Towards Traffic Modelling of Multi-Agent Systems: The Role of Coordination Topology
यह शोध पत्र अनुभवजन्य रूप से यह प्रदर्शित करता है कि मल्टी-एजेंट एलएलएम (LLM) प्रणालियों की समन्वय टोपोलॉजी (coordination topology) उनके आंतरिक ट्रैफ़िक पैटर्न को मौलिक रूप से आकार देती है, जो यह प्रकट करती है कि अनुरोधों के आगमन का अंतराल (request interarrival times) शास्त्रीय पॉइसन मॉडलों (classical Poisson models) से महत्वपूर्ण रूप से विचलित होता है और संरचनात्मक द्वि-आयामीता (structural bimodality) एवं लॉग-नॉर्मल रीजनिंग चरणों (log-normal reasoning phases) जैसे टोपोलॉजी-विशिष्ट वितरण 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
डिजिटल दुनिया में, नेटवर्क्स को अक्सर एक पाइपलाइन के रूप में देखा जाता है जो एक व्यक्ति से दूसरे व्यक्ति तक संदेश ले जाती है। दशकों से, इंजीनियरों ने इन प्रणालियों को एक सरल धारणा के आधार पर डिजाइन किया है: ट्रैफ़िक एक अनुमानित लय में आता है, जो मानव उपयोगकर्ताओं द्वारा बटन क्लिक करने, ईमेल भेजने या वेब पेज लोड करने से संचालित होता है। जब एक व्यक्ति अगला संदेश भेजने से पहले कुछ क्षण रुकता है, तो नेटवर्क में एक अंतराल (gap) दिखाई देता है। जब बहुत से लोग एक साथ कार्य करते हैं, तो नेटवर्क में एक उछाल दिखाई देता है। यह मानव-संचालित पैटर्न इस बात की नींव रहा है कि नेटवर्क को भार संभालने के लिए कितनी क्षमता की आवश्यकता है।
हालाँकि, एक नए प्रकार का डिजिटल कार्यकर्ता उभर रहा है: स्वायत्त एजेंट (autonomous agent)। ये बड़े भाषा मॉडल (large language models) द्वारा संचालित सॉफ्टवेयर प्रोग्राम हैं जो स्वतंत्र रूप से सोच, योजना बना और कार्य कर सकते हैं। एक इंसान के विपरीत, जो जवाब टाइप करने से पहले सोचने के लिए रुकता है, ये एजेंट किसी एक समस्या को हल करने के लिए आंतरिक क्रियाओं की एक जटिल श्रृंखला उत्पन्न कर सकते हैं। एक उपयोगकर्ता प्रश्न पूछ सकता है, लेकिन एजेंट एक टूल का उपयोग करने, सलाह के लिए एक साथी एजेंट से पूछने, एक डेटाबेस की जाँच करने और फिर एक उत्तर को संश्लेषित करने का निर्णय ले सकता है। यह सब स्वचालित रूप से होता है, जिससे अनुरोधों (requests) की एक ऐसी धारा उत्पन्न होती है जिसे नेटवर्क को ढोना पड़ता है। नेटवर्क इंजीनियरों के लिए सवाल यह है कि क्या पुराने नियम अभी भी लागू होते हैं जब ट्रैफ़िक अब मानव हाथों से नहीं, बल्कि इन डिजिटल टीमों के आंतरिक तर्क से संचालित होता है।
शोधकर्ताओं की एक टीम ने यह मापने के लिए कि ये नई प्रणालियाँ वास्तव में कैसे व्यवहार करती हैं, एक अध्ययन किया। उन्होंने नेटवर्क ट्रैफ़िक के एक विशिष्ट पहलू पर ध्यान केंद्रित किया: एक अनुरोध और अगले अनुरोध के बीच बीतने वाला समय। नेटवर्क इंजीनियरिंग की दुनिया में, यह अंतराल एक महत्वपूर्ण सुराग है। यदि अंतराल यादृच्छिक (random) और बिखरे हुए हैं, तो प्रणाली इस तरह व्यवहार करती है जिसे समझना आसान है। यदि अंतराल एक साथ क्लस्टर बनाते हैं या एक विशिष्ट पैटर्न का पालन करते हैं, तो प्रणाली अलग तरह से व्यवहार करती है, जिससे ऐसे बॉटलनैक (bottlenecks) पैदा हो सकते हैं जिन्हें मानक डिज़ाइन संभाल नहीं पाते। शोधकर्ता यह देखना चाहते थे कि एजेंटों का संगठन—वे एक-दूसरे से कैसे बात करते हैं—उनके द्वारा उत्पन्न ट्रैफ़िक की लय को कैसे बदलता है।
इसका उत्तर खोजने के लिए, टीम ने एक नियंत्रित वातावरण बनाया जहाँ वे विभिन्न टीम संरचनाओं के साथ एक ही कार्य को सैकड़ों बार चला सके। उन्होंने एजेंटों को व्यवस्थित करने के तीन अलग-अलग तरीकों का परीक्षण किया। पहले सेटअप में, एजेंट एक के बाद एक काम करते थे, जैसे एक रिले रेस में प्रत्येक धावक दूसरे के समाप्त होने का इंतज़ार करता है। दूसरे सेटअप में, एक केंद्रीय नेता ने कई श्रमिकों को एक साथ कार्य सौंपे, जैसे एक प्रबंधक एक समूह को एक साथ असाइनमेंट बांटता है। तीसरे सेटअप में, प्रत्येक एजेंट एक ही समय में अन्य सभी एजेंटों से सीधे बात कर सकता था, जिससे संचार का एक घना जाल बन गया। उन्होंने डेटा की एक विशाल मात्रा एकत्र करने के लिए प्रत्येक परिदृश्य को 500 बार चलाया।
परिणामों से पता चला कि एजेंटों का संगठन ट्रैफ़िक की प्रकृति को मौलिक रूप से बदल देता है। जब एजेंट एक साधारण रेखा में, एक के बाद एक काम करते थे, तो अनुरोधों के बीच का समय अपेक्षाकृत स्थिर और अनुमानित था। हालाँकि, जब शोधकर्ताओं ने समानांतर कार्य (parallel work) पेश किया, तो पैटर्न नाटकीय रूप से बदल गया। उन सेटअपों में जहाँ एजेंट एक साथ मिलकर काम करते थे, ट्रैफ़क "बाइमोडल" (bimodal) हो गया, जिसका अर्थ है कि इसमें दो अलग-अलग व्यवहार एक साथ हो रहे थे। एक व्यवहार गतिविधि का अचानक उछाल था जहाँ कई अनुरोध लगभग तुरंत, सेकंड के सूक्ष्म अंशों के भीतर आते थे। ऐसा इसलिए हुआ क्योंकि सिस्टम ने एक ही क्षण में कई कमांड भेजे। दूसरा व्यवहार एक धीमी, अधिक विचारशील लय थी जो तब होती थी जब एजेंट वास्तव में जानकारी को प्रोसेस कर रहे होते थे और अपने कार्यों के माध्यम से तर्क कर रहे होते थे।
शोधकर्ताओं ने पाया कि यह पुराना विचार कि नेटवर्क ट्रैफ़िक यादृच्छिक रूप से आता है, जैसे छत पर गिरती बारिश की बूंदें, इन नई प्रणालियों के लिए फिट नहीं बैठता है। उन्होंने एक मानक गणितीय मॉडल का परीक्षण किया जो यह मानता है कि अनुरोध एक-दूसरे से स्वतंत्र रूप से आते हैं और पाया कि यह सभी अध्ययन किए गए एजेंट सेटअप के लिए निर्णायक रूप से गलत था। इसके बजाय, अनुरोधों के बीच सोचने और तर्क करने में लगने वाला समय एक अलग पैटर्न का पालन करता था, जो एक ऐसे वक्र (curve) द्वारा बेहतर ढंग से वर्णित किया जा सकता है जो यह हिसाब रखता है कि जटिलता के आधार पर कार्य कितने समय ले सकते हैं। इसका मतलब है कि सॉफ्टवेयर का आंतरिक तर्क एक विशिष्ट, संरचित लय बना रहा है जो मानव व्यवहार से बहुत अलग है।
ये निष्कर्ष महत्वपूर्ण हैं क्योंकि वे दिखाते हैं कि एजेंट टीम का डिज़ाइन स्वयं ट्रैफ़िक का जनरेटर (generator) है। यदि किसी प्रणाली को इस तरह डिज़ाइन किया जाता है कि कई एजेंट एक साथ एक-दूसरे से बात करें, तो यह नेटवर्क गतिविधि के तीव्र, सघन उछाल पैदा करेगा जो सर्वरों को अभिभूत कर सकता है, भले ही कुल कार्यों की संख्या समान रहे। शोधकर्ताओं ने पाया कि सबसे अधिक जुड़े हुए सेटअप में, जहाँ प्रत्येक एजेंट अन्य सभी एजेंटों से बात कर सकता था, ट्रैफ़िक के एक बड़े हिस्से के लिए अनुरोधों के बीच का समय घटकर केवल मिलीसेकंड रह गया, जिससे एक ऐसा उछाल आया जो क्रमिक (sequential) सेटअप की तुलना में लगभग 600 प्रतिशत तेज़ था। यह उछाल कोई त्रुटि (glitch) नहीं है; यह इस प्रणाली के काम करने का एक संरचनात्मक लक्षण है।
अध्ययन ने यह भी रेखांकित किया कि ये परिवर्तन पूरे नेटवर्क में लहरों की तरह फैलते हैं। एजेंटों के समन्वय का तरीका न केवल एप्लिकेशन लेयर को, बल्कि अंतर्निहित डेटा कनेक्शन और अनुरोधों को प्रोसेस करने वाले सर्वरों पर पड़ने वाले भार को भी प्रभावित करता है। शोधकर्ताओं ने कितने डेटा पैकेट भेजे गए और कितनी मेमोरी का उपयोग किया, इसका मापन किया, और पाया कि समानांतर सेटअप की उछाल भरी प्रकृति ने नेटवर्क उपयोग के उच्च शिखर (peaks) की ओर ले जाने में मदद की। यह सुझाव देता है कि केवल अनुरोधों की कुल संख्या गिनना लोड को समझने के लिए पर्याप्त नहीं है; इंजीनियरों को यह भी देखना होगा कि वे अनुरोध समय में कैसे व्यवस्थित हैं।
अंततः, यह कार्य पहली बार स्पष्ट तस्वीर प्रदान करता है कि एक मल्टी-एजेंट सिस्टम की संरचना किस प्रकार उसके द्वारा उत्पन्न ट्रैफ़िक को आकार देती है। यह दिखाता है कि जैसे-जैसे हम एक ऐसे भविष्य की ओर बढ़ रहे हैं जहाँ सॉफ्टवेयर एजेंट समस्याओं को हल करने के लिए सहयोग करेंगे, उन्हें सहारा देने वाले नेटवर्कों को इन नए पैटर्न को ध्यान में रखकर डिजाइन करने की आवश्यकता होगी। पुराने मॉडल, जो मानव उपयोगकर्ताओं के लिए बनाए गए थे, इन डिजिटल टीमों के व्यवहार की सटीक भविष्यवाणी नहीं कर सकते। यह समझते हुए कि एजेंटों की समन्वय शैली ट्रैफ़िक में विशिष्ट, मापने योग्य पैटर्न बनाती है, इंजीनियर ऐसे सिस्टम बना सकते हैं जो स्वायत्त भविष्य की अनूठी लय को संभालने के लिए पर्याप्त मजबूत हों। शोधकर्ताओं ने अपने उपकरण और डेटा को जनता के लिए उपलब्ध करा दिया है, ताकि तकनीक के विकसित होने के साथ अन्य लोग इन पैटर्नों को और अधिक तलाश सकें।
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।