চীনের ওপেন সোর্স মডেল ব্লক হওয়ার চেয়ে ধীর হওয়ার সম্ভাবনা বেশি।
যা সত্যিই ভঙ্গুর হয়ে যায় তা হ'ল বিতরণ, আপডেট এবং নির্ভরতা চেইন
যখন এই ধরনের আলোচনা প্রকল্পের মধ্যে পড়ে, এটি অবশেষে একটি ঠান্ডা বাক্যে রূপান্তরিত হবে: ওপেন সোর্স মডেলটি সম্পূর্ণরূপে মুছে ফেলা কঠিন। যা প্রথমে ভঙ্গুর হয়ে যায় তা হল সমাবেশ লাইন যা মডেলের চারপাশে ঘোরে। যতক্ষণ পর্যন্ত মডেল ফাইল, ছবি, চেক মান, অনুমান পরিবেশ, এবং মূল্যায়ন স্ক্রিপ্টগুলির একটি ভাঙা হয়, দলটি কী অনুভব করবে “এই মডেলটি এখনও বিশ্বে বিদ্যমান আছে কিনা” নয়, “এই আপগ্রেডটি পুনরুত্পাদন করা যেতে পারে কিনা।”
আসলে কি আটকে যায় সাধারণত প্রবেশদ্বার এবং আপডেট হয়.
অফিসিয়াল হেফাজতে প্রথমে বন্ধ করা সবচেয়ে সহজ। ওয়েব পৃষ্ঠা, API, ডাউনলোড পৃষ্ঠা, মিরর সাইট, যতক্ষণ প্রবেশদ্বার কেন্দ্রীভূত হয়, অর্থপ্রদান, আইনি বিষয়, CDN, আঞ্চলিক বিধিনিষেধ এবং অ্যাকাউন্ট নীতিগুলি এটিকে সংকুচিত করতে পারে। মেঘ অনুমান জন্য একই সত্য. একবার ব্যবসা একটি নির্দিষ্ট হোস্টিং পয়েন্টে মডেলের ক্ষমতা আউটসোর্স করে, অবরোধের জন্য বিশ্ব থেকে মডেলটি মুছে ফেলার দরকার নেই। যতদিন অ্যাক্সেসিবিলিটি, কোটা, পেমেন্ট এবং আঞ্চলিক বিধিনিষেধ কঠোর করা হবে, সিস্টেমটি নড়বড়ে হতে শুরু করবে।
কিন্তু একবার ওজন ছড়িয়ে পড়লে পরিস্থিতি বদলে যায়। ওপেন সোর্স মডেলটি শুধুমাত্র একটি নির্দিষ্ট হোমপেজেই থাকে না, এটি স্থানীয় ডিস্কে, ক্যাশে তৈরি, ইমেজ গুদাম এবং দল দ্বারা নির্মিত আর্টিফ্যাক্ট স্টোরেজেও থাকে। আপনি যা নিয়ন্ত্রণ করতে পারেন তা ইতিমধ্যে বিদ্যমান অনুলিপিগুলির তুলনায় বিতরণ চলতে থাকা গতিতে বেশি। পরিস্থিতি পরিষ্কার করার জন্য, সবচেয়ে বড় প্রভাব প্রায়ই “আপনি এখনও একটি নির্দিষ্ট সংস্করণ ডাউনলোড করতে পারেন কিনা” নয়, তবে “আপনি স্থিরভাবে টোকেনাইজার, চ্যাট টেমপ্লেট, কোয়ান্টাইজেশন প্যাকেজ এবং ভবিষ্যতে নির্ভরতার নির্দেশাবলীর একই সেট পেতে পারেন কিনা।”
এটি এখানে সবচেয়ে অবমূল্যায়ন করা হয়। প্রথমবার যখন আপনি মডেলটি চালান, ঝুঁকি শেষ বলে মনে হয়; আসল সমস্যা প্রায়ই দ্বিতীয়বার হয়। দ্বিতীয়বার আমি রোল ব্যাক করতে চেয়েছিলাম, ছবিটি আর ছিল না; দ্বিতীয়বার আমি পুনরুত্পাদন করতে চেয়েছিলাম, পরিমাপ বিন্যাস পরিবর্তিত হয়েছিল; দ্বিতীয়বার আমি আপগ্রেড করতে চেয়েছিলাম, অনুমান কোড এবং ওজন সংস্করণ মেলেনি; দ্বিতীয়বার আমি যাচাই করতে চেয়েছিলাম, মূল্যায়ন সেট এবং প্রিপ্রসেসিং স্ক্রিপ্ট পরিবর্তন করা হয়েছিল। সরেজমিনে, শুধুমাত্র একটি অনুপস্থিত ডাউনলোড লিঙ্ক আছে, কিন্তু প্রকৃতপক্ষে, যা অনুপস্থিত তা হল পুনরাবৃত্তিযোগ্য সরবরাহ চেইনের একটি সম্পূর্ণ সেট।
সুতরাং এই ধরনের “সীল” একটি মুছে ফেলার চেয়ে মন্দার মতো। যা উল্লেখযোগ্যভাবে দুর্বল হতে পারে তা হল যোগাযোগের গতি, ক্লাউড অ্যাক্সেস, সংস্করণ সিঙ্ক্রোনাইজেশন এবং পরিবেশগত আস্থা; যা সম্পূর্ণরূপে মুছে ফেলা কঠিন তা হল ওজনযুক্ত অনুলিপি, স্থানীয় স্থাপনার ক্ষমতা এবং সেকেন্ডারি বিতরণ ক্ষমতা যা ছড়িয়ে পড়েছে। একবার ওপেন সোর্স মডেলটি পর্যাপ্ত মেশিনে প্রবেশ করলে, ঝুঁকি “এটি বিদ্যমান থাকতে পারে” থেকে “এটি স্থিরভাবে বিকশিত হতে পারে” এ পরিবর্তিত হয়।
এখানেও ঘরোয়া দলগুলোর চিহ্ন মিস হওয়ার সম্ভাবনা সবচেয়ে বেশি। মডেলটিকে পণ্যের সাথে একীভূত করার পরে, শুধুমাত্র প্রথম রাউন্ডের প্রভাবগুলিতে ফোকাস করা সহজ এবং ভুলে যাওয়া যে মডেলটি আসলে একটি নির্ভরতা। একবার একটি নির্ভরতার প্রবেশের একটি মাত্র পয়েন্ট থাকলে, একক বিন্দুটি একটি নিয়ন্ত্রণ বিন্দুতে পরিণত হবে; একবার নির্ভরতার সংস্করণ লকিং না থাকলে, আপগ্রেডগুলি একটি র্যান্ডম ইভেন্টে পরিণত হবে; একবার নির্ভরতার একটি অফলাইন অনুলিপি না থাকলে, একটি নির্দিষ্ট আয়না ব্যর্থ হওয়ার পরে তথাকথিত “নিজের ক্ষমতা” প্রকাশিত হবে।
আরও স্থিতিশীল পদ্ধতি হল কোন অবরোধ থাকবে না এমন কল্পনা করা নয়, বরং অবরোধকে আগে থেকেই বেশ কয়েকটি সাশ্রয়ী ছোট ছোট সমস্যায় ভেঙে ফেলা: ওজন এবং রানটাইম আলাদাভাবে সংরক্ষণ করা হয়, ডাউনলোড ঠিকানা এবং যাচাইকরণের মান একসাথে সংরক্ষণ করা হয়, অনুমান পরিবেশটি অফলাইনে পুনর্নির্মাণ করা হয়, মূল্যায়নের ফলাফলগুলি সংস্করণ দ্বারা সংরক্ষণাগারভুক্ত করা হয়, এবং সমানভাবে মুক্তির পথ হিসাবে পরিষ্কার করা হয়। এইভাবে, আপস্ট্রিম হঠাৎ বন্ধ হয়ে গেলেও, পণ্যটি শুধুমাত্র একটি প্রবেশ পথ হারাবে এবং একই সময়ে সমগ্র ক্ষমতা অফলাইনে থাকবে না।
ওপেন সোর্স মডেলের আসল পরিখা কখনই “কেউ এটি পরিচালনা করার সাহস করে না”, কিন্তু “যখন এটি পরিচালিত হয়, এটি একটি বিন্দুতে পরিচালনা করা ইতিমধ্যেই কঠিন।” অনেক প্রবেশপথ আছে যেগুলো শক্ত করা যেতে পারে, এবং যে কপিগুলো ছড়িয়ে পড়েছে সেগুলো উদ্ধার করা কঠিন।
What to read next
Want more posts about AI?
Posts in the same category are usually the best next step for reading more on this topic.
View same categoryWant to keep following #AI?
Tags are useful for related tools, specific problems, and similar troubleshooting notes.
View same tagWant to explore another direction?
If you are not sure what to read next, return to the homepage and start from categories, topics, or latest updates.
Back home