বিগত এক দশক ধরে কৃত্রিম বুদ্ধিমত্তার অগ্রগতি একটি অলিখিত নিয়মের ওপর নির্ভরশীল ছিল: মডেলকে বুদ্ধিমান করতে হলে কোটি কোটি ডলার খরচ করে আরও বড় মডেলে ট্রিলিয়ন ট্রিলিয়ন ডেটা দিয়ে প্রশিক্ষণ দিতে হবে। কিন্তু ২০২৪ সালের শেষে সেই ধারণা সম্পূর্ণ পাল্টে গেছে। টেস্ট-টাইম কম্পিউট স্কেলিং (Test-Time Compute) প্রমাণ করেছে যে প্রশিক্ষণের পেছনে কোটি কোটি ডলার খরচ না করে ব্যবহারকারীর প্রশ্নের উত্তর দেওয়ার সময় ইনফারেন্সে সামান্য সময় চিন্তা করতে দিলে মডেলের যুক্তি ও মেধা অবিশ্বাস্য মাত্রায় বৃদ্ধি পায়। এটিই OpenAI o1 এবং আধুনিক ফ্রন্টিয়ার মডেলগুলোর সাফল্যের গোপন রহস্য।

১. প্রি-ট্রেনিংয়ের সীমাবদ্ধতা ও চিন্তার স্বাধীনতা

সাধারণ ভাষা মডেলগুলো “২ + ২ কত?”—এই প্রশ্নের উত্তর দিতে যতখানি কম্পিউটেশন বা ফ্লপস খরচ করে, অলিম্পিয়াড পর্যায়ের কোনো কঠিন গণিত সমাধান করতেও ঠিক একই পরিমাণ ফ্লপস খরচ করত। ফলে কঠিন সমস্যায় তারা ভুল করে বসত। টেস্ট-টাইম কম্পিউটেশন মডেলকে সমস্যার জটিলতা অনুযায়ী নিজের ইচ্ছামতো অতিরিক্ত সময় নিয়ে গভীর চিন্তা করার সুযোগ করে দেয়।

২. টেস্ট-টাইম স্কেলিং সূত্র

গবেষণায় দেখা গেছে যে ইনফারেন্সের সময় যত বেশি কম্পিউটেশন বরাদ্দ করা হয়, মডেলের ভুলের হার ঠিক একইভাবে পাওয়ার-ল (Power Law) নিয়মে কমতে থাকে। একটি ছোট মডেলও যদি পরীক্ষার সময় ৫ সেকেন্ডের বদলে ১ মিনিট গভীরভাবে চিন্তা করার সুযোগ পায়, তবে সে শতগুণ বড় মডেলের চেয়েও নিখুঁত ফলাফল দিতে পারে।

৩. লুকায়িত চিন্তাশৃঙ্খল (Hidden Reasoning Tokens)

OpenAI o1 আর্কিটেকচারে কোনো জটিল প্রশ্ন করা হলে মডেলটি সরাসরি কোনো উত্তর দেয় না। সে মানুষের মতো মনে মনে নিজের সাথে কথা বলতে থাকে এবং হাজার হাজার রিজনিং টোকেন তৈরি করে:

  • সে বিভিন্ন সম্ভাব্য পথ কল্পনা করে।
  • নিজের হিসাবে কোথাও ভুল হলো কি না তা নিজেই যাচাই করে।
  • ভুল বুঝতে পারলে পেছনের পদক্ষেপে ফিরে আসে (Backtracking) এবং নতুন কোনো যুক্তি নিয়ে কাজ শুরু করে।

৪. প্রসেস রিওয়ার্ড মডেলের ভূমিকা

মডেলের এই যৌক্তিক চিন্তাকে নিখুঁত করতে কেবল শেষ ফলাফল মিলল কি না তা দেখা হয় না; বরং তার প্রতিটি পদক্ষেপের সততা ও নির্ভুলতা যাচাই করার জন্য Process Reward Model (PRM) এবং লিন (Lean)-এর মতো স্বয়ংক্রিয় গাণিতিক প্রুভার দিয়ে রিইনফোর্সমেন্ট লার্নিং প্রশিক্ষণ দেওয়া হয়। ফলে এআই এখন কেবল টেক্সটের অনুকরণকারী নয়, বরং প্রকৃত অর্থেই স্বাবলম্বী চিন্তাবিদ।

শাকিল মাহমুদ সজল

শাকিল মাহমুদ সজল

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