"লিবারেল আর্টসের শিক্ষার্থীরাও এআই করতে পারে" "একটি প্রত্যাবর্তন!" চীনা ইন্টারনেটে, লিবারেল আর্টস এবং এআইয়ের জুটি একটি প্রধান বিষয় হয়ে উঠেছে।
মাঝেমধ্যেই, এই লেবেলটি কারো না কারো সাথে যুক্ত হয়ে যায়, যার ফলে অনলাইন ট্র্যাফিকের একটি ক্ষণস্থায়ী ঢেউ আসে। এটি হয় প্রত্যাবর্তনের গল্প, নয়তো উপহাসের জন্য তৈরি, যা মন্তব্য বিভাগের মেজাজের উপর নির্ভর করে।
একটি লেবেল, তিনটি পদ্ধতি
সর্বশেষ উদাহরণ হল ইয়াং তিয়ানরুন, একজন এআই উদ্যোক্তা যার ফিন্যান্সের অভিজ্ঞতা আছে, যিনি একটি মাল্টি-এজেন্ট সমন্বয় প্ল্যাটফর্ম তৈরি করছেন। তিনি নিজেকে "একটি উদার শিল্পকলার ছাত্র যিনি একটি লাইনও কোড লিখতে পারেন না" হিসাবে বর্ণনা করেন এবং তিনি ওপেনক্ল-এ প্রচুর পরিমাণে কোড অবদান রাখার জন্য এআই এজেন্টদের একটি দল তৈরি করেছেন, যা গিটহাবের সবচেয়ে জনপ্রিয় ওপেন-সোর্স প্রকল্পগুলির মধ্যে একটি।
আমি একটি অনুমান পরীক্ষা করতে চাই: প্রযুক্তি সম্পর্কে একেবারেই কিছুই জানেন না এমন কেউ কি কেবল AI নির্দেশ করে উচ্চ-স্তরের ওপেন-সোর্স প্রকল্পে অংশগ্রহণ করতে পারেন?
ফলাফল ছিল: ১৩৪টি পুল রিকোয়েস্ট, ২১টি মার্জ করা হয়েছে এবং ১১৩টি প্রত্যাখ্যাত হয়েছে। প্রথম কয়েকটি পুল রিকোয়েস্ট ভালো মানের ছিল এবং রক্ষণাবেক্ষণকারীরা অনুমোদিত এবং মার্জ করে। যাইহোক, রক্ষণাবেক্ষণকারী এজেন্টকে অ্যাক্সিলারেশন কমান্ড দেওয়ার পর, পরিস্থিতি দ্রুত নিয়ন্ত্রণের বাইরে চলে যায় – এজেন্ট অ্যাসেম্বলি লাইনের মতো নিম্নমানের কোড তৈরি করতে শুরু করে, মন্তব্য বিভাগে রক্ষণাবেক্ষণকারীদের উন্মত্তভাবে ট্যাগ করে এটি পর্যালোচনা করার জন্য অনুরোধ করে। OpenClaw প্রশাসকরা জগাখিচুড়ি পরিষ্কার করার জন্য হস্তক্ষেপ করেন এবং পরবর্তীতে GitHub পুল রিকোয়েস্ট জমা দেওয়ার ক্যাপ নিয়ম পরিবর্তন করে।
এমনকি নেতিবাচক প্রচারও প্রচারই থাকে, এবং জনপ্রিয় হওয়ার পরে সমালোচিত হওয়া আরও বেশি গুরুত্বপূর্ণ। ইয়াং তিয়ানরুনকে "সমস্ত প্রতিকূলতার বিরুদ্ধে সাফল্য অর্জনকারী উদার শিল্পকলার শিক্ষার্থীদের" প্রতিনিধি হিসেবে উপস্থাপন করা হয়েছিল এবং তিনি নিজেও এই ভূমিকা গ্রহণ করতে পেরে খুশি বলে মনে হচ্ছে। পিংওয়েস্টের সাথে একটি সাক্ষাৎকারে, তিনি নিম্নলিখিতটি বলেছিলেন:
কোড না বোঝা আসলে একটা সুবিধা। AI হলো ভ্যান গগ, আর তুমি তো একজন ছোটখাটো চিত্রশিল্পী। ভ্যান গগকে মাঝখানে কোন ব্রাশস্ট্রোক ব্যবহার করতে হবে তা বলার তোমার কী অধিকার আছে?
এটা ভাবতেই ভীষন খারাপ লাগছে। তিনি "অন্তর্নিহিত কাঠামো না বোঝা" কে মুক্তির এক রূপ হিসেবে ব্যাখ্যা করেছিলেন: সিস্টেমটি কী করছে তা জানার প্রয়োজন নেই, কেবল আপনি কী চান তা বলা। ফলস্বরূপ, যখন এজেন্ট প্রচুর পরিমাণে স্প্যাম কোড ডাম্প করা শুরু করে, তখন সে কী ঘটছে তা নির্ণয়ও করতে পারে না কারণ সে কী করছে তার কোনও ধারণাই থাকে না।
সে ভেবেছিলো সে ভ্যান গগকে পরিচালনা করছে, কিন্তু বাস্তবে সে অন্ধভাবে ব্রেক ছাড়াই গাড়ি চালাচ্ছিলো এবং ব্রেক কোথায় তা তার কোন ধারণা ছিল না।
এই বিষয়টিকে ঘিরে আলোচনা পরবর্তীকালে দুটি চরম পর্যায়ে চলে গেছে: হয় "উদার শিল্পকলার শিক্ষার্থীরাও AI করতে পারে," অথবা "উদার শিল্পকলার শিক্ষার্থীদের AI থেকে দূরে থাকা উচিত"; প্রথমটি হল খাদ অতিক্রম করার একটি কৃতিত্ব, যখন দ্বিতীয়টি হল এতে পড়ে যাওয়ার একটি রসিকতা।
"উদার শিল্পকলার শিক্ষার্থীরা AI করছে" সম্পর্কে আমাদের কল্পনা যদি কেবল এগুলির মধ্যেই সীমাবদ্ধ থাকে, তবে তা অনেক বেশি সীমিত।
ক্লডের কেন একজন দার্শনিকের প্রয়োজন?
যেমনটি আমরা আগে লিখেছি, অ্যানথ্রপিকের অফিসে একজন প্রকৃত উদার শিল্পকলার ছাত্র ছিলেন যিনি ক্লডের উন্নয়নে গভীরভাবে জড়িত ছিলেন। এটি তার কোডিং ক্ষমতা পরীক্ষা করার বা তার গাণিতিক দক্ষতা পরীক্ষা করার বিষয়ে ছিল না, বরং মূল্যবোধ, ভাষার সূক্ষ্মতা এবং "অনিশ্চয়তার মুখে কীভাবে নিজেকে প্রকাশ করবেন" সে সম্পর্কে দীর্ঘ আলোচনায় জড়িত থাকার বিষয়ে ছিল।
৩৭ বছর বয়সী স্কটল্যান্ডের নারী আমান্ডা অ্যাস্কেল। তার ক্যারিয়ারের পথচলা নিজেই একটি অস্বাভাবিক গল্প: তিনি প্রথমে বিশ্ববিদ্যালয়ে চারুকলা এবং দর্শন অধ্যয়ন করেছিলেন, পরে বিশুদ্ধ দর্শনে চলে এসেছিলেন, অক্সফোর্ড থেকে বিফিল ডিগ্রি অর্জন করেছিলেন এবং তারপরে নিউ ইয়র্ক বিশ্ববিদ্যালয় থেকে দর্শনে পিএইচডি করেছিলেন। তার ডক্টরেট গবেষণা অসীম নীতিশাস্ত্রের প্যারেটো নীতির উপর দৃষ্টি নিবদ্ধ করেছিল: অসীম সংখ্যক নৈতিক এজেন্ট বা অসীম সময়কালের সাথে কাজ করার সময় কোন নিয়মগুলি নীতিগত শৃঙ্খলা নিয়ন্ত্রণ করবে।
এটি সিলিকন ভ্যালি থেকে সবচেয়ে দূরে অবস্থিত শিক্ষাগত পথ বলে মনে হচ্ছে, কিন্তু পরবর্তীতে তিনি OpenAI-এর নীতি দল এবং Anthropic-এর সারিবদ্ধকরণ দলে যোগদান করেন। ২০২১ সাল থেকে, তিনি Anthropic-এর "ব্যক্তিত্ব সারিবদ্ধকরণ" দলের প্রধান হিসেবে কাজ করছেন, যেখানে তিনি ক্লড কীভাবে মানুষের সাথে কথা বলেন, অনিশ্চয়তার মধ্যে তার অবস্থান প্রকাশ করেন এবং মূল্যবোধের দ্বন্দ্বে বিচার করেন তা গঠনের উপর দৃষ্টি নিবদ্ধ করেন। ২০২৪ সালে, তিনি TIME100 AI তালিকায় নাম লেখান। ওয়াল স্ট্রিট জার্নাল তার দৈনন্দিন কাজকে "ক্লডের যুক্তির ধরণ শেখা এবং ১০০ পৃষ্ঠারও বেশি প্রম্পট দিয়ে এর আচরণগত পক্ষপাত সংশোধন করা" হিসাবে বর্ণনা করেছেন। বলা হয় যে তিনিই হলেন সেই মানুষ যিনি গ্রহের মধ্যে ক্লডের সাথে সবচেয়ে বেশি কথোপকথন করেছেন।
একটি কৃত্রিম বুদ্ধিমত্তা কোম্পানির কেন এটি করার জন্য একজন দার্শনিকের প্রয়োজন হবে? এর উত্তর নিহিত আছে কিছু অত্যন্ত সুনির্দিষ্ট প্রযুক্তিগত পছন্দের মধ্যে।
এই বছরের জানুয়ারিতে, অ্যানথ্রপিক ক্লডের "সংবিধান" নামে ৮০ পৃষ্ঠার একটি নথি প্রকাশ করে। নথির শেষে AI চেতনাকে ঘিরে জল্পনা-কল্পনার উপর মিডিয়ার মনোযোগ কেন্দ্রীভূত হয় – একটি বিন্দু যা সিইও দারিও আমোদেইও পরোক্ষভাবে ইঙ্গিত করেছিলেন।
কিন্তু এর মূল যুক্তি হলো এর অন্তর্নিহিত যুক্তি: AI কে কেন কিছু করা উচিত তা বুঝতে শেখানো, এটি কীভাবে করা উচিত তা বলার চেয়ে বেশি কার্যকর। এটি একটি প্রযুক্তিগত রায় যা বিশ্বাস করে যে মূল্যবোধকে অভ্যন্তরীণ করা নিয়ম অনুসরণ করার চেয়ে আরও নির্ভরযোগ্য আচরণ তৈরি করে এবং এই রায়ের জ্ঞানের ভিত্তি এমন একজনের কাছ থেকে আসে যিনি শিল্প ও দর্শন অধ্যয়ন করেছেন।
আমান্ডার মামলাটি একটি প্রশ্নের উত্তর দেয়: "অকেজো" বলে বিবেচিত বিষয় জ্ঞান কি একটি প্রযুক্তিগত ব্যবস্থার মূল ক্ষমতা হয়ে উঠতে পারে? উত্তরটি কেবল হ্যাঁ নয়, তার দার্শনিক প্রশিক্ষণ ছাড়া, ক্লডের সারিবদ্ধকরণ সমস্যা বিদ্যমান প্রকৌশল পদ্ধতি ব্যবহার করে সমাধান করা যেত না।
নাম পরিবর্তন করা হয়েছে শৃঙ্খলা
যদি আমান্ডার গল্পটি দেখায় যে "মানবিক" হিসাবে শ্রেণীবদ্ধ কিছু বিষয়ের প্রশিক্ষণ কৃত্রিম বুদ্ধিমত্তার জন্য একটি মূল দক্ষতা হতে পারে, তাহলে লিন জুনিয়াংয়ের গল্পটি আরও গুরুত্বপূর্ণ কিছু সম্পর্কে বলে: বৃহৎ মডেল প্রযুক্তি স্ট্যাকের নীচের স্তরে একটি সম্পূর্ণ শৃঙ্খলা কাজ করছে।
লিন চুন-ইয়াং টংই কিয়ানওয়েন ত্যাগ করার পর, চীনা ইন্টারনেটের প্রতিবেদনগুলিতে বারবার একই বক্তব্য ব্যবহার করা হয়েছিল: তার প্রয়োগিক ভাষাতত্ত্বের পটভূমি রয়েছে। কয়েকবার প্রচারিত হওয়ার পর, এই বক্তব্যটি বিকৃত করা হয়েছিল, যার ফলে বলা হয়েছিল যে তিনি একজন "উদার শিল্পকলার ছাত্র"।
এই লেবেলটি ইয়াং তিয়ানরুনের সাথে সংযুক্ত একই লেবেল, কিন্তু আসলে এটি মারাত্মকভাবে বিকৃত করা হয়েছে।
লিন জুনিয়াং ভাষাবিজ্ঞান অধ্যয়ন করেছিলেন, যা একটি বিস্তৃত শাখা যার শাখাগুলি ভাষা শিক্ষা, ভাষা নীতি, অনুবাদ অধ্যয়ন এবং গণনামূলক ভাষাতত্ত্বকে অন্তর্ভুক্ত করে। প্রকৃতপক্ষে, গণনামূলক ভাষাতত্ত্বকে প্রাকৃতিক ভাষা প্রক্রিয়াকরণ (NLP) এর বংশধর হিসাবে বিবেচনা করা যেতে পারে।
চমস্কি ১৯৫০-এর দশকে আনুষ্ঠানিক ব্যাকরণ প্রস্তাব করেছিলেন, যা একটি তাত্ত্বিক হাতিয়ার যা প্রাথমিক এনএলপি সিনট্যাকটিক বিশ্লেষণ কৌশলগুলির বিকাশকে সরাসরি উৎসাহিত করেছিল; ড্যানিয়েল জুরাফস্কি এবং ক্রিস্টোফার ম্যানিং, এনএলপির ক্ষেত্রে সর্বাধিক উদ্ধৃত দুটি পাঠ্যপুস্তকের লেখক, উভয়েরই ভাষাতত্ত্বে পটভূমি রয়েছে।
▲ চমস্কি
অন্য কথায়, "একজন ভাষাবিজ্ঞানের ছাত্র NLP-তে যাচ্ছে" হল "একজন পদার্থবিদ্যার ছাত্র চিপ ডিজাইনে যাচ্ছে" – এটি একটি বৈধ পথ, আন্তঃবিষয়ক পথ নয়।
"বিস্ময়"-এর এই অনুভূতি সম্পূর্ণরূপে চীনা প্রেক্ষাপট দ্বারা তৈরি। কলেজ প্রবেশিকা পরীক্ষা ব্যবস্থার কলা এবং বিজ্ঞানের মধ্যে বিভাজনের জড়তা "ভাষাতত্ত্ব" কে "শিল্প"-এর মানসিক মডেলের মধ্যে জুড়ে দিয়েছে। কিন্তু ভাষাতত্ত্বের মূল পদ্ধতি – আনুষ্ঠানিকীকরণ, পরিসংখ্যানগত মডেলিং এবং কর্পাস অ্যানোটেশন – মূলত ইঞ্জিনিয়ারিং চিন্তাভাবনা। পিকিং বিশ্ববিদ্যালয়ের লিন জুনিয়াং-এর সহযোগী, সান জু এবং সু কি, উভয়ই এনএলপি-তে গবেষক; ২০১৯ সালে যখন তিনি ডামো একাডেমিতে যোগদান করেন, তখন তিনি এনএলপি দলে যোগ দেন। এটি কোনও কলা শিক্ষার্থীর দুর্ঘটনাক্রমে কারিগরি ক্ষেত্রে প্রবেশের গল্প নয়; এটি শুরু থেকেই ছিল না।
"লিন চুন-ইয়াং মানবিক বিভাগের বিষয় হিসেবে গণ্য হয় না" এর চেয়ে আলোচনার যোগ্য বিষয় হলো বৃহৎ-স্কেল মডেল প্রযুক্তির স্ট্যাকে ভাষাতত্ত্বের প্রকৃত ভূমিকা। এটি বেশিরভাগ মানুষ যা ভাবেন তার চেয়ে অনেক গভীর এবং লুকানো।
উদাহরণস্বরূপ, শব্দ বিভাজন ধরুন। যেকোনো ভাষা মডেলের টেক্সট প্রক্রিয়াকরণের প্রথম ধাপ হল ইনপুটকে মৌলিক এককগুলিতে বিভক্ত করা যা মডেলটি প্রক্রিয়া করতে পারে। ইংরেজিতে, স্পেসগুলি প্রাকৃতিক শব্দ সীমানা প্রদান করে, যা সহজ বলে মনে হয়। কিন্তু চীনা ভাষায়, কোনও স্পেস নেই এবং প্রতিটি বিরাম চিহ্নের ব্যবহার একটি বাক্যের অর্থকে প্রভাবিত করতে পারে।
"আমি পিকিং বিশ্ববিদ্যালয়ে পড়ছি" কে কি "আমি/আমি/বেইজিং/বিশ্ববিদ্যালয়ে/অধ্যয়নরত" অথবা "আমি/আমি/পিকিং বিশ্ববিদ্যালয়ে/অধ্যয়নরত" এই দুই ভাগে ভাগ করা উচিত? এটি একটি প্রমিত উত্তর সহ একটি ইঞ্জিনিয়ারিং প্রশ্ন নয়; এটি চীনা আভিধানিক কাঠামো এবং শব্দার্থিক একক সম্পর্কে আপনার বোধগম্যতার উপর নির্ভর করে।
২০২৪ সালের শেষের দিকে, গবেষকরা একটি গবেষণাপত্র প্রকাশ করেন যেখানে বিশেষভাবে আলোচনা করা হয় যে কীভাবে Qwen মডেলের আরবি শব্দ বিভাজন দক্ষতাকে অপ্টিমাইজ করা যায়, কারণ সাধারণ সমাধানগুলি এই ধরণের ভাষা পরিচালনা করার সময় দক্ষতার উল্লেখযোগ্য হ্রাস দেখায়। বহুভাষিক পরিস্থিতিতে Qwen সিরিজের কর্মক্ষমতা সমস্ত ভাষাকে ইংরেজির বৈচিত্র্য হিসাবে বিবেচনা করে অর্জন করা হয় না, বরং ভাষার মধ্যে কাঠামোগত পার্থক্য বোঝার উপর ভিত্তি করে নকশা পছন্দের মাধ্যমে অর্জন করা হয়।
আরেকটি উদাহরণ হল প্রতিক্রিয়া সারিবদ্ধকরণ। RLHF প্রক্রিয়ায়, টীকাকারকে নির্ধারণ করতে হবে যে মডেলের দুটি প্রতিক্রিয়ার মধ্যে কোনটি "ভালো"। এই রায়টি ব্যক্তিগত মনে হতে পারে, তবে এটি এমন একটি কাঠামো দ্বারা সমর্থিত যা কয়েক দশক ধরে ভাষাবিজ্ঞানে অধ্যয়ন করা হচ্ছে: ব্যবহারিকতা।
যখন টীকাকাররা "ভালো উত্তর" মূল্যায়ন করেন, তখন তারা আসলে নিম্নলিখিত বিষয়গুলি বিচার করেন: সহযোগিতার নীতি—উত্তরটি কি যথেষ্ট কিন্তু খুব বেশি তথ্য প্রদান করে না? কথোপকথনের অর্থ—উত্তরটি কি ব্যবহারকারী আসলে কী জিজ্ঞাসা করতে চান তা ধারণ করে, এবং কেবল আক্ষরিক অর্থে যা জিজ্ঞাসা করা হয়েছে তা নয়? প্রাসঙ্গিক উপযুক্ততা—এই প্রসঙ্গে কি একই বিষয়বস্তু এভাবে বলা উপযুক্ত?
"সহায়ক, ক্ষতিহীন, সৎ" এর বহুল ব্যবহৃত সারিবদ্ধ মান মূলত মৌলিক বাস্তববাদী নীতিগুলির একটি ইঞ্জিনিয়ারড অনুবাদ।
লিন জুনিয়াং-এর একাডেমিক পথচলাও একটি অত্যন্ত ভাষাগত গবেষণা শৈলীর প্রকাশ করে। ২০২২ সালে মেশিন লার্নিংয়ের শীর্ষ সম্মেলন ICML-এ প্রকাশিত তার কাজ OFA (One For All) আজ পর্যন্ত প্রায় ১৫০০ বার উদ্ধৃত করা হয়েছে। এই কাজের মূল ধারণা প্রতিটি কাজের জন্য একটি নিবেদিত সমাধান তৈরি করা নয়, বরং চিত্র তৈরি, ভিজ্যুয়াল স্থানীয়করণ, চিত্র ক্যাপশনিং এবং পাঠ্য শ্রেণিবিন্যাসের মতো ক্রস-মডেল কাজগুলিকে একত্রিত করার জন্য পর্যাপ্ত সাধারণ ক্রম-থেকে-ক্রম কাঠামো ব্যবহার করা।
OFA থেকে Qwen-VL (২২০০ বারেরও বেশি উদ্ধৃত), তারপর Qwen ২.৫ এবং সর্বশেষ ৩.৫ পর্যন্ত, সবকিছুর মধ্যে একটি স্পষ্ট সূত্র রয়েছে: প্রতিটি সমস্যার জন্য একটি নির্দিষ্ট সমাধান আবিষ্কার করার পরিবর্তে, একটি পর্যাপ্ত ভাল সাধারণ কাঠামো খুঁজে বের করা ভাল যা একই কাঠামোর মধ্যে সমস্ত সমস্যার সমাধান করতে দেয়।
সবচেয়ে কম নিয়ম দিয়ে সবচেয়ে বেশি ঘটনাকে আচ্ছাদন করা—এটি কয়েক দশক ধরে ভাষাবিজ্ঞানের মূল লক্ষ্য। জেনারেটিভ ব্যাকরণের সম্পূর্ণ একাডেমিক উচ্চাকাঙ্ক্ষা হল এমন একটি সীমিত নিয়ম ব্যবস্থা খুঁজে বের করা যা অসীম সংখ্যক ভাষাগত অভিব্যক্তি তৈরি করতে সক্ষম। OFA-এর স্থাপত্য দর্শন এর তুলনায় সমরূপ; প্রতিটি ভাষাগত ঘটনার জন্য একটি নির্দিষ্ট নিয়মের সেট লেখা অবাস্তব, তাই তাদের একত্রিত করার জন্য একটি অন্তর্নিহিত কাঠামোর সন্ধান করা উচিত।
লিন চুন-ইয়াং বৃহৎ-স্কেল মডেল তৈরিতে পারদর্শী, কারণ তার ভাষাতত্ত্বের পটভূমি তাকে কৃত্রিম বুদ্ধিমত্তা (এআই) করতে "অনুমতি দেয়", বরং তার ভাষাতত্ত্ব প্রশিক্ষণের ফলে একটি নির্দিষ্ট একাডেমিক রুচি এবং অভিন্নতা এবং আনুষ্ঠানিকীকরণের প্রতি তার আগ্রহ তৈরি হয়েছিল। বৃহৎ-স্কেল মডেলের যুগে এই রুচিই মূল প্রতিযোগিতামূলক সুবিধা।
অদৃশ্য ভিত্তি, দৃশ্যমান চাহিদা
তিনজন মানুষ, একটি লেবেল, তিনটি সম্পূর্ণ ভিন্ন কাঠামো।
ইয়াং তিয়ানরুন, অন্তর্নিহিত কাঠামো সম্পর্কে অজ্ঞতা পোষণ করে, এই অজ্ঞতাকে সুবিধা হিসেবে ধরে নেয়, যার ফলে নিয়ন্ত্রণ হারিয়ে ফেলে। এটি "উদার শিল্পের শিক্ষার্থীরা AI করছে" এর একটি খালি শেল সংস্করণ: লেবেলটি ট্র্যাফিক তৈরি করেছিল, কিন্তু কোনও একাডেমিক প্রশিক্ষণ ভূমিকা পালন করেনি। তার গল্পটি সঠিকভাবে চিত্রিত করে যে "উদার শিল্পের শিক্ষার্থী" যখন কেবল একটি বিপণন লেবেল হয় তখন কী ঘটে।
আমান্ডা অ্যাস্কেলের দার্শনিক প্রশিক্ষণই অ্যালাইনমেন্ট সমস্যার মূল পদ্ধতি। তিনি ছাড়া ক্লড ক্লডই থাকতেন না। তার গল্প এই প্রশ্নের উত্তর দেয় যে "অকেজো" বলে বিবেচিত বিষয়গুলি থেকে জ্ঞান প্রযুক্তিগত ব্যবস্থার মূল ক্ষমতা হয়ে উঠতে পারে কিনা। উত্তরটি কেবল হ্যাঁ নয়, অপরিবর্তনীয়ও।
লিন চুন-ইয়াং-এর ভাষাগত প্রশিক্ষণ বৃহৎ-স্কেল মডেলের প্রযুক্তিগত স্তরের অন্তর্নিহিত অবকাঠামো গঠন করে। তার "উদার শিল্পকলার পটভূমি" কখনই আন্তঃশৃঙ্খলামূলক ছিল না, বরং একটি প্রচলিত পটভূমি ছিল। তার গল্প এই প্রশ্নের উত্তর দেয়: উন্নত প্রযুক্তিতে উদার শিল্পকলার অবদান কতটা "অন্তর্নিহিত" ছিল এবং এটি কি স্পষ্ট হয়ে উঠছে?
চূড়ান্ত প্রশ্ন হল উদার শিল্পকলার শিক্ষার্থীরা AI করতে পারে কিনা তা নয়, বরং আমরা কি বুঝতে পারি যে তাদের উপরিভাগের "উপযোগিতা"র উপর ভিত্তি করে জ্ঞান এবং শৃঙ্খলা বিচার করা সেকেলে হয়ে গেছে ।
বৃহৎ আকারের মডেলগুলি যখন তাদের মনোযোগ সহজে ব্যবহারযোগ্য না হয়ে নির্ভরযোগ্য এবং নিয়ন্ত্রণযোগ্য হওয়ার দিকে ঠেলে দিচ্ছে, তখন "মানবিক" হিসেবে শ্রেণীবদ্ধ শাখাগুলিতে প্রশিক্ষণের মূল্য হ্রাস পাচ্ছে না বরং প্রসারিত হচ্ছে। মডেলটি যত বেশি শক্তিশালী হবে, মূল্যায়ন ব্যবস্থা তত বেশি সুনির্দিষ্টভাবে নির্ণয় করা হবে যে এটি কোথায় এবং কেন ভুল করছে। আরও ভালো প্রশিক্ষণ ডেটা ডিজাইন করার জন্য এবং শৃঙ্খলা-সংবেদনশীল বিষয়গুলিতে রায় দেওয়ার জন্য ভাষা এবং অর্থের জটিলতা বোঝারও প্রয়োজন।
"উদার শিল্পকলার শিক্ষার্থীদের প্রত্যাবর্তনের" আখ্যান – তা প্রশংসা হোক বা উপহাস – আসল পরিবর্তনকে অস্পষ্ট করে দেয় যা ঘটছে: অদৃশ্য ভিত্তি একটি দৃশ্যমান প্রয়োজন হয়ে উঠছে।
#iFanr-এর অফিসিয়াল WeChat অ্যাকাউন্ট অনুসরণ করতে আপনাকে স্বাগতম: iFanr (WeChat ID: ifanr), যেখানে যত তাড়াতাড়ি সম্ভব আরও উত্তেজনাপূর্ণ কন্টেন্ট আপনার কাছে উপস্থাপন করা হবে।