বিদেশি সংবাদমাধ্যম Phys.org-এর আজ (২৪ তারিখের) এক প্রতিবেদনে বলা হয়েছে, কার্ডিফ বিশ্ববিদ্যালয় ও মেলবোর্ন বিশ্ববিদ্যালয়ের এক নতুন গবেষণায় দেখা গেছে, জেনারেটিভ কৃত্রিম বুদ্ধিমত্তা (GenAI) বর্তমানে মানব শিক্ষকের মতো নির্ভরযোগ্যভাবে শিক্ষার্থীদের লিখিত অ্যাসাইনমেন্ট মূল্যায়ন করতে পারে না।
গবেষকেরা ChatGPT-এর দুটি সংস্করণ ব্যবহার করে জীববিজ্ঞান বিষয়ে স্নাতক পর্যায়ের শিক্ষার্থীদের ৫০টি প্রবন্ধের নম্বর দেন, যাতে শিক্ষার্থীদের অ্যাসাইনমেন্ট মূল্যায়নে বৃহৎ ভাষা মডেলের সক্ষমতা পরীক্ষা করা যায়। ChatGPT-কে ৭টি মানদণ্ড অনুযায়ী এসব প্রবন্ধ মূল্যায়ন করতে বলা হয়। গবেষকেরা ৪ ধরনের ভিন্ন প্রম্পটও ব্যবহার করেন। এরপর তাঁরা বৃহৎ ভাষা মডেলের মূল্যায়ন ও মানব মূল্যায়নের গড় নম্বর এবং নম্বরের ওঠানামা তুলনা করেন।
কার্ডিফ বিশ্ববিদ্যালয়ের স্কুল অব বায়োলজিক্যাল সায়েন্সেসের ড. উইলিয়াম কে বলেন, “গবেষণার ফলাফল দেখায়, মডেলগুলোর দেওয়া নম্বরে ব্যাপক ওঠানামা রয়েছে এবং সেগুলো মানব মূল্যায়নের সঠিক পূর্বাভাস দিতে পারে না। জেনারেটিভ AI ও মানুষ একই ব্যাচের প্রবন্ধ মূল্যায়ন করলে স্পষ্ট পার্থক্য দেখা যায়। শুধু প্রবন্ধের মোট নম্বর বিবেচনা করলে দুটির ফল তুলনামূলকভাবে কাছাকাছি থাকে; কিন্তু প্রতিটি মূল্যায়ন মানদণ্ড ও প্রতিটি প্রবন্ধের ক্ষেত্রে বৃহৎ ভাষা মডেল এবং মানব মূল্যায়নের মধ্যে পার্থক্য যথেষ্ট স্পষ্ট।”
একটি পরিস্থিতি ছাড়া, AI মডেলগুলোর দেওয়া গড় নম্বর সাধারণত মানব মূল্যায়নের চেয়ে বেশি ছিল। গড় নম্বরের ক্ষেত্রে AI মডেল ও মানব মূল্যায়নের সর্বোচ্চ পার্থক্য ১৬.১ নম্বরে পৌঁছায়; পৃথক প্রবন্ধের ক্ষেত্রে সর্বোচ্চ পার্থক্য ছিল ৪০ নম্বর।
উইলিয়াম কে আরও发现 করেন, AI সাধারণত বেশি নম্বর পাওয়া প্রবন্ধের নম্বর কমিয়ে দেয় এবং কম নম্বর পাওয়া অ্যাসাইনমেন্টের নম্বর বাড়িয়ে দেয়। ফলে নম্বরগুলো পদ্ধতিগতভাবে মাঝামাঝি পর্যায়ে কেন্দ্রীভূত হয়।
গবেষণার ফলাফল দেখায়, অন্তত বর্তমান পর্যায়ে, ব্যাপক প্রশিক্ষণ দেওয়ার পরও AI বিষয়ভিত্তিকতার মাত্রা বেশি এমন লিখিত অ্যাসাইনমেন্টে নির্ভরযোগ্যভাবে মানুষের সমতুল্য নম্বর দিতে পারে না। “আমরা যে বৃহৎ ভাষা মডেলগুলো পরীক্ষা করেছি, সেগুলো বর্তমানে শিক্ষককে প্রতিস্থাপন করে শিক্ষার্থীদের অ্যাসাইনমেন্টের ফলাফলের পূর্বাভাস দেওয়ার জন্য উপযুক্ত নয়।”
গবেষকেরা指出 করেন, উচ্চশিক্ষা ক্ষেত্রে বৃহৎ ভাষা মডেলগুলো তাদের প্যাটার্ন শনাক্তকরণের ক্ষমতা ব্যবহার করে শিক্ষার্থীদের অ্যাসাইনমেন্টের মূল্যায়ন আরও বস্তুনিষ্ঠ করতে পারবে কি না, পাশাপাশি মূল্যায়নের দক্ষতা বাড়িয়ে শিক্ষক ও কর্মীদের ওপর চাপ কমাতে পারবে কি না, সে বিষয়ে সত্যিই ব্যাপক আগ্রহ রয়েছে। তবে এই গবেষণা দেখায়, বর্তমানে তা করার উপযুক্ত সময় নয়।
এ ছাড়া, শিক্ষার্থীর স্পষ্ট সম্মতি ছাড়া তার অ্যাসাইনমেন্ট AI টুলে জমা দেওয়া নিজেই নৈতিক সমস্যার সঙ্গে যুক্ত। শিক্ষার্থীদের দীর্ঘ লিখিত অ্যাসাইনমেন্টের মূল্যায়নে বৃহৎ ভাষা মডেলের ওপর নির্ভর করা যায় না এবং করা উচিতও নয়। “বৃহৎ ভাষা মডেলগুলোর উন্নয়ন অব্যাহত থাকলে ভবিষ্যতে মানুষের বিচারক্ষমতা অনুকরণ করার সামর্থ্য বাড়তে পারে। তবে এই গবেষণা থেকে দেখা যায়, AI-এর দেওয়া নম্বরকে মানব মূল্যায়নের সঙ্গে সত্যিকারের সামঞ্জস্যপূর্ণ করা সম্ভবত সহজ হবে না।”