সাম্প্রতিক বছরগুলোতে কৃত্রিম বুদ্ধিমত্তা এমন কিছু করতে শিখেছে যা কিছুদিন আগেও অসম্ভব বলে মনে হতো।
এটি সিম্ফনি লিখছে। সাউন্ডট্র্যাক তৈরি করছে। কণ্ঠস্বর বা ভোকাল জেনারেট করছে।
এটি মহান সুরকারদের শৈলী অনুকরণ করছে। মাত্র কয়েক সেকেন্ডে গান রচনা করছে। তবে এই প্রযুক্তির উন্নতির সাথে সাথে একটি অত্যন্ত কৌতূহলী প্রশ্ন দেখা দিচ্ছে:
কৃত্রিম বুদ্ধিমত্তা কি সত্যিই সঙ্গীত শুনতে সক্ষম?
শুধু বিশ্লেষণ করা নয়। কেবল হিসাব কষা নয়। স্রেফ তৈরি করাও নয়। বরং তা অনুভব করা।
সঙ্গীত সৃষ্টি থেকে উপলব্ধির দিকে
বর্তমানে মিউজিক্যাল এআই নিয়ে অধিকাংশ আলোচনাই সীমাবদ্ধ রয়েছে অ্যালগরিদমগুলো কত নিখুঁতভাবে নতুন সৃষ্টি তৈরি করতে পারে তার ওপর।
তবে ২০২৬ সালে গবেষকদের মনোযোগ ক্রমেই ভিন্ন এক দিকে সরে যাচ্ছে।
সঙ্গীত কেবল সৃষ্টির বিষয় নয়। এটি উপলব্ধিরও বিষয়। মানুষ কেবল একগুচ্ছ শব্দ শোনে না।
আমরা উপলব্ধি করি:
- চরম মুহূর্তের আগের উত্তেজনা,
- পরিবেশনার আবেগঘন বহিঃপ্রকাশ,
- শিল্পীর শ্বাস-প্রশ্বাসের অনুভূতি,
- সুরের মধ্যবর্তী নিস্তব্ধতা,
- আবহসঙ্গীতের অন্তর্নিহিত গতি।
সঙ্গীত কেবল শব্দের মাঝে সীমাবদ্ধ নয়। এটি অনুভূতির মাঝেও বিরাজমান। আর ঠিক এ কারণেই বিজ্ঞানীরা প্রশ্ন করতে শুরু করেছেন: একটি অ্যালগরিদম কি মানুষের মতো করেই সঙ্গীত উপলব্ধি করতে পারে?
পিচবেঞ্চ (PitchBench) কী দেখিয়েছে
২০২৬ সালের মে মাসে গবেষকরা PitchBench উন্মোচন করেন — যা আধুনিক এআই মডেলগুলোর সঙ্গীত উপলব্ধির অন্যতম প্রথম বড় ধরনের পরীক্ষা।
কাজটা সহজই মনে হয়েছিল: কৃত্রিম বুদ্ধিমত্তা সুরের উচ্চতা বা পিচ, ব্যবধান, টোনাল পরিবর্তন এবং সুরের গঠন কতটা নিখুঁতভাবে বুঝতে পারে তা যাচাই করা। ফলাফলগুলো ছিল অপ্রত্যাশিত।
সঙ্গীত তৈরির ক্ষেত্রে চমকপ্রদ সাফল্য সত্ত্বেও, অনেক আধুনিক মডেল সুরের সূক্ষ্ম পার্থক্যগুলো শনাক্ত করতে গিয়ে বড় ধরনের সমস্যার সম্মুখীন হয়েছে।
অন্য কথায়: এআই এখন মানুষের চেয়েও দ্রুত সঙ্গীত তৈরি করতে পারে।
তবে একজন সঙ্গীতশিল্পীর মতো করে তা উপলব্ধি করার ক্ষমতা এখনও সব ক্ষেত্রে অর্জিত হয়নি।
মিউজিক্যাল ইন্টেলিজেন্সের প্যারাডক্স
একটি আশ্চর্যজনক পরিস্থিতি তৈরি হয়েছে। অ্যালগরিদম গান লিখতে সক্ষম।
কিন্তু কেন একটি সুর শুনলে গায়ের রোম খাড়া হয়ে যায় আর অন্যটি কেন শ্রোতাকে স্পর্শ করে না, তা সবসময় বোঝার ক্ষমতা এদের নেই।
এটি সৃষ্টির কাঠামো পুনর্নির্মাণ করতে পারে। কিন্তু সঙ্গীত অনুভবের বিষয়টি এখনও অমীমাংসিত।
এখানেই আধুনিক বিজ্ঞানের অন্যতম কৌতূহলী এক সীমানা নির্ধারিত হয়েছে।
এই সীমানাটি হলো:
- হিসাব,
- উপলব্ধি,
- এবং অভিজ্ঞতার মধ্যে।
উপস্থিতির অবস্থা হিসেবে সঙ্গীত
সাম্প্রতিক বছরগুলোর গবেষণা দেখাচ্ছে: মানুষ কেবল কারিগরি প্যারামিটারের ভিত্তিতে সঙ্গীত বিচার করে না।
এখানে অত্যন্ত গুরুত্বপূর্ণ হলো:
- প্রেক্ষাপট,
- প্রত্যাশা,
- আবেগীয় সম্পৃক্ততা,
- এবং জীবন্ত উপস্থিতির অনুভূতি।
আমরা কেবল সুরের নোটগুলো শুনি না। আমরা এর পেছনের উদ্দেশ্য বুঝতে পারি। আমরা একটি গল্পের আমেজ পাই।
আমরা কোনো সৃষ্টির অন্তর্নিহিত কম্পন অনুভব করি।
আর ঠিক এই কারণেই সঙ্গীত কৃত্রিম বুদ্ধিমত্তার কাছে অন্যতম বড় চ্যালেঞ্জ হয়ে দাঁড়িয়েছে।
কারণ সঙ্গীত কেবল তথ্য নয়। এটি একটি গভীর অনুভূতি।
সঙ্গীত গবেষণার এক নতুন যুগ
বর্তমানে গবেষকরা "এআই কি সঙ্গীত তৈরি করতে পারে?" — এই প্রশ্ন থেকে দূরে সরে আসছেন।
এবং তারা প্রশ্ন করতে শুরু করেছেন: "এআই কি সঙ্গীত বুঝতে পারে?"
এটি বৈজ্ঞানিক গবেষণার স্বরূপ বদলে দিচ্ছে। এখন মনোযোগের কেন্দ্রবিন্দুতে রয়েছে:
- সঙ্গীতের সাবলীলতা,
- আবেগীয় বহিঃপ্রকাশ,
- উপলব্ধি,
- নান্দনিক সাড়া,
- এবং সৃজনশীল অভিজ্ঞতার প্রকৃতি।
প্রকৃতপক্ষে, বিজ্ঞান এমন এক প্রশ্নের মুখোমুখি হচ্ছে যা কিছুদিন আগেও স্রেফ দার্শনিক বিষয় বলে মনে করা হতো: সঙ্গীতের অনুভূতি কি পরিমাপ করা সম্ভব?
অ্যালগরিদম এবং অনুপ্রেরণার মাঝে
আধুনিক কৃত্রিম বুদ্ধিমত্তা সঙ্গীতের বিপুল পরিমাণ তথ্য বিশ্লেষণ করতে সক্ষম। এটি এমন সব প্যাটার্ন বা ধারা খুঁজে পায় যা একজন মানুষের পক্ষে লক্ষ্য করা বেশ কঠিন।
কিন্তু সঙ্গীত স্রেফ কিছু গাণিতিক ধারার সমষ্টির চেয়েও বড় কিছু।
প্রতিটি সৃষ্টিতে এমন এক রহস্যময় বিষয় থাকে যা ধরা ছোঁয়ার বাইরে। যা কেবল ফ্রিকোয়েন্সি, নোট বা সূত্রের মাধ্যমে ব্যাখ্যা করা অসম্ভব। যা শব্দ আর শ্রোতার মিলনের মুহূর্তে জন্ম নেয়।
আর ঠিক এখানেই এআই-এর সঙ্গীত উপলব্ধির প্রশ্নটি স্বয়ং চেতনার প্রকৃতি নিয়ে এক গুরুত্বপূর্ণ প্রশ্ন হয়ে দাঁড়ায়।
এই ঘটনাটি পৃথিবীর শব্দতরঙ্গে নতুন কী যোগ করল?
সম্ভবত নতুন যুগের সবচেয়ে গুরুত্বপূর্ণ আবিষ্কারটি এটি নয় যে যন্ত্র সঙ্গীত তৈরি করতে শিখেছে।
বরং এটি যে, মানবজাতি এখন আরও নিবিড়ভাবে খেয়াল করতে শুরু করেছে যে 'শোনা' বলতে আসলে কী বোঝায়।
এআই-এর সঙ্গীত উপলব্ধি নিয়ে এই গবেষণা আমাদের মনে করিয়ে দেয়:
সঙ্গীত কেবল শব্দ নয়:
- এটি একটি মনোযোগ।
- এটি একটি উপস্থিতি।
- এটি অনুভব করার ক্ষমতা।
- এটি সাড়া দেওয়ার ক্ষমতা।
আর অ্যালগরিদমগুলো যত উন্নত হচ্ছে, একজন মানুষকে মানুষ হিসেবে গড়ে তোলার বিষয়গুলোর গুরুত্ব তত স্পষ্ট হয়ে উঠছে।
গবেষণার এই নতুন জোয়ার পৃথিবীর শব্দতরঙ্গে কেবল নতুন প্রযুক্তিই যোগ করেনি।
এটি একটি নতুন প্রশ্নও যোগ করেছে।
যদি কৃত্রিম বুদ্ধিমত্তা সঙ্গীত তৈরি করতে সক্ষম হয় — তবে সঙ্গীত যখন আমাদের হৃদয় স্পর্শ করে, তখন আমাদের ভেতরে ঠিক কী ঘটে?
возможно, এই প্রশ্নের উত্তর আমাদের যন্ত্রের চেয়েও বেশি কিছু জানাবে।
তা জানাবে আমাদের নিজেদের সম্পর্কে। কারণ সঙ্গীত সম্ভবত সেখানে শুরু হয় না যেখানে শব্দ তৈরি হয়।
বরং সেখানে শুরু হয় যেখানে অন্তরের সাড়া মেলে।
