पुनरुत्पादनीय अनुसंधान और लागत प्रभावी वैज्ञानिक अनुप्रयोगों के लिए बड़े भाषा मॉडल (LLM) के ऑर्केस्ट्रेशन को सरल बनाने के लिए डिज़ाइन किया गया एक नया पायथन फ्रेमवर्क, ऑर्केस्ट्रल एआई, इस सप्ताह Github पर जारी किया गया। सैद्धांतिक भौतिक विज्ञानी अलेक्जेंडर रोमन और सॉफ्टवेयर इंजीनियर जैकब रोमन द्वारा विकसित, ऑर्केस्ट्रल का उद्देश्य लैंगचेन जैसे जटिल एआई पारिस्थितिक तंत्र और एंथ्रोपिक या OpenAI जैसे प्रदाताओं से विक्रेता-लॉक किए गए SDK के विकल्प प्रदान करना है।

यह फ्रेमवर्क नियतात्मक निष्पादन और डिबगिंग स्पष्टता को प्राथमिकता देता है, उन चुनौतियों का समाधान करता है जिनका सामना वैज्ञानिकों को पुनरुत्पादनीय अनुसंधान के लिए AI का उपयोग करते समय करना पड़ता है। डेवलपर्स के अनुसार, वर्तमान परिदृश्य अक्सर डेवलपर्स को जटिल प्रणालियों को नियंत्रण सौंपने या विशिष्ट विक्रेता समाधानों तक सीमित रहने के बीच चयन करने के लिए मजबूर करता है, एक ऐसी स्थिति जो वैज्ञानिक पुनरुत्पादनीयता के लिए महत्वपूर्ण बाधाएं उत्पन्न करती है।

ऑर्केस्ट्रल एआई को "एंटी-फ्रेमवर्क" आर्किटेक्चर के साथ डिज़ाइन किया गया है, जो जानबूझकर उस जटिलता को अस्वीकार करता है जो वर्तमान एआई टूलिंग बाजार की विशेषता है। यह दृष्टिकोण सिंक्रोनस संचालन और टाइप सुरक्षा पर जोर देता है, जो अनुमानित व्यवहार और आसान डिबगिंग को बढ़ावा देता है। डेवलपर्स ऑर्केस्ट्रल को एजेंट ऑर्केस्ट्रेशन के "वैज्ञानिक कंप्यूटिंग" उत्तर के रूप में रखते हैं, जो विश्वसनीयता और पारदर्शिता पर ध्यान केंद्रित करते हैं।

ऑर्केस्ट्रल एआई का रिलीज ऐसे समय में आया है जब स्वायत्त एआई एजेंटों का विकास तेजी से बढ़ रहा है। कई मौजूदा उपकरण एसिंक्रोनस संचालन पर निर्भर करते हैं, जो परिवर्तनशीलता को पेश कर सकते हैं और निष्पादन प्रवाह को ट्रैक करना मुश्किल बना सकते हैं। ऑर्केस्ट्रल का सिंक्रोनस डिज़ाइन इन मुद्दों को कम करने का लक्ष्य रखता है, जो वैज्ञानिक प्रयोग के लिए अधिक नियंत्रित वातावरण प्रदान करता है।

फ्रेमवर्क की प्रदाता-अज्ञेयवादी प्रकृति एक और महत्वपूर्ण विशेषता है, जो शोधकर्ताओं को महत्वपूर्ण कोड संशोधनों के बिना विभिन्न LLM प्रदाताओं के बीच स्विच करने की अनुमति देती है। यह लचीलापन लागत अनुकूलन और LLM प्रौद्योगिकियों के विकसित परिदृश्य के अनुकूल होने के लिए महत्वपूर्ण हो सकता है।

डेवलपर्स को उम्मीद है कि ऑर्केस्ट्रल एआई वैज्ञानिकों के लिए LLM की शक्ति का लाभ उठाने के लिए प्रवेश की बाधा को कम करेगा, जिससे अधिक पुनरुत्पादनीय और पारदर्शी एआई-संचालित वैज्ञानिक खोजों को बढ़ावा मिलेगा। यह फ्रेमवर्क Github पर उपलब्ध है, जो ओपन-सोर्स समुदाय से योगदान आमंत्रित करता है।