@skills: Attention is all you have
यह शोध पत्र @skills का प्रस्ताव करता है, जो एक खुला प्रोटोकॉल है जो कौशल सामग्री (skill content), निरंतरता (persistence) और स्वचालित ट्रिगरिंग (automatic triggering) को अलग करता है ताकि स्थायी प्रॉम्प्ट इंस्टॉलेशन की आवश्यकता को समाप्त किया जा सके, जिससे एजेंटों को केवल कॉन्फ़िगरेशन की एक एकल पंक्ति का उपयोग करके कौशल के एक विशाल पुस्तकालय से गतिशील रूप से पहुँचने और अनुकूलित होने में सक्षम बनाया 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 एक सुपर-स्मार्ट रोबोट असिस्टेंट को अपना होमवर्क करने, आपका कोड ठीक करने, या कहानी लिखने के लिए सिखा रहे हैं। आपके पास "निर्देश नियमावली" (manuals) की एक विशाल लाइब्रेरी है (जिन्हें skills कहा जाता है) जो रोबोट को विशिष्ट कार्यों को संभालने का सटीक तरीका बताती है, जैसे कि "एक वेबसाइट कैसे तैनात करें" या "कोड परिवर्तन की समीक्षा कैसे करें।" समस्या यह है कि रोबोट के पास एक सीमित मात्रा में ध्यान (attention) है जिसे वह एक बार में रख सकता है। रोबोट के ध्यान को एक छोटी डेस्क की सतह की तरह समझें। यदि आप दिन की शुरुआत में ही सारी निर्देश नियमावली उस डेस्क पर रखने की कोशिश करते हैं, तो डेस्क अव्यवस्थित हो जाएगी, रोबोट भ्रमित हो जाएगा, और वह उन महत्वपूर्ण निर्देशों को भूल जाएगा जो उसके लिए अभी सबसे जरूरी हैं क्योंकि वे उन कागजों के ढेर के नीचे दब गए हैं जिनकी उसे अभी आवश्यकता नहीं है। यही AI agents की मुख्य चुनौती है: आप उन्हें हजारों उपयोगी उपकरण कैसे दे सकते हैं बिना उनके छोटे से मानसिक कार्यक्षेत्र (workspace) को अभिभूत किए?
यह शोध पत्र, जिसका शीर्षक @skills: Attention Is All You Have है, AI एजेंटों की दुनिया में एक विशिष्ट सिरदर्द को संबोधित करता है। वर्तमान में, किसी एजेंट को नया कौशल देने का एकमात्र तरीका उसे "इंस्टॉल" करना है। इंस्टॉल करना एक कौशल के विवरण के साथ एक स्टिकी नोट चिपकाने जैसा है जो रोबोट के माथे पर लगा दिया जाता है। वह नोट हमेशा के लिए वहीं रहता है, और हर बार जब वह आपसे बात करता है, तो वह उसके "डेस्क" (सिस्टम प्रॉम्प्ट) में जगह घेरता है, भले ही आपने कभी उससे उस कौशल का उपयोग करने के लिए न कहा हो। लेखक तर्क देते हैं कि यह रोबोट के सीमित ध्यान का एक भयानक अपव्यय है। वे एक नया, ओपन प्रोटोकॉल @skills प्रस्तावित करते हैं जो खेल बदल देता है: इंस्टॉल करके माथे पर नोट चिपकाने के बजाय, आप जरूरत पड़ने पर बस उस मैनुअल की ओर इशारा करते हैं।
समस्या: "चिपके हुए नोट" का जाल (The "Glued Note" Trap)
लेखकों ने देखा कि सार्वजनिक दुनिया में पहले से ही 56,804 से अधिक अलग-अलग कौशल प्रकाशित हैं, लेकिन वर्तमान प्रणाली टूटी हुई है। क्योंकि प्रत्येक इंस्टॉल किया गया कौशल रोबोट के ध्यान बजट में एक स्थायी स्थान लेता है, और वह बजट बहुत छोटा है (लेखक प्रति एजेंट 100 से भी कम विश्वसनीय स्थानों का अनुमान लगाते हैं), इनमें से अधिकांश कौशलों का उपयोग कभी नहीं किया जा सकता। यह एक ऐसी लाइब्रेरी होने जैसा है जिसमें 56,000 किताबें हैं लेकिन आपको अपनी बेडसाइड टेबल पर केवल तीन रखने की अनुमति है। यदि आप चौथी किताब पढ़ना चाहते हैं, तो आपको तीन में से एक को फेंकना होगा।
इससे भी बदतर, वर्तमान प्रणाली एक "एक ही आकार सबके लिए" (one-size-fits-all) वाला दृष्टिकोण अपनाने के लिए मजबूर करती है। किसी कौशल का उपयोग करने के लिए, आपको इसे इंस्टॉल करना होगा, जिसका अर्थ है कि इसका विवरण लगातार रोबोट के मन में रहता है। इससे तीन बड़ी समस्याएं होती हैं:
- टैक्स (The Tax): हर बार जब रोबोट बोलता है, तो उसे हर एक इंस्टॉल किए गए कौशल के विवरण पर ध्यान देना पड़ता है, भले ही वह अप्रासंगिक हो। यह ऊर्जा बर्बाद करता है और तर्क (reasoning) की गति को धीमा कर देता है।
- लॉटरी (The Lottery): रोबोट को उन छोटे विवरणों के आधार पर यह अनुमान लगाना पड़ता है कि कौन सा कौशल उपयोग करना है। यदि उसका अनुमान गलत निकलता है, तो कौशल शांत रहता है, और उपयोगकर्ता को कभी पता ही नहीं चलता कि वह वहां था भी।
- कचरा दराज (The Junk Drawer): क्योंकि इंस्टॉल करना ही किसी कौशल को रखने का एकमात्र तरीका है, लोग कौशलों का एक अस्त-व्यस्त ढेर बना लेते हैं जिन्हें उन्होंने एक बार आज़माया और फिर भूल गए, जिससे रोबोट का दिमाग हमेशा के लिए भर जाता है।
समाधान: "मैजिक पॉइंटर" प्रोटोकॉल (The "Magic Pointer" Protocol)
शोध पत्र @skills प्रस्तावित करता है, जो इन निर्देशों को संभालने का एक नया तरीका है जो तीन चीजों को अलग करता है जो पहले आपस में जुड़ी हुई थीं: कंटेंट (निर्देश), पर्सिस्टेंस (प्रतिलिपि रखना), और ट्रिगरिंग (स्वचालित रूप से सक्रिय होना)।
लेखक एक सरल, तीन-स्तरीय प्रणाली पेश करते हैं जो आपको काम के लिए सही टूल चुनने देती है:
स्तर 1: संदर्भ (The Reference - "Just-in-Time" Pointer)
यह उन कौशलों के लिए है जिनकी आपको शायद एक या दो बार आवश्यकता हो। उन्हें इंस्टॉल करने के बजाय, आप जब चाहें@skills:<path>टाइप करते हैं। यह एक लाइब्रेरियन से एक विशिष्ट पुस्तक शेल्फ से निकालने के लिए कहने जैसा है केवल तभी जब आप उसे मांगते हैं। पुस्तक आपके प्रश्न के ठीक बगल में दिखाई देती है, रोबट उसे पढ़ता है, काम करता है, और फिर पुस्तक गायब हो जाती है। इसमें शून्य स्थायी ध्यान स्थान खर्च होता है। यह सभी 56,000+ कौशलों को बिना रोबोट के मस्तिष्क को जाम किए उपलब्ध कराता है।स्तर 2: सहेजी गई प्रति (The Saved Copy - "Vendored" Folder)
कभी-कभी आप अपने प्रोजेक्ट फोल्डर (जैसे किसी टीम का विशिष्ट वर्कफ़्लो) में एक कौशल की प्रति रखना चाहते हैं ताकि आप उसे संपादित कर सकें और उसका स्वामित्व रख सकें। @skills के साथ, आप एक कौशल को अपने प्रोजेक्ट के.atskills/फोल्डर में "सेव" कर सकते हैं। यह एक रेसिपी की फोटोकॉपी करने और उसे अपनी कुकबुक में रखने जैसा है। यह आपके प्रोजेक्ट में रहता है, लेकिन यह रोबोट के माथे पर तब तक नहीं बैठता जब तक कि आप स्पष्ट रूप से इसे न मांगें। यह आपके खोजने और उपयोग करने के लिए वहां है, लेकिन जब तक आपको इसकी आवश्यकता न हो, यह रोबोट का ध्यान बर्बाद नहीं करता है।स्तर 3: इंस्टॉल किया गया कौशल (The Installed Skill - "Auto-Trigger" Exception)
यह एकमात्र स्तर है जो अभी भी पुराने "माथे पर चिपका नोट" तरीके का उपयोग करता है, लेकिन इसे उन अनिवार्य चीजों के लिए आरक्षित किया गया है जिन्हें बिना पूछे स्वचालित रूप से सक्रिय होना ही चाहिए, जैसे सुरक्षा नियम या फॉर्मेटिंग चेक। यहाँ भी, प्रोटोकॉल स्मार्ट है: केवल छोटा शीर्षक और विवरण (फ्रंटमैटर) ही रोबोट के माथे पर रहता है। बाकी के निर्देश केवल तभी लोड होते हैं जब रोबोट को वास्तव में उनकी आवश्यकता होती है।
वास्तविक जीवन में यह कैसे काम करता है
शोध पत्र सुझाव देता है कि यह प्रोटोकॉल अव्यवस्थित "सब कुछ इंस्टॉल करें" दृष्टिकोण को एक स्वच्छ, फ़ाइल-आधारित प्रणाली में बदल देता है।
- कोई "इंस्टॉल" बटन नहीं: आप कौशल इंस्टॉल नहीं करते; आप बस उसके पाथ (path) का संदर्भ देते हैं।
- कोई छिपे हुए फोल्डर नहीं: कौशल आपके प्रोजेक्ट के फ़ाइल ट्री (जैसे
.atskills/) में रहते हैं, इसलिए आप उन्हें देख सकते हैं, संपादित कर सकते हैं और Git के साथ बदलावों को ट्रैक कर सकते हैं, बिल्कुल कोड की तरह। - कोई "अपडेट" सिरदर्द नहीं: यदि आप चाहते हैं कि कोई कौशल अपडेटेड रहे, तो आप बस उसे "फॉलो" (follow) करते हैं (एक कॉन्फ़िग फ़ाइल में एक लाइन)। यदि आप इसे अपना बनाना चाहते हैं, तो आप इसे "सेव" (save) करते हैं (आपके फोल्डर में एक कॉपी)।
लेखकों ने लोगों को ये कौशल खोजने में मदद करने के लिए एक मुफ्त "हब" (एक वेबसाइट) भी बनाया है, लेकिन प्रोटोकॉल इस तरह से डिज़ाइन किया गया है कि आपको हब की आवश्यकता नहीं है। आप सीधे GitHub या अपने स्थानीय कंप्यूटर पर कौशलों की ओर इशारा कर सकते हैं। हब केवल एक सर्च इंजन है, गेटकीपर नहीं।
शोध पत्र ने वास्तव में क्या पाया
यह शोध पत्र केवल एक सिद्धांत प्रस्तावित नहीं करता है; यह वास्तविक दुनिया के डेटा की ओर इशारा करता है। लेखकों ने पाया कि वर्तमान "केवल-इंस्टॉल" मॉडल संरचनात्मक रूप से टूटा हुआ है क्योंकि यह प्रत्येक कौशल को एक दुर्लभ संसाधन (ध्यान) के लिए प्रतिस्पर्धा करने के लिए मजबूर करता है जिसकी उसे अक्सर आवश्यकता नहीं होती है। आवश्यकता को होने (having) से अलग करके, और आवश्यकता को याद रखने (remembering) से अलग करके, @skills प्रोटोकॉल एजेंटों को अपने मस्तिष्क को खराब किए बिना 56,000+ कौशलों का उपयोग करने की अनुमति देता है।
लेखक आश्वस्त हैं कि यह दृष्टिकोण "ध्यान बजट" की समस्या को हल करता है, लेकिन वे यह भी नोट करते हैं कि कितने विश्वसनीय "ऑटो-ट्रिगर" स्लॉट (स्तर 3 की सीमा) हैं, यह लंबी बातचीत के दौरान AI मॉडल के फोकस खोने के मौजूदा शोध पर आधारित एक अनुमान है। वे सुझाव देते हैं कि जबकि वर्तमान प्रणाली एक "कचरा दराज" है जहाँ महत्वपूर्ण कौशल खो जाते हैं, नया तीन-स्तरीय सिस्टम प्रत्येक कौशल को एक उचित घर देता है: या तो क्लाउड में (स्तर 1), आपके प्रोजेक्ट में (स्तर 2), या एक महत्वपूर्ण नियम के रूप में (स्तर 3)।
संक्षेप में, शोध पत्र का तर्क है कि हमें AI कौशलों के साथ ऐसे व्यवहार करना बंद कर देना चाहिए जैसे कि वे भारी फर्नीचर हों जिन्हें हमें दीवार पर चिपकाना पड़ता है, और उन्हें उन किताबों की तरह मानना चाहिए जिन्हें हम ज़रूरत पड़ने पर शेल्फ से निकाल सकते हैं। परिणाम एक ऐसा एजेंट है जो हल्का, तेज़ और बिना अभिभूत हुए ज्ञान की एक बहुत व्यापक दुनिया का उपयोग करने में सक्षम 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।