পুরো দরবার নিস্তব্ধ। কারও মুখে যেন কথা ফুটছে না। কারণ, চোখের সামনে যা ঘটল, তা বিশ্বাস করাও কঠিন। কিছুক্ষণ আগেও যেখানে রাজ্যের বড় বড় বীরেরা ব্যর্থ হয়ে ফিরেছে এবং বিশাল ওই ধনুকটিতে সামান্য টান পর্যন্ত দিতে পারেনি, সেখানে এক অচেনা প্রবীণ লোক এত সহজে এই অসম্ভবকে সম্ভব করে ফেলল! চোখের সামনে ঘটে যাওয়া এই দৃশ্য দেখে উপস্থিত সবার মাথায় যেন বাজ পড়ল। তবে কি শেষ পর্যন্ত পেনেলোপির স্বামী হওয়ার যোগ্যতা অর্জন করে নিল এক হতদরিদ্র পথিক? ঠিক পরক্ষণেই পুরো দরবারে একটি সন্দেহের ঢেউ খেলে গেল—বহু বছর আগে যুদ্ধক্ষেত্রে হারিয়ে যাওয়া স্বয়ং ওডিসিউসই কি তবে বেশ বদলে ফিরে এলেন?

এবার আরেকটি অনুচ্ছেদ দেখুন। প্রাসাদের বিরাট হলরুমটি একদম শান্ত হয়ে গেল। কারণ, এইমাত্র সবাই বিস্ময়ে প্রত্যক্ষ করল যে এক জীর্ণশীর্ণ বৃদ্ধ বীর ইতিফাসের সেই বিরাট ধনুকটিকে বাঁকিয়ে সেটায় ছিলা পরিয়ে পরপর ১২টি কুঠারের ছিদ্রের মধ্য দিয়ে তীর পাঠালেন! এমনটা কেউ-ই আশা করেনি। রাজ্যের কত কত বীরপুরুষ সে চেষ্টা করলেন—কিন্তু ধনুকটিকে বাঁকানোই সম্ভব হলো না তাঁদের পক্ষে। কিন্তু এই হতদরিদ্র পথিক যেন কোনো দক্ষ সুরকারের মতো বীণার তারে সুর তোলার ভঙ্গিতে ধনুকটি দিয়ে তীর ছুড়লেন। তবে কি পেনেলোপিকে পেতে যাচ্ছে এই জীর্ণশীর্ণ ভিখারি? পরক্ষণেই সবার মনে পড়ল, এই ভিখারিই কি ওডিসিউস, যিনি ১০ বছর আগে যুদ্ধে গিয়ে আর ফিরে আসেননি?

এবার আপনি বলুন তো, ওপরের দুটো অনুচ্ছেদের মধ্যে কোনটা মানুষের লেখা আর কোনটা কৃত্রিম বুদ্ধিমত্তার?

কোনো লেখা এআই লিখেছে নাকি মানুষ লিখেছে, সেটা আমি-আপনি বুঝতে না পারলেও মেশিন লার্নিং নামের এক জাদুবলে তা বোঝা সম্ভব।

উত্তরটা পরে দিচ্ছি। তবে আপনাকে এটা স্বীকার করতেই হবে যে পূর্ণ নিশ্চয়তা নিয়ে আপনি বলতে পারবেন না, কোনটা মানুষের লেখা আর কোনটা এআইয়ের। ইদানীং অনেক নামীদামি প্রকাশনীর বইয়েও এআই ব্যবহারের জেরে লেখক-সম্পাদকেরা ধরা খাচ্ছেন। সত্যি বলতে, ছাপার অক্ষরে ‘নিচে আপনার লেখার ধরন ঠিক রেখে পরিমার্জন করে দেওয়া হলো’ গোছের বেফাঁস কোনো এআই নির্দেশক লাইন চোখে না পড়লে আপনি নিজেও তাঁদের বিন্দুমাত্র সন্দেহ করতেন না। বরং এতক্ষণ যেভাবে গোগ্রাসে আগের পাতাগুলো পড়ে এসেছেন, পরের পাতাগুলোও ঠিক সেভাবেই নির্দ্বিধায় পড়ে যেতেন। এমনকি আমার এই লেখাটা আমি নিজে লিখেছি নাকি এআই দিয়ে ঘষামাজা করিয়েছি, সেটাও আপনি খালি চোখে ধরতে পারবেন না।

তাহলে উপায়? তাহলে কি এআই দিয়ে আরামসে গবেষণাপত্র, বইপত্র ইত্যাদি লিখিয়ে বিশ্বে বিরাট নাম কামানো যেত না? না, যেত না। কারণ, কোনো লেখা এআই লিখেছে নাকি মানুষ লিখেছে, সেটা আমি-আপনি বুঝতে না পারলেও মেশিন লার্নিং নামের এক জাদুবলে তা বোঝা সম্ভব। তাহলে কীভাবে আমরা এআই-জেনারেটেড লেখা শনাক্তকারক বানাতে পারব, যেটা আমাদের জানিয়ে দেবে কোনো লেখা এআইয়ের কি না? তা বুঝতে হলে প্রথমে জানতে হবে, এআই কীভাবে লেখে।

একটি এআই মডেল কোটি কোটি লেখা পড়ে শিখেছে, কোন শব্দের পর কোন শব্দ বা কোন বাক্যের পর কোন বাক্য বসিয়ে অর্থবোধক কিছু লিখতে হয়।

কীভাবে লেখে এআই

এটার জন্য আগে আমরা খুব সহজ করে জেনে নিই, কীভাবে এআই নিজে লাইনের পর লাইন অর্থবোধক বাক্য লিখতে পারে। মেশিনকে আসলে লিখতে শেখানো হয়েছে পরিসংখ্যান এবং গাণিতিক সম্ভাবনার মাধ্যমে। ব্যাপারটা কিছুটা আপনার মুঠোফোনের কিবোর্ডেই দেখতে পাবেন। যে শব্দের পর যে শব্দ আপনি বেশি ব্যবহার করেন, কিবোর্ড সেটাই আপনাকে সাজেস্ট করে। তবে বৃহৎ ভাষা মডেল বা এলএলএমের ক্ষেত্রে ব্যাপারটা আরও বড় পরিসরে ঘটে। একটি এআই মডেল কোটি কোটি লেখা পড়ে শিখেছে, কোন শব্দের পর কোন শব্দ বা কোন বাক্যের পর কোন বাক্য বসিয়ে অর্থবোধক কিছু লিখতে হয়।

ধরুন, মডেলটিকে আপনি কয়েক হাজার বাংলা বই দিয়ে প্রশিক্ষণ করিয়েছেন। যেখানে কবি-লেখকেরা নানান জায়গায় লিখেছেন—‘আজ আকাশে জমেছে অনেক মেঘ’, ‘মেঘে মেঘে ছেয়ে গেছে আকাশ’, ‘আজ ঢাকা শহরের আকাশ মেঘে মেঘাচ্ছন্ন হয়ে থাকবে সারাদিন’… এভাবে যখন একটি মডেল বারবার একই প্যাটার্ন দেখে শেখে, তখন সে অনুমান করতেও শিখে যায় যে কোন শব্দের পর কোন শব্দ বসার সম্ভাবনা কেমন। সে শিখে ফেলে যে ‘আজ আকাশে অনেক…’ লিখলে পরের শব্দ ‘মেঘ’ হওয়ার সম্ভাবনা অনেক বেশি। কিন্তু ‘ডোনাল্ড ট্রাম্প’ হওয়ার সম্ভাবনা প্রায় শূন্য। এভাবে প্রতিবারই সে সম্ভাব্য শব্দগুলোর মধ্য থেকে সবচেয়ে বেশি সম্ভাবনাময় শব্দটি বেছে নিয়ে পুরো লেখা তৈরি করে।

এআই নির্দিষ্ট গাণিতিক কাঠামোর বাইরে গিয়ে লিখতে পারে না, তাই এই গাণিতিক কাঠামোটাকেই চিনে ফেলতে হবে। তাহলেই চিনতে পারব কোনটা এআইয়ের লেখা আর কোনটা মানুষের।

একটু কারিগরি বা নার্ডি ভাষায় বললে, এআই একটি শব্দ লেখার পর পরবর্তী সম্ভাব্য শব্দটি কী হতে পারে, তার প্রোবাবিলিটি ডিস্ট্রিবিউশন হিসাব করে। গণিতের ভাষায়, এআইয়ের তৈরি করা লেখাগুলো সাধারণত একটি নির্দিষ্ট লগ-প্রোবাবিলিটি ফাংশনের ‘লোকাল ম্যাক্সিমা’ বা সর্বোচ্চ সম্ভাবনার জায়গায় অবস্থান করে। অর্থাৎ মোটাদাগে এআই সব সময়ই সবচেয়ে নিরাপদ আর সবচেয়ে সম্ভাবনাময় শব্দটি বেছে নেয়।

পরবর্তী শব্দ নির্বাচনে এআইয়ের সম্ভাবনা নির্ণয়

এতক্ষণ কী বুঝেছেন জানি না, তবে আশা করি এতটুকু বুঝেছেন যে এআইয়ের লেখার প্রক্রিয়াটা একটি গাণিতিক সম্ভাবনার ছকে বাঁধা থাকে। আর এই জায়গাটিতেই আমাদের কৌশল খাটাতে হবে। যেহেতু এআই নির্দিষ্ট গাণিতিক কাঠামোর বাইরে গিয়ে লিখতে পারে না, তাই এই গাণিতিক কাঠামোটাকেই চিনে ফেলতে হবে। তাহলেই চিনতে পারব কোনটা এআইয়ের লেখা আর কোনটা মানুষের। কিন্তু মানুষ হিসেবে খালি চোখে এটা আমরা হয়তো পারব না। তাহলে উপায়? উত্তরটা বেশ সহজ! আমরা আরেকটা এআই বানাব।

গণিতের ভাষায়, এআইয়ের তৈরি করা লেখাগুলো সাধারণত একটি নির্দিষ্ট লগ-প্রোবাবিলিটি ফাংশনের লোকাল ম্যাক্সিমা বা সর্বোচ্চ সম্ভাবনার জায়গায় অবস্থান করে।

যন্ত্র দিয়ে যন্ত্র চেনা

আমরা এমন আরেকটি এআই মডেল তৈরি করতে পারি, যা ধরতে পারবে কোনো এআইয়ের লেখার ভেতরের গাণিতিক গঠন ও পরিসংখ্যানগত ছাপ কেমন হয়। এ জন্য আমাদের প্রয়োজন হবে এআই এবং মানুষের লেখা হাজার হাজার নমুনা। এসব সংগ্রহ করার পর আমরা লেবেলিং করে দেব, কোন লেখাটা এআইয়ের, আর কোনটা মানুষের। এরপর লেখা পড়তে জানে এমন একটি ‘এনকোডার’ বাছাই করব। শব্দগুলো বোধহয় কঠিন হয়ে যাচ্ছে। তাহলে প্রথমে বুঝে নেই, এনকোডার জিনিসটা আবার কী?

এনকোডার হলো একটি বিশেষ মেশিন বা মডেল। যাকে আপনি কোনো লেখা দিলে সে লেখাটির আক্ষরিক অর্থ মুখস্থ না করে সেটিকে সংখ্যার একটি সারিতে বা ভেক্টর রিপ্রেজেন্টেশনে রূপান্তর করে। এই সংখ্যার সারির ভেতরে লেখাটির শব্দ, প্রসঙ্গ এবং বিভিন্ন শব্দের পারস্পরিক সম্পর্ক সম্পর্কে তথ্য লুকিয়ে থাকে। অর্থাৎ যন্ত্রের ভাষায় লেখাটিকে আলাদাভাবে চেনার জন্য পর্যাপ্ত গাণিতিক তথ্য সেখানে থাকে। ধরুন, আপনি কোনো এনকোডারকে দিলেন ‘আমি ভাত খাই’—সে এটাকে অনেকটা নিচের মতো সংখ্যার সারিতে রূপান্তর করবে:

ভেক্টর রিপ্রেজেন্টেশন। বাস্তবে কোনো বাক্যের গাণিতিক রূপ এত ছোট সংখ্যার সারিতে আটকে থাকে না, সেটি হয় বিশাল। আপনাদের বোঝাতে এই উদাহরণ দেওয়া হলো

বাংলাদেশ প্রকৌশল বিশ্ববিদ্যালয়ের (বুয়েট) এনএলপি (NLP) দল একটি চমৎকার এনকোডার বানিয়েছে, যার নাম বাংলাবার্ট (BanglaBERT)। বাংলা ভাষায় লেখা শ্রেণিবিন্যাস বা ক্লাসিফিকেশনের জন্য এই এনকোডারটি দারুণ কার্যকর। এটি শুধু প্রতিটি শব্দ আলাদাভাবে দেখে না; বরং বাক্যের ভেতরে শব্দগুলোর প্রসঙ্গ এবং পারস্পরিক সম্পর্ক বোঝার চেষ্টা করে। তাহলে আমাদের কাজ আরও সহজ হয়ে গেল, তাই না?

এনকোডার হলো একটি বিশেষ মেশিন বা মডেল। যাকে আপনি কোনো লেখা দিলে সে লেখাটির আক্ষরিক অর্থ মুখস্থ না করে সেটিকে সংখ্যার একটি সারিতে বা ভেক্টর রিপ্রেজেন্টেশনে রূপান্তর করে।

আমরা এবার এই বাংলাবার্ট এনকোডারকে শেখাব, এআই কীভাবে লেখে আর কীভাবে লেখে না। ওই যে বলেছিলাম, আমাদের কাছে এআই এবং মানুষের লেখা বিপুল পরিমাণ নমুনা আছে? সেগুলোই এখন এই ট্রান্সফরমার এনকোডারকে খাওয়ানো হোক। সে লেখাগুলো পড়বে আর নিজে অনুমান করবে, ‘আচ্ছা, এটা কি এআই নাকি মানুষের লেখা?’ সে ভুল করবে, আর তাকে শুধরেও দেওয়া হবে। এভাবে এই অনুশীলন চক্র চলতে থাকবে লাখো বার। তাকে কখনোই বলে দেওয়া হবে না, ‘এই ব্যাটা শোন, বেশি এম ড্যাশ (—) দেখলে বা নিখুঁত ব্যাকরণ দেখলে কিংবা বিশেষ চিহ্ন দেখলে লেখাটাকে এআই বলে দিবি।’ সে নিজে নিজেই বের করে নেবে মানুষ আর এআইয়ের লেখার সূক্ষ্ম ছাপগুলো। পরিসংখ্যান দিয়েই সে দুই দলকে আলাদা করবে।

এআই ও মানুষের লেখার মধ্যে শেখা পরিসংখ্যানগত পার্থক্য

একটা সময় পর, ঠিকঠাক ডেটা প্রক্রিয়াজাতকরণ ও যথাযথ প্রশিক্ষণ পেলে আপনার এই মডেল সত্যিই শিখে ফেলবে এআই ও মানুষের লেখার মাঝে লুকিয়ে থাকা সূক্ষ্ম পরিসংখ্যানগত পার্থক্যগুলো। এরপর নতুন কোনো লেখা সামনে ধরিয়ে দিলে সে বেশ ভালোভাবেই অনুমান করে বলতে পারবে, লেখাটি এআইয়ের নাকি কোনো মানুষের। মজার ব্যাপার হলো, এআইয়ের যে লেখাটা আপনি-আমি পড়ামাত্রই অবলীলায় মানুষের লেখা বলে ধরে নেব, আমাদের এই মেশিন লার্নিং মডেল ঠিক সেই লেখাটাকেই হাতেনাতে ধরে ফেলবে।

একটা সময় পর, ঠিকঠাক ডেটা প্রক্রিয়াজাতকরণ ও যথাযথ প্রশিক্ষণ পেলে আপনার এই মডেল সত্যিই শিখে ফেলবে এআই ও মানুষের লেখার মাঝে লুকিয়ে থাকা সূক্ষ্ম পরিসংখ্যানগত পার্থক্যগুলো।

বাস্তব জীবনে আমরা নিজেরাও কি অনেকটা এমনই করি না? আপনি একজন অভিজ্ঞ জহুরি হলে আপনার সামনে একটা নকল হীরা আর একটা আসল হীরা ধরলে সহজেই চিনে ফেলবেন কোনটা আসল। আপনার এই দক্ষতা কি একদিনেই এসেছে? শত শত দিন, শতবার নানান মণিমুক্তা যাচাই করেই কেবল আপনি মস্তিষ্ককে আসল রত্ন চিনতে প্রশিক্ষিত করেছেন, তাই না?

মেশিনকে শেখানোর এই জগৎ, অর্থাৎ মেশিন লার্নিংয়েও অনেকটা এমনই ঘটে। আর মেশিনের সেই শেখাটা অনেক সময় হয়ে ওঠে আমাদের শেখার চেয়েও নিখুঁত। তাকে দিয়ে সূক্ষ্ম থেকে সূক্ষ্মতর প্যাটার্নও ধরানো যায়, যা খালি চোখে আমরা পারব না। এ কারণেই এআই একদিন আমাদের কিছু কাজ দখল করে নেবে—এই আশঙ্কা অমূলক নয়। এমনকি চিকিৎসার মতো স্পর্শকাতর ক্ষেত্রেও কিছু বিষয়ে মানুষের চেয়ে ভালো দক্ষতা দেখাচ্ছে এআই মডেলগুলো। এই তো গত বছর, মানে ২০২৫ সালে নেচার সাময়িকীতে একটি গবেষণাপত্র পড়লাম। গুগলের ‘অ্যামি’ (AMIE) নামের একটি মডেল ৩০২টি চ্যালেঞ্জিং বাস্তব মেডিকেল কেসে শীর্ষ ১০ সম্ভাব্য রোগ নির্ণয়ের ক্ষেত্রে চিকিৎসকদের চেয়েও ২৬ শতাংশ বেশি এগিয়ে ছিল।

মেশিনকে শেখানোর এই জগৎ, অর্থাৎ মেশিন লার্নিংয়েও অনেকটা এমনই ঘটে। আর মেশিনের সেই শেখাটা অনেক সময় হয়ে ওঠে আমাদের শেখার চেয়েও নিখুঁত।

এই যে এআই বিভিন্ন জিনিস এত নিখুঁতভাবে চিনে ফেলতে পারে, একই রকম দেখতে দুটি লেখার মধ্যে বলে দিতে পারে কোনটা এআইয়ের আর কোনটা মানুষের—এই পুরো প্রক্রিয়ায় সে আসলে লেখার ভেতরে কোন ছাপ দেখে চিনতে পারে, তা আমরা পুরোপুরি জানি না। আমরা জানি এআই কীভাবে শেখে, কিন্তু সে ভেতরে ভেতরে ঠিক কী শেখে—এই রহস্যময় প্রক্রিয়া নিয়ে এআইয়ের অন্যতম পথিকৃৎ জেফ্রি হিন্টন নিজেও বেশ শঙ্কিত। এ নিয়ে কথা হবে অন্য একদিন।

এবার শুরুতে দেওয়া অনুচ্ছেদ দুটির উত্তরটা দিয়ে দিই। দ্বিতীয় অনুচ্ছেদটি আমার, মানে মানুষের লেখা। আর প্রথমটি জেমিনি, অর্থাৎ এআইয়ের লেখা।

যন্ত্র দিয়ে যন্ত্রকে ধরার এই কারিগরি লড়াইটা এখন বেশ জমে উঠেছে। ইংরেজিতে এআই লেখা ধরার জন্য ডিটেক্টজিপিটি, জিপিটি-জিরো বা বাইনোকুলারসের মতো বেশ কিছু চমৎকার ব্যবস্থা রয়েছে। আর আমাদের বাংলা ভাষার ক্ষেত্রেও এ নিয়ে গবেষণা শুরু হয়েছে, যার অন্যতম একটি উদাহরণ বাংলাটিউরিং। এই মডেলগুলো মূলত পারপ্লেক্সিটি (অর্থাৎ বাক্যে পরবর্তী শব্দ অনুমান করতে মডেলটি কতটা দ্বিধায় পড়ছে) এবং বার্স্টিনেসের (বাক্যের দৈর্ঘ্য ও গঠনের বৈচিত্র্য) মতো গাণিতিক সূচক মেপে মানুষ ও যন্ত্রের তফাত ধরে ফেলে।

লেখক: সাবেক শিক্ষার্থী, কম্পিউটার সায়েন্স অ্যান্ড ইঞ্জিনিয়ারিং, ভেলোর ইনস্টিটিউট অব টেকনোলজি, ভারত

সূত্র: ১. A. Bhattacharjee et al., ‘BanglaBERT: Language Model Pretraining and Benchmarks for Low-Resource Language Understanding Evaluation in Bengali,’ in Findings of the Association for Computational Linguistics: NAACL 2022, Seattle, WA, USA, Jul. 2022, pp. 1318–1327.

২. T. Tu et al., ‘Towards conversational diagnostic artificial intelligence,’ Nature, vol. 642, no. 8067, pp. 442–450, Jun. 2025.