এআই হলো Computer

এআই হলো Computer

আমরা সম্প্রতি Perplexity Computer চালু করেছি। এই পোস্টে এর পেছনের আমাদের বিবেচনা ব্যাখ্যা করা হয়েছে।

প্রতি কয়েক সপ্তাহ পর, একটি নতুন এআই পণ্য বাজারে আসে যা বাজারে আতঙ্ক সৃষ্টি করে। এটি একটি নতুন উদ্যোগ, বা একটি এজেন্ট, বা অন্য কিছু। যাই হোক না কেন, আমি আপনাকে একটি জিনিস বলতে পারি যা এটি করতে পারে না।

দুনিয়ার সেরা এআই মডেল থাকা সত্ত্বেও, এটি আপনার জন্য এর সেরা কাজটি করতে পারে না।

আমি কীভাবে জানি? কারণ ফ্রন্টিয়ার মডেলগুলির অবস্থা এতটাই উন্নত হয়েছে যে সেগুলির যেকোনো একটি থেকে সেরা প্রতিভা বের করতে হলে, আপনার একসাথে কাজ করার জন্য বিভিন্ন মডেলের প্রয়োজন। Claude-এর সবচেয়ে বড় দুর্বলতা হলো এটি শুধুমাত্র Claude-এর সাথেই কো-ওয়ার্ক করে।

অন্যদের প্রতিভা ছাড়া কোনো মডেল পরিবারই তার সর্বোচ্চ স্তরে কাজ করতে পারে না। মডেলগুলি আরও শক্তিশালী হওয়ার সাথে সাথে, আমরা তাদের বিশেষায়িত হতে দেখছি। এআই-এর ভবিষ্যতের অবস্থা হলো যখন বিভিন্ন মডেল একসাথে কাজ করবে তখন আপনার সেরা কাজ সম্পন্ন হবে।

এআই-তে আমরা একে "অরকেস্ট্রেশন" বলি, বা কখনও কখনও, "হারনেস"। আপনি একে যা-ই বলতে চান না কেন, মাল্টি-মডেল অরকেস্ট্রেশনের উচ্চতর কার্যকারিতা মডেলগুলির যেকোনো ব্যক্তিগত পরিবার যা করতে পারে তার চেয়ে অনেক এগিয়ে রয়েছে।

এআই-এর পরবর্তী পর্যায়টি অবশ্যই ব্যাপকভাবে মাল্টি-মডেল হতে হবে। সেটাই হলো Perplexity Computer। ব্যাকএন্ডে উনিশটি মডেল উপলব্ধ রয়েছে, এবং এর আউটপুটগুলি দীর্ঘদিন ধরে এআই-তে আমার দেখা যেকোনো কিছুর চেয়ে বেশি প্রভাবিত করেছে।

এটি কীভাবে তৈরি হয়েছিল তা এখানে দেওয়া হলো।

যেভাবে Computer তৈরি করা হয়েছিল

শুরুতে, আমরা আমাদের পরীক্ষার নাম দিয়েছিলাম ASI। এর আসলে নির্দিষ্ট কোনো অর্থ ছিল না, তবে কখনও কখনও আমরা একে "আর্টিফিশিয়াল সুপার ইন্টেলিজেন্স" বলতাম। (এর অর্থ "আরেকটি স্ল্যাক ইন্টিগ্রেশন" হতে পারত, কারণ এটি প্রথমে সেখানেই ছিল।)

আমরা এটিকে একজন ডিজিটাল কর্মী হিসেবে ভেবেছিলাম। আপনি একটি টাস্কসহ Slack-এ কর্মীকে মেসেজ করেন, এবং এটি কাজ শুরু করে। এটি বিভিন্ন কাজের জন্য সাব-এজেন্ট তৈরি করে, পরবর্তী পদক্ষেপে নিজেকে সাহায্য করার জন্য ফাইল তৈরি করে, গুরুত্বপূর্ণ তথ্য খুঁজে বের করে এবং মাঝে মাঝে প্রয়োজন অনুসারে যোগাযোগ করে। আপনি ঘুমাতে যেতে পারতেন এবং সপ্তাহের পর সপ্তাহ কাজ শেষ হয়ে ঘুম থেকে উঠতে পারতেন। অথবা, আপনি এটিকে সপ্তাহের পর সপ্তাহ কাজ করতে বলতে পারতেন, এবং এটি নির্ভরযোগ্যভাবে এবং বারবার চালিয়ে যেত।

এই সময়ে, বিশ্ব Clawdbot আবিষ্কার করে, যা এখন OpenClaw। আপনি যদি আপনার টেক্সটগুলো কোনো ম্যালওয়্যার পড়ুক তা পছন্দ করেন, তবে এটি বেশ আকর্ষণীয় ছিল। আমরা দেখতে পাচ্ছিলাম যে ASI অনেক বেশি নিরাপদ এবং অনেক বেশি সক্ষম: এটির একটি ফাইল সিস্টেম ছিল, শত শত টুলের সাথে সংযুক্ত ছিল, ফাইল পড়তে এবং লিখতে পারত, কোড লিখতে পারত, CLI টুল ব্যবহার করতে পারত, ইন্টারনেট ব্রাউজ করতে পারত এবং প্রতিটি কাজকে সঠিক সাব-এজেন্টের কাছে অর্কেস্ট্রেট করতে সক্ষম ছিল যা সেই কাজের জন্য সবচেয়ে উপযুক্ত মডেল ব্যবহার করে। ক্লাউডে একটি নিরাপদ ডেভেলপমেন্ট স্যান্ডবক্সের মধ্যে এই সমস্ত কিছু করা সম্ভব ছিল।

প্রকৃতপক্ষে, ASI সত্যিই কোনো দূরবর্তী ডিজিটাল কর্মী ছিল না। একটি ফাইল সিস্টেম, নিরাপদে কোড চালানোর জন্য একটি শেল, এবং ওয়েব অ্যাপ ও কানেক্টর অ্যাক্সেস করার জন্য একটি ব্রাউজারের মাধ্যমে, ASI মূলত একটি কম্পিউটার ছিল। আপনার কম্পিউটার। কম্পিউটারটি।

তাই আমরা আনুষ্ঠানিকভাবে এর নাম দিলাম Perplexity Computer।

ওয়েব কেন গুরুত্বপূর্ণ

২০১১ সালে, Google-এর এই ধারণাটি ছিল যে আপনি কেবল ইন্টারনেট, ফাইল এবং একটি ব্যাশ টার্মিনাল দিয়ে একটি কম্পিউটার চালু করতে পারেন। একে ক্রোমবুক বলা হত। কম্পিউটারের সবচেয়ে গুরুত্বপূর্ণ অংশ হলো এতে ওয়েব অ্যাক্সেস রয়েছে, Google এটি বুঝতে পেরে সঠিক ছিল।

ওয়েব হলো সেই জায়গা যেখানে আমরা কাজ করি এবং যোগাযোগ করি। এটি আক্ষরিক এবং রূপক উভয় অর্থেই আমাদের স্টোরেজ ডিভাইস। এটি প্রচুর পরিমাণ ডেটা, তথ্য এবং জ্ঞান ধারণ করে। কিছু অংশ শেয়ার করা, কিছু ব্যক্তিগত।

আপনি যদি জ্ঞান সংরক্ষণের সিস্টেম হিসেবে ওয়েবের কথা চিন্তা করেন, তবে এটি সর্বদা WRITE ফাংশনে খুব ভালো ছিল। প্রথম ব্লগটি ৯০-এর দশকের গোড়ার দিকে প্রকাশিত হয়েছিল, এবং তখন থেকেই ওয়েবে জ্ঞান প্রকাশ ও সংরক্ষণ দ্রুত বৃদ্ধি পেয়েছে।

ক্রোমবুকের সাথে Google যা অবমূল্যায়ন করেছিল তা হলো একটি স্টোরেজ সিস্টেম হিসাবে ওয়েবের সবচেয়ে বড় সমস্যাটি আসলে READ ফাংশন। ওয়েব থেকে জ্ঞান পড়ার জন্য, আমরা অ্যালগরিদমিক সার্চের উপর নির্ভর করে আসছি যা কমবেশি ২৮ বছর ধরে অপরিবর্তিত রয়েছে।

জ্ঞান অ্যাক্সেস করার উপায় হিসেবে সার্চ ইঞ্জিনগুলো কখনো গভীর গবেষণা, সংশ্লেষণ বা সারাংশ তৈরি করতে সক্ষম ছিল না। সার্চ ইঞ্জিনগুলো কোনো এজেন্টের মতো আচরণ করতে পারে না যাতে ওয়েবের এমন কোনো জ্ঞান অ্যাক্সেস করা যায় যার জন্য অ্যাকশনের প্রয়োজন হয়।

এরপর এলো এআই। Perplexity প্রথম উত্তরদাতা ইঞ্জিন তৈরি করেছে, এবং বাকিরা তা অনুসরণ করেছে। আমরা নিখুঁত এআই-এর উপর ফোকাস বজায় রেখেছি, যার সাথে গভীর গবেষণা-এর উপর তীব্র ফোকাস রয়েছে। এর কারণ হলো যখন এআই উন্মুক্ত ওয়েবের সমস্ত জ্ঞান খুঁজে পেতে, বিশ্লেষণ করতে, যুক্তি দেখাতে এবং সঠিকভাবে উপস্থাপন করতে পারে, তখন পরিশেষে READ সমস্যার সমাধান হয়ে যায়।

ইন্টারনেট যদি পৃথিবীর জ্ঞানের স্টোরেজ ডিস্ক হয়, তবে Perplexity রিড ফাংশনের সমাধান করেছে।

একবার ওয়েব একটি সম্পূর্ণ কার্যকরী রিড/রাইট স্টোরেজ সিস্টেমে পরিণত হলে, এমন এজেন্টদের সাথে যা নেভিগেট করতে এবং কাজ সম্পন্ন করতে পারে, কম্পিউটারের শুধুমাত্র বাকি থাকে ব্যক্তিগত সবকিছু।

পার্সিস্টেন্ট মেমরি একটি কম্পিউটারকে ব্যক্তিগত করে তোলে। এতে ফাইল এবং টুল রয়েছে, এবং সেসগুলি আপনার ফাইল এবং টুল, ব্যক্তিগত এবং আপনার পছন্দ অনুযায়ী তৈরি। কম্পিউটারকে আপনার জন্য ব্যক্তিগতভাবে সেগুলির সাথে কাজ করতে সক্ষম হতে হবে।

কম্পিউটারও সৃষ্টি করে। তারা কোড, নথিপত্র এবং ফাইলের মতো বাস্তব আর্টিফ্যাক্ট তৈরি করে। তারা ফাইল সংরক্ষণ করে, ফাইল পুনরুদ্ধার করে, নতুন ফাইল লেখে, ফাইলগুলিতে অ্যাক্সেস করে। এআই এই সমস্ত জিনিস করতে পারে। পরিশেষে, যখন এআই এই সমস্ত কাজ করছে, তখন কম্পিউটারের বিভিন্ন কাজের জন্য আপনার হাতের কাছে বিভিন্ন ফ্রন্টিয়ার মডেলের প্রয়োজন হয়।

কার্যকরী যেকোনো কম্পিউটারের জন্য প্রচুর দক্ষতার প্রয়োজন হয় যা একক মডেলের পক্ষে সেগুলির সবকটিতে ভালো করা সম্ভব নয়। কম্পিউটারের জন্য অরকেস্ট্রেশন অপরিহার্য।

এআই অগ্রগতির সাথে সাথে এর অর্থ হতে পারে যে অপারেটিং সিস্টেমের হার্ড কোড ডিভাইস প্রস্তুতকারকদের জন্য কম সুরক্ষিত পরিখা হয়ে দাঁড়ায়। আমি জানি না। আমরা যা জানি তা হলো কম্পিউটারই হলো অরকেস্ট্রেশন সিস্টেম।

অরকেস্ট্রেশন কেন গুরুত্বপূর্ণ

স্টিভ জবস বলেছিলেন, "সঙ্গীতশিল্পীরা তাদের বাদ্যযন্ত্র বাজান। আমি অর্কেস্ট্রা বাজাই।" এআই-ও অনুরূপ। একটি স্ট্রাডিভিয়াসের নির্দিষ্ট বৈশিষ্ট্য রয়েছে এবং এর শব্দ ও কারুকার্য দেখে আমরা বিমোহিত হই। কিন্তু এটি এখনও বাস ড্রামের মতো আপনাকে নাড়া দিতে পারে না, এবং ড্রামটি মাহলারের সিম্ফনির মতো আপনাকে বিচলিত করতে পারে না।

মডেল প্রস্তুতকারকরা হলেন আমাদের সময়ের আন্তোনিও স্ট্রাডিভিয়ার্স। আমি অসম্মানজনকভাবে এটি বলছি না। আমি প্রতিটি নতুন মডেলের সক্ষমতা দেখে মুগ্ধ এবং ফ্রন্টিয়ার ল্যাবগুলির কাজের প্রতি একজন উত্সাহী সমর্থক। তারা আমাদের ভবিষ্যৎকে এগিয়ে নিয়ে যায়।

কিন্তু আমরা এখন দেখছি যে মডেলগুলি বিশেষায়িত হচ্ছে, পণ্য হয়ে উঠছে না। যখন আপনি তাদের সাথে এজেন্ট তৈরি করেন, তখন যেকোনো কর্মীর মতো তাদের বিভিন্ন প্রতিভা থাকে। একটি যুক্তিতে ভালো। অন্যটি কোডে। অন্যটি সৃজনশীল লেখায়। যা গুরুত্বপূর্ণ তা হলো আপনি কীভাবে তাদের অরকেস্ট্রেট করেন।

প্রকৃত কাজ পরিচালনা করার জন্য যথেষ্ট বহুমুখী একটি সিস্টেম তৈরি করার একমাত্র উপায় হলো মডেল এবং পরিবার জুড়ে অরকেস্ট্রেট করা। সিদ্ধান্ত নেওয়ার কাজে সাহায্য করার জন্য যখন আপনার গভীর গবেষণা প্রয়োজন হয়, তখন আপনি নির্ভুলতা এবং রিট্রিভালের জন্য অপ্টিমাইজ করা একটি মডেল চান। যখন আপনার কোড লেখার প্রয়োজন হয়, তখন আপনি কোটি কোটি লাইনের প্রোডাকশন কোডবেসে প্রশিক্ষিত একটি মডেল চান।

আপনি মানুষের একটি দল পরিচালনা করুন বা সঙ্গীতশিল্পীদের একটি সিম্ফনি পরিচালনা করুন না কেন, উচ্চমানের কাজ সবসময় এরকমই হয়ে থাকে। এআই এজেন্টগুলোর ক্ষেত্রেও এর ব্যতিক্রম নয়।

ওয়ার্কফ্লোর জন্য, ডিফারেন্সিয়েটর হলো হারনেস। একজন পরিকল্পনাকারী জটিল উদ্দেশ্যগুলোকে উপ-কাজে ভেঙে ফেলেন। একজন অরকেস্ট্রেটর সেই কাজগুলি সঠিক এজেন্টদের কাছে অর্পণ করে, নিয়ম প্রয়োগ করে এবং এক্সিকিউশন পরিচালনা করে। বিশেষায়িত সাব-এজেন্টরা ফোকাসড কাজ সম্পাদন করে। শেয়ার করা মেমরি ধারাবাহিকতার জন্য প্রসঙ্গ এবং শিখন সংরক্ষণ করে। অন্য কথায়, ইন্টেলিজেন্স হলো কম্পিউটার।

কম্পিউটারের পরবর্তী বিবর্তন

৪০০ বছর আগে, একটি "কম্পিউটার" ছিল একজন জ্যোতির্বিজ্ঞানীর apprentice (শিক্ষানবিস)। (যারা ধূমকেতুর নামকরণ করেছিলেন।)

এরপর, কম্পিউটার যান্ত্রিক হয়েছিল, তারপর ইলেক্ট্রোমেকানিক্যাল, তারপর ডিজিটাল। ১৯৭৪ সালের দিকে, GUI এলো (গ্রাফিক্যাল ইউজার ইন্টারফেস)। GUI-এর সাহায্যে, আমরা নতুন উপায়ে কম্পিউটারের সাথে কাজ করতে পেরেছিলাম। আমরা এর কাছে কাজ অর্পণ করতে পারতাম এবং এর কাজ দেখতে পারতাম। পরবর্তীতে, একটি বহনযোগ্য, ব্যক্তিগত কম্পিউটার হওয়ার জন্য স্ক্রিনটি কিবোর্ডের উপর ভাঁজ হয়ে গিয়েছিল।

কম্পিউটারের পরবর্তী বিবর্তন হলো যখন স্টিভ জবস প্রত্যেকের পকেটে ব্যক্তিগত কম্পিউটার রেখেছিলেন—এ কথা বলা একটি মিম হয়ে দাঁড়িয়েছে। আজ এটি বলা আরও সঠিক বলে মনে হয় যে তিনি প্রত্যেকের মুখের সামনে একটি স্ক্রিন রেখেছিলেন। সবাই স্ক্রোল করছে। গত ৪৯ বছরে, GUI আমরা কীভাবে কম্পিউটার নিয়ন্ত্রণ করি থেকে কম্পিউটার কীভাবে আমাদের নিয়ন্ত্রণ করে তাতে বিবর্তিত হয়েছে।

এই মডেলের প্রতি ক্লান্তি বাড়ছে। OpenClaw ফ্যাডের সময় Mac Mini-এর জন্য পাগলাটে ভিড় ছিল একটি নিখুঁত উদাহরণ। GUI প্রয়োজনীয়, তবে সেগুলি সর্বদা প্রয়োজনীয় নয়।

এআই মডেলগুলি অবশেষে কম্পিউটারকে তার প্রকৃত অর্থে ফিরিয়ে আনার জন্য যথেষ্ট উন্নত হয়েছে: স্বায়ত্তশাসিতভাবে, নিখুঁতভাবে কাজ করা। এবং অসিঙ্ক্রোনাসভাবে, এটি কাজ করা দেখা থেকে আমাদের মুক্ত করতে।

মাউস, GUI এবং কিবোর্ড সবই গুরুত্বপূর্ণ প্রযুক্তি, কিন্তু সেগুলি হলো ইন্টারফেস। এবং আপনি যদি সম্পূর্ণ স্বয়ংক্রিয়ভাবে চালিত ঘোড়া না চান, তবে আপনাকে স্বীকার করতেই হবে যে ইন্টারফেস কখনই কম্পিউটারের মতো এতটা গুরুত্বপূর্ণ ছিল না।

ভবিষ্যত হলো Computer

এআই মডেলগুলি এতটাই সক্ষম হয়ে উঠছে যে এগুলির চারপাশে তৈরি পণ্যগুলি তাদের প্রকৃত সম্ভাবনা দেখানোর জন্য একটি বাধা হয়ে দাঁড়িয়েছে। চ্যাট UI উত্তরের জন্য ভালো, এবং এজেন্টরা পৃথক কাজের জন্য ভালো। ইতিমধ্যে, সম্পূর্ণ ওয়ার্কফ্লোর জন্য UI সর্বদা কম্পিউটার হয়েছে।

এআই এখন দৃঢ়ভাবে মাল্টি-মোডাল। এটি একটি একক সুসংহত সিস্টেমে অনেক ধরনের ডেটা বোঝে এবং তৈরি করে। জেনসেন এবং অন্যান্যরা বলেছেন যে এআই-এর ভবিষ্যৎ অবশ্যই মাল্টি-মডেল হতে হবে। তারা সঠিক; বিশেষায়িত মডেলগুলোকে দলের মতো সহযোগিতা করতে হবে। এটি বলা আরও সঠিক হতে পারে যে এআই-এর ভবিষ্যৎ হলো ব্যাপকভাবে মাল্টি-মডেল।

এআই যখন নিজেই কম্পিউটারের কার্যকারিতার আরও বেশি অংশ প্রতিস্থাপন করবে, তখন কম্পিউটারের মূল কার্যকলাপ হবে ব্যাপকভাবে মাল্টি-মডেল অরকেস্ট্রেশন।

আর আমরা কেবল শুরুতেই আছি। ২০২৫ সালে, গড়ে প্রতি ১৭ দিন পর বাজারে একটি নতুন ফ্রন্টিয়ার মডেল প্রবেশ করেছে। এআই-তে প্রতিটি নতুন ক্ষমতার অগ্রগতির সাথে সাথে, অন্য একজন সঙ্গীতশিল্পী সিম্ফনিতে তার আসন গ্রহণ করতে মঞ্চে উঠে আসেন। কন্ডাক্টর তার ব্যাটন ট্যাপ করেন। কম্পিউটার কাজ শুরু করে।

আজই Computer ব্যবহার করে দেখুন।