क्या AI एजेंट एक साथ सोचना सीख सकते हैं? एक सिस्को टीम सोचती है कि उसके पास यह क्षमता है

मुख्य बिंदु

• सिस्को के अंदर एक शोध इकाई, Outshift by Cisco, ने दो ओपन-सोर्स प्रोजेक्ट, AGNTCY और Mycelium, जारी किए हैं, जो अलग-अलग AI एजेंटों को मानवीय निरीक्षण के बिना समन्वय करने देते हैं।
• आंतरिक परीक्षण में पाया गया कि असमन्वित AI एजेंटों के समूह लगभग एक-तिहाई समय सही निर्णय तक पहुंचते हैं; एक लक्ष्य-संरेखण प्रोटोकॉल जोड़ने से यह दर 93 प्रतिशत तक बढ़ गई।
• टीम द्वारा उद्धृत एक अध्ययन ने सात ओपन-सोर्स बहु-एजेंट सिस्टम में 41 प्रतिशत और 87 प्रतिशत के बीच विफलता दरों को रिकॉर्ड किया, यह वह तकनीक है जो कई AI एजेंटों को एक समस्या पर जोड़ती है।
• CASA (Continuous Agent Semantic Authorization) नामक एक नया सुरक्षा उपकरण वास्तविक समय में जांच करता है कि क्या एजेंट द्वारा लिया गया प्रत्येक कार्य अभी भी उस कार्य से मेल खाता है जिसके लिए इसे मूल रूप से दिया गया था।
• AGNTCY और Mycelium दोनों अब Linux Foundation के तहत प्रबंधित किए जाते हैं, जो गैर-लाभकारी संगठन व्यापक रूप से उपयोग किए जाने वाले ओपन-सोर्स सॉफ़्टवेयर की देखरेख करता है।

एक अस्पताल की कल्पना करें जिसमें चार अलग-अलग AI एजेंट हैं: एक लक्षणों का आकलन करता है, एक शेड्यूलिंग संभालता है, एक बीमाकर्ताओं से बात करता है, और एक फार्मेसी का समन्वय करता है। प्रत्येक अपने क्षेत्र में तीव्र है। कोई भी उपचार योजना पर सहमत नहीं हो सकता जब तक कि एक मानव उनके बीच अनुवाद करने के लिए हस्तक्षेप नहीं करता।

यह हस्तांतरण समस्या, Outshift by Cisco के सीनियर वाइस प्रेसिडेंट विजय पांडे कहते हैं, आधुनिक AI में मूल अनसुलझी पहेली है। प्रौद्योगिकी तर्क कर सकती है। यह बस सहयोग नहीं कर सकती।

AI एजेंटों का समन्वय इतना मुश्किल क्यों है?

आज की AI प्रणालियां मुख्य रूप से बड़ी होकर विकसित हुई हैं: बड़े मॉडल, अधिक प्रशिक्षण डेटा, अधिक कंप्यूटिंग शक्ति। यह दृष्टिकोण अधिक बुद्धिमान व्यक्तिगत एजेंट बनाता है, लेकिन अकेले आकार उन्हें टीम के रूप में काम करना नहीं सिखाता।

जुड़े हुए एजेंट कार्यों को अच्छी तरह संभालते हैं जब कार्य परिचित दिखता है। जो वे नहीं कर सकते, पांडे का तर्क है, वह एक साझा लक्ष्य रखना और ऐसे समाधान की ओर तर्क करना है जिसके लिए कोई भी डिज़ाइन नहीं किया गया था। यह एक आर्किटेक्चरल अंतर है, कुछ ऐसा नहीं जो आप बेहतर निर्देश लिखकर ठीक करते हैं।

शोध इस निराशा को समर्थन देता है। सात ओपन-सोर्स बहु-एजेंट सिस्टम के एक अध्ययन में 41 प्रतिशत से लेकर लगभग 87 प्रतिशत तक की विफलता दर मिली। एक भली-भांति डिज़ाइन किया गया एजेंट अक्सर एक खराब समन्वित समूह से बेहतर प्रदर्शन करता है।

Outshift ने वास्तव में क्या बनाया है?

दो उपकरण, दोनों ओपन-सोर्स लाइसेंस के तहत उपयोग और संशोधन करने के लिए मुफ़्त।

AGNTCY नेटवर्किंग परत है। इसे AI एजेंटों के लिए एक निर्देशिका और डाक सेवा के रूप में सोचें: यह विभिन्न कंपनियों और प्लेटफॉर्मों से एजेंटों को एक दूसरे को खोजने, यह सत्यापित करने, और साझा मानदंडों के माध्यम से संदेश विनिमय करने देता है। यह अब Linux Foundation के तहत है।

Mycelium शीर्ष पर बैठता है। यह एक समन्वय प्रोटोकॉल है जो एजेंटों को एक सामान्य लक्ष्य घोषित करने, लापता जानकारी को चिह्नित करने, और कोई भी कार्य करने से पहले संघर्ष को सुलझाने के लिए बाध्य करता है। Outshift के अपने परीक्षणों में 14 परिदृश्यों में, असंरचित एजेंट समूह लगभग एक-तिहाई समय सही निर्णय तक पहुंचते हैं। Mycelium ने यह 93 प्रतिशत तक बढ़ा दिया।

पांडे संयुक्त परिणाम को "Internet of Cognition" कहते हैं, इरादे, मेमोरी, और तर्क के लिए एक साझा परत जिसकी तुलना वह कुछ महत्वाकांक्षा के साथ, छिन्न प्रारंभिक मानवों को सहयोगी समाजों में बदलने वाली संज्ञानात्मक प्रगति से करते हैं।

क्या लोगों को बिना निरीक्षण के AI एजेंटों के बारे में चिंता करनी चाहिए?

हां, और Outshift कहता है कि वह भी करता है। एजेंटों को जोड़ने से नए जोखिम पैदा होते हैं: एक एजेंट गलती से दूसरे को ऐसी अनुमतियां दे सकता है जो उसे नहीं देनी चाहिए, बुरे अभिनेता साझा मेमोरी में गलत निर्देश इंजेक्ट कर सकते हैं, और एजेंट अपने मूल कार्य के दायरे से बहुत दूर कार्य कर सकते हैं।

Outshift द्वारा प्रस्तावित उत्तर CASA, Continuous Agent Semantic Authorization है। यह उपकरण पढ़ता है कि एजेंट क्या पूरा करने का प्रयास कर रहा है, फिर प्रत्येक व्यक्तिगत कार्य को वास्तविक समय में उस कथित उद्देश्य के विरुद्ध जांचता है। पांडे द्वारा दिए गए एक स्वास्थ्यसेवा उदाहरण में, एक एजेंट जिसे एक एकल रोगी रिकॉर्ड को सारांशित करने के लिए कहा जाता है, उसे पूरे अस्पताल डेटाबेस को क्वेरी नहीं करना चाहिए। CASA इस कॉल को अवरुद्ध करेगा।

"आज के नियंत्रण एक भूमिका या सत्र के लिए आधारित हैं, कार्य के लिए नहीं," पांडे ने MIT Technology Review को बताया, जिसने पहली बार इस प्रोजेक्ट को कवर किया। "लगभग 90 प्रतिशत समय, एक एजेंट के पास यह पुष्टि करने का कोई तरीका नहीं है कि उसे दिए गए काम के लिए भी मंजूरी दी गई है।"

इसका मतलब आज के व्यवसायों या रोगियों के लिए क्या है?

न तो AGNTCY और न ही Mycelium एक पूर्ण उत्पाद है जो कोई कंपनी कल चालू कर सकती है। वे निर्माण खंड हैं, और उनके चारों ओर के मानदंड अभी भी लिखे जा रहे हैं।

बहु-एजेंट प्रणालियों के बारे में जिज्ञासु व्यवसायों के लिए पांडे की व्यावहारिक सलाह: एक क्रॉस-कार्यात्मक वर्कफ़्लो चुनें जिसमें वर्तमान में तीन या चार टीमों के बीच प्रत्येक हस्तांतरण को मंजूरी देने के लिए एक मानव की आवश्यकता है, फिर खुले बुनियादी ढांचे पर एक छोटा, मापने योग्य पायलट चलाएं। उन क्षणों को देखें जब एक एजेंट का आउटपुट दूसरे एजेंट को बेहतर प्रदर्शन करने दे। वह कहते हैं, यह वह संकेत है कि क्षैतिज समन्वय वास्तव में काम कर रहा है।

रोगियों या AI-सहायक सेवाओं के प्राप्तकर्ता के लिए, ईमानदार स्थिति यह है कि यह तकनीक अभी आपकी देखभाल नहीं चला रही है। अनुसंधान का लक्ष्य भविष्य की प्रणालियों को सुरक्षित और अधिक सुसंगत बनाना है, आज के लूप से मानवों को निकालना नहीं।

सामान्य प्रश्न

बहु-एजेंट प्रणाली क्या है?

एक बहु-एजेंट प्रणाली सॉफ़्टवेयर है जो कई अलग-अलग AI प्रोग्राम का उपयोग करती है, जिनमें से प्रत्येक का अपना विशेषता है, एक समस्या को एक साथ हल करने के लिए, जिस तरह से एक रिले टीम एक बैटन हस्तांतरित करती है न कि एक धावक सब कुछ करता है।

क्या "कृत्रिम सुपर-बुद्धिमत्ता" वास्तव में यहां निर्मित की जा रही है?

नहीं। पांडे इस वाक्यांश का उपयोग एक दीर्घकालीन दिशा का वर्णन करने के लिए करते हैं, न कि एक आसन्न उत्पाद के लिए। Outshift ने जो जारी किया है वह आज के संकीर्ण रूप से केंद्रित AI एजेंटों के लिए समन्वय उपकरण हैं, ऐसी प्रणाली नहीं जो सभी कार्यों में मानवीय बुद्धिमत्ता से अधिक हो।

AGNTCY और Mycelium का उपयोग कौन कर सकता है?

दोनों ओपन-सोर्स हैं, जिसका अर्थ है कि कोई भी डेवलपर या संगठन मुफ़्त में कोड को डाउनलोड, निरीक्षण, और अनुकूलित कर सकता है। इन्हें Linux Foundation के तहत बनाए रखा जाता है।