একটি নতুন AAAI (অ্যাসোসিয়েশন ফর দ্য অ্যাডভান্সমেন্ট অফ আর্টিফিশিয়াল ইন্টেলিজেন্স) এই মাসে কয়েকশো অবদানকারী AI গবেষকদের নিয়ে গবেষণা প্রকাশিত হয়েছে, এবং প্রধান উপায় হল এই: AI এর প্রতি আমাদের বর্তমান পদ্ধতি আমাদের কৃত্রিম সাধারণ বুদ্ধিমত্তার দিকে নিয়ে যাওয়ার সম্ভাবনা কম।
AI এখন বেশ কয়েক বছর ধরে একটি গুঞ্জন শব্দ, কিন্তু গবেষণার ক্ষেত্র হিসেবে কৃত্রিম বুদ্ধিমত্তা বহু দশক ধরে বিদ্যমান। অ্যালান টুরিংয়ের বিখ্যাত "কম্পিউটিং মেশিনারি অ্যান্ড ইন্টেলিজেন্স" পেপার এবং যেটুরিং টেস্টের কথা আমরা আজও বলি, উদাহরণস্বরূপ, 1950 সালে প্রকাশিত হয়েছিল।
আজকে সবাই যে AI সম্পর্কে কথা বলে তার জন্ম এই কয়েক দশকের গবেষণা থেকে কিন্তু এটি তাদের থেকেও বিচ্ছিন্ন। বৈজ্ঞানিক সাধনা হওয়ার পরিবর্তে, আমাদের এখন কৃত্রিম বুদ্ধিমত্তার একটি বিচ্যুত শাখা রয়েছে যাকে আপনি "বাণিজ্যিক AI" বলতে পারেন।

বাণিজ্যিক এআই-এর প্রচেষ্টাগুলি মাইক্রোসফ্ট, গুগল, মেটা, অ্যাপল এবং অ্যামাজনের মতো বড় প্রযুক্তির একচেটিয়াদের দ্বারা পরিচালিত হয় — এবং তাদের প্রাথমিক লক্ষ্য হল AI পণ্য তৈরি করা। এটি একটি সমস্যা হতে হবে না, কিন্তু এই মুহূর্তে, এটা হতে পারে বলে মনে হচ্ছে.
প্রথমত, যেহেতু বেশিরভাগ লোকেরা কয়েক বছর আগে পর্যন্ত কখনও AI গবেষণা অনুসরণ করেনি, তাই AI সম্পর্কে গড়পড়তা ব্যক্তি যা জানেন তা বিজ্ঞান সম্প্রদায়ের পরিবর্তে এই সংস্থাগুলি থেকে আসছে। গবেষণাটি "এআই উপলব্ধি বনাম বাস্তবতা" অধ্যায়ে এই বিষয়টিকে কভার করে, এতে জড়িত 79% বিজ্ঞানী বিশ্বাস করেন যে এআই ক্ষমতার বর্তমান উপলব্ধি AI গবেষণা এবং বিকাশের বাস্তবতার সাথে মেলে না।
অন্য কথায়, সাধারণ জনগণ যা মনে করে AI করতে পারে তার সাথে বিজ্ঞানীরা AI করতে পারে বলে মনে করেন না। এর কারণ যতটা সহজ ততটাই দুর্ভাগ্যজনক: যখন একজন বড় প্রযুক্তির প্রতিনিধি এআই সম্পর্কে একটি বিবৃতি দেয়, তখন এটি কোনো বৈজ্ঞানিক মতামত নয় – এটি পণ্য বিপণন। তারা তাদের নতুন পণ্যের পিছনে প্রযুক্তিকে হাইপ করতে চায় এবং নিশ্চিত করতে চায় যে সবাই এই ব্যান্ডওয়াগনের উপর ঝাঁপিয়ে পড়ার প্রয়োজন অনুভব করছে।
স্যাম অল্টম্যান বা মার্ক জুকারবার্গ যখন বলেন সফ্টওয়্যার ইঞ্জিনিয়ারিং চাকরিগুলি এআই দ্বারা প্রতিস্থাপিত হবে, উদাহরণস্বরূপ, কারণ তারা ইঞ্জিনিয়ারদের এআই দক্ষতা শিখতে এবং প্রযুক্তি সংস্থাগুলিকে দামী এন্টারপ্রাইজ পরিকল্পনাগুলিতে বিনিয়োগ করার জন্য প্রভাবিত করতে চায়। যতক্ষণ না তারা তাদের নিজস্ব ইঞ্জিনিয়ারদের প্রতিস্থাপন শুরু করে (এবং এটি থেকে উপকৃত হয়), যাইহোক, আমি ব্যক্তিগতভাবে এই বিষয়ে তারা যে কথা বলে তা শুনব না।
তবে এটি কেবল জনসাধারণের ধারণা নয় যে বাণিজ্যিক AI প্রভাবিত করছে। অধ্যয়ন অংশগ্রহণকারীরা বিশ্বাস করেন যে বড় প্রযুক্তি দ্বারা নির্মিত "এআই হাইপ" গবেষণা প্রচেষ্টাকে ক্ষতিগ্রস্ত করছে। উদাহরণস্বরূপ, 74% সম্মত হন যে AI গবেষণার দিকটি হাইপ দ্বারা চালিত হচ্ছে – এটি সম্ভবত কারণ গবেষণা যেগুলি বাণিজ্যিক AI লক্ষ্যগুলির সাথে সারিবদ্ধ করে তা তহবিল করা সহজ। 12% এছাড়াও বিশ্বাস করে যে তাত্ত্বিক AI গবেষণা ফলস্বরূপ ক্ষতিগ্রস্ত হচ্ছে।
তাহলে, এটা কতটা সমস্যা? এমনকি যদি বড় বড় প্রযুক্তি কোম্পানিগুলি আমাদের গবেষণার ধরণের উপর প্রভাব ফেলে, আপনি মনে করেন যে তারা এই ক্ষেত্রে যে বিপুল পরিমাণ অর্থ পাম্প করছে তার সামগ্রিকভাবে ইতিবাচক প্রভাব থাকা উচিত। যাইহোক, গবেষণার ক্ষেত্রে বৈচিত্র্যই মুখ্য বিষয় – সেরাটি খোঁজার সুযোগ পাওয়ার জন্য আমাদের সব ধরনের বিভিন্ন পথ অনুসরণ করতে হবে।
কিন্তু বড় প্রযুক্তি এই মুহুর্তে শুধুমাত্র একটি জিনিসের উপর ফোকাস করছে – বড় ভাষার মডেল । এই অত্যন্ত নির্দিষ্ট ধরনের AI মডেলটি হল যা সমস্ত সাম্প্রতিক AI পণ্যগুলিকে শক্তি দেয় এবং স্যাম অল্টম্যানের মতো ব্যক্তিরা বিশ্বাস করেন যে এই মডেলগুলিকে আরও এবং আরও বেশি স্কেল করা (যেমন তাদের আরও ডেটা, আরও প্রশিক্ষণের সময় এবং আরও গণনা করার ক্ষমতা) অবশেষে আমাদের কৃত্রিম সাধারণ বুদ্ধিমত্তা দেবে।
এই বিশ্বাস, স্কেলিং হাইপোথিসিস নামে পরিচিত, বলে যে আমরা একটি AI কে যত বেশি শক্তি খাওয়াব, ততই এর জ্ঞানীয় ক্ষমতা বৃদ্ধি পাবে এবং এর ত্রুটির হার তত কমবে। কিছু ব্যাখ্যাও বলে যে নতুন জ্ঞানীয় ক্ষমতা অপ্রত্যাশিতভাবে আবির্ভূত হবে। সুতরাং, যদিও এলএলএমগুলি এই মুহূর্তে সমস্যাগুলির মাধ্যমে পরিকল্পনা এবং চিন্তা করার ক্ষেত্রে দুর্দান্ত নয়, এই ক্ষমতাগুলি এক সময়ে আবির্ভূত হওয়া উচিত।
কোন প্রাচীর নেই
— স্যাম অল্টম্যান (@সামা) 14 নভেম্বর, 2024
গত কয়েক মাসে, তবে, স্কেলিং হাইপোথিসিস উল্লেখযোগ্য আগুনের মধ্যে এসেছে। কিছু বিজ্ঞানী বিশ্বাস করেন যে এলএলএম স্কেলিং করলে কখনই এজিআই হবে না, এবং তারা বিশ্বাস করে যে আমরা নতুন মডেলগুলিকে যে অতিরিক্ত শক্তি খাওয়াচ্ছি তা আর ফলাফল দেয় না। পরিবর্তে, আমরা একটি "স্কেলিং ওয়াল" বা "স্কেলিং লিমিট" আঘাত করেছি যেখানে অতিরিক্ত কম্পিউট পাওয়ার এবং ডেটার বিপুল পরিমাণ শুধুমাত্র নতুন মডেলগুলিতে ছোট উন্নতি তৈরি করছে। AAAI গবেষণায় অংশগ্রহণকারী বেশিরভাগ বিজ্ঞানী এই যুক্তির পক্ষে:
উত্তরদাতাদের সংখ্যাগরিষ্ঠ (76%) দাবি করেন যে AGI অর্জনের জন্য "বর্তমান AI পদ্ধতির স্কেল করা" সফল হওয়ার "অসম্ভাব্য" বা "খুব অসম্ভাব্য", বর্তমান মেশিন লার্নিং দৃষ্টান্তগুলি সাধারণ বুদ্ধিমত্তা অর্জনের জন্য যথেষ্ট কিনা তা নিয়ে সন্দেহ প্রকাশ করে।
বর্তমান বৃহৎ ভাষার মডেলগুলি খুব প্রাসঙ্গিক এবং দরকারী প্রতিক্রিয়া তৈরি করতে পারে যখন জিনিসগুলি ভাল হয়, তবে তারা এটি করার জন্য গাণিতিক নীতিগুলির উপর নির্ভর করে । অনেক বিজ্ঞানী বিশ্বাস করেন যে আমরা যদি এজিআই-এর লক্ষ্যের কাছাকাছি অগ্রসর হতে চাই তবে আমাদের নতুন অ্যালগরিদমের প্রয়োজন হবে যা যুক্তি, যুক্তি এবং বাস্তব-বিশ্বের জ্ঞান ব্যবহার করে একটি সমাধানে পৌঁছানোর জন্য। এখানে জ্যাকব ব্রাউনিং এবং ইয়ান লেকুন-এর 2022 সালের গবেষণাপত্র থেকে এলএলএম এবং এজিআই-এর একটি মশলাদার উদ্ধৃতি দেওয়া হল।
শুধুমাত্র ভাষার উপর প্রশিক্ষিত একটি সিস্টেম কখনই মানুষের বুদ্ধিমত্তাকে আনুমানিক করবে না, এমনকি যদি এখন থেকে মহাবিশ্বের তাপ মৃত্যুর আগ পর্যন্ত প্রশিক্ষিত হয়।
যাইহোক, এখানে কে সঠিক তা জানার কোন বাস্তব উপায় নেই – এখনও নয়। এক জিনিসের জন্য, AGI এর সংজ্ঞা পাথরে সেট করা হয় না এবং সবাই একই জিনিসের জন্য লক্ষ্য রাখে না। কিছু লোক বিশ্বাস করে যে AGI মানুষের মতো পদ্ধতির মাধ্যমে মানুষের মতো প্রতিক্রিয়া তৈরি করা উচিত — তাই তাদের চারপাশের বিশ্ব পর্যবেক্ষণ করা উচিত এবং আমাদের মতো একইভাবে সমস্যাগুলি বের করা উচিত। অন্যরা বিশ্বাস করে যে AGI কে মানুষের মত প্রতিক্রিয়াগুলির চেয়ে সঠিক প্রতিক্রিয়াগুলির উপর বেশি ফোকাস করা উচিত এবং তারা যে পদ্ধতিগুলি ব্যবহার করে তা গুরুত্বপূর্ণ নয়।
অনেক উপায়ে, যাইহোক, আপনি AGI-এর কোন সংস্করণে আগ্রহী বা আপনি স্কেলিং অনুমানের পক্ষে বা বিপক্ষে থাকলে তা সত্যিই গুরুত্বপূর্ণ নয় — আমাদের এখনও আমাদের গবেষণা প্রচেষ্টাকে বৈচিত্র্যময় করতে হবে। আমরা যদি শুধুমাত্র এলএলএম স্কেল করার দিকে মনোনিবেশ করি, তাহলে আমাদের শূন্য থেকে শুরু করতে হবে যদি এটি কার্যকর না হয় এবং আমরা আরও কার্যকর বা দক্ষ নতুন পদ্ধতি আবিষ্কার করতে ব্যর্থ হতে পারি। এই গবেষণায় অনেক বিজ্ঞানী ভয় পান যে বাণিজ্যিক AI এবং এর আশেপাশের হাইপ প্রকৃত অগ্রগতিকে ধীর করে দেবে — তবে আমরা যা করতে পারি তা হল তাদের উদ্বেগগুলি মোকাবেলা করা হবে এবং AI গবেষণার উভয় শাখাই একসাথে থাকতে এবং অগ্রগতি করতে শিখতে পারবে। ঠিক আছে, আপনি এও আশা করতে পারেন যে AI বুদ্বুদ ফেটে যাবে এবং AI-চালিত সমস্ত প্রযুক্তি পণ্য অপ্রাসঙ্গিকতায় অদৃশ্য হয়ে যাবে, যদি আপনি চান।