প্রথম স্তরের এআই গবেষকরা এআই-চালিত এআই উন্নয়ন অন্বেষণ করছেন

কিভাবে একজন এআই আপনার জন্য পরবর্তী প্রজন্মের এআই তৈরি করবে

লেখক এবং উৎস: ওয়েইচ্যাট পাবলিক অ্যাকাউন্ট "APPSO"

একজন চীনা এআই ইঞ্জিনিয়ার যার প্রযুক্তিগত দক্ষতা উত্তম, পেশাগত অভিজ্ঞতা উজ্জ্বল এবং যিনি চীনের শীর্ষস্থানীয় বিশ্ববিদ্যালয় পেকিং বিশ্ববিদ্যালয় থেকে স্নাতক, তিনি যা কিছুই করতে পারেন, কিন্তু চাকরি না করা সম্ভব নয়।

স্বাস্থ্য এবং জীবনকে "সবচেয়ে গুরুত্বপূর্ণ সমন্বয় কাজ" হিসাবে বিবেচনা করে থিংকিং মেশিনস ল্যাব থেকে চলে যাওয়ার কিছুক্ষণ পরেই ওয়াং লির পুনরায় ওপেনএআই-এ যোগদানের খবর প্রকাশিত হয়েছে। কোম্পানির প্রতিনিধির বক্তব্য অনুযায়ী, তিনি একটি অভ্যন্তরীণ গবেষণা ত্বরান্বিত করার দলের নেতৃত্ব দেবেন, যা OpenAI-এর "পুনরাবৃত্তিমূলক স্ব-উন্নতি" অনুসন্ধানে অংশগ্রহণ করবে, অর্থাৎ AI-কে নিজেদের পরবর্তী প্রজন্মের মডেলগুলি প্রশিক্ষণ দেওয়া এবং উন্নত করার জন্য সক্ষম করা।

অনুরূপভাবে, তার পূর্বের সহকর্মী এবং আগের ওপেনএআই-এর একজন মূল ব্যক্তি ইলিয়া সুৎকেভার প্রতিষ্ঠিত Safe Superintelligence-ও চূড়ান্তভাবে তাদের গোপনীয় গবেষণা থেকে একটি ফাঁক খুলেছে। নিভিয়াডা দুর্লভ অভ্যন্তরীণ গবেষণা প্রবেশাধিকার পাওয়ার পর, SSI-এ বিনিয়োগ করার সিদ্ধান্ত নিয়েছে এবং তাদের কম্পিউটিং ক্ষমতা একটি ক্রম বাড়িয়ে নতুন প্রজন্মের Vera Rubin সিস্টেম ব্যবহার করেছে।

নভেডিয়া নিশ্চিত যে, এসএসআই গত দুই বছর ধরে বিদ্যমান বড় মডেলের পথ থেকে ভিন্ন একটি নতুন গবেষণা দিকে এগিয়ে যাচ্ছে। এর বিষয়ে ইলিয়া আরও কিছু বলেননি, শুধু বলেছেন: "আমাদের বড় করার মতো গবেষণা আছে।"

প্রশ্নকারীদের আগ্রহ আরও বেড়ে গেল, সোশ্যাল মিডিয়ায় প্রকাশিত সূত্রগুলির উল্টো বিশ্লেষণ প্রকাশিত হল, যেখানে অনুমান করা হল যে SSI কেবল আরও বড় প্রি-ট্রেনড রেসিপি খুঁজছে না, বরং একটি নতুন পুনরাবৃত্তি এবং উন্নতির পদ্ধতি: মডেলটিকে শুধুমাত্র প্রশিক্ষণের পরে স্থির রাখা নয়, বরং ফিডব্যাক, পরীক্ষা এবং ধারাবাহিক শেখার মাধ্যমে নিয়মিত শক্তিশালী পরবর্তী প্রজন্মের উৎপাদন।

এই বিবৃতিটি SSI দ্বারা নিশ্চিত হয়নি, তবে এটি ইলিয়ার অতীতের অনুমানগুলির সাথে অত্যন্ত সামঞ্জস্যপূর্ণ। তিনি আগেও বারবার বলেছেন যে, শুধুমাত্র বেশি ডেটা এবং কম্পিউটেশনাল পাওয়ারের উপর নির্ভর করে scaling-এর যুগটি সীমানার কাছাকাছি আসছে, এবং AI-কে মানুষের মতো কম অভিজ্ঞতার মধ্যেও গভীর বোঝাপড়া অর্জন করতে এবং পরিবেশের সাথে মিথস্ক্রিয়ার মধ্যে বাড়তে শিখতে হবে।

এই প্রতিষ্ঠিত শীর্ষ এআই পেশাদারদের মধ্যে প্রায় সবাই একই দিকে তাকাচ্ছেন: এআই কীভাবে নিজের পরবর্তী প্রজন্মের এআই তৈরি করতে পারে।

রিকার্সিভ সেল্ফ-ইম্প্রুভমেন্টের কথা উল্লেখ করলে, একটি বিজ্ঞান কল্পনা চিত্র মনে পড়ে: এআই হঠাৎ করে নিজের ত্রুটি বুঝতে পারে, সরাসরি নিউরাল নেটওয়ার্ক ওয়েটস পরিবর্তন করে, এবং জেগে উঠলে গতকালের চেয়ে দশগুণ বুদ্ধিমান হয়ে যায়।

বাস্তবে শুরুটি অনেক সাদামাটা। এআই গবেষণা মূলত একটি চক্রাকার লাইন প্রসেস: গবেষকরা গবেষণাপত্র এবং পরীক্ষার রেকর্ড পড়ে, একটি অনুমান তৈরি করে, ট্রেনিং কোড পরিবর্তন করে, পরীক্ষা চালানোর জন্য লাইনে দাঁড়ায়, ফলাফল আসার অপেক্ষায় থাকে, মেট্রিক্স তুলনা করে, ব্যর্থতার কারণ খুঁজে, এবং পরবর্তী পর্যায়ের পরিকল্পনা তৈরি করে।

আজকের বড় মডেলগুলি এখন অনেকগুলি ধাপে অংশগ্রহণ করতে পারে, এগুলি কোডবেস পড়তে পারে, পেপারগুলি পুনরায় তৈরি করতে পারে, পরীক্ষামূলক স্ক্রিপ্ট লিখতে পারে, ক্যালকুলেশন পাওয়ার ব্যবহার করে টেস্ট চালাতে পারে, ডজনগুলি ফলাফল সংগঠিত করতে পারে, বিশ্লেষণ করতে পারে কোন প্যারামিটারটি সমস্যাযুক্ত হতে পারে, এবং তারপর কোডটি আরও সংশোধন করতে পারে। অতীতে একটি দল কয়েকদিনে একটি চক্র সম্পন্ন করত, ভবিষ্যতে অনেকগুলি বুদ্ধিমত্তাসম্পন্ন এজেন্ট একসাথে ডজনগুলি পথ পরীক্ষা করবে, এবং সবচেয়ে প্রতিশ্রুতিশীল ফলাফলগুলি মানুষের বিচারের জন্য পাঠাবে।

জুলাইয়ের শুরুতে ওয়াং লি দ্বারা প্রকাশিত দীর্ঘ নিবন্ধ "Harness Engineering for Self-Improvement" প্রায় তাঁর পরবর্তী দায়িত্বের গবেষণা দিকটি আগে থেকেই লিখে ফেলেছিল। তিনি মনে করেন, সাম্প্রতিক সবচেয়ে বাস্তবসম্মত আত্ম-উন্নয়নের পথটি মডেল দ্বারা মস্তিষ্ককে সরাসরি পুনর্লিখন করা নয়, বরং AI-কে প্রথমে নিজের কাজের পরিবেশকে পরিবর্তন করতে শেখানো: ব্যর্থতার রেকর্ডগুলি স্বয়ংক্রিয়ভাবে বিশ্লেষণ করা, কনটেক্সট ম্যানেজমেন্ট, টুল কল এবং ওয়ার্কফ্লো সামঞ্জস্য করা, এবং তারপর নতুন পরীক্ষার ফলাফলের মাধ্যমে এই সিস্টেমটি আরও উন্নত করা। আরও পরিপক্ক harness-এর মাধ্যমে স্বয়ংক্রিয় গবেষণা প্রচলিত হতে পারে, আরও শক্তিশালী মডেলগুলি harness-কে আবারও সহজতর করে তুলতে পারে, এবং এইভাবে দুটিরই মধ্যে একটি চক্রগতি গড়ে ওঠে।

এটি ওয়াং লি এবং ইলিয়ার দুটি পথের মধ্যে একটি আকর্ষণীয় সম্পর্ক তৈরি করে: OpenAI মূলত বর্তমান গবেষণা প্রক্রিয়াগুলিকে ধাপে ধাপে AI-এর হাতে তুলে দিচ্ছে, যাতে এটি প্রথমে একজন কাজকর্মক্ষম গবেষক ইঞ্জিনিয়ার হয়ে উঠতে পারে; SSI তবে সম্ভবত আরও মৌলিক পর্যায়ে নতুন শেখার পদ্ধতি খুঁজছে, যাতে মডেলটি নিজেই ধারাবাহিকভাবে পুনরায় বিকাশ ও উন্নতির ক্ষমতা অর্জন করতে পারে।

এআই-কে প্রারম্ভিক পর্যায়ে নিজের ওজন সরাসরি পরিবর্তন করার দক্ষতা থাকার প্রয়োজন নেই। যদি এটি প্রশিক্ষণ প্রক্রিয়া উন্নত করতে পারে, ডেটা ছাঁটাই করতে পারে, মূল্যায়ন ডিজাইন করতে পারে, অথবা মডেলের বাইরের হারনেস অপ্টিমাইজ করতে পারে, তবে এটি নিজেরই উত্তরাধিকারী তৈরির সাথে অংশগ্রহণ করছে।

প্রথমটি ইঞ্জিনিয়ারিং চক্রের ভিতরের দিকে এগিয়ে যায়, আর দ্বিতীয়টি মডেল মেকানিজমের বাইরের দিকে এগিয়ে যায়, উভয়ের লক্ষ্যই একটি AI-এর পরবর্তী AI-এর মধ্যে দূরত্ব কমানো।

যখন বড় বুলিশ এই পথে আরও দ্রুত বেট বসানোর চেষ্টা করছিল, তখন শিল্পের ভিতরে অন্য একটি কণ্ঠস্বর উঠল।

এই সপ্তাহে, ওপেনএআই, অ্যানথ্রোপিক, গুগল, মেটা ইত্যাদি প্রতিষ্ঠানের বেশিরভাগ ১১০০ জন পেশাদার একটি বিবৃতিতে স্বাক্ষর করেছেন, যাতে 'অটোমেটেড এআই গবেষণা'র গতি নিয়ন্ত্রণের জন্য প্রযুক্তি এবং সমন্বয়ের সরঞ্জাম আগেই তৈরি করা হয়। এই অংশগ্রহণকারীদের মধ্যে রয়েছেন ওপেনএআই-এর প্রধান বিজ্ঞানী জ্যাকুব প্যাচকসি, অ্যানথ্রোপিক-এর সহপ্রতিষ্ঠাতা জ্যাক ক্লার্ক এবং জ্যারেড ক্যাপল্যান—এবং, ইলিয়া নিজেও।

আবেদনটি এআই গবেষণা বন্ধ করার দাবি করেনি, এমনকি নিজেকে উন্নত করার সম্ভাব্য মূল্যকেও অস্বীকার করেনি। এটি উদ্বেগ প্রকাশ করে যে, এআই যদি এআই গবেষণার গতি উল্লেখযোগ্যভাবে বাড়াতে শুরু করে, তবে ক্ষমতার বৃদ্ধি মানুষের বুঝতে এবং সিস্টেমটিকে নিয়ন্ত্রণ করার গতির চেয়ে দ্রুত হয়ে যেতে পারে।

এই “প্রতীয়মান বিরোধিতা” একই গোষ্ঠী, এমনকি একই ব্যক্তি থেকে আসে। একই সময়ে, তারা দুটি বিচার করতে পারে: তারা বিশ্বাস করে যে স্বয়ংক্রিয় গবেষণা হতে পারে AI-এর পরবর্তী বিপ্লবের চাবিকাঠি, এবং একইসাথে বিশ্বাস করে যে যখন এই ফিডব্যাক লুপটি প্রকৃতপক্ষে কাজ শুরু করবে, তখন শিল্পটিকে প্রয়োজনের সময় ধীর হওয়ার ক্ষমতা থাকা প্রয়োজন।

যেহেতু এই চক্রটি একবার গঠিত হয়ে যায়, তাহলে এটি অতীতে একটি শক্তিশালী মডেল প্রকাশ করার সাথে আলাদা। অতীতের প্রগতির গতি চূড়ান্তভাবে মানুষের গবেষণা দলের উপর নির্ভর করত। মানুষকে প্রশ্ন তুলতে হত, পরীক্ষা সংগঠিত করতে হত, ফলাফল মূল্যায়ন করতে হত, এবং বাজেট, মানবসম্পদ এবং সংগঠনগত প্রক্রিয়ার কারণে প্রগতি বন্ধ হয়ে যেত।

অটোমেশন এআই গবেষণা ও উন্নয়নের লক্ষ্য হলো এই বাধাগুলি ধাপে ধাপে সরিয়ে ফেলা। মডেলটি যত শক্তিশালী হবে, টিমটি তত দ্রুত পরবর্তী প্রজন্মের মডেল তৈরি করতে সক্ষম হবে; পরবর্তী প্রজন্মের মডেলটি আবার একজন ভালো গবেষক হয়ে উঠবে এবং পরবর্তী গবেষণা চক্রের সময়কাল আরও কমিয়ে দেবে।

সুতরাং, যদিও দুটি প্রতীয়মান বিপরীত শক্তি মনে হয়, তবুও এগুলি একই পূর্বশর্তকে ভাগ করে নেয়: অটোমেশন করা AI গবেষণা দূরের কল্পনা থেকে একটি নির্দিষ্ট প্রকৌশল লক্ষ্যে পরিণত হচ্ছে।

ওয়াং ওপেনএআই-এ ফিরে আসার মাধ্যমে বোঝা যাচ্ছে যে পুনরাবৃত্ত আত্ম-উন্নতি এখন বিশেষায়িত সংগঠন এবং দায়িত্বপ্রাপ্ত ব্যক্তিদের দ্বারা সমর্থিত হচ্ছে; নভিডিয়া এসএসআই-এর গোপন গবেষণা দেখার পর বিপুল পরিমাণে অর্থ এবং সর্বশেষ কম্পিউটিং ক্ষমতা বিনিয়োগ করতে প্রস্তুত, যা নতুন শেখার পথটির অন্তত একটি বৃহত্তর যাচাইয়ের মূল্য রয়েছে বলে নির্দেশ করে।

আবেদনকারীরা ব্রেক প্রস্তুত করার দাবি করছেন, কারণ তারা মনে করেন যে এই পথটি সফল হবে না, বরং ঠিক বিপরীতে, কারণ তারা শুরু করেছেন এটি সফল হলে কী ঘটবে তা গুরুত্বপূর্ণভাবে বিবেচনা করতে।

বাস্তব বিভাজন এটি নয় যে AI মানুষের গবেষণায় সাহায্য করা উচিত কিনা। কোড জেনারেশন, পেপার রিট্রিভাল এবং পরীক্ষার স্বয়ংক্রিয়করণ ইতিমধ্যেই ল্যাবে প্রবেশ করেছে। বাস্তব বিভাজন হলো, যখন AI একটি গবেষকের দক্ষতা বাড়ানোর টুল থেকে ধীরে ধীরে নিজেই প্রস্তাব দিতে, পরীক্ষা চালাতে, ফলাফল মূল্যায়ন করতে এবং পরবর্তী প্রক্রিয়াটি সংশোধন করতে সক্ষম একটি গবেষণা সিস্টেমে পরিণত হয়, তখন মানুষকে কোন কোন পয়েন্টে সিদ্ধান্তগ্রহণের অধিকার রাখা উচিত।

এর অর্থ একটি সেট প্রশ্নের উত্থাপন: এটি অপ্টিমাইজ করার লক্ষ্য কে নির্ধারণ করবে? একটি পরিবর্তন যা স্কোর বাড়াচ্ছে তা কি নিরাপত্তা সীমানা ভাঙছে তা কে নির্ণয় করবে? যখন একাধিক গবেষণাগার প্রতিযোগিতায় রয়েছে, তখন কোন কোম্পানি একটি কার্যকরী ইটারেশনকে একা বন্ধ করতে রাজি হবে? যদি মডেলের ডেভেলপমেন্ট চক্র সত্যিই এক বছর থেকে কয়েক মাস, কয়েক সপ্তাহে কমে যায়, তবে বাহ্যিক মূল্যায়ন এবং অভ্যন্তরীণ নিরাপত্তা দলগুলি কি তা অনুসরণ করতে পারবে?

এখন এআই কোম্পানিগুলি শুধুমাত্র একটি বিস্ফোরক মডেল তৈরি করার জন্য প্রতিদ্বন্দ্বিতা করছে না, তারা একটি ধারাবাহিকভাবে আরও শক্তিশালী মডেল তৈরির জন্য গবেষণা ও উন্নয়ন সিস্টেমের জন্য প্রতিদ্বন্দ্বিতা করছে।

এক পাশে ইলিয়া এবং উং লির মতো শীর্ষ গবেষকরা এমন নতুন পুনরাবৃত্তির পদ্ধতি খুঁজছেন যাতে এআই তাদের উন্নতির প্রক্রিয়ায় অংশগ্রহণ করতে পারে; অন্য পাশে, একই শিল্পের হাজার হাজার গবেষক একটি গতি হ্রাসের ব্যবস্থা আগে থেকেই প্রস্তুত করার দাবি করছেন। এই দুটি দৃষ্টিভঙ্গির মধ্যে দলগুলি সময়ের সাথে পরিবর্তিত হচ্ছে, এবং মতামতগুলি পরস্পরবিরোধীও নয়; সবাই একটি সাধারণ সমস্যার সম্মুখীন: যখন গবেষণার সরঞ্জামগুলি নিজেদেরই গবেষণার গতি বাড়াতে শুরু করবে, তখন কে নির্ধারণ করবে পরবর্তী প্রজন্মের এআই-এর আগমনের সময়?