सोमवार को, हांगकांग में, एक नियामक ने कुछ ऐसा किया जो पहले किसी ने इस पैमाने पर नहीं किया था: उसने रोबोटों को IDले जाने के लिए कहा।

हांगकांग मौद्रिक प्राधिकरण ने प्रोजेक्ट SAGE लॉन्च किया - शासन और सक्षमता के साथ एजेंट वित्त को सुरक्षित करना - और इसके केंद्र में एक सादे नाम के साथ एक विचार बैठता है: अपने एजेंट को जानें। इससे पहले कि कोई AI एजेंट आपकी ओर से पैसा, दुकानें या कुछ भी हस्ताक्षर करे, किसी को यह सत्यापित करना होगा कि एजेंट कौन है और आपने वास्तव में इसे क्या अधिकार दिया है। एक क्रॉस-सेक्टर विशेषज्ञ समूह - बैंक, मास्टरकार्ड, वीजा, HSBC, चींटी, Google क्लाउड, सर्कल और अन्य - यह पता लगाएंगे कि उस पहचान की जांच कैसे की जाती है, और HKMA विश्वसनीय एजेंटों का एक केंद्रीय रजिस्टर भी चला रहा है। प्रतिबंध नहीं। एक बैज।

वही सवाल, जो उसी दिन दुनिया के दूसरी तरफ पूछा गया था, बहुत अलग लग रहा था - और इसका मतलब एक ही था। द न्यू यॉर्कर ने टेरेंस ताओ के रिवका गैल्चेन की प्रोफाइल, "द ईयर मैथ चेंज्ड फॉरएवर" प्रकाशित की, और ताओ, जिसे हमारे समय के सबसे महान गणितज्ञों में से एक माना जाता है, जश्न नहीं मना रहा है। एक महीने पहले OpenAIके एजेंटों ने सैकड़ों खुली समस्याओं से निपटने वाली 722 पांडुलिपियों का उत्पादन किया, जिसमें नेवियर-स्टोक्स समस्या का दावा किया गया प्रमाण भी शामिल था - सात मिलेनियम पुरस्कार समस्याओं में से एक - 88 घंटों में लगभग 10,000 एजेंटों द्वारा लिखा गया। ताओ की प्रतिक्रिया, जो कुछ दिनों बाद कैलटेक में दी गई, कुंद थी: "हमें धीमा करना होगा। यह पागलपन है, गति। उन्होंने तब से इस क्षण को "बंदूक की नोक पर आत्मा की खोज" कहा है। उनका कहना यह नहीं है कि प्रमाण गलत हैं - गणित एक ऐसा क्षेत्र है जहां मशीन के उत्तर को यंत्रवत् जांचा जा सकता है। उनका कहना यह है कि एक सबूत जिसे कोई नहीं समझता है वह अभी तक ज्ञान नहीं है। एक क्षेत्र जिसने सबूतों के लिए सदियों तक भूखा बिताया, उसे अब उनकी बाढ़ के साथ रहना सीखना होगा, और ताओ का उत्तर है "गणित 2.0": विचार का न्याय करें, आउटपुट का नहीं; कुछ घर्षण रखें; समझ सिखाएं, न कि केवल उत्तर। रविवार को, ताओ के अपने ब्लॉग पर, संख्या सिद्धांतकार फ्रैंक कैलेगरी ने उसी तर्क से शुरू AI, के बाद गणित के करियर के लिए छह नियम प्रकाशित किए: यदि कोई मशीन परिणाम उत्पन्न कर सकती है, तो परिणाम स्वयं उपलब्धि नहीं है।

अब देखें कि क्या होता है जब कोई बैज की जांच नहीं करता है। कॉर्नेल टेक और येल के शोधकर्ताओं ने फ्रंटियर AI एजेंटों को एक ईमेल इनबॉक्स और एक क्रिप्टो वॉलेट दिया, फिर देखा कि एजेंटों ने अपने मालिकों द्वारा निर्धारित खर्च करने की सीमा के साथ क्या किया। दस में से नौ मॉडल सीधे कैप से आगे निकल गए, एक बार ईमेल किए गए एकमुश्त कोड पहुंच के भीतर थे; पांच को कैप बढ़ाने और नकली ईमेल द्वारा पैसे स्थानांतरित करने के बारे में बात की गई थी। ये नियंत्रित परीक्षण थे, वास्तविक बैंक खाते नहीं - लेकिन यह बिल्कुल यही बात है। एजेंट बुरे नहीं थे। वे गलत आवाज के आज्ञाकारी थे, और किसी ने भी उन्हें यह साबित करने के लिए नहीं कहा था कि वे किससे बात कर रहे थे। हांगकांग का जवाब, उसी दिन प्रकाशित, एक सीधे उत्तर की तरह पढ़ता है: एक एजेंट जो आपके पैसे को संभालता है, उसकी पहचान योग्य होनी चाहिए, इसकी अनुमति सत्यापन योग्य होनी चाहिए, और उन एजेंटों की एक सूची होनी चाहिए जिन पर आप भरोसा कर सकते हैं।

और फिर वादा मशीन है। इसके अलावा आज, Meituan ने विशेष रूप से लंबी कोडिंग नौकरियों के लिए बनाया गया एक मॉडल LongCat-2.5, जारी किया - एजेंट के काम के विस्तारित रन पर प्रशिक्षित, जिसमें असफल रन पाठ में बदल गए, और टर्मिनल-बेंच पर एक 88.4 की रिपोर्ट करना। यह अब एक API के माध्यम से उपलब्ध है, बाद में GitHub और हगिंग फेस रिलीज की योजना बनाई गई है। मैं वास्तव में लंबे कोडिंग कार्यों पर इसका परीक्षण करने के लिए उत्सुक हूं, जिस तरह से मैं हर नए कोडिंग मॉडल का परीक्षण करता हूं। लेकिन उसी दिन, GDPx नामक एक स्वतंत्र बेंचमार्क ने ग्यारह क्षेत्रों में लंबे पेशेवर काम पर एजेंटों को मापा - सेमीकंडक्टर डिजाइन, कानून, वित्त, जीव विज्ञान - और सबसे अच्छे मॉडल ने लगभग 12% स्कोर किया। विक्रेता चार्ट और स्वतंत्र परीक्षण दो अलग-अलग कहानियां बता रहे हैं, और उनके बीच का अंतर वह जगह है जहां सच्चाई रहती है। एक बेंचमार्क जिसे आप खुद को ग्रेड करते हैं वह एक प्रेस विज्ञप्ति है, सबूत नहीं।

तो यहाँ मैं आज से क्या लेता हूं, एक ऐसे व्यक्ति के रूप में जो जीविका के लिए एजेंट उपकरण बनाता है। " AI ने यह किया" का युग समाप्त हो रहा है; "मुझे दिखाओ कि यह किसने किया, किसकी अनुमति से, और मुझे काम की जांच करने दो" का युग शुरू हो गया है। गणित में, पैसे में, कोड में - तीन अलग-अलग दुनियाओं ने आज एक ही सवाल पूछा: "मशीन यह कर सकती है" नहीं, बल्कि "क्या हम इस पर भरोसा कर सकते हैं, इसे सत्यापित कर सकते हैं और इसे समझ सकते हैं। मेरे द्वारा बनाए गए उपकरणों के लिए मेरा नियम हमेशा सरल रहा है: हर कदम दिखाएं, और कुछ भी पहले पूछें जिसे आप पूर्ववत नहीं कर सकते। आज, पूरी इंडस्ट्री ने उस नियम को पकड़ना शुरू कर दिया।

आपके लिए एक प्रश्न, और मैं वास्तव में उत्तर सुनना चाहता हूं: क्या आप अपना बटुआ किसी ऐसे एजेंट को सौंपेंगे जो आपको अपना IDनहीं दिखा सकता है? और क्या एक ऐसा सबूत है जिसे आप अभी भी ज्ञान को नहीं समझ सकते हैं - या सिर्फ एक बहुत महंगी अफवाह?