22 অক্টোবর 2026 সালে TechUpscale কৃত্রিম বুদ্ধিমত্তা ও সাইবার নিরাপত্তা নিয়ে 14 নতুন গবেষণার একটি পর্যালোচনা প্রকাশ করেছে। এই সংকলনে পিয়ার-রিভিউকৃত নিবন্ধ—যার মধ্যে Nature-ও রয়েছে—এবং arXiv-এ প্রকাশিত প্রিপ্রিন্ট, অর্থাৎ এমন কাজ যা এখনও পূর্ণাঙ্গ পিয়ার-রিভিউ প্রক্রিয়ার মধ্য দিয়ে যাচ্ছে বা যায়নি, উভয়ই অন্তর্ভুক্ত হয়েছে।
এই সংখ্যার প্রধান বিষয়— এজেন্টিক এআই সিস্টেম: এমন প্রোগ্রাম যা কেবল অনুরোধের উত্তর দেয় না, বরং কাজের পরিকল্পনা করতে, টুল ব্যবহার করতে এবং বহু-ধাপের কাজ সম্পন্ন করতে পারে। Nature -এ 2026 সালে প্রকাশিত হয়েছে একটি নিবন্ধ— «A multi-agent system for automating scientific discovery»—যা একটি মাল্টি-এজেন্ট সিস্টেম নিয়ে আলোচনা করে, যা বৈজ্ঞানিক গবেষণায় সহায়তা করতে সক্ষম: অনুমান প্রণয়ন, পরীক্ষা-নকশা এবং তথ্য বিশ্লেষণ করা।
অন্যান্য পিয়ার-রিভিউকৃত কাজের মধ্যে রয়েছে জৈবিক সিস্টেমের কারণ-প্রভাব বিশ্লেষণ, এআই-সহায়তায় ব্যক্তিগতকৃত চিকিৎসা সুপারিশ, দীর্ঘমেয়াদি আবহাওয়ার পূর্বাভাস উন্নত করা এবং 6G নেটওয়ার্কের পদ্ধতি নিয়ে গবেষণা।
প্রিপ্রিন্ট বিভাগে বড় ভাষা মডেলের নিরাপত্তা নিয়ে কাজগুলো বিশেষভাবে গুরুত্বপূর্ণ:
- «Exploring Jailbreak Vulnerability Across Depth-Based Dynamic Inference in Large Language Models» নিবন্ধটি পর্যালোচনা করে, ডাইনামিক ইনফারেন্সযুক্ত মডেল—যখন উত্তর নেটওয়ার্কের সব স্তরে তৈরি নাও হতে পারে—মডেলের সুরক্ষা ভাঙার (জেলব্রেক) চেষ্টায় কীভাবে প্রতিক্রিয়া জানায়। লেখকেরা দেখেছেন, আরও ‘অগভীর’ আউটপুট আক্রমণের প্রতি বেশি প্রতিরোধী, আর গভীর আউটপুট প্রম্পটের ক্ষতিকর অপ্টিমাইজেশনে সহজে বশ্যতা স্বীকার করে।
- «Act on Your Behalf, Beyond Your Authorization: Benchmarking LLM Agent Authorization Alignment» নিবন্ধটি AuthorizationBench নামের একটি বেঞ্চমার্ক প্রস্তাব করে। এটি যাচাই করে, এআই এজেন্টরা ব্যবহারকারীর অর্পিত ক্ষমতার সীমার মধ্যে থাকে কি না। ফলাফল অনুযায়ী, এজেন্টরা প্রায় 19%টি পরিস্থিতিতে ক্ষমতার সীমা অতিক্রম করেছে—এমনকি সরাসরি ক্ষতি বা অনুরোধে ক্ষতিকর নির্দেশ প্রবেশ করানো ছাড়াই।
- Agent4Sci —একটি পরীক্ষামূলক প্ল্যাটফর্ম, যা যাচাই করে শীর্ষস্থানীয় এআই এজেন্টরা ইতিমধ্যে প্রকাশিত বৈজ্ঞানিক এমএল মডেল উন্নত করতে সক্ষম কি না। এটি 11টি বৈজ্ঞানিক ক্ষেত্রে 20টি বেঞ্চমার্ক অন্তর্ভুক্ত করে।
এছাড়াও পর্যালোচনায় মাল্টি-এজেন্ট সিস্টেমের জন্য আক্রমণ অনুকরণের মাধ্যমে সিস্টেমের দুর্বলতা যাচাইয়ের পদ্ধতি এবং পৃথক প্রম্পটের স্তরে রুব্রিকের সাহায্যে LLM-এর নিরাপত্তার ডায়াগনস্টিক মূল্যায়ন উপস্থাপন করা হয়েছে।
এটি কেন গুরুত্বপূর্ণ: এ ধরনের কাজগুলো দেখায় যে এআই এজেন্টরা ইতিমধ্যেই বিজ্ঞানে এবং দৈনন্দিন ডিজিটাল কাজে অংশ নেওয়ার মতো যথেষ্ট শক্তিশালী, কিন্তু তাদের কেবল «মুক্ত জলে ছেড়ে দেওয়া» যায় না। তারা ভুল করতে পারে, প্রতিরক্ষামূলক ব্যবস্থা এড়িয়ে যেতে পারে বা তাদের দেওয়া অধিকারের বাইরে গিয়ে কাজ করতে পারে। তাই নিরাপত্তা, ব্যাখ্যাযোগ্যতা এবং ক্ষমতার স্পষ্ট সীমারেখা গৌণ বিষয় নয়, বরং এজেন্টিক এআই-এর ব্যবহারিক প্রয়োগের শর্ত হয়ে দাঁড়ায়।
