Artificial Intelligence এখন শুধু একটি technology sector-এর বিষয় নয়। চিকিৎসা, ব্যাংকিং, আইন, সাংবাদিকতা, কৃষি, Engineering, manufacturing, accounting, marketing এবং সরকারি সেবা, প্রায় সব ক্ষেত্রেই AI কাজের ধরন বদলে দিচ্ছে। এই বাস্তবতায় বাংলাদেশের শিক্ষাব্যবস্থায় শুধু একটি নতুন AI subject যোগ করলেই হবে না। Kindergarten থেকে university পর্যন্ত পুরো education system-কে নতুনভাবে সাজাতে হবে। কোথায় AI শিক্ষককে সাহায্য করবে, কোথায় শিক্ষার্থী AI ব্যবহার করবে এবং কোন পর্যায়ে সে AI দিয়ে বাস্তব কাজ করবে, সেই কাঠামো এখনই ঠিক করা দরকার।
বাংলাদেশে সবচেয়ে বড় ভুল হবে ছোট শিশুদের হাতে সরাসরি AI tool ধরিয়ে দেওয়া। Kindergarten থেকে Class Two পর্যন্ত AI মূলত শিক্ষকের tool হওয়া উচিত। এই বয়সে শিশুর হাতে বই, পেন্সিল, রং, খেলনা, মাটি, গাছ এবং বাস্তব জিনিস থাকা বেশি দরকার। কিন্তু শিক্ষক AI ব্যবহার করে একই Mathematics lesson কয়েকভাবে বোঝাতে পারেন, দুর্বল শিক্ষার্থীর জন্য আলাদা exercise তৈরি করতে পারেন এবং Science lesson visual example দিয়ে সহজ করতে পারেন। AI এখানে teacher replacement নয়, teacher assistant।
ছোটদের জন্য সপ্তাহে অন্তত একটি practical class থাকা দরকার। সেখানে fan কেন ঘোরে, magnet কী করে, wheel কীভাবে চলে, পানি কোথায় যায়, solar panel কীভাবে আলো থেকে বিদ্যুৎ তৈরি করে, এসব সহজভাবে দেখানো যায়। একই সঙ্গে AI কী করতে পারে এবং কোথায় ভুল করতে পারে, সেটাও দেখানো দরকার। একটি AI-generated ছবিতে ভুল খুঁজে বের করা কিংবা AI-এর দেওয়া তথ্য বইয়ের সঙ্গে মিলিয়ে দেখা ছোটবেলা থেকেই verification-এর অভ্যাস তৈরি করতে পারে।
Class Three থেকে Five পর্যন্ত AI সম্পর্কে controlled exposure শুরু করা যেতে পারে। এখানে লক্ষ্য হবে AI দিয়ে homework বানানো নয়। বরং AI-এর উত্তর কীভাবে যাচাই করতে হয়, fake image কীভাবে চিনতে হয় এবং online information সবসময় সত্য নয়, সেটা বোঝানো। Singapore ইতিমধ্যে school curriculum-এ AI literacy, Generative AI-এর তথ্য যাচাই এবং deepfake শনাক্ত করার বিষয় যোগ করছে। UAE-তেও Grades 1 থেকে 12 পর্যন্ত Artificial Intelligence and Technology শিক্ষার অংশ হয়েছে। এসব দেশের অভিজ্ঞতা দেখায়, AI education university পর্যন্ত অপেক্ষা করে শুরু করলে অনেক দেরি হয়ে যায়।
বাংলাদেশের জন্য আরও বড় পরিবর্তন দরকার Technical Education-এ। আমার মতে, Technical Education Class Nine থেকে হঠাৎ শুরু হওয়া উচিত নয়। Class One থেকে ছোট ছোট practical skill দিয়ে শুরু করতে হবে। ছোট ক্লাসে measurement, tools, simple machine এবং basic technology বোঝানো যেতে পারে। Class Six থেকে সেটা computer operation, spreadsheet, internet research, digital safety, basic electronics, electrical safety, coding logic, sensor এবং automation-এর দিকে যাবে।
Class Six-এর একজন শিক্ষার্থী নিজের পরিবারের basic monthly budget spreadsheet-এ তৈরি করতে পারবে। Class Seven-এর একজন simple electrical circuit বুঝতে পারবে। Class Eight-এর একজন sensor দিয়ে temperature বা soil moisture measure করতে পারবে। এগুলো বইয়ের diagram হিসেবে পড়িয়ে লাভ নেই। হাতে করতে হবে। একজন শিক্ষার্থী যদি Class Ten পর্যন্ত শুধু technology-এর সংজ্ঞা মুখস্থ করে, তাহলে সেই শিক্ষা future job market-এ খুব বেশি কাজে আসবে না।
বাংলাদেশের National AI Policy 2026-2030-এর Draft V1.1-এ secondary পর্যায় থেকে AI এবং computational thinking বাড়ানোর কথা রয়েছে। একই draft-এ teacher training, technical education, computing infrastructure এবং university-level AI research-এর কথাও বলা হয়েছে। Direction ঠিক আছে। কিন্তু বাস্তবে AI literacy এবং practical technology exposure আরও আগে শুরু করতে হবে। Grade Eight থেকে structured AI শুরু হতে পারে, কিন্তু technology understanding Class One থেকেই ধাপে ধাপে গড়ে তোলা দরকার।
Class Nine এবং Ten-এ শিক্ষার্থীরা নিজের আগ্রহ অনুযায়ী technical direction বেছে নিতে পারে। কেউ IT এবং AI নেবে, কেউ Electrical and Electronics, কেউ Mechanical Technology, কেউ Automobile, Agriculture Technology, Digital Media, Business Technology অথবা Robotics and Automation। এগুলো professional diploma হবে না। এগুলো foundation হবে। Class Ten শেষ করার সময় একজন শিক্ষার্থী অন্তত বুঝবে, কোন ধরনের কাজ তার ভালো লাগে এবং কোন skill সে পরবর্তী পর্যায়ে নিতে চায়।
আমি সবাইকে এমনিতেই ৪০ নম্বর দিয়ে দেওয়ার কথা বলছি না। পাসের মান যদি ৪০ হয়, তাহলে একজন regular student-কে ৪০ পাওয়ার যোগ্য করে তোলার দায়ও system-এর থাকতে হবে। সে দুর্বল হলে extra class দিতে হবে, remedial learning দিতে হবে, একই বিষয় অন্যভাবে শেখাতে হবে এবং প্রয়োজনে আবার assessment নিতে হবে। ১২ বছর পড়ার পর একটি বা দুটি বিষয়ে দুর্বলতার কারণে তাকে শুধু “Fail” লিখে বাইরে ফেলে দেওয়া কোনো সমাধান নয়।
৪০ নম্বরকে charity হিসেবে দেখলে ভুল হবে। এটি minimum competency হিসেবে দেখতে হবে। কেউ ৪০ পাবে, কেউ ৬০, কেউ ৮০, কেউ ৯৫। GPA-5 নিয়ে competition এরপর হোক। SSC পর্যন্ত লক্ষ্য হওয়া উচিত একজন শিক্ষার্থীকে minimum education এবং basic life skill দিয়ে বের করা। Higher Secondary থেকে কঠিন academic competition শুরু হতে পারে।
এই model-এ ৪০ নম্বর নিয়ে SSC পাস করা শিক্ষার্থীও খালি হাতে বের হবে না। সে computer চালাতে পারবে, professional email লিখতে পারবে, online form পূরণ করতে পারবে, spreadsheet-এ basic হিসাব করতে পারবে, AI-এর তথ্য verify করতে পারবে এবং digital fraud সম্পর্কে basic ধারণা রাখবে। এর সঙ্গে একটি technical field-এর practical foundation থাকবে। তখন সে Higher Secondary, Technical Education, Vocational Training, apprenticeship, ছোট চাকরি কিংবা বিদেশে skilled work-এর জন্য পরবর্তী training, যেকোনো একটি রাস্তা বেছে নিতে পারবে।
জার্মানি এবং Switzerland-এর শিক্ষা ব্যবস্থা এই জায়গায় গুরুত্বপূর্ণ শিক্ষা দেয়। সেখানে Vocational Education দুর্বল ছাত্রদের জন্য শেষ রাস্তা নয়। Germany-এর dual system-এ একজন তরুণ একই সঙ্গে vocational school-এ শেখে এবং প্রতিষ্ঠানে practical training নেয়। Switzerland-এও বড় একটি অংশের তরুণ vocational education and training-এর মাধ্যমে workforce-এ প্রবেশ করে। অর্থাৎ university degree-ই একমাত্র সম্মানজনক পথ, এমন ধারণা সেখানে নেই।
Singapore-এও secondary education-এর পর Junior College, Polytechnic এবং Institute of Technical Education-এর আলাদা পথ রয়েছে। একজন শিক্ষার্থী academic education, applied education বা technical career, নিজের সামর্থ্য অনুযায়ী পথ বেছে নিতে পারে। বাংলাদেশেরও একইভাবে academic এবং technical path-কে সমান মর্যাদা দিতে হবে। Technical Education-কে ব্যর্থ শিক্ষার্থীর রাস্তা মনে করলে industrial economy তৈরি হবে না।
China-এর approach আরও গুরুত্বপূর্ণ। দেশটি AI education-কে শুধু classroom technology হিসেবে দেখছে না। School education, vocational training, industry এবং national AI capability-কে একই সঙ্গে এগিয়ে নিচ্ছে। Primary এবং secondary school-এর জন্য AI education guideline তৈরি হয়েছে, Generative AI ব্যবহারের নির্দেশনা দেওয়া হয়েছে এবং নির্দিষ্ট school-কে AI education base হিসেবে তৈরি করা হয়েছে। China vocational education-কে advanced manufacturing এবং industry demand-এর সঙ্গে আরও কাছাকাছি আনার কাজও করছে।
বাংলাদেশের জন্য এই উদাহরণের অর্থ খুব পরিষ্কার। Education Ministry একা AI education চালাতে পারবে না। Education, ICT, Industry, Labour, Technical Education এবং private sector-কে একই পরিকল্পনার মধ্যে আনতে হবে। Garments, textile, pharmaceutical, construction, agriculture, shipbuilding, light engineering, electronics এবং software industry-কে curriculum তৈরিতে অংশ নিতে হবে। আগামী পাঁচ বছরে কোন skill দরকার হবে, সেটা শুধু textbook committee ঠিক করলে চলবে না।
Class Eleven এবং Twelve-এ বর্তমান ICT subject-কেও নতুনভাবে তৈরি করতে হবে। এটিকে practical AI, Data and Applied Technology ধরনের subject করা যেতে পারে। এখানে শুধু “Artificial Intelligence কী” লিখে নম্বর পাওয়ার সুযোগ থাকলে কোনো পরিবর্তন হবে না। Student-কে AI tool ব্যবহার করতে হবে, data collect করতে হবে, spreadsheet এবং basic coding ব্যবহার করতে হবে, automation বুঝতে হবে, cybersecurity জানতে হবে এবং misinformation ও deepfake verify করতে হবে।
Science-এর student experimental data নিয়ে কাজ করবে। Commerce-এর student accounting data, forecasting এবং business automation নিয়ে কাজ করবে। Humanities-এর student research, language, public information এবং media verification নিয়ে কাজ করবে। Technical stream-এর student machine data, diagnostics, automation এবং industrial AI নিয়ে কাজ করবে। AI তখন আর আলাদা subject থাকবে না। নিজের subject-এর মধ্যে ঢুকে যাবে।
Estonia এই পরিবর্তনে আরেকটি গুরুত্বপূর্ণ শিক্ষা দিয়েছে। দেশটির AI Leap programme-এ student-এর সঙ্গে teacher training একসঙ্গে রাখা হয়েছে। প্রথম ধাপে হাজার হাজার শিক্ষককে training দিয়ে school-level AI use শুরু করা হয়েছে। বাংলাদেশের ক্ষেত্রেও প্রথম বড় AI education programme student-এর জন্য না হয়ে teacher-এর জন্য হওয়া উচিত।
Primary teacher-এর training একরকম হবে। Secondary teacher-এর আলাদা হবে। College এবং university teacher-এর training আরও advanced হবে। সবাইকে programmer বানাতে হবে না। কিন্তু প্রত্যেক teacher-কে জানতে হবে AI কী করতে পারে, কোথায় ভুল করে, নিজের subject-এ কীভাবে ব্যবহার করা যায় এবং student-এর নিজের thinking কীভাবে ধরে রাখা যায়।
South Korea AI-supported personalized learning-এর দিকে যাচ্ছে। এই model বাংলাদেশের জন্যও গুরুত্বপূর্ণ। ভবিষ্যতে একজন teacher AI-assisted dashboard থেকে দেখতে পারেন, তার Class-এর কোন student fraction বুঝছে না, কে English reading-এ পিছিয়ে আছে এবং কে একই Mathematics mistake বারবার করছে। AI যদি teacher-কে দুর্বল student দ্রুত শনাক্ত করতে সাহায্য করে, সেটাই আমাদের জন্য সবচেয়ে দরকারি ব্যবহারগুলোর একটি হবে।
University পর্যায়ে পরিবর্তন আরও গভীর হতে হবে। AI শুধু CSE Department-এর বিষয় হতে পারে না। Medical, Law, Journalism, Agriculture, Business, Economics, Pharmacy, Architecture, Engineering এবং Environmental Science, সব subject-এর নিজের AI application আছে। প্রতিটি university-এর secure AI environment, institutional knowledge base এবং subject-specific AI lab থাকা দরকার।
প্রতিটি university-কে নিজের বড় foundation LLM শুরু থেকে train করতে হবে, এমন কথা বাস্তবসম্মত নয়। এর খরচ এবং infrastructure অনেক। কিন্তু universityগুলো open-source model deploy করতে পারে, নিজের institutional data দিয়ে secure knowledge system তৈরি করতে পারে এবং subject-specific model fine-tune করতে পারে। ছোট universityগুলোর জন্য UGC বা সরকারের অধীনে একটি National Academic AI Cloud তৈরি করা যেতে পারে, যেখানে shared GPU computing, Bangla language model এবং research infrastructure থাকবে।
University-তে প্রতিটি subject-এর practical AI use আলাদা হবে। Agriculture student crop disease detection নিয়ে কাজ করবে। Environmental Science student satellite এবং climate data বিশ্লেষণ করবে। Medical student AI-supported diagnosis-এর সুবিধা ও ভুল দুটোই শিখবে। Journalism student AI research-এর পাশাপাশি synthetic media এবং source manipulation শনাক্ত করবে। Law student legal document analysis করবে, কিন্তু AI output-কে আইন হিসেবে নেবে না। Engineering student simulation, robotics এবং predictive maintenance নিয়ে কাজ করবে।
পরীক্ষার system না বদলালে এসবের কিছুই কাজে আসবে না। আগের মতো প্রশ্ন রেখে student-এর হাতে AI দিলে cheating বাড়বে, learning না। কিছু assessment AI ছাড়া হবে, যাতে student-এর নিজের writing, Mathematics, reasoning এবং knowledge বোঝা যায়। আবার কিছু assessment AI ব্যবহার করেই করতে হবে। সেখানে student-কে দেখাতে হবে কোন source ব্যবহার করেছে, AI কোথায় ভুল করেছে, সে কী correction করেছে এবং final decision কেন নিয়েছে। Oral defence এই system-এর গুরুত্বপূর্ণ অংশ হওয়া উচিত।
AI-based education-এর সঙ্গে student data protection-ও শুরু থেকেই রাখতে হবে। শিশু কী শিখছে, কোথায় দুর্বল, তার voice, writing pattern এবং behaviour, সবকিছু sensitive data। School AI system commercial data collection-এর নতুন রাস্তা হতে পারে না। Bangladesh-এর বর্তমান AI policy draft-এও শিশুদের data এবং parental consent নিয়ে আলাদা protection-এর প্রস্তাব রয়েছে।
বাংলাদেশের জন্য পুরো model-টা খুব জটিল নয়। Kindergarten থেকে Class Two পর্যন্ত AI থাকবে মূলত teacher-এর হাতে। Class Three থেকে Five পর্যন্ত controlled AI awareness এবং verification শেখানো হবে। Class Six থেকে Eight-এ digital skill, technical skill এবং AI foundation শক্ত করা হবে। Class Nine এবং Ten-এ practical technical track থাকবে। SSC পর্যন্ত minimum competency নিশ্চিত করার চেষ্টা থাকবে। Higher Secondary-তে AI, Data and Applied Technology practical subject হবে। University-তে AI প্রতিটি profession-এর সঙ্গে যুক্ত হবে।
UAE school-level AI education শুরু করেছে। Singapore AI literacy-কে primary থেকে higher education পর্যন্ত নিচ্ছে। Estonia teacher এবং student-কে একসঙ্গে AI-ready করছে। China AI education-কে industry এবং national technology strategy-এর সঙ্গে যুক্ত করছে। South Korea AI দিয়ে personalized learning এগিয়ে নিচ্ছে। এসব দেশ একই model অনুসরণ করছে না, কিন্তু একটি জায়গায় তাদের direction একই। তারা বুঝেছে, AI ভবিষ্যতের আলাদা subject নয়। এটি ভবিষ্যতের কাজের infrastructure।
বাংলাদেশেরও এখন সেই সিদ্ধান্ত নিতে হবে। কারণ ২০৩৫ সালের job market আমাদের পুরোনো syllabus দেখে কোনো ছাড় দেবে না। তখন একজন তরুণ কতগুলো definition মুখস্থ করেছে, সেটা বড় প্রশ্ন হবে না। সে কী বুঝতে পারে, কী যাচাই করতে পারে, কী বানাতে পারে এবং AI-এর সঙ্গে কাজ করেও নিজের সিদ্ধান্ত নিতে পারে কি না, সেটাই বেশি গুরুত্বপূর্ণ হবে।
আমাদের education system যদি সেই মানুষ তৈরি করতে পারে, তাহলে ৪০ নম্বর পাওয়া ছাত্রটাও হারিয়ে যাবে না। আর যদি আমরা শুধু GPA-5-এর সংখ্যা বাড়াতে থাকি, তাহলে সামনে certificate থাকবে অনেক, কিন্তু নতুন পৃথিবীর কাজ জানা মানুষ থাকবে খুব কম।
