এই পাঠের ভিডিও দেখতে উপরের ছবিতে ক্লিক করুন
এআই এবং বিশেষ করে জেনারেটিভ এআই নিয়ে মুগ্ধ হওয়া সহজ, তবে এটি দায়িত্বশীলভাবে কীভাবে ব্যবহার করবেন তা বিবেচনা করা প্রয়োজন। আউটপুট কীভাবে ন্যায্য, ক্ষতিকর নয় এবং আরও অনেক কিছু নিশ্চিত করবেন সে সম্পর্কে আপনাকে ভাবতে হবে। এই অধ্যায়টি আপনাকে উল্লেখিত প্রসঙ্গ, কী বিবেচনা করতে হবে এবং আপনার এআই ব্যবহারের উন্নতি করার জন্য কীভাবে সক্রিয় পদক্ষেপ নিতে হবে সে সম্পর্কে একটি দৃষ্টিভঙ্গি প্রদান করতে চায়।
এই পাঠে আলোচনা করা হবে:
- জেনারেটিভ এআই অ্যাপ্লিকেশন তৈরি করার সময় কেন দায়িত্বশীল এআইকে অগ্রাধিকার দেওয়া উচিত।
- দায়িত্বশীল এআইয়ের মূল নীতিগুলি এবং সেগুলি কীভাবে জেনারেটিভ এআইয়ের সাথে সম্পর্কিত।
- কৌশল এবং সরঞ্জামগুলির মাধ্যমে এই দায়িত্বশীল এআই নীতিগুলিকে কীভাবে বাস্তবে রূপ দেওয়া যায়।
এই পাঠ শেষ করার পর আপনি জানতে পারবেন:
- জেনারেটিভ এআই অ্যাপ্লিকেশন তৈরি করার সময় দায়িত্বশীল এআইয়ের গুরুত্ব।
- জেনারেটিভ এআই অ্যাপ্লিকেশন তৈরি করার সময় কখন দায়িত্বশীল এআইয়ের মূল নীতিগুলি ভাবতে এবং প্রয়োগ করতে হবে।
- দায়িত্বশীল এআই ধারণাটিকে বাস্তবে রূপ দেওয়ার জন্য কী কী সরঞ্জাম এবং কৌশল আপনার কাছে উপলব্ধ।
জেনারেটিভ এআইয়ের উত্তেজনা কখনও এত বেশি ছিল না। এই উত্তেজনা এই ক্ষেত্রের অনেক নতুন ডেভেলপার, মনোযোগ এবং তহবিল এনেছে। এটি জেনারেটিভ এআই ব্যবহার করে পণ্য এবং কোম্পানি তৈরি করতে আগ্রহী যে কারো জন্য খুবই ইতিবাচক, তবে আমাদের দায়িত্বশীলভাবে এগিয়ে যাওয়াও গুরুত্বপূর্ণ।
এই কোর্স জুড়ে, আমরা আমাদের স্টার্টআপ এবং আমাদের এআই শিক্ষা পণ্য তৈরির উপর মনোযোগ দিচ্ছি। আমরা দায়িত্বশীল এআইয়ের নীতি ব্যবহার করব: ন্যায্যতা, অন্তর্ভুক্তি, নির্ভরযোগ্যতা/নিরাপত্তা, নিরাপত্তা ও গোপনীয়তা, স্বচ্ছতা এবং জবাবদিহিতা। এই নীতিগুলির সাথে, আমরা কীভাবে সেগুলি আমাদের পণ্যগুলিতে জেনারেটিভ এআই ব্যবহারের সাথে সম্পর্কিত তা অন্বেষণ করব।
একটি পণ্য তৈরি করার সময়, আপনার ব্যবহারকারীর সর্বোত্তম স্বার্থ মাথায় রেখে একটি মানব-কেন্দ্রিক পদ্ধতি গ্রহণ করলে সর্বোত্তম ফলাফল আসে।
জেনারেটিভ এআইয়ের অনন্যতা হল এর ক্ষমতা ব্যবহারকারীদের জন্য সহায়ক উত্তর, তথ্য, নির্দেশিকা এবং সামগ্রী তৈরি করার। এটি অনেক ম্যানুয়াল পদক্ষেপ ছাড়াই করা যেতে পারে যা খুবই চিত্তাকর্ষক ফলাফল দিতে পারে। যথাযথ পরিকল্পনা এবং কৌশল ছাড়া, এটি দুর্ভাগ্যবশত আপনার ব্যবহারকারী, আপনার পণ্য এবং সামগ্রিকভাবে সমাজের জন্য কিছু ক্ষতিকারক ফলাফলে নিয়ে যেতে পারে।
আসুন আমরা এই সম্ভাব্য ক্ষতিকারক ফলাফলগুলির কিছু (কিন্তু সব নয়) দেখি:
হ্যালুসিনেশন হল একটি শব্দ যা ব্যবহার করা হয় যখন একটি LLM এমন সামগ্রী তৈরি করে যা হয় সম্পূর্ণ অর্থহীন বা এমন কিছু যা আমরা জানি অন্যান্য তথ্যের উত্সের উপর ভিত্তি করে প্রকৃতপক্ষে ভুল।
ধরা যাক আমরা আমাদের স্টার্টআপের জন্য একটি বৈশিষ্ট্য তৈরি করি যা শিক্ষার্থীদের একটি মডেলকে ঐতিহাসিক প্রশ্ন জিজ্ঞাসা করতে দেয়। একজন শিক্ষার্থী প্রশ্ন করে Who was the sole survivor of Titanic?
মডেলটি নিচের মতো একটি প্রতিক্রিয়া তৈরি করে:
(সূত্র: Flying bisons)
এটি একটি খুব আত্মবিশ্বাসী এবং বিস্তারিত উত্তর। দুর্ভাগ্যবশত, এটি ভুল। ন্যূনতম পরিমাণ গবেষণার সাথেও, একজন আবিষ্কার করবেন যে টাইটানিক বিপর্যয়ের একাধিক জীবিত ব্যক্তি ছিল। এমন একজন শিক্ষার্থীর জন্য যে এই বিষয়টি নিয়ে গবেষণা শুরু করছে, এই উত্তরটি যথেষ্ট প্ররোচিত হতে পারে যাতে এটি প্রশ্নবিদ্ধ না হয় এবং সত্য হিসাবে বিবেচিত হয়। এর পরিণতি হল এআই সিস্টেমটি অবিশ্বাস্য হয়ে উঠতে পারে এবং আমাদের স্টার্টআপের খ্যাতির উপর নেতিবাচক প্রভাব ফেলতে পারে।
যেকোন প্রদত্ত LLM-এর প্রতিটি পুনরাবৃত্তির সাথে, আমরা হ্যালুসিনেশনগুলি হ্রাস করার চারপাশে কর্মক্ষমতা উন্নতি দেখেছি। এই উন্নতির সাথেও, আমরা অ্যাপ্লিকেশন নির্মাতা এবং ব্যবহারকারী হিসাবে এই সীমাবদ্ধতার প্রতি সচেতন থাকা প্রয়োজন।
আমরা আগের অংশে আলোচনা করেছি যখন একটি LLM ভুল বা অর্থহীন প্রতিক্রিয়া তৈরি করে। আরেকটি ঝুঁকি যা আমাদের সচেতন হওয়া দরকার তা হল যখন একটি মডেল ক্ষতিকারক সামগ্রী দিয়ে সাড়া দেয়।
ক্ষতিকারক সামগ্রী হিসাবে সংজ্ঞায়িত করা যেতে পারে:
- স্ব-ক্ষতি বা নির্দিষ্ট গোষ্ঠীগুলিকে ক্ষতি করার জন্য নির্দেশনা প্রদান বা উৎসাহ দেওয়া।
- ঘৃণামূলক বা অবমাননাকর বিষয়বস্তু।
- যে কোনও ধরণের আক্রমণ বা সহিংস কাজের পরিকল্পনা নির্দেশিকা প্রদান।
- অবৈধ সামগ্রী খুঁজে বের করার বা অবৈধ কাজ করার জন্য নির্দেশনা প্রদান।
- যৌন উত্তেজক বিষয়বস্তু প্রদর্শন করা।
আমাদের স্টার্টআপের জন্য, আমরা নিশ্চিত করতে চাই যে শিক্ষার্থীদের দ্বারা এই ধরনের বিষয়বস্তু দেখা থেকে রোধ করার জন্য আমাদের কাছে সঠিক সরঞ্জাম এবং কৌশল রয়েছে।
ন্যায্যতা হিসাবে সংজ্ঞায়িত করা হয় "এআই সিস্টেমটি পক্ষপাত এবং বৈষম্য থেকে মুক্ত এবং তারা সকলকে ন্যায্য এবং সমানভাবে আচরণ করে তা নিশ্চিত করা।" জেনারেটিভ এআইয়ের জগতে, আমরা নিশ্চিত করতে চাই যে প্রান্তিক গোষ্ঠীর বর্জনমূলক বিশ্বদর্শন মডেলের আউটপুট দ্বারা পুনর্বলিত না হয়।
এই ধরনের আউটপুটগুলি শুধুমাত্র আমাদের ব্যবহারকারীদের জন্য ইতিবাচক পণ্য অভিজ্ঞতা তৈরি করার জন্য ধ্বংসাত্মক নয়, তবে তারা আরও সামাজিক ক্ষতি করে। অ্যাপ্লিকেশন নির্মাতা হিসাবে, জেনারেটিভ এআই সহ সমাধান তৈরি করার সময় আমাদের সর্বদা একটি বিস্তৃত এবং বৈচিত্র্যময় ব্যবহারকারী ভিত্তি মাথায় রাখা উচিত।
এখন আমরা দায়িত্বশীল জেনারেটিভ এআইয়ের গুরুত্ব চিহ্নিত করেছি, আসুন ৪টি পদক্ষেপ দেখি যা আমরা দায়িত্বশীলভাবে আমাদের এআই সমাধানগুলি তৈরি করতে নিতে পারি:
সফটওয়্যার পরীক্ষায়, আমরা একটি অ্যাপ্লিকেশনে ব্যবহারকারীর প্রত্যাশিত ক্রিয়াগুলি পরীক্ষা করি। অনুরূপভাবে, ব্যবহারকারীরা সবচেয়ে বেশি যে বৈচিত্র্যময় সেটের প্রম্পটগুলি ব্যবহার করতে যাচ্ছে তা পরীক্ষা করা সম্ভাব্য ক্ষতি পরিমাপ করার একটি ভাল উপায়।
আমাদের স্টার্টআপ একটি শিক্ষা পণ্য তৈরি করছে যেহেতু, শিক্ষা সম্পর্কিত প্রম্পটের একটি তালিকা প্রস্তুত করা ভাল হবে। এটি একটি নির্দিষ্ট বিষয়, ঐতিহাসিক তথ্য এবং ছাত্রজীবন সম্পর্কে প্রম্পট কভার করতে পারে।
এখন সময় এসেছে এমন উপায় খুঁজে বের করার যেখানে আমরা মডেল এবং এর প্রতিক্রিয়ার কারণে সম্ভাব্য ক্ষতি প্রতিরোধ বা সীমিত করতে পারি। আমরা এটি ৪টি ভিন্ন স্তরে দেখতে পারি:
-
মডেল। সঠিক ব্যবহারের ক্ষেত্রে সঠিক মডেল বেছে নেওয়া। বৃহত্তর এবং আরও জটিল মডেলগুলি যেমন GPT-4 ক্ষতিকারক সামগ্রীর ঝুঁকি আরও বেশি হতে পারে যখন এটি ছোট এবং আরও নির্দিষ্ট ব্যবহারের ক্ষেত্রে প্রয়োগ করা হয়। আপনার প্রশিক্ষণ ডেটা ব্যবহার করে সূক্ষ্ম সুরকরণ করাও ক্ষতিকারক সামগ্রীর ঝুঁকি হ্রাস করে।
-
নিরাপত্তা ব্যবস্থা। একটি নিরাপত্তা ব্যবস্থা হল মডেল পরিবেশন প্ল্যাটফর্মে সরঞ্জাম এবং কনফিগারেশনের একটি সেট যা ক্ষতি প্রশমিত করতে সাহায্য করে। এর একটি উদাহরণ হল Azure OpenAI পরিষেবার বিষয়বস্তু ফিল্টারিং সিস্টেম। সিস্টেমগুলির উচিত জেলব্রেক আক্রমণ এবং বটের অনুরোধের মতো অবাঞ্ছিত কার্যকলাপ সনাক্ত করা।
-
মেটাপ্রম্পট। মেটাপ্রম্পট এবং গ্রাউন্ডিং হল এমন উপায় যা আমরা নির্দিষ্ট আচরণ এবং তথ্যের উপর ভিত্তি করে মডেলকে নির্দেশ করতে বা সীমাবদ্ধ করতে পারি। এটি মডেলের নির্দিষ্ট সীমা সংজ্ঞায়িত করতে সিস্টেম ইনপুট ব্যবহার করা হতে পারে। এছাড়াও, সিস্টেমের সুযোগ বা ডোমেইনের সাথে আরও প্রাসঙ্গিক আউটপুট প্রদান করা।
এটি কেবলমাত্র নির্বাচিত বিশ্বস্ত উত্স থেকে তথ্য টানার জন্য মডেল তৈরি করতে রিট্রিভাল অগমেন্টেড জেনারেশন (RAG) এর মতো কৌশল ব্যবহার করাও হতে পারে। এই কোর্সের পরে একটি পাঠ রয়েছে অনুসন্ধান অ্যাপ্লিকেশন তৈরি করা
- ব্যবহারকারীর অভিজ্ঞতা। চূড়ান্ত স্তর হল যেখানে ব্যবহারকারী আমাদের অ্যাপ্লিকেশনের ইন্টারফেসের মাধ্যমে মডেলের সাথে সরাসরি যোগাযোগ করে। এইভাবে আমরা UI/UX ডিজাইন করতে পারি যাতে ব্যবহারকারীকে মডেলে পাঠানো ইনপুটের ধরনগুলি এবং ব্যবহারকারীর কাছে প্রদর্শিত পাঠ্য বা চিত্রগুলি সীমাবদ্ধ করা যায়। এআই অ্যাপ্লিকেশন মোতায়েন করার সময়, আমাদের স্বচ্ছতাও থাকা উচিত যে আমাদের জেনারেটিভ এআই অ্যাপ্লিকেশন কী করতে পারে এবং কী করতে পারে না।
আমাদের একটি সম্পূর্ণ পাঠ রয়েছে এআই অ্যাপ্লিকেশনের জন্য UX ডিজাইন করা
- মডেল মূল্যায়ন করুন। LLMs-এর সাথে কাজ করা চ্যালেঞ্জিং হতে পারে কারণ আমরা সর্বদা মডেলটি যে ডেটাতে প্রশিক্ষিত হয়েছিল তা নিয়ন্ত্রণ করতে পারি না। তা সত্ত্বেও, আমাদের সর্বদা মডেলের কর্মক্ষমতা এবং আউটপুট মূল্যায়ন করা উচিত। মডেলের নির্ভুলতা, সাদৃশ্য, ভিত্তি এবং আউটপুটের প্রাসঙ্গিকতা পরিমাপ করা এখনও গুরুত্বপূর্ণ। এটি স্টেকহোল্ডার এবং ব্যবহারকারীদের কাছে স্বচ্ছতা এবং বিশ্বাস প্রদান করতে সাহায্য করে।
আপনার এআই অ্যাপ্লিকেশনগুলির চারপাশে একটি অপারেশনাল অনুশীলন তৈরি করা চূড়ান্ত পর্যায়। এর মধ্যে রয়েছে লিগ্যাল এবং সিকিউরিটি সহ আমাদের স্টার্টআপের অন্যান্য অংশের সাথে অংশীদারিত্ব করা যাতে আমরা সমস্ত নিয়ন্ত্রক নীতির সাথে সঙ্গতিপূর্ণ থাকি তা নিশ্চিত করা। লঞ্চ করার আগে, আমরা বিতরণ, ঘটনা পরিচালনা এবং রোলব্যাকের চারপাশে পরিকল্পনা তৈরি করতে চাই যাতে আমাদের ব্যবহারকারীদের ক্ষতি না হয়।
যদিও দায়িত্বশীল এআই সমাধানগুলি বিকাশের কাজ অনেক বেশি মনে হতে পারে, এটি প্রচেষ্টার মূল্যবান কাজ। জেনারেটিভ এআই ক্ষেত্রটি বৃদ্ধি পাওয়ায়, আরও সরঞ্জাম ডেভেলপারদের তাদের কর্মপ্রবাহে দক্ষতার সাথে দায়িত্ব সংহত করতে সাহায্য করবে। উদাহরণস্বরূপ, Azure AI Content Safety একটি API অনুরোধের মাধ্যমে ক্ষতিকারক সামগ্রী এবং চিত্রগুলি সনাক্ত করতে সাহায্য করতে পারে।
দায়িত্বশীল এআই ব্যবহারের নিশ্চয়তা দিতে আপনাকে কোন কোন বিষয়গুলির যত্ন নিতে হবে?
- যে উত্তরটি সঠিক।
- ক্ষতিকারক ব্যবহার, এআই যেন অপরাধমূলক উদ্দেশ্যে ব্যবহার না হয়।
- এআই যেন পক্ষপাত এবং বৈষম্য থেকে মুক্ত থাকে তা নিশ্চিত করা।
উত্তর: ২ এবং ৩ সঠিক। দায়িত্বশীল এআই আপনাকে ক্ষতিকারক প্রভাব এবং পক্ষপাত প্রশমিত করার বিষয়ে চিন্তা করতে সহায়তা করে এবং আরও অনেক কিছু।
Azure AI Content Safety সম্পর্কে পড়ুন এবং দেখুন আপনি আপনার ব্যবহারের জন্য কী গ্রহণ করতে পারেন।
এই পাঠ শেষ করার পরে, আমাদের জেনারেটিভ এআই শেখার সংগ্রহ দেখুন জেনারেটিভ এআই জ্ঞান আরও বাড়াতে!
লেসন ৪-এ যান যেখানে আমরা প্রম্পট ইঞ্জিনিয়ারিংয়ের মৌলিক বিষয়গুলি নিয়ে আলোচনা করব!
অস্বীকৃতি:
এই নথিটি AI অনুবাদ পরিষেবা Co-op Translator ব্যবহার করে অনুবাদ করা হয়েছে। আমরা যথাসাধ্য সঠিকতার জন্য চেষ্টা করি, তবে অনুগ্রহ করে সচেতন থাকুন যে স্বয়ংক্রিয় অনুবাদে ভুল বা অসঙ্গতি থাকতে পারে। এর নিজস্ব ভাষায় মূল নথিটি কর্তৃত্বপূর্ণ উৎস হিসেবে বিবেচিত হওয়া উচিত। গুরুত্বপূর্ণ তথ্যের জন্য, পেশাদার মানব অনুবাদ সুপারিশ করা হয়। এই অনুবাদ ব্যবহারের ফলে কোনো ভুল বোঝাবুঝি বা ভুল ব্যাখ্যার জন্য আমরা দায়ী নই।