Agent-Native Telemetry: Verifiable State-Delta Evidence for Autonomous Operations
यह शोध पत्र एजेंट-नेटिव टेलीमेट्री (Agent-Native Telemetry) प्रस्तुत करता है, जो मानव-उन्मुख विस्तृत लॉग्स के स्थान पर कॉम्पैक्ट और क्रिप्टोग्राफिक रूप से हस्ताक्षरित स्टेट-डेल्टा एविडेंस लेजर (State-Delta Evidence Evidence Ledger) का उपयोग करने वाला एक सत्यापन योग्य साक्ष्य आर्किटेक्चर है, जो एजेंट टेलीमेट्री प्रोटोकॉल (ATP) के माध्यम से स्वायत्त एआई एजेंटों के लिए संदर्भ लागत और क्वेरी ओवरहेड को नाटकीय रूप से कम करते हुए उत्पत्ति (provenance) और सुरक्षा सुनिश्चित 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
आधुनिक इंटरनेट के विशाल, गूँजते बुनियादी ढांचे में, जहाँ अनगिनत डिजिटल सेवाएँ कोड के अदृश्य नेटवर्क पर चलती हैं, एक शांत संकट बढ़ता जा रहा है। दशकों से, इन प्रणालियों के स्वास्थ्य की रिपोर्ट करने का तरीका मानवीय आँखों के लिए डिज़ाइन किया गया था। जब किसी सर्वर को कोई समस्या आती थी, तो वह टेक्स्ट की एक पंक्ति लिखता था, जो अक्सर बार-बार उन्हीं शब्दों और लेबल को दोहराता था, जिससे घटनाओं की एक विशाल, स्क्रॉल होती डायरी बन जाती थी। यह दृष्टिकोण तब अच्छा काम करता था जब इंजीनियर लॉग पढ़ रहे होते थे, और किसी टूटे हुए लिंक या क्रैश हुए प्रोग्राम को खोजने के लिए कीवर्ड्स को स्कैन करते थे। लेकिन परिदृश्य बदल रहा है। आज, इस डेटा के प्राथमिक उपभोक्ता केवल लोग नहीं हैं; वे स्वायत्त कृत्रिम बुद्धिमत्ता (AI) एजेंट हैं, जो ऐसे सॉफ़्टवेयर प्रोग्राम हैं जो बिना मानवीय सहायता के तर्क करने, निदान करने और समस्याओं को ठीक करने में सक्षम हैं। इन बुद्धिमान मशीनों को वही पुराने, शब्दबहुल टेक्स्ट लॉग खिलाना एक सुपरकंप्यूटर को एक संख्या खोजने के लिए उपन्यास पढ़ने के लिए कहने जैसा है; यह अनावश्यक शब्दों पर मशीन की सीमित ध्यान अवधि को बर्बाद करता है और इसे भ्रमित होने के प्रति संवेदनशील छोड़ देता है।
शोधकर्ताओं की एक टीम ने इस बात पर एक मौलिक बदलाव प्रस्तावित किया है कि मशीनें मशीनों से कैसे बात करती हैं, जिसमें एक नया तरीका पेश किया गया है जिससे सिस्टम की घटनाओं को रिकॉर्ड किया जाता है जो मानवीय गद्य (prose) को हटाकर केवल आवश्यक तथ्यों को छोड़ देता है। वे इसे "एजेंट-नेटिव टेलीमेट्री" कहते हैं, एक ऐसी प्रणाली जो वाक्यों पर नहीं, बल्कि सत्यापित अवस्था परिवर्तनों (verified changes in state) पर आधारित है। एक सर्वर के धीमे होने के बारे में पैराग्राफ लिखने के बजाय, सिस्टम एक सटीक, क्रिप्टोग्राफिक रूप से सीलबंद नोट रिकॉर्ड करता है जो कहता है, "इस सटीक क्षण पर गति X से बदलकर Y हो गई।" यह नई विधि, जिसे जटिल सॉफ़्टवेयर नेटवर्क पर परखा गया है, यह सिद्ध करती है कि फालतू बातों को हटाकर और गणितीय प्रमाण की एक परत जोड़कर, स्वायत्त एजेंट अपने वातावरण को पहले की तुलना में कहीं अधिक तेज़ी से, कम लागत में और बहुत अधिक सटीकता के साथ समझ सकते हैं।
वर्तमान मानक के साथ समस्या यह है कि यह अत्यधिक बोझिल है। एक विशिष्ट क्लाउड वातावरण में, सिस्टम प्रतिदिन टेराबाइट्स लॉग डेटा उत्पन्न करते हैं, जिसका अधिकांश हिस्सा "टाइमस्टैम्प" या "सर्विस नेम" जैसे स्थिर लेबल से बना होता है जो कभी नहीं बदलते और लाखों बार दोहराए जाते हैं। जब एक कृत्रिम बुद्धिमत्ता एजेंट इस डेटा का विश्लेषण करने का प्रयास करता है, तो उसे अपने सबसे मूल्यवान संसाधन—अपने 'कॉन्टेक्स्ट विंडो' (वह जानकारी जिसे वह एक साथ अपने मन में रख सकता है)—को इन दोहराव वाले शब्दों को पार्स करने में खर्च करना पड़ता है। यह समस्या को हल करने के लिए आवश्यक वास्तविक तर्क के लिए कम जगह छोड़ देता है। इसके अलावा, क्योंकि ये लॉग केवल टेक्स्ट हैं, इसलिए एजेंट के पास यह गणितीय निश्चितता नहीं होती कि कोई विशिष्ट त्रुटि नहीं हुई है; ऐसा हो सकता है कि लॉग खो गया हो या छिपा दिया गया हो। यह अनिश्चितता एजेंट को अनुमान लगाने के लिए मजबूर करती है, और क्लाउड संचालन की उच्च-जोखक दुनिया में, अनुमान लगाना विनाशकारी विफलताओं का कारण बन सकता है।
इसे हल करने के लिए, शोधकर्ताओं ने एक नया प्रोटोकॉल डिज़ाइन किया जिसे 'एजेंट टेलीमेट्री प्रोटोकॉल' या ATP कहा जाता है। कल्पना कीजिए एक ऐसी प्रणाली की, जहाँ डायरी प्रविष्टि लिखने के बजाय, एक मशीन केवल तथ्यों को समाहित एक क्रमांकित, सीलबंद लिफाफा स्टैम्प करती है। इस प्रणाली का मूल एक लेज़र (ledger) है, एक स्थायी रिकॉर्ड जो परिचालन तथ्यों को चार विशिष्ट प्रकार के साक्ष्यों में व्यवस्थित करता है: ट्रांज़िशन (जब कोई अवस्था बदलती है), ऑब्जर्वेशन (एक माप का स्नैपशॉट), रिलेशन (चीजें आपस में कैसे जुड़ी हैं), और चेकपॉइंट (वर्तमान स्थिति का सारांश)। महत्वपूर्ण रूप से, कोई भी अव्यवस्थित, असंरचित टेक्स्ट, जैसे कि एक लंबा एरर मैसेज या किसी उपयोगकर्ता का वेब अनुरोध, एक अलग, सीलबंद कंटेनर में बंद रहता है। मुख्य रिकॉर्ड में केवल उस कंटेनर का एक छोटा, सत्यापित संदर्भ होता है। यह सुनिश्चित करता है कि एजेंट का तर्क लंबे टेक्स्ट स्ट्रिंग के भीतर छिपे हुए निर्देशों द्वारा हाईजैक न किया जाए।
शोधकर्ताओं ने इस प्रणाली का एक पूर्ण कार्यशील प्रोटोटाइप बनाया और इसे दो वास्तविक दुनिया के जटिल सॉफ़्टवेयर वातावरणों के विरुद्ध परखा: एक होटल आरक्षण प्रणाली और एक ऑनलाइन खगोल विज्ञान की दुकान। उन्होंने अपने नए सिस्टम को वर्तमान उद्योग मानक के विरुद्ध खड़ा किया, जो विस्तृत टेक्स्ट लॉग और संरचित JSON डेटा पर निर्भर करता है। परिणाम चौंकाने वाले थे। इस नए, संक्षिप्त प्रारूप में स्विच करके, नेटवर्क पर भेजे जाने वाले डेटा की मात्रा 96.4 प्रतिशत तक गिर गई। यह कमी सीधे तौर पर भारी लागत बचत में परिवर्तित हुई; शोधकर्ताओं ने गणना की कि एक बड़े उद्यम के लिए, नैदानिक उद्देश्यों के लिए इन लॉग्स को स्कैन करने की दैनिक लागत लगभग पचास डॉलर से घटकर एक सेंट से भी कम हो जाएगी।
बचत के अलावा, कृत्रिम बुद्धिमत्ता एजेंटों पर इसका प्रभाव गहरा था। नए सिस्टम का उपयोग करते समय, एजेंटों को स्थिति को समझने और समस्या के मूल कारण को खोजने के लिए 88.8 प्रतिशत कम "टोकन" (सूचना की बुनियादी इकाइयाँ जिन्हें AI प्रोसेस करता है) की आवश्यकता पड़ी। क्योंकि डेटा बहुत स्वच्छ था और विभिन्न हिस्सों के बीच संबंध स्पष्ट रूप से मैप किए गए थे, एजेंटों ने मिनटों के बजाय सेकंडों में समस्याओं का निदान कर लिया। परीक्षणों के एक सेट में, समस्या की पहचान करने में लगने वाला समय तीन मिनट से घटकर एक मिनट से भी कम हो गया। एजेंटों ने कम गलतियाँ भी कीं, और पारंपरिक, शब्दबल्ख शब्दबहुल लॉग के मुकाबले उच्च स्तर की सटीकता के साथ विफलताओं के कारणों की सही पहचान की।
सबसे महत्वपूर्ण निष्कर्ष सिस्टम की यह क्षमता थी कि वह यह सिद्ध कर सके कि क्या नहीं हुआ था। लॉगिंग के पुराने तरीके में, यदि कोई एजेंट किसी विशिष्ट त्रुटि की तलाश करता और उसे कुछ नहीं मिलता, तो वह निश्चित नहीं हो पाता कि सिस्टम स्वस्थ था या लॉग बस गायब था। नया सिस्टम कवरेज की गणितीय गारंटी शामिल करता है। यदि एजेंट पूछता है, "क्या 10:00 और 10:05 के बीच यह त्रुटि हुई थी?" और सिस्टम कहता है नहीं, तो वह क्रिप्टोग्राफिक निश्चितता के साथ सिद्ध कर सकता है कि वह त्रुटि नहीं हुई थी, क्योंकि रिकॉर्ड पूर्ण और अटूट है। उन परीक्षणों में जहाँ शोधकर्ताओं ने डेटा छिपाकर या लॉग में हेरफेर करके सिस्टम को धोखा देने की कोशिश की, नए प्रोटोकॉल ने हेरफेर के हर प्रयास का पता लगा लिया। इसने एजेंटों में दुर्भावनापूर्ण कमांड इंजेक्ट करने के सभी प्रयासों को भी सफलतापूर्वक ब्लॉक कर दिया, जो अनफ़िल्टर्ड टेक्स्ट पढ़ने से होने वाला एक सामान्य सुरक्षा जोखिम है।
शोधकर्ताओं ने प्रदर्शित किया कि यह दृष्टिकोण न केवल सिद्धांत में, बल्कि अभ्यास में भी, कृत्रिम बुद्धिमत्ता के विभिन्न मॉडलों में काम करता है। चाहे सबसे उन्नत वाणिज्यिक मॉडल का उपयोग किया जा रहा हो या छोटे, ओपन-सोर्स संस्करणों का, एजेंटों ने नए डेटा प्रारूप के साथ बेहतर प्रदर्शन किया। उन्होंने सही उत्तर तेजी से खोजे, कंप्यूटिंग संसाधनों पर कम खर्च किया, और उस भ्रम से मुक्त रहे जो आमतौर पर असंरचित टेक्स्ट पढ़ने से आता है। अध्ययन यह निष्कर्ष निकालता है कि जैसे-जैसे मशीनें हमारे डिजिटल बुनियादी ढांचे के प्रबंधन की कमान संभाल रही हैं, उनके बात करने का तरीका बदलना चाहिए। हम उन्हें मानव-शैली की डायरियाँ खिलाना जारी नहीं रख सकते; हमें उन्हें वह सटीक, सत्यापित और संक्षिप्त साक्ष्य देना होगा जिसकी उन्हें आत्मविश्वास के साथ काम करने के लिए आवश्यकता है। यह नया आर्किटेक्चर वह आधार प्रदान करता है, जो शोर भरे टेक्स्ट के सैलाब को तथ्यों की एक स्पष्ट, विश्वसनीय धारा में बदल देता है जिस पर स्वायत्त प्रणालियाँ डिजिटल दुनिया को सुचारू रूप से चलाने के लिए भरोसा कर सकती 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।