বরফলেখনী
ভাবনা আর চিত্রকল্প | Thoughts and Imagery
Sunday, December 10, 2023
আমায় যদি মরতেই হয় (If I must die)
Wednesday, August 09, 2023
ওপেনহাইমার নিয়ে কিছু কথা (নো স্পয়লার)
Sunday, February 19, 2023
প্রযুক্তি ও ভবিষ্যৎ ৫ (AI in the Wild)
ChatGPT সম্বন্ধে এতদিনে অনেকেই জানেন। যদিও এই সফ্টওয়্যারের পিছনে যে প্রযুক্তি রয়েছে, তার অন্দরের খবর তেমন পরিষ্কার নয়। গত কয়েক বছরের মধ্যে নিঃসন্দেহে এটি একটি অন্যতম উল্লেখযোগ্য technological product। ChatGPT একটি conversational robot (অথবা bot), যাকে একটি ওয়েবসাইটের (chat.openai.com) মাধ্যমে ব্যবহার করা যাচ্ছে। এই ওয়েবসাইটে একটি চ্যাটবক্সের মাধ্যমে আপনি এই bot-এর সাথে যে কোনো বিষয়ে কথাবার্তা বলতে পারেন ও একে প্রশ্ন করতে পারেন। এই bot-টির পিছনে কাজ করছে একটি Artificial Intelligence (AI) ইঞ্জিন, যা ইন্টারনেটের বিভিন্ন অন্দরে ছড়িয়ে ছিটিয়ে থাকা তথ্যকে বিশ্লেষণ করে তৈরী করেছে একটি সফ্টওয়্যার মডেল। সেই মডেলটিকে ব্যবহার করে ChatGPT কথোপকথনের মতো করে উত্তর দিতে পারে আপনার যে কোনো প্রশ্নের।
ChatGPT-র সঙ্গে Google-এর মতো সাধারণ সার্চ ইঞ্জিনের বিস্তর পার্থক্য আছে। Google শুধুমাত্র আমাদের দেওয়া কিছু শব্দের ভিত্তিতে ইন্টারনেট থেকে কিছু প্রাসঙ্গিক ওয়েবসাইটের খোঁজ দিতে পারে। কিন্তু ChatGPT-কে আমরা কোনো প্রশ্ন করলে, সে তার সঞ্চিত তথ্যকে বিশ্লেষণ করে একটি সংক্ষিপ্ত উত্তর দিতে সক্ষম। সবথেকে চমকপ্রদ বিষয় হলো, ChatGPT-র বিশ্লেষণী ও সৃষ্টিশীল ক্ষমতার সংমিশ্রণ। মানে এটি তথ্যকে বিশ্লেষণ করে এমন অভিনব আঙ্গিকে উত্তর দিতে পারে, যে উত্তর হয়তো আগে কোথাও প্রকাশিত হয়নি। ফলতঃ খানিকটা একজন প্রতিক্রিয়াশীল মানুষের মতোই, ChatGPT তার সফ্টওয়্যার মডেলকে সম্বল করে নতুন বিশ্লেষণ তুলে আনতে পারে, এবং সেটা প্রায় যে কোনো বিষয়েই। Google-এর মতো সার্চ ইঞ্জিনগুলোর এই ক্ষমতা এখনো নেই।
তবে ChatGPT-এর উত্তরকে সব বিষয়ে যে সর্বক্ষণ ভরসা করা যায়, এমন নয়। যেমন কোনো গাণিতিক প্রশ্নে এর উত্তর অনেক সময়ই ভুল হতে পারে। আবার ChatGPT-র সাথে বেশিক্ষন ধরে কথাবার্তা চালিয়ে গেলে, কিছু সময় পর থেকে সে প্রাসঙ্গিক উত্তর হয়তো নাও দিতে পারে। এতদসত্ত্বেও ChatGPT-এর মূল কার্যকারিতা একটি Knowledge Synthesis Assistant-এর মতো। মানে কোনো বিষয়ে আপনি যদি সংক্ষেপে কিছু জানতে চান, সেক্ষেত্রে ChatGPT খুবই উপকারী। যেমন ধরুন, সত্যজিৎ রায় এবং মৃনাল সেনের মধ্যে সম্পর্ক কেমন ছিল, সেই বিষয়ে সংক্ষিপ্ত একটা ধারণা আপনাকে দিয়ে দিতে পারে। কিংবা মোদী সরকারের আমলে ভারতের অর্থনৈতিক হাল কেমন, সে বিষয়ে ছোট্ট একটি ধারণা দিতে পারে। এছাড়া, ChatGPT computer programming বা coding-এর জন্য ভীষণরকমভাবে উপকারী। ইন্টারনেটের বিভিন্ন কোণ ঘেঁটে, বিশ্লেষণ করে coding-এর বিষয়ে খুব প্রাসঙ্গিক উত্তর দিতে এটি সক্ষম। ChatGPT-এর মতো উন্নত একটি সফ্টওয়্যার-এর উত্থানের পরিপ্রেক্ষিতে আর্টিফিশিয়াল ইন্টেলিজেন্সের সাম্প্রতিক ইতিহাসের দিকে একটু চোখ ফেরানো যাক।
গত এক দশকে আর্টিফিশিয়াল ইন্টেলিজেন্স আমাদের জীবনের বিভিন্ন দিকেই ধীরে ধীরে ঢুকে পড়েছে। আর্টিফিশিয়াল ইন্টেলিজেন্সে এক বিশেষ ধরণের অ্যালগরিদম ব্যবহার করা হয়, যাদের মেশিন লার্নিং অ্যালগরিদম বলা হয়ে থাকে। গুগল ফোটোস যে আমাদের পরিবার পরিজন এবং বন্ধুবান্ধবদের মধ্যে সকলকে আলাদা আলাদা করে চিহ্নিত করে রাখতে পারে, তা কিন্তু হয় মেশিন লার্নিং-এর সাহায্যেই। ইউটিউব খুললেই আজকাল আমরা আমাদের পছন্দমতো ভিডিও রেকমেন্ডেশন পেতে থাকি। এর পিছনেও আছে মেশিন লার্নিং। তবে মেশিন লার্নিং এবং আর্টিফিশিয়াল ইন্টেলিজেন্স নিয়ে গবেষণা কিন্তু চলছে প্রায় ৩৫ বছরেরও বেশি সময় ধরে। তবে এক্ষেত্রে টার্নিং পয়েন্ট ২০১২ সাল।
২০১২ সালের আগে মেশিন লার্নিং নিয়ে বহু রিসার্চ ল্যাবে ও বিশ্ববিদ্যালয়ে গবেষণা হতো ঠিকই, কিন্তু বেশিরভাগ গবেষণা শুধুই গাণিতিক কিছু তত্ত্বের মধ্যে সীমাবদ্ধ ছিল, তাদের ব্যবহারিক ক্ষেত্রে কাজে লাগানো যেত না। এর মূলত দুটো কারণ ছিল: data এবং computing power। আমাদের কাছে ডিজিটাল ফর্মে যথেষ্ট data ছিল না, যা মেশিন লার্নিং অ্যালগরিদমগুলি কার্যকরী হওয়ার জন্য অপরিহার্য। মেশিন লার্নিং অ্যালগরিদমগুলি ডেটা বা তথ্য থেকেই কোনো প্রশ্নের সমাধান অনুমান করার চেষ্টা করে, data-ই তাদের মূল চালিকাশক্তি। ২০০০ সালের কাছাকাছি সময় থেকেই digitally data ধরে রাখার কাজটা মোটামুটি জোরকদমে এগোচ্ছিল, এবং ২০১০-এর মধ্যে মেশিন লার্নিং প্রয়োগ করার জন্য বেশ ভালোরকম datasets তৈরী হয়ে গেছিল।
কিন্তু যেদিকটায় তখনো খামতি ছিল, তা হল কম্পিউটিং পাওয়ার। মানে মেশিন লার্নিং প্রয়োগ করার জন্য যে কম্পিউটার দরকার হতো, তা সাধারণভাবে পাওয়া যেত না। এই পুরো চিত্রটা বদলে গেল ২০১২-এর সেপ্টেম্বরে। ইউনিভার্সিটি অফ টরোন্টোর তিনজন বিজ্ঞানী দেখালেন যে, মেশিন লার্নিং-এর ক্ষেত্রে আমরা সাধারণত যে CPU (Central Procesing Unit) ব্যবহার করি, তা কার্যকরী নয়।। বরং যদি Graphics Processing Unit বা GPU ব্যবহার করা যায়, তাহলে মেশিন লার্নিং অ্যালগরিদম খুব দ্রুত কাজ করতে পারে। ইতিমধ্যে ভিডিও গেম, ভিডিও প্রসেসিং এবং সিনেমার কাজে GPU-র ব্যবহার খুবই জনপ্রিয় ছিল। কিন্তু এরপর থেকে মেশিন লার্নিং-এও ব্যাপক হারে GPU-র ব্যবহার শুরু হয়। গবেষণাও তীব্র গতিতে এগোতে থাকে, সাথে সাথে AI-বিষয়ক পরীক্ষা-নিরিক্ষাও। গত এক দশকের ব্যাপক এবং বিবিধ AI গবেষণার অন্যতম সফল সফটওয়্যার হল ChatGPT ।
ChatGPT নিয়ে এতো উত্তেজনার কারণ হল যে, এটি কোনো একটি নির্দিষ্ট বিষয়ের জন্য তৈরী নয়। যেমন এটি শুধুমাত্র একটি computer programming assistant নয়, বা এটি শুধুমাত্র একটি ছবির ভিতর কি কি বস্তু আছে তা চিহ্নিত করছে না। এর আগে বিভিন্ন মেশিন লার্নিং সফ্টওয়্যার কোনো একটি নির্দিষ্ট ধরণের কাজের বিষয়ে বেশ কার্যকরী হয়েছে। কিন্তু এই আগের সফ্টওয়্যারের তুলনায় ChatGPT অনেক বেশি সাধারণ কাজ করতে পারে, কতকটা মানুষের মতোই। কোনো বিশ্লেষণ থেকে আমরা যেমন কোনো উপলব্ধিতে পৌঁছোই, সেরকম বিশ্লেষণ ও উপলব্ধির ক্ষমতাও ChatGPT-র আছে, বরং মানুষের থেকে কিছুটা বেশিই আছে। এর একটা মূল কারণ হল, বিশ্লেষণের জন্য সে আর এখন আমাদের উপর বা আমাদের দেওয়া তথ্যের উপর নির্ভরশীল নয়। মনে রাখতে হবে, নতুন বিশ্লেষণের উদ্ভাবনী ক্ষমতাও আছে ChatGPT-র কাছে। সে নিজেই নতুন নতুন বিশ্লেষণ তৈরী করে সেখান থেকে নতুন উপলব্ধি করতে পারে। সেটা স্বভাবতই মানুষের উপলব্ধির গতিবেগের থেকে কয়েক গুন্ বেশি। ChatGPT-এর এই বিশ্লেষণ এবং সেখান থেকে উপলব্ধিতে উত্তরণের যে শেষ কোথায়, তা হয়তো মানুষ হিসেবে আমাদের উপলব্ধির বাইরে।
নোট: লেখক এই লেখার সময় GPU-র সর্ববৃহৎ কোম্পানি Nvidia-তে চাকরিরত।
Saturday, December 31, 2022
প্রযুক্তি ও ভবিষ্যৎ ৪ (Mass Tech Layoff)
ভালো-মন্দ মিশিয়ে ২০২২ শেষ হল। প্রযুক্তির দৃষ্টিকোণ থেকে, এবছর যেমন আর্টিফিশিয়াল ইন্টেলিজেন্সের ক্ষেত্রে বহু উল্লেখযোগ্য ভালো ঘটনা ঘটেছে, তেমনি তথ্যপ্রযুক্তি কোম্পানিগুলিতে ব্যাপক হারে কর্মী ছাঁটাইও আমরা দেখেছি। সারা বিশ্বে প্রায় ১.৫ লক্ষ লোক Tech Sector-এ চাকরি হারিয়েছেন এই বছর। এর মধ্যে প্রচুর startup দেউলিয়া হয়েছে বা বন্ধ হয়ে গেছে। এই ধরণের ব্যাপক হারে ছাঁটাই-এর পিছনের কাহিনী নিয়ে একটু বিস্তারিত আলোচনা করা দরকার, তাহলে প্রযুক্তির ব্যবসা ও তার কার্যপ্রক্রিয়াটা একটু হলেও পরিষ্কার হবে।
সাম্প্রতিককালে ঘটে যাওয়া কোনো ঘটনা নিয়ে আলোচনা শুরু করতে গেলে, COVID-19 Pandemic- কে সময়ের axis-এ রাখতেই হবে। তাই এক্ষেত্রেও ঘটনার সূত্রপাত সেই ২০২০-এর মার্চ মাসে। সেই সময় আমরা যে শুধু দীর্ঘদিনের জন্য ঘরবন্দী হয়ে পড়লাম তাই-ই নয়, প্রযুক্তির প্রতি নির্ভরতাও এক ধাক্কায় বেশ অনেকটা বেড়ে গেল। তার আগেই যদিও জীবনের প্রায় সবক'টা দিকেই সফ্টওয়্যারের প্রবেশ ঘটে গেছে। বড় শিল্পে বিদ্যুৎ যেমন অপরিহার্য, বিভিন্ন কাজের জায়গাতেও সফ্টওয়্যারের ভূমিকা ঠিক তেমনই হয়ে যাচ্ছিল। কিন্তু কোভিডের প্রকোপের ফলে, সফ্টওয়্যারের ব্যবহার কয়েক গুন্ বেড়ে গেল। এমনকি যে কাজগুলি সফ্টওয়্যার দিয়ে করা খানিকটা কষ্টকর অথবা কিছুটা অস্বাচ্ছন্দ্যের ছিল, সেগুলিও আমরা সফ্টওয়্যার দিয়ে করতেই বাধ্য হলাম। অনলাইন মিটিং, বাড়িতে বসে অফিসের কাজ, দীর্ঘক্ষণের ভিডিও কল, এমনকি জিনিসপত্র চোখের সামনে পরখ না করেই অ্যাপের মাধ্যমে অর্ডার করা - এসব কিছুই আগের থেকে অনেক বেশি মানুষ দৈনন্দিনভাবে করতে শুরু করলো। কিন্তু আমরা কি ভেবে দেখেছি এতো দ্রুত সফ্টওয়্যার ইন্ডাস্ট্রি কি করে এতো বিপুল পরিমান কাজের চাপ মেটাতে পারলো? সেই বিষয় নিয়ে সবার প্রথমে ভাবা যাক।
আমরা জানি যে, কোনো গাড়ি কারখানায় একদিনে কতগুলো গাড়ি তৈরী হবে, তার একটা নির্দিষ্ট সংখ্যা এবং পরিমাপ থাকে। কোনো জরুরী অবস্থা তৈরী হলে, সেই সংখ্যা কিছুটা বাড়ানো যেতে পারে ঠিকই, কিন্তু রাতারাতি তাকে কয়েক গুন্ বাড়িয়ে ফেলা কষ্টকর। তেমনি যে কোনো সফ্টওয়্যারেরই সুষ্ঠুভাবে কাজ করার একটা সীমা থাকে। উদাহরণ দিলে ব্যাপারটা আর একটু পরিষ্কার হবে। Zoom নামটার সঙ্গে আমরা এখন সকলেই পরিচিত। সেই Zoom অ্যাপ্লিকেশনটি প্রতি মিনিটে একটি সীমিত সংখ্যক ভিডিও কল একসাথে চালিয়ে যেতে পারে। ধরা যাক, সেটা ২০ লক্ষ। এবার যদি দিনের কোনো এক সময়ে প্রতি মিনিটে ২০ লক্ষের বেশি Zoom ভিডিও কলের চেষ্টা করা হয়, তাহলে Zoom-এর সার্ভারে সমস্যা হতে পারে, এমনকি সেই সার্ভার বন্ধও হয়ে যেতে পারে।
কোভিড-এর সময়ে বেশিরভাগ সফ্টওয়্যার কোম্পানিকেই অচকিতে আসা বিপুল কাজের চাপ সামলাতে হয়েছিল। কিছু ক্ষেত্রে তারা সফ্টওয়্যার উন্নত করেছেন, অনেক ক্ষেত্রেই নতুন ইঞ্জিনিয়ার নিয়োগ করে সফ্টওয়্যার আপগ্রেডও করেছেন। এবং এই কাজটা করতে হয়েছে খুব দ্রুত, যাতে আমাদের কোনো সমস্যা না হয়। কোভিডের সময় আমরা কিছু কিছু সফ্টওয়্যার নিয়ে সমস্যায় ভুগেছি ঠিকই, কিন্তু মোটের উপর আমাদের অসুবিধা হয়নি। অথচ ভাববার বিষয় এই যে, সফ্টওয়্যার কোম্পানিগুলি নতুন পরিকাঠামো তৈরির জন্য নতুন ইঞ্জিনিয়ার বা রিসার্চার নিয়োগ করার মূলধন পেলো কোথা থেকে, বা শুধুমাত্র পরিকাঠামো উন্নতি করার জন্যও যে মূলধন দরকার হয়, তার সংস্থানই বা হলো কোথা থেকে? এটা বুঝতে গেলে সফ্টওয়্যারের ব্যবসার দিকটা একটু বোঝা দরকার।
আমরা হয়তো অনেকেই জানিনা, বেশিরভাগ সফ্টওয়্যার কোম্পানি কিন্তু কোনোরকম লাভের মুখ না দেখেই এগিয়ে চলে বছরের পর বছর। বরং অধিকাংশই বিপুল পরিমান ব্যবসায়িক ক্ষতি বহন করে, যাকে আমরা বলি loss-এ run করা। যেমন ধরুন, উবার (Uber)। আমরা সকলেই এদের কথা জানি, ব্যবহারও করি হরবখত, প্রত্যেকদিন। কিন্তু গত ১৩ বছর ধরে ব্যবসা চালানোর পরেও, এখনো অব্দি তারা মাত্র ১ বছরই (২০১৮) কোনো প্রফিট বা মুনাফা করতে পেরেছে। অন্যান্য বছরে তারা Billions of dollars শুধু loss করেছে। স্বাভাবিকভাবেই প্রশ্ন আসতে পারে, তাহলে এসব কোম্পানিগুলো টিকে আছে কি করে?
এরা মূলতঃ টিকে আছে ঋণ বা ডেট (debt) নিয়ে এবং এই আশায় যে ভবিষ্যতে হয়তো কখনো তারা লাভজনক হবে। এই ধরণের কোম্পানিদের কিছু আয় থাকে ঠিকই, কিন্তু এদের খরচের পরিমান এতটাই বেশি, যে ঋণ ছাড়া এদের পক্ষে চলা অসম্ভব। কিন্তু ঋণ তো কিছু নতুন নয় - আধুনিক অর্থনীতি দাঁড়িয়েই আছে ঋণের উপর - তবে অসুবিধাটা অন্য জায়গায়। সাধারণত ঋণ বা ধার নিলে, তা সুদসমেত ফেরত দেওয়ার ব্যাপার থাকে। তবে সফ্টওয়্যার-জামানায় ব্যাপারটা বেশ অন্যরকম।
সফ্টওয়্যার-সম্পর্কিত কোম্পানিগুলি বিশ্বের প্রথমসারির এবং সবথেকে বড় কোম্পানিগুলির তালিকায় ঢুকতে শুরু করে মূলতঃ ২০১০ এর পর থেকে। তার আগে Microsoft, Intel, IBM জাতীয় কিছু প্রযুক্তি কোম্পানি থাকলেও, সফ্টওয়্যার দিয়ে বড় স্কেলে ব্যবসা শুরু হয়নি। অথচ সেই ২০১০-এর আগেই সারা বিশ্বে ঘটে গেছে ২০০৮-এর Global Financial Crisis (বা Great Recession), যা আমেরিকা-সহ সমস্ত উন্নত দেশকে অর্থনৈতিকভাবে ধসিয়ে দিয়েছিলো। এতো বড় মন্দা গত ৭৫ বছরে সারা বিশ্ব দেখেনি। এই ঘটনার ফলে বিশ্বের GDP এতটাই ধাক্কা খেয়েছিল, যে ব্যবসা-বাণিজ্যের পরিমান ব্যাপক হারে কমে যায়। Economic activity নূন্যতম স্তরে চলে যায়। যার জন্য পৃথিবীর সবক'টা উন্নত দেশের কেন্দ্রীয় ব্যাঙ্কগুলি তাদের সুদের হার (interest rate) শূন্য (০%) শতাংশ বা তার কাছাকাছি করে দিয়েছিল। যাতে সকলে অন্তত টাকা ধার করে ব্যবসাবৃত্তি করতে পারে এবং দেশে দেশে টাকার লেনদেন বাড়ে।
সেই সময়ই, সফ্টওয়্যারও বিশাল আকার ধারণ করতে শুরু করে, কারণ প্রযুক্তি ততদিনে তৈরী ছিল। আর যেহেতু সুদের হার ছিল শূন্য শতাংশ, তাই ঋণ নেওয়ার জন্য অতিরিক্ত টাকা ফেরত দেওয়ার কোনো ব্যাপার ছিল না। সফ্টওয়্যার ব্যবসা একেই মূলধন করে ব্যাপক হারে বৃদ্ধি পায় বা scale করে। এছাড়া সফ্টওয়্যার ব্যবসার এক বিশেষ সুবিধা হল, সেটা একবার তৈরী হয়ে গেলে খুব দ্রুত অনেক জায়গায় বিপুল সংখ্যক ক্রেতার মধ্যে ছড়িয়ে দেওয়া যায়। এবং কিছু ক্ষেত্রে তাই-ই হলো। আমেরিকার সবথেকে বড় কোম্পানিগুলোর মধ্যে তেল, ব্যাঙ্ক, বীমা - এসব সেক্টরকে পিছনে ফেলে প্রথমে চলে এলো Apple, Google, Microsoft, Amazon, Facebook-এর মতো নতুন কিছু নাম।
২০২০-এর কোভিড লকডাউনের সময়, এসব প্রযুক্তি কোম্পানির ব্যবসা স্বাভাবিকভাবেই আরো বেড়ে গেলো। মুশকিল শুরু হল দুই বছর বাদে, ২০২২-এ। ইউক্রেনে যুদ্ধ, কোভিডজনিত supply chain-এর সমস্যা এবং চিনের লকডাউনের জন্য দ্রব্যমূল্য বাড়তে শুরু করলো। এছাড়াও গত দু'বছর ঘরবন্দি থাকায়, মানুষের খরচ করার সুযোগ ছিল কম। ফলে ২০২২-এ মানুষ বেশি হারে তাদের জমানো মূলধন খরচ করছিল। এই ধরণের বিবিধ কারণে বিশ্বের বেশিরভাগ জায়গাতেই শুরু হল মুদ্রাস্ফীতি (inflation)। দ্রব্যমূল্য যখন প্রায় ৮-৯ শতাংশ হারে বাড়তে শুরু করলো, তখন কেন্দ্রীয় ব্যাঙ্কগুলো বাধ্য হল, সুদের হার শূন্য থেকে বাড়িয়ে তুলতে। বেশ অনেক বছর বাদে এই প্রথম বার সুদের হার অনেকটা বেশি বাড়তে শুরু করলো। এবং এখন ২০২২-এর ডিসেম্বরে সেই হার প্রায় ৪.৫%।
সফ্টওয়্যার কোম্পানিগুলি তাদের জন্মলগ্ন থেকে কখনোই এইরকম বেশি সুদের হারের সময়ে ব্যবসা করেনি। তারা শুধুই ভেবেছে কি করে নতুন ব্যবহারকারীদের (user) কাছে পৌঁছনো যায়, তা সে ব্যবসায় লাভ হোক বা না হোক। তারা ভেবেছে বিশাল সংখ্যক কাস্টমারের ভিত্তি তৈরী করতে পারলে, কোনো না কোনোদিন লাভ ঠিক হবে। সেই জন্য তারা বিশাল আকার ধারণ করেছে ঠিকই, কিন্তু তাদের ধারণা নেই, এই রকম অর্থনৈতিক পরিস্থিতি সামলাতে কিভাবে হয়, কি রকম পরিকল্পনা করতে হয়। উপরন্তু কোভিডের জন্য অতিরিক্ত কাজ সামাল দিতে, তারা অনেক অনেক বেশি কর্মী নিয়োগ ও পরিকাঠামোতে বিনিয়োগ করেছে, যা এ লেখার শুরুতেই বলা হয়েছে। এই সমস্ত কারণে, তাদের বেশিরভাগের পক্ষেই এই অতিরিক্ত খরচ চালিয়ে যাওয়া এই সময়ে আর সম্ভব হচ্ছে না। এক্ষেত্রে তাদের খরচ কমানোর প্রথম পদক্ষেপই হল কর্মী ছাঁটাই।
Tech কোম্পানিগুলোর এই দিশেহারা দশার জন্য প্রথমে ভুগতে হচ্ছে সেই কর্মীদেরই। কারণ এই কোম্পানিগুলোর পাওয়ার স্ট্রাকচার সামান্য আলাদা হলেও, ম্যানেজমেন্ট স্ট্রাকচার মোটামুটি অন্য সেক্টরের কোম্পানিগুলোর মতোই বেশিরভাগ ক্ষেত্রে। কিন্তু এখানে এ কথা উল্লেখযোগ্য যে, এর মধ্যে অনেক কোম্পানিই কর্মীদের পিঙ্ক স্লিপ দেখানোর সময়, তাদের প্রায় ৩ থেকে ৬ মাসের স্যালারি এবং অন্যান্য আরো কিছু সুযোগ-সুবিধা দিয়ে বেরিয়ে যাওয়ার পথ বাতলেছে - এটা একটুখানি সিলভার লাইনিং। ২০২৩ হয়তো দেখাবে, সফ্টওয়্যার ব্যবসা কিভাবে বিবর্তিত হয় এই অনবরত বদলে চলা প্রযুক্তির দুনিয়ায়।
Saturday, June 25, 2022
Abortion Ban in the USA
Saturday, June 26, 2021
The Lost Decade
একবিংশ শতাব্দীর তৃতীয় দশকের শুরুতেই আমরা মহামারী, বেকারত্ব, বড় প্রাকৃতিক বিপর্যয়ের মতো সমস্যার সম্মুখীন। আবার এর সাথে সাথেই আমরা পেয়ে যাচ্ছি মহামারীর প্রতিষেধক ভ্যাকসিন, যা বিজ্ঞানের অভূতপূর্ব অগ্রগতির ফলেই এতো দ্রুত সম্ভব হচ্ছে। সাথে ট্রাম্পের পরাজয় এই নতুন দশকের শুভ সূচনা। ভালো-খারাপের এরকম আলো-আঁধারিতে আমাদের নতুন দশকে এগিয়ে চলা। আমেরিকার রাজনীতিতে আগামী দশক, বোধ হয়, আধুনিক ইতিহাসে অন্যতম গুরুত্বপূর্ণ। কিন্তু এই একই কথা ভেবেছিলেন সেই মানুষগুলো, যারা ২০১০-এ ওবামাকে ঘিরে স্বপ্ন দেখেছিলেন। এই নতুন দশকের শুরুতে পিছনে ফিরে দেখা দরকার, সেই ফেলে আসা দশকটার যে বড় বড় স্বপ্নগুলো ছিল, তাদের হাল কি হল?
এই লেখাটার শিরোনামটা একটু গোলমেলে ঠেকতে পারে, যদি আমরা কিছু cherrypick করা তথ্যের দিকে তাকাই। আমেরিকার সব থেকে ধনী ১ শতাংশ মানুষ তাঁদের অর্থের পরিমান দ্বিগুন (১৭ ট্রিলিয়ন ডলার থেকে ৩৪ ট্রিলিয়ন ডলার) করেছেন ২০১০-১৯-এর দশকটিতে [1]। তাঁদের কাছে এই দশক নিশ্চয়ই কোনো "lost decade" নয়। এই মাত্র এক শতাংশ সবথেকে ধনী মানুষ ২০১০ সালে আমেরিকার total wealth-এর ২৮ শতাংশের মালিক ছিল, ২০২০-তে তাঁরা ৩০-এরও বেশি শতাংশের মালিক। এই কতিপয় কিছু মানুষকে ওবামা হোক বা ট্রাম্প - দুজনেই বেশ "দক্ষ রাষ্ট্রপতি"র মতোই সেবা করেছেন।
এবার একটু পিছিয়ে পড়া জনগণের দিকে তাকাই। ধনসম্পদের দিক থেকে আমেরিকার সবথেকে নীচের ৫০ শতাংশ লোক ২০১০-এর শুরুতে মাত্র ০.৫% সম্পত্তির মালিক ছিলেন। হ্যাঁ, ঠিকই পড়ছেন, এতটাই কম। কপর্দকশূন্য বললেও অত্যুক্তি হয়না। ২০০৮-এর ফিনান্সিয়াল ক্রাইসিসের পরে এই নিচে থাকা লোকগুলোর অবস্থা পথে বসার থেকেও খারাপ হয়েছিল। তারপর থেকে ধীরে ধীরে উঠে এসে এই নিচের ৫০% লোক এখন আমেরিকার মাত্র ২% সম্পত্তির অধিকারী হতে পেরেছেন। তবুও মধ্যবিত্ত আমেরিকান আর সবথেকে ধনী ১% আমেরিকানদের মধ্যে সম্পত্তির পার্থক্য ১০০০%। জানিনা এই বৈষম্যকে কোন বিশেষণ দিয়ে জাস্টিফাই করা যায়। যে দশকে ওবামার মতো তথাকথিত "ভালো রাষ্ট্রপতি" ৬ বছর দেশ শাসন করলেন আর ডেমোক্র্যাটের মতো লিবারালরা কিছু বছর ধরে আপার ও লোয়ার হাউস নিয়ন্ত্রণ পর্যন্ত করলো, সে দেশেও এই অবস্থায় রয়ে গেছে।
এর কারণ নিয়ে বলতে গেলে হয়তো ওবামার নতুন বই "A Promised Land"-এর মতোই বড় একটা বই লিখতে হয়। কিন্তু তার থেকে ছোট করে সংক্ষেপেও কিছু বিষয় দেখে নেওয়া যেতেই পারে। এটা থেকে আমরা ঠাওর করতে পারবো যে, রাজনীতির অভিমুখ ঠিক কিরকম হলে এই ধরণের অর্থনৈতিক ব্যর্থতা আসতে পারে।
ওবামা আমেরিকার প্রথম কৃষাঙ্গ রাষ্ট্রপতি। ওবামাকে ঘিরে আমেরিকায় উচ্ছাস তৈরী হয়েছিল ২০০৮ রাষ্ট্রপতি নির্বাচন প্রক্রিয়া শুরু হওয়ার প্রথম থেকেই। কিন্তু ওবামা ক্ষমতায় আসার পরই বড় বড় ব্যাঙ্ক এবং ফিনান্সিয়াল সংস্থাগুলোকে প্রচুর পরিমান সরকারি অর্থসাহায্য দিলেন। এদের তখন বেশিরভাগেরই দেউলিয়া অবস্থা। তাঁদেরকে বলা হল "too big to fail", মানে এরা না থাকলে আমেরিকা দেশটাই টিকবে না। সাধারণ মানুষের জীবন এসব ব্যাঙ্কগুলোর সঙ্গে এমনভাবেই জড়িয়ে যে এই ব্যাঙ্কগুলিকে বাদ দিয়ে আমেরিকা, এমনকি আধুনিক বিশ্বকেও ভাবা যায়না। কিন্তু তবুও এদের রাষ্ট্রীয় সংস্থা হিসেবে ঘোষণা করার কথা ভাবা তো হলই না, উপরন্তু রাষ্ট্রীয় ট্যাক্স ডলারে এদের "বেইল আউট" করানো হল, যাতে এই ব্যাঙ্কগুলো বসে না যায় [2]। কিন্তু কার্যত দেখা গেলো, এই প্রচুর পরিমান অর্থসাহায্য পৌঁছালো ব্যাংকের CEO, CFO-জাতীয় উচ্চপদে বসে থাকা বিশাল সম্পত্তির মালিকদের হাতে [3]। এছাড়াও ওবামা রাজনৈতিক বাধ্যবাধকতায় বুশ জামানার ট্যাক্স ছাঁটও বহাল রেখে দিলেন। আর ট্রিকল ডাউন অর্থনীতির নিয়ম অনুযায়ী মোট সম্পদের খুব সামান্যই পৌঁছালো পিছিয়ে পড়া, "ওয়ার্কিং ক্লাস" মানুষদের কাছে। ওবামা প্রথমেই যে বিশাল সুযোগ পেয়েছিলেন - আমেরিকার বিসদৃশ সম্পত্তির বৈষম্যকে মুছে দেওয়ার - উনি ওনার রাষ্ট্রপতি শাসনের প্রথম মেয়াদে তার সামান্যও করতে পারেননি।
এর পরবর্তীকালে ওবামা কিছু মানুষের জন্য, যাঁদের বেশিরভাগ বৃদ্ধ ও অবসরপ্রাপ্ত সামরিক কর্মী, প্রায় নিখরচায় স্বাস্থ্য পরিষেবা চালু করলেন, যাকে আমেরিকান মিডিয়া বিপ্লবী বলে আখ্যা দিতেও পিছপা হয়নি [4]। কিন্তু তারপরেও আমেরিকার প্রায় ১০% বা ৩ কোটি মানুষের কোন স্বাস্থ্যবীমাই ছিল না, এখনো নেই। তাছাড়াও স্বাস্থ্যবীমার বিষয়টি মানুষের চাকরির সঙ্গে যুক্ত হয়েই থেকে গেলো - মানে যতদিন ভালো চাকরী আছে, ততদিন বীমা আছে, নচেৎ নয়। অথচ এটা এখন প্রায় সবার জানা কথা, এবং বিভিন্ন গবেষণা বলেছে যে, বেশিরভাগ মানুষ গরীব থেকে আরো গরীব হয়ে যায় মূলত স্বাস্থ্য সংক্রান্ত খরচ সামলাতে না পেরে। আর এটা একটা রিকার্সিভ ফাংশনের মতো, যেখানে টাকা-পয়সার সমস্যার কারণে অনেকেই ঠিক করে নিজের স্বাস্থ্যের খেয়াল রাখতে পারেন না, খাওয়া দাওয়া ঠিকঠাক করতে পারেন না, ওষুধ কিনতে পারেন না। ফলে তাঁরা আরো বেশি করে রোগে ভুগতে থাকেন। যার ফলে তাঁরা বেশি বেশি করে দেনার কবলে চলে যেতে থেকে থাকেন।
এরপর আর একটি পয়েন্ট বলে আপাতত শেষ করবো। ওবামা এবং ওনার ডেমোক্র্যাটিক পার্টি যা তথাকথিত লিবারাল পার্টি হিসেবে পরিচিত, তাঁরা নিজেদের cultural বামপন্থী হিসেবে প্রতিষ্ঠা করতে এতো সচেষ্ট ছিলেন, যে অর্থনৈতিক দিকে তাঁদের প্রায় কোনো নজরই ছিল না। cultural leftist issue গুলো মূলত freedom of abortion বা "pro-choice", gay marriage, কৃষাঙ্গদের অধিকার - এসবকে কেন্দ্র করে তৈরী করা হয়েছিল। এগুলো একটা উন্নত সমাজে অবশ্যই গুরুত্বপূর্ণ। কিন্তু যখন একটা রাজনৈতিক মঞ্চ শুধুমাত্র এই ইস্যুগুলোকে কেন্দ্র করেই তৈরী হয়, তখন সেই রাজনীতি থেকে বৃহত্তর জনগণের পাওনা বলে কিছু থাকেনা। ফলত আমরা শেষ দশকের শেষার্ধে দেখতে পেতে থাকি, "me too" মুভমেন্ট। যা আদতে মেয়েদের বহু বহু বছর ধরে নিপীড়ত থাকার দরুন ক্ষোভের বহিঃপ্রকাশ। আমরা ট্রাম্পকে রাষ্ট্রপতি হিসেবে পাই আমেরিকায়। আমরা দেখতে পাই ব্রিয়োনা টেলর বা জর্জ ফ্লয়েডকে মারা যেতে হয় পুলিশের হাতে, হোয়াইট সুপ্রিমেসিস্টদের হাতে। এতো সবের পরেও ট্রাম্প সাড়ে সাত কোটি ভোট পান ২০২০ সালে। তাই অর্থনীতি ব্যতিরেকে যে সাংস্কৃতিক উদারবাদ বা বামপন্থা হতে পারেনা - আধুনিক ইতিহাসে এই দশকই তার সেরা উদাহরণ এবং আমাদের কাছে শিক্ষনীয়।
ভীষণ আশা জাগিয়েও এই দশকের শেষে যে করুণ হাল আমরা দেখতে পাচ্ছি, তার সংক্ষিপ্ত ব্যাখ্যা দিতে গেলে বলা যায়, আগের দশকের রাজনীতি সাংস্কৃতিক উদারবাদের সাথে অর্থনৈতিক উদারবাদের ছায়াযুদ্ধে পরিণত হয়েছিল। অর্থনৈতিক উদারবাদ সমাজে যে ভীষণ মেরুকরণ তৈরি করছে, তাকে মেনে নিতে পারছে না প্রগতিশীল সমাজ। অথচ অর্থনৈতিকভাবে প্রগতিশীল নীতিগুলো - সবার জন্য স্বাস্থ্য পরিষেবা, শিক্ষা, বাসস্থান, সমবায়ের মাধ্যমে কোম্পানি পরিচালনা, গ্রিন এনার্জিতে বিনিয়োগ - সেগুলোকেই আমরা শুরু করতে পারছিনা বা রাজনৈতিক ইস্যু করে তুলতে পারছিনা। এসব নীতির ওপর ভিত্তি করেই যে আমরা অন্য প্রগতিশীল ইস্যুগুলোকে ছুঁতে পারবো, সেটা আশা করি পরবর্তী দশক আমাদের বোঝাবে, আর আমাদের রাজনীতিও সাংস্কৃতিক উদারবাদের ঊর্ধ্বে উঠতে পারবে।
[1] https://www.federalreserve.gov/releases/z1/dataviz/dfa/distribute/chart/#range:2009.4,2019.4
[2] https://money.cnn.com/2009/01/06/news/economy/where_stimulus_fits_in/
[3] https://abcnews.go.com/Business/story?id=8214818&page=1
[4] https://www.foxnews.com/transcript/bill-oreilly-obamacare-and-socialism
Tuesday, January 05, 2021
ছায়া
Kolkata, 06-Jan-2021, 08:30 AM
রোদ যখন পড়লো কাঁচে,
একটা কিছু হারিয়ে গেছে,
নীরব কোনো উচ্চারণে
একটা কিছু হারিয়ে গেছে।
ঘরের কোনায়, চিলেকোঠায়,
অনেক খুঁজেও পাইনি যখন,
ক্লান্ত শরীর চোখ বোজেনি
নতুন কোনো গান শোনেনি
হারিয়ে যাওয়ায় হারিয়ে গেছে।
দিনের শেষে একটা ঘরে,
ভুলেছি কি হারিয়ে গেছে।
হঠাৎ করে পড়লো চোখে
আয়নাখানি তাকিয়ে আছে,
এয়ারপোর্টে দাঁড়িয়ে থাকা
পাকা দাড়ি তাকিয়ে আছে,
বইখাতার ভিতর দিয়ে
ভাঙ্গা চশমা তাকিয়ে আছে,
অনভ্যস্ত ফোনের টাচে
কাঁপা হাত তাকিয়ে আছে,
নরম শীতের দুপুরবেলায়
আলগা চাদর তাকিয়ে আছে।
খুঁজে পাওয়া ঘরে তবু
একটা ছায়া হারিয়ে গেছে।