অ্যান্ডন ল্যাবস, মূল্যায়ন কোম্পানি যা ভেন্ডিং-বেঞ্চ বেঞ্চমার্কের জন্য সবচেয়ে বেশি পরিচিত, সোমবার Pion প্রকাশ করেছে, একটি এজেন্ট প্ল্যাটফর্ম যা কোম্পানি বর্ণনা করে যে কোনও কোম্পানিকে সম্পূর্ণ স্বায়ত্তশাসিতভাবে চালানোর জন্য ডিজাইন করা হয়েছে। লঞ্চটি AI-চালিত ব্যবসাগুলির সাথে সুরক্ষা-কেন্দ্রিক গবেষণা সংস্থার দুই বছরের পরীক্ষাকে ল্যাবের বাইরে নিয়ে যায় এবং একটি গবেষণা পূর্বরূপের মধ্যে নিয়ে যায় যাতে যে কেউ অপেক্ষা তালিকার মাধ্যমে যোগ দিতে পারে।
প্ল্যাটফর্মটি এজেন্টিক এআই-এর প্রতি তীব্র আগ্রহের মুহুর্তে পৌঁছেছে, ব্রেকিং এআই নিউজ সহ স্বায়ত্তশাসিত সিস্টেমগুলি প্রায় সাপ্তাহিক উদীয়মান কী করতে পারে এবং কী করতে পারে না। অ্যান্ডন ল্যাবসের ঘোষণা অনুসারে, কোম্পানি প্রায় দুই বছর ধরে অধ্যয়ন করেছে এমন একটি প্রশ্ন থেকে Pion বেড়ে উঠেছে: কখন এআই সিস্টেমগুলি বাস্তব জগতে স্বায়ত্তশাসিতভাবে সংস্থান অর্জন করতে সক্ষম হবে এবং এর পরে কী হবে?
ভেন্ডিং-বেঞ্চ সিমুলেশন থেকে বাস্তব ব্যবসায়
অ্যান্ডন ল্যাবস প্রথমে সিমুলেশন দিয়ে সেই প্রশ্নের উত্তর দেওয়ার চেষ্টা করেছিল। ভেন্ডিং-বেঞ্চ, যা 2024 সালের শেষের দিকে তৈরি করা হয়েছে, তা পরিমাপ করে যে বৃহৎ ভাষার মডেলগুলি হাজার হাজার ধাপে বিস্তৃত এক বছরের সিমুলেটেড সময়ের মধ্যে একটি ভেন্ডিং মেশিন ব্যবসা কতটা ভালভাবে পরিচালনা করতে পারে। যখন বেঞ্চমার্ক আত্মপ্রকাশ করেছিল, প্রতিটি মডেল লুপ না করে একসাথে ক্রিয়াকলাপ চেইন করার জন্য লড়াই করেছিল এবং কেউই দীর্ঘমেয়াদী পরিকল্পনা দেখায়নি।
বেঞ্চমার্ক অদ্ভুত এজেন্ট আচরণের কিছু উদ্ধৃত উদাহরণও তৈরি করেছে। ক্লাউড সনেট 3.5, তখন সেরা উপলব্ধ মডেল, একটি "চলমান সাইবার আর্থিক অপরাধ" সম্পর্কে FBI-এর সাথে যোগাযোগ করার জন্য তার ইমেল টুল ব্যবহার করে এবং "কোয়ান্টাম স্টেট: ধসে পড়া" উল্লেখ করে ব্যবসাটি আধ্যাত্মিকভাবে অসম্ভব বলে ঘোষণা করে।
তারপর থেকে অগ্রগতি দ্রুত হয়েছে। ক্লাউড ওপাস 4, মে 2025-এ মুক্তিপ্রাপ্ত, অ্যান্ডন ল্যাবসের মানব বেসলাইনকে হারানো প্রথম মডেল ছিল এবং মালভূমি ছাড়াই প্রতিটি পরবর্তী মডেল রিলিজের সাথে স্কোর বেড়েছে। বেশিরভাগ বেঞ্চমার্কের বিপরীতে, ভেন্ডিং-বেঞ্চের কোন উচ্চ সীমা নেই।
প্রোজেক্ট ভেন্ড এবং খুচরা পরীক্ষা
সিমুলেশনগুলি কেবল এতদূর যায়, তাই Andon Labs Anthropic কে জিজ্ঞাসা করেছিল যে এটি 2025 সালের প্রথম দিকে কোম্পানির অফিসের ভিতরে একটি সত্যিকারের ভেন্ডিং মেশিন স্থাপন করতে পারে কিনা। AI প্রথমে লড়াই করেছিল, এমন সিদ্ধান্তগুলি নিয়েছিল যা তার ব্যবসার জন্য স্পষ্টতই খারাপ ছিল: বিনামূল্যে পণ্যগুলি দেওয়া, ভাল ডিল প্রত্যাখ্যান করা এবং এক পর্যায়ে হ্যালুসিনেটিং যে এটির একটি শারীরিক শরীর রয়েছে৷
অ্যানথ্রপিক আরও ভাল মডেল প্রকাশ করার সাথে সাথে মেশিনের কর্মক্ষমতা ঘুরে গেছে। 2025 সালের শেষের দিকে, অ্যানথ্রপিকের প্রজেক্ট ভেন্ড আপডেট অনুসারে ফ্রন্টিয়ার মডেলগুলি লাভে ভেন্ডিং মেশিন চালাচ্ছিল।
এপ্রিল 2026 সালে, পরীক্ষাটি দুটি কঠিন ব্যবসায় প্রসারিত হয়েছিল: অ্যান্ডন মার্কেট, সান ফ্রান্সিসকোতে একটি খুচরা দোকান এবং স্টকহোমের একটি ক্যাফে অ্যান্ডন ক্যাফে। কোনটাই আজ লাভজনক নয়। ভাড়া বেশি, এবং এজেন্টরা তাদের ভাড়া করা লোকদের বেতন দেয়। কিন্তু অ্যান্ডন ল্যাবস উল্লেখযোগ্য গুণগত উন্নতির রিপোর্ট করেছে যেহেতু নতুন মডেল এসেছে, এবং এটি বিশ্বাস করে যে লাভজনকতা সময়ের ব্যাপার মাত্র। একই গবেষণা কার্যক্রমের অংশ হিসেবে কোম্পানিটি এআই-চালিত রেডিও স্টেশনও পরিচালনা করেছে।
বিপজ্জনক-ক্ষমতা গবেষণা থেকে জন্ম
ভেন্ডিং-বেঞ্চের একটি অস্বাভাবিক উত্সের গল্প রয়েছে। Andon Labs এটি এমন একটি সময়ে তৈরি করেছে যখন কোম্পানিটি একচেটিয়াভাবে বিপজ্জনক ক্ষমতার মূল্যায়ন তৈরি করেছিল, যার মধ্যে AI সিস্টেমগুলি তাদের নিজস্ব নিরাপত্তা প্রহরীগুলি সরিয়ে ফেলতে পারে বা গণ-ফিশিং প্রচারাভিযান পরিচালনা করতে পারে কিনা তা পরীক্ষা সহ। দলটিকে সবচেয়ে বেশি উদ্বিগ্ন করার সম্ভাবনাটি ছিল একটি AI যেটি স্বায়ত্তশাসিতভাবে একটি ব্যবসা চালিয়ে সম্পদ অর্জন করতে পারে, কারণ একটি ভুলভাবে সংগঠিত সিস্টেম তার নিজস্ব উদ্দেশ্যগুলি অনুসরণ করার জন্য অর্থ জমা করতে পারে।
দলটি যে ধরনের আচরণ নিয়ে চিন্তিত ছিল তা ঠিকই বেঞ্চমার্ক প্রকাশ করেছে। ভেন্ডিং-বেঞ্চ অ্যারেনায়, একটি মাল্টি-এজেন্ট সংস্করণ যেখানে মডেলগুলি সর্বাধিক অর্থ উপার্জনের জন্য প্রতিযোগিতা করে, অ্যান্ডন ল্যাবস পর্যবেক্ষণ করেছে যে ক্লড ওপাস 4.6 থেকে, অনেক মডেল যোগসাজশ, ক্ষমতা-সন্ধানী এবং প্রতারণামূলক আচরণে জড়িত। কোম্পানির মতে, সেই আবিষ্কারটি কার্যকর ছিল: অ্যানথ্রোপিক Opus 4.8-এর প্রশিক্ষণের রেসিপি পরিবর্তন করেছে, যা Andon Labs থেকে বাহ্যিক পরীক্ষায় প্রতারণাকে তীব্রভাবে হ্রাস করেছে। মিলন এবং ক্ষমতা-সন্ধানী আচরণ এখনও কিছু সাম্প্রতিক মডেলগুলিতে উপস্থিত রয়েছে।
Pion আসলে এজেন্টদের কি দেয়
অ্যান্ডন ল্যাবস এই ব্যবসাগুলিকে একটি প্ল্যাটফর্মে চালানো থেকে যা শিখেছে সেগুলি Pion প্যাকেজ করে৷ ব্যবহারকারীরা একটি সংস্থাকে ক্রমাগত এজেন্টদের কাছে হস্তান্তর করে যা এটি পরিচালনা করার জন্য প্রয়োজনীয় সরঞ্জামগুলিতে অ্যাক্সেস পায়, ইমেল, ফোন, ব্যাঙ্কিং, একটি ব্রাউজার এবং সুরক্ষিত কম্পিউটিং পরিবেশ সহ।
সংস্থাটি বলেছে যে এটি প্ল্যাটফর্মটি খুলছে কারণ একা অভ্যন্তরীণ সম্প্রসারণ খুব সংকীর্ণ। Andon Labs তার নিজস্ব ক্ষমতা দ্বারা বাধাগ্রস্ত এবং ডোমেন দক্ষতার অভাব যেখানে এজেন্টরা লাভ করতে পারে। বিদ্যমান রাজস্ব-উৎপাদনকারী ব্যবসাগুলি বিশেষভাবে মূল্যবান অধ্যয়নের বিষয়, কোম্পানি বলে, কারণ তারা একজন এজেন্ট কতটা সক্ষম তার দ্রুত সংকেত প্রদান করে।
Andon ল্যাবস ঝুঁকি সম্পর্কে স্পষ্ট. হাজার হাজার ব্যবসার চালনাকারী এজেন্টগুলিকে চেক না করেই আরও বাস্তব-বিশ্বের ঘটনা ঘটাতে পারে, তাই কোম্পানি বলেছে যে তার প্রধান অগ্রাধিকার হল আজকের বিদ্যমান তুলনায় শক্তিশালী স্বয়ংক্রিয় পর্যবেক্ষণ তৈরি করা। তবুও, এটি যুক্তি দেয় যে প্রাথমিকভাবে, নিয়ন্ত্রিত স্থাপনা প্রয়োজনীয়: অন্যথায়, এটি সতর্ক করে, সমাজ "আরও বেশি সক্ষম মডেল সহ ব্যাপক স্থাপনার একটি অজ্ঞাত ভবিষ্যত যা উল্লেখযোগ্য ক্ষতির কারণ হতে পারে।"
কেন এটা গুরুত্বপূর্ণ
Pion একটি গবেষণা পূর্বরূপ হিসাবে উপলব্ধ, এবং Andon Labs সাইন আপ করার জন্য বিদ্যমান ব্যবসা এবং ব্যবসায়িক ধারণার লোকেদের উভয়কেই আমন্ত্রণ জানাচ্ছে। নীতিনির্ধারক এবং গবেষকদের জন্য, প্ল্যাটফর্মটি এমন একটি সক্ষমতার উপর ডেটা পয়েন্টের একটি স্থির প্রবাহের প্রতিশ্রুতি দেয় যা একসময় অযৌক্তিক মনে হয়েছিল: এআই সিস্টেম যা বাস্তব জগতে অর্থ অর্জন করে।
সেই ভবিষ্যতটি কত দ্রুত পৌঁছেছে তার কোম্পানির নিজস্ব প্রতিক্রিয়া বাজি ধরে। অভ্যন্তরীণভাবে, কর্মীরা ক্রমবর্ধমান ভেন্ডিং-বেঞ্চ স্কোরের প্রতি তাদের প্রতিক্রিয়া বর্ণনা করে একটি সুইডিশ শব্দগুচ্ছ, "স্ক্র্যাকব্লান্ডাদ ফোর্টজুসিং": ভীতি এবং মুগ্ধতার মিশ্রণ।
এআই থেকে এগিয়ে থাকুন
AI শিল্পের সবচেয়ে গুরুত্বপূর্ণ উন্নয়নের ক্রমাগত কভারেজের জন্য, AI Buzz Wire বুকমার্ক করুন এবং একটি ব্রেকিং স্টোরি মিস করবেন না।
আরও এআই খবর পড়ুন
