Consensus এখন GPT‑5 এবং Responses API-এর মাধ্যমে কয়েক সপ্তাহের গবেষণার কাজ কয়েক মিনিটেই সম্পন্ন করছে

প্রতি বছর লক্ষ লক্ষ নতুন বৈজ্ঞানিক প্রবন্ধ প্রকাশিত হয় — যা কোনো একক ব্যক্তির পক্ষে পড়া সম্ভব নয়. 

বিজ্ঞানীদের জন্য চ্যালেঞ্জ এখন আর জ্ঞানে প্রবেশাধিকার নয়; বরং সেই বিপুল জ্ঞানভাণ্ডার থেকে প্রয়োজনীয় তথ্য খুঁজে পাওয়া, ব্যাখ্যা করা এবং সংযুক্ত করার কঠিন কাজটিই তাদের প্রধান বাধা. বড় আবিষ্কারগুলো ঘটে বিদ্যমান জ্ঞানের সীমানায়, অথচ গবেষকরা তাদের অধিকাংশ সময় ব্যয় করেন শুধু সেই সীমানা চিহ্নিত করতেই — তা অতিক্রম করার চেষ্টায় নয়.

Consensus⁠(একটি নতুন উইন্ডোতে খোলে) এমন একটি গবেষণা সহকারী প্ল্যাটফর্ম যা ইতিমধ্যে ৮ মিলিয়নেরও বেশি মানুষ ব্যবহার করছে, সেই চিত্র বদলানোর জন্যই তৈরি করা হয়েছে. Christian Salem এবং Eric Olson-এর প্রতিষ্ঠিত এই প্ল্যাটফর্মটি ২২ কোটিরও বেশি বৈজ্ঞানিক প্রবন্ধের মধ্যে থেকে পিয়ার-রিভিউ করা সাহিত্য অনুসন্ধান করে, পড়ে এবং সংশ্লেষণ করে বিশ্লেষণ উপস্থাপন করে. এটির সর্বশেষ উদ্ভাবন, Scholar Agent, GPT‑5 এবং Responses API-নির্ভর একটি মাল্টি-এজেন্ট সিস্টেম. এটি গবেষকদের কাজের প্রকৃত ধরণ অনুকরণ করে — যাতে তারা প্রশ্ন থেকে সিদ্ধান্তে পৌঁছাতে পারে কয়েক মিনিটে, যেখানে আগে লাগত সপ্তাহ.

তবে এর লক্ষ্য শুধু দ্রুত গবেষণা নয়; বরং আবিষ্কারের পথে আরও দ্রুত অগ্রসর হওয়া. Salem বলেন, “যখন বিজ্ঞান আরও সহজলভ্য হয়, তখনই তা এগিয়ে যায়.” “আমাদের কাজ হলো পৃথিবীর প্রতিটি গবেষককে এমন সক্ষমতা দেওয়া, যাতে তারা প্রমাণ খুঁজে পেতে, তাতে আস্থা রাখতে এবং তা অনুযায়ী পদক্ষেপ নিতে পারেন.”

Consensus-এর প্রথম সংস্করণটি ছিল এক ধরনের বৈজ্ঞানিক সার্চ ইঞ্জিন. এটি অ্যাকাডেমিক প্রবন্ধগুলিকে সূচিবদ্ধ করত, প্রাসঙ্গিক ফলাফল প্রদর্শন করত এবং উদ্ধৃতি-নির্ভর সারসংক্ষেপ তৈরি করত. কিন্তু শুধু অনুসন্ধানই যথেষ্ট ছিল না. 

Salem বলেন, “গবেষণা কেবল প্রবন্ধ খোঁজার বিষয় নয়;". "এটি হলো ফলাফল ব্যাখ্যা করা, অনুসন্ধানের তুলনা করা এবং ধারণাগুলোকে একত্রে যুক্ত করা. “বিজ্ঞানীরা যত বেশি সময় ব্যয় করেন সঠিক গবেষণা খুঁজে বের করতে, পড়তে এবং পূর্ববর্তী জ্ঞানের ব্যাখ্যা করতে—তত কম সময় পান তারা নতুন আবিষ্কার বা মৌলিক গবেষণা করার জন্য.”

এই কারণেই দলটি Consensus প্ল্যাটফর্মটিকে নতুনভাবে পুনর্গঠন শুরু করে, একটি ধারণার ওপর ভিত্তি করে: “Scholar Agent” নামে একটি মাল্টি-এজেন্ট সিস্টেম, যা মানুষের মতোই গবেষণার প্রক্রিয়া সম্পন্ন করে.

GPT‑5 এবং Responses API-এর ওপর নির্মিত এই সিস্টেমটি এখন বিভিন্ন এজেন্টের সমন্বিত কর্মপ্রবাহে কাজ করে:

• প্ল্যানিং এজেন্ট ব্যবহারকারীর প্রশ্নকে বিশ্লেষণ করে এবং পরবর্তী পদক্ষেপ কী হবে তা নির্ধারণ করে
• সার্চ এজেন্ট Consensus-এর প্রবন্ধ সূচি, ব্যবহারকারীর ব্যক্তিগত লাইব্রেরি এবং উদ্ধৃতি নেটওয়ার্কে অনুসন্ধান চালায়
• রিডিং এজেন্ট এককভাবে বা ব্যাচ আকারে প্রবন্ধ পড়ে ও বিশ্লেষণ করে
• অ্যানালাইসিস এজেন্ট ফলাফল সংশ্লেষণ করে, কাঠামো ও ভিজুয়াল উপস্থাপন নির্ধারণ করে এবং চূড়ান্ত আউটপুট তৈরি করে

প্রতিটি এজেন্টের কার্যপরিসর সীমিত রাখায় যুক্তিগত নির্ভুলতা বজায় থাকে এবং অপ্রয়োজনীয় বা ভুল ধারণা সৃষ্টির ঝুঁকি কমে. এই স্থাপত্য Consensus-কে প্রয়োজন হলে উত্তর না দেওয়ার ক্ষমতাও দেয়—যদি কোনো গবেষণা নির্দিষ্ট মানদণ্ড পূরণ না করে, সিস্টেম সরাসরি জানিয়ে দেয় যে প্রাসঙ্গিক প্রমাণ পাওয়া যায়নি.

Salem ব্যাখ্যা করেন, “কর্মপ্রবাহকে একাধিক এজেন্টে ভাগ করার ফলে ভুলের পরিমাণ কমে এবং সিস্টেম অনেক বেশি নিয়ন্ত্রিতভাবে কাজ করতে পারে." "কোনো একক এজেন্টকে অতিরিক্ত দায়িত্ব না দেওয়াই নির্ভরযোগ্যতার মূল কারণ.”

দলটি এই পদ্ধতিকে বলে কনটেক্স ইঞ্জিনিয়ারিং: অর্থাৎ, উৎপন্ন করার আগে সঠিক প্রমাণ সংগ্রহ ও প্রস্তুত করার প্রক্রিয়া. প্রতিটি উত্তরের সঙ্গে থাকে একটি “রিসার্চ কনটেক্স প্যাক”—মূল প্রবন্ধ, মেটাডেটা এবং গুরুত্বপূর্ণ অনুসন্ধানের একটি কাঠামোবদ্ধ প্যাকেজ, যা প্রত্যেকটি দাবিকে আসল গবেষণার সঙ্গে সংযুক্ত রাখে.

Salem বলেন, “আমরা চাই না গবেষকরা প্রতিটি দাবির সত্যতা যাচাই করতে গিয়ে সময় নষ্ট করুন." "যদি সিস্টেম কোনো উত্তরের পক্ষে দৃঢ় প্রমাণ না পায়, তবে তা নিজে থেকে কিছু বানিয়ে দেবে না.”

Consensus তার মাল্টি-এজেন্ট রাউটিং সমর্থনের জন্য Chat Completions থেকে Responses API-তে স্থানান্তরিত হয়েছে. এই পরিবর্তন নির্ভরযোগ্যতা ও ব্যয়ের কার্যকারিতা উভয়ই উন্নত করেছে, এবং সাব-এজেন্ট কলগুলোর ওপর আরও সূক্ষ্ম নিয়ন্ত্রণ দিয়েছে. GPT‑5‑এর লং কনটেক্স রিজনিং ও নির্ভরযোগ্য টুল-কলিং সক্ষমতার কারণে এই পরিবর্তন ছিল একেবারে যৌক্তিক সিদ্ধান্ত.

প্রাথমিক মূল্যায়নে দেখা গেছে, GPT‑5 টুল-কলিং সঠিকতা ও পরিকল্পনা স্থিতিশীলতায় GPT‑4.1, Sonnet 4 এবং Gemini 2.5 Pro-কে ছাড়িয়ে গেছে. এর ফলে Consensus টিম প্রম্পট নিয়ে অতিরিক্ত কলাকৌশল না করে বরং এজেন্ট আচরণ ও গবেষণা কাজের প্রবাহের মধ্যে সরাসরি সঙ্গতি আনার দিকে বেশি মনোনিবেশ করতে পেরেছে.

শুরু থেকেই Consensus বাজারে কিছুটা ভিন্নধর্মী দৃষ্টিভঙ্গি নিয়েছে. প্রতিষ্ঠানগুলোর মাধ্যমে বিক্রি না করে, তারা মনোযোগ দিয়েছে প্রকৃত গবেষকদের উপর—যেমন শিক্ষার্থী, অধ্যাপক এবং ক্লিনিশিয়ান, যারা অবিলম্বে উত্তর খুঁজছেন. এই “গবেষক-কেন্দ্রিক” দৃষ্টিভঙ্গিই প্ল্যাটফর্মের নকশা ও দ্রুত গতিতে বেড়ে ওঠার মূল চালিকা শক্তি হয়ে উঠেছে.

Salem বলেন, “সবাই বলেছিল একাডেমিয়ার ক্ষেত্রে সরাসরি ভোক্তার কাছে পৌঁছানো সম্ভব নয়, কিন্তু কৃত্রিম বুদ্ধিমত্তা সেই ধারণা বদলে দিয়েছে." "এখন মানুষ আর অনুমোদনের জন্য অপেক্ষা করে না—যেটি কার্যকর, সেটিই ব্যবহার করে.”

এই সিদ্ধান্তই Consensus-এর পণ্যের ভাষা, ব্যবহারশৈলী এবং প্রবৃদ্ধির ধরণ নির্ধারণ করেছে. Consensus এখন ঐতিহ্যবাহী একাডেমিক টুলের তুলনায় আধুনিক ভোক্তামুখী অ্যাপের মতো—দ্রুত “অনবোর্ডিং,” সহজবোধ্য ইন্টারফেস, এবং কথোপকথনমূলক ব্যবহারের অভিজ্ঞতা. এর প্রসার শুরু হয় মুখে-মুখে প্রচারের মাধ্যমে—বিশ্ববিদ্যালয় ক্যাম্পাস ও গবেষণাগারে.

প্রথমে স্নাতকোত্তর শিক্ষার্থী ও পিএইচডি গবেষকরা প্ল্যাটফর্মটির “পাওয়ার ইউজার” হয়ে উঠেন, এরপর ধীরে ধীরে অধ্যাপক এবং স্বাধীন গবেষকরাও যুক্ত হন. অবশেষে চিকিৎসকেরাও এটি ব্যবহার শুরু করেন—নিজ নিজ ক্ষেত্রে সর্বশেষ বৈজ্ঞানিক তথ্য দ্রুত খুঁজে বের করার জন্য. 

Salem বলেন, “আমরা মূলত চিকিৎসকদের জন্য আলাদা কিছু বানানোর কথা ভাবিনি,. তবে তাদের প্রয়োজনও তো গবেষকদের মতোই—বিশ্বাসযোগ্য প্রমাণে দ্রুত প্রবেশাধিকার.”

সম্প্রতি প্রতিষ্ঠানটি Mayo Clinic-এর মেডিকেল লাইব্রেরির সঙ্গে চুক্তি করেছে এবং চালু করেছে ‘Medical Mode’—একটি নতুন ফিচার, যা চিকিৎসকদের ক্লিনিক্যাল প্রমাণ অনুসন্ধানে সহায়তা করে.

গত এক বছরে Consensus দ্রুত সম্প্রসারিত হয়েছে—বিশ্বব্যাপী ৮ মিলিয়নেরও বেশি গবেষক এখন এটি ব্যবহার করছেন, এবং প্রতিষ্ঠানের রাজস্ব বেড়েছে আট গুণেরও বেশি.

তবে এই প্রবৃদ্ধি সত্ত্বেও, পণ্যের মূল অগ্রাধিকার অপরিবর্তিত রয়েছে. প্রত্যেক ফিচারই বিশ্বাসযোগ্য ও কম-ভুল তথ্য সরবরাহ নিশ্চিত করার লক্ষ্যে তৈরিকৃত. দলটি বিপুল বিনিয়োগ করেছে এমন মূল্যায়ন কাঠামোতে, যা বিভিন্ন এজেন্টের মধ্যে নির্ভুলতা, উদ্ধৃতিযোগ্যতা এবং উপস্থাপনার সামঞ্জস্য পরীক্ষা করে.

Consensus-এর আর্কিটেকচার ইচ্ছাকৃতভাবে “মডুলার” রাখা হয়েছে যাতে ভবিষ্যতে আরও উন্নত মডেলের সঙ্গে সহজে নতুন এজেন্ট যুক্ত করা যায়—যেমন পরীক্ষার পুনরুৎপাদনকারী, চিত্র তৈরি বা পরিসংখ্যান বিশ্লেষণকারী এজেন্ট.

Salem বলেন, “আমরা এমন একটি সহকারী তৈরি করছি, যা সত্যিই গবেষকদের প্রয়োজন, সেই দ্রুত বদলে যাওয়া বিশ্বে." "মডেলগুলো ক্রমশ উন্নত হচ্ছে, সিস্টেম তাদের সঙ্গেই বাড়ছে, আর বৈজ্ঞানিক অগ্রগতি ত্বরান্বিত হচ্ছে.”