২০২৫-এ স্বাগতম!
সুজানের সাথে পরিচিত হন। আপনার বন্ধু, অ্যাসিস্ট্যান্ট, ম্যানেজার এবং আপনার রুটিনে যা কিছু দরকার। সে আপনার ইমেইল সংগঠিত রাখে, মিটিং শিডিউল করে। আপনার বেসিক হোম नीডস দেখে এবং যখন খাবারের স্টক খত্ম হতে वाला থাকে তখন রিপ্লেনিশ করে। সে আপনার সেরা বন্ধু হতে পারে যখন আপনি লো ফিল করছেন। সে চিত্র আঁকে এবং কবিতা লেখে যখন আপনি কয়েকটা আর্ট এবং লিটারেচারের জন্য আনউইন্ড করতে চান।
এটা অনেকটাই সämän্থার মতো যাকে স্কারলেট জোহানসন ভয়েস দিয়েছিলেন HER-এ। আপনি সম্ভবত সে সুন্দর মুভিটি মিস করেননি। নয়তো কমপক্ষে আপনি অবশ্যই এর সম্পর্কে শুনেছেন।
সুজান বা সämän্থা — সিম্পলি বললে — সিরি, কোর্টানা, গুগল অ্যাসিস্ট্যান্ট, বা গুগল ডিপমাইন্ডের আরও রিফাইনড এবং টেকনোলজিক্যাল ভার্সন।
টেক কোম্পানিগুলো — বড় এবং ছোট — সবাই AI কে প্রতিদিনের জীবনের অংশ बनाने ছুটছে। ডিজিটাল ওয়ার্ল্ড বাজওয়ার্ড দিয়ে ভরা পড়েছে যা রিলে-এ আসল মনে হত — আর্টিফিশিয়াল ইন্টেলিজেন্স, মেশিন লার্নিং, ডেটা ক্রাঞ্চিং, ডিপ লার্নিং, রিইনফোর্সমেন্ট লার্নিং। বড় বড় শব্দ যার রিল ওয়ার্ল্ডে অল্প বা কতটুকু অর্থ নেই, বেশি দিন আগে নয়।
চলুন আজকের তিনটি সবচেয়ে কমন টার্ম বুঝি: "আর্টিফিশিয়াল ইন্টেলিজেন্স", "মেশিন লার্নিং" এবং "ডিপ লার্নিং"।
পার্থক্য কী?
যেহেতু এই টার্মিনোলজিগুলোর জন্য কোনো স্ট্যান্ডার্ড ডেফিনিশন নেই, সেগুলো প্রায়শই লুজলি ইন্টারচেঞ্জেবল টার্ম হিসেবে ব্যবহার হয়। তাই সেগুলো আলাদা করা আরও কঠিন হয়ে যায়। আরও, এই টার্মগুলোর সাধারণভাবে বুঝা অর্থ সময়ের সাথে সাথে এভোলভ করেছে। ১৯৬০-এ AI যেটি বোঝাতো, সেটি আজ থেকে খুব আলাদা।
তাদের সম্পর্ক বুঝার সবচেয়ে সহজ উপায় হল সেগুলো কনসেনট্রিক সার্কেল হিসেবে ভিজ্যুয়ালাইজ করা।
- AI — আইডিয়া যেটি আগে এল এবং সবচেয়ে বড় সার্কেল
- মেশিন লার্নিং — যা পরে ফুলে উঠল মাঝের সার্কেল হিসেবে
- শেষে, ডিপ লার্নিং — যা আজকের AI বিস্ফোরণ চালাচ্ছে, সবচেয়ে ছোট এবং সবচেয়ে ভেতরের সার্কেল হিসেবে।
স্পার্ক থেকে লাইটেনিং
AI রিসার্চ ল্যাবের পথ প্রস্তুত করল ডার্টমাউথ কনফারেন্সে টার্ম কয়েন হওয়ার পর ১৯৫৬-এ। যদিও টেকনোলজি আমাদের কল্পনার সাথে কदम তালি মিলাতে দশক লাগল, আমরা এখন মনে হয় AI রিভোলিউশনের কাগরে আছি, অধিক ভেঞ্চার ক্যাপিটাল ইনভেস্টমেন্ট, অধিক বড় টেক কোম্পানিগুলো R&D-এ জড়িত, এবং আমাদের প্রতিদিনের জীবনে AI-এর অধিক ব্যবহার।
চলুন দেখি কিভাবে একটি AI স্পার্ক একটি AI লাইটেনিং-এ রূপান্তরিত হল।
আর্টিফিশিয়াল ইন্টেলিজেন্স: মানুষের বুদ্ধিমত্তা সহ মেশিন
আর্টিফিশিয়াল ইন্টেলিজেন্স কম্পিউটার সাইন্সের একটি শাখা যা বুদ্ধিমান মেশিন সৃষ্টির ওপর জোর দেয় যারা মানুষের মতো কাজ করে এবং রিয়াক্ট করে। এটি অধ্যয়নের একটি ফিল্ড যা কম্পিউটার তৈরি করার উপায় খুঁজে যা বুদ্ধিমান আচরণ করতে সক্ষম। একটি মেশিন 'বুদ্ধিমান' ধরা হয় যদি সে সেটা করতে পারে যা সাধারণত মানুষের বুদ্ধিমত্তার সাথে জড়িত।
আমরা এই মেশিনগুলো সিনেমায় দেখেছি ভালো দিকের तौर (স্টার ওয়ার্স সিরিজে C-3PO) বা খারাপ দিকের तौर (দ্য টার্মিনেটরে সাইবর্গ অ্যাসাসিন)।
আর্টিফিশিয়ালি ইন্টেলিজেন্ট হিসেবে যোগ্য হওয়ার জন্য, একটি মেশিন কিছু বেসিক জিনিস করতে পারা উচিত যেনঃ
- ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং (অর্থাৎ কোনো ভাষায় কষ্ট ছাড়া যোগাযোগ)
- অটোমেটেড রিজনিং (স্টোরড ইনফরমেশন ব্যবহার করে প্রশ্নের উত্তর দেয়া এবং নতুন নিষ্কর্ষ আঁকা)
- মেশিন লার্নিং (নতুন পরিস্থিতিতে অভিযোজিত হওয়া এবং প্যাটার্ন ডিটেক্ট করার ক্ষমতা)।
এটা সাধারণ জ্ঞান যে মানুষের বুদ্ধিমত্তার কিছু দিক AI দ্বারা প্রদর্শন করা যায়। এখন প্রশ্ন হল সেটি কোথা থেকে আসে। সেটাই হলো মেশিন লার্নিং।
মেশিন লার্নিং: মানুষের মস্তিষ্ক সহ মেশিন অর্জনের পথ
মেশিন লার্নিং একটি আর্টিফিশিয়াল ইন্টেলিজেন্স ডিসিপ্লিন যা মানব জ্ঞানের টেকনোলজিক্যাল ডেভেলপমেন্টের দিকে গিয়ে। এটি দিয়ে দিয়ে এলগরিদম ডেভেলপমেন্ট এক্সপ্লোর করে যা দেওয়া ডেটা থেকে শিখে। একটি এলগরিদম হল একটি টাস্ক সম্পন্ন করার ধাপের সিরিজ। মেশিন লার্নিং সরাসরি প্রথম AI গ্রুপের মস্তিষ্ক থেকে এসেছে, এবং এলগরিদমিক অ্যাপ্রোച്ചগুলো شامل ছিল ডিসিশন ট্রি লার্নিং, ক্লাস্টারিং, রিইনফোর্সমেন্ট লার্নিং, অ্যাসোসিয়েশন রুল লার্নিং এবং সমান।
এই এলগরিদমগুলো পachim অভিজ্ঞতা (অর্থাৎ দেওয়া ডেটা) থেকে শিখতে পারে এবং নিজেদের নতুন পরিস্থিতিতে অভিযোজিত হওয়া এবং নির্দিষ্ট টাস্ক পারফর্ম করতে শিখাতে পারে। মেশিন লার্নিং কম্পিউটারকে অ্যানালিসিস, সেলফ-ট্রেনিং, অবজারভেশন এবং অভিজ্ঞতার মাধ্যমে নতুন পরিস্থিতি হ্যান্ডল করতে সক্ষম করে।
মেশিন লার্নিং কম্পিউটিং-এর নিরಂತರ অগ্রগতি সুবিধা দিয়েছে নতুন সিনেরিও, টেস্টিং এবং অ্যাডাপটেশনের এক্সপোজারের মাধ্যমে, প্যাটার্ন এবং ট্রেন্ড ডিটেকশন নিয়োগ করে পরবর্তী (যদিও অনুলোম নয়) পরিস্থিতিতে উন্নত সিদ্ধান্তের জন্য।
যদিও এতগুলো এলগরিদম ছিল, কোনোটিই AI-এর চূড়ান্ত লক্ষ্য অর্জন করলো না। কম্পিউটার ভিশন এবং ইমেজ ডিটেকশন খুব gầnে വരা পর্যন্ত মানুষকে প্রতিদ্বন্দ্বিতা দিতে পারলো না। আগে, এটি খুব ব্রITLE এবং এরর-প্রোন ছিল।
সময়, এবং সঠিক লার্নিং এলগরিদম সকল পার্থক্য তৈরি করল।
ডিপ লার্নিং: মেশিনের মস্তিষ্ক প্রশিক্ষণের টেকনিক
প্রাথমিক মেশিন-লার্নিং দল থেকে একটি অন্য এলগরিদমিক অ্যাপ্রোচ। ডিপ লার্নিং মেশিন লার্নিং-এর একটি সাবফিল্ড যা কৃত্রিম নিউরাল নেটওয়ার্ক নামে মস্তিষ্কের স্ট্রাকচার এবং ফাংশন থেকে প্রেরণা নেওয়া এলগরিদম নিয়ে কাজ করে। এতে একটি নির্দিষ্ট ধরনের ম্যাথেমেটিক্যাল মডেল জড়িত যা একটি কম্পোজিশন হিসেবে চিন্তা করা যায় সিম্পল ব্লকগুলো একটি নির্দিষ্ট টাইপের, একটি মাল্টি-লেয়ার্ড স্ট্রাকচারে এবং যেখানে কিছু ব্লক অ্যাডজাস্ট করা যায় ফাইনাল আউটকাম ভালো প্রেডিক্ট করার জন্য।
"ডিপ" শব্দটি বোঝায় কম্পোজিশনে এই ব্লকগুলো অনেক স্ট্যাক করা আছে একে অপরের ওপর, এবং ট্রিকি বিট হল আউটপুট থেকে দূরে থাকা ব্লকগুলো কীভাবে অ্যাডজাস্ট করতে হয়, যেহেতু সেখানে একটা ছোট পরিবর্তন আউটপুটের ওপর খুব ইনডায়রেক্ট ইফেক্ট ফেলতে পারে।
ডিপ লার্নিং মানুষের মস্তিষ্কের ইনার লেয়ারগুলোর ফাংশন অনুকরণ করার চেষ্টা করে, এবং এর সফল অ্যাপ্লিকেশন পাওয়া যায় ইমেজ রিকগনিশন, ল্যাঙ্গুয়েজ ট্রান্সলেশন, বা ইমেইল সিকিউরিটিতে। ডিপ লার্নিং একাধিক লেয়ারের ইনফরমেশন প্রসেসিং থেকে নলেজ সৃষ্টি করে। ডিপ লার্নিং টেকনোলজি মানুষের মস্তিষ্কের পর ভিত্তি করে মডেল্ড, এবং প্রতিবার নতুন ডেটা ডালা হলে, এর ক্যাপাবিলিটি बेटার হয়।
ডিপ লার্নিং কীভাবে AI উন্নত করেছে?
ডিপ লার্নিং মেশিন লার্নিং-এর অনেক প্র্যাকটিক্যাল অ্যাপ্লিকেশন সক্ষম করেছে এবং এর মাধ্যমে পুরো AI ফিল্ড। ড্রাইভারলেস কার, প্রিভেন্টিভ হেলথকെയার, এমনকি बेटার মুভি রিকমেন্ডেশন — সবই আজ আছে বা হরাইজনে।
ডিপ লার্নিং চাবি পাজল পিস হতে পারে স্মার্টার, আরও মানব-সদৃশ AI সৃষ্টির দিকে নিয়ে যাওয়া। ডিপ লার্নিং AI-এর সব দিক উন্নত করতে পারে, ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং থেকে মেশিন ভিশন পর্যন্ত। এটাকে ভাবুন একটি बेटার ব্রেন যা কম্পিউটার কীভাবে শিখে সেটি উন্নত করবে। এটি সিরি বা গুগল নাউ এর মতো ভার্চুয়াল অ্যাসিস্ট্যান্টকে তাদের অপরিচিত রিকোয়েস্ট ডিল করার জন্য উন্নত করতে পারে। এটি ভিডিও প্রসেস করে এবং কন্টেন্ট সার্মারাইজ করে শর্ট ক্লিপ জেনারেট করতে পারে।
কäne জানে, হয়তো একদিন সবার নিজস্ব সämän্থার ভার্সন হবে!
