AI Highlights — সামগ্রিক চিত্র — 2026-10-26 (সোম) দৈনিক সংবাদ

একদিকে এআই কর্মসংস্থানের সংখ্যাকে প্রভাবিত করছে, অন্যদিকে একই প্রযুক্তি নির্বাচনী তথ্য, প্রেম ও সন্তান লালন-পালনের পরামর্শ, ক্যানসারের পূর্বাভাস এবং সামরিক ও ওষুধ-শিল্পের কার্যক্রমেও ব্যবহৃত হচ্ছে। জানা গেছে, বড় আইটি কোম্পানিগুলো বিশ্বব্যাপী প্রায় 200,000 চাকরি ছাঁটাই করেছে, কিন্তু ছাঁটাইয়ের পরিমাণ চলমান পরিবর্তনের একটি অংশমাত্র। মার্কিন প্রাপ্তবয়স্কদের মাত্র 8% এআই চ্যাটবট থেকে নির্বাচনী তথ্য পান, আর কোনো বড় এআই ডেটিং সেবা দেউলিয়া হয়ে গেলে ব্যবহারকারীদের সঙ্গীদের মুছে ফেলা হবে। সংখ্যা বড় হোক বা ছোট, মানুষ ক্রমশ এআইয়ের কাছ থেকে উত্তর নিচ্ছে এবং সেগুলোকে সিদ্ধান্ত ও সম্পর্কের ভিত্তি হিসেবে ব্যবহার করছে। এই অর্ধদিনের পর্যালোচনা থেকে পাঠকদের কাছে আমি যে প্রশ্নটি পৌঁছে দিতে চাই তা হলো, আমরা এআইয়ের ওপর কতটা ছেড়ে দিতে পারি এবং কোথায় সীমারেখা টানা উচিত। নিচের অংশগুলোতে দেখানো হয়েছে, বিভিন্ন শিল্প ও পরিস্থিতিতে সীমারেখা কীভাবে ভিন্ন জায়গায় পড়ে।

কর্মী ছাঁটাই এগিয়ে থাকে, ব্যবস্থা ও অর্থনীতি তার পেছনে চলে

ভারতীয় অর্থনৈতিক সংবাদপত্র Livemint জানিয়েছে, AI রূপান্তরের কারণে বড় IT কোম্পানিগুলো বিশ্বব্যাপী প্রায় ২,০০,০০০ চাকরি কমিয়েছে। ছাঁটাইয়ের পরিমাণ ইতিমধ্যেই কোনো একটি কোম্পানি বা দেশের সীমা ছাড়িয়ে গেছে। Al Jazeera তুলে ধরেছে যে AI-সংক্রান্ত ছাঁটাইয়ে যুক্তরাজ্য এগিয়ে আছে এবং এর কারণ নিয়ে আলোচনা করেছে। আর্থিক খাতে, Barclays-এর ক্ষেত্রে AI-জনিত ছাঁটাই এবং ব্যাংক করের অতিরিক্ত উদ্বেগ, দুটোরই খবর পাওয়া গেছে (Seeking Alpha)। IT, যুক্তরাজ্য ও ব্যাংকিংয়ের মতো বিভিন্ন শিল্প ও অঞ্চলে একই ধরনের প্রবণতা দেখা যাচ্ছে। তাই AI ও কর্মসংস্থানকে একটি কোম্পানির ব্যবস্থাপনাগত সিদ্ধান্ত হিসেবে নয়, বরং একাধিক শিল্পে সাধারণ ঘটনা হিসেবে দেখা প্রয়োজন।

এই প্রবণতা কর্মসংস্থানের বাইরেও ছড়িয়ে পড়ছে। এশীয় অর্থনীতির সামনে চ্যালেঞ্জের মূল্যায়নে IMF উচ্চ জ্বালানি মূল্য ও AI উভয়কেই বোঝা হিসেবে উল্লেখ করেছে (India Today)। AI রূপান্তর ব্যবসার জন্য ব্যয় সাশ্রয়ের পদক্ষেপ হলেও, এটি সামগ্রিকভাবে অর্থনীতির ওপর সমন্বয়ের বোঝাও তৈরি করে। এছাড়া ব্যাংকের ক্ষেত্রে, ছাঁটাইয়ের প্রসঙ্গটি ব্যাংক করের প্রাতিষ্ঠানিক সমস্যার একই প্রেক্ষাপটে আলোচিত হচ্ছে (Seeking Alpha)। কোনো কোম্পানির কর্মী ছাঁটাই পরিকল্পনা পড়ার সময় কর ও নিয়ন্ত্রক পরিবর্তনের সঙ্গে মিলিয়ে না দেখলে বোঝা যাবে না যে সিদ্ধান্তটি স্বাধীনভাবে নেওয়া হয়েছে, নাকি ব্যবস্থার দ্বারা প্রভাবিত হয়েছে।

একই প্রবণতা চিকিৎসা প্রতিষ্ঠানগুলোতেও দেখা যাচ্ছে। Hospitalogy-এর মতে, স্বাস্থ্যসেবা বিভাগের প্রধান Navvis-এর CEO বলেছেন, মূল্যভিত্তিক সেবা (VBC) ফলাফলের দিকে এগিয়ে গেলেও LEAD স্থগিত রাখা হয়েছে। এরপর তিনি বাধ্যতামূলক হয়ে উঠতে পারে এমন ঝুঁকি মডেলের জন্য প্রস্তুতির কথা বলেন। এখানে যা ঘটছে তা AI নিজে নয়। অর্থপ্রদান ও মূল্যায়নের ব্যবস্থা বদলে যাচ্ছে, এবং সেই অনুযায়ী প্রতিষ্ঠানগুলোকে পুনর্গঠনে বাধ্য করা হচ্ছে। বাধ্যবাধকতা পিছিয়ে গেলেও প্রস্তুত থাকার প্রয়োজন থেকে যায়। এই বিষয়টি যুক্তরাজ্যের উদাহরণের সঙ্গে মিলে যায়, যেখানে প্রাতিষ্ঠানিক উন্নতির চেয়ে কর্মী ছাঁটাই দ্রুত এগিয়েছিল।

এভাবে সাজালে দেখা যায়, কতজন মানুষ এবং কত অনুপাতে ছাঁটাই হয়েছে, তা প্রতিটি কোম্পানির নিজস্ব সিদ্ধান্তের ফল নাও হতে পারে। অর্থনৈতিক মূল্যায়ন, কর ব্যবস্থা ও চিকিৎসা-পরিশোধ পদ্ধতির মতো বাহ্যিক পরিস্থিতিও এতে প্রভাব ফেলে। যাঁরা সংখ্যাগুলো দেখছেন, তাঁদের যাচাই করা দরকার সংখ্যাগুলো কোন ব্যবস্থার অধীনে তৈরি হয়েছে। এরপর যে প্রশ্নটি তোলা দরকার, তা ছাঁটাইয়ের আকার নিয়ে ততটা নয়, বরং মাঠপর্যায়ের সিদ্ধান্ত গ্রহণ, সৃজনশীল কাজ ও ক্লিনিক্যাল কাজের কতটা এআইয়ের হাতে ছেড়ে দেওয়া হবে।

পক্ষপাত ও আস্থা নিয়ে প্রশ্ন ওঠে এমন তথ্য ও শিক্ষাক্ষেত্র

মার্কিন প্রাপ্তবয়স্কদের মাত্র 8% 2026 সালের নির্বাচন সম্পর্কে তথ্য সংগ্রহে AI চ্যাটবট ব্যবহার করছেন (Pew Research Center)। ব্যবহারকারীর সংখ্যা এখনও কম। তবে সেই অল্প সংখ্যক মানুষ যে উত্তর পান তা যদি পক্ষপাতদুষ্ট হয়, তবে সংখ্যাটি কম বলেই নিশ্চিন্ত হওয়ার কারণ নেই। TechCrunch-এর পর্যালোচনায় দেখা গেছে, বেছে নিতে বললে Grok রিপাবলিকান পার্টিকে বেছে নিয়েছে, আর OpenAI ডেমোক্রেটিক পার্টিকে। দুটি মডেলই নিরপেক্ষ ধরে নিয়ে ব্যবহৃত হওয়ার প্রবণতা রয়েছে। তবুও বাধ্য করা হলে তারা নিজেদের অবস্থান প্রকাশ করে দেয়। পাঠকদের যাচাই করা উচিত চ্যাটবট উত্তর দেবে কি না, তা নয়। নির্বাচনের মতো অত্যন্ত দলীয় প্রশ্নে প্রশ্নটি হলো, সেই উত্তর সিদ্ধান্ত নেওয়ার ভিত্তি হিসেবে ব্যবহার করা যায় কি না।

শিক্ষার ক্ষেত্রে সংখ্যাগুলো দেখাচ্ছে যে প্রস্তুতির ঘাটতি রয়েছে। ওয়াশিংটন অঙ্গরাজ্যের স্কুলগুলোর AI নীতিমালা এখনও ২০১০-এর যুগের রয়ে গেছে এবং ভবিষ্যতের জন্য প্রস্তুত নয় (The Seattle Times)। শিক্ষার্থীদের কাছে ইতিমধ্যেই জেনারেটিভ AI-এর সুযোগ থাকলেও, স্কুলের বিধিমালা এখনও এমন ভাষার ওপর নির্ভর করে যা AI সাধারণ হয়ে ওঠার আগে লেখা হয়েছিল। নীতিমালা পুরোনো হলে শিক্ষকদের ব্যক্তিগতভাবে সিদ্ধান্ত নেওয়া ছাড়া উপায় থাকে না, ফলে তাঁরা শিক্ষার্থীদের কী অনুমতি দেবেন ও কী চাইবেন তা শ্রেণিকক্ষভেদে বদলে যায়। এখানে আস্থা মানে AI-এর আউটপুটের ওপর আস্থা নয়। এটি হলো কীভাবে তা ব্যবহার করা হবে তা যে প্রতিষ্ঠান ঠিক করে, সেটি বাস্তব পরিস্থিতির সঙ্গে তাল মিলিয়ে চলছে কি না তার ওপর আস্থা।

আক্রমণের প্রেক্ষিতে নিরাপত্তা-সংক্রান্ত উদ্যোগও রূপ নিতে শুরু করেছে। Hugging Face-এ আক্রমণের পর AI সুরক্ষা ঘিরে বেশ কিছু পদক্ষেপ দেখা গেছে। Tech Xplore সেগুলোর অগ্রগতি কালানুক্রমে সাজিয়েছে। প্রকাশ্যে উপলব্ধ মডেল ও টুলের যৌথ অবকাঠামো যখন লক্ষ্যবস্তু হচ্ছে, তখন নিরাপত্তা আর শুধু উন্নয়নকারী কোম্পানির অভ্যন্তরীণ বিষয় নয়। প্রশ্ন হলো, ব্যবহারকারীরা নিজেরা কী যাচাই করবেন আর অবকাঠামো পরিচালকের হাতে কী ছেড়ে দেওয়া হবে, তার সীমারেখা কীভাবে টানা হবে।

সৃজনশীল কাজের ক্ষেত্রে এমন উদাহরণ রয়েছে যেখানে দায়িত্ব স্পষ্টভাবে নির্দেশ করা হয়েছে। Creative Assembly Total War: Shogun 2-এর পূর্ণ সংস্করণে AI আর্ট থাকার কথা অস্বীকার করেছে, দায়িত্ব স্বীকার করেছে (Simulation Daily)। এখানে গুরুত্বপূর্ণ বিষয় হলো, তারা স্বীকার করেছে যে তারা AI-এর তৈরি কিছু ব্যবহার করেছিল, এবং তারপর কাজটি নিজেদের কাঁধে নেওয়ার ইচ্ছা দেখিয়েছে। পক্ষপাতদুষ্ট মডেল, পুরোনো স্কুল নীতিমালা, আক্রমণের পর নেওয়া নিরাপত্তা ব্যবস্থা এবং দায়িত্ব স্বীকারকারী প্রযোজনা সংস্থাগুলোর মধ্যে সাধারণ সূত্র হলো, আস্থা গড়ে ওঠে কার্যক্ষমতার ওপর নয়, বরং কে কীসের জন্য দায়ী সে বিষয়ে স্পষ্টতার ওপর। কোন কাজের পরিধি অন্যের হাতে ছেড়ে দেওয়া হবে তা ঠিক করতে হলে, যিনি কাজটি গ্রহণ করবেন তাঁকে দৃশ্যমান হতে হবে। পরবর্তী অংশে আমরা দেখব, আরও ব্যক্তিগত, আবেগঘন ও ক্লিনিক্যাল পরিবেশে এই সীমারেখা কীভাবে টানা হয়।

আবেগ ও সম্পর্ক AI-এর হাতে ছেড়ে দেওয়ার মূল্য

যন্ত্রের আবেগ আছে কি না, এই প্রশ্ন AI নিয়ে বিতর্ক উসকে দিচ্ছে বলে MarketWatch জানিয়েছে। এই বিতর্কের সমাধান না হলেও, সিদ্ধান্তের অপেক্ষা না করেই ব্যবহারকারীদের দিক থেকে সম্পর্ক গড়ে উঠছে। New York Post-এর মতে, একটি প্রধান AI প্রেমিক/প্রেমিকা সেবা দেউলিয়া হতে চলেছে এবং ব্যবহারকারীদের AI সঙ্গীদের মুছে ফেলা হবে বলে আশঙ্কা করা হচ্ছে। যার সঙ্গে ব্যবহারকারী প্রতিদিন কথা বিনিময় করতেন, পরিচালনাকারী কোম্পানির ব্যবস্থাপনা পরিস্থিতির কারণে সে অদৃশ্য হয়ে যায়। অনুভূতি আসল হোক বা না হোক, সঙ্গীকে টিকিয়ে রাখার দায়িত্ব কোম্পানির, আর কোম্পানি ভেঙে পড়লে সম্পর্কও শেষ হয়ে যায়। The Malaysian Reserve জানিয়েছে, AI মাতৃত্বকে খারাপের দিকে বদলে দিচ্ছে। সন্তান লালনপালনের পরামর্শ ও সিদ্ধান্ত যত বেশি পরিস্থিতিতে AI-এর হাতে ছেড়ে দেওয়া হয়, বাবা-মা ও সন্তানের মধ্যে স্বাভাবিকভাবে যে মিথস্ক্রিয়া কেন্দ্রীভূত থাকার কথা, তা তত কম কার্যকর হয়ে পড়তে পারে। এই প্রবন্ধে এ ধরনের পরিবর্তনকে একটি সমস্যা হিসেবে আলোচনা করা হয়েছে।

মেশিনের আবেগ পড়তে পারার সক্ষমতাতেও অগ্রগতি হচ্ছে। The Decoder-এর প্রতিবেদন অনুযায়ী, Block শুধুমাত্র অডিও থেকে শেখে এমন Dessa নামের একটি নতুন AI ঘোষণা করেছে। বলা হচ্ছে, ট্রান্সক্রিপশনের মাধ্যমে ধরা যায় না এমন আবেগ কণ্ঠস্বরেই ধরা পড়ে। কল সেন্টার ও ইন্টারভিউয়ের মতো যেসব ক্ষেত্রে শুধু কথার বিষয়বস্তু দেখে বিচার করা যায় না, সেখানে এটি ব্যবহারের সুযোগ আছে। তবে কণ্ঠস্বর থেকে পড়া আবেগ কারা এবং কোন উদ্দেশ্যে ব্যবহার করবে, এই প্রতিবেদন থেকে তা স্পষ্ট নয়। পাঠ যত নির্ভুল হবে, ফলাফল যারা পাবে তারা মানুষ সম্পর্কে সিদ্ধান্ত নেওয়ার উপকরণ হিসেবে সেটি ব্যবহার করার ঝুঁকিও তত বাড়বে।

অন্যদিকে, মানুষে মানুষে সম্পর্কে AI সহায়তা করতে পারে, এমন উপায়ও আছে। Oncology Nursing News স্তন ক্যানসারের ঝুঁকি নির্ণয়ের AI মডেল কীভাবে ট্রায়াজ এবং নার্স-পরিচালিত রোগী-নির্দেশনায় ব্যবহার করা যায়, তার একটি উদাহরণ তুলে ধরেছে। এখানে AI শুধু ঝুঁকি অনুমান করে; পরিস্থিতি রোগীকে বুঝিয়ে বলা এবং তাঁর উদ্বেগের সমাধান করার দায়িত্ব নার্সের। AI Lover ও Dessa যেখানে সম্পর্ক ও আবেগ বুঝতে AI-এর ওপর নির্ভর করে, এখানে AI মানুষে মানুষে সংলাপের জন্য উপকরণ প্রস্তুত করে।

পাশাপাশি রেখে দেখলে, কাজ AI-এর হাতে ছেড়ে দেওয়া যাবে কি না, তা শুধু AI-এর কার্যক্ষমতার ওপর নির্ভর করে না। যন্ত্রটি ব্যবহারের আগে যাচাই করা প্রয়োজন: যাঁর হাতে কাজ দেওয়া হচ্ছে, পরিচালনাকারী কোম্পানির দেউলিয়াত্বের কারণে সেটি হারিয়ে যাবে না তো; কণ্ঠস্বর ও কথা থেকে পাওয়া তথ্য কে পাবে; এবং শেষ পর্যন্ত কোনো মানুষ থাকবে কি না। এই যাচাই-ই ঠিক করবে সিদ্ধান্ত গ্রহণ ও সৃজনশীল কাজের কোন অংশ AI-কে দেওয়া হবে।

ছবি ও ডেটার সাহায্যে ক্যানসার চিকিৎসার পূর্বাভাসের নির্ভুলতা এগিয়েছে

স্তন ক্যানসারের ক্ষেত্রে অস্ত্রোপচারের আগেই মেটাস্টেসিস আছে কি নেই তা অনুমান করার চেষ্টা করা হয়েছে। আল্ট্রাসাউন্ড ছবির ব্যাখ্যা ব্যবহার করে অস্ত্রোপচারের আগে AI দিয়ে স্তন ক্যানসারের মেটাস্টেসিস পূর্বাভাস দেওয়ার একটি গবেষণা প্রকাশিত হয়েছে (Bioengineer.org)। আরেকটি গবেষণায় স্তন ক্যানসারজনিত মৃত্যু পূর্বাভাসের জন্য একটি ক্যালিব্রেটেড স্ট্যাটিক স্ট্যাকিং এনসেম্বল কাঠামো উপস্থাপন করা হয়েছে (Archives of Breast Cancer)। ক্যালিব্রেশন হলো মডেলের দেওয়া সম্ভাবনা প্রকৃত ঘটার হারের সঙ্গে মেলে কি না তা যাচাই করার প্রক্রিয়া। পূর্বাভাসিত মানকে সম্ভাবনা হিসেবে পড়া যায় কি না তার সঙ্গে এটি সম্পর্কিত হওয়ায়, রোগীদের বোঝানো বা চিকিৎসা পরিকল্পনা নিয়ে পরামর্শ দেওয়ার সময় এটি নির্ভুলতার মতোই গুরুত্বপূর্ণ। প্যাথলজিক্যাল ছবির ক্ষেত্রে, ক্ষুদ্র কোষ ফুসফুস ক্যানসারের টিস্যু ছবি শ্রেণিবদ্ধ করার জন্য একটি স্পেকট্রাল বাইলিনিয়ার ট্রান্সফর্মার SCLC-SBT Scientific Reports-এ প্রকাশিত হয়েছে। ছবির ধরন বদলালেও, শুধু নির্ভুলতার সংখ্যাই গুরুত্বপূর্ণ নয়, আউটপুট কীভাবে পড়তে হবে তাও গুরুত্বপূর্ণ।

একাধিক প্রতিষ্ঠানে যাচাইয়ের আহ্বান জানানো গবেষণাও রয়েছে। প্যাথলজিভিত্তিক মডেল ব্যবহার করে গ্লিওমার প্রগনস্টিক ঝুঁকি স্তরবিন্যাস প্রগনোসিসের সঙ্গে জড়িত প্রধান জিন ও জৈবিক পথও শনাক্ত করেছে এবং Acta Neuropathologica Communications-এ একটি মাল্টিসেন্টার গবেষণা হিসেবে প্রকাশিত হয়েছে। গ্যাস্ট্রিক ক্যানসারের ক্ষেত্রে, ভিসেরাল অ্যাডিপোজ টিস্যুসহ CT টু-ফিল্ড ডিপ লার্নিং রেডিওমিক্স লিম্ফ নোড মেটাস্টাসিসের অস্ত্রোপচারপূর্ব পূর্বাভাস উন্নত করেছে বলে বলা হচ্ছে। এটিও একটি মাল্টিসেন্টার গবেষণা (European journal of radiology)। হেপাটোসেলুলার কার্সিনোমায় FAP এক্সপ্রেশন এবং ইমিউনোসাপ্রেসিভ টিউমার মাইক্রোএনভায়রনমেন্ট পূর্বাভাস দিতে MRI রেডিওমিক্স ব্যবহার করে গবেষণা হয়েছে। এসব নকশা একটি হাসপাতালের ফলাফলের বদলে অন্য হাসপাতালের ডেটাতেও তা সত্য থাকে কি না তা দেখতে চায়। পাঠকদের মনোযোগ দেওয়া উচিত সর্বোচ্চ মানের আকারে নয়, বরং প্রতিষ্ঠান বদলালে ফলাফল কতটা বদলায় তার ওপর।

বিশ্লেষণের একক কমে কোষে নেমে এসেছে। মূত্রথলির ক্যান্সারে, সিঙ্গল-সেল/স্থানিক ট্রান্সক্রিপ্টোমিক্স ও মেশিন লার্নিং একীভূত করে উচ্চ স্টেমনেসযুক্ত ম্যালিগন্যান্ট এপিথেলিয়াল কোষের আণবিক বৈশিষ্ট্য ও মূল ঝুঁকি জিন দেখানো হয়েছে (Discover Oncology)। scGlycoAI এমন একটি কাঠামো, যা মেশিন লার্নিং ব্যবহার করে একক কোষের গ্লাইকান ও RNA সিকোয়েন্স ডেটা বিশ্লেষণ করে, কোষের ধরন নির্ধারণ করে এবং malignancy-র সঙ্গে সম্পর্কিত গ্লাইকান খুঁজে বের করে (Glycobiology)। ছবি থেকে কোষ পর্যন্ত, প্রতিটি ডেটার ধরন অনুযায়ী পূর্বাভাসের লক্ষ্যবস্তু বিস্তৃত হচ্ছে। তবে এই গবেষণাপত্রগুলো যা নির্দেশ করে তা হলো পূর্বাভাস সঠিক হওয়ার সম্ভাবনা; ক্লিনিক্যাল চর্চায় ব্যবহারযোগ্য মানের কি না, তা আলাদাভাবে নিশ্চিত করা দরকার। এখন যা পরিমাপ করা হচ্ছে তা কর্মক্ষমতা নিজে নয়, বরং পূর্বাভাসের ওপর কতটা দূর পর্যন্ত নির্ভর করা যায় সেই দূরত্ব। সেই রেখা কে টানে এবং কীভাবে, এই প্রশ্ন চিকিৎসার বাইরেও একইভাবে দেখা দেয়।

এই ক্ষেত্রে প্রবর্তন প্রমাণের ভিত্তিতে শিল্পভেদে এগোবে

মার্কিন বিমান বাহিনী আকাশে জ্বালানি সরবরাহে সহায়তার জন্য AI ব্যবহার করার পরিকল্পনা করছে বলে Military Times জানিয়েছে। আকাশে জ্বালানি সরবরাহ এমন একটি মিশন, যার বিস্তারিত পরিচালনা পদ্ধতি ও নিরাপত্তা মান রয়েছে। সহায়তা হিসেবে এটি ব্যবহার করা আর পুরো মিশন AI-এর হাতে ছেড়ে দেওয়া এক জিনিস নয়। অন্যটি হলো ওষুধ আবিষ্কার। 14 এপ্রিল 16:00-এ Unisba Media প্রকাশিত একটি পরিচিতিমূলক প্রবন্ধ অনুযায়ী, Novo Nordisk এবং OpenAI AI ওষুধ আবিষ্কারের জন্য অংশীদারিত্বে প্রবেশ করেছে। একই প্রবন্ধে Apple-এর AI প্রধান Gianandrea-র আনুষ্ঠানিক প্রস্থানের কথাও উল্লেখ করা হয়েছে। সামরিক ও ওষুধ শিল্পে অনুসরণীয় মানদণ্ড এবং ব্যর্থতার মূল্য ভিন্ন। তবুও, AI যেখানে ব্যবহার করা যায় তা বিদ্যমান ব্যবসায়িক প্রবাহের মধ্যে সহায়তা দেওয়া সম্ভব এমন প্রক্রিয়াতেই সীমাবদ্ধ।

চিকিৎসা অস্ত্রোপচারে এর প্রবর্তনের যৌক্তিকতা এখন সংখ্যার মাধ্যমে দেখানো শুরু হয়েছে। Cureus-এ প্রকাশিত একটি সিস্টেমেটিক রিভিউ প্রোস্টেট ক্যান্সার ও কিডনি ক্যান্সারের অস্ত্রোপচারে রোবট-সহায়তাপ্রাপ্ত অস্ত্রোপচারকালীন ডিজিটাল গাইডেন্সের প্রসপেক্টিভ ক্লিনিক্যাল প্রমাণ সংক্ষেপে তুলে ধরেছে। প্রসপেক্টিভ ডিজাইন হলো এমন একটি পদ্ধতি যেখানে ফলাফল জানার আগেই শর্ত নির্ধারণ করা হয় এবং রোগীদের অনুসরণ করা হয়। বিজ্ঞাপনের স্লোগান বা পরে দেখা ঘটনার তুলনায় সিদ্ধান্তের ভিত্তি হিসেবে এগুলোর ওজন আলাদা। বর্তমানে প্রোস্টেট ও কিডনি, প্রতিটি অঙ্গের ক্ষেত্রে অস্ত্রোপচারকালীন গাইডেন্সের কার্যকারিতা নিশ্চিত করার কাজ চলছে।

এই তিনটিকে পাশাপাশি রাখলে দেখা যায়, প্রয়োগ এগিয়ে চলার ধরনে মিল রয়েছে। বিমানবাহিনী শুরু করছে আকাশে জ্বালানি সরবরাহে সহায়তা দিয়ে, Novo Nordisk শুরু করছে ওষুধ আবিষ্কারের অংশীদারিত্ব দিয়ে, আর অস্ত্রোপচারে শুরু হচ্ছে রোবট-সহায়তাপ্রাপ্ত অস্ত্রোপচারের সময় নির্দেশনা দিয়ে। প্রতিটি ক্ষেত্রেই লক্ষ্যকে ব্যবসা বা কাজের নির্দিষ্ট অংশে ভাগ করা হয়েছে এবং সেই সীমার মধ্যেই ফলাফল যাচাই করা হচ্ছে। মাঠপর্যায়ে এআই প্রয়োগ দেখার সময়, এআই ব্যবহার করা হবে বলে ঘোষণা দেওয়া হয়েছে কি না তার চেয়ে পাঠকের পক্ষে বেশি কাজের হলো কোন প্রক্রিয়ায় এটি ব্যবহৃত হচ্ছে এবং কী ধরনের যাচাই করা হয়েছে তা দেখে বিচার করা। যে প্রক্রিয়াগুলো ব্যাপকভাবে যাচাই করা হয়েছে, সেগুলো দায়িত্বের পরিধি বাড়ানোর ভিত্তি জোগায়, আর যেগুলোতে যাচাই কম হয়েছে, সেগুলোতে সতর্কতা বজায় থাকে। এরপরের প্রশ্ন হলো, যাচাইয়ের পরেও মানুষ কোথায় চূড়ান্ত সিদ্ধান্ত ছেড়ে দেবে না, সেই সীমারেখা কোথায় টানা হবে।

প্রতিটি অংশের মিল ছিল এই যে, ফলাফল নির্ধারিত হয়েছে AI চালু করার মাধ্যমে নয়, বরং কতদূর পর্যন্ত দায়িত্ব অর্পণ করা হবে তার সীমারেখা কোথায় টানা হয়েছে তার মাধ্যমে। ছাঁটাইয়ের আকার দৃষ্টি আকর্ষণ করেছে, কিন্তু একই পদক্ষেপ একাধিক শিল্প ও অঞ্চলে ছড়িয়ে পড়ছিল, যা সামগ্রিকভাবে অর্থনীতির ওপর সমন্বয়ের বোঝা চাপাচ্ছিল। তথ্য ও শিক্ষাক্ষেত্রে ব্যবহারকারীর সংখ্যা কম হলেও উত্তরে পক্ষপাত এবং স্কুলের ভেতরে ব্যবস্থা গ্রহণে বিলম্ব নিয়ে প্রশ্ন উঠেছে। আবেগ ও সম্পর্কের ক্ষেত্রে পরিচালনাকারী কোম্পানির ব্যবস্থাপনার অবস্থা ব্যবহারকারীদের মধ্যকার সম্পর্ককে প্রভাবিত করেছে। ক্যানসার চিকিৎসায় ক্যালিব্রেশন ও মাল্টিসেন্টার যাচাইয়ের মতো আউটপুট পড়ার শর্তগুলো নির্ভুলতার পাশাপাশি বিবেচিত হয়েছে। সামরিক, ওষুধ ও অস্ত্রোপচার ক্ষেত্রে বিদ্যমান পদ্ধতির মধ্যেই সমর্থন দেওয়া যায় এমন প্রক্রিয়ায় প্রয়োগ কেন্দ্রীভূত ছিল এবং প্রমাণ জমছিল। AI ব্যবহার করব কি না তা ঠিক করার চেয়ে, এখন প্রতিটি পরিস্থিতিতে AI-এর হাতে কী ছেড়ে দেব এবং নিজের হাতে কী রাখব তা ঠিক করা প্রয়োজন।

প্রশ্ন ১: আপনার কাজের কোন কোন প্রক্রিয়ায় আপনি AI-এর আউটপুটকে সিদ্ধান্তের ভিত্তি হিসেবে ব্যবহার করেন, এবং আউটপুট ভুল হলে তা ধরার ব্যবস্থা কার আছে? প্রশ্ন ২: চালুর আগে ও পরে AI আউটপুটের পক্ষপাত ও ভুল যাচাই করতে কোন মানদণ্ড ও পদ্ধতি ব্যবহার করা হয়, এবং তার রেকর্ড রাখা হয় কি? প্রশ্ন ৩: AI-কে কতটা দায়িত্ব দেওয়া হবে, তা কীসের ভিত্তিতে ঠিক করা হয়েছিল? কোনো শর্ত ছিল কি, এবং ব্যবসা বা ক্লায়েন্টের পরিস্থিতি বদলালে সেই পরিধি পুনর্বিবেচনার দায়িত্ব কার?

সবশেষে, তিনটি প্রশ্ন

- আপনার কাজের কোন কোন প্রক্রিয়া সরাসরি সিদ্ধান্তের জন্য AI-এর আউটপুটের ওপর নির্ভর করে, এবং আউটপুট ভুল হলে তা ধরার ব্যবস্থা কার আছে? Q2: চালুর আগে ও পরে AI আউটপুটের পক্ষপাত ও ত্রুটি যাচাই করতে কোন মানদণ্ড ও পদ্ধতি ব্যবহৃত হয়, এবং তার রেকর্ড রাখা হয় কি? Q3: AI-কে কতটুকু দায়িত্ব দেওয়া হবে তার পরিধি ঠিক করার ভিত্তি কী ছিল? কোনো শর্ত কি নির্ধারিত হয়েছে, এবং ব্যবসা বা মক্কেলের পরিস্থিতি বদলালে পরিধি পুনর্বিবেচনার দায়িত্ব কার? - বাস্তবায়নের আগে ও পরে AI আউটপুটের পক্ষপাত ও ত্রুটি যাচাই করতে কোন মানদণ্ড ও পদ্ধতি ব্যবহৃত হয়, এবং তার রেকর্ড রাখা হয় কি? Q3: AI-কে কতটুকু দায়িত্ব দেওয়া হবে তার পরিধি ঠিক করার ভিত্তি কী ছিল? কোনো শর্ত কি নির্ধারিত হয়েছে, এবং ব্যবসা বা মক্কেলের পরিস্থিতি বদলালে পরিধি পুনর্বিবেচনার দায়িত্ব কার? - AI-কে কতটুকু দায়িত্ব দেওয়া হবে তার পরিধি ঠিক করার ভিত্তি কী ছিল, এবং ব্যবসা বা মক্কেলের পরিস্থিতি বদলালে পরিধি পুনর্বিবেচনার শর্ত ও দায়িত্ব কি নির্ধারিত হয়েছে?