मल्टी-एजेंट एलएलएम कैसे एआई मॉडल को जटिल कार्यों को अधिक प्रभावी ढंग से हल करने में सक्षम बना सकते हैं

आजकल अधिकांश संगठन बड़े भाषा मॉडल (एलएलएम) और कृत्रिम बुद्धिमत्ता (एआई) एजेंटों को लागू करना चाहते हैं और प्रमाण के概念 और एआई एजेंटों को अपने व्यवसायिक प्रक्रियाओं में लागत को अनुकूलित करने और नए और रचनात्मक उपयोगकर्ता अनुभव प्रदान करने के लिए उपयोग करना चाहते हैं। हालांकि, इनमें से अधिकांश कार्यान्वयन ‘एक-ऑफ’ हैं। परिणामस्वरूप, व्यवसायों को इनमें से कई उपयोग के मामलों में रिटर्न ऑन इन्वेस्टमेंट (आरओआई) को महसूस करने में कठिनाई होती है।

जनरेटिव एआई (जेनएआई) को-पायलट जैसे सॉफ़्टवेयर से परे जाने का वादा करता है। एक विषय विशेषज्ञ (एसएमई) को मार्गदर्शन और सहायता प्रदान करने के बजाय, ये समाधान एसएमई अभिनेता बन सकते हैं और स्वायत्त रूप से कार्यों को निष्पादित कर सकते हैं। जेनएआई समाधानों को इस बिंदु तक पहुंचाने के लिए, संगठनों को उन्हें अतिरिक्त ज्ञान और स्मृति, योजना और पुनः योजना करने की क्षमता,以及 अन्य एजेंटों के साथ सहयोग करने की क्षमता प्रदान करनी होगी।

जबकि एकल मॉडल कुछ परिदृश्यों में उपयुक्त होते हैं, सह-पायलट के रूप में कार्य करते हैं, एजेंटिक आर्किटेक्चर एलएलएम को व्यवसाय प्रक्रिया स्वचालन के सक्रिय घटक बनाने के लिए दरवाजा खोलते हैं। इस प्रकार, उद्यमों को जटिल व्यवसाय प्रक्रियाओं को स्ट्रीमलाइन करने और आरओआई में सुधार करने के लिए एलएलएम-आधारित मल्टी-एजेंट (एलएलएम-एमए) प्रणालियों का लाभ उठाने पर विचार करना चाहिए।

एलएलएम-एमए सिस्टम क्या है?

तो एलएलएम-एमए सिस्टम क्या है? संक्षेप में, यह एआई प्रौद्योगिकी में एक नया परिदृश्य एक ऐसा पारिस्थितिकी तंत्र है जिसमें एआई एजेंट एक दूसरे के साथ मिलकर जटिल चुनौतियों का समाधान करते हैं।

निर्णय विभिन्न संदर्भों में होना चाहिए, जैसा कि विश्वसनीय निर्णय लेने के लिए मानवों में विशेषज्ञता की आवश्यकता होती है। एलएलएम-एमए सिस्टम एक ही लक्ष्य को प्राप्त करने के लिए एक साथ मिलकर काम करने वाले कई विशेषज्ञ एजेंटों के माध्यम से इसी तरह की ‘सामूहिक बुद्धिमत्ता’ का निर्माण करते हैं। दूसरे शब्दों में, जैसे एक व्यवसाय विभिन्न क्षेत्रों के विशेषज्ञों को एक साथ लाता है ताकि एक समस्या का समाधान किया जा सके, एलएलएम-एमए सिस्टम भी इसी तरह से काम करते हैं।

एकल एलएलएम व्यवसायिक मांगों को पूरा करने के लिए पर्याप्त नहीं है। हालांकि, विशेषज्ञ एजेंटों के बीच क्षमताओं को वितरित करके और एक एलएलएम पर सभी बोझ डालने के बजाय, ये एजेंट कार्यों को अधिक कुशलता से और प्रभावी ढंग से पूरा कर सकते हैं। मल्टी-एजेंट एलएलएम एक दूसरे के काम की ‘जांच’ कर सकते हैं और क्रॉस-वरिफिकेशन के माध्यम से ‘हॉलुसिनेशन’ को कम कर सकते हैं ताकि अधिकतम उत्पादकता और सटीकता सुनिश्चित की जा सके।

विशेष रूप से, एलएलएम-एमए सिस्टम जटिल एआई-संचालित प्रणालियों के अन्य पहलुओं पर अधिक परिष्कृत नियंत्रण प्राप्त करने के लिए एक विभाजित और जीतने की विधि का उपयोग करते हैं – विशेष रूप से, विशिष्ट डेटा सेट के लिए बेहतर फाइन-ट्यूनिंग, बेहतर व्याख्या के लिए तरीकों (包括 पूर्व-ट्रांसफॉर्मर एआई) का चयन, शासन, सुरक्षा और विश्वसनीयता और जटिल समाधान के हिस्से के रूप में गैर-एआई उपकरण का उपयोग। इस विभाजित और जीतने की दृष्टिकोण में, एजेंट कार्य करते हैं और अन्य एजेंटों और डेटा से प्रतिक्रिया प्राप्त करते हैं, जिससे समय के साथ एक निष्पादन रणनीति को अपनाने में सक्षम होता है।

एलएलएम-एमए सिस्टम के अवसर और उपयोग के मामले

एलएलएम-एमए सिस्टम व्यवसाय प्रक्रियाओं को स्वचालित करने में प्रभावी हो सकते हैं और संरचित और असंरचित दस्तावेजों के माध्यम से खोज कर सकते हैं, डेटा मॉडल को क्वेरी करने के लिए कोड जेनरेट कर सकते हैं और अन्य सामग्री जेनरेशन कर सकते हैं। कंपनियां एलएलएम-एमए सिस्टम का उपयोग विभिन्न उपयोग के मामलों में कर सकती हैं, जिनमें सॉफ्टवेयर विकास, हार्डवेयर सिमुलेशन, गेम विकास (विशेष रूप से दुनिया का विकास), वैज्ञानिक और फार्मास्यूटिकल खोज, पूंजी प्रबंधन प्रक्रियाएं, वित्तीय और व्यापार अर्थव्यवस्था शामिल हैं।

एलएलएम-एमए सिस्टम का एक उल्लेखनीय अनुप्रयोग कॉल/सेवा केंद्र स्वचालन है। इस उदाहरण में, पूर्व-निर्धारित कार्य प्रवाह और प्रक्रियाओं का उपयोग करके मॉडल और अन्य प्रोग्रामेटिक अभिनेताओं का संयोजन अंत-उपयोगकर्ता इंटरैक्शन को स्वचालित कर सकता है और पाठ, वॉयस या वीडियो के माध्यम से अनुरोध ट्राइएज का प्रदर्शन कर सकता है। इसके अलावा, ये सिस्टम व्यक्तिगत डेटा और प्रक्रियात्मक ज्ञान के साथ एसएमई ज्ञान का लाभ उठाकर सबसे अनुकूल समाधान पथ का पता लगा सकते हैं और रिट्रीवल ऑगमेंटेड जेनरेशन (आरएजी) और गैर-एलएलएम एजेंटों को Invoke कर सकते हैं।

अल्पकालिक अवधि में, यह प्रणाली पूरी तरह से स्वचालित नहीं होगी – गलतियां होंगी और मानव हस्तक्षेप की आवश्यकता होगी। एआई अभी तक मानव जैसे अनुभवों को दोहराने के लिए तैयार नहीं है क्योंकि मुक्त-प्रवाह वार्ता का परीक्षण करना जटिल है, उदाहरण के लिए, जिम्मेदार एआई चिंताओं के खिलाफ। हालांकि, एआई हजारों ऐतिहासिक समर्थन टिकटों और फीडबैक लूप पर प्रशिक्षित हो सकता है और कॉल/सेवा केंद्र संचालन के महत्वपूर्ण हिस्सों को स्वचालित कर सकता है, जिससे कार्यकुशलता में वृद्धि होती है, टिकट समाधान डाउनटाइम कम होता है और ग्राहक संतुष्टि बढ़ती है।

मल्टी-एजेंट एलएलएम का एक और शक्तिशाली अनुप्रयोग वास्तविक समय की बातचीत के लिए मानव-एआई सहयोग इंटरफेस बनाना है, जो पहले संभव नहीं थे। वार्ता स्वार्म बुद्धिमत्ता (सीएसआई), उदाहरण के लिए, एक ऐसी विधि है जो 1000 लोगों को वास्तविक समय में बातचीत करने में सक्षम बनाती है। विशेष रूप से, सीएसआई छोटे समूहों को एक दूसरे के साथ संवाद करने की अनुमति देता है, जबकि विभिन्न एजेंट समूह बातचीत थ्रेड्स को सारांशित करते हैं। फिर यह सामग्री को बड़े लोगों के समूह में प्रसारित करता है, जिससे मानव समन्वय को अभूतपूर्व पैमाने पर सशक्त बनाता है।

एलएलएम-एमए सिस्टम की सुरक्षा, जिम्मेदार एआई और अन्य चुनौतियां

एलएलएम-एमए सिस्टम के रोमांचक अवसरों के बावजूद, एजेंटों की संख्या और उनके कार्य स्थान के आकार में वृद्धि के साथ कुछ चुनौतियां उत्पन्न होती हैं। उदाहरण के लिए, व्यवसायों को साधारण हॉलुसिनेशन के मुद्दे को संबोधित करने की आवश्यकता होगी, जिसके लिए मानव हस्तक्षेप की आवश्यकता होगी – एक नामित पार्टी को विशेष रूप से महत्वपूर्ण प्रभाव वाले एजेंटिक सिस्टम के लिए जिम्मेदार होना चाहिए।

डेटा पूर्वाग्रह के साथ भी समस्याएं होंगी, जो इंटरैक्शन पूर्वाग्रह में फैल सकती हैं। इसी तरह, भविष्य के एलएलएम-एमए सिस्टम जो सैकड़ों एजेंटों को चला सकते हैं, अधिक जटिल आर्किटेक्चर की आवश्यकता होगी और अन्य एलएलएम की कमियों, डेटा और मशीन लर्निंग ऑपरेशन के लिए खाते होंगे।

इसके अलावा, संगठनों को सुरक्षा चिंताओं और जिम्मेदार एआई (आरएआई) प्रथाओं को बढ़ावा देने की आवश्यकता है। अधिक एलएलएम और एजेंट सभी एआई खतरों के लिए हमले की सतह को बढ़ाते हैं। कंपनियों को अपने एलएलएम-एमए सिस्टम के विभिन्न हिस्सों को विशेषज्ञ अभिनेताओं में विभाजित करने की आवश्यकता है ताकि पारंपरिक एलएलएम जोखिमों पर अधिक नियंत्रण प्रदान किया जा सके, जिनमें सुरक्षा और आरएआई तत्व शामिल हैं।

इसके अलावा, जैसे-जैसे समाधान अधिक जटिल होते जाते हैं, एआई शासन ढांचे को भी अधिक जटिल होने की आवश्यकता होगी ताकि यह सुनिश्चित किया जा सके कि एआई उत्पाद विश्वसनीय (अर्थात, लचीले, जवाबदेह, निगरानी और व्याख्या योग्य), निवासी (अर्थात, सुरक्षित, सुरक्षित, निजी और प्रभावी) और जिम्मेदार (अर्थात, न्यायसंगत, नैतिक, समावेशी, स्थायी और उद्देश्यपर्ण) हैं। जटिलता में वृद्धि नियामक ढांचे को और अधिक सख्त बना देगी, जिससे यह और भी महत्वपूर्ण हो जाएगा कि सुरक्षा और आरएआई प्रत्येक व्यवसाय मामले और समाधान डिजाइन का हिस्सा हों, साथ ही साथ निरंतर नीति अद्यतन, कॉर्पोरेट प्रशिक्षण और शिक्षा और टीईवीवी (परीक्षण, मूल्यांकन, सत्यापन और सत्यापन) रणनीतियों के साथ।

एलएलएम-एमए सिस्टम से पूर्ण मूल्य प्राप्त करना: डेटा विचार

व्यवसायों को एलएलएम-एमए सिस्टम से पूर्ण मूल्य प्राप्त करने के लिए, उन्हें यह पहचानने की आवश्यकता है कि एलएलएम के पास केवल सामान्य डोमेन ज्ञान है। हालांकि, एलएलएम एंटरप्राइज़ डोमेन ज्ञान पर निर्भर होने पर मूल्य-उत्पादक एआई उत्पाद बन सकते हैं, जो आमतौर पर विभेदित डेटा संपत्ति, कॉर्पोरेट प्रलेखन, एसएमई ज्ञान और सार्वजनिक डेटा स्रोतों से प्राप्त जानकारा से बना होता है।

व्यवसायों को डेटा-केंद्रित से एआई-केंद्रित में स्थानांतरित करने की आवश्यकता है, जहां डेटा स्रोत एआई को एंटरप्राइज़ पारिस्थितिकी तंत्र के भीतर एक अभिनेता के रूप में सशक्त बनाने के लिए एकत्रित होते हैं। इस प्रकार, कंपनियों को नए डेटा प्रकारों के लिए उच्च गुणवत्ता वाले डेटा संपत्तियों को क्यूरेट और प्रबंधित करने की उनकी क्षमता का विस्तार करने की आवश्यकता है। इसी तरह, संगठनों को अपने डेटा और अंतर्दृष्टि की खपत दृष्टिकोण को आधुनिक बनाने की आवश्यकता है, अपने संचालन मॉडल को बदलना है और डेटा, एआई और आरएआई को एकजुट करने वाले शासन को पेश करना है।

एक टूलिंग दृष्टिकोण से, जेनएआई डेटा के संबंध में अतिरिक्त सहायता प्रदान कर सकता है। विशेष रूप से, जेनएआई टूल ऑन्टोलॉजी बना सकते हैं, मेटाडेटा बना सकते हैं, डेटा संकेतों को निकाल सकते हैं, जटिल डेटा स्कीमा को समझा सकते हैं, डेटा माइग्रेशन को स्वचालित कर सकते हैं और डेटा रूपांतरण कर सकते हैं। जेनएआई डेटा गुणवत्ता में सुधार कर सकता है और डेटा प्रबंधन विशेषज्ञों के रूप में कार्य कर सकता है या सेमी-स्वायत्त एजेंटों के रूप में कार्य कर सकता है। पहले से ही, कई संगठन जेनएआई का उपयोग डेटा को लोकतांत्रिक बनाने में मदद के लिए करते हैं, जैसा कि ‘अपने डेटा से बात करें’ की क्षमता में देखा जा सकता है।

तेजी से बदलाव के युग में निरंतर अपनाना

एक एलएलएम अपने आप में मूल्य नहीं जोड़ता है और आरओआई प्राप्त नहीं करता है, लेकिन व्यवसायिक परिणाम-केंद्रित अनुप्रयोगों के हिस्से के रूप में। चुनौती यह है कि जबकि अतीत में एलएलएम की तकनीकी क्षमताएं कुछ हद तक ज्ञात थीं, आज नए क्षमताएं साप्ताहिक और कभी-कभी दैनिक रूप से उभर रही हैं, जो नए व्यवसायिक अवसरों का समर्थन करती हैं। इस तेजी से बदलाव के शीर्ष पर एक निरंतर विकसित होते नियामक और अनुपालन परिदृश्य है, जो सफलता के लिए तेजी से अनुकूलन की क्षमता को महत्वपूर्ण बनाता है।

इन नए अवसरों का लाभ उठाने के लिए आवश्यक लचीलापन तकनीक, प्रक्रियाओं और लोगों के साथ-साथ मजबूत डेटा प्रबंधन और जिम्मेदार नवाचार को लागू करते हुए व्यवसायों को सिलोस से सहयोग में मानसिकता में बदलाव की आवश्यकता को दर्शाता है। अंततः, जो कंपनियां इन नए परिदृश्यों को अपनाती हैं, वे डिजिटल परिवर्तन की अगली लहर का नेतृत्व करेंगी। व्यवसायों को तेजी से बदलाव के इस युग में निरंतर अपनाने और अनुकूलन की आवश्यकता है, जिससे वे नए अवसरों का लाभ उठा सकें और अपने प्रतिस्पर्धियों से आगे रहें।