HCAI বনাম ঐতিহ্যগত AI ডেভেলপমেন্ট — মানুষ-প্রথম ডিজাইন
এই পাঠে যা শিখবেন
- ঐতিহ্যগত মডেল-ফার্স্ট AI ডেভেলপমেন্ট পাইপলাইনের সাধারণ ধাপগুলো চিনতে পারা
- HCAI প্রসেস ঠিক কোন ধাপে ভিন্ন — কী যোগ হয়, কী আগে সরে আসে — তা ব্যাখ্যা করতে পারা
- "সাফল্য"/"done"-এর সংজ্ঞা দুই প্রসেসে কীভাবে ভিন্ন তা বলতে পারা
- একটি বাস্তব প্রোডাক্ট সিদ্ধান্তে দুটো দৃষ্টিভঙ্গি প্রয়োগ করে ফলাফল তুলনা করতে পারা
১ · ঐতিহ্যগত (মডেল-ফার্স্ট) AI ডেভেলপমেন্ট প্রসেস
বেশিরভাগ ML/AI প্রোজেক্ট যে ধারায় শেখানো হয়, তা মূলত মডেল-ফার্স্ট: প্রথমে একটি প্রেডিকশন সমস্যা সংজ্ঞায়িত করা হয় (যেমন "এই ছবিতে টিউমার আছে কিনা চিহ্নিত করো"), তারপর ডেটা জোগাড় ও ক্লিন করা হয়, একটি মডেল আর্কিটেকচার বাছাই ও ট্রেনিং করা হয়, এবং একটি হোল্ড-আউট টেস্ট সেটে accuracy/precision/recall/F1-এর মতো মেট্রিক্স দিয়ে যাচাই করা হয়। মেট্রিক্স যথেষ্ট ভালো হলে মডেলটি প্রোডাক্টে ডিপ্লয় করা হয়, এবং প্রায়ই ইউজার-ফেসিং UI/UX ডিজাইন করা হয় সবশেষে — মডেল "রেডি" হওয়ার পরে।
একটি প্রেডিকশন টাস্ক সংজ্ঞায়িত করা হয়, প্রাসঙ্গিক ডেটা জোগাড় ও লেবেল করা হয়।
একটি আর্কিটেকচার বাছাই করে মডেল ট্রেন করা হয়, হাইপারপ্যারামিটার টিউন করা হয়।
টেস্ট সেটে accuracy/F1 ইত্যাদি মাপা হয় — সাফল্যের একমাত্র সংজ্ঞা এটাই ধরে নেওয়া হয়।
মডেল ভালো স্কোর করলে ডিপ্লয় করা হয়; ইউজার-ফেসিং ডিজাইন প্রায়ই সবার শেষে, দ্রুত যোগ করা হয়।
এই প্রসেসটি ভুল নয় — অনেক ব্যাক-এন্ড/অফলাইন সমস্যার জন্য এটি যথেষ্ট (যেমন একটি ইন্টারনাল ডেটা-পাইপলাইন ক্লাসিফায়ার যা কোনো মানুষ সরাসরি দেখে না)। এই ধরনের মডেল-ট্রেনিং পাইপলাইনের কারিগরি খুঁটিনাটি Machine Learning কোর্সে বিস্তারিত কভার করা হয়েছে। সমস্যা তখনই হয় যখন একটি মডেল সরাসরি মানুষের সিদ্ধান্তে প্রভাব ফেলে, অথচ সেই মানুষটির অভিজ্ঞতা প্রসেসের কোথাও বিবেচনায় আসেনি।
২ · HCAI (মানুষ-প্রথম) প্রসেস
HCAI প্রসেসে প্রশ্নটি উল্টে যায়: শুরু হয় "কোন মানুষ এটি ব্যবহার করবে, কোন প্রেক্ষাপটে, এবং সে কীভাবে বুঝবে সিস্টেমটি কখন নির্ভরযোগ্য" — এই প্রশ্ন দিয়ে। ইউজার রিসার্চ (M2-এ বিস্তারিত) মডেল ট্রেনিং শুরুর আগেই হয়, যাতে বোঝা যায় কী ধরনের ভুল ব্যবহারকারীর জন্য সবচেয়ে ক্ষতিকর, এবং কোথায় মানুষের নিয়ন্ত্রণ/ওভাররাইড দরকার। মডেল যখন ট্রেন হয়, তখনো accuracy মাপা হয় — কিন্তু সেটি একমাত্র সাফল্যের মাপকাঠি নয়।
কে ব্যবহার করবে, কোন প্রেক্ষাপটে, কোন ভুলের মূল্য কতটা — মডেল বানানোর আগেই বোঝা হয় (M2)।
মডেল ট্রেনিং-এর পাশাপাশি ইন্টারঅ্যাকশন ডিজাইন (কনফিডেন্স দেখানো, ওভাররাইড অপশন) সমান্তরালে ডিজাইন হয়।
শুধু হোল্ড-আউট মেট্রিক্স নয় — বাস্তব বা প্রতিনিধিত্বমূলক ব্যবহারকারীদের সাথে ইউজেবিলিটি টেস্টিং হয় (M9)।
রেডি হওয়ার মানে: মডেল-স্কোর + ট্রাস্ট-ক্যালিব্রেশন + এরর-রিকভারি — সবকিছু গ্রহণযোগ্য পর্যায়ে।
মডেল-ফার্স্ট প্রসেসে "done" মানে সাধারণত: "টেস্ট সেটে যথেষ্ট ভালো accuracy পেয়েছি।" HCAI প্রসেসে "done" মানে: "মডেল যথেষ্ট ভালো, ব্যবহারকারী বুঝতে পারে এটি কখন ভুল হতে পারে, ভুল হলে সহজে বুঝতে ও সংশোধন করতে পারে, এবং কোনো উচ্চ-ঝুঁকির সিদ্ধান্তে ওভাররাইড করার সুযোগ আছে।" দ্বিতীয় সংজ্ঞাটি পরিমাপ করা কঠিন, কিন্তু এটাই আসলে প্রোডাক্টের বাস্তব সাফল্য নির্ধারণ করে।
৩ · একই সিদ্ধান্ত, দুই প্রসেসে ভিন্ন ফলাফল
ধরা যাক একটি টিম একটি "স্মার্ট রিপ্লাই সাজেশন" ফিচার বানাচ্ছে (ইমেইলের জন্য সংক্ষিপ্ত উত্তর সাজেস্ট করে)। মডেল-ফার্স্ট প্রসেসে টিম ট্রেনিং ডেটার উপর সাজেশন-অ্যাকুরেসি (ব্যবহারকারী কতবার সাজেশন ক্লিক করলো) মাপবে, সংখ্যা ভালো হলে রিলিজ করবে। HCAI প্রসেসে টিম আগে থেকেই জিজ্ঞাসা করবে: ভুল সাজেশন পাঠিয়ে দিলে কী ক্ষতি হতে পারে (বিব্রতকর/ভুল তথ্য পাঠানো)? ব্যবহারকারী কি সহজে বুঝতে পারবে এটি AI-জেনারেটেড? এডিট করা কি সহজ, নাকি পুরোটা মুছে নতুন করে লিখতে হবে? এই প্রশ্নগুলোর উত্তর ফিচারের ডিজাইনকে (যেমন এডিট-ইন-প্লেস অপশন, বা পাঠানোর আগে একটি নিশ্চিতকরণ ধাপ) বদলে দেয় — শুধু ক্লিক-রেট মেট্রিক্স দিয়ে এই সিদ্ধান্তগুলো ধরা পড়ে না।
৪ · এই দুটো পরস্পর-বিরোধী নয়
HCAI ঐতিহ্যগত মডেল-ডেভেলপমেন্ট পাইপলাইনকে বাতিল করে না — ডেটা কোয়ালিটি, মডেল আর্কিটেকচার, অফলাইন মেট্রিক্স সবই এখনও গুরুত্বপূর্ণ। HCAI যা করে তা হলো এই পাইপলাইনের আগে, মাঝে ও পরে মানুষ-কেন্দ্রিক চেকপয়েন্ট যোগ করা — ইউজার রিসার্চ, ইন্টারঅ্যাকশন ডিজাইন, এবং ব্যবহারকারীর সাথে ইভালুয়েশন। একটি দল যত ভালো মডেলই বানাক, ইউজার-ফেসিং কনটেক্সটে এই চেকপয়েন্টগুলো ছাড়া প্রোডাক্টটি বাস্তবে ব্যর্থ হওয়ার ঝুঁকিতে থাকে — যেমনটা L01-এর ট্রাস্ট-ক্যালিব্রেশন ডেমোতে দেখা গিয়েছিল।
মডেল-ফার্স্ট আর পিপল-ফার্স্ট প্রসেসের পার্থক্য দর্শনের চেয়েও বেশি প্রসেস-লেভেলের — কখন ইউজার রিসার্চ হয়, সাফল্যের সংজ্ঞা কী, এবং রিলিজের আগে কী প্রশ্ন জিজ্ঞাসা করা হয়। পরবর্তী পাঠে (L03) আমরা দেখবো এই মানুষ-কেন্দ্রিক দৃষ্টিভঙ্গি একটি নির্দিষ্ট ডিজাইন সিদ্ধান্তে কীভাবে প্রয়োগ হয়: AI পুরো কাজটা করে দেবে (অটোমেশন), নাকি মানুষকে আরও ভালোভাবে কাজ করতে সাহায্য করবে (অগমেন্টেশন)।
ভাবনার প্রশ্ন
প্রতিটি প্রশ্ন নিজে কিছুক্ষণ ভাবুন — তারপর "→ উত্তর" চাপুন।
প্র ০১ একটি টিম বলে, "আমাদের মডেলের অ্যাকুরেসি ৯৭%, তাই আমরা done।" HCAI দৃষ্টিভঙ্গি থেকে এর পরে আর কী প্রশ্ন জিজ্ঞাসা করা উচিত?
অন্তত এই প্রশ্নগুলো: বাকি ৩% ভুলগুলো কি এলোমেলোভাবে ছড়ানো, নাকি নির্দিষ্ট কোনো গ্রুপ/পরিস্থিতিতে ঘনীভূত? ব্যবহারকারী কি বুঝতে পারবে কখন সেই ৩%-এর মধ্যে পড়ছে? ভুল হলে সংশোধন করা কতটা সহজ? এবং সবচেয়ে গুরুত্বপূর্ণ — এই ৩% ভুলের বাস্তব-জীবনের মূল্য (cost) কতটা, শুধু সংখ্যায় না দেখে প্রেক্ষাপটেও দেখা দরকার। ৯৭% অ্যাকুরেসি একটি স্প্যাম ফিল্টারে চমৎকার, কিন্তু একটি মেডিকেল ট্রায়াজ টুলে একই সংখ্যা যথেষ্ট নাও হতে পারে।
প্র ০২ ঐতিহ্যগত মডেল-ফার্স্ট প্রসেসে ইউজার রিসার্চ প্রায়ই প্রজেক্টের শেষ দিকে চলে আসে (সময়/বাজেটের চাপে)। এর ঝুঁকি কী?
শেষ দিকে ইউজার রিসার্চ করলে ততক্ষণে মূল আর্কিটেকচার, ডেটা স্কিমা, এমনকি মডেলের আউটপুট ফরম্যাটও ঠিক হয়ে যায় — বড় পরিবর্তন করা ব্যয়বহুল হয়ে পড়ে। ফলে গবেষণা থেকে যেসব গুরুত্বপূর্ণ সমস্যা বেরিয়ে আসে (যেমন ব্যবহারকারীরা কনফিডেন্স স্কোর বোঝে না, বা ওভাররাইড করার কোনো উপায় নেই) সেগুলো প্রায়ই "পরের ভার্সনের জন্য" রেখে দেওয়া হয় — অথচ এগুলোই আসল ব্যবহারযোগ্যতা নির্ধারণ করে।
প্র ০৩ এমন একটি বাস্তব AI প্রোডাক্ট চিন্তা করুন যেখানে "মডেল ভালো, কিন্তু ব্যবহারকারীর অভিজ্ঞতা খারাপ" — কী কারণে এটা ঘটতে পারে?
একটি সাধারণ উদাহরণ: একটি ফটো-অ্যাপের "অটো-এনহ্যান্স" ফিচার প্রযুক্তিগতভাবে চমৎকার কাজ করে, কিন্তু ব্যবহারকারী বুঝতে পারে না কোন পরিবর্তনগুলো এটি করেছে বা কীভাবে শুধু নির্দিষ্ট একটি অংশ ফিরিয়ে আনবে — ফলে হয় সে পুরো রেজাল্ট বাতিল করে, নয়তো অপ্রত্যাশিত পরিবর্তন মেনে নেয়। মডেলের আউটপুট-কোয়ালিটি ভালো হলেও, ব্যবহারকারী যে সেটির উপর নিয়ন্ত্রণ অনুভব করছে না — এটাই ইন্টারঅ্যাকশন-ডিজাইনের ব্যর্থতা, মডেলের নয়।
অনুশীলন
-
চিন্তা করুন: একটি স্প্যাম-ফিল্টার টিম বর্তমানে সম্পূর্ণ মডেল-ফার্স্ট প্রসেস অনুসরণ করছে
(শুধু precision/recall মাপে)। তাদের প্রসেসে HCAI-স্টাইল দুটি নতুন চেকপয়েন্ট যোগ করলে সেগুলো কী কী হতে
পারে, এবং প্রতিটি কী প্রশ্নের উত্তর দেবে তা লিখুন।
সম্ভাব্য দুটি চেকপয়েন্ট: (১) মডেল ট্রেনিং শুরুর আগে একটি সংক্ষিপ্ত ইউজার রিসার্চ — জিজ্ঞাসা করে ব্যবহারকারীরা false positive (দরকারি মেইল স্প্যাম হিসেবে চিহ্নিত হওয়া) বনাম false negative (স্প্যাম ইনবক্সে ঢুকে যাওয়া) — কোনটাকে বেশি বিরক্তিকর মনে করে, যা মডেলের থ্রেশহোল্ড ঠিক করতে সাহায্য করে। (২) ডিপ্লয়মেন্টের আগে একটি ছোট ইউজেবিলিটি টেস্ট — ব্যবহারকারীরা কি সহজে বুঝতে পারে কেন কোনো মেইল স্প্যাম চিহ্নিত হয়েছে, এবং সহজে "এটা স্প্যাম না" বলে সংশোধন করতে পারে কিনা।
-
বিশ্লেষণ করুন: আপনার পরিচিত/ব্যবহৃত একটি AI ফিচার বেছে নিন (যেমন কোনো অ্যাপের সাজেশন
বা সাহায্যকারী ফিচার)। এটির ডেভেলপমেন্ট সম্ভবত মডেল-ফার্স্ট নাকি পিপল-ফার্স্ট প্রসেস অনুসরণ করেছে বলে
আপনার মনে হয় — কোন লক্ষণগুলো দেখে সেটা বোঝা যায়?
পিপল-ফার্স্ট প্রসেসের লক্ষণ: স্পষ্ট এরর-মেসেজ ও সহজে সংশোধনের অপশন, কনফিডেন্স/অনিশ্চয়তা দেখানো, সহজে ওভাররাইড/আনডু করার সুযোগ, এবং AI-জেনারেটেড কনটেন্ট স্পষ্টভাবে চিহ্নিত থাকা। মডেল-ফার্স্ট প্রসেসের লক্ষণ: ভুল হলে ব্যাখ্যাহীন ফলাফল, ওভাররাইড করার কোনো সহজ উপায় না থাকা, এবং ফিচারটি "ব্ল্যাক-বক্স" মনে হওয়া — এই লক্ষণগুলো নিজের ব্যবহৃত কোনো ফিচারে মিলিয়ে দেখাই এই অনুশীলনের মূল কাজ।
আরও পড়ুন · ABCL TECH-এ আপনার পরবর্তী পদক্ষেপ
- কোর্সের সম্পূর্ণ সিলেবাস দেখুন ৫৭টি পাঠ ব্যবহারকারী ও প্রেক্ষাপট, ট্রাস্ট ক্যালিব্রেশন, এক্সপ্লেইনেবিলিটি, হিউম্যান-ইন-দ্য-লুপ ডিজাইন, কগনিটিভ লোড, অ্যাক্সেসিবিলিটি, হিউম্যান-AI টিমিং, ইউজেবিলিটি ইভালুয়েশন, ইন্ডাস্ট্রি ফ্রেমওয়ার্ক ও ক্যাপস্টোন।
- Machine Learning কোর্স সহোদর কোর্স মডেল-ফার্স্ট পাইপলাইনের কারিগরি খুঁটিনাটি (ডেটা, ট্রেনিং, অফলাইন মূল্যায়ন) এখানে বিস্তারিত কভার করা হয়েছে — এই কোর্স তার উপর মানুষ-কেন্দ্রিক দৃষ্টিভঙ্গি যোগ করে।
- AI Ethics কোর্স সহোদর কোর্স "কোনো সিদ্ধান্ত নৈতিকভাবে সঠিক কিনা" — নৈতিক ফ্রেমওয়ার্ক, বায়াস-ফেয়ারনেস, প্রাইভেসি ও রেগুলেশনের গভীর কভারেজ।