থার্ড মোমেন্ট রিসার্চ: ১০,০০০ এজেন্ট চলে ৩৬+ ঘণ্টা

প্রতিটি প্রতিষ্ঠানের নিজস্ব কর্মপ্রবাহ, সরঞ্জাম, ব্যতিক্রমী পরিস্থিতি ও সাফল্যের সংজ্ঞা রয়েছে. ⁠(একটি নতুন উইন্ডোতে খোলে)থার্ড মোমেন্ট রিসার্চ⁠(একটি নতুন উইন্ডোতে খোলে) বিশ্বাস করে, সেরা এজেন্টদের সেই নির্দিষ্ট কাজে খুব দক্ষ হওয়া উচিত এবং যত বেশি ব্যবহার করা হবে, তাদের সক্ষমতা তত বাড়া উচিত.

এই ধারণাকে কেন্দ্র করে প্রতিষ্ঠানটি নিজেকে উন্নত করতে সক্ষম একটি কৃত্রিম বুদ্ধিমত্তা ব্যবস্থা তৈরি করছে. এতে OpenAI-এর সর্বশেষ মডেলগুলো ব্যবহার করে এজেন্টের আচরণ বোঝা, বারবার দেখা দেওয়া দুর্বলতা শনাক্ত করা এবং সেসব সমস্যা ঘিরে স্বয়ংক্রিয়ভাবে হাজার হাজার কৃত্রিম পরিস্থিতি তৈরি করা হয়. দলটি এসব পরিস্থিতি ব্যবহার করে এজেন্টদের উন্নত করে এবং নতুন সমস্যা দেখা দিলে একই প্রক্রিয়া আবার চালায়.

Codex, GPT‑6 Astra, GPT‑6 Sol ও GPT‑6.1 Sol ব্যবস্থাটির গবেষণা ও গণনামূলক কাজে সহায়তা করে. ফলে থার্ড মোমেন্ট ৩৬–৪৮ ঘণ্টা ধরে চলা অনুসন্ধানে একসঙ্গে ১০,০০০ এজেন্ট চালাতে পারে. এজেন্টরা যে পরিবেশে কাজ করে, তার নিরাপত্তা পরীক্ষা করতে প্রতিষ্ঠানটি ডেব্রেকও ব্যবহার করে.

সাফল্য মাপার সুস্পষ্ট মানদণ্ড থাকায় থার্ড মোমেন্টের প্রাথমিক প্রয়োগগুলোর একটি হলো পরিমাণগত আর্থিক বিশ্লেষণ. এজেন্টরা কীভাবে কাজ করে এবং কোথায় সমস্যায় পড়ে, তা গবেষণা করার জন্য এই ক্ষেত্রটি একটি সুনির্দিষ্ট পরিবেশ দেয়. গবেষণার পরিবেশে সমস্যা খুঁজে বের করা ও সমাধানের জন্য দলটি Codex ব্যবহার করে.

একবার দলটি তৎকালীন সর্বশেষ GPT মডেল GPT‑5.6‑এর সঙ্গে Codex ব্যবহার করে হাজার হাজার নথিবদ্ধ সিমুলেশনের কার্যক্রমের ধারা বিশ্লেষণ করে. এতে এজেন্টদের কাজ ও পরিবেশের প্রতিক্রিয়ার পাশাপাশি সময়ের রেকর্ড ও সম্পূর্ণ কোডও ছিল.

Codex গতি কমিয়ে দিচ্ছিল এমন একটি বাধা খুঁজে পায়: যুক্তরাষ্ট্রের শেয়ারবাজারের এক বছরের অর্ডার-স্তরের ঐতিহাসিক তথ্য দিয়ে একটি লেনদেন কৌশল যাচাই করতে কয়েক ঘণ্টা লাগত. অপেক্ষার সময় এজেন্টরা বারবার পরীক্ষা করত কাজ শেষ হয়েছে কি না. এতে টোকেন নষ্ট হতো এবং কাজের অবস্থা যাচাইয়ের তথ্যে তাদের প্রসঙ্গভাণ্ডার ভরে যেত.

ঐতিহাসিক তথ্যভিত্তিক পরীক্ষাটির কার্যসম্পাদন, ইনপুট ও ব্যবহার বিশ্লেষণ করে Codex ক্যাশের ব্যবহার উন্নত করার একটি উপায় এবং মেমরিতে তথ্য আরও ঘনভাবে সাজানোর একটি কৌশল শনাক্ত করে. এটি সম্ভাব্য সমাধানগুলো পরীক্ষা করে কার্যকর সমাধানটি মূল ব্যবস্থায় চালু করে. ফলে পরীক্ষার সময় প্রায় ৩ ঘণ্টা থেকে কমে প্রায় ৩ থেকে ৫ মিনিটে নেমে আসে. এতে টোকেনের ব্যবহার ও প্রসঙ্গভাণ্ডারে অপ্রয়োজনীয় তথ্যের ভিড় কমে যায়. ফলে এজেন্টদের বরাদ্দ টোকেনের আরও বেশি অংশ পরবর্তী পরীক্ষায় ব্যবহার করা সম্ভব হয়.

থার্ড মোমেন্ট প্রতিটি এজেন্টকে নির্দিষ্ট কাজের জন্য প্রয়োজনীয় সরঞ্জাম, তথ্য ও পরিবেশ দেয়. পরিমাণগত গবেষণার জন্য দলটি ডকারভিত্তিক পরিবেশে Codex-এর পূর্বনির্ধারিত কার্যপরিধি চালায়. এজেন্টদের এক টেরাবাইট তথ্য, নির্দেশনামূলক নথি ও একটি গবেষণা রিপোজিটরি দেওয়া হয়. এতে বৈশিষ্ট্য নির্মাণ, জিপিইউ-সমর্থিত মডেল প্রশিক্ষণ, লেনদেন কৌশল ও সিমুলেশনের মডিউল থাকে.

GPT‑6 Astra, GPT‑6 Sol ও GPT‑6.1 Sol যুক্তিবিশ্লেষণের সক্ষমতা দেয়. আর Codex-এর কার্যপরিধি এজেন্টদের কাজ করা, পরিকল্পনা তৈরি, লক্ষ্য নির্ধারণ, উপ-এজেন্ট তৈরি এবং কাজ চলাকালে প্রসঙ্গ সংক্ষিপ্ত করার সরঞ্জাম দেয়.

কাজ শেষ করার আগেই এজেন্ট থেমে যাওয়ার সমস্যা সামলাতে থার্ড মোমেন্ট GPT‑6 Sol বা GPT‑6.1 Sol-চালিত একটি বাইরের কার্যপরিধির মধ্যে Codex-কে উপ-এজেন্ট হিসেবে ব্যবহার করে. কোনো কাজ অসম্পূর্ণ থেকে গেলে বাইরের কার্যপরিধি কাজের ধারাটি পর্যালোচনা করে. এরপর আবার চেষ্টা করা হবে, কাজটি বন্ধ করা হবে, নাকি মানুষের পর্যালোচনার জন্য পাঠানো হবে, তা নির্ধারণ করে.

সেই গবেষণা পরিবেশে এজেন্টরা থার্ড মোমেন্টের প্রকৌশলীদের তৈরি একটি প্রাথমিক লেনদেন ব্যবস্থা উন্নত করার কাজ করে. তারা ঐতিহাসিক তথ্য দিয়ে লেনদেন কৌশল পরীক্ষা করে, কোনো উন্নতি সত্যিই তাৎপর্যপূর্ণ নাকি নিছক দৈব ওঠানামা তা যাচাই করে এবং প্রতিটি ফলাফলের ভিত্তিতে পরবর্তী পরীক্ষা বেছে নেয়. অ্যাডামের মতে, তাদের কাজের ফলে প্রাথমিক লেনদেন ব্যবস্থাটি উন্নত হয়েছে.

অ্যাডামের ভাষায়, GPT‑5.5‑এর আগে মডেলগুলো কেবল ব্যবহারকারীর নির্ধারিত পরীক্ষা চালাতে পারত. GPT‑5.5 ও GPT‑5.6 আসার পর Codex-এর কার্যপরিধিতে কাজ করা মডেলগুলো ফলাফলের ভিত্তিতে পরবর্তী পরীক্ষার নকশা করতে পারত. এখন GPT‑6 Astra, GPT‑6 Sol ও GPT‑6.1 Sol দিয়ে এজেন্টরা উপ-এজেন্টদের সঙ্গে সমান্তরালে শত শত পরীক্ষা চালিয়ে মূল কারণ অনুসন্ধান করতে পারে.

এই অগ্রগতি এজেন্টদের গবেষণার এমন সব দিক খতিয়ে দেখতে সাহায্য করেছে, যা দলটি আগে ভাবেনি. একটি সেশনে GPT‑6.1 Sol একটি এক্সচেঞ্জে অপ্রদর্শিত লেনদেনের প্রভাব শনাক্ত করে. সেখানে মোট লেনদেনের অপ্রত্যাশিতভাবে বড় একটি অংশই ছিল এ ধরনের লেনদেন. অ্যাডাম বলেন, “ফলাফলটি সহজে অনুমান করা যেত না, আর আমাদের গবেষণা দলও শুরুতে এটি বিবেচনা করেনি.”

থার্ড মোমেন্ট কর্মদক্ষতা উন্নয়ন, যন্ত্রশিক্ষা ব্যবস্থা ও পরিমাণগত গবেষণার ক্ষেত্রে মডেলগুলোর মূল্যায়ন করে. প্রতিষ্ঠানটি অত্যাধুনিক মডেলের নতুন সংস্করণগুলো সর্বোচ্চ যুক্তিবিশ্লেষণ সেটিংসে পরীক্ষা করে. এতে রিপোজিটরি ঘেঁটে প্রয়োজনীয় বিষয় খুঁজে পাওয়া, দক্ষ কোড লেখা এবং একটি অনুসন্ধান চালিয়ে যাওয়ার সক্ষমতা যাচাই করা হয়. বর্তমান পরীক্ষায় GPT‑6 Luna-ও অন্তর্ভুক্ত রয়েছে.

একটি মানদণ্ডভিত্তিক পরীক্ষায় এজেন্টদের সরাসরি স্কোর দেখানোর একটি সেবার আউটপুট অপরিবর্তিত রেখে হালনাগাদের বিলম্ব কমাতে বলা হয়. সঠিক ফল পাওয়ার শর্তে দলটি একই হার্ডওয়্যারে বিশেষজ্ঞের তৈরি সমাধান ও মডেলের সমাধান চালায়. বিশেষজ্ঞের সমাধানের গড় চলার সময়কে মডেলের সমাধানের গড় সময় দিয়ে ভাগ করে তারা গতি কতটা বেড়েছে তা মাপে. অ্যাডামের মতে, GPT‑6 Astra সবচেয়ে বেশি গতি বাড়িয়েছে.

সিমুলেশন ব্যবস্থায় নির্দিষ্ট নিরাপত্তা দুর্বলতা যাচাইয়ের মতো সুনির্দিষ্ট কাজের জন্য দলটি GPT‑5.6 Terra-এর মতো আরও সাশ্রয়ী মডেল ব্যবহার করে. গভীর গবেষণার ক্ষেত্রে অ্যাডাম মনে করেন, আরও শক্তিশালী যুক্তিবিশ্লেষণ ক্ষমতার জন্য বেশি খরচ যৌক্তিক হতে পারে: “পরিমাণগত আর্থিক বিশ্লেষণে কোনো সম্ভাবনাময় সংকেত খুঁজে পাওয়ার মূল্য অনেক বেশি.”

১০,০০০ এজেন্ট স্বয়ংচালিতভাবে কাজ করায় থার্ড মোমেন্টের গবেষণা পরিবেশগুলোর নিরাপত্তা বড় পরিসরে পরীক্ষা করার উপায় প্রয়োজন. সিমুলেশন শুরুর আগে সেই পরীক্ষা স্বয়ংক্রিয়ভাবে চালাতে দলটি ডেব্রেক সাইবার নিরাপত্তা প্ল্যাটফর্ম ব্যবহার করে.

পরীক্ষাগুলোতে যাচাই করা হয়, কোনো এজেন্ট গবেষণা পরিবেশের গণ্ডি পেরিয়ে বৃহত্তর নেটওয়ার্কে প্রবেশ করতে পারে কি না. অ্যাডাম বলেন, “ডেব্রেক ব্যবহারের ফলে আমরা এজেন্টদের দিয়েই সিমুলেশনে অনুপ্রবেশ পরীক্ষা করাতে পারছি এবং এর অবকাঠামো ও নিরাপত্তা যাচাই করতে পারছি.”

বিভিন্ন প্রতিষ্ঠান প্রতিদিন যে বিশেষায়িত কাজ করে, সেগুলোও থার্ড মোমেন্টের উচ্চাকাঙ্ক্ষার অন্তর্ভুক্ত. খুচরা বিক্রেতার ক্ষেত্রে এর অর্থ হতে পারে, মজুত কম থাকলে বা সরবরাহকারী দেরি করলে সরবরাহব্যবস্থা নিয়ে আরও ভালো সিদ্ধান্ত নেওয়া. প্রকৌশল দলের ক্ষেত্রে এর অর্থ হতে পারে, বড় একটি কোডভাণ্ডারে কর্মদক্ষতা কমিয়ে দিচ্ছে এমন বাধাগুলো খুঁজে বের করা. নথিনির্ভর ব্যবসার ক্ষেত্রে এর অর্থ হতে পারে, একটি নথির প্রতিশ্রুতির সঙ্গে অন্য নথিতে লিপিবদ্ধ ফলাফলের কোথায় অমিল রয়েছে, তা শনাক্ত করা.

GPT‑6 Astra, GPT‑6 Sol ও GPT‑6.1 Sol-এর যুক্তিবিশ্লেষণ ক্ষমতাকে কাজে লাগিয়ে থার্ড মোমেন্ট আলাদা আলাদা অনুসন্ধান থেকে লাখ লাখ উপ-এজেন্টের সম্মিলিত কাজের দিকে এগোনোর পরিকল্পনা করছে. প্রতিষ্ঠানটির পরিকল্পনায় রয়েছে ট্রিলিয়ন ট্রিলিয়ন টোকেন ব্যবহার করে একে অপরের ওপর নির্ভরশীল কয়েক ডজন পরীক্ষার ধারাবাহিকতা চালানো. লক্ষ্য হলো, নতুন চ্যালেঞ্জ দেখা দিলে সেই গবেষণা কাজে লাগিয়ে স্বয়ংক্রিয়ভাবে এজেন্টদের উন্নত করা.

অ্যাডামের মতে, এতে এজেন্টরা কীভাবে শিখবে ও কাজ করবে তা নির্ধারণে মানুষের সক্ষমতা বাড়বে: “মানুষ এমন অবস্থানে থাকতে পারবে, যেখান থেকে তারা আরও বেশি প্রভাব রাখতে পারে. নিজেরা সরাসরি গবেষণা করার বদলে কীভাবে গবেষণা করা যায় এবং গবেষণা প্রক্রিয়াটিকেই আরও উন্নত করা যায়, তা নিয়ে ভাবতে পারবে.”