AI কি প্রত্নজীববিজ্ঞানীদের প্রতিস্থাপন করবে?
প্রত্নজীববিজ্ঞানীদের অটোমেশন ঝুঁকি মাত্র 14% — কিন্তু AI নীরবে ফসিল শ্রেণিবিন্যাস ও বিবর্তন গাছ গবেষণায় বিপ্লব ঘটাচ্ছে। ফিল্ডওয়ার্ক 8%-এ।
জীবিকার জন্য জীবাশ্ম নিয়ে গবেষণা করলে AI-বিষয়ক আলোচনা সাধারণত দুটি ধারায় যায়। হয় কেউ বলেন যে মেশিন লার্নিং আপনার ক্ষেত্রে বিপ্লব আনবে, নয়তো কেউ বলেন যে ChatGPT ইতিমধ্যেই আপনার সাহিত্য পর্যালোচনা করতে পারে। উভয়ই আংশিকভাবে সঠিক এবং বেশিরভাগই মূল বিষয়টি মিস করে। প্যালিওন্টোলজিস্টরা AI এক্সপোজার স্কোর ৫১% পান, যা একটি আকর্ষণীয় মধ্যবর্তী অবস্থানে বসে — প্রকৃত পরিবর্তন আসছে এটা বলার জন্য যথেষ্ট উচ্চ, মূল কাজ সত্যিকার অর্থে নিরাপদ তা বলার জন্য যথেষ্ট নিম্ন।
ব্যুরো অব লেবার স্ট্যাটিস্টিক্স প্যালিওন্টোলজিস্টদের জিওসায়েন্টিস্টদের অধীনে গণ্য করে এবং ২০৩৪ পর্যন্ত +৫.৪% কর্মসংস্থান বৃদ্ধির প্রজেকশন করে — সব পেশার গড়ের চেয়ে দ্রুত। [তথ্য] সেই প্রবৃদ্ধি কাকতালীয় নয়। এটি প্রাকৃতিক ইতিহাস মিউজিয়াম, বিশ্ববিদ্যালয় গবেষণা, তেল ও গ্যাস জলাশয় বৈশিষ্ট্যায়ন, জলবায়ু প্যালিওইকোলজি এবং সরকারি জরিপের চাহিদা প্রতিফলিত করে। প্যালিওন্টোলজিস্টদের চাকরির বাজার ছোট কিন্তু স্থিতিশীল, এবং এটি ভেঙে পড়ছে না।
আকর্ষণীয় প্রশ্ন হলো AI প্যালিওন্টোলজিস্টদের প্রতিস্থাপন করবে কিনা — করবে না। সেই প্রশ্নটি আকর্ষণীয় যে চাকরির কোন অংশগুলি এত বদলে যাবে যে ২০৩০ সালে আপনার দৈনন্দিন কাজ ২০২০ সালের কারো কাছে অদ্ভুত মনে হবে। এই নিবন্ধটি আসলে সে সম্পর্কেই।
৫১% এক্সপোজার স্কোর কী পরিমাপ করে
প্যালিওন্টোলজি প্রায় পাঁচটি কার্যকলাপ ক্লাস্টারে বিভক্ত: ফিল্ডওয়ার্ক (নমুনা সংগ্রহ), প্রস্তুতি (জীবাশ্ম পরিষ্কার ও স্থিতিশীল করা), বিবরণ (আনুষ্ঠানিক শ্রেণীবিন্যাস কাজ), বিশ্লেষণ (ফাইলোজেনেটিক্স, বায়োমেকানিক্স, প্যালিওইকোলজি) এবং যোগাযোগ (গবেষণাপত্র, বক্তৃতা, জনসম্পৃক্ততা)। ৫১% এক্সপোজার স্কোর এই কার্যকলাপগুলির একটি ভারযুক্ত গড়, এবং ওজনগুলি অত্যন্ত গুরুত্বপূর্ণ।
ফিল্ডওয়ার্কে AI-এর প্রতি প্রায় শূন্য এক্সপোজার। আপনাকে এখনও আউটক্রপ বরাবর হাঁটতে হবে, স্ট্রেটিগ্রাফি পড়তে হবে এবং সঠিক জায়গায় হাতুড়ি রাখতে হবে। ড্রোন ইমেজ এবং লিডার সাহায্য করে, কিন্তু তারা আপনাকে কোথায় দেখতে হবে তা সিদ্ধান্ত নিতে সাহায্য করে, কী খনন করতে হবে তা নয়। প্রস্তুতিও একইভাবে নিরাপদ। একটি জীবাশ্ম উন্মোচনের মাইক্রো-এয়ারব্রেসিভ কাজ একই কারণে একটি রোবট করতে পারে না যে কারণে রোবটগুলি প্যাকিংয়ে সংগ্রাম করে — ছোট স্কেলে, ভঙ্গুর উপাদানের সাথে প্রয়োজনীয় স্থানিক যুক্তি এবং স্পর্শকাতর প্রতিক্রিয়া বর্তমান সিস্টেমের অনেক বাইরে।
বিবরণ, বিশ্লেষণ এবং যোগাযোগ হলো যেখানে এক্সপোজার স্কোর থাকে। এগুলি চাকরির ডেস্ক-এবং-স্ক্রিনের অংশ, এবং এগুলি দ্রুত পরিবর্তিত হচ্ছে।
AI ইতিমধ্যে কর্মপ্রবাহে যেখানে আছে
জিওমেট্রিক মরফোমেট্রিক্স — আকৃতির পরিমাণগত বিবরণ — প্রায় এক দশক ধরে স্বয়ংক্রিয় ল্যান্ডমার্ক সনাক্তকরণে উন্নতি হয়েছে। SAM (সেগমেন্ট অ্যানিথিং মডেল) এবং বিশেষায়িত কনভোলিউশনাল নেটওয়ার্কের মতো সরঞ্জামগুলি CT স্ক্যান স্লাইস এবং ফটোগ্রাফিক সার্ভেতে শারীরিক বৈশিষ্ট্যগুলি সনাক্ত করতে পারে এমন গতিতে যা ২০১৮ সালে বিজ্ঞানকল্পকাহিনী ছিল। ২০১৫ সালে তিন মাসের ম্যানুয়াল ল্যান্ডমার্ক ডিজিটাইজেশন নিয়েছিল এমন একটি গবেষণাপত্র আজ আধা-স্বয়ংক্রিয় সরঞ্জামের সাথে প্রায় তিন সপ্তাহ নেয়, এবং বেশিরভাগ বাধা মানব যাচাইকরণ, মেশিন সনাক্তকরণ নয়।
মাইক্রোফসিল সনাক্তকরণ আরেকটি সক্রিয় ক্ষেত্র। ফরামিনিফেরা, কোনোডন্ট, পরাগ এবং ডায়াটম সবগুলিই সুপরিচালিত প্রশিক্ষণ সেটে ৮৫-৯৫% নির্ভুলতায় স্বয়ংক্রিয় শ্রেণীবিভাগ পাইপলাইন দেখেছে। [দাবি] বাণিজ্যিক মাইক্রোপ্যালিওন্টোলজি কাজের জন্য — উদাহরণস্বরূপ তেল ও গ্যাস শিল্পের জন্য বায়োস্ট্র্যাটিগ্রাফি — এই সিস্টেমগুলি ইতিমধ্যে উৎপাদনে রয়েছে। প্রধান সার্ভিস কোম্পানিগুলিতে সিনিয়র মাইক্রোপ্যালিওন্টোলজিস্টরা এখন মাইক্রোস্কোপের নিচে ফোরাম গণনার চেয়ে মডেল আউটপুট বৈধতা এবং প্রান্ত মামলা পরিচালনায় বেশি সময় ব্যয় করেন। চাকরি পরিবর্তিত হয়েছে; অদৃশ্য হয়নি।
নতুন ঢেউ হলো প্যালিওন্টোলজিক্যাল সাহিত্যের সাথে বড়-ভাষা-মডেল একীভূতকরণ। প্যালিওন্টোলজিক্যাল এবং ভূতাত্ত্বিক সাহিত্যে ~২ মিলিয়ন গবেষণাপত্র জুড়ে সংশ্লেষণ করতে পারে এমন সরঞ্জামগুলি সাহিত্য পর্যালোচনার প্রথম খসড়া, শ্রেণিবিন্যাস পটভূমি বিভাগ এবং এমনকি হাইপোথিসিস পরামর্শ তৈরি করতে শুরু করেছে। [অনুমান] স্মিথসোনিয়ান এবং বেশ কিছু প্রধান বিশ্ববিদ্যালয়ের গবেষকরা ফাইলোজেনেটিক ক্যারেক্টার ম্যাট্রিক্স নির্মাণে সাহায্য করার জন্য LLM ব্যবহার করে প্রুফ-অব-কনসেপ্ট কাজ প্রকাশ করেছেন। প্রাথমিক ফলাফলগুলি সংকীর্ণ কাজের জন্য প্রতিশ্রুতিশীল এবং বিস্তৃতের জন্য বিব্রতকর — যা প্রতিটি গবেষণা ক্ষেত্রে মোটামুটি LLM গল্প।
যা পরিবর্তন হয় না
এটা স্পষ্টভাবে বোঝার যোগ্য। প্যালিওন্টোলজির যে অংশগুলি AI স্পর্শ করে না সেগুলি কেবল নিরাপদ নয়; তারা আপেক্ষিকভাবে আরও গুরুত্বপূর্ণ হয়ে উঠছে।
ফিল্ড সংগ্রহ সবসময় শাখার বাধা ছিল। আপনি এমন একটি জীবাশ্ম অধ্যয়ন করতে পারবেন না যা খুঁজে পাওয়া যায়নি। স্বয়ংক্রিয় বিশ্লেষণ দ্রুততর হওয়ার সাথে সাথে, নতুন নমুনার চাহিদা বাড়ে এবং যারা উৎপাদনশীল ফিল্ড প্রোগ্রাম পরিচালনা করতে পারেন তারা আরও মূল্যবান হয়ে ওঠেন। ফিল্ড অভিজ্ঞতা এই শৃঙ্খলায় একটি প্রশংসনীয় সম্পদ।
শ্রেণীবিন্যাস বিচার — একটি নমুনা নতুন প্রজাতি, রূপগত বৈচিত্র্য সহ পরিচিত প্রজাতি, বা কিছু রোগগত কিনা সে সম্পর্কে সিদ্ধান্ত — এখনও গভীর দক্ষতা প্রয়োজন। স্বয়ংক্রিয় সিস্টেমগুলি শ্রেণীবিন্যাস পর্যালোচনার জন্য প্রার্থীদের চিহ্নিত করতে পারে, কিন্তু কিছু শ্রেণীবিন্যাসগতভাবে অর্থপূর্ণ বা শুধু শব্দ কিনা সে বিচারে সংরক্ষণ মোড, অন্টোজেনি, যৌন দ্বিরূপতা, ভৌগোলিক বৈচিত্র্য এবং কীভাবে জীবগুলি জীবাশ্মে পরিণত হয় তার বিশৃঙ্খল বাস্তবতার বোঝাপড়া জড়িত। কোনো বর্তমান মডেলের সেই কাজের জন্য প্রাসঙ্গিক বোঝাপড়া নেই এবং এর একটি থাকার পথ দৃশ্যমান নয়। [দাবি]
বৈজ্ঞানিক লেখা যা গুরুত্ব দেয় — গবেষণাপত্রের যে অংশগুলিতে আপনি একটি যুক্তি তৈরি করছেন, একটি ব্যাখ্যা রক্ষা করছেন, বা একটি নতুন কাঠামো প্রস্তাব করছেন — সেখানে পর্যালোচকরা সময় ব্যয় করেন এবং সম্পাদকরা তাদের সিদ্ধান্ত নেন। LLM খসড়া করতে পারে, কিন্তু বৌদ্ধিক বিষয়বস্তু এখনও সম্পূর্ণ আপনার। যে কেউ প্যালিওন্টোলজি গবেষণাপত্র পড়েন তিনি সতর্কতার সাথে চিন্তা করা গবেষণাপত্র এবং না করা গবেষণাপত্রের মধ্যে পার্থক্য বলতে পারেন, এবং সেই পার্থক্যই গবেষণাপত্রকে Nature, Science, PNAS এবং শীর্ষ বিশেষজ্ঞ জার্নালে নিয়ে যায়। [দাবি]
নির্দিষ্ট কাজ যা পরিবর্তন হবে
পাঁচ বছরে আপনার দিন কেমন দেখাবে তা সম্পর্কে সুনির্দিষ্ট হই।
সাহিত্য পর্যালোচনা ব্যাপকভাবে AI-সহায়তা হবে। একটি পটভূমি বিভাগের খসড়া তৈরিতে হাজার হাজার গবেষণাপত্র জুড়ে সংক্ষিপ্ত করতে পারে এমন সরঞ্জামগুলি কোয়েরি করা, নির্দিষ্ট ঐতিহাসিক পর্যবেক্ষণ খুঁজে বের করা এবং বর্তমান বোঝাপড়ার ব্যবধান সনাক্ত করা জড়িত থাকবে। যে দক্ষতাটি গুরুত্ব দেবে তা হবে কী জিজ্ঞেস করতে হবে এবং আপনি যা ফিরে পান তা কীভাবে যাচাই করবেন। প্রকৃত লেখাটি এখনও আপনার হবে, কারণ এই সরঞ্জামগুলি যে সংশ্লেষণ তৈরি করে তা উপযুক্ত এবং ভুলে যাওয়ার মতো, এবং আপনি চান আপনার গবেষণাপত্রগুলি উভয়ই না হোক।
নমুনা ডকুমেন্টেশন আংশিকভাবে স্বয়ংক্রিয় হবে। ফোন ফটো থেকে প্রকাশনা-মানের ৩D মডেল তৈরি করে এমন ফটোগ্রামেট্রি ওয়ার্কফ্লো ইতিমধ্যে ফিল্ড পরিস্থিতিতে মোতায়েন করা যায়। স্বয়ংক্রিয় ল্যান্ডমার্ক সনাক্তকরণ সু-অধ্যয়নকৃত গোষ্ঠীর জন্য মরফোমেট্রিক ডেটা সংগ্রহের বড় অংশ পরিচালনা করবে। অবশিষ্ট ম্যানুয়াল কাজ বিরল নমুনা, জটিল ট্যাক্সা এবং স্বয়ংক্রিয় পাইপলাইন পরাজিত করে এমন প্রান্ত ক্ষেত্রে কেন্দ্রীভূত হবে।
ফাইলোজেনেটিক বিশ্লেষণ নতুন সরঞ্জাম দেখবে, কিন্তু পদ্ধতিগত বিতর্কগুলি চলে যাবে না। বেশিয়ান এবং পার্সিমনি পদ্ধতি, মডেল নির্বাচন, ক্যারেক্টার কোডিং সিদ্ধান্ত — এগুলি এমন ক্ষেত্র যেখানে মানব বিচার এবং পদ্ধতিগত পছন্দ বিজ্ঞানকে চালিত করে, এবং যেখানে AI একটি প্রতিস্থাপকের চেয়ে ত্বরণকারী।
জনসাধারণের যোগাযোগ হলো যেখানে AI কর্মরত প্যালিওন্টোলজিস্টদের জন্য সবচেয়ে বেশি সুযোগ প্রদান করে। আপনার প্রকাশিত কাজ থেকে চিত্র, অ্যানিমেশন এবং ইন্টারেক্টিভ ওয়েব বিষয়বস্তু তৈরি করতে সাহায্য করে এমন সরঞ্জামগুলি একজন গ্রাফিক ডিজাইনারের প্রয়োজন ছাড়াই আপনার নাগাল ব্যাপকভাবে প্রসারিত করতে পারে। মিউজিয়াম এবং বিশ্ববিদ্যালয়গুলি ক্রমবর্ধমানভাবে তাদের গবেষকদের এই ধরনের যোগাযোগ করার আশা করে, এবং যারা এতে ভালো হয়ে ওঠেন তারা অনুদান তহবিল, জনসাধারণের বক্তৃতা এবং একাডেমিক দৃশ্যমানতায় সুবিধা পান।
আগামী দশকের ক্যারিয়ার মানচিত্র
আপনি যদি একজন স্নাতক শিক্ষার্থী বা প্রারম্ভিক ক্যারিয়ারের প্যালিওন্টোলজিস্ট হন, ব্যবহারিক পরামর্শ সরল।
গভীর ফিল্ড অভিজ্ঞতা বিকাশ করুন। এটি শৃঙ্খলার সবচেয়ে রক্ষণযোগ্য অংশ এবং পরে অর্জন করা সবচেয়ে কঠিন অংশ। আপনি যোগ দিতে পারেন এমন প্রতিটি ফিল্ড সিজনে যোগ দিন। আপনি শিখতে পারেন এমন প্রতিটি স্থানীয়তা শিখুন।
সরঞ্জামগুলির সাথে দক্ষ হন, কিন্তু সরঞ্জামগুলি হয়ে যাবেন না। মরফোমেট্রিক পাইপলাইন চালাতে, ডেটাবেস কোয়েরি করতে এবং বিশ্লেষণ কাস্টমাইজ করতে যথেষ্ট Python শিখুন। LLM সম্পর্কে যথেষ্ট জানুন যাতে সেগুলি কার্যকরভাবে ব্যবহার করতে পারেন প্রতারিত না হয়ে। লক্ষ্য হলো সেই ব্যক্তি হওয়া যিনি এই সরঞ্জামগুলি ব্যবহার করে আরও ভালো প্যালিওন্টোলজি করেন, সেই ব্যক্তি নয় যিনি তাদের সাথে প্রতিযোগিতায় আছেন।
পার্শ্ববর্তী পরিমাণগত ক্ষেত্রে ক্রস-ট্রেন করুন। ফাইলোজেনেটিক তুলনামূলক পদ্ধতি, প্যালিওইকোলজিক্যাল মডেলিং, গভীর-সময়ের জলবায়ু পুনর্গঠন — এগুলি সবই এমন ক্ষেত্র যেখানে কম্পিউটেশনাল দক্ষতা এবং প্যালিওন্টোলজিক্যাল জ্ঞান মিলিত হয়ে এমন কাজ করে যা কোনো একটি পক্ষ একা করতে পারে না। এই ছেদবিন্দুগুলির চাকরির বাজার ধ্রুপদী বর্ণনামূলক প্যালিওন্টোলজির চেয়ে অনেক ভালো এবং তারা স্বয়ংক্রিয় করা কঠিন কারণ তাদের উভয় ধরনের দক্ষতা প্রয়োজন।
আপনার কাজের একটি পাবলিক-ফেসিং উপাদান বজায় রাখুন। মিউজিয়াম, বিশ্ববিদ্যালয় আউটরিচ এবং বিজ্ঞান যোগাযোগ চ্যানেলগুলি ক্রমবর্ধমানভাবে অর্থায়ন সিদ্ধান্তগুলি চালিত করে। শক্তিশালী জনসাধারণের যোগাযোগ সহ একজন গবেষক একটি দশক আগের চেয়ে বেশি মূল্যবান, এবং ব্যবধান আরও প্রশস্ত হচ্ছে।
চাকরি আসলে কোথায় আছে
প্যালিওন্টোলজিতে বিশুদ্ধ গবেষণার অবস্থানগুলি সবসময় টাইট ছিল এবং তা পরিবর্তন হয়নি। প্রথাগত একাডেমিক ট্র্যাক টেনিউর-ট্র্যাক অবস্থানের চেয়ে অনেক বেশি PhDs তৈরি করে।
যে চাকরিগুলি বাড়ছে সেগুলি পার্শ্ববর্তী প্রয়োগে। শক্তি কোম্পানিগুলির জন্য জলাশয় বৈশিষ্ট্যায়ন (বিশেষত জিওথার্মাল, কার্বন স্টোরেজ এবং অবশিষ্ট তেল ও গ্যাস) বায়োস্ট্র্যাটিগ্রাফি এবং প্যালিওএনভায়রনমেন্টাল কাজের জন্য উল্লেখযোগ্য সংখ্যক প্যালিওন্টোলজিস্ট নিয়োগ করে। অতীত জলবায়ু অ্যানালগগুলি বোঝার জরুরিতা বাড়ার সাথে সাথে জলবায়ু প্যালিওইকোলজিতে প্রকৃত তহবিল বৃদ্ধি দেখা গেছে। সরকারি জরিপগুলি (USGS, রাজ্য ভূতাত্ত্বিক জরিপ এবং অন্যত্র সমতুল্য) বিশেষত হাইড্রোকার্বন এবং সমালোচনামূলক-খনিজ-সংক্রান্ত কাজের জন্য নিয়োগ অব্যাহত রাখে।
মিউজিয়ামের পদগুলি প্রতিযোগিতামূলক কিন্তু স্থিতিশীল থাকে। প্রাকৃতিক ইতিহাস মিউজিয়ামগুলি ক্রমবর্ধমানভাবে সেই গবেষকদের মূল্য দেয় যারা ডিজিটাল সংগ্রহের কাজ, জনসম্পৃক্ততা এবং প্রদর্শনী উন্নয়নও সামলাতে পারেন। সংগ্রহের অভিজ্ঞতা এবং জনসম্পৃক্ততার দক্ষতা সহ একজন প্যালিওন্টোলজিস্ট শুধুমাত্র গবেষণা-শংসাপত্র সহ একজনের চেয়ে বেশি নিয়োগযোগ্য।
সৎ সারসংক্ষেপ
২০৩৫ সালের প্যালিওন্টোলজি ২০২৫ সালের প্যালিওন্টোলজি থেকে অর্থপূর্ণভাবে আলাদা দেখাবে, কিন্তু পার্থক্য কার চাকরি আছে তার চেয়ে বরং কর্মপ্রবাহ সম্পর্কে বেশি হবে। চাকরির ডেস্কের অংশগুলি দ্রুততর হয়। ফিল্ডের অংশগুলি একই থাকে। বিচার-ভারী অংশগুলি আরও গুরুত্বপূর্ণ হয়ে ওঠে। যোগাযোগের অংশগুলি নতুন মিডিয়ায় প্রসারিত হয়।
৫১% এক্সপোজার স্কোর বাস্তব এবং এটি আপনাকে রূপান্তরটি গুরুত্বের সাথে নিতে বলা উচিত। কিন্তু এটি কাজের জন্য স্কোর, চাকরির জন্য নয়, এবং এই কাজটি করা লোকেরা ততদিন করবে যতদিন মানুষ আমাদের আগে কী ছিল তা জানতে চাইবে। সেই চাহিদা কোথাও যাচ্ছে না।
_পদ্ধতি নোট: এক্সপোজার স্কোর GPT-প্রভাব কাঠামো (Eloundou et al. ২০২৩) অনুসরণ করে, O\*NET এবং সোসাইটি অব ভার্টেব্রেট প্যালিওন্টোলজির কর্মপ্রবাহ জরিপ থেকে কাজ-স্তরের বিশ্লেষণ ব্যবহার করে বৈজ্ঞানিক পেশায় বিস্তৃত। BLS কর্মসংস্থান প্রজেকশন ২০২৪-২০৩৪ থেকে কর্মসংস্থান প্রজেকশন (জিওসায়েন্টিস্ট বিভাগ, ১৯-২০৪২)। সমকক্ষ-পর্যালোচিত সাহিত্য ২০২১-২০২৪ থেকে মাইক্রোফসিল স্বয়ংক্রিয়তার নির্ভুলতার পরিসংখ্যান। [অনুমান] ট্যাগ সংশ্লেষিত পরিসংখ্যান নির্দেশ করে; [তথ্য] ট্যাগ প্রাথমিক-উৎস ডেটা নির্দেশ করে; [দাবি] ট্যাগ স্বাধীনভাবে যাচাই না করা প্রকাশিত দাবি নির্দেশ করে।_
Analysis based on the Anthropic Economic Index, U.S. Bureau of Labor Statistics, and O*NET occupational data. Learn about our methodology
আপডেট ইতিহাস
- ৯ এপ্রিল, ২০২৬ তারিখে প্রথম প্রকাশিত।
- ১৯ মে, ২০২৬ তারিখে সর্বশেষ পর্যালোচিত।