স্যাম অল্টম্যানের দাবি, স্কেলিং নিয়ে সংশয়বাদীরা এআই (AI) উন্নয়নকে বাধাগ্রস্ত করেছে

OpenAI-এর সিইও স্যাম অল্টম্যান স্কেলিং-এর শক্তির ওপর আরও জোরালোভাবে আস্থা প্রকাশ করছেন। তিনি যুক্তি দিচ্ছেন যে, গবেষকদের পূর্ববর্তী একটি প্রজন্ম Large Language Models (LLMs)-এর সম্ভাবনাকে অবমূল্যায়ন করে অগ্রগতিকে বাধাগ্রস্ত করেছে। ট্রান্সফরমার আর্কিটেকচারের (transformer architectures) সীমাবদ্ধতা নিয়ে বিতর্ক যখন তীব্র হচ্ছে, তখন অল্টম্যান দাবি করছেন যে, অভিজ্ঞতামূলক প্রমাণ (empirical evidence) ব্যাপকভাবে কম্পিউট এবং ডেটার ক্রমাগত সম্প্রসারণের পক্ষেই রয়েছে।

বুদ্ধিবৃত্তিক গোঁড়ামির মূল্য

সম্প্রতি স্ট্যানফোর্ডে একটি অনুষ্ঠানে অল্টম্যান স্কেলিং-এর সমর্থক এবং সংশয়বাদীদের মধ্যেকার দ্বন্দ্ব নিয়ে কথা বলেন। তিনি বিশেষভাবে মেটার ইয়ান লেকুন (Yann LeCun)-এর মতো সমালোচকদের উল্লেখ করেন, যিনি LLM-কে একটি "ডেড এন্ড" বা "অচল পথ" হিসেবে অভিহিত করেছেন। অল্টম্যানের মতে, স্কেলিং হাইপোথিসিস বা অনুমানের বিরুদ্ধে এই বাধার একটি বড় কারণ হলো গবেষকরা এআই (AI) কী করতে পারবে না সে বিষয়ে তাদের পূর্বাভাসের ওপর অতিরিক্ত আত্মবিশ্বাসী।

তিনি যুক্তি দেন যে, শিল্পের কিছু ব্যক্তিত্ব তাদের পেশাদার পরিচয়কে নির্দিষ্ট কিছু তাত্ত্বিক অবস্থানের সাথে যুক্ত করে ফেলেছেন, যার ফলে নতুন কোনো তথ্য যা তাদের দীর্ঘদিনের বিশ্বাসের পরিপন্থী, তা গ্রহণ করতে তারা অনীহা প্রকাশ করেন। রোবোটিক্সের মতো ক্ষেত্রে "ওয়ার্ল্ড মডেল" (world models) অপরিহার্য বলে স্বীকার করলেও, অল্টম্যানের মতে LLM-এর বর্তমান গতিপথ কোনো বিচ্যুতি নয়, বরং এটি বুদ্ধিমত্তার প্রধান চালিকাশক্তি।

অভিজ্ঞতামূলক প্রমাণ: প্যাটার্ন ম্যাচিংয়ের ঊর্ধ্বে উত্তরণ

স্কেলিং-এর পক্ষে অল্টম্যানের যুক্তির অন্যতম গুরুত্বপূর্ণ দিক হলো LLM-এর কেবল টেক্সট প্রেডিক্টর বা পাঠ্য অনুমানের টুল থেকে মৌলিক যুক্তিবাদী টুলে রূপান্তরিত হওয়া। তিনি একটি সাম্প্রতিক মাইলস্টোনের কথা উল্লেখ করেন যেখানে একটি OpenAI মডেল সফলভাবে একটি গাণিতিক অনুমানের (mathematical conjecture) ভুল প্রমাণ করেছে, যা দীর্ঘ সময় ধরে মানব বিশেষজ্ঞদের কাছে অমীমাংসিত ছিল।

এই উন্নয়নটি অত্যন্ত গুরুত্বপূর্ণ কারণ এটি সেই ধারণাটিকে চ্যালেঞ্জ করে যে LLM কেবল "স্টোকাস্টিক প্যারট" (stochastic parrots) বা যান্ত্রিক অনুকরণকারী, যারা প্রকৃত আবিষ্কার করতে অক্ষম। অল্টম্যান বলেন, "সুতরাং এটি স্পষ্ট যে, LLM নতুন জ্ঞান আহরণে সক্ষম," এবং তিনি উল্লেখ করেন যে গাণিতিক সম্প্রদায় এখন এআই-চালিত প্রমাণের প্রভাব নিয়ে সক্রিয়ভাবে কাজ করছে। এই পরিবর্তনটি নির্দেশ করে যে স্কেলিং কেবল সাবলীলতা উন্নত করে না, বরং এটি জ্ঞানীয় সক্ষমতার (cognitive capability) দিগন্তকেও প্রসারিত করে।

ফ্রন্টিয়ার: Reasoning বনাম Long-Horizon Tasks

তাঁর আশাবাদ সত্ত্বেও, প্রযুক্তির বর্তমান সীমাবদ্ধতা সম্পর্কে অল্টম্যান বাস্তববাদী দৃষ্টিভঙ্গি বজায় রেখেছেন। তিনি "long-horizon tasks"—অর্থাৎ দীর্ঘমেয়াদী কাজের ক্ষেত্রে পারফরম্যান্সের একটি স্পষ্ট ব্যবধান লক্ষ্য করেছেন, যা হলো এমন জটিল কাজের ধারা যার জন্য দীর্ঘ সময় ধরে উচ্চ-স্তরের বিচারবুদ্ধি এবং বহু-ধাপ বিশিষ্ট পরিকল্পনার প্রয়োজন হয়। এই নির্দিষ্ট ক্ষেত্রগুলোতে তিনি স্বীকার করেছেন যে, LLM-গুলো এখনও "মানুষের তুলনায় অনেক দুর্বল মনে হয়।"

সামগ্রিক AI জগতের জন্য, এই পার্থক্যটি গবেষণার পরবর্তী দিগন্ত নির্ধারণ করে দিচ্ছে। শিল্পটি এখন "scaling for knowledge" থেকে "scaling for reasoning and agency"-এর দিকে অগ্রসর হচ্ছে। যেহেতু OpenAI এবং Anthropic (যার নেতৃত্বে রয়েছেন সিইও ডারিও আমোদেয়, যিনি অল্টম্যানের স্কেলিং সংক্রান্ত বিশ্বাসের সাথে একমত) এর মতো কোম্পানিগুলো কম্পিউটেশনে বিলিয়ন বিলিয়ন ডলার বিনিয়োগ করে চলেছে, তাই লক্ষ্য হলো ক্ষণস্থায়ী বুদ্ধিমত্তা এবং নির্ভরযোগ্য, দীর্ঘমেয়াদী স্বায়ত্তশাসনের মধ্যে ব্যবধান কমিয়ে আনা।

মূল বিষয়সমূহ

• স্কেলিং হলো প্রধান চালিকাশক্তি: অল্টম্যান যুক্তি দেন যে, বর্ধিত কম্পিউট এবং ডেটার প্রভাবকে অবমূল্যায়ন করা ঐতিহাসিকভাবে AI-এর যুগান্তকারী অগ্রগতির গতিকে ধীর করে দিয়েছে।
• অনুকরণের চেয়ে আবিষ্কার বড়: জটিল গাণিতিক অনুমানের সমাধান করার ক্ষেত্রে OpenAI মডেলগুলোর সক্ষমতা প্রমাণ করে যে, LLM-গুলো প্রকৃত জ্ঞান সৃষ্টির দিকে অগ্রসর হচ্ছে।
• পরবর্তী প্রতিবন্ধকতা: যদিও স্কেলিং অনেক সমস্যার সমাধান করে, তবে দীর্ঘমেয়াদী এবং উচ্চ-বিচারবুদ্ধি সম্পন্ন কাজে মানুষের সমপর্যায়ের পারফরম্যান্স অর্জন করা শিল্পের পরবর্তী বড় চ্যালেঞ্জ হিসেবে রয়ে গেছে।