কৃত্রিম বুদ্ধিমত্তার অতিরিক্ত নির্ভরতা কি ব্লকচেইন বিশ্লেষকদের স্বাধীন চিন্তা ক্ষয় করছে?

একটি সংখ্যা প্রথমেই আমাকে থামিয়ে দিল — ১,২২২। ক্যালিফোর্নিয়া বিশ্ববিদ্যালয়ের (ইউনিভার্সিটি অব ক্যালিফোর্নিয়া, বার্কলে) গবেষক ব্রায়ান ক্রিস্টিয়ানের নেতৃত্বে এতজন অংশগ্রহণকারীকে নিয়ে যে পরীক্ষা চালানো হয়েছে, তার ফলাফল ব্লকচেইন ও ক্রিপ্টো ইকোসিস্টেমের প্রতিটি ডেটা-নির্ভর পেশাজীবীর জন্য অস্বস্তিকর। যাঁরা জটিল সমস্যা সমাধানে কৃত্রিম বুদ্ধিমত্তার (AI) সাহায্য নিয়েছিলেন, তাঁরা শুরুতে ভালো ফল করলেন; কিন্তু টুলটি সরিয়ে নেওয়ার পর তাঁদের সঠিক উত্তরের হার ৭৩ শতাংশ থেকে নেমে দাঁড়াল ৫৭ শতাংশে। স্প্যানিশ ভাষায় প্রকাশিত প্রতিবেদনের শিরোনামেই সতর্কবার্তা ছিল — মাত্র ১০ মিনিট কৃত্রিম বুদ্ধিমত্তা ব্যবহারই জটিল কাজের দক্ষতাকে প্রভাবিত করতে পারে। স্প্রেডশিট প্রথমে চোখ টিপল, তারপর আমি তার পিছনে গল্পের ভেতরে ঢুকে পড়লাম। ব্লকচেইন জগতে ডেটা-নির্ভর কাজের পরিধি প্রতিদিন বাড়ছে। অন-চেইন ট্রানজ্যাকশন বিশ্লেষণ, ওয়ালেট ক্লাস্টারিং, স্মার্ট কন্ট্রাক্ট অডিট, ডিফাই প্রোটোকলের ঝুঁকি মডেলিং, টোকেন ভ্যালুয়েশন — প্রতিটি ধাপেই বিশ্লেষককে জটিল, বহুস্তরের সমস্যা সমাধান করতে হয়। এই চাপ কমাতে অনেকে এখন ChatGPT-এর মতো সহায়ক টুল ব্যবহার করছেন। কোড লেখা, বাগ খোঁজা, এমনকি মার্কেট প্যাটার্ন চিহ্নিত করার কাজেও AI এখন নিত্যসঙ্গী। প্রশ্ন হলো, এই সহায়তা কি দক্ষতা বাড়ায়, নাকি ধীরে ধীরে নিজে ভাববার অভ্যাসটাই কেড়ে নেয়? আমি দুই দশকের বেশি সময় ধরে সংখ্যা আর ডেটার ভেতর দিয়ে গল্প খুঁজে বেড়িয়েছি; খেলার পরিসংখ্যান হোক বা ক্রিপ্টো মার্কেটের অন-চেইন সূচক, আমার অভিজ্ঞতা বলে — যে টুল আমাদের ভাবতে সাহায্য করে, সেটিই কখনও কখনও ভাবতে বাধা হয়ে দাঁড়ায়। শুরুর দিকে হিসাব মিলিয়ে দিতে টুল দারুণ কাজ করে; কিন্তু যেদিন টুল বন্ধ হয়ে যায়, সেদিন নিজের ভিত্তি কতটা মজবুত, সেটাই ধরা পড়ে। ক্যালিফোর্নিয়া বিশ্ববিদ্যালয়ের গবেষণাটি ঠিক এই প্রশ্নটিই তুলেছে। গবেষকরা তিনটি আলাদা পরীক্ষা চালান, যেখানে মোট ১,২২২ জন অনলাইন অংশগ্রহণকারী ছিলেন। পরীক্ষার নমুনা আকার ছিল যথাক্রমে ৩৫৪, ৬৬৭ এবং ২০১ জন। অংশগ্রহণকারীদের জটিল সমস্যা, বিশেষত ভগ্নাংশ-সংক্রান্ত গাণিতিক ধাঁধা, সমাধান করতে দেওয়া হয়। একটি দল কৃত্রিম বুদ্ধিমত্তার সহায়তা পায়, অন্যদল পায় না। প্রথম পর্যায়ে AI ব্যবহারকারীরা দ্রুত এবং বেশি সঠিক উত্তর দিলেন। টুলটি তাঁদের জন্য কাজ সহজ করে দিল। কিন্তু দ্বিতীয় পর্যায়ে, যখন সহায়ক টুলটি সরিয়ে নেওয়া হলো, তখন চিত্র উল্টে গেল। যাঁরা আগে AI-এর সাহায্য পেয়েছিলেন, তাঁরা সঠিক উত্তর দিলেন মাত্র ৫৭ শতাংশ ক্ষেত্রে; তুলনায় যাঁরা কখনও AI নেননি, তাঁরা সঠিক উত্তর দিলেন ৭৩ শতাংশ ক্ষেত্রে। গবেষণার নকশাটি লক্ষ করার মতো। তিনটি পরীক্ষায় অংশগ্রহণকারীদের ধৈর্য, মনোযোগ এবং ভুলের হার ধারাবাহিকভাবে পরিমাপ করা হয়েছে — প্রথম পরীক্ষায় ৩৫৪ জন, দ্বিতীয়টিতে ৬৬৭ জন এবং তৃতীয়টিতে ২০১ জন অংশ নেন। এই ধারাবাহিক পরিমাপ দেখায়, সমস্যাটি একবারে নয়, ধীরে ধীরে প্রকট হয়। অর্থাৎ, ক্ষয়টা হঠাৎ ঘটে না; প্রতিটি ছোট ছোট সহায়তার সিদ্ধান্ত জমা হতে থাকে। আরও উদ্বেগজনক তথ্য হলো, প্রায় ১২টি অনুশীলনী কাজ শেষ করার পর অংশগ্রহণকারীদের পারফরম্যান্স পড়তির দিকে যেতে শুরু করে। গবেষকরা এটিকে কেবল ক্লান্তি হিসেবে দেখেননি; তাঁরা বলছেন, সহায়ক টুলের উপর অতিরিক্ত নির্ভরতা নিজস্ব যুক্তি-শক্তি ও ধৈর্যকে ক্ষয় করে। যে মস্তিষ্ক বারবার অন্যের তৈরি সমাধানের উপর ভরসা করে, সে নিজে থেকে কঠিন সমস্যা ভাঙার অভ্যাস হারিয়ে ফেলে। এই জায়গায় একটি সূক্ষ্ম কিন্তু জরুরি প্রসঙ্গ যোগ করা দরকার। গবেষণাটি কিন্তু দাবি করছে না যে ক্ষতিটি স্থায়ী। প্রতিবেদনে স্পষ্ট বলা হয়েছে, ক্ষয় সাময়িক এবং অনুশীলনের মাধ্যমে ফিরিয়ে আনা সম্ভব। এখানেই সহজ সিদ্ধান্তের ফাঁদ লুকিয়ে আছে। অনেকেই হয়তো বলবেন — তাহলে AI ব্যবহার বন্ধ করে দাও। কিন্তু সমস্যাটি AI-এর অস্তিত্ব নয়, সমস্যাটি ব্যবহারের ধরন। গবেষকরা নিজেরাই একটি ভারসাম্যের কথা বলেছেন: শিক্ষা ও চিন্তার সহায়ক হিসেবে AI ব্যবহার করা, আর পুরো কাজটি AI-কে দিয়ে করিয়ে নেওয়া — এই দুইয়ের মধ্যে পার্থক্য বোঝা জরুরি। একটি প্রশ্নের উত্তরে পৌঁছানোর পথটুকু যদি আপনি নিজে হাঁটেন, তবে সেই শিক্ষা থেকে যায়; আর যদি সরাসরি উত্তরের বাক্সটি খুলে নেন, তবে পথটি ভুলে যান। আমার অভিজ্ঞতায়, ডেটা বিশ্লেষণে সবচেয়ে বড় শিক্ষা আসে তখন, যখন আপনি ভুল করেন এবং সেই ভুলের কারণ নিজে খুঁজে বের করেন। যদি প্রতিটি ধাপে কোনো টুল আপনাকে উত্তর দিয়ে দেয়, তবে সেই শিক্ষার মুহূর্তটিই হারিয়ে যায়। ব্লকচেইন বিশ্লেষকের ক্ষেত্রেও একই কথা খাটে। একটি স্মার্ট কন্ট্রাক্টের দুর্বলতা AI ধরিয়ে দিতে পারে, কিন্তু কেন সেই দুর্বলতা তৈরি হলো — সেই গভীর বোঝাপড়া তৈরি হয় নিজের চিন্তার চর্চায়। ব্লকচেইন খাতের জন্য এই শিক্ষা বিশেষভাবে প্রাসঙ্গিক। এই খাতটি টিকে আছে দুটি জিনিসের উপর — যাচাইযোগ্যতা এবং স্বচ্ছতা। কিন্তু যাচাই করার জন্য দরকার স্বাধীন চিন্তা। যদি কোড অডিট, টোকেন অর্থনীতি কিংবা প্রোটোকল নিরাপত্তার প্রতিটি সিদ্ধান্ত কোনো কৃষ্ণবাক্সের উপর ছেড়ে দেওয়া হয়, তবে স্বচ্ছতার মূল ভিত্তিটাই দুর্বল হয়ে পড়ে। AI একটি শক্তিশালী সহকারী হতে পারে, কিন্তু দায়িত্ব এবং বিচারবোধ কখনও হস্তান্তর করা যায় না। তবে সতর্কতা থাকা দরকার অন্য দিকেও। এই গবেষণাটি একটি নিয়ন্ত্রিত পরীক্ষার ফল; বাস্তব পেশাগত জীবন তার চেয়ে অনেক জটিল। শ্রমবাজারের চাপ, সময়সীমা, দলের সমন্বয় — এসব ভেরিয়েবল পরীক্ষাগারে থাকে না। তাই এই ফলাফলকে সরল 'AI খারাপ' বার্তায় পরিণত করা ঠিক হবে না। বরং এটিকে একটি সংকেত হিসেবে নেওয়া উচিত, যা আমাদের জিজ্ঞাসা করতে শেখায় — আমরা টুলটিকে কতটা স্বাধীনতা দিচ্ছি, আর বিনিময়ে কতটা নিজস্ব ক্ষমতা হারাচ্ছি। একই ধরনের সংকেত প্রযুক্তি খাতের অন্যান্য ক্ষেত্রেও দেখা যায়। যখন কোনো ডেভেলপার ফ্রেমওয়ার্কের উপর অতিরিক্ত নির্ভর করেন, তখন তিনি ভিত্তি-স্তরের কনসেপ্ট ভুলে যান; যখন কোনো বিশ্লেষক স্প্রেডশিটের অটো-ফর্মুলার উপর ভরসা করেন, তখন তিনি হিসাবের যুক্তি হারান। কৃত্রিম বুদ্ধিমত্তা এই ঝুঁকিকে বহুগুণ বাড়িয়ে দেয়, কারণ এটি উত্তর দেয় এত দ্রুত এবং এত আত্মবিশ্বাসের সঙ্গে যে প্রশ্ন করার ইচ্ছাই কমে যায়। আরেকটি দিক ভাবা দরকার। এই আলোচনা স্প্যানিশ ভাষার সংবাদমাধ্যম থেকে ছড়িয়েছে, যেখানে শিরোনামেই বলা হয়েছে — মাত্র ১০ মিনিট AI ব্যবহার জটিল কাজকে প্রভাবিত করতে পারে। কিন্তু গবেষণাটি মোটেও এত সরল নয়। এখানে তিনটি পরীক্ষা, তিনটি আলাদা নমুনা, আর একটি সুনির্দিষ্ট পরিমাপ পদ্ধতি আছে। এমন সূক্ষ্ম গবেষণাকে যদি সামাজিক মাধ্যমে এক লাইনে সীমাবদ্ধ করা হয়, তবে মূল বার্তাটি হারিয়ে যায়। ব্লকচেইন ইকোসিস্টেমে যারা কাজ করেন, তাঁদের জন্য বাস্তব পরামর্শ হতে পারে এই — AI-কে প্রথম খসড়া তৈরির সহকারী বানান, চূড়ান্ত বিচারকের নয়। কোড লিখতে টুল সাহায্য করুক, কিন্তু লাইন ধরে ধরে যুক্তি যাচাই আপনি করুন। অন-চেইন ডেটার প্যাটার্ন টুল দেখাক, কিন্তু সেটি কেন ঘটছে — সেই প্রশ্ন আপনার থাকুক। এই অভ্যাসটুকু ধরে রাখলে স্বল্পমেয়াদি গতি আর দীর্ঘমেয়াদি দক্ষতা একসঙ্গে সম্ভব। আরও একটি বিষয় মনে রাখা জরুরি। শেখার প্রক্রিয়ায় ব্যর্থতা একটি অপরিহার্য উপাদান। যে শিক্ষার্থী কঠিন ধাঁধায় আটকে যায়, তার মস্তিষ্ক তখনই নতুন সংযোগ তৈরি করে। AI যদি সেই আটকে যাওয়ার মুহূর্তটিই মুছে দেয়, তবে সমাধানের পথটাও মুছে যায়। এই কারণেই গবেষকরা বলছেন, ক্ষতিটি স্থায়ী নয়, কিন্তু সতর্কতা প্রয়োজনীয় — কারণ অভ্যাস তৈরি হতে সময় লাগে, আর অভ্যাস ভাঙতে আরও বেশি। একইভাবে, এই আলোচনার বাইরে আরও বড় একটি প্রশ্ন ঝুলে আছে — ভবিষ্যতের কর্মক্ষেত্রে কৃত্রিম বুদ্ধিমত্তার ভূমিকা কী হবে? যদি মেশিন নিয়মিত কাজগুলো করে দেয়, তবে মানুষের হাতে থাকে জটিল সিদ্ধান্ত, নৈতিক বিচার এবং সৃজনশীলতা। কিন্তু সেই তিনটি ক্ষমতাই তো অনুশীলনের মাধ্যমে তৈরি হয়। প্রশ্ন হলো, অনুশীলনের সেই জায়গাটি যদি আমরা মেশিনকে দিয়ে দিই, তবে হাতে কী থাকবে? এই মুহূর্তে সবচেয়ে বুদ্ধিমান পথটি সম্ভবত মাঝামাঝি। AI-কে ব্যবহার করা, কিন্তু তার উপর নির্ভরশীল হয়ে পড়া নয়। প্রতিটি ফল যাচাই করা, নিজের যুক্তি লিখে রাখা, এবং নির্দিষ্ট কিছু সময় টুল ছাড়া কাজ করার অভ্যাস তৈরি করা। এই তিনটি ছোট অভ্যাস দীর্ঘমেয়াদে বিশাল পার্থক্য তৈরি করতে পারে। সুতরাং পরবর্তী কোনো প্রকল্পে যখন AI-এর সহায়তা নেবেন, নিজেকে একটি প্রশ্ন করুন — আমি এই উত্তরটি নিজে যাচাই করতে পারব কি? যদি উত্তর হয় না, তবে ঠিক সেই জায়গাটিতেই আপনার নিজের চর্চা দরকার। ১,২২২ জনের এই পরীক্ষা আমাদের সতর্ক করছে — ভবিষ্যতের দক্ষতা নির্ভর করবে কীভাবে আমরা যন্ত্রের সঙ্গে যুক্ত হব, তার উপর; যন্ত্র আমাদের বদলে দেবে কি না, তা নয়।