এআই কীভাবে প্রশ্ন বুঝে গুছিয়ে উত্তর দেয়

কৃত্রিম বুদ্ধিমত্তাভিত্তিক (এআই) চ্যাটবট চ্যাটজিপিটির উত্তর দেখে অনেকেই অবাক হন। কারণ, এটি প্রতিবারই প্রাসঙ্গিক ও গোছানো উত্তর দেয়। তবে এর পেছনের জটিল প্রযুক্তি ও বিশাল প্রশিক্ষণের বিষয়টি অনেকেরই অজানা। প্রযুক্তির এই যুগে চ্যাটজিপিটির মতো এআই ব্যবস্থাকে শুধু ব্যবহার করলেই চলবে না, এর কাজের ধরনটাও অন্তত মোটামুটি জানা জরুরি।

যেভাবে লেখা বিশ্লেষণ করে চ্যাটজিপিটি

চ্যাটজিপিটি একধরনের লার্জ ল্যাঙ্গুয়েজ মডেল (এলএলএম)। আরও নির্দিষ্টভাবে বললে, এটি একটি ক্যাজুয়াল ল্যাঙ্গুয়েজ মডেল, যার কাজ হলো পূর্ববর্তী শব্দগুলোর ওপর ভিত্তি করে পরবর্তী শব্দ কী হতে পারে, তা অনুমান করে লেখা তৈরি করা। এটি অনেকটা আপনার ফোনে থাকা ভবিষ্যদ্বাণীমূলক লেখার মতো, তবে অনেক উন্নত।

তবে ভবিষ্যদ্বাণী করার আগে, চ্যাটজিপিটি প্রথমে আপনার ইনপুট বা জিজ্ঞাসাটিকে এমনভাবে রূপান্তর করে, যাতে মেশিনটি সেটা বুঝতে পারে। এ পর্যায়ে টোকেনাইজেশন নামক প্রক্রিয়া কাজে লাগে।

টোকেন হচ্ছে টেক্সটের ক্ষুদ্র একক। একটি টোকেন একটি অক্ষর বা একটি শব্দ পর্যন্ত হতে পারে। যেমন—‘চ্যাটজিপিটি’ শব্দটি বিভক্ত হয়ে যেতে পারে ‘চ্যাট’ এবং ‘জিপিটি’—এই দুটি টোকেনে।

আপনি যখন কোনো প্রশ্ন করেন, তখন চ্যাটজিপিটি সেই লেখাকে টোকেনে ভেঙে বিশ্লেষণ করে এবং একটি একটি করে সম্ভাব্য পরবর্তী টোকেন অনুমান করতে থাকে যতক্ষণ না সম্পূর্ণ উত্তর তৈরি হয়।

চ্যাটজিপিটি কী বলবে সিদ্ধান্ত নেয় যেভাবে

চ্যাটজিপিটি একটি একটি টোকেন করে উত্তর তৈরি করে। পুরো প্রক্রিয়াটি এমন—

১. ইনপুট প্রসেসিং: আপনার লেখাকে টোকেনে ভেঙে ফেলে।

২. প্রাসঙ্গিকতা বিশ্লেষণ: এই টোকেনগুলো বিশ্লেষণ করে বুঝে আপনি কী জানতে চাইছেন।

৩. পরবর্তী টোকেন অনুমান: এরপর এটি সম্ভাব্য পরবর্তী টোকেন কোনটি হতে পারে, তা গণনা করে।

৪. পুনরাবৃত্তি: সেই টোকেন যুক্ত করে আবার পরবর্তী অনুমান করতে থাকে যতক্ষণ না উত্তর সম্পূর্ণ হয়।

এভাবে একটির পর একটি টোকেন যুক্ত করতে করতে উত্তর তৈরি হয় বলেই আপনি দেখতে পান, চ্যাটজিপিটি যেন টাইপ করে উত্তর দিচ্ছে।

কোন শব্দ গুরুত্বপূর্ণ বোঝে যেভাবে

চ্যাটজিপিটি চলে ট্রান্সফরমার নামক গভীর শিক্ষণভিত্তিক (ডিপ লার্নিং) একধরনের মডেলের ওপর। এটির মূল শক্তি সেল্ফ-অ্যাটেনশন প্রযুক্তি।

এই প্রযুক্তির মাধ্যমে চ্যাটজিপিটি বুঝতে পারে, একটি বাক্যের কোনো শব্দ কোনোটার সঙ্গে কতটা সম্পর্কিত বা প্রাসঙ্গিক। এতে শব্দগুলোকে আলাদাভাবে নয়, বরং গোটা বাক্য বা অনুচ্ছেদের প্রেক্ষাপটে বিশ্লেষণ করা যায়। যেমন: ‘The bank will not approve the loan.’ এই বাক্যে ‘bank’ বলতে নদীর পাড় নাকি একটি আর্থিক প্রতিষ্ঠান বোঝানো হয়েছে, তা চ্যাটজিপিটি বুঝে নিতে পারে বাক্যের অন্য শব্দ দেখে—এটাই ‘সেল্ফ অ্যাটেনশন’-এর কাজ।

‘মানুষের মতো’ কথা বলা শিখেছে যেভাবে

চ্যাটজিপিটি কীভাবে ভাষা বোঝে, কীভাবে নির্ভুল শব্দ ব্যবহার করে—সবই নির্ভর করে এর প্রশিক্ষণের ওপর। এটি বিশাল পরিমাণ তথ্য পড়ে ও বিশ্লেষণ করে শিখেছে।

এই প্রশিক্ষণ দুটি ধাপে চলে—

প্রি ট্রেইনিং: বিপুল পরিমাণ লেখাজোখা বিশ্লেষণ করে চ্যাটজিপিটি শেখে কোন শব্দের পরে কোন শব্দ সাধারণত আসে। এতে এটি ব্যাকরণ, সাধারণ জ্ঞান এবং কিছু যৌক্তিক ধারণাও আয়ত্ত করে।

ফাইন–টিউনিং: এই ধাপে নির্দিষ্ট কিছু ডেটা ও মানুষের পর্যবেক্ষণের মাধ্যমে মডেলটির আচরণ আরও পরিমার্জন করা হয় যাতে এটি আরও সহায়ক, প্রাসঙ্গিক ও নিরাপদ হয়।

একই প্রশ্নের উত্তর ভিন্নভাবে দেওয়ার ক্ষমতা

চ্যাটজিপিটি যখন উত্তর তৈরি করে, তখন প্রতিবারই সম্ভাব্য অনেক টোকেনের (শব্দ বা অংশ) মধ্যে সবচেয়ে উপযুক্তটি বেছে নেয়। তবে অনেক সময় কয়েকটি টোকেনের সম্ভাবনা প্রায় একই রকম হয়। তখন যেকোনো একটি বেছে নেওয়া হয়, যা প্রতিবারই একটু ভিন্ন হতে পারে।

এ কারণেই আপনি একই প্রশ্ন বারবার করলে একটু ভিন্ন ভিন্ন উত্তর পেতে পারেন—সবগুলোই যুক্তিসম্মত।

চ্যাটজিপিটি যতই মানুষের মতো উত্তর দিক না কেন, এটি আসলে ভবিষ্যদ্বাণীমূলক লেখার মডেল—এর কোনো চেতনা বা বোঝার ক্ষমতা নেই।

এটি মূলত ডেটার মধ্যকার প্যাটার্ন চিনে নিয়ে পরবর্তী সম্ভাব্য শব্দ কী হতে পারে, তা অনুমান করে চলে। অর্থাৎ এটি বোঝে না আপনি কী বলছেন, শুধু অনুমান করে কী বলা উচিত।

এ কারণে চ্যাটজিপিটি কখনো কখনো ‘হ্যালুসিনেট’ করে—অর্থাৎ ভুল, অসংলগ্ন বা ভ্রান্ত তথ্য দিতে পারে। কারণ, এটি কেবল পূর্বের তথ্যের ওপর ভিত্তি করে নতুন তথ্য তৈরি করে, বাস্তবতা যাচাই করে না।

এ ছাড়া যেহেতু এটি প্রশিক্ষণ পেয়েছে পুরোনো লেখা থেকে, তাই সেই ডেটায় থাকা পক্ষপাতিত্ব বা ভুল দৃষ্টিভঙ্গিও এর মধ্যে অনিচ্ছাকৃতভাবে প্রতিফলিত হতে পারে। এটা অনেকটা এমন, আপনি যদি কেবল কিছু নির্দিষ্ট লোকের লেখা ইতিহাস পড়েন, তাহলে দৃষ্টিভঙ্গিও সেই রকম হবে।

তথ্যসূত্র: টেকরেডার