एआई मॉडल और प्लेटफ़ॉर्म
AI एजेंटों को व्यावसायिक संदर्भ देने के लिए Collate ने Ontology Studio की घोषणा की

मुख्य बिंदुऑन्टोलॉजी स्टूडियो व्यावसायिक अवधारणाओं को डेटा एसेट्स से मैप करता है ताकि एजेंट्स कॉलम…
और देखें
- ऑन्टोलॉजी स्टूडियो व्यावसायिक अवधारणाओं को डेटा एसेट्स से मैप करता है ताकि एजेंट्स कॉलम के अर्थों का अनुमान लगाना बंद कर दें।
- नॉलेज-ग्राफ़ टूल्स एक बीटा प्रोजेक्शन पर चलते हैं जो डिफ़ॉल्ट रूप से अक्षम है।
- खुले फ़ॉर्मेट में निर्यात किए गए ऑन्टोलॉजी तब भी पुनः उपयोग योग्य एसेट्स बने रहते हैं जब उद्यम अपने AI विक्रेता बदलते हैं।
Collate, OpenMetadata के पीछे की कंपनी, ने Ontology Studio की घोषणा की है। यह एक ऐसा कार्यक्षेत्र है जहाँ व्यावसायिक अवधारणाएँ परिभाषित की जा सकती हैं, उन्हें उद्यम के डेटा से जोड़ा जा सकता है और उनका अर्थ AI एजेंटों के लिए उपलब्ध कराया जा सकता है। इसका उद्देश्य एजेंटों को किसी तालिका या कॉलम के नाम का अर्थ अनुमान से लगाने के बजाय, संगठन की अपनी परिभाषाओं और संबंधों के आधार पर काम करने में मदद करना है।
17 नवंबर को घोषित Ontology Studio, Collate 2.1 का हिस्सा है और इसकी सामान्य उपलब्धता इस महीने के आखिर में शुरू करने की योजना है। यह खुले मानकों का उपयोग करता है, ताकि कंपनियाँ अपने बनाए व्यावसायिक मॉडल की जाँच और उन्हें निर्यात कर सकें। इसमें उन डेटा परिसंपत्तियों से जुड़ी मैपिंग भी शामिल हैं जो इन मॉडलों को लागू करती हैं।
यह शुरुआत ऐसी समस्या का समाधान करने के लिए की गई है जिसे बेहतर भाषा मॉडल भी अकेले हल नहीं कर सकते: कोई सिस्टम डेटासेट खोजकर उसके आधार पर वैध कोड लिख सकता है, फिर भी वह यह गलत समझ सकता है कि व्यवसाय किसे सक्रिय ग्राहक मानता है, राजस्व का कौन-सा आँकड़ा मान्य है या किसी विशेष प्रकार के ऋण का क्या अर्थ है।
AI एजेंट को ऑन्टोलॉजी से क्या मिलता है
ऑन्टोलॉजी अवधारणाओं और उनके संबंधों का ऐसा विवरण देती है जिसका उपयोग सॉफ़्टवेयर कर सकता है। शब्दावली-सूची में “ऋण” को एक अनुच्छेद में परिभाषित किया जा सकता है। ऑन्टोलॉजी यह भी निर्दिष्ट कर सकती है कि ऋण की मूल राशि और अवधि होती है, वह किसी ग्राहक का होता है और एक नामित संबंध के ज़रिए किसी खाते से जुड़ता है।
ये विवरण किसी प्रश्न का उत्तर खोजने के लिए एजेंट को एक व्यवस्थित रास्ता देते हैं। मान लीजिए किसी एजेंट से ऋण गतिविधि का विश्लेषण करने को कहा गया है: डेटाबेस में क्वेरी करने से पहले उसे पहचानना होगा कि कौन-सी परिसंपत्तियाँ ऋण दर्शाती हैं, ग्राहक उनसे किस तरह जुड़े हैं और कौन-सी परिभाषाएँ लागू होती हैं। इन परिसंपत्तियों से मैप की गई ऑन्टोलॉजी यह संदर्भ दे सकती है।
Ontology Studio टीमों को निश्चित प्रकार वाले गुणों और नामित, दिशात्मक संबंधों के साथ अवधारणाएँ परिभाषित करने देता है। इसके बाद वे संस्करणयुक्त मॉडलों की समीक्षा और प्रकाशन कर सकती हैं। अवधारणाओं को तालिकाओं, कॉलम, डैशबोर्ड और अन्य डेटा परिसंपत्तियों से जोड़ा जा सकता है।
इससे व्यावसायिक अर्थ और तकनीकी डेटा-वंशावली के बीच अंतर भी स्पष्ट होता है। डेटा-वंशावली बताती है कि डेटा अलग-अलग सिस्टमों के बीच कैसे जाता है या उसमें किस तरह बदलाव किया जाता है। व्यावसायिक संबंध बताता है कि डेटा किस चीज़ को दर्शाता है, जैसे किसी ग्राहक का ऋण। एजेंट के लिए दोनों उपयोगी हैं, लेकिन वे अलग-अलग सवालों के जवाब देते हैं।
मॉडल के पीछे के खुले मानक
Ontology Studio स्थापित सिमैंटिक वेब तकनीक पर आधारित है; इसमें कंपनियों को अपने पूरे व्यवसाय को किसी मालिकाना फ़ॉर्मैट में व्यक्त करने की आवश्यकता नहीं होती।
- OWL, वेब ऑन्टोलॉजी भाषा, वर्गों, गुणों और संबंधों को दर्शाने का एक औपचारिक तरीका उपलब्ध कराती है, जिससे सॉफ़्टवेयर को उपयोग के लिए स्पष्ट अर्थ मिलते हैं।
- SKOS, सरल ज्ञान संगठन प्रणाली, नियंत्रित शब्दावलियों और व्यापक, संकीर्ण तथा संबंधित अवधारणाओं जैसे संबंधों को दर्शाती है।
- SPARQL, RDF ग्राफ़ के लिए एक क्वेरी भाषा है, जो सॉफ़्टवेयर को जुड़ी हुई अवधारणाओं और मेटाडेटा के बारे में व्यवस्थित प्रश्न पूछने देती है।
Collate का कहना है कि संगठन OWL, Turtle, RDF/XML और JSON-LD सहित विभिन्न फ़ॉर्मैट में ऑन्टोलॉजी आयात और निर्यात कर सकते हैं और इस दौरान पहचानकर्ताओं, परिभाषाओं तथा संबंधों को सुरक्षित रख सकते हैं। कंपनी मॉडल निर्यात करते समय डेटा मैपिंग को बनाए रखने पर भी ज़ोर देती है।
यह तब मायने रखता है जब कोई उद्यम AI विक्रेता या डेटा प्लेटफ़ॉर्म बदलता है। व्यावसायिक मॉडल को ऐसे फ़ॉर्मैट में रखने से, जिसे अलग-अलग सिस्टमों के बीच इस्तेमाल किया जा सके, वह एक पुनः उपयोग योग्य परिसंपत्ति बन जाता है; परिभाषाएँ केवल किसी एक विक्रेता के इंटरफ़ेस में बंद नहीं रह जातीं। बदलाव के बाद भी मॉडल उपयोगी बना रहे, इसके लिए संगत टूल को संबंधित मानकों और मैपिंग का समर्थन करना होगा।
एजेंट ज्ञान ग्राफ़ तक कैसे पहुँचते हैं
एजेंट Collate के Model Context Protocol सर्वर के ज़रिए ऑन्टोलॉजी तक पहुँचते हैं। MCP एक साझा इंटरफ़ेस देता है, जिसके माध्यम से AI अनुप्रयोग टूल खोजकर उनका उपयोग कर सकता है। यहाँ ये टूल एजेंट को ऑन्टोलॉजी का विवरण देने, किसी इकाई से जुड़े संबंधों को देखने और केवल-पठन SPARQL क्वेरी चलाने देते हैं।
ज्ञान ग्राफ़ अवधारणाओं और मेटाडेटा को परस्पर जुड़ी इकाइयों के रूप में व्यवस्थित करता है। ग्राफ़ क्वेरी एक साथ कई प्रासंगिक संबंधों के बारे में पूछ सकती है, जिससे एजेंट को हर आस-पास की मद के लिए अलग-अलग बार अनुरोध किए बिना संदर्भ जुटाने में मदद मिलती है। क्वेरी और संबंधों का परिणामी पथ समीक्षक को उत्तर के पीछे की बात ठोस रूप से जाँचने का आधार भी दे सकता है।
घोषणा इस सुविधा की एक अहम सीमा स्पष्ट करती है: टूल Collate के ज्ञान-ग्राफ़ प्रक्षेप पर चलते हैं, जो अभी बीटा में है और डिफ़ॉल्ट रूप से बंद रहता है। ग्राफ़-आधारित एजेंट टूल इस्तेमाल करने के लिए टीमों को इस घटक को सक्षम करना और उसका मूल्यांकन करना होगा।
उत्पाद पृष्ठ के अनुसार, यह प्रक्षेप प्लेटफ़ॉर्म के मेटाडेटा की ग्राफ़-प्रतिलिपि है, न कि अंतर्निहित व्यावसायिक डेटाबेस का विकल्प। परिचालन डेटा पर क्वेरी वहीं चलती हैं जहाँ वह डेटा मौजूद है, जैसे किसी वेयरहाउस या मौजूदा सिमैंटिक लेयर में। ऑन्टोलॉजी सही परिभाषाओं और परिसंपत्तियों की पहचान करने में मदद करती है।
OpenMetadata और मौजूदा व्यावसायिक ज्ञान के आधार पर निर्माण
Collate की नींव OpenMetadata है, जो एक ओपन-सोर्स प्लेटफ़ॉर्म है और स्कीमा, स्वामित्व, वर्गीकरण, गुणवत्ता संबंधी जानकारी तथा डेटा-वंशावली जैसे मेटाडेटा को एक साथ लाता है। Ontology Studio इन परिसंपत्तियों से जुड़े व्यावसायिक अर्थ को दर्ज करने के लिए एक कार्यक्षेत्र जोड़ता है।
Collate की 2.1 रिलीज़ का अवलोकन प्रबंधित उत्पाद और उसके ओपन-सोर्स आधार के बीच अंतर स्पष्ट करता है: Ontology Studio, Collate की एक सुविधा है, जबकि MCP के ज़रिए उपलब्ध ज्ञान-ग्राफ़ उपकरण Collate और OpenMetadata, दोनों के लिए सूचीबद्ध हैं। इस घोषणा का मूल्यांकन करने वाले संगठनों को व्यावसायिक कार्यक्षेत्र और उसके नीचे मौजूद खुले मानकों तथा साझा प्लेटफ़ॉर्म घटकों के बीच अंतर समझना चाहिए।
उद्योग-विशिष्ट शुरुआती पैक इस प्रणाली तक पहुँचने का एक और रास्ता उपलब्ध कराते हैं। घोषणा में वित्त के लिए FIBO, स्वास्थ्य सेवा के लिए HL7 FHIR, आपूर्ति शृंखलाओं के लिए GS1 और EPCIS, विनिर्माण के लिए ISA-95 और HR Open Standards पर आधारित मॉडल सूचीबद्ध हैं। ये शुरुआती ढाँचे उपलब्ध कराते हैं, जिन्हें टीमें आगे बढ़ा सकती हैं और अपने डेटा से जोड़ सकती हैं।
Collate अपने व्यापक संदर्भ-प्लेटफ़ॉर्म दृष्टिकोण के उदाहरण के रूप में Scout24 का उल्लेख करता है। ImmoScout24 के पीछे की कंपनी साझा डेटा-परिभाषाओं, एआई-सहायता प्राप्त दस्तावेज़ीकरण और मानवीय सत्यापन का उपयोग करके आंतरिक एआई एजेंटों को सहयोग देती है। यह मेल दर्शाता है कि व्यावसायिक संदर्भ को उपयोगी बनाए रखने में विषय-विशेषज्ञों की भूमिका लगातार बनी रहती है।
साझा परिभाषाओं के लिए भी जिम्मेदार लोगों की ज़रूरत होती है
Collate के सह-संस्थापक और मुख्य प्रौद्योगिकी अधिकारी Sriharsha Chintalapani ने कहा, “मेटाडेटा, अर्थ और स्मृति—इन सबका स्थान एक ही संदर्भ-प्लेटफ़ॉर्म में है।” उन्होंने कहा कि लक्ष्य यह है कि एजेंट और कर्मचारी समान व्यावसायिक परिभाषाओं के आधार पर काम करें।
ऑंटोलॉजी इन परिभाषाओं को स्पष्ट और दोबारा इस्तेमाल करने में आसान बना सकती है, लेकिन इसका महत्व मॉडल की गुणवत्ता और मौजूदा डेटा से उसके जुड़ाव पर निर्भर करता है। गलत मैपिंग या पुराने नियम किसी एजेंट को गलत उत्तर के लिए एक सुव्यवस्थित स्पष्टीकरण दे सकते हैं।
उद्यमों के लिए Ontology Studio का प्रस्ताव साझा संदर्भ को बनाने और बनाए रखने का अधिक सुव्यवस्थित तरीका है: व्यवसाय का मॉडल तैयार करना, उस मॉडल को वास्तविक परिसंपत्तियों से जोड़ना, मानक उपकरणों के ज़रिए उसे उपलब्ध कराना और उसे किसी दूसरे परिवेश में ले जाने की क्षमता बनाए रखना।












