জ্ঞান নিয়ে বক্তৃতা

—

এই বক্তৃতাটি অরবিন্দ শ্রীনিবাস ২০২৬ সালের ৩ অক্টোবর কেমব্রিজ ইউনিয়ন সোসাইটিতে দিয়েছিলেন। কেমব্রিজ ইউনিয়ন সোসাইটি হলো কেমব্রিজ বিশ্ববিদ্যালয়ের বৃহত্তম ছাত্র সংগঠন এবং বিশ্বের প্রাচীনতম নিরবচ্ছিন্নভাবে চলমান বিতর্ক সংগঠন।

—

সবাইকে শুভেচ্ছা ও ধন্যবাদ। এখানে আসতে পেরে আমি সম্মানিত।

কোম্পানি প্রতিষ্ঠা করার পর যে বিষয়গুলো আমি আশা করিনি, তার একটি হলো বিশ্ববিদ্যালয়গুলোতে আমি কতটা সময় কাটানোর সুযোগ পাই। আমি এটা উপভোগ করি। একজন সিইও হিসেবে দেখেছি, বিশ্ববিদ্যালয়ের শ্রোতারাই সম্ভবত একমাত্র শ্রোতা, যাঁরা পাল্টা যুক্তি দেন। তাই আমি যতটা সময় কথা বলার পরিকল্পনা করেছি, তার চেয়ে বেশি সময় আলোচনার জন্য রাখব।

চলুন শুরু করা যাক।

সাধারণত কোথাও বক্তৃতা দিতে আমন্ত্রণ পেলে আমাকে “AI-এর ভবিষ্যৎ”-এর মতো গতানুগতিক কোনো শিরোনামে ভবিষ্যদ্বাণীমূলক বক্তৃতা দিতে বলা হয়। আমি AI-এর ভবিষ্যৎ নিয়ে কথা বলব না। বরং আমি কথা বলব আপনাদের ভবিষ্যৎ নিয়ে। আপনাদের ভবিষ্যৎ আমার কাছে বেশি আকর্ষণীয়, আর সম্ভবত আপনাদের কাছেও।

প্রথমে, অতীত নিয়ে একটু বলি। আপনাদের ভবিষ্যতের পাশাপাশি অতীত নিয়ে কথা বলার জন্য কেমব্রিজ একেবারে উপযুক্ত জায়গা, কারণ এখানে দুটোই আছে।

প্রচলিত গল্প অনুযায়ী, আজ আমরা যাকে পিয়ার রিভিউ ব্যবস্থা বলি, তা এখানে কেমব্রিজেই উদ্ভাবিত হয়েছিল। সঠিক সত্যটা হলো, এটি ছিল কেবল একজন কেমব্রিজ অধ্যাপকের প্রস্তাব, এবং তিনি তা প্রস্তাব করেছিলেন রয়্যাল সোসাইটি অব লন্ডনে, এই বিশ্ববিদ্যালয়ে নয়। সেটা ছিল ১৮৩১ সালে। আজ পিয়ার রিভিউ ব্যবস্থার অধীনে প্রতি বছর ৩৫ লাখেরও বেশি বৈজ্ঞানিক গবেষণাপত্র প্রকাশিত হয়।

প্রায় ১৬০ বছর পরে, স্ট্যানফোর্ডের দুই পিএইচডি প্রার্থী নেটওয়ার্ক স্ট্রাকচার ও ডেটা মাইনিং নিয়ে কাজ করছিলেন। সেটা ছিল এমন এক সময়, যখন ১৯৯০-এর দশকের ইন্টারনেট বুম সবে শুরু হচ্ছিল। সবার মুখে তখন শুধু ওয়ার্ল্ড ওয়াইড ওয়েবের কথা। অনেকটা আজকের “AI”-এর মতো।

আজকের মতোই, তখনও এই বুম নিয়ে যাঁরা কথা বলতেন, তাঁদের বেশিরভাগই ছিলেন বিনিয়োগকারী ও গণমাধ্যম। তখনকার “টেক কমিউনিটি” ছিল টেলিযোগাযোগ শিল্প। আলোচনায় খুব বেশি শিক্ষাবিদ ছিলেন না। (কিছু ছিলেন, তবে বেশি নয়।) আর এই দুই পিএইচডি শিক্ষার্থী মোটেও ইন্টারনেট বুমের ভেতরের মানুষ ছিলেন না।

কিন্তু তাঁরা এমন একটি বিষয় জানতেন, যা নিয়ে বিশ্ববিদ্যালয় ব্যবস্থার বাইরের মানুষেরা তেমন মাথা ঘামাতেন না।

বেশিরভাগ শিক্ষাবিদের মতো, তাঁরাও বিশ্ববিদ্যালয়ের উদ্দেশ্য বুঝতেন। বিশ্ববিদ্যালয়ের উদ্দেশ্য হলো জ্ঞানকে এগিয়ে নেওয়া।

এ কারণেই আমরা পিয়ার রিভিউ ব্যবহার করি। এ কারণেই একাডেমিক লেখায় এত বেশি সাইটেশন থাকে। আর এই দুই শিক্ষার্থী জানতেন যে বিশ্বে জ্ঞানের পরিমাণ (পিয়ার রিভিউ মানের গবেষণাপত্রের সংখ্যা দিয়ে পরিমাপ করলে) কেবল বাড়তেই থাকে। তাই তাঁদের পক্ষে সহজেই বোঝা সম্ভব ছিল যে মানুষের জ্ঞানের সঙ্গে সঙ্গে ওয়েবও কেবল বাড়তেই থাকবে।

ওয়েবের কাছে “নতুন” একটি পুরোনো সমস্যা নিয়েও তাঁদের অভিজ্ঞতা ছিল: জ্ঞান যদি সবসময় বাড়তেই থাকে, তাহলে সঠিক জ্ঞান বা সেরা জ্ঞান কীভাবে খুঁজে পাওয়া যায়। পুরোনো মডেলে, কারও গবেষণা কার্যকর বা বিশ্বাসযোগ্য কি না, শিক্ষাবিদরা তা বিচার করেন সেটি কতবার উদ্ধৃত হয়েছে তার ভিত্তিতে।

তাই তাঁদের মাথায় এমন একটি অ্যালগরিদম তৈরির ধারণা আসে, যা ইন্টারনেটের প্রতিটি ওয়েবসাইটকে মূল্যায়ন করবে এই ভিত্তিতে যে অন্য কতগুলো ওয়েবসাইট সেটিকে উদ্ধৃত করেছে বা সেটির লিংক দিয়েছে, ওই সাইটগুলোর কনটেন্টের সাপেক্ষে।

তাঁরা এই ব্যবস্থার নাম দিয়েছিলেন “Page Rank”, কারণ তাঁরা ওয়েবের প্রতিটি পেজকে র‍্যাঙ্ক করছিলেন, আর এই পিএইচডি প্রার্থীদের একজনের নাম ছিল ল্যারি পেজ।

ল্যারি ও তাঁর পার্টনার (সের্গেই ব্রিন) এই ছোট্ট একাডেমিক নীতিটি নিয়ে সেটিকে মূলধারার সবার জন্য সহজলভ্য করে তোলেন। Google ইতিহাসের অন্যতম সবচেয়ে কার্যকর টুল এবং অন্যতম সফল ব্যবসায় পরিণত হয়, কারণ বিশ্ববিদ্যালয়গুলো একশো বছর ধরে যা করে আসছে, ল্যারি পেজ কেবল সেটাকেই কাজে লাগিয়েছিলেন।

যেমনটা বলেছি, বিশ্ববিদ্যালয়ের উদ্দেশ্য হলো জ্ঞানকে এগিয়ে নেওয়া। আজকের এই বক্তৃতায় আমি জ্ঞান সম্পর্কে তিনটি কথা বলব। আমার আশা, আমাদের নিজেদের বুদ্ধিমত্তা নিয়ে ভাবার মধ্য দিয়ে আমরা কৃত্রিম বুদ্ধিমত্তা সম্পর্কে আরও ভালো ও বাস্তবসম্মত একটি ধারণায় পৌঁছাতে পারব।

১.

প্রথমত, জ্ঞানের একটি জীবন আছে। এর জন্ম হয়, ক্ষয় হয়, এবং মৃত্যু হয়।

এর একটি জীবনচক্র আছে। আর যেহেতু এর জীবনচক্র আছে, তাই জ্ঞানের বিবর্তন ঘটে।

আমরা যা জানি তা যত বিকশিত হয়, আমরা সবাই তত বেশি বুদ্ধিমান হয়ে উঠি। একে বলা হয় ফ্লিন এফেক্ট। ফ্লিন এফেক্ট হলো এই পর্যবেক্ষণ যে মানবজাতি প্রতি দশকে প্রায় ৩ IQ পয়েন্ট করে বেশি বুদ্ধিমান হয়ে উঠছে।

IQ পরীক্ষাগুলো প্রতিনিয়ত পুনঃমানায়ন করা হয়, যাতে গড় ১০০-তে থাকে। তাই ফ্লিন এফেক্টকে সহজে বোঝার উপায় হলো পার্সেন্টাইলে ভাবা। ১৯৫০ সালে বুদ্ধিমত্তায় ৯২তম পার্সেন্টাইলে থাকা কেউ আজ কেবল ৫০তম পার্সেন্টাইলে থাকবেন। আমরা সবাই আরও বুদ্ধিমান হয়েছি।

একই বছর, অর্থাৎ ১৯৫০ সালে, টুরিং টেস্টও উদ্ভাবিত হয়েছিল। এটিই ছিল প্রথম পরীক্ষা, যা নির্ধারণ করে কোনো যন্ত্র মানুষের চেয়ে বেশি বুদ্ধিমান কি না, বা কখন হয়। এর মানে, ১৯৫০ সালে একটি যন্ত্রের পক্ষে টুরিং টেস্টে উত্তীর্ণ হওয়া অনেক সহজ ছিল। কারণ তখন “মানুষের” বুদ্ধিমত্তার মানদণ্ড ছিল নিচু।

আর এটাই বিবর্তনের শক্তি। জ্ঞান সবসময় আরও জ্ঞানের জন্ম দেয়।

এর নেতিবাচক দিক হলো, বিশ্ব আরও বুদ্ধিমান হতে পারে, কিন্তু ব্যক্তি হিসেবে আপনি আরও বোকা হয়ে যেতে পারেন। জ্ঞানের ক্ষয় হয়। এটিকে অর্ধায়ুর মতো ভাবুন। কোনো তেজস্ক্রিয় মৌলের অর্ধায়ু হলো এর অর্ধেক ক্ষয় হতে যে সময় লাগে। জ্ঞানের অর্ধায়ু হলো এর অর্ধেক অপ্রচলিত হয়ে যেতে যে সময় লাগে।

এখানে কেমব্রিজ থেকেই কিছু উদাহরণ দিই।

১৯৭৮ সালে স্যার রয় কালন অঙ্গ প্রতিস্থাপনে সাইক্লোস্পোরিন প্রবর্তনে সহায়তা করেন। অঙ্গ প্রত্যাখ্যান প্রতিরোধে এটি ছিল গুরুত্বপূর্ণ। প্রথম ক্লিনিক্যাল ট্রায়াল হয়েছিল কেমব্রিজে। ২০০১ সালের মধ্যে আরেকটি ওষুধ, ট্যাক্রোলিমাস, আমেরিকায় কিডনি প্রতিস্থাপনে তার শ্রেণির প্রধান চিকিৎসা হয়ে ওঠে। তাই বলা যায়, সাইক্লোস্পোরিন চিকিৎসা সম্পর্কিত চিকিৎসাবিজ্ঞানের জ্ঞানের অর্ধায়ু ছিল ২৩ বছর।

এটি একটি অসম্পূর্ণ পরিমাপ, তবে দ্রুত বিকশিত হওয়া ক্ষেত্রগুলোতে ইঞ্জিনিয়ারদের মূল্যায়নের জন্য এটি একটি কার্যকর মডেল। টেক জগতে আমরা এটা করি। এর অন্তর্নিহিত প্রশ্নটি হলো, “এই ইঞ্জিনিয়ারের ক্যারিয়ারের কোন পর্যায়ে তাঁর জানা বিষয়ের অর্ধেক পুরোপুরি অপ্রচলিত হয়ে যায়?”

আপনার ক্যারিয়ারের কোন পর্যায়ে আপনার ক্ষেত্রে এটা ঘটবে? উত্তরটি নির্ভর করে আপনি নতুন বিষয় শেখার পেছনে কতটা সময় দেন, তার ওপর।

দুঃখজনকভাবে, বিরল কিছু ক্ষেত্রে জ্ঞানেরও মৃত্যু হয়। এমন অনেক ভাষা আছে, যেগুলোতে কথা বলার মতো আর কেউ বেঁচে নেই। এমন প্রজ্ঞাও আছে, যা একজন প্রবীণের সঙ্গেই হারিয়ে যায়।

এ কারণেই ৪,০০০ বছরেরও বেশি সময় ধরে মানুষ গ্রন্থাগার গড়ে তুলেছে। আর ওয়েব আসার পর আমরা যা জানি, তার আগের চেয়ে অসীম গুণ বেশি সেখানে তুলে রেখেছি। তাই জ্ঞানের মৃত্যু হয়, কিন্তু তা হতেই হবে এমন নয়। হয়তো মানব অস্তিত্বেরই কোনো সহজাত বৈশিষ্ট্য হিসেবে মানুষ জ্ঞান সংরক্ষণের তাগিদ অনুভব করে এসেছে। আমরা প্রতিনিয়ত তা সংরক্ষণ করছি এবং বিশ্বের মোট জ্ঞানকে বাড়িয়ে চলেছি। এটি একটি ভালো বিষয়।

একটা কথা বলে রাখি: জ্ঞান একটি জীবন্ত সত্তার মতো, কিন্তু এটি জীবন্ত নয়। জীবন্ত কেবল আপনি। আমার শুধু মনে হয়, যখন আপনি নতুন কিছু শেখেন, তখন আপনি আরও বেশি জীবন্ত হয়ে ওঠেন।

প্রসঙ্গত, Perplexity-এর অস্তিত্বের কারণও এটাই। তবে আমি এখানে Perplexity নিয়ে কথা বলতে আসিনি। আমি এসেছি আপনাদের নিয়ে, আর জ্ঞানের অর্থনীতি নিয়ে কথা বলতে। যা আমাকে আমার দ্বিতীয় কথায় নিয়ে আসে।

২.

দ্বিতীয়ত, জ্ঞান অর্থ নয়। তবে এটি অর্থের মতোই আচরণ করে।

অর্থের একটি সময়মূল্য আছে। সুদ একে বাড়ায়, আর মুদ্রাস্ফীতি একে কমায়। যথেষ্ট সময় পেলে সুদ ও মুদ্রাস্ফীতি দুটোই চক্রবৃদ্ধি হারে বাড়ে।

যখন এক লাখ পাউন্ডের ক্রয়ক্ষমতা হবে চল্লিশ হাজার পাউন্ডের সমান (সম্ভবত প্রায় ২৩ বছরে), তখন আগের অবস্থানে থাকতে আপনার £২,৫০,০০০ লাগবে। এর আরও ২৩ বছর পরে আপনার লাগবে £৬,২৫,০০০।

যখন কোনো কিছু চক্রবৃদ্ধি হারে বাড়ে, তখন লাভ বা ক্ষতি সময়ের সঙ্গে সূচকীয় হারে বাড়তে থাকে।

এ কারণেই সবচেয়ে মৌলিক আর্থিক নীতি হলো, আপনাকে সবসময় মুদ্রাস্ফীতির চেয়ে বেশি হারে চক্রবৃদ্ধি সুদ অর্জন করতে হবে। কারণ আপনি যদি বাড়তে না থাকেন, তাহলে আপনি সংকুচিত হচ্ছেন। জ্ঞানের ক্ষেত্রেও একই কথা।

ঠিক যেমন এক পাউন্ডের মূল্য কমে যায়, তেমনি আজ আপনি যা জানেন তার মূল্যও সময়ের সঙ্গে কমবে। আর সাধারণ অবমূল্যায়নের মতোই, এটি প্রতিদিন খুব অল্প অল্প করে ঘটবে। এত সামান্য যে আপনি প্রায় টেরই পাবেন না। যতক্ষণ না একদিন ঘুম থেকে উঠে দেখেন, আপনার কাছে কিছুই নেই। আপনার জ্ঞানের বাজারমূল্য আর আগের মতো থাকবে না। এটি অনিবার্য। মনে রাখবেন, পিথাগোরাসের উপপাদ্য একসময় কেবল অভিজাতদেরই জানার অনুমতি ছিল। অথচ এখানে উপস্থিত সবাই এটি সপ্তম শ্রেণিতে শিখেছেন।

আমরা সবাই চিরকাল আরও বুদ্ধিমান হতে থাকি। যেমনটা বলেছি, এটাই বিশ্ববিদ্যালয়ের মূল উদ্দেশ্য। ভাগ্য সহায় হলে, সুদূর ভবিষ্যতে কোনো একদিন আপনি এখানে কেমব্রিজে যা পড়েছেন, তা হয়তো সপ্তম শ্রেণির শিক্ষার্থীদের পাঠ্যক্রম হবে।

এমনটা ঘটলে তা ভালো। এর মানে অগ্রগতি। কিন্তু এর মানে এটাও যে আপনার অর্থনৈতিক লক্ষ্য অর্জনের জন্য আপনাকে কখনো শেখা থামালে চলবে না। আপনাকে এমন সুদের হারে শিখতে হবে, যা জ্ঞানের মুদ্রাস্ফীতির হারের চেয়ে বেশি।

অন্যভাবে বললে, আপনার নিজের জ্ঞানের অর্ধায়ুর চেয়ে দ্রুত হারে আপনার জানা বিষয়কে দ্বিগুণ করতে হবে। এতে সময় লাগে। কিন্তু যখন আপনি চক্রবৃদ্ধির দৃষ্টিকোণ থেকে বিশ্বকে দেখেন, তখন আপনাকে দীর্ঘ ভবিষ্যৎ মাথায় রেখেই দেখতে হয়।

এ কারণেই সম্পদকে চক্রবৃদ্ধি হারে বাড়ানোর সেরা কৌশল হলো অল্প বয়সে শুরু করা, আর দ্বিতীয় সেরা উপায় হলো দীর্ঘায়ু হওয়া। ওয়ারেন বাফেট ১১ বছর বয়সে বিনিয়োগ শুরু করেছিলেন, কিন্তু তাঁর সম্পদের ৯৯% জমেছে ৬৫ বছর বয়সের পরে।

যা জ্ঞান ও অর্থের মধ্যকার শেষ মিলটির ইঙ্গিত দেয়। আপনাকে এটি খরচ করতে হবে।

যখন আপনার কাছে পুঁজি থাকে, আপনি তা কাজে লাগান। যখন আপনার কাছে জ্ঞান থাকে, বিশেষ করে অসাধারণ জ্ঞান, তখন সেটিকেও কাজে লাগানো উচিত। এটি দিয়ে কিছু করুন। আবিষ্কার আর উদ্ভাবনের মধ্যে পার্থক্য এখানেই। আবিষ্কার প্রশ্ন করে, “আপনি কি কিছু তৈরি করেছেন?” উদ্ভাবন প্রশ্ন করে, “এটি কি কোনো পরিবর্তন এনেছে?”

আর আপনি যদি পরিবর্তন আনতে চান, তাহলে জ্ঞানকে কাজে রূপ দিতে হবে। কেবল কাজই নতুন প্রশ্ন, অনুসন্ধান এবং নতুন জ্ঞানের জন্ম দেয়। আপনাকে সবসময় শিখতে হবে, আর সবসময় কাজ করে যেতে হবে।

এখানেই কৃত্রিম বুদ্ধিমত্তার প্রসঙ্গ আসে, আর এটি আমাকে আমার তৃতীয় ও শেষ কথায় নিয়ে যায়।

৩.

AI-এর উদ্দেশ্য হলো মানুষের জ্ঞান ও সমৃদ্ধিকে ত্বরান্বিত করা।

আজ সন্ধ্যায় আমি প্রথম যে দুটি কথা বলেছি, সেগুলো ভেবে দেখুন। আমি বলেছি, জ্ঞানের একটি প্রাণসদৃশ বৈশিষ্ট্য আছে, এবং আমাদের উচিত একে লালন করা ও এগিয়ে নেওয়া, কারণ বৃহত্তর অর্থে মানুষ এতে উপকৃত হয়। তারপর বলেছি, জ্ঞানের একটি অর্থনৈতিক বৈশিষ্ট্য আছে। আমাদের উচিত একে বিকশিত করা, কারণ বৃহত্তর অর্থে সব মানুষ এতে উপকৃত হয়।

আপনি যদি এই দুটি বিষয়ে বিশ্বাস করেন, তাহলে AI সম্পর্কেও আপনাকে একটু ভিন্নভাবে ভাবতে হবে।

AGI অর্জনের নেশায় মত্ত হওয়া বা প্রযুক্তির খাতিরেই প্রযুক্তিকে বুদ্ধিমান করে তোলার বদলে, আপনি এই সিদ্ধান্তে পৌঁছাবেন যে আরও ভালো, আরও নির্ভুল AI তৈরির কারণ হলো মানুষের সেবা করা।

আপনি এই সিদ্ধান্তে পৌঁছাবেন যে AI-এর সর্বোচ্চ এবং সবচেয়ে গুরুত্বপূর্ণ উদ্দেশ্য হলো মানুষকে আরও বুদ্ধিমান ও আরও সমৃদ্ধ করে তোলা।

যদি এটি অনেকটা বিশ্ববিদ্যালয়ের উদ্দেশ্যের মতো শোনায়, তাহলে বলতেই হয়—আমরা তো সেখানেই আছি।

আবার পিয়ার রিভিউয়ের কথা ভাবুন। এটি উদ্ভাবিত হয়েছিল ১৮৩১ সালে। এ বছর Perplexity, OpenAI-এর একজন প্রতিষ্ঠাকালীন গবেষকের দেওয়া একটি ধারণার ভিত্তিতে Model Council নামে খুবই সহজ একটি প্রোডাক্ট চালু করেছে। আপনি তিনটি AI মডেলকে একই প্রশ্ন করেন। প্রত্যেকে আলাদাভাবে গবেষণা করে উত্তর দেয়, তারপর একটি “সভাপতি” মডেল মূল্যায়ন করে কোথায় তাদের মধ্যে অমিল আর কোথায় মিল, এবং যুক্তি দিয়ে একটি চূড়ান্ত উত্তরে পৌঁছায়।

Model Council পিয়ার রিভিউয়ের বিকল্প নয়। বরং এর উদ্দেশ্য হলো একাডেমিক অনুসন্ধানের চেতনাকে আরও বেশি মানুষের কাছে পৌঁছে দেওয়া। আমরা একটি বিশ্ববিদ্যালয়ের আদর্শকে এই দেয়ালের বাইরে, সারা বিশ্বে ছড়িয়ে দিতে পারি।

আমরা আরও বেশি মানুষকে কেবল নিজেকে সঠিক মনে করা বা সঠিক শোনানোর বদলে সত্যিই সঠিক হতে সাহায্য করতে পারি। বৈজ্ঞানিকভাবে সত্য ও জ্ঞানের সন্ধান করতে। মহাবিশ্বের গতিপথ এমন যে প্রত্যেকে আরও বেশি জ্ঞানে আরও বেশি প্রবেশাধিকার পাবে। মানুষের জ্ঞান থাকা ভালো। আর এতে উপকৃত হয় মানুষই।

আমার কোম্পানি নিয়ে একটি ছোট গল্প দিয়ে শেষ করব।

যখন আমরা শুরু করি, তখন আমরা ছিলাম মাত্র তিনজন AI গবেষক, যাঁদের ভিশনের চেয়ে প্রশ্ন ছিল বেশি। তারপর চতুর্থ সদস্য নেওয়ার সময় আমরা ঠিক করলাম, এবার স্বাস্থ্যবিমা নেওয়ার সময় হয়েছে। আমেরিকার স্বাস্থ্যবিমা আমেরিকানদের কাছেও জটিল। আমি আমেরিকার মানুষ নই, তাই আমার কাছে এটা আরও বেশি বিভ্রান্তিকর ছিল।

Google-এর ফলাফল কোনো কাজে আসেনি। এমন পরিস্থিতিতে একজন প্রতিষ্ঠাতা সাধারণত এমন কাউকে ফোন করেন, যিনি আগে এটা করেছেন। যেমন কোনো বিনিয়োগকারী বা অন্য কোনো প্রতিষ্ঠাতা। কিন্তু তখন অনেক রাত। আমি কাজটা শেষ করতে চেয়েছিলাম, তাই প্রয়োজনীয় জ্ঞান আমাকে নিজেকেই খুঁজে বের করতে হয়েছিল।

এর সমস্যা হলো, নিজে গবেষণা করা মানে Google-এ সার্চ করে SEO-অপ্টিমাইজড বিমা সাইটগুলো ঘাঁটা, যেগুলোর সবই খারাপ পরামর্শে ভরা এবং সবচেয়ে বিশ্বাসযোগ্য দেখানোর প্রতিযোগিতায় লিপ্ত।

তখনই আমি Perplexity-এর প্রথম সংস্করণ তৈরি করি।

এটি আমার হয়ে গবেষণা করে দিল। আর আমি এটিকে উত্তরগুলোর উৎস উল্লেখ করতে বাধ্য করলাম। যাতে আমি যাচাই করতে পারি এবং আরও প্রশ্ন করে যেতে পারি। তারপর আমি আমাদের স্বাস্থ্যসেবার ব্যবস্থা করলাম। সমস্যার সমাধান হলো। এবার পরের সমস্যা। তারপর তার পরের সমস্যা, এবং তারও পরের সমস্যা। আর আজ আমরা এখানে।

এই গল্পের শিক্ষা হলো, এখন আর আপনাকে “কাউকে চিনতে” হবে না। আপনি নিজেই বিষয়গুলো শিখে নিয়ে কাজটা করে ফেলতে পারেন। আমি আগেই বলেছি, AI-এর প্রতিশ্রুতি হলো আপনি যেকোনো জ্ঞানে প্রবেশাধিকার পেতে পারেন। এই গল্পের শিক্ষা হলো, যেকোনো মানুষ যেকোনো জ্ঞানে প্রবেশাধিকার পেতে পারেন।

এটাই AI-এর চূড়ান্ত প্রতিশ্রুতি। এখন যে কেউ কৌতূহলী হতে পারেন। যে কেউ যেকোনো কিছু তৈরি করতে পারেন। যে কেউ এখন জ্ঞানের মন্দিরে প্রবেশ করতে পারেন। এতে সবারই উপকার হয়।

আর এটি আপনাদের জন্য সুখবর। এর মানে, বাকি জীবনে আপনি সবচেয়ে গুরুত্বপূর্ণ যে কাজটি করতে পারেন, তা হলো কৌতূহলী থাকা। আপনাদের মধ্যে সবচেয়ে সফল হবেন তিনিই, যাঁর প্রশ্ন সবচেয়ে বেশি। এবং যাঁর প্রশ্ন সবচেয়ে ভালো।

তাই আপনাদের প্রতি আমার পরামর্শ, যতটা সম্ভব কৌতূহলী হয়ে উঠুন। ফোনে সোশ্যাল মিডিয়া স্ক্রল করেই সন্তুষ্ট থাকবেন না। শুধু ডিনারের রিজার্ভেশন করে দেয় এমন AI এজেন্ট নিয়েই সন্তুষ্ট থাকবেন না—এটি দিয়ে সত্যিকারের কিছু কাজ করুন। আর এমন কোনো চ্যাটবটকে কখনো বিশ্বাস করবেন না, যে বলে আপনি আগে থেকেই ঠিক।

অনুসন্ধানের চেতনায় বিশ্বাস রাখুন। AI-এর সাহায্যে আপনি যা শিখতে পারেন, তাতে বিশ্বাস রাখুন। আর তা করতে গিয়ে আপনি যা তৈরি করবেন, তাতে বিশ্বাস রাখুন। আর আমাদের সবার জন্য, তা যেন ভালো কিছু হয়।

ধন্যবাদ।