ஒரு அரை-தன்னாட்சி (semi-autonomous), நான்கு முகவர் (four-agent) கொண்ட குழாய்முறை (pipeline), எண்களைக் கணக்கிடும் வேலையைத் தவிர்த்து, பெரிய மொழி மாதிரிகளை (LLMs) வெறும் முடிவெடுக்கும் பணிகளில் மட்டுமே ஈடுபடுத்துவதன் மூலம், ஆய்வுக் தரவு பகுப்பாய்வில் (EDA) ஏற்படும் மாயத்தோற்றங்களைக் (hallucinations) குறைக்க முடியும். இந்த வடிவமைப்பு, எதை ஆய்வு செய்ய வேண்டும் என்பதைத் தீர்மானிக்க மாதிரியை அனுமதிக்கிறது; அதே சமயம் ஒரு சாண்ட்பாக்ஸில் (sandbox) இயங்கும் சாதாரணக் குறியீடு (code) உண்மையான கணக்கீடுகளைச் செய்து, படிப்படியாகச் சரிபார்க்கக்கூடிய முடிவுகளை வழங்குகிறது.
ஏன் ஒரு ஒற்றை LLM அழைப்பு ஆபத்தானது
ஒரு LLM-இடம் "இந்த ஸ்பிரெட்ஷீட்டைப் பார்த்து அதில் சுவாரஸ்யமானவை என்னவென்று சொல்லுங்கள்" என்று கேட்டால், அது ஒரு நீண்ட உரைத் தொகுப்பையே வழங்கும். அந்த மாதிரி எண்களைத் தானாகவே உருவாக்குகிறது, தர்க்கத்தையும் வெளியீட்டையும் கலந்து வழங்குகிறது, மேலும் ஒரு முடிவு எவ்வாறு எட்டப்பட்டது என்பதற்கான எந்தத் தடயத்தையும் காட்டவில்லை. அது மாயத்தோற்றங்களை உருவாக்கும்போது—அதாவது ஒரு பொய்யான புள்ளிவிவரம் அல்லது தவறான தொடர்பு—பயனரைச் சென்றடைவதற்கு முன் அந்தத் தவறைப் பிடிக்க எந்த ஒரு சரிபார்ப்புப் புள்ளியும் (checkpoint) இருப்பதில்லை.
ஒரு அரை-தன்னாட்சி குழாய்முறையின் பின்னணியில் உள்ள யோசனை
இந்த புதிய பணிப்பாய்வு (workflow) EDA-வை நான்கு நிலையான நிலைகளாகப் பிரிக்கிறது, ஒவ்வொன்றையும் அதன் சொந்த முகவர் கையாள்கிறது. இந்த முகவர்கள் "திட்டமிட்டுச் செயல்படு" (plan-then-act) என்ற முறையைப் பின்பற்றுகின்றன: அவை முதலில் எந்தச் செயல்பாடு தேவை என்பதைத் தீர்மானிக்கின்றன, பின்னர் அந்தச் செயல்பாட்டைச் செயல்படுத்த சாண்ட்பாக்ஸ் குறியீட்டிற்கு வழங்குகின்றன. LLM ஒருபோதும் 산சயத அல்லது கோப்பு கையாளுதல் (file manipulation) போன்றவற்றைச் செய்வதில்லை; அது பொருத்தத்தைப் பற்றிய முடிவை மட்டுமே எடுக்கிறது.
நான்கு முகவர்கள்
- தரவு-சுத்தம் செய்யும் முகவர் (Data-cleaning agent) – நெடுவரிசை வகைகளை (column types) ஆய்வு செய்கிறது, விடுபட்ட மதிப்புகளைக் கண்டறிகிறது மற்றும் தரவுகளை நிரப்புதல் (imputation) அல்லது வகை மாற்றும் உத்திகளைத் தீர்மானிக்கிறது.
- நெடுவரிசை-பகுப்பாய்வு முகவர் (Column-analysis agent) – ஒவ்வொரு மாறியின் (variable) தரவு வகை மற்றும் பரவலைப் பொறுத்து பொருத்தமான காட்சிப்படுத்தல்களை (histograms, box plots போன்றவை) தேர்ந்தெடுக்கிறது.
- தொடர்பு-பகுப்பாய்வு முகவர் (Relationship-analysis agent) – ஒவ்வொரு நெடுவரிசை ஜோடியையும் மதிப்பீடு செய்கிறது, எந்த ஜோடிகள் ஆழமான புள்ளிவிவரச் சோதனைக்குத் தகுதியானவை என்பதைத் தேர்ந்தெடுக்கிறது மற்றும் அவற்றின் சாத்தியமான நுண்ணறிவுகளின் அடிப்படையில் வரிசைப்படுத்துகிறது.
- அறிக்கை-எழுதும் முகவர் (Report-writing agent) – உருவாக்கப்பட்ட வரைபடங்கள் மற்றும் கணக்கிடப்பட்ட புள்ளிவிவரங்களை இயல்பான மொழி விளக்கங்களாக மாற்றுகிறது, குறிப்பிடத்தக்க முறைகள் மற்றும் எச்சரிக்கைகளை முன்னிலைப்படுத்துகிறது.
ஒவ்வொரு நிலையையும் தனித்தனியாக இயக்க முடியும் என்பதால், நெடுவரிசை-பகுப்பாய்வு மற்றும் தொடர்பு-பகுப்பாய்வு முகவர்கள் இணையாக (parallel) செயல்பட முடியும், இது ஒட்டுமொத்த பணிப்பாய்வில் நேரத்தைக் குறைக்கிறது.
தன்னாட்சி எவ்வாறு கட்டுப்படுத்தப்படுகிறது
இந்த குழாய்முறையின் பாதுகாப்பு விதி எளிமையானது: மாதிரி எழுதும் எந்தக் குறியீடும், அதை முதன்மை அமைப்பிலிருந்து (host system) தனிமைப்படுத்தும் ஒரு சாண்ட்பாக்ஸிற்குள் இயங்கும். இயக்கம் தோல்வியடைந்தால், அந்தத் தவறு மாதிரியிடம் மீண்டும் தெரிவிக்கப்படும்; குழாய்முறை நிறுத்தப்படுவதற்கு முன், ஸ்கிரிப்டைத் திருத்த மாதிரிக்கு இரண்டு முயற்சிகள் வரை வழங்கப்படும். இது கட்டுப்பாடற்ற சுழற்சிகளைத் (runaway loops) தடுக்கிறது மற்றும் மாதிரி ஒருபோதும் கோப்புகளை நேரடியாகக் கையாளுவதையோ அல்லது கணக்கீடுகளைச் செய்வதையோ உறுதி செய்கிறது.
எதைக் கணக்கிட வேண்டும் என்பதைத் தீர்மானிப்பதோடு மாதிரியின் பங்கு மட்டுப்படுத்தப்பட்டுள்ளதால், உண்மையான எண்கள் எப்போதும் தீர்மானிக்கப்பட்ட (deterministic) குறியீட்டிலிருந்தே வருகின்றன. தொடர்பு-பகுப்பாய்வு முகவர் "Order ID" மற்றும் "Month" ஆகியவற்றிற்கு இடையே ஒரு தொடர்பு இருப்பதாகச் சந்தேகிக்கின், சாண்ட்பாக்ஸ் ஒரு தொடர்புச் சார்பை (correlation function) இயக்கி, துல்லியமான மதிப்பைப் பெறுகிறது; அதன் பின்னரே அந்தத் தொடர்பு காரண காரியத் தொடர்பா (causal) அல்லது தற்செயலானதா (coincidental) என்பது குறித்து மாதிரி கருத்து தெரிவிக்கும்.
இது எதைத் தீர்க்கிறது – மற்றும் இதன் விலை என்ன
குறைக்கப்பட்ட மாயத்தோற்றங்கள். தர்க்கத்தையும் கணக்கீட்டையும் பிரிப்பதன் மூலம், புள்ளிவிவரங்களை உருவாக்குவதில் உள்ள பொதுவான சிக்கலை இந்த குழாய்முறை நீக்குகிறது: அதாவது, குறியீடு எண்களை உருவாக்க அனுமதிப்பதற்குப் பதிலாக, மாதிரி எண்களைத் தானாகவே யூகிப்பதைத் தடுக்கிறது.
தொகுப்புத்தன்மை (Modularity). ஒரு புதிய நிலையைச் சேர்ப்பது (உதாரணமாக, ஒரு காலத் தொடர் கணிப்பு முகவர் - time-series forecasting agent) முழுத் தூண்டுதலையும் (prompt) மீண்டும் எழுதத் தேவையில்லை. ஒவ்வொரு முகவரும் நிலையான வரிசையில் இணைக்கப்படக்கூடிய ஒரு தனித்த தொகுதியாகும்.
வேக அதிகரிப்பு. ஒவ்வொரு படிநிலையையும் வரிசையாகச் செய்ய வேண்டிய ஒரு ஒற்றை LLM அழைப்பைக் காட்டிலும், தனித்த முகவர்களின் இணையாகச் செயல்படுதல் நேரத்தைக் குறைக்கிறது.
சிக்கலான மேலாண்மை (Complexity overhead). இதற்கான சவாலாக, மிகவும் விரிவான கட்டமைப்பு தேவைப்படுகிறது. குழுக்கள் சாண்ட்பாக்ஸ் சூழலைப் பராமரிக்கவும், பிழைத் திருத்தச் சுழற்சிகளைக் கையாளவும் மற்றும் பல முகவர்களை ஒருங்கிணைக்கவும் (orchestrate) வேண்டியிருக்கும்.
அடுத்து கவனிக்க வேண்டியவை
- கருவி ஒருங்கிணைப்புகள் (Tooling integrations). சாண்ட்பாக்ஸ்-இயக்கப் படிநிலையை எளிமையாக்கும் திறந்த மூலக் கட்டமைப்புகள் (Open-source frameworks), பொறியியல் சுமையைக் குறைத்து இந்த முறையை எளிதில் அணுகக்கூடியதாக மாற்றும்.
- தரப்படுத்தப்பட்ட முகவர் ஒப்பந்தங்கள் (Standardised agent contracts). அதிகப்படியான குழுக்கள் பல-முகவர் குழாய்முறைகளைப் பயன்படுத்தத் தொடங்கும்போது, "திட்டமிட்டுச் செயல்படு" முகவர்களுக்கான பொதுவான இடைமுகங்கள் (interfaces) உருவாகலாம், இது ஒன்றோடொன்று செயல்படும் திறனை (interoperability) எளிதாக்கும்.
இதன் முக்கிய பாடம் தெளிவானது: LLM-க்குச் சிந்திக்க சுதந்திரம் கொடுங்கள், கணக்கிடும் அதிகாரத்தைக் கொடுக்காதீர்கள். அதன் தன்னாட்சியை முடிவெடுப்பதோடு மட்டும் மட்டுப்படுத்தி, ஒவ்வொரு எண்ணையும் தனிமைப்படுத்தப்பட்ட குறியீடு மூலம் வழிநடத்துவதன் மூலம், ஒரு அரை-தன்னாட்சி EDA குழாய்முறை நீங்கள் சரிபார்க்கக்கூடிய, நம்பகமான மற்றும் மாய எண்களைப் பற்றிய பயமின்றிப் பகிரக்கூடிய முடிவுகளை வழங்குகிறது.
Source: https://dev.to/sraveend/agentic-but-only-semi-autonomous-designing-an-eda-pipeline-you-can-trust-4ha9
Community discussion: https://t.me/GyaanSetuAi