𝗣𝗵𝘆𝘀𝗶𝗰𝗮𝗹 𝗔𝗜 𝗠𝗲𝗲𝘁𝘀 𝗦𝗼𝗳𝘁𝘄𝗮𝗿𝗲 𝗔𝗴𝗲𝗻𝘁𝘀
या आठवड्यात दोन मोठ्या घडामोडींनी AI क्षेत्राचा चेहरामोहरा बदलला आहे. Alibaba ने रोबोट मॉडेल्स लाँच केले आहेत, तर OpenAI ने एक एजंट फ्रेमवर्क प्रसिद्ध केले आहे.
Alibaba ने Qwen-Robot लाँच केले आहे. ही मॉडेल्स रोबोट्सना हालचाल करण्यास आणि वस्तूंना स्पर्श करण्यास मदत करतात. एक मॉडेल हातांच्या हालचालींवर लक्ष केंद्रित करते. हे व्हिजन (दृष्टी) आणि फिजिकल कंट्रोल (भौतिक नियंत्रण) यांना जोडते.
Qwen-Robot बद्दल काही महत्त्वाच्या गोष्टी:
- हे Vision-Language-Action आर्किटेक्चर वापरते.
- रोबोट पाहतो, विचार करतो आणि त्यानंतर कृती करतो.
- हे लॉजिस्टिक आणि मॅन्युफॅक्चरिंगसाठी औद्योगिक डेटाचा वापर करते.
- संशोधकांसाठी हे एक open-weight रिलीज आहे.
यामुळे Alibaba आता ई-कॉमर्समधून फिजिकल इंटेलिजन्सच्या क्षेत्रात पाऊल टाकत आहे. हे Google आणि NVIDIA शी स्पर्धा करेल.
त्याच वेळी, OpenAI ने त्याचे Agents SDK ओपन-सोर्स केले आहे. तुम्ही केवळ ५० ओळींच्या Python कोडसह मल्टी-एजंट सिस्टम्स तयार करू शकता.
हे SDK का महत्त्वाचे आहे:
- हे कोणत्याही मॉडेल प्रोव्हायडरसोबत काम करते.
- हे एजंट हँडऑफ्स (agent handoffs) व्यवस्थापित करते. एक एजंट कामाची जबाबदारी एखाद्या स्पेशालिस्टकडे सोपवतो.
- यामध्ये टूल इंटिग्रेशन आणि पॅरलल एक्झिक्यूशन समाविष्ट आहे.
- ३ महिन्यांत याला १० दशलक्ष (10M) डाउनलोड्स मिळाले आहेत.
तुम्ही एजंट्सना एकमेकांशी जोडू शकता (chain). एक कोड एजंट कोड लिहितो, एक टेस्टिंग एजंट त्याची तपासणी करतो आणि एक डिप्लॉयमेंट एजंट काम पूर्ण करतो. ते कोणत्याही अतिरिक्त कोडशिवाय एकत्र काम करतात.
या रिलीज एकाच दिशेने संकेत देत आहेत. Alibaba रोबोट्सना 'हात' देत आहे, तर OpenAI त्या हातांना कामे समन्वित करण्यासाठी 'मेंदू' देत आहे.
तुम्ही आजच दोन्ही फ्रेमवर्क्स वापरू शकता. ते मोफत आणि ओपन आहेत.
तुम्हाला काय वाटते, लवकरच प्रत्येक AI मॉडेलला भौतिक शरीर असेल का? तुमचे विचार नक्की कळवा.
Optional learning community: https://t.me/GyaanSetuAi