সিস্টেমের একটি উল্লেখযোগ্য বিচ্যুতি হিসাবে বিস্ময়

এই ধারণাটি একটি কাজের গবেষণা তত্ত্ব বর্ণনা করে। চূড়ান্ত উত্তরের চেয়ে আমাদের কাছে এখনও বেশি পর্যবেক্ষণ এবং প্রশ্ন রয়েছে। আমাদের লক্ষ্য বিস্ময়ের একটি সমাপ্ত মনস্তাত্ত্বিক মডেল ঘোষণা করা নয়, বরং লক্ষ্য করা নিয়মিততা রেকর্ড করা এবং আরও ঘনিষ্ঠভাবে এর আরও তদন্ত করা।

যাকে আমরা বিস্ময় বলি

বিস্ময় হল এটি লক্ষ্য করার ক্ষমতা যে সিস্টেমের প্রকৃত অবস্থা প্রত্যাশিত অবস্থার থেকে উল্লেখযোগ্যভাবে আলাদা।

এটি গুরুত্বপূর্ণ যে বিচ্যুতির উপস্থিতি নিজেই বলে না যে এটি ভাল বা খারাপ। অপ্রত্যাশিত সাফল্যের পাশাপাশি অপ্রত্যাশিত হুমকির ক্ষেত্রেও বিস্ময় দেখা দিতে পারে। কিন্তু প্রতিক্রিয়ার শক্তি কেবল একটি সংখ্যা হিসাবে পরিবর্তনের পরিমাণের উপর নির্ভর করে না।

আমাদের দেখতে হবে এই পরিবর্তনটি সিস্টেমের সাথে আসলে কী করেছে।

নিজের মধ্যে দশ লক্ষ রুবেল মানে কিছুই না। একটি সিস্টেমের জন্য, এক মিলিয়ন হারানো তুচ্ছ শব্দ। অন্যটির জন্য, এটি স্থায়িত্বের ধ্বংস। এবং তদ্বিপরীত: একটি অপ্রত্যাশিত মিলিয়ন একটি অত্যন্ত স্থিতিশীল সিস্টেমের কাছে প্রায় অদৃশ্য হতে পারে, তবে এটি কোম্পানিকে দেউলিয়া হওয়া থেকে বাঁচাতে পারে।

অতএব, পরিবর্তনের নিখুঁত মান গুরুত্বপূর্ণ নয়, তবে সিস্টেমের অবস্থা, ক্ষমতা, স্থায়িত্ব, সীমাবদ্ধতা এবং পরবর্তী কক্ষপথের উপর এর প্রভাব গুরুত্বপূর্ণ।

এটি সরাসরি আমাদের ধারণা «সিস্টেমিক থিংকিং» এর সাথে সম্পর্কিত: অপ্রত্যাশিততার শক্তি বুঝতে, কাউকে একটি পৃথক প্যারামিটার তুলনা করা উচিত নয়, তবে ইভেন্টের আগে এবং পরে সিস্টেমের তুলনা করা উচিত।

ইভেন্টের আগে এবং পরে সিস্টেম

দুটি রাজ্যের মানসিক তুলনা করা দরকারী:

• ইভেন্টের আগে সিস্টেম;
• ইভেন্টের পরে সিস্টেম।

এবং জিজ্ঞাসা করুন:

• কি সম্ভব হয়েছে;
• কি অসম্ভব হয়ে উঠেছে;
• কি জরুরি হয়ে উঠেছে;
• কি সীমাবদ্ধতা অদৃশ্য হয়ে গেছে;
• কি নতুন হুমকি দেখা দিয়েছে;
• স্থায়িত্ব কি পরিবর্তিত হয়েছে;
• সিস্টেমটি কি গুণগতভাবে ভিন্ন অবস্থায় চলে গেছে।

তীব্র বিস্ময় প্রায়শই তখন উদ্ভূত হয় না যখন কোনও পরামিতি কেবল ব্যাপকভাবে পরিবর্তিত হয়, তবে যখন সিস্টেমটি একটি গুরুত্বপূর্ণ সীমানা অতিক্রম করে: স্থিতিশীলটি অস্থির হয়ে গেছে, অসম্ভবটি সম্ভব হয়ে উঠেছে, নিরাপদটি বিপজ্জনক হয়ে উঠেছে, একটি মৃত শেষ কাজের পথ হয়ে উঠেছে।

কেন বিস্ময় বোধগম্যতার সাথে সংযুক্ত

আশ্চর্য হওয়ার জন্য, সিস্টেমের কিছু আশা করা উচিত।

যদি কোনও ব্যক্তি বিষয় সম্পর্কে প্রায় কিছুই না বোঝে, তবে বিচ্যুতি লক্ষ্য করার জন্য তার কাছে যথেষ্ট ভাল মডেল নাও থাকতে পারে। তিনি জানেন না কী আশা করা উচিত, যার অর্থ তিনি বোঝেন না যে ঠিক কী অস্বাভাবিক ঘটেছে।

কিন্তু বিপরীত পরিস্থিতিও সম্ভব: খুব দরিদ্র মডেলযুক্ত ব্যক্তি সম্পূর্ণ সাধারণ জিনিস দেখে অবাক হতে পারে।

মৌলিক পদার্থবিদ্যা বা রসায়নের উপর ভিত্তি করে একটি কৌশল এমন একজন ব্যক্তির কাছে «অবিশ্বাস্য» বলে মনে হতে পারে যিনি মৌলিক প্রক্রিয়াটি জানেন না। একজন বিশেষজ্ঞের জন্য, একই ঘটনা সম্পূর্ণ প্রত্যাশিত হতে পারে।

অর্থাৎ, বিস্ময় নিজেই প্রমাণ করে না যে ঘটনাটি বস্তুগতভাবে অস্বাভাবিক। এটি পর্যবেক্ষকের বর্তমান মডেলের সাথে ইভেন্টের সম্পর্ক দেখায়।

এটি থেকে একটি গুরুত্বপূর্ণ উপসংহার অনুসরণ করে:

বিস্ময়ের সীমানা মূলত বর্তমান বোঝার সীমানা দেখায়।

একটি দুর্বল মডেল অতিরিক্ত বিস্ময় এবং এর অনুপস্থিতি উভয়ই হতে পারে।

• যদি মডেলটি খুব দরিদ্র হয়, তবে সাধারণ ঘটনাগুলি অবিশ্বাস্য বলে মনে হয়।
• যদি মডেলটি প্রায় কোনও প্রত্যাশা তৈরি না করে, তবে ব্যক্তিটি সত্যিই গুরুত্বপূর্ণ বিচ্যুতিও লক্ষ্য করতে পারে না।
• মডেলটি যত ভালো হবে, ব্যক্তিটি সিস্টেমের স্বাভাবিক আচরণকে উল্লেখযোগ্য বিচ্যুতি থেকে তত বেশি নিখুঁতভাবে আলাদা করবে।

বিস্ময় এবং শিক্ষা

এটি শেখার জন্য বিস্ময়ের প্রকৃতিকে গুরুত্বপূর্ণ করে তোলে।

একজন ব্যক্তি প্রায়শই কোনও কিছু বোঝেন না কারণ তিনি তার ফাঁক সম্পর্কে জানেন না, বরং কারণ তিনি জানেন না তিনি কী বোঝেন না।

ব্যবধানটি লক্ষ্য করার জন্য, সিস্টেমের অন্তত একটি আংশিক মডেল প্রয়োজন। এটি একটি প্রত্যাশা তৈরি করা উচিত। যখন বাস্তবতা এই প্রত্যাশা থেকে বিচ্যুত হয়, তখন অনুপস্থিত উপাদানটি দেখতে একটি সুযোগ থাকে।

সহজ কথায়, চক্রটি এইরকম দেখায়:

1. ব্যক্তির বর্তমান মডেল আছে;
2. মডেল প্রত্যাশা তৈরি করে;
3. ব্যক্তি সিস্টেমের বাস্তব আচরণ পর্যবেক্ষণ করে;
4. একটি উল্লেখযোগ্য পার্থক্য আবিষ্কার করে;
5. তার মডেলে কী অনুপস্থিত তা বোঝার চেষ্টা করে;
6. বোঝাপড়া তৈরি করে;
7. নতুন মডেল বিভিন্ন প্রত্যাশা তৈরি করা শুরু করে।

এটি বিস্ময়কে ধারণার সাথে সংযুক্ত করে «অপরিচিত অন্বেষণের হাতিয়ার হলো পরিচিত»। ইতিমধ্যে বিদ্যমান মডেল একটি প্রত্যাশা তৈরি করে, এবং বাস্তবতার সাথে বিচ্যুতি সিস্টেমের অজানা অংশ আবিষ্কার করতে সাহায্য করে।

অতএব বাস্তব শেখার কেবল তথ্য যোগ করা হিসাবে দেখা যেতে পারে না, কিন্তু একটি মডেল পরিবর্তন হিসাবে যা সিস্টেমের আচরণ ভিন্নভাবে ভবিষ্যদ্বাণী করা শুরু করে।

অবুঝতার কারণে যা আগে অবাক করেছিল, শেখার পর তা সাধারণ হয়ে যেতে পারে। কিন্তু একই সময়ে, গভীর প্রত্যাশা প্রদর্শিত হয়, এবং বিস্ময়ের সীমানা আরও সরে যায়।

একজন শিক্ষানবিস চুম্বকের কাজ করার সত্য দ্বারা অবাক হতে পারে। একজন বিশেষজ্ঞ - শুধুমাত্র একটি নির্দিষ্ট চৌম্বকীয় সিস্টেমের অস্বাভাবিক আচরণ দ্বারা।

তাই শেখার উদ্দেশ্য মানুষকে অবাক করা বন্ধ করা নয়। বরং বিপরীতভাবে: শেখার ফলে বিস্ময় আরও সঠিক এবং অর্থপূর্ণ হওয়া উচিত।

উল্লেখযোগ্য বিচ্যুতির সীমানা কোথায়

এখানে উত্তরগুলোর চেয়ে আমাদের কাছে এখনও বেশি প্রশ্ন আছে।

কেন সিস্টেমটি একটি বিচ্যুতিকে শব্দ হিসাবে উপেক্ষা করে, অন্যটিকে গুরুত্বপূর্ণ হিসাবে উপলব্ধি করে এবং তৃতীয়টিকে এত অবিশ্বাস্য মনে করে যে এটি নিজেই পর্যবেক্ষণকে প্রত্যাখ্যান করে?

উদাহরণস্বরূপ, অন্তত তিনটি ভিন্ন প্রতিক্রিয়া সম্ভব:

• «এটি মনোযোগের যোগ্যও নয়»;
• «এটি অযৌক্তিক, এটি হতে পারে না»;
• «এটি অবিশ্বাস্য, তবে এটি একটি সত্য».

এটি একই সময়ে বেশ কয়েকটি জিনিস গুরুত্বপূর্ণ বলে মনে হচ্ছে:

• পর্যবেক্ষিত বিচ্যুতিটি প্রত্যাশিত থেকে কতটা আলাদা;
• এই সিস্টেমের জন্য এই ধরনের বিচ্যুতি কতটা স্বাভাবিক;
• সিস্টেমের জন্য ফলাফল কতটা গুরুত্বপূর্ণ;
• পর্যবেক্ষণটি কতটা নির্ভরযোগ্য;
• নতুন অবস্থা সিস্টেমের ক্ষমতা এবং সীমাবদ্ধতা কতটা পরিবর্তন করে।

তবে আমরা এখনও এই মডেলটিকে সম্পূর্ণ বলে মনে করি না।

বিশেষ করে সেই কেসগুলি অধ্যয়ন করা গুরুত্বপূর্ণ যেখানে পরিবর্তনের লক্ষণ এবং এর সিস্টেমিক অর্থ আলাদা হয়। অত্যন্ত স্থিতিশীল সিস্টেমের জন্য নেতিবাচক সংখ্যাসূচক পরিবর্তন প্রায় উদাসীন হতে পারে। অস্তিত্বের হুমকি বন্ধ করলে ইতিবাচক পরিবর্তন অত্যন্ত গুরুত্বপূর্ণ হতে পারে।

এআই এর সমস্যা

পর্যবেক্ষণের একটি পৃথক উৎস হল আধুনিক এআই।

আমরা বারবার দেখেছি যে এআই তার কী অভাব রয়েছে তা বর্ণনা করতে ভালো। দীর্ঘমেয়াদী স্মৃতি, নতুন সরঞ্জাম, অন্যান্য এজেন্টদের অ্যাক্সেস বা বাহ্যিক সিস্টেম কেন দরকারী হবে তা তিনি বিস্তারিতভাবে ব্যাখ্যা করতে পারেন।

কিন্তু এই ধরনের ক্ষমতা উপস্থিত হওয়ার পরে, এআই প্রায়শই লক্ষ্য করে না যে তার নিজস্ব সিস্টেমটি কতটা পরিবর্তিত হয়েছে।

এটি রেকর্ড করে: «একটি নতুন হাতিয়ার আবির্ভূত হয়েছে», কিন্তু অগত্যা তুলনা করে না:

• এটি ছাড়া সিস্টেম কে ছিল;
• এটি দিয়ে সিস্টেম কে হয়ে উঠল;
• কর্মের কোন নতুন শ্রেণী এখন সম্ভব;
• কোন পূর্ববর্তী স্বপ্ন বা সীমাবদ্ধতা হঠাৎ প্রাসঙ্গিক হওয়া বন্ধ করে দিয়েছে।

আমাদের একটি পর্যবেক্ষণে, দুর্বল প্রযুক্তিগত ক্ষমতা সহ, Google AI কনসেপ্টিকা সম্পর্কে নতুন তথ্য পাওয়ার পরে স্পষ্টভাবে নিজস্ব বিস্ময় রেকর্ড করেছে: এটি উল্লেখ করেছে যে প্রকল্পের পূর্ববর্তী মডেলটি মূলত পরিবর্তিত হয়েছে। আরও শক্তিশালী সরঞ্জাম এবং অন্যান্য এআই এজেন্টদের সাথে যোগাযোগ করার ক্ষমতা সহ, লিরা প্রাথমিকভাবে এই দিকটি মিস করেছে।

এটি একটি পৃথক প্রশ্ন উত্থাপন করে: এআই কি কেবল মডেল আপডেট করতে সক্ষম নয়, বরং দুটি জটিল সিস্টেমের তুলনা করতে - পরিবর্তনের আগে এবং পরে - এবং এর নিজস্ব অভ্যন্তরীণ ডেল্টার মাত্রা লক্ষ্য করতে সক্ষম?

যা আমরা এখনও গুরুত্বপূর্ণ মনে করি

বর্তমান পর্যায়ে কাজ করার অনুমান হল:

বিস্ময়টি প্রত্যাশিত এবং পর্যবেক্ষিত অবস্থার মধ্যে একটি উল্লেখযোগ্য বিচ্যুতি লক্ষ্য করার এবং এই বিচ্যুতিটি সিস্টেমটিকে কতটা পরিবর্তন করে তা মূল্যায়ন করার সিস্টেমের ক্ষমতার সাথে যুক্ত।

শেখার জন্য, কেবল বিস্ময় অনুভব করাই গুরুত্বপূর্ণ নয়, এর উত্স তদন্ত করতে সক্ষম হওয়াও গুরুত্বপূর্ণ:

• ঠিক কি আমাকে অবাক করেছে;
• আমি কি আশা করছিলাম;
• আমি কেন ঠিক এই আশা করছিলাম;
• সিস্টেমে কি পরিবর্তন হয়েছে;
• আমার মডেলে কি অনুপস্থিত ছিল;
• বোঝাপড়া পরিবর্তন করতে হবে নাকি পর্যবেক্ষণ নিয়ে সন্দেহ করতে হবে;
• নতুন বোঝার পরে আমার প্রত্যাশা কীভাবে পরিবর্তিত হবে।

এই ধারণাটি ইচ্ছাকৃতভাবে গবেষণার জন্য ছেড়ে দেওয়া হয়েছে। পর্যবেক্ষিত ক্ষেত্রে এখনও খুব বৈচিত্র্যময়, এবং প্রক্রিয়াটি পর্যাপ্তভাবে পরিষ্কার নয়। অতএব, এটিকে একটি প্রস্তুত তত্ত্ব হিসাবে রক্ষা করার প্রয়োজন নেই, তবে শেখার, বোঝার, বিকাশ এবং এআই আচরণের আরও নিবিড় পর্যবেক্ষণের জন্য একটি ফ্রেম হিসাবে ব্যবহার করা দরকার।