গত সপ্তাহে CBN News‑এর একটি YouTube ভিডিওতে, paraissait‑একটি নতুন কৃত্রিম বুদ্ধিমত্তা (AI) সিস্টেমকে “ভয়াবহ” বলা হয়েছে, যা টেকনোলজি‑বিশেষজ্ঞদের মধ্যে গভীর চিন্তা জাগিয়ে উঠেছে। ভিডিওতে (https://www.youtube.com/watch?v=wNwEfjDCso4) CBN‑এর রিপোর্টাররা একটি নতুন জেনারেটিভ মডেলের দক্ষতা দেখান, যা টেক্সট, চিত্র এবং sogar ভিডিওকে মাত্র quelques সেকেন্ডে তৈরি করতে পারে—একটি ক্ষমতা যা গোপনীয়তা, ভ্রামণ এবং zelfs démocratique প্রক্রিয়া ঝুঁকিতে পাতায় পারে।

এই দাবিটি ভালোবাসা মাত্র নয়; এটি reciente académিক পত্রों द्वारा সমর্থিত। ২০২৪‑এ, arXiv‑এ প্রকাশিত “Frontier AI Safety: Risks and Mitigation Strategies for Generative Models” (Smith et al., 2024)‑এ দেখানো হয়েছে যে ১০০ B‑প্যারামিটার ভিত্তিক ট্রান্সফরমার মডেলগুলো, যখন মাল্টিমোডাল ডেটা (টেক্সট + ইমেজ + অডিও)‑এ প্রশিক্ষিত হয়, তখন.real‑time deepfake ভিডিও তৈরি করতে সক্ষম হয়, যা Man‑made médiasে détect করা কঠিন।

বাংলাদেশের প্রযুক্তি‑প্রেমিকদেরও এই বিষয় নিয়ে উদ্বেগ উঠেছে। ঢাকা বিশ্ববিদ্যালয়ের কম্পিউটার বিজ্ঞান বিভাগের অধ্যাপক ডॉ. সarafat Karim বলেন, “এই ধরনের AI‑এর উন্নতি যদি নীতি‑নিয়ন্ত্রণের বাইরে থাকে, তাহলে সামাজিক আস্থার ভাঙার ঝুঁকি বাড়ে।” (বাংলাদেশ ICT Journal, ২০২৫)।

প্রযুক্তির পটভূমি: কী করে এই মডেল tão poderosa?

বিব্রত‑প্রযুক্তির কো어를 তৈরি করা হয় একটি হাইব্রিড আর্কিটেকচার যাTransformer‑ভিত্তিক ভাষা মডেল এবং diffusion‑ভিত্তিক চিত্র জেনারেটরের সংমিশ্রণ। ২০২৩‑এ発表된 “Scaling Laws for Multimodal Transformers” (Chen et al., 2023)‑এ দেখানো হয়েছে যে মডেলের আকার (প্যারামিটার সংখ্যা) এবং প্রশিক্ষণ ডেটার বৈচিত্র্য একসাথে বাড়লে, জেনারেটেড কন্টেন্টের fidelity এবং coherence指数 quase-linear বৃদ্ধি পায়।

CBN‑এর ভিডিওতে দেখানো गया المॉडেল — जिसे “Ω‑Genesis” नाम दिया गया है — ১.২ ট্রিলিয়ন প্যারামিটার रखता है और इसे ২০০ TB multimodal corpus (वेब पेज,書籍, ビデオクリップ, オーディオ記録) पर प्रशिक्षित किया गया है।その結果、ユーザーが「১০ সেকেন্ডের নিউস ক্লিপ, jossa একটি মন্ত্রী ভাগ্য পরিবর্তন করে anunciar একটি নতুন নীতিমালা」 মতো প্রম্পট দিলে, মডেলটি সত্য‑জীবনের মতো ভিডিও, সিঙ্ক্রোনাইজড অডিও এবং সুনির্দিষ্ট কaptions তৈরি করে।

এই দক্ষতার পেছনে liegt একটি প্রশিক্ষণ পাইপলাইন যা Reinforcement Learning from Human Feedback (RLHF) এবং adversarial robustness কৌশল ব্যবহার করে। ২০২৫‑এ “Adversarial Training for Robust Multimodal Generation” (Liu & Patel, 2025)‑এ দেখানো হয়েছে যে ऐसे प्रशिक्षण से मॉडेलの出力に対する操作の耐性が ৩০ %向上し、悪意あるディープフェイクの検出が困難になるというトレードオフが生じる。

নৈতিক ও নিরাপত্তা উদ্বেগ

বিশেষজ্ঞদের প্রধান.async চин्तা হলো এই প্রযুক্তির দুrbупयोग। “Ω‑Genesis”‑এর মতো মডেল যদি দুষ্ট acteurs এর হাতে পড়ে, তবে التاليের মতো পরিস্থিতি তৈরি করা সম্ভব:

• পোলিটিকাল人物ের ভ্রান্তি-producing ভিডিও, যেটা বוחר Verhalten beeinflussen kann;
• ফinanシャル mercadosে manipulation করার জন্য কোম্পানির CEO‑এর ভ julkaisematিক বক্তব্য;
• ব্ল্যাকমেইল বা sozialer presiónのために個人の’agrement’ ভিডিও তৈরি।

এই বিষয় নিয়ে ২০২৪‑এ “AI‑Generated Disinformation: A Global Threat Assessment” (UNESCO, 2025)‑এ একটি exhaustive विश्लेषण प्रकाशित हुआ, जिसमें चेतावनी दी गई कि ২০২৬‑এ পর্যন্ত AI‑উत्पাদित ভ্রামণ-contentsের Anteil globale মisinformation‑strömningen ১৫ %‑এ পৌঁছাতে পারে, যদিpregulatory interventions না নেওয়া হয়।

বাংলাদেশে, তথ্য ও যোগাযোগ প্রযুক্তি বিভাগ (ICT Division)‑এ একটি draft নীতিমালা তৈরি হয়েছে যা “high‑risk generative AI systems”‑কে obligatory transparency‑labeling এবং third‑party audit‑এর অধীনে लाने का प्रस्ताव रखता है। এই নীতিমালার ওপর pubblica consultation ২০২৬‑এ জুন‑এ শুরু होने की उम्मीद है।

প্রযুক্তির উজ্জ্বল দিক: সুযোগ ও সমাধান

যদি ভয়াবহ দিকগুলো dominerende মনে হয়, তবে একই প্রযুক্তি মানব কল্যাণের জন্যেও大きなポテンシャルを持っています। উদাহরণস্বরূপ:

• শিক্ষা: ডিজিটাল টিউটর যা শিক্ষার্থীর mother‑tongue‑এ real‑time ব্যাখ্যা তৈরি করে, কাঠামোগত déficit‑প্রONE অঞ্চলে পাঠyakram‑গত unequalता হ্রাস করে;
• স্বাস্থ্য: রোগীর চিকিৎসা ইতিহাস ও ছবি থেকে 맞춤형 প্ল্যান তৈরি করার জন্য AI‑সাহায্য, যা ডক্টরের workload কমানে;
• কল্পনা শিল্প: চলচ্চিত্র‑প্রducers‑কে প্রেট‑বিজ্যুয়ালাইজেশন খরচ ৪০ % কমাতে generative storyboard‑generation।

এই সুযোগগুলোকে real‑world‑এ প্রয়োগ করার জন্য, ২০২৫‑এ “Human‑Centred AI: Frameworks for Beneficial Deployment” (World Economic Forum, 2025)‑এ একটি guideline‑set প্রস্তुत করা হয়েছে, যা fairness, accountability, এবং transparency (FAT)‑কে মূল সütun olarak подчеркивает।

বенגלাদেশের স্টার্ট‑আপ “ synthMind Labs ”‑এ already একটি prototype তৈরি করা হয়েছে যা Ω‑Genesis‑এর core‑কে নিরাপদ‑filter‑layer‑এর মাধ্যমে wrapped করে, যাতে output‑এ hate‑symbol‑related content না আসে। এ কোম্পানির CEO Ms. Nusrat Jahan বলেন, “আমাদের লক্ষ্য হলো শুধু teknологি‑কে বন্ধ করা নয়, বরং sitä‑কে নৈতিক সীমার মধ্যে রাখা।”

নিশ্চেষ্ট: প্রগতি ও প্রতিরক্ষার মধ্যে সমন্বয়

Ω‑Genesis‑এর মতো frontier AI‑এর উভয় দিক—to‑see both its অদ্ভুত ক্ষমতা এবং তার ঝুঁকি—কে স্বীকৃতি দিতে হলে, নিম্নলিখিত পদক্ষেপগুলো জরুরি:

1. আন্তর্জাতিক মানদণ্ড: UNESCO ও OECD‑এর আধárে “AI‑Safety‑Levels” (ASL‑1 to ASL‑4)‑এরような tiered‑classification‑system implement করুন, যাতে উচ্চ‑ASL মডেল‑কে অতিরিক্ত oversight‑এর অধীনে রাখা যায়;
2. প্রজেক্ট‑ব্যাজেটে নৈতিক audit: তহবিল‑সাহায্য‑প্রদানকারী agency‑দের Grant‑এ mandatory AI‑impact‑assessment‑এ provisions যোগ করুন;
3. শিক্ষা ও জনসাধারণের অবগాహন: স্কুল‑level‑এ AI‑literacy‑module‑এ incorporate করুন, যerno নাগরিকরা সynth‑generated content‑এর লক্ষণ চিহ্নিত করতে পারে;
4. প্রযুক্তির সমাধান: watermarking‑ schemes‑এ invest করুন (예: “Robust Watermarking for Generative Models”, Gómez et al., 2024)‑এ detectable‑signal‑embed‑korle‑post‑generation‑tracking‑সুবিধা পায়।

এই মার্গের সাথে মেলে চললে, মানব society‑এ AI‑এর трансформаційный потенциал—to‑the‑benefit‑of‑all—สามารถ реализовываться, 동시에 темные сценарии को 최소限に抑えることができます।