ChatGPT, Claude বা Gemini-এর মতো কৃত্রিম বুদ্ধিমত্তা এখন লেখালেখি, কোডিং, গণিত সমস্যা সমাধান এবং তথ্য সাজানোর কাজে শক্তিশালী সহায়ক। কিন্তু শীর্ষ এআই গবেষকদের একটি বড় অংশ মনে করেন, এসব মডেল এখনো বাস্তব পৃথিবী বোঝার ক্ষেত্রে অনেক পিছিয়ে। তাদের মতে, ভাষা তৈরি করা আর বাস্তব জগতের কারণ-ফল, বস্তু, গতি, ঝুঁকি ও সিদ্ধান্ত বোঝা এক জিনিস নয়।

এআই গবেষক ইয়ান লেকুন, যিনি Meta-তে প্রধান এআই বিজ্ঞানী হিসেবে কাজ করেছেন এবং পরে Advanced Machine Intelligence Labs বা AMI Labs প্রতিষ্ঠা করেছেন, বর্তমান ভাষাভিত্তিক এআই নিয়ে এই সীমাবদ্ধতার কথা বলেছেন। তার মতে, আজকের এআই লিখতে পারে, যুক্তির মতো উত্তর দিতে পারে, কিন্তু বাস্তব জগতে কোনো বস্তু কীভাবে আচরণ করবে, তা মানুষের শিশুর মতোও বোঝে না।

ভাষা জানে, কিন্তু পৃথিবী বোঝে না

বড় ভাষা মডেল বা LLM মূলত বিপুল তথ্য থেকে শব্দ, বাক্য ও ধারণার সম্পর্ক শেখে। তাই এগুলো প্রবন্ধ লিখতে পারে, সারাংশ করতে পারে, কোড তৈরি করতে পারে এবং পরীক্ষার প্রশ্নের উত্তর দিতে পারে। কিন্তু বাস্তব জগতে একটি কলম দাঁড় করিয়ে ছেড়ে দিলে সেটি পড়ে যাবে, এটা জানা আর কোন দিকে পড়বে তা বোঝা এক নয়।

মানুষ জানে অনেক ঘটনায় নির্দিষ্ট ফল আছে, আবার কিছু ক্ষেত্রে অতি সূক্ষ্ম পরিবর্তনে ফল বদলে যেতে পারে। কিন্তু বর্তমান এআই অনেক সময় প্রশিক্ষণ ডেটার প্যাটার্ন ধরে এক ধরনের সম্ভাব্য উত্তর দেয়। এই সীমাবদ্ধতা রোবট, স্বয়ংক্রিয় ব্যবস্থা এবং দৈনন্দিন কাজে এআই ব্যবহারের ক্ষেত্রে বড় সমস্যা।

JEPA ও নতুন প্রজন্মের এআই

এই সীমাবদ্ধতা কাটাতে লেকুনের AMI Labs Joint Embedding Predictive Architecture বা JEPA নামে নতুন পদ্ধতি নিয়ে কাজ করছে। এর লক্ষ্য হলো বাস্তব পৃথিবীর এমন সরলীকৃত উপস্থাপনা তৈরি করা, যাতে এআই অপ্রয়োজনীয় খুঁটিনাটি বাদ দিয়ে গুরুত্বপূর্ণ তথ্য বুঝতে পারে।

যেমন, কোনো বস্তু পড়ে যাবে কি না, সেটি জানা জরুরি। কিন্তু প্রতিটি অণু কীভাবে নড়বে, তা জানা সবসময় দরকার নেই। মানুষের বুদ্ধিমত্তার একটি বড় শক্তি হলো, সে কোন তথ্য গুরুত্বপূর্ণ আর কোনটি অপ্রয়োজনীয়, তা দ্রুত আলাদা করতে পারে। গবেষকরা চান এআইও এমন ক্ষমতা অর্জন করুক।

রোবটের জন্য কেন জরুরি

বিশ্বজুড়ে এখন মানবসদৃশ রোবট, ঘরোয়া সহায়ক রোবট এবং শিল্পক্ষেত্রের স্বয়ংক্রিয় ব্যবস্থায় বিপুল বিনিয়োগ হচ্ছে। কিন্তু কাপড় ইস্ত্রি করা, বাসন পরিষ্কার করা, ঘরে চলাফেরা করা বা মানুষের পাশে নিরাপদে কাজ করার মতো সাধারণ কাজও রোবটের জন্য কঠিন। কারণ এগুলো শুধু নির্দেশ মানার বিষয় নয়, বাস্তব পরিবেশ বোঝার বিষয়।

অক্সফোর্ড বিশ্ববিদ্যালয়ের Applied AI Lab-এর পরিচালক ইনগমার পজনারের মতে, ভবিষ্যতের এআইকে সিদ্ধান্ত ব্যাখ্যা করতে হবে এবং কারণ-ফল সম্পর্ক বুঝতে হবে। তাকে জানতে হবে কোন তথ্য গুরুত্বপূর্ণ, কোন কাজ করলে কী ঘটতে পারে এবং বিকল্প সিদ্ধান্তের ফল কী হতে পারে।

বাংলাদেশের জন্যও এই আলোচনা গুরুত্বপূর্ণ। শিক্ষা, অফিস, সংবাদ, চিকিৎসা, ব্যাংকিং বা গ্রাহকসেবায় এআই দ্রুত ঢুকছে। কিন্তু এআইকে শুধু “বুদ্ধিমান” মনে করে ব্যবহার করলে ভুল সিদ্ধান্তের ঝুঁকি থাকে। তাই এআই ব্যবহারের পাশাপাশি মানব যাচাই, প্রেক্ষাপট বোঝা এবং দায়বদ্ধতা নিশ্চিত করা জরুরি।