AI গবেষণা ৭ ঘণ্টা বাঁচালেও verification বাকি—ফল যাচাইয়ের ৮ ধাপ

AI-তৈরি গবেষণা-সারাংশ, citation, code, calculation বা hypothesis যাচাইয়ের একটিমাত্র পরীক্ষা নেই। আউটপুটকে আলাদা claim বা artefact-এ ভেঙে তার ধরন ও ভুলের সম্ভাব্য ক্ষতি অনুযায়ী cross-reference, expert review, benchmark, proof, replication কিংবা empirical test বেছে নিতে হবে।

সময় সাশ্রয়কে discovery বা প্রমাণিত ফল ধরে নেওয়া যাবে না। যুক্তরাষ্ট্র ও যুক্তরাজ্যের ৬৩৭ জন সক্রিয় বিজ্ঞানীকে নিয়ে করা Google, Google DeepMind ও MIT FutureTech-এর গবেষণায় AI ব্যবহারে self-reported গড় সাশ্রয় ছিল সপ্তাহে ৬.৯ ঘণ্টা; যাঁরা সময় বাঁচিয়েছেন, তাঁদের প্রায় ৪৬ শতাংশ সেই সময়ের এক-চতুর্থাংশের বেশি AI output audit ও verify করতে ব্যয় করেছেন। এটি ২০২৬ সালের জুলাই–আগস্টে নেওয়া একটি screened non-probability sample; তাই ফলটি সব দেশ বা গবেষণা ক্ষেত্রের productivity guarantee নয়।

১. আউটপুট ভাঙুন, ঝুঁকি নির্ধারণ করুন

একটি উত্তরের মধ্যে সারাংশ, bibliographic citation, executable code এবং নতুন hypothesis একসঙ্গে থাকতে পারে। পুরো উত্তরকে একবারে অনুমোদন না দিয়ে প্রতিটি গুরুত্বপূর্ণ claim বা artefact-এর পাশে লিখুন: ভুল হলে কোন সিদ্ধান্ত বদলাবে, পরে ভুলটি ধরা কতটা কঠিন এবং মানুষ, অর্থ বা গবেষণার ফলাফলে তার প্রভাব কতটা।

কম ঝুঁকির brainstorming-এ consistency check যথেষ্ট হতে পারে; প্রকাশযোগ্য দাবি, গবেষণা-নকশা বা ব্যয়বহুল experiment-এর ক্ষেত্রে স্বাধীন একাধিক পরীক্ষা দরকার। NIH Library-এর verification worksheet expert review, cross-referencing, empirical testing, comparative analysis, logical বা mathematical proof, replication, real-world observation এবং consistency check—এই আটটি পদ্ধতি দেয়। নিচের workflow-তে comparative analysis-এর প্রয়োগ হিসেবে benchmark comparison ব্যবহার করা হয়েছে।

২. আটটি verification method প্রয়োগ করুন

1. Expert review: সংশ্লিষ্ট বিষয়ের যোগ্য গবেষককে দিয়ে accuracy, relevance, assumptions ও নৈতিক ঝুঁকি পরীক্ষা করান। Reviewer-কে raw input, prompt, AI output এবং সিদ্ধান্তে ব্যবহৃত অংশ দিন; শুধু ভাষা সম্পাদনা expert review নয়।
2. Cross-reference: সারাংশের প্রতিটি material claim মূল paper, dataset, protocol বা বিশ্বস্ত database-এ মিলিয়ে দেখুন। দুটি check আলাদা রাখুন: citation বা source সত্যিই আছে কি না, এবং দাবিটি সেই source-এ সত্যিই আছে কি না। DOI মিলে গেলেও ফলাফল বা আলোচ্য population দাবিটিকে সমর্থন না করলে claim যাচাইকৃত নয়।
3. Empirical test: AI কোনো পরীক্ষাযোগ্য সম্পর্ক, effect বা parameter প্রস্তাব করলে আগে falsifiable hypothesis লিখুন। Control, outcome measure, sample rule ও failure criterion আগেই স্থির করে পরীক্ষা চালান; ফল প্রতিকূল হলে prompt বদলে পছন্দের উত্তর বের করা validation নয়।
4. Benchmark comparison: classification, prediction, extraction বা optimization result-কে একই dataset, split ও metric-এ established baseline বা human-generated result-এর সঙ্গে তুলনা করুন। সিদ্ধান্তের আগে accuracy, precision, recall, calibration, error distribution, latency বা cost-এর মধ্যে প্রাসঙ্গিক metric ঠিক করুন।
5. Logical বা mathematical proof: equation, derivation, statistical calculation ও formal argument স্বাধীনভাবে পুনর্গণনা করুন। Input, unit, sign, denominator, boundary condition এবং intermediate value পরীক্ষা করুন; সম্ভব হলে অন্য software বা হাতে করা ছোট হিসাব দিয়ে ফল মিলিয়ে নিন।
6. Replication: AI process ভিন্ন input বা parameter দিয়ে আবার চালিয়ে output-এর স্থিতি দেখুন। Generated code হলে পরিষ্কার environment-এ dependency ও seed স্থির করে known test case, edge case, missing value এবং expected failure পরীক্ষা করুন। একই prompt পুনরায় চালানো model-এর variability দেখায়; সেটি নিজে থেকে scientific finding-এর independent replication নয়।
7. Real-world observation: বাস্তব প্রয়োগের দাবি থাকলে সীমিত ও নিরাপদ pilot-এ পূর্বনির্ধারিত outcome পর্যবেক্ষণ করুন। Laboratory result থেকে field effectiveness বা retrospective data থেকে prospective performance ধরে না নিয়ে drift, unintended effect ও failure দেখার সময়সীমা স্থির করুন।
8. Consistency check: ফলটি প্রতিষ্ঠিত fact, domain principle, আগের গবেষণা এবং একই project-এর অন্য ফলের সঙ্গে মিলিয়ে দেখুন। অসামঞ্জস্যকে নতুন discovery বলার আগে data leakage, unit error, citation mismatch, coding error বা আলাদা population বাদ দিন; দ্বন্দ্বের ব্যাখ্যা না মিললে status রাখুন ‘unresolved’।

৩. আউটপুট অনুযায়ী পদ্ধতি বাছুন

• গবেষণা-সারাংশ: প্রথমে মূল নথির সঙ্গে cross-reference, তারপর consistency check; সিদ্ধান্ত বদলাতে পারে এমন interpretation-এ expert review যোগ করুন।
• Citation: title, author, journal, year ও DOI দিয়ে অস্তিত্ব যাচাই করুন; এরপর full text-এর নির্দিষ্ট passage দাবিটিকে সমর্থন করে কি না দেখুন। ৪২টি বিষয়ে ChatGPT-তৈরি ৮৪টি নথির ৬৩৬টি reference নিয়ে করা Scientific Reports-এর ২০২৩ সালের গবেষণায় GPT-3.5 citation-এর ৫৫ শতাংশ ও GPT-4 citation-এর ১৮ শতাংশ fabricated ছিল; বাস্তব citation-এর মধ্যেও যথাক্রমে ৪৩ ও ২৪ শতাংশে অন্তত একটি substantive bibliographic error পাওয়া যায়। হারগুলো ওই model, prompt ও sample-এর ফল—বর্তমান সব model বা discipline-এর অনুমান নয়।
• Code ও data pipeline: reproducible environment-এ execution, unit ও integration test, edge case এবং benchmark ব্যবহার করুন; numerical output হলে স্বাধীন হিসাবও যোগ করুন।
• Calculation বা derivation: proof বা পুনর্গণনা আগে করুন; input data, definition ও unit-এর জন্য cross-reference ব্যবহার করুন।
• Prediction: held-out data-তে benchmark ও calibration পরীক্ষা করুন; প্রয়োগের দাবি থাকলে prospective observation প্রয়োজন। Training data-তে ভালো ফল স্বাধীন validation নয়।
• Hypothesis বা experimental claim: expert review দিয়ে plausibility ও পরিচিত evidence যাচাই করুন, তারপর পূর্বনির্ধারিত empirical test চালান। পুনরাবৃত্ত সমর্থন ছাড়া hypothesis-কে confirmed finding লিখবেন না।

৪. ছোট দলের evidence log তৈরি করুন

Verification স্মৃতির ওপর না রেখে প্রতিটি material claim-এর audit trail রাখুন। Spreadsheet, electronic lab notebook বা version-controlled file—যে মাধ্যমই ব্যবহার করুন, একই কাঠামো বজায় রাখলে supervisor বা সহলেখক বুঝতে পারবেন কোন evidence-এর ভিত্তিতে সিদ্ধান্ত অনুমোদিত হয়েছে।

• claim ID এবং AI output-এর সংক্ষিপ্ত হুবহু অংশ;
• output type, AI tool বা model, জানা থাকলে version, ব্যবহারের তারিখ ও prompt reference;
• ঝুঁকির স্তর এবং নির্বাচিত verification method;
• source identifier, dataset version বা code commit;
• সমর্থন বা খণ্ডনকারী passage, পুনর্গণনা, test artefact বা benchmark result;
• verifier-এর নাম বা ভূমিকা, যাচাইয়ের তারিখ এবং status—verified, partly verified, failed বা unresolved;
• সংশোধন, অবশিষ্ট uncertainty এবং পুনরায় যাচাইয়ের trigger।

‘Source checked’ লেখা যথেষ্ট নয়: কোন passage কোন claim সমর্থন করেছে তা log-এ ধরতে হবে। উচ্চ ঝুঁকির claim-এ দ্বিতীয় reviewer blind spot কমাতে পারেন, কিন্তু তাঁর অনুমোদন source passage, test result বা পুনর্গণনার বিকল্প নয়।

৫. ব্যবহারের আগে release gate দিন

একটি project-এর সব claim একই status না পেলেও verified অংশ ব্যবহার করা যায়। Unresolved অংশ বাদ দিন অথবা স্পষ্টভাবে hypothesis হিসেবে চিহ্নিত করুন। Citation বাস্তব, code চলে এবং calculation মেলে—এই তিনটি check-ও experimental conclusion-কে স্বয়ংক্রিয়ভাবে সত্য করে না।

Release-এর আগে তিনটি প্রশ্নের উত্তর দিন: ফলটি পুনর্গঠন করার মতো evidence আছে কি, verification method আউটপুটের ধরন ও ঝুঁকির উপযুক্ত কি, এবং failed বা unresolved check সিদ্ধান্তগ্রহণকারীর সামনে দৃশ্যমান কি। যেকোনো উত্তরে ‘না’ হলে AI সময় বাঁচিয়েছে, কিন্তু গবেষণার ফল এখনো verified হয়নি।