AI-এর জন্ম থেকে ২০৩০: এক প্রযুক্তি বিপ্লবের সম্পূর্ণ গল্প

AI-এর শুরু কীভাবে হলো

কৃত্রিম বুদ্ধিমত্তার ধারণা হঠাৎ আসেনি। ১৯৫০ সালে ব্রিটিশ গণিতবিদ অ্যালান টুরিং একটি গুরুত্বপূর্ণ গবেষণাপত্র প্রকাশ করেন, যেখানে তিনি প্রশ্ন তোলেন—যন্ত্র কি চিন্তা করতে পারে? এই প্রশ্ন থেকেই জন্ম নেয় বিখ্যাত "টুরিং টেস্ট", যা AI দর্শনের প্রথম ভিত্তি হিসেবে বিবেচিত হয়।

এরপর ১৯৫৬ সালে ডার্টমাউথ কনফারেন্সে জন ম্যাকার্থি প্রথমবারের মতো "আর্টিফিশিয়াল ইন্টেলিজেন্স" শব্দটি ব্যবহার করেন, যা এই বিষয়কে একটি স্বতন্ত্র গবেষণাক্ষেত্র হিসেবে প্রতিষ্ঠিত করে। ১৯৫০ ও ৬০-এর দশকে টুরিং টেস্ট, প্রথম নিউরাল নেটওয়ার্ক কম্পিউটার এবং ELIZA-র মতো প্রাথমিক চ্যাটবট তৈরি হয়।

তবে এই পথ মসৃণ ছিল না। ১৯৭০-এর দশকে প্রথম "AI উইন্টার" আসে, যখন প্রাথমিক উচ্ছ্বাস অনেকটাই স্তিমিত হয়ে পড়ে সীমাবদ্ধতার কারণে। ২০০০-এর দশকের মাঝামাঝি জিওফ্রি হিন্টনের নেতৃত্বে ডিপ লার্নিং ও নিউরাল নেটওয়ার্কের পুনরুজ্জীবন ঘটে, যা স্তরে স্তরে কৃত্রিম নিউরন সাজিয়ে জটিল প্যাটার্ন শেখার সক্ষমতা তৈরি করে। ১৯৯৭ সালে IBM-এর ডিপ ব্লু দাবাড়ু গ্যারি কাসপারভকে হারিয়ে দেখিয়ে দেয় যে নির্দিষ্ট বুদ্ধিবৃত্তিক কাজে মানুষকে ছাড়িয়ে যাওয়া সম্ভব। এরপর আসে জেনারেটিভ AI ও লার্জ ল্যাংগুয়েজ মডেল (LLM)-এর যুগ, যা AI-কে নিষ্ক্রিয় প্রযুক্তি থেকে সক্রিয় সহযোগীতে পরিণত করেছে।

গবেষণা কারা প্রকাশ করছে, কীভাবে

AI-এর অগ্রগতি ট্র্যাক করার ক্ষেত্রে সবচেয়ে নির্ভরযোগ্য উৎসগুলোর একটি হলো স্ট্যানফোর্ড বিশ্ববিদ্যালয়ের HAI (Human-Centered AI Institute), যারা প্রতি বছর "AI Index Report" প্রকাশ করে। এই প্রতিবেদন গবেষণা প্রকাশনা, প্যাটেন্ট, বিনিয়োগ, কারিগরি পারফরম্যান্স, দায়িত্বশীল AI এবং অর্থনৈতিক প্রভাবের মতো বিষয় নিয়ে বিস্তারিত তথ্য দেয়, যাতে নীতিনির্ধারক, গবেষক ও সাধারণ মানুষ AI সম্পর্কে গভীর ধারণা পেতে পারেন। এই কাজে Accenture, GitHub, LinkedIn এবং McKinsey & Company-র মতো প্রতিষ্ঠানও গবেষণা অংশীদার হিসেবে যুক্ত থাকে।

এছাড়া OpenAI, Google DeepMind, Meta AI-র মতো প্রতিষ্ঠান এবং বিশ্ববিদ্যালয়গুলো নিয়মিত গবেষণাপত্র (arXiv, NeurIPS, ICML সম্মেলনের মাধ্যমে) প্রকাশ করে। ম্যাককিনসে অ্যান্ড কোম্পানি কর্মক্ষেত্রে AI-এর প্রভাব নিয়ে জরিপভিত্তিক গবেষণা চালায়—যেমন তাদের ২০২৫ সালের এক জরিপে দেখা গেছে, প্রায় এক-তৃতীয়াংশ প্রতিষ্ঠান আগামী বছরে AI-এর কারণে কর্মীসংখ্যা কমানোর সম্ভাবনা দেখছে, বিশেষত সার্ভিস, সাপ্লাই চেইন ও সফটওয়্যার ইঞ্জিনিয়ারিং খাতে।

২০৩০ পর্যন্ত AI কতদূর যেতে পারে

বর্তমান গবেষণা থেকে কিছু স্পষ্ট প্রবণতা দেখা যাচ্ছে:

পারফরম্যান্স দ্রুত বাড়ছে: ২০২৩ সালে চালু হওয়া কঠিন বেঞ্চমার্কগুলোতে (MMMU, GPQA, SWE-bench) মাত্র এক বছরেই AI মডেলের স্কোর উল্লেখযোগ্যভাবে বেড়েছে।

এজেন্টিক AI-এর উত্থান: গবেষণা বলছে, একটি AI মডেল স্বাধীনভাবে যে দৈর্ঘ্যের কাজ সম্পন্ন করতে পারে, তা প্রতি সাত মাসে দ্বিগুণ হচ্ছে। এই ধারা অব্যাহত থাকলে ২০৩০ সাল নাগাদ AI অনেক জটিল, দীর্ঘমেয়াদী কাজ স্বয়ংক্রিয়ভাবে সামলাতে সক্ষম হতে পারে, যদিও সম্পূর্ণ দক্ষতা অর্জনে আরও বেশি সময় লাগতে পারে বলে বিশ্লেষকদের ধারণা।

প্রতিযোগিতা বৈশ্বিক হচ্ছে: যুক্তরাষ্ট্র এখনো সবচেয়ে বেশি উল্লেখযোগ্য AI মডেল তৈরি করে শীর্ষে থাকলেও, চীন দ্রুত গুণগত মানের দিক থেকে ব্যবধান কমিয়ে আনছে।

অর্থনীতি ও কর্মক্ষেত্রে প্রভাব: গবেষণায় দেখা গেছে, গ্রাহকসেবায় AI উৎপাদনশীলতা প্রায় ১৪% এবং সফটওয়্যার ডেভেলপমেন্টে প্রায় ২৬% বাড়িয়েছে, যদিও জটিল সিদ্ধান্তগ্রহণমূলক কাজে এই সুবিধা এখনো ততটা স্পষ্ট নয়। তরুণ কর্মীদের ওপর প্রভাব ইতিমধ্যে দেখা যাচ্ছে বলেও কিছু গবেষণায় ইঙ্গিত মিলেছে।

চিকিৎসাক্ষেত্রে দ্রুত সম্প্রসারণ: ক্লিনিক্যাল ডকুমেন্টেশন, মেডিক্যাল ইমেজিং ও ডায়াগনস্টিক রিজনিংয়ে AI-এর ব্যবহার উল্লেখযোগ্যভাবে বাড়ছে।

সব মিলিয়ে বলা যায়, ২০৩০ সাল নাগাদ AI সম্ভবত আরও স্বায়ত্তশাসিত ("এজেন্টিক"), আরও সাশ্রয়ী (ছোট মডেলও শক্তিশালী হচ্ছে), এবং স্বাস্থ্যসেবা, শিক্ষা, সফটওয়্যার ও শিল্পক্ষেত্রে আরও গভীরভাবে প্রোথিত হয়ে যাবে। তবে নিয়ন্ত্রণ, নৈতিকতা ও কর্মসংস্থানের প্রশ্নগুলো একই সঙ্গে আরও গুরুত্বপূর্ণ হয়ে উঠবে।