✍️ Martvan Editorial Team  |  ⏱️ পড়তে সময়: প্রায় ২৫ মিনিট  |  বিভাগ: AI

Supremacy বাংলা সামারি এমন এক সময়ের গল্প তুলে ধরে, যখন কৃত্রিম বুদ্ধিমত্তা একাডেমিক গবেষণার সীমা পেরিয়ে পৃথিবীর সবচেয়ে গুরুত্বপূর্ণ ব্যবসায়িক ও রাজনৈতিক শক্তিগুলোর একটিতে পরিণত হয়েছে। Parmy Olson দেখিয়েছেন, OpenAI ও DeepMind-এর প্রতিষ্ঠাতারা মানবতার কল্যাণের কথা বলে যাত্রা শুরু করলেও তাঁদের স্বপ্ন দ্রুত Google ও Microsoft-এর বিশাল কর্পোরেট প্রতিযোগিতার ভেতরে ঢুকে পড়ে।

২০২২ সালের নভেম্বরে ChatGPT প্রকাশের পর সাধারণ মানুষ প্রথমবারের মতো এমন একটি AI ব্যবহার করতে শুরু করে, যা প্রশ্নের উত্তর দিতে পারে, প্রবন্ধ লিখতে পারে, কোড তৈরি করতে পারে এবং মানুষের কথোপকথনের অনুকরণ করতে পারে। কিন্তু এই আকস্মিক বিস্ফোরণের পেছনে ছিল এক দশকের বেশি সময় ধরে চলা গবেষণা, অর্থসংকট, নেতৃত্বের সংঘাত, ব্যক্তিগত উচ্চাকাঙ্ক্ষা এবং প্রযুক্তিগত আধিপত্যের লড়াই।

Supremacy: AI, ChatGPT, and the Race That Will Change the World সেই গোপন ও জটিল ইতিহাসকে সাধারণ পাঠকের কাছে তুলে ধরে। বইটি ২০২৪ সালের Financial Times and Schroders Business Book of the Year পুরস্কার অর্জন করে। কারণ এটি শুধু AI কী করতে পারে তা ব্যাখ্যা করে না; বরং প্রশ্ন তোলে—এত শক্তিশালী প্রযুক্তির নিয়ন্ত্রণ কার হাতে থাকা উচিত?

লেখক Parmy Olson-এর পরিচয়

Parmy Olson একজন প্রযুক্তিবিষয়ক সাংবাদিক ও Bloomberg Opinion-এর কলামিস্ট। তাঁর লেখার প্রধান ক্ষেত্র হলো কৃত্রিম বুদ্ধিমত্তা, বড় প্রযুক্তি কোম্পানির ক্ষমতা, ডিজিটাল প্ল্যাটফর্ম এবং প্রযুক্তি নিয়ন্ত্রণ। Bloomberg-এ যোগ দেওয়ার আগে তিনি The Wall Street Journal ও Forbes-এ কাজ করেছেন।

Olson-এর অনুসন্ধানী সাংবাদিকতার পরিচয় প্রথম বড় আকারে প্রতিষ্ঠিত হয় We Are Anonymous বইয়ের মাধ্যমে। সেখানে তিনি Anonymous ও LulzSec-এর মতো হ্যাকার গোষ্ঠীর ভেতরের জগৎ অনুসন্ধান করেন। Supremacy-তেও একই পদ্ধতি দেখা যায়—প্রকাশ্য ঘোষণার চেয়ে প্রতিষ্ঠানের ভেতরের মানুষ, নেতৃত্বের সিদ্ধান্ত এবং অদৃশ্য ক্ষমতার সম্পর্ককে বেশি গুরুত্ব দেওয়া হয়েছে।

এই বইয়ের জন্য তিনি AI গবেষক, বর্তমান ও সাবেক কর্মী, বিনিয়োগকারী এবং প্রযুক্তি শিল্পের সঙ্গে যুক্ত বহু ব্যক্তির সাক্ষাৎকার ও তথ্য ব্যবহার করেছেন। ফলে বইটি কেবল Sam Altman ও Demis Hassabis-এর জীবনী নয়; এটি তাঁদের চারপাশে গড়ে ওঠা প্রতিষ্ঠান, সংস্কৃতি ও ক্ষমতার নেটওয়ার্কের অনুসন্ধান।

বইটি কেন লেখা হয়েছিল?

AI কোম্পানিগুলো প্রায়ই বলে যে তারা মানবতার উপকার, বৈজ্ঞানিক অগ্রগতি এবং নিরাপদ ভবিষ্যতের জন্য কাজ করছে। কিন্তু অত্যাধুনিক AI তৈরি করতে বিপুল অর্থ, বিশেষায়িত চিপ, ডেটা সেন্টার, দক্ষ গবেষক এবং দীর্ঘমেয়াদি বিনিয়োগ প্রয়োজন। এই সম্পদগুলোর বড় অংশ নিয়ন্ত্রণ করে হাতে গোনা কয়েকটি প্রযুক্তি কোম্পানি।

Olson এই বৈপরীত্যটিই সামনে আনতে চেয়েছেন। একদিকে প্রতিষ্ঠাতাদের উচ্চ নৈতিক প্রতিশ্রুতি; অন্যদিকে বাজার দখল, প্রতিযোগীকে হারানো, বিনিয়োগ নিশ্চিত করা এবং দ্রুত পণ্য প্রকাশের চাপ। বইটির মৌলিক প্রশ্ন তাই প্রযুক্তিগত নয়, রাজনৈতিক ও নৈতিক:

বইটির ঘটনাপ্রবাহ ও প্রধান বিষয়সমূহ

১. দুই নেতার শুরুর স্বপ্ন—Sam Altman ও Demis Hassabis

বইটির দুই কেন্দ্রীয় চরিত্রের পথ ছিল আলাদা। Demis Hassabis ছোটবেলা থেকেই দাবা, গেম, কম্পিউটার এবং মানব মস্তিষ্কের কার্যপ্রণালী নিয়ে মুগ্ধ ছিলেন। তাঁর দীর্ঘমেয়াদি লক্ষ্য ছিল মানুষের বুদ্ধিমত্তা কীভাবে কাজ করে তা বোঝা এবং সেই নীতিকে যন্ত্রে পুনর্গঠন করা। গেম ডিজাইন, নিউরোসায়েন্স গবেষণা এবং AI—এই তিনটি ক্ষেত্র তাঁর চিন্তায় একত্রিত হয়েছিল।

অন্যদিকে Sam Altman মূলত Silicon Valley-এর উদ্যোক্তা সংস্কৃতি থেকে উঠে আসেন। Y Combinator-এর নেতৃত্ব তাঁকে প্রযুক্তি স্টার্টআপ, বিনিয়োগ, দ্রুত সম্প্রসারণ এবং শক্তিশালী নেটওয়ার্ক তৈরির অভিজ্ঞতা দেয়। Hassabis যেখানে বিজ্ঞানী-প্রতিষ্ঠাতার মতো গভীর গবেষণাকে অগ্রাধিকার দিতেন, Altman সেখানে সংগঠন, অর্থায়ন, জনমত এবং কৌশলগত অংশীদারত্বে বেশি দক্ষ ছিলেন।

বাংলাদেশের প্রেক্ষাপটে এটি একই সমস্যার দুই ধরনের সমাধানের মতো। একজন BUET বা বিশ্ববিদ্যালয়ের গবেষণাগারে দীর্ঘমেয়াদি প্রযুক্তি উন্নয়নে আগ্রহী হতে পারেন; আরেকজন উদ্যোক্তা দ্রুত অর্থায়ন, বাজার ও ব্যবহারকারী তৈরি করতে চাইতে পারেন। সফল প্রযুক্তি প্রতিষ্ঠানে উভয় দক্ষতাই দরকার। কিন্তু কোনটি প্রাধান্য পাবে—এই সিদ্ধান্ত প্রতিষ্ঠানের চরিত্র বদলে দিতে পারে।

২. DeepMind-এর গবেষণা যাত্রা ও Google-এর অধিগ্রহণ

Demis Hassabis, Shane Legg এবং Mustafa Suleyman ২০১০ সালে DeepMind প্রতিষ্ঠা করেন। তাঁদের লক্ষ্য ছিল “বুদ্ধিমত্তার সমস্যার সমাধান” করা এবং সেই বুদ্ধিমত্তা দিয়ে অন্যান্য জটিল সমস্যা সমাধান করা। DeepMind প্রথমদিকে নিজেকে সাধারণ সফটওয়্যার কোম্পানি হিসেবে নয়, দীর্ঘমেয়াদি বৈজ্ঞানিক মিশনসম্পন্ন গবেষণা প্রতিষ্ঠান হিসেবে দেখত।

কিন্তু উচ্চমানের AI গবেষণা অত্যন্ত ব্যয়বহুল। বড় মডেল, শক্তিশালী কম্পিউটিং অবকাঠামো এবং বিশ্বের সেরা গবেষকদের ধরে রাখতে বিপুল অর্থ প্রয়োজন। ২০১৪ সালে Google DeepMind অধিগ্রহণ করে। এই চুক্তি প্রতিষ্ঠানটিকে সম্পদ, অবকাঠামো ও স্থায়িত্ব দেয়; একই সঙ্গে স্বাধীনতা ও নিয়ন্ত্রণ নিয়ে নতুন প্রশ্নও তৈরি করে।

DeepMind-এর AlphaGo ২০১৬ সালে Lee Sedol-কে পরাজিত করে বিশ্বব্যাপী আলোড়ন সৃষ্টি করে। এই সাফল্য দেখায় যে AI শুধু পূর্বনির্ধারিত নিয়ম অনুসরণ করছে না; এটি এমন কৌশলও আবিষ্কার করতে পারে যা মানব বিশেষজ্ঞদের কাছে অপ্রত্যাশিত। DeepMind-এর বৈজ্ঞানিক মর্যাদা বহুগুণ বেড়ে যায়, কিন্তু Google-এর ভেতরে গবেষণা ও বাণিজ্যিক অগ্রাধিকারের ভারসাম্য রক্ষা ক্রমে কঠিন হয়ে ওঠে।

৩. OpenAI-এর জন্ম—নিরাপদ AGI-এর প্রতিশ্রুতি

২০১৫ সালে OpenAI একটি নন-প্রফিট AI গবেষণা সংস্থা হিসেবে যাত্রা শুরু করে। Sam Altman, Elon Musk, Greg Brockman, Ilya Sutskever এবং আরও কয়েকজন প্রযুক্তিবিদ ও বিনিয়োগকারী এর সঙ্গে যুক্ত ছিলেন। ঘোষিত উদ্দেশ্য ছিল এমন artificial general intelligence বা AGI তৈরি করা, যা সমগ্র মানবজাতির উপকারে আসবে।

প্রতিষ্ঠার সময় বড় উদ্বেগ ছিল—যদি AI-এর সবচেয়ে শক্তিশালী রূপ শুধু Google বা অন্য কোনো একক কোম্পানির হাতে থাকে, তবে সেটি মানবতার জন্য ঝুঁকিপূর্ণ হতে পারে। OpenAI তাই শুরুতে উন্মুক্ত গবেষণা, সহযোগিতা এবং মুনাফার ঊর্ধ্বে জনকল্যাণের ধারণা সামনে আনে।

তবে আদর্শ যত বড়, বাস্তবতার চাপও তত বড় ছিল। অত্যাধুনিক AI তৈরি করতে প্রয়োজনীয় compute, গবেষক ও অর্থের পরিমাণ দ্রুত বাড়ছিল। অন্যদিকে Google-এর মতো প্রতিষ্ঠান আগে থেকেই বিশাল ডেটা সেন্টার ও অর্থনৈতিক শক্তির মালিক। ফলে OpenAI-কে খুব তাড়াতাড়ি সিদ্ধান্ত নিতে হয়—শুধু দান ও নন-প্রফিট কাঠামোর ওপর নির্ভর করে কি তারা প্রতিযোগিতায় টিকে থাকতে পারবে?

৪. Elon Musk-এর প্রস্থান ও নিয়ন্ত্রণের দ্বন্দ্ব

OpenAI-এর শুরুর ইতিহাসে Elon Musk গুরুত্বপূর্ণ ভূমিকা পালন করলেও পরবর্তী সময়ে নেতৃত্ব ও নিয়ন্ত্রণ নিয়ে মতবিরোধ তৈরি হয়। বইটি দেখায়, একটি আদর্শবাদী প্রতিষ্ঠানের ভেতরেও ব্যক্তিগত প্রভাব, কৌশলগত দিকনির্দেশ এবং ভবিষ্যৎ মালিকানা নিয়ে সংঘাত তৈরি হতে পারে।

Musk-এর প্রস্থানের পর Sam Altman ও অন্যান্য নেতারা নতুন অর্থায়ন কাঠামোর দিকে এগিয়ে যান। ঘটনাটি গুরুত্বপূর্ণ, কারণ এখান থেকেই OpenAI-এর মূল প্রশ্নটি আরও স্পষ্ট হয়: প্রতিষ্ঠানটি কি নিরাপদ AI গবেষণার নিরপেক্ষ রক্ষক, নাকি প্রতিযোগিতায় জয়ী হতে চাওয়া দ্রুতবর্ধনশীল প্রযুক্তি কোম্পানি?

বাংলাদেশে কোনো স্টার্টআপে সহপ্রতিষ্ঠাতাদের মধ্যে পণ্যের দিকনির্দেশ, শেয়ার, বিনিয়োগকারী বা নিয়ন্ত্রণ নিয়ে মতবিরোধ হলে একই ধরনের সংকট দেখা যেতে পারে। শুরুতে সবাই একই মিশনে একমত থাকলেও প্রতিষ্ঠান বড় হওয়ার সঙ্গে সঙ্গে “কার সিদ্ধান্ত শেষ কথা” প্রশ্নটি গুরুত্বপূর্ণ হয়ে ওঠে।

৫. নন-প্রফিট থেকে capped-profit মডেল

২০১৯ সালে OpenAI একটি for-profit subsidiary গঠন করে, যা সে সময় capped-profit কাঠামো হিসেবে পরিচিত ছিল। যুক্তি ছিল—সেরা গবেষক নিয়োগ, শক্তিশালী কম্পিউটিং অবকাঠামো তৈরি এবং দীর্ঘমেয়াদি AI গবেষণার জন্য প্রচলিত নন-প্রফিট মডেল যথেষ্ট নয়। বিনিয়োগকারী ও কর্মীদের আর্থিক প্রণোদনা দিতে হবে, তবে মুনাফা সীমাহীন হবে না।

এই পরিবর্তন OpenAI-কে দ্রুত সম্প্রসারণের সুযোগ দেয়। একই সঙ্গে সমালোচকেরা প্রশ্ন তোলেন—একটি প্রতিষ্ঠান যখন বাজার থেকে বিপুল বিনিয়োগ নেয় এবং বাণিজ্যিক পণ্য বিক্রি করে, তখন তার জনকল্যাণমূলক প্রতিশ্রুতি কতটা স্বাধীন থাকে?

Supremacy-এর অন্যতম শক্তি হলো, Olson বিষয়টিকে সাদা-কালোভাবে দেখেন না। তিনি বোঝান যে compute-এর বাস্তব ব্যয় উপেক্ষা করে AI আদর্শবাদ টিকিয়ে রাখা কঠিন। কিন্তু অর্থ গ্রহণের সঙ্গে সঙ্গে জবাবদিহিতা, অংশীদারের প্রভাব এবং বাজারের চাপও বাড়ে।

৬. Microsoft–OpenAI জোট—অর্থ, compute ও বাজার

Microsoft ২০১৯ সালে OpenAI-তে বড় বিনিয়োগের ঘোষণা দেয় এবং Azure cloud infrastructure-এর মাধ্যমে প্রয়োজনীয় compute সরবরাহ করে। Satya Nadella-র নেতৃত্বে Microsoft বুঝেছিল যে generative AI পরবর্তী বড় কম্পিউটিং প্ল্যাটফর্ম হতে পারে। তাই OpenAI-এর গবেষণাকে শুধু আর্থিকভাবে সমর্থন নয়, Microsoft-এর পণ্য ও cloud ব্যবসার সঙ্গে যুক্ত করার কৌশল নেওয়া হয়।

এই অংশীদারত্ব OpenAI-কে Google-এর সঙ্গে প্রতিযোগিতা করার মতো অবকাঠামো দেয়। GPT মডেল, GitHub Copilot, Azure OpenAI Service এবং পরবর্তী সময়ে ChatGPT—সবকিছুর পেছনে compute ও distribution-এর গুরুত্ব ছিল অপরিসীম।

Olson-এর বিশ্লেষণে এখানে “মুদ্রা” শুধু টাকা নয়। AI যুগে সবচেয়ে মূল্যবান সম্পদ হলো উন্নত চিপ, ডেটা সেন্টার, বিদ্যুৎ, দক্ষ গবেষক এবং কোটি ব্যবহারকারীর কাছে পৌঁছানোর প্ল্যাটফর্ম। যাদের কাছে এই সম্পদ আছে, তারাই AI-এর দিকনির্দেশে বেশি প্রভাব বিস্তার করতে পারে।

৭. ChatGPT লঞ্চ—একটি গবেষণা পণ্য থেকে বৈশ্বিক ঘটনা

২০২২ সালের ৩০ নভেম্বর ChatGPT জনসাধারণের জন্য উন্মুক্ত হয়। OpenAI-এর ভেতরেও শুরুতে এটি কত বড় ঘটনা হয়ে উঠবে, তা পুরোপুরি অনুমান করা হয়নি। কিন্তু সাধারণ মানুষ খুব দ্রুত বুঝতে পারে যে conversational AI কেবল গবেষণার demo নয়—এটি লেখা, শেখা, কোডিং, পরিকল্পনা, অনুবাদ ও সৃজনশীল কাজে ব্যবহারযোগ্য।

ChatGPT-এর সাফল্য AI শিল্পের গতি বদলে দেয়। আগে যেখানে গবেষণা প্রকাশ, benchmark ও বৈজ্ঞানিক অগ্রগতি গুরুত্বপূর্ণ ছিল, সেখানে হঠাৎ ব্যবহারকারীর সংখ্যা, বাজারে প্রবেশের সময় এবং পণ্য সংযোজন সর্বোচ্চ অগ্রাধিকার পায়। Microsoft তার সার্চ, অফিস সফটওয়্যার ও cloud পণ্যে AI সংযোজনের গতি বাড়ায়।

এই সাফল্য OpenAI-কে অস্বাভাবিক প্রভাব দেয়, কিন্তু একই সঙ্গে safety testing, ভুল তথ্য, hallucination, copyright, privacy এবং কর্মসংস্থানের ওপর প্রভাব নিয়ে প্রশ্ন তৈরি করে। প্রযুক্তি যত দ্রুত সাধারণ মানুষের হাতে যায়, নিয়ন্ত্রণব্যবস্থার দুর্বলতাও তত দৃশ্যমান হয়।

৮. DeepMind বনাম OpenAI—Google-এর প্রতিক্রিয়া

ChatGPT-এর বিস্ফোরক জনপ্রিয়তা Google-এর জন্য বড় কৌশলগত চাপ তৈরি করে। Google বহু বছর ধরে transformer architecture, language model এবং DeepMind-এর গবেষণায় নেতৃত্ব দিলেও সাধারণ ব্যবহারকারীর চোখে generative AI-এর প্রতীক হয়ে ওঠে OpenAI।

Google দ্রুত Bard চালু করে, যা পরবর্তী সময়ে Gemini নামে পুনর্গঠিত হয়। অন্যদিকে ২০২৩ সালে Google Brain ও DeepMind-কে একত্র করে Google DeepMind গঠন করা হয়। এই পুনর্গঠন গবেষণা, মডেল উন্নয়ন এবং পণ্যায়নকে একই নেতৃত্বের অধীনে আনার প্রচেষ্টা হিসেবে দেখা যায়।

Olson দেখান, প্রতিযোগিতা উদ্ভাবনের গতি বাড়ায় ঠিকই, কিন্তু তার একটি অন্ধকার দিকও আছে। যখন প্রতিদ্বন্দ্বী এগিয়ে যাচ্ছে, তখন নিরাপত্তা পরীক্ষা, নৈতিক মূল্যায়ন বা ধীর গবেষণা প্রতিষ্ঠানগুলোর কাছে বিলাসিতা বলে মনে হতে পারে। ফলাফল হলো “আগে বাজারে যাও, পরে সমস্যা ঠিক করো” সংস্কৃতি। সাধারণ সফটওয়্যারে এই পদ্ধতি ক্ষতিকর হতে পারে; সমাজব্যাপী প্রভাব বিস্তারকারী AI-তে এটি আরও বিপজ্জনক।

৯. নীতি বনাম মুনাফা—bias ও safety-এর সংকট

Generative AI মডেল ইন্টারনেট, বই, ওয়েবসাইট এবং নানা ধরনের ডিজিটাল কনটেন্ট থেকে শেখে। এই ডেটার মধ্যে মানবসমাজের পক্ষপাত, বৈষম্য, ভুল তথ্য ও সাংস্কৃতিক অসাম্যও থাকে। তাই মডেল কখনো লিঙ্গ, জাতি, পেশা বা অঞ্চল সম্পর্কে পক্ষপাতদুষ্ট আউটপুট দিতে পারে।

বড় কোম্পানিগুলো safety team, moderation system এবং alignment research-এ বিনিয়োগ করলেও পণ্য প্রকাশের বাণিজ্যিক চাপের সঙ্গে এসব উদ্যোগের সংঘাত তৈরি হতে পারে। বইটি দেখায়, নৈতিকতা প্রায়ই কোম্পানির ঘোষণাপত্রে শক্তিশালী থাকে, কিন্তু সময়সীমা ও প্রতিযোগিতার মুহূর্তে দুর্বল হয়ে পড়ে।

বাংলা ভাষার ক্ষেত্রে representation gap আরও স্পষ্ট। ইংরেজির তুলনায় বাংলা ভাষায় উচ্চমানের, বৈচিত্র্যময় ও সঠিক ডিজিটাল ডেটা কম। ফলে বাংলা AI আউটপুটে ভুল, অনুবাদনির্ভরতা, সাংস্কৃতিক অসঙ্গতি এবং স্থানীয় বাস্তবতার দুর্বল বোঝাপড়া দেখা দিতে পারে। এটি কেবল প্রযুক্তিগত সমস্যা নয়; ভাষাগত সমতা ও জ্ঞানপ্রাপ্তির প্রশ্ন।

১০. ক্ষমতার কেন্দ্রীকরণ ও compute monopoly

বড় AI মডেল তৈরি করতে যে পরিমাণ compute প্রয়োজন, তা অধিকাংশ বিশ্ববিদ্যালয়, ছোট কোম্পানি বা উন্নয়নশীল দেশের নাগালের বাইরে। ফলে AI গবেষণার সবচেয়ে শক্তিশালী স্তরটি কয়েকটি cloud provider, chip manufacturer এবং প্রযুক্তি প্ল্যাটফর্মের মধ্যে সীমাবদ্ধ হয়ে যাচ্ছে।

এই কেন্দ্রীকরণের তিনটি বড় ফল আছে। প্রথমত, কোন গবেষণা হবে এবং কোন পণ্য বাজারে আসবে—তা অল্প কয়েকটি প্রতিষ্ঠানের সিদ্ধান্তে নির্ভর করে। দ্বিতীয়ত, ছোট কোম্পানিগুলো বড় প্রতিষ্ঠানের API, cloud ও pricing-এর ওপর নির্ভরশীল হয়। তৃতীয়ত, সরকার ও সাধারণ মানুষের পক্ষে মডেলের কার্যপ্রণালী, প্রশিক্ষণ ডেটা ও ঝুঁকি যাচাই করা কঠিন হয়ে পড়ে।

Olson-এর সতর্কতা হলো, AI-এর ভবিষ্যৎ শুধু “কে সবচেয়ে বুদ্ধিমান মডেল বানাল” দিয়ে নির্ধারিত হবে না। যে প্রতিষ্ঠান compute, distribution এবং capital একসঙ্গে নিয়ন্ত্রণ করবে, সে-ই প্রযুক্তির সামাজিক নিয়মও প্রভাবিত করতে পারবে।

১১. মানুষের জন্য কী থাকবে?

বইটি কোনো সরল ভবিষ্যদ্বাণী দেয় না যে AI সব চাকরি নিয়ে নেবে বা মানবজাতিকে ধ্বংস করবে। বরং এটি ক্ষমতার প্রশ্ন তোলে। AI যদি মানুষের কাজের বড় অংশ স্বয়ংক্রিয় করে, উৎপাদনশীলতা বাড়ায় এবং নতুন সম্পদ সৃষ্টি করে—সেই লাভ কীভাবে বণ্টিত হবে?

একই প্রযুক্তি একজন শিক্ষককে উন্নত lesson plan তৈরিতে সাহায্য করতে পারে, আবার ভুয়া তথ্যের হাজার হাজার কপি তৈরি করতে পারে। এটি চিকিৎসককে রোগ নির্ণয়ে সহায়তা করতে পারে, আবার ভুল বা পক্ষপাতদুষ্ট সিদ্ধান্তকে বড় স্কেলে ছড়িয়ে দিতে পারে। প্রযুক্তির সম্ভাবনা ও ঝুঁকি আলাদা নয়; দুটোই তার মালিকানা, নকশা, ব্যবহারের নিয়ম ও জবাবদিহিতার ওপর নির্ভর করে।

Supremacy-এর শেষ পর্যন্ত সবচেয়ে অস্বস্তিকর শিক্ষা হলো—মানবজাতির ভবিষ্যৎ নিয়ে বড় সিদ্ধান্তগুলো গণতান্ত্রিক আলোচনার আগেই কর্পোরেট boardroom ও গবেষণাগারে নেওয়া হচ্ছে।

OpenAI বনাম DeepMind: তুলনামূলক বিশ্লেষণ

বইটির মূল দর্শন

আদর্শবাদ বনাম বাস্তবতা

একটি প্রতিষ্ঠানের প্রতিষ্ঠাকালীন মিশন গুরুত্বপূর্ণ, কিন্তু সেটিই ভবিষ্যৎ আচরণের নিশ্চয়তা নয়। অর্থায়ন, প্রতিযোগিতা, নেতৃত্বের উচ্চাকাঙ্ক্ষা এবং বাজারের চাপ মিশনকে ধীরে ধীরে বদলে দিতে পারে।

ক্ষমতা কেন্দ্রীভূত হলে জবাবদিহিতা কমে

যখন প্রযুক্তি, ডেটা, compute ও distribution একই প্রতিষ্ঠানের হাতে থাকে, তখন বাইরের গবেষক, সরকার ও জনগণের পক্ষে সিদ্ধান্ত যাচাই করা কঠিন হয়। নিয়ন্ত্রণহীন ক্ষমতা ভালো উদ্দেশ্যকেও ঝুঁকিপূর্ণ করে তুলতে পারে।

প্রযুক্তির গতি ও নীতির গতির মধ্যে ফাঁক

AI মডেল কয়েক মাসের মধ্যে বদলে যায়, কিন্তু আইন, শিক্ষা ও সামাজিক প্রতিষ্ঠান বদলাতে বছর লাগে। এই গতির ব্যবধানেই ভুল তথ্য, কর্মসংস্থান সংকট, privacy ক্ষতি এবং বৈষম্যের ঝুঁকি বাড়ে।

Supremacy-এর চারটি গুরুত্বপূর্ণ ধারণা

বাংলাদেশের প্রেক্ষাপটে Supremacy কেন গুরুত্বপূর্ণ?

১. স্থানীয় কোম্পানির API নির্ভরতা

bKash বা Pathao-এর মতো বৃহৎ স্থানীয় প্রযুক্তি প্রতিষ্ঠানসহ বাংলাদেশের যেকোনো ডিজিটাল সেবাদাতা ভবিষ্যতে customer support, fraud detection, document processing বা recommendation system-এ বৈশ্বিক AI সেবা ব্যবহার করতে পারে। এখানে প্রতিষ্ঠান দুটির নির্দিষ্ট AI ব্যবহার সম্পর্কে কোনো দাবি করা হচ্ছে না; উদাহরণগুলো কেবল স্থানীয় প্রযুক্তি খাতের সম্ভাব্য নির্ভরতা বোঝাতে ব্যবহৃত। এতে দ্রুত উন্নত প্রযুক্তি পাওয়া যায়, কিন্তু pricing, data policy বা service availability বদলালে স্থানীয় প্রতিষ্ঠানের নিয়ন্ত্রণ সীমিত থাকে।

২. BASIS-ভুক্ত ছোট সফটওয়্যার প্রতিষ্ঠানের চ্যালেঞ্জ

বাংলাদেশের ছোট ও মাঝারি সফটওয়্যার কোম্পানির পক্ষে foundation model তৈরি করা বাস্তবসম্মত নাও হতে পারে। তাদের প্রতিযোগিতার জায়গা হবে স্থানীয় ভাষা, নির্দিষ্ট শিল্পখাত, সেবা integration এবং গ্রাহকের বাস্তব সমস্যা সমাধান। কিন্তু বড় কোম্পানির API-এর ওপর অতিরিক্ত নির্ভরতা দীর্ঘমেয়াদে margin ও স্বাধীনতা কমাতে পারে।

৩. বাংলা ভাষার representation gap

বাংলা ভাষার AI উন্নয়নে উচ্চমানের corpus, স্থানীয় গবেষণা, benchmark এবং নৈতিক নির্দেশিকা প্রয়োজন। অন্যথায় ইংরেজিকেন্দ্রিক মডেল বাংলাদেশের আইন, সংস্কৃতি, উপভাষা ও সামাজিক বাস্তবতা ভুলভাবে উপস্থাপন করতে পারে।

৪. সরকারি নীতি ও ডিজিটাল সেবা

সরকারি ডিজিটাল উদ্যোগে AI ব্যবহার হলে procurement, citizen data, algorithmic transparency এবং appeal mechanism পরিষ্কার থাকা দরকার। কোনো AI যদি ঋণ, ভর্তুকি, নিয়োগ বা সেবাপ্রাপ্তির সিদ্ধান্তে ভূমিকা রাখে, নাগরিককে জানতে হবে সিদ্ধান্তটি কীভাবে নেওয়া হয়েছে এবং ভুল হলে প্রতিকার কোথায় পাওয়া যাবে।

৫. কর্মসংস্থান ও দক্ষতা

বাংলাদেশের outsourcing, content production, customer service, basic design এবং entry-level programming কাজে generative AI দ্রুত প্রভাব ফেলতে পারে। তাই “AI চাকরি নেবে কি না” প্রশ্নের চেয়ে গুরুত্বপূর্ণ হলো—কোন কাজের ধরন বদলাবে এবং কর্মীদের কীভাবে পুনঃপ্রশিক্ষণ দেওয়া হবে?

পাঠকের জন্য পাঁচটি কার্যকরী করণীয়

1. AI-এর উত্তর যাচাই করুন: একটি মডেলের আউটপুটকে চূড়ান্ত সত্য ধরে নেবেন না। গুরুত্বপূর্ণ তথ্য নির্ভরযোগ্য উৎসের সঙ্গে মিলিয়ে নিন।
2. মিশন নয়, কাঠামোও দেখুন: কোনো AI কোম্পানি কী প্রতিশ্রুতি দেয় তার পাশাপাশি মালিকানা, বিনিয়োগকারী, revenue model ও data policy বোঝার চেষ্টা করুন।
3. নিজের পেশার task-level বিশ্লেষণ করুন: পুরো চাকরি হারাবে কি না ভেবে আতঙ্কিত হওয়ার বদলে কোন কাজগুলো AI দ্রুত করবে এবং কোন কাজগুলোতে মানবিক বিচার প্রয়োজন—তার তালিকা করুন।
4. একাধিক tool ও provider ব্যবহার করুন: একটি vendor-এর ওপর পুরো workflow নির্ভরশীল করবেন না। প্রয়োজন অনুযায়ী বিকল্প model, local backup এবং data export ব্যবস্থা রাখুন।
5. নীতিগত আলোচনায় অংশ নিন: শিক্ষা, privacy, copyright, কর্মসংস্থান ও সরকারি সেবায় AI ব্যবহারের নিয়ম নিয়ে নাগরিক ও পেশাজীবী হিসেবে প্রশ্ন তুলুন।

Supremacy বাংলা সামারি থেকে শীর্ষ ১০টি শিক্ষা

1. আদর্শবাদী মিশনও পরিবর্তিত হতে পারে। প্রতিষ্ঠানের উদ্দেশ্য বুঝতে তার বর্তমান অর্থায়ন ও সিদ্ধান্ত কাঠামোও দেখতে হয়।
2. Compute আজকের AI যুগের প্রধান মুদ্রা। শক্তিশালী চিপ ও cloud ছাড়া সবচেয়ে ভালো গবেষণা দলও পিছিয়ে পড়তে পারে।
3. নন-প্রফিট পরিচয় স্বয়ংক্রিয় স্বচ্ছতা নিশ্চিত করে না। প্রকৃত জবাবদিহিতা আসে governance, disclosure ও স্বাধীন oversight থেকে।
4. প্রতিযোগিতা উদ্ভাবন বাড়ায়, কিন্তু নিরাপত্তা ঝুঁকিও বাড়াতে পারে। প্রতিদ্বন্দ্বীর আগে বাজারে যাওয়ার চাপ ভুল সিদ্ধান্তকে উৎসাহিত করে।
5. কয়েকজন নেতার সিদ্ধান্ত কোটি মানুষের ওপর প্রভাব ফেলতে পারে। AI governance-কে শুধু corporate leadership-এর বিষয় হিসেবে দেখা যথেষ্ট নয়।
6. বড় প্রযুক্তি অংশীদার অর্থ ও বাজার দেয়, কিন্তু স্বাধীনতার মূল্য নিতে পারে। অবকাঠামোর ওপর নির্ভরতা কৌশলগত নিয়ন্ত্রণ তৈরি করে।
7. AI bias সামাজিক ন্যায়বিচারের প্রশ্ন। ভুল representation বাস্তব জীবনে সুযোগ, সেবা ও মর্যাদাকে প্রভাবিত করতে পারে।
8. দ্রুত product launch নৈতিক পরীক্ষাকে দুর্বল করতে পারে। safety-কে পরে যোগ করার feature হিসেবে দেখা বিপজ্জনক।
9. জনস্বার্থ ও কর্পোরেট স্বার্থের ভারসাম্য আইন ও প্রতিষ্ঠান দিয়ে তৈরি করতে হয়। ভালো উদ্দেশ্যের ওপর একা নির্ভর করা যায় না।
10. সাধারণ মানুষের AI literacy অপরিহার্য। প্রযুক্তির ভবিষ্যৎ নিয়ে অর্থপূর্ণ গণতান্ত্রিক আলোচনা করতে হলে নাগরিককে মৌলিক ধারণা বুঝতে হবে।

উল্লেখযোগ্য বক্তব্য ও ভাবার্থ

বইটির শক্তি ও সীমাবদ্ধতা

যেসব কারণে বইটি শক্তিশালী

• মানবিক narrative: জটিল AI ইতিহাসকে ব্যক্তি, সিদ্ধান্ত ও সংঘাতের গল্প হিসেবে বলা হয়েছে।
• অনুসন্ধানী গভীরতা: প্রতিষ্ঠানের প্রকাশ্য বক্তব্যের পাশাপাশি ভেতরের ক্ষমতার সম্পর্ক তুলে ধরা হয়েছে।
• পাঠযোগ্যতা: প্রযুক্তিগত বিষয় থাকা সত্ত্বেও বইটি business thriller-এর মতো এগোয়।
• সময়োপযোগিতা: AI safety, monopoly ও governance-এর প্রশ্নগুলো এখনও অত্যন্ত প্রাসঙ্গিক।

যেসব সীমাবদ্ধতা মনে রাখা দরকার

• বইটি প্রধানত যুক্তরাষ্ট্র ও যুক্তরাজ্যকেন্দ্রিক প্রযুক্তি শিল্পের গল্প; Global South-এর দৃষ্টিভঙ্গি সীমিত।
• গভীর machine learning architecture বা model training বোঝার জন্য এটি technical textbook নয়।
• লেখক ক্ষমতার কেন্দ্রীকরণ নিয়ে সমালোচনামূলক অবস্থান নিয়েছেন; ফলে কিছু পাঠকের কাছে narrative-এর ভারসাম্য নিয়ে প্রশ্ন থাকতে পারে।
• AI শিল্প দ্রুত বদলাচ্ছে। ২০২৪ সালের পরের কর্পোরেট পরিবর্তন বুঝতে হালনাগাদ উৎসও পড়তে হবে।

কারা Supremacy বইটি পড়বেন?

প্রায়শ জিজ্ঞাসিত প্রশ্ন

চূড়ান্ত রায়: Supremacy কি পড়া উচিত?

Supremacy এমন একটি বই, যা ChatGPT-এর ইতিহাস জানার আগ্রহ থেকে শুরু করে AI governance-এর গভীর প্রশ্ন পর্যন্ত পাঠককে নিয়ে যায়। এর সবচেয়ে বড় শক্তি হলো—বইটি প্রযুক্তিকে কোনো জাদুকরী, স্বয়ংসম্পূর্ণ শক্তি হিসেবে দেখায় না। বরং মনে করিয়ে দেয়, প্রতিটি AI system-এর পেছনে মানুষ, অর্থ, কোম্পানি, চিপ, ডেটা এবং রাজনৈতিক সিদ্ধান্ত থাকে।

বইটির narrative কখনো কখনো ব্যক্তিকেন্দ্রিক এবং Silicon Valley-কেন্দ্রিক মনে হতে পারে। প্রযুক্তিগত ব্যাখ্যাও সীমিত। কিন্তু Olson-এর উদ্দেশ্য model architecture শেখানো নয়; তিনি দেখাতে চেয়েছেন কীভাবে আধুনিক AI-এর নিয়ন্ত্রণ অল্প কয়েকটি প্রতিষ্ঠানের হাতে কেন্দ্রীভূত হয়েছে। সেই উদ্দেশ্যে বইটি অত্যন্ত সফল।

বাংলাদেশের পাঠকের জন্য এর সবচেয়ে জরুরি বার্তা হলো—আমরা AI দৌড়ের কেন্দ্রস্থলে না থাকলেও এর নিয়মে চলতে বাধ্য হচ্ছি। তাই শুধু AI tool ব্যবহার শেখা যথেষ্ট নয়; tool-টির মালিক কে, ডেটা কোথায় যায়, pricing কে নিয়ন্ত্রণ করে এবং ভুল সিদ্ধান্তের দায় কার—এসব প্রশ্নও করতে হবে।

আমাদের সুপারিশ: AI, প্রযুক্তি ব্যবসা, নেতৃত্ব ও ভবিষ্যৎ সমাজের সম্পর্ক বুঝতে চাইলে Supremacy অবশ্যপাঠ্য। এটি আপনাকে AI নিয়ে শুধু বিস্মিত করবে না; প্রযুক্তির পেছনের ক্ষমতার কাঠামো নিয়েও ভাবতে বাধ্য করবে।

Martvan.com-এ আরও পড়ুন

তথ্যসূত্র ও বাইরের লিংক