MrBeast-এর প্রোডাকশন কোম্পানির একটি ফাঁস হওয়া অনবোর্ডিং ডকুমেন্ট ভাইরাল ইউটিউব অপারেশন পরিচালনার অন্তর্দৃষ্টি প্রকাশ করে, যা উচ্চ প্রোডাকশন কোয়ালিটি বা হাস্যরসের চেয়ে আকর্ষণীয় কন্টেন্ট তৈরির উপর জোর দেয়।
নথিটি কর্মচারীদের A, B, এবং C-খেলোয়াড়দের মধ্যে শ্রেণীবদ্ধ করে, ক্রমাগত শেখার মূল্যায়ন করে এবং উচ্চ দর্শক সম্পৃক্ততা বজায় রাখতে শিরোনাম এবং থাম্বনেইল দিয়ে শুরু করে ভিডিও তৈরির জন্য একটি কঠোর সূত্র নির্ধারণ করে।
মূল দিকগুলির মধ্যে রয়েছে চমকপ্রদ, ব্যয়বহুল বিষয়বস্তু, কার্যকর যোগাযোগ, ভিডিও ডকুমেন্টেশন, এবং কনসালট্যান্টদের কৌশলগত ব্যবহার, যা MrBeast-এর উচ্চাভিলাষী উদ্যোগের একটি অনন্য দৃষ্টিভঙ্গি প্রদান করে।
MrBeast-এর প্রোডাকশন কোম্পানি থেকে ফাঁস হওয়া একটি পিডিএফে উল্লেখ করা হয়েছে যে তাদের প্রধান লক্ষ্য হল সম্ভবপর সেরা ইউটিউব ভিডিও তৈরি করা, যেখানে তারা ক্লিক-থ্রু রেট এবং ওয়াচ টাইমের মতো মেট্রিক্সের উপর গুরুত্ব দেয়, প্রচলিত ভিডিও মানের পরিবর্তে।
আলোচনাটি বিভিন্ন শিল্পে একটি বৃহত্তর সমস্যার দিকে ইঙ্গিত করে যেখানে কোম্পানিগুলি দীর্ঘমেয়াদী মূল্য এবং গ্রাহক সন্তুষ্টির চেয়ে স্বল্পমেয়াদী লাভ এবং নির্দিষ্ট কেপিআই (মূল কর্মক্ষমতা সূচক) গুলিকে অগ্রাধিকার দেয়।
জেরক্স, ফোর্ড, এবং বোয়িং-এর মতো কোম্পানির উদাহরণগুলি দেখায় যে লাভ সর্বাধিককরণের উপর মনোযোগ কেন্দ্রীভূত করা কীভাবে অপ্টিমাল নয় এমনকি ক্ষতিকারক পণ্য তৈরি করতে পারে, যা এই ধারণার সাথে সঙ্গতিপূর্ণ যে অনেক সংস্থা তাদের মূল মিশন থেকে বিচ্যুত হয়।
দীর্ঘদিনের হ্যাকার নিউজ অবদানকারী ড্যানবিসি, যিনি ড্যান বেল কক্স নামেও পরিচিত, দীর্ঘস্থায়ী অসুস্থতার পর গত মাসে মারা গেছেন।
ড্যান বেল কক ্স গ্লুচেস্টারশায়ারে মানসিক স্বাস্থ্যে উল্লেখযোগ্য অবদান রেখেছেন এবং মানসিক স্বাস্থ্য ও সুস্থতা অংশীদারিত্ব বোর্ডের সহ-সভাপতি হিসেবে দায়িত্ব পালন করেছেন।
ড্যান বেল কক্সের উত্তরাধিকারকে সম্মান জানাতে প্রতি বছর সেরা সহ-উৎপাদন অনুশীলনের উদযাপন পরিকল্পনা করা হয়েছে।
ড্যানবিসি, একজন দীর্ঘদিনের হ্যাকার নিউজ (এইচএন) অবদানকারী, দীর্ঘস্থায়ী অসুস্থতার পর গত মাসে মারা গেছেন, যা এইচএন সম্প্রদায় এবং গ্লুচেস্টারশায়ারের মানসিক স্বাস্থ্য সম্প্রদায় উভয়ের উপর একটি গুরুত্বপূর্ণ প্রভাব ফেলেছে।
তার মানসিক স্বাস্থ্য এবং HN সম্প্রদায়ের প্রতি অবদানের স্মরণে তার সম্মানে একটি বার্ষিক উদযাপন পরিকল্পনা করা হয়েছে।
সম্প্রদায়ের সদস্যরা শোক প্রকাশ করেছেন এবং তার প্রভাবশালী অবদানের উপর চিন্তা করেছেন।
প্রযুক্তি শিল্প উল্লেখযোগ্য চ্যালেঞ্জের সম্মুখীন হচ্ছে, যার মধ্যে রয়েছে তহবিল হ্রাস এবং কৃত্রিম বুদ্ধিমত্তার বিঘ্ন, যা ইঞ্জিনিয়ারিং ম্যানেজারদের (EMs) কাছ থেকে একটি 'যুদ্ধকালীন' নেতৃত্বের শৈলী প্রয়োজন।
ইএমদের তিনটি মূল ক্ষেত্রে মনোযোগ দেওয়া উচিত: লক্ষ্য-সামঞ্জস্যপূর্ণ ডেলিভারি নিশ্চিত করা, দল গঠন ও নেতৃত্ব দেওয়া, এবং ব্যক্তিগত সাফল্যকে সমর্থন করা, যাতে অস্পষ্টতা ও চাপের মধ্যে দিয়ে এগিয়ে যাওয়া যায়।
নেতাদের জন্য আত্ম-যত্ন অত্যন্ত গুরুত্বপূর্ণ, যা সুস্থ অভ্যাস, সহকর্মীদের সমর্থন এবং চাপের মধ্যে দলকে কার্যকরভাবে নেতৃত্ব দেওয়ার জন্য একটি ভারসাম্যপূর্ণ দৃষ্টিভঙ্গি বজায় রাখার উপর জোর দেয়।
ব্লগ পোস্টটি একটি সংকটের সময় একটি দলকে নেতৃত্ব দেওয়ার বিষয়টিকে একটি "যুদ্ধকালীন" পরিস্থিতির সাথে তুলনা করে, যা জরুরি বোর্ড-স্তরের অগ্রাধিকারের দ্বারা চালিত হয় যা প্রায়শই শেষ মুহূর্তের, উচ্চ-চাপের কাজের ফলস্বরূপ হয়।
এটি মনোবল বাড়ানোর জন্য ইতিবাচক কাজের দিকগুলোর উপর মনোযোগ দেওয়ার পরামর্শ দেয়, কিন্তু মন্তব্যকারীরা যুক্তি দেন যে প্রকৃত সংকটের সময় স্পষ্ট, সিদ্ধান্তমূলক পদক্ষেপ প্রয়োজন এবং ক্রমাগত জরুরি অবস্থার মোড টেকসই নয়।
মন্তব্যকারীরা এছাড়াও সংকটের মূল কারণগুলি সমাধানের গুরুত্বের উপর জোর দেন বরং একটি উচ্চ-চাপের পরিবেশ বজায় রাখার পরিবর্তে।
‘নাথিং’ একটি অ্যাপ যা ব্যবহারকারীদের ক্রমাগত কাজ এবং বিজ্ঞপ্তি থেকে বিরতি নিতে উৎসাহিত করে, মননশীলতা এবং স্থিরতা প্রচার করে।
অ্যাপটি ব্যবহারকারীদের কিছু না করার সময় ট্র্যাক করে, কোনো লক্ষ্য বা পুরস্কার ছাড়াই বিরতি নেওয়ার এবং শ্বাস নেওয়ার জন্য একটি ডিজিটাল স্থান প্রদান করে।
মেজ দ্বারা তৈরি, অ্যাপটির কোড GitHub-এ উপলব্ধ, যা এর ওপেন-সোর্স প্রকৃতি এবং সম্প্রদায়-চালিত উন্নয়নের উপর জোর দেয়।
একটি ওয়েবসাইট যার নাম "Simply Do Nothing" (usenothing.com) উল্লেখযোগ্য মনোযোগ অর্জন করেছে, যা ব্যবহারকারীদের নির্দিষ্ট সময়ের জন্য সত্যিই কিছু না করার জন্য উৎসাহিত করছে।
এই ধারণাটি বিভিন্ন আলোচনার সূত্রপাত করেছে, হাঁটা এবং সাইক্লিংয়ের উপকারিতা থেকে শুরু ক রে অবসর এবং অলসতার উপর দার্শনিক এবং ঐতিহাসিক দৃষ্টিভঙ্গি পর্যন্ত।
এই সাইটটি তার বাস্তবায়ন নিয়ে প্রযুক্তিগত বিতর্কেরও জন্ম দিয়েছে, যেখানে কিছু ব্যবহারকারী সহজতর কোডিং সমাধান প্রস্তাব করেছেন এবং অন্যরা 'কিছু না করা' অভিজ্ঞতাকে অপ্টিমাইজ করার বিদ্রূপকে প্রশংসা করেছেন।
g1 একটি প্রাথমিক প্রোটোটাইপ যা Llama-3.1 70b ব্ যবহার করে বড় ভাষার মডেল (LLM) এর যুক্তি উন্নত করতে o1-এর মতো চেইনগুলির মাধ্যমে, সমস্ত যুক্তি টোকেন প্রদর্শন করে এবং একটি ওপেন-সোর্স মডেল ব্যবহার করে।
সিস্টেমটি স্ট্রবেরি সমস্যায় প্রায় ৭০% সঠিকতা অর্জন করে, যা Llama-3.1-70b (০%) এবং ChatGPT-4o (৩০%) কে উল্লেখযোগ্যভাবে ছাড়িয়ে যায়, প্রম্পট ছাড়াই, গতিশীল যুক্তি শৃঙ্খল তৈরি করে এবং ধাপে ধাপে যৌক্তিক সমস্যা সমাধান প্রদান করে।
প্রম্পট কৌশলটি LLM-কে নির্দেশ দেয় যুক্তি JSON ফরম্যাটে ব্যাখ্যা করতে, একাধিক যুক্তি ধাপের উপর জোর দিতে, বিকল্প উত্তরগুলি অন্বেষণ করতে এবং সমাধানগুলি পুনরায় পরীক্ষা করতে।
ল্লামা-৩.১ ৭০বি গ্রোক-এ ব্যবহার করা হচ্ছে o1-এর মতো যুক্তির শৃঙ্খল তৈরি করতে, যা এআই সম্প্রদায়ে উল্লেখযোগ্য আলোচনা উস্কে দিয়েছে।
সমালোচকরা যুক্তি দেন যে এই পদ্ধতিটি পুরানো এবং TreeOfThoughts-এর মতো অন্যান্য কৌশলের তুলনায় ততটা উন্নত নয়, যা আরও জটিল অনুসন্ধান অ্যালগরিদম অন্তর্ভুক্ত করে।
বিতর্কটি এআই-এর চলমান চ্যালেঞ্জগুলিকে তুলে ধরে, যেমন দীর্ঘ যুক্তি ক্রমগুলিকে সামঞ্জস্য করা এবং তাদের নিজস্ব সীমাবদ্ধতাগুলি বোঝার ক্ষেত্রে বর্তমান মডেলগুলির সীমাবদ্ধতা।
প্লেইন টেক্সট অ্যাকাউন্টিং (পিটিএ) হল একটি হিসাবরক্ষণ পদ্ধতি যা প্লেইন টেক্সট ফাইল এবং কমান্ড-লাইন সফটওয়্যার যেমন লেজার, এইচলেজার, বা বীনকাউন্ট ব্যবহার করে।
সাইটটি, সাইমন মাইকেল এবং অবদানকারীদের দ্বারা রক্ষণাবেক্ষিত, পিটিএ-এর জন্য সরঞ্জাম, ডকুমেন্টেশন এবং সম্প্রদায়ের অনুশীলনগুলি প্রদান করে।
সম্পদগুলির মধ্যে রয়েছে ফোরাম, টিউটোরিয়াল, সফটওয়্যার অ্যাপ্লিকেশন এবং পিটিএ-এর বিভিন্ন দিক সম্পর্কে বিস্তৃত ডকুমেন্টেশন।
লেজার-ক্লি-এর দীর্ঘমেয়াদী ব্যবহারকারীরা এর সাধারণ টেক্সট ফরম্যাটকে সহজ স্ক্রিপ্টিং, VIM-এ পড়া এবং ডেটা নিষ্কাশনের জন্য প্রশংসা করেন, যদিও কিছু ত্রুটি রয়েছে।
ব্যবহারকারীরা সাধারণ টেক্সটে সংযুক্তি সমর্থনের অভাব মোকাবেলার জন্য বিভিন্ন পদ্ধতি তৈরি করেছেন, যার মধ্যে লেনদেনের সাথে ফাইল সংযুক্ত করা এবং ডকুমেন্ট ব্যবস্থাপনার জন্য Fava এবং Beancount এর মতো টুল ব্যবহার করা অন্তর্ভুক্ত।
লেনদেন আমদানি এবং শ্রেণীবিভাজনের স্বয়ংক্রিয়করণ একটি সাধারণ প্রক্রিয়া, যেখানে কিছু ব্যবহারকারী স্ক্রিপ্ট, hledger এবং beancount এর মতো টুলস এবং এমনকি মেশিন লার্নিং মডেল ব্যবহার করে প্রক্রিয়াটি সহজতর করেন।