AI की संदर्भ समस्या: विशेषज्ञ वास्तविक समय के परिणाम देने और एजेंटिक सिस्टम को सुरक्षित करने में चुनौतियों पर प्रकाश डालते हैं
नवीनतम रिपोर्टों और विशेषज्ञ राय के अनुसार, बड़े भाषा मॉडल (एलएलएम) वास्तविक समय के परिणाम देने और एजेंटिक सिस्टम को सुरक्षित करने में महत्वपूर्ण चुनौतियों का सामना कर रहे हैं। जबकि एलएलएम तर्क करने में उत्कृष्ट हैं, वे अक्सर संदर्भ के साथ संघर्ष करते हैं, जिससे वास्तव में सहायक अनुभव प्रदान करने की उनकी क्षमता बाधित होती है, खासकर वास्तविक समय के ऑर्डरिंग सिस्टम जैसे गतिशील वातावरण में। साथ ही, एजेंटिक सिस्टम की सुरक्षा को लेकर चिंताएं बढ़ रही हैं, जिससे मजबूत शासन और सीमा नियंत्रण के लिए आह्वान किया जा रहा है।
इंस्टाकार्ट के सीटीओ अनिर्बान कुंडू द्वारा वर्णित "ब्राउनी रेसिपी समस्या," संदर्भ चुनौती का एक उदाहरण है। वेंचरबीट के अनुसार, एलएलएम के लिए केवल ब्राउनी बनाने के अनुरोध को समझना पर्याप्त नहीं है। वास्तव में सहायक होने के लिए, मॉडल को उपयोगकर्ता की प्राथमिकताओं, बाजार में उपलब्धता (ऑर्गेनिक बनाम नियमित अंडे), और भौगोलिक बाधाओं को ध्यान में रखना चाहिए ताकि डिलीवरी सुनिश्चित हो सके और भोजन की बर्बादी को रोका जा सके। इंस्टाकार्ट एक सेकंड से भी कम समय में अनुभव प्रदान करने के लिए संदर्भ के सही मिश्रण के साथ विलंबता को संतुलित करने का लक्ष्य रखता है।
संदर्भ की यह कमी ऑर्डरिंग सिस्टम से परे फैली हुई है। वेंचरबीट में सर्टिनिया के राजू मल्होत्रा ने तर्क दिया कि कई AI पायलट कार्यक्रमों की वादा किए गए परिणाम देने में विफलता मॉडल में बुद्धि की कमी के कारण नहीं, बल्कि संदर्भ की कमी के कारण है। उन्होंने इसे असंबद्ध पॉइंट सॉल्यूशंस, भंगुर एपीआई और विलंबता से ग्रस्त एकीकरण के "फ्रेंकन-स्टैक" को जिम्मेदार ठहराया जो संदर्भ को विभिन्न तकनीकों के भीतर फंसाते हैं।
जटिलता को बढ़ाते हुए, एमआईटी टेक्नोलॉजी रिव्यू ने एआई अनुसंधान गैर-लाभकारी संस्था एमईटीआर द्वारा ट्रैक की गई कुछ एआई क्षमताओं के विकास की घातीय दर पर प्रकाश डाला। जबकि प्रगति तेजी से हो रही है, सुरक्षित कार्यान्वयन की आवश्यकता सर्वोपरि बनी हुई है।
एआई एजेंटों की बढ़ती परिष्कार ने संभावित जोखिमों के बारे में चिंताएं बढ़ा दी हैं। एमआईटी टेक्नोलॉजी रिव्यू ने पहले एआई-संचालित जासूसी अभियान और प्रॉम्प्ट-स्तरीय नियंत्रण की विफलता पर रिपोर्ट दी। जवाब में, विशेषज्ञ एजेंटों को शक्तिशाली, अर्ध-स्वायत्त उपयोगकर्ताओं की तरह मानने और उन सीमाओं पर नियमों को लागू करने की वकालत कर रहे हैं जहां वे पहचान, उपकरण, डेटा और आउटपुट के साथ बातचीत करते हैं। एमआईटी टेक्नोलॉजी रिव्यू में प्रोटिग्रिटी ने सीईओ के लिए कार्यान्वित करने और रिपोर्ट करने के लिए एक आठ-चरणीय योजना की रूपरेखा तैयार की, जिसमें नियंत्रण के तीन स्तंभों के माध्यम से सीमा पर एजेंटिक सिस्टम को नियंत्रित करने पर ध्यान केंद्रित किया गया।
इसके अलावा, AI की ऊर्जा मांगें भी ध्यान में आ रही हैं। एमआईटी टेक्नोलॉजी रिव्यू ने AI की कम्प्यूटेशनल भूख को समर्थन देने के लिए बड़े डेटा केंद्रों में अभूतपूर्व निवेश पर ध्यान दिया। अगली पीढ़ी के परमाणु ऊर्जा संयंत्रों को इन सुविधाओं के लिए बिजली के संभावित स्रोत के रूप में माना जा रहा है, जो पुराने मॉडलों की तुलना में संभावित रूप से सस्ता निर्माण और सुरक्षित संचालन प्रदान करते हैं। यह हाइपरस्केल एआई डेटा केंद्रों और अगली पीढ़ी के परमाणु पर हाल ही में ग्राहक-विशिष्ट राउंडटेबल्स चर्चा में एक महत्वपूर्ण विषय था।
प्रासंगिक समझ से लेकर सुरक्षा और ऊर्जा खपत तक, AI विकास से जुड़ी चुनौतियाँ एक बहुआयामी दृष्टिकोण की आवश्यकता पर प्रकाश डालती हैं। जैसे-जैसे AI का विकास जारी है, इन मुद्दों को संबोधित करना संभावित जोखिमों को कम करते हुए इसकी पूरी क्षमता को साकार करने के लिए महत्वपूर्ण होगा।
Discussion
AI Experts & Community
Be the first to comment