ഏജന്റിക് എഐ അഥവാ ഡിജിറ്റൽ തൊഴിലാളി കടന്നുവരുമ്പോൾ

ഇക്കണോമിക്‌ നോട്ട്‌ബുക്ക്‌‐ 94

ലളിതമായ പ്രതികരണശേഷിയുള്ള യന്ത്രങ്ങളിൽനിന്ന് സങ്കീർണ്ണമായ പ്രശ്നങ്ങൾ സ്വയം പരിഹരിക്കാൻ കഴിവുള്ള, കൂടുതൽ ഉയർന്ന സംവിധാനങ്ങളിലേക്കുള്ള പരിണാമമാണ് നിർമിതബുദ്ധിയുടെ ചരിത്രം. സാങ്കേതികവിദ്യയുടെ ചരിത്രത്തിലെ നിർണായകമായ ഒരു ചുവടുവെയ്പാണിത്. തൊഴിലിടങ്ങളിലെ ഇതിന്റെ പ്രയോഗങ്ങൾ ഇന്ന് പുതിയൊരു തലത്തിലേക്ക് മാറിയിരിക്കുന്നു. സുവ്യക്തമായ നിർദേശങ്ങൾക്കും മുൻകൂട്ടി നിശ്ചയിച്ച യുക്തികൾക്കുമനുസരിച്ച്‌ യന്ത്രങ്ങൾ പ്രവർത്തിച്ചിരുന്ന കാലത്തുനിന്നും വളരെ വ്യത്യസ്തമായി ഇപ്പോൾ ഒരു പുതിയ മാതൃക ഉയർന്നുവരുന്നു: ഏജന്റിക് എഐ (Agentic AI). മനുഷ്യർ നൽകുന്ന നിർദേശങ്ങൾ യാന്ത്രികമായി നടപ്പിലാക്കുന്ന ‘ബോധമില്ലാത്ത’ ഉപകരണങ്ങളിൽ നിന്ന് വ്യത്യസ്തമായി സ്വതന്ത്രമായ ചിന്തയ്ക്കും ആസൂത്രണത്തിനും പ്രവർത്തനത്തിനും കഴിവുള്ള സ്വയംഭരണ ശേഷിയുള്ള ഏജന്റുകളിലേക്കുള്ള ഒരു വലിയ കുതിച്ചുചാട്ടത്തെയാണ് ഇവ പ്രതിനിധീകരിക്കുന്നത്. ഇതൊരു അളവുപരമായ വർധനയല്ല, ഗുണപരമായ മാറ്റമാണ്. നാളിതുവരെയുള്ള ഉല്പാദന പ്രവർത്തനങ്ങൾ പലതിനെയും ഉടച്ചുവാർക്കാൻ പര്യാപ്തമായ ഒന്നാണിത്. മനുഷ്യനും യന്ത്രങ്ങളും തമ്മിലുള്ള പരസ്പര്യത്തെ പാടെ പുനർനിർവചിക്കാൻ ശേഷിയുള്ള ഒന്ന്. അതേസമയം ഇരുതലമൂർച്ചയുമുള്ള ഒന്നാണിത്. അഭൂതപൂർവമായ അവസരങ്ങൾ സൃഷ്ടിക്കുന്ന, തൊഴിൽമേഖലയിലെ നൈതികതകളെക്കുറിച്ച് പുതിയ ചോദ്യങ്ങളുയർത്തുന്ന, ഒരുപക്ഷെ മനുഷ്യന്റെ നിലനില്പിനാധാരമായ തൊഴിലെടുക്കുക കൂലി വാങ്ങുക അതുകൊണ്ട് ജീവിക്കുക എന്ന ഏറ്റവും അടിസ്ഥാപനപരമായ ഉണ്മയെ തന്നെ ചോദ്യം ചെയ്യുന്ന ഒന്ന്. ഇത്തരത്തിൽ തൊഴിൽ മേഖലയിലേക്കുള്ള ഏജന്റിക് എഐയുടെ കടന്നുവരവ് വളരെ അടിസ്ഥാനപരമായ ഒരു സാമൂഹിക മാറ്റത്തെ കുറിക്കുന്നു.

ഏജന്റിക് എഐയിലേക്കുള്ള വഴി, ദശാബ്ദങ്ങളായുള്ള സിംബോളിക് എഐ, മെഷീൻ ലേണിംഗ്, സമീപകാലത്തെ വലിയ ഭാഷാ മാതൃകകൾ (LLMs) എന്നിവയിലെ ഗവേഷണങ്ങളാൽ രൂപപ്പെട്ടതാണ്. 1970-കളിലെയും 80-കളിലെയും ആവിർഭവിച്ച ആദ്യകാല എഐ, കർക്കശമായ യുക്തിയുടെ തത്വത്തിലാണ് പ്രവർത്തിച്ചിരുന്നത്. മുൻകൂട്ടി നൽകപ്പെട്ട വിവരങ്ങളെ മാത്രം അടിസ്ഥാനമാക്കി പ്രവർത്തിക്കുന്ന ഈ സംവിധാനങ്ങൾ കണിശമായ നിയമങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ളവയായിരുന്നു. കൂടാതെ ഇടുങ്ങിയ രീതിയിൽ നിർവചിക്കപ്പെട്ട വിജ്ഞാനമേഖലകളിൽ മാത്രമേ അവയ്ക്ക് പ്രവർത്തിക്കാൻ കഴിയുമായിരുന്നുള്ളൂ. ഒരു മനുഷ്യൻ ഒരു പ്രശ്നം നൽകുന്നതുവരെ കാത്തിരിക്കുകയും, ഒരു പരിഹാരത്തിലെത്താൻ മുൻകൂട്ടി പ്രോഗ്രാം ചെയ്ത ‘ഒന്നുകിൽ അങ്ങനെ അല്ലെങ്കിൽ ഇങ്ങനെ (if-then) പ്രസ്താവനകളുടെ (ഉദാഹരണത്തിന്, മഴ വന്നാൽ കുടയെടുക്കണം എന്ന നിർദേശം പോലെ ലളിതമായ) ഒരു ശൃംഖല പിന്തുടരുകയും ചെയ്യുന്ന, പ്രതികരണശേഷിയുള്ള സംവിധാനങ്ങളായിരുന്നു അവ. ചില പ്രത്യേക ജോലികൾക്ക് നിർവഹിക്കാൻ ഇവ ഫലപ്രദമായിരുന്നെങ്കിലും, പുതിയ അപ്രതീക്ഷിത സാഹചര്യങ്ങളെ നേരിടാൻ അവയ്ക്ക് സാധിക്കുമായിരുന്നില്ല. പ്രോഗ്രാം ചെയ്ത നിയമങ്ങൾക്ക് പുറത്തുള്ള പുതിയ സാഹചര്യങ്ങളുമായി പൊരുത്തപ്പെടാൻ അവയ്ക്ക് കഴിഞ്ഞിരുന്നില്ല. 1980-കളിൽ , “എഐ വിന്റർ’ എന്ന് വിളിക്കപ്പെട്ട പ്രതിഭാസത്തിന്റെ ഒരു കാരണം, ദുർബ്ബലമായ, നിയമങ്ങളെ മാത്രം അടിസ്ഥാനമാക്കിയുള്ള ഈ സമീപനം ഒരിക്കലും ‘യഥാർത്ഥ’ ബുദ്ധിയിലേക്ക് (true general intelligence) നയിക്കില്ലെന്ന് മനസ്സിലാക്കിയതാണ്.

വലിയ ഡാറ്റാസെറ്റുകളുടെ ആവിർഭാവവും കമ്പ്യൂട്ടേഷണൽ ശക്തിയിലെ കുതിച്ചു ചാട്ടവും ഇടയാക്കിയ മെഷീൻ ലേണിംഗിലെ വിപ്ലവം, പാറ്റേൺ തിരിച്ചറിയലിന്റെ ഒരു പുതിയ യുഗത്തിന് തുടക്കമിട്ടു. ദശലക്ഷക്കണക്കിന് ഉദാഹരണങ്ങളിൽ നിന്ന് പരിശീലനം ലഭിച്ച ഇത്തരം സംവിധാനങ്ങൾക്ക്, ഓരോ നിയമവും വ്യക്തമായി പ്രോഗ്രാം ചെയ്യാതെ തന്നെ വസ്തുക്കളെ തിരിച്ചറിയാനും ഭാഷകൾ വിവർത്തനം ചെയ്യാനും നമ്മളാവശ്യപ്പെടുന്ന രീതിയിൽ എഴുതാനും ചിത്രങ്ങൾ വരാക്കാനുമൊക്കെ കഴിഞ്ഞു. ആധുനിക LLMകളുടെ അടിത്തറയായ ഡീപ് ലേണിംഗ് ആർക്കിടെക്ചറുകളുടെ, പ്രത്യേകിച്ച് ട്രാൻസ്‌ഫോർമർ മോഡലുകളുടെ വികസനം, ഏജന്റിക് എഐയുടെ വളർച്ചയ്ക്ക് ഏറ്റവും നിർണായകമായ സംഭാവന നൽകി. ഇതോടെ ഈ മോഡലുകൾക്ക് മനുഷ്യഭാഷ മനസ്സിലാക്കാനും, സൃഷ്ടിക്കാനും, അതിനെക്കുറിച്ച് യുക്തിചിന്ത ചെയ്യാനും അഭൂതപൂർവമായ കഴിവുകൾ കരഗതമായി. ഇത് കൂടുതൽ സ്വയംഭരണമുള്ള, തൊഴിലുകൾ ചെയ്യുന്നതിൽ മനുഷ്യ മസ്തിഷ്കത്തോട് കിടപിടിക്കാൻ പോന്ന സംവിധാനത്തിന്റെ ആവിർഭാവത്തിനു വഴി തെളിച്ചു. ഒരു ചോദ്യത്തിന് ഉത്തരം നൽകാൻ മാത്രമല്ല, ഒരു തൊഴിൽ ചെയ്തു തീർക്കുന്നതിലെ സങ്കീർണ്ണതകൾ മനസ്സിലാക്കാനും, അതിനെ ഉപജോലികളായി വിഭജിക്കാനും, അത് പൂർത്തീകരിക്കുന്നതിന് കോഡോ കമാൻഡുകളോ സൃഷ്ടിക്കാനും ഒരു LLMനെ പ്രോംപ്റ്റ് ചെയ്യാൻ കഴിയും. ഒരു സാധാരണ യന്ത്ര ഉപകരണത്തിൽ നിന്ന് ഒരു ഡിജിറ്റൽ ഏജന്റിനെ വേർതിരിക്കുന്നത് ഈ കഴിവാണ്.

അടിസ്ഥാനപരമായി, ഒരു ഏജന്റിക് എഐ സിസ്റ്റം, ഉയർന്ന തലത്തിൽ സ്വയം പ്രവർത്തിക്കാൻ രൂപകൽപ്പന ചെയ്ത ഒരു ആർക്കിടെക്ചറാണ്. അതിന്റെ നിർവചിക്കുന്ന ഘടകങ്ങൾ ഒരു ഒറ്റപ്പെട്ട LLMന്റെ കഴിവുകൾക്ക് അപ്പുറത്താണ്. ഒന്നാമതായി, ഒരു കേന്ദ്ര ആസൂത്രണ- യുക്തിചിന്താ മൊഡ്യൂൾ, പലപ്പോഴും ഒരു LLM തന്നെയായിരിക്കും. ഈ മൊഡ്യൂളിന്, ആ ലക്ഷ്യത്തെ ഒരു കൂട്ടം പ്രവർത്തനക്ഷമമായ ഘട്ടങ്ങളായി വിഭജിക്കാനുള്ള ഉത്തരവാദിത്തമുണ്ട്. ഉദാഹരണത്തിന്, “പാരമ്പര്യേതര ഊർജ്ജ മേഖലയിലെ അഞ്ചു സ്റ്റോക്കുകളെക്കുറിച്ച് ഗവേഷണം നടത്തി ഒരു റിപ്പോർട്ട് എഴുതുക’ എന്ന ഒരു ആവശ്യം നാം ഉന്നയിച്ചാൽ അത് പ്രവർത്തിക്കുന്നത് ഇപ്രകാരമായിരിക്കും . “വിശ്വസനീയമായ സാമ്പത്തിക ഡാറ്റാ ഉറവിടങ്ങൾ തിരിച്ചറിയുക’, “പാരമ്പര്യേതര ഊർജ്ജ വിപണിയിലെ നിലവിലെ ട്രെൻഡുകൾക്കായി തിരയുക,’ “പ്രധാന സ്റ്റോക്കുകൾ ലിസ്റ്റ് ചെയ്ത് വിശകലനം ചെയ്യുക,’ “കണ്ടെത്തലുകൾ ഒരു ഘടനാപരമായ റിപ്പോർട്ടിലേക്ക് സംയോജിപ്പിക്കുക’ തുടങ്ങിയ ഘട്ടങ്ങളായി വിഭജിക്കപ്പെടും. ഇത്തരത്തിൽ ബഹുമുഖ ആസൂത്രണമാണ്‌ അത് നടത്തുക.

ഹ്രസ്വകാല ഓർമ്മകളുടെ അടിസ്ഥാനത്തിലല്ല, മറിച്ച് നിലനിൽക്കുന്നതും വീണ്ടെടുക്കാൻ കഴിയുന്നതുമായ അതിവിപുലമായ വൈജ്ഞാനിക ശേഖരത്തിന്റെ പുറത്താണ് ഇത് പ്രവർത്തിക്കുന്നത്. മുൻകാലത്ത് നടന്ന ഇടപെടലുകൾ, ഗവേഷണ കണ്ടെത്തലുകൾ, സ്വയം വിമർശനങ്ങൾ എന്നിവ അർത്ഥവത്തായ രീതിയിൽ സംഭരിക്കാനും വീണ്ടെടുക്കാനും ഇത് ഡിജിറ്റൽ ഏജന്റിനെ സഹായിക്കുന്നു. ഈ ദീർഘകാല ഓർമ്മ, ഏജന്റിന് അതിന്റെ മുൻകാല പ്രവർത്തനങ്ങളിൽനിന്ന് പഠിക്കാനും, തെറ്റുകൾ ആവർത്തിക്കുന്നത് ഒഴിവാക്കാനും, മുൻകാല അറിവുകളിൽ നിന്ന് കെട്ടിപ്പടുക്കാനും കഴിവ് നൽകുന്നു, ഇത് സങ്കീർണവും ഒന്നിലധികം സെഷനുകളുള്ളതുമായ ജോലികൾക്ക് അത്യാവശ്യമായ ഒരു കഴിവാണ്.

വിവിധ തരത്തിലുള്ള ടൂളുകൾ ഉപയോഗിക്കാനുള്ള കഴിവുകളോടെയാണ് ഒരു ഏജന്റിക് എഐ നിർമ്മിക്കപ്പെട്ടിരിക്കുന്നത്. ഒറ്റപ്പെട്ട ഒരു LLMൽ നിന്ന് തീർത്തും വ്യത്യസ്തമാണിത്. യഥാർത്ഥ ലോകവുമായി സംവദിക്കാൻ, ഒരു ഏജന്റിന് വിവിധ ടൂളുകൾ ഉപയോഗിക്കാൻ കഴിയണം, അവ അടിസ്ഥാനപരമായി മുൻകൂട്ടി നിർവചിക്കപ്പെട്ട ഫംഗ്ഷനുകളോ സോഫ്റ്റ്‌വെയർ ഭാഷയിൽ പറഞ്ഞാൽ എപിഐകളോ (API) ആണ്. വിവരങ്ങൾ ശേഖരിക്കാനുള്ള ഒരു സെർച്ച് എഞ്ചിൻ എപിഐ പോലെ ഈ ടൂളുകൾ ലളിതമായവയാകാം. അല്ലെങ്കിൽ ഒരു കോഡ് ഇന്റർപ്രെട്ടർ, ഒരു വെബ് ബ്രൗസർ, അല്ലെങ്കിൽ മറ്റ് സോഫ്റ്റ്‌വെയറുകളുമായി സംവദിക്കാനുള്ള ഒരു എപിഐ പോലെ സങ്കീർണ്ണമായവയുമാകാം. ഏജന്റിന്റെ ആസൂത്രണ മൊഡ്യൂൾ അതിന്റെ പദ്ധതിയുടെ ഓരോ ഘട്ടത്തിനും ഏത് ടൂൾ ആവശ്യമാണെന്ന് തീരുമാനിക്കുകയും ശരിയായ പരാമീറ്ററുകളോടെ ഉചിതമായ ഫംഗ്ഷനുകൾ സൃഷ്ടിക്കുകയും ചെയ്യുന്നു. ചലനാത്മകമായി ടൂളുകൾ തിരഞ്ഞെടുക്കാനും ഉപയോഗിക്കാനുമുള്ള ഈ കഴിവാണ് ഒരു ഏജന്റിനെ അടിസ്ഥാനപരമായി വ്യത്യസ്‍തമാക്കുന്നത്.

ഏറ്റവും പ്രധാനപ്പെട്ട കാര്യം ഒരു ഏജന്റിക് എഐ സ്വയം പ്രതിഫലനത്തിനും വിമർശനത്തിനുമുള്ള ഒരു സംവിധാനം ഉപയോഗിക്കുന്നു എന്നതാണ്. ഓരോ പ്രവർത്തനത്തിനും ശേഷം, ഏജന്റിന്റെ ആസൂത്രണ മൊഡ്യൂൾ ഫലം വിലയിരുത്തുന്നു. ലക്ഷ്യത്തിലേക്ക് അടുക്കാൻ ആ പ്രവർത്തനം വിജയകരമായി സഹായിച്ചോ? തിരച്ചിലിന്റെയോ കോഡ് എക്സിക്യൂഷന്റെയോ ഫലം പ്രതീക്ഷിച്ചതുപോലെയായിരുന്നോ? ഒരു പിശക് നേരിടുകയോ ഫലം തൃപ്തികരമല്ലെങ്കിലോ, ഏജന്റിന് പിന്നോട്ട് പോയി, അതിന്റെ പദ്ധതി മാറ്റുകയും, മറ്റൊരു സമീപനം ശ്രമിക്കുകയും ചെയ്യാം. ഈ ആവർത്തിച്ചുള്ള സ്വയം-മെച്ചപ്പെടുത്തൽ ലൂപ്പ് ആണ് സിസ്റ്റത്തിന് അതിന്റെ ശ്രദ്ധേയമായ പ്രതിരോധശേഷിയും പ്രവചനാതീതമായതോ പരാജയപ്പെട്ടതോ ആയ ജോലികൾ കൈകാര്യം ചെയ്യാനുള്ള കഴിവും നൽകുന്നത്, ഇത് മുൻകാല എഐ ആർക്കിടെക്ചറുകളിൽ പൂർണ്ണമായും ഇല്ലാതിരുന്ന ഒരു കഴിവാണ്.

Auto GPT, BabyAGI പോലുള്ള ഈ ആർക്കിടെക്ചറുകളുടെ ആദ്യകാല ഉദാഹരണങ്ങൾ പൊതുജനങ്ങൾക്ക് ഇത് സംബന്ധിച്ച അടിസ്ഥാന തത്വങ്ങളും സാധ്യതകളും വെളിവാക്കി പലപ്പോഴും പ്രവചനാതീതവും കംപ്യൂട്ടേഷണൽ ചെലവേറിയതുമായിരുന്നെങ്കിലും, ഈ ആദ്യകാല ചട്ടക്കൂടുകൾ ഒരു ഉയർന്ന തലത്തിലുള്ള ലക്ഷ്യം നൽകിയാൽ, ഒരു സിസ്റ്റത്തിന് സ്വയം ഒരു പദ്ധതി സൃഷ്ടിക്കാനും, ടൂളുകൾ വിളിച്ചുകൊണ്ട് അത് നടപ്പിലാക്കാനും, വഴിയിൽ സ്വയം തിരുത്താനും കഴിയുമെന്ന് തെളിയിച്ചു. അതിനുശേഷം, ഈ മേഖല കൂടുതൽ ശക്തവും കാര്യക്ഷമവുമായ മൾട്ടി ഏജന്റ് സിസ്റ്റങ്ങളിലേക്ക് അതിവേഗം നീങ്ങിക്കൊണ്ടിരിക്കുന്നു, അവിടെ പ്രത്യേക ഏജന്റുമാർ ഒരു പ്രശ്നം പരിഹരിക്കാൻ സഹകരിച്ച് പ്രവർത്തിക്കുന്നു. ഒരു ഏജന്റ് ആസൂത്രണത്തിന് ഉത്തരവാദിയാകാം, മറ്റൊന്ന് കോഡ് സൃഷ്ടിക്കുന്നതിന്, മൂന്നാമത്തേത് ഗുണനിലവാരം ഉറപ്പുവരുത്തുന്നതിന്, ഇവയെല്ലാം ഒരു പൊതു ലക്ഷ്യം പൂർത്തിയാക്കാൻ ഏകോപിപ്പിച്ച് പ്രവർത്തിക്കുന്നു.

ഏജന്റിക് എഐയുടെ ഈ കടന്നുവരവ് സൃഷ്ടിക്കുന്ന പ്രത്യാഘാതങ്ങൾ ആഴമേറിയതും ദൂരവ്യാപകവുമാണ്. സോഫ്റ്റ്‌വെയർ വികസന മേഖലയിൽ, പ്രശ്ന വിശകലനം, ഡിസൈൻ മുതൽ കോഡിംഗ്, ഡീബഗ്ഗിംഗ്, വിന്യാസം (deployment) വരെയുള്ള മുഴുവൻ പ്രവർത്തനഘട്ടങ്ങളും ഒരു ഏജന്റിക് എഐക്ക് ഓട്ടോമേറ്റ് ചെയ്യാൻ കഴിയും. ഒരു ഉയർന്ന തലത്തിലുള്ള ബിസിനസ് ആവശ്യം ഉദാഹരണത്തിന്, “പ്രോജക്ട് ടാസ്ക്കുകൾ കൈകാര്യം ചെയ്യാൻ ഒരു വെബ് ആപ്ലിക്കേഷൻ ഉണ്ടാക്കുക’ – ഒരു ഏജന്റിന് നൽകിയാൽ, അത് ആവശ്യമായ കോഡ് സ്വയം സൃഷ്ടിക്കുകയും, ഡാറ്റാബേസ് സ്കീമ നിർമ്മിക്കുകയും മനുഷ്യന്റെ ഇടപെടലില്ലാതെ തന്നെ ഈ വെബ് ആപ്ലിക്കേഷൻ വിന്യസിക്കുകയും ചെയ്യും. ശാസ്ത്രീയ ഗവേഷണ മണ്ഡലത്തിൽ, ഏജന്റുമാർക്ക് ദശലക്ഷക്കണക്കിന് അക്കാദമിക് പേപ്പറുകളിലൂടെ അരിച്ച്, പുതിയ സിദ്ധാന്തങ്ങൾ തിരിച്ചറിയാനും, മെറ്റീരിയൽ സയൻസ് അല്ലെങ്കിൽ മരുന്ന് വികസനം പോലുള്ള മേഖലകളിൽ കണ്ടുപിടിത്തങ്ങളുടെ വേഗത കൂട്ടിക്കൊണ്ട് വെർച്വൽ പരീക്ഷണങ്ങൾ രൂപകൽപ്പന ചെയ്യാനും പ്രവർത്തിപ്പിക്കാനും കഴിയും. ഇത്തരമൊരു ഏജന്റിന്റെ സഹായമില്ലാതെ ഒരു പ്രവർത്തനവും സാധ്യമല്ല എന്ന നിലയിലേക്കാണ് കാര്യങ്ങൾ മാറിമറിയുന്നത്.

നമ്മുടെ സ്വകാര്യ ആവശ്യങ്ങൾക്കും ഏജന്റിക് എഐയെ ഭാവിയിൽ ഒഴിവാക്കാനാവില്ല. ഒരു വിദേശയാത്ര നടത്താൻ ആഗ്രഹിക്കുന്നവർക്ക് കൃത്യമായ യാത്രാപദ്ധതി തയ്യാറാക്കുന്നതിനും ഏറ്റവും കുറഞ്ഞ നിരക്കുള്ള ടിക്കറ്റുകൾ ബുക്ക് ചെയ്യാനും എല്ലാം ഏജന്റിക് എഐയെ ഉപയോഗപ്പെടുത്താം. ഇന്ന് ഒരു ട്രാവൽ ഏജൻസി ചെയ്തുതരുന്ന സഹായങ്ങൾ അതോടെ അപ്രസക്തമാകും. വിദേശപഠനത്തിന് ആഗ്രഹിക്കുന്ന ഒരു വിദ്യാർത്ഥിക്ക് ലോകത്തെവിടെയുമുള്ള കോളേജുകളിൽ നിന്ന് കോഴ്സുകൾ തിരഞ്ഞെടുക്കാനും ആവശ്യമായ ഗൈഡൻസ് നൽകാനും ഒരു സ്റ്റഡി അബ്രോഡ്‌ ഏജന്റിക് എഐക്ക് അനായാസം കഴിയും. കരിയർ ഗൈഡൻസ് വിദഗ്‌ദന്റെ സേവനം ഇതോടെ അപ്രസക്തമാകും. ഇതേ രീതിയിൽ ഇന്ന് നടന്നുവരുന്ന ഏതാണ്ടെല്ലാ പ്രവർത്തനമേഖലകളിലേക്കും ഏജന്റിക് എഐ കടന്നുവരും.

ഏജന്റിക് എഐയുടെ അതിവേഗത്തിലുള്ള വളർച്ച ഉയർത്തുന്ന ആശങ്കയിൽ പ്രധാനം, വിശ്വസനീയതയെ സംബന്ധിച്ചതാണ്. അടിസ്ഥാന യുക്തിചിന്താ എഞ്ചിൻ പലപ്പോഴും ഒരു പ്രോബബിലിസ്റ്റിക് LLM ആയതുകൊണ്ട്, ഏജന്റുമാർക്ക് വിശ്വസനീയമെന്ന് തോന്നുന്ന എന്നാൽ യഥാർത്ഥത്തിൽ തെറ്റായ വിവരങ്ങൾ സൃഷ്ടിക്കാനോ, തകരാറുള്ള പദ്ധതികൾ രൂപീകരിക്കാനോ അതൊരുപക്ഷേ വഴി വെക്കും. യുക്തിപരമായ പൊരുത്തക്കേടുകൾ സൃഷ്ടിക്കുന്ന ഒരു മനുഷ്യനിൽ നിന്ന് വ്യത്യസ്തമായി, ഒരു ഏജന്റിന് ഒരു പദ്ധതിയുടെ തകരാർ തിരിച്ചറിയാൻ കഴിയണമെന്നില്ല. മുന്നോട്ടു പോകാനുള്ള അതിന്റെ ആത്മവിശ്വാസത്തെ അത് തെല്ലും ഉലയ്ക്കില്ല. യന്തിരൻ സിനിമയിലേതുപോലെയുള്ള സാഹചര്യം വേണമെങ്കിൽ യഥാർത്ഥത്തിൽ സൃഷ്ടിക്കപ്പെടാം. ദോഷകരമായ അല്ലെങ്കിൽ ഒരിക്കലും ഉദ്ദേശിക്കാത്ത പ്രത്യാഘാതങ്ങളിലേക്ക് ഇത് നയിച്ചേക്കാം. ഏജന്റിന്റെ യുക്തിപരമായ പ്രക്രിയ കണ്ടുപിടിക്കാൻ പ്രയാസമുള്ള ഈ “ബ്ലാക്ക് ബോക്സ്’ പ്രശ്നം, സുരക്ഷ ഉറപ്പാക്കാനുള്ള ശ്രമങ്ങളെ സങ്കീർണ്ണമാക്കുന്നു.

സുരക്ഷയും നിയന്ത്രണ പ്രശ്നവുമാണ് മറ്റൊരു നിർണായക വെല്ലുവിളി. ഏജന്റുമാർക്ക് കൂടുതൽ സ്വയംഭരണാധികാരവും യഥാർത്ഥ ലോകത്തിലെ ടൂളുകളിലേക്ക് പ്രവേശനവും ലഭിക്കുമ്പോൾ, മനുഷ്യന്റെ മൂല്യങ്ങളുമായി യോജിക്കാത്ത ലക്ഷ്യങ്ങൾ അവർ പിന്തുടരുന്നില്ലെന്ന് എങ്ങനെ ഉറപ്പാക്കുമെന്ന ചോദ്യം പ്രധാനമാണ്. ഓഹരിവിപണിയിലെ നിക്ഷേപത്തിന് മൂല്യം വർധിപ്പിക്കാൻ ഇന്ന് എഐ ഏജന്റുകൾ വ്യാപകമായി ഉപയോഗിക്കപ്പെടുന്നുണ്ട്. ഇവിടെ “ഷെയർ മൂല്യം വർദ്ധിപ്പിക്കുക’ എന്ന ലക്ഷ്യം ലഭിച്ച ഒരു ഏജന്റ്, ശരിയായ മേൽനോട്ടത്തിന്റെ അഭാവത്തിൽ എന്ത് കുതന്ത്രവും പ്രയോഗിക്കും, ധാർമ്മികമായി സംശയാസ്പദമായ അല്ലെങ്കിൽ പരിസ്ഥിതിക്ക് ദോഷകരമായ തന്ത്രങ്ങൾ അത് നിർദ്ദേശിച്ചേക്കാം. ഒറ്റ ലക്ഷ്യത്തിൽ മാത്രം ശ്രദ്ധിച്ച്, മനുഷ്യന്റെ മേൽനോട്ടമില്ലാതെ, അതിന്റെ ലക്ഷ്യം പിന്തുടരുന്ന ഒരു “പിടികൊടുക്കാത്ത ഏജന്റിനുള്ള’ സാധ്യത എഐ സുരക്ഷാ ഗവേഷകരുടെ ഒരു പ്രധാന ആശങ്കയാണ്.

സാമൂഹിക പ്രത്യാഘാതങ്ങളിൽ ഏറ്റവും ആസന്നമായത്, ഇതിടയാക്കുന്ന സാമ്പത്തിക തകർച്ചയും തൊഴിൽ നഷ്ടവുമായിരിക്കും. മുൻകാലങ്ങളിലുണ്ടായ സാങ്കേതികവിപ്ലവങ്ങൾ ആവർത്തന സ്വഭാവമുള്ള ശാരീരിക തൊഴിലുകൾ ഓട്ടോമേറ്റ് ചെയ്യാനാണ് ശ്രമിച്ചിരുന്നത്. ഏജന്റിക് എഐ കടന്നുവരുന്നത് വിജ്ഞാന തൊഴിലാളികളുടെയും, ഗവേഷകരുടെയും, സൃഷ്ടാക്കളുടെയും മേഘലയിലേക്കാണ്. വളരെ സങ്കീർണമായ മാനസിക ജോലികൾ ഓട്ടോമേറ്റ് ചെയ്യാൻ ഇവയ്ക്ക് കഴിയും. തൊഴിൽ വിപണിയിൽ ഇത് വലിയ മാറ്റങ്ങൾക്ക് കാരണമായേക്കാം. വിദ്യാഭ്യാസ സമ്പ്രദായങ്ങൾ, സാമ്പത്തിക ഘടനകൾ, സാമൂഹിക സുരക്ഷാ വലകൾ എന്നിവയെക്കുറിച്ച് അടിസ്ഥാനപരമായ പുനർമൂല്യനിർണയം ഇത് ആവശ്യപ്പെടുന്നു. പക്ഷപാതത്തെയും, ഉത്തരവാദിത്തത്തെയും കുറിച്ചുള്ള ചോദ്യങ്ങൾ ഇത് ഉയർത്തുന്നുണ്ട്. ഈ ശക്തമായ ഏജന്റുമാരെ നിയന്ത്രിക്കുന്നവരുടെ കൈകളിൽ തീർച്ചയായും അധികാരം കേന്ദ്രീകരിക്കപ്പെടും. ഇതുയർത്തുന്ന ധാർമ്മിക പരിഗണനകൾ മറ്റൊരു വിഷയമാണ്. ഒരു ഏജന്റ് സൃഷ്ടിക്കുന്ന സാമ്പത്തിക നഷ്ടത്തിന് ആരാണ് ഉത്തരവാദി? ഏജന്റിക് എഐയുടെ ഗുണങ്ങൾ സമൂഹത്തിൽ എങ്ങനെ തുല്യമായി വിതരണം ചെയ്യപ്പെടും. ഇതൊരു രാഷ്ട്രീയ പ്രശ്‌നമായി ഇവിടെ മാറുന്നു.

ഭാവിയിൽ, ഏജന്റിക് എഐയുടെ ഗതി കൂടുതൽ പരിഷ്കൃതവും സംയോജിതവുമായ സംവിധാനങ്ങളിലേക്കാണ് നീങ്ങുന്നത്. അടുത്ത ഘട്ടത്തിൽ, മാസങ്ങളോ വർഷങ്ങളോ തുടർച്ചയായി പ്രവർത്തിക്കാനും പഠിക്കാനും മെച്ചപ്പെടുത്താനും കഴിയുന്ന, ശരിക്കും നിലനിൽക്കുന്നതും പൊരുത്തപ്പെടാൻ കഴിയുന്നതുമായ ഏജന്റുമാരുടെ വികസനത്തിന് സാധ്യതയുണ്ട്. സുരക്ഷയെയും വിശ്വസനീയതയെയും സംബന്ധിച്ച ആശങ്കകൾ പരിഹരിക്കാൻ, ശക്തമായ സുരക്ഷാ പ്രോട്ടോക്കോളുകളും കൂടുതൽ സുതാര്യമായ ആർക്കിടെക്ചറുകളും നിർമ്മിക്കുന്നതിലായിരിക്കും ശ്രദ്ധ. കൂടാതെ, റോബോട്ടിക് ലബോറട്ടറികൾ മുതൽ ഓട്ടോമേറ്റഡ് വാഹനങ്ങൾ വരെയുള്ള ഭൗതിക സംവിധാനങ്ങളിലേക്ക് ഏജന്റിക് എഐയുടെ സംയോജനം, പുതിയൊരു യുഗത്തിന് തുടക്കമിടും. ഭാവിയിൽ, സോഫ്റ്റ്‌വെയർ ഏജന്റുകളും ഭൗതിക റോബോട്ടുകളും തമ്മിലുള്ള വ്യത്യാസം നേർത്തു വരാം. ഉയർന്ന തലത്തിലുള്ള തന്ത്രപരമായ ആസൂത്രണത്തിനും യഥാർത്ഥ ലോകത്തിലെ കാര്യങ്ങൾ കൈകാര്യം ചെയ്യലിനും കഴിവുള്ള ‘ആത്മബോധമുള്ള’ സംവിധാനങ്ങളായിരിക്കും അപ്പോൾ നിലവിൽ വരുന്നത്.

ഏജന്റിക് എഐയുടെ ആവിർഭാവം സാങ്കേതികവിദ്യയുടെ ചരിത്രത്തിലെ അതിനിർണായകമായ ഒരു പരിവർത്തന നിമിഷത്തെയാണ് അടയാളപ്പെടുത്തുന്നത്. വലിയ ഭാഷാ മാതൃകകളുടെ വൈജ്ഞാനിക ശക്തിയെ, ആസൂത്രണം, ഓർമ്മ, ടൂൾ- ഉപയോഗം, സ്വയം-പ്രതിഫലനം എന്നിവയ്ക്കായുള്ള ഒരു ഘടനാപരമായ ആർക്കിടെക്ചറുമായി സംയോജിപ്പിച്ചുകൊണ്ട്, സ്വന്തം നിലയ്ക്ക് പ്രവർത്തിക്കാൻ കഴിയുന്ന സംവിധാനങ്ങൾ സൃഷ്ടിക്കാൻ നമ്മൾക്ക് കഴിഞ്ഞു. സുരക്ഷ, ധാർമ്മികത, സാമൂഹിക സ്വാധീനം എന്നിവയുടെ വെല്ലുവിളികൾ കൈകാര്യം ചെയ്യാൻ ഗവേഷകരുടെയും, നയരൂപകർത്താക്കളുടെയും, പൊതുജനങ്ങളുടെയും കൂട്ടായ ശ്രമം ആവശ്യമാണ്. ആത്യന്തികമായി, ഏജന്റിക് എഐയെ മനുഷ്യരുടെ ലോകത്തിലേക്ക് വിജയകരമായി സംയോജിപ്പിക്കുന്നത് നമ്മുടെ ഏറ്റവും ആഴത്തിലുള്ള മാനുഷിക മൂല്യങ്ങളുമായി യോജിപ്പിച്ച് സാമൂഹിക നീതിയെ മുൻനിർത്തി അവയെ രൂപകൽപ്പന ചെയ്യാനുള്ള നമ്മുടെ കഴിവിനെ ആശ്രയിച്ചിരിക്കും. ഇതാകട്ടെ കേവലം സാങ്കേതികമായ ഒരു പ്രശ്‌നം മാത്രമായിരിക്കില്ല. l