LLM এর জগৎ, এক বসায়

শুরুর আগে একটা গল্প

ধরো তোমার এলাকায় একটা বিশাল লাইব্রেরি আছে। লাইব্রেরিয়ান ভদ্রলোক জীবনে প্রায় সব বই একবার করে পড়েছেন। তুমি যা-ই জিজ্ঞেস করো, তিনি সঙ্গে সঙ্গে গুছিয়ে উত্তর দেন। কিন্তু তিনটা সমস্যা আছে:

1. তিনি সব বই মুখস্থ রাখেননি, পড়ে একটা ধারণা মাথায় রেখেছেন। তাই মাঝে মাঝে আত্মবিশ্বাসের সাথে ভুল তারিখ বা ভুল নাম বলে ফেলেন।
2. তিনি যেদিন শেষবার বই পড়েছেন, তার পরের খবর জানেন না।
3. একসাথে খুব বেশি কাগজ ধরিয়ে দিলে শুরুর দিকের কথা গুলিয়ে ফেলেন।

LLM (Large Language Model) ঠিক এই লাইব্রেরিয়ান। এই লেখায় আমরা দেখবো তিনি ভেতরে কীভাবে কাজ করেন, কোথায় তাঁর ওপর ভরসা করা যায় আর কোথায় যায় না, আর কোন কোন হাতিয়ার দিলে তিনি দশগুণ কাজের হয়ে ওঠেন।

মানচিত্র: কারা কারা আছে

১. LLM এর জগৎ: ChatGPT একা না

অনেকের কাছে AI মানেই ChatGPT। কিন্তু এখন বেশ কয়েকটা শক্তিশালী model পাশাপাশি আছে, আর প্রত্যেকের নিজের জোরের জায়গা আছে:

Model	কোম্পানি	সাধারণত কোথায় ভালো
ChatGPT	OpenAI	সব ধরনের কাজ, voice, ছবি বানানো, বড় ecosystem
Claude	Anthropic	লম্বা লেখা, code, বড় document বোঝা, Artifacts
Gemini	Google	Google এর service এর সাথে মিল, long context, video বোঝা
Grok	xAI	X (Twitter) এর তাজা খবর আর আলোচনা

এগুলো একে অপরের বদলি না, বরং আলাদা আলাদা যন্ত্রের মতো। হাতুড়ি দিয়ে স্ক্রু খোলা যায় না।

ভেতরে কীভাবে চলে

২. Tokenization: model শব্দ পড়ে না, টুকরো পড়ে

তুমি যখন লেখো "Learning how to learn", model সেটা অক্ষর বা পুরো শব্দ হিসেবে দেখে না। সে লেখাটাকে ছোট ছোট টুকরো করে, যার নাম token। প্রতিটা token এর একটা নম্বর আছে, আর model আসলে এই নম্বরগুলো নিয়েই কাজ করে।

Play

এটা জানা কেন কাজের:

• দাম আর limit token এ মাপা হয়। API এর বিল, "message too long" error, সবই token গুনে।
• বাংলা লেখা বেশি token খায়। English এ সাধারণত একটা শব্দ এক থেকে দুইটা token। বাংলায় একই কথা লিখতে প্রায়ই কয়েকগুণ বেশি token লাগে। তাই বাংলায় লম্বা কাজ দ্রুত limit এ পৌঁছায়।
• অক্ষর গোনায় model দুর্বল। "strawberry তে কয়টা r?" এর মতো প্রশ্নে ভুল হয়, কারণ model অক্ষর দেখেই না, টুকরো দেখে।

৩. Context window: model এর কাজের টেবিল

Context window হলো model এর working memory। একটা কথোপকথনে তুমি যা লিখেছো, model যা উত্তর দিয়েছে, যে file দিয়েছো, সব মিলিয়ে একটা নির্দিষ্ট পরিমাণ token পর্যন্ত model একসাথে "চোখের সামনে" রাখতে পারে। এর বাইরে গেলে পুরোনো অংশ বাদ পড়ে বা ঝাপসা হয়ে যায়।

Play

ভাবো একটা পড়ার টেবিল। টেবিল যত বড়ই হোক, আজেবাজে কাগজে ভরে ফেললে দরকারি কাগজটা খুঁজে পাওয়া কঠিন। তাই:

• যা দরকার শুধু সেটুকু দাও। পুরো ২০০ পাতার log না দিয়ে error এর আশেপাশের অংশটুকু দাও।
• বিষয় বদলালে নতুন chat খোলো। এক chat এ রান্নার রেসিপি থেকে Kubernetes এ গেলে আগের সব কথা টেবিলে জায়গা নিয়ে বসে থাকে।
• long chat এ মাঝে মাঝে সারাংশ চাও, তারপর সেই সারাংশ দিয়ে নতুন chat শুরু করো।

৪. Model এর সীমাবদ্ধতা: একটা "lossy zip file"

LLM বানানো হয় internet এর বিশাল পরিমাণ লেখা পড়িয়ে। কিন্তু model সেই লেখাগুলো হুবহু জমা রাখে না। সে পুরো internet কে চেপে ছোট একটা "zip file" এ ভরে, এবং সেই চাপাচাপিতে কিছু তথ্য হারিয়ে যায়। JPEG ছবি যেমন বেশি compress করলে ঝাপসা হয়ে যায়, তেমন।

Play

এর ফলে:

• Hallucination: যা জানে না, সেটাও আত্মবিশ্বাসের সাথে বানিয়ে বলতে পারে। নেই এমন বই, ভুল citation, অস্তিত্বহীন library function।
• Knowledge cutoff: training এর পরের ঘটনা model জানে না, যদি না সে search করে (৮ নম্বর দেখো)।
• জনপ্রিয় জিনিসে ভালো, বিরল জিনিসে দুর্বল। যে বিষয় নিয়ে internet এ হাজার লেখা আছে, সেটা ভালো মনে রাখে। ছোট একটা local বিষয় প্রায়ই ভুল বলে।

৫. সবচেয়ে জরুরি সতর্কতা: check করো

উপরের সব কিছুর সারকথা একটাই: AI এর উত্তর সবসময় ১০০% ঠিক না, তাই check করতেই হবে।

কীভাবে check করবে:

1. Source চাও, তারপর link খুলে নিজে দেখো। Link টা আসল কিনা, আর সেখানে আসলেই ওই কথা লেখা কিনা।
2. Code চালিয়ে দেখো। Test লেখো। "দেখতে ঠিক লাগছে" যথেষ্ট না।
3. অন্য model কে জিজ্ঞেস করো। দুইটা model একই ভুল করার সম্ভাবনা কম (পরের অংশে council দেখো)।
4. সংখ্যা আর তারিখ আলাদা করে মিলাও। Model এর ভুল সবচেয়ে বেশি এখানেই হয়।

ঠিক কাজে ঠিক model

৬. Model selection আর "council"

সব কাজে সবচেয়ে বড় model লাগে না। একটা ছোট email এর জন্য দ্রুত, সস্তা model যথেষ্ট। জটিল architecture নিয়ে ভাবতে বড় model লাগে। একটা মোটামুটি নিয়ম:

কাজ	কী বেছে নেবে
দ্রুত প্রশ্ন, ছোট লেখা, অনুবাদ	দ্রুত, ছোট model
long document বোঝা, লেখা গোছানো	বড় context এর model
কঠিন অংক, debugging, পরিকল্পনা	Thinking model (৭ নম্বর)
তাজা খবর	Search চালু থাকা model (৮ নম্বর)

আর যখন উত্তরটা সত্যিই গুরুত্বপূর্ণ, তখন একটা council বানাও: একই প্রশ্ন দুই-তিনটা আলাদা model কে করো, উত্তরগুলো পাশাপাশি রাখো। যেখানে সবাই একমত, সেখানে ভরসা বেশি। যেখানে মতভেদ, সেখানে নিজে খুঁড়ে দেখো।

Play

৭. Thinking model: উত্তর দেওয়ার আগে ভাবে

সাধারণ model প্রশ্ন পড়েই উত্তর লেখা শুরু করে, অনেকটা মুখে মুখে অংক করার মতো। Thinking model (reasoning model) আগে একটা খসড়া খাতায় ধাপে ধাপে ভাবে, নিজের ভুল ধরে, অন্য পথ চেষ্টা করে, তারপর উত্তর দেয়।

এগুলো বানানো হয় reinforcement learning দিয়ে: model কে হাজার হাজার অংক আর coding সমস্যা দেওয়া হয়, যেগুলোর ঠিক উত্তর check করা যায়। ঠিক হলে পুরস্কার, ভুল হলে না। এভাবে সে শেখে কীভাবে ভাবলে ঠিক উত্তরে পৌঁছানো যায়।

• কখন নেবে: কঠিন অংক, জটিল bug, algorithm, অনেক ধাপের পরিকল্পনা।
• কখন নেবে না: সাধারণ প্রশ্ন বা ছোট লেখা। Thinking model ধীর আর দামি। "আজ কী রান্না করবো" জিজ্ঞেস করতে তাকে ৩০ সেকেন্ড ভাবানোর মানে নেই।

Model এর হাতিয়ার

LLM একা শুধু তার মাথার ভেতরের জ্ঞান দিয়ে কাজ করে। কিন্তু তাকে tool দিলে সে বাইরের জগতে হাত বাড়াতে পারে। এই অংশের সবকিছু আসলে একই idea: model নিজে না পারলে একটা হাতিয়ার ব্যবহার করে।

৮. Internet search

Model এর জ্ঞান training এর দিন পর্যন্ত। আজকের খবর, নতুন library এর version, গতকালের দাম, এসব সে জানে না। Search চালু থাকলে model আগে internet এ খোঁজে, তারপর সেই তাজা তথ্য পড়ে উত্তর দেয়, সাথে source এর link দেয়।

৯. Deep Research

সাধারণ search একবার খোঁজে, কয়েকটা পাতা পড়ে, উত্তর দেয়। Deep Research একজন গবেষকের মতো কাজ করে: প্রশ্নটা ছোট ছোট ভাগে ভাঙে, অনেকগুলো search চালায়, কয়েক ডজন source পড়ে, তারপর একটা পূর্ণ report লেখে, যেখানে প্রতিটা দাবির পাশে source থাকে। এতে কয়েক মিনিট লাগে।

কাজে লাগে: নতুন কোনো technology তুলনা করা, একটা market বা বিষয়ের পুরো ছবি পাওয়া, thesis বা proposal এর আগে পড়াশোনা। তবে report যত সুন্দরই হোক, গুরুত্বপূর্ণ দাবিগুলোর source নিজে খুলে দেখো।

১০. File upload: নিজের document নিয়ে কথা বলো

PDF, Word file, slide, code, এমনকি হাতে লেখা নোটের ছবি upload করে সরাসরি প্রশ্ন করা যায়: "এই ৪০ পাতার research paper এর মূল কথা তিনটা লাইনে বলো", "এই contract এ আমার জন্য ঝুঁকির জায়গা কোথায়?", "এই syllabus থেকে ৩০ দিনের পড়ার plan বানাও"।

এতে model তার "ঝাপসা স্মৃতি" থেকে না, তোমার দেওয়া লেখা থেকে উত্তর দেয়, তাই ভুল অনেক কমে। তবে পুরো file context window এ জায়গা নেয়, তাই অনেক বড় file হলে দরকারি অংশটুকু দাও।

১১. Python interpreter: অংক মুখে না, হিসাব করে

মনে আছে, model শব্দ না, token দেখে? এই কারণে বড় গুণ-ভাগ, তারিখের হিসাব বা data নিয়ে কাজ মুখে মুখে করলে ভুল হয়। তাই ভালো model গুলো এসব ক্ষেত্রে নিজেই একটা ছোট Python program লেখে, চালায়, আর ফলাফল দেখে উত্তর দেয়।

Play

তুমি চাইলে বলেও দিতে পারো: "এটা code চালিয়ে হিসাব করো"। হিসাবের উত্তর তখন অনেক বেশি reliable।

১২. Data analysis আর chart

Python চালাতে পারলে পরের ধাপ সহজ: একটা Excel বা CSV file upload করো, আর বলো "মাস অনুযায়ী বিক্রির একটা chart বানাও", "কোন product এর বিক্রি সবচেয়ে বেশি কমেছে?", "এই data তে অস্বাভাবিক কিছু আছে?"। Model data পড়ে, code লিখে analyze করে, আর chart বানিয়ে দেখায়।

তৈরির আর শেখার হাতিয়ার

১৩. Claude Artifacts

Claude এ কিছু বানাতে বললে (একটা web page, একটা ছোট game, একটা diagram, একটা calculator), সেটা chat এর পাশে একটা আলাদা panel এ সঙ্গে সঙ্গে চলতে থাকে। এর নাম Artifact। তুমি দেখো, click করে চালাও, তারপর বলো "button টা বড় করো", "dark mode দাও", আর সাথে সাথে বদলে যায়।

UI এর idea check করা, শেখার জন্য interactive জিনিস বানানো, বা একটা ধারণা ছবি দিয়ে বোঝানোর জন্য এটা অসাধারণ।

১৪. Cursor

Cursor হলো AI বসানো একটা code editor (VS Code এর মতো দেখতে)। শুধু autocomplete না, সে তোমার পুরো project পড়তে পারে। "এই function টা কোথায় কোথায় ব্যবহার হচ্ছে?", "login এ rate limit যোগ করো", এমন কাজ একাধিক file জুড়ে করে দিতে পারে।

১৫. Advanced Voice Mode

পুরোনো voice feature কথাকে আগে লেখায় বদলাতো, তারপর উত্তর লিখে আবার কণ্ঠে পড়ে শোনাতো। Advanced voice সরাসরি audio বোঝে আর audio তে উত্তর দেয়। তাই কথা মাঝপথে থামিয়ে দেওয়া যায়, সুর আর আবেগ বোঝে, আর কথোপকথন অনেক স্বাভাবিক লাগে।

কাজে লাগে: হাঁটতে হাঁটতে কোনো বিষয় বুঝে নেওয়া, interview এর প্র্যাকটিস, English বলার অনুশীলন।

১৬. NotebookLM

Google এর NotebookLM এ তুমি নিজের source (PDF, নোট, website, YouTube video) দাও, আর সে শুধু সেগুলোর ওপর ভিত্তি করে কাজ করে: summary, study guide, প্রশ্ন-উত্তর, আর সবচেয়ে মজার, দুইজন host এর কথোপকথনের মতো একটা podcast। পরীক্ষার আগে ক্লাস নোট দিয়ে podcast বানিয়ে বাসে বসে শোনা, এক কথায় দারুণ।

১৭. Multi-modality

এখনকার model শুধু লেখা না, ছবি, audio আর video ও বোঝে। ভাঙা circuit এর ছবি তুলে জিজ্ঞেস করো কোথায় সমস্যা। Whiteboard এর ছবি দিয়ে বলো code এ লিখে দাও। একটা chart এর screenshot দিয়ে বলো এর মানে কী। হাতে আঁকা UI sketch থেকে আসল web page বানাও।

১৮. Video generation

Sora (OpenAI) আর Veo (Google) এর মতো model লেখা থেকে video বানায়: "বৃষ্টির রাতে ঢাকার রিকশা, ক্যামেরা ধীরে সামনে যাচ্ছে"। Ad, explainer, social media বা শেখানোর জন্য ছোট clip বানাতে এগুলো অবিশ্বাস্য।

নিজের মতো করে নাও

১৯. Custom instructions আর memory

প্রতিবার "আমি একজন Go backend developer, উত্তর ছোট দিও, code এ comment কম রেখো" লেখার দরকার নেই। Custom instructions এ একবার লিখে রাখো, প্রতিটা chat এ model সেটা মেনে চলবে। অনেক app এ memory ও আছে: model তোমার পছন্দ আর চলমান project এর কথা মনে রাখে।

ভালো custom instruction এ থাকে:

• তুমি কে, কী নিয়ে কাজ করো
• উত্তরের ধরন: ছোট না বিস্তারিত, ভাষা, tone
• যা চাও না: অদরকারি ভূমিকা, অতিরিক্ত emoji, ইত্যাদি

২০. Custom GPT আর agent

এক ধাপ এগিয়ে, একটা নির্দিষ্ট কাজের জন্য আলাদা একটা AI বানানো যায়: নিজের নির্দেশ, নিজের file আর নিজের tool সহ। যেমন:

• ভাষা শেখার সঙ্গী: প্রতিদিন ১০টা নতুন শব্দ দেয়, তোমার বাক্য ঠিক করে দেয়।
• অনুবাদক: তোমার কোম্পানির নিজস্ব শব্দভাণ্ডার মেনে English থেকে বাংলায় অনুবাদ করে।
• Code reviewer: তোমার team এর style guide মেনে PR দেখে।

ChatGPT তে এর নাম Custom GPT, Claude এ Projects, Gemini তে Gems। আর agent আরেকটু বড়: সে শুধু উত্তর দেয় না, নিজে থেকে ধাপে ধাপে কাজ করে, যেমন search করা, file লেখা, code চালানো, আর শেষে ফলাফল জানানো।

এক নজরে: কোন কাজে কী

তুমি চাও	ব্যবহার করো
দ্রুত একটা উত্তর বা লেখা	যেকোনো সাধারণ model
কঠিন অংক, bug, পরিকল্পনা	Thinking model
আজকের খবর, দাম, নতুন version	Search
পূর্ণ গবেষণা report	Deep Research
নিজের PDF বা document বোঝা	File upload, NotebookLM
নির্ভুল হিসাব, chart	Python / data analysis
UI বা ছোট tool বানানো	Claude Artifacts
পুরো project এ code লেখা	Cursor
গুরুত্বপূর্ণ সিদ্ধান্ত	একাধিক model এর council, তারপর নিজে check
বারবার একই ধরনের কাজ	Custom instructions, Custom GPT / agent