AI কম্পিউটার বিজ্ঞানের ৩০ বছরের একটি ধারণা ভুল প্রমাণ করল

AI কম্পিউটার বিজ্ঞানের ৩০ বছরের একটি ধারণা ভুল প্রমাণ করল - AI News cover

কম্পিউটার বিজ্ঞানের এমন মাস খুব কমই আসে। এর একটি ভিত্তিগত বিশ্বাস ভেঙে ফেলা হয়েছে, আর ধ্বংসাবশেষ পরীক্ষা করছেন সেই গবেষকরাই যাঁরা এটি তৈরি করেছিলেন।

১৬ অক্টোবর, OpenAI এর একটি গবেষণা মডেল সাধারণ গদ্যে Exponential Time Hypothesis এর বিরুদ্ধে একটি পাল্টা যুক্তি তৈরি করেছে। একদিনের মধ্যেই যুক্তিটি Lean এ লিপিবদ্ধ করা হয়, একটি proof checker যা প্রতিটি যৌক্তিক ধাপ যান্ত্রিকভাবে যাচাই করে। ৬৭ পৃষ্ঠার এই manuscript এ লেখক হিসেবে OpenAI নিজের নাম রয়েছে।

কোনো সমন্বয় ছাড়াই কাজ করা Anthropic কয়েক ঘণ্টা আগেই একই গন্তব্যে পৌঁছেছিল। এর ৪৯ পৃষ্ঠার পেপার "A 2^o(n) Time Algorithm for 3-SAT" এর কৃতিত্ব দেওয়া হয়েছে Claude কে, আর মূল অ্যালগরিদমটি সেই একই দিনে একটি Claude গবেষণা মডেল আবিষ্কার করেছিল।

এই hypothesis প্রায় ১৯৯৯ সালের, যখন Russell Impagliazzo এবং Ramamohan Paturi যুক্তি দেন যে Boolean satisfiability এর জন্য exponential time এর চেয়ে দ্রুত কোনো অ্যালগরিদম নেই। এই একক ধারণাটি graph theory, databases, computational biology এবং geometry জুড়ে শত শত conditional hardness result কে নীরবে টিকিয়ে রেখেছে।

উভয় দল এখন একটি deterministic পদ্ধতির বর্ণনা দিচ্ছে যা subexponential time এ satisfying assignments গোনে, এবং উভয়েই exponent এর প্রধান পদে একই ফলে পৌঁছেছে। পর্যালোচকরা কাজটি নিশ্চিত করলে, ক্ষেত্রের সবচেয়ে বিশ্বস্ত দেয়ালগুলোর একটিতে দরজা আছে বলে প্রমাণিত হবে।

দাবিটিকে ওজন দেয় মডেলগুলোর পরিচয় নয়, বরং তাদের চারপাশের যাচাই কাঠামো। প্রতিটি অনুমান Lean এর মধ্য দিয়ে যায়। আর OpenAI এর গঠিত review panel এ রয়েছেন Impagliazzo এবং Paturi নিজেরাই, যাঁরা এখন নিজেদের conjecture এর পতন নিরীক্ষণ করছেন। TU Wien এর Stefan Szeider প্রকাশিত উপাদান পরীক্ষা করেছেন এবং আশা করেন এটি ঘনিষ্ঠ পাঠ টিকে যাবে।

সতর্কতা তবু জরুরি। ফলাফলটি P versus NP সম্পর্কে কিছু বলে না, এবং নতুন অ্যালগরিদম এখনও superpolynomial time এ চলে, তাই আগামীকাল সকালে কোনো practical solver দ্রুত হবে না। যা বদলেছে তা হলো theoretical মানচিত্র, এবং এটি পুনরায় আঁকছে এমন মানুষ বা systems এর পরিচয়।

নির্বাহীদের জন্য শিক্ষা complexity classes থেকে অনেক দূরে। যে software এতদিন নথি সংক্ষেপ করত, তা এখন মৌলিক, machine-verified গণিত তৈরি করছে। গুরুতর গবেষণায় AI এর অবদানের সীমানা বেশিরভাগ planning cycle এর ধারণার চেয়ে দ্রুত এগিয়ে চলেছে।

যে প্রতিষ্ঠানগুলো এমন systems এর পাশাপাশি কাজ করতে শিখবে, কেবল তাদের টাইপিং এর কাজ না দিয়ে, সেগুলোই আগামী দশকের গতি নির্ধারণ করবে।

গাণিতিকভাবে চিন্তা করুন। বুদ্ধিমত্তার সাথে প্রকৌশল করুন। কৌশলগতভাবে নেতৃত্ব দিন। দায়িত্বের সাথে তৈরি করুন। বৈশ্বিকভাবে সম্প্রসারিত হন। কৃত্রিম বুদ্ধিমত্তার মাধ্যমে প্রকৃত ব্যবসায়িক মূল্য তৈরি করুন।

#ArtificialIntelligence #AIStrategy #MachineLearning #Research #ITImpress