अक्सर विचार की एक एकल रेखा, शब्दों का एक क्रम उत्पन्न करता है जो उत्तर की ओर ले जाता है। वर्षों से, शोधकर्ता इस बात पर विचार कर रहे हैं कि क्या इन प्रोग्रामों को अधिक समय और अधिक प्रयास देने से उन्हें अधिक स्मार्ट बनाया जा सकता है। पहले उत्तर को स्वीकार करने के बजाय, क्या कंप्यूटर से फिर से प्रयास करने, समस्या को छोटे टुकड़ों में तोड़ने, या कई अलग-अलग समाधान उत्पन्न करने और उनमें से सर्वश्रेष्ठ को चुनने के लिए कहा जा सकता है? यह प्रश्न आधुनिक आर्टिफिशियल इंटेलिजेंस अनुसंधान के केंद्र में है। यह क्षेत्र वर्तमान में तर्क (reasoning) को बेहतर बनाने के लिए अतिरिक्त कंप्यूटिंग शक्ति खर्च करने की कई अलग-अलग रणनीतियों से भरा हुआ है। कुछ विधियाँ मॉडल से अपने स्वयं के उत्तर को परिष्कृत करने के लिए कहती हैं, अन्य इसे एक जटिल कार्य को सरल चरणों की एक श्रृंखला में तोड़ने के लिए कहती हैं, और फिर भी अन्य इसे कई स्वतंत्र प्रयास उत्पन्न करने और परिणाम पर मतदान करने के लिए कहती हैं। चूंकि इनमें से प्रत्येक दृष्टिकोण का अलग-अलग परीक्षण किया गया है, जिसमें अलग-अलग परीक्षण प्रश्न और अलग-अलग स्कोरिंग नियम उपयोग किए गए हैं, इसलिए यह जानना असंभव रहा है कि समान कंप्यूटिंग बजट होने पर वास्तव में कौन सी रणनीति सबसे अच्छा काम करती है।
शोधकर्ताओं की एक टीम इन विभिन्न रणनीतियों को एक ही प्रक्रिया के रूपांतरों के रूप में मानकर इस बहस को सुलझाने के लिए आगे बढ़ी: रिकर्सन (recursion), या एक प्रणाली द्वारा समस्या को हल करने के लिए स्वयं को बुलाने की क्रिया। उन्होंने तीन विशिष्ट तरीके परिभाषित किए कि एक कंप्यूटर यह कैसे कर सकता है। पहला, जिसे उन्होंने "ग्रो" (grow) कहा, इसमें विचार की एक एकल रेखा को लेना और कंप्यूटर से उसे विस्तारित करने, यानी एक ही पथ को बार-बार परिष्कृत करने के लिए कहना शामिल था। दूसरा, "प्रून" (prune) में कंप्यूटर को एक कठिन समस्या को छोटे, क्रमबद्ध प्रश्नों की एक सूची में तोड़ने, उन्हें एक-एक करके हल करने और फिर उत्तरों को वापस जोड़ने के लिए कहना शामिल था। तीसरा, "ब्रांच" (branch) में कंप्यूटर को एक साथ पांच पूरी तरह से अलग समाधान उत्पन्न करने और उस विकल्प को चुनने के लिए कहना शामिल था जो उनके बीच सबसे अधिक बार दिखाई देता है। एक निष्पक्ष तुलना सुनिश्चित करने के लिए, शोधकर्ताओं ने इन तीनों विधियों को, एक मानक एकल-पास प्रयास के साथ, बिल्कुल उन्हीं समस्याओं के सेट पर और बिल्कुल उन्हीं कंप्यूटर मॉडलों का उपयोग करके चलाया। उन्होंने इन विधियों का परीक्षण पांच अलग-अलग प्रकार की चुनौतियों में किया, जो जटिल बहु-चरणीय तर्क पहेलियों से लेकर स्नातक स्तर के शैक्षणिक प्रश्नों तक विस्तृत थीं, और उपलब्ध तीन सबसे उन्नत एआई मॉडलों का उपयोग किया।
इस नियंत्रित प्रयोग के परिणाम स्पष्ट और कुछ हद तक आश्चर्यजनक थे। कई समाधान उत्पन्न करने और सर्वश्रेष्ठ पर मतदान करने की रणनीति, यानी "ब्रांच" विधि ने उनके द्वारा चलाए गए प्रत्येक परीक्षण मामले में उत्तरों की सटीकता में सुधार किया। औसतन, इस विधि ने मानक एकल प्रयास की तुलना में सही उत्तर की दर को लगभग छह प्रतिशत अंकों से बढ़ा दिया। इसके विपरीत, अन्य दो विधियाँ असंगत थीं। "ग्रो" विधि, जो एक एकल पथ को गहरा करती है, अधिकांश मामलों में प्रदर्शन में सुधार करती है लेकिन इसने कंप्यूटर को कुछ प्रकार के कठिन प्रश्नों को हल करने में वास्तव में बदतर बना दिया। "प्रून" विधि, जो समस्याओं को तोड़ती है, केवल मामूली सुधार दिखाती थी जो अक्सर यादृच्छिक शोर (random noise) से अलग नहीं था। डेटा ने सुझाव दिया कि यह तय करने के लिए कि किस समस्या के लिए किस विधि का उपयोग किया जाए, एक जटिल प्रणाली की कोई आवश्यकता नहीं है; वह विधि जिसने केवल कई पथों को आजमाया और सर्वसम्मति विजेता को चुना, वह पूरे स्तर पर श्रेष्ठ विकल्प थी।
शोधकर्ताओं ने यह समझने के लिए गहराई से जांच की कि यह मतदान विधि इतनी अच्छी तरह से क्यों काम करती है, और उन्होंने पाया कि इसका कारण वह नहीं था जिसकी अधिकांश लोग अपेक्षा करते थे। सामान्य धारणा यह थी कि कई उत्तर उत्पन्न करने से मदद मिलती है क्योंकि यह कंप्यूटर को कई अलग-अलग तार्किक पथों का पता लगाने और उनमें से सही पथ खोजने की अनुमति देता है। हालांकि, डेटा ने दिखाया कि प्राथमिक लाभ एक अलग स्रोत से आया: विफलता से उबरना (recovery from failure)। जब इन उन्नत कंप्यूटर मॉडलों को लंबे समय तक सोचने के लिए कहा जाता है, तो वे अक्सर अपना उत्तर लिखने पूरा करने से पहले ही अपनी आवंटित मेमोरी स्पेस समाप्त कर देते हैं। एक एकल प्रयास में, इसके परिणामस्वरूप एक खाली प्रतिक्रिया मिलती है, जिसे गलत उत्तर माना जाता है। लेकिन जब कंप्यूटर को पांच बार प्रयास करने के लिए कहा जाता है, तो पांचों प्रयासों के ठीक उसी क्षण विफल होने की संभावना बहुत कम होती है। मतदान प्रणाली स्वचालित रूप से खाली उत्तरों को हटा देती है और सफल प्रयासों में से एक वैध उत्तर चुन लेती है। शोधकर्ताओं ने मानक विधि के उत्तर देने में विफल होने की आवृत्ति और मतदान विधि द्वारा स्कोर में सुधार करने की मात्रा के बीच एक मजबूत संबंध पाया। सबसे कठिन परीक्षणों में, मतदान विधि ने खाली, विफल उत्तरों की दर को आधा कर दिया।
यह निष्कर्ष कि हमें आर्टिफिशियल इंटेलिजेंस को स्मार्ट बनाने के बारे में कैसे सोचना चाहिए, इसे बदल देता है। यह सुझाव देता है कि कंप्यूटर को कई बार प्रयास करने के लिए कहने से मिलने वाला लाभ का एक बड़ा हिस्सा केवल तकनीकी सीमाओं के कारण खो जाने वाले उत्तरों को पुनः प्राप्त करना है। शोधकर्ताओं ने यह भी रेखांकित किया कि भविष्य के अध्ययनों के लिए एक महत्वपूर्ण सबक क्या है: आप परिणामों को कैसे गिनते हैं, यह अत्यधिक मायने रखता है। अपने प्रारंभिक विश्लेषण में, उन्होंने पाया कि यदि वे विफल नेटवर्क कनेक्शन या टाइमआउट को गलत उत्तर के रूप में गिनते हैं, तो मतदान विधि कुछ कार्यों पर खराब प्रदर्शन करती हुई दिखाई देती है। ऐसा इसलिए था क्योंकि मतदान विधि अधिक प्रयास करती है, इसलिए उसके पास तकनीकी खराबी का शिकार होने के अधिक अवसर होते हैं। केवल उन प्रश्नों पर तुलना करके जिन्हें उन सभी ने सफलतापूर्वक हल किया था, शोधकर्ताओं ने वास्तविक प्रदर्शन को प्रकट किया। उनका कार्य यह प्रदर्शित करता है कि आज उपलब्ध सबसे सक्षम मॉडलों के लिए, कई बार प्रयास करने और सर्वसम्मति को चुनने की सरलतम रणनीति बेहतर उत्तर प्राप्त करने का सबसे विश्वसनीय तरीका है, और लाभ मुख्य रूप से कंप्यूटर को उसका विचार पूरा करने में मदद करने से आता है, न कि समाधान के लिए एक चतुर पथ खोजने से।
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।