কৃত্রিম বুদ্ধিমত্তা (এআই) এখন আর শুধু মানুষের প্রশ্নের উত্তর দেওয়া কিংবা তথ্য বিশ্লেষণের মধ্যে সীমাবদ্ধ নেই। নতুন বৈজ্ঞানিক আবিষ্কার, জটিল গাণিতিক সমস্যার সমাধান, রোগের চিকিৎসা উদ্ভাবন এবং এমনকি আরও উন্নত এআই তৈরিতেও গুরুত্বপূর্ণ ভূমিকা রাখছে এই প্রযুক্তি। গুগল ডিপমাইন্ড, ওপেনএআই ও অ্যানথ্রপিকের মতো প্রতিষ্ঠানগুলো এখন এআইকে গবেষকের ভূমিকায় গড়ে তুলতে বিপুল বিনিয়োগ করছে। তবে এর পেছনে শুধু বিজ্ঞানের প্রতি ভালোবাসা কিংবা ব্যবসায়িক মুনাফা নয়, রয়েছে এআই মডেলকে আরও শক্তিশালী করে তোলার কৌশলগত লক্ষ্যও।
বৈজ্ঞানিক আবিষ্কারে এআইয়ের অগ্রগতি
গুগল ডিপমাইন্ডের সহপ্রতিষ্ঠাতা ডেমিস হাসাবিসের লক্ষ্য ছিল বিজ্ঞানচর্চার জন্য একটি শক্তিশালী প্রযুক্তিগত হাতিয়ার তৈরি করা। সময়ের সঙ্গে প্রতিষ্ঠানটির গবেষণা এআইয়ের নিজস্ব উন্নয়নের গণ্ডি ছাড়িয়ে জীববিজ্ঞানসহ বিজ্ঞানের বিভিন্ন শাখায় বিস্তৃত হয়েছে। এর উল্লেখযোগ্য উদাহরণ প্রোটিনের ত্রিমাত্রিক গঠন অনুমান করার এআই মডেল আলফাফোল্ড। এই কাজের স্বীকৃতি হিসেবে ২০২৪ সালে রসায়নে নোবেল পুরস্কারের অংশীদার হন হাসাবিস।
এদিকে এআইনির্ভর গবেষণায় এগিয়ে আসছে অন্য প্রতিষ্ঠানগুলোও। ওপেনএআই গাণিতিক গবেষণায় গুরুত্বপূর্ণ অগ্রগতির দাবি করেছে। প্রতিষ্ঠানটি একটি মিলেনিয়াম প্রাইজ সমস্যা সমাধানের পাশাপাশি এক দিনে ৩০০টির বেশি অমীমাংসিত গাণিতিক প্রশ্নের সমাধান প্রকাশ করেছে বলে প্রতিবেদনে উল্লেখ করা হয়েছে।
অ্যানথ্রপিকের প্রধান নির্বাহী দারিও আমোডেইও জানিয়েছেন, তাঁদের ক্লড মডেল ব্যবহার করে জিন সম্পাদনার জন্য ক্রিসপার প্রযুক্তির সম্ভাব্য উত্তরসূরি আবিষ্কারের পথে অগ্রগতি হয়েছে। তাঁর মতে, এআইনির্ভর জীববিজ্ঞানের বিকাশ দ্রুতগতিতে এগোচ্ছে।
ছোট প্রতিষ্ঠানগুলোও এই প্রতিযোগিতায় যুক্ত হয়েছে। জাপানের টোকিওভিত্তিক গবেষণা প্রতিষ্ঠান সাকানা এআই ২০২৪ সালে এমন একটি ‘এআই বিজ্ঞানী’ ব্যবস্থা সামনে আনে, যা দিয়ে বৈজ্ঞানিক গবেষণাপত্র তৈরির বিভিন্ন ধাপ সম্পন্ন করা সম্ভব বলে প্রতিষ্ঠানটির গবেষকেরা দাবি করেন।
চলতি বছরের মার্চে নেচার সাময়িকীতে প্রকাশিত একটি গবেষণায় সাকানা এআই জানায়, তাদের তৈরি ব্যবস্থার লেখা একটি গবেষণাপত্র শীর্ষস্থানীয় একটি এআই সম্মেলনের পর্যালোচনার প্রথম ধাপ অতিক্রম করেছে। একই ধাপে মানব গবেষকদের লেখা প্রায় এক-তৃতীয়াংশ গবেষণাপত্র ব্যর্থ হয়েছিল বলে গবেষণাটিতে উল্লেখ করা হয়।
বিজ্ঞানীদের মধ্যে বাড়ছে উদ্বেগ
এআই দিয়ে বৈজ্ঞানিক গবেষণার অগ্রগতি শুরুতে বিজ্ঞানীদের মধ্যে আশাবাদ তৈরি করেছিল। কিন্তু এখন এই অগ্রগতির গতি এবং প্রযুক্তি কোম্পানিগুলোর সরাসরি গবেষণায় যুক্ত হওয়া নিয়ে উদ্বেগ বাড়ছে।
সাধারণত প্রযুক্তি প্রতিষ্ঠানগুলো নিজেদের তৈরি পণ্য ও সেবা অন্য খাতের প্রতিষ্ঠানগুলোর কাছে বিক্রি করে। কিন্তু বিজ্ঞান গবেষণার ক্ষেত্রে তারা শুধু প্রযুক্তি সরবরাহ করেই থেমে থাকছে না; নিজেরাই গবেষণার বিষয় নির্বাচন করছে, পরীক্ষা চালাচ্ছে এবং নতুন আবিষ্কারের চেষ্টা করছে।
এর পেছনে কারণ কী? প্রতিষ্ঠানগুলোর বক্তব্য অনুযায়ী, বিজ্ঞানের অগ্রগতিতে অবদান রাখাই তাদের অন্যতম লক্ষ্য। ডেমিস হাসাবিসের ভাষায়, মহাবিশ্বে কী ঘটছে, তা বোঝার আগ্রহ থেকেই তাঁর এই উদ্যোগ। ওপেনএআইয়ের প্রধান গবেষণা কর্মকর্তা মার্ক চেনও বলেছেন, তাঁদের গবেষকেরা বৈজ্ঞানিক আবিষ্কারের প্রতি আন্তরিক আগ্রহ থেকেই কাজ করছেন।
চেনের মতে, তাঁদের অনেক গবেষক করপোরেট জগতে আসার আগে বিজ্ঞানী বা গণিতবিদ ছিলেন। নতুন কিছু আবিষ্কারের আনন্দ ও জ্ঞানচর্চার আকাঙ্ক্ষা তাঁদের মধ্যে এখনো রয়েছে।
তবে বিজ্ঞানের প্রতি আগ্রহই একমাত্র কারণ নয়। গবেষণার সাফল্য প্রতিষ্ঠানগুলোর সুনাম বাড়াতে পারে, নতুন ব্যবসার সুযোগ তৈরি করতে পারে এবং বিনিয়োগের বিপরীতে বড় আর্থিক লাভ এনে দিতে পারে।
ওষুধ তৈরিতে এআইয়ের বাণিজ্যিক সম্ভাবনা
এই সম্ভাবনার একটি উল্লেখযোগ্য উদাহরণ আইসোমরফিক ল্যাবস। ডেমিস হাসাবিসের প্রতিষ্ঠিত এই কোম্পানি গুগল ডিপমাইন্ড থেকে আলাদা হয়ে ওষুধ আবিষ্কারের কাজে মনোযোগ দিচ্ছে।
প্রতিষ্ঠানটির লক্ষ্য ক্যানসার, হৃদ্রোগ এবং রোগপ্রতিরোধব্যবস্থাসংক্রান্ত বিভিন্ন সমস্যার চিকিৎসায় নতুন ওষুধ উদ্ভাবন করা। এ কাজে তারা ডিপমাইন্ডের প্রযুক্তির পাশাপাশি নিজেদের উন্নত প্রযুক্তিও ব্যবহার করছে।
আলফাফোল্ড ৩-এর উন্নত সংস্করণভিত্তিক প্রযুক্তি দিয়ে প্রতিষ্ঠানটি জৈব রাসায়নিক বিক্রিয়া সম্পর্কে আরও কার্যকরভাবে পূর্বাভাস দেওয়ার চেষ্টা করছে। এর লক্ষ্য শুধু প্রোটিনের গঠন বোঝা নয়, বরং নতুন ওষুধ তৈরির জন্য প্রয়োজনীয় অণু শনাক্ত ও উন্নয়ন করা।
প্রতিষ্ঠানটির ১৭টি সম্ভাব্য ওষুধের অণু উন্নয়নের বিভিন্ন পর্যায়ে রয়েছে বলে প্রতিবেদনে উল্লেখ করা হয়েছে। এসব অণু কার্যকর ওষুধে রূপ নিতে পারলে এবং ওষুধ প্রস্তুতকারক কোম্পানিগুলো সেগুলো বাজারজাত করতে পারলে আইসোমরফিক ল্যাবসের জন্য বড় আর্থিক সম্ভাবনা তৈরি হতে পারে।
এআই মডেলকে উন্নত করার নতুন পথ বিজ্ঞান
প্রশংসা ও মুনাফার সম্ভাবনা থাকলেও প্রযুক্তি কোম্পানিগুলোর বিজ্ঞান গবেষণায় আগ্রহের আরও গুরুত্বপূর্ণ একটি কারণ রয়েছে। তা হলো, বৈজ্ঞানিক গবেষণার মাধ্যমে এআই মডেলকে আরও উন্নত করা।
প্রথম দিকের বড় ভাষাভিত্তিক এআই মডেলগুলোর সক্ষমতা যাচাই করতে সাধারণ বিজ্ঞানভিত্তিক প্রশ্ন ব্যবহার করা হতো। কিন্তু বর্তমানে উন্নত মডেলগুলো স্নাতকোত্তর পর্যায়ের জটিল প্রশ্নও সামলাতে পারে। এমনকি বিভিন্ন বিষয়ের অত্যন্ত কঠিন জ্ঞানভিত্তিক পরীক্ষা ‘হিউম্যানিটিজ লাস্ট এক্সাম’-এও সেরা মডেলগুলো ৫০ শতাংশের কিছু বেশি নম্বর অর্জন করেছে বলে প্রতিবেদনে বলা হয়েছে।
এতে নতুন সমস্যা তৈরি হয়েছে। বিদ্যমান তথ্য ব্যবহার করে মডেলগুলোকে পরীক্ষা করার সুযোগ ক্রমেই সীমিত হয়ে আসছে। ফলে মডেলকে আরও এগিয়ে নিতে হলে নতুন তথ্য, নতুন সমস্যা এবং নতুন গবেষণার প্রয়োজন হচ্ছে।
গুগল ডিপমাইন্ডের বিজ্ঞানবিষয়ক দলের প্রধান পুষমিত কোহলির মতে, বিজ্ঞান ও গণিত এআইয়ের জন্য এমন একটি পরীক্ষাক্ষেত্র, যেখানে কঠিন চ্যালেঞ্জের মুখোমুখি করে প্রযুক্তির নতুন সক্ষমতা তৈরি করা যায়।
অর্থাৎ, এআইকে শুধু আগে থেকে জানা প্রশ্নের উত্তর দিতে শেখানো হচ্ছে না; বরং এমন সমস্যা সমাধানের দায়িত্ব দেওয়া হচ্ছে, যার উত্তর এখনো মানুষের অজানা।
অমীমাংসিত গণিত কেন এত গুরুত্বপূর্ণ?
এআই গবেষণায় অমীমাংসিত গাণিতিক সমস্যার বিশেষ গুরুত্ব রয়েছে। কারণ, কোনো মডেল নতুন সমাধান বের করতে পারলে সেটিকে গাণিতিক প্রমাণের মাধ্যমে যাচাই করা সম্ভব।
এআই উন্নয়নে ব্যবহৃত একটি গুরুত্বপূর্ণ পদ্ধতি হলো ‘রিইনফোর্সমেন্ট লার্নিং উইথ ভেরিফায়েবল রিওয়ার্ডস’। এই পদ্ধতিতে মডেলকে এমন কাজ দেওয়া হয়, যার সঠিক উত্তর নিরপেক্ষভাবে যাচাই করা যায়। সঠিক সমাধান দিতে পারলে মডেল পুরস্কার পায়, আর ভুল হলে সেই অনুযায়ী প্রশিক্ষণ সমন্বয় করা হয়।
গণিতের ক্ষেত্রে এই পদ্ধতি বিশেষ কার্যকর। কারণ, কোনো প্রমাণ সঠিক কি না, তা নির্দিষ্ট নিয়মে যাচাই করা সম্ভব। ওপেনএআইয়ের সাম্প্রতিক বিপুলসংখ্যক গাণিতিক সমাধান প্রকাশের পেছনেও এমন প্রশিক্ষণ প্রক্রিয়া কাজ করে থাকতে পারে বলে ধারণা করা হচ্ছে।
তবে গণিতে অসাধারণ দক্ষতা অর্জন করলেই এআই অন্য সব কাজেও সমান দক্ষ হয়ে উঠবে, এমন নিশ্চয়তা নেই।
এক ক্ষেত্রে অসাধারণ, অন্য ক্ষেত্রে দুর্বল
এআই মডেলের একটি পরিচিত সীমাবদ্ধতা হলো, একই মডেল কোনো নির্দিষ্ট কাজে মানুষের চেয়ে ভালো ফল করলেও অন্য কোনো সাধারণ কাজে হাস্যকর ভুল করতে পারে। গবেষকেরা এই অসম দক্ষতাকে ‘জ্যাগড ইন্টেলিজেন্স’ বলে বর্ণনা করেন।
বৈজ্ঞানিক সমস্যায় এআইয়ের দক্ষতা বাড়াতে গিয়ে এই বৈষম্য আরও বাড়বে, নাকি সামগ্রিকভাবে মডেলের বুদ্ধিমত্তা উন্নত হবে—এটি এখনো গুরুত্বপূর্ণ প্রশ্ন।
ওপেনএআইয়ের মার্ক চেন মনে করেন, এআই উন্নয়নে বড় এবং তুলনামূলক সরল মডেল অনেক সময় বিশেষ কাজের জন্য অতিরিক্ত জটিলভাবে তৈরি ব্যবস্থার চেয়ে ভালো ফল দেয়। এ ধারণাকে বলা হয় ‘বিটার লেসন’।
এআই গবেষক রিচ সাটন এই ধারণাকে জনপ্রিয় করেন। তাঁর মতে, দাবা থেকে শুরু করে কণ্ঠ শনাক্তকরণের মতো ক্ষেত্রে দেখা গেছে, মডেল কীভাবে কাজ করবে তা অতিরিক্ত নির্ধারণ করে দেওয়ার পরিবর্তে বৃহৎ পরিসরে শেখার সুযোগ দিলে অনেক সময় ভালো ফল পাওয়া যায়।
সাম্প্রতিক গবেষণাও এই ধারণার পক্ষে কিছু প্রাথমিক প্রমাণ দিয়েছে। সাংহাই জিয়াও টং বিশ্ববিদ্যালয়ের ইয়ং লিউয়ের নেতৃত্বে পরিচালিত এক গবেষণায় দেখা গেছে, প্রোটিনের গঠন শেখানোর জন্য প্রশিক্ষিত একটি এআই মডেল অন্য কয়েকটি ক্ষেত্রেও উন্নত সক্ষমতা দেখিয়েছে।
আলিবাবার উন্মুক্ত ব্যবহারের উপযোগী কিউয়েন মডেলের একটি সংস্করণকে প্রোটিনের গঠনসংক্রান্ত প্রশ্ন ও উত্তর দিয়ে প্রশিক্ষণ দেওয়া হয়েছিল। পরে স্থানিক বিশ্লেষণ, গ্রাফভিত্তিক সমস্যা, বৈজ্ঞানিক যুক্তি এবং সাধারণ যুক্তি প্রয়োগের মতো ক্ষেত্রেও মডেলটির উন্নতি দেখা যায়।
এ থেকে ধারণা পাওয়া যায়, একটি নির্দিষ্ট বৈজ্ঞানিক কাজ শেখানো হলেও তার সুফল অন্য ক্ষেত্রেও ছড়িয়ে পড়তে পারে।
বিশেষায়িত মডেল, নাকি সব কাজের উপযোগী এআই?
ওপেনএআইয়ের কৌশল হলো এমন মডেল তৈরি করা, যা শুধু একটি নির্দিষ্ট কাজ নয়, বরং বিভিন্ন ধরনের কাজ সামলাতে সক্ষম। তবে এই ধারণার সঙ্গে সব প্রতিষ্ঠান একমত নয়।
গুগল ডিপমাইন্ডের মতো প্রতিষ্ঠান বিশেষায়িত মডেল তৈরিতেও সাফল্য পেয়েছে। আলফাফোল্ড তার অন্যতম উদাহরণ।
তবে ডিপমাইন্ডও এখন সাধারণ সক্ষমতাসম্পন্ন এআই ব্যবস্থার দিকে এগোচ্ছে। প্রতিষ্ঠানটির ‘কো-সায়েন্টিস্ট’ নামের একটি ব্যবস্থা একাধিক জেমিনি মডেল ব্যবহার করে নতুন গবেষণার অনুমান তৈরি করে, সেগুলো বিশ্লেষণ করে এবং সম্ভাব্য ধারণাগুলো আরও উন্নত করার চেষ্টা করে।
চলতি বছরের মে মাসে এই ব্যবস্থা প্রকাশ করা হয়। এর মাধ্যমে বোঝা যায়, বৈজ্ঞানিক গবেষণায় ডিপমাইন্ডের পদ্ধতি আরও বিস্তৃত হচ্ছে। তবে প্রতিষ্ঠানটির পক্ষ থেকে এই পরিবর্তনকে আগের কাজের পরিধি বাড়ানোর অংশ হিসেবেই ব্যাখ্যা করা হয়েছে।
এআই গবেষণায় ছোট প্রতিষ্ঠানগুলোর সুযোগ কতটা?
এআইয়ের বৈজ্ঞানিক ব্যবহারে একটি বড় প্রশ্ন হলো, এই প্রযুক্তির উন্নয়নের সুযোগ কি শুধু বিশ্বের সবচেয়ে ধনী কোম্পানিগুলোর হাতেই সীমাবদ্ধ থাকবে?
ছোট ও নির্দিষ্ট কাজের জন্য মেশিন লার্নিং মডেল তৈরি করা তুলনামূলকভাবে সহজ হতে পারে। অক্সফোর্ড বিশ্ববিদ্যালয়ের পদার্থবিদ হেলোইস স্তেভাঁসের উদাহরণ অনুযায়ী, সুপারনোভা শনাক্ত করার একটি এআই মডেল প্রশিক্ষণ দিতে মাত্র ১৫ হাজার উদাহরণ এবং একটি সাধারণ ল্যাপটপের কম্পিউটিং ক্ষমতা ব্যবহার করা হয়েছিল।
কিন্তু অত্যাধুনিক বড় ভাষাভিত্তিক মডেল তৈরি করতে বিপুল পরিমাণ তথ্য, শক্তিশালী প্রসেসর এবং বিশাল কম্পিউটিং অবকাঠামো প্রয়োজন। ফলে এ ধরনের মডেল তৈরির সক্ষমতা এখনো হাতে গোনা কয়েকটি ধনী প্রতিষ্ঠানের মধ্যে সীমিত।
তবে যদি বৈজ্ঞানিক গবেষণার মাধ্যমে আরও কার্যকর ও কম ব্যয়বহুল এআই তৈরি করা যায়, তাহলে ছোট গবেষণা দলগুলোর জন্যও নতুন সুযোগ তৈরি হতে পারে।
এআই দিয়ে আরও উন্নত এআই তৈরির লক্ষ্য
প্রযুক্তি কোম্পানিগুলোর দীর্ঘমেয়াদি লক্ষ্য শুধু বিজ্ঞান গবেষণায় এআইয়ের ব্যবহার বাড়ানো নয়; বরং এমন এআই তৈরি করা, যা নিজেই আরও উন্নত এআই তৈরিতে সাহায্য করবে।
মডেল প্রশিক্ষণের খরচ ও সময় কমানো এবং এআই চিপের বিদ্যুৎ ব্যবহার হ্রাস করা এ ক্ষেত্রে গুরুত্বপূর্ণ লক্ষ্য। সাকানা এআই থেকে শুরু করে গুগল ডিপমাইন্ড—বিভিন্ন প্রতিষ্ঠান এসব সমস্যার সমাধান খুঁজছে।
অ্যানথ্রপিকের সহপ্রতিষ্ঠাতা জ্যাক ক্লার্কের পূর্বাভাস, ২০২৮ সালের মধ্যে এআই ব্যবস্থা নিজেরাই উন্নত এআই তৈরির কাজ সম্পন্ন করতে সক্ষম হতে পারে।
এই পূর্বাভাস বাস্তবায়িত হলে বিজ্ঞান ও প্রযুক্তির বিকাশের গতি আরও বাড়তে পারে। এআই তখন শুধু মানুষের গবেষণার সহায়ক হবে না; বরং নতুন গবেষণা পরিচালনা, ফলাফল যাচাই এবং পরবর্তী প্রজন্মের এআই তৈরির প্রক্রিয়াতেও গুরুত্বপূর্ণ ভূমিকা রাখবে।
সব মিলিয়ে, প্রযুক্তি কোম্পানিগুলোর এআই বিজ্ঞানী তৈরির উদ্যোগের পেছনে রয়েছে তিনটি প্রধান লক্ষ্য—নতুন বৈজ্ঞানিক আবিষ্কার, ব্যবসায়িক সম্ভাবনা এবং নিজেদের এআই মডেলের সক্ষমতা বাড়ানো। এই তিন লক্ষ্য একে অন্যের সঙ্গে যুক্ত। বিজ্ঞান গবেষণায় সাফল্য যেমন নতুন ওষুধ কিংবা আবিষ্কারের পথ খুলে দিতে পারে, তেমনি তা এআইকে আরও শক্তিশালী করে তুলতে পারে।
ভবিষ্যতে এই প্রতিযোগিতা বিজ্ঞানের অগ্রগতিকে ত্বরান্বিত করবে, নাকি এআইয়ের সক্ষমতা ও নিয়ন্ত্রণ নিয়ে নতুন জটিলতা তৈরি করবে, তা নির্ভর করবে প্রযুক্তির উন্নয়ন কতটা কার্যকর, নির্ভরযোগ্য ও দায়িত্বশীলভাবে পরিচালিত হচ্ছে তার ওপর।
