चैटजीपीटी से परे; एआई एजेंट: एक नए युग के श्रमिकों की दुनिया

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

एक संक्षिप्त पुनरावलोकन: एआई श्रमिकों का 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 शुरू, यह यात्रा शुरू हुई। ये सिस्टम निर्धारित कार्यों को हल करने के लिए एक निश्चित नियमों के सेट का उपयोग कर सकते थे।
• चैटबॉट और प्रारंभिक वॉयस असिस्टेंट: जैसे ही प्रौद्योगिकी विकसित हुई, 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 गहरे शिक्षण: न्यूरल नेटवर्क एक महत्वपूर्ण मोड़ को चिह्नित करते हैं, मानव मस्तिष्क के कार्यों की नकल करते हैं और अनुभव के माध्यम से विकसित होते हैं। गहरे शिक्षण तकनीकों ने इसे और भी बढ़ाया, जटिल छवि और भाषण मान्यता को सक्षम किया।
• ट्रांसफॉर्मर और उन्नत एनएलपी मॉडल: ट्रांसफॉर्मर वास्तुकला की शुरुआत ने एनएलपी परिदृश्य को क्रांतिकारी बना दिया। ओपनएआई द्वारा चैटजीपीटी जैसे सिस्टम, बेर्ट, और टी5 ने मानव-एआई संचार में सफलता हासिल की। उनकी गहरी भाषा और संदर्भ की समझ के साथ, ये मॉडल अर्थपूर्ण बातचीत कर सकते हैं, सामग्री लिख सकते हैं, और जटिल प्रश्नों का उत्तर दे सकते हैं जो पहले कभी नहीं देखा गया है।

एआई एजेंट का आगमन: केवल बातचीत से अधिक

आज का एआई परिदृश्य संकेत दे रहा है कि यह केवल बातचीत उपकरणों से अधिक है। एआई एजेंट, जो केवल चैट फ़ंक्शन से परे हैं, 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 का स्पष्ट रूप से परिभाषित किया गया था, जिसमें मानव हस्तक्षेप की एक बहुतायत शामिल थी।

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

1. लक्ष्य है जो वह हासिल करना चाहता है।
2. अपने वातावरण 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 क्रियाएं करता है, अपने दृष्टिकोण को वातावरण की बदलती स्थिति के अनुसार समायोजित करता है।

जो वास्तव में एआई एजेंटों को पारंपरिक मॉडलों से अलग करता है वह उनकी स्वयं एक कदम-दर-कदम योजना बनाने की क्षमता है जो एक लक्ष्य को प्राप्त करने के लिए 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 उपयोगकर्ताओं को पूर्व निर्धारित शर्तों के आधार पर ओवरड्यू 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 तय करता है कि कब और कैसे उपयोगकर्ता को सूचित करना है। यह वातावरण (उपयोगकर्ता की आदतें, अनुप्रयोग राज्य) का मूल्यांकन करता है और सर्वोत्तम पाठ्यक्रम का निर्धारण करता है। प्रक्रिया इस प्रकार अधिक गतिशील, अधिक समय पर 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 पूरा करने में सक्षम हो गया। यह एजेंट की अवधारणा का एक प्रारंभिक प्रदर्शन था। 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 भी बदल सकता है।

वर्तमान एआई एजेंट परिदृश्य

एआई एजेंट, जिनमें ऑटो-जीपीटी, एजेंटजीपीटी और बेबीएजीआई शामिल हैं, एआई ब्रह्मांड में एक नए युग की शुरुआत कर रहे हैं। जबकि चैटजीपीटी ने मानव इनपुट की आवश्यकता के साथ जनरेटिव एआई को लोकप्रिय बनाया, एआई एजेंटों के पीछे का दृष्टिकोण एआई को स्वतंत्र रूप से कार्य करने में सक्षम बनाना है, जिसमें मानव हस्तक्षेप न्यूनतम हो या बिल्कुल नहीं हो। यह परिवर्तनकारी संभावना ऑटो-जीपीटी के तेजी से उदय द्वारा रेखांकित की गई है, जिसने केवल छह सप्ताह में गिटहब पर 107,000 स्टार हासिल किए, जो स्थापित परियोजनाओं जैसे ‘पांडास’ डेटा विज्ञान पैकेज की तुलना में एक असाधारण वृद्धि है।

एआई एजेंट बनाम चैटजीपीटी

अधिकांश उन्नत एआई एजेंट, जैसे ऑटो-जीपीटी और बेबीएजीआई, जीपीटी आर्किटेक्चर का उपयोग करते हैं। उनका प्राथमिक फोकस एआई कार्य पूर्ति में मानव हस्तक्षेप की आवश्यकता को कम करना है। “जीपीटी ऑन ए लूप” जैसे वाक्यांश मॉडल जैसे एजेंटजीपीटी और बेबीएजीआई के संचालन को वर्णित करते हैं। वे पुनरावृत्ति चक्रों में काम करते हैं ताकि वे उपयोगकर्ता अनुरोधों को बेहतर ढंग से समझ सकें और अपने आउटपुट को परिष्कृत कर सकें। जबकि ऑटो-जीपीटी ने इंटरनेट एक्सेस और कोड निष्पादन क्षमताओं को एकीकृत करके सीमाओं को और आगे बढ़ाया है, जो इसकी समस्या-समाधान क्षमता को काफी बढ़ाता है।

एआई एजेंट में नवाचार

1. लंबी अवधि की स्मृति: पारंपरिक एलएलएम की सीमित स्मृति होती है, जो केवल हाल के खंडों को ही याद 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 एजेंट एम्बेडिंग वर्कफ्लो को अपनाते हैं, जो पाठ संवाद को संख्यात्मक सरणियों में परिवर्तित करते हैं, स्मृति प्रतिबंधों का समाधान प्रदान करते हैं।
2. वेब-ब्राउजिंग क्षमता: हाल की घटनाओं के साथ अद्यतन रहने के लिए, ऑटो-जीपीटी को गूगल सर्च एपीआई का उपयोग करके ब्राउजिंग क्षमता प्रदान की गई है। यह एआई समुदाय के भीतर एआई के ज्ञान के दायरे पर बहस को जन्म देता है।
3. कोड निष्पादन: 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, इसके संचालन क्षेत्र को व्यापक बनाती है।

यह चित्र एक एआई प्रणाली के आर्किटेक्चर को दर्शाता है जो एक बड़े भाषा मॉडल और एजेंटों द्वारा संचालित होती है।

• इनपुट: प्रणाली विभिन्न स्रोतों से डेटा प्राप्त करती है: सीधे उपयोगकर्ता कमांड, संरचित डेटाबेस, वेब सामग्री, और वास्तविक समय के पर्यावरण सेंसर।
• एलएलएम और एजेंट: कोर में, एलएलएम इनपुट को संसाधित करता है, ऑटो-जीपीटी जैसे विशेषज्ञ एजेंटों के साथ सहयोग करता है जो विचार श्रृंखला के लिए हैं, एजेंटजीपीटी जो वेब-विशिष्ट कार्यों के लिए है, बेबीएजीआई जो कार्य-विशिष्ट क्रियाओं के लिए है, और हगिंगजीपीटी जो टीम-आधारित प्रसंस्करण के लिए है।
• आउटपुट: एक बार प्रसंस्करण हो जाने के बाद, जानकारी को उपयोगकर्ता के अनुकूल प्रारूप में परिवर्तित किया जाता है और फिर उन उपकरणों को प्रेषित किया जाता है जो बाहरी वातावरण को प्रभावित कर सकते हैं।
• मेमोरी घटक: प्रणाली अस्थायी और स्थायी दोनों आधारों पर जानकारी को बनाए रखती है, अल्पकालिक कैश और दीर्घकालिक डेटाबेस के माध्यम से।
• वातावरण: 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, जो मार्च 2023 में गिटहब पर जारी किया गया था, एक पाइथन-आधारित अनुप्रयोग है जो जीपीटी की शक्ति का दोहन करता है, ओपनएआई के परिवर्तनकारी जनरेटिव मॉडल। ऑटो-जीपीटी को अपने पूर्ववर्तियों से अलग करने वाली बात इसकी स्वायत्तता है – यह न्यूनतम मानव मार्गदर्शन के साथ कार्य करने के लिए डिज़ाइन किया गया है और स्व-प्रेरित प्रॉम्प्ट बनाने की एक अद्वितीय क्षमता रखता है। उपयोगकर्ताओं को केवल एक सर्वोच्च उद्देश्य परिभाषित करने की आवश्यकता है, और ऑटो-जीपीटी आवश्यक प्रॉम्प्ट तैयार करता है जो उस उद्देश्य को प्राप्त करने के लिए है, इसे वास्तविक कृत्रिम सामान्य बुद्धिमत्ता (एजीआई) की ओर एक संभावित क्रांतिकारी छलांग बनाता है।

इंटरनेट कनेक्टिविटी, मेमोरी प्रबंधन, और जीपीटी-3.5 का उपयोग करके फ़ाइल स्टोरेज क्षमताओं सहित विशेषताओं की एक श्रृंखला के साथ, यह उपकरण व्यापक श्रृंखला के कार्यों को संभालने में कुशल है, जो कि सामान्य कार्यों से लेकर जटिल कार्यों तक है जिन्हें आमतौर पर अधिक मानवीय जुड़ाव की आवश्यकता होती है।

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

एजेंटजीपीटी यूआई

इसके अलावा, एजेंटजीपीटी अपनी बहुमुखी प्रतिभा के लिए खड़ा है। यह केवल चैटबॉट बनाने तक सीमित नहीं है। प्लेटफ़ॉर्म ऑटो-जीपीटी के साथ सहजता से एकीकृत होता है, यह सुनिश्चित करता है कि 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 (एलएलएम) को विभिन्न उपकरणों के साथ जोड़ता है और एजेंटों का उपयोग करता है, जिन्हें अक्सर ‘बॉट’ के रूप में माना जाता है, जो विशिष्ट कार्यों को निर्धारित और निष्पादित करने के लिए उपयुक्त उपकरण चुनते हैं। ये एजेंट बाहरी संसाधनों के साथ सहजता से एकीकृत होते हैं, जबकि लैंगचेन में एक वेक्टर डेटाबेस एलएलएम के लिए तेजी से 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 निर्दिष्ट उद्देश्यों पर ध्यान केंद्रित करते हुए उन्हें निष्पादित करता है। जबकि अधिकांश एआई-संचालित प्लेटफ़ॉर्म पूर्व-प्रशिक्षित ज्ञान से बंधे हुए हैं, बेबीएजीआई अपनी अनुकूलन क्षमता और अनुभवों से सीखने की क्षमता के लिए खड़ा है। यह प्रतिक्रिया को समझने और त्रुटि और परीक्षण के आधार पर निर्णय लेने में मानवों की तरह सक्षम है।

बेबीएजीआई की अंतर्निहित ताकत न केवल इसकी अनुकूलन क्षमता है, बल्कि विशिष्ट उद्देश्यों के लिए कोड चलाने में इसकी प्रवीणता भी है। यह जटिल डोमेन में उत्कृष्टता प्राप्त करता है, जैसे कि क्रिप्टोकरेंसी ट्रेडिंग, रोबोटिक्स, और स्वायत्त ड्राइविंग, जिससे यह विभिन्न अनुप्रयोगों में एक बहुमुखी उपकरण बन जाता 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 केंद्र, 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 को एक शब्दकोशों की सूची के रूप में लौटाता है।
3. कार्य प्राथमिकता एजेंट: अंतिम चरण में कार्यों को प्राथमिकता देना शामिल है। यह एजेंट ओपनएआई के एपीआई का उपयोग करके कार्यों को पुन: क्रमित करता है, सुनिश्चित करता है कि सबसे महत्वपूर्ण कार्य पहले निष्पादित किए जाते हैं।

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 इस लिंक पर बेबीएजीआई का प्रदर्शन है।

शुरू करने के लिए, आपको एक वैध ओपनएपीआई कुंजी की आवश्यकता होगी। सुविधा के लिए, यूआई में एक सेटिंग्स अनुभाग है जहां ओपनएपीआई 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 एक छोटा प्रयोग किया। मैंने बेबीएजीआई को एक प्रॉम्प्ट दिया: “व्यक्तिगत विकास की यात्रा पर एक संक्षिप्त ट्विटर थ्रेड बनाएं, जिसमें मील के पत्थर, चुनौतियों और निरंतर सीखने की शक्ति पर जोर दिया जाए।”

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

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 कार्य प्रवाह 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 कार्यस्थल की व्यापक समझ है। एकीकरण योजनाओं और फ़ाइल प्रणालियों को समझकर, यह अपने निष्पादन योजनाओं को संगठनात्मक संदर्भ के साथ सहजता से संरेखित करता है, सुनिश्चित करता है कि इसके अंतर्दृष्टि हमेशा प्रासंगिक हों।

एआई का नोटबुक माध्यमों के साथ एकीकरण एक अनोखा प्रतिक्रिया चक्र बनाता है। यह सक्रिय रूप से कोड आउटपुट का मूल्यांकन करता है, जिससे यह स्वयं-सुधार में कुशल होता है और परिणामों को निर्धारित उद्देश्यों के साथ संगत बनाए रखता है।

डीपनोट एआई अपने संचालन की पारदर्शिता के लिए खड़ा है, जो अपनी प्रक्रियाओं में स्पष्ट अंतर्दृष्टि प्रदान करता है। कोड और आउटपुट का अंतर्गठबंधन सुनिश्चित करता है कि इसकी क्रियाएं हमेशा जिम्मेदार और पुनरुत्पादित हों।

कैमेल

कैमेल एक फ्रेमवर्क है जो एआई एजेंटों के बीच सहयोग को बढ़ावा देने का प्रयास करता है, जिससे मानव पर्यवेक्षण के साथ कार्यों को कुशलता से पूरा किया जा सके।

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

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

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

कैमेल का एक महत्वाकांक्षी लक्ष्य एआई विचार प्रक्रियाओं की जटिलताओं को समझना है, जो कई एजेंटों के बीच सिनर्जी को अनुकूलित करने का प्रयास करता है। भूमिका-निभाने और प्रेरणा प्रॉम्प्टिंग जैसी सुविधाओं के साथ, यह सुनिश्चित करता है कि एआई कार्य मानव उद्देश्यों के साथ सहजता से संरेखित हों।

वेस्टवर्ल्ड सिम्युलेशन: एआई में जीवन

यूनिटी सॉफ़्टवेयर से प्रेरित और पाइथन में अनुकूलित, वेस्टवर्ल्ड सिम्युलेशन एक कदम है जो एक ऐसे वातावरण की नकल और अनुकूलन करता है जहां कई एआई एजेंट बातचीत करते हैं, लगभग एक डिजिटल समाज की तरह।

जनरेटिव एजेंट

ये एजेंट केवल डिजिटल entiti हैं नहीं। वे मानव व्यवहार की नकल करते हैं, दैनिक दिनचर्या से लेकर जटिल सामाजिक परस्पर क्रिया तक। उनकी वास्तुकला एक बड़े भाषा मॉडल को विस्तारित करती है जो अनुभवों को संग्रहीत करती है, उन पर प्रतिबिंबित करती है, और गतिशील व्यवहार योजना के लिए उन्हें नियोजित करती है।

वेस्टवर्ल्ड का इंटरएक्टिव सैंडबॉक्स वातावरण, जो द सिम्स की याद दिलाता है, एक शहर को जीवन में लाता है जो जनरेटिव एजेंटों द्वारा आबादी वाला है। यहां, उपयोगकर्ता बातचीत कर सकते हैं, देख सकते हैं, और इन एजेंटों के माध्यम से उनके दिन को निर्देशित कर सकते हैं, जटिल सामाजिक गतिविधियों और विकसित व्यवहारों का अवलोकन करते हुए।

वेस्टवर्ल्ड सिम्युलेशन गणनात्मक शक्ति और मानव जैसी जटिलताओं के सौहार्दपूर्ण संयोजन का प्रतिनिधित्व करता है। विशाल भाषा मॉडल को गतिशील एजेंट सिमुलेशन के साथ मिलाकर, यह वास्तविकता से अलग-अलग एआई अनुभवों की ओर एक मार्ग प्रशस्त करता है।

निष्कर्ष