কৃত্রিম বুদ্ধিমত্তা মডেলগুলোর মধ্যে কোনো কথা ছাড়াই যোগাযোগের নতুন প্রযুক্তি আবিষ্কার!

একটি বিকাশ যা কৃত্রিম বুদ্ধিমত্তার ভবিষ্যৎকে পুনর্গঠন করতে পারে, এমন একটি নতুন পদ্ধতি তৈরি করেছেন রাশিয়ান গণিতবিদদের একটি দল, যারা ‘মোস্টিক’ (Mostik) নামের একটি স্টার্টআপ কোম্পানিতে কাজ করেন। এই পদ্ধতি বিভিন্ন কৃত্রিম বুদ্ধিমত্তা মডেলকে পরস্পরের সাথে যোগাযোগ করতে সক্ষম করে, মধ্যবর্তী পাঠ্য তৈরি করার প্রয়োজন ছাড়াই। ‘ওয়াইয়ার্ড’ (Wired) ম্যাগাজিনের একটি প্রতিবেদনের মতে, এই পদ্ধতিটি মেশিনগুলোর মধ্যে একটি ধরনের ‘মেশিন টেলিপ্যাথি’-এর মতো।

একটি প্রদর্শনীতে, দলটি দুটি ভিন্ন মডেলকে সংযুক্ত করেছিল: ৭৫৩ বিলিয়ন প্যারামিটার বিশিষ্ট GLM-5.2 এবং ৪ বিলিয়ন প্যারামিটার বিশিষ্ট Qwen-3.5। মোস্টিক কোম্পানির মতে, এই হাইব্রিড সিস্টেমটি শুধুমাত্র বড় মডেল GLM-5.2-এর পরিচালনার চেয়ে প্রায় ২০ গুণ কম খরচে কাজ করে, এবং এর গুণমান দুটি মূল মডেলের ফলাফলের মাঝামাঝি অবস্থানে থাকে।

মূল ধারণাটি হলো বড় ভাষা মডেলগুলোর মধ্যে পাঠ্যের মাধ্যমে যোগাযোগের প্রচলিত পদ্ধতির চেয়ে এগিয়ে যাওয়া, যেখানে একটি মডেল একটি উত্তর তৈরি করে, এবং তারপর অন্য একটি মডেল তা গ্রহণ করে আবার প্রক্রিয়া করে। ‘মোস্টিক’ মডেলগুলোর অভ্যন্তরীণ গাণিতিক উপস্থাপনার মাধ্যমে তথ্য সরাসরি স্থানান্তরের প্রস্তাব দেয়, এই ধাপটি সম্পূর্ণ এড়িয়ে যায়। এই পদ্ধতির লক্ষ্য হলো একাধিক বিশেষায়িত মডেলকে দক্ষতার সাথে একীভূত করার চ্যালেঞ্জ সমাধান করা, এবং বারবার পাঠ্য রূপান্তরের কারণে তথ্যের অপচয় ও সম্পদের অপচয় ঘটার সম্ভাবনা এড়ানো।

তবে, এই প্রযুক্তি এখনও অস্পষ্টতার আড়ালে রয়েছে, কারণ দলটি কোনো বৈজ্ঞানিক কাগজ, ওপেন-সোর্স কোড, খরচ গণনার পদ্ধতি, বা ‘GLM’ এবং ‘Qwen’-এর মধ্যে তুলনার জন্য কোনো নির্দিষ্ট মানদণ্ড প্রকাশ করেনি। ‘ওয়াইয়ার্ড’-এর প্রতিবেদন নির্দেশ করে যে কোম্পানিটি এখনও সঠিক প্রযুক্তিগত বিবরণ প্রদান করেনি, এবং তাদের দাবিগুলোর কোনো স্বাধীন যাচাইকরণ নেই, যা এই প্রযুক্তির উদ্ভাবনী দিক নিয়ে প্রশ্ন তৈরি করে। এটি স্পষ্ট নয় যে ‘মোস্টিক’-এর প্রযুক্তিটি একটি প্রকৃত উদ্ভাবন, নাকি জ্ঞান ডিস্টিলেশন (knowledge distillation) বা এম্বেডিং স্পেসের মাধ্যমে যোগাযোগের মতো বিদ্যমান ধারণাগুলোর কেবল একটি পুনর্বিন্যাস।

‘মোস্টিক’-এ গবেষণা পরিচালনা করছেন ২০১০ সালে ফিল্ডস মেডেল প্রাপ্ত এবং জেনিভা বিশ্ববিদ্যালয়ের অধ্যাপক স্টানিস্লাভ স্মিরনভ। স্মিরনভ বলেন যে প্রধান কাজগুলোর একটি হলো এমন একটি সাধারণ গাণিতিক ভাষা খুঁজে বের করা যা বিভিন্ন মডেলকে পরস্পরের অভ্যন্তরীণ উপস্থাপনাগুলি বুঝতে সক্ষম করবে।

পর্যবেক্ষকরা ইঙ্গিত দেন যে, মানদণ্ডবদ্ধ ডেটা প্রকাশ করা, সিস্টেমের একটি অংশ ওপেন করা, বা বড় অঙ্কের অর্থায়ন অর্জন করলে এই দাবিগুলোর বিশ্বাসযোগ্যতা প্রমাণে সাহায্য করতে পারে। যাই হোক, এই বিকাশটি কৃত্রিম বুদ্ধিমত্তার একাধিক মডেলের সুবিধা নেওয়ার আরও দক্ষ পদ্ধতি খোঁজার তীব্র চেষ্টার দিকে আলোকপাত করে, যা বিশ্বের বড় প্রযুক্তি কোম্পানিগুলোর জন্য একটি চ্যালেঞ্জ।