একই প্রশ্নের উত্তরে চ্যাটবট কেন ভিন্ন ভিন্ন উত্তর দেয়?
একটি চ্যাটবট একই প্রশ্নের ভিন্ন ভিন্ন উত্তর দেয়, কারণ প্রতিটি উত্তর তৈরি করার সময় এটি পরবর্তী সম্ভাব্য শব্দগুলোর মধ্যে থেকে বেছে নেয়, আর সেই নির্বাচনে সাধারণত কিছুটা দৈবতা থাকে। এটি সংরক্ষিত কোনো একটি উত্তর খুঁজে এনে দেয় না।
ফেয়ারলাইন আর্কিটেক্টস নামে 30 জনের একটি কাল্পনিক স্থাপত্য প্রতিষ্ঠানের কথা ভাবুন। প্রতিষ্ঠানটি AI সহকারী ব্যবহার শুরু করার আগে একজন অংশীদার অফিস ব্যবস্থাপক রোয়ানকে তিনটি বিষয় ব্যাখ্যা করতে বলেন। রোয়ানের নোটে লেখা: 'অনুমোদিত নির্মাণের নিয়ম নিয়ে দুবার জিজ্ঞেস করে দুটি আলাদা উত্তর পেয়েছি'; 'পরিকল্পনা নির্দেশিকার এমন একটি নথি নম্বরের উল্লেখ করেছে, যার অস্তিত্বই নেই'; 'ছবি তৈরির টুলটি নতুন স্টুডিওর সুন্দর একটি স্কেচ বানিয়েছে, কিন্তু জানালাগুলো এক সরলরেখায় নেই'। অংশীদার জানতে চান টুলটি নষ্ট কি না। এটি নষ্ট নয়। যে কাজ করার জন্য এটি তৈরি করা হয়েছে, ঠিক সেটিই করছে।
একটি জেনারেটিভ AI মডেলকে কীভাবে প্রশিক্ষণ দেওয়া হয়?
একটি বৃহৎ ভাষা মডেলকে প্রথমে বিপুল পরিমাণ লেখা দিয়ে প্রশিক্ষণ দেওয়া হয়, যাতে সেটি লেখার পরের অংশ অনুমান করতে পারে। এরপর নির্দেশনা মেনে কার্যকর উত্তর দেওয়ার জন্য আরও প্রশিক্ষণ দেওয়া হয়। Anthropic-এর শব্দকোষ অনুযায়ী, প্রাক্প্রশিক্ষণ হলো লেবেলবিহীন বিপুল পরিমাণ লেখার ওপর প্রশিক্ষণ, যেখানে আগের প্রসঙ্গ থেকে পরের শব্দ অনুমান করা হয়। এরপর হয় সূক্ষ্ম সমন্বয়ের প্রশিক্ষণ ও মানুষের প্রতিক্রিয়ার ভিত্তিতে পুরস্কারনির্ভর শেখা; এতে মানুষ নমুনা উত্তরগুলোকে মান অনুযায়ী সাজান এবং মডেল তুলনামূলক ভালো উত্তরগুলোকে অগ্রাধিকার দিতে শেখে।
মডেল প্রতিটি নথির একটি করে কপি রেখে দেয় না। এর পূর্বানুমান ডেটার ধরনগুলোর সঙ্গে মিলে যাওয়া পর্যন্ত এটি ভেতরের কোটি কোটি সংখ্যা সমন্বয় করে। শেষ পর্যন্ত যা তৈরি হয়, তা অনুসন্ধানযোগ্য কোনো গ্রন্থাগারের চেয়ে ভাষা ও ধারণা সাধারণত কীভাবে একে অন্যের সঙ্গে যুক্ত হয়, সে সম্পর্কে অত্যন্ত বিস্তারিত ধারণার কাছাকাছি।
টোকেন কী এবং মডেল কীভাবে সেগুলো পূর্বানুমান করে?
টোকেন হলো ছোট ছোট একক যা একটি মডেল পড়ে ও লেখে; প্রায়ই এগুলো একটি শব্দ বা শব্দের অংশ। মডেল বারবার পরবর্তী সম্ভাব্য টোকেন অনুমান করে লেখে। Google-এর মেশিন লার্নিং কোর্সে ভাষা মডেলকে এমন ব্যবস্থা হিসেবে বর্ণনা করা হয়েছে, যা দীর্ঘতর একটি ক্রমের মধ্যে কোনো টোকেন বা টোকেনের ক্রম আসার সম্ভাবনা হিসাব করে। সেখানে আরও বলা হয়েছে, প্রায় 400 টোকেন মোটামুটি 300 ইংরেজি শব্দের সমান।
প্রতিটি ধাপে মডেল পরবর্তী সম্ভাব্য অনেক টোকেনকে স্কোর দেয়। এরপর অ্যাপ্লিকেশন একটি বেছে নেয়—কখনো সবচেয়ে সম্ভাব্যটি, আবার প্রায়ই সম্ভাব্য বিকল্পগুলো থেকে নমুনা হিসেবে নেওয়া একটি। টেম্পারেচার নামের একটি সেটিং নিয়ন্ত্রণ করে এই বাছাই কতটা বৈচিত্র্যপূর্ণ হবে: মান বেশি হলে ভাষায় বেশি বৈচিত্র্য আসে, কম হলে ভাষা আরও অনুমানযোগ্য হয়। Anthropic জানায়, সর্বনিম্ন টেম্পারেচারেও ফলাফল পুরোপুরি নির্ধারিত নয়। এটাই রোয়ানের প্রথম মন্তব্যের উত্তর।
AI দিয়ে ছবি তৈরির সরঞ্জামগুলো কীভাবে কাজ করে?
অনেক AI ছবি তৈরির সরঞ্জাম ডিফিউশন নামে একটি পদ্ধতি ব্যবহার করে: মডেলটি ছবি থেকে নয়েজ সরাতে শেখে, তারপর এলোমেলো নয়েজ দিয়ে শুরু করে আপনার লিখিত বর্ণনার নির্দেশনায় ধাপে ধাপে তা পরিমার্জন করে নতুন ছবি তৈরি করে। হাগিং ফেসের ডিফিউশন কোর্সে প্রশিক্ষণকে ব্যাখ্যা করা হয়েছে বিভিন্ন মাত্রায় নয়েজ যোগ করে মডেলকে তা ঠিক করতে শেখানো হিসেবে, আর ছবি তৈরিকে ব্যাখ্যা করা হয়েছে ছবি ফুটে ওঠা পর্যন্ত এলোমেলো নয়েজ ধীরে ধীরে পরিমার্জন করা হিসেবে।
কারণ মডেলটি কোনো স্থপতির নকশা অনুসরণ না করে বিশ্বাসযোগ্য মনে হয় এমন পিক্সেল সাজাচ্ছে, তাই জানালার সারিবিন্যাস, সাইনবোর্ডের লেখা বা আঙুলের সংখ্যার মতো খুঁটিনাটি ভুল হতে পারে। এটি রোয়ানের তৃতীয় মন্তব্য।
আপনি টুলগুলো কীভাবে ব্যবহার করবেন, সে ক্ষেত্রে এর অর্থ কী?
এর অর্থ হলো, টুলটির স্মৃতির ওপর নির্ভর না করে, আপনি যে তথ্যের ভিত্তিতে তাকে কাজ করতে চান তা তাকে দেওয়া উচিত। দুর্বল প্রম্পট: 'বাড়ির পেছনে বাড়তি অংশ নির্মাণের ক্ষেত্রে কোন অনুমোদিত নির্মাণবিধি প্রযোজ্য?' উত্তরটি সাবলীল হয়, প্রতিবার চেষ্টায় বদলে যায় এবং বিভিন্ন বছর বা দেশের নিয়ম মিশিয়ে ফেলতে পারে। এতে বিশ্বাসযোগ্য মনে হলেও বানানো কোনো নথির উল্লেখও থাকতে পারে। এ কারণেই রোয়ানের দ্বিতীয় নোটটি দেওয়া হয়েছে।
উন্নত প্রম্পট: রোয়ান সরকারি পরিকল্পনা নির্দেশিকা থেকে প্রাসঙ্গিক অংশ পেস্ট করে জিজ্ঞেস করেন: 'শুধু নিচের লেখার ভিত্তিতে, বাড়ির পেছনে একতলা সম্প্রসারণের আকারসংক্রান্ত সীমাগুলো একটি ছকে সংক্ষেপে দিন। কোনো বিষয় লেখায় না থাকলে বলুন, উল্লেখ নেই।' এখন মডেলের কাজ হলো সামনে থাকা লেখাকে নতুনভাবে বলা ও সাজানো, যা এটি ভালো পারে, আর রোয়ান প্রতিটি লাইন মূল উৎসের সঙ্গে মিলিয়ে দেখতে পারেন।
জেনারেটিভ AI-এর সীমাবদ্ধতাগুলো কী?
মূল সীমাবদ্ধতাগুলো হলো: জেনারেটিভ AI আত্মবিশ্বাসের সঙ্গে ভুল কথা বলতে পারে; অনুসন্ধান বা নথির সঙ্গে যুক্ত না থাকলে এর জ্ঞান একটি নির্দিষ্ট সময় পর্যন্ত সীমিত থাকে; এর কনটেক্সট উইন্ডোতে যতটুকু ধরে, শুধু ততটুকু নিয়েই কাজ করতে পারে; এবং প্রশিক্ষণের ডেটার পক্ষপাত এতে প্রতিফলিত হতে পারে। আরও ভদ্রভাবে অনুরোধ করলে এগুলোর কোনোটি সেরে যাবে না; মডেলগুলো যেভাবে কাজ করে, সেখান থেকেই এসব সীমাবদ্ধতা আসে।
আপনার বিশ্বস্ত কোনো উৎসের সঙ্গে তথ্য, সংখ্যা, নাম ও তথ্যসূত্র মিলিয়ে দেখুন এবং নির্ভুলতা গুরুত্বপূর্ণ হলে টুলকে সবসময় মূল উৎসের উপকরণ দিন।
Tosheo.ai-এর পাঠ্যতালিকায় এই পাঠটি কোথায় রয়েছে?
জেনারেটিভ AI কীভাবে কাজ করে পাঠটি AI-এর ভিত্তি বিভাগে রয়েছে। এটি নতুনদের জন্য AI শেখার শুরুর দিকের একটি পাঠ এবং জেনারেটিভ AI কোর্সের প্রথম পাঠ। Tosheo.ai-তে হাতে-কলমে কাজটিতে আপনাকে আগে অনুমান করতে হবে এবং তারপর পরীক্ষা করে দেখতে হবে, টেম্পারেচারের মতো সেটিংস বদলালে বা উৎস লেখা দিলে একটি সরঞ্জাম কীভাবে আচরণ করে। মূল্যায়নের মানদণ্ডভিত্তিক প্রতিক্রিয়ায় যাচাই করা হয়, আপনার ব্যাখ্যাটি কোনো সহকর্মীর কাছে বোধগম্য হবে কি না।
উৎস ও পরিধি
Hugging Face Diffusion Models Course, ইউনিট 1 ডিফিউশনের পরিচিতি (যাচাই করা হয়েছে 19 অক্টোবর 2026) ↗