লেখক:
বারেন্ড মনসলাইডেন বিশ্ববিদ্যালয়ের এমেরিটাস অধ্যাপক, গো ফেয়ার ফাউন্ডেশনের বোর্ড সদস্য এবং লাইফস (লাইডেন ইনিশিয়েটিভ ফর ফেয়ার অ্যান্ড ইকুইটেবল সায়েন্স)-এর পরিচালক
আরি বাকলাইফস অ্যাসোসিয়েশন ফর ফেয়ার অ্যান্ড ইকুইটেবল সায়েন্স-এর বোর্ড সদস্য
কোয়েন জোনকার্সইউরোপীয় কমিশন, জয়েন্ট রিসার্চ সেন্টার (জেআরসি), ব্রাসেলস, বেলজিয়াম
কৃত্রিম বুদ্ধিমত্তা বিজ্ঞানের পরিচালনা, যোগাযোগ এবং যাচাইকরণের পদ্ধতিকে রূপান্তরিত করছে। এটি প্রকৃত সম্ভাবনা ধারণ করে, যা এমন মাত্রায় প্যাটার্ন শনাক্তকরণ সক্ষম করে যা কোনো মানব গবেষকের পক্ষে সম্ভব নয়, কর্মপ্রবাহকে ত্বরান্বিত করে এবং আবিষ্কারের নতুন পথ খুলে দেয়। কিন্তু এআই দ্রুতগতিসম্পন্ন হলেও ত্রুটিমুক্ত নয় এবং নির্বিচার, অন্যদিকে বিজ্ঞান তার গঠনগত কারণেই সময়সাপেক্ষ এবং সূক্ষ্ম। এই দুই বাস্তবতার মধ্যকার টানাপোড়েন ইতিমধ্যেই গুরুতর অব্যবস্থা তৈরি করছে: এআই-সৃষ্ট প্রকাশনা ও তথ্যের ঢল, পিয়ার রিভিউয়ের মান হ্রাস, অলীক আবিষ্কার এবং বৈজ্ঞানিক নথিপত্রের ওপর আস্থার অবক্ষয়। ভবিষ্যৎ বিজ্ঞানীদের জন্য প্রয়োজনীয় দক্ষতার সেট মৌলিকভাবে পরিবর্তিত হচ্ছে এবং বিজ্ঞান নীতি এর সাথে তাল মেলাতে পারেনি। এই ব্যবধান পূরণ করা জরুরি।
বিজ্ঞান অসাধারণ গতিতে তথ্য-স্বল্প পরিবেশ থেকে তথ্য-সমৃদ্ধ পরিবেশে রূপান্তরিত হয়েছে। যেখানে গবেষকরা একসময় সীমিত ডেটাসেট তৈরি করতেন এবং প্রধানত মানুষের পাঠযোগ্য প্রবন্ধের মাধ্যমে গবেষণার ফলাফল জানাতেন, সেখানে এখন তাঁরা সূচকীয় হারে তথ্য তৈরির এক যুগে কাজ করছেন। এর বেশিরভাগই উচ্চ-মাত্রিক, বিস্তৃত এবং কেবল যন্ত্রের দ্বারাই পরিচালনাযোগ্য। তবে, এই প্রবণতা তথ্যের প্রকৃত পুনঃব্যবহারে প্রতিফলিত হচ্ছে না। এই পরিস্থিতি বদলাতে হলে, তথ্যকেই এখন প্রবন্ধের উপজাত হিসেবে নয়, বরং একটি প্রথম শ্রেণীর বৈজ্ঞানিক ফলাফল হিসেবে গণ্য করতে হবে।
বিশাল ও জটিল ডেটাসেট থেকে প্যাটার্ন খুঁজে বের করতে মেশিন অত্যন্ত পারদর্শী। কিন্তু মানুষের জন্য প্রাসঙ্গিক বাস্তবতা সম্পর্কে মেশিনের কোনো সহজাত ধারণাগত মডেল নেই। এর ফলে প্যাটার্নের এক প্রায় অসীম ভান্ডার তৈরি হয়, যার মধ্যে অনেকগুলোই ভ্রান্ত এবং কিছু বিভ্রান্তিকর। পরবর্তী প্রজন্মের বিজ্ঞানীদের জন্য একটি প্রধান চ্যালেঞ্জ হবে এই প্যাটার্নের জঙ্গল থেকে পথ খুঁজে বের করা: পরিসংখ্যানগত কোলাহল থেকে অর্থপূর্ণ সংকেতকে আলাদা করা। এক্ষেত্রে মানবিক তত্ত্বাবধান ঐচ্ছিক নয়; এটি কাঠামোগতভাবে অপরিহার্য।
নীতিনির্ধারকদের এ বিষয়েও সচেতন থাকা উচিত যে, বিজ্ঞানে কৃত্রিম বুদ্ধিমত্তার পরিধি শুধু বৃহৎ ভাষা মডেলের মধ্যেই সীমাবদ্ধ নয়, যা বর্তমানে জনপরিসরে আলোচনার কেন্দ্রবিন্দুতে রয়েছে। এর বৃহত্তর পরিমণ্ডলে অন্তর্ভুক্ত রয়েছে প্রকল্প অনুমান তৈরির জন্য মেশিন লার্নিং, স্বয়ংক্রিয় পরীক্ষামূলক কার্যপ্রবাহ এবং নলেজ গ্রাফ-ভিত্তিক যুক্তিনির্মাণ; যার প্রত্যেকটিরই নিজস্ব ঝুঁকি ও সুযোগ রয়েছে এবং সেগুলোর জন্য বিশেষভাবে তৈরি প্রশাসনিক পদক্ষেপ প্রয়োজন।
বিজ্ঞানে এআই আউটপুটের মান সরাসরি ডেটার মানের উপর নির্ভর করে। ইনপুটFAIR ডেটা (যা খুঁজে পাওয়া যায়, সহজলভ্য, আন্তঃকার্যকরী এবং পুনঃব্যবহারযোগ্য, এবং যা ক্রমবর্ধমানভাবে সম্পূর্ণরূপে এআই-এর জন্য প্রস্তুত হিসেবে বোঝা হচ্ছে) হলো দায়িত্বশীল এআই-চালিত বিজ্ঞানের মৌলিক পূর্বশর্ত। এটি ছাড়া, এআই মডেলগুলোকে অপরিশোধিত, অসংকলিত, সম্ভাব্য পক্ষপাতদুষ্ট, বা এমনকি মনগড়া তথ্যের ওপর প্রশিক্ষণ দেওয়া হয়, যা এমন বিভ্রম তৈরি করে যা চিকিৎসাক্ষেত্রে জীবন-হুমকিস্বরূপ হতে পারে এবং যা পদ্ধতিগতভাবে বিজ্ঞানের প্রতি আস্থাকে ক্ষুণ্ণ করে। বিশেষ করে যেখানে সহজে খুঁজে পাওয়া যায় এমন ডেটার পুনঃব্যবহার মূলত বর্তমান এলএলএম কোম্পানিগুলোর মতো বিজ্ঞান-বহির্ভূত পক্ষগুলো দ্বারাই হয়ে থাকে।
এআই-কে সীমাবদ্ধ করতে FAIR ধারণাগত মডেলের ব্যবহারও সমান গুরুত্বপূর্ণ। আউটপুটকাঠামোগত শব্দার্থিক কাঠামো প্রদানের মাধ্যমে, যেখানে প্রতিটি ধারণা সুস্পষ্টভাবে সংজ্ঞায়িত থাকে, তাদের মধ্যে সম্পর্ক কী এবং কোনটি বৈধ অনুমান হিসেবে গণ্য হবে তা নির্দিষ্ট করা থাকে, এই মডেলগুলো বিভ্রমের ঝুঁকি উল্লেখযোগ্যভাবে হ্রাস করে এবং এটি নিশ্চিত করতে সাহায্য করে যে এআই-উৎপাদিত ফলাফল মানুষের কাছে ব্যাখ্যাযোগ্য, বোধগম্য এবং যাচাইযোগ্য থাকে।
বৈজ্ঞানিক প্রকাশনার ক্ষেত্রে সততার সংকট এই ঝুঁকিগুলোকে আরও বাড়িয়ে তোলে। এআই সিস্টেমগুলো এখন প্রায় সঙ্গে সঙ্গেই বিশ্বাসযোগ্য দেখতে প্রবন্ধ, ডেটা এবং পর্যালোচনা তৈরি করতে পারে। শুধুমাত্র ২০২৫ সালেই একটি শীর্ষস্থানীয় এআই সম্মেলনে ২০,০০০-এর বেশি আবেদনপত্র জমা পড়েছিল। এর প্রতিক্রিয়া (অর্থাৎ, বিজ্ঞানীরা এআই-এর তৈরি গবেষণাপত্র পর্যালোচনার জন্য এআই ব্যবহার করছেন) একটি বদ্ধ নয়েজ ফিডব্যাক লুপ তৈরির ঝুঁকি তৈরি করে, যেখানে ত্রুটিপূর্ণ সিস্টেমগুলো কোনো অর্থবহ বাহ্যিক যাচাই ছাড়াই একে অপরকে মূল্যায়ন করে। উৎস থেকে প্রকাশিত FAIR ডেটা, যেখানে তথ্যের উৎস যাচাই করা যায়, এই প্রবণতা মোকাবেলার জন্য উপলব্ধ সবচেয়ে শক্তিশালী উপায়গুলোর মধ্যে অন্যতম।
এই সবকিছুর মূলে রয়েছে প্রণোদনার ক্ষেত্রে একটি কাঠামোগত ব্যর্থতা। গবেষকদের এখনও প্রধানত প্রবন্ধ সংখ্যা এবং সাইটেশন হারের জন্য পুরস্কৃত করা হয়, যা তথ্যের স্বল্পতার যুগের জন্য তৈরি একটি পরিমাপক। উচ্চ-মানের FAIR ডেটা প্রকাশ করলে পেশাগত স্বীকৃতি খুব কম পাওয়া যায় এবং তহবিল পাওয়ার কোনো নিশ্চয়তা থাকে না। এই অবস্থার পরিবর্তন হওয়া আবশ্যক।
বিজ্ঞানে ডেটার প্রযুক্তিগত শাসনের ক্ষেত্রটি সংকটের মধ্যে রয়েছে। অল্প সংখ্যক বৃহৎ ক্লাউড সরবরাহকারীর উপর কয়েক দশকের নির্ভরতা এবং মার্কিন ক্লাউড অ্যাক্টের মতো আইনি বিধানগুলো একত্রিত হয়ে ডেটা সার্বভৌমত্বের এমন একটি সমস্যা তৈরি করেছে যা এখন তীব্র আকার ধারণ করেছে, বিশেষ করে সাম্প্রতিক মার্কিন নীতির অস্থিতিশীলতা এবং আন্তর্জাতিকভাবে ব্যবহৃত গবেষণা পরিকাঠামোর উপর এর প্রভাবের পরিপ্রেক্ষিতে। বিশ্বের অনেক প্রধান বৈজ্ঞানিক ডেটা সম্পদ কার্যত সেইসব প্রতিষ্ঠান ও সম্প্রদায়ের এখতিয়ারগত নিয়ন্ত্রণের বাইরে চলে গেছে, যারা এগুলো তৈরি করেছে।
FAIR নীতিমালা, যা CARE নীতিমালা (ডেটা গভর্নেন্সে আদিবাসী জনগোষ্ঠীর অধিকার ও স্বার্থের প্রতি লক্ষ্য রাখে) দ্বারা পরিপূরিত, দায়িত্বশীল তত্ত্বাবধানের জন্য একটি সুসংহত কাঠামো প্রদান করে। সম্মিলিতভাবে, এগুলো সেই শর্তগুলো নির্ধারণ করে যার অধীনে ডেটা উন্মুক্ত বা সীমাবদ্ধ, পুনঃব্যবহারযোগ্য এবং সার্বভৌম হওয়া উচিত। ‘ইন্টারনেট অফ ফেয়ার ডেটা অ্যান্ড সার্ভিসেস’ (IFDS)-এর ধারণাটি একটি বাস্তবসম্মত স্থাপত্যগত সমাধান প্রদান করে, যেখানে ডেটা অনুলিপি ও কেন্দ্রীভূত না হয়ে তার উৎসেই থেকে যায় এবং অনুমোদিত অ্যালগরিদম দ্বারা পরিদর্শিত হয়। এই মডেলে, কম্পিউটেশনাল কোয়েরিগুলো বিতরণকৃত ডেটা নোডগুলোতে যায়; অপরিহার্য না হলে ডেটা কেন্দ্রীভূত সংগ্রহস্থলে যায় না।
কৃত্রিম বুদ্ধিমত্তা-চালিত বিজ্ঞানে ন্যায়সঙ্গত অংশগ্রহণের জন্য এই পরিকাঠামোটির প্রকৃত প্রবেশগম্যতা থাকাও প্রয়োজন। গ্লোবাল সাউথের প্রতিষ্ঠান ও সম্প্রদায়গুলো ডেটা পুনঃব্যবহারের নিষ্ক্রিয় বিষয় হতে পারে না। সংযোগের অপর প্রান্তে, ডেটা-নিবিড় শিল্পকেও বাদ দেওয়া উচিত নয়। ভেন্ডর লক-ইন এবং একক ব্যর্থতার উৎস এড়ানোর জন্য পরিকল্পিত বিকেন্দ্রীভূত FAIR পরিকাঠামোই হলো সেই ব্যবস্থা, যার মাধ্যমে অর্থপূর্ণ অংশগ্রহণ সম্ভব হয়।
একটি সুসংহত নীতিগত প্রতিক্রিয়ার জন্য বিভিন্ন ক্ষেত্রে পদক্ষেপ গ্রহণ করা প্রয়োজন:
বিজ্ঞান একটি বৈশ্বিক জনহিতকর বিষয়। এর অখণ্ডতা, ন্যায্যতা এবং উন্মুক্ততা নিশ্চিতভাবে ধরে নেওয়া যায় না; এগুলোর জন্য সক্রিয় নীতিগত সিদ্ধান্ত প্রয়োজন। বৈজ্ঞানিক গবেষণায় কৃত্রিম বুদ্ধিমত্তার জন্য সুষ্ঠু শাসনব্যবস্থা প্রতিষ্ঠার সুযোগ এখনও রয়েছে, কিন্তু তা অনির্দিষ্টকালের জন্য থাকবে না। ডেটার মান, পরিকাঠামো, প্রণোদনা এবং তত্ত্বাবধান সম্পর্কে এখন যে সিদ্ধান্তগুলো নেওয়া হবে, তা-ই নির্ধারণ করবে যে কৃত্রিম বুদ্ধিমত্তা নির্ভরযোগ্য বিজ্ঞানের অগ্রগতি ত্বরান্বিত করবে, নাকি পদ্ধতিগতভাবে একে দুর্বল করে দেবে।
গেটি ইমেজের সৌজন্যে ছবি আনস্প্ল্যাশ+
আন্তর্জাতিক বিজ্ঞান পরিষদ (ISC) এবং ফ্রন্টিয়ার্স পলিসি ল্যাবস-এর অংশীদারিত্বে আয়োজিত এই ব্লগটি একটি ধারাবাহিক কার্যক্রমের অংশ। একবিংশ শতাব্দীতে বিজ্ঞানের জন্য একটি নতুন শাসনব্যবস্থা' এই সিরিজটি বৈজ্ঞানিক শাসনের ভবিষ্যৎ বিষয়ে চিন্তাশীল নেতৃত্বের জন্য একটি গতিশীল আলোচনা মঞ্চ হিসেবে কাজ করে। গতানুগতিক অ্যাকাডেমিক গবেষণা থেকে সরে এসে, এই উদ্যোগটি বিশ্বের শীর্ষস্থানীয় ব্যক্তিত্বদের একত্রিত করে তীক্ষ্ণ, উদ্দীপক কিন্তু প্রমাণ-ভিত্তিক এবং দূরদর্শী মতামতধর্মী লেখা উপস্থাপন করে। এর মাধ্যমে, এটি আগামী দিনের চ্যালেঞ্জ মোকাবেলায় সক্ষম একটি স্থিতিস্থাপক, অন্তর্ভুক্তিমূলক এবং স্বচ্ছ শাসন মডেল নির্ধারণে অবদান রাখতে চায়।
মূল পোস্টটি দেখুন এখানে.
দায়িত্ব অস্বীকার
আমাদের অতিথি ব্লগগুলিতে উপস্থাপিত তথ্য, মতামত এবং সুপারিশগুলি সংশ্লিষ্ট লেখকদের নিজস্ব এবং এগুলি আন্তর্জাতিক বিজ্ঞান পরিষদের মূল্যবোধ ও বিশ্বাসের প্রতিফলন নাও হতে পারে।
উদীয়মান প্রযুক্তি এবং রূপান্তর সম্পর্কে আরও পড়ুন প্রারম্ভিক ও মধ্য-পর্যায়ের গবেষকদের জন্য ISC-CAST প্রোগ্রামের নতুন AI এবং গবেষণা যোগাযোগ প্রশিক্ষণ চালু সম্পর্কে আরও পড়ুন। আধুনিক বিজ্ঞান সম্পর্কে আরও পড়ুন: পরিবর্তনের ভূ-কৌশলগত, প্রযুক্তিগত এবং সামাজিক চালিকাশক্তি এআই-এর যুগে সংগঠিত বিজ্ঞান: আমরা কি দায়িত্বে গাফিলতি করছি? এ সম্পর্কে আরও পড়ুন। 