দৈনন্দিন কাজে AI — নিরাপদ ও দায়িত্বশীল ব্যবহার

১ · AI চ্যাট সহায়ক আসলে কী — “পরের শব্দটি কী হবে?”

পর্ব ৪৬-এ দেখেছেন, কৃত্রিম বুদ্ধিমত্তা (AI) মানে মানুষের বুদ্ধি লাগে এমন কাজ কম্পিউটারকে দিয়ে করানো; আর মেশিন লার্নিং-এ কম্পিউটার নিয়ম মুখস্থ করে না, উদাহরণ দেখে নিজেই প্যাটার্ন শেখে। এই পর্ব একটি নির্দিষ্ট ধরনের AI নিয়ে — যার সাথে আজ কোটি মানুষ প্রতিদিন কথা বলেন: AI চ্যাট সহায়ক.

এদের ভেতরের ইঞ্জিনের নাম বড় ভাষা মডেল — Large Language Model, সংক্ষেপে LLM. এক বাক্যে: LLM হলো এমন একটি প্রোগ্রাম, যাকে বিপুল পরিমাণ লেখা পড়িয়ে প্রশিক্ষণ দেওয়া হয়েছে, যাতে সে অনুমান করতে পারে একটি লেখার পরে কোন শব্দ আসার সম্ভাবনা সবচেয়ে বেশি। শুনতে সাধারণ, কিন্তু এই একটি দক্ষতা থেকেই চিঠি লেখা, প্রশ্নের উত্তর, অনুবাদ, কোড — সব বেরিয়ে আসে। এভাবে নতুন লেখা, ছবি বা শব্দ তৈরি করে বলে এদের বলা হয় জেনারেটিভ AI.

Token — AI যে টুকরোয় পড়ে

LLM লেখা পড়ে ছোট ছোট টুকরোয়, যার নাম token. একটি token কখনো একটি পুরো শব্দ, কখনো শব্দের অংশ, কখনো একটি যতিচিহ্ন। যেমন “বাংলাদেশের” হয়তো ভাঙবে “বাংলা” + “দেশ” + “ের” (মডেলভেদে আলাদা)। ইংরেজিতে সাধারণ শব্দ প্রায়ই একটি token হয়, কিন্তু বাংলার মতো ভাষায় একই কথা বলতে প্রায়ই বেশি token লাগে (কেন, ভাবনার প্রশ্ন ৫-এ)। মডেল একবারে কতগুলো token “চোখের সামনে” রাখতে পারে, তার সীমার নাম context window — লম্বা কথোপকথনে শুরুর কথা ভুলে যাওয়ার কারণ এটিই।

পরের token অনুমান — ধাপে ধাপে দেখুন

নিচে একটি বাক্য কীভাবে তৈরি হয়, দেখুন। সম্ভাবনার সংখ্যাগুলো বোঝানোর জন্য বানানো — কোনো আসল মডেলের মান নয়। “পরে” চাপুন:

আপনার লেখা: "আমি প্রতিদিন সকালে চা"
token-এ ভাঙা: [আমি] [ প্রতি] [দিন] [ সকালে] [ চা]
(ভাঙার ধরন কাল্পনিক; প্রতিটি token ভেতরে একটি সংখ্যা)

"আমি প্রতিদিন সকালে চা ___"
  খাই      ████████████  ০.৬১
  পান      ████          ০.২২
  বানাই    ██            ০.০৯
  দিয়ে     █             ০.০৫
  অন্যান্য               ০.০৩

বেছে নেওয়া হলো: খাই
সবসময় সবচেয়ে বড়টি নয় — একটু এলোমেলো বাছাই রাখলে
লেখা প্রাণবন্ত হয়; তাই একই প্রশ্নে দুবার আলাদা উত্তর আসে

"আমি প্রতিদিন সকালে চা খাই ___"
  ।        ██████████    ০.৫৫
  আর       █████         ০.২৬
  ,        ███           ০.১৪
উত্তর শেষ না হওয়া পর্যন্ত: অনুমান → বাছাই → যোগ → আবার

"১৯৭৭ সালে আমাদের গ্রামের স্কুলের প্রধান শিক্ষক ছিলেন ___"
  জনাব     ███████       ০.৩৪
  মো.      █████         ০.২৫
  শ্রী      ███           ০.১৫
মডেল উত্তর জানে না, তবু "মানানসই" একটি নাম লিখে ফেলতে পারে

প্রশিক্ষণ — পড়ে শেখা, তারপর আচরণ শেখা

একটি চ্যাট সহায়ক তৈরি হয় মোটামুটি দুই ধাপে। প্রথমে মডেলকে পড়ানো হয় বিপুল লেখা — ওয়েবসাইট, বই, প্রবন্ধ, কোড; এই লেখার সংগ্রহের নাম প্রশিক্ষণ ডেটা. এ পর্যায়ে সে শুধু পরের token অনুমান করা শেখে। এরপর আসে fine-tuning: মানুষের লেখা প্রশ্ন-উত্তরের উদাহরণ আর মানুষের দেওয়া “এই উত্তরটি ভালো, ওটি খারাপ” রেটিং দিয়ে তাকে শেখানো হয় সহায়কের মতো আচরণ করতে — প্রশ্নের উত্তর দেওয়া, ভদ্র থাকা, ক্ষতিকর অনুরোধ ফিরিয়ে দেওয়া।

দুটি গুরুত্বপূর্ণ ফল মনে রাখুন। এক, প্রশিক্ষণ ডেটা একটি নির্দিষ্ট তারিখ পর্যন্ত সংগ্রহ করা — এর নাম knowledge cutoff. তার পরের ঘটনা মডেলের “মাথায়” নেই; গতকালের খবর, নতুন আইন বা আজকের বাজারদর সে নিজে থেকে জানে না। দুই, অনেক সহায়ক এখন ইন্টারনেটে খুঁজে, ফাইল পড়ে বা ক্যালকুলেটরের মতো টুল চালিয়ে উত্তর দিতে পারে — একে বলে টুল বা সার্চ-যুক্ত AI. এতে তথ্য হালনাগাদ হয়, কিন্তু AI ভুল ওয়েবসাইট বেছে নিতে বা উৎস ভুল বুঝতেও পারে — তাই লিংক নিজে খুলে মিলিয়ে নিন।

নিজে চালিয়ে দেখুন — একটি খেলনা “ভাষা মডেল”

নিচের প্রোগ্রামটি চারটি ছোট বাক্য “পড়ে” গুনে রাখে কোন শব্দের পরে কোন শব্দ কতবার এসেছে, তারপর প্রতিবার সবচেয়ে বেশিবার আসা শব্দটি বেছে বাক্য বানায়। আসল LLM এর চেয়ে কোটি গুণ বড় ও জটিল, কিন্তু মূল ধারণা একই — পরিসংখ্যান দিয়ে পরের শব্দ অনুমান. “চালান” চাপুন:

const corpus = ["ঢাকা বাংলাদেশের রাজধানী", "পদ্মা বাংলাদেশের বড় নদী",
  "চট্টগ্রাম বাংলাদেশের বড় বন্দর", "দিল্লি ভারতের রাজধানী"];  // "প্রশিক্ষণ ডেটা"
const counts = {};                       // counts[a][b] = a-র পরে b কতবার
for (const s of corpus) {
  const w = (s + " .").split(" ");       // "." = বাক্য শেষ
  for (let i = 0; i + 1 < w.length; i++) {
    const c = (counts[w[i]] = counts[w[i]] || {});
    c[w[i + 1]] = (c[w[i + 1]] || 0) + 1;
  }
}
console.log("বাংলাদেশের →", JSON.stringify(counts["বাংলাদেশের"]));
function generate(start) {
  const out = [start];
  while (out.length < 6) {
    const next = counts[out[out.length - 1]] || {};
    let best = null;                     // সবচেয়ে বেশিবার আসা শব্দ (টাই হলে আগেরটি)
    for (const k in next) if (best === null || next[k] > next[best]) best = k;
    if (best === null || best === ".") break; out.push(best);
  }
  console.log(start + ": " + out.join(" "));
}
["পদ্মা", "ঢাকা", "চট্টগ্রাম", "দিল্লি"].forEach(generate);

২ · সাবলীল, কিন্তু কেন ভুল — hallucination, পক্ষপাত আর পুরোনো তথ্য

মূল শিক্ষা: LLM-এর ভেতরে মিলিয়ে দেখার মতো কোনো “তথ্যের বই” নেই। আছে কোটি কোটি সংখ্যা (প্যারামিটার), যেগুলো লেখার প্যাটার্ন ধরে রাখে। খুব পরিচিত তথ্য — “বাংলাদেশের রাজধানী ঢাকা” — প্রশিক্ষণে এত বেশিবার এসেছে যে উত্তর প্রায় সবসময় ঠিক হয়। কিন্তু বিরল, স্থানীয় বা নতুন তথ্যে প্যাটার্ন দুর্বল, তখন মডেল ফাঁক ভরাট করে মানানসই কিছু দিয়ে।

৩ · AI কোথায় দারুণ, কোথায় দুর্বল

যে কাজে “ভালো ভাষা” আর “পরিচিত জ্ঞান” লাগে, আর ভুল হলে আপনি নিজে ধরতে পারেন — সেখানে AI সবচেয়ে কাজের। নির্দিষ্ট পণ্যের সুবিধা সময়ের সাথে বদলায়, তাই এখানে সাধারণ ধারণা।

৪ · ভালো prompt লেখা — AI-কে ঠিকমতো কাজ বুঝিয়ে দেওয়া

AI-কে আপনি যে নির্দেশ বা প্রশ্ন লেখেন, তার নাম prompt. রাঁধুনিকে শুধু “কিছু রান্না করুন” বললে ফল অনিশ্চিত, কিন্তু “চারজন অতিথি, একজন ঝাল খান না, ঘরে মুরগি আর আলু আছে” বললে ফল ভালো — AI-ও তেমনই। মডেল আপনার মন পড়তে পারে না; যা লেখেননি, তা সে অনুমান করে নেয়।

সব prompt-এ ছয়টিই লাগবে না, আর প্রথম চেষ্টাতেই নিখুঁত হতে হবে না। AI-এর সাথে কথোপকথন চলে — উত্তর দেখে আরও নির্দেশ দিন। একটি অস্পষ্ট prompt চার ধাপে কীভাবে উন্নত হয়, দেখুন:

Prompt: "একটা ছুটির দরখাস্ত লিখে দিন।"

ফল: কার কাছে, কয় দিন, কেন — সব AI-এর অনুমান।
ইংরেজি অফিসের ধাঁচে লম্বা চিঠি, কাজে লাগে না

Prompt: "স্কুলের প্রধান শিক্ষকের কাছে জ্বরের কারণে
৩ দিনের ছুটির দরখাস্ত লিখে দিন। আমি ৮ম শ্রেণির ছাত্রী।"

ফল: বিষয় ঠিক হয়েছে।
কিন্তু ভাষা খুব কঠিন, লম্বা; নাম-তারিখ বানিয়ে বসিয়েছে

+ "বাংলায়, ভদ্র কিন্তু সহজ ভাষায়, ১০০ শব্দের মধ্যে।
নাম, রোল, তারিখের জায়গায় [ ] ফাঁকা রাখুন।
প্রচলিত দরখাস্তের কাঠামো মানুন — তারিখ, বরাবর, বিষয়, সম্বোধন।"

ফল: ছোট, গোছানো, ঠিক কাঠামো; কিছু বানানো নেই।

+ "ভালো হয়েছে। শেষে অভিভাবকের স্বাক্ষরের ঘর যোগ করুন,
আর 'অসুস্থতাজনিত' শব্দটি সহজ করুন।"

ফল: ব্যবহারযোগ্য খসড়া → নিজের তথ্য বসিয়ে, নিজে পড়ে জমা।
সত্য কারণই লিখুন — AI দিয়ে মিথ্যা অজুহাত বানানো নয়

আরও কয়েকটি কাজের কৌশল

• ধাপ দেখাতে বলুন: ধাপ দেখা গেলে ভুল ধরা সহজ।
• উৎস চান: “লিংকসহ বলুন; নিশ্চিত না হলে লিখুন ‘নিশ্চিত নই’” — তারপর লিংক নিজে খুলুন।
• উল্টো প্রশ্ন করুন: “এই উত্তরে কী কী দুর্বলতা থাকতে পারে?”

৫ · উত্তর যাচাই — দাবি, উৎস, তুলনা, সিদ্ধান্ত

AI-এর উত্তর বন্ধুর মুখে শোনা খবরের মতো — হয়তো ঠিক, কিন্তু কাজে লাগানোর আগে মিলিয়ে নিন। এই অভ্যাসের নাম ফ্যাক্ট-চেকিং. নিচে একজন শিক্ষার্থীর বাড়ির কাজে AI-এর একটি উত্তর যাচাই করা হচ্ছে:

"রবীন্দ্রনাথ ঠাকুর [দাবি ক] ১৯১৩ সালে সাহিত্যে নোবেল পান।
তিনি বলেছিলেন, [দাবি খ] 'শিক্ষাই জাতির আসল সম্পদ।'
ক্লাসের ৪০ জনের ৩৫% রবীন্দ্রসংগীত জানে, অর্থাৎ [দাবি গ] ১৬ জন।"

ক → নোবেল পুরস্কারের অফিসিয়াল ওয়েবসাইট, পাঠ্যবই, বাংলাপিডিয়া
খ → রবীন্দ্র-রচনাবলিতে বা নির্ভরযোগ্য উদ্ধৃতি-সংকলনে খোঁজা
গ → নিজে হিসাব: ৪০ × ৩৫ ÷ ১০০

ক ✔ একাধিক নির্ভরযোগ্য উৎসে: ১৯১৩, সাহিত্যে নোবেল
খ ✘ কোনো রচনায় বা নির্ভরযোগ্য সংকলনে পাওয়া গেল না
গ ✘ ৪০ × ৩৫ ÷ ১০০ = ১৪, ১৬ নয়

ক → গ্রহণ (উৎসের নামসহ)
খ → বাদ — উৎসহীন উক্তি কারও মুখে বসানো যায় না
গ → সংশোধন: ১৪ জন

• তিনটির দুটি দাবিই ভুল — অথচ ভাষা নিখুঁত
• কোন তথ্য কোথা থেকে মিলিয়েছেন, লিখে রাখুন

একটি বানানো সূত্র (citation) দেখতে কেমন

AI-এর সবচেয়ে বিপজ্জনক hallucination হলো বানানো সূত্র — কারণ এটি দেখতে একদম আসলের মতো। নিচের উদাহরণটি কাল্পনিক, শেখার জন্য বানানো:

Rahman, A. & Hoque, S. (2019). "Mobile Money and Rural
Women in Bangladesh." Journal of Rural Digital Studies,
12(3), 45–62. doi:10.0000/jrds.2019.045

Google Scholar-এ পুরো শিরোনাম উদ্ধৃতিচিহ্নসহ খোঁজা
→ কোনো ফল নেই
আসল প্রকাশিত প্রবন্ধ সাধারণত অন্তত কোথাও তালিকাভুক্ত থাকে

doi.org-এ DOI বসানো → "DOI not found"
জার্নালের নাম খোঁজা → এই নামে কোনো জার্নাল নেই
কখনো DOI আসল, কিন্তু খুললে সম্পূর্ণ অন্য প্রবন্ধ আসে

✘ ব্যবহার করবেন না
✔ বিষয়টি নিয়ে আসল গবেষণা নিজে খুঁজুন — Google Scholar,
  লাইব্রেরি, শিক্ষকের পরামর্শ
✔ যে সূত্র নিজে খুলে পড়েননি, তা কখনো উল্লেখ করবেন না

৬ · গোপনীয়তা, সততা আর ন্যায্যতা

যা টাইপ করেন, তা আর শুধু আপনার নয়

AI চ্যাট সহায়কে লেখা কথা সাধারণত কোম্পানির সার্ভারে যায় (পর্ব ৩৫), সংরক্ষিত থাকতে পারে, আর সেবাভেদে মডেল উন্নত করায় ব্যবহৃত হতে পারে; অনেক সেবায় সেটিংস থেকে এটি বন্ধ করা যায়। তবে সবচেয়ে নিরাপদ নিয়ম: যে তথ্য অপরিচিত কাউকে দিতেন না, তা AI-কেও নয়।

শেখার জন্য AI, নাকি নকলের জন্য?

একই টুল দুই রকমভাবে ব্যবহার করা যায়। “এই অঙ্কটি কীভাবে করব, ধাপে ধাপে বুঝিয়ে দিন, তারপর আমাকে একটি অনুরূপ অঙ্ক দিন” — এটি শেখা। “এই রচনাটি লিখে দিন”, তারপর নিজের নামে জমা — এটি নকল, যদিও কোনো বই থেকে কপি করা হয়নি। পার্থক্যের মাপকাঠি: কাজ শেষে আপনার দক্ষতা কি বাড়ল, আর যা জমা দিলেন তা কি সত্যিই আপনার চিন্তা?

• শিক্ষক, পরীক্ষা বা প্রতিষ্ঠানের নিয়ম আগে জানুন — কোথাও AI একেবারে নিষেধ, কোথাও শর্তসাপেক্ষে অনুমোদিত।
• অনুমোদিত হলে প্রকাশ করুন: “ভাষা সম্পাদনায় AI-এর সাহায্য নিয়েছি” — এই সততা আপনাকে রক্ষা করে।
• অন্যের লেখা বা AI-এর লেখা নিজের বলে চালানো plagiarism-এর মতোই অসততা। “AI ধরার টুল” নির্দোষকেও ভুল ধরতে পারে, তাই নিজের খসড়া আর নোট রেখে দিন।

পক্ষপাত — ডেটার আয়না

AI সমাজের লেখা পড়ে শেখে, তাই সমাজের পক্ষপাতও শেখে। কয়েকটি উদাহরণ: ছবি-তৈরির টুলকে “ডাক্তার” আঁকতে বললে বারবার পুরুষ আর “নার্স” বললে নারী আঁকা; কোনো অঞ্চল বা ধর্মের মানুষ নিয়ে একপেশে বর্ণনা; ইংরেজিতে চমৎকার কিন্তু বাংলায় দুর্বল উত্তর; গাঢ় ত্বকের মুখ চিনতে কিছু মুখ-শনাক্তকরণ ব্যবস্থার বেশি ভুল করার কথা গবেষণায় এসেছে। কারণ — ডেটায় কোনো গোষ্ঠীর কম উপস্থিতি, ডেটায় থাকা পুরোনো সামাজিক ধারণা, আর নির্মাতাদের দৃষ্টিভঙ্গির সীমা। চাকরির আবেদন বাছাই বা ঋণ অনুমোদনের মতো কাজে AI ব্যবহার হলে এই পক্ষপাত মানুষের জীবনে সরাসরি প্রভাব ফেলে — তাই এমন জায়গায় মানুষের তদারকি জরুরি।

৭ · ছবি, কণ্ঠ আর ডিপফেক — AI প্রতারণা থেকে বাঁচা

একই ধরনের প্রযুক্তি লেখা ছাড়াও ছবি, কণ্ঠ আর ভিডিও তৈরি করতে পারে। ছবি-তৈরির মডেল লেখা পড়ে (“বর্ষায় রিকশায় বসা এক বৃদ্ধ, জলরঙে”) নতুন ছবি আঁকে; কণ্ঠের মডেল লেখা থেকে স্বাভাবিক কণ্ঠে পড়ে শোনায়, এমনকি অল্প রেকর্ডিং শুনে নির্দিষ্ট কারও কণ্ঠ নকল করতে পারে — একে বলে voice cloning. কিন্তু অপব্যবহারের নাম ডিপফেক — কেউ যা বলেননি বা করেননি, তা বলতে-করতে দেখানো।

AI-এর তৈরি কনটেন্ট চেনা আর লেবেল দেওয়া

চোখে দেখে ডিপফেক ধরা দিন দিন কঠিন হচ্ছে। তাই প্রযুক্তি জগৎ চেষ্টা করছে উৎস প্রমাণের দিকে: Content Credentials (C2PA মানদণ্ড) ছবি বা ভিডিওর সাথে ডিজিটাল স্বাক্ষরসহ জুড়ে দেয় কে কোন যন্ত্রে বা টুলে তৈরি করেছে, AI ব্যবহার হয়েছে কি না। কিছু AI টুল নিজের তৈরি ছবিতে অদৃশ্য জলছাপ বসায়, আর অনেক সোশ্যাল মিডিয়া প্ল্যাটফর্ম “AI দিয়ে তৈরি” লেবেল দেখায়। মনে রাখুন — লেবেল থাকা সাহায্য করে, কিন্তু লেবেল না থাকা মানেই আসল নয়। আর নিজে AI দিয়ে ছবি বা কণ্ঠ বানালে তা স্পষ্টভাবে লেবেল দিন; কারও অনুমতি ছাড়া তাঁর মুখ বা কণ্ঠ নকল করবেন না।

৮ · কার কাজে কীভাবে — আর সামনে কী আসছে

বড় প্রশ্নগুলো — শক্তি, পানি আর চাকরি

বড় AI মডেল প্রশিক্ষণ আর চালাতে বিশাল ডেটা সেন্টার লাগে, যেখানে হাজার হাজার শক্তিশালী চিপ বিদ্যুৎ খায় আর ঠান্ডা রাখতে অনেক জায়গায় পানি লাগে। ডেটা সেন্টারের বিদ্যুৎ চাহিদা দ্রুত বাড়ছে; অন্যদিকে মডেলগুলো আগের চেয়ে দক্ষও হচ্ছে, আর AI দিয়ে বিদ্যুৎ-গ্রিড বা সেচ ব্যবস্থাপনা উন্নত করার চেষ্টাও চলছে।

চাকরি নিয়ে দুই দিকই সত্য। সাধারণ অনুবাদ, ডেটা এন্ট্রি, গৎবাঁধা লেখার মতো কিছু কাজ বদলে যাচ্ছে বা কমছে; আবার নতুন কাজ তৈরি হচ্ছে, আর যিনি নিজের বিষয় জানেন এবং AI ভালোভাবে ব্যবহার করতে পারেন, তাঁর কদর বাড়ছে। নিরাপদ পথ — মৌলিক দক্ষতা শক্ত রাখা, আর AI-কে সহকারী হিসেবে ব্যবহার শেখা।

সামনে কী

প্রথমত, AI এজেন্ট — আপনার হয়ে কয়েক ধাপের কাজ: তথ্য জোগাড়, ফরম পূরণ, ফাইল সাজানো। ঝুঁকিও বাড়ে — এজেন্ট ভুল বোতাম চাপলে বা প্রতারক-সাইটের লুকানো নির্দেশ মানলে ক্ষতি সত্যিকারের, তাই টাকা পাঠানো বা কেনার ধাপ নিজে নিশ্চিত করুন। দ্বিতীয়ত, যন্ত্রের ভেতরেই AI — নতুন ফোন-ল্যাপটপে AI-এর আলাদা চিপ (NPU, পর্ব ০৩) থাকে, ফলে কিছু কাজ ইন্টারনেট ছাড়াই, ডেটা বাইরে না পাঠিয়ে হয়।

৯ · AI-এর যুগে — নিরাপদ AI চেকলিস্ট আর একটি prompt টেমপ্লেট

পুরো পর্বের সার: ভালো করে জিজ্ঞেস করা, আর ভালো করে যাচাই করা। নিচের টেমপ্লেটটি কপি করে রাখুন; বন্ধনীর জায়গায় নিজের কাজ বসান।

নিরাপদ AI চেকলিস্ট — প্রতিবার ব্যবহারের আগে ও পরে

• প্রশ্নে কোনো NID, পাসওয়ার্ড, PIN, OTP, ব্যাংক তথ্য বা অন্যের ব্যক্তিগত তথ্য দিইনি; দরকার হলে [ ] দিয়ে ঢেকেছি
• স্কুল, কলেজ, অফিস বা ক্লায়েন্টের AI-নীতি জানি এবং মেনেছি
• উত্তরের প্রতিটি গুরুত্বপূর্ণ দাবি — সাল, নাম, সংখ্যা, আইন, দাম — নির্ভরযোগ্য উৎসে মিলিয়েছি
• সংখ্যা নিজে হিসাব করেছি; কোড নিজে চালিয়ে পরীক্ষা করেছি
• AI-এর দেওয়া প্রতিটি সূত্র, লিংক আর উক্তি নিজে খুলে দেখেছি — না পেলে বাদ দিয়েছি
• স্বাস্থ্য, আইন, টাকা বা কৃষির বড় সিদ্ধান্তে বিশেষজ্ঞের পরামর্শ নিয়েছি
• জমা দেওয়া কাজে AI-এর সাহায্য নিয়মমতো প্রকাশ করেছি; লেখাটি নিজে বুঝি ও ব্যাখ্যা করতে পারি
• AI দিয়ে তৈরি ছবি বা কণ্ঠ লেবেল দিয়ে শেয়ার করেছি; কারও অনুমতি ছাড়া তাঁর মুখ বা কণ্ঠ নকল করিনি
• পরিচিত কণ্ঠে জরুরি টাকা চাওয়ার কল এলে কেটে দিয়ে নিজে কল করব — পরিবারের গোপন শব্দ ঠিক করা আছে