Perplexity ने निरंतर कार्यों और सहयोग के लिए एआई एजेंट सिस्टम 'टीममेट्स' लॉन्च किया

आर्टिफिशियल इंटेलिजेंस (एआई) राष्ट्रीय माध्यमिक शिक्षा परीक्षा (एनईएम) की तैयारी में एक संभावित सहायक के रूप में सामने आता है, जो छात्रों को विषयों की समीक्षा करने, मॉक टेस्ट बनाने और कमजोरियों की पहचान करने में सहायता प्रदान करता है। हालांकि, विशेषज्ञ इन उपकरणों द्वारा प्रदान की गई जानकारी को विश्वसनीय स्रोतों से जांचने की आवश्यकता पर जोर देते हैं।

यूनिनासाउ टेरेसीना में कंप्यूटर साइंस और सिस्टम एनालिसिस एंड डेवलपमेंट के पाठ्यक्रमों के समन्वयक विनीसियस गोंसाल्वेस का सुझाव है कि एक प्रभावी दृष्टिकोण एआई द्वारा उत्पन्न उत्तरों का मार्गदर्शन करने के लिए एनईएम के पिछले संस्करणों के पेपर का उपयोग करना है। उन्होंने समझाया कि छात्रों के लिए सबसे अच्छी रणनीति, विशेष रूप से प्रश्न उत्पन्न करते समय, पिछली परीक्षाओं के मॉडल को आर्टिफिशियल इंटेलिजेंस में डालना है, और उसे निर्देश देना है कि वह अपने नए प्रश्नों को विशेष रूप से इन डेटा पर आधारित करे।

यह पद्धति प्रतिभागियों को पिछले वर्षों में पूछे गए समान अभ्यास करने और परीक्षा में बार-बार आने वाले विषयों की समीक्षा करने की अनुमति देती है।

सामग्री समीक्षा में एआई का उपयोग कैसे करें

इस तकनीक का उपयोग सारांश, माइंड मैप्स और मॉक टेस्ट बनाने के लिए किया जा सकता है, साथ ही वैचारिक संदेहों को दूर करने के लिए भी किया जा सकता है। छात्रों के पास विशिष्ट विषयों पर प्रश्न पूछने और अध्ययन के दौरान अपनी प्रगति की निगरानी करने का विकल्प भी है। विनीसियस के अनुसार, सीखने का अनुकूलन प्रदर्शन की निरंतर निगरानी पर निर्भर करता है। विभिन्न कार्यों में अपनी सफलताओं और कठिनाइयों को दर्ज करके, छात्र अगले समीक्षा फोकस को परिभाषित करने के लिए इन डेटा का उपयोग कर सकता है।

हालांकि, प्रोफेसर चेतावनी देते हैं कि एआई उपकरण झूठा या मनगढ़ंत डेटा उत्पन्न कर सकते हैं, जिसे एआई की 'मतिभ्रम' कहा जाता है। इस कारण से, वह छात्रों को हमेशा उत्तरों को मान्य करने और जानकारी की उत्पत्ति की पुष्टि के लिए संदर्भ मांगने की सलाह देते हैं। उन्होंने मार्गदर्शन दिया: 'यह सरल है, हमेशा स्रोत मांगें। जब आप कोई ऐसा उत्तर देखते हैं जिससे आपको बहुत अधिक परेशानी नहीं होती है या आपके पास अध्ययन सामग्री है और एआई जो कह रहा है वह अध्ययन सामग्री से मेल नहीं खाता है, तो उससे स्रोत की पहचान करने के लिए कहें, ताकि आप उस स्रोत को सत्यापित कर सकें जहां से यह जानकारी आ रही है।'

केंद्रीय सिफारिश प्राप्त उत्तरों को आधिकारिक सामग्रियों और विश्वसनीय उत्तर पुस्तिकाओं के साथ मिलाना है, क्योंकि एआई प्रश्नों की व्याख्या में सहायता करता है, लेकिन इसे अचूक सूचना स्रोत के रूप में नहीं देखा जाना चाहिए।

एनईएम से पहले अंतिम चरण में सावधानियां

एनईएम की तैयारी के अंतिम चरण में, प्रोफेसर सलाह देते हैं कि एक बार में बड़ी मात्रा में नई सामग्री को अवशोषित करने की कोशिश करने के बजाय अभ्यास हल करने को प्राथमिकता दी जानी चाहिए। इस अवधि में, एआई पुराने पेपरों पर आधारित अभ्यास बनाने में उपयोगी हो सकता है, जिससे उम्मीदवारों को मूल्यांकन की संरचना के साथ सहज होने में मदद मिलती है।

विनीसियस बताते हैं कि नियमित अभ्यास छात्र को पाठ्यक्रम की मांगों के पैटर्न की पहचान करने और प्रश्नों को हल करने के लिए कुशल तरीके विकसित करने में मदद करता है। इस उपकरण में अक्सर परीक्षा में उठाए जाने वाले विषयों के लिए नए परिदृश्य प्रस्तुत करने की क्षमता भी है। हालांकि, समन्वयक चेतावनी देते हैं कि प्रौद्योगिकी का उपयोग छात्र की आलोचनात्मक सोच का स्थान नहीं लेना चाहिए। यदि इसका उपयोग केवल तैयार समाधान देने के लिए किया जाता है, तो एआई निर्भरता को बढ़ावा दे सकता है और स्वायत्तता के विकास से समझौता कर सकता है।

उन्होंने चेतावनी दी: 'आप एक उपकरण के बजाय एक छड़ी बना सकते हैं, जिस पर छात्र पूरी तरह से इस आर्टिफिशियल इंटेलिजेंस के उत्तरों पर निर्भर रहता है।'

इसलिए, मार्गदर्शन यह है कि छात्र उपकरण से परामर्श करने से पहले अभ्यास हल करने का प्रयास करे और फिर सुरक्षित स्रोतों में उत्तरों की जांच करे। इस प्रकार, एआई सीखने में एक समर्थन के रूप में कार्य करता है, बिना एनईएम के लिए आवश्यक प्रयास और अभ्यास को प्रतिस्थापित किए।

Infinigence AI ने थ्री-बॉडी यूनिवर्स के साथ मिलकर, जो ल्यू त्सीसिं के उपन्यास 'थ्री बॉडीज' की फ्रैंचाइज़ी का डेवलपर है, 25 अक्टूबर 2026 को बीजिंग में 'थ्री बॉडी डे' कार्यक्रम में चरित्र एजेंट प्रस्तुत किया। इस एजेंट का चीनी नाम उपन्यासों के सोफोन की अवधारणा से मेल खाता है, और यह किताबों की मिनी-यूनिवर्सिटी का प्रशासक के रूप में कार्य करता है।

यह प्रस्तुति Infinigence के सीईओ शिया लीक्स्यू और थ्री-बॉडी यूनिवर्स के सीईओ झाओ जिलोंग द्वारा की गई, जैसा कि QbitAI और Zhidx की रिपोर्टों में बताया गया है। QbitAI के लेख के अनुसार, जानकारी स्वयं Infinigence द्वारा प्रदान की गई थी।

इस एजेंट के निर्माण और रखरखाव की प्रक्रिया एक दिलचस्प पहलू है। यह Infinigence के AgentWorks प्लेटफॉर्म पर कार्य करता है। मूल सामग्री को समूहीकृत ज्ञानकोषों में अपलोड किया जाता है, जिन्हें स्वचालित रूप से संसाधित, टुकड़ों में विभाजित (chunked) और एम्बेडिंग में परिवर्तित किया जाता है। चरित्र की पहचान एक लंबी एकल निर्देश के बजाय बहु-स्तरीय संरचित प्रश्नों के माध्यम से निर्धारित की जाती है।

Infini Memory नामक मेमोरी मॉड्यूल एजेंट को सत्रों के बीच तथ्यों को सहेजने की अनुमति देता है, जिससे विरोधाभासी या खंडित यादें बनने से रोका जा सकता है। उत्तर कई एजेंटों की भागीदारी वाले चक्र से गुजरते हैं: पहले उत्तर उत्पन्न होता है, फिर उसका मूल्यांकन किया जाता है, और केवल विफल हिस्सों को परिष्कृत किया जाता है। व्यक्तित्व पीढ़ी और ज्ञान खोज समय बचाने के लिए समानांतर में की जाती है, और एक अलग समीक्षक एजेंट चरित्र से विचलन और उपन्यास की सेटिंग के साथ असंगतियों के लिए प्रत्येक उत्तर की जाँच करता है।

परीक्षण के लिए, Infinigence ने ट्रेसिंग पर आधारित एक मूल्यांकन प्रणाली बनाई है जो स्वचालित रूप से परिणामों का मूल पाठ से मिलान करती है, जबकि थ्री-बॉडी यूनिवर्स की सामग्री टीम प्राप्त डेटा की मैन्युअल रूप से जांच करती है।

सेवा में Infinigence की अवसंरचना उपलब्धियां

सेवा के क्षेत्र में Infinigence की अवसंरचना महत्वपूर्ण भूमिका निभाती है। आमतौर पर बड़े मॉडल का आउटपुट प्रीप्रोसेसिंग (prefill) चरण में विभाजित होता है, जो अनुरोध को पढ़ता है, और डिकोडिंग (decode) चरण में, जो उत्तर बनाता है। Infinigence की अपनी विषम क्लस्टर इंटरकनेक्ट आर्किटेक्चर, जिसे PDD कहा जाता है, आगे बढ़कर इस दो-चरणीय श्रृंखला को तीन-चरणीय विखंडित संरचना में तोड़ देती है, जिसे वे P-RLD-MD के रूप में चिह्नित करते हैं, जो अलग-अलग क्लस्टरों में वितरित होती है।

चूंकि एजेंट ट्रैफ़िक अक्सर अनुरोधों के समान उपसर्गों का पुन: उपयोग करता है, इसलिए डिकोडिंग पक्ष रेडिक्सकैश (RadixCache) का उपयोग करके उपसर्ग कैशिंग लागू करता है। यह सुनिश्चित करता है कि समग्र संदर्भ, जैसे व्यक्तित्व, हर बार कॉल पर पारित और पुनर्गणना नहीं किया जाता है। कंपनी का दावा है कि इससे क्लस्टरों के बीच स्थानांतरित होने वाले KV डेटा की मात्रा दस गुना कम हो जाती है, जिससे सामान्य ईथरनेट का उपयोग संभव होता है, पहले टोकन के समय में 51.5% की कमी आती है और प्रति टोकन लागत में 37.5% की कमी आती है।

लंबी स्थिर व्यक्तित्व और बड़ी संख्या में स्थायी उपयोगकर्ताओं वाले चैट-चरित्र के लिए, सामान्य उपसर्गों पर बचत ही लागत का मुख्य हिस्सा है।

आर्टिफिशियल इंटेलिजेंस सॉफ्टवेयर में कमजोरियों का पता लगाने की प्रक्रिया को तेज कर रहा है, जिससे उन्हें ठीक करने में लगने वाला समय कम हो रहा है। रॉयटर्स द्वारा опроसित साइबर सुरक्षा विशेषज्ञों ने डिजिटल सेवाओं में नई रुकावटों का अनुमान लगाया है, क्योंकि कंपनियाँ और सरकारें इन खामियों के शोषण के लिए तैयारी करने की कोशिश कर रही हैं।

VulnCheck द्वारा किया गया एक अध्ययन, जिसे आने वाले दिनों में प्रकाशित किया जाना है, से पता चलता है कि पिछले वर्ष की तुलना में खोजी गई डिजिटल कमजोरियों की संख्या दोगुनी हो गई है। यूरोपीय सरकारी वेबसाइटों पर इस सप्ताह दर्ज की गई समस्याएं उस दबाव को दर्शाती हैं जो ऐसी खोजें पैदा कर सकती हैं।

बुधवार को PHP में कमजोरियों का पता चलने के बाद रुकावटें शुरू हुईं, जो इंटरनेट के कई हिस्सों में उपयोग की जाने वाली प्रोग्रामिंग भाषा है। हमलों को रोकने के लिए, ऑपरेटरों ने जल्दी से अपनी प्रणालियों को ठीक करना शुरू कर दिया। कुछ ने साइटों को अस्थायी रूप से बंद कर दिया क्योंकि वे संभावित घुसपैठ से पहले अपडेट लागू नहीं कर सके थे।

यह सुधारों की दौड़ एक ऐसे सप्ताह में हुई जो पहले से ही अन्य सुरक्षा समस्याओं से चिह्नित था। Node.js और Plex में कमजोरियाँ सामने आईं, साथ ही LiteLLM एआई प्लेटफॉर्म और Railway डेवलपमेंट प्लेटफॉर्म से संबंधित घटनाएं भी हुईं। भारतीय प्रमाणन प्राधिकरण eMudhra ने भी अत्यंत कमजोर क्रिप्टोग्राफ़िक कुंजी के उपयोग के कारण ध्यान आकर्षित किया, जिससे इंटरनेट उपयोगकर्ताओं के खतरे में पड़ने की संभावना थी।

क्लाउडफ्लेयर के सीईओ मैथ्यू प्रिंस ने रॉयटर्स को बताया कि वह नेटवर्क के कामकाज के लिए महत्वपूर्ण सॉफ्टवेयर में अन्य गंभीर कमजोरियों के बारे में जानते हैं। उनके आकलन के अनुसार, क्षेत्र को आगे कठिन महीनों का सामना करना पड़ेगा। उन्होंने टिप्पणी की: 'मुझे लगता है कि हमारे कुछ साल होंगे जब हर हफ़्ते ऐसा लगेगा जैसे आसमान गिर रहा है।'

पहले जटिल कार्यक्रमों में कमजोरियों की खोज के लिए विशेष ज्ञान की आवश्यकता होती थी। उनके शोषण के लिए उपकरणों का विकास हफ्तों या महीनों तक चल सकता था, जिससे सिस्टम के जिम्मेदार लोगों को सुधार तैयार करने और अपडेट वितरित करने के लिए समय मिल जाता था। हालांकि, आर्टिफिशियल इंटेलिजेंस इस समय अंतराल को कम कर रहा है। मॉडल बड़ी कोडबेस का लगातार विश्लेषण करने, समस्याओं को खोजने और कुछ ही घंटों में शोषण के लिए उपकरण विकसित करने में मदद कर सकते हैं।

रनसेफ सिक्योरिटी के सीटीओ शेन फ्राई ने इस प्रक्रिया की गति में बदलाव पर जोर दिया। उन्होंने कहा: 'जो मौलिक और निर्विवाद रूप से बदल रहा है, वह यह समय है जो कमजोरियों का पता लगाने और हमलावरों द्वारा उनका उपयोग करने के बीच लगता है।'

इस स्थिति को देखते हुए, सुरक्षा टीमों को केवल कोड में त्रुटियों की पहचान करने से परे कार्यों से निपटना होगा। विशेषज्ञों को प्रतिक्रिया समय में कमी की चिंता है, लेकिन इस बात पर कोई आम सहमति नहीं है कि कमजोरियों का तेज पता सफल हमलों की लहर का कारण बनेगा।

फाइल ट्रांसफर टूल curl के प्रमुख डेवलपर डेनियल श्टेनबर्ग बताते हैं कि एआई मॉडल द्वारा पाई गई कुछ कमजोरियाँ जटिल और शोषण करने में कठिन हैं। सुरक्षा कंपनी ArmorCode के रामी रहमान ने भी इस बात पर जोर दिया कि अधिक कमजोरियों का प्रकाशन जरूरी नहीं कि सफल हमलों की संख्या में वृद्धि का मतलब हो। PHP का मामला इस अंतर का उदाहरण है: खतरा खुफिया कंपनी Hunt.io ने आक्रामक शोषण प्रयासों का पता लगाया, लेकिन बताया कि गुरुवार दोपहर तक अमेरिकी पूर्वी तट पर ट्रैक किए गए हमलावरों ने अभी तक इस कमजोरी का उपयोग करने के लिए कार्यात्मक उपकरण विकसित नहीं किया था।

प्रिंस ने कमजोरी से जुड़े घुसपैठ के संकेतों के बारे में बताया। फिर भी, उनका मानना है कि समस्याओं का तेज पता दीर्घकालिक लाभ ला सकता है, जिससे वर्षों से छिपी हुई त्रुटियों को ठीक किया जा सकता है।