২৩ নভে, ২০২৫·8 মিনিট
এরিক শ্মিট: গুগল সার্চ থেকে জাতীয় এআই কৌশলে স্থানান্তর
গুগল সার্চ থেকে জাতীয় এআই কৌশলে এরিক শ্মিটের রূপান্তর ট্রেস করুন—তাঁর উপদেষ্টা ভূমিকা, প্রধান ধারণা ও বিতর্কসমূহ সমেত।
গুগল সার্চ থেকে জাতীয় এআই কৌশলে এরিক শ্মিটের রূপান্তর ট্রেস করুন—তাঁর উপদেষ্টা ভূমিকা, প্রধান ধারণা ও বিতর্কসমূহ সমেত।
এরিক শ্মিটকে প্রায়ই গুগলের প্রাক্তন সিইও হিসেবে পরিচয় করানো হয়—কিন্তু আজ তাঁর প্রাসঙ্গিকতা সার্চ বক্স নিয়ে না, বরং সরকারগুলো কিভাবে কৃত্রিম বুদ্ধিমত্তা নিয়ে ভাবছে সেই বিষয়ে বেশি। এই লেখার লক্ষ্য হল সেই স্থানান্তর ব্যাখ্যা করা: কীভাবে এমন একজন টেক এক্সিকিউটিভ, যে বিশ্বের এক অন্যতম বড় ইন্টারনেট কোম্পানি স্কেল করতে সাহায্য করেছেন, জাতীয় এআই অগ্রাধিক্যের উপর, পাবলিক রিপোর্টে এবং উদ্ভাবনকে রাষ্ট্রীয় সক্ষমতায় রূপান্তর করার বাস্তবতায় প্রভাবশালী কণ্ঠ হয়ে উঠলেন।
একটি জাতীয় এআই কৌশল হল একটি দেশের পরিকল্পনা যে কিভাবে এটি এআই তৈরি, গ্রহণ ও নিয়ন্ত্রিত করবে যাতে জনসাধারণের লক্ষ্য পূরণ হয়। এটি সাধারণত কভারের মধ্যে থাকে গবেষণার তহবিল, স্টার্টআপ ও শিল্প গ্রহণে সহায়তা, দায়িত্বশীল ব্যবহারের নিয়ম, কর্মশক্তি ও শিক্ষা পরিকল্পনা, এবং সরকারী এজেন্সিগুলো কিভাবে এআই সিস্টেম ক্রয় ও স্থাপন করবে সে বিষয়।
এতে “কঠিন” প্রশ্নগুলোও থাকে: গুরুত্বপূর্ণ অবকাঠামো রক্ষা কিভাবে করবেন, সংবেদনশীল ডেটা কিভাবে পরিচালনা করবেন, এবং কখন একই এআই টুল BOTH সিভিলিয়ান সুবিধা এবং সামরিক সুবিধার জন্য ব্যবহারযোগ্য—এমন পরিস্থিতিতে কীভাবে সাড়া দেবেন।
শ্মিট গুরুত্বপুর্ণ কারণ তিনি চারটি বিতর্কের সংযোগস্থলে বসেন যা নীতি সিদ্ধান্তগুলো গঠন করে:
এটি জীবনবৃত্তান্ত নয় বা শ্মিটের প্রতিটি মতামতের স্কোরকার্ড নয়। ফোকাস আছে তাঁর পাবলিক ভূমিকা-গুলোর উপর (যেমন উপদেষ্টা কাজ এবং ব্যাপকভাবে রিপোর্ট হওয়া উদ্যোগ) এবং এসব মাইলফলক থেকে কি প্রকাশ পায়—কীভাবে এআই নীতিতে প্রভাব ঘটে: রিপোর্ট, তহবিল অগ্রাধিকার, প্রোকিউরমেন্ট ধারণা, এবং প্রযুক্তিগত বাস্তবতাকে সরকারী কর্মে অনুবাদ।
এরিক শ্মিটের পাবলিক প্রোফাইল প্রায়শই গুগলের সাথে জড়িত, কিন্তু সার্চ দৈনন্দিন অভ্যাসে পরিণত হওয়ার অনেক আগে থেকেই তাঁর টেক নেতৃত্বের পথ শুরু হয়েছিল।
শ্মিট ছিলেন কম্পিউটার সায়েন্সে প্রশিক্ষিত এবং তাঁর ক্যারিয়ার শুরু হয় এমন ভূমিকা থেকে যেখানে ইঞ্জিনিয়ারিং ও ব্যবস্থাপনার মিশ্রণ ছিল। সময়ের সঙ্গে তিনি বড় প্রযুক্তি কোম্পানিতে সিনিয়র পদে ওঠেন—Sun Microsystems এবং পরে Novell—যে কাজগুলো গুরুত্বপূর্ণ ছিল কারণ সেগুলো শিখিয়েছিল কিভাবে জটিল সংগঠন চালাতে হয়, বৈশ্বিক স্কেলে প্রোডাক্ট ডেলিভার করতে হয় এবং বাজার, প্রতিদ্বন্দ্বী ও নিয়ন্ত্রণের চাপের মধ্যে প্রযুক্তিগত সিদ্ধান্ত নিতে হয়।
শ্মিট যখন ২০০১ সালে গুগলে সিইও হিসেবে যোগ দেন, কোম্পানিটি তখনও শুরুর দিকেই ছিল—দ্রুত বৃদ্ধি পাচ্ছিল, মিশন-চালিত ছিল, এবং প্রতিষ্ঠাতারা একজন অভিজ্ঞ এক্সিকিউটিভ চান যারা অপারেশনগুলো পেশাদার করে তুলতে পারবে। তাঁর কাজ ছিল "সার্চ আবিষ্কার করা" না—বরং এমন গঠন তৈরি করা যাতে উদ্ভাবন ধারাবাহিকভাবে পুনরাবৃত্ত হতে পারে: পরিষ্কার সিদ্ধান্তগ্রহণ, শক্তিশালী হায়ারিং পাইপলাইন এবং অপারেটিং রিদম যা হাইপারগ্রোথের সঙ্গে তাল মিলিয়ে চলতে পারে।
গুগলের বৃদ্ধিকাল শুধুই ভালো ফলাফল নয়; এটা বিশাল পরিমাণের কুয়েরি, ওয়েব পেজ এবং বিজ্ঞাপনী সিদ্ধান্ত দ্রুত ও ধারাবাহিকভাবে সামলানোর বিষয় ছিল। “স্কেলে সার্চ” এমনও করে তুলেছিল যে বিশ্বাস-সংক্রান্ত প্রশ্নগুলো উত্থিত হয়: ব্যবহারকারীর ডেটা কিভাবে পরিচালিত হচ্ছে, র্যাঙ্কিং সিদ্ধান্ত কীভাবে মানুষ কী দেখে সেটাকে প্রভাবিত করে, এবং প্ল্যাটফর্ম ভুল হলে কিভাবে সাড়া দেয়।
এই সময়ে কয়েকটি নিদর্শন স্পষ্ট ছিল: শক্তিশালী টেকনিক্যাল ট্যালেন্ট নিয়োগের ঝোঁক, ফোকাসের ওপর জোর (বিশেষত গুরুত্বপূর্ণ বিষয়গুলোতে অগ্রাধিকার দেওয়া), এবং সিস্টেম চিন্তা—প্রোডাক্ট, অবকাঠামো এবং নীতি সীমাবদ্ধতাকে এক অপারেটিং সিস্টেমের অংশ হিসেবে দেখা। এসব অভ্যাসই বোঝায় কেন শ্মিট পরে জাতীয় প্রযুক্তি প্রসঙ্গে ঝুঁকে পড়লেন, যেখানে সমন্বয় ও ট্রেড-অফ উদ্ভাবনের মতোই গুরুত্বপূর্ণ।
সার্চ সহজ মনে হয়—কোয়েরি টাইপ করো, উত্তর পাবে—কিন্তু এর পিছনের সিস্টেম হল তথ্য সংগ্রহ, অনুমান পরীক্ষণ ও বিশাল পরিসরে ব্যবহারকারীর আস্থা অর্জনের একটি শৃঙ্খলাবদ্ধ লুপ।
উচ্চ-স্তরে, সার্চের তিনটি কাজ আছে।
প্রথমত, ক্রলিং: স্বয়ংক্রিয় প্রোগ্রামগুলো লিঙ্ক ফলো করে পেজ আবিষ্কার করে এবং পরিবর্তন শনাক্ত করতে সাইটগুলো পুনরায় পরিদর্শন করে।
দ্বিতীয়ত, ইন্ডেক্সিং ও র্যাঙ্কিং: সিস্টেম যা খুঁজেছে তা সংগঠিত করে, তারপর মান ও উপযোগিতা অনুমান করে যে সিগন্যালগুলোর ওপর ভিত্তি করে ফলাফলগুলোর অর্ডার ঠিক করে।
তৃতীয়ত, প্রাসঙ্গিকতা: র্যাঙ্কিং মানে "ইন্টারনেটের সেরাটা" নয়—এটা হলো "এই ব্যক্তি, এই কুয়েরির জন্য, এই মুহূর্তে সেরা পাতা"। এটি ইরেটেন্ট, ভাষা, এবং প্রসঙ্গ বোঝা প্রয়োজন—শুধু কীওয়ার্ড মিলানো নয়।
সার্চ যুগে একটি বাস্তবিক সত্য শক্তভাবে প্রমাণিত হয়: ভাল ফলাফল সাধারণত আসে মাপা, পুনরাবৃত্তি করা, এবং স্কেল-রেডি প্লাম্বিং থেকে।
সার্চ টিমরা ডেটার ওপর নির্ভর করে—ক্লিক প্যাটার্ন, কুয়েরি রিফর্মুলেশন, পেজ পারফরম্যান্স, স্প্যাম রিপোর্ট—কারণ এগুলো দেখায় পরিবর্তনগুলো সত্যিই মানুষের জন্য সাহায্য করছে কিনা। ছোট র্যাঙ্কিং টুইকগুলো প্রায়ই কন্ট্রোলড এক্সপেরিমেন্ট (A/B টেস্ট) দিয়ে মূল্যায়ন করা হত যাতে অন্তঃদৃষ্টির উপর নির্ভর করতে না হয়।
এবারো সব কাজ করে না অবকাঠামো ছাড়া। বিশাল বিতরণকৃত সিস্টেম, লো-ল্যাটেন্সি সার্ভিং, মনিটরিং, এবং দ্রুত রোলব্যাক পদ্ধতি নতুন আইডিয়াগুলোকে সেফ রিলিজে রূপান্তর করে। অনেক এক্সপেরিমেন্ট চালাতে পারা এবং দ্রুত শেখার ক্ষমতা প্রতিযোগিতামূলক সুবিধা হয়ে ওঠে।
ঐসব একই থিমগুলো আধুনিক এআই নীতিতে সুন্দরভাবে মানানসই:
সবচেয়ে জরুরি—ইউজার-ফেসিং সিস্টেমসমূহ বিশ্বাসের ওপর দাঁড়ায়। যদি ফলাফলগুলি মোড়ানো, অনিরাপদ বা ধারাবাহিকভাবে ভুল মনে হয়, গ্রহণযোগ্যতা ও বৈধতা ক্ষয় পায়—এটি এআই সিস্টেমে আরো তীক্ষ্ণভাবে প্রযোজ্য, যেগুলো শুধু লিঙ্ক নয় বরং উত্তর উৎপাদন করে।
যখন এআইকে জাতীয় অগ্রাধিকার হিসেবে দেখা হয়, আলোচনা বদলে যায়—"এই প্রোডাক্ট কি করবে?" থেকে "এই সক্ষমতা সমাজ, অর্থনীতি এবং নিরাপত্তার ওপর কী প্রভাব ফেলতে পারে?" পর্যন্ত। সিদ্ধান্ত নেওয়ার ঝুঁকি বড় হয়: বিজয়ী ও পরাজিতরা শুধুই কোম্পানি ও গ্রাহক নয়, শিল্প, প্রতিষ্ঠান, এবং কখনো কখনো দেশও হয়।
প্রোডাক্ট পছন্দ সাধারণত ব্যবহারকারীর মান, রাজস্ব এবং সুনামের জন্য অপ্টিমাইজ করে। জাতীয়-অগ্রাধিকারের এআই দ্রুততা বনাম সতর্কতার, উন্মুক্ততা বনাম নিয়ন্ত্রণ, এবং উদ্ভাবন বনাম স্থিতিস্থাপকতার মধ্যে ট্রেড-অফ করে। মডেল অ্যাক্সেস, ডেটা শেয়ারিং, এবং ডিপ্লয়মেন্ট সময়সূচী সম্পর্কে সিদ্ধান্তগুলো মিথ্যা-সংবাদ ঝুঁকি, শ্রমবাজারের ব্যাঘাত, এবং প্রতিরক্ষামূলক প্রস্তুতিতে প্রভাব ফেলতে পারে।
সরকারগুলো এআই-কে গুরুত্ব দেয় কারণ তারা বিদ্যুৎ, বিমানসংচারণ এবং ইন্টারনেটের মতো প্রযুক্তিগুলোকে আগে গুরুত্ব দিয়েছিল: এগুলো জাতীয় উৎপাদনশীলতা বাড়ায় এবং শক্তি পুনর্গঠন করে।
এআই সিস্টেমগুলো ডুয়াল-ইউজ হতে পারে—চিকিৎসা ও লজিস্টিকে সহায়তা করার মতো উপকারী, কিন্তু সাইবার অপারেশন, নজরদারি বা অস্ত্রোন্নয়নে ব্যবহারও হতে পারে। এমনকি সিভিলিয়ান ব্রেকথ্রুগুলাও সামরিক পরিকল্পনা, সরবরাহ শৃঙ্খল এবং গোয়েন্দা কর্মপ্রবাহ বদলে দিতে পারে।
সর্বাধুনিক এআই ক্ষমতার বেশিরভাগই প্রাইভেট কোম্পানি এবং শীর্ষ গবেষণার ল্যাবগুলোর কাছে থাকে। সরকারের দরকার দক্ষতা, কম্পিউট এবং ডিপ্লয়মেন্টের অভিজ্ঞতার অ্যাক্সেস; কোম্পানিগুলোর দরকার নিয়মের স্পষ্টতা, প্রোকিউরমেন্ট পথ এবং দায়-দায়িত্বের ক্লিয়ারিটি।
কিন্তু সহযোগিতা কদাচিৎ মসৃণ হয়। ফার্মগুলো আইপির ব্যাপারে উদ্বিগ্ন, প্রতিযোগিতামূলক অসুবিধা ও জিজ্ঞাসা করা enforcement কাজ করতে চায় না। সরকারগুলো কাঁধে অনেকজায়গায় নির্ভর করার কথা ভেবে ক্যাপচার, অসম জবাবদিহি, এবং কৌশলগত অবকাঠামোর জন্য অল্প সংখ্যক ভেন্ডরের ওপর নির্ভর করার ব্যাপারে চিন্তিত।
একটি জাতীয় এআই কৌশল কেবল একটি মেমো নয়। এটি সাধারণত বিস্তৃত:
একবার এসব অংশ জাতীয় অগ্রাধিকার হিসেবে বিবেচিত হলে, সেগুলো নীতি টুল হয়ে ওঠে—শুধু ব্যবসায়িক সিদ্ধান্ত নয়।
এরিক শ্মিটের এআই কৌশলে প্রভাব আইন লেখার চেয়ে কম এবং "ডিফল্ট ন্যারেটিভ" গঠনে বেশি—যা নীতিনির্ধারকরা কার্যকর করলে অনুসরণ করে। গুগল নেতৃত্ব ত্যাগ করার পরে তিনি মার্কিন এআই উপদেষ্টা বৃত্তে একটি প্রভাবশালী কণ্ঠ হয়ে ওঠেন—বিশেষত ন্যাশনাল সিকিউরিটি কমিশন অন আর্টিফিশিয়াল ইন্টেলিজেন্স (NSCAI) এর চেয়ার হিসেবে—সহ অন্যান্য বোর্ড, উপদেষ্টা ও গবেষণা উদ্যোগে যা শিল্প দক্ষতাকে সরকারী অগ্রাধিকতার সঙ্গে সংযোগ করে।
কমিশন ও টাস্কফোর্সগুলো প্রায়ই সীমিত সময়রেখায় কাজ করে, এজেন্সি, একাডেমিয়া, কোম্পানি ও সিভিল সোসাইটির কাছ থেকে ইনপুট সংগ্রহ করে। ফলাফল সাধারণত ব্যবহারযোগ্য ও শেয়ারযোগ্য হয়:
এই ডকুমেন্টগুলো গুরুত্বপূর্ণ কারণ এগুলো রেফারেন্স পয়েন্ট হয়ে ওঠে। স্টাফাররা এগুলোকে উদ্ধৃত করে, এজেন্সিগুলো তাদের কাঠামোয় মিল রেখে নেয়, এবং সংবাদপত্রগুলো এগুলোকে ব্যবহার করে ব্যাখ্যা করতে কেন কোনো বিষয় গুরুত্ব পাচ্ছে।
উপদেষ্টা গোষ্ঠী অর্থ বরাদ্দ করতে পারে না, নিয়ম জারি করতে পারে না বা এজেন্সিগুলোকে নির্দেশ দিতে পারে না। তারা প্রস্তাব করে; নির্বাচিত কর্মকর্তা ও নির্বাহী এজেন্সিগুলো সিদ্ধান্ত নেয়। এমনকি যখন কোনো রিপোর্ট প্রভাবশালী হয়, তখনও বাজেট, রাজনৈতিক সীমাবদ্ধতা, আইনি কর্তৃত্ব এবং পরিবর্তনশীল জাতীয় অগ্রাধিকারগুলোর সঙ্গে প্রতিযোগিতা থাকে।
তবুও, যখন কোনো রিপোর্ট বাস্তবায়নযোগ্য ধাপ দেয়—বিশেষত প্রোকিউরমেন্ট, স্ট্যান্ডার্ড বা কর্মশক্তি প্রোগ্রামের ক্ষেত্রে—তখন “ধারণা” এবং “কর্ম” এর মধ্যকার ফারাকটি সংক্ষিপ্ত হয়ে যায়।
যদি আপনি বিচার করতে চান যে কোনো উপদেষ্টার কাজ বাস্তবে কি বদল এনেছে, তাহলে শিরোনামের বাইরে প্রমাণ খুঁজুন:
ইতিবাচক প্রভাব মাপা যায় যখন ধারণাগুলো পুনরাবৃত্তি হওয়া নীতি মেকানিজমে রূপান্তরিত হয়—শুধু স্মরণীয় উক্তি নয়।
একটি জাতীয় এআই কৌশল কোন একক আইন বা এককালীন তহবিল প্যাকেজ নয়। এটি কি বানাতে হবে, কে বানাবে, এবং দেশটি কিভাবে জানবে যে এটি কাজ করছে—এই বিষয়ে সমন্বিত পছন্দগুলোর একটি সেট।
পাবলিক গবেষণা তহবিল এমন ব্রেকথ্রুগুলো তৈরি করতে সাহায্য করে যেগুলিতে প্রাইভেট মার্কেট পর্যাপ্তভাবে বিনিয়োগ নাও করতে পারে—বিশেষত এমন কাজ যেখানে বছর লাগে, ফলাফলের অনিশ্চয়তা থাকে, বা নিরাপত্তা-ভিত্তিক কাজের ওপর মনোনিবেশ করা জরুরি। একটি শক্ত কৌশল মৌলিক গবেষণাকে (বিশ্ববিদ্যালয়, ল্যাব) প্রয়োগীকৃত প্রোগ্রামের সাথে যুক্ত করে যাতে আবিষ্কারগুলো বাস্তবে পৌঁছায়।
এআই অগ্রগতি নির্ভর করে দক্ষ গবেষক, ইঞ্জিনিয়ার এবং প্রোডাক্ট টিমের ওপর—কিন্তু সেই সঙ্গে প্রয়োজন-policy স্টাফও যাঁরা সিস্টেম মূল্যায়ন করতে পারেন এবং প্রোকিউরমেন্ট টিম যারা সেগুলো বুদ্ধিমত্তার সঙ্গে কিনতে জানে। জাতীয় পরিকল্পনাগুলো প্রায়ই শিক্ষা, কর্মশক্তি প্রশিক্ষণ এবং অভিবাসন পদ্ধতির মিশ্রণ করে, কারণ ঘাটতি কেবল অর্থ দিয়ে ঠিক করা যায় না।
“কম্পিউট” হল কাঁচা শক্তি যা মডেল ট্রেন ও চালায়—প্রধানত বড় ডেটা সেন্টারে। উন্নত চিপ (GPU ও বিশেষায়িত অ্যাক্সেলেটর) হল সেই ইঞ্জিন।
এই কারণে চিপ ও ডেটা সেন্টারগুলো পাওয়ার গ্রিড ও বন্দরগুলোর মত—কম আকর্ষণীয় কিন্তু অপরিহার্য। যদি কোনো দেশ উচ্চ-শেষ চিপ অ্যাক্সেস করতে না পারে বা নির্ভরযোগ্যভাবে ডেটা সেন্টার চালাতে না পারে, তাহলে প্রতিযোগিতামূলক মডেল গড়া বা স্কেলে ডিপ্লয় করা কঠিন হবে।
কৌশল তখনই মূল্যবান যখন এআই অগ্রাধিকারপূর্ণ ক্ষেত্রে ফলাফল উন্নত করে: প্রতিরক্ষা, গোয়েন্দা, স্বাস্থ্যসেবা, শিক্ষা, এবং পাবলিক সার্ভিস। এর জন্য প্রয়োজন প্রোকিউরমেন্ট নিয়ম, সাইবারসিকিউরিটি মানদণ্ড, এবং ব্যর্থতার ক্ষেত্রে স্পষ্ট জবাবদিহি। এছাড়াও ছোট ফার্মগুলোকেও এআই গ্রহণে সহায়তা করতে হবে যাতে সুবিধা কয়েকটি বড় কোম্পানির মধ্যে সীমাবদ্ধ না থাকে।
বাস্তবে, অনেক এজেন্সিকেই দ্রুত প্রোটোটাইপ এবং নিরাপদভাবে পুনরাবৃত্তি করার উপায় দরকার আগে দীর্ঘ-মেয়াদী কন্ট্র্যাক্টে বাধা দেওয়ার আগে। Koder.ai-এর মত সরঞ্জাম (একটি vibe-coding প্ল্যাটফর্ম যা চ্যাট থেকে ওয়েব, ব্যাকএন্ড এবং মোবাইল অ্যাপ বানায়, প্ল্যানিং মোডসহ স্ন্যাপশট ও রোলব্যাক ফিচার) দেখায় প্রোকিউরমেন্ট কোথায় যাচ্ছে: ছোট ফিডব্যাক লুপ, পরিবর্তনের স্পষ্ট ডকুমেন্টেশন, এবং মাপযোগ্য পাইলট।
আরও ডেটা এআই উন্নত করতে পারে, কিন্তু "সবকিছু সংগ্রহ কর" মানে বাস্তব ঝুঁকি: নজরদারী, ডাটা লিক এবং বৈষম্য। ব্যবহারিক কৌশলগুলো টার্গেটেড ডেটা শেয়ারিং, প্রাইভেসি-প্রিজার্ভিং পদ্ধতি এবং স্পষ্ট সীমা ব্যবহার করে—বিশেষত সংবেদনশীল ডোমেইনে—প্রাইভেসিকে সম্পূর্ণ অর্থহীন বা অবিচল ধরে না নিয়ে।
পরিমাপ ছাড়া কৌশল স্লোগানে পরিণত হয়। সরকার সাধারণ বেঞ্চমার্ক কর্মক্ষমতার জন্য দাবি করতে পারে, সেফটি-রেড টিমিং করার জন্য, উচ্চ-ঝুঁকিপূর্ণ ব্যবহারের ক্ষেত্রে তৃতীয়-পক্ষ অডিট, এবং ডিপ্লয়মেন্টের পরে চলমান মূল্যায়ন—তাহলে সফলতা দেখা যায় এবং সমস্যা দ্রুত ধরা যায়।
প্রতিরক্ষা ও গোয়েন্দা এজেন্সিগুলো এআইতে আগ্রহী কারণ এটি সিদ্ধান্তের গতি ও গুণমান বদলে দিতে পারে। মডেলগুলি স্যাটেলাইট ইমেজারি দ্রুত বিশ্লেষণ করতে পারে, বার্তাসংগ্রহ অনুবাদ করতে পারে, সাইবার অ্যানোমালি চিহ্নিত করতে পারে, এবং বিশাল ডেটাসেট জুড়ে দুর্বল সিগন্যাল সংযুক্ত করতে সহায়তা করে। সঠিক ব্যবহারে, এর ফলে আগাম সতর্কতা, সুষম টার্গেটিং, এবং পুনরাবৃত্ত জ্ঞানের উপর মানুষের ঘন্টার সংখ্যা কমে।
সবচেয়ে মূল্যবান এআই সক্ষমতার অনেকটাই ব্যবহার করে ক্ষতি করা সহজ। সাধারণ-উদ্দেশ্যের মডেলগুলো, যা কোড লিখে, কাজ পরিকল্পনা করে বা বিশ্বাসযোগ্য টেক্সট উৎপন্ন করে, বৈধ মিশনে সহায়তা করতে পারে—যেমন রিপোর্ট অটোমেট করা বা দুর্বলতা খুঁজে বার করা—কিন্তু একই সময়ে এগুলো:
জাতীয় নিরাপত্তা চ্যালেঞ্জটি একক "অস্ত্রায়িত এআই" নয়—বরং বিস্তৃতভাবে উপলব্ধ টুল যা প্রতিরক্ষা ও আক্রমণ দুটোই আপগ্রেড করে।
সরকারগুলো দ্রুত-গতির এআই গ্রহণে সমস্যায় পড়ে কারণ প্রচলিত প্রোকিউরমেন্ট স্থির চাহিদা, দীর্ঘ পরীক্ষার চক্র, এবং স্পষ্ট দায়-রেখা ধরে। মডেলগুলি ঘন ঘন আপডেট হলে, এজেন্সিগুলোকে জানতে হবে তারা কী কিনছে (ট্রেনিং ডেটা ক্লেইম, কর্মক্ষমতার সীমা, সিকিউরিটি অবস্থা) এবং ব্যর্থ হলে কে দায়ী—ভেন্ডর, ইন্টিগ্রেটর না কি এজেন্সি।
একটি কাজ করার যোগ্য পদ্ধতি উদ্ভাবন ও জবাবদিহিকে প্রয়োগযোগ্য চেকের সঙ্গে মিশায়:
সঠিকভাবে করা হলে, সেফগার্ড সবকিছু ধীর করে না। তারা সর্বোচ্চ ঝুঁকিতে থাকা এলাকায় তদারকি প্রাধান্য দেয়—গোয়েন্দা বিশ্লেষণ, সাইবার ডিফেন্স, এবং জীবন-মৃত্যুর সিদ্ধান্তে জড়িত সিস্টেমগুলোতে।
ভূ-রাজনীতি এআই কৌশলকে আকার দেয় কারণ সবচেয়ে সক্ষম সিস্টেমগুলোর উপাদানগুলো মাপে এবং প্রতিযোগিতায় পরিমাপযোগ্য: শীর্ষ গবেষণা প্রতিভা, বড়-স্তরের কম্পিউট, উচ্চ-মানের ডেটা, এবং সেগুলো একত্রিত করে দিতে পারা কোম্পানি। এই প্রেক্ষাপটে, ইউএস-চীন গতিপ্রকরণকে প্রায়ই “রেস” বলা হয়, কিন্তু সেই ফ্রেমিং একটি গুরুত্বপূর্ণ পার্থক্যকে ঢেকে দেয়: সক্ষমতার দৌড় আর নিরাপত্তা ও স্থিতিশীলতার দৌড় একই নয়।
একটি বিশুদ্ধ সক্ষমতা দৌড় দ্রুততার পুরস্কার দেয়—আগে ডিপ্লয় করো, দ্রুত স্কেল করো, সর্বাধিক ব্যবহারকারী অর্জন করো। নিরাপত্তা ও স্থিতিশীলতা-ঘোষণা ধরে এমন একটি পন্থা সংযমকে পুরস্কৃত করে—পরীক্ষা, মনিটরিং, এবং শেয়ার করা নিয়ম যা দুর্ঘটনা ও অপব্যবহার কমায়।
অধিকাংশ নীতিনির্ধারক দুটোই ভারসাম্য করার চেষ্টা করে। ট্রেড-অফ বাস্তব: কঠোর সেফগার্ড ডিপ্লয়মেন্ট ধীর করে দিতে পারে, কিন্তু নিরাপত্তায় বিনিয়োগ না করলে পদ্ধতিগত ঝুঁকি এবং জনআস্থা হ্রাস পায়—যা প্রকাশ্যে অগ্রগতিও ধীর করে দেয়।
প্রতিযোগিতা কেবল “কে সেরা মডেল তৈরি করে” তা নয়। এটা প্রশ্ন whether কোনো দেশ ধারাবাহিকভাবে গবেষক, ইঞ্জিনিয়ার এবং প্রোডাক্ট বিল্ডার উৎপন্ন ও আকৃষ্ট করতে পারে কিনা।
যুক্তরাষ্ট্রে শীর্ষ বিশ্ববিদ্যালয়, ভেঞ্চার তহবিল, এবং ঘন ল্যাব-স্টার্টআপ নেটওয়ার্ক গবেষণা ইকোসিস্টেমকে শক্ত করে। একই সময়ে, এআই সক্ষমতা ক্রমে কয়েকটি প্রতিষ্ঠানেই কেন্দ্রীভূত হচ্ছে যাদের কাছে ফ্রন্টিয়ার মডেল ট্রেন করার কম্পিউট বাজেট ও ডেটা অ্যাক্সেস আছে। সেই কেন্দ্রীভবন অগ্রগতি দ্রুততর করতে পারে, কিন্তু প্রতিযোগিতা সীমিত করতে, একাডেমিক মুক্ততা সংকুচিত করতে, এবং সরকারী অংশীদারিত্ব জটিল করতে পারে।
রপ্তানি নিয়ন্ত্রণগুলো সবচেয়ে ভালোভাবে বোঝা যায় একটি টুল হিসেবে—মূল উপকরণগুলোর বিস্তার ধীর করতে, বিশেষত উন্নত চিপ ও বিশেষায়িত মানুফ্যাকচারিং সরঞ্জাম। মোটবাকি সব বাণিজ্য বন্ধ না করে।
জোটগুলো গুরুত্বপূর্ণ কারণ সরবরাহ শৃঙ্খল আন্তর্জাতিক। অংশীদারদের সঙ্গে সমন্বয় মানে স্ট্যান্ডার্ড সমন্বয়, নিরাপত্তা বোঝা ভাগ করা, এবং যেখানে নিষিদ্ধ প্রযুক্তি তৃতীয় দেশের মাধ্যমে চলে যায় সেই “লিকেজ” কমানো। সাবধানে করা হলে, জোটগুলো আন্তঃপরিচালন এবং সাধারণ সেফটি প্রত্যাশা বাড়াতে পারে, বরং এআই-কে ভৌগোলিক স্টাকে ভাঙেনি।
কোনো জাতীয় কৌশলের ব্যবহারিক প্রশ্ন হলো: এটি কি দীর্ঘ-মেয়াদী উদ্ভাবন ক্ষমতা শক্তিশালী করে এবং একই সঙ্গে প্রতিযোগিতাকে এমনভাবে পরিচালিত করে যাতে উদ্বেগজনক ত্বরান্বিত ডিপ্লয়মেন্ট উৎসাহিত না হয়?
যখন এআই সিস্টেম নিয়োগ, ঋণদান, চিকিৎসা ত্রিয়াজ, বা পুলিশিংকে প্রভাবিত করে, “গভর্ন্যান্স” কেবল একটি বুজওয়ার্ড নয়—এটি বাস্তব প্রশ্ন: সিস্টেম ব্যর্থ হলে কে দায়ী এবং আমরা কিভাবে ক্ষতি রোধ করব?
অধিকাংশ দেশ বহু লিভার মিশ্রিত করে ব্যবহার করে, একক আইনের ওপর নির্ভর না করে:
প্রায় প্রতিটি নীতি বিতর্কে তিনটি বিষয় বারবার এসেছে:
এআই সিস্টেম ব্যাপকভাবে ভিন্ন: একটি চ্যাটবট, একটি চিকিৎসা নির্ণায়ক টুল, ও একটি টার্গেটিং সিস্টেম একই ঝুঁকি বহন করে না। এজন্য গভর্ন্যান্স ক্রমে মডেল মূল্যায়ন (প্রাক-ডিপ্লয়মেন্ট টেস্টিং, রেড-টিমিং, এবং চলমান মনিটরিং) কে প্রাসঙ্গিকতা অনুযায়ী জোর দেয়।
একটি blanket নিয়ম যেমন “ট্রেনিং ডেটা প্রকাশ কর” কিছু পণ্যেই সম্ভব হতে পারে কিন্তু অনেকে নিরাপত্তা, আইপি বা সেফটি কারণে তা অসম্ভব। বিপরীতে, একটি একক সেফটি বেঞ্চমার্ক বিভ্রান্তিকর হতে পারে যদি তা বাস্তব-জগত পরিস্থিতি বা প্রভাবিত সম্প্রদায়কে প্রতিফলিত না করে।
সরকার ও শিল্পই একমাত্র রেফারি হতে পারে না। সিভিল সোসাইটি গ্রুপ, একাডেমিক গবেষক, এবং স্বাধীন টেস্টিং ল্যাব ক্ষতি দ্রুত উত্থাপন করে, মূল্যায়ন পদ্ধতি বৈধ করে, এবং যারা ঝুঁকি বহন করে তাদের প্রতিনিধিত্ব করে। ক্যালকুলেটেডভাবে কম্পিউট, ডেটা, এবং নিরাপদ টেস্টিং পথগুলোর অ্যাক্সেস প্রদান প্রায়শই নতুন নিয়ম লেখার মতোই গুরুত্বপূর্ণ।
যখন এআই পাবলিক অগ্রাধিকার হয়, সরকার সবকিছু নিজে তৈরি করতে পারে না—এবং শিল্প সব নিয়ম নির্ধারণ করতে পারে না। সেরা ফলাফল আসে এমন অংশীদারিত্ব থেকে যা স্পষ্ট করে কী সমস্যা সমাধান করা হচ্ছে এবং কী সীমা মানা হবে।
একটি কাজের যোগ্য সহযোগিতা স্পষ্ট উদ্দেশ্য দিয়ে শুরু হয় (উদাহরণ: গবেষণার জন্য দ্রুত ও নিরাপত্তা-সমৃদ্ধ কম্পিউট প্রোকিউরমেন্ট, উন্নত সাইবার ডিফেন্স টুল, বা উচ্চ-ঝুঁকির মডেলের জন্য উন্নত অডিট পদ্ধতি) এবং সমানভাবে স্পষ্ট গার্ডরেইল। গার্ডরেইলে সাধারণত প্রাইভেসি-বাই-ডিজাইন শর্ত, সিকিউরিটি কন্ট্রোল, ডকুমেন্টেড মূল্যায়ন স্ট্যান্ডার্ড, এবং স্বাধীন তদারকি অন্তর্ভুক্ত থাকে। এগুলো না থাকলে অংশীদারিত্ব "উদ্ভাবন" নামক অস্পষ্ট প্রচেষ্টায় পরিণত হয় যা পরিমাপ করা কঠিন ও রাজনীতি দ্বারা সহজেই প্রভাবিত।
সরকার বৈধতা, ম্যান্ডেট এবং দীর্ঘমেয়াদী কাজ তহবিল দেওয়ার ক্ষমতা নিয়ে আসে যা দ্রুত অর্থপ্রাপ্তি দেয় না। শিল্প প্রায়োগিক ইঞ্জিনিয়ারিং অভিজ্ঞতা, বাস্তব-জগত ব্যর্থতা সম্পর্কে অপারেশনাল ডেটা, এবং পুনরাবৃত্তি করার ক্ষমতা নিয়ে আসে। বিশ্ববিদ্যালয় ও নন-প্রফিটরা প্রায়শই ওপেন গবেষণা, বেঞ্চমার্ক, এবং ওয়ার্কফোর্স পাইপলাইন যোগ করে।
সবচেয়ে বড় উত্তেজনা হল প্রণোদনা। কোম্পানিগুলো এমন স্ট্যান্ডার্ড চাপতে পারে যা তাদের শক্তিকে মেলে; এজেন্সিগুলো সবচেয়ে কম খরচের বিড বা স্বল্প সময়সীমা পছন্দ করতে পারে যা সেফটি ও টেস্টিংকে বিঘ্নিত করে। আরেকটি সমস্যা হল “ব্ল্যাক বক্স প্রোকিউরমেন্ট,” যেখানে এজেন্সিগুলো সিস্টেমগুলো কেনে কিন্তু ট্রেনিং ডেটা, মডেল সীমা বা আপডেট নীতি সম্পর্কে যথেষ্ট স্বচ্ছতা নেই।
স্বার্থের সংঘাত বাস্তব উদ্বেগ, বিশেষত যখন প্রখ্যাত ব্যক্তিরা সরকারকে উপদেশ দেয়ার সময় ফার্ম, ফান্ড বা বোর্ডের সঙ্গে সংযোগ বজায় রাখে। প্রকাশ গুরুত্বপূর্ণ—কারণ এটি জনতা এবং সিদ্ধান্তগ্রহণকারীদের দক্ষতা থেকে স্বার্থের ভাগ আলাদা করতে সাহায্য করে। এটি বিশ্বস্ত উপদেষ্টাদেরও রক্ষা করে যাতে ভিত্তিহীন অভিযোগ তাদের কার্যকর ভূমিকা নষ্ট না করে।
সহযোগিতা সাধারণত তখনই ভাল কাজ করে যখন তা কনক্রিট হয়:
এসব মেকানিজম বিতর্ক কমায় না, কিন্তু অগ্রগতি পরিমাপযোগ্য করে এবং দায়িত্ব আরোপ করা সহজ করে।
এরিক শ্মিটের কনজিউমার সার্চ স্কেল করা থেকে জাতীয় এআই অগ্রাধিকার উপদেষ্টা হওয়ার স্থানান্তরটি একটি সাধারণ পরিবর্তন তুলে ধরে: “পণ্য” আর শুধু একটি সার্ভিস নয়—এটি সক্ষমতা, নিরাপত্তা, এবং জনআস্থা। এজন্য অস্পষ্ট প্রতিশ্রুতি সহজে বিক্রি করা যায় কিন্তু যাচাই করা কঠিন।
এইগুলো একটি নতুন পরিকল্পনা, হোয়াইট পেপার বা বক্তৃতা শুনলে দ্রুত ছাঁকনি হিসেবে ব্যবহার করতে পারেন:
সার্চ যুগ শেখায় যে স্কেল সবকিছু বাড়িয়ে দেয়: সুবিধা, ভুল, এবং প্রণোদনা। জাতীয় এআই কৌশলে এটি ইঙ্গিত দেয়:
জাতীয় এআই কৌশল বাস্তব উন্নয়ন খুলে দিতে পারে: ভালো পাবলিক সার্ভিস, শক্তিশালী প্রতিরক্ষা প্রস্তুতি, এবং প্রতিযোগিতামূলক গবেষণা। কিন্তু একই ডুয়াল-ইউজ ক্ষমতা ঝুঁকির মাত্রাও বাড়ায়। সেরা দাবিগুলো উচ্চাভিলাষের সঙ্গে গার্ডরেইল দেখায়—যেগুলোকে আপনি নির্দেশ করতে পারেন।
Further reading: explore more perspectives in /blog, and practical primers in /resources/ai-governance and /resources/ai-safety.
একটি জাতীয় এআই কৌশল হল কীভাবে একটি দেশ পাবলিক লক্ষ্য অনুযায়ী এআই গড়ে তুলবে, গ্রহণ করবে এবং পরিচালনা করবে—এটি একটি সমন্বিত পরিকল্পনা। বাস্তবে এটা সাধারণত কভার করে:
কারণ তার প্রাসঙ্গিকতা আজকাল কনজিউমার টেকের চেয়ে বেশি কিভাবে সরকাররা এআই সক্ষমতাকে রাষ্ট্রীয় ক্ষমতায় অনুবাদ করে তার সঙ্গে সম্পর্কিত। তার পেশাদারি ভূমিকা (বিশেষত উপদেষ্টা ও কমিশন কাজ) উদ্ভাবন, নিরাপত্তা, গভর্ন্যান্স এবং ভূ-রাজনৈতিক প্রতিযোগিতার মিলনবিন্দুতে পড়ে—এসব ক্ষেত্রেই নীতি নির্ধারকরা কার্যকর, কার্যকরী ব্যাখ্যা চান যে এআই কী পারে এবং কী পারে না।
উপদেষ্টা সংস্থাগুলো সাধারণত আইন প্রণয়ন করে না বা অর্থ খরচ করে না, কিন্তু তারা নীতিনির্ধারকদের জন্য ডিফল্ট প্লেবুক গঠন করতে পারে। তারা প্রায়ই প্রস্তুত করে:
যদি আপনি বিচার করতে চান যে কোনো উপদেষ্টার কাজ বাস্তবে ফল বদলে দিয়েছে কিনা, তাহলে শিরোনামের বাইরে প্রমাণ খোঁজ করুন:
বড় পরিসরে, বিরল ব্যর্থতা ঘনঘন ঘটতে থাকে—অতএব কৌশলকে লাগবে পরিমাপ এবং অপারেশনাল বিবেচনা, কেবল নীতি নয়:
ডুয়াল-ইউজ মানে একই ক্ষমতা নাগরিক উপকারে ব্যবহার করা যায় এবং ক্ষতির জন্যও। উদাহরণস্বরূপ, কোড লিখে দেয়া, প্ল্যান করে দেয়া বা পাঠ্য উৎপাদন করা মডেলগুলো:
নীতিতে সাধারণত ফোকাস থাকে ঝুঁকি-নিয়ন্ত্রিত অ্যাক্সেস, টেস্টিং এবং মনিটরিং-এ—“নাগরিক” এবং “সামরিক” এআই-র মাঝে একটি পরিষ্কার বিভাজন ধরে নেয়া হয় না।
প্রথাগত প্রোকিউরমেন্ট ধরা হয় স্থির চাহিদা ও ধীরে বদলানো পণ্যের ওপর। এআই সিস্টেমগুলো দ্রুত আপডেট হতে পারে, তাই এজেন্সিগুলোকে যাচাই করার ব্যবস্থা দরকার:
“কোম্পিউটার পাওয়ার” (ডেটা সেন্টার) এবং উন্নত চিপ (GPU/অ্যাক্সেলেটর) হল মডেল ট্রেন ও চালানোর ক্ষমতা। কৌশলগুলো প্রায়ই এগুলোকে সমালোচনামূলক অবকাঠামোর মতো বিবেচনা করে, কারণ সরবরাহ-শৃঙ্খল বা ঘাটতি আটকাতে পারে:
সাধারণ গভর্ন্যান্স টুলগুলোর মধ্যে থাকে:
অংশীদারিত্ব কাজ করে যখন উদ্দেশ্য স্পষ্ট এবং সীমাবদ্ধতা সম্মিলিতভাবে স্বীকৃত:
শুধু এভাবে নয়, বরং কনক্রিট প্রক্রিয়া দরকার:
ব্যবহারিক দৃষ্টিতে সাধারণই হলো ঝুঁকি-ভিত্তিক ব্যবস্থা: যেখানে প্রভাব বেশি সেখানে কঠোরতর চেক।
এসব ব্যবস্থা বনাম-তর্কগুলো কমায় না, কিন্তু অগ্রগতি পরিমাপযোগ্য করে এবং দায়িত্ব আরোপ সহজ করে তোলে।