ذہین ایجنٹ (AI Agents) وہ نظام ہیں جو بڑے لسانی ماڈلز کے ذریعے چلائے جاتے ہیں، جو بیرونی دنیا کے ساتھ ٹولز کے ذریعے تعامل کرنے اور صارفین کی جانب سے کام کرنے کی صلاحیت رکھتے ہیں۔ Manus کا حالیہ ظہور عملی ایجنٹ ایپلی کیشنز کے لیے مارکیٹ کی توقعات کو اجاگر کرتا ہے۔
نومبر 2024 میں اعلان کردہ Anthropic کا اوپن سورس ماڈل کانٹیکسٹ پروٹوکول (MCP) عام مقصد کے ایجنٹوں کی کارکردگی اور حفاظت کو بڑھانے کے لیے ایک تکنیکی حل پیش کرتا ہے۔ ایم سی پی معیاری انٹرفیس کے ذریعے انضمام کو ہموار کرتا ہے، ڈیٹا اور ٹول تک رسائی کی کارکردگی کو بڑھاتا ہے۔ یہ مخصوص ڈیٹا ذرائع سے ماڈلز کو الگ تھلگ کرکے اور کمانڈ کنٹرول کی شفافیت کو بڑھا کر حفاظت کو بھی مضبوط کرتا ہے۔ یہ متوازن نقطہ نظر کنٹرولڈ اجازت کو یقینی بناتے ہوئے صارف کے تجربے کو ترجیح دیتا ہے۔
جبکہ ایم سی پی ایجنٹ گورننس کی بنیاد قائم کرتا ہے، یہ ہر چیلنج کو حل نہیں کرتا ہے۔ مثال کے طور پر، یہ ٹول کے انتخاب کے پیچھے کی منطق یا عمل درآمد کے نتائج کی درستگی کی توثیق نہیں کرتا ہے، اور نہ ہی یہ ایجنٹ-ایپلی کیشن ایکو سسٹم کے اندر مسابقت اور تعاون کو مؤثر طریقے سے حل کرتا ہے۔
ایپلی کیشن میں جنرل پرپز ایجنٹس کو درپیش چیلنجز
ایک ایجنٹ ایک ایسا نظام ہے جو میموری، منصوبہ بندی، ادراک، ٹول کی طلب، اور ایکشن کی صلاحیتوں سے لیس ہے، جو وسیع لسانی ماڈلز کے ذریعے بااختیار ہے، جو ٹولز کے ذریعے بیرونی ماحول کے ساتھ تعامل کرتا ہے، صارف کی جانب سے کام کرتا ہے۔ ایجنٹ کو صارف کے ارادوں کو سمجھنے اور سمجھنے کی ضرورت ہے، میموری ماڈیول کے ذریعے معلومات حاصل کرنے اور ذخیرہ کرنے، منصوبہ بندی کے ماڈیول کو بروئے کار لاتے ہوئے حکمت عملی وضع کرنے اور بہتر بنانے، مخصوص کاموں کو انجام دینے کے لیے ٹول ماڈیول کو طلب کرنے، اور ایکشن ماڈیول کے ذریعے منصوبوں کو نافذ کرنے کی ضرورت ہے، اس طرح خود مختار طور پر کاموں کو مکمل کرنے کا مقصد حاصل کیا جاتا ہے۔
Manus ایک زیادہ عام مقصد کا ایجنٹ ہے، جو ورک فلو پر مبنی ایجنٹ پروڈکٹس کے برعکس ہے۔
ایجنٹس، خاص طور پر جنرل پرپز ایجنٹس کے لیے صنعت کی توقعات، ان اجتماعی ضروریات سے پیدا ہوتی ہیں جنہیں وہ حل کرتے ہیں۔ سرمائے کی منڈیوں میں، ایجنٹس ماڈلز کی تجارتی قدر کے لیے صنعت کے متوقع بند لوپ راستے کی نمائندگی کرتے ہیں، جو AI قیمتوں کا تعین ٹوکن پر مبنی کمپیوٹیشن سے اثر پر مبنی قیمتوں میں تبدیل کر کے اپنی مرضی کے مطابق خدمات کے لیے، جس کے نتیجے میں زیادہ منافع ہوتا ہے۔ صارف کی جانب، کاروبار ایجنٹوں سے توقع کرتے ہیں کہ وہ دہرائے جانے والے، معیاری، اور واضح طور پر متعین عمل کو درستگی کے ساتھ خودکار بنائیں، جبکہ عوام توقع کرتے ہیں کہ ایجنٹ ‘تکنیکی فوائد’ لائیں گے، ہر ایک کے لیے ذاتی نوعیت کے، کم دہلیز والے ‘ڈیجیٹل منتظم’ بن جائیں گے۔
تاہم، جنرل پرپز ایجنٹس کو ایپلی کیشن میں مطابقت، حفاظت اور مسابقتی چیلنجز کا سامنا ہے۔ مطابقت کے لحاظ سے، ماڈلز کو کال میں مختلف ٹولز اور ڈیٹا ذرائع کے ساتھ مؤثر طریقے سے تعاون کرنے کی ضرورت ہے۔ حفاظت کے لحاظ سے، ایجنٹس کو صارف کی ہدایات کے مطابق واضح اور شفاف طریقے سے کام انجام دینے کی ضرورت ہے اور متعدد فریقوں کے ڈیٹا کے انضمام کے تحت معقول طور پر حفاظتی ذمہ داریاں مختص کرنے کی ضرورت ہے۔ مسابقت کے لحاظ سے، ایجنٹس کو نئے کاروباری ماحولیاتی نظام میں مسابقتی اور تعاون پر مبنی تعلقات کو حل کرنے کی ضرورت ہے۔
لہذا، ایم سی پی پروٹوکول، جو ماڈلز کو مختلف ٹولز اور ڈیٹا ذرائع کے ساتھ مؤثر طریقے سے تعاون کرنے اور متعدد فریقوں کے ڈیٹا کے انضمام کے تحت معقول طور پر حفاظتی ذمہ داریاں مختص کرنے کے قابل بناتا ہے، کا Manus پروڈکٹ کے مقابلے میں گہرائی سے مطالعہ کرنے کے قابل ہے۔
مطابقت کے خدشات
AI کی دنیا تیزی سے ترقی کر رہی ہے، اور نئے ماڈلز اور ٹولز مسلسل ابھر رہے ہیں۔ ایک جنرل پرپز ایجنٹ کے واقعی مفید ہونے کے لیے، اسے مختلف وسائل کے ساتھ بغیر کسی رکاوٹ کے ضم ہونے کے قابل ہونے کی ضرورت ہے۔ یہ ایک اہم چیلنج پیش کرتا ہے، کیونکہ ہر ٹول یا ڈیٹا سورس کا اپنا منفرد انٹرفیس اور ڈیٹا فارمیٹ ہوسکتا ہے۔ معیاری طریقہ کار کے بغیر، ڈویلپرز کو ہر انضمام کے لیے کسٹم کوڈ لکھنے کی ضرورت ہوگی، جو کہ وقت طلب اور غیر موثر ہے۔ مطابقت کی یہ کمی AI ایجنٹوں کے وسیع پیمانے پر اختیار کرنے میں رکاوٹ بن سکتی ہے، کیونکہ صارفین ایسی ٹیکنالوجی میں سرمایہ کاری کرنے سے ہچکچا سکتے ہیں جو ان کے موجودہ نظاموں کے ساتھ آسانی سے کام نہیں کرتی ہے۔
حفاظتی خطرات
AI ایجنٹوں کو صارفین کی جانب سے کام کرنے کے لیے ڈیزائن کیا گیا ہے، جس کا مطلب ہے کہ ان کے پاس اکثر حساس ڈیٹا اور سسٹمز تک رسائی ہوتی ہے۔ یہ حفاظتی خدشات کو جنم دیتا ہے، کیونکہ ایک سمجھوتہ کرنے والے ایجنٹ کو ڈیٹا چوری کرنے، کارروائیوں میں خلل ڈالنے، یا جسمانی نقصان پہنچانے کے لیے بھی استعمال کیا جا سکتا ہے۔ یہ یقینی بنانا بہت ضروری ہے کہ ایجنٹوں کو حفاظت کو ذہن میں رکھتے ہوئے ڈیزائن کیا گیا ہے، اور یہ کہ وہ خطرات کو روکنے کے لیے سخت جانچ اور نگرانی سے مشروط ہیں۔ مزید برآں، حفاظت کے لیے ذمہ داری کی واضح لائنیں قائم کرنا ضروری ہے، خاص طور پر جب کسی ایجنٹ کی ترقی اور تعیناتی میں متعدد فریق شامل ہوں۔
مسابقتی منظر نامہ
جیسے جیسے AI ایجنٹ زیادہ عام ہوتے جاتے ہیں، ان سے موجودہ کاروباری ماڈلز میں خلل پڑنے اور مسابقت کی نئی شکلیں پیدا ہونے کا امکان ہے۔ مثال کے طور پر، ایک ایجنٹ جو خود بخود سپلائرز کے ساتھ قیمتوں پر گفت و شنید کر سکتا ہے، کسی کمپنی کو مسابقتی برتری دے سکتا ہے۔ تاہم، اس سے نیچے کی جانب ایک دوڑ بھی شروع ہو سکتی ہے، کیونکہ کمپنیاں سب سے کم قیمتیں پیش کرنے کے لیے مقابلہ کرتی ہیں۔ AI ایجنٹوں کے مسابقتی منظر نامے پر ممکنہ اثرات پر غور کرنا اور اس نئے ماحول میں تشریف لے جانے کے لیے حکمت عملی تیار کرنا ضروری ہے۔ اس میں ڈیٹا کی ملکیت، دانشورانہ ملکیت، اور مسابقتی مخالف رویے کے امکانات جیسے مسائل کو حل کرنا شامل ہے۔
ایم سی پی: ایجنٹ ایپلی کیشنز میں مطابقت اور حفاظت کے لیے ایک تکنیکی حل
نومبر 2024 میں، Anthropic نے MCP (ماڈل کانٹیکسٹ پروٹوکول) اوپن پروٹوکول کو اوپن سورس کیا، جس سے سسٹمز AI ماڈلز کو سیاق و سباق فراہم کر سکتے ہیں اور اسے مختلف انضمام کے منظرناموں میں عالمگیر کیا جا سکتا ہے۔ ایم سی پی ایجنٹ ایپلی کیشنز میں معیاری کاری اور حفاظت کے مسائل کو حل کرنے کے لیے ایک پرت دار فن تعمیر استعمال کرتا ہے۔ ایک ہوسٹ ایپلی کیشن (جیسے Manus) ایک ہی وقت میں MCP کلائنٹ کے ذریعے متعدد سروس پروگراموں (MCP سرور) سے جڑتی ہے، اور ہر سرور اپنی ذمہ داریاں انجام دیتا ہے، جو ڈیٹا سورس یا ایپلی کیشن تک معیاری رسائی فراہم کرتا ہے۔
سب سے پہلے، ایم سی پی معیاری اتفاق رائے کے ذریعے ایجنٹ ڈیٹا/ٹول کالز میں مطابقت کے مسئلے کو حل کرتا ہے۔ ایم سی پی بکھرے ہوئے انضمام کو ایک متحد انٹرفیس سے بدل دیتا ہے، اور AI کو تمام ان ٹولز کے ساتھ تعامل کرنے کے لیے معاہدے کو سمجھنے اور اس کی پاسداری کرنے کی ضرورت ہے جو وضاحتیں پر پورا اترتے ہیں، جو نقل انضمام کو نمایاں طور پر کم کرتا ہے۔ دوسرا، ایم سی پی میں حفاظت کے لحاظ سے تین تحفظات ہیں۔ سب سے پہلے، ماڈل اور مخصوص ڈیٹا ذرائع ڈیٹا لنک پر الگ تھلگ ہیں، اور دونوں ایم سی پی سرور پروٹوکول کے ذریعے تعامل کرتے ہیں۔ ماڈل براہ راست ڈیٹا سورس کی داخلی تفصیلات پر منحصر نہیں ہے، جس سے کثیر فریق ڈیٹا مکسنگ کا ذریعہ واضح ہوتا ہے۔ دوسرا یہ ہے کہ مواصلاتی پروٹوکول کے ذریعے کمانڈ اور کنٹرول لنک کی شفافیت اور آڈٹ اہلیت کو بہتر بنایا جائے، اور صارف-ماڈل ڈیٹا تعامل کے معلوماتی تفاوت اور بلیک باکس چیلنجز کو حل کیا جائے۔ تیسرا یہ ہے کہ اجازت کے مطابق جواب دے کر اجازت لنک کی کنٹرول اہلیت کو یقینی بنایا جائے، اور ٹولز/ڈیٹا کے استعمال میں ایجنٹ پر صارف کے کنٹرول کو یقینی بنایا جائے۔
ایم سی پی ایک پرت دار فن تعمیر کے ذریعے ایک معیاری انٹرفیس اور حفاظتی میکانزم بناتا ہے، جو ڈیٹا اور ٹول کالز میں انٹرآپریبلٹی اور حفاظت کے درمیان توازن حاصل کرتا ہے۔ صارف کی قدر کی سطح پر، ایم سی پی ذہین اداروں اور مزید ٹولز، اور یہاں تک کہ زیادہ ذہین اداروں کے درمیان مضبوط تعاون اور تعامل لاتا ہے۔ اگلے مرحلے میں، ایم سی پی ریموٹ کنکشن کے لیے سپورٹ تیار کرنے پر توجہ مرکوز کرے گا۔
بہتر مطابقت کے لیے معیاری انٹرفیس
ایم سی پی کی اہم خصوصیات میں سے ایک معیاری انٹرفیس کا استعمال ہے۔ اس کا مطلب ہے کہ AI ایجنٹ ہر انضمام کے لیے کسٹم کوڈ کی ضرورت کے بغیر مختلف ٹولز اور ڈیٹا ذرائع کے ساتھ تعامل کر سکتے ہیں۔ اس کے بجائے، ایجنٹ کو صرف ایم سی پی پروٹوکول کو سمجھنے کی ضرورت ہے، جو کمانڈز اور ڈیٹا فارمیٹس کا ایک عام سیٹ متعین کرتا ہے۔ یہ انضمام کے عمل کو بہت آسان بناتا ہے اور مطلوبہ ترقیاتی کام کی مقدار کو کم کرتا ہے۔ اس سے مختلف ٹولز اور ڈیٹا ذرائع کے درمیان سوئچ کرنا بھی آسان ہو جاتا ہے، کیونکہ ایجنٹ کو ہر بار دوبارہ ترتیب دینے کی ضرورت نہیں ہوتی ہے۔
معیاری انٹرفیس کا استعمال مختلف AI ایجنٹوں کے درمیان انٹرآپریبلٹی کو بھی فروغ دیتا ہے۔ اگر متعدد ایجنٹ تمام ایم سی پی پروٹوکول کی حمایت کرتے ہیں، تو وہ آسانی سے ایک دوسرے کے ساتھ بات چیت اور ڈیٹا کا اشتراک کر سکتے ہیں۔ اس سے زیادہ پیچیدہ اور نفیس AI سسٹمز کی ترقی ہو سکتی ہے، جہاں متعدد ایجنٹ کسی مسئلے کو حل کرنے کے لیے مل کر کام کرتے ہیں۔
ڈیٹا کے تحفظ کے لیے مضبوط حفاظتی میکانزم
ایم سی پی کے ڈیزائن میں حفاظت ایک اولین ترجیح ہے۔ پروٹوکول میں ڈیٹا کے تحفظ اور غیر مجاز رسائی کو روکنے کے لیے کئی میکانزم شامل ہیں۔ ایک اہم خصوصیت ماڈلز کو مخصوص ڈیٹا ذرائع سے الگ کرنا ہے۔ اس کا مطلب ہے کہ ایجنٹ کو بنیادی ڈیٹا تک براہ راست رسائی نہیں ہے، بلکہ ایم سی پی سرور پروٹوکول کے ذریعے اس کے ساتھ تعامل کرتا ہے۔ یہ بے راہ روی کی ایک پرت کا اضافہ کرتا ہے جو حملہ آور کے لیے ڈیٹا کو سمجھوتہ کرنا زیادہ مشکل بنا دیتا ہے۔
ایم سی پی میں کمانڈ اور کنٹرول لنکس کی شفافیت اور آڈٹ اہلیت کو بہتر بنانے کے لیے بھی میکانزم شامل ہیں۔ اس سے صارفین یہ دیکھ سکتے ہیں کہ ایجنٹ کو بالکل کیا کمانڈز بھیجے جا رہے ہیں، اور یہ تصدیق کر سکتے ہیں کہ ایجنٹ ان کی ہدایات کے مطابق کام کر رہا ہے۔ یہ AI سسٹمز میں اعتماد پیدا کرنے کے لیے ضروری ہے، کیونکہ یہ صارفین کو یہ سمجھنے کی اجازت دیتا ہے کہ ایجنٹ کیسے فیصلے کر رہا ہے۔
آخر میں، ایم سی پی ایجنٹوں کی اجازت کو کنٹرول کرنے کے لیے ایک میکانزم فراہم کرتا ہے۔ یہ صارفین کو یہ بتانے کی اجازت دیتا ہے کہ ایجنٹ کو کن ٹولز اور ڈیٹا ذرائع تک رسائی کی اجازت ہے۔ یہ ایجنٹ کو حساس ڈیٹا تک رسائی سے روکنے یا ایسے اقدامات کرنے سے روکنے کے لیے ضروری ہے جس کی اسے اجازت نہیں ہے۔
ایم سی پی: ایجنٹ حکمرانی کے لیے بنیاد رکھنا
ایم سی پی ڈیٹا اور ٹول کالز کے لیے مطابقت اور حفاظتی ضمانتیں فراہم کرتا ہے، جو ایجنٹ حکمرانی کی بنیاد رکھتا ہے، لیکن یہ حکمرانی میں درپیش تمام چیلنجوں کو حل نہیں کر سکتا۔
سب سے پہلے، ساکھ کے لحاظ سے، ایم سی پی نے کالنگ ڈیٹا ذرائع اور ٹولز کے انتخاب کے لیے کوئی معیاری معیار تشکیل نہیں دیا ہے، اور نہ ہی اس نے عمل درآمد کے نتائج کا جائزہ لیا اور ان کی تصدیق کی ہے۔ دوسرا، ایم سی پی عارضی طور پر ایجنٹ کے ذریعے لائے گئے تجارتی مسابقتی تعاون کی نئی قسم کو ایڈجسٹ نہیں کر سکتا۔
مجموعی طور پر، ایم سی پی صارفین کو ایجنٹوں کے استعمال میں درپیش بنیادی حفاظتی خدشات کا ابتدائی تکنیکی ردعمل فراہم کرتا ہے، اور ایجنٹ حکمرانی کے لیے نقطہ آغاز بن گیا ہے۔ ایجنٹ اور دیگر AI ایپلی کیشنز کی مقبولیت کے ساتھ، مختلف صارفین کی مختلف ضروریات کو پورا کرنے کے لیے تقسیم شدہ طریقوں کی ضرورت ہے۔ حکمرانی کی توجہ نہ صرف ماڈل کی حفاظت ہے، بلکہ صارف کی ضروریات کو پورا کرنے کی بنیادی ضرورت بھی ہے۔ ایم سی پی پروٹوکول نے صارف کی ضروریات کا جواب دینے اور تکنیکی شریک حکمرانی کو فروغ دینے میں پہلا قدم اٹھایا ہے۔ یہ ایم سی پی کی بنیاد پر بھی ہے کہ ایجنٹ مختلف ٹولز اور وسائل کی موثر تقسیم کار اور تعاون حاصل کرتا ہے۔ ایک ہفتہ قبل، گوگل نے ایجنٹوں کے درمیان مواصلات کے لیے Agent2Agent (A2A) پروٹوکول کو اوپن سورس کیا، تاکہ مختلف پلیٹ فارمز پر بنائے گئے ایجنٹ کاموں پر گفت و شنید کر سکیں اور محفوظ تعاون کر سکیں، اور ایک کثیر ذہین باڈی ایکولوجی کی ترقی کو فروغ دے سکیں۔
اعتماد اور وشوسنییتا کے خدشات کو دور کرنا
جبکہ ایم سی پی ایجنٹ حکمرانی کے لیے ایک مضبوط بنیاد فراہم کرتا ہے، یہ تمام چیلنجوں سے نمٹنے نہیں پاتا۔ ایک اہم شعبہ جس پر مزید توجہ دینے کی ضرورت ہے وہ ہے اعتماد اور وشوسنییتا کا مسئلہ۔ ایم سی پی میں فی الحال عمل درآمد کے نتائج کی درستگی کی تصدیق کرنے یا اس بات کو یقینی بنانے کے لیے کوئی میکانزم شامل نہیں ہے کہ ایجنٹ مناسب ڈیٹا ذرائع اور ٹولز کا انتخاب کر رہے ہیں۔ اس کا مطلب ہے کہ صارفین ایجنٹ کے فیصلوں پر پوری طرح سے بھروسہ کرنے کے قابل نہیں ہو سکتے ہیں، خاص طور پر زیادہ خطرے والے حالات میں۔
اس تشویش کو دور کرنے کے لیے، ایجنٹ کی ترقی اور تعیناتی کے لیے نئے معیارات اور بہترین طریقوں کو تیار کرنا ضروری ہوگا۔ اس میں رسمی تصدیق کے طریقے جیسی چیزیں شامل ہو سکتی ہیں، جو یہ ثابت کرنے کے لیے استعمال کی جا سکتی ہیں کہ ایجنٹ ہمیشہ پیشین گوئی کے قابل اور محفوظ طریقے سے برتاؤ کرے گا۔ اس میں قابل وضاحت AI تکنیکوں کا استعمال بھی شامل ہو سکتا ہے، جو صارفین کو یہ سمجھنے میں مدد کر سکتی ہیں کہ ایجنٹ کیسے فیصلے کر رہا ہے۔
نئے مسابقتی منظر نامے میں تشریف لے جانا
ایک اور چیلنج جس سے ایم سی پی پوری طرح سے نمٹنے نہیں پاتا وہ ہے ایجنٹوں کا مسابقتی منظر نامے پر اثر۔ جیسے جیسے ایجنٹ زیادہ عام ہوتے جاتے ہیں، ان سے موجودہ کاروباری ماڈلز میں خلل پڑنے اور مسابقت کی نئی شکلیں پیدا ہونے کا امکان ہے۔ AI ایجنٹوں کے مسابقتی منظر نامے پر ممکنہ اثرات پر غور کرنا اور اس نئے ماحول میں تشریف لے جانے کے لیے حکمت عملی تیار کرنا ضروری ہے۔ اس میں ڈیٹا کی ملکیت، دانشورانہ ملکیت، اور مسابقتی مخالف رویے کے امکانات جیسے مسائل کو حل کرنا شامل ہے۔
ایک ممکنہ طریقہ کار یہ ہے کہ نئے ریگولیٹری فریم ورک تیار کیے جائیں جو خاص طور پر AI ایجنٹوں کے لیے تیار کیے گئے ہوں۔ یہ فریم ورک ڈیٹا کی رازداری، الگورتھمک تعصب، اور مارکیٹ میں ہیرا پھیری کے امکانات جیسے مسائل کو حل کر سکتے ہیں۔ ان میں مسابقت کو فروغ دینے اور اجارہ داریوں کو روکنے کے لیے میکانزم بھی شامل ہو سکتے ہیں۔
آگے کا راستہ: تعاون اور جدت طرازی
ایم سی پی کی ترقی ایجنٹ حکمرانی کے شعبے میں ایک اہم قدم ہے۔ تاہم، یہ تسلیم کرنا ضروری ہے کہ یہ صرف شروعات ہے۔ ابھی بھی بہت سے چیلنجوں پر قابو پانا ہے، اور AI ایجنٹوں کو محفوظ اور ذمہ داری سے استعمال کرنے کو یقینی بنانے کے لیے محققین، ڈویلپرز، پالیسی سازوں اور صارفین کی جانب سے ایک باہمی تعاون کی کوشش کی ضرورت ہوگی۔
ایک امید افزا پیش رفت گوگل کے Agent2Agent (A2A) پروٹوکول کی حالیہ رہائی ہے۔ یہ پروٹوکول مختلف پلیٹ فارمز پر بنائے گئے ایجنٹوں کو ایک دوسرے کے ساتھ بات چیت کرنے اور تعاون کرنے کے قابل بناتا ہے۔ اس سے زیادہ پیچیدہ اور نفیس AI سسٹمز کی ترقی ہو سکتی ہے، جہاں متعدد ایجنٹ کسی مسئلے کو حل کرنے کے لیے مل کر کام کرتے ہیں۔ یہ زیادہ مسابقتی اور اختراعی AI ایکو سسٹم کو فروغ دینے میں بھی مدد کر سکتا ہے، کیونکہ ڈویلپرز ایسے ایجنٹ بنانے کے قابل ہیں جو دوسرے ایجنٹوں کے ساتھ بغیر کسی رکاوٹ کے ضم ہو سکتے ہیں۔
جیسے جیسے AI ٹیکنالوجی کی ترقی جاری ہے، آگے رہنے اور نئے حکمرانی میکانزم تیار کرنے کی ضرورت ہے جو مستقبل کے چیلنجوں سے نمٹ سکیں۔ اس کے لیے تعاون، جدت طرازی اور AI کے ہمیشہ بدلتے ہوئے منظر نامے کے مطابق ڈھالنے کی رضامندی کی ضرورت ہوگی۔