MIT: AI-এর খরচের চেয়ে মানুষ এখনও সাশ্রয়ী

কম্পিউটার-ভিশন অটোমেশন নিয়ে বহুল পুনঃপ্রচারিত MIT CSAIL ও Sloan গবেষণাটি আবার শেষ মুহূর্তের AI ফিডে ফিরেছে, যা একটি প্রচলিত ধারণার বিপরীত চাকরি-বয়ান সামনে আনছে: প্রযুক্তিগতভাবে কোনো কাজ করা সম্ভব হওয়া আর অর্থনৈতিকভাবে মানুষকে প্রতিস্থাপন করা এক কথা নয়। দাবি এই নয় যে ক্যামেরা দেখতে পারে না। দাবি হলো, কোনো কিছু দেখতে পারা আর সেই ব্যবস্থার নিজের খরচ তুলে আনা এক বিষয় নয়। স্থাপন ও পরিচালন ব্যয় মডেল করা গবেষকেরা দেখেছেন, ভিশন-সংক্রান্ত কাজের সঙ্গে যুক্ত যুক্তরাষ্ট্রের মজুরির প্রায় ২৩%-ই আজ অটোমেশনের জন্য ব্যয়-সাশ্রয়ী বলে মনে হয়। ক্যামেরা, মডেল ও রক্ষণাবেক্ষণের খরচ ধরলে অধিকাংশ প্রতিষ্ঠান এখনও মানুষকেই পছন্দ করবে।

এটাই পুরো যুক্তি, এবং গবেষণাটি কেন আবার ছড়িয়ে পড়ছে তা বোঝানোর জন্য এটুকুই যথেষ্ট। শেষ মুহূর্তের AI ফিড সাধারণত খরচের মডেল নিয়ে থামে না। সেগুলো ডেমো নিয়ে ব্যস্ত থাকে। এই গবেষণা ডেমোর ঠিক বিপরীত। এটি জিজ্ঞেস করে, কোনো প্রতিষ্ঠানকে যখন পুরো প্রযুক্তি-স্তর কিনতে হয়, সেটি চালু রাখতে হয়, এবং ভিশন যেখানে কাজ করতে পারে না সেখানে শ্রমের খরচও বহন করতে হয়, তখন কী ঘটে। MIT CSAIL ও Sloan-এর হিসাব অনুযায়ী উত্তর হলো, ভিশন-সংক্রান্ত কাজের সঙ্গে যুক্ত মজুরি বিলের অধিকাংশই আজ যন্ত্রের জন্য দর-কষাকষিতে লাভজনক বলে মনে হয় না।

প্রযুক্তিগত সম্ভাবনা অর্থনৈতিক প্রতিস্থাপন নয়

প্রচলিত সংক্ষিপ্ত পথকে অস্বীকার করা চাকরির বয়ান

প্রচলিত ধারণার বিপরীত চাকরি-বয়ানটি সরাসরি বলা যায়: প্রযুক্তিগতভাবে কোনো কাজ করা সম্ভব হওয়া আর অর্থনৈতিকভাবে মানুষকে প্রতিস্থাপন করা এক কথা নয়। প্রযুক্তিগত সম্ভাবনা হলো পরিচিত মানচিত্র। এটি জিজ্ঞেস করে, কোনো ব্যবস্থা কোন কাজ করতে পারে, কোন পেশায় সেই কাজগুলো আছে, এবং তাই কোন কর্মীরা ঝুঁকিতে পড়তে পারেন। অর্থনৈতিক প্রতিস্থাপন ভিন্ন মানচিত্র। এটি জিজ্ঞেস করে, স্থাপন ও পরিচালন ব্যয় হিসাবের খাতায় ওঠার পর কোনো প্রতিষ্ঠান সত্যিই ওই কাজগুলো মানুষের কাছ থেকে সরিয়ে নেবে কি না।

কম্পিউটার-ভিশন অটোমেশন নিয়ে MIT CSAIL ও Sloan-এর গবেষণাটি দ্বিতীয় মানচিত্রে অবস্থান করে। কম্পিউটার ভিশন প্রয়োগকৃত AI-এর তুলনামূলকভাবে পরিণত ক্ষেত্রগুলোর একটি। কারখানার তুলনায় ক্যামেরা সস্তা। মডেল শ্রেণিবিন্যাস, শনাক্তকরণ ও পরিদর্শন করতে পারে। এই পরিণতিই গবেষণার ফলকে প্রচলিত ধারণার বিপরীত করে তোলে। কোনো কাজের শ্রেণি যদি ইতিমধ্যে অর্থনৈতিক প্রতিস্থাপনের সীমা পেরিয়ে যাওয়ার কথা হয়, ভিশন-সংক্রান্ত কাজ তালিকার ওপরের দিকেই থাকার কথা। গবেষণা বলছে, তা নয়—প্রযুক্তিগত সম্ভাবনার মানচিত্র যে পরিসর দেখায়, সেই মাত্রায় নয়, এবং আজও নয়।

ভূমিকায় বহুল পুনঃপ্রচারিত কথাটি গুরুত্বপূর্ণ। গবেষণাটিকে একেবারে নতুন কোনো ফাঁস হিসেবে দেখা হচ্ছে না। চাকরি নিয়ে বিতর্ক যখন তীব্র হয়, তখন বারবার ফিরে আসা একটি ফল হিসেবে দেখা হচ্ছে। শনিবার রাতের শেষ মুহূর্তের AI ফিডে প্রচারের একটি বিশেষ ধরন থাকে: ছোট সারাংশ, তীক্ষ্ণ বৈপরীত্য, এবং সহজে ছড়িয়ে পড়ার মতো একটি বাক্য। এখানে যে বাক্যটি ছড়ায়, সেটিই সংক্ষিপ্ত পথকে অস্বীকার করে। সম্ভাবনা প্রতিস্থাপন নয়। সক্ষমতা ক্রয়াদেশ নয়।

এই অস্বীকৃতি পরবর্তী সংখ্যাগুলো কীভাবে পড়তে হবে, তা নির্ধারণে গুরুত্বপূর্ণ। গবেষণাটি দাবি করে না যে কম্পিউটার-ভিশন অটোমেশন অসম্ভব। এটি দাবি করে না যে AI কখনও শ্রমের বিকল্প হয় না। দাবি হলো, স্থাপন ও পরিচালন ব্যয় হিসাব করা হলে সংশ্লিষ্ট মজুরি-ভাণ্ডারের মাত্র সংখ্যালঘু অংশই আজ অটোমেশনের জন্য ব্যয়-সাশ্রয়ী বলে মনে হয়। বাকি অংশ মানুষের কাছেই থাকে, কারণ প্রতিষ্ঠান যে মজুরি বাদ দিতে চাইবে তার চেয়ে বিলটি বড়।

আজ মাত্র প্রায় ২৩ শতাংশ ব্যয়-সাশ্রয়ী মনে হয়

খরচের মডেল পেরিয়ে টিকে থাকা মজুরির অংশ

গবেষকেরা দেখেছেন, ভিশন-সংক্রান্ত কাজের সঙ্গে যুক্ত যুক্তরাষ্ট্রের মজুরির প্রায় ২৩%-ই আজ অটোমেশনের জন্য ব্যয়-সাশ্রয়ী বলে মনে হয়। এই সংখ্যা মজুরির অংশ, প্রতিষ্ঠানের অংশ নয় এবং পেশার অংশও নয়। এটি আমেরিকান মজুরি-বিলের সেই অংশ, যা ভিশন-সংক্রান্ত কাজের সঙ্গে যুক্ত এবং মডেলটি ব্যবস্থাটির খরচ ধরার পরও হিসাবের সঙ্গে মেলে। প্রায় ২৩% অর্ধেক নয়। অধিকাংশও নয়। এটি ভিশন-সংযুক্ত মজুরি-ভাণ্ডারের সংখ্যালঘু অংশ।

চাকরি বিতর্কে যে বিপরীত অংশটি বেশি গুরুত্বপূর্ণ, তা হলো এই ফলের অন্য দিক। যদি প্রায় ২৩%-ই আজ ব্যয়-সাশ্রয়ী বলে মনে হয়, তবে বড় বাকি অংশটি তা নয়। সেই বাকি অংশই ব্যাখ্যা করে কেন অধিকাংশ প্রতিষ্ঠান এখনও মানুষকেই পছন্দ করবে। এই কাঠামোয় পছন্দ আবেগের বিষয় নয়। এটি খরচের তুলনার ফল। মানুষকে পছন্দ করা কোনো প্রতিষ্ঠান ক্যামেরা, মডেল ও রক্ষণাবেক্ষণ দেখেছে, স্থাপন ও পরিচালন ব্যয় যোগ করেছে, এবং সিদ্ধান্ত নিয়েছে যে কাজটি করানোর জন্য মানবমজুরিই এখনও সস্তা পথ।

প্রায় ২৩%-এর মতোই আজ শব্দটিও গুরুত্বপূর্ণ। গবেষণাটি বলছে না যে এই অংশটি চিরস্থায়ীভাবে একই থাকবে। এটি বর্তমান দামে কোন অংশটি ব্যয়-সাশ্রয়ী বলে মনে হয় তার একটি মুহূর্তচিত্র। লেখকেরা পরে যুক্তি দেন, হিসাব বদলে দিতে AI-as-a-service-এর পরিসর অথবা খরচে বড় পতন দরকার হবে। প্রায় ২৩% হলো সেই পরিবর্তনের আগের হিসাব। সংখ্যাটি বলছে, কম্পিউটার-ভিশন অটোমেশন একই সঙ্গে প্রযুক্তিগতভাবে সহজলভ্য এবং অর্থনৈতিকভাবে সীমিত।

ভিশন-সংক্রান্ত কাজের সঙ্গে যুক্ত যুক্তরাষ্ট্রের মজুরিও একটি সীমাবদ্ধ বিষয়। গবেষণাটি দেশের প্রতিটি চাকরির মূল্যায়ন করছে না। এটি সেই কাজের মজুরি-মূল্য হিসাব করছে, যা ভিশন ব্যবস্থা নীতিগতভাবে গ্রহণ করতে পারে। ইতিমধ্যে প্রযুক্তিগতভাবে উন্মুক্ত এই অংশের ভেতরেও মাত্র প্রায় ২৩% এমন ক্রয় বলে মনে হয়, যা কোনো প্রতিষ্ঠানকে আজ করা উচিত। এই ব্যবধান থেকেই তৈরি হয় প্রচলিত ধারণার বিপরীত চাকরি-বয়ান: বিস্তৃত প্রযুক্তিগত মানচিত্র, সংকীর্ণ অর্থনৈতিক মানচিত্র, এবং তাদের মাঝখানে একটি খরচের মডেল।

হিসাবের মধ্যে ক্যামেরা, মডেল ও রক্ষণাবেক্ষণ

কেন অধিকাংশ প্রতিষ্ঠান এখনও মানুষকেই পছন্দ করবে

ক্যামেরা, মডেল ও রক্ষণাবেক্ষণের খরচ হিসাবের মধ্যে ধরলে অধিকাংশ প্রতিষ্ঠান এখনও মানুষকেই পছন্দ করবে। এই তিনটি খাতই গবেষণার সফটওয়্যার-নির্ভর কল্পনাকে প্রত্যাখ্যান করার পদ্ধতি। একটি ভিশন ব্যবস্থা শুধু একটি মডেল নয়। এটি এমন একটি ক্যামেরা, যাকে স্থাপন ও সঠিকভাবে নির্দেশ করতে হয়; এমন একটি মডেল, যাকে প্রশিক্ষণ, সমন্বয় ও হালনাগাদ করতে হয়; এবং এমন একটি রক্ষণাবেক্ষণ-ভার, যা প্রথম পরিদর্শন সফল হলেই শেষ হয় না।

স্থাপন ও পরিচালন ব্যয় হলো এই পুরো ব্যবস্থার ওপর চলা দুটি ঘড়ি। স্থাপন হলো প্রাথমিক খরচ: হার্ডওয়্যার, সংযুক্তিকরণ, এবং কোনো উৎপাদন-লাইন বা দোকানের জন্য ক্যামেরা ও মডেল-এর প্রথম সমন্বয়। পরিচালন ব্যয় হলো চলমান খরচ: রক্ষণাবেক্ষণ, হালনাগাদ, ত্রুটি, এবং ব্যবস্থা সঠিকভাবে চালু রাখার কর্মী। গবেষকেরা দুটিই মডেল করেছেন। মানুষকে পছন্দ করার ফলটি আসে তখনই, যখন উভয় খরচ মূল্যের মধ্যে থাকে এবং তুলনাটি ডেমোর সঙ্গে নয়, মজুরির সঙ্গে করা হয়।

হিসাবের মধ্যে ধরা—এই কথাটিই যুক্তিটিকে সৎ রাখে। কেবল মডেলের খরচ ধরলে যে ব্যবস্থা সস্তা মনে হয়, ক্যামেরা ও রক্ষণাবেক্ষণ খাতায় যুক্ত হলে সেটিই ব্যয়বহুল দেখাতে পারে। গবেষণার কাঠামোয় অধিকাংশ প্রতিষ্ঠান কম্পিউটার-ভিশন অটোমেশন প্রত্যাখ্যান করছে প্রযুক্তি নিয়ে সন্দেহের কারণে নয়। তারা তা প্রত্যাখ্যান করছে, অথবা পিছিয়ে দিচ্ছে, কারণ পুরো খরচ ইতিমধ্যে কাজটি করা মানুষদের চেয়ে কম নয়। অর্থাৎ প্রযুক্তিগত সম্ভাবনা বাস্তব থাকলেও অর্থনৈতিক প্রতিস্থাপন ব্যর্থ হচ্ছে।

একই তিনটি খাত ব্যাখ্যা করে কীভাবে প্রায় ২৩%-এর মতো কম জাতীয় মজুরি-অংশের সঙ্গে ভিশন পণ্যের বন্যা একসঙ্গে থাকতে পারে। পণ্য থাকতে পারে। বিক্রেতারা বিক্রি করতে পারে। পরীক্ষামূলক প্রকল্প চলতে পারে। MIT CSAIL ও Sloan-এর প্রশ্ন হলো, ভিশন-সংক্রান্ত কাজের সঙ্গে যুক্ত যুক্তরাষ্ট্রের মজুরি জুড়ে ক্যামেরা, মডেল ও রক্ষণাবেক্ষণ-সহ পরিচালন ও স্থাপন বিল কি প্রতিস্থাপনকে আজ ব্যয়-সাশ্রয়ী করে তোলে? ওই মজুরি-ভাণ্ডারের অধিকাংশের ক্ষেত্রে উত্তর হলো না, এবং অধিকাংশ প্রতিষ্ঠান এখনও মানুষকেই পছন্দ করবে।

একটি বেকারি কেস স্টাডি এবং শ্রমের ক্ষুদ্র অংশ

মান-পরীক্ষার ভিশন খুব কমই নিজের খরচ তোলে

একটি বেকারি কেস স্টাডি দেখায়, মান-পরীক্ষার ভিশন হলো শ্রমের অতি ক্ষুদ্র অংশ, তাই AI খুব কমই নিজের খরচ তুলে আনতে পারে। বেকারিটি কোনো রূপক নয়। এটি একই খরচের মডেলের বাস্তব কর্মক্ষেত্রের উদাহরণ। মান পরীক্ষা একটি প্রচলিত ভিশন-সংক্রান্ত কাজ। কিন্তু কেস স্টাডিতে এটি শ্রমের অতি ক্ষুদ্র অংশ। AI যে কাজটি দেখতে পারে, সেটি যদি মজুরি-বিলের সামান্য অংশ মাত্র হয়, তাহলে সেই অংশটিকে অটোমেট করে ক্যামেরা, মডেল ও রক্ষণাবেক্ষণের খরচ মেটানোর মতো পর্যাপ্ত মজুরি বাদ দেওয়া যায় না।

এই কারণেই বেকারির পরিস্থিতিতে AI খুব কমই নিজের খরচ তুলে আনতে পারে। ব্যবস্থা নির্ভুল হতে পারে। ব্যবস্থা স্থাপন করা যেতে পারে। তবু স্থাপন ও পরিচালন ব্যয়ের পর সেটিকে শ্রমের অতি ক্ষুদ্র অংশের চেয়ে বেশি সাশ্রয় দিতে হবে। ক্ষুদ্র অংশ একটি কঠিন হর। মান-পরীক্ষার কাজ প্রতিস্থাপন করে যে সাশ্রয় পাওয়া যায় তা কম, কারণ বেকারি তার কর্মীদের মজুরির অধিকাংশ এই কাজের জন্য দেয় না। মেশানো, সরানো, প্যাক করা, বিক্রি করা এবং অন্যান্য শ্রম থেকেই যায়। ভিশন-সংক্রান্ত অংশটিই অটোমেশনের উপযোগী বলে মনে হয়, কিন্তু বিল বহন করার মতো বড় নয়।

তাই বেকারি MIT CSAIL ও Sloan গবেষণার একটি বৃহত্তর ধরনকে প্রতিনিধিত্ব করে। কম্পিউটার-ভিশন অটোমেশন নিয়ে প্রায়ই এমনভাবে আলোচনা হয় যেন দৃশ্যমান কাজটিই পুরো চাকরি। মান-পরীক্ষার ভিশন দৃশ্যমান। কিন্তু এই কেস স্টাডিতে তা ছোট অংশ। গবেষকেরা যখন ওই ছোট মজুরি-লক্ষ্যের বিপরীতে স্থাপন ও পরিচালন ব্যয় হিসাব করেন, তখন প্রতিস্থাপন ব্যয়-সাশ্রয়ী পরীক্ষায় ব্যর্থ হয়। AI খুব কমই নিজের খরচ তুলে আনতে পারে—বেকারিগুলো ক্যামেরা ব্যবহার করতে পারে না বলে নয়, বরং শ্রমের অতি ক্ষুদ্র অংশের সঙ্গে যুক্ত ক্যামেরা যথেষ্ট মজুরি বাদ দিতে পারে না বলে।

কেস স্টাডিটি প্রায় ২৩%-এর ফলকে কর্মক্ষেত্রের বাইরে ভাসতে দেয় না। ভিশন-সংক্রান্ত কাজের সঙ্গে যুক্ত জাতীয় যুক্তরাষ্ট্রের মজুরি একটি সামগ্রিক পরিমাপ। বেকারি একটি নির্দিষ্ট স্থান। সেখানে ভিশন-সংক্রান্ত কাজ হলো মান পরীক্ষা, শ্রমের অংশ ক্ষুদ্র, এবং অর্থনৈতিক ফল হলো AI খুব কমই নিজের খরচ তুলে আনতে পারে। একই কাঠামো এমন প্রতিষ্ঠানগুলোর মধ্যে ছড়িয়ে দিলে, যেখানে ভিশন পুরো কাজের কেবল একটি অংশ, তখন বোঝা যায় প্রযুক্তি কাজ করলেও কেন অধিকাংশ প্রতিষ্ঠান এখনও মানুষকেই পছন্দ করবে।

ধীরে ধীরে প্রতিস্থাপন এবং যে কারণে হিসাব বদলাবে

AI-as-a-service-এর পরিসর অথবা খরচে বড় পতন

লেখকেরা যুক্তি দেন, প্রতিস্থাপন ধীরে ধীরে হবে; হিসাব বদলে দিতে AI-as-a-service-এর পরিসর অথবা খরচে বড় পতন দরকার। ২৩%-এর আজকের অংশ এবং বেকারিতে ভিশন শ্রমের অতি ক্ষুদ্র অংশ হওয়া থেকে কর্মসংস্থান সম্পর্কে যে সিদ্ধান্ত আসে, সেটিই হলো ধীরগতি। যদি ভিশন-সংযুক্ত মজুরির মাত্র সংখ্যালঘু অংশ আজ অটোমেশনের জন্য ব্যয়-সাশ্রয়ী হয়, তাহলে প্রতিস্থাপনের ঢেউ কোনো সুইচ নয়। এটি এমন একটি প্রক্রিয়া, যা দামের পরিবর্তনের অপেক্ষায় থাকে।

দাম বদলানোর একটি পথ হলো AI-as-a-service-এর পরিসর। প্রতিটি প্রতিষ্ঠান আলাদা করে ক্যামেরা কেনা, মডেল প্রশিক্ষণ দেওয়া এবং রক্ষণাবেক্ষণ বহন করার বদলে কোনো সেবা যদি বহু গ্রাহকের মধ্যে ওই স্থাপন ও পরিচালন ব্যয় ভাগ করে দিতে পারে, তাহলে খরচ বদলাতে পারে। এই অর্থে পরিসর মানে বড় মডেল নয়। এর মানে একই কম্পিউটার-ভিশন অটোমেশন সস্তায় সরবরাহ করা, যাতে মজুরি-ভাণ্ডারের আরও বড় অংশ ব্যয়-সাশ্রয়ী বলে মনে হয়। সেই পরিসর না আসা পর্যন্ত গবেষণার আজকের হিসাবই কার্যকর থাকে।

অন্য পথ হলো খরচে বড় পতন। ক্যামেরা, মডেল ও রক্ষণাবেক্ষণ যদি অনেক সস্তা হয়ে যায়, তবে ভিশন-সংক্রান্ত কাজের সঙ্গে যুক্ত যুক্তরাষ্ট্রের মজুরির আরও বড় অংশ মানুষকে পছন্দ করা থেকে অটোমেশন করার সীমা পেরোবে। লেখকেরা এই পতনকে ইতিমধ্যে ঘটে যাওয়া ঘটনা হিসেবে দেখেন না। তাঁরা একে হিসাব বদলে দেওয়ার প্রয়োজনীয় শর্ত হিসেবে দেখেন। AI-as-a-service-এর পরিসর অথবা খরচে বড় পতন না এলে প্রায় ২৩% অংশটিই কেনার উপযোগী বলে থাকবে, এবং প্রতিস্থাপন ধীরে ধীরে হবে।

ধীরে ধীরে প্রতিস্থাপন সময় সম্পর্কেও একটি বক্তব্য। নতুন মডেল প্রকাশিত হলে প্রযুক্তিগত সম্ভাবনা দ্রুত বাড়তে পারে। কিন্তু স্থাপন ও পরিচালন ব্যয় যথেষ্ট কমলে, অথবা সেবার পরিসর কে খরচ দেবে তা বদলালে অর্থনৈতিক প্রতিস্থাপন এগোয়। MIT CSAIL ও Sloan-এর লেখকেরা বলছেন, চাকরি নির্ধারণ করে দ্বিতীয় ঘড়িটি। প্রথম ঘড়িটি ব্যাখ্যা করে কেন শেষ মুহূর্তের AI ফিড হঠাৎ বড় পরিবর্তনের প্রত্যাশা করে। দ্বিতীয় ঘড়িটি ব্যাখ্যা করে কেন গবেষণার প্রচলিত ধারণার বিপরীত চাকরি-বয়ান বলছে, সেই পরিবর্তন আজ ঘটেনি।

নীতি প্রণয়ন ও পুনঃপ্রশিক্ষণের সময়

ধীরগতির বিল ক্যালেন্ডারে যে সময় রেখে যায়

একই লেখকেরা বলেন, ধীরগতির পথটি নীতি প্রণয়ন ও পুনঃপ্রশিক্ষণের সময় রেখে যায়। খরচের মডেলের এটাই জনসম্মুখে প্রকাশিত ফল। যদি প্রতিস্থাপন ধীরে ধীরে হয়, কারণ ভিশন-সংক্রান্ত কাজের সঙ্গে যুক্ত যুক্তরাষ্ট্রের মজুরির প্রায় ২৩%-ই আজ অটোমেশনের জন্য ব্যয়-সাশ্রয়ী বলে মনে হয়, তাহলে সরকার ও প্রতিষ্ঠানগুলো ভিশন-সম্পর্কিত কাজ রাতারাতি নিশ্চিহ্ন হয়ে যাওয়ার মুখোমুখি নয়। তাদের সামনে একটি সময়ের জানালা আছে।

নীতি প্রণয়ন ও পুনঃপ্রশিক্ষণের সময় মানে এই নয় যে নীতিকে ইতিমধ্যেই ভালোভাবে ব্যবহার করা হয়েছে। এর মানে হলো, স্থাপন ও পরিচালন ব্যয়ের মাধ্যমে মডেল করা কম্পিউটার-ভিশন অটোমেশন-এর অর্থনীতি উন্মুক্ত মজুরি-ভাণ্ডারের অধিকাংশকে অবিলম্বে প্রতিস্থাপনে বাধ্য করে না। ক্যামেরা, মডেল ও রক্ষণাবেক্ষণের খরচ ধরার পরও অধিকাংশ প্রতিষ্ঠান এখনও মানুষকেই পছন্দ করবে। বেকারির মান-পরীক্ষার ভিশন হলো শ্রমের অতি ক্ষুদ্র অংশ, তাই AI খুব কমই নিজের খরচ তুলে আনতে পারে। এই ফলগুলো একসঙ্গে নেওয়া হলে সময় থেকে যায়।

নীতি নির্ধারণের সময় হলো এমন একটি প্রযুক্তির সঙ্গে কীভাবে আচরণ করা হবে তা ঠিক করার সময়, যা প্রযুক্তিগতভাবে প্রস্তুত কিন্তু অর্থনৈতিকভাবে আংশিক। পুনঃপ্রশিক্ষণের সময় হলো হিসাব বদলানোর আগে মানুষকে নতুন কাজে সরিয়ে নেওয়ার সময়। আবারও বলা দরকার, সেই পরিবর্তন নিশ্চিত ধরে নেওয়া হচ্ছে না। এটি নির্ভর করে AI-as-a-service-এর পরিসর অথবা খরচে বড় পতনের ওপর। এর কোনো একটি না আসা পর্যন্ত MIT CSAIL ও Sloan গবেষণা বলছে, চাকরির ওপর কম্পিউটার-ভিশন অটোমেশন-এর প্রভাব সম্ভাবনার মানচিত্রের চেয়ে সংকীর্ণ থাকবে, এবং নীতি প্রণয়ন ও পুনঃপ্রশিক্ষণের ক্যালেন্ডার খোলা থাকবে।

এই কারণেই একটি বহুল পুনঃপ্রচারিত গবেষণা নতুন কর্মীসংখ্যার তথ্য ছাড়াই শেষ মুহূর্তের AI ফিডে আবার খবর হয়ে উঠতে পারে। পুনঃপ্রচারের বিষয় হলো হুমকিটির আকৃতি। আকস্মিক প্রতিস্থাপনের গল্প কোনো সময় রাখে না। খরচ যেখানে এখনও মানুষকে সুবিধা দেয়, সেই ২৩%-এর আজকের ফলের ভিত্তিতে তৈরি ধীরগতির প্রতিস্থাপনের গল্প নীতি প্রণয়ন ও পুনঃপ্রশিক্ষণের সময় রেখে যায়। প্রচলিত ধারণার বিপরীত চাকরি-বয়ানটি মূলত সেই অবশিষ্ট সময়ের গল্প।

x.com-এর জন্য বিলটাই আগে আসে

উপসংহারটি নিজেই লেখা

x.com-এর জন্য উপসংহারটি নিজেই লেখা: রোবট আসছে, কিন্তু বিলটা আগে আসে। এটি কোনো গবেষণার ফল নয়। এটি ফলাফলগুলোর ফিডে প্রকাশযোগ্য সংক্ষিপ্ত রূপ। রোবট আসছে হলো প্রযুক্তিগত সম্ভাবনার অর্ধেক। কম্পিউটার ভিশন আগের চেয়ে বেশি কিছু দেখতে পারে। বিলটা আগে আসে হলো অর্থনৈতিক প্রতিস্থাপনের অর্ধেক। স্থাপন ও পরিচালন ব্যয়, ক্যামেরা, মডেল ও রক্ষণাবেক্ষণ আগে হাজির হয়; অধিকাংশ ভিশন-সংযুক্ত মজুরি-ভাণ্ডারের ক্ষেত্রে যে মজুরি সাশ্রয় তাদের যৌক্তিকতা প্রমাণ করবে, তা পরে আসে।

এই কারণেই গবেষণাটি বহুল পুনঃপ্রচারিত হয়েও শেষ মুহূর্তের বিষয় বলে মনে হতে পারে। উপসংহারটি চালাতে x.com-এর নতুন কোনো ডেটাসেট দরকার নেই। দরকার কেবল বৈপরীত্যটি: একটি পরিণত কম্পিউটার-ভিশন অটোমেশন ব্যবস্থা, MIT CSAIL ও Sloan-এর খরচের মডেল, আজ অটোমেশনের জন্য ব্যয়-সাশ্রয়ী বলে মনে হওয়া যুক্তরাষ্ট্রের মজুরির প্রায় ২৩%, এবং অধিকাংশ প্রতিষ্ঠান, যারা এখনও মানুষকেই পছন্দ করবে। এর সঙ্গে যোগ করুন বেকারি কেস স্টাডি, যেখানে মান-পরীক্ষার ভিশন হলো শ্রমের অতি ক্ষুদ্র অংশ এবং AI খুব কমই নিজের খরচ তুলে আনতে পারে—তাহলে বিলের রসিকতার সঙ্গে একটি বাস্তব দোকানও যুক্ত হয়ে যায়।

উপসংহারটি লেখকদের দীর্ঘমেয়াদি দাবির সঙ্গেও মেলে। AI-as-a-service-এর পরিসর অথবা খরচে বড় পতন হিসাব বদলে না দিলে যদি প্রতিস্থাপন ধীরে ধীরে হয়, তাহলে প্রযুক্তিগত অর্থে রোবট আসতেই পারে, কিন্তু অর্থনৈতিক অর্থে বিল আগে আসতে থাকবে। এই দুই আগমনের ব্যবধানেই নীতি প্রণয়ন ও পুনঃপ্রশিক্ষণের সময় থাকে। প্রচলিত ধারণার বিপরীত চাকরি-বয়ান হলো সেই ব্যবধানকেই গল্প হিসেবে দেখা, সম্ভাবনাকে ভাগ্য হিসেবে না দেখা।

এর কোনোটির জন্যই বৃহত্তর পতন বা বৃহত্তর উত্থান কল্পনা করার দরকার নেই। কম্পিউটার-ভিশন অটোমেশন নিয়ে MIT CSAIL ও Sloan গবেষণা যা বলেছে, তা-ই বলেছে। প্রযুক্তিগতভাবে কোনো কাজ করা সম্ভব হওয়া আর অর্থনৈতিকভাবে মানুষকে প্রতিস্থাপন করা এক কথা নয়। সংশ্লিষ্ট যুক্তরাষ্ট্রের মজুরির মাত্র প্রায় ২৩% আজ অটোমেশনের জন্য ব্যয়-সাশ্রয়ী বলে মনে হয়। ক্যামেরা, মডেল ও রক্ষণাবেক্ষণের খরচ ধরলে অধিকাংশ প্রতিষ্ঠান এখনও মানুষকেই পছন্দ করবে। একটি বেকারি দেখায়, শ্রমের অতি ক্ষুদ্র অংশ পুরো ব্যবস্থার খরচ বহন করতে পারে না। লেখকেরা বলেন, পরিসর বা খরচে বড় পতন না আসা পর্যন্ত বাকিটা ধীরে ধীরে হবে, এবং সেই বিলম্ব নীতি প্রণয়ন ও পুনঃপ্রশিক্ষণের সময় রেখে যায়। x.com-এর জন্য এটাই একটি সম্পূর্ণ পোস্ট: রোবট আসছে, কিন্তু বিলটা আগে আসে।