Google Search থেকে AI কৌশলে Eric Schmidt-এর মোড়

AI নীতির আলোচনায় Eric Schmidt কেন গুরুত্বপূর্ণ

AI নীতিতে Eric Schmidt গুরুত্বপূর্ণ, কারণ তাঁর কর্মজীবন একটি বৈশ্বিক প্রযুক্তি প্ল্যাটফর্ম চালানো এবং জাতীয় প্রযুক্তি সক্ষমতা গড়ার প্রচেষ্টাকে যুক্ত করে। তাঁর প্রভাব নির্বাচিত পদে থাকা বা নিয়মকানুন লেখার কারণে নয়। প্রকৌশল, বিনিয়োগ ও সংগঠনসংক্রান্ত সমস্যাকে এমন সুপারিশে রূপ দিতে পারেন বলেই তাঁর প্রভাব, যেগুলো সরকারি কর্মকর্তারা অর্থায়ন, দায়িত্ব বণ্টন ও পরিমাপ করতে পারেন।

এই পার্থক্যটি বিষয়টিকে নির্দিষ্ট রাখে। Google-এ Schmidt-এর বছরগুলো ব্যাখ্যা করে কেন কর্মকর্তারা তাঁর কথা শোনেন, কিন্তু এটি তাঁর জীবনী বা সার্চের ইতিহাস নয়। আসল প্রশ্ন হলো ডেটা, অবকাঠামো, প্রযুক্তিগত প্রতিভা এবং দ্রুত পণ্য উন্নয়ন নিয়ে তাঁর অভিজ্ঞতা কীভাবে পরে জাতীয় নিরাপত্তা ও কৃত্রিম বুদ্ধিমত্তা বিষয়ক কাজে প্রভাব ফেলেছিল।

জাতীয় AI কৌশল হলো গবেষণা, বাণিজ্যিক গ্রহণ, সরকারি খাতে ব্যবহার, নিরাপত্তা ও তদারকি নিয়ে সরকারের সমন্বিত পরিকল্পনা। এতে বিশ্ববিদ্যালয়ের অর্থায়ন, দক্ষ অভিবাসন, সেমিকন্ডাক্টর সরবরাহ, ডেটা সেন্টার, জ্বালানি, সরকারি ক্রয়, প্রযুক্তিগত মান, কর্মী প্রস্তুতি এবং আন্তর্জাতিক সহযোগিতা অন্তর্ভুক্ত। কোথায় বিধিনিষেধ ন্যায্য, ব্যর্থতার দায় কার এবং ক্ষতিকর স্বয়ংক্রিয় সিদ্ধান্তকে নাগরিকেরা কীভাবে চ্যালেঞ্জ করবেন, সেসবও এতে ঠিক করতে হয়।

Schmidt-এর প্রকাশ্য কাজজুড়ে চারটি বিতর্ক রয়েছে:

• উদ্ভাবন বলতে গবেষণা, কোম্পানি গঠন, দ্রুত ডেপ্লয়মেন্ট এবং মূলধন ও কম্পিউটিংয়ে প্রবেশাধিকার বোঝায়।
• নিরাপত্তা বলতে প্রতিরক্ষা খাতে গ্রহণ, সাইবার কার্যক্রম, গোয়েন্দা কাজ, মডেল সুরক্ষা এবং বিপজ্জনক দ্বৈত-ব্যবহারের সক্ষমতা বোঝায়।
• শাসনব্যবস্থা পরীক্ষা, নথিপত্র, পর্যবেক্ষণ, দায়বদ্ধতা ও প্রতিকারের মাধ্যমে দায়িত্ব নির্ধারণ করে।
• প্রতিযোগিতা যুক্তরাষ্ট্র-চীন সম্পর্ক, মিত্রদের সমন্বয়, উন্নত চিপ, প্রযুক্তিগত মান এবং প্রতিভাকে ঘিরে।

এই বিতর্কগুলো একে অপরের সঙ্গে জড়িত, কিন্তু এক নয়। দেশীয় কম্পিউটিং সক্ষমতা বাড়ানোর নীতি গবেষণা ও প্রতিরক্ষায় সহায়তা করতে পারে, আবার বিদ্যুৎব্যবস্থার ওপর চাপ বাড়ায়। রপ্তানি বিধিনিষেধ প্রতিদ্বন্দ্বীর উন্নত হার্ডওয়্যারে প্রবেশ বিলম্বিত করতে পারে, আবার দেশীয় সরবরাহকারীর খরচ বাড়ায়। নিরাপত্তার শর্ত উচ্চঝুঁকির পরিবেশে মানুষকে সুরক্ষা দিতে পারে, তবে কমঝুঁকির প্রশাসনিক টুলে অপরিবর্তিতভাবে প্রয়োগ হলে অপচয় হতে পারে।

Schmidt-এর গুরুত্ব এই কার্যকরী দৃষ্টিভঙ্গিতে। জাতীয় কৌশল AI গুরুত্বপূর্ণ, এমন ঘোষণা নয়। এটি প্রতিষ্ঠান, বাজেট, প্রযুক্তিগত ব্যবস্থা, প্রণোদনা ও সময়সীমার সমষ্টি, যা নির্ধারণ করে জনপরিসরের উচ্চাকাঙ্ক্ষা বাস্তবায়নের মুখোমুখি টিকে থাকবে কি না।

প্রকৌশল নেতৃত্ব থেকে Google-এর ব্যাপ্তি

Schmidt-এর প্রযুক্তি ক্যারিয়ার তাঁকে সেই সাংগঠনিক সমস্যাগুলোর সরাসরি অভিজ্ঞতা দেয়, যেগুলো পরে তাঁর নীতিগত সুপারিশে দেখা যায়। কম্পিউটার বিজ্ঞানে প্রশিক্ষিত Schmidt, ২০০১ সালে Google-এর প্রধান নির্বাহী হওয়ার আগে Bell Labs, Sun Microsystems ও Novell-এ কাজ করেন। Google-এর প্রতিষ্ঠাতা, সার্চ প্রযুক্তি ও দ্রুত বাড়তে থাকা ব্যবহারকারীভিত্তি তখনই ছিল। তাঁর ভূমিকা ছিল এই গতি এমন কোম্পানিতে রূপ দিতে সাহায্য করা, যা বাজার ও পণ্যের বিস্তৃত পরিসরে নির্ভরযোগ্যভাবে চলতে পারে।

তিনি ২০১১ সাল পর্যন্ত Google-এর CEO ছিলেন। এ সময় কোম্পানিটি কম্পিউটিং অবকাঠামো, বিজ্ঞাপন ব্যবসা, কর্মীসংখ্যা ও পণ্যের পরিসর বাড়ায়। শিক্ষাটি শুধু প্রবৃদ্ধির ছিল না: কোনো সংস্থা মানুষ নিয়োগ, কম্পিউটিং সম্পদ বরাদ্দ, পরিবর্তন পরীক্ষা, ব্যর্থতা থেকে পুনরুদ্ধার বা প্রয়োজনীয় গতিতে সিদ্ধান্ত নিতে না পারলে প্রযুক্তিগত উদ্ভাবনের মূল্য সীমিত।

সার্চ এই পরিচালনাগত শৃঙ্খলাগুলোর সংযোগ দেখায়। ধারণাগতভাবে, একটি সার্চ সিস্টেমকে তিনটি আলাদা কাজ করতে হয়:

• ক্রলিং নথি খুঁজে পায় এবং ওয়েব বদলালে সেগুলো আবার পরিদর্শন করে।
• ইনডেক্সিং পাওয়া উপকরণকে এমনভাবে সাজায়, যাতে তা দ্রুত খুঁজে পাওয়া যায়।
• র‌্যাঙ্কিং নির্ণয় করে কোন ফল একটি নির্দিষ্ট অনুসন্ধান ও উদ্দেশ্য সবচেয়ে ভালোভাবে পূরণ করে।

প্রতিটি কাজ অবকাঠামো, ডেটার মান, পরিমাপ এবং নিরন্তর রক্ষণাবেক্ষণের ওপর নির্ভরশীল। কার্যকর র‌্যাঙ্কিং পরিবর্তনকে ভাষা, বিরল অনুসন্ধান, স্প্যামের চেষ্টা, আকস্মিক সংবাদঘটনা, ধীর নেটওয়ার্ক এবং কোটি কোটি পারস্পরিক ক্রিয়ায় কাজ করতে হয়। বৈশ্বিক পরিসরে সেবা চললে সামান্য ত্রুটির হারও প্রতিদিন বিপুলসংখ্যক খারাপ ফল দিতে পারে।

সার্চ যুগ নিয়ন্ত্রিত পরীক্ষাকেও স্বাভাবিক করে। দলগুলো প্রস্তাবিত পরিবর্তনকে বিদ্যমান সিস্টেমের সঙ্গে তুলনা করতে, ব্যবহারকারীর আচরণ দেখতে, ব্যর্থতার ঘটনা খতিয়ে দেখতে এবং প্রমাণ বিপক্ষে গেলে রিলিজ ফিরিয়ে নিতে পারত। পর্যবেক্ষণ ও রোলব্যাক পণ্যেরই অংশ ছিল, চালুর পর যোগ করা প্রশাসনিক কাজ নয়।

আস্থা মাপা কঠিন ছিল, কিন্তু সমান গুরুত্বপূর্ণ। সার্চ র‌্যাঙ্কিং মানুষ কী দেখবে তা প্রভাবিত করে, আর ডেটা সংগ্রহ গোপনীয়তা ও নিরাপত্তার দায় তৈরি করে। ফলাফলকে কারসাজিপূর্ণ, অনিরাপদ বা বারবার ভুল মনে হলে ব্যবহারকারীরা সেবা ছেড়ে যেতে পারেন। AI নিয়ে সরকারেরও কাছাকাছি সমস্যা: একটি সিস্টেম অভ্যন্তরীণ কর্মদক্ষতার লক্ষ্য পূরণ করেও বৈধতা হারাতে পারে, যদি মানুষ তার সিদ্ধান্ত বুঝতে, চ্যালেঞ্জ করতে বা এড়িয়ে যেতে না পারে।

তুলনাটির সীমা আছে। দেশ প্রযুক্তি কোম্পানি নয়, নাগরিক গ্রাহক নন এবং জনক্ষমতাকে পণ্য ব্যবস্থাপনায় নামিয়ে আনা যায় না। সরকারকে আইন মানতে, সাংবিধানিক অধিকার রক্ষা করতে, যথাযথ প্রক্রিয়া নিশ্চিত করতে এবং ভিন্ন দায়িত্বসম্পন্ন প্রতিষ্ঠানের কাছে জবাবদিহি করতে হয়। পরিচালনাগত বাধা চিহ্নিত করতে Schmidt-এর বেসরকারি খাতের অভিজ্ঞতা কাজে লাগে। কর্পোরেট গতিকে গণতান্ত্রিক জবাবদিহির বিকল্প ধরা হলে তা কম বিশ্বাসযোগ্য হয়।

যে জনপরিসরের ভূমিকাগুলো Schmidt-এর নীতিগত প্রভাব গড়ে তোলে

আনুষ্ঠানিক পরামর্শক ভূমিকা এবং ব্যক্তিগত অর্থায়নের উদ্যোগের ধারাবাহিকতার মাধ্যমে Schmidt জাতীয় প্রযুক্তি নীতিতে প্রবেশ করেন। এসব ভূমিকা তাঁকে প্রতিরক্ষা নেতা, আইনপ্রণেতা, প্রযুক্তি বিশেষজ্ঞ ও নীতি-কর্মীদের কাছে পৌঁছানোর সুযোগ দেয় এবং তাঁর প্রভাব যাচাইয়ের জন্য প্রকাশ্য নথিও তৈরি করে।

২০১৬ সালে প্রতিরক্ষা সচিব Ash Carter নতুন তৈরি Defense Innovation Board-এর চেয়ার হিসেবে Schmidt-কে নির্বাচন করেন। এর দায়িত্ব ছিল Department of Defense নেতাদের সংগঠনগত পদ্ধতি, সফটওয়্যার, ডেটা, প্রতিভা এবং দ্রুত প্রযুক্তি গ্রহণ নিয়ে পরামর্শ দেওয়া। বোর্ডটি সামরিক অভিযান পরিচালনা করত না বা চুক্তি দিত না। আধুনিক প্রযুক্তি ও বাণিজ্যিক সরবরাহকারীদের সঙ্গে বড় আমলাতন্ত্রকে আরও কার্যকরভাবে কাজ করাতে সুপারিশ তৈরি করত।

পরে কংগ্রেস National Security Commission on Artificial Intelligence, বা NSCAI প্রতিষ্ঠা করে। Schmidt ১৫ সদস্যের দ্বিদলীয় কমিশনটির নেতৃত্ব দেন এবং সাবেক উপপ্রতিরক্ষা সচিব Robert Work ছিলেন ভাইস চেয়ার। এর আইনগত দায়িত্ব ছিল জাতীয় ও অর্থনৈতিক নিরাপত্তার প্রয়োজনে যুক্তরাষ্ট্র কীভাবে AI এবং সংশ্লিষ্ট প্রযুক্তি উন্নত করবে, সে বিষয়ে সুপারিশ করা।

NSCAI ২০২১ সালে প্রেসিডেন্ট ও কংগ্রেসের কাছে চূড়ান্ত প্রতিবেদন দেয়। প্রতিবেদনে ১৬টি অধ্যায় ও প্রতিরক্ষা খাতে গ্রহণ, প্রযুক্তিগত প্রতিভা, গবেষণা অবকাঠামো, মাইক্রোইলেকট্রনিক্স, মিত্রতা, দায়িত্বশীল ব্যবহার এবং চীনের সঙ্গে প্রতিযোগিতা নিয়ে বিস্তারিত কর্মপরিকল্পনা ছিল। কৌশলগত দাবি ও বাস্তবায়নযোগ্য প্রস্তাবের সমন্বয় থেকেই এর গুরুত্ব আসে। কর্মকর্তারা AI-তে বিনিয়োগের সাধারণ আহ্বান গ্রহণের বদলে দপ্তরের কাঠামো, নিয়োগ কর্মসূচি, বাজেট ধারণা বা পরীক্ষার শর্ত বের করে নিতে পারতেন।

NSCAI কাজ শেষ করার পর Schmidt ২০২১ সালে Special Competitive Studies Project প্রতিষ্ঠা করেন। এই বেসরকারি অপারেটিং ফাউন্ডেশন জাতীয় নিরাপত্তা, অর্থনীতি ও সমাজের প্রেক্ষাপটে AI এবং অন্যান্য উদীয়মান প্রযুক্তি নিয়ে কাজ করে। Schmidt এর চেয়ার, আর কর্মী ও উপদেষ্টারা নীতিগত প্রস্তাব প্রকাশ এবং সরকারি ও বেসরকারি সিদ্ধান্তগ্রহণকারীদের একত্র করা অব্যাহত রেখেছেন।

এই পদগুলো দেখায়, একজন পরামর্শক চারভাবে নীতিকে প্রভাবিত করতে পারেন:

• ফ্রেমিং সমস্যার সংজ্ঞা ও আলোচনার ভাষা নির্ধারণ করে।
• নকশা বিস্তৃত লক্ষ্যকে দপ্তর, কর্তৃত্ব, কর্মসূচি ও সময়সীমায় রূপ দেয়।
• নেটওয়ার্ক সংস্থাগুলোকে গবেষক, বিনিয়োগকারী, কোম্পানি ও সাবেক কর্মকর্তাদের সঙ্গে যুক্ত করে।
• ধারাবাহিকতা কমিশন বিলুপ্ত হওয়ার পরও সুপারিশগুলোকে আলোচনায় রাখে।

এর কোনোটিই পরামর্শককে আনুষ্ঠানিক নিয়ন্ত্রণ দেয় না। কর্মসূচি অনুমোদন ও অর্থায়ন করবে কি না, কংগ্রেস ঠিক করে। নির্বাহী সংস্থাগুলো দায়িত্বের ব্যাখ্যা করে, ক্রয়ের নিয়ম লেখে ও ডেপ্লয়মেন্ট পরিচালনা করে। আদালত, ইন্সপেক্টর জেনারেল, নিরীক্ষক, সাংবাদিক ও নাগরিক সমাজ ত্রুটি প্রকাশ করতে পারে। Schmidt বিকল্পের তালিকাকে প্রভাবিত করতে পারেন, কিন্তু জনপরিসরের প্রতিষ্ঠান ঠিক করে কী নেওয়া হবে এবং কী টিকে থাকবে।

NSCAI কৌশলে কী বলা হয়েছিল

NSCAI-এর মূল যুক্তি ছিল AI-তে সুবিধা একটি শ্রেষ্ঠ মডেলের বদলে পুরো প্রযুক্তিগত ও প্রাতিষ্ঠানিক স্তরের ওপর নির্ভর করে। প্রতিবেদনে এই স্তরকে প্রতিভা, ডেটা, হার্ডওয়্যার, অ্যালগরিদম, অ্যাপ্লিকেশন ও একীভবনের মাধ্যমে ব্যাখ্যা করা হয়। কোনো স্তরের দুর্বলতা একটি চমৎকার গবেষণাগারের ফলকে নির্ভরযোগ্য জাতীয় সক্ষমতায় পরিণত হতে বাধা দিতে পারে।

প্রতিবেদনটি বলেছিল, ২০২৫ সালের মধ্যে Department of Defense ও Intelligence Community-তে ব্যাপক AI একীভবনের ভিত্তি থাকা দরকার। লক্ষ্যটি প্রস্তুতি কাজের সময়সীমা, ওই তারিখে প্রতিটি প্রাসঙ্গিক সংস্থা বা মিশন AI-প্রস্তুত হয়ে যাবে এমন প্রত্যয়ন নয়। একটি গুরুতর পর্যালোচনায় জানতে হবে কোন ভিত্তিগুলো তৈরি হয়েছে, সেগুলো কেমন কাজ করেছে এবং কী সমস্যা রয়ে গেছে।

সুপারিশগুলো পাঁচটি বাস্তব বিষয়ের অধীনে সাজানো যায়:

• সরকারি গ্রহণে জ্যেষ্ঠ নেতৃত্ব, ব্যবহারযোগ্য ডেটা, আধুনিক সফটওয়্যার, নিরাপদ কম্পিউটিং ও পুনরাবৃত্তিমূলক ক্রয় দরকার।
• প্রতিভা নীতিতে নতুন প্রযুক্তিগত ক্যারিয়ারপথ, ভালো প্রশিক্ষণ, নমনীয় নিয়োগ ও আন্তর্জাতিক দক্ষতায় অব্যাহত প্রবেশাধিকার দরকার।
• হার্ডওয়্যার নীতিতে সেমিকন্ডাক্টর উৎপাদন, উন্নত চিপে প্রবেশাধিকার, সরবরাহের ঘনত্ব ও গবেষণায় মনোযোগ দরকার।
• জাতীয় গবেষণা সক্ষমতায় সরকারি বিনিয়োগ এবং কম্পিউটিং, ডেটাসেট, মডেল ও প্রযুক্তিগত সহায়তায় বিস্তৃত প্রবেশাধিকার দরকার।
• দায়িত্বশীল ব্যবহারে পরীক্ষা, মানব বিবেচনা, জবাবদিহি, পর্যবেক্ষণ ও মিত্রদের সহযোগিতা দরকার।

NSCAI-কে প্রতিযোগিতার নথি হিসেবে সংক্ষেপ করলে দায়িত্বশীল ব্যবহারের অংশটি অনেক সময় বাদ পড়ে। এর চূড়ান্ত প্রতিবেদনে বলা হয়, জাতীয় নিরাপত্তা সিস্টেমে ন্যায়সঙ্গত আস্থা দরকার। অপারেটরদের বুঝতে হবে সিস্টেম কোথায় কাজ করে, কোথায় ব্যর্থ হয়, প্রতিপক্ষ কীভাবে আক্রমণ করতে পারে এবং কোনো মিশন কতটা ঝুঁকি নিতে পারে। সংস্থার ভেতরে দায়িত্বশীল AI নেতৃত্ব এবং মূল্যায়ন ও শাসনব্যবস্থার জন্য বহুবিষয়ক সহায়তার প্রস্তাব দেয় এটি।

২০২১ সালের বিশ্লেষণের কিছু অংশ পুরোনো হয়েছে, কারণ জেনারেটিভ AI বাস্তব সমস্যাটি বদলে দিয়েছে। সাধারণ উদ্দেশ্যের ফাউন্ডেশন মডেল এখন একটি ইন্টারফেস থেকে লেখা, সফটওয়্যার, ছবি, অডিও ও পরিকল্পনা তৈরি করতে পারে। শুরু থেকে মডেল প্রশিক্ষণ ছাড়াই প্রম্পটিং, রিট্রিভাল, ফাইন-টিউনিং ও টুল ব্যবহারের মাধ্যমে সেগুলো মানিয়ে নেওয়া যায়। এতে প্রবেশাধিকার বেড়েছে, আবার সক্ষমতার সীমা বর্ণনা করা কঠিন হয়েছে।

প্রশিক্ষণের পাশাপাশি ইনফারেন্সও কৌশলগত সম্পদে পরিণত হয়েছে। একটি দেশের মডেল থাকতে পারে, কিন্তু হাসপাতাল, সংস্থা, গবেষণাগার ও সামরিক ইউনিটজুড়ে সেগুলো ব্যবহারের মতো কম্পিউটিং, নেটওয়ার্ক সক্ষমতা, বিদ্যুৎ বা নিরাপদ ডেপ্লয়মেন্ট পরিবেশ নাও থাকতে পারে। মডেল চুরি, ক্ষতিকর ফাইন-টিউনিং, কৃত্রিম মিডিয়া, স্বয়ংক্রিয় টুল ব্যবহার এবং AI-সহায়ক জৈব বা সাইবার কাজ এখন প্রাথমিক কৌশল নথির চেয়ে বেশি মনোযোগ দাবি করে।

তাই NSCAI-এর টেকসই অংশ হলো এর ব্যবস্থাগত দৃষ্টিভঙ্গি। পুরোনো অংশ হলো এমন ধারণা যে AI গ্রহণ স্থিতিশীল চাহিদা ও পূর্বানুমেয় হালনাগাদসহ প্রচলিত সফটওয়্যার পথ অনুসরণ করে। বর্তমান কৌশলকে বদলাতে থাকা সেবা, তার আশপাশের টুল, ডেটা প্রবাহ এবং তার ওপর নির্ভরশীল মানুষকে শাসন করতে হবে।

কোন সুপারিশগুলো দৃশ্যমান প্রতিষ্ঠানে রূপ নিয়েছে

পরের কয়েকটি মার্কিন উদ্যোগ NSCAI-এর প্রস্তাবের সঙ্গে সাদৃশ্যপূর্ণ, যদিও শুধু সাদৃশ্য Schmidt বা কমিশনই সেগুলো ঘটিয়েছে তা প্রমাণ করে না। আইন, সংস্থার কাজ, আগের গবেষণা, বাণিজ্যিক চাপ, নিরাপত্তা ঘটনা ও প্রেসিডেন্টের নীতির পরিবর্তনও ফলাফলকে গড়েছে।

Department of Defense ২০২২ সালের ফেব্রুয়ারিতে Chief Digital and Artificial Intelligence Officer পদ প্রতিষ্ঠা করে। এই দপ্তরটি ডেটা, অ্যানালিটিক্স ও AI-এর প্রধান দায়িত্বগুলোকে এক জ্যেষ্ঠ কর্মকর্তার অধীনে আনে। এটি NSCAI বর্ণিত সমন্বয় সমস্যার সমাধান করে: ডেটা, অবকাঠামো, নীতি ও ক্রয় বিচ্ছিন্ন থাকলে ছড়ানো পাইলট থেকে বিভাগজুড়ে গ্রহণ হয় না।

২০২২ সালে CHIPS and Science Act পাস হয়, যা সেমিকন্ডাক্টর উৎপাদন প্রণোদনা, গবেষণা ও সংশ্লিষ্ট কর্মী কর্মসূচির জন্য প্রায় ৫৩ বিলিয়ন ডলার দেয়। এর পরিসর AI-এর বাইরে, তবে উন্নত কম্পিউটিং সেমিকন্ডাক্টর সক্ষমতাকে সরাসরি জাতীয় কৌশলের বিষয় করে তোলে। ফ্যাব প্ল্যান্ট, প্যাকেজিং, উৎপাদন সরঞ্জাম, গবেষণা, দক্ষ শ্রম ও সরবরাহ নিরাপত্তা কেবল কোম্পানির ক্রয় সিদ্ধান্তের বিষয় না থেকে নীতির বিষয় হয়।

National Artificial Intelligence Research Resource পাইলট ২০২৪ সালে গবেষক ও শিক্ষকদের কম্পিউটিং, ডেটাসেট, মডেল, সফটওয়্যার, প্রশিক্ষণ ও সহায়তায় প্রবেশাধিকার দিতে শুরু হয়। দুই বছরের অগ্রগতি হালনাগাদে কর্মসূচিটি ৬০০টির বেশি গবেষণা প্রকল্প ও ৬,০০০ শিক্ষার্থীকে সহায়তা, প্রতিটি অঙ্গরাজ্যে অংশগ্রহণ এবং বেসরকারি অংশীদারদের কাছ থেকে প্রায় ১০০ মিলিয়ন ডলারের সামগ্রীভিত্তিক অবদানের কথা জানায়। এটি ভালো অর্থায়ন পাওয়া গবেষণাগার ও বিস্তৃত গবেষণা সম্প্রদায়ের ব্যবধান কমানোর লক্ষ্যে সরকারি-বেসরকারি অবকাঠামোর একটি বাস্তব উদাহরণ।

White House-এর ২০২৫ AI Action Plan তিনটি স্তম্ভে ৯০টির বেশি ফেডারেল পদক্ষেপ দেয়: উদ্ভাবন, অবকাঠামো এবং আন্তর্জাতিক কূটনীতি ও নিরাপত্তা। এর রাজনৈতিক জোর আগের নীতির থেকে ভিন্ন ছিল। দ্রুত বেসরকারি খাতের উন্নয়ন, ডেটা সেন্টার নির্মাণ, জ্বালানি সরবরাহ, AI রপ্তানি, ফেডারেল গ্রহণ এবং উন্নত কম্পিউটিংয়ে বিধিনিষেধ প্রয়োগে বেশি গুরুত্ব দেয় এটি।

২০২৬ সালের জুনের একটি জাতীয় নিরাপত্তা স্মারক কার্যকরী কর্মসূচিকে আরও এগিয়ে দেয়। এতে জাতীয় নিরাপত্তা খাতে গ্রহণ, প্রযুক্তিগত নিয়োগ, AI প্রতিভা রিজার্ভ, ভাগ করা ডেটা ও মডেল পরিবেশ, ঘটনা মোকাবিলা, নিরাপত্তা পদ্ধতি এবং মানক পরীক্ষা, মূল্যায়ন, যাচাই ও বৈধতা পদ্ধতি নিয়ে কাজের নির্দেশ দেওয়া হয়। এতে নিয়ন্ত্রণযোগ্যতাকে একটি সিস্টেম পর্যবেক্ষণ করা এবং সংশোধনমূলক পদক্ষেপ নেওয়ার সক্ষমতা হিসেবে সংজ্ঞায়িত করা হয়।

একত্রে, এসব পদক্ষেপ Schmidt জোর দেওয়া কয়েকটি সমস্যায় নীতির মিল দেখায়: রাষ্ট্রের সক্ষমতা, প্রযুক্তিগত কর্মী, কম্পিউটিং অবকাঠামো, প্রাতিষ্ঠানিক সমন্বয় ও পরিমাপযোগ্য মূল্যায়ন। এগুলো নেওয়া সমাধান যথেষ্ট বা ভালো নকশার কি না, তা ঠিক করে না। দপ্তর তৈরি করা তাকে কর্তৃত্ব দেওয়ার চেয়ে সহজ। কর্মসূচি ঘোষণা করা বরাদ্দ ধরে রাখার চেয়ে সহজ। মূল্যায়ন পদ্ধতি প্রকাশ করা পছন্দের সরবরাহকারী বা জরুরি মিশনের ক্ষেত্রে তা কার্যকর করার চেয়ে সহজ।

গবেষণা, প্রতিভা ও অবকাঠামো কৌশলকে বাস্তবায়নযোগ্য করে

গবেষণা, মানুষ, কম্পিউটিং, ডেটা ও ডেপ্লয়মেন্টের নিয়ম এক পোর্টফোলিও হিসেবে কাজ করলেই জাতীয় AI কৌশল বাস্তবায়নযোগ্য হয়। একটি অংশে অর্থ দিয়ে অন্যটি অবহেলা করলে অব্যবহৃত সক্ষমতা বা অল্প কয়েকটি সরবরাহকারীর ওপর নির্ভরতা তৈরি হয়।

সরকারি গবেষণা অর্থায়নে মৌলিক বিজ্ঞান, প্রয়োগভিত্তিক মিশন, মূল্যায়ন পদ্ধতি ও অনিশ্চিত বাণিজ্যিক ফলের কাজকে সমর্থন করা উচিত। এতে রূপান্তর ব্যবস্থাও থাকা দরকার। বিশ্ববিদ্যালয়ের একটি দল মূল্যবান কৌশল দেখাতে পারে, কিন্তু নিরাপদ হোস্টিং, পণ্য প্রকৌশল, আইনি কর্তৃত্ব, রক্ষণাবেক্ষণের তহবিল এবং ফলটির মালিক হতে ইচ্ছুক সরকারি সংস্থা ছাড়া তা গ্রহণ থেমে যেতে পারে।

প্রতিভা নীতিতে শুধু আরও বেশি মেশিন-লার্নিং গবেষক বের করলেই হবে না। সরকারের সফটওয়্যার প্রকৌশলী, ডেটা প্রকৌশলী, সাইবার নিরাপত্তা বিশেষজ্ঞ, পণ্য ব্যবস্থাপক, ক্রয়কর্মী, আইনজীবী, নিরীক্ষক, ক্ষেত্রবিশেষজ্ঞ এবং প্রযুক্তিগত সমঝোতা করতে সক্ষম জ্যেষ্ঠ কর্মকর্তা দরকার। অপারেটর ছাড়া মূল্যায়িত প্রতিরক্ষা মডেল মাঠপর্যায়ে ব্যর্থ হতে পারে। প্রশাসনিক আইন বিশেষজ্ঞ ছাড়া পর্যালোচিত সুবিধা-প্রদান সিস্টেম, পূর্বাভাস পরিসংখ্যানগতভাবে নির্ভুল হলেও, যথাযথ প্রক্রিয়া অস্বীকার করতে পারে।

কম্পিউটিং নীতিকে প্রশিক্ষণ ও ইনফারেন্স আলাদা করতে হবে। বড় মডেল প্রশিক্ষণে সীমিত সময়ের জন্য কেন্দ্রীভূত কম্পিউটিং দরকার। বহু ব্যবহারকারীর জন্য সেই মডেল চালাতে অ্যাক্সিলারেটর, মেমরি, নেটওয়ার্কিং, স্টোরেজ, বিদ্যুৎ, কুলিং ও রক্ষণাবেক্ষণের চলমান চাহিদা তৈরি হয়। উন্নয়নের বাজেট রেখে চলতি খরচ বাদ দেওয়া ক্রয়পরিকল্পনা সংস্থাকে এমন সফল পাইলটের কাছে ফেলে দিতে পারে, যা বড় পরিসরে চালানোর সামর্থ্য তাদের নেই।

ভৌত অবকাঠামো এখন কৌশলের অংশ। ডেটা সেন্টারে উপযুক্ত স্থান, নির্ভরযোগ্য বিদ্যুৎ, সঞ্চালন সক্ষমতা, পানি বা বিকল্প কুলিং ব্যবস্থা, নেটওয়ার্ক সংযোগ, প্রতিস্থাপন সরঞ্জাম ও জরুরি পরিকল্পনা লাগে। নতুন সক্ষমতা যুক্ত করতে সময়, ব্যবহার হার, সম্পন্ন কাজপ্রতি খরচ, বিঘ্নের পর পুনরুদ্ধার সময় এবং অনুমোদিত পরিবেশে চলতে পারে এমন সংবেদনশীল কাজের অংশ উপকারী সূচক।

ডেটা নীতি আইনি কর্তৃত্ব ও উদ্দেশ্য দিয়ে শুরু হয়। সংস্থাগুলোকে জানতে হবে ডেটাসেট কেন আছে, কে ব্যবহার করতে পারে, কতদিন রাখা যাবে, কোন জনগোষ্ঠীকে তা দুর্বলভাবে বর্ণনা করে এবং সংশোধন কীভাবে ছড়ায়। উৎসের তথ্য জরুরি, কারণ অন্তর্নিহিত রেকর্ডের উৎস ও রূপান্তরের ইতিহাস অজানা থাকলে মূল্যায়ন ব্যর্থতার ব্যাখ্যা দিতে পারে না।

গোপনীয়তা রক্ষার পদ্ধতি ঝুঁকি কমাতে পারে, কিন্তু শাসনব্যবস্থার প্রয়োজন দূর করে না। প্রবেশ নিয়ন্ত্রণ, নিরাপদ এনক্লেভ, পরিচয়-অপসারণ, ডিফারেনশিয়াল প্রাইভেসি, ফেডারেটেড বিশ্লেষণ ও অডিট লগ ভিন্ন ভিন্ন হুমকি মোকাবিলা করে। ডেটা, ব্যবহারকারী, আক্রমণ মডেল ও সংশ্লিষ্ট জনদায়িত্ব অনুযায়ী সংস্থার এগুলো বাছাই করা উচিত।

ডেপ্লয়মেন্ট একবারের গ্রহণযোগ্যতা পরীক্ষার বদলে জীবনচক্র অনুসরণ করবে:

1. সিদ্ধান্ত, প্রভাবিত জনগোষ্ঠী, আইনি কর্তৃত্ব ও মানব মালিক নির্ধারণ করুন।
2. AI-বিহীন ভিত্তিমাপক এবং পরিমাপযোগ্য সুবিধার লক্ষ্য ঠিক করুন।
3. নির্ধারিত পরিবেশে কর্মদক্ষতা, নিরাপত্তা, পক্ষপাত, প্রবেশগম্যতা ও অপব্যবহার পরীক্ষা করুন।
4. লগ, উর্ধ্বতন পর্যায়ে তোলার পথ, ঘটনার প্রতিবেদন ও রোলব্যাকসহ ধীরে ধীরে চালু করুন।
5. মডেল, ডেটা, নীতি বা পরিচালনার অবস্থা বদলালে আবার মূল্যায়ন করুন।

এই প্রক্রিয়া গতি বাড়ায়, কারণ এতে ছোট ও উল্টে নেওয়া যায় এমন পরীক্ষা সম্ভব হয়। এটি কোনো প্রোটোটাইপের চমকপ্রদ প্রদর্শনীকে উৎপাদন পরিবেশের প্রমাণ বলে ভুল করাও ঠেকায়।

দ্বৈত-ব্যবহারের সক্ষমতার মাধ্যমে AI জাতীয় নিরাপত্তা বদলায়

AI বিশ্লেষণ ও পদক্ষেপের গতি, ব্যাপ্তি এবং সহজলভ্যতা বাড়িয়ে জাতীয় নিরাপত্তা বদলায়। গোয়েন্দা সংস্থাগুলো ছবি বিশ্লেষণ, উপকরণ অনুবাদ, বড় নথিসংগ্রহে অনুসন্ধান, সাইবার অস্বাভাবিকতা চিহ্নিত করা এবং বিশ্লেষকদের সংকেতের যোগসূত্র খুঁজতে সাহায্য করতে এটি ব্যবহার করতে পারে। সামরিক সংস্থাগুলো লজিস্টিকস, রক্ষণাবেক্ষণ, পরিকল্পনা সহায়তা, সেন্সিং ও স্বয়ংক্রিয় সিস্টেমে এটি প্রয়োগ করতে পারে।

একই সক্ষমতা আক্রমণকারীদেরও সহায়তা করতে পারে। কোড তৈরি প্রতিরক্ষাকারীদের সফটওয়্যার পরীক্ষা করতে এবং প্রতিপক্ষকে ক্ষতিকর প্রোগ্রামের ভিন্নরূপ বানাতে সাহায্য করে। ভাষা তৈরি ব্যক্তিগতকৃত ফিশিং ও প্রভাব বিস্তারের কাজের খরচ কমাতে পারে। কম্পিউটার ভিশন দুর্যোগ মোকাবিলা বা স্থায়ী নজরদারিতে সহায়ক হতে পারে। জৈবিক মডেল বৈধ গবেষণায় সহায়তা করলেও ক্ষতিকর পরীক্ষার কিছু বাধা কমায়।

তাই দ্বৈত-ব্যবহারের নীতিকে নিষিদ্ধ মডেলের তালিকায় সীমাবদ্ধ করা যায় না। ঝুঁকি নির্ভর করে মডেল, সংযুক্ত টুল, পাওয়া ডেটা, ব্যবহারকারীর প্রবেশাধিকার, ডেপ্লয়মেন্ট পরিবেশ ও ত্রুটির পরিণতির ওপর। বাহ্যিক অনুমতি ছাড়া সাধারণ মডেল যে ঝুঁকি তৈরি করে, শ্রেণিবদ্ধ ডেটাবেস, গবেষণাগারের যন্ত্র, আর্থিক হিসাব বা অস্ত্রের সঙ্গে যুক্ত একই মডেল ভিন্ন ঝুঁকি তৈরি করে।

সরকারি ক্রয়ে সম্পর্কিত আরেকটি সমস্যা আছে। প্রচলিত চুক্তি স্থিতিশীল চাহিদা এবং গ্রহণের আগে পরীক্ষাযোগ্য পণ্য সংস্করণ ধরে নেয়। AI সেবা চুক্তির সময় মডেল, নিরাপত্তা স্তর, রিট্রিভাল সিস্টেম, প্রশিক্ষণ মিশ্রণ বা ব্যবহার নীতি বদলাতে পারে। গুরুত্বপূর্ণ পরিবর্তনের নোটিশ এবং হালনাগাদ সংবেদনশীল কাজে পৌঁছানোর আগে মূল্যায়ন আবার করার ক্ষমতা সংস্থার দরকার।

সুরক্ষাযোগ্য জাতীয় নিরাপত্তা ডেপ্লয়মেন্টে পাঁচটি নিয়ন্ত্রণ থাকা উচিত:

• মিশনভিত্তিক পরীক্ষা, যেখানে ভুল ইতিবাচক, ভুল নেতিবাচক, বিলম্ব, চাপের মধ্যে ব্যর্থতা ও প্রতিপক্ষের আচরণ মাপা হয়।
• ন্যূনতম-অধিকার প্রবেশাধিকার, যা সিস্টেমের ডেটা, টুল ও পদক্ষেপ সীমিত করে।
• অনুমোদন, হস্তক্ষেপ, উর্ধ্বতন পর্যায়ে তোলা ও বন্ধের জন্য নির্দিষ্ট মানব কর্তৃত্ব।
• বিক্রেতার বিপণনের বদলে তদন্তের উপযোগী ধারাবাহিক লগ ও পর্যবেক্ষণ।
• হালনাগাদ, ঘটনা, ডেটা ব্যবহার, মডেলে প্রবেশ, বহনযোগ্যতা ও সমাপ্তি নিয়ে চুক্তির শর্ত।

মানুষের সম্পৃক্ততা অর্থবহ হতে হবে। ইন্টারফেস অনিশ্চয়তা লুকালে, কাজের চাপ পর্যালোচনার সুযোগ না দিলে বা সংস্থার সংস্কৃতি মডেলের সঙ্গে দ্বিমতকে শাস্তি দিলে কাউকে অনুমোদনে ক্লিক করানো খুব কম কাজের। অপারেটরদের প্রশিক্ষণ, সময়, বিকল্প তথ্য ও ফল প্রত্যাখ্যানের কর্তৃত্ব দরকার।

উচ্চপরিণতির ব্যবহার আরও কঠোর প্রমাণ চায়। নিয়মিত চিঠিপত্রের সারাংশ করা সিস্টেম এমন ভুল সহ্য করতে পারে, যা লক্ষ্য নির্ধারণ, গোয়েন্দা সতর্কতা, চিকিৎসা বাছাই বা সরকারি সুবিধায় প্রবেশে গ্রহণযোগ্য নয়। গতি আসবে আনুপাতিক পর্যালোচনা ও উল্টে নেওয়া যায় এমন ডেপ্লয়মেন্ট থেকে, প্রতিটি ব্যবহারের ঝুঁকি সমান বলে ভান করা থেকে নয়।

যুক্তরাষ্ট্র-চীন প্রতিযোগিতা মডেল দৌড়ের চেয়ে বড়

যুক্তরাষ্ট্র-চীন AI প্রতিযোগিতা একক মডেল র‌্যাঙ্কিংয়ের বদলে শিল্প সক্ষমতা, গবেষণা, প্রতিভা, জ্বালানি, সরবরাহ শৃঙ্খল, গ্রহণ ও মিত্রতাকে ঘিরে। একে শেষরেখা হিসেবে দেখলে নাটকীয় দাবি উৎসাহিত হয়, কিন্তু বছরের পর বছর সুবিধা ধরে রাখা প্রতিষ্ঠানগুলো আড়াল হয়ে যায়।

সক্ষমতার তুলনায় কী মাপা হচ্ছে তা নির্দিষ্ট করতে হবে। উচ্চকর্মদক্ষ মডেল প্রশিক্ষণ উন্নত চিপ উৎপাদন, শিল্পজুড়ে সিস্টেম ডেপ্লয়, নির্ভরযোগ্য ক্লাউড সক্ষমতা সরবরাহ, বৈজ্ঞানিক আবিষ্কার বা সামরিক অভিযানে AI একীভূত করার মতো নয়। একটি দেশ এক ক্ষেত্রে এগিয়ে থেকেও অন্য ক্ষেত্রে বিদেশি সরবরাহকারীর ওপর নির্ভরশীল হতে পারে।

রপ্তানি নিয়ন্ত্রণ বাছাই করা উন্নত চিপ ও সেমিকন্ডাক্টর উৎপাদন সরঞ্জামে প্রবেশ ধীর করার লক্ষ্য রাখে। ফল নির্ভর করে প্রযুক্তিগত পরিসর, প্রয়োগ, মিত্রদের অংশগ্রহণ, মজুত, ঘুরপথে সরবরাহ এবং লক্ষ্য দেশের বিকল্প তৈরির সক্ষমতার ওপর। খুব সংকীর্ণ নিয়ন্ত্রণের প্রভাব কম হতে পারে। খুব বিস্তৃত নিয়ম গ্রাহকদের যুক্তরাষ্ট্রের সরবরাহকারী ছাড়তে উৎসাহিত করতে বা দ্রুত বিকল্প তৈরির প্রেরণা দিতে পারে।

মিত্ররা গুরুত্বপূর্ণ, কারণ সেমিকন্ডাক্টর ও কম্পিউটিংয়ের সরবরাহ শৃঙ্খল জাতীয় সীমান্ত পেরিয়ে গেছে। চিপ নকশা, ফ্যাব্রিকেশন, উৎপাদন সরঞ্জাম, উপকরণ, প্যাকেজিং, ক্লাউড সেবা ও গবেষণা প্রতিভা বিভিন্ন দেশে ছড়িয়ে আছে। সমন্বিত নীতি ফাঁকি কমাতে, খরচ ভাগ করতে, সামঞ্জস্যপূর্ণ নিরাপত্তা পদ্ধতি সমর্থন করতে এবং অংশীদারদের বিশ্বস্ত সিস্টেম দিয়ে গড়ে তোলার কারণ দিতে পারে।

প্রতিযোগিতা শাসনব্যবস্থাকেও প্রভাবিত করে। প্রতিটি মূল্যায়ন শর্তকে একতরফা নিরস্ত্রীকরণ বলা হলে সংস্থা ও কোম্পানিগুলো ব্যর্থতা প্রতিক্রিয়া বাধ্য করার আগে পরীক্ষায় কম বিনিয়োগ করবে। প্রতিটি সক্ষমতা অনুমানভিত্তিক কারণে সীমিত করা হলে গবেষণা ও উপকারী গ্রহণ অন্যত্র সরে যেতে পারে। সক্ষম কৌশল পরীক্ষার জায়গা রক্ষা করে, আবার বিশ্বাসযোগ্য জাতীয় নিরাপত্তা ঝুঁকি তৈরি করা প্রবেশাধিকার, কাজ ও পরিবেশে কঠোর নিয়ন্ত্রণ প্রয়োগ করে।

ঘনত্ব যুক্তরাষ্ট্রের অবস্থানকে জটিল করে। সীমিত সংখ্যক কোম্পানির কাছে থাকা সম্পদই সীমান্তবর্তী সিস্টেম প্রশিক্ষণ ও চালাতে লাগে। ঘনত্ব বিনিয়োগ ও ডেপ্লয়মেন্ট দ্রুত করতে পারে, তবে সরকারি দরকষাকষির ক্ষমতা কমাতে, গবেষণায় প্রবেশাধিকার সীমিত করতে এবং সংস্থাগুলোর মধ্যে অভিন্ন নির্ভরতা তৈরি করতে পারে। প্রতিযোগিতা নীতি, আন্তঃক্রিয়াশীলতা, বহনযোগ্যতা, সরকারি গবেষণা অবকাঠামো এবং সোর্স কোড বা মডেলে প্রবেশাধিকার শর্ত এই সমস্যার একেকটি অংশ সমাধান করতে পারে।

দৌড়ের রূপক রাজনৈতিকভাবে কার্যকর, কারণ তা জরুরি অনুভূতি তৈরি করে। বিশ্লেষণে এটি অসম্পূর্ণ, কারণ স্থিতিশীল নেতৃত্ব নির্ভর করে স্থিতিস্থাপকতা, ভুল সংশোধন, জনআস্থা ও সহযোগিতার ওপর। যে দেশ দ্রুত ডেপ্লয় করে কিন্তু মডেল সুরক্ষিত করতে, ডেটা সেন্টারে বিদ্যুৎ দিতে, অপারেটর প্রশিক্ষণ দিতে বা ঘটনার জবাব দিতে পারে না, সে টেকসই সুবিধা গড়েনি।

শাসনব্যবস্থাকে ব্যবহার ও তার পরিণতি অনুসরণ করতে হবে

কার্যকর AI শাসনব্যবস্থা সিস্টেম কী করে, কাকে প্রভাবিত করে এবং ব্যর্থতা কতটা গুরুতর হবে তার ভিত্তিতে দায়িত্ব দেয়। সাধারণ প্রশ্নের উত্তর দেওয়া চ্যাটবট, রোগ নির্ণয়ের সহায়ক, নিয়োগ বাছাইকারী এবং স্বয়ংক্রিয় লক্ষ্যনির্ধারণ উপাদানের প্রমাণের শর্ত একই হওয়া উচিত নয়।

শাসনব্যবস্থার প্রথম কাজ শ্রেণিবিন্যাস। কর্মকর্তাদের নির্ধারণ করা উচিত সিস্টেমটি কাউকে তথ্য দেয়, পদক্ষেপের পরামর্শ দেয়, সিদ্ধান্ত নেয় নাকি পদক্ষেপ বাস্তবায়ন করে। তারপর প্রভাবিত অধিকার, সম্ভাব্য ক্ষতি, ঝুঁকিপূর্ণ গোষ্ঠী, আপিলের ব্যবস্থা এবং ক্ষতির উল্টে নেওয়ার সক্ষমতা চিহ্নিত করতে হবে।

পাঁচটি প্রশ্ন দ্রুত দুর্বল শাসনব্যবস্থা প্রকাশ করে:

• সিস্টেম কোন সিদ্ধান্তকে প্রভাবিত করে এবং আইনি দায় শেষ পর্যন্ত কার থাকে?
• এই জনগোষ্ঠী ও পরিচালন পরিবেশে এর ব্যবহারকে কোন প্রমাণ সমর্থন করে?
• কী তথ্য সংগ্রহ, সংরক্ষণ, ভাগ বা পরে প্রশিক্ষণে ব্যবহার করা হয়?
• প্রভাবিত ব্যক্তি কীভাবে ব্যাখ্যা, সংশোধন ও মানব পর্যালোচনা পাবেন?
• কোন ঘটনা স্থগিতকরণ, নোটিশ, প্রতিকার বা ক্ষতিপূরণ ঘটাবে?

সুরক্ষিত বৈশিষ্ট্য বাদ দিলেই বৈষম্য দূর হয় ধরে না নিয়ে ন্যায্যতায় ফলাফল পরীক্ষা করতে হয়। অন্য চলক প্রক্সি হিসেবে কাজ করতে পারে, ঐতিহাসিক রেকর্ড অসম আচরণ বহন করতে পারে এবং ভুলের খরচ অসমভাবে পড়তে পারে। সংস্থাগুলোর উচিত প্রাসঙ্গিক গোষ্ঠী পরীক্ষা করা, কারণ অনুসন্ধান করা এবং প্রশমন করার পর ব্যবহারটি আইনসম্মত ও ন্যায্য থাকে কি না ঠিক করা।

স্বচ্ছতাকে শ্রোতার সঙ্গে মানানসই করতে হবে। প্রকৌশলীদের মডেল ও ডেটার নথি দরকার। অপারেটরদের সীমা, অনিশ্চয়তা ও উর্ধ্বতন পর্যায়ে তোলার নির্দেশনা দরকার। ক্রয় কর্মকর্তাদের খরচ, নিরাপত্তা, হালনাগাদ ও নির্ভরতার তথ্য দরকার। সিদ্ধান্তে প্রভাবিত ব্যক্তির বোধগম্য কারণ ও ব্যবহারযোগ্য আপিলের পথ দরকার। দীর্ঘ প্রযুক্তিগত নথি প্রকাশ চারটি চাহিদাই পূরণ করে না।

গোপনীয়তা বিশ্লেষণে প্রশিক্ষণ ডেটার পাশাপাশি মডেলের পারস্পরিক ক্রিয়া থাকতে হবে। প্রম্পট, উদ্ধার করা নথি, টুলের ফল, লগ, প্রতিক্রিয়া ও তৈরি রেকর্ডে সংবেদনশীল তথ্য থাকতে পারে। চুক্তির শর্তে বলা উচিত, সরবরাহকারী এসব উপকরণ রাখতে, প্রশিক্ষণে ব্যবহার করতে, সীমান্ত পেরিয়ে স্থানান্তর করতে বা সাবকন্ট্রাক্টরদের দেখাতে পারবে কি না।

সীমান্তবর্তী মডেল মূল্যায়ন ও অ্যাপ্লিকেশন অডিট ভিন্ন প্রশ্নের উত্তর দেয়। মডেল মূল্যায়ন সাইবার সক্ষমতা, প্রতারণা, জৈবিক জ্ঞান বা অপব্যবহারের প্রতিরোধ পরীক্ষা করতে পারে। অ্যাপ্লিকেশন অডিট প্রম্পট, রিট্রিভাল, টুল, ইন্টারফেস, মানব পদ্ধতি ও প্রভাবিত জনগোষ্ঠীসহ সম্পূর্ণ ডেপ্লয় করা সিস্টেমটি পরীক্ষা করে। একটিতে উত্তীর্ণ হওয়া অন্যটির বিকল্প নয়।

স্বাধীন গবেষক, নাগরিক সমাজ সংস্থা, ইন্সপেক্টর জেনারেল, মান নির্ধারণকারী সংস্থা ও পরীক্ষাগার এমন জ্ঞান ও নজরদারি যোগ করে, যা সংস্থা ও বিক্রেতাদের নাও থাকতে পারে। প্রবেশাধিকার ব্যবস্থায় নিরাপত্তা ও ব্যক্তিগত ডেটা রক্ষা করতে হবে, কিন্তু গোপনীয়তা বাইরের পরীক্ষা এড়ানোর সার্বজনীন অজুহাত হওয়া উচিত নয়।

সরকারি-বেসরকারি সহযোগিতায় সীমা ও প্রমাণ দরকার

প্রযুক্তি বাছাইয়ের আগে পক্ষগুলো জনসমস্যা, আইনি কর্তৃত্ব, প্রত্যাশিত ফল, নিরাপত্তা সীমা ও প্রস্থান শর্ত নির্ধারণ করলে সরকারি-বেসরকারি সহযোগিতা কাজ করে। অস্পষ্ট অংশীদারত্ব প্রচার তৈরি করে, কিন্তু খরচ, দায়িত্ব ও কর্মদক্ষতা পরীক্ষা করা কঠিন করে।

সরকার দেয় দায়িত্ব, সরকারি অর্থায়ন, মিশন পরিবেশে প্রবেশাধিকার এবং দীর্ঘমেয়াদি কাজ সমর্থনের ক্ষমতা। কোম্পানি দেয় প্রকৌশল কর্মী, বাণিজ্যিক অবকাঠামো, বর্তমান পণ্যের জ্ঞান এবং বড় পরিসরে সিস্টেম চালানোর অভিজ্ঞতা। বিশ্ববিদ্যালয় ও অলাভজনক সংস্থা মৌলিক গবেষণা, মূল্যায়ন পদ্ধতি, প্রশিক্ষণ ও স্বাধীন সমালোচনা দিতে পারে।

তাদের প্রণোদনা ভিন্ন। পাইলট দীর্ঘ চুক্তিতে বাড়লে বিক্রেতা লাভবান হয়। প্রমাণ পরিণত হওয়ার আগেই দ্রুত গ্রহণ ঘোষণা করে কোনো সংস্থার নেতা লাভবান হতে পারেন। কোনো গবেষণা দল ফলাফলের নিরাপত্তা প্রভাব থাকলেও খোলা প্রকাশ পছন্দ করতে পারে। ভালো চুক্তি এসব প্রণোদনা স্বীকার করে এবং এগুলোর চারপাশে পর্যালোচনা, প্রকাশ, প্রতিযোগিতা ও সমাপ্তির অধিকার তৈরি করে।

বিশিষ্ট পরামর্শকদের একই নীতিক্ষেত্রে বিনিয়োগ, বোর্ড পদ, ব্যবসায়িক সম্পর্ক বা দাতব্য প্রকল্প থাকলে স্বার্থের সংঘাত সরাসরি মোকাবিলা করতে হয়। প্রকাশ করা অনুচিত প্রভাব প্রমাণ করে না, এবং দক্ষতার সঙ্গে পেশাগত যোগাযোগ থাকাই স্বাভাবিক। এতে কর্মকর্তা ও জনসাধারণ সুপারিশের উৎস যাচাই, প্রতিদ্বন্দ্বী মতামত নেওয়া এবং প্রয়োজনে অংশগ্রহণকারীদের বিরত রাখতে পারেন।

কমঝুঁকির প্রোটোটাইপিং সহযোগিতার একটি বাস্তব ক্ষেত্র। যেমন, Koder.ai প্রাকৃতিক ভাষার চ্যাটে React ওয়েব ইন্টারফেস, PostgreSQL-সহ Go ব্যাকএন্ড সেবা এবং Flutter মোবাইল অ্যাপ্লিকেশন তৈরি করতে দেয়। এটি পরিকল্পনা মোড, সোর্স কোড এক্সপোর্ট, ডেপ্লয়মেন্ট ও হোস্টিং, কাস্টম ডোমেইন, স্ন্যাপশট ও রোলব্যাক সমর্থন করে। এসব সুবিধা ডেমোনস্ট্রেটর বা অভ্যন্তরীণ টুলের প্রতিক্রিয়া চক্র ছোট করতে পারে।

তৈরি করা অ্যাপ সরকারি খাতের উৎপাদন পরিবেশে ব্যবহারের আগে পর্যালোচনা দরকার। দলকে কোড, নির্ভরতা, প্রমাণীকরণ, প্রবেশ নিয়ন্ত্রণ, ডেটা প্রবাহ, প্রবেশগম্যতা, লগিং, স্থিতিস্থাপকতা, লাইসেন্সিং ও ডেপ্লয়মেন্ট কনফিগারেশন পরীক্ষা করতে হবে। সংবেদনশীল কাজের জন্য অনুমোদিত হোস্টিং পরিবেশ এবং সংস্থার নিরাপত্তা ও রেকর্ড-সংক্রান্ত দায় মেনে চলাও দরকার। Vibe coding প্রোটোটাইপ তৈরির পদ্ধতি বদলায়, জবাবদিহি কার তা নয়।

একটি উপকারী পাইলট চুক্তিতে থাকা উচিত:

• সীমিত ব্যবহারকারী গোষ্ঠী ও সময়সীমাবদ্ধ পরিচালনা সময়।
• ভিত্তিমূলক খরচ, মান ও কাজ সম্পন্নের সময়ের সূচক।
• ডেটা সংরক্ষণ, প্রশিক্ষণ, অবস্থান ও সাবকন্ট্রাক্টর বিধিনিষেধ।
• নিরাপত্তা পরীক্ষা, পরিবর্তনের নোটিশ, ঘটনার প্রতিবেদন ও রোলব্যাকের দায়।
• এক্সপোর্ট, বহনযোগ্যতা, নথিপত্র ও সমাপ্তির অধিকার।

এই কাঠামো সংস্থাকে সিস্টেম বোঝার আগে বিক্রেতার সঙ্গে আটকে না গিয়ে শিখতে দেয়। সফল পাইলটকে বিস্তারের জন্য বিশ্বাসযোগ্য প্রমাণও দেয়।

Schmidt-এর প্রভাব ও যেকোনো AI কৌশল কীভাবে বিচার করবেন

Schmidt-এর প্রভাব বক্তৃতা বা কর্মকর্তাদের নৈকট্যের বদলে গ্রহণ, সম্পদ, প্রাতিষ্ঠানিক স্থায়িত্ব ও ফলাফলের মাধ্যমে বিচার করা উচিত। কোনো সুপারিশ নীতি না হয়েও বিতর্ককে প্রভাবিত করতে পারে, এবং পরের নীতি তার মতো হলেও তার কারণ নাও হতে পারে।

কারণ নির্ধারণ দিয়ে শুরু করুন। Schmidt-এর সঙ্গে যুক্ত নির্দিষ্ট প্রতিবেদন, সাক্ষ্য, বোর্ড সুপারিশ বা প্রস্তাব চিহ্নিত করুন। তাঁর ব্যক্তিগত বক্তব্যকে কমিশন বা প্রতিষ্ঠানের তৈরি ঐকমত্যের নথি থেকে আলাদা করুন। ১৫ সদস্যের কমিশনের প্রতিবেদন একজন চেয়ারের ব্যক্তিগত মতের সমান নয়।

তারপর বাস্তবায়নের শৃঙ্খল অনুসরণ করুন:

1. কংগ্রেস বা কোনো সংস্থা কি প্রস্তাবটি চেনা যায় এমন রূপে নিয়েছে?
2. এটি কি আইনি কর্তৃত্ব, বরাদ্দ, কর্মী ও জবাবদিহিমূলক নেতৃত্ব পেয়েছে?
3. দায়িত্বপ্রাপ্ত প্রতিষ্ঠান কি মাইলফলক ও কর্মদক্ষতার প্রমাণ প্রকাশ করেছে?
4. ব্যবহারকারীরা কি শুধু পাইলট বা দপ্তর ঘোষণার বদলে নির্ভরযোগ্য সক্ষমতা পেয়েছেন?
5. অডিট, ঘটনা, খরচ, অধিকারের প্রভাব বা কৌশলগত ফল কি মূল দাবিকে সমর্থন করেছে?

ব্যর্থতা বোঝার মতো নির্দিষ্ট সময়রেখা দরকার। পাঁচ বছরের আকাঙ্ক্ষায় প্রথম বাজেট চক্রে কী হবে, কোন নির্ভরতা আগে আসবে এবং মাইলফলক পিছোলে কে হস্তক্ষেপ করবে তা চিহ্নিত করতে হবে। না হলে শুধু কার্যকলাপ দেখিয়েই পরিকল্পনাকে সফল ঘোষণা করা যায়।

সূচককে লক্ষ্য অনুযায়ী হতে হবে। সরকারি গ্রহণ কর্মসূচিতে ক্রয়ের সময়, ব্যবহারকারীর কাজ সম্পন্ন, মামলাপ্রতি খরচ, ওভাররাইড হার, নিরাপত্তা ঘটনা ও পুনরুদ্ধার সময় মাপা যেতে পারে। গবেষণা কর্মসূচিতে প্রদত্ত প্রবেশাধিকার, সম্পদ ব্যবহার, প্রকাশনা, পুনরুৎপাদনযোগ্যতা, প্রশিক্ষণের ফল এবং ফলকে বাস্তবে রূপ দেওয়া মাপা যেতে পারে। সভা বা তৈরি নথি গোনা সক্ষমতা সম্পর্কে খুব কম বলে।

সমঝোতাগুলো দৃশ্যমান হওয়া উচিত। গুরুতর পরিকল্পনা ব্যাখ্যা করে জ্বালানির খরচ কে বহন করবে, রপ্তানি বিধিনিষেধ সরবরাহকারীকে কীভাবে প্রভাবিত করে, কোন ডেটা ব্যবহার করা যাবে না, কখন মানুষকে সিদ্ধান্ত নিতে হবে এবং কোন ডেপ্লয়মেন্ট নিষিদ্ধ বা স্থগিত হবে। যে কৌশল একসঙ্গে সর্বোচ্চ গতি, নিরাপত্তা, উন্মুক্ততা, গোপনীয়তা ও নিয়ন্ত্রণের প্রতিশ্রুতি দেয়, তা কৌশলের প্রয়োজনীয় সিদ্ধান্ত এড়িয়ে গেছে।

Schmidt-এর কর্মজীবনের পথ শেষ পর্যন্ত কী দেখায়

Schmidt-এর কর্মজীবনের পথ দেখায়, AI নেতৃত্ব মডেল উন্নয়নের সমস্যা হওয়ার পাশাপাশি সাংগঠনিক ও রাজনৈতিক সমস্যা। Google বিশাল পরিসরে অবকাঠামো, পরিমাপ, প্রযুক্তিগত প্রতিভা, পরীক্ষা ও পুনরুদ্ধারের মূল্য দেখিয়েছে। তাঁর পরামর্শক কাজ এসব পরিচালনাগত ধারণা সরকারি সক্ষমতা, প্রতিরক্ষা গ্রহণ, সেমিকন্ডাক্টর নীতি, গবেষণায় প্রবেশাধিকার ও আন্তর্জাতিক প্রতিযোগিতায় প্রয়োগ করেছে।

এই স্থানান্তর উপকারী, কিন্তু সম্পূর্ণ নয়। জনপরিসরের প্রতিষ্ঠানকে অধিকার রক্ষা করতে, জবরদস্তিমূলক সিদ্ধান্তের ন্যায্যতা দেখাতে, স্বার্থের সংঘাত প্রকাশ করতে, গণতান্ত্রিক তদারকি বজায় রাখতে এবং প্রতিকার দিতে হয়। দ্রুততর পণ্যচক্র বা ভালো প্রযুক্তি ব্যবস্থাপনা এসব দায়িত্বের বিকল্প হতে পারে না।

Schmidt-এর নীতিগত অবদানের সবচেয়ে শক্তিশালী দিক হলো জাতীয় AI কৌশলে সমন্বিত ব্যবস্থা দরকার, এই জোর। কম্পিউটিংয়ে প্রবেশাধিকার ছাড়া গবেষণা থেমে যায়। দক্ষ অপারেটর ছাড়া মডেল প্রদর্শনীই থেকে যায়। মূল্যায়ন ছাড়া ক্রয় অনিশ্চয়তা কেনে। মিত্রতা ছাড়া নিরাপত্তা সরবরাহ শৃঙ্খলের কাঠামো উপেক্ষা করে। জবাবদিহি ছাড়া উদ্ভাবন গ্রহণের জন্য দরকারি আস্থা নষ্ট করতে পারে।

সঠিক প্রতিক্রিয়া Schmidt-এর কর্পোরেট পটভূমির কারণে স্বয়ংক্রিয় গ্রহণ বা প্রত্যাখ্যান কোনোটিই নয়। দরকার নিয়মিত যাচাই: প্রস্তাব চিহ্নিত করুন, কর্তৃত্ব ও অর্থের পথ অনুসরণ করুন, বাস্তবায়ন দেখুন, ফলাফল মাপুন এবং জনদাবি যেসব খরচ বাদ দেয় সেগুলো হিসাব করুন। এভাবেই প্রভাব দৃশ্যমান হয় এবং জাতীয় AI কৌশলকে ফলাফলের ভিত্তিতে বিচার করা যায়।