গবেষণায় Perplexity কীভাবে ব্যবহার করবেন, তারপর খসড়াকে মানবসম করতে হবে

আপনার কাছে একটি প্রশ্ন, একটি সময়সীমা, আর চল্লিশটি ট্যাব খোলা। আপনি প্রশ্নটি Perplexity-তে টাইপ করেন, আর কয়েক সেকেন্ডের মধ্যেই আপনি একটি পরিষ্কার উত্তরের অনুচ্ছেদ পেয়ে যান, প্রতিটি দাবির সাথে ছোট ছোট নম্বরযুক্ত উদ্ধৃতি ঝুলে থাকে। মনে হয়, আপনি এমনই সার্চ ইঞ্জিন খুঁজছিলেন। এই প্রথম গতি-ধাক্কাটাই ঠিক সেই কারণ, যার জন্য আজকাল বহু গবেষক লাইব্রেরির ডাটাবেসে হাত দেওয়ার আগেই গবেষণার জন্য Perplexity-র দিকে ঝুঁকছেন।

আর এটি কিছুটা বিশ্বাসও তৈরি করে। সাধারণ চ্যাটবটের মতো নয়, Perplexity-কে “উত্তর ইঞ্জিন” হিসেবে গড়া হয়েছে: প্রতিটি উত্তরে সরাসরি লাইভ ওয়েব সোর্সের [inline links] থাকে, ফলে আপনি দেখতে পারেন, কোন দাবিটি সম্ভাব্যভাবে কোথা থেকে এসেছে। নতুন কোনো বিষয় স্কোপ করতে, পরিচিত নন এমন ক্ষেত্রে নিজেকে অবস্থান করাতে, বা খসড়া লেখার সময় কোনো তথ্য যাচাই করতে, এগুলোতে এটি সত্যিই কার্যকর।

তবে ভরসা বোধ করা আর নিরাপদ থাকা, দুটি এক বিষয় নয়। উদ্ধৃতিগুলো কর্তৃত্বপূর্ণ দেখায়, আর এখানেই ফাঁদ। নিচে আমরা দেখাচ্ছি, এই টুলটি বাস্তবে কোথায় আপনার গবেষণায় সাহায্য করতে পারে, এটিকে কীভাবে ব্যবহার করবেন তা নির্ধারণ করবে এমন একটি সীমাবদ্ধতা, এবং আপনি যখন এর উত্তরগুলোকে নিজের ভাষায় রূপান্তর করতে শুরু করবেন তখন স্পষ্ট “শেষ ধাপ” কী।

গবেষণায় Perplexity আসলে কোথায় ফিট করে

Perplexity হলো একটি discovery tool; এটি কোনো একাডেমিক ডাটাবেস নয়, আবার এটি আপনার লেখা তৈরি করার ইঞ্জিনও নয়। গবেষণার শুরুর দিকে এটি ব্যবহার করুন, কোনো আনুষ্ঠানিক রিভিউতে যাওয়ার আগে কোনো প্রশ্নটি বোঝার চেষ্টা করার সময়।

এর মোডগুলো বিভিন্ন কাজের সাথে মানানসই। সাধারণ Sonar নির্দিষ্ট একটি প্রশ্নের দ্রুত উদ্ধৃতিসহ (cited) উত্তর দেয়। Sonar Pro এবং Sonar Reasoning Pro বহু ধাপের (multi-step) কুয়েরিতে আরও গভীরে যায়। Sonar Deep Research হলো এজেন্টিক মোড: বিক্রেতা বর্ণনা করে, এটি একশোরও বেশি সার্চ চালিয়ে প্রায় দুই থেকে পাঁচ মিনিটের মধ্যে একটি গঠিত, উদ্ধৃতিসহ রিপোর্ট ফেরত দেয়, বিতর্কের দ্রুত সার্ভে করার জন্য এটি কাজে লাগে, বাস্তব গবেষণাপত্র পড়ার আগেই।

পেইড Pro এবং Max প্ল্যানে Perplexity-ও মডেল-অ্যাগনস্টিক। একটি সুইচারের মাধ্যমে অন্তর্নিহিত ইঞ্জিনকে Claude, GPT, বা Gemini-এর মতো frontier model-এ রাউট করা যায়। এই নমনীয়তা ভালো, কিন্তু নির্দিষ্ট কোনো উত্তর কোন সুনির্দিষ্ট রাউটিং ও ভার্সনের পেছনে তৈরি হয়েছে, তা সবসময় স্বচ্ছ থাকে না, যা পরে আপনার পদ্ধতি (method) নথিভুক্ত করার সময় গুরুত্বপূর্ণ হয়ে ওঠে।

ফ্রি টিয়ারটি বেশির ভাগের তুলনায় বেশি ব্যবহারযোগ্য। এর খরচ নেই, Sonar-এ অসীম বেসিক উদ্ধৃতিসহ সার্চ করতে দেয়, এবং Deep Research-এর পুরো সুবিধা বা মডেল সুইচার ছাড়াই আরও গভীর Pro সার্চকে দিনে প্রায় পাঁচটিতে সীমিত রাখে। Pro প্রতি মাসে প্রায় $20, আর যাচাইকৃত শিক্ষার্থীরা SheerID-এর মাধ্যমে প্রায় $10/মাসে Education Pro পেতে পারেন। বেশির ভাগ ব্যক্তি-ব্যবহারকারীর জন্য ফ্রি বা স্টুডেন্ট টিয়ারটি discovery কাজের জন্য যথেষ্ট। এই ধাপটি দ্রুত করার বিষয়ে যদি আপনি আরও বিস্তৃত দৃষ্টিভঙ্গি চান, আমাদের গাইডটি দেখুন: speed up your literature review with AI।

খোঁচাটা হলো: cited মানেই correct নয়

এই টুলটি কীভাবে ব্যবহার করবেন, তার কেন্দ্রে থাকা উচিত এই সীমাবদ্ধতাটি। উদ্ধৃতিভিত্তিক (citation-grounded) মানে উদ্ধৃতিতে নিরাপদ (citation-safe) নয়। Perplexity যে রেফারেন্স লিংক করে তা সত্যি কোনো পেজ হতে পারে, কিন্তু ওই পেজটির সাথে যে নির্দিষ্ট দাবিটিকে জোড়া হয়েছে, তা আসলে সেখানে নাও থাকতে পারে।

এই ব্যর্থতাকে misattribution বলা হয়, এবং এটি সরাসরি জাল রেফারেন্সের চেয়ে আরও গোপনে ঘটে। একটি fabricated DOI ধরা সহজ, কারণ সেটি কোথাও পৌঁছায় না। কিন্তু misattribution এমন জায়গায় পৌঁছে যেটি বাস্তব, ঠিক এখানেই আপনার সতর্কতা কমে যায়। আপনি একটি কাজ করা লিংক দেখেন, ধরে নেন বাক্যটি সমর্থিত, তারপর এগিয়ে যান।

স্বাধীন পরীক্ষায় ইঙ্গিত পাওয়া যায় যে সাধারণ চ্যাটবটের তুলনায় Perplexity তুলনামূলক কম ঘন ঘন রেফারেন্স হ্যালুসিনেট করে, তবে হার শূন্য নয়। এর scholarly কভারেজও Google Scholar বা PubMed-এর তুলনায় সংকীর্ণ, ফলে এটি চুপিসারে সেই পেওয়ালড (paywalled) ও নিস (niche) লিটারেচারও বাদ দিতে পারে, যা আপনার রিভিউয়ারদের জানা দরকার বলে প্রত্যাশা থাকবে। প্রতিটি উত্তরকে অনুসরণ করার মতো একটি lead হিসেবে ধরুন, কখনোই কপি-পেস্ট করার মতো citation হিসেবে নয়।

নিচের টেবিলটি দেখায়, আমরা কীভাবে প্রতিটি মোডকে নির্দিষ্ট কাজের সাথে মিলিয়ে ভাবি, এবং হাতে-কলমে আরও কী যাচাই করতে হবে।

ব্যবহারিক নিয়মটি সহজ। Perplexity ব্যবহার করে পেপার খুঁজুন, তারপর Google Scholar থেকে আসল পেপারগুলো বের করে সেগুলো cite করুন। সোর্সটি পড়ুন, নিশ্চিত করুন, উত্তরে যে কথাটা দাবি করা হয়েছে সেটাই সেখানে বলা আছে, এবং আসল লেখক, বছর ও DOI নিজে রেকর্ড করুন। পরে যদি এমন কোনো citation-heavy rewrite দরকার হয় যেখানে সেই রেফারেন্সগুলো টিকে থাকতে হবে, আমাদের নোটটি দেখুন: a humanizer that preserves your citations, কেন finishing tool-টিও drafting-এর মতোই গুরুত্বপূর্ণ।

যাচাইকৃত সোর্স থেকে এমন একটি খসড়া, যা এখনও AI-এর মতো শোনায় না

ধরি আপনি ঠিকভাবে করেছেন। আপনি প্রতিটি সোর্স যাচাই করেছেন, আসল পেপার টেনেছেন, এবং আপনি যে তথ্য পেয়েছেন তা একত্র করে একটি ব্যাকগ্রাউন্ড সেকশন খসড়া করেছেন। তথ্যগুলো মজবুত। কিন্তু গদ্য এখনও এমনভাবে পড়ে, যেন কোনো মেশিন লিখেছে।

এটা আপনার পড়ায় কোনো ত্রুটি নয়। এটা AI-সহায়ক লেখার “টেক্সচার”। answer-engine আউটপুট সাধারণত সমান/একধাঁচের (even), একরকম ছন্দের (uniform) বাক্যের দিকে ঝোঁকে, ছন্দের ভ্যারিয়েশন কম থাকে। detectors এমন ফ্ল্যাট ক্যাডেন্সই ধরতে টিউন করা। Turnitin আগস্ট 2025-এ dedicated AI bypasser detection যোগ করেছে, যা তার writing indicator-এর উপর স্তর হিসেবে যুক্ত। ফলে একধাঁচের লেখা এবং বেখাপ্পা paraphrase, দুটিই দৃষ্টি আকর্ষণ করে।

এর উপর আরেকটি fairness সমস্যা আছে, এবং সেটি বিশেষভাবে আঘাত করে non-native English লেখকদের। Liang ও সহকর্মীদের 2023 সালের Patterns-এ প্রকাশিত একটি গবেষণায় দেখা গেছে, সাতটি detector প্রায় 61 শতাংশ non-native TOEFL প্রবন্ধকে AI-generated হিসেবে ফ্ল্যাগ করেছে, যেখানে native লেখকদের ক্ষেত্রে এটি ছিল প্রায় 5 শতাংশ, কারণ তুলনামূলকভাবে সহজ, বেশি পূর্বানুমানযোগ্য শব্দভান্ডার মেশিনের মতো শোনে। ইংরেজি যদি আপনার দ্বিতীয় ভাষা হয়, তাহলে আপনি এমন গদ্যের জন্যও ফ্ল্যাগ পেতে পারেন, যা আপনি নিজেই লিখেছেন, তার আগে কোনো AI ছুঁতেও না।

নিজের খসড়াকে মানবসম করুন, তারপর প্রকাশ করুন

শেষ ধাপ হলো আপনার যাচাইকৃত খসড়াটি একটি academic humanizer-এর মাধ্যমে চালানো, যেটি স্কলারশিপের জন্য তৈরি, কোনো generic word-spinner-এর জন্য নয়। লক্ষ্য কাউকে ধোঁকা দেওয়া নয়। লক্ষ্য হলো আপনার বৈধভাবে AI-সহায়ক লেখা অংশটির মধ্যে ফিরিয়ে আনা burstsiness, রেজিস্টার এবং একজন প্রকৃত লেখকের কণ্ঠস্বর (voice), যেখানে আপনার অর্থ, সংখ্যা, এবং রেফারেন্সগুলো ঠিক সেই জায়গাতেই থাকবে যেখানে তাদের থাকা উচিত।

আমরা আমাদের humanizer-কে Turnitin, GPTZero, Copyleaks, ZeroGPT এবং Originality.ai-এর বিরুদ্ধে পরীক্ষা করেছি, এবং Turnitin-এ প্রায় 92 শতাংশ পর্যন্ত, Originality.ai-এ প্রায় 89 শতাংশ পর্যন্ত, এবং GPTZero-এ প্রায় 88 শতাংশ পর্যন্ত ফল দেখেছি, সঙ্গে ব্যাকরণগত নির্ভুলতা 96 শতাংশেরও বেশি। এগুলো শক্তিশালী সংখ্যা, কিন্তু এগুলো কোনো প্রতিশ্রুতি নয়। detectors ক্রমাগত আপডেট হয়, এবং কোনো টুলের ক্ষেত্রেই পাস করার নিশ্চয়তা নেই। যাই হোক, 0 শতাংশ স্কোর তাড়া করা, ভুল লক্ষ্য।

সঠিক লক্ষ্য হলো প্রকৃত স্কলারশিপ, আর এর মানে disclosure (প্রকাশ করা)। Elsevier, অক্টোবর 2025-এর হালনাগাদ নীতিমালায় লেখার প্রক্রিয়ায় generative AI ব্যবহারের একটি ঘোষণাকে বাধ্যতামূলক করেছে, যা রেফারেন্সের উপরে স্থাপন করতে হবে, সেই টুলের নাম ও কারণ উল্লেখ করতে হবে, এবং লেখকের পুরো দায় থাকবে। Springer Nature চায় LLM ব্যবহার methods-এর মধ্যে বা সমতুল্য কোনো সেকশনে নথিভুক্ত হোক। COPE স্পষ্ট করে যে AI একজন author হতে পারে না এবং সব AI ব্যবহার অবশ্যই প্রকাশ করতে হবে। রুটিন grammar ও spell checking ঘোষণা করার দরকার নেই, কিন্তু আপনার আর্গুমেন্ট গড়তে একটি answer engine ব্যবহার করা দরকার পড়ে। কীভাবে disclose AI assistance in your paper করবেন, সেই বিষয়ে আমাদের গাইডে আপনি ঠিক শব্দচয়ন পাবেন।

আরেকটি কারণ সহজভাবে disclosure করা। কারণ Perplexity আপনার উত্তরগুলোর পেছনের underlying model বদলাতে পারে, তাই একই কুয়েরি বিভিন্ন দিনে ভিন্নভাবে রাউট হতে পারে, যা নিঃশব্দে reproducibility ক্ষতিগ্রস্ত করে। আপনি কী ব্যবহার করেছেন এবং কখন করেছেন, এ বিষয়ে নির্দিষ্ট হওয়া কেবল নীতিমালা-সম্মতিই নয়। এটি ভালো পদ্ধতি (method)।

আপনার literature review যদি grounded, source-anchored উত্তরগুলোর উপর দাঁড়ানো হয়, তবে টুলগুলোর তুলনা করা মূল্যবান। আমাদের সহগামী অংশ using Gemini for a grounded literature review একই ধরনের সাবধানী, উদ্ধৃতিসহ প্রথম ধাপের জন্য আরেকটি পথ কভার করে।

ঘন ঘন জিজ্ঞাসিত প্রশ্ন

প্রশ্ন: গবেষণার জন্য Perplexity কি ভালো?

হ্যাঁ, discovery এবং orientation-এর জন্য। যখন আপনি কোনো বিষয় স্কোপ করতে বা খসড়ার মাঝখানে কোনো তথ্য যাচাই করতে দ্রুত উদ্ধৃতিসহ উত্তর চান, তখন Perplexity ব্যবহার গবেষণায় ভালো কাজ করে। এটি Google Scholar বা PubMed-এর বিকল্প নয়, এবং আপনার চূড়ান্ত citations তৈরির উৎসও হওয়া উচিত নয়।

প্রশ্ন: প্রবন্ধের জন্য Perplexity-এর উদ্ধৃতিগুলো কি নির্ভরযোগ্য?

চেক না করে cite করার মতো নির্ভরযোগ্য নয়। Perplexity বাস্তব পেজের লিংকে নিয়ে যায়, কিন্তু সে যে দাবিটিকে কোনো সোর্সের সাথে যুক্ত করে, তা আসলে সেখানে নাও থাকতে পারে; এটি এক ধরনের misattribution, যা সহজেই চোখ এড়িয়ে যায়। প্রতিটি লিংক খুলুন, দাবিটি নিশ্চিত করুন, এবং প্রাথমিক সোর্স থেকেই লেখক, বছর ও DOI নিজে রেকর্ড করুন।

প্রশ্ন: আমি কি আমার থিসিসে Perplexity cite করতে পারি?

মূল পেপারগুলো cite করুন, answer engine নয়। Perplexity হলো এমন একটি টুল, যা আপনাকে সোর্সের দিকে নির্দেশ করে; তাই আপনার bibliography-তে শুধু সেই verified primary literature-ই থাকা উচিত, যেগুলো আপনি সত্যিই পড়েছেন। আপনার প্রতিষ্ঠান যদি তা চায়, তবে আপনার methods বা একটি AI-use statement-এ উল্লেখ করুন যে গবেষণার সহায়তা হিসেবে আপনি Perplexity ব্যবহার করেছেন।

প্রশ্ন: Perplexity-সহায়ক খসড়া কি আমাকে humanize করতেও হবে এবং disclose করতে হবে?

আপনি যদি লেখাটি গড়তে এটিকে সাহায্য হিসেবে ব্যবহার করে থাকেন, তবে Elsevier, Springer, বা COPE-এর নির্দেশনা অনুযায়ী তা disclose করুন। নিজের যাচাইকৃত খসড়াকে humanize করা মূলত আপনার প্রাকৃতিক কণ্ঠস্বর ফিরিয়ে আনা এবং false flags কমানো, বিশেষ করে non-native লেখকদের জন্য, এর উদ্দেশ্য; আপনি আগে থেকেই যে সহায়তা ঘোষণা করে ফেলেছেন, সেটি লুকানোর বিষয় নয়।

উদ্ধৃতি-নিরাপদ একাডেমিক Humanizer

আপনার AI-সহায়তাপ্রাপ্ত খসড়াকে হিউম্যানাইজ করুন, এবং আপনার নিজের ভঙ্গিতে প্রতিটি রেফারেন্স, পরিসংখ্যান, ও প্রযুক্তিগত শব্দ সংরক্ষণ করুন