আপনি যখন গ্যালারির মধ্য দিয়ে হেঁটে যান, দেয়ালে আঁকা ছবিগুলোর প্রশংসা করে, আপনি যা দেখছেন তা হল সমাপ্ত পণ্য। তারা শেখার এবং অনুশীলন এবং ট্রায়াল এবং ত্রুটির অগণিত ঘন্টার ফলাফল, কিন্তু যে কোনটি প্রদর্শন করা হয় না.

বেশিরভাগ বিশেষজ্ঞের কাজ আমরা দেখতে পাই এই রকম। বাদ্যযন্ত্রের রেকর্ডিংগুলিতে খারাপ গ্রহণ এবং জ্যাম সেশনগুলি অন্তর্ভুক্ত থাকে না, প্রকাশিত বইগুলি অগোছালো খসড়াগুলি ছেড়ে দেয় এবং বৈজ্ঞানিক কাগজপত্রগুলি মিথ্যা শুরু এবং শেষের বছরগুলি উল্লেখ করে না।

অন্য কথায়, আমরা আসলে যা দেখি তা বাস্তব প্রক্রিয়ার একটি ট্রেস যা এটি তৈরি করেছে। এই চিহ্নগুলি হল কৃত্রিম বুদ্ধিমত্তা (AI) মডেলগুলিকে প্রশিক্ষিত করা হয় - এবং ফলস্বরূপ, তারা নিজেরাই ট্রেস তৈরি করে, যা চিন্তার পণ্যগুলির মতো আকৃতির কিন্তু অগত্যা একইভাবে তৈরি করা হয় না।

একটি নতুন কাগজে, আমরা যুক্তি দিয়েছি যে প্রক্রিয়াটি ছেড়ে যাওয়ার সময় ট্রেসগুলিতে ফোকাস করা বর্তমান AI সিস্টেমগুলিকে বাধাগ্রস্ত করে - এবং যারা এই সিস্টেমগুলি ব্যবহার করে তাদের জন্য একই সমস্যা দেখা দিতে পারে।

ট্রেস এবং ঘর্ষণ

নতুন "যুক্তি" মডেলগুলি তাদের পদক্ষেপগুলির একটি প্রতিবেদন প্রিন্ট করতে পারে, তবে সেই রিপোর্ট করা যুক্তি নিজেই আরেকটি ট্রেস। এটি প্রায়ই উত্তর ড্রাইভিং প্রকৃত গণনার সাথে লাইন আপ করতে ব্যর্থ হয়.

এজেন্টিক সিস্টেম বাস্তব চিন্তার সামান্য কাছাকাছি আসে। এখানে, একটি বৃহৎ ভাষার মডেলের চারপাশে একটি সফ্টওয়্যার "হার্নেস" একটি লুপ চালায়, ফলাফলগুলি ফিড করে এবং প্রক্রিয়াটিতে কিছু প্রকৃত ট্রায়াল-এন্ড-এরর রিভিশন প্রবর্তন করে৷ কিন্তু মাঝখানে চিন্তার শৃঙ্খল - বড় ভাষা মডেল দ্বারা উত্পাদিত অংশ - এখনও একটি ট্রেস.

সৃজনশীল ডোমেনে ব্যবধান সবচেয়ে বেশি। চিত্রশিল্পী এবং সঙ্গীতজ্ঞরা মাঝে মাঝে কথা বলেন কিভাবে তাদের কাজটি তৈরি করার সময় ঘটে যাওয়া দুর্ঘটনা এবং ঘর্ষণ দ্বারা রূপান্তরিত হয়েছিল, যেমন পেইন্ট অপ্রত্যাশিতভাবে চলমান, বা একটি যন্ত্র "বন্ধ" শব্দ করে। এআই মডেলগুলি কখনই এরকম কিছুর মুখোমুখি হয় না।

এটি ব্যবহার করুন বা এটি হারান

এই সমস্যার মানবিক রূপ AI এর চেয়ে অনেক পুরানো। 1997 সালে, একজন আমেরিকান এয়ারলাইন্সের ক্যাপ্টেন সতর্ক করেছিলেন যে পাইলটরা "ম্যাজেন্টা লাইনের সন্তান" হয়ে উঠছে।

তারা এত বিশ্বস্ততার সাথে প্লেনের ফ্লাইট কম্পিউটার অনুসরণ করেছিল যে তাদের ম্যানুয়াল উড়ার দক্ষতা ক্ষয় হয়ে যাচ্ছিল। এভিয়েশন তখন থেকেই অটোমেশন নির্ভরতা পরিচালনার জন্য পদক্ষেপ নিয়েছে।

একই জিনিস ঘটেছিল যখন কিছু মেডিকেল ক্লিনিক লাইভ ক্যামেরা ফিডে সম্ভাব্য পলিপ ফ্ল্যাগ করার জন্য সফ্টওয়্যার ব্যবহার করে এআই-সহায়তা কোলোনোস্কোপি গ্রহণ করেছিল। কিছুক্ষণ পরে, মানব চিকিত্সকদের দক্ষতা ক্ষয় হতে শুরু করে: তারা এআই সিস্টেম ছাড়া কাজ করার সময় এটির প্রবর্তনের আগে থেকে কম পলিপ সনাক্ত করেছিল।

ক্লাসরুমেও এর প্রভাব দেখা গেছে। উচ্চ বিদ্যালয়ের গণিতের শিক্ষার্থীরা সীমাহীন জেনারেটিভ এআই সমর্থন প্রদান করে যখন টুলটি উপলব্ধ ছিল তখন তাদের সমবয়সীদেরকে ছাড়িয়ে যায়, কিন্তু একবার এটি সরিয়ে নেওয়া হলে তারা কম স্কোর করেছিল।

এই অবনতি দ্রুত ঘটতে পারে। একটি সমীক্ষায় দেখা গেছে প্রায় দশ মিনিটের AI সহায়তা মানুষের AI ছাড়া আরও খারাপ পারফরম্যান্স করতে এবং সমস্যাগুলি তাড়াতাড়ি ছেড়ে দেওয়ার জন্য যথেষ্ট।

ব্যর্থতা এবং ভুল শিক্ষকদের

সমস্যা সম্পর্কে কি করা যেতে পারে? উত্তর হতে পারে সমীকরণে আরও প্রক্রিয়া আনা।

AI এর জন্য, এর অর্থ হল বিল্ডিং সিস্টেম যা নিজেরাই আরও মানুষের মতো প্রক্রিয়া ব্যবহার করে। একজন সহকারী তার উত্তর সংশোধন করতে পারে যখন কেউ চ্যালেঞ্জ করে যে এটি কীভাবে সমস্যাটি তৈরি করেছে, কেবল সম্মত হওয়ার পরিবর্তে, বর্তমান সিস্টেমগুলি প্রায়শই করে। অথবা একজন এজেন্ট ব্যর্থতা এবং ভুল থেকে শিখতে পারে, বিশ্ব থেকে পুশব্যাককে বস্তুগতভাবে পরিবর্তন করতে দেয় যে এটি কীভাবে কাজটি আচরণ করে।

মানুষের জন্য, এর অর্থ হল AI টুল ডিজাইন করা যা একজন ব্যক্তির মধ্যে বুদ্ধিমত্তার প্রক্রিয়াগুলিকে সংরক্ষণ করে। হার্ভার্ডে একটি ট্রায়ালে, একটি সু-নির্মিত এআই পদার্থবিদ্যার শিক্ষকের দ্বারা শেখানো ছাত্ররা সক্রিয়-শিক্ষার ক্লাসরুমের সহকর্মীদের তুলনায় বেশি এবং দ্রুত শিখেছিল কারণ গৃহশিক্ষক তাদের জেনারেটিভ কাজ করতে রাখতেন।

একজন ভাল AI শিক্ষাদানকারী সহকারীর উচিত উত্তরের পথে পরবর্তী প্রশ্নটি যতটা সহজভাবে অফার করা তার চেয়ে বেশিবার দেওয়া। কখনও কখনও এটি একটি সমাধান না করে একটি অস্পষ্টতা বাড়াতে হবে, কারণ সঠিক রায় প্রায়শই একজন ব্যক্তি যা জানেন না তা নিয়ে ধীরগতির আলোচনা থেকে উদ্ভূত হয়।

প্রক্রিয়া, প্রক্রিয়া, প্রক্রিয়া

প্রক্রিয়া হল যা প্রকৃত বুদ্ধিমত্তা এবং সৃজনশীলতার উত্থান ঘটায়। একটি কৃত্রিম সিস্টেম যা সেই প্রক্রিয়াটিকে আরও ঘনিষ্ঠভাবে অন্তর্ভুক্ত করে বাস্তব জিনিসটির সাথে সাদৃশ্যপূর্ণ।

মানুষের শেখারও প্রক্রিয়া প্রয়োজন। শিক্ষায়, এবং যেকোনো দক্ষ উদ্যোগে, আমাদের বিবেচনা করতে হবে যে কীভাবে এআই সিস্টেমগুলি ডিজাইন করা হয় এবং চিন্তাভাবনা এবং শেখার প্রক্রিয়াটিকে আরও সংরক্ষণ করার জন্য ব্যবহার করা হয়।

মেশিনের পক্ষে চিন্তার আরও চিহ্ন তৈরি করা বর্তমানে সহজ, কিন্তু প্রক্রিয়া তৈরি করা অনেক কঠিন। আমরা যদি এটি সঠিকভাবে পাই তবে আমাদের মেশিনগুলি আমাদের কম না করে আরও বুদ্ধিমান হয়ে উঠতে পারে।

এই নিবন্ধটি র‍্যাচেল ডব্লিউ ক্যালেন, আয়েহ আলহাসান, ক্যাসান্দ্রা ক্রোন এবং ডেভিড এম কাপলানের সাথে লেখা হয়েছিল। এটি আমাদের সহকর্মী ম্যানুয়েল ভার্লেট, এম. পাওলা ডিয়াজ মনফোর্ট, প্যাট্রিক নালেপকা এবং মার্ক ড্রাসের সাথে গবেষণায় আঁকেন৷