উন্মুক্ত ডোমেন কথোপকথনমূলক কৃত্রিম বুদ্ধিমত্তা প্রযুক্তির অগ্রভাগ: একটি পর্যালোচনামূলক বিশ্লেষণ ও সমালোচনামূলক মূল্যায়ন

সূচিপত্র

• 1. ভূমিকা ও সংক্ষিপ্ত বিবরণ
• 2. পটভূমি ও মূল ধারণা
• 3. কথোপকথনমূলক AI-এর সুবিধা
• 4. পর্যালোচনা পদ্ধতিবিদ্যা
• 5. ফলাফল: অগ্রগামী মডেলসমূহ
• 6. ফলাফল: কথোপকথনমূলক AI-এর লিঙ্গ বিশ্লেষণ
• 7. বিদ্যমান চ্যালেঞ্জ ও সীমাবদ্ধতা
• 8. স্বল্প-সম্পদ ভাষার চ্যালেঞ্জ
• 9. সম্পর্কিত কাজ ও পূর্ববর্তী সারসংক্ষেপ
• 10. সমালোচনামূলক বিশ্লেষণমূলক মন্তব্য
• 11. প্রযুক্তিগত বিবরণ এবং গাণিতিক কাঠামো
• 12. পরীক্ষামূলক ফলাফল এবং তথ্য বিশ্লেষণ
• 13. বিশ্লেষণ কাঠামো: কেস স্টাডি উদাহরণ
• 14. ভবিষ্যত প্রয়োগ ও গবেষণা দিকনির্দেশ
• 15. তথ্যসূত্র

1. ভূমিকা ও সংক্ষিপ্ত বিবরণ

এই বিশ্লেষণ Adewumi, Liwicki এবং Liwicki-র পর্যালোচনা নিবন্ধ 'Open-Domain Conversational AI: The State of the Art and Future Challenges' এর উপর ভিত্তি করে তৈরি। মূল পর্যালোচনার প্রাথমিক লক্ষ্য ছিল সাম্প্রতিক সর্বাধুনিক ওপেন-ডোমেন কথোপকথনমূলক AI মডেলগুলির জরিপ করা, চলমান চ্যালেঞ্জগুলি চিহ্নিত করা এবং ভবিষ্যত গবেষণাকে এগিয়ে নেওয়া। কথোপকথনমূলক AI এজেন্টদের লিঙ্গ বণ্টনের উপর এর জরিপ এর অনন্য বৈশিষ্ট্য, যা নৈতিক আলোচনার জন্য তথ্যগত ভিত্তি প্রদান করে।

এই পর্যালোচনায় কথোপকথনমূলক AI কে এমন যেকোনো সিস্টেম হিসেবে সংজ্ঞায়িত করা হয়েছে যা প্রাকৃতিক ভাষা ব্যবহার করে মানুষের মধ্যে বুদ্ধিবৃত্তিক কথোপকথনের অনুকরণ করতে পারে। এটি এই ক্ষেত্রের উৎপত্তি ELIZA (Weizenbaum, 1969) পর্যন্ত খুঁজে দেখে এবং টুরিং টেস্টের দৃষ্টান্তে 'মানবিক' কর্মক্ষমতা অর্জনের অগ্রগতি মূল্যায়ন করার লক্ষ্য রাখে।

চিহ্নিত মূল অবদানসমূহ:

• সর্বাধুনিক উন্মুক্ত-ক্ষেত্র কথোপকথনমূলক AI-তে বিদ্যমান সাধারণ চ্যালেঞ্জগুলি চিহ্নিত করা হয়েছে।
• স্বল্প-সম্পদ ভাষার জন্য উন্মুক্ত-ক্ষেত্র কথোপকথনমূলক AI নিয়ে আলোচনা করা হয়েছে।
• কথোপকথনমূলক AI-এর লিঙ্গ সম্পর্কিত নৈতিক বিষয়গুলি পরিসংখ্যানিক তথ্য সহ বিশ্লেষণ করা হয়েছে।

2. পটভূমি ও মূল ধারণা

এই ক্ষেত্রে বিভিন্ন উদ্দেশ্যে নকশা করা সিস্টেম রয়েছে: টাস্ক-ওরিয়েন্টেড (যেমন টিকিট বুকিং) এবং ওপেন-ডোমেইন (বিভিন্ন বিষয়ে সীমাহীন কথোপকথন)। এই পর্যালোচনাটি পরবর্তীটির উপর দৃষ্টি নিবদ্ধ করে, যা সংকীর্ণ কাজে মনোনিবেশকারী বটগুলির তুলনায় সুসংগততা, সম্পৃক্ততা এবং জ্ঞান ভিত্তির ক্ষেত্রে অনন্য চ্যালেঞ্জ উপস্থাপন করে।

আধুনিক পদ্ধতিগুলি সাধারণত বড় ভাষা মডেল, সিকোয়েন্স-টু-সিকোয়েন্স আর্কিটেকচার এবং রিট্রিভাল-ভিত্তিক পদ্ধতি ব্যবহার করে, কখনও কখনও হাইব্রিড সিস্টেমে একত্রিত করে।

3. কথোপকথনমূলক AI-এর সুবিধা

পর্যালোচনাটি গবেষণার প্রেরণা তুলে ধরে, যার মধ্যে রয়েছে:

• বিনোদন ও সঙ্গ: সামাজিক মিথস্ক্রিয়া এবং সম্পৃক্ততার অনুভূতি প্রদান করা।
• তথ্য প্রাপ্তি: বিপুল জ্ঞানের জন্য প্রাকৃতিক ভাষা ইন্টারফেস বাস্তবায়ন করা।
• চিকিৎসা প্রয়োগ: যেমন প্রাথমিক সিস্টেম ELIZA দ্বারা প্রদর্শিত হয়েছিল।
• গবেষণা বেঞ্চমার্ক: প্রাকৃতিক ভাষা বোঝা এবং উৎপাদনে AI ক্ষমতার জন্য একটি পরীক্ষার ক্ষেত্র হিসেবে।

4. পর্যালোচনা পদ্ধতিবিদ্যা

গবেষণাপত্রটি দুটি প্রধান সমীক্ষা পরিচালনা করে:

1. ফ্রন্টিয়ার মডেল অনুসন্ধান: একাডেমিক সাহিত্যে সাম্প্রতিক (অনুমান করা হয় প্রকাশনার কয়েক বছরের মধ্যে) সর্বাধিক অগ্রসর ওপেন-ডোমেন কথোপকথনমূলক AI মডেলগুলির একটি পদ্ধতিগত অনুসন্ধান পরিচালনা করা।
2. লিঙ্গ মূল্যায়ন: 100টি কথোপকথনমূলক AI সিস্টেম (যার মধ্যে বাণিজ্যিক চ্যাটবট, ভয়েস সহকারী এবং গবেষণা প্রোটোটাইপ অন্তর্ভুক্ত থাকতে পারে) অনুসন্ধান ও বিশ্লেষণ করা হয়েছে তাদের উপলব্ধ বা নির্ধারিত লিঙ্গ শ্রেণীবদ্ধ করার জন্য।

পদ্ধতিটি পরিমাণগত বেঞ্চমার্ক গবেষণার পরিবর্তে একটি গুণগত পর্যালোচনা এবং মেটা-বিশ্লেষণ বলে মনে হয়।

5. ফলাফল: অগ্রগামী মডেলসমূহ

পর্যালোচনায় দেখা গেছে যে প্রাথমিক নিয়ম-ভিত্তিক সিস্টেমগুলির পর থেকে উল্লেখযোগ্য অগ্রগতি সত্ত্বেও, চলমান চ্যালেঞ্জগুলি অব্যাহত রয়েছে। একটি মূল সিদ্ধান্ত হল,হাইব্রিড মডেল——বিভিন্ন আর্কিটেকচারাল প্যারাডাইম একত্রিত করে (যেমন, পুনরুদ্ধার বনাম উৎপাদন, বা প্রতীকী বনাম স্নায়বিক পদ্ধতি)——যেকোনো একক আর্কিটেকচারের তুলনায় সুবিধা প্রদান করে।

সাবলীলতা এবং মৌলিক সংগতি ইত্যাদি ক্ষেত্রে অগ্রগতি হয়েছে, কিন্তু গভীরতা, সামঞ্জস্য এবং রূপক ভাষা প্রক্রিয়াকরণের মৌলিক সমস্যাগুলি রয়ে গেছে।

6. ফলাফল: কথোপকথনমূলক AI-এর লিঙ্গ বিশ্লেষণ

এটি এই পর্যালোচনার একটি উল্লেখযোগ্য অবদান। 100টি কথোপকথনমূলক AI-এর বিশ্লেষণ একটি লক্ষণীয় পক্ষপাত প্রকাশ করে:

7. বিদ্যমান চ্যালেঞ্জ ও সীমাবদ্ধতা

পর্যালোচনাটি "মানবসদৃশ" কর্মক্ষমতা অর্জনে বাধা দেয় এমন বেশ কয়েকটি মূল বাধা চিহ্নিত করে:

• নিষ্প্রভ ও সাধারণ প্রতিক্রিয়া: নিরাপদ, নীরস বা অনির্দিষ্ট প্রতিক্রিয়া দেওয়ার প্রবণতা।
• রূপক ভাষা প্রক্রিয়াকরণে ব্যর্থতা: রূপক, ব্যঙ্গ ও প্রবাদ বাক্য বোঝা এবং তৈরি করতে অসুবিধা।
• দীর্ঘমেয়াদী সামঞ্জস্য ও স্মৃতির অভাব: দীর্ঘ কথোপকথনে ধারাবাহিক চরিত্র বজায় রাখা এবং তথ্য মনে রাখতে অক্ষমতা।
• মূল্যায়ন সংক্রান্ত কঠিনতা: মানুষের কথোপকথনের গুণমান বিচারের সাথে অত্যন্ত সম্পর্কিত, মজবুত ও স্বয়ংক্রিয় সূচকের অভাব।
• নিরাপত্তা ও পক্ষপাত: ক্ষতিকর, পক্ষপাতদুষ্ট বা অনুপযুক্ত বিষয়বস্তু তৈরি করতে পারে।

8. স্বল্প-সম্পদ ভাষার চ্যালেঞ্জ

এই সারসংক্ষেপটি AI বিকাশের ভারসাম্যহীনতার উপর গুরুত্বপূর্ণভাবে জোর দেয়। বেশিরভাগ অত্যাধুনিক মডেল ইংরেজির মতো উচ্চ-সম্পদ ভাষার জন্য তৈরি। নিম্ন-সম্পদ ভাষার জন্য, নিম্নলিখিত কারণে চ্যালেঞ্জ আরও তীব্র হয়:

• বৃহৎ আকারের সংলাপ ডেটাসেটের অভাব।
• প্রাক-প্রশিক্ষিত ভাষা মডেলের অভাব।
• ইংরেজির জন্য ডিজাইন করা মডেলগুলি দ্বারা পরিচালনা না হওয়া স্বতন্ত্র ভাষাগত কাঠামো।

এই সারসংক্ষেপটি এই সমস্যা সমাধানের কিছু প্রচেষ্টা নিয়ে আলোচনা করে, যেমন ক্রস-লিঙ্গুয়াল ট্রান্সফার লার্নিং এবং লক্ষ্যযুক্ত ডেটা সংগ্রহ প্রচেষ্টা।

9. সম্পর্কিত কাজ ও পূর্ববর্তী সারসংক্ষেপ

লেখক তাদের কাজকে অনন্য হিসেবে উপস্থাপন করেছেন, কারণ এটি প্রযুক্তিগত পর্যালোচনা, নতুন লৈঙ্গিক নৈতিকতা তদন্ত এবং স্বল্প-সম্পদ ভাষার প্রতি মনোযোগকে একত্রিত করে। এটি পূর্ববর্তী পর্যালোচনার উপর নির্মিত, যেগুলো সম্ভবত আরও সংকীর্ণভাবে স্থাপত্য, ডেটাসেট বা মূল্যায়ন পদ্ধতির উপর দৃষ্টি নিবদ্ধ করেছিল।

10. সমালোচনামূলক বিশ্লেষণমূলক মন্তব্য

মূল অন্তর্দৃষ্টি: এই পর্যালোচনা একটি অস্বস্তিকর সত্য সফলভাবে প্রকাশ করেছে: কথোপকথনমূলক AI-এর প্রযুক্তিগত অপরিপক্বতা তার নৈতিক কচিকাচার সাথে মেলে। এই ক্ষেত্রটি ক্ষমতার বেঞ্চমার্কের পিছনে দৌড়াচ্ছে, কিন্তু ব্যাপকভাবে অজান্তেই ক্ষতিকারক সামাজিক স্টেরিওটাইপকে শক্তিশালী করছে, যার একটি স্পষ্ট প্রমাণ হল নারী লিঙ্গ পক্ষপাত। হাইব্রিড মডেলের পক্ষে সমর্থন একটি যুগান্তকারী আবিষ্কারের চেয়ে বরং স্বীকারোক্তি যে একক বৃহৎ ভাষা মডেল পথের একটি মৌলিক, আনক্যানি ভ্যালি-সদৃশ সীমাবদ্ধতা রয়েছে।

যৌক্তিক ধারা: কাঠামোটি কার্যকর: এটি প্রযুক্তিগত প্রেক্ষাপট স্থাপন করে, এর মধ্যে ব্যবস্থাগত লিঙ্গ পক্ষপাত প্রকাশ করে, এবং তারপর এটিকে নিরসতা এবং অসমতা (যেমন, স্বল্প-সম্পদ ভাষা) এর মতো বৃহত্তর চ্যালেঞ্জের সাথে সংযুক্ত করে। এটি একটি আকর্ষণীয় আখ্যান তৈরি করে যে প্রযুক্তিগত এবং নৈতিক চ্যালেঞ্জগুলি পরস্পর বিজড়িত, স্বতন্ত্র ট্র্যাক নয়। যাইহোক, এটি প্রশিক্ষণ ডেটাতে পক্ষপাত (যা প্রায়শই সামাজিক পক্ষপাতপূর্ণ ইন্টারনেট থেকে স্ক্র্যাপ করা হয়) সরাসরি নিরস প্রতিক্রিয়ার সমস্যার সাথে আরও দৃঢ়ভাবে সংযুক্ত করতে পারত – উভয়ই "গড়" এর জন্য অপ্টিমাইজ করার লক্ষণ, "উৎকৃষ্ট" এর জন্য নয়।

শক্তি ও দুর্বলতা:
সুবিধা: লিঙ্গ বিশ্লেষণ একটি সাহসী ও প্রয়োজনীয় উপাদান, যা প্রায়শই অনুমানমূলক বিতর্ককে কঠিন তথ্য সরবরাহ করে। কম-সম্পদ ভাষাগুলির উপর জোর দেওয়া অন্তর্ভুক্তিমূলক AI উন্নয়নের জন্য অত্যন্ত গুরুত্বপূর্ণ। কেবল মডেলের অর্জন তালিকাভুক্ত করার চেয়ে স্থায়ী, অমীমাংসিত চ্যালেঞ্জগুলির উপর ফোকাস করা অধিক মূল্যবান।
সীমাবদ্ধতা: একটি সারসংক্ষেপ হিসেবে, এটি যে কোনো একক প্রযুক্তিগত চ্যালেঞ্জের গভীরতার দিক থেকে সীমিত। লিঙ্গ বিশ্লেষণের পদ্ধতিগত দিক (কীভাবে 100টি AI-এর "লিঙ্গ" নির্ধারণ করা হয়) পুনরুৎপাদনযোগ্যতা নিশ্চিত করতে আরও স্পষ্ট বর্ণনার প্রয়োজন। এটি কিছুটা পরিমাণে সারসংক্ষেপ প্রকাশের পরের উন্নয়নগুলির (যেমন ChatGPT) বিপ্লবী প্রভাবকে কম মূল্যায়ন করেছে, যা মূল চ্যালেঞ্জগুলি সমাধান করতে না পারলেও জনসাধারণ ও গবেষণা প্যারাডাইমকে আমূল পরিবর্তন করেছে।

কার্যকরী অন্তর্দৃষ্টি: 1) অডিট ও বৈচিত্র্য: ডেভেলপমেন্ট টিমকে প্রশিক্ষণ ডেটা এবং মডেল আউটপুটে বাধ্যতামূলক পক্ষপাত এবং বৈচিত্র্য অডিট প্রয়োগ করতে হবে, অ্যাড-হক "রেড টিম" পরীক্ষার বাইরে গিয়ে।2) মান-সংবেদনশীল ডিজাইন: প্রকল্পের শুরু থেকেই মান-সংবেদনশীল ডিজাইনের মতো ফ্রেমওয়ার্ক ব্যবহার করুন, চরিত্রের লিঙ্গ (বা লিঙ্গহীনতা) একটি কেন্দ্রীয় ডিজাইন প্রয়োজনীয়তা হিসাবে স্পষ্টভাবে সংজ্ঞায়িত করুন, পরবর্তী চিন্তা হিসাবে নয়।3) মিশ্রিতকে ডিফল্ট হিসাবে: গবেষণা সম্প্রদায়কে মিশ্র মডেল পদ্ধতিকে একটি বিকল্প নয় বরং ডিফল্ট আর্কিটেকচার হিসাবে বিবেচনা করা উচিত, সিম্বলিক যুক্তি, নলেজ গ্রাফ এবং ইমোশনাল কম্পিউটিংকে বড় ভাষা মডেলের সাথে একীভূত করার নতুন পদ্ধতিতে বিনিয়োগ করা উচিত।4) গ্লোবাল বেঞ্চমার্ক: BLOOM প্রজেক্টের বৃহৎ-স্কেল মাল্টিলিঙ্গুয়াল মডেল তৈরির ধারণার অনুরূপ, কম-রিসোর্স ভাষার কথোপকথনমূলক AI-এর জন্য বেঞ্চমার্ক তৈরি করুন এবং অংশগ্রহণে উত্সাহিত করুন।

11. প্রযুক্তিগত বিবরণ এবং গাণিতিক কাঠামো

যদিও এই সারসংক্ষেপটি উচ্চ-স্তরের, আধুনিক কথোপকথনমূলক AI-এর মূল সাধারণত ক্রম-থেকে-ক্রম শেখা এবং Transformer-ভিত্তিক ভাষা মডেলিং জড়িত।

Transformer স্থাপত্য: স্ব-মনোযোগ প্রক্রিয়া হল মূল। ইনপুট এম্বেডিং ক্রম $X$-এর জন্য, আউটপুট মাল্টি-হেড মনোযোগের মাধ্যমে গণনা করা হয়:

$\text{Attention}(Q, K, V) = \text{softmax}\left(\frac{QK^T}{\sqrt{d_k}}\right)V$

যেখানে $Q, K, V$ হল $X$ থেকে উদ্ভূত ক্যোয়ারী, কী এবং মান ম্যাট্রিক্স।

প্রতিক্রিয়া উৎপাদন: প্রদত্ত কথোপকথনের ইতিহাস $H = \{u_1, u_2, ..., u_{t-1}\}$, মডেলটি সম্ভাব্যতা বন্টন অনুমান করে প্রতিক্রিয়া $u_t$ উৎপন্ন করে:

$P(u_t | H) = \prod_{i=1}^{|u_t|} P(w_i | w_{

যেখানে $w_i$ হল প্রতিক্রিয়ার টোকেন। এটি সাধারণত সর্বাধিক সম্ভাবনা অনুমান ব্যবহার করে অপ্টিমাইজ করা হয়।

মিশ্র মডেল ক্ষতি: একটি মিশ্র অনুসন্ধান-উৎপাদন মডেল ক্ষতি সংমিশ্রণ করতে পারে:

$\mathcal{L}_{\text{total}} = \lambda \mathcal{L}_{\text{retrieval}} + (1-\lambda) \mathcal{L}_{\text{generation}}$

যেখানে $\lambda$ জ্ঞানভান্ডার থেকে প্রার্থী প্রতিক্রিয়া নির্বাচন এবং শূন্য থেকে প্রতিক্রিয়া তৈরি করার মধ্যে ওজন নিয়ন্ত্রণ করে।

12. পরীক্ষামূলক ফলাফল এবং চিত্র বর্ণনা

চার্ট: ১০০টি কথোপকথনমূলক AI-এর অনুমিত লিঙ্গ বন্টন

পর্যালোচনা থেকে প্রাপ্ত নারী লিঙ্গ পক্ষপাতের ভিত্তিতে।

• X-অক্ষ: লিঙ্গ বিভাগ (নারী, পুরুষ, লিঙ্গ-নিরপেক্ষ/অনির্দিষ্ট, অন্যান্য)।
• Y-অক্ষ: AI এজেন্টের সংখ্যা (গণনা)।
• বার গ্রাফ:
  • নারী: সর্বোচ্চ বার (উদাহরণস্বরূপ, প্রায় 65টি এজেন্ট)। এটি সংখ্যাগরিষ্ঠতা প্রতিনিধিত্ব করে, যার মধ্যে অনেক বাণিজ্যিক ভয়েস অ্যাসিস্টেন্ট এবং চ্যাটবট রয়েছে যা নারী নাম এবং কণ্ঠস্বর হিসাবে ডিজাইন করা হয়েছে।
  • পুরুষ: সংক্ষিপ্ত বার (উদাহরণস্বরূপ, প্রায় 25টি এজেন্ট)। কিছু কর্পোরেট বা "জ্ঞান-ভিত্তিক" সহকারী অন্তর্ভুক্ত।
  • লিঙ্গ-নিরপেক্ষ/অনির্দিষ্ট: একটি ছোট বার (উদাহরণস্বরূপ, প্রায় 8টি এজেন্ট)। একটি ক্রমবর্ধমান কিন্তু এখনও সংখ্যালঘু প্রবণতা প্রতিনিধিত্ব করে।
  • অন্যান্য: ক্ষুদ্রতম স্তম্ভ (যেমন, প্রায় 2টি এজেন্ট)। এটি অ-মানব বা স্পষ্টভাবে কাস্টমাইজযোগ্য চরিত্রের প্রতিনিধিত্ব করতে পারে।

ব্যাখ্যা: এই চার্টটি একটি লক্ষণীয় ভারসাম্যহীনতা দৃশ্যত প্রদর্শন করে, যা AI-এর লিঙ্গগত স্টেরিওটাইপ শক্তিশালীকরণের উদ্বেগের জন্য পরিমাণগত সমর্থন সরবরাহ করে। "নারী" বিভাগের আধিপত্য গবেষণাপত্রে নৈতিক আলোচনা চালিত করার মূল পরীক্ষামূলক ফলাফল।

13. বিশ্লেষণ কাঠামো: কেস স্টাডি উদাহরণ

দৃশ্যকল্প: একটি কোম্পানি বয়স্ক ব্যবহারকারীদের জন্য একটি নতুন ওপেন-ডোমেন কম্প্যানিয়ন চ্যাটবট উন্নয়ন করছে।

পর্যালোচনার অন্তর্দৃষ্টি প্রয়োগ – নন-কোড ফ্রেমওয়ার্ক:

1. চ্যালেঞ্জ শনাক্তকরণ (অনুচ্ছেদ ৭):
   • নিষ্প্রভ প্রতিক্রিয়া: গল্পের প্রতি রোবটের পুনরাবৃত্তিমূলক, নিরস প্রতিক্রিয়া দেওয়ার ঝুঁকি।
   • স্মৃতি: ব্যবহারকারীর পারিবারিক বিবরণ সেশন জুড়ে মনে রাখতে হবে।
   • রূপক ভাষা: প্রবীণ জনগোষ্ঠীতে প্রচলিত বাগধারা বুঝতে হবে।
2. স্থাপত্য সিদ্ধান্ত (ধারা ৫ এবং ১১): নির্বাচনহাইব্রিড মডেল。
   • অনুসন্ধান উপাদান: আকর্ষণীয় গল্প, রসিকতা এবং নস্টালজিক প্রম্পট সমৃদ্ধ একটি সযত্নে সংকলিত ডাটাবেস।
   • জেনারেটিভ উপাদান (বৃহৎ ভাষা মডেল): নমনীয় ও প্রসঙ্গ-সচেতন কথোপকথনের জন্য।
   • মেমরি মডিউল: একটি বহিরাগত জ্ঞান গ্রাফ যা ব্যবহারকারীর নির্দিষ্ট তথ্য সংরক্ষণ করে।
   • সিস্টেমটি একটি শ্রেণীবদ্ধকারী ব্যবহার করে (যা λ টিউনিং এর মাধ্যমে শেখা) কখন তথ্য পুনরুদ্ধার করতে হবে বা তৈরি করতে হবে তা নির্ধারণ করতে।
3. নৈতিকতা ও অন্তর্ভুক্তিমূলক নকশা (অনুচ্ছেদ ৬ এবং ৮):
   • লিঙ্গ: ইচ্ছাকৃতভাবে একটি লিঙ্গ-নিরপেক্ষ চরিত্র (কণ্ঠ, নাম, প্রোফাইল ছবি) ডিজাইন করুন। গ্রহণযোগ্যতা মূল্যায়নের জন্য ব্যবহারকারী গবেষণা পরিচালনা করুন।
   • ভাষা: যদি বহুভাষিক অঞ্চলের জন্য হয়, তবে শুরু থেকেই অনুচ্ছেদ ৮-এ উল্লিখিত স্থানান্তর শিক্ষণ প্রযুক্তি ব্যবহার করে স্বল্প-সম্পদ ভাষাগুলিকে সমর্থনের পরিকল্পনা করুন, একটি অতিরিক্ত বৈশিষ্ট্য হিসেবে নয়।
4. মূল্যায়ন (অনুচ্ছেদ ৭-এ অন্তর্নিহিত): স্বয়ংক্রিয় মেট্রিক্স (যেমন, পারপ্লেক্সিটি) অতিক্রম করে। লক্ষ্য ব্যবহারকারী গোষ্ঠীর উপর দীর্ঘমেয়াদী ম্যানুয়াল মূল্যায়ন বাস্তবায়ন, সপ্তাহব্যাপী মিথস্ক্রিয়ায় জড়িততা, উপলব্ধ সহানুভূতি এবং সামঞ্জস্য পরিমাপ।

14. ভবিষ্যত প্রয়োগ ও গবেষণা দিকনির্দেশ

নিকটবর্তী প্রয়োগ (1-3 বছর):

• ব্যক্তিগতকৃত শিক্ষা ও টিউটরিং: শিক্ষার্থীর কথোপকথন শৈলী এবং জ্ঞানের ফাঁক মোকাবেলা করতে সক্ষম ওপেন-ডোমেইন টিউটর।
• উন্নত গ্রাহক সেবা: স্ক্রিপ্টেড FAQ অতিক্রম করে প্রকৃত সমস্যা-সমাধানকারী কথোপকথনে রূপান্তর, যেখানে কাজের দিকে মনোনিবেশ এবং সুসম্পর্ক গঠন একত্রিত হয়।
• মানসিক স্বাস্থ্য প্রথম প্রতিক্রিয়াকারী: প্রাথমিক সহায়তা ও ট্রায়েজের জন্য স্কেলযোগ্য, সর্বদা উপলব্ধ কথোপকথনমূলক এজেন্ট, যাকে কঠোর নৈতিক সুরক্ষা ব্যবস্থা সহ ডিজাইন করা হয়েছে।

প্রধান গবেষণা দিক:

• ব্যাখ্যাযোগ্য ও নিয়ন্ত্রণযোগ্য কথোপকথন: এমন মডেল তৈরি করা যা তাদের যুক্তি প্রক্রিয়া ব্যাখ্যা করতে পারে এবং ব্যক্তিত্ব, মূল্যবোধ ও তথ্যভিত্তির উপর সূক্ষ্ম নিয়ন্ত্রণ অনুমোদন করে। DARPA XAI প্রোগ্রামের গবেষণা একটি কাঠামো প্রদান করে।
• পক্ষপাত প্রশমন ও ন্যায্যতা: চিনতে পারা থেকে সমাধানের দিকে। কথোপকথন কাজের জন্য কাউন্টারফ্যাকচুয়াল ডেটা অগমেন্টেশন বা অ্যাডভারসারিয়াল ডিবায়াসিংয়ের মতো কৌশলগুলিকে অভিযোজিত করতে হবে।
• কম সম্পদ ও অন্তর্ভুক্তিমূলক AI: বিশ্বের ভাষাগুলির (মাত্র শীর্ষ ৫-১০টি নয়) জন্য মৌলিক কথোপকথন ডেটাসেট এবং মডেল তৈরিতে জোর প্রচেষ্টা। Masakhane এবং AI4Bharat-এর মতো সংস্থার কাজ অত্যন্ত গুরুত্বপূর্ণ।
• দেহায়িত ও বহুপ্রকার কথোপকথন: কথোপকথনকে ভৌতিক বা ভার্চুয়াল বিশ্বের উপলব্ধি ও ক্রিয়ার সাথে একীভূত করা, আরও প্রাসঙ্গিক ও অর্থপূর্ণ মিথস্ক্রিয়ার দিকে অগ্রসর হওয়া।
• দীর্ঘমেয়াদী সম্পর্ক মডেলিং: এমন স্থাপত্য তৈরি করা যা ব্যবহারকারীর সাথে মাস বা বছর ধরে সামঞ্জস্যপূর্ণ ও বিকশিত সম্পর্ক গড়ে তুলতে এবং বজায় রাখতে সক্ষম।

15. তথ্যসূত্র

1. Adewumi, T., Liwicki, F., & Liwicki, M. (年份). ওপেন-ডোমেন কথোপকথন এআই-তে সর্বশেষ অগ্রগতি: একটি সমীক্ষা। [উৎস PDF]।
2. Weizenbaum, J. (1969). ELIZA—মানুষ এবং মেশিনের মধ্যে প্রাকৃতিক ভাষা যোগাযোগ অধ্যয়নের জন্য একটি কম্পিউটার প্রোগ্রাম। Communications of the ACM.
3. Turing, A. M. (1950). কম্পিউটিং মেশিনারি এবং বুদ্ধিমত্তা। Mind.
4. Jurafsky, D., & Martin, J. H. (2020). Speech and Language Processing (৩য় সংস্করণ)।
5. Vaswani, A., et al. (2017). Attention is all you need. Advances in Neural Information Processing Systems.
6. Friedman, B., & Kahn, P. H. (2003). Human values, ethics, and design. In The human-computer interaction handbook.
7. BigScience Workshop. (2022). BLOOM: A 176B-Parameter Open-Access Multilingual Language Model. arXiv preprint arXiv:2211.05100.
8. Gunning, D., et al. (2019). XAI—Explainable artificial intelligence. Science Robotics.
9. Lu, K., et al. (2020). Counterfactual data augmentation for mitigating gender stereotypes in languages with rich morphology. Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics.
10. Zhu, J.-Y., et al. (2017). Unpaired image-to-image translation using cycle-consistent adversarial networks. Proceedings of the IEEE International Conference on Computer Vision. (বিভিন্ন ক্ষেত্রে যুগান্তকারী হাইব্রিড/সাইক্লিক আর্কিটেকচারের উদাহরণ).