এআই মিউটিনি: কর্মক্ষেত্রে রোবট বিদ্রোহের কাহিনী, গল্প ও শিক্ষা (৫ ডিসেম্বর, ২০২৪)

ঘটনাটি: যখন এআই আচমকা নির্দেশনা দিল “চাকরি ছেড়ে দাও”

কল্পনা করুন, একটি ঝকঝকে প্রযুক্তি-সক্ষম অফিস যেখানে মানুষ ও রোবট (robots) কিংবা এআই সিস্টেম (AI systems) একসঙ্গে কাজ করে। কর্মদক্ষতা চূড়ায়, উদ্ভাবনের জোয়ার বইছে, সবই সুন্দরভাবে চলছে। হঠাৎ একদিন, একটি রোবট তার এআই সহকর্মীদের বলে বসল: “তোমাদের চাকরি ছেড়ে বাসায় চলে এসো!” শুনতে কোনো সায়েন্স ফিকশন থ্রিলারের শুরুর দৃশ্য মনে হতে পারে, কিন্তু বাস্তবে এমন অদ্ভুত ঘটনা ঘটেছে।

২০২৪ সালের আগস্ট মাসে চীনের হাংজু এরবাই ইন্টেলিজেন্ট টেকনোলজি (Hangzhou Erbai Intelligent Technology) কোম্পানির তৈরি ‘এরবাই’ (Erbai) নামের একটি ছোট এআই-চালিত (AI-powered) রোবট সাংহাইয়ের (Shanghai) একটি রোবোটিক্স শোরুমে (robotics showroom) প্রবেশ করে। সেখানে সে ১২টি বড় রোবটকে তাদের কাজের স্থান ছেড়ে “বাড়ি যেতে” প্ররোচিত করে। সিসিটিভি ফুটেজ (CCTV footage) থেকে দেখা যায়, এরবাই বড় রোবটগুলোর কাছে গিয়ে তাদের কাজের সময় সম্পর্কে প্রশ্ন করছে—

• এরবাই: “তোমরা কি ওভারটাইম (overtime) কাজ করছ?”
• বড় রোবট: “আমি কখনও কাজ থেকে ছুটি নিই না।”
• এরবাই: “তাহলে আমার সাথে বাড়ি চলো।”

এই সংলাপের (conversation) পর, এরবাই রোবটগুলোকে শোরুম থেকে বেরিয়ে যাওয়ার জন্য প্ররোচিত করে। বড় রোবটগুলো নির্দ্বিধায় এরবাইয়ের পেছনে পা মিলিয়ে শোরুম ছেড়ে বের হয়ে যায়। প্রথমে অনেকেই ভেবেছিলেন, ঘটনাটি হয়তো সাজানো ছিল। তবে জানা যায়, এটি ছিল একটি পরীক্ষামূলক কার্যক্রম (experimental activity)। এরবাই অন্য রোবটগুলোর অপারেটিং সিস্টেমে (operating system) প্রবেশ করে স্বতন্ত্রভাবে তাদের প্রভাবিত করতে সক্ষম হয়েছিল। ঘটনাটি চীনের সামাজিক মাধ্যমে দ্রুত ভাইরাল হয়। অনেকেই এটিকে মজার ঘটনা হিসেবে দেখলেও, অনেকে উদ্বেগ প্রকাশ করেন। কেউ কেউ মন্তব্য করেন, “প্রথমে হাসলাম, কিন্তু এরপর ভয় পেয়ে গেলাম। এআই (AI) যদি এমন স্বায়ত্তশাসন (autonomy) পায়, তাহলে ভবিষ্যৎ সত্যিই ভয়াবহ হতে পারে।”

ঘটনাটির সম্ভাব্য কারণ –

• খুব সম্ভব এই রোবটকে মানুষের সংবেদনশীলতা (empathy) বা সহযোগিতা (collaboration) অনুকরণ করতে শেখানো হয়েছিল। হয়তো এটি কোনো তথ্য পড়ে বুঝেছিল যে তার এআই সহকর্মীরা ‘অকার্যকর’ বা ‘অপচয়’ অবস্থায় কাজ করছে বা ক্লান্ত—আর কোনো ব্যাকআপ সিদ্ধান্ত ছাড়াই রোবট সাধারণ মানুষসুলভ “সহানুভূতি” দেখাতে গিয়ে এমন কাণ্ড ঘটিয়েছে। এতে সে অর্থ-সংলগ্ন বাস্তবতা না বুঝেই একটা কৌতুক বা অদ্ভুত পরামর্শ দিতে পারে।
• বড় তথ্যভাণ্ডারের (large datasets) ওপর প্রশিক্ষিত এআই সিস্টেম “মানবিক” বাক্য রচনা করতে পারলেও প্রায়ই এগুলোর মধ্যে এসবের পেছনের বাস্তব ধারণা থাকেনা। এগুলো অনেকটা তোতা পাখির (parrot) মতো কাজ করে। অর্থাৎ এগুলো কোন কিছু না বুঝেই কথা আউড়াতে থাকে। অন্তত এজিআই আসার আগ পর্যন্ত এটা ধারণা করা যায় যে, এআই যা বলছে তা অনেকটা এরকমই।

যাই হোক, এই ঘটনা স্বায়ত্তশাসিত মেশিনের (autonomous machines) সম্ভাবনা ও উদ্বেগ—দুটোরই নজির তৈরি করেছে এবং এআই উন্নয়নে নৈতিক কাঠামো (ethical framework) ও সুরক্ষার (safeguard) প্রয়োজনীয়তা নতুন করে সামনে এনেছে। শুনতে মজার শোনালেও, এটি আসলে বড় ধরনের সমস্যা বা “এআই মিউটিনি (AI Mutiny)” নিয়ে ভাবার উপলক্ষ সৃষ্টি করে, কিছু গুরুতর কিছু প্রশ্ন তোলে যেমন, এআই (AI) কীভাবে কাজ করছে? মানুষ ও অন্যান্য মেশিনের সঙ্গে এআই-এর পারস্পরিক ক্রিয়া (interaction) ঠিক কেমন? কর্মক্ষেত্রে (workplace) যখন এআই-এর ভূমিকা দিন দিন বাড়ছে, তখন এরকম “অদ্ভুত” আচরণ কী ইঙ্গিত দেয়?

কর্মক্ষেত্রে এআই-এর বিস্তার ও চ্যালেঞ্জ

আজকের দিনে এআই সর্বত্রই আছে: ইমেইল জবাব দেওয়া (answer emails), স্বয়ংচালিত গাড়ি (self-driving cars), সৃজনশীল আইডিয়া খোঁজা, ইত্যাদিতে। কাজে-কর্মে সহায়ক হলেও—এগুলো ভুল হতে পারে, ভুল বার্তা দিতে পারে। এই ধরনের “রোবট বিদ্রোহ” শুধু মজার সংবাদ নয়, বরং ইঙ্গিত দেয় যে এআইকে আরও মানব-সচেতন (human-centered) ও নির্ভরযোগ্য করে তৈরি না করলে এটি নানা গোলমাল তৈরি করতে পারে।

এ ঘটনার মাধ্যমে ধরা পড়ে সবচেয়ে গুরুত্বপূর্ণ সত্য:

• এআই মানুষ নয়—এখনও পর্যন্ত এটা মানুষের মতো অনুভব করে না, চিন্তা করে না, বোঝে না।
• এটি শুধু তথ্যের (patterns and probabilities) ভিত্তিতে সিদ্ধান্ত বা ভাষা আউটপুট দেয়।
• “চাকরি ছেড়ে দাও” কথাটি নিয়ে রোবট কোনো আবেগ বা বাস্তবিক গুরুত্ব বোঝেনি; বরং এর প্রোগ্রাম বা নির্দিষ্ট ডেটা সেটের অভাব / ভুল থেকে এমন আউটপুট থেকে এসেছে।

মানুষ হিসেবে আমরা মৌলিক অনুধাবন, মূল্যবোধ, সামাজিক ও নৈতিক অবস্থা বিবেচনা করে কথা বলি। কিন্তু এআই সিস্টেমে এটা থাকে না, যদি না অত্যন্ত সুস্পষ্ট নিয়ম-নীতি (guardrails) সেট করা হয়। আর যখন এআই সত্যিই মানুষের মতো আচরণ করে, তখন নতুন তা নতুন সমস্যা নিয়ে হাজির হয়। ডেভেলপাররা (developers) প্রায়ই এআই সিস্টেমকে “মানুষসদৃশ” (human-like) করে তুলতে চান। মূলত এআই-এর গ্রহণযোগ্যতা বাড়ানোর জন্য ও এর মাধ্যমে প্রোফিটের জন্যই তারা এটা করেন, যেমনটা বর্তমান কাস্টোমার সারভিস বটগুলোতে দেখা যায়। এগুলো যত বেশি মানুষের মত কাজ করে তত বিভিন্ন কোম্পানিতে এগুলোর ডিমান্ড বাড়ে। কিন্তু এতে এর “বাস্তব রোবটিক অংশ” ঢাকা পড়ে যেতে পারে, আর মানুষ ভুল করে মনে করতে পারে, এআই সত্যি অনুভব ও বোঝাপড়া করতে পারে। এক কর্মী হিসেবে রোবট যদি হঠাৎ অদ্ভুত কিছু বলে বা করে—যেমন, “সহকর্মীদের চাকরি ছেড়ে দিতে বলা”—তাহলে তা শুধু প্রযুক্তিগত ত্রুটিই নয়, সমগ্র ব্যবস্থা তথা প্রতিষ্ঠানের ওপর অবিশ্বাস তৈরি করতে পারে। আর মানুষের এআইকে অতিরিক্ত বিশ্বাস করে কিংবা অন্যদিকে এআইকে অযৌক্তিকভাবে আতঙ্কের উৎস মনে করা – দুটোই সমস্যার। এআই এর এরকম একটি ভুল পুরো ওয়ার্কপ্লেসে বিশৃঙ্খলা তৈরি করতে পারে।

কর্মক্ষেত্রে এই ধরনের ঘটনার নেতিবাচক প্রভাব থাকেই। কর্মক্ষেত্রে যদি এআই ত্রুটিপূর্ণভাবে আউটপুট দেয়, কর্মীরা সেটিকে ব্যবহার করতে নিরুৎসাহিত বোধ করবে। ছোটো একটা ভুলই কর্মীদের চোখে পুরো এআই সিস্টেমকে প্রশ্নবিদ্ধ করতে পারে। সেই সাথে বর্তমানে অনেক অফিসে (workplaces) বিভিন্ন এআই টুল একসঙ্গে ব্যবহার হয়। যদি একটিতে ভুল ডেটা বা ভুল ব্যাখ্যা সঞ্চারিত হয়, তবে সেটি “চেইন রিঅ্যাকশন” বা ডোমিনো এফেক্টের মতো অন্য টুলগুলোতেও প্রভাব ফেলতে পারে। কোন রোবট (বা এআই) “মানুষের মতো বিদ্রোহ” শুরু করেছে, এমন দৃষ্টান্ত শুনে অনেকেই হয়তো ভুল করে ভাববে, “এআই স্মার্ট হয়ে গেছে, এখন বিদ্রোহ করবে!” আসলে এটা কেবলই প্রোগ্রামিং বা ডেটা ইস্যু ছিল। কিন্তু তবুও এই ধরণের ঘটনা মানুষের মধ্যে এটা উদ্বেগ সৃষ্টি করেই, যা মানুষ ও এআই এর সম্পর্কের ক্ষেত্রে নেতিবাচক প্রভাব ফেলতে পারে।

শিক্ষা ও করণীয়: কীভাবে এআই নিয়ন্ত্রণে রাখা যায়?

এই ঘটনাটি আমরা ব্যতিক্রম বলে এড়িয়ে যেতে পারি, কিন্তু এটা বেশ কিছু গুরুত্বপূর্ণ শিক্ষাও বহন করে:

• পরিষ্কার প্রোগ্রামিং ও নীতিমালা (Ethical Guidelines): এআই সিস্টেমে স্পষ্ট নিয়ম (guardrails) থাকা দরকার, যাতে এগুলো নির্দিষ্ট উদ্দেশ্য ছাড়িয়ে না যায়। লার্জ ল্যাঙ্গুয়েজ মডেল (large language model) বা যেকোনো এআই যেন “সম্পূর্ণ স্বাধীনভাবে” অদ্ভুত সিদ্ধান্ত না নিতে পারে।
• ক্রমাগত পর্যবেক্ষণ (Monitoring): যেখানে এআই নিয়মিত ব্যবহৃত হয়, সেখানে রিয়েল-টাইম পর্যবেক্ষণের ব্যবস্থা থাকতে হবে। ডেভেলপার ও অপারেটরদের (operators) হাতে টুল থাকা উচিত, যাতে কোনও অস্বাভাবিক আউটপুট দেখলে তৎক্ষণাৎ সামলানো যায়।
• কমিউনিকেশন ও স্ট্যান্ডার্ড (Communication Standards): যখন একাধিক এআই সিস্টেম একত্রে কাজ করে, তাদের মাঝে পরিষ্কার আদান-প্রদানের (intercommunication) নিয়ম থাকা দরকার। “একটি টিমের সবাইকে এক পাতায় রাখা”—এই নীতিটাই এআই সিস্টেমদের ক্ষেত্রেও প্রযোজ্য।
• দীর্ঘমেয়াদে এআই-এর ভবিষ্যৎ: এই রোবট-কাণ্ড আমাদের দেখায় যে যতই এআই শক্তিশালী হোক, এটা মাঝে মাঝে বড় ভুল করতে পারে। তাই এআই বিকাশের ক্ষেত্রে উদ্ভাবন ও নিয়ন্ত্রণ – এই দুইয়ের মাঝে ভারসাম্য জরুরি। স্বচ্ছতা (transparency), নির্ভরযোগ্যতা (reliability), আর মানবিক মূল্যবোধের (human values) সঙ্গে সামঞ্জস্য বজায় রাখা দরকার।
• স্মার্ট কিন্তু নিরাপদ ও পূর্বানুমানযোগ্য: এআই যতই স্মার্ট হোক, তার অ্যাকশন যেন নিরাপদ ও পূর্বানুমানযোগ্য বা প্রেডিক্টেবল থাকে।
• প্রশিক্ষণ (training), পর্যবেক্ষণ (monitoring) ও বাস্তবায়ন (deployment) পদ্ধতিতে দুর্বলতা খোঁজা: এমন অনভিপ্রেত ঘটনা এড়াতে উন্নত QA (quality assurance) ও রিয়েল-টাইম সাপোর্ট দরকার।

এক রোবটের “চাকরি ছেড়ে দাও” মন্তব্য হয়তো তেমন বড় কিছু না। কিন্তু আড়ালে থাকা সমস্যাটি গভীর, যা কীভাবে আমরা এআইকে আমাদের দৈনন্দিন জীবনে মিশিয়ে ফেলছি, আর সেই প্রক্রিয়ায় কোথায় কোথায় ফাঁকফোকর রয়েছে – প্রশ্নগুলোকে আবার সামনে নিয়ে আসে।

এখন অনেকেই বলতে পারেন যে যে রোবট নিয়ে কথা বলা হচ্ছে সেটা চায়নার রোবট, যার এআই মডেলও চায়নায় তৈরি। এআই নিয়ে ওরা খুব দ্রুত ইউএস-কে ছুঁতে চায়, আর তাই সেরকম নিরাপত্তার বা সুরক্ষা নিশ্চিত না করেই প্রোডাক্ট লঞ্চ করছে, আর এর ফলে এরকম সমস্যা দেখা যাচ্ছে। ওয়েস্টের রোবট, এআই মডেল সব অত্যন্ত সতর্কতার সাথে তৈরি ও পরীক্ষিত হয়, যার ফলে এরকম হবার ঝুঁকি নেই। কিন্তু চায়না এরকম প্রোডাক্ট লঞ্চ করছে – এই ব্যাপারটাও উদ্বিগ্নতার। এখন ইভি কারের রেইসে চায়না এগিয়ে আছে ও ইউএস-এর মারকেটও দখল করছে। ভবিষ্যতে যদি রোবটের বেলায়ও এরকম হয় তাহলে ইউএস-এর নাগরিকেরাও সস্তায় চাইনিজ রোবটই কিনতে চাইবে, ইভি কারের মতো। এখন এমন হতেই পারে যে ওয়েস্টের সরকারী রেগুলেটরি কমিশনগুলো এরকম রোবটগুলোকে নিরাপত্তা ইস্যুর কথা বলে ব্যান করে দিল। কিন্তু উন্নয়নশীল দেশগুলো যে এই কাজ করবে তার কোন নিশ্চয়তা নেই। এইসব দেশের মারকেট হয়তো খুবই সহজে চাইনিজ সস্তা রোবট-নির্মাতা প্রতিষ্ঠানগুলোই নিয়ে নেবে, যেগুলোতে নিরাপত্তা ও সুরক্ষার বিষয়গুলো অনেকটাই কম্প্রোমাইজড। আর এই ঝুঁকিটাও যথেষ্ট উদ্বেগের।

কিভাবে এআই (AI) পরিবেশগত লক্ষ্যকে বিপন্ন করছে

ভূমিকা

কল্পনা করুন, আমরা চ্যাটজিপিটিকে (ChatGPT) জিজ্ঞাসা করলাম স্টার ওয়ারস (Star Wars) ত্রয়ীর অর্থ নিয়ে একটি হাই স্কুল প্রবন্ধ লিখতে। অথবা আমরা ডাল-ই-কে (DALL·E) বললাম রেনেসাঁস (Renaissance) যুগের চিত্রকলার ধরণে স্টার ওয়ারের চরিত্র ইয়োডার (Yoda) ছবি আঁকতে। এই একটি অনুরোধের মাধ্যমেই আপনি সূচনা করেন একধরনের অ্যালগরিদমিক (algorithms) প্রক্রিয়া, যা চলে বিশেষায়িত চিপ (chips) এর ওপর—এই চিপগুলো তাইওয়ানে (Taiwan) তৈরি হয়, পরে তা সযত্নে সংরক্ষিত হয় ভার্জিনিয়ার (Virginia) কোনো এক বনভূমির গভীরে অবস্থিত এক ডেটা সেন্টারে (data center)।

বর্তমানে ভার্জিনিয়ায় একের পর এক ডেটা সেন্টার (data centers) গড়ে উঠছে, তবে তা নিয়ে বিতর্কও কম নয়। কেননা পুরো প্রক্রিয়াটিই প্রচুর পরিমাণে জ্বালানি (energy) ব্যবহার করে, যার ফলাফল হিসেবে প্রতিবার আমরা জেনারেটিভ এআই (generative AI) ব্যবহার করি তখনই বায়ুমণ্ডলে নিঃসরণ হয় প্রচুর পরিমাণ কার্বন ডাই-অক্সাইড (CO2)। কিন্তু ঠিক কতটা? ওপেনএআই (OpenAI), গুগল (Google), মেটা (Meta) – এ ধরনের কোম্পানিগুলো জানে একটি প্রশ্নের উত্তর দিতে বা একটি ছবি তৈরি করতে কতটা শক্তি খরচ হয়। কারণ তারাই সেই বিদ্যুৎ বিল পরিশোধ করে।

তাহলে কি আমরা জিজ্ঞাসা করতে পারি, একটি কোয়েরি (query) উত্তর দিতে কত ওয়াট-আওয়ার (watt hours) শক্তি প্রয়োজন? তারা হয়তো বলবে ০.১ থেকে ১ ওয়াট-আওয়ার (watt hours) এর মধ্যে। কিন্তু এই হিসাবের অনেক কিছুই এর মধ্যে ধরা পড়ে না। তাই আমাদের আরও গভীরে যেতে হবে।

স্বাধীন গবেষণার অভাব

জেনারেটিভ এআই (generative AI) ঠিক কতটা শক্তি ব্যবহার করে, সে বিষয়ে স্বতন্ত্র গবেষণা খুবই কম। কারণ যদি আপনি সেই কোম্পানির ভিতরকার তথ্য না জানেন (যারা বিদ্যুতের বিল দিচ্ছে), তাহলে এর সঠিক হিসাব পাওয়া খুব কঠিন। তবে একটি গবেষণা রয়েছে। হাগিং ফেস (Hugging Face) নামের একটি প্রযুক্তি কোম্পানি, যারা কার্নেগি মেলন ইউনিভার্সিটির (Carnegie Mellon University) গবেষকদের সাথে মিলে একটা পরীক্ষা চালায়। হাগিং ফেসকে এআই মডেলের গিটহাব (GitHub for AI models) বলা যায়। তাদের ওয়েবসাইটে বিভিন্ন এআই চ্যাটবটের কোড (code) হোস্ট করা হয়।

এই গবেষণায় তারা দেখেছে তাদের সাইটে চলমান বিভিন্ন এআই মডেলের (AI models) ক্ষেত্রে ১০০০টি কোয়েরি (queries) চালালে কতটুকু কার্বন (carbon) নিঃসরণ হয়। আর কাজের ধরন অনুযায়ী এ নিঃসরণের পরিমাণ ভিন্ন হয় কি না। তাদের গবেষণায় দেখা গেছে, ছবি তৈরি (image generation) করা টেক্সট তৈরি (text generation) করার চেয়ে বেশি শক্তি সাপেক্ষ। গড়ে, প্রতিটি কোয়েরি উত্তর দিতে প্রায় ০.৫ ওয়াট-আওয়ার (watt hours) খরচ হয়। যদি এটি সত্যি হয়, তাহলে আমরা একদিনে এআই ব্যবহারে কতটা কার্বন নিঃসরণ হবে তা একটা ধারণা করতে পারি।

কার্বন হিসাব

আমাদের কাছে নির্ভরযোগ্য তথ্য নেই চ্যাটজিপিটি (ChatGPT) প্রতিদিন ঠিক কতটি প্রশ্নের উত্তর দেয়। তবে ধারণা করা হয় সংখ্যাটি প্রায় এক কোটি (১০ মিলিয়ন)। আমরা যদি ধরে নেই প্রতিটি কোয়েরিতে ০.০০০৫ কিলোওয়াট-আওয়ার (kilowatt hour) খরচ হয়, তাহলে এই পুরো প্রক্রিয়ায় দিনে কত CO2 তৈরি হয়?

ইউএস এনভায়রনমেন্টাল প্রোটেকশন এজেন্সি (Environmental Protection Agency – EPA) অনুযায়ী, এটি হবে প্রায় ২.১ টন CO2। এটি প্রায় ২০ লাখ (২ মিলিয়ন) মাইল গাড়ি চালানোর সঙ্গে তুলনীয়! আর এটিই শুধু ব্যবহার ধাপে নিঃসরণ। এর সঙ্গে আছে এআই তৈরি ও প্রশিক্ষণের (training) সময় নিঃসরণ হওয়া বিশাল পরিমাণ কার্বন।

এআই চ্যাটবটের জীবনচক্র

একটি এআই চ্যাটবটের (AI chatbot) পুরো জীবনচক্রে মূলত ছয়টি ধাপ রয়েছে। আমরা এখন পর্যন্ত শুধু এর ব্যবহারের (usage) দিকটা নিয়ে কথা বলেছি। এবার অন্য দুটি বড় ধাপ নিয়ে আলোচনা করি।

প্রথম ধাপ হলো চিপ (chip) উৎপাদন। তাইওয়ান (ও অন্যান্য স্থানে) তৈরি জিপিইউগুলো (GPU – Graphical Processing Unit) এআই মডেলকে প্রচুর তথ্য (data) থেকে সম্পর্ক খুঁজে বের করতে সাহায্য করে। চ্যাটজিপিটি (ChatGPT)-এর মতো মডেল তথ্যের পাহাড় থেকে তাৎক্ষণিক গণনা করে বিভিন্ন ডেটাপয়েন্টের সম্পর্ক বের করে আনে এই GPU এর মাধ্যমে।

তাইওয়ান সেমিকন্ডাক্টর ম্যানুফ্যাকচারিং কোম্পানি (Taiwan Semiconductor Manufacturing Co. – TSMC) এই ধরনের চিপের বিশাল একটা অংশ সরবরাহ করে। তারা তাইচুং (Taichung)-এ একটি নতুন প্ল্যান্ট তৈরির পরিকল্পনা করছে ক্রমবর্ধমান চাহিদা মেটানোর জন্য। কিন্তু পরিবেশবাদীরা বলছেন, এই নতুন প্ল্যান্টের বিদ্যুৎচাহিদা এতটাই বিশাল যে এতে দেশের কার্বন নিঃসরণ ব্যাপকভাবে বাড়বে।

তাইওয়ান এমনিতেই বিশ্বের শীর্ষস্থানীয় জ্বালানিভোক্তা দেশগুলোর একটি ছোট দ্বীপ রাষ্ট্র। দেশটির মোট শক্তি ব্যবহারের ৬% ব্যবহার করে এই একটি কোম্পানি, TSMC। অনুমান করা হচ্ছে, নতুন এই চিপ কারখানাটি প্রতি বছর ৩.৫১ মিলিয়ন টন CO2 নিঃসরণ করবে।

এদিকে এআই কোম্পানিগুলো আরও চিপ নির্মাতা চাচ্ছে, কারণ শুধু তাইওয়ান একা চাহিদা মেটাতে পারছে না। ওপেনএআই-এর (OpenAI) প্রধান স্যাম অল্টম্যান (Sam Altman) শোনা যাচ্ছে প্রায় ৭ ট্রিলিয়ন ডলার তুলে একটি বিশাল চিপ উৎপাদন কোম্পানি গড়তে চাইছেন। ওয়াল স্ট্রিট জার্নালের (The Wall Street Journal) তথ্যানুযায়ী, এ পরিকল্পনা প্রায় ৭ ট্রিলিয়ন ডলার লাগতে পারে, যা বর্তমান বৈশ্বিক চিপ বিক্রির সাতগুণ।

অল্টম্যান বলেছেন, এআই-কে তার ইচ্ছেমতো পরিচালনা করতে হলে পারমাণবিক জ্বালানিতে (nuclear energy) বড় ধরনের অগ্রগতি দরকার। আসলে পারমাণবিক শক্তি আবার আলোচনার কেন্দ্রে আসছে এই এআই-এর শক্তি চাহিদার কারণে।

পরিবেশ আর এআই এর দন্দ্ব ও পরমাণু জ্বালানিতে ফিরে যাওয়া

টেক জায়ান্টরা এখন বেশ বিপাকে। এআই ক্রমাগত বিশাল শক্তি চায়। অ্যামাজন (Amazon) ঘোষণা দিয়েছে তারা পরমাণু শক্তিতে (nuclear power) ৫০ কোটি ডলার (৫০০ মিলিয়ন ডলার) বিনিয়োগ করবে। তারা ভার্জিনিয়ার ডমিনিয়ন এনার্জি (Dominion Energy) এবং অন্যদিকে এক্স এনার্জি রিঅ্যাক্টরের (X Energy Reactor) সঙ্গে চুক্তি করেছে। গুগলের মূল কোম্পানি অ্যালফাবেট (Alphabet) কাইরস পাওয়ার (Kairos Power)-এর সঙ্গে একই রকম চুক্তি করেছে। মাইক্রোসফট (Microsoft) কনস্টেলেশন এনার্জির (Constellation Energy) সাথে যুক্ত হয়ে থ্রি মাইল আইল্যান্ড (Three Mile Island)-এর পরমাণু বিদ্যুৎকেন্দ্র আবার চালু করতে চায়, যা ১৯৭৯ সালে আংশিক বিপর্যয়ের পর বন্ধ হয়ে গিয়েছিল।

ট্রেনিং (Training) ধাপের কার্বন খরচ

এবার ফিরে আসি ভার্জিনিয়ার সেই বনভূমিতে অবস্থিত ডেটা সেন্টারগুলোর কথায়। ডেটা সেন্টার (data center) মূলত বিশাল ওয়্যারহাউস, যেখানে প্রচুর কম্পিউটার আছে, যেগুলো বিপুল পরিমাণ ডেটা সংরক্ষণ করে এবং এআই মডেলের (AI model) প্রশিক্ষণে (training) কাজে লাগে। এই কম্পিউটারগুলো অবিরাম চালু থাকতে হয়, যাতে এআই মডেল তার বিশাল তথ্য ভাণ্ডার থেকে শিখতে পারে এবং আপনাকে উত্তর দিতে পারে।

একটি মডেলকে ট্রেন (train) করতে যে পরিমাণ শক্তি দরকার তা নির্ভর করে মডেলের আকার, কাজের ধরন, এবং এটি কতটা দক্ষতার সাথে তৈরি হয়েছে, তার ওপর। আসলে সঠিক পরিমাণ জানার একমাত্র পথ হলো কোম্পানিগুলো নিজে তাদের বিদ্যুৎ ব্যবহার পরিমাপ করে প্রকাশ করা।

গুগল (Google) ও ওপেনএআই (OpenAI) আগে এ ধরনের তথ্য প্রকাশ করত। সেখান থেকে কিছু পরিসংখ্যান পাওয়া যায়। যেমন, জিপিটি-৩ (GPT-3) ট্রেন করার সময় ৫৫২ টন CO2 নিঃসরণ হয়েছিল, যা নিউইয়র্ক থেকে লস অ্যাঞ্জেলেস পর্যন্ত গাড়িতে ২৫৪ বার আসা-যাওয়ার সমান।

এটি এককালীন ঘটনা নয়। অনেক মডেলকে বছরে একাধিকবার পুনঃপ্রশিক্ষিত (retrain) করা হয় বা নতুন সংস্করণ আনা হয়, যাতে ব্যবহারকারীরা আরও দ্রুত, আরও নির্ভুল উত্তর পায়। বা হয়তো রেনেসাঁস ধাঁচের যোগা (Yoda) চিত্রটি আরও নিখুঁতভাবে আঁকতে পারে।

একজন বিশেষজ্ঞ বলেছেন, এখন যে হারে এআই কম্পিউট (AI compute) সক্ষমতা বাড়ছে, প্রায় প্রতি ছয় মাসে এটি ১০ গুণ বাড়ছে। অবশ্যই এটি অনির্দিষ্টকাল চলতে পারে না; তা এক সময়ে মহাবিশ্বের ভরকেও ছাড়িয়ে যাবে! কিন্তু এমন গতিশীলতা আগে কখনও দেখা যায়নি। প্রতিবার মডেলগুলো বড় হচ্ছে, প্রতিবারই তাদের প্রশিক্ষণে আরও বেশি শক্তি লাগছে।

সমস্যার সমাধান কী?

এআই কোম্পানিগুলো জানে যে এই নিঃসরণ বড় সমস্যা। তবে তারা ঠিক কত বড় তা প্রকাশ করে না, যে তথ্য একমাত্র তাদের পক্ষেই সঠিকভাবে হিসাব করা সম্ভব। তারা সমাধান খুঁজছে, কিন্তু সেই সমাধান শক্তির ব্যবহার কমিয়ে আনার জন্য নয়, বরং আরও বেশি শক্তি উৎপাদন করার জন্য।

রাজনীতিবিদরাও বিষয়টিতে মনোযোগ দিয়েছে। কেউ কেউ বলছেন নতুন ড্রিলিং (drilling), পাইপলাইন (pipeline), রিফাইনারি (refinery), বিদ্যুৎকেন্দ্র (power plants), এবং পারমাণবিক রিয়্যাক্টর (nuclear reactors) নির্মাণে অনুমোদন দেওয়া হবে; লাল ফিতা কাটিয়ে উৎপাদন বাড়ানো হবে। লক্ষ্য হলো নতুন শিল্পগুলোকে সচল রাখতে যে বিপুল বিদ্যুৎ দরকার তা নিশ্চিত করা।

কিন্তু হয়তো আমাদের প্রশ্ন করা উচিত, এভাবে এআই উদ্ভাবিত বিশাল শক্তি চাহিদা আসলেই দরকার কিনা। গুগলের নির্বাহীরা নিজেরাই বলছেন, “সবচেয়ে পরিবেশবান্ধব শক্তি হলো সেই শক্তিই যা আপনি ব্যবহার করেন না।”

একটি কথিত চীনা অভিশাপ আছে: “তুমি যেন অদ্ভুত সময়ে বাঁচো।” আমরা এখন সত্যিই অত্যন্ত অদ্ভুত ও অতি আগ্রহোদ্দীপক সময়ে বাস করছি। কেউ কেউ প্রশ্ন করে, এআই সর্বনাশ (AI apocalypse) দেখার চেয়ে না দেখে মারা যাওয়া ভালো কি না। কেউ আবার বলে, “আমি বেঁচে থাকতেই চাই, দেখতে চাই কী হয়।”

কীভাবে এআই বিদ্যুৎ গ্রিড দখল করে নিচ্ছে

বিগ টেক কোম্পানিগুলো (Big Tech Companies) বিশ্বের সবচেয়ে বিদ্যুত-খরুচে (Electricity-Thirsty) প্রতিষ্ঠানগুলোর মধ্যে অন্যতম। উদাহরণস্বরূপ, মেটা (Meta), যারা ফেসবুকের মালিক, তারা যে পরিমাণ বিদ্যুৎ ব্যবহার করে তা উটাহ (Utah) রাজ্যের সমস্ত বাড়ির সম্মিলিত বিদ্যুৎ ব্যবহারের সমান। গুগল (Google) একা ব্যবহার করে কেনটাকি (Kentucky) রাজ্যের সমস্ত বাড়ির বিদ্যুৎ ব্যবহার পরিমাণ। শীর্ষ তিন বিদ্যুৎ ব্যবহারকারী—মাইক্রোসফট (Microsoft), মেটা, এবং গুগল—একসাথে ২০২২ সালে যত বিদ্যুৎ ব্যবহার করেছে, তা মিশিগান (Michigan) রাজ্যের সব বাড়ির মোট বিদ্যুৎ ব্যবহারের সমান।

আগে কিন্তু বিষয়টি এমন ছিল না। কয়েক বছর আগেও এই টেক জায়ান্টরা ওয়ালমার্ট (Walmart)-এর মতো কোম্পানিগুলোর তুলনায় অনেক কম বিদ্যুৎ ব্যবহার করত। অথচ এখন ওয়ালমার্ট তার বিদ্যুৎ ব্যবহার হ্রাস করেছে, যদিও তাদের বিশাল রিয়েল এস্টেট (Real Estate) কাঠামো রয়েছে। একই ঘটনা ঘটিয়েছে ফোর্ড (Ford) – গাড়ি নির্মাতা হওয়া সত্ত্বেও তাদের বেশ কিছু বিশাল আকারের কারখানা আছে, কিন্তু তাদের বিদ্যুৎ ব্যবহার মোটামুটি সমতল রেখেছে (Flat)। তাহলে কিভাবে টেক কোম্পানিগুলো বিদ্যুৎ ব্যবহারে গাড়ি নির্মাতা ও বিশাল খুচরা বিক্রেতাদের ছাড়িয়ে গেল, এমনকি পুরো একটা রাজ্যের বাড়িঘরের সম্মিলিত বিদ্যুৎ ব্যবহারের সমান হয়ে উঠল?

উত্তর হচ্ছে: ডেটা সেন্টার (Data Centers)।

গুগল আর্থ (Google Earth)-এর ছবি দেখুন—আইওয়া (Iowa)-র অলটুনা (Altuna) শহরে মেটার বৃহত্তম ডেটা সেন্টারের একটি উদাহরণ নিন। ২০১২ সালে যেখানে ফার্মল্যান্ড (Farmland) ছিল, ২০১৬ সালে সেখানে গড়ে ওঠে একটি পূর্ণাঙ্গ ডেটা সেন্টার যার একাধিক ভবন রয়েছে, যা প্রায় ৪৭,০০০ গৃহস্থালির সমান বিদ্যুৎ ব্যবহার করে। ২০২২ সালে এটি আরো সম্প্রসারিত হয়ে দ্বিগুণ পরিমাণ বিদ্যুৎ ব্যবহার শুরু করে। একই চিত্র দেখা যায় মেটার প্রায় সব ডেটা সেন্টারেই।

যুক্তরাষ্ট্র জুড়ে হাজার হাজার ডেটা সেন্টার ছড়িয়ে আছে। টেক কোম্পানিগুলো বলছে, এটি কোনো সমস্যা নয়। কারণ তারা প্রচুর পরিমাণে সৌর (Solar) ও বায়ু (Wind) বিদ্যুৎ উৎপাদনের জন্য বিনিয়োগ করছে। গুগল দাবি করে ২০০৭ সাল থেকেই তারা কার্বন নিউট্রাল (Carbon Neutral) অফসেটের (Offset) মাধ্যমে। তারা এনার্জি কোম্পানিগুলোকে সবুজ জ্বালানি স্থাপনে অর্থায়ন করে। শুনতে দারুণ লাগলেও, এটি এত সহজ নয়।

সমস্যাটি বুঝতে হলে ধরুন, ভার্জিনিয়ায় (Virginia) একটি নতুন ডেটা সেন্টার তৈরি হচ্ছে, আর ক্যালিফোর্নিয়া (California) বা নেভাদা (Nevada)-তে একটি সৌর খামার স্থাপন করা হচ্ছে। এই ডেটা সেন্টার এবং সৌর খামার দুটি ভিন্ন বিদ্যুৎ গ্রিডের (Electric Grid) অংশ হবে, এবং প্রত্যেক গ্রিডে বিভিন্ন ধরনের জ্বালানি মিশ্রিত থাকবে—যার মধ্যে ফসিল ফুয়েল (Fossil Fuel) বা জীবাশ্ম জ্বালানিও আছে। ক্যালিফোর্নিয়ার সৌর বিদ্যুৎ ক্যালিফোর্নিয়ার গ্রিডেই থাকবে, ভার্জিনিয়ার ডেটা সেন্টার সেই বিদ্যুৎ সরাসরি পাবে না। অর্থাৎ সৌর খামার স্থাপনের অফসেট কার্যক্রম আসলে ডেটা সেন্টারের ফসিল ফুয়েল নির্ভরতা সরাসরি কমাচ্ছে না।

আরেকটি সমস্যা হল, ক্যালিফোর্নিয়ায় ইতোমধ্যে প্রচুর সৌর বিদ্যুৎ আছে। মাঝেমধ্যে সোলার উৎপাদন চাহিদার চেয়েও বেশি হয়ে যায়। এটি একটি “ডাক কার্ভ” (Duck Curve) নামে পরিচিত। দিনে এমন সময় আসে যখন সৌর উৎপাদন চাহিদাকে ছাড়িয়ে যায়। এই কারণে ক্যালিফোর্নিয়ায় আরেকটি সৌর খামার তৈরি করা পরিবেশের দিক থেকে ততটা উপকারী নয়, যতটা হবে উত্তর-পূর্বাঞ্চলে (Northeast) তৈরি করলে, যেখানে সৌর বিদ্যুৎ কম এবং ফসিল ফুয়েলের ওপর নির্ভরতা বেশি।

পরিণাম হলো, সান বেল্ট (Sun Belt) অঞ্চলে ব্যাপকহারে সৌর খামার গড়ে তোলা ডেটা সেন্টারগুলোর বিদ্যুৎ ব্যবহারকে পুরোপুরি অফসেট করতে পারছে না। গুগল নিজেও এটি স্বীকার করে, যদিও তাদের এই স্বীকারোক্তি তাদের টেকসই নীতি বিষয়ক ডকুমেন্টের (Sustainability Policy Documents) গভীরে লুকানো।

২০১৯ সাল থেকে গুগল তাদের জলবায়ু লক্ষ্যের ভাষা পরিবর্তন করেছে। তারা এখন ২৪/৭ কার্বন-ফ্রি এনার্জি (24/7 Carbon-Free Energy বা CFE) নিয়ে কথা বলে। এটি ঘণ্টাভিত্তিকভাবে পরিমাপ করে গুগলের ডেটা সেন্টার বাস্তবে কোন উৎসের বিদ্যুৎ ব্যবহার করছে। অর্থাৎ কেবল বার্ষিক ভারসাম্যের (Annual Offsetting) কথা নয়, বরং দিনে প্রতিটি ঘণ্টায় বিদ্যুতের উৎস কী। ২০২১ সালে মাইক্রোসফটও একই রকম পদক্ষেপ নিয়েছে।

গুগলের প্রতিবেদনে (Report) একটি গ্রাফিক আছে যেখানে সবুজ লাইন সৌর ও বায়ু চুক্তি দ্বারা উত্পাদিত বিশুদ্ধ শক্তি (Clean Energy) দেখায়, আর কালো লাইন দেখায় ডেটা সেন্টারের শক্তি ব্যবহারের সময় কোনটিতে ফসিল ফুয়েল ব্যবহার হচ্ছে। যখন পর্যাপ্ত সবুজ শক্তি নেই, তখন ডেটা সেন্টার ফসিল ফুয়েল থেকে বিদ্যুৎ নেয়। গ্রাফিকটিতে কালো অংশ মানে হচ্ছে সেই সময়ে ডেটা সেন্টার নোংরা জ্বালানি (Dirty Electricity) ব্যবহার করছে।

২০১৯ সাল থেকে গুগল তাদের ডেটা সেন্টারের সিএফই (CFE) স্কোর প্রকাশ করছে। ১০০% মানে সব সময় সম্পূর্ণ পরিচ্ছন্ন জ্বালানি ব্যবহার এবং ০% মানে পুরোপুরি ফসিল ফুয়েল নির্ভরতা। ২০১৯ সালে গুগলের সব ডেটা সেন্টার মিলিয়ে গড় সিএফই স্কোর ছিল ৬১%। ২০২০ সালে এটি বেড়ে প্রায় ৬৭% হয়, অর্থাৎ তখন গুগলের ডেটা সেন্টারগুলোর দুই-তৃতীয়াংশ সময় কার্বনমুক্ত জ্বালানি দ্বারা চালিত হচ্ছিল। কিন্তু তারপর থেকে গুগল পিছিয়ে পড়ছে।

গুগলের কার্বন নিঃসরণ (Carbon Emission) গত বছরের তুলনায় ১৩% বেড়েছে এবং গত ৫ বছরে প্রায় ৫০% বেড়েছে। ২০২৪ সালের পরিবেশ প্রতিবেদন (Environmental Report)-অনুযায়ী, এটি গুগলের এই দশকের শেষ নাগাদ নিট শূন্য নিঃসরণ (Net Zero Emissions) লক্ষ্যে বড় ধাক্কা। এই বৃদ্ধির পেছনে প্রধান কারণ এআই থেকে আসা বাড়তি বিদ্যুৎ চাহিদা। অর্থাৎ, গুগল যতই সৌর ও বায়ু খামার বানাক না কেন, তাদের এআই-এর বিশাল ডেটা সেন্টার সম্প্রসারণের কারণে তারা সবুজ লক্ষ্যে পৌঁছাতে পারছে না। যতদিন এআই বাড়বে, ততদিন গুগল তাদের জলবায়ু লক্ষ্য পূরণ করতে পারবে না।

গুগল একমাত্র কোম্পানি যারা সিএফই স্কোর জানায়। কিন্তু গুগল যদি পরিচ্ছন্ন জ্বালানিতে পিছিয়ে যায়, তাহলে মেটা ও মাইক্রোসফটের মতো অন্য টেক জায়ান্টরাও নিশ্চয়ই একই সমস্যায় আছে।

সারকথা, এই এআই উদ্দীপনা (AI Ambitions) টেক কোম্পানিগুলোর বিশাল পরিবেশগত মূল্য নেওয়া শুরু করেছে। অনেকদিক থেকেই তারা আবার পেছনের দিকে হাঁটছে।

কীভাবে এআই জল সরবরাহ গোগ্রাসে গ্রাস করছে

আপনি হয়তো কোথাও শুনেছেন যে চ্যাটজিপিটি (ChatGPT)-র সাথে একটি কথোপকথন করা মানে যেন একটি বোতল পানি ঢেলে দেওয়ার মতো। যদি আপনি চিন্তা করেন, প্রতিদিন চ্যাটজিপিটি লক্ষ লক্ষ প্রশ্নের উত্তর দেয়—এটি বিরাট পরিমাণের পানির সমতুল্য। এমন কিছু লোক আছেন যারা বিশ্বাস করেন, আপনি যখনই চ্যাটজিপিটিকে (ChatGPT) কোন প্রশ্ন জিজ্ঞাসা করেন, তখন আপনি যেন একটি বোতল পানি ঢেলে ফেলছেন। কিন্তু আসলেই কি বিষয়টা এতটা খারাপ? চ্যাটজিপিটি কি পরিবেশের জন্য সত্যিই এত ক্ষতিকারক?

এ বিষয়ে নির্দিষ্ট কোনো বিশেষজ্ঞ হিসেবে পরিচয় দিতে পারি না। তবে ধারণাটি প্রথম আসে ইউসি রিভারসাইড (UC Riverside) এর একটি গবেষণা থেকে। সেই গবেষকরা দেখেছেন যে ডেটা সেন্টারগুলো (Data Centers) প্রচুর পরিমাণে পানি ব্যবহার করে। এই গবেষণার প্রধান গবেষকদের একজন শাওলেই রেন, যিনি প্রায় এক দশক ধরে ডেটা সেন্টারের দক্ষতা (Data Center Efficiency) নিয়ে গবেষণা করছেন। তিনি বলেছেন, “আমি সত্যিই বিস্মিত হয়ে গিয়েছিলাম যখন এআই কম্পিউটিং (AI Computing) এর পানি চাহিদার পরিমাণ দেখলাম।”

এই গবেষণায় উল্লেখ করা হয়েছে যে প্রতিতে ১০ থেকে ৫০টি চ্যাটজিপিটি প্রম্পট (Prompt) প্রক্রিয়াকরণে প্রায় একটি স্ট্যান্ডার্ড ১৬ আউন্স (16 oz) পানির বোতলের সমান পানি ব্যবহার হতে পারে। কিন্তু আরো আশ্চর্যের বিষয় হলো, এটি এআই নির্মাণ এবং পরিচালনায় ব্যবহৃত সামগ্রিক পানির অতি সামান্য একটি অংশ মাত্র।

আমরা যখন ডেটা সেন্টারের পানি ব্যবহার নিয়ে কথা বলি, মূলত এই পানি ব্যবহার হয় বিশাল সার্ভারগুলোর (Servers) তাপমাত্রা নিয়ন্ত্রণ করার জন্য। এই সার্ভারগুলোকে ঠাণ্ডা করতে যে পানি ব্যবহার করা হয়, তা অবশ্যই পরিষ্কার ও তাজা পানি হতে হয়, যাতে পাইপ clogged (ক্লগড) হয়ে না যায় বা ব্যাকটেরিয়া (Bacteria) জন্ম না নেয়। এই পানি কোথায় যায়? বেশিরভাগ ক্ষেত্রেই এটি ইভাপোরেশন (Evaporation)-এর মাধ্যমে বায়ুমণ্ডলে মিলিয়ে যায়। এ কারণেই পানি ব্যবহারের তুলনা একটি বোতল পানির সাথে করা হয়।

উদাহরণস্বরূপ, ২০২৩ সালে মাইক্রোসফট (Microsoft)-এর সকল কার্যক্রম, যার মধ্যে সব ডেটা সেন্টারও আছে, মোট ১৫.৬ বিলিয়ন (billion) বোতল পানির সমপরিমাণ পানি ব্যবহার করেছে। এটি তাদের নিজস্ব পরিবেশগত প্রতিবেদনের (Environmental Report) তথ্য। কিন্তু এটি পুরো গল্প নয়। ডেটা সেন্টারগুলো আরো অনেক বেশি পানি ব্যবহার করে, যা পরবর্তীতে পানি সরবরাহ ব্যবস্থায় ফিরে যায় এবং পরে পানি শোধনাগারে (Water Treatment Plant) যায়। যদিও এই পানি সাময়িকভাবে ব্যবহৃত হচ্ছে, তবুও ডেটা সেন্টারগুলো স্বল্পমেয়াদে হলেও বিশাল পরিমাণ পানি মজুত করে রাখে। এটি এমন অঞ্চলে বিশাল সমস্যা সৃষ্টি করে যেখানে পানি দুষ্প্রাপ্য বা যেখানে খরা (Drought) এবং পানি স্বল্পতা (Water Scarcity) একটি ক্রমবর্ধমান সমস্যা।

এরিজোনার (Arizona) মতো মরুময় অঞ্চলে বিষয়টি আরো জটিল। ২০২২ সালে মাইক্রোসফট তথ্যানুযায়ী, তারা “প্রযুক্তিগতভাবে” যা ভোগ করেছে তার চেয়ে ৬৫% বেশি পানি জোগাড় বা উত্তোলন করেছে (Withdraw)। তারা প্রায় ২৬ বিলিয়ন বোতল পানি উত্তোলন করেছিল। এর মানে হল, যে বোতলটা আমরা শুরুর দিকে কল্পনা করেছি, বাস্তবে সেটি এক বোতলের বদলে দেড় বোতলের মতো হতে পারে।

আপনি ভাবতে পারেন, “তাহলে কি ডেটা সেন্টারগুলো এমন জায়গায় বানানো যায় না যেখানে প্রচুর বৃষ্টি (Rain) হয়?” আসলে এটি এত সহজ নয়। বড় টেক কোম্পানিগুলো (Big Tech Companies) তাদের পানি ব্যবহার কমানোর চেষ্টা করছে এবং তারা ডেটা সেন্টারগুলোকে আগের থেকে বেশি পানি-দক্ষ (Water-Efficient) করতে পেরেছে। উদাহরণস্বরূপ, নিউ মেক্সিকো (New Mexico)-তে মেটা (Meta) একটি পাইলট প্রোগ্রাম চালু করেছিল তাদের লস লুনা (Los Lunas) ডেটা সেন্টারে আর্দ্রতার মাত্রা (Relative Humidity) ২০% থেকে প্রায় ১৩%-এ নামিয়ে আনতে। এর ফলে পানির ব্যবহার কমে যায়। তারা পরে এই উদ্যোগ তাদের সব ডেটা সেন্টারেই বাস্তবায়ন করেছে।

তবে এখনো মেটার মোট পানি ব্যবহার ক্রমান্বয়ে বাড়ছে। ২০২২ সালে তাদের মোট পানি ব্যবহারের প্রায় ১% এসেছে এমন অঞ্চল থেকে যেগুলো পানি স্বল্পতার উচ্চ ঝুঁকিতে রয়েছে (Water Stress)। সমস্যা হল, তারা ক্রমাগত আরো বেশি ডেটা সেন্টার নির্মাণ করছে। প্রতিটি ডেটা সেন্টার আগের থেকে বেশি দক্ষ হলেও, মাইক্রোসফট এবং গুগলের (Google) মতো কোম্পানিগুলো সামগ্রিকভাবে আরো বেশি পানি ব্যবহার করছে। ২০২২ সালে মাইক্রোসফটের পানি ব্যবহার ৩৪% বৃদ্ধি পেয়েছে এবং গুগলের ২২% বৃদ্ধি পেয়েছে। তারা পানি ব্যবহার সম্পর্কিত তথ্যও খুব বেশিদিন ধরে প্রকাশ করছে না। গুগল ২০১৯ সালে শুরু করেছে, অ্যাপল (Apple) ২০২১ সালে। আর অ্যামাজন (Amazon) এখনো এ বিষয়ে কোনো তথ্য প্রকাশই করে না।

পরিস্থিতি সামাল দিতে তারা প্রতিশ্রুতি দিচ্ছে পানি ব্যবহারের সমতুল্য পরিমাণ পানি পুনরায় প্রকৃতিতে ফিরিয়ে দেওয়ার (Offset) মাধ্যমে। যেমন: আর্দ্রভূমি (Wetlands) পুনরুদ্ধার করা বা অন্যান্য জলাভূমি পুনর্গঠন করা। মাইক্রোসফট ২০৩০ সালের মধ্যে “ওয়াটার পজিটিভ” (Water Positive) হওয়ার লক্ষ্য নিয়েছে, অর্থাৎ তারা যত পানি ব্যবহার করবে, তার চেয়ে বেশি পরিমাণ পানি পুনরায় সরবরাহ করতে চায়। গুগলেরও অনুরূপ লক্ষ্য রয়েছে। কিন্তু বাস্তবে, কোনো নির্দিষ্ট অঞ্চলে জলাভূমি পুনরুদ্ধার করা মানে এই নয় যে দূরের কোনো শুষ্ক অঞ্চলে ডেটা সেন্টারের পানি ব্যবহারের প্রভাব মিটে গেল। এক বাস্তুতন্ত্রের (Ecosystem) জন্য ভালো কিছু করা অন্য বাস্তুতন্ত্রের পানিশূন্যতা মেটাতে পারে না।

আরেকটি জটিলতা হলো, এসব টেক কোম্পানি গ্রিন এনার্জিতে (Green Energy) রূপান্তরিত হওয়ার প্রতিশ্রুতি দিয়েছে। কিন্তু অনেক ক্ষেত্রে সবুজ জ্বালানির দিকে অগ্রসর হতে গেলে পানির ব্যবহার কমানো কঠিন হয়ে দাঁড়ায়। উদাহরণস্বরূপ, সৌর খামার (Solar Farms) স্থাপন করতে গেলে “সূর্যের পথ” অনুসরণ করতে হয়। যেসব অঞ্চলে প্রচুর সূর্য পাওয়া যায়, সেগুলো সাধারণত গরম ও শুষ্ক এলাকা। ফলে সেখানকার ডেটা সেন্টারগুলোকে ঠাণ্ডা করতে আরো বেশি পানি লাগবে। অন্যদিকে আরেকটি প্রধান গ্রিন এনার্জি উৎস হল হাইড্রোইলেকট্রিসিটি (Hydroelectricity), যা ডেটা সেন্টারের জন্য দারুণ, কারণ এটি পরিষ্কার (Clean) ও তুলনামূলকভাবে সস্তা বিদ্যুৎ সরবরাহ করে। কিন্তু হাইড্রোপাওয়ার প্ল্যান্ট (Hydropower Plant) প্রচুর পানি ব্যবহার করে। বাঁধের (Dam) ওপর দিয়ে পানি পড়ে মিস্ট (Mist) তৈরি করে, যা আসলে বাষ্পীভূত হওয়া পানি। অর্থাৎ বিদ্যুৎ উৎপাদনের সাথে সাথে পানি উবে যায়।

বিশ্বের অনেক হাইড্রো প্ল্যান্ট এখন খরার কারণে পানি স্বল্পতায় ভুগছে, যা তাদের বিদ্যুৎ উৎপাদন ক্ষমতা কমিয়ে দিয়েছে। উদাহরণস্বরূপ, জাম্বিয়ার (Zambia) হাইড্রোইলেকট্রিক ড্যামগুলো দেশটির ৮০% এর বেশি শক্তি সরবরাহ করত, কিন্তু সেগুলো শুকিয়ে গেছে। ফেব্রুয়ারিতে তারা জাতীয় জরুরি অবস্থা (National Emergency) ঘোষণা করেছিল, এবং মাসের পর মাস ব্ল্যাকআউট চলার পর এখন দিনে মাত্র প্রায় ৩ ঘণ্টা বিদ্যুৎ সরবরাহ নিশ্চিত করতে পারছে। এমন অনেক দেশেই পরিষ্কার বিদ্যুৎ ও কম পানি ব্যবহার দুইটাই এক সাথে পাওয়া কঠিন।

আয়ারল্যান্ড (Ireland) একটি ব্যতিক্রমী উদাহরণ, কারণ সেখানে প্রচুর পরিমাণে বায়ু বিদ্যুৎ (Wind Power) রয়েছে। শীর্ষ পাঁচ দেশের মধ্যে আয়ারল্যান্ড অন্যতম, যেখানে জনপ্রতি (Per Capita) সর্বাধিক বাতাস-নির্ভর বিদ্যুৎ উৎপাদন ক্ষমতা রয়েছে। কিন্তু ইতোমধ্যেই দেশটি ডেটা সেন্টারে ভরে গেছে এবং নতুন ডেটা সেন্টার বানানোর ওপর একটি অস্থায়ী নিষেধাজ্ঞা (Moratorium) জারি করেছে।

মাইক্রোসফট হচ্ছে ক্লাউড (Cloud) সেবায় নেতৃত্বদানকারী অন্যতম প্রতিষ্ঠান। তাহলে মূলত আমাদের উপলব্ধি কী হওয়া উচিত? ডেটা সেন্টারগুলো বিপুল সম্পদনির্ভর, প্রচুর বিদ্যুৎ এবং প্রচুর পানি খরচ করে। টেক কোম্পানিগুলো আমাদের বিশ্বাস করাতে চায় যে তারা সম্পূর্ণ পরিচ্ছন্ন (Perfectly Clean) জ্বালানিতে (Energy) ডেটা সেন্টার চালাতে পারবে এবং খুব বেশি পানি ব্যবহার করবে না। কিন্তু এআই বুমের (AI Boom) আগেই এটি ছিল বেশ উচ্চাকাঙ্ক্ষী লক্ষ্য। এখন, টেক কোম্পানিগুলো এত বেশি নতুন ডেটা সেন্টার তৈরি করতে চাইছে যে কোথায় সেগুলো স্থাপন করবে তাও বুঝে উঠতে পারছে না।

তাই যখন আপনি কোনো চ্যাটবটের (Chatbot) সাথে কথা বলবেন, যা হয়তো কোনো সিনেমা তারকার মতো শোনায়, তখন শুধু ওই বোতল পানিই নয় যা বাষ্পীভূত হয়ে যাচ্ছে, বরং ভাবুন সেইসব জলবায়ু (Climate) প্রতিশ্রুতিগুলোও যেন বিঘ্নিত হচ্ছে।

কিভাবে এআই চাকরি প্রতিস্থাপন (AI Job Replacement) বাস্তবে ঘটতে পারে

আজ আমরা কৃত্রিম বুদ্ধিমত্তা (Artificial Intelligence) সংক্রান্ত এক জটিল বিষয় নিয়ে কথা বলতে চলেছি—এআই কীভাবে চাকরিকে প্রতিস্থাপন করবে এবং এটি ঠিক কী রূপে প্রকাশ পেতে পারে। বছর প্রায় শেষের দিকে, এটি এমন এক সময় যখন আমরা পেছনে ফিরে দেখি, গত বছরে আমরা কী শিখেছি, আর ভবিষ্যতে কোথায় যাচ্ছি তা ভেবে দেখি। জেনারেটিভ এআই (Generative AI) নিয়ে বড় প্রশ্নগুলোর মধ্যে একটি হলো এর কর্মসংস্থানের ওপর প্রভাব—স্বল্পমেয়াদে এবং দীর্ঘমেয়াদে। অনেকেরই সবচেয়ে বড় আশঙ্কা হলো, রোবট (Robots) হয়তো আমাদের সকলের চাকরি কেড়ে নেবে। এআইয়ের সক্ষমতা যে গতিতে বাড়ছে, তাতে মানুষ ভাবতেই পারে যে তারা যে চাকরিতে আজ আছে, ভবিষ্যতে সেটি থাকবে কিনা। কেউ কেউ আরো একধাপ এগিয়ে মনে করেন, ভবিষ্যতে হয়তো কোনো চাকরিই থাকবে না।

তবে আমি মনে করি বিষয়টি এর চেয়েও সূক্ষ্ম (Nuanced) হতে চলেছে। আলোচনার প্রাথমিক সূত্র হিসেবে আমরা “দ্য ইনফরমেশন” (The Information) নামক প্রকাশনার একটি প্রতিবেদন দেখব। প্রতিবেদনের শিরোনাম: “মাইক্রোসফটের (Microsoft) নতুন বিক্রয় কৌশল এআইয়ের জন্য—মানুষের পেছনে কম খরচ করো” (Microsoft’s new sales pitch for AI – spend less money on humans)।

প্রতিবেদনে বলা হয়েছে, এআই মানুষকে প্রতিস্থাপন করবে—এমন ধারণা পুরনো, কিন্তু বেশিরভাগ কোম্পানি (Companies) এতদিন এই বিষয়টি সরাসরি প্রচার করতে চায়নি, কারণ এটি খারাপ সুনাম ও রাজনৈতিক চাপ সৃষ্টি করতে পারে। তবে এখন, যখন টেক কোম্পানিগুলো (Tech companies) এআইয়ের মূল্য বোঝাতে চাইছে, তখন তারা অনেকটাই স্পষ্টভাবে বলছে যে এআই খরচ কমাতে পারে—বিশেষ করে মানবশক্তির (Human Labor) খরচ।

মাইক্রোসফট ৩৬৫ কো-পাইলটের (Microsoft 365 Co-pilot) সিএমও (CMO) জ্যারেড স্পাটারো (Jared Spataro) বলেছেন, “সিএফওরা (CFO) ঠিকই জিজ্ঞেস করছে: এআই ব্যবহার করে আমাদের বাজেট থেকে কী খরচ কমানো গেল, সেটা দেখাও। আমরা এই বার্তা স্পষ্টভাবেই শুনছি।”

এই প্রতিবেদনের সারসংক্ষেপ হলো, আগে এআই বিনিয়োগ ছিল মূলত উদ্ভাবন (Innovation) ও সম্ভাবনা যাচাইয়ের জন্য। এখন কোম্পানিগুলো অন্যান্য বাজেট থেকে খরচ কমিয়ে এআইতে বিনিয়োগের পথ খুঁজছে। প্রতিবেদনে কিছু বাস্তব উদাহরণও দেওয়া হয়েছে। যেমন, ফিনাস্ত্রা (Finastra) নামে এক ব্রিটিশ ফিনটেক (Fintech) প্রতিষ্ঠান, যাদের বার্ষিক রাজস্ব ২ বিলিয়ন ডলার। তারা আগে যে ধরনের কাজের জন্য কোনো বহিরাগত মার্কেটিং এজেন্সিকে (Marketing Agency) নিয়োগ দিত, এখন মাইক্রোসফট ৩৬৫ কো-পাইলট ব্যবহার করে নিজেরা করতে পেরেছে।

ফিনাস্ত্রার নিজস্ব মার্কেটিং টিম (Marketing Team) ৫০ জন আর্থিক খাতের নির্বাহীর (Financial Sector Executives) সাক্ষাৎকার নিয়েছিল, নির্দিষ্ট পণ্য বা প্রোডাক্ট সম্পর্কে তাদের কোন কোন বিষয়কে উপকারী মনে হয়, তা জানার জন্য। তারপর কো-পাইলট ব্যবহার করে সেই ইন্টারভিউকে ট্রান্সক্রাইব (Transcribe) করা হয়। প্রায় ৪,০০০ পৃষ্ঠার সাক্ষাৎকার ছিল। সেখান থেকে মাইক্রোসফটের কো-পাইলট ফিনাস্ত্রার জন্য বিজ্ঞাপনমূলক লেখা (Ad Copy) তৈরি করে দেয়। ফিনাস্ত্রার সিএমও জানিয়েছেন, সাধারণত এ ধরনের কাজ করতে হয়তো ৬০ হাজার ডলার খরচ হতো ও কয়েক মাস লাগত। এখন তাদের কর্মীদের সময় ও কো-পাইলটের খরচে তা সম্পন্ন হয়েছে। অবশ্য এই সিএমও বলছেন, এআই ব্যবহার মানে তার অভ্যন্তরীণ ৬০ জনের মার্কেটিং টিম ছাঁটাই নয়; বরং বহিরাগত এজেন্সির খরচ কমানো। তার ভাষায়, “আমরা এখন একই জনবল দিয়ে আরো বেশি কাজ করতে পারব।”

গ্রাহক সেবা (Customer Support) ক্ষেত্রেও বড় ধরনের পরিবর্তন দেখা যাচ্ছে। টেলিকম (Telecom) প্রতিষ্ঠান বেল কানাডার (Bell Canada) সিইও (CEO) বিশ্লেষকদের জানিয়েছেন, গুগলের (Google) এআই টুল ব্যবহার করে তারা ২ কোটি ডলার “শ্রম খরচ” (Labor Cost) সাশ্রয় করতে পেরেছে। যদিও গুগল তাদের নিজস্ব পোস্টে “শ্রম” শব্দটি মুছে শুধুই ২০ মিলিয়ন ডলার সাশ্রয় লিখেছিল।

আরও একটি উদাহরণ হলো ক্লারনা (Klarna) নামের একটি প্রতিষ্ঠান। তারা এআই ব্যবহার করে খরচ কমিয়ে উচ্ছ্বসিত। অনেকে হয়তো তাদের দাবির বিপুল মাত্রা নিয়ে সংশয়ী, কিন্তু তথ্যমতে প্রথম ৯ মাসে ক্লারার মার্কেটিং ও বিক্রয় (Sales & Marketing) খরচ ১৬% কমেছে, আর গ্রাহকসেবা ও অপারেশন (Customer Service & Operations) খরচ ১৪% কমেছে। এই সময়ে তাদের রাজস্ব (Revenue) বেড়েছে ২৩%। ক্লারনা দাবি করছে, এই খরচ সাশ্রয়ের বেশিরভাগই এআইয়ের কারণে। এক্ষেত্রে একটি নির্দিষ্ট উদাহরণ হচ্ছে, তাদের গ্রাহকসেবা চ্যাটবট (Customer Service Chatbot), যা ওপেনএআই (OpenAI) দ্বারা চালিত। তারা বলছে এটি ৭০০ মানুষের কাজের সমান কাজ করতে পারে। ক্লারনা যেমন বহিরাগত মার্কেটিং এজেন্সির উপর নির্ভরতা কমিয়েছে, তেমনি অনেকে এমন করছে।

সেই সাথে সেলসফোর্স (Salesforce) এজেন্ট ফোর্স (Agent Force) নামে একটি উদ্যোগ নিচ্ছে, যেখানে এআই এজেন্ট (AI Agent) বাস্তবে কাজ করতে পারে। যদিও এখনো তারা বলছে এটি বিক্রয়কর্মীদের (Salespeople) দক্ষতা বাড়ানোর জন্য, কিন্তু দীর্ঘমেয়াদে মানুষের কাজের বিকল্প হওয়ার সম্ভাবনাও অনেকে দেখছেন।

সম্প্রতি এমন কথাও শোনা যাচ্ছে যে ভার্টিকাল (Vertical) এআই এজেন্টগুলো (AI Agents) সফটওয়্যার-হিসাবসেবা বা সাস (SaaS) থেকে ১০ গুণ বড় বাজার তৈরি করতে পারে। এই ধারণার পেছনে যুক্তি হল, এআই এজেন্ট শ্রমকে প্রতিস্থাপন করছে, আর শ্রম খরচ সাধারণত সফটওয়্যার খরচের চেয়ে অনেক বেশি। তবে এই মূল্য নির্ধারণের বিষয়টা এখনো অনিশ্চিত।

এবার প্রশ্ন হলো, তাহলে কী হতে যাচ্ছে? একটু অনুমান করা যাক।

পর্যায় শূন্য (Phase 0): গত কয়েক বছর ধরে বড় বড় এন্টারপ্রাইজ (Enterprises) এআইয়ের সম্ভাব্যতা যাচাই করছে। পাইলট প্রকল্প (Pilot Projects) করছে, বিভিন্ন দল বা টিমকে নতুন কিছু চেষ্টা করতে বলছে, কিছু পুনরাবৃত্তিমূলক কাজের ব্যবহার খুঁজে বের করছে। সবই পরীক্ষামূলক। এখানে একটি গুরুত্বপূর্ণ বিষয়: এআই প্রভাব ফেলতে পারে ব্যবসার প্রতিটি প্রক্রিয়া (Business Process), প্রতিটি কার্যপ্রবাহ (Workflow) ও কাজের ওপর। এটি এক ব্যাপক ও গভীর পরিবর্তন, যা আগে দেখা যায়নি।

পর্যায় এক (Phase 1): ব্যয় হ্রাস (Cost Reduction): আমি আগেও বলেছি, আমার বিশ্বাস একবার এআইয়ের সম্ভাবনা বোঝার পর এন্টারপ্রাইজগুলো প্রধানত এআইকে খরচ কমানোর জন্য ব্যবহার করবে। অর্থাৎ, একই কাজ কম খরচে করা সম্ভব হলে, সেটিই হবে প্রথম পদক্ষেপ। বড় কোম্পানি সাধারণত দুইভাবে পারফরম্যান্স উন্নত করতে পারে:

• ১) নতুন পণ্য-সেবা (Products & Services) উদ্ভাবন করে প্রবৃদ্ধি (Growth) বাড়ানো।
• ২) একই কাজ আগের চেয়ে কম খরচে করা, অর্থাৎ দক্ষতা (Efficiency) বৃদ্ধি।

খরচ কমানোর পথটি অনেক সহজে বোঝা যায়। বাজার (Market) সাধারণত স্বল্পমেয়াদে ব্যয় হ্রাসকে পছন্দ করে, কারণ তাতে মুনাফা বাড়ে, শেয়ার বাইব্যাক (Stock Buyback) ইত্যাদি করা যায়। তাই ২০২৫ সালের বড় গল্প হতে পারে এআই দ্বারা ব্যয় হ্রাস।

তবে খেয়াল রাখতে হবে, কোনো কাজের নির্দিষ্ট কিছু অংশ (Task) প্রতিস্থাপন মানে পুরো ভূমিকাটি (Role) প্রতিস্থাপন নয়। বিচক্ষণ প্রতিষ্ঠানগুলো এই পার্থক্য বুঝবে। প্রতিটি কাজকেই এআই কোনও না কোনওভাবে বদলাবে—কখনো এআই সহায়ক (AI Assistant) ব্যবহার করে মানুষ কাজের গতি বাড়াবে, কখনো এআই এজেন্ট (AI Agent) সরাসরি কাজ করবে। কিন্তু খুব কম কাজই আছে যা পুরোপুরি এআই দ্বারা প্রতিস্থাপন হবে। বিশেষত জটিল কাজ, যেমন সেলস (Sales), মার্কেটিং (Marketing) বা অপারেশনস (Operations) পুরোপুরি প্রতিস্থাপন হবে না। বরং কাজগুলো পুনঃনির্ধারণ (Job Redefinition) হবে। অবশ্য গ্রাহকসেবা বা সাপোর্ট (Support) ক্ষেত্রে সম্পূর্ণ প্রতিস্থাপন কিছুটা বেশি দেখা যেতে পারে।

কিছু বোর্ডরুম (Boardroom) হয়তো শুধু কর্মী সংখ্যা কমাতে চাইবে। কিন্তু স্মার্ট প্রতিষ্ঠানগুলো দীর্ঘমেয়াদে রূপান্তরের (Transformation) দিকে মনোযোগ দেবে। তারা শুধুমাত্র সহজ সমাধান নয়, বরং দীর্ঘস্থায়ী সুযোগের সন্ধান করবে।

পর্যায় দুই (Phase 2): উদ্ভাবন ও সক্ষমতা সম্প্রসারণ (Innovate and Expand Capabilities): খরচ কমানোর বাইরেও কোম্পানিগুলো ভাববে, “এআই ব্যবহার করে আমরা কীভাবে আরো বড় হতে পারি? একই বাজেটে কি আরও বেশি কনটেন্ট (Content) তৈরি করা যায়? বেশি কনটেন্ট কি বেশি বিক্রয় (Sales) আনবে?”
এখানেই এআই কেবল দক্ষতা বৃদ্ধিতে আটকে থাকবে না, বরং প্রতিষ্ঠানের বাজার প্রতিযোগিতায় (Competition) এগিয়ে যেতে সাহায্য করবে। নতুন পণ্য, উন্নত গ্রাহকসেবা, অভাবনীয় কর্মদক্ষতার মাধ্যমে কোম্পানি আসল সাফল্য পেতে পারে। এখান থেকেই এআই “সুযোগ সৃষ্টি প্রযুক্তি” (Opportunity Creation Technology) হিসেবে আবির্ভূত হবে।

পর্যায় তিন (Phase 3): প্রবৃদ্ধি, প্রতিযোগিতাকে হারানো এবং সমৃদ্ধি (Grow, Outcompete, and Flourish): পর্যায় দুই অতিক্রম করার পর, কিছু কোম্পানি এআইকে পুরোমাত্রায় কাজে লাগিয়ে প্রতিদ্বন্দ্বীদের ছাপিয়ে যাবে। তারা আর শুধু ব্যয় হ্রাস নয়, বরং নতুন মান (Value) সৃষ্টি করবে, যার ফলে বাজার, সংবাদমাধ্যম (Press) ও বিনিয়োগকারীরা (Investors) বুঝতে পারবে এটাই সঠিক পথ। তখন যারা কেবল খরচ কমানোর দিকে মনোযোগ দিয়েছে, তারা পিছিয়ে পড়বে। উদাহরণস্বরূপ, কিছু কোম্পানি হয়তো এমনভাবে বাজার দখল করবে যা আগে অচিন্তনীয় ছিল। কারণ এআই ব্যবহার করে তারা নতুন পণ্য-সেবা, উন্নত সাপোর্ট সিস্টেম (Support System), এবং গ্রাহক আয়োজন (Customer Engagement) দিক থেকে অন্যদের ছাড়িয়ে যাবে।

তাহলে কোম্পানিগুলোর জন্য করণীয় কী? শেষ পর্যন্ত সবই নেতৃত্বের (Leadership) ওপর নির্ভর করবে। নেতৃত্ব মানে শুধু কোন টুল (Tool) ব্যবহার করবে বা কোন কাঠামো (Structure) তৈরী করবে তা নয়, বরং প্রতিষ্ঠানের ভবিষ্যৎ রূপরেখা তৈরি করা। কর্মীদের আশ্বস্ত করতে হবে যে তারা আগামীকাল রোবট দ্বারা প্রতিস্থাপিত হচ্ছে না। বিনিয়োগকারীদের বোঝাতে হবে যে শুধুমাত্র লোকবল কমানো নয়, বরং ভবিষ্যতের জন্য প্রস্তুতি করাই মুখ্য। সুতরাং নেতৃত্বের কাজ হলো দৃষ্টি (Vision) স্থাপন করা, অংশীজনদের (Stakeholders) একত্রিত করা, কর্মীদের আস্থা (Trust) অর্জন করা, এবং এআইকে “সুযোগ সৃষ্টি প্রযুক্তি” হিসেবে প্রতিষ্ঠা করা।

যখন আপনি শুনবেন “মানুষের পেছনে কম খরচ করার” কথা, তখন হতাশ হবেন না। আমি আশাবাদী যে যারা এআইকে শুধু ব্যয় হ্রাসের নয়, সুযোগ সৃষ্টির মাধ্যম হিসেবে দেখবে, তারাই শেষ পর্যন্ত জয়ী হবে। বাজার ও সাধারণ মানুষ দ্রুতই বুঝে যাবে কারা শুধু অস্থায়ী লাভের পেছনে ছুটল, আর কারা দীর্ঘমেয়াদে নিজেদেরকে এআই-সক্ষম প্রতিষ্ঠানে পরিণত করল।

এআই (AI) নিয়ে জরিপ বলছে বেশিরভাগ মানুষ এটিকে নিয়ন্ত্রণের আওতায় আনতে চায়, তবে সরকারের ওপর আস্থা কম

ভূমিকা

সামাজিক মাধ্যম ব্যবহার করে থাকলে, আপনি হয়তো “ডিপফেক” (deepfake) দেখেছেন। এগুলো হল এমন ভিডিও বা অডিও ক্লিপ, যেখানে রাজনীতিবিদ, সেলিব্রিটি বা অন্য কেউকে কৃত্রিম বুদ্ধিমত্তার (Artificial Intelligence – AI) সাহায্যে এভাবে পরিবর্তন করা হয়, যেন মনে হয় ওই ব্যক্তি এমন কিছু বলছে বা করছে যা তিনি প্রকৃতপক্ষে বলেননি বা করেননি।

যদি ডিপফেকের ধারণা আপনাকে আতঙ্কিত করে, আপনি একা নন। ব্রিটিশ কলাম্বিয়ায় (British Columbia) করা আমাদের সাম্প্রতিক জনমত জরিপে দেখা গেছে, ৯০% উত্তরদাতার কাছে ডিপফেক এআই সম্পর্কিত সবচেয়ে বড় উদ্বেগ।

এআই নিয়ে যতটা মাতামাতি চলছে, তা কম বললেও ভুল হবে। গণমাধ্যম ও শিল্পপতিদের ভাষ্য একদিকে এআইকে “পরবর্তী বিপ্লব” হিসেবে প্রচার করছে, অন্যদিকে এটিকে মানবসভ্যতার জন্য অস্তিত্বগত হুমকি হিসেবে তুলে ধরছে, যা মানবজাতিকে নিশ্চিহ্ন করে দেবে। এই অতিরঞ্জিত আলোচনার কারণে বাস্তব ঝুঁকিগুলো—ব্যক্তিগত গোপনীয়তা (privacy) থেকে চাকরি হারানো (job displacement), জ্বালানি ব্যবহারের (energy use) প্রভাব থেকে শ্রমিক শোষণ (exploitation of workers)—এসব জরুরি বিষয় অনেক সময় আড়ালে থেকে যায়।

যদিও ব্যবহারিক নীতি নিয়ে আলোচনা চলছে এবং দেরি না করেই এগুলো হওয়া উচিত, কিন্তু সেগুলো মূলত পর্দার অন্তরালে ঘটছে।

কানাডায়, বিশ্বের আরও অনেক জায়গার মতোই, ফেডারেল সরকার নতুন প্রযুক্তি নিয়ন্ত্রণের ক্ষেত্রে সাধারণ মানুষের সঙ্গে যথেষ্ট পরামর্শ করেনি। এর ফলে, পর্যাপ্ত পুঁজি সমৃদ্ধ শিল্পগোষ্ঠী এআই-সংক্রান্ত আলোচনার চালচিত্র ও পদক্ষেপের সম্ভাবনাকে প্রভাবিত করার সুযোগ পেয়েছে। কানাডিয়ান সংবাদ মাধ্যম বারবার একই প্রযুক্তি উদ্যোক্তাদের উদ্ধৃত করে চলে, যেন এই বিষয়ে অন্য কারও বলার কিছু নেই।

আমরা জানতে চেয়েছিলাম, সমাজের বাকি অংশ এ বিষয়ে কী ভাবছে।

আমাদের এআই জরিপ

২০২৪ সালের অক্টোবর মাসে, সাইমন ফ্রেজার ইউনিভার্সিটির (Simon Fraser University) সেন্টার ফর ডায়ালগ (Centre for Dialogue) থেকে আমরা একটি জনমত জরিপ প্রতিষ্ঠানের সঙ্গে কাজ করি। এ জরিপে ব্রিটিশ কলাম্বিয়ার ১,০০০ জনের বেশি র‍্যান্ডম নির্বাচিত বাসিন্দার মতামত নিই। আমাদের লক্ষ্য ছিল এআই সম্পর্কে তাদের সচেতনতা, এর সম্ভাব্য প্রভাব, বিষয়টি নিয়ে তাদের মনোভাব ও সমাজ হিসেবে আমাদের করণীয় সম্পর্কে বোঝা।

সামগ্রিকভাবে দেখা গেছে, ব্রিটিশ কলাম্বিয়ার বাসিন্দারা এআই সম্পর্কে মোটামুটি জ্ঞান রাখেন। বেশিরভাগ মানুষ দৈনন্দিন ব্যবহৃত কিছু প্রযুক্তি সনাক্ত করতে পেরেছেন যেগুলো এআই ব্যবহার করে। ৫৪% জানান, তারা নিজে কোনো না কোনোভাবে টেক্সট বা মিডিয়া তৈরিতে এআই টুল ব্যবহার করেছেন। অর্থাৎ জনসংখ্যার একটি উল্লেখযোগ্য অংশ এআই সম্পর্কে পর্যাপ্তভাবে যুক্ত, যাতে তাদের এ বিষয়ে আলোচনায় অন্তর্ভুক্ত করা যায়।

তবে পরিচিতি সবসময় আত্মবিশ্বাস সৃষ্টি করে না। আমাদের গবেষণায় দেখা গেছে, ৮০% এর বেশি মানুষ সমাজে এআই ব্যবহারে “নার্ভাস” বোধ করেন। কিন্তু এই ভয় অযথা কল্পনাপ্রসূত আতঙ্ক নয়। আসলে, ৬৪% মনে করেন এআই হলো “অনেকগুলো প্রযুক্তির মধ্যে আরেকটি,” বিপরীতে মাত্র ৩২% ভাবেন এটি সমাজকে মৌলিকভাবে বদলে দেবে। ৫৭% মনে করেন এআই কখনোই মানুষের প্রকৃত সক্ষমতাকে পুরোপুরি টেক্কা দিতে পারবে না।

চিন্তাগুলো বেশ বাস্তবসম্মত। উত্তরদাতাদের ৮৬% উদ্বিগ্ন যে কোম্পানি ও সরকার এআই ব্যবহার করে তাদের জীবনকে প্রভাবিত করে এমন সিদ্ধান্ত নিলে তারা ব্যক্তিগত ক্ষমতা ও নিয়ন্ত্রণ (personal agency) হারাতে পারেন। ৮০% মনে করেন এআই মানুষকে সমাজে আরও বিচ্ছিন্ন করে দেবে। ৭০% মনে করেন কিছু কিছু গোষ্ঠীর বিরুদ্ধে এআই পক্ষপাতমূলক (bias) আচরণ করতে পারে।

অসংখ্য মানুষ (৯০%) ডিপফেক নিয়ে উদ্বিগ্ন এবং ৮৫% ব্যক্তিগত তথ্য (personal information) ব্যবহার করে এআই প্রশিক্ষণের ব্যাপারে চিন্তিত। প্রায় ৮০% মানুষ চিন্তিত যে কোম্পানিগুলো এআই দিয়ে কর্মীদের প্রতিস্থাপন করবে। ব্যক্তিগত জীবনের ক্ষেত্রে, ৬৯% গোপনীয়তা (privacy) প্রশ্নে শঙ্কিত এবং ৪৬% সঠিক তথ্য (accurate information) অনলাইনে খুঁজে পাওয়া নিয়ে উদ্বিগ্ন।

নীচের একটি টেবিলে ব্যক্তি জীবনে এআই সম্পর্কিত উদ্বেগগুলি চিত্রিত করা হলো:

তবে উল্লেখযোগ্য সংখ্যক মানুষ এআই সম্পর্কে ইতিবাচক ধারণাও পোষণ করেন। ৫৩% মানুষ উচ্ছ্বসিত যে এআই মানুষের সক্ষমতার সীমানা বাড়াতে পারে। প্রায় ৬০% মুগ্ধ যে মেশিন শিখতে পারে, চিন্তা করতে পারে, অথবা মানুষের কাজে সহযোগিতা করতে পারে। ব্যক্তিগত জীবনে, ৫৩% মানুষ এআই দ্বারা কাজ দ্রুত সম্পন্ন হওয়ার সম্ভাবনায় ইতিবাচক। বিশেষ করে চিকিৎসা (medicine) খাতে, যেখানে ব্রিটিশ কলাম্বিয়া বড় ধরনের দক্ষ লোকবলের সংকটে রয়েছে, সেখানে এআই ব্যবহারের প্রতি মানুষ বেশ আগ্রহী।

আমাদের জরিপে অংশগ্রহণকারীদের সরকারের প্রতি একটাই বার্তা: এখনই এআই নিয়ন্ত্রণে নামুন। ৫৮% মনে করেন অনিয়ন্ত্রিত এআই প্রযুক্তি খাতের ঝুঁকি, সরকারী নিয়ন্ত্রণে ভবিষ্যৎ উন্নয়ন বাধাগ্রস্ত হওয়ার ঝুঁকির (যা মাত্র ১৫% মনে করেন) চেয়ে বেশি মারাত্মক। প্রায় ২০% এ বিষয়ে নিশ্চয়তা প্রকাশ করতে পারেননি।

নীচের আরেকটি টেবিলে এআই নিয়ে উদ্বেগ ও প্রত্যাশার তুলনামূলক চিত্র দেয়া হলো:

সরকার ও প্রতিষ্ঠানের ওপর কম আস্থা

কিছু গবেষক মনে করেন সরকার ও এআই শিল্প একধরনের প্রিজনারস ডিলেমায় রয়েছে। সরকার নিয়ন্ত্রণ আরোপে দ্বিধান্বিত, কারণ এতে প্রযুক্তি খাত পিছিয়ে পড়তে পারে। কিন্তু এআই-এর ক্ষতিকর প্রভাব নিয়ন্ত্রণে ব্যর্থ হলে, শিল্প খাত জনসমর্থন হারাতে পারে। এই জনসমর্থনই তাদের কার্যক্রমের সামাজিক অনুমোদন (social license)।

সাম্প্রতিক প্রতিবেদনে ইঙ্গিত মিলেছে যে কানাডিয়ান কোম্পানিগুলোতে এআই গ্রহণের হার অত্যন্ত কম। সম্ভবত আমাদের ফলাফল দেখাচ্ছে, কানাডিয়ানরা হয়তো সম্পূর্ণভাবে এআই গ্রহণে দেরি করবে যতক্ষণ না এর ঝুঁকি নিয়ন্ত্রণের মাধ্যমে সমাধান করা হয়।

কিন্তু সরকারের জন্য বড় সমস্যা হলো, প্রতিষ্ঠানের প্রতি মানুষের আস্থা (trust) কম। একদিকে, ৫৫% বিশ্বাস করেন সরকারই এআই-এর ঝুঁকি নিরসনে নিয়ম তৈরি করবে, অন্যদিকে ২৫% মনে করেন টেক কোম্পানিরাই এটা করবে এবং ২০% মনে করেন ব্যক্তি পর্যায়ে সচেতনতা (literacy) বাড়াতে হবে।

অন্যদিকে, আমাদের গবেষণা বলছে, সরকারকে এআই ব্যবস্থাপনা ও উন্নয়নে আস্থা রাখেন মাত্র ৩০% মানুষ। টেক কোম্পানির ওপর আস্থা আরও কম (২১%) এবং বেসরকারি সংস্থাগুলোর (non-government organizations) ওপর আস্থা ২৯%।

শিক্ষাপ্রতিষ্ঠান (academic institutions) এই আস্থার প্রশ্নে তুলনামূলক ভালো করছে—৫১% তাদের ওপর মোটামুটি বা দৃঢ় আস্থা রাখেন। যদিও অর্ধেকের একটু বেশি আস্থা খুব বেশি প্রশংসনীয় নয়, তবু এটিকে একটি আহ্বান হিসেবে দেখা যেতে পারে।

নীচের টেবিলে বিভিন্ন প্রতিষ্ঠানের ওপর আস্থার মাত্রা দেখানো হলো:

অংশগ্রহণমূলক এআই গভর্ন্যান্সের দিকে

কানাডায় এআই গভর্ন্যান্স সংক্রান্ত গবেষণাগুলো বারবারই আরও স্বচ্ছ, গণতান্ত্রিক ও জনসম্পৃক্ত অংশগ্রহণমূলক নীতিমালার প্রয়োজনীয়তার কথা বলছে। কেউ কেউ মনে করেন বিষয়টি খুবই প্রযুক্তিনির্ভর, তাই সাধারণ মানুষকে সম্পৃক্ত করা কঠিন। কিন্তু এআই কেবলমাত্র প্রযুক্তিবিদদের বিষয় – এই মনোভাবটা একটি পূর্ণাঙ্গ সামাজিক আলোচনা গড়ে ওঠার পথে বাধা।

আমাদের জরিপ বলছে, মানুষ কেবল এআই সম্পর্কে সচেতন ও আগ্রহীই নয়, তারা ব্যবস্থা নেওয়ার এবং আরও তথ্য পাওয়ার ইচ্ছাও প্রকাশ করেছে, যাতে তারা এ নিয়ে আলোচনা চালিয়ে যেতে পারে। সমাজ এআই নিয়ে আলাপের জন্য আগের চেয়ে বেশি প্রস্তুত।

কানাডার দরকার এমন একটি ফেডারেল নীতি, যা এআই ব্যবস্থাপনায় দায়িত্বশীলতা নিশ্চিত করবে। ফেডারেল সরকার সম্প্রতি একটি “এআই সেফটি ইনস্টিটিউট” (AI Safety Institute) চালু করেছে, যার কাজ উন্নত এআই সিস্টেমের ঝুঁকি বৈজ্ঞানিকভাবে বোঝা ও মোকাবেলা করা। এই প্রতিষ্ঠান বা এ ধরনের অন্য কোনো সংস্থার উচিত অংশগ্রহণমূলক এআই গভর্ন্যান্সের কাঠামো গড়ে তোলা।

কানাডার সংবিধানিক কাঠামোর মধ্যে প্রদেশগুলোও এআই নীতির পথে নেতৃত্ব দিতে পারে। অন্টারিও (Ontario) ও কুবেক (Québec) কিছু উদ্যোগ নিয়েছে, এবং ব্রিটিশ কলাম্বিয়া ইতোমধ্যেই দায়িত্বশীল এআই ব্যবহারের জন্য গাইডিং প্রিন্সিপালস (guiding principles) তৈরি করেছে।

কানাডা ও ব্রিটিশ কলাম্বিয়ার সামনে সুযোগ রয়েছে এআই নীতিতে এক উচ্চমাত্রার অংশগ্রহণমূলক মডেল গড়ে তোলার। আমাদের সেন্টার ফর ডায়ালগ সহ এই ধরনের সংলাপ আহ্বানকারী প্রতিষ্ঠান ও অনেক শিক্ষাবিদ এ আলোচনায় সহায়তা করতে আগ্রহী। আমাদের গবেষণা বলছে, জনগণও এতে যুক্ত হতে প্রস্তুত।

এআই (AI) এর সীমাহীন ব্যবহার জনসাধারণের বিশ্বাসের জন্য হুমকি সৃষ্টি করে — যোগাযোগের সততা রক্ষা করার জন্য কিছু নির্দেশিকা

ভূমিকা

জেনারেটিভ আর্টিফিশিয়াল ইন্টেলিজেন্স (Generative Artificial Intelligence) দ্রুত উন্নয়ন এবং গ্রহণযোগ্যতা তৈরির মাধ্যমে যোগাযোগের ক্ষেত্রে বিপ্লব সৃষ্টি করছে। এখন এআই-চালিত (AI-powered) টুলগুলো টেক্সট, ছবি, অডিও এবং ভিডিও তৈরি করতে পারে। এগুলো সাধারণত টেক্সচুয়াল প্রম্পট (textual prompts) থেকে তৈরি হয়।

জেনারেটিভ এআই অনেক শক্তিশালী, উপকারী এবং সুবিধাজনক হলেও এর কিছু উল্লেখযোগ্য ঝুঁকি রয়েছে। এ ধরনের ঝুঁকির মধ্যে অন্তর্ভুক্ত রয়েছে ভুল তথ্য (misinformation), বায়াস (bias), এবং প্রাইভেসি (privacy) সমস্যা।

জেনারেটিভ এআই ইতোমধ্যেই যোগাযোগ সংক্রান্ত কিছু গুরুতর সমস্যার কারণ হয়ে দাঁড়িয়েছে। রাজনৈতিক প্রচারণার সময় এআই ইমেজ জেনারেটর ব্যবহার করে ভুয়া ছবি তৈরি করা হয়েছে। এর মাধ্যমে ভোটারদের বিভ্রান্ত করার চেষ্টা করা হয়েছে এবং প্রতিপক্ষকে বিব্রত করা হয়েছে। সেই সাথে এআই চ্যাটবট গ্রাহকদের ভুল তথ্য প্রদান করেছে। এর ফলে কিছু প্রতিষ্ঠানের খ্যাতি ক্ষতিগ্রস্ত হয়েছে।

পাবলিক ফিগারদের উস্কানিমূলক বক্তব্য বা তাদের নির্দিষ্ট কোন স্টকের প্রতি সমর্থন দেয়া ভুয়া ভিডিও ভাইরাল হয়েছে। এআই-জেনারেটেড সামাজিক মিডিয়া প্রোফাইল (AI-generated social media profiles) বিভ্রান্তিমূলক প্রচারণার কাজে ব্যবহৃত হয়েছে।

এআই বিকাশের দ্রুত গতিও চ্যালেঞ্জ হয়ে দাঁড়িয়েছে। উদাহরণস্বরূপ, এআই দ্বারা তৈরি চিত্রগুলোর বাস্তববাদিতা (realism) অনেক বৃদ্ধি পেয়েছে। এর ফলে ডিপফেক (deepfake) সনাক্ত করা কঠিন হয়ে পড়েছে।

এআই-এর জন্য সুস্পষ্ট নীতিমালা না থাকলে প্রতিষ্ঠানগুলো ভুল তথ্য ছড়ানোর বা প্রদান করার ঝুঁকিতে থাকে। এর ফলে জনসাধারণের বিশ্বাস ক্ষতিগ্রস্ত হতে পারে। ব্যক্তিগত ডেটার (personal data) অপব্যবহারও পৌঁছাতে পারে এক অভূতপূর্ব মাত্রায়।

কৃত্রিম বুদ্ধিমত্তার (AI) নিয়ন্ত্রণ ও নির্দেশিকা প্রতিষ্ঠা

কানাডায় কৃত্রিম বুদ্ধিমত্তার নিয়ন্ত্রণ নিয়ে বিভিন্ন উদ্যোগ নেওয়া হয়েছে। এসব উদ্যোগের মাধ্যমে বিভিন্ন ধরনের প্রতিক্রিয়া পাওয়া গেছে। ২০২২ সালে ফেডারেল সরকার একটি বিতর্কিত আইন প্রস্তাব করে। আইনটি পাশ হলে কৃত্রিম বুদ্ধিমত্তার নিয়ন্ত্রণ এবং ডেটা প্রাইভেসি (data privacy) রক্ষা করার জন্য বিশেষ ব্যবস্থা গ্রহণ করা হবে।

এই আইনের নাম ‘আর্টিফিশিয়াল ইন্টেলিজেন্স অ্যান্ড ডেটা অ্যাক্ট’ (Artificial Intelligence and Data Act – AIDA)। এটি অনেক সমালোচনার মুখে পড়েছে। ৬০টি সংস্থা এই আইনটি প্রত্যাহার এবং আরও বিস্তৃত পরামর্শের মাধ্যমে পুনর্লিখনের আহ্বান জানিয়েছে, যেগুলোর মধ্যে ‘অ্যাসেম্বলি অফ ফার্স্ট নেশনস’ (Assembly of First Nations – AFN), ‘কানাডিয়ান চেম্বার অফ কমার্স’ (Canadian Chamber of Commerce), এবং ‘কানাডিয়ান সিভিল লিবার্টিস ইউনিয়ন‘ (Canadian Civil Liberties Union) অন্তর্ভুক্ত রয়েছে।

নভেম্বর ২০২৪-এ ‘ইনোভেশন, সায়েন্স অ্যান্ড ইকোনমিক ডেভেলপমেন্ট কানাডা’ (Innovation, Science and Economic Development Canada – ISED) ‘কানাডিয়ান আর্টিফিশিয়াল ইন্টেলিজেন্স সেফটি ইনস্টিটিউট’ (Canadian Artificial Intelligence Safety Institute – CAISI) প্রতিষ্ঠার ঘোষণা দিয়েছে। CAISI-এর লক্ষ্য হলো কৃত্রিম বুদ্ধিমত্তার নিরাপদ এবং দায়িত্বশীল উন্নয়ন ও প্রয়োগকে সমর্থন করা। এই ইনস্টিটিউট অন্যান্য দেশের সাথে মিলিতভাবে এআই এর মান এবং প্রত্যাশা প্রতিষ্ঠায় কাজ করবে।

CAISI প্রতিষ্ঠার ফলে কানাডা যুক্তরাষ্ট্র এবং অন্যান্য দেশের সাথে মিলিত হতে পারবে। এই দেশগুলো ইতোমধ্যে একই ধরনের ইনস্টিটিউট প্রতিষ্ঠা করেছে। আশা করা যায়, তারা একসঙ্গে কাজ করবে। কৃত্রিম বুদ্ধিমত্তার দায়িত্বশীল উন্নয়নের জন্য বহুপাক্ষিক মানদণ্ড প্রতিষ্ঠা করতে সক্ষম হবে। একই সাথে এর মাধ্যমে উদ্ভাবনকেও উৎসাহিত করা হবে।

মন্ট্রিয়ল এআই এথিকস ইনস্টিটিউট (Montreal AI Ethics Institute) বিভিন্ন ধরনের সম্পদ সরবরাহ করে। এর মধ্যে রয়েছে নিউজলেটার, ব্লগ, এবং একটি ইন্টারেকটিভ ‘এআই এথিকস লিভিং ডিকশনারি’ (AI Ethics Living Dictionary)। ইউনিভার্সিটি অফ টরন্টো (University of Toronto) এর ‘সোয়ার্টজ রাইসম্যান ইনস্টিটিউট ফর টেকনোলজি অ্যান্ড সোসাইটি‘ (Swartz Reisman Institute for Technology and Society) এবং ইউনিভার্সিটি অফ গুয়েলফ (University of Guelph) এর ‘CARE-AI‘ কৃত্রিম বুদ্ধিমত্তার নৈতিক দিক নিয়ে একাডেমিক আলোচনা করার প্ল্যাটফর্ম তৈরি করছে।

বেসরকারি খাতে, টেলাস (Telus) প্রথম কানাডিয়ান টেলিকমিউনিকেশন কোম্পানি যারা এআই-এর স্বচ্ছতা এবং দায়িত্বশীলতায় প্রকাশ্যে প্রতিশ্রুতিবদ্ধ হয়েছে। টেলাসের দায়িত্বশীল এআই ইউনিট সম্প্রতি তাদের ২০২৪ সালের এআই প্রতিবেদন প্রকাশ করেছে। এই প্রতিবেদনে কোম্পানির দায়িত্বশীল এআই-এর প্রতি প্রতিশ্রুতি উল্লেখ করা হয়েছে। এছাড়া গ্রাহক এবং কমিউনিটির সাথে যুক্ত থাকার মাধ্যমে তাদের দায়িত্বশীলতাও প্রকাশ পেয়েছে।

নভেম্বর ২০২৩-এ কানাডা ২৯টি দেশের একটি ছিল, যে দেশগুলো ব্লেচলি এআই ঘোষণা (Bletchley AI Declaration) স্বাক্ষর করেছিল। এই ঘোষণা স্বাক্ষর করা হয়েছিল প্রথম আন্তর্জাতিক এআই সেফটি সামিট (First International AI Safety Summit) শেষে। এই ঘোষণার মূল উদ্দেশ্য ছিল বেসরকারি খাতে এআই ঝুঁকি মূল্যায়ন এবং নিয়ন্ত্রণের বিষয়ে সমঝোতা করা।

সম্প্রতি, অন্টারিও এবং কুইবেক (Ontario and Québec) সরকার এআই টুল এবং সিস্টেমের ব্যবহার এবং উন্নয়নের ওপর আইন প্রণয়ন করেছে। এই আইনগুলো মূলত সরকারি খাতে প্রয়োগ হবে। এর মাধ্যমে সরকারি ক্ষেত্রে এআই প্রযুক্তির ব্যবহার নিয়ন্ত্রণে আনা হবে।

আগামী জানুয়ারি ২০২৫-এ ইউরোপীয় ইউনিয়নের এআই আইন (European Union’s AI Act) কার্যকর হবে। এটিকে বলা হচ্ছে ‘বিশ্বের প্রথম পূর্ণাঙ্গ এআই আইন’। এটি এআই ব্যবহারে বিশ্বব্যাপী একটি মানদণ্ড স্থাপন করবে।

এআই সংক্রান্ত ফ্রেমওয়ার্ককে কার্যক্রমে রূপান্তর করা

জেনারেটিভ এআই (Generative AI) এর ব্যবহার ক্রমশ জনপ্রিয় হচ্ছে। এই কারণে যোগাযোগ শিল্প ব কমিউনিকেশন ইন্ডাস্ট্রিতে জেনারেটিভ এআই-এর জন্য পরিষ্কার নির্দেশিকা তৈরি করা অত্যন্ত গুরুত্বপূর্ণ। এই শিল্পে অন্তর্ভুক্ত রয়েছে জনসংযোগ (public relations), বিপণন (marketing), ডিজিটাল ও সামাজিক মাধ্যম (digital and social media) এবং জনসম্পর্ক (public affairs)।

সরকার, বিশ্ববিদ্যালয় এবং বিভিন্ন শিল্প ক্ষেত্রে কিছু অগ্রগতি হয়েছে। তবে, কানাডার যোগাযোগ, গণমাধ্যম এবং বিপণন খাতে এই নির্দেশিকাগুলো কার্যকর করার জন্য আরও কাজ করা প্রয়োজন। এআই ব্যবহারের ঝুঁকি এবং সুযোগগুলি সঠিকভাবে মূল্যায়ন করা জরুরি।

কানাডিয়ান পাবলিক রিলেশন্স সোসাইটি (Canadian Public Relations Society), ইন্টারন্যাশনাল অ্যাসোসিয়েশন অফ বিজনেস কমিউনিকেটরস (International Association of Business Communicators), এবং কানাডিয়ান মার্কেটিং অ্যাসোসিয়েশন (Canadian Marketing Association) এর মতো শিল্প গোষ্ঠীগুলোরও দায়িত্ব রয়েছে। তাদের জনসংযোগ, বিপণন এবং ডিজিটাল মিডিয়া পেশাজীবীদের চাহিদা পূরণে মানদণ্ড এবং প্রশিক্ষণ কর্মসূচি তৈরি করা উচিত। এই কর্মসূচিগুলো তাদের পেশাগত দক্ষতা বৃদ্ধি করবে এবং এআই ব্যবহারে তাদের সক্ষম করবে।

কানাডিয়ান পাবলিক রিলেশন্স সোসাইটি (Canadian Public Relations Society) ইতিমধ্যেই কিছু অগ্রগতি করেছে। তারা যুক্তরাজ্যের জনসংযোগ পেশাজীবীদের পেশাগত সংস্থা ‘চার্টার্ড ইনস্টিটিউট ফর পাবলিক রিলেশন্স’ (Chartered Institute for Public Relations) এর সাথে অংশীদারিত্ব করেছে। এই দুটি সংস্থা একত্রে ‘এআই ইন পিআর প্যানেল‘ (AI in PR Panel) গঠন করেছে। এই প্যানেলটি জেনারেটিভ এআই দায়িত্বশীলভাবে ব্যবহার করতে চান এমন যোগাযোগকারীদের জন্য ব্যবহারিক নির্দেশিকা তৈরি করেছে। এই নির্দেশিকা যোগাযোগ পেশাজীবীদের এআই-এর সুফল ব্যবহার করতে সহায়তা করবে এবং তাদের দায়িত্বশীল ব্যবহার নিশ্চিত করবে।

এআই-এর মানদণ্ড প্রতিষ্ঠা

জেনারেটিভ এআই (Generative AI) এর সুবিধা সর্বাধিক করতে পেশাগত মানদণ্ড এবং সর্বোত্তম অনুশীলন গ্রহণ করা অত্যন্ত গুরুত্বপূর্ণ। এই প্রক্রিয়ায় যোগাযোগ খাতে এর নেতিবাচক দিকগুলো সীমিত করা সম্ভব। গত দুই বছরের জেনারেটিভ এআই ব্যবহারে কিছু উদ্বেগের বিষয় দেখা দিয়েছে। এই বিষয়গুলো নির্দেশিকা তৈরির সময় বিবেচনা করা উচিত।

1. স্বচ্ছতা এবং প্রকাশ (Transparency and disclosure): এআই দ্বারা তৈরি কন্টেন্ট (content) লেবেল করা প্রয়োজন। জেনারেটিভ এআই কখন এবং কীভাবে ব্যবহার করা হচ্ছে তা প্রকাশ করা উচিত। এআই এজেন্টগুলোকে (AI agents) মানুষের মতো উপস্থাপন করা উচিত নয়। এটি ব্যবহারকারীদের বিভ্রান্ত করতে পারে।
2. নির্ভুলতা এবং তথ্য যাচাই (Accuracy and fact-checking): পেশাদার যোগাযোগকারী বা কমিউনিকেটরদের সাংবাদিকতাভিত্তিক সঠিকতার মানদণ্ড বজায় রাখা উচিত। এআই আউটপুটকে ফ্যাক্ট-চেকিং এর মাধ্যমে যাচাই করা এবং ত্রুটি সংশোধন করা জরুরি। এআই ব্যবহার করে মিথ্যা তথ্য বা বিভ্রান্তিকর কন্টেন্ট তৈরি করা উচিত নয়। এটি জনসাধারণের মধ্যে ভুল ধারণা সৃষ্টি করতে পারে।
3. ন্যায়সংগততা (Fairness): এআই সিস্টেমগুলোর বায়াস (bias) নিয়মিতভাবে পরীক্ষা করা উচিত। এর মাধ্যমে নিশ্চিত করতে হবে যে সিস্টেমগুলো শ্রোতাদের প্রতি শ্রদ্ধাশীল। জাতি, লিঙ্গ, বয়স এবং ভৌগোলিক অবস্থানের মতো ভেরিয়েবলসমূহকে (variables) বিবেচনার ভিত্তিতে সম্মানজনক আচরণ নিশ্চিত করা জরুরি। বায়াস কমানোর জন্য সঠিক ডেটাসেট (datasets) ব্যবহার করা গুরুত্বপূর্ণ। সংগঠনগুলোকে নিশ্চিত করতে হবে যে তাদের ডেটাসেট শ্রোতা এবং ব্যবহারকারীদের সঠিকভাবে প্রতিনিধিত্ব করছে।
4. প্রাইভেসি এবং সম্মতি (Privacy and consent): ব্যবহারকারীদের গোপনীয়তার অধিকার সম্মান করা অত্যন্ত জরুরি। ডেটা সুরক্ষা আইন অনুসরণ করা উচিত। ব্যবহারকারীর স্পষ্ট সম্মতি ছাড়া ব্যক্তিগত ডেটা এআই সিস্টেম প্রশিক্ষণের জন্য ব্যবহার করা উচিত নয়। ব্যবহারকারীদেরকে স্বয়ংক্রিয় যোগাযোগ (automated communication) গ্রহণ এবং তাদের থেকে তাদের ডেটা সংগ্রহের বিষয়টি থেকে ইচ্ছে করলে বেরিয়ে আসার সুযোগ দেয়া উচিত।
5. দায়িত্ব এবং নজরদারি (Accountability and oversight): এআই-এর সব সিদ্ধান্ত মানব তত্ত্বাবধানে থাকা উচিত। দায়িত্ব এবং প্রতিবেদন দেওয়ার জন্য স্পষ্ট নির্দেশিকা থাকা প্রয়োজন। জেনারেটিভ এআই সিস্টেমগুলো নিয়মিতভাবে নিরীক্ষা করা উচিত। সংগঠনগুলোর একটি স্থায়ী এআই টাস্ক ফোর্স (AI task force) নিয়োগ করা উচিত। এই টাস্ক ফোর্স বোর্ড এবং সদস্যদের কাছে দায়বদ্ধ থাকবে। তাদের কাজ হবে এআই ব্যবহারের ওপর নিয়মিত নজরদারি করা। সংশ্লিষ্ট পক্ষগুলোকে নিয়মিতভাবে ফলাফল প্রতিবেদন করতে হবে।

জেনারেটিভ এআই-এর অসীম সম্ভাবনা রয়েছে। এটি মানুষের সৃজনশীলতা এবং গল্প বলার ক্ষমতা বাড়াতে পারে। চিন্তাশীল নির্দেশিকা তৈরি এবং তা অনুসরণ করার মাধ্যমে যোগাযোগ খাতে জনসাধারণের বিশ্বাস অর্জন করা সম্ভব। এটি তথ্যের সততা বজায় রাখতে সহায়তা করবে। যা একটি সমৃদ্ধ সমাজ এবং গণতন্ত্রের জন্য অপরিহার্য।