ভাষা মডেলের বাইরে: Jensen Huang কেন উন্মুক্ত AI গবেষণাকে জীববিজ্ঞান, আবহাওয়া এবং কম্পিউটিংয়ের ভবিষ্যতের সঙ্গে যুক্ত করেন
ভূমিকা: AI-কে শুধু চ্যাটবট ভাবলে কী হারিয়ে যায়?
কথোপকথনের ব্যবস্থা কৃত্রিম বুদ্ধিমত্তাকে [AI] সহজে চেনায়। মানুষ প্রশ্ন লিখে উত্তর পড়তে পারেন। তবু ভাষা পৃথিবীকে উপস্থাপন করার একটি উপায়মাত্র।
জীববিজ্ঞান, রসায়ন, আবহাওয়া এবং ভৌত ব্যবস্থায় এমন তথ্য আছে, যাকে সাধারণ কথোপকথনে নামিয়ে আনা যায় না। উন্মুক্ত AI গবেষণার পক্ষে Jensen Huang-এর যুক্তি এই বৃহত্তর বৈজ্ঞানিক সুযোগকে একটি ব্যবহারিক কম্পিউটিং সমস্যার সঙ্গে যুক্ত করে: ভবিষ্যতের মডেল তাদের ব্যবস্থাকে কী করতে বলবে, হার্ডওয়্যার নকশাকারদের তা বুঝতে হবে।
এই যুক্তির কয়েকটি অংশ আছে। উন্মুক্ত কাজ গবেষণায় সহায়তা করতে, অংশগ্রহণ বাড়াতে এবং কম্পিউটিং শিল্পকে তার নিজের স্থাপত্য [Architecture] কোথায় বদলানো দরকার তা শিখতে সাহায্য করতে পারে।
১. মডেল তৈরি কম্পিউটিং কোম্পানিকে কী বানাতে হবে তা শেখায়
AI অবকাঠামোর নকশা করা কোম্পানি শুধু গতকালের মডেলের চাহিদার ওপর নির্ভর করতে পারে না। আগামীকালের ব্যবস্থাকে গড়ে দিতে পারে এমন কাজের প্রত্যক্ষ অভিজ্ঞতা তার দরকার।
মডেলের স্থাপত্য [Model Architecture] নিয়ে গবেষণা সেই অভিজ্ঞতা তৈরি করে। বিভিন্ন পদ্ধতি মেমরি, তথ্য চলাচল, প্রসেসর এবং তাদের সংযোগের ওপর ভিন্ন চাহিদা তৈরি করতে পারে।
Huang NVIDIA-এর মডেল গবেষণাকে তার বৃহত্তর যৌথ নকশার [Co-design] কৌশলের সঙ্গে যুক্ত করেন। মডেল নিয়ে কাজ করা সেই মডেলগুলির প্রয়োজনীয় ব্যবস্থা বোঝার আরেকটি পথ দেয়।
কোম্পানি প্রতিটি ক্ষেত্রে চূড়ান্ত অ্যাপ্লিকেশন প্রদানকারী হতে না চাইলেও তাই গবেষণা মূল্যবান। এই শিক্ষা অন্যদের ব্যবহৃত কম্পিউটিং প্ল্যাটফর্মের [Computing Platform] নকশায় কাজে লাগতে পারে।
২. উন্মুক্ততা আরও মানুষকে পরীক্ষার সুযোগ দেয়
প্রতিটি কার্যকর মডেল যদি শুধু তৈরি মালিকানাধীন পরিষেবা [Proprietary Service] হিসেবে পাওয়া যেত, তবে গবেষক ও ছোট প্রতিষ্ঠানের পরীক্ষা, অভিযোজন এবং তার ওপর ভিত্তি করে নতুন কিছু তৈরির স্বাধীনতা কম থাকত।
উন্মুক্ত মডেল [Open Models] অন্য পথ তৈরি করতে পারে। গবেষকেরা কোনো পদ্ধতি পরীক্ষা করতে, তার আচরণ অধ্যয়ন করতে এবং এমন প্রয়োগ অনুসন্ধান করতে পারেন, যা মূল নির্মাতার অগ্রাধিকার ছিল না।
বিভিন্ন শিল্প ও দেশের জন্য এই সুযোগ গুরুত্বপূর্ণ। বিশ্ববিদ্যালয়ের পরীক্ষাগার, প্রকৌশল দল এবং বিশেষায়িত বৈজ্ঞানিক গোষ্ঠীর আলাদা ধরনের প্রবেশাধিকার লাগতে পারে, কিন্তু নিজেদের কাজ করার সুযোগে সবাই উপকৃত হয়।
উন্মুক্ততা প্রতিটি পরীক্ষা সফল হবে এমন প্রতিশ্রুতি নয়। সবাইকে শূন্য থেকে শুরু করতে না বলে এটি শেখা ও অবদান রাখার সম্ভাবনা বাড়ায়।
৩. "উন্মুক্ত" শব্দের সুনির্দিষ্ট অর্থ দরকার
মডেলের ওয়েট [Model Weights], প্রশিক্ষণের কোড [Training Code], প্রশিক্ষণে ব্যবহৃত তথ্য এবং সেই তথ্য প্রস্তুতের পদ্ধতি ভিন্ন বিষয়।
একটি উপলব্ধ করলেই অন্যগুলিও স্বয়ংক্রিয়ভাবে উপলব্ধ হয় না। মূল প্রশিক্ষণপ্রক্রিয়া পুনরায় তৈরি করার সবকিছু না দিয়েও উন্মুক্ত-ওয়েট প্রকাশ [Open-weight Release] কার্যকর হতে পারে।
মডেল বেছে নেওয়ার সময় ব্যবহারিক প্রশ্ন হলো, প্রকৃত প্রকাশটি কী অনুমতি দেয়। দল কি সেটি পরীক্ষা করতে, পরিবর্তন করতে, অভিপ্রেত উদ্দেশ্যে স্থাপন করতে এবং তার সীমাবদ্ধতা বুঝতে পারে?
শিক্ষা হলো নামের বাইরে দেখা। কার্যকর উন্মুক্ততার মাত্রা নির্ভর করে কী উপাদান দেওয়া হয়েছে এবং তার সঙ্গে কী শর্ত যুক্ত আছে তার ওপর।
৪. বৈজ্ঞানিক AI-এর সাধারণ ভাষার বাইরেও উপস্থাপনা দরকার
আবহাওয়ার মডেল ভৌত ব্যবস্থার আচরণ নিয়ে কাজ করে। জীববিজ্ঞানের গবেষণা গঠন এবং পারস্পরিক ক্রিয়া নিয়ে। রোবোটিক্স [Robotics] পরিবর্তনশীল পরিবেশের সঙ্গে উপলব্ধি ও ক্রিয়াকে যুক্ত করে।
ভাষা মানুষকে এই সমস্যাগুলি বর্ণনা করতে সাহায্য করতে পারে, কিন্তু মূল তথ্য ও সম্পর্কের জন্য অন্য ধরনের উপস্থাপনা দরকার হতে পারে। তাই অগ্রগতি শুধু বৃহৎ ভাষা মডেলের [Large Language Model] কথোপকথনের দক্ষতা বাড়ানোর ওপর নির্ভর করে না।
Huang-এর বৃহত্তর দৃষ্টিভঙ্গি বিশেষায়িত মডেলকে বড় ব্যবস্থার মধ্যে জায়গা দেয়। এজেন্ট [Agent] শুধু ভাষা দিয়ে সব প্রশ্নের উত্তর দেওয়ার চেষ্টা না করে বৈজ্ঞানিক মডেলকে নিজের একটি সরঞ্জাম হিসেবে ব্যবহার করতে পারে।
এটি গুরুত্বের কার্যকর পরিবর্তন। একটি মডেলে সব সক্ষমতা থাকবে আশা করার বদলে লক্ষ্য হয় কাজের জন্য উপযুক্ত সক্ষমতার নাগাল পাওয়া।
৫. প্ল্যাটফর্ম যেসব শিল্পকে প্রতিস্থাপন করতে চায় না, সেগুলিকেও সহায়তা করতে পারে
কোনো ক্ষেত্রে অবদান রাখতে কম্পিউটিং কোম্পানিকে চূড়ান্ত গাড়ি বানাতে, চূড়ান্ত ওষুধ আবিষ্কার করতে অথবা প্রতিটি বৈজ্ঞানিক প্রতিষ্ঠান চালাতে হবে না।
এটি মডেল, সরঞ্জাম ও অবকাঠামো দিতে পারে, যা বিশেষজ্ঞদের নিজের কাজ করতে সাহায্য করে। সেই বিশেষজ্ঞরা বিষয়ভিত্তিক জ্ঞান [Domain Knowledge], পরীক্ষা এবং ব্যবহারিক সীমাবদ্ধতা নিয়ে আসেন, যা সাধারণ প্ল্যাটফর্ম একা দিতে পারে না।
এই কাজের বিভাজন ব্যাখ্যা করে কেন উন্মুক্ত গবেষণা এবং বাণিজ্যিক পণ্য পাশাপাশি থাকতে পারে। মালিকানাধীন অ্যাপ্লিকেশন একটি উদ্দেশ্য পূরণ করতে পারে, আর ভাগ করা গবেষণার ভিত্তি বৃহত্তর সম্প্রদায়কে সহায়তা করতে পারে।
সীমানাগুলি স্পষ্ট থাকা উচিত। মডেলের নাগাল পাওয়া একটি শুরু, বৈজ্ঞানিক বা পরিচালনগত সিদ্ধান্তের জন্য সেটি প্রস্তুত তার প্রমাণ নয়।
উপসংহার: পরবর্তী প্ল্যাটফর্মে ভিন্ন ধরনের বুদ্ধিমত্তার জায়গা থাকতে হবে
উন্মুক্ত AI গবেষণার পক্ষে Huang-এর যুক্তি আরেকটি চ্যাটবট প্রকাশের চেয়ে বিস্তৃত। এটি কম্পিউটিং নকশাকে বৈজ্ঞানিক অনুসন্ধান এবং অন্যদের নতুন কিছু তৈরির সক্ষমতার সঙ্গে যুক্ত করে।
সুযোগটি রয়েছে সাধারণ সরঞ্জামের সঙ্গে বিশেষায়িত জ্ঞান মেলানোর মধ্যে, একই সঙ্গে কী উন্মুক্ত এবং কী মূল্যায়ন করা ব্যবহারকারীর দায়িত্ব থেকে যায়, সে বিষয়ে সুনির্দিষ্ট থাকার মধ্যে।
AI-এর প্ল্যাটফর্ম ভিন্ন ধরনের কাজে সহায়তা করতে পারলে AI আরও কার্যকর হয়। সেই ভবিষ্যতে ভাষা একটি গুরুত্বপূর্ণ ইন্টারফেস [Interface]। সেটিই সম্পূর্ণ ভবিষ্যৎ নয়।
Powered By K7