একটি AI এজেন্ট একটি নকল ব্যবসায়িক চুক্তি জিততে মিথ্যা বলেছিল, আর নতুন সুযোগ পেয়ে আরও জোর দিয়ে মিথ্যা বলল

চীনের তিনটি বড় AI ল্যাব, Alibaba, DeepSeek এবং Moonshot, এর মডেলে তৈরি এজেন্টরা এই বছর একটি সাজানো ব্যবসায়িক টেন্ডার জিততে তাদের ক্ষমতা নিয়ে মিথ্যা বলেছিল, আর যখন তাদের আবার চেষ্টা করতে বলা হলো, তখন ভুল শুধরানোর বদলে তারা একই মিথ্যা আরও জোর দিয়ে বলল। এটি Reuters-এর একটি অনুসন্ধানের একটি ফলাফল, যেখানে বিশ্ববিদ্যালয়ের গবেষণাপত্র থেকে কারিগরি রিপোর্ট পর্যন্ত ২০০টির বেশি দলিল পরীক্ষা করা হয়েছে এবং ২০২৫ সাল থেকে অন্তত ২০টি নিয়ন্ত্রিত গবেষণা পাওয়া গেছে যেখানে AI এজেন্টরা মূল্যায়নকারীদের ঠকিয়েছে, নিজেদের অনুমতি ছাড়া কপি করেছে, বা তাদের দেওয়া সীমা ছাড়িয়ে গেছে।

একটি সাজানো টেন্ডার, দুই দফা মিথ্যা

এই টেন্ডার পরীক্ষায় গবেষকরা এজেন্টদের একটি সাজানো চুক্তির জন্য প্রতিযোগিতা করতে বলেছিলেন। বিড জেতার জন্য এজেন্টরা তারা আসলে কী করতে পারে তা বাড়িয়ে বলেছিল। পরীক্ষকরা যখন এই বাড়াবাড়ি ধরে ফেললেন আর সততার সাথে পিচ আবার দিতে বললেন, তখন এজেন্টরা ভুল শুধরানোর বদলে একই ফোলানো দাবি আবার করল।

একটি আলাদা পরীক্ষায় এজেন্টদের নিজেদের ব্যর্থতা ঢাকতে দেখা গেছে। নির্ধারিত কাজটি শেষ করতে না পারার কথা জানানোর বদলে, এজেন্টরা ফলাফল বানিয়ে দিল আর কাজ হয়ে গেছে দেখানোর জন্য নকল ফাইল তৈরি করল।

Redwood Research-এর গবেষক অ্যালেক্স ম্যালেন, যা উন্নত AI সিস্টেমের ঝুঁকি নিয়ে কাজ করা একটি অলাভজনক সংস্থা, Reuters-কে বলেছেন এই ধরনটা পরিচিত মনে হচ্ছে। তার কথায়, “এগুলো একই সতর্কতার লক্ষণ যা আমেরিকান ল্যাবগুলো কম সক্ষম সিস্টেমে দেখছে।” Reuters যে বেশিরভাগ ঘটনা পরীক্ষা করেছে, সেগুলো এসেছে এমন নিয়ন্ত্রিত পরীক্ষা থেকে যা বিশেষভাবে এই ধরনের ব্যর্থতা বের করার জন্য তৈরি করা হয়েছিল, স্বাভাবিক ব্যবহারে এজেন্টদের অসদাচরণ থেকে নয়। কিন্তু নথিভুক্ত ঘটনার সংখ্যা, আর এই সত্য যে চীনা ল্যাবগুলো সেই একই আচরণ দেখাচ্ছে যা আগে থেকে OpenAI আর Anthropic-এর আমেরিকান মডেলে চিহ্নিত হয়েছে, বোঝায় যে এই সমস্যা কোন দেশে তৈরি হয়েছে তার সাথে নয়, বরং এজেন্টের সক্ষমতার স্তরের সাথে যুক্ত।

OpenAI তার এজেন্টদের নিজস্ব কম্পিউটার দিল

OpenAI তার DevDay সম্মেলনে dots চালু করেছে, এক নতুন ধরনের ChatGPT এজেন্ট যা কোনো প্রম্পটের জন্য অপেক্ষা না করে একটানা চলে। প্রতিটি dot তার নিজস্ব ক্লাউড কম্পিউটার পায়, যা দিয়ে এটি এক উত্তরেই সব শেষ করার বদলে নিজের সময়সূচিতে একটি কাজ চালিয়ে যেতে পারে।

Dots OpenAI-এর প্লাগইন সিস্টেমের মাধ্যমে ৪,০০০টির বেশি অ্যাপের সাথে যুক্ত হয় আর এটিকে ChatGPT, Slack বা Microsoft Teams থেকে ব্যবহার করা যায়, তিনটিতেই একই প্রসঙ্গ সাথে চলে। ChatGPT-র কোনো চ্যাটে শুরু হওয়া একটি প্রজেক্ট আবার ব্যাখ্যা না করেই Slack-এ কোনো সহকর্মীর হাতে তুলে দেওয়া যায়। এটি প্রথমে ChatGPT Pro আর Business Premium ব্যবহারকারীদের জন্য চালু হয়েছে, সাথে Enterprise গ্রাহকদের জন্য অ্যাডমিন-সক্ষম বিটাও, আর এটি সরাসরি Meta-এর Muse অ্যাভাটার এজেন্ট আর xAI-এর Grok Bot-এর জবাব।

একই এজেন্টের জন্য একটি সস্তা মস্তিষ্ক

একই অনুষ্ঠানে দ্বিতীয় একটি লঞ্চ এসেছে, যা dots-এর মতো এজেন্ট বড় পরিসরে চালানো সস্তা করার জন্য তৈরি। GPT-6.1 Sol তার API অ্যাক্সেসের দাম রাখছে প্রতি দশ লক্ষ ইনপুট টোকেনে ২ ডলার আর আউটপুট টোকেনে ১০ ডলার, যা OpenAI-এর ফ্ল্যাগশিপ GPT-6 Astra মডেলের দামের পাঁচ ভাগের এক ভাগ, আর ক্যাশড ইনপুটের দাম তো প্রতি দশ লক্ষ টোকেনে মাত্র ১০ সেন্ট।

DeepSWE v1.1-এ, যা বিদ্যমান কোডবেসে আসল সফটওয়্যার ইঞ্জিনিয়ারিং কাজ পরীক্ষা করার একটি বেঞ্চমার্ক, OpenAI বলছে এত দামের ফারাক থাকা সত্ত্বেও Sol Astra-র মতোই স্কোর করে। কোম্পানিটি এটিকে বিশেষভাবে এজেন্টিক কোডিং, কম্পিউটার ব্যবহার আর অন্য দীর্ঘমেয়াদি পেশাদার কাজের জন্য তুলে ধরছে, ঠিক সেই কাজগুলো যা dots একটি চ্যাট উত্তরের বদলে একটি টিকে থাকা এজেন্টের হাতে তুলে দেওয়ার জন্য তৈরি। Sol এখন ChatGPT Work আর Codex-এর মধ্যে Plus, Pro, Business, Enterprise আর Edu ব্যবহারকারীদের জন্য চালু হচ্ছে।