এআই এবং সৃজনশীলতা: যখন আমরা 'বোরিং কাজ' বাইরে দিয়ে দিই, তখন কী ঘটে?

এআই আপনার উজ্জ্বল ধারণাগুলি চুরি করছে।

লেখক এবং উৎস: ইয়ুয়ান জেন বিজনেস নোটস

গত দুই বছরে, প্র practically প্রতিটি AI কোম্পানি একই গল্প বলেছে:

পুনরাবৃত্ত কাজগুলি এআইকে দিয়ে দিন, মানুষ তখন বেশি সৃজনশীল কাজের জন্য সময় বের করতে পারবে।

এই কথাটি অত্যন্ত যুক্তিসঙ্গত মনে হয়। এআইকে তথ্য সংগ্রহ, টেবিল প্রক্রিয়াকরণ এবং মিটিং সারাংশ লেখার জন্য ব্যবহার করুন, আর মানুষ কৌশল, পণ্য এবং সৃজনশীলতা নিয়ে চিন্তা করুন—এটি একটি পরfact সামাজিক বিভাজনের মতো।

কিন্তু এটি একটি গোপন ধারণা রাখে: পুনরাবৃত্তিমূলক কাজ এবং সৃজনশীল কাজ হল দুটি সম্পূর্ণ আলাদা বিষয়।

ইতিহাস থেকে পাওয়া উত্তর এতটাই স্পষ্ট ছিল না।

সত্যিকারের গুরুত্বপূর্ণ সৃষ্টিগুলি পুনরাবৃত্তির কাজের শেষে ঘটে না, বরং পুনরাবৃত্তি, ব্যর্থতা এবং মন ভাসার ফাঁকগুলিতেই ঘটে। আপনি কোনো সমস্যার সাথে দীর্ঘদিন লড়াই করেন, বারবার গণনা করেন, পর্যবেক্ষণ করেন, সংশোধন করেন—এবং তখনই একটি সাধারণ মুহূর্তে ছড়িয়ে পড়া জিনিসগুলি হঠাৎ একসাথে জুড়ে যায়।

যদি এআই আমাদের সমস্ত কঠিন কাজ নিয়ে নেয়, তাহলে এটি শুধু সময়ই মুক্ত করবে না।

এটি অনুপ্রেরণার জন্য প্রয়োজনীয় পরিস্থিতিও নিয়ে যেতে পারে।

নিউটন এবং আপেলের গল্পটি হয়তো মানব ইতিহাসের সবচেয়ে সফল “নবাচার পুরাণ”।

একটি আপেল গাছ থেকে পড়ে নিউটনকে আঘাত করে। নিউটন একটি উজ্জ্বল ধারণা পান এবং মহাকর্ষ আবিষ্কার করেন।

বাস্তব সংস্করণটি এতটাই সহজ নয়।

নিউটনের বন্ধু উইলিয়াম স্টিকলি তাঁর স্মৃতিচারণে লিখেছেন, ১৭২৬ সালে, দুজনে আপেল গাছের নিচে চা পান করছিলেন। নিউটন মনে করেছিলেন, সেই সময় তিনি গভীরভাবে চিন্তার মধ্যে ছিলেন, এবং আপেলটি পড়তে দেখেছিলেন, তখন তিনি ভাবলেন: আপেলটি কেন সবসময় ভূমির দিকে লম্বভাবে পড়ে, না উপরের দিকে বা পাশের দিকে? তারপরই তিনি “ধাপে ধাপে” এই শক্তিকে পৃথিবী, চাঁদ এবং অন্যান্য গ্রহ-নক্ষত্রের দিকে প্রসারিত করেন।[1]

চিত্র 1 | অ্যাপল কোনো উত্তর দেয়নি, এটি শুধুমাত্র নিউটনের দীর্ঘদিনের চিন্তার সঞ্চিত উপকরণগুলিকে জ্বালিয়েছে।

আপেল নিউটনকে মারেনি, এবং সরাসরি একটি সূত্রও বের হয়নি।

এটি একটি মাচিগুলির মতো, যা ইতিমধ্যে উপকরণ দিয়ে পূর্ণ একটি গুদামে পড়েছে।

গণিতবিদ পয়ঁকারের অভিজ্ঞতা আরও প্রাচলিক।

তিনি একধরনের ফাংশন নিয়ে দীর্ঘকাল গবেষণা করেছিলেন, অসংখ্য গণনা করেছিলেন এবং বারবার ব্যর্থ হয়েছিলেন। পরে তিনি কাজটি সময়ের জন্য বন্ধ করে ভ্রমণে বেরিয়েছিলেন। যে মুহূর্তে তিনি একটি বাসে উঠলেন, তখনই একটি গুরুত্বপূর্ণ সংযোগ তাঁর মাথায় চলে এলো: তিনি যে রূপান্তরগুলি অধ্যয়ন করছিলেন, সেগুলি অ-ইউক্লিডীয় জ্যামিতিতে ব্যবহৃত রূপান্তরগুলির সমান।

এই ধারণাটি খুব দ্রুত এসে গেল, এমনকি তা প্রতিষ্ঠিত হওয়ার জন্য সেখানে যুক্তি দেওয়া হয়নি। ভ্রমণের পরে, পয়ঁকারে তার ডেস্কের কাছে ফিরে এসে এটিকে সম্পূর্ণভাবে যাচাই করার জন্য সময় ব্যয় করলেন।

তিনি পরে সৃষ্টির প্রক্রিয়াটিকে কয়েকটি ধাপে ভাগ করেন: প্রথমে সচেতনভাবে কঠোর প্রস্তুতি, তারপর অকর্মণ্য মনে হওয়া লুকিয়ে থাকা, তারপর হঠাৎ আলোকিত হওয়া, এবং শেষে কঠোরভাবে যাচাইয়ের দিকে ফিরে আসা।[2]

ফার্মের শেষ উপপাদ্যের প্রমাণও একইভাবে।

অ্যান্ড্রু ওয়াইলস সাত বছর গোপনে কাজ করেন, ১৯৯৩ সালে প্রমাণের সফলতা ঘোষণা করেন, কিন্তু কয়েক মাস পর একটি ফাঁক আবিষ্কার করা হয়। তিনি আরও এক বছর গণনা করেন, এবং তার শিষ্য রিচার্ড টেলরের সাথে পুনরাবৃত্তি করে পথ খুঁজে বের করেন, যতক্ষণ না ১৯৯৪ সালের সেপ্টেম্বরে তিনি সেই ফাঁকটি পূরণ করেন।[3]

মানুষ শেষ মুহূর্তটি মনে রাখে, কিন্তু গণিতবিদ হাজার হাজার অকার্যকর গণনা, ব্যর্থ পথ এবং পুনরায় শুরু করা অনুভব করেন।

আলোকিত চিন্তা কখনও আকাশ থেকে পড়ে আসে না। এটি অক্লান্ত পরিশ্রমের একটি বিলম্বিত প্রতিফলন, যা মস্তিষ্ক কিছুটা সময় পরে প্রদান করে।

আমরা আজকের কাজগুলিকে দুটি শ্রেণিতে ভাগ করতে পছন্দ করি: কম মূল্যবানগুলি মেশিনের জন্য ছেড়ে দেওয়া এবং উচ্চ মূল্যবানগুলি মানুষের জন্য রাখা।

সমস্যা হলো, মানুষের মস্তিষ্ক পরামর্শ রিপোর্টের টেবিলের মতো কাজ করে না।

একজন পত্রিকাকর ডজন বা ডজন বেশি ফাইন্যান্সিয়াল রিপোর্ট পরীক্ষা করার সময় দুটি সেটের সংখ্যা মেলেনি বলে বুঝতে পারেন; একজন প্রোডাক্ট ম্যানেজার নেগেটিভ রিভিউগুলি একটি করে পড়ার সময় হঠাৎ বুঝতে পারেন যে ইউজারদের অভিযোগের মূল বিষয়টি ফিচার নয়; একজন ডাক্তার বারবার ইমেজগুলি দেখার মধ্যে ধীরে ধীরে অস্বাভাবিকতার প্রতি তাঁর সহজাত অনুভূতি গড়ে তোলেন।

এই কাজগুলি একেবারে উন্নত বা আকর্ষক মনে হয় না, এমনকি খুব বিরক্তিকরও হতে পারে। কিন্তু এগুলি মস্তিষ্কে অসংখ্য ক্ষুদ্র প্যাটার্ন রেখে যায়।

অনেক সময় ইন্টুইশন বলতে বোঝায় যে অভিজ্ঞতা যা প্রতিটি বাক্য ব্যাখ্যা করার মতো পরিপক্ক।

পেনিসিলিনের আবিষ্কার ঠিক এভাবেই ঘটেছিল।

১৯২৮ সালে, ফ্লেমিং ছুটি থেকে ফিরে এসে দেখেন যে স্ট্রেপটোকোকাস ব্যাকটেরিয়ার একটি প্লেট ছত্রাক দ্বারা দূষিত হয়েছে, এবং ছত্রাকের চারপাশে ব্যাকটেরিয়া বৃদ্ধি পায়নি। দূষণটি এলোমেলো ছিল, কিন্তু আবিষ্কারটি ছিল না। ব্যাকটেরিয়ার দীর্ঘসময়ের পর্যবেক্ষণ না করা একজন মানুষ শুধুমাত্র একটি ফেলে দেওয়ার মতো দূষিত প্লেটই দেখত।

ফ্লেমিং এই ঘটনার পর তৎক্ষণাৎ ওষুধ তৈরি করেননি, যা সহজেই উপেক্ষা করা হয়। প্রায় দশ বছর পর, ফ্লোরি, চেইন এবং একটি দল এই গবেষণা পুনরায় শুরু করেন। তারা দুধের বালতি, খাবারের টিন এবং এমনকি স্নানের টবে ছত্রাক চাষ করেন, এবং মার্কিন যুক্তরাষ্ট্রে উচ্চ-উৎপাদনশীল ছত্রাকের খোঁজ করেন, শেষপর্যন্ত পরীক্ষাগারের একটি দৈবিক ঘটনাকে জীবনরক্ষাকারী শিল্পগত পণ্যে পরিণত করেন।[4]

চিত্র ২ | দূষণ একটি দুর্ঘটনা, কিন্তু আবিষ্কার দীর্ঘমেয়াদী পর্যবেক্ষণের উপর নির্ভর করে; ঔষধগুলি আরও বেশি পরবর্তী দশকের প্রকৌশলের ফল।

ইতিহাস প্রায়শই “ইউরেকা” (ইউরেকা, গ্রিক অভিব্যক্তি, যার অর্থ “আমি পেয়েছি” বা “আমি আবিষ্কার করেছি”) কে বলে থাকে, কিন্তু শিল্পটি আসলে ইউরেকার পরের দীর্ঘ, পুনরাবৃত্তিমূলক এবং সুন্দর নয় এমন প্রকৌশলের উপর নির্ভর করে।

আইনস্টাইন পরে গণিতবিদ হাদামার কাছে নিজের চিন্তার পদ্ধতি বর্ণনা করেন যে, প্রথমে সাধারণত সম্পূর্ণ ভাষা নয়, বরং চিত্র, প্রতীক এবং গতিশীল উপাদানগুলি আসে। তিনি এই জিনিসগুলিকে পুনরাবৃত্তি করে সংযোগ করেন, এবং ভাষা পরের বিষয়।[5]

সৃষ্টি হল শূন্য থেকে তৈরি করা নয়, বরং পুনর্বিন্যাসের মতো।

তুমি কী দেখেছ, কী করেছ, কোথায় ব্যর্থ হয়েছ, তা নির্ধারণ করে যে কী মস্তিষ্কে পুনরায় সংযুক্ত করা যাবে।

যদি সব তথ্য সর্বদা এআই দ্বারা সারাংশ করা হয়, প্রথম খসড়া সর্বদা এআই দ্বারা তৈরি করা হয়, এবং ডেটা সর্বদা এআই দ্বারা পরিষ্কার করা হয়, তাহলে মানুষের জন্য নিশ্চিতভাবে অনেক সহজ হবে। কিন্তু সময়ের সাথে সাথে, আমরা যা শুধুমাত্র দেখতে পাই তা হলো মেশিন দ্বারা প্রক্রিয়াকৃত পণ্য, মসৃণ, বিরোধপূর্ণ, শব্দযুক্ত কাঁচামাল নয়।

দক্ষতা বেড়েছে, কিন্তু অনুভূতি হয়তো মন্দ হয়েছে।

ওয়াল্টার আইসাকসন তাঁর বই 'ইনোভেটর্স' এ একটি প্রশ্ন তুলে ধরেছেন: কম্পিউটার এবং ইন্টারনেট কার আবিষ্কার?

শেষ পর্যন্ত সে বুঝতে পারল যে এই প্রশ্নটি একজন ব্যক্তির নাম দিয়ে উত্তর দেওয়া কঠিন।

ডিজিটাল বিপ্লব কোনো একজন জিনিয়াসের গাড়ির গ্যারেজে হঠাৎ করে উদ্ভাবিত হয়নি। প্রাথমিক কম্পিউটার, ট্রানজিস্টর, চিপ, সফটওয়্যার এবং ইন্টারনেট—সবই এক প্রজন্মের পর আরেক প্রজন্মের উন্নতির ফল। কেউ ধারণা দিয়েছে, কেউ সার্কিট জোড়া লাগিয়েছে, কেউ প্রোগ্রাম লিখেছে, কেউ মহঙ্গা প্রোটোটাইপকে সাধারণ মানুষের জন্য ব্যবহারযোগ্য পণ্যে পরিণত করেছে।

হার্ভার্ড মার্ক আই কম্পিউটারের কথা উল্লেখ করে, গ্রেস হপারের বর্ণনায় হোয়ার্ড এইকেনকে বেশি জোর দেওয়া হয়েছে, যদিও আইবিএমের সংস্করণে যাদের নাম অজানা থেকে গেছে তাদের উপর জোর দেওয়া হয়েছে: কাউন্টার, পাঞ্চ কার্ড রিডার ইত্যাদি অসংখ্য ধাপের উন্নতি মিলেই শেষ মেশিনটি গড়ে উঠেছিল।[6]

চিত্র 3｜ দ্য ইনোভেটর্স: ডিজিটাল বিপ্লব একাধিক ব্যক্তি, একাধিক পর্যায় এবং ধাপে ধাপে সহযোগিতার ফলাফল।

এটি প্রতিভাকে অস্বীকার করা নয়, বরং উদ্ভাবনের প্রকৃত কাঠামোকে পুনর্স্থাপন করা।

একটি উদ্ভাবনী ঘটনা সাধারণত কয়েকজনের কল্পনাশক্তি এবং বেশিরভাগের কঠোর পরিশ্রমের সমন্বয়ে ঘটে। প্রথমরা দিকনির্দেশ পরিবর্তনের দায়িত্ব নেয়, আর দ্বিতীয়রা নতুন দিকনির্দেশকে বাস্তবে পরিণত করে। এদের মধ্যে পরিবর্তনের সম্পর্ক নয়।

এআই-এর সবচেয়ে আকর্ষণীয় বিষয় হল এটি একসাথে এই দুই ধরনের মানুষের ভূমিকা পালন করতে পারে বলে মনে হয়: উভয় ধরনের ধারণা দেয় এবং বাস্তবায়ন করে।

কিন্তু এখানেও নতুন সমস্যা দেখা দিয়েছে।

২০২৪ সালে, বৈজ্ঞানিক অগ্রগতি পত্রিকায় জেনারেটিভ এআই এবং লেখার উপর একটি পরীক্ষা প্রকাশিত হয়েছিল। এআই-এর ধারণা থেকে সহায়তা পাওয়া ব্যক্তিদের দ্বারা লেখা গল্পগুলি গড়ে বেশি সৃজনশীল এবং সম্পূর্ণতার সাথে প্রকাশিত হয়েছিল, বিশেষ করে মূলত কম সৃজনশীল ব্যক্তিদের জন্য; তবে সমস্ত কাজগুলি একসাথে দেখলে, এআই-সহায়তাপ্রাপ্ত গল্পগুলি পরস্পরের সাথে বেশি সদৃশ। [7]

এআই ব্যক্তিগত নিম্নতম স্তরকে উঁচু করেছে এবং গোষ্ঠীগত পার্থক্যকে কমিয়েছে।

এটি আজকের কনটেন্ট প্ল্যাটফর্মের মতো: সবাই আগের চেয়ে বেশি সহজে লিখছে, শিরোনাম, কাঠামো, স্মারক বাক্য কিছুই কমছে না; দশটি পড়ার পরেও মনে হচ্ছে শুধু একটি পড়েছি।

যখন সবাই একই মডেলের কাছ থেকে "প্রথম ধারণা" চায়, আমরা খালি পৃষ্ঠা বাদ দিয়েছি, এবং সম্ভবত সবাই একসাথে সেই সবচেয়ে সহজেই পূর্বানুমানযোগ্য উত্তরের দিকে এগিয়ে যাচ্ছি।

এর অর্থ এই নয় যে মানুষকে এআই প্রত্যাখ্যান করে পুনরায় কপি-পেস্ট এবং মেকানিক্যাল লেআউটে সময় নষ্ট করা উচিত।

ক্যালকুলেটর গণিতকে ধ্বংস করেনি, সার্চ ইঞ্জিনও জ্ঞানকে ধ্বংস করেনি। টুলগুলি যা পরিবর্তন করেছে, তা হল মানুষকে কোন স্তরের ক্ষমতা বজায় রাখতে হবে।

এআই আমাদের জন্য ইট বহন করতে পারে, কিন্তু মানুষ এই কথা ভুলে যাওয়া উচিত নয় যে এই দেয়ালটি এখানে কেন তৈরি করা হয়েছে।

এই উদ্বেগ এখন শুধুমাত্র দার্শনিক আলোচনা নয়। ২০২৫ সালে, মাইক্রোসফট রিসার্চ সহ বিভিন্ন প্রতিষ্ঠান ৩১৯ জন জ্ঞানভিত্তিক কর্মচারীর কাছ থেকে ৯৩৬টি বাস্তব এআই ব্যবহারের উদাহরণ সংগ্রহ করে। ফলাফলটি দেখায়: যত বেশি মানুষ এআই-এ বিশ্বাস করে, তত কম তারা কাজে সমালোচনামূলক চিন্তা (Critical thinking, যা একটি যুক্তিসঙ্গত ও প্রতিফলনমূলক চিন্তার পদ্ধতি) প্রয়োগ করে; আবার যত বেশি মানুষ তাদের পেশাগত বিচারকে বিশ্বাস করে, তত বেশি সমালোচনামূলক চিন্তা প্রয়োগ করে। এআই চিন্তা অদৃশ্য করেনি, বরং চিন্তাকে “নিজেরা তৈরি করা”-এর থেকে “যাচাই, একীভূতকরণ এবং পর্যবেক্ষণ”-এর দিকে সরিয়েছে। সমস্যা হল, যদি মানুষ শুধুমাত্র একটি সহজলভ্য চূড়ান্ত ফলাফলই দেখে, তবে যাচাইকরণটি সহজেই “মাথা নাড়া”-তেই পরিণত হয়ে যেতে পারে।[8]

সবচেয়ে সরাসরি সংকেতগুলি লেখা এবং প্রোগ্রামিং থেকে আসে। ম্যাসাচুসেটস ইনস্টিটিউট অফ টেকনোলজির মিডিয়া ল্যাবের একটি ৫৪ জনের মস্তিষ্ক-কম্পিউটার লেখা পরীক্ষায় দেখা গেছে যে, ধারাবাহিকভাবে বড় মডেল ব্যবহার করে লেখা করা অংশগ্রহণকারীদের মস্তিষ্কের নেটওয়ার্ক সংযোগ সবচেয়ে দুর্বল ছিল, এবং তারা লেখার বিষয়বস্তুকে মনে রাখতে এবং “এটি আমার কাজ” বলে অনুভব করতেও কম সক্ষম ছিল; তবে এই গবেষণাটি এখনও ছোট নমুনা প্রিপ্রিন্ট, তাই AI-এর কারণে মানুষ স্থায়ীভাবে বুদ্ধিহীন হয়ে যাবে বলে এটির ভিত্তিতে সিদ্ধান্ত নেওয়া যায় না।[9] METR-এর ১৬জন অভিজ্ঞ ওপেন-সোর্স ডেভেলপার, ২৪৬টি বাস্তব কাজের উপর একটি র‍্যান্ডমাইজড পরীক্ষায়ও দেখা গেছে যে, ২০২৫-এর শুরুর AI টুলগুলির ব্যবহারের পর, ডেভেলপারদের কাজগুলি সম্পন্ন করতে ১৯% বেশি সময় লাগছিল। আরও interesting-এর বিষয়টি হল, তারা AI-এর কারণেই নিজেদেরকে দ্রুততরভাবেই কাজটি সম্পন্ন করতে দেখতেও প্রত্যাশা করছিল।[10] METR-এর ২০২৬-এর follow-up-এ, AI-এর নতুন-প্রজন্মের টুলগুলিরই, 2025-এর AI-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-এর 19% slower-एर।

ব্যক্তিগতভাবে, কমপক্ষে তিনটি বিষয় সহজেই বাইরে দেওয়া উচিত নয়।

প্রথমে, সমস্যাটি কোথা থেকে আসে।

AI-কে প্রথমেই জিজ্ঞাসা করবেন না যে “আমি কী লিখব?” বা “আমি কী অধ্যয়ন করব?”। প্রথমে গ্রাহকের স্থানে যান, প্রাথমিক উপাদানগুলি পড়ুন, নিজেই অনুভব করুন কোথায় কিছু অস্বাভাবিক। একটি ভালো প্রশ্ন প্রায়শই অন্যরা কষ্ট বোধ করে উপেক্ষা করে দেওয়া বিস্তারিতগুলি থেকেই আসে।

দ্বিতীয়ত, প্রথম পর্যায়ের বিচার কোথা থেকে আসে।

এআই দিয়ে বিস্তারিত করতে, বাদ দিতে এবং তথ্য যোগ করতে পারেন, কিন্তু সবচেয়ে ভালো হবে যদি মডেল দ্বারা পরিশোধিত না হওয়া একটি কাঁচা সংস্করণ রাখেন। যদি কয়েকটি বাক্যও হয়, তবুও জানুন আপনি মূলত কীভাবে ভাবতেন। নাহলে, মানুষ এবং এআইয়ের সহযোগিতা সহজেই মানুষের এআইয়ের জন্য সুন্দর করে লেখা হয়ে যাওয়ার মতো হয়ে যাবে।

তৃতীয়ত, ফলাফলের জন্য কে দায়ী।

নিজে বেস লেভেলের কাজ করেই বুঝতে পারি যে AI কোথায় ভুল করছে। কখনও কোড লেখা না করা ব্যক্তির জন্য বুঝে উঠা কঠিন যে কোডটি শুধু চলছে নাকি লাইভের জন্য প্রস্তুত; কখনও ফিন্যানশিয়াল স্টেটমেন্ট পড়া না করা ব্যক্তির জন্যও বুঝে উঠা কঠিন যে একটি সুন্দর বিশ্লেষণের মধ্যে লুকিয়ে আছে কনফিগারেশনের ভুল।

তাহলে, AI-এর কাছে কী দেওয়া যায়?

মানদণ্ড হল সৃজনশীলতা আছে কিনা বা পুনরাবৃত্তি হচ্ছে কিনা নয়, বরং তিনটি বিষয়: গ্রহণযোগ্যতার মানদণ্ড পরিষ্কার কি, প্রক্রিয়াটি ট্রেস করা যায় কি, এবং ভুল হলে কি রোলব্যাক করা যায়। ডেটা ট্রান্সক্রিপশন, ফরম্যাট সাজানো, পরিচিত নিয়মের অধীনে ডেটা ক্লিনিং, কোড টেমপ্লেট এবং টেস্ট কেস, একই বিষয়ের একাধিক ভার্সনের কনটেন্ট এবং ডিজাইন স্কেচ—এগুলি সবই AI-এর জন্য উপযুক্ত। কিন্তু কৌশলগত বিকল্প, তথ্যের মানদণ্ড, ব্র্যান্ডের সৌন্দর্য, সিস্টেম আর্কিটেকচার এবং চূড়ান্ত অনুমোদন—এগুলি AI-এর দ্রুততার কারণেই একসাথে বাইরে পাঠানো উচিত নয়।

এরপরেও মানুষকে AI-এর সাথে “দুই হাতে লড়াই” করতে হবে। কাজ শুরু করার আগে, নিজের বিচার এবং মানদণ্ড লিখে রাখুন; জেনারেট করার সময়, AI-কে বিপরীত মত, ব্যর্থতার শর্ত এবং প্রমাণের উৎস একসাথে দিতে বলুন; জেনারেট করার পর, মানুষ মূল উৎসে ফিরে যান, তথ্যগুলি চেক করুন, গুরুত্বপূর্ণ সংখ্যাগুলি পুনরায় গণনা করুন, এবং গুরুত্বপূর্ণ টেস্টগুলি একবার চালান; কিছুক্ষণ পরে, AI-এর ব্যবহার ছাড়া “হাতে-করা” প্রশিক্ষণের ব্যবস্থা করুন। লেখকদেরকে স্বতন্ত্র সাক্ষাৎকার এবং প্রথমখানা সংরক্ষণ করতে হবে, প্রোগ্রামারদেরকে কোড রিভিউ এবং সমস্যা নির্ণয় সংরক্ষণ করতে হবে, ডিজাইনারদেরকে ধারণা নির্বাচন এবং চূড়ান্ত দৃশ্যমান বিচার সংরক্ষণ করতে হবে। যারা যাচাই করতে পারেন, প্রত্যাখ্যান করতে সাহসী,এবং দায়িত্বগুলি নিতে পারেন, তাদেরই AI-এর কাছেকাজটি দেওয়ার真正যোগ্যতা।

কোম্পানির জন্য সতর্ক হওয়ার বিষয় হল কর্মচারীরা কতটা AI ব্যবহার করছে, বরং সংগঠনটি কি এখনও প্রথম হাতের অভিজ্ঞতা উৎপাদন করছে।

যদি যুবকেরা মৌলিক বিশ্লেষণ না করে, গ্রাহকদের সাথে চাহিদা নিয়ে আলোচনা না করে, এবং প্রথম ড্রাফ্টের ব্যর্থতা অনুভব না করে, তাহলে কোম্পানি সংক্ষিপ্ত সময়ের জন্য দ্রুততর ডেলিভারি পাবে, কিন্তু দীর্ঘমেয়াদে বিচারক্ষমতা বিকাশের পথ হারিয়ে ফেলতে পারে।

আগে, একজন নতুন ব্যক্তি তিন বছর ধরে কঠিন পরিশ্রম করে ধীরে ধীরে একজন ইন্টুইশন সম্পন্ন বিশেষজ্ঞে পরিণত হত। এখন, এআই নতুনদের প্রথম দিনেই সাতো শতাংশের উত্তর দিতে দেয়।

কিন্তু সাতাশ থেকে নব্বইয়ের দিকে যাওয়ার জন্য তাকে নিজেই সমস্যা দেখতে হয়েছিল, ভুল করতে হয়েছিল এবং ফলাফলের জন্য মূল্য দিতে হয়েছিল।

এআই কি সৃজনশীলতা বাড়াচ্ছে নাকি কমাচ্ছে?

উত্তরটি আমরা এটিকে কোথায় রাখি তার উপর নির্ভর করে।

যে পুনরাবৃত্ত কাজগুলি আপনি ইতিমধ্যেই ভালভাবে চিন্তা করেছেন, সেগুলি প্রক্রিয়াকরণের জন্য AI ব্যবহার করুন—এটি একটি লিভার; কিন্তু যদি AI আপনার পরিবর্তে বাস্তবতার সাথে যোগাযোগ করে, সমস্যা তৈরি করে এবং প্রথম পর্যায়ের সিদ্ধান্ত নেয়, তবে এটি ধীরে ধীরে একটি হাঁটার ছড়িতে পরিণত হবে।

প্রকৃত সৃজনশীলতা কখনও শুধু "একটি ধারণা উদ্ভাবন করা" নয়।

এটি উপাদানগুলির প্রতি পরিচয়, অসামান্যতার প্রতি সংবেদনশীলতা, দীর্ঘসময় ধরে উত্তর না পাওয়ার সহনশীলতা এবং একটি উজ্জ্বল বিষয় আসার পর তা বারবার প্রমাণ করা শামিল।

এই অংশগুলি খুব ধীর এবং অনাকাঙ্ক্ষিত, এমনকি পারফরম্যান্স রিপোর্টে লেখাও কঠিন। কিন্তু ঐতিহাসিকভাবে বড় উপপাদ্য, বৈজ্ঞানিক আবিষ্কার এবং শিল্প উদ্ভাবনগুলির প্রায় সবই এখান থেকে জন্ম নেয়।

এআই অবশ্যই আমাদের আপেল পাকানোতে সাহায্য করতে পারে।

কিন্তু গাছের নিচে ওই ব্যক্তি কি মহাকর্ষ কল্পনা করতে পারবে, তা নির্ভর করে আপেলটি পড়ে যাওয়ার আগে সে কতক্ষণ চিন্তা করেছিল তার উপর।

প্রসঙ্গ

[1] উইলিয়াম স্টুকলি, স্যার আইজ্যাক নিউটনের জীবনী, নিউটন প্রজেক্ট (অক্সফোর্ড বিশ্ববিদ্যালয়)।

[2] হেনরি পয়ঁকারে, “ল'ইনভেনশন ম্যাথেমাটিক”, ১৯০৮।

[3] অক্সফোর্ড বিশ্ববিদ্যালয়ের গণিত প্রতিষ্ঠান এবং ব্রিস্টল বিশ্ববিদ্যালয়ের অ্যান্ড্রু ওয়াইলস এবং ফার্মার শেষ উপপাদ্য সম্পর্কিত তথ্য।

[4] সায়েন্স মিউজিয়াম গ্রুপ, “পেনিসিলিন কীভাবে বিকশিত হয়েছিল?”

[5] জ্যাকস হাদামার, ম্যাথমেটিশিয়ান'স মাইন্ড: ম্যাথমেটিক্যাল ফিল্ডে আবিষ্কারের মনোবিজ্ঞান।

[6] ওয়াল্টার আইসাকসন, দ্য ইনোভেটর্স: কিভাবে একটি হ্যাকার, জিনিয়াস এবং জিকসের গ্রুপ ডিজিটাল বিপ্লব তৈরি করেছিল।

[7] অনিল আর. দোশি এবং অলিভার পি. হসার, “জেনারেটিভ এআই ব্যক্তিগত সৃজনশীলতা বাড়ায় কিন্তু নতুন কন্টেন্টের সামষ্টিক বৈচিত্র্য কমায়,” সায়েন্স অ্যাডভান্সেস, 2024।

[8] হাও-পিং লি ইত্যাদি, “জেনারেটিভ এআইয়ের সমালোচনামূলক চিন্তার উপর প্রভাব”, CHI 2025।

[9] নাতালিয়া কসমিনা ইত্যাদি, “চ্যাটজিপিটির উপর আপনার মস্তিষ্ক: এআই সহায়ক ব্যবহার করে নিবন্ধ লেখার কাজে সঞ্চিত সামাজিক ঋণ”, ২০২৫ সালের প্রিন্টবিক।

[10] জোয়েল বেকার ইত্যাদি, “মেজারিং দ্য ইমপ্যাক্ট অফ ইয়ারলি-2025 AI অন এক্সপেরিয়েন্সড ওপেন-সোর্স ডেভেলপার প্রডাক্টিভিটি”, METR, 2025।

[11] জোয়েল বেকার ইত্যাদি, “আমরা আমাদের ডেভেলপার প্রডাক্টিভিটি পরীক্ষার ডিজাইন পরিবর্তন করছি”, METR, 2026।