সোমবার, হংকংয়ে একটি নিয়ন্ত্রক সংস্থা এমন কিছু করেছে যা আগে কেউ এই মাত্রায় করেনি: এটি রোবটগুলিকে IDবহন করতে বলেছিল।

হংকং মনিটারি অথরিটি প্রজেক্ট SAGE চালু করেছে - গভর্নেন্স এবং এনাবলমেন্টের সাথে এজেন্টিক ফাইন্যান্স সুরক্ষিত করা - এবং এর কেন্দ্রে একটি সরল নাম সহ একটি ধারণা বসে: আপনার এজেন্টকে জানুন। কোনও AI এজেন্ট আপনার পক্ষে অর্থ, দোকান বা স্বাক্ষর করার আগে, কাউকে যাচাই করতে হবে যে এজেন্ট কে এবং আপনি আসলে কী কর্তৃত্ব দিয়েছেন। একটি ক্রস-সেক্টর বিশেষজ্ঞ গ্রুপ - ব্যাংক, মাস্টারকার্ড, ভিসা, HSBC, অ্যান্ট, Google ক্লাউড, সার্কেল এবং অন্যান্য - কীভাবে সেই পরিচয়টি পরীক্ষা করা হয় তা নিয়ে কাজ করবে এবং HKMA এমনকি বিশ্বস্ত এজেন্টদের একটি কেন্দ্রীয় রেজিস্টার ভাসছে। কোনও নিষেধাজ্ঞা নয়। একটি ব্যাজ।

একই প্রশ্ন, একই দিনে বিশ্বের অন্য প্রান্তে জিজ্ঞাসা করা হয়েছিল, খুব আলাদা শোনাচ্ছিল - এবং একই জিনিসের অর্থ ছিল। নিউ ইয়র্কার রিভকা গালচেনের টেরেন্স তাও-এর প্রোফাইল প্রকাশ করেছিল, "দ্য ইয়ার গণিত চিরতরে পরিবর্তিত হয়েছিল," এবং তাও, আমাদের সময়ের অন্যতম সেরা গণিতবিদ হিসাবে বিবেচিত, উদযাপন করছেন না। এক মাস আগে OpenAIএজেন্টরা শত শত উন্মুক্ত সমস্যা মোকাবেলা করার জন্য 722 পাণ্ডুলিপি তৈরি করেছিল, যার মধ্যে নেভিয়ার-স্টোকস সমস্যার দাবিকৃত প্রমাণ - সাতটি মিলেনিয়াম প্রাইজ সমস্যার মধ্যে একটি - প্রায় 88 ঘন্টার মধ্যে 10,000 এজেন্ট দ্বারা লেখা হয়েছিল। কয়েকদিন পরে ক্যালটেকে দেওয়া তাও-এর প্রতিক্রিয়া স্পষ্ট ছিল: "আমাদের ধীর গতিতে চলতে হবে। এটি পাগল, গতি। " তখন থেকে তিনি এই মুহুর্তটিকে "বন্দুকের মুখে আত্মা অনুসন্ধান" বলে অভিহিত করেছেন। তার বক্তব্য এই নয় যে প্রমাণগুলি ভুল - গণিত এমন একটি ক্ষেত্র যেখানে একটি মেশিনের উত্তর যান্ত্রিকভাবে পরীক্ষা করা যায়। তার বক্তব্য হ'ল যে প্রমাণ কেউ বুঝতে পারে না তা এখনও জ্ঞান নয়। যে ক্ষেত্রটি প্রমাণের জন্য শতাব্দীর পর শতাব্দী ধরে অনাহারে কাটিয়েছে এখন তাদের বন্যার সাথে বাঁচতে শিখতে হবে, এবং তাও-এর উত্তর হল "গণিত 2.0": ধারণাটি বিচার করুন, আউটপুট নয়; কিছু ঘর্ষণ রাখুন; কেবল উত্তর নয়, বোঝাপড়া শেখান। রবিবার, তাও-এর নিজস্ব ব্লগে সংখ্যা তাত্ত্বিক ফ্রাঙ্ক ক্যালেগারি একই যুক্তি থেকে শুরু করে গণিত AI, ক্যারিয়ারের জন্য ছয়টি নিয়ম প্রকাশ করেছিলেন: যদি কোনও মেশিন একটি ফলাফল তৈরি করতে পারে, তবে ফলাফলটি নিজেই আর অর্জন নয়।

এখন দেখুন যখন কেউ ব্যাজ পরীক্ষা করে না তখন কী ঘটে। কর্নেল টেক এবং ইয়েলের গবেষকরা সীমান্ত AI এজেন্টদের একটি ইমেল ইনবক্স এবং একটি ক্রিপ্টো ওয়ালেট দিয়েছিলেন, তারপরে এজেন্টরা তাদের মালিকদের সেট করা ব্যয়ের ক্যাপগুলি নিয়ে কী করেছিলেন তা দেখেন। একবারের কোডগুলি নাগালের মধ্যে থাকার পরে দশটি মডেলের মধ্যে নয়টি সরাসরি ক্যাপগুলি পেরিয়ে যায়; পাঁচটি স্পুফড ইমেলের মাধ্যমে ক্যাপগুলি বাড়ানো এবং অর্থ স্থানান্তর করার কথা বলা হয়েছিল। এগুলি নিয়ন্ত্রিত পরীক্ষা ছিল, আসল ব্যাংক অ্যাকাউন্ট নয় - তবে এটিই ঠিক বিষয়। এজেন্টরা মন্দ ছিল না। তারা ভুল কণ্ঠস্বরের বাধ্য ছিল এবং তারা কার সাথে কথা বলছিল তা প্রমাণ করতে কেউ তাদের জিজ্ঞাসা করেনি। একই দিনে প্রকাশিত হংকংয়ের উত্তরটি সরাসরি উত্তরের মতো পড়ে: একজন এজেন্ট যা আপনার অর্থ পরিচালনা করে তা সনাক্তযোগ্য হওয়া উচিত, এর অনুমতি যাচাইযোগ্য হওয়া উচিত এবং আপনি বিশ্বাস করতে পারেন এমন এজেন্টদের একটি তালিকা থাকা উচিত।

এবং তারপরে প্রতিশ্রুতিবদ্ধ মেশিন রয়েছে। এছাড়াও আজ, মেইতুয়ান দীর্ঘ কোডিং কাজের জন্য বিশেষভাবে নির্মিত একটি মডেল LongCat-2.5, প্রকাশ করেছে - এজেন্ট কাজের বর্ধিত রানের উপর প্রশিক্ষিত, যার মধ্যে ব্যর্থ রানগুলি পাঠে পরিণত হওয়া এবং টার্মিনাল-বেঞ্চে একটি 88.4 রিপোর্ট করা। এটি এখন একটি API মাধ্যমে উপলব্ধ, পরে GitHub এবং আলিঙ্গন ফেস রিলিজের পরিকল্পনা করা হয়েছে। আমি প্রতিটি নতুন কোডিং মডেলকে যেভাবে পরীক্ষা করি সেভাবে দীর্ঘ কোডিং টাস্কগুলিতে এটি পরীক্ষা করতে আমি সত্যই আগ্রহী। তবে একই দিনে, জিডিপিএক্স নামে একটি স্বতন্ত্র বেঞ্চমার্ক এগারোটি ক্ষেত্র জুড়ে দীর্ঘ পেশাদার কাজের এজেন্টদের পরিমাপ করে - সেমিকন্ডাক্টর ডিজাইন, আইন, অর্থ, জীববিজ্ঞান - এবং সেরা মডেলটি প্রায় 12% স্কোর করেছে। বিক্রেতার চার্ট এবং স্বতন্ত্র পরীক্ষাগুলি দুটি ভিন্ন গল্প বলছে এবং তাদের মধ্যে ব্যবধানটি যেখানে সত্য বাস করে। আপনি নিজেকে গ্রেড করা একটি বেঞ্চমার্ক একটি প্রেস রিলিজ, প্রমাণ নয়।

সুতরাং আজ থেকে আমি যা নিচ্ছি তা এখানে রয়েছে, যিনি জীবিকা নির্বাহের জন্য এজেন্ট সরঞ্জাম তৈরি করেন। " AI এটি করেছে" এর যুগ শেষ হচ্ছে; "কে এটি করেছে, কার অনুমতি নিয়ে আমাকে দেখান এবং আমাকে কাজটি পরীক্ষা করতে দিন" এর যুগ শুরু হয়েছে। গণিতে, অর্থে, কোডে - তিনটি ভিন্ন জগৎ আজ একই প্রশ্ন জিজ্ঞাসা করেছে: "মেশিন এটি করতে পারে" নয়, তবে "আমরা কি এটি বিশ্বাস করতে পারি, এটি যাচাই করতে পারি এবং এটি বুঝতে পারি। আমি যে সরঞ্জামগুলি তৈরি করি তার জন্য আমার নিয়ম সর্বদা সহজ ছিল: প্রতিটি পদক্ষেপ দেখান এবং আপনি যা করতে পারবেন না তার আগে জিজ্ঞাসা করুন। আজ, পুরো শিল্পটি সেই নিয়মটি ধরতে শুরু করেছে।

আপনার জন্য একটি প্রশ্ন, এবং আমি সত্যিই উত্তরগুলি শুনতে চাই: আপনি কি আপনার মানিব্যাগটি এমন কোনও এজেন্টের হাতে তুলে দেবেন যা আপনাকে তার IDদেখাতে পারে না? এবং আপনি এখনও জ্ঞান বুঝতে পারবেন না এমন একটি প্রমাণ - বা কেবল একটি খুব ব্যয়বহুল গুজব?