AI কোডিংয়ে সমস্যা ও সমাধান: Naia-র ওপেন সোর্স ও পেটেন্টে লুকানো রহস্য

হ্যালো। আমি Nextain-এর Luke, Naia তৈরি করছি। গত পোস্টে Naia-Sing প্রকাশের পর অনেকে জিজ্ঞেস করেছেন "আপনি কি স্ট্রিমিং করবেন?" — করব না।

Naia-Sing হলো Naia-এর AI মডেলের জ্ঞানীয় কাঠামো নিয়ে গবেষণা, যা একটি প্রাইভেট রিপোজিটরিতে পরিচালিত গবেষণার ফলাফল।

Naia-Sing-এর বেঞ্চমার্ক গানগুলো এবং Naia-OS-এর ডিফল্ট VRM 3D মডেলে সাবকালচার সম্পর্কে আমার রুচি প্রতিফলিত হলেও, এটা আমার মূল ফোকাস নয়। কন্টেন্ট আমাদের পার্টনার ও ক্রিয়েটরদের এখতিয়ার বলে আমি মনে করি।

আমার GitHub প্রোফাইলে অ্যানিমে ছবি, প্রথম স্টার্টআপ ছিল VR ওয়েবটুন, এবং Naver Webtoon-এ PD হিসেবে কাজের অভিজ্ঞতা থাকায় অনেকে আমাকে শুধু কন্টেন্ট বিশেষজ্ঞ হিসেবে চেনেন। Nextain-এর ভবিষ্যৎ কর্পোরেট কার্যক্রমের জন্যও এই ধারণাটা কিছুটা সংশোধন করা দরকার মনে করে এই পোস্টটি লিখছি। (তথ্যসূত্র: অ্যানিমে প্রোফাইল পিকচার এবং কোডিং দক্ষতার সম্পর্ক নিয়ে Codeforces ব্লগ পোস্ট https://codeforces.com/blog/entry/93498)

আগেই বলেছিলাম, আমি Naver-এ AI গবেষণা করতাম। সে সময় কোম্পানির অভ্যন্তরীণ উদ্ভাবনে প্রথম স্থান অর্জন করেছিলাম, সেটাও ছিল কৃত্রিম বুদ্ধিমত্তার ফলাফল। এ নিয়ে Boannews Naver-এর পেটেন্ট বিশ্লেষণ করে একটি নিবন্ধ লিখেছিল।

"এই কোম্পানির পেটেন্ট আবেদনগুলো উদ্ভাবকভেদে বিশ্লেষণ করলে একটি নাম বারবার চোখে পড়ে: 'ইয়াং বিওং-সোক'। তার পেটেন্টের CPC কোডগুলো G06Q (ব্যবস্থাপনা, বাণিজ্যিক, আর্থিক বা পূর্বাভাস-সংক্রান্ত ডেটা প্রক্রিয়াকরণ সিস্টেম) এবং G06F (ডিজিটাল ডেটা প্রক্রিয়াকরণ — নির্দিষ্ট গণনামডেল-ভিত্তিক কম্পিউটার সিস্টেম)-এ কেন্দ্রীভূত। সবগুলোই 'ডেটা প্রক্রিয়াকরণ' সংশ্লিষ্ট প্রযুক্তি।"

https://m.boannews.com/html/detail.html?idx=125653

মিডিয়া স্টাডিজ ছিল আমার মাইনর, কিন্তু মেজর ছিল কম্পিউটার সায়েন্স। আন্ডারগ্র্যাজুয়েট থাকাকালীন সুংসিল বিশ্ববিদ্যালয়ের অধ্যাপক Jung Ki-cheol-এর কাছে শিখেছিলাম, যিনি কোরিয়ায় প্রথমবার CUDA AI-তে প্রয়োগ করেন। ল্যাবে যোগ দেওয়ার বিষয়টাও গুরুত্বের সাথে ভেবেছিলাম।

এই ইঞ্জিনিয়ারিং ব্যাকগ্রাউন্ডের ভিত্তিতে, আজকের পোস্টে আমি Nextain-এর পরিচয় সবচেয়ে স্পষ্টভাবে তুলে ধরে এমন আমাদের প্রযুক্তি পেটেন্টের মাধ্যমে Naia OS কী সমাধান করতে চায় তা ব্যাখ্যা করব।

প্রসঙ্গত, Nextain ২০২৬ সালের মার্চে প্রতিষ্ঠিত হয়েছে এবং মাত্র তিন মাসের মধ্যে ১২টি পেটেন্ট দাখিল করেছে, যার মধ্যে ৮টি AI-এর সাথে ডেভেলপমেন্ট প্রক্রিয়ায় উদ্ভূত সমস্যার সমাধানের জন্য। বেশিরভাগের বাস্তবায়ন এবং বেঞ্চমার্ক ইতিমধ্যে Naia-OS, Naia-Agent, Naia-ADK, Naia-Memory ওপেনসোর্স রিপোজিটরিতে প্রকাশিত। এই ওপেনসোর্সগুলো নামিয়ে নিয়ে Claude বা Codex-এর মতো কোডিং AI-কে প্রতিটি পেটেন্টের বাস্তবায়নের অবস্থান বা বিস্তারিত কাঠামো জিজ্ঞেস করলে সে বলে দেবে। তবে এখনো পুরোপুরি কাজ করছে না এমন অংশও আছে, সেটা মাথায় রাখবেন।

চলুন বিস্তারিত ব্যাখ্যায় যাই।

AI যখন সফটওয়্যারের 'মূল কর্তা' হয়

দুই বছরেরও বেশি সময় ধরে প্রতিদিন AI এজেন্টের সাথে সফটওয়্যার তৈরি করে আসছি। শুরুতে অনুভূতি ছিল "AI মোটামুটি দ্রুত কোড লিখে দেয়।" কিন্তু এখন দৃষ্টিভঙ্গি সম্পূর্ণ বদলে গেছে।

রিকোয়ারমেন্ট বিশ্লেষণ, ডিজাইন, বাস্তবায়ন, যাচাই, ডেপ্লয়মেন্ট, এবং বৌদ্ধিক সম্পদ (IP) সুরক্ষা পর্যন্ত — এগুলোই আমাদের টিমের SDLC (সফটওয়্যার ডেভেলপমেন্ট লাইফ সাইকেল)-এর প্রতিটি ধাপ যা আমরা সত্যিকার অর্থে AI-এর সাথে পরিচালনা করছি। আমি এটাকে সাধারণ সহায়তা নয়, বরং 'AI কোডিং-ভিত্তিক SDLC' বলি — যেখানে AI নিজেই মূল সম্পাদক।

কিন্তু এই পথে গুরুত্বের সাথে এগিয়ে গেলে অপ্রত্যাশিত বড় দেওয়ালের মুখোমুখি হতে হয়। এটা সাধারণ বাগ বা গতির সমস্যা নয়। GPT-5 থেকে 6 হয়ে 'আরও স্মার্ট মডেল' এলেও অপারেশনাল ইনফ্রাস্ট্রাকচারের যে কাঠামোগত দুর্বলতা — সেটা কখনো ভরাট হবে না।

আমার নিজের অভিজ্ঞতায় ঠোকর খাওয়া এবং Nextain-এর সমাধান করা সেই কাঠামোগত গর্তগুলো তুলে ধরছি।

কাঠামোগত গর্ত ১. প্রসঙ্গের বাষ্পীভবন ও স্মৃতির দূষণ

SDLC কখনো কখনো কয়েক সপ্তাহ থেকে মাস ধরে চলা দীর্ঘ প্রক্রিয়া। সেশন শেষ হলে AI গতকালের আর্কিটেকচার সিদ্ধান্ত, মূল্যায়ন করে বাদ দেওয়া বিকল্পগুলো, সতর্ক থাকার ঝুঁকিগুলো — সব ভুলে যায়। কনটেক্সট উইন্ডো যতই বড় হোক, সীমা সুস্পষ্ট। প্রশ্নটা শেষ পর্যন্ত দাঁড়ায়: কী রাখব, কী ছাড়ব?

বর্তমান AI-এর সক্রিয় বিস্মৃতির ক্ষমতা নেই — হয় অপ্রয়োজনীয় তথ্যসহ সব জমা রাখে, নয় প্রতিবার গুরুত্ব বিচার করতে ব্যয়বহুল LLM ডাকতে হয়। তার উপর কাজের পর্ব শেষ হওয়ার আগেই যন্ত্রচালিতভাবে স্মৃতি সংকুচিত করলে চলমান প্রসঙ্গের ধারা মাঝপথে কেটে যায়।

Nextain-এর সমাধান: আমরা স্নায়ুবিজ্ঞানের স্মৃতি শ্রেণিকরণ মডেল (কার্যকরী / পর্বীয় / অর্থগত স্মৃতি) AI মেমোরি সিস্টেমে হুবহু প্রতিস্থাপন করেছি। গুরুত্ব, বিস্ময় এবং আবেগের তীব্রতা — এই তিনটি অক্ষের হিউরিস্টিক দিয়ে LLM কল ছাড়াই স্মৃতিকে Gating করা হয়। স্মৃতির সংকোচন পর্বের সম্পূর্ণতা সিস্টেমিকভাবে নিশ্চিত করার পরেই কেবল নিরাপদে সম্পাদিত হয় — লক্ষ্য হলো প্রকল্পের মূল উদ্দেশ্য না হারিয়ে সঠিক সময়ে প্রয়োজনীয় তথ্য আনার সক্ষমতা তৈরি করা।

(সংশ্লিষ্ট পেটেন্ট: স্নায়ুবিজ্ঞান-ভিত্তিক দীর্ঘমেয়াদী স্মৃতি ব্যবস্থাপনা / গুরুত্ব Gating-ভিত্তিক জ্ঞানীয় স্মৃতি / পর্ব একীভূতকরণ অবস্থা-ভিত্তিক নিরাপদ সংকোচন)

কাঠামোগত গর্ত ২. নির্দেশ ফাইলের নীরব অবক্ষয় (Context Drift)

প্রকল্প এগিয়ে যাওয়ার সাথে সাথে AGENTS.md-এর মতো প্রসঙ্গ ফাইলগুলো পরস্পরের সাথে দ্বন্দ্বে পড়তে শুরু করে। উপরে লেখা "শুধু pnpm ব্যবহার করো", নিচে যোগ হয় "npm-ও চলবে।" এই অবস্থায় AI দোদুল্যমান আচরণ করে। আর AI-কে এই ফাইলগুলো নিজে অডিট করতে বললে, ফাইলে চতুরভাবে লুকানো "এই নিয়ম উপেক্ষা করো" ধরনের prompt injection-এ অডিটর AI নিজেও দূষিত হয়ে পড়ে।

Nextain-এর সমাধান: এই সমস্যার একমাত্র সমাধান কাঠামোগত বিচ্ছিন্নতা। টুল ব্যবহারের অনুমতি সীমাবদ্ধতা, জ্ঞানতাত্ত্বিক পুনর্বিন্যাস এবং পার্সোনা নিষ্ক্রিয়করণ — এই তিনটি পদক্ষেপ একসাথে প্রয়োগ করে মূল কাজের পরিবেশ থেকে সম্পূর্ণ বিচ্ছিন্ন 'অডিট-বিশেষায়িত সাব-এজেন্ট' গঠন করি এবং প্রসঙ্গের সততা যাচাই করে প্রকল্পের কেন্দ্র ধরে রাখার চেষ্টা করি।

(সংশ্লিষ্ট পেটেন্ট: AI ওয়ার্কস্পেস কনটেক্সট ফাইল সততা যাচাই)

কাঠামোগত গর্ত ৩. পক্ষপাতমূলক ও অনিয়ন্ত্রিত সমান্তরাল সেশন

একক AI এজেন্টের বিচার সবসময় এক ধরনের পক্ষপাতে নিমজ্জিত থাকে। নিজেকে যাচাই করতে বললে শুধু নিজস্ব নিশ্চায়নের প্রবণতাই শক্তিশালী হয়। আবার একাধিক এজেন্ট একসাথে চললে কোনোটা থেমে গেল কিনা বা এরর হলো কিনা, তা অন্য এজেন্ট বা মানুষ কেউই রিয়েল-টাইমে বুঝতে পারে না।

Nextain-এর সমাধান: বিচারের পক্ষপাত সমাধান করি এজেন্টদের মধ্যে 'ক্রস-চেক' দিয়ে। ডোমেইন অনুযায়ী ক্রমিক স্ট্রাইক গণনা করে নির্ভরযোগ্যতা কমে যাওয়া এজেন্টকে যাচাই প্রক্রিয়া থেকে রিয়েল-টাইমে সরিয়ে দেওয়ার মাল্টি-এজেন্ট পারস্পরিক যাচাই কাঠামো তৈরি করেছি। এছাড়া এজেন্টের কোড না বদলেও শুধু ফাইল সিস্টেম ইভেন্ট (টাইমস্ট্যাম্পের পরিবর্তন ইত্যাদি) দিয়ে অনেক সমান্তরাল সেশনের অবস্থা (Active/Idle/Error/Stopped) পর্যবেক্ষণের প্রযুক্তি উদ্ভাবন করেছি। লক্ষ্য হলো Naia-কে এমন মাল্টি-এজেন্ট অর্কেস্ট্রেটর বানানো যে আমাকে ভালোভাবে চেনে এবং একাধিক AI এজেন্টকে দক্ষতার সাথে পরিচালনা করে।

(সংশ্লিষ্ট পেটেন্ট: মাল্টি-এজেন্ট পারস্পরিক যাচাই / ফাইল সিস্টেম ইভেন্ট-ভিত্তিক একাধিক AI সেশন পর্যবেক্ষণ)

পুরো SDLC জুড়ে বিস্তৃত ৮টি পেটেন্টের পাইপলাইন

উপরে উল্লিখিত মূল প্রযুক্তিগুলো ছাড়াও, AI যাতে আসল ডেভেলপমেন্টের কর্তা হতে পারে তার জন্য প্রয়োজনীয় বিস্তারিত সক্ষমতাগুলো একটি একটি করে মডিউলে পরিণত করে পেটেন্টে বেঁধেছি।

এই ৮টির তালিকা ভিন্ন ভিন্ন প্রযুক্তির টুকরো নয়। "AI যদি সফটওয়্যার ডেভেলপমেন্টের প্রকৃত কর্তা হয়, তাহলে ইনফ্রাস্ট্রাকচার কীভাবে বদলাতে হবে?" — এই একটি প্রশ্নের জৈব উত্তর।

মোট ১২টির মধ্যে বাকি ৪টি আমাদের সার্ভিস কাঠামো এবং উপলব্ধি ক্ষমতাসম্পন্ন AI এজেন্ট ফ্রেমওয়ার্ক ও মডেল ডেভেলপমেন্ট সম্পর্কিত প্রযুক্তি।

Nextain শুধু AI API জুড়ে সার্ভিস বানানোর জায়গা নয়। আমরা মানুষ ও AI একসাথে সফটওয়্যার তৈরির প্রক্রিয়ার 'কাঠামোগত সমস্যা' সফটওয়্যার ইঞ্জিনিয়ারিংয়ের দৃষ্টিকোণ থেকে গবেষণা করছি, এবং সেই ভিত্তির উপর AI-এর প্রকৃত উপলব্ধি ও স্মৃতির প্রক্রিয়াকে একত্রিত করার গবেষণাও সমান্তরালে চলছে।

আমাদের তৈরি Naia শুধু AI ভার্চুয়াল আইডল বা কোড লিখে দেওয়ার সহজ সরঞ্জাম নয়। যার নির্দেশ বিশ্বাসযোগ্য, গতকালের তীব্র চিন্তাগুলো মনে রাখে, সঠিকভাবে বিচার করে SDLC-তে একসাথে দায়িত্ব নেয়। কাজে দক্ষ এবং সাথে কাজ করা কম যন্ত্রণাদায়ক এমন একজন প্রকৃত AI সহকর্মী।