কম অপারেটর দিয়ে স্কেল করতে পারে এমন স্বয়ংক্রিয়তা চায় পেন্টাগন
পেন্টাগন আরও বড় স্বয়ংক্রিয়-যুদ্ধ প্রচেষ্টার দিকে এগোচ্ছে, কিন্তু একটি মৌলিক পরিচালনাগত সমস্যা এখনও অমীমাংসিত: ড্রোন সিস্টেমগুলি মানবচালিত নয়, তবু সেগুলিকে চালাতে প্রচুর মানবশ্রম লাগে। Defense One-এর একটি নতুন প্রতিবেদনে বলা হয়েছে, DARPA এমন প্রকল্প এগিয়ে নিচ্ছে যার লক্ষ্য রোবটগুলোকে আরও বুদ্ধিমান, আরও স্ব-সংগঠিত, এবং নিয়মিত মানবনির্দেশনা বা দুর্বল নেটওয়ার্ক সংযোগের উপর কম নির্ভরশীল করা।
তাৎক্ষণিক লক্ষ্য কেবল আরও বেশি মানবহীন ব্যবস্থা মোতায়েন করা নয়, বরং তুলনামূলকভাবে অল্পসংখ্যক কর্মীর জন্য আরও বড় সংখ্যক রোবোটিক প্ল্যাটফর্ম পরিচালনা করা বাস্তবসম্মত করে তোলা। ড্রোন যুদ্ধের দায়িত্বে থাকা পেন্টাগন অফিসের প্রস্তাবিত ২০২৭ বাজেট এ বছরের $226 মিলিয়ন থেকে নতুন ব্যয় প্রস্তাবের অধীনে $54 বিলিয়নে পৌঁছাতে চলায়, সেই চ্যালেঞ্জ আরও জরুরি হয়ে উঠেছে।
দুটি DARPA প্রোগ্রাম মূল বাধাগুলোকে লক্ষ্য করছে
প্রতিবেদন অনুযায়ী, DARPA শিল্পক্ষেত্রের জন্য দুটি অনুরোধ জারি করেছে, যা একই পরিচালনাগত সমস্যার ভিন্ন ভিন্ন দিক মোকাবিলা করে। প্রথমটি, Materials for Physical Compute in Untethered Robotics, স্বয়ংক্রিয় ব্যবস্থাগুলোকে দূরবর্তী কম্পিউটিং সম্পদের ওপর বেশি নির্ভর না করে আরও বুদ্ধিমান করার উদ্দেশ্যে তৈরি। দ্বিতীয়টি, Decentralized Artificial Intelligence through Controlled Emergence, রোবটদের দল গঠন করতে এবং যৌথভাবে মিশন সম্পাদন করতে সহায়তা করতে চায়।
একত্রে দেখলে, এই প্রচেষ্টাগুলো এমন মডেল থেকে কৌশলগত সরে আসার ইঙ্গিত দেয় যেখানে স্বয়ংক্রিয় ব্যবস্থাগুলো কেবল তখনই কার্যকর, যখন তারা কেন্দ্রীভূত অবকাঠামোর সঙ্গে সংযুক্ত বা বড় মানব সহায়ক বাহিনীর কাছে পৌঁছাতে পারে। পেন্টাগন এখন এমন মেশিন চাইছে যা আরও স্থানীয়ভাবে যুক্তি করতে পারে এবং একে অন্যের সঙ্গে আরও কার্যকরভাবে সমন্বয় করতে পারে।
এটা প্রতিযোগিতাপূর্ণ পরিবেশে গুরুত্বপূর্ণ, যেখানে ডেটা লিংক দুর্বল, জ্যামড, বা উন্মুক্ত হয়ে যেতে পারে। কোনো রোবটকে যদি প্রক্রিয়াকরণের জন্য বিপুল পরিমাণ ডেটা বাইরে পাঠাতে হয় এবং তারপর ফিরে আসা কমান্ডের জন্য অপেক্ষা করতে হয়, তবে সেটি কম স্থিতিস্থাপক এবং কম দক্ষ হয়ে পড়ে। DARPA-র physical-compute উদ্যোগ রোবটদের আরও অনবোর্ড বুদ্ধিমত্তা দিয়ে এবং ব্যাটারি জীবন সংরক্ষণ করে সেই ঝুঁকি কমাতে চায়।
পূর্ববর্তী ড্রোন অপারেশনগুলো স্টাফিং বোঝা দেখায়
প্রতিবেদনটিতে উদ্ধৃত ঐতিহাসিক উদাহরণগুলো সমস্যার ব্যাপকতা তুলে ধরে। অবসরপ্রাপ্ত আর্মি জেনারেল ডেভিড পেট্রেয়াস এবং গবেষক আইজ্যাক ফ্লানাগান সাম্প্রতিক এক মতামতে যুক্তি দিয়েছেন যে মধ্যপ্রাচ্যে আগের মার্কিন ড্রোন অপারেশনগুলো প্রধানত বিমানের সংখ্যার কারণে নয়, বরং সেগুলো চালাতে প্রয়োজনীয় কর্মী এবং সাংগঠনিক কাঠামোর কারণে সীমাবদ্ধ ছিল।
তারা উল্লেখ করেন, ধারাবাহিক নজরদারি দিতে সক্ষম প্রতিটি Predator combat air patrol-এর জন্য প্রায় 150 জন কর্মী প্রয়োজন হতো। ড্রোন কভারেজের চাহিদা বাড়ার সঙ্গে সঙ্গে সীমাবদ্ধতাটি ছিল কেবল প্ল্যাটফর্মের সংখ্যা নয়, বরং প্রশিক্ষিত লোকের সংখ্যা এবং সেগুলো কার্যকরভাবে ব্যবহার করার জন্য প্রয়োজনীয় প্রতিষ্ঠানগুলোও।
এই পর্যবেক্ষণের সরাসরি প্রভাব রয়েছে পেন্টাগনের বর্তমান ব্যয়-আকাঙ্ক্ষার ওপর। অপারেটর, প্রশিক্ষণ, রক্ষণাবেক্ষণ, এবং সমন্বয় সমস্যাগুলো সমাধান না করে বড় সংখ্যায় স্বয়ংক্রিয় ব্যবস্থা কিনলে কাগজে-কলমে চমকপ্রদ মজুত তৈরি হতে পারে, কিন্তু মাঠে তার সমান সামরিক মূল্য নাও থাকতে পারে।
স্ব-সংগঠিত ব্যবস্থা কেন গুরুত্বপূর্ণ
বিকেন্দ্রীভূত AI এবং controlled emergence-কেন্দ্রিক দ্বিতীয় DARPA প্রচেষ্টা সামরিক স্বয়ংক্রিয়তার সবচেয়ে কঠিন চ্যালেঞ্জগুলোর একটির দিকে ইঙ্গিত করে: কীভাবে বহু রোবটকে অপ্রতিরোধ্য মানব মাইক্রো-নির্দেশ ছাড়াই একটি দল হিসেবে আচরণ করতে দেওয়া যায়? মেশিন যদি ভূমিকা ও কাজ গতিশীলভাবে সমন্বয় করতে পারে, তবে একজন মানব সুপারভাইজার অনেক বড় বাহিনীকে পরিচালনা করতে পারবেন।
এতে মানব তত্ত্বাবধানের প্রয়োজন শেষ হয় না। বরং, মানুষ কোন স্তরে কাজ করবে তা বদলে যায়। প্রতিটি চলাচল বা সেন্সর কাজ নির্দেশ দেওয়ার বদলে, অপারেটররা লক্ষ্য ও সীমাবদ্ধতা নির্ধারণ করতে পারেন, আর স্বয়ংক্রিয় ব্যবস্থাগুলো স্থানীয় সমন্বয়ের অধিকাংশ সামলাবে। আধুনিক সামরিক বাহিনীর কাছে এটি AI-সমর্থিত স্বয়ংক্রিয়তার অন্যতম আকর্ষণীয় প্রতিশ্রুতি।
এটি আবার ভুল হলে সবচেয়ে ঝুঁকিপূর্ণ ক্ষেত্রগুলোর একটি। swarm-সদৃশ বা দলভিত্তিক রোবোটিক আচরণ এমন পূর্বানুমেয় হতে হবে যাতে কমান্ডাররা তা বিশ্বাস করতে পারেন, রক্ষণাবেক্ষণ করতে পারেন, এবং বৃহত্তর বাহিনী কাঠামোর সঙ্গে একীভূত করতে পারেন। controlled emergence-এ পেন্টাগনের আগ্রহ সেই টানাপড়েনই দেখায়। তারা অভিযোজন চায়, বিশৃঙ্খলা নয়।
ব্যয়বৃদ্ধি মতবাদ ও শৃঙ্খলার ওপর চাপ বাড়াচ্ছে
$226 মিলিয়ন থেকে $54 বিলিয়নে প্রস্তাবিত লাফ এত বড় যে আলোচনার ধরনই বদলে যায়। ওই পরিসরে প্রশ্ন আর থাকে না যে স্বয়ংক্রিয় ব্যবস্থা গুরুত্বপূর্ণ কি না, বরং প্রশ্ন হয় পেন্টাগন সেগুলোকে বুদ্ধিমত্তার সঙ্গে গ্রহণ করতে পারবে কি না। Defense One বলছে, অপারেটররা কীভাবে স্বয়ংক্রিয় অস্ত্র কিনবে, প্রশিক্ষণ নেবে, ব্যবহার করবে, এবং রক্ষণাবেক্ষণ করবে সে সম্পর্কে পরিষ্কার ধারণা তৈরি করার আগে যদি সামরিক বাহিনী ব্যয় করে, তাহলে এ ধরনের অর্থের বড় অংশ নষ্ট হতে পারে।
এই সতর্কতা গুরুত্বপূর্ণ, কারণ প্রতিরক্ষা-প্রযুক্তির ব্যর্থতা প্রায়ই আশাব্যঞ্জক হার্ডওয়্যারের অভাবে নয়, বরং দুর্বল অপারেশন কনসেপ্ট, খণ্ডিত ক্রয়প্রক্রিয়া, এবং অপর্যাপ্ত sustainment পরিকল্পনার কারণে দেখা দেয়। অর্থাৎ, চ্যালেঞ্জটি প্রযুক্তিগত যেমন, সাংগঠনিকও তেমনই।
বর্তমান DARPA প্রকল্পগুলো এটি স্বীকার করছে বলে মনে হয়। এগুলো শুধু আরও ভালো ড্রোন চাইছে না। বরং এমন ব্যবস্থা চাইছে যা ঐতিহাসিকভাবে ড্রোন বহরকে কার্যকরভাবে স্কেল করতে বাধা দেওয়া বোঝাগুলো কমায়।
বিস্তৃত কৌশলগত বার্তা
প্রতিবেদনটি এমন একটি সামরিক প্রতিষ্ঠানকে তুলে ধরে, যা ড্রোনের সংখ্যা থেকে স্বয়ংক্রিয় কার্যকারিতার দিকে যেতে চাইছে। এই প্রেক্ষাপটে onboard processing এবং decentralized teamwork কোনো বিমূর্ত গবেষণা-থিম নয়। এগুলো বাস্তব bottleneck সমাধানের প্রচেষ্টা, যা বছরের পর বছর মানবহীন ব্যবস্থার উপযোগিতা সীমিত করেছে।
এই প্রচেষ্টা সফল হলে, একটি ইউনিট কতগুলো রোবট বিশ্বাসযোগ্যভাবে ব্যবহার করতে পারে এবং প্রতিযোগিতামূলক পরিবেশে সেই সিস্টেমগুলো কতটা স্থিতিস্থাপক তা বদলাতে সাহায্য করতে পারে। ব্যর্থ হলে, পেন্টাগন স্বয়ংক্রিয়তায় বিপুল ব্যয় করেও আগের ড্রোন অপারেশনগুলোকে শ্রমনির্ভর করে তোলা সেই একই কর্মী ও সাংগঠনিক সীমাবদ্ধতা বজায় রাখার ঝুঁকিতে থাকবে।
মূল শিক্ষা সরল। পাইলট ছাড়াই মেশিন উড়তে, চলতে, বা অনুভব করতে পারে বলেই স্বয়ংক্রিয় যুদ্ধ স্কেলযোগ্য হয়ে যায় না। এটি তখনই স্কেলযোগ্য হয়, যখন command, computation, এবং coordination-এর চারপাশের ব্যবস্থা আর অস্থিতিশীল মানবপ্রচেষ্টা দাবি করে না। পেন্টাগন স্বয়ংক্রিয় যুদ্ধক্ষেত্রে অনেক বড় অঙ্কের অর্থ প্রতিশ্রুত করার আগে DARPA এখন সম্ভবত সেই সমস্যাটিই সমাধান করতে চাইছে।
এই নিবন্ধটি Defense One-এর প্রতিবেদনভিত্তিক। মূল নিবন্ধ পড়ুন.
Originally published on defenseone.com

