AI শব্দকোষ: সাদামাটা ভাষায় 55টি শব্দ

বেসিকস

এটা রেফারেন্স ভার্সন: 55টা শব্দ, প্রথমে সংজ্ঞা, পরে বিস্তারিত। আপনি যদি শুধু প্রথম সপ্তাহে গুরুত্বপূর্ণ শব্দগুলোর একটা নরম সফর চান, তাহলে বদলে AI শব্দগুচ্ছ ব্যাখ্যা করা হয়েছে পড়ুন আর এখানকার কোনো শব্দ আপনাকে পাঠালে ফিরে আসুন।

কৃত্রিম বুদ্ধিমত্তা (Artificial Intelligence)

কৃত্রিম বুদ্ধিমত্তা হলো এমন সফটওয়্যার যা সাধারণত মানুষের বিচারবুদ্ধি দাবি করে এমন কাজ করে, যেমন লেখা, যুক্তি করা, বা একটা ছবিতে কী আছে তা চেনা।

2026 সালের নিত্যদিনের ব্যবহারে, "AI" প্রায় সবসময় বৃহত্তর একাডেমিক ক্ষেত্রের বদলে লার্জ ল্যাঙ্গুয়েজ মডেলের ওপর তৈরি চ্যাট অ্যাসিস্ট্যান্টগুলোকে বোঝায়।

মেশিন লার্নিং (Machine Learning)

মেশিন লার্নিং হলো নিয়ম দিয়ে প্রোগ্রাম করার বদলে উদাহরণ দেখিয়ে সফটওয়্যারকে শেখানোর কৌশল।

প্রতিটা আধুনিক AI অ্যাসিস্ট্যান্ট এভাবে তৈরি: আচরণটা আসে প্রশিক্ষণ ডেটার প্যাটার্ন থেকে, যে কারণে একই মডেল সাধারণ কাজে দুর্দান্ত আর বিরল কাজে টলমলে হতে পারে।

মডেল (Model)

একটা মডেল হলো একটা নির্দিষ্ট প্রশিক্ষিত AI সিস্টেম, যে জিনিসটায় আপনি আসলে একটা প্রম্পট পাঠান।

GPT, Claude, আর Gemini হলো মডেল পরিবার; একটা পরিবারে বিভিন্ন আকার, গতি, আর দামের আলাদা আলাদা মডেল থাকে। প্রতিটা কাজের জন্য এদের মধ্যে বেছে নেওয়াই AI ভালোভাবে ব্যবহার করার মূল দক্ষতা।

LLM (লার্জ ল্যাঙ্গুয়েজ মডেল)

একটা LLM, বা লার্জ ল্যাঙ্গুয়েজ মডেল, হলো এমন একটা মডেল যা বিশাল পরিমাণ টেক্সটে প্রশিক্ষিত যাতে পরে কোন টেক্সট আসা উচিত তার পূর্বাভাস দেয়।

বড় পরিসরে করা সেই একটা কৌশলই উত্তর, খসড়া, কোড, আর সারসংক্ষেপ তৈরি করে। "লার্জ" শব্দটা প্রশিক্ষণ ডেটা আর প্যারামিটার সংখ্যা দুটোকেই বোঝায়।

চ্যাটবট (Chatbot)

একটা চ্যাটবট হলো একটা মডেলের চারপাশে জড়ানো কথোপকথনের ইন্টারফেস, মেসেজ বক্সসহ জিনিসটা।

পণ্য তুলনা করার সময় পার্থক্যটা গুরুত্বপূর্ণ: দুটো চ্যাটবট একই মডেল জড়িয়ে রাখতে পারে আর ভিন্ন মনে হতে পারে, আর একটা চ্যাটবট অনেকগুলো মডেল দিতে পারে, যেভাবে Whizi কাজ করে।

প্রম্পট (Prompt)

একটা প্রম্পট হলো আপনি মডেলকে যা কিছু পাঠান তার সবকিছু: প্রশ্ন, নির্দেশনা, আর আপনার অন্তর্ভুক্ত যেকোনো টেক্সট বা ফাইল।

উত্তরের গুণমান প্রম্পটের গুণমানকে ঘনিষ্ঠভাবে অনুসরণ করে। কনটেক্সট, সীমাবদ্ধতা, আর আপনি যে আউটপুট ফরম্যাট চান তা হলো তিনটা জিনিস যা নতুনরা প্রায়ই বাদ দেয়।

টোকেন (Token)

একটা টোকেন হলো টেক্সটের ছোট টুকরা যা একটা মডেল আসলে পড়ে আর লেখে, গড়ে মোটামুটি একটা ইংরেজি শব্দের তিন-চতুর্থাংশ।

প্রাইসিং, গতি, আর কনটেক্সট উইন্ডো সবই টোকেনে মাপা হয়, যে কারণে প্রতিটা AI প্রাইসিং পেজে শব্দটা দেখা যায়। একটা 1,000-শব্দের ডকুমেন্ট মোটামুটি 1,300 টোকেন।

কনটেক্সট উইন্ডো (Context Window)

একটা কনটেক্সট উইন্ডো হলো টেক্সটের সর্বোচ্চ পরিমাণ, টোকেনে মাপা, যা একটা মডেল একবারে বিবেচনা করতে পারে।

আপনার প্রম্পট, এখন পর্যন্ত কথোপকথন, সংযুক্ত ডকুমেন্ট, আর উত্তর সবাই এটা শেয়ার করে। কনটেক্সট উইন্ডো তুলনা টেবিল প্রতিটা বড় মডেলের বর্তমান সংখ্যা তালিকাভুক্ত করে, আর এক্সপ্লেইনার কভার করে কেন এটা বেশিরভাগ "AI ভুলে গেছে" অভিযোগ ব্যাখ্যা করে।

প্যারামিটার (Parameters)

প্যারামিটার হলো প্রশিক্ষণের সময় একটা মডেল যে অভ্যন্তরীণ সংখ্যাগুলো শিখেছে, আর এর আকারের সাধারণ মাপ।

বিলিয়নে গোনা হয়, বেশি প্যারামিটার মোটামুটিভাবে মানে বেশি সক্ষমতা আর বেশি খরচ। এটা একা একা একটা খারাপ কেনাকাটার মাপকাঠি; বেঞ্চমার্ক আর আপনার নিজের টেস্ট প্যারামিটার সংখ্যাকে হারায়।

রেসপন্স (Response)

একটা রেসপন্স হলো একটা প্রম্পটের জন্য মডেলের আউটপুট, যাকে কমপ্লিশনও বলা হয়।

রেসপন্স প্রতিবার নতুন করে তৈরি হয়, যে কারণে একই প্রম্পট রিজেনারেট করলে ভিন্ন শব্দচয়ন আর কখনো কখনো ভিন্ন উত্তর পাওয়া যায়।

একটা মডেলের সঙ্গে কথা বলা

সিস্টেম প্রম্পট (System Prompt)

একটা সিস্টেম প্রম্পট হলো আপনার মেসেজের আগে একটা মডেল যে স্থায়ী নির্দেশনা পায়, যা এর ভূমিকা, সুর, আর নিয়ম ঠিক করে।

প্রতিটা পণ্যের একটা আছে এমনকি যখন আপনি এটা দেখতে পান না। একটা চ্যাটবটের "একটা ব্যক্তিত্ব আছে" বললে, সিস্টেম প্রম্পটই সাধারণত সেখানে থাকে।

প্রম্পট ইঞ্জিনিয়ারিং (Prompt Engineering)

প্রম্পট ইঞ্জিনিয়ারিং হলো নির্ভরযোগ্যভাবে ভালো আউটপুট পেতে ইচ্ছাকৃতভাবে প্রম্পট লেখার অনুশীলন।

বড় নামটা সত্ত্বেও, এর বেশিরভাগই সাধারণ স্পষ্টতা: লক্ষ্য বলুন, কনটেক্সট দিন, একটা উদাহরণ দেখান, ফরম্যাটের নাম দিন। নতুনদের গাইড এমন কৌশল কভার করে যা আসলে ফলাফল বদলায়।

জিরো-শট (Zero-shot)

জিরো-শট মানে একটা মডেলকে কোনো উদাহরণ না দিয়ে একটা কাজ করতে বলা।

আধুনিক মডেলগুলো বেশিরভাগ নিত্যদিনের কাজ জিরো-শট সামলায়। শব্দটা বেশিরভাগই ফিউ-শট প্রম্পটিংয়ের সঙ্গে একটা বৈসাদৃশ্য হিসেবে টিকে থাকে।

ফিউ-শট (Few-shot)

ফিউ-শট মানে প্রম্পটে হাতে-গোনা কয়েকটা কাজ-করা উদাহরণ অন্তর্ভুক্ত করা যাতে মডেলটা প্যাটার্ন কপি করে।

ফরম্যাটিং-সংবেদনশীল কাজের জন্য এটা একমাত্র সবচেয়ে সস্তা নির্ভরযোগ্যতার আপগ্রেড: ইনপুট আর কাঙ্ক্ষিত আউটপুটের দুই বা তিনটা উদাহরণ একটা প্যারাগ্রাফ বর্ণনাকে হারায়।

চেইন অফ থট (Chain of Thought)

চেইন অফ থট হলো একটা মডেল চূড়ান্ত উত্তর দেওয়ার আগে মধ্যবর্তী ধাপগুলোর মধ্য দিয়ে কাজ করা।

একটা মডেলকে ধাপে ধাপে যুক্তি করতে বললে কঠিন সমস্যা পরিমাপযোগ্যভাবে উন্নত হয়, আর রিজনিং মডেলগুলো এখন ডিফল্টে অভ্যন্তরীণভাবে এর একটা ভার্সন করে।

টেম্পারেচার (Temperature)

টেম্পারেচার হলো এমন একটা সেটিং যা নিয়ন্ত্রণ করে প্রতিটা পরের টোকেন বেছে নেওয়ার সময় একটা মডেল কতটা এলোমেলোতা যোগ করে।

কম টেম্পারেচার সামঞ্জস্যপূর্ণ, রক্ষণশীল আউটপুট দেয়; বেশি টেম্পারেচার বৈচিত্র্য আর মাঝেমধ্যে অর্থহীনতা দেয়। চ্যাট পণ্যগুলো সাধারণত আপনার জন্য একটা মাঝামাঝি মান বেছে নেয়।

স্ট্রিমিং (Streaming)

স্ট্রিমিং হলো একটা মডেল শেষ হওয়ার পর একবারে পাঠানোর বদলে তৈরি করার সময় টোকেন বাই টোকেন উত্তর পাঠানো।

এই কারণেই উত্তরগুলো নিজে থেকে টাইপ হচ্ছে বলে মনে হয়, আর এই কারণেই একটা খারাপ উত্তর শেষ পর্যন্ত অপেক্ষা করার বদলে আগেই থামানো যায়।

রিজেনারেট (Regenerate)

রিজেনারেট মানে একই প্রম্পটের জন্য একটা নতুন রেসপন্স চাওয়া।

জেনারেশন সম্ভাব্যতাভিত্তিক বলে, একটা রিজেনারেট সত্যিকারের একটা নতুন ড্র, একই গণনার একটা রিট্রাই নয়। দুটো ড্র তুলনা করা, বা দুটো মডেলে একই প্রম্পট চালানো, একটা দ্রুত গুণমান চেক।

মডেল কীভাবে তৈরি হয়

ট্রেনিং (Training)

ট্রেনিং হলো একটা মডেলের প্যারামিটারকে ডেটার বিপরীতে সামঞ্জস্য করার প্রক্রিয়া যতক্ষণ না এর পূর্বাভাস ভালো হয়।

আপনি মডেলটার সঙ্গে দেখা করার আগেই এটা ঘটে আর প্রোভাইডারের বিশাল কম্পিউট খরচ করে। আপনি একটা চ্যাটে যা টাইপ করেন তা সঙ্গে সঙ্গে মডেলটাকে পুনরায় প্রশিক্ষণ দেয় না, যদিও প্রোভাইডাররা তাদের নীতি অনুযায়ী ভবিষ্যৎ ভার্সন প্রশিক্ষণ দিতে কথোপকথন ব্যবহার করতে পারে।

ট্রেনিং ডেটা (Training Data)

ট্রেনিং ডেটা হলো টেক্সট আর অন্যান্য উপাদান যা থেকে একটা মডেল শিখেছে।

এর ব্যাপ্তি ব্যাখ্যা করে একটা মডেল কী জানে, এর ফাঁকগুলো নিয়মতান্ত্রিক অন্ধ বিন্দু ব্যাখ্যা করে, আর এর তারিখের পরিসীমা নলেজ কাটঅফ ঠিক করে।

প্রি-ট্রেনিং (Pretraining)

প্রি-ট্রেনিং হলো ট্রেনিংয়ের প্রথম, সবচেয়ে বড় ধাপ, যেখানে একটা মডেল বাল্ক টেক্সট থেকে ভাষা আর জগতের জ্ঞান শেখে।

ফলাফল সক্ষম কিন্তু কাঁচা। একটা মডেলকে একটা সহায়ক অ্যাসিস্ট্যান্টের মতো আচরণ করায় এমন সবকিছু পরে আসে।

ফাইন-টিউনিং (Fine-tuning)

ফাইন-টিউনিং হলো একটা প্রি-ট্রেইনড মডেলকে বিশেষায়িত বা আকার দিতে একটা সংকীর্ণ ডেটাসেটে অতিরিক্ত ট্রেনিং।

প্রোভাইডাররা সহায়কতা আর নিরাপত্তার জন্য ফাইন-টিউন করে; কোম্পানিরা ডোমেইন কাজের জন্য ফাইন-টিউন করে। বেশিরভাগ ব্যবহারকারীর জন্য, ভালো প্রম্পটিং প্লাস একটা সক্ষম জেনারেল মডেল একটা ফাইন-টিউনের জন্য টাকা দেওয়াকে হারায়।

RLHF

RLHF, রিইনফোর্সমেন্ট লার্নিং ফ্রম হিউম্যান ফিডব্যাক, হলো একটা মডেলের উত্তরের মানুষের রেটিংয়ের বিপরীতে একে প্রশিক্ষণ দেওয়া।

আধুনিক অ্যাসিস্ট্যান্টগুলো কেন ভদ্র, সুগঠিত, আর সতর্ক তার একটা বড় অংশ এটা। বেশি করলে, এটা এমন দোদুল্যমানতাও তৈরি করে যা কিছু মডেলকে প্রত্যাখ্যান বা এলোমেলো করে দেয়।

অ্যালাইনমেন্ট (Alignment)

অ্যালাইনমেন্ট হলো একটা মডেলের আচরণকে মানুষের উদ্দেশ্য আর মূল্যবোধের সঙ্গে মেলানোর কাজ।

ব্যবহারিকভাবে এটা ক্ষতিকর অনুরোধ প্রত্যাখ্যান করা থেকে শুধু নির্ভুলভাবে নির্দেশনা অনুসরণ করা পর্যন্ত সবকিছু কভার করে। একটা মডেল যখন প্রযুক্তিগতভাবে চিত্তাকর্ষক কিন্তু অবাঞ্ছিত কিছু করে, সেটা একটা অ্যালাইনমেন্ট ফাঁক।

ইনফারেন্স (Inference)

ইনফারেন্স হলো একটা উত্তর তৈরি করতে একটা প্রশিক্ষিত মডেল চালানো, একে প্রশিক্ষণ দেওয়ার বিপরীতে।

আপনার পাঠানো প্রতিটা মেসেজ ইনফারেন্স ট্রিগার করে, আর ইনফারেন্স খরচই টোকেন প্রাইসিং মাপে। চালাতে সস্তা মডেলগুলো লক্ষণীয়ভাবে সক্ষম হতে পারে; AI মডেল কস্ট ইনডেক্স একটা 2,000x দামের ব্যবধান দেখায়।

ট্রান্সফরমার (Transformer)

ট্রান্সফরমার হলো মূলত প্রতিটা আধুনিক ল্যাঙ্গুয়েজ মডেলের পেছনের নিউরাল নেটওয়ার্ক আর্কিটেকচার।

এর মূল মেকানিজম, অ্যাটেনশন, মডেলটাকে ইনপুটের প্রতিটা অংশকে অন্য প্রতিটা অংশের বিপরীতে ওজন করতে দেয়। আপনার কখনো বিস্তারিত দরকার নেই, কিন্তু AI লেখায় শব্দটা সবখানে থাকে।

যখন কিছু ভুল হয়

হ্যালুসিনেশন (Hallucination)

একটা হ্যালুসিনেশন হলো একটা মডেল সম্পূর্ণ আত্মবিশ্বাসের সঙ্গে মিথ্যা কিছু বলা।

এটা এমন একটা বাগ নয় যা পরের রিলিজে প্যাচ করা হবে; এটা জেনারেশন কীভাবে কাজ করে তা থেকে অনুসৃত। ফ্রিকোয়েন্সি মডেল আর কাজ অনুযায়ী অনেক বদলায়। যাচাই না করা পর্যন্ত যেকোনো নির্দিষ্ট তথ্য, সংখ্যা, বা উদ্ধৃতিকে অযাচাইকৃত হিসেবে দেখুন। AI কেন ভুল করে মেকানিক্স কভার করে।

গ্রাউন্ডিং (Grounding)

গ্রাউন্ডিং হলো একটা মডেলকে মেমোরির ওপর নির্ভর করতে দেওয়ার বদলে উত্তর দেওয়ার জন্য প্রামাণ্য উপাদান দেওয়া।

চুক্তি পেস্ট করা, রিপোর্ট সংযুক্ত করা, বা ওয়েব সার্চ চালু করা সবই গ্রাউন্ডিং। এটা হ্যালুসিনেশনের বিরুদ্ধে সবচেয়ে কার্যকর নিত্যদিনের প্রতিরক্ষা।

বায়াস (Bias)

বায়াস হলো একটা মডেল ট্রেনিং ডেটা থেকে উত্তরাধিকারসূত্রে পাওয়া উপায়ে নিয়মতান্ত্রিকভাবে এর আউটপুট বাঁকানো।

এটা মানুষ, জায়গা, আর ডিফল্ট নিয়ে অনুমান হিসেবে দেখা যায়। গুরুত্বপূর্ণ সিদ্ধান্তের জন্য, AI আউটপুট এমনভাবে পর্যালোচনা করুন যেভাবে আপনি একজন স্মার্ট কিন্তু যাচাই না-করা ইন্টার্নের কাজ পর্যালোচনা করবেন।

গার্ডরেল (Guardrails)

গার্ডরেল হলো একটা মডেলের চারপাশে একটা প্রোভাইডার যে সীমাবদ্ধতা তৈরি করে ক্ষতিকর বা নীতিবহির্ভূত আউটপুট আটকাতে।

বিভিন্ন প্রোভাইডার ভিন্নভাবে সীমারেখা টানে, যা একটা আসল পণ্যের পার্থক্য: একই অনুরোধের একটা মডেল উত্তর দিতে পারে আর আরেকটা প্রত্যাখ্যান করতে পারে।

জেইলব্রেক (Jailbreak)

একটা জেইলব্রেক হলো এমন একটা প্রম্পট যা একটা মডেলকে এর গার্ডরেল উপেক্ষা করাতে প্রতারণা করতে তৈরি।

প্রোভাইডাররা এগুলো ক্রমাগত প্যাচ করে। সাধারণ ব্যবহারকারীদের জন্য শব্দটা বেশিরভাগই একটা নিরাপত্তা ধারণা হিসেবে গুরুত্বপূর্ণ: একটা মডেলকে যা কিছু রাজি করানো যায়, কেউ না কেউ এটা রাজি করানোর চেষ্টা করবে।

রেড টিমিং (Red Teaming)

রেড টিমিং হলো ক্ষতিকর ব্যর্থতার ধরন খুঁজে পেতে রিলিজের আগে ইচ্ছাকৃতভাবে একটা মডেলে আক্রমণ করা।

প্রোভাইডাররা অভ্যন্তরীণ আর বাহ্যিক রেড টিম চালায়, আর প্রকাশিত মডেল কার্ড প্রায়ই তারা কী খুঁজে পেয়েছে তার সারসংক্ষেপ দেয়। এটা পেনিট্রেশন টেস্টিংয়ের AI সংস্করণ।

নলেজ কাটঅফ (Knowledge Cutoff)

একটা নলেজ কাটঅফ হলো যে তারিখের পরে একটা মডেলের ট্রেনিং ডেটা শেষ হয়।

এর চেয়ে বেশি সাম্প্রতিক কিছু নিয়ে জিজ্ঞাসা করুন আর মডেলটা হয় অজ্ঞতা স্বীকার করে, পারলে ওয়েব ব্রাউজ করে, বা হ্যালুসিনেট করে। আপনি যে মডেল ব্যবহার করছেন তার কাটঅফ জানা ভুলের একটা গোটা শ্রেণী প্রতিরোধ করে।

রিট্রিভাল আর আপনার ডেটা

RAG (রিট্রিভাল অগমেন্টেড জেনারেশন)

RAG, রিট্রিভাল অগমেন্টেড জেনারেশন, হলো প্রথমে প্রাসঙ্গিক ডকুমেন্ট খুঁজে বের করা আর মডেলটাকে সেগুলো থেকে উত্তর দেওয়ানো।

এভাবেই "আপনার নলেজ বেসের সঙ্গে চ্যাট করুন" পণ্যগুলো ভেতরে ভেতরে কাজ করে, আর কেন এগুলো উৎস উদ্ধৃত করতে পারে। RAG হ্যালুসিনেশন কমায় কিন্তু যা কিছু এটা রিট্রিভ করে তার গুণমান উত্তরাধিকারসূত্রে পায়।

এমবেডিং (Embedding)

একটা এমবেডিং হলো টেক্সটের একটা টুকরার অর্থ প্রতিনিধিত্ব করা সংখ্যার একটা তালিকা।

অনুরূপ অর্থের টেক্সট কাছাকাছি সংখ্যা পায়, যা সফটওয়্যারকে গাণিতিকভাবে সম্পর্কিত অংশ খুঁজে পেতে দেয়। এমবেডিং হলো সিমান্টিক সার্চ আর RAG-এর পেছনের যন্ত্রপাতি।

ভেক্টর ডেটাবেস (Vector Database)

একটা ভেক্টর ডেটাবেস হলো এমবেডিং সংরক্ষণ করতে আর দ্রুত সবচেয়ে কাছেরগুলো খুঁজে পেতে তৈরি একটা ডেটাবেস।

কোনো পণ্য যদি বলে এটা AI সার্চের জন্য আপনার ডকুমেন্ট "ইনডেক্স" করেছে, প্রতিটা চাংকের জন্য একটা এমবেডিং এগুলোর একটায় বসে আছে।

সিমান্টিক সার্চ (Semantic Search)

সিমান্টিক সার্চ হলো কীওয়ার্ড মেলানোর বদলে অর্থ দিয়ে টেক্সট খুঁজে পাওয়া।

"টাকার সমস্যা" সার্চ করলে ক্যাশ ফ্লো চাপ নিয়ে একটা অংশ সামনে আসতে পারে যদিও কোনো শব্দ মেলে না। এটা কাজে লাগানো এমবেডিং।

চাংকিং (Chunking)

চাংকিং হলো লম্বা ডকুমেন্টকে ভালোভাবে এমবেড আর রিট্রিভ করার জন্য যথেষ্ট ছোট টুকরায় ভাগ করা।

এটা শুনতে প্লাম্বিংয়ের মতো আর তাই বটে, কিন্তু খারাপ চাংকিং একটা সাধারণ কারণ যে কেন ডকুমেন্ট-চ্যাট টুল একটা ফাইলের ভুল অংশ থেকে উত্তর দেয়।

ওয়েব সার্চ (AI-তে)

AI-তে ওয়েব সার্চ মানে ট্রেনিং মেমোরির ওপর নির্ভর করার বদলে উত্তর দেওয়ার আগে মডেলটা বর্তমান পেজ খুঁজে আনা।

এটা তাজাত্বের জন্য গতির বিনিময় করে আর উত্তরকে এমন উদ্ধৃতি বহন করতে দেয় যা আপনি খুলতে পারেন। মডেলের নলেজ কাটঅফের পরের যেকোনো কিছুর জন্য, এটাই একটা উত্তর আর একটা অনুমানের মধ্যে পার্থক্য।

নলেজ বেস (Knowledge Base)

একটা নলেজ বেস হলো ডকুমেন্টের একটা কিউরেট করা সেট যা একটা কোম্পানি এর AI-কে উত্তর দেওয়ার জন্য দেয়।

গুণমান ভেতরে, গুণমান বাইরে: একটা পুরনো উইকির ওপর গ্রাউন্ড করা একটা অ্যাসিস্ট্যান্ট আত্মবিশ্বাসের সঙ্গে পুরনো উত্তর দেয়, উদ্ধৃতিসহ।

এই শব্দকোষের তিনটা শব্দ একই প্রশ্নের প্রতিদ্বন্দ্বী উত্তরের নাম দেয়, একটা মডেলকে আপনার কাজে কীভাবে ভালো করা যায়, আর এগুলো গুলিয়ে ফেলা পণ্য মিটিংয়ে সবচেয়ে সাধারণ জারগন ভুল। পাশাপাশি:

পদ্ধতি	কী বদলায়	খরচ আর গতি	কখন জেতে
ভালো প্রম্পটিং (জিরো-শট, ফিউ-শট)	শুধু আপনার পাঠানো টেক্সট	ফ্রি, মিনিট লাগে	প্রায় সবসময় প্রথম পদক্ষেপ; দুই বা তিনটা কাজ-করা উদাহরণ বেশিরভাগ ফরম্যাটিং সমস্যা ঠিক করে
RAG	মডেলটা উত্তর দেওয়ার আগে যা পড়ে	তৈরি করতে মাঝারি, কোনো পুনঃপ্রশিক্ষণ নেই	উত্তর যা বর্তমান থাকতে হবে বা আপনার নিজের ডকুমেন্ট উদ্ধৃত করতে হবে
ফাইন-টিউনিং	মডেলের নিজস্ব প্যারামিটার	ধীর আর ব্যয়বহুল, তারপর স্থির	বড় পরিসরে স্থিতিশীল স্টাইল আর ফরম্যাটের প্রয়োজনীয়তা, একজন ব্যক্তির জন্য প্রায় কখনো না

টেক্সটের বাইরে

মাল্টিমোডাল (Multimodal)

মাল্টিমোডাল মানে এমন একটা মডেল যা একের বেশি মাধ্যম জুড়ে কাজ করে, যেমন টেক্সট প্লাস ছবি, অডিও, বা ভিডিও।

এই কারণেই আপনি একটা এরর স্ক্রিনশট নিয়ে জিজ্ঞাসা করতে পারেন কী ভুল হয়েছে। মাল্টিমোডাল AI গাইড আজ আসলে কী কাজ করে তা কভার করে।

ভিশন মডেল (Vision Model)

একটা ভিশন মডেল হলো এমন একটা মডেল যা ছবি ব্যাখ্যা করতে পারে: ছবি, স্ক্রিনশট, চার্ট, আর ডকুমেন্ট।

পড়া তৈরি করার মতো একই জিনিস নয়; একটা মডেল আপনার ডায়াগ্রাম নিখুঁতভাবে বর্ণনা করতে পারে আর তবুও একটা আঁকতে অক্ষম হতে পারে।

ইমেজ জেনারেশন (Image Generation)

ইমেজ জেনারেশন হলো একটা টেক্সট বর্ণনা থেকে নতুন ছবি তৈরি করা।

গুণমান, স্টাইলের পরিসর, আর ছবির ভেতরে টেক্সট রেন্ডারিং জেনারেটরের মধ্যে তীব্রভাবে বদলায়, যে কারণে সিরিয়াস ব্যবহারকারীরা বেশ কয়েকটা তুলনা করেন। ইমেজ জেনারেটর রাউন্ডআপ এই ক্ষেত্রে হালনাগাদ থাকে।

ডিফিউশন মডেল (Diffusion Model)

একটা ডিফিউশন মডেল নয়েজ থেকে শুরু করে আর বর্ণনার দিকে এটাকে ধাপে ধাপে পরিমার্জন করে ছবি তৈরি করে।

এটা আধুনিক ইমেজ জেনারেটরের পেছনের প্রভাবশালী কৌশল। শব্দটা বেশিরভাগই গুরুত্বপূর্ণ যাতে একটা পণ্যের নামে "ডিফিউশন" আপনাকে বলে পণ্যটা কী করে।

স্পিচ টু টেক্সট (Speech to Text)

স্পিচ টু টেক্সট হলো কথ্য অডিওকে লিখিত শব্দে ট্রান্সক্রাইব করা।

আধুনিক ট্রান্সক্রিপশন মিটিং, ভয়েস নোট, আর ইন্টারভিউকে সার্চযোগ্য করার মতো যথেষ্ট নির্ভুল, আর এভাবেই চ্যাট অ্যাপে ভয়েস ইনপুট কাজ করে।

টেক্সট টু স্পিচ (Text to Speech)

টেক্সট টু স্পিচ হলো লিখিত শব্দ থেকে কথ্য অডিও তৈরি করা।

বর্তমান সিস্টেমগুলো প্রাকৃতিক, অভিব্যক্তিপূর্ণ কণ্ঠস্বর তৈরি করে, যা রিড-অ্যালাউড ফিচার আর AI ভয়েস কথোপকথনকে শক্তি দেয়।

ইকোসিস্টেম

API

একটা API হলো প্রোগ্রামেটিক দরজা যা ডেভেলপাররা তাদের নিজের সফটওয়্যার থেকে একটা মডেলে প্রম্পট পাঠাতে ব্যবহার করে।

API প্রাইসিং প্রতি টোকেন, যেখান থেকে প্রতিটা AI পণ্যের প্রতি-উত্তর অর্থনীতি শেষ পর্যন্ত আসে।

ওপেন ওয়েটস (Open Weights)

ওপেন ওয়েটস মানে একটা মডেলের প্রশিক্ষিত প্যারামিটার প্রকাশ করা হয়েছে যে কেউ ডাউনলোড আর চালাতে পারে।

এটা সেলফ-হোস্টিং সক্ষম করে আর অন্য প্রোভাইডারদের তাদের নিজস্ব ইনফ্রাস্ট্রাকচারে মডেলটা সার্ভ করতে দেয়। DeepSeek আর Llama বিখ্যাত উদাহরণ।

ওপেন-সোর্স মডেল (Open-source Model)

একটা ওপেন-সোর্স মডেল হলো, মোটামুটিভাবে, সর্বজনীন ব্যবহার আর পরিবর্তনের জন্য প্রকাশিত একটা মডেল, যদিও লাইসেন্স ব্যাপকভাবে বদলায়।

ব্যবহারিক প্রশ্ন সবসময় একই দুটো: আপনি কি এটা বাণিজ্যিকভাবে ব্যবহার করতে পারেন, আর কে আপনার জন্য এটা হোস্ট করছে। ওপেন ওয়েটস ইকোসিস্টেম সবচেয়ে বেশি গুরুত্বপূর্ণ যখন প্রাইভেসি বা খরচ হোস্ট করা ফ্ল্যাগশিপকে বাদ দেয়।

বেঞ্চমার্ক (Benchmark)

একটা বেঞ্চমার্ক হলো মডেল স্কোর করতে আর তুলনা করতে ব্যবহৃত একটা স্ট্যান্ডার্ড টেস্ট।

একটা প্রথম কাটার জন্য কাজে দেয়, মার্কেটিংয়ে নিয়মিতভাবে ওভারফিট। একটা বেঞ্চমার্কে শীর্ষে থাকা একটা মডেল তবুও আপনার আসল কাজে হারতে পারে, যে কারণে আপনার নিজের তিন-কাজের তুলনা চালানো চার্ট পড়াকে হারায়।

এজেন্ট (Agent)

একটা এজেন্ট হলো এমন একটা AI সিস্টেম যা শুধু একবার উত্তর দেওয়ার বদলে একটা লক্ষ্যের দিকে ধাপে ধাপে পদক্ষেপ নেয়।

বুকিং, রিসার্চ করা, কোডিং, আর টিকিট ফাইল করা এজেন্টের এলাকা। সক্ষমতাটা আসল আর দ্রুত উন্নত হচ্ছে; একটা এজেন্ট কী করেছে তা গুরুত্বপূর্ণ হওয়ার আগে পর্যালোচনা করার দরকারটাও তাই।

টুল ইউজ (Tool Use)

টুল ইউজ, বা ফাংশন কলিং, হলো একটা মডেল সার্চ, ক্যালকুলেটর, কোড, বা আপনার ক্যালেন্ডারের মতো বাহ্যিক সক্ষমতা কল করা।

চ্যাট অ্যাসিস্ট্যান্টগুলো শুধু বর্ণনা করার বদলে জগতে কীভাবে কাজ করে তা এটা, আর এজেন্টের নিচের মেকানিজম এটাই।

রিজনিং মডেল (Reasoning Model)

একটা রিজনিং মডেল হলো এমন একটা যা উত্তর দেওয়ার আগে অভ্যন্তরীণভাবে একটা সমস্যার মধ্য দিয়ে চিন্তা করতে অতিরিক্ত কম্পিউট খরচ করে।

বিনিময়টা হলো কঠিন সমস্যায় নির্ভুলতার জন্য সময় আর খরচ। সহজ প্রশ্নের জন্য অতিরিক্ত চিন্তা কিছুই কেনে না, যা প্রতিটা কাজের জন্য মডেল বদলানোর আরেকটা যুক্তি।

লেটেন্সি (Latency)

লেটেন্সি হলো একটা প্রম্পট পাঠানো আর উত্তর আসা বা স্ট্রিম শুরু হওয়ার মধ্যে আপনি কতক্ষণ অপেক্ষা করেন।

এটা মডেলের আকার, লোড, আর মডেলটা একটা রিজনিং মডেল কিনা তা অনুযায়ী বদলায়। ইন্টারঅ্যাক্টিভ কাজের জন্য, একটা দ্রুত যথেষ্ট-ভালো মডেল প্রায়ই একটা ধীর উজ্জ্বল মডেলকে হারায়।

রেট লিমিট (Rate Limit)

একটা রেট লিমিট হলো একটা প্রোভাইডার একটা সময় উইন্ডোতে আপনি কতগুলো রিকোয়েস্ট বা টোকেন ব্যবহার করতে পারেন তার ওপর যে ক্যাপ বসায়।

একটায় পৌঁছানো একটা চ্যাট পণ্য আপনাকে অপেক্ষা করতে বা আপগ্রেড করতে বলার সাধারণ কারণ। সাবস্ক্রিপশন প্ল্যানে মেসেজ ক্যাপ হলো বন্ধুত্বপূর্ণ ব্র্যান্ডিংসহ রেট লিমিট।

শব্দকোষটাকে কাজের রাখা

এই ক্ষেত্রে শব্দগুলো দ্রুত পুরনো হয়। এই পেজটা একটা রেফারেন্স হিসেবে বজায় রাখা হয়: ব্যবহার বদলালে এন্ট্রি নতুন করে লেখা হয়, আর লিংক করা গভীর গাইডগুলো এমন বিস্তারিত বহন করে যা একটা সংজ্ঞায় ফিট করে না।

বাস্তবে আপনার সামনে পড়া কোনো শব্দ এখানে না থাকলে, সবচেয়ে দ্রুত পথ হলো আপনি যে বাক্যে এটা খুঁজে পেয়েছেন তা একটা সক্ষম মডেলে পেস্ট করা আর কনটেক্সটে সংজ্ঞা চাওয়া। Whizi-তে আপনি একসঙ্গে দুটো মডেলকে জিজ্ঞাসা করতে পারেন আর লক্ষ করতে পারেন এরা কখন দ্বিমত করে, যা নতুন জারগনের জন্য আশ্চর্যজনকভাবে প্রায়ই হয়।