By Jimmy Barrett 
ChatGPT के आगमन के बाद से, कृत्रिम बुद्धिमत्ता (AI) अनुप्रयोगों ने तेज़ी से विकास किया है। शुरू में सरल बातचीत पर केंद्रित, वे अब एआई एजेंट्स नामक अधिक जटिल प्रणालियों की ओर बढ़ रहे हैं। ये एजेंट तर्क, योजना और उपकरणों के उपयोग की आवश्यकता वाले जटिल कार्यों को पूरा करने के लिए डिज़ाइन किए गए हैं।
अपने लेख “The Landscape of Emerging AI Agent Architectures for Reasoning, Planning, and Tool Calling: A Survey” में, टुला मास्टरमैन, सैंडी बेसेन, मेसन सॉटेल और एलेक्स चाओ इन एजेंट्स के डिज़ाइन में हाल के अग्रिमों की खोज करते हैं। वे वर्तमान संरचनाओं का परीक्षण करते हैं, चुनौतियों की पहचान करते हैं और भविष्य के विकास के लिए दिशानिर्देश प्रस्तावित करते हैं।
एआई एजेंट की परिभाषा
एक एआई एजेंट एक स्वायत्त प्रणाली है जो अपने परिवेश को समझने, तर्क करने, योजना बनाने और विशिष्ट लक्ष्यों को प्राप्त करने के लिए कार्य करने में सक्षम है। पारंपरिक मॉडलों के विपरीत जो विशिष्ट प्रश्नों का उत्तर देते हैं, एआई एजेंट कर सकते हैं:
- योजना बनाना: लक्ष्य प्राप्त करने के लिए कार्यों का क्रम विकसित करना।
- तर्क करना: सूचित निर्णय लेने के लिए जानकारी का विश्लेषण करना।
- उपकरण उपयोग करना: कार्य पूरा करने के लिए सॉफ्टवेयर या डेटाबेस के साथ बातचीत करना।
- याद रखना: भविष्य की बातचीत के लिए प्रासंगिक जानकारी संग्रहीत करना और याद करना।
एआई एजेंट्स की संरचनाएँ
एआई एजेंट्स की संरचनाओं को दो मुख्य श्रेणियों में वर्गीकृत किया जा सकता है:
एकल-एजेंट
एक एकल-एजेंट स्वायत्त रूप से कार्य पूरा करने के लिए काम करता है। यह विशेष रूप से अच्छी तरह से परिभाषित समस्याओं के लिए प्रभावी है जहां सहयोग आवश्यक नहीं है। इसके लाभों में शामिल हैं:
- सरलता: आसान डिज़ाइन और प्रबंधन।
- दक्षता: कम संचार आवश्यक, इसलिए अधिक तेज़।
हालांकि, यह जटिल वातावरणों में सीमित हो सकता है जिनमें सहयोग या विशेषज्ञता की आवश्यकता होती है।
मल्टी-एजेंट्स
मल्टी-एजेंट्स में कई एजेंट एक कार्य को पूरा करने के लिए एक साथ काम करते हैं। प्रत्येक एजेंट की एक विशेषज्ञता या विशिष्ट भूमिका हो सकती है। उनके लाभों में शामिल हैं:
- सहयोग: जटिल कार्यों को विभाजित करने की क्षमता।
- लचीलापन: गतिशील वातावरणों के अनुकूल होना।
हालांकि, एजेंट्स के बीच समन्वय संचार के प्रबंधन और संघर्षों के समाधान जैसी चुनौतियां पेश कर सकता है।
एआई एजेंट्स के प्रमुख घटक
एआई एजेंट्स कई आवश्यक घटकों से बने होते हैं:
- दिमाग: निर्णय लेने वाला तर्क इंजन।
- अवबोध: परिवेश से जानकारी प्राप्त करने और समझने की क्षमता।
- क्रिया: परिवेश या अन्य प्रणालियों के साथ बातचीत करने की क्षमता।
- स्मृति: भविष्य के उपयोग के लिए जानकारी का भंडारण।
इसके अलावा, एजेंट्स के पास पर्सोनास हो सकते हैं, यानी परिभाषित भूमिकाएँ या व्यक्तित्व जो उनके व्यवहार को प्रभावित करते हैं। उदाहरण के लिए, एक एजेंट को “अनुसंधान सहायक” या “वित्तीय विश्लेषक” के रूप में कॉन्फ़िगर किया जा सकता है, जो उसके कार्यों और बातचीत का मार्गदर्शन करता है।
तर्क, योजना और उपकरण उपयोग
उन्नत एआई एजेंट्स निम्न कार्यों में सक्षम हैं:
- तर्क: जटिल स्थितियों को समझने के लिए जानकारी का विश्लेषण करना।
- योजना: लक्ष्यों को प्राप्त करने के लिए रणनीतियां विकसित करना।
- उपकरण उपयोग: विशिष्ट कार्यों को पूरा करने के लिए सॉफ्टवेयर या डेटाबेस के साथ बातचीत करना।
उदाहरण के लिए, एक एजेंट विदेशी भाषा के दस्तावेज़ को समझने के लिए अनुवाद उपकरण का उपयोग कर सकता है, फिर विश्लेषण के लिए प्रासंगिक जानकारी निकाल सकता है।
मल्टी-एजेंट सिस्टम में संचार और नेतृत्व
मल्टी-एजेंट सिस्टम में, संचार और नेतृत्व महत्वपूर्ण हैं:
- संचार: एजेंट्स को अपने कार्यों को समन्वित करने के लिए प्रभावी ढंग से जानकारी का आदान-प्रदान करना चाहिए।
- नेतृत्व: एक एजेंट को अन्य एजेंट्स का नेतृत्व करने, कार्य सौंपने और रणनीतिक निर्णय लेने के लिए नेता के रूप में नामित किया जा सकता है।
अध्ययनों से पता चला है कि रोटेशनल नेतृत्व वाली गतिशील टीम संरचनाएँ समग्र प्रदर्शन में सुधार कर सकती हैं, कार्यों को पूरा करने के लिए आवश्यक समय को कम कर सकती हैं और संचार लागत को कम कर सकती हैं।
एजेंट्स के कार्य के प्रमुख चरण
एआई एजेंट्स के कार्य को कई चरणों में विभाजित किया जा सकता है:
- योजना: लक्ष्य प्राप्त करने के लिए आवश्यक चरणों को परिभाषित करना।
- निष्पादन: योजनाबद्ध कार्यों को लागू करना।
- चिंतन: प्राप्त परिणामों का मूल्यांकन करना और यदि आवश्यक हो तो रणनीतियों को समायोजित करना।
यह निरंतर चक्र एजेंट्स को बदलते परिवेशों के अनुकूल बनने और समय के साथ अपने प्रदर्शन में सुधार करने की अनुमति देता है।
चुनौतियां और भविष्य के विचार
तकनीकी पहलुओं के अलावा, लेखक इन एजेंट्स के व्यापक और जिम्मेदार अपनाने के लिए कई चिंता के क्षेत्रों को उजागर करते हैं:
- इंटरऑपरेबिलिटी: जटिल प्रणालियों में, यह आवश्यक है कि विभिन्न एजेंट (स्वतंत्र रूप से विकसित) एक-दूसरे के साथ संवाद कर सकें। इसके लिए मानक प्रोटोकॉल की आवश्यकता होती है।
- निर्णयों की ट्रेसेबिलिटी: जब एक एजेंट किसी कार्य की सिफारिश करता है या निर्णय लेता है, तो यह जानना महत्वपूर्ण है कि कैसे और क्यों। यह उपयोगकर्ताओं का विश्वास बनाए रखने के लिए महत्वपूर्ण है।
- निष्पक्षता और पूर्वाग्रह: यदि प्रशिक्षण डेटा पूर्वाग्रहित है, तो एजेंट अपनी सिफारिशों में इन पूर्वाग्रहों को दोहरा सकते हैं – या बढ़ा भी सकते हैं।
- कंप्यूटिंग संसाधन: LLMs (बड़े भाषा मॉडल) के साथ काम करने वाले एजेंट अक्सर चलाने में महंगे होते हैं, विशेष रूप से मल्टी-एजेंट समन्वय के संदर्भ में।
उद्योग में एआई एजेंट्स के ठोस उदाहरण
दस्तावेज़ कई परियोजनाओं और कंपनियों का उल्लेख करता है जिन्होंने एआई एजेंट आर्किटेक्चर के साथ प्रयोग किया है:
- Auto-GPT: एक प्रणाली जो दीर्घकालिक लक्ष्य निर्धारित कर सकती है (जैसे: “स्टार्टअप के लिए एक विचार खोजना”) और बाहरी उपकरणों को बुलाकर, सामग्री उत्पन्न करके और फ़ाइलें बनाकर इसे प्राप्त करने के लिए स्वयं को व्यवस्थित कर सकती है।
- BabyAGI: एक फ्रेमवर्क जहां एक एजेंट अपनी कार्य सूची बनाता है, प्रत्येक कार्य को निष्पादित करता है, फिर परिणामों के आधार पर शेष कार्यों का पुनर्मूल्यांकन करता है।
- LangGraph और CrewAI: ऐसे वातावरण जो विशिष्ट भूमिकाओं (शोधकर्ता, योजनाकार, निष्पादक, आदि) वाले एजेंट्स को डिज़ाइन करने की अनुमति देते हैं जो कार्यप्रवाह में सहयोग कर सकते हैं।
- OpenAI के कस्टम GPTs: ChatGPT के अनुकूलन योग्य संस्करण जो उपयोगकर्ताओं को विशिष्ट उपकरण, लक्ष्य, और यहां तक कि सत्रों के बीच स्थायी मेमोरी को परिभाषित करने की अनुमति देते हैं।
आर्किटेक्चर्स की तुलनात्मक तालिका
यहां दस्तावेज़ से प्रेरित एक तालिका है जो एजेंट आर्किटेक्चर के कई आधुनिक दृष्टिकोणों की तुलना करती है:
| सिस्टम का नाम | एकल-एजेंट या मल्टी-एजेंट | योजना क्षमता | उपकरण उपयोग | तर्क क्षमता | मेमोरी प्रबंधन |
|---|---|---|---|---|---|
| Auto-GPT | एकल-एजेंट | हां | हां | मध्यम | सीमित |
| BabyAGI | एकल-एजेंट | हां | हां | कम से मध्यम | कम |
| LangGraph | मल्टी-एजेंट | हां (ग्राफ के माध्यम से) | हां | उन्नत | लचीला |
| CrewAI | मल्टी-एजेंट | हां | हां | मजबूत (विशेषज्ञता द्वारा) | अच्छा |
| GPTs (OpenAI) | एकल-एजेंट | आंशिक | हां | मध्यम से मजबूत | स्थायी |
भविष्य के लिए लेखकों की सिफारिशें
अपने विश्लेषण के आधार पर, शोधकर्ता कई प्राथमिक विकास मार्गों की पहचान करते हैं:
- मॉड्यूलरिटी: एजेंट्स को पुन: प्रयोज्य घटकों में विभाजित करना (उदाहरण: योजनाकार, निष्पादक, मेमोरी मैनेजर)।
- पारदर्शिता: स्पष्टीकरण तंत्र को एकीकृत करना जो एजेंट द्वारा लिए गए निर्णयों को सही ठहराने की अनुमति देता है।
- मजबूती: ऐसे एजेंट बनाना जो गंभीर त्रुटियों को उत्पन्न किए बिना अप्रत्याशित स्थितियों को संभाल सकें।
- स्व-मूल्यांकन: आंतरिक फीडबैक लूप को एकीकृत करना जो एजेंट को अपने स्वयं के कार्यों या परिकल्पनाओं की गुणवत्ता का न्याय करने की अनुमति देता है।
- खुली इंटरऑपरेबिलिटी: डेटा एक्सचेंज फॉर्मेट और API को मानकीकृत करना ताकि विभिन्न प्लेटफॉर्म के एजेंट्स के बीच सहयोग को बढ़ावा दिया जा सके।
निष्कर्ष
एआई एजेंट्स का क्षेत्र तेज़ी से विकसित हो रहा है। यह विचार कि एक सॉफ्टवेयर न केवल एक लक्ष्य को समझ सकता है बल्कि इसे प्राप्त करने के लिए स्वयं को व्यवस्थित कर सकता है, दूसरों के साथ बातचीत कर सकता है, और अपनी गलतियों से सीख सकता है, आर्टिफिशियल इंटेलिजेंस के बारे में हमारी दृष्टि को मौलिक रूप से बदल रहा है।
arXiv:2404.11584 दस्तावेज इस नए तकनीकी स्थान का एक सख्त मानचित्रण है। यह वर्तमान दृष्टिकोणों की ताकतों और सीमाओं पर प्रकाश डालता है, साथ ही आने वाले वर्षों के लिए संभावनाएं भी खोलता है। एक साधारण संवादात्मक उपकरण होने से कहीं अधिक, एआई एजेंट एक वितरित संज्ञानात्मक इकाई बन जाता है: बुद्धिमत्ता का एक रूप जो उपकरणों, डेटा और मानव तथा गैर-मानव सहयोगियों के समृद्ध वातावरण पर निर्भर करके जटिल प्रक्रियाओं को संरचित कर सकता है।
यद्यपि वास्तव में “सामान्य” एजेंट्स की ओर मार्ग अभी भी लंबा है, पिछले कुछ महीनों की प्रगति दिखाती है कि हम पहले से ही एआई के एजेंटिफिकेशन के युग में हैं। अब इसे एक जिम्मेदार, नैतिक और अधिकांश लोगों के लिए उपयोगी प्रौद्योगिकी बनाना बाकी है।