प्रश्न और उत्तर: आज के एजेंटिक AI को समझना और भविष्य हम चाहते हैं कि यह बन जाए

मेटा विवरणः
MIT News पूछता है Phillip Isola एजेंटिक AI क्या है, यह जनरेटिव से कैसे भिन्न होता है AI, क्लाउड और चैटजीपीटी क्यों मायने रखते हैं, और उपयोगकर्ताओं को किन जोखिमों पर ध्यान देना चाहिए।

टैगः एजेंटिक AI, क्लाउड, जनरेटिव AI, AI एजेंट्स MIT News

विशेष रुप से प्रदर्शित छवि: (अंग्रेज़ी में) ">"</string> एक डिजिटल एजेंट का अमूर्त, मैत्रीपूर्ण चित्रण जो चैट बुलबुला, उपकरण और उड़ान-बुकिंग इंटरफ़ेस को जोड़ता है; कोई वास्तविक लोग नहीं हैं, कोई लोगो नहीं, कोई पाठ नहीं।

उन पाठकों के लिए जो यह तय कर रहे हैं कि क्या सॉफ्टवेयर सिस्टम को उनकी ओर से कार्य करने देना है, प्रबंधन और Boston Consulting Group की एक नवंबर 2025 रिपोर्ट एक स्पष्ट संकेत देती हैः 35 प्रतिशत सर्वेक्षण किए गए व्यवसायों ने पहले ही AI एजेंट तैनात कर दिए थे, जबकि अन्य 44 प्रतिशत ने जल्द ही एजेन्टिक AI लागू करने की योजना बनाई थी। Electrical Engineering और Computer Science विभाग में एक सहयोगी प्रोफेसर Phillip Isola के साथ बात की और Computer Science और Artificial Intelligence Laboratory का सदस्य, इन उपकरणों को समझाने के लिए कि वे कहां काम करते हैं, और जहां मानव निर्णय अभी भी मायने रखता है।

अंतर क्रिया है

ChatGPT और क्लाउड परिचित जनरेटिव सिस्टम हैं; एक एजेंट अपने मूल तर्क घटक के रूप में एक का उपयोग कर सकता है, फिर उपकरण और मेमोरी जोड़ सकता है।

इसोला का कहना है कि agentएजेंट काफी हद तक एक ब्रांड नाम है। इसका मतलब आमतौर पर AI होता है जो लोगों को किसी एप्लिकेशन, वेबसाइट या भौतिक दुनिया के साथ बातचीत करने में मदद करता है। आज अधिकांश एजेंट डिजिटल हैं, जैसे उत्पाद की शिकायतों के लिए ग्राहक सेवा एजेंट।

कई उत्पाद नींव मॉडल के एक छोटे से सेट का उपयोग करते हैं, जैसे कि क्लाउड, और रैपर जोड़ते हैं। एक रैपर एजेंट को गणित की समस्याओं के लिए कैलकुलेटर दे सकता है, या हार्ड ड्राइव और ऑपरेटिंग सिस्टम तक पहुंच प्रदान कर सकता है ताकि यह फर्म के वित्तीय डेटा और पिछले व्यापार वार्ताओं को याद रख सके। रैपर निर्धारित करता है कि एजेंट क्या कर सकते हैं।

कोडिंग एजेंट सबसे स्पष्ट सफलता हैं

कोडिंग एजेंट कोड पर प्रशिक्षित जनरेटिव AI मॉडलों से विकसित हुए। वे भविष्यवाणी कर सकते हैं कि एक मानव प्रोग्रामर समस्या को हल करने के लिए क्या करेगा। वे फीडबैक लूप से भी लाभान्वित होते हैंः समाधान का प्रयास करें, इसका परीक्षण करें, परिणाम की जांच करें और रणनीति काम करने तक दोहराएं। यह लूप संभव है क्योंकि कोड में अक्सर स्पष्ट पास-या-फेल चेक होता है।

फ्लाइट बुकिंग कठिन है। परिणाम सरल लगता है, लेकिन एजेंट को पता होना चाहिए कि माउस को कहां ले जाना है, किस बटन पर क्लिक करना है, अगर कुछ गलत हो जाता है तो क्या करना है और किसी को कॉल करके कीमत पर बातचीत कैसे करनी है। उन चरणों के लिए प्रशिक्षण डेटा दुर्लभ है। इज़ोला एजेंटों का वर्णन करता है जो एयरलाइन वेबसाइटों पर जाते हैं, कार्रवाई की कोशिश करते हैं, और परीक्षण और त्रुटि द्वारा सीखते हैं क्योंकि वास्तविक वातावरण मॉडल करने में मुश्किल होते हैं।

स्वचालन की सीमाएं हैं

परिणामों की भविष्यवाणी करने वाली विधियां मानव निर्णय निर्माताओं के लिए उपयोगी होती हैं, लेकिन वे एजेंटिक नहीं हैं क्योंकि वे कार्य नहीं करते हैं। आइसोला चिकित्सा, सुरक्षा और उच्च-स्तरीय व्यावसायिक नीति को ऐसे क्षेत्रों के रूप में इंगित करता है जहां पूर्ण स्वचालन तैयार नहीं हो सकता है, और जहां लोग निर्णय लेने से इनकार नहीं करना चाहते हैं।

जोखिम केवल यह नहीं है कि एजेंट गलतियाँ करते हैं। वे असफल हो सकते हैं क्योंकि प्रशिक्षण अधूरा है, या इसलिए कि एक मानव एक अस्पष्ट निर्देश देता है। कोडिंग एजेंट इसे दृश्यमान बनाते हैंः जब vivibe coding कोड के लिए पूछना आसान बनाता है, तो उपयोगकर्ता आउटपुट की जांच छोड़ सकते हैं। बग उत्पादों में प्रवेश कर सकते हैं, और निजी डेटा लीक हो सकता है। आइसोला का कहना है कि यह पहले से ही हो रहा है। यदि मनुष्य परिणामों के माध्यम से कम सोचते हैं, तो वे त्रुटियों के प्रति अधिक प्रवण हो सकती हैं।

एक लंबी अवधि की चिंता कौशल का अभाव है। यदि लोग होमवर्क, कोडिंग और गणित के लिए एजेंटों पर भरोसा करते हैं इससे पहले कि प्रौद्योगिकी पूरी तरह से मानव निर्णय को प्रतिस्थापित कर सके, तो वे स्वयं उन कार्यों को करने की क्षमता खो सकते हैं।

अगला क्या है

आज के एजेंटिक AI का अर्थ अक्सर डिजिटल और भौतिक प्रणालियों के साथ बातचीत करने के लिए उपकरणों का उपयोग करते हुए बड़े भाषा मॉडल होता है। सीमा वास्तुकला हैः ये मॉडल भाषा-मॉडल डिजाइन पर बनाए गए हैं और ज्यादातर पाठ पर प्रशिक्षित किए जाते हैं। अधिक शक्तिशाली एजेंटों को ऐसे मॉडलों की आवश्यकता हो सकती है जो वीडियो, भौतिक बलों, समय श्रृंखला, रडार स्कैन और अन्य निरंतर, उच्च आयामी या स्टोकास्टिक (यादृच्छिक) डेटा को संभालते हैं, संभवतः नई आर्किटेक्चर की आवश्यकता होती है।

एक अन्य मार्ग संभव है। सेंसर, एक्ट्यूएटर और वेब एप्लिकेशन प्रोग्रामिंग इंटरफेस के साथ जोड़ा गया एक बहुत ही मजबूत कोडिंग मॉडल भौतिक दुनिया के लिए कठपुतली की तरह काम कर सकता है। यदि तर्क प्रणाली भाषा, गणित और कोड को समझती है, तो यह स्थानिक कार्यों को संभालने के लिए पर्याप्त रूप से कैमरा और कीबोर्ड संचालित करना सीख सकती है। इज़ोला खुले प्रश्न को फ्रेम करती हैः क्या अगली लहर केवल क्लाउड है जिसमें अतिरिक्त उपकरण हैं, या कुछ जमीन से बनाया गया है?

पाठकों के लिए, व्यावहारिक टेकअवे यह है कि एजेंटों को वास्तविक शक्ति वाले सहायकों के रूप में व्यवहार किया जाए। पूछें कि एजंट क्या कार्रवाई कर सकता है, वह कौन सी प्रतिक्रिया देख सकता है और धन, डेटा, स्वास्थ्य, सुरक्षा या व्यावसायिक निर्णयों को प्रभावित करने से पहले परिणाम को किसने अनुमोदित करना चाहिए।