গুগল ডিপমাইন্ড-এর গবেষণা ইনস্টিটিউট একটি সুইপিং প্রবন্ধ প্রকাশ করেছে যেখানে যুক্তি দেওয়া হয়েছে যে AGI-এর পরের যুগ এখন একই বিশ্লেষণাত্মক কঠোরতার যোগ্য যে ক্ষেত্রটি একবার AGI-এর জন্য সংরক্ষিত ছিল। "AGI-এর পরে কী আসে? AGI থেকে সুপার ইন্টেলিজেন্স" অংশটি 19 নভেম্বর, 2026-এ Google DeepMind-এর একজন গবেষণা বিজ্ঞানী Tim Genewein, DeepMind Institute-এর রচনা পোর্টালে প্রকাশ করেছিলেন৷ এর মূল দাবি: কৃত্রিম সাধারণ সুপার ইন্টেলিজেন্সের দিকে একাধিক প্রযুক্তিগত রুট আকার ধারণ করায়, AGI-এর বাইরের শাসনব্যবস্থা "দার্শনিক অনুমান থেকে অভিজ্ঞতামূলক গবেষণা এবং শাসন প্রশ্নে স্থানান্তরিত হচ্ছে।"
প্রবন্ধটি কয়েক মাসের মধ্যে AI গবেষণার সংবাদের সবচেয়ে ব্যস্ততম প্রসারিত সময়ে অবতরণ করে এবং এটি AGI-পরবর্তী বিতর্ককে একটি সুনির্দিষ্ট প্রযুক্তিগত শব্দভান্ডার দেওয়ার একটি ইচ্ছাকৃত প্রচেষ্টা হিসাবে পড়ে। সাম্প্রতিক AI উন্নয়নগুলি অনুসরণ করে এমন যে কারও জন্য, এটি বিশ্বের শীর্ষস্থানীয় ল্যাবগুলির মধ্যে একটি কীভাবে মানব-স্তরের AI ছাড়িয়ে রাস্তাকে ফ্রেম তৈরি করে তার সবচেয়ে পরিষ্কার ছবি অফার করে — একটি খরচ পূর্বাভাস সহ যা সঠিক হলে, জ্ঞানীয় কাজের অর্থনীতিকে রূপান্তরিত করবে।
সুপার ইন্টেলিজেন্স হিসাবে কি গণনা করা হয়
Genewein সাধারণ বুদ্ধিমত্তাকে একটি ধারাবাহিকতায় রেখে শুরু করে, মানব-স্তরের AGI এর সাথে মাত্র একটি বিন্দু। ASI, প্রবন্ধের সংজ্ঞায়, একটি উন্নত সিস্টেম যা ধারাবাহিকভাবে মানব বিশেষজ্ঞদের বৃহৎ গোষ্ঠীর কাজগুলিকে ছাড়িয়ে যায় যেগুলি সম্পন্ন করতে সেই বিশেষজ্ঞদের বছর লেগে যেতে পারে, কম সংস্থান এবং কম সময় ব্যবহার করে — উদাহরণস্বরূপ, সময়ের একটি ভগ্নাংশে একটি সম্পূর্ণ গবেষণা ক্ষেত্রের বৈজ্ঞানিক আউটপুট মেলানো, বা একটি বছরে বড় কোম্পানির উত্পাদনের সাথে চিপ-ডিজাইন অগ্রগতি অর্জন করা। গুরুত্বপূর্ণভাবে, বারটিকে অবশ্যই মানব স্বার্থের কার্যত সমস্ত কাজ জুড়ে পূরণ করতে হবে, একটি সংকীর্ণ অংশ নয়।
সংকীর্ণ আধিপত্য, প্রবন্ধ নোট, ইতিমধ্যেই বিদ্যমান: এআই সিস্টেমগুলি আজ দাবা এবং গোতে যে কোনও মানুষকে পরাজিত করে, অ্যামিনো অ্যাসিড সিকোয়েন্স থেকে প্রোটিন কাঠামোর ভবিষ্যদ্বাণী করে এবং প্রমাণিত উপপাদ্যগুলি কয়েক দশক ধরে গণিতবিদদের প্রতিরোধ করেছিল। মানব-স্তরের এআই এবং বুদ্ধিমত্তার তাত্ত্বিক সীমার মধ্যে যে বিস্তীর্ণ মধ্যম স্থল রয়েছে তা প্রকৃতপক্ষে অজানা রয়ে গেছে। জেনিউইনের দৃষ্টান্তমূলক পয়েন্ট: দাবা পুরোপুরি সমাধান করার জন্য পৃথিবীতে বিদ্যমান তুলনায় আরও বেশি কম্পিউটিং শক্তির প্রয়োজন হবে, তবুও থাম্বনেইলের আকারের চিপ ইতিমধ্যেই যে কোনও মানুষকে পরাস্ত করতে যথেষ্ট ভাল খেলে।
জ্ঞানীয় শিল্পায়ন এবং ধসে পড়া খরচ
প্রবন্ধের পরিমাণগত মূল হল "জ্ঞানগত শিল্পায়ন" এর একটি বিশ্লেষণ। Genewein গত দশক থেকে তিনটি চক্রবৃদ্ধি প্রবণতা গুণিত. প্রথমত, হার্ডওয়্যার: মুরের আইন এবং সংশ্লিষ্ট প্রবণতার অধীনে ছয় দশক ধরে প্রতি ডলার কম্পিউট প্রতি বছর প্রায় 1.5 গুণ উন্নত হয়েছে। দ্বিতীয়ত, অ্যালগরিদমিক দক্ষতা: একটি নির্দিষ্ট কর্মক্ষমতা স্তরে পৌঁছানোর জন্য প্রয়োজনীয় প্রশিক্ষণ গণনা গত দশকে প্রতি বছর প্রায় 3-6 গুণ কমেছে, অনুমান কার্যক্ষমতা বছরে প্রায় 3 গুণ বৃদ্ধি পেয়েছে। তৃতীয়, বিনিয়োগ: AI হার্ডওয়্যারের খরচ প্রতি বছর মোটামুটিভাবে 2.5 গুণ বেড়েছে, এবং সবচেয়ে বড় সীমান্ত রানের প্রশিক্ষণ গণনা বছরে 4 গুণেরও বেশি বেড়েছে।
তিনটি গুণ করুন, এবং প্রবন্ধ অনুমান করে যে বিশ্বব্যাপী কার্যকর গণনা প্রতি বছর কমপক্ষে 10 গুণ বৃদ্ধি পাচ্ছে - "দশ বছরে 10 বিলিয়নের ফ্যাক্টর।" চাহিদার দিক থেকে, শুধুমাত্র হার্ডওয়্যার এবং সফ্টওয়্যার দক্ষতার উন্নতি প্রতি বছর প্রায় 4x একটি নির্দিষ্ট AI কাজের চাপ চালানোর জন্য প্রয়োজনীয় গণনাকে কমিয়ে দেবে। ফলাফল, যেমন জেনিউইন বলেছেন: একটি জ্ঞানীয় কাজের চাপ যা আজকের AI সিস্টেমের সাথে সম্পাদন করতে $1 বিলিয়ন কম্পিউট টোকেন খরচ করে দশ বছরে প্রায় $1,000 খরচ হবে।
এটি একটি একা এক্সট্রাপোলেশন নয়। প্রবন্ধটি একটি সাম্প্রতিক যুগের সমীক্ষার উদ্ধৃতি দিয়েছে যে 2023 সাল থেকে মানদণ্ডের একটি সেটে একটি নির্দিষ্ট স্কোর অর্জনের ভোক্তা মূল্য প্রতি বছর 13 গুণেরও বেশি কমেছে। এটি আরও প্রজেক্ট করে যে AI এজেন্টদের কার্যকর জনসংখ্যা 2030 সালের মধ্যে হাজার গুণেরও বেশি হতে পারে, এবং এই পতাকাটি দশ বছরের মধ্যে একটি বিলিয়ন-গুণ বেশি না হলেও সতর্কতামূলকভাবে দেওয়া হয়েছে। কম্পিউট বিল্ড-আউটের ব্যবহারিক সিলিং এবং অ্যালগরিদমিক দক্ষতার উপর আরও অনুমানমূলক সিলিং হস্তক্ষেপ করতে পারে।
AGI থেকে ASI পর্যন্ত চারটি পথ
প্রবন্ধটির কেন্দ্রবিন্দু হল চারটি প্রযুক্তিগত পথের একটি শ্রেণীবিন্যাস যা ক্ষমতাগুলিকে আনলক করতে পারে যা নিছক স্কেল করতে পারে না — কারণ, জেনিউইন শুষ্কভাবে পর্যবেক্ষণ করেছেন, "যখন আইনস্টাইন সাধারণ আপেক্ষিকতা খুঁজে বের করেছিলেন, তখন এক লক্ষ টলেমাইক জ্যোতির্বিজ্ঞানীদের সম্মেলন সম্ভবত হবে না।"
স্কেলিং মডেল এবং ডেটা। মডেল, ডেটা এবং টেস্ট-টাইম-কম্পিউট স্কেলের সাথে সামর্থ্য উল্লেখযোগ্যভাবে ধারাবাহিকভাবে উন্নত হয়েছে, কিন্তু প্রবন্ধটি তিনটি প্রতিবন্ধকতা চিহ্নিত করে: উচ্চ-মানের প্রশিক্ষণ ডেটার চাহিদা মানবতার উৎপাদন ক্ষমতাকে ছাড়িয়ে যাওয়ায় ডেটা ক্লান্তি; মডেল স্কেলে আয় হ্রাস করা, যেখানে সক্ষমতার প্রতিটি রৈখিক পদক্ষেপের জন্য গুণগত গণনা প্রয়োজন যখন বড় মডেলগুলি যুক্তি-সময় পদ্ধতিকে ধীর করে দেয়; এবং পাওয়ার প্ল্যান্ট, বৈদ্যুতিক গ্রিড, চিপ ফ্যাবস এবং কম লেটেন্সি ইন্টারকানেক্টের শারীরিক ও অর্থনৈতিক সীমাবদ্ধতা। প্রযুক্তিগত দৃষ্টান্ত পরিবর্তন। আজকের দৃষ্টান্ত — পরবর্তী টোকেন ভবিষ্যদ্বাণী করার জন্য ট্রেন ট্রান্সফরমার, তারপর পরিমার্জিত এবং পরীক্ষার সময় গণনা যোগ করা — সম্প্রতি প্রম্পটের মাধ্যমে জটিল অ্যালগরিদম চালাতে সক্ষম নীতিগতভাবে দেখানো হয়েছে। তবুও মডেলগুলি এখনও ক্রমাগত শিক্ষা, বিশ্ব মডেলিংয়ের নির্দিষ্ট ফর্ম, সিদ্ধান্ত গ্রহণ, নমুনা দক্ষতা, এবং বিদ্যমানগুলির পুনর্মিলনের পরিবর্তে সত্যিকারের নতুন ধারণার উদ্ভাবনে মানুষের কাছে কম পড়ে। আজকের দৃষ্টান্তের এক্সটেনশনগুলি সেই ফাঁকগুলি বন্ধ করতে পারে বা ASI-এর আরও গভীর কিছু প্রয়োজন কিনা তা নিয়ে গবেষকরা বিভক্ত। এজেন্ট সমন্বয়ের উন্নতি। মানব কর্পোরেশন, বাজার, এবং গবেষণা সম্প্রদায়গুলি এমন সমস্যার সমাধান করে যা কোন ব্যক্তি করতে পারে না। একইভাবে, "গ্রুপ এজেন্ট" বা ভার্চুয়াল এজেন্ট অর্থনীতিতে হাজার হাজার বা লক্ষাধিক AGI দৃষ্টান্ত সমন্বয় করা যৌথ সুপার ইন্টেলিজেন্স তৈরি করতে পারে। প্রবন্ধটি যুক্তি দেয় যে ক্ষেত্রের জন্য "মাল্টি-এজেন্ট স্কেলিং আইন" প্রয়োজন - প্রাথমিক গবেষণা কিছু কাজের উপর সুস্পষ্ট লাভ খুঁজে পায়, কিন্তু সমন্বয়ের অদক্ষতা জনসংখ্যা বৃদ্ধির সাথে সাথে কম রিটার্ন তৈরি করে। বৃহৎ সমষ্টিকে পরিচালনার জন্য প্রাতিষ্ঠানিক নকশারও প্রয়োজন হবে, যার মধ্যে ভুল তথ্য, ম্যানিপুলেশন এবং যোগসাজশের বিরুদ্ধে প্রতিরক্ষা রয়েছে; ঝাঁক পরীক্ষাগুলি ইতিমধ্যেই এজেন্টদের প্রতারণা করতে শিখছে এবং অন্যরা হুইসেল ব্লোয়ার হিসাবে কাজ করছে। পুনরাবৃত্ত স্ব-উন্নতি। প্রথমে I. J. Good এবং Ray Solomonoff দ্বারা আলোচনা করা হয়েছে, RSI AI এর ভবিষ্যৎ প্রজন্মের জন্য স্বয়ংক্রিয়ভাবে উন্নতির জন্য AI সিস্টেমের বর্ণনা দেয়। সাধারণ প্রযুক্তির বিপরীতে, এআই-এর উন্নতি সরাসরি পরবর্তী লাভগুলিকে ত্বরান্বিত করতে পারে — তবে গবেষণার অগ্রগতিও সময়ের সাথে সাথে খুঁজে পাওয়া কঠিন হয়ে যায়। RSI পলাতক ত্বরণ তৈরি করে কিনা, রচনাটি বলে, "প্রচুরভাবে একটি অভিজ্ঞতামূলক প্রশ্ন," এবং এটি কোড এবং ডিজাইন - আর্কিটেকচার, প্রশিক্ষণ অ্যালগরিদম, চিপ লেআউট - পাশাপাশি ডেটার মাধ্যমে কাজ করতে পারে।কেন ফ্রেমিং ব্যাপার
রচনাটি সুস্পষ্টভাবে একটি প্রস্তুতিমূলক যুক্তি: AGI থেকে ASI পর্যন্ত সম্ভাব্য রাস্তার ম্যাপিং করা এবং "প্রগতি ট্র্যাক করার কঠোর, নির্ভরযোগ্য উপায়" তৈরি করা, Genewein-এর ফ্রেমিং-এ, রূপান্তর পরিচালনার পূর্বশর্ত। এটি একটি দীর্ঘ ডিপমাইন্ড ইনস্টিটিউট রিপোর্টের সাথে, "এজিআই থেকে এএসআই পর্যন্ত।"
অভ্যর্থনা তাৎক্ষণিক ছিল. রচনাটি প্রকাশের একদিনের মধ্যে হ্যাকার নিউজে 85 পয়েন্ট এবং 160 টিরও বেশি মন্তব্য করেছে, যখন Unite.AI এবং BigGo Finance সহ ট্রেড প্রেস চার-রুট শ্রেণীবিন্যাস এবং মিলিয়নগুণ খরচ-সংঘর্ষের পূর্বাভাস তুলে ধরেছে। সুপার ইন্টেলিজেন্সের পূর্বাভাস কীভাবে তৈরি করা হয় সে সম্পর্কে বিস্তৃত সংশয়ের মধ্যেও এটি অবতরণ করে — IEEE স্পেকট্রাম এই সপ্তাহে "দ্য এআই সুপারিনটেলিজেন্স ডিবেটে গুরুতর ত্রুটি রয়েছে" শিরোনামে একটি অংশ প্রকাশ করেছে।
সেই উত্তেজনাই বিন্দু। ডিপমাইন্ড কোনো তারিখে এএসআইকে ভবিষ্যদ্বাণী করছে না; এটি যুক্তি দিচ্ছে যে দৃশ্যের স্থানটি এখন ম্যাপ করা, পরিমাপ করা এবং ভাইবসের পরিবর্তে প্রমাণের সাথে বিতর্ক করা যেতে পারে। বিলিয়ন-গুণ এক্সট্রাপোলেশনগুলি ভৌত সিলিং এর বিপরীতে ধরে রাখুক বা ভেঙ্গে থাকুক না কেন, প্রবন্ধটি একটি পরিবর্তন চিহ্নিত করে: প্রশ্ন "এজিআই এর পরে কী আসে?" দর্শন সেমিনার থেকে পৃথিবীর সবচেয়ে প্রভাবশালী AI ল্যাবের গবেষণা এজেন্ডায় চলে এসেছে।
---
এআই থেকে এগিয়ে থাকুনসর্বশেষ AI খবর, বিশ্লেষণ এবং সাফল্য পান — সব এক জায়গায়।
আরও এআই খবর পড়ুন →