আপনি গত মঙ্গলবার যে চ্যাট উইন্ডোটি ব্যবহার করেছিলেন সেটিই আবার খুললেন, এবং AI ঠিক সেখান থেকেই শুরু করল যেখানে আপনি শেষ করেছিলেন। এটি আপনার আগের নির্দেশাবলী উল্লেখ করে, আপনার ব্যঙ্গাত্মক সুরের সাথে তাল মেলায় এবং জিজ্ঞেস করে যে আপনি সেই রিপোর্টটি শেষ করেছেন কি না। এক মুহূর্তের জন্য মনে হয় আপনি এমন একজন সহকর্মীর সাথে কাজ করছেন যে সত্যিই মনোযোগ দেয়। তারপর আপনি একটি নতুন কথোপকথন শুরু করলেন, এবং সবকিছু মিলিয়ে গেল। সুরটি একঘেয়ে হয়ে গেল। প্রজেক্টের বিবরণ হারিয়ে গেল। এটি আপনাকে ভুল নামে ডাকল। কী হলো?

মেশিন আপনাকে ভুলে যায়নি। এটি আপনাকে কখনোই চিনত না।

স্মৃতির বিভ্রম

আমরা সবখানেই স্মৃতি দেখতে অভ্যস্ত। যখন একটি চ্যাটবট মনে রাখে যে আপনি সংক্ষিপ্ত বুলেট পয়েন্ট পছন্দ করেন বা আপনি স্বাস্থ্যসেবা খাতে কাজ করেন, তখন এটি ঠিক সেই একই সহজাত প্রবৃত্তিকে জাগিয়ে তোলে যেমন একজন বারটেন্ডার আপনার নিয়মিত অর্ডারটি মনে রাখে। কিন্তু এটি ডিজাইনের একটি কৌশল, জ্ঞান বা উপলব্ধির (cognition) বিষয় নয়। লার্জ ল্যাঙ্গুয়েজ মডেলগুলো (Large language models) তাদের ওয়েটসের (weights) মধ্যে আপনার সম্পর্কে কোনো তথ্য জমা রাখে না। আপনার মিথস্ক্রিয়া বা কথোপকথনের কোনো চলমান ডায়েরি তাদের নেই। তারা "User Preferences" নামক কোনো ফোল্ডারে উঁকি দিতে পারে না কারণ এমন কোনো ফোল্ডার নেই।

যা স্মৃতি বলে মনে হয় তা আসলে একটি কনটেক্সট উইন্ডোতে (context window) থাকা টেক্সট মাত্র। মডেলটি সাম্প্রতিক চ্যাট হিস্ট্রি, আপনার বর্তমান প্রম্পট এবং ডেভেলপার কর্তৃক যুক্ত করা যেকোনো সিস্টেম ইন্সট্রাকশন পড়ে নেয়। এটি সবকিছুর ওপর এক পলক নজর ফেলে, পরবর্তী শব্দটি অনুমান করে এবং উত্তর দেয়। যখন সেই টেক্সটটি হারিয়ে যায়, তখন "স্মৃতি"ও হারিয়ে যায়। মডেলটি তার বেসলাইন আচরণে ফিরে আসে, যা প্রায়শই আত্মবিশ্বাসী, সাধারণ এবং কিছুটা অতিরিক্ত উৎসাহী হয়। বিভ্রমটি ভেঙে যায় কারণ কনটেক্সট বা প্রেক্ষাপট পরিবর্তিত হয়েছে, AI-এর স্মৃতিশক্তি হারিয়ে গেছে বলে নয়।

AI আসলে কী ব্যবহার করে

আপনি যদি নির্ভরযোগ্য আউটপুট চান, তবে আপনাকে বুঝতে হবে তথ্য আসলে চারটি জায়গা থেকে আসে:

  • Chat history: আপনার বর্তমান থ্রেডের সাম্প্রতিক কথোপকথন। এটি অস্থায়ী। একটি নতুন থ্রেড শুরু করলেই এটি চলে যাবে।
  • Specific instructions in the prompt: আপনি এই মুহূর্তে বক্সে যা টাইপ বা পেস্ট করছেন। এটি নিয়ন্ত্রণের সবচেয়ে সরাসরি মাধ্যম।
  • Documents from a knowledge base: ফাইল বা ডেটাবেস যা সিস্টেম সার্চ করতে পারে এবং প্রম্পটে যুক্ত করতে পারে। এর জন্য একটি রিট্রিভাল (retrieval) ধাপ প্রয়োজন, এবং সেই ধাপটি নিঃশব্দে ব্যর্থ হতে পারে।
  • Data fetched from a workflow: API কল, ডেটাবেস লুকআপ, বা থার্ড-পার্টি অ্যাপ দ্বারা যুক্ত করা মেমরি ফিচার। এগুলো সেই কোডের মতোই কার্যকর যা তাদের সংযুক্ত করে।

এগুলোর কোনোটিই জৈবিক স্মৃতি নয়। এগুলো হলো কেবল পাইপলাইনের মতো ব্যবস্থা। যদি কোনো পাইপ বিচ্ছিন্ন হয়ে যায় বা ভুল ডকুমেন্ট প্রম্পটে চলে আসে, তবে AI আপনাকে সতর্ক করবে না। এটি কেবল যা দেখছে তা ব্যবহার করবে এবং একটি মার্জিত, বিশ্বাসযোগ্য কিন্তু সম্পূর্ণ ভুল উত্তর দেবে।

যখন কনটেক্সট ভেঙে যায়: একটি বাস্তব উদাহরণ

কল্পনা করুন একটি মার্কেটিং টিমের কথা যারা গ্রাহকদের ইমেল ড্রাফট করার জন্য একটি AI ব্যবহার করে। সোমবার, সারা একটি চ্যাট শুরু করেন এবং একটি ছোট স্টাইল গাইড পেস্ট করেন: "শান্ত ও সংযত ভাষা ব্যবহার করুন। বিস্ময়সূচক চিহ্ন (!) এড়িয়ে চলুন। শুধুমাত্র কোম্পানির নাম দিয়ে সাইন-অফ করুন।" AI নিখুঁতভাবে গাইডটি অনুসরণ করে। টিম ড্রাফটগুলো পছন্দ করে।

বুধবার, জেক একটি সম্পূর্ণ নতুন চ্যাট খুললেন। তিনি লিখলেন, "ফলো-আপ কাস্টমার ইমেলগুলো ড্রাফট করো।" তিনি স্টাইল গাইডটি পেস্ট করেননি। AI, উল্টো কোনো নির্দেশ না দেখে, উচ্চ-শক্তির (high-energy) মার্কেটিং গদ্যে চলে যায়। বিস্ময়সূচক চিহ্নের বন্যা বয়ে যায়। এটি পরামর্শ দেয় "Let's crush this!" টিম বিরক্ত হয়। "AI কেন ভুলে গেল?" তারা জিজ্ঞেস করে।

এটি ভুলে যায়নি। ভুলে যাওয়ার মতো কিছু ছিলই না। জেক নতুন কনটেক্সট উইন্ডোতে স্টাইল গাইডটি অন্তর্ভুক্ত করতে ব্যর্থ হয়েছেন, এবং মডেলটি জানার কোনো উপায় ছিল না যে টিমটি দুই দিন আগে অন্য একটি কথোপকথনে একটি নিয়ম তৈরি করেছিল। হতাশাটি বাস্তব ছিল, কিন্তু কারণটি ছিল মানুষের, যান্ত্রিক নয়। টিমটি স্থায়ী স্মৃতির আশা করেছিল। টুলটি কেবল একটি অস্থায়ী খসড়া (scratchpad) প্রদান করেছিল।

আসল পরীক্ষা: মেশিন যা দেখে তা অডিট করুন

আপনার ফলাফল উন্নত করার দ্রুততম উপায় হলো "AI কি এটি মনে রেখেছে?" জিজ্ঞেস করা বন্ধ করা এবং "এটি এখন আসলে কী কনটেক্সট পাচ্ছে?" তা জিজ্ঞেস করা শুরু করা। আপনার সেটআপটি তিনটি প্রশ্নের মাধ্যমে যাচাই করুন:

AI-কে প্রতিবার কী কী জানা প্রয়োজন? এটি আপনার অনস্বীকার্য কনটেক্সট। ব্র্যান্ড ভয়েস, নিরাপত্তা নীতি, আউটপুট ফরম্যাট, কমপ্লায়েন্স সীমাবদ্ধতা। যদি এটি গুরুত্বপূর্ণ হয়, তবে এটি একটি রেফারেন্স ডকুমেন্টে থাকা উচিত যা প্রতিটি প্রাসঙ্গিক প্রম্পটে যুক্ত করা হয়, তিন সপ্তাহ আগের কোনো চ্যাট থ্রেডে নয়।

আপনি পরবর্তীতে ব্যবহারের জন্য কী কী সংরক্ষণ করতে পারেন? প্রজেক্টের ঐতিহাসিক নোট, পণ্যের স্পেসিফিকেশন বা অতীতের গবেষণা একটি স্ট্রাকচার্ড ফাইল বা ডেটাবেসে থাকতে পারে। কিন্তু শুধুমাত্র স্টোরেজ যথেষ্ট নয়। আপনাকে ঠিক জানতে হবে সিস্টেমটি কীভাবে সিদ্ধান্ত নেয় যে সেই স্টোরেজের কোন অংশটি কথোপকথনে নিয়ে আসবে। যদি রিট্রিভাল কিওয়ার্ড ম্যাচিংয়ের ওপর নির্ভর করে, তবে আপনার প্রম্পটে সামান্য ভিন্ন শব্দ ব্যবহার করলে ভুল পেজ চলে আসতে পারে।

একজন ব্যক্তিকে ম্যানুয়ালি কী কী যাচাই করতে হবে? যখন ভুলের মাশুল অনেক বেশি—আর্থিক হিসাব, চিকিৎসার সারাংশ, আইনি ভাষা বা গ্রাহকদের উদ্দেশ্যে করা ঘোষণা—তখন পাইপলাইনের ওপর অন্ধভাবে ভরসা করবেন না। একজন মানুষের যাচাই করা প্রয়োজন যে AI সঠিক ডকুমেন্ট সংস্করণ ব্যবহার করেছে কি না এবং আউটপুটটি বাস্তব জগতের প্রেক্ষাপটে অর্থবহ কি না। মডেলটি আপনাকে নিজে থেকে বলতে পারবে না যে এটি গত বছরের মূল্যতালিকা ব্যবহার করেছে। আপনি প্রম্পটে উল্লেখ না করা পর্যন্ত এটি জানে না যে এখন কোন বছর চলছে।

একটি Context-First ওয়ার্কফ্লো তৈরি করা

নির্ভরযোগ্য AI কাজের মূল ভিত্তি হলো সঠিক ইনফরমেশন আর্কিটেকচার। এটি কীভাবে তৈরি করবেন তা নিচে দেওয়া হলো।

আপনার স্থায়ী নিয়মগুলো একটি রেফারেন্স ডকুমেন্টে রাখুন। এটিই হবে আপনার তথ্যের একমাত্র নির্ভরযোগ্য উৎস (single source of truth)। যখন নিয়ম পরিবর্তন হবে, তখন শুধুমাত্র এই একটি ফাইল এডিট করুন। ডজন ডজন চ্যাট থ্রেডে নির্দেশাবলী ছড়িয়ে ছিটিয়ে রাখবেন না।

বর্তমান কাজের জন্য শুধুমাত্র সেই ডকুমেন্টের প্রাসঙ্গিক অংশগুলো ব্যবহার করুন। প্রম্পটে শত শত পৃষ্ঠার ম্যানুয়াল ঢেলে দেওয়া ব্যয়বহুল এবং বিভ্রান্তিকর। এই নির্দিষ্ট প্রশ্নের জন্য গুরুত্বপূর্ণ মাত্র দুটি পৃষ্ঠা খুঁজে বের করুন। পরিমাণের চেয়ে নির্ভুলতা বেশি গুরুত্বপূর্ণ।

স্বল্পমেয়াদী তথ্যগুলো সক্রিয় প্রম্পটে রাখুন। আপনি যদি ইলেকট্রিক বাইক নিয়ে একটি ব্লগ পোস্টের শিরোনাম নিয়ে ভাবেন, তবে প্রম্পটে "electric bikes" কথাটি উল্লেখ করুন। গতকাল উল্লেখ করেছিলেন বলে মডেলটি আপনার চিন্তাভাবনা সম্পর্কে জানে—এমনটা ধরে নেবেন না।

যখন ভুলের কারণে বড় ক্ষতি হওয়ার সম্ভাবনা থাকে, তখন আউটপুট পর্যালোচনার জন্য একজন মানুষকে ব্যবহার করুন। AI কখনোই লজ্জিত হবে না। এটি ভুল ইনভয়েস বা অনুপযুক্ত কোনো ক্ষমা প্রার্থনার বার্তা ঠিক ততটাই আত্মবিশ্বাসের সাথে পাঠাবে, যতটা আত্মবিশ্বাসের সাথে এটি অন্য সব কাজ করে। তথ্যের যৌক্তিকতা যাচাই করার জন্য (sanity check) কারো থাকা প্রয়োজন।

স্তরে স্তরে চিন্তা করুন

AI-এর তথ্যকে চারটি স্তরে কল্পনা করলে সুবিধা হয়, যার প্রতিটির নিজস্ব নির্ভরযোগ্যতা এবং ঝুঁকি রয়েছে।

Immediate context হলো বর্তমান প্রম্পট। এটি ১০০ শতাংশ আপনার নিয়ন্ত্রণে, তবে আপনি যদি এটি লিখতে যত্ন নেন। অস্পষ্ট প্রম্পট থেকে অস্পষ্ট ফলাফল আসে।

Stored context হলো সেই তথ্য যা আপনি কোথাও সংরক্ষণ করে রেখেছেন: একটি Notion wiki, একটি vector database, বা PDF-এর একটি ফোল্ডার। এটি বিদ্যমান থাকে, কিন্তু কোনো মাধ্যম না থাকা পর্যন্ত AI এটি দেখতে পায় না।

Retrieved context হলো সার্চ লজিক, কোড বা প্লাগইনের মাধ্যমে স্টোরেজ থেকে প্রম্পটে আনা তথ্য। এখানেই বেশিরভাগ নিঃশব্দ ব্যর্থতা ঘটে। সিস্টেম সংশোধিত চুক্তির পরিবর্তে একটি পুরনো চুক্তি বা স্প্রেডশিটের পরিবর্তে একটি স্ক্রিনশট তুলে আনতে পারে।

Human context হলো কোনটি সত্য, কোনটি গুরুত্বপূর্ণ এবং কোনটি ভুল মনে হচ্ছে—সে সম্পর্কে আপনার নিজস্ব বিচারবুদ্ধি। এটিই একমাত্র স্তর যা জানে যে কোনো উত্তর কি পুরনো হয়ে গেছে, কোনো উৎস কি নির্ভরযোগ্য, নাকি সুরটি পরিস্থিতির সাথে মানানসই কি না। এই স্তরটিকে অন্য কারো ওপর ছেড়ে দেবেন না।

যে দলগুলো সেরা ফলাফল পাচ্ছে তারা কোনো স্মার্ট মডেল ব্যবহার করছে না। তারা এমন সিস্টেম তৈরি করছে যেখানে context দৃশ্যমান, ভার্সনযুক্ত এবং যাচাই করা সহজ। তারা জানে যে, ভুল তথ্য নিয়ে কাজ করা কোনো মেধাবী মডেলের চেয়ে সঠিক context সম্পন্ন একটি AI প্রতিবারই ভালো ফলাফল দেবে।

তাই এই টুলগুলোকে ভুলে যাওয়া ইন্টার্ন মনে করে বকাঝকা করা বন্ধ করুন। এদের লেন্সের মতো ব্যবহার করুন। আপনি তাদের সামনে যা রাখবেন, তারা কেবল সেটুকুই দেখাবে। দৃশ্যপটকে দোষারোপ করার আগে লেন্সটি পরীক্ষা করার অভ্যাস গড়ে তুলুন।

Join the GyaanSetu AI learning community: https://t.me/GyaanSetuAi