कृत्रिम प्रज्ञेच्या प्रांगणात: एआय एजंटचा कारभार 

एजंटिक एआयचं एका वाक्यात वर्णन करायचं तर: चॅट जीपीटी सारख्या सॉफ्टवेअरकडून काम करून घेणारं सॉफ्टवेअर म्हणजे एजंटिक एआय. सारांश म्हणजे सर्वसामान्यपणे आत्तापर्यंत लिहिलं जात असलेलं सॉफ्टवेअर हे माणसानं त्या सॉफ्टवेअरकडून नेमकं कोणत्या प्रकारचं काम अपेक्षित आहे हे आधी ठरवायचं आणि त्यानुसार त्याला सूचना द्यायच्या, असं असायचं. एजंटिक एआयमध्ये मात्र सॉफ्टवेअर लिहिण्याचं म्हणजेच प्रोग्रॅम्स लिहिण्याचं प्रारूपच एकदम वेगळं असतं. यात आपण सगळ्यात जास्त वापर करतो तो म्हणजे चॅट जीपीटीसारख्या ‘लार्ज लँग्वेज मॉडेल (एलएलएम)’चा. हे कसं घडतं?

यासाठी आपल्याला आपल्या एजंटिक एआयच्या प्रोग्रॅममध्ये ‘एजंट’ तयार करावे लागतात. हे काम तसं एकदम सोपं असतं. यासाठी पायथन भाष वापरली जाते. ‘एजंट’ म्हणजे काय? तर एका विशिष्ट प्रकारच्या प्रोग्रॅमला एजंट असं म्हणतात. हा एजंट आपण दिलेल्या सूचनांनुसार काम करत असला तरी हे काम म्हणजे मुख्यत्वे चॅट जीपीटी किंवा तत्सम एलएलएमकडे जाणं आणि आपण दिलेल्या सूचनांनुसार हवी ती माहिती तिथून आणणं आणि त्या माहितीवर पुढचं काम करणं, असं असतं. हे समजून घेण्यासाठी आपण एक सोपं उदाहरण घेऊ.

समजा आपल्याला सध्या शेअरबाजारात गुंतवणूक करण्यायोग्य सर्वोत्तम कंपनी कुठली आहे, हे शोधायचं आहे. यासाठी आपण एजंटिक एआयचा वापर करायचं ठरवलं. यासाठी आपण समजा तीन एजंट तयार करायचं ठरवलं. त्यामधला पहिला एजंट एखाद्या संशोधकाप्रमाणे शेअरबाजार खणून काढेल आणि सध्या गुंतवणूकयोग्य अशा ५-१० कंपन्यांची माहिती मिळवेल. दुसरा एजंट ही माहिती घेऊन संबंधित कंपन्यांचे आर्थिक ताळेबंद, त्यांच्याविषयीची माहिती, महत्त्वाच्या बातम्या हे सगळं शोधून काढेल आणि ते आपल्यासमोर सादर करेल. दरम्यान तिसरा एजंट या ५-१० कंपन्यांमधली सर्वोत्तम कंपनी कुठली हे आपण दिलेल्या किंवा एकूणच मान्यवर असलेल्या निकषांच्या आधारे ठरवेल आणि तिचं नाव आपल्यासमोर ठेवेल. म्हणजेच हे सगळं कष्टदायी काम आपल्याला करत बसण्याची गरज राहणार नाही. एजंटिक एआय हा नवा अद्भुत प्रकार हे काम अगदी सुरुवातीपासून शेवटपर्यंत करून टाकेल.

यासाठी आपल्याला आपल्या एजंटिक एआयच्या प्रोग्रॅममध्ये असे तीन एजंट तयार करण्यासाठीचं काम करावं लागेल. तसंच त्यांनी नेमकं काय काम करणं अपेक्षित आहे, यासाठीच्या नेमक्या सूचना त्यांना द्याव्या लागतील. त्याचबरोबर या एजंट्सनी चॅट जीपीटीकडे जावं का गुगलच्या जेमिनीकडे का क्लॉडकडे का चिनी डीपसीककडे; हे सगळंही आपणच ठरवून द्यावं लागेल. त्यानंतर मात्र हे एजंट स्वतंत्रपणे सगळं काम पूर्ण करतील. म्हणूनच एजंटना ‘स्वायत्त’ म्हटलं जातं. तसंच या एजंटच्या कामावर आपलं काहीच नियंत्रण राहिलं नाही तर काय; अशी भीती व्यक्त केली जाते. म्हणजेच माणसानं निर्माण केलेले हे एजंट उद्या माणसाच्याच नियंत्रणाबाहेर गेले, किंवा मनमानी कारभार करायला लागले तर? यासाठीच एजंटला दिल्या जात असलेल्या सूचना एकदम पक्क्या, काटेकोर असाव्या लागतात. तरीसुद्धा एजंटने त्यांचं उल्लंघन करू नये यासाठी नेमकं कय केलं पाहिजे याविषयी अजून तंत्रज्ञान क्षेत्रात पुरती एकवाक्यता नाही.

आपल्या उदाहरणाकडे वळायचं तर पहिल्या एजंटनं गुंतवणूकयोग्य शेअरची माहिती नेमकी कुठून मिळवायची यासाठीच्या नेमक्या सूचनासुद्धा आपण एजंटला देऊ शकतो. तसं नको असेल तर त्यानंच ही माहिती इंटरनेटवर शक्य असेल तिथून मिळवावी; असंही आपण त्याला सांगू शकतो. सारांश म्हणजे पूर्वी आपण अत्यंत बारीकसारीक सूचना देऊन सॉफ्टवेअर लिहायचो; पण आताच्या एजंट युगात आपण एजंटला फक्त एलएलएमकडे घेऊन जातो आणि अक्षरश: ‘तुम्ही दोघं काय ते बघा’ असं जवळपास सांगून टाकतो. साहजिकच यामुळे प्रोग्रॅमरवरची जबाबदारी खूप प्रमाणात कमी होऊन ती एजंट आणि एलएलएम यांच्यावर जाते. स्वाभाविकपणे इथून पुढच्या काळात हे एजंटिक सॉफ्टवेअर कसं लिहायचं; या कौशल्याला जोरदार मागणी येणार हे निर्विवाद आहे. त्यामध्ये बराच गोंधळ असल्यामुळे हा विषय नीटपणे समजून घेणं आवश्यक आहे. त्याविषयी पुढच्या वेळी.

akahate@gmail.com