BrowserForge: Scaling Web Episode via Parallel Browser Sandboxes
BrowserForge एक ऐसा फ्रेमवर्क है जो ओपन वेब पर समानांतर ब्राउज़र सैंडबॉक्स चलाकर उच्च-गुणवत्ता वाले वेब इंटरेक्शन डेटा के सृजन को स्केल करता है ताकि 203,238 प्रक्षेप पथों (ट्रैजेक्टरीज) का एक विविध संग्रह बनाया जा सके, जो लाइव और स्टैटिक बेंचमार्क पर पिक्सेल-आधारित वेब एजेंटों के प्रदर्शन में महत्वपूर्ण रूप से सुधार 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
एक कंप्यूटर प्रोग्राम की कल्पना करें जिसे आपको इंटरनेट पर नेविगेट करने में मदद करने के लिए डिज़ाइन किया गया है, बिल्कुल एक डिजिटल सहायक की तरह जो आपके लिए कोई कार्य पूरा करने के लिए बटन क्लिक कर सकता है, टेक्स्ट टाइप कर सकता है और पेजों को स्क्रॉल कर सकता है। इन प्रोग्रामों को यह सीखने के लिए कि यह कैसे किया जाए, उन्हें वास्तविक वेबसाइटों पर अभ्यास करने की आवश्यकता होती है, यह देखते हुए कि एक मानव एक शुरुआती बिंदु से एक पूर्ण लक्ष्य तक कैसे जाएगा। अब तक, इन प्रोग्रामों को सिखाने के लिए उपयोग किया जाने वाला डेटा सीमित था। अधिकांश प्रशिक्षण सेट लोकप्रिय वेबसाइटों की एक छोटी, निश्चित सूची पर मानव क्रियाओं को रिकॉर्ड करके बनाए गए थे, या ट्यूटोरियल के एक संकीर्ण सेट पर आधारित नकली परिदृश्य उत्पन्न करके बनाए गए थे। इसका मतलब था कि प्रोग्रामों ने इंटरनेट के केवल एक बहुत छोटे अंश को नेविगेट करना सीखा, और जब वे किसी नए या अपरिचित साइट का सामना करते थे, तो वे संघर्ष करते थे। वे उन छात्रों की तरह थे जिन्होंने केवल एक ही पाठ्यपुस्तक का अध्ययन किया था; जब उन्हें एक अलग किताब दी जाती, तो उन्हें नहीं पता होता था कि उसे कैसे पढ़ा जाए।
शोधकर्ताओं की एक टीम ने इस समस्या को हल करने के लिए 'ब्राउज़रफोर्ज' (BrowserForge) नामक एक सिस्टम बनाया है। एक छोटी, पूर्व-चयनित वेबसाइटों की सूची पर निर्भर रहने के बजाय, उन्होंने पूरे खुले इंटरनेट को एक प्रशिक्षण मैदान में बदल दिया। उन्होंने सैकड़ों वर्चुअल कंप्यूटरों का एक विशाल नेटवर्क बनाया, जिनमें से प्रत्येक एक अलग वेब ब्राउज़र चला रहा था। इन ब्राउज़रों को सार्वजनिक वेब पर पाए जाने वाले सैकड़ों हजारों विभिन्न, वास्तविक वेबसाइटों पर जाने के लिए भेजा गया था। सिस्टम ने केवल इन पेजों का दौरा ही नहीं किया; इसने उन पर सक्रिय रूप से कार्य करने का प्रयास भी किया। एक पहले कृत्रिम बुद्धिमत्ता (AI) एजेंट ने एक पेज को देखा और एक तर्कसंगत कार्य का आविष्कार किया, जैसे कि एक विशिष्ट लेख खोजना या किसी कीमत की जांच करना। दूसरे एजेंट ने उस कार्य को पूरा करने का प्रयास किया जिसमें क्लिक करना और टाइप करना शामिल था, और उसके द्वारा किए गए हर कदम को रिकॉर्ड किया। यदि कार्य सफलतापूर्वक पूरा हो गया, तो उन कदमों के रिकॉर्ड को एक सबक के रूप में सहेजा गया। यदि एजेंट फंस गया या विफल रहा, तो उस प्रयास को हटा दिया गया। यह प्रक्रिया बार-बार दोहराई गई, जिससे 2,00,000 से अधिक अद्वितीय सीखने के उदाहरण उत्पन्न हुए, जिनमें से प्रत्येक एक पूरी तरह से अलग वेबसाइट से लिया गया था।
शोधकर्ताओं ने पाया कि इस दृष्टिकोण ने एक ऐसा डेटासेट तैयार किया जो पहले उपलब्ध किसी भी चीज़ की तुलना में बहुत बड़ा और विविध था। जबकि पुराने डेटासेट में कुछ सौ साइटों से केवल कुछ हजार उदाहरण शामिल थे, इस नए संग्रह में लगभग 2,00,000 विशिष्ट वेबसाइटें शामिल थीं। जब उन्होंने इस नए डेटा का उपयोग एक संक्षिप्त, कुशल कंप्यूटर मॉडल को प्रशिक्षित करने के लिए किया, तो परिणाम तत्काल और महत्वपूर्ण थे। लाइव वेबसाइटों पर कार्यों को सफलतापूर्वक पूरा करने की मॉडल की क्षमता लगभग 25 प्रतिशत से बढ़कर 33 प्रतिशत से अधिक हो गई। यह सुधार केवल एक मामूली बढ़त नहीं थी; इसने एक अपेक्षाकृत छोटे मॉडल को उन बहुत बड़े, अधिक जटिल सिस्टम से बेहतर प्रदर्शन करने की अनुमति दी जिन्हें पुराने, संकीर्ण डेटा पर प्रशिक्षित किया गया था। अध्ययन ने दिखाया कि सुधार की कुंजी इस बात में नहीं थी कि मॉडल को कैसे सिखाने का एक नया तरीका अपनाया गया, बल्कि केवल उन वेबसाइटों की व्यापक विविधता में थी जिन्हें उसने देखा था। सिस्टम को खुले वेब की अराजक, अप्रत्याशित वास्तविकता के संपर्क में लाकर, शोधकर्ताओं ने इसे अधिक अनुकूल होने के लिए सिखाया।
इस पद्धति की सफलता एक सावधानीपूर्वक सफाई प्रक्रिया पर टिकी थी। चूंकि सिस्टम मानवीय पर्यवेक्षण के बिना कार्य और उन्हें करने के प्रयास उत्पन्न कर रहा था, इसलिए कई प्रयास विफल हो गए या अव्यवस्थित रिकॉर्ड उत्पन्न हुए। शोधकर्ताओं ने इन खराब उदाहरणों को हटाने के लिए एक फ़िल्टर बनाया। उन्होंने पहले सरल नियमों का उपयोग करके उन प्रयासों को हटाने के लिए किया जो स्पष्ट रूप से गलत थे, जैसे कि वे जो कभी समाप्त नहीं हुए। फिर, उन्होंने शेष प्रयासों की समीक्षा करने और यह पुष्टि करने के लिए कि क्या कार्य वास्तव में पूरा किया गया था, एक अन्य बुद्धिमान प्रणाली का उपयोग किया। अंत में, उन्होंने सफल प्रयासों को एक स्पष्ट, सुसंगत प्रारूप में फिर से लिखा ताकि लर्निंग मॉडल क्रियाओं के पीछे के तर्क को समझ सके। इसने यह सुनिश्चित किया कि मॉडल शोर (noise) के बजाय उच्च-गुणवत्ता वाले उदाहरणों से सीखे। अध्ययन ने पुष्टि की कि वेबसाइटों की विविधता ही सफलता का मुख्य चालक थी। जब शोधकर्ताओं ने अपने मॉडल का विभिन्न प्रकार की वेबसाइटों और कार्यों पर परीक्षण किया, तो सुधार स्थिर रहा, जिससे पता चला कि मॉडल ने केवल विशिष्ट पेजों को याद करने के बजाय वास्तव में सामान्य कौशल सीख लिए थे।
यह कार्य यह प्रदर्शित करता है कि कंप्यूटर को वेब पर नेविगेट करना सिखाने का सबसे अच्छा तरीका यह है कि उसे स्वयं वेब का अन्वेषण करने दिया जाए। वास्तविक साइटों पर जाने और वास्तविक कार्य करने की प्रक्रिया को स्वचालित करके, शोधकर्ताओं ने एक प्रशिक्षण सेट बनाया है जो इंटरनेट की वास्तविक जटिलता को दर्शाता है। परिणाम एक अधिक सक्षम और विश्वसनीय डिजिटल सहायक है, जो आज मौजूद लाखों वेबसाइटों के अप्रत्याशित लेआउट और अद्वितीय विशेषताओं को संभाल सकता है। निष्कर्ष बताते हैं कि जैसे-जैसे इस खुले-वेब डेटा की मात्रा बढ़ेगी, इन एजेंटों का प्रदर्शन बेहतर होता जाएगा, जो उन्हें एक वास्तव में सार्वभौमिक वेब सहायक के लक्ष्य के करीब ले जाएगा।
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।