-
संशय होने पर वह पूछेगा
-
नई तकनीक बनायी जा रही है
-
गड़बड़ी की आशंका कम होगी
राष्ट्रीय खबर
रांचीः रोबोट इंसानी परिश्रम को कम करता है तथा सुरक्षा के लिहाज से बेहतर विकल्प है। इसके बाद भी परेशानी वहां होती है जब रोबोट को किसी अप्रत्याशित चुनौती का सामना करना पड़ता है। वह सही अथवा गलत दोनों निर्णय ले सकता है क्योंकि इसके लिए उसे प्रशिक्षित नहीं किया गया है। अब इसी परेशानी को दूर करने की कवायद हो रही है। ऐसी किसी परिस्थिति के आने पर आगे क्या करना है, उसके बारे में रोबोट सवाल कर सही जानकारी लेने के बाद अपना अगल कदम उठायेगा। रोबोटों का मदद माँगना सिखाना उन्हें सुरक्षित और अधिक कुशल बनाने की कुंजी है।
प्रिंसटन यूनिवर्सिटी और गूगल के इंजीनियरों ने रोबोटों को यह सिखाने का एक नया तरीका ईजाद किया है कि जब वे नहीं जानते हों तो उन्हें पता चले। इस तकनीक में मानव भाषा की अस्पष्टता को मापना और उस माप का उपयोग करके रोबोट को यह बताना शामिल है कि आगे की दिशा कब पूछनी है। एक रोबोट को केवल एक कटोरी वाली मेज से कटोरा उठाने के लिए कहना काफी स्पष्ट है। लेकिन जब मेज पर पांच कटोरे हों तो रोबोट को एक कटोरा उठाने के लिए कहना बहुत अधिक अनिश्चितता पैदा करता है और रोबोट को दिशानिर्देश मांगने के लिए प्रेरित करता है।
क्योंकि कार्य आम तौर पर एक साधारण एक कटोरा उठाओ कमांड की तुलना में अधिक जटिल होते हैं, इंजीनियर जटिल वातावरण में अनिश्चितता का आकलन करने के लिए बड़े भाषा मॉडल (एलएलएम) – चैटजीपीटी जैसे टूल के पीछे की तकनीक – का उपयोग करते हैं।
प्रिंसटन में मैकेनिकल और एयरोस्पेस इंजीनियरिंग के सहायक प्रोफेसर और नई पद्धति की रूपरेखा तैयार करने वाले एक अध्ययन के वरिष्ठ लेखक अनिरुद्ध मजूमदार ने कहा, एलएलएम मानव भाषा का पालन करने के लिए रोबोट की शक्तिशाली क्षमताएं ला रहे हैं, लेकिन एलएलएम आउटपुट अभी भी अक्सर अविश्वसनीय हैं। मजूमदार ने कहा, एलएलएम द्वारा बनाई गई योजनाओं का आँख बंद करके पालन करने से रोबोट असुरक्षित या अविश्वसनीय तरीके से कार्य कर सकते हैं, और इसलिए हमें अपने एलएलएम-आधारित रोबोटों को यह जानने की ज़रूरत है कि वे कब नहीं जानते हैं।
सिस्टम रोबोट के उपयोगकर्ता को सफलता की एक लक्ष्य डिग्री निर्धारित करने की भी अनुमति देता है, जो एक विशेष अनिश्चितता सीमा से जुड़ा होता है जो रोबोट को मदद मांगने के लिए प्रेरित करेगा। उदाहरण के लिए, एक उपयोगकर्ता एक सर्जिकल रोबोट को लिविंग रूम की सफाई करने वाले रोबोट की तुलना में बहुत कम त्रुटि सहनशीलता के लिए सेट करेगा।
मैकेनिकल में स्नातक छात्र एलन रेन ने कहा, हम चाहते हैं कि रोबोट पर्याप्त मदद मांगे ताकि हम सफलता के उस स्तर तक पहुंच सकें जो उपयोगकर्ता चाहता है। लेकिन इस बीच, हम रोबोट को मदद की कुल मात्रा को कम करना चाहते हैं।
शोधकर्ताओं ने न्यूयॉर्क शहर और माउंटेन व्यू, कैलिफ़ोर्निया में गूगल सुविधाओं पर एक नकली रोबोटिक बांह और दो प्रकार के रोबोटों पर अपनी विधि का परीक्षण किया, जहां रेन एक छात्र अनुसंधान प्रशिक्षु के रूप में काम कर रहे थे। हार्डवेयर प्रयोगों के एक सेट में एक टेबलटॉप रोबोटिक बांह का उपयोग किया गया, जिसका काम खिलौना खाद्य पदार्थों के एक सेट को दो अलग-अलग श्रेणियों में क्रमबद्ध करना था; बाएँ और दाएँ हाथ वाले सेटअप ने अस्पष्टता की एक अतिरिक्त परत जोड़ दी।
सबसे जटिल प्रयोगों में एक रोबोटिक भुजा शामिल थी जिसे एक पहिये वाले प्लेटफॉर्म पर स्थापित किया गया था और एक माइक्रोवेव और रीसाइक्लिंग, खाद और कचरा डिब्बे के एक सेट के साथ कार्यालय की रसोई में रखा गया था। एक उदाहरण में, एक मानव रोबोट से कटोरे को माइक्रोवेव में रखने के लिए कहता है, लेकिन काउंटर पर दो कटोरे होते हैं – एक धातु का और एक प्लास्टिक का।
रोबोट का एलएलएम-आधारित योजनाकार इस निर्देश के आधार पर बहुविकल्पीय उत्तरों की तरह चार संभावित क्रियाएं उत्पन्न करता है, और प्रत्येक विकल्प को एक संभावना दी जाती है। अनुरूप भविष्यवाणी और उपयोगकर्ता-निर्दिष्ट गारंटीकृत सफलता दर नामक एक सांख्यिकीय दृष्टिकोण का उपयोग करते हुए, शोधकर्ताओं ने विकल्प एक निश्चित संभावना सीमा को पूरा करने पर मानव सहायता के लिए अनुरोध को ट्रिगर करने के लिए अपने एल्गोरिदम को डिज़ाइन किया। इस मामले में, शीर्ष दो विकल्प – प्लास्टिक के कटोरे को माइक्रोवेव में रखें या धातु के कटोरे को माइक्रोवेव में रखें – इस सीमा को पूरा करते हैं, और रोबोट मानव से पूछता है कि माइक्रोवेव में कौन सा कटोरा रखना है।
अध्ययन के वरिष्ठ लेखक अनिरुद्ध मजूमदार ने कहा, अनुरूप भविष्यवाणी की तकनीक का उपयोग करना, जो पूर्व तरीकों की तुलना में भाषा मॉडल की अनिश्चितता को अधिक कठोर तरीके से मापता है, हमें ट्रिगरिंग सहायता की आवृत्ति को कम करते हुए सफलता के उच्च स्तर तक पहुंचने की अनुमति देता है।
