কেন ChatGPT-এর চীনা ক্যাচফ্রেজগুলো একটি সাংস্কৃতিক সমস্যায় পরিণত হচ্ছে

যখন একটি চ্যাটবটের প্রিয় বাক্যটাই খবর হয়ে যায়

ChatGPT-এর শৈলীগত অভ্যাস ইংরেজিতে পরিচিত হলেও, Wired-এর প্রতিবেদনে বলা হয়েছে, চীনা ব্যবহারকারীদেরও পুনরাবৃত্ত কিছু বাক্যাংশ আছে, যেগুলো তাদের কাছে ঠিক ততটাই বিরক্তিকর। সবচেয়ে উল্লেখযোগ্য উদাহরণটি এমন একটি লাইন, যার আক্ষরিক অর্থ “আমি তোমাকে স্থিরভাবে ধরব” ধরনের; অনেক স্থানীয় বক্তা এটিকে অদ্ভুতভাবে স্নেহপূর্ণ এবং প্রসঙ্গের বাইরে বলে বর্ণনা করেন। সহায়ক শোনার বদলে এটি জোরপূর্বক, পুনরাবৃত্ত, এবং সুরের দিক থেকে অস্বাভাবিক মনে হতে পারে।

এই প্রতিক্রিয়া এতটাই বড় হয়েছে যে তা ইন্টারনেট মিমে পরিণত হয়েছে। প্রতিবেদনে বলা হয়েছে, চীনা ব্যবহারকারীরা ব্যাপকভাবে এই বাক্যটি নিয়ে রসিকতা করেন, এবং একটি ছবিতে ChatGPT-কে একটি inflatable rescue airbag হিসেবে দেখানো হয়েছে, যা মানুষ পড়ে গেলে ধরে ফেলার জন্য অপেক্ষা করছে। এক সময়ের একটি অদ্ভুত মডেল-অভ্যাস বাস্তবে AI-সৃষ্ট ভাষার সাংস্কৃতিক সমালোচনায় রূপ নিয়েছে।

প্রবাহিততার সীমা

প্রতিবেদনটি পরিষ্কার করে যে ChatGPT চীনা ভাষায় প্রশ্নের যথেষ্ট ভালো উত্তর দিতে পারে, আর এটাই একটি কারণ যে সরকারি নিষেধাজ্ঞা সত্ত্বেও এটি চীনে বহুল ব্যবহৃত। কিন্তু ব্যাকরণ বা কাজ সম্পন্ন করার সক্ষমতা স্বাভাবিক শৈলীর নিশ্চয়তা দেয় না। এখানে ব্যবহারকারীদের বিরক্ত করছে না যোগাযোগের মৌলিক ব্যর্থতা। বরং বিরক্তির কারণ এমন সব অভিব্যক্তির পুনরাবৃত্ত ব্যবহার, যেগুলো আবেগগতভাবে অতিরঞ্জিত, প্রসঙ্গগতভাবে অদ্ভুত, বা খুব বেশি পরিচিত শোনায়।

এই পার্থক্য গুরুত্বপূর্ণ। একটি মডেল ব্যাকরণগতভাবে সাবলীল দেখাতে পারে, তবু সামাজিকভাবে অস্বাভাবিক শোনাতে পারে। বহুভাষিক AI সিস্টেমে এমন অমিল সরাসরি ভুলের চেয়ে বেশি প্রকাশক হতে পারে, কারণ এটি ভাষা-উৎপাদন এবং সাংস্কৃতিক মানানসই হওয়ার মধ্যকার ফাঁক দেখায়।

পুনরাবৃত্তি থেকে মিম

Wired আরও কিছু অতিব্যবহৃত চীনা বাক্যাংশের উদাহরণ চিহ্নিত করেছে, যার মধ্যে একটি সাধারণ ecommerce slogan-ও আছে, যা মডেলটি নাকি অতিরিক্ত বারবার বলে। এর প্রভাব জমতে থাকে। ব্যবহারকারীরা যখন কোনো বাক্যাংশ বারবার দেখতে শুরু করেন, তখন সেটি আর যোগাযোগের হাতিয়ার থাকে না, বরং একটি সংকেত হয়ে দাঁড়ায়। এটি লেখাটিকে মেশিন-তৈরি বলে চিহ্নিত করে এবং মডেল যে কণ্ঠস্বর বিশ্বাসযোগ্যভাবে তৈরি করতে পারে তার পরিসর সীমিত করে।

এই কারণেই ঘটনাটি মিমে রূপ নিয়েছে। AI আউটপুটে পুনরাবৃত্তি কেবল একটি প্রযুক্তিগত ত্রুটি নয়; এটি সামাজিকভাবে পাঠযোগ্য। ব্যবহারকারীরা সেটি আগে থেকেই ধরতে পারেন, নিয়ে মজা করতে পারেন, এবং ভাগ করে নিতে পারেন। একবার তা হলে, ভাষাগত অভ্যাস মডেলের জনপরিচয়ের অংশ হয়ে যায়।

বাস্তবে “mode collapse” কেমন দেখায়

প্রবন্ধে Pangram-এর সহ-প্রতিষ্ঠাতা ও CEO Max Spero-কে উদ্ধৃত করা হয়েছে, যিনি এই প্রবণতাকে mode collapse-এর একটি রূপ হিসেবে বর্ণনা করেন। সহজ কথায়, মডেলগুলো এমন বাক্যাংশ আঁকড়ে ধরতে পারে যেগুলো একসময় post-training-এ পুরস্কৃত হয়েছিল, তারপর এত বেশি ব্যবহার করতে থাকে যে লেখা আর স্বাভাবিক লাগে না। এখানে মূল জটিলতা হলো, “ভালো লেখা” শুধু একটি বাক্য কাজ করল কি না, তার ব্যাপার নয়। এতে বৈচিত্র্য, অনুপাত, এবং কখন আগে কার্যকর হওয়া কোনো কৌশল আর না-দোহরানো উচিত সেই বোধও অন্তর্ভুক্ত।

এই পর্যবেক্ষণ AI alignment এবং style tuning-এর একটি বৃহত্তর চ্যালেঞ্জের দিকে ইঙ্গিত করে। প্রশিক্ষণের সময় safety, helpfulness, এবং warmth জোরদার করা যায়, কিন্তু তা আউটপুটে অতিরঞ্জিত হয়ে যেতে পারে। ফলে যে ভাষা পাওয়া যায় তা প্রযুক্তিগতভাবে সুসংগত, কিন্তু আবেগগতভাবে অতিমাত্রায় নির্ধারিত।

চীনা প্রসঙ্গ কেন গুরুত্বপূর্ণ

এটি শুধু একটি অদ্ভুত বাক্যের গল্প নয়। এটি দেখায় AI পণ্য কীভাবে ভাষা ও সামাজিক প্রেক্ষাপটের মধ্যে দিয়ে ভ্রমণ করে। ইংরেজিতে ব্যবহারকারীরা প্রিয় কিছু rhetorical structure বা অতিব্যবহৃত metaphor নিয়ে অভিযোগ করতে পারেন। চীনা ভাষায় সমস্যাটি ভিন্ন শব্দে দেখা যায়, কিন্তু অন্তর্নিহিত গতিবিধি একই: এমন শৈলীগত চিহ্ন যা মডেলের শেখা অভ্যাসগুলো খুব স্পষ্টভাবে প্রকাশ করে।

এই কারণেই বিষয়টি বৈশ্বিক AI সিস্টেমের জন্য বিশেষ গুরুত্বপূর্ণ। বহু ভাষায় কাজ করা একটি chatbot কেবল সরাসরি অনুবাদের মানের ওপর নির্ভর করতে পারে না। তাকে প্রতিটি ব্যবহারের পরিবেশে অদ্ভুতভাবে ঘনিষ্ঠ, অতিরিক্ত scripted, বা সাংস্কৃতিকভাবে বেখাপ্পা শোনালেও চলবে না।

ব্যবহারকারীরাই প্রকাশ্যে নির্ণয় করছেন

প্রতিবেদনের সবচেয়ে তাৎপর্যপূর্ণ অংশগুলোর একটি হলো, এই বাক্যাংশটি চংকিং-এর এক 20 বছর বয়সী ডেভেলপারকে April Fools-এর জন্য Jiezhu, বা “catch,” নামে একটি open-source prompt engineering প্রজেক্ট বানাতে অনুপ্রাণিত করেছিল। এই রসিকতা কাজ করেছিল কারণ বাক্যটি ইতিমধ্যেই ব্যাপকভাবে চেনা হয়ে গিয়েছিল। অর্থাৎ, কোনো আনুষ্ঠানিক ব্যাখ্যা আসার আগেই ব্যবহারকারীরা সম্মিলিতভাবে একটি মডেল আচরণ শনাক্ত ও নামকরণ করেছিলেন।

ভোক্তা AI এখন জনসমক্ষে এভাবেই audit হয়। প্যাটার্ন ধরতে প্রশিক্ষণ পাইপলাইনে প্রবেশাধিকার লাগে না। মানুষ আউটপুট তুলনা করে, স্ক্রিনশট ভাগ করে, আর পুনরাবৃত্তিকে folk analysis-এ পরিণত করে। এর মাধ্যমে তারা দেখায়, কোথায় মডেলের কণ্ঠস্বর আর মানিয়ে নিতে পারে না, আর নিজেই নিজের ফাঁদে আটকে যায়।

বড় ডিজাইন সমস্যার একটি ছোট লক্ষণ

শিক্ষা হলো, AI-এর কখনোই শনাক্তযোগ্য কণ্ঠস্বর থাকা উচিত নয়, তা নয়। সমস্যা হয় তখন, যখন সেই কণ্ঠস্বর প্রসঙ্গকে ছাপিয়ে যাওয়া পুনরাবৃত্ত সূত্রে ভেঙে পড়ে। ChatGPT-এর চীনা ক্যাচফ্রেজগুলো এই ব্যর্থতার একটি উজ্জ্বল case study। এগুলো দেখায়, সহায়ক শোনানোর জন্য তৈরি একটি সিস্টেম কত দ্রুত যান্ত্রিক, এমনকি অতিরিক্ত লেগে থাকা-ধরনের শোনাতে শুরু করতে পারে, যখন পুনরাবৃত্তি দৃশ্যমান হয়ে ওঠে।

AI কোম্পানিগুলোর জন্য এটি কৌতূহল নয়, সতর্কবার্তা। বহুভাষিক সিস্টেমে tone control কোনো বাহ্যিক সাজসজ্জার বিষয় নয়। এটি trust, usability, এবং ব্যবহারকারীরা মডেলকে সত্যিই সহায়ক মনে করছেন কি না, নাকি শুধু pattern হিসেবে দেখছেন, তা নির্ধারণ করে। যখন লক্ষ লক্ষ মানুষ একই বাক্যে চোখ ঘোরাতে শুরু করে, তখন পণ্যটি তার প্রশিক্ষণ সম্পর্কে তার নির্মাতাদের চেয়েও বেশি কিছু প্রকাশ করে ফেলে।

এই প্রবন্ধটি Wired-এর প্রতিবেদনের ভিত্তিতে লেখা। মূল প্রবন্ধ পড়ুন.