AI ചാറ്റ്‌ബോക്സിനെ മറികടക്കുന്നു

മിക്ക AI ഡെമോകളും ഒരേപോലെയാണ് കാണപ്പെടുന്നത്. നിങ്ങൾ ഒരു ചാറ്റ് വിൻഡോ കാണുന്നു. ഒരു പ്രോംപ്റ്റ് ടൈപ്പ് ചെയ്യുന്നു. ടെക്സ്റ്റ് വരുന്നത് നോക്കി നിൽക്കുന്നു. ഈ ഇന്റർഫേസ് ഒരു കെണിയാണ്. പരിഹാരങ്ങൾ നിർമ്മിക്കുന്നതിന് പകരം ചോദ്യങ്ങൾ ചോദിക്കാൻ ഇത് നിങ്ങളെ ശീലിപ്പിക്കുന്നു.

ബെർക്ക്ലിയിലെ (Berkeley) CS വിദ്യാർത്ഥികൾ ഇതിനൊരു മികച്ച വഴി കണ്ടെത്തി. അവർ അവരുടെ അൽഗോരിതം ഹോംവർക്കുകൾക്കായി ചാറ്റ് ബോക്സുകൾ ഉപയോഗിക്കുന്നത് നിർത്തി. പകരം, അവർ സ്വയം പ്രവർത്തിക്കുന്ന ഏജന്റുകളെ (autonomous agents) നിർമ്മിച്ചു. ഈ ഏജന്റുകൾ ചാറ്റ് ചെയ്യാറില്ല. അവ പ്ലാൻ ചെയ്യുന്നു, കോഡ് പ്രവർത്തിപ്പിക്കുന്നു, കൂടാതെ ഫലങ്ങൾ ഇമെയിൽ ചെയ്യുന്നു.

സിസ്റ്റം എങ്ങനെ പ്രവർത്തിക്കുന്നു:

• Task Planner: ഒരു ലഘുവായ LLM ലക്ഷ്യത്തെ സബ് ടാസ്ക്കുകളുടെ (subtasks) ഒരു JSON ലിസ്റ്റാക്കി മാറ്റുന്നു. ഓരോ ടാസ്ക്കിനും വ്യക്തമായ വിജയ നിയമങ്ങളുണ്ട് (success rule). • Code Executor: ഓരോ ടാസ്ക്കിനും വേണ്ടി ഒരു പ്രത്യേക LLM പൈത്തൺ (Python) സ്ക്രിപ്റ്റുകൾ എഴുതുന്നു. ഈ സ്ക്രിപ്റ്റുകൾ ഒരു Docker sandbox-ൽ ആണ് പ്രവർത്തിക്കുന്നത്. ഇത് നിങ്ങളുടെ കമ്പ്യൂട്ടറിനെ സുരക്ഷിതമായി വെക്കുന്നു. കോഡ് പരാജയപ്പെട്ടാൽ, ഏജന്റ് എറർ മെസ്സേജോടെ വീണ്ടും ശ്രമിക്കുന്നു. • SQLite Store: ഇതാണ് ഏജന്റിന്റെ മെമ്മറി. വലിയൊരു ചാറ്റ് ഹിസ്റ്ററി ഉപയോഗിക്കുന്നതിന് പകരം, ഏജന്റ് ഒരു ലോക്കൽ ഡാറ്റാബേസിലേക്ക് വിവരങ്ങൾ വായിക്കുകയും എഴുതുകയും ചെയ്യുന്നു. ഇത് ചിലവ് കുറയ്ക്കാനും പിശകുകൾ ഒഴിവാക്കാനും സഹായിക്കുന്നു. • Email Aggregator: ഏജന്റ് ജോലി ചെയ്യുന്നത് നിങ്ങൾ നോക്കി നിൽക്കേണ്ടതില്ല. ജോലി പൂർത്തിയായിക്കഴിഞ്ഞാൽ, ഫലങ്ങളും ഉപയോഗിച്ച കോഡും അടങ്ങിയ ഒരു പൂർണ്ണ റിപ്പോർട്ട് ഏജന്റ് നിങ്ങൾക്ക് ഇമെയിൽ ചെയ്യും.

എന്തുകൊണ്ട് ഇത് ChatGPT-യെക്കാൾ മികച്ചതാകുന്നു:

  • ചിലവ്: OpenRouter വഴി ചെറിയ മോഡലുകൾ ഉപയോഗിക്കുന്നത് ഡോളറിലല്ല, സെന്റുകളിൽ ആണ് ചിലവാകുന്നത്.
  • മെമ്മറി: ഒരു context window-യ്ക്ക് പകരം ഡാറ്റാബേസ് ഉപയോഗിക്കുന്നത് ഏജന്റ് ആശയക്കുഴപ്പത്തിലാകുന്നത് തടയുന്നു.
  • വിശ്വാസ്യത: ഫലങ്ങൾ പരിശോധിക്കാൻ ഏജന്റ് കോഡ് ഉപയോഗിക്കുന്നു. നിങ്ങൾക്ക് വെറും ടെക്സ്റ്റ് മാത്രമല്ല, ഗണിതശാസ്ത്രപരവും യുക്തിപരവുമായ കൃത്യതയും ലഭിക്കുന്നു.
  • സുരക്ഷ: സാൻഡ്‌ബോക്സ് (sandbox) ഉപയോഗിക്കുന്നതിലൂടെ ഏജന്റിന് നിങ്ങളുടെ സ്വകാര്യ ഫയലുകളിൽ തൊടാൻ കഴിയില്ലെന്ന് ഉറപ്പാക്കുന്നു.

ഈ ആർക്കിടെക്ചർ ഡാറ്റാ അനാലിസിസ്, ഫയൽ പ്രോസസ്സിംഗ്, ഗണിതം എന്നിവയ്ക്ക് അനുയോജ്യമാണ്. ക്രിയേറ്റീവ് റൈറ്റിംഗിനോ സബ്ജക്റ്റീവ് ആയ ജോലികൾക്കോ ഇത് ഉപയോഗിക്കാൻ കഴിയില്ല. അവയ്ക്ക് ഇപ്പോഴും മനുഷ്യന്റെ സഹായം ആവശ്യമാണ്.

ആവർത്തന സ്വഭാവമുള്ള ജോലികൾക്കായി ചാറ്റ് ഉപയോഗിക്കുന്നത് നിർത്തുക. നിങ്ങൾ ഉറങ്ങുന്ന സമയത്തും നിങ്ങൾക്കായി ജോലി ചെയ്യുന്ന ഒരു ഏജന്റിനെ നിർമ്മിക്കുക.

സ്രോതസ്സ്: https://dev.to/youngones/breaking-the-ai-chatbox-how-berkeley-students-built-real-autonomous-agents-270c

ഓപ്ഷണൽ ലേണിംഗ് കമ്മ്യൂണിറ്റി: https://t.me/GyaanSetuAi