क्यों अधिकांश एजेंट सिर्फ फ्लोचार्ट के छिपे हुए रूप हैं, और क्या बनाना चाहिए। मैं कई महीने पहले एक हवाई अड्डे पर इस की अधिकांश सामग्री लिख रहा था, और फिर उसे ड्राफ्ट में छोड़ दिया। शोर केवल बढ़ा है, इसलिए यहाँ यह है। कुछ महीने पहले, एक क्लाइंट वर्कशॉप से वापस लौटते समय, हम एजेंटिक AI के दायरे पर चर्चा कर रहे थे, और हम सभी ने अपने अनुभव से उदाहरण दिए थे। एक चर्चा थी कि स्वचालन इसे क्यों नहीं हल कर सकता और कैसे अधिकांश एजेंटिक AI उपयोग के मामले सिर्फ सुंदर बनाए गए स्वचालन हैं। प्रश्न था: “मुझे एक एजेंट का वास्तविक उपयोग केस दो। एक डेमो नहीं। स्वचालन नहीं। एक वास्तविक। क्योंकि अब तक जो कुछ भी मैंने देखा है, मैं उसे एक वर्कफ़्लो इंजन और मॉडल कॉल के साथ बना सकता था।” हम उस बिंदु पर महीनों से एजेंटिक AI की बातचीत में शामिल रहे थे। हमने इन प्रणालियों की वास्तुकला की थी। हमने उन्हें पिच किया था। और फिर भी, उस समय चाय के साथ बैठे, हमारे हाथ में बीस मिनट खर्च करने के लिए, हमें लंबे समय तक सोचना पड़ा ताकि हम एक ऐसा उदाहरण दे सकें जो तीस सेकंड की जांच को सहन कर सके। इसने मुझे इतना परेशान किया कि मैंने इसे लिखना शुरू कर दिया। मैंने पहले जो परीक्षण सोचा था, वह मेरा अंतर्ज्ञान था कि एजेंटिक को काम के आकार द्वारा परिभाषित किया जाए। क्या कार्य को प्रणाली को निष्पादन के बीच में ऐसे निर्णय लेने की आवश्यकता होती है जिन्हें शुरू में पूर्वानुमानित नहीं किया जा सकता? यदि हाँ, तो एजेंट। यदि नहीं, तो स्वचालन। मैंने विमानन रखरखाव से एक उदाहरण सोचा, क्योंकि मैं पिछले छह महीने वहीं बिता रहा था। एक A320 विमान ECAM चेतावनी के साथ उतरता है, AIR PACK 1 फॉल्ट। स्वचालन क्या करता है: एक चेकलिस्ट ट्रिगर करता है, ड्यूटी इंजीनियर को सूचित करता है, शायद MEL संदर्भ खींचता है। पूरा हो गया। पारंपरिक ML क्या करता है: ऐतिहासिक फॉल्ट पैटर्न से घटक विफलता की संभावना की भविष्यवाणी करता है, एक विश्वास स्कोर उत्पन्न करता है। इंजीनियर अभी भी तय करता है। मुझे लगता है कि एक एजेंट क्या करेगा: यह ECAM (विमान के कॉकपिट सिस्टम में एक संदेश) से शुरू होता है, CFDS (केंद्रीकृत फॉल्ट डिस्प्ले सिस्टम) को क्वेरी करता है ताकि फॉल्ट इतिहास देखे और पाए कि पैक 1 ने छह हफ्तों में तीन बार वही फॉल्ट फेंका है। इससे तस्वीर बदल जाती है, इसलिए यह TSM (ट्रबलशूटिंग मैनुअल) खींचता है, चार संभावित मूल कारणों की पहचान करता है। यह AMOS (विमानन में दुनिया भर में उपयोग किए जाने वाले एक डेटाबेस) की जाँच करता है कि क्या पार्ट्स उपलब्ध हैं और पाता है कि उनमें से दो को फ्लो कंट्रोल वाल्व की आवश्यकता होती है, जो उस स्टेशन पर उपलब्ध नहीं है। फिर यह जाँच करता है कि कौन से कारण MEL (न्यूनतम उपकरण सूची, न्यूनतम जो एक विमान को हवाई योग्य बनाए रखने की आवश्यकता होती है) के तहत स्थगित किए जा सकते हैं, और पाता है कि एक को कैटेगरी C (बहुत सी श्रेणियों में से एक) के तहत दस दिनों के लिए स्थगित किया जा सकता है, विमान के अगले दस रोटेशनों को देखता है ताकि स्थगन के परिचालन लागत को समझ सके, और एक सिफारिश तैयार करता है: कैटेगरी C के तहत स्थगित करें, दिन आठ से पहले FCV (वाल्व) ऑर्डर करें ताकि यह आने से पहले पहुंच जाए, और अगले बेस मेंटेनेंस स्लॉट पर गहरी जाँच के लिए झंडा लगाएं। किसी ने भी इस निर्णय वृक्ष को पहले से प्रोग्राम नहीं किया था। योजना प्रक्रिया से उभरी, न कि इससे पहले। मैं अभी भी खुद को विश्वास नहीं दिला पाया। और परावर्तन पर, मुझे लगता है कि मैं सही था। क्यों यह उदाहरण विफल होता है क्योंकि आप उस फ्लोचार्ट को बना सकते हैं। CFDS, फिर TSM, फिर AMOS, फिर MEL, फिर घुमाव। यह एक जटिल फ्लोचार्ट है जिसमें शाखाएँ हैं, लेकिन एक सक्षम इंजीनियर इसे पहले से निर्दिष्ट कर सकता था। जटिलता खुलेपन के बराबर नहीं है। दो सौ शाखाओं वाला एक पेड़ अभी भी एक पेड़ है। यही गलती लगभग हर एजेंटिक AI पिच डेक करती है, मेरी भी शामिल। हम कुछ जटिल दिखाते हैं और उम्मीद करते हैं कि जटिलता स्वयं स्पष्ट रूप से एजेंटिक होगी। ऐसा नहीं है। जटिलता सिर्फ एक बड़ा फ्लोचार्ट है, और फ्लोचार्ट के पास पहले से ही एक तकनीक है, और वह किसी भी LLM की तुलना में सस्ता, तेज़ और बहुत अधिक विश्वसनीय है जिसे आप उस स्लॉट में रखेंगे। तो वास्तविक रेखा कहाँ है? ज्ञात अज्ञात बनाम अज्ञात अज्ञात यहाँ वह अंतर है जिस पर मैं पहुँचा हूँ, और यह इस बाजार में अधिकांश लोगों द्वारा स्वीकार किए जाने वाले से संकीर्ण है। स्वचालन ज्ञात अज्ञात को संभालता है। आप नहीं जानते कि पार्ट स्टॉक में है या नहीं, लेकिन आप जानते हैं कि स्टॉक कुछ ऐसा है जिसे आपको जाँचने की आवश्यकता है। एजेंट अज्ञात अज्ञात को संभालते हैं। आप नहीं जानते कि आपको क्या जाँचने की आवश्यकता है, और आप केवल देखने से ही पता लगाएंगे। एक u...
स्रोत: Towards Data Science · HeadlinesBriefing द्वारा सारांशित