লেখক: চান্গান, শেনচাও টেকফ্লো
শিনচাওয়ের পরিচয়: উত্তর আমেরিকার 672টি শীর্ষস্থানীয় কলেজ ছাত্রদের গণিত প্রতিযোগিতার প্রশ্ন, NEAR AI দল এগুলি এজেন্ট ব্যবহার করে সম্পূর্ণরূপে সমাধান করেছে। মোট খরচ প্রায় 111 ডলার, প্রতিটি প্রশ্নের জন্য গড়ে 0.17 ডলার। NEAR AI দল চীনের ওপেন-সোর্স মডেল DeepSeek V4 ব্যবহার করে এই পরীক্ষা সম্পন্ন করেছে। এটি শুধুমাত্র একটি বড় মডেলের বুদ্ধিমত্তার প্রতিযোগিতা নয়; ক্যালকুলেশনের বিলের পিছনে একটি ব্যবসা রয়েছে, যা মহাকাশীয় স্মার্ট কনট্রাক্ট "ফরমালভাবে যাচাইকরণ"কে সাধারণ মানুষের জন্য উপলব্ধ করে তোলার চেষ্টা করছে।
একটি ওপেন-সোর্স কোড রিপোজিটরির টেস্ট ডেটা, যা বড় মডেলের সমাধান খরচের গোপন কার্ড প্রকাশ করেছে।
সাম্প্রতিক সময়ে, NEAR Protocol-এর সহ-প্রতিষ্ঠাতা এলেক্স স্কিদানভ এবং অফিসিয়াল পক্ষের প্রকাশিত ডেটা অনুযায়ী, NEAR AI-এর এজেন্ট PutnamBench-এর সমস্ত 672টি গণিতের চ্যালেঞ্জ সমাধান করেছে।
অপরিচিত পাঠকদের জন্য একটি ব্যাখ্যা: PutnamBench একটি সাধারণ প্রশ্ন ব্যাংক নয়, এটি উত্তর আমেরিকার শীর্ষস্থানীয় স্নাতক গণিত প্রতিযোগিতা (William Lowell Putnam) এর প্রশ্নগুলিকে ফর্মালাইজড বেঞ্চমার্ক হিসেবে রূপান্তরিত করা হয়েছে।
অর্থাৎ, AI কে কঠোর গাণিতিক যুক্তি ব্যবহার করে সমস্যাগুলি স্বয়ংক্রিয়ভাবে সমাধান করতে বলুন। সমস্ত সমাধান সম্পন্ন করতে NEAR AI প্রায় 111.85 ডলার খরচ করেছে। গড়ে, প্রতিটি প্রশ্নের খরচ 0.17 ডলার।
অন্যান্য পূর্ণ নম্বর পাওয়া সমাধানগুলির বিল অনেক বেশি মহঙ্গা।
MSBIntel-এর তথ্য অনুযায়ী, OpenAI-এর GPT-5.6 ব্যবহার করে প্রতিটি প্রশ্নের গড় খরচ প্রায় 44.5 ডলার; Anthropic-এর Claude Opus 5 ব্যবহার করে প্রতিটি প্রশ্নের খরচ 3.52 ডলার।
এই নির্দিষ্ট পরীক্ষায়, NEAR DeepSeek V4 সমাধান ব্যবহার করে খরচকে GPT-5.6-এর দুইশত পঞ্চাশমাংশে কমিয়ে আনে।
পাবলিক চেইন গণিতের সমস্যা সমাধান করছে, তবে লক্ষ্য অন্য জায়গায়
পাবলিক চেইন টিম গণিতের সমস্যা সমাধানে শক্তি খরচ করছে, যা শিক্ষামূলক বাজারকে লক্ষ্য করে না।
PutnamBench পরীক্ষার মূল প্রয়োজনীয়তা হল মেশিনের যাচাইযোগ্যতা: AI দ্বারা উত্পাদিত কেবলমাত্র একটি পাঠ্য উত্তর নয়, বরং এটি অবশ্যই Lean 4 (একটি প্রধান প্রমাণ সহায়ক ভাষা) ব্যবহার করে কঠোর প্রমাণ কোড লিখতে হবে।
এই কোডগুলিতে সিনট্যাক্স ত্রুটি থাকতে পারবে না, যুক্তিগত ধাপগুলি বাদ দেওয়া যাবে না, এবং এটি মেশিন দ্বারা 100% যাচাই করা অপরিহার্য। একইসাথে, এটি কম্পিউটার বিজ্ঞানের একটি প্রধান প্রযুক্তি, যার নাম ফর্মাল ভেরিফিকেশন।
এবং ক্রিপ্টো শিল্পের সাথে সম্পর্কিতভাবে, স্মার্ট কন্ট্র্যাক্টগুলি কয়েকশত মিলিয়ন থেকে শত শত মিলিয়ন ডলার পর্যন্ত অর্থ বহন করে। পারম্পরিক কোড অডিট মানুষের দ্বারা ভাইরাস খুঁজে বের করার উপর নির্ভর করে, যেখানে ফর্মাল ভেরিফিকেশন হল কঠোর গাণিতিক যুক্তি ব্যবহার করে কোডটিকে সমস্ত সম্ভাব্য অবস্থায় ভুলমুক্ত হওয়ার প্রমাণ দেওয়া।
দীর্ঘ সময় ধরে, ফর্মাল ভেরিফিকেশনের মারাত্মক ত্রুটি ছিল এটির দাম এবং সময়সীমা। এটি শীর্ষ সুরক্ষা বিশেষজ্ঞ এবং দীর্ঘ সময়সীমা প্রয়োজন করে, যা সাধারণত শুধুমাত্র বড় প্রকল্পগুলিরই বহনযোগ্য।
NEAR AI-এর এই টেস্টটি খোলা উৎসের AI মডেল ব্যবহার করে বড় পরিমাণে বিশ্বস্ত গাণিতিক প্রমাণ তৈরির সম্ভাবনা এবং এর কম খরচ প্রমাণ করে।
অন-চেইন সুরক্ষার জনগণের জন্য সহজলভ্য ভিত্তিগত কাঠামো
NEAR এখন যে ব্যবসায়িক পদক্ষেপ নিচ্ছে, তা হলো ফর্মাল ভেরিফিকেশনের বাধা কয়েক মুদ্রায় নামিয়ে আনা।
বর্তমানে, ডিপসিক এবং লিন 4 কে একীভূত করা এই কোডটি সম্পূর্ণরূপে ওপেন-সোর্স করা হয়েছে। নিয়ারের অফিসিয়াল পরবর্তী পদক্ষেপ হল এই কম খরচের টুলসটি নিয়ার প্রোটোকল এবং এর কোর স্মার্ট কন্ট্রাক্টের নিরাপত্তা যাচাইয়ের জন্য সরাসরি প্রয়োগ করা।
সুতরাং, আপনি এটিকে একটি টেকনিক্যাল ডিস্ট্রিবিউশন হিসাবে বুঝতে পারেন, অথবা আরও সহজভাবে বলা যায়, প্রোজেক্ট টিম একটি AI-সংক্রান্ত ন্যারেটিভ নিয়ে কাজ করছে।
যদি ওপেন-সোর্স এআই মেশিন-ভেরিফায়েবল কোড সিকিউরিটি প্রমাণ স্থিরভাবে আউটপুট দিতে পারে, তাহলে ভবিষ্যতে সাধারণ ডেভেলপার এবং ছোট প্রকল্প দলগুলি স্মার্ট কনট্র্যাক্ট ডিপ্লয় করার আগে কয়েকটি সেন্টের খরচে ফরমাল ভেরিফিকেশন চালাতে পারবে, যা স্মার্ট কনট্র্যাক্টের সমস্যা হওয়ার সম্ভাবনা কমিয়ে দেয়।
তবে বস্তুনিষ্ঠভাবে বলা যায়, এটি NEAR টোকেনের স্বল্পমেয়াদী মূল্য পরিবর্তনের সাথে সরাসরি সম্পর্কিত নয়। তবে পাবলিক চেইন ইকোসিস্টেমের মৌলিক প্রতিযোগিতায়, কয়েক ডলারের মধ্যে বিপদ দূর করা হাজার ডলার খরচ করে পরে ক্ষতি পূরণ করার চেয়ে অনেক বেশি বাস্তবসম্মত ব্যবসায়িক মূল্য রাখে।