नवंबर 2016 में, IBM में मेरे तीन सहकर्मियों और मैंने "Real-Time Analysis of a Musical Performance Using Analytics" शीर्षक से एक पेटेंट आवेदन दाखिल किया (US 2018/0137425 A1 के रूप में प्रकाशित)। परिदृश्य एक रॉक कॉन्सर्ट का था: एक गिटारवादक के वाद्य में एक अंतर्निहित सेंसर लगा होता है, कैमरे दर्शकों के चेहरों और शारीरिक हावभाव को पढ़ते हैं, और प्रशंसक अपने फ़ोन से पसंद और नापसंद भेजते हैं। एक सिस्टम इन सबको वास्तविक समय में मिलाकर इस बात का एक निर्णय बनाता है कि प्रदर्शन ठीक चल रहा है या नहीं, और कलाकार को सुधार का समय रहते अलर्ट देता है। एक रूप में, गिटार की गर्दन पर लगी एक LED सही वादन पर हरी, लय डगमगाने पर पीली और गलत नोट पर लाल दिखती है। हमने इसके मूल को "कृत्रिम बुद्धिमत्ता विश्लेषण इंजन" कहा, क्योंकि 2016 में हमारे पास यही शब्दावली थी।
दस साल बाद, मैं उत्पादन में चल रहे एजेंटिक AI सिस्टम के लिए डेटा आर्किटेक्चर डिज़ाइन करता हूँ। पेटेंट को दोबारा पढ़ते हुए मुझे यह देखकर हैरानी हुई कि यह AI एजेंट की संरचना से कितनी निकटता से मेल खाता है: मल्टीमॉडल धारणा, संदर्भ का संग्रहण, एपिसोडिक और सिमेंटिक मेमोरी पर आधारित अनुमान, एक मूल्यांकन फ़ंक्शन, और लूप में मौजूद मनुष्य के माध्यम से क्रियान्वयन, यह सब कठोर वास्तविक-समय की बाध्यता के अंतर्गत। हमारे पास इसके लिए भाषा नहीं थी, पर हमारे पास वह लूप था।
विनिर्देश के सात भाग हैं। धारणा तीन रूपों में काम करती है: वाद्यों के सेंसर समय, पिच, सुर और आवाज़ की जानकारी देते हैं; कैमरे दर्शकों के अनैच्छिक संकेत पकड़ते हैं; और एक नेटवर्क मार्ग रेटिंग और टिप्पणियों जैसी जानबूझकर दी गई प्रतिक्रिया ले जाता है। एक फ़ीडबैक एग्रीगेटर इन इनपुट को टैग करता, छाँटता और पुनर्गठित करता है, जिसे आज संदर्भ इंजीनियरिंग कहा जाएगा। इसके बाद एनालिटिक्स इंजन प्रदर्शन की विशेषताओं का अनुमान लगाता है, जो पुराने प्रदर्शनों के संग्रह और एक ज्ञानभंडार पर आधारित है जो प्रतिक्रिया को सिमेंटिक अर्थ देता है।
यह मिलान पूर्ण नहीं है। डिज़ाइन ने एजेंटों की संरचना सही समझी, पर अन्य समस्याएँ छूट गईं, और वे चूकें आज भी एजेंट बनाने वालों को उपयोगी सबक सिखाती हैं।
स्रोत: Towards Data Science · HeadlinesBriefing द्वारा सारांशित