জানুয়ারী 2021 সালে, কৃত্রিম বুদ্ধিমত্তা গবেষণা ল্যাব OpenAI Dall-E নামক সফ্টওয়্যারের একটি অংশের সীমিত সংস্করণ প্রকাশ করেছে। সফ্টওয়্যারটি ব্যবহারকারীদের তাদের মনের মধ্যে থাকা একটি চিত্রের একটি সাধারণ বিবরণ টাইপ করার অনুমতি দেয় এবং কিছুক্ষণ বিরতির পরে, সফ্টওয়্যারটি তাদের প্রস্তাবের একটি প্রায় উত্তম ব্যাখ্যা প্রদান করে, যা একজন ভাড়া করা চিত্রকর বা অ্যাডোব-বুদ্ধিমান ডিজাইনারের যোগ্য - কিন্তু অনেক দ্রুত এবং বিনামূল্যে। উদাহরণস্বরূপ, "অ্যান্টোইন দে সেন্ট-এক্সুপেরি দ্বারা চিত্রিত চাঁদের উপর ডানাযুক্ত একটি শূকর উড়ন্ত" টাইপ করার ফলে দ্য লিটল প্রিন্সের স্রষ্টার ব্লুচি কিন্তু স্বীকৃত জলরঙের ব্রাশের কথা মনে করিয়ে দেয় এক বা দুই মিনিটের প্রক্রিয়াকরণের পরে।
প্রায় এক বছর পরে, সফ্টওয়্যারটি আরও ব্যাপকভাবে প্রকাশ করায়, ইন্টারনেট বন্য হয়ে গেল। সোশ্যাল মিডিয়া সব ধরনের উদ্ভট এবং বিস্ময়কর সৃষ্টি, কল্পনা এবং শৈল্পিক শৈলীর উপচে পড়া হাজপজ দিয়ে প্লাবিত হয়েছে। এবং কয়েক মাস পরে এটি আবার ঘটল, এবার ভয়েস এবং ChatGPT নামে একটি পণ্য, ওপেনএআই দ্বারা উত্পাদিত। ChatGPT কে একটি কবি অ্যালেন গিন্সবার্গ-স্টাইলের বইয়ের সারসংক্ষেপ তৈরি করতে বলুন এবং এটি কয়েক সেকেন্ডের মধ্যে একটি যুক্তিসঙ্গত প্রচেষ্টা প্রদান করবে। এটিকে গিন্সবার্গের কবিতা "হাউল" একটি ব্যবসায়িক পরামর্শকের স্লাইড ডেক উপস্থাপনা আকারে রেন্ডার করতে বলুন এবং এটি তা করবে৷ শব্দ এবং ছবিতে অদ্ভুত নতুন জগতকে জাদু করার এই প্রোগ্রামগুলির ক্ষমতা শ্রোতাদের আনন্দিত করেছে, এবং ইচ্ছা
পরবর্তী ক্ষমতাটি "প্রম্পট ইঞ্জিনিয়ারিং" হিসাবে পরিচিত হয়েছে: সিস্টেম দ্বারা সবচেয়ে স্পষ্টভাবে বোঝা যায় এমন শর্তে একজনের নির্দেশাবলী তৈরি করার কৌশল, যাতে এটি প্রত্যাশার সাথে সবচেয়ে ঘনিষ্ঠভাবে মেলে - বা সম্ভবত অতিক্রম করে - ফলাফল দেয়। কারিগরি মন্তব্যকারীরা দ্রুত ভবিষ্যদ্বাণী করেছিলেন যে একটি কোড-মুক্ত ভবিষ্যতে, প্রম্পট ইঞ্জিনিয়ারিং একটি লোভনীয় এবং ভাল বেতনের কাজের বিবরণে পরিণত হবে, যেখানে বুদ্ধিমান সিস্টেমের সাথে যোগাযোগের সবচেয়ে শক্তিশালী উপায় হবে মানুষের ভাষার মাধ্যমে। আমাদের আর কম্পিউটার কোড আঁকতে বা লিখতে সক্ষম হতে হবে না: আমরা কেবল আমাদের ইচ্ছাগুলিকে মেশিনে ফিসফিস করব এবং এটি বাকি কাজ করবে। AI সৃষ্টির সীমা আমাদের নিজস্ব কল্পনার সীমা হবে।
ডাল-ই অনুকরণকারী এবং আরও উন্নয়ন দ্রুত অনুসরণ করে। Dall-E mini (পরে Craiyon নামকরণ করা হয়েছে) যাদেরকে OpenAI এর প্রাইভেট সার্ভিসে আমন্ত্রণ জানানো হয়নি তাদের একই রকম, কম শক্তিশালী, কিন্তু এখনও খুব চিত্তাকর্ষক টুল দিয়ে খেলার সুযোগ দিয়েছে। ইতিমধ্যে, স্বাধীন বাণিজ্যিক কোম্পানি মিডজার্নি এবং ওপেন-সোর্স প্রোগ্রাম স্টেবল ডিফিউশন মূলত একই লক্ষ্য অর্জনের জন্য চিত্রগুলিকে শ্রেণিবদ্ধকরণ এবং তৈরি করার জন্য একটি ভিন্ন পদ্ধতি ব্যবহার করেছে। কয়েক মাসের মধ্যে, ক্ষেত্রটি দ্রুত সংক্ষিপ্ত ভিডিও এবং 3D মডেল জেনারেশনে বিকশিত হয়েছিল, একাডেমিক বিভাগ এবং শখের প্রোগ্রামারদের পাশাপাশি সোশ্যাল মিডিয়া এবং এখন AI: Facebook (ওরফে মেটা) এর প্রতিষ্ঠিত জায়ান্টদের কাছ থেকে প্রতিদিন নতুন নতুন টুলের উদ্ভব হয়। , Google, Microsoft এবং অন্যান্য। গবেষণা, সফ্টওয়্যার এবং প্রতিযোগিতার একটি নতুন ক্ষেত্র উন্মুক্ত হয়েছিল।
ডাল-ই নামটি ডিজনির ওয়াল-ই-এর রোবট নায়ককে স্প্যানিশ পরাবাস্তববাদী সালভাদর ডালির সাথে সংযুক্ত করে। একদিকে আপনার কাছে একটি সাহসী, স্বায়ত্তশাসিত এবং প্রেমময় ছোট্ট মেশিনের চরিত্র রয়েছে যা একটি ধসে পড়া মানব সভ্যতার ধ্বংসাবশেষকে ঝাড়ু দেয়, এবং অন্যদিকে এমন একজন মানুষ যার সবচেয়ে সাধারণ ব্যঙ্গ হল, "যারা অনুকরণ করার জন্য কিছুই চায় না তারা কিছুই উত্পাদন করে না। " এবং "গুরুত্বপূর্ণ বিষয় হল বিভ্রান্তি তৈরি করা, এটি অপসারণ করা নয়।" এআই ইমেজ জেনারেটর হিসাবে পরিচিত হওয়া সরঞ্জামগুলির বিস্তৃত অ্যারের জন্য উভয়ই প্রশংসনীয় নাম।
গত এক বছরে, ভোক্তা AI-এর এই নতুন তরঙ্গ, ইমেজ জেনারেশন এবং ChatGPT-এর মতো টুলস উভয়কে অন্তর্ভুক্ত করে, প্রত্যেকের কল্পনাকে আকৃষ্ট করেছে। এটি বৃহৎ প্রযুক্তি সংস্থাগুলির ভাগ্যকেও বাড়িয়ে দিয়েছে যেগুলি, অনেক প্রচেষ্টা সত্ত্বেও, আমাদের বেশিরভাগকে বোঝাতে ব্যর্থ হয়েছে যে ব্লকচেইন বা ভার্চুয়াল রিয়েলিটি ("মেটাভার্স") হল ভবিষ্যত যা আমরা সবাই চাই৷ অন্তত পাঁচ মিনিটের জন্য এই এক মজা লাগে; এবং "এআই"-এর এখনও সেই চিত্তাকর্ষক সাই-ফাই গুণমান রয়েছে, যা দৈত্য রোবট এবং অতিমানবীয় মস্তিষ্কের কথা মনে করিয়ে দেয়, যা সত্যিকারের নতুনের কাছে সামান্য এক্সপোজার দেয়। অবশ্যই, হুডের নীচে যা ঘটছে তা নতুন ছাড়া অন্য কিছু।
কয়েক দশক ধরে কৃত্রিম বুদ্ধিমত্তার একাডেমিক শৃঙ্খলায় কোন বড় অগ্রগতি হয়নি। নিউরাল নেটওয়ার্কের অন্তর্নিহিত প্রযুক্তি - শারীরিক মস্তিষ্ক কীভাবে কাজ করে তার উপর ভিত্তি করে মেশিন লার্নিংয়ের একটি পদ্ধতি - 1990 এর দশকের প্রথম দিকে তাত্ত্বিক এবং এমনকি বাস্তবে প্রয়োগ করা হয়েছিল। তারপরেও, আপনি এটি দিয়ে চিত্রগুলি তৈরি করতে পারেন, তবে সেগুলি বেশিরভাগই ছিল নিরাকার বিমূর্ত, সামান্য সংবেদনশীল বা নান্দনিক অনুরণন সহ রঙের ব্লব। প্রথম বিশ্বাসযোগ্য AI চ্যাটবটগুলি আরও পিছনে রয়েছে। 1964 সালে, ম্যাসাচুসেটস ইনস্টিটিউট অফ টেকনোলজির কম্পিউটার বিজ্ঞানী জোসেফ ওয়েজেনবাউম এলিজা নামে একটি চ্যাটবট তৈরি করেছিলেন। এলিজাকে একজন "ব্যক্তি-কেন্দ্রিক" সাইকোথেরাপিস্টের মডেল করা হয়েছিল: আপনি যা বলবেন তা আপনার কাছে প্রতিফলিত হবে।
প্রারম্ভিক AIs বিশ্ব সম্পর্কে অনেক কিছু জানত না, এবং একাডেমিক বিভাগগুলিতে এটিকে বড় আকারে ব্যবহার করার জন্য কম্পিউটিং শক্তির অভাব ছিল। আজকের পার্থক্য বুদ্ধিমত্তায় নয়, তথ্য ও শক্তিতে। বড় বড় প্রযুক্তি সংস্থাগুলি সংস্কৃতি এবং দৈনন্দিন জীবন থেকে প্রচুর পরিমাণে ডেটা সংগ্রহ করতে 20 বছর অতিবাহিত করেছে, এটি প্রক্রিয়া করার জন্য ক্রমবর্ধমান শক্তিশালী কম্পিউটারে ভরা বিশাল, শক্তি-ক্ষুধার্ত ডেটা সেন্টার তৈরি করেছে। একসময় যা ছিল ক্রেজি পুরানো নিউরাল নেটওয়ার্কগুলি সুপার পাওয়ার হয়ে উঠেছে, এবং আমরা যে AI এর উত্থান দেখছি তা হল ফলাফল।
এআই ইমেজ জেনারেশন লক্ষ লক্ষ ট্যাগ করা ছবির সংকলন এবং বিশ্লেষণের উপর নির্ভর করে; অর্থাৎ, যে ছবিগুলি ইতিমধ্যেই তাদের বিষয়বস্তুর কিছু বর্ণনা সহ দেওয়া আছে। এই চিত্রগুলি এবং বর্ণনাগুলি তারপরে নিউরাল নেটওয়ার্ক দ্বারা প্রক্রিয়া করা হয়, যা চিত্রের নির্দিষ্ট এবং গভীরভাবে সংক্ষিপ্ত গুণাবলী - আকার, রঙ, রচনা - নির্দিষ্ট শব্দ এবং বাক্যাংশগুলির সাথে সংযুক্ত করতে শেখে। একটি সাধারণ প্রম্পট দ্বারা উত্পন্ন বিলিয়ন ভিন্ন ওজনযুক্ত সংস্থার উপর ভিত্তি করে ফর্ম, রঙ এবং রচনার নতুন বিন্যাস তৈরি করতে এই গুণগুলিকে একে অপরের উপরে স্তরিত করা হয়। কিন্তু এই সব আসল ছবি কোথা থেকে এসেছে?
একটি জার্মান অলাভজনক সংস্থা LAION দ্বারা প্রকাশিত ডেটাসেটগুলি বড় AI মডেলগুলিকে প্রশিক্ষণ দেওয়ার জন্য ব্যবহৃত চিত্র-টেক্সট সংগ্রহের ধরণের একটি ভাল উদাহরণ (এগুলি স্থির বিচ্ছুরণ এবং গুগলের ইমেজেনের ভিত্তি তৈরি করেছিল)। এক দশকেরও বেশি সময় ধরে, অন্য একটি অলাভজনক ওয়েব সংস্থা, কমন ক্রল, যতটা পাবলিক ওয়ার্ল্ড ওয়াইড ওয়েব অ্যাক্সেস করতে পারে, প্রতি মাসে 3 বিলিয়ন পৃষ্ঠা আর্কাইভ করে তা সূচীকরণ এবং সংরক্ষণ করেছে। LAION গবেষকরা সাধারণ ক্রল ডেটার একটি অংশ নিয়েছিলেন এবং প্রতিটি ছবিকে একটি "alt" ট্যাগ, পাঠ্যের একটি লাইন বা ওয়েব পৃষ্ঠাগুলিতে চিত্রগুলি বর্ণনা করার জন্য ব্যবহৃত কিছু দিয়ে বের করেছেন৷
.JPG "ল্যাপিন নামের ডিজিটাল শিল্পী")
%20Piggy.JPG "সেন্ট-এক্সুপেরি-স্টাইলের পিগি")
“এটি চুরি হওয়া সম্পত্তি পাওয়ার ডিজিটাল সমতুল্য। কেউ আমার প্রয়াত ডাক্তারের ফাইল থেকে ছবিটি চুরি করেছে এবং এটি ইন্টারনেটে কোথাও শেষ হয়েছে, এবং তারপরে এটি এই রেকর্ডে স্ক্র্যাপ করা হয়েছে," ল্যাপাইন আর্স টেকনিকাকে বলেছেন। "এটি যথেষ্ট খারাপ যে একটি ফটো ফাঁস হয়েছে, কিন্তু এখন এটি একটি পণ্যের অংশ। . এবং যে সমস্ত ফটো, মেডিকেল রেকর্ড বা না জন্য যায়. এবং ভবিষ্যতে অপব্যবহারের সম্ভাবনা সত্যিই বেশি।" (তার টুইটার অ্যাকাউন্ট অনুসারে, ল্যাপাইন তার নিজের শিল্প তৈরি করতে ডাল-ই-এর মতো সরঞ্জামগুলি ব্যবহার করে চলেছে।)
এই ধরণের সর্বজনীনভাবে উপলব্ধ AI, এটি চিত্র বা শব্দগুলির সাথে কাজ করে কিনা, এবং এই ধরণের অনেকগুলি ডেটা-চালিত অ্যাপ্লিকেশনগুলি বিদ্যমান সংস্কৃতির এই বিশাল উপযোগের উপর ভিত্তি করে, যার পরিমাণ আমরা খুব কমই বুঝতে পারি। পাবলিক বা বেসরকারী, আইনি বা অন্যথায়, এই সিস্টেমগুলি দ্বারা একসাথে স্ক্র্যাপ করা বেশিরভাগ পাঠ্য এবং চিত্রগুলি "ন্যায্য ব্যবহার" (মার্কিন যুক্তরাষ্ট্রে অনুমোদিত তবে ইইউতে সম্পূর্ণ অবৈধ না হলে সন্দেহজনক)। উন্নত নিউরাল নেটওয়ার্কে বেশিরভাগ অপারেশনের মতো, ল্যাপিনের মতো বিরল এনকাউন্টারের জন্য বাদে বাইরে থেকে তারা কীভাবে কাজ করে তা বোঝা সত্যিই অসম্ভব। কিন্তু আমরা নিশ্চিত হতে পারি: এই ধরনের AI এর ফলাফল যাদুকর থেকে অনেক দূরে,
এআই ইমেজ এবং টেক্সট জেনারেশন হল বিশুদ্ধ আদিম সঞ্চয়: কিছু সিলিকন ভ্যালি টেক কোম্পানি এবং তাদের বিলিয়নিয়ার মালিকদের সমৃদ্ধ ও অগ্রসর করার জন্য অনেকের শ্রম বাজেয়াপ্ত করা। এই কোম্পানিগুলি আমাদের জীবনের সবচেয়ে ব্যক্তিগত এবং সৃজনশীল ক্ষেত্রগুলি সহ দৈনন্দিন জীবনের প্রতিটি ক্ষেত্রে হস্তক্ষেপ করে তাদের অর্থ উপার্জন করেছে: আমাদের গোপন আবেগ, আমাদের ব্যক্তিগত কথোপকথন, আমাদের সাদৃশ্য এবং আমাদের স্বপ্ন৷ তারা আমাদের কল্পনাকে অনেকটা একইভাবে ঘিরে রেখেছে যেভাবে জমির মালিক এবং ডাকাত ব্যারনরা একসময় সাধারণ জমিগুলিকে ঘিরে রেখেছিল। তারা প্রতিশ্রুতি দিয়েছিল যে এটি করার মাধ্যমে তারা মানুষের অভিজ্ঞতার নতুন ক্ষেত্র খুলে দেবে, আমাদের সমস্ত মানব জ্ঞানের অ্যাক্সেস দেবে এবং নতুন ধরনের মানব সংযোগ তৈরি করবে।
এআই ইমেজিংয়ের অদ্ভুততা আউটপুট এবং ইনপুট উভয়ই। একজন ব্যবহারকারী অযৌক্তিক অভিব্যক্তি টাইপ করার চেষ্টা করেছিলেন এবং বিভ্রান্ত এবং কিছুটা অস্বস্তিকর হয়েছিলেন যে ড্যাল-ই মিনিটি "ক্রাঙ্গাস" কী তা সম্পর্কে খুব ভাল ধারণা রয়েছে বলে মনে হচ্ছে: একটি অন্যথায় অপরিচিত অভিব্যক্তি যা ধারাবাহিকভাবে একটি স্নার্লিং, নগ্ন ওগ্রের ছবিগুলিকে বৈশিষ্ট্যযুক্ত করে। উত্পাদিত চিত্রের মতো। প্রোগ্রামের কল্পনায় ক্রাঙ্গাস এতটাই স্পষ্ট ছিল যে তাকে সহজেই হেরফের করা যেতে পারে: অন্যান্য ব্যবহারকারীরা দ্রুত প্রাচীন ক্রাঙ্গাস ট্যাপেস্ট্রি, রোমান-শৈলীর ক্রাঙ্গাস মোজাইক, ক্রাঙ্গাসের তৈলচিত্র, বিভিন্ন সেলিব্রিটিদের আলিঙ্গন করার ক্রাঙ্গাসের ছবি, এবং এটি হল ইন্টারনেট, এ , "সেক্সি" ক্রাঙ্গাস।
তাহলে কে বা কি ক্রাঙ্গাস? টুইটার ব্যবহারকারীরা দ্রুত তাকে "প্রথম এআই ক্রিপ্টিড" বলে অভিহিত করেছিলেন, বিগফুটের মতো একটি প্রাণী যা এই ক্ষেত্রে এআই-এর কল্পনার অন্বেষিত ভূখণ্ডে বিদ্যমান। এবং সিস্টেমটি কীভাবে কাজ করে সে সম্পর্কে আমাদের সীমিত বোঝার কারণে আমরা এই মুহুর্তে যে স্পষ্ট উত্তর পেতে পারি তা হল। আমরা এর সিদ্ধান্ত গ্রহণের প্রক্রিয়ার দিকে নজর দিতে পারি না কারণ এই নিউরাল নেটওয়ার্কগুলি যেভাবে "চিন্তা করে" তা সহজাতভাবে অমানবিক। এটি বিশ্বের একটি অবিশ্বাস্যভাবে জটিল, গাণিতিক ক্রমানুসারের পণ্য, যা ঐতিহাসিক, সংবেদনশীল উপায়ে লোকেরা তাদের চিন্তাভাবনাকে আদেশ করে। ক্রাঙ্গাস একটি স্বপ্ন যা AI এর বিশ্ব মডেল থেকে উদ্ভূত হয়েছে, যা কোটি কোটি রেফারেন্সের সমন্বয়ে গঠিত, যারা তাদের উৎপত্তি থেকে পালিয়ে গেছে এবং মানব অভিজ্ঞতা থেকে বিচ্ছিন্ন একটি পৌরাণিক চিত্রে মিশে গেছে। যা ভাল, এমনকি আশ্চর্যজনক - কিন্তু এটি প্রশ্ন তোলে, আমরা এখানে কার স্বপ্ন আঁকছি? মানব-সংস্কৃতির কোন রচনা, কিসের দৃষ্টিকোণ থেকে এই দুঃস্বপ্নের সৃষ্টি?
অনুরূপ অভিজ্ঞতা অন্য একটি ডিজিটাল শিল্পীর দ্বারা হয়েছিল যিনি নেতিবাচক প্রম্পট নিয়ে পরীক্ষা করছিলেন, সিস্টেম যা বর্ণনা করা হচ্ছে তার বিপরীত মেরু হিসাবে যা দেখে তা তৈরি করার একটি কৌশল। যখন শিল্পী "Brando::-1" এ প্রবেশ করেন, তখন সিস্টেমটি ডিজিটা পিএনটিআইসিএস নামক একটি ভিডিও গেম কোম্পানির লোগোর মতো দেখায়। এটি সিস্টেমের বিশ্বদর্শনের একাধিক মাত্রা জুড়ে মার্লন ব্র্যান্ডোর বিপরীত হতে পারে তা যথেষ্ট যুক্তিসঙ্গত বলে মনে হয়। কিন্তু যখন তারা যাচাই করলো তখন "ডিজিটা পিএনটিআইসিএস স্কাইলাইন লোগো::-1" টাইপ করে এটি অন্য পথে চলে গেছে, অনেক অচেনা কিছু ঘটেছিল: সমস্ত ছবিতে ডুবে যাওয়া চোখ এবং ফ্লাশ করা গাল সহ একটি অশুভ চেহারার মহিলাকে দেখানো হয়েছে, যাকে শিল্পী লোব নামে ডাকলেন। একবার আবিষ্কৃত হলে, লোবকে অস্বাভাবিক এবং বিরক্তিকরভাবে অবিচল বলে মনে হয়েছিল। প্রোগ্রামে ইমেজ রিফিডিং,
এখানে Loab এবং সম্ভবত Crungus-এর জন্য একটি ব্যাখ্যা রয়েছে: যদিও যন্ত্রের কল্পনা কীভাবে কাজ করে তা কল্পনা করা খুব, খুব কঠিন, তবে এটির একটি রূপ আছে তা কল্পনা করা সম্ভব। এই আকারটি কখনই মসৃণ বা সুন্দরভাবে গোলাকার হবে না, তবে উপত্যকা এবং চূড়া, পর্বত এবং উপত্যকা, সমৃদ্ধ তথ্যের এলাকা এবং এমন এলাকা থাকবে যেখানে অনেক বৈশিষ্ট্যেরই অভাব রয়েছে। উচ্চ তথ্য সামগ্রীর এই ক্ষেত্রগুলি অ্যাসোসিয়েশন নেটওয়ার্কগুলির সাথে মিলে যায় যেগুলি সম্পর্কে সিস্টেমটি অনেক কিছু "জানে"৷ কেউ কল্পনা করতে পারেন যে মানুষের মুখ, গাড়ি এবং বিড়াল সম্পর্কিত অঞ্চলগুলি, উদাহরণস্বরূপ, সমগ্র ইন্টারনেট পরীক্ষা করে পাওয়া চিত্রগুলির বিতরণের কারণে বেশ ঘন।
একটি AI ইমেজ জেনারেটর তার ছবি তৈরি করার সময় এই অঞ্চলগুলির উপর সবচেয়ে বেশি নির্ভর করবে। কিন্তু অন্যান্য কম পরিদর্শন করা জায়গা আছে যেগুলো যখন নেতিবাচক প্রম্পট - বা বাস্তবিক অর্থহীন বাক্যাংশ - ব্যবহার করা হয় তখন কার্যকর হয়। এই ধরনের প্রশ্নের উত্তর দেওয়ার জন্য, মেশিনটিকে আরও গুপ্ত, কম সুরক্ষিত সংযোগগুলি অবলম্বন করতে হবে, সম্ভবত তার জ্ঞানের সম্পূর্ণতা থেকে বিপরীতটিও অনুমান করতে পারে। এখানে পিছনের দেশে লোআব এবং ক্রাঙ্গাস পাওয়া যায়।
এটি একটি সন্তোষজনক তত্ত্ব, কিন্তু এটি ক্রাঙ্গাস এবং লোব কেন এমন দেখাচ্ছে সে সম্পর্কে কিছু অস্বস্তিকর প্রশ্ন উত্থাপন করে; কেন তারা ভীতি ও সহিংসতার দিকে ঝুঁকে পড়ে, কেন তারা দুঃস্বপ্নের দিকে ইঙ্গিত করে। AI ইমেজ জেনারেটরগুলি মানুষের ভিজ্যুয়াল সংস্কৃতিকে বোঝার এবং প্রতিলিপি করার প্রয়াসে এমনকি আমাদের সবচেয়ে অন্ধকার ভয়কে পুনরায় তৈরি করেছে বলে মনে হচ্ছে। সম্ভবত এটি একটি চিহ্ন মাত্র যে এই সিস্টেমগুলি মানুষের চেতনাকে খুব ভালোভাবে কাজে লাগাতে পারে, অস্তিত্বের গভীরে লুকিয়ে থাকা ভয়াবহতার কাছে: আমাদের নোংরামি, মৃত্যু এবং দুর্নীতির ভয়। এবং যদি তাই হয়, আমাদের অবশ্যই স্বীকার করতে হবে যে এগুলি আমাদের নিজস্ব ইমেজ তৈরি করা মেশিনগুলির স্থায়ী উপাদান হবে। এই ধরনের আবেশ এবং বিপদ থেকে পরিত্রাণ নেই, মানব অস্তিত্বের বাস্তবতাকে সংযত বা বিনির্মাণ করা যায় না।
এটি গুরুত্বপূর্ণ কারণ এআই ইমেজ জেনারেটরগুলি পূর্ববর্তী সমস্ত প্রযুক্তি যা করেছে তা করবে, তবে তারা আরও এগিয়ে যাবে। তারা যারা তাদের তৈরি করে তাদের পক্ষপাত ও কুসংস্কারগুলি পুনরুত্পাদন করবে, যেমন ওয়েবক্যামগুলি যেগুলি শুধুমাত্র সাদা মুখগুলিকে চিনতে পারে, বা ভবিষ্যদ্বাণীমূলক পুলিশ সিস্টেমগুলি যা নিম্ন আয়ের এলাকাগুলিকে ঘেরাও করে৷ এবং তারা গেমটিকেও উন্নত করবে: AI পারফরম্যান্সের স্কেল পাজল এবং চ্যালেঞ্জের সংকীর্ণ অঞ্চল থেকে - দাবা খেলা বা গো বা ট্রাফিক নিয়ম অনুসরণ করা - কল্পনা এবং সৃজনশীলতার আরও বিস্তৃত অঞ্চলে।
যদিও এআই-এর "সৃজনশীলতার" দাবিগুলি অতিরঞ্জিত হতে পারে - ইমেজ তৈরিতে কোনও সত্যিকারের মৌলিকতা নেই, শুধুমাত্র খুব দক্ষ অনুকরণ এবং অনুকরণ - এর মানে এই নয় যে এটি অনেক সাধারণ "শৈল্পিক" কাজ করতে অক্ষম, যা দীর্ঘকাল ধরে দক্ষদের সংরক্ষণ হিসাবে বিবেচিত হয়। কর্মী, চিত্রকর এবং গ্রাফিক ডিজাইনার থেকে সঙ্গীতশিল্পী, ভিডিওগ্রাফার এবং এমনকি লেখক। এটি একটি বিশাল পরিবর্তন. AI এখন অনুভূতি, আবেগ এবং মেজাজের অন্তর্নিহিত অভিজ্ঞতার সাথে জড়িত, এবং এটি এটিকে আরও গভীর এবং আরও বাধ্যতামূলক স্তরে বিশ্বকে আকৃতি ও প্রভাবিত করার অনুমতি দেবে।
2022 সালের নভেম্বরে OpenAI দ্বারা প্রবর্তিত, ChatGPT AI এবং মানুষের সৃজনশীলতা কীভাবে মিথস্ক্রিয়া করতে পারে সে সম্পর্কে আমাদের বোঝার পরিবর্তন করে চলেছে। একটি চ্যাটবট হিসাবে কাঠামোগত - একটি প্রোগ্রাম যা মানুষের কথোপকথন অনুকরণ করে - ChatGPT কথোপকথনের চেয়ে অনেক বেশি কিছু করতে পারে৷ যখন অনুরোধ করা হয়, এটি কার্যকারী কম্পিউটার কোড লিখতে, গণিতের সমস্যাগুলি সমাধান করতে এবং সাধারণ লেখার কাজগুলিকে নকল করতে সক্ষম হয়, বই পর্যালোচনা থেকে শুরু করে একাডেমিক কাগজপত্র, বিবাহের বক্তৃতা এবং আইনি চুক্তিতে।
এটি অবিলম্বে স্পষ্ট ছিল যে কীভাবে প্রোগ্রামটি তাদের জন্য একটি আশীর্বাদ হতে পারে যাদের জন্য ইমেল বা প্রবন্ধ লিখতে অসুবিধা হয়, উদাহরণস্বরূপ, তবে এটি কীভাবে ব্যবহার করা যেতে পারে, ইমেজ জেনারেটরের মতো, যারা এই কাজগুলি থেকে জীবিকা নির্বাহ করে তাদের প্রতিস্থাপন করতে। অনেক স্কুল এবং বিশ্ববিদ্যালয় ইতিমধ্যেই ChatGPT ব্যবহার নিষিদ্ধ করার নীতি চালু করেছে এই আশঙ্কার মধ্যে যে ছাত্ররা তাদের প্রবন্ধ লিখতে এটি ব্যবহার করবে, যখন একাডেমিক জার্নাল নেচারকে নীতিগুলি প্রকাশ করতে হয়েছিল যে কেন প্রোগ্রামটিকে একজন গবেষণা লেখকের সম্পাদিত হিসাবে বিবেচনা করা হয় না (সম্মতি থাকতে পারে না) এবং জবাবদিহি করা যাবে না)। কিন্তু প্রতিষ্ঠানগুলো নিজেরাও টুলটির অনুপযুক্ত ব্যবহার থেকে মুক্ত নয়: ফেব্রুয়ারিতে, পিবডি কলেজ ফর এডুকেশন অ্যান্ড হিউম্যান ডেভেলপমেন্ট, টেনেসির ভ্যান্ডারবিল্ট ইউনিভার্সিটির অংশ, মিশিগানের একটি স্কুলে গুলি চালানোর পর যখন এটি একটি শোক ও পরামর্শ পত্র জারি করে তখন ছাত্ররা হতবাক। চিঠিটি সম্প্রদায়, পারস্পরিক শ্রদ্ধা এবং একতার মূল্যের কথা বললেও, শেষে একটি নোট ইঙ্গিত দেয় যে এটি ChatGPT দ্বারা লেখা ছিল - যা অনেকের কাছে নৈতিকভাবে ভুল এবং একরকম ভুল বা ভীতিকর মনে হয়েছে। মনে হচ্ছে জীবনের অনেক ক্ষেত্র আছে যেখানে মেশিনের হস্তক্ষেপের জন্য গভীর চিন্তার প্রয়োজন। পারস্পরিক শ্রদ্ধা এবং একতাবদ্ধতা, শেষে একটি নোটে বলা হয়েছে যে এটি ChatGPT দ্বারা লেখা - যা নৈতিকভাবে ভুল এবং অনেকের কাছে ভুল বা ভয়ঙ্কর উভয়ই মনে হয়েছে। মনে হচ্ছে জীবনের অনেক ক্ষেত্র আছে যেখানে মেশিনের হস্তক্ষেপের জন্য গভীর চিন্তার প্রয়োজন। পারস্পরিক শ্রদ্ধা এবং একতাবদ্ধতা, শেষে একটি নোটে বলা হয়েছে যে এটি ChatGPT দ্বারা লেখা - যা নৈতিকভাবে ভুল এবং অনেকের কাছে ভুল বা ভয়ঙ্কর উভয়ই মনে হয়েছে।
যদি ChatGPT-এর সাথে আমাদের সমস্ত যোগাযোগ প্রতিস্থাপন করা অনুপযুক্ত হয়, তাহলে একটি স্পষ্ট প্রবণতা হল যে এটি এক ধরণের চতুর সহকারী হয়ে উঠছে, যা আমরা যে তথ্য খুঁজছি সেই তথ্যের জন্য উপলব্ধ জ্ঞানের মোরাসের মধ্য দিয়ে আমাদের গাইড করে। মাইক্রোসফ্ট এই দিকে অগ্রগামী ছিল, ChatGPT এর সাথে একটি চ্যাটবট হিসাবে তার প্রায়শই ঘৃণ্য বিং সার্চ ইঞ্জিনকে পুনরায় কনফিগার করে, যার ফলে ব্যাপকভাবে এর জনপ্রিয়তা বৃদ্ধি পায়। কিন্তু অনলাইনে (এবং সাংবাদিকতা) প্রায় কল্পনাযোগ্য যেকোনো বিষয়ে চ্যাটজিপিটি-র সাথে পরামর্শ করার জন্য ভিড় করা সত্ত্বেও, জ্ঞানের সাথে এর সম্পর্ক কিছুটা নড়বড়ে।
চ্যাটজিপিটি-এর সাথে একটি সাম্প্রতিক মুখোমুখি কথোপকথন এইরকম হয়েছে৷ আমি তাকে আগ্রহের একটি নতুন ক্ষেত্রের উপর ভিত্তি করে পড়ার জন্য আমার জন্য কিছু বই সাজেস্ট করতে বলেছিলাম: বহুপ্রজাতির গণতন্ত্র, রাজনৈতিক সিদ্ধান্ত গ্রহণে মানবেতর প্রাণীদের জড়িত করার ধারণা। এটি মোটামুটি সরঞ্জামটির সবচেয়ে দরকারী অ্যাপ্লিকেশন: "আরে, এখানে এমন কিছু যা আমি ভাবছি, আপনি কি আমাকে আরও বলতে পারেন?" এবং ChatGPT বাধ্য। এটি আমাকে বেশ কয়েকটি বইয়ের একটি তালিকা দিয়েছে যা এই উপন্যাসের আগ্রহের গভীরতার ক্ষেত্রটি অন্বেষণ করেছে, এবং আমার কেন সেগুলি পড়া উচিত তা মানবিক ভাষায় ব্যাখ্যা করেছে। সেটি অসাধারণ ছিল! যাইহোক, তালিকাভুক্ত চারটি বইয়ের মধ্যে শুধুমাত্র একটিই বাস্তবে বিদ্যমান বলে প্রমাণিত হয়েছে, এবং আমার মনে হয় কিছু ধারণা ChatGPT এর আরও অন্বেষণ করা উচিত,
ঠিক আছে, এটি ঘটেনি কারণ ChatGPT প্রকৃতিগতভাবে ডানপন্থী। কারণ এটি সহজাতভাবে বোকা। এটি ইন্টারনেটের বেশিরভাগ অংশ পড়েছে এবং জানে যে মানুষের বক্তৃতা কেমন শোনাচ্ছে, কিন্তু বাস্তবতার সাথে এর কোন সম্পর্ক নেই। এগুলি এমন স্বপ্নের বাক্যাংশ যা সঠিকভাবে শোনায়, এবং সত্যই, তার কথা শোনা কারো স্বপ্ন শোনার মতোই আকর্ষণীয়। এটি অর্থের মতো শোনাচ্ছে তা তৈরি করতে এটি খুব ভাল, এবং এর খাদ্যের বেশিরভাগ অংশ তৈরি করে এমন ক্লিচ এবং ব্যানালিটিগুলি তৈরি করার ক্ষেত্রে এটি খুব ভাল, তবে এটি বাস্তবে বিশ্বের সাথে অর্থপূর্ণভাবে সম্পর্কিত হতে অক্ষম। যে কাউকে অবিশ্বাস করুন যে এটি একটি প্রতিধ্বনি বা এমনকি চেতনার অনুমান। (যখন এই টুকরোটি প্রকাশিত হতে চলেছে,
এই ধরনের AI কে প্রকৃতপক্ষে জ্ঞানপূর্ণ বা অর্থপূর্ণ বলে বিশ্বাস করা সক্রিয়ভাবে বিপজ্জনক। সম্মিলিত চিন্তাভাবনা এবং আমাদের চিন্তা করার ক্ষমতাকে বিষাক্ত করার ঝুঁকি রয়েছে। কারিগরি সংস্থাগুলির পরামর্শ অনুসারে, যারা অনলাইনে জ্ঞানের সন্ধান করছেন তাদের উত্তর হিসাবে ChatGPT প্রশ্নের ফলাফল প্রদান করা হয়, এবং যদি কিছু মন্তব্যকারীর পরামর্শ অনুযায়ী, ChatGPT একটি শিক্ষার সরঞ্জাম হিসাবে শ্রেণীকক্ষে ব্যবহার করা হয়, তাহলে হ্যালুসিনেশন হবে স্থায়ী রেকর্ড লিখুন, কার্যকরভাবে আমাদের এবং আরও বৈধ, যাচাইযোগ্য তথ্যের উত্সগুলির মধ্যে নিজেকে স্থাপন করুন, যতক্ষণ না উভয়ের মধ্যে লাইনটি অদৃশ্য হওয়ার মতো অস্পষ্ট হয়ে যায়। অধিকন্তু, ব্যক্তি হিসাবে আমাদের নিজেদের পক্ষে জ্ঞান অন্বেষণ এবং সমালোচনামূলকভাবে মূল্যায়ন করার ক্ষমতা এর চেয়ে বেশি প্রয়োজনীয় ছিল না, প্রযুক্তি সংস্থাগুলি ইতিমধ্যে তথ্য প্রচারের উপায়ে ক্ষতির কারণ নয়। দুর্বলভাবে প্রোগ্রাম করা মেশিনের স্বপ্নে আমাদের পূর্ণ আস্থা স্থাপন করা হবে এই ধরনের সমালোচনামূলক চিন্তাভাবনাকে পুরোপুরি ত্যাগ করা।
এআই প্রযুক্তিও গ্রহের জন্য খারাপ। একটি একক AI মডেলকে প্রশিক্ষণ দেওয়া - 2019 সালে প্রকাশিত একটি সমীক্ষা অনুসারে - 284 টনেরও বেশি কার্বন ডাই অক্সাইডের সমতুল্য নির্গত করতে পারে, যা এর উত্পাদন সহ গড় আমেরিকান গাড়ির পুরো জীবনকালের প্রায় পাঁচ গুণ। এই নির্গমনগুলি আগামী পাঁচ বছরে প্রায় 50% বৃদ্ধি পাবে বলে অনুমান করা হয়েছে কারণ গ্রহটি উত্তপ্ত হতে চলেছে, মহাসাগরগুলিকে অ্যাসিডিফাই করছে, দাবানল জ্বালাচ্ছে, সুপারস্টর্ম শুরু করছে এবং প্রজাতিগুলিকে বিলুপ্তির দিকে নিয়ে যাচ্ছে৷ কৃত্রিম বুদ্ধিমত্তার চেয়ে সম্পূর্ণ বোকা কিছু কল্পনা করা কঠিন কারণ এটি আজ অনুশীলন করা হয়।
সুতরাং, আসুন একটি পদক্ষেপ পিছিয়ে নেওয়া যাক। "কৃত্রিম" "বুদ্ধিমত্তা" এর এই বর্তমান অবতারগুলি যদি এতই বিরক্তিকর হয় তবে বিকল্প কী? আমরা কি তথ্য বাছাই এবং যোগাযোগের জন্য শক্তিশালী প্রযুক্তি কল্পনা করতে পারি যা আমাদের শোষণ, অপব্যবহার, বিভ্রান্ত এবং প্রতিস্থাপন করে না? হ্যাঁ, আমরা পারি - একবার আমরা কর্পোরেট পাওয়ার নেটওয়ার্কগুলি থেকে বেরিয়ে আসব যা বর্তমান AI তরঙ্গকে সংজ্ঞায়িত করে।
প্রকৃতপক্ষে, কর্পোরেশনের নিবিষ্ট ক্ষমতাকে বাইপাস করে নির্দিষ্ট সম্প্রদায়ের উপকার করার জন্য AI ব্যবহার করার উদাহরণ ইতিমধ্যেই রয়েছে। বিশ্বব্যাপী আদিবাসী ভাষা হুমকির মুখে। জাতিসংঘ অনুমান করে যে প্রতি দুই সপ্তাহে একজন নিখোঁজ হয় এবং সেই নিখোঁজের সাথে প্রজন্মের জ্ঞান ও অভিজ্ঞতা আসে। এই সমস্যাটি, কয়েক শতাব্দীর উপনিবেশবাদ এবং বর্ণবাদী আত্তীকরণ নীতির ফল, মেশিন-লার্নিং ভাষার মডেলগুলির ক্রমবর্ধমান আধিপত্যের দ্বারা বৃদ্ধি পায়, যা নিশ্চিত করে যে জনপ্রিয় ভাষাগুলি তাদের শক্তি বৃদ্ধি করে যখন কম পরিচিত ভাষাগুলি তাদের খ্যাতি এবং দক্ষতা লুণ্ঠন করে।
নিউজিল্যান্ডের Aotearoa-তে, Te Hiku Media নামে মাওরি ভাষায় সম্প্রচার করা একটি ছোট অলাভজনক রেডিও স্টেশন প্রযুক্তিতে বিভিন্ন ভাষাকে কীভাবে উপস্থাপন করা হয় তার মধ্যে এই বৈষম্যটি সমাধান করার সিদ্ধান্ত নিয়েছে। তার 20 বছরেরও বেশি সম্প্রচারের বিশাল সংরক্ষণাগার, বিস্তৃত ইডিয়মস, স্ল্যাং এক্সপ্রেশন এবং অনন্য ইডিয়মগুলির প্রতিনিধিত্ব করে, যার মধ্যে অনেকগুলি আর কেউ বলে না, ডিজিটাইজ করা হয়েছিল কিন্তু ভাষাবিদ এবং ভাষা গবেষকদের কাজে লাগানোর জন্য প্রতিলিপি করা হয়েছিল। মাওরি সম্প্রদায়। প্রতিক্রিয়া হিসাবে, রেডিও স্টেশন তার নিজস্ব বক্তৃতা শনাক্তকরণ মডেলকে প্রশিক্ষণ দেওয়ার সিদ্ধান্ত নিয়েছে যাতে এটি তার সংরক্ষণাগারটি "শুনতে" এবং ট্রান্সক্রিপশন তৈরি করতে সক্ষম হয়।
পরের কয়েক বছরে, ওপেন-সোর্স প্রযুক্তির পাশাপাশি স্বদেশী সিস্টেমগুলি ব্যবহার করে, Te Hiku মিডিয়া প্রায় অসম্ভব অর্জন করেছে: একটি উচ্চ-নির্ভুল মাওরি ভাষা বক্তৃতা শনাক্তকরণ সিস্টেম যা নিজস্ব ভাষা সম্প্রদায়ের দ্বারা নির্মিত এবং মালিকানাধীন। এটি একটি সফ্টওয়্যার ব্যয়ের চেয়ে বেশি ছিল। স্টেশনটি খুঁজে পেতে পারে এমন প্রতিটি মাওরি সম্প্রদায়ের গোষ্ঠীর সাথে যোগাযোগ করে এবং তাদের মডেলকে প্রশিক্ষণের জন্য প্রয়োজনীয় টীকাযুক্ত বক্তৃতাগুলির একটি সংগ্রহ প্রদান করার জন্য তাদের নিজেদের কথা বলার পূর্বলিখিত বিবৃতি রেকর্ড করতে বলে।
যিনি সবচেয়ে বেশি বাক্য জমা দিয়েছেন তার জন্য একটি নগদ পুরস্কার ছিল – একজন কর্মী, তে মিহিঙ্গা কোমেনে, একাই 4,000 বাক্য রেকর্ড করেছেন – কিন্তু আয়োজকরা দেখতে পেয়েছেন যে অবদানকারীদের জন্য সবচেয়ে বড় অনুপ্রেরণা ছিল ভাষাকে পুনরুজ্জীবিত করার একটি যৌথ দৃষ্টিভঙ্গি এবং একই সময়ে তাদের মালিকানাধীন সংগঠনটি. কয়েক সপ্তাহের মধ্যে, এটি একটি মডেল তৈরি করেছে যা 86% এর নির্ভুলতার সাথে রেকর্ড করা বক্তৃতাকে স্বীকৃতি দিয়েছে - এটির সম্পূর্ণ সংরক্ষণাগার প্রতিলিপি করা শুরু করার জন্য যথেষ্ট।
তে হিকু মিডিয়ার কৃতিত্ব অন্যান্য আদিবাসী গোষ্ঠীর জন্য পথ প্রশস্ত করেছে, যারা এখন দক্ষিণ-পূর্ব কানাডার মোহাক জনগণ এবং স্থানীয় হাওয়াইয়ানদের দ্বারা অনুরূপ প্রকল্প গ্রহণ করছে। এটি আদিবাসী ভাষা এবং এইভাবে আদিবাসী জ্ঞানের অন্যান্য রূপগুলির সাথে সম্পর্কিত ডেটা সার্বভৌমত্বের নীতিও প্রতিষ্ঠা করে। যখন আন্তর্জাতিক লাভজনক কোম্পানিগুলি তাদের নিজস্ব মডেল তৈরি করতে সাহায্য করার জন্য মাওরি ভাষাভাষীদের দিকে ঝুঁকতে শুরু করে, Te Hiku Media এই প্রচেষ্টার বিরুদ্ধে প্রচারণা চালায়, যুক্তি দিয়ে, “তারা আমাদের ভাষাকে দমন করেছে এবং শারীরিকভাবে আমাদের দাদা-দাদির কাছ থেকে ছিটকে দিয়েছে, এবং এখন তারা আমাদের বিক্রি করতে চায়। ভাষা আমাদের কাছে সেবা হিসেবে ফিরে আসে।"
"ডেটা হল উপনিবেশের শেষ সীমান্ত," লিখেছেন কেওনি মাহেলোনা, একজন স্থানীয় হাওয়াইয়ান এবং তে হিকু মিডিয়ার অন্যতম সহ-প্রতিষ্ঠাতা। তে হিকু-এর সমস্ত কাজ কাইত্যাকিটাঙ্গা লাইসেন্স নামে পরিচিত, অভিভাবকত্ব এবং হেফাজতের একটি আইনি গ্যারান্টির অধীনে প্রকাশিত হয়েছে যা নিশ্চিত করে যে ভাষা মডেল এবং অন্যান্য প্রকল্পগুলিতে যাওয়া সমস্ত ডেটা সেই সম্প্রদায়ের সম্পত্তি যা তাদের তৈরি করেছে – এই ক্ষেত্রে , মাওরি স্পিকার যারা তাদের সহায়তার প্রস্তাব দিয়েছেন – এবং তারা তাদের টিকঙ্গা (মাওরি রীতিনীতি এবং প্রটোকল) অনুসারে উপযুক্ত বলে তাদের লাইসেন্স দিতে পারে বা নাও পারে। এইভাবে, ডিজিটাল ঔপনিবেশিকতার ব্যবস্থাকে অস্বীকার ও রূপান্তর করার সময় মাওরি ভাষা পুনরুজ্জীবিত হচ্ছে,
আমি মনে করি "কৃত্রিম" "বুদ্ধিমত্তা" এর বর্তমান তরঙ্গের পাঠ হল যে কর্পোরেশন দ্বারা কল্পনা করা হলে বুদ্ধিমত্তা একটি খারাপ জিনিস। যদি আপনার বিশ্ব দৃষ্টিভঙ্গি এমন হয় যেখানে লাভ সর্বাধিকীকরণ হল গুণের রাজা এবং সমস্ত জিনিস শেয়ারহোল্ডার মূল্যের মান দ্বারা অনুষ্ঠিত হওয়া উচিত, তবে অবশ্যই আপনার শৈল্পিক, কল্পনাপ্রসূত, নান্দনিক এবং আবেগপূর্ণ অভিব্যক্তিগুলি অত্যন্ত দরিদ্র হবে। আমরা যে সরঞ্জামগুলি ব্যবহার করি, আমরা যে মিডিয়াগুলি ব্যবহার করি এবং আমরা যে সম্প্রদায়গুলিতে বাস করি তাতে আমরা আরও ভাল প্রাপ্য এবং আমরা তখনই পাব যখন আমরা এতে অংশগ্রহণ করার জন্য আমাদের সেরাটা দিতে সক্ষম হই। এবং তাদেরও আপনাকে ভয় দেখাতে দেবেন না - তারা সত্যিই এত জটিল নয়। উরসুলা কে. লে গুইন লিখেছেন, "প্রযুক্তি হল যা আমরা শিখতে পারি।"