MAPLE: A Sub-Agent Architecture for Memory, Learning, and Personalization in Agentic AI Systems
यह शोध पत्र MAPLE का प्रस्ताव करता है, जो एक नवीन सब-एजेंट आर्किटेक्चर है जो वर्तमान LLM एजेंटों की अनुकूलन क्षमता की सीमाओं को दूर करने के लिए मेमोरी, लर्निंग और पर्सनलाइजेशन को विशिष्ट, विशेष घटकों में अलग करता है, जो MAPLE-Personas बेंचमार्क पर पर्सनलाइजेशन स्कोर और ट्रेट इनकॉरपोरेशन में महत्वपूर्ण सुधार प्रदर्शित 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
कल्पना कीजिए कि आप एक कॉफी शॉप में जाते हैं। आप एक लाटे (latte) ऑर्डर करते हैं। बरिस्ता आपको एक ड्रिंक थमाता है, लेकिन वह गुनगुनी है, ओट मिल्क (oat milk) से बनी है (भले ही आपको ओट मिल्क बिल्कुल पसंद नहीं है), और एक चिपके हुए मग में परोसी गई है। आप एक आह भरते हैं, कुछ नहीं कहते और चले जाते हैं।
अगले दिन, आप वापस आते हैं। आप बिल्कुल वही चीज़ ऑर्डर करते हैं। बरिस्ता आपको बिल्कुल वही गुनगुनी ओट मिल्क वाली लाटे उसी चिपके हुए मग में थमाता है।
आप सोच सकते हैं, "इस बरिस्ता की याददाश्त बहुत खराब है।" लेकिन वास्तव में, बरिस्ता वही कर रहा है जो उसे बताया गया है: वह एक स्क्रिप्ट का पालन कर रहा है। उसे नहीं पता कि पिछली बार आपको क्या पसंद नहीं आया, उसे नहीं पता कि इसे कैसे ठीक किया जाए, और उसे नहीं पता कि आज क्या अलग किया जाए।
यह बिल्कुल वर्तमान AI सहायकों के साथ होने वाली समस्या है। वे बातें तो कर सकते हैं, लेकिन वे वास्तव में आपके लिए सीखते या अनुकूलित (adapt) नहीं होते।
जिस पेपर के बारे में आप पूछ रहे हैं, MAPLE, एक नया और शानदार तरीका प्रस्तावित करता है जिससे AI को बनाया जा सके ताकि वह "स्क्रिप्ट फॉलो करने वाला" न रहकर एक "पर्सनल असिस्टेंट" बन सके।
यहाँ इसका सरल विवरण दिया गया है कि MAPLE कैसे काम करता है, एक रचनात्मक उपमा (analogy) का उपयोग करके।
समस्या: "एक-दिमाग" वाली गलती
वर्तमान में, अधिकांश AI सिस्टम एक ही बड़े दिमाग के साथ एक साथ तीन बहुत अलग काम करने की कोशिश करते हैं:
- याद रखना (Remembering): तथ्य (जैसे आपका नाम या यह कि आपको ओट मिल्क पसंद नहीं है)।
- पैटर्न सीखना (Learning): पैटर्न पहचानना (जैसे यह महसूस करना कि आप सोमवार को हमेशा चिड़चिड़े हो जाते हैं और आपको पहले कॉफी की जरूरत होती है)।
- निजीकरण करना (Personalizing): प्रतिक्रिया को व्यक्तिगत बनाना (जैसे सोमवार को आपको एक गर्म लाटे साफ मग में परोसना क्योंकि आज सोमवार है)।
पेपर का तर्क है कि इन तीनों को एक साथ करने की कोशिश करना एक शेफ से रात का खाना बनाने, बर्तन धोने और मेनू डिजाइन करने के लिए एक ही समय में कहने जैसा है। वे भ्रमित हो जाते हैं, और भोजन (AI की प्रतिक्रिया) खराब हो जाता है।
समाधान: द MAPLE टीम
MAPLE इस AI को तीन विशिष्ट उप-टीमों (या उप-एजेंटों) में विभाजित करने का सुझाव देता है जो एक साथ काम करती हैं लेकिन जिनके काम बहुत अलग हैं। इसे एक उच्च श्रेणी के रेस्टोरेंट की रसोई की तरह समझें।
1. मेमोरी (वेयरहाउस मैनेजर)
- काम: यह टीम केवल स्टोरेज है। यह एक विशाल, व्यवस्थित गोदाम है।
- यह क्या करता है: जब आप कहते हैं, "मुझे ओट मिल्क पसंद नहीं है," तो वेयरहाउस मैनेजर इसे एक कार्ड पर लिख देता है और "सारा" लेबल वाले बॉक्स में रख देता है। यह तय नहीं करता कि आपको यह क्यों पसंद नहीं है या इस जानकारी का उपयोग कैसे किया जाए। यह बस यह सुनिश्चित करता है कि जानकारी सुरक्षित रहे और बाद में आसानी से मिल सके।
- उपमा: यह एक लाइब्रेरियन की तरह है जिसे पता है कि हर किताब कहाँ है, लेकिन वह किताबें पढ़ता नहीं है और न ही यह तय करता है कि कौन सी अच्छी हैं।
2. लर्निंग (डिटेक्टिव/जासूस)
- काम: यह टीम बैकग्राउंड में काम करती है, ग्राहकों से दूर। यह वह जासूस है जो केस फाइलों का अध्ययन करता है।
- यह क्या करता है: जासूस उन सभी नोट्स को देखता है जो वेयरहाउस मैनेजर ने एकत्र किए हैं। वे एक पैटर्न देखते हैं: "जब भी सारा सोमवार को कॉफी ऑर्डर करती है, वह तनाव में दिखती है। जब भी हम उसे ओट मिल्क देते हैं, वह बुरा रिव्यू छोड़ देती है।" जासूस डॉट्स को जोड़ता है और एक नई रिपोर्ट लिखता है: "सारा गर्म कॉफी पसंद करती है, बिना ओट मिल्क के, और जब वह तनाव में होती है तो उसे अतिरिक्त चीनी चाहिए।"
- उपमा: यह वह "अहा!" वाला क्षण है। यह केवल डेटा स्टोर करना नहीं है; यह डेटा के पीछे की कहानी को समझना है।
3. पर्सनलाइजेशन (कॉन्सिएर्ज/कंसीर्ज)
- काम: यह ऑपरेशन का चेहरा है। वे वास्तविक समय (real-time) में आपसे बात करते हैं।
- यह क्या करता है: जब आप अंदर आते हैं और ऑर्डर करते हैं, तो कंसीर्ज डिटेक्टिव की नवीनतम रिपोर्ट चेक करता है। वे सिर्फ यह नहीं पूछते, "आपको क्या चाहिए?" वे कहते हैं, "गुड मॉर्निंग, सारा! मैं देख पा रहा हूँ कि आज आप तनाव में हैं, इसलिए मैंने पहले ही अतिरिक्त चीनी के साथ एक गर्म लाटे बिना ओट मिल्क के शुरू कर दी है। क्या यह सही है?"
- उपमा: यह वह वेटर है जो आपका नाम, आपकी पसंदीदा मेज और यह कि आपको नट्स से एलर्जी है, सब याद रखता है, जिससे आप तुरंत विशेष और समझा हुआ महसूस करते हैं।
वे एक साथ कैसे काम करते हैं (मैजिक लूप)
पुराने तरीके में, AI एक साथ सब कुछ करने की कोशिश करता है, और अक्सर याद रखने या सीखने में विफल रहता है। MAPLE में, प्रक्रिया इस प्रकार चलती है:
- आप एक प्रश्न पूछते हैं।
- कंसीर्ज (पर्सनलाइजेशन), वेयरहाउस (मेमोरी) से आपकी फाइल मांगता है।
- वेयरहाउस आपकी फाइल सौंप देता है।
- कंसीर्ज उस फाइल का उपयोग करके आपको अभी के लिए एक सटीक, अनुकूलित उत्तर देता है।
- इस बीच, बैक ऑफिस में: डिटेक्टिव (लर्निंग) चुपचाप आपकी बातचीत का ट्रांसक्रिप्ट पढ़ रहा है। वे महसूस करते हैं, "ओह, सारा वास्तव में मंगलवार को कॉफी के बजाय चाय पसंद करती है!"
- डिटेक्टिव वेयरहाउस में फाइल को अपडेट करता है।
- अगली बार जब आप आते हैं, तो कंसीर्ज के पास नई जानकारी तैयार होती है, और चक्र और भी स्मार्ट होता जाता है।
यह क्यों मायने रखता है
पेपर ने इस सिस्टम का परीक्षण एक "डम्ब" (मूर्ख) AI के मुकाबले किया जो चीजें याद तो रखता है लेकिन उनसे सीखता नहीं है।
- डम्ब AI: इसे 5 में से लगभग 4.2 का स्कोर मिला। यह ठीक था, लेकिन सामान्य था।
- MAPLE AI: इसे 5 में से 4.8 का स्कोर मिला।
- बड़ी जीत: MAPLE AI ने आपके विशिष्ट व्यक्तित्व लक्षणों का उपयोग 75% बार सफलतापूर्वक किया, जबकि पुराने सिस्टम के लिए यह केवल 45% था।
निचोड़ (The Bottom Line)
MAPLE हमें सिखाता है कि एक ऐसा AI बनाने के लिए जो वास्तव में आपको "जानता" हो, हमें केवल उसे बड़ी मेमोरी देने की जरूरत नहीं है। हमें इसे विशिष्ट भूमिकाएँ देनी होंगी:
- तथ्यों को स्टोर करने के लिए एक हिस्सा।
- उन तथ्यों का क्या अर्थ है यह समझने के लिए एक हिस्सा।
- उस ज्ञान पर तुरंत कार्य करने के लिए एक हिस्सा।
इन कामों को अलग करके, AI एक रोबोटिक स्क्रिप्ट-कीपर बनना बंद कर देता है और एक वास्तविक साथी बन जाता है जो आपके साथ सीखता है, अनुकूलित होता है और विकसित होता है। यह एक ऐसे बरिस्ता के बीच का अंतर है जो सिर्फ रेसिपी का पालन करता है और एक ऐसे बरिस्ता के बीच का अंतर है जो आपको आपसे भी बेहतर जानता 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।