মাইক্রোসফট ও ইলিনয় স্টুডেন্টসিম তৈরি করেছে এআই টিউটর দ্রুত প্রশিক্ষণের জন্য

টিউটরিং কৌশল পরীক্ষার সস্তা উপায়

অ্যাডাপটিভ এআই টিউটররা ততটাই ভালো, যতটা ভালো তাদের গঠনে ব্যবহৃত প্রতিক্রিয়া। কোনো ব্যাখ্যা কোন সংগ্রামরত শিক্ষার্থীকে উদ্ধার করে আর কোনটি তাকে আটকে রাখে, গবেষকরা তা দেখতে পারলে টিউটর উন্নত হয়। এই চক্র সাধারণত বাস্তব মানুষ প্রয়োজন: শিক্ষার্থীরা সমস্যা সমাধান করে, ভুল করে, ইঙ্গিত পায়, তারপর হয় নিজেদের সংশোধন করে বা আবার ব্যর্থ হয়। বড় পরিসরে এমন চক্র চালানো ব্যয়বহুল, এবং স্টুডেন্টসিমের পেছনের গবেষকরা যুক্তি দেন যে এই ব্যয়ই টিউটরিং সিস্টেমগুলোকে পিছিয়ে রাখার প্রধান বাধা হয়ে দাঁড়িয়েছে।

তাদের সমাধান হলো শিক্ষার্থীদের সিমুলেট করা। মাইক্রোসফট ও ইলিনয় বিশ্ববিদ্যালয়ের যৌথ উদ্যোগ স্টুডেন্টসিম একটি গবেষণার প্রতিটি শিক্ষার্থীর জন্য একটি আলাদা ডিজিটাল প্রতিরূপ তৈরি করে, তারপর টিউটর টিউন করার সময় সেই প্রতিরূপগুলোকে বাস্তবের 대신 세운다। যেহেতু প্রতিরূপগুলো তাৎক্ষণিক সাড়া দেয় এবং চালাতে প্রায় কিছুই খরচ হয় না, গবেষকরা শ্রেণিকক্ষের গবেষণায় যতটা সম্ভব হতো তার চেয়ে অনেক বেশি টিউটরিং কৌশল পরীক্ষা করতে পারেন। 논문ের লেখকরা লক্ষ্যকে বর্ণনা করেন এআই টিউটরদের জন্য একটি দ্রুত, কম খরচের প্রতিক্রিয়া চ্যানেল দেওয়া হিসেবে, যা বর্তমানে তারা যে ধীর ও ব্যয়বহুল চ্যানেলের উপর নির্ভর করে তার 대신।

দুটি দক্ষতা যা কখনো একত্রিত হয়নি

গবেষকরা যুক্তি দেন যে শিক্ষার্থী মডেলিংয়ের আগের প্রচেষ্টাগুলো সমস্যার অর্ধেক만 সমাধান করেছিল। তাদের বিশ্লেষণ অনুসারে, বিদ্যমান সিস্টেমগুলো সাধারণত দুটি শিবিরের একটিতে পড়ে, এবং প্রতিটি শিবিরে একটি অপরিহার্য কিছু অনুপস্থিত।

• আচরণগত প্রতিরূপ: এই মডেলগুলো বাস্তব শিক্ষার্থীর ডেটায় প্রশিক্ষিত এবং একটি নির্দিষ্ট শিক্ষার্থীর উত্তর যুক্তিসঙ্গত নির্ভুলতায় পুনরুৎপাদন করে, সেই শিক্ষার্থীর সাধারণত করা ভুলসহ। যা তারা করতে পারে না তা হলো টিউটরের ব্যাখ্যায় সাড়া দেওয়া।
• প্রম্পটেড ভাষা মডেল: এগুলো সাধারণ উদ্দেশ্যের মডেল যাদের শিক্ষার্থীর মতো আচরণ করার নির্দেশ দেওয়া হয়। তারা সানন্দে ইঙ্গিত অনুসরণ করে এবং সংকেতে উত্তর সংশোধন করে, কিন্তু তারা যে শিক্ষার্থীর প্রতিনিধিত্ব করার কথা তারা সত্যিকারভাবে তার মতো নয়।

একটি এআই টিউটরের একই সাথে উভয় বৈশিষ্ট্য প্রয়োজন। এটির একটি বাস্তবসম্মত সূচনা বিন্দু প্রয়োজন, অর্থাৎ এমন একটি প্রতিরূপ যা বাস্তব শিক্ষার্থী যে কারণে ভুল করবে সেই একই কারণে একই সমস্যাগুলো ভুল করে। এটির সেই প্রতিরূপের সাহায্য এলে মন পরিবর্তন করাও প্রয়োজন। যে শিক্ষার্থী কখনো উন্নতি করে না সে দেখাতে পারে না কোনো ইঙ্গিত কাজ করেছে কি না, আর যে শিক্ষার্থী ভুল কারণে উন্নতি করে সে বিভ্রান্তিকর প্রমাণ তৈরি করে।

উভয় বৈশিষ্ট্যকে পরিমাপযোগ্য লক্ষ্যে রূপান্তর

স্টুডেন্টসিম প্রতিটি বৈশিষ্ট্যকে অস্পষ্ট আকাঙ্ক্ষা নয় বরং অপ্টিমাইজ করার একটি স্কোর হিসেবে বিবেচনা করে। একটি পরিমাপ ধরে একটি প্রতিরূপের উত্তর বাস্তব শিক্ষার্থীর সাথে কতটা মেলে, ভুলসহ। দ্বিতীয় পরিমাপ ধরে টিউটর হস্তক্ষেপের পর প্রতিরূপ কতটা সহজে উত্তর সংশোধন করে। একসাথে, দুটি মেট্রিক সংজ্ঞায়িত করে একটি সিমুলেটেড শিক্ষার্থীর টিউটর প্রশিক্ষণের জন্য উপযোগী হওয়ার অর্থ কী, কেবল কথোপকথনে বিশ্বাসযোগ্য হওয়া নয়।

বাধা: প্রতি শিক্ষার্থীতে প্রায় কোনো ডেটা নেই

দলটির মুখোমুখি হওয়া কঠিনতম সীমাবদ্ধতা হলো ঘাটতি। তাদের ইংরেজি লেখার ডেটাসেট সমস্যাটি স্পষ্টভাবে দেখায়: মধ্যম শিক্ষার্থী মাত্র তিনটি প্রবন্ধ লিখেছিল, এবং দুই-তৃতীয়াংশেরও বেশি শিক্ষার্থী পাঁচটি বা তার কম লিখেছিল। এত ছোট নমুনায় সরাসরি একটি প্রতিরূপ ফিট করা কাজ করে না। এত কম উদাহরণ নিয়ে, মডেল লেখক সম্পর্কে সাধারণ কিছু শেখার বদলে সামনে থাকা নির্দিষ্ট প্রবন্ধগুলো মুখস্থ করে ফেলে, এই ব্যর্থতার ধরনটিকে গবেষকরা ওভারফিটিং বলে বর্ণনা করেন।

এতে একটি দ্বিধা থেকে যায়। একজন শিক্ষার্থীর অল্প কয়েকটি জমা দেওয়ার উপর প্রশিক্ষিত একটি মডেল বিশ্বাস করার জন্য খুবই ভঙ্গুর, তবুও একটি নির্ভরযোগ্য প্রতিরূপ প্রশিক্ষণের জন্য প্রতিটি ব্যক্তির কাছ থেকে যথেষ্ট কাজ সংগ্রহ করার অর্থ হলো সেই ডেটাই সংগ্রহ করা যা এড়ানোর জন্য সিস্টেমটি ডিজাইন করা হয়েছে। অন্য কথায়, ঘাটতির সমস্যাটি কেবল আরও শিক্ষার্থী জমা চেয়ে সমাধান করা যায় না।

দুই-পর্যায়ের প্রশিক্ষণ সীমিত ডেটাকে আরও দূরে টানে

প্রথম পর্যায়: শিক্ষার্থীরা কী ভাগ করে তা শেখা

প্রথম পর্যায়ে পুলিংয়ের মাধ্যমে ঘাটতি এড়ানো হয়। একটি বেস মডেল একটি বিষয়ের প্রতিটি শিক্ষার্থীর সম্মিলিত কাজে প্রশিক্ষিত হয়, গোষ্ঠী জুড়ে বিদ্যমান নিদর্শন শেখে: শিক্ষার্থীরা সাধারণত যে ভুলগুলো করে, এবং টিউটর ইঙ্গিত দেওয়ার পর তারা যে উপায়ে উত্তর সংশোধন করে। এই পর্যায়ে সেই ডোমেইনের মধ্যে শেখা কেমন দেখায় সে সম্পর্কে সাধারণ জ্ঞান সরবরাহ করে।

দ্বিতীয় পর্যায়: ব্যক্তির সাথে খাপ খাওয়ানো

দ্বিতীয় পর্যায়ে ব্যক্তিগতকরণ করা হয়। পুল করা বেস থেকে শুরু করে, সিস্টেমটি একজন শিক্ষার্থীর পিছনে রেখে যাওয়া যত অল্প রেকর্ড থাকে তা ব্যবহার করে তার সাথে খাপ খায়, উদাহরণস্বরূপ তিনটি প্রবন্ধ। যেহেতু মডেল ইতিমধ্যে বিষয়টি ব্যাপকভাবে বোঝে, ব্যক্তিগত ডেটাকে কেবল একটি নির্দিষ্ট শিক্ষার্থীর প্রবণতার দিকে এটিকে ঠেলে দিতে হয়, শুরু থেকে সবকিছু শেখানোর বদলে।

ফলাফল হলো এমন একটি প্রতিরূপ যা একটি ডেটাসেটের প্রায় প্রতিটি শিক্ষার্থীর জন্য তৈরি করা যায়, কেবল সেই উৎপাদনশীলদের জন্য নয় যারা নিজেরাই একটি মডেল প্রশিক্ষণের জন্য যথেষ্ট কাজ জমা দিয়েছে। মূল্যায়ন গবেষণার জন্য এটি অত্যন্ত গুরুত্বপূর্ণ। যে সিস্টেম কেবল একটি শ্রেণির সবচেয়ে সক্রিয় তৃতীয়াংশকে মডেল করবে তা শিক্ষার্থীদের সম্পূর্ণ পরিসরে একজন টিউটর কেমন পারফর্ম করে তার একটি বিকৃত চিত্র দেবে।

দাবা ও লেখার মধ্যে পরীক্ষা

গবেষকরা দাবা ও ইংরেজি লেখাসহ একাধিক বিষয়ে ৬০ জন শিক্ষার্থীর উপর পদ্ধতিটি যাচাই করেছেন। দুটি ডোমেইন সিস্টেমের উপর ভিন্নভাবে চাপ দেয়। দাবা চাল-বাই-চাল রেকর্ড দেয় স্পষ্ট সঠিক ও ভুল উত্তরসহ, অন্যদিকে লেখা যুক্তি, গঠন ও সংশোধন সম্পর্কে বিচার দাবি করে। সেই সেটিংস জুড়ে লক্ষ্য ছিল দেখানো যে প্রতিরূপগুলো একটি শিক্ষার্থীর সাধারণ ভুল নকল করতে পারে এবং সেই শিক্ষার্থী যেভাবে করবে সেভাবে নির্দেশনায় সাড়া দিতে পারে।

প্রশিক্ষণ চক্রের জন্য উভয় প্রয়োজনীয়তা অপরিহার্য। যদি একটি প্রতিরূপ কেবল বিশ্বস্তভাবে ভুল পুনরুৎপাদন করে কিন্তু ইঙ্গিত উপেক্ষা করে, টিউটর তার ব্যাখ্যা সাহায্য করেছে কি না সে সম্পর্কে কোনো সংকেত পায় না। যদি এটি প্রতিটি ইঙ্গিতে উৎসাহের সাথে সাড়া দেয় কিন্তু কখনো প্রকৃত শিক্ষার্থীর মতো না হয়, ফলস্বরূপ পরিমাপগুলো মোতায়েন করা টিউটর শেষ পর্যন্ত যে শিক্ষার্থীদের সাথে দেখা করবে তাদের সম্পর্কে কিছুই বলে না।

একটি গবেষণাপত্রের বাইরে কেন এটি গুরুত্বপূর্ণ

প্রতিটি শিক্ষার্থীর দুর্বলতার সাথে খাপ খাওয়ানো শিক্ষার প্রতিশ্রুতিতে এআই টিউটরিং ভারী বিনিয়োগ আকর্ষণ করেছে, কিন্তু ব্যক্তিগতকরণ নির্ভর করে কার জন্য কী কাজ করে সে সম্পর্কে প্রমাণের উপর। যদি প্রমাণের পাইপলাইন শিক্ষার্থী নিয়োগের ব্যয়ে বাধাগ্রস্ত হয়, তাহলে অগ্রগতি বাজেট দ্বারা রেশন করা হয়। সিমুলেটেড শিক্ষার্থীরা বড় ভাষা মডেলের দ্রুত অগ্রসরমান সক্ষমতা এবং তাদের উপরে নির্মিত ধীরগতির টিউটরিং সিস্টেমের মধ্যে ব্যবধান বন্ধ করার একটি উপায় দেয়।

• টিউটরিং কৌশলগুলো অনেক দ্রুত তুলনা করা যায়, কারণ প্রতিরূপগুলো সপ্তাহের বদলে সেকেন্ডে প্রতিক্রিয়া তৈরি করে।
• গবেষকরা এমন পরীক্ষা চালাতে পারেন যা বাস্তব শিক্ষার্থীদের সাথে অপ্রায়োগিক বা নৈতিকভাবে জটিল হবে।
• অস্বাভাবিক শিক্ষার্থীরা, যাদের অপ্রচলিত ভুলের ধরন বা খুব কম রেকর্ডকৃত কাজ রয়েছে, তারা অদৃশ্য না থেকে পরীক্ষাযোগ্য হয়ে ওঠে।
• মূল্যায়ন একটি সম্পূর্ণ শ্রেণিকক্ষ জুড়ে হতে পারে, কেবল সেই মুষ্টিমেয় শিক্ষার্থীদের নয় যারা সবচেয়ে বেশি কাজ জমা দেয়।

নকশায় অন্তর্নিহিত সীমাবদ্ধতা রয়েছে। প্রতিরূপগুলো পুল করা ডেটায় বিদ্যমান যেকোনো ঘাটতি ও পক্ষপাত উত্তরাধিকারসূত্রে পায়, এবং একটি সিমুলেটেড শিক্ষার্থী কেবল তার আকার দেওয়ার জন্য ব্যবহৃত রেকর্ডের মতোই বিশ্বস্ত হতে পারে। তিনটি প্রবন্ধ দ্বারা প্রতিনিধিত্ব করা একটি শিক্ষার্থী এখনও তিনটি প্রবন্ধ দ্বারাই প্রতিনিধিত্ব করা হয়, মডেলটি যতই চতুরভাবে খাপ খাওয়ানো হোক না কেন।

গবেষণাপত্রের নিজস্ব ফ্রেমিং ক্ষেত্রের জন্য পরবর্তী প্রশ্নের ইঙ্গিত দেয়: সিমুলেটেড শিক্ষার্থীদের বিপরীতে পরিমাপ করা উন্নতিগুলো সেই শিক্ষার্থীরা যে শ্রেণিকক্ষগুলোর প্রতিনিধিত্ব করার কথা সেখানে স্থানান্তরিত হয় তা প্রমাণ করা। সেই স্থানান্তর প্রদর্শিত না হওয়া পর্যন্ত, স্টুডেন্টসিমকে আরও ভালো টিউটরিংয়ের সন্ধান ত্বরান্বিত করার একটি উপায় হিসেবে বোঝা ভালো, যে শিক্ষার্থীদের আচরণ এটি অনুকরণ করে তাদের প্রতিস্থাপন হিসেবে নয়।

এই নিবন্ধটি The Decoder-এর প্রতিবেদনের উপর ভিত্তি করে। মূল নিবন্ধ পড়ুন।