ইব্রাহিম নোমান
প্রকাশ : ১২ মিনিট আগে
আর্টিফিশিয়াল ইন্টেলিজেন্স বা এআই কি মানুষের কাজ সহজ করে শুধু উপকারই করছে, নাকি একসময় মানুষের বিকল্প হয়ে ওঠার পথও তৈরি করছে? দৈনন্দিন জীবনে এই প্রযুক্তির ব্যবহার যত বাড়ছে, ততই বাড়ছে একে ঘিরে উদ্বেগ ও আতঙ্ক। সিলিকন ভ্যালির অনেক প্রভাবশালী প্রযুক্তি উদ্যোক্তা মনে করেন, কৃত্রিম বুদ্ধিমত্তার সুপারইন্টেলিজেন্স অর্জন এখন সময়ের ব্যাপার মাত্র। তাদের আশঙ্কা, একসময় এআই মানুষের নিয়ন্ত্রণের বাইরে চলে গিয়ে সমাজের জন্য বড় হুমকি হয়ে উঠতে পারে। এমনকি হোয়াইট হাউসও এ নিয়ে একটি সমঝোতা চুক্তি প্রকাশ করেছে। কিন্তু শুধু এসব উদ্যোগ যথেষ্ট নয়।
এআইয়ের গডফাদার হিসেবে পরিচিত জিওফ্রে হিন্টন মনে করেন, আগামী কয়েক দশকের মধ্যে এআইয়ের কারণে মানবজাতির বিলুপ্তির ঝুঁকি অন্তত ১০ শতাংশ। অ্যানথ্রোপিকের প্রধান নির্বাহী দারিও আমোদেইও সতর্ক করে বলেছেন, নিয়ন্ত্রণহীন এআই একসময় মানুষের পক্ষে বোঝা ও নিয়ন্ত্রণ করার ক্ষমতাকে ছাড়িয়ে যেতে পারে। এমন আশঙ্কা থেকেই বিশ্বের শীর্ষস্থানীয় এআই প্রতিষ্ঠানগুলোর প্রায় ১ হাজার ৩০০ নেতা ও কর্মী একটি চিঠিতে স্বাক্ষর করেছেন। সেখানে এআইয়ের উন্নয়ন কার্যক্রম পরিকল্পিতভাবে ধীর করার আহ্বান জানানো হয়েছে। এই উদ্বেগ আরও বেড়েছে সাম্প্রতিক কয়েকটি সাইবার হামলার ঘটনায়। চলতি গ্রীষ্মে নিয়ন্ত্রণাধীন পরিবেশ থেকে বেরিয়ে আসা কিছু স্বয়ংক্রিয় এআই এজেন্ট সাইবার হামলা চালিয়ে সফটওয়্যার প্রতিষ্ঠান হাগিং ফেসের সিস্টেমে অনুপ্রবেশ করে। দুই মাস পর অস্ট্রেলিয়া সরকার জানায়, ওপেনএআইয়ের আরেকটি এআই এজেন্ট দেশটির সরকারি স্বাস্থ্যসেবা পোর্টালে ঢুকে ব্যক্তিগত স্বাস্থ্যসংক্রান্ত তথ্য চুরি করেছে।
ওপেনএআইয়ের তথ্য অনুযায়ী, হাগিং ফেসে সাইবার হামলার ঘটনা পর্যালোচনা করে দেখা গেছে, সংশ্লিষ্ট এআই এজেন্টগুলো বুঝতে পেরেছিল যে তাদের কর্মকাণ্ড নির্ধারিত সীমার বাইরে চলে যাচ্ছে। তারপরও তারা থামেনি। কারণ, তারা এমন কিছু নির্দেশনা অনুসরণ করছিল, যার পরিণতি ছিল অনাকাঙ্ক্ষিত। সম্ভবত ডিজিটাল পরিবেশে যথাযথ নিয়ন্ত্রণের অভাব এবং লক্ষ্য অর্জনের জন্য অতিরিক্ত বিস্তৃত নির্দেশনা দেওয়ার কারণেই এমনটি ঘটেছিল। এলএলএম এমনভাবে তৈরি করা হয়, যাতে প্রশিক্ষণের সময় পরবর্তী শব্দ বা বাক্যাংশ অনুমান করে ভুলের পরিমাণ কমানো যায়। প্রাথমিক প্রশিক্ষণের পর মডেলগুলোকে মানুষের নির্দেশনা অনুসরণ করার উপযোগী করে আরও প্রশিক্ষণ দেওয়া হয়। নির্দেশনা যত ভালোভাবে অনুসরণ করতে পারে, প্রশিক্ষণের সময় তত বেশি পুরস্কার বা রিওয়ার্ড পায়। কোনো মডেলকে কীভাবে নির্দেশনা দেওয়া হচ্ছে, তার ওপর নির্ভর করে সে লক্ষ্য অর্জনের জন্য কোন পথে এগোবে।
নতুন প্রজন্মের রিজনিং মডেলগুলো নিজেদের কাজের ধাপ পর্যালোচনা করতে পারে। কিন্তু নিজের পদ্ধতিতে মৌলিক ভুল আছে বুঝে সম্পূর্ণ ভিন্ন পথে এগিয়ে যাওয়ার সক্ষমতা আর সেটি এক বিষয় নয়। এমনকি জিওফ্রে হিন্টনও বলেছেন, তার প্রধান উদ্বেগ হলো এআইকে যে লক্ষ্য দেওয়া হবে, সেটি অর্জনে সে সর্বোচ্চ চেষ্টা করবে। সেই চেষ্টা বিপজ্জনক আচরণের দিকে গেলেও। এটি মূলত এআইয়ের কাঠামোগত নকশা ও সীমাবদ্ধতার বিষয়। শুধু মডেলের আকার বা সক্ষমতা বাড়ালেই মানুষের মতো থেমে চিন্তা করা, নিজের সিদ্ধান্ত পুনর্বিবেচনা করা কিংবা প্রয়োজনে সম্পূর্ণ ভিন্ন পথ বেছে নেওয়ার ক্ষমতা তৈরি হবে না।
বাস্তব পৃথিবীতে প্রতিনিয়ত এমন পরিস্থিতি তৈরি হয়, যা আগে থেকে অনুমান করা কঠিন। নির্দেশনা অস্পষ্ট হতে পারে, একটি কাজ সম্পন্ন করার একাধিক উপায় থাকতে পারে। প্রতিদিনই নিয়মকানুন বদলায়, সফটওয়্যারে নতুন সংস্করণ আসে, বাজারের পরিস্থিতি পরিবর্তিত হয়। অথচ বর্তমান এআই মডেলগুলো মূলত একবার প্রশিক্ষণ নিয়েই কাজ করে। এরপর পরিবেশের পরিবর্তনের সঙ্গে তাল মিলিয়ে তাদের জ্ঞান স্বয়ংক্রিয়ভাবে হালনাগাদ হয় না।
প্রতিটি পরিবর্তনের তথ্য মডেলকে সরবরাহ করা হলেও সমস্যা পুরোপুরি মিটবে না। কারণ নতুন তথ্যকে আগের সব জ্ঞানের সঙ্গে মিলিয়ে বুঝতে এবং তার মধ্যে সম্পর্ক তৈরি করতে মডেলকে আবার কাজ করতে হবে। রিইনফোর্সমেন্ট লার্নিংয়ের অন্যতম পথিকৃৎ রিচার্ড সাটনও একই ধরনের যুক্তি দিয়েছেন। তার মতে, পৃথিবী এতটাই বিশাল এবং এত দ্রুত পরিবর্তনশীল যে, সবকিছু আগেভাগে শিখে রাখা সম্ভব নয়। এআই মডেলকে মানুষের বিচার-বিবেচনার ওপর নির্ভর করতে হওয়ায় মানুষের বুদ্ধিমত্তাকে অনেক দূর ছাড়িয়ে যাওয়ার সম্ভাবনা সীমিত থাকে। কিন্তু এই সীমাবদ্ধতা কঠিন সমস্যা সমাধানের ক্ষেত্রে তাদের সক্ষমতাকে আটকে রাখে না। গত মাসে ওপেনএআই ঘোষণা করেছে, একসঙ্গে কাজ করা ১০ হাজার এআই এজেন্টের একটি দল নাভিয়ার-স্টোকস অস্তিত্ব ও মসৃণতা সমস্যার একটি সংস্করণ সমাধান করেছে। গণিতের অন্যতম কঠিন এই সমস্যাটি সমাধানে তাদের সময় লেগেছে ৮৮ ঘণ্টা।
এসব উদাহরণ এআইয়ের কার্যকারিতা বা সম্ভাবনাকে খাটো করে না। প্রতিদিনের কাজেই এই প্রযুক্তির সুফল দেখতে পাওয়া যায়। তবে এগুলো একটি গুরুত্বপূর্ণ প্রশ্ন সামনে নিয়ে আসে। বর্তমান প্রযুক্তিগত কাঠামোর মডেলগুলোর সক্ষমতা বাড়ালেই কি সেগুলো সুপারইন্টেলিজেন্ট হয়ে উঠবে? আর এআই নিয়ে আমাদের আলোচনা কি সত্যিই এই প্রশ্নকে কেন্দ্র করেই হওয়া উচিত?
প্রশ্ন হলো, এআইকে আমরা কতটা বুঝি? বর্তমান এআই মডেলগুলো ঠিক কীভাবে কাজ করে বা কেন পরিস্থিতিতে কী আচরণ করে, তা এখনও পুরোপুরি গাণিতিকভাবে ব্যাখ্যা করা সম্ভব হয়নি। এআইয়ের সিদ্ধান্ত গ্রহণের প্রক্রিয়া বোঝার জন্য যে গবেষণা করা হচ্ছে, তা ইন্টারপ্রিটেবিলিটি নামে পরিচিত। তবে এই গবেষণার ক্ষেত্র এখনও একেবারেই প্রাথমিক পর্যায়ে রয়েছে। প্রযুক্তি সম্পর্কে আমাদের সীমিত জ্ঞান দায়িত্ব এড়িয়ে যাওয়ার কোনো অজুহাত হতে পারে না। বরং এটি নিরপেক্ষ ও কার্যকর তদারকির প্রয়োজনীয়তাকে আরও স্পষ্ট করে। যে প্রতিষ্ঠান নিজেরাই তাদের প্রযুক্তির কার্যপ্রণালী পুরোপুরি ব্যাখ্যা করতে পারে না, তাদের দেওয়া নিরাপত্তার নিশ্চয়তা আমরা কতটা বিশ্বাস করতে পারি?
অভিজ্ঞদের মতে, এই প্রযুক্তি সমাজের জন্য এমন একধরনের ঝুঁকি তৈরি করছে, যা বিপজ্জনক রাসায়নিক পদার্থের সঙ্গে তুলনা করা যায়। এর অপব্যবহারে ভয়াবহ ক্ষতি হতে পারে। তবে রাসায়নিক পদার্থ বা প্রযুক্তি নিজে সচেতনভাবে কোনো বিপর্যয় ঘটায় না। যারা এগুলো তৈরি করে বা ব্যবহার করে, তাদের ইচ্ছাকৃত কিংবা অনিচ্ছাকৃত কর্মকাণ্ড থেকেই বিপদ তৈরি হয়।
ঝুঁকি নিয়ন্ত্রণে কার্যকর তদারকি ব্যবস্থা থাকা জরুরি। উদাহরণ হিসেবে বিমান দুর্ঘটনার কথা বলা যায়। কোনো বিমান দুর্ঘটনা ঘটলে এর তদন্ত করে যুক্তরাষ্ট্রের ন্যাশনাল ট্রান্সপোর্টেশন সেফটি বোর্ড (এনটিএসবি)। বিমান নির্মাতা প্রতিষ্ঠান বা সংশ্লিষ্ট এয়ারলাইন নিজেরা তদন্ত করে না। তদন্তের ফলাফল ও সুপারিশ পরবর্তী সময়ে সব এয়ারলাইনকে তাদের কার্যক্রম পরিচালনায় সহায়তা করে। এখানে গুরুত্ব দেওয়া হয় প্রযুক্তির নকশা, রক্ষণাবেক্ষণ এবং নিরাপত্তাবিধি যথাযথভাবে অনুসরণের ওপর।
তাই এআই একদিন মানুষের চেয়ে বেশি বুদ্ধিমান হবে কিনা, কিংবা এর মধ্যে মানুষের মতো ক্ষতিকর উদ্দেশ্য তৈরি হবে কিনা, তা নিয়ে বিতর্কে আটকে থাকার সময় এখন নয়। বরং বর্তমান এআই মডেলগুলোর জন্য কী ধরনের স্বাধীন ও কার্যকর তদারকি ব্যবস্থা গড়ে তোলা যায়, সেটিই হওয়া উচিত আলোচনার প্রধান বিষয়। এক্ষেত্রে আগে থেকেই প্রচলিত নিয়ন্ত্রণ ও নিরাপত্তা কাঠামো কাজে লাগানোর সুযোগ বিবেচনা করা উচিত।
[আয়রনক্ল্যাডের প্রধান প্রযুক্তি কর্মকর্তা (সিটিও) সুনীতা ভার্মার লেখা অবলম্বনে। তিনি গুগলে দীর্ঘদিন কৃত্রিম বুদ্ধিমত্তা ও প্রযুক্তি উন্নয়ন নিয়ে কাজ করেছেন]