AI ඒජන්ට් පද්ධතිවල මතකය ගැන බොහෝ කණ්ඩායම් "වැඩි කන්ටෙක්ස්ට් වින්ඩෝ එකක්" හෝ "අඩු ටෝකන් මිලක්" යන මොඩලයෙහි නව සංස්කරණයක් විසඳයි කියලා සිතති. නමුත් එය වැරදි අදහසක්. මතකය, එය අමතක වීම, සහ ඒ සඳහා වැය වන ගණනාවක් යන්න සියල්ල පද්ධති ව්යුහය මත තීරණය වේ.
පර්යේෂකයන් මතකය "ජීවන චක්රයක්" ලෙස සලකයි. ඒ කියන්නේ මතකය එකම බ්ලොක් එකක් නොව, ඇතුළත් කිරීම, පරාසය නියම කිරීම, කල්හිදීම, හා ප්රතිපත්ති ගත කිරීම යන අදියර වලින් ගොඩනැගිය යුතුය. එක්වරම බ්ලොක් එකක් තුළ සියලු දත්ත ඇතුළත් කර, ඉන් පසු කුඩා කුඩා තොරතුරු මතකයෙන් ඉවත් කර ගැනීමට උත්සාහ කිරීම, එය "පිල්ලියක්" ලෙස පෙනේ.
මෙම ජීවන චක්රය අනුගමනය නොකළහොත්, පද්ධතිය "අමතක කරන්නේ වැදගත් දේවල්" සහ "මතකයට තවත් තොරතුරු රැඳවීම" යන ගැටලුවලට ලක් වේ. එමෙන්ම, වැඩි token පිරිවැය වන්නේ නව තීරණ ගැනීමට නොව, අතීත තොරතුරු නැවත නැවත පවරා යාමයි. ඒ නිසා පද්ධතියේ කාර්යක්ෂමතාවය අඩු වේ.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලාංකීය AI සංවර්ධකයන්, සිසුන්, හා ව්යාපාරිකයන් සඳහා මෙය විශාල අවස්ථාවක්:
- සියලුම තොරතුරු නිවැරදිව කළමනාකරණය කර ගැනීමෙන් මොඩල ප්රතිචාර වේගය වැඩිවේ.
- අවශ්ය නොවන පසුතැවීමකින් වියදම් අඩු කර ගනුදෙනුකාරක පරිසරය අඩු වේ.
- ඉගෙනුම් වෘත්තීයයන්ට මතක ජීවන චක්රය පිළිබඳ නව පදනමක් ලබා දේ, එයින් උපාය මාර්ග අධ්යයනයේ ගැඹුරු අවබෝධයක් ලැබේ.
- ව්යාපාරිකයන්ට AI ඒජන්ට් භාවිතයෙන් කාර්ය සාධන වාර්ධනය සහ පාරිභෝගික අත්දැකීම් උසස් කිරීමේ හැකියාව ලැබේ.
Synap ආයතනය විසින් මෙම සංකල්පය පිළිබඳ 23 පිටු පත්රයක් “Agentic Context Management” ලෙස ප්රකාශ කර ඇත. එය පරීක්ෂණාත්මක දත්ත සහිත නිර්දේශයක් වන අතර, මතක කළමනාකරණය ආකෘතිකරණය කිරීමේ නව මාර්ගයක් ලෙස ගණන් කරයි.
අවසානයට, මතකය "බ්ලොක් එකක්" ලෙස නොසිතා, එය ජීවන චක්රයක් ලෙස සැලසුම් කරන විට, AI ඒජන්ට් පද්ධතිවල කාර්යක්ෂමතාවය, පිරිවැය, හා භාවිතය ඉතාමත් ප්රගතිශීලී වේ.
