Self-Evolving Software Agents
यह शोध पत्र एक स्व-विकसित (self-evolving) सॉफ्टवेयर एजेंट आर्किटेक्चर प्रस्तुत करता है जो गतिशील मल्टी-एजेंट परिवेशों में अनुभव के आधार पर लक्ष्यों, तर्क और निष्पादन योग्य कोड को स्वायत्त रूप से अपडेट करने के लिए BDI रीजनिंग को लार्ज लैंग्वेज मॉडल्स (LLMs) के साथ एकीकृत करता है, जो LLM-संचालित सॉफ्टवेयर विकास की व्यवहार्यता और वर्तमान सीमाओं दोनों को 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
एक रोबोट शेफ की कल्पना कीजिए। अतीत में, यदि आप चाहते थे कि यह शेफ केक बनाना सीख जाए, तो एक मानव प्रोग्रामर को शेफ की रेसिपी बुक को फिर से लिखने के लिए बैठना पड़ता था। शेफ निर्देशों का पूरी तरह से पालन कर सकता था, लेकिन वह अपने आप एक नई रेसिपी बनाने का निर्णय नहीं ले सकता था। वह उन लक्ष्यों और कौशलों तक सीमित था जो उसे बनाते समय दिए गए थे।
यह शोध पत्र एक नए प्रकार के "स्व-विकसित" (self-evolving) सॉफ्टवेयर एजेंट को पेश करता है जो एक ऐसे शेफ की तरह कार्य करता है जो न केवल रेसिपी का पालन करता है बल्कि नई रेसिपी लिख सकता है, अपने स्वयं के खाना पकाने के दर्शन को बदल सकता है, और काम करते समय नए रसोई उपकरण भी बना सकता है।
यहाँ लेखक, मार्को रोबोल और पाओलो जियोर्गिनी, इस सफलता की व्याख्या इस प्रकार करते हैं:
समस्या: "हार्ड-सेट" रोबोट
वर्तमान में, अधिकांश स्मार्ट कंप्यूटर प्रोग्राम (एजेंट) जीपीएस सिस्टम की तरह होते हैं। वे ट्रैफिक होने पर आपको रास्ता बदल सकते हैं (वे वातावरण के अनुकूल ढल सकते हैं), लेकिन वे अपना गंतव्य बदलने या वहां पहुंचने का नया तरीका खोजने का निर्णय नहीं ले सकते। उनके लक्ष्य और नियम मनुष्यों द्वारा शुरू करने से पहले ही "हार्ड-कोडेड" होते हैं। वे अनुकूलित हो सकते हैं, लेकिन वे वास्तव में विकसित नहीं हो सकते।
समाधान: एक दो-मस्तिष्क प्रणाली (Two-Brain System)
लेखक एक ऐसी प्रणाली का प्रस्ताव करते हैं जो दो शक्तिशाली विचारों को जोड़ती है:
- BDI (Belief-Desire-Intention): इसे एजेंट का "दैनिक मस्तिष्क" समझें। यह लगातार दुनिया को देखता है, यह तय करता है कि वह क्या करना चाहता है, और उसे करने के लिए एक योजना चुनता है।
- LLM (Large Language Model): यह "रचनात्मक वास्तुकार" (creative architect) है। यह AI का वह हिस्सा है जो भाषा को समझ सकता है, नए विचारों की कल्पना कर सकता है और कोड लिख सकता है।
जादू तब होता है जब एक विशेष "इवोल्यूशन मॉड्यूल" (Evolution Module) दैनिक मस्तिष्क के साथ चलता है।
यह कैसे काम करता है: "नाइट स्कूल" की उपमा
कल्पना कीजिए कि एजेंट दिन के दौरान काम करने वाला एक छात्र है (BDI लूप)। जब वह ऐसी समस्या का सामना करता है जिसे वह हल नहीं कर सकता—जैसे कि एक ऐसा दरवाजा खोलने की कोशिश करना जिसमें हैंडल नहीं है—तो वह हार नहीं मानता।
इसके बजाय, वह रुकता है और अपने "नाइट स्कूल" (इवोल्यूशन मॉड्यूल) को बुलाता है। यह मॉड्यूल एक शिक्षक की तरह कार्य करता है जो कहता है:
- "तुम इसलिए असफल हुए क्योंकि तुम्हारे पास इसके लिए कोई उपकरण नहीं है।"
- "आइए एक नया लक्ष्य बनाएं: 'दरवाजा खोलने का तरीका खोजें'।"
- "आइए एक नई योजना लिखें और यहाँ तक कि एक नया उपकरण (कोड) भी बनाएं जिसे करने के लिए।"
एजेंट फिर इस नई योजना को आजमाता है। यदि यह सफल होता है, तो वह नए उपकरण और नए लक्ष्य को अपनी स्थायी मेमोरी में रखता है। यदि यह विफल होता है, तो वह उस विचार को त्याग देता है। समय के साथ, एजेंट अपने स्वयं के आविष्कारों का एक पुस्तकालय बनाता है, बिना किसी मानव प्रोग्रामर के कोड को छुए अपने स्वयं के "डीएनए" को बदलता है।
प्रयोग: शून्य से सीखना
टीम ने एक प्रोटोटाइप बनाया और उसे एक व्यस्त, बदलते डिजिटल संसार (एक फूड डिलीवरी ऐप से प्रेरित) में रखा। उन्होंने एजेंट को लगभग कुछ भी नहीं दिया—बस दुनिया का एक बुनियादी विवरण और कुछ सरल उपकरण। उन्होंने उसे यह नहीं बताया कि क्या करना है।
परिणाम:
- सफलता: एजेंट ने खुद ही समझ लिया कि उसे कुछ चीजें करने की आवश्यकता है (जैसे पैकेज डिलीवर करना) और उसने इसे करने के लिए कोड लिखा। उसने लगभग शून्य पूर्व ज्ञान से नए लक्ष्य खोजे और नए व्यवहार बनाए।
- चुनौती: पेपर स्वीकार करता है कि सिस्टम अभी भी पूर्ण नहीं है। कभी-कभी, जब वातावरण बहुत जटिल हो जाता है, तो एजेंट अपने पुराने सफल तरीकों को याद रखने या अपने नए व्यवहारों को स्थिर रखने में संघर्ष करता है। यह एक ऐसे छात्र की तरह है जो एक नया गणित का सूत्र सीखता है लेकिन बुनियादी जोड़ करना भूल जाता है।
मुख्य निष्कर्ष
यह शोध पत्र दिखाता है कि हम ऐसे सॉफ्टवेयर बना सकते हैं जो केवल आदेशों का पालन नहीं करता बल्कि खुद को नए कौशल सिखा सकता है और अपने स्वयं के निर्देश मैनुअल को फिर से लिख सकता है। हालांकि यह अभी भी कुछ शुरुआती समस्याओं (विशेष रूप से स्थिरता और पिछले सबक याद रखने के संबंध में) के साथ एक प्रोटोटाइप है, यह सिद्ध करता है कि स्व-विकसित होने वाले सॉफ्टवेयर का विचार संभव है। अगला कदम इन एजेंटों को यह सिखाना है कि वे अपने पाठों को बेहतर ढंग से कैसे थामे रखें ताकि चीजें अराजक होने पर वे उन्हें भूल न जाएं।
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।