এজেন্টিক এআই কী?

সংক্ষিপ্ত সংস্করণ: এজেন্টিক সিস্টেমগুলি কেবল প্রশ্নের উত্তর দেয় না - তারা ন্যূনতম তত্ত্বাবধানে লক্ষ্যের দিকে পরিকল্পনা করে, কাজ করে এবং পুনরাবৃত্তি করে। তারা সরঞ্জামগুলিকে কল করে, ডেটা ব্রাউজ করে, উপ-কাজগুলি সমন্বয় করে এবং এমনকি ফলাফল অর্জনের জন্য অন্যান্য এজেন্টদের সাথে সহযোগিতা করে। এটাই শিরোনাম। আকর্ষণীয় অংশ হল এটি বাস্তবে কীভাবে কাজ করে - এবং আজকের দলগুলির জন্য এর অর্থ কী। 

এর পরে আপনি যে প্রবন্ধগুলি পড়তে পছন্দ করতে পারেন:

🔗 এআই স্কেলেবিলিটি কী?
স্কেলেবল AI কীভাবে বৃদ্ধি, কর্মক্ষমতা এবং নির্ভরযোগ্যতাকে সমর্থন করে তা জানুন।

🔗 এআই কী?
মূল AI ধারণা, ক্ষমতা এবং বাস্তব-বিশ্বের ব্যবসায়িক অ্যাপ্লিকেশনগুলি বুঝুন।

🔗 ব্যাখ্যাযোগ্য AI কী?
ব্যাখ্যাযোগ্য AI কেন আস্থা, সম্মতি এবং আরও ভালো সিদ্ধান্ত গ্রহণের উন্নতি করে তা আবিষ্কার করুন।

🔗 এআই প্রশিক্ষক কী?
মডেলগুলিকে পরিমার্জন এবং তত্ত্বাবধান করার জন্য AI প্রশিক্ষকরা কী করেন তা অন্বেষণ করুন।

এজেন্টিক এআই কী - সহজ সংস্করণ 🧭

Agentic AI কী : এটি এমন AI যা লক্ষ্যে পৌঁছানোর জন্য পরবর্তী কী করতে হবে তা স্বায়ত্তশাসিতভাবে সিদ্ধান্ত নিতে পারে, কেবল প্রম্পটের উত্তর দেয় না। বিক্রেতা-নিরপেক্ষ ভাষায়, এটি যুক্তি, পরিকল্পনা, সরঞ্জাম ব্যবহার এবং প্রতিক্রিয়া লুপগুলিকে মিশ্রিত করে যাতে সিস্টেমটি অভিপ্রায় থেকে কর্মে যেতে পারে - আরও "এটি সম্পন্ন করুন", "এগিয়ে-পিছে" নয়। প্রধান প্ল্যাটফর্মগুলির সংজ্ঞাগুলি এই বিষয়গুলির উপর নির্ভর করে: স্বায়ত্তশাসিত সিদ্ধান্ত গ্রহণ, পরিকল্পনা এবং ন্যূনতম মানব হস্তক্ষেপের সাথে সম্পাদন [1]। উৎপাদন পরিষেবাগুলি এমন এজেন্টদের বর্ণনা করে যারা মডেল, ডেটা, সরঞ্জাম এবং APIগুলিকে শেষ থেকে শেষ পর্যন্ত কাজগুলি সম্পন্ন করার জন্য অর্কেস্ট্রেট করে [2]।

একজন দক্ষ সহকর্মীর কথা ভাবুন যিনি সংক্ষিপ্ত বিবরণটি পড়েন, সম্পদ সংগ্রহ করেন এবং ফলাফল প্রদান করেন - হাত ধরে নয়, বরং যাচাই-বাছাইয়ের মাধ্যমে।

ভালো এজেন্টিক এআই কী তৈরি করে ✅

কেন এত প্রচার (এবং কখনও কখনও উদ্বেগ)? কয়েকটি কারণ:

• ফলাফলের উপর দৃষ্টি নিবদ্ধ করা: এজেন্টরা একটি লক্ষ্যকে একটি পরিকল্পনায় রূপান্তরিত করে, তারপর মানুষের জন্য সম্পন্ন বা ব্লক-লেস সুইভেল-চেয়ার কাজ না হওয়া পর্যন্ত পদক্ষেপগুলি কার্যকর করে [1]।

• ডিফল্টভাবে টুলের ব্যবহার: এগুলি টেক্সটের মধ্যেই সীমাবদ্ধ থাকে না; তারা API কল করে, জ্ঞানের ভিত্তি অনুসন্ধান করে, ফাংশন আহ্বান করে এবং আপনার স্ট্যাকে কর্মপ্রবাহ ট্রিগার করে [2]।

• সমন্বয়কারীর ধরণ: সুপারভাইজাররা (ওরফে রাউটার) বিশেষজ্ঞ এজেন্টদের কাজ বরাদ্দ করতে পারেন, জটিল কাজের উপর থ্রুপুট এবং নির্ভরযোগ্যতা উন্নত করতে পারেন [2]।

• প্রতিফলন লুপ: শক্তিশালী সেটআপের মধ্যে রয়েছে স্ব-মূল্যায়ন এবং পুনঃপ্রয়াস যুক্তি, যাতে এজেন্টরা লক্ষ্য করে যখন তারা ট্র্যাকের বাইরে থাকে এবং সঠিক পথে চলে যায় (ভাবুন: পরিকল্পনা → কাজ → পর্যালোচনা → পরিমার্জন) [1]।

যে এজেন্ট কখনও প্রতিফলিত হয় না সে একজন সৎন্যাভের মতো যে পুনঃগণনা করতে অস্বীকার করে - প্রযুক্তিগতভাবে সূক্ষ্ম, কার্যত বিরক্তিকর।

জেনারেটিভ বনাম এজেন্টিক - আসলে কী পরিবর্তন হয়েছে? 🔁

ক্লাসিক জেনারেটিভ এআই সুন্দরভাবে উত্তর দেয়। এজেন্টিক এআই ফলাফল প্রদান করে। পার্থক্য হল অর্কেস্ট্রেশন: বহু-পদক্ষেপ পরিকল্পনা, পরিবেশগত মিথস্ক্রিয়া এবং একটি স্থায়ী উদ্দেশ্যের সাথে আবদ্ধ পুনরাবৃত্তিমূলক বাস্তবায়ন। অন্য কথায়, আমরা মেমরি, সরঞ্জাম এবং নীতিগুলি যুক্ত করি যাতে সিস্টেমটি [1][2] বলতে নয়, করতে

যদি জেনারেটিভ মডেলগুলি মেধাবী ইন্টার্ন হয়, তাহলে এজেন্টিক সিস্টেমগুলি হল জুনিয়র অ্যাসোসিয়েট যারা ফর্মগুলি খুঁজে বের করতে পারে, সঠিক API কল করতে পারে এবং কাজটিকে শেষ রেখার উপরে ঠেলে দিতে পারে। একটু বাড়াবাড়ি হতে পারে - কিন্তু আপনি ভাব বুঝতে পারবেন।

এজেন্টিক সিস্টেমগুলি গোপনে কীভাবে কাজ করে 🧩

আপনি যেসব গুরুত্বপূর্ণ বিষয় সম্পর্কে শুনতে পাবেন:

1. লক্ষ্য অনুবাদ → একটি সংক্ষিপ্তসার একটি কাঠামোগত পরিকল্পনা বা গ্রাফে পরিণত হয়।

2. প্ল্যানার–এক্সিকিউটর লুপ → পরবর্তী সেরা ক্রিয়াটি বেছে নিন, সম্পাদন করুন, মূল্যায়ন করুন এবং পুনরাবৃত্তি করুন।

3. টুল কলিং → বিশ্বকে প্রভাবিত করার জন্য API, পুনরুদ্ধার, কোড ইন্টারপ্রেটার, অথবা ব্রাউজার ব্যবহার করে।

4. স্মৃতি → প্রেক্ষাপট পরিবর্তন এবং শেখার জন্য স্বল্পমেয়াদী এবং দীর্ঘমেয়াদী অবস্থা।

5. সুপারভাইজার/রাউটার → একজন সমন্বয়কারী যিনি বিশেষজ্ঞদের কাজ অর্পণ করেন এবং নীতিমালা প্রয়োগ করেন [2]।

6. পর্যবেক্ষণযোগ্যতা এবং রেলিং → আচরণকে সীমার মধ্যে রাখার জন্য ট্রেস, নীতি এবং পরীক্ষা [2]।

এজেন্টিক RAG দেখতে পাবেন যা একজন এজেন্টকে সিদ্ধান্ত নিতে দেয় যে কখন অনুসন্ধান করতে হবে, কী অনুসন্ধান করতে হবে এবং বহু-পদক্ষেপ পরিকল্পনার মধ্যে ফলাফল কীভাবে

বাস্তব জগতের ব্যবহার যা কেবল ডেমো নয় 🧪

• এন্টারপ্রাইজ কর্মপ্রবাহ: টিকিট ট্রায়েজ, ক্রয়ের ধাপ, এবং সঠিক অ্যাপ, ডাটাবেস এবং নীতিমালার উপর নির্ভর করে রিপোর্ট তৈরি করা [2]।

• সফটওয়্যার এবং ডেটা অপশন: এজেন্ট যারা সমস্যাগুলি খোলে, ড্যাশবোর্ডগুলিকে সংযুক্ত করে, পরীক্ষা শুরু করে এবং পার্থক্যগুলি সংক্ষিপ্ত করে - আপনার অডিটররা যে লগগুলি অনুসরণ করতে পারেন [2]।

• গ্রাহক কার্যক্রম: ব্যক্তিগতকৃত প্রচারণা, সিআরএম আপডেট, জ্ঞান-ভিত্তিক অনুসন্ধান, এবং প্লেবুকের সাথে সম্পর্কিত সঙ্গতিপূর্ণ প্রতিক্রিয়া [1][2]।

• গবেষণা ও বিশ্লেষণ: সাহিত্য স্ক্যান, ডেটা পরিষ্কারকরণ, এবং অডিট ট্রেইল সহ পুনরুৎপাদনযোগ্য নোটবুক।

একটি দ্রুত, সুনির্দিষ্ট উদাহরণ: একজন "বিক্রয়-কার্যকরী এজেন্ট" যিনি একটি মিটিং নোট পড়েন, আপনার CRM-এ সুযোগ আপডেট করেন, একটি ফলো-আপ ইমেল খসড়া করেন এবং কার্যকলাপ লগ করেন। কোনও নাটক নেই - মানুষের জন্য কেবল ছোট ছোট কাজ কম।

টুলিং ল্যান্ডস্কেপ - কে কী অফার করে 🧰

কয়েকটি সাধারণ শুরুর পয়েন্ট (সম্পূর্ণ নয়):

• অ্যামাজন বেডরক এজেন্টস → টুল এবং নলেজ-বেস ইন্টিগ্রেশন সহ মাল্টি-স্টেপ অর্কেস্ট্রেশন, প্লাস সুপারভাইজার প্যাটার্ন এবং গার্ডেল [2]।

• ভার্টেক্স এআই এজেন্ট বিল্ডার → ন্যূনতম মানব হস্তক্ষেপের সাথে কাজ পরিকল্পনা এবং সম্পাদনের জন্য ADK, পর্যবেক্ষণযোগ্যতা এবং সুরক্ষা বৈশিষ্ট্য [1]।

ওপেন-সোর্স অর্কেস্ট্রেশন ফ্রেমওয়ার্ক প্রচুর, কিন্তু আপনি যে পথই বেছে নিন না কেন, একই মূল ধরণগুলি পুনরাবৃত্তি হয়: পরিকল্পনা, সরঞ্জাম, স্মৃতি, তত্ত্বাবধান এবং পর্যবেক্ষণযোগ্যতা।

স্ন্যাপশটের তুলনা 📊

বাস্তব দলগুলি যাইহোক এই বিষয় নিয়ে বিতর্ক করে - এটিকে একটি দিকনির্দেশক মানচিত্র হিসাবে বিবেচনা করে।

ব্যবহার অনুসারে দাম পরিবর্তিত হয়; সর্বদা সরবরাহকারীর মূল্য পৃষ্ঠাটি পরীক্ষা করুন।

স্থাপত্যের ধরণ যা আপনি আসলে পুনরায় ব্যবহার করবেন 🧱

• পরিকল্পনা → সম্পাদন → প্রতিফলন: একজন পরিকল্পনাকারী পদক্ষেপের স্কেচ করেন, একজন নির্বাহক কাজ করেন এবং একজন সমালোচক পর্যালোচনা করেন। সম্পন্ন না হওয়া পর্যন্ত বা আরও উন্নত না হওয়া পর্যন্ত ধুয়ে ফেলুন এবং পুনরাবৃত্তি করুন [1]।

• বিশেষজ্ঞদের সাথে তত্ত্বাবধায়ক: একজন সমন্বয়কারী বিশেষ এজেন্টদের - গবেষক, কোডার, পরীক্ষক, পর্যালোচক [2] - এর কাছে কাজগুলি পরিচালনা করেন।

• স্যান্ডবক্সড এক্সিকিউশন: কোড টুল এবং ব্রাউজারগুলি সীমাবদ্ধ স্যান্ডবক্সের ভিতরে চলে যেখানে কঠোর অনুমতি, লগ এবং প্রোডাকশন এজেন্টদের জন্য কিল-সুইচ-টেবিল স্টেক থাকে [5]।

ছোট্ট স্বীকারোক্তি: বেশিরভাগ দল অনেক বেশি এজেন্ট দিয়ে শুরু করে। এটা লোভনীয়। যখন মেট্রিক্স বলে যে আপনার তাদের প্রয়োজন তখনই কেবল ন্যূনতম-যোগ ভূমিকা শুরু করুন।

ঝুঁকি, নিয়ন্ত্রণ এবং কেন শাসন গুরুত্বপূর্ণ 🚧

এজেন্টিক এআই বাস্তব কাজ করতে পারে - যার অর্থ ভুলভাবে কনফিগার করা বা হাইজ্যাক করা হলে এটি প্রকৃত ক্ষতিও করতে পারে। ফোকাস করুন:

• তাৎক্ষণিক ইনজেকশন এবং এজেন্ট হাইজ্যাকিং: যখন এজেন্টরা অবিশ্বস্ত ডেটা পড়ে, তখন ক্ষতিকারক নির্দেশাবলী আচরণকে পুনঃনির্দেশিত করতে পারে। নেতৃস্থানীয় প্রতিষ্ঠানগুলি এই শ্রেণীর ঝুঁকি কীভাবে মূল্যায়ন এবং প্রশমিত করা যায় তা সক্রিয়ভাবে গবেষণা করছে [3]।

• গোপনীয়তা প্রকাশ: কম "হাতে", আরও অনুমতি - ডেটা অ্যাক্সেস এবং পরিচয় সাবধানে ম্যাপ করুন (সর্বনিম্ন সুবিধার নীতি)।

• মূল্যায়নের পরিপক্কতা: চকচকে বেঞ্চমার্ক স্কোরগুলিকে লবণাক্তভাবে বিবেচনা করুন; আপনার কর্মপ্রবাহের সাথে সম্পর্কিত টাস্ক-স্তরের, পুনরাবৃত্তিযোগ্য মূল্যায়ন পছন্দ করুন।

• শাসন ​​কাঠামো: কাঠামোগত নির্দেশিকা (ভূমিকা, নীতি, পরিমাপ, প্রশমন) এর সাথে সামঞ্জস্যপূর্ণ করুন যাতে আপনি যথাযথ পরিশ্রম প্রদর্শন করতে পারেন [4]।

টেকনিক্যাল কন্ট্রোলের জন্য, পলিসিকে স্যান্ডবক্সিংয়ের : টুল, হোস্ট এবং নেটওয়ার্ক আইসোলেট করুন; সবকিছু লগ করুন; এবং আপনি যা পর্যবেক্ষণ করতে পারবেন না তা ডিফল্ট-ডিনাই করুন [5]।

কীভাবে তৈরি শুরু করবেন - একটি বাস্তবসম্মত চেকলিস্ট 🛠️

1. আপনার প্রেক্ষাপটের জন্য একটি প্ল্যাটফর্ম বেছে নিন: যদি আপনি AWS বা Google Cloud-এ গভীরভাবে পারদর্শী হন, তাহলে তাদের এজেন্ট মসৃণ ইন্টিগ্রেশনগুলি স্ট্যাক করে [1][2]।

2. প্রথমে গার্ডেল সংজ্ঞায়িত করুন: ইনপুট, টুলস, ডেটা স্কোপ, অ্যালাওলিস্ট এবং এসকেলেশন পাথ। উচ্চ-ঝুঁকিপূর্ণ পদক্ষেপগুলিকে স্পষ্ট নিশ্চিতকরণের সাথে সংযুক্ত করুন [4]।

3. একটি সংকীর্ণ লক্ষ্য দিয়ে শুরু করুন: স্পষ্ট KPI সহ একটি প্রক্রিয়া (সময় সাশ্রয়, ত্রুটির হার, SLA হিট রেট)।

4. সবকিছু ইন্সট্রুমেন্ট করুন: ট্রেস, টুল-কল লগ, মেট্রিক্স এবং হিউম্যান ফিডব্যাক লুপ [1]।

5. প্রতিফলন এবং পুনরায় চেষ্টা যোগ করুন: আপনার প্রথম জয়গুলি সাধারণত আরও স্মার্ট লুপ থেকে আসে, বড় মডেল থেকে নয় [1]।

6. একটি স্যান্ডবক্সে পাইলট: বিস্তৃত রোলআউটের আগে সীমাবদ্ধ অনুমতি এবং নেটওয়ার্ক বিচ্ছিন্নতা সহ চালানো [5]।

বাজার কোন দিকে যাচ্ছে 📈

ক্লাউড সরবরাহকারী এবং উদ্যোগগুলি এজেন্টিক ক্ষমতার উপর জোর দিচ্ছে: মাল্টি-এজেন্ট প্যাটার্নগুলিকে আনুষ্ঠানিকীকরণ করা, পর্যবেক্ষণযোগ্যতা এবং সুরক্ষা বৈশিষ্ট্য যুক্ত করা এবং নীতি এবং পরিচয়কে প্রথম শ্রেণীর করা। মূল কথা হল সহকারীদের থেকে এমন একটি পরিবর্তন যা এজেন্টদের পরামর্শ দেয় কাজ করে যাতে তাদের লাইনের ভিতরে রাখা যায় [1][2][4]।

প্ল্যাটফর্মের আদিম শক্তিগুলি পরিপক্ক হওয়ার সাথে সাথে আরও ডোমেন-নির্দিষ্ট এজেন্ট - অর্থায়নের অপারেশন, আইটি অটোমেশন, বিক্রয় অপারেশন - আশা করুন।

যেসব বিপদ এড়িয়ে চলতে হবে - টলমল করা বিষয়গুলো 🪤

• অনেক বেশি সরঞ্জাম উন্মুক্ত: টুলবেল্ট যত বড় হবে, বিস্ফোরণের ব্যাসার্ধ তত বেশি হবে। ছোট করে শুরু করুন।

• কোনও ক্রমবর্ধমান পথ নেই: মানুষের হাতছাড়া না হলে, এজেন্টরা লুপ করে - অথবা আরও খারাপ, আত্মবিশ্বাসের সাথে এবং ভুলভাবে কাজ করে।

• বেঞ্চমার্ক টানেল ভিশন: আপনার নিজস্ব মূল্যায়ন তৈরি করুন যা আপনার কর্মপ্রবাহকে প্রতিফলিত করে।

• শাসনব্যবস্থা উপেক্ষা করা: নীতি, পর্যালোচনা এবং রেড-টিমিংয়ের জন্য মালিকদের বরাদ্দ করা; একটি স্বীকৃত কাঠামোর অধীনে মানচিত্র নিয়ন্ত্রণ করা [4]।

প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী বজ্রপাত ⚡

এজেন্টিক এআই কি কেবল এলএলএম-এর সাথে আরপিএ? পুরোপুরি না। আরপিএ নির্ধারক স্ক্রিপ্ট অনুসরণ করে। এজেন্টিক সিস্টেমগুলি পরিকল্পনা করে, সরঞ্জাম নির্বাচন করে এবং উড়ে যাওয়ার সাথে সাথে খাপ খাইয়ে নেয় - অনিশ্চয়তা এবং প্রতিক্রিয়া লুপ সহ [1][2]।
এটি কি লোকদের প্রতিস্থাপন করবে? এটি পুনরাবৃত্তিমূলক, বহু-পদক্ষেপের কাজগুলি অফলোড করে। মজাদার কাজ - বিচার, রুচি, আলোচনা - এখনও মানুষের দিকে ঝুঁকে পড়ে।
আমার কি প্রথম দিন থেকেই মাল্টি-এজেন্টের প্রয়োজন? না। কয়েকটি সরঞ্জাম সহ একজন সু-উদ্যোগী এজেন্টের কাছ থেকে অনেক জয় আসে; যদি আপনার মেট্রিক্স এটিকে ন্যায্যতা দেয় তবে ভূমিকা যোগ করুন।

অনেক দিন হলো আমি এটা পড়িনি🌟

Agentic AI কী ? এটি পরিকল্পনা, সরঞ্জাম, স্মৃতি এবং নীতির একত্রিত স্তুপ যা AI কে কথা থেকে কাজে স্থানান্তরিত করতে সাহায্য করে। যখন আপনি সংকীর্ণ লক্ষ্য নির্ধারণ করেন, আগে থেকেই রেলিং সেট করেন এবং সবকিছু কার্যকর করেন তখন এর মূল্য প্রকাশ পায়। ঝুঁকিগুলি হল বাস্তব-হাইজ্যাকিং, গোপনীয়তা প্রকাশ, অস্পষ্ট মূল্যায়ন - তাই প্রতিষ্ঠিত কাঠামো এবং স্যান্ডবক্সিংয়ের উপর নির্ভর করুন। ছোট তৈরি করুন, আবেগের সাথে পরিমাপ করুন, আত্মবিশ্বাসের সাথে প্রসারিত করুন [3][4][5]।

তথ্যসূত্র

1. গুগল ক্লাউড - এজেন্টিক এআই কী? (সংজ্ঞা, ধারণা)। লিঙ্ক

2. AWS - AI এজেন্ট ব্যবহার করে আপনার অ্যাপ্লিকেশনে স্বয়ংক্রিয় কাজগুলি করুন। (Bedrock Agents ডক্স)। লিঙ্ক

3. NIST টেকনিক্যাল ব্লগ - AI এজেন্ট হাইজ্যাকিং মূল্যায়ন শক্তিশালীকরণ। (ঝুঁকি ও মূল্যায়ন)। লিঙ্ক

4. NIST - AI ঝুঁকি ব্যবস্থাপনা কাঠামো (AI RMF)। (শাসন ও নিয়ন্ত্রণ)। লিঙ্ক

5. ইউকে এআই সেফটি ইনস্টিটিউট - পরিদর্শন: স্যান্ডবক্সিং। (প্রযুক্তিগত স্যান্ডবক্সিং নির্দেশিকা)। লিঙ্ক

অফিসিয়াল এআই অ্যাসিস্ট্যান্ট স্টোরে সর্বশেষ এআই খুঁজুন

আমাদের সম্পর্কে