സ്വയം പ്രവർത്തിക്കുന്ന സിസ്റ്റങ്ങളും (Autonomous Systems) പുതിയ ഓട്ടോസ്റ്റാർട്ടും

ഓപ്പറേറ്റിംഗ് സിസ്റ്റങ്ങൾക്ക് അദൃശ്യമായ ഒരു കൺട്രോൾ ലെയർ ഉണ്ട്.

ബൂട്ടിംഗിൽ (boot) എന്താണ് തുടങ്ങേണ്ടതെന്നും, പശ്ചാത്തലത്തിൽ (background) എന്താണ് പ്രവർത്തിക്കേണ്ടതെന്നും, ഒരു പരാജയത്തിന് ശേഷം എന്താണ് വീണ്ടും തുടങ്ങേണ്ടതെന്നും ഈ ലെയർ തീരുമാനിക്കുന്നു.

Windows ഉപയോഗിക്കുന്നത് Task Scheduler ആണ്. Linux ഉപയോഗിക്കുന്നത് systemd ആണ്. macOS ഉപയോഗിക്കുന്നത് launchd ആണ്.

ശരിയായ സമയത്ത് ശരിയായ പ്രോസസ്സുകൾ (processes) ആരംഭിക്കുക എന്നതാണ് ഇതിന്റെ ലക്ഷ്യം.

പരമ്പരാഗത സിസ്റ്റങ്ങൾ നിശ്ചിത രീതിയിൽ പ്രവർത്തിക്കുന്നവയാണ് (deterministic). ഒരു ട്രിഗർ (trigger) സംഭവിക്കുന്നു, ഒരു പ്രോസസ്സ് ആരംഭിക്കുന്നു, ഒരു ഔട്ട്പുട്ട് ലഭിക്കുന്നു. ഈ സിസ്റ്റങ്ങൾ കർശനമായ നിയമങ്ങൾ പാലിക്കുന്നു. അവയ്ക്ക് സന്ദർഭങ്ങൾ (context) മനസ്സിലാക്കാൻ കഴിയില്ല.

AI ഇത് മാറ്റുന്നു.

പഴയ സിസ്റ്റങ്ങൾ നിയമങ്ങൾ പാലിക്കുന്നു: "ഇത് 08:00-ന് പ്രവർത്തിപ്പിക്കുക." AI സിസ്റ്റങ്ങൾ ഉദ്ദേശ്യം (intent) പിന്തുടരുന്നു: "ഡാറ്റ വിശകലനം ചെയ്യുക, എന്താണ് പ്രസക്തമെന്ന് തീരുമാനിക്കുക."

നമ്മൾ കേവലം നിർവ്വഹണത്തിൽ (execution) നിന്ന് യുക്തിചിന്തയിലേക്ക് (reasoning) മാറുകയാണ്. നിശ്ചിതമായ പ്രവാഹങ്ങളിൽ (static flows) നിന്ന് സാഹചര്യങ്ങൾക്കനുസരിച്ച് മാറുന്ന പെരുമാറ്റങ്ങളിലേക്ക് (adaptive behaviors) നമ്മൾ മാറുന്നു.

സോഫ്റ്റ്‌വെയറുകൾ ഇപ്പോൾ തീരുമാനങ്ങൾ എടുക്കുന്നു.

ഈ മാറ്റത്തിന്റെ കേന്ദ്രം കമാൻഡ് ലൈൻ ഇന്റർഫേസ് (CLI) ആണ്. ഇത് ഓട്ടോമേഷനും നിരീക്ഷണവും (observability) സാധ്യമാക്കുന്നു. ആധുനിക AI ഏജന്റുകൾ CLI ഉപയോഗിക്കുന്നത് ഇവയ്ക്കാണ്:

  • കോഡ് എഴുതാൻ
  • ഫയലുകൾ മാറ്റം വരുത്താൻ
  • ടെസ്റ്റുകൾ പ്രവർത്തിപ്പിക്കാൻ
  • സിസ്റ്റങ്ങൾ ഡീബഗ് ചെയ്യാൻ
  • സ്വയം തിരുത്താൻ

ടെർമിനൽ ഇപ്പോൾ കൺട്രോൾ പ്ലെയിൻ (control plane) ആണ്. ഒരു AI ഏജന്റ് പ്രവർത്തിക്കുന്നതിനായി CLI, APIs, ഫയൽ സിസ്റ്റം എന്നിവ ഉപയോഗിക്കുന്നു. സന്ദർഭം (context) നിലനിർത്താൻ അത് റീസണിംഗ് എഞ്ചിനുകളും (reasoning engines) വെക്റ്റർ ഡാറ്റാബേസുകളും (vector databases) ഉപയോഗിക്കുന്നു. സ്വന്തം പ്രവർത്തനം വിലയിരുത്താൻ അത് ലോഗുകളും (logs) ട്രേസുകളും (traces) ഉപയോഗിക്കുന്നു.

ഇത് ലക്ഷ്യധിഷ്ഠിതമായ ഒരു നിർവ്വഹണ ലൂപ്പ് (loop of goal-driven execution) സൃഷ്ടിക്കുന്നു.

ഈ പുതിയ മാതൃകയിൽ:

  • LLM ഒരു CPU ആയി പ്രവർത്തിക്കുന്നു.
  • Context ഒരു RAM ആയി പ്രവർത്തിക്കുന്നു.
  • Vector databases ഒരു Disk ആയി പ്രവർത്തിക്കുന്നു.

എന്താണ് ഓർമ്മിക്കേണ്ടതെന്ന് മോഡൽ തീരുമാനിക്കുന്നു. ഇത് ഡൈനാമിക് മെമ്മറിയും (dynamic memory) സാഹചര്യങ്ങൾക്കനുസരിച്ച് മാറുന്ന ഓർമ്മശക്തിയും (adaptive recall) സൃഷ്ടിക്കുന്നു. ഓപ്പറേറ്റിംഗ് സിസ്റ്റം ഒരു കോഗ്നിറ്റീവ് (cognitive) സംവിധാനമായി മാറുന്നു.

പുതിയ സിസ്റ്റം ലൂപ്പ് ഇപ്രകാരമാണ് പ്രവർത്തിക്കുന്നത്:

  1. ഒരു ഇവന്റ് ഒരു ഏജന്റിനെ പ്രവർത്തിപ്പിക്കുന്നു (trigger).
  2. ഏജന്റ് യുക്തിചിന്ത നടത്തുന്നു (reasons).
  3. ഏജന്റ് ടൂളുകൾ ഉപയോഗിക്കുന്നു.
  4. ഏജന്റ് ഔട്ട്പുട്ട് വിലയിരുത്തുന്നു.
  5. ഫലം തെറ്റാണെങ്കിൽ ഏജന്റ് വീണ്ടും പ്ലാൻ ചെയ്യുന്നു.

ഇത് വെറുമൊരു ഓട്ടോസ്റ്റാർട്ട് മാത്രമല്ല. ഇതൊരു സ്വയം പ്രവർത്തിക്കുന്ന നിർവ്വഹണ ലൂപ്പ് (autonomous execution loop) ആണ്.

ഇത് താഴെ പറയുന്നവയിൽ കാണാം:

  • സൈബർ സെക്യൂരിറ്റി റെസ്പോൺസ് സിസ്റ്റങ്ങളിൽ.
  • DevOps സെൽഫ് ഹീലിംഗ് പൈപ്പ്‌ലൈനുകളിൽ.
  • ഫിനാൻസ് അനോമലി ഡിറ്റക്ഷനിൽ.

ക്ലാസിക്കൽ സിസ്റ്റങ്ങൾ പ്രോസസ്സുകൾ പ്രവർത്തിപ്പിക്കുന്നു. AI സിസ്റ്റങ്ങൾ ജോലി ചെയ്യുന്നു.

ഓട്ടോസ്റ്റാർട്ട് ഇപ്പോൾ സ്വയം പ്രവർത്തിക്കുന്ന ബുദ്ധിശക്തിയുടെ (autonomous intelligence) ഇഗ്നിഷൻ ലെയർ (ignition layer) ആണ്.

Source: https://dev.to/serifcolakel/autonomous-systems-and-the-evolution-of-autostart-architectures-in-the-ai-era-4fin

Optional learning community: https://t.me/GyaanSetuAi