ওপেন এআই’র নতুন যুগে প্রবেশ: গণিত প্রতিযোগিতা থেকে এআই এজেন্ট তৈরির পথে

২০২২ সালে ওপেনএআই-তে গবেষক হিসেবে যোগ দেওয়ার পর হান্টার লাইটম্যান দেখলেন, তাঁর সহকর্মীরা ChatGPT চালু করছেন — এটি পরবর্তীতে বিশ্বের অন্যতম দ্রুত বর্ধনশীল পণ্য হয়ে উঠবে। কিন্তু লাইটম্যান নিজে নিঃশব্দে কাজ করছিলেন এমন একটি প্রকল্পে, যার লক্ষ্য ছিল ওপেনএআই মডেলগুলোকে উচ্চবিদ্যালয়ের গণিত প্রতিযোগিতা সমাধানে দক্ষ করে তোলা।

আজ সেই দলটি "MathGen" নামে পরিচিত এবং ওপেনএআই’র উন্নততর AI রিজনিং মডেল তৈরির কেন্দ্রীয় শক্তি হিসেবে বিবেচিত — যে প্রযুক্তি AI এজেন্ট তৈরির ভিত্তি হিসেবে কাজ করছে, যারা মানুষের মতো কম্পিউটারে কাজ করতে পারে।

সম্প্রতি ওপেনএআই’র একটি মডেল আন্তর্জাতিক গণিত অলিম্পিয়াডে (IMO) স্বর্ণপদক জিতেছে — যা প্রমাণ করে যে তাদের রিজনিং ক্ষমতা বাস্তবেই উন্নত হয়েছে। ওপেনএআই’র বিশ্বাস, গণিতে অর্জিত এই রিজনিং ক্ষমতা ভবিষ্যতে অন্যান্য জটিল ও বিষয়ভিত্তিক সমস্যাও সমাধানে কাজে লাগবে, এবং একসময় এটি সাধারণ উদ্দেশ্যের AI এজেন্ট তৈরিতে রূপান্তরিত হবে।

ChatGPT ছিল এক প্রকার দুর্ঘটনাজনিত সাফল্য — কিন্তু এজেন্ট প্রযুক্তি একটি সচেতন, বহু বছরের গবেষণার ফসল।

২০২৪ সালের শেষ দিকে ওপেনএআই প্রকাশ করে তাদের প্রথম রিজনিং ফোকাসড মডেল “o1”, যা তৈরি হয়েছিল “Strawberry” নামক একটি অভ্যন্তরীণ প্রকল্পের মাধ্যমে। এই প্রকল্পে LLM, reinforcement learning (RL), এবং test-time computation একত্রে ব্যবহার করা হয় — যার ফলে মডেলগুলো পরিকল্পনা করতে ও ভুল ধরতে সক্ষম হয়।

এই চেইন-অফ-থট (Chain-of-Thought) রিজনিং ক্ষমতাই পরবর্তীতে ওপেনএআই’র এজেন্ট প্রযুক্তির ভিত গড়ে দেয়।

o1 তৈরি করে এমন ২১ জন গবেষক বর্তমানে সিলিকন ভ্যালির সবচেয়ে কাঙ্ক্ষিত প্রতিভাদের একজন। মেটা ইতোমধ্যেই তাঁদের মধ্যে পাঁচজনকে নিয়ে গেছে, প্রতিজনের জন্য শত মিলিয়ন ডলারের বেশি প্রস্তাব দিয়ে।

ওপেনএআই’র গবেষক এল কিশকি বলেন, “আমরা মডেলকে শেখাচ্ছি কীভাবে কার্যকরভাবে কম্পিউটেশন ব্যবহার করে সঠিক উত্তর বের করতে হয়। এই প্রক্রিয়াকে আপনি রিজনিং বলতে পারেন।”

AI এজেন্টরা বর্তমানে কোডিং-এর মতো নির্দিষ্ট, যাচাইকৃত কাজেই ভালো পারফর্ম করছে। তবে ব্যবহারকারীরা চায় এমন এজেন্ট, যারা সাবজেক্টিভ কাজ যেমন ছুটি পরিকল্পনা, অনলাইন কেনাকাটা বা পার্কিং খোঁজার মতো বিষয়েও সাহায্য করতে পারে। এসব কাজের জন্য নতুন ধরনের প্রশিক্ষণ দরকার — যেখানে ‘ঠিক’ বা ‘ভুল’ উত্তর নেই।

লাইটম্যান বলেন, “এই ধরণের কাজগুলোতে প্রশিক্ষণ দেওয়া এখন মূল গবেষণার অংশ। আমাদের কিছু আশাব্যঞ্জক দিক খুঁজে পাওয়া গেছে।”

GPT-5 এর মাধ্যমে ওপেনএআই এই সমস্ত নতুন প্রযুক্তি একত্রিত করতে চায়। মডেলটি AI এজেন্টকে আরও বুদ্ধিদীপ্ত করে তুলবে, যাতে ব্যবহারকারী কী চায় তা বুঝতে পারে এবং সেই অনুযায়ী কাজ করতে পারে — সেটিংস ছাড়াই।