एजेंटिक लूप्स का उदय: AI स्वायत्तता (Autonomy) में अगली सीमा

आर्टिफिशियल इंटेलिजेंस का विकास तेजी से स्टैटिक कोड जनरेशन से डायनेमिक, स्व-स्थायी (self-sustaining) इकोसिस्टम की ओर बढ़ रहा है। जैसे-जैसे डेवलपर्स कोड लिखने से एजेंटों का उपयोग करने की ओर बढ़ रहे हैं, उद्योग अब "लूप्स" (loops) के युग में प्रवेश कर रहा है—जहाँ एजेंट निरंतर, पुनरावृत्ति (iterative) कार्य करने के लिए अन्य एजेंटों को प्रॉम्प्ट करते हैं।

सोर्स कोड से एजेंटिक स्वार्म्स (Agentic Swarms) तक

Meta के @Scale कॉन्फ्रेंस में, Claude Code के निर्माता बोरिस चेर्नी (Boris Cherny) ने AI डेवलपमेंट लाइफसाइकिल में एक गहरे बदलाव पर प्रकाश डाला। जहाँ पिछला प्रमुख मील का पत्थर मैनुअल सोर्स कोड से AI-लिखित कोड की ओर बढ़ना था, वहीं चेर्नी का तर्क है कि अगला कदम भी उतना ही महत्वपूर्ण है: एजेंटों द्वारा अन्य एजेंटों का प्रबंधन करना।

यह केवल सैद्धांतिक नहीं है; चेर्नी एक ऐसे वर्कफ़्लो का वर्णन करते हैं जहाँ विशिष्ट एजेंट एक निरंतर चक्र में काम करते हैं। उदाहरण के लिए, एक एजेंट विशेष रूप से कोड आर्किटेक्चर को रिफाइन करने पर ध्यान केंद्रित कर सकता है, जबकि दूसरा एकीकरण के लिए डुप्लिकेट एब्स्ट्रैक्शन (abstractions) को स्कैन कर सकता है। ये एजेंट मानव इंजीनियरों की तरह कार्य करते हैं, पुल रिक्वेस्ट (pull requests) सबमिट करते हैं और एसिंक्रोनसली (asynchronously) काम करते हैं। पारंपरिक ऑटोमेशन के विपरीत, ये लूप्स नॉन-डिटरमिनिस्टिक (non-deterministic) होते हैं; किसी हार्ड-कोडेड एग्जिट कंडीशन का पालन करने के बजाय, एक सब-एजेंट यह तय करने के लिए तर्क (reasoning) का उपयोग करता है कि कार्य कब पर्याप्त रूप से अनुकूलित या पूरा हो गया है।

लूप लॉजिक और टेस्ट-टाइम कंप्यूट (Test-Time Compute) को समझना

"लूप्स" की अवधारणा मौलिक कंप्यूटर विज्ञान—विशेष रूप से रिकर्सिव फंक्शन्स (recursive functions)—से ली गई है, लेकिन इसमें प्रोबेबिलिस्टिक रीजनिंग (probabilistic reasoning) की एक परत जोड़ी गई है। एक उल्लेखनीय पैटर्न "राल्फ लूप" (Ralph Loop) है (जिसका नाम सिम्पसन्स के पात्र राल्फ विगम के नाम पर रखा गया है), जो लंबी प्रक्रियाओं के दौरान मॉडल्स को भटकने (drifting) से रोकने के लिए उपयोग की जाने वाली एक तकनीक है। मॉडल अपनी प्रगति का सारांश देता है और मूल्यांकन करता है कि क्या उसने अपना लक्ष्य प्राप्त कर लिया है, जो अनिवार्य रूप से तब तक लॉजिक को आगे-पीछे "बाउंस" करता रहता है जब तक कि सफल परिणाम प्राप्त न हो जाए।

यह रुझान "टेस्ट-टाइम कंप्यूट" (test-time compute) की अवधारणा से गहराई से जुड़ा हुआ है। जैसा कि OpenAI रिसर्चर नोम ब्राउन ने उल्लेख किया है, यदि पर्याप्त कंप्यूटेशनल संसाधन प्रदान किए जाएं, तो समकालीन मॉडल तेजी से जटिल समस्याओं को हल कर सकते हैं। "हिल-क्लाइंबिंग" (hill-climbing) परिदृश्यों में—जैसे कि कोडबेस में क्रमिक सुधार—लूप्स एक AI को किसी समस्या पर लगातार काम करने की अनुमति देते हैं, जिससे एक विशिष्ट सीमा (threshold) तक पहुँचने के लिए उच्च स्तर का प्रदर्शन प्राप्त करने हेतु अधिक कंप्यूट का उपयोग किया जा सके।

आर्थिक वास्तविकता: टोकन खपत बनाम मूल्य

हालाँकि एजेंटिक लूप्स की तकनीकी क्षमता आश्चर्यजनक है, लेकिन इसके आर्थिक निहितार्थ महत्वपूर्ण हैं। एक मानक Q&A चैटबॉट इंटरैक्शन के विपरीत, एजेंटिक लूप्स को बैकग्राउंड में अंतहीन रूप से चलने के लिए डिज़ाइन किया गया है। इससे टोकन की खपत में भारी उछाल आता है, जिससे उद्यमों (enterprises) के लिए लागत आसमान छू सकती है।

Anthropic जैसे AI प्रदाताओं के लिए, यह एक उच्च-विकास राजस्व मॉडल (high-growth revenue model) का प्रतिनिधित्व करता है। हालाँकि, डेवलपर्स और संस्थापकों के लिए, लूप्स को लागू करने के लिए एक परिष्कृत संतुलन की आवश्यकता होती है। इस नए परिदृश्य में सफलता "ड्रिफ्ट" (जहाँ AI अपने मूल लक्ष्य से भटक जाता है) को प्रबंधित करने के लिए कठोर निगरानी लागू करने और टोकन खर्च पर सख्त गार्डरेल्स (guardrails) स्थापित करने पर निर्भर करेगी, ताकि यह सुनिश्चित किया जा सके कि लूप द्वारा उत्पन्न मूल्य उसकी परिचालन लागत से अधिक हो।

मुख्य बातें

• स्वायत्तता में बदलाव: AI सिंगल-टर्न कोड जनरेशन से स्वायत्त एजेंटिक लूप्स की ओर बढ़ रहा है जहाँ एजेंट एक-दूसरे की निगरानी करते हैं और उन्हें प्रॉम्प्ट करते हैं।
• टेस्ट-टाइम कंप्यूट: एजेंटिक लूप्स जटिल, पुनरावृत्ति वाले "हिल-क्लाइंबिंग" समस्याओं को हल करने के लिए इन्फरेंस (inference) चरण के दौरान बढ़े हुए कंप्यूट का लाभ उठाते हैं।
• लागत प्रबंधन महत्वपूर्ण है: इन लूप्स की निरंतर प्रकृति के कारण टोकन की खपत तेजी से बढ़ सकती है, जिससे उद्यमों द्वारा अपनाए जाने के लिए निगरानी और बजट गार्डरेल्स आवश्यक हो जाते हैं।