UAS-OS: An Operating-System-Level Control Plane for Autonomous AI Governance and Real-Time Execution Abstraction

जैसे-जैसे आर्टिफिशियल इंटेलिजेंस (AI) सिस्टम अधिक शक्तिशाली होते जा रहे हैं और वास्तविक दुनिया में काम करना शुरू कर रहे हैं, वे साधारण उपकरणों से बदलकर जटिल, स्वतंत्र कर्ताओं (actors) में परिवर्तित हो रहे हैं। इन प्रणालियों को अपने आप निर्णय लेने के लिए डिज़ाइन किया गया है, जो अक्सर ऐसे वातावरण में होता है जहाँ एक गलती के गंभीर भौतिक परिणाम हो सकते हैं। हालाँकि, जो कंप्यूटर इन प्रणालियों को चलाते हैं, वे दशकों पहले एक अलग उद्देश्य के लिए डिज़ाइन किए गए ऑपरेटिंग सिस्टम पर आधारित हैं। पारंपरिक ऑपरेटिंग सिस्टम प्रत्येक प्रोग्राम को एक मानक कार्य के रूप में मानते हैं, जो मेमोरी और प्रोसेसिंग पावर का प्रबंधन तो करते हैं, लेकिन वे किए जा रहे विशिष्ट कार्य के इरादे या सुरक्षा आवश्यकताओं को नहीं समझते हैं। उनमें इस बात की गहरी जांच करने का कोई तरीका नहीं है कि एक आर्टिफिशियल इंटेलिजेंस होने से पहले क्या करने की योजना बना रहा है, या एक खराब होने वाले AI को अलग करने का कोई तरीका नहीं है ताकि वह शेष प्रणाली को नुकसान न पहुँचा सके। यह अंतर एक महत्वपूर्ण जोखिम पैदा करता है क्योंकि हम एक ऐसे भविष्य की ओर बढ़ रहे हैं जहाँ स्वायत्त मशीनें महत्वपूर्ण बुनियादी ढांचे के लिए आवश्यक हैं।

इसे संबोधित करने के लिए, तादायुकी निशिमुरा नामक एक शोधकर्ता ने UAS-OS नामक एक नया आर्किटेक्चरल फ्रेमवर्क प्रस्तावित किया है। यह मौजूदा सॉफ़्टवेयर का कोई मामूली अपडेट नहीं है, बल्कि इस बात का मौलिक पुनर्मूल्यांकन है कि एक ऑपरेटिंग सिस्टम को आर्टिफिशियल इंटेलिजेंस को कैसे प्रबंधित करना चाहिए। इसका मूल विचार AI एजेंटों को सरल प्रक्रियाओं के रूप में मानना बंद करना और उन्हें अपने विशिष्ट नियमों, सुरक्षा सीमाओं और पहचानों वाले शासित निकायों (governed entities) के रूप में मानना है। AI गवर्नेंस के लिए विशेष रूप से एक कंट्रोल प्लेन बनाकर, सिस्टम एक स्वायत्त एजेंट के इरादों की निगरानी कर सकता है, यह सत्यापित कर सकता है कि उसके कार्य सुरक्षा नीतियों के अनुरूप हैं, और यह सुनिश्चित कर सकता है कि यदि एक एजेंट विफल होता है, तो विफलता तुरंत नियंत्रित हो जाए। इस दृष्टिकोण का लक्ष्य वही स्तर की विश्वसनीयता और सुरक्षा प्रदान करना है जिसकी हम महत्वपूर्ण बुनियादी ढांचे से अपेक्षा करते हैं, लेकिन यह स्वायत्त बुद्धिमत्ता की अनूठी और अप्रत्याशित प्रकृति के अनुकूल है।

यह शोध पत्र एक ऐसी प्रणाली पेश करता है जो इस सुरक्षा को प्राप्त करने के लिए दो अलग-अलग परतों में कार्य करती है। निचली परत हार्डवेयर को संभालती है और यह सुनिश्चित करती है कि भौतिक घटक, जिनमें संभावित क्वांटम कंप्यूटिंग तत्व भी शामिल हैं, सही ढंग से कार्य कर रहे हैं। ऊपरी परत, जो इस कार्य का मुख्य केंद्र है, स्वयं AI एजेंटों के लिए एक सख्त पर्यवेक्षक के रूप में कार्य करती है। मानक पद्धति का उपयोग करने के बजाय जहाँ एक ऑपरेटिंग सिस्टम सामान्य कंट्रोल ब्लॉक्स के साथ प्रोग्रामों को ट्रैक करता है, यह नई प्रणाली 'एजेंट कंट्रोल ब्लॉक्स' (Agent Control Blocks) का उपयोग करती है। इन्हें प्रत्येक AI एजेंट के लिए एक विशेष आईडी कार्ड और नियम पुस्तिका के रूप में समझें, जिसमें उसकी वर्तमान स्थिति, उसके इच्छित लक्ष्य और विशिष्ट सुरक्षा नीतियां शामिल हैं। इससे पहले कि किसी एजेंट को कमांड निष्पादित करने की अनुमति दी जाए, सिस्टम इस जानकारी की जाँच नियमों के एक सेट के विरुद्ध करता है। यदि एजेंट की योजना सुरक्षा सीमाओं के भीतर फिट बैठती है, तो वह आगे बढ़ता है; यदि वह उन सीमाओं से बाहर कदम रखता है, तो सिस्टम तुरंत कार्रवाई को रोक देता है और किसी भी क्षति को रोकने के लिए एजेंट को अलग कर देता है।

यह गवर्नेंस अविश्वसनीय गति के साथ होता है, जो वास्तविक समय के अनुप्रयोगों के लिए आवश्यक है। शोधकर्ताओं ने यह परीक्षण करने के लिए एक जटिल वातावरण का अनुकरण (simulation) किया कि सुरक्षा की यह अतिरिक्त परत सिस्टम के संचालन में कितना समय जोड़ती है। परिणामों ने दिखाया कि एजेंट के इरादे की जांच करने, उसकी सुरक्षा को सत्यापित करने और उसके संसाधनों को प्रबंधित करने की पूरी प्रक्रिया में औसतन केवल 41.308 माइक्रोसेकंड लगे। यहाँ तक कि सिमुलेशन के दौरान मापे गए सबसे खराब परिदृश्यों में भी, समय 46.31 माइक्रोसेकंड से कम रहा। यह कई महत्वपूर्ण रियल-टाइम मिशनों के लिए आवश्यक 100-माइक्रोसेकंड की समय सीमा के भीतर है, जो यह सिद्ध करता है कि कठोर सुरक्षा जाँचों के लिए प्रदर्शन की बलि देना आवश्यक नहीं है। यह सिस्टम एक सख्त द्वारपाल और एक तेज़ निष्पादक दोनों होने में सक्षम है, यह सुनिश्चित करता है कि सुरक्षा एक विचार के बाद की चीज़ नहीं बल्कि ऑपरेटिंग सिस्टम की मुख्य विशेषता है।

इस आर्किटेक्चर का एक महत्वपूर्ण हिस्सा यह है कि सिस्टम मेमोरी और डेटा को कैसे संभालता है। कई वर्तमान सेटअपों में, कंप्यूटर के विभिन्न हिस्सों के बीच, जैसे कि मुख्य मेमोरी से विशेष AI एक्सेलेरेटर्स के बीच, डेटा ले जाने के लिए जानकारी को कॉपी करने की आवश्यकता होती है, जिससे सब कुछ धीमा हो जाता है। UAS-OS डिज़ाइन इस कॉपी करने के चरण को समाप्त करता है और एक एकीकृत मेमोरी स्पेस (unified memory space) बनाता है जो विभिन्न हार्डवेयर घटकों को बिना किसी दोहराव के सीधे एक ही डेटा तक पहुँचने की अनुमति देता है। इस 'जीरो-कॉपी' दृष्टिकोण को विशेष हार्डवेयर कनेक्शनों द्वारा समर्थित किया जाता है जो यह सुनिश्चित करते हैं कि डेटा सुरक्षित रहे और जैसे-जैसे वह चलता है, उसमें कोई बदलाव न हो। इसके अलावा, सिस्टम में स्वयं डेटा की अखंडता की जाँच करने के लिए तंत्र शामिल हैं, यह सुनिश्चित करते हुए कि AI के निर्णयों को निर्देशित करने वाले गणितीय वेट्स (weights) दूषित या छेड़छाड़ किए गए नहीं हैं। यह बहु-स्तरीय रक्षा सुनिश्चित करती है कि AI न केवल नियमों का पालन कर रहा है बल्कि सटीक और विश्वसनीय जानकारी पर भी काम कर रहा है।

यह शोध यह भी पता लगाता है कि ये सिस्टम एक वितरित नेटवर्क (distributed network) में कैसे काम कर सकते हैं, जहाँ कई AI एजेंटों को एक केंद्रीय बॉस के बिना किसी कार्रवाई पर सहमत होने की आवश्यकता होती है। प्रस्तावित फ्रेमवर्क QKD-सुरक्षित प्रमाणित चैनलों का उपयोग करके वितरित एजेंट नोड्स को समन्वयित करता है, और एक कंसेंसस प्रोटोकॉल का उपयोग करता है जो नेटवर्क को तब भी सही ढंग से कार्य करने की अनुमति देता है जब कुछ एजेंट दुर्भावनापूर्ण व्यवहार कर रहे हों या विफल हो गए हों। सिमुलेशन ने पुष्टि की कि यह दृष्टिकोण सुरक्षा और विश्वसनीयता बनाए रखता है, भले ही नेटवर्क का एक हिस्सा समझौतापूर्ण (compromised) हो।

अंततः, इस पेपर में प्रस्तुत कार्य यह प्रदर्शित करता है कि यह संभव है कि एक ऐसा ऑपरेटिंग सिस्टम बनाया जाए जो स्वायत्त AI के साथ उसी स्तर की सूक्ष्म जांच और नियंत्रण का उपयोग करे जो हम महत्वपूर्ण भौतिक प्रणालियों पर लागू करते हैं। एजेंटों को प्रबंधित, सत्यापित और अलग करने के तरीके को पुनर्परिभाषित करके, UAS-OS फ्रेमवर्क उच्च-जोखिम वाले वातावरण में आत्मविश्वास के साथ शक्तिशाली AI को तैनात करने का एक मार्ग प्रदान करता है। एक मल्टी-थ्रेडेड एंटरप्राइज टेस्टबेड के विस्तृत सिमुलेशन से प्राप्त निष्कर्ष बताते हैं कि इस गवर्नेंस का ओवरहेड उस सुरक्षा की तुलना में नगण्य है जो यह प्रदान करता है। जबकि यह कार्य वर्तमान में सिमुलेशन चरण में है और एक अनंतिम पेटेंट आवेदन द्वारा समर्थित है, यह एक स्पष्ट खाका तैयार करता है जहाँ आर्टिफिशियल इंटेलिजेंस एक सख्त, रियल-टाइम कंट्रोल प्लेन के तहत संचालित होता है जो इरादे की गारंटी देता है और विनाशकारी विफलता को रोकता है।