A Human-in-the-Loop Autonomous Agent for Industry Time Series Forecasting
यह शोधपत्र CastClaw को प्रस्तुत करता है, जो एक ह्यूम-इन-द-लूप (human-in-the-loop) स्वायत्त एजेंट है जो बिजली की कीमत और लोड पूर्वानुमान में 16 बेसलाइनों से बेहतर प्रदर्शन करने के लिए प्राकृतिक भाषा कार्य विशिष्टता, विशेषीकृत पूर्वानुमान मॉडलों और पुनरावृत्ति साक्ष्य-आधारित परिशोधन को एकीकृत करता है और पारदर्शी निष्पादन रिपोर्ट प्रदान 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
समय के साथ बदलने वाली संख्याओं—जैसे बिजली की कीमत या पावर ग्रिड पर लोड—के भविष्य की भविष्यवाणी करना एक ऐसा कार्य है जो शायद ही कभी किसी एकल, अलग गणना से सफल होता है। वास्तविक दुनिया में, सटीक पूर्वानुमान केवल कंप्यूटर प्रोग्राम में ऐतिहासिक डेटा डालने और उत्तर की प्रतीक्षा करने के बारे में नहीं है। यह एक जटिल, पुनरावृत्ति (iterative) प्रक्रिया है जहाँ एक मानव विशेषज्ञ को लक्ष्य को परिभाषित करना होता है, सही डेटा स्रोतों को जोड़ना होता है, दुनिया कैसे काम करती है इसके बारे में विशिष्ट ज्ञान लागू करना होता है, और फिर सावधानीपूर्वक यह निर्णय लेना होता है कि क्या कंप्यूटर का अनुमान तर्कसंगत है। यदि भविष्यवाणी अजीब लगती है, तो विशेषज्ञ को लापता जानकारी ढूंढनी पड़ती है, दृष्टिकोण को बदलना पड़ता है, या कुछ और करने के लिए रुकने का निर्णय लेना पड़ता है। वर्षों से, यह क्षेत्र विशेषीकृत कंप्यूटर मॉडलों, जो नंबरों को संसाधित करने में उत्कृष्ट हैं लेकिन उनकी सोच सीमित है, और सामान्य-उद्देश्य वाले आर्टिफिशियल इंटेलिजेंस एजेंटों के बीच विभाजित रहा है, जो तर्क कर सकते हैं और बात कर सकते हैं लेकिन अक्सर विश्वसनीय संख्यात्मक भविष्यवाणी के लिए आवश्यक सख्त नियमों और जांचों की कमी रखते हैं।
चीन के यूनिवर्सिटी ऑफ साइंस एंड टेक्नोलॉजी के शोधकर्ताओं ने इस अंतर को पाटने के लिए 'कास्टक्लॉ' (CastClaw) नामक एक नया सिस्टम बनाया है। यह एक स्वायत्त एजेंट (autonomous agent) है जिसे एक मानव के साथ मिलकर काम करने के लिए डिज़ाइन किया गया है, जो एक अथक सहायक के रूप में कार्य करता है जो डेटा विश्लेषण का भारी काम संभालता है जबकि अंतिम निर्णय और निरीक्षण का कार्य प्रभारी व्यक्ति पर छोड़ देता है। यह सिस्टम मानव का स्थान नहीं लेता है; इसके बजाय, यह एक लूप बनाता है जहाँ कंप्यूटर एक पूर्वानुमान प्रस्तावित करता है, इसे ज्ञात पैटर्न और उपयोगकर्ता के नियमों के विरुद्ध जांचता है, और केवल तभी अपना विचार बदलता है जब उसे संशोधन का समर्थन करने के लिए ठोस सबूत मिलते हैं। यदि सबूत गायब हैं, तो सिस्टम अंधे होकर अनुमान लगाने के बजाय मानव से मदद माँगने या अधिक संदर्भ खोजने का निर्णय लेता है। यह दृष्टिकोण पूर्वानुमान को एक 'वन-शॉट' गणना से बदलकर एक प्रलेखित, निरीक्षण योग्य वर्कफ़्लो में बदल देता है जहाँ प्रारंभिक प्रश्न से लेकर अंतिम संख्या तक के हर चरण को रिकॉर्ड किया जाता है और समीक्षा की जा सकती है।
कास्टक्लॉ का मूल एक ढांचा है जिसे शोधकर्ता "हार्नेस" (harness) कहते हैं, जो एक केंद्रीय तंत्रिका तंत्र के रूप में विभिन्न उपकरणों को जोड़ने का काम करता है। जब कोई उपयोगकर्ता सरल अंग्रेजी में प्रश्न पूछता है, जैसे कि अगले दिन के लिए बिजली की कीमतों की भविष्यवाणी करना, तो सिस्टम पहले पहचानता है कि किस डेटा की आवश्यकता है और किन नियमों का पालन किया जाना चाहिए। इसके बाद यह एक विशेष मॉडल से पूर्वानुमान प्राप्त करता है या उपयोगकर्ता द्वारा प्रदान किए गए मॉडल का उपयोग करता है। इस संख्या को स्वीकार करने से पहले, सिस्टम जाँचों की एक श्रृंखला चलाता है। यह हालिया पैटर्न को देखता है कि क्या भविष्यवाणी फिट बैठती है, इसकी तुलना मौसम के प्रभाव या आपूर्ति और मांग की गतिशीलता जैसे डोमेन ज्ञान के विरुद्ध करता है, और सत्यापित करता है कि क्या यह उपयोगकर्ता द्वारा निर्धारित कठोर बाधाओं को पूरा करता है। यदि पूर्वानुमान इन परीक्षणों में पास हो जाता है, तो इसे रखा जाता है। यदि यह विफल हो जाता है, तो सिस्टम इसे केवल खारिज नहीं करता है; बल्कि यह जांच करता है कि क्यों। यह लापता संदर्भ की खोज कर सकता है, एक अलग प्रकार का विश्लेषण चला सकता है, या यह देखने के लिए दूसरे मॉडल से परामर्श कर सकता है कि क्या कोई बेहतर विकल्प मौजूद है।
महत्वपूर्ण रूपв से, सिस्टम को यह जानने के लिए डिज़ाइन किया गया है कि कब रुकना है। यह अनिश्चित काल तक अपना विचार नहीं बदलेगा। यह प्रक्रिया को तब रोकता है जब पूर्वानुमान साक्ष्य द्वारा समर्थित होता है, जब और अधिक परिवर्तन करने से लाभ होने की संभावना कम होती है, जब गणना का बजट समाप्त हो जाता है, या जब अंतिम निर्णय लेने के लिए मानव विशेषज्ञ की आवश्यकता होती है। सिस्टम द्वारा लिया गया प्रत्येक कार्य, साक्ष्य का प्रत्येक टुकड़ा, और विचार किया गया पूर्वानुमान का प्रत्येक संस्करण एक विस्तृत रिपोर्ट में सहेजा जाता है। यह रिपोर्ट एक मानव को यह देखने की अनुमति देती है कि अंतिम संख्या तक कैसे पहुँचा गया, जिसमें कोई भी चेतावनी या अनसुलझे प्रश्न भी शामिल हैं। सिस्टम मानव इनपुट को अनदेखी की जाने वाली अंतिम कमांड के रूप में नहीं, बल्कि साक्ष्य श्रृंखला के एक महत्वपूर्ण हिस्से के रूप में मानता है जो कार्य को ठीक कर सकता है, नए परिकल्पनाएँ जोड़ सकता है, या किसी भी समय रन को रोक सकता है।
यह परीक्षण करने के लिए कि क्या यह दृष्टिकोण वास्तव में काम करता है, शोधकर्ताओं ने कास्टक्लॉ को बेल्जियम, जर्मनी, फ्रांस, नॉर्डिक पूल और अमेरिका के पीजेएम (PJM) से संबंधित बिजली की कीमतों के पांच अलग-अलग सार्वजनिक डेटासेट पर लागू किया। उन्होंने सोलह अन्य विधियों के विरुद्ध सिस्टम के प्रदर्शन की तुलना की, जो पारंपरिक सांख्यिकीय उपकरणों से लेकर उन्नत आर्टिफिशियल इंटेलिजेंस मॉडल तक विस्तृत हैं। हर एक मामले में, कास्टक्लॉ ने सबसे सटीक भविष्यवाणियाँ कीं, जिसे वास्तविक भविष्य के मूल्यों के कितने करीब है, इस आधार पर मापा गया। इसने मौजूदा सर्वोत्तम विधियों को महत्वपूर्ण अंतर से पीछे छोड़ दिया, कुछ क्षेत्रों में त्रुटियों को तीस प्रतिशत तक कम कर दिया। शोधकर्ताओं ने नॉर्डिक बिजली बाजार के डेटा का उपयोग करके एक लाइव सेटिंग में भी सिस्टम का प्रदर्शन किया। इस प्रदर्शन में, एक उपयोगकर्ता ने एक प्रारंभिक पूर्वानुमान दिया, और सिस्टम ने बाजार की स्थितियों के विरुद्ध इसकी जांच की। जब सिस्टम ने पाया कि प्रस्तावित समायोजन वास्तव में भविष्यवाणी को बदतर बना देगा, तो उसने बदलाव को अस्वीकार कर दिया और मूल पूर्वानुमान को बनाए रखा, और पूरी निर्णय प्रक्रिया को प्रलेखित किया। इससे पता चला कि सिस्टम में आलोचनात्मक सोच की क्षमता है, वह यह जानता है कि एक बुरे विचार को "ना" कहना उतना ही महत्वपूर्ण है जितना कि एक अच्छे विचार को "हाँ" कहना, और वर्कफ़्लो स्वयं पूरी तरह से निरीक्षण योग्य है।
शोधकर्ताओं ने उत्तर चीन में बिजली के भार (load) के लिए 2026 की पहली छमाही के ऑफलाइन डेटा पर भी सिस्टम चलाया। यह अभ्यास उसी कार्य विनिर्देशों, मॉडलों और उपकरणों का उपयोग करके ऑफलाइन वर्कफ़्लो निष्पादन को मान्य करने के लिए डिज़ाइन किया गया था, लेकिन इसका उद्देश्य ऑनलाइन परिनियोजन, उत्पादन उपयोग, या अन्य मॉडलों के विरुद्ध तुलनात्मक सटीकता प्रदर्शित करना नहीं था। परिणामों ने पुष्टि की कि सिस्टम ऑफलाइन वातावरण में शुरू से अंत तक पूर्ण वर्कफ़्लो को निष्पादित कर सकता है, अपने नियमों के अनुसार डेटा, टूल और निर्णयों का प्रबंधन कर सकता है और विस्तृत रिपोर्ट रिकॉर्ड कर सकता है। अध्ययन स्पष्ट करता है कि हालांकि सिस्टम अत्यधिक सक्षम है, लेकिन यह कोई जादुई बॉक्स नहीं है जो हर समस्या को तुरंत हल कर देता है। यह एक ऐसा उपकरण है जिसके लिए लक्ष्यों को परिभाषित करने और अंतिम निरीक्षण प्रदान करने के लिए मानव की आवश्यकता होती है, ताकि यह सुनिश्चित किया जा सके कि भविष्यवाणियाँ वास्तविकता में आधारित रहें और निर्णय लेने के लिए उपयोगी हों। मशीनों की गति को मानव के निर्णय के साथ जोड़कर, कास्टक्लॉ भविष्य की भविष्यवाणी करने की कठिन समस्या से निपटने का एक नया तरीका प्रदान करता है, जो एक अराजक प्रक्रिया को एक स्पष्ट, विश्वसनीय और पारदर्शी यात्रा में बदल देता 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।