এআই মুকুট হাতবদল হলো।

গুগলের সর্বশেষ জেমিনি ৩ প্রো মডেলটি যুক্তি ও কোডিং ক্ষমতা উন্নত করে এবং এটি ততটা চাকচিক্যপূর্ণ নয়। কিছু ভাষ্যকার তো একে কৃত্রিম বুদ্ধিমত্তার নতুন ‘রাজা’-র সাথেও তুলনা করেন।

গুগল সম্প্রতি জেমিনি ৩ মডেল চালু করেছে, যা কোডিং, ইমেল প্রক্রিয়াকরণ এবং ডকুমেন্ট বিশ্লেষণের দক্ষতা উন্নত করার উপর আলোকপাত করে। এই মডেলটিতে উন্নততর যুক্তিবোধ, প্রেক্ষাপট অনুধাবন এবং নির্দিষ্ট কিছু প্রশ্নের উত্তর দেওয়ার সময় গ্রাফিক্স (ডায়াগ্রাম, চিত্র ইত্যাদি) অন্তর্ভুক্ত করার ক্ষমতাও রয়েছে।

গুগলের ঘোষণায় তুলে ধরা হয়েছে যে, জেমিনি ৩ জেমিনি অ্যাপ, গুগল সার্চের এআই মোড এবং গুগল অ্যান্টিগ্র্যাভিটি নামক একটি নতুন প্রোগ্রামিং প্ল্যাটফর্মে দেখা যাবে।

গুগলের সেরা স্মার্ট

প্রায় দুই বছর আগে চালু হওয়ার পর থেকে, গুগল আরও বৃহত্তর দর্শকের কাছে পৌঁছানোর জন্য জেমিনিকে ক্রমাগত প্রসারিত করেছে। সংস্থাটি উল্লেখ করেছে যে, তাদের এআই ওভারভিউস ফিচারের বর্তমানে মাসিক ব্যবহারকারী ২ বিলিয়ন, জেমিনি অ্যাপের মাসিক ব্যবহারকারী ৬৫০ মিলিয়ন, ৭০ শতাংশেরও বেশি ক্লাউড গ্রাহক এআই ব্যবহার করেন এবং ১৩ মিলিয়ন ডেভেলপার গুগলের এআই জেনারেশন মডেলের উপর ভিত্তি করে পণ্য তৈরি করছেন।

প্রথমবারের মতো, গুগল ব্যবহারকারীদের প্রথম দিন থেকেই জেমিনি অ্যাপের মধ্যে জেমিনি ৩ প্রো অ্যাক্সেস করার অনুমতি দেয় এবং দাবি করে যে এটি "কোম্পানির এখন পর্যন্ত সবচেয়ে স্মার্ট মডেল"। কোম্পানিটি অর্থ প্রদানকারী ব্যবহারকারীদের জন্য এআই মোডের মাধ্যমেও জেমিনি ৩ প্রো চালু করে।

গুগল ডিপমাইন্ডের সিনিয়র ডিরেক্টর এবং প্রোডাক্ট প্রধান তুলসী দোশি বলেছেন, জেমিনি ৩ তথ্যকে “ব্যাপকভাবে সহজলভ্য ও উপযোগী” করে তোলার কোম্পানির লক্ষ্যের আরও কাছে নিয়ে যাবে এবং গুগলের সার্চ ইঞ্জিনকে আরও উন্নত করবে।

গুগল জেমিনি ৩ প্রো-এর মাল্টিমোডাল প্রসেসিং ক্ষমতার ওপর জোর দেয়, যা মূলত একই সাথে টেক্সট, ছবি এবং অডিও প্রসেস করার ওপর কেন্দ্র করে গড়ে উঠেছে। উদাহরণস্বরূপ, এই মডেলটি রান্নার রেসিপির ছবি পড়ে সেগুলোকে বইয়ে রূপান্তর করতে পারে, অথবা ভিডিও লেকচারের ওপর ভিত্তি করে ইন্টারেক্টিভ ফ্ল্যাশকার্ড তৈরি করতে পারে।

জেমিনি ৩ প্রো-এর বেঞ্চমার্ক ফলাফলগুলো গুগল এলএমএরিনা-তে সংকলন করেছে। ছবি: গুগল ।

গুগলের ঘোষণায় বিভিন্ন বেঞ্চমার্কে জেমিনি ৩ প্রো-এর পারফরম্যান্সের ওপরও আলোকপাত করা হয়েছে। উদাহরণস্বরূপ, মডেলটি ১,৫০১ পয়েন্ট স্কোর করে এলএমএরিনা (LMArena) র‍্যাঙ্কিংয়ে শীর্ষস্থান দখল করেছে। ‘হিউম্যানিটি'স লাস্ট এক্সাম’-এ ৩৭.৫% এবং ‘জিপিকিউএ ডায়মন্ড’ (GPQA Diamond) পরীক্ষায় ৯১.৯% স্কোর করে জেমিনি ৩ প্রো-এর যুক্তিবোধের ক্ষমতা ডক্টরেট পর্যায়ে পৌঁছেছে।

MathArena Apex স্কেলে, Gemini 3 Pro ২৩.৪% স্কোর অর্জন করেছে, যা বর্তমানে বৃহৎ মডেল ভাষাগুলোর (LLM) মধ্যে সর্বোচ্চ।

মাল্টিমোডাল রিজনিং ক্ষমতার বিষয়ে গুগল জানিয়েছে যে, জেমিনি ৩ প্রো MMMU-Pro স্কেলে ৮১% এবং Video-MMMU স্কেলে ৮৭.৬% স্কোর করেছে। মডেলটি SimpleQA Verified অ্যাকুরেসি টেস্টিং প্ল্যাটফর্মেও ৭২.১% স্কোর করেছে।

"এটি প্রমাণ করে যে, জেমিনি ৩ প্রো বিজ্ঞান থেকে গণিত পর্যন্ত বিস্তৃত ক্ষেত্রে অত্যন্ত নির্ভরযোগ্যতার সাথে জটিল সমস্যা সমাধান করতে সক্ষম," গুগল জোর দিয়ে বলেছে।

জেমিনি ৩ ডিপ থিঙ্ক ভার্সনটির ক্ষেত্রে, হিউম্যানিটি'স লাস্ট এক্সাম এবং জিপিকিউএ ডায়মন্ড টেস্টে এর স্কোর জেমিনি ৩ প্রো-এর চেয়েও বেশি ছিল, যা ছিল যথাক্রমে ৪১% এবং ৯৩.৮%। মডেলটি একটি সাধারণ এআই মেট্রিক, এআরসি-এজিআই (ARC-AGI)-তেও ৪৫.১% স্কোর অর্জন করেছে।

মিথুন রাশির ৩ কী করতে পারে?

জেমিনি ৩-এর উন্নতিগুলো গুগলের অনেক প্রোডাক্ট জুড়েই দেখা যাবে। ডাইনামিক ভিউ ফিচারটি, যা বর্তমানে জেমিনিতে পরীক্ষাধীন, নির্দিষ্ট কিছু কোয়েরির জন্য একটি ইন্টারেক্টিভ অভিজ্ঞতা তৈরি করে; যেমন—সচিত্র ম্যাগাজিন, সংক্ষিপ্ত তথ্য, বা চাহিদা অনুযায়ী কাস্টমাইজড ইন্টারফেস।

গুগল জোর দিয়ে বলেছে, “জেমিনি ৩ এমনকি আপনার পিকেলবল খেলার ভিডিও বিশ্লেষণ করে উন্নতির ক্ষেত্রগুলো চিহ্নিত করতে পারে এবং আপনার সার্বিক কৌশল উন্নত করার জন্য একটি প্রশিক্ষণ পরিকল্পনা তৈরি করতে পারে।”

জেমিনি ৩ প্রো-এর উন্নত এনকোডিং ক্ষমতা আরও ভালো ছবি তৈরিতে সাহায্য করে। ছবি: গুগল ।

গুগল সার্চের এআই মোড, জেনারেটিভ ইউআই মোডের মাধ্যমে, কোয়েরির উপর ভিত্তি করে ছবি, চার্ট এবং সিমুলেটেড ভিডিওর মতো ভিজ্যুয়াল উপাদানও তৈরি করতে পারে। ব্যবহারকারীরা এই ডেটার সাথে ইন্টারঅ্যাক্ট করতে পারেন অথবা এ বিষয়ে আরও প্রশ্ন করতে পারেন।

গুগলের মতে, একটি উন্নত ‘কোয়েরি ফ্যান-আউট’ কৌশলের কল্যাণে এআই মোড আরও বেশি অনুসন্ধান করতে পারে, যা প্রশ্নটিকে ছোট ছোট অংশে বিভক্ত করে প্রশ্নটির উদ্দেশ্য আরও ভালোভাবে বুঝতে এবং ‘আগে হয়তো বাদ পড়ে যাওয়া নতুন বিষয়বস্তু খুঁজে বের করতে’ সাহায্য করে।

জেমিনি ৩ প্রো-কে "ফাঁকা বুলি বদলে মূল্যবান ও খাঁটি দৃষ্টিভঙ্গি প্রদানকারী" হিসেবে বর্ণনা করার সময় গুগল তার প্রতিযোগীর কথা উল্লেখ করতে দ্বিধা করেনি।

"এটি শুধু আপনি যা শুনতে চান তার উত্তরই দেয় না, বরং আপনার যা শোনা সত্যিই প্রয়োজন, তাও বলে দেয়," গুগলের একজন প্রতিনিধি যোগ করেন।

জেমিনির ডাইনামিক ভিউ ফিচারটি নির্দিষ্ট কিছু কোয়েরির জন্য একটি দৃশ্যগতভাবে ইন্টারেক্টিভ অভিজ্ঞতা তৈরি করে। ছবি: গুগল ।

জেমিনি ৩ প্রো ডেভেলপারদের এজেন্ট কোডিং এবং 'ভাইব কোডিং'-এর ক্ষেত্রেও উন্নততর সহায়তা প্রদান করে। গুগল এআই স্টুডিও, ভার্টেক্স এআই, এবং জেমিনি সিএলআই-এর মতো টুলগুলো জেমিনি ৩-কে সাপোর্ট করে; এর পাশাপাশি রয়েছে সম্পূর্ণ নতুন অ্যান্টিগ্র্যাভিটি প্ল্যাটফর্ম, যা এজেন্ট কোডিং এবং অটোমেশনের উপর বিশেষভাবে আলোকপাত করে।

এজেন্টদের বিষয়ে গুগল বলছে, জেমিনি ৩ উন্নততর সহায়তা প্রদান করে। এই মডেলটি ব্যবহারকারীদের হয়ে জটিল প্রক্রিয়া সম্পাদন করতে পারে, যেমন ইমেল শ্রেণিবদ্ধ ও সংগঠিত করা, তথ্য অনুসন্ধান করা এবং ভ্রমণের টিকিট বুক করা।

বর্তমানে, গুগল এআই আল্ট্রা ব্যবহারকারীরা জেমিনি অ্যাপের মধ্যেই জেমিনি এজেন্ট মোড ব্যবহার করে এজেন্ট ফিচারগুলো উপভোগ করতে পারেন।

আপনার প্রতিপক্ষের উপর গরম বাতাস ফুঁকে দিন।

গুগলের নতুন মডেলটিকে প্রতিযোগীদের জন্য একটি কঠিন চ্যালেঞ্জ হিসেবে দেখা হচ্ছে। নিউ ইয়র্ক টাইমসের সূত্রগুলো জোর দিয়ে বলেছে যে, কোডিং বা ছবি তৈরির মতো কাজে জেমিনি ৩ যদি উৎকৃষ্ট সাফল্য পায়, তবে ওপেনএআই এবং অ্যানথ্রোপিক উভয়ই তাদের ছাড়িয়ে যাওয়ার বিষয়ে উদ্বিগ্ন।

"সার্চ ক্ষেত্রে গুগলের বিশাল আকার, বাজার অংশ এবং অগ্রণী ভূমিকার কারণে, জেমিনি বাজারের একটি অংশ দখল করে ওপেনএআই এবং অন্যান্য কোম্পানিগুলোকে পেছনে ফেলে দিতে পারে," বলেছেন জোনসট্রেডিং-এর বিশ্লেষক মাইক ও'রোর্ক।

তিনি আরও বলেন যে, জেমিনিতে এই স্থানান্তর পুরো বাজার জুড়ে ছড়িয়ে পড়তে পারে, যা ওরাকল এবং মাইক্রোসফটের জন্য প্রশ্ন তৈরি করবে; এই সংস্থাগুলো ক্লাউড কম্পিউটিং পরিকাঠামো প্রদানের জন্য ওপেনএআই থেকে শত শত কোটি ডলার পেয়ে থাকে।

গুগল সার্চের এআই মোড অনুসন্ধানের উপর ভিত্তি করে কাল্পনিক ছবি তৈরি করতে পারে। ছবি: গুগল ।

কৃত্রিম বুদ্ধিমত্তার ব্যাপক প্রসার প্রযুক্তি শিল্পকে ব্যয় ও ব্যবসায়িক সুযোগের মধ্যে ভারসাম্য রক্ষার প্রশ্নের মুখোমুখি করেছে। আজকের কৃত্রিম বুদ্ধিমত্তা ব্যবস্থাগুলো প্রধানত ইন্টারনেট অনুসন্ধান এবং প্রোগ্রামিং স্বয়ংক্রিয় করার জন্য ব্যবহৃত হয়।

ম্যাককিনজি অ্যান্ড কোম্পানির মতে, এই প্রযুক্তি ব্যয়বহুল সুপারকম্পিউটারে পরিপূর্ণ ডেটা সেন্টারগুলোতে পরিচালিত হয় এবং ২০৩০ সালের মধ্যে এই শিল্পখাতটি এই সুবিধাগুলোর জন্য ৭ ট্রিলিয়ন ডলার ব্যয় করবে বলে আশা করা হচ্ছে। ওয়াল স্ট্রিটের বিনিয়োগকারীরা উদ্বিগ্ন যে অ্যানথ্রোপিক, ওপেনএআই, মাইক্রোসফট এবং গুগলের আয় এই ব্যয় নির্বাহের জন্য যথেষ্ট হবে কিনা।

"রাজস্ব অর্জনের জন্য আমাদের উচ্চমানের ও সম্ভাবনাময় ব্যবহারিক ক্ষেত্র প্রয়োজন। আমরা এখনও সেই পর্যায়ে পৌঁছাইনি," ক্রিয়েটিভ স্ট্র্যাটেজিসের বিশ্লেষক বেন বাজারিন জোর দিয়ে বলেন।

গুগল পরিচালিত ওয়েবডেভ এরিনা বেঞ্চমার্কে জেমিনি ৩ প্রো-এর স্কোর। ছবি: গুগল ।

গুগলের এআই বিভাগের প্রযুক্তি পরিচালক কোরে কাভুকচুগলু বলেছেন, গুগল সার্চে জেমিনিকে স্থাপন করার সাথে সাথে এর নির্ভুলতা আরও বাড়বে। সার্চ ইঞ্জিনের সাথে যুক্ত হলে, মডেলটি তাৎক্ষণিকভাবে তথ্য সংগ্রহ ও যাচাই করতে পারে। অবশ্যই, এটি একটি নির্দিষ্ট সীমা পর্যন্তই কার্যকর।

ব্যবসা প্রতিষ্ঠানগুলোকে এআই সমাধান স্বয়ংক্রিয় করতে ও প্রয়োগ করতে সাহায্যকারী স্টার্টআপ উমির সহ-প্রতিষ্ঠাতা মানোস কুকুমিদিস বলেন, “মানুষ যদি শুধু নীল লিঙ্কে ক্লিক করা এড়ানোর জন্যই গুগলে যায়, তবে এই মুহূর্তে তা যথেষ্ট নয়।”

আরও বেশি ব্যবহারকারীকে আকৃষ্ট করতে, গুগল ঘোষণা করেছে যে তারা মার্কিন যুক্তরাষ্ট্রের কলেজ শিক্ষার্থীদের জন্য একটি বিনামূল্যে এক বছরের এআই প্রো প্যাকেজ দেবে। সংস্থাটি ২০ জনেরও বেশি অংশীদারের তালিকা প্রকাশ করেছে, যারা ডেটা বিশ্লেষণ করতে এবং বহুভাষিক মিটিং রেকর্ড করতে জেমিনি ৩ ব্যবহার করে।

বাজারিনের মতে, এই নতুন ফিচারগুলো গুগলকে ক্লাউড কম্পিউটিং বাজারে মাইক্রোসফট ও অ্যামাজনের সঙ্গে প্রতিযোগিতা করতে সাহায্য করতে পারে। অক্টোবরে গুগল ঘোষণা করে যে, প্রধানত এআই-এর চাহিদার কারণে সর্বশেষ ত্রৈমাসিকে তাদের ক্লাউড থেকে আয় ১৫ বিলিয়ন ডলারে পৌঁছেছে।

উৎস: https://znews.vn/google-ra-mat-gemini-3-manh-me-hon-post1603987.html