থিংকিং মেশিনস এমন একটি এআই তৈরি করতে চায় যা কথা বলার সময় সত্যিই শোনে

থিংকিং মেশিনস এমন একটি এআই তৈরি করতে চায় যা কথা বলার সময় সত্যিই শোনে

মিরা মুরাতির নতুন স্টার্টআপ একটি গবেষণা প্রিভিউ প্রকাশ করেছে যা ডেভেলপারদের এআই মডেলের সাথে ইন্টারঅ্যাক্ট করার উপায় পুনর্সংজ্ঞায়িত করতে পারে। থিংকিং মেশিনস ল্যাব ইন্টারঅ্যাকশন মডেল ঘোষণা করেছে — এমন এআই যা আপনার ইনপুট প্রক্রিয়া করে এবং একই সাথে প্রতিক্রিয়া তৈরি করে, যা এখন পর্যন্ত আপনি ব্যবহার করেছেন এমন প্রতিটি এআই ডেভেলপমেন্ট টুলের সংজ্ঞায়িত বিশ্রী পালা-পরিবর্তন দূর করে। রিয়েল-টাইম অ্যাপ্লিকেশন তৈরি করা এশিয়ান ডেভেলপারদের জন্য, সিকোয়েনশিয়াল থেকে সিমালটেনিয়াস প্রসেসিংয়ে এই পরিবর্তন একটি প্রযুক্তিগত আপগ্রেডের চেয়ে বেশি কিছু প্রতিনিধিত্ব করে। এটি এআই-নেটিভ ডেভেলপমেন্ট প্ল্যাটফর্মগুলি কীভাবে কাজ করা উচিত তার একটি মৌলিক পুনর্চিন্তাভাবনা।

এআই ডেভেলপমেন্ট টুলস কী?

এআই ডেভেলপমেন্ট টুলস হল প্ল্যাটফর্ম, ফ্রেমওয়ার্ক এবং API যা ডেভেলপারদের স্ক্র্যাচ থেকে মডেল তৈরি না করে অ্যাপ্লিকেশনে মেশিন লার্নিং ক্ষমতা সংহত করতে দেয়। এগুলি GitHub Copilot-এর মতো কোড সম্পূর্ণকরণ সহায়ক থেকে শুরু করে সম্পূর্ণ-স্ট্যাক প্ল্যাটফর্ম পর্যন্ত বিস্তৃত যা ডেটা প্রিপ্রসেসিং থেকে ডিপ্লয়মেন্ট পর্যন্ত সবকিছু পরিচালনা করে। এশিয়ান বাজার এই বিভাগে বিস্ফোরক বৃদ্ধি দেখেছে, স্থানীয় প্ল্যাটফর্মগুলি উদীয়মান হচ্ছে যারা ডেভেলপারদের সেবা করতে চায় যাদের কম-লেটেন্সি, অঞ্চল-নির্দিষ্ট অবকাঠামো প্রয়োজন।

ঐতিহ্যবাহী এআই ডেভেলপমেন্ট টুলস একটি অনুরোধ-প্রতিক্রিয়া চক্রে কাজ করে। আপনি একটি প্রম্পট পাঠান, মডেল এটি সম্পূর্ণভাবে প্রক্রিয়া করে, তারপর একটি প্রতিক্রিয়া ফিরিয়ে দেয়। এই আর্কিটেকচার অনেক ব্যবহারের ক্ষেত্রে কাজ করে, কিন্তু যখন আপনার প্রকৃত ইন্টারঅ্যাক্টিভিটি প্রয়োজন তখন এটি ভেঙে পড়ে — ভয়েস সহায়কদের কথা চিন্তা করুন যারা বাধা সামলাতে পারে না, বা চ্যাটবট যা আপনাকে একটি সম্পূর্ণ প্রতিক্রিয়ার মাধ্যমে অপেক্ষা করতে বাধ্য করে একটি ভুল বোঝার আগে। প্রযুক্তিগত সীমাবদ্ধতা প্রসেসিং গতি নয়; এটি মৌলিক ডিজাইন যা কথোপকথনকে পৃথক লেনদেনের একটি সিরিজ হিসাবে বিবেচনা করে একটি ক্রমাগত বিনিময়ের পরিবর্তে।

থিংকিং মেশিনস ল্যাবের পদ্ধতি এই প্যারাডাইমকে চ্যালেঞ্জ করে। তাদের TML-Interaction-Small মডেল ইনপুট এবং আউটপুট একযোগে প্রক্রিয়া করে ০.৪০-সেকেন্ডের প্রতিক্রিয়া সময় অর্জন করে — যা ইঞ্জিনিয়াররা "ফুল ডুপ্লেক্স" যোগাযোগ বলে। তাদের TechCrunch-এ ঘোষণা অনুযায়ী, এটি প্রাকৃতিক মানব কথোপকথনের গতির সাথে মেলে এবং OpenAI এবং Google-এর তুলনীয় মডেলগুলিকে ছাড়িয়ে যায়। প্রভাবগুলি ভয়েস ইন্টারফেসের বাইরে প্রসারিত। রিয়েল-টাইম এআই প্রতিক্রিয়া প্রয়োজন এমন যেকোনো অ্যাপ্লিকেশন — সহযোগী কোডিং পরিবেশ, লাইভ অনুবাদ সেবা, ইন্টারঅ্যাক্টিভ ডিবাগিং টুলস — এই স্থাপত্য পরিবর্তন থেকে উপকৃত হতে পারে।

এশিয়ার ডেভেলপারদের জন্য, যেখানে মোবাইল-প্রথম অ্যাপ্লিকেশন আধিপত্য বিস্তার করে এবং নেটওয়ার্ক অবস্থা ব্যাপকভাবে পরিবর্তিত হয়, প্রতিক্রিয়া লেটেন্সি সরাসরি ব্যবহারকারীর অভিজ্ঞতাকে প্রভাবিত করে। একটি মডেল যা আপনি কথা বলা শেষ করার আগে প্রতিক্রিয়া শুরু করতে পারে অনুভূত ল্যাগ হ্রাস করে, এআই ইন্টারঅ্যাকশনগুলিকে সার্ভার প্রতিক্রিয়ার জন্য অপেক্ষা করার মতো কম এবং একজন সহকর্মীর সাথে কথা বলার মতো বেশি অনুভব করায়। চ্যালেঞ্জ হল যে এই গবেষণা প্রিভিউ এখনও জনসাধারণের জন্য উপলব্ধ নয়। থিংকিং মেশিনস ল্যাব আগামী মাসগুলিতে একটি সীমিত গবেষণা প্রিভিউ প্রতিশ্রুতি দেয়, এই বছরের পরে আরও বিস্তৃত রিলিজ। তখন পর্যন্ত, ডেভেলপারদের এমন টুলস প্রয়োজন যা আজ কাজ করে।

২০২৬ সালে এশিয়ান ডেভেলপারদের জন্য শীর্ষ এআই ডেভেলপমেন্ট টুলস

এশিয়ান ডেভেলপার ইকোসিস্টেমের অনন্য প্রয়োজনীয়তা রয়েছে যা বৈশ্বিক প্ল্যাটফর্মগুলি সর্বদা সম্বোধন করে না। সিঙ্গাপুর এবং ইন্দোনেশিয়ার মতো দেশগুলিতে ডেটা রেসিডেন্সি নিয়মগুলি স্থানীয় হোস্টিং প্রয়োজন। ভাষা সমর্থন ইংরেজির বাইরে ম্যান্ডারিন, জাপানি, কোরিয়ান, বাহাসা এবং ডজনখানেক আঞ্চলিক ভাষায় প্রসারিত। পেমেন্ট অবকাঠামোকে ক্রেডিট কার্ড থেকে GrabPay থেকে Alipay পর্যন্ত সবকিছু পরিচালনা করতে হবে। এখানে যা আসলে এশিয়ায় নির্মাণকারী ডেভেলপারদের জন্য কাজ করে।

OpenAI API সাধারণ-উদ্দেশ্য এআই ক্ষমতার জন্য স্বর্ণ মান হিসাবে রয়ে গেছে, কিন্তু US-ভিত্তিক সার্ভার থেকে লেটেন্সি দক্ষিণ-পূর্ব এশিয়ান ডেভেলপারদের জন্য ২০০-৩০০ms এ পৌঁছাতে পারে। মূল্য নির্ধারণ মডেল — GPT-4o mini-এর জন্য ১K টোকেনে $০.০০২ — পশ্চিমী বাজারের জন্য অর্থপূর্ণ কিন্তু যখন আপনার লক্ষ্য ব্যবহারকারীরা মাসিক $৫০০-১০০০ উপার্জন করে তখন এটি ভিন্নভাবে আঘাত করে। তবুও, মডেল গুণমান এবং বিস্তৃত ডকুমেন্টেশন এটিকে প্রোটোটাইপিংয়ের জন্য ডিফল্ট পছন্দ করে তোলে।

Anthropic Claude জটিল যুক্তি কাজে উচ্চতর কর্মক্ষমতা এবং দীর্ঘ প্রসঙ্গ উইন্ডো (২০০K টোকেন) অফার করে, যা এমন অ্যাপ্লিকেশনের জন্য আদর্শ যাদের সম্পূর্ণ কোডবেস বা দীর্ঘ ডকুমেন্ট প্রক্রিয়া করতে হবে। এশিয়া-প্রশান্ত মহাসাগরীয় রোলআউট OpenAI-এর চেয়ে ধীর হয়েছে, কিন্তু উপলব্ধতা উন্নতি করছে। সিঙ্গাপুর এবং টোকিওর ডেভেলপাররা গ্রহণযোগ্য লেটেন্সি রিপোর্ট করে, যখন জাকার্তা বা ম্যানিলার লোকেরা এখনও মাঝে মাঝে টাইমআউট দেখে।

Alibaba Cloud Tongyi Qianwen চীনে আধিপত্য বিস্তার করে এবং সিঙ্গাপুর, মালয়েশিয়া এবং ইন্দোনেশিয়ায় স্থানীয় ডেটা সেন্টার সহ দক্ষিণ-পূর্ব এশিয়া জুড়ে সম্প্রসারিত হচ্ছে। চীনা ভাষার কর্মক্ষমতা পশ্চিমী মডেলগুলিকে উল্লেখযোগ্য মার্জিন দ্বারা অতিক্রম করে। মূল্য নির্ধারণ তুলনীয় কাজের জন্য OpenAI-এর চেয়ে প্রায় ৩০% কম চলে। ট্রেড-অফ হল ডকুমেন্টেশন প্রাথমিকভাবে চীনা এবং US প্ল্যাটফর্মের তুলনায় কম পরিপক্ক ডেভেলপার টুলিং।

Google Gemini মাল্টিমোডাল ক্ষমতা এবং Google Cloud অবকাঠামোর সাথে শক্ত একীকরণ নিয়ে আসে। ফ্রি টায়ার উদার — Gemini 1.5 Flash-এর জন্য প্রতিদিন ১৫০০ অনুরোধ — যা প্রাথমিক-পর্যায়ের স্টার্টআপগুলির জন্য আকর্ষণীয় করে তোলে। এশিয়ান ডেভেলপাররা Google-এর আঞ্চলিক ডেটা সেন্টার থেকে OpenAI-এর চেয়ে ভাল লেটেন্সি রিপোর্ট করে, যদিও মডেল কর্মক্ষমতা কোড জেনারেশন কাজে GPT-4-এর পিছনে সামান্য পিছিয়ে থাকে।

এই ল্যান্ডস্কেপে যা অনুপস্থিত তা হল একটি প্ল্যাটফর্ম যা বিশেষভাবে এশিয়ান ডেভেলপাররা কীভাবে আসলে কাজ করে তার জন্য তৈরি। বেশিরভাগ দল বেঞ্চমার্ক স্কোরের উপর ভিত্তি করে OpenAI এবং Anthropic-এর মধ্যে বেছে নিচ্ছে না। তারা জিজ্ঞাসা করছে: আমি এটি জাকার্তায় স্থাপন করতে পারি? এটি আমার বিদ্যমান Node.js স্ট্যাকের সাথে কাজ করবে? একবার আমি ১০,০০০ ব্যবহারকারীতে পৌঁছালে আমি এটি বহন করতে পারি? এই ব্যবহারিক প্রশ্নগুলি তাত্ত্বিক মডেল ক্ষমতার চেয়ে বেশি গুরুত্বপূর্ণ।

আপনার স্ট্যাকের জন্য সঠিক এআই ডেভেলপমেন্ট টুল কীভাবে বেছে নিন

একটি এআই ডেভেলপমেন্ট টুল বেছে নেওয়া আপনার প্রকৃত প্রয়োজনীয়তা বোঝার সাথে শুরু হয়, সর্বশেষ মডেল রিলিজ অনুসরণ করা নয়। লেটেন্সি সীমাবদ্ধতা দিয়ে শুরু করুন। যদি আপনি একটি রিয়েল-টাইম ভয়েস অ্যাপ্লিকেশন তৈরি করছেন, আপনার ৫০০ms-এর নিচে এন্ড-টু-এন্ড প্রতিক্রিয়া সময় প্রয়োজন। এটি অবিলম্বে আপনার বিকল্পগুলিকে আঞ্চলিক অবকাঠামো সহ প্রদানকারীদের মধ্যে সীমাবদ্ধ করে। তাদের সার্ভারগুলি আসলে কোথায় চলে তা পরীক্ষা করুন — "এশিয়া-প্রশান্ত মহাসাগরীয়" সিডনি (অস্ট্রেলিয়ার জন্য দুর্দান্ত, ভিয়েতনামের জন্য ভয়ানক) বা সিঙ্গাপুর (দক্ষিণ-পূর্ব এশিয়ার বেশিরভাগের জন্য শালীন) অর্থ হতে পারে।

খরচ মডেলিং পরবর্তী আসে। বেশিরভাগ প্ল্যাটফর্ম প্রতি টোকেন চার্জ করে, কিন্তু টোকেন গণনা প্রদানকারীদের মধ্যে পরিবর্তিত হয়। একটি ১০০০-শব্দের নিবন্ধ GPT-4-এ ৭৫০ টোকেন এবং Claude-এ ৮৫০ টোকেন হতে পারে। আপনার প্রত্যাশিত মাসিক অনুরোধ ভলিউম প্রতি-টোকেন মূল্য দ্বারা গুণ করুন, তারপর ওভারহেড এবং অপ্রত্যাশিত ব্যবহার স্পাইকের জন্য ৩০% যোগ করুন। যদি সেই সংখ্যা আপনার অবকাঠামো বাজেট অতিক্রম করে, আপনার একটি ভিন্ন পদ্ধতির প্রয়োজন। হাইব্রিড আর্কিটেকচার বিবেচনা করুন যা সাধারণ প্রশ্নের জন্য ছোট মডেল ব্যবহার করে এবং জটিল যুক্তি কাজের জন্য ব্যয়বহুল মডেলগুলি সংরক্ষণ করে।

ভাষা সমর্থন বেশিরভাগ ডেভেলপাররা বুঝতে পারে না তার চেয়ে বেশি গুরুত্বপূর্ণ। ইংরেজি-কেন্দ্রিক মডেলগুলি থাই-তে কোড মন্তব্য, ইন্দোনেশিয়ান ত্রুটি বার্তা বা Singlish-এর সাথে মিশ্রিত ব্যবহারকারী প্রশ্নগুলির সাথে সংগ্রাম করে প্রযুক্তিগত শর্তাবলী। প্রতিশ্রুতিবদ্ধ হওয়ার আগে আপনার লক্ষ্য ভাষাগুলিতে প্রকৃত ব্যবহারকারী ইনপুট দিয়ে আপনার নির্বাচিত প্ল্যাটফর্ম পরীক্ষা করুন। "চীনা সমর্থন করে" এবং "চীনা প্রযুক্তিগত ডকুমেন্টেশনে ভালভাবে সম্পাদন করে" এর মধ্যে পার্থক্য উল্লেখযোগ্য।

ইন্টিগ্রেশন জটিলতা নির্ধারণ করে কীভাবে দ্রুত আপনি উৎপাদনে যেতে পারেন। একটি প্ল্যাটফর্ম যা আপনার বিদ্যমান ডেভেলপমেন্ট ওয়ার্কফ্লোতে নির্বিঘ্নে ফিট করে সেটআপ সময় সাশ্রয় করে এবং দলের গ্রহণযোগ্যতা বৃদ্ধি করে। যদি আপনার স্ট্যাক Node.js, React এবং PostgreSQL-এ নির্মিত হয়, একটি প্ল্যাটফর্ম যা এই প্রযুক্তিগুলির জন্য প্রথম-শ্রেণীর সমর্থন প্রদান করে তা একটি যা সবকিছু Python-এ ডকুমেন্ট করা হয়েছে তার চেয়ে দ্রুত মূল্য প্রদান করে।