Evidence Constrained Agentic Retrieval Augmented Generation for Substation Civil Engineering Preliminary Design Documents in a Single Project Study
यह शोध पत्र EC-ARAG का प्रस्ताव करता है, जो एक साक्ष्य-प्रतिबंधित एजेंटिक रिट्रीवल-ऑगमेंटेड जनरेशन फ्रेमवर्क है जो विनियमन-जागरूक रिट्रीवल, संघर्ष समाधान और दोहरे सत्यापन लूप को एकीकृत करके पारंपरिक RAG प्रणालियों से बेहतर प्रदर्शन करते हुए सबस्टेशन सिविल इंजीनियरिंग प्रारंभिक डिजाइन ड्राफ्टिंग की विश्वसनीयता, निरंतरता और दक्षता को महत्वपूर्ण रूप से बढ़ाता है।
मूल पेपर CC BY 4.0 (https://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
बड़े पैमाने के बुनियादी ढांचे की दुनिया में, प्रारंभिक डिजाइन दस्तावेज़ वह ब्लूप्रिंट है जो एक अवधारणा को निर्माण योग्य वास्तविकता में बदल देता है। एक पावर सबस्टेशन के लिए, इस टेक्स्ट-भारी रिपोर्ट को प्रोजेक्ट विशिष्टताओं, सख्त सरकारी नियमों, मानक इंजीनियरिंग प्रथाओं और पिछले प्रोजेक्ट्स से सीखे गए अनुभवों को एक एकल, सुसंगत वृत्तांत में बुनना होता है। सड़क की चौड़ाई से लेकर नींव की गहराई तक, हर संख्या पूरे दस्तावेज़ में सुसंगत होनी चाहिए, और हर दावे को एक विशिष्ट, वर्तमान नियम द्वारा समर्थित होना चाहिए। दशकों से, इंजीनियर इन दस्तावेजों को सैकड़ों मानकों और ऐतिहासिक रिपोर्टों के मैन्युअल क्रॉस-रेफरेंसिंग के माध्यम से तैयार करते आए हैं, जो एक धीमी, मानवीय त्रुटियों के प्रति संवेदनशील और पूर्ण रूप से सुसंगत बनाए रखने में कठिन प्रक्रिया है।
आर्टिफिशियल इंटेलिजेंस के उदय ने एक संभावित शॉर्टकट पेश किया। लार्ज लैंग्वेज मॉडल्स, जो उन्नत चैटबॉट्स के पीछे की समान तकनीक है, प्रवाहपूर्ण तकनीकी गद्य लिख सकते हैं और जटिल निर्देशों का पालन कर सकते हैं। हालांकि, जब इंजीनियरिंग पर लागू किया जाता है, तो ये मॉडल एक महत्वपूर्ण दोष का सामना करते हैं: वे अपनी आंतरिक स्मृति पर भरोसा करते हैं, जो पुरानी हो सकती है, तथ्यों की कल्पना (hallucinate) कर सकती है, या यह पहचानने में विफल हो सकती है कि कौन सा नियम किसी विशिष्ट भवन प्रकार पर लागू होता है और कौन सा नहीं। केवल एआई से "एक डिजाइन लिखने" के लिए कहना अक्सर ऐसे टेक्स्ट का परिणाम देता है जो पेशेवर तो लगता है लेकिन कानूनी या भौतिक रूप से अमान्य होता है। इसे हल करने के लिए, शोधकर्ताओं ने ऐसे सिस्टम विकसित किए हैं जो एआई को लिखने से पहले जानकारी खोजने के लिए मजबूर करते हैं, जिसे 'रिट्रीवल-ऑगमेंटेड जनरेशन' (retrieval-augmented generation) कहा जाता है। फिर भी, ये सिस्टम तब संघर्ष करते हैं जब उन्हें मिली जानकारी विरोधाभासी, पुरानी या प्रोजेक्ट की विशिष्ट स्थितियों के लिए अप्रासंगिक होती है।
स्टेट ग्रिड शंघाई इलेक्ट्रिक पावर डिजाइन कंपनी लिमिटेड के इंजीनियरों की एक टीम ने अब इस समस्या के लिए एक अधिक परिष्कृत दृष्टिकोण पेश किया है, जो विशेष रूप से सबस्टेशन सिविल इंजीनियरिंग के उच्च-जोखिम वाले वातावरण के लिए तैयार किया गया है। उन्होंने EC-ARAG नामक एक सिस्टम विकसित किया है, जो एक साधारण लेखक के बजाय एक कठोर, बहु-चरणीय संपादक की तरह कार्य करता है। केवल टेक्स्ट को रिट्रीव करके एआई को सौंपने के बजाय, यह सिस्टम डिजाइन कार्य को छोटे, सत्यापन योग्य दावों में तोड़ देता है। सिस्टम द्वारा उत्पन्न प्रत्येक कथन के लिए—जैसे कि कंक्रीट की दीवार की आवश्यक मोटाई या ड्रेनेज चैनल की चौड़ाई—यह पहले जांचता है कि क्या सहायक साक्ष्य उस विशिष्ट प्रोजेक्ट के लिए वैध है, क्या नियम का स्रोत आधिकारिक है, और क्या वह नियम दस्तावेज़ के किसी अन्य भाग के साथ संघर्ष करता है।
शोधकर्ताओं ने इस सिस्टम का परीक्षण एक विशिष्ट सबस्टेशन प्रोजेक्ट के लिए एक वास्तविक दुनिया के परिदृश्य में किया। उन्होंने सिस्टम को ज्ञान का एक विशाल पुस्तकालय दिया, जिसमें छत्तीस राष्ट्रीय और उद्योग मानक, बारह कंपनी-विशिष्ट नियम, अठारह विशिष्ट डिजाइन गाइड और पिछले प्रोजेक्ट्स के साठ-चार ऐतिहासिक डिजाइन दस्तावेज़ शामिल थे। फिर सिस्टम ने पूरे सिविल इंजीनियरिंग रिपोर्ट को खंड-दर-खंड ड्राफ्ट करने का प्रयास किया। मानक एआई टूल्स के विपरीत, जो शायद एक पैराग्राफ लिखकर आगे बढ़ जाते हैं, यह सिस्टम दो लूप्स (loops) में काम करता है। पहला लूप योजना बनाता है कि क्या लिखा जाना है और सही साक्ष्य की तलाश करता है, और उन नियमों को फ़िल्टर करता है जो अप्रचलित हैं या विशिष्ट साइट स्थितियों के लिए लागू नहीं होते हैं। दूसरा लूप टेक्स्ट लिखता है, और फिर तुरंत अपने काम की जांच करता है। यदि सिस्टम को पता चलता है कि कोई दावा बिना समर्थन के है, पिछले खंड से विरोधाभास करता है, या किसी पुराने मानक का उपयोग करता है, तो यह आगे बढ़ने से पहले उस विशिष्ट वाक्य को रोककर उसे सुधारता है।
इस प्रयोग के परिणाम महत्वपूर्ण थे। सिस्टम ने 94.1% बार सही और लागू होने वाले नियमों को सफलतापूर्वक रिट्रीव किया, जो अन्य तरीकों की तुलना में एक उल्लेखनीय सुधार है जो अक्सर अप्रासंगिक या पुराने क्लॉज रिट्रीव करते हैं। अधिक महत्वपूर्ण बात यह है कि सिस्टम ने सुनिश्चित किया कि इसके द्वारा किए गए 95% इंजीनियरिंग दावे ठोस साक्ष्य द्वारा समर्थित थे, और इसने "असुरक्षित दावों" (ऐसे बयान जो बिना समर्थन के या विरोधाभासी थे) की दर को घटाकर केवल 3.4% कर दिया। शायद सबसे आश्चर्यजनक बात सिस्टम की निरंतरता बनाए रखने की क्षमता थी। एक लंबे दस्तावेज़ में जहाँ किसी इमारत का नाम या सड़क की चौड़ाई दस अलग-अलग खंडों में दिखाई दे सकती है, सिस्टम ने इन मापदंडों को 97% बार सुसंगत रखा, जबकि अन्य तरीके अक्सर इन विवरणों को अनजाने में बदलने या भटकने देते हैं।
हालांकि इस सिस्टम को इन जांचों और सुधारों को करने के लिए अधिक कंप्यूटर प्रोसेसिंग समय की आवश्यकता थी, लेकिन इसने वास्तव में कुल समय की बचत की। क्योंकि इसके द्वारा तैयार किया गया ड्राफ्ट बहुत अधिक साफ और सटीक था, मानव इंजीनियरों ने टेक्स्ट की समीक्षा और सुधार करने में 31% कम समय बिताया। अगले सबसे अच्छे स्वचालित तरीके की तुलना में दस्तावेज़ पूरा करने का कुल समय 21% कम हो गया। अध्ययन ने यह भी रेखांकित किया कि सिस्टम को अभी भी कहाँ मानवीय सहायता की आवश्यकता है। यह उन खंडों के साथ सबसे अधिक संघर्ष करता है जो भौतिक ज्यामिति (physical geometry) पर अत्यधिक निर्भर करते हैं, जैसे कि सड़क का ढलान और ड्रेनेज की दिशा, क्योंकि सिस्टम केवल टेक्स्ट के साथ काम कर रहा था और उसके पास साइट के वास्तविक मानचित्रों या 3D मॉडल तक पहुंच नहीं थी। जहाँ महत्वपूर्ण जानकारी गायब थी, सिस्टम ने अनुमान लगाने के बजाय रुकने और मानव इंजीनियर के लिए समस्या को फ्लैग करने का सीखा, जो कि एक समाधान बनाने की तुलना में अधिक सुरक्षित व्यवहार साबित हुआ।
यह कार्य प्रदर्शित करता है कि जटिल, नियम-प्रधान कार्यों के लिए, आर्टिफिशियल इंटेलिजेंस का लक्ष्य इंजीनियर के निर्णय को बदलना नहीं बल्कि एक अथक, अति-सतर्क सहायक के रूप में कार्य करना है। डिजाइन प्रक्रिया को एक एकल पीढ़ी (generation) के बजाय सत्यापित छोटे चरणों की श्रृंखला के रूप में मानकर, शोधकर्ताओं ने दिखाया कि मशीनें सूचना एकत्र करने और निरंतरता की जांच करने का भारी काम संभाल सकती हैं। सिस्टम यह दावा नहीं करता है कि वह एक स्वायत्त डिजाइनर है जो किसी इमारत को मंजूरी दे सकता है; बल्कि, यह एक शक्तिशाली उपकरण के रूप में कार्य करता है जो यह सुनिश्चित करता है कि इसका ड्राफ्ट पता लगाने योग्य (traceable), सुसंगत और सही नियमों पर आधारित है, जिससे मानव विशेषज्ञ अंतिम निर्णयों और उन जटिल भौतिक वास्तविकताओं पर ध्यान केंद्रित करने के लिए स्वतंत्र हो जाता है जिन्हें केवल टेक्स्ट कैप्चर नहीं कर सकता।
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।