অটোটেস্ট অ্যাসিস্ট: অ্যাপ্লিকেশন প্রোগ্রামিং ইন্টারফেসের জন্য র্যান্ডম টেস্ট জেনারেশন

1. ভূমিকা

এপিআই ইকোনমি ডিজিটাল রূপান্তরের একটি মৌলিক ভিত্তি, যা হাইব্রিড ক্লাউড ও এজ পরিবেশ জুড়ে মাইক্রোসার্ভিসের সংমিশ্রণ সক্ষম করে। একটি বইয়ের দোকানের উদাহরণের মাধ্যমে যেমন দেখানো হয়েছে—যেখানে ইনভেন্টরি, শপিং কার্ট, ক্রেডিট বৈধতা যাচাই এবং শিপিং মাইক্রোসার্ভিস রয়েছে—সম্পূর্ণ ব্যবসায়িক অ্যাপ্লিকেশনের গুণমান তার উপাদান এপিআইগুলির নির্ভরযোগ্যতার উপর নির্ভরশীল। ঐতিহ্যগত নির্দেশিত টেস্টিং, যেখানে ম্যানুয়াল সিনারিও ডিজাইন ও প্যারামিটার নির্বাচন জড়িত, শ্রম-নিবিড় এবং এপিআই কল ক্রম ও প্যারামিটার মানের বিশাল সমন্বয়মূলক স্থান কভার করতে ব্যর্থ হয়। এই গবেষণাপত্রটি একটি সমাধান হিসেবে অটোটেস্ট অ্যাসিস্টকে উপস্থাপন করে, ঐতিহ্যগত টেস্টিং পদ্ধতিকে পরিপূরক ও উন্নত করতে র্যান্ডম টেস্ট জেনারেশনের পক্ষে মত দেয়।

2. র্যান্ডম টেস্ট জেনারেশন প্যারাডাইম

2.1 মূল প্রক্রিয়া

এই প্যারাডাইমে পুনরাবৃত্তিমূলকভাবে নিম্নলিখিত ধাপগুলি অন্তর্ভুক্ত: ১) নির্বাহের জন্য একটি এপিআই ফাংশন $f()$ এলোমেলোভাবে নির্বাচন করা। ২) $f()$ এর প্রিকন্ডিশন মেনে চলা, সিনট্যাক্টিক্যালি সঠিক এবং সেম্যান্টিক্যালি বৈধ ইনপুট প্যারামিটার $p_1, p_2, ..., p_k$ এলোমেলোভাবে তৈরি করা। ৩) $f()$ নির্বাহ করা এবং আউটপুট ও সিস্টেমের পার্শ্বপ্রতিক্রিয়া পর্যবেক্ষণ করা। এটি এপিআই ইন্টারঅ্যাকশনের একটি স্টোকাস্টিক ক্রম তৈরি করে, সিস্টেমের স্টেট স্পেস অন্বেষণ করে।

2.2 মূল চ্যালেঞ্জসমূহ

গবেষণাপত্রটি পাঁচটি গুরুত্বপূর্ণ চ্যালেঞ্জ চিহ্নিত করেছে: সফল এপিআই কলের জন্য প্রিকন্ডিশন সন্তুষ্টি নিশ্চিত করা; নির্বাহ পরবর্তী প্রত্যাশিত আচরণ নির্ধারণ; ব্যর্থতার ডিবাগিং সমর্থন; আবিষ্কৃত দরকারি টেস্টগুলিকে একটি নির্দেশিত রিগ্রেশন স্যুটে সংহত করা; এবং র্যান্ডম প্রক্রিয়ায় অর্জিত কভারেজ মূল্যায়ন করে সিস্টেম রিগ্রেশনের জন্য এর পর্যাপ্ততা যাচাই করা।

3. অটোটেস্ট অ্যাসিস্ট: পদ্ধতি ও আর্কিটেকচার

3.1 এপিআই স্পেসিফিকেশন পার্সিং

অটোটেস্ট অ্যাসিস্ট প্রথম দুটি চ্যালেঞ্জ মোকাবেলা করে ফর্মাল এপিআই স্পেসিফিকেশন (যেমন, ওপেনএপিআই/সোয়াগার) পার্সিংয়ের মাধ্যমে। এই স্পেসিফিকেশনটিতে স্পষ্ট বা অন্তর্নিহিতভাবে প্রিকন্ডিশন (প্রয়োজনীয় সিস্টেম অবস্থা ও ইনপুট সীমাবদ্ধতা) এবং পোস্টকন্ডিশন (প্রত্যাশিত ফলাফল ও অবস্থার পরিবর্তন) সংজ্ঞায়িত থাকতে হবে।

3.2 মডেল ডিডাকশন ও টেস্ট জেনারেশন

এই টুলটি স্পেসিফিকেশন থেকে একটি স্টেটফুল মডেল অনুমান করে। এই মডেলটি রিসোর্স নির্ভরতা বুঝতে পারে—উদাহরণস্বরূপ, একটি "বই কিনুন" এপিআই $g()$ এর জন্য পূর্ববর্তী "বই নিন" এপিআই $f()$ থেকে প্রাপ্ত একটি বৈধ বই রেফারেন্স প্রয়োজন। র্যান্ডম জেনারেটর এই মডেল ব্যবহার করে প্যারামিটার মান ও ক্রম তৈরি করে যা এই নির্ভরতাগুলি সম্মান করে, খাঁটি সিনট্যাক্স থেকে সেম্যান্টিক বৈধতার দিকে অগ্রসর হয়।

3.3 স্পেসিফিকেশন পিটফল প্রকাশ

একটি উল্লেখযোগ্য গৌণ সুবিধা হল যে, টেস্ট জেনারেশনের জন্য স্পেসিফিকেশন পার্স করার প্রক্রিয়াটি নিজেই এপিআই ডকুমেন্টেশনের অস্পষ্টতা, অসঙ্গতি বা অনুপস্থিত সীমাবদ্ধতা প্রকাশ করতে পারে—যেসব ত্রুটি অন্যথায় ইন্টিগ্রেশন ত্রুটি বা অপব্যবহারের দিকে নিয়ে যেতে পারে।

4. নির্দেশিত টেস্টিংয়ের সাথে সংহতকরণ

4.1 রিগ্রেশন স্যুট উন্নয়ন

যখন র্যান্ডম টেস্টিং একটি বাগ প্রকাশ করে, তখন সংশোধনটি রিগ্রেশন থেকে রক্ষা করতে হবে। অটোটেস্ট অ্যাসিস্ট প্রকাশকারী র্যান্ডম টেস্ট ক্রমটিকে (বা এর একটি সংক্ষিপ্ত সংস্করণ) একটি স্থিতিশীল, পুনরাবৃত্তিযোগ্য নির্দেশিত টেস্টে রূপান্তর করতে সমর্থন করে। এটি একটি গুণগত চক্র তৈরি করে যেখানে র্যান্ডম অন্বেষণ নির্ণায়ক নিরাপত্তা জালকে শক্তিশালী করে।

4.2 কভারেজ মূল্যায়ন

গবেষণাপত্রটি আস্থার মৌলিক প্রশ্ন উত্থাপন করে: শুধুমাত্র র্যান্ডম টেস্টিং কি একটি সিস্টেম রিগ্রেস করতে পারে? এর উত্তর নিহিত আছে কভারেজ মেট্রিক্সে (যেমন, কোড কভারেজ, এপিআই এন্ডপয়েন্ট কভারেজ, প্যারামিটার মান সমন্বয় কভারেজ)। যদিও র্যান্ডম টেস্টিং উচ্চ কভারেজ অর্জন করতে পারে, তবুও গুরুত্বপূর্ণ ব্যবসায়িক লজিক ও এজ কেসের জন্য একটি নির্দেশিত স্যুট অপরিহার্য থেকে যায়, যা একটি হাইব্রিড কৌশল তৈরি করে।

5. প্রযুক্তিগত বিবরণ ও গাণিতিক কাঠামো

মূল জেনারেশন সমস্যাটিকে সমস্ত সম্ভাব্য বৈধ নির্বাহ ট্রেসের স্থান থেকে নমুনা সংগ্রহ হিসেবে ফ্রেম করা যেতে পারে। ধরা যাক $S$ হল সিস্টেম অবস্থার সেট, $A$ হল এপিআই কলের সেট, এবং $P_a$ হল এপিআই $a \in A$ এর জন্য বৈধ প্যারামিটারের সেট। একটি বৈধ ট্রেস $T$ হল একটি ক্রম $\langle (a_1, \vec{p_1}), (a_2, \vec{p_2}), ... \rangle$ যাতে প্রতিটি ধাপ $i$ এর জন্য, প্রিকন্ডিশন $Pre(a_i, \vec{p_i})$ অবস্থা $S_{i-1}$ এ ধারণ করে, এবং নির্বাহ একটি নতুন অবস্থা $S_i = Post(a_i, \vec{p_i}, S_{i-1})$ উৎপন্ন করে। অটোটেস্ট অ্যাসিস্টের মডেল স্পেসিফিকেশন থেকে $Pre$ এবং $Post$ ফাংশনগুলিকে অনুমান করে র্যান্ডম নির্বাচনকে নির্দেশিত করতে, বৈচিত্র্যময়, বৈধ এবং স্টেট-স্পেস-অন্বেষণকারী ট্রেস জেনারেট করার সম্ভাবনা $P(T)$ সর্বাধিক করার লক্ষ্যে। কার্যকারিতা মেট্রিক $E$ কে সময় $t$ এর উপর কভারেজ $Cov(T)$ এবং ফল্ট ডিটেকশন রেট $FDR(T)$ এর একটি ফাংশন হিসেবে সংজ্ঞায়িত করা যেতে পারে: $E(t) = \int_0^t \alpha \cdot Cov(T(\tau)) + \beta \cdot FDR(T(\tau)) \, d\tau$, যেখানে $\alpha$ এবং $\beta$ হল ওজন।

6. পরীক্ষামূলক ফলাফল ও কার্যকারিতা

যদিও প্রদত্ত পিডিএফ উদ্ধৃতিতে নির্দিষ্ট পরিমাণগত ফলাফল অন্তর্ভুক্ত নেই, বর্ণিত পদ্ধতিটি পরিমাপযোগ্য ফলাফলের ইঙ্গিত দেয়। অটোটেস্ট অ্যাসিস্টের মতো একটি টুল মোতায়েনের প্রত্যাশিত ফলাফলের মধ্যে অন্তর্ভুক্ত থাকবে: চার্ট ১: সময়ের সাথে ফল্ট আবিষ্কার – একটি গ্রাফ যা দেখায় যে র্যান্ডম টেস্ট জেনারেশন (সম্ভবত $F_d(t) = k \cdot (1 - e^{-\lambda t})$ এর মতো একটি বক্ররেখা অনুসরণ করে) শুধুমাত্র নির্দেশিত টেস্টিংয়ের চেয়ে উচ্চতর প্রাথমিক হারে বাগ খুঁজে পায়, যদিও হার স্থিতিশীল হতে পারে। চার্ট ২: কভারেজ তুলনা – একটি বার চার্ট যা একটি নির্দেশিত টেস্ট স্যুট বনাম র্যান্ডম টেস্ট দ্বারা সংবর্ধিত নির্দেশিত স্যুট দ্বারা অর্জিত কোড কভারেজ, ব্রাঞ্চ কভারেজ এবং এপিআই প্যারামিটার সমন্বয় কভারেজ তুলনা করে, পরবর্তীটিতে বিশেষ করে প্যারামিটার স্পেসের জন্য উল্লেখযোগ্য লাভ দেখায়। চার্ট ৩: স্পেসিফিকেশন ত্রুটি আবিষ্কার – একটি টাইমলাইন যা মডেল ডিডাকশন পর্যায়ে এপিআই স্পেসিফিকেশনে পাওয়া অস্পষ্টতা বা ত্রুটির সংখ্যা দেখায়, একটি স্পেসিফিকেশন লিন্টার হিসেবে এর মূল্য তুলে ধরে।

7. বিশ্লেষণ কাঠামো: একটি নন-কোড উদাহরণ

দুটি এপিআই সহ একটি সরলীকৃত "ডকুমেন্ট ম্যানেজমেন্ট" মাইক্রোসার্ভিস বিবেচনা করুন: POST /documents (একটি ডকুমেন্ট তৈরি করে, একটি ডকুমেন্ট আইডি doc_id ফেরত দেয়) এবং GET /documents/{doc_id} (একটি ডকুমেন্ট পুনরুদ্ধার করে)। একটি নির্দেশিত টেস্ট স্পষ্টভাবে একটি ডক তৈরি করে এবং তারপর তা ফেচ করতে পারে। অটোটেস্ট অ্যাসিস্টের র্যান্ডম প্রক্রিয়া এই ক্রম তৈরি করতে পারে, কিন্তু অন্যান্যও তৈরি করতে পারে: একটি অস্তিত্বহীন doc_id GET করার চেষ্টা করা (ত্রুটি হ্যান্ডলিং টেস্টিং); অথবা CREATE, CREATE, GET (for ID#1), GET (for ID#2) এর একটি ক্রম তৈরি করা। এটি বিকৃত কিন্তু সিনট্যাক্টিক্যালি বৈধ doc_id স্ট্রিংও তৈরি করতে পারে (যেমন, বিশেষ অক্ষর সহ) নিরাপত্তা বা পার্সিং এজ অনুসন্ধানের জন্য। এই কাঠামোর মূল্য হল এই অপ্রত্যাশিত কিন্তু বৈধ ক্রমগুলিকে পদ্ধতিগতভাবে তৈরি করার মধ্যে, যা একজন মানব টেস্টার অনুমিত মডেলের ভিত্তিতে চিন্তা করতে পারে না, যে মডেলটি বলে একটি GET একটি পূর্ববর্তী POST এর উপর নির্ভরশীল।

8. ভবিষ্যতের প্রয়োগ ও গবেষণার দিকনির্দেশ

এপিআই র্যান্ডম টেস্টিংয়ের ভবিষ্যৎ বেশ কয়েকটি মূল ক্ষেত্রে নিহিত: ১. এআই-সংবর্ধিত জেনারেশন: লার্জ ল্যাঙ্গুয়েজ মডেল (এলএলএম) সংহত করা যেখানে ফর্মাল স্পেসিফিকেশন নেই সেখানে প্রাকৃতিক ভাষার এপিআই ডকুমেন্টেশন বুঝতে, বা আরও "বুদ্ধিমান" র্যান্ডম ইনপুট তৈরি করতে যা সীমানা মানের কাছাকাছি ক্লাস্টার করে। ২. মাইক্রোসার্ভিসের জন্য স্টেটফুল ফাজিং: শুধুমাত্র ক্রম তৈরি নয়, বরং নেটওয়ার্ক মেসেজ পরিবর্তন, বিলম্ব ইনজেকশন এবং আংশিক ব্যর্থতা (সার্কিট ব্রেকার) সিমুলেট করে স্থিতিস্থাপকতা পরীক্ষা করার জন্য ধারণাটি প্রসারিত করা, জেপসেনের মতো ডিস্ট্রিবিউটেড সিস্টেম ফাজিং টুলের অনুরূপ কিন্তু স্বয়ংক্রিয়। ৩. সিআই/সিডি পাইপলাইন সংহতকরণ: অটোটেস্ট অ্যাসিস্টের মতো টুলগুলিকে ডিপ্লয়মেন্ট পাইপলাইনে একটি স্ট্যান্ডার্ড গেট হিসেবে এম্বেড করা, স্টেজিং পরিবেশের অবিচ্ছিন্ন, স্বয়ংক্রিয় অন্বেষণ প্রদান করা। ৪. ক্রস-সার্ভিস নির্ভরতা মডেলিং: জটিল, মাল্টি-ভেন্ডর মাইক্রোসার্ভিস গ্রাফ হ্যান্ডেল করার জন্য মডেল ডিডাকশন স্কেল করা, ট্রেস বা সার্ভিস মেশ থেকে স্বয়ংক্রিয়ভাবে কোরিওগ্রাফি সীমাবদ্ধতা অনুমান করা। গবেষণার ফোকাস হওয়া উচিত স্টেট স্পেস অন্বেষণের দক্ষতা উন্নত করা এবং কোড কভারেজের বাইরে একটি র্যান্ডমলি জেনারেটেড টেস্ট ক্রমের "আকর্ষণীয়তা" মূল্যায়নের জন্য আরও ভাল মেট্রিক্স বিকাশ করা।

9. তথ্যসূত্র

1. Farchi, E., Prakash, K., & Sokhin, V. (2022). Random Test Generation of Application Programming Interfaces. arXiv preprint arXiv:2207.13143.
2. Claessen, K., & Hughes, J. (2000). QuickCheck: a lightweight tool for random testing of Haskell programs. ACM Sigplan Notices, 35(9), 268-279.
3. Martin-López, A., Segura, S., & Ruiz-Cortés, A. (2021). A survey on metamorphic testing. IEEE Transactions on Software Engineering, 48(1), 1-25.
4. OpenAPI Initiative. (2021). OpenAPI Specification v3.1.0. Retrieved from https://spec.openapis.org/oas/v3.1.0
5. Zhu, J. Y., Park, T., Isola, P., & Efros, A. A. (2017). Unpaired image-to-image translation using cycle-consistent adversarial networks. Proceedings of the IEEE international conference on computer vision (pp. 2223-2232). (একটি ভিন্ন ডোমেইনে স্বয়ংক্রিয়, সীমাবদ্ধতা-ভিত্তিক জেনারেশনের উদ্ভাবনী ব্যবহারের জন্য উদ্ধৃত)।
6. Kingsbury, B. (2019). Jepsen: Distributed Systems Safety Analysis. Retrieved from https://jepsen.io

10. মূল বিশ্লেষণ ও বিশেষজ্ঞ মন্তব্য

মূল অন্তর্দৃষ্টি: অটোটেস্ট অ্যাসিস্ট শুধু আরেকটি টেস্ট অটোমেশন টুল নয়; এটি নির্মাণ দ্বারা যাচাইকরণ (নির্দেশিত টেস্ট) থেকে অন্বেষণ দ্বারা বৈধকরণ এ একটি কৌশলগত পরিবর্তন। এপিআই ইকোনমির বিশৃঙ্খল, বিতরণকৃত বাস্তবতায়, আপনি প্রতিটি ব্যর্থতার মোড স্ক্রিপ্ট করতে পারবেন না—আপনাকে তাদের শিকার করতে হবে। এই গবেষণাপত্রটি সঠিকভাবে চিহ্নিত করে যে প্রকৃত বাধা টেস্ট নির্বাহ নয়, বরং টেস্ট ডিজাইন। জেনারেশনের জন্য একক সত্যের উৎস হিসেবে এপিআই স্পেস ব্যবহার করার অন্তর্দৃষ্টিটি শক্তিশালী, যা ডকুমেন্টেশনকে একটি নিষ্ক্রিয় আর্টিফ্যাক্ট থেকে একটি সক্রিয় ওরাকলে পরিণত করে।

যুক্তিসঙ্গত প্রবাহ ও শক্তি: পদ্ধতির যুক্তি সঠিক: স্পেস পার্স করুন, মডেল অনুমান করুন, সীমাবদ্ধ-র্যান্ডম ওয়াক তৈরি করুন। এর সর্বশ্রেষ্ঠ শক্তি হল "সমন্বয়মূলক বিস্ফোরণ" সমস্যাকে সরাসরি আক্রমণ করা। যেখানে একজন মানুষ কয়েকটি হ্যাপি ও স্যাড পাথ টেস্ট করতে পারে, এই পদ্ধতিটি হাজার হাজার অনন্য স্টেট ট্রানজিশন তৈরি করতে পারে, সিস্টেমের আচরণের গভীরে অনুসন্ধান করতে পারে। স্পেসিফিকেশন ত্রুটি প্রকাশের গৌণ সুবিধাটি একটি মাস্টারস্ট্রোক—এটি একটি টেস্টিং টুলকে ডিজাইনের গুণমান ফিডব্যাক লুপে পরিণত করে, ঠিক যেমন টাইপ চেকার কোডের গুণমান উন্নত করে। নির্দেশিত রিগ্রেশনের সাথে প্রস্তাবিত সংহতকরণটি ব্যবহারিক, "শুধুমাত্র র্যান্ডম" এর বিশুদ্ধবাদী ফাঁদ এড়িয়ে যায় এবং পরিবর্তে একটি মিথোজীবী সম্পর্কের পক্ষে মত দেয়।

ত্রুটি ও সমালোচনামূলক ফাঁক: যাইহোক, গবেষণাপত্রের দৃষ্টিভঙ্গিতে ফাঁক রয়েছে। প্রথমত, এটি একটি উচ্চ-গুণমান, মেশিন-পাঠযোগ্য স্পেসিফিকেশন এর অস্তিত্বের উপর ব্যাপকভাবে নির্ভর করে। বাস্তব বিশ্বে, যে কোনও ইঞ্জিনিয়ার যিনি অস্পষ্ট ওপেনএপিআই ডক্সের সাথে লড়াই করেছেন তিনি জানেন, এটি প্রায়শই ব্যতিক্রম, নিয়ম নয়। টুলের কার্যকারিতা ভেঙে পড়ে যদি স্পেসটি ভুল বা অসম্পূর্ণ হয়—এটি একটি ক্লাসিক "গার্বেজ ইন, গার্বেজ আউট" দৃশ্য। দ্বিতীয়ত, "ওরাকল সমস্যা" উপেক্ষা করা হয়েছে। একটি জটিল স্টেটফুল কলের জন্য একটি এপিআই "প্রত্যাশিতভাবে আচরণ করেছে" কিনা তা নির্ধারণ করা (চ্যালেঞ্জ #২) তুচ্ছ নয়। স্পেসটি রেসপন্স স্কিমা সংজ্ঞায়িত করতে পারে, কিন্তু সূক্ষ্ম ব্যবসায়িক লজিক নয়। একটি পরিশীলিত ওরাকল ছাড়া—সম্ভবত কুইকচেক বা মেটামরফিক রিলেশন থেকে প্রোপার্টি-ভিত্তিক টেস্টিং ধারণাগুলি কাজে লাগিয়ে—টুলটি কেবল শব্দ তৈরি করতে পারে। তৃতীয়ত, কভারেজ প্রশ্নটি অমীমাংসিত থেকে গেছে। র্যান্ডম টেস্টিংয়ের কভারেজ সম্ভাব্যতামূলক এবং অসম; সমালোচনামূলক কিন্তু কম-সম্ভাব্য কোড পাথ কখনও নির্বাহ নাও হতে পারে, যা নিরাপত্তার একটি মিথ্যা অনুভূতি তৈরি করে।

কার্যকরী অন্তর্দৃষ্টি ও ভবিষ্যতের দৃষ্টিভঙ্গি: অনুশীলনকারীদের জন্য, কার্যকরী অন্তর্দৃষ্টি হল এপিআই স্পেসিফিকেশনগুলিকে প্রথম শ্রেণীর, টেস্টযোগ্য আর্টিফ্যাক্ট হিসেবে বিবেচনা করা শুরু করা। তাদের গুণমান বিনিয়োগ করুন। গবেষকদের জন্য, সামনের পথ হল হাইব্রিড বুদ্ধিমত্তা। অটোটেস্ট অ্যাসিস্টের মডেল-ভিত্তিক পদ্ধতিকে এমএল কৌশলের সাথে একত্রিত করুন। উদাহরণস্বরূপ, ঐতিহাসিক বাগ ও টেস্ট ডেটা ব্যবহার করে র্যান্ডম জেনারেশনকে ফল্ট-প্রবণ এপিআই প্যাটার্ন বা প্যারামিটার সমন্বয়ের দিকে পক্ষপাতিত্ব করুন, ঠিক যেমন ফাজাররা কভারেজ ফিডব্যাক ব্যবহার করে। অবজারভেবিলিটি প্ল্যাটফর্মের সাথে সংহত করুন: রিয়েল-টাইম লগ ও মেট্রিক্স ব্যবহার করে র্যান্ডম টেস্টিংয়ের সময় অপ্রত্যাশিত সিস্টেম অবস্থা অনুমান করুন এবং জেনারেশনকে সেদিকে পরিচালিত করুন। চূড়ান্ত লক্ষ্য হওয়া উচিত একটি স্ব-নিরাময় টেস্ট স্যুট—যেখানে র্যান্ডম অন্বেষণ, নির্দেশিত টেস্ট এবং রানটাইম মনিটরিং একটি অবিচ্ছিন্ন ফিডব্যাক লুপ গঠন করে, ক্রমাগত বিবর্তনশীল মাইক্রোসার্ভিস মেশে স্বয়ংক্রিয়ভাবে রিগ্রেশন শনাক্ত করে এবং রক্ষা করে। এই গবেষণাপত্রটি একটি শক্ত ভিত্তি স্থাপন করে, কিন্তু একটি সত্যিকারের স্থিতিস্থাপক এপিআই-চালিত বিশ্ব গড়ে তুলতে র্যান্ডম ওয়াক থেকে বুদ্ধিমান, অভিযোজিত অন্বেষণের দিকে এগিয়ে যাওয়া প্রয়োজন।