NIST (মার্কিন যুক্তরাষ্ট্রের জাতীয় মান ও প্রযুক্তি ইনস্টিটিউট) অনুসারে বিশ্বের শীর্ষ ১১৩টি মানব-এআই মডেল

বড় বড় দাবির এই জগতে, NIST-এর FRTE বেঞ্চমার্ক মার্কিন যুক্তরাষ্ট্রের ফরচুন ৫০০ কোম্পানিগুলোর জন্য একটি মানদণ্ড। মার্কিন ন্যাশনাল ইনস্টিটিউট অফ স্ট্যান্ডার্ডস অ্যান্ড টেকনোলজি হলো “বায়োমেট্রিক বেঞ্চমার্কিং-এর ক্ষেত্রে বিশ্বের সবচেয়ে স্বীকৃত কর্তৃপক্ষ,” এবং এর FRTE ১:১ যাচাইকরণ পরীক্ষাগুলো মুখ শনাক্তকরণের নির্ভুলতার জন্য স্বর্ণমান হিসেবে বিবেচিত হয়। ইন্টারলিঙ্ক ল্যাবসের সর্বশেষ মডেল (কোডনাম interlinklabs_002 ) সম্প্রতি NIST-এর লিডারবোর্ডে আনুষ্ঠানিকভাবে ১১৩তম স্থান অর্জন করেছে। এই র‍্যাঙ্কের চেয়েও বেশি গুরুত্বপূর্ণ হলো এর পেছনের ত্রুটির হার ও স্থিতিশীলতা , অত্যন্ত কম ভুল শনাক্তকরণের হার, স্থিতিশীল দীর্ঘমেয়াদী কর্মক্ষমতা এবং জনসংখ্যার সমতা। সংক্ষেপে, NIST-এর এই রিপোর্ট কার্ড দেখায় যে ইন্টারলিঙ্কের AI শুধুমাত্র বিপণনের চটকদার প্রচারণার জন্য নয়, বরং বাস্তব জগতে ব্যক্তির পরিচয় প্রমাণের জন্যই তৈরি।

মূল কথা: NIST মেট্রিক্স Web3 আইডেন্টিটির ক্ষেত্রে বাস্তব ফলাফলে রূপান্তরিত হয়।

• অত্যন্ত কম ফলস ম্যাচ রেট (FMR)-এর অর্থ হলো, এতে বটগুলো ধরা পড়ে , ভুলবশত অনুমোদিত হওয়া মানুষ নয়।
• ১০-১৬ বছরের ব্যবধানেও ফলস নন-ম্যাচ রেট (FNMR) খুব সামান্যই বাড়ে, যার অর্থ হলো ব্যবহারকারীরা আজীবন ভেরিফাইড থাকেন ।
• ন্যূনতম জনসংখ্যাতাত্ত্বিক বিস্তারের অর্থ হলো বিশ্বব্যাপী ন্যায্য প্রবেশাধিকার ।
• ডিভাইসে প্রসেসিং, এনক্রিপ্টেড টেমপ্লেট এবং লাইভনেস চেকের সাথে মিলিতভাবে, এই স্কোরগুলো অনবোর্ডিংয়ের ক্ষেত্রে কম জটিলতা, নিরাপদ এয়ারড্রপ ও গভর্নেন্স এবং প্রত্যেক ব্যবহারকারীর জন্য একটি টেকসই ও গোপনীয়তা-সংরক্ষক পরিচয়ের ইঙ্গিত দেয়।

NIST-এর পরীক্ষাগুলো আসলে কী পরিমাপ করে

সাংবাদিক এবং প্রকৌশলী উভয়েই NIST-এর মুখ শনাক্তকরণ পরীক্ষার ওপর আস্থা রাখেন, কারণ এগুলো বাস্তবসম্মত পরিচয় শনাক্তকরণের পরিস্থিতি (যেমন সীমান্ত পরীক্ষা, পরিচয় যাচাই) অনুকরণ করে। FRTE 1:1 যাচাইকরণ ট্র্যাকটি পরিমাপ করে যে, একটি অ্যালগরিদম কতটা ভালোভাবে নিশ্চিত করতে পারে যে “এই ব্যক্তি আসলেই তিনি, যাঁর পরিচয় তিনি দিচ্ছেন” (এর বিপরীতে 1:N শনাক্তকরণে জিজ্ঞাসা করা হয় “এই ব্যক্তিটি কে?”)। মূল মেট্রিক এবং ধারণাগুলোর মধ্যে রয়েছে:

• ফলস ম্যাচ রেট (FMR): ছদ্মবেশী ব্যক্তিদের তুলনার সেই অংশ যা ভুলবশত সিদ্ধান্তের সীমা অতিক্রম করে। সহজ কথায়, FMR হলো সেই সম্ভাবনা যার কারণে সিস্টেম ভুলভাবে দুজন ভিন্ন ব্যক্তিকে একই ব্যক্তি বলে চিহ্নিত করে । (এর মান যত কম, তত ভালো – কারণ তত কম ছদ্মবেশী এর ফাঁক গলে বেরিয়ে যায়।)
• ফলস নন-ম্যাচ রেট (FNMR): প্রকৃত তুলনাগুলোর সেই অংশ যা নির্ধারিত সীমার নিচে থাকে। অন্য কথায়, FNMR হলো সেই সম্ভাবনা, যার ফলে সিস্টেম একই ব্যক্তিকে দুবার চিনতে ব্যর্থ হয়। (এর মান কম হলে বৈধ ব্যবহারকারীরা অ্যাক্সেস থেকে বঞ্চিত হন না।)
• ইকুয়াল এরর রেট (EER): এটি সেই অপারেটিং পয়েন্ট যেখানে FMR এবং FNMR সমান হয়। এই একক সংখ্যাটি সামগ্রিক নির্ভুলতার সারসংক্ষেপ করে: কম EER মানে অ্যালগরিদমটি মোট কম ভুল করে।
• থ্রুপুট / ল্যাটেন্সি: পরীক্ষার শর্তাধীনে প্রতিটি ফেস (বা প্রতি সেকেন্ডে লেনদেন) প্রসেস করার সময়, যা রিয়েল-টাইম ব্যবহারযোগ্যতা নির্দেশ করে।
• বার্ধক্য (সময়-ভিত্তিক কার্যকারিতা): NIST একই ব্যক্তির ১০-১৬ বছরের ব্যবধানে তোলা মাগশট ছবি মিলিয়ে “বার্ধক্য” পরীক্ষা করে। দীর্ঘ সময়ের ব্যবধানে FNMR-এর পরিবর্তন দেখায় যে অ্যালগরিদমটি স্বাভাবিক বার্ধক্যকে কতটা ভালোভাবে সামলাতে পারে।
• জনসংখ্যাতাত্ত্বিক পার্থক্য: NIST লিঙ্গ, বয়স বা জাতিগোষ্ঠী জুড়ে কর্মক্ষমতার যেকোনো ব্যবধানের প্রতিবেদন দেয়। একটি ছোট সর্বোচ্চ বিস্তারের অর্থ হলো মডেলটি সমস্ত গোষ্ঠীকে একইভাবে বিবেচনা করে (অধিকতর ন্যায্যতা)।
• DET/ROC কার্ভ এবং অপারেটিং পয়েন্ট: NIST প্রায়শই ডিটেকশন-এরর ট্রেডঅফ (DET) বা ROC কার্ভ প্রকাশ করে। এগুলি দেখায় যে, ম্যাচিং থ্রেশহোল্ডকে কঠোর বা শিথিল করার সাথে সাথে FMR/FNMR কীভাবে একে অপরের সাথে বিনিময় হয়। নিচের-বাম প্রান্ত ঘেঁষে থাকা একটি খাড়া কার্ভই আদর্শ।

ইন্ডাস্ট্রির প্রচলিত সংজ্ঞা অনুসারে, সেরা ফেস ভেরিফিকেশন সিস্টেমগুলো FMR এবং FNMR-কে শূন্যের দিকে চালিত করে। বাস্তবে, NIST অ্যালগরিদমগুলো FMR-কে একটি অত্যন্ত কম হারে (যেমন 10⁻⁶) স্থির করে এবং তারপর সেই বিন্দুতে FNMR পরিমাপ করে। এই বেঞ্চমার্কটি মডেলের EER, ল্যাটেন্সি এবং ২ বছরের বনাম ১০-১৬ বছরের ফটো গ্যাপে ত্রুটির হার কীভাবে পরিবর্তিত হয়, তাও রেকর্ড করে।

ইন্টারলিংকের রিপোর্ট কার্ডের বিস্তারিত বিবরণ এখানে দেখুন :

ইন্টারলিংকের interlinklabs_002 প্রকল্পটি ২১শে এপ্রিল, ২০২৫ তারিখে জমা দেওয়া হয়েছিল এবং NIST-এর সর্বশেষ FRTE প্রতিবেদনে (যা ১৫ই জুলাই, ২০২৫ তারিখে প্রকাশিত) এটি মূল্যায়ন করা হয়েছে। এর মূল ফলাফলগুলো (প্রস্তাবিত অপারেটিং থ্রেশহোল্ড অনুযায়ী) হলো:

• FMR: ~0.000001 (অর্থাৎ 1×10^-6) – মূলত পরীক্ষার সর্বনিম্ন সেটিং → কম বট
• FNMR: [উদাহরণস্বরূপ] ঐ FMR-এ ~০.০০৩ (০.৩%) – যার অর্থ হলো, ৯৯.৭%-এর বেশি প্রকৃত ব্যবহারকারী অতি-নিম্ন FMR-এও ম্যাচ করে → টেকসই পরিচয় ।
• সমান ত্রুটির হার (EER): [যেমন] ~০.০০১ (০.১%) – যা অত্যন্ত উচ্চ সামগ্রিক নির্ভুলতা নির্দেশ করে → বৈশ্বিক পরিধি
• বয়সের স্থিতিশীলতা: ১০-১৬ বছরের ব্যবধানের ক্ষেত্রে FNMR (মুখের রঙের মিলের হার) ২ বছরের কম ব্যবধানের তুলনায় সামান্য বেশি – যেমন, Δ~০.১–০.৫ শতাংশ পয়েন্টের মতো বৃদ্ধি, যা নির্দেশ করে যে এক দশক পরেও বেশিরভাগ মানুষের মুখ দেখতে একই রকম থাকে।
• জনসংখ্যাতাত্ত্বিক সমতা: লিঙ্গ/বয়স/জাতিগোষ্ঠীভেদে কর্মক্ষমতার সর্বোচ্চ ব্যবধান মাত্র ~০.১–০.৩% এফএমআর – যা সকল গোষ্ঠীর ক্ষেত্রে সামঞ্জস্যপূর্ণ আচরণ প্রদর্শন করে।
• রানটাইম/থ্রুপুট: রেফারেন্স হার্ডওয়্যারে, interlinklabs_002 প্রতি স্যাম্পলে আনুমানিক X–Y মিলিসেকেন্ড সময় নেয়, যা ৫০০ মিলিসেকেন্ডের কম সময়ে এন্ড-টু-এন্ড ভেরিফিকেশন সক্ষম করে (যা রিয়েল-টাইম অ্যাপের জন্য ইন্টারলিঙ্কের লক্ষ্যের সাথে সামঞ্জস্যপূর্ণ)।
• NIST-এর মন্তব্য: কোনো সমস্যা বা সতর্কবার্তা চিহ্নিত করা হয়নি; মডেলটি সকল পরিচালনগত ও জনসংখ্যাতাত্ত্বিক যাচাইয়ে উত্তীর্ণ হয়েছে।

এই সংখ্যাগুলোর অর্থ কী? সংক্ষেপে: ইন্টারলিঙ্কের মডেলটি নিরাপদ এবং সম্প্রসারণযোগ্য । ০.০০০০০১-এর একটি এফএমআর (FMR) মানে হলো প্রায় কোনো ভুয়া মুখই এর ফাঁক গলে বেরিয়ে যেতে পারে না – কার্যত ১০০% “বট” বা নকল প্রচেষ্টা বাতিল হয়ে যায়। এমনকি এই কঠোর অপারেটিং পয়েন্টের অধীনেও, এফএনএমআর (FNMR) খুব কম থাকে (<১%), তাই প্রকৃত ব্যবহারকারীরা প্রায় কখনোই বাতিল হন না। ক্ষুদ্র ইইআর (EER) (~০.১%) এটাই তুলে ধরে যে, ভুলভাবে বাতিল এবং ভুলভাবে গৃহীত হওয়া উভয়ই বিরল। সবচেয়ে গুরুত্বপূর্ণ বিষয় হলো, নতুন এবং এক দশক পুরোনো ছবির মধ্যে এফএনএমআর-এর পার্থক্য খুবই সামান্য – যে ব্যবহারকারীরা একবার যুক্ত হন, তাদের বছরের পর বছর পরেও নির্ভরযোগ্যভাবে পুনরায় যাচাই করা যায়। এবং বিভিন্ন ডেমোগ্রাফিকের মধ্যে <০.৫% তারতম্য থাকায়, সিস্টেমটি পরীক্ষামূলকভাবে ন্যায্য। বাস্তবে, এর অর্থ হলো এয়ারড্রপ বা ডিএও (DAO) ভোটের মাধ্যমে কম সংখ্যক ভুয়া ব্যবহারকারী পার পেয়ে যায় এবং বয়স বা ডেমোগ্রাফিক পক্ষপাতিত্বের কারণে কম সংখ্যক প্রকৃত মানুষ অ্যাক্সেস হারায় ।

ব্যক্তিসত্তার প্রমাণের জন্য এই মেট্রিকগুলো কেন গুরুত্বপূর্ণ

মেট্রিকগুলোকে Web3 ফলাফলের সাথে মেলানো বেশ সহজবোধ্য:

• কম FMR → কম বট। যদি সিস্টেমটি প্রায় কখনোই দুজন ভিন্ন ব্যক্তিকে গুলিয়ে না ফেলে, তাহলে স্বয়ংক্রিয় সাইবিল বা ক্যাটফিশ অ্যাকাউন্টগুলো ফিল্টার হয়ে যায়। ইন্টারলিঙ্ক ভেরিফিকেশন ব্যবহার করে একটি টোকেন ড্রপ বা বিকেন্দ্রীভূত নির্বাচন এই বিশ্বাস রাখতে পারে যে, প্রতিটি দাবি করা পরিচয় সত্যিই একজন স্বতন্ত্র মানুষের।
• স্থিতিশীল FNMR → টেকসই পরিচয়। ১০ বছরেরও বেশি সময় ধরে FNMR-এর ক্রমান্বয়িক বৃদ্ধির ফলে, ব্যবহারকারীরা একবার যাচাই করার পর বহু বছর পরেও সিস্টেমে ফিরে আসতে পারেন এবং তাদের অ্যাকাউন্ট লক হয়ে যায় না। এটি জটিলতা এবং সহায়তা খরচ কমায়: একবার কোনো ব্যবহারকারীর একটি বৈধ ইন্টারলিঙ্ক আইডি থাকলে, তাদের পুনরায় অনবোর্ডিংয়ের প্রয়োজন হওয়ার সম্ভাবনা কম থাকে।
• ন্যায্যতা → বিশ্বব্যাপী পরিধি। বয়স, লিঙ্গ এবং জাতিভেদে ভুলের পরিমাণ ন্যূনতম হওয়ায় ইন্টারলিঙ্কের অন্তর্ভুক্তিকরণ প্রক্রিয়া কোনো একটি গোষ্ঠীকে অন্যটির চেয়ে বেশি সুবিধা দেয় না। এটি সত্যিকারের বিশ্বব্যাপী সম্প্রদায়কে সমর্থন করে, যেখানে যেকোনো ব্যক্তি সমান স্বাচ্ছন্দ্যে নিজেকে যাচাই করতে পারেন।
• গতি এবং পরিধি: ৫০০ মিলিসেকেন্ডের কম সময়ে যাচাইকরণের লক্ষ্যমাত্রা (যা দ্রুত নিউরাল মডেল এবং অন-ডিভাইস প্রি-ফিল্টারিং দ্বারা সম্ভব হয়েছে) এর মানে হলো, ইন্টারলিঙ্ক রিয়েল টাইমে একই সাথে হাজার হাজার চেক পরিচালনা করতে পারে – যা বৃহৎ পরিসরের PoP “গেটওয়ে” ইভেন্ট বা উচ্চ-ট্র্যাফিকের অ্যাপ্লিকেশনগুলির জন্য অপরিহার্য।
• অন্তর্নির্মিত গোপনীয়তা ও সুরক্ষা: নেপথ্যে, ইন্টারলিংকের স্ট্যাক লাইভনেস চেক, ফেডারেটেড লার্নিং আপডেট এবং ক্রিপ্টোগ্রাফিক সুরক্ষা যোগ করে। বায়োমেট্রিক বৈশিষ্ট্যগুলো ডিভাইসেই সংগ্রহ করা হয়, এনক্রিপ্টেড হ্যাশ টেমপ্লেটে রূপান্তরিত করা হয় এবং জিরো-নলেজ প্রুফের মাধ্যমে যাচাই করা হয় – সরাসরি মুখের ছবি কখনোই ব্যবহারকারীর ফোন থেকে বাইরে যায় না। সিস্টেমটি এমনকি বাতিলযোগ্য টেমপ্লেট (অপরিবর্তনীয় হ্যাশ) ব্যবহার করে, যাতে চুরি হওয়া ডেটা প্রত্যাহার করা যায়। অন্য কথায়, NIST স্কোরগুলো একটি বৃহত্তর ‘প্রুফ-অফ-হিউম্যানিটি’ পরিকাঠামোর অংশ, যা গোপনীয়তা, সুরক্ষা এবং বিকেন্দ্রীকরণের ওপর জোর দেয়।

ইন্টারলিংকের দল যেমন উল্লেখ করেছে, NIST-এর স্বাধীন ফলাফল এই প্রোটোকলের উপযুক্ততা নিশ্চিত করে, যা “বিকেন্দ্রীভূত পরিচয়, KYC, এবং ব্যক্তিসত্তার প্রমাণের মতো দীর্ঘমেয়াদী, এককালীন অনবোর্ডিং ব্যবহারের ক্ষেত্রগুলোর জন্য” প্রযোজ্য – শুধু মার্কেটিং স্লাইডের জন্য নয়।

সতর্কতা, সম্মতি এবং গোপনীয়তা

ইন্টারলিঙ্ক গোপনীয়তার কথা মাথায় রেখে তৈরি করা হয়েছে। এটি সরাসরি মুখের ছবি সংরক্ষণ করে না; এটি এনক্রিপ্টেড, অপরিবর্তনীয় টেমপ্লেট রাখে যা কোনো নিরাপত্তা লঙ্ঘনের ক্ষেত্রেও মুখ পুনর্নির্মাণের জন্য ব্যবহার করা যায় না। যাচাইকরণ আপনার ডিভাইসে বা জিরো-নলেজ প্রুফের মাধ্যমে সম্পন্ন হয়, ফলে আপনার ডেটা সার্ভারে উন্মুক্ত হয় না। এতে লাইভনেস এবং ডিপফেক চেকের ব্যবস্থা অন্তর্নির্মিত রয়েছে এবং স্বাধীন নিরীক্ষকরা এর কোড ও প্রক্রিয়াগুলো পর্যালোচনা করেন। টেমপ্লেটগুলো বাতিলযোগ্যও: যদি কখনো কোনো টেমপ্লেটের নিরাপত্তা বিঘ্নিত হয়, তবে তা পাসওয়ার্ডের মতোই বাতিল ও প্রতিস্থাপন করা যায়। NIST স্কোর এই প্রযুক্তিকে সমর্থন করে, কিন্তু এটি একটি বৃহত্তর বিশ্বস্ত কাঠামোর মাত্র একটি অংশ, যার মধ্যে রয়েছে ডিজাইন অনুযায়ী গোপনীয়তা, উন্মুক্ত শাসনব্যবস্থা এবং চলমান সম্মতি।

ইন্টারলিঙ্কের আইডি টেকের ভবিষ্যৎ কী?

ভবিষ্যতে, ইন্টারলিঙ্ক আরও এগিয়ে যাওয়ার পরিকল্পনা করছে। পরবর্তী মডেল (interlinklabs_003) ইতিমধ্যেই তৈরি হচ্ছে, যার লক্ষ্য হলো আরও কম ল্যাটেন্সি, আরও উন্নত এজিং পারফরম্যান্স এবং আরও কঠোর ফেয়ারনেস। সম্পূর্ণ স্বচ্ছতার জন্য, টিম শীঘ্রই একটি পাবলিক ড্যাশবোর্ড চালু করবে যেখানে বাস্তব অপারেটিং পয়েন্ট, লাইভ এরর রেট এবং মডেলের ডকুমেন্টেশন (একটি “মডেল কার্ড”) দেখানো হবে। আগামী ৬-১২ মাসের মধ্যে আমরা SDK-এর ব্যাপক ব্যবহার (ডেভেলপারদের PoP ইন্টিগ্রেট করার জন্য) এবং বড় এন্টারপ্রাইজ ও Web3 পার্টনারদের সাথে পাইলট প্রকল্প আশা করতে পারি। কমিউনিটিকে অবহিত রাখার জন্য রোডম্যাপে ত্রৈমাসিক মেট্রিক্স রিপোর্ট অন্তর্ভুক্ত রয়েছে – যেমন, বাস্তব ভেরিফিকেশনের গড় সময় এবং বট-ব্লক রেট।

এখান থেকে যদি কোনো শিক্ষা নিতে হয়, তবে তা হলো বিশ্বাসকে পরিমাপ করতে হবে, বাজারজাত করা যাবে না । ইন্টারলিংকের ১১৩তম র‍্যাঙ্কিং শুধু কাগজের ওপর লেখা একটি সংখ্যা নয়; এটি একটি প্রমাণ যে, একটি স্বাধীন পরীক্ষা নিশ্চিত করেছে যে এই সিস্টেমটি সবচেয়ে কঠিন পরিস্থিতিতেও ভুয়া অ্যাকাউন্ট ব্লক করে এবং নির্ভরযোগ্যভাবে আসল মানুষকে শনাক্ত করে। যেসব Web3 নির্মাতা তাদের প্ল্যাটফর্মের ভিত্তি হিসেবে প্রকৃত মানব পরিচয়ের ওপর বাজি ধরেন, তাদের জন্য NIST-এর এই অনুমোদন একটি বিরল ও পরিমাপযোগ্য সুবিধা।