Advances in Agentic AI: Back to the Future
यह शोध पत्र प्रमुख अवधारणाओं को परिभाषित करके, एल्गोरिदमकरण (Algorithmization) पद्धतियों के विकास का पता लगाकर, और वर्तमान LLM-आधारित रिट्रीवल सिस्टम को भविष्य के उत्पादन-स्तर के, रणनीति-आधारित B2B रूपांतरण से अलग करने के लिए एक द्वि-स्तरीय "मशीन इन मशीन लर्निंग" (M1 और M2) मॉडल पेश करके, एजेंटिक एआई (Agentic AI) के लिए एक संरचित विश्लेषणात्मक ढांचा स्थापित करता है।
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
यहाँ "एडवांसेज इन एजेंटिक एआई: बैक टू द फ्यूचर" (Advances in Agentic AI: Back to the Future) पेपर का सरल भाषा और रचनात्मक उपमाओं (analogies) के साथ अनुवाद दिया गया है।
बड़ी तस्वीर: "दिमाग" बनाम "शरीर"
कल्पना कीजिए कि आप एक सुपर-इंटेलिजेंट रोबोट बना रहे हैं।
- "सीखना" (L): यह रोबोट का दिमाग है। यह वह हिस्सा है जो किताबें पढ़ता है, गणित सीखता है और दुनिया को समझने की कोशिश करता है। पेपर का तर्क है कि यह हिस्सा एक "कमोडिटी" (commodity) बनता जा रहा है। जैसे आज हर कोई एक शक्तिशाली CPU चिप खरीद सकता है, वैसे ही हर किसी के पास शक्तिशाली AI दिमाग (जैसे लार्ज लैंग्वेज मॉडल्स) तक पहुंच है। सिर्फ सबसे स्मार्ट दिमाग होने से यह गारंटी नहीं मिलती कि आप दौड़ जीत जाएंगे।
- "मशीन" (M): यह रोबोट का शरीर, तंत्रिका तंत्र और हाथ है। यह वह तरीका है जिससे दिमाग वास्तव में वास्तविक दुनिया में काम करता है। यह वह तरीका है जिससे वह नियमों का पालन करता है, अन्य रोबोट्स से बात करता है, राज सुरक्षित रखता है, और चीजें गलत होने पर क्रैश नहीं होता।
पेपर का मुख्य बिंदु:
ज्यादातर कंपनियां वर्तमान में सबसे "स्मार्ट दिमाग" (LLMs) खरीदने के प्रति जुनूनी हैं और उम्मीद करती हैं कि यह उनके व्यवसाय को ठीक कर देगा। लेखक कहते हैं कि यह एक गलती है। असली जादू दिमाग में नहीं है; बल्कि एक ऐसा शरीर बनाने में है जो वास्तव में उस दिमाग का उपयोग करके एक जटिल कंपनी चला सके। वे इसे स्ट्रेटेजी-आधारित एजेंटिक एआई (Strategies-based Agentic AI) कहते हैं।
"मशीन" के दो प्रकार (M1 बनाम M2)
लेखक "मशीन" वाले हिस्से को दो स्तरों में विभाजित करते हैं:
1. M1: "मॉडल फैक्ट्री" (दिमाग बनाने वाला)
- यह क्या है: यह AI दिमाग को प्रशिक्षित करने के लिए आवश्यक भारी मशीनरी है। इसमें मॉडल बनाने के लिए विशाल कंप्यूटर, भारी मात्रा में डेटा और जटिल गणित शामिल है।
- उपमा: M1 को एक हाई-टेक बेकरी के रूप में सोचें जो ब्रेड का एकदम सही लोफ (loaf) बनाती है।
- समस्या: कई कंपनियां सोचती हैं कि अगर वे ब्रेड (AI मॉडल) खरीद लें, तो वे रेस्टोरेंट चला सकती हैं। लेकिन ब्रेड बनाना, रेस्टोरेंट चलाने से अलग है। बेकरी (M1) उत्पाद बनाने में तो बेहतरीन है, लेकिन उसे यह नहीं पता कि ग्राहकों की सेवा कैसे करनी है, मेनू कैसे मैनेज करना है, या हेल्थ इंस्पेक्टर को कैसे संभालना है।
- वर्तमान रुझान: आज का अधिकांश "एजेंटिक एआई" केवल M1 है। यह एक फैंसी चैटबॉट है जो कोड लिख सकता है या सवालों के जवाब दे सकता है, लेकिन यह पूरी कॉर्पोरेशन को सुरक्षित रूप से चलाने के लिए नहीं बना है।
2. M2: "ऑपरेटिंग सिस्टम" (शरीर बनाने वाला)
- यह क्या है: यह वह जटिल आर्किटेक्चर है जो AI दिमाग को लेता है और उसे एक वास्तविक व्यवसाय में प्लग करता है। यह AI को HR, फाइनेंस, साइबर सुरक्षा और लीगल टीमों से जोड़ता है। यह सुनिश्चित करता है कि AI नियमों का पालन करे और मनगढ़ंत बातें (hallucinations) न करे।
- उपमा: M2 को एक पूरे रेस्टोरेंट इकोसिस्टम के रूप में सोचें। यह किचन का लेआउट, वेटर, रिजर्वेशन सिस्टम, हेल्थ कोड अनुपालन और वह मैनेजर है जिसे पता है कि कब वेटर को निकालना है या मेनू बदलना है।
- लक्ष्य: M2 वह है जो एक "कूल खिलौने" को "प्रोडक्शन-ग्रेड बिजनेस इंजन" में बदल देता है। यह कंपनी को "AI-फर्स्ट" बनने की अनुमति देता है, जिसका अर्थ है कि पूरा संगठन एक समन्वित मशीन की तरह काम करता है, न कि केवल एक चैट बॉक्स में टाइप करने वाले व्यक्ति की तरह।
इतने सारे AI प्रोजेक्ट क्यों विफल हो रहे हैं? (95% विफलता दर)
पेपर समझाता है कि 95% AI प्रोजेक्ट इसलिए विफल नहीं होते क्योंकि AI "बेवकूफ" है, बल्कि इसलिए होते हैं क्योंकि कंपनियां चौकोर टुकड़े को गोल छेद में डालने की कोशिश कर रही हैं (यानी गलत जगह इस्तेमाल कर रही हैं)।
- "वाइब कोडिंग" (Vibe Coding) का जाल: कई कंपनियां "वाइब कोडिंग" (बिना किसी ठोस योजना के बस AI से यह कहना कि "इसे काम करने दो") पर अपना व्यवसाय बनाने की कोशिश कर रही हैं।
- उपमा: यह एक जिन्न से "इसे ऊंचा बना दो" कहकर गगनचुंबी इमारत बनाने की कोशिश करने जैसा है। जिनी ईंटों का एक ऊंचा ढेर तो बना सकता है, लेकिन उसमें प्लंबिंग, बिजली या नींव नहीं होगी। वह ढह जाएगा।
- "हैलुसिनेशन" (Hallucination) की गलत समझ: लोग सोचते हैं कि AI का "हैलुसिनेट" करना (मनगढ़ंत बातें बनाना) एक बग है जिसे ठीक किया जाएगा। लेखक कहते हैं कि यह डिजाइन की एक विशेषता (feature) है। क्योंकि LLMs संभावना के आधार पर अगले शब्द का अनुमान लगाते हैं, वे जरूर कुछ न कुछ गलत बोलेंगे। यदि आप एक बैंक या अस्पताल को ऐसे सिस्टम पर बनाते हैं जो केवल अनुमान लगाता है, तो आप रेत पर निर्माण कर रहे हैं।
- प्रतिभा का गलत मिश्रण: कंपनियां "ट्रांसफॉर्मेशन" (नई चीजें बनाने वाले लोग) का नेतृत्व करने के लिए "ऑडिटर्स" (चेकबॉक्स भरने वाले लोग) को नियुक्त कर रही हैं।
- उपमा: यह एक नई फेरारी को डिजाइन करने के लिए हेल्थ इंस्पेक्टर को काम पर रखने जैसा है। इंस्पेक्टर यह जांचने में बहुत अच्छा है कि कार सुरक्षित है या नहीं, लेकिन उसे इंजन बनाना नहीं आता। आपको बदलाव लाने के लिए एक अलग तरह की प्रतिभा की आवश्यकता है।
समाधान: "स्ट्रेटेजी-आधारित" AI
AI को केवल बात करने देने के बजाय, लेखक एक ऐसा सिस्टम प्रस्तावित करते हैं जहाँ AI को मानवीय रणनीति और सख्त नियमों द्वारा निर्देशित किया जाता है।
- "ऑगमेंटेड मशीन" (Augmented Machine): एक पायलट और को-पायलट की कल्पना करें। मानव पायलट (विशेषज्ञ) मंजिल और सुरक्षा नियम निर्धारित करता है। AI को-पायलट (मशीन) विमान उड़ाता है, झटकों (turbulence) को संभालता है, और ईंधन का प्रबंधन करता है।
- "फेडरेटेड" (Federated) दृष्टिकोण: एक विशाल, डरावने AI के बजाय जो सब कुछ नियंत्रित करता है, सिस्टम को कई छोटे, विशिष्ट "स्मार्ट एजेंट्स" से बनाया जाता है।
- उपमा: मधुमक्खियों के झुंड के बारे में सोचें। कोई भी एक मधुमक्खी पूरी योजना नहीं जानती। एक मधुमक्खी फूलों की जांच करती है, दूसरी मौसम की जांच करती है, तीसरी छत्ते की रक्षा करती है। वे एक-दूसरे से बात करती हैं और मिलकर काम करती हैं। यदि एक मधुमक्खी भ्रमित हो जाती है, तो पूरा झुंड क्रैश नहीं होता। यह एक विशाल "सुपर-बी" की तुलना में अधिक सुरक्षित और लचीला है।
"बैक टू द फ्यूचर" ट्विस्ट
शीर्षक "बैक टू द फ्यूचर" इस बारे में एक मजाक है कि हम कैसे चक्कर काट रहे हैं।
- अतीत: 1990 और 2000 के दशक में, वित्त (finance) के विशेषज्ञों ने (जैसे लेखक) स्टॉक ट्रेड करने के लिए जटिल, नियम-आधारित सिस्टम बनाए थे। वे जानते थे कि केवल "स्मार्ट मॉडल" पर्याप्त नहीं थे; आपको एक मजबूत संरचना की आवश्यकता थी।
- वर्तमान: हम वापस उसी समस्या पर आ गए हैं, लेकिन अब हमारे पास "स्प्रेडशीट" के बजाय "AI" है। हम वही गलती कर रहे हैं कि केवल "स्मार्ट मॉडल" ही समाधान है, यह भूलकर कि "संरचना" (structure) भी जरूरी है।
- भविष्य: पेपर का तर्क है कि हमें पुराने जमाने के अनुशासन में वापस जाने की जरूरत है—पहले ठोस, नियम-आधारित संरचनाएं (M2) बनानी चाहिए और फिर उनमें नए AI दिमागों को प्लग करना चाहिए।
"सीक्रेट सॉस" (यह कठिन क्यों है)
लेखक स्वीकार करते हैं कि इस M2 सिस्टम को बनाना अविश्वसनीय रूप से कठिन है। यह केवल कोडिंग नहीं है; यह इनका मिश्रण है:
- मनोविज्ञान (Psychology): लोगों को काम करने के तरीके को बदलने के लिए राजी करना।
- कानून (Law): यह सुनिश्चित करना कि AI नियमों को न तोड़े।
- सुरक्षा (Security): यह सुनिश्चित करना कि हैकर्स AI को धोखा न दे सकें।
- अर्थशास्त्र (Economics): यह सुनिश्चित करना कि यह पूरा सिस्टम वास्तव में पैसा कमाता है।
उन्होंने इस सिस्टम को एक "सेंटर ऑफ एक्सीलेंस" (एक गुप्त लैब) में 10 वर्षों में बनाया, और इसे एल्गोरिथमिक ट्रेडिंग (जहाँ एक गलती लाखों का नुकसान करा सकती है) और साइबर सुरक्षा जैसी उच्च-जोखिम वाली चीजों पर परखा। क्योंकि उन्होंने इसे पहले "खतरे के क्षेत्र" में परखा है, इसलिए वे जानते हैं कि यह काम करता है।
आम आदमी के लिए सारांश
सिर्फ एक स्मार्ट AI दिमाग मत खरीदें।
यदि आप अपने व्यवसाय, देश या जीवन को चलाने के लिए AI का उपयोग करना चाहते हैं, तो आप केवल एक चैटबॉट से "इसे करो" नहीं कह सकते। आपको एक डिजिटल शरीर (M2) बनाना होगा जो चलना, बात करना, कानूनों का पालन करना और अपनी रक्षा करना जानता हो।
- M1 (दिमाग): यह सबके पास उपलब्ध है। यह एक "कमोडिटी" है।
- M2 (शरीर): यही असली प्रतिस्पर्धात्मक लाभ (competitive advantage) है। यह कस्टम-बिल्ट, नियम मानने वाला, सुरक्षित सिस्टम है जो वास्तव में काम पूरा करता है।
भविष्य उन कंपनियों का है जो केवल "प्रॉम्प्ट इंजीनियरिंग" के जरिए सफलता पाने की कोशिश करना बंद कर देंगी और एक नए प्रकार के संगठन का आर्किटेक्ट (architect) बनना शुरू करेंगी जहाँ इंसान और मशीनें एक सुव्यवस्थित मशीन की तरह मिलकर काम करेंगे।
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।