শহুরে সিমুলেশনে কেন মানুষের আচরণ প্রয়োজন — ভূমিকা
কল্পনা করুন, আপনি একটি শহরের ভবিষ্যৎ "রিহার্সাল" করতে পারবেন: কেন্দ্রীয় রাস্তা বন্ধ করলে ট্রাফিক কীভাবে বদলাবে, বা কোনো এলাকা থেকে মানুষ কীভাবে সরিয়ে নেওয়া হবে। শহুরে সিমুলেশন ঠিক এই জন্যই প্রয়োজন — এগুলো পরিবহন নীতি নিয়ে সিদ্ধান্ত নিতে, ঝুঁকি মূল্যায়ন করতে এবং সামাজিক প্রক্রিয়া অধ্যয়ন করতে সাহায্য করে, বাস্তব জীবনকে স্পর্শ না করেই। কিন্তু দীর্ঘদিন ধরে এই ধরনের মডেলগুলো হয় মানুষের আচরণের জটিলতা ধরার জন্য খুবই সরল ছিল, অথবা কঠোর দৃশ্যপটের উপর নির্ভর করত, যা দ্রুত পুরনো হয়ে যেত।
বড় ভাষার মডেলগুলোর (LLM) বিকাশের সাথে সাথে এমন এজেন্ট তৈরি করার সম্ভাবনা দেখা দিয়েছে যারা তাদের দিনের পরিকল্পনা করে: কাজে যায়, কেনাকাটা করে, মিটিংয়ে যায় — এবং পুরো শহরের স্কেলে তা করে। এই ধরনের সিমুলেশনগুলো বাস্তবসম্মত দেখায়, কিন্তু তাদের মধ্যে একটি লুকানো ত্রুটি আছে। আদর্শ পদ্ধতি হলো few-shot prompting: মডেলকে কয়েকটি উদাহরণ দেখানো হয় এবং একই রকম আচরণ করতে বলা হয়। ফলে এজেন্টরা বাসিন্দাদের প্রকৃত অভ্যাস নয়, বরং ভাষার মডেলের ভেতরে থাকা আচরণের একটি "গড়" ধারণা প্রতিফলিত করে। এটি এমন একজন মানুষকে জিজ্ঞাসা করার মতো যে আপনার শহরে কখনো যায়নি, স্থানীয়রা কীভাবে বাস করে — সে সাধারণ বাক্য দিয়ে উত্তর দেবে, সর্বোপরি সমাজবিজ্ঞানের পাঠ্যবই থেকে।
CityReal কীভাবে কাজ করে
"টেমপ্লেট-ভিত্তিক" এবং "প্রকৃত" আচরণের মধ্যে এই ব্যবধান দূর করতে, গবেষকদের একটি দল — Nicolas Bougie, Xiaotong Ye এবং Narimasa Watanabe — CityReal ফ্রেমওয়ার্ক প্রস্তাব করেছেন। এর মূল ধারণা হলো, সিমুলেটেড এজেন্টরা টেমপ্লেট অনুযায়ী কাজ করবে না, বরং উদ্দেশ্য দ্বারা পরিচালিত হয়ে জীবন্ত মানুষের মতো সিদ্ধান্ত নেবে।
পদক্ষেপ-ভিত্তিক ক্রিয়াকলাপের পরিবর্তে, যা কেবল একে অপরের সাথে "জোড়া লাগানো" হয়, CityReal-এর এজেন্ট তার কার্যকলাপ এবং চলাফেরার একটি সুসংগত পরিকল্পনা তৈরি করে। সে শূন্যে "ক্যাফেতে যাওয়া" নামে একটি পৃথক কাজ করে না: এই যাত্রা তার দিন, সপ্তাহ এবং এমনকি মাসের লক্ষ্যগুলির বিস্তৃত সময়সূচীর মধ্যে অন্তর্ভুক্ত। এই পদ্ধতি বাস্তব মানুষের আচরণের অনেক কাছাকাছি, যারা তাদের কাজের পরিকল্পনা করে এবং সময়, রুট এবং অগ্রাধিকারের মধ্যে সমঝোতা খোঁজে।
মডুলার আর্কিটেকচার এবং উদ্দেশ্য
CityReal-এর প্রতিটি এজেন্ট বেশ কয়েকটি মডিউল নিয়ে গঠিত, যা আচরণের বিভিন্ন দিকের জন্য দায়ী: রুটের লজিস্টিকস, কার্যকলাপ নির্বাচন, সময় ব্যবস্থাপনা এবং অন্যান্য এজেন্টদের সাথে মিথস্ক্রিয়া। এই সমস্ত মডিউল একটি কেন্দ্রীয় উদ্দেশ্য ব্লকের অধীনস্থ, যা সিদ্ধান্তগুলিকে সমন্বয় করে। এর ফলে এজেন্ট বিচ্ছিন্ন ফাংশনের সেট হিসেবে নয়, বরং নিজস্ব অভ্যাস এবং পছন্দসহ একটি সম্পূর্ণ ব্যক্তিত্ব হিসেবে কাজ করে।
সময়ের সাথে সাথে এজেন্টরা শেখে। তারা সীমাবদ্ধতার সাথে খাপ খাইয়ে নেয় — যেমন দোকানের খোলার সময় বা গণপরিবহনের সময়সূচী — এবং ধীরে ধীরে স্থিতিশীল রুট এবং রুটিন তৈরি করে। এটি তাদের আচরণকে কেবল বাস্তবসম্মত নয়, বরং সত্যিকারের উদ্ভূত (emergent) করে তোলে: সহজ নিয়ম এবং শেখা থেকে জটিল প্যাটার্ন তৈরি হয়, যা ডেভেলপাররা সরাসরি নির্ধারণ করেনি।
টেক্সট অ্যাডাপ্টার এবং জনসংখ্যার পরিসংখ্যান
কিন্তু সবচেয়ে আকর্ষণীয় হলো সেই প্রক্রিয়া, যা এজেন্টদের আচরণকে বাস্তব জনসংখ্যার পরিসংখ্যানের সাথে সংযুক্ত করে। এর জন্য CityReal-এ টেক্সট অ্যাডাপ্টার ব্যবহার করা হয়। এগুলো বিশেষ প্রশিক্ষণযোগ্য উপাদান, যা পর্যবেক্ষণকৃত ডেটার সাথে আচরণগত মডিউলগুলিকে "সামঞ্জস্য" করে। উদাহরণস্বরূপ, যদি পরিসংখ্যান অনুযায়ী শহরের বাসিন্দারা সাধারণত কাজে যেতে প্রায় ৪০ মিনিট ব্যয় করে, তাহলে অ্যাডাপ্টাররা রুট এবং বের হওয়ার সময় নির্বাচন এমনভাবে সামঞ্জস্য করবে যাতে তা প্রকৃত বণ্টনের সাথে মেলে।
এইভাবে, এজেন্টরা কেবল "গড় মানুষ" এর আচরণ অনুকরণ করে না, বরং একটি নির্দিষ্ট জনসংখ্যার পরিসংখ্যানগত নিয়মাবলী প্রতিফলিত করে: কেউ সাইকেলে চড়ে, কেউ গণপরিবহন পছন্দ করে, কারও অ-মানক কাজের সময়সূচী আছে। অ্যাডাপ্টারদের কারণেই সিমুলেশনটি শুধু পৃথক ব্যক্তিদের নয়, পুরো শহরের স্তরে ডেটার সাথে সামঞ্জস্যপূর্ণ হয়।
পরীক্ষা এবং ফলাফল
গবেষকরা CityReal-এর সাথে পরীক্ষা চালিয়েছেন, সিমুলেশনটি কয়েক হাজার এজেন্ট পর্যন্ত স্কেল করে। এটি কেবল পৃথক গতিপথই নয়, শহুরে ঘটনাও বিশ্লেষণ করার জন্য যথেষ্ট: ভিড়ের ঘনত্ব, স্থানের জনপ্রিয়তা, মোবাইল প্রবাহ এবং এমনকি বিভিন্ন দৃশ্যপটে এজেন্টদের মঙ্গলের মাত্রা। উদাহরণস্বরূপ, সকালের পিক আওয়ার বা একটি গণ-অনুষ্ঠান মডেল করা যায় এবং দেখা যায় কীভাবে পরিকাঠামোর উপর চাপ বদলায়।
ফলাফল দেখিয়েছে যে, ক্লাসিক্যাল LLM-এজেন্টদের তুলনায় CityReal বাস্তব মানুষের আচরণের সাথে সামঞ্জস্য উল্লেখযোগ্যভাবে উন্নত করে। মাইক্রো-স্তরে — এটি পৃথক সিদ্ধান্তের নির্ভুলতা: কোথায় যেতে হবে, কোন রুটে, কোন সময়ে। ম্যাক্রো-স্তরে — সাধারণ প্যাটার্নের মিল: কোন সময়ে শহরের কেন্দ্র ভরে যায়, মূল প্রবাহ কোথায় নির্দেশিত, কোন এলাকা "বottleneck" হয়ে ওঠে।
তাছাড়া, উন্নতিটি কেবল দৃশ্যতই নয়, লেখকদের ব্যবহৃত পরিমাণগত মেট্রিক্সেও লক্ষণীয়। এর অর্থ হলো, সিমুলেশনটি পূর্বাভাসের জন্য ব্যবহার করা যেতে পারে — যেমন পরিবহন পরিকল্পনা পরিবর্তনের পরিণতি মূল্যায়ন বা অনুষ্ঠান পরিকল্পনার জন্য। মডেলটি বাস্তব আচরণ যত নির্ভুলভাবে প্রতিফলিত করে, এর উপর ভিত্তি করে সিদ্ধান্ত তত নির্ভরযোগ্য।
বাস্তবে এর ব্যবহার কী
ফ্রেমওয়ার্কের নির্মাতারা জোর দিয়ে বলেন যে, CityReal কেবল আরেকটি সিমুলেশন নয়, বরং শহুরে পরিকল্পনা এবং পূর্বাভাসের জন্য একটি স্কেলযোগ্য পরীক্ষামূলক প্ল্যাটফর্ম। এটি নগর পরিকল্পনাবিদ, পরিবহন পরিকল্পনাকারী, সড়ক নিরাপত্তা বিশেষজ্ঞ এবং সামাজিক বিজ্ঞান গবেষকদের জন্য উপযোগী হতে পারে।
কল্পনা করুন: আপনি বুঝতে চান, একটি নতুন সেতু নির্মাণ বাসিন্দাদের ভ্রমণের সময়কে কীভাবে প্রভাবিত করবে। মোটামুটি অনুমানের উপর নির্ভর না করে, আপনি কয়েক হাজার এজেন্ট নিয়ে একটি সিমুলেশন চালান, যারা প্রকৃত মানুষের মতো আচরণ করে — তাদের অভ্যাস, পছন্দ এবং পরিবর্তনের প্রতি প্রতিক্রিয়া সহ। অথবা জরুরি অবস্থায় সরিয়ে নেওয়ার পরিকল্পনা করতে হবে: CityReal জনতার প্রবাহ, বottleneck এবং নিরাপদে জনসংখ্যা সরাতে প্রয়োজনীয় সময় মডেল করতে দেয়।
গুরুত্বপূর্ণ হলো, CityReal-এর সাথে কাজ করার জন্য প্রতিটি এজেন্টের জন্য ম্যানুয়ালি নিয়ম লিখতে হয় না। আর্কিটেকচার নির্ধারণ এবং প্রকৃত জনসংখ্যার পরিসংখ্যান লোড করাই যথেষ্ট — এরপর এজেন্টরা নিজেরাই সেই অনুযায়ী আচরণ করতে শেখে। এটি মডেলটিকে নতুন শহর বা দৃশ্যপটের সাথে খাপ খাওয়ানো অনেক সহজ করে তোলে।
এটাও যোগ করা উচিত যে, কাজটি ৮ জুলাই ২০২৬ তারিখে arXiv-এ উপস্থাপিত হয়েছিল এবং একাধিক বিভাগের অন্তর্ভুক্ত: physics.soc-ph, cs.AI এবং cs.MA। এই সংমিশ্রণটি গবেষণার আন্তঃবিভাগীয় চরিত্রকে তুলে ধরে — সামাজিক ব্যবস্থার পদার্থবিদ্যা, কৃত্রিম বুদ্ধিমত্তা এবং মাল্টি-এজেন্ট মডেলিংয়ের সংযোগস্থলে।
CityReal এমন সিমুলেশনের দিকে একটি পদক্ষেপ, যা সত্যিই শহরের জীবনকে প্রতিফলিত করে, স্টিরিওটাইপিকাল ধারণা নয়। সম্ভবত, শীঘ্রই এই ধরনের মডেল আমাদের শহরের ভবিষ্যৎ নিয়ে সিদ্ধান্ত নেওয়াদের জন্য একটি আদর্শ হাতিয়ার হয়ে উঠবে।
