08/07/2026
আপনি ChatGPT বা Claude-কে বাংলায় প্রশ্ন করেন, উত্তরও বাংলায় আসে। কিন্তু উত্তরটা কেমন যেন "অনুবাদ অনুবাদ" লাগে, তাইনা? উদাহরণগুলো আমেরিকান, রেফারেন্স বিদেশি, রসিকতাগুলোতেও লোকাল কোন ভাইব নাই, কেন বলুন তো?
পৃথিবীতে প্রায় ৩০ কোটি মানুষ বাংলায় কথা বলে। ভাষার হিসেবে বিশ্বে সপ্তম। অথচ ইন্টারনেটের মোট কনটেন্টে বাংলার ভাগ ১%-এরও কম। Common Crawl, যে ডেটাসেট দিয়ে পৃথিবীর বড় বড় LLM ট্রেইন হয়, সেখানে হিন্দির মতো ভাষারই ভাগ মাত্র ০.২%। বাংলা তারও নিচে।
আরেকটা সংখ্যা দেই। English Wikipedia-তে article প্রায় ৭০ লক্ষ। বাংলা উইকিপিডিয়ায়? ১ লক্ষ ৮৮ হাজার। ইংরেজির ৩%-ও না।
এখন ভাবুন, AI শেখে কোথা থেকে? ডেটা থেকে। যে ভাষার ডেটা নেই, AI সেই ভাষার মানুষকে চেনে না। সে বাংলা "বলতে" পারে, কিন্তু বাংলায় "ভাবতে" পারে না। সে ইংরেজিতে ভাবে, তারপর অনুবাদ করে দেয়। এজন্যই আপনার প্রশ্নের উত্তরে ইলিশ মাছের বদলে salmon-এর উদাহরণ আসে।
আরও একটা লুকানো ব্যাপার আছে, যেটা নন-ট্যাকনিক্যাল মানুষজনের বেশির ভাগই জানে না। LLM-এর tokenizer বানানো হয়েছে মূলত ইংরেজির জন্য। ফলে একই কথা বাংলায় লিখলে ইংরেজির চেয়ে দুই-তিন গুণ বেশি token খরচ হয় (এটা নিয়ে আরেকটা সেপারেট পোস্ট করব ইনশা'আল্লাহ)। মানে কী? মানে আপনি বাংলায় প্রশ্ন করলে খরচ বেশি, context window-এ জায়গা কম, উত্তরের মানও কম। ভাষার কারণে আপনি ডিফল্ট পেনাল্টি খাচ্ছেন। প্রতিদিন, নিজের অজান্তে।
কিন্তু হতাশা দিয়ে শেষ করতে চাই না। একটা উল্টো দিকও আছে। যে জায়গায় ডেটা নেই, সেই জায়গায় প্রতিযোগিতাও নেই। বাংলা ঠিকঠাক বোঝে এমন voice agent কয়টা আছে বলুন তো? বাংলাদেশের আইন, কৃষি, স্বাস্থ্য নিয়ে ভালো মানের বাংলা ডেটাসেট কোথায়? বাংলা LLM-এর কোয়ালিটি মাপার একটা benchmark পর্যন্ত নেই। চট্টগ্রাম, সিলেট, রাজশাহী অঞ্চলের আঞ্চলিক ডায়ালেক্ট বোঝে এমন speech model তো দূরের কথা।
এগুলোর প্রতিটা একেকটা খালি মাঠ। এগুলা আমাদেরই করতে হবে। আর যারা করবে, আগামী বছরগুলোতে এই অঞ্চলের AI market তাদের হাতেই থাকবে। একুশে ফেব্রুয়ারি এলে আমরা ভাষার জন্য গর্ব করি। অবশ্যই ভাষার জন্য জীবন দেয়া জাতি হিসেবে এটা গর্বের, কিন্তু ভাষার অনলাইন প্রেজেন্সের যে বেহাল অবস্থা এটাও স্বীকার করতে হবে।
আমার নিজের লজ্জার জায়গাটা বলি, এই যে এত বড় পোস্ট লিখলাম, আমি নিজে বাংলা উইকিপিডিয়ায় আর্টিকেল লিখার এক্সপেরিয়েন্স নাই । একটা বাংলা ডেটাসেট বানিয়েছি? না। আমার technical লেখাগুলোও ইংরেজিতে লিখি। মানে যে সমস্যার কথা বলছি, আমি নিজেই সেই সমস্যার অংশ। এটা নিজের কাছে নিজের স্বীকারোক্তি।
আমাদের পরের প্রজন্ম যে AI-এর সাথে বড় হবে, সেই AI বাংলা কতটা বুঝবে সেটা ঠিক হয়ে যাচ্ছে এখন থেকেই। আমি আমার জায়গা থেকে একেবারেই ছোট করে শুরু করছি এই ধরনের লেখাগুলো এখন থেকে বাংলাতেই লিখব, পার্সোনাল ব্লগেও তুলে রাখার প্ল্যান আছে যেগুলার ফিডব্যাক ভালো পাবো, যেন অন্তত কিছু ভালো মানের বাংলা টেকনিক্যাল কনটেন্ট জমা হয়।
আপনি কোথা থেকে শুরু করবেন, সেটা আপনার সিদ্ধান্ত। কিন্তু "কেউ তো কিছু করছে না" বলার দিন শেষ। কারণ সেই "কেউ"-টা আমরাই। AI-এর যুগে ভাষা টিকে থাকে অনুভূতিতে না, ডেটায়।