Fable 5-এর জন্য Anthropic Claude Code-এর সিস্টেম প্রম্পট ৮০% কমিয়ে দিয়েছে
লার্জ ল্যাঙ্গুয়েজ মডেলগুলোকে কীভাবে পরিচালিত করা হয়, তার ক্ষেত্রে Anthropic একটি আমূল পরিবর্তন বা প্যারাডাইম শিফট প্রত্যক্ষ করছে; যেখানে ভারী নির্দেশিকা (instruction sets) থেকে সরে এসে হালকা এবং আরও স্বজ্ঞাত (intuitive) নির্দেশনার দিকে মনোনিবেশ করা হচ্ছে। এই বিবর্তন নতুন Fable 5 (Mythos class) মডেলগুলোর উত্থানের ফলে ঘটছে, যা কম সীমাবদ্ধতা এবং অধিকতর প্রেক্ষাপটের (context) মাধ্যমে আরও কার্যকরভাবে কাজ করতে পারে।
দীর্ঘ সিস্টেম প্রম্পটের অবসান
বছরের পর বছর ধরে, AI-এর কার্যক্ষমতা বৃদ্ধির জন্য শিল্পক্ষেত্রে একটি মানদণ্ড ছিল বিশাল সিস্টেম ইনস্ট্রাকশন এবং বিস্তারিত 'ফিউ-শট' (few-shot) উদাহরণের মাধ্যমে "প্রম্পট ইঞ্জিনিয়ারিং" করা। ডেভেলপাররা বিশ্বাস করতেন যে, অধিক নিয়ম এবং "এটি করবেন না" জাতীয় বেশি সীমাবদ্ধতা হলো নির্ভরযোগ্যতার চাবিকাঠি। তবে, Anthropic এই ধারাটি উল্টে দিচ্ছে।
Anthropic-এর টেকনিক্যাল স্টাফের সদস্য Tariq Shihipar প্রকাশ করেছেন যে, কোম্পানিটি Claude Code-এর সিস্টেম প্রম্পট অবিশ্বাস্যভাবে ৮০ শতাংশ কমিয়ে দিয়েছে। এই হ্রাস মডেলের সরলীকরণের লক্ষণ নয়, বরং নতুন Fable 5 মডেলগুলোর উন্নত জ্ঞানীয় (cognitive) সক্ষমতার একটি প্রতিক্রিয়া। মডেলগুলো যত উন্নত হচ্ছে, দীর্ঘ প্রম্পটের মাধ্যমে "হাত ধরে শেখানোর" (hand-holding) প্রথাগত পদ্ধতিটি উল্টো কার্যকারিতা কমিয়ে দিচ্ছে।
কেন Fable 5 মডেলগুলো সীমাবদ্ধতাকে প্রতিরোধ করে
Fable 5 (বা Mythos class) মডেলগুলোর দিকে এই পরিবর্তন মডেলের আচরণের একটি মৌলিক পরিবর্তনকে নির্দেশ করে। Shihipar-এর মতে, এই নির্দিষ্ট মডেলগুলোকে ব্যাপক উদাহরণ এবং কঠোর নিয়ম প্রদান করা আসলে তাদের কার্যক্ষমতা কমিয়ে দেয়। এর কারণটি অপ্রত্যাশিত: এই মডেলগুলো তাদের পূর্বসূরিদের তুলনায় সহজাতভাবেই বেশি "কল্পনাপ্রবণ" (imaginative)।
যখন একজন ডেভেলপার নির্দিষ্ট উদাহরণের একটি দীর্ঘ তালিকা প্রদান করেন, তখন এটি একটি সীমাবদ্ধতা হিসেবে কাজ করে যা মডেলের যুক্তিবোধের (reasoning) ক্ষমতাকে সীমিত করে দেয়। কোনো সমস্যার সবচেয়ে দক্ষ বা সৃজনশীল সমাধান খোঁজার পরিবর্তে, মডেলটি প্রম্পটে দেওয়া নির্দিষ্ট প্যাটার্নগুলো অনুকরণ করতে বাধ্য বোধ করে। Mythos class-এর প্রকৃত সম্ভাবনা উন্মোচনের জন্য, Anthropic কঠোর নিয়ম থেকে সরে এসে "প্রেক্ষাপটের মাধ্যমে পরিচালনা" (steering through context)-এর দিকে এগোচ্ছে। এটি মডেলটিকে অতিরিক্ত নির্দেশনার বোঝা ছাড়াই তার যুক্তিবোধ ব্যবহার করে কাজ সম্পন্ন করতে সাহায্য করে।
প্রম্পট ইঞ্জিনিয়ারিংয়ের চক্রাকার বিবর্তন
মডেলগুলোর বিবর্তনের সাথে সাথে প্রম্পট ইঞ্জিনিয়ারিংয়ের যাত্রা একটি স্বতন্ত্র ও চক্রাকার ধারা অনুসরণ করেছে। Anthropic-এর অভ্যন্তরীণ গবেষণা মডেল উন্নয়নের তিনটি ভিন্ন পর্যায় তুলে ধরেছে:
- প্রাথমিক মডেলসমূহ (Early Models): যেকোনো স্তরের সামঞ্জস্য বজায় রাখার জন্য অনেক উদাহরণ এবং অত্যন্ত কঠোর নির্দেশনার মাধ্যমে স্বল্প ও অত্যন্ত সুনির্দিষ্ট প্রম্পটের প্রয়োজন হতো।
- মধ্যবর্তী মডেলসমূহ (Intermediate Models): মডেলের বোঝার ক্ষমতা বাড়ার সাথে সাথে প্রম্পটগুলো উল্লেখযোগ্যভাবে দীর্ঘ হতে থাকে। ডেভেলপাররা এই বর্ধিত "নির্দেশনা অনুসরণ" (instruction following) করার ক্ষমতাকে কাজে লাগিয়ে বিশাল ও জটিল সিস্টেম প্রম্পট তৈরি করতেন, যা মডেলের আচরণের প্রতিটি দিক নিয়ন্ত্রণ করত।
- Fable 5 যুগ: আমরা এমন একটি পর্যায়ে প্রবেশ করেছি যেখানে প্রম্পটগুলো আবারও ছোট হয়ে আসছে। এখন মডেলকে কী করতে হবে (নিয়ম) তা বলার পরিবর্তে, মডেলটিকে স্বয়ংক্রিয়ভাবে কাজ করার জন্য প্রয়োজনীয় পরিবেশ (context) প্রদানের দিকে মনোযোগ সরে এসেছে।
এই উন্নয়ন AI জগতের জন্য একটি মাইলফলক। এটি ইঙ্গিত দেয় যে, আমরা যখন আরও বেশি এজেন্টিক (agentic) এবং যুক্তিনির্ভর মডেলের দিকে এগিয়ে যাচ্ছি, তখন ডেভেলপারের ভূমিকা "নিয়ম-প্রণেতা" থেকে পরিবর্তিত হয়ে "প্রেক্ষাপট-প্রদানকারী" হিসেবে দাঁড়াবে, যেখানে নির্দেশনার পরিমাণের চেয়ে তথ্যের গুণমানকে বেশি গুরুত্ব দেওয়া হবে।
মূল বিষয়সমূহ
- ৮০% হ্রাস: Fable 5 (Mythos class) মডেলগুলোর সক্ষমতার সাথে আরও ভালোভাবে সামঞ্জস্য রাখতে Anthropic Claude Code-এর সিস্টেম প্রম্পট ৮০% কমিয়ে দিয়েছে।
- সীমাবদ্ধতা সৃজনশীলতাকে বাধাগ্রস্ত করে: অতিরিক্ত উদাহরণ এবং কঠোর "করবেন না" জাতীয় নিয়মগুলো উন্নত মডেলগুলোর যুক্তিবোধ এবং কল্পনাপ্রবণ ক্ষমতাকে প্রকৃতপক্ষে সীমিত করে দিতে পারে।
- নিয়মের চেয়ে প্রেক্ষাপট বড়: AI পরিচালনার নতুন দিগন্ত হলো দীর্ঘ ও সীমাবদ্ধ নির্দেশিকা সেট প্রদানের পরিবর্তে সমৃদ্ধ প্রেক্ষাপট (context) প্রদান করা।