Evolver: Turning Agent Exploration into Evolving Capabilities
Evolver एक अनुभव-संचालित फ्रेमवर्क है जो क्षणिक एजेंट अन्वेषण को फाउंडेशन मॉडल के मापदंडों (parameters) को अपडेट किए बिना स्थायी, पुन: प्रयोज्य क्षमताओं में परिवर्तित करता है, जिससे कई बेंचमार्क पर कार्य सफलता दर और निष्पादन दक्षता में सुधार होता 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, एजेंटों के रूप में जाने जाने वाले प्रोग्रामों का एक बढ़ता हुआ वर्ग है। साधारण चैटबॉट्स के विपरीत जो केवल सवालों के जवाब देते हैं, ये एजेंट कार्रवाई करने के लिए डिज़ाइन किए गए हैं। वे फ़ाइलें खोल सकते हैं, कोड चला सकते हैं, इंटरनेट पर खोज कर सकते हैं, और बहु-चरणीय समस्याओं को हल करने के लिए जटिल डिजिटल वातावरण के साथ बातचीत कर सकते हैं, ठीक वैसे ही जैसे एक मानव इंजीनियर या शोधकर्ता कर सकता है। सफल होने के लिए, इन एजेंटों को अपने परिवेश का पता लगाना चाहिए, विभिन्न उपकरणों का परीक्षण करना चाहिए और गलतियों से सीखना चाहिए। हालाँकि, एक महत्वपूर्ण बाधा उत्पन्न हुई है: हर बार जब एक एजेंट किसी कठिन समस्या को हल करता है, तो उससे सीखे गए मूल्यवान सबक अक्सर खो जाते हैं। एक बार कार्य पूरा हो जाने के बाद, उसके संघर्ष करने, उसने क्या आज़माया और अंततः क्या काम आया, इसका विस्तृत रिकॉर्ड हटा दिया जाता है। अगली बार जब इसी तरह की समस्या आती है, तो एजेंट शून्य से शुरुआत करता है, उन्हीं अन्वेषण प्रयासों को दोहराता है और कंप्यूटेशनल संसाधनों को बर्बाद करता है। शोधकर्ताओं के सामने केंद्रीय प्रश्न यह है कि इस क्षणिक अनुभव को कैसे पकड़ा जाए और इसे एक स्थायी संसाधन में कैसे बदला जाए जो एजेंट को बिना उसके मूल मस्तिष्क को मौलिक रूप से पुन: प्रशिक्षित (retrain) किए, समय के साथ बेहतर बनने में मदद करे।
शोधकर्ताओं की एक टीम ने इस समस्या को हल करने के लिए 'इवॉल्वर' (Evolver) नामक एक प्रणाली पेश की है। एजेंट को चलाने वाले मुख्य सॉफ़्टवेयर को बदलने की कोशिश करने के बजाय, जो कि एक कठिन और महंगी प्रक्रिया है, इवॉल्वर एक बाहरी मेमोरी बैंक के रूप में कार्य करता है जो हर कार्य के साथ अधिक स्मार्ट होता जाता है। यह प्रणाली एक सरल सिद्धांत पर काम करती है: एजेंट के अन्वेषण के कच्चे, अव्यवस्थित इतिहास को व्यवस्थित, पुन: प्रयोज्य निर्देशों में बदलना। जब एक एजेंट कार्य समाप्त करता है, तो इवॉल्वर सत्र का विश्लेषण करके सबसे उपयोगी रणनीतियों को निकालता है। फिर यह उन रणनीतियों को संरचित इकाइयों में पैक करता है, जिन्हें शोधकर्ता "जीन एसेट्स" (Gene assets) कहते हैं। ये जैविक अर्थों में जेनेटिक कोड नहीं हैं, बल्कि एक प्रक्रिया का संक्षिप्त, स्पष्ट विवरण हैं, जिसमें यह भी शामिल है कि इसका उपयोग कब किया जाना चाहिए और इसमें कौन से चरण शामिल हैं। प्रणाली असफल प्रयासों का भी रिकॉर्ड रखती है, जिससे बचने योग्य चीजों की एक सूची बनती है, ताकि यह सुनिश्चित हो सके कि एजेंट पिछली गलतियों को न दोहराए।
इवॉल्वर की वास्तविक शक्ति इस बात में निहित है कि वह इस संचित ज्ञान का उपयोग कैसे करता है। जब कोई नया कार्य आता है, तो प्रणाली एजेंट को अंधेरे में भटकने नहीं देती। इसके बजाय, यह वर्तमान स्थिति से मेल खाने वाली प्रासंगिक रणनीतियों को खोजने के लिए अपने जीन एसेट्स के पुस्तकालय की खोज करती है। फिर यह इन निर्देशों को एजेंट के वर्कफ़्लो में डाल देती है, जिससे कार्य शुरू करने से पहले ही उसके निर्णयों का मार्गदर्शन होता है। यह प्रक्रिया एजेंट के मौलिक प्रोग्रामिंग को बदले बिना होती है। एजेंट वही रहता है, लेकिन अब वह ऐतिहासिक बुद्धिमत्ता के एक क्यूरेटेड सेट से सुसज्जित है जो उसे समस्या को अधिक कुशलता से हल करने में मदद करता है। शोधकर्ताओं ने दो अलग-अलग प्रकार के उन्नत कोडिंग एजेंटों और चार विशिष्ट बेंचमार्क का उपयोग करके इस दृष्टिकोण का परीक्षण किया, जो सॉफ्टवेयर रिपेयर और टर्मिनल ऑपरेशंस जैसे क्षेत्रों में प्रदर्शन को मापते हैं। उन्होंने अकेले काम करने वाले एजेंटों के प्रदर्शन की तुलना इवॉल्वर के पिछले अनुभवों के पुस्तकालय द्वारा सहायता प्राप्त एजेंटों के प्रदर्शन से की।
परिणाम बताते हैं कि अन्वेषण को विकास (evolution) में बदलने की यह विधि अत्यधिक प्रभावी है। 320 युग्मित परीक्षणों के एक सेट में, इवॉल्वर का उपयोग करने वाले एजेंटों ने अकेले काम करने वालों की तुलना में कार्यों को सफलतापूर्वक पूरा किया, जिसमें सफलता दर 83.13% से बढ़कर 87.50% हो गई। यह सुधार विभिन्न प्रकार के कार्यों और विभिन्न अंतर्निहित एजेंट मॉडलों में सुसंगत था। शायद इससे भी अधिक आश्चर्यजनक दक्षता में हुई वृद्धि थी। इवॉल्वर द्वारा निर्देशित एजेंटों ने अपने लक्ष्यों तक पहुँचने के लिए काफी कम कंप्यूटेशनल संसाधनों का उपयोग किया। औसतन, संसाधित डेटा की मात्रा, जिसे टोकन में मापा जाता है, में 24.24% की गिरावट आई। यह कमी केवल कम बार विफल होने का दुष्प्रभाव नहीं था; उन मामलों में भी जहाँ निर्देशित और अनगाइडेड दोनों एजेंट सफल रहे, गाइडेड संस्करण ने 17.57% कम संसाधनों का उपयोग किया। यह दर्शाता है कि ऐतिहासिक अनुभव ने एजेंटों को समाधान के छोटे और अधिक सीधे रास्ते खोजने में मदद की, जिससे अनावश्यक भटकाव और दोहराव वाली गणनाओं से बचा जा सका।
शोधकर्ताओं ने विशिष्ट उदाहरणों के माध्यम से इन लाभों को स्पष्ट किया। डेटा टोकन गिनने के एक कार्य में, इवॉल्वर द्वारा सहायता प्राप्त एजेंट ने अपने बिना सहायता प्राप्त समकक्ष की तुलना में 86.5% कम संसाधनों का उपयोग करके और AI मॉडल को कॉल करने के बहुत कम प्रयासों के साथ काम पूरा किया। एक अन्य उदाहरण में, जिसमें एक जटिल सॉफ्टवेयर बग शामिल था, गाइडेड एजेंट ने 58.2% कम डेटा उपयोग के साथ समस्या को हल किया। ये मामले प्रदर्शित करते हैं कि प्रणाली न केवल एजेंटों को वहां सफल होने में मदद करती है जहां वे अन्यथा विफल हो जाते; बल्कि यह उन्हें अधिक भव्यता और गति के साथ सफल होने में भी मदद करती है। अध्ययन यह निष्कर्ष निकालता है कि पिछले अन्वेषण को एक निरंतर, पुन: प्रयोज्य संपत्ति के रूप में मानकर, ऐसे एजेंट बनाना संभव है जो अपनी क्षमताओं में निरंतर सुधार कर सकें। यह दृष्टिकोण एक व्यावहारिक मार्ग प्रदान करता है, जिससे आर्टिफिशियल इंटेलिजेंस सिस्टमों को अपने मूल मॉडलों को पुन: प्रशिक्षित करने की भारी लागत के बिना, अपने इतिहास से सीखने और अपने कौशल को विकसित करने की अनुमति मिलती है, जिससे प्रत्येक पूर्ण कार्य प्रभावी रूप से अगले कार्य के लिए एक सीढ़ी बन जाता 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।