চ্যাটবটের ঊর্ধ্বে: কেন এআই-কে কেবল উত্তর দেওয়া থেকে কাজের দিকে এগিয়ে যেতে হবে

রিঅ্যাক্টিভ (reactive) বা প্রতিক্রিয়াশীল এআই-এর যুগ শেষ হচ্ছে। আমরা এখন এমন লার্জ ল্যাঙ্গুয়েজ মডেল (LLM) থেকে সরে আসছি যা কেবল বিশ্বাসযোগ্য টেক্সট তৈরি করে, বরং এমন স্বয়ংক্রিয় এজেন্টের (autonomous agents) দিকে এগোচ্ছি যা স্থায়ী ডিজিটাল পরিবেশে জটিল ও বহু-ধাপ বিশিষ্ট ওয়ার্কফ্লো সম্পন্ন করতে সক্ষম।

দ্রুত অন্তর্দৃষ্টি থেকে ধীরগতির যুক্তিপ্রক্রিয়া (Reasoning)

এআই-এর বর্তমান বিবর্তন কম্পিউটেশনাল লজিকের একটি মৌলিক পরিবর্তনের মাধ্যমে সংজ্ঞায়িত হচ্ছে। প্রথাগত চ্যাটবটগুলো "System 1" চিন্তাধারার ওপর ভিত্তি করে কাজ করত—যা দ্রুত, সহজাত এবং পরিসংখ্যানগত সম্ভাবনার ওপর ভিত্তি করে টোকেন-বাই-টোকেন টেক্সট তৈরি করে। এই মডেলগুলো তাৎক্ষণিক উত্তর দিলেও তাদের নিজস্ব যুক্তি যাচাই করার বা মাঝপথে ভুল সংশোধন করার ক্ষমতা ছিল না।

OpenAI-এর o1 এবং DeepSeek-R1 এর মতো মডেলগুলোর মাধ্যমে "thinking LLMs"-এর উত্থান "System 2" রিজনিং বা যুক্তিপ্রক্রিয়া নিয়ে এসেছে। ইনফারেন্স টাইমে (inference time) অধিক কম্পিউটেশনাল শক্তি ব্যবহার করে, এই মডেলগুলো রিইনফোর্সমেন্ট লার্নিংয়ের মাধ্যমে চিন্তার দীর্ঘ শৃঙ্খল (chains of thought) তৈরি করে। তারা সমাধানের পথ অন্বেষণ করে, মধ্যবর্তী ধাপগুলো যাচাই করে এবং নিজেই ভুল সংশোধন করে, যা নিশ্চিত করে যে কেবল যাচাইযোগ্য সঠিক সমাধানগুলোই উপস্থাপন করা হচ্ছে। এই পরিবর্তনটি একটি মডেলকে সার্চ ইঞ্জিনের বিকল্প থেকে একটি রিজনিং ইঞ্জিনে রূপান্তরিত করার প্রথম পদক্ষেপ।

OpenClaw যুগ: ওয়ার্কস্পেস এবং স্কিল ইন্টিগ্রেশন

যুক্তিপ্রক্রিয়া বা রিজনিং অত্যন্ত গুরুত্বপূর্ণ হলেও, শুধুমাত্র রিজনিং দিয়ে কাজ সম্পন্ন করা সম্ভব নয়। গবেষকদের মতে, পরবর্তী বড় লাফ—অর্থাৎ "OpenClaw" যুগ—প্রয়োজনীয় করে তুলবে ভঙ্গুর ও এককালীন টুল কল (tool calls) থেকে সরে এসে স্থায়ী ও নিরাপদ ওয়ার্কস্পেসের দিকে উত্তরণ।

এই যুগান্তকারী পরিবর্তনটি লুকিয়ে আছে Workspace এবং Skill-এর সমন্বয়ে:

• The Workspace: একটি স্থায়ী পরিবেশ যেখানে ফাইল, টার্মিনাল, লগ এবং ব্রাউজার থাকে। শুরুর দিকের এজেন্টগুলোর মতো ধাপগুলোর মধ্যে কনটেক্সট হারিয়ে না ফেলে, একটি ওয়ার্কস্পেস "state" প্রদান করে, যার অর্থ এআই একটি স্থিতিশীল পরিবেশের সাথে মিথস্ক্রিয়া করতে পারে যেখানে কাজের দীর্ঘস্থায়ী প্রভাব থাকে।
• Skills: সাধারণ প্রম্পটের বাইরে গিয়ে, "skills" হলো অপারেশনাল জ্ঞানের মডুলার এবং পুনরায় ব্যবহারযোগ্য বান্ডেল। উদাহরণস্বরূপ, Anthropic-এর Agent Skills নির্দেশাবলী এবং স্ক্রিপ্ট প্যাকেজ করার জন্য SKILL.md ফাইল ব্যবহার করে। এটি প্রতিষ্ঠানগুলোকে প্রতিটি প্রম্পটের সাথে নতুন করে ওয়ার্কফ্লো তৈরি না করে একটি পোর্টেবল ফরম্যাটে প্রাতিষ্ঠানিক জ্ঞান বা 'know-how' সংরক্ষণ করতে সাহায্য করে।

সাফল্যের নতুন সংজ্ঞা: টাস্ক ক্লোজার বনাম উত্তরের নির্ভুলতা

এআই যখন ওয়ার্কস্পেসের দিকে অগ্রসর হচ্ছে, তখন "বুদ্ধিমত্তা"-র মাপকাঠিও পরিবর্তন করতে হবে। চ্যাটবট যুগে মডেলগুলোকে তাদের উত্তরের নির্ভুলতার ওপর ভিত্তি করে মূল্যায়ন করা হতো। কিন্তু এজেন্টিক (agentic) যুগে সাফল্য পরিমাপ করা হয় task closure বা কাজ সমাপ্তির মাধ্যমে: অর্থাৎ একটি টার্গেট পরিবেশকে যাচাইযোগ্য একটি চূড়ান্ত অবস্থায় নিয়ে আসার ক্ষমতা।

আধুনিক বেঞ্চমার্কগুলোর জটিলতা এই পরিবর্তনের প্রমাণ দেয়। যদিও GPT-4 টেক্সট বা লেখালেখিতে পারদর্শী, তবুও এটি WebArena বেঞ্চমার্কে মাত্র ১৪% কাজ সম্পন্ন করতে পেরেছিল, যা বাস্তব জগতের ওয়েব পরিবেশ সিমুলেট করে। এখন সাফল্যের জন্য কেবল চূড়ান্ত আউটপুট পড়লেই হবে না, বরং "state-action-observation trajectories" বিশ্লেষণ করতে হবে—অর্থাৎ একটি এজেন্ট কীভাবে সিস্টেমের মধ্য দিয়ে কাজ করে তা পর্যবেক্ষণ করতে হবে।

নিরাপত্তা এবং শাসনের নতুন দিগন্ত

বর্ধিত স্বায়ত্তশাসন (autonomy) বর্ধিত ঝুঁকিও নিয়ে আসে। যেহেতু ওয়ার্কস্পেস-ভিত্তিক এজেন্টগুলোর কাছে ক্রেডেনশিয়াল (credentials), আইডেন্টিটি টোকেন এবং সংবেদনশীল রিপোজিটরির অ্যাক্সেস থাকে, তাই তারা এআই-এর অ্যাটাক সারফেস (attack surface) বাড়িয়ে দেয়। OpenClaw PRISM এবং ClawGuard-এর মতো উদীয়মান ফ্রেমওয়ার্কগুলো এমন "harnesses" তৈরির দিকে মনোনিবেশ করছে যাতে পারমিশন কন্ট্রোল, প্রোভেন্যান্স ট্র্যাকিং (provenance tracking) এবং স্যান্ডবক্সিং অন্তর্ভুক্ত থাকে। এআই-কে প্রকৃত সহকর্মী হিসেবে গড়ে তুলতে হলে ডেভেলপারদের রোলব্যাক (rollback), ডেটা সার্বভৌমত্ব (data sovereignty) এবং ওয়ার্কস্পেস হাইজিনের সমস্যাগুলো সমাধান করতে হবে, যাতে এজেন্টের কোনো ভুল স্থায়ী স্থাপত্যগত ত্রুটিতে পরিণত না হয়।

মূল বিষয়সমূহ

• Reasoning Shift: এআই "System 1" (দ্রুত, প্রতিক্রিয়াশীল) থেকে "System 2" (ধীর, সুচিন্তিত) রিজনিং-এর দিকে যাচ্ছে, যা ভুল সংশোধনের জন্য ইনফারেন্স টাইমে অতিরিক্ত কম্পিউটেশন ব্যবহার করে।
• Workspace + Skill: প্রকৃত স্বায়ত্তশাসনের জন্য একটি স্থায়ী ডিজিটাল ওয়ার্কস্পেস এবং মডুলার, পুনরায় ব্যবহারযোগ্য "skills"-এর সমন্বয় প্রয়োজন, যাতে ওয়ার্কফ্লোগুলো পুনরাবৃত্তিযোগ্য এবং স্কেলেবল হয়।
• New Evaluation Metrics: সাফল্য এখন আর কেবল একটি টেক্সট উত্তরের বিশ্বাসযোগ্যতার ওপর নির্ভর করে না, বরং এটি "task closure"-এর ওপর নির্ভর করে—অর্থাৎ একটি জটিল পরিবেশের মধ্যে একটি ওয়ার্কফ্লো যাচাইযোগ্যভাবে সম্পন্ন করা।