মস্কোর একটি বিশ্ববিদ্যালয়ের শ্রেণিকক্ষে, পঞ্চম বর্ষের এক ছাত্রী অ্যাসাইনমেন্ট জমা দেওয়ার ঠিক আধা ঘণ্টা আগে চ্যাটবটে একটি মার্কেটিং কেস স্টাডি বিশ্লেষণের অনুরোধ পাঠালেন। নিউরাল নেটওয়ার্কটি তৎক্ষণাৎ বিভিন্ন উদাহরণ এবং রেফারেন্সসহ একটি সুশৃঙ্খল টেক্সট তৈরি করে দিল। তরুণীটি দ্রুত সেটির ভাষাগত পরিবর্তন ও পরিমার্জন করে কাজটি জমা দিলেন।
'ফ্রন্টিয়ার্স ইন এডুকেশন' (Frontiers in Education) সাময়িকীতে প্রকাশিত একটি গবেষণায় ঠিক এই ধরণের প্রবণতাগুলো নিয়েই আলোচনা করা হয়েছে। গবেষকরা বেশ কয়েকটি দেশের এক হাজারেরও বেশি শিক্ষার্থীর সাক্ষাৎকার নিয়েছেন এবং দৈনন্দিন পড়াশোনায় তারা কীভাবে জেনারেটিভ মডেলগুলো ব্যবহার করে তা বিশ্লেষণ করেছেন। এই গবেষণাটি কোনো বিমূর্ত ধারণা নয়, বরং সেমিনারের প্রস্তুতি থেকে শুরু করে টার্ম পেপার লেখা পর্যন্ত সুনির্দিষ্ট বাস্তব ক্ষেত্রগুলো চিহ্নিত করেছে।
পুরো প্রক্রিয়াটি অনেকটা এরকম: শিক্ষার্থী প্রথমে একটি কাজের রূপরেখা দিয়ে একটি খসড়া পায়, যা পরে সে নিজের নোট এবং লেকচারের উপকরণের সাথে মিলিয়ে দেখে। এর সবচেয়ে গুরুত্বপূর্ণ ধাপটি হলো হুবহু কপি না করে বরং প্রাপ্ত তথ্য যাচাই এবং সম্পাদনা করা। এই পদ্ধতিটি মস্তিষ্কের কর্মক্ষমতার ওপর বাড়তি চাপ কমায় এবং তথ্যের সন্ধানে সময় নষ্ট না করে সরাসরি বিশ্লেষণের কাজে মনোযোগ দিতে সাহায্য করে। এর তুলনাটি বেশ সহজ—এখানে নিউরাল নেটওয়ার্ক হলো সেই সহকারী যে ঘরের আসবাবপত্র সাজাতে সাহায্য করে, আর শিক্ষার্থী নিজে সিদ্ধান্ত নেয় যে কোথায় শূন্যস্থান রাখা প্রয়োজন।
গবেষণার তথ্য অনুযায়ী, প্রায় ৬৫ শতাংশ উত্তরদাতা তাদের প্রাতিষ্ঠানিক কাজে অন্তত একবার হলেও কৃত্রিম বুদ্ধিমত্তা ব্যবহার করেছেন। কাজের গতি বৃদ্ধি এবং জটিল বিষয়গুলো সহজে বোঝার ক্ষেত্রে এর ইতিবাচক প্রভাব লক্ষ্য করা গেছে। তবে গবেষকরা কিছু সীমাবদ্ধতার কথা উল্লেখ করেছেন—অংশগ্রহণকারীদের বেশিরভাগই ছিল কারিগরি এবং অর্থনীতি বিভাগের শিক্ষার্থী এবং তথ্যগুলো মাত্র একটি সেমিস্টারের ব্যবধানে সংগ্রহ করা হয়েছিল। নিয়মিত এই প্রযুক্তি ব্যবহারের ফলে দীর্ঘমেয়াদে শিক্ষার্থীদের সূক্ষ্ম চিন্তাভাবনার (critical thinking) গভীরতা কীভাবে পরিবর্তিত হচ্ছে, সে সম্পর্কে এখনও কোনো পর্যবেক্ষণ নেই।
এখানেই একটি গভীরতর সংকটের দিক উন্মোচিত হয়। শিক্ষকের পরামর্শের চেয়ে যখন একটি প্রযুক্তিগত টুল সহজলভ্য হয়ে ওঠে, তখন যারা দক্ষভাবে প্রম্পট বা কমান্ড দিতে জানে এবং যারা স্রেফ তৈরি উত্তর খোঁজে—তাদের মধ্যে এক ধরণের বৈষম্য তৈরি হয়। উচ্চশিক্ষা ব্যবস্থা, যা মূলত শিক্ষার্থীর নিজস্ব কাজের মূল্যায়নের ওপর ভিত্তি করে টিকে আছে, সেটি এখন দ্বিধায় পড়ে গেছে: ঠিক কোনটি মূল্যায়ন করা উচিত—চূড়ান্ত ফলাফল নাকি সেটি অর্জনের প্রক্রিয়াটি?
এখন মূল প্রশ্ন এটি নয় যে নিউরাল নেটওয়ার্ক ব্যবহারের অনুমতি দেওয়া হবে কি না, বরং প্রশ্ন হলো পাঠ্যক্রমকে কীভাবে এমনভাবে সাজানো যায় যা শিক্ষার্থীর নিজস্ব দৃষ্টিভঙ্গি এবং যুক্তির দায়বদ্ধতা দাবি করবে—যা কৃত্রিম বুদ্ধিমত্তা এখনও প্রতিস্থাপন করতে সক্ষম হয়নি।
