NHS England-এর নিরাপত্তা-প্রতিক্রিয়া স্বচ্ছতা নিয়ে সংঘাত তৈরি করেছে

AI সিস্টেম ওপেন কোডের দুর্বলতা শনাক্ত করতে পারে এমন উদ্বেগের কারণে 11 মে-এর মধ্যে বিদ্যমান ও ভবিষ্যতের সফটওয়্যার জনসমক্ষে না রাখার নির্দেশ দেওয়ার পর NHS England ক্রমবর্ধমান বিরোধিতার মুখে পড়েছে। সমালোচকরা এই পদক্ষেপকে অকার্যকর ও ক্ষতিকর বলে বর্ণনা করছেন, আর প্রযুক্তিবিদ, আন্দোলনকারী ও সাবেক কর্মকর্তারা যুক্তি দিচ্ছেন যে কোড বন্ধ করে দেওয়া নিরাপত্তা বাড়ায় না, বরং স্বচ্ছতা ও পুনঃব্যবহারকে ক্ষতিগ্রস্ত করে।

বিতর্কের কেন্দ্রে রয়েছে AI-সক্ষম সফটওয়্যার বিশ্লেষণের একটি নতুন শ্রেণি। উৎস প্রতিবেদন অনুযায়ী, Anthropic-এর তৈরি Mythos প্রায় যেকোনো সফটওয়্যারের ত্রুটি খুঁজে বের করতে পারে এমন খবরের পর উদ্বেগ আরও বেড়ে যায়। NHS England-এর প্রতিক্রিয়া ছিল, জনসম্পদে তৈরি কোড অনলাইনে উন্মুক্ত না রেখে বন্ধ দরজার আড়ালে রাখা উচিত।

এই সিদ্ধান্ত বিদ্যমান নীতির সঙ্গে সাংঘর্ষিক

এই পদক্ষেপটি বিতর্কিত, কারণ এটি সরাসরি NHS service standard-এর বিরুদ্ধে যায়, যেখানে বলা হয়েছে কর্মীদের তৈরি software open source হতে হবে, যাতে তা পুনঃব্যবহার, উন্নতকরণ ও পুনরায় কাজ না করে আরও নির্মাণ করা যায়। ওপেন-সোর্স সমর্থকদের মতে, এই পদ্ধতি শুধু public sector-এর জন্য বেশি কার্যকরই নয়, অনেক ক্ষেত্রে বেশি নিরাপদও, কারণ বেশি reviewer কোড পর্যালোচনা ও উন্নত করতে পারেন।

NHS England এই সিদ্ধান্ত ফিরিয়ে নিতে আহ্বান জানিয়ে একটি open letter খুব দ্রুত শত শত স্বাক্ষর পায়, যার মধ্যে লেখক Cory Doctorow এবং যুক্তরাজ্যের সাবেক স্বাস্থ্য সচিব Matt Hancock রয়েছেন। প্রতিবেদনে উল্লেখিত মন্তব্যে Hancock এই নীতিকে বড় ভুল বলে অভিহিত করেন এবং বলেন, জনসম্পদে তৈরি কোড সেই জনগণের জন্যই উন্মুক্ত থাকা উচিত, যারা এর মূল্য দিয়েছে।

সমালোচকদের মতে গোপনীয়তা মানেই নিরাপত্তা নয়

সবচেয়ে জোরালো আপত্তি আদর্শগত নয়, প্রযুক্তিগত। প্রতিবেদনে উদ্ধৃত বিশেষজ্ঞরা বলেন, public repositories থেকে কোড সরিয়ে নিলে নিরাপত্তা বাস্তবে তেমন বাড়বে না। AI tools যদি দুর্বলতা শনাক্ত করতে সাহায্য করতে পারে, তবে রক্ষকরাও সেগুলো ব্যবহার করতে পারে। আরও গুরুত্বপূর্ণ হলো, software private রাখলে ত্রুটি মুছে যায় না; শুধু কে তা দেখতে পারবে, সেটাই বদলে যায়।

open letter-এর সহলেখক University of Edinburgh-এর Vlad-Stefan Harbuz বলেন, তাঁদের দল Mythos ব্যবহার করে open-source NHS code স্ক্যান করে তুলনামূলকভাবে গুরুতর কয়েকটি দুর্বলতা পেয়েছিল, যেগুলো বর্তমান নীতি পরিবর্তনের আগেই দায়িত্বশীলভাবে প্রকাশ করা হয়েছিল। এই তথ্যটি গল্পটিকে জটিল করে তোলে। এটি দেখায় যে হুমকি যথেষ্ট বাস্তব, যাতে কার্যকর ফল পাওয়া যায়, তবে সমালোচকদের সেই দাবিকেও সমর্থন করে যে সমাধান হলো auditing ও remediation, গোপনীয়তা নয়।

AI যুগে public software নিয়ে বড় প্রশ্ন

NHS-এর এই ঘটনা এমন একটি বৃহত্তর দ্বিধা তুলে ধরে, যার মুখোমুখি বহু public institution হবে। ওপেন-সোর্স software দীর্ঘদিন ধরে efficiency, interoperability, accountability, এবং scrutiny-র মাধ্যমে security-এর ভিত্তিতে সমর্থিত হয়েছে। AI-assisted code analysis defenders এবং attackers উভয়ের জন্য bug খোঁজার খরচ কমিয়ে scrutiny-এর অর্থনীতি বদলে দিচ্ছে। প্রশ্ন হলো, এই পরিবর্তন কি ওপেন-সোর্সের পুরনো যুক্তিকে অকার্যকর করছে, নাকি disciplined maintenance-কে আরও জরুরি করে তুলছে।

NHS England মনে হচ্ছে এমন ধারণার ভিত্তিতে কাজ করছে যে এখন public visibility খুব বেশি ঝুঁকি তৈরি করে। বিরোধীরা উল্টো যুক্তি দিচ্ছেন: AI যখন vulnerability discovery সহজ করে, তখন উত্তর হওয়া উচিত stronger patching, auditing, and governance, not retreat from openness.

NHS-এর বাইরেও কেন এটি গুরুত্বপূর্ণ

এই লড়াই ব্রিটিশ স্বাস্থ্যসেবার বাইরেও গুরুত্বপূর্ণ হবে, কারণ বিশ্বজুড়ে সরকার increasingly সক্ষম AI tools-এর চাপের মধ্যে digital risk পুনর্মূল্যায়ন করছে। যদি কোনো বড় public institution সিদ্ধান্ত নেয় যে code openness আর টেকসই নয়, অন্যরাও তা অনুসরণ করতে পারে। যদি backlash সফল হয়, তবে এটি reinforce করতে পারে যে institutions আধুনিক defensive practices-এ বিনিয়োগ করলে transparency এখনও stronger security-এর সঙ্গে সামঞ্জস্যপূর্ণ।

এখন NHS England একটি technical security concern-কে একটি high-profile policy test-এ পরিণত করেছে। অন্তর্নিহিত আশঙ্কা বোধগম্য: AI ব্যাপকভাবে ত্রুটি খুঁজে পাওয়া সহজ করতে পারে। কিন্তু সমালোচকেরা আরও কঠিন একটি প্রশ্ন তুলছেন। কোড লুকিয়ে রাখা কি সত্যিকারের প্রতিরক্ষা, নাকি দ্রুত বদলে যাওয়া হুমকির প্রতি শুধু একটি দৃশ্যমান প্রতিক্রিয়া? এর উত্তর public sector software কীভাবে শাসিত হবে, তা NHS-এর অনেক বাইরে গিয়েও প্রভাব ফেলতে পারে।

এই নিবন্ধটি New Scientist-এর প্রতিবেদনভিত্তিক। মূল নিবন্ধ পড়ুন.

Originally published on newscientist.com