আপনি সম্ভবত কৃত্রিম বুদ্ধিমত্তা বলতে সেই চ্যাটবটকেই বোঝেন, যা আপনার জন্য কবিতা লেখে বা ইমেলের সারসংক্ষেপ করে দেয়, কিন্তু এখন একটি নতুন ধারা এসেছে যা শব্দকে পুরোপুরি এড়িয়ে যায়। TypeSafe AI ‘Jev’ নামে একটি টুল চালু করেছে , যা প্রচলিত ধারণাকে ভেঙে দেয়, কারণ এটি একটিও বাক্য লেখে না; এর লক্ষ্য হলো এমন প্রযুক্তিগত এবং সম্ভাবনামূলক সিদ্ধান্ত প্রদান করা, যা যেকোনো কম্পিউটার প্রোগ্রাম কোনো ঝামেলা ছাড়াই তাৎক্ষণিকভাবে প্রক্রিয়া করতে পারে।
ধরুন আপনার এমন একটি সিস্টেম আছে যা হাজার হাজার অনুরোধ সামলায়, এবং কোনো টিকেট কেন জরুরি তা ব্যাখ্যা করার জন্য আপনার এআই-এর প্রয়োজন নেই; আপনার শুধু এটির কাছ থেকে শুধু এইটুকু জানা দরকার যে, "জরুরি: হ্যাঁ"। জেভ ঠিক সেখানেই নিজেকে স্থাপন করে, অনমনীয় কোড এবং ধীরগতির ল্যাঙ্গুয়েজ মডেলের মধ্যবর্তী সেই ফাঁকে, এবং ড্যানিয়েল কাহনেম্যানের দ্রুত ও স্বজ্ঞামূলক চিন্তার মনোবিজ্ঞান দ্বারা অনুপ্রাণিত হয়ে তাদের ভাষায় ' সিস্টেম ওয়ান মডেল' প্রদান করে।
জেভ এআই আসলে কী?
GPT বা Claude-এর মতো বড় প্ল্যাটফর্মগুলোর মতো নয়, যেগুলো একটি প্যারাগ্রাফ তৈরি করার জন্য এক এক করে টোকেন প্রকাশ করে, Jev একটি স্মার্ট ফাংশন কলের মতো কাজ করে । আপনি এটিকে একটি স্টেট (যা JSON, টেক্সট বা একটি লিস্ট হতে পারে) এবং কিছু পূর্বনির্ধারিত প্রশ্ন পাস করেন, এবং মডেলটি স্ট্রাকচার্ড ভ্যালু রিটার্ন করে। এর মানে হলো, এতে কোনো টাইপ এরর বা ফরম্যাটিং সমস্যা হয় না , কারণ রেসপন্সটি আপনার আগে থেকে বেছে নেওয়া অপশনগুলোর সাথেই আবদ্ধ থাকে।
এই মডেলের পেছনের আর্কিটেকচারটি রিইনফোর্সমেন্ট লার্নিং ফর ক্যালিব্রেটেড ডিসিশনস (RLCD) নামক একটি নির্দিষ্ট প্রশিক্ষণ পদ্ধতি ব্যবহার করে । এখানের লক্ষ্য এআই-কে পছন্দনীয় বা বিশ্বাসযোগ্য করে তোলা নয়, বরং এর সম্ভাব্যতাগুলো যেন সৎ এবং পরিমার্জিত হয়। যদি জেভ বলে যে সে একটি উত্তরে ৯০% আত্মবিশ্বাসী, তবে সেই সংখ্যাটি তার প্রকৃত নির্ভুলতাকেই প্রতিফলিত করবে—যা অত্যন্ত গুরুত্বপূর্ণ, বিশেষ করে যখন আপনি চান যে সফটওয়্যারটি কোনো মানুষের প্রতিটি ধাপ পর্যালোচনা করা ছাড়াই স্বয়ংক্রিয়ভাবে কাজ করুক।
তিনটি মৌলিক হাতিয়ার: আদিম
বিষয়গুলো সহজ ও কার্যকর রাখার জন্য, জেভের এপিআই তিন ধরনের প্রশ্নের উপর ভিত্তি করে তৈরি করা হয়েছে, যা এটিকে প্রায় যেকোনো শ্রেণিবিন্যাসের চাহিদা মেটাতে সক্ষম করে তোলে:
- পছন্দ: এটি আপনাকে সর্বোচ্চ ২৫৫টি সম্ভাব্য বিকল্পের একটি তালিকা থেকে একটি বেছে নেওয়ার সুযোগ দেয়। এটি আপনাকে শুধু বিজয়ী বিকল্পটিই দেয় না, বরং সমস্ত বিকল্পের একটি সম্ভাব্যতা মানচিত্র এবং একটি কনফিডেন্স স্কোরও প্রদান করে। মডেলটি যাতে কোনো ভুল উত্তর দিতে বাধ্য না করে, সেজন্য এতে একটি 'অন্যান্য' (other) বিকল্পও অন্তর্ভুক্ত রয়েছে।
- স্কোর: কোনো কিছুকে একটি ক্রমবর্ধিত স্কেলে (২ থেকে ১০ স্তর পর্যন্ত) মূল্যায়ন করুন। মজার ব্যাপার হলো, এটি দশমিক মান (যেমন ১.৪) প্রদান করে, যা আপনাকে ধারণ করতে সাহায্য করে... বিভাগগুলির মধ্যে সূক্ষ্ম পার্থক্য যা একটি পূর্ণসংখ্যা উপেক্ষা করবে।
- Noul (বুলিয়ান মূল্যায়ন): এটি হ্যাঁ বা না-এর একটি সরলীকৃত রূপ, যা ০ থেকে ১-এর মধ্যে একটি সম্ভাবনা প্রকাশ করে।
এর সবচেয়ে শক্তিশালী বৈশিষ্ট্য হলো, জেভ এই সমস্ত প্রশ্নের উত্তর একটিমাত্র, সমান্তরাল ধাপে দিতে পারে । আপনার যদি বার্তার বিভাগ, গ্রাহকের রাগের মাত্রা এবং তিনি অর্থ ফেরত চাইছেন কিনা তা জানার প্রয়োজন হয়, জেভ আপনাকে একবারে তিনটি প্রশ্নেরই উত্তর দিয়ে দেয়, ফলে আরও প্রশ্ন যোগ করলেও প্রতিক্রিয়ার সময়ে তেমন কোনো প্রভাব পড়ে না।
কর্মক্ষমতা, খরচ এবং খুঁটিনাটি শর্তাবলী
সংখ্যাতত্ত্বের দিকে তাকালে, TypeSafe AI-এর গতি বিস্ময়কর, যার ল্যাটেন্সি ৭০ থেকে ৫০০ মিলিসেকেন্ডের মধ্যে থাকে । অত্যাধুনিক LLM-গুলোর তুলনায়, যেগুলো একটি প্রতিক্রিয়া তৈরি করতে কয়েক সেকেন্ড সময় নিতে পারে, Jev অবিশ্বাস্যভাবে দ্রুত। এছাড়াও, এর মূল্য একটি প্রধান সুবিধা: প্রতি মিলিয়ন ইনপুট টোকেনের জন্য এর খরচ মাত্র $০.০৪২ , এবং আউটপুটগুলো সম্পূর্ণ বিনামূল্যে, কারণ এগুলো কোনো নতুন টেক্সট তৈরি করে না।
তবে, এই পরিসংখ্যানগুলোকে পুরোপুরি বিশ্বাস করা উচিত নয়। অনেক বেঞ্চমার্কই TypeSafe টিম নিজেরাই সম্পাদন করেছে, যা কিছুটা পক্ষপাতিত্বের জন্ম দিতে পারে। তা সত্ত্বেও, স্কিমা ত্রুটি শূন্য হওয়ার প্রতিশ্রুতিটি বাস্তবসম্মত: গাণিতিকভাবে Jev-এর পক্ষে এমন কোনো ফরম্যাট রিটার্ন করা অসম্ভব যা আপনি সংজ্ঞায়িত করেননি, ফলে কোডে জটিল ভ্যালিডেশনের প্রয়োজনীয়তা দূর হয়।
জেভ এআই কোথায় সফল এবং কোথায় ব্যর্থ?
যখন অসংগঠিত ডেটার উপর ভিত্তি করে পুনরাবৃত্তিমূলক ও ব্যাপক সিদ্ধান্ত নিতে হয়, তখন জেভ-ই সেরা। এটি লিড রাউটিং , কন্টেন্ট মডারেশন, টেক সাপোর্ট ট্রায়েজ, এমনকি অন্যান্য বড় এআই মডেলের আউটপুট নিরীক্ষণের জন্য গার্ডরেল তৈরি করতেও আদর্শ। এটি ওয়েব নেভিগেশনেও খুব কার্যকর, যেখানে এটি স্ক্রিন ডেসক্রিপশন ছাড়াই একটি পেজের কোন এলিমেন্টে ক্লিক করতে হবে তা নির্ধারণ করতে পারে।
তবে, সবকিছুর জন্য এটি ব্যবহার করার চেষ্টা করবেন না। চ্যাটিং, প্রোগ্রামিং বা এর যুক্তি ব্যাখ্যা করার জন্য জেভ (Jev) উপযুক্ত নয়। গণিত এবং অক্ষর গণনার ক্ষেত্রে এর সুস্পষ্ট সীমাবদ্ধতা রয়েছে এবং এটি তারিখ বা হেক্সাডেসিমাল মান ভালোভাবে পরিচালনা করতে পারে না। উপরন্তু, এর জাগতিক জ্ঞানের অভাব রয়েছে; এটি কেবল কোয়েরি স্ট্যাটাসে আপনি যা ইনপুট করেন, তাই জানে। আপনার যদি জটিল যুক্তি বা সৃজনশীল জেনারেশনের প্রয়োজন হয়, তবে আপনার ক্লড (Claude) বা জিপিটি (GPT)-এর মতো সিস্টেম ২ (System 2) মডেল ব্যবহার করা উচিত ।
উন্নয়ন বাস্তুতন্ত্রে একীকরণ
প্রোগ্রামারদের জন্য ইন্টিগ্রেশন বেশ সহজ। জাভাস্ক্রিপ্ট, টাইপস্ক্রিপ্ট এবং পাইথনের জন্য অফিসিয়াল SDK রয়েছে , এবং যদিও PHP-এর জন্য কোনোটি নেই, একটি সাধারণ POST রিকোয়েস্টই যথেষ্ট। এছাড়াও, Jev ইতিমধ্যেই Vercel-এর AI Gateway-তে উপলব্ধ, যা কী ম্যানেজমেন্ট এবং বিলিংকে ব্যাপকভাবে সহজ করে তোলে, যদি আপনি আগে থেকেই সেই এনভায়রনমেন্টটি ব্যবহার করেন।
Jev ব্যবহারের একটি অত্যন্ত বুদ্ধিদীপ্ত কৌশল হলো একটি ডিসিশন ক্যাসকেড তৈরি করা । প্রথমে, Jev স্বল্প খরচে ও দ্রুত অনুরোধটি ফিল্টার এবং শ্রেণীবদ্ধ করে; তারপর, ডিটারমিনিস্টিক কোড সহজতর কেসগুলো পরিচালনা করে, এবং শুধুমাত্র যেসব ক্ষেত্রে Jev কম কনফিডেন্স নির্দেশ করে, সেসব ক্ষেত্রেই অনুরোধটি একটি ব্যয়বহুল রিজনিং মডেল বা কোনো মানব অপারেটরের কাছে পাঠানো হয়। এটি বাজেট অপ্টিমাইজ করে এবং সামগ্রিক সিস্টেম ল্যাটেন্সি হ্রাস করে।
এই টুলটি বুদ্ধিমত্তাকে মধ্যস্থতাকারী হিসেবে না দেখে, বরং একটি অবকাঠামোগত উপাদান হিসেবে প্রতিষ্ঠা করার মাধ্যমে এআই এবং সফটওয়্যারের মধ্যকার সম্পর্ককে নতুনভাবে সংজ্ঞায়িত করে । টেক্সট জেনারেশন বাদ দিয়ে এবং সম্ভাবনামূলক ক্যালিব্রেশনের উপর মনোযোগ কেন্দ্রীভূত করার মাধ্যমে, জেভ মেশিনগুলোকে নগণ্য খরচে দ্রুত ও নির্ভরযোগ্য সিদ্ধান্ত নিতে সক্ষম করে, যা এমন সব অটোমেশনের পথ খুলে দেয় যেগুলো আগে হয় অত্যন্ত ব্যয়বহুল ছিল অথবা ধীরগতির ছিল।