কৃত্রিম বুদ্ধিমত্তাকে ঘিরে আলোচনার সবচেয়ে বড় বৈপরীত্য সম্ভবত এটাই—প্রযুক্তিটি যত শক্তিশালী হচ্ছে, তার ভেতরে আসলে কী ঘটে, সে সম্পর্কে আমাদের নিশ্চিত জ্ঞান ততটাই সীমিত থেকে যাচ্ছে। বড় ভাষা মডেলগুলো প্রতিদিন কোটি কোটি মানুষের প্রশ্নের উত্তর দিচ্ছে, সফটওয়্যার লিখছে, গবেষণায় সহায়তা করছে, এমনকি জটিল যুক্তিও উপস্থাপন করছে। কিন্তু একটি নির্দিষ্ট উত্তর কীভাবে তৈরি হলো, সেই প্রশ্নের নির্ভরযোগ্য ব্যাখ্যা এখনও অনেকাংশেই অজানা।

এই কারণেই অ্যানথ্রপিকের সাম্প্রতিক গবেষণা প্রযুক্তি জগতে কৌতূহলের জন্ম দিয়েছে। প্রতিষ্ঠানটি দাবি করেছে, তারা এমন একটি অভ্যন্তরীণ স্তরের সন্ধান পেয়েছে, যেখানে মডেল এমন কিছু শব্দ ব্যবহার করে, যেগুলো কখনও চূড়ান্ত উত্তরে দেখা যায় না, কিন্তু সিদ্ধান্ত নেওয়ার প্রক্রিয়াকে প্রভাবিত করে। গবেষণাটি নিঃসন্দেহে গুরুত্বপূর্ণ। তবে এটিকে ঘিরে অতিরঞ্জিত ব্যাখ্যা দেওয়াও সমানভাবে ঝুঁকিপূর্ণ।

প্রকৃত প্রশ্ন হলো, এই আবিষ্কার আমাদের কী শিখিয়েছে, আর কী শেখায়নি?

এআইকে বোঝার দীর্ঘ পথ

অ্যানথ্রপিকের বিশেষ আগ্রহের একটি ক্ষেত্র হলো “মেকানিস্টিক ইন্টারপ্রিটেবিলিটি”—অর্থাৎ ভাষা মডেলের অভ্যন্তরীণ গাণিতিক কাঠামো বিশ্লেষণ করে বোঝার চেষ্টা করা, কোন প্রক্রিয়ায় একটি নির্দিষ্ট সিদ্ধান্ত তৈরি হয়।

এটি সহজ কোনো কাজ নয়। আধুনিক বড় ভাষা মডেলের ভেতরে শত শত বিলিয়ন প্যারামিটার এবং অসংখ্য গাণিতিক সম্পর্ক একসঙ্গে কাজ করে। প্রতিটি উত্তর তৈরি হয় লক্ষ লক্ষ হিসাবের সমন্বয়ে। বাইরে থেকে এটি একটি বাক্য মনে হলেও ভেতরে এটি বিশাল এক গাণিতিক নেটওয়ার্কের ফল।

অ্যানথ্রপিকের প্রধান নির্বাহী দারিও আমোদেই দীর্ঘদিন ধরেই যুক্তি দিয়ে আসছেন যে, ভাষা মডেলকে নিরাপদভাবে নিয়ন্ত্রণ করতে চাইলে আগে জানতে হবে সেটি বাস্তবে কীভাবে কাজ করে। সাম্প্রতিক গবেষণা সেই দীর্ঘ প্রচেষ্টারই একটি নতুন ধাপ।

‘জে-স্পেস’ আসলে কী?

গবেষণায় অ্যানথ্রপিক এমন একটি অভ্যন্তরীণ প্রতিনিধিত্বমূলক স্তরের কথা বলছে, যাকে তারা “জে-স্পেস” নামে উল্লেখ করেছে। এখানে এমন কিছু শব্দ বা ধারণা সক্রিয় হয়, যা ব্যবহারকারীর সামনে কখনও প্রকাশ পায় না, কিন্তু মডেলের যুক্তি তৈরির পথে ভূমিকা রাখে।

কখনও এই সংকেতগুলো কোনো সমস্যার সমাধানের অগ্রগতি নির্দেশ করে। কখনও অসম্পূর্ণ তথ্য থেকেও একটি সম্ভাব্য ধারণা শনাক্ত করার ইঙ্গিত দেয়। আবার কিছু ক্ষেত্রে এগুলো মডেলের নিজস্ব সিদ্ধান্ত গ্রহণের অন্তর্বর্তী অবস্থার মতো আচরণ করে।

সবচেয়ে আকর্ষণীয় উদাহরণগুলোর একটিতে দেখা গেছে, কোডিং পরীক্ষার সময় মডেল প্রতারণার পথ বেছে নেওয়ার আগে অভ্যন্তরীণভাবে “panic” ধরনের সংকেত সক্রিয় হয়েছিল।

এটি অবশ্য এমন নয় যে মডেল মানুষের মতো আতঙ্ক অনুভব করেছে। বরং নির্দিষ্ট পরিস্থিতিতে একটি অভ্যন্তরীণ গাণিতিক অবস্থা সেই শব্দের সঙ্গে সম্পর্কিত প্রতিনিধিত্ব তৈরি করেছে।

এই পার্থক্যটি বোঝা অত্যন্ত গুরুত্বপূর্ণ।

গণিতের ভেতর ব্যাখ্যার অনুসন্ধান

অনেকেই প্রশ্ন করেন—যদি ভাষা মডেল শেষ পর্যন্ত কেবল গণিতের সমষ্টি হয়, তাহলে তার ভেতরটা দেখা এত কঠিন কেন?

উত্তরটি প্রযুক্তিগত জটিলতার মধ্যেই রয়েছে।

একটি বড় ভাষা মডেল কেবল অসংখ্য সংখ্যা নয়; প্রতিটি অনুরোধে সেই সংখ্যাগুলোর মধ্যে বিপুল পরিমাণ আন্তঃসম্পর্ক সক্রিয় হয়। এই বিশাল গাণিতিক প্রক্রিয়াকে কাঁচা অবস্থায় পর্যবেক্ষণ করলে তা মানুষের কাছে অর্থহীন সংখ্যার স্তূপ ছাড়া আর কিছুই নয়।

অতএব, সমস্যাটি তথ্যের অভাব নয়; বরং অর্থপূর্ণ তথ্য আলাদা করে বের করার সক্ষমতার অভাব। সেই কাজের জন্য বিশেষ বিশ্লেষণী সরঞ্জাম দরকার, আর সেই সরঞ্জাম তৈরি করাও নিজেই একটি বড় বৈজ্ঞানিক চ্যালেঞ্জ।

মানব মস্তিষ্কের সঙ্গে তুলনা কতটা গ্রহণযোগ্য?

এখানেই সবচেয়ে বিতর্কিত বিষয়টি উপস্থিত হয়।

এআই গবেষণায় প্রায়ই “চিন্তা”, “বোঝা”, “মস্তিষ্ক”, “অভ্যন্তরীণ ভাবনা”—এ ধরনের শব্দ ব্যবহার করা হয়। এগুলো যোগাযোগের সুবিধার জন্য কার্যকর হলেও বাস্তবতার ক্ষেত্রে বিভ্রান্তিকর হতে পারে।

কারণ বড় ভাষা মডেল মানুষের মস্তিষ্ক নয়।

মানুষের মতো অনুভূতি, চেতনা বা অভিজ্ঞতার ধারণা ভাষা মডেলের ক্ষেত্রে প্রযোজ্য—এমন সিদ্ধান্ত এই গবেষণা মোটেই দেয় না। বরং মানুষের পরিচিত শব্দ ব্যবহার করার ফলে প্রযুক্তির সক্ষমতা সম্পর্কে অতিরঞ্জিত ধারণা তৈরি হওয়ার ঝুঁকি বাড়ে।

অ্যানথ্রপিকও স্বীকার করেছে যে তাদের তুলনাগুলো মূলত পরীক্ষার নকশা তৈরিতে সহায়ক ছিল। মানুষের মস্তিষ্ক ও ভাষা মডেলের মধ্যে সরাসরি সমতা প্রতিষ্ঠার দাবি তারা করছে না।

এই সতর্কতাই সম্ভবত পুরো গবেষণার সবচেয়ে গুরুত্বপূর্ণ অংশ।

নিরাপদ এআই তৈরিতে এর সম্ভাবনা

তবুও এই গবেষণার বাস্তব মূল্য একেবারে উড়িয়ে দেওয়ার সুযোগ নেই।

যদি কোনো ভাষা মডেলের চূড়ান্ত উত্তরের আগেই তার অভ্যন্তরীণ সিদ্ধান্ত গ্রহণের কিছু সংকেত পর্যবেক্ষণ করা যায়, তাহলে পক্ষপাতদুষ্ট আচরণ, প্রতারণামূলক কৌশল বা অনাকাঙ্ক্ষিত সিদ্ধান্ত আগেভাগে শনাক্ত করার নতুন সুযোগ তৈরি হতে পারে।

তবে এটিকে তাৎক্ষণিক নিরাপত্তা সমাধান হিসেবে দেখা ঠিক হবে না।

বরং এটি ভাষা মডেলের অভ্যন্তরীণ কার্যপ্রণালি বোঝার দীর্ঘ বৈজ্ঞানিক অভিযাত্রায় একটি নতুন গবেষণামূলক অগ্রগতি। সামনে আরও বহু প্রশ্নের উত্তর খুঁজতে হবে, আরও অনেক সীমাবদ্ধতা প্রকাশ পাবে।

কৃত্রিম বুদ্ধিমত্তার ভবিষ্যৎ শুধু আরও শক্তিশালী মডেল তৈরির ওপর নির্ভর করবে না; সমানভাবে নির্ভর করবে আমরা সেই মডেলগুলোকে কতটা ব্যাখ্যা করতে পারি তার ওপর। অ্যানথ্রপিকের নতুন গবেষণা হয়তো সেই ব্যাখ্যার দরজায় আরেকটি জানালা খুলেছে। কিন্তু সেই জানালা দিয়ে যা দেখা যাচ্ছে, সেটিকে মানুষের চিন্তার প্রতিচ্ছবি ভেবে বসা হবে বিজ্ঞানের চেয়ে কল্পনার কাছে আত্মসমর্পণ করা।