चैटजीपीटी से परे; एआई एजेंट: एक नए युग के श्रमिकों का विश्व

गहरे शिक्षण, प्राकृतिक भाषा प्रसंस्करण (एनएलपी), और एआई में प्रगति के साथ, हम एक ऐसे समय में हैं जहां एआई एजेंट वैश्विक श्रमिकों का एक महत्वपूर्ण हिस्सा बन सकते हैं। ये एआई एजेंट, जो चैटबॉट्स और वॉइस असिस्टेंट से परे हैं, उद्योगों और हमारे दैनिक जीवन के लिए एक नए परिदृश्य को आकार दे रहे हैं। लेकिन वास्तव में इसका क्या अर्थ है कि हम इन “श्रमिकों” द्वारा बढ़ाया गया एक विश्व में रहते हैं? यह लेख इस विकसित परिदृश्य में गहराई से उतरता है, आगे की संभावनाओं, चुनौतियों और परिणामों का मूल्यांकन करता है।

एआई श्रमिकों का एक संक्षिप्त अवलोकन: विकास

आगामी क्रांति को समझने से पहले, यह महत्वपूर्ण है कि हम पहले से ही हुए एआई-संचालित विकास को पहचानें।

• पारंपरिक कंप्यूटिंग सिस्टम: बुनियादी कंप्यूटिंग एल्गोरिदम से, यह यात्रा शुरू हुई। ये सिस्टम निर्धारित नियमों के एक निश्चित सेट का उपयोग करके पूर्व-निर्धारित कार्यों को हल कर सकते थे।
• चैटबॉट और प्रारंभिक वॉइस असिस्टेंट: जब तकनीक विकसित हुई, तो हमारे इंटरफेस भी विकसित हुए। सिरी, कोर्टाना और प्रारंभिक चैटबॉट जैसे टूल्स ने उपयोगकर्ता-एआई इंटरैक्शन को सरल बनाया, लेकिन उनकी समझ और क्षमता सीमित थी।
• न्यूरल नेटवर्क और गहरा शिक्षण: न्यूरल नेटवर्क ने एक महत्वपूर्ण मोड़ को चिह्नित किया, मानव मस्तिष्क के कार्यों की नकल करते हुए और अनुभव के माध्यम से विकसित होते हुए। गहरे शिक्षण तकनीकों ने इसे और बढ़ाया, जटिल छवि और भाषण मान्यता को सक्षम किया।
• ट्रांसफॉर्मर और उन्नत एनएलपी मॉडल: ट्रांसफॉर्मर आर्किटेक्चर की शुरुआत एनएलपी परिदृश्य में एक क्रांति लेकर आई। ओपनएआई द्वारा चैटजीपीटी जैसे सिस्टम, बीईआरटी, और टी5 ने मानव-एआई संचार में नए युग की शुरुआत की। उनकी गहरी भाषा और संदर्भ की समझ के साथ, ये मॉडल अर्थपूर्ण बातचीत कर सकते हैं, सामग्री लिख सकते हैं, और असाधारण सटीकता के साथ जटिल प्रश्नों का उत्तर दे सकते हैं।

एआई एजेंट का आगमन: केवल बातचीत से अधिक

आज का एआई परिदृश्य बातचीत उपकरणों से परे कुछ अधिक व्यापक की ओर संकेत कर रहा है। एआई एजेंट, केवल चैट कार्यों से परे, अब कार्य कर सकते हैं, अपने वातावरण से सीख सकते हैं, निर्णय ले सकते हैं, और यहां तक कि रचनात्मकता भी प्रदर्शित कर सकते हैं। वे केवल प्रश्नों का उत्तर नहीं दे रहे हैं; वे समस्याओं का समाधान कर रहे हैं।

पारंपरिक सॉफ्टवेयर मॉडल एक स्पष्ट मार्ग पर काम करते थे। हितधारकों ने सॉफ्टवेयर प्रबंधकों को एक लक्ष्य व्यक्त किया, जिन्होंने तब एक विशिष्ट योजना तैयार की। इंजीनियरों ने इस योजना को कोड की पंक्तियों के माध्यम से निष्पादित किया। यह ‘विरासत परिदृश्य’ सॉफ्टवेयर कार्यक्षमता के लिए स्पष्ट था, जिसमें मानव हस्तक्षेप की बहुतायत शामिल थी।

एआई एजेंट, हालांकि, अलग तरह से काम करते हैं। एक एजेंट:

1. लक्ष्यों को प्राप्त करने का प्रयास करता है।
2. अपने पर्यावरण के साथ बातचीत कर सकता है।
3. इन अवलोकनों के आधार पर एक योजना तैयार करता है जो अपने लक्ष्य को प्राप्त करने के लिए है।
4. आवश्यक कार्य करता है, अपने दृष्टिकोण को पर्यावरण की बदलती स्थिति के आधार पर समायोजित करता है।

जो वास्तव में एआई एजेंटों को पारंपरिक मॉडल से अलग करता है वह उनकी स्वायत्त रूप से एक लक्ष्य को प्राप्त करने के लिए एक कदम-दर-कदम योजना बनाने की क्षमता है। मूल रूप से, जबकि पहले प्रोग्रामर ने योजना प्रदान की, आज के एआई एजेंट अपना मार्ग चार्ट करते हैं।

एक दैनिक उदाहरण पर विचार करें। पारंपरिक सॉफ्टवेयर डिज़ाइन में, एक कार्यक्रम पूर्व-निर्धारित शर्तों के आधार पर उपयोगकर्ताओं को बकाया कार्यों के बारे में सूचित करेगा। डेवलपर्स ने उत्पाद प्रबंधक द्वारा प्रदान किए गए विनिर्देशों के आधार पर इन शर्तों को निर्धारित किया होगा।

एआई एजेंट परिदृश्य में, एजेंट स्वयं उपयोगकर्ता को सूचित करने का समय और तरीका निर्धारित करता है। यह पर्यावरण (उपयोगकर्ता की आदतें, अनुप्रयोग राज्य) का मूल्यांकन करता है और सर्वोत्तम पाठ्यक्रम का निर्धारण करता है। प्रक्रिया इस प्रकार अधिक गतिशील, अधिक क्षणभंगुर हो जाती है।

चैटजीपीटी ने प्लगइन्स के एकीकरण के साथ अपने पारंपरिक उपयोग से विचलित किया, जिससे यह बाहरी उपकरणों का उपयोग करके कई अनुरोधों को संसाधित करने में सक्षम हो गया। यह एजेंट概念 का एक प्रारंभिक प्रकटीकरण बन गया। यदि हम एक सरल उदाहरण पर विचार करते हैं: एक उपयोगकर्ता न्यूयॉर्क शहर के मौसम के बारे में पूछता है, चैटजीपीटी, प्लगइन्स का लाभ उठाकर, एक बाहरी मौसम एपीआई के साथ बातचीत कर सकता है, डेटा की व्याख्या कर सकता है, और यहां तक कि प्राप्त प्रतिक्रियाओं के आधार पर पाठ्यक्रम को सही कर सकता है।

वर्तमान एआई एजेंट परिदृश्य

एआई एजेंट, जिनमें ऑटो-जीपीटी, एजेंटजीपीटी, और बेबीएजीआई शामिल हैं, विस्तृत एआई ब्रह्मांड में एक नए युग की घोषणा कर रहे हैं। जबकि चैटजीपीटी ने मानव इनपुट की आवश्यकता के साथ जनरेटिव एआई को लोकप्रिय बनाया, एआई एजेंटों के पीछे दृष्टि एआई को स्वतंत्र रूप से कार्य करने के लिए सक्षम बनाना है, मानव हस्तक्षेप के साथ या उसके बिना उद्देश्यों की ओर बढ़ना। इस परिवर्तनकारी संभावना को ऑटो-जीपीटी के उल्कापात जैसे विकास द्वारा रेखांकित किया गया है, जिसने केवल छह सप्ताह में गिटहब पर 107,000 स्टार हासिल किए, स्थापित परियोजनाओं जैसे ‘पांडास’ डेटा विज्ञान पैकेज की तुलना में एक असाधारण वृद्धि।

एआई एजेंट बनाम चैटजीपीटी

अधिकांश उन्नत एआई एजेंट, जैसे ऑटो-जीपीटी और बेबीएजीआई, जीपीटी आर्किटेक्चर का उपयोग करते हैं। उनका प्राथमिक फोकस एआई कार्य पूर्णता में मानव हस्तक्षेप की आवश्यकता को कम करना है। “जीपीटी ऑन ए लूप” जैसे विवरण मॉडल जैसे एजेंटजीपीटी और बेबीएजीआई के संचालन को दर्शाते हैं। वे उपयोगकर्ता अनुरोधों को बेहतर ढंग से समझने और अपने आउटपुट को परिष्कृत करने के लिए पुनरावृत्ति चक्रों में काम करते हैं। इस बीच, ऑटो-जीपीटी सीमाओं को और आगे बढ़ाता है, इंटरनेट एक्सेस और कोड निष्पादन क्षमताओं को एकीकृत करके, अपनी समस्या-समाधान पहुंच को काफी बढ़ाता है।

एआई एजेंट में नवाचार

1. लंबी अवधि की स्मृति: पारंपरिक एलएलएम में सीमित स्मृति होती है, जो केवल हाल के खंडों को ही बनाए रखती है। व्यापक कार्यों के लिए, पूरी बातचीत या यहां तक कि पिछली बातचीत को याद रखना महत्वपूर्ण हो जाता है। इसे पार करने के लिए, एआई एजेंटों ने एम्बेडिंग कार्य प्रवाह अपनाया है, पाठ संवादों को संख्यात्मक सरणियों में परिवर्तित कर दिया है, जो स्मृति प्रतिबंधों के लिए एक समाधान प्रदान करता है।
2. वेब-ब्राउजिंग क्षमताएं: हाल की घटनाओं के साथ अप-टू-डेट रहने के लिए, ऑटो-जीपीटी को गूगल सर्च एपीआई का उपयोग करके ब्राउज़िंग क्षमता प्राप्त है। इसने एआई समुदाय के भीतर एआई के ज्ञान के दायरे के बारे में बहस छेड़ दी है।
3. कोड चलाना: कोड उत्पन्न करने से परे, ऑटो-जीपीटी शेल और पाइथन कोड दोनों को निष्पादित कर सकता है। यह असाधारण क्षमता इसे अन्य सॉफ्टवेयर के साथ इंटरफेस करने की अनुमति देती है, इस प्रकार अपने संचालन क्षेत्र को व्यापक बनाती है।

चित्र एक बड़े भाषा मॉडल और एजेंटों द्वारा संचालित एआई प्रणाली की वास्तुकला को दर्शाता है।

• इनपुट: प्रणाली विभिन्न स्रोतों से डेटा प्राप्त करती है: सीधे उपयोगकर्ता कमांड, संरचित डेटाबेस, वेब सामग्री, और वास्तविक समय पर्यावरण सेंसर।
• एलएलएम और एजेंट: केंद्र में, एलएलएम इनपुट को संसाधित करता है, विचार श्रृंखला के लिए ऑटो-जीपीटी जैसे विशेषज्ञ एजेंटों के साथ सहयोग करता है, वेब-विशिष्ट कार्यों के लिए एजेंटजीपीटी, कार्य-विशिष्ट क्रियाओं के लिए बेबीएजीआई, और टीम-आधारित प्रसंस्करण के लिए हगिंगजीपीटी।
• आउटपुट: एक बार प्रसंस्करण हो जाने के बाद, जानकारी को उपयोगकर्ता-मित्र रूप में परिवर्तित किया जाता है और फिर उन उपकरणों को प्रेषित किया जाता है जो बाहरी परिवेश को प्रभावित कर सकते हैं या उस पर प्रभाव डाल सकते हैं।
• मेमोरी घटक: प्रणाली अस्थायी और स्थायी दोनों आधार पर जानकारी बनाए रखती है, अल्पकालिक कैश और दीर्घकालिक डेटाबेस के माध्यम से।
• पर्यावरण: यह बाहरी क्षेत्र है जो सेंसर को प्रभावित करता है और प्रणाली की क्रियाओं से प्रभावित होता है।

उन्नत एआई एजेंट: ऑटो-जीपीटी, बेबीएजीआई और अधिक

ऑटो-जीपीटी और एजेंटजीपीटी

ऑटो-जीपीटी, मार्च 2023 में जीएच पर जारी एक पायोनियर पायथन-आधारित अनुप्रयोग है, जो जीपीटी, ओपनएआई के परिवर्तनकारी जनरेटिव मॉडल की शक्ति का दोहन करता है। जो ऑटो-जीपीटी को उसके पूर्ववर्तियों से अलग करता है वह इसकी स्वायत्तता है – यह न्यूनतम मानव मार्गदर्शन के साथ कार्य करने के लिए डिज़ाइन किया गया है और स्व-उद्दीपक प्रॉम्प्ट बनाने की एक अनोखी क्षमता रखता है। उपयोगकर्ताओं को केवल एक सर्वोच्च उद्देश्य परिभाषित करने की आवश्यकता है, और ऑटो-जीपीटी आवश्यक प्रॉम्प्ट तैयार करता है जो उस अंत तक पहुंचाने के लिए है, इसे वास्तविक कृत्रिम सामान्य बुद्धिमत्ता (एजीआई) की ओर एक संभावित क्रांतिकारी छलांग बनाता है।

इसकी विशेषताओं का विस्तार इंटरनेट कनेक्टिविटी, मेमोरी प्रबंधन, और जीपीटी-3.5 का उपयोग करके फ़ाइल स्टोरेज क्षमता तक है, जो इसे व्यापक कार्यों को संभालने में सक्षम बनाता है, जैसे कि ईमेल संरचना से लेकर जटिल कार्यों तक जो आमतौर पर अधिक मानवीय भागीदारी की मांग करते हैं।

दूसरी ओर, एजेंटजीपीटी, जीपीटी फ्रेमवर्क पर भी आधारित है, एक उपयोगकर्ता-केंद्रित इंटरफ़ेस है जिसके लिए व्यापक कोडिंग विशेषज्ञता की आवश्यकता नहीं होती है। एजेंटजीपीटी उपयोगकर्ताओं को एआई लक्ष्यों को परिभाषित करने की अनुमति देता है, जिसे यह प्रबंधनीय कार्यों में विभाजित करता है।

एजेंटजीपीटी यूआई

इसके अलावा, एजेंटजीपीटी अपनी बहुमुखी प्रतिभा के लिए खड़ा है। यह केवल चैटबॉट बनाने तक सीमित नहीं है। प्लेटफ़ॉर्म अपने क्षमताओं का विस्तार करता है जो विविध अनुप्रयोगों जैसे डिस्कॉर्ड बॉट और यहां तक कि ऑटो-जीपीटी के साथ सहजता से एकीकृत होता है। यह दृष्टिकोण यह सुनिश्चित करता है कि व्यापक कोडिंग पृष्ठभूमि के बिना भी उपयोगकर्ता पूरी तरह से स्वचालित कोडिंग, पाठ उत्पादन, भाषा अनुवाद, और समस्या-समाधान जैसे कार्य कर सकते हैं।

लैंगचेन एक फ्रेमवर्क है जो बड़े भाषा मॉडल को विभिन्न टूल के साथ जोड़ता है और कार्यों को निर्धारित और निष्पादित करने के लिए ‘बॉट’ के रूप में एजेंटों का उपयोग करता है। ये एजेंट बाहरी संसाधनों के साथ सहजता से एकीकृत होते हैं, जबकि लैंगचेन में एक वेक्टर डेटाबेस असंरचित डेटा को संग्रहीत करता है, जो एलएलएम के लिए त्वरित जानकारी पुनर्प्राप्ति की सुविधा प्रदान करता है।

बेबीएजीआई

फिर, बेबीएजीआई है, एक सरल लेकिन शक्तिशाली एजेंट। बेबीएजीआई की क्षमताओं को समझने के लिए, एक डिजिटल परियोजना प्रबंधक की कल्पना करें जो स्वचालित रूप से कार्य बनाता है, व्यवस्थित करता है, और दिए गए उद्देश्यों पर ध्यान केंद्रित करके उन्हें निष्पादित करता है। जबकि अधिकांश एआई-संचालित प्लेटफ़ॉर्म अपने पूर्व-प्रशिक्षित ज्ञान द्वारा सीमित होते हैं, बेबीएजीआई अपनी अनुकूलन क्षमता और अनुभव से सीखने की क्षमता के लिए खड़ा है।

विशेष रूप से, बेबीएजीआई की अंतर्निहित ताकत न केवल इसकी अनुकूलनशीलता में है, बल्कि विशिष्ट उद्देश्यों के लिए कोड चलाने में इसकी प्रवीणता में भी है। यह क्रिप्टोक्यूरेंसी ट्रेडिंग, रोबोटिक्स, और स्वायत्त ड्राइविंग जैसे जटिल डोमेन में उत्कृष्टता प्राप्त करता है, इसे विविध अनुप्रयोगों में एक बहुमुखी उपकरण बनाता है।

https://yoheinakajima.com/task-driven-autonomous-agent-utilizing-gpt-4-pinecone-and-langchain-for-diverse-applications/

प्रक्रिया को तीन एजेंटों में वर्गीकृत किया जा सकता है:

1. निष्पादन एजेंट: प्रणाली का हृदय, यह एजेंट कार्य प्रसंस्करण के लिए ओपनएआई के एपीआई का लाभ उठाता है। एक उद्देश्य और एक कार्य दिए जाने पर, यह ओपनएआई के एपीआई को प्रॉम्प्ट करता है और कार्य परिणाम प्राप्त करता है।
2. कार्य निर्माण एजेंट: यह कार्य पिछले परिणामों और वर्तमान उद्देश्यों के आधार पर ताज़ा कार्य बनाता है। एक प्रॉम्प्ट ओपनएआई के एपीआई को भेजा जाता है, जो तब संभावित कार्यों की सूची के रूप में उत्तर देता है।
3. कार्य प्राथमिकता एजेंट: अंतिम चरण में कार्यों को प्राथमिकता देना शामिल है। यह एजेंट ओपनएआई के एपीआई का उपयोग करके कार्यों को पुनः क्रमबद्ध करता है, सुनिश्चित करता है कि सबसे महत्वपूर्ण कार्य पहले निष्पादित किए जाएं।

ओपनएआई के भाषा मॉडल के साथ मिलकर, बेबीएजीआई पाइनकोन की क्षमताओं का लाभ उठाता है जो संदर्भ-केंद्रित कार्य परिणामों के भंडारण और पुनर्प्राप्ति के लिए है।

नीचे बेबीएजीआई का इस लिंक का उपयोग करके प्रदर्शन किया गया है।

शुरू करने के लिए, आपको एक वैध ओपनएपीआई की आवश्यकता होगी। आसानी के लिए, यूआई में एक सेटिंग्स अनुभाग है जहां ओपनएपीआई की कुंजी दर्ज की जा सकती है। इसके अलावा, यदि आप लागतों का प्रबंधन करना चाहते हैं, तो पुनरावृत्तियों की संख्या पर एक सीमा निर्धारित करना याद रखें।

एक बार जब मैंने एप्लिकेशन को कॉन्फ़िगर कर लिया, तो मैंने बेबीएजीआई को एक प्रॉम्प्ट दिया: “व्यक्तिगत विकास की यात्रा पर एक संक्षिप्त ट्वीट थ्रेड बनाएं, जिसमें मील के पत्थर, चुनौतियों, और निरंतर सीखने की शक्तिशाली पारिवर्तनिक शक्ति पर प्रकाश डाला जाए।”

बेबीएजीआई ने एक सोच-समझकर तैयार की गई योजना के साथ प्रतिक्रिया दी। यह केवल एक सामान्य टेम्पलेट नहीं था, बल्कि एक व्यापक रोडमैप था जो यह संकेत देता था कि अंतर्निहित एआई ने वास्तव में अनुरोध की बारीकियों को समझा है।

डीपनोट एआई कोपायलट

डीपनोट एआई कोपायलट नोटबुक में डेटा अन्वेषण के गतिविधियों को फिर से परिभाषित करता है। लेकिन यह क्या अलग बनाता है?

इसके मूल में, डीपनोट एआई डेटा वैज्ञानिकों के कार्यप्रवाह को बढ़ाने का लक्ष्य रखता है। जैसे ही आप एक मूलभूत निर्देश प्रदान करते हैं, एआई कार्रवाई में आता है, रणनीतियों का निर्माण करता है, एसक्यूएल क्वेरी निष्पादित करता है, पाइथन का उपयोग करके डेटा का दृश्यांकन करता है, और अपने निष्कर्षों को एक स्पष्ट तरीके से प्रस्तुत करता है।

डीपनोट एआई की एक ताकत इसकी कार्यस्थान की व्यापक समझ है। एकीकरण योजनाओं और फ़ाइल प्रणालियों को समझकर, यह अपनी निष्पादन योजनाओं को संगठनात्मक संदर्भ के साथ सही ढंग से संरेखित करता है, सुनिश्चित करता है कि इसके अंतर्दृष्टि हमेशा प्रासंगिक हैं।

एआई का नोटबुक माध्यमों के साथ एकीकरण एक अद्वितीय प्रतिक्रिया पाश बनाता है। यह सक्रिय रूप से कोड आउटपुट का मूल्यांकन करता है, स्वयं-सुधार में इसकी प्रवीणता सुनिश्चित करता है, और परिणामों को निर्धारित उद्देश्यों के साथ संगत बनाए रखता है।

डीपनोट एआई अपने संचालन में पारदर्शिता के लिए खड़ा है, अपनी प्रक्रियाओं में गहन अंतर्दृष्टि प्रदान करता है। कोड और आउटपुट का अंतर्ग्रथन इसकी क्रियाओं को हमेशा जिम्मेदार और पुनरुत्पादित बनाता है।

सीएमईएल

सीएमईएल एक फ्रेमवर्क है जो एआई एजेंटों के बीच सहयोग को बढ़ावा देने का प्रयास करता है, मानव पर्यवेक्षण के साथ कार्य पूर्णता की दिशा में प्रयास करता है।

https://github.com/camel-ai/camel

यह अपने संचालन को दो मुख्य एजेंट प्रकारों में विभाजित करता है:

• एआई उपयोगकर्ता एजेंट निर्देशों को निर्धारित करता है।
• एआई सहायक एजेंट प्रदान किए गए निर्देशों के आधार पर कार्यों को निष्पादित करता है।

सीएमईएल की एक महत्वाकांक्षा एआई विचार प्रक्रियाओं की जटिलताओं को उजागर करना है, मultiple एजेंटों के बीच सिंर्जी को अनुकूलित करने का प्रयास करना है। रोल-प्ले और इन्सेप्शन प्रॉम्प्टिंग जैसी सुविधाओं के साथ, यह सुनिश्चित करता है कि एआई कार्य मानव उद्देश्यों के साथ सहजता से संरेखित हैं।

वेस्टवर्ल्ड सिम्युलेशन: एआई में जीवन

यूनिटी सॉफ़्टवेयर और पाइथन में अनुकूलित प्रेरणाओं से, वेस्टवर्ल्ड सिम्युलेशन एक डिजिटल समाज की तरह कई एआई एजेंटों के बीच परस्पर क्रिया और अनुकूलन की सिम्युलेशन में एक कदम है।

जनरेटिव एजेंट

ये एजेंट केवल डिजिटल संस्थाएं नहीं हैं; वे मानवीय व्यवहारों की नकल करते हैं, दैनिक दिनचर्या से लेकर जटिल सामाजिक परस्पर क्रिया तक। उनकी वास्तुकला एक बड़े भाषा मॉडल को अनुभव संग्रहीत करने, उन पर प्रतिबिंबित करने और गतिशील व्यवहार योजना के लिए उन्हें नियोजित करने की अनुमति देती है।

वेस्टवर्ल्ड सिम्युलेशन एक इंटरैक्टिव सैंडबॉक्स वातावरण प्रस्तुत करता है, जो एक शहर को जनरेटिव एजेंटों द्वारा आबादित करता है। यहां, उपयोगकर्ता बातचीत कर सकते हैं, देख सकते हैं, और इन एजेंटों को उनके दिन के माध्यम से मार्गदर्शन कर सकते हैं, जटिल सामाजिक गतिविधियों और विकसित व्यवहारों का अवलोकन कर सकते हैं।

वेस्टवर्ल्ड सिम्युलेशन गणनात्मक शक्ति और मानव जैसी जटिलताओं के संगम का प्रतिनिधित्व करता है। विशाल भाषा मॉडल को गतिशील एजेंट सिम्युलेशन के साथ मिलाकर, यह वास्तविकता से अलग नहीं होने वाले एआई अनुभवों की रचना की दिशा में एक मार्ग प्रशस्त करता है।

निष्कर्ष

एआई एजेंट अत्यधिक बहुमुखी हो सकते हैं और वे उद्योगों को आकार दे रहे हैं, कार्यप्रवाह को बदल रहे हैं, और ऐसे कार्य संभव कर रहे हैं जो पहले असंभव लगते थे। लेकिन जैसे सभी ग्राउंडब्रेकिंग नवाचार, वे अपनी खामियों से मुक्त नहीं हैं।

जबकि वे हमारे डिजिटल अस्तित्व के बहुमुखी ताने-बाने को फिर से परिभाषित करने की शक्ति रखते हैं, ये एजेंट अभी भी कुछ चुनौतियों से जूझ रहे हैं, जिनमें से कुछ मूल रूप से मानवीय हैं, जैसे कि सूक्ष्म परिदृश्यों में संदर्भ को समझना या अपने प्रशिक्षित डेटासेट से परे मुद्दों का सामना करना।

अगले लेख में, हम ऑटो-जीपीटी और जीपीटी इंजीनियर में गहराई से जाएंगे, जांच करेंगे कि उन्हें कैसे सेट अप और उपयोग किया जाए, और उन कारणों का अन्वेषण करेंगे कि ये एआई एजेंट कभी-कभी क्यों असफल हो जाते हैं, जैसे कि लूप में फंसना, अन्य मुद्दों के बीच। इसलिए, बने रहें!