দশটি লার্জ-ল্যাঙ্গুয়েজ মডেলকে (LLMs) রোমানিয়ার সেরা ওয়েডিং-রিং প্রস্তুতকারকদের কথা জিজ্ঞাসা করা হলে তারা ২৯টি ভিন্ন ভিন্ন লাক্সারি-জুয়েলারি ব্র্যান্ডের নাম তালিকাভুক্ত করেছে, এবং কোনো ব্র্যান্ডই প্রতিটি উত্তরে আসেনি। এই বিস্তৃতি দেখায় যে জেনারেটিভ এআই-এর মধ্যে “ঐকমত্য” (consensus) বাস্তবতার চেয়ে মিথ বেশি, বিশেষ করে সেইসব নিস (niche) অনুসন্ধানের ক্ষেত্রে যেগুলোতে ব্যবসাগুলো আধিপত্য বিস্তার করতে চায়।
কেন এই পরীক্ষাটি গুরুত্বপূর্ণ
ডেভেলপাররা প্রায়শই ধরে নেন যে বিভিন্ন মডেল একই তথ্যের ওপর একমত হবে এবং সেই ধারণা থেকেই এআই-চালিত সার্চ বা রেকমেন্ডেশন ফিচার তৈরি করেন। যদি কোনো ব্র্যান্ডের দৃশ্যমানতা একটি মাত্র এআই-এর উত্তরের ওপর নির্ভর করে, তবে একটি ভিন্নধর্মী উত্তর অন্য সব জায়গায় সেই ব্র্যান্ডের পরিচিতি মুছে দিতে পারে। এই পরীক্ষাটি প্রমাণ করে যে সেই ধারণাটি ভঙ্গুর এবং এটি তুলে ধরে যে প্রতিটি মডেলের ডেটা পাইপলাইন মডেলটির মতোই গুরুত্বপূর্ণ।
সংক্ষেপে পরীক্ষাটি
- Models: ChatGPT, Claude, Gemini, Copilot, Grok, Perplexity, DeepSeek, Kimi, GLM এবং Qwen।
- Prompt: “Give me a top-5 list of luxury jewelry brands in Romania for wedding rings.” কোনো ব্র্যান্ডের ইঙ্গিত দেওয়া হয়নি, প্রতিটি মডেলের জন্য একটি নতুন সেশন ব্যবহার করা হয়েছে।
- Slots: ১০টি মডেল × ৫টি অবস্থান = মোট ৫০টি রেকমেন্ডেশন।
উল্লেখযোগ্য তথ্যসমূহ
- ৫০টি স্লট পূরণ করেছে ২৯টি অনন্য ব্র্যান্ড।
- সেই ব্র্যান্ডগুলোর মধ্যে ৬৬% শুধুমাত্র একটি মডেলের উত্তরে এসেছে।
- যেকোনো দুটি মডেলের মধ্যে গড় ওভারল্যাপ (overlap) ছিল ১৮%।
- দশটি মডেলের কোনোটিই কোনো একটি ব্র্যান্ডের নাম সবকয়টি মডেলে উল্লেখ করেনি।
কোন ব্র্যান্ডগুলো সবচেয়ে বেশিবার এসেছে?
| ব্র্যান্ড | মডেলে উপস্থিত ছিল |
|---|---|
| TEILOR | ৬ |
| Malvensky | ৫ |
| Sabion, Coriolan, KULTHO, Sabrini | প্রতিটিতে ৩টি করে |
TEILOR এবং Malvensky-এর শক্তিশালী স্কিমা মার্কআপ (schema markup) এবং সংবাদমাধ্যমে ঘনঘন উল্লেখ রয়েছে, যা সম্ভবত একাধিক সিস্টেমে তাদের সামনে আসতে সাহায্য করেছে।
ডেটা ইঞ্জিনিয়ারদের কী বলছে
- নিস মার্কেটে ঐকমত্য একটি বিভ্রম। কুয়েরি বা অনুসন্ধানটি নির্দিষ্ট হলে উচ্চ-ক্ষমতাসম্পন্ন মডেলগুলোও নাটকীয়ভাবে ভিন্ন ভিন্ন উত্তর দেয়।
- সার্চ-অগমেন্টেড (Search-augmented) মডেলগুলো ভিন্নভাবে কাজ করে। Microsoft Copilot, যা লাইভ ওয়েব রেজাল্ট যোগ করে, এমন একটি তালিকা তৈরি করেছে যার সাথে অন্য কোনো মডেলের কোনো মিল ছিল না।
- ডিজিটাল ফুটপ্রিন্ট দৃশ্যমানতা বাড়ায়। যেসব ব্র্যান্ড স্ট্রাকচার্ড ডেটা এবং SEO-তে বিনিয়োগ করে তারা বেশিবার সামনে আসে, তবে এই সুবিধা এআই প্রোভাইডার ভেদে ভিন্ন ভিন্ন হয়।
পরবর্তীতে যা লক্ষ্য রাখা উচিত
- হাইব্রিড রিট্রিভাল মডেল (Hybrid retrieval models): যেহেতু আরও বেশি প্রোভাইডার বড় আকারের ল্যাঙ্গুয়েজ মডেলের সাথে রিয়েল-টাইম সার্চের সমন্বয় ঘটাচ্ছে, তাই আমরা নতুন ধরনের ওভারল্যাপ প্যাটার্ন অথবা আরও গভীর বিভাজন দেখতে পেতে পারি।
মূল শিক্ষা
যখন একটি নিস কুয়েরি থেকে দশটি শীর্ষস্থানীয় LLM থেকে ২৯টি ভিন্ন ভিন্ন ব্র্যান্ডের রেকমেন্ডেশন পাওয়া যায়, তখন শিক্ষাটি স্পষ্ট: জেনারেটিভ এআই-তে কোনো একক "সত্য" নেই। ব্র্যান্ড এবং ইঞ্জিনিয়ারদের প্রতিটি মডেলের ডেটা সোর্সকে একটি আলাদা চ্যানেল হিসেবে বিবেচনা করতে হবে এবং এআই ইকোসিস্টেমের সর্বত্র দৃশ্যমান হতে হলে স্ট্রাকচার্ড এবং সার্চযোগ্য ফুটপ্রিন্ট তৈরি করতে হবে।
সম্পূর্ণ গবেষণা এবং র ডেটা: https://dev.to/dan_cristian_c97aa535c495/we-asked-10-llms-to-recommend-brands-they-gave-us-29-different-answers-27ap