কাস্টম নির্দেশনা ও মেমোরির মাধ্যমে ChatGPT-কে আরও ব্যক্তিগত করতে এগোচ্ছে OpenAI

OpenAI-র বার্তা সহজ: ChatGPT-কে একজন সহযোগী হিসেবে দেখুন

ChatGPT থেকে আরও প্রাসঙ্গিক ফল পাওয়ার একটি ব্যবহারিক উপায় হিসেবে OpenAI ব্যক্তিগতকরণের ওপর নতুন করে জোর দিচ্ছে। একটি নতুন Academy গাইডে কোম্পানিটি বলছে, ব্যবহারকারীরা এটিকে search box-এর চেয়ে সহযোগী হিসেবে দেখলে, এবং ভূমিকা, পছন্দের tone, output format ও পুনরাবৃত্ত চাহিদা সম্পর্কে স্থিতিশীল context দিলে এই সিস্টেম সবচেয়ে ভালো কাজ করে।

গাইডটি বিদ্যমান দুটি personalization tool-এর ওপর কেন্দ্রীভূত: custom instructions এবং memory। একসাথে এগুলো OpenAI-র বর্তমান উত্তর, সেই সাধারণ অভিযোগের প্রতি যা general-purpose AI assistant-দের নিয়ে শোনা যায়: এগুলো একটি কথোপকথনে উপকারী হতে পারে, কিন্তু বারবার কাজের ক্ষেত্রে অসংগত হয়ে পড়ে যদি ব্যবহারকারীরা পছন্দগুলো বারবার না বলেন।

Custom instructions ডিফল্ট কাজের ধরন নির্ধারণ করে

OpenAI custom instructions-কে এমন জায়গা হিসেবে বর্ণনা করে যেখানে ব্যবহারকারীরা ChatGPT-কে তাদের সম্পর্কে কী জানতে হবে এবং নতুন কথোপকথনে কীভাবে সাড়া দিতে হবে তা নির্ধারণ করেন। এর উদাহরণগুলো ইচ্ছাকৃতভাবে প্রযুক্তিগত নয়, বরং বাস্তবমুখী। ব্যবহারকারীরা তাদের ভূমিকা ও দায়িত্ব উল্লেখ করতে পারেন, সংক্ষিপ্ত বা আনুষ্ঠানিক tone চাইতে পারেন, bullets বা copy-ready drafts-এর মতো নির্দিষ্ট output format অনুরোধ করতে পারেন, অথবা প্রয়োজন স্পষ্ট না হলে clarification question করতে বলতে পারেন।

কোম্পানির framing গুরুত্বপূর্ণ। এটি custom instructions-কে স্থিতিশীল পছন্দের জন্য ব্যবহার করতে বলে, অর্থাৎ এমন context যা এক conversation থেকে আরেকটিতে বদলায় না। এর মধ্যে profession, team function, writing style বা default structure থাকতে পারে। ধারণাটি হলো, বারবারের setup কাজকে আলাদা prompts থেকে সরিয়ে একটি স্থায়ী profile-এ নেওয়া।

ব্যবহারকারীদের জন্য এতে পুনরাবৃত্তি কমে। OpenAI-র জন্যও এটি ChatGPT-কে কম generic এবং বেশি dependable দেখানোর একটি উপায়, প্রতিটি use case-এর জন্য আলাদা specialized custom model লাগানো ছাড়াই।

Memory দীর্ঘমেয়াদি স্তর

Memory আলাদা ভূমিকা পালন করে। OpenAI বলছে, এটি ChatGPT-কে ব্যবহারকারীরা যে বিবরণ ভাগ করতে চান তা মনে রাখতে সাহায্য করে, যাতে ভবিষ্যৎ প্রতিক্রিয়া প্রতিবার নতুন ব্যাখ্যা ছাড়াই আরও মানানসই হতে পারে। কোম্পানির মতে, memory ব্যবহারকারী স্পষ্টভাবে অনুরোধ করা তথ্য সংরক্ষণ করতে পারে এবং, যদি enabled থাকে, সাম্প্রতিক conversation context ব্যবহার করে সময়ের সঙ্গে আরও সহায়কভাবে সাড়া দিতে পারে।

গাইডটি ব্যবহারকারীর নিয়ন্ত্রণের দিকটিও জোর দিয়ে বলে। মানুষ জিজ্ঞেস করতে পারে system কী মনে রেখেছে, কোনো নির্দিষ্ট তথ্য মনে রাখতে বলতে পারে, বা কোনো নির্দিষ্ট বিষয় ভুলে যেতে নির্দেশ দিতে পারে। OpenAI memory-কে সবচেয়ে উপযোগী হিসেবে দেখছে পুনরাবৃত্ত context-এর জন্য, যেমন ভূমিকা, সাধারণ project ও পছন্দ; পরে আর দরকার হবে না এমন এককালীন তথ্যের জন্য নয়।

এই পার্থক্য product design-এর কেন্দ্রে। Memory-কে এখন আগের কথোপকথনের passive surveillance-এর মতো নয়, বরং continuity-এর একটি managed layer হিসেবে উপস্থাপন করা হচ্ছে, যা ব্যবহারকারীরা দেখতে ও সম্পাদনা করতে পারেন। ব্যবহারকারীরা এটিকে পুরোপুরি বিশ্বাস করেন কি না, তা আলাদা প্রশ্ন, তবে সেটাই স্পষ্টভাবে intended operating model।

Product strategy হিসেবে personalization

Academy পোস্টটি কোনো বড় model launch নয়, তবে এটি দেখায় OpenAI কোথায় বাস্তব মূল্য সঞ্চিত হতে দেখছে। কোম্পানি ব্যবহারকারীদের উৎসাহিত করছে assistant-এর চারপাশে persistent context তৈরি করে ফল উন্নত করতে, কেবলমাত্র আলাদা chats-এর মধ্যে ক্রমাগত ভালো prompts দেওয়ার ওপর নির্ভর না করে।

এটি গুরুত্বপূর্ণ, কারণ এটি user experience-এর একটি অংশকে single-query performance থেকে দীর্ঘমেয়াদি usefulness-এর দিকে সরিয়ে দেয়। একটি chatbot যা format preference মনে রাখে, ব্যবহারকারীর ভূমিকা বোঝে এবং recurring workflow-এর সঙ্গে মানিয়ে নেয়, underlying model একই থাকলেও অনেক বেশি কার্যকর হয়ে উঠতে পারে।

গাইডটি personalization-কে structured reuse-এর সঙ্গেও যুক্ত করে। এতে বলা হয়েছে, যারা পুনরাবৃত্ত কাজ খুঁজে পান, তারা skills থেকে উপকার পেতে পারেন, যেগুলো OpenAI consistent process ও format-এর জন্য reusable workflow হিসেবে বর্ণনা করে। এতে custom instructions, memory ও skills এক ধারাবাহিকতায় আসে: আগে default style নির্ধারণ করুন, তারপর দরকারী recurring context ধরে রাখুন, তারপর repeated task-গুলো formalize করুন।

এখন কেন এটি গুরুত্বপূর্ণ

AI assistant-রা যত পরিপক্ব হচ্ছে, একবারের প্রশ্নের উত্তর দেওয়ার চেয়ে চলমান কাজে কতটা ভালোভাবে ফিট করতে পারে, সেটিই ক্রমশ পার্থক্য গড়ে দিচ্ছে। Personalization সেই পরিবর্তনের অংশ। এটি product-কে সাধারণ interface থেকে configurable teammate-এর কাছাকাছি কিছুতে পরিণত করতে সাহায্য করে।

OpenAI-র ভাষাই এই উচ্চাকাঙ্ক্ষা স্পষ্ট করে। কোম্পানি বলছে, ব্যবহারকারীরা যত বেশি context ও direction দেন, ChatGPT তত বেশি উপযোগী ও সঙ্গতিপূর্ণ হয়। এর মানে, mainstream AI adoption-এর পরের ধাপ হয়তো chatbot একবার চেষ্টা করাতে মানুষকে রাজি করানো নয়, বরং কীভাবে তাকে একটি স্থায়ী কাজের হাতিয়ারে রূপ দিতে হয় তা শেখানো।

ব্যবহারিক আকর্ষণ স্পষ্ট। একজন finance manager, teacher, software lead বা marketer প্রতিটি session-এ tone, structure ও recurring priority বারবার বলতে চান না। যদি custom instructions ও memory প্রতিশ্রুতি অনুযায়ী কাজ করে, তবে তা এই friction কমায় এবং সময়ের সঙ্গে system-কে আরও সুসংহত করে।

ছোট product lesson, বড় প্রভাব

বড় takeaway হলো, personalization আর পার্শ্বসুবিধা নয়। OpenAI এটি উন্নত output পাওয়ার একটি মূল অভ্যাস হিসেবে উপস্থাপন করছে। AI market-এর জন্য এটি গুরুত্বপূর্ণ সংকেত, কারণ এটি value-কে শুধু model intelligence নয়, continuity, preference retention ও workflow adaptation-এর দিক থেকেও দেখছে।

সংক্ষেপে, OpenAI ব্যবহারকারীদের বলছে যে ভালো AI ফলাফল শুধু ভালো প্রশ্ন করার মাধ্যমে নয়, assistant-কে কাজের জন্য একটি স্থিতিশীল context দেওয়ার মাধ্যমেও আসে। এই pattern যত বেশি সত্যি হবে, AI product-গুলিকে তত বেশি কেবল চাহিদামতো কী তৈরি করতে পারে তা নয়, বরং তারা কতটা ধারাবাহিক সহযোগীর মতো আচরণ করতে শেখে তা দিয়েও বিচার করা হবে।

এই নিবন্ধটি OpenAI reporting-এর ভিত্তিতে লেখা। মূল নিবন্ধ পড়ুন.