ইমিটেশন গেম পুনঃপরীক্ষা: AI কি মানুষের কথোপকথন আয়ত্ত করেছে?

মানুষের মতো চিন্তা করতে বা অন্তত কথোপকথন করতে সক্ষম যন্ত্র তৈরি করার প্রচেষ্টা কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রে একটি দীর্ঘস্থায়ী উচ্চাকাঙ্ক্ষা। কয়েক দশক ধরে, বিতর্কিত হলেও, মানদণ্ডটি প্রায়শই Turing Test بودهছে, যা বিংশ শতাব্দীর মাঝামাঝি সময়ে প্রতিভাবান গণিতবিদ Alan Turing দ্বারা পরিকল্পিত হয়েছিল। এর মূল ধারণাটি সহজ কিন্তু গভীর: একটি যন্ত্র কি একজন মানব জিজ্ঞাসাবাদকারীর সাথে এমনভাবে বিশ্বাসযোগ্যভাবে যোগাযোগ করতে পারে যে বিচারক নির্ভরযোগ্যভাবে এটিকে অন্য মানুষ থেকে আলাদা করতে পারে না? সাম্প্রতিক উন্নয়নগুলি ইঙ্গিত দেয় যে কিছু সবচেয়ে অত্যাধুনিক বৃহৎ ভাষা মডেল (LLMs) এই আকর্ষণীয় মাইলফলকে পৌঁছেছে, বা সম্ভবত অতিক্রমও করেছে, যা বুদ্ধিমত্তার প্রকৃতি, অনুকরণ এবং AI-এর ভবিষ্যতের গতিপথ সম্পর্কে নতুন আলোচনার জন্ম দিয়েছে।

মঞ্চ প্রস্তুত: কথোপকথনমূলক চ্যালেঞ্জের একটি নতুন পর্ব

University of California San Diego থেকে প্রকাশিত একটি গবেষণা এই প্রশ্নটিকে তীব্রভাবে আলোচনায় ফিরিয়ে এনেছে। গবেষক Cameron R. Jones এবং Benjamin K. Bergen অত্যাধুনিক AI সিস্টেমগুলির কথোপকথন দক্ষতা মূল্যায়নের জন্য Turing Test-এর একটি সমসাময়িক সংস্করণ ডিজাইন করেছেন। তাদের পরীক্ষায় মানব অংশগ্রহণকারীদের বেশ কয়েকটি AI মডেলের বিরুদ্ধে দাঁড় করানো হয়েছিল, যার মধ্যে OpenAI-এর অত্যন্ত সম্মানিত GPT-4.5 এবং Meta-র শক্তিশালী LLaMa-3.1-405B অন্তর্ভুক্ত ছিল। সেটআপটিতে একজন মানব বিচারক একই সাথে পাঁচ মিনিটের পাঠ্য-ভিত্তিক কথোপকথনে জড়িত ছিলেন – একটি লুকানো মানব অংশগ্রহণকারীর সাথে এবং একটি লুকানো AI মডেলের সাথে। এই সংক্ষিপ্ত মিথস্ক্রিয়াগুলির পরে, বিচারকের কাজটি ছিল সোজাসাপ্টা: কোন কথোপকথন অংশীদারটি যন্ত্র এবং কোনটি মানুষ তা সনাক্ত করা।

ফলাফলগুলি, বিশেষ করে নির্দিষ্ট ব্যক্তিত্ব (persona) গ্রহণ করার জন্য নির্দেশিত মডেলগুলির জন্য, চমকপ্রদ ছিল।

• GPT-4.5-এর পারফরম্যান্স: যখন মানুষের মতো আচরণ করার নির্দেশ দেওয়া হয়েছিল, GPT-4.5 বিচারকদের একটি চিত্তাকর্ষক ৭৩% সময় বোকা বানাতে সক্ষম হয়েছিল বলে জানা গেছে। এই সংখ্যাটি তাৎপর্যপূর্ণ কারণ এটি নির্দেশ করে যে বিচারকরা কথোপকথনে জড়িত প্রকৃত মানব অংশগ্রহণকারীর চেয়ে AI-কে মানুষ হিসাবে চিহ্নিত করার সম্ভাবনা বেশি ছিল।
• LLaMa-3.1-405B-এর প্রদর্শন: Meta-র বৃহৎ মডেল, LLaMa-3.1-405B (যেখানে 405B এর ক্ষমতা গঠনকারী বিশাল সংখ্যক প্যারামিটার নির্দেশ করে), একই ‘persona’ শর্তের অধীনে বিশ্বাসযোগ্যভাবে পারফর্ম করেছে। এটিকে ৫৬% সময় মানুষ হিসাবে চিহ্নিত করা হয়েছিল। যদিও GPT-4.5-এর স্কোরের চেয়ে কম, এই ফলাফলটি এখনও এটিকে গুরুত্বপূর্ণ ৫০% থ্রেশহোল্ডের উপরে রাখে যা প্রায়শই পরীক্ষা পাসের সূচক হিসাবে বিবেচিত হয়, যা পরামর্শ দেয় যে এর প্রতিক্রিয়াগুলি পরিসংখ্যানগতভাবে মানব অংশগ্রহণকারীদের থেকে আলাদা করা কঠিন ছিল।
• বেসলাইন তুলনা: প্রসঙ্গ সরবরাহ করতে এবং বিচারকরা কেবল এলোমেলোভাবে অনুমান করছেন না তা নিশ্চিত করার জন্য, গবেষকরা বেসলাইন মডেলগুলি অন্তর্ভুক্ত করেছিলেন। ELIZA, ১৯৬০-এর দশকের একটি বিখ্যাত প্রাথমিক চ্যাটবট যা MIT-তে Joseph Weizenbaum ডিজাইন করেছিলেন, একটি নিয়ন্ত্রণ হিসাবে অন্তর্ভুক্ত ছিল। আশ্চর্যজনকভাবে, এর পারফরম্যান্স তার সৃষ্টির পর থেকে AI-তে বিশাল অগ্রগতি প্রতিফলিত করেছে, মাত্র ২৩% ‘মানব’ রেটিং অর্জন করেছে। মজার বিষয় হল, GPT-4o, ২০২৪ সালে প্রকাশিত একটি সাম্প্রতিক OpenAI মডেল, এই নির্দিষ্ট পরীক্ষা সেটআপে একই রকম বেসলাইন স্তরে পারফর্ম করেছে, মাত্র ২১% সময় মানুষ হিসাবে বিচার করা হয়েছে। এটি তুলে ধরে যে নির্দিষ্ট কনফিগারেশন, প্রশিক্ষণ, বা সম্ভবত প্রম্পটিং কৌশল নিজেই, মানুষের মতো কথোপকথন কর্মক্ষমতা অর্জনে গুরুত্বপূর্ণ ভূমিকা পালন করে।

গবেষণাটির পদ্ধতি, এই তিন-পক্ষীয় সেটআপ (বিচারক, লুকানো মানুষ, লুকানো AI) ব্যবহার করে, AI-কে Turing বেঞ্চমার্কের বিরুদ্ধে মূল্যায়ন করার কিছু পূর্ববর্তী প্রচেষ্টার তুলনায় এর কঠোরতার জন্য উল্লেখযোগ্য। এর লক্ষ্য কথোপকথনমূলক অভেদ মূল্যায়ন করার জন্য একটি আরও চ্যালেঞ্জিং এবং বাস্তবসম্মত পরিস্থিতি তৈরি করা।

ব্যক্তিত্বের শক্তি: মেথড অ্যাক্টর হিসাবে AI

এই নির্দিষ্ট গবেষণায় GPT-4.5 এবং LLaMa-3.1-405B-এর সাফল্যের হারকে প্রভাবিত করার একটি গুরুত্বপূর্ণ কারণ ছিল নির্দিষ্ট ‘persona’ প্রম্পটের ব্যবহার। গবেষকরা মডেলগুলিকে মানুষের মতো চরিত্র বা স্বর গ্রহণ করার নির্দেশাবলী সহ এবং ছাড়াই পরীক্ষা করেছেন। যখন persona প্রম্পট প্রয়োগ করা হয়েছিল তখন পারফরম্যান্সে উল্লেখযোগ্য উল্লম্ফন আধুনিক LLM-গুলির একটি মূল দিককে তুলে ধরে: নির্দেশাবলীর উপর ভিত্তি করে তাদের আউটপুট মানিয়ে নেওয়ার অসাধারণ ক্ষমতা।

একটি AI-এর জন্য ‘একটি ব্যক্তিত্ব গ্রহণ করা’ কী বোঝায়? এর মানে হল মডেলটি তার সামঞ্জস্য করে:

1. স্বর এবং শৈলী: নৈমিত্তিক ভাষার অনুকরণ, কথ্য ভাষা ব্যবহার করা, বা এমনকি দ্বিধা বা প্রতিফলন অনুকরণ করা।
2. বিষয়বস্তুর ফোকাস: সম্ভাব্যভাবে ব্যক্তিগত অভিজ্ঞতার উল্লেখ করা (যদিও বানোয়াট), মতামত প্রকাশ করা, বা গৃহীত চরিত্রের সাথে প্রাসঙ্গিক ছোট ছোট আলোচনায় জড়িত হওয়া।
3. মিথস্ক্রিয়া প্যাটার্ন: এমনভাবে প্রতিক্রিয়া জানানো যা আরও ইন্টারেক্টিভ মনে হয় এবং কেবল তথ্য পুনরুদ্ধার সিস্টেমের মতো নয়।

এই ক্ষমতা সরাসরি এই মডেলগুলিকে প্রশিক্ষিত করার পদ্ধতি থেকে উদ্ভূত হয়। LLM গুলি তাদের খাওয়ানো বিশাল ডেটাসেট থেকে প্যাটার্ন, শৈলী এবং তথ্য শেখে, যা প্রাথমিকভাবে ইন্টারনেট এবং ডিজিটাইজড সাহিত্য জুড়ে মানুষের দ্বারা তৈরি পাঠ্য এবং কোড নিয়ে গঠিত। যখন একটি নির্দিষ্ট ধরণের ব্যক্তির মতো কাজ করার জন্য প্রম্পট করা হয়, তখন মডেলটি তার প্রশিক্ষণ ডেটার মধ্যে থাকা মানব কথোপকথনের বিশাল উদাহরণগুলির উপর নির্ভর করে যা সেই ব্যক্তিত্বের সাথে সামঞ্জস্যপূর্ণ। এটি প্রকৃত ব্যক্তিত্বের চেয়ে অত্যাধুনিক প্যাটার্ন ম্যাচিং এবং জেনারেশন সম্পর্কে বেশি।

এটি এই ধারণার দিকে নিয়ে যায়, যা উদ্ভাবনী থিঙ্ক-ট্যাঙ্ক NostaLab-এর প্রতিষ্ঠাতা John Nosta-র মতো পর্যবেক্ষকদের দ্বারা ব্যক্ত করা হয়েছে, যে সম্ভবত আমরা যা প্রত্যক্ষ করছি তা অগত্যা মানুষের অর্থে কৃত্রিম বুদ্ধিমত্তা নয়, বরং অত্যন্ত উন্নত কৃত্রিম সহানুভূতি – বা অন্ততপক্ষে, এর বিশ্বাসযোগ্য অনুকরণ। AI সহানুভূতি অনুভব করছে না, তবে এটি এটি প্রকাশের সাথে যুক্ত ভাষাগত ধরণগুলি শিখেছে। সাফল্য আচরণগত অনুকরণের উপর নির্ভর করে, প্রতিক্রিয়াগুলিকে এমন একটি ছোঁয়ায় তৈরি করা যা মানুষের মতো অনুরণিত হয়, বিশেষত পরীক্ষার জন্য ব্যবহৃত পাঁচ মিনিটের কথোপকথনের মতো সংক্ষিপ্ত মিথস্ক্রিয়া চলাকালীন।

গবেষকরা নিজেরাই এই অভিযোজনযোগ্যতা তুলে ধরেছেন: ‘এটি তর্কযোগ্যভাবে সেই সহজতা যার সাথে LLM গুলিকে বিভিন্ন পরিস্থিতিতে তাদের আচরণ মানিয়ে নেওয়ার জন্য প্রম্পট করা যেতে পারে যা তাদের এত নমনীয় করে তোলে: এবং দৃশ্যত মানুষ হিসাবে পাস করতে এত সক্ষম।’ এই নমনীয়তা একটি দ্বি-ধারী তলোয়ার, যা অসাধারণ কথোপকথন সাবলীলতা সক্ষম করে এবং একই সাথে সত্যতা এবং কারচুপির সম্ভাবনা সম্পর্কে প্রশ্ন উত্থাপন করে।

একটি যুগান্তকারী অর্জন নাকি একটি ত্রুটিপূর্ণ মেট্রিক? Turing Test পুনঃমূল্যায়ন

যদিও শিরোনামগুলি AI-এর Turing Test ‘পাস’ করার কথা ঘোষণা করতে পারে, এই অর্জনের তাৎপর্য সতর্ক বিবেচনার দাবি রাখে। একটি সংক্ষিপ্ত পাঠ্য চ্যাটে বিচারকদের সংখ্যাগরিষ্ঠকে বোঝানো কি সত্যিই মানব-স্তরের বুদ্ধিমত্তার সমান? বেশিরভাগ বিশেষজ্ঞ, অধ্যয়ন লেখকদের সহ অন্তর্নিহিতভাবে, বলবেন না।

Turing Test, ইন্টারনেট-স্কেল ডেটাতে প্রশিক্ষিত LLM-এর আবির্ভাবের অনেক আগে পরিকল্পিত, প্রাথমিকভাবে কথোপকথনমূলক কর্মক্ষমতা পরিমাপ করে, গভীর জ্ঞানীয় ক্ষমতা যেমন:

• উপলব্ধি: AI কি সত্যিই কথোপকথনের সূক্ষ্মতা এবং প্রভাবগুলি বোঝে, নাকি এটি কেবল পরিসংখ্যানগতভাবে সবচেয়ে সম্ভাব্য পরবর্তী শব্দগুলির ভবিষ্যদ্বাণী করছে?
• চেতনা: সচেতনতা এবং চিন্তার বিষয়গত অভিজ্ঞতা দৃঢ়ভাবে মানুষের (এবং সম্ভাব্য অন্যান্য জৈবিক জীবনের) दायरे মধ্যে থাকে। বর্তমান AI মডেলগুলি এর অধিকারী হওয়ার কোনও প্রমাণ দেখায় না।
• যুক্তি: যদিও AI নির্দিষ্ট ডোমেনে যৌক্তিক পদক্ষেপগুলি সম্পাদন করতে পারে, সাধারণ-উদ্দেশ্য যুক্তি, সাধারণ জ্ঞান এবং অভিনব পরিস্থিতিতে কারণ-এবং-প্রভাব বোঝার ক্ষমতা এখনও মানুষের তুলনায় সীমিত।
• উদ্দেশ্য: AI প্রতিক্রিয়াগুলি অ্যালগরিদম এবং ডেটার উপর ভিত্তি করে তৈরি করা হয়; তাদের যোগাযোগের চালিকাশক্তি হিসাবে প্রকৃত বিশ্বাস, ইচ্ছা বা উদ্দেশ্যের অভাব রয়েছে।

অতএব, Turing Test-এ একটি উচ্চ স্কোর প্রদর্শন করে যে একটি AI অনুকরণ খেলা ব্যতিক্রমীভাবে ভাল খেলতে পারে, বিশেষ করে যখন নির্দিষ্ট প্রম্পট দ্বারা পরিচালিত হয়। এটি এমন পাঠ্য তৈরি করতে শিখেছে যা মানুষের কথোপকথনের ধরণগুলির সাথে ঘনিষ্ঠভাবে সারিবদ্ধ। প্রযুক্তি শিক্ষা সংস্থা Waye-এর প্রতিষ্ঠাতা Sinead Bovell এই বিষয়ে চিন্তা প্রকাশ করেছেন, প্রশ্ন তুলেছেন যে ‘কোনও একজন ব্যক্তি যা পড়তে বা দেখতে পারে তার চেয়ে বেশি মানব ডেটা’ দিয়ে প্রশিক্ষিত AI অবশেষে ‘মানুষের মতো শোনাতে’ পারদর্শী হবে কিনা তা কি সত্যিই আশ্চর্যজনক।

এটি একটি মৌলিক প্রশ্ন উত্থাপন করে: একবিংশ শতাব্দীতে AI অগ্রগতির জন্য Turing Test কি এখনও একটি প্রাসঙ্গিক বা পর্যাপ্ত মানদণ্ড? কেউ কেউ যুক্তি দেন যে কথোপকথনের মাধ্যমে প্রতারণার উপর এর ফোকাস খুব সংকীর্ণ এবং সম্ভাব্য বিভ্রান্তিকর। এটি প্রায়শই আমরা প্রকৃত বুদ্ধিমত্তার সাথে যুক্ত করি এমন ক্ষমতাগুলি পর্যাপ্তভাবে মূল্যায়ন করে না, যেমন সমস্যা-সমাধান, সৃজনশীলতা, নৈতিক বিচার, বা সম্পূর্ণ নতুন শারীরিক বা ধারণাগত পরিবেশে অভিযোজনযোগ্যতা।

ঐতিহাসিক প্রেক্ষাপটও প্রাসঙ্গিক। AI-এর Turing Test পাস করার দাবি আগেও উঠেছে। ২০১৪ সালে, ‘Eugene Goostman’ নামে একটি চ্যাটবট, যা একজন ১৩ বছর বয়সী ইউক্রেনীয় мальчика অনুকরণ করার জন্য ডিজাইন করা হয়েছিল, একটি অনুরূপ পরীক্ষা ইভেন্টের সময় ৩৩% বিচারককে বোঝাতে সক্ষম হয়েছিল বলে জানা গেছে। যদিও এটি সেই সময়ে কারও কারও দ্বারা প্রশংসিত হয়েছিল, ৩৩% সাফল্যের হার সাধারণত উল্লিখিত ৫০% থ্রেশহোল্ডের কম ছিল এবং এটি একটি ব্যক্তিত্ব (একজন অ-নেটিভ ইংরেজিভাষী কিশোর) ব্যবহার করে অর্জন করা হয়েছিল যা ব্যাকরণগত ত্রুটি বা জ্ঞানের ফাঁক ক্ষমা করতে পারে। আরও অত্যাধুনিক মডেলগুলির সাথে ৫০% ছাড়িয়ে যাওয়া এবং এমনকি ৭৩%-এ পৌঁছানো সাম্প্রতিক ফলাফলগুলির তুলনায়, কথোপকথনমূলক AI-তে অগ্রগতি অনস্বীকার্য, তবে পরীক্ষার সীমাবদ্ধতাগুলি প্রাসঙ্গিক রয়ে গেছে।

ইঞ্জিনের ভিতরে উঁকি: কথোপকথন দক্ষতার চালক

GPT-4.5-এর মতো মডেলগুলির চিত্তাকর্ষক কর্মক্ষমতা দুর্ঘটনাজনিত নয়; এটি AI বিকাশে নিরলস উদ্ভাবন এবং পরিমার্জনের ফলাফল, বিশেষ করে বৃহৎ ভাষা মডেলের ডোমেনের মধ্যে। বেশ কয়েকটি কারণ তাদের এই ধরনের মানুষের মতো পাঠ্য তৈরি করার ক্ষমতায় অবদান রাখে:

1. বিশাল ডেটাসেট: আধুনিক LLM গুলিকে সত্যিই বিস্ময়কর পরিমাণ পাঠ্য এবং কোড দিয়ে প্রশিক্ষণ দেওয়া হয়। এই বিশাল এক্সপোজার তাদের জটিল ব্যাকরণগত কাঠামো, বিভিন্ন শব্দভাণ্ডার, শৈলীগত সূক্ষ্মতা, বাস্তব তথ্য (যদিও সর্বদা নির্ভুল নয়), এবং সাধারণ কথোপকথন ক্রম শিখতে দেয়।
2. অত্যাধুনিক আর্কিটেকচার: অন্তর্নিহিত প্রযুক্তি, প্রায়শই Transformer আর্কিটেকচারের উপর ভিত্তি করে, ‘attention’-এর মতো প্রক্রিয়া ব্যবহার করে যা মডেলকে আউটপুট তৈরি করার সময় ইনপুট প্রম্পটের বিভিন্ন শব্দের গুরুত্ব বিবেচনা করতে দেয়। এটি পাঠ্যের দীর্ঘ অংশে প্রসঙ্গ এবং συνοχή বজায় রাখতে সহায়তা করে।
3. উন্নত প্রশিক্ষণ কৌশল: Reinforcement Learning from Human Feedback (RLHF)-এর মতো কৌশলগুলি মডেলগুলিকে ফাইন-টিউন করতে ব্যবহৃত হয়। মানুষ বিভিন্ন AI প্রতিক্রিয়াকে রেট দেয়, মডেলটিকে এমন আউটপুট তৈরি করার দিকে পরিচালিত করে যা আরও সহায়ক, নিরীহ এবং সত্যবাদী – এবং প্রায়শই, আরও মানুষের মতো শোনায়।
4. প্যারামিটার স্কেল: LLaMa-3.1-405B-এর মতো মডেল, শত শত বিলিয়ন প্যারামিটার সহ, প্রশিক্ষণের সময় শেখা তথ্য সংরক্ষণ এবং প্রক্রিয়া করার বৃহত্তর ক্ষমতা রাখে, যা আরও জটিল এবং সূক্ষ্ম পাঠ্য তৈরি করতে সক্ষম করে।
5. প্রসঙ্গ ধরে রাখা: নতুন মডেলগুলি কথোপকথনের আগের অংশগুলি ‘মনে রাখার’ উন্নত ক্ষমতা প্রদর্শন করে, যা আরও সামঞ্জস্যপূর্ণ এবং প্রাসঙ্গিক মিথস্ক্রিয়াগুলির দিকে পরিচালিত করে, যা মানব সংলাপের একটি মূল দিক।
6. মাল্টিমোডাল ভিত্তি: GPT-4-এর মতো পূর্বসূরীদের উপর ভিত্তি করে তৈরি, যা পাঠ্যের বাইরেও ক্ষমতা অন্তর্ভুক্ত করেছিল (যেমন চিত্র বোঝা), নতুন মডেলগুলিকে একটি সম্ভাব্য সমৃদ্ধ অভ্যন্তরীণ উপস্থাপনা দেয়, এমনকি যদি পরীক্ষার মিথস্ক্রিয়া সম্পূর্ণরূপে পাঠ্য-ভিত্তিক হয়।

যখন OpenAI GPT-4.5-এর প্রিভিউ করেছিল, তখন CEO Sam Altman মন্তব্য করেছিলেন, ‘এটি প্রথম মডেল যা আমার কাছে একজন চিন্তাশীল ব্যক্তির সাথে কথা বলার মতো মনে হয়।’ যদিও বিষয়ভিত্তিক, এই অনুভূতিটি গুণগত উল্লম্ফন প্রতিফলিত করে যা এই প্রযুক্তিগত অগ্রগতিগুলি কথোপকথন ক্ষমতায় সক্ষম করেছে। persona প্রম্পট তখন একটি শক্তিশালী লিভার হিসাবে কাজ করে, এই ক্ষমতাগুলিকে শেখা ডেটা থেকে নেওয়া একটি নির্দিষ্ট মানব কথোপকথন শৈলী অনুকরণের দিকে পরিচালিত করে।

বাস্তবতার মধ্য দিয়ে তরঙ্গ: সামাজিক এবং অর্থনৈতিক বিবেচনা

AI যে বিশ্বাসযোগ্যভাবে মানুষের কথোপকথন অনুকরণ করতে পারে, এমনকি যদি এটি প্রকৃত বুদ্ধিমত্তার সমান না হয়, তা একাডেমিক পরীক্ষার বাইরেও উল্লেখযোগ্য বাস্তব-বিশ্বের প্রভাব বহন করে। Sinead Bovell যেমন উল্লেখ করেছেন, এই অগ্রগতিগুলির সম্ভাব্য ‘বড় অর্থনৈতিক এবং সামাজিক প্রভাব’ রয়েছে।

• চাকরির বাজারে ব্যাঘাত: যোগাযোগের উপর ব্যাপকভাবে নির্ভরশীল ক্ষেত্রগুলি AI একীকরণ এবং সম্ভাব্য স্থানচ্যুতির জন্য প্রধান প্রার্থী। গ্রাহক পরিষেবা ভূমিকা, বিষয়বস্তু তৈরি (নিবন্ধ লেখা, বিপণন অনুলিপি), অনুবাদ পরিষেবা, এবং এমনকি টিউটরিং বা ব্যক্তিগত সহায়তার কিছু দিক ক্রমবর্ধমানভাবে অত্যাধুনিক চ্যাটবট এবং AI এজেন্ট দ্বারা পরিচালিত হতে পারে। ‘Agentic AI’-এর দিকে সাম্প্রতিক ধাক্কা – ডেটা বিশ্লেষণ, বিক্রয় সহায়তা, বা স্বাস্থ্যসেবা ব্যবস্থাপনার মতো ক্ষেত্রগুলিতে স্বায়ত্তশাসিতভাবে ওয়ার্কফ্লো সম্পাদন করার জন্য ডিজাইন করা সিস্টেমগুলি – আরও প্রেরণা লাভ করে যদি এই এজেন্টগুলি মানুষের মতো সাবলীলতার সাথে যোগাযোগ করতে পারে।
• মানব সম্পর্ক এবং বিশ্বাস: AI যখন সহানুভূতি এবং ব্যক্তিত্বের অনুকরণে আরও পারদর্শী হয়ে ওঠে, তখন এটি মানুষের মিথস্ক্রিয়া গতিশীলতা পরিবর্তন করতে পারে। মানুষ কি AI সঙ্গীদের সাথে মানসিক বন্ধন তৈরি করবে? যখন মানুষ এবং AI-এর মধ্যে পার্থক্য করা কঠিন হয়ে যায় তখন আমরা কীভাবে অনলাইন মিথস্ক্রিয়ায় সত্যতা নিশ্চিত করব? প্রতারণার সম্ভাবনা, তা কেলেঙ্কারি, ভুল তথ্য ছড়ানো বা মতামতকে প্রভাবিত করার জন্যই হোক না কেন, উল্লেখযোগ্যভাবে বৃদ্ধি পায়।
• ‘ডিপার ফেকস’-এর উত্থান: FAU-তে Center for the Future Mind-এর প্রতিষ্ঠাতা পরিচালক Susan Schneider, এই গতিপথ সম্পর্কে উদ্বেগ প্রকাশ করেছেন, ‘ডিপার ফেকস’ এবং এমনকি ‘চ্যাটবট সাইবারওয়ার্স’ জড়িত একটি সম্ভাব্য ‘দুঃস্বপ্ন’ পরিস্থিতির ভবিষ্যদ্বাণী করেছেন। যদি AI বিশ্বাসযোগ্যভাবে পাঠ্যে ব্যক্তিদের অনুকরণ করতে পারে, তবে দূষিত ছদ্মবেশের সম্ভাবনা নাটকীয়ভাবে বৃদ্ধি পায়।
• নৈতিক সারিবদ্ধতা: Schneider সারিবদ্ধতার গুরুত্বপূর্ণ বিষয়টিও তুলে ধরেছেন: AI সিস্টেমগুলি যাতে মানবিক মূল্যবোধ অনুসারে আচরণ করে তা নিশ্চিত করা। একটি AI যা নিখুঁতভাবে মানুষের কথোপকথন অনুকরণ করতে পারে কিন্তু একটি নৈতিক কম্পাসের অভাব রয়েছে বা প্রশিক্ষণের সময় শেখা পক্ষপাতদুষ্ট ডেটার উপর কাজ করে তা ক্ষতিকারক স্টেরিওটাইপগুলিকে স্থায়ী করতে পারে বা অনৈতিক সুপারিশ করতে পারে, সব সময় পুরোপুরি যুক্তিসঙ্গত শোনায়। এই মডেলগুলি অগত্যা ‘সঠিকভাবে সারিবদ্ধ’ না হয়েই পরীক্ষা পাস করেছে তা অনেক গবেষকের জন্য উদ্বেগের বিষয়।

কথোপকথনে মানুষ হিসাবে ‘পাস’ করার ক্ষমতা কেবল একটি প্রযুক্তিগত কৌতূহল নয়; এটি সরাসরি ছেদ করে যে আমরা কীভাবে কাজ করি, যোগাযোগ করি, বিশ্বাস করি এবং ক্রমবর্ধমান ডিজিটাল বিশ্বে একে অপরের সাথে সম্পর্ক স্থাপন করি।

ভবিষ্যতের পথ নির্ধারণ: অনুকরণের বাইরে প্রকৃত সক্ষমতার দিকে

যদিও GPT-4.5 এবং LLaMa-3.1 জড়িত সাম্প্রতিক Turing Test ফলাফলগুলি AI বিকাশের ইতিহাসে উল্লেখযোগ্য মাইলফলক, তারা প্রাথমিকভাবে প্রাকৃতিক ভাষা তৈরি এবং অনুকরণের অত্যাশ্চর্য অগ্রগতি তুলে ধরে। অনেক বিশেষজ্ঞের মধ্যে ঐকমত্য হল যে ফোকাসটি এখন এমন AI বিকাশের দিকে স্থানান্তরিত হতে হবে যা প্রকৃত বোঝাপড়া, যুক্তি এবং নৈতিক আচরণ প্রদর্শন করে, কেবল কথোপকথনমূলক অনুকরণে পারদর্শী হওয়ার পরিবর্তে।

এর জন্য ঐতিহ্যবাহী Turing Test-এর বাইরে নতুন বেঞ্চমার্ক এবং মূল্যায়ন পদ্ধতির দিকে অগ্রসর হওয়া প্রয়োজন। এগুলি কেমন দেখতে হতে পারে?

• অভিনব পরিস্থিতিতে জটিল সমস্যা-সমাধানের উপর দৃষ্টি নিবদ্ধ করা পরীক্ষা।
• দৃঢ় সাধারণ জ্ঞান যুক্তির মূল্যায়ন।
• অস্পষ্ট পরিস্থিতিতে নৈতিক সিদ্ধান্ত গ্রহণের মূল্যায়ন।
• বিদ্যমান নিদর্শনগুলির কেবল পুনর্মিলন নয়, সৃজনশীলতা এবং মৌলিক চিন্তার পরিমাপ।
• দীর্ঘমেয়াদী পরিকল্পনা এবং কৌশলগত চিন্তাভাবনা প্রয়োজন এমন পরীক্ষা।

ক্ষেত্রের অনেকের জন্য চূড়ান্ত লক্ষ্য কেবল বিশ্বাসযোগ্য কথোপকথনকারী তৈরি করা নয় বরং এমন AI তৈরি করা যা বাস্তব-বিশ্বের সমস্যাগুলি সমাধান করতে এবং মানুষের সক্ষমতা বাড়াতে নির্ভরযোগ্য, বিশ্বস্ত সরঞ্জাম হিসাবে কাজ করতে পারে। মূল প্রতিবেদনে যেমন উপসংহার টানা হয়েছিল, AI-এর ভবিষ্যৎ সম্ভবত এর ব্যবহারিক উপযোগিতার মধ্যে নিহিত – বৈজ্ঞানিক আবিষ্কারে সহায়তা করা, স্বাস্থ্যসেবার উন্নতি করা, জটিল সিস্টেমগুলি পরিচালনা করা – কেবল বিশ্বাসযোগ্যভাবে চ্যাট করার ক্ষমতার চেয়ে।

Artificial General Intelligence (AGI)-এর দিকে যাত্রা, যদি অর্জনযোগ্য হয়, দীর্ঘ এবং জটিল। Turing Test পাসের মতো মাইলফলকগুলি পথের গুরুত্বপূর্ণ চিহ্ন, যা বর্তমান কৌশলগুলির শক্তি প্রদর্শন করে। যাইহোক, এগুলি আমাদের বর্তমান মেট্রিকগুলির সীমাবদ্ধতা এবং এই শক্তিশালী প্রযুক্তিগুলি বিকশিত হওয়ার সাথে সাথে আমাদের অবশ্যই সমাধান করতে হবে এমন গভীর নৈতিক এবং সামাজিক প্রশ্নগুলির গুরুত্বপূর্ণ অনুস্মারক হিসাবেও কাজ করে। অনুকরণ খেলায় নতুন চ্যাম্পিয়ন থাকতে পারে, কিন্তু সত্যিকারের বুদ্ধিমান, উপকারী এবং সারিবদ্ধ AI তৈরির চ্যালেঞ্জ সবে শুরু হয়েছে।