অ্যামাজন মেকানিক্যাল টার্ক ৩০ সেপ্টেম্বর, ২০২৬-এ বন্ধ হয়ে যাবে

একটি প্রতি অর্ডারে কয়েক সেন্টের রানিং ক্রাউডসোর্সিং প্ল্যাটফর্ম যা পুরো ডিপ লার্নিং যুগকে সমর্থন করেছিল।

এখন, এটি বন্ধ হয়ে যাচ্ছে।

অ্যামাজন এখন ঘোষণা করেছে যে তাদের ক্রাউডসোর্সিং প্ল্যাটফর্ম Mechanical Turk এই বছরের 30 সেপ্টেম্বর থেকে সম্পূর্ণভাবে বন্ধ হয়ে যাবে।

সর্বোচ্চ সময়ে, প্ল্যাটফর্মে 50 লাখেরও বেশি মানুষ অনলাইনে ছিলেন, ছবি দেখে, শ্রেণীবদ্ধ করে এবং লেবেল দিয়ে, কম্পিউটার এখনও শিখতে পারেনি এমন ছোট কাজগুলো প্রতিটি অর্ডার ম্যানুয়ালি সম্পন্ন করা হয়েছিল।

পরে, এই বিশাল «মানব কম্পিউটিং পাওয়ার» সরাসরি ImageNet ডেটাসেটকে সমর্থন করতে অংশগ্রহণ করেছিল—

এমটার্ক ছাড়া, ইমেজনেটের কোটি কোটি ছবির মানুষের দ্বারা লেবেলিং প্রায় অসম্ভব ছিল।

ইমেজনেট ছাড়া, লি ফেইফেই এক রাতে বিখ্যাত হতেন না।

হিনটনের গুরু-শিষ্য যুগল এক যুদ্ধে দেবত্ব লাভ করবেন না, ডিপ লার্নিংও ২০১২ সালে হঠাৎ পুনরুজ্জীবিত হবে না।

২১ বছর পর, প্রকৃত এআই এই হোমওয়ার্কগুলি আরও ভালোভাবে করতে শিখবে।

যারা বছরের শুরুতে AI-এর জন্য বুদ্ধিমত্তা যোগ করেছিল, তারা এবং এই প্ল্যাটফর্ম উভয়ই অফলাইন নোটিফিকেশন পেয়েছে।

মেকানিক্যাল টার্ক (MTurk) 2005 সালে চালু হয়।

আসলে শুরুতেই, অ্যামাজন এই জিনিসটি দিয়ে কোনো এআই ইতিহাস পুনর্লিখনের কথা ভাবেনি।

MTurk তখন একটি খুব ব্যবহারিক এবং চমকপ্রদ সমস্যা সমাধান করছিল: কিছু কাজ, কম্পিউটারের জন্য অত্যন্ত কঠিন, কিন্তু মানুষের জন্য অসাধারণভাবে সহজ...

অ্যামাজন তাই একটি খুব সরাসরি পদ্ধতি চিন্তা করল: যদি প্রোগ্রাম এটি সমাধান করতে না পারে, তবে সমস্যাটিকে ছোট ছোট টুকরো করে মানুষের হাতে ছেড়ে দিই~

এই বিভক্ত ছোট কাজগুলিকে হিট, অর্থাৎ মানব বুদ্ধিমত্তা কাজ বলা হয়।

যেমন একটি কোম্পানির কাছে 10,000টি ছবি বিভাজনের প্রয়োজন, MTurk-এর পদ্ধতি হল এগুলিকে সরাসরি 10,000টি স্বতন্ত্র কাজে ভাগ করে প্ল্যাটফর্মে প্রকাশ করা।

100 জন একসাথে কাজ করতে পারে, 1000 জনও পারে, কয়েক লাখ জন একসাথে লাইভ হলে আরও দ্রুত হবে।

অন্যভাবে বললে, MTurk শুধু একজন ব্যক্তিকে দ্রুততর কাজ করায় না, বরং একটি মূলত এককভাবে প্রতীক্ষা করে করা যায় এমন শ্রমসাধ্য কাজকে 'বিশ্বব্যাপী সম song' এ রূপান্তরিত করে।

প্রকৃত মানব তৈরি ডেটা ফ্লাইওয়ুইল...

এবং মেকানিক্যাল টার্ক নামটি নিজেই এই «প্লেস্টাইল» এর সাথে মেলে।

18শতকে, ইউরোপে একটি বিখ্যাত যান্ত্রিক তুর্কি ছিল, যার বাইরের দিক থেকে দেখলে মনে হত এটি নিজেই শতরঞ্জ খেলতে পারে, এমনকি নেপোলিয়নের সাথেও খেলতে পারত।

পরে সবাই বুঝতে পারল যে মেশিনটির ভিতরে সবসময় একজন বাস্তব শ্যাচ খেলোয়াড় লুকিয়ে ছিল!?! (আমি বড় করে ফেলেছি...)

অ্যামাজন এই গল্পটিকে ইন্টারনেটে নিয়ে এসেছে, প্রায় সম্পূর্ণ মিলে যায়, প্রোগ্রামটি যেন স্বয়ংক্রিয়ভাবে কাজ করছে, কিন্তু বাস্তবে পর্দার পিছনে মানুষই কাজ করছে।

বেজোস তখন এটির জন্য একটি অত্যন্ত ভবিষ্যদ্বাণীমূলক বাক্য দিয়েছিলেন:

কৃত্রিম কৃত্রিম চালক (artificial artificial intelligence)।

এই ধারণাটি যখন কাজ করে উঠল, তখন MTurk দ্রুত অ্যামাজনের নিজস্ব টুল থেকে একটি বিশ্বব্যাপী ক্রাউডসোর্সিং মার্কেটে পরিণত হয়েছিল।

2011 এর মধ্যে, MTurk-এ 190টি দেশ থেকে 50 লাখেরও বেশি Worker জমা হয়েছিল।

যখন মানুষ বেড়ে যায়, তখন গ্রহণযোগ্য কাজগুলি দ্রুত বৃদ্ধি পায়—ছবি ফিল্টারিং, ভয়েস ট্রান্সক্রিপশন, টেক্সট ক্লাসিফিকেশন, ডেটা ক্লিনিং, ইমোশন জাজমেন্ট, কনটেন্ট রিভিউ।

যে ধরনের কাজগুলির জন্য মেশিন কঠিন বোধ করে, কিন্তু মানুষ কয়েক সেকেন্ডেই বিচার করে ফেলতে পারে, সেগুলো এখানে ফেলে দিন।

এই ছুঁড়ে ফেলা হয়েছে ২০২১ সালে।

২০০৬ এর আশেপাশের সময়ে।

প্রিনস্টনে শুধুমাত্র কিছুকাল আগে শিক্ষকতা শুরু করার পরে, লি ফেইফেই তখনকার সময়ের জন্য একটি বেশ বিপরীতমুখী কাজ করার সিদ্ধান্ত নিলেন—

একটি যথেষ্ট বড় দৃশ্য বিশ্বকোষ তৈরি করুন মেশিনের জন্য।

সে সময়, প্রধান কম্পিউটার দৃষ্টি ডেটাসেটগুলিতে প্রায় কয়েক হাজার থেকে কয়েক লক্ষ ছবি থাকত, ডেটা খুব কম ছিল, মডেলগুলি সহজেই প্রশ্নের উত্তর মুখস্থ করে ফেলত, ট্রেনিং সেটের প্যাটার্নগুলি মনে রাখতে পারত, কিন্তু বাস্তব বিশ্বের বিভিন্ন বস্তুগুলি বুঝতে পারত না।

সো লি ফেইফেইয়ের দল তখনকার জন্য খুব পাগলামির মতো একটি কাজ করার ইচ্ছা করল: মেশিনের জন্য একটি “যথেষ্ট বড়” দৃশ্যমান বিশ্ব তৈরি করা।

ইমেজনেট ডেটাসেট, যা থেকে এটি জন্ম নেয়।

ImageNet এর ভিত্তি WordNet, যা বাস্তব বিশ্বকে ধারণাগুলিতে বিভক্ত করে এবং প্রতিটি ধারণার নিচে শত শত বাস্তব ছবি যোগ করে।

কুকুর, গাড়ি, আপেল, চেয়ার, পাখি, মাছ... যা কিছু সংজ্ঞায়িত করা যায়, তা সবই ভরে দিন।

কিন্তু খুব শীঘ্রই, একটি আরও বাস্তবসম্মত সমস্যা মুখোমুখি হলো—

ছবি খুঁজে পাওয়া কঠিন নয়, গুগল, ইয়াহু, ফ্লিকর সবই খুঁজে পাওয়া যায়, কিন্তু সমস্যা হলো ফিরে আসা ছবিগুলো প্রায়ই সঠিক নয়, বা পুরোপুরি অসম্পর্কিত!

তাই সার্চ ইঞ্জিন ছবিগুলো ফিরিয়ে আনার পরেও শেষ ধাপটি মানুষের দ্বারা একটি করে যাচাই করতে হবে।

একটি অতিশয়োক্তিমূলক সংখ্যা বলি, ইমেজনেট পরে প্রক্রিয়াকরণের জন্য প্রায় ১৬০ মিলিয়নেরও বেশি চিত্র প্রস্তাব নিয়ে আসে!!! এটি মানব শক্তির সমস্যাকে চূড়ান্তভাবে অসমাধানিত করে দেয়...

যখন ইমেজনেট প্রায় অসংখ্য মানুষের দ্বারা ছবি ছাঁটাইয়ের কারণে বাধাগ্রস্ত হচ্ছিল, তখন লি ফেইফেইয়ের দল অল্প সময় আগে চালু হওয়া Amazon Mechanical Turk-এর দিকে তাকায়।

ImageNet টিম বিশাল ছবির ফিল্টারিং কাজকে সূক্ষ্ম কাজে ভাগ করে এবং এগুলোকে MTurk প্ল্যাটফর্মের বিশ্বব্যাপী ওয়ার্কারদের মধ্যে বিতরণ করে।

একটি বিশাল এআই অবকাঠামো এখন অসংখ্য সাধারণ «মাউস ক্লিক»-এ বিভক্ত হয়ে গেছে।

2009 সালে প্রকাশিত ImageNet পেপারে বর্ণনা করা হয়েছে যে, তখন ডেটাসেটে 5,247টি ধারণা এবং 3.2 মিলিয়নটি প্রস্তুতকৃত ছবি অন্তর্ভুক্ত ছিল।

ইমেজনেট দল পরে পুরো প্রকল্পটির পুনর্বিবেচনা করে যে সংখ্যাটি দিয়েছে: 167টি দেশ থেকে 49,000জন MTurk শ্রমিক।

অন্যভাবে বললে, ইমেজনেটের পিছনে এই ছবি বাছাইয়ের কাজকে সমর্থন করছে একটি বিশ্বব্যাপী অস্থায়ী লেবেলিং দল।

এটাই কারণ যে এমটার্ক না থাকলে ইমেজনেট আসলেই তৈরি করা যেত না...

ইমেজনেট তৈরির পরেই পরের গল্পটি আসলেই ত্বরান্বিত হয়ে ওঠে।

২০১০ সালে, ইমেজনেট চ্যালেঞ্জ শুরু হয়, যেখানে বিশ্বব্যাপী মডেলগুলি একই ডেটা সেট ব্যবহার করে প্রশিক্ষণ নেয় এবং একই লিস্টে প্রতিদ্বন্দ্বিতা করে।

দুই বছর পর, যে কম্বিনেশনটি পরবর্তীতে এআই ইতিহাসে বারবার উল্লেখিত হবে, তা উপস্থিত হলো—

টরন্টো বিশ্ববিদ্যালয়ের জেফ্রি হিনটন, এবং তাঁর দুই শিক্ষার্থী অ্যালেক্স ক্রিজেভস্কি, ইলিয়া সুৎসকেভার।

তিনজন একটি গভীর কনভলুশনাল নিউরাল নেটওয়ার্ক নিয়ে ImageNet বৃহৎ দৃশ্য চিহ্নিতকরণ চ্যালেঞ্জে অংশগ্রহণ করে।

2012 সালের ImageNet চ্যালেঞ্জের টপ-5 ত্রুটি হারকে সরাসরি প্রায় 15% এ নামিয়ে আনা হয়, যা প্রচলিত পদ্ধতিগুলিকে অনেক দূরে ছেড়ে দেয়।

এটি কম্পিউটার দৃষ্টি সম্প্রদায়কে প্রথমবারের মতো পরিষ্কারভাবে দেখায় যে প্রচুর ডেটা, GPU ক্ষমতা এবং গভীর নিউরাল নেটওয়ার্ককে একত্রিত করলে ফলাফল এক স্তর উপরে উঠে যায়।

বাম থেকে ডানে: ইলিয়া সুৎকেভার, জেফ্রি হিনটন এবং আলেক্স ক্রিজেভস্কি

এরপর থেকে আলেক্স ক্রিজেভস্কির নাম আলেক্সনেটের সাথে জড়িয়ে গেছে।

ইলিয়া পরে গুগল ব্রেইনে যান, ওপেনএআই প্রতিষ্ঠা করেন এবং চিফ সায়েন্টিস্ট হিসেবে কাজ করেন, তারপর চলে যান এবং এসএসআই প্রতিষ্ঠা করেন।

হিনটন স্যার পরে টিউরিং পুরস্কার জিতেন এবং গভীর শিক্ষার পিতামহদের মধ্যে একজন হিসেবে স্বীকৃত হন।

লি ফেইফেই স্ট্যানফোর্ডে পুনরায় শিক্ষকতা শুরু করেন, HAI-এর সহ-নেতৃত্ব দেন এবং ImageNet-এর মাধ্যমে আধুনিক কম্পিউটার দৃষ্টির ইতিহাসে নিজেকে স্থাপন করেন।

এরপর, VGG এসেছিল, গুগলনেট এসেছিল, রেসনেট এসেছিল।

ইমেজনেট বোর্ড বছরে বছরে নিচের দিকে নামছে, ডিপ লার্নিং দৃশ্য থেকে শুরু করে সাউন্ডে প্রবেশ করে, তারপর প্রাকৃতিক ভাষা প্রক্রিয়াকরণে ঢুকে পড়ে এবং আজকের বড় মডেল যুগে পৌঁছায়।

এই বিশ্বটি সত্যিই অদ্ভুত—

লি ফেইফেইয়ের দল MTurk ব্যবহার করে ImageNet তৈরি করেছিল; ImageNet এর মাধ্যমে লি ফেইফেই বিখ্যাত হয়ে উঠেছিলেন; হিনটনের শিষ্য-গুরু দল ImageNet এর মাধ্যমে এক যুদ্ধে বিখ্যাত হয়ে উঠেছিল; ডিপ লার্নিং এই বিজয়ের মাধ্যমে পুনরুজ্জীবিত হয়েছিল।

১৬৭টি দেশের প্রায় ৫০,০০০ সাধারণ মানুষ কম্পিউটারের সামনে বসে কোটি কোটি প্রার্থী ছবি ধাপে ধাপে "ক্লিক" করে ImageNet তৈরি করেছিলেন।

এই কারণেই মেকানিক্যাল টার্কের আজ বন্ধ হওয়া একটি যুগের বন্দনা হয়ে উঠেছে।

অ্যামাজনের আনুষ্ঠানিক বিবৃতিটি খুব সংযত, শুধু এটি বলেছে যে তারা তাদের পণ্য এবং সেবাগুলির নিয়মিত মূল্যায়ন করছে, তাই তারা MTurk বন্ধ করার সিদ্ধান্ত নিয়েছে।

CNBC আগে ডেটা শ্রমিক অধিকার সংগঠন Turkopticon-এর ক্রিস্টা পাওলস্কির উদ্ধৃতি দিয়েছিল যে, এই বছরগুলিতে MTurk ধীরে ধীরে ক্ষয় হচ্ছে, অ্যামাজন কম বিনিয়োগ করছে এবং নতুন প্রজন্মের ডেটা লেবেলিং প্ল্যাটফর্মগুলি শ্রমিক এবং গ্রাহকদের ধাপে ধাপে কেড়ে নিচ্ছে।

কিন্তু সবচেয়ে সরাসরি কারণটি হলো, স্পষ্টভাবে বললে, সেই সময়ের সবচেয়ে মূল্যবান কাজগুলো এখন AI নিজেই আরও ভালোভাবে করতে শিখেছে...

২০০৫ সালে একটি ছবিতে কুকুর আছে কিনা তা মেশিনকে চিনতে বলা ছিল একটি বাস্তবিক চ্যালেঞ্জ, কিন্তু এখন এটি মাল্টিমোডাল মডেলের জন্য সহজেই সম্পন্ন হওয়া একটি মৌলিক কাজে পরিণত হয়েছে।

এর মধ্যে, এআই শিল্পের জন্য মানুষের প্রয়োজনীয়তাও পরিবর্তিত হয়েছে।

অগ্রণী মডেলগুলির কোড, উত্তর, যুক্তি এবং নিরাপত্তা মূল্যায়নের জন্য প্রোগ্রামার, ডাক্তার, আইনজীবীদের মতো পেশাদারদের প্রয়োজন।

এর ফলে স্কেল এআই, মারকর, প্রোলিফিক ইত্যাদি নতুন প্ল্যাটফর্মগুলি উঠে আসে এবং বিশেষজ্ঞদের ছাঁটাই ও ব্যবস্থাপনা করে আরও পেশাদার প্রশিক্ষণ এবং মূল্যায়ন ডেটা প্রদান করে।

অন্যদিকে, যে কেউ গ্রহণ করতে পারে এবং প্রতিটি অর্ডারের জন্য কয়েক সেন্টের মতো মাইক্রোটাস্কিং মডেল MTurk এখন আরও পিছিয়ে পড়ছে...

আরও অসাধারণ বিষয় হলো, এমটার্ক শ্রমিকরাও নিজেরাই এআই ব্যবহার শুরু করেছে!!!

2023 সালে একটি সুইস গবেষকদের অধ্যয়নে দেখা গেছে যে, প্রতিক্রিয়া দিয়েছেন এমটার্ক শ্রমিকদের মধ্যে 46% পর্যন্ত AI মডেল ব্যবহার করে টেক্সট টাস্ক সম্পন্ন করেছিলেন।

মূলত গ্রাহকরা বাস্তব মানুষের বিচারের জন্য টাকা খরচ করেছিল, কিন্তু কিছু শ্রমিক অর্ডার নেওয়ার পরে প্রশ্নগুলি চ্যাটজিপিটির মতো মডেলের কাছে পাঠিয়ে দিতে পারে।

এটা কিছুটা কালো হাস্যরসপূর্ণ হয়ে গেল...

এমটার্কের ভাগ্য আসলে গত ২০ বছরের এআইয়ের একটি সংক্ষিপ্ত প্রতিফলন।

প্রাচীন মানুষ মেশিনের পিছনে লুকিয়ে একটি ছবি পর একটি ছবি ক্লিক করে ইমেজনেট তৈরি করেছিল এবং ডিপ লার্নিংয়ের যুগের দরজা খুলেছিল।

পরে, এই ডেটার উপর ভিত্তি করে এআই বড় হয়ে উঠেছে এবং শেষপর্যন্ত নিজে থেকে ছবি দেখতে, শব্দ শুনতে এবং লেখা লিখতে শিখেছে।

২১ বছর পর, যারা এআইকে বুদ্ধিমানের ভান করেছিল, তারা প্রত্যাহার করেছে।

সেই মানুষের শত্রুকে লুকিয়ে রাখা 'মেকানিক্যাল টার্কি' এখন চাবি বন্ধ করা যায়।

রেফারেন্স লিঙ্ক:

[1]https://www.cnbc.com/2026/08/25/amazon-service-that-jeff-bezos-called-artificial-ai-is-shutting-down.html

এই পোস্টটি ওয়েইচ্যাট গ্রুপ "Quantum Bit" থেকে এসেছে, লেখক: মেংয়াও