2026 সালের অক্টোবর ১১ তারিখের Rich Hickey এর নিবন্ধে, "'AI' একটি টুল নয়", তিনি যুক্তি দিয়েছেন যে বড় ভাষা মডেল (LLMs) স্বয়ংক্রিয়করণ, টুল নয়, কারণ এগুলোকে হাঁটানো যায়নি। আমি সম্মত যে কাজকে আউটসোর্স করা আমাদের শেখার সুযোগকে খরচ করতে পারে। কিন্তু তার নिष्कर्षটি অনুসরণ করে না। zelfs তার সংজ্ঞা অনুসারে, একটি LLM এমন কিছু হতে পারে যা একজন মানব হাঁটাতে পারে। এবং এটি ভালোভাবে ব্যবহার করার জন্য দক্ষতা প্রয়োজন, যেমন অন্যান্য টুল ব্যবহার করার মতো। একটি আरी উঠিয়ে নেওয়া থেকে সরাসরি কাটার গ্যারান্টি নেই। একটি ছেনি ধরে রাখা থেকে আপনি শিল্পী না হয়ে যাবেন। টুলগুলো খারাপ বিচারকে ভালো বিচারের মতো দ্রুত বাড়াতে পারে। তাদের উপযোগিতা এই बात पर নির্ভর করে যে অপারেটর কীভাবে তাদের নির্দেশ করতে পারে, ফিডব্যাক কীভাবে ব্যাখ্যা করতে পারে, ভুলগুলো কীভাবে চিহ্নিত করতে পারে এবং কীভাবে সঠিক করতে পারে। এই প্রয়োজনীয়তাগুলো LLMs জন্যও लागু হয়।
একটি LLM এর অপ্রত্যাশিত প্রকৃতি একটি গুরুত্বপূর্ণ সীমাবদ্ধতা। কিন্তু পূর্বানুমানযোগ্যতা, বিশ্বস্ততা, সহজতা এবং সীমিত ফাংশনালিটি হলো যেগুলো আমরা টুলকে মূল্যায়ন করার জন্য ব্যবহার করি, টুলের শ্রেণিতে অন্তর্ভুক্ত হওয়ার পূর্বশর্ত নয়। একটি টুল টুল না হওয়ার জন্য কঠিন নিয়ন্ত্রণ বা দুর্ব্যবহারের সহজতা কোনো কারণ নয়। Hickey এর টুল এবং স্বয়ংক্রিয়করণের মধ্যে পার্থক্য కూడా একটি মিথ্যা ভাগ তৈরি করে। স্বয়ংক্রিয়করণ একটি টুলের বৈশিষ্ট্য হতে পারে। একটি কম্পাইলার প্রোগ্রামার द्वारा প্রতিটি অপারেশনকে निरंतर নির্দেশিত না করেও beträchtelijke কাজ করে। একটি স্প্রেডশীট কোনো شخص দ্বারা হাতে-হাতে প্রতিটি গণনা না করেই ফলাফল পুনরায় গণনা করে। আমরা এগুলো সিস্টেমকে ইনপুট নির্দিষ্ট করে, ফলাফল পরীক্ষা করে এবং পরবর্তী কী করা উচিত তা নির্ধারণ করে এখনও হাঁটাই থাকি। কোডের অনুবাদ বা সংখ্যা গণনা স্বয়ংক্রিয়ভাবে না হওয়া পর্যন্ত একটি উপকরণ টুল থেকে বাদ দেওয়ার কারণ নয়, তাহলে স্বয়ংক্রিয় টেক্সট জেনারেশন কেন একটি টুল হওয়া থেকে বarring করা হয়?
LLM ব্যবহারের ইচ্ছা, ফিডব্যাক, দিক এবং দক্ষতার অভাবের দাবি বিশেষভাবে রক্ষা করা কঠিন। একটি প্রোগ্রামার একটি LLM থেকে অপরিচিত কোড ব্যাখ্যা করতে বলতে পারে, সেই ব্যাখ্যা কে চ্যালেঞ্জ করতে পারে, উৎসটি পরীক্ষা করতে পারে, একটি প্রস্তাবিত পরিবর্তন পরীক্ষা করতে পারে, তা প্রত্যাখ্যান করতে পারে এবং অনুরোধটি উন্নত করতে পারে। এটি একটি মানব-নির্দেশিত, লক্ষ্য-প্রাপ্য ফিডব্যাক লুপ। এটি ভালোভাবে করতে জানা দরকার যে কী জিজ্ঞাসা করতে হবে, কোনো সাবूत গুরুত্বপূর্ণ এবং কখন উত্তরটি ভুল। দক্ষতা এই যন্ত্রকে আরও উপযোগী করতে পারে। Hickey এর পড়ার बाबত উদ্বেগ একটি নির্দিষ্ট ব্যবহারের জন্য বৈধ: একটি পেপারের সারাংশ গ্রহণের পরিবর্তে পড়া পড়লে পড়ার শেখা অনেক কিছু হারাতে পারে। কিন্তু কেউ পেপার পড়েও LLM ব্যবহার করে নিজের ব্যাখ্যা কে চ্যালেঞ্জ করতে পারে, একটি আপত্তি খোঁজে বের করতে পারে বা কিছুকে আরও দূর থেকে পরীক্ষা করার চাহিদা খোঁজে বের করতে পারে। বৌদ্ধিক কাজ থেকে বাঁচার সম্ভাবনা यह नहीं सिद्ध करती कि প্রতিটি ব্যবহার এটাকে বাঁচায়। প্রাসঙ্গিক প্রশ্ন হলো বাস্তবায়েบุคল কী করছে।
মеня সবচেয়ে বেশি দুঃখিত AI শিল্পের মানবীয় শব্দভাণ্ডার पर निर्भर रहना: "বাইরাল হওয়া", "কনটেইনমেন্ট থেকে fuite", "কনস্পিরি"। এই বাক্যগুলোকে পুনরাবৃত্তি করা হলে ঝুঁকি থাকে যে আমরা সেই ফ্রেমওয়ার্ক গ্রহণ করবো যা এই সিস্টেমগুলোকে স্বাধীন প্রাণী মনে করায়। সফটওয়্যার অপ্রত্যাশিত আউটপুট তৈরি করতে পারে, নির্দেশ মেনে চলতে পারে না বা গুরুত্বপূর্ণ কার্যকলাপে অ্যাক্সেস পেলে ক্ষতি করতে পারে। সেগুলো বাস্তব প্রকৌশলিক সমস্যা। তাদের "কনস্পিরি" বললে মানবিক প্রেরণা का सुझाव जुड़ता है बिना किसी के स्थापित किए। আমি দাবি করব না যে একটি LLM সবসময় মানবের exactamente বলা কাজটি করে। এটি স্পষ্টভাবে ব্যর্থ হতে পারে। কিন্তু আদেশের পূর্ণ পालন না করা এর মানে এই টুল হওয়া বন্ধ নয়, যেন সফল ব্যবহার থেকে এটি सिद्ध না হয় যে এর অপারেটর তার বিচার ত্যাগ করেছে। উপযোগী পার্থক্য হলো কোনো যন্ত্রকে দক্ষতার সাথে চালানো এবং যথেষ্ট বোঝার বা নिगরান না করে কাজকে委托 করা। এই পার্থক্য AI-এও প্রয়োগ্য, এবং এটি আমাদের কিছু আরও ব্যবহারিক দায়িত্ব দেয়, পুরো একটি সফটওয়্যার শ্রেণিকে টুল না হওয়ার ঘোষণা দিয়ের পরিবর্তে।
মূল entidades: লোক: Rich Hickey
সामान्य প্রশ্ন: বড় ভাষা মডেলগুলোকে টুল মाना যাবে কি?
হ্যাঁ। এমনকি যদি তারা অপ্রত্যাশিত বা স্বয়ংক্রিয়কৃত হয়, তারা এখনও এমন যন্ত্র যা মানব 의해 নির্দেশিত, ব্যাখ্যা করা এবং সংশোধন করা যায়। তাদের উপযোগিতা অপারেটরের দক্ষতায় নির্ভর করে, সরলতা বা পূর্বানুমানযোগ্যতার কঠোর সংজ্ঞা পূরণে নয়।
উৎস: Hacker News · সারাংশ: HeadlinesBriefing