ਰੋਬੋਟ GPU ਇੰਸਟਾਲਰ ਅਤੇ AWS ਏਜੰਟ ਅੱਪਗ੍ਰੇਡਸ
ਏਜੰਟ ਹੁਣ ਚੈਟ ਬਾਕਸਾਂ ਤੋਂ ਅੱਗੇ ਵਧ ਰਹੇ ਹਨ। ਉਹ ਹੁਣ ਹਾਰਡਵੇਅਰ ਅਤੇ ਵਿਸ਼ਾਲ ਗਿਆਨ ਪ੍ਰਣਾਲੀਆਂ (knowledge systems) ਦਾ ਪ੍ਰਬੰਧਨ ਕਰ ਰਹੇ ਹਨ।
ਹਾਲੀਆ ਅੱਪਡੇਟਸ ਦਿਖਾਉਂਦੇ ਹਨ ਕਿ ਕਿਵੇਂ ਏਜੰਟ ਵਧੇਰੇ ਖੁਦਮੁਖਤਿਆਰ (autonomous) ਅਤੇ ਭੌਤਿਕ (physical) ਹੁੰਦੇ ਜਾ ਰਹੇ ਹਨ।
AWS ਇਨਫਰਾਸਟ੍ਰਕਚਰ ਅੱਪਡੇਟਸ AWS AI ਏਜੰਟਾਂ ਲਈ context intelligence ਲਾਂਚ ਕਰ ਰਿਹਾ ਹੈ। ਏਜੰਟਾਂ ਨੂੰ ਸਕੇਲ ਕਰਨ ਲਈ ਬਿਹਤਰ context management ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਹ ਡੇਟਾ ਵਧਣ ਦੇ ਨਾਲ ਗਲਤੀਆਂ ਅਤੇ ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ ਗਿਰਾਵਟ ਨੂੰ ਰੋਕਦਾ ਹੈ।
Amazon Bedrock AgentCore ਡਿਵੈਲਪਰ ਹੁਣ ਅਜਿਹੇ ਏਜੰਟ ਬਣਾ ਸਕਦੇ ਹਨ ਜੋ ਲਗਾਤਾਰ ਸਿੱਖਦੇ ਹਨ। ਇਹ ਏਜੰਟ ਵਿਸ਼ਾਲer knowledge bases ਤੱਕ ਪਹੁੰਚ ਕਰਦੇ ਹਨ। ਇਸ ਨਾਲ ਮੈਨੂਅਲ prompt engineering ਦੀ ਲੋੜ ਘਟ ਜਾਂਦੀ ਹੈ। ਏਜੰਟ ਆਪਣੇ ਆਪ ਆਪਣੇ ਗਿਆਨ ਨੂੰ ਵਿਕਸਿਤ ਕਰਦੇ ਹਨ।
ਭੌਤਿਕ ਰੋਬੋਟ ਟਾਸਕ ਕੋਡਿੰਗ ਏਜੰਟਾਂ ਨੇ ਰੋਬੋਟਾਂ ਨੂੰ ਭੌਤਿਕ ਕੰਮ ਕਰਨ ਲਈ ਨਿਰਦੇਸ਼ ਦਿੱਤੇ। ਇਹਨਾਂ ਰੋਬੋਟਾਂ ਨੇ GPU ਇੰਸਟਾਲ ਕੀਤੇ ਅਤੇ zip-ties ਕੱਟੀਆਂ। ਇਹ ਕੋਡ ਜਨਰੇਸ਼ਨ ਨੂੰ ਅਸਲ ਦੁਨੀਆ ਦੇ ਹਾਰਡਵੇਅਰ ਰੱਖ-ਰਖਾਅ ਨਾਲ ਜੋੜਦਾ ਹੈ।
AI ਸੁਰੱਖਿਆ ਅਤੇ ਨਿਯਮ Anthropic ਨੇ ਸਰਕਾਰੀ ਅਧਿਕਾਰੀਆਂ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ ਇੱਕ ਮਾਹਰ ਨੂੰ ਨੌਕਰੀ 'ਤੇ ਰੱਖਿਆ ਹੈ। ਉਹ AI ਸੁਰੱਖਿਆ ਅਤੇ ਜੋਖਮਾਂ 'ਤੇ ਕੰਮ ਕਰ ਰਹੇ ਹਨ। ਨਿਯਮ ਉਹ ਗਾਰਡਰੇਲ (guardrails) ਤੈਅ ਕਰਨਗੇ ਜੋ ਤੁਸੀਂ ਮਾਡਲ ਬਣਾਉਂਦੇ ਸਮੇਂ ਵਰਤਦੇ ਹੋ।
ਏਜੰਟ ਸਰਚ ਨੂੰ ਆਪਟੀਮਾਈਜ਼ ਕਰਨਾ ਨਵਾਂ ਖੋਜ ਦੱਸਦੀ ਹੈ ਕਿ parallel sampling ਦੀਆਂ ਸੀਮਾਵਾਂ ਹਨ। ਪਹਿਲੇ ਟਰਨ ਦੌਰਾਨ ਇੱਕੋ ਜਿਹੇ ਸਵਾਲਾਂ (queries) ਨੂੰ ਦੁਹਰਾਉਣ ਨਾਲ ਘੱਟ ਨਤੀਜੇ ਮਿਲਦੇ ਹਨ। ਤੁਸੀਂ ਵਿਭਿੰਨ ਸ਼ੁਰੂਆਤੀ ਕੁਐਰੀਆਂ (diverse initial queries) 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਕੇ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਆਪਟੀਮਾਈਜ਼ ਕਰ ਸਕਦੇ ਹੋ।
ਵਿਕਾਸ ਦਾ ਸਾਰ:
- AWS ਏਜੰਟ context management ਵਿੱਚ ਸੁਧਾਰ ਕਰਦਾ ਹੈ।
- Bedrock AgentCore ਖੁਦਮੁਖਤਿਆਰ ਸਿੱਖਣ (autonomous learning) ਦੀ ਸਹੂਲਤ ਦਿੰਦਾ ਹੈ।
- ਰੋਬੋਟ ਹੁਣ ਭੌਤਿਕ ਹਾਰਡਵੇਅਰ ਟਾਸਕ ਕਰਦੇ ਹਨ।
- ਨਿਯਮਾਂ ਦਾ ਦਬਾਅ AI ਸੁਰੱਖਿਆ ਮਾਡਲਾਂ ਨੂੰ ਰੂਪ ਦਿੰਦਾ ਹੈ।
- ਸਰਚ ਕੁਸ਼ਲਤਾ ਕੁਐਰੀ ਦੀ ਵਿਭਿੰਨਤਾ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ।
ਸਰੋਤ: https://dev.to/anikalp1/robot-gpu-installers-and-aws-agent-upgrades-42c6
ਵਿਕਲਪਿਕ ਲਰਨਿੰਗ ਕਮਿਊਨਿਟੀ: https://t.me/GyaanSetuAi