Only the Tens Count, but Trumps Decide: Formalising and Benchmarking Dahal Jeet, a Nepali Variant of Mendikot
यह शोध पत्र पूर्व में अनदस्तावेजीकृत नेपाली कार्ड गेम 'दहाल जीत' को औपचारिक रूप से परिभाषित करता है और एक व्यापक कम्प्यूटेशनल बेंचमार्क प्रस्तुत करता है जो यह प्रदर्शित करता है कि खोज-आधारित एजेंट (search-based agents) शिक्षण विधियों (learning methods) से बेहतर प्रदर्शन करते हैं, जबकि यह भी प्रकट करता है कि स्कोरिंग कार्डों की तुलना में ट्रम्प की लंबाई जीत का अधिक मजबूत भविष्यवक्ता है और मानव-एजेंट प्रदर्शन के अंतर को सटीक रूप से मापने के लिए डील वेरिएंस (deal variance) को नियंत्रित करना आवश्यक 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
आर्टिफिशियल इंटेलिजेंस की दुनिया में, शोधकर्ता अक्सर अपनी रचनाओं का परीक्षण करने के लिए उन्हें एक-दूसरे के विरुद्ध खेलों में उतारते हैं। ये खेल प्रयोगशालाओं के रूप में कार्य करते हैं जहाँ वैज्ञानिक देख सकते हैं कि एक कंप्यूटर प्रोग्राम कितनी अच्छी तरह सीखता है, योजना बनाता है और अनिश्चितता के अनुकूल ढलता है। शतरंज जैसे कुछ खेल 'परफेक्ट इंफॉर्मेशन' (पूर्ण सूचना) के साथ खेले जाते हैं, जिसका अर्थ है कि बोर्ड पर हर मोहरा दोनों पक्षों को दिखाई देता है। दूसरी ओर, पोकर या ब्रिज जैसे खेल 'इम्परफेक्ट इंफॉर्मेशन' (अपूर्ण सूचना) के खेल हैं, जहाँ खिलाड़ियों को विरोधियों के पूरे हाथ की जानकारी के बिना निर्णय लेने होते हैं। दशकों से, इन छिपी हुई जानकारी वाले खेलों में महारत हासिल करने का मानक दृष्टिकोण 'रिनफोर्समेंट लर्निंग' (सुदृढीकरण सीखना) नामक एक विधि के माध्यम से कंप्यूटर को प्रयास और त्रुटि (ट्रायल एंड एरर) के माध्यम से सिखाना रहा है। उम्मीद यह रही है कि लाखों हाथ खेलने के बाद, एक आर्टिफिशियल एजेंट अंततः ऐसी रणनीतियाँ खोज लेगा जो मानवीय अंतर्ज्ञान से भी बेहतर होंगी। हालाँकि, यह धारणा कि सीखना हमेशा सबसे अच्छा रास्ता है, एक नई जांच द्वारा चुनौती दी जा रही है जो पूछती है कि क्या एक अलग तरह की सोच—जो ज्ञात तथ्यों के आधार पर आगे की योजना बनाना है—कुछ विशिष्ट स्थितियों में अधिक प्रभावी हो सकती है।
यह प्रश्न 'दहल जीत' नामक एक कार्ड गेम के अध्ययन के केंद्र में है, जो नेपाल के तराई-मधेश क्षेत्र में प्रतिदिन खेला जाता है। यह 'कोर्ट पीस' परिवार के एक संस्करण का हिस्सा है, जो चार लोगों द्वारा दो निश्चित साझेदारियों में खेला जाता है। इसके नियम सरल हैं लेकिन एक अनूठा रणनीतिक परिदृश्य बनाते हैं: खिलाड़ी प्रत्येक को तेरह कार्ड बांटते हैं, और एक खिलाड़ी के हाथ से एक रैंडम ड्रा के माध्यम से एक 'ट्रम्प सूट' (हुकुम का रंग) निर्धारित किया जाता है। लक्ष्य ट्रिक्स जीतना है, लेकिन अंक एक बहुत ही विशिष्ट तरीके से दिए जाते हैं। डेक के केवल चार दसों (tens) ही स्कोर में गिने जाते हैं। एक टीम तब हाथ जीतती है जब वह तीन या अधिक दसों को पकड़ लेती है। यदि दसों समान रूप से विभाजित हैं, यानी दोनों पक्षों के पास दो-दो हैं, तो विजेता का निर्णय इस आधार पर होता है कि किसने अधिक ट्रिक्स जीते। यह एक ऐसी स्थिति पैदा करता है जहाँ सबसे महत्वपूर्ण कार्ड बहुत कम और दुर्लभ होते हैं, और परिणाम अक्सर निरंतर अंकों के संचय के बजाय एक एकल टाई-ब्रेकिंग शर्त पर निर्भर करता है।
इस शोध के शुरू होने से पहले, यह खेल उन गाँवों की मौखिक परंपरा में मौजूद था जहाँ इसे खेला जाता था। इसका कोई लिखित नियम पुस्तिका नहीं थी, कोई डिजिटल संस्करण नहीं था, और न ही इस बात का कोई वैज्ञानिक विश्लेषण था कि यह कैसे काम करता है। शोधकर्ताओं के लिए पहला कदम इस खेल का औपचारिक दस्तावेजीकरण करना था। उन्होंने सात जिलों में खिलाड़ियों का अवलोकन करने में कई साल बिताए, नियमों को वैसे ही रिकॉर्ड किया जैसे वे वास्तव में खेले जाते थे, और खेल का एक सटीक डिजिटल संस्करण बनाया। इसने उन्हें एक कंप्यूटर इंजन बनाने की अनुमति दी जो बिल्कुल उसी तरह खेल सकता है जैसे इंसान खेलते हैं, जो विभिन्न आर्टिफिशियल इंटेलिजेंस रणनीतियों के परीक्षण के लिए एक आधार के रूप में कार्य करता है।
शोधकर्ताओं ने फिर यह देखने के लिए प्रयास किया कि कौन सा प्रकार का आर्टिफिशियल इंटेलिजेंस दहल जीत को सबसे अच्छी तरह खेल सकता है। उन्होंने छब्बीस अलग-अलग कंप्यूटर एजेंट बनाए, जिनमें बुनियादी नियमों का पालन करने वाले सरल प्रोग्रामों से लेकर समय के साथ सुधार करने वाले जटिल सिस्टम तक शामिल थे। उन्होंने ऐसे एजेंट भी शामिल किए जो 'डिटरमिनाइज्ड सर्च' (नियत खोज) नामक तकनीक का उपयोग करते हैं। यह विधि कई संभावित संस्करणों की कल्पना करके, प्रत्येक संस्करण के लिए सबसे अच्छा कदम की योजना बनाकर, और फिर उस चाल को चुनने का काम करती है जो औसतन सबसे अच्छी होती है। टीम ने हजारों मैचों में प्रत्येक एजेंट को प्रत्येक अन्य एजेंट के विरुद्ध लड़ाया, जिससे यह सुनिश्चित करने के लिए एक कठोर सांख्यिकीय पद्धति का उपयोग किया गया कि परिणाम केवल भाग्य की तुक्का न हों।
निष्कर्ष आश्चर्यजनक थे। सबसे सफल एजेंट वे नहीं थे जिन्होंने प्रयास और त्रुटि के माध्यम से सीखा था। इसके बजाय, शीर्ष प्रदर्शन करने वाले वे थे जिन्होंने 'सर्च और प्लानिंग' (खोज और योजना) का उपयोग किया था। सबसे मजबूत एजेंट ने, जिसने एक विशिष्ट प्रकार के सर्च एल्गोरिदम का उपयोग किया था, एक ऐसा रेटिंग प्राप्त किया जो सभी लर्निंग-आधारित सिस्टम से काफी ऊपर था। वास्तव में, कोई भी लर्निंग एजेंट, चाहे उन्हें कैसे भी प्रशिक्षित किया गया हो या उन्हें क्या भी पुरस्कार दिए गए हों, हाथ से लिखे गए नियमों के एक सावधानीपूर्वक ट्यून किए गए सेट को नहीं हरा सका। अध्ययन ने दिखाया कि इस विशेष खेल में, आगे देखने और संभावनाओं की गणना करने की क्षमता, अनुभव से सीखने की क्षमता से कहीं अधिक शक्तिशाली थी।
एक अत्यंत दिलचस्प खोज यह थी कि कंप्यूटर खेल को कैसे "देखता" था। शोधकर्ता उम्मीद कर रहे थे कि लर्निंग एजेंटों को अधिक जानकारी देने से—जैसे कि कौन से कार्ड पहले ही खेले जा चुके हैं या कौन से सूट गायब हैं—उन्हें जीतने में मदद मिलेगी। इसके बजाय, उन्होंने पाया कि एजेंट बेहतर प्रदर्शन करते थे जब उन्हें कम जानकारी दी जाती थी। खेल की एक सरलीकृत स्थिति, जिसने कई विवरणों को हटा दिया था, वास्तव में एक समृद्ध, विस्तृत विवरण की तुलना में उच्च जीत दर की ओर ले गई। यह सुझाव देता है कि इस विशिष्ट खेल के लिए, बहुत अधिक डेटा एक लर्निंग सिस्टम को भ्रमित कर सकता है, जबकि एक सरल दृश्य इसे वास्तव में महत्वपूर्ण चीजों पर ध्यान केंद्रित करने की अनुमति देता है।
अध्ययन ने यह भी देखा कि खेल के परिणाम में कौशल बनाम भाग्य का कितना योगदान था। हजारों हाथों का विश्लेषण करके, शोधकर्ताओं ने पाया कि खिलाड़ी को मिले कार्डों ने विजेता के अंतर में लगभग चालीस प्रतिशत का योगदान दिया। संयोग का यह उच्च स्तर यह स्पष्ट करता है कि केवल मनुष्यों और कंप्यूटरों के बीच जीत की दर की तुलना करना भ्रामक हो सकता है। कौशल का वास्तविक माप प्राप्त करने के लिए, शोधकर्ताओं ने एक नई विधि विकसित की। उन्होंने मानव प्रतिभागियों द्वारा खेले गए सटीक हाथों को लिया और उन्हें एक कंप्यूटर एजेंट के साथ फिर से खेला, जिसमें कंप्यूटर मानव की सीट पर बैठा था। इसने उन्हें भाग्य के वितरण को निष्प्रभावी करने और यह देखने की अनुमति दी कि मानव के निर्णयों की तुलना कंप्यूटर के निर्णयों से कैसे होती है।
जब उन्होंने इस युग्मित (paired) पद्धति का उपयोग किया, तो परिणाम बदल गए। हालांकि मनुष्यों के विरुद्ध कंप्यूटर की समग्र जीत की दर एक सिक्के के उछाल (टॉस) जैसी थी, लेकिन युग्मित विश्लेषण ने खुलासा किया कि यदि कंप्यूटर उन मनुष्यों के कार्ड खेल रहा होता, तो वह काफी अधिक हाथ जीत जाता। मनुष्य उन सौ हाथों में से लगभग नौ अधिक हाथ हार गए जो कंप्यूटर उन सौ डील्स पर जीत सकता था। यह सिद्ध हुआ कि कंप्यूटर वास्तव में बेहतर था, लेकिन उसका लाभ छोटा था और कार्ड वितरण की यादृच्छिकता (रैंडमनेस) द्वारा आसानी से छिपा हुआ था।
शोध यह निष्कर्ष निकालता है कि उन खेलों के लिए जहाँ स्कोरिंग कार्ड दुर्लभ हैं और उद्देश्य जटिल है, अनुभव से सीखने की तुलना में आगे की योजना बनाना महारत हासिल करने का एक अधिक विश्वसनीय मार्ग है। यह अध्ययन इस बात पर भी प्रकाश डालता है कि हमें संयोग के खेलों में सफलता को कैसे मापना चाहिए। कार्डों के भाग्य (luck of the deal) को नियंत्रित किए बिना, हम मानव और मशीन के बीच कौशल के वास्तविक अंतर को चूक सकते हैं। एक पारंपरिक खेल का दस्तावेजीकरण करके और कठोर वैज्ञानिक परीक्षण लागू करके, शोधकर्ताओं ने न केवल आर्टिफिशियल इंटेलिजेंस के लिए एक बेंचमार्क बनाया है, बल्कि सांस्कृतिक विरासत के एक हिस्से को भी संरक्षित किया है, यह दिखाते हुए कि मनोरंजन के लिए खेले जाने वाले खेल में भी, सोचने और सीखने के बारे में गहरे सबक होते हैं।
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।