سرمایہ کاری کے بہتر فیصلے کرنے کے لیے ملٹی ایجنٹ AI سسٹمز کا استعمال کرنے والا وینچر اسٹوڈیو

یہ مضمون سپر ویژن اسٹوڈیو کے ٹم شی کے ساتھ مل کر لکھا گیا تھا۔

اب تک، جنریٹو اے آئی کے لیے استعمال کا سب سے زبردست معاملہ انسانی کارکنوں کی جگہ نہیں لے رہا ہے یا سختی سے متعین ورک فلو کو خودکار نہیں کر رہا ہے، بلکہ ان جہتوں کو بہت زیادہ بڑھا رہا ہے جسے لوگ فیصلہ کرتے وقت تلاش کر سکتے ہیں۔ اس طرح، ایل ایل ایم اور ڈفیوژن ماڈلز ناقابل یقین ذہن سازی کرنے والے شراکت دار ہیں۔ ہم LLM کو اس علمی ڈومین کے بارے میں ہدایت دے سکتے ہیں جس کی ہم اسے نمائندگی کرنا چاہتے ہیں اور پھر واضح طور پر وضاحت کر سکتے ہیں کہ ہم کس طرح آؤٹ پٹ دیکھنا چاہیں گے۔ مثال کے طور پر، ہم پوچھ سکتے ہیں:

"میں VF کارپوریشن، نیو گارڈ گروپ، اونلی دی بریو، اور LVMH جیسی لگژری ریٹیل ہولڈنگ کمپنیوں کا ڈیٹا بیس بنانا چاہتا ہوں، اور ساتھ ہی وہ برانڈز جو انہوں نے حال ہی میں حاصل کیے ہیں۔ کیا آپ براہ کرم درج ذیل کالموں کے ساتھ ایکسل اسپریڈشیٹ تیار کر سکتے ہیں: ہولڈنگ کمپنی، برانڈ نام، حصول کی رقم، حصول کی تاریخ، حصول کی دلیل"

اس طرح کے سوالات کو اب ٹیبل اسٹیک سمجھا جاتا ہے، جو روایتی سرچ انجنوں پر ایک حیران کن اپ گریڈ ہے جو اب جنریٹو اے آئی کے دور میں عجیب لگتے ہیں۔

تاہم، کچھ فیصلے کے عمل انتہائی پیچیدہ ہو سکتے ہیں۔ بعض اوقات ہم فیصلہ سازی کا نمونہ بنانے کے قابل ہونا چاہتے ہیں جو متعدد خصوصی شخصیات (جیسے سی ای او، سی ایم او، یا سی ٹی او) یا خصوصی ماڈیولز (جیسے API کنیکٹر، K1 پارسر، یا SWOT تجزیہ کار) کے درمیان ہوسکتا ہے۔ حقیقی دنیا میں، ہم اس ایکسل اسپریڈشیٹ کے نتائج لیں گے اور اسے انسانی ماہرین کے ذریعے چلائیں گے۔ حکمت عملی ساز، سرمایہ کار، اور ڈومین کے ماہرین اس میں حصہ لیں گے۔ ہم حصول کے بارے میں "کیا اگر" بنائیں گے، ہم P&Ls کو کھودیں گے، اور ہم مستقبل کے ممکنہ حصول کے لیے مارکیٹ میں جانے کے منصوبے کا خواب دیکھیں گے۔ لیکن جدید LLMs کی بدولت، اب ہم انفرادی AI ایجنٹس بنا سکتے ہیں جو ان میں سے ہر ایک طرز عمل کو ماڈل بنا سکتے ہیں اور ماہرین سے بھرا ہوا کمرہ بنا سکتے ہیں جو ہمارے فیصلوں سے آگاہ کرتے ہیں۔

سپر ویژن ملٹی ایجنٹ آپریٹنگ سسٹم

لہذا جب ہم نے پہلی بار Super Vision Studio کی بنیاد رکھی - ایک AI-accelerated venture سٹوڈیو جس نے "مستقبل کے برانڈز" بنانے پر توجہ مرکوز کی - ہم نے ملکیتی فیصلہ سازی کے عمل کو ماڈل بنانے کے لیے فوری طور پر ملٹی ایجنٹ AI سسٹمز کا رخ کیا جسے ہم اپنا "Super Vision OS" کہتے ہیں۔ اس کے ساتھ، ہم کمزور P&L ماڈلز کی تلاش میں بڑے پیمانے پر کاروباری ڈیٹا بیس کو کھوج سکتے ہیں جہاں AI باہر کی بہتری فراہم کر سکتا ہے۔ ہم اپنے OS میں ایجنٹوں کو ریٹیل، CPG، پرنٹ، تفریح، یا ای کامرس کے بارے میں فرضی تصورات کے ساتھ کام کر سکتے ہیں۔ ایجنٹس ایک دوسرے کے ساتھ نمبروں کو کم کر سکتے ہیں، پونٹیفیکٹ کر سکتے ہیں اور بحث کر سکتے ہیں۔ ایجنٹ ڈیلیوریبلز بھی تیار کر سکتے ہیں جن پر دوسرے ایجنٹ تنقید کرتے ہیں اور اس پر اعادہ کرتے ہیں۔

ملٹی ایجنٹ سسٹمز کے سادہ ایل ایل ایم چیٹ انٹرفیس کے مقابلے میں بہت سے فوائد ہیں: سسٹم میں ہر ایجنٹ کو بہت زیادہ خصوصی علم کے ساتھ تربیت دی جا سکتی ہے۔

• ایجنٹوں کو آرکیٹیکٹ کیا جا سکتا ہے تاکہ مخصوص قسم کے آگے پیچھے اور چیک اور توازن واقع ہو.
• ایجنٹوں کو تعییناتی ماڈیولز کے ساتھ جوڑا جا سکتا ہے - جیسے ایک ازگر اسکرپٹ - جو خصوصی کام انجام دیتے ہیں۔
• ایجنٹ کے نظام کو اعادہ کرنے اور اختیارات کے ساتھ آنے کے لیے تقریباً لامحدود کمپیوٹ جگہ دی جا سکتی ہے۔
• ایجنٹ سسٹم ہمیں آپشنز کی شاندار صفوں کے ساتھ پیش کر سکتا ہے، جن میں سے ہر ایک انتہائی اچھی طرح سے تیار کردہ تفصیل پر مشتمل ہے۔

ملٹی ایجنٹ سسٹم ایکو سسٹم

ہمارے پاس اپنی مرضی کے مطابق ملٹی ایجنٹ سسٹم جیسے AutoGen، CrewAI، اور LangChain کو کھڑا کرنے کے لیے آف دی شیلف اختیارات کی ایک بڑی صف بھی ہے۔ ہم نے AutoGen کا انتخاب کیا کیونکہ یہ مفت ہے، یہاں بہت سارے تعارفی ویڈیوز موجود ہیں، اور وہ متعدد مختلف ملٹی ایجنٹ آرکیٹیکچرز کے لیے نمونہ کوڈ فراہم کرتے ہیں جنہیں ایک ساتھ کنفیگر اور اسٹیک کیا جا سکتا ہے۔ AutoGen مثالوں کی ایک وسیع فہرست کیٹلاگ کرتا ہے جسے یہ "گفتگو کے نمونے" کہتے ہیں (جیسے دو ایجنٹ چیٹ، ترتیب وار چیٹ، گروپ چیٹ، اور نیسٹڈ چیٹ)۔

یہ نمونے، یا فن تعمیر، ایجنٹ کے نظام کے ڈیزائن کے عمل کا ایک اہم حصہ ہیں۔ یہ اس سے ملتا جلتا ہے کہ آپ کس طرح انسانی ماہرین کی ایک ٹیم بنائیں گے اور ان کے درمیان مشغولیت کے اصولوں کی پہلے سے وضاحت کریں گے۔ مختلف ڈیزائن بے حد مختلف نتائج پیدا کر سکتے ہیں۔

سب سے آسان نمونہ جو AutoGen فراہم کرتا ہے وہ ایک دو ایجنٹ چیٹ ہے، جہاں ہم ہر ایجنٹ کی شخصیت کی وضاحت کرتے ہیں، جہاں ایک ایجنٹ صرف دوسرے ایجنٹ سے اصل فوری سوال پوچھتا ہے، اور جہاں ایجنٹ ایک مقررہ تعداد میں کسی مسئلے پر آگے پیچھے جاتے ہیں۔ اسے ترتیب دینا آسان ہے، اور ہم ہر تعامل کو ان کی گفتگو کے اندر لفظی طور پر پڑھ سکتے ہیں۔ نمونہ کوڈ ذیل میں ہے:

 import os from autogen import ConversableAgent agent__venture_studio_founder = ConversableAgent ( name="Agent__Venture_Studio_Founder", system_message="You are the founder owner of a venture studio with expertise in funding and building technology and retail brands.", llm_config={"config_list": [{"model": "gpt-4", "api_key": os.environ["OPENAI_API_KEY"]}]}, ) agent__business_analyst = ConversableAgent ( name="Agent__Business_Analyst", system_message="You are an expert business analyst with deep expertise in finance, strategy, marketing, and operations.", llm_config={"config_list": [{"model": "gpt-4", "api_key": os.environ["OPENAI_API_KEY"]}]}, ) chat_result = agent__venture_studio_founder.initiate_chat ( agent__business_analyst, message="""I want to identify companies that traditionally have weak P&L's such as thin profit margins, fickle customers, or are high susceptibility to market swings. Our thesis is we want to focus on industries such as Retail, CPG, Print, Entertainment, and e-Commerce so we only want to look at types of companies in those specific industries. We want to choose company types where Generative AI can produce outsized efficiencies to the P&L's. Don't want to consider company types where Generative AI cannot help. """, summary_method="reflection_with_llm", max_turns=2, )

آؤٹ پٹ کافی مفید ہے، اور یہ ہمیں انسانوں کو کچھ خیالات فراہم کرتا ہے کہ آگے کیا کرنا ہے۔ لیکن یہ صرف ایک ہی پرامپٹ میں ChatGPT سے ایک ہی سوال پوچھنے سے زیادہ قابل قدر نہیں ہے۔

ایک قدرے زیادہ جدید نمونہ ایک ترتیب وار چیٹ ہے۔ اس صورت میں، ہم متعدد دو ایجنٹ چیٹس ترتیب دیتے ہیں، جہاں ہر دو-ایجنٹ چیٹ کا آؤٹ پٹ متعدد ڈاون اسٹریم ٹو-ایجنٹ چیٹس پر منتقل ہوتا ہے۔ اس ڈیزائن کے بارے میں سوچیں جیسے ایک CEO کسی نچلے درجے کے ملازم کو کام سونپتا ہے، جو فیصلے کرتا ہے، اور پھر فیصلوں کو منظوری کے متعدد درجات سے گزرتا ہے۔ اس ڈیزائن کے لیے نمونہ کوڈ ذیل میں ہے۔

 # Define the Orchestrator agent__orchestrator = ConversableAgent( name="Agent__Orchestrator", system_message="You coordinate the analysis of an industry by passing tasks to other agents and summarizing their feedback.", llm_config={"config_list": [{"model": "gpt-4", "api_key": os.environ["OPENAI_API_KEY"]}]}, human_input_mode="NEVER", ) # Define the Brainstorm Agent agent__brainstorm_analyst = ConversableAgent( name="Agent__Brainstorm_Analyst", system_message="You analyze the given industry and generate a list of company types with weak P&L models where AI can deliver substantial improvements. Return this list.", llm_config={"config_list": [{"model": "gpt-4", "api_key": os.environ["OPENAI_API_KEY"]}]}, human_input_mode="NEVER", ) # Define the CFO agent__cfo = ConversableAgent( name="Agent__CFO", system_message="You criticize the provided list of company types from a financial POV, identifying weaknesses in margins, capex, opex, inventory, and liquidity. Remove companies that are too risky.", llm_config={"config_list": [{"model": "gpt-4", "api_key": os.environ["OPENAI_API_KEY"]}]}, human_input_mode="NEVER", ) # Define the CTO agent__cto = ConversableAgent( name="Agent__CTO", system_message="You criticize the provided list of company types from a technology POV, identifying risks in tech implementation, cost, complexity, and feasibility. Remove companies that are too risky.", llm_config={"config_list": [{"model": "gpt-4", "api_key": os.environ["OPENAI_API_KEY"]}]}, human_input_mode="NEVER", ) # Define the CMO agent__cmo = ConversableAgent( name="Agent__CMO", system_message="You criticize the provided list of company types from a marketing POV, identifying risks in go-to-market, media costs, and customer acquisition and retention. Remove companies that are too risky.", llm_config={"config_list": [{"model": "gpt-4", "api_key": os.environ["OPENAI_API_KEY"]}]}, human_input_mode="NEVER", )

یہ نمونہ نمایاں طور پر زیادہ واضح اور تفصیلی تاثرات پیدا کرتا ہے کہ اب اس کی جانچ ماہرین کی طرف سے کی گئی ہے۔ اور یہ صحیح کام کے لیے صحیح ایجنٹ کے نظام کو ڈیزائن کرنے کی اہمیت پر زور دیتا ہے۔

AutoGen بہت سے مختلف ڈیزائن پیٹرن کے لیے مثالیں فراہم کرتا ہے، بشمول گروپ چیٹس اور نیسٹڈ چیٹس، لیکن یہ فیلڈ ناقابل یقین حد تک نوزائیدہ ہے اور ممکنہ ڈیزائن اور فن تعمیر لامحدود ہیں۔ ہم نے اس کے لیے تجاویز اور وائٹ پیپرز کو دیکھا ہے:\

• میگینٹک-ون: مائیکروسافٹ کا ایک ملٹی ایجنٹ سسٹم جہاں ایجنٹ، جیسے "ویب سرفر" یا "کوڈر"، ایک مرکزی "آرکیسٹریٹر" کی رہنمائی میں پیچیدہ کاموں کو حل کرنے کے لیے مل کر کام کرتے ہیں۔
• ہیومن پرسناس: اسٹینفورڈ سے وابستہ ایک پروجیکٹ جہاں ایجنٹوں کو معیاری انٹرویوز کے حقیقی زندگی کے مضامین کی طرح برتاؤ کرنے کی تربیت دی گئی اور پھر مختلف موضوعات پر بات چیت اور فیصلے کرنے کو کہا گیا۔
• پروجیکٹ سڈ: ایجنٹ "معاشروں" کا ایک بڑے پیمانے پر تخروپن جہاں ایجنٹوں نے بیک وقت ملازمتوں، تجارت، فیصلہ سازی، اور ترقی یافتہ سماجی نظاموں میں حصہ لیا، جو انسان نما کمیونٹیز کی تقلید کرتے ہیں۔

یہ ایک دلچسپ فیلڈ ہے اور ہم سپر ویژن اسٹوڈیوز میں اپنے فیصلہ سازی اور آپریشنل صلاحیتوں کو راکٹ ایندھن فراہم کرنے کے لیے نئے فریم ورک اور ڈیزائن پیٹرن کے ساتھ فعال طور پر تجربہ کر رہے ہیں۔ اگر یہ آپ کے لیے ایک دلچسپ فیلڈ ہے، تو براہ کرم ہم سے رابطہ کریں، ہم اس شعبے میں دیگر ہوشیار پریکٹیشنرز کے ساتھ مشغول ہونا پسند کریں گے۔

سپر ویژن اسٹوڈیو کے بارے میں

سپر ویژن ایک AI سے چلنے والا وینچر اسٹوڈیو ہے جو "فیوچر برانڈز" بنانے پر مرکوز ہے۔

مزید معلومات کے لیے، براہ کرم ملاحظہ کریں۔ https://supervision.studio/ یا رابطہ کریں۔ [email protected] .