உங்கள் AI ஏஜென்ட் எவ்வளவு தன்னாட்சியைப் பெற்றிருக்க வேண்டும்?

மக்கள் பெரும்பாலும் AI ஏஜென்ட்களை அதிக தன்னாட்சி (autonomous) கொண்டவையாக மாற்றுவதில் கவனம் செலுத்துகிறார்கள். அவர்கள் அதிக பகுத்தறிவு மற்றும் அதிக திட்டமிடலை விரும்புகிறார்கள். அவர்கள் அதிக சுதந்திரத்தை விரும்புகிறார்கள்.

இது முன்னேற்றமாகத் தோன்றலாம். ஆனால் அதிக தன்னாட்சி என்பது எப்போதும் தீர்வாகாது.

மென்பொருள் பொறியாளர்கள் எப்போதும் அதிகப்படியானவற்றிற்காக மட்டும் உருவாக்குவதில்லை. மைக்ரோசர்வீஸ்கள் (microservices) பிரபலமாக இருப்பதால் மட்டுமே நீங்கள் அவற்றைப் பயன்படுத்துவதில்லை. திறன் மற்றும் சிக்கலான தன்மை ஆகியவற்றுக்கு இடையே சமநிலையை ஏற்படுத்தும் ஒரு கட்டமைப்பை (architecture) நீங்கள் தேர்ந்தெடுக்கிறீர்கள்.

இதே விதி AI-க்கும் பொருந்தும். ஒரு ஏஜென்ட் எவ்வளவு தன்னாட்சி கொண்டிருக்க முடியும் என்று கேட்காதீர்கள். அது எவ்வளவு தன்னாட்சி கொண்டிருக்க வேண்டும் என்று கேளுங்கள்.

தன்னாட்சி என்பது ஒரு வடிவமைப்பு முடிவு (design decision). ஒவ்வொரு முறையும் ஒரு ஏஜென்ட் முடிவெடுக்க நீங்கள் அனுமதிக்கும்போது, அதன் பொறுப்பை அதிகரிக்கிறீர்கள். இது பலன்களைத் தரும், ஆனால் பொறியியல் சவால்களையும் கொண்டு வரும்.

அதிக தன்னாட்சி ஒரு ஏஜென்ட் புதிய சூழ்நிலைகளுக்கு ஏற்பத் தகவமைத்துக் கொள்ள உதவுகிறது. இது தொடர்ச்சியான வழிகாட்டுதல் இன்றி ஒரு இலக்கை நோக்கிச் செயல்படுகிறது. இருப்பினும், இது ஏஜென்ட்டை கணிக்கவும், பிழைகளைத் திருத்தவும் (debug), மற்றும் நம்பவும் கடினமாக்குகிறது.

தன்னாட்சி என்பது இலவசமானது அல்ல.

தன்னாட்சியை ஒரு நிறமாலை (spectrum) போலக் கருதுங்கள். • ஒரு முனையில், அமைப்புகள் பதில்களை மட்டுமே உருவாக்குகின்றன. • மறுமுனையில், ஏஜென்ட்கள் படிகளைத் திட்டமிட்டு மிகக் குறைந்த மனித உதவியுடன் செயல்படுகின்றன.

இந்த நிறமாலையில் ஒவ்வொரு முன்னேற்றமும் திறனையும் சிக்கலான தன்மையையும் அதிகரிக்கிறது. உச்சத்தை அடைவதே உங்கள் இலக்கல்ல. உங்கள் பிரச்சனைக்குத் தேவையான மட்டத்தில் நிறுத்துவதே உங்கள் இலக்கு.

ஒரு HR உதவியாளரை எடுத்துக் கொள்ளுங்கள். அது கொள்கைகள் பற்றிய கேள்விகளுக்குப் பதிலளிக்கிறது. ஊழியர் பதிவுகளை மாற்றும் அதிகாரத்தை அதற்கு வழங்குவது, மதிப்பைக் கூட்டாமல் அபாயத்தையே அதிகரிக்கும்.

இப்போது ஒரு operations agent-ஐ கருத்தில் கொள்ளுங்கள். அது உற்பத்திப் பிழைகளை ஆராய்கிறது. அது logs-களைச் சரிபார்க்கவும் மற்றும் systems-களைக் கேள்வி கேட்கவும் (query) தேவைப்படுகிறது. ஒரு கடுமையான பணிப்பாய்வு (rigid workflow) இந்த ஏஜென்ட்டின் செயல்பாட்டைத் தடுக்கும். இங்கே, தன்னாட்சி தீர்வை மேம்படுத்துகிறது.

வித்தியாசம் பிரச்சனையில் உள்ளது, தொழில்நுட்பத்தில் அல்ல.

பல வெற்றிகரமான அமைப்புகள் வரையறுக்கப்பட்ட தன்னாட்சியைப் (bounded autonomy) பயன்படுத்துகின்றன. அதாவது ஏஜென்ட் கடுமையான வரம்புகளுக்குள் செயல்படுகிறது என்று அர்த்தம்.

• கருவி அணுகலைக் (tool access) கட்டுப்படுத்துங்கள்.
• பணியின் எல்லையை (task scope) வரையறுக்கவும்.
• அதிக தாக்கத்தை ஏற்படுத்தும் செயல்களுக்கு ஒப்புதல் தேவைப்பட வேண்டும்.
• செலவு வரம்புகளை நிர்ணயிக்கவும்.
• எப்போது நிறுத்திவிட்டு ஒரு மனிதரிடம் கேட்க வேண்டும் என்பதை வரையறுக்கவும்.

கட்டுப்பாடுகள் ஒரு ஏஜென்ட்டை கணிக்கக்கூடியதாகவும் நம்பகமானதாகவும் மாற்றுகின்றன.

நீங்கள் தன்னாட்சியை அதிகரிப்பதற்கு முன், இந்தக் கேள்விகளைக் கேளுங்கள்:

• ஒரு workflow இதைத் தீர்க்க முடியுமா?
• அடுத்த படி தெரியாத தகவல்களைச் சார்ந்திருக்கிறதா?
• ஏஜென்ட் தோல்வியடைந்தால் என்ன நடக்கும்?
• அபாயகரமான செயல்களையும் குறைந்த அபாயம் கொண்ட பகுத்தறிவையும் பிரிக்க முடியுமா?
• வரையறுக்கப்பட்ட தன்னாட்சி (bounded autonomy) வேலை செய்யுமா?

சிறந்த பொறியாளர்கள் தன்னாட்சியை அதிகபட்சமாக்குவதில்லை. அது எங்கு தொடங்குகிறது மற்றும் எங்கு முடிகிறது என்பதை அவர்கள் துல்லியமாகத் தீர்மானிக்கிறார்கள். சிறந்த கட்டமைப்பு என்பது தேவையானதை மட்டும் துல்லியமாகச் செய்வதாகும்.

Source: https://dev.to/rohith_kn/how-much-autonomy-should-your-ai-agent-have-4h4n

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