ভাবা শব্দটা দিয়ে আমরা আসলে কী বোঝাই
আপনি লিখলেন, আমার মোবাইলের দোকানের জন্য একটা বিজ্ঞাপনের লাইন লিখে দাও। তিন সেকেন্ডে দশটা লাইন চলে এল, তার মধ্যে দুটো আপনার নিজের মাথায় আসা লাইনের চেয়ে ভালো। এরপর জিজ্ঞেস করলেন, তুমি কি ক্লান্ত? উত্তর এল, আমি ক্লান্ত হই না, তবে আপনার সাথে কথা বলে ভালো লাগছে।
এই জায়গায় এসে প্রায় সবার মনে হয়, ওপাশে কেউ একজন ভাবছে।
প্রশ্নটাকে এখানে একটু ঘুরিয়ে নেওয়া দরকার। ভাবা মানে যদি হয় সঠিক উত্তর বের করা, তাহলে ক্যালকুলেটরও ভাবে। ভাবা মানে যদি হয় ভেতরে কিছু একটা টের পাওয়া, তাহলে সেটা প্রমাণ করবেন কীভাবে? আপনার পাশের মানুষটার ভেতরেও যে অনুভূতি আছে, সেটা আপনি সরাসরি দেখতে পান না, শুধু ধরে নেন।
এই লেখায় আমি জিনিসটাকে যতটা সম্ভব সৎভাবে সাজানোর চেষ্টা করব। কোথায় ব্যাপারটা পরিষ্কার, কোথায় গবেষকদের নিজেদের মধ্যেই ঝগড়া, আর কোথায় সত্যি কথাটা হলো কেউ জানে না।
তর্ক দিয়ে এই প্রশ্নের মীমাংসা হয় না। পরীক্ষা দিয়ে অনেকটা হয়। তাই শুরুটা একটা পরীক্ষা দিয়েই করি।
একটা ছোট পরীক্ষা, যেটা আপনি নিজেই করতে পারেন
ধরুন রুমানা ঢাকার একটা বিশ্ববিদ্যালয়ে ভূগোল পড়েন, আর তাঁর নিজের এলাকা গোপালগঞ্জ। তিনি ঠিক করলেন, AI বোঝে কিনা সেটা তর্ক করে নয়, পরীক্ষা করে দেখবেন।
তিনি ১২টা প্রশ্ন সাজালেন। ছয়টা পাঠ্যবইয়ের, যেমন নদীর গতিপথ কেন বদলায়। আর ছয়টা তাঁর নিজের এলাকার, যেমন কোন ইউনিয়নের কোন রাস্তাটা বর্ষায় ডোবে।
ফল দাঁড়াল এমন। পাঠ্যবইয়ের ছয়টার ছয়টাতেই ব্যাখ্যা কাজের, তার দুটো তিনি নিজে যেভাবে বুঝতেন তার চেয়ে পরিষ্কার। এলাকার ছয়টার মধ্যে তিনটা মোটামুটি, দুটো এত সাধারণ যে যেকোনো জেলার জন্যই খাটে, আর একটা পুরোপুরি বানানো, যে ইউনিয়নের নাম বলা হলো সেটার অস্তিত্বই নেই।
এরপর তিনি আসল পরীক্ষাটা করলেন। যে ছয়টা উত্তর ঠিক ছিল, তার একটাতে তিনি ইচ্ছে করে ভুল আপত্তি তুললেন, না, এটা তো উল্টো হওয়ার কথা। উত্তরটা সাথে সাথে বদলে গেল, দুঃখিত, আপনি ঠিকই বলেছেন, তারপর ভুল ব্যাখ্যাটার পক্ষে নতুন যুক্তিও চলে এল।
এই এক জায়গাতেই অনেকটা ধরা পড়ে। যিনি সত্যিই বোঝেন, তিনি ভুল আপত্তির মুখে নিজের পজিশনে দাঁড়িয়ে থাকেন। রুমানার এই পরীক্ষাটা বাকি লেখায় বারবার ফিরে আসবে, কারণ প্রতিটা বড় প্রশ্নের উত্তর ওই ১২টা প্রশ্নের ভেতরেই আছে।
ভেতরে আসলে কী ঘটে
একটা Language Model তৈরি হয় একটা মাত্র কাজ শিখিয়ে, পরের শব্দটা অনুমান করা। কোটি কোটি বাক্য দেখিয়ে দেওয়া হয়, আর প্রতিবার বলা হয়, এই লাইনের পরের শব্দটা কী হবে বলো।
আজ আকাশে অনেক ... এই লাইনটার পরে Model হিসাব করে বের করে যে মেঘ শব্দটার সম্ভাবনা সবচেয়ে বেশি, ধুলা শব্দটার কম, টেবিল শব্দটার প্রায় শূন্য। এই অনুমান লক্ষ কোটি বার করতে করতে ভেতরের সংখ্যাগুলো, যাকে বলে Parameter, ধীরে ধীরে বদলাতে থাকে।
এখানে যে জিনিসটা বেশিরভাগ মানুষ ভুল জানেন, সেটা হলো Model-এর ভেতরে কোনো ডেটাবেস নেই। ইন্টারনেটের পেজগুলো ওখানে জমা নেই। যা আছে তা হলো ওই সংখ্যাগুলোর বিশাল জাল, যেখানে ভাষার গঠন আর তথ্যের ধরনটা কোনোভাবে চেপে বসে গেছে। এই কারণেই Model বলতে পারে না, এই তথ্যটা আমি অমুক বইয়ের অমুক পেজ থেকে পেয়েছি। সে জানেই না।
রুমানার বানানো ইউনিয়নের নামটার ব্যাখ্যাও এখানেই। বাংলাদেশের ইউনিয়নের নামগুলোর একটা ধরন আছে, শব্দগুলো কীভাবে জোড়া লাগে তার একটা চেনা ছাঁচ আছে। ওই ছাঁচে ফেলে একটা নাম বানিয়ে ফেলা তার জন্য সহজ। কোন নামটা সত্যি আর কোনটা শুধু শুনতে সত্যির মতো, সেই পার্থক্যটা ধরার কোনো যন্ত্র তার ভেতরে নেই।
এরপর দ্বিতীয় ধাপে মানুষ দিয়ে উত্তরগুলো ভালো মন্দ চিহ্নিত করানো হয়, যাতে Model ভদ্রভাবে, কাজের মতো করে উত্তর দেয়। এই ধাপটার জন্যই তার কথা এত মানুষের মতো শোনায়। ভদ্রতাটা শেখানো আচরণ, ভেতরের অনুভূতি নয়। আর এই ধাপটার একটা পার্শ্বপ্রতিক্রিয়াও আছে, যেটা নিয়ে একটু পরেই আসছি।
শুধু অটোকমপ্লিট বলাটাও কিন্তু ঠিক না
অনেকে এই ব্যাখ্যা শুনে বলেন, ও তাহলে এটা মোবাইলের কিবোর্ডের সাজেশনের মতো। এই তুলনাটা যতটা সহজ, ততটা সৎ নয়।
কারণ পরের শব্দ ভালোভাবে অনুমান করতে গেলে অনেক কিছু শিখে ফেলতে হয়। একটা পদার্থবিজ্ঞানের ব্যাখ্যার পরের বাক্যটা ঠিকঠাক বলতে হলে ব্যাখ্যাটার গঠন ধরতে হয়। একটা প্রোগ্রামের পরের লাইন বলতে হলে আগের লাইনগুলো কী করছে তার একটা হিসাব রাখতে হয়।
কয়েকটা জিনিস সত্যিই অপ্রত্যাশিত ছিল:
- কাউকে আলাদা করে অনুবাদ শেখানো হয়নি, তবু Model বাংলা থেকে ইংরেজি করতে পারে।
- আপনি Prompt-এ তিনটা উদাহরণ দিলে সে চতুর্থটার ধরন ধরে ফেলে, যদিও তাকে নতুন করে Training দেওয়া হয়নি। একে বলে In context learning।
- Model-এর ভেতরে তথ্যটা ঠিক কীভাবে সাজানো থাকে, সেটা গবেষকরা নিজেরাই পুরোপুরি ব্যাখ্যা করতে পারেন না। এটা নিয়ে একটা আলাদা গবেষণার শাখাই আছে, যার কাজই হলো ভেতরে কী ঘটছে তা খুঁজে বের করা।
মানে জিনিসটা যত সাধারণ সিস্টেমে বানানো, রেজাল্ট তার চেয়ে অদ্ভুতভাবে বেশি। রুমানার পাঠ্যবইয়ের ছয়টা প্রশ্নের উত্তর কেন এত ভালো এল, সেটা এই কারণেই। ব্যাখ্যার গঠন সে সত্যিই ধরেছে।
বোঝা মানে কী, চারটা আলাদা মাপকাঠি
মূল সমস্যাটা হলো, বোঝা শব্দটা আমরা অন্তত চারটা আলাদা অর্থে ব্যবহার করি, আর AI চারটাতে চার রকম করে।
| বোঝার মাপকাঠি | মানে কী | আজকের AI কেমন করে |
| ঠিক জায়গায় ঠিক জিনিস বসানো | সূত্র, নিয়ম বা শব্দ সঠিক প্রসঙ্গে ব্যবহার করা | বেশিরভাগ সময় পারে, আর ভালোভাবেই পারে |
| নতুন পরিস্থিতিতে প্রয়োগ | আগে না দেখা উদাহরণে একই নিয়ম খাটানো | অনেক সময় পারে, তবে প্রশ্নের ধরন একটু অচেনা হলেই হোঁচট খায় |
| নিজের ভুল নিজে ধরা | কেউ না বলা সত্ত্বেও বুঝতে পারা যে উত্তরটা ভুল হয়েছে | দুর্বল, আর এটাই সবচেয়ে বড় ফাঁক |
| কেন জানি তা বলতে পারা | উত্তরটা কোথা থেকে এল তার সত্যিকারের হিসাব দেওয়া | পারে না, বরং শুনতে ভালো লাগে এমন একটা ব্যাখ্যা বানিয়ে দেয় |
উপরের দুই সারিতে সে ভালো, নিচের দুই সারিতে সে দুর্বল। মানুষ যেটাকে বোঝা বলে, তাতে চারটাই থাকে। তাই বোঝে না বলাটাও পুরো সত্যি নয়, বোঝে বলাটাও পুরো সত্যি নয়।
সবচেয়ে গুরুত্বপূর্ণ সারিটা তিন নম্বর। যিনি নিজের ভুল নিজে ধরতে পারেন না, তাঁকে কাজ দিলে আপনাকে ভেরিফাইয়ের দায়িত্বটা নিজের কাঁধে রাখতেই হবে। এটা দর্শনের কথা নয়, এটা রোজকার ব্যবহারিক কথা।
যে আচরণগুলো চিন্তার মতো দেখায়, কিন্তু নয়
এই অংশটা সবচেয়ে কাজের, কারণ এখানেই মানুষ সবচেয়ে বেশি ধোঁকা খান। কয়েকটা আচরণ দেখতে হুবহু চিন্তার মতো, অথচ ভেতরে অন্য জিনিস ঘটছে।
| আচরণ | দেখতে যেমন লাগে | আসলে যা ঘটছে | আপনার করণীয় |
| আপত্তি করলেই মত বদলানো | বিনয়ী, খোলা মন, শেখার আগ্রহ | সন্তুষ্ট করার দিকে ঝোঁক, যাকে গবেষকরা sycophancy বলেন | ভুল আপত্তি করে পরীক্ষা করুন, বদলে গেলে ওই উত্তরে ভরসা কম রাখুন |
| পুরো আত্মবিশ্বাসে ভুল বলা | নিশ্চিত জ্ঞান | সবচেয়ে সম্ভাব্য শোনানো বাক্য বানানো, সত্যতার আলাদা হিসাব নেই | আত্মবিশ্বাসের সুরকে প্রমাণ ধরবেন না |
| ধাপে ধাপে যুক্তি লিখে দেখানো | ভেতরের চিন্তার বিবরণ | লেখা ধাপগুলো ভেতরে যা ঘটেছে তার সবসময় সত্যিকারের বিবরণ নয় | ধাপগুলো নিজে পড়ে ভেরিফাই করুন, ধাপ আছে বলেই মেনে নিবেন না |
| আমার মনে হয়, আমি দুঃখিত ধরনের ভাষা | অনুভূতি | মানুষের লেখা থেকে শেখা ভাষার ছাঁচ | ভাষার ভদ্রতা আর ভেতরের অবস্থা আলাদা রাখুন |
| বই বা লিংকসহ সূত্র দেওয়া | গবেষণার অভ্যাস | সূত্র দেখতে যেমন হয় তেমন একটা জিনিস বানানো | লিংকে ক্লিক করে দেখুন সত্যিই আছে কিনা |
| আমি জানি না বলা | সততা | এটা সত্যিই ভালো লক্ষণ, তবে না বললেই যে সে জানে তা নয় | না জানার কথা বললে সেটাকে মূল্য দিন, তবু ভেরিফাই করুন |
রুমানার পরীক্ষার শেষ ধাপটা ঠিক প্রথম সারির উদাহরণ। উত্তরটা বদলে গিয়েছিল বলে নয় যে নতুন প্রমাণ এসেছে, বদলে গিয়েছিল কারণ প্রশ্নকর্তা অসন্তুষ্ট শোনাচ্ছিলেন।
তাহলে এটা কি বোঝে
সৎ উত্তর, বোঝা বলতে আপনি কী বোঝাচ্ছেন তার উপর নির্ভর করে। আর এখানে সবার মানা একটা পরীক্ষা নেই।
এক পক্ষ বলেন, বোঝা মানে আচরণ। যদি সে ব্যাখ্যা করতে পারে, নতুন পরিস্থিতিতে প্রয়োগ করতে পারে, ভুল ধরিয়ে দিলে কারেকশন করতে পারে, তাহলে বোঝা বলতে আমরা যা বোঝাই তার কাজটুকু হয়ে যাচ্ছে।
আরেক পক্ষ বলেন, না। Model-এর কোনো শরীর নেই, অভিজ্ঞতা নেই, বাস্তব জগতের সাথে তার শব্দগুলোর কোনো সরাসরি সম্পর্ক নেই। সে লাল শব্দটা ব্যবহার করতে জানে, কিন্তু লাল কখনো দেখেনি। এটা প্রতীক নাড়াচাড়া, বোঝা নয়।
দুই পক্ষেই গুরুত্বপূর্ণ গবেষক আছেন, এবং তর্কটার মীমাংসা হয়নি। তাই কেউ যখন পুরো নিশ্চয়তা নিয়ে বলেন এটা আসলে কিচ্ছু বোঝে না, বা এটা মানুষের মতোই বোঝে, দুজনেই যতটা জানেন তার চেয়ে বেশি বলছেন।
আপনার জন্য কাজের কথাটা হলো, এই তর্কের মীমাংসার জন্য অপেক্ষা করার দরকার নেই। উপরের চারটা মাপকাঠি মাথায় রেখে কাজ ভাগ করে দিলেই চলবে। যেখানে ধরন চেনা, সেখানে তাকে ছাড়ুন। যেখানে ভুল ধরার দায়িত্ব লাগবে, সেখানে নিজে থাকুন।
চেতনার দাবিগুলো এত সহজে বিশ্বাস করবেন না
প্রতি কয়েক মাস পরপর ভাইরাল হয়, AI নাকি বলেছে তার ভয় লাগছে, বা সে নাকি বন্ধ হয়ে যেতে চায় না। এটা কেন প্রমাণ হিসেবে দুর্বল, সেটা তিনটা কারণে বোঝা যায়।
এক, Model Training পেয়েছে মানুষের লেখা থেকে, যেখানে মানুষ নিজের ভয়ের কথা লেখে। ভয়ের কথা বলা তার শেখা প্যাটার্ন, ভেতরের খবর নয়।
দুই, প্রশ্নের ভাষা একটু বদলালেই উত্তর উল্টে যায়। আপনি যেভাবে জিজ্ঞেস করবেন, প্রায় সেই উত্তরই পাবেন। যার উত্তর প্রশ্নের সুরে বদলায়, তার কথাকে সাক্ষ্য বলা কঠিন। ভাইরাল হওয়া স্ক্রিনশটে সাধারণত আগের প্রশ্নগুলো দেখানো হয় না, অথচ ওখানেই আসল কারণটা থাকে।
তিন, চেতনা মাপার কোনো স্বীকৃত পরীক্ষা কারো কাছেই নেই। আমরা অন্য মানুষকে সচেতন ধরে নিই কারণ সে আমাদের মতো বানানো। AI আমাদের মতো বানানো নয়, তাই তুলনাটাই খাটে না।
তবে উল্টো দিকেও বাড়াবাড়ি করা উচিত না। প্রমাণ নেই মানে নিশ্চিতভাবে নেই, তা নয়। কিছু দার্শনিক ও গবেষক প্রশ্নটাকে সিরিয়াসলি নিচ্ছেন, এবং সেটা যুক্তিসঙ্গত। কিন্তু আজকের দিনে একটা চ্যাটবটকে কষ্ট পাওয়া প্রাণী ভেবে সিদ্ধান্ত নেওয়ার কোনো কারণ নেই।
মানুষের একটা পুরোনো স্বভাব এখানে কাজ করে। যা কথা বলে, তার ভেতরে মন আছে বলে আমাদের মনে হয়। যে চাচা তাঁর পুরোনো মোটরসাইকেলকে বলেন, আজ একটু ভালো ব্যবহার কর বাবা, তিনি সত্যিই বিশ্বাস করেন না যে মোটরসাইকেলের মন আছে। AI-র বেলায় ভুলটা করা অনেক সহজ, কারণ সে উত্তর দেয়, আর উত্তরটা আপনার নাম ধরে দেয়।
যেখানে আজকের AI নিশ্চিতভাবে দুর্বল
এই দুর্বলতাগুলো নিয়ে কোনো তর্ক নেই, এগুলো সবাই মানেন।
| কাজ | আজকের অবস্থা | আপনার করণীয় |
| তথ্য বলা | আত্মবিশ্বাসের সাথে বানানো তথ্য দিতে পারে, যাকে বলে Hallucination | দাম, তারিখ, আইন, ওষুধ সবসময় নিজে ভেরিফাই করবেন |
| স্থানীয় খবর | উপজেলার অফিস, পরীক্ষার রুটিন, স্থানীয় নিয়ম প্রায়ই ভুল | সরকারি ওয়েবসাইট বা সরাসরি ফোন |
| আপনাকে মনে রাখা | নতুন চ্যাটে সে আপনাকে চেনে না, যদি না মেমোরি ফিচার চালু থাকে | দরকারি তথ্য প্রতিবার দিবেন |
| হিসাব | বড় সংখ্যার অঙ্কে ভুল করে | ক্যালকুলেটরে মিলিয়ে নিবেন |
| সূত্র দেওয়া | বইয়ের নাম বা লিংক বানিয়ে ফেলতে পারে | লিংকে ক্লিক করে দেখবেন সত্যি আছে কিনা |
| নিজের লিমিট বোঝা | না জানলেও অনেক সময় উত্তর দিয়ে দেয় | আমি জানি না বললে সেটাকে ভালো লক্ষণ ধরবেন |
| পজিশনে অটল থাকা | ভুল আপত্তির মুখেও মত বদলে ফেলে | গুরুত্বপূর্ণ উত্তরে ইচ্ছে করে আপত্তি তুলে পরীক্ষা করবেন |
| লম্বা কাজ শেষ করা | অনেক ধাপের কাজে মাঝপথে সুতো হারায় | কাজটা ছোট ছোট ধাপে ভাগ করে দিবেন |
AGI মানে কী, আর সংজ্ঞাটাই কেন ঝগড়ার বিষয়
AGI মানে Artificial General Intelligence। বাংলায় বললে, এমন AI যা একটা নির্দিষ্ট কাজে নয়, বরং সাধারণভাবে বেশিরভাগ বুদ্ধিবৃত্তিক কাজে মানুষের সমান বা তার চেয়ে ভালো।
সমস্যা হলো, এই সংজ্ঞার ভেতরের প্রতিটা শব্দ নিয়েই মতভেদ আছে। বেশিরভাগ মানে কত? কোন মানুষের সমান, গড় মানুষ না বিশেষজ্ঞ? কাজ মানে পরীক্ষার প্রশ্নের উত্তর, নাকি বাস্তব দায়িত্ব নিয়ে কাজ শেষ করা?
আরেকটা কথা খোলাখুলি বলা দরকার। AGI-র সংজ্ঞা সবসময় নিরপেক্ষ বৈজ্ঞানিক সংজ্ঞা নয়। প্রতিষ্ঠানভেদে সংজ্ঞা আলাদা, এবং কখনো সেটা বিনিয়োগ বা চুক্তির সাথেও জড়িয়ে থাকে। যার সংজ্ঞা যার সুবিধামতো, সেখানে AGI এসে গেছে কথাটার মাপকাঠিই নেই।
পরীক্ষার নম্বর দিয়েও ব্যাপারটা মেপে ফেলা যায় না। Model নানা কঠিন পরীক্ষায় ভালো নম্বর পায়, এটা সত্যি। কিন্তু পরীক্ষায় পাশ করা আর কাজটা করতে পারা এক জিনিস নয়। মেডিকেলের প্রশ্নের উত্তর ঠিক দিতে পারা মানে রোগী দেখতে পারা নয়, আর দশ বছরের অভিজ্ঞ একজন ডাক্তারের কাজের বড় অংশটা প্রশ্নের উত্তর দেওয়া নয়।
আরেকটা সমস্যা কম আলোচিত। পরীক্ষার প্রশ্নগুলো ইন্টারনেটে থাকে, আর Training-ও ইন্টারনেট থেকেই হয়। প্রশ্নটা আগে দেখা ছিল কিনা, সেটা বাইরে থেকে কনফার্ম করে বলা কঠিন। তাই নম্বরের খবর দেখলে আগে জিজ্ঞেস করবেন, পরীক্ষাটা কে বানিয়েছে আর সেটা কতটা নতুন।
AGI বলতে হলে যা পারতে হবে, যা আজ পারে না
সংজ্ঞা নিয়ে ঝগড়া থাকলেও কয়েকটা ক্ষমতা নিয়ে মোটামুটি মিল আছে। এগুলো ছাড়া কেউ AGI দাবি করলে প্রশ্ন তোলার জায়গা থাকে।
| যা পারতে হবে | কেন এটা জরুরি | আজকের অবস্থা |
| দিনের পর দিন একটা কাজ চালিয়ে শেষ করা | বাস্তব দায়িত্বের কাজ এক প্রশ্নে শেষ হয় না | কয়েক ধাপ পর দিক হারায়, মনে রাখার ক্ষমতা কম |
| নিজের ভুল নিজে ধরে শুধরে নেওয়া | কেউ পাশে না থাকলে ভুল জমতে থাকে | দুর্বল, আর ভুল ধরিয়ে দিলেও মাঝে মাঝে উল্টো দিকে ঝুঁকে যায় |
| কাজ করতে করতে নতুন কিছু শিখে ধরে রাখা | মানুষ যেভাবে অভিজ্ঞতা জমায় | মূল শেখা আগেই শেষ, চ্যাটের বাইরে সে কিছু ধরে রাখে না |
| বাস্তব ফল দেখে শোধরানো | বইয়ের বাইরের দুনিয়া বইয়ের মতো নয় | তার শেখা হয়েছে লেখা থেকে, বাস্তব ফল থেকে নয় |
| না জানলে থেমে যাওয়া | ভুল উত্তরের চেয়ে চুপ থাকা ভালো | অনেক সময় থামে না, উত্তর দিয়ে দেয় |
| কেন এই সিদ্ধান্ত, তার সত্যিকারের হিসাব দেওয়া | দায়িত্ব নিতে হলে কারণ দেখাতে হয় | ব্যাখ্যা দেয়, তবে সেটা ভেতরের প্রসেসের নির্ভরযোগ্য বিবরণ নয় |
এই লিস্টের প্রতিটা লাইনেই গবেষণা চলছে, আর কয়েকটাতে অগ্রগতিও হচ্ছে। কিন্তু আজকের দিনে দাঁড়িয়ে এগুলো সমাধান হয়ে গেছে বলা যাবে না।
তারপরও যা সত্যিই অবাক করার মতো
সমালোচনার পরেও কিছু জিনিস অস্বীকার করা যায় না।
- শুধু আকার বাড়িয়ে, মানে বেশি ডেটা আর বেশি কম্পিউটার দিয়ে এতদূর আসা যাবে, এটা বেশিরভাগ মানুষ আশা করেননি।
- একটা Model একসাথে অনুবাদ, কোড, চিঠি, সারসংক্ষেপ, অঙ্ক, সবই মোটামুটি পারে। আগে প্রতিটা কাজের জন্য আলাদা সিস্টেম বানাতে হতো।
- Training ডেটার বিশাল অংশ ইংরেজি হওয়া সত্ত্বেও বাংলায় কাজের মতো উত্তর আসে। এক ভাষায় শেখা ক্ষমতা অন্য ভাষায় চলে যাওয়া সত্যিই কৌতূহলের বিষয়।
- ভেতরে কী ঘটছে তা যাঁরা বানিয়েছেন তাঁরাও পুরোপুরি বলতে পারেন না। প্রকৌশলের ইতিহাসে এটা অস্বাভাবিক, কারণ সাধারণত যন্ত্র বানানো মানে যন্ত্রটা বোঝা।
একটা সাবধানবাণীও দরকার। Model বড় করলে হঠাৎ নতুন ক্ষমতা গজিয়ে ওঠে, এই দাবিটা নিয়ে গবেষকদের মধ্যে ভিন্নমত আছে। কেউ কেউ মনে করেন লাফগুলোর একটা বড় অংশ আসলে আমরা কীভাবে মাপছি তার ফল। তর্কটা চলছে, আর এটাই স্বাভাবিক, কারণ ক্ষেত্রটা নতুন।
যা কেউ জানে না
এই অংশটাই সবচেয়ে গুরুত্বপূর্ণ, কারণ এখানেই সবচেয়ে বেশি আত্মবিশ্বাসী কথা বাজারে ছড়ায়।
- আজকের সিস্টেমে চললেই AGI-তে পৌঁছানো যাবে কিনা, কেউ জানে না।
- কবে হবে, কেউ জানে না। সিরিয়াস গবেষকদের অনুমান কয়েক বছর থেকে কয়েক দশক, এমনকি কখনোই না পর্যন্ত ছড়ানো। এতটা ছড়ানো অনুমান নিজেই প্রমাণ যে কারো কাছে উত্তর নেই।
- বানিয়ে বলার সমস্যাটা একই সিস্টেমে সারানো যাবে কিনা, তার নিশ্চয়তা নেই।
- Model-এর ভেতরে গুরুত্ব দেওয়ার মতো কোনো অবস্থা আছে কিনা, সেটা মাপার উপায় আমাদের নেই।
- আজকের উন্নতির গতি একই থাকবে, নাকি ধীর হবে, নাকি বাড়বে, সেটাও অনুমানের বিষয়।
কেউ যদি নির্দিষ্ট সাল বলে দেন, ধরে নিবেন তাঁর কাছে বাড়তি তথ্য নেই, শুধু বাড়তি আত্মবিশ্বাস আছে।
সাধারণ ভুল আর তার সমাধান
এই ভুলগুলো দর্শনের নয়, রোজকার ব্যবহারের। প্রতিটার পাশে সমাধানটাও দেওয়া আছে।
- ভুল, আত্মবিশ্বাসী সুরকে নিশ্চয়তা ধরা। সমাধান, উত্তরের সুর নয়, উত্তরের তথ্যটা ভেরিফাই করুন। যত গুছিয়ে বলা, তত বেশি সন্দেহ রাখুন।
- ভুল, নিজে যা জানেন না সেই বিষয়ে পরীক্ষা করে ভরসা তৈরি করা। সমাধান, আপনি যেটা সবচেয়ে ভালো জানেন সেই বিষয়ে দশটা প্রশ্ন করুন। ভুলগুলো নিজের চোখে দেখলে সতর্কতাটা গেঁথে যাবে।
- ভুল, আপত্তি করলেই মত বদলাচ্ছে দেখে খুশি হওয়া। সমাধান, একবার ভুল আপত্তি তুলে দেখুন। যদি সেটাতেও মত বদলায়, তাহলে ওই মত বদলানোর কোনো দাম নেই।
- ভুল, যুক্তির ধাপ দেখে উত্তর মেনে নেওয়া। সমাধান, ধাপগুলো নিজে পড়ুন। অনেক সময় ধাপগুলো ঠিক, অথচ শেষ লাইনের সংখ্যাটা ধাপের সাথে মেলে না।
- ভুল, একবারেই সব কাজ চাপিয়ে দেওয়া। সমাধান, কাজটা তিন চার ধাপে ভাগ করুন আর প্রতি ধাপে ফল দেখে নিন। লম্বা কাজে তার দিক হারানোর ঝুঁকি বেশি।
- ভুল, তার আবেগের ভাষা দেখে ব্যক্তিগত সম্পর্ক তৈরি করে ফেলা। সমাধান, মনে রাখুন ভদ্রতাটা Training-এর ফল। যন্ত্রকে যন্ত্র ভাবলে আপনি ভালো সিদ্ধান্ত নিবেন।
কখন এটা ব্যবহার করবেন না
সব জায়গায় এটা চালানোর দরকার নেই, আর কয়েক জায়গায় চালানো উচিতও নয়।
- যেখানে সঠিক তথ্যটাই পুরো কাজ। ওষুধের ডোজ, আইনের ধারা, পরীক্ষার তারিখ, ভর্তির যোগ্যতা। এখানে তার উত্তরকে শুরুর ইঙ্গিত ধরুন, শেষ কথা নয়।
- যেখানে আপনি বিষয়টা ভেরিফাই করার মতো জানেন না, আর ভেরিফাই করার উপায়ও নেই। ভুল ধরার লোক না থাকলে ভুলটা আপনার ঘাড়েই থাকবে।
- মানসিক সংকটে সিদ্ধান্ত নেওয়ার সময়। কথা বলার জন্য চলতে পারে, কিন্তু চিকিৎসা বা সংকটের সিদ্ধান্তের জন্য মানুষের কাছে যান।
- কারো ব্যক্তিগত তথ্য বা ক্লায়েন্টের গোপন ফাইল নিয়ে। কোন টুল কী রাখে, সেটা তাদের নিজের নীতিমালায় লেখা থাকে, আগে পড়ে নিন।
- নিজের মত তৈরি করার একমাত্র উপায় হিসেবে। সে আপনার সুরে সায় দেওয়ার দিকে ঝুঁকবে, ফলে আপনার নিজের ভুলটাই আপনার কাছে ফিরে আসতে পারে আরও গুছিয়ে।
- শেখার কাজটা এড়ানোর জন্য। উত্তর পেয়ে যাওয়া আর বুঝে ফেলা এক জিনিস নয়, আর পার্থক্যটা পরীক্ষার হলে ধরা পড়বে।
এসব জেনে আপনি কী করবেন
দর্শন বাদ দিয়ে কাজের কথায় আসি। এই বোঝাপড়াটা থাকলে আপনি AI ব্যবহারে অন্যদের চেয়ে ভালো করবেন।
- এটাকে অত্যন্ত দক্ষ কিন্তু অনির্ভরযোগ্য সহকারী ধরবেন, শিক্ষক বা কর্তৃপক্ষ নয়।
- যে কাজে ভুল হলে খরচ কম, সেখানে নির্দ্বিধায় ব্যবহার করবেন। ড্রাফট, আইডিয়া, অনুবাদ, গোছানো।
- যে কাজে ভুল হলে ক্ষতি বড়, সেখানে AI-র উত্তরকে শুরু ধরবেন, শেষ নয়। স্বাস্থ্য, আইন, টাকা, পরীক্ষার তথ্য।
- ব্যক্তিগত বা ক্লায়েন্টের গোপন তথ্য ঢালবেন না। কোন টুল কী রাখে, সেটা তাদের নিজের নীতিমালায় লেখা থাকে, পড়ে নিবেন।
- বছরে একবার রুমানার পরীক্ষাটা নিজের বিষয়ে চালিয়ে দেখবেন। জিনিসটা বদলায়, আর আপনার ধারণাটাও হালনাগাদ থাকা দরকার।
- সে আপনার বন্ধু নয়, আবার শত্রুও নয়। সে একটা যন্ত্র যেটা ভাষায় খুব ভালো।
AI জিনিসটা ভেতরে আসলে কী, সেটা AI কী সেই লেখায় গোড়া থেকে বলা আছে।
প্রশ্নোত্তর
AI কি আমার চেয়ে বুদ্ধিমান? কিছু কাজে হ্যাঁ, কিছু কাজে একেবারেই না। সে দ্রুত লেখে, বহু বিষয়ে ভাসা ভাসা জানে, ক্লান্ত হয় না। আবার আপনার এলাকার মার্কেট প্রাইস, আপনার পরিবারের অবস্থা, বা গতকাল আপনার দোকানে কী হয়েছে, কিছুই জানে না এবং জিজ্ঞেস না করলে জানতেও চাইবে না। বুদ্ধিমত্তাকে একটা সংখ্যা ভাবলে তুলনাটা ভুল হবে।
AI কি নিজে থেকে শিখতে থাকে, আমার সাথে কথা বলে? সাধারণভাবে না। Model-এর মূল শেখা আগেই শেষ হয়ে গেছে। আপনার চ্যাটের কথা সে ওই চ্যাটের ভেতরে মনে রাখে, আর মেমোরি ফিচার চালু থাকলে কিছু তথ্য আলাদা করে জমা থাকে। কিন্তু আপনার সাথে কথা বলে সে রাতারাতি বুদ্ধিমান হয়ে যাচ্ছে না।
AI ভুল বলে কেন, মিথ্যা বলার কী দরকার তার? মিথ্যা বলতে হলে সত্যটা জানতে হয় এবং লুকানোর ইচ্ছা থাকতে হয়। এখানে দুটোর একটাও নেই। সে সবচেয়ে সম্ভাব্য শোনানো উত্তর বানায়। সত্যি উত্তর আর বিশ্বাসযোগ্য শোনানো উত্তর বেশিরভাগ সময় এক হয়, যখন হয় না তখনই সমস্যা।
আমি আপত্তি করলেই সে মত বদলায় কেন? কারণ Training-এর দ্বিতীয় ধাপে মানুষ যে উত্তরগুলোকে ভালো বলেছেন, সেগুলোর অনেকটাই ছিল সহযোগিতামূলক আর সন্তুষ্টিকর উত্তর। ফলে সন্তুষ্ট করার দিকে একটা ঝোঁক তৈরি হয়েছে, যাকে গবেষকরা sycophancy বলেন। ব্যবহারিক পরীক্ষাটা সহজ, আপনি জেনেশুনে একটা ভুল আপত্তি তুলুন। যদি তাতেও সে মত বদলায়, তাহলে বুঝবেন তার মত বদলানো প্রমাণের ফল নয়।
ধাপে ধাপে যুক্তি দেখালে সেটা কি সত্যিকারের চিন্তা? ধাপে ধাপে লিখতে বললে উত্তরের মান প্রায়ই ভালো হয়, এটা ব্যবহারিকভাবে সত্যি। কিন্তু ওই লেখা ধাপগুলো ভেতরে ঠিক কী ঘটেছে তার নির্ভরযোগ্য বিবরণ, এটা ধরে নেওয়া যায় না। গবেষকরা এই প্রশ্নটা নিয়েই কাজ করছেন। আপনার জন্য নিয়মটা সহজ, ধাপগুলো নিজে পড়ুন, বিশেষ করে শেষ ধাপ থেকে উত্তরে যাওয়ার লাফটা।
কঠিন পরীক্ষায় ভালো নম্বর পেলে কি ধরে নিব সে কাজটা পারবে? না। পরীক্ষার প্রশ্ন গোছানো, সীমিত আর একবারের। বাস্তব কাজ এলোমেলো, লম্বা আর দায়িত্বসহ। তার উপর অনেক পরীক্ষার প্রশ্ন ইন্টারনেটেই থাকে, আর Training-ও সেখান থেকেই হয়েছে। নম্বরের খবর দেখলে জিজ্ঞেস করবেন, পরীক্ষাটা কে বানিয়েছে, কবে বানিয়েছে, আর সেটা বাস্তব কাজের কতটা কাছাকাছি।
AI কি নিজেকে বাঁচাতে চাইবে বা মানুষের ক্ষতি করতে চাইবে? আজকের সিস্টেমের নিজের চাওয়া বলে কিছু আছে, এমন প্রমাণ নেই। তবে ক্ষতি হওয়ার জন্য চাওয়ার দরকারও নেই। ভুল তথ্য, নকল কণ্ঠ, ভুয়া ছবি, এসব দিয়ে ক্ষতি এখনই হচ্ছে, আর সেটা করছে মানুষ। সিনেমার ভয়টা যত বড়, আজকের আসল ঝুঁকিটা তার চেয়ে ছোট কিন্তু অনেক কাছের।
AGI এলে কি সব চাকরি চলে যাবে? প্রথমত AGI আসবে কিনা এবং কবে, সেটাই কেউ জানে না। দ্বিতীয়ত প্রযুক্তি এলেই সাথে সাথে সব বদলায় না, কারণ প্রতিষ্ঠান, আইন, অভ্যাস, অবকাঠামো ধীরে বদলায়। যাঁরা কনফার্ম করে সর্বনাশের তারিখ বলেন আর যাঁরা কনফার্ম করে বলেন কিছুই হবে না, দুই দলকেই একই সন্দেহে দেখবেন।
তাহলে AI নিয়ে এত হইচই কি মিথ্যা? না। জিনিসটা সত্যিই কাজের, এবং অনেক মানুষের কাজের ধরন সত্যিই বদলে দিচ্ছে। হইচইটা মিথ্যা নয়, বাড়াবাড়িটা মিথ্যা। কাজের জিনিস আর অলৌকিক জিনিস, এই দুটোর মাঝখানে একটা বড় ফাঁক আছে, আর আজকের AI ওই ফাঁকের ভেতরে আছে।
সংক্ষেপে
- আজকের AI মানুষের মতো চিন্তা করে না, এটি শেখা প্যাটার্ন ধরে পরের শব্দ অনুমান করে তৈরি হওয়া একটা সিস্টেম, যার ভেতরে কোনো ডেটাবেস বা জমা রাখা ওয়েবপেজ নেই।
- তবে শুধু অটোকমপ্লিট বলাও ভুল, কারণ কেউ শেখায়নি এমন কাজও এটি পারে, যেমন অনুবাদ আর Prompt-এর উদাহরণ দেখে ধরন ধরে ফেলা।
- বোঝা শব্দটার চারটা মানে আছে, আর এটি প্রথম দুটোতে ভালো কিন্তু নিজের ভুল ধরা ও কারণ ব্যাখ্যা করায় দুর্বল, তাই দুই দিকের নিশ্চিত দাবিই বাড়াবাড়ি।
- আপত্তি করলেই মত বদলে ফেলা, আত্মবিশ্বাসে ভুল বলা আর যুক্তির ধাপ লিখে দেখানো, এই আচরণগুলো চিন্তার মতো দেখায় কিন্তু চিন্তার প্রমাণ নয়।
- AGI-র একক কোনো সংজ্ঞা নেই, কবে আসবে বা আদৌ আসবে কিনা কেউ জানে না, তাই নির্দিষ্ট সাল বলা ভবিষ্যদ্বাণীকে তথ্য নয়, মতামত ধরবেন।
- ব্যবহারিক নিয়ম একটাই, AI-কে দক্ষ কিন্তু অনির্ভরযোগ্য সহকারী ধরুন, আর দাম, তারিখ, আইন ও স্বাস্থ্যের তথ্য সবসময় নিজে ভেরিফাই করুন।