আদিতে ছিল বাক্য

মূলত Vectors of Mind-এ প্রকাশিত।

“আদিতে ছিল বাক্য, এবং বাক্য ছিল মনোবিজ্ঞানের সঙ্গে, এবং বাক্যই ছিল মনোবিজ্ঞান” ~নিউ ভেক্টর অনুবাদ

ব্যক্তিত্বের সব গঠনকেই প্রথমে শব্দের মাধ্যমে বর্ণনা করা হয়। ফ্রয়েডের কোকেন-উদ্দীপিত মডেল থেকে শুরু করে স্থিতধী বিগ ফাইভ পর্যন্ত—কোনো না কোনো পর্যায়ে এগুলো সবই শব্দ। একাডেমিক মনোবিজ্ঞানের একটি বড় অংশ গঠনগুলোর তুলনা নিয়ে কাজ করে। তা করতে হলে তাদের একটি অভিন্ন ভিত্তি ভাগ করে নিতে হয়, সাধারণত একদল অংশগ্রহণকারী। অংশগ্রহণকারীদের একটি উপকরণ (সাধারণত একটি জরিপ) দেওয়া হয়, যা গঠন-স্থানে তারা কোথায় অবস্থান করে তার একটি আনুমানিক পরিমাপ দেয়। অংশগ্রহণকারীদের উত্তরগুলো কীভাবে সহপরিবর্তিত হয়, তার ভিত্তিতে গঠনগুলো সম্পর্কে সাধারণ দাবি করা হয়। এই পোস্টে আমরা আরেকটি পদ্ধতি অনুসন্ধান করছি। NLP-এর অগ্রগতি গঠনগুলোর তাদের স্বাভাবিক আবাসস্থল—ভাষায়—পরিমাণগত তুলনা সম্ভব করে তুলেছে।

রূপরেখা#

শেষ পোস্টে আমি যুক্তি দিয়েছিলাম যে বিগ ফাইভ হলো শব্দ-ভেক্টর। এই পোস্টে স্বতন্ত্র স্কেলগুলোর ক্ষেত্রেও একই দাবি করা হয়েছে, যার ফলে অংশগ্রহণকারীদের সম্পৃক্ত না করেই গঠনগুলোর তুলনা করা যায়। এটি প্রদর্শনের জন্য একটি বিস্তৃত ব্যক্তিত্ব মডেল এবং শব্দ-স্থানে গঠন উপস্থাপনের একটি পদ্ধতি পরিচয় করিয়ে দেওয়া হয়েছে। রূপরেখাটি হলো:

1. অংশগ্রহণকারী-স্থান বনাম শব্দ-স্থানে গঠনগুলোর তুলনা

2. অংশগ্রহণকারী-স্থানের সমস্যা

3. অংশগ্রহণকারীদের ব্যবহার করে স্বজন-পরার্থপরতা ও পারস্পরিক পরার্থপরতার সঙ্গে বিগ ফাইভের সম্পর্ক স্থাপন

4. শব্দ-স্থানে একই তুলনা

   1. NLP ব্যবহার করে শনাক্ত করা একটি (সাময়িক) পাঁচ-ফ্যাক্টর মডেলের পরিচয়
   2. পরার্থপরতার শব্দগুলোকে ওই স্থানে প্রক্ষেপণ
   3. কোড এখানে পাওয়া যাবে।

5. আলোচনা, সীমাবদ্ধতা, ভবিষ্যৎ কাজ

এক আঁকাবাঁকা পথ#

পরার্থপরতার সঙ্গে বিগ ফাইভের তুলনা করতে হলে সংকেতকে বহু রূপান্তরের মধ্য দিয়ে যেতে হয়: পরার্থপরতা (আদর্শ) → শব্দের মাধ্যমে বর্ণিত → এই গঠনটির আনুমানিক পরিমাপের জন্য জরিপ তৈরি (এবং আশা করা যায়, বৈধতা-নিরূপিত) → অংশগ্রহণকারীর ওপর প্রয়োগ, যিনি এই শব্দগুলোর ব্যাখ্যা করেন এবং নিজের আত্মার সন্ধান করেন → অংশগ্রহণকারীর পরার্থপরতা স্কোর → অংশগ্রহণকারী-স্থানে পারস্পরিক সম্পর্ক ← অংশগ্রহণকারীর বিগ ফাইভ ইনভেন্টরি (BFI) স্কোর ← অংশগ্রহণকারী BFI-এর আইটেমগুলোর ব্যাখ্যা করেন এবং আত্মার সন্ধান করেন ← এটি আনুমানিকভাবে পরিমাপের জন্য BFI তৈরি করা ← গুণগত বর্ণনার মাধ্যমে সংজ্ঞায়িত/যোগাযোগকৃত গঠন ← বিগ ফাইভ (শব্দের লোডিং দ্বারা সংজ্ঞায়িত)। এরপর পরার্থপরতা ও বিগ ফাইভ—এই দুই আদর্শ সম্পর্কে দাবি করা হয়।

সোজা ও সংকীর্ণ পথ#

অংশগ্রহণকারীদের বদলে শব্দ-ভেক্টরকে অভিন্ন ভিত্তি হিসেবে ব্যবহার করা হবে না কেন? পথটি অনেক বেশি সরাসরি: পরার্থপরতা (আদর্শ) → শব্দের মাধ্যমে বর্ণিত → শব্দ-স্থানে ভেক্টরায়িত → শব্দ-স্থানে তুলনা ← বিগ ফাইভ, যা আগের পোস্টে আলোচিত হয়েছে এবং ইতিমধ্যেই শব্দ-স্থানে বিদ্যমান। যারা হিসাব রাখছেন, তাদের জন্য এটি ৪ বনাম ১০টি রূপান্তর। (হিসাবটি গল্ফের নিয়মে করা হয়েছে।)

প্রকাশকারী তাল#

মৌখিক গঠন সম্পর্কে দাবি করার জন্য অংশগ্রহণকারীদের ব্যবহার করার অসুবিধা কোনো গোপন বিষয় নয়।

“মনোবিজ্ঞানের অধিকাংশ তত্ত্ব ও হাইপোথিসিস প্রকৃতিগতভাবে মৌখিক, অথচ এগুলোর মূল্যায়ন প্রধানত নির্ভর করে অনুমানমূলক পরিসংখ্যানগত পদ্ধতির ওপর। গুণগত বিশ্লেষণ থেকে পরিমাণগত বিশ্লেষণে অগ্রসর হওয়ার বৈধতা নির্ভর করে একটি হাইপোথিসিসের মৌখিক ও পরিসংখ্যানগত প্রকাশের ঘনিষ্ঠ সামঞ্জস্যের ওপর—অর্থাৎ, উভয়কেই মোটামুটি একই সেটের কাল্পনিক পর্যবেক্ষণ নির্দেশ করতে হবে। এখানে আমি যুক্তি দিচ্ছি যে মনোবিজ্ঞানে পরিসংখ্যানগত অনুমানের বহু প্রয়োগ এই মৌলিক শর্ত পূরণ করতে ব্যর্থ হয়।” ~Tal Yarkoni, সাধারণীকরণ সংকট

এখানে বৈধতা বলতে এমন একটি স্কোরকে বোঝায়, যা যে গঠন পরিমাপের উদ্দেশ্যে নির্ধারিত, সেটিকেই ধারণ করে। সম্পূর্ণ যুক্তি ও উদাহরণগুলো পড়ে দেখা সার্থক। কিন্তু আমাদের জন্য মূল প্রশ্ন হলো, এই বাস্তবতাগুলোর পরিপ্রেক্ষিতে কী করা যায়। তিনি প্রস্তাব করেন:

1. অন্য কিছু করুন (অন্য ক্ষেত্রগুলোতে প্রবেশ করুন)।
2. গুণগত গবেষণাকে গ্রহণ করুন।
3. আরও উন্নত মানদণ্ড গ্রহণ করুন (৭টি পরামর্শসহ)।

“অত্যন্ত সংকীর্ণ পরিসংখ্যানগত কার্যকরীকরণ থেকে প্রাপ্ত ক্ষুদ্র p-মূল্য জটিল মনোবৈজ্ঞানিক গঠন সম্পর্কে ব্যাপক মৌখিক অনুমানের পর্যাপ্ত ভিত্তি দিতে পারে—এমন ভান করার স্বাধীনতা প্রত্যেকেরই আছে। কিন্তু অন্য কেউ—নিজের সহকর্মীরা নয়, অর্থদাতারা নয়, জনসাধারণ নয়, এবং অবশ্যই দীর্ঘমেয়াদি বৈজ্ঞানিক নথিও নয়—এই প্রহসনকে মর্যাদা দিতে বাধ্য নয়।”

মনোবিজ্ঞানের গবেষণা সম্পর্কে আপনার দৃষ্টিভঙ্গি এতটা অন্ধকারাচ্ছন্ন না হলেও, নিশ্চয়ই পাঠকেরা এমন গবেষণাপত্রে প্রতারিত বা হতাশ হয়েছেন যেখানে দাবি করা হয়েছে এক কথা, অথচ ব্যবহৃত পরীক্ষাগুলো তার সঙ্গে কেবল দুর্বলভাবে সম্পর্কিত। সব উপলব্ধ সমাধানই যন্ত্রণাদায়ক। ক্ষেত্রটিকে হয়তো আরও সংকীর্ণ একটি দৃষ্টিভঙ্গি গ্রহণ করতে হবে এবং বড় প্রশ্নগুলো ইতিহাস, সাহিত্য ও রৈখিক বীজগণিত নিয়ে অধ্যয়নরত ব্যক্তিদের জন্য ছেড়ে দিতে হবে। আমি এগিয়ে যাওয়ার আরেকটি পথ প্রস্তাব করছি।

শব্দ-স্থানে রূপান্তর#

. 4. শব্দ-ভেক্টরকে অভিন্ন ভিত্তি হিসেবে ব্যবহার

গঠনগুলো শব্দ-স্থানে একসঙ্গে অবস্থান করে, অথচ তুলনা করার সময় আমরা তাদের টেনে অংশগ্রহণকারী-স্থানে নিয়ে যাই। এটি এক বিশাল, তথ্যক্ষয়ী, ঝামেলাপূর্ণ প্রক্রিয়া। তারা যদি নিরাপদে শব্দ-স্থানেই থাকতে পারত, তাহলে কেমন হতো? প্রাকৃতিক ভাষা প্রক্রিয়াকরণের মূল ধারণা হলো, শব্দগুলো অবিচ্ছিন্ন স্থানের ভেক্টর। এই ভেক্টরগুলো বিশ্লেষণ করা যথেষ্ট কার্যকরভাবে ভার বহনকারী প্রক্রিয়া হিসেবে ট্রিলিয়ন-ডলারের শিল্পে ব্যবহৃত হচ্ছে, এবং বর্তমানে মনোবিজ্ঞানে (পুনরায়)প্রবর্তিত হচ্ছে।

নিজের উপদেশ নিজে মানা#

এখানে আমরা প্রথমে অংশগ্রহণকারী-স্থানে সম্পন্ন একটি প্রচলিত গবেষণা দেখব, তারপর শব্দ-স্থানে সরে গিয়ে সেটিকে উন্নত করার চেষ্টা করব। একটি খড়ের পুতুলের বিরুদ্ধে সতর্কতামূলক যুক্তি হিসেবে, আলোচ্য গবেষণাটি হলো Kin Altruism, Reciprocal Altruism, and the Big Five Personality Factors, যা শত শত বার উদ্ধৃত হয়েছে এবং যার প্রথম লেখকের h-index 70।

অংশগ্রহণকারীদের তিনটি উপকরণ ব্যবহার করে পরিমাপ করা হয়: বিগ ফাইভ (বিশেষণসমূহের একটি জরিপের মাধ্যমে), সহমর্মিতা/সংযুক্তি এবং ক্ষমাশীলতা/প্রতিশোধ-বর্জন (বাক্যাংশের জরিপের মাধ্যমে), এবং অর্থ বণ্টনের একটি খেলায় পরার্থপরতা। লেখকেরা অনুমান করেছিলেন যে সদমিশুকতা ও আবেগীয় স্থিতিশীলতা (AKA নিউরোটিসিজম)-এর মধ্যবর্তী অঞ্চলের পার্থক্য দুই ধরনের পরার্থপরতাকে পৃথক করে, তাই ওই অঞ্চলটি আরও ভালোভাবে পরিমাপের জন্য কিছু শব্দ যোগ করা হয়। একইভাবে, সহমর্মিতা/সংযুক্তি এবং ক্ষমাশীলতা/প্রতিশোধ-বর্জন পরিমাপের জন্য একটি নতুন প্রশ্নমালা তৈরি করা হয়; তাত্ত্বিকভাবে এগুলো যথাক্রমে স্বজন বনাম পারস্পরিক পরার্থপরতার সঙ্গে সম্পর্কিত। এই ধরনের গবেষণার প্রচলিত সীমার বাইরে গিয়ে, পরার্থপরতা পরিমাপের জন্য একটি খেলাও ব্যবহার করা হয়।

“স্বজন-পরার্থপরতা পরিমাপের জন্য ব্যবহৃত অর্থ বণ্টন কাজটির সংস্করণে, অন্য ব্যক্তিকে একজন ঘনিষ্ঠ বন্ধু হিসেবে বর্ণনা করা হয়েছিল—এমন একজন, যার সঙ্গে অংশগ্রহণকারীর দীর্ঘদিনের বন্ধুত্বের ইতিহাস রয়েছে এবং যার সঙ্গে অংশগ্রহণকারীর অনেক মিল রয়েছে। আমরা আশা করেছিলাম যে বন্ধুত্বটিকে পুরোনো এবং বন্ধুটিকে অংশগ্রহণকারীর সঙ্গে খুব সাদৃশ্যপূর্ণ হিসেবে বর্ণনা করলে বন্ধুত্বটি কোনো আত্মীয়ের সঙ্গে মানুষের সম্পর্কের অনুরূপ হবে। পরার্থপরতার সম্ভাব্য লক্ষ্য হিসেবে আমরা কোনো আত্মীয়কে ব্যবহার করিনি, কারণ এতে সংশ্লিষ্ট নির্দিষ্ট আত্মীয়ের কারণে উত্তরের ভিন্নতা যুক্ত হওয়ার সম্ভাবনা থাকত; যেমন, অনেক মানুষ হয়তো এক ভাই বা বোনের প্রতি অন্য ভাই বা বোনের তুলনায় পরার্থপর আচরণ করতে বেশি ইচ্ছুক।”

অন্য কথায়, বাস্তব জগতে স্বজনদের প্রতি মানুষের অনুভূতির কারণে উপাত্ত কলুষিত না করার জন্য, পারস্পরিক পরার্থপরতা পরিমাপ করা হয়।

“পারস্পরিক পরার্থপরতা পরিমাপের জন্য ব্যবহৃত অর্থ বণ্টন কাজটির সংস্করণে, অন্য ব্যক্তিকে একজন অসহযোগী হিসেবে বর্ণনা করা হয়েছিল—এমন একজন, যিনি অংশগ্রহণকারীর প্রতি অভদ্র, নীচ ও অবিবেচক আচরণ করেছিলেন।”

আর পারস্পরিক পরার্থপরতা পরিমাপ করতে তারা পরিমাপ করেন … অপ্রতিদানকৃত পরার্থপরতা? স্বাভাবিকভাবেই কিছু পারস্পরিক সম্পর্ক পাওয়া যায় এবং লেখকেরা উপসংহারে বলেন:

“এই গবেষণার ফলাফল সেই প্রস্তাবকে সমর্থন করে যে সহমর্মিতা ও সংযুক্তির সঙ্গে জড়িত ব্যক্তিত্বের বৈশিষ্ট্যগুলো মূলত স্বজনদের প্রতি নির্দেশিত পরার্থপরতাকে (অর্থাৎ, স্বজন-পরার্থপরতা) সহজতর করে, এবং ক্ষমাশীলতা ও প্রতিশোধ-বর্জনের সঙ্গে জড়িত ব্যক্তিত্বের বৈশিষ্ট্যগুলো মূলত অস্বজনদের প্রতি নির্দেশিত পরার্থপরতাকে (অর্থাৎ, পারস্পরিক পরার্থপরতা) সহজতর করে।”

কিন্তু যদি পারস্পরিক পরার্থপরতা কখনো পরিমাপই করা না হয়ে থাকে, তাহলে ফলাফল কীভাবে সেই দাবিকে সমর্থন করতে পারে? তাল যেমন দেখিয়েছেন, মনোবিজ্ঞানের গবেষণাপত্রে পরিসংখ্যান প্রায়ই একটি অলঙ্কারিক চাকচিক্য মাত্র। কিন্তু আমাদের সেই খেলায় তাল মেলাতেই হবে না! দেখা যাক, শব্দ-স্থান এ বিষয়ে কী বলে।

দুধ ও মধুর দেশ (শব্দ-স্থানে স্বাগতম)#

প্রথাগত গবেষণায়, ব্যক্তিদের ব্যক্তিত্ব-পরিসরে স্থাপন করার ব্যয়ের কারণে, একসঙ্গে কেবল অল্প কয়েকটি ব্যক্তিত্ব-ক্ষেত্রেই উচ্চ রেজোলিউশন বজায় রাখা সম্ভব। এ কারণেই লেখকেরা সহমর্মিতা ও প্রতিশোধ-পরিহার, এবং Agreeableness ও Emotional Stability-এর মধ্যবর্তী পরিসর অনুসন্ধান করেছিলেন। এই সব অক্ষই নিয়মিত Big Five space-এ বিদ্যমান, তবে সেগুলো বেশ সূক্ষ্মভাবে পরিমাপ করা হয়। শব্দ-পরিসরে আমরা পরোপকারিতার সঙ্গে সম্পূর্ণ Big Five-কে তাদের পূর্ণ উচ্চ-রেজোলিউশন বৈশিষ্ট্যসহ তুলনা করতে পারি। আমার GitHub-এ পাঁচটি PC-তে factorized করা 2819টি word vector রয়েছে। সুবিধার জন্য আমরা সেগুলো ব্যবহার করতে পারি। প্রথম কাজ হলো প্রতিটি ধরনের পরোপকারিতা বর্ণনা করে এমন শব্দগুচ্ছ নির্বাচন করা। আত্মীয়তার শব্দগুলোর জন্য আমি পারিবারিক ভূমিকাগুলোকে ধারণ করে এমন শব্দ বেছে নিয়েছি: brotherly, sisterly, mothering, motherly, fatherly, grandmotherly, grandfatherly, wifely, maternal, paternal. পারস্পরিক পরোপকারিতার ক্ষেত্রে আমি Trivers-এর সংজ্ঞা অনুসরণ করেছি।

“মানবীয় পারস্পরিক পরোপকারিতার ক্ষেত্রে দেখা যায়, এই পরোপকারিতাকে নিয়ন্ত্রণকারী মনস্তাত্ত্বিক ব্যবস্থার বিশদ মডেলটির মাধ্যমে ব্যাখ্যা করা সম্ভব। বিশেষভাবে, বন্ধুত্ব, অপছন্দ, নৈতিকতাবাদী আগ্রাসন, কৃতজ্ঞতা, সহানুভূতি, আস্থা, সন্দেহ, বিশ্বস্ততা, অপরাধবোধের কিছু দিক, এবং অসততা ও ভণ্ডামির কিছু রূপ—এসবকে পরোপকারী ব্যবস্থাকে নিয়ন্ত্রণ করার জন্য গুরুত্বপূর্ণ অভিযোজন হিসেবে ব্যাখ্যা করা যায়। প্রত্যেক মানবব্যক্তির মধ্যে পরোপকারী ও প্রতারণাপ্রবণ প্রবণতা রয়েছে বলে বিবেচনা করা হয়; এসব প্রবণতার প্রকাশ এমন বিকাশগত চলকের প্রতি সংবেদনশীল, যেগুলো স্থানীয় সামাজিক ও পরিবেশগত পরিস্থিতির উপযোগী ভারসাম্যে প্রবণতাগুলোকে স্থাপন করার জন্য নির্বাচিত হয়েছে।” The Evolution of Reciprocal Altruism, Robert Trivers (গাঢ় অক্ষর সংযোজিত)

এটি বিবেচনা করে আমি বেছে নিয়েছি: discriminating, unforgiving, vengeful, loyal, neighborly, cooperative, trustworthy, এবং fair. এটি সহযোগিতার দিকে ভুল করার প্রবণতা এবং পরিস্থিতি খারাপ হলে নৈতিকতাবাদী আগ্রাসনের মাধ্যমে তার প্রতিক্রিয়া—দুই দিকেই মোটামুটি সমান গুরুত্ব দেয়। অতিরিক্তভাবে, এটি প্রতারণার বিপরীত হিসেবে এই পরোপকারিতাকে ধারণ করার চেষ্টা করে (যেমন fair, trustworthy)।

(আস্থার বিবর্তনের একটি চমৎকার ব্যাখ্যার জন্য এটি ইন্টার‌্যাক্টিভ ডেমো দেখুন।)

আপনাদের কি অজ্ঞাত Five Factor Model-এর সঙ্গে পরিচয় করিয়ে দিতে পারি?#

তাত্ত্বিকভাবে, আমরা সমীক্ষার মাধ্যমে উৎপাদিত Big Five শব্দ-লোডিং ব্যবহার করতে পারতাম, কিন্তু এসব শব্দের অধিকাংশই এত বিরল যে সেগুলো অন্তর্ভুক্ত করা হয়নি। এটি বরং ভালোই হয়েছে, কারণ মনোবিজ্ঞানের শিক্ষার্থীদের স্ব-প্রতিবেদনের ভিত্তিতে grandmotherly-এর একটি ভালো অনুমান পাওয়া যেত না। সুতরাং, RoBERTa ভাষা-মডেল ব্যবহার করে গণনা করা word vector। ব্যক্তিত্ব-সংক্রান্ত একটি বৃহৎ এবং সুস্পষ্টভাবে বৈশিষ্ট্যায়িত তালিকা থেকে উদ্ভূত Five factor-গুলো সংক্ষেপে হলো:

1. Affiliation (অথবা Socialization)। এই ব্যক্তিকে আপনি আপনার দলে কতটা চান? Agreeableness-এর সঙ্গে সাদৃশ্য আছে, তবে এতে নিজেকে পদদলিত হতে দেওয়ার প্রবণতা অন্তর্ভুক্ত নয়। উদাহরণস্বরূপ, Gullible Affiliation-এ নিরপেক্ষভাবে লোড করে, কিন্তু Agreeableness-এ ইতিবাচকভাবে লোড করে।
2. Dynamism। Extraversion-এর সঙ্গে বেশ ঘনিষ্ঠভাবে মেলে, তবে এটি আত্মবিশ্বাসের চেয়ে অভিযানের অনুভূতির সঙ্গে বেশি সম্পর্কিত।
3. Order। Conscientiousness, তবে কিছুটা তীক্ষ্ণ প্রান্তসহ। নিজের লক্ষ্য অর্জনের সক্ষমতা। Exacting বনাম mushy।
4. Emotional Attachment। Neuroticism যেখানে অস্থিতিশীলতা নিয়ে উদ্বিগ্ন, এটি সেখানে সংযুক্তি নিয়ে সম্পর্কিত; caring এবং spiteful—উভয়ই এতে উচ্চমাত্রায় লোড করে।
5. Transcendence। এই factor-টি unique, complicated, star-crossed, handicapped, mystical, heartbroken, other-worldly বনাম unphilosophical, fancy-free, pigheaded, boorish, materialistic, self-centered, glib দ্বারা বৈশিষ্ট্যায়িত। এর মধ্যে নিজেকে এবং দৈনন্দিন জগতকে অতিক্রম করে তাকানো অন্তর্ভুক্ত। আপাতদৃষ্টিতে, এই প্রক্রিয়াটি বেদনার সঙ্গে ওতপ্রোতভাবে জড়িত। প্রকৃতপক্ষে, Neuroticism-এর সঙ্গে সম্পর্কিত factor Emotional Attachment-এর তুলনায় “troubled” Transcendent-এ বেশি লোড করে।

প্রথম তিনটি factor-এর নাম De Raad-এর আন্তঃসাংস্কৃতিক কাজ থেকে নেওয়া হয়েছে, কারণ গুণগতভাবে Big Five-এর তুলনায় এর সঙ্গে মিল বেশি। প্রতিটি factor-এর নিজস্ব একটি পোস্ট প্রাপ্য। (শিল্প-মনোবিজ্ঞানে যারা কাজ করেন, তাঁদের জন্য আমার ধারণা, Order ব্যবসায়িক সাফল্যের সঙ্গে Conscientiousness-এর তুলনায় বেশি সম্পর্কিত, কারণ এটি সময়মতো উপস্থিত হওয়ার চেয়ে বেশি হিসাবনির্ভর।) তবে মডেল প্রস্তাব করা আমার বিশেষ দক্ষতার ক্ষেত্র নয়, এবং আরও সূক্ষ্ম ভাষা-গবেষণা আসন্ন—যেগুলো ভিন্ন কাঠামো দিতে পারে। আপাতত এই factor-গুলো যথেষ্ট। Big Five-এর সঙ্গে এদের পারস্পরিক সম্পর্ক এখানে দেওয়া হলো:

ফলাফল#

প্রথম চারটি factor-এ পরোপকারিতাসংক্রান্ত শব্দের লোডিং (এই গবেষণায় Transcendence গুরুত্বপূর্ণ নয়):

তুলনাটি করার জন্য আমরা প্রতিটি শব্দসমষ্টিকে কেবল একটি ভেক্টরে নামিয়ে আনতে চাই। (এটি আদৌ অর্থবহ কি না, তা নিয়ে বিতর্কের অবকাশ আছে, কারণ পারস্পরিক—এবং তুলনামূলকভাবে কম হলেও আত্মীয়তাভিত্তিক—পরার্থপরতার ক্ষেত্রে ভিন্ন ভিন্ন পরিস্থিতিতে ভিন্ন প্রতিক্রিয়া প্রয়োজন।) সস্তা ও অমার্জিত সমাধান হলো প্রতিটি নির্মাণকে একটি বাগ অব ওয়ার্ডস হিসেবে বিবেচনা করে গড় নেওয়া। গড় লোডিংগুলো হলো:

আলোচনা#

আমি মনে করি না যে আলোচ্য পেপারটি বিষয়-স্থানে আত্মীয়তাভিত্তিক বা পারস্পরিক পরার্থপরতার কোনো বৈধ পরিমাপ অন্তর্ভুক্ত করে; ফলে ব্যক্তিত্বের সঙ্গে এগুলোর সম্পর্ক সম্পর্কে আমাদের বোঝাপড়ায় এটি কোনো সংযোজন ঘটায় না। এটি আশ্চর্যজনকভাবে প্রচলিত একটি ব্যর্থতার ধরন। শব্দ-স্থান অবৈধ তুলনার বিরুদ্ধে কিছুটা সুরক্ষা দেয়। শব্দ-স্থানে কোনো শব্দের অবস্থান কোথায় হওয়া উচিত, সে সম্পর্কে আমাদের স্বজ্ঞা অনেক ভালো; কিন্তু ১১২ নম্বর বিষয়কে একটি জরিপে কীভাবে উত্তর দেওয়া উচিত, সে বিষয়ে ততটা নয়। ভুল শনাক্ত করাও সহজ।

বেয়েসীয় দৃষ্টিকোণ থেকে বিষয়-স্থান ও শব্দ-স্থানে ভিন্ন কিছু ঘটছে। বিষয়দের অন্তর্ভুক্ত করা পরীক্ষাগুলোর লক্ষ্য হলো আলোচনায় নতুন তথ্য আনা। আশা করা হয়, তা পাঠকদের বিশ্বসম্পর্কিত দৃষ্টিভঙ্গি হালনাগাদ করবে। কিন্তু গবেষকদের (এবং সাধারণ মানুষের) সামাজিক অভিজ্ঞতা অনেক বেশি, আর জরিপের দেওয়া স্থিরচিত্রের তুলনায় মনস্তাত্ত্বিক প্রক্রিয়া উপলব্ধির ক্ষমতাও বেশি তীক্ষ্ণ। সূচকটি খুব বেশি সরানো কঠিন। শব্দ-স্থান নতুন জ্ঞান উৎপাদনের চেয়ে আমাদের পূর্বানুমানগুলোকে দৃশ্যায়িত করার কাছাকাছি। এই দৃষ্টিভঙ্গিটি মূল্যবান, কারণ ভাষাতেই—রূপক অর্থে—কাজের বাস্তব পরীক্ষা ঘটে। JL Austin-এর ভাষায়:

“আমাদের প্রচলিত শব্দভাণ্ডারে এমন সব পার্থক্য নিহিত আছে, যেগুলো আঁকা মূল্যবান বলে মানুষ মনে করেছে, এবং এমন সব সংযোগও, যেগুলো চিহ্নিত করা মূল্যবান বলে তারা মনে করেছে—অসংখ্য প্রজন্মের জীবনকালে। নিঃসন্দেহে এগুলো তোমার বা আমার পক্ষে কোনো এক বিকেলে আরামকেদারায় বসে উদ্ভাবন করার সম্ভাব্য যেকোনো পার্থক্য বা সংযোগের চেয়ে বেশি সংখ্যক, বেশি নির্ভরযোগ্য—কারণ যোগ্যতমের টিকে থাকার দীর্ঘ পরীক্ষায় এগুলো উত্তীর্ণ হয়েছে—এবং অন্তত সব সাধারণ ও যুক্তিসংগত ব্যবহারিক বিষয়ে আরও সূক্ষ্ম; আরামকেদারায় বসে চিন্তা করা পদ্ধতিটিই তো সবচেয়ে প্রিয় বিকল্প পদ্ধতি।” অজুহাতের পক্ষে একটি আবেদন

শব্দ-স্থানে বিশ্লেষণ তুলনামূলকভাবে সরল। পারস্পরিক সম্পর্ক ও p-value-এর সারণির পরিবর্তে, আগ্রহের অক্ষগুলোর ওপর শব্দগুলোকে সরাসরি বসানো হয় এবং দৃশ্যগত বিচার করা হয়। আত্মীয়তাভিত্তিক পরার্থপরতার শব্দগুলো Affiliation ও Emotional Attachment—উভয় ক্ষেত্রেই ঘনভাবে গুচ্ছবদ্ধ; উল্লেখযোগ্য লোডিং রয়েছে এমন একমাত্র দুটি ফ্যাক্টর এগুলোই। পিতারা—কিন্তু ভাইয়েরা নয়—তাঁদের নারী-সমতুল্যদের তুলনায় কম সংযুক্ত; এটি সন্তানের পেছনে পিতামাতার বিনিয়োগ সম্পর্কে Trivers-এর তত্ত্বের সঙ্গে সামঞ্জস্যপূর্ণ। ভাই ও বোনের নিজেদের সহোদরদের দেখাশোনা করার কারণ সমান। তবে মায়েদের তুলনায় পিতাদের কারণ কম। শুক্রাণু সস্তা। ডিম্বাণু ও গর্ভধারণ ব্যয়বহুল।

পারস্পরিকতার শব্দগুলো বেশি ছড়ানো, যা বিভিন্ন পরিস্থিতিতে—সঙ্গীর সহযোগিতা বা বিচ্যুতির ক্ষেত্রে—সাড়া দেওয়ার জন্য উপযোগী বৈশিষ্ট্যকে প্রতিফলিত করে। সবচেয়ে লক্ষণীয় পার্থক্য হলো Order-এ বেশি গড় লোডিং—নিজের লক্ষ্য অর্জন। প্রথম দিকে যাকে বিলম্বিত-প্রত্যাবর্তন পরার্থপরতা বলা হতো, সেই পারস্পরিক পরার্থপরতা কোনো অপরিচিত ব্যক্তির জন্য আত্মত্যাগ নয়; বরং সমাজপন্থী উপায়ে নিজের ভবিষ্যতে বিনিয়োগ করা। অন্যদিকে, আত্মীয়তাভিত্তিক পরার্থপরতা বলতে বোঝায় নিজের ক্ষতি হলেও পরিবারকে সাহায্য করা, কারণ স্বার্থপর জিনগুলো আপনার হৃদয়ের তারে টান দেয়। Emotional Attachment-এ আত্মীয়তাভিত্তিক পরার্থপরতার শব্দগুলোর বেশি লোডিংয়ে এটি স্পষ্ট; যা Ashton-এর হাইপোথিসিসকে সমর্থন করে। কিন্তু মূল ঘটনাটি Order-এ, বিষয়-স্থানভিত্তিক যন্ত্রগুলো যেখানে শনাক্ত করার জন্য নকশা করা হয়েছিল, তার বহু দূরে। বিষয়-স্থানে নমুনা সংগ্রহের ব্যয় ফলাফলকে গবেষকদের পূর্বানুমানের ওপর বেশি নির্ভরশীল করে তোলে।

এই প্লটগুলো ব্যাখ্যা করা চায়ের পাতার নকশা পড়ার মতো মনে হতে পারে, কিন্তু এখানে যা আছে সে সম্পর্কে আমি প্রায় ৭০% নিশ্চিত। যে বিষয়টি আমাকে কিছুটা থামিয়ে দেয়, তা হলো দুটি পরার্থপরতাকে ভিন্নভাবে উপস্থাপন করা হয়েছে। আত্মীয়তাসূচক শব্দগুলো সবই সম্পর্ক বর্ণনা করে (যেমন, মা, বাবা, ভাই), অন্যদিকে পারস্পরিকতার শব্দগুলো সম্পর্ক (যেমন, প্রতিবেশী) এবং পুনরাবৃত্ত ধনাত্মক-সমষ্টি খেলায় উপযোগী বৈশিষ্ট্য (যেমন, প্রতিহিংসাপরায়ণ, বৈষম্যনির্ণায়ক, সহযোগিতাপ্রবণ)—উভয়েরই মিশ্রণ। অনিশ্চয়তা থাকলেও, এক বিকেলে যদি আমি এমন একটি পরীক্ষা চালাতে পারতাম, যা লক্ষ লক্ষ মানুষের জীবিত পরার্থপরতার অভিজ্ঞতাকে একত্র করে—কী প্রজন্মের পর প্রজন্ম ধরে একজন মানুষকে পিতৃসুলভ, ভগ্নীসুলভ, বা প্রতিবেশীসুলভ করে তোলে বলে একমত হয়েছে—তবে তা কি চমৎকার হতো না? নতুন কোনো সংকেতের উৎসের ক্ষেত্রে বরাবরের মতোই মানুষ প্রথমে তাৎক্ষণিক অনুমান করতে শুরু করে। শেষ পর্যন্ত ওয়াইল্ড ওয়েস্টকে বশে আনা হয়; পদ্ধতি ও হিউরিস্টিকের উদ্ভব ঘটে। উন্নতির যথেষ্ট অবকাশ আছে। পাঠকেরা শব্দসমষ্টি পরিবর্তন করে এই Colab নোটবুক ব্যবহার করে কয়েক মিনিটের মধ্যেই নতুন ফলাফল পেতে পারেন। অনুগ্রহ করে তা করুন!

শব্দ-স্থানের সুবিধা#

1. Lexical Hypothesis-এর সঙ্গে সংযুক্ত। বিকেন্দ্রীভূত সামাজিক বাস্তবতায় ভিত্তিশীল।
2. রূপান্তর কম। প্রতিটি ধাপই কিছু তথ্য হারায় এবং পক্ষপাত প্রবর্তন করে।
3. শব্দ-স্থানে রূপান্তরের পর পরিসংখ্যানগতভাবে কম নিবিড়। (প্রবেশের বাধা কম।)
4. কার্যকর নমুনা-আকার—যারা Reddit-এ মন্তব্য, বই লেখা, বা pubMed প্রবন্ধের মাধ্যমে ভাষা মডেলে অবদান রেখেছে—অধিকাংশ গবেষণার তুলনায় অনেক বড় এবং বৈচিত্র্যময়।
5. NLP জানা মনোবিজ্ঞান বিষয়ে PhD-ধারীদের জন্য চাকরির সম্ভাবনা ভালো।
6. বহুভাষিক/বহুসাংস্কৃতিক কাজ করা সহজ। কিছু মডেল একই সঙ্গে ১০০টি ভাষায় প্রশিক্ষিত হয় (যেভাবে Meta অল্প উদাহরণযুক্ত ভাষাগুলোতে বিদ্বেষমূলক বক্তব্যের ফিল্টার প্রশিক্ষণ দেয়)।
7. ভাষা মডেল ক্রমাগত আরও ভালো হচ্ছে।
8. উন্মুক্ত বিজ্ঞান।
9. IRB এড়ানো যায়।

অসুবিধা#

1. চলকের সংখ্যা বেশি। একটি ভাষা মডেলে কোটি কোটি প্যারামিটার রয়েছে! তবে কোটি কোটি নিউরন এবং কয়েক ডজন প্রশিক্ষণ-সংক্রান্ত সিদ্ধান্তও একটি স্থিতিশীল প্রতিনিধিত্ব তৈরি করতে পারে। যথেষ্ট ভালো যেকোনো ভাষা মডেল “husband is to wife as king is to ____” উপমাটি সম্পূর্ণ করতে পারে।
2. ফলাফলকে জনমিতিক ভিত্তিতে ভেঙে দেখা যায় না। কখনও কখনও ২৫–৩০ বছর বয়সী প্রাথমিক বিদ্যালয়ের শিক্ষকদের ব্যক্তিত্ব জানা আকর্ষণীয়। অথবা কোনো নির্মাণ কীভাবে গ্রেপ্তারের নথির সঙ্গে সম্পর্কিত, তা জানা। শব্দ-স্থানে এটি অসম্ভব।
3. ভাষা মডেল কি পক্ষপাতদুষ্ট নয়? আসলে, আত্ম-প্রতিবেদনের চেয়ে বেশি নয়।
4. একগুচ্ছ শব্দ-ভেক্টরের সমষ্টি (অর্থাৎ, একটি বাগ অব ওয়ার্ডস) হিসেবে পরার্থপরতাকে সংজ্ঞায়িত করা কিছুটা খাপছাড়া কৌশল। এখানে উন্নতির যথেষ্ট অবকাশ আছে।

বিদেশি দেবতারা#

“আমি মনে করি Kafka ঠিকই বলেছিলেন—আধুনিক মানুষের জন্য রাষ্ট্রীয় আমলাতন্ত্রই দেবত্বের মাত্রার সঙ্গে অবশিষ্ট একমাত্র যোগাযোগ।” ~Zizek, A Pervert’s Guide to Ideology

এখানে তিনি অবশ্য IRB-এর কাছে আপিল দাখিল করার অতীন্দ্রিয় অনুভূতির কথা বলছেন। আমার একটি পূর্বাভাস আছে। সংকেত-প্রক্রিয়াকরণের দৃষ্টিকোণ থেকে শব্দ-স্থানই ভালো ও সঠিক পন্থা, কিন্তু এর গ্রহণযোগ্যতা নিয়ন্ত্রিত না থাকার সুবিধার দ্বারা যতটা চালিত হবে, ততটাই চালিত হবে অন্য কারণে। এর অনুসিদ্ধান্ত হলো, ভাষা মডেলকে সংবেদনশীল বলে ঘোষণা করা প্রথম সরকারি সংস্থা হবে IRB।

পথ প্রস্তুত করা#

আমরা ভাষা মডেল থেকে বিভিন্ন নির্মিতির মধ্যকার সম্পর্ক বের করতে চাই। আরও গোলমাল না বাড়িয়ে অর্থবহ সংকেত যোগ করে এমনভাবে এটি করতে হলে প্রচুর যাচাইয়ের কাজ প্রয়োজন। প্রাথমিকভাবে, এর অর্থ সুপ্রতিষ্ঠিত জরিপের ফলাফলের সঙ্গে তুলনা করা। শব্দ ভেক্টর ব্যবহার করে কি সেগুলো পুনরুদ্ধার করা যায়? কোথায় সেগুলো ব্যর্থ হয়? এটি প্রতিষ্ঠিত হয়ে গেলে, “আরও গবেষণা প্রয়োজন” বলে শেষ হওয়া প্রতিটি গবেষণাপত্রেরই শব্দ-পরিসরে প্রশ্নটি করার একটি উপায় খুঁজে বের করা উচিত।

আমি এক বছরেরও বেশি সময় ধরে একটি পদ্ধতি সূক্ষ্মভাবে সমন্বয় করেছি, যাতে ব্যক্তিত্বের সম্পর্কগুলো বের করা যায় RoBERTaথেকে, যা তখনকার সর্বাধুনিক মডেল ছিল। এর অল্প পরেই GPT-3 প্রকাশিত হয় এবং কোনো বিশেষ সমন্বয় ছাড়াই সেটি আরও ভালো ফল দেয়। কম্পিউটিং ক্ষমতা যে ক্ষেত্রভিত্তিক জ্ঞানকে ছাড়িয়ে যায়, তা AI-এর একটি বারবার ফিরে আসা তিক্ত শিক্ষা । কম্পিউটিং ক্ষমতা সূচকীয় হারে বৃদ্ধি পায়। ক্ষেত্রভিত্তিক জ্ঞান ব্যবহার করে কোনো সাধারণ ML সমাধানের তুলনায় আপনি যদি 30% উন্নতি পেতে পারেন, তবে আপনি শুধু অপেক্ষাও করতে পারেন কম্পিউটিং ক্ষমতা সমকক্ষ হওয়া পর্যন্ত এবং সাধারণ পদ্ধতি ব্যবহার করেই একই ফল পেতে পারেন। তাই মনোবিজ্ঞানের প্রশ্নগুলোকে সরাসরি ব্যবহারযোগ্য NLP মডেলের সঙ্গে সম্পর্কিত করার উপায় খোঁজাই এগিয়ে যাওয়ার ভালো পথ। প্রায় প্রতি ছয় মাস অন্তর লক্ষণীয়ভাবে উন্নত কর্মক্ষমতার একটি নতুন মডেল জনসাধারণের জন্য উন্মুক্ত করা হয়। যারা শব্দ-পরিসর যাচাই করছেন, তারা বৃহত্তর বুদ্ধিমত্তার জন্য পথ প্রস্তুত করছেন—PaLM, GPT-7, OSCar (Oপ্টিমাল Sএন্টিয়েন্স Carটোগ্রাফি)—যাতে সেগুলো মনস্তাত্ত্বিক সত্যের বৃষ্টি ঝরাতে পারে।

প্রাকৃতিক ভাষা জগৎ সম্পর্কে সবার ভাগাভাগি করা তত্ত্বে পরিপূর্ণ। এখন যেহেতু আমরা সেগুলো পরিমাপ করতে পারি, সেগুলোকে কি প্রমাণ হিসেবে ব্যবহার করা যায় না?

এটি আপনার কাছে আকর্ষণীয় মনে হলে, অনুগ্রহ করে শেয়ার করুন! মূল নিবন্ধটি শেয়ার করুন।