Markdown সংস্করণ

AI-translated from English; not yet reviewed by a fluent editor.

# Snorkel-এর ৩৫০ মিলিয়ন ডলারের তহবিল AI-এর অনুকরণভিত্তিক কর্মক্ষেত্র তৈরিতে সহায়তা করবে

> Snorkel-এর নতুন তহবিল এমন অনুকরণভিত্তিক কর্মক্ষেত্র তৈরিতে সহায়তা করছে, যেখানে AI agent-রা কোম্পানির সরঞ্জাম, নিয়ম ও নথি ব্যবহার করে অনুশীলন করতে পারে; তাদের কাজ ও ফলাফলও মূল্যায়ন করা হয়।

By BIG CHANGE Editorial

Published: 2026-09-22T23:48:28.109Z
Updated: 2026-09-23T03:38:46.383Z
Canonical: https://bigchange.ai/blog/snorkel-ai-training-simulated-workplaces

![A blank monitor and tool tray sit inside an orange-edged controlled training workstation.](https://bigchange.ai/api/media/file/snorkel-training-room-boundary-hero-v2.png)
AI-generated conceptual illustration by BIG CHANGE. Illustration of a controlled training workstation with tools and a visible boundary. It does not show a customer system or a production result.

AI agent-দের প্রশিক্ষণের জন্য Snorkel অনুকরণভিত্তিক কর্মক্ষেত্র বিক্রি করে। সেখানে কোম্পানির নথি, সরঞ্জাম ও নিয়ম থাকে; agent কী কাজ করল এবং কী ফল পেল, তারও নম্বর দেওয়া হয়।

২২ সেপ্টেম্বর Snorkel [৩৫০ মিলিয়ন ডলারের Series E অর্থায়ন এবং ৩.৫ বিলিয়ন ডলারের মূল্যায়নের ঘোষণা দেয়](https://snorkel.ai/blog/data-2-0-and-the-research-era-of-ai-data/)। অর্থায়নটি নতুন, পণ্যের দিশা নয়। Snorkel ২০২৫ সালেই পরিবেশ তৈরির পদ্ধতি ব্যাখ্যা করেছিল; তাদের বর্তমান Data Series-এ সম্পত্তি ও দুর্ঘটনা বীমার underwriting এবং আর্থিক কার্যক্রমের simulation রয়েছে। এই বিনিয়োগ এমন একটি চলমান ব্যবসাকে সমর্থন করে, যা কাজের বিষয়ে বিশেষজ্ঞ জ্ঞানকে প্রশিক্ষণ ও মূল্যায়নের অবকাঠামোয় রূপ দেয়।

## বড় পরিবর্তন

- **কী বদলেছে:** প্রশিক্ষণ-ডেটা সরবরাহকারী কোনো প্রতিষ্ঠানের কাজের প্রক্রিয়ার কার্যকর simulation বিক্রি করতে পারে। সফল হতে হলে উপলভ্য সরঞ্জাম ও নথি ব্যবহার করে পুরো কর্মপ্রবাহ সম্পন্ন করতে হয়।
- **কেন গুরুত্বপূর্ণ:** পরিবেশ নির্মাতারা দক্ষ কাজ বলতে কী বোঝায়, তা নির্ধারণে ভূমিকা রাখেন। নীতির সীমা, আবশ্যক অনুমোদন কিংবা ডেটাবেসে পরিবর্তন—এসবই এমন সংকেত হয়ে ওঠে, যা কোনো আচরণকে পুরস্কৃত বা প্রত্যাখ্যান করে। তাই ক্ষেত্রবিশেষের বিচারবোধ প্রশিক্ষণের উপাদান, শুধু চূড়ান্ত পর্যালোচনা নয়।
- **কী লক্ষ করবেন:** Snorkel বলেছে, উন্মুক্ত benchmark-এর জন্য অনুদান বাড়াবে। বাণিজ্যিক পরিবেশের ক্ষেত্রে মূল প্রশ্ন হলো, এর সরঞ্জাম, নিয়ম ও ব্যতিক্রম ক্রেতার বাস্তব কাজের সঙ্গে কতটা মেলে—কারণ simulation-এ সাফল্য মাপা হয় কাজটির ওই নির্মিত সংস্করণের ভিত্তিতে।

## অনুকরণভিত্তিক কোম্পানির পরিবেশে কী থাকে

স্থির ডেটাসেটে একটি প্রশ্নের সঙ্গে পছন্দের উত্তর জুড়ে দেওয়া যায়। পরিবেশে থাকে কাজ করার সুযোগ এবং তার পরিণতি। agent একটি সরঞ্জাম বেছে নিয়ে কী ঘটল তা দেখে, তারপর পরের পদক্ষেপ ঠিক করে। ডেটাবেস বদলাতে পারে, অনুকরণ করা ব্যবহারকারী অনুপস্থিত তথ্য দিতে পারে, আর নীতির কারণে বিষয়টি ঊর্ধ্বতন পর্যায়ে পাঠাতে হতে পারে।

[প্রতিষ্ঠানিক পরিবেশ নিয়ে Snorkel-এর আগস্টের বর্ণনায়](https://snorkel.ai/blog/enterprise-environments-ai-agents/) বলা হয়েছে, মূল্যায়নে উত্তর, সিস্টেমের পরবর্তী অবস্থা, অনুমতি, অনুমোদন এবং প্রমাণ সংগ্রহের প্রক্রিয়া যাচাই করা হয়। ফলে কাজ সম্পন্ন হয়েছে—এমন দাবি ব্যর্থ হতে পারে, যদি মূল নথির কোনো পরিবর্তনই না ঘটে।

বর্তমান [Enterprise Environments পণ্য পাতায়](https://snorkel.ai/data-series/enterprise-environments/) underwriting ও আর্থিক কার্যক্রমকে উপলভ্য পরিবেশ হিসেবে দেখানো হয়েছে; প্রতিটিতে হাজারো কাজ এবং অনুকরণ করা ব্যবহারকারী রয়েছে। এগুলো প্রশিক্ষণের জন্য তৈরি উপকরণ।

একই উপকরণ দুটি সম্পর্কিত কাজে লাগতে পারে। দল পুনরাবৃত্তিযোগ্য কাজের মাধ্যমে agent-কে মূল্যায়ন করতে পারে। একই সঙ্গে কাজ ও পুরস্কারের সংকেত reinforcement learning-এর চক্রে দেওয়া যায়, যাতে সফল আচরণ পরবর্তী পদক্ষেপকে প্রভাবিত করে।

## নিয়মও পণ্যের অংশ

Snorkel-এর বক্তব্য অনুযায়ী, বিশেষজ্ঞরা কর্মপ্রবাহ ও সাফল্যের মানদণ্ড নির্ধারণ করেন; প্রকৌশলীরা সরঞ্জাম ও ডেটা তৈরি করেন। যাচাইকারী কাজের মান নির্ধারণ করেন, আর oracle agent পরীক্ষা করে দেখে যে একটি বৈধ পথ আছে কি না।

কোম্পানির নিজস্ব নিয়ম agent-কে সাধারণ শিল্পজ্ঞান ধরে নেওয়ার বদলে পরিবেশটি পরীক্ষা করতে বলে।

পরিবেশ নির্মাতারা ঠিক করেন কোন ব্যতিক্রম গুরুত্বপূর্ণ, কাজ শেষ হওয়া বলতে কী বোঝায় এবং কোন বিকল্প পথ গ্রহণযোগ্য। ক্রেতা ও ক্ষেত্রবিশেষের বিশেষজ্ঞদের যাচাই করা দরকার, এই সিদ্ধান্তগুলো বাস্তব কাজের প্রতিফলন কি না।

## নিয়ন্ত্রিত পরীক্ষারও সীমা আছে

Snorkel-এর [২০২৫ সালের কারিগরি ব্যাখ্যা](https://snorkel.ai/blog/snorkeling-in-rl-environments/) অনুযায়ী, পরিবেশগুলোতে বাস্তবসম্মত সেবা ও schema ব্যবহার করা হয়; live system-এর বদলে থাকে synthetic বা পরিচয়মুক্ত করা ডেটা। এই নিয়ন্ত্রণে গ্রাহকের নথি স্পর্শ না করেই দল কাজ পুনরাবৃত্তি করতে, ডেটাবেসের পরিবর্তন পরিদর্শন করতে এবং নিষিদ্ধ পদক্ষেপ পরীক্ষা করতে পারে।

ফলাফল দেখায়, নির্ধারিত কর্মপ্রবাহে agent কেমন করেছে। Snorkel-এর পৃষ্ঠাগুলো কাজ তৈরির ও যাচাইয়ের পদ্ধতি ব্যাখ্যা করে; তবে এসব বাণিজ্যিক simulation-এর স্কোরকে বাস্তব underwriting বা আর্থিক কার্যক্রমের নির্ভরযোগ্যতার সঙ্গে যুক্ত করে—এমন স্বাধীন গবেষণা দেয় না। উৎপাদনে ব্যবহারের উপযোগিতা নির্ভর করবে simulation-এ বাস্তব সরঞ্জাম, ডেটা ও প্রান্তিক পরিস্থিতি কতটা নির্ভুলভাবে ধরা হয়েছে তার ওপর।

## তহবিলটি যে কাজে লাগবে

Snorkel-এর শুরু হয়েছিল লেবেলযুক্ত ডেটাসেট তৈরির ব্যবস্থা হিসেবে। নতুন প্রস্তাবে বিশেষজ্ঞ জ্ঞানকে পরিবেশ, মূল্যায়ন-ব্যবস্থা ও প্রশিক্ষণ-টাস্ক হিসেবে সাজানো হয়। এতে AI অবকাঠামোয় কাজটির একটি আলাদা সংস্করণ যোগ হয়—কাজের নির্মিত মডেল, যার নিয়ম বলে দেয় agent কাজটি ঠিকভাবে করেছে কি না।

ক্ষেত্রবিশেষের বিশেষজ্ঞদের জন্য কাজ নির্ধারণ ও যাচাই মডেল তৈরির কাছাকাছি চলে আসে। ক্রেতাদের জন্য স্পেসিফিকেশনের গুণমানও কেনাকাটার অংশ হয়ে দাঁড়ায়। Snorkel তাদের Open Benchmarks Grants কর্মসূচি সম্প্রসারণের ঘোষণা দিয়েছে; এতে পরিবেশ নির্মাণ ও স্কোরিং আরও বেশি খোলামেলাভাবে পরীক্ষা করা যেতে পারে। তবে অর্থায়নের ঘোষণায় পরবর্তী অনুদান বা তার শর্তের বিবরণ নেই।

## Sources

- [Snorkel AI: Data 2.0 এবং AI ডেটার গবেষণা-যুগ](https://snorkel.ai/blog/data-2-0-and-the-research-era-of-ai-data/) — CEO Alex Ratner ৩৫০ মিলিয়ন ডলারের Series E ও ৩.৫ বিলিয়ন ডলারের মূল্যায়ন ঘোষণা করেছেন এবং Open Benchmarks Grants কর্মসূচি বাড়ানোর কথা বলেছেন। model capability, পুনরাবৃত্ত স্ব-উন্নয়ন এবং বাজারের গতিপথ নিয়ে নিবন্ধে থাকা বিস্তৃত বক্তব্য কোম্পানির মতামত, স্বাধীন গবেষণার ফল নয়।
- [Snorkel AI: প্রতিষ্ঠানিক পরিবেশ এবং বাস্তব কর্মপ্রবাহে AI agent প্রশিক্ষণ](https://snorkel.ai/blog/enterprise-environments-ai-agents/) — অনুকরণভিত্তিক কোম্পানির উপাদান, বিশেষজ্ঞ ও প্রকৌশলীদের নির্মাণকাজ, oracle-path যাচাই, কোম্পানির নিজস্ব নিয়ম এবং উত্তর, অবস্থা, নিরাপত্তা ও প্রক্রিয়া ধরে মূল্যায়নের বিবরণ। বীমার উদাহরণটি প্রশিক্ষণ-উপকরণ, বাস্তবে ব্যবহৃত সেবার নথিভুক্ত প্রমাণ নয়।
- [Snorkel Data Series: Enterprise Environments](https://snorkel.ai/data-series/enterprise-environments/) — বর্তমান পণ্য পাতায় সম্পত্তি ও দুর্ঘটনা বীমার underwriting এবং আর্থিক কার্যক্রমের পরিবেশ উপলভ্য বলা হয়েছে; এতে হাজারো কাজ, ডেটাবেস, নীতিপত্র, ক্ষেত্রবিশেষের সরঞ্জাম ও অনুকরণ করা ব্যবহারকারী রয়েছে। পৃষ্ঠাটিতে নিবন্ধের জন্য যথেষ্ট পদ্ধতিগত বিবরণ নেই বলে কর্মদক্ষতা বা উৎপাদনে স্থানান্তরের দাবি এখানে করা হয়নি।
- [Snorkel AI: RL পরিবেশে কাজ](https://snorkel.ai/blog/snorkeling-in-rl-environments/) — পরিবেশের প্রেক্ষাপট, কাজ, অবস্থা ও মূল্যায়ন-সংকেত ব্যাখ্যা করে; অনুকরণভিত্তিক মূল্যায়নকে RL training environment থেকে আলাদা করে; এবং বাস্তবসম্মত সেবা ও schema, synthetic বা পরিচয়মুক্ত ডেটা, যাচাইকারী ও বিশেষজ্ঞ পর্যালোচনার বর্ণনা দেয়। এটি প্রকাশিত পদ্ধতির ভিত্তি, উৎপাদনে নির্ভরযোগ্যতার প্রমাণ নয়।