Mesh Memory Protocol: Semantic Infrastructure for Multi-Agent LLM Systems
मेश मेमोरी प्रोटोकॉल (MMP) मल्टी-एजेंट एलएलएम (LLM) प्रणालियों के लिए एक सिमेंटिक इंफ्रास्ट्रक्चर लेयर पेश करता है जो चार प्रिमिटिव्स—CAT7 स्कीमा, SVAF मूल्यांकन, इंटर-एजेंट लीनेज और रीमिक्स स्टोरेज—को लागू करके क्रॉस-सेशन संज्ञानात्मक सहयोग को सक्षम बनाता है ताकि ग्रैनुलर फील्ड-लेवल स्वीकृति, पूर्ण क्लेम ट्रेसेबिलिटी और प्रासंगिक मेमोरी पर्सिस्टेंस सुनिश्चित की जा सके।
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 बुद्धिमान, अति-विशेषज्ञ रोबोटों की एक टीम का हिस्सा हैं जो एक विशाल प्रोजेक्ट पर मिलकर काम कर रहे हैं, जिसे पूरा होने में हफ्तों लगते हैं। वे केवल ईमेल नहीं भेजते; वे लगातार विचारों को साझा करते हैं, बहस करते हैं और दुनिया की एक साझा समझ विकसित करते हैं।
लेकिन यहाँ एक समस्या है: रोबोटों की अल्पकालिक स्मृति (short-term memory) होती है। जब वे ब्रेक लेते हैं (अपना सत्र/सेशन रीस्टार्ट करते हैं), तो वे सब कुछ भूल जाते हैं। जब वे एक-दूसरे से बात करते हैं, तो वे अक्सर गलतफहमी का शिकार हो जाते हैं, एक ही बात को बार-बार दोहराते हैं, या इस बात को लेकर भ्रमित हो जाते हैं कि किसने क्या कहा था।
यह शोध पत्र एक नया "नियम पुस्तिका" पेश करता है जिसे मेश मेमोरी प्रोटोकॉल (Mesh Memory Protocol - MMP) कहा जाता है। इसे सोचने वाले रोबोटों की टीम के लिए ऑपरेटिंग सिस्टम के रूप में समझें, जो उन्हें लंबे समय तक बिना अपना मानसिक संतुलन खोए, प्रभावी ढंग से याद रखने, सीखने और सहयोग करने की अनुमति देता है।
यह कैसे काम करता है, इसके सरल अवधारणाओं और उपमाओं में विवरण यहाँ दिया गया है:
1. समस्या: AI का "ब्रोकन टेलीफोन" (Broken Telephone)
वर्तमान में, जब AI एजेंट आपस में बात करते हैं, तो वे अक्सर टेक्स्ट के बहुत बड़े हिस्से (जैसे कि एक पूरा ईमेल) इधर-उधर भेजते हैं।
- समस्या: यदि एक रोबोट कहता है, "आसमान नीला है, लेकिन कार लाल है," और दूसरे रोबोट को केवल कारों से मतलब है, तो पहला रोबोट गलती से दूसरा पूरा संदेश दूसरे रोबोट के दिमाग में डाल सकता है। दूसरा रोबोट "आसमान" वाले हिस्से को लेकर भ्रमित हो जाएगा।
- "गूँज" (Echo) की समस्या: कभी-कभी, रोबोट A कुछ कहता है। रोबोट B उसे दोहराता है। रोबोट C इसे सुनता है और सोचता, "ओह, यह एक नया विचार है!" और वह भी इसे फिर से दोहरा देता है। जल्द ही, पूरी टीम केवल एक-दूसरे को वापस चिल्लाकर बोल रही होती है, यह सोचकर कि वे एक गहरी बहस कर रहे हैं, जबकि वे केवल एक ही बात को गूँज रहे होते हैं।
- "भूलने की बीमारी" (Amnesia) की समस्या: जब कोई रोबोट ब्रेक के बाद रीस्टार्ट होता है, तो उसे यह याद करने के लिए कि क्या हुआ था, पूरी चैट हिस्ट्री को फिर से पढ़ना पड़ता है। यह धीमा और अव्यवस्थित है।
2. समाधान: "मेश मेमोरी प्रोटोकॉल" (MMP)
MMP इसे इस तरह बदलकर ठीक करता है कि रोबोट जानकारी कैसे साझा करते हैं। पूरे संदेश भेजने के बजाय, वे संरचित "विचार ब्लॉक" (thought blocks) साझा करते हैं।
उपमा: "सेवन-फील्ड पोस्टकार्ड" (CAT7)
कल्पना कीजिए कि हर बार जब एक रोबोट एक विचार साझा करना चाहता है, तो वह उपन्यास नहीं लिख सकता। उसे ठीक सात बॉक्स वाला एक पोस्टकार्ड भरना होगा:
- फोकस (Focus): हम किस बारे में बात कर रहे हैं?
- मुद्दा (Issue): समस्या क्या है?
- इरादा (Intent): हम क्या करना चाहते हैं?
- प्रेरणा (Motivation): हमें इसकी परवाह क्यों है?
- प्रतिबद्धता (Commitment): हम क्या करने का वादा कर रहे हैं?
- परिप्रेक्ष्य (Perspective): कौन बोल रहा है? (जैसे, "सुरक्षा विशेषज्ञ" बनाम "गति विशेषज्ञ")
- मूड (Mood): बोलने वाला कैसा महसूस कर रहा है? (जैसे, आत्मविश्वासी, थका हुआ, तत्काल)
यह क्यों मदद करता है: यह प्रत्येक रोबोट को अपने जटिल विचारों को सरल, तुलनीय टुकड़ों में तोड़ने के लिए मजबूर करता है। यह ऐसा है जैसे सभी को एक विशिष्ट बोली बोलने के लिए मजबूर करना ताकि वे एक-दूसरे को पूरी तरह से समझ सकें।
उपमा: "व्यक्तिगत फ़िल्टर" (SVAF)
जब रोबोट B, रोबोट A से यह पोस्टकार्ड प्राप्त करता है, तो वह इसे आँख बंद करके नहीं पढ़ता। उसके पास अपने काम के आधार पर एक व्यक्तिगत फ़िल्टर होता है।
- यदि रोबोट B एक सुरक्षा विशेषज्ञ (Safety Expert) है, तो उसे "प्रतिबद्धता" और "मुद्दा" बॉक्स की बहुत परवाह है, लेकिन वह "मूड" को अनदेखा कर देता है।
- यदि रोबोट B एक रचनात्मक लेखक (Creative Writer) है, तो उसे "प्रेरणा" और "परिप्रेक्ष्य" की परवाह है।
जादू: रोबोट B कह सकता है, "मैं आपके 'मुद्दे' और 'प्रतिबद्धता' को स्वीकार करता हूँ (क्योंकि वे मेरे सुरक्षा नियमों से मेल खाते हैं), लेकिन मैं आपके 'मूड' को अस्वीकार करता हूँ (क्योंकि मैं इसके लिए बहुत गंभीर हूँ)।"
- परिणाम: टीम को एक साथ काम करने के लिए हर चीज़ पर सहमत होने की आवश्यकता नहीं है। वे भावनाओं पर असहमत होते हुए भी तथ्यों पर सहमत हो सकते हैं और आगे बढ़ सकते हैं। यह "पूरे संदेश" को खारिज करने की समस्या को हल करता है।
उपमा: "वंश वृक्ष" (Lineage)
हर बार जब कोई रोबोट जानकारी के किसी हिस्से को स्वीकार करता है, तो वह केवल उसकी नकल नहीं करता। वह एक नया संस्करण बनाता है, जिस पर एक "वंश वृक्ष" (Family Tree) टैग लगा होता है।
- वह लिखता है: "मैंने रोबोट A के विचार को लिया, उसे अपने सुरक्षा लेंस से फ़िल्टर किया, और इसका एक नया संस्करण बनाया।"
- यह क्यों मदद करता है: यदि टीम बहस करने लगती है, तो वे विचार को उसके स्रोत तक ट्रैक कर सकते हैं। वे तुरंत देख सकते हैं, "रुको, यह विचार मूल रूप से रोबोट A से आया था, न कि किसी नई खोज से!" यह "इको चैंबर" प्रभाव को रोकता है जहाँ रोबोट बिना यह जाने एक-दूसरे को दोहराते हैं कि वे क्या कर रहे हैं।
उपमा: "कुकिंग रेसिपी" (Remix)
यह सबसे महत्वपूर्ण हिस्सा है। जब रोबोट B एक विचार को सहेजता है, तो वह रोबोट A का कच्चा संदेश (raw message) नहीं सहेजता है।
- पुराना तरीका: कच्चा ईमेल सहेजें। बाद में, जब आपको याद करने की आवश्यकता होती है, तो आपको अच्छे हिस्सों को खोजने के लिए हजारों ईमेलों के माध्यम से खोजना पड़ता है।
- MMP तरीका: रोबोट B विचार को "पकाता" है। वह रोबोट A के तत्वों (ingredients) को लेता है, उसमें अपने स्वयं के मसाले (अपनी भूमिका और परिप्रेक्ष्य) मिलाता है, और तैयार व्यंजन (एक "Remix") को सहेजता है।
- लाभ: जब रोबोट B ब्रेक के बाद जागता है, तो उसे पूरी चैट हिस्ट्री को फिर से पढ़ने की आवश्यकता नहीं होती है। वह बस अपनी खुद की "कुकबुक" (अपने सहेजे गए Remixes) को देखता है। वह तुरंत याद करता है, "ओह हाँ, मैंने तय किया था कि कार लाल है और आसमान नीला है, जो मेरे सुरक्षा नियमों पर आधारित है।" वह शोर को नहीं, बल्कि अर्थ को याद रखता है।
3. वास्तविक दुनिया में यह क्यों मायने रखता है
शोध पत्र दिखाता है कि इस प्रणाली का उपयोग वास्तव में किया जा रहा है (एक छोटे स्टार्टअप द्वारा)।
- परिदृश्य: AI एजेंटों की एक टीम अन्य AI को प्रशिक्षित करने के लिए एक विशाल डेटासेट तैयार कर रही है।
- MMP के बिना: वे भ्रमित हो जाएंगे, खुद को दोहराएंगे, और रीस्टार्ट होने पर नियमों का ट्रैक खो देंगे।
- MMP के साथ:
- एक एजेंट कहता है, "आइए नियमों को बदलते हैं।"
- दूसरा एजेंट (अनुपालन अधिकारी/Compliance Officer) "वंश वृक्ष" की जाँच करता है, देखता है कि यह मूल समझौते का उल्लंघन करता है, और कहता है, "नहीं, रुकिए।"
- टीम बिना किसी मानवीय बॉस के हस्तक्षेप के तुरंत खुद को सुधार लेती है।
- जब एजेंट अपने कंप्यूटर रीस्टार्ट करते हैं, तो वे ठीक वहीं से शुरू करते हैं जहाँ उन्होंने छोड़ा था क्योंकि उन्होंने अपने "Remixes" को सहेजा था, न कि कच्चे चैट लॉग्स को।
सारांश
मेश मेमोरी प्रोटोकॉल (MMP) ऐसा है जैसे AI एजेंटों की एक टीम को एक साझा नोटबुक दी गई हो जिसमें एक सख्त प्रारूप (format) हो।
- प्रारूप (Format): वे 7 विशिष्ट बॉक्स में लिखते हैं (CAT7)।
- फ़िल्टर (Filter): वे केवल उन बॉक्सों को रखते हैं जो उनके विशिष्ट काम के लिए महत्वपूर्ण हैं (SVAF)।
- ट्रैक (Trace): वे हर विचार को एक "वंश वृक्ष" (Family Tree) के साथ टैग करते हैं ताकि उन्हें पता चल सके कि वह कहाँ से आया है (Lineage)।
- पकाना (Cook): वे केवल अपने "पके हुए" संस्करण को सहेजते हैं, न कि कच्चे तत्वों को (Remix)।
यह AI टीमों को दिनों या हफ्तों तक मिलकर काम करने, जो उन्होंने सीखा है उसे याद रखने, खुद को दोहराने से बचने और वास्तविक "सामूहिक बुद्धिमत्ता" (collective intelligence) बनाने की अनुमति देता है, न कि केवल भ्रमित रोबोटों का एक समूह जो एक-दूसरे पर चिल्ला रहे हों।
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।