Risk-Aware Degraded-Mode Orchestration for Resilient Cloud–Edge AI Agents: From Containerized Fault Injection to Heterogeneous Kubernetes Validation

कल्पना कीजिए कि एक ऐसी दुनिया है जहाँ आपके पसंदीदा ऐप्स केवल एकल प्रोग्राम नहीं हैं, बल्कि छोटे, अदृश्य रोबोटों की टीमें हैं जो मिलकर काम कर रहे हैं। एक रोबोट समाचार लाता है, दूसरा नियमों की जाँच करता है, तीसरा कोड लिखता है, और चौथा एक विशाल मस्तिष्क (एक AI) से बात करता है ताकि वह सब कुछ समझ सके। यह आधुनिक "क्लाउड-एज AI" के काम करने का तरीका है: इंटरनेट और आपके स्थानीय उपकरणों पर चलने वाली सेवाओं की एक जटिल श्रृंखला। आमतौर पर, ये टीमें मजबूत होती हैं। यदि एक रोबोट लड़खड़ा जाता है, तो अन्य रोबोट फिर से प्रयास कर सकते हैं, प्रतीक्षा कर सकते हैं, या एक बैकअप योजना पर स्विच कर सकते हैं। लेकिन यहाँ एक पेंच है: कभी-कभी, केवल काम को पूरा करना ही काफी नहीं होता। यदि नियम जाँचने वाला रोबोट गायब है, तो टीम को केवल अनुमान लगाकर आगे नहीं बढ़ना चाहिए, क्योंकि वे अनजाने में कुछ महत्वपूर्ण तोड़ सकते हैं या ऐसा कुछ कर सकते हैं जिसे करने की उन्हें अनुमति नहीं है। यह "ऑनलाइन रहने" और "सुरक्षित रहने" के बीच का कठिन संतुलन है।

यहाँ एक नया विचार आता है जिसे DMO-AI (डिग्रेडेड-मोड ऑर्केस्ट्रेशन फॉर AI) कहा जाता है। इन रोबोट टीमों के लिए एक सुपर-स्मार्ट ट्रैफिक पुलिस की तरह सोचें। केवल "चलते रहो" या "सब कुछ रोक दो" कहने के बजाय, यह पुलिस काम के विशिष्ट स्वरूप को देखती है। क्या यह एक कम जोखिम वाला कार्य है, जैसे एक मज़ेदार कहानी लिखना? या यह एक उच्च-जोखिम वाला कार्य है, जैसे पैसा स्थानांतरित करना या मेडिकल रिकॉर्ड बदलना? यदि "नियम-जाँचने वाला" रोबोट बीमार है, तो पुलिस कह सकती है, "ठीक है, कहानी के लिए, आइए हमारे पास मौजूद एक पुराने नियम पुस्तिका का उपयोग करें। लेकिन पैसे के हस्तांतरण के लिए? बिल्कुल नहीं। रुकें और किसी इंसान से पूछें।" यह शोध पत्र परीक्षण करता है कि क्या यह स्मार्ट, जोखिम-जागरूक ट्रैफिक पुलिस पुरानी, मूर्ख तरीकों की तुलना में अधिक कार्यों को सुरक्षित रूप से चलाने में सक्षम है।

समस्या: "सब कुछ या कुछ भी नहीं" का जाल

कल्पना कीजिए कि आप एक स्वयं चालक (self-driving) कार चला रहे हैं। कार को यह जानने के लिए क्लाउड सर्वर से बात करने की आवश्यकता है कि सड़क सुरक्षित है या नहीं। अचानक, सर्वर के साथ आपका कनेक्शन अस्थिर हो जाता है। कार को क्या करना चाहिए?

पुराने जमाने के सिस्टम में आमतौर पर दो मोड होते हैं:

1. फेल-ओपन (Fail-Open): "ड्राइव करते रहो! शायद सड़क ठीक ही होगी।" यह जोखिम भरा है क्योंकि अगर सर्वर वास्तव में "रुकने" का संकेत दे रहा था, तो कार दीवार में जा टकरा सकती है।
2. फेल-क्लोज्ड (Fail-Closed): "तुरंत रुक जाओ!" यह बहुत सुरक्षित है, लेकिन इसका मतलब है कि आप ट्रैफ़िक में हमेशा के लिए फंस जाएंगे, भले ही सड़क वास्तव में साफ़ हो और आपके सिग्नल में बस एक सेकंड के लिए खराबी आई हो।

समस्या यह है कि AI एजेंट (जैसे हमारे रोबोट दल) कई अलग-अलग चीजें करते हैं। कुछ कम जोखिम वाले होते हैं (जैसे समाचार लेख का सारांश बनाना), और कुछ उच्च-जोखिम वाले होते हैं (जैसे डेटाबेस को हटाना)। "एक ही नियम सबके लिए" वाला दृष्टिकोण काम नहीं करता। यदि आप एक कम-जोखिम वाले सारांश के साथ वैसा ही व्यवहार करते जैसा कि एक उच्च-जोखिम वाले बैंक ट्रांसफर के साथ करते हैं, तो आप या तो असुरक्षित परिणाम प्राप्त करेंगे या अनावश्यक रूप से उपयोगी काम को रोक देंगे।

समाधान: जोखिम-जागरूक ट्रैफिक पुलिस

इस शोध पत्र के लेखकों, अल्बर्ट अदुसेई ब्रोबी, नारायण भोसले और डैन बामफो ने DMO-AI नामक एक नई प्रणाली बनाई है। केवल यह जाँचने के बजाय कि इंटरनेट काम कर रहा है या नहीं, यह प्रणाली किसी कार्य को जारी रखने से पहले तीन प्रश्न पूछती है:

1. यह काम कितना जोखिम भरा है? (क्या यह एक मज़ेदार कहानी है या बैंक ट्रांसफर?)
2. क्या गायब है? (क्या "नियम-जाँचने वाला" डाउन है, या केवल "समाचार-लाने वाला"?)
3. इसके बजाय हम क्या कर सकते हैं?

इस प्रणाली के पास "डिग्रेडेड मोड्स" (बैकअप योजनाओं) का एक मेनू है जिन्हें यह चुन सकती है:

• सामान्य (Normal): सब कुछ ठीक से काम कर रहा है।
• लोकल मॉडल (Local Model): यदि विशाल क्लाउड मस्तिष्क डाउन है, तो स्थानीय उपकरण पर एक छोटे, सरल मस्तिष्क का उपयोग करें (लेकिन केवल कम-जोखिम वाले कार्यों के लिए)।
• कैश्ड पॉलिसी (Cached Policy): यदि नियम-जाँचने वाला डाउन है, तो एक पुरानी नियम पुस्तिका का उपयोग करें, लेकिन केवल तभी जब वह जोखिम के स्तर के लिए पर्याप्त ताज़ा हो।
• रीड-ओनली (Read-Only): यदि चीजों को बदलने वाला टूल टूटा हुआ है, तो केवल सलाह दें बिना वास्तव में कुछ भी बदले।
• हैंडऑफ (Handoff): यदि अनुमान लगाना बहुत जोखिम भरा है, तो रुकें और किसी इंसान से पूछें।
• ब्लॉक (Block): यदि सुरक्षित रूप से कुछ भी नहीं किया जा सकता, तो बस रुक जाएँ।

मुख्य नवाचार यह है कि प्रणाली जोखिम के आधार पर सही बैकअप योजना का चुनाव करती है। यह उच्च-जोखिम वाले काम को "लोकल ब्रेन" का उपयोग करने की अनुमति नहीं देगी सिर्फ इसलिए क्योंकि क्लाउड ब्रेन डाउन है। यह बैंक ट्रांसफर को एक पुरानी नियम पुस्तिका का उपयोग नहीं करने देगी यदि नियम पुस्तिका बहुत पुरानी (stale) है।

प्रयोग: एक डिजिटल बाधा दौड़

यह देखने के लिए कि क्या यह काम करता है, शोधकर्ताओं ने एक विशाल डिजिटल बाधा दौड़ बनाई। उन्होंने चार मुख्य सेवाओं के साथ एक परीक्षण वातावरण बनाया: एक मॉडल (मस्तिष्क), एक रिट्रीवल सर्विस (स्मृति), एक पॉलिसी सर्विस (नियम-जाँचकर्ता), और एक टूल सर्विस (काम करने वाले हाथ)।

फिर उन्होंने आपदाओं का अनुकरण करने के लिए Toxiproxy नामक एक टूल का उपयोग किया। वे जानबूझकर "मस्तिष्क" को फ्रीज कर देते, "नियम-जाँचकर्ता" को डिस्कनेक्ट कर देते, या "हाथों" की गति धीमी कर देते। उन्होंने एक ही कंप्यूटर सेटअप में इस सिमुलेशन को 141,000 बार चलाया और फिर एक अधिक वास्तविक सेटअप के साथ 8,000 बार चलाया जिसमें एक वास्तविक क्लाउड सर्वर और एक वास्तविक एज डिवाइस (जैसे Raspberry Pi या एक छोटा सर्वर) शामिल था।

उन्होंने अपने नए DMO-AI सिस्टम की तुलना पाँच अन्य सामान्य तरीकों से की जो विफलताओं को संभालते हैं:

• फेल-ओपन (Fail-Open): बस चलते रहें।
• फेल-क्लोज्ड (Fail-Closed): सब कुछ रोक दें।
• रिट्राई बजट (Retry Budget): कुछ बार फिर से प्रयास करें, फिर हार मान लें।
• सर्किट ब्रेकर (Circuit Breaker): यदि चीजें खराब हैं तो रुक जाएँ, यदि वे धीमी हैं तो एक बार प्रयास करें।
• सर्विस मेश (Service Mesh): एक मानक नेटवर्क ट्रैफ़िक मैनेजर जो AI जोखिमों के बारे में नहीं जानता।

परिणाम: सुरक्षा, बिना स्टॉप साइन के

परिणाम स्पष्ट और रोमांचक थे। बड़े परीक्षण में, जिसमें 8,000 इवेंट्स थे, मानक Service Mesh (वह ट्रैफ़िक मैनेजर जो AI जोखिमों को नहीं जानता) केवल 64.70% समय सुरक्षित रूप से कार्य पूरा कर सका। या तो इसने असुरक्षित चीजें होने दीं या बहुत सारे उपयोगी कार्यों को रोक दिया।

हालाँकि, नया DMO-AI सिस्टम 93.95% सुरक्षित पूर्णता प्राप्त करता है। यह लगभग 29 प्रतिशत अंक की बड़ी छलांग है।

विस्तार में क्या हुआ:

• शून्य असुरक्षित परिणाम: मुख्य परीक्षणों में, DMO-AI के 0.00% असुरक्षित परिणाम और 0.00% पॉलिसी उल्लंघन थे। इसने कभी भी सही नियमों के बिना किसी उच्च-जोखिम वाले काम को आगे नहीं जाने दिया।
• "फेल-ओपन" से बेहतर: "फेल-ओपन" सिस्टम ने कुल मिलाकर अधिक कार्य पूरे किए, लेकिन उनमें से 9.67% असुरक्षित थे (जैसे नियमों की जाँच किए बिना बैंक ट्रांसफर लिखना)। DMO-AI ने कम असुरक्षित कार्य पूरे किए लेकिन उपयोगी कार्यों को चालू रखा।
• "फेल-क्लोज्ड" से बेहतर: "फेल-क्लोज्ड" सिस्टम सुरक्षित था, लेकिन इसने सभी कार्यों में से 41.57% को ब्लॉक कर दिया, यहाँ तक कि आसान कार्यों को भी। DMO-AI ने केवल 1.13% कार्यों को ब्लॉक किया।

शोधकर्ताओं ने यह भी परीक्षण किया कि क्या होता है यदि सिस्टम से "जोखिम जागरूकता" को हटा दिया जाए। जब उन्होंने उस हिस्से को बंद कर दिया जो यह जाँचता है कि काम उच्च या निम्न जोखिम वाला है, तो सुरक्षा स्कोर गिर गया और असुरक्षित परिणाम दिखाई देने लगे। इससे सिद्ध हुआ कि "जोखिम मस्तिष्क" ही सिस्टम का सबसे महत्वपूर्ण हिस्सा है।

उन्होंने लागत की भी जाँच की। सिस्टम ने थोड़ा सा विलंब (वास्तविक दुनिया के परीक्षण में औसतन लगभग 19 मिलीसेकंड) जोड़ा, लेकिन सिस्टम को सुरक्षित और चालू रखने के लिए यह एक छोटा सा मूल्य था।

इसका क्या अर्थ है

यह शोध पत्र दिखाता है कि हमें "सब कुछ रोकने" और "कुछ भी होने देने" के बीच चुनाव करने की आवश्यकता नहीं है। सिस्टम को कार्य के जोखिम को समझने की शिक्षा देकर, हम कम-जोखिम वाले कार्यों को तब भी चलते रहने दे सकते हैं जब चीजें टूट जाती हैं, जबकि उच्च-जोखिम वाले कार्यों को खतरनाक चीजें करने से सख्ती से रोक सकते हैं।

लेखक सावधानीपूर्वक कहते हैं कि यह अभी भी दुनिया की हर समस्या के लिए जादुई समाधान नहीं है। उन्होंने इसे एक नियंत्रित वातावरण में विशिष्ट प्रकार की विफलताओं के साथ परीक्षण किया। लेकिन परिणाम बताते हैं कि AI एजेंटों के भविष्य के लिए, हमें एक ऐसे "ट्रैफिक पुलिस" की आवश्यकता है जो एक मज़ेदार कहानी और एक बैंक ट्रांसफर के बीच अंतर जानता हो, और जब इंटरनेट अस्थिर हो तो स्मार्ट निर्णय ले सके।

संक्षेप में: DMO-AI एक नया तरीका है जिससे AI एजेंटों को सुरक्षित और उपयोगी बनाए रखा जा सकता है, भले ही उनके मस्तिष्क या स्मृति के कुछ हिस्से ऑफलाइन हों। यह एक रक्षक देवदूत (guardian angel) की तरह है जो ठीक जानता है कि कब "आगे बढ़ें," "रुकें," या "इंसान से पूछें," यह सुनिश्चित करता है कि रोबोट टीम कभी मुसीबत में न पड़े।