लँगग्राफ – एजंटिक एआयचा आधारस्तंभ

चॅट जीपीटी (म्हणजेच ओपन एआय), जेमिनी, क्लॉड अशांसारख्या एलएलएमकडून काम करून घेण्यासाठी आपण एजंट नावाचं सॉफ्टवेअर लिहू शकतो. हे सॉफ्टवेअर लिहिण्यासाठी लँगग्राफचं तंत्रज्ञान अत्यंत उपयुक्त आहे. अर्थात एजंटिक एआयचं सॉफ्टवेअर लिहिण्यासाठी बाजारात इतरही पर्याय उपलब्ध आहेत आणि तेसुद्धा लोकप्रिय आहेत. तरीही त्यातल्या त्यात सध्या लँगग्राफची चलती जास्त आहे; असं कदाचित म्हणता येईल.

लँगग्राफ या तंत्रज्ञानाची सुरुवात खरं म्हणजे लँगचेन नावाच्या आधीच्या तंत्रज्ञानामधून झाली. लँगचेन हे मूळ तंत्रज्ञान एजंट प्रकारचं सॉफ्टवेअर लिहिण्यासाठी वापरलं जात असे. अजूनही ते वापरलं जातं. मात्र लँगचेनमधली मुख्य अडचण म्हणजे जेव्हा आपल्याला एकाच वेळी दोन किंवा त्यापेक्षा जास्त एजंट्सकडून काम करून घ्यायचं असेल किंवा एजंटिक एआयकडून अपेक्षित असलेलं कामच क्लिष्ट असेल तेव्हा लँगचेनमधल्या मर्यादा स्पष्ट व्हायला लागतात. असं काम करून घेणं कठीण व्हायला लागतं. या अडचणी लक्षात घेऊन लँगचेनला पर्याय म्हणून लँगग्राफ या नव्या तंत्रज्ञानाची निर्मिती करण्यात आली.

लँगग्राफचं कामकाज कसं चालतं हे समजून घेणं तसं सोपं आहे. समजा एका प्रवासी कंपनीनं आपल्या ग्राहकांसाठी सहल आखून देण्यासाठीचा एजंट तयार केला. या एजंटच्या कामकाजात काही टप्पे असू शकतात. उदाहरणार्थ सुरुवातीला कुठे सहलीला जायचं आहे, किती जणांना जायचं आहे आणि कधी जायचं आहे; असे प्रश्न एजंट विचारू शकतो. तसंच कुठे सहलीला जायचं आहे हेच मुळात ठरलेलं नसेल तर ग्राहकाला काही प्रश्न विचारून त्यानुसार एजंट काही पर्याय स्वत:हून ग्राहकासमोर ठेवू शकतो. तसंच ग्राहकाची किती रक्कम खर्च करण्याची तयारी आहे, कोणती ठिकाणं बघायची आहेत किंवा इतर काही गोष्टी साध्य करायच्या आहेत; असे अनेक बारकावे जाणून घेऊन त्यानुसार एजंट ग्राहकाला सहलीसंबंधीचा अगदी स्पष्ट आणि बारीकसारीक तपशील असलेला बेत आखून देऊ शकतो. तसंच यासाठी किती खर्च येईल, तो नको असेल तर आणखी किती आणि कोणकोणते पर्याय असू शकतील अशा अनेक गोष्टीसुद्धा हा एजंट सुचवू शकतो. हे काम करण्यासाठी हा एजंट कदाचित ओपन एआय, जेमिनी वगैरे एलएलएमचा वापर करू शकतो. तसंच ठिकाणांची, राहण्याच्या सोयींची, प्रवासाची माहिती मिळवण्यासाठी हा एजंट इंटरनेटवरच्या उपयुक्त वेबसाइट्चा उपयोगही करू शकतो.

लँगग्राफच्या तंत्रज्ञानामध्ये पायथन या भाषेचा वापर केला जातो. पायथनमध्ये लँगग्राफकडून नेमकं काय काम अपेक्षित आहे, यासंबंधीच्या सूचना क्रमवार पद्धतीनं लिहिणं गरजेचं असतं. वरच्या उदाहरणात ग्राहकाकडून सहलीविषयीच्या अपेक्षा जाणून घेणं आणि त्यानंतर विविध पर्याय शोधणं, ते योग्यरीत्या ग्राहकासमोर सादर करणं, त्यात पुन्हा ग्राहकाला काही शंका असतील तर त्यांचं निरसन करणं अशा अनेक गोष्टी असू शकतात. म्हणजेच एकदा ग्राहकानं मागितलेली माहिती त्याला पुरवली की काम झालं; असा हा प्रकार नसतो. साहजिकच लँगग्राफचं कामकाज हे जणू एखादी पाककृती ठरावीक कृती एकामागोमाग एक व्यवस्थितरीत्या करण्यासारखी, त्यात आलेल्या अडचणी दूर करून काम करण्यासारखी असते. तसंच हे काम करत असताना उपलब्ध असलेल्या बहुविध पर्यायांपैकी नेमका कोणता पर्याय निवडून पुढे जायचं, यासारखे निर्णयही यात घेतले जातात. तसंच कुठलं काम साध्य करण्यासाठी नेमकं काय केलं पाहिजे यासाठी एजंट सॉफ्टवेअर लिहिणारा प्रोग्रॅमर एजंटला नेमक्या सूचना देऊ शकतो.

एकूणच लँगग्राफचं तंत्रज्ञान एआयमध्ये शिरू पाहत असलेल्यांनी अवगत करणं आता गरजेचं झालेलं आहे!

akahate@gmail.com