എല്ലാവരും AI ഏജന്റുകളുടെ ഒരു ടീമിനെ നിർമ്മിക്കാൻ ആഗ്രഹിക്കുന്നു. അവയുടെ ഡെമോകൾ അതിമനോഹരമാണ്. ഒരു ഏജന്റ് ഗവേഷണം നടത്തുന്നു, മറ്റൊന്ന് കോഡ് എഴുതുന്നു, മൂന്നാമത്തേത് ടെസ്റ്റുകൾ നടത്തുന്നു. എന്നാൽ ഈ സിസ്റ്റങ്ങളിൽ മിക്കവയും പങ്കുവെക്കുന്ന ഒരു രഹസ്യമുണ്ട്: അവ വളരെ ദുർബലമാണ് (fragile). അഞ്ച് മിനിറ്റ് നീണ്ടുനിൽക്കുന്ന ഒരു ഡെമോയിൽ അവ മനോഹരമായി പ്രവർത്തിക്കും, എന്നാൽ ഒരു യഥാർത്ഥ അന്വേഷണത്തിനിടയിൽ അവ തകർന്നടിയും. പരാജയത്തിന്റെ കാരണം മിക്കവാറും ലാംഗ്വേജ് മോഡലിന്റെ യുക്തിപരമായ കഴിവോ (reasoning ability) അല്ലെങ്കിൽ സ്വാർമയിലെ (swarm) ഏജന്റുകളുടെ എണ്ണമോ അല്ല. അത് അവയ്ക്കിടയിലുള്ള ഇടമാണ്. മൾട്ടി-ഏജന്റ് സിസ്റ്റങ്ങൾ തകരാറിലാകുന്നത് കൊളാബറേഷൻ പ്ലെയിനിൽ (collaboration plane) ആണ്.
സൂപ്പർവൈസർ കെണി (The Supervisor Trap)
ഡിഫോൾട്ട് ആർക്കിടെക്ചർ ആകർഷകമായ രീതിയിൽ ലളിതമാണ്. ഒരു സൂപ്പർവൈസർ ഏജന്റ് ഒരു ലക്ഷ്യം സ്വീകരിക്കുന്നു, അതിനെ ഉപദൗത്യങ്ങളായി (subtasks) തിരിക്കുന്നു, എന്നിട്ട് വർക്കർ ഏജന്റുകൾക്ക് നൽകുന്നു. വർക്കർമാർ അവ നടപ്പിലാക്കുന്നു, ഫലങ്ങൾ തിരികെ നൽകുന്നു, സൂപ്പർവൈസർ എല്ലാം കൂട്ടിയിണക്കി ഒരു അന്തിമ ഉത്തരം നൽകുന്നു. പത്ത് ലേഖനങ്ങൾ സംഗ്രഹിക്കുകയോ, ഓഡിയോ ഫയലുകൾ ട്രാൻസ്ക്രിബ് ചെയ്യുകയോ, നൂറോളം ഒരേപോലെയുള്ള വെബ് പേജുകളിൽ നിന്ന് ഡാറ്റ വേർതിരിച്ചെടുക്കുകയോ ചെയ്യുകയാണെങ്കിൽ ഈ രീതി ശരിയാണ്. ഈ ജോലികൾ സ്വതന്ത്രമാണ്. അവ പരസ്പരം സംസാരിക്കുന്നില്ല.
സങ്കീർണ്ണമായ അന്വേഷണങ്ങൾ വ്യത്യസ്തമാണ്. ഒരു ഏജന്റ് അപ്രതീക്ഷിതമായ ഒരു കണ്ടെത്തലിലേക്ക് എത്തുമ്പോൾ, ജോലിയുടെ മുഴുവൻ ദിശയും മാറേണ്ടി വന്നേക്കാം. ആ മാറ്റം മറ്റുള്ളവരെ അറിയിക്കാൻ സിസ്റ്റത്തിന് കൃത്യമായ സംവിധാനമില്ലെങ്കിൽ, മറ്റ് ഏജന്റുകൾ തെറ്റായ ദിശയിൽ തന്നെ മുന്നോട്ട് പോയിക്കൊണ്ടിരിക്കും. നിങ്ങൾ ഒരു സംഭാഷണത്തിന് പകരം സമാന്തരമായ ഏകഭാഷണങ്ങളുടെ (parallel monologues) ഒരു ശേഖരം മാത്രമാണ് ലഭിക്കുന്നത്. ഇവിടെ സൂപ്പർവൈസർ ഒരു കോർഡിനേറ്റർക്ക് പകരം ഒരു തടസ്സമായി (bottleneck) മാറുന്നു.
ഏകോപനം പരാജയപ്പെടുമ്പോൾ എന്താണ് നഷ്ടപ്പെടുന്നത്?
ഒരു അന്വേഷണം ആഴത്തിലുള്ളതാകുമ്പോൾ, അന്തിമ ഉത്തരത്തേക്കാൾ ഉപരിയായി നിങ്ങൾക്ക് കൂടുതൽ കാര്യങ്ങൾ അറിയേണ്ടതുണ്ട്. ആര് എപ്പോൾ എന്താണ് അറിഞ്ഞത് എന്ന് നിങ്ങൾ അറിയണം. ഏത് കണ്ടെത്തലാണ് ജോലിയുടെ ദിശ മാറ്റിയത് എന്ന് നിങ്ങൾ കണ്ടെത്തണം. രണ്ട് മണിക്കൂർ മുമ്പ് ഒരു ഏജന്റ് എന്തുകൊണ്ടാണ് അതിന്റെ പ്ലാൻ മാറ്റിയത് എന്ന് നിങ്ങൾ മനസ്സിലാക്കണം. ഒരു കൊളാബറേഷൻ പ്ലെയിൻ ഇല്ലാതെ ഇതിൽ ഒന്നും കാണാൻ കഴിയില്ല. നിങ്ങൾക്ക് ലോഗുകൾ (logs) ഉണ്ടാകാം. എന്നാൽ ലോഗുകൾ എന്നത് കാലക്രമത്തിലുള്ള ബഹളമാണ് (chronological noise). ഏജന്റ് C പെട്ടെന്ന് API കോളുകൾക്ക് പകരം ഡാറ്റാബേസ് ഇടപാടുകൾ വിശകലനം ചെയ്യാൻ തുടങ്ങിയെന്ന് അവ രേഖപ്പെടുത്തും, പക്ഷേ എന്തുകൊണ്ട് എന്ന് അവ വിശദീകരിക്കില്ല. അത് സംഭവിക്കുന്നത് നോക്കി നിങ്ങൾക്ക് ഊഹിക്കാം എന്ന് മാത്രം.
ഒരു സെക്യൂരിറ്റി ഇൻസിഡന്റ് റെസ്പോൺസ് (security incident response) സങ്കൽപ്പിക്കുക. ഏജന്റ് A സെർവർ ലോഗുകൾ പരിശോധിക്കുകയും ബ്രീച്ച് അവിടെ തുടങ്ങുന്നില്ലെന്ന് നിഗമനത്തിലെത്തുകയും ചെയ്യുന്നു. അത് അതിന്റെ ഔട്ട്പുട്ട് സൂപ്പർവൈസർക്ക് നൽകുന്നു. നെറ്റ്വർക്ക് ട്രാഫിക് വിശകലനം ചെയ്യാൻ നിയോഗിക്കപ്പെട്ട ഏജന്റ് B, ആ നിഗമനം ഒരു നിരസിക്കപ്പെട്ട ഹൈപ്പോത്തിസിസ് (rejected hypothesis) ആയി കാണുന്നില്ല. അതിന്റെ യഥാർത്ഥ ടാസ്ക് ഡിസ്ക്രിപ്ഷൻ ഇപ്പോഴും സെർവറിനെയാണ് പ്രധാന സംശയിതാവായി കാണുന്നത് എന്നതുകൊണ്ട്, ഏജന്റ് B അതേ ലോഗുകളിൽ തന്നെ തെളിവുകൾ തിരഞ്ഞ് സമയം കളയുന്നു. സിസ്റ്റം ഒരേ ജോലിക്ക് രണ്ടുതവണ സമയം ചിലവാക്കുന്നു, ആദ്യ ശ്രമത്തിൽ നിന്ന് ഒന്നും പഠിക്കുകയും ചെയ്യുന്നില്ല.
കൊളാബറേഷൻ പ്ലെയിൻ എന്നത് മെമ്മറി അല്ല
കൊളാബറേഷൻ പ്ലെയിൻ എന്നത് വസ്തുതകൾ സൂക്ഷിക്കാനുള്ള ഒരു മെമ്മറി ബക്കറ്റ് മാത്രമല്ല. മെമ്മറി വിവരങ്ങൾ സംഭരിക്കുന്നു. കൊളാബറേഷൻ സ്റ്റേറ്റ് (collaboration state) നടന്നുകൊണ്ടിരിക്കുന്ന ജോലിയെ സൂക്ഷിക്കുന്നു. ഡോക്യുമെന്റുകൾ നിറഞ്ഞ ഒരു വെക്റ്റർ ഡാറ്റാബേസ് ഒരു ഏജന്റിന് റഫറൻസ് മെറ്റീരിയൽ നൽകുന്നു. എന്നാൽ ഏജന്റ് X നിലവിൽ ഒരു ഹൈപ്പോത്തിസിസ് പരിശോധിച്ചുകൊണ്ടിരിക്കുകയാണെന്നും അത് ഏജന്റ് Y-യുടെ നിലവിലെ ജോലി അപ്രസക്തമാക്കുമെന്നും അത് ഏജന്റിനോട് പറയുന്നില്ല. മെമ്മറി എന്നത് സ്റ്റാറ്റിക് ആയ ഒരു കോൺടെക്സ്റ്റ് ആണ്. കൊളാബറേഷൻ സ്റ്റേറ്റ് എന്നത് പ്രവർത്തനത്തിന്റെ തത്സമയ മാപ്പാണ്.
ഇവ രണ്ടും തമ്മിൽ നിങ്ങൾ തെറ്റിദ്ധരിച്ചാൽ, നിങ്ങളുടെ കമ്പനി ഹാൻഡ്ബുക്കിന്റെ ഓരോ ഖണ്ഡികയും വീണ്ടെടുക്കാൻ കഴിയുന്ന എന്നാൽ മറ്റൊരു ഏജന്റ് നിങ്ങളുടെ നിലവിലെ ജോലി അപ്രസക്തമാണെന്ന് തെളിയിച്ചോ എന്ന് പറയാൻ കഴിയാത്ത സിസ്റ്റങ്ങളാണ് നിങ്ങൾ നിർമ്മിക്കുന്നത്.
ഷെയർഡ് സ്റ്റേറ്റിന്റെ അഞ്ച് ബക്കറ്റുകൾ
ഒരു യഥാർത്ഥ കൊളാബറേഷൻ പ്ലെയിന് അഞ്ച് പ്രത്യേക ബക്കറ്റുകൾ ആവശ്യമാണ്.
Claims. ഇവ ഒരു ഏജന്റ് പരിശോധിച്ചുകൊണ്ടിരിക്കുന്ന സജീവമായ ഹൈപ്പോത്തിസികളാണ് (hypotheses). ഒരു തട്ടിപ്പ് അന്വേഷണത്തിൽ (fraud investigation), "അസ്വാഭാവികത (anomaly) വാരാന്ത്യ ബാച്ച് ജോലികളുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു" എന്നത് ഒരു ക്ലെയിം ആകാം. ഏത് ക്ലെയിമുകളാണ് നിലവിലുള്ളതെന്നും, അവ പരിശോധിച്ചുകൊണ്ടിരിക്കുകയാണോ എന്നും, അവ ആരുടെ ഉത്തരവാദിത്തമാണെന്നും കാണാൻ എല്ലാ ഏജന്റുകൾക്കും കഴിയണം. ഇല്ലാതെ