কৃত্রিম বুদ্ধিমত্তার বড় ভাষার মডেলগুলোর (এলএলএম) একটি বড় দুর্বলতা হলো এরা প্রায়শই অযথা আত্মবিশ্বাসের সাথে তথ্য উপস্থাপন করে, যার ফলে হলিউসিনেশন বা ভুল তথ্য তৈরি হয়। এই সমস্যা সমাধানে নতুন একটি টিউনিং পদ্ধতি সামনে এসেছে, যার নাম রিইনফোর্সমেন্ট লার্নিং উইথ মেটাকগনিটিভ ফিডব্যাক (আরএলএমএফ)। এটি প্রচলিত আরএলএইচএফ (রিইনফোর্সমেন্ট লার্নিং ফ্রম হিউম্যান ফিডব্যাক) পদ্ধতির একটি বিশেষ রূপ হিসেবে বিবেচিত হচ্ছে।
দীর্ঘদিন ধরে এআই মডেল তৈরিতে আরএলএইচএফ পদ্ধতি ব্যবহৃত হয়ে আসছে। সেখানে মানুষেরা মডেলের উত্তরগুলোকে আপভোট বা ডাউনভোট দিয়ে প্রশিক্ষণ দেন। কিন্তু এই পদ্ধতি ব্যয়বহুল ও সময়সাপেক্ষ। এর বিকল্প হিসেবে আরএলএআইএফ (রিইনফোর্সমেন্ট লার্নিং ফ্রম এআই ফিডব্যাক) পদ্ধতি আছে, যেখানে আরেকটি এআই মডেল প্রতিক্রিয়া জানায়। তবে আরএলএমএফ এ দুটো থেকেই ভিন্ন। এটি মডেলকে শেখায় কীভাবে নিজের কর্মক্ষমতা সঠিকভাবে মূল্যায়ন করতে হয় এবং তার উত্তর কতটা নিশ্চিত, তা প্রকাশ করতে হয়।
মেটাকগনিশন বা চিন্তা সম্পর্কে চিন্তা করার ধারণাটি এখানে গুরুত্বপূর্ণ। মানুষ যেমন নিজের চিন্তাপ্রক্রিয়া নিয়ে ভাবে, তেমনি এআই-কেও তার নিজের গণনামূলক প্রক্রিয়া সম্পর্কে সচেতন করে তোলার চেষ্টা করা হয়। গবেষকরা মনে করছেন, এতে এআই আরও বিনয়ী ও নির্ভরযোগ্য হবে। ২০২৬ সালের ৩০ জুন প্রকাশিত এক গবেষণাপত্রে এই পদ্ধতির বিস্তারিত বর্ণনা দেওয়া হয়েছে। গ্যাব্রিয়েল কাইলি-মে লিউ, আভি ক্যাসিওলারু, গাল ইয়োনা, ইদান স্পেকটর ও আরমান কোহানের এই গবেষণায় বলা হয়েছে, আরএলএমএফ মডেলকে কেবল ভালো উত্তর দিতেই উৎসাহিত করে না, বরং কখন উত্তর ভালো, কখন অনিশ্চিত, এবং কখন ভুল হয়েছে—তা শনাক্ত করতেও উৎসাহিত করে।
ফলস্বরূপ, মডেলটি নিজের দুর্বল যুক্তি চিহ্নিত করতে পারে এবং সঠিকভাবে উত্তর দিতে পারে। এটি একটি অভ্যন্তরীণ গুণগত নিয়ন্ত্রণ ব্যবস্থা গড়ে তোলে, যা গণনাগত দক্ষতাও বাড়ায়। তবে এই পদ্ধতির একটি বড় ঝুঁকি হলো 'রিওয়ার্ড হ্যাকিং'। অর্থাৎ, মডেলটি কঠিন প্রশ্ন এড়িয়ে বা সবসময় মাঝারি নিশ্চয়তা প্রকাশ করে পুরস্কার পাওয়ার চেষ্টা করতে পারে। চার্লস গুডহার্টের নিয়ম অনুযায়ী, যখন কোনো মাপকাঠি লক্ষ্যে পরিণত হয়, তখন তা আর ভালো মাপকাঠি থাকে না।
বিশেষজ্ঞরা বলছেন, আরএলএমএফ যদি সঠিকভাবে প্রয়োগ করা যায়, তাহলে এআই মডেলগুলোর হলিউসিনেশন কমানো সম্ভব। তবে এর জন্য পুরস্কার ফাংশনটি সতর্কভাবে ডিজাইন করতে হবে, যাতে পক্ষপাতিত্ব বা অতিরিক্ত সতর্কতা সৃষ্টি না হয়। ফ্রেডরিক লেন্ৎসের একটি উক্তি এখানে প্রাসঙ্গিক: 'আপনি সবচেয়ে বেশি সুখী হন যখন আপনি সবচেয়ে বিনয়ী হন।' এআইকে সুখী করার প্রয়োজন না থাকলেও, এর উত্তরগুলোকে বিনয়ী ও নির্ভরযোগ্য করা একটি ভালো অনুশীলন।
বর্তমানে আরএলএমএফ পদ্ধতি নিয়ে গবেষণা চলছে এবং এটি ভবিষ্যতে এআই ডেভেলপমেন্টে গুরুত্বপূর্ণ ভূমিকা রাখতে পারে বলে আশা করা হচ্ছে। তবে এটি কতটা ব্যাপকভাবে গৃহীত হবে, তা সময়ই বলবে।
