AI এখন সপ্তাহের প্রোগ্রামিং কাজে ব্যর্থ, নতুন বেঞ্চমার্কে ধরা পড়ল সীমাবদ্ধতা!

Epoch এবং METR যৌথভাবে MirrorCode নামের একটি নতুন বেঞ্চমার্ক প্রকাশ করেছে। এই বেঞ্চমার্কটি AI সিস্টেমের দীর্ঘমেয়াদি প্রোগ্রামিং কাজ সম্পাদনের ক্ষমতা পরিমাপ করবে। গবেষণা সংস্থা দুটি জানিয়েছে, বর্তমান AI মডেলগুলো এই বেঞ্চমার্কের সবচেয়ে কঠিন সমস্যাগুলো সমাধান করতে পারেনি।

MirrorCode-এর মূল লক্ষ্য হলো AI-এর সেই দক্ষতা যাচাই করা, যা একজন প্রকৌশলী সপ্তাহব্যাপী প্রকল্পে কাজ করার সময় প্রয়োগ করে। সাধারণ বেঞ্চমার্কগুলোতে AI-কে ছোট ছোট কোডিং সমস্যা দেওয়া হয়। কিন্তু MirrorCode-এ রয়েছে বড় এবং জটিল প্রোগ্রামিং প্রকল্প, যেগুলো সম্পূর্ণ করতে একজন মানুষের কয়েক দিন সময় লাগে।

গবেষণা প্রতিষ্ঠান Epoch এবং METR-এর মতে, এই বেঞ্চমার্কটি AI-এর বাস্তব জগতের কাজের জন্য প্রস্তুতির মাত্রা বোঝাতে সাহায্য করবে। প্রাথমিক পরীক্ষায় দেখা গেছে, OpenAI-এর মতো শীর্ষস্থানীয় মডেলগুলোতেও এই কঠিন কাজগুলো সমাধানের সক্ষমতা এখনও সীমিত। এটি ইঙ্গিত দেয় যে AI-কে সম্পূর্ণ স্বাধীন প্রোগ্রামার হিসেবে ব্যবহার করতে এখনও অনেক পথ বাকি।

MirrorCode তৈরির পেছনে রয়েছে একটি সহজ কিন্তু গুরুত্বপূর্ণ প্রশ্ন। AI সিস্টেম কি এমন একটি প্রোগ্রামিং কাজ সম্পন্ন করতে পারবে, যেখানে একাধিক ফাইল পরিবর্তন, ডিবাগিং এবং দীর্ঘ সময় ধরে ধারাবাহিক মনোযোগ প্রয়োজন? গবেষকরা বলছেন, বর্তমান AI মডেলগুলো ছোট কাজে দক্ষ হলেও দীর্ঘমেয়াদি প্রকল্পে তারা ভেঙে পড়ে। এই বেঞ্চমার্কটি সেই দুর্বলতা চিহ্নিত করতে সহায়ক হবে।

বাংলাদেশের ডেভেলপার এবং ফ্রিল্যান্সারদের জন্য এই খবরটি বিশেষভাবে প্রাসঙ্গিক। যারা আউটসোর্সিং প্ল্যাটফর্মে কাজ করেন, তারা জানেন যে বড় প্রকল্পের জন্য ধারাবাহিক চিন্তা এবং পরিকল্পনার প্রয়োজন। AI যদি এই কাজগুলো করতে না পারে, তাহলে মানব প্রোগ্রামারদের চাহিদা আগামী কয়েক বছর টিকে থাকবে। তবে AI-এর দ্রুত অগ্রগতির কারণে এই সক্ষমতা অর্জন বেশি দূরে নয় বলে মনে করছেন বিশেষজ্ঞরা।

MirrorCode-এর আরও একটি গুরুত্বপূর্ণ দিক হলো এর উন্মুক্ততা। গবেষণা প্রতিষ্ঠান দুটি এই বেঞ্চমার্কটি সবার জন্য উন্মুক্ত করে দিয়েছে। ফলে বিশ্বের যেকোনো গবেষক বা ডেভেলপার এটি ব্যবহার করে নিজেদের AI মডেল পরীক্ষা করতে পারবেন। এটি AI নিরাপত্তা এবং নির্ভরযোগ্যতা নিয়ে গবেষণাকে আরও এগিয়ে নেবে বলে আশা করা যাচ্ছে।

ভবিষ্যতে AI যদি সপ্তাহব্যাপী প্রোগ্রামিং কাজ সফলভাবে সম্পন্ন করতে পারে, তাহলে সফটওয়্যার ইন্ডাস্ট্রিতে বড় পরিবর্তন আসবে। কিন্তু এখন পর্যন্ত সেই দিন আসেনি। গবেষকরা বলছেন, এই বেঞ্চমার্কটি AI-এর সীমাবদ্ধতা বোঝার জন্য একটি বাস্তবসম্মত মানদণ্ড তৈরি করেছে। যতদিন পর্যন্ত AI এই কঠিন কাজগুলো করতে না পারবে, ততদিন মানব প্রোগ্রামারদের ভূমিকা অপরিহার্য থাকবে।

আরও পড়ুন

• AI-এর বড় দুর্বলতা ধরা দিল, বিজ্ঞান বুঝতে ব্যর্থ বর্তমান মডেল
• AI মডেলের স্মৃতিসীমা ধরা পড়ল, বাংলাদেশের ফ্রিল্যান্সারদের কাজে আসবে
• AI সমন্বয়ে বড় ধাক্কা: অধিকাংশ মডেলের স্কোর মাত্র ৬%, আপনার কাজে প্রভাব পড়বে কীভাবে