TechCrunch Disrupt 2026 একটি “Real World AI” স্টেজ যুক্ত করেছে, যা স্টার্টআপ এবং প্রতিষ্ঠিত সংস্থাগুলোকে এমন কৃত্রিম বুদ্ধিমত্তা বা AI সিস্টেম প্রদর্শনের জন্য একটি নির্দিষ্ট মঞ্চ প্রদান করছে যা স্ক্রিন ছাড়িয়ে বাস্তব জগতে কাজ শুরু করতে পারে—যেমন হাঁটা রোবট, টহল দেওয়া ড্রোন এবং জিনোম এডিট করার অ্যালগরিদম। এই পদক্ষেপটি ইঙ্গিত দেয় যে বিনিয়োগকারী, সাংবাদিক এবং নিয়ন্ত্রক সংস্থাগুলো এখন হার্ডওয়্যার-কেন্দ্রিক AI-কে পরবর্তী প্রবৃদ্ধির ক্ষেত্র হিসেবে দেখছে, শুধুমাত্র গত কয়েক বছর ধরে শিরোনাম দখল করে থাকা লার্জ ল্যাঙ্গুয়েজ মডেলগুলোকে নয়।
চ্যাটবট থেকে স্টিল এবং সিলিকন
গত দশকের বেশিরভাগ সময় জুড়ে AI-এর আলোচনা মূলত শুধুমাত্র সফটওয়্যার-ভিত্তিক পণ্যের ওপর কেন্দ্রীভূত ছিল: কনভারসেশনাল এজেন্ট, রিকমেন্ডেশন ইঞ্জিন এবং ক্লাউড-ভিত্তিক অ্যানালিটিক্স। Disrupt-এর নতুন স্টেজ এই চিত্রটি বদলে দিচ্ছে। স্বায়ত্তশাসিত যানবাহন (autonomous vehicles), প্রতিরক্ষা প্ল্যাটফর্ম এবং বায়ো-ইঞ্জিনিয়ারিং টুলের ওপর আলোচনার কেন্দ্রবিন্দু স্থাপন করার মাধ্যমে, এই কনফারেন্সটি “hard-soft” AI—যা সাধারণ সার্ভারে চলে—থেকে “hard-tech” AI-তে উত্তরণের একটি মানচিত্র তৈরি করছে, যেখানে অ্যালগরিদমটি একটি রোবোটিক আর্ম, একটি যুদ্ধক্ষেত্রে ব্যবহৃত ড্রোন বা একটি জিন-এডিটিং ওয়ার্কস্টেশনের ভেতরে অবস্থান করে। এই পরিবর্তনটি গুরুত্বপূর্ণ কারণ ফিজিক্যাল AI-এর অর্থনীতি, ঝুঁকির ধরন এবং রেগুলেটরি পথগুলো একটি SaaS প্রোডাক্টের তুলনায় নাটকীয়ভাবে ভিন্ন।
নিরাপত্তা যখন একটি ব্যবসায়িক মাপকাঠি
যখন একটি AI কোনো অনুচ্ছেদ ভুলভাবে লেবেল করে, তখন সবচেয়ে খারাপ ফলাফল হলো একজন অসন্তুষ্ট ব্যবহারকারী। কিন্তু যখন একই অ্যালগরিদম একটি ড্রোন পরিচালনা করে বা একটি যুদ্ধবিমান চালায়, তখন একটি সফটওয়্যার বাগ প্রাণঘাতী হয়ে উঠতে পারে। Real World AI স্টেজটি এই বাস্তবতার জন্য একটি সম্পূর্ণ সেশন উৎসর্গ করেছে, যার নেতৃত্বে রয়েছেন Shield AI-এর CTO Nate Michael। বক্তারা “নির্ভরযোগ্য AI” (trustworthy AI)-এর বিমূর্ত ধারণা ছাড়িয়ে বাস্তবমুখী অনুশীলনের দিকে নজর দিচ্ছেন: hardware-in-the-loop টেস্টিং, কন্ট্রোল লুপের ফরমাল ভেরিফিকেশন এবং সেই সমস্ত সার্টিফিকেশন প্রক্রিয়া যা অ্যারোস্পেস এবং অটোমোটিভ শিল্পে ব্যবহৃত হয়।
প্রতিরক্ষা এবং শিল্প অটোমেশনের ক্ষেত্রে কাজ করা উদ্যোক্তাদের এখন প্রমাণ করতে হবে যে তাদের সিস্টেমগুলো ইলেক্ট্রোম্যাগনেটিক ইন্টারফারেন্স, চরম তাপমাত্রা এবং অ্যাডভারসারিয়াল অ্যাটাক সহ্য করতে সক্ষম—এবং সেই সাথে একটি নিখুঁত নিরাপত্তা রেকর্ড বজায় রাখতে হবে। এখানে ঝুঁকি অনেক বেশি: একটি মাত্র ঘটনা রেগুলেটরি নিষেধাজ্ঞা জারি করতে পারে, বাজারের বিশ্বাসযোগ্যতা নষ্ট করতে পারে এবং ব্যয়বহুল আইনি মামলার জন্ম দিতে পারে।
এজ কম্পিউটিং: যখন ক্লাউড নাগালের বাইরে
এই স্টেজটির একটি পুনরাবৃত্তিমূলক বিষয় হলো “edge AI” সমস্যা। আজকের অনেক AI পরিষেবা বিশাল ডেটা সেন্টারের সাথে নিরবচ্ছিন্ন এবং লো-ল্যাটেন্সি কানেক্টিভিটি ধরে রাখার ওপর নির্ভর করে। কিন্তু দুর্গম যুদ্ধক্ষেত্র, গভীর সমুদ্রের রিগ বা মহাকাশ আবাসের ক্ষেত্রে এই ধারণাটি কাজ করে না। FieldAI, Medra এবং Eclipse Ventures-এর প্রতিনিধিরা এমন আর্কিটেকচার নিয়ে আলোচনা করেছেন যা ইনফারেন্স ইঞ্জিনগুলোকে লো-পাওয়ার ASICs এবং রাগডাইজড (ruggedized) GPUs-এ নিয়ে যায়, যা মিলিসেকেন্ডের মধ্যে স্থানীয়ভাবে সিদ্ধান্ত নিতে সক্ষম করে তোলে।
এই সমাধানগুলো মডেলের বিশাল আকারের পরিবর্তে তার নির্ভরযোগ্যতাকে প্রাধান্য দেয়, যার জন্য নতুন সফটওয়্যার স্ট্যাকের প্রয়োজন যা বিচ্ছিন্ন সংযোগের মধ্যেও মডেল কম্পাইল এবং আপডেট করতে পারে। এই ভারসাম্য পরিবর্তনটি ব্যবসায়িক মডেলকেও নতুন রূপ দিচ্ছে। যে কোম্পানিগুলো এজ ডিপ্লয়মেন্টে (edge deployment) পারদর্শী, তারা “অলওয়েজ-অন” (always-on) স্বায়ত্তশাসনের জন্য প্রিমিয়াম মূল্য দাবি করতে পারে; অন্যদিকে যারা ক্লাউড ব্যাক-এন্ডের ওপর নির্ভরশীল, তারা তাদের বাজার কেবল সুসংযুক্ত পরিবেশের মধ্যেই সীমাবদ্ধ দেখতে পারে।
প্রোটোটাইপ থেকে প্রোডাকশন: স্কেলিংয়ের ব্যবধান
ল্যাব-নির্মিত একটি রোবটকে গণ-উৎপাদিত পণ্যে রূপান্তর করা এখনও একটি বড় চ্যালেঞ্জ। Bedrock Robotics, Foxglove এবং MBRYONICS-এর নির্বাহীদের নিয়ে আয়োজিত সেশনগুলো এই যাত্রার খুঁটিনাটি বিশ্লেষণ করে। আলোচনার বিষয়গুলোর মধ্যে রয়েছে:
- সাপ্লাই-চেইন হার্ডেনিং – বড় পরিসরে বিশেষায়িত সেন্সর এবং কাস্টম-মেশিন করা ফ্রেমের উৎস নিশ্চিত করা।
- ডিজাইন ফর ম্যানুফ্যাকচারিবিলিটি – খরচ না বাড়িয়ে নিখুঁত মান বজায় রেখে মেকানিক্যাল অ্যাসেম্বলি সহজ করা।
- কোয়ালিটি অ্যাসুরেন্স পাইপলাইন – বাস্তব জগতের অপারেটিং অবস্থার প্রতিফলন ঘটায় এমন স্বয়ংক্রিয় ফাংশনাল টেস্ট ইন্টিগ্রেট করা।
সার্বসম্মতি হলো এই যে, একটি স্টার্টআপের ভ্যালুয়েশন শীঘ্রই অ্যালগরিদমের সূক্ষ্মতার চেয়ে একটি মাত্র বিপর্যয়কর ব্যর্থতা ছাড়াই হাজার হাজার নির্ভরযোগ্য ইউনিট সরবরাহ করার ক্ষমতার ওপর বেশি নির্ভর করবে।
এআই যখন জীববিজ্ঞানের মুখোমুখি: বিলুপ্ত প্রাণীর পুনরুত্থান এখন আলোচনার টেবিলে
Real World AI স্টেজটির সম্ভবত সবচেয়ে উত্তেজনাপূর্ণ অংশটি হলো Colossal Biosciences-এর CEO Ben Lamm-এর সেশন, যেখানে তিনি বিলুপ্ত প্রজাতিকে পুনরুজ্জীবিত করার লক্ষ্যে এআই-চালিত জেনেটিক ইঞ্জিনিয়ারিং নিয়ে আলোচনা করবেন। এই সেশনে অন্বেষণ করা হবে যে, প্রোটিন ফোল্ডিং, জিন এক্সপ্রেশন এবং পরিবেশগত প্রভাবের পূর্বাভাস দিতে পারে এমন মেশিন-লার্নিং মডেলগুলো কি “ডি-এক্সটিংশন” (de-extinction) প্রকল্পগুলোকে ত্বরান্বিত করতে পারে, নাকি কেবল বিদ্যমান বাস্তুতন্ত্র রক্ষার সম্পদগুলোকে সরিয়ে নেয়। সমালোচকরা যুক্তি দেন যে বৈজ্ঞানিক অনিশ্চয়তা এবং নৈতিক দ্বিধা এর নতুনত্বের চেয়ে বেশি গুরুত্বপূর্ণ; অন্যদিকে প্রবক্তারা দাবি করেন যে একই AI পাইপলাইন ভ্যাকসিন ডিজাইন, ফসলের উন্নতি এবং রোগ-প্রতিরোধী গবাদি পশু উৎপাদনে গতি আনতে পারে। এই বিতর্ক একটি বৃহত্তর প্রশ্নকে সামনে নিয়ে আসে: যখন AI জীববিজ্ঞানকে নতুন করে লিখতে শুরু করে, তখন গ্রহণযোগ্য ঝুঁকির সীমা কে নির্ধারণ করবে?
পাল্টা যুক্তি: হার্ডওয়্যার চালনা কি সময়ের আগে?
সবাই একমত নন যে শিল্পের এখনই ফিজিক্যাল AI-এর দিকে ধাবিত হওয়া উচিত। কিছু বিশ্লেষক সতর্ক করেছেন যে, নিরাপত্তা-সংবেদনশীল হার্ডওয়্যারে AI অন্তর্ভুক্ত করার এই তাড়াহুড়ো ভেরিফিকেশন স্ট্যান্ডার্ড বা যাচাইকরণ মান তৈরির গতির চেয়ে বেশি দ্রুত হতে পারে, যা সাময়িক বা অ্যাড-হক (ad-hoc) নিরাপত্তা ব্যবস্থার একটি অগোছালো চিত্র তৈরি করতে পারে। তারা স্বায়ত্তশাসিত যানবাহন (autonomous vehicle) পরীক্ষার সাম্প্রতিক কিছু প্রায়-দুর্ঘটনার (near-misses) উদাহরণ দিয়ে দেখিয়েছেন যে, সফটওয়্যারের নির্ভরযোগ্যতা এখনও হার্ডওয়্যারের উচ্চাকাঙ্ক্ষার তুলনায় পিছিয়ে রয়েছে। তাদের পাল্টা যুক্তি একটি পরিমিত পদ্ধতির পরামর্শ দেয়: প্রথমে মৌলিক AI নিরাপত্তা গবেষণা শক্তিশালী করা, তারপর ধীরে ধীরে সেই ফলাফলগুলোকে হার্ডওয়্যার প্ল্যাটফর্মে অন্তর্ভুক্ত করা।
পরবর্তীতে যা লক্ষ্য রাখা প্রয়োজন
- নিয়ন্ত্রক মাইলফলক – আগামী মাসগুলোতে FAA, DoD এবং বায়োটেক সংস্থাগুলো AI-চালিত হার্ডওয়্যার সংক্রান্ত খসড়া নির্দেশিকা প্রকাশ করতে পারে বলে আশা করা হচ্ছে। যেসব কোম্পানি নীতি-নির্ধারকদের সাথে দ্রুত যোগাযোগ স্থাপন করবে, তারা দ্রুত সার্টিফিকেশন পাওয়ার সুযোগ পেতে পারে।
- অর্থায়নের প্রবণতা – মঞ্চে উপস্থিত ভেনচার ফার্মগুলো, যেমন Eclipse Ventures, এজ-কেন্দ্রিক (edge-focused) AI স্টার্টআপগুলোর জন্য বড় অংকের বিনিয়োগের ইঙ্গিত দিচ্ছে, বিশেষ করে যারা হার্ডওয়্যার পার্টনারশিপ প্রদর্শন করতে সক্ষম।
- ডেমো উন্মোচন – বেশ কিছু প্রদর্শক GPS-বিহীন পরিবেশে চলাচলকারী স্বায়ত্তশাসিত ড্রোন এবং রিয়েল-টাইমে জিনোম-এডিটিং (genome-editing) কাজ সম্পন্নকারী রোবোটিক আর্মের লাইভ ডেমো প্রদর্শনের ইঙ্গিত দিয়েছেন। এই ডেমোগুলো এজ AI (edge AI) স্কেল করার সম্ভাবনার প্রমাণ হিসেবে কাজ করবে।
সারসংক্ষেপ
TechCrunch Disrupt-এর Real World AI স্টেজ চালু হওয়া শিল্পের একটি স্পষ্ট সংকেত দেয়: AI প্রবৃদ্ধির পরবর্তী ঢেউটি বিচার করা হবে অ্যালগরিদমগুলো ডেটা সেন্টারের বাইরে, স্টিলের কাঠামোতে, যুদ্ধক্ষেত্রে এমনকি জীবন্ত কোষের ভেতরে কতটা ভালোভাবে টিকে থাকতে পারে তার ওপর ভিত্তি করে। সাফল্যের জন্য কেবল চতুর মডেলের চেয়েও বেশি কিছু প্রয়োজন হবে; এর জন্য প্রয়োজন হবে কঠোর নিরাপত্তা সংস্কৃতি, এজ-রেডি (edge-ready) হার্ডওয়্যার এবং সাপ্লাই-চেইন শৃঙ্খলা যা একটি প্রোটোটাইপকে বড় পরিসরে একটি নির্ভরযোগ্য পণ্যে রূপান্তরিত করতে পারে। যেসব কোম্পানি এই দিকগুলোতে দক্ষতা অর্জন করবে, AI যখন ক্লাউড থেকে বাস্তব জগতে স্থানান্তরিত হবে, তখন তারা বিনিয়োগ এবং বাজারের সিংহভাগ দখল করতে সক্ষম হবে।