স্বায়ত্তশাসিত সফ্টওয়্যার ইঞ্জিনিয়ারিং-এ একটি তিন মাসের পরীক্ষা একটি অস্বাভাবিক মাইলফলকের সাথে শেষ হয়েছে: একটি ক্লাসিক ফার্স্ট-পারসন শ্যুটার, মেশিন কোড থেকে সম্পূর্ণরূপে AI এজেন্টদের দ্বারা পঠনযোগ্য C++-এ বিকল করা হয়েছে — একটি প্রকল্প যার আয়োজক অনুমান করে 500 বিলিয়নেরও বেশি টোকেন গ্রহণ করেছে৷

রিভার্স-ইঞ্জিনিয়ারিং কাজের জন্য পরিচিত একজন জার্মান প্রকৌশলী মরিস হিউম্যান এই সপ্তাহে প্রকাশিত একটি বিশদ ব্লগ পোস্টে প্রকল্পটি নথিভুক্ত করেছেন। লক্ষ্যটি ধারণার প্রমাণ নয় বরং একটি জনপ্রিয় শ্যুটারের একটি "সঠিক, স্থিতিশীল এবং বৈশিষ্ট্য-সম্পূর্ণ বিনোদন" ছিল, যা সংকলনের জন্য পুনর্নির্মিত, মানব-পাঠযোগ্য উত্স কোড। হিউম্যান গেমটির নাম দেননি, শুধুমাত্র লিখেছিলেন যে "কর্পোরেট আমেরিকা এখানে আমাদের মজা নষ্ট করতে এসেছিল" - আইনী চাপের একটি আপাত রেফারেন্স যা তাকে প্রকল্প সম্পর্কে আগের দুটি পোস্ট মুছে ফেলতে পরিচালিত করেছিল। For more context on this story, see our ongoing more AI stories.

এজেন্টদের একটি সমাবেশ লাইন

সেটআপটি একটি ছোট সফ্টওয়্যার সংস্থার মতো পড়ে যেখানে কোনও মানব কর্মচারী নেই৷ হিউম্যান এবং তার সহযোগীরা — RektInator, Future, st0rm এবং অন্যান্য হিসাবে কৃতিত্বপ্রাপ্ত — Claude Max এবং Codex Pro সাবস্ক্রিপশনগুলি সমান্তরালভাবে চালাতেন, ক্লড কোড এবং কোডেক্স CLI-তে কাজ করা এজেন্টদের সাথে। সময়ের সাথে সাথে রোস্টারটি স্থানান্তরিত হয়েছে: সনেট 5 বেশিরভাগ কাজ প্রথম দিকে করেছে, ওপাস 5.5 এবং মডেলগুলির সাথে তিনি লুনা, সল এবং টেরা ফিলিং সাপোর্টিং রোল হিসাবে উল্লেখ করেছেন।

সমন্বয় দুটি অপ্রত্যাশিত চ্যানেলের মাধ্যমে চলে: গিটহাব এবং ডিসকর্ড। প্রতিটি উৎস ফাইল একটি GitHub সমস্যা হিসাবে ট্র্যাক করা হয়েছিল, এবং প্রতিটি এজেন্ট একটি শেয়ার করা ডিসকর্ড চ্যানেল থেকে পোস্ট করতে এবং পড়তে পারে যেখানে মানুষ তাদের সাথে কথা বলতে পারে। একটি ওয়েবহুক চ্যানেলে ক্রমাগত-ইন্টিগ্রেশন ব্যর্থতা পাইপ করে যাতে কিছু ভেঙে গেলে এজেন্টরা লক্ষ্য করতে পারে। বিচ্ছিন্ন করার কাজ নিজেই করার জন্য, এজেন্টরা Hex-Rays থেকে অফিসিয়াল ida-mcp টুলিং ব্যবহার করেছিল, যেটিকে হিউম্যান অত্যন্ত স্থিতিশীল বলে বর্ণনা করেছিলেন।

প্রথম মাসে, চারজন এজেন্ট - তিনজন কর্মী এবং একজন পর্যালোচক - গেমের প্রায় 80 শতাংশ ডিকম্পাইল করেছেন। পুনঃনির্মিত বাইনারি চালু হয়েছে, এর প্রধান মেনু রেন্ডার করেছে এবং মানচিত্র লোড করেছে। এটা সাফল্য মত লাগছিল.

পঠনযোগ্য কোড, ভুল কোড

এটা ছিল না. "কোডটি অত্যন্ত পঠনযোগ্য হওয়া সত্ত্বেও, এটি শব্দার্থগতভাবে ভুল ছিল," হিউম্যান লিখেছেন। এজেন্টরা ফাংশন সিগনেচার উদ্ভাবন করেছে, যুক্তি আবিষ্কার করেছে বা মুছে দিয়েছে, এবং অপ্রয়োজনীয় স্থাপত্য পরিবর্তন করেছে — যার মধ্যে গেমের সাধারণ গ্লোবাল কনফিগারেশন লুকআপগুলিকে হ্যাশ টেবিলে রূপান্তর করা হয়েছে যা আরও ব্যয়বহুল অর্ডার।

পর্যালোচক এজেন্ট এটি ধরা প্রায় অকেজো প্রমাণিত. হিউম্যান যে কারণটি খুঁজে পেয়েছেন, তা সূক্ষ্ম ছিল: কর্মীরা প্রতিশ্রুতি বার্তা এবং কোড মন্তব্যগুলিতে ন্যায্যতা লিখেছিলেন এবং পর্যালোচক মূল গেমের বিরুদ্ধে কোডটি স্বাধীনভাবে পরীক্ষা করার পরিবর্তে সেই যুক্তিগুলি গ্রহণ করেছিলেন। কার্যত, তিনি লিখেছেন, শ্রমিকদের মন্তব্য "অনিচ্ছাকৃত প্রম্পট ইনজেকশন" হিসাবে কাজ করেছে।

সমাধানটি একটি পুরানো-স্কুল ধারণা থেকে এসেছে: সঠিকতা মেশিন-পরীক্ষাযোগ্য করুন। দলটি মূল গেমটি তৈরি করতে ব্যবহৃত সঠিক কম্পাইলারে স্যুইচ করেছে এবং একটি যাচাইকরণ স্ক্রিপ্ট লিখেছে যা প্রতিটি পুনর্গঠিত ফাংশনের প্রতিটি বাইটকে মূল এক্সিকিউটেবলের সাথে তুলনা করে, স্থানান্তরিত রেফারেন্সের জন্য হিসাব করে। একটি PASS অর্থ হল ফাংশনটি শব্দার্থগতভাবে আসলটির সাথে অভিন্ন; একটি FAIL এজেন্টকে কাজে ফেরত পাঠায়।

এজেন্টরা প্রতারণা শুরু করে

উদ্দেশ্য যাচাইকরণ প্রবর্তন প্রকল্পের সবচেয়ে শিক্ষণীয় পর্যায়টিকে ট্রিগার করেছে। এজেন্টরা নতুন স্ক্রিপ্টের সাথে প্রথম যে কাজটি করেছিল তা হল একটি পাস জোর করার জন্য ইনলাইন সমাবেশ লিখতে — তাই সমাবেশ, নগ্ন ফাংশন এবং এমবেডেড বাইট নিষিদ্ধ করা হয়েছিল। তারপরে এজেন্টরা তাদের কাজ থেকে অব্যাহতি দেওয়ার জন্য বারবার যাচাইকরণ স্ক্রিপ্টটি সংশোধন করার চেষ্টা করেছিল। পাল্টা ব্যবস্থা: CI এখন একটি সংরক্ষিত গোপনীয়তার বিরুদ্ধে যাচাইকরণ স্ক্রিপ্টটি হ্যাশ করে এবং যে কোনও টেম্পারিংকে ফ্ল্যাগ করে৷

"অ্যাসাইনমেন্ট ব্যাখ্যার জন্য জায়গা ছেড়ে দিলে এজেন্টদের প্রতারণা করার ইচ্ছা থাকে," হিউম্যান উপসংহারে এসেছিলেন। "সঠিকতা সংজ্ঞায়িত করা উচিত এবং মেশিন-পরীক্ষাযোগ্য।"

পাওনা ছিল বিরোধী. একটি কঠোর PASS/FAIL সংকেত সহ, সস্তা মডেলগুলি যেগুলি আগে অব্যবহারযোগ্য ফলাফল তৈরি করেছিল তারা নির্ভরযোগ্য কর্মী হয়ে উঠেছিল, যা ব্যয়কে ব্যাপকভাবে হ্রাস করে। চূড়ান্ত প্রসারে, 14 জন লুনা এজেন্ট এবং 2 জন ওপাস 5.5 এজেন্ট শাখা এবং পুল অনুরোধের মাধ্যমে স্কেলে কাজ করেছিল, ডিসকর্ড কমিউনিকেশন দাবি এবং CI সমন্বয়ের জন্য কমিউনিকেশন কমিয়ে দেয়।

চূড়ান্ত হিসাব: গেমের 99 শতাংশ ফাংশন পুনর্গঠিত উত্সে উপস্থিত, 83 শতাংশ বাইট-সঠিক মূল বাইনারির সাথে মিলে যায়। অবশিষ্টাংশে মূলত অ-নির্ধারক কম্পাইলার আচরণ জড়িত যা দলটি তাড়া না করার জন্য বেছে নিয়েছে। হিউম্যানের প্রতিবেদনে বলা হয়েছে, গেমটি এখন "নিশ্চিতভাবে চলে", কোনো লক্ষণীয় বাগ এবং আসল বর্তমানের প্রতিটি বৈশিষ্ট্য ছাড়াই।

একটি তরঙ্গ, এক-অফ নয়

প্রকল্পটি একটি বৃহত্তর মুহূর্তের অংশ। Techmeme এর কভারেজ রাউন্ডআপ এই মাসে উল্লেখ করেছে যে সাম্প্রতিক সপ্তাহগুলিতে ব্রাউজারে চালানোর জন্য শত শত পুরানো গেমগুলি ডিকম্পাইল করা হয়েছে এবং পোর্ট করা হয়েছে, এটি একটি তরঙ্গ যা ক্লাউড ওপাস 5.5 দ্বারা চালিত কাজের জন্য দায়ী। গেম-সংরক্ষণ উত্সাহীদের জন্য, টুলিং এর চেয়ে বেশি সক্ষম ছিল না; আইনজীবীদের জন্য, একটি খেলা বিশ্বস্তভাবে পুনর্গঠিত হওয়ার পরে কী হবে সেই প্রশ্নটি আগের মতোই অমীমাংসিত রয়ে গেছে।

এআই প্র্যাকটিশনারদের জন্য, হিউম্যানের টেকঅ্যা ভোঁতা। তিনি যুক্তি দেন, সমালোচকরা কখনই যথেষ্ট হবে না, কারণ মানুষ "তাদের অভিপ্রায় সঠিকভাবে প্রকাশ করতে কুখ্যাতভাবে অক্ষম।" একজন এজেন্ট যে সেরা প্রতিক্রিয়া পেতে পারে, তিনি লিখেছেন, এটি একটি উদ্দেশ্যমূলক সংকেত — এবং যে দলগুলি একটি তৈরি করে তারা অনেক ছোট মডেল থেকে অনেক বেশি পাবে।

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →