আপনাদের অনেকের মতোই, আমরাও কৃত্রিম বুদ্ধিমত্তা (AI) এবং ওয়েবের ভবিষ্যৎ নিয়ে অনেক আলোচনা করে আসছি। এ নিয়ে অনেক শোরগোল রয়েছে, এবং ওয়েব ডেভেলপার হিসেবে আমাদের ঠিক কী জানা প্রয়োজন, তা বোঝা কঠিন।
ওয়েব জগৎ আমাদের দলের চেয়ে অনেক বড়, তাই আমরা বুঝতে চেয়েছিলাম যে আপনারা এআই নিয়ে কী ভাবেন, কী শিখতে চান এবং এই উদীয়মান প্রযুক্তিগুলো দিয়ে কী করতে চান। এর মাধ্যমেই আমরা আপনাদেরকে সেই কোলাহল ভেদ করে এগিয়ে যাওয়ার জন্য সেরা কন্টেন্ট সরবরাহ করতে পারব।
গত কয়েক মাস ধরে, আমরা বর্তমান পরিস্থিতি এবং কৃত্রিম বুদ্ধিমত্তা (AI) নিয়ে আপনাদের চিন্তাভাবনা বোঝার জন্য ওয়েব বিশেষজ্ঞদের সাথে কথা বলেছি। অবশ্যই, আমরা সবার সাথে সবকিছু নিয়ে কথা বলতে পারি না। আমরা শুধুমাত্র ওয়েব ডেভেলপারদের সাথে অল্প কিছু আলোচনা করেছি, যার মধ্যে গুগল ওয়েব ডেভেলপার বিশেষজ্ঞরাও ছিলেন। এই আলোচনার মূল বিষয় ছিল, ডেভেলপাররা কীভাবে ব্যবহারকারী-কেন্দ্রিক ফিচার তৈরি করতে এবং তাদের দৈনন্দিন কাজের গতি বাড়াতে AI ব্যবহার করছেন।
আমরা বিশ্বাস করি যে আমরা যা শিখেছি তা ওয়েবের অন্যান্য ব্যবহারকারীদের ক্ষেত্রেও ব্যাপকভাবে প্রযোজ্য হতে পারে। এবং, আমরা ভেবেছিলাম যে আমরা যা শিখেছি তা শুনতে কমিউনিটি আগ্রহী হতে পারে।
ওয়েব ডেভেলপারদের জগৎ নিয়ে করা অন্যান্য গবেষণার পাশাপাশি এই মতামতগুলোকেও বিবেচনায় নিয়ে আমরা আমাদের নতুন এআই সংকলনটি তৈরি করেছি। এই সংকলনে আপনি ওয়েব ডেভেলপারদের জন্য তৈরি করা সার্বিক ধারণা, কোডল্যাব ও ডেমো এবং ওয়েবে এআই টুল ও মডেল নিয়ে ভাবার জন্য অন্যান্য রিসোর্স পাবেন।
আর এটা তো কেবল শুরু। আগামী মাসগুলোতে আপনারা আমাদের কাছ থেকে আরও অনেক কিছু দেখতে পাবেন।
জেনারেটিভ এআই-এর মাধ্যমে উন্নত উৎপাদনশীলতা
আমরা লক্ষ্য করেছি যে, ওয়েব ডেভেলপাররা তাদের কর্মদক্ষতা বাড়াতে জেনারেটিভ এআই-এর সুবিধা নিতে চান এবং নতুন প্রযুক্তি শিখতে বা তাদের ওয়েব ডেভেলপমেন্ট সংক্রান্ত প্রশ্নের উত্তর খুঁজতে চ্যাটবটের সাথে যোগাযোগ করেন।
আমরা যে ডেভেলপারদের সাথে কথা বলেছি, তারা হয় ইতিমধ্যেই তাদের দৈনন্দিন কর্মপ্রবাহে, ব্যবসায়িক বা ব্যক্তিগত প্রকল্পে এআই ব্যবহার করছেন, অথবা এমন কাউকে চেনেন যিনি এটি ব্যবহার করেন।
কোড জেনারেশন
আপনার কাছ থেকে আমরা জেনেছি যে, জেমিনি এবং কোপাইলটের মতো কোড জেনারেশন টুলগুলো সাধারণ ইউনিট টেস্ট, বেসিক অটোকমপ্লিট (যেখানে আপনি জানেন কী লিখতে হবে, কিন্তু শুধু লিখে দিলেই হয়) এবং এমন সহজ ফাংশনগুলোর জন্য চমৎকার, যেগুলোর জন্য কোডবেস সম্পর্কে ব্যাপক জ্ঞানের প্রয়োজন হয় না। তবে, আরও জটিল, অ্যালগরিদমিক কোড এবং এমন ফাংশন লেখার ক্ষেত্রে এই টুলগুলো ততটা কার্যকর নয়, যেগুলোর জন্য একটি নির্দিষ্ট প্রজেক্টের ব্যাপক প্রেক্ষাপট প্রয়োজন হয়।
আরও অভিজ্ঞ ডেভেলপাররা তাদের কোডবেসের দীর্ঘমেয়াদী গুণমান নিয়ে উদ্বেগ প্রকাশ করেছেন, যার মধ্যে কোড ডুপ্লিকেশন এবং দীর্ঘমেয়াদী রক্ষণাবেক্ষণযোগ্যতার মতো সমস্যা অন্তর্ভুক্ত ছিল। কেউ কেউ উদ্বিগ্ন ছিলেন যে কম অভিজ্ঞ দলের সদস্যরা হয়তো ত্রুটি শনাক্ত করতে পারবে না বা জেনারেটিভ এআই টুল দ্বারা উৎপাদিত কোড কীভাবে সঠিকভাবে যাচাই করতে হয় তা জানবে না।
ডেভেলপাররা আরও জানিয়েছেন যে, অ্যাক্সেসিবল কম্পোনেন্ট লেখার মতো যেসব ইউজ কেসের জন্য নির্দিষ্ট ডোমেইন জ্ঞানের প্রয়োজন হয়, সেগুলো তাদের ব্যবহৃত কোড জেনারেশন টুলগুলোতে এখনও সঠিকভাবে অন্তর্ভুক্ত করা হয়নি।
এলএলএম-এর সাথে শেখা
আমরা অনেক ডেভেলপারকে সফটওয়্যার ডেভেলপমেন্টের বিভিন্ন ধারণা শেখার জন্য ChatGPT এবং Gemini ব্যবহার করতে দেখেছি; যেমন, একটি সর্টিং অ্যালগরিদম কীভাবে কাজ করে তা ব্যাখ্যা করার জন্য একটি বৃহৎ ল্যাঙ্গুয়েজ মডেলকে (LLM) জিজ্ঞাসা করা, বিভিন্ন প্রোগ্রামিং ভাষায় দক্ষতা বাড়ানো, বা জ্ঞানের ঘাটতি পূরণ করা।
আপনার মতে, প্রশ্ন ও উত্তরের দ্রুত মিথস্ক্রিয়ার কারণে এবং এআই জিজ্ঞাসিত প্রশ্নগুলোর সমালোচনা না করে শুধু প্রয়োজনীয় উত্তরটি দেওয়ার কারণে এলএলএম একটি দারুণ অভিজ্ঞতা প্রদান করে।
আবারও, নবীন ডেভেলপারদের ক্ষেত্রে একটি উদ্বেগ রয়েছে, যেখানে মডেলটি যখন ভুল তথ্য দেয় এবং ভুল প্রতিক্রিয়া তৈরি করে, সেই মুহূর্তগুলো ধরার জন্য ন্যূনতম জ্ঞানের প্রয়োজন হয়।
ব্যবসায়িক বিষয় হিসেবে মেধাস্বত্ব সুরক্ষা
আমরা যেসব ডেভেলপারের সাথে কথা বলেছি, তাদের অনেকেই বলেছেন যে, উৎপাদনশীলতা বাড়ানোর জন্য ডেভেলপারদের জেনারেটিভ এআই ব্যবহারের বিষয়ে তাদের কোম্পানিতে এখনও কোনো নীতিমালা নেই। জেনারেটিভ এআই টুলের ব্যবহার প্রায়শই ডেভেলপারদের নিজেদের পরীক্ষা-নিরীক্ষার দ্বারাই চালিত হয়।
আমার কোম্পানি সাধারণত এআই-এর অর্থ ভুল বোঝে, তাই তারা সঠিক নীতি তৈরি করছে না।
তবে, যেসব ব্যবসার নীতিমালা থাকে, তারা কোম্পানির মেধাস্বত্ব (আইপি) তৃতীয় পক্ষের কাছে ফাঁস হয়ে যাওয়ার উদ্বেগের কারণে এর ব্যবহারকে নিরুৎসাহিত করে থাকে। এমনও ঘটনা ঘটেছে যেখানে, এই টুলগুলোর পেছনের কোম্পানিগুলোর সাথে সরাসরি আলোচনার মাধ্যমে ডেটা কীভাবে ব্যবহৃত হয় এবং এর সম্ভাব্য ঝুঁকিগুলো বোঝার পর, এই ধরনের নীতিমালা পরিবর্তন করা হয়েছে।
ডেটা সুরক্ষা নিশ্চিত করতে নিবেদিত এন্টারপ্রাইজ অ্যাকাউন্ট এবং অংশীদারিত্বের মাধ্যমে ব্যবসা প্রতিষ্ঠানগুলো ডেভেলপারদের ব্যবহারে উৎসাহিত করার সম্ভাবনা বেশি থাকে।
ব্যবহারকারী-মুখী পণ্যের বৈশিষ্ট্যগুলির জন্য জেনারেটিভ এআই
প্রোডাক্টের দিক থেকে, আমরা যখন "এআই / এমএল" শব্দটি দিয়ে আলোচনা শুরু করেছি, তখন প্রায়শই জেনারেটিভ এআই-কে কেন্দ্র করে উত্তর এসেছে, যা আমাদের কাছে আশ্চর্যজনক ছিল না। ডেভেলপাররা জানতে আগ্রহী যে, তাদের ব্যবহারকারীদের অভিজ্ঞতা উন্নত করতে জেনারেটিভ এআই কীভাবে ব্যবহার করা যেতে পারে, কিন্তু সেই অভিজ্ঞতাগুলো দেখতে কেমন হবে এবং প্রোডাকশনে সেগুলো বাস্তবায়নের জন্য কী কী টুল উপলব্ধ আছে, সে সম্পর্কে তারা নিশ্চিত নন।
যেসব ডেভেলপার তাদের পণ্যে জেনারেটিভ এআই ফিচার তৈরি করেছেন বা করছেন, তাদের জন্য চ্যাটবট বা স্বতন্ত্র ইন্টারফেসের মাধ্যমে ব্যবহারকারীর প্রশ্নের উত্তর দিতে জেনারেটিভ এআই ব্যবহার করাই হলো সবচেয়ে সাধারণ প্রয়োগক্ষেত্র।
আউটপুটের গুণমানই আপনাদের কাছ থেকে শোনা আমাদের প্রধান উদ্বেগ। বিশেষ করে, ডেভেলপাররা প্রতিক্রিয়াগুলো নির্ভুল করতে চান এবং এলএলএম যাতে উদ্দিষ্ট লক্ষ্যের সাথে সম্পর্কহীন কোনো বিষয়বস্তু তৈরি না করে, তা নিশ্চিত করতে চান। এটি বিশেষভাবে সত্য যখন এলএলএম-এর আউটপুট সরাসরি ব্যবহারকারীর কাছে পৌঁছায়, যেমন একটি চ্যাটবট।
এআই দিয়ে ডেমো বানানোটা দারুণ ব্যাপার। যতবারই আমি আমার প্রজেক্টের ডেমো দেখাই, আউটপুটটা সম্পূর্ণ ভিন্ন হয়।
আপনারা বিভিন্ন ধরনের প্রম্পটের জন্য জেনারেটিভ এআই আউটপুট যাচাই করতে টেস্ট স্যুট তৈরিতে অনেক পরিশ্রম করছেন, কিন্তু প্রতিক্রিয়াগুলো পরীক্ষা বা পর্যবেক্ষণ করার কোনো সুস্পষ্ট ও প্রতিষ্ঠিত উপায় নেই। মূল্যায়নের বেশিরভাগ কাজই হাতে করতে হয়। অনেক ডেভেলপারই নন-ডিটারমিনিস্টিক আউটপুট সামলানোর ক্ষেত্রে নতুন। একটি কমিউনিটি হিসেবে, আমরা এখনও এমন কোনো সিস্টেম তৈরি করতে পারিনি যা এগুলোর সাথে ভালোভাবে কাজ করে।
একটি জেনারেটিভ এআই মডেল চালানোর খরচও একটি গুরুত্বপূর্ণ বিবেচ্য বিষয়, এবং ডেভেলপাররা তাদের ব্যবহারকারীদের জন্য এর সুবিধার বিপরীতে খরচটি সতর্কতার সাথে মূল্যায়ন করছেন।
সাধারণ বনাম কাস্টমাইজড মডেল
সাধারণত, আমরা যে ডেভেলপারদের সাথে কথা বলেছি, তারা তৈরি মডেল এবং এপিআই (API)-এর উপর নির্ভর করতে বেশি আগ্রহী ছিলেন। এর ফলে বাজারে পণ্য আনার সময় এবং সীমিত প্রকৌশলীয় সময় ও জ্ঞানের ব্যবহার সর্বোত্তম হয়।
আমি ওয়েব ডেভেলপমেন্ট ক্ষেত্রেই থাকতে চাই। আমি এমএল ইঞ্জিনিয়ার হতে চাই না।
যদিও ডেভেলপাররা রিট্রিভ অগমেন্ট-জেনারেট (RAG) এবং ফাইন-টিউনিং-এর মতো উন্নত কৌশল সম্পর্কে অবগত এবং এর সম্ভাব্য উপযোগিতা উপলব্ধি করেন, আপনি বরং তাদের কাজের ওয়েব ডেভেলপমেন্ট দিকটির উপরই মনোযোগ দিতে চান। পরিশেষে, আপনি ডিফল্ট টুলগুলো ব্যবহার করতে অথবা তাদের ব্যবহারের জন্য অপ্টিমাইজ করা মডেল তৈরি করতে অন্যান্য টিমের উপর নির্ভর করতে পছন্দ করেন।
গোপনীয়তা এবং নিরাপত্তা সংক্রান্ত উদ্বেগ
গোপনীয়তা এবং নিরাপত্তা ছিল প্রধান উদ্বেগের বিষয়, বিশেষ করে চিকিৎসা শিল্পের মতো কঠোর ডেটা-সংক্রান্ত নিয়মকানুনযুক্ত ক্ষেত্রগুলোর জন্য। এই ধরনের ব্যবহারের ক্ষেত্রগুলো সমাধানের চাবিকাঠি হতে পারে অন-ডিভাইস এআই, কিন্তু এই ক্ষেত্রটি এখনও অনেকাংশেই অনাবিষ্কৃত রয়ে গেছে।
ক্লাউড এপিআই-এর মাধ্যমে ব্যবহারকারীর ডেটা আরও বেশি তৃতীয় পক্ষের কাছে উন্মুক্ত হয়ে যাওয়া একটি উদ্বেগের বিষয়, এবং অনেক ডেভেলপার সম্ভাব্য গোপনীয়তা ও নিরাপত্তাজনিত ঝুঁকিগুলো প্রশমিত করতে অন-ডিভাইস মেশিন লার্নিং বা জেনারেটিভ এআই-এর গুরুত্ব উপলব্ধি করছেন।
ওয়েব ডেভেলপারদের জন্য এআই
কৃত্রিম বুদ্ধিমত্তা (AI) সর্বত্র বিরাজমান এবং অবিশ্বাস্য গতিতে বিকশিত হচ্ছে। আমরা কীভাবে হালনাগাদ থাকতে পারি, বিদ্যমান সরঞ্জাম ও মডেলগুলোকে কাজে লাগাতে পারি, অথবা আমাদের প্রয়োজন অনুসারে সবচেয়ে উপযুক্ত নতুন মডেল তৈরি করতে মেশিন লার্নিং (ML) প্রকৌশলীদের সাথে কাজ করতে পারি?
আপনাদের কাছ থেকে যা শিখেছি, তার উপর ভিত্তি করে আমরা ওয়েব ডেভেলপারদের জন্য এআই (AI) বিষয়ক নির্দেশিকা তৈরি করছি। আমাদের লক্ষ্য হলো, আপনাদেরকে এআই-এর ধারণাগুলো উচ্চ স্তরে বুঝতে, উৎপাদনশীলতা বাড়ানোর জন্য জেনারেটিভ এআই ব্যবহারের সুযোগ খুঁজে বের করতে এবং বিদ্যমান টুল, মডেল ও এপিআই (API) ব্যবহার করে চমৎকার ইউজার এক্সপেরিয়েন্স তৈরি করতে সাহায্য করা। আমাদের এআই সংগ্রহে আমরা আরও কন্টেন্ট প্রকাশ করলে, নিয়মিত আমাদের ওয়েবসাইট দেখতে থাকুন।
যদিও বেশিরভাগ ওয়েব ডেভেলপার তাদের সেরা কাজটি (অর্থাৎ ওয়েব ডেভেলপমেন্ট!) করতেই মনোযোগ দিতে পছন্দ করেন, আমরা আপনাদের মধ্যে যারা আরও গভীরে যেতে চান, তাদের ওয়েব ডেভেলপারদের প্রয়োজনীয় টুলস, মডেল এবং এপিআই তৈরি করতে উৎসাহিত করি। আমরা আপনার কথা শুনতে এবং আপনাকে সফল হতে কীভাবে সাহায্য করতে পারি তা জানতে আগ্রহী।
কৃত্রিম বুদ্ধিমত্তা (AI) একটি দ্রুত পরিবর্তনশীল ক্ষেত্র। তাই, পরিস্থিতির পরিবর্তনের সাথে সাথে আমরা আরও আলোচনা ও সমীক্ষা চালিয়ে কমিউনিটির সাথে যোগাযোগ অব্যাহত রাখব। আপনি যদি আমাদের সাথে আলোচনা করতে চান, তাহলে আমাদের টিমের সাথে অফিস আওয়ার নির্ধারণ করুন ।