Multi-Agent Computer Use
यह शोध पत्र मल्टी-एजेंट कंप्यूटर यूज़ (MACU) का प्रस्ताव देता है, जो एक ऐसा सिस्टम है जहाँ एक मैनेजर मॉडल एक डायनेमिक डायरेक्टेड एसिक्लिक ग्राफ (DAG) के माध्यम से समानांतर सब-एजेंट्स को संचालित करता है ताकि जटिल, लॉन्ग-होरिज़न कार्यों को प्रभावी ढंग से संभाला जा सके, जो डेस्कटॉप और वेब नेविगेशन बेंचमार्क पर सिंगल-एजेंट बेसलाइन्स की तुलना में महत्वपूर्ण प्रदर्शन 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 आपको एक विशाल, जटिल कार्यक्रम आयोजित करने की आवश्यकता है, जैसे कि शादी की योजना बनाना या कोई कॉर्पोरेट रिट्रीट।
पुराना तरीका (Single-Agent):
अतीत में, हमने इसे करने के लिए एक अविश्वसनीय रूप से बुद्धिमान लेकिन बहुत व्यस्त सहायक को काम पर रखने की कोशिश की। इस सहायक को सब कुछ अकेले करना पड़ता था: कैटरर को फोन करना, वेन्यू बुक करना, मौसम की जांच करना और फूल खरीदना। यदि कैटरर कहता, "हम उस तारीख पर बुक हैं," तो सहायक को रुकना पड़ता, वेन्यू को यह जांचने के लिए फोन करना पड़ता कि क्या वह तारीख खाली है, फ्लोरिस्ट को यह देखने के लिए फोन करना पड़ता कि क्या वे उपलब्ध हैं, और फिर एक नई तारीख के साथ कैटरर को फिर से फोन करने का प्रयास करना पड़ता। यदि सहायक एक फोन कॉल पर अटक जाता, तो पूरे कार्यक्रम की योजना रुक जाती। वे एक सीधी रेखा में काम कर रहे थे, एक के बाद एक कदम, और यदि वे किसी दीवार से टकरा जाते, तो उन्हें एक अलग रास्ता आज़माने के लिए शुरुआत तक वापस जाना पड़ता था।
नया तरीका (Multi-Agent Computer Use - MACU):
यह पेपर एक स्मार्ट तरीके का प्रस्ताव देता: एक प्रोजेक्ट मैनेजर और विशेषज्ञ सहायकों की एक टीम को काम पर रखना।
यह नया सिस्टम कैसे काम करता है, शादी की योजना बनाने के उदाहरण का उपयोग करते हुए:
1. प्रोजेक्ट मैनेजर (द "मैनेजर")
काम करने के बजाय, मैनेजर का एकमात्र काम बड़े चित्र (big picture) को देखना और एक नक्शा (जिसे Directed Acyclic Graph, या DAG कहा जाता है) बनाना है।
- इसे तोड़ना: मैनेजर "शादी की योजना बनाएं" कार्य को छोटे टुकड़ों में तोड़ता है: "वेन्यू खोजें," "कैटरर बुक करें," "फूल चुनें," और "आमंत्रण भेजें।"
- नक्शा: मैनेजर एक नक्शा बनाता है जो दिखाता है कि कौन से कार्य एक साथ हो सकते हैं। उदाहरण के लिए, "वेन्यू खोजें" और "कैटरर बुक करें" एक दूसरे पर निर्भर नहीं हैं, इसलिए वे समानांतर (simultaneously) में हो सकते हैं।
- दिमाग: केवल मैनेजर ही पूरा नक्शा देख सकता है। यदि कोई नई जानकारी आती है (जैसे, "वेन्यू बहुत महंगा है"), तो मैनेजर तुरंत नक्शे को फिर से बना सकता है, महंगे वेन्यू की खोज को रद्द कर सकता है, और एक सस्ता वेन्यू खोजने के लिए एक नया सहायक भेज सकता है, और यह सब अन्य सहायकों को रोके बिना किया जा सकता है।
2. सहायकों की टीम (द "सबएजेंट्स")
मैनेजर वास्तविक काम करने के लिए समान सहायकों (सबएजेंट्स) की एक टीम भेजता है।
- समानांतर शक्ति (Parallel Power): एक व्यक्ति के खत्म होने का इंतजार करने के बजाय, मैनेजर एक साथ चार सहायकों को भेज देता है। एक होटल चेक करने जाता है, दूसरा उड़ानें चेक करता है, तीसरा रेस्टोरेंट चेक करता है, और चौथा मौसम चेक करता है। वे समानांतर में काम करते हैं, जैसे कि रेस कार का टायर बदलने वाला पिट क्रू।
- अलगाव (Isolation): प्रत्येक सहायक अपने स्वयं के निजी "सैंडबॉक्स" (एक वर्चुअल कंप्यूटर) में काम करता है। यदि एक सहायक क्रैश हो जाता है या भ्रमित हो जाता है, तो यह दूसरों को खराब नहीं करता है। वे एक-दूसरे की गलतियों से अलग (isolated) हैं।
3. "लाइव" नक्शा (री-प्लानिंग)
यह सबसे महत्वपूर्ण हिस्सा है। पुराने सिस्टम में, यदि आपने एक योजना बनाई, तो आप उसी पर टिके रहते थे भले ही चीजें बदल जाएं।
इस नए सिस्टम में, नक्शा जीवित है।
- फीडबैक लूप: जैसे ही एक सहायक एक कार्य पूरा करता है (जैसे, "मैंने एक होटल पाया, लेकिन वह भरा हुआ है"), वे मैनेजर को रिपोर्ट करते हैं।
- बदलाव (The Pivot): मैनेजर नई जानकारी को देखता है और तुरंत नक्शे को अपडेट करता है। शायद होटल भरा हुआ है, इसलिए मैनेजर "बैकअप होटल खोजने" के लिए एक नया कार्य जोड़ सकता है और एक नया सहायक भेजने के लिए उसे तैयार कर सकता है। यदि कोई सहायक एक लूप में फंस जाता है (जैसे, एक ऐसे बटन को क्लिक करने की कोशिश करना जो काम नहीं कर रहा है), तो मैनेजर कह सकता है, "उस एक को रोक दो, दूसरा तरीका आजमाओ," और एक नया व्यक्ति एक अलग रणनीति के साथ भेज सकता है।
- अतीत को याद रखना: कभी-कभी, एक सहायक को कोई फाइल या जानकारी मिलती है जिसकी अगले व्यक्ति को आवश्यकता होती है। मैनेजर एक लाइब्रेरियन की तरह काम करता है, उस फाइल को सहेजता है और अगले सहायक को सौंप देता है ताकि उन्हें शून्य से शुरुआत न करनी पड़े।
यह बेहतर क्यों है?
पेपर ने चार अलग-अलग प्रकार के "कंप्यूटर कार्यों" पर इसका परीक्षण किया, जिसमें साधारण डेस्कटॉप काम (जैसे फॉन्ट बदलना) से लेकर वेब पर जटिल, बहु-दिवसीय यात्रा योजना बनाना शामिल है।
- गति: जटिल कार्यों के लिए, टीम ने सिंगल असिस्टेंट की तुलना में लगभग 1.5 गुना तेजी से काम पूरा किया क्योंकि वे चीजें एक साथ कर रहे थे।
- सफलता दर: टीम कठिन समस्याओं को हल करने में बहुत बेहतर थी। सबसे कठिन यात्रा-योजना परीक्षणों पर, सिंगल असिस्टेंट 90% बार विफल रहा, लेकिन टीम 34% बार सफल रही। यह एक बड़ी छलांग है।
- अटकने से बचना: जब सिंगल असिस्टेंट किसी डेड एंड (dead end) पर अटक गया, तो पूरी प्रक्रिया रुक गई। हालाँकि, टीम एक अलग दरवाजा आज़माने के लिए एक अलग व्यक्ति भेज सकती थी। यदि एक रास्ता अवरुद्ध था, तो दूसरा रास्ता पहले से ही खुला था।
मुख्य बात (The Bottom Line)
यह पेपर तर्क देता है कि जटिल, दीर्घकालिक कंप्यूटर कार्यों के लिए, हमें एक एकल "सुपर-बॉट" पर भरोसा नहीं करना चाहिए जो एक सीधी रेखा में सब कुछ करने की कोशिश करता है। इसके बजाय, हमें एक मैनेजर का उपयोग करना चाहिए जो एक लचीला नक्शा बनाता है और एक टीम का जो समानांतर में चल सकती है, रुक सकती है, शुरू हो सकती है और जो कुछ भी वे पाते हैं उसके आधार पर तुरंत दिशा बदल सकती है।
यह एक जंगल को अकेले पार करने की कोशिश करने वाले अकेले खोजकर्ता बनाम एक गाइड, एक नक्शा और एक टीम वाली निर्देशित अभियान के बीच का अंतर है, जो अलग हो सकते हैं, अधिक क्षेत्र कवर कर सकते हैं और बाधाओं के अनुकूल तुरंत ढल सकते हैं।
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।