এআই এজেন্টদের প্রতি ক্রমবর্ধমান ধাক্কার মধ্যে, এই সপ্তাহে অ্যানথ্রপিক এবং ওপেনএআই শিপিং মাল্টি-এজেন্ট সরঞ্জামগুলির সাথে, অ্যানথ্রপিক তার আরও সাহসী এআই কোডিং পরীক্ষাগুলি দেখানোর জন্য প্রস্তুত। কিন্তু বরাবরের মতো এআই-সম্পর্কিত সাফল্যের দাবির সাথে, আপনি সামনে কিছু বড় সতর্কতা খুঁজে পাবেন।
বৃহস্পতিবার, নৃতাত্ত্বিক গবেষক নিকোলাস কার্লিনি একটি ব্লগ পোস্ট প্রকাশ করেছেন যাতে তিনি ন্যূনতম তত্ত্বাবধানে একটি ভাগ করা কোডবেসে কোম্পানির ক্লাউড ওপাস 4.6 এআই মডেলের 16টি উদাহরণ কীভাবে সেট আপ করেছেন এবং তাদের স্ক্র্যাচ থেকে একটি সি কম্পাইলার তৈরির দায়িত্ব দিয়েছেন।
দুই সপ্তাহের বেশি সময় ধরে এবং আনুমানিক 2,000 ক্লাউড কোড সেশনে প্রায় $20,000 API ফিতে, এআই মডেল এজেন্টরা একটি 100,000-লাইন মরিচা-ভিত্তিক কম্পাইলার তৈরি করেছে যা x86, RISC-archite এবং ARM-এ বুটযোগ্য Linux 6.9 কার্নেল তৈরি করতে সক্ষম।
Carlini, Anthropic’s Safeguards দলের একজন গবেষণা বিজ্ঞানী যিনি পূর্বে Google Brain এবং DeepMind-এ সাত বছর কাটিয়েছেন, “Agent Teams” নামে ক্লাউড ওপাস 4.6 এর সাথে চালু করা একটি নতুন বৈশিষ্ট্য ব্যবহার করেছেন। অনুশীলনে, প্রতিটি ক্লাউড ইন্সট্যান্স তার নিজস্ব ডকার কন্টেইনারের ভিতরে চলে যায়, একটি শেয়ার করা গিট রিপোজিটরি ক্লোনিং করে, লক ফাইল লিখে কাজ দাবি করে, তারপর সম্পূর্ণ কোডটিকে আপস্ট্রিমে পুশ করে। কোন অর্কেস্ট্রেশন এজেন্ট ট্রাফিক নির্দেশিত. প্রতিটি উদাহরণ স্বাধীনভাবে সমস্যাটিকে চিহ্নিত করেছে যা আরও কাজ করার জন্য সবচেয়ে সুস্পষ্ট বলে মনে হয়েছিল এবং এটি সমাধান করা শুরু করেছে। যখন একত্রীকরণ দ্বন্দ্ব দেখা দেয়, তখন AI মডেল দৃষ্টান্তগুলি সেগুলি স্বয়ংক্রিয়ভাবে সমাধান করে।
ফলস্বরূপ কম্পাইলার, যা Anthropic GitHub-এ প্রকাশ করেছে, PostgreSQL, SQLite, Redis, FFmpeg এবং QEMU সহ অনেক বড় ওপেন সোর্স প্রজেক্ট কম্পাইল করতে পারে। এটি সংকলিত এবং দৌড়ে, জিসিসি নির্যাতন পরীক্ষার স্যুটে 99 শতাংশ পাসের হার অর্জন করে, যাকে কার্লিনি “ডেভেলপারের চূড়ান্ত লিটমাস পরীক্ষা” বলে অভিহিত করেছিলেন। এপোক্যালিপস.
এটি লক্ষণীয় যে সি কম্পাইলারটি আধা-স্বায়ত্তশাসিত AI মডেলগুলির কোডিং করার জন্য একটি আদর্শ কাজ: স্পেসিফিকেশনটি কয়েক দশক পুরানো এবং সু-সংজ্ঞায়িত, ব্যাপক পরীক্ষা স্যুটগুলি ইতিমধ্যেই বিদ্যমান, এবং এটির বিরুদ্ধে পরীক্ষা করার জন্য একটি পরিচিত-ভাল রেফারেন্স কম্পাইলার রয়েছে। বেশিরভাগ বাস্তব-বিশ্বের সফ্টওয়্যার প্রকল্পগুলির এই সুবিধাগুলির কোনটি নেই। বেশিরভাগ বিকাশের কঠিন অংশটি কোড লেখা নয় যা পরীক্ষায় উত্তীর্ণ হয়; এটি পরীক্ষাগুলি প্রথমে কী হওয়া উচিত তা নির্ধারণ করছে।
