Ragini SinhaArtificial Intelligence Terms : आज के AI सिस्टम फाइलें पढ़ सकते हैं, इंटरनेट पर जानकारी खोज सकते हैं, सॉफ्टवेयर चला सकते हैं, टूल्स का इस्तेमाल कर सकते हैं और कई काम एक साथ पूरा कर सकते हैं। इसी तेजी से बदलती तकनीक के बीच AI Glossary जरूरी हो गई है। इसमें AI से जुड़े नए और आम शब्दों को आसान भाषा में समझाया गया है।
AI की दुनिया के नए शब्द समझना चाहते हैं? AI Glossary में LLM, Generative AI, RAG, AI Agents और AI Safety को जानिए।
AI, मशीन लर्निंग और LLM में क्या अंतर?
Artificial Intelligence (AI) ऐसी कंप्यूटर तकनीक है, जो इंसानों की तरह कई काम कर सकती है। इसमें भाषा समझना, तस्वीरों को पढ़ना, अनुमान लगाना, योजना बनाना और फैसले लेना शामिल हैं।
Machine Learning AI का ऐसा तरीका है, जिसमें कंप्यूटर डेटा से पैटर्न सीखता है। इसके बाद वह उन्हीं पैटर्न के आधार पर अनुमान या फैसला करता है। इसमें हर काम के लिए पहले से नियम लिखना जरूरी नहीं होता।
Deep Learning बड़े न्यूरल नेटवर्क का इस्तेमाल करता है। यह टेक्स्ट, तस्वीर, आवाज और वीडियो जैसे जटिल डेटा को समझने वाली कई आधुनिक AI तकनीकों का आधार है।
Foundation Model बड़े पैमाने पर अलग-अलग डेटा से प्रशिक्षित मॉडल होता है। इसे सिर्फ एक काम के लिए नहीं, बल्कि कई तरह के कामों के लिए इस्तेमाल किया जा सकता है।
Large Language Model यानी LLM खास तौर पर भाषा से जुड़े काम करता है। यह लिख सकता है, सारांश बना सकता है, अनुवाद कर सकता है और टेक्स्ट का विश्लेषण कर सकता है।
Small Language Model यानी SLM आकार में छोटा होता है। इसे कम कंप्यूटिंग संसाधन चाहिए, इसलिए यह तेज, सस्ता और स्थानीय डिवाइस पर चलाने के लिए ज्यादा सुविधाजनक हो सकता है।
Generative AI से Multimodal AI तक समझिए नए शब्द
Generative AI यूजर के निर्देश या इनपुट के आधार पर नया कंटेंट बनाता है। यह टेक्स्ट, तस्वीर, ऑडियो, वीडियो और कोड तैयार कर सकता है।
Multimodal AI एक से ज्यादा तरह की जानकारी समझ सकता है। उदाहरण के लिए, यह किसी तस्वीर को पढ़कर उस पर लिखे सवाल का जवाब टेक्स्ट में दे सकता है। AI सिस्टम में Token भी अहम है। यह टेक्स्ट का छोटा हिस्सा होता है। कोई टोकन पूरा शब्द, शब्द का हिस्सा, विराम चिह्न या दूसरी छोटी इकाई हो सकता है।
Context Window बताता है कि AI एक समय में कितनी जानकारी संभाल सकता है। बड़ी context window में ज्यादा टेक्स्ट, कोड, फाइलें या पुरानी बातचीत रखी जा सकती है।
Embeddings टेक्स्ट या तस्वीर जैसी जानकारी को संख्याओं में बदलते हैं। इन संख्याओं की मदद से सिस्टम समान अर्थ वाली चीजें खोज सकता है।
RAG, Grounding और Vector Database का खेल
Retrieval-Augmented Generation यानी RAG AI को जवाब देने से पहले बाहरी स्रोत से जरूरी जानकारी खोजने देता है। कोई कंपनी अपने दस्तावेज, रिकॉर्ड या ज्ञान भंडार से सवालों के जवाब देने के लिए इसका इस्तेमाल कर सकती है।
Grounding AI के जवाब को किसी खास स्रोत से जोड़ता है। इससे जवाब का आधार साफ होता है और सिस्टम सिर्फ अपने प्रशिक्षण डेटा पर निर्भर नहीं रहता।
Vector Database एम्बेडिंग को स्टोर करता है। यह समान अर्थ वाली जानकारी खोजने में मदद करता है और RAG सिस्टम में अक्सर इसका इस्तेमाल होता है।
इन तीनों को आसान तरीके से ऐसे समझें:
Vector Database जरूरी जानकारी खोजता है।
RAG उस जानकारी को AI मॉडल तक पहुंचाता है।
Grounding अंतिम जवाब को स्रोत से जोड़ता है।
READ MORE : Claude AI अब भारत में करेगा काम, देश में रहेगा डेटा
AI Agents, MCP और A2A क्यों चर्चा में हैं?
AI Agent किसी लक्ष्य को पूरा करने के लिए कई चरणों में काम कर सकता है। यह टूल इस्तेमाल कर सकता है, फाइल पढ़ सकता है, API कॉल कर सकता है और नतीजे देखकर अगला कदम तय कर सकता है।
Agentic AI ऐसे सिस्टम को कहा जाता है, जो केवल जवाब देने के बजाय किसी लक्ष्य की दिशा में कार्रवाई भी कर सकते हैं।
Tool Calling में AI किसी दूसरे सिस्टम से काम करवाने के लिए कहता है। इसमें डेटाबेस सर्च, API अनुरोध, गणना या फाइल से जुड़ा काम शामिल हो सकता है। फंक्शन कॉलिंग भी इसी तरह की प्रक्रिया है, जिसमें मॉडल पहले से तय फंक्शन चुनकर जरूरी जानकारी देता है।
AI Orchestration AI मॉडल, टूल, एजेंट और कामों को सही क्रम में चलाने का काम करता है। वहीं Multi-Agent System में कई AI एजेंट अलग-अलग जिम्मेदारियां संभालते हैं।
नए प्रोटोकॉल में Model Context Protocol (MCP) AI को टूल्स और डेटा से जोड़ने का एक मानक तरीका देता है। Agent2Agent यानी A2A अलग-अलग AI एजेंटों को आपस में काम और नतीजे साझा करने में मदद करता है।
READ MORE : OpenAI का नया दांव, ChatGPT और Codex टेक्स्ट होगा ट्रेस
AI Safety: Prompt Injection और Human Oversight जरूरी
Prompt Injection तब होता है जब किसी फाइल, वेबसाइट या टेक्स्ट में छिपे निर्देश AI को गलत या असुरक्षित काम करने के लिए प्रभावित करने की कोशिश करते हैं।
AI Evals से पता चलता है कि मॉडल या एजेंट किसी खास काम में कितना अच्छा प्रदर्शन करता है। इसमें सटीकता, भरोसेमंदता और सुरक्षा जैसी चीजें जांची जा सकती हैं।
Observability डेवलपर्स को AI सिस्टम के अंदर हो रही गतिविधियों की जानकारी देती है। इसमें मॉडल के जवाब, टूल कॉल, गलतियां, प्रतिक्रिया का समय और खर्च देखा जा सकता है।
Human-in-the-Loop (HITL) में महत्वपूर्ण फैसलों पर इंसान की मंजूरी जरूरी रहती है। उदाहरण के लिए, पैसे भेजने, जरूरी रिकॉर्ड बदलने या किसी जोखिम भरे फैसले से पहले इंसानी जांच रखी जा सकती है।
आज का AI सिर्फ जवाब देने वाला मॉडल नहीं है। वह जानकारी खोज सकता है, टूल इस्तेमाल कर सकता है, कई चरणों में काम कर सकता है और दूसरे एजेंटों के साथ मिलकर लक्ष्य पूरा कर सकता है। ऐसे में AI Glossary को समझना जरूरी है, ताकि यूजर किसी नए AI प्रोडक्ट की क्षमता, सीमाएं और जोखिम आसानी से समझ सके।
