Apple शोधकर्ताओं ने एक वर्चुअल उपयोगकर्ता बनाया ताकि वास्तविक लोगों से पहले AI सहायकों का परीक्षण किया जा सके
एक नई शोध ढांचा वास्तविक ऐप उपयोग के आगे-पीछे को सिमुलेट करता है, ताकि सक्रिय AI सहायकों का परीक्षण और मूल्यांकन किया जा सके बिना वास्तविक उपयोगकर्ताओं को जोखिम में डाले।
मुख्य बिंदु
- Apple ML Research ने 2025 में PARE प्रकाशित किया, जो बिना पूछे कार्य करने वाले AI सहायकों के परीक्षण के लिए एक ढांचा है।
- PARE ऐप्स को परिमित अवस्था मशीनों के रूप में मॉडल करता है, जो हर स्क्रीन और कार्रवाई का एक संरचित मानचित्र है जो एक ऐप प्रदान कर सकता है, सरल आदेश सूचियों के बजाय।
- वर्तमान AI सहायक परीक्षण विधियां वास्तविक ऐप उपयोग की चरण-दर-चरण, स्थितिपरक प्रकृति को याद करती हैं।
- यह ढांचा एक यथार्थवादी उपयोगकर्ता को सिमुलेट करना संभव बनाता है ताकि डेवलपर्स माप सकें कि एक सक्रिय एजेंट लाइव उत्पाद को छूने से पहले कितना अच्छा प्रदर्शन करता है।
अधिकांश AI सहायक आपसे कुछ पूछने के लिए प्रतीक्षा करते हैं। एक सक्रिय एजेंट, सॉफ्टवेयर जो देखता है कि आप क्या कर रहे हैं और आपकी ओर से कार्य करता है भले ही आप कोई अनुरोध टाइप न करें, एक अलग जानवर है। यह आपकी उड़ान में देरी को नोटिस कर सकता है और इसे फिर से बुक कर सकता है, या कल देय एक बिल को देख सकता है और भुगतान निर्धारित कर सकता है। उपयोगी, हाँ। यदि यह गलत हो जाता है तो जोखिम भरा भी।
समस्या यह है कि इन सहायकों को बनाना और परीक्षण करना कठिन है। आपको एक मानव उपयोगकर्ता के लिए एक यथार्थवादी स्टैंड-इन की आवश्यकता है, कोई व्यक्ति (या कोई चीज़) जो मेनू के माध्यम से क्लिक करता है, फॉर्म भरता है, और अपना मन बदलता है कार्य के बीच में, जिस तरह वास्तविक लोग करते हैं। अब तक, इसके लिए कोई अच्छा उपकरण मौजूद नहीं था।
Apple ML Research ने उस अंतर को भरने के लिए PARE, Proactive Agent Research Environment का परिचय दिया।
यह वास्तव में डेवलपर्स के लिए क्या बदलता है?
यह उन्हें शिप करने से पहले चीजों को तोड़ने के लिए एक सुरक्षित सैंडबॉक्स देता है। PARE प्रत्येक ऐप को एक परिमित अवस्था मशीन के रूप में मैप करके काम करता है, इसे एक विस्तृत फ़्लोचार्ट के रूप में सोचें जो हर स्क्रीन, हर बटन और हर पथ दिखाता है जो एक उपयोगकर्ता सॉफ्टवेयर के माध्यम से ले सकता है। यह आदेश की सपाट सूचियों की तुलना में एक बहुत समृद्ध चित्र है जो पहले के परीक्षण उपकरणों पर निर्भर करते थे।
उस मानचित्र के साथ, PARE एक सिमुलेट किए गए उपयोगकर्ता को यथार्थवादी क्रमों के माध्यम से चला सकता है: कैलेंडर खोलें, मंगलवार की जांच करें, एक संघर्ष देखें, पुनर्निर्धारण करने का प्रयास करें। परीक्षण किए जा रहे AI सहायक को प्रत्येक चरण का जवाब देना होगा, ठीक वैसे ही जैसे वह वास्तविक व्यक्ति के साथ कीबोर्ड पर बैठे होंगे।
पिछली ढांचाएं ऐप्स को एक वेंडिंग मशीन की तरह मानती थीं: एक आदेश में डालें, आउटपुट प्राप्त करें। PARE उन्हें एक बातचीत की तरह मानता है जो समय के साथ सामने आती है, जो लोगों के वास्तविक सॉफ्टवेयर उपयोग के तरीके के बहुत करीब है।
यह साधारण लोगों के लिए क्या मायने रखता है?
आज आपके ऐप्स में कुछ नहीं बदलता है। यह शोध अवसंरचना है, पर्दे के पीछे की इकाई जो AI टीमें अपने काम की जांच करने के लिए उपयोग करती हैं।
लेकिन अनुप्रवाह प्रभाव मायने रखता है। सक्रिय एजेंट फोन, लैपटॉप और उत्पादकता उपकरणों पर तेजी से आ रहे हैं जैसा कि अधिकांश लोग महसूस करते हैं। PARE जैसी परीक्षण ढांचा का मतलब है कि उन एजेंटों को बनाने वाली टीमों के पास यह मापने का एक तरीका है कि सहायक आपके डिवाइस पर आने से पहले मदद करता है या अराजकता पैदा करता है। इसे AI सॉफ्टवेयर के लिए एक क्रैश-टेस्ट डमी के रूप में सोचें।
एक ईमानदार चेतावनी: एक सिमुलेट किया गया उपयोगकर्ता अभी भी एक सिमुलेशन है। वास्तविक लोग अप्रत्याशित चीजें करते हैं, और कोई भी प्रयोगशाला वातावरण उस सभी को कैप्चर नहीं करता है। PARE में अच्छे परीक्षण परिणाम एक आवश्यक कदम हैं, एक गारंटी नहीं कि एक सक्रिय एजेंट जंगली में परिपूर्ण रूप से व्यवहार करेगा।
निष्कर्ष: यदि आप उत्पादकता सॉफ्टवेयर का उपयोग करते हैं और सोचते हैं कि क्या AI सहायक एक दिन बिना पूछे आपके कैलेंडर या इनबॉक्स का प्रबंधन करेंगे, तो उत्तर हाँ है। PARE जैसी ढांचा यह है कि शोधकर्ता कैसे जांच करते हैं कि वह सहायक पहले इसे गड़बड़ा नहीं देंगे।
