Measuring Agents in Production
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आपने अविश्वसनीय रूप से स्मार्ट, रोबोटिक सहायकों (AI Agents) का एक बेड़ा तैयार किया है जो कोडिंग लिखने, वित्त प्रबंधन करने या चिकित्सा संबंधी समस्याओं का निदान करने जैसे जटिल कार्य कर सकते हैं। तकनीकी दुनिया उत्साह से भरी हुई है, यह कल्पना करते हुए कि ये रोबोट स्वायत्त रूप से दुनिया चला रहे हैं।
लेकिन यहाँ एक मोड़ है: वास्तविक दुनिया में अभी जो रोबोट चल रहे हैं, वे साइंस-फिक्शन फिल्मों वाले सुपर-ऑटोनॉमस, "सब कुछ करने वाले" रोबट नहीं हैं। वे अधिक सतर्क, अत्यधिक पर्यवेक्षित इंटर्न (interns) की तरह हैं।
यह शोध पत्र, जिसका शीर्षक "Measuring Agents in Production" (MAP) है, इस बात की पहली प्रमुख रिपोर्ट कार्ड है कि ये AI सहायक वास्तव में कंपनियों में क्या कर रहे हैं। शोधकर्ताओं ने केवल अनुमान नहीं लगाया; उन्होंने इन प्रणालियों को बनाने वाली 20 टीमों का साक्षात्कार लिया और 86 वास्तविक दुनिया के डिप्लॉयमेंट का सर्वेक्षण किया।
यहाँ उनके निष्कर्ष दिए गए हैं, जिन्हें सरल भाषा में समझाया गया है:
1. कंपनियाँ इन रोबोटों को क्यों बना रही हैं?
लक्ष्य: समय बचाने और अधिक काम करने के लिए।
उपमा: एक कारखाने की कल्पना करें। बॉस एक ऐसा रोबोट बनाने की कोशिश नहीं कर रहा है जो शून्य से एक नया कार इंजन आविष्कृत कर सके। वे एक ऐसा रोबട്ട് चाहते हैं जो हिस्सों को इंसान से 10 गुना तेजी से असेंबल कर सके।
- 80% टीमों ने कहा कि उन्होंने इन एजेंटों को उत्पादकता (productivity) बढ़ाने के लिए बनाया है।
- वे अभी पूरी तरह से इंसानों को बदलने की कोशिश नहीं कर रहे हैं; वे मुख्य रूप से मानव कर्मचारियों (जैसे डॉक्टरों, इंजीनियरों या ग्राहक सेवा प्रतिनिधियों) को उनका काम तेजी से करने में मदद कर रहे हैं।
- आश्चर्य: वे आपकी सोच के विपरीत "जोखिम को कम करने" या "विशेषज्ञता को कम करने" के लिए इन्हें नहीं बना रहे हैं। मुख्य चालक बस काम को तेजी से पूरा करना है।
2. इन्हें वास्तव में कैसे बनाया जाता है? (द "सीक्रेट सॉस")
यदि आप अनुसंधान प्रयोगशालाओं को देखते हैं, तो वे अधिक जटिल, स्वायत्त रोबोट बनाने की कोशिश करते हैं। लेकिन वास्तविक दुनिया में, कंपनियाँ इसके ठीक विपरीत कर रही हैं। वे सरलता और नियंत्रण को चुन रही हैं।
- "ऑफ-द-शेल्फ" नियम: 70% इन एजेंटों के पास अपना कस्टम दिमाग नहीं होता है। वे बस शक्तिशाली, पहले से बने AI मॉडल (जैसे कि वे जिनके बारे में आपने सुना होगा) का उपयोग करते हैं और उन्हें बहुत विशिष्ट निर्देश देते हैं। वे दिमाग को फिर से प्रशिक्षित (retraining) नहीं कर रहे हैं; वे बस उसके लिए बेहतर मैनुअल लिख रहे हैं।
- "शॉर्ट शिफ्ट" नियम: अनुसंधान में, एजेंट किसी समस्या को अपने आप 100 चरणों में हल करने की कोशिश कर सकते हैं। उत्पादन (production) में, 68% एजेंटों को 10 चरणों के बाद रोक दिया जाता है और अपने काम की जांच के लिए मानव से प्रतीक्षा करने को कहा जाता है।
- उपमा: इसे एक GPS की तरह समझें। एक रिसर्च रोबोट बिना ड्राइवर के गंतव्य तक जाने की पूरी कोशिश कर सकता है। एक प्रोडक्शन रोबोट 10 मिनट तक चलता है, फिर रुकता है और आगे बढ़ने से पहले पूछता है, "क्या यह सही मोड़ है?"
- "ह्यूमन इन द लूप" नियम: 74% समय, एक इंसान अंतिम निर्णायक होता है। रोबोट एक उत्तर का सुझाव देता है, लेकिन इसे भेजने से पहले एक इंसान को "हाँ, यह सही है" कहना होता है।
3. उन्हें कैसे पता चलता है कि रोबोट अच्छा काम कर रहा है?
यह सबसे बड़े सिरदर्द में से एक है।
- कोई मानक परीक्षण नहीं: AI एजेंटों के लिए अभी तक कोई "SAT टेस्ट" नहीं है। 75% टीमें औपचारिक बेंचमार्क का उपयोग नहीं करती हैं क्योंकि उन्हें बनाना बहुत कठिन है या उनके विशिष्ट कार्य के लिए वे मौजूद ही नहीं हैं।
- "ह्यूमन जज" विधि: कंप्यूटर द्वारा रोबोट को ग्रेड देने के बजाय, इंसान ग्रेडर हैं। विशेषज्ञ रोबोट के काम को देखते हैं और कहते हैं, "अच्छा काम किया" या "फिर से प्रयास करें।"
- "A/B टेस्ट" विधि: कभी-कभी वे बस रोबोट को एक इंसान या पुराने सॉफ़्टवेयर सिस्टम के साथ चलाते हैं ताकि यह देखा जा सके कि कौन सा कार्य तेजी से पूरा होता है।
4. सबसे बड़ी समस्या क्या है?
विश्वसनीयता (Reliability)।
- समस्या: सबसे बड़ा डर यह नहीं है कि रोबोट "मूर्ख" है; बल्कि यह है कि वह कोई गलती कर सकता है और कुछ अजीब या खतरनाक कर सकता है।
- समाधान: कंपनियाँ इसे रोबोट को "स्मार्टर" बनाकर ठीक करने की कोशिश नहीं कर रही हैं (जो कठिन है)। वे इसे गार्डरेल्स (guardrails) लगाकर ठीक कर रही हैं।
- वे रोबोट द्वारा लिए जाने वाले चरणों की संख्या को सीमित करते हैं।
- वे रोबोट को कुछ भी जोखिम भरा करने से पहले अनुमति मांगने के लिए मजबूर करते हैं।
- वे वास्तविक डेटा को छूने से पहले रोबोट को एक "सैंडबॉक्स" (एक सुरक्षित, नकली वातावरण) में चलाते हैं।
5. उन्हें कितनी तेजी से होने की आवश्यकता है?
- उपमा: आपको घास काटने के लिए फॉर्मूला 1 कार की आवश्यकता नहीं है।
- वास्तविकता: इनमें से अधिकांश एजेंट आश्चर्यजनक रूप से धीमे हैं। 66% को एक कार्य पूरा करने में मिनट (या घंटों भी) लग सकते हैं।
- क्यों? क्योंकि वे आमतौर पर बैकग्राउंड वर्क (जैसे बीमा दावों को प्रोसेस करना या फाइलों को व्यवस्थित करना) कर रहे होते हैं। जब तक वे इंसान की तुलना में तेजी से काम पूरा करते हैं (भले ही इसमें 5 मिनट लगें), उन्हें सफल माना जाता है। उन्हें वॉइस असिस्टेंट की तरह तत्काल होने की आवश्यकता नहीं है।
मुख्य निष्कर्ष
पेपर निष्कर्ष निकालता है कि वास्तविक दुनिया में सफल AI सबसे स्वायत्त, जटिल AI बनाने के बारे में नहीं है। यह सरल, नियंत्रणीय उपकरण बनाने के बारे में है जो मनुष्यों के साथ अच्छी तरह से काम करते हैं।
कंपनियाँ जानबूझकर "बोरिंग" और सुरक्षित होना चुन रही हैं। वे उस रोबोट के "कूल फैक्टर" का सौदा करती हैं जो अपने आप सब कुछ कर सकता है, एक ऐसे रोबोट की विश्वसनीयता के लिए जो काम का एक छोटा हिस्सा पूरी तरह से करता है और फंस जाने पर मदद के लिए इंसान से पूछता है।
संक्षेप में: आज के AI एजेंट "जार्विस" (आयरन मैन से पूरी तरह स्वायत्त AI) की तरह कम और एक बहुत ही मददगार, थोड़े घबराए हुए सहायक की तरह अधिक हैं जो ईमेल भेजने से पहले अपने बॉस के साथ सब कुछ दोबारा चेक करता है। और यही चीज़ उन्हें वास्तविक दुनिया में सफल बनाती है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।