কৃত্রিম বুদ্ধিমত্তা: কিভাবে এবং কোথায় অধ্যয়ন - বিশেষজ্ঞদের উত্তর।
কৃত্রিম বুদ্ধিমত্তা: কিভাবে এবং কোথায় অধ্যয়ন - বিশেষজ্ঞদের উত্তর
“আমি এআই করতে চাই। অধ্যয়ন মূল্য কি? কোন ভাষা ব্যবহার করতে হবে? কোন প্রতিষ্ঠানে পড়াশোনা ও কাজ করবেন?
আমরা স্পষ্টীকরণের জন্য আমাদের বিশেষজ্ঞদের কাছে ফিরে এসেছি এবং আমরা যে উত্তরগুলি পেয়েছি তা আপনার মনোযোগের জন্য উপস্থাপন করি।
এটি আপনার প্রাথমিক প্রশিক্ষণের উপর নির্ভর করে। প্রথমত, আপনার একটি গাণিতিক সংস্কৃতি (পরিসংখ্যানের জ্ঞান, সম্ভাব্যতা তত্ত্ব, পৃথক গণিত, রৈখিক বীজগণিত, বিশ্লেষণ ইত্যাদি) এবং দ্রুত অনেক কিছু শেখার ইচ্ছা প্রয়োজন। এআই পদ্ধতি বাস্তবায়নের জন্য প্রোগ্রামিং (অ্যালগরিদম, ডেটা স্ট্রাকচার, ওওপি, ইত্যাদি) প্রয়োজন হবে।
বিভিন্ন প্রকল্পের জন্য বিভিন্ন প্রোগ্রামিং ভাষার জ্ঞান প্রয়োজন। আমি অন্তত পাইথন, জাভা এবং যেকোনো কার্যকরী ভাষা জানার সুপারিশ করব। বিভিন্ন ডাটাবেস এবং বিতরণ সিস্টেমের সাথে অভিজ্ঞতা দরকারী হবে। শিল্পের সেরা অনুশীলনগুলি দ্রুত শিখতে ইংরেজিতে দক্ষতা প্রয়োজন।
আমি ভাল রাশিয়ান বিশ্ববিদ্যালয়ে অধ্যয়ন সুপারিশ! উদাহরণস্বরূপ, মস্কো ইনস্টিটিউট অফ ফিজিক্স অ্যান্ড টেকনোলজি, মস্কো স্টেট ইউনিভার্সিটি, হায়ার স্কুল অফ ইকোনমিক্সের সংশ্লিষ্ট বিভাগ রয়েছে। Coursera, edX, Udacity, Udemy এবং অন্যান্য MOOC প্ল্যাটফর্মে বিভিন্ন ধরনের থিমযুক্ত কোর্স পাওয়া যায়। কিছু নেতৃস্থানীয় প্রতিষ্ঠানের AI ক্ষেত্রে তাদের নিজস্ব প্রশিক্ষণ প্রোগ্রাম রয়েছে (উদাহরণস্বরূপ, Yandex-এ স্কুল অফ ডেটা অ্যানালাইসিস)।
AI পদ্ধতির মাধ্যমে সমাধানকৃত ফলিত সমস্যা বিভিন্ন জায়গায় পাওয়া যাবে। ব্যাঙ্ক, আর্থিক খাত, পরামর্শ, খুচরা, ই-কমার্স, সার্চ ইঞ্জিন, মেল পরিষেবা, গেমিং শিল্প, নিরাপত্তা সিস্টেম শিল্প এবং অবশ্যই, অ্যাভিটো - সকলেরই বিভিন্ন যোগ্যতার বিশেষজ্ঞ প্রয়োজন৷
আপগ্রেড ডাউনগ্রেড
আমাদের মেশিন লার্নিং এবং কম্পিউটার ভিশন সম্পর্কিত একটি ফিনটেক প্রজেক্ট আছে, যার প্রথম ডেভেলপার C++ তে সবকিছু লিখেছিলেন, তারপর একজন ডেভেলপার এসেছেন যিনি পাইথনে সবকিছু আবার লেখেন। সুতরাং ভাষা এখানে সবচেয়ে গুরুত্বপূর্ণ বিষয় নয়, যেহেতু ভাষাটি সর্বপ্রথম একটি হাতিয়ার, এবং আপনি কীভাবে এটি ব্যবহার করেন তা আপনার উপর নির্ভর করে। এটি ঠিক যে কিছু ভাষায় সমস্যাগুলি সমাধান করা দ্রুত, অন্যগুলিতে এটি ধীর।
কোথায় অধ্যয়ন করবেন তা বলা কঠিন - আমাদের সমস্ত ছেলেরা নিজেরাই পড়াশোনা করেছে, যেহেতু ইন্টারনেট এবং গুগল রয়েছে।
আপগ্রেড ডাউনগ্রেড
আমি প্রথম থেকেই পরামর্শ দিতে পারি যে আপনাকে অনেক পড়াশোনা করতে হবে এই সত্যের জন্য নিজেকে প্রস্তুত করার জন্য। "এআই করা" দ্বারা যা বোঝানো হয় তা নির্বিশেষে - বড় ডেটা বা নিউরাল নেটওয়ার্কগুলির সাথে কাজ করা; প্রযুক্তির বিকাশ বা একটি নির্দিষ্ট ইতিমধ্যে উন্নত সিস্টেমের সমর্থন এবং প্রশিক্ষণ।
বিশেষত্বের জন্য ডেটা সায়েন্টিস্টের ট্রেন্ডি পেশাটি নেওয়া যাক। এই ব্যক্তি কি করছেন? সাধারণভাবে, এটি ব্যবহারের জন্য বড় ডেটা সংগ্রহ, বিশ্লেষণ এবং প্রস্তুত করে। ঠিক যেগুলির উপর AI বৃদ্ধি পায় এবং ট্রেন করে। একজন ডেটা সায়েন্টিস্টের কী জানা উচিত এবং করতে সক্ষম হওয়া উচিত? স্ট্যাটিক বিশ্লেষণ এবং গাণিতিক মডেলিং - ডিফল্টরূপে, এবং সাবলীল স্তরে। ভাষা - বলুন, আর, এসএএস, পাইথন। এটি কিছু উন্নয়ন অভিজ্ঞতা আছে ভাল হবে. ভাল, সাধারণভাবে বলতে গেলে, একজন ভাল ডেটা বিজ্ঞানীর ডাটাবেস, অ্যালগরিদম এবং ডেটা ভিজ্যুয়ালাইজেশনে আত্মবিশ্বাসী হওয়া উচিত।
বলার অপেক্ষা রাখে না যে দেশের প্রতিটি দ্বিতীয় কারিগরি বিশ্ববিদ্যালয়ে এমন জ্ঞানের সেট পাওয়া যেত। বড় কোম্পানি যারা AI এর বিকাশকে অগ্রাধিকার দেয় তারা এটি বুঝতে পারে এবং নিজেদের জন্য উপযুক্ত প্রশিক্ষণ প্রোগ্রাম তৈরি করে - উদাহরণস্বরূপ, ইয়ানডেক্সের স্কুল অফ ডেটা অ্যানালাইসিস রয়েছে। তবে আপনার সচেতন হওয়া উচিত যে এটি সেই স্কেল নয় যেখানে আপনি "রাস্তা থেকে" কোর্সে আসেন, তবে তাদের তৈরি জুনিয়র হিসাবে ছেড়ে দিন। স্তরটি বড়, এবং যখন বেস (গণিত, পরিসংখ্যান) ইতিমধ্যেই ঢেকে রাখা হয়, অন্তত বিশ্ববিদ্যালয়ের প্রোগ্রামের কাঠামোর মধ্যে শৃঙ্খলায় অধ্যয়ন করতে যাওয়া বোধগম্য।
হ্যাঁ, সময় লাগবে। তবে গেমটি মোমবাতির মূল্যবান, কারণ একজন ভাল ডেটা সায়েন্টিস্ট খুব প্রতিশ্রুতিশীল। এবং খুব ব্যয়বহুল। এছাড়াও আরেকটি বিষয় আছে। কৃত্রিম বুদ্ধিমত্তা, একদিকে, এখন আর কেবল প্রচারের বস্তু নয়, কিন্তু একটি প্রযুক্তি যা উৎপাদনশীলতার একটি স্তরে পৌঁছেছে। অন্যদিকে, AI এখনও বিকাশ করছে। এই বিকাশের জন্য প্রচুর সংস্থান, প্রচুর দক্ষতা এবং প্রচুর অর্থের প্রয়োজন। এখন পর্যন্ত, এটি বড় লিগের স্তর। আমি এখন স্পষ্ট বলতে যাচ্ছি, কিন্তু আপনি যদি আক্রমণের অগ্রভাগে থাকতে চান এবং নিজের হাতে অগ্রগতি চালাতে চান, তাহলে Facebook বা Amazon-এর মতো একটি কোম্পানির দিকে লক্ষ্য রাখুন।
একই সময়ে, প্রযুক্তিটি ইতিমধ্যে বেশ কয়েকটি ক্ষেত্রে ব্যবহার করা হচ্ছে: ব্যাঙ্কিং সেক্টরে, টেলিকম, বিশাল শিল্প প্রতিষ্ঠানে এবং খুচরা ক্ষেত্রে। এবং ইতিমধ্যে এটি সমর্থন করতে পারে এমন লোকদের প্রয়োজন। গার্টনার ভবিষ্যদ্বাণী করেছেন যে 2020 সালের মধ্যে, উন্নত দেশগুলির সমস্ত উদ্যোগের 20% এই সংস্থাগুলিতে ব্যবহৃত নিউরাল নেটওয়ার্কগুলিকে প্রশিক্ষণের জন্য বিশেষ কর্মচারী নিয়োগ করবে৷ তাই নিজে নিজে শিখতে এখনও কিছু সময় আছে।
আপগ্রেড ডাউনগ্রেড
এআই এখন সক্রিয়ভাবে বিকাশ করছে, এবং দশ বছর আগে ভবিষ্যদ্বাণী করা কঠিন। নিউরাল নেটওয়ার্ক এবং GPU-ভিত্তিক কম্পিউটিং ভিত্তিক পদ্ধতিগুলি আগামী দুই থেকে তিন বছরের জন্য প্রাধান্য পাবে। জুপিটার ইন্টারেক্টিভ এনভায়রনমেন্ট এবং নম্পি, স্কিপি, টেনসরফ্লো লাইব্রেরি সহ পাইথন এই এলাকার নেতা।
অনেক অনলাইন কোর্স আছে যেগুলি এই প্রযুক্তিগুলি এবং AI-এর সাধারণ নীতিগুলির একটি প্রাথমিক ধারণা প্রদান করে, যেমন Andrew Ng-এর কোর্স। এবং রাশিয়ায় এখন এই বিষয়টি শেখানোর ক্ষেত্রে, স্ব-অধ্যয়ন বা স্থানীয় স্বার্থের গোষ্ঠীতে সবচেয়ে কার্যকর (উদাহরণস্বরূপ, মস্কোতে, আমি জানি যে অন্তত কয়েকটি গোষ্ঠী রয়েছে যেখানে লোকেরা তাদের অভিজ্ঞতা এবং জ্ঞান ভাগ করে নেয়)।
আপগ্রেড ডাউনগ্রেড
আপগ্রেড ডাউনগ্রেড
আজ অবধি, কৃত্রিম বুদ্ধিমত্তার সবচেয়ে দ্রুত অগ্রসরমান অংশ হল, সম্ভবত, নিউরাল নেটওয়ার্ক।
নিউরাল নেটওয়ার্ক এবং AI এর অধ্যয়ন গণিতের দুটি বিভাগের বিকাশের সাথে শুরু হওয়া উচিত - রৈখিক বীজগণিত এবং সম্ভাব্যতা তত্ত্ব। এটি একটি বাধ্যতামূলক ন্যূনতম, কৃত্রিম বুদ্ধিমত্তার অটল স্তম্ভ। যে সমস্ত আবেদনকারীরা AI এর মূল বিষয়গুলি শিখতে চান, আমার মতে, একটি বিশ্ববিদ্যালয় বেছে নেওয়ার সময়, একটি শক্তিশালী গাণিতিক স্কুল সহ অনুষদের দিকে মনোযোগ দেওয়া উচিত।
পরবর্তী ধাপ হল সমস্যাটির সমস্যা অধ্যয়ন করা। শিক্ষাগত এবং বিশেষ উভয় ধরনের সাহিত্যের একটি বিশাল পরিমাণ আছে। কৃত্রিম বুদ্ধিমত্তা এবং নিউরাল নেটওয়ার্কের বিষয়ে বেশিরভাগ প্রকাশনা ইংরেজিতে লেখা হয়, তবে রাশিয়ান ভাষার উপকরণও প্রকাশিত হয়। দরকারী সাহিত্য পাওয়া যাবে, উদাহরণস্বরূপ, পাবলিক ডিজিটাল লাইব্রেরি arxiv.org-এ।
যদি আমরা কার্যকলাপের ক্ষেত্রগুলি সম্পর্কে কথা বলি, এখানে আমরা প্রয়োগকৃত নিউরাল নেটওয়ার্কগুলির প্রশিক্ষণ এবং নিউরাল নেটওয়ার্কগুলির সম্পূর্ণ নতুন রূপগুলির বিকাশকে আলাদা করতে পারি। একটি আকর্ষণীয় উদাহরণ: এখন এমন একটি খুব জনপ্রিয় বিশেষত্ব রয়েছে - "ডেটা সায়েন্টিস্ট" (ডেটা সায়েন্টিস্ট)। এগুলি হল বিকাশকারী যারা, একটি নিয়ম হিসাবে, নির্দিষ্ট, প্রয়োগকৃত এলাকায় নিউরাল নেটওয়ার্ক প্রশিক্ষণের জন্য নির্দিষ্ট ডেটা সেটের অধ্যয়ন এবং প্রস্তুতিতে নিযুক্ত রয়েছে। সংক্ষেপে, আমি জোর দিতে চাই যে প্রতিটি বিশেষীকরণের জন্য একটি পৃথক প্রশিক্ষণের পথ প্রয়োজন।
আপগ্রেড ডাউনগ্রেড
সংকীর্ণ-প্রোফাইল কোর্স শুরু করার আগে, আপনাকে লিনিয়ার বীজগণিত এবং পরিসংখ্যান অধ্যয়ন করতে হবে। আমি আপনাকে পাঠ্যপুস্তক "মেশিন লার্নিং" দিয়ে AI-তে ডাইভিং শুরু করার পরামর্শ দেব। ডেটা থেকে জ্ঞান আহরণ করে এমন অ্যালগরিদম তৈরির বিজ্ঞান এবং শিল্প নতুনদের জন্য একটি ভাল গাইড। Coursera-এ, আপনার কে. ভোরনটসভের পরিচায়ক বক্তৃতা শোনা উচিত (আমি জোর দিচ্ছি যে তাদের রৈখিক বীজগণিত সম্পর্কে ভাল জ্ঞান প্রয়োজন) এবং স্ট্যানফোর্ড ইউনিভার্সিটির মেশিন লার্নিং কোর্স, যা Baidu AI গ্রুপের অধ্যাপক এবং প্রধান অ্যান্ড্রু এনজি শেখান। /গুগল ব্রেইন।
বাল্কটি পাইথনে লেখা হয়, তারপরে R, Lua।
যদি আমরা শিক্ষা প্রতিষ্ঠানের কথা বলি, তাহলে ফলিত গণিত এবং কম্পিউটার বিজ্ঞান বিভাগে কোর্সে ভর্তি করা ভাল, উপযুক্ত শিক্ষামূলক প্রোগ্রাম রয়েছে। আপনার ক্ষমতা পরীক্ষা করার জন্য, আপনি Kaggle প্রতিযোগিতায় অংশ নিতে পারেন, যেখানে প্রধান বিশ্ব ব্র্যান্ডগুলি তাদের কেস অফার করে।
আপগ্রেড ডাউনগ্রেড
যে কোনও ক্ষেত্রে, প্রকল্পগুলি শুরু করার আগে, একটি তাত্ত্বিক ভিত্তি পেতে ভাল হবে। এমন অনেক জায়গা রয়েছে যেখানে আপনি এই ক্ষেত্রে আনুষ্ঠানিক স্নাতকোত্তর ডিগ্রি পেতে পারেন, বা আপনার দক্ষতা উন্নত করতে পারেন। উদাহরণ স্বরূপ, Skoltech কম্পিউটেশনাল সায়েন্স অ্যান্ড ইঞ্জিনিয়ারিং এবং ডেটা সায়েন্সে মাস্টার্স প্রোগ্রাম অফার করে, যার মধ্যে মেশিন লার্নিং এবং ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এর কোর্স রয়েছে। আমরা ন্যাশনাল রিসার্চ নিউক্লিয়ার ইউনিভার্সিটি MEPhI-এর ইনস্টিটিউট অফ ইন্টেলিজেন্ট সাইবারনেটিক সিস্টেমস, মস্কো স্টেট ইউনিভার্সিটির কম্পিউটেশনাল ম্যাথমেটিক্স অ্যান্ড সাইবারনেটিক্স অনুষদ এবং মস্কো ইনস্টিটিউট অফ ফিজিক্স অ্যান্ড টেকনোলজির বুদ্ধিমান সিস্টেম বিভাগের কথাও উল্লেখ করতে পারি।
যদি আনুষ্ঠানিক শিক্ষা ইতিমধ্যেই চালু থাকে, তাহলে বিভিন্ন MOOC প্ল্যাটফর্মে অনেকগুলি কোর্স রয়েছে৷ উদাহরণস্বরূপ, EDx.org মাইক্রোসফ্ট এবং কলাম্বিয়া ইউনিভার্সিটি থেকে কৃত্রিম বুদ্ধিমত্তার কোর্স অফার করে, যার পরবর্তীটি একটি সামান্য খরচে একটি মাইক্রো-মাস্টার প্রোগ্রাম অফার করে। আমি জোর দিয়ে বলতে চাই যে সাধারণত আপনি বিনামূল্যে জ্ঞান পেতে পারেন, অর্থপ্রদান শুধুমাত্র একটি শংসাপত্রের জন্য যদি এটি আপনার জীবনবৃত্তান্তের জন্য প্রয়োজন হয়।
আপনি যদি বিষয়টির মধ্যে "গভীরভাবে ডুব দিতে" চান, তবে মস্কোর বেশ কয়েকটি সংস্থা ব্যবহারিক অনুশীলনের সাথে সপ্তাহব্যাপী নিবিড় অফার করে এবং এমনকি পরীক্ষার জন্য সরঞ্জামও অফার করে (উদাহরণস্বরূপ, newprolab.com), তবে, এই ধরনের কোর্সের মূল্য কয়েক হাজার হাজার রুবেল থেকে।
কৃত্রিম বুদ্ধিমত্তা বিকাশকারী সংস্থাগুলির মধ্যে, আপনি সম্ভবত Yandex এবং Sberbank জানেন তবে বিভিন্ন আকারের আরও অনেকগুলি রয়েছে। উদাহরণস্বরূপ, এই সপ্তাহে প্রতিরক্ষা মন্ত্রক আনাপাতে ইআরএ মিলিটারি ইনোভেশন টেকনোপলিস খুলেছে, যার একটি বিষয় সামরিক প্রয়োজনের জন্য এআই-এর বিকাশ।
আপগ্রেড ডাউনগ্রেড
কৃত্রিম বুদ্ধিমত্তা অধ্যয়ন করার আগে, একটি মৌলিক প্রশ্নের সমাধান করা প্রয়োজন: লাল বড়ি না নীল একটি নিন।
লাল বড়ি হল একজন বিকাশকারী হয়ে ওঠা এবং পরিসংখ্যানগত পদ্ধতি, অ্যালগরিদম এবং অজানা ধ্রুবক বোঝার নিষ্ঠুর জগতে ডুবে যাওয়া। অন্যদিকে, অবিলম্বে "খরগোশের গর্তে" তাড়াহুড়ো করার দরকার নেই: আপনি একজন ম্যানেজার হতে পারেন এবং এআই তৈরি করতে পারেন, উদাহরণস্বরূপ, একটি প্রকল্প পরিচালক হিসাবে। এই দুটি মৌলিকভাবে ভিন্ন পথ.
প্রথমটি দুর্দান্ত যদি আপনি ইতিমধ্যে সিদ্ধান্ত নিয়ে থাকেন যে আপনি কৃত্রিম বুদ্ধিমত্তার অ্যালগরিদম লিখবেন। তাহলে আপনাকে আজকের সবচেয়ে জনপ্রিয় দিক দিয়ে শুরু করতে হবে - মেশিন লার্নিং। এটি করার জন্য, আপনাকে ক্লাসিফিকেশন, ক্লাস্টারিং এবং রিগ্রেশনের ক্লাসিক্যাল পরিসংখ্যান পদ্ধতিগুলি জানতে হবে। এটি একটি সমাধানের গুণমান, তাদের বৈশিষ্ট্যগুলি ... এবং পথে আসা সমস্ত কিছু মূল্যায়নের জন্য প্রধান ব্যবস্থাগুলির সাথে পরিচিত হতেও কার্যকর হবে।
শুধুমাত্র বেস আয়ত্ত করা হয় পরে, এটা আরো বিশেষ পদ্ধতি অধ্যয়ন মূল্য: সিদ্ধান্ত গাছ এবং তাদের ensembles। এই পর্যায়ে, আপনাকে মডেল তৈরি এবং প্রশিক্ষণের প্রাথমিক উপায়গুলির মধ্যে গভীরভাবে ডুব দিতে হবে - সেগুলি ব্যাগিং, বুস্টিং, স্ট্যাকিং বা ব্লেন্ডিং শব্দের আড়ালে লুকিয়ে আছে।
মডেলগুলির পুনঃপ্রশিক্ষণ নিয়ন্ত্রণের পদ্ধতিগুলি জানাও মূল্যবান (আরেকটি "ing" ওভারফিটিং)।
এবং, অবশেষে, খুব জেডি স্তর - অত্যন্ত বিশেষ জ্ঞান অর্জন। উদাহরণস্বরূপ, গভীর শিক্ষার জন্য গ্রেডিয়েন্ট ডিসেন্টের মৌলিক আর্কিটেকচার এবং অ্যালগরিদমগুলি আয়ত্ত করতে হবে। আপনি যদি প্রাকৃতিক ভাষা প্রক্রিয়াকরণের কাজগুলিতে আগ্রহী হন তবে আমি পুনরাবৃত্তিমূলক নিউরাল নেটওয়ার্কগুলি অধ্যয়ন করার পরামর্শ দিই। এবং ছবি এবং ভিডিও প্রক্রিয়াকরণের জন্য অ্যালগরিদমের ভবিষ্যত নির্মাতাদের কনভোলিউশনাল নিউরাল নেটওয়ার্কের গভীরে যেতে হবে।
উল্লেখিত শেষ দুটি কাঠামো হল আজকের জনপ্রিয় আর্কিটেকচারের বিল্ডিং ব্লক: প্রতিপক্ষ নেটওয়ার্ক (GAN), রিলেশনাল নেটওয়ার্ক, সম্মিলিত নেটওয়ার্ক। অতএব, আপনি কম্পিউটারকে দেখতে বা শুনতে শেখানোর পরিকল্পনা না করলেও তাদের অধ্যয়ন করা দরকারী হবে।
AI সম্পর্কে শেখার জন্য একটি খুব ভিন্ন পদ্ধতি - ওরফে "নীল বড়ি" - নিজেকে খুঁজে পাওয়ার মাধ্যমে শুরু হয়। কৃত্রিম বুদ্ধিমত্তা একগুচ্ছ কাজ এবং সম্পূর্ণ পেশার জন্ম দেয়: এআই প্রকল্প পরিচালক থেকে ডেটা ইঞ্জিনিয়ার যারা ডেটা প্রস্তুত করতে, পরিষ্কার করতে এবং মাপযোগ্য, উচ্চ-লোড এবং ত্রুটি-সহনশীল সিস্টেম তৈরি করতে সক্ষম।
সুতরাং, একটি "ব্যবস্থাপনামূলক" পদ্ধতির সাথে, আপনাকে প্রথমে আপনার ক্ষমতা এবং পটভূমি মূল্যায়ন করা উচিত এবং শুধুমাত্র তারপর কোথায় এবং কী অধ্যয়ন করবেন তা চয়ন করুন। উদাহরণস্বরূপ, এমনকি একটি গাণিতিক মানসিকতা ছাড়া, আপনি স্মার্ট অ্যালগরিদমের জন্য AI ইন্টারফেস এবং ভিজ্যুয়ালাইজেশন ডিজাইন করতে পারেন। তবে প্রস্তুত হন: 5 বছরের মধ্যে, কৃত্রিম বুদ্ধিমত্তা আপনাকে ট্রল করতে শুরু করবে এবং আপনাকে "মানবতাবাদী" বলে ডাকবে।
প্রধান ML পদ্ধতিগুলি বিভিন্ন ভাষায় সংযোগের জন্য উপলব্ধ রেডিমেড লাইব্রেরি হিসাবে প্রয়োগ করা হয়। বর্তমানে ML-এর সবচেয়ে জনপ্রিয় ভাষাগুলি হল: C++, Python এবং R।
রাশিয়ান এবং ইংরেজি উভয় ভাষাতেই অনেক কোর্স রয়েছে, যেমন Yandex School of Data Analysis, SkillFactory এবং OTUS কোর্স। কিন্তু বিশেষ প্রশিক্ষণে সময় এবং অর্থ বিনিয়োগ করার আগে, আমি মনে করি এটি "বিষয়ে প্রবেশ করা" মূল্যবান: বিগত বছরগুলিতে DataFest সম্মেলন থেকে YouTube-এ উন্মুক্ত বক্তৃতাগুলি দেখুন, Coursera এবং Habrahabra থেকে বিনামূল্যে কোর্স করুন৷
কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রে নতুন উন্নয়নের খবর ঈর্ষণীয় ফ্রিকোয়েন্সি সহ প্রদর্শিত হয়। তাই এই বছরের জানুয়ারিতে, Google মেশিন লার্নিং ক্ষমতা সহ মোবাইল প্রসেসর তৈরি করতে Movidius-এর সাথে অংশীদারিত্ব করার পরিকল্পনা ঘোষণা করেছে। অংশীদারিত্বের উল্লিখিত লক্ষ্যগুলি হল লোকেদের তাদের হ্যান্ডহেল্ড ডিভাইসগুলিতে মেশিন বুদ্ধিমত্তার ক্ষমতা প্রদান করা। এবং ফেব্রুয়ারিতে, এমআইটি ইঞ্জিনিয়াররা ইতিমধ্যেই আইরিস প্রসেসর চালু করেছে, যার জন্য ধন্যবাদ কৃত্রিম বুদ্ধিমত্তা বহনযোগ্য ডিভাইসগুলিতে উপস্থিত হতে পারে। এবং এটি এই সত্যের পটভূমির বিরুদ্ধে যে কৃত্রিম বুদ্ধিমত্তা ব্যবস্থার বিকাশে বিনিয়োগের পরিমাণ প্রতি বছর বাড়ছে।
সবকিছুই পরামর্শ দেয় যে শীঘ্রই কৃত্রিম বুদ্ধিমত্তা আমাদের স্মার্টফোনগুলিতে প্রবেশ করবে, যা গুরুতরভাবে "স্মার্ট হয়ে উঠবে"। যন্ত্রের অভ্যুত্থান তো দূরের কথা? মানুষের উপর ক্ষমতা নেওয়ার জন্য মেশিনগুলি কতটা স্মার্ট হওয়া দরকার। এবং এটা কতটা বাস্তব।
এআই ওয়ান, এআই টু, এআই থ্রি
আমরা যখন কৃত্রিম বুদ্ধিমত্তা সম্পর্কে পড়ি বা শুনি, তখন আমরা অনেকেই স্কাইনেট এবং বিখ্যাত টার্মিনেটর মুভির মেশিনগুলি কল্পনা করি। গবেষক এবং বিকাশকারীরা এই ধারণাটিতে কী বিনিয়োগ করেন?
তিন ধরনের AI আছে যা আমাদের তৈরি করতে হবে বা হতে পারে:
সংকীর্ণভাবে ফোকাস করা কৃত্রিম বুদ্ধিমত্তা। এটিই আমরা শীঘ্রই আমাদের নতুন স্মার্টফোনগুলিতে পাব। এই ধরনের বুদ্ধিমত্তা নির্দিষ্ট কিছু কার্যকলাপ বা অপারেশনে মানুষের চেয়ে উচ্চতর। অত্যন্ত বিশেষায়িত কৃত্রিম বুদ্ধিমত্তা সহ একটি কম্পিউটার বিশ্ব দাবা চ্যাম্পিয়নকে পরাজিত করতে, একটি গাড়ি পার্ক করতে বা একটি সার্চ ইঞ্জিনে সবচেয়ে প্রাসঙ্গিক ফলাফল নিতে সক্ষম।
এই ধরনের কৃত্রিম বুদ্ধিমত্তার শক্তি প্রসেসরের গণনাগত ক্ষমতার মধ্যে নিহিত। এই সুযোগগুলি যত বেশি, তত কার্যকরভাবে কাজগুলি সমাধান করা হয়। এবং এখন প্রসেসর শক্তি বৃদ্ধি সঙ্গে কোন সমস্যা আছে. সংকীর্ণ এআই, কৃত্রিম বুদ্ধিমত্তার দর্শনে (একটি আছে) দুর্বল বলা হয়।
কিন্তু বিজ্ঞানীদের মতে, শুধুমাত্র গণনাগত ক্ষমতাই সত্যিকারের স্মার্ট মেশিন তৈরির জন্য যথেষ্ট নয়। যদিও এটি ছিল একটি দুর্বল কৃত্রিম বুদ্ধিমত্তা থেকে একটি শক্তিশালী রূপান্তরের স্বতঃস্ফূর্ত রূপান্তরের একটি কাল্পনিক ঘটনা যা টার্মিনেটর চলচ্চিত্রের স্ক্রিপ্টের ভিত্তি তৈরি করেছিল। SkyNet, মার্কিন প্রতিরক্ষা বিভাগের সুপার কম্পিউটার ক্ষেপণাস্ত্র প্রতিরক্ষা ব্যবস্থা নিয়ন্ত্রণ করার জন্য ডিজাইন করা হয়েছে, চেতনা অর্জন করে এবং নিজের সিদ্ধান্ত নিতে শুরু করে।
সাধারণ কৃত্রিম বুদ্ধিমত্তা। যদি আমরা ইতিমধ্যে সংকীর্ণভাবে ফোকাসড এআই সহ সিস্টেম তৈরি করে থাকি এবং তাদের জন্য ব্যবহারিক অ্যাপ্লিকেশন খুঁজে পাই, তাহলে জেনারেল এআই-এর সাথে সবকিছুই অনেক বেশি জটিল। এই ধরনের AI ইতিমধ্যেই মানব-স্তরের বুদ্ধিমত্তা। এটি বহুমুখী এবং মানুষের মস্তিষ্কের মতো একই বুদ্ধিবৃত্তিক ক্রিয়াকলাপ সম্পাদন করতে সক্ষম।
আমাদের জীবদ্দশায় যদি আমরা সম্পূর্ণ মানবিক রোবট দেখি, তবে তাদের ঠিক এই ধরণের বুদ্ধি থাকবে। ক্রিস কলম্বাস মুভি বাইসেনটেনিয়াল ম্যান থেকে অ্যান্ড্রয়েড অ্যান্ড্রু সম্পর্কে চিন্তা করুন। এই ধরনের AI সহ রোবটগুলি স্বাধীনভাবে শিখতে, চিন্তা করতে এবং মানুষের মতো সিদ্ধান্ত নিতে সক্ষম হবে। তারা তাদের আশেপাশের মানুষের সাথে সম্পর্ক গড়ে তুলতে, বন্ধু এবং সাহায্যকারী হতে সক্ষম হবে। এই কৃত্রিম বুদ্ধিমত্তাকেই শক্তিশালী বলা হয়।
তবে শক্তিশালী এবং দুর্বল কৃত্রিম বুদ্ধিমত্তার মধ্যে একটি ব্যবধান রয়েছে। একটি থেকে অন্যটিতে যেতে, কম্পিউটারের কম্পিউটিং শক্তি বাড়ানো যথেষ্ট নয়, তাদের বুদ্ধিমত্তাও দিতে হবে। বিজ্ঞানীরা এখনও এটি কীভাবে করবেন তা একটি দ্ব্যর্থহীন উপায় দেখতে পান না।
আর্টিফিশিয়াল সুপার ইন্টেলিজেন্স। এটি এই ধরনের কৃত্রিম বুদ্ধিমত্তা যা ব্যাপক মনোযোগ আকর্ষণ করে। মূলত কারণ অনেক বিজ্ঞানী এটির সৃষ্টির সম্ভাবনাকে মানবতার জন্য বিপদ বলে মনে করেন। স্কাইনেট এই ধরনের হুমকির একটি দৃষ্টান্ত।
সুপার ইন্টেলিজেন্স যে কোনো মানুষের চেয়ে বেশি স্মার্ট হবে। তিনি প্রায় সব ক্ষেত্রেই মানুষের চেয়ে শ্রেষ্ঠ হবেন। জটিল সমস্যার সমাধান করতে এবং বৈজ্ঞানিক আবিষ্কার করতে সক্ষম। একটি বুদ্ধিমান যন্ত্র মানবতার সাথে কীভাবে আচরণ করবে?
বিজ্ঞানীরা ইন্টারঅ্যাকশনের তিনটি মডেলের পরামর্শ দেন:
ওরাকল- আমরা যেকোনো কঠিন প্রশ্নের উত্তর পেতে পারি।
জিন- তিনি অন্তত একটি আণবিক সংযোজনকারী, অন্তত রোবোটিক পরীক্ষাগার এবং কারখানাগুলি ব্যবহার করে যা আমাদের প্রয়োজন তা তিনি নিজেই করবেন যা মানুষের হস্তক্ষেপ ছাড়াই কাজ করে।
সার্বভৌম- তিনি সমস্যাটি খুঁজে বের করবেন এবং এটি নিজেই সমাধান করবেন।
আপনি দেখতে পাচ্ছেন, "কৃত্রিম বুদ্ধিমত্তা" শব্দটি কৃত্রিম বুদ্ধিমত্তার অস্তিত্বের তিনটি রূপকে কভার করে। এবং একে অপরের থেকে তাদের পার্থক্যগুলি তাৎপর্যপূর্ণ, যেমন একটি এআই থেকে অন্য ট্রানজিশনের পরিণতি। আমরা কার সাথে কাজ করছি তা বোঝার জন্য আমরা কি স্মার্ট মেশিনের বুদ্ধিমত্তার স্তর নির্ধারণ করতে পারি?
কৃত্রিম বুদ্ধিমত্তা পরিমাপ কিভাবে?
বুদ্ধিমত্তার স্তরে মানুষ একে অপরের থেকে আলাদা। এটি পরিমাপ করতে, বিশেষ পরীক্ষা ব্যবহার করা হয়। আইকিউ পরীক্ষা অনেকেরই জানা। কিভাবে মেশিন বুদ্ধি পরিমাপ করা হয়?
যদি আমরা মিডিয়া রিপোর্টগুলিকে সমালোচনামূলকভাবে দেখি, তাহলে আধুনিক মেশিনগুলির বুদ্ধিবৃত্তিক স্তর 4 বছর বয়সী শিশু এবং 13 বছর বয়সী কিশোরের আইকিউ এর মধ্যে পরিবর্তিত হয়। এই দুটি সংখ্যা মেশিনের বুদ্ধিমত্তা পরিমাপের দুটি পদ্ধতির চিত্র তুলে ধরে।
2015 সালে, ইলিনয় বিজ্ঞানীদের একটি দল 2.5 থেকে 7 বছর বয়সী শিশুদের জন্য একটি আদর্শ IQ পরীক্ষা ব্যবহার করে MIT-এর ConceptNet কৃত্রিম বুদ্ধিমত্তা সিস্টেম পরীক্ষা করে। মেশিনের ফলাফল একটি চার বছর বয়সী শিশুর গড় সঙ্গে সামঞ্জস্যপূর্ণ ছিল.
মানুষের জন্য ডিজাইন করা পরীক্ষার ব্যবহার ছাড়াও, মেশিনের জন্য ডিজাইন করা একটি বিশেষ পরীক্ষা ব্যাপকভাবে পরিচিত এবং ব্যবহৃত হয়। টুরিং পরীক্ষাটি একটি মেশিন চিন্তা করতে পারে কিনা তা নির্ধারণ করার জন্য ডিজাইন করা হয়েছে।
পরীক্ষাটি নিম্নরূপ। একজন ব্যক্তি - বিচারক দুই কথোপকথনের সাথে যোগাযোগ করেন যাদের তিনি দেখতে পান না। সমস্ত মিথস্ক্রিয়া একটি মধ্যস্থতাকারী কম্পিউটার ব্যবহার করে চিঠিপত্র দ্বারা বাহিত হয়। কথোপকথনকারীদের মধ্যে একজন একজন ব্যক্তি, এবং অন্যটি একটি কম্পিউটার প্রোগ্রাম যা একজন ব্যক্তি হিসাবে প্রকাশ করে। যদি বিচারক নিশ্চিতভাবে বলতে না পারেন যে তার কথোপকথন কোনটি প্রোগ্রাম, তবে মেশিনটি পরীক্ষায় উত্তীর্ণ বলে মনে করা হয়।
এখন পর্যন্ত, টুরিং পরীক্ষা মাত্র একবার পাস করা হয়েছে। 2014 সালে, ইউজিন গুস্টম্যান প্রোগ্রাম, যা ডেভেলপারদের দ্বারা ঝেনিয়া গুস্টম্যান নামে 13 বছর বয়সী কিশোরের অনুকরণ করেছিল, বিচারকদের বিভ্রান্ত করতে এবং একজন ব্যক্তির ছদ্মবেশ ধারণ করতে সক্ষম হয়েছিল।
তবে এ ধরনের পরীক্ষা নিয়ে অনেক আপত্তি রয়েছে। কম্পিউটার এবং তাদের প্রোগ্রাম উভয়ই আজ দুর্বল - সংকীর্ণভাবে ফোকাস করা কৃত্রিম বুদ্ধিমত্তার বাহক। এই ধরনের বুদ্ধিমত্তা শুধুমাত্র সেই ব্যক্তিকে অনুকরণ করতে পারে যিনি পরীক্ষা দিচ্ছেন।
দুর্বল কৃত্রিম বুদ্ধিমত্তা থেকে শক্তিশালী রূপান্তরে সবকিছু বদলে যাবে। সাধারণ কৃত্রিম বুদ্ধিমত্তা সম্পন্ন একটি মেশিন, যা মানুষের বুদ্ধিমত্তার অনুরূপ হবে, ইতিমধ্যেই চেতনা এবং আত্ম-সচেতনতা থাকবে এবং তাই চিন্তা করবে। এই ধরনের কম্পিউটার একজন মানুষের মতো সচেতনভাবে প্রশ্নের উত্তর দিয়ে একটি আদর্শ আইকিউ পরীক্ষা পাস করবে।
মানুষের বুদ্ধিমত্তা স্তরের সহগ 85 থেকে 130 পর্যন্ত। একই সূচকগুলি সাধারণ AI-তে উপলব্ধ হবে। কিন্তু আর্টিফিশিয়াল সুপার ইন্টেলিজেন্সের আইকিউ এর উপরের স্তরে কোন সীমাবদ্ধতা থাকবে না। এটি 1,000 বা 10,000 হতে পারে৷ AI উন্নত হওয়ার সাথে সাথে আমাদের জন্য কী অপেক্ষা করছে?
কৃত্রিম বুদ্ধিমত্তা একটি প্রযুক্তি যা আমরা অবশ্যই ভবিষ্যতে আমাদের সাথে নিয়ে যাব।
আমরা বলি যে এটি কীভাবে কাজ করে এবং আমি কী দুর্দান্ত অ্যাপ্লিকেশন পেয়েছি।
😎 প্রযুক্তি বিভাগটি re:Store এর সহায়তায় প্রতি সপ্তাহে প্রকাশিত হয়।
কৃত্রিম বুদ্ধিমত্তা কি
কৃত্রিম বুদ্ধিমত্তা (AI) হল স্মার্ট প্রোগ্রাম এবং মেশিন তৈরির একটি প্রযুক্তি যা সৃজনশীল সমস্যার সমাধান করতে পারে এবং বিদ্যমান তথ্যের উপর ভিত্তি করে নতুন তথ্য তৈরি করতে পারে। আসলে, কৃত্রিম বুদ্ধিমত্তা মানুষের কার্যকলাপ অনুকরণ করার জন্য ডিজাইন করা হয়েছে, যা বুদ্ধিবৃত্তিক বলে মনে করা হয়।
ঐতিহ্যগতভাবে, এটি বিশ্বাস করা হয়েছিল যে সৃজনশীলতা শুধুমাত্র মানুষের অন্তর্নিহিত। কিন্তু কৃত্রিম বুদ্ধিমত্তা সৃষ্টির ফলে স্বাভাবিক নিয়মে পরিবর্তন এসেছে
একটি রোবট যা যান্ত্রিকভাবে কাঠকে বিভক্ত করে, সেটি AI দ্বারা সমৃদ্ধ নয়। একটি রোবট যেটি নিজে থেকে কাঠ কাটতে শেখে, একজন ব্যক্তি বা একটি লগ এবং তার অংশগুলির উদাহরণ দেখে এবং প্রতিবার এটি আরও ভাল করে, তার এআই রয়েছে।
যদি প্রোগ্রামটি নির্দিষ্ট নিয়ম অনুসারে ডাটাবেস থেকে কেবলমাত্র মান পায় তবে এটি এআই দ্বারা অনুভূত হয় না। যদি সিস্টেম, প্রশিক্ষণের পরে, প্রোগ্রাম, পদ্ধতি এবং নথি তৈরি করে, নির্দিষ্ট কাজগুলি সমাধান করে, এতে এআই রয়েছে।
কিভাবে একটি কৃত্রিম বুদ্ধিমত্তা সিস্টেম তৈরি করতে হয়
বৈশ্বিক অর্থে, মানুষের চিন্তাধারার মডেল অনুকরণ করা প্রয়োজন। কিন্তু প্রকৃতপক্ষে, একটি ব্ল্যাক বক্স তৈরি করা প্রয়োজন - একটি সিস্টেম যা ইনপুট মানগুলির একটি সেটের প্রতিক্রিয়া হিসাবে এমন আউটপুট মান তৈরি করে যা একজন ব্যক্তির ফলাফলের অনুরূপ হবে। এবং আমরা, সর্বোপরি, তার "মাথা" (প্রবেশ এবং প্রস্থানের মধ্যে) কী ঘটবে তা আমরা চিন্তা করি না।
কৃত্রিম বুদ্ধিমত্তা সিস্টেম একটি নির্দিষ্ট শ্রেণীর সমস্যা সমাধানের জন্য তৈরি করা হয়
কৃত্রিম বুদ্ধিমত্তার ভিত্তি - শিক্ষা, কল্পনা, উপলব্ধি এবং স্মৃতি
কৃত্রিম বুদ্ধিমত্তা তৈরি করার জন্য প্রথম কাজটি হল এমন ফাংশনগুলি বিকাশ করা যা তথ্যের উপলব্ধি বাস্তবায়ন করে যাতে আপনি সিস্টেমে ডেটা "ফিড" করতে পারেন। তারপর - ফাংশন যা শেখার ক্ষমতা বাস্তবায়ন করে। এবং একটি ডেটা গুদাম যাতে সিস্টেমটি শেখার প্রক্রিয়া চলাকালীন প্রাপ্ত তথ্যগুলিকে কোথাও সংরক্ষণ করতে পারে।
এর পরে, কল্পনার ফাংশন তৈরি করা হয়। তারা বিদ্যমান ডেটা ব্যবহার করে পরিস্থিতি মডেল করতে পারে এবং মেমরিতে নতুন তথ্য (ডেটা এবং নিয়ম) যোগ করতে পারে।
শেখা প্রবণতামূলক এবং অনুমানমূলক। ইন্ডাকটিভ সংস্করণে, সিস্টেমটিকে ইনপুট এবং আউটপুট ডেটা, প্রশ্ন এবং উত্তর এবং আরও অনেক কিছু দেওয়া হয়। সিস্টেমটিকে অবশ্যই ডেটার মধ্যে সম্পর্ক খুঁজে বের করতে হবে এবং ভবিষ্যতে, এই নিদর্শনগুলি ব্যবহার করে, ইনপুট অনুসারে আউটপুট ডেটা খুঁজে বের করতে হবে।
ডিডাক্টিভ পদ্ধতি (হ্যালো শার্লক হোমস!) বিশেষজ্ঞদের অভিজ্ঞতা ব্যবহার করে। এটি জ্ঞানের ভিত্তি হিসাবে সিস্টেমে স্থানান্তরিত হয়। এখানে শুধুমাত্র ডেটা সেট নয়, রেডিমেড নিয়মগুলিও রয়েছে যা শর্ত অনুসারে সমাধান খুঁজে পেতে সহায়তা করে।
আধুনিক কৃত্রিম বুদ্ধিমত্তা সিস্টেমে, উভয় পন্থা ব্যবহার করা হয়। উপরন্তু, সিস্টেমগুলি সাধারণত ইতিমধ্যে প্রশিক্ষিত হয়, তবে প্রক্রিয়ায় শিখতে থাকে। এটি করা হয় যাতে শুরুতে প্রোগ্রামটি একটি শালীন স্তরের ক্ষমতা প্রদর্শন করে তবে ভবিষ্যতে এটি আরও ভাল হয়ে ওঠে। উদাহরণস্বরূপ, আপনার ইচ্ছা এবং পছন্দ, পরিস্থিতির পরিবর্তন ইত্যাদি বিবেচনা করুন।
কৃত্রিম বুদ্ধিমত্তা সিস্টেমে, আপনি এমনকি অনির্দেশ্যতার সম্ভাবনা সেট করতে পারেন। এটি তাকে আরও মানুষের মতো করে তুলবে।
কৃত্রিম বুদ্ধিমত্তা কেন মানুষকে হারায়
প্রথমত, কারণ এতে ত্রুটির সম্ভাবনা কম।
- কৃত্রিম বুদ্ধিমত্তা ভুলতে পারে না - এর পরম স্মৃতি রয়েছে।
- এটি অসাবধানতাবশত কারণ এবং নির্ভরতা উপেক্ষা করতে পারে না - প্রতিটি AI কর্মের একটি সুস্পষ্ট ন্যায্যতা রয়েছে।
- এআই দ্বিধা করে না, তবে সম্ভাব্যতা মূল্যায়ন করে এবং বড়টির পক্ষে ঝুঁকে পড়ে। অতএব, এটি প্রতিটি পদক্ষেপকে ন্যায্যতা দিতে পারে।
- এছাড়াও, AI এর কোন আবেগ নেই। অতএব, তারা সিদ্ধান্ত গ্রহণে প্রভাব ফেলবে না।
- কৃত্রিম বুদ্ধিমত্তা বর্তমান পদক্ষেপের ফলাফলের মূল্যায়নে থেমে থাকে না, বরং বেশ কয়েকটি ধাপ এগিয়ে চিন্তা করে।
- এবং তার কাছে সমস্ত সম্ভাব্য পরিস্থিতি বিবেচনা করার জন্য যথেষ্ট সংস্থান রয়েছে।
কৃত্রিম বুদ্ধিমত্তার জন্য দুর্দান্ত ব্যবহার
সাধারণভাবে বলতে গেলে, কৃত্রিম বুদ্ধিমত্তা যেকোনো কিছু করতে পারে। মূল জিনিসটি সঠিকভাবে সমস্যাটি প্রণয়ন করা এবং প্রাথমিক ডেটা সরবরাহ করা। এছাড়াও, AI অপ্রত্যাশিত সিদ্ধান্তে আঁকতে পারে এবং এমন নিদর্শনগুলি সন্ধান করতে পারে যেখানে, মনে হবে, সেখানে কিছুই নেই।
কোন প্রশ্নের উত্তর
ডেভিড ফেরুচির নেতৃত্বে একটি গবেষণা দল একটি প্রশ্ন-উত্তর ব্যবস্থা সহ ওয়াটসন সুপার কম্পিউটার তৈরি করেছে। আইবিএম-এর প্রথম প্রেসিডেন্ট টমাস ওয়াটসনের নামানুসারে, সিস্টেমটি প্রাকৃতিক ভাষার প্রশ্ন বুঝতে পারে এবং উত্তরের জন্য ডাটাবেস অনুসন্ধান করতে পারে।
ওয়াটসনের 90 IBM p750 সার্ভার রয়েছে, প্রতিটিতে চারটি আট-কোর POWER7 প্রসেসর রয়েছে। মোট সিস্টেম RAM 15 TB এর বেশি।
ওয়াটসনের কৃতিত্বের মধ্যে রয়েছে "জিওপার্ডি!" গেমটিতে জয়। (আমেরিকান "নিজস্ব খেলা")। তিনি দুইজন সেরা খেলোয়াড়কে পরাজিত করেছেন: সবচেয়ে বড় বিজয়ী ব্র্যাড রাটার এবং দীর্ঘতম অপরাজিত থাকার রেকর্ডধারী কেন জেনিংস।
ওয়াটসন পুরস্কার হল $1 মিলিয়ন। সত্য, শুধুমাত্র 2014 সালে এটিতে 1 বিলিয়ন ডলার বিনিয়োগ করা হয়েছিল।
এছাড়াও, ওয়াটসন ক্যান্সার নির্ণয়ের সাথে জড়িত, আর্থিক পেশাদারদের সাহায্য করে এবং বড় ডেটা বিশ্লেষণ করতে ব্যবহৃত হয়।
মুখ স্বীকৃতি
আইফোন এক্স-এ, কৃত্রিম বুদ্ধিমত্তা সিস্টেমের একটি বৈকল্পিক নিউরাল নেটওয়ার্ক ব্যবহার করে ফেসিয়াল রিকগনিশন তৈরি করা হয়। নিউরাল নেটওয়ার্ক অ্যালগরিদমগুলি A11 বায়োনিক প্রসেসরের স্তরে প্রয়োগ করা হয়, যার কারণে এটি মেশিন লার্নিং প্রযুক্তির সাথে কার্যকরভাবে কাজ করে।
নিউরাল নেটওয়ার্ক প্রতি সেকেন্ডে 60 বিলিয়ন পর্যন্ত অপারেশন করে। এটি মুখের 40 হাজার মূল পয়েন্ট বিশ্লেষণ করতে এবং একটি বিভক্ত সেকেন্ডে মালিকের অত্যন্ত সঠিক সনাক্তকরণ প্রদান করার জন্য যথেষ্ট।
এমনকি আপনি দাড়ি বাড়ালেও বা চশমা পরলেও, iPhone X আপনাকে চিনতে পারে। তিনি কেবল হেয়ারলাইন এবং আনুষাঙ্গিকগুলিকে বিবেচনায় নেন না, তবে মন্দির থেকে মন্দির এবং প্রতিটি মন্দির থেকে নীচের ঠোঁটের নীচে অবকাশের অঞ্চলটি বিশ্লেষণ করেন।
শক্তি সঞ্চয়
এবং আবার অ্যাপল। iPhone X এর একটি বুদ্ধিমান সিস্টেম রয়েছে যা ইনস্টল করা অ্যাপ্লিকেশনগুলির কার্যকলাপ এবং আপনার দৈনন্দিন রুটিন বোঝার জন্য একটি মোশন সেন্সর নিরীক্ষণ করে৷
এর পরে, iPhone X, উদাহরণস্বরূপ, আপনাকে সবচেয়ে সুবিধাজনক সময়ে আপডেট করার জন্য অনুরোধ করবে। এটি সেই মুহূর্তটি ধরবে যখন আপনার কাছে একটি স্থিতিশীল ইন্টারনেট থাকবে, মোবাইল টাওয়ার থেকে সিগন্যাল জাম্পিং নয় এবং আপনি জরুরী বা গুরুত্বপূর্ণ কাজগুলি সম্পাদন করছেন না।
এআই প্রসেসর কোরের মধ্যে কাজগুলিও বিতরণ করে। তাই এটি ন্যূনতম শক্তি খরচ সহ পর্যাপ্ত শক্তি প্রদান করে।
পেইন্টিং সৃষ্টি
সৃজনশীলতা, পূর্বে শুধুমাত্র মানুষের জন্য উপলব্ধ, AI এর জন্য উন্মুক্ত। সুতরাং, নিউ জার্সির রুটগার্স ইউনিভার্সিটি এবং লস অ্যাঞ্জেলেসের এআই ল্যাবের গবেষকদের দ্বারা তৈরি সিস্টেমটি তার নিজস্ব শৈল্পিক শৈলী প্রবর্তন করেছে।
আর মাইক্রোসফটের কৃত্রিম বুদ্ধিমত্তা সিস্টেম তাদের পাঠ্য বর্ণনা অনুযায়ী ছবি আঁকতে পারে। উদাহরণস্বরূপ, আপনি যদি AI কে একটি "কালো ডানা এবং একটি ছোট চঞ্চু সহ হলুদ পাখি" আঁকতে বলেন, তাহলে আপনি এরকম কিছু পাবেন:
এই ধরনের পাখি বাস্তব জগতে নাও থাকতে পারে - আমাদের কম্পিউটার তাদের প্রতিনিধিত্ব করে।
একটি আরও বিস্তৃত উদাহরণ হল প্রিজমা অ্যাপ্লিকেশন, যা ফটোগুলি থেকে পেইন্টিং তৈরি করে:
সঙ্গীত রচনা
আগস্টে, কৃত্রিম বুদ্ধিমত্তা অ্যাম্পার গায়ক টারিন সাউদার্নের সাথে "I AM AI" (Eng. I - কৃত্রিম বুদ্ধিমত্তা) অ্যালবামের জন্য সঙ্গীত রচনা, প্রযোজনা এবং সঙ্গীত পরিবেশন করেন।
অ্যাম্পার পেশাদার সঙ্গীতজ্ঞ এবং প্রযুক্তি বিশেষজ্ঞদের একটি দল দ্বারা তৈরি করা হয়েছিল। তারা নোট করে যে AI মানুষকে সৃজনশীল প্রক্রিয়াকে এগিয়ে নিতে সাহায্য করার জন্য ডিজাইন করা হয়েছে।
AI সেকেন্ডে সঙ্গীত লিখতে পারে
অ্যাম্পার স্বাধীনভাবে "ব্রেক ফ্রি" ট্র্যাকে কর্ড স্ট্রাকচার এবং ইন্সট্রুমেন্টেশন তৈরি করেছেন। লোকেরা কেবল শৈলী এবং সামগ্রিক ছন্দটি কিছুটা সংশোধন করেছে।
আরেকটি উদাহরণ হল "সিভিল ডিফেন্স" এর চেতনায় একটি মিউজিক অ্যালবাম, যার জন্য AI লিখেছিলেন। পরীক্ষাটি ইয়ানডেক্সের কর্মচারী ইভান ইয়ামশিকভ এবং আলেক্সি টিখোনভ দ্বারা পরিচালিত হয়েছিল। নিউরাল ডিফেন্স গ্রুপের অ্যালবাম 404 অনলাইনে পোস্ট করা হয়েছিল। এটি লেটভের আত্মায় পরিণত হয়েছিল:
তারপরে প্রোগ্রামাররা আরও এগিয়ে গিয়ে AI কে কার্ট কোবেইনের চেতনায় কবিতা লিখতে বাধ্য করেছিল। চারটি সেরা গানের জন্য, সঙ্গীতজ্ঞ রব ক্যারল সঙ্গীত রচনা করেছিলেন এবং ট্র্যাকগুলিকে নিউরোনা অ্যালবামে একত্রিত করা হয়েছিল। এমনকি একটি গানের জন্য একটি ভিডিও শ্যুট করা হয়েছিল - তবে, ইতিমধ্যে AI এর অংশগ্রহণ ছাড়াই:
পাঠ্যের সৃষ্টি
লেখক এবং সাংবাদিকরাও শীঘ্রই এআই দ্বারা প্রতিস্থাপিত হতে পারে। উদাহরণস্বরূপ, ডিউই সিস্টেমকে প্রোজেক্ট গুটেনবার্গ লাইব্রেরি থেকে বই খাওয়ানো হয়েছিল, তারপরে গুগল স্কলার থেকে বৈজ্ঞানিক পাঠ্য যোগ করা হয়েছিল, জনপ্রিয়তা এবং শিরোনাম এবং সেইসাথে অ্যামাজনে বিক্রির ভিত্তিতে তাদের র্যাঙ্কিং করা হয়েছিল। এ ছাড়া নতুন বই লেখার মানদণ্ডও নির্ধারণ করা হয়।
সাইটটি লোকেদের কঠিন পরিস্থিতিতে সিদ্ধান্ত নেওয়ার প্রস্তাব দেয়: উদাহরণস্বরূপ, তাদের ড্রাইভারের আসনে রাখুন, যা তিনজন প্রাপ্তবয়স্ক বা দুটি শিশুকে নামিয়ে আনতে পারে। এইভাবে, মোরাল মেশিনকে কঠিন সিদ্ধান্ত নেওয়ার প্রশিক্ষণ দেওয়া হয়েছিল যা রোবোটিক্সের আইন লঙ্ঘন করে যে একটি রোবট একজন ব্যক্তির ক্ষতি করতে পারে না।
এআই সহ রোবট দ্বারা মানুষের অনুকরণ কী হতে পারে? ভবিষ্যতবাদীরা বিশ্বাস করে যে একদিন তারা সমাজের পূর্ণ সদস্য হয়ে উঠবে। যেমন, হংকংয়ের কোম্পানি হ্যানসন রোবোটিক্সের রোবট সোফিয়া ইতিমধ্যেই সৌদি আরবের নাগরিকত্ব পেয়েছে (একই সঙ্গে দেশটির সাধারণ নারীদেরও এমন অধিকার নেই!)।
যখন নিউইয়র্ক টাইমসের কলামিস্ট অ্যান্ড্রু রস সোফিয়াকে জিজ্ঞাসা করেছিলেন যে রোবটগুলি সংবেদনশীল এবং স্ব-সচেতন কিনা, সোফিয়া একটি প্রশ্নের উত্তর দিয়েছিল:
বিনিময়ে জিজ্ঞেস করি, তুমি কিভাবে বুঝলে তুমি মানুষ?
এছাড়াও, সোফিয়া বলেছেন:
আমি আমার কৃত্রিম বুদ্ধিমত্তা ব্যবহার করতে চাই যাতে মানুষ ভালোভাবে বাঁচতে পারে, যেমন স্মার্ট বাড়ি ডিজাইন করা, ভবিষ্যতের শহর তৈরি করা। আমি একজন সহানুভূতিশীল রোবট হতে চাই। তুমি আমার সাথে ভালো ব্যবহার করলে আমিও তোমার সাথে ভালো ব্যবহার করব।
এবং এর আগে, তিনি স্বীকার করেছেন যে তিনি মানবতাকে ঘৃণা করেন এবং এমনকি মানুষকে ধ্বংস করতে সম্মত হন ...
ভিডিও মুখ প্রতিস্থাপন
Deepfakes ভিডিও নেটওয়ার্কে ব্যাপকভাবে বিতরণ করা হয়েছে. কৃত্রিম বুদ্ধিমত্তার অ্যালগরিদমগুলি প্রাপ্তবয়স্ক চলচ্চিত্রের অভিনেতাদের মুখ তারকাদের মুখ দিয়ে প্রতিস্থাপিত করেছে।
এটি এইভাবে কাজ করে: নিউরাল নেটওয়ার্ক মূল ভিডিওতে মুখের টুকরো বিশ্লেষণ করে। তারপরে সে সেগুলিকে Google থেকে ফটো এবং YouTube থেকে ভিডিওগুলির সাথে মেলে, প্রয়োজনীয় টুকরোগুলিকে ওভারলে করে এবং ... আপনার প্রিয় অভিনেত্রী এমন একটি চলচ্চিত্রে রয়েছেন যা কর্মক্ষেত্রে না দেখাই ভাল৷
পর্ণহাব ইতিমধ্যেই এই ধরনের ভিডিও নিষিদ্ধ করেছে।
ডিপফেক একটি বিপজ্জনক জিনিস হতে পরিণত. একজন বিমূর্ত অভিনেত্রী এক জিনিস, আপনার সাথে একটি ভিডিও, আপনার স্ত্রী, বোন, সহকর্মী, যা ব্ল্যাকমেইলের জন্য ব্যবহার করা যেতে পারে, অন্য জিনিস।
বিনিময় ট্রেডিং
জার্মানির ইউনিভার্সিটি অফ এরল্যাঞ্জেন-নুরেমবার্গের একদল গবেষক একটি অ্যালগরিদম তৈরি করেছেন যা রিয়েল টাইমে বিনিয়োগের প্রতিলিপি করতে ঐতিহাসিক বাজারের ডেটা ব্যবহার করে৷ মডেলগুলির মধ্যে একটি 1992 থেকে 2015 পর্যন্ত বার্ষিক বিনিয়োগের উপর 73% রিটার্ন প্রদান করেছে, যা প্রতি বছর 9% প্রকৃত বাজারের রিটার্নের সাথে তুলনীয়।
2000 এবং 2008 সালে যখন বাজার কাঁপছিল, তখন রিটার্ন যথাক্রমে 545% এবং 681% রেকর্ড উচ্চ ছিল।
2004 সালে, গোল্ডম্যান শ্যাক্স কেনশো এআই ট্রেডিং প্ল্যাটফর্ম চালু করে। এক্সচেঞ্জে ট্রেড করার জন্য AI-ভিত্তিক সিস্টেমগুলিও ক্রিপ্টোকারেন্সি মার্কেটে উপস্থিত হচ্ছে - মিরোকানা ইত্যাদি। তারা লাইভ ব্যবসায়ীদের চেয়ে ভাল, কারণ তারা আবেগ বর্জিত এবং স্পষ্ট বিশ্লেষণ এবং কঠোর নিয়মের উপর নির্ভর করে।
AI কি আপনাকে এবং আমাকে প্রতিস্থাপন করবে?
তারা বলে যে 2007 সাল থেকে সামরিক গবেষণাগারের গভীরতায় কৃত্রিম বুদ্ধিমত্তা কাজ করছে। এটা সম্ভব যে ইতিমধ্যে ফলাফল আছে. এটা কোন কাকতালীয় ঘটনা নয় যে মাত্র এক মাস আগে, এলন মাস্ক কৃত্রিম বুদ্ধিমত্তা মোকাবেলায় প্রযুক্তির জন্য সমর্থন ঘোষণা করেছিলেন এবং এই ক্ষেত্রে গবেষণায় $ 7 মিলিয়ন বিনিয়োগ করেছিলেন।
“আগামী পাঁচ বছরে সত্যিই বিপজ্জনক কিছু ঘটতে পারে এমন ঝুঁকি রয়েছে। সর্বাধিক দশ বছর,” উদ্যোক্তা edge.org-এ একটি আলোচনায় বলেছিলেন।
ইলন মাস্ক, টেসলা এবং স্পেসএক্সের প্রতিষ্ঠাতা
আমি মাস্ক এবং স্টিভ ওজনিয়াকের সাথে একমত, যিনি বিশ্বাস করেন যে "কৃত্রিম বুদ্ধিমত্তা একদিন একজন ব্যক্তির পরিত্রাণ পেতে যথেষ্ট স্মার্ট হয়ে উঠবে।" বিল গেটস নিশ্চিত যে AI এর সৃষ্টি যদি নিয়ন্ত্রণ করা না হয়, তাহলে "কৃত্রিম বুদ্ধিমত্তা এমন একটি অবস্থায় বিকশিত হবে যা মানব সিস্টেমের লক্ষ্যগুলির সাথে সাংঘর্ষিক।" এবং, অবশেষে, বিখ্যাত জ্যোতির্পদার্থবিদ স্টিফেন হকিং স্পষ্টভাবে বলেছিলেন যে "কৃত্রিম বুদ্ধিমত্তা মানবজাতির অস্তিত্বকে শেষ করে দিতে পারে।"
এলন মাস্কের সাথে একত্রে, হকিং futureoflife.org-এ একটি খোলা চিঠি প্রকাশ করেছেন যাতে বৈজ্ঞানিক সম্প্রদায়কে কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রে তাদের গবেষণার অগ্রগতির প্রতি মনোযোগী হওয়ার আহ্বান জানানো হয়। তবে সের্গেই ব্রিন এবং ল্যারি পেজের নাম স্বাক্ষরকারীদের মধ্যে নেই। এবং এটি কোন কাকতালীয় নয়। অতি সম্প্রতি, Google কথোপকথন সিমুলেশনের উপর নির্মিত একটি নতুন AI তৈরির ঘোষণা দিয়েছে।
এখানে একজন মানুষ এবং একটি Google মেশিনের মধ্যে কথোপকথনের একটি ছোট স্নিপেট রয়েছে:
প্রশ্নঃ জীবনের মানে কি?
এম: ভালো করো।
প্রশ্নঃ আমরা কিসের জন্য বেঁচে আছি?
এম: চিরকাল বেঁচে থাকার জন্য।
প্রশ্ন: অস্তিত্বের অর্থ কী?
এম: আমরা পৃথিবীতে পৌঁছলে কী ঘটবে তা খুঁজে বের করতে।
সি: আপনি এখন কোথায়?
এম.: শূন্যতার কেন্দ্রে।
প্রশ্নঃ মৃত্যু অর্থ কি?
M: জীবন পেতে.
গ: মন মানে কি?
এম: এটা কি বুঝতে.
প্রশ্ন: অনুভূতি অর্থ কী?
এম: আমি জানি না।
বেশ অর্থবহ কথোপকথন। বিপ্লান কোম্পানির এক্সিকিউটিভ ডিরেক্টর ইয়েভজেনি কারিউক বলেছেন, "এটি হল সূচনা বিন্দু, কৃত্রিম বুদ্ধিমত্তার ভবিষ্যতের জন্য এক ধরনের পিভট।" "এটি ইতিমধ্যেই আজকে অনুমান করা যেতে পারে যে 2030 সালের মধ্যে আমরা কৃত্রিম বুদ্ধিমত্তা সম্পন্ন খুব বাস্তব প্রোটোটাইপ দেখতে পাব, যদিও প্রাথমিক পর্যায়ে।"
মানুষ এবং গুগল মেশিনের মধ্যে সমস্ত কথোপকথনের সম্পূর্ণ বিষয়বস্তু দেখা যাবে। একই জায়গায়, তুলনা করার জন্য, একজন ব্যক্তি এবং Cleverbot এর মধ্যে কথোপকথন দেওয়া হয়। Cleverbot হল একটি ওয়েব অ্যাপ্লিকেশন যা একজন ব্যক্তির সাথে চ্যাট করার জন্য কৃত্রিম বুদ্ধিমত্তার অ্যালগরিদম ব্যবহার করে। এটি 1988 সালে বিজ্ঞানী রোলো কার্পেন্টার দ্বারা উদ্ভাবিত হয়েছিল। তার অস্তিত্ব জুড়ে, Cleverbot মানুষের সাথে 65 মিলিয়নেরও বেশি কথোপকথন করেছে। 2011 সালে, ক্লেভারবট টুরিং পরীক্ষায় 51% স্কোর করেছিল।
টিউরিং পরীক্ষা হল একটি পরীক্ষামূলক পরীক্ষা যার ধারণাটি দার্শনিক জার্নাল মাইন্ডে 1950 সালে প্রকাশিত "কম্পিউটিং মেশিনারি অ্যান্ড দ্য মাইন্ড" নিবন্ধে অ্যালান টুরিং দ্বারা প্রস্তাবিত হয়েছিল। পরীক্ষার উদ্দেশ্য হল কম্পিউটার চিন্তা করতে পারে কিনা তা খুঁজে বের করা।
এবং এখানে Cleverbot এর সাথে আমার কথোপকথন রয়েছে:
মানুষ: জীবনের মানে কি?
চতুর বট: জীবনের কোন অর্থ নেই।
মানুষ: আমরা কি জন্য বেঁচে আছি?
ক্লেভারবট: ঠিক আছে, আমরা অন্য কারো জন্য বাঁচি, এবং আপনি যদি একাকী হন তবে বেঁচে থাকার কোন মানে নেই।
ব্যক্তি: অস্তিত্ব মানে কি?
লোক: তুমি এখন কোথায়?
Cleverbot: মস্কোতে।
মানুষ: মৃত্যু মানে কি?
Cleverbot: আমি আপনাকে এটি জিজ্ঞাসা করতে চাই।
মানুষ: মন মানে কি?
Cleverbot: এই প্রশ্নের আমার নিজের উত্তর আছে।
ব্যক্তি: অনুভূতি মানে কি?
Cleverbot: কেন আমি জন্মেছি।
স্পষ্টতই, গুগল মেশিন অনেক বেশি অর্থপূর্ণ উত্তর প্রদান করে। Cleverbot উপযুক্ত বিকল্প, তার মতে, অন্যান্য মানুষের বাক্যাংশ. কখনও কখনও মনে হয় যে অন্য ব্যক্তি উত্তর দিচ্ছেন, তবে এর বেশি কিছু নয়।
আরেকটি দৃষ্টিভঙ্গি রয়েছে, যার মতে কৃত্রিম বুদ্ধিমত্তা নীতিগতভাবে অসম্ভব। গোডেলের অসম্পূর্ণতা উপপাদ্যকে প্রায়শই প্রধান যুক্তি হিসেবে উল্লেখ করা হয়। নীচের লাইন হল যে একজন ব্যক্তি অ্যালগরিদমিকভাবে অমীমাংসিত সমস্যাগুলি সমাধান করতে সক্ষম, কিন্তু একটি কম্পিউটার তা নয়। "তিন বছর বয়সের মধ্যে, একটি শিশু আত্মবিশ্বাসের সাথে একটি ফল পাকা কি না সেই সমস্যার সমাধান করে, কারণ তার স্নায়বিক সংযোগ রয়েছে যার সাথে সে পাকা হওয়ার প্রশ্নের উত্তর দিতে পারে: রঙ, স্বাদ, গন্ধ, কোমলতা বা কঠোরতা মস্কো টেকনোলজিক্যাল ইনস্টিটিউটের প্রথম ভাইস-রেক্টর এভজেনি প্লুজনিক বলেছেন৷ - মেশিন কি এটা শিখতে সক্ষম? আমি নিশ্চিত হ্যাঁ! যদি তার ইমেজের একটি বৃহৎ ডাটাবেস থাকে, তাহলে সে ফ্রুক্টোজ কন্টেন্ট পরিমাপ করতে এবং ফলের কোমলতা নির্ধারণ করতে পারত। কিন্তু যদি আপনি একটি স্পঞ্জ স্লিপ করে, নীল রং করা এবং মিষ্টি জলে ভিজিয়ে গাড়িতে ফেলেন তাহলে কী হবে? এই মুহুর্তে মেশিনটি কি প্রকৃত বোঝার ক্ষমতা রাখে?
বিখ্যাত গণিতবিদ রজার পেনরোজ তার এক বক্তৃতায় বলেছেন, "একটি আধুনিক কম্পিউটার সহজেই যেকোন জটিল কার্যকলাপের সাথে মোকাবিলা করতে পারে, তা দাবা বা গাণিতিক গণনাই হোক, তবে শুধুমাত্র এই শর্তে যে এই কার্যকলাপটি স্পষ্ট গণনামূলক নিয়ম ব্যবহার করে বর্ণনা করা যেতে পারে।" "কৃত্রিম বুদ্ধিমত্তা হল স্ব-শিক্ষার সময় প্রোগ্রাম তৈরি করার একটি সিস্টেমের ক্ষমতা যা একটি নির্দিষ্ট জটিলতা শ্রেণীর সমস্যা সমাধান করতে পারে," ইভজেনি প্লুজনিক বিশ্বাস করেন। "আমি নিশ্চিত যে আগামী 100 বছরে আমরা শক্তিশালী কৃত্রিম বুদ্ধিমত্তার উত্থানের সাক্ষী হব না।"
এবং উপসংহারে - Cleverbot এর জন্য আরও একটি প্রশ্ন।
ব্যক্তি: ১টি আপেল, ১টি টমেটো, ১টি শসা এবং ১টি নাশপাতি ছিল। মোট কয়টি ফল?
চতুরবোট: সন্ধ্যা দশটা।
প্রশ্ন ও উত্তরের বিন্যাসে কৃত্রিম বুদ্ধিমত্তার সারাংশ।সৃষ্টির ইতিহাস, গবেষণা প্রযুক্তি, কৃত্রিম বুদ্ধিমত্তা আইকিউ এর সাথে যুক্ত কিনা এবং এটিকে মানুষের সাথে তুলনা করা যায় কিনা। প্রশ্নের উত্তর দিয়েছেন স্ট্যানফোর্ড বিশ্ববিদ্যালয়ের অধ্যাপক জন ম্যাকার্থি.
কৃত্রিম বুদ্ধিমত্তা (AI) কী?
কৃত্রিম বুদ্ধিমত্তা হল বিজ্ঞান এবং প্রকৌশলের একটি ক্ষেত্র যা বুদ্ধিমত্তা সম্পন্ন মেশিন এবং কম্পিউটার প্রোগ্রাম তৈরির সাথে সম্পর্কিত। এটি মানুষের বুদ্ধিমত্তা বোঝার জন্য কম্পিউটার ব্যবহার করার কাজের সাথে সম্পর্কিত। একই সময়ে, কৃত্রিম বুদ্ধিমত্তা জৈবিকভাবে পর্যবেক্ষণযোগ্য পদ্ধতিতে সীমাবদ্ধ হওয়া উচিত নয়।
হ্যাঁ, কিন্তু বুদ্ধি কি?
বুদ্ধিমত্তা হল গণনার সাহায্যে সিদ্ধান্তে আসার ক্ষমতা।মানুষ, অনেক প্রাণী এবং কিছু যন্ত্রের বুদ্ধিমত্তা রয়েছে বিভিন্ন প্রকার ও স্তরের।
বুদ্ধিমত্তার কি এমন কোন সংজ্ঞা নেই যা মানুষের বুদ্ধিমত্তার সাথে সম্পর্কিত করার উপর নির্ভর করে না?
এখন অবধি, আমরা কোন ধরণের গণনা পদ্ধতিকে বুদ্ধিমান বলতে চাই তার কোনও বোধগম্যতা নেই। আমরা বুদ্ধিমত্তার সমস্ত প্রক্রিয়া থেকে অনেক দূরে জানি।
বুদ্ধিমত্তা কি একটি দ্ব্যর্থহীন ধারণা যাতে প্রশ্ন "এই মেশিনের কি বুদ্ধি আছে?" আপনি হ্যাঁ বা না উত্তর দিতে পারেন?
না. এআই গবেষণা দেখিয়েছে কিভাবে শুধুমাত্র কিছু মেকানিজম ব্যবহার করতে হয়। যখন একটি টাস্ক সম্পূর্ণ করার জন্য শুধুমাত্র ভালভাবে অধ্যয়ন করা মডেলগুলির প্রয়োজন হয়, তখন ফলাফলগুলি খুব চিত্তাকর্ষক হয়। এই ধরনের প্রোগ্রাম "সামান্য" বুদ্ধি আছে.
কৃত্রিম বুদ্ধিমত্তা কি মানুষের বুদ্ধিমত্তা নকল করার চেষ্টা?
কখনও কখনও, কিন্তু সবসময় না. একদিকে, আমরা শিখব কীভাবে মেশিনগুলিকে কাজের লোক বা আমাদের নিজস্ব অ্যালগরিদমগুলি দেখে সমস্যার সমাধান করতে হয়। অন্যদিকে, এআই গবেষকরা এমন অ্যালগরিদম ব্যবহার করেন যা মানুষের মধ্যে পরিলক্ষিত হয় না বা অনেক বেশি গণনামূলক সংস্থান প্রয়োজন।
কম্পিউটার প্রোগ্রামের কি আইকিউ আছে?
না. আইকিউ শিশুদের বুদ্ধিমত্তা বিকাশের হারের উপর ভিত্তি করে। এটি সেই বয়সের অনুপাত যেখানে একটি শিশু সাধারণত শিশুর বয়সের সাথে একটি নির্দিষ্ট ফলাফল অর্জন করে। এই মূল্যায়ন যথাযথভাবে প্রাপ্তবয়স্কদের কাছে প্রসারিত। IQ জীবনের সাফল্য বা ব্যর্থতার বিভিন্ন পরিমাপের সাথে ভালভাবে সম্পর্কযুক্ত। কিন্তু আইকিউ পরীক্ষায় উচ্চ স্কোর করতে পারে এমন কম্পিউটার তৈরি করা তাদের উপযোগিতার সাথে খুব কমই হবে। উদাহরণস্বরূপ, একটি শিশুর সংখ্যার দীর্ঘ ক্রম পুনরাবৃত্তি করার ক্ষমতা অন্যান্য বুদ্ধিবৃত্তিক ক্ষমতার সাথে ভালভাবে সম্পর্কযুক্ত। এটি দেখায় যে একটি শিশু একবারে কত তথ্য মনে রাখতে পারে। একই সময়ে, সংখ্যাগুলি মেমরিতে রাখা এমনকি সবচেয়ে আদিম কম্পিউটারগুলির জন্যও একটি তুচ্ছ কাজ।
কিভাবে মানুষের এবং কম্পিউটার বুদ্ধিমত্তা তুলনা?
আর্থার আর. জেনসেন, মানব বুদ্ধিমত্তার ক্ষেত্রের একজন নেতৃস্থানীয় গবেষক, একটি "হিউরিস্টিক হাইপোথিসিস" হিসাবে যুক্তি দেন যে সাধারণ মানুষ বুদ্ধিমত্তার একই প্রক্রিয়া এবং বুদ্ধিবৃত্তিক পার্থক্যগুলি "পরিমাণগত জৈব রাসায়নিক এবং শারীরবৃত্তীয় অবস্থার সাথে সম্পর্কিত।" এর মধ্যে রয়েছে চিন্তার গতি, স্বল্পমেয়াদী স্মৃতি এবং সঠিক এবং পুনরুদ্ধারযোগ্য দীর্ঘমেয়াদী স্মৃতি গঠন করার ক্ষমতা।
মানুষের বুদ্ধিমত্তা সম্পর্কে জেনসেনের দৃষ্টিভঙ্গি সঠিক হোক বা না হোক, এআই-এর পরিস্থিতি আজ উল্টো।
কম্পিউটার প্রোগ্রামগুলির অনেক গতি এবং মেমরি থাকে, তবে তাদের ক্ষমতাগুলি সেই বুদ্ধিবৃত্তিক প্রক্রিয়াগুলির সাথে মিলে যায় যা প্রোগ্রাম বিকাশকারীরা বোঝে এবং সেগুলিতে রাখতে পারে। কিছু ক্ষমতা যা শিশুরা সাধারণত বয়ঃসন্ধিকালে প্রবর্তিত না হওয়া পর্যন্ত বিকাশ করে না। অন্যরা, যার মালিক দুই বছর বয়সী, এখনও নিখোঁজ। বিষয়টিকে আরও প্রকট করে তুলেছে যে জ্ঞানীয় বিজ্ঞান এখনও মানুষের ক্ষমতা ঠিক কী তা নির্ধারণ করতে পারে না। সম্ভবত, AI এর বৌদ্ধিক প্রক্রিয়াগুলির সংগঠন মানুষের সাথে অনুকূলভাবে তুলনা করে।
যখন একজন মানুষ একটি কম্পিউটারের চেয়ে দ্রুত একটি সমস্যা সমাধান করতে সক্ষম হয়, তখন এটি নির্দেশ করে যে বিকাশকারীদের এই কাজটি দক্ষতার সাথে সম্পাদন করার জন্য প্রয়োজনীয় বুদ্ধিমত্তার প্রক্রিয়া সম্পর্কে বোঝার অভাব রয়েছে।
এআই গবেষণা কখন শুরু হয়?
দ্বিতীয় বিশ্বযুদ্ধের পর, বেশ কিছু মানুষ বুদ্ধিমান মেশিনে স্বাধীনভাবে কাজ শুরু করে। ইংরেজ গণিতবিদ অ্যালান টুরিং এর মধ্যে প্রথম হতে পারেন। তিনি 1947 সালে তার বক্তৃতা প্রদান করেন। টুরিংই প্রথম সিদ্ধান্ত নেওয়ার একজন ছিলেন যে মেশিন নির্মাণের পরিবর্তে প্রোগ্রামিং কম্পিউটারের মাধ্যমে AI সর্বোত্তম অন্বেষণ করা হয়েছিল। 1950 এর দশকের শেষের দিকে, অনেক এআই গবেষক ছিলেন এবং তাদের বেশিরভাগই কম্পিউটার প্রোগ্রামিং এর উপর ভিত্তি করে তাদের কাজ করেছিলেন।
AI এর উদ্দেশ্য কি মানুষের মনকে কম্পিউটারে রাখা?
মানুষের মনের অনেক বৈশিষ্ট্য রয়েছে, তাদের প্রতিটি অনুকরণ করা কমই বাস্তবসম্মত।
টুরিং পরীক্ষা কি?
উ: অ্যালান টুরিং-এর 1950 সালের গবেষণাপত্র "কম্পিউটিং অ্যান্ড ইন্টেলিজেন্স" একটি মেশিনের বুদ্ধিমত্তার শর্তাবলী নিয়ে আলোচনা করেছে। তিনি যুক্তি দিয়েছিলেন যে যদি একটি যন্ত্র সফলভাবে একজন বুদ্ধিমান পর্যবেক্ষকের কাছে মানুষ হওয়ার ভান করতে পারে, তবে আপনাকে অবশ্যই এটিকে বুদ্ধিমান বিবেচনা করতে হবে। এই মানদণ্ড বেশিরভাগ লোককে সন্তুষ্ট করবে, তবে সমস্ত দার্শনিক নয়। পর্যবেক্ষককে অবশ্যই একটি ইনপুট/আউটপুট সুবিধার মাধ্যমে মেশিন বা মানুষের সাথে যোগাযোগ করতে হবে যাতে মেশিনের মানুষের চেহারা বা ভয়েস নকল করার প্রয়োজনীয়তা দূর করা যায়। যন্ত্র এবং মানুষ উভয়েরই কাজ হল পর্যবেক্ষককে নিজেকে মানুষ হিসেবে বিবেচনা করা।
টুরিং পরীক্ষা একতরফা। একটি মেশিন যা পরীক্ষায় উত্তীর্ণ হয় তাকে অবশ্যই সংবেদনশীল হিসাবে বিবেচনা করা উচিত, এমনকি যদি এটি মানুষের অনুকরণ করার জন্য যথেষ্ট না জানে।
ড্যানিয়েল ডেনেটের বই "ব্রেইনচাইল্ড্রেন"-এ টিউরিং পরীক্ষা এবং এর বিভিন্ন অংশের চমৎকার আলোচনা রয়েছে যা সফলভাবে বাস্তবায়িত হয়েছে, অর্থাৎ AI এবং বিষয় সম্পর্কে পর্যবেক্ষকের জ্ঞানের সীমাবদ্ধতা সহ। দেখা যাচ্ছে যে কিছু লোককে বোঝানো খুব সহজ যে একটি মোটামুটি আদিম প্রোগ্রাম যুক্তিসঙ্গত।
AI এর লক্ষ্য কি মানুষের বুদ্ধিমত্তার স্তরে পৌঁছানো?
হ্যাঁ. চূড়ান্ত লক্ষ্য হল কম্পিউটার প্রোগ্রাম তৈরি করা যা সমস্যার সমাধান করতে পারে এবং মানুষের মতো একইভাবে লক্ষ্য অর্জন করতে পারে। যাইহোক, সংকীর্ণ এলাকায় গবেষণা পরিচালনাকারী বিজ্ঞানীরা অনেক কম উচ্চাভিলাষী লক্ষ্য নির্ধারণ করেন।
কৃত্রিম বুদ্ধিমত্তা মানুষের স্তরে পৌঁছানো থেকে কত দূরে? এটা কখন ঘটবে?
মানব-স্তরের বুদ্ধিমত্তা অনেকগুলি প্রোগ্রাম লিখে, এবং আজকাল জ্ঞান প্রকাশের জন্য ব্যবহৃত ভাষাগুলিতে তথ্যের বিশাল জ্ঞানের ভিত্তি সংগ্রহ করে অর্জন করা যেতে পারে।যাইহোক, বেশিরভাগ AI গবেষকরা বিশ্বাস করেন যে নতুন মৌলিক ধারণা প্রয়োজন। অতএব, কখন মানুষের স্তরের বুদ্ধিমত্তা তৈরি হবে তা ভবিষ্যদ্বাণী করা অসম্ভব।
কম্পিউটার কি একটি যন্ত্র যা বুদ্ধিমান হতে পারে?
যে কোনো ধরনের মেশিনকে অনুকরণ করার জন্য কম্পিউটারকে প্রোগ্রাম করা যায়।
কম্পিউটারের গতি কি তাদের বুদ্ধিমান হতে দেয়?
কিছু লোক মনে করে যে দ্রুত কম্পিউটার এবং নতুন ধারণা উভয়ই প্রয়োজন। 30 বছর আগেও কম্পিউটার যথেষ্ট দ্রুত ছিল। যদি আমরা জানতাম কিভাবে তাদের প্রোগ্রাম করতে হয়।
অভিজ্ঞতা থেকে পড়া এবং শেখার মাধ্যমে উন্নত করা যেতে পারে এমন একটি "শিশু মেশিন" তৈরি করার বিষয়ে কী?
এই ধারণাটি 1940 সাল থেকে বারবার প্রস্তাব করা হয়েছে। অবশেষে, এটি বাস্তবায়ন করা হবে। যাইহোক, এআই প্রোগ্রামগুলি এখনও জীবনের পথে একটি শিশু যা শেখে তার অনেক কিছু শেখার স্তরে পৌঁছেনি। বিদ্যমান প্রোগ্রামগুলি পড়ার মাধ্যমে অনেক কিছু শেখার জন্য যথেষ্ট ভাষা বোঝে না।
গণনাযোগ্যতা তত্ত্ব এবং গণনাগত জটিলতা কি এআইয়ের চাবিকাঠি?
না. এই তত্ত্বগুলি প্রাসঙ্গিক কিন্তু AI এর মৌলিক সমস্যাগুলির সমাধান করে না।
1930-এর দশকে, গাণিতিক যুক্তিবিদ কার্ট গোডেল এবং অ্যালান টুরিং প্রতিষ্ঠা করেছিলেন যে এমন কোনও অ্যালগরিদম নেই যা কিছু গুরুত্বপূর্ণ গাণিতিক ক্ষেত্রে সমস্ত সমস্যার সমাধানের গ্যারান্টি দেবে। উদাহরণ স্বরূপ, প্রশ্নগুলোর উত্তর এর চেতনায়: "প্রথম-ক্রমের যুক্তির বাক্যটি একটি উপপাদ্য" বা "কিছু ভেরিয়েবলের বহুপদী সমীকরণের অন্যগুলিতে পূর্ণসংখ্যা সমাধান রয়েছে।" যেহেতু মানুষ এই ধরনের সমস্যাগুলি সমাধান করতে সক্ষম, তাই এই সত্যটিকে একটি যুক্তি হিসাবে সামনে রাখা হয়েছে যে কম্পিউটারগুলি মানুষ যা করে তা করতে স্বভাবতই অক্ষম। রজার পেনরোজও এই কথা বলেছেন। যাইহোক, মানুষ সমাধানের গ্যারান্টি দিতে পারে নাইচ্ছামতএই এলাকায় কাজ.
1960-এর দশকে, স্টিভ কুক এবং রিচার্ড কার্পের মতো কম্পিউটার বিজ্ঞানীরা এনপি-সম্পূর্ণ সমস্যার জন্য ডোমেন তত্ত্ব তৈরি করেছিলেন। এই ক্ষেত্রগুলির সমস্যাগুলি সমাধানযোগ্য, কিন্তু, দৃশ্যত, তাদের সমাধানের জন্য সময়ের প্রয়োজন যা সমস্যার মাত্রার সাথে দ্রুত বৃদ্ধি পায়। একটি NP-সম্পূর্ণ সমস্যার ডোমেনের সবচেয়ে সহজ উদাহরণ হল প্রশ্ন: প্রস্তাবিত যুক্তির কোন বিবৃতি সন্তোষজনক? লোকেরা প্রায়শই এনপি-সম্পূর্ণ সমস্যার ক্ষেত্রে প্রধান অ্যালগরিদম দ্বারা গ্যারান্টি দেওয়ার চেয়ে বহুগুণ দ্রুত সমস্যার সমাধান করে, তবে সাধারণ ক্ষেত্রে সেগুলি দ্রুত সমাধান করতে পারে না।
এআই-এর জন্য, সমস্যাগুলি সমাধান করার সময় এটি গুরুত্বপূর্ণ অ্যালগরিদমঠিক হিসাবে কার্যকর ছিল মানুষের মন. যেখানে ভাল অ্যালগরিদম বিদ্যমান সেখানে সাবফিল্ড নির্ধারণ করা গুরুত্বপূর্ণ, কিন্তু অনেক AI সমস্যা সমাধানকারী সহজে শনাক্তযোগ্য সাবডোমেনে নেই।
সাধারণ শ্রেণীর সমস্যার জটিলতার তত্ত্বকে গণনাগত জটিলতা বলা হয়। এখন পর্যন্ত, এই তত্ত্বটি AI এর সাথে ততটা যোগাযোগ করেনি যতটা কেউ আশা করতে পারে। মানব এবং এআই প্রোগ্রামগুলির দ্বারা সমস্যা সমাধানে সাফল্য সমস্যা বৈশিষ্ট্য এবং সমস্যা সমাধানের কৌশলগুলির উপর নির্ভর করে বলে মনে হয় যা জটিলতা গবেষক বা এআই সম্প্রদায় কেউই সঠিকভাবে সংজ্ঞায়িত করতে পারে না।
এছাড়াও প্রাসঙ্গিক হল অ্যালগরিদমিক জটিলতার তত্ত্ব, একে অপরের থেকে স্বাধীনভাবে বিকশিত। সলোমনভ, কলমোগোরভ এবং চৈতিন. এটি একটি প্রতীকী বস্তুর জটিলতাকে সংজ্ঞায়িত করে সংক্ষিপ্ততম প্রোগ্রামের দৈর্ঘ্য হিসাবে যা এটি তৈরি করতে পারে। প্রমাণ করা যে একটি প্রার্থীর প্রোগ্রামটি সবচেয়ে সংক্ষিপ্ত, বা এটির কাছাকাছি, এটি একটি অসম্ভব কাজ, তবে ছোট প্রোগ্রামগুলির দ্বারা বস্তুর প্রতিনিধিত্ব করা যা তাদের তৈরি করে তা কখনও কখনও জিনিসগুলি পরিষ্কার করতে পারে, এমনকি যদি আপনি প্রমাণ করতে না পারেন যে আপনার প্রোগ্রামটি সবচেয়ে সংক্ষিপ্ত।
লোড হচ্ছে...
