সংযুক্ত ডেটা দিয়ে এআই এজেন্টদের ‘স্মার্ট’ তৈরি করা

এআইয়ের জগতের সর্বশেষতম বুজি ধারণাটি এখন এর প্রাথমিক হাইপকে ছাড়িয়ে যাচ্ছে। এজেন্ট এআইয়ের অগ্রগতিগুলি স্বায়ত্তশাসিত ব্যবসায়িক সিস্টেমগুলির বিকাশকে ত্বরান্বিত করছে, মেশিন লার্নিংয়ের অগ্রগতির ভিত্তিতে তৈরি করছে। একটি স্বাধীন ‘এজেন্ট’ হিসাবে অভিনয় করে, প্রযুক্তি মাল্টিমোডাল ডেটা এবং অ্যালগরিদমের উপর ভিত্তি করে অবহিত সিদ্ধান্ত নিতে পারে এবং তারপরে এর অভিজ্ঞতাগুলি থেকে ‘শিখুন’।

তবে আরও উত্তেজনাপূর্ণভাবে, এজেন্ট এআই এর লক্ষ্য স্বাধীনভাবে কাজগুলি সম্পাদন করা। সরাসরি মানব হস্তক্ষেপ ছাড়াই জটিল কাজগুলি মানিয়ে নেওয়া, পরিকল্পনা করা এবং সম্পাদন করার এই ক্ষমতা হ’ল এজেন্ট এআইকে তার পূর্বসূরীদের থেকে আলাদা করে তোলে।

উদাহরণস্বরূপ, সরবরাহ চেইন প্রসঙ্গে, এআই এজেন্টরা স্টক স্তরের পূর্বাভাস দেওয়ার জন্য বাজারের প্রবণতা এবং historical তিহাসিক চাহিদা প্যাটার্নগুলি পর্যবেক্ষণ করতে পারে এবং কিছু নির্দিষ্ট পুনঃস্থাপন প্রক্রিয়া স্বয়ংক্রিয় করার মতো স্টক-এর পরিস্থিতিগুলি রোধ করার উপায়গুলি পরিকল্পনা করে। সাপ্লাই চেইন অপ্টিমাইজেশন অনুসরণে আরও কার্যকর হওয়ার জন্য বাজারের পরিস্থিতি যখন ওঠানামা করে এবং সেই অনুযায়ী তাদের আচরণটি সামঞ্জস্য করে তখন এজেন্টরা সনাক্ত করে। সুতরাং এটি এর চেয়ে বেশি আশ্চর্যজনক নয় চার নেতার মধ্যে একজন (২ percent শতাংশ) বলুন যে তাদের সংস্থাগুলি এজেন্ট এআই ব্যবহারের জন্য কৌশলগত রোডম্যাপগুলি বিকাশ করতে শুরু করেছে।

যাইহোক, এটি এজেন্ট এআই -তে এই জাতীয় কাজগুলি আউটসোর্স করার মতো দুর্দান্ত, আমাদের সাবধানতার দিক থেকেও ভুল করা দরকার। এর সমস্ত স্বায়ত্তশাসিত শক্তির জন্য, এআই এজেন্টদের ক্রিয়া এবং ফলাফলগুলি কীভাবে পুরোপুরি বিশ্বাসযোগ্য হতে পারে? যদি আমরা নিজে থেকে পরিশীলিত কাজগুলি সম্পূর্ণ করার জন্য এজেন্ট এআইয়ের উপর নির্ভর করি তবে আমরা কীভাবে নিশ্চিত করব যে এর সিদ্ধান্তগুলি সত্যিকারের বিশ্বে বা বিশ্বের এন্টারপ্রাইজের দৃষ্টিভঙ্গিতে কী ঘটছে তা সত্যই ভিত্তি করে রয়েছে? একইভাবে আমাদের মস্তিস্কগুলি সিদ্ধান্তগুলি আঁকতে পর্যবেক্ষণ এবং অতিরিক্ত ইনপুটগুলি ব্যবহার করে, এআই এজেন্টদের তাদের যুক্তি সক্ষমতা বাড়ানোর জন্য প্রচুর বাহ্যিক উত্স এবং সংকেতগুলির উপর নির্ভর করতে হবে।

এই প্রয়োজনীয়তা সমাধান এবং প্ল্যাটফর্মগুলি দ্বারা পূরণ করা যেতে পারে যা অ্যাক্সেসযোগ্য এবং পুনরুদ্ধারযোগ্য এমনভাবে ডেটা সংগ্রহ এবং উপস্থাপন করে। এখানে কিভাবে:

স্বায়ত্তশাসিত সিদ্ধান্ত গ্রহণের উচ্চতর অংশীদার

আলোচিত হিসাবে, অন্যান্য এআই সিস্টেমগুলি বাদে এজেন্ট এআইকে কী সেট করে তা হ’ল স্বায়ত্তশাসিতভাবে কাজ করার ক্ষমতা, কেবল একটি লিনিয়ার কথোপকথনে জড়িত নয়। কার্য এজেন্টগুলির জটিলতার সম্পূর্ণরূপে তাদের একাধিক, গতিশীল বাহ্যিক উত্সগুলি উল্লেখ করা প্রয়োজন। ফলস্বরূপ, কিছু ভুল হওয়ার ঝুঁকি স্বয়ংক্রিয়ভাবে বৃদ্ধি পায়। উদাহরণস্বরূপ, আপনি কোনও চ্যাটবোটকে বিশ্বাস করতে পারেন যে আপনাকে কোনও দাবি বা ফেরতের স্থিতি সম্পর্কে আপডেট দেওয়ার জন্য, তবে কোনও এআই এজেন্টকে আপনার ক্রেডিট কার্ডের বিশদ দেওয়ার সময় আপনার জন্য একটি ফ্লাইট বুক করার জন্য আপনি কি বিশ্বাস হিসাবে অনুভব করবেন?

কথোপকথন এআই থেকে দূরে, টাস্ক-ভিত্তিক এজেন্টরা তাদের দেওয়া প্রসঙ্গের উপর নির্ভর করে কর্মের পরিকল্পনা এবং পরিবর্তন করে। তারা প্রায়শই “চেইনিং” হিসাবে চিহ্নিত একটি প্রক্রিয়াটির মাধ্যমে উপলব্ধ বিভিন্ন সরঞ্জামগুলিতে সাবটাস্কগুলি অর্পণ করে (একটি ক্রিয়াকলাপের আউটপুট পরবর্তীটির জন্য ইনপুট হয়ে যায়)। এর অর্থ হ’ল ক্যোয়ারীগুলি (বা কার্যগুলি) ছোট কাজগুলিতে বিভক্ত করা যেতে পারে, প্রতিটি রিয়েল-টাইমে ডেটাতে অ্যাক্সেসের প্রয়োজন হয়, মানুষের সমস্যা সমাধানের অনুকরণ করার জন্য পুনরাবৃত্তভাবে প্রক্রিয়াজাত করে।

চেইন এফেক্ট (যার মধ্যে সিদ্ধান্ত নেওয়া হয়) পরিবেশের দ্বারা অবহিত করা হয় যা পর্যবেক্ষণ করা হচ্ছে, অর্থাত্ ডেটা উত্স। ফলস্বরূপ, দুটি কারণে চেইনের প্রতিটি ধাপে ব্যাখ্যাযোগ্য এবং সঠিক ডেটা পুনরুদ্ধার প্রয়োজন। প্রথমত, ব্যবহারকারীদের জানতে হবে কেন এআই এজেন্ট কোনও নির্দিষ্ট সিদ্ধান্তে অবতরণ করেছে এবং এটি ভিত্তিক ডেটা উত্সের দৃশ্যমানতা রয়েছে। তাদের বিশ্বাস করতে সক্ষম হওয়া দরকার যে ক্রিয়াটি আসলে সবচেয়ে কার্যকর এবং দক্ষ। দ্বিতীয়ত, প্রতিবার সর্বোত্তম সম্ভাব্য ফলাফল পেতে তাদের প্রক্রিয়াটি অনুকূল করতে সক্ষম হওয়া দরকার – আউটপুটটির প্রতিটি পর্যায়ে বিশ্লেষণ করা এবং কোনও অসন্তুষ্ট ফলাফল থেকে শেখার বিশ্লেষণ করা।

একাধিক পুনরুদ্ধার পদক্ষেপের ভিত্তিতে পরিশীলিত কাজগুলি সম্পূর্ণ করতে কোনও এজেন্টকে বিশ্বাস করার জন্য, সিদ্ধান্ত গ্রহণের প্রক্রিয়াটিকে সমর্থন করার জন্য প্রয়োজনীয় ডেটার মান উল্লেখযোগ্যভাবে গুণিত করে।

এজেন্টদের কাছে নির্ভরযোগ্য এন্টারপ্রাইজ ডেটা উপলব্ধ করার প্রয়োজনীয়তা কী। এই কারণেই ব্যবসায়গুলি ক্রমবর্ধমান গ্রাফ ডাটাবেস প্রযুক্তির শক্তি স্বীকৃতি দিচ্ছে, তারা যে বিস্তৃত পুনরুদ্ধার কৌশলগুলি সরবরাহ করে তার জন্য, পরিবর্তে ডেটার মানকে গুণিত করে।

বিভ্রান্তি থেকে স্পষ্টতা পর্যন্ত: এজেন্ট এআই দিয়ে গ্রাফ শক্তি ব্যবহার করা

এজেন্ট এআই যেমন ডেটা থেকে সিদ্ধান্তগুলি চালায়, এই সিদ্ধান্তগুলিকে আন্ডারপিনিংয়ের অন্তর্দৃষ্টিগুলি অবশ্যই সঠিক, স্বচ্ছ এবং ব্যাখ্যাযোগ্য হতে হবে – সুবিধাগুলি যে গ্রাফ ডাটাবেসগুলি সরবরাহ করার জন্য অনন্যভাবে অনুকূলিত হয়। গার্টনার জেনাই অ্যাপ্লিকেশনগুলির জন্য গ্রাফ্র্যাগ (পুনরুদ্ধার বাড়ানো প্রজন্ম) হিসাবে ইতিমধ্যে জ্ঞানের গ্রাফগুলিকে একটি প্রয়োজনীয় ক্ষমতা হিসাবে চিহ্নিত করে, যেখানে পুনরুদ্ধারের পথে একটি জ্ঞান গ্রাফ অন্তর্ভুক্ত রয়েছে, আউটপুটগুলির যথার্থতা ব্যাপকভাবে উন্নত করতে পারে।

‘নোডস’ এবং ‘প্রান্তগুলি’ নিয়ে গঠিত জ্ঞান গ্রাফগুলির অনন্য কাঠামো যেখানে উচ্চমানের প্রতিক্রিয়াগুলি নেওয়া যেতে পারে। নোডগুলি একটি গ্রাফে বিদ্যমান সত্তাগুলি উপস্থাপন করে (যেমন কোনও ব্যক্তি বা স্থানের মতো) এবং প্রান্তগুলি সেই সত্তাগুলির মধ্যে সম্পর্কের প্রতিনিধিত্ব করে – যেমন, তারা কীভাবে একে অপরের সাথে সংযুক্ত হয়। এই ধরণের কাঠামোতে, আরও বড় এবং আরও জটিল ডেটা, আরও বেশি লুকানো অন্তর্দৃষ্টি প্রকাশিত হতে পারে। এই বৈশিষ্ট্যগুলি এমনভাবে ডেটা উপস্থাপনের জন্য অমূল্য যা এআই এজেন্টদের পক্ষে আরও নির্ভরযোগ্য এবং দরকারী উপায়ে কাজগুলি সম্পূর্ণ করা সহজ করে তোলে।

ব্যবহারকারীরা গ্রাফগ্রাগের সাথে যা সন্ধান করছেন তা হ’ল উত্তরগুলি কেবল আরও নির্ভুল নয়, তারা আরও সমৃদ্ধ, আরও সম্পূর্ণ এবং ফলস্বরূপ আরও কার্যকর। উদাহরণস্বরূপ, গ্রাহক পরিষেবা ক্যোয়ারীগুলিকে সম্বোধনকারী একটি এআই এজেন্ট গ্রাহকের সম্পূর্ণ বোঝার উপর ভিত্তি করে ব্রডব্যান্ডে একটি নির্দিষ্ট ছাড়যুক্ত প্যাকেজ সরবরাহ করতে পারে, যা গ্রাহক সম্পর্কে পৃথক তথ্য সংযোগ করতে গ্রাফ্র্যাগ ব্যবহারের ফলে। গ্রাহক কতক্ষণ কোম্পানির সাথে ছিলেন? তারা বর্তমানে কোন পরিষেবা ব্যবহার করছে? তারা কি আগে অভিযোগ দায়ের করেছে?

এই প্রশ্নের উত্তর দেওয়ার জন্য, প্রতিটি গ্রাহক এবং সংস্থার সাথে তাদের অভিজ্ঞতার দিকগুলি (পূর্ববর্তী মিথস্ক্রিয়া, তাদের পরিষেবার ব্যবহার এবং তাদের অবস্থান সহ) এবং তাদের জন্য সস্তা বা সেরা পরিষেবা দেখানোর জন্য প্রান্তগুলি উপস্থাপনের জন্য নোডগুলি তৈরি করা যেতে পারে। ডেটা সম্পর্কে একটি খণ্ডিত এবং ছড়িয়ে ছিটিয়ে থাকা দৃষ্টিভঙ্গি এজেন্টকে ছাড়ের প্যাকেজটি সরবরাহ করার সময় সরবরাহ করতে পারে যখন এটি নির্ধারিত ছিল না – এটি ব্যবসায়ের জন্য ব্যয় সম্পর্কিত প্রভাবের দিকে পরিচালিত করে। যেমন দ্বারা উল্লিখিত ক্লারনার সিইও “একটি এলএলএম খাওয়ানো ভগ্নাংশ, খণ্ডিত, এবং ছড়িয়ে ছিটিয়ে থাকা ওয়ার্ল্ডের কর্পোরেট ডেটার ফলে খুব বিভ্রান্ত এলএলএমের ফলস্বরূপ হবে”। তবে ফলাফলটি খুব আলাদা যখন কোনও গ্রাফের সাথে ডেটা সংযুক্ত থাকে: লিঙ্কডইনের গ্রাহক পরিষেবা দলের পছন্দগুলি দ্বারা ইতিবাচক ফলাফলগুলি রিপোর্ট করা হয়েছে, যারা মিডিয়ান পার-ইস্যু হ্রাস করেছেন রেজোলিউশন সময় 28.6 শতাংশ দ্বারা গ্রাফ্র্যাগ বাস্তবায়নের পর থেকে।

এজেন্ট সময়ের জন্য আপনার ডেটা প্রস্তুত করুন

এলএলএমএস পাওয়ারিং এআই এজেন্টগুলি প্রতিটি পুনরাবৃত্তির সাথে দ্রুত উন্নতি করছে এবং এজেন্ট ফ্রেমওয়ার্কগুলি পরিশীলিত, বহু-পদক্ষেপ অ্যাপ্লিকেশনগুলি তৈরি করতে ক্রমবর্ধমান অ্যাক্সেসযোগ্য করে তুলছে। পরবর্তী সমালোচনামূলক পদক্ষেপটি হ’ল আপনার এন্টারপ্রাইজ ডেটা যথাসম্ভব সমৃদ্ধ, সংযুক্ত এবং প্রসঙ্গে সচেতন করা যাতে এটি এই উন্নত এজেন্টদের দ্বারা সম্পূর্ণ অ্যাক্সেসযোগ্য এবং ব্যবহারযোগ্য। এটি করা আপনার ডেটার পুরো মানটি আনলক করে, এজেন্টদের সক্ষম করে যা কেবল আরও সুনির্দিষ্ট এবং দক্ষ নয় তবে আরও ব্যাখ্যাযোগ্যও। এখানেই জ্ঞান গ্রাফের সাথে এজেন্ট এআইয়ের সংহতকরণ সত্যিকারের গেম-চেঞ্জার হয়ে যায়। সংযুক্ত ডেটা এজেন্টদের আরও বুদ্ধিমানভাবে যুক্তিযুক্ত, স্মার্ট আউটপুট তৈরি করতে এবং আরও বেশি প্রভাব সরবরাহ করার জন্য প্রয়োজনীয় প্রসঙ্গ দেয়।

চিত্র ক্রেডিট: দুই অ্যাপ্রিল স্টুডিও / ড্রিমসটাইম ডটকম

জেসিস ব্যারাসা আইআই ফিল্ড সিটিও, নিও 4 জে।