গুগল এআই পেপারের কারণে $900M স্টোরেজ স্টকের বিক্রয় হয়েছে, পরীক্ষামূলক পক্ষপাতের অভিযোগ সামনে আসছে

লেখক: শেনচাও টেকফ্লো

গুগলের একটি পেপার যা দাবি করে যে এটি "AI-এর মেমোরি ব্যবহারকে 1/6 এ কমিয়েছে", গত সপ্তাহে মাইক্রন, স্যানডিস্ক সহ বিশ্বব্যাপী স্টোরেজ চিপ কোম্পানিগুলির বাজার মূল্য 900 বিলিয়ন ডলার হারিয়েছে।

তবে পেপার প্রকাশের দুই দিন পরেই, অ্যালগরিদমের বিরুদ্ধে যে প্রতিদ্বন্দ্বীকে এটি "দমন" করেছিল—যিনি জুরিখ ফেডারেল ইনস্টিটিউট অফ টেকনোলজির পোস্টডক—তিনি একটি দশহাজার শব্দের খোলা চিঠি প্রকাশ করেন, যেখানে তিনি গুগল দলকে অভিযোগ করেন যে, তারা পরীক্ষায় প্রতিদ্বন্দ্বীর জন্য এককোর CPU-এর Python স্ক্রিপ্ট ব্যবহার করেছিল, কিন্তু নিজেদের জন্য A100 GPU ব্যবহার করেছিল, এবং প্রকাশের আগেই সমস্যাটির কথা জানিয়েছিলেন, তথাপি তারা সংশোধনের অস্বীকার করেছিল। জিহুয়ের পড়ার সংখ্যা 400 লক্ষেরও বেশি হয়েছে, Stanford NLP-এর অফিসিয়াল অ্যাকাউন্টটি শেয়ার করেছে, এবং একইসময়ে শিক্ষাগত জগত্‌ এবং বাজারটি কম্পিত হয়েছে।

(পড়ুন: একটি পেপার স্টোরেজ শেয়ারকে নিচু করে দিয়েছে)

এই বিতর্কের মূল প্রশ্নটি জটিল নয়: গুগলের অফিসিয়ালভাবে ব্যাপকভাবে প্রচারিত, যা বিশ্বব্যাপী চিপ সেক্টরে হুমকির মতো বিক্রির কারণ হয়েছিল, একটি AI শীর্ষ কনফারেন্সের পেপারটি কি একটি পূর্বে প্রকাশিত আগের কাজকে প্রণালীগতভাবে বিকৃত করেছে এবং ইচ্ছাকৃতভাবে অসম পরীক্ষা তৈরি করে মিথ্যা পারফরম্যান্সের সুবিধা নিয়ে গড়ে তুলেছে?

বড় ভাষা মডেলগুলি উত্তর তৈরি করার সময় পূর্বে গণনা করা বিষয়গুলি পুনরায় পর্যালোচনা করতে হয়। এই মধ্যবর্তী ফলাফলগুলি স্থায়ীভাবে জিপিইউ মেমোরিতে সংরক্ষণ করা হয়, যাকে শিল্পে «KV Cache» (কী-মান ক্যাশ) বলা হয়। কথোপকথনটি যত দীর্ঘ হবে, এই «খসড়া কাগজ» তত পুরু হবে, জিপিইউ মেমোরির ব্যবহার বাড়বে এবং খরচও বাড়বে।

গুগল গবেষণা দল দ্বারা উন্নয়নকৃত টার্বোকোয়ান্ট অ্যালগরিদমের মূল বিক্রয় বিষয় হল এই খসড়া কাগজটিকে মূল আকারের 1/6 এ সংকুচিত করা, যার সময় সঠিকতা শূন্য ক্ষতি এবং উপসংহার গতি সর্বোচ্চ 8 গুণ বৃদ্ধির দাবি করা হয়। 2025 সালের এপ্রিলে এই পেপারটি প্রথম একাডেমিক প্রিপ্রিন্ট প্ল্যাটফর্ম arXiv-এ প্রকাশিত হয়, 2026 সালের জানুয়ারিতে AI-এর শীর্ষস্থানীয় কনফারেন্স ICLR 2026-এ গৃহীত হয়, এবং 24 মার্চে গুগলের অফিসিয়াল ব্লগের মাধ্যমে পুনরায় প্রচারিত হয়।

টেকনিক্যালি, টার্বোকোয়ান্টের ধারণাটি সহজে বুঝা যায়: প্রথমে একটি গাণিতিক রূপান্তর ব্যবহার করে অনিয়মিত ডেটাকে একটি একক ফরম্যাটে "পরিষ্কার" করা হয়, তারপর পূর্বনির্ধারিত অপ্টিমাল কম্প্রেশন টেবিল ব্যবহার করে প্রতিটি ডেটা কম্প্রেস করা হয়, এবং শেষে একটি 1-বিট এরর করেকশন মেকানিজম ব্যবহার করে কম্প্রেশনের কারণে উৎপন্ন ক্যালকুলেশন বাইয়াস সংশোধন করা হয়। সম্প্রদায়ের স্বতন্ত্রভাবে বাস্তবায়নের মাধ্যমে এটি যাচাই করা হয়েছে যে কম্প্রেশনের ফলাফলগুলি প্রায় সত্য, এবং অ্যালগরিদমের গাণিতিক অবদানটি বাস্তবিক।

টার্বোকোয়ান্ট ব্যবহার করা যায় কিনা নিয়ে বিতর্ক নয়, বরং গুগল এটিকে "প্রতিদ্বন্দ্বীদের চেয়ে অনেক উন্নত" প্রমাণ করতে কী করেছে তার উপর।

মার্চ ২৭ তারিখে রাত ১০টায়, গাও জিয়ানয়াং জিহুয়ানে দীর্ঘ নিবন্ধ প্রকাশ করেন এবং ICLR-এর অফিসিয়াল রিভিউ প্ল্যাটফর্ম OpenReview-এ আনুষ্ঠানিক মন্তব্য জমা দেন। গাও জিয়ানয়াং RaBitQ অ্যালগরিদমের প্রথম লেখক, যা ২০২৪ সালে ডেটাবেস ক্ষেত্রের শীর্ষস্থানীয় কনফারেন্স SIGMOD-এ প্রকাশিত হয়েছিল এবং একই ধরনের সমস্যা—উচ্চমাত্রিক ভেক্টরের দক্ষ সংকোচন—সমাধান করে।

তার অভিযোগ তিনটি, যার প্রতিটিরই ইমেইল রেকর্ড এবং সময়রেখা দ্বারা সমর্থন করা হয়েছে।

দাবি ১: অন্যের মূল পদ্ধতি ব্যবহার করা হয়েছে, পুরো লেখায় উল্লেখ করা হয়নি।

টার্বোকোয়ান্ট এবং রেবিটকিউ-এর প্রযুক্তিগত কেন্দ্রে একটি গুরুত্বপূর্ণ সাধারণ ধাপ রয়েছে: ডেটা সংকুচিত করার আগে ডেটাকে একবার «র‍্যান্ডম রোটেশন» করা। এই ধাপটির কাজ হলো মূলত অনিয়মিতভাবে বিন্যস্ত ডেটাকে পূর্বানুমানযোগ্য সমান বিন্যাসে পরিণত করা, যার ফলে সংকোচনের কঠিনতা অনেকটা কমে যায়। এটিই দুটি অ্যালগরিদমের সবচেয়ে গুরুত্বপূর্ণ এবং সবচেয়ে কাছাকাছি অংশ।

টার্বোকোয়ান্টের লেখক নিজেই রিভিউ প্রতিক্রিয়ায় এটি স্বীকার করেছেন, কিন্তু পেপারের সম্পূর্ণ টেক্সটে এই পদ্ধতি এবং রাবিটকিউ-এর মধ্যে সম্পর্ককে কখনও সরাসরি উল্লেখ করেননি। আরও গুরুত্বপূর্ণ পটভূমি হল: 2025 সালের জানুয়ারিতে টার্বোকোয়ান্টের দ্বিতীয় লেখক মাজিদ দালিরি উচ্চ জিয়ানইয়াং দলের সাথে যোগাযোগ করেন, তাঁর রাবিটকিউয়ের সোর্স কোড থেকে পরিবর্তিত Python ভার্সনটি ডিবাগ করতে সাহায্যের অনুরোধ করেন। ইমেইলটিতে পুনরুৎপাদনের ধাপগুলি এবং ত্রুটির তথ্যগুলি বিস্তারিতভাবে বর্ণনা করা হয়েছিল—অর্থাৎ, টার্বোকোয়ান্ট দলটি রাবিটকিউয়ের প্রযুক্তিগত বিস্তারিতগুলি খুবভালভাবে জানত।

আইসিএলআর-এর একজন অজ্ঞাত পর্যালোচকও স্বতন্ত্রভাবে উল্লেখ করেছেন যে উভয়ই একই প্রযুক্তি ব্যবহার করেছে, এবং পর্যাপ্ত আলোচনা করার অনুরোধ জানিয়েছেন। কিন্তু চূড়ান্ত সংস্করণে, টার্বোকোয়ান্ট দল শুধুমাত্র আলোচনা যোগ করেনি, বরং মূল পাঠে রাবিটকিউ-এর (ইতিমধ্যে অসম্পূর্ণ) বর্ণনাকে সংযোজনে সরিয়ে দিয়েছে।

দাবি ২: কোনো প্রমাণ ছাড়াই অপরের তত্ত্বকে "দ্বিতীয় শ্রেষ্ঠ" বলা।

টার্বোকোয়ান্ট পেপারটি রাবিটকিউকে সরাসরি "থিওরেটিক্যালি সাবঅপটিমাল" হিসাবে লেবেল দিয়েছে, যার কারণ হল রাবিটকিউয়ের গাণিতিক বিশ্লেষণ "অপরিষ্কার"। তবে গাও জিয়ানইয়াং উল্লেখ করেছেন যে, রাবিটকিউয়ের বিস্তৃত পেপারটি কঠোরভাবে প্রমাণ করেছে যে এর কম্প্রেশন ত্রুটি গাণিতিকভাবে অপটিমাল সীমার সমান—এই উপসংহারটি থিওরেটিক্যাল কম্পিউটার সায়েন্সের শীর্ষস্থানীয় কনফারেন্সে প্রকাশিত হয়েছে।

2025 মে মাসে, গাও জিয়ানয়াং দল রাবিটকিউ তত্ত্বের অপ্টিমালিটি ব্যাখ্যা করার জন্য একাধিক ইমেইলের মাধ্যমে বিস্তারিতভাবে ব্যাখ্যা করেছিল। টারবোকোয়ান্টের দ্বিতীয় লেখক দালিরি নিশ্চিত করেছেন যে তিনি সমস্ত লেখককে জানিয়েছেন। তবুও, পেপারটিতে চূড়ান্তভাবে “সাব-অপ্টিমাল” বলে উল্লেখ করা হয়েছে, কোনো প্রতিবাদমূলক যুক্তি দেওয়া হয়নি।

অভিযোগ ৩: পরীক্ষার তুলনায় «বাম হাতে মানুষ বাঁধা, ডান হাতে চাকু»।

এটি পুরো লেখার সবচেয়ে বেশি ক্ষতিকর বিষয়। গাও জিয়াং উল্লেখ করেন যে, টার্বোকোয়ান্ট পেপারটিতে গতির তুলনামূলক পরীক্ষায় দুটি অন্যায় শর্ত সংযোজন করা হয়েছিল:

প্রথমত, RaBitQ অফিসিয়াল দ্বারা অপ্টিমাইজড C++ কোড (ডিফল্টরূপে মাল্টিথ্রেডেড সমর্থন সহ) প্রদান করা হয়েছে, কিন্তু TurboQuant দল এটি ব্যবহার করেননি, বরং RaBitQ পরীক্ষার জন্য নিজস্ব অনুবাদিত Python ভার্সন ব্যবহার করেছে। দ্বিতীয়ত, RaBitQ পরীক্ষার সময় একটি একক-কোর CPU ব্যবহার করা হয়েছিল এবং মাল্টিথ্রেডিং বন্ধ করে দেওয়া হয়েছিল, যেখানে TurboQuant NVIDIA A100 GPU ব্যবহার করেছে।

এই দুটি শর্তের সমন্বয়ের ফলাফল হল: পাঠকরা উপসংহারটি দেখেন যে «RaBitQ, TurboQuant-এর চেয়ে কয়েকটি ক্ষমতার পরিমাণে ধীর», কিন্তু এই উপসংহারটির পূর্বশর্ত হল গুগল দলটি প্রতিদ্বন্দ্বীকে বাঁধা দিয়ে তারপর দৌড়ানোর মতো। প্রবন্ধটিতে এই পরীক্ষামূলক শর্তগুলির পার্থক্যগুলি যথেষ্টভাবে প্রকাশ করা হয়নি।

গো জিয়ানইয়াং-এর প্রকাশ অনুযায়ী, টার্বোকোয়ান্ট দল ২০২৬ সালের মার্চে একটি ইমেইলের উত্তরে বলেছিল: "র‍্যান্ডম রোটেশন এবং জনসন-লিন্ডেনস্ট্রাস ট্রান্সফর্মেশনের ব্যবহার এই ক্ষেত্রের একটি মানক প্রযুক্তি, আমরা এই পদ্ধতিগুলি ব্যবহার করা প্রতিটি পেপারের উল্লেখ করতে পারি না।"

গো জিয়ানইয়াং দল এটিকে ধারণার পরিবর্তন বলে মনে করে: প্রশ্নটি হল যে সমস্ত র‍্যান্ডম রোটেশন ব্যবহার করা পেপারগুলির উল্লেখ করা উচিত কিনা, বরং রা-বিট-কিউ হল সেই প্রথম কাজ যা একই সমস্যার প্রেক্ষাপটে এই পদ্ধতিকে ভেক্টর কম্প্রেশনের সাথে একীভূত করেছে এবং এর অপ্টিমালিটি প্রমাণ করেছে, টার্বোকোয়ান্ট পেপারটি উভয়ের মধ্যেকার সম্পর্কটি সঠিকভাবে বর্ণনা করা উচিত।

স্ট্যানফোর্ড NLP গ্রুপের অফিসিয়াল X অ্যাকাউন্ট গাও জিয়ানইয়াংয়ের বিবৃতি পুনর্প্রকাশ করেছে। গাও জিয়ানইয়াং দল ICLR OpenReview প্ল্যাটফর্মে একটি পাবলিক মন্তব্য প্রকাশ করেছে এবং ICLR কনফারেন্সের চেয়ারম্যান এবং ইথিক্স কমিটির কাছে একটি আনুষ্ঠানিক অভিযোগ জমা দিয়েছে, এছাড়াও ভবিষ্যতে arXiv-এ একটি বিস্তারিত প্রযুক্তিগত রিপোর্ট প্রকাশ করবে।

স্বাধীন টেক ব্লগার ডারিও সালভাটি বিশ্লেষণে একটি আপেক্ষিকভাবে নিরপেক্ষ মূল্যায়ন দিয়েছেন: টারবোকোয়ান্ট প্রকৃতপক্ষে গাণিতিক পদ্ধতিতে অবদান রেখেছে, কিন্তু রা বিটকিউ-এর সাথে এর সম্পর্ক পেপারে যা বর্ণনা করা হয়েছে তার চেয়ে অনেক বেশি ঘনিষ্ঠ।

এই শিক্ষাগত বিতর্কের সময়সীমা অত্যন্ত সূক্ষ্ম। গুগল ২৪ মার্চ তাদের অফিসিয়াল ব্লগের মাধ্যমে TurboQuant প্রকাশ করার পর, বিশ্বব্যাপী স্টোরেজ চিপ সেক্টরে তীব্র বিক্রয় শুরু হয়। CNBC এবং অন্যান্য অনেক মিডিয়ার প্রতিবেদন অনুযায়ী, Micron Technology ছয়টি ক্রমিক ট্রেডিং দিনে পতন হয়ে ২০% এরও বেশি ক্ষতির মুখোমুখি হয়; SanDisk একদিনে ১১% পতন হয়; দক্ষিণ কোরিয়ার SK Hynix প্রায় ৬% কমে, Samsung Electronics প্রায় ৫% কমে, এবং জাপানের Kioxia প্রায় ৬% কমে। বাজারের আতঙ্কের যুক্তি সহজ ও সরল: সফটওয়্যার-ভিত্তিক সংকোচন AI উপস্থাপনার মেমোরি চাহিদা ৬ গুণ কমিয়ে দিতে পারে, যা স্টোরেজ চিপের চাহিদার দীর্ঘমেয়াদি প্রসঙ্গকে গঠনগতভাবে কমিয়ে দেবে।

মর্গান স্ট্যানলির বিশ্লেষক জোসেফ মূর ২৬ মার্চের একটি গবেষণা প্রতিবেদনে এই যুক্তির বিরুদ্ধে যুক্তি দেন এবং মাইক্রন এবং স্যানডিস্কের জন্য 'ক্রয় করুন' রেটিং বজায় রাখেন। মূর উল্লেখ করেন যে টার্বোকোয়ান্ট শুধুমাত্র KV ক্যাশে নামক একটি নির্দিষ্ট ধরনের ক্যাশেকে সংকুচিত করে, সমগ্র মেমোরি ব্যবহারকে নয়, এবং এটিকে 'সাধারণ উৎপাদনশীলতা উন্নতি' হিসাবে চিহ্নিত করেন। ওয়েলস ফার্গোর বিশ্লেষক অ্যান্ড্রু রোচা একইভাবে জেভনসের প্যারাডক্সের উল্লেখ করেন, যেখানে দক্ষতা বৃদ্ধির ফলে খরচ কমলেও AI-এর বড় পরিসরে বাস্তবায়নের প্রবণতা বৃদ্ধি পেতে পারে, যা চূড়ান্তভাবে মেমোরির চাহিদা বাড়ায়।

টেক ব্লগার বেন পৌলাডিয়ানের বিশ্লেষণ অনুযায়ী, টার্বোকোয়ান্ট পেপারটি ২০২৫ সালের এপ্রিলেই প্রকাশিত হয়েছিল, এটি নতুন গবেষণা নয়। ২৪ মার্চে গুগল তাদের অফিসিয়াল ব্লগের মাধ্যমে এটিকে পুনরায় প্যাকেজ করে প্রচার করে, কিন্তু বাজারটি এটিকে একটি সম্পূর্ণ নতুন বিপ্লব হিসাবে মূল্যায়ন করেছে। এই “পুরনো পেপার, নতুন প্রকাশ” প্রচারণা পদ্ধতি, যা সম্ভবত পেপারের মধ্যে পরীক্ষামূলক বিষমতা সহযোগিতা করে, AI গবেষণা থেকে বাজারের গল্পের দিকে যাওয়ার সিস্টেমিক ঝুঁকির প্রতিফলন।

একজন এআই ইনফ্রাস্ট্রাকচার বিনিয়োগকারীর জন্য, যখন একটি গবেষণাপত্র একটি "কয়েক অর্ডার অফ ম্যাগনিটিউড" পারফরম্যান্স উন্নতির দাবি করে, তখন প্রথমে জিজ্ঞাসা করা দরকার যে বেঞ্চমার্কের তুলনা কি ন্যায্য।

গোঁয়ার দল স্পষ্টভাবে ঘোষণা করেছে যে তারা সমস্যার ঔপচারিক সমাধানের জন্য চালিয়ে যাবে। গুগল এখনও খোলা চিঠিতে উল্লিখিত অভিযোগগুলির প্রতি ঔপচারিকভাবে প্রতিক্রিয়া জানায়নি।