চীনের একদল গবেষক একটি কৃত্রিম বুদ্ধিমত্তা মডেল তৈরি করেছেন যা ব্যবহারকারীর পরবর্তী প্রশ্ন জিজ্ঞাসা করার আগেই তার নিজস্ব নিষ্ক্রিয় সময় ব্যবহার করে প্রস্তুতি নেয়। এই পদ্ধতি প্রশ্নগুলির মধ্যে ব্যবধান কমাতে পারে, যার ফলে কথোপকথন সহায়কগুলি দ্রুততর এবং আরও স্বজ্ঞাত মনে হয়।
নিষ্ক্রিয় চক্রকে সক্রিয় শুরুতে রূপান্তর
বেশিরভাগ এআই চ্যাটবট প্রতিটি প্রশ্ন ধারাবাহিকভাবে প্রক্রিয়া করে। তারা শোনে, গণনা করে এবং তারপর প্রতিক্রিয়া জানায়। এর মধ্যে ফাঁক থেকে যায় যেখানে কোনও কাজ করা হয় না। চীনা গবেষকরা এমন একটি মডেল ডিজাইন করেছেন যা ব্যবহারকারী কী জিজ্ঞাসা করতে পারে তা পূর্বাভাস দিয়ে এবং সম্ভাব্য উত্তরগুলি পূর্ব-গণনা করে সেই ফাঁকগুলি পূরণ করে।
যখন এআই একটি প্রশ্নের উত্তর দেওয়া শেষ করে, নিষ্ক্রিয় বসে থাকার পরিবর্তে, এটি কথোপকথনের প্রসঙ্গের ভিত্তিতে সম্ভাব্য পরবর্তী প্রশ্নের দৃশ্যকল্প চালানো শুরু করে। ব্যবহারকারী পরবর্তী প্রশ্ন টাইপ বা বলার সময় নাগাদ, মডেলটি ইতিমধ্যে কাজের কিছু অংশ করে ফেলেছে। ফলস্বরূপ প্রতিক্রিয়া সময়ে লক্ষণীয় হ্রাস পাওয়া যায়।
নির্দিষ্ট আর্কিটেকচার সম্পর্কে বিস্তারিত তথ্য কম, তবে গবেষকরা তাদের ফলাফল একটি প্রিপ্রিন্টে শেয়ার করেছেন। তারা স্ট্যান্ডার্ড চ্যাটবটগুলির বিরুদ্ধে মডেলটি পরীক্ষা করে দেখেছেন যে পূর্ব-গণনা গড় প্রতিক্রিয়া লেটেন্সি একটি অর্থপূর্ণ ব্যবধানে কমিয়েছে। দলটি নির্দিষ্ট ডেটা সেট বা হার্ডওয়্যার সম্পর্কে কিছু জানায়নি।
মডেলটি কীভাবে পরবর্তী পদক্ষেপ অনুমান করে
সিস্টেমটি এলোমেলোভাবে অনুমান করে না। এটি কথোপকথনের ইতিহাস এবং শেষ ব্যবহারকারীর বার্তা ব্যবহার করে সম্ভাব্য ফলো-আপগুলিকে র্যাঙ্ক করে। উদাহরণস্বরূপ, যদি কেউ আবহাওয়ার পূর্বাভাস সম্পর্কে জিজ্ঞাসা করে, তাহলে মডেলটি "আগামীকাল সম্পর্কে কী?" বা "এই সপ্তাহান্তে বৃষ্টি হবে?" এর মতো প্রশ্নের উত্তর পূর্ব-গণনা করতে পারে।
এই ভবিষ্যদ্বাণীমূলক ক্ষমতা একটি লাইটওয়েট নিউরাল নেটওয়ার্কের উপর নির্ভর করে যা প্রধান চ্যাট ইঞ্জিনের সাথে সমান্তরালভাবে চলে। গবেষকরা বলেন ওভারহেড ছোট – অতিরিক্ত গণনা মূল মডেলের ব্যবহৃত সম্পদের একটি ভগ্নাংশ মাত্র ব্যবহার করে।
একটি চ্যালেঞ্জ: মডেলটি কেবলমাত্র সীমিত সংখ্যক প্রার্থীর জন্য প্রস্তুতি নিতে পারে। যদি ব্যবহারকারী সম্পূর্ণ ভিন্ন কিছু জিজ্ঞাসা করে, তাহলে পূর্ব-গণনা করা কাজ নষ্ট হয়। দলটি প্রার্থী তালিকা না বাড়িয়ে ভবিষ্যদ্বাণীর নির্ভুলতা উন্নত করার উপায় খুঁজছে।
দৈনন্দিন এআই সহায়কদের জন্য এর অর্থ কী
ভার্চুয়াল সহায়ক, গ্রাহক-সেবা বট এবং ভয়েস-অ্যাক্টিভেটেড ডিভাইসগুলি এই পদ্ধতি থেকে উপকৃত হতে পারে। দ্রুত প্রতিক্রিয়া মিথস্ক্রিয়াগুলিকে আরও স্বাভাবিক করে তোলে, বিশেষ করে যখন ব্যবহারকারীরা দ্রুত ফলো-আপ প্রশ্ন করে।
তবে ধারণাটি শুধু চ্যাটের মধ্যে সীমাবদ্ধ নয়। একই কৌশল কোড অটোকমপ্লিট, ইমেজ জেনারেশন, বা যেকোনো এআই সিস্টেমে প্রয়োগ করা যেতে পারে যেখানে ব্যবহারকারী সম্পর্কিত কমান্ডের একটি সিরিজ জারি করে।
বাণিজ্যিক গ্রহণযোগ্যতা নিশ্চিত নয়। নির্ভরযোগ্য ভবিষ্যদ্বাণী মডেল তৈরি করতে মডেলটিকে বড় কথোপকথন লগের ওপর প্রশিক্ষণ দিতে হবে। কোম্পানিগুলিকে অতিরিক্ত গণনা ব্যয় এবং লেটেন্সি সাশ্রয়ের মধ্যে ভারসাম্য বিবেচনা করতে হবে।
গবেষকরা মডেলটি প্রকাশ্যে প্রকাশ করার বা কোনো কোম্পানির সাথে অংশীদারিত্ব করার কোনো পরিকল্পনা ঘোষণা করেননি। তারা ভবিষ্যদ্বাণী অ্যালগরিদম উন্নত করতে এবং মিথ্যা শুরু কমানোর জন্য কাজ চালিয়ে যাচ্ছেন।
