চ্যাটবট থেকে 'ডিজিটাল সহকর্মী'
টেনসেন্টের ইউটু ল্যাব এবং বেশ কয়েকটি চীনা বিশ্ববিদ্যালয়ের একটি নতুন জরিপ পত্র কৃত্রিম বুদ্ধিমত্তার পরবর্তী পর্যায় সম্পর্কে একটি স্পষ্ট যুক্তি উপস্থাপন করেছে: ভালো উত্তর যথেষ্ট নয়। গবেষকরা বলছেন, এআই সিস্টেম যদি প্রকৃত সহকর্মী হিসেবে কাজ করতে হয়, তবে তাদের প্রতিক্রিয়া তৈরি করার বাইরে গিয়ে স্থায়ী কাজের পরিবেশের মধ্যে সম্পূর্ণ কাজ নির্ভরযোগ্যভাবে সম্পন্ন করতে হবে।
২৮ জুন দ্য ডিকোডারের একটি প্রতিবেদনে বর্ণিত এই পরিবর্তন, এআই উন্নয়নের কেন্দ্রীয় প্রশ্নগুলির একটি পুনর্নির্মাণ করে। সমস্যাটি আর কেবল একটি মডেল আরও সাবলীল বা আরও নির্ভুল উত্তর দিতে পারে কিনা তা নয়। বরং মডেলটি ব্যবহারকারীর উদ্দেশ্য গ্রহণ করতে, সরঞ্জাম এবং ফাইলের সাথে যোগাযোগ করতে, অপ্রত্যাশিত অবস্থার সাথে খাপ খাইয়ে নিতে এবং কাজটি আসলে শেষ না হওয়া পর্যন্ত চালিয়ে যেতে পারে কিনা তা নিয়ে।
পত্রের ভাষায়, গন্তব্য হল একটি 'ডিজিটাল সহকর্মী' একটি চ্যাটবটের পরিবর্তে। প্রথম পড়ায় এটি ব্র্যান্ডিং ভাষার মতো শোনায়, তবে অন্তর্নিহিত পার্থক্যটি ব্যবহারিক। একটি চ্যাটবট উত্তর দেয়। একজন সহকর্মী কার্য সম্পাদন করে।
এক-শট বুদ্ধিমত্তার সীমা
জরিপটি বৃহৎ ভাষা মডেলের বিবর্তন একাধিক ধাপে চিহ্নিত করে। প্রাথমিক পর্যায়ে, সিস্টেমগুলি মূলত পরবর্তী সম্ভাব্য টোকেন পূর্বাভাস দিয়ে দ্রুত পাঠ্য তৈরি করত। তাদের ক্ষমতা মূলত মডেল প্যারামিটারে সংকুচিত প্যাটার্ন এবং তথ্যের উপর নির্ভর করত। এটি তাদের খসড়া তৈরি, সারসংক্ষেপ এবং সাধারণ প্রশ্নের উত্তর দেওয়ার জন্য উপযোগী করেছিল, তবে এটি স্পষ্ট সীমাও আরোপ করেছিল।
দ্য ডিকোডারের পত্রের সারসংক্ষেপ অনুসারে, সেই সিস্টেমগুলি সাধারণত সমাধানের জন্য ব্যাপকভাবে অনুসন্ধান করত না, মধ্যবর্তী পদক্ষেপগুলি যাচাই করত না, বা সমস্যা সমাধানের সময় একটি টেকসই অবস্থার ধারণা বজায় রাখত না। তারা এক পাসে আউটপুট তৈরি করত, এবং এর অর্থ ছিল যে তাদের নির্ভরযোগ্যতা প্রায়শই ভেঙে পড়ত যখন একটি কাজের জন্য একাধিক নির্ভরশীল ক্রিয়া বা সময় জুড়ে যাচাইকরণের প্রয়োজন হত।
গবেষকরা একটি পরবর্তী 'চিন্তাশীল এলএলএম' পর্যায় বর্ণনা করেন যেখানে মডেলগুলি অনুমানের সময় আরও কম্পিউট ব্যয় করে সমাধানের পথ অন্বেষণ করতে, মধ্যবর্তী যুক্তি পরীক্ষা করতে এবং ভুল সংশোধন করতে। প্রতিবেদনটি এই পর্যায়টিকে ওপেনএআই-এর o1 এবং ডিপসিক-আর১-এর মতো সিস্টেমের সাথে যুক্ত করে, যা দ্রুত, স্বজ্ঞাত আচরণ থেকে ধীর, আরও ইচ্ছাকৃত যুক্তির দিকে অগ্রসর হওয়ার কাঠামো তৈরি করে।
সেই পরিবর্তন গুরুত্বপূর্ণ, তবে পত্রটি যুক্তি দেয় যে এটি এখনও যথেষ্ট নয়। উন্নত যুক্তি উত্তরের গুণমান উন্নত করে। এটি স্বয়ংক্রিয়ভাবে একটি নির্ভরযোগ্য এজেন্ট তৈরি করে না যা একটি বাস্তব কর্মপ্রবাহের মধ্যে কাজ করতে পারে।
কেন এজেন্টরা এখনও ভেঙে যায়
জরিপটি প্রথম প্রজন্মের এআই এজেন্টগুলিতে চারটি কাঠামোগত দুর্বলতা চিহ্নিত করে। দ্য ডিকোডার দ্বারা সংক্ষিপ্ত হিসাবে, সেই এজেন্টগুলি তাদের পরিবেশ কেবল খণ্ডিতভাবে উপলব্ধি করে, টুল কল জুড়ে স্থায়ী অবস্থা সংরক্ষণ করতে ব্যর্থ হয়, যখন কিছু অপ্রত্যাশিত ঘটে তখন ভেঙে যায় এবং প্রায়শই কাজ শেষ করে না।
এই সমস্যাগুলি যে কেউ কোডিং, গবেষণা, ফাইল অপারেশন বা প্রশাসনিক কাজের জন্য একটি এলএলএমকে স্বায়ত্তশাসিত সহায়ক হিসাবে ব্যবহার করার চেষ্টা করেছেন তাদের কাছে পরিচিত। একটি মডেল একটি এপিআই আহ্বান করতে পারে, একটি ব্রাউজার খুলতে পারে বা কোড লিখতে পারে, তবুও স্থবির হয়ে পড়ে কারণ এটি কী পরিবর্তিত হয়েছে তা ট্র্যাক হারায়, একটি ছোট ত্রুটি থেকে পুনরুদ্ধার করতে পারে না, বা একটি স্থিতিশীল কর্মক্ষেত্রের অভাব থাকে যেখানে পূর্ববর্তী ক্রিয়াগুলি উপলব্ধ থাকে।
পত্রের উত্তরটি জ্ঞানীয় মতোই পরিবেশগত। এটি স্থায়ী, সুরক্ষিত কর্মক্ষেত্রের দিকে নির্দেশ করে যেখানে ফাইল, সেশন, লগ, অনুমতি, ব্রাউজার অবস্থা এবং পুনর্ব্যবহারযোগ্য দক্ষতা পুরো কাজ জুড়ে উপলব্ধ থাকে। সেই সেটআপে, মডেলটি কেবল বিচ্ছিন্ন টুল কল তৈরি করছে না। এটি প্রসঙ্গের ধারাবাহিকতার মধ্যে কাজ করছে।
পুনর্ব্যবহারযোগ্য দক্ষতার ভূমিকা
পত্রের সবচেয়ে শক্তিশালী ধারণাগুলির মধ্যে একটি হল যে নির্ভরযোগ্য এআই সহকর্মীদের দিকে অগ্রগতি পুনর্ব্যবহারযোগ্য 'দক্ষতার' উপর নির্ভর করে। দ্য ডিকোডার এটিকে উদ্দেশ্যকে সম্পন্ন কাজে পরিণত করার জন্য একটি মূল প্রয়োজনীয়তা হিসাবে উপস্থাপন করে। দক্ষতা, এই কাঠামোতে, অস্পষ্ট প্রতিভা নয় বরং পোর্টেবল কাজের পদ্ধতি যা সিস্টেম একটি স্থিতিশীল পরিবেশের মধ্যে বারবার প্রয়োগ করতে পারে।
এই জোর দেওয়া উল্লেখযোগ্য কারণ এটি এআই উপযোগিতার মানদণ্ড পরিবর্তন করে। শিল্প প্রায়শই চিত্তাকর্ষক একক-শট পারফরম্যান্সকে পুরস্কৃত করেছে: একটি ভাল সারসংক্ষেপ, একটি তীক্ষ্ণ উত্তর, কোডের আরও পরিমার্জিত ব্লক। জরিপটি যুক্তি দেয় যে প্রকৃত উপযোগিতা অন্যত্র রয়েছে। মূল্যবান সিস্টেমটি হল সেইটি যা ধারাবাহিকতার সাথে বারবার ক্রিয়াগুলির একটি ক্রম সম্পাদন করতে পারে যাতে বিশ্বাস করা যায়।
স্থায়ী পরিবেশগুলি সেই দক্ষতাগুলি সম্ভব করে তোলে। যদি ফাইল, লগ, অনুমতি এবং কাজের প্রসঙ্গ প্রতিটি ক্রিয়ার পরে অদৃশ্য হয়ে যায়, তবে মডেলটিকে বারবার বিশ্ব পুনর্গঠন করতে হয়। যদি সেই অবস্থা স্থায়ী হয়, তবে সিস্টেম রুটিন তৈরি করতে পারে, ফলাফল যাচাই করতে পারে এবং স্ক্র্যাচ থেকে পুনরায় শুরু না করেই ব্যর্থতা থেকে পুনরুদ্ধার করতে পারে।
এআই অগ্রগতি কীভাবে পরিমাপ করা হয় তার পরিবর্তন
প্রতিবেদনটি পরামর্শ দেয় যে এটি এআই মূল্যায়নে একটি গভীর পরিবর্তন চিহ্নিত করে। পুরানো চ্যাটবট দৃষ্টান্তের অধীনে, অগ্রগতি উত্তর গুণমান দ্বারা পরিমাপ করা যেতে পারে: সাবলীলতা, সত্যতা, কোডিং নির্ভুলতা বা বিচ্ছিন্ন সমস্যার বেঞ্চমার্ক স্কোর। 'ডিজিটাল সহকর্মী' দৃষ্টান্তের অধীনে, সাফল্য সম্পন্ন কাজের বিরুদ্ধে পরিমাপ করতে হবে।
এটি একটি কঠিন মান। সম্পন্ন কাজের জন্য মডেলটিকে লক্ষ্য বুঝতে, সরঞ্জাম নির্বাচন করতে, অবস্থা বজায় রাখতে, ত্রুটি সনাক্ত করতে, আউটপুট যাচাই করতে এবং শুধুমাত্র যখন সমাপ্তির মানদণ্ড পূরণ হয় তখন থামতে হয়। এর জন্য বিশৃঙ্খল, বাস্তব-বিশ্বের অবস্থার মধ্যে কিছু মাত্রার দৃঢ়তাও প্রয়োজন যেখানে পরিবেশ মডেলের পায়ের নীচে পরিবর্তিত হতে পারে।
জরিপটি ওপেনহ্যান্ডস এবং এসডব্লিউই-এজেন্টের মতো সিস্টেমগুলিকে এই নতুন যুগের সাথে সংযুক্ত উদাহরণ হিসাবে উদ্ধৃত করেছে বলে জানা গেছে, যা দ্য ডিকোডার 'ওপেনক্লো যুগ' বলে অভিহিত করে। নামকরণটি স্থাপত্যিক বিন্দুর চেয়ে কম গুরুত্বপূর্ণ: এআই সিস্টেমগুলি আরও সক্ষম হয়ে ওঠে যখন সেগুলি বিচ্ছিন্ন পাঠ্য প্রজন্মের পরিবর্তে টেকসই সম্পাদনের জন্য ডিজাইন করা পরিবেশে এম্বেড করা হয়।
কেন এটি এখন গুরুত্বপূর্ণ
পত্রটি একটি বৃহত্তর শিল্প পরিবর্তনের মাঝখানে আসে। এআই কোম্পানিগুলি মডেলগুলির যুক্তি এবং মাল্টিমোডাল ক্ষমতা উন্নত করতে থাকে, তবে এন্টারপ্রাইজ ক্রেতা এবং প্রযুক্তিগত দলগুলি ক্রমবর্ধমানভাবে সংকীর্ণ কর্মপ্রবাহে শ্রম প্রতিস্থাপনের বিষয়ে যত্নশীল: সিস্টেমটি কি একটি টিকিট সমাধান করতে পারে, একটি কোডবেস আপডেট করতে পারে, নথি সংগ্রহ করতে পারে, চেক চালাতে পারে এবং ধ্রুব তত্ত্বাবধান ছাড়াই একটি যাচাইযোগ্য ফলাফল তৈরি করতে পারে?
জরিপের উত্তর হল যে এটি কেবল একই চ্যাটবট প্যাটার্ন স্কেল করে ঘটবে না। উত্তর দেওয়ার সময় আরও বুদ্ধিমত্তা সাহায্য করে, তবে এটি স্থায়ী প্রসঙ্গ, টেকসই অবস্থা, টুল গ্রাউন্ডিং এবং পুনর্ব্যবহারযোগ্য নির্বাহ প্যাটার্নের প্রয়োজনীয়তা দূর করে না।
সেই অবস্থানটি আরও স্পষ্ট করে কেন কিছু ডেমো তারা প্রতিনিধিত্ব করার উদ্দেশ্যে পণ্যের চেয়ে বেশি চিত্তাকর্ষক মনে হয়। একটি মডেল অত্যন্ত সক্ষম দেখাতে পারে যখন একটি একক পালিশ প্রম্পট সমাধান করতে দেখানো হয়। এটি অনেক কম বিশ্বাসযোগ্য হয়ে ওঠে যখন বাধা, অস্পষ্টতা এবং যাচাইয়ের প্রয়োজন সহ একটি সম্পূর্ণ কাজের প্রক্রিয়া নেভিগেট করতে বলা হয়।
ব্যবহারিক গ্রহণযোগ্যতা
জরিপের সবচেয়ে দরকারী অবদান ধারণাগত শৃঙ্খলা হতে পারে। এটি একটি সমস্যার ভাষা দেয় যা অনেক ব্যবহারকারী ইতিমধ্যে দেখেন: এআই প্রায়শই একটি উজ্জ্বল উত্তরদাতা এবং একটি অবিশ্বস্ত সমাপ্তিকারী হিসাবে কাজ করে। উত্তর প্রজন্মকে কাজ সমাপ্তি থেকে পৃথক করে, পত্রটি বিকাশকারীদের সেই ব্যবধান বন্ধ করার জন্য গুরুত্বপূর্ণ অবকাঠামো এবং পণ্য নকশা পছন্দগুলির দিকে নির্দেশ করে।
যদি গবেষকরা সঠিক হন, তবে এআই-এর পরবর্তী বড় লাফ কেবল স্মার্ট মডেল দ্বারা সংজ্ঞায়িত হবে না। এটি সিস্টেম দ্বারা সংজ্ঞায়িত হবে যা নির্দেশাবলীকে সম্পন্ন কাজে পরিণত করার জন্য যথেষ্ট দীর্ঘস্থায়ী, কাজ করতে, মনে রাখতে এবং যাচাই করতে পারে। অন্য কথায়, ভবিষ্যতের সহকর্মীকে একজন সহকর্মীর মতো কথা বলার চেয়ে আরও বেশি কিছু করতে হবে।
এই নিবন্ধটি দ্য ডিকোডারের প্রতিবেদনের উপর ভিত্তি করে তৈরি। মূল নিবন্ধটি পড়ুন।
Originally published on the-decoder.com