Yapay zeka etmenlerinin kitlesel yönetimi dağıtık sistem mimarisi gerektiriyor

Yapay zeka etmenlerinin sayısı arttıkça yaşanan koordinasyon sorunları, modern yazılım mimarilerinin karşılaştığı klasik dağıtık sistem problemlerine dönüşüyor. Google Research ve MIT tarafından yürütülen 180 yapılandırmalı araştırma, sıralı akıl yürütme gerektiren görevlere daha fazla etmen eklemenin performansı yüzde 39 ile yüzde 70 arasında düşürdüğünü gösterdi. Eşzamanlı yürütülebilen işlerde ise merkezi koordinatör kullanımı başarıyı yüzde 80,9 oranında artırırken, bağımsız etmenlerin oluşturduğu 17,2 katlık hata yayılımını 4,4 kata indirdi.

Akademik çalışmalar, çoklu etmen sistemlerinde en büyük engelin iletişim ile mantıksal sentez arasındaki kopukluk olduğunu ortaya koyuyor. Silo-Bench araştırmasında iki ila 100 etmenden oluşan ekipler incelendi ve zorlu dağıtık görevlerde etmen sayısı 50'ye ulaştığında başarı oranı sıfıra geriledi. Etmenlerin yoğun iletişim kurmasına rağmen parçalanmış verileri doğru yanıtlara dönüştüremediği gözlemlendi. Bu durum, etmenlerin süreç olarak kabul edildiği ve işletim sistemi benzeri çekirdeklerle yönetildiği yeni yazılım katmanlarının doğmasını tetikliyor.

Sistem güvenilirliğini sağlamak için tek bir etmenin sonsuza kadar çalışmasına güvenmek yerine durum bilgisinin etmenden bağımsız saklanması öneriliyor. AIOS ve benzeri yaklaşımlar, etmen çağrılarını sistem çağrılarına bölerek bellek, işlem ve araç kaynaklarını klasik işletim sistemleri gibi planlıyor. Merkezi yöneticinin tek arıza noktası haline gelmesini önlemek için verilerin kalıcı katmanlarda tutulması ve lider seçimi gibi dağıtık sistem mekanizmalarının uygulanması gerekiyor.