বুদ্ধিমত্তার প্রাচুর্য গড়ে তোলা

AI অবকাঠামো বড় বলেই মূল্যবান নয়. এটি মূল্যবান কারণ এটি যা সম্ভব করে: আরও সক্ষম বুদ্ধিমত্তা, আরও বেশি মানুষের জন্য, কম খরচে.

প্রাচুর্যকে আমি এভাবেই দেখি. এটি আমাদের মিশনের মধ্যেও নিহিত—আর্টিফিশিয়াল জেনারেল ইন্টেলিজেন্স যাতে সমগ্র মানবতার উপকারে আসে তা নিশ্চিত করা—এবং আমাদের ব্যবসাকে চালিত করা অর্থনৈতিক ইঞ্জিনের মধ্যেও.

কার্যকর বুদ্ধিমত্তার খরচ কমলে আরও বেশি কাজ করার মতো মূল্যবান হয়ে ওঠে. মডেলগুলো আরও সক্ষম হলে সেই কাজ আরও বেশি মূল্য তৈরি করে. গ্রহণযোগ্যতা বাড়ার সঙ্গে সঙ্গে আমরা পরবর্তী প্রজন্মের গবেষণা ও অবকাঠামোতে বিনিয়োগ চালিয়ে যেতে আয়, বাস্তব প্রতিক্রিয়া এবং চাহিদা সম্পর্কে স্পষ্ট ধারণা পাই.

উন্নত বুদ্ধিমত্তা আরও বিস্তৃত গ্রহণযোগ্যতা তৈরি করে. বিস্তৃত গ্রহণযোগ্যতা আরও বিনিয়োগকে সমর্থন করে. আরও বিনিয়োগ বুদ্ধিমত্তা ও দক্ষতা উন্নত করে. আমরা এই চক্রটিই গড়ে তুলছি.

আমাদের সাম্প্রতিক মূল্য ঘোষণা দেখায় এই চক্র কত দ্রুত গ্রাহকদের উপকারে আসে. গতকাল আমরা GPT‑5.6 Luna-এর দাম 80 শতাংশ এবং GPT‑5.6 Terra-এর দাম 20 শতাংশ কমিয়েছি. Luna-এর খরচ এখন প্রতি মিলিয়ন ইনপুট টোকেনে $0.20 এবং প্রতি মিলিয়ন আউটপুট টোকেনে $1.20; Terra-এর খরচ যথাক্রমে $2 ও $12.

GPT‑5.6 Sol-এর জন্য, দ্রুত মোড স্ট্যান্ডার্ড প্রসেসিংয়ের তুলনায় দ্বিগুণ দামে 2.5 গুণ পর্যন্ত গতি দেয়, বুদ্ধিমত্তায় কোনো পরিবর্তন ছাড়াই.

এগুলো শুধু মূল্যতালিকার পরিবর্তন নয়. এগুলো বাস্তবসম্মত কাজের পরিসর বাড়ায় এবং বুদ্ধিমত্তা, গতি, নির্ভরযোগ্যতা ও খরচের ভারসাম্য করতে গ্রাহকদের বেশি নমনীয়তা দেয়.

সঠিক প্রশ্নটি কোন কাজের জন্য কোন মডেল উপযুক্ত তা নয়. বরং কাঙ্ক্ষিত ফলের জন্য কতটা বুদ্ধিমত্তা দরকার, সেই বুদ্ধিমত্তা কত দ্রুত প্রয়োজন, এবং তা অর্জনের খরচ কত হওয়া উচিত. একই ওয়ার্কফ্লোর মধ্যেও এই ভারসাম্য কয়েকবার বদলাতে পারে.

গ্রাহকেরা টোকেন কেনেন না শুধু টোকেনের জন্য. তারা চান সহায়তা-সংক্রান্ত সমস্যার সমাধান, সফটওয়্যার রিলিজ, চুক্তির পর্যালোচনা বা বৈজ্ঞানিক প্রশ্নের উত্তর. সঠিক মাপকাঠি হলো সফল ফলাফলের খরচ, যেখানে সেখানে পৌঁছাতে প্রয়োজনীয় সময়, পুনঃচেষ্টা, তদারকি ও ভুলও অন্তর্ভুক্ত.

শক্তিশালী মডেল যদি কাজটি সঠিকভাবে ও দক্ষতার সঙ্গে সম্পন্ন করে, তবে শেষ পর্যন্ত তা এমন সস্তা মডেলের চেয়ে বেশি সাশ্রয়ী হতে পারে যেটির জন্য বারবার চেষ্টা বা ব্যাপক মানব হস্তক্ষেপ দরকার. আবার, কম খরচের মডেল একই মানদণ্ড পূরণ করলে প্রবেশাধিকার নাটকীয়ভাবে বাড়াতে পারে. সুযোগটি হলো সঠিক দামে সর্বোচ্চ কার্যকর বুদ্ধিমত্তা প্রয়োগ করা.

সেই মূল্য দিতে শুধু অতিরিক্ত ডেটা সেন্টার তৈরি করাই যথেষ্ট নয়. এর জন্য কম্পিউটের প্রতিটি ইউনিটকে আরও উৎপাদনশীল করতে হয়.

আমাদের সাম্প্রতিক প্রকৌশল কাজ দেখায় বিষয়টি কেমন. আমাদের প্রযুক্তিগত দলগুলোর সঙ্গে কাজ করে GPT‑5.6 Sol আমাদের মডেল সরবরাহে ব্যবহৃত প্রোডাকশন সফটওয়্যার অপ্টিমাইজ করতে সাহায্য করেছে, ফলে এন্ড-টু-এন্ড সার্ভিং খরচ 20 শতাংশ কমেছে. এটি স্পেকুলেটিভ ডিকোডিং উন্নত করতেও সাহায্য করেছে, ফলে টোকেন তৈরির দক্ষতা 15 শতাংশের বেশি বেড়েছে.

সমান গুরুত্বপূর্ণ হলো, দক্ষতা শুধু মডেল দিয়ে নির্ধারিত হয় না. এর চারপাশের সিস্টেমও গুরুত্বপূর্ণ. উন্নত রাউটিং হার্ডওয়্যারকে উৎপাদনশীল রাখে. আরও স্মার্ট কনটেক্সট ব্যবস্থাপনা এজেন্টদের একই কাজ পুনরাবৃত্তি করা থেকে বিরত রাখে. শক্তিশালী টুল ও পণ্য নকশা একটি কাজ সম্পন্ন করতে প্রয়োজনীয় ধাপের সংখ্যা কমায়.

একটি সাম্প্রতিক বেঞ্চমার্ক বিশ্লেষণে, সংরক্ষিত রিজনিং ও কনটেক্সট ব্যবস্থাপনার উন্নতি GPT‑5.6 Sol-এর পাবলিক ARC-AGI-3 টাস্ক সেটে স্কোর 13.3 শতাংশ থেকে 38.3 শতাংশে তুলেছে, আর আউটপুট টোকেন ব্যবহার হয়েছে ছয় গুণ কম. মডেলটি বদলায়নি. চারপাশের সিস্টেম বদলেছে.

এই উন্নতিগুলো একে অন্যের সঙ্গে যোগ হয়ে বাড়ে. আরও সক্ষম মডেল আমাদের দলগুলোকে নতুন দক্ষতা খুঁজে পেতে সাহায্য করে. সেই দক্ষতাগুলো গ্রাহক সেবা দেওয়ার খরচ কমায় এবং একই অবকাঠামো দিয়ে আমরা যে কাজ সমর্থন করতে পারি তার পরিসর বাড়ায়. এর ফলে পরবর্তী প্রজন্মের বুদ্ধিমত্তা আরও সহজলভ্য হয়.

অবকাঠামো, মডেল, প্ল্যাটফর্ম ও পণ্যজুড়ে নির্মাণের সুবিধা শুধু এই নয় যে আমরা প্রতিটি স্তরে অংশ নিই. বরং প্রতিটি স্তর অন্য স্তরগুলোকে আরও উন্নত করে.

বাস্তব পণ্য ব্যবহার আমাদের দেখায় গ্রাহকেরা কোথায় মূল্য পান এবং কোথায় বাধার মুখে পড়েন. সেই প্রতিক্রিয়া আমাদের গবেষণাকে রূপ দিতে সাহায্য করে. গবেষণার উন্নতি আমাদের পণ্যকে শক্তিশালী করে এবং সেগুলো সরবরাহের খরচ কমায়. ChatGPT, ChatGPT কাজ, Codex এবং API জুড়ে চাহিদা কোথায় সক্ষমতা বাড়াতে হবে সে বিষয়ে আমাদের আরও ভালো সিদ্ধান্ত নিতে সাহায্য করে.

সেই শেখার পরিসর গুরুত্বপূর্ণ. আমাদের মডেলগুলো এখন এক বিলিয়নের বেশি সক্রিয় ব্যবহারকারী এবং দুই মিলিয়নের বেশি ব্যবসার কাছে পৌঁছায়. প্রযুক্তির ওপর মানুষের আস্থা বাড়লে তারা আরও গভীরভাবে এটি ব্যবহার করে. সাইন আপ করার ছয় মাস পর মানুষ প্রতিদিন প্রায় 50 শতাংশ বেশি বার্তা পাঠায় এবং প্রায় দ্বিগুণ ধরনের কাজে ChatGPT ব্যবহার করে. ChatGPT কাজ জ্ঞানভিত্তিক কর্মীর অর্থ বদলে দিচ্ছে; প্রশ্নের উত্তর দেওয়া ছাড়িয়ে এটি জটিল, বহু ধাপের কাজ সম্পন্ন করছে—“জিজ্ঞাসা করা” থেকে “কাজ করা”. OpenAI জুড়ে Codex-এর মাধ্যমে এজেন্টভিত্তিক কাজ এখন সাপ্তাহিক আউটপুট টোকেনের 99.8% জোগায়; অর্থ বিভাগসহ বিভিন্ন দল এজেন্টভিত্তিক টুলকে তাদের কাজের প্রধান অংশ করে তুলেছে.

প্রতিষ্ঠানের ভেতরেও ধরণটি একই রকম. একটি কোম্পানি একটি দল বা একটি ওয়ার্কফ্লো দিয়ে শুরু করতে পারে. গুণমান ও অর্থনীতি উন্নত হলে গ্রহণযোগ্যতা বিভিন্ন কার্যক্ষেত্রে ছড়িয়ে পড়ে এবং AI ব্যবসা পরিচালনার অংশ হয়ে ওঠে.

এতে চাহিদা, পণ্য উন্নতি, দক্ষতা ও অবকাঠামো পরিকল্পনার মধ্যে একটি মূল্যবান প্রতিক্রিয়া চক্র তৈরি হয়. এর জন্য প্রতিটি সম্পদের মালিক হওয়া বা প্রতিটি উপাদান নিজেরাই তৈরি করা দরকার হয় না. গ্রাহকের জন্য যা সবচেয়ে ভালো এবং অর্থনৈতিকভাবে সবচেয়ে যুক্তিসংগত, তার ওপর ভিত্তি করে আমরা মালিক হতে, অংশীদার হতে বা কিনতে পারি. মূল বিষয় হলো পুরো সিস্টেমকে সমন্বয় করা এবং সেটি থেকে শেখা.

AI অবকাঠামো দরকার হওয়ার বহু বছর আগেই পরিকল্পনা করতে হয়, অথচ মডেল, পণ্য ও গ্রাহক চাহিদা অনেক দ্রুত বদলায়. এই অমিলের কারণেই শৃঙ্খলা অপরিহার্য.

আমরা প্রমাণের ভিত্তিতে বিনিয়োগের সিদ্ধান্ত নিই: ব্যবহারকারী ও কাজের চাপের বৃদ্ধি, এন্টারপ্রাইজ অঙ্গীকার, API ব্যবহার, ব্যবহারমাত্রা, আয় এবং মডেলের সক্ষমতা ও দক্ষতার অগ্রগতি. প্রকল্প কখন এগোবে তা নির্ধারণে প্রযুক্তিগত ও বাণিজ্যিক মাইলফলক সাহায্য করে. দীর্ঘমেয়াদি অংশীদারিত্ব বৃহৎ পরিসরে সরবরাহের জন্য প্রয়োজনীয় অর্থায়ন, অবকাঠামো ও পরিচালন দক্ষতাকে একত্র করে.

পণ্যের আয়, বেসরকারি মূলধন এবং বাণিজ্যিক অংশীদারিত্ব সেই বৃদ্ধিকে সমর্থন করতে ভিন্ন ভিন্ন ভূমিকা রাখে. লক্ষ্য সবচেয়ে বেশি অবকাঠামো গড়া নয়. লক্ষ্য হলো বিশ্বাসযোগ্য চাহিদার জন্য সঠিক সময়ে সঠিক সক্ষমতা মোতায়েন করা.

আমার কাছে মূল প্রশ্নগুলো সরল: নতুন সক্ষমতা কত দ্রুত উৎপাদনশীল হয়? তা কত দক্ষতার সঙ্গে ব্যবহৃত হয়? এটি কোন গ্রাহক চাহিদাকে সমর্থন করে? কার্যকর বুদ্ধিমত্তা সরবরাহের খরচ প্রযুক্তিগত অগ্রগতি কত দ্রুত কমাতে পারে?

এই প্রশ্নগুলো দীর্ঘমেয়াদি আকাঙ্ক্ষাকে পরিচালন শৃঙ্খলার সঙ্গে যুক্ত করে.

আমরা এখনও প্রাথমিক পর্যায়ে আছি. আরও সক্ষম সিস্টেম দীর্ঘ প্রকল্প সম্পন্ন করবে, টুলগুলোর মধ্যে সমন্বয় করবে এবং ধারণা থেকে চূড়ান্ত ফলাফলে পৌঁছানোর মাঝের আরও বেশি কাজ সামলাবে. ব্যক্তি ও ছোট ব্যবসাগুলো এমন সক্ষমতা পাবে, যা আগে শুধু অনেক বড় প্রতিষ্ঠানের কাছে ছিল. এন্টারপ্রাইজগুলো তাদের কার্যক্রমজুড়ে আরও বিস্তৃতভাবে বুদ্ধিমত্তা প্রয়োগ করবে.

আমাদের লক্ষ্য শুধু আরও কম্পিউট, বড় মডেল বা কম টোকেন দাম নয়. লক্ষ্য হলো নাগালের মধ্যে আরও কার্যকর বুদ্ধিমত্তা আনা.

প্রাচুর্য বলতে এটাই বোঝায়: এমন বুদ্ধিমত্তা, যা ব্যবহারকারীদের জন্য ক্রমেই আরও সক্ষম, আরও সাশ্রয়ী এবং আরও মূল্যবান হয়ে ওঠে. আমরা আমাদের অগ্রগতি মাপব এটি কতটা কার্যকর কাজ সম্ভব করে, কত দক্ষতার সঙ্গে আমরা তা সরবরাহ করি এবং এর সুফল কত বিস্তৃতভাবে ভাগ করা যায় তার ভিত্তিতে.