প্রতীকের লেখা এই পোস্ট থেকে নিম্নলিখিত উদ্ধৃতি দিলাম।

“বছর বিশেক হল দারুণ সব শব্দ যোগ হয়েছে অভিধানে, যার একটা হল workaholic. দিনরাত কাজ করে, কাজ ছাড়া কিছু বোঝে না – এমন লোকেদের দারুণ দাম কর্পোরেট মিডিয়ায়। যে কোনো কর্পোরেট চাকরিতেই। যে নিজের কাজটুকু তৎপরভাবে করে ঝটপট বাড়ি চলে যায় বা কাজের বাইরে ব্যক্তিগত জীবন থাকা উচিত মনে করে – তাকে বস পছন্দ করে না, বরং ফাঁকিবাজ মনে করে, তার কাজ যা-ই বলুক – এ জিনিস চাকরিজীবনে সর্বত্র দেখেছি। জর্জ বার্নার্ড শ লিখেছিলেন, আমরা জানি না আমরা কেন কাজ করি। কাজ করা আসলে অবসর পাওয়ার জন্যে। সেসব উঠে গেছে। গলাকাটা প্রতিযোগিতার যুগ, কর্মী সংকোচনের যুগ। অনেকের চাকরি নেই আর যাদের চাকরি আছে তারা সবাই সারাক্ষণ চাপে আছে।”

আমি একমত। আমাকেও পেটের দায়ে সারাক্ষণ চাপে থাকতে হয়। এর জন্য অনেক সময় মন-মেজাজ ঠিক রাখাটাই একটা সমস্যা হয়ে যায়।

কোম্পানীতে কাজ আর জীবনের ভারসাম্যজনিত যাবতীয় কথাবার্তা অনেকে কর্মচারীর কাছেই মোটামুটি লোক দেখানো। বাড়ি থেকে কাজ করলে কাজের পরিমাণ অনেকের ক্ষেত্রে বেড়ে যায়। প্রতিটি প্রাইভেট কোম্পানিকে প্রতি ত্রৈমাসিকে লাভ দেখাতে হবে, এবং সেই লাভের পরিমাণ আগের বছরের ওই ত্রৈমাসিকের চেয়ে বেশী হতে হবে। আবার বছরের শেষে আগের বছরের তুলনায় মোট লাভের অংক আরো বেশী হতে হবে।

বেঙ্গলুরুতে কর্পোরেট জগতে অধিকাংশ কর্মচারীকে অন্তত দুটো সময় অঞ্চলে উপলব্ধ থাকতে হয়। ওটা করতে করতে অনেকে কাজে নেশাগ্রস্ত হয়ে পড়ে কাজটাই জীবন হিসাবে মেনে নেয়। একসময় তার দামও দিতে হয়। আজকাল সবার বুঝে যাওয়া উচিত যে কোম্পানী পরিবার নয়। সেখানে আমরা শুধুমাত্র ভাড়া করা কর্মচারী।

আমার ধারণা শেষ বয়সে এসে প্রায় কেউই তার নিজের কর্মক্ষেত্র নিয়ে আক্ষেপ করবে না।

মৃত্যুপথযাত্রীর মানুষের শীর্ষ পাঁচটি অনুশোচনা মোটামুটি এইরকম।

১। আমি যদি নিজের প্রতি সত্য জীবনযাপন করার সাহস পেতাম।।
২। আমি যদি এত কঠোর পরিশ্রম না করতাম।
৩। আমি যদি আমার অনুভূতি প্রকাশ করার সাহস পেতাম।
৪। আমি যদি আমার বন্ধুদের সাথে যোগাযোগ রাখতাম।
৫। আমি যদি নিজেকে আরও সুখী হতে দিতাম।

#Bengali #Bangla #বাংলা
cc: @bengali_convo @srijit

Every time I see this area, I wonder that this may be a haven for builders in Bengaluru. During last one decade more buildings have got added.

The Harohalli Lake is still beautiful. A lot of migratory birds flock during the winter.

The hillocks at the horizon are near Nandi Hills.

#Bangalore #Bengaluru #Yelahanka #HarohalliLake #NandiHills #MastIndia

cc: @srijit @srijit @mastodonindians

My Perception of History

“History never forgives. Neither it forgets”

My every action leaves a direct physical or mental impact or both on myself, my society and, eventually, on the civilization. The impact may be small or negligible or may not be immediately visible to me during my lifetime. I may never know how the impact may get amplified many years from now. I may never live to realize the chain of reactions that my actions may have generated. I may never get an opportunity to be told that my action may have been a catalyst in the bigger scheme of future events long after I have left this World.

My actions cannot be undone and cannot be erased. I am never walking on sand. My footprints are indelible.

#History #Perception #Footprints

cc: @srijit @srijit

My Life Lesson

If possible, avoid toxic environments in both personal and professional lives.

If not possible, be ready to pay the cost of being in such an environment.

#LifeLessons

cc: @srijit @srijit

IIITB has developed Modular Open-Source Identity Platform (MOSIP) to provide Aadhaar-like digital identities for nine countries. Citizens of Philippines, Morocco, Sri Lanka, Uganda, Ethiopia, Republic of Guinea, Sierra Leone, Burkina Faso and Togolese Republic will enroll on the platform.

The source code is available in Github under Mozilla Public License 2.0.

Around 70 million citizens in Philippines (80% of the population) have enrolled themselves on their national digital identity programme rolled out by Modular Open-Source Identity Platform (MOSIP), a digital identity platform developed by a team at the International Institute of Information Technology Bangalore (IIITB).

Upon the request of World Bank to initiate research and development, the project provides digital identities similar to Aadhaar to underdeveloped and developing countries. So far, 1.6 million lines of codes have been developed and used by countries, free of cost.

Reference: https://www.thehindu.com/news/national/karnataka/iiitb-develops-platform-to-provide-aadhaar-like-digital-identities-for-nine-countries/article66333821.ece

#Aadhaar #Mosip #MastIndia #DigitalIdentity

cc: @srijit, @fsf, @mastodonindians

@judell

Please refer your post here.

“The one thing I miss from Twitter is being able to have lists that include people I’m not following.”

This feature is available in Akkoma. In my list, I could add names of people that I am not following.

cc: @hhwong @srijit @srijit

উপেক্ষা

স্কুল জীবনের শেষ প্রান্তে প্রবেশিকা পরীক্ষার সময় তোকে পরীক্ষার হলে শেষ বার দেখেছিলাম। মাথা নিচু করে নিজের কাগজ–কলম গোছাচ্ছিলি। চুপচাপ পাশ দিয়ে চলে গেছিলাম। তার আগের ৬ বছরে তোর সঙ্গে ৬ মিনিটও কথা বলেছি কিনা সন্দেহ!

তারপর বছর দশ কি বারো আগে রঞ্জন তোর ফোন নম্বর দিয়ে আমাকে খুব উৎসাহে দিল তোকে ফোন করবার জন্য। ওর কাছে শুনেছিলাম যে তুই কলকাতার প্রতিষ্ঠিত ডাক্তার। সসংকোচে তোকে হঠাৎ ফোন করেছিলাম। আমাকে চিনতে পারার মত যথেষ্ট সময় এবং সুযোগ তোকে দিই নি। তার আগেই দূরাভাষ যন্ত্র নামিয়ে রেখেছিলাম। রঞ্জনকে বলেছিলাম যে তুই আমাকে চিনতে পারিস নি।

দেখতে দেখতে বেশ কয়েক বছর কেটে গেলো। আমাদের সন্তান–সন্ততিরা কিছুটা বড় হয়ে গেল। প্রযুক্তির অনেক উন্নতি হল। আমরা, স্কুলের সহপাঠীরা, হোয়াটসঅ্যাপ গ্রুপে এলাম। প্রত্যেকে প্রত্যেকের অস্তিত্বে অনুভব করলাম। তারই জের ধরে এবং আমাদের এক বিশেষ সহপাঠীর বদান্যতায় একদিন খুব ভোররাতে তোকে ফোন করলাম। তুই জানতিস যে ও খুব অসুস্থ। তুই সঙ্গে সঙ্গে ফোন ধরলি এবং এখানকার (বেঙ্গালুরু) ডাক্তারের সঙ্গে কথা বললি। তুই আমাকে সহজ বাংলায় বোঝালি যে সার্জারি করলেও কৃতকার্যতার সম্ভাবনা নেই বললেই চলে। তারপর “ওকে যেতে দে” পরামর্শ দিয়ে আমাকে, জন্মের মত, যাবতীয় দ্বিধা–দ্বন্দ্বের হাত থেকে মুক্ত করে দিলি। এইরকম বলিষ্ঠ পরামর্শ দেওয়ার জন্য তোকে অনেক বছর ধরে পরিশ্রম করে যোগ্যতা অর্জন করতে হয়েছে। ওটা একদিনে হয় নি।

ও চলে যাওয়ার পর, ওই মাসেই, তুই একদিন ফোন করেছিলিস। সেদিন আমার ভাল লেগেছিল।

অবশেষে ২০১৯এর শুরুতে তুই বেঙ্গালুরু এলি এবং ওইদিন প্রায় চার ঘণ্টা ধরে আমার স্বতঃস্ফূর্ত বক বক সহ্য করলি। তোর অসাধারণ শ্রবণ দক্ষতা অনুভব করলাম। হয়তো কিছু না বলা কথাও শুনে ফেলে ছিলিস। ও আমাকে শিখিয়েছিল মানুষের শ্রবণ ক্ষমতা থাকলেও, শ্রবণ দক্ষতা আয়ত্ব করতে হয়। সবার থাকে না।

যাইহোক, একটা চার ঘণ্টার আড্ডা হতে প্রায় চার দশক লেগে গেল। ভাগ্যিস সেদিন ধর্মঘটের জন্য আমার অফিস ছুটি ঘোষণা করেছিল!

আজকাল সজ্ঞানে কাউকে উপেক্ষা করতে আমি ভয় পাই। অনেকের সঙ্গে, নানা কারণে, যোগাযোগ ছিন্ন হয়ে যাচ্ছে। কিন্তু সেটা আমার তরফ থেকে উপেক্ষা নয়। এ বিষয় আমি যথেষ্ট সচেতন। দু-একটা ক্ষেত্রে আমার কথোপকথন চালিয়ে যাওয়ার মানসিক শক্তির অভাবে যোগাযোগ ক্ষীণ হয়ে যাচ্ছে।

#Bengali #Bangla #বাংলা

cc: @bengali_convo @srijit

@sl

Please refer your post here.

I like the idea of SimpleX. Without a web based based version, it will be really hard to explore SimpleX.

Also SimpleX is not yet on Fediverse (Akkoma, Pleroma, Mastodon etc.).

#SimpleX #Chat

cc: @srijit

Why Zero Trust Information is one of the right paradigms in this age of ChatGPT and Bing chatbot for regular end users?

I thank Carl for sharing You Are Not a Parrot And a chatbot is not a human. And a linguist named Emily M. Bender is very worried what will happen when we forget this by Elizabeth Weil. It is worth reading till the very end several times.

In order to understand the above mentioned article and Zero Trust Information, we may have to refer the lucid overview of Large Language models here by Murray Shanahan first.

What are LLMs (Large Language Models)?

LLMs are generative mathematical models of the statistical distribution of tokens in the vast public corpus of human- generated text, where the tokens in question include words, parts of words, or individual characters including punctuation marks. They are generative because we can sample from them, which means we can ask them questions. But the questions are of the following very specific kind. “Here’s a fragment of text. Tell me how this fragment might go on. According to your model of the statistics of human language, what words are likely to come next?”

Suppose we give an LLM the prompt “The first person to walk on the Moon was ”, and suppose it responds with “Neil Armstrong”. What are we really asking here? In an important sense, we are not really asking who was the first person to walk on the Moon. What we are really asking the model is the following question: Given the statistical distribution of words in the vast public corpus of (English) text, what words are most likely to follow the sequence “The first person to walk on the Moon was ”? A good reply to this question is “Neil Armstrong”. Similarly, we might give an LLM the prompt “Twinkle twinkle ”, to which it will most likely respond “little star”. On one level, for sure, we are asking the model to remind us of the lyrics of a well-known nursery rhyme. But in an important sense what we are really doing is asking it the following question: Given the statistical distribution of words in the public corpus, what words are most likely to follow the sequence “Twinkle twinkle ”? To which an accurate answer is “little star”.

Also a review of Harry G. Frankfurt’s concept of bullshit can be worth. Harry Frankfurt’s idea of bullshit is that it is a form of speech that is not necessarily false, but is not based on truth. It is often used to create a false impression or to avoid engaging with the truth. It is also not intended to convey any meaningful information, but is instead used as a way to create a sense of certainty or to manipulate the listener. The book Calling Bullshit by Carl T. Bergstrom and Jevin D. West may be referred.

Large language model size has been increasing 10x every year for the last few years. This is starting to look like another Moore’s Law. With model sizes approaching thousand billions of parameters, the boundaries between probability and reality are going to get even more blurred. Distinguishing bullshit will be challenging for a layman human mind. Engineering tools based on large language models will be seen as advancing productivity and efficiency in the areas of virtual assistants, image annotation, content creation, cybersecurity etc. As stated here, Pricewaterhouse Cooper’s (PwC) third annual AI Predictions Report has highlighted the importance of focusing on the fundamentals in preparation for large-scale AI projects. Pricewaterhouse Cooper’s (PwC) sees AI as a major game changer. AI could contribute up to $15.7 trillion to the global economy in 2030, more than the current output of China and India combined. Of this, $6.6 trillion is likely to come from increased productivity and $9.1 trillion is likely to come from consumption side effects.

AI and Large Language Models are not going away soon. How do we mitigate the risks? That is a subject of deep research by itself and well elaborated in the article AI might bring huge benefits — if we avoid the risks. The immediate option, for ordinary mortals, like me, is to increase our awareness, further sharpen our senses and increase our mental ability and alertness. I believe this is what brilliant minds like Emily M Bender, Timnit Gebru and others are meaningfully attempting with deepest honesty and sincerity to strike a balance.

Potential harms of large language models can be mitigated by watermarking model output, i.e., embedding signals into generated text that are invisible to humans but algorithmically detectable from a short span of tokens. I am not yet sure about the effectiveness of tools like AI Text Classifier and GPTZero that can distinguish between AI-written and human-written text.

The relevant concept of Zero Trust Information was introduced in AI Homework by Ben Thompson. Ben aptly says that real skill for students will be in verifying the answers the systems, like ChatGPT churns out, i.e. learning how to be a verifier and an editor, instead of a regurgitator. Even before the advent of ChatGPT, many of us are already aware that in today’s world of fake news and information deluge, verifying and editing must be an essential skill for every individual. In his article, Ben suggests that we adhere to the concept of “Zero Trust Information” similar to the paradigm behind Zero Trust Networking.

In You Are Not a Parrot And a chatbot is not a human. And a linguist named Emily M. Bender is very worried what will happen when we forget this Elizabeth Weil says that tech-makers assuming their reality accurately represents the world create many different kinds of problems. The training data for ChatGPT is believed to include most or all of Wikipedia, pages linked from Reddit, a billion words grabbed off the internet. (It can’t include, say, e-book copies of everything in the Stanford library, as books are protected by copyright law.) The humans who wrote all those words online overrepresent white people. They overrepresent men. They overrepresent wealth. What’s more, we all know what’s out there on the internet: vast swamps of racism, sexism, homophobia, Islamophobia, neo-Nazism.

With such background scenarios of biasedness, Ben’s suggestion of “Zero Trust Information” can become one of the necessary tools for survival for common end users.

It is time to re-train our own minds again and again. I repeat Emily M Bender’s rallying cries below.

“Please do not conflate word form and meaning. Mind your own credulity.“

It is high time the difference between form and meaning was well understood. The next three paragraphs are quoted from the blog by Scott Aaronson.

Form is the physical structure of something, while meaning is the interpretation or concept that is attached to that form. For example, the form of a chair is its physical structure – four legs, a seat, and a back. The meaning of a chair is that it is something you can sit on.

This distinction is important when considering whether or not an AI system can be trained to learn semantic meaning. AI systems are capable of learning and understanding the form of data, but they are not able to attach meaning to that data. In other words, AI systems can learn to identify patterns, but they cannot understand the concepts behind those patterns.

For example, an AI system might be able to learn that a certain type of data is typically associated with the concept of “chair.” However, the AI system would not be able to understand what a chair is or why it is used. In this way, we can see that an AI system trained on form can never learn semantic meaning.

#AI #OpenAI #ChatGPT #ZeroTrustInformation #LargeLanguageModels #LLM

cc: @srijit @srijit