Prometheus ত্যাগ করে ফিজিক্যাল ওয়ার্ল্ডের AI-এর জন্য: আনন্দকুমার এবং ইয়েনিক প্রতিষ্ঠা করলেন Accelerated Understanding
ক্যালটেকের একজন অধ্যাপক এবং তার সহকর্মী, বেজোস-সমর্থিত প্রকল্পে অংশীদারিত্ব প্রত্যাখ্যান করে নিজস্ব স্টার্টআপ চালু করেছেন। নতুন কোম্পানিটি রোবোটিক্স, সেমিকন্ডাক্টর এবং জলবায়ুর জন্য ভৌত ঘটনা পূর্বাভাস দেয় এমন মডেল তৈরি করতে চায়।

দুই এআই গবেষক — অনিমা আনন্দকুমার এবং বেনেডিক্ট ইয়েনিক — জেফ বেজোসের সমর্থনে তৈরি হওয়া Prometheus প্রকল্পের নেতৃত্ব দেওয়ার প্রস্তাব প্রত্যাখ্যান করেছেন। এর পরিবর্তে তারা নিজেদের স্টার্টআপ Accelerated Understanding চালু করেছেন, যার লক্ষ্য শিল্প-স্কেলে ভৌত জগৎ মডেলিং করা। তাদের ধারণা — আরেকটি চ্যাট-বট নয়, বরং এমন সিস্টেম যা স্থান, সময়, উপকরণ এবং শক্তি বোঝে।
প্রথম নজরে সিদ্ধান্তটি অপ্রত্যাশিত মনে হতে পারে: Prometheus-এ যোগদানের শর্তগুলো বিলাসবহুল দেখাচ্ছিল। তবে গবেষকরা স্বাধীনতা বেছে নিয়েছেন — এবং এখন তারা ব্যাখ্যা করছেন, কেন।

কেন Prometheus নয়?
Prometheus প্রতিষ্ঠা করেছেন জেফ বেজোস, বিনিয়োগকারী এবং বায়োটেক উদ্যোক্তা ভিক বাজাইয়ের সাথে। প্রকল্পটি শুরু থেকেই উচ্চাকাঙ্ক্ষী: এটি জটিল ভৌত সিস্টেমের উৎপাদন স্বয়ংক্রিয়করণ নিয়ে কাজ করে। পরবর্তীতে Prometheus সিরিজ B রাউন্ডে ১২ বিলিয়ন ডলার সংগ্রহ করেছিল, তবে এই অর্থের পরিমাণ আনন্দকুমার এবং ইয়েনিকের সিদ্ধান্তকে আর প্রভাবিত করেনি।
বিষয়টি অর্থ নয়। গবেষকদের কোম্পানিতে ৩৫ শতাংশ অংশীদারিত্ব, বছরে ২ মিলিয়ন ডলার পর্যন্ত বেতন এবং সিরিজ B পর্যন্ত ২ বিলিয়ন ডলারের বেশি তহবিলের প্রস্তাব দেওয়া হয়েছিল। কিন্তু Prometheus-এর ভিতরে, দৃশ্যত, একটি ভিন্ন প্রযুক্তিগত যুক্তি ছিল। বিজ্ঞানীরা মনে করেছিলেন যে তারা নিজেদের পথে গিয়ে এবং একটি মৌলিকভাবে ভিন্ন এআই আর্কিটেকচারের উপর মনোযোগ দিয়ে আরও বেশি কিছু অর্জন করতে পারবেন।
প্রযুক্তি: ভাষা থেকে পদার্থবিজ্ঞানে
আনন্দকুমার Accelerated Understanding-এর ধারণাটিকে «ভাষা-ভিত্তিক বুদ্ধিমত্তার মডেল» থেকে প্রকৃতি-কেন্দ্রিক পদ্ধতিতে একটি পরিবর্তন হিসেবে বর্ণনা করেন। ChatGPT-এর মতো কথোপকথনমূলক সিস্টেমের বিপরীতে, যেগুলো টেক্সট নিয়ে কাজ করে, নতুন প্ল্যাটফর্মটি স্থান এবং সময়ে ভৌত ঘটনা পূর্বাভাস দেওয়ার চেষ্টা করে। এটি বিদ্যমান জেনারেটিভ মডেলগুলিকে উন্নত করার প্রচেষ্টা নয়, বরং একটি ভিন্ন শ্রেণির টুল তৈরি করা।
মূল প্রযুক্তিগত ভিত্তি — নিউরোঅপারেটর। আনন্দকুমার ক্যালটেক এবং Nvidia-তে গবেষণার সময় এই ক্ষেত্রে অবদান রেখেছিলেন। সিস্টেমটি সচেতনভাবেই Transformer আর্কিটেকচারের উপর নির্ভর করে না, যার উপর প্রায় সব আধুনিক বড় ভাষার মডেল নির্মিত। বিকাশকারীরা দাবি করেন যে তাদের সমাধান একটি একক অনুরোধে পাঁচ ট্রিলিয়ন পর্যন্ত ডেটা খণ্ড প্রক্রিয়া করতে সক্ষম — যা Anthropic এবং Google-এর ফ্ল্যাগশিপ মডেলগুলির সাধারণ ক্ষমতার চেয়ে প্রায় পাঁচ মিলিয়ন গুণ বেশি।
কনটেক্সটের এই ধরনের মজুদ দীর্ঘ কথোপকথনের জন্য নয়, বরং জটিল সিস্টেমের পূর্ণাঙ্গ মডেলিংয়ের জন্য — যেমন, গরম করার সময় সিলিকনের আচরণ বা বায়ুমণ্ডলীয় ফ্রন্ট কীভাবে গঠিত হয়।

এটি কোথায় কাজে লাগবে
স্টার্টআপটি ভোক্তা পণ্য প্রকাশের পরিবর্তে কর্পোরেট ক্লায়েন্টদের সাথে কাজ করার পরিকল্পনা করছে। অগ্রাধিকার ক্ষেত্রগুলির মধ্যে রয়েছে সেমিকন্ডাক্টর শিল্প, রোবোটিক্স, আবহাওয়ার পূর্বাভাস এবং জ্বালানি।
চিপ নির্মাতাদের জন্য প্রযুক্তিটি পূর্বাভাস দিতে পারে যে বিভিন্ন উপকরণ এবং তাপমাত্রার অবস্থা কীভাবে উপাদানগুলির চূড়ান্ত কর্মক্ষমতাকে প্রভাবিত করে — ব্যয়বহুল শারীরিক পরীক্ষার আগেই। আবহাওয়াবিদ্যায় নতুন মডেলটি প্রতিটি পরিস্থিতির জন্য আলাদা সিমুলেশন তৈরি করার প্রয়োজন ছাড়াই জটিল ভৌত ঘটনা বর্ণনা করতে সক্ষম। কার্যত, কোম্পানিটি একটি সার্বজনীন «ভৌত জগতের ইঞ্জিন» অফার করছে, যার চারপাশে শিল্প-নির্দিষ্ট সমাধান তৈরি করা যেতে পারে।
এই ধরনের কাজের জন্য আনন্দকুমারের যথেষ্ট অভিজ্ঞতা রয়েছে: ক্যালটেকের কম্পিউটেশনাল এবং গাণিতিক বিজ্ঞানের অধ্যাপক, এবং এর আগে Nvidia-তে পাঁচ বছর পরিচালক-স্তরের গবেষণা, যেখানে তিনি GPU এবং উন্নত এআই অ্যাপ্লিকেশন নিয়ে কাজ করেছেন। তার মতে, Nvidia-এর প্রধান নির্বাহী কর্মকর্তা জেনসেন হুয়াং এই ধরনের একটি বিস্তৃত ধারণার বিকাশকে উৎসাহিত করেছিলেন। এখন তার এবং তার সহ-প্রতিষ্ঠাতার কাছে এটি সম্পূর্ণরূপে বাস্তবায়নের সুযোগ রয়েছে, বড় প্রকল্পের বিনিয়োগকারীদের দিকে তাকানোর প্রয়োজন ছাড়াই।
সাধারণ প্রশ্নোত্তর
বিভিন্ন উপাদান
সব উপাদান
OpenCollab: এজেন্টদের প্রোগ্রামযোগ্য সমন্বয়, নিয়ন্ত্রিত রানটাইম পরিবেশ এবং প্রোটোকল মেনে চলার মেট্রিক
ফ্রেমওয়ার্কটি এজেন্টদের পারস্পরিক ক্রিয়াকলাপের কাঠামো নির্ধারণ, পরীক্ষার জন্য একটি অভিন্ন পরিবেশ এবং ইভেন্টের বিস্তারিত ট্রেসিংকে একত্র করে; নতুন প্রবর্তিত Adherence মেট্রিকটি দেখায়, বাস্তব সম্পাদন ঘোষিত কাঠামোর সঙ্গে কতটা সামঞ্জস্যপূর্ণ। বেঞ্চমার্কে Duo কনফিগারেশন নতুন SOTA অর্জন করে, অন্যদিকে একক-এজেন্ট সংস্করণে টোকেন খরচ সবচেয়ে কম।
11 নভেম্বর 2026
Toollery: ফাইন-টিউনিং ছাড়াই কয়েক দশ হাজার বিকল্প থেকে LLM এজেন্টের জন্য টুল নির্বাচন
Toollery দক্ষতা ও টুলের বিবরণের ওপর ভিত্তি করে একটি সার্চ ইনডেক্স তৈরি করে এবং অনুরোধের সময় মডেলকে কেবল সীমিতসংখ্যক সম্ভাব্য প্রার্থী দেয়। কয়েক দশ হাজার ফাংশন পর্যন্ত বিস্তৃত লাইব্রেরিতে চালানো পরীক্ষায় দেখা গেছে, নির্দিষ্ট top-K বজায় রেখেও এই পদ্ধতি বাছাইয়ের মান ধরে রাখতে পারে, যদিও চূড়ান্ত ফল নির্ভর করে ব্যবহারের ধরন এবং প্রোভাইডারের ক্যাশিংয়ের ওপর।
11 নভেম্বর 2026
WILSON: রোগীর প্যাথোমরফোলজিক্যাল বিশ্লেষণ ও রিপোর্ট তৈরির জন্য ম্যাগনিফিকেশন ও স্লাইড একত্রিত করা
প্রিপ্রিন্টে WILSON উপস্থাপন করা হয়েছে—একটি ভিশন-ল্যাঙ্গুয়েজ মডেল, যা শুধু একটি আলাদা “সেরা” স্লাইড নয়, বরং সম্পূর্ণ স্লাইডের ছবি এবং একই রোগীর বিভিন্ন বিবর্ধনে তোলা নমুনার সিরিজ এনকোড করে। নির্দিষ্ট কাজের জন্য অতিরিক্ত প্রশিক্ষণ ছাড়াই, উল্লেখযোগ্যভাবে কম কম্পিউটেশনাল ব্যয়ে এটি বিভিন্ন মেট্রিকে বিশেষায়িত ও আরও বড় স্লাইড-মডেলগুলোকে ছাড়িয়ে যায়; পাশাপাশি, এর রোগনির্ণয়মূলক বর্ণনাগুলো প্যাথলজিস্টদের কাছ থেকে বেশি নম্বর পেয়েছে।
11 নভেম্বর 2026