ক्यों اکثر এজেন্ট শুধু ছদ্ম ফ্লোচার্ট, এবং কি তৈরি করা উচিত। আমি কয়েক মাস আগে একটি বিমানবন্দরে এই বিষয়ের অধিকাংশ লিখেছিলাম, এবং তারপর তা ড্রাফটে রেখে দিয়েছিলাম। শোর শুধু বাড়ছে, তাই এখানে এটি। কয়েক মাস আগে, একটি ক্লায়েন্ট ওয়ার্কশপ থেকে ফিরে আসার পথে, আমরা এজেন্টিক AI-এর পরিসীমা নিয়ে আলোচনা করছিলাম, এবং আমরা প্রতিটি নিজের অভিজ্ঞতából উদাহরণ দিয়েছিলাম। একটি আলোচনা ছিল যে অটোমেশন কেন এটি সমাধান করতে পারে না এবং কেন çoতো এজেন্টিক AI ব্যবহারের ক্ষেত্রে শুধু উজ্জ্বলিত অটোমেশন। প্রশ্ন ছিল: “একটি এজেন্টের একটি বাস্তব ব্যবহার ক্ষেত্র দিন। একটি ডেমো নয়। অটোমেশন নয়। একটি বাস্তব। কারণ এ পর্যন্ত যা দেখেছি, আমি একটি ওয়ার্কফ্লো ইঞ্জিন এবং মডেল কল দিয়ে তা তৈরি করতে পারতাম।” সেই সময়punktে আমরা মাসों से এজেন্টিক AI নিয়ে আলোচনা করছিলাম। আমরা এই সিস্টেমগুলোকে আর্কিটেক্ট করেছি। আমরা তাদের পিচ করেছি। এবং এখনও, সেই সময় চা সহ বসেই, আমাদের হাতে বিশ minutos থাকলে, আমাদের দীর্ঘ সময় চিন্তা করতে হয়েছিল যাতে আমরা একটি উদাহরণ দিতে পারি যা ত্রিশ সেকেন্ডের পর্যালোচনায় টিক থাকতে পারে। এটি আমাকে এতটাই বিরক্ত করেছিল যে আমি এটি লিখতে শুরু করেছি। আমার প্রথমে ভাবা পরীক্ষা ছিল — আমার বুদ্ধিমত্তা ছিল যে এজেন্টিক AI-কে কাজের আকার দ্বারা সংজ্ঞায়িত করা উচিত। কাজটি কি সিস্টেমকে নिष্পাদনের মাঝখানে সিদ্ধান্ত নিতে বাধ্য করে যা শুরুতে পূর্বাভাস দেওয়া যায়নি? যদি হ্যাঁ, তবে এজেন্ট। যদি না, তবে অটোমেশন। আমি বিমান রক্ষণাবেক্ষণ থেকে একটি উদাহরণ ভাবেছিলাম, কারণ আমি গত ছয় মাস সেখানে বিত্ত করেছিলাম। একটি A320 বিমান ECAM সতর্কতা দিয়ে aterriz করে, AIR PACK 1 ত्रুটি। অটোমেশন কি করে: একটি চেকলিস্ট ট্রিগার করে, ডিউটি ইঞ্জিনিয়ারকে অবগত করে, সম্ভবত MEL রেফারেন্স আনে। শেষ। பாரம்பরিক ML কি করে: ঐতিহাসিক ত্রুটি প্যাটার্ন থেকে উপকরণের ব্যর্থতার সম্ভাবনা অনুমান করে, একটি আত্মবিশ্বাস স্কোর তৈরি করে। ইঞ্জিনিয়ার এখনও সিদ্ধান্ত নেয়। আমি মনে করি একটি এজেন্ট কি করবে: এটি ECAM (বিমানের ককপিট সিস্টেমের একটি বার্তা) থেকে শুরু হবে, CFDS (কেন্দ্রিক ফল্ট ডিসপ্লে সিস্টেম)কে কোয়েরি করবে ফল্টের ইতিহাসের জন্য এবং পাবে যে প্যাক 1 ছয় সপ্তাহে তিনবার একই ত্রুটি ফেলেছে। এটি ছবি পরিবর্তন করে, তাই এটি TSM (ট্রাবলশুটিং ম্যানুয়াল) টানবে এবং চারটি সম্ভাব্য মূল কারণ শনাক্ত করবে। তারপর এটি AMOS (বিমানবন্দরে বিশ্বব্যাপী ব্যবহৃত একটি ডেটাবেস) চেক করবে যে কোনো পার্টস উপলব্ধ এবং পাবে যে এই চারটির দুটোকে ফ্লো কন্ট্রোল ভাল্ভের দরকার আছে, যা এই স্টেশনে উপলব্ধ নয়। তারপর এটি পরীক্ষা করবে যে কোনো কারণগুলো MEL (ন্যूनতম উপকরণ তালিকা, যা একটি বিমানকে উड़ান যোগ্য রাখতে দরকার) এর অধীনে বিলম্বিত করা যেতে পারে, এবং পাবে যে একটিটি ক্যাটেগরি C (বহু ক্যাটেগরির মধ্যে একটি) এর অধীনে দশ দিনের জন্য বিলম্বিত করা যেতে পারে, বিমানের পরবর্তী দশ রোটেশন দেখবে যাতে বিলম্বের অপারেশনাল খরচ বুঝতে পারে, এবং একটি সুপারিশ তৈরি করবে: ক্যাটেগরি C এর অধীনে বিলম্বিত করুন, আট দিনের আগে FCV (ভাল্ভ) অর্ডার করুন যাতে এটি আগে আসে, এবং পরবর্তী বেস মেইনটেনেন্স স্লটে গভীর পরীক্ষার জন্য পতাকা দিন। কেউ এই সিদ্ধান্ত গাছকে আগে থেকে প্রোগ্রাম করেনি। পরিকল্পনা প্রক্রিয়ার থেকে উঠলো, এর আগে নয়। আমি এখনও নিজেকে বিশ্বাস করাতে পারিনি। এবং পরীক্ষণ করার পর, আমি মনে করি আমি সঠিক ছিলাম। কেন এই উদাহরণ ব্যর্থ হয় কারণ আপনি সেই ফ্লোচার্টটি আঁকতে পারেন। CFDS, তারপর TSM, তারপর AMOS, তারপর MEL, তারপর ঘূর্ণন। এটি একটি জটিল ফ্লোচার্ট যার শাখা আছে, কিন্তু একজন সক্ষম ইঞ্জিনিয়ার এটিকে আগে থেকে নির্দিষ্ট করতে পারত। জটিলতা খোলাপরের সমান নয়। দুশতো শাখা বিশ একটি গাছ এখনও একটি গাছ। এটাই تقریباً প্রতিটি এজেন্টিক AI পিচ ডেকের ভুল, আমারও অন্তর্ভুক্ত। আমরা কিছু জটিল দেখাই এবং আশা করি যে জটিলতা স্বয়ংক্রিয়ভাবে এজেন্টিক হবে। এটা নয়। জটিলতা শুধু একটি বড় ফ্লোচার্ট, এবং ফ্লোচার্টের কাছে ইতিমধ্যে একটি প্রযুক্তি আছে, এবং वह যে কোনো LLM-কে আপনি এই স্লটে রাখবেন তার চেয়ে সস্তো, দ্রুত এবং অনেক বেশি বিশ্বাসনীয়। তাহলে আসল রেখা কোথায়? জ্ঞাত অজ্ঞাত বনাম অজ্ঞাত অজ্ঞাত এখানে वह পার্থক্য আছে যেটি আমি নির্ণয় করেছি, এবং এটি এই বাজারের অধিকাংশ人が認めるよりも狭いです。 অটোমেশন জ্ঞাত অজ্ঞাত পরিচালনা করে। আপনি না জানেন যে পার্ট স্টকে আছে কিনা, কিন্তু আপনি জানেন যে স্টক হলো কিছু যেটি আপনাকে পরীক্ষা করতে দরকার। এজেন্ট অজ্ঞাত অজ্ঞাত পরিচালনা করে। আপনি না জানেন যে আপনাকে কি পরীক্ষা করতে দরকার, এবং আপনি শুধু দেখে মাত্র জানবেন। একটি u...
উৎস: Towards Data Science · সারাংশ: HeadlinesBriefing