Improving Coherence and Persistence in Agentic AI for System Optimization
यह शोधपत्र एंग्राम (Engram) को प्रस्तुत करता है, जो एक एजेंटिक रिसर्चर आर्किटेक्चर है जो एक संरचित आर्काइव (Archive) और एक डिस्टिल्ड रिसर्च डाइजेस्ट (Research Digest) के माध्यम से ज्ञान को बनाए रखते हुए, लॉन्ग-होरिज़न एक्सप्लोरेशन को इटरेटिव एजेंट रन में अलग करके विकासवादी पूर्वाग्रह (evolutionary bias) और कॉन्टेक्स्ट डिग्रेडेशन की सीमाओं को दूर करता है, जिससे विविध डोमेन में उत्कृष्ट प्रदर्शन प्राप्त होता 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 अविश्वसनीय रूप से जटिल पहेली को हल करने की कोशिश कर रहे हैं, जैसे कि एक वैश्विक डिलीवरी ट्रक कंपनी के लिए सबसे कुशल मार्ग डिजाइन करना या एक विशाल पुस्तकालय को व्यवस्थित करने का सबसे सटीक तरीका खोजना। आपके पास एक शानदार, सुपर-स्मार्ट सहायक (एक AI) है जो लाखों किताबें पढ़ सकता है और कोड लिख सकता है, लेकिन इस सहायक के कुछ विशिष्ट व्यक्तित्व दोष (quirks) हैं जो नए समस्याओं को हल करना कठिन बना देते हैं।
यह पेपर इस AI के साथ काम करने का एक नया तरीका पेश करता है, जिसे Engram कहा जाता है, ताकि उन दोषों को ठीक किया जा सके।
Engram कैसे काम करता है, इसकी कहानी यहाँ दी गई है, जिसमें सरल उपमाओं (analogies) का उपयोग किया गया है।
समस्या: AI दो तरह से फंस जाता है
लेखकों ने देखा कि जब उन्होंने मानक AI सिस्टम को जटिल कंप्यूटर सिस्टम डिजाइन करने के लिए कहा, तो वे दो विशिष्ट तरीकों से विफल रहे:
1. "हथौड़ा और कील" का जाल (Evolutionary Neighborhood Bias)
कल्पना कीजिए कि आप एक टूटी हुई घड़ी को ठीक करने की कोशिश कर रहे हैं।
- पुराना तरीका: आपके पास एक रोबोट है जो घड़ी के एक छोटे से पेंच (screw) को घुमाकर उसे ठीक करने की कोशिश करता है, यह देखता है कि क्या वह तेजी से टिक-टिक करती है, फिर दूसरे पेंच को घुमाता है। वह केवल छोटे-छोटे समायोजन करता रहता है।
- समस्या: कभी-कभी, घड़ी को पेंच घुमाने की जरूरत नहीं होती; बल्कि पूरे तंत्र (mechanism) को बदलने की जरूरत होती है। लेकिन क्योंकि रोबोट केवल छोटे पेंच-घुमाने पर ध्यान दे रहा है, वह कभी यह महसूस ही नहीं कर पाता कि उसे पूरे डिजाइन को बदलने की आवश्यकता है। वह एक "लोकल ऑप्टिमम" में फंस जाता है—उसे लगता है कि वह बहुत अच्छा काम कर रहा है क्योंकि वह छोटे सुधार कर रहा है, लेकिन वह बड़ी तस्वीर को मिस कर रहा है। यह टायर के पंचर को ठीक करने के लिए रिम को पॉलिश करने जैसा है; यह चमकदार दिखता है, लेकिन कार फिर भी नहीं चलेगी।
2. "भुलक्कड़ जीनियस" (The Coherence Ceiling)
कल्पना कीजिए कि आपने एक गगनचुंबी इमारत डिजाइन करने के लिए एक प्रतिभाशाली वास्तुकार (architect) को काम पर रखा है।
- पुराना तरीका: वास्तुकार काम शुरू करता है। वह हफ्तों तक ब्लूप्रिंट बनाता है, सामग्रियों का परीक्षण करता है और असफल होता है। लेकिन क्योंकि वह आपके साथ एक ही लंबी बातचीत में काम कर रहा है, वह अंततः "ब्रेन फॉग" (दिमागी धुंध) का शिकार हो जाता है। वह दसवें सप्ताह तक पहुँचते-पहुँचते पहले सप्ताह में सीखी गई चीजों को भूल जाता है।
- समस्या: यदि आप काम पूरा करने के लिए एक नया वास्तुकार नियुक्त करते हैं, तो उसे पता ही नहीं होता कि पहले वाले ने क्या सीखा था। उसे सब कुछ फिर से शून्य से खोजना पड़ता है। ज्ञान टिकता नहीं है।
समाधान: Engram (एक "अनुसंधान टीम")
लेखकों ने Engram बनाया है, जो एक लंबे समय तक काम करने वाले कर्मचारी के बजाय शोधकर्ताओं की एक टीम को काम पर रखने जैसा है। एक AI के हमेशा काम करने के बजाय, Engram अल्पकालिक एजेंटों (short-term agents) का एक क्रम उपयोग करता है जो एक-दूसरे को जिम्मेदारी (baton) सौंपते हैं।
यहाँ प्रक्रिया चरण-दर-चरण दी गई है:
1. "ताज़ा शुरुआत" का नियम (The "Fresh Start" Rule)
एक AI द्वारा महीनों तक सब कुछ याद रखने के बजाय, Engram प्रत्येक "शिफ्ट" के लिए एक नया AI एजेंट उपयोग करता है।
- उपमा: रिले रेस के बारे में सोचें। धावक A कुछ देर दौड़ता है, फिर धावक B को बैटन सौंपता है। धावक B को पूरी दौड़ याद रखने की आवश्यकता नहीं है; उसे बस इतना जानना है कि धावक A कहाँ छोड़ा था।
- यह क्यों मदद करता है: प्रत्येक नया एजेंट एक ताज़ा दिमाग के साथ शुरू करता है। उन्हें "ब्रेन फॉग" या भूलने की बीमारी नहीं होती क्योंकि उनका कॉन्टेक्स्ट विंडो (उनकी अल्पकालिक स्मृति) हमेशा ताज़ा रहती है।
2. "अनुसंधान सारांश" (The "Research Digest" - गुप्त सूत्र)
जब एक एजेंट अपनी शिफ्ट समाप्त करता है, तो वह केवल काम छोड़कर नहीं जाता। वह एक रिसर्च डाइजेस्ट (अनुसंधान सारांश) लिखता है।
- उपमा: कल्पना कीजिए कि एक जासूस अगला जासूस को केस सौंपने से पहले एक केस फाइल लिखता है। वह फाइल केवल यह नहीं कहती कि "मैंने यह कोशिश की और यह विफल रहा।" वह कहती है: "मैंने दरवाजा लॉक करने की कोशिश की, लेकिन चोर खिड़की से अंदर आया। इसलिए, अगली बार, केवल दरवाजा लॉक न करें; खिड़कियों की जांच करें। साथ ही, चोर शोर से डरता है।"
- डाइजेस्ट में क्या होता है: इसमें उच्च-स्तरीय अंतर्दृष्टि (insights), क्या काम किया, क्या विफल रहा, और क्यों विफल रहा, शामिल है। यह अव्यवस्थित कोड और लॉग्स को हटा देता है, केवल "ज्ञान/बुद्धिमत्ता" को रखता है।
- हैंडऑफ (सौंपना): अगला एजेंट शुरू करने से पहले इस डाइजेस्ट को पढ़ता है। वह तुरंत समझ जाता है, "ठीक है, मुझे फिर से दरवाजे का लॉक आज़माने की ज़रूरत नहीं है; मुझे खिड़कियों पर ध्यान केंद्रित करना चाहिए।"
3. "अभिलेखागार" (The "Archive" - पुस्तकालय)
डाइजेस्ट के साथ-साथ, एजेंट सारा कच्चा डेटा (कोड, लॉग, परीक्षण परिणाम) एक विशाल आर्काइव (अभिलेखागार) में सहेज लेता है।
- उपमा: यह एक पुस्तकालय की तरह है। यदि अगला एजेंट पिछले एजेंट द्वारा बनाया गया सटीक ब्लूप्रिंट देखना चाहता है, तो वह लाइब्रेरी में जा सकता है और उसे निकाल सकता है। उन्हें वह सब कुछ अपने दिमाग में ले जाने की आवश्यकता नहीं है; वे बस ज़रूरत पड़ने पर जो चाहिए उसे निकाल लेते हैं।
यह एक बड़ी बात क्यों है
पेपर ने तीन बहुत कठिन समस्याओं पर Engram का परीक्षण किया:
- क्लाउड मल्टीकास्ट (Cloud Multicast): दुनिया भर के कई कंप्यूटरों तक डेटा भेजने का सबसे सस्ता तरीका खोजना।
- LLM रिक्वेस्ट रूटिंग (LLM Request Routing): यह तय करना कि उपयोगकर्ता के अनुरोध को तेज़ बनाने के लिए किस AI सर्वर को संभालना चाहिए।
- डेटाबेस ऑप्टिमाइज़ेशन (Database Optimization): डेटा को इस तरह व्यवस्थित करना ताकि AI इसे तेज़ी से पढ़ सके।
परिणाम:
- इंसानों को पछाड़ना: क्लाउड समस्या में, Engram ने एक ऐसा समाधान खोजा जो वास्तव में मानव विशेषज्ञों द्वारा बनाए गए सर्वश्रेष्ठ समाधान से भी बेहतर था।
- अन्य AI को पछाड़ना: इसने अन्य AI विधियों को हराया जो या तो छोटे बदलावों में फंस जाते थे (हथौड़ा और कील का जाल) या जो सीखा हुआ भूल जाते थे (भुलक्कड़ जीनियस)।
- विफलता को सहना: क्योंकि एजेंट डाइजेस्ट पढ़ते हैं, वे कुछ ऐसा आज़माने से नहीं डरते जो पहली नज़र में विफल होता दिख सकता है। वे जानते हैं कि एक अस्थायी विफलता एक मूल्यवान सबक सिखा सकती है जो बाद में एक बड़ी जीत की ओर ले जाती है।
निष्कर्ष (The Takeaway)
Engram एक ऐसा सिस्टम है जो AI अनुसंधान को एक एकल कार्य के बजाय एक वैज्ञानिक टीम की तरह मानता है। काम को छोटी शिफ्टों में तोड़कर और प्रत्येक शोधकर्ता से उनके सीखे गए सबक का स्पष्ट सारांश लिखवाकर, यह प्रणाली उन समस्याओं को हल कर सकती है जो एक अकेले AI के लिए बहुत जटिल हैं। यह मानवीय शोधकर्ता की रचनात्मकता को एक ऐसी टीम की दृढ़ता के साथ जोड़ता है जो कभी कोई सबक नहीं भूलती।
संक्षेप में: AI को यह न भूलने दें कि उसने क्या सीखा है। इसे लिखें, आगे बढ़ाएं, और आगे बढ़ते रहें।
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।