শিল্প মৃত নয়, এটি কেবল মেশিন দ্বারা তৈরি

কেন এআই মডেল শিল্পীদের প্রতিস্থাপন করবে অনেক আগেই তারা প্রোগ্রামারদের প্রতিস্থাপন করবে

সম্ভবত আমরা জেনারেটিভ এআই থেকে সবচেয়ে মন-বাঁকানো ইঙ্গিতটি দেখতে পাচ্ছি যে, সাধারণ দৃষ্টিভঙ্গির বিপরীতে যে সৃজনশীলতা অটোমেশনের মুখে মানুষের চাতুর্যের শেষ ঘাঁটি হবে, এটি আসলে বলে মনে হচ্ছে অনেক সহজ অপেক্ষাকৃত সহজ প্রোগ্রামিং কাজগুলিকে স্বয়ংক্রিয় করার চেয়ে বরং কঠিন সৃজনশীল কাজগুলিকে স্বয়ংক্রিয় করতে। এটি বোঝার জন্য আমরা জেনারেটিভ এআই-এর জন্য দুটি জনপ্রিয় ব্যবহারের ক্ষেত্রে তুলনা করি: কোড জেনারেশন এবং ইমেজ জেনারেশন। কিন্তু আমরা বিশ্বাস করি যে দাবিটি আরও সাধারণভাবে ধরে রাখে, এমনকি জেনারেটিভ মডেলগুলি আরও জটিল অ্যাপ্লিকেশনগুলিতে প্রসারিত হয়।

যুক্তির সংক্ষিপ্ত সংস্করণ (যা আমরা নীচে আরও বিস্তারিতভাবে মোকাবেলা করছি) হল যদিও একটি পণ্য গিটহাব কপিলোট, তার বর্তমান আকারে, কোডিংকে কিছুটা বেশি দক্ষ করে তুলতে পারে, এটি প্রোগ্রামিং জ্ঞানের সাথে সক্ষম সফ্টওয়্যার বিকাশকারীদের প্রয়োজনীয়তা দূর করে না। একটি বড় কারণ হল, যখন এটি একটি প্রোগ্রাম তৈরির ক্ষেত্রে আসে, তখন সঠিকতা সত্যিই গুরুত্বপূর্ণ। যদি এআই একটি প্রোগ্রাম তৈরি করে, তবে এটি সঠিক কিনা তা যাচাই করার জন্য এখনও একজন মানুষের প্রয়োজন - এটি তৈরি করার জন্য প্রায় একই স্তরে একটি প্রচেষ্টা।

অন্যদিকে, যে কেউ টাইপ করতে পারে তারা একটি মডেল ব্যবহার করতে পারে স্থিতিশীল বিস্তার কম খরচে অনেক অর্ডারে কয়েক মিনিটের মধ্যে উচ্চ-মানের, এক-এক ধরনের ছবি তৈরি করতে। সৃজনশীল কাজের পণ্যগুলিতে প্রায়শই কঠোর সঠিকতার সীমাবদ্ধতা থাকে না এবং মডেলগুলির আউটপুটগুলি অত্যাশ্চর্যভাবে সম্পূর্ণ হয়। সৃজনশীল ভিজ্যুয়ালগুলির উপর নির্ভর করে এমন শিল্পগুলিতে সম্পূর্ণ ফেজ পরিবর্তন না দেখা কঠিন কারণ, অনেক ব্যবহারের জন্য, AI এখন যে ভিজ্যুয়ালগুলি তৈরি করতে সক্ষম তা ইতিমধ্যেই যথেষ্ট, এবং আমরা এখনও প্রযুক্তির খুব প্রাথমিক ইনিংসে আছি।

আমরা সম্পূর্ণরূপে স্বীকার করি যে ক্ষেত্রটি যে গতিতে চলছে তাতে কোনো ভবিষ্যদ্বাণীতে আত্মবিশ্বাসী হওয়া কঠিন। এই মুহূর্তে, যদিও, মনে হচ্ছে আমরা স্রষ্টাদের দ্বারা কঠোরভাবে নির্মিত মানব-পরিকল্পিত শিল্প সহ অ্যাপ্লিকেশনগুলির চেয়ে প্রোগ্রামারদের দ্বারা কঠোরভাবে তৈরি সৃজনশীল চিত্রগুলিতে পূর্ণ অ্যাপ্লিকেশনগুলি দেখার সম্ভাবনা বেশি। 

কেন হাইপ, এবং কেন এখন?

আমরা কোড-জেনারেশন বনাম ইমেজ জেনারেশনের স্পেসিফিকেশনে যাওয়ার আগে, এই মুহূর্তে AI সামগ্রিকভাবে এবং জেনারেটিভ এআই কতটা জনপ্রিয় তা বোঝার জন্য এটি কার্যকর।

জেনারেটিভ এআই আমাদের দেখা ডেভেলপারদের দ্বারা সবচেয়ে দ্রুত গ্রহণ করছে। আমরা যখন এটি লিখি, স্টেবল ডিফিউশন সহজেই গিটহাব রিপোজিটরির ট্রেন্ডিং চার্টে বিস্তৃত ব্যবধানে শীর্ষে রয়েছে. এর বৃদ্ধি অবকাঠামো বা ক্রিপ্টোতে সাম্প্রতিক প্রযুক্তির তুলনায় অনেক এগিয়ে (উপরের চিত্রটি দেখুন)। প্রযুক্তি ব্যবহার করে স্টার্টআপগুলির প্রায় প্রতিদিনই লঞ্চ এবং অর্থায়নের ঘোষণা রয়েছে এবং অনলাইন সামাজিক নেটওয়ার্কগুলি জেনারেটিভ মডেলগুলির দ্বারা তৈরি সামগ্রীতে প্লাবিত হচ্ছে।

গত এক দশকে AI-তে বিনিয়োগের সামগ্রিক স্তরকে অতিবৃদ্ধি করাও কঠিন। আমরা 2010-এর দশকের মাঝামাঝি থেকে প্রকাশনাগুলিতে একটি সূচকীয় বৃদ্ধি দেখেছি (নীচের চিত্রটি দেখুন)। আজ, arXiv-এ পোস্ট করা সমস্ত নিবন্ধের প্রায় 20% AI, ML, এবং NLP সম্পর্কে। গুরুত্বপূর্ণভাবে, তাত্ত্বিক ফলাফলগুলি একটি জটিল সীমা অতিক্রম করেছে যেখানে তারা সহজেই ব্যবহারযোগ্য হয়ে উঠেছে এবং নতুন কৌশল, সফ্টওয়্যার এবং স্টার্টআপগুলির একটি ক্যামব্রিয়ান বিস্ফোরণ ঘটিয়েছে। 

উপরের চিত্রে সবচেয়ে সাম্প্রতিক স্পাইক মূলত জেনারেটিভ AI এর কারণে। এক দশকে, আমরা বিশেষজ্ঞদের-শুধুমাত্র AI মডেলগুলি থেকে চলে এসেছি যা চিত্রগুলিকে শ্রেণিবদ্ধ করতে পারে এবং সর্বজনীনভাবে ব্যবহারযোগ্য মডেলগুলিতে শব্দ এম্বেডিং তৈরি করতে পারে যা কার্যকর কোড লিখতে পারে এবং প্রাকৃতিক ভাষার প্রম্পট ব্যবহার করে অসাধারণভাবে নির্ভুল চিত্র তৈরি করতে পারে। এটি কোন আশ্চর্যের বিষয় নয় যে উদ্ভাবনের গতি শুধুমাত্র বেড়েছে, এবং এটি কোন আশ্চর্যের কিছু হবে না যখন জেনারেটিভ মডেলগুলি মানুষের দ্বারা আধিপত্যের অন্যান্য অঞ্চলে প্রবেশ করা শুরু করে।

জেনারেটিভ এআই এবং প্রোগ্রামিং

জেনারেটিভ এআই-এর প্রাচীনতম ব্যবহারগুলির মধ্যে একটি হল প্রোগ্রামারের সাহায্য হিসেবে। এটি যেভাবে কাজ করে তা হল একটি মডেলকে কোডের একটি বৃহৎ কর্পাস (যেমন গিটহাবের সমস্ত পাবলিক রেপো) প্রশিক্ষণ দেওয়া হয় এবং তারপরে একটি প্রোগ্রামারকে তারা কোড হিসাবে একটি পরামর্শ দেয়। ফলাফল অসামান্য. এতটাই যুক্তিসঙ্গত যে এই পদ্ধতিটি এগিয়ে যাওয়ার প্রোগ্রামিংয়ের সমার্থক হয়ে উঠবে।

যাইহোক, ইমেজ জেনারেশনের তুলনায় উৎপাদনশীলতা লাভ শালীন ছিল, যা আমরা নীচে কভার করি। এর একটি কারণ, যেমন উপরে উল্লিখিত হয়েছে, প্রোগ্রামিংয়ে সঠিকতা গুরুত্বপূর্ণ (এবং প্রকৃতপক্ষে প্রকৌশল সমস্যা আরও বিস্তৃতভাবে, তবে আমরা এই পোস্টে প্রোগ্রামিংকে ফোকাস করি)। উদাহরণ স্বরূপ, একটি সাম্প্রতিক গবেষণা পাওয়া গেছে উচ্চ-ঝুঁকির সাথে মেলে এমন পরিস্থিতিতে CWEs (সাধারণ দুর্বলতা গণনা), 40% AI জেনারেটেড কোডে দুর্বলতা রয়েছে.

এইভাবে, ব্যবহারকারীকে অর্থপূর্ণ উত্পাদনশীলতা বৃদ্ধির জন্য যথেষ্ট কোড তৈরি করার মধ্যে একটি ভারসাম্য বজায় রাখতে হবে, যদিও এটি এখনও সীমাবদ্ধ থাকে যাতে সঠিকতা পরীক্ষা করা সম্ভব হয়। ফলে কপিলট হয়েছে সাহায্য বিকাশকারীর উত্পাদনশীলতা উন্নত করুন - সাম্প্রতিক গবেষণা (এখানে এবং এখানে) 2x বা তার কম ক্রমানুসারে লাভ রাখুন — তবে আমরা ডেভেলপার ভাষা এবং টুলিংয়ের পূর্ববর্তী অগ্রগতিতে যা দেখেছি তার সমতুল্য। সমাবেশ থেকে সি-তে লাফ, উদাহরণস্বরূপ, কিছু অনুমান দ্বারা 2-5 গুণ উন্নত উত্পাদনশীলতা।

আরও অভিজ্ঞ প্রোগ্রামারদের জন্য, উদ্বেগগুলি কোডের সঠিকতার বাইরে এবং সামগ্রিক কোড মানের মধ্যে প্রসারিত হতে পারে। হিসাবে quick.aiজেরেমি হাওয়ার্ড ব্যাখ্যা করেছেন OpenAI কোডেক্স মডেলের সাম্প্রতিক সংস্করণের ব্যাপারে, “[আমি] ভার্বোস কোড লিখি না কারণ এটি তৈরি করছে গড় কোড আমার জন্য, গড় কোড নেওয়া এবং এটিকে এমন কোডে পরিণত করা যা আমি পছন্দ করি এবং আমি সঠিক বলে জানি এটি স্ক্র্যাচ থেকে লেখার চেয়ে অনেক ধীর - অন্তত ভাষাগুলিতে আমি ভাল জানি।"

সুতরাং যখন এটি স্পষ্ট যে জেনারেটিভ প্রোগ্রামিং বিকাশকারীর উত্পাদনশীলতার একটি ধাপ ফাংশন, এটি স্পষ্ট নয় যে উন্নতি আমরা আগে দেখেছি তার থেকে নাটকীয়ভাবে ভিন্ন। জেনারেটিভ এআই আরও ভালো প্রোগ্রামার তৈরি করে, কিন্তু তবুও তাদের অবশ্যই প্রোগ্রাম করতে হবে।

জেনারেটিভ এআই এবং ভিজ্যুয়াল

অন্যদিকে, সৃজনশীল কাজের আউটপুটে জেনারেটিভ মডেলের প্রভাব, যেমন ইমেজ জেনারেশন, চরম। এর ফলে দক্ষতা এবং খরচে অনেক উন্নতি হয়েছে এবং এটিকে শিল্প-ব্যাপী ফেজ শিফটে সূচনা করতে দেখা কঠিন নয়।

এই স্পেসে জেনারেটিভ এআই যেভাবে কাজ করে তা হল ব্যবহারকারীর কাছ থেকে সাধারণ পাঠ্য ইনপুট নেওয়া, যাকে প্রম্পট বলা হয় এবং তারপরে মডেলটি একটি ভিজ্যুয়াল আউটপুট তৈরি করে। বর্তমানে, ছবি, ভিডিও, 3D মডেল এবং টেক্সচার সহ অনেকগুলি আউটপুট ফর্ম্যাট তৈরি করার জন্য মডেল রয়েছে৷

যা বিশেষভাবে আকর্ষণীয় তা হল এই মডেলগুলিকে প্রায় কোন সৃজনশীল হস্তক্ষেপ ছাড়াই নতুন বা ডোমেন-নির্দিষ্ট ইমেজ তৈরি করতে প্রসারিত করা যেতে পারে। উদাহরণস্বরূপ, গুইডো (লেখকদের মধ্যে একজন) একটি প্রাক-প্রশিক্ষিত ইমেজ মডেল নিয়েছিলেন এবং নিজের কয়েক ডজন ফটোতে এটি পুনরায় প্রশিক্ষিত করেছিলেন। সেখান থেকে, তিনি ব্যবহার করে ছবি তৈরি করতে সক্ষম হন প্রম্পটে নীচে নিম্নলিখিত প্রম্পটগুলি থেকে তৈরি করা ফটোগুলি রয়েছে: ” ক্যাপ্টেন আমেরিকা হিসাবে"," প্যারিসে"," একটি পেইন্টিং এ".

যেখানে ইমেজ জেনারেশন হল একটি ব্যবসায়িক প্রেক্ষাপটে কোড জেনারেশন থেকে ব্যাপক প্রস্থান হল জেনারেটিভ AI অর্থনৈতিক ক্যালকুলাসকে কতটা পরিবর্তন করে। উপরোক্ত ছবিগুলি তৈরি করতে, গুইডো মডেলটিকে মুষ্টিমেয় কিছু ছবির উপর প্রশিক্ষণ দিয়েছিল যার মূল্য প্রায় $.50 অবকাঠামোগত সংস্থানগুলিতে. একবার প্রশিক্ষিত হলে, ছবি তৈরি করতে প্রায় $0.001 খরচ হয় কম্পিউট রিসোর্সে এবং ক্লাউডে করা যায় বা একটি সর্বশেষ প্রজন্মের ল্যাপটপে. আরও, ইমেজ তৈরি করতে মাত্র কয়েক সেকেন্ড সময় লাগে। 

জেনারেটিভ এআই ছাড়া, একটি কাস্টম ইমেজ পাওয়ার একমাত্র উপায় হল একজন শিল্পী নিয়োগ করা বা নিজে করা। এমনকি যদি আমরা এই ধারণা নিয়ে শুরু করি যে একজন ব্যক্তি $10 এর বিনিময়ে এক ঘন্টার মধ্যে একটি সম্পূর্ণ কাস্টম, ফটোরিয়ালিস্টিক চিত্র তৈরি করতে পারে, জেনারেটিভ এআই পদ্ধতিটি সহজে চারটি মাত্রার কম দামের এবং দ্রুততর মাত্রার অর্ডার। আরো বাস্তবসম্মতভাবে, যেকোনো কাস্টম আর্টওয়ার্ক বা গ্রাফিক ডিজাইন প্রজেক্টের জন্য সম্ভবত কয়েক দিন বা সপ্তাহ লাগবে এবং হাজার হাজার না হলেও কয়েকশ ডলার খরচ হবে। 

উপরের প্রোগ্রামিং এইডের মতই, জেনারেটিভ এআই হবে একটি হাতিয়ার হিসাবে গৃহীত শিল্পীদের দ্বারা এবং উভয়েরই কিছু ডিগ্রী ব্যবহারকারীর তত্ত্বাবধান প্রয়োজন। কিন্তু একটি চিত্র মডেলের সম্পূর্ণ শিল্পীর আউটপুট অনুকরণ করার ক্ষমতা দ্বারা তৈরি অর্থনীতির পার্থক্যকে অতিবৃদ্ধি করা কঠিন। একটি কোড-জেনারেশন মডেল ব্যবহার করে, এমনকি একটি খুব মৌলিক কার্যকরী প্রোগ্রাম লেখা যা একটি আদর্শ কম্পিউটিং কাজ সম্পাদন করে তার জন্য কোডের অনেক স্নিপেটের জন্য পর্যালোচনা, সম্পাদনা এবং পরীক্ষা যোগ করা প্রয়োজন। কিন্তু একটি মৌলিক চিত্রের জন্য, একটি প্রম্পট প্রবেশ করানো এবং এক ডজন পরামর্শ থেকে একটি চিত্র বাছাই এক মিনিটের মধ্যে করা যেতে পারে।

যেমন ধরুন আমাদের নিজস্ব কার্টুনিস্ট (এবং বিনিয়োগ অংশীদার) ইয়োকো লি (@stuffyokodraws) আমরা একটি মডেলকে তার আগের 70টি ছবি ব্যবহার করে প্রশিক্ষিত করেছি, এবং মডেলটি একটি ভয়ঙ্কর মাত্রার নকল করে ছবি তৈরি করতে সক্ষম হয়েছিল৷ প্রতিটি শিল্পীকে পরবর্তীতে কী তৈরি করতে হবে তা খুঁজে বের করতে হবে, এবং এমনকি তিনি দেখেছেন যে প্রশিক্ষিত মডেলগুলি তাদের মনে যা ছিল তার চেয়ে বেশি বিকল্পগুলি দেখাতে পারে — অন্তত যখন একটি নির্দিষ্ট সময়ের মধ্যে কিছু তৈরি করার জন্য চাপ দেওয়া হয়। একই বস্তু আঁকতে শত শত উপায় আছে, কিন্তু উৎপাদক মডেলগুলি অবিলম্বে এটি স্পষ্ট করে দিয়েছে যে কোন পথগুলি অন্বেষণের মূল্য। 

সুতরাং যখন এই ধরনের কাজ আসে, আমরা তর্ক করছি না কম্পিউটার অগত্যা হয় উত্তম 1:1 ভিত্তিতে মানুষের চেয়ে। কিন্তু অন্যান্য অনেক কাজের মতো, কম্পিউটার যখন সম্পূর্ণ কাজের আউটপুট তৈরি করতে পারে তখন তারা আমাদের হত্যা করে স্কেল. 

চেষ্টা করুন এবং অনুমান করুন নীচের কোনটি ইয়োকো সরাসরি আঁকে এবং কোনটি তৈরি হয়েছিল৷ 

অর্থনীতিতে ব্যাপক উন্নতি, নতুন শৈলী এবং ধারণাগুলি তৈরি করতে সক্ষম হওয়ার নমনীয়তা এবং সম্পূর্ণ বা প্রায় সম্পূর্ণ কাজের আউটপুট তৈরি করার ক্ষমতা আমাদের পরামর্শ দেয় যে আমরা এমন সমস্ত শিল্প জুড়ে একটি উল্লেখযোগ্য পরিবর্তন দেখতে প্রস্তুত যেখানে সৃজনশীল সম্পদ একটি ব্যবসার প্রধান অংশ। এবং এটি শুধুমাত্র চিত্রের মধ্যে সীমাবদ্ধ নয়, পুরো নকশা ক্ষেত্রে প্রযোজ্য। উদাহরণ স্বরূপ:

• জেনারেটিভ AI 2D আর্ট, টেক্সচার, 3D মডেল তৈরি করতে পারে এবং গেমের জন্য লেভেল ডিজাইনে সাহায্য করতে পারে। 
• বিপণনে, এটি স্টক আর্ট, প্রোডাক্ট ফটোগ্রাফি এবং ইলাস্ট্রেশন প্রতিস্থাপন করতে প্রস্তুত বলে মনে হচ্ছে। 
• আমরা ইতিমধ্যেই ওয়েব ডিজাইন, ইন্টেরিয়র ডিজাইন এবং ল্যান্ডস্কেপ ডিজাইনে অ্যাপ্লিকেশন দেখছি।

এবং আমরা সত্যিই খুব শুরু করছি. একটি ব্যবহারের ক্ষেত্রে যদি কন্টেন্টের সৃজনশীল প্রজন্মের প্রয়োজন হয়, তাহলে জেনারেটিভ এআই কেন এটিকে ব্যাহত করবে না বা অন্তত প্রক্রিয়ার অংশ হয়ে উঠবে না তা যুক্তি দেখা কঠিন।

-

ঠিক আছে, তাই এই পোস্টের বিন্দু কি? যদিও এটি কিছুটা সংকীর্ণভাবে কোড জেনারেশন এবং ইমেজ জেনারেশনের উপর ফোকাস করে, আমরা সন্দেহ করি যে ফলাফলগুলি আরও বিস্তৃতভাবে ধরেছে। বিশেষ করে, বোর্ড জুড়ে সেই সৃজনশীল প্রয়াস - চাক্ষুষ, পাঠ্য বা বাদ্যযন্ত্র - সিস্টেম তৈরির অনেক আগেই AI দ্বারা ব্যাহত হওয়ার সম্ভাবনা রয়েছে। 

আমরা উপরে যে সঠিক যুক্তিটি ব্যবহার করি তার পাশাপাশি, এটি এমনও হতে পারে যে সমস্ত পূর্বের শিল্পকে একত্রিত করা এবং পুনরায় সংমিশ্রণ করা সৃজনশীল আউটপুটগুলির ব্যবহারিক পরিসরের জন্য যথেষ্ট হতে পারে। উদাহরণস্বরূপ, সঙ্গীত এবং চলচ্চিত্র শিল্প ঐতিহাসিকভাবে জনপ্রিয় অ্যালবাম এবং চলচ্চিত্রের অসংখ্য নক-অফ তৈরি করেছে। এটি সম্পূর্ণরূপে অনুমেয় যে জেনারেটিভ মডেলগুলি সময়ের সাথে সেই ফাংশনগুলিকে স্বয়ংক্রিয় করতে সহায়তা করতে পারে। যাইহোক, স্ট্যাবল ডিফিউশন এবং ড্যাল-ই 2 দ্বারা উত্পাদিত অনেকগুলি চিত্রের উল্লেখযোগ্য বিষয় হল তারা সত্যিই ভাল এবং সত্যিকারের আকর্ষণীয়. একটি এআই মডেল কল্পনা করা কঠিন নয় যা সত্যিকারের আকর্ষণীয় মিউজিকাল শৈলীর ফিউশন তৈরি করে বা এমনকি "লেখা" ফিচার-দৈর্ঘ্যের চলচ্চিত্র যা তারা কীভাবে ধারণা এবং শৈলীকে একত্রিত করে তাতে কৌতূহলোদ্দীপক। 

বিপরীতভাবে, এটা কল্পনা করা কঠিন যে পূর্ববর্তী সিস্টেমে সমস্ত সরঞ্জাম থাকবে যা আমাদের ভবিষ্যতের সমস্ত সিস্টেম বিকাশ করতে হবে। অথবা এমনকি সেই জটিল সিস্টেমগুলি শিল্প বা সঙ্গীতের বিভিন্ন শৈলীর মতো সহজেই একত্রিত হতে পারে। তাই প্রায়শই একটি সিস্টেমের মান, এবং কেন সেগুলি তৈরি করা এত কঠিন, তা বিশদ বিবরণের দীর্ঘ লেজে রয়েছে — সমস্ত ট্রেডঅফ, ওয়ার্কঅ্যারাউন্ড, একটি প্রদত্ত নকশা স্থানের জন্য অপ্টিমাইজেশান, এবং এতে প্রাতিষ্ঠানিক/সুপ্ত জ্ঞান রয়েছে। তাই আমাদের অবশ্যই নির্মাণ চালিয়ে যেতে হবে।

আমরা ভবিষ্যদ্বাণী করার তাগিদ প্রতিহত করব ঠিক কিভাবে জেনারেটিভ এআই সৃজনশীল শিল্পকে প্রভাবিত করবে। যাহোক, ইতিহাস নতুন টুল প্রবণতা প্রস্তাব বিস্তৃত করা শিল্পের সংজ্ঞা চুক্তির পরিবর্তে, এবং এটি নতুন ধরনের শিল্পীদের কাছে অ্যাক্সেসযোগ্য করে তুলতে. এই ক্ষেত্রে, নতুন শিল্পীরা সিস্টেম নির্মাতা। তাই, প্রযুক্তি প্রতিষ্ঠাতাদের জন্য, আমরা বিশ্বাস করি যে জেনারেটিভ এআই কঠোরভাবে একটি ইতিবাচক হাতিয়ার সফ্টওয়্যারের নাগাল বাড়ানোর জন্য - গেমগুলি আরও সুন্দর হবে, বিপণন আরও আকর্ষণীয়, লিখিত বিষয়বস্তু আরও আকর্ষক, চলচ্চিত্রগুলি আরও অনুপ্রেরণাদায়ক হবে।

কে জানে: একদিন, 2022-এর শেষের দিকে ইন্টারনেটের আর্কাইভ শেষ বেশিরভাগ মানব-উত্পাদিত সামগ্রী ভান্ডারগুলির মধ্যে একটি হিসাবে মূল্যবান হতে পারে। এই নিবন্ধের জন্য এই পাঠ্য, অন্তত, মানুষের দ্বারা সম্পূর্ণরূপে উত্পন্ন হয়েছে.