কৃত্রিম বুদ্ধিমত্তা হল মেশিন, বিশেষত কম্পিউটার সিস্টেম দ্বারা মানুষের বুদ্ধিমত্তা প্রক্রিয়াগুলির অনুকরণ। এআই-এর নির্দিষ্ট প্রয়োগগুলির মধ্যে রয়েছে বিশেষজ্ঞ ব্যবস্থা, প্রাকৃতিক ভাষা প্রক্রিয়াকরণ, বক্তৃতা স্বীকৃতি এবং মেশিন দৃষ্টি।
এআই কীভাবে কাজ করে?
এআই-এর চারপাশে প্রচার ত্বরান্বিত হওয়ার সাথে সাথে বিক্রেতারা তাদের পণ্য এবং পরিষেবাগুলি কীভাবে এটি ব্যবহার করে তা প্রচার করতে ঝাঁপিয়ে পড়েছে। প্রায়শই, তারা যাকে এআই হিসাবে উল্লেখ করে তা কেবল প্রযুক্তির একটি উপাদান, যেমন মেশিন লার্নিং। মেশিন লার্নিং অ্যালগরিদম লেখার এবং প্রশিক্ষণের জন্য এআই-এর বিশেষ হার্ডওয়্যার এবং সফ্টওয়্যারের ভিত্তি প্রয়োজন। কোনও একক প্রোগ্রামিং ভাষা এআই-এর সমার্থক নয়, তবে পাইথন, আর, জাভা, সি + + এবং জুলিয়ার এআই ডেভেলপারদের কাছে জনপ্রিয় বৈশিষ্ট্য রয়েছে।
সাধারণভাবে, এআই সিস্টেমগুলি প্রচুর পরিমাণে লেবেলযুক্ত প্রশিক্ষণের তথ্য গ্রহণ করে, পারস্পরিক সম্পর্ক এবং নিদর্শনগুলির জন্য তথ্য বিশ্লেষণ করে এবং ভবিষ্যতের অবস্থা সম্পর্কে ভবিষ্যদ্বাণী করতে এই নিদর্শনগুলি ব্যবহার করে কাজ করে। এইভাবে, পাঠ্যের উদাহরণ দেওয়া একটি চ্যাটবট মানুষের সাথে জীবনব্যাপী বিনিময় তৈরি করতে শিখতে পারে, অথবা একটি চিত্র শনাক্তকরণ সরঞ্জাম লক্ষ লক্ষ উদাহরণ পর্যালোচনা করে চিত্রগুলিতে বস্তুগুলি সনাক্ত এবং বর্ণনা করতে শিখতে পারে। নতুন, দ্রুত উন্নত জেনারেটিভ এআই কৌশলগুলি বাস্তবসম্মত পাঠ্য, চিত্র, সঙ্গীত এবং অন্যান্য মাধ্যম তৈরি করতে পারে।
এআই প্রোগ্রামিং জ্ঞানীয় দক্ষতার উপর দৃষ্টি নিবদ্ধ করে যার মধ্যে নিম্নলিখিতগুলি অন্তর্ভুক্ত রয়েছেঃ
শেখা। এআই প্রোগ্রামিংয়ের এই দিকটি ডেটা অর্জন এবং কীভাবে এটিকে কার্যকরী তথ্যে পরিণত করা যায় তার নিয়ম তৈরির উপর দৃষ্টি নিবদ্ধ করে। যে নিয়মগুলিকে অ্যালগরিদম বলা হয়, সেগুলি কম্পিউটিং ডিভাইসগুলিকে একটি নির্দিষ্ট কাজ কীভাবে সম্পন্ন করতে হয় তার জন্য ধাপে ধাপে নির্দেশাবলী প্রদান করে।
যুক্তি। এআই প্রোগ্রামিংয়ের এই দিকটি একটি কাঙ্ক্ষিত ফলাফলে পৌঁছানোর জন্য সঠিক অ্যালগরিদম বেছে নেওয়ার উপর দৃষ্টি নিবদ্ধ করে।
স্ব-সংশোধন। এআই প্রোগ্রামিংয়ের এই দিকটি ক্রমাগত সূক্ষ্ম-সুর অ্যালগরিদমগুলির জন্য ডিজাইন করা হয়েছে এবং নিশ্চিত করে যে তারা সম্ভাব্য সঠিক ফলাফল সরবরাহ করে।
সৃজনশীলতা। এআই-এর এই দিকটি নতুন চিত্র, নতুন পাঠ্য, নতুন সঙ্গীত এবং নতুন ধারণা তৈরি করতে নিউরাল নেটওয়ার্ক, নিয়ম-ভিত্তিক সিস্টেম, পরিসংখ্যানগত পদ্ধতি এবং অন্যান্য এআই কৌশল ব্যবহার করে।
এআই, মেশিন লার্নিং এবং গভীর শিক্ষার মধ্যে পার্থক্য
এআই, মেশিন লার্নিং এবং গভীর শিক্ষা এন্টারপ্রাইজ আইটি-তে সাধারণ শব্দ এবং কখনও কখনও বিনিময়যোগ্যভাবে ব্যবহৃত হয়, বিশেষত সংস্থাগুলি তাদের বিপণন উপকরণগুলিতে। কিন্তু পার্থক্য আছে। 1950-এর দশকে উদ্ভাবিত এআই শব্দটি মেশিন দ্বারা মানুষের বুদ্ধিমত্তার অনুকরণকে বোঝায়। নতুন প্রযুক্তির বিকাশের সাথে সাথে এটি ক্ষমতার একটি চির-পরিবর্তনশীল সেটকে অন্তর্ভুক্ত করে। যে প্রযুক্তিগুলি এআই-এর আওতায় আসে তার মধ্যে রয়েছে মেশিন লার্নিং এবং গভীর শিক্ষা।
মেশিন লার্নিং সফ্টওয়্যার অ্যাপ্লিকেশনগুলিকে স্পষ্টভাবে প্রোগ্রাম না করে ফলাফলের পূর্বাভাস দেওয়ার ক্ষেত্রে আরও নির্ভুল হতে সক্ষম করে। মেশিন লার্নিং অ্যালগরিদমগুলি নতুন আউটপুট মানগুলির পূর্বাভাস দেওয়ার জন্য ইনপুট হিসাবে ঐতিহাসিক তথ্য ব্যবহার করে। প্রশিক্ষণের জন্য বড় ডেটা সেটের উত্থানের সাথে সাথে এই পদ্ধতিটি আরও বেশি কার্যকর হয়ে ওঠে। গভীর শিক্ষা, মেশিন লার্নিংয়ের একটি উপসেট, মস্তিষ্কের কাঠামো সম্পর্কে আমাদের বোঝার উপর ভিত্তি করে। কৃত্রিম নিউরাল নেটওয়ার্ক কাঠামোর গভীর শিক্ষার ব্যবহার স্ব-চালিত গাড়ি এবং চ্যাটজিপিটি সহ এআই-এর সাম্প্রতিক অগ্রগতির ভিত্তি।
কৃত্রিম বুদ্ধিমত্তা কেন গুরুত্বপূর্ণ?
আমাদের জীবনযাপন, কাজ এবং খেলার ধরণ পরিবর্তন করার সম্ভাবনার জন্য এআই গুরুত্বপূর্ণ। গ্রাহক পরিষেবার কাজ, সীসা উৎপাদন, জালিয়াতি সনাক্তকরণ এবং মান নিয়ন্ত্রণ সহ মানুষের দ্বারা করা কাজগুলি স্বয়ংক্রিয় করার জন্য এটি ব্যবসায় কার্যকরভাবে ব্যবহৃত হয়েছে। বেশ কয়েকটি ক্ষেত্রে, এআই মানুষের চেয়ে অনেক ভাল কাজ করতে পারে। বিশেষত যখন পুনরাবৃত্তিমূলক, বিশদ-ভিত্তিক কাজের কথা আসে, যেমন প্রাসঙ্গিক ক্ষেত্রগুলি সঠিকভাবে পূরণ করা হয়েছে তা নিশ্চিত করার জন্য বিপুল সংখ্যক আইনি নথি বিশ্লেষণ করা, এআই সরঞ্জামগুলি প্রায়শই দ্রুত এবং তুলনামূলকভাবে কম ত্রুটি সহ কাজগুলি সম্পূর্ণ করে। এটি যে বিশাল ডেটা সেটগুলি প্রক্রিয়া করতে পারে তার কারণে, এআই উদ্যোগগুলিকে তাদের ক্রিয়াকলাপ সম্পর্কে অন্তর্দৃষ্টিও দিতে পারে যা তারা হয়তো জানত না। জেনারেটিভ এআই সরঞ্জামগুলির দ্রুত বর্ধনশীল জনসংখ্যা শিক্ষা এবং বিপণন থেকে শুরু করে পণ্য নকশা পর্যন্ত বিভিন্ন ক্ষেত্রে গুরুত্বপূর্ণ হবে।
প্রকৃতপক্ষে, এআই কৌশলগুলির অগ্রগতি কেবল দক্ষতার বিস্ফোরণ ঘটাতে সহায়তা করেনি, তবে কিছু বড় উদ্যোগের জন্য সম্পূর্ণ নতুন ব্যবসায়ের সুযোগের দরজা খুলে দিয়েছে। এআই-এর বর্তমান তরঙ্গের আগে, চালকদের ট্যাক্সির সাথে সংযুক্ত করার জন্য কম্পিউটার সফ্টওয়্যার ব্যবহার করার কথা কল্পনা করা কঠিন ছিল, তবে উবার ঠিক এটি করে একটি ফরচুন 500 সংস্থায় পরিণত হয়েছে।
আলফাবেট, অ্যাপল, মাইক্রোসফ্ট এবং মেটা সহ আজকের সবচেয়ে বড় এবং সবচেয়ে সফল সংস্থাগুলির মধ্যে এআই কেন্দ্রীয় হয়ে উঠেছে, যেখানে এআই প্রযুক্তিগুলি অপারেশন উন্নত করতে এবং প্রতিযোগীদের ছাড়িয়ে যেতে ব্যবহৃত হয়। উদাহরণস্বরূপ, অ্যালফাবেটের সহায়ক সংস্থা গুগলে, এআই তার সার্চ ইঞ্জিন, ওয়েমোর স্ব-চালিত গাড়ি এবং গুগল ব্রেইনের কেন্দ্রবিন্দু, যা ট্রান্সফরমার নিউরাল নেটওয়ার্ক আর্কিটেকচার উদ্ভাবন করেছে যা প্রাকৃতিক ভাষা প্রক্রিয়াকরণের সাম্প্রতিক সাফল্যকে সমর্থন করে।
কৃত্রিম বুদ্ধিমত্তার সুবিধা এবং অসুবিধা কি কি?
কৃত্রিম স্নায়বিক নেটওয়ার্ক এবং গভীর শিক্ষণ এআই প্রযুক্তিগুলি দ্রুত বিকশিত হচ্ছে, মূলত কারণ এআই প্রচুর পরিমাণে ডেটা অনেক দ্রুত প্রক্রিয়া করতে পারে এবং মানুষের চেয়ে আরও সঠিকভাবে ভবিষ্যদ্বাণী করতে পারে।
যদিও দৈনিক ভিত্তিতে তৈরি করা বিপুল পরিমাণ তথ্য একজন মানব গবেষককে কবর দেবে, মেশিন লার্নিং ব্যবহার করে এআই অ্যাপ্লিকেশনগুলি সেই তথ্যটি নিতে পারে এবং দ্রুত এটিকে কার্যকরী তথ্যে পরিণত করতে পারে। এই লেখার হিসাবে, এআই-এর একটি প্রাথমিক অসুবিধা হ ‘ল এআই প্রোগ্রামিংয়ের জন্য প্রয়োজনীয় প্রচুর পরিমাণে ডেটা প্রক্রিয়া করা ব্যয়বহুল। যেহেতু এআই কৌশলগুলি আরও বেশি পণ্য এবং পরিষেবাগুলিতে অন্তর্ভুক্ত করা হয়েছে, তাই সংস্থাগুলিকে ইচ্ছাকৃতভাবে বা অসাবধানতাবশত পক্ষপাতদুষ্ট এবং বৈষম্যমূলক ব্যবস্থা তৈরি করার এআই-এর সম্ভাবনার সাথেও যুক্ত হতে হবে।
এআই-এর উপকারিতা
নিচে এআই-এর কিছু সুবিধা দেওয়া হল।
বিস্তারিত-ভিত্তিক কাজগুলিতে ভাল। স্তন ক্যান্সার এবং মেলানোমা সহ নির্দিষ্ট কিছু ক্যান্সার নির্ণয়ের ক্ষেত্রে চিকিৎসকদের তুলনায় এআই ঠিক ততটাই ভাল বলে প্রমাণিত হয়েছে।
ডেটা-ভারী কাজের জন্য সময় হ্রাস। বড় ডেটা সেটগুলি বিশ্লেষণ করতে সময় কমাতে ব্যাংকিং এবং সিকিউরিটিজ, ফার্মা এবং বীমা সহ ডেটা-ভারী শিল্পগুলিতে এআই ব্যাপকভাবে ব্যবহৃত হয়। উদাহরণস্বরূপ, আর্থিক পরিষেবাগুলি ঋণের আবেদনগুলি প্রক্রিয়া করতে এবং জালিয়াতি সনাক্ত করতে নিয়মিতভাবে এআই ব্যবহার করে।
শ্রম বাঁচায় এবং উৎপাদনশীলতা বাড়ায়। এখানে একটি উদাহরণ হল গুদাম স্বয়ংক্রিয়করণের ব্যবহার, যা মহামারী চলাকালীন বৃদ্ধি পেয়েছিল এবং এআই এবং মেশিন লার্নিংয়ের সংহতকরণের সাথে বৃদ্ধি পাবে বলে আশা করা হচ্ছে।
ধারাবাহিক ফলাফল প্রদান করে। সেরা এআই অনুবাদ সরঞ্জামগুলি উচ্চ স্তরের ধারাবাহিকতা প্রদান করে, এমনকি ছোট ব্যবসাগুলিকেও তাদের স্থানীয় ভাষায় গ্রাহকদের কাছে পৌঁছানোর ক্ষমতা প্রদান করে।
ব্যক্তিগতকরণের মাধ্যমে গ্রাহকের সন্তুষ্টি উন্নত করতে পারে। এআই পৃথক গ্রাহকদের কাছে বিষয়বস্তু, বার্তা, বিজ্ঞাপন, সুপারিশ এবং ওয়েবসাইটগুলি ব্যক্তিগতকৃত করতে পারে।
এআই-চালিত ভার্চুয়াল এজেন্ট সবসময় উপলব্ধ। এআই প্রোগ্রামগুলি 24/7 পরিষেবা সরবরাহ করে ঘুমাতে বা বিরতি নিতে হবে না।
এআই-এর অসুবিধা
নিচে এআই-এর কিছু অসুবিধা উল্লেখ করা হল।
ব্যয়বহুল।
এর জন্য গভীর প্রযুক্তিগত দক্ষতা প্রয়োজন।
এআই সরঞ্জাম তৈরির জন্য যোগ্যতাসম্পন্ন কর্মীদের সীমিত সরবরাহ।
এর প্রশিক্ষণের তথ্যের পক্ষপাতকে প্রতিফলিত করে।
এক কাজ থেকে অন্য কাজে সাধারণীকরণের দক্ষতার অভাব।
মানুষের চাকরি দূর করে, বেকারত্বের হার বৃদ্ধি করে।
শক্তিশালী এআই বনাম দুর্বল এআই এআইকে দুর্বল বা শক্তিশালী হিসাবে শ্রেণীবদ্ধ করা যেতে পারে।
দুর্বল এআই, যা সংকীর্ণ এআই নামেও পরিচিত, একটি নির্দিষ্ট কাজ সম্পন্ন করার জন্য ডিজাইন এবং প্রশিক্ষিত করা হয়। শিল্প রোবট এবং অ্যাপলের সিরির মতো ভার্চুয়াল ব্যক্তিগত সহকারী দুর্বল এআই ব্যবহার করে।
শক্তিশালী এআই, যা কৃত্রিম সাধারণ বুদ্ধিমত্তা (এজিআই) নামেও পরিচিত, এমন প্রোগ্রামিং বর্ণনা করে যা মানুষের মস্তিষ্কের জ্ঞানীয় দক্ষতার প্রতিলিপি তৈরি করতে পারে। যখন একটি অপরিচিত কাজ উপস্থাপন করা হয়, তখন একটি শক্তিশালী এআই সিস্টেম এক ডোমেন থেকে অন্য ডোমেনে জ্ঞান প্রয়োগ করতে এবং স্বায়ত্তশাসিতভাবে একটি সমাধান খুঁজে পেতে অস্পষ্ট যুক্তি ব্যবহার করতে পারে। তত্ত্বগতভাবে, একটি শক্তিশালী এআই প্রোগ্রামের টুরিং পরীক্ষা এবং চাইনিজ রুম আর্গুমেন্ট উভয়ই পাস করতে সক্ষম হওয়া উচিত।
কৃত্রিম বুদ্ধিমত্তার 4 প্রকার কি?
মিশিগান স্টেট ইউনিভার্সিটির ইন্টিগ্রেটিভ বায়োলজি এবং কম্পিউটার সায়েন্স অ্যান্ড ইঞ্জিনিয়ারিংয়ের সহকারী অধ্যাপক আরেন্ড হিন্টজে ব্যাখ্যা করেছেন যে এআইকে চারটি শ্রেণীতে ভাগ করা যেতে পারে, যা আজ ব্যাপকভাবে ব্যবহৃত টাস্ক-নির্দিষ্ট বুদ্ধিমান সিস্টেমগুলি দিয়ে শুরু হয় এবং সংবেদনশীল সিস্টেমে অগ্রসর হয়, যা এখনও বিদ্যমান নেই। বিভাগগুলি নিম্নরূপ।
টাইপ 1: প্রতিক্রিয়াশীল মেশিন এই এআই সিস্টেমগুলির কোনও মেমরি নেই এবং কাজ-নির্দিষ্ট। একটি উদাহরণ হল ডিপ ব্লু, আইবিএম দাবা প্রোগ্রাম যা 1990-এর দশকে গ্যারি কাসপারভকে পরাজিত করেছিল। ডিপ ব্লু একটি দাবা বোর্ডে টুকরোগুলি সনাক্ত করতে এবং ভবিষ্যদ্বাণী করতে পারে, কিন্তু যেহেতু এর কোনও স্মৃতি নেই, তাই এটি ভবিষ্যতের অভিজ্ঞতাগুলি জানাতে অতীতের অভিজ্ঞতা ব্যবহার করতে পারে না।
টাইপ 2: সীমিত মেমরি এই এআই ব্যবস্থাগুলির স্মৃতি রয়েছে, তাই তারা ভবিষ্যতের সিদ্ধান্তগুলি জানাতে অতীতের অভিজ্ঞতাগুলি ব্যবহার করতে পারে। স্ব-চালিত গাড়িগুলিতে কিছু সিদ্ধান্ত গ্রহণের কাজ এইভাবে ডিজাইন করা হয়েছে।
টাইপ 3: মনের তত্ত্ব। মনের তত্ত্ব একটি মনস্তাত্ত্বিক শব্দ। যখন এআই-তে প্রয়োগ করা হয়, তখন এর অর্থ হল এই ব্যবস্থায় আবেগ বোঝার জন্য সামাজিক বুদ্ধিমত্তা থাকবে। এই ধরনের এআই মানুষের উদ্দেশ্য অনুমান করতে এবং আচরণের পূর্বাভাস দিতে সক্ষম হবে, যা এআই সিস্টেমের জন্য মানব দলের অবিচ্ছেদ্য সদস্য হওয়ার জন্য একটি প্রয়োজনীয় দক্ষতা।
চতুর্থ প্রকারঃ স্ব-সচেতনতা। এই বিভাগে, এআই ব্যবস্থাগুলির একটি আত্মবোধ রয়েছে, যা তাদের চেতনা দেয়। আত্ম-সচেতন যন্ত্রগুলি তাদের নিজস্ব বর্তমান অবস্থা বুঝতে পারে। এই ধরনের এআই এখনও বিদ্যমান নেই।এআই প্রযুক্তির উদাহরণ কী এবং আজ এটি কীভাবে ব্যবহৃত হয়?
এআই বিভিন্ন ধরনের প্রযুক্তিতে অন্তর্ভুক্ত করা হয়েছে। এখানে সাতটি উদাহরণ দেওয়া হল।
অটোমেশন। এআই প্রযুক্তির সাথে যুক্ত হলে, অটোমেশন সরঞ্জামগুলি সম্পাদিত কাজের পরিমাণ এবং প্রকারগুলি প্রসারিত করতে পারে। একটি উদাহরণ হল রোবোটিক প্রসেস অটোমেশন (আর. পি. এ) এক ধরনের সফ্টওয়্যার যা পুনরাবৃত্তিমূলক, নিয়ম-ভিত্তিক ডেটা প্রসেসিং কাজগুলিকে স্বয়ংক্রিয় করে যা ঐতিহ্যগতভাবে মানুষের দ্বারা করা হয়। মেশিন লার্নিং এবং উদীয়মান এআই সরঞ্জামগুলির সাথে মিলিত হলে, আরপিএ এন্টারপ্রাইজ কাজের বৃহত্তর অংশকে স্বয়ংক্রিয় করতে পারে, যা আরপিএর কৌশলগত বটগুলিকে এআই থেকে বুদ্ধিমত্তা পাস করতে এবং প্রক্রিয়া পরিবর্তনের প্রতিক্রিয়া জানাতে সক্ষম করে।
মেশিন লার্নিং। এটি একটি কম্পিউটারকে প্রোগ্রামিং ছাড়াই কাজ করানোর বিজ্ঞান। গভীর শিক্ষা হল মেশিন লার্নিং-এর একটি উপসেট, যা খুব সহজ ভাষায়, ভবিষ্যদ্বাণীমূলক বিশ্লেষণের অটোমেশন হিসাবে ভাবা যেতে পারে। তিন ধরনের মেশিন লার্নিং অ্যালগরিদম রয়েছেঃ
তত্ত্বাবধানে শেখা। ডেটা সেটগুলিকে লেবেল করা হয় যাতে নিদর্শনগুলি সনাক্ত করা যায় এবং নতুন ডেটা সেটগুলিকে লেবেল করার জন্য ব্যবহার করা যায়।
তত্ত্বাবধানহীন শিক্ষা। ডেটা সেটগুলি লেবেল করা হয় না এবং সাদৃশ্য বা পার্থক্য অনুযায়ী সাজানো হয়।
শক্তিশালীকরণ শেখা। ডেটা সেটগুলি লেবেল করা হয় না তবে, একটি ক্রিয়া বা বেশ কয়েকটি ক্রিয়া সম্পাদন করার পরে, এআই সিস্টেমকে প্রতিক্রিয়া দেওয়া হয়।
মেশিন দৃষ্টি। এই প্রযুক্তি একটি যন্ত্রকে দেখার ক্ষমতা দেয়। মেশিন ভিশন একটি ক্যামেরা, এনালগ-টু-ডিজিটাল রূপান্তর এবং ডিজিটাল সংকেত প্রক্রিয়াকরণ ব্যবহার করে ভিজ্যুয়াল তথ্য ক্যাপচার এবং বিশ্লেষণ করে। এটি প্রায়শই মানুষের দৃষ্টিশক্তির সাথে তুলনা করা হয়, তবে মেশিন দৃষ্টি জীববিজ্ঞান দ্বারা আবদ্ধ নয় এবং উদাহরণস্বরূপ, দেয়াল দিয়ে দেখার জন্য প্রোগ্রাম করা যেতে পারে। এটি স্বাক্ষর সনাক্তকরণ থেকে শুরু করে মেডিকেল চিত্র বিশ্লেষণ পর্যন্ত বিভিন্ন প্রয়োগে ব্যবহৃত হয়। কম্পিউটার দৃষ্টি, যা মেশিন-ভিত্তিক চিত্র প্রক্রিয়াকরণের উপর দৃষ্টি নিবদ্ধ করে, প্রায়শই মেশিন দৃষ্টিশক্তির সাথে মিলিত হয়।
প্রাকৃতিক ভাষা প্রক্রিয়াকরণ (NLP). এটি একটি কম্পিউটার প্রোগ্রাম দ্বারা মানব ভাষার প্রক্রিয়াকরণ। এনএলপি-র একটি পুরনো এবং সর্বাধিক পরিচিত উদাহরণ হল স্প্যাম সনাক্তকরণ, যা একটি ইমেলের সাবজেক্ট লাইন এবং টেক্সট দেখে এবং সিদ্ধান্ত নেয় যে এটি জাঙ্ক কিনা। এনএলপি-র বর্তমান পদ্ধতিগুলি মেশিন লার্নিং-এর উপর ভিত্তি করে। এনএলপি-র কাজগুলির মধ্যে রয়েছে পাঠ্য অনুবাদ, অনুভূতি বিশ্লেষণ এবং বক্তৃতা শনাক্তকরণ।
রোবোটিক্স। প্রকৌশলের এই ক্ষেত্রটি রোবটের নকশা এবং উৎপাদনের উপর দৃষ্টি নিবদ্ধ করে। রোবটগুলি প্রায়শই এমন কাজগুলি সম্পাদন করতে ব্যবহৃত হয় যা মানুষের পক্ষে সম্পাদন করা বা ধারাবাহিকভাবে সম্পাদন করা কঠিন। উদাহরণস্বরূপ, গাড়ি উৎপাদন সমাবেশ লাইনে বা নাসা দ্বারা মহাকাশে বড় বস্তু সরানোর জন্য রোবট ব্যবহার করা হয়। গবেষকরা এমন রোবট তৈরি করতে মেশিন লার্নিং ব্যবহার করেন যা সামাজিক পরিবেশে যোগাযোগ করতে পারে।
স্বচালিত গাড়ি। স্বয়ংক্রিয় যানবাহনগুলি একটি নির্দিষ্ট লেনে থাকার সময় এবং পথচারীদের মতো অপ্রত্যাশিত বাধা এড়ানোর সময় একটি যানবাহন চালানোর জন্য স্বয়ংক্রিয় দক্ষতা তৈরি করতে কম্পিউটার দৃষ্টি, চিত্র স্বীকৃতি এবং গভীর শিক্ষার সংমিশ্রণ ব্যবহার করে।
পাঠ্য, চিত্র এবং অডিও প্রজন্ম। জেনারেটিভ এআই কৌশলগুলি, যা টেক্সট প্রম্পট থেকে বিভিন্ন ধরণের মিডিয়া তৈরি করে, ফটোরিয়ালিস্টিক শিল্প থেকে শুরু করে ইমেল প্রতিক্রিয়া এবং চিত্রনাট্য পর্যন্ত আপাতদৃষ্টিতে সীমাহীন ধরণের বিষয়বস্তু তৈরি করতে ব্যবসা জুড়ে ব্যাপকভাবে প্রয়োগ করা হচ্ছে।এআই-এর প্রয়োগগুলি কী কী?
কৃত্রিম বুদ্ধিমত্তা বিভিন্ন ধরনের বাজারে প্রবেশ করেছে। এখানে 11 টি উদাহরণ দেওয়া হল।
স্বাস্থ্যসেবায় এআই। সবচেয়ে বড় বাজি হল রোগীর ফলাফল উন্নত করা এবং খরচ কমানো। কোম্পানিগুলি মানুষের তুলনায় আরও ভাল এবং দ্রুত চিকিৎসা নির্ণয়ের জন্য মেশিন লার্নিং প্রয়োগ করছে। সবচেয়ে পরিচিত স্বাস্থ্যসেবা প্রযুক্তিগুলির মধ্যে একটি হল আইবিএম ওয়াটসন। এটি স্বাভাবিক ভাষা বোঝে এবং এ সম্পর্কে জিজ্ঞাসিত প্রশ্নের উত্তর দিতে পারে। সিস্টেমটি রোগীর ডেটা এবং অন্যান্য উপলব্ধ ডেটা উত্সগুলি একটি অনুমান গঠনের জন্য খনন করে, যা এটি একটি কনফিডেন্স স্কোরিং স্কিমা দিয়ে উপস্থাপন করে। অন্যান্য এআই অ্যাপ্লিকেশনের মধ্যে রয়েছে অনলাইন ভার্চুয়াল স্বাস্থ্য সহকারী এবং চ্যাটবট ব্যবহার করে রোগী এবং স্বাস্থ্যসেবা গ্রাহকদের চিকিৎসা সংক্রান্ত তথ্য খুঁজে পেতে, অ্যাপয়েন্টমেন্ট নির্ধারণ করতে, বিলিং প্রক্রিয়া বুঝতে এবং অন্যান্য প্রশাসনিক প্রক্রিয়া সম্পূর্ণ করতে সহায়তা করা। কোভিড-19-এর মতো মহামারীগুলির পূর্বাভাস, লড়াই এবং বোঝার জন্য এআই প্রযুক্তির একটি বিন্যাসও ব্যবহার করা হচ্ছে।
ব্যবসায় এআই। মেশিন লার্নিং অ্যালগরিদমগুলি কীভাবে গ্রাহকদের আরও ভালভাবে পরিবেশন করা যায় সে সম্পর্কে তথ্য উন্মোচন করতে বিশ্লেষণ এবং গ্রাহক সম্পর্ক পরিচালন (সিআরএম) প্ল্যাটফর্মগুলিতে একীভূত করা হচ্ছে। গ্রাহকদের তাত্ক্ষণিক পরিষেবা প্রদানের জন্য ওয়েবসাইটগুলিতে চ্যাটবটগুলি অন্তর্ভুক্ত করা হয়েছে। চ্যাটজিপিটি-র মতো উৎপাদক এআই প্রযুক্তির দ্রুত অগ্রগতির সুদূরপ্রসারী পরিণতি হবে বলে আশা করা হচ্ছেঃ চাকরি অপসারণ, পণ্যের নকশায় বিপ্লব এবং ব্যবসায়িক মডেলগুলিকে ব্যাহত করা।
শিক্ষায় এআই। এআই গ্রেডিং স্বয়ংক্রিয় করতে পারে, যা শিক্ষকদের অন্যান্য কাজের জন্য আরও বেশি সময় দেয়। এটি শিক্ষার্থীদের মূল্যায়ন করতে পারে এবং তাদের প্রয়োজনের সাথে খাপ খাইয়ে নিতে পারে, তাদের নিজস্ব গতিতে কাজ করতে সহায়তা করে। এআই টিউটররা শিক্ষার্থীদের অতিরিক্ত সহায়তা প্রদান করতে পারে, যাতে তারা সঠিক পথে থাকে। প্রযুক্তিটি শিক্ষার্থীদের কোথায় এবং কীভাবে শিখতে হয় তাও পরিবর্তন করতে পারে, এমনকি সম্ভবত কিছু শিক্ষককেও প্রতিস্থাপন করতে পারে। চ্যাটজিপিটি, গুগল বার্ড এবং অন্যান্য বড় ভাষার মডেলগুলি যেমন দেখিয়েছে, জেনারেটিভ এআই শিক্ষকদের কোর্সের কাজ এবং অন্যান্য শিক্ষণ উপকরণ তৈরি করতে এবং শিক্ষার্থীদের নতুন উপায়ে জড়িত করতে সহায়তা করতে পারে। এই সরঞ্জামগুলির আবির্ভাব শিক্ষকদের শিক্ষার্থীদের হোমওয়ার্ক এবং পরীক্ষার বিষয়ে পুনর্বিবেচনা করতে এবং চৌর্যবৃত্তির নীতিগুলি সংশোধন করতে বাধ্য করে।
অর্থনীতিতে এআই। ইনটুইট মিন্ট বা টার্বোট্যাক্সের মতো ব্যক্তিগত আর্থিক অ্যাপ্লিকেশনগুলিতে এআই আর্থিক প্রতিষ্ঠানগুলিকে ব্যাহত করছে। এই ধরনের অ্যাপ্লিকেশনগুলি ব্যক্তিগত তথ্য সংগ্রহ করে এবং আর্থিক পরামর্শ প্রদান করে। আইবিএম ওয়াটসনের মতো অন্যান্য প্রোগ্রামগুলি বাড়ি কেনার প্রক্রিয়ায় প্রয়োগ করা হয়েছে। আজ, কৃত্রিম বুদ্ধিমত্তা সফ্টওয়্যার ওয়াল স্ট্রিটে বেশিরভাগ ব্যবসা করে।
আইনে এআই। আবিষ্কার প্রক্রিয়া-নথির মাধ্যমে অনুসন্ধান-আইন প্রায়শই মানুষের জন্য অপ্রতিরোধ্য। আইনি শিল্পের শ্রম-নিবিড় প্রক্রিয়াগুলি স্বয়ংক্রিয় করতে সাহায্য করার জন্য এআই ব্যবহার করা সময় সাশ্রয় করছে এবং ক্লায়েন্ট পরিষেবার উন্নতি করছে। আইন সংস্থাগুলি তথ্য বর্ণনা এবং ফলাফলের পূর্বাভাস দেওয়ার জন্য মেশিন লার্নিং, নথি থেকে তথ্য শ্রেণীবদ্ধ ও উত্তোলনের জন্য কম্পিউটার ভিশন এবং তথ্যের জন্য অনুরোধগুলি ব্যাখ্যা করার জন্য এনএলপি ব্যবহার করে।
বিনোদন এবং মিডিয়াতে এআই। বিনোদন ব্যবসা লক্ষ্যযুক্ত বিজ্ঞাপন, বিষয়বস্তু সুপারিশ, বিতরণ, জালিয়াতি সনাক্তকরণ, স্ক্রিপ্ট তৈরি এবং চলচ্চিত্র তৈরির জন্য এআই কৌশল ব্যবহার করে। স্বয়ংক্রিয় সাংবাদিকতা সময়, খরচ এবং জটিলতা হ্রাস করে সংবাদমাধ্যমের কর্মপ্রবাহকে সুবিন্যস্ত করতে সংবাদকক্ষগুলিকে সহায়তা করে। নিউজরুমগুলি নিয়মিত কাজগুলি স্বয়ংক্রিয় করতে এআই ব্যবহার করে, যেমন ডেটা এন্ট্রি এবং প্রুফরিডিং; এবং বিষয়গুলি গবেষণা করতে এবং শিরোনামগুলিতে সহায়তা করতে। সাংবাদিকতা কীভাবে নির্ভরযোগ্যভাবে চ্যাটজিপিটি এবং অন্যান্য উৎপাদক এআই ব্যবহার করে বিষয়বস্তু তৈরি করতে পারে তা নিয়ে প্রশ্ন রয়েছে।
সফ্টওয়্যার কোডিং এবং আইটি প্রক্রিয়াগুলিতে এআই। নতুন জেনারেটিভ এআই সরঞ্জামগুলি প্রাকৃতিক ভাষার প্রম্পটগুলির উপর ভিত্তি করে অ্যাপ্লিকেশন কোড তৈরি করতে ব্যবহার করা যেতে পারে, তবে এই সরঞ্জামগুলির জন্য এটি প্রাথমিক দিন এবং তারা শীঘ্রই সফ্টওয়্যার ইঞ্জিনিয়ারদের প্রতিস্থাপন করবে বলে মনে হয় না। ডেটা এন্ট্রি, জালিয়াতি সনাক্তকরণ, গ্রাহক পরিষেবা এবং ভবিষ্যদ্বাণীমূলক রক্ষণাবেক্ষণ ও সুরক্ষা সহ অনেক আইটি প্রক্রিয়া স্বয়ংক্রিয় করতেও এআই ব্যবহার করা হচ্ছে।
নিরাপত্তা। এআই এবং মেশিন লার্নিং বাজওয়ার্ড তালিকার শীর্ষে রয়েছে যা নিরাপত্তা বিক্রেতারা তাদের পণ্য বাজারজাত করতে ব্যবহার করে, তাই ক্রেতাদের সতর্কতার সাথে যোগাযোগ করা উচিত। তবুও, এআই কৌশলগুলি সাইবার সুরক্ষার একাধিক দিকগুলিতে সফলভাবে প্রয়োগ করা হচ্ছে, যার মধ্যে রয়েছে অসঙ্গতি সনাক্তকরণ, মিথ্যা-ইতিবাচক সমস্যা সমাধান এবং আচরণগত হুমকির বিশ্লেষণ পরিচালনা করা। সংস্থাগুলি নিরাপত্তা তথ্য এবং ইভেন্ট ম্যানেজমেন্ট (এসআইইএম) সফ্টওয়্যার এবং সম্পর্কিত ক্ষেত্রগুলিতে মেশিন লার্নিং ব্যবহার করে অসঙ্গতিগুলি সনাক্ত করতে এবং সন্দেহজনক ক্রিয়াকলাপগুলি সনাক্ত করতে যা হুমকির ইঙ্গিত দেয়। তথ্য বিশ্লেষণ করে এবং পরিচিত দূষিত কোডের সাথে সাদৃশ্য সনাক্ত করতে যুক্তি ব্যবহার করে, এআই মানব কর্মচারী এবং পূর্ববর্তী প্রযুক্তির পুনরাবৃত্তির তুলনায় অনেক তাড়াতাড়ি নতুন এবং উদীয়মান আক্রমণের জন্য সতর্কতা প্রদান করতে পারে।
উৎপাদনে এআই। কর্মপ্রবাহে রোবটকে অন্তর্ভুক্ত করার ক্ষেত্রে উৎপাদন অগ্রভাগে রয়েছে। উদাহরণস্বরূপ, যে শিল্প রোবটগুলি একসময় একক কাজ সম্পাদনের জন্য প্রোগ্রাম করা হয়েছিল এবং মানব কর্মীদের থেকে পৃথক করা হয়েছিল, তারা ক্রমবর্ধমানভাবে কোবট হিসাবে কাজ করেঃ ছোট, মাল্টিটাস্কিং রোবট যা মানুষের সাথে সহযোগিতা করে এবং গুদামঘর, কারখানার মেঝে এবং অন্যান্য কর্মক্ষেত্রে কাজের আরও অংশের দায়িত্ব নেয়।
ব্যাঙ্কিং-এ এআই। ব্যাঙ্কগুলি তাদের গ্রাহকদের পরিষেবা এবং অফার সম্পর্কে সচেতন করতে এবং মানুষের হস্তক্ষেপের প্রয়োজন নেই এমন লেনদেন পরিচালনা করতে সফলভাবে চ্যাটবট ব্যবহার করছে। ব্যাঙ্কিং নিয়মকানুন মেনে চলার খরচ উন্নত করতে এবং কমাতে এআই ভার্চুয়াল অ্যাসিস্ট্যান্ট ব্যবহার করা হয়। ব্যাঙ্কিং সংস্থাগুলি ঋণের জন্য তাদের সিদ্ধান্ত গ্রহণের উন্নতি করতে, ঋণের সীমা নির্ধারণ করতে এবং বিনিয়োগের সুযোগগুলি চিহ্নিত করতে এআই ব্যবহার করে।
পরিবহনে এআই। স্বায়ত্তশাসিত যানবাহন পরিচালনায় এআই-এর মৌলিক ভূমিকা ছাড়াও, এআই প্রযুক্তিগুলি ট্র্যাফিক পরিচালনা করতে, ফ্লাইট বিলম্বের পূর্বাভাস দিতে এবং সমুদ্রের শিপিংকে নিরাপদ ও আরও দক্ষ করতে পরিবহনে ব্যবহৃত হয়। সাপ্লাই চেইনে, এআই চাহিদা পূর্বাভাস এবং বিঘ্নের পূর্বাভাসের ঐতিহ্যবাহী পদ্ধতিগুলিকে প্রতিস্থাপন করছে, কোভিড-19 দ্বারা ত্বরান্বিত একটি প্রবণতা যখন অনেক সংস্থা পণ্যের সরবরাহ ও চাহিদার উপর বিশ্বব্যাপী মহামারীর প্রভাব দ্বারা সুরক্ষিত ছিল।
কৃত্রিম বুদ্ধিমত্তা বনাম অগমেন্টেড ইন্টেলিজেন্স
কিছু শিল্প বিশেষজ্ঞ যুক্তি দিয়েছেন যে কৃত্রিম বুদ্ধিমত্তা শব্দটি জনপ্রিয় সংস্কৃতির সাথে খুব ঘনিষ্ঠভাবে যুক্ত, যার ফলে এআই কীভাবে কর্মক্ষেত্র এবং সাধারণভাবে জীবনকে পরিবর্তন করবে সে সম্পর্কে সাধারণ জনগণের অসম্ভব প্রত্যাশা রয়েছে। তারা স্বায়ত্তশাসিতভাবে কাজ করে এমন এআই সিস্টেমগুলির মধ্যে পার্থক্য করার জন্য অগমেন্টেড ইন্টেলিজেন্স শব্দটি ব্যবহার করার পরামর্শ দিয়েছে-জনপ্রিয় সংস্কৃতির উদাহরণগুলির মধ্যে রয়েছে হাল 9000 এবং দ্য টার্মিনেটর-এবং এআই সরঞ্জাম যা মানুষকে সমর্থন করে।
অগমেন্টেড বুদ্ধিমত্তা। কিছু গবেষক এবং বিপণনকারী আশা করেন যে বর্ধিত বুদ্ধিমত্তা লেবেল, যার আরও নিরপেক্ষ অর্থ রয়েছে, মানুষকে বুঝতে সাহায্য করবে যে এআই-এর বেশিরভাগ বাস্তবায়ন দুর্বল হবে এবং কেবল পণ্য ও পরিষেবাগুলির উন্নতি করবে। উদাহরণগুলির মধ্যে রয়েছে ব্যবসায়িক গোয়েন্দা প্রতিবেদনে স্বয়ংক্রিয়ভাবে গুরুত্বপূর্ণ তথ্য প্রকাশ করা বা আইনি ফাইলিংয়ে গুরুত্বপূর্ণ তথ্য তুলে ধরা। শিল্প জুড়ে চ্যাটজিপিটি এবং বার্ডের দ্রুত গ্রহণ মানব সিদ্ধান্ত গ্রহণে সহায়তা করার জন্য এআই ব্যবহার করার ইচ্ছার ইঙ্গিত দেয়।
কৃত্রিম বুদ্ধিমত্তা। সত্য এআই, বা এজিআই, প্রযুক্তিগত এককত্বের ধারণার সাথে ঘনিষ্ঠভাবে যুক্ত-একটি কৃত্রিম অতি বুদ্ধিমত্তা দ্বারা শাসিত একটি ভবিষ্যত যা মানুষের মস্তিষ্কের এটি বোঝার ক্ষমতা বা এটি কীভাবে আমাদের বাস্তবতাকে রূপ দিচ্ছে তা ছাড়িয়ে গেছে। এটি বিজ্ঞান কল্পকাহিনীর ক্ষেত্রের মধ্যে রয়ে গেছে, যদিও কিছু বিকাশকারী সমস্যাটি নিয়ে কাজ করছেন। অনেকে বিশ্বাস করেন যে কোয়ান্টাম কম্পিউটিংয়ের মতো প্রযুক্তিগুলি এজিআইকে বাস্তবে পরিণত করতে গুরুত্বপূর্ণ ভূমিকা পালন করতে পারে এবং আমাদের এই ধরনের সাধারণ বুদ্ধিমত্তার জন্য এআই শব্দটির ব্যবহার সংরক্ষণ করা উচিত।
কৃত্রিম বুদ্ধিমত্তার নৈতিক ব্যবহার
যদিও এআই সরঞ্জামগুলি ব্যবসায়ের জন্য নতুন কার্যকারিতার একটি পরিসীমা উপস্থাপন করে, এআই-এর ব্যবহার নৈতিক প্রশ্নও উত্থাপন করে কারণ, ভাল বা খারাপের জন্য, একটি এআই সিস্টেম ইতিমধ্যে যা শিখেছে তা শক্তিশালী করবে।
এটি সমস্যাযুক্ত হতে পারে কারণ মেশিন লার্নিং অ্যালগরিদমগুলি, যা অনেকগুলি উন্নত এআই সরঞ্জামকে আন্ডারপিন করে, প্রশিক্ষণের সময় তাদের দেওয়া ডেটার মতোই স্মার্ট। যেহেতু একজন মানুষ এআই প্রোগ্রাম প্রশিক্ষণের জন্য কোন ডেটা ব্যবহার করা হয় তা নির্বাচন করে, তাই মেশিন লার্নিং পক্ষপাতের সম্ভাবনা সহজাত এবং অবশ্যই নিবিড়ভাবে পর্যবেক্ষণ করা উচিত।
যে কেউ বাস্তব-বিশ্বের অংশ হিসাবে মেশিন লার্নিং ব্যবহার করতে চান, ইন-প্রোডাকশন সিস্টেমগুলি তাদের এআই প্রশিক্ষণ প্রক্রিয়াগুলিতে নৈতিকতা ফ্যাক্টর করতে হবে এবং পক্ষপাত এড়াতে প্রচেষ্টা করতে হবে। গভীর শিক্ষা এবং উৎপাদক প্রতিকূল নেটওয়ার্ক (জিএএন) অ্যাপ্লিকেশনগুলিতে সহজাতভাবে অব্যক্ত এআই অ্যালগরিদমগুলি ব্যবহার করার সময় এটি বিশেষভাবে সত্য।
কঠোর নিয়ন্ত্রক সম্মতি প্রয়োজনীয়তার অধীনে পরিচালিত শিল্পগুলিতে এআই ব্যবহারের ক্ষেত্রে ব্যাখ্যাযোগ্যতা একটি সম্ভাব্য বাধা। উদাহরণস্বরূপ, মার্কিন যুক্তরাষ্ট্রের আর্থিক প্রতিষ্ঠানগুলি প্রবিধানের অধীনে কাজ করে যার জন্য তাদের ক্রেডিট-প্রদানকারী সিদ্ধান্তগুলি ব্যাখ্যা করতে হয়। যখন এআই প্রোগ্রামিং দ্বারা ক্রেডিট প্রত্যাখ্যান করার সিদ্ধান্ত নেওয়া হয়, তবে সিদ্ধান্তটি কীভাবে নেওয়া হয়েছিল তা ব্যাখ্যা করা কঠিন হতে পারে কারণ এই জাতীয় সিদ্ধান্ত নিতে ব্যবহৃত এআই সরঞ্জামগুলি হাজার হাজার ভেরিয়েবলের মধ্যে সূক্ষ্ম সম্পর্ককে টিজ করে পরিচালনা করে। যখন সিদ্ধান্ত গ্রহণের প্রক্রিয়াটি ব্যাখ্যা করা যায় না, তখন প্রোগ্রামটিকে ব্ল্যাক বক্স এআই হিসাবে উল্লেখ করা যেতে পারে।
সংক্ষেপে, এআই এর নৈতিক চ্যালেঞ্জগুলির মধ্যে নিম্নলিখিতগুলি অন্তর্ভুক্ত রয়েছেঃ
অনুপযুক্তভাবে প্রশিক্ষিত অ্যালগরিদম এবং মানুষের পক্ষপাতের কারণে পক্ষপাত।
ডিপফেক এবং ফিশিংয়ের কারণে অপব্যবহার।
এআই মানহানি এবং কপিরাইট সমস্যা সহ আইনি উদ্বেগ।
এআই-এর ক্রমবর্ধমান সক্ষমতার কারণে চাকরি বাদ দেওয়া।
তথ্য গোপনীয়তার উদ্বেগ, বিশেষ করে ব্যাঙ্কিং, স্বাস্থ্যসেবা এবং আইনি ক্ষেত্রে।এআই শাসন ও নিয়মকানুন
সম্ভাব্য ঝুঁকি থাকা সত্ত্বেও, বর্তমানে এআই সরঞ্জামের ব্যবহার নিয়ন্ত্রণকারী কয়েকটি নিয়মকানুন রয়েছে এবং যেখানে আইন রয়েছে, সেগুলি সাধারণত পরোক্ষভাবে এআই-এর সাথে সম্পর্কিত। উদাহরণস্বরূপ, যেমন পূর্বে উল্লেখ করা হয়েছে, U.S. ফেয়ার লেন্ডিং প্রবিধানের জন্য আর্থিক প্রতিষ্ঠানগুলিকে সম্ভাব্য গ্রাহকদের কাছে ঋণের সিদ্ধান্তগুলি ব্যাখ্যা করতে হয়। এটি গভীর শিক্ষার অ্যালগরিদমগুলি ব্যবহার করতে পারে এমন পরিমাণকে সীমাবদ্ধ করে, যা তাদের স্বভাবগতভাবে অস্বচ্ছ এবং ব্যাখ্যার অভাব রয়েছে।
ইউরোপীয় ইউনিয়নের জেনারেল ডেটা প্রোটেকশন রেগুলেশন (জিডিপিআর) এআই প্রবিধানগুলি বিবেচনা করছে। উদ্যোগগুলি কীভাবে ভোক্তাদের ডেটা ব্যবহার করতে পারে সে সম্পর্কে জিডিপিআর-এর কঠোর সীমাবদ্ধতা ইতিমধ্যে অনেক ভোক্তা-মুখী এআই অ্যাপ্লিকেশনগুলির প্রশিক্ষণ এবং কার্যকারিতা সীমাবদ্ধ করে।
U.S. এর নীতিনির্ধারকেরা এখনও AI আইন জারি করেনি, তবে এটি শীঘ্রই পরিবর্তিত হতে পারে। 2022 সালের অক্টোবরে হোয়াইট হাউস অফিস অফ সায়েন্স অ্যান্ড টেকনোলজি পলিসি (ওএসটিপি) দ্বারা প্রকাশিত একটি “ব্লুপ্রিন্ট ফর অ্যান এআই বিল অফ রাইটস” কীভাবে নৈতিক এআই সিস্টেমগুলি বাস্তবায়ন করা যায় সে সম্পর্কে ব্যবসাগুলিকে গাইড করে। U.S. Chamber of Commerce 2023 সালের মার্চ মাসে প্রকাশিত একটি প্রতিবেদনে AI নিয়মাবলীর জন্যও আহ্বান জানিয়েছে।
এআই নিয়ন্ত্রণের জন্য আইন তৈরি করা সহজ হবে না, কারণ এআই বিভিন্ন প্রযুক্তির সমন্বয়ে গঠিত যা সংস্থাগুলি বিভিন্ন উদ্দেশ্যে ব্যবহার করে এবং আংশিকভাবে কারণ নিয়মকানুনগুলি এআই অগ্রগতি এবং বিকাশের ব্যয়ে আসতে পারে। এআই প্রযুক্তির দ্রুত বিবর্তন এআই-এর অর্থবহ নিয়ন্ত্রণ গঠনের ক্ষেত্রে আরেকটি বাধা, যেমন এআই-এর স্বচ্ছতার অভাব দ্বারা উপস্থাপিত চ্যালেঞ্জগুলি যা অ্যালগরিদমগুলি কীভাবে তাদের ফলাফলে পৌঁছায় তা দেখা কঠিন করে তোলে। উপরন্তু, প্রযুক্তির অগ্রগতি এবং চ্যাটজিপিটি এবং ডাল-ই-এর মতো অভিনব প্রয়োগগুলি বিদ্যমান আইনগুলিকে তাত্ক্ষণিকভাবে অপ্রচলিত করে তুলতে পারে। এবং, অবশ্যই, সরকারগুলি এআই নিয়ন্ত্রণের জন্য যে আইনগুলি তৈরি করে তা অপরাধীদের বিদ্বেষপূর্ণ অভিপ্রায় নিয়ে প্রযুক্তি ব্যবহার করা থেকে বিরত করে না।এআই-এর ইতিহাস কী?
বুদ্ধিতে সমৃদ্ধ নির্জীব বস্তুর ধারণাটি প্রাচীনকাল থেকেই রয়েছে। গ্রীক দেবতা হেফেইস্টাসকে পৌরাণিক কাহিনীতে সোনা থেকে রোবটের মতো দাস বানানোর জন্য চিত্রিত করা হয়েছিল। প্রাচীন মিশরের প্রকৌশলীরা পুরোহিতদের দ্বারা অ্যানিমেটেড দেবতাদের মূর্তি তৈরি করতেন। শতাব্দী জুড়ে, অ্যারিস্টটল থেকে 13 শতকের স্প্যানিশ ধর্মতত্ত্ববিদ র্যামন লুল থেকে রেনে ডেসকার্টেস এবং থমাস বায়েস পর্যন্ত চিন্তাবিদরা মানুষের চিন্তাভাবনা প্রক্রিয়াগুলিকে প্রতীক হিসাবে বর্ণনা করার জন্য তাদের সময়ের সরঞ্জাম এবং যুক্তি ব্যবহার করেছিলেন, সাধারণ জ্ঞানের প্রতিনিধিত্বের মতো এআই ধারণার ভিত্তি স্থাপন করেছিলেন।
ঊনবিংশ শতাব্দীর শেষের দিকে এবং বিংশ শতাব্দীর প্রথমার্ধে ভিত্তিগত কাজ সামনে আসে যা আধুনিক কম্পিউটারের জন্ম দেয়। 1836 সালে কেমব্রিজ বিশ্ববিদ্যালয়ের গণিতবিদ চার্লস ব্যাবেজ এবং কাউন্টেস অফ লাভলেস অগাস্টা অ্যাডা কিং একটি প্রোগ্রামেবল মেশিনের প্রথম নকশা আবিষ্কার করেন।
1940-এর দশক। প্রিন্সটন গণিতবিদ জন ভন নিউম্যান সঞ্চিত-প্রোগ্রাম কম্পিউটারের জন্য স্থাপত্যের ধারণা করেছিলেন-এই ধারণা যে একটি কম্পিউটারের প্রোগ্রাম এবং এটি যে ডেটা প্রক্রিয়া করে তা কম্পিউটারের স্মৃতিতে রাখা যেতে পারে। এবং ওয়ারেন ম্যাককুলক এবং ওয়াল্টার পিটস নিউরাল নেটওয়ার্কের ভিত্তি স্থাপন করেছিলেন।
1950-এর দশক। আধুনিক কম্পিউটারের আবির্ভাবের সাথে সাথে বিজ্ঞানীরা মেশিন বুদ্ধিমত্তা সম্পর্কে তাদের ধারণাগুলি পরীক্ষা করতে পেরেছিলেন। কম্পিউটারের বুদ্ধিমত্তা আছে কিনা তা নির্ধারণের একটি পদ্ধতি তৈরি করেছিলেন ব্রিটিশ গণিতবিদ এবং দ্বিতীয় বিশ্বযুদ্ধের কোড-ব্রেকার অ্যালান টুরিং। টুরিং পরীক্ষাটি একটি কম্পিউটারের প্রশ্নকারীদের বোকা বানানোর ক্ষমতার উপর দৃষ্টি নিবদ্ধ করে যাতে তারা বিশ্বাস করতে পারে যে তাদের প্রশ্নের উত্তরগুলি একজন মানুষের দ্বারা তৈরি করা হয়েছে।
1956 সালে। কৃত্রিম বুদ্ধিমত্তার আধুনিক ক্ষেত্রটি এই বছর ডার্টমাউথ কলেজে একটি গ্রীষ্মকালীন সম্মেলনের সময় শুরু হয়েছিল বলে ব্যাপকভাবে উল্লেখ করা হয়েছে। ডিফেন্স অ্যাডভান্সড রিসার্চ প্রজেক্টস এজেন্সি (ডিএআরপিএ) দ্বারা স্পনসর করা এই সম্মেলনে এআই অগ্রগামী মারভিন মিনস্কি, অলিভার সেলফ্রিজ এবং জন ম্যাকার্থি সহ এই ক্ষেত্রের 10 জন বিশিষ্ট ব্যক্তি উপস্থিত ছিলেন, যাঁকে কৃত্রিম বুদ্ধিমত্তা শব্দটি উদ্ভাবনের কৃতিত্ব দেওয়া হয়। এছাড়াও উপস্থিত ছিলেন কম্পিউটার বিজ্ঞানী অ্যালেন নেওয়েল এবং অর্থনীতিবিদ, রাষ্ট্রবিজ্ঞানী এবং জ্ঞানীয় মনোবিজ্ঞানী হারবার্ট এ সাইমন। দুজনেই তাদের যুগান্তকারী লজিক থিওরিস্ট উপস্থাপন করেন, একটি কম্পিউটার প্রোগ্রাম যা নির্দিষ্ট গাণিতিক উপপাদ্য প্রমাণ করতে সক্ষম এবং প্রথম এআই প্রোগ্রাম হিসাবে উল্লেখ করা হয়।
1950 এবং 1960-এর দশক। ডার্টমাউথ কলেজ সম্মেলনের প্রেক্ষাপটে, এআই-এর নবীন ক্ষেত্রের নেতারা ভবিষ্যদ্বাণী করেছিলেন যে মানুষের মস্তিষ্কের সমতুল্য একটি মানবসৃষ্ট বুদ্ধিমত্তা আসন্ন, যা প্রধান সরকার এবং শিল্প সমর্থন আকর্ষণ করে। প্রকৃতপক্ষে, প্রায় 20 বছরের সু-অর্থায়িত মৌলিক গবেষণা এআই-তে উল্লেখযোগ্য অগ্রগতি অর্জন করেছেঃ উদাহরণস্বরূপ, 1950-এর দশকের শেষের দিকে, নেওয়েল এবং সাইমন জেনারেল প্রবলেম সলভার (জিপিএস) অ্যালগরিদম প্রকাশ করেছিলেন, যা জটিল সমস্যা সমাধানে ব্যর্থ হয়েছিল কিন্তু আরও পরিশীলিত জ্ঞানীয় স্থাপত্য বিকাশের ভিত্তি স্থাপন করেছিল; এবং ম্যাকার্থি লিস্প তৈরি করেছিলেন, এআই প্রোগ্রামিংয়ের জন্য একটি ভাষা যা আজও ব্যবহৃত হয়। 1960-এর দশকের মাঝামাঝি সময়ে, এমআইটি অধ্যাপক জোসেফ ওয়েইজেনবাম এলিজা তৈরি করেছিলেন, একটি প্রাথমিক এনএলপি প্রোগ্রাম যা আজকের চ্যাটবটগুলির ভিত্তি স্থাপন করেছিল।
1970 এবং 1980-এর দশক। কৃত্রিম সাধারণ বুদ্ধিমত্তার অর্জন অধরা প্রমাণিত হয়েছিল, আসন্ন নয়, কম্পিউটার প্রসেসিং এবং মেমরির সীমাবদ্ধতা এবং সমস্যার জটিলতা দ্বারা বাধাগ্রস্ত হয়েছিল। সরকার এবং কর্পোরেশনগুলি এআই গবেষণার সমর্থন থেকে সরে এসেছিল, যার ফলে 1974 থেকে 1980 সাল পর্যন্ত একটি পতিত সময়কাল স্থায়ী হয়েছিল যা প্রথম “এআই শীতকালীন” নামে পরিচিত। 1980-এর দশকে, গভীর শিক্ষার কৌশল নিয়ে গবেষণা এবং এডওয়ার্ড ফাইগেনবামের বিশেষজ্ঞ ব্যবস্থার শিল্পের গ্রহণ এআই উত্সাহের একটি নতুন তরঙ্গের সূত্রপাত করেছিল, কেবল সরকারী তহবিল এবং শিল্প সহায়তার আরেকটি পতনের পরে। দ্বিতীয় এআই শীতকাল 1990-এর দশকের মাঝামাঝি পর্যন্ত স্থায়ী ছিল।
নব্বইয়ের দশক। গণনামূলক শক্তির বৃদ্ধি এবং তথ্যের বিস্ফোরণ 1990-এর দশকের শেষের দিকে একটি এআই রেনেসাঁর সূত্রপাত করেছিল যা এআই-এর উল্লেখযোগ্য অগ্রগতির মঞ্চ তৈরি করেছিল যা আমরা আজ দেখতে পাচ্ছি। বিগ ডেটা এবং বর্ধিত গণনামূলক শক্তির সংমিশ্রণ এনএলপি, কম্পিউটার ভিশন, রোবোটিক্স, মেশিন লার্নিং এবং গভীর শিক্ষার ক্ষেত্রে যুগান্তকারী অগ্রগতি ঘটিয়েছে। 1997 সালে, এআই-এর অগ্রগতি ত্বরান্বিত হওয়ার সাথে সাথে আইবিএম-এর ডিপ ব্লু রাশিয়ান দাবা গ্র্যান্ডমাস্টার গ্যারি কাসপারভকে পরাজিত করে, বিশ্ব দাবা চ্যাম্পিয়নকে পরাজিত করা প্রথম কম্পিউটার প্রোগ্রাম হয়ে ওঠে।
2000-এর দশক। মেশিন লার্নিং, ডিপ লার্নিং, এনএলপি, স্পিচ রিকগনিশন এবং কম্পিউটার ভিশনের ক্ষেত্রে আরও অগ্রগতি পণ্য এবং পরিষেবাগুলির জন্ম দিয়েছে যা আজ আমাদের জীবনযাত্রাকে রূপ দিয়েছে। এর মধ্যে রয়েছে 2000 সালে গুগলের সার্চ ইঞ্জিন এবং 2001 সালে অ্যামাজনের সুপারিশ ইঞ্জিনের প্রবর্তন। নেটফ্লিক্স চলচ্চিত্রের জন্য তার সুপারিশ ব্যবস্থা তৈরি করেছে, ফেসবুক তার মুখের স্বীকৃতি ব্যবস্থা চালু করেছে এবং মাইক্রোসফ্ট বক্তৃতাকে পাঠ্যে প্রতিলিপি করার জন্য তার বক্তৃতা স্বীকৃতি ব্যবস্থা চালু করেছে। আইবিএম ওয়াটসনকে চালু করে এবং গুগল তার স্ব-ড্রাইভিং উদ্যোগ, ওয়েমো শুরু করে।
এর মধ্যে রয়েছে অ্যাপলের সিরি এবং অ্যামাজনের অ্যালেক্সা ভয়েস অ্যাসিস্ট্যান্টের প্রবর্তন; বিপদে আইবিএম ওয়াটসনের বিজয়; স্ব-চালিত গাড়ি; প্রথম জেনারেটিভ প্রতিকূল নেটওয়ার্কের বিকাশ; টেনসরফ্লো, গুগলের ওপেন সোর্স গভীর শিক্ষার কাঠামো চালু; জিপিটি-3 ভাষা মডেল এবং ডাল-ই ইমেজ জেনারেটরের বিকাশকারী ওপেনএআই গবেষণা ল্যাব প্রতিষ্ঠা; গুগল ডিপমাইন্ডের আলফাগো দ্বারা ওয়ার্ল্ড গো চ্যাম্পিয়ন লি সেডলের পরাজয়; এবং এআই-ভিত্তিক সিস্টেমগুলির বাস্তবায়ন যা উচ্চ মাত্রার নির্ভুলতার সাথে ক্যান্সার সনাক্ত করে।
2020 সাল। বর্তমান দশকে উৎপাদক এআই-এর আবির্ভাব দেখা গেছে, এক ধরনের কৃত্রিম বুদ্ধিমত্তা প্রযুক্তি যা নতুন বিষয়বস্তু তৈরি করতে পারে। জেনারেটিভ এআই একটি প্রম্পট দিয়ে শুরু হয় যা একটি পাঠ্য, একটি চিত্র, একটি ভিডিও, একটি নকশা, বাদ্যযন্ত্রের নোট বা এআই সিস্টেম প্রক্রিয়া করতে পারে এমন কোনও ইনপুট আকারে হতে পারে। বিভিন্ন এআই অ্যালগরিদম তখন প্রম্পটটির প্রতিক্রিয়ায় নতুন বিষয়বস্তু প্রদান করে। বিষয়বস্তুর মধ্যে প্রবন্ধ, সমস্যার সমাধান বা কোনও ব্যক্তির ছবি বা অডিও থেকে তৈরি বাস্তবসম্মত নকল অন্তর্ভুক্ত থাকতে পারে। চ্যাটজিপিটি-3, গুগলের বার্ড এবং মাইক্রোসফ্টের মেগাট্রন-টুরিং এনএলজি-র মতো ভাষার মডেলগুলির ক্ষমতা বিশ্বকে মুগ্ধ করেছে, তবে প্রযুক্তিটি এখনও প্রাথমিক পর্যায়ে রয়েছে, যা এর হ্যালুসিনেট বা তির্যক উত্তরের প্রবণতা দ্বারা প্রমাণিত।
এআই সরঞ্জাম এবং পরিষেবা
এআই সরঞ্জাম এবং পরিষেবাগুলি দ্রুত হারে বিকশিত হচ্ছে। এআই সরঞ্জাম এবং পরিষেবাগুলিতে বর্তমান উদ্ভাবনগুলি 2012 অ্যালেক্সনেট নিউরাল নেটওয়ার্কে সনাক্ত করা যেতে পারে যা জিপিইউ এবং বড় ডেটা সেটগুলিতে নির্মিত উচ্চ-পারফরম্যান্স এআইয়ের একটি নতুন যুগের সূচনা করেছিল। মূল পরিবর্তনটি ছিল আরও স্কেলযোগ্য উপায়ে সমান্তরালে একাধিক জিপিইউ কোর জুড়ে প্রচুর পরিমাণে ডেটাতে নিউরাল নেটওয়ার্কগুলিকে প্রশিক্ষণ দেওয়ার ক্ষমতা।
গত কয়েক বছর ধরে, গুগল, মাইক্রোসফ্ট এবং ওপেনএআই-এর এআই আবিষ্কারগুলির মধ্যে সিম্বায়োটিক সম্পর্ক এবং এনভিডিয়া দ্বারা প্রবর্তিত হার্ডওয়্যার উদ্ভাবনগুলি আরও সংযুক্ত জিপিইউগুলিতে চির-বৃহত্তর এআই মডেলগুলি চালাতে সক্ষম করেছে, কর্মক্ষমতা এবং স্কেলিবিলিটিতে গেম-পরিবর্তনশীল উন্নতি চালাচ্ছে।
এই এআই আলোকিতদের মধ্যে সহযোগিতা চ্যাটজিপিটি-র সাম্প্রতিক সাফল্যের জন্য গুরুত্বপূর্ণ ছিল, অন্যান্য কয়েক ডজন ব্রেকআউট এআই পরিষেবার কথা উল্লেখ না করে। এখানে এআই সরঞ্জাম এবং পরিষেবাগুলিতে গুরুত্বপূর্ণ উদ্ভাবনের একটি তালিকা রয়েছে।
ট্রান্সফরমার। উদাহরণস্বরূপ, গুগল জিপিইউ সহ পণ্য পিসির একটি বড় ক্লাস্টারে এআই প্রশিক্ষণের বিধানের জন্য আরও কার্যকর প্রক্রিয়া খুঁজে বের করার পথে নেতৃত্ব দিয়েছে। এটি ট্রান্সফর্মার আবিষ্কারের পথ প্রশস্ত করে যা লেবেলবিহীন ডেটাতে এআই প্রশিক্ষণের অনেক দিককে স্বয়ংক্রিয় করে।
হার্ডওয়্যার অপ্টিমাইজেশান। ঠিক ততটাই গুরুত্বপূর্ণ, এনভিডিয়ার মতো হার্ডওয়্যার বিক্রেতারাও সর্বাধিক জনপ্রিয় অ্যালগরিদমগুলির সমান্তরালে একাধিক জিপিইউ কোর জুড়ে চালানোর জন্য মাইক্রোকোডকে অনুকূল করে তুলছেন। এনভিডিয়া দাবি করেছে যে দ্রুত হার্ডওয়্যার, আরও দক্ষ এআই অ্যালগরিদম, সূক্ষ্ম-টিউনিং জিপিইউ নির্দেশাবলী এবং আরও ভাল ডেটা সেন্টার ইন্টিগ্রেশনের সংমিশ্রণ এআই পারফরম্যান্সে এক মিলিয়ন গুণ উন্নতি করছে। এনভিডিয়া আইএএএস, এসএএএস এবং পিএএএস মডেলের মাধ্যমে এআই-এ-এ-সার্ভিস হিসাবে এই ক্ষমতাকে আরও অ্যাক্সেসযোগ্য করতে সমস্ত ক্লাউড সেন্টার সরবরাহকারীদের সাথেও কাজ করছে।
জেনারেটিভ প্রাক-প্রশিক্ষিত ট্রান্সফরমার। গত কয়েক বছরে এআই স্ট্যাকও দ্রুত বিকশিত হয়েছে। আগে উদ্যোগগুলিকে তাদের এআই মডেলগুলিকে একেবারে গোড়া থেকে প্রশিক্ষণ দিতে হত। ওপেনএআই, এনভিডিয়া, মাইক্রোসফ্ট, গুগল এবং অন্যান্য ক্রমবর্ধমান বিক্রেতারা জেনারেটিভ প্রাক-প্রশিক্ষিত ট্রান্সফরমার (জিপিটি) সরবরাহ করে যা নাটকীয়ভাবে হ্রাসকৃত ব্যয়, দক্ষতা এবং সময়ে একটি নির্দিষ্ট কাজের জন্য সূক্ষ্ম-সুর করা যেতে পারে। যেখানে কিছু বৃহত্তম মডেলের জন্য প্রতি রান $5 মিলিয়ন থেকে $10 মিলিয়ন খরচ হবে বলে অনুমান করা হয়, এন্টারপ্রাইজগুলি কয়েক হাজার ডলারের জন্য ফলস্বরূপ মডেলগুলিকে সূক্ষ্ম-সুর করতে পারে। এর ফলে বাজারে দ্রুত সময় আসে এবং ঝুঁকি হ্রাস পায়।
এআই ক্লাউড পরিষেবা। উদ্যোগগুলিকে তাদের ব্যবসায় এআই-কে কার্যকরভাবে ব্যবহার করতে বাধা দেয় এমন সবচেয়ে বড় বাধাগুলির মধ্যে রয়েছে ডেটা ইঞ্জিনিয়ারিং এবং ডেটা সায়েন্সের কাজ যা এআই-এর ক্ষমতাকে নতুন অ্যাপ্লিকেশনগুলিতে বুনন বা নতুনগুলি বিকাশের জন্য প্রয়োজনীয়। সমস্ত শীর্ষস্থানীয় ক্লাউড সরবরাহকারীরা ডেটা প্রস্তুতি, মডেল বিকাশ এবং অ্যাপ্লিকেশন স্থাপনার জন্য পরিষেবা অফার হিসাবে তাদের নিজস্ব ব্র্যান্ডযুক্ত এআই চালু করছে। শীর্ষ উদাহরণগুলির মধ্যে রয়েছে এডব্লিউএস এআই সার্ভিসেস, গুগল ক্লাউড এআই, মাইক্রোসফ্ট অ্যাজুরে এআই প্ল্যাটফর্ম, আইবিএম এআই সলিউশন এবং ওরাকল ক্লাউড ইনফ্রাস্ট্রাকচার এআই সার্ভিসেস।
একটি পরিষেবা হিসাবে অত্যাধুনিক এআই মডেল। শীর্ষস্থানীয় এআই মডেল ডেভেলপাররা এই ক্লাউড পরিষেবাগুলির উপরে অত্যাধুনিক এআই মডেলও অফার করে। ওপেনএআই-এর চ্যাট, এনএলপি, ইমেজ জেনারেশন এবং কোড জেনারেশনের জন্য অনুকূলিত কয়েক ডজন বড় ভাষার মডেল রয়েছে যা অ্যাজুরে-এর মাধ্যমে সরবরাহ করা হয়।
