অটোমেশনের লেভেল — একটি স্কেল
এই পাঠে যা শিখবেন
- Sheridan-Verplanck ধাঁচের অটোমেশন-লেভেল স্কেলের সাধারণ কাঠামো
- কীভাবে একাধিক প্রতিযোগী ফ্যাক্টর (ঝুঁকি, অপরিবর্তনীয়তা, সময়-চাপ, অস্পষ্টতা) একসাথে মিলিয়ে একটি একক অটোমেশন-লেভেলে পৌঁছানো যায়
- একটি সত্যিকারের Python ক্লাসিফায়ার লিখে একাধিক সিনারিওর উপর এটি প্রয়োগ করা
- কেন উচ্চ সময়-চাপ ও উচ্চ ঝুঁকি একসাথে থাকলে ফলাফল একটি "মাঝামাঝি" লেভেলে পৌঁছায় — একটি চরম উত্তর নয়
১ · অটোমেশন একটি স্কেল, বাইনারি নয়
বাস্তবে একটি সিস্টেম "সম্পূর্ণ ম্যানুয়াল" বা "সম্পূর্ণ স্বয়ংক্রিয়" — এই দুটির একটিতেই থাকে না। মাঝে অনেকগুলো ধাপ আছে: AI শুধু বিকল্প দেখাতে পারে, একটি সুনির্দিষ্ট প্রস্তাব দিতে পারে, মানুষের অনুমোদন সাপেক্ষে কাজ করতে পারে, অথবা কাজ করে ফেলার পর শুধু জানাতে পারে। থমাস শেরিডান ও উইলিয়াম ভার্প্ল্যাঙ্কের প্রস্তাবিত Sheridan-Verplanck স্কেলSheridan-Verplanck Scaleমানুষ ও কম্পিউটারের মধ্যে সিদ্ধান্ত-নিয়ন্ত্রণ কীভাবে ভাগ হতে পারে তার একটি সুপরিচিত ১০-লেভেল কাঠামো — লেভেল ১-এ মানুষ সব করে, লেভেল ১০-এ কম্পিউটার সবকিছু নিজে সিদ্ধান্ত নেয় ও কার্যকর করে, মানুষকে জানানোরও প্রয়োজন মনে করে না। এই ধারণাটির একটি সুপরিচিত সাধারণ কাঠামো দেয় — নিচের দিকে মানুষ প্রায় সব সিদ্ধান্ত নেয়, উপরের দিকে AI স্বাধীনভাবে সিদ্ধান্ত নেয় ও কার্যকর করে, মানুষকে জানানোর প্রয়োজনও মনে করে না।
মানুষ প্রধান সিদ্ধান্ত নেয়; AI বড়জোর বিকল্প সাজিয়ে দেখায় বা কয়েকটি সম্ভাবনা সংক্ষিপ্ত করে।
AI একটি নির্দিষ্ট প্রস্তাব দেয়, এবং মানুষ হয় অনুমোদন দেয়, অথবা একটি নির্দিষ্ট সময়ের মধ্যে ভেটো না দিলে AI নিজে কাজটি করে ফেলে।
AI স্বাধীনভাবে সিদ্ধান্ত নেয় ও কার্যকর করে; মানুষকে জানানো ঐচ্ছিক হয়ে যায় বা একেবারেই থাকে না।
২ · একটি সত্যিকারের অটোমেশন-লেভেল ক্লাসিফায়ার
নিচের কোডে একটি ফাংশন লেখা হয়েছে যা চারটি সিনারিও-অ্যাট্রিবিউট থেকে একটি স্কোর গণনা করে, এবং সেই স্কোরকে
১-১০ স্কেলে ম্যাপ করে। লক্ষ্য করুন: stakes ও reversible কম অটোমেশনের পক্ষে যুক্তি
দেয় (মানুষের নিয়ন্ত্রণ বেশি দরকার), কিন্তু time_pressure বেশি অটোমেশনের পক্ষে যুক্তি দেয়
(মানুষের প্রতিক্রিয়ার সময়ই নেই) — এই দুই ধরনের বিপরীতমুখী চাপ একসাথে যোগ হয়ে চূড়ান্ত লেভেল ঠিক করে।
def automation_level(name, stakes, reversible, time_pressure, ambiguous):
stakes_score = {"low": 2, "medium": 0, "high": -3}[stakes]
reversible_score = 2 if reversible else -2
# time_pressure বেশি মানে মানুষের হাতে প্রতিক্রিয়া দেখানোর মতো সময়ই নেই -- তাই এটি অটোমেশনের পক্ষে যুক্তি দেয়
time_score = {"low": -1, "medium": 0, "high": 3}[time_pressure]
ambiguous_score = -2 if ambiguous else 1
total = stakes_score + reversible_score + time_score + ambiguous_score
# স্কোরের রেঞ্জ -৮ থেকে +৮ -- সেটাকে ১-১০ স্কেলে ম্যাপ করা হচ্ছে
normalized = (total + 8) / 16 * 9
level = round(normalized) + 1
level = max(1, min(10, level))
return level, total
scenarios = [
{"name": "স্প্যাম ইমেইল ফিল্টার করা", "stakes": "low", "reversible": True, "time_pressure": "low", "ambiguous": False},
{"name": "গাড়ির ইমার্জেন্সি অটো-ব্রেকিং", "stakes": "high", "reversible": False, "time_pressure": "high", "ambiguous": False},
{"name": "ছবিতে মানুষ চেনার অটো-ট্যাগ সাজেশন", "stakes": "low", "reversible": True, "time_pressure": "low", "ambiguous": True},
{"name": "ঋণ আবেদন প্রত্যাখ্যান করা", "stakes": "high", "reversible": False, "time_pressure": "low", "ambiguous": True},
{"name": "ইমার্জেন্সি রুমে ট্রায়াজ সাজেশন", "stakes": "high", "reversible": False, "time_pressure": "high", "ambiguous": True},
]
for s in scenarios:
level, total = automation_level(s["name"], s["stakes"], s["reversible"], s["time_pressure"], s["ambiguous"])
print(f"{s['name']}: স্কোর={total:+d} -> অটোমেশন লেভেল={level}/১০")
অটোমেশন-লেভেল নির্ধারণ একটি একমাত্রিক প্রশ্ন নয় — এটি একাধিক প্রতিযোগী ফ্যাক্টরের ভারসাম্য। Shneiderman-এর HCAI ফ্রেমওয়ার্ক (M10-এ বিস্তারিত) এই একই ধারণাকে "উচ্চ অটোমেশন ও উচ্চ মানব-নিয়ন্ত্রণ পরস্পরবিরোধী নয়, বরং দুটোই একসাথে সর্বোচ্চ করা সম্ভব ও উচিত" — এই সাধারণ নীতিতে প্রকাশ করে।
ভাবনার প্রশ্ন
প্রতিটি প্রশ্ন নিজে কিছুক্ষণ ভাবুন — তারপর "→ উত্তর" চাপুন।
প্র ০১ উপরের কোডে "ইমার্জেন্সি ব্রেকিং" ও "ইমার্জেন্সি ট্রায়াজ" — দুটোতেই time_pressure "high", কিন্তু তাদের লেভেল ভিন্ন (৫ বনাম ৩)। কেন?
কারণ time_pressure একমাত্র ফ্যাক্টর নয়। ট্রায়াজ সিনারিওতে ambiguous True (রোগীর অবস্থা
মূল্যায়ন প্রায়ই সাবজেক্টিভ), কিন্তু ব্রেকিং সিনারিওতে ambiguous False (সংঘর্ষ আসন্ন কি না
তা সেন্সর দিয়ে তুলনামূলক স্পষ্ট)। এই একটি পার্থক্যই স্কোরে ৩ পয়েন্টের ফারাক তৈরি করে (ambiguous_score
+১ বনাম -২), যা চূড়ান্ত লেভেলকে নিচে নামিয়ে দেয়।
প্র ০২ বাস্তব সিস্টেম ডিজাইনে কেন একটি সংখ্যাসূচক স্কোর (যেমন এই কোডেরটা) দিয়ে অটোমেশন-লেভেল ঠিক করা যথেষ্ট নয় — অন্তত সতর্কতা হিসেবে কী মনে রাখা দরকার?
এই ধরনের স্কোরিং একটি সরলীকৃত মানসিক মডেল/আলোচনার হাতিয়ার হিসেবে দরকারী, কিন্তু ওজন (weights) গুলো সবসময় বিষয়ভিত্তিক (subjective) — একজন ডিজাইনার stakes-কে বেশি গুরুত্ব দিতে পারেন, আরেকজন time_pressure-কে। বাস্তব সিদ্ধান্তে এই স্কোরকে একটি প্রাথমিক আলোচনার সূচনা-বিন্দু হিসেবে ব্যবহার করা উচিত, চূড়ান্ত সিদ্ধান্ত হিসেবে নয় — বিশেষ করে উচ্চ-ঝুঁকির ক্ষেত্রে (যেমন মেডিকেল বা স্বয়ংক্রিয় গাড়ি, M11-এ বিস্তারিত)।
প্র ০৩ আপনার পরিচিত একটি সিস্টেমের কথা ভাবুন এবং এটিকে এই চারটি ফ্যাক্টর (stakes, reversible, time_pressure, ambiguous) দিয়ে বর্ণনা করার চেষ্টা করুন — এটি স্কেলের কোন অংশে পড়বে বলে মনে হয়?
নির্দিষ্ট কোনো একক সঠিক উত্তর নেই — লক্ষ্য হলো এই চারটি ফ্যাক্টরের ভাষায় নিজের উদাহরণটি ভেঙে বিশ্লেষণ করতে পারা, যা L19 ও L20-এর মূল দক্ষতা। যেমন, একটি ইমেইল অটো-রিপ্লাই ফিচার — low stakes, reversible (পাঠানোর আগে এডিট করা যায়), low time-pressure, low ambiguity — এমন সিনারিও সাধারণত উচ্চ লেভেলের (৭-৯) কাছাকাছি পড়বে।
অনুশীলন
-
চিন্তা করুন: "ঋণ আবেদন প্রত্যাখ্যান করা" সিনারিওর
time_pressure-কে"low"থেকে"high"-এ পরিবর্তন করলে (কল্পনা করুন এটি একটি জরুরি লোন-অনুমোদন সিস্টেম) লেভেল কতে গিয়ে দাঁড়াবে বলে আপনার ধারণা?অনুমান করা যায় লেভেল কিছুটা বাড়বে, কারণ time_score -১ থেকে +৩-এ যাবে (৪ পয়েন্ট বৃদ্ধি), কিন্তু stakes, reversibility ও ambiguity একই থাকায় এটি খুব উঁচুতে যাবে না।
-
পরীক্ষা করুন: উপরের কোডে "ঋণ আবেদন প্রত্যাখ্যান করা"-র
time_pressureসত্যিই"high"-এ পরিবর্তন করে Run চেপে আপনার অনুমান যাচাই করুন।নতুন total = -3 (stakes) + -2 (reversible) + 3 (time) + -2 (ambiguous) = -4, যা "ইমার্জেন্সি রুমে ট্রায়াজ সাজেশন"-এর মতোই normalized স্কোর দেয় এবং লেভেল ৩-এ গিয়ে দাঁড়ায় — লেভেল ১ থেকে বেড়ে ৩ হলো, কিন্তু তাও মাঝারি-নিচু পর্যায়েই থেকে গেলো, কারণ stakes, irreversibility ও ambiguity-এর সম্মিলিত ওজন এখনও time-pressure-এর বৃদ্ধিকে ছাপিয়ে যায়। এটাই দেখায় একটি একক ফ্যাক্টর বদলালেও বাকি ফ্যাক্টরগুলো লেভেলকে "টেনে ধরে রাখে"।
আরও পড়ুন · ABCL TECH-এ আপনার পরবর্তী পদক্ষেপ
- কোর্সের সম্পূর্ণ সিলেবাস দেখুন ৫৭টি পাঠ 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 কনফিডেন্স স্কোর, ফিচার-ইম্পরট্যান্স ও মডেলের ভেতরের কার্যপ্রণালী কীভাবে কাজ করে তার টেকনিক্যাল ভিত্তি।
- সব Courses দেখুন ABCL TECH C, C++, Python, Java, JavaScript, DSA, Machine Learning, Deep Learning, System Design, Cybersecurity, Cloud Computing & DevOps, এবং আরও অনেক কোর্স — সব এক জায়গায়।