লুকোনো এআই প্রশিক্ষণ ধরে ফেলা এক বিদ্যুৎ মিটার

কৃত্রিম বুদ্ধিমত্তা নিয়ন্ত্রণের চুক্তিগুলো একদিন হয়তো সীমা বেঁধে দেবে, কত বড় মডেল প্রশিক্ষণ দেওয়া যাবে। সেগুলো কার্যকর করতে লাগবে একজন বাইরের যাচাইকারী (verifier), যে বলতে পারবে নজরদারিতে থাকা কোনো কম্পিউটিং ক্লাস্টার মডেল প্রশিক্ষণ দিচ্ছে কি না — এমনকি যখন তার পরিচালনাকারী তা লুকোতে চেষ্টা করছে।

যাচাইয়ের বেশির ভাগ উপায়েই ভরসা লাগে: চিপে রাখা লগ, চিপগুলোর মাঝের নেটওয়ার্কে আড়ি পাতা, কর্মীদের সাক্ষাৎকার, হুইসলব্লোয়ার। সবগুলোই নির্ভর করে পরিচালনাকারীর নিয়ন্ত্রণাধীন হার্ডওয়্যার বা তার লোকজনের ওপর। চিপের বাইরের একটি ভৌত সেন্সর তা করে না। কোনো স্থাপনার ইনপুট তারে ক্ল্যাম্প করা একটি বিদ্যুৎ মিটার বিদ্যমান ডেটা সেন্টারে পরে লাগানো যায় এবং কারসাজি ঠেকাতে সিল করে দেওয়া যায়।

আগের গবেষণায় দেখা গেছে, প্রশিক্ষণ বিদ্যুতে একটি ছাপ রেখে যায়। কিন্তু সেই গবেষণাগুলোতে ব্যবহৃত হয়েছিল একটি মাত্র বোর্ডে লাগানো প্রোব, যা সেকেন্ডে লক্ষ লক্ষ বার নমুনা নেয়, অথবা চিপের নিজস্ব টেলিমেট্রি। একটি বাস্তবসম্মত মিটার থাকবে র‍্যাক (সার্ভারের ক্যাবিনেট) বা স্থাপনার স্তরে, প্রায় দশ লক্ষ গুণ ধীর, এবং এমন এক বিদ্যুৎ সরবরাহ ইউনিটের পেছনে যা সংকেতকে মসৃণ ও পাতলা করে দেয়।

প্রশিক্ষণের হৃৎস্পন্দন

University of Melbourne ও MATS কর্মসূচির Tom Kimpson, University of Oxford-এর Mauricio Baker এবং MATS-এর Emlyn Graham একটি সরল তথ্য থেকে শুরু করেছেন। যখন অনেক চিপ মিলে একটি মডেল প্রশিক্ষণ দেয়, প্রতিটি ধাপ একটি উচ্চ-শক্তির গণনা পর্ব আর একটি নিম্ন-শক্তির পর্বের মধ্যে পালাক্রমে চলে, যে পর্বে চিপগুলো তাদের ফলাফল বিনিময় করে। এটি ঘটে মোটামুটি সেকেন্ডে একবার, এবং স্থাপনার বিদ্যুৎ-ব্যবহারের বর্ণালিতে একটি সরু রেখা আঁকে — প্রিজম যেভাবে আলোকে ভেঙে দেয়, সেভাবে বিদ্যুৎ-সংকেতকে তার ছন্দগুলোতে ভাঙলে সেকেন্ডে একবারের একটি স্পন্দন একটিমাত্র কম্পাঙ্কে একটি তীক্ষ্ণ চূড়া হয়ে দেখা দেয়।

সেই রেখা খুঁজে পাওয়া যতটা শোনায় তার চেয়ে কঠিন। বাস্তব প্রশিক্ষণ নিখুঁত তাল রাখে না: ধীর যন্ত্রাংশ, অতিরিক্ত গরম হওয়া চিপ আর তাপমাত্রার বদল ছন্দকে এদিক-ওদিক সরিয়ে দেয়। আর একজন পরিচালনাকারী ইচ্ছে করে একে সরাতে পারে, বা ছড়িয়ে ঝাপসা করে দিতে পারে।

তাই দলটি নিষ্ক্রিয় সোনার (passive sonar) এবং নিরবচ্ছিন্ন মহাকর্ষ তরঙ্গের খোঁজ থেকে একটি হাতিয়ার ধার করেছে: ভিটারবি ট্র্যাকার (Viterbi tracker), যা একটি স্পেকট্রোগ্রামের (মুহূর্তে মুহূর্তে কোন কোন ছন্দ উপস্থিত, তার একটি মানচিত্র) মধ্য দিয়ে ধীরে ধীরে সরে যাওয়া একটি ক্ষীণ রেখাকে অনুসরণ করে।

সিমুলেটেড ডেটা সেন্টারে পরীক্ষা

বাস্তব কোনো প্রশিক্ষণ স্থাপনার বিদ্যুৎ-ব্যবহারের প্রকাশ্য তথ্য নেই, তাই লেখকেরা একটির মডেল বানিয়েছেন, বিদ্যুৎ গ্রিডের স্থিতিশীলতার কাজে ব্যবহৃত প্রশিক্ষণ-বিদ্যুতের একটি প্রকাশিত মডেলের ভিত্তিতে: একটি প্রধান প্রশিক্ষণ রান, সঙ্গে পটভূমিতে ছোট ছোট কাজ। বিকল্প, “নির্দোষ” পরিস্থিতিতে প্রধান রানের জায়গায় থাকে ঘোষিত অনুমিতি (declared inference) — ব্যবহারকারীদের কোনো মডেলের উত্তর পরিবেশন করা — যাকে লেখকেরা পরীক্ষাটি কঠিন করতে ইচ্ছে করেই গোলমেলে করে তুলেছেন।

লুকোনোর কোনো চেষ্টা না করা পরিচালনাকারীর বিরুদ্ধে ট্র্যাকারটি পাঁচ মিনিটের জানালায় অন্তত 96% প্রশিক্ষণ রান শনাক্ত করে, 1% ভুয়া সতর্কসংকেত সহ, যা তাত্ত্বিকভাবে যেকোনো পরীক্ষার পক্ষে সম্ভাব্য সেরা ফলের চেয়ে বড়জোর চার শতাংশ-বিন্দু কম। একটি নির্দিষ্ট কম্পাঙ্কে রেখা খোঁজা ধ্রুপদি পরীক্ষাগুলো ছন্দ সরতে শুরু করলেই ভেঙে পড়ে।

পাঁচ মিনিটের তিনটি রেকর্ডে ট্র্যাকার (নীল): স্থির প্রশিক্ষণ (a), এমন প্রশিক্ষণ যার ছন্দ 0.4 Hz, অর্থাৎ সেকেন্ডে 0.4 স্পন্দন, পর্যন্ত এদিক-ওদিক সরে (b; ড্যাশ রেখায় আসল ছন্দ) এবং অনুমিতি (c), যেখানে এটি কেবল গোলমাল জুড়ে জুড়ে যায় এবং শনাক্তকরণের সীমার নিচে থাকে। — চিত্র 4, Kimpson et al. (2026), arXiv:2610.30182.

মিটারটিকে জমকালো হতে হবে না: একে সেকেন্ডে অন্তত দুবার নমুনা নিতে হবে, আধা সেকেন্ডের বেশি নয় এমন সময় ধরে গড় করতে হবে, আর বিদ্যুৎ সরবরাহ ইউনিট যেন ছন্দটিকে খুব বেশি ছেঁকে না ফেলে।

1% ভুয়া সতর্কসংকেতে, প্রশিক্ষণ-ছন্দ সরার সঙ্গে শনাক্তকরণের হার: ট্র্যাকার (নীল) তাত্ত্বিক ঊর্ধ্বসীমার (ড্যাশ রেখা) কাছাকাছি থাকে। — চিত্র 5, Kimpson et al. (2026), arXiv:2610.30182.

লুকোনোর দাম

এরপর দলটি প্রতারকের ভূমিকায় নামল। তারা লুকোনোর আটটি উপায় চেষ্টা করেছে: এলোমেলো অলস সময় যোগ করা, ছন্দ সরিয়ে দেওয়া, প্রতিটি ধাপের আকার বদলানো, অন্য কাজের ভিড়ে প্রশিক্ষণকে মিশিয়ে দেওয়া, ইত্যাদি। নির্দিষ্ট-কম্পাঙ্কের পরীক্ষার বিরুদ্ধে বেশির ভাগই কাজ করেছে। ট্র্যাকারের বিরুদ্ধে প্রায় কোনোটিই নয় — পরীক্ষিত 46টি বিন্যাসের 43টিতে এটি অন্তত 95% রান ধরে ফেলেছে।

কেবল একটি পদ্ধতিই সত্যিই কাজ করেছে: প্রতিটি ধাপে কাজের পরিমাণ বদলানো। এর সবচেয়ে জোরালো রূপটি পাঁচ মিনিটের 73% পর্যন্ত জানালায় প্রশিক্ষণ লুকিয়েছে, গতির কোনো ক্ষতি ছাড়াই। কিন্তু এর আরেকটি দাম আছে। একটি ছোট বাস্তব প্রশিক্ষণ রানে — একটি মাত্র A100 চিপে 3 কোটি প্যারামিটারের একটি ভাষা মডেল — একই মানে পৌঁছাতে, রূপভেদ অনুযায়ী, 93% থেকে 267% বেশি কম্পিউটিং লেগেছে।

আর সময় প্রতারকের বিপক্ষে কাজ করে। পুরো একদিন নজর রেখে, প্রতি রানে 0.1% ভুয়া সতর্কসংকেতের হারে, যাচাইকারী এই সেরা কৌশল ব্যবহার করা রানগুলোর 87% ধরে ফেলেছে, তার 44% প্রথম ঘণ্টাতেই। মোটামুটি সাতটির মধ্যে একটি পালিয়ে গেছে।

এরপর আসল মিটার

লেখকেরা স্পষ্ট সীমাবদ্ধতার তালিকা দিয়েছেন। প্রতিটি রেকর্ড কৃত্রিম (synthetic); বাস্তব বহু-চিপ স্থাপনায় পরীক্ষার পরিকল্পনা আছে, কিন্তু তার জন্য এমন সরঞ্জাম লাগবে যা তাঁদের কাছে এখনো নেই। মিটারটি একটি নিয়মিত ছন্দ শনাক্ত করে, খোদ প্রশিক্ষণকে নয়: অন্য পর্যায়বৃত্ত কাজ, বা কোনো চিপের নিজস্ব বিদ্যুৎ-ব্যবস্থাপনা চক্র, একে চালু করে দিতে পারে। আর চিপ ও মিটারের মাঝে যথেষ্ট বড় শক্তি-ভান্ডার সংকেতকে সমতল করে দিতে পারে — যদিও তখন যাচাইকারী সহজেই চিপের আরও কাছে দ্বিতীয় একটি মিটার বসাতে পারে।