কেন অ্যানথ্রপিকের ক্লড এখনও পোকেমনকে হারাতে পারেনি

AGI-এর প্রতিশ্রুতি

কৃত্রিম বুদ্ধিমত্তার (AI) ক্রমবর্ধমান ক্ষেত্রে, ‘আর্টিফিশিয়াল জেনারেল ইন্টেলিজেন্স’ (AGI)-এর ধারণাটি একটি আকর্ষণীয় সম্ভাবনারূপে আবির্ভূত হয়েছে। শিল্পের নেতৃবৃন্দ ক্রমবর্ধমানভাবে ইঙ্গিত দিচ্ছেন যে আমরা ভার্চুয়াল এজেন্ট তৈরির দ্বারপ্রান্তে রয়েছি যা বিভিন্ন জ্ঞানীয় কাজে মানুষের বোধগম্যতা এবং কর্মক্ষমতা মেলাতে বা এমনকি অতিক্রম করতে সক্ষম। এই প্রত্যাশা প্রযুক্তি সংস্থাগুলির মধ্যে একটি প্রতিযোগিতার সৃষ্টি করেছে, প্রত্যেকে এই যুগান্তকারী মাইলফলক অর্জনে প্রথম হওয়ার জন্য প্রচেষ্টা চালাচ্ছে।

OpenAI, AI অঙ্গনের একটি প্রধান খেলোয়াড়, সূক্ষ্মভাবে একটি ‘PhD-স্তরের’ AI এজেন্টের আসন্ন আগমনের ইঙ্গিত দিচ্ছে। তারা বলছে, এই এজেন্টটি স্বায়ত্তশাসিতভাবে কাজ করতে পারে, একজন ‘উচ্চ-আয়ের জ্ঞান কর্মীর’ স্তরে পারফর্ম করতে পারে। ইলন মাস্ক, সর্বদাই উচ্চাকাঙ্ক্ষী উদ্যোক্তা, আরও সাহসী ভবিষ্যদ্বাণী করেছেন, বলেছেন যে 2025 সালের শেষের দিকে আমাদের সম্ভবত AI থাকবে যা ‘যে কোনও একজন মানুষের চেয়ে স্মার্ট’। ডারিও আমোদি, অ্যানথ্রপিকের CEO, আরেকটি বিশিষ্ট AI সংস্থা, সামান্য আরও রক্ষণশীল সময়রেখা প্রস্তাব করেন কিন্তু একই রকম দৃষ্টিভঙ্গি পোষণ করেন, তিনি বলেন যে AI 2027 সালের শেষের দিকে ‘প্রায় সব কিছুতেই মানুষের চেয়ে ভালো’ হতে পারে।

অ্যানথ্রপিকের ‘ক্লড প্লেস পোকেমন’ পরীক্ষা

এই উচ্চাভিলাষী ভবিষ্যদ্বাণীগুলির পটভূমিতে, অ্যানথ্রপিক গত মাসে তার ‘ক্লড প্লেস পোকেমন’ পরীক্ষা চালু করে। এই প্রকল্পটি, AGI-এর ভবিষ্যতের দিকে একটি পদক্ষেপ হিসাবে উপস্থাপিত হয়েছিল, এটিকে ‘AI সিস্টেমের ঝলক যা ক্রমবর্ধমান দক্ষতার সাথে চ্যালেঞ্জ মোকাবেলা করে, কেবল প্রশিক্ষণের মাধ্যমে নয়, সাধারণীকৃত যুক্তি দিয়েও’ প্রদর্শন হিসাবে বর্ণনা করা হয়েছিল। অ্যানথ্রপিক উল্লেখযোগ্য মনোযোগ আকর্ষণ করেছিল যে কীভাবে ক্লড 3.7 সনেটের ‘উন্নত যুক্তির ক্ষমতা’ কোম্পানির সর্বশেষ মডেলটিকে ক্লাসিক গেম বয় RPG, পোকেমন-এ এমনভাবে অগ্রগতি করতে সক্ষম করেছে যা ‘পুরানো মডেলগুলির অর্জনের সামান্য আশা ছিল’।

সংস্থাটি জোর দিয়েছিল যে ক্লড 3.7 সনেটের ‘বর্ধিত চিন্তাভাবনা’ নতুন মডেলটিকে ‘আগাম পরিকল্পনা করতে, এর উদ্দেশ্যগুলি মনে রাখতে এবং প্রাথমিক কৌশলগুলি ব্যর্থ হলে মানিয়ে নিতে’ অনুমতি দেয়। অ্যানথ্রপিক যুক্তি দিয়েছিল, এগুলি ‘পিক্সেলের জিম নেতাদের সাথে লড়াই করার জন্য গুরুত্বপূর্ণ দক্ষতা। এবং, আমরা মনে করি, বাস্তব-বিশ্বের সমস্যা সমাধানেও।’ এর অন্তর্নিহিত অর্থ ছিল স্পষ্ট: পোকেমন-এ ক্লডের অগ্রগতি কেবল একটি খেলা নয়; এটি জটিল, বাস্তব-বিশ্বের চ্যালেঞ্জ মোকাবেলায় AI-এর ক্রমবর্ধমান ক্ষমতার একটি প্রদর্শন।

বাস্তবতার মুখোমুখি: ক্লডের সংগ্রাম

যাইহোক, ক্লডের পোকেমন পারফরম্যান্সকে ঘিরে প্রাথমিক উত্তেজনা বাস্তবতার মুখোমুখি হয়ে কিছুটা স্তিমিত হয়েছে। যদিও ক্লড 3.7 সনেট নিঃসন্দেহে তার পূর্বসূরিদের চেয়ে ভালো পারফর্ম করেছে, তবে এটি গেমটির উপর দক্ষতা অর্জন করতে পারেনি। Twitch-এ হাজার হাজার দর্শক ক্লডের চলমান সংগ্রাম প্রত্যক্ষ করেছেন, এর ঘন ঘন ভুল পদক্ষেপ এবং অদক্ষতা পর্যবেক্ষণ করেছেন।

পদক্ষেপগুলির মধ্যে বর্ধিত ‘চিন্তাভাবনার’ বিরতি থাকা সত্ত্বেও – যে সময়ে দর্শকরা সিস্টেমের সিমুলেটেড যুক্তি প্রক্রিয়া পর্যবেক্ষণ করতে পারেন – ক্লড প্রায়শই নিজেকে এমন পরিস্থিতিতে খুঁজে পায়:

• সম্পূর্ণ করা শহরগুলিতে পুনরায় যাওয়া: AI প্রায়শই এমন অঞ্চলগুলিতে ফিরে আসে যা এটি ইতিমধ্যেই অনুসন্ধান করেছে, আপাতদৃষ্টিতে কোনও উদ্দেশ্য ছাড়াই।
• অন্ধ কোণে আটকে যাওয়া: ক্লড প্রায়শই মানচিত্রের কোণে দীর্ঘ সময়ের জন্য আটকা পড়ে, সেখান থেকে বেরোনোর পথ খুঁজে পেতে অক্ষম হয়।
• বারবার অ-সহায়ক NPC-গুলির সাথে কথোপকথন: AI-কে একই নন-প্লেয়ার চরিত্রগুলির সাথে বারবার নিষ্ফল কথোপকথনে জড়িত থাকতে দেখা গেছে।

স্বতন্ত্রভাবে মানুষের চেয়ে নিম্নমানের ইন-গেম পারফরম্যান্সের এই উদাহরণগুলি এমন একটি চিত্র তুলে ধরে যা কারও কারও কল্পনায় থাকা অতি-বুদ্ধিমত্তা থেকে অনেক দূরে। শিশুদের জন্য ডিজাইন করা একটি গেমে ক্লডকে সংগ্রাম করতে দেখে, এটি কল্পনা করা কঠিন হয়ে পড়ে যে আমরা কম্পিউটার বুদ্ধিমত্তার একটি নতুন যুগের সূচনা প্রত্যক্ষ করছি।

সাব-হিউম্যান পারফরম্যান্স থেকে শিক্ষা

এর ত্রুটিগুলি সত্ত্বেও, ক্লডের পোকেমন-এর বর্তমান স্তরের পারফরম্যান্স সাধারণীকৃত, মানব-স্তরের কৃত্রিম বুদ্ধিমত্তার চলমান অনুসন্ধানের মূল্যবান অন্তর্দৃষ্টি সরবরাহ করে। এমনকি এর সংগ্রামগুলিও গুরুত্বপূর্ণ শিক্ষা দেয় যা ভবিষ্যতের বিকাশের প্রচেষ্টাকে জানাতে পারে।

এক অর্থে, এটি উল্লেখযোগ্য যে ক্লড পোকেমন খেলতে পারে। Go এবং Dota 2-এর মতো গেমগুলির জন্য AI সিস্টেম তৈরি করার সময়, প্রকৌশলীরা সাধারণত তাদের অ্যালগরিদমগুলিকে গেমের নিয়ম এবং কৌশল সম্পর্কে বিস্তৃত জ্ঞান সরবরাহ করে, সেইসাথে তাদের শেখার গাইড করার জন্য একটি পুরস্কার ফাংশন সরবরাহ করে। বিপরীতে, ডেভিড হার্শে, ক্লড প্লেস পোকেমন প্রকল্পের পেছনের ডেভেলপার, একটি অপরিবর্তিত, সাধারণীকৃত ক্লড মডেল দিয়ে শুরু করেছিলেন যা বিশেষভাবে পোকেমন গেম খেলার জন্য প্রশিক্ষণ বা টিউন করা হয়নি।

হার্শে Ars-কে ব্যাখ্যা করেছিলেন, ‘এটি সম্পূর্ণরূপে বিভিন্ন অন্যান্য জিনিস যা [ক্লড] বিশ্ব সম্পর্কে বোঝে এবং ভিডিও গেমগুলির দিকে নির্দেশ করতে ব্যবহৃত হয়।’ তিনি আরও বলেন, ‘সুতরাং এটির পোকেমন সম্পর্কে একটি ধারণা রয়েছে। আপনি যদি claude.ai-এ যান এবং পোকেমন সম্পর্কে জিজ্ঞাসা করেন, তবে এটি কী পড়েছে তার উপর ভিত্তি করে পোকেমন কী তা জানে… আপনি যদি জিজ্ঞাসা করেন, এটি আপনাকে বলবে যে আটটি জিম ব্যাজ রয়েছে, এটি আপনাকে বলবে প্রথমটি ব্রক… এটি বিস্তৃত কাঠামোটি জানে।’

ভিজ্যুয়াল ইন্টারপ্রিটেশনের চ্যালেঞ্জ

গেমের অবস্থার তথ্যের জন্য মূল গেম বয় RAM অ্যাড্রেসগুলি নিরীক্ষণ করার পাশাপাশি, ক্লড গেমের ভিজ্যুয়াল আউটপুটকে অনেকটা মানুষের মতোই ব্যাখ্যা করে। যাইহোক, AI ইমেজ প্রসেসিং-এ সাম্প্রতিক অগ্রগতি সত্ত্বেও, ক্লড এখনও একটি মানুষের মতো নির্ভুলতার সাথে গেম বয়ের স্ক্রিনশটের নিম্ন-রেজোলিউশন, পিক্সেলের বিশ্বকে ব্যাখ্যা করতে সংগ্রাম করে।

হার্শে স্বীকার করেছেন, ‘ক্লড এখনও স্ক্রিনে কী আছে তা বোঝার ক্ষেত্রে বিশেষভাবে ভালো নয়।’ ‘আপনি এটিকে সব সময় দেয়ালের দিকে হাঁটার চেষ্টা করতে দেখবেন।’

হার্শে সন্দেহ করেন যে ক্লডের প্রশিক্ষণ ডেটাতে সম্ভবত গেম বয়ের স্ক্রিনের মতো চিত্রের বিশদ পাঠ্য বিবরণ নেই। এর অর্থ হল, কিছুটা অপ্রত্যাশিতভাবে, ক্লড আসলে আরও বাস্তবসম্মত চিত্রের সাথে আরও ভালো পারফর্ম করতে পারে।

হার্শে উল্লেখ করেছেন, ‘এটি মানুষের সম্পর্কে সেই মজার জিনিসগুলির মধ্যে একটি যে আমরা মানুষের এই আট-বাই-আট পিক্সেল ব্লবগুলির দিকে তাকিয়ে বলতে পারি, ‘এটি নীল চুলের একটি মেয়ে’।’ ‘মানুষের, আমি মনে করি, আমাদের বাস্তব জগৎ থেকে ম্যাপ করার এবং বোঝার ক্ষমতা আছে… তাই আমি সত্যিই অবাক হয়েছি যে ক্লড স্ক্রিনে একজন ব্যক্তি আছে তা দেখতে কতটা ভালো।’

ভিন্ন শক্তি, ভিন্ন দুর্বলতা

এমনকি নিখুঁত ভিজ্যুয়াল ইন্টারপ্রিটেশন সহ, হার্শে বিশ্বাস করেন যে ক্লড এখনও 2D নেভিগেশন চ্যালেঞ্জগুলির সাথে লড়াই করবে যা মানুষের জন্য তুচ্ছ। তিনি বলেন, ‘আমার পক্ষে বোঝাটা বেশ সহজ যে [একটি ইন-গেম] বিল্ডিং একটি বিল্ডিং এবং আমি একটি বিল্ডিংয়ের মধ্য দিয়ে হাঁটতে পারি না।’ ‘এবং এটি [এমন কিছু] যা ক্লডের পক্ষে বোঝাটা বেশ চ্যালেঞ্জিং… এটি মজার কারণ এটি কেবল বিভিন্ন উপায়ে স্মার্ট, তাই না?’

হার্শের মতে, ক্লড যেখানে சிறந்து விளங்குகிறது, তা হল গেমের আরও টেক্সট-ভিত্তিক দিকগুলিতে। যুদ্ধের সময়, ক্লড সহজেই লক্ষ্য করে যখন গেমটি নির্দেশ করে যে একটি বৈদ্যুতিক-টাইপ পোকেমনের আক্রমণ একটি রক-টাইপ প্রতিপক্ষের বিরুদ্ধে ‘খুব কার্যকর নয়’। তারপর এটি ভবিষ্যতের রেফারেন্সের জন্য তার বিশাল লিখিত জ্ঞান ভান্ডারে এই তথ্য সংরক্ষণ করে। ক্লড একাধিক জ্ঞানের অংশকে অত্যাধুনিক যুদ্ধের কৌশলগুলিতে একীভূত করতে পারে, এমনকি এই কৌশলগুলিকে পোকেমন ধরার এবং দল পরিচালনার দীর্ঘমেয়াদী পরিকল্পনায় প্রসারিত করতে পারে।

এমনকি গেমের টেক্সট ইচ্ছাকৃতভাবে বিভ্রান্তিকর বা অসম্পূর্ণ হলেও ক্লড আশ্চর্যজনক ‘বুদ্ধিমত্তা’ প্রদর্শন করে। হার্শে একটি প্রাথমিক-গেম টাস্কের কথা উল্লেখ করেছেন যেখানে খেলোয়াড়কে পাশের বাড়িতে প্রফেসর ওককে খুঁজতে বলা হয়, শুধুমাত্র সেখানে তাকে খুঁজে না পাওয়ার জন্য। হার্শে বলেন, ‘৫ বছর বয়সী হিসেবে, এটা আমার কাছে খুবই বিভ্রান্তিকর ছিল।’ ‘কিন্তু ক্লড আসলে সাধারণত সেই একই গতির মধ্য দিয়ে যায় যেখানে এটি মায়ের সাথে কথা বলে, ল্যাবে যায়, [ওক] খুঁজে পায় না, বলে, ‘আমাকে কিছু বের করতে হবে’… এটি যথেষ্ট পরিশীলিত যে [মানুষ] আসলে যেভাবে এটি শেখার কথা, সেই পদ্ধতির মধ্য দিয়ে যাওয়ার জন্য।’

মানুষের স্তরের খেলার তুলনায় এই বিপরীত শক্তি এবং দুর্বলতাগুলি AI গবেষণা এবং ক্ষমতাগুলির সামগ্রিক অবস্থাকে প্রতিফলিত করে, হার্শে ব্যাখ্যা করেছিলেন। ‘আমি মনে করি এটি এই মডেলগুলি সম্পর্কে একটি সর্বজনীন জিনিস… আমরা এটির টেক্সট সাইডটি প্রথমে তৈরি করেছি, এবং টেক্সট সাইডটি অবশ্যই… আরও শক্তিশালী। এই মডেলগুলি কীভাবে চিত্রগুলি সম্পর্কে যুক্তি দিতে পারে তা আরও ভাল হচ্ছে, তবে আমি মনে করি এটি একটি শালীন বিট পিছিয়ে আছে।’

স্মৃতির সীমাবদ্ধতা

ভিজ্যুয়াল এবং টেক্সচুয়াল ইন্টারপ্রিটেশনের চ্যালেঞ্জগুলি ছাড়াও, হার্শে স্বীকার করেছেন যে ক্লড যা শিখেছে তা ‘মনে রাখতে’ সংগ্রাম করে। বর্তমান মডেলের 200,000 টোকেনের একটি ‘কনটেক্সট উইন্ডো’ রয়েছে, যা যে কোনও সময়ে তার ‘মেমরি’-তে যে পরিমাণ সম্পর্কযুক্ত তথ্য সংরক্ষণ করতে পারে তা সীমিত করে। যখন সিস্টেমের প্রসারিত জ্ঞান ভান্ডার এই উইন্ডোটি পূরণ করে, তখন ক্লড একটি বিস্তৃত সংক্ষিপ্তকরণ প্রক্রিয়ার মধ্য দিয়ে যায়, বিশদ নোটগুলিকে সংক্ষিপ্ত আকারে ঘনীভূত করে যা অনিবার্যভাবে কিছু সূক্ষ্ম বিবরণ হারায়।

এটি ক্লডের ‘দীর্ঘ সময় ধরে জিনিসগুলি ট্র্যাক রাখতে এবং এটি இதுவரை কী চেষ্টা করেছে সে সম্পর্কে একটি দুর্দান্ত ধারণা রাখতে কঠিন সময় কাটানোর’ দিকে পরিচালিত করতে পারে, হার্শে বলেছিলেন। ‘আপনি অবশ্যই এটিকে মাঝে মাঝে এমন কিছু মুছতে দেখবেন যা এটির মোছা উচিত ছিল না। আপনার জ্ঞান ভান্ডারে বা আপনার সারাংশে নেই এমন কিছু চলে যাবে, তাই আপনাকে সেখানে কী রাখতে চান সে সম্পর্কে ভাবতে হবে।’

ভুল তথ্যের বিপদ

গুরুত্বপূর্ণ তথ্য ভুলে যাওয়ার চেয়েও বেশি সমস্যাযুক্ত হল ক্লডের অজান্তেই তার জ্ঞান ভান্ডারে ভুল তথ্য প্রবেশ করানোর প্রবণতা। একটি ত্রুটিপূর্ণ ভিত্তির উপর বিশ্বদর্শন তৈরি করা একজন ষড়যন্ত্র তাত্ত্বিকের মতো, ক্লড তার স্ব-লিখিত জ্ঞান ভান্ডারের একটি ত্রুটি তার পোকেমন খেলাকে বিপথে চালিত করছে তা চিনতে উল্লেখযোগ্যভাবে ধীর হতে পারে।

হার্শে বলেন, ‘অতীতে লেখা জিনিসগুলিকে এটি অন্ধভাবে বিশ্বাস করে।’ ‘আমি দেখেছি এটি খুব নিশ্চিত হয়ে গেছে যে এটি [ইন-গেম লোকেশন] ভিরিডিয়ান ফরেস্টের প্রস্থানটি নির্দিষ্ট কোনও কোঅর্ডিনেটে খুঁজে পেয়েছে, এবং তারপরে এটি অন্য কিছু করার পরিবর্তে সেই ভুল কোঅর্ডিনেটগুলির চারপাশে একটি ছোট বর্গক্ষেত্রে ঘন্টা ঘন্টা ধরে অনুসন্ধান করে। এটি একটি ‘ব্যর্থতা’ ছিল তা সিদ্ধান্ত নিতে এটির খুব বেশি সময় লাগে।’

এই চ্যালেঞ্জগুলি সত্ত্বেও, হার্শে উল্লেখ করেছেন যে ক্লড 3.7 সনেট পূর্ববর্তী মডেলগুলির তুলনায় ‘তার অনুমানগুলিকে প্রশ্ন করতে, নতুন কৌশল চেষ্টা করতে এবং বিভিন্ন কৌশলগুলির দীর্ঘ দিগন্তের উপর নজর রাখতে [দেখুন] সেগুলি কাজ করে কিনা’ তে উল্লেখযোগ্যভাবে ভাল। যদিও নতুন মডেলটি এখনও একই ক্রিয়াগুলি পুনরায় চেষ্টা করে ‘সত্যিই দীর্ঘ সময়ের জন্য সংগ্রাম করে’, এটি শেষ পর্যন্ত ‘কী ঘটছে এবং এটি আগে কী চেষ্টা করেছে সে সম্পর্কে একটি ধারণা পেতে থাকে এবং এটি অনেক সময় প্রকৃত অগ্রগতির মধ্যে হোঁচট খায়,’ হার্শে বলেছিলেন।

সামনের পথ

একাধিক পুনরাবৃত্তিতে ক্লড প্লেস পোকেমন পর্যবেক্ষণ করার সবচেয়ে আকর্ষণীয় দিকগুলির মধ্যে একটি, হার্শে বলেছিলেন, সিস্টেমের অগ্রগতি এবং কৌশল কীভাবে রানগুলির মধ্যে উল্লেখযোগ্যভাবে পরিবর্তিত হতে পারে তা দেখা। কখনও কখনও, ক্লড ‘বিভিন্ন পথ চেষ্টা করার বিষয়ে বিশদ নোট রেখে’ ‘আসলে একটি বেশ সুসংগত কৌশল তৈরি করতে সক্ষম’ তা প্রদর্শন করে, তিনি ব্যাখ্যা করেছিলেন। কিন্তু ‘বেশিরভাগ সময় এটি করে না… বেশিরভাগ সময়, এটি প্রাচীরের মধ্যে ঘুরে বেড়ায় কারণ এটি আত্মবিশ্বাসী যে এটি প্রস্থানটি দেখতে পাচ্ছে।’

হার্শের মতে, ক্লডের বর্তমান সংস্করণের প্রধান সীমাবদ্ধতাগুলির মধ্যে একটি হল ‘যখন এটি সেই ভাল কৌশলটি অর্জন করে, তখন আমি মনে করি না যে এটির আত্ম-সচেতনতা আছে যে এটি জানে যে একটি কৌশল [এটি] অন্যটির চেয়ে ভাল।’ এবং তিনি স্বীকার করেছেন, এটি সমাধান করার জন্য একটি তুচ্ছ সমস্যা নয়।

তবুও, হার্শে গেম বয়ের স্ক্রিনশট সম্পর্কে মডেলের বোধগম্যতা বাড়িয়ে ক্লডের পোকেমন খেলা উন্নত করার জন্য ‘লো-হ্যাঙ্গিং ফ্রুট’ দেখতে পান। তিনি বলেন, ‘আমি মনে করি এটির গেমটি জেতার একটি সুযোগ থাকতে পারে যদি এটির স্ক্রিনে কী আছে সে সম্পর্কে একটি নিখুঁত ধারণা থাকে,’ তিনি পরামর্শ দেন যে এই ধরনের একটি মডেল সম্ভবত ‘মানুষের চেয়ে একটু কম’ পারফর্ম করবে।

ভবিষ্যতের ক্লড মডেলগুলির জন্য কনটেক্সট উইন্ডো প্রসারিত করা সম্ভবত তাদের ‘দীর্ঘ সময় ধরে যুক্তি দিতে এবং দীর্ঘ সময়ের মধ্যে জিনিসগুলিকে আরও সুসংগতভাবে পরিচালনা করতে’ সক্ষম করবে, হার্শে যোগ করেছেন। ভবিষ্যতের মডেলগুলি ‘মনে রাখতে, অগ্রগতি করার জন্য এটির কী চেষ্টা করতে হবে তার একটি সুসংগত সেট ট্র্যাক রাখতে একটু ভাল হয়ে’ উন্নতি করবে, তিনি বলেছিলেন।

যদিও AI মডেলগুলিতে আসন্ন উন্নতির সম্ভাবনা অনস্বীকার্য, ক্লডের বর্তমান পোকেমন পারফরম্যান্স পরামর্শ দেয় না যে এটি মানব-স্তরের, সম্পূর্ণরূপে সাধারণীকরণযোগ্য কৃত্রিম বুদ্ধিমত্তার একটি যুগের সূচনা করার দ্বারপ্রান্তে রয়েছে। হার্শে স্বীকার করেছেন যে ক্লড 3.7 সনেটকে 80 ঘন্টা ধরে মাউন্ট মুনে আটকে থাকতে দেখে এটিকে ‘এমন একটি মডেল বলে মনে হতে পারে যা জানে না এটি কী করছে।’

যাইহোক, হার্শে ক্লডের নতুন যুক্তি মডেলটি প্রদর্শিত সচেতনতার মাঝে মাঝে ঝলক দেখে মুগ্ধ রয়েছেন, উল্লেখ করেছেন যে এটি কখনও কখনও ‘এক ধরনের বলবে যে এটি জানে না এটি কী করছে এবং জানে যে এটির অন্য কিছু করা দরকার। এবং ‘একেবারেই করতে পারে না’ এবং ‘একটু করতে পারে’-এর মধ্যে পার্থক্য আমার জন্য এই AI জিনিসগুলির জন্য একটি বেশ বড়, তিনি অব্যাহত রেখেছিলেন। ‘আপনি জানেন, যখন কোনও কিছু একটু করতে পারে তখন সাধারণত এর অর্থ হল আমরা এটিকে সত্যিই, সত্যিই ভালভাবে করতে সক্ষম হওয়ার কাছাকাছি আছি।’