ফ্রন্টিয়ার এআই: স্বায়ত্তশাসিত এজেন্ট, অ্যালাইনমেন্ট ও এজিআই দিগন্ত (পর্ব ০৫): এজেন্টিক মেমরি সিস্টেম ও রিফ্লেকশন লুপ — আত্ম-সংশোধনমূলক প্রজ্ঞা

দীর্ঘমেয়াদী স্মৃতিশক্তি ছাড়া কোনো জীবন্ত প্রাণী তার অতীত ভুল থেকে শিক্ষা নিতে পারে না; তাকে প্রতিটি পদক্ষেপে একই ভুলের পুনরাবৃত্তি করতে হয়। সাধারণ ভাষা মডেলের ক্ষেত্রে কথোপকথন শেষ হওয়ার সাথে সাথে তার ভেতরের সমস্ত তাৎক্ষণিক স্মৃতি মুছে যায়। এজেন্টিক মেমরি সিস্টেম (Agentic Memory) এবং রিফ্লেকশন লুপ (Reflexion) কৃত্রিম বুদ্ধিমত্তাকে বহুমাত্রিক স্মৃতির শক্তি প্রদান করে—যার ফলে এআই প্রতিটি ব্যর্থ প্রচেষ্টা থেকে শিক্ষা নিয়ে নিজেকে ক্রমাগত পরিমার্জিত করতে পারে।

১. স্মৃতির ত্রিস্তরীয় কাঠামো

মনোবিজ্ঞানের ক্লাসিক্যাল মডেল অনুসরণে আধুনিক এজেন্টে তিন ধরনের মেমরি থাকে:

1. ওয়ার্কিং মেমরি (Working Memory): তাৎক্ষণিক চিন্তা ও গণনার জন্য ব্যবহৃত হয়। এটি সরাসরি মডেলের কনটেক্সট উইন্ডো বা KV ক্যাশের ভেতর অবস্থান করে।
2. এপিসোডিক মেমরি (Episodic Memory): অতীতের বিভিন্ন কাজের অভিজ্ঞতা, ব্যর্থতার কারণ ও পূর্ববর্তী প্রচেষ্টার বিস্তারিত লগ সংরক্ষণ করে। নতুন কোনো সমস্যায় পড়লে এজেন্ট অতীতের সদৃশ অভিজ্ঞতা খুঁজে বের করে সমাধান করে।
3. সিম্যান্টিক মেমরি (Semantic Memory): দীর্ঘস্থায়ী জ্ঞান ও বাস্তব তথ্য—যা ভেক্টর ডেটাবেসে স্থায়ীভাবে জমা থাকে।

২. রিফ্লেকশন ফ্রেমওয়ার্ক (Reflexion): শাব্দিক রিইনফোর্সমেন্ট লার্নিং

২০২৩ সালে নোয়া শিন প্রমুখ উদ্ভাবন করেন Reflexion। কোনো জটিল কোডিং সমস্যায় এজেন্ট ব্যর্থ হলে (যেমন কোনো টেস্ট কেস ফেইল করলে):

1. এজেন্টটি নিজের সম্পূর্ণ কাজের ইতিহাস পুনরায় পাঠ করে।
2. সে নিজের ভাষায় একটি গঠনমূলক সমালোচনা লিখে ফেলে: “আমি খালি তালিকায় ইনডেক্স খুঁজতে গিয়ে এরর করেছি। পরের বার আমাকে প্রথমে তালিকা খালি কি না তা যাচাই করতে হবে।”
3. এই শিক্ষাটি তার এপিসোডিক মেমরিতে জমা হয়ে যায়।
4. পরের বার একই সমস্যার মুখোমুখি হলে সে তার পূর্ববর্তী শিক্ষা সামনে রেখে সম্পূর্ণ ভিন্ন ও সঠিক পথ অবলম্বন করে।

কোনো মডেল রি-ট্রেনিং ছাড়াই কেবল এই আত্ম-সমালোচনার শক্তিতে কোডিং পরীক্ষায় সাফল্য ৬৭% থেকে ৯১%-এ উন্নীত হয়েছে।

৩. স্মৃতি সংরক্ষণ ও সংকোচন

স্মৃতির পরিমাণ অতিরিক্ত বৃদ্ধি পেলে তা যেন মূল চিন্তাভাবনাকে ব্যাহত না করে, সেজন্য কনসলিডেশন অ্যালগরিদম অপ্রয়োজনীয় তথ্য মুছে ফেলে এবং একাধিক অভিজ্ঞতার নির্যাস নিয়ে স্থায়ী নিয়মে রূপান্তরিত করে।

শাকিল মাহমুদ সজল

সফটওয়্যার প্রকৌশলী ও লেখক, ঢাকা, বাংলাদেশ। কম্পিউটার বিজ্ঞান, পদার্থবিজ্ঞান, ইতিহাস ও ভাবনার সমন্বয়ে ব্যক্তিগত নোট ও প্রবন্ধ সংকলন।