एजेंटिक AI: स्वायत्त AI एजेंट और स्वचालन की अगली लहर

पिछले तीन वर्षों में आम लोगों के लिए कृत्रिम बुद्धिमत्ता का चेहरा बातचीत वाला डिब्बा था। आप सवाल लिखते, वह जवाब देता और बात खत्म हो जाती। यह सृजनात्मक AI (generative AI) थी, जो निर्देश मिलने पर पाठ, चित्र या कंप्यूटर कोड बनाती है। उपयोगी और कई बार चौंकाने वाली, लेकिन मूल रूप से ऐसा साधन जो पूछे जाने का इंतजार करता है। पिछले एक वर्ष में AI का अलग रूप सामने आया और उद्योग ने 2025 को “AI एजेंट का वर्ष” कहना शुरू किया। इन प्रणालियों को सवाल नहीं, लक्ष्य दिया जाता है: “सबसे सस्ती उड़ान ढूँढ़कर बुक करो”, “इस खराबी को ठीक करके बदलाव का अनुरोध खोलो” या “इस बाजार पर शोध करके रिपोर्ट बनाओ”। फिर वे काम को चरणों में बाँटती हैं, दूसरे सॉफ्टवेयर चलाती हैं, अपना काम जाँचती हैं और लक्ष्य पूरा होने तक चक्र दोहराती हैं। बातचीत वाले डिब्बे को हाथ मिल गए हैं।

इसे एजेंटिक AI कहते हैं। UPSC अभ्यर्थी के लिए यह विज्ञान और तकनीक पाठ्यक्रम के सबसे पूछे जाने योग्य विचारों में तेजी से शामिल हो रही है। यह कंप्यूटर विज्ञान, अर्थव्यवस्था, रोजगार, आंतरिक सुरक्षा और नैतिकता के संगम पर है। जवाब देने वाली व्यवस्था से खुद काम करने वाली व्यवस्था का बदलाव कई सवाल पैदा करता है। सॉफ्टवेयर का गलत निर्णय होने पर जिम्मेदार कौन होगा? बहकाकर गलत काम करवाए जा सकने वाली व्यवस्था को सुरक्षित कैसे रखें? कार्यालयी नौकरियों पर क्या असर होगा? भारत जैसी अर्थव्यवस्था इसे खुद बनाएगी या केवल खरीदेगी? मूल अंतर, कुछ वास्तविक आँकड़े और जोखिम समझ लें तो इस विषय पर तकनीक की दिशा जानते हुए लिखा जा सकता है।

एजेंटिक AI क्या है और सृजनात्मक AI से कैसे अलग है

पूरे विषय की नींव दोनों का अंतर है। सृजनात्मक AI प्रतिक्रियाशील है। आप निर्देश देते हैं, वह एक उत्तर बनाती है और रुक जाती है। सामान्य रूप से उसे पिछला काम याद नहीं रहता और वह उत्तर तैयार करने के बाहर दुनिया में कार्रवाई नहीं कर सकती। ईमेल लिखने वाला बड़ा भाषा मॉडल मसौदा देकर रुक जाता है। एजेंटिक AI सक्रिय और लक्ष्य-आधारित है। आप उद्देश्य बताते हैं, फिर वह खुद तय करती है कि कौन-से चरण किस क्रम में करने हैं और कौन-से बाहरी साधन चलाने हैं। वह बीच-बीच में बार-बार मानवीय निर्देश माँगे बिना चरण पूरे करती है। आईबीएम के सरल अंतर के अनुसार सृजनात्मक AI सामग्री बनाती है, जबकि एजेंटिक AI लक्ष्य पाने के लिए स्वायत्त कार्रवाई करती है। पहली का केंद्र सामग्री है, दूसरी का केंद्र परिणाम।

मुख्य शब्द स्वायत्तता है। सृजनात्मक मॉडल शानदार जवाब देने वाला सहायक है, लेकिन हर कदम पर इंसान को चालक की सीट पर चाहिए। AI एजेंट को मंजिल दी जाती है और वह रास्ता खुद खोजता है। वह स्थिति देखता है, कामों का क्रम बनाता है, उन्हें पूरा करता है, परिणाम जाँचता है और गलती होने पर तरीका बदलता है। हर चरण पर इंसान के दोबारा निर्देश दिए बिना बहु-चरणीय कामकाजी क्रम चलाने की यही क्षमता एजेंट को बातचीत कार्यक्रम से अलग करती है। यह सृजनात्मक AI को हटाती नहीं, उसके ऊपर बनती है। अधिकतर एजेंट उन्हीं बड़े भाषा मॉडलों से चलते हैं जो पाठ और कोड बनाते हैं। फर्क यह है कि मॉडल के चारों ओर स्मृति, साधन और योजना-चक्र जोड़ा जाता है और उसे एक उत्तर की जगह लक्ष्य दिया जाता है।

इसे एक साफ अंतर से याद रखिए। सृजनात्मक AI पूछती है, “मुझे क्या कहना चाहिए?” एजेंटिक AI पूछती है, “मुझे क्या करना चाहिए और उसे पूरा कैसे करना है?” पहली एक उत्पादन देती है, दूसरी परिणाम के पीछे जाती है। आगे की बनावट, उपयोग और जोखिम इसी जवाब देने से कार्रवाई करने वाले बदलाव से निकलते हैं। उत्तर की शुरुआत इस अंतर से करने पर परीक्षक को तुरंत पता चलता है कि अभ्यर्थी केवल नया शब्द नहीं, तकनीक समझता है।

AI एजेंट की बनावट: दिमाग, स्मृति, साधन और योजना-चक्र

अगर सृजनात्मक AI शीशे के डिब्बे में बंद दिमाग है तो एजेंट उसी दिमाग को शरीर और कामों की सूची देना है। चार हिस्से निष्क्रिय भाषा मॉडल को कार्रवाई करने वाली व्यवस्था बनाते हैं। इन्हें क्रम से लिखना दिखाता है कि आप प्रचार नहीं, बनावट समझते हैं।

पहला दिमाग है: तर्क करने वाला बड़ा भाषा मॉडल (LLM)। वह लक्ष्य समझता है, उप-कार्य बनाता है, अगला कदम चुनता है और हर चरण का परिणाम जाँचता है। यही एजेंट की सोच है और साधारण बातचीत कार्यक्रम का सृजनात्मक आधार भी यही होता है। दूसरा स्मृति है, जिसमें एजेंट अपना पिछला काम और सीखी बात रखता है। छोटी अवधि की स्मृति वर्तमान काम सँभालती है। लंबी अवधि की स्मृति पुराने परिणाम, जुटाए तथ्य और पहले दिए निर्देश याद रखती है। तीसरे साधन उसके हाथ हैं। सॉफ्टवेयर जोड़ और एपीआई (API) के जरिए एजेंट इंटरनेट खोज सकता है, कोड चला सकता है, आँकड़ा-भंडार में सवाल कर सकता है, ईमेल भेज सकता है, गणक चला सकता है या दूसरा सॉफ्टवेयर नियंत्रित कर सकता है। चौथा योजना-चक्र है: वर्तमान स्थिति देखना, अगला कदम बनाना, साधन से कार्रवाई करना, परिणाम देखना और फिर योजना पर लौटना। लक्ष्य पूरा होने या आगे न बढ़ पाने तक यह चक्र चलता है।

एजेंटिक कामकाजी क्रम और बहु-एजेंट प्रणालियाँ

अपना चक्र चलाने वाला एक एजेंट शक्तिशाली है, लेकिन 2025-26 में अगली सीमा समन्वय बन गई: कई विशेषज्ञ एजेंटों से साथ काम करवाना। एजेंटिक कामकाजी क्रम में लक्ष्य को चरणों में बाँटा जाता है। हर चरण पर एक एजेंट खुद काम करता है या अधिक उपयुक्त एजेंट को सौंप देता है। पूरी श्रृंखला बहुत कम मानवीय हस्तक्षेप से चलती है। इसे ऐसी उत्पादन पंक्ति समझिए जिसमें कर्मचारी सॉफ्टवेयर हैं।

बहु-एजेंट प्रणाली इसे आगे ले जाती है। इसमें अलग विशेषज्ञता वाले एजेंट मानव परियोजना दल की तरह सहयोग करते हैं: एक शोध करता है, एक लिखता है, एक जाँचता है और एक ग्राहक से बात करता है। प्रबंधक या समन्वयक एजेंट सबका तालमेल रखता है। तर्क वही है जिससे संस्थाएँ काम बाँटती हैं। साफ जिम्मेदारी और सही साधन वाला विशेषज्ञ एजेंट हर काम करने की कोशिश वाले एक सामान्य एजेंट से बेहतर होता है। अलग कंपनियों के एजेंटों को बात करवाने के लिए गूगल ने अप्रैल 2025 में खुला एजेंट-से-एजेंट प्रोटोकॉल (A2A) पेश किया। यह साझा भाषा है जिससे अलग ढाँचों के एजेंट काम सौंप और परिणाम साझा कर सकते हैं। ऐसे मानक जरूरी हैं, क्योंकि एजेंटों का मूल्य तब बढ़ता है जब वे एक कंपनी की बंद दीवार में रहने की जगह जुड़कर काम करें।

यहीं तकनीक एक चतुर अनुप्रयोग से आगे बुनियादी ढाँचे जैसी बनने लगती है। जब एजेंट साधन चला सकते हैं, एक-दूसरे को बुला सकते हैं और लगातार काम कर सकते हैं, तो यह कोई छोटी सुविधा नहीं रहती। यह मानवीय इरादे और उसे पूरा करने वाली मशीनों के बीच सॉफ्टवेयर की नई परत बन जाती है। उत्पाद से परत बनने का यही बदलाव एजेंटिक AI को थोड़े समय का चलन नहीं, काम करने के ढंग में संरचनात्मक परिवर्तन बनाता है।

एजेंटिक AI अभी कहाँ काम कर रही है

यह केवल अनुमान नहीं है। एजेंट वास्तविक काम में लगाए जा चुके हैं और कुछ आँकड़े उत्तर में लिखे जा सकते हैं। सबसे साफ उदाहरण सॉफ्टवेयर विकास है। AI कोडिंग एजेंट कोड लिखते, जाँचते और गलतियाँ सुधारते हैं। वे बदलाव का अनुरोध खोलते और खराबियाँ काफी हद तक खुद ठीक करते हैं। 2026 तक AI द्वारा दुनिया के नए कोड का बड़ा हिस्सा बनाए जाने की रिपोर्ट थी। गिटहब का कोपायलट अकेले करीब 2 करोड़ उपयोगकर्ताओं और अमेरिका की अधिकतर सबसे बड़ी कंपनियों तक पहुँच चुका था। यह बदलाव साफ दिखाता है: एजेंट केवल कोड की एक पंक्ति सुझाता नहीं, समस्या से काम करने वाले बदलाव तक पूरा काम ले जाता है।

ग्राहक सेवा दूसरा सिद्ध क्षेत्र है। भुगतान कंपनी क्लारना ने बताया कि उसका AI सहायक करीब दो-तिहाई ग्राहक बातचीत सँभाल रहा था। यह सैकड़ों पूर्णकालिक कर्मचारियों जितना काम था, समाधान का समय बहुत घटा और सालाना करोड़ों डॉलर बचे। सेल्सफोर्स ने बताया कि उसकी एजेंटफोर्स प्रणाली लाखों संपर्कों में सहायता मामलों का बड़ा हिस्सा अपने आप हल कर रही थी। कंपनियाँ एजेंटों से शोध और कार्यालयी काम भी करवा रही हैं: रिपोर्ट बनाना, बिल संसाधित करना, समय तय करना, नए कर्मचारियों को जोड़ना और नियम पालन देखना। खुदरा उत्पाद-रचना में बहु-एजेंट श्रृंखलाएँ रुझान देखकर विचार सीधे नमूने तक भेजती हैं। सबसे उल्लेखनीय सीमा वैज्ञानिक खोज है। 2025 में AI सहायता से दवा खोज का काम चिकित्सकीय जाँच तक पहुँचा और AI द्वारा तैयार एक दवा उम्मीदवार के शुरुआती परिणाम प्रमुख चिकित्सा पत्रिका में प्रकाशित हुए। शोध प्रयोगशालाओं ने साहित्य खोज और प्रयोग तेज करने के लिए एजेंट लगाए। वादा तेज लिखने का नहीं, तेज विज्ञान का है: एजेंट मानव दल से बहुत अधिक गति से पढ़, परिकल्पना बना और प्रयोग तैयार कर सकते हैं।

संतुलन के लिए वास्तविकता भी लिखें। अपनाना व्यापक लेकिन उथला है। 2025-26 के सर्वेक्षणों में अधिकतर बड़े संस्थानों ने AI एजेंटों का प्रयोग किया था, लेकिन बहुत कम उन्हें भरोसेमंद ढंग से पूर्ण वास्तविक काम में चला रहे थे। चौंकाने वाले प्रदर्शन और वास्तविक पैसे और ग्राहकों के साथ भरोसेमंद व्यवस्था के बीच की दूरी में ही जोखिम छिपे हैं।

जोखिम और शासन का सवाल

स्वायत्तता एजेंटिक AI की पूरी खासियत है और सबसे बड़ी समस्या भी। जैसे ही व्यवस्था अपने आप पैसा भेज, संदेश भेज, अभिलेख बदल या कोड चला सकती है, सवाल “क्या उत्तर सही है” से बदलकर “गलत कार्रवाई पर जिम्मेदार कौन है और व्यवस्था को सीमा में कैसे रखें” हो जाता है। मजबूत उत्तर में अलग जोखिमों के नाम होने चाहिए। शासन केवल अस्पष्ट चिंता नहीं है।

सबसे तेज तकनीकी खतरा निर्देश-घुसपैठ (prompt injection) है, जो एजेंटिक व्यवस्था में अधिक खतरनाक हो जाती है। इंटरनेट पृष्ठ, ईमेल, चढ़ाए दस्तावेज या किसी साधन के परिणाम में छिपा दुर्भावनापूर्ण निर्देश एजेंट की योजना पर कब्जा कर सकता है। इससे वह मालिक के विरुद्ध आँकड़े बाहर भेज सकता है, विशेष अधिकार वाले साधन चला सकता है या जुड़े तंत्रों तक हमला पहुँचा सकता है। सुरक्षा शोधकर्ता इसे AI अनुप्रयोगों की सबसे बड़ी कमजोरी मानते हैं। OWASP सुरक्षा परियोजना की 2026 एजेंटिक सूची में लक्ष्य अपहरण बड़े खतरों में है। ओपनएआई ने 2025 के अंत में माना कि निर्देश-घुसपैठ शायद पूरी तरह कभी खत्म न हो, क्योंकि भरोसेमंद और अविश्वसनीय पाठ एक ही संदर्भ खिड़की में जाते हैं। दूसरा जोखिम गलत लक्ष्य-संरेखण है, जिसमें एजेंट दिए लक्ष्य को मालिक की मंशा से अलग तरीके से पूरा करता है। यह इच्छा को शब्दशः पूरा करने का डिजिटल रूप है। तीसरा जवाबदेही है। जब एजेंट हर मिनट हजारों निर्णय ले, मौजूदा नियम अक्सर नहीं बताते कि गलती का दायित्व किसका है, निर्णय-श्रृंखला की जाँच कैसे हो और कहाँ मानव मंजूरी जरूरी है। मैकिन्सी द्वारा बताए सर्वेक्षणों में अधिकतर संस्थाओं ने एजेंटों का जोखिम भरा व्यवहार देखा था, जैसे आँकड़े खोल देना या बिना अनुमति तंत्रों तक पहुँचना।

क्षेत्र का मुख्य उत्तर मानव-मंजूरी वाला शासन (human-in-the-loop) है। पहले तय करें कि कौन-सी कार्रवाई एजेंट खुद कर सकता है और किसके लिए इंसानी मंजूरी चाहिए। हर एजेंट की पहुँच सीमित रखें, हर कार्रवाई का जाँच-लेख रखें और पहचान और अनुमति की परत को वह मुख्य बिंदु बनाएँ जहाँ नीति बाद में समीक्षा की जगह उसी समय लागू हो। इसके साथ शक्तिशाली स्वचालन की बड़ी चिंताएँ जुड़ती हैं। सहायता, कोडिंग और कार्यालयी काम सँभालने पर नौकरियों पर असर, नए कौशल और सामाजिक अनुबंध के सवाल उठते हैं। पक्षपात, मनगढ़ंत उत्तर और आँकड़ा गोपनीयता की पुरानी समस्याएँ भी बढ़ जाती हैं, क्योंकि एजेंट केवल गलत बात नहीं कहता, गलत काम कर देता है। उत्तर का सरल सिद्धांत है: जितनी अधिक स्वायत्तता, उतनी अधिक निगरानी, पता लगाने की क्षमता और जवाबदेही। व्यापक नियमों के लिए भारत में AI शासन और इनके आधार के लिए सृजनात्मक AI और बड़े भाषा मॉडल पढ़ें।

भारत कहाँ खड़ा है

एजेंटिक AI में भारत की दोहरी हिस्सेदारी है: इन प्रणालियों का विशाल बाजार और क्षमता को किराए पर लेने की जगह खुद बनाने की कोशिश। मुख्य आधार इंडियाएआई मिशन (IndiaAI Mission) है, जिसे केंद्रीय मंत्रिमंडल ने मार्च 2024 में पाँच वर्षों के लिए करीब ₹10,372 करोड़ के खर्च के साथ मंजूरी दी। इसके स्तंभ एजेंटों से सीधे जुड़े हैं: सस्ती कंप्यूट क्षमता, देश में बने आधारभूत मॉडल, आँकड़ा-संग्रह, कौशल और “सुरक्षित और भरोसेमंद AI”। कंप्यूट स्तंभ सबसे बड़ा हिस्सा है। मिशन करीब 10,000 जीपीयू (GPU) के शुरुआती लक्ष्य से बढ़कर कई दस हजार जीपीयू वाले साझा कंप्यूट भंडार तक पहुँचा, जिसे नए उद्यमों और शोधकर्ताओं को सस्ती दर पर दिया जाता है। हर एजेंट बड़े भाषा मॉडल पर चलता है और बड़े मॉडल को कंप्यूट और आँकड़े चाहिए। इसलिए यही भारतीय एजेंट प्रणालियों की नींव है। मिशन ने भारतीय भाषाओं और आँकड़ों पर आधारभूत मॉडल बनाने वाले कई भारतीय नए उद्यमों को भी मदद दी है। यह स्वदेशी क्षमता भविष्य के एजेंटों के दिमाग केवल आयात करने की जगह उन्हें आकार देने देती है।

भारत के लिए अवसर स्पष्ट है। भारतीय भाषाओं में सहज एजेंट अंग्रेजी-आधारित तंत्र से बाहर रहे नागरिकों तक सरकारी सेवा, स्वास्थ्य सलाह और वित्तीय मदद पहुँचा सकते हैं। इन्हें आधार, UPI और खाता-संकलक जैसे बड़े पैमाने के डिजिटल सार्वजनिक ढाँचे पर बनाया जा सकता है। चुनौतियाँ भी साफ हैं। भारत अभी महँगे उन्नत चिप और विदेशी आधारभूत मॉडलों पर बहुत निर्भर है, गहरे AI शोध कौशल की कमी है और तकनीक के तेज बढ़ने के साथ नियम भी लिख रहा है। उभरता भारतीय रुख भारी कानून के बजाय हल्का, नवाचार समर्थक नियमन है। दाँव है कि लचीले सिद्धांत और क्षेत्र के अनुसार सीमाएँ कठोर कानून से बेहतर रहेंगी। क्या भारत अपनी भाषाओं में भरोसेमंद और जवाबदेह एजेंट बना पाएगा और जोखिम को काबू में रख पाएगा? यह इस दशक का खुला सवाल है और मुख्य परीक्षा में आगे की सोच दिखाने का अच्छा अवसर भी।

मुख्य परीक्षा के उत्तर के लिए

यह सामान्य अध्ययन प्रश्नपत्र 3 का महत्वपूर्ण विषय है, जिसमें विज्ञान और तकनीक, विकास, अनुप्रयोग, दैनिक जीवन पर प्रभाव और सूचना तकनीक और साइबर सुरक्षा आते हैं। रोजगार और नैतिकता सामान्य अध्ययन प्रश्नपत्र 2 में शासन और सरकारी नीति और सामान्य अध्ययन प्रश्नपत्र 4 में स्वायत्त निर्णय और जवाबदेही से जुड़ते हैं। तकनीक, काम और मानवीय भूमिका पर निबंध में भी यह उपयोगी है। अच्छा उत्तर पहले सृजनात्मक और एजेंटिक AI का साफ अंतर देता है, फिर चार हिस्सों वाली बनावट, एक-दो आँकड़े वाले वास्तविक उपयोग और अंत में स्वायत्तता के सामने जरूरी शासन का संतुलन रखता है।

उत्तर कैसे बनाएँ

तार्किक क्रम रखें। सृजनात्मक AI के सामने एजेंटिक AI की परिभाषा दें: जवाब बनाम कार्रवाई → बनावट लिखें: एलएलएम दिमाग, स्मृति, साधन और योजना-चक्र → बड़े स्तर पर एजेंटिक कामकाजी क्रम और बहु-एजेंट प्रणालियाँ → वास्तविक उपयोग से प्रमाण दें: कोडिंग, ग्राहक सेवा, वैज्ञानिक खोज → जोखिम: निर्देश-घुसपैठ, गलत लक्ष्य-संरेखण, जवाबदेही और रोजगार; समाधान में मानव मंजूरी → अंत में भारत: इंडियाएआई मिशन, कंप्यूट, स्वदेशी मॉडल, अवसर और कमी। परिभाषा, निर्माण, विस्तार, उपयोग, शासन और स्थानीयकरण का यह क्रम तकनीक, सुरक्षा या काम के भविष्य वाले लगभग हर प्रश्न पर बैठता है।

इन आम गलतियों से बचें

एजेंटिक और सृजनात्मक AI को प्रतिद्वंद्वी न मानें। एजेंट सृजनात्मक मॉडल के ऊपर बनते हैं। अंतर नया दिमाग नहीं, स्वायत्तता और कार्रवाई है। एजेंट को केवल “अधिक बुद्धिमान बातचीत कार्यक्रम” न कहें। साधन चलाना और योजना-चक्र ही मुख्य बात है। जोखिम सामान्य ढंग से न गिनाएँ। एजेंट से खास जोखिम लिखें: निर्देश-घुसपैठ से लक्ष्य अपहरण, गलत स्वायत्त कार्रवाई और जवाबदेही की कमी। भारत को निष्क्रिय खरीदार न दिखाएँ। इंडियाएआई मिशन, कंप्यूट और स्वदेशी मॉडल के प्रयास जरूर लिखें।

उत्तर की छोटी रीढ़

सृजनात्मक AI निर्देश का उत्तर देती है; एजेंटिक AI को लक्ष्य मिलता है और वह स्वायत्त योजना, साधन और बहु-चरणीय कार्रवाई करती है → बनावट: एलएलएम दिमाग + स्मृति + साधन/एपीआई + योजना-चक्र, यानी देखना → योजना → कार्रवाई → परिणाम → एजेंटिक कामकाजी क्रम और बहु-एजेंट प्रणालियों से विस्तार; गूगल A2A प्रोटोकॉल अप्रैल 2025 → उपयोग: कोडिंग एजेंट, ग्राहक सेवा में क्लारना और सेल्सफोर्स एजेंटफोर्स, वैज्ञानिक खोज → जोखिम: निर्देश-घुसपैठ और लक्ष्य अपहरण, गलत संरेखण, जवाबदेही की कमी, रोजगार → उपाय: मानव मंजूरी, सीमित पहुँच, जाँच-लेख → भारत: ₹10,372 करोड़ का इंडियाएआई मिशन, कई दस हजार सस्ती जीपीयू, स्वदेशी आधारभूत मॉडल और हल्का नियमन → निष्कर्ष: अधिक स्वायत्तता के साथ अधिक निगरानी।

चित्र या प्रवाह-रेखा का विचार

एजेंट चक्र को गोल रूप में बनाएँ। बीच में “एलएलएम दिमाग” लिखें, साथ में “स्मृति” और “साधन/एपीआई” जोड़ें। चार चरण रखें: स्थिति देखना → योजना बनाना → कार्रवाई करना → परिणाम देखना → फिर स्थिति देखना। ऊपर से “लक्ष्य” आए और किनारे से “पूरा” निकले। बगल में दो स्तंभ रखें: सृजनात्मक AI में निर्देश → एक उत्तर, एजेंटिक AI में लक्ष्य → बहु-चरणीय कार्रवाई। यह जोड़ी पूरे विषय को एक नजर में दिखाती है और जल्दी बनाई जा सकती है।

संतुलित निष्कर्ष की पंक्ति

“एजेंटिक AI उत्तर देने वाली मशीन से काम करने वाली मशीन की ओर बदलाव है। उत्पादकता की यह छलाँग उतनी ही सुरक्षित होगी जितनी उसके चारों ओर निगरानी मजबूत होगी। इसलिए असली प्रतिस्पर्धा केवल अधिक स्वायत्त एजेंट बनाने की नहीं, अधिक जवाबदेह एजेंट बनाने की है।”

आँकड़े ठूँसे बिना कैसे इस्तेमाल करें

पूरे सर्वेक्षण की जरूरत नहीं, कुछ आधार काफी हैं: चार हिस्से, यानी दिमाग, स्मृति, साधन और योजना-चक्र; समन्वय का एक तथ्य, गूगल A2A प्रोटोकॉल 2025; उपयोग का एक आँकड़ा, जैसे AI सहायक द्वारा ग्राहक बातचीत का बड़ा हिस्सा सँभालना या नए कोड का बड़ा हिस्सा AI से बनना; जोखिम का एक तथ्य, निर्देश-घुसपैठ को शीर्ष AI कमजोरी माना जाना; और भारत का एक आँकड़ा, इंडियाएआई मिशन का करीब ₹10,372 करोड़ खर्च। स्रोत सरलता से लिखें, जैसे “आईबीएम के अंतर के अनुसार” या “OWASP सुरक्षा परियोजना की चेतावनी के अनुसार”।

सामान्य प्रश्न

अभ्यास प्रश्न

प्रारंभिक परीक्षा के बहुविकल्पीय प्रश्न

1. एजेंटिक AI और सृजनात्मक AI के संदर्भ में सबसे सही कथन कौन-सा है?
   (क) दोनों का आधार पूरी तरह अलग और असंबंधित है
   (ख) सृजनात्मक AI निर्देश का उत्तर देती है, जबकि एजेंटिक AI लक्ष्य पाने के लिए स्वायत्त योजना, साधन और बहु-चरणीय कार्रवाई करती है
   (ग) सृजनात्मक AI एजेंटिक AI से अधिक स्वायत्त है
   (घ) एजेंटिक AI बड़े भाषा मॉडल इस्तेमाल नहीं कर सकती
   उत्तर: (ख) एजेंटिक AI लक्ष्य-आधारित और स्वायत्त कार्रवाई वाली है। यह आम तौर पर उन्हीं सृजनात्मक मॉडलों पर बनती है जो बातचीत कार्यक्रम चलाते हैं।
2. निम्नलिखित में से कौन AI एजेंट का मुख्य हिस्सा नहीं है?
   (क) तर्क और योजना करने वाला बड़ा भाषा मॉडल
   (ख) चरणों के बीच संदर्भ रखने वाली स्मृति
   (ग) दुनिया में कार्रवाई कराने वाले साधन और एपीआई
   (घ) हर एजेंट के लिए जरूरी भौतिक रोबोट शरीर
   उत्तर: (घ) एजेंट सॉफ्टवेयर होते हैं और उन्हें दिमाग, स्मृति, साधन और योजना-चक्र चाहिए। भौतिक शरीर जरूरी नहीं।
3. एजेंटिक AI में “योजना-चक्र” किस सही क्रम को बताता है?
   (क) प्रशिक्षण, जाँच, तैनाती, समाप्ति
   (ख) स्थिति देखना, योजना बनाना, कार्रवाई करना, परिणाम देखना
   (ग) कूटलेखन, संग्रह, भेजना, मिटाना
   (घ) निवेश, उत्पादन, बंद करना
   उत्तर: (ख) एजेंट स्थिति देखता, अगला कदम बनाता, साधन से कार्रवाई करता और परिणाम जाँचता है। लक्ष्य तक यह चक्र दोहरता है।
4. एजेंटिक AI सुरक्षा में “निर्देश-घुसपैठ” क्या है?
   (क) मॉडल में अतिरिक्त कंप्यूट शक्ति डालना
   (ख) दी गई सामग्री में छिपे दुर्भावनापूर्ण निर्देश से एजेंट की योजना या कार्रवाई पर कब्जा करना
   (ग) मॉडल प्रशिक्षण तेज करने का तरीका
   (घ) बड़े भाषा मॉडल को छोटा करने की तकनीक
   उत्तर: (ख) इंटरनेट पृष्ठ, दस्तावेज या साधन के परिणाम में छिपा निर्देश एजेंट को मालिक के विरुद्ध काम करा सकता है। इसे AI अनुप्रयोगों की शीर्ष कमजोरी माना जाता है।
5. भारत की AI क्षमता से जुड़े इंडियाएआई मिशन का सही वर्णन कौन-सा है?
   (क) इसे केंद्रीय मंत्रिमंडल ने मार्च 2024 में पाँच वर्षों के लिए करीब ₹10,372 करोड़ के खर्च के साथ मंजूरी दी
   (ख) यह भारत में विदेशी AI मॉडल पूरी तरह रोकता है
   (ग) यह बिना सरकारी धन की निजी पहल है
   (घ) यह केवल रोबोट पर केंद्रित है और इसमें कंप्यूट शामिल नहीं
   उत्तर: (क) मिशन में सस्ती कंप्यूट क्षमता, कई दस हजार जीपीयू का साझा भंडार, स्वदेशी आधारभूत मॉडल, कौशल और सुरक्षित और भरोसेमंद AI शामिल हैं।

मुख्य परीक्षा के अभ्यास प्रश्न

1. सृजनात्मक AI और एजेंटिक AI में अंतर बताइए। जवाब देने वाली व्यवस्था से कार्रवाई करने वाली व्यवस्था का बदलाव नीति-निर्माताओं के सामने जोखिम की प्रकृति कैसे बदलता है? (15 अंक, 250 शब्द)
2. “AI एजेंट स्मृति, साधन और लक्ष्य वाला सृजनात्मक मॉडल है।” एजेंटिक AI प्रणालियों की बनावट और बहु-एजेंट सहयोग का महत्व समझाइए। (15 अंक, 250 शब्द)
3. एजेंटिक AI सॉफ्टवेयर विकास, ग्राहक सेवा और वैज्ञानिक खोज में लगाई जा रही है। इंडियाएआई मिशन के संदर्भ में भारत के लिए इसके संभावित लाभों पर चर्चा कीजिए। (15 अंक, 250 शब्द)
4. निर्देश-घुसपैठ, गलत लक्ष्य-संरेखण और जवाबदेही सहित स्वायत्त AI एजेंटों की शासन चुनौतियों का परीक्षण कीजिए। मानव-मंजूरी वाला तरीका जरूरी क्यों माना जाता है? (10 अंक, 150 शब्द)
5. “AI व्यवस्था में जितनी अधिक स्वायत्तता हो, उतनी अधिक निगरानी होनी चाहिए।” एजेंटिक AI और भारत में काम के भविष्य के संदर्भ में इस कथन का समालोचनात्मक विश्लेषण कीजिए। (15 अंक, 250 शब्द)

PDF