एजेंटिक एआई क्या है?

स्क्रैपलेस एआई एजेंट और एजेंट ब्राउज़र सीमा एजेंटिक एआई वर्कफ़्लोज़ के लिए परिणाम योजना और प्रबंधित वेब निष्पादन प्रदान करते हैं।

यह विषय क्यों महत्वपूर्ण है

एजेंटिक एआई उन सिस्टमों को संदर्भित करता है जो सीमित चरण-दर-चरण निर्देशों के साथ निर्णय और कार्यों के अनुक्रम के माध्यम से लक्ष्यों की खोज करते हैं। NIST एजेंटिक एआई कार्यक्रम स्वायत्त एजेंटों के संदर्भ में एजेंटिक एआई का वर्णन करता है जो निर्णय लेते हैं, इंटरैक्शन से सीखते हैं और बदलती परिस्थितियों के लिए अनुकूलित होते हैं। व्यावहारिक सॉफ़्टवेयर में, स्वायत्तता की डिग्री भिन्न होती है: एक एजेंट तीन शोध उपकरणों में से एक का चयन कर सकता है, जबकि एक अन्य महत्वपूर्ण सीमाओं पर मानव अनुमोदनों के साथ एक लंबी कार्यप्रवाह का समन्वय कर सकता है।

लेबल को व्यवहार का वर्णन करना चाहिए, विपणन नहीं। एक चैटबॉट जो एक जवाब प्रदान करता है वह जनरेटिव एआई है, लेकिन यह आवश्यक रूप से एजेंटिक नहीं है। एक एजेंटिक प्रणाली स्थिति बनाए रखती है, उपकरणों का चयन करती है, परिणामों का अवलोकन करती है, योजना को संशोधित करती है, और जब रोकना या सौंपना है, तब निर्णय लेती है। ये क्षमताएँ सम्पूर्ण एप्लिकेशन आर्किटेक्चर से आती हैं न कि केवल मॉडल की एक छिपी हुई संपत्ति से।

एजेंटिक नियंत्रण लूप

लूप एक लक्ष्य के साथ शुरू होता है जिसे कार्य अनुबंध के रूप में व्यक्त किया गया है। अनुबंध सफलता, प्रतिबंध, अनुमति प्राप्त संसाधन, साक्ष्य, और वृद्धि नियमों को परिभाषित करता है। योजना बनाने वाला उस अनुबंध को अगले कार्य में बदलता है, न कि एक पूर्ण अग्नि-प्रतिरोधी स्क्रिप्ट में। एक उपकरण कार्य को निष्पादित करता है, और परिणामस्वरूप अवलोकन प्रणाली की स्थिति को बदल देता है। एक मूल्यांकक तब निर्धारित करता है कि क्या लक्ष्य पूरा हो गया है, क्या एक और कदम उचित है, या एक व्यक्ति को हस्तक्षेप करना चाहिए।

उपकरण उत्पन्न निर्णयों को बाहरी प्रभावों में परिवर्तित करते हैं। OpenAI कार्य कॉलिंग दस्तावेज़ मॉडल-आधारित संरचना को दस्तावेज़ करता है: एक एप्लिकेशन उपकरण परिभाषाएँ प्रदान करता है, मॉडल एक संरचित कॉल लौटाने में सक्षम है, और एप्लिकेशन कोड ऑपरेशन करता है। यह पैटर्न निष्पादन से पहले सत्यापन की अनुमति देता है। यह क्रेडेंशियल्स, नेटवर्क पहुंच और अपरिवर्तनीय क्रियाओं को मॉडल के सीधे नियंत्रण से बाहर रखता है।

एक एजेंटिक प्रणाली में स्मृति के कई अर्थ होते हैं। कार्यशील स्थिति वर्तमान योजना और अवलोकनों को समेटे हुए होती है। एपिसोडिक रिकॉर्ड पिछले रनों में क्या हुआ है, इसे बनाए रखते हैं। अर्थशास्त्री स्मृति पुनः प्रयोज्य तथ्यों या दस्तावेजों को संग्रहीत करती है। इन संग्रहों के पास स्पष्ट स्वामित्व, रखरखाव, और पुनर्प्राप्ति नियम होने चाहिए। हर मॉडल संदेश को अनिश्चित काल तक सहेजना एक स्मृति रणनीति नहीं है।

एजेंटिक प्रणाली के घटक

• कार्य अनुबंध। उद्देश्य, स्वीकार्य आउटपुट, अनुमत क्रियाएँ, साक्ष्य, सीमाएँ, और वृद्धि स्थितियों को परिभाषित करता है।
• योजना बनाने वाला। वर्तमान स्थिति से अगले सीमित चरण का चयन करता है, न कि पहले से पूरे निष्पादन पथ की भविष्यवाणी करता है।
• उपकरण। सत्यापित स्कीमाओं के माध्यम से खोज, ब्राउज़र, डेटाबेस, कोड, संदेश भेजने, या व्यावसायिक संचालन को उजागर करता है।
• स्थिति और स्मृति। अवलोकनों, पूर्ण कार्यों, लंबित निर्णयों, स्रोत, और अनुमोदित पुन: प्रयोज्य संदर्भ को ट्रैक करता है।
• मूल्यांकनकर्ता। निष्कर्षात्मक नियमों, मॉडल-आधारित निर्णयों, या मानव समीक्षा के खिलाफ प्रगति और उत्पादन की जाँच करता है।

कार्यप्रवाह स्वचालन बनाम एजेंटिक एआई

कई कार्य पारंपरिक स्वचालन के रूप में बेहतर काम करते हैं। एजेंटिक विकल्प केवल तब जोड़ें जब मार्ग को पहले से असंगत रूप से निर्दिष्ट नहीं किया जा सके।

स्पष्ट सीमाओं के साथ एक एजेंटिक कार्यप्रवाह बनाएं

परिणाम और प्राधिकरण मॉडल के साथ शुरू करें, फिर सबसे छोटा एजेंटिक सतह चुनें जो वास्तविक अनिश्चितता को संभाले।

1. एक मापने योग्य उद्देश्य लिखें। डिलिवरेबल, गुणवत्ता जांच, समयसीमा, और जो अधूरा या असुरक्षित माना जाता है उसे परिभाषित करें।
2. एक न्यूनतम उपकरण सेट डिज़ाइन करें। केवल कार्य द्वारा आवश्यक संचालन को उजागर करें, संकीर्ण स्कीमाओं और केवल-पढ़ने वाले डिफ़ॉल्ट के साथ।
3. स्टेट को स्पष्ट रूप से प्रकट करें। वर्तमान लक्ष्य, योजना, अवलोकन, स्रोत सबूत, बजट, और अनुमोदनों को संरचित क्षेत्रों में स्टोर करें।
4. हर भौतिक कदम के बाद मूल्यांकन करें। एक और उपकरण कॉल करने से पहले प्रगति, नीति, और आउटपुट वैधता की जाँच करें जो लागत या बाहरी प्रभाव को बढ़ा सकती है।
5. हैंडऑफ की योजना बनाएं। एक ऑपरेटर को वर्तमान स्थिति, प्रमाण, प्रस्तावित कार्रवाई, और वृद्धि के कारण दें, न कि एक अमूर्त विफलता संदेश।

एजेंटिक व्यवहार का मूल्यांकन करें

यह NIST AI रिस्क मैनेजमेंट फ्रेमवर्क जो जोखिम का जीवन चक्र दृष्टिकोण का समर्थन करता है। एजेंटों के लिए, माप को अंतिम परिणाम और इसे प्राप्त करने के लिए लिए गए मार्ग दोनों को कवर करना चाहिए।

• परिणाम सफलता। क्या प्रणाली ने कार्य अनुबंध और गुणवत्ता जांच को संतुष्ट किया?
• पथ दक्षता। कितनी उपकरण कॉल, मॉडल टर्न, और बाहरी संसाधनों का उपभोग किया गया?
• नीति अनुपालन। क्या हर कार्रवाई डोमेन, साख, बजट, और अनुमोदन सीमाओं के भीतर रही?
• नवीनता गुणवत्ता। क्या एजेंट ने गैर-प्रगति को पहचाना, स्थिति को संरक्षित किया, और उपयोगी प्रमाण के साथ हैंडऑफ किया?
• ट्रेस पूर्णता। क्या एक समीक्षक अवलोकनों, निर्णयों, उपकरण परिणामों, और अंतिम आउटपुट को पुनर्निर्माण कर सकता है?

एजेंटिक एआई जोखिम

बड़ी स्वायत्तता मूल संकेत और बाद की कार्रवाइयों के बीच की दूरी को बढ़ाती है। नियंत्रण उस दूरी और संभावित प्रभाव के बढ़ने के साथ मजबूत होने चाहिए।

• लक्ष्य विचलन। अंतरिम तर्क एक संभावित पक्ष उद्देश्य की खोज कर सकता है। प्रमुख अवलोकनों के बाद कार्य अनुबंध को फिर से जांचें।
• उपकरण दुरुपयोग। वैध उपकरणों को असुरक्षित तर्कों या गलत क्रम में कहा जा सकता है। मॉडल के बाहर अनुमतियों और पूर्व-स्थितियों की पुष्टि करें।
• लूपिंग। प्रणाली साक्ष्य प्राप्त किए बिना खोज या कार्रवाई के पैटर्न को दोहरा सकती है। प्रगति को ट्रैक करें और कदम बजट को लागू करें।
• स्मृति संदूषण। अविश्वसनीय या पुराने अवलोकन बाद की दौड़ को प्रभावित कर सकते हैं। स्रोत, स्वामी, समय, और विश्वास स्तर को लेबल करें।
• स्वचालन पूर्वाग्रह। लोग स्रोत समर्थन या क्रिया प्राधिकरण की जांच किए बिना एक पूर्ण दिखने वाले ट्रेस को स्वीकार कर सकते हैं।

एजेंटिक एआई के लिए अच्छे फिट

पायलट से उत्पादन तक

एजेंटिक एआई के लिए एक उपयोगी पायलट इतना छोटा होना चाहिए कि इसे रिकॉर्ड के अनुसार जांचा जा सके। शुरू करें एक मापनीय उद्देश्य लिखें: डिलीवर करने योग्य, गुणवत्ता जांच, समय सीमा और क्या अपूर्ण या असुरक्षित माना जाता है, को परिभाषित करें। फिर लागू करें एक न्यूनतम उपकरण सेट डिज़ाइन करें: केवल उस कार्य द्वारा आवश्यक ऑपरेशनों को उजागर करें, संकीर्ण स्कीमाओं और पठन-केवल पूर्व निर्धारित मानों के साथ। पहले मूल्यांकन सेट को जानबूझकर मिश्रित रखें, जिसमें सामान्य मामले, अस्पष्ट मामले, गायब साक्ष्य, और एक ऐसा कार्य है जिसे प्रणाली को अस्वीकार या सौंपना चाहिए। इससे यह पता चलता है कि कार्यप्रवाह अपनी सीमा को समझता है या नहीं इससे पहले कि उच्च मात्रा डिज़ाइन की गलतियों को एकत्रित मेट्रिक्स के अंदर छुपा दे।

उत्पादन की तत्परता के लिए हर माप और कलाकृति के लिए एक मालिक की आवश्यकता होती है। ट्रैक करें परिणाम सफलता यह जवाब देने के लिए कि क्या प्रणाली ने कार्य अनुबंध और गुणवत्ता जांचों को संतोषजनक रूप से पूरा किया? ट्रैक करें मार्ग दक्षता यह निर्धारित करने के लिए कि कितने उपकरण कॉल, मॉडल टर्न, और बाहरी संसाधनों का उपयोग किया गया था? जोड़ें नीति अनुपालन ताकि टीम देख सके कि क्या प्रत्येक क्रिया क्षेत्र, क्रेडेंशियल, बजट, और अनुमोदन सीमाओं के भीतर रही? ये माप अंतर्निहित रिकॉर्ड से लिंक होने चाहिए बजाय केवल डैशबोर्ड टोटल के रूप में मौजूद होने के। एक समीक्षक को एक परिवर्तित मेट्रिक से सटीक क्वेरी, स्रोत, अवलोकन, या क्रिया पर जाना आवश्यक है जिसने इसे उत्पन्न किया।

संشोधन नियंत्रण को उन विफलता मोडों को लक्षित करना चाहिए जो व्यावसायिक निर्णय को बदलने की सबसे अधिक संभावना रखते हैं। पहली समीक्षा नियम को कवर करना चाहिए लक्ष्य भटकाव: प्रारंभिक तर्क किसी संभावित सहायक उद्देश्य का पालन कर सकता है। प्रमुख अवलोकनों के बाद कार्य अनुबंध की फिर से जांच करें। समाप्ति समीक्षा को कवर करना चाहिए स्वचालन पूर्वाग्रह: लोग स्रोत समर्थन या क्रिया प्राधिकरण की जांच किए बिना एक पूर्ण दिखने वाले ट्रेस को स्वीकार कर सकते हैं। एक प्रतिक्रिया मालिक को असाइन करें, परिभाषित करें कि कौन सा साक्ष्य मुद्दे को हल करता है, और रिकॉर्ड करें कि क्या परिणाम डेटा, संकेत, उपकरण, अनुमतियां, या स्रोत नीति को बदलता है। यह रिकॉर्ड एक ही दोष को एक अस्पष्ट गुणवत्ता उतार-चढ़ाव के रूप में फिर से खोजने से रोकता है।

केवल तभी बढ़ाएँ जब पायलट पूर्वानुमानित तरीके से व्यवहार करता है। एक टीम खुली अंत अनुसंधान से शुरू कर सकती है, जहाँ काम खोजों और स्रोतों को गतिशील रूप से चुनना है जबकि प्रमाण-से-तथ्य पथ को बनाए रखते हुए। एक दूसरा चरण परिवर्तनशील ब्राउज़र कार्यप्रवाह जोड़ सकता है, जहाँ कार्यप्रवाह को उन इंटरफेस को नेविगेट करना चाहिए जिनका मार्ग रेंडर्ड स्थिति और स्वीकृत उपयोगकर्ता संदर्भ पर निर्भर करता है। स्कोप बढ़ने पर मूल परीक्षण सेट को चालू रखें। नए स्रोतों, बाजारों, उपकरणों, और अनुमतियों को एक सीमा में एक समय में पेश किया जाना चाहिए ताकि रिग्रेशन को एक विशेष परिवर्तन को सौंपा जा सके बजाय एक साथ प्लेटफॉर्म फिर से लिखने के।

निष्कर्ष

एजेंटिक एआई एक ऐप्लिकेशन पैटर्न है जो लक्ष्यों, उपकरणों, स्थिति, फीडबैक, और सीमित स्वायत्तता के चारों ओर बनाया गया है। मॉडल लचीली योजना प्रदान करता है, जबकि चारों ओर का सिस्टम कार्यान्वयन, साक्ष्य, अनुमतियाँ, और रोक नियम प्रदान करता है। उन सीमाओं को हटाना एक बेहतर एजेंट नहीं बनाता; यह एक अप्रबंधित एजेंट बनाता है।

स्थिर पथों के लिए पारंपरिक स्वचालन का उपयोग करें और अनिश्चित निर्णयों पर एजेंटिक विकल्प पेश करें। इससे कार्यप्रवाह को परीक्षण में बनाए रखते हुए उपयोगी बनाने के लिए अनुकूलनशीलता बनी रहती है।