কৃত্রিম বুদ্ধিমত্তা (AI, eng. কৃত্রিম বুদ্ধিমত্তা, AI) - বুদ্ধিমান মেশিন, বিশেষ করে বুদ্ধিমান কম্পিউটার প্রোগ্রাম তৈরির বিজ্ঞান ও প্রযুক্তি। AI মানুষের বুদ্ধিমত্তা বোঝার জন্য কম্পিউটার ব্যবহার করার অনুরূপ কাজের সাথে সম্পর্কিত, তবে জৈবিকভাবে যুক্তিযুক্ত পদ্ধতিতে সীমাবদ্ধ নয়।
কৃত্রিম বুদ্ধিমত্তা কি
- (J. McCarthy) AI এমন মেশিন তৈরি করে যেগুলোর বুদ্ধিমান আচরণ আছে
- (Britannica) AI হল ডিজিটাল কম্পিউটারের ক্ষমতা যা সাধারণত উচ্চ বুদ্ধিমান মানুষের সাথে সম্পর্কিত সমস্যাগুলি সমাধান করতে পারে।
- (Feigenbaum) AI - এমন ক্ষমতা সহ বুদ্ধিমান কম্পিউটার সিস্টেম বিকাশ করে যা আমরা ঐতিহ্যগতভাবে মানুষের মনের সাথে যুক্ত করি: ভাষা বোঝা, শেখার ক্ষমতা, যুক্তি করার ক্ষমতা, সমস্যা সমাধান ইত্যাদি।
- (Elaine Rich) AI হল বিজ্ঞান যা কম্পিউটারকে কীভাবে কাজ করতে শেখানো যায় এই মুহূর্তেএকজন ব্যক্তি আরও সফল
বুদ্ধিমত্তা(ল্যাটিন ইন্টেলেক্টাস থেকে - সংবেদন, উপলব্ধি, বোঝাপড়া, বোঝাপড়া, ধারণা, কারণ), বা মন - মানসিকতার গুণমান, নতুন পরিস্থিতিতে মানিয়ে নেওয়ার ক্ষমতা, অভিজ্ঞতার ভিত্তিতে শেখার এবং মনে রাখার ক্ষমতা, বোঝা এবং প্রয়োগ করার ক্ষমতা। বিমূর্ত ধারণা এবং পরিবেশ ব্যবস্থাপনার জন্য নিজের জ্ঞান ব্যবহার করুন। বুদ্ধিমত্তা হল জ্ঞান এবং সমস্যা সমাধানের একটি সাধারণ ক্ষমতা, যা একজন ব্যক্তির সমস্ত জ্ঞানীয় ক্ষমতাকে একত্রিত করে: সংবেদন, উপলব্ধি, স্মৃতি, প্রতিনিধিত্ব, চিন্তাভাবনা, কল্পনা।
1980 এর দশকের গোড়ার দিকে কম্পিউটিং বিজ্ঞানী বার এবং ফিগেনবাউম কৃত্রিম বুদ্ধিমত্তার (AI) নিম্নলিখিত সংজ্ঞা প্রস্তাব করেছেন:
পরবর্তীতে, বেশ কয়েকটি অ্যালগরিদম এবং সফ্টওয়্যার সিস্টেমকে AI হিসাবে উল্লেখ করা শুরু হয়, যার বিশিষ্ট বৈশিষ্ট্য হল যে তারা কিছু সমস্যার সমাধান করতে পারে যেভাবে একজন ব্যক্তি তাদের সমাধান সম্পর্কে চিন্তা করে।
AI এর প্রধান বৈশিষ্ট্য হল ভাষা বোঝা, শেখার এবং চিন্তা করার ক্ষমতা এবং গুরুত্বপূর্ণভাবে কাজ করা।
AI হল সম্পর্কিত প্রযুক্তি এবং প্রক্রিয়াগুলির একটি জটিল যা গুণগতভাবে এবং দ্রুত বিকাশ করছে, উদাহরণস্বরূপ:
- প্রাকৃতিক ভাষা পাঠ্য প্রক্রিয়াকরণ
- সুদক্ষ পদ্দতি
- ভার্চুয়াল এজেন্ট (চ্যাটবট এবং ভার্চুয়াল সহকারী)
- সুপারিশ সিস্টেম।
এআই পদ্ধতি: এনএলপি, সিভি, ডেটা সায়েন্স
ন্যাচারাল ল্যাঙ্গুয়েজ (NLP) স্পিচ টেকনোলজিস
- পাঠ্য: চিনুন, স্বয়ংক্রিয়ভাবে অনুবাদ করুন
- বক্তৃতা: চিনতে, তৈরি করা
- সন্ধান করুন, ট্র্যাক করুন, শ্রেণীবদ্ধ করুন, বস্তু সনাক্ত করুন
- ইমেজ থেকে তথ্য নিষ্কাশন
- প্রাপ্ত তথ্য বিশ্লেষণ করুন
এর জন্য আবেদন করা হয়
- বস্তুর স্বীকৃতি
- ছবি এবং ভিডিওর বিষয়বস্তুর বিবরণ
- অঙ্গভঙ্গি এবং হাতের লেখার স্বীকৃতি
- বুদ্ধিমান ইমেজ প্রক্রিয়াকরণ
- জ্ঞান আহরণ
- ডেটাতে নিদর্শন খুঁজুন
- ভবিষ্যদ্বাণী
পদ্ধতি ব্যবহার করুন
- পরিসংখ্যান
- অর্থনীতি
- মেশিন লার্নিং, ডিপ লার্নিং
কৃত্রিম বুদ্ধিমত্তার উন্নয়নের জন্য জাতীয় কৌশল
- মূল নিবন্ধ:কৃত্রিম বুদ্ধিমত্তার উন্নয়নের জন্য জাতীয় কৌশল
এআই গবেষণা
- মূল নিবন্ধ:কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রে গবেষণা
এআই প্রমিতকরণ
স্বাস্থ্যসেবাতে কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রে মান
2019
4 মিনিটে শীর্ষ 3টি কৃত্রিম বুদ্ধিমত্তার প্রবণতা
Rosstandart AI ক্ষেত্রের প্রথম মান অনুমোদন করেছে
ফেডারেল এজেন্সি ফর টেকনিক্যাল রেগুলেশন অ্যান্ড মেট্রোলজি (রসস্ট্যান্ডার্ট) ডিসেম্বর 2019-এ কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রে প্রথম জাতীয় মান অনুমোদন করেছে - GOST R 58776-2019 “মানুষের আচরণ পর্যবেক্ষণ করা এবং মানুষের উদ্দেশ্য ভবিষ্যদ্বাণী করার অর্থ। শর্তাবলী এবং সংজ্ঞা" এবং GOST R 58777-2019 "বিমান পরিবহন। বিমানবন্দর। প্রযুক্তিগত উপায়পরিদর্শন ছায়া এক্স-রে চিত্র দ্বারা অবৈধ বিনিয়োগের স্বীকৃতির গুণমান সূচক নির্ধারণের পদ্ধতি।
মানটি একজন ব্যক্তির সাথে বুদ্ধিমান রোবোটিক সিস্টেমের (মানবহীন যানবাহন সহ) কার্যকর যোগাযোগ নিশ্চিত করার জন্য ডিজাইন করা হয়েছে। বুদ্ধিমান সিস্টেমের মিথস্ক্রিয়া একে অপরের উদ্দেশ্য ভবিষ্যদ্বাণী করা এবং এই পূর্বাভাসের উপর ভিত্তি করে পরবর্তী কর্ম নির্ধারণ করে। আচরণের পূর্বাভাস অপরাধমূলক অভিপ্রায়যুক্ত ব্যক্তিদের সনাক্ত করতেও ব্যবহার করা যেতে পারে।
দ্বিতীয় গৃহীত মান, GOST R 58777-2019, এক্স-রে ছবি থেকে ব্যাগেজ এবং হাতের লাগেজের অবৈধ বিষয়বস্তু সনাক্ত করার জন্য সিস্টেম এবং অ্যালগরিদমের জন্য অভিন্ন প্রয়োজনীয়তা স্থাপন করে। মান সিস্টেম এবং অ্যালগরিদম পরীক্ষার ফলাফলের নির্ভরযোগ্যতা বৃদ্ধি করবে।
পরিভাষাগত মান "কৃত্রিম বুদ্ধিমত্তা। ধারণা এবং পরিভাষা" কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রে আন্তর্জাতিক নিয়ন্ত্রক এবং প্রযুক্তিগত নথিগুলির সমগ্র পরিবারের জন্য মৌলিক। শর্তাবলী এবং সংজ্ঞা ছাড়াও, এই নথিতে উপাদানগুলির সাথে সিস্টেম তৈরির জন্য ধারণাগত পদ্ধতি এবং নীতি রয়েছে, এআই এবং অন্যান্য এন্ড-টু-এন্ড প্রযুক্তির মধ্যে সম্পর্কের বর্ণনা, পাশাপাশি মৌলিক নীতিএবং কৃত্রিম বুদ্ধিমত্তার নিয়ন্ত্রক এবং প্রযুক্তিগত নিয়ন্ত্রণের কাঠামোর পদ্ধতি।
ডাবলিনে প্রাসঙ্গিক ISO/IEC উপকমিটির বৈঠকের পর, ISO/IEC বিশেষজ্ঞরা রাশিয়ার প্রতিনিধিদলের প্রস্তাবকে সমর্থন করেছেন AI-এর ক্ষেত্রে শুধুমাত্র ইংরেজিতে নয়, রাশিয়ান ভাষায়ও। নথিটি 2021 সালের প্রথম দিকে অনুমোদিত হবে বলে আশা করা হচ্ছে।
| কৃত্রিম বুদ্ধিমত্তার উপর ভিত্তি করে পণ্য এবং পরিষেবাগুলির বিকাশের জন্য সমস্ত বাজার অংশগ্রহণকারীদের দ্বারা ব্যবহৃত ধারণাগুলির একটি দ্ব্যর্থহীন ব্যাখ্যা প্রয়োজন। পরিভাষা মান ডেভেলপার, গ্রাহক এবং পেশাদার সম্প্রদায়ের দ্বারা ব্যবহৃত "ভাষা"কে একীভূত করবে, এআই-ভিত্তিক পণ্যগুলির বৈশিষ্ট্যগুলিকে "নিরাপত্তা", "পুনরুত্পাদনযোগ্যতা", "প্রমাণতা" এবং "গোপনীয়তা" হিসাবে শ্রেণীবদ্ধ করবে। ন্যাশনাল টেকনোলজি ইনিশিয়েটিভের অংশ হিসেবে কৃত্রিম বুদ্ধিমত্তা প্রযুক্তির বিকাশের জন্য একটি একীভূত পরিভাষাও একটি গুরুত্বপূর্ণ ফ্যাক্টর হয়ে উঠবে - NTI পরিধির মধ্যে থাকা 80% এর বেশি কোম্পানি AI অ্যালগরিদম ব্যবহার করে। উপরন্তু, ISO/IEC সিদ্ধান্ত কর্তৃপক্ষকে শক্তিশালী করবে এবং আন্তর্জাতিক মানের আরও উন্নয়নে রাশিয়ান বিশেষজ্ঞদের প্রভাবকে প্রসারিত করবে। |
বৈঠকের সময়, ISO/IEC বিশেষজ্ঞরা আন্তর্জাতিক ডকুমেন্ট তথ্য প্রযুক্তি - কৃত্রিম বুদ্ধিমত্তা (AI) - AI সিস্টেমের জন্য কম্পিউটেশনাল অ্যাপ্রোচের ওভারভিউ, যেখানে রাশিয়া একটি সহ-সম্পাদক হিসাবে কাজ করে, খসড়ার উন্নয়নে সমর্থন করেছেন৷ নথি একটি ওভারভিউ প্রদান করে শিল্প রাষ্ট্রকৃত্রিম বুদ্ধিমত্তা সিস্টেম, সিস্টেম, অ্যালগরিদম এবং পদ্ধতির প্রধান বৈশিষ্ট্য বর্ণনা করে, সেইসাথে AI ক্ষেত্রে বিশেষায়িত অ্যাপ্লিকেশনের উদাহরণ। সাবকমিটির কাঠামোর মধ্যে বিশেষভাবে তৈরি করা ওয়ার্কিং গ্রুপ 5 "কম্পিউটেশনাল অ্যাপ্রোচস এবং এআই সিস্টেমের গণনাগত বৈশিষ্ট্য" এই খসড়া নথিটি তৈরি করবে।
| আন্তর্জাতিক পর্যায়ে কাজের অংশ হিসেবে, রাশিয়ার প্রতিনিধি দল বেশ কয়েকটি যুগান্তকারী সিদ্ধান্ত অর্জন করতে সক্ষম হয়েছে যা দেশে কৃত্রিম বুদ্ধিমত্তা প্রযুক্তির উন্নয়নে দীর্ঘমেয়াদী প্রভাব ফেলবে। স্ট্যান্ডার্ডের রাশিয়ান-ভাষা সংস্করণের বিকাশ, এমনকি এই জাতীয় প্রাথমিক পর্যায়ে থেকে, আন্তর্জাতিক ক্ষেত্রের সাথে সিঙ্ক্রোনাইজেশনের গ্যারান্টি, এবং ISO/IEC উপকমিটির বিকাশ এবং রাশিয়ান সহ-সম্পাদকের সাথে আন্তর্জাতিক নথিগুলির সূচনা। বিদেশে রাশিয়ান বিকাশকারীদের স্বার্থকে আরও প্রচারের জন্য ভিত্তি,” মন্তব্য করেছেন। |
ডিজিটাল অর্থনীতির বিভিন্ন ক্ষেত্রে কৃত্রিম বুদ্ধিমত্তা প্রযুক্তির ব্যাপক চাহিদা রয়েছে। তাদের পূর্ণ-স্কেল ব্যবহারিক ব্যবহারে বাধা প্রধান কারণগুলির মধ্যে নিয়ন্ত্রক কাঠামোর অনুন্নয়ন। একই সময়ে, এটি সু-উন্নত নিয়ন্ত্রক এবং প্রযুক্তিগত ভিত্তি যা প্রযুক্তি প্রয়োগের নির্দিষ্ট গুণমান এবং সংশ্লিষ্ট অর্থনৈতিক প্রভাব নিশ্চিত করে।
দিকে কৃত্রিম বুদ্ধিমত্তাটিসি "সাইবার-ফিজিক্যাল সিস্টেমস" RVC-এর ভিত্তিতে বেশ কয়েকটি জাতীয় মান তৈরি করছে, যার অনুমোদন 2019-এর শেষের জন্য নির্ধারিত - 2020-এর শুরুতে। এছাড়াও, বাজারের খেলোয়াড়দের সাথে একসাথে, 2020 এবং তার পরেও একটি জাতীয় মানককরণ পরিকল্পনা (PNS) গঠনের কাজ চলছে। TC "সাইবার-ফিজিক্যাল সিস্টেম" আগ্রহী প্রতিষ্ঠানের নথির বিকাশের জন্য প্রস্তাবের জন্য উন্মুক্ত।
2018: কোয়ান্টাম যোগাযোগ, এআই এবং স্মার্ট সিটির ক্ষেত্রে মান উন্নয়ন
6 ডিসেম্বর, 2018-এ, টেকনিক্যাল কমিটি "সাইবার-ফিজিক্যাল সিস্টেমস" RVC এর ভিত্তিতে আঞ্চলিক প্রকৌশল কেন্দ্র "SafeNet" এর সাথে মিলে ন্যাশনাল টেকনোলজি ইনিশিয়েটিভ (NTI) এবং ডিজিটাল অর্থনীতির বাজারের জন্য মানগুলির একটি সেট তৈরি করা শুরু করে। . মার্চ 2019 এর মধ্যে, কোয়ান্টাম যোগাযোগের ক্ষেত্রে প্রযুক্তিগত মানককরণের নথি তৈরি করার পরিকল্পনা করা হয়েছে, এবং , RVC রিপোর্ট করেছে। আরও পড়ুন
কৃত্রিম বুদ্ধিমত্তার প্রভাব
মানব সভ্যতার বিকাশের ঝুঁকি
অর্থনীতি এবং ব্যবসার উপর প্রভাব
- অর্থনীতি ও ব্যবসায় কৃত্রিম বুদ্ধিমত্তা প্রযুক্তির প্রভাব
শ্রমবাজারে প্রভাব
কৃত্রিম বুদ্ধিমত্তার পক্ষপাতিত্ব
এআই (মেশিন ট্রান্সলেশন, স্পিচ রিকগনিশন, প্রাকৃতিক ভাষা প্রক্রিয়াকরণ, কম্পিউটার দৃষ্টি, স্বয়ংক্রিয় ড্রাইভিং এবং আরও অনেক কিছু) এর অনুশীলনের মূলে রয়েছে গভীর শিক্ষা। এটি মেশিন লার্নিং-এর একটি উপসেট, যা নিউরাল নেটওয়ার্ক মডেলগুলির ব্যবহার দ্বারা চিহ্নিত করা হয়, যা মস্তিষ্কের কাজ করার পদ্ধতির অনুকরণ করে বলা যেতে পারে, তাই এগুলিকে AI হিসাবে শ্রেণীবদ্ধ করা যায় না। যেকোনো নিউরাল নেটওয়ার্ক মডেলকে বড় ডেটাসেটে প্রশিক্ষণ দেওয়া হয়, তাই এটি কিছু "দক্ষতা" অর্জন করে, কিন্তু কীভাবে এটি সেগুলিকে ব্যবহার করে তা নির্মাতাদের কাছে স্পষ্ট নয়, যা শেষ পর্যন্ত অনেক গভীর শিক্ষার অ্যাপ্লিকেশনের জন্য সবচেয়ে গুরুত্বপূর্ণ সমস্যা হয়ে ওঠে। কারণ হল যে এই ধরনের একটি মডেল ইমেজগুলির সাথে আনুষ্ঠানিকভাবে কাজ করে, এটি কী করে তা না বুঝেই। এই ধরনের একটি AI সিস্টেম এবং মেশিন লার্নিংয়ের ভিত্তিতে তৈরি সিস্টেমগুলি কি বিশ্বস্ত হতে পারে? শেষ প্রশ্নের উত্তরের তাৎপর্য বৈজ্ঞানিক গবেষণাগারের বাইরে চলে যায়। অতএব, এআই পক্ষপাত নামক ঘটনার প্রতি মিডিয়ার মনোযোগ লক্ষণীয়ভাবে বৃদ্ধি পেয়েছে। এটি "AI পক্ষপাত" বা "AI পক্ষপাত" হিসাবে অনুবাদ করা যেতে পারে। আরও পড়ুন
কৃত্রিম বুদ্ধিমত্তা প্রযুক্তির বাজার
রাশিয়ায় এআই বাজার
বিশ্বব্যাপী এআই বাজার
এআই এর অ্যাপ্লিকেশন
AI এর প্রয়োগের ক্ষেত্রগুলি বেশ প্রশস্ত এবং উভয় প্রযুক্তিই কভার করে যা শ্রবণে পরিচিত, এবং নতুন নতুন ক্ষেত্রগুলি যা ব্যাপক প্রয়োগ থেকে দূরে, অন্য কথায়, এটি হল ভ্যাকুয়াম ক্লিনার থেকে স্পেস স্টেশন পর্যন্ত সমাধানের সম্পূর্ণ পরিসর। উন্নয়নের মূল পয়েন্টের মাপকাঠি অনুসারে তাদের সমস্ত বৈচিত্র্যকে ভাগ করা সম্ভব।
AI কোন একচেটিয়া বিষয় এলাকা নয়। অধিকন্তু, এআই-এর কিছু প্রযুক্তিগত ক্ষেত্র অর্থনীতির নতুন উপ-খাত হিসাবে উপস্থিত হয় এবং পৃথক সত্তাএকই সাথে অর্থনীতির অধিকাংশ সেক্টর পরিবেশন করার সময়.
এআই-এর ব্যবহারের বিকাশের ফলে অর্থনীতির শাস্ত্রীয় খাতে প্রযুক্তির অভিযোজন হয় সমগ্র মান শৃঙ্খলে এবং সেগুলিকে রূপান্তরিত করে, যার ফলে লজিস্টিক থেকে কোম্পানি ব্যবস্থাপনা পর্যন্ত প্রায় সমস্ত কার্যকারিতার অ্যালগরিদমাইজেশন হয়।
প্রতিরক্ষা এবং সামরিক উদ্দেশ্যে AI ব্যবহার
শিক্ষায় ব্যবহার করুন
ব্যবসায় এআই এর ব্যবহার
জালিয়াতির বিরুদ্ধে লড়াইয়ে এআই
11 জুলাই, 2019-এ, এটি জানা গেল যে মাত্র দুই বছরে, কৃত্রিম বুদ্ধিমত্তা এবং মেশিন লার্নিং জুলাই 2019 সালের তুলনায় তিনগুণ বেশি জালিয়াতি প্রতিরোধে ব্যবহার করা হবে। এসএএস এবং অ্যাসোসিয়েশন অফ সার্টিফাইড ফ্রড এক্সামিনার্স (এসিএফই) দ্বারা একটি যৌথ গবেষণার সময় এই তথ্যগুলি পাওয়া গেছে। জুলাই 2019 পর্যন্ত, এই ধরনের জালিয়াতি বিরোধী সরঞ্জামগুলি ইতিমধ্যেই 13% সংস্থাগুলিতে ব্যবহৃত হয়েছে যেগুলি জরিপে অংশ নিয়েছিল এবং আরও 25% বলেছে যে তারা আগামী দুই বছরের মধ্যে সেগুলি বাস্তবায়নের পরিকল্পনা করছে৷ আরও পড়ুন
বিদ্যুৎ শিল্পে এআই
- নকশা স্তরে: উত্পাদনের উন্নত পূর্বাভাস এবং শক্তি সংস্থানগুলির চাহিদা, শক্তি উত্পাদনকারী সরঞ্জামগুলির নির্ভরযোগ্যতার মূল্যায়ন, চাহিদা বৃদ্ধির ক্ষেত্রে উত্পাদন বৃদ্ধির স্বয়ংক্রিয়তা।
- উত্পাদন স্তরে: সরঞ্জামগুলির প্রতিরোধমূলক রক্ষণাবেক্ষণের অনুকূলকরণ, উত্পাদন দক্ষতা বৃদ্ধি, ক্ষতি হ্রাস করা, শক্তি সংস্থান চুরি রোধ করা।
- প্রচার স্তরে: দিনের সময় এবং গতিশীল বিলিং এর উপর নির্ভর করে মূল্যের অপ্টিমাইজেশন।
- পরিষেবা সরবরাহের স্তরে: সর্বাধিক লাভজনক সরবরাহকারীর স্বয়ংক্রিয় নির্বাচন, বিশদ খরচ পরিসংখ্যান, স্বয়ংক্রিয় গ্রাহক পরিষেবা, গ্রাহকের অভ্যাস এবং আচরণের উপর ভিত্তি করে শক্তি অপ্টিমাইজেশন।
উৎপাদনে AI
- নকশা স্তরে: নতুন পণ্য বিকাশের দক্ষতা উন্নত করুন, স্বয়ংক্রিয় সরবরাহকারী মূল্যায়ন এবং খুচরা যন্ত্রাংশ এবং যন্ত্রাংশের প্রয়োজনীয়তা বিশ্লেষণ করুন।
- উত্পাদন স্তরে: কার্য সম্পাদনের প্রক্রিয়ার উন্নতি, সমাবেশ লাইন স্বয়ংক্রিয়করণ, ত্রুটির সংখ্যা হ্রাস করা, কাঁচামাল সরবরাহের সময় হ্রাস করা।
- প্রচার স্তরে: সমর্থন এবং রক্ষণাবেক্ষণ পরিষেবার ভলিউম পূর্বাভাস, মূল্য ব্যবস্থাপনা।
- পরিষেবা সরবরাহের স্তরে: ফ্লিট রুট পরিকল্পনার উন্নতি, ফ্লিট সংস্থানের চাহিদা, পরিষেবা প্রকৌশলীদের প্রশিক্ষণের মান উন্নত করা।
ব্যাংকে এ.আই
পরিবহনে এআই
- অটো শিল্প একটি বিপ্লবের দ্বারপ্রান্তে: স্ব-চালিত ড্রাইভিং যুগের 5টি চ্যালেঞ্জ
লজিস্টিকসে এআই
বিচার বিভাগে এ.আই
কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রে উন্নয়ন বিচার ব্যবস্থাকে আমূল পরিবর্তন করতে, এটিকে আরও ন্যায্য ও দুর্নীতিমুক্ত করতে সাহায্য করবে। এই মতামতটি 2017 সালের গ্রীষ্মে ড. প্রযুক্তিগত বিজ্ঞান, Artezio প্রযুক্তিগত পরামর্শদাতা ভ্লাদিমির Krylov.
বিজ্ঞানী বিশ্বাস করেন যে ইতিমধ্যেই বিদ্যমান AI সমাধানগুলি অর্থনীতির বিভিন্ন ক্ষেত্রে সফলভাবে প্রয়োগ করা যেতে পারে এবং জনজীবন. বিশেষজ্ঞ উল্লেখ করেছেন যে AI সফলভাবে ওষুধে ব্যবহৃত হয়, তবে ভবিষ্যতে এটি বিচার ব্যবস্থাকে সম্পূর্ণরূপে পরিবর্তন করতে পারে।
“এআই ক্ষেত্রের উন্নয়ন সম্পর্কে প্রতিদিনের সংবাদ প্রতিবেদনগুলি দেখে, এই ক্ষেত্রের গবেষক এবং বিকাশকারীদের কল্পনার অক্ষয়তা এবং ফলপ্রসূতায় যে কেউ বিস্মিত হয়। সম্পর্কে বার্তা বৈজ্ঞানিক গবেষণাবাজারে আসা নতুন পণ্য সম্পর্কে প্রকাশনার সাথে ক্রমাগত পরিবর্তন করা এবং বিভিন্ন ক্ষেত্রে AI এর প্রয়োগ ব্যবহার করে প্রাপ্ত আশ্চর্যজনক ফলাফলের প্রতিবেদন। যদি আমরা প্রত্যাশিত ইভেন্টগুলি সম্পর্কে কথা বলি, মিডিয়াতে একটি লক্ষণীয় হাইপ সহ, যেখানে এআই আবার সংবাদের নায়ক হয়ে উঠবে, তবে আমি সম্ভবত প্রযুক্তিগত পূর্বাভাস দেওয়ার ঝুঁকি নেব না। আমি অনুমান করতে পারি যে পরবর্তী ঘটনাটি কৃত্রিম বুদ্ধিমত্তা, ন্যায্য এবং অবিচ্ছিন্ন আকারে একটি অত্যন্ত দক্ষ আদালতের কোথাও উপস্থিত হবে। এটি সম্ভবত 2020-2025 সালে ঘটবে। এবং এই আদালতে যে প্রক্রিয়াগুলি সংঘটিত হবে তা অপ্রত্যাশিত প্রতিফলনের দিকে নিয়ে যাবে এবং মানব সমাজ পরিচালনার বেশিরভাগ প্রক্রিয়া AI-তে স্থানান্তর করার জন্য অনেক লোকের ইচ্ছা।
বিজ্ঞানী বিচার ব্যবস্থায় কৃত্রিম বুদ্ধিমত্তার ব্যবহারকে আইনী সমতা ও ন্যায়বিচারের বিকাশে একটি "যৌক্তিক পদক্ষেপ" হিসাবে স্বীকৃতি দেন। মেশিনের মন দুর্নীতি এবং আবেগের বিষয় নয়, আইনী কাঠামোকে কঠোরভাবে মেনে চলতে পারে এবং বিতর্কে অংশগ্রহণকারীদের বৈশিষ্ট্যযুক্ত ডেটা সহ অনেকগুলি বিষয় বিবেচনা করে সিদ্ধান্ত নিতে পারে। চিকিৎসা ক্ষেত্রের সাথে সাদৃশ্য অনুসারে, রোবট বিচারকরা পাবলিক সার্ভিস রিপোজিটরি থেকে বড় ডেটা দিয়ে কাজ করতে পারেন। এটি অনুমান করা যেতে পারে যে মেশিন বুদ্ধিমত্তা দ্রুত ডেটা প্রক্রিয়া করতে সক্ষম হবে এবং একজন মানুষের বিচারকের চেয়ে অনেক বেশি বিষয় বিবেচনা করবে।
মনস্তাত্ত্বিক বিশেষজ্ঞরা, তবে, বিশ্বাস করেন যে আদালতের মামলা বিবেচনায় একটি মানসিক উপাদানের অনুপস্থিতি সিদ্ধান্তের গুণমানকে নেতিবাচকভাবে প্রভাবিত করবে। মেশিন আদালতের রায় মানুষের অনুভূতি এবং মেজাজের গুরুত্ব বিবেচনা না করে খুব সোজা হতে পারে।
সঙ্গীত
পেইন্টিং
2015 সালে, Google টিম নিউরাল নেটওয়ার্কগুলি পরীক্ষা করেছিল যে তারা নিজেরাই ছবি তৈরি করতে পারে কিনা। তারপরে কৃত্রিম বুদ্ধিমত্তার প্রশিক্ষণ দেওয়া হয়েছিল বিশাল সংখ্যক বিভিন্ন ছবির উদাহরণের উপর। যাইহোক, যখন মেশিনটিকে নিজের থেকে কিছু চিত্রিত করতে "জিজ্ঞাসা করা হয়েছিল", তখন দেখা গেল যে এটি আমাদের চারপাশের বিশ্বকে কিছুটা অদ্ভুত উপায়ে ব্যাখ্যা করে। উদাহরণস্বরূপ, ডাম্বেল আঁকার কাজের জন্য, বিকাশকারীরা একটি চিত্র পেয়েছিলেন যাতে ধাতুটি মানুষের হাত দ্বারা সংযুক্ত ছিল। এটি সম্ভবত এই কারণে ঘটেছে যে প্রশিক্ষণের পর্যায়ে, ডাম্বেল সহ বিশ্লেষণ করা ছবিগুলিতে হাত ছিল এবং নিউরাল নেটওয়ার্ক এটিকে ভুল ব্যাখ্যা করেছিল।
26 ফেব্রুয়ারী, 2016-এ, সান ফ্রান্সিসকোতে একটি বিশেষ নিলামে, Google প্রতিনিধিরা কৃত্রিম বুদ্ধিমত্তা দ্বারা আঁকা সাইকেডেলিক পেইন্টিংগুলি থেকে প্রায় $98,000 সংগ্রহ করেছিল৷ এই তহবিলগুলি দাতব্য সংস্থায় দান করা হয়েছিল৷ গাড়ির সবচেয়ে সফল ছবিগুলির মধ্যে একটি নীচে উপস্থাপন করা হয়েছে।
গুগল কৃত্রিম বুদ্ধিমত্তা দ্বারা আঁকা একটি ছবি।
কম্পিউটার আবিষ্কারের পর থেকে, তাদের বিভিন্ন কাজ সম্পাদন করার ক্ষমতা দ্রুতগতিতে বাড়তে থাকে। মানুষের কর্মক্ষমতা বৃদ্ধি করে এবং কম্পিউটারের আকার হ্রাস করে কম্পিউটার সিস্টেমের শক্তি বিকাশ করছে। কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রে গবেষকদের মূল লক্ষ্য হল একজন ব্যক্তির মতো বুদ্ধিমান কম্পিউটার বা মেশিন তৈরি করা।
"কৃত্রিম বুদ্ধিমত্তা" শব্দটির লেখক হলেন জন ম্যাকার্থি, লিস্প ভাষার উদ্ভাবক, কার্যকরী প্রোগ্রামিংয়ের প্রতিষ্ঠাতা এবং কৃত্রিম বুদ্ধিমত্তা গবেষণার ক্ষেত্রে তার দুর্দান্ত অবদানের জন্য টুরিং পুরস্কার বিজয়ী।
কৃত্রিম বুদ্ধিমত্তা হল একটি কম্পিউটার, কম্পিউটার-নিয়ন্ত্রিত রোবট বা প্রোগ্রাম তৈরি করার একটি উপায় যা মানুষের মতো বুদ্ধিমানভাবে চিন্তা করতে সক্ষম।
AI এর ক্ষেত্রে গবেষণা একজন ব্যক্তির মানসিক ক্ষমতা অধ্যয়ন করে বাহিত হয় এবং তারপরে এই গবেষণার ফলাফলগুলি বুদ্ধিমান প্রোগ্রাম এবং সিস্টেমের বিকাশের ভিত্তি হিসাবে ব্যবহৃত হয়।
এআই এর দর্শন
শক্তিশালী কম্পিউটার সিস্টেমের অপারেশন চলাকালীন, সবাই প্রশ্ন জিজ্ঞাসা করেছিল: "একটি মেশিন কি একজন ব্যক্তির মতো একইভাবে চিন্তা করতে এবং আচরণ করতে পারে? "
এইভাবে, AI এর বিকাশ মানুষের মতো মেশিনে একই রকম বুদ্ধিমত্তা তৈরি করার অভিপ্রায়ে শুরু হয়েছিল।
AI এর প্রধান লক্ষ্য
- বিশেষজ্ঞ সিস্টেম তৈরি করা - এমন সিস্টেম যা বুদ্ধিমান আচরণ প্রদর্শন করে: শিখুন, দেখান, ব্যাখ্যা করুন এবং পরামর্শ দিন;
- মেশিনে মানুষের বুদ্ধিমত্তার উপলব্ধি - মানুষের মতো বোঝা, চিন্তা, শিক্ষা এবং আচরণ করতে সক্ষম একটি যন্ত্রের সৃষ্টি।
AI এর উন্নয়নে কী অবদান রাখে?
কৃত্রিম বুদ্ধিমত্তা হল কম্পিউটার বিজ্ঞান, জীববিজ্ঞান, মনোবিজ্ঞান, ভাষাবিজ্ঞান, গণিত, যান্ত্রিক প্রকৌশলের মতো শাখাগুলির উপর ভিত্তি করে একটি বিজ্ঞান ও প্রযুক্তি। কৃত্রিম বুদ্ধিমত্তার প্রধান ক্ষেত্রগুলির মধ্যে একটি হল মানুষের বুদ্ধিমত্তার সাথে সম্পর্কিত কম্পিউটার ফাংশনগুলির বিকাশ, যেমন: যুক্তি, শিক্ষা এবং সমস্যা সমাধান।
এআই সহ এবং এআই ছাড়াই প্রোগ্রাম
AI সহ এবং ব্যতীত প্রোগ্রামগুলি নিম্নলিখিত বৈশিষ্ট্যগুলির মধ্যে পৃথক:
এআই সহ অ্যাপ্লিকেশন
এআই বিভিন্ন ক্ষেত্রে প্রভাবশালী হয়ে উঠেছে যেমন:
গেমস - দাবা, জুজু, টিক-ট্যাক-টো ইত্যাদির মতো কৌশল গেমগুলিতে AI একটি গুরুত্বপূর্ণ ভূমিকা পালন করে, যেখানে কম্পিউটার হিউরিস্টিক জ্ঞানের উপর ভিত্তি করে বিপুল সংখ্যক সম্ভাব্য সমাধান গণনা করতে সক্ষম।
প্রাকৃতিক ভাষা প্রক্রিয়াকরণ হল এমন একটি কম্পিউটারের সাথে যোগাযোগ করার ক্ষমতা যা মানুষের দ্বারা বলা প্রাকৃতিক ভাষা বোঝে।
বক্তৃতা স্বীকৃতি - কিছু বুদ্ধিমান সিস্টেমএকজন ব্যক্তি যে ভাষায় তাদের সাথে যোগাযোগ করে তা শুনতে এবং বুঝতে সক্ষম। তারা বিভিন্ন উচ্চারণ, অপবাদ ইত্যাদি পরিচালনা করতে পারে।
হাতের লেখার স্বীকৃতি - সফ্টওয়্যারটি একটি কলম দিয়ে কাগজে বা লেখনী সহ একটি স্ক্রিনে লেখা পাঠ্য পড়ে। এটি অক্ষরের আকার চিনতে পারে এবং সম্পাদনাযোগ্য পাঠ্যে রূপান্তর করতে পারে।
স্মার্ট রোবট হল রোবট যা মানুষের দ্বারা নির্ধারিত কাজ সম্পাদন করতে সক্ষম। তাদের কাছে আলো, তাপ, গতি, শব্দ, শক এবং চাপের মতো বাস্তব জগত থেকে শারীরিক ডেটা সনাক্ত করার জন্য সেন্সর রয়েছে। তাদের উচ্চ কার্যক্ষমতা সম্পন্ন প্রসেসর, একাধিক সেন্সর এবং বিশাল মেমরি রয়েছে। উপরন্তু, তারা তাদের নিজেদের ভুল থেকে শিখতে এবং নতুন পরিবেশের সাথে খাপ খাইয়ে নিতে সক্ষম হয়।
এআই বিকাশের ইতিহাস
এখানে 20 শতকের এআই বিকাশের ইতিহাস রয়েছে
ক্যারেল ক্যাপেক লন্ডনে "ইউনিভার্সাল রোবট" নামে একটি নাটক করছেন, ইংরেজিতে "রোবট" শব্দের প্রথম ব্যবহার। |
|
কলম্বিয়া বিশ্ববিদ্যালয়ের স্নাতক আইজ্যাক আসিমভ রোবোটিক্স শব্দটি তৈরি করেছিলেন। |
|
অ্যালান টুরিং বুদ্ধিমত্তা পরিমাপের জন্য টিউরিং পরীক্ষা তৈরি করেন। ক্লদ শ্যানন বুদ্ধিজীবী দাবা খেলার বিস্তারিত বিশ্লেষণ প্রকাশ করেছেন। |
|
জন ম্যাকার্থি কৃত্রিম বুদ্ধিমত্তা শব্দটি তৈরি করেছিলেন। কার্নেগি মেলন বিশ্ববিদ্যালয়ে একটি এআই প্রোগ্রামের প্রথম প্রবর্তনের প্রদর্শনী। |
|
জন ম্যাকার্থি AI এর জন্য lisp প্রোগ্রামিং ভাষা উদ্ভাবন করেন। |
|
এমআইটিতে ড্যানি বব্রভের গবেষণাপত্র দেখায় যে কম্পিউটারগুলি প্রাকৃতিক ভাষা বেশ ভাল বুঝতে পারে। |
|
এমআইটি-তে জোসেফ ওয়েজেনবাউম এলিজা তৈরি করছেন, একটি ইন্টারেক্টিভ সহকারী যা ইংরেজিতে যোগাযোগ করে। |
|
স্ট্যানফোর্ড রিসার্চ ইনস্টিটিউটের বিজ্ঞানীরা শেকি তৈরি করেছেন, একটি মোটর চালিত রোবট যা কিছু সমস্যা বুঝতে এবং সমাধান করতে সক্ষম। |
|
এডিনবার্গ বিশ্ববিদ্যালয়ের গবেষকদের একটি দল ফ্রেডি তৈরি করেছে, বিখ্যাত স্কটিশ রোবট যা মডেলগুলি খুঁজে পেতে এবং একত্রিত করতে তার দৃষ্টিশক্তি ব্যবহার করতে পারে। |
|
প্রথম কম্পিউটার-নিয়ন্ত্রিত স্বায়ত্তশাসিত যান, স্ট্যানফোর্ড কার্ট, নির্মিত হয়েছিল। |
|
হ্যারল্ড কোহেন প্রোগ্রামিং বিকাশ এবং প্রদর্শন করেন, অ্যারন। |
|
একটি দাবা প্রোগ্রাম যা বিশ্ব দাবা চ্যাম্পিয়ন গ্যারি কাসপারভকে পরাজিত করে। |
|
ইন্টারেক্টিভ রোবোটিক পোষা প্রাণী বাণিজ্যিকভাবে উপলব্ধ হবে। এমআইটি কিসমেট প্রদর্শন করে, একটি মুখের রোবট যা আবেগ প্রকাশ করে। রোবট নোম্যাড অ্যান্টার্কটিকার প্রত্যন্ত অঞ্চলগুলি অন্বেষণ করে এবং উল্কাপাত খুঁজে পায়। |
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।বুদ্ধিমত্তা ভিন্ন রকমএবং স্তরে মানুষ, অনেক প্রাণী এবং কিছু মেশিন রয়েছে।
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, সংখ্যাগুলিকে মেমরিতে রাখা এমনকি সবচেয়ে আদিম কম্পিউটারের জন্যও একটি তুচ্ছ কাজ।
কিভাবে মানুষের এবং কম্পিউটার বুদ্ধিমত্তা তুলনা?
আর্থার আর জেনসেন, মানব বুদ্ধিমত্তার ক্ষেত্রের একজন নেতৃস্থানীয় গবেষক, একটি "হিউরিস্টিক হাইপোথিসিস" হিসাবে দাবি করেছেন যে সাধারণ মানুষ একই বুদ্ধিমত্তার প্রক্রিয়া ভাগ করে এবং বুদ্ধিবৃত্তিক পার্থক্যগুলি "পরিমাণগত জৈব রাসায়নিক এবং শারীরবৃত্তীয় অবস্থার কারণে"। 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 প্রচুর 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। মেশিনের অনুকরণের প্রয়োজনীয়তা দূর করতে পর্যবেক্ষককে অবশ্যই I/O সুবিধার মাধ্যমে মেশিন বা মানুষের সাথে যোগাযোগ করতে হবে চেহারাবা মানুষের কণ্ঠস্বর। 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 করে 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 গডেল 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 ক্রম যুক্তিবিদ্যার বাক্য একটি উপপাদ্য" বা "কিছু ভেরিয়েবলের বহুপদী সমীকরণের অন্যগুলিতে পূর্ণসংখ্যার সমাধান আছে।" যেহেতু মানুষ এই ধরনের সমস্যা সমাধান করতে সক্ষম, প্রদত্ত সত্যএকটি যুক্তি হিসাবে দেওয়া হয়েছে যে কম্পিউটার মানুষ যা করে তা করতে সহজাতভাবে 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 সমস্যাগুলির ক্ষেত্রে প্রধান অ্যালগরিদমগুলির 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 উপ-ক্ষেত্র নির্ধারণ করা গুরুত্বপূর্ণ, কিন্তু অনেক AI সমস্যা সমাধানকারী সহজে শনাক্তযোগ্য সাব-ফিল্ডে পড়ে না।
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 বস্তুগুলিকে উপস্থাপন করা যা তাদের তৈরি করে তা কখনও কখনও জিনিসগুলি পরিষ্কার করতে পারে, এমনকি আপনি যদি প্রমাণ করতে না পারেন যে আপনার প্রোগ্রামটি সবচেয়ে সংক্ষিপ্ত।
এই বছর, ইয়ানডেক্স এলিস ভয়েস সহকারী চালু করেছে। নতুন পরিষেবা ব্যবহারকারীকে খবর এবং আবহাওয়া শুনতে, প্রশ্নের উত্তর পেতে এবং বটের সাথে যোগাযোগ করতে দেয়। "এলিস" কখনও কখনও গাল, কখনও কখনও এটি প্রায় যুক্তিসঙ্গত এবং মানবিকভাবে ব্যঙ্গাত্মক বলে মনে হয়, তবে প্রায়শই তিনি বুঝতে পারেন না যে তাকে কী সম্পর্কে জিজ্ঞাসা করা হচ্ছে এবং একটি জলাশয়ে বসে থাকে।
এই সবই কেবল কৌতুকের তরঙ্গের জন্ম দেয়নি, কৃত্রিম বুদ্ধিমত্তার বিকাশ নিয়ে আলোচনার একটি নতুন রাউন্ডেরও জন্ম দিয়েছে। স্মার্ট অ্যালগরিদমগুলি কী অর্জন করেছে সে সম্পর্কে খবর আজ প্রায় প্রতিদিনই আসছে, এবং মেশিন লার্নিংকে বলা হয় অন্যতম প্রতিশ্রুতিশীল দিকনির্দেশযা আপনি নিজেকে উৎসর্গ করতে পারেন.
কৃত্রিম বুদ্ধিমত্তা সম্পর্কে প্রধান প্রশ্নগুলি স্পষ্ট করার জন্য, আমরা কৃত্রিম বুদ্ধিমত্তা এবং মেশিন লার্নিং পদ্ধতির বিশেষজ্ঞ সার্গেই মার্কভের সাথে কথা বলেছি, অন্যতম শক্তিশালী রাশিয়ান দাবা প্রোগ্রাম স্মার্টথিঙ্কের লেখক এবং 22 শতকের প্রকল্পের স্রষ্টা।
সের্গেই মার্কভ,
কৃত্রিম বুদ্ধিমত্তা বিশেষজ্ঞ
AI সম্বন্ধে পৌরাণিক কল্পকাহিনীকে উড়িয়ে দেওয়া
তাহলে "কৃত্রিম বুদ্ধিমত্তা" কি?
"কৃত্রিম বুদ্ধিমত্তা" ধারণাটি কিছুটা দুর্ভাগ্যজনক। প্রাথমিকভাবে বৈজ্ঞানিক সম্প্রদায়ের মধ্যে উদ্ভূত, এটি শেষ পর্যন্ত বিজ্ঞান কল্পকাহিনী সাহিত্যে প্রবেশ করে এবং এর মাধ্যমে পপ সংস্কৃতিতে প্রবেশ করে, যেখানে এটি বেশ কয়েকটি পরিবর্তনের মধ্য দিয়ে যায়, অনেক ব্যাখ্যা অর্জন করে এবং শেষ পর্যন্ত সম্পূর্ণরূপে রহস্যময় হয়ে পড়ে।
এই কারণেই আমরা প্রায়শই অ-বিশেষজ্ঞদের কাছ থেকে এই ধরনের বিবৃতি শুনতে পাই: "AI নেই", "AI তৈরি করা যায় না"। AI এর ক্ষেত্রে পরিচালিত গবেষণার সারাংশ সম্পর্কে ভুল বোঝাবুঝি সহজেই মানুষকে অন্যান্য চরম দিকে নিয়ে যায় - উদাহরণস্বরূপ, আধুনিক AI সিস্টেমগুলি চেতনা, স্বাধীন ইচ্ছা এবং গোপন উদ্দেশ্যগুলির উপস্থিতির জন্য কৃতিত্ব দেওয়া হয়।
আসুন কাটলেট থেকে মাছি আলাদা করার চেষ্টা করি।
বিজ্ঞানে, কৃত্রিম বুদ্ধিমত্তা বুদ্ধিবৃত্তিক সমস্যা সমাধানের জন্য ডিজাইন করা সিস্টেমকে বোঝায়।
পরিবর্তে, একটি বুদ্ধিবৃত্তিক কাজ এমন একটি কাজ যা মানুষ তাদের নিজস্ব বুদ্ধির সাহায্যে সমাধান করে। উল্লেখ্য যে এই ক্ষেত্রে, বিশেষজ্ঞরা ইচ্ছাকৃতভাবে "বুদ্ধিমত্তা" এর ধারণাটিকে সংজ্ঞায়িত করা এড়িয়ে যান, কারণ AI সিস্টেমের আবির্ভাবের আগে, বুদ্ধিমত্তার একমাত্র উদাহরণ ছিল মানুষের বুদ্ধি, এবং একটি একক উদাহরণের ভিত্তিতে বুদ্ধিমত্তার ধারণাটিকে সংজ্ঞায়িত করা একই রকম। একটি একক বিন্দুর মাধ্যমে একটি সরল রেখা আঁকার চেষ্টা করছে। আপনার পছন্দ মতো অনেকগুলি লাইন থাকতে পারে, যার অর্থ বুদ্ধিমত্তার ধারণা সম্পর্কে বিতর্ক বহু শতাব্দী ধরে চলতে পারে।
"শক্তিশালী" এবং "দুর্বল" কৃত্রিম বুদ্ধিমত্তা
এআই সিস্টেম দুটি বড় গ্রুপে বিভক্ত।
প্রয়োগকৃত কৃত্রিম বুদ্ধিমত্তা(ইংরেজি ঐতিহ্যে তারা "দুর্বল AI" বা "সংকীর্ণ AI" শব্দটিও ব্যবহার করে - দুর্বল/প্রয়োগিত/সংকীর্ণ AI) একটি AI যে কোনো একটি বুদ্ধিবৃত্তিক কাজ বা তাদের একটি ছোট সংখ্যক সমাধান করার জন্য ডিজাইন করা হয়েছে। এই শ্রেণীতে দাবা খেলা, গো, ছবি স্বীকৃতি, বক্তৃতা, ব্যাঙ্ক লোন ইস্যু করা বা না করার বিষয়ে সিদ্ধান্ত নেওয়া ইত্যাদির ব্যবস্থা রয়েছে।
প্রয়োগকৃত AI এর বিপরীতে, ধারণাটি চালু করা হয়েছে সার্বজনীন কৃত্রিম বুদ্ধিমত্তা(এছাড়াও "শক্তিশালী এআই", ইংরেজিতে - শক্তিশালী AI / কৃত্রিম সাধারণ বুদ্ধিমত্তা) - অর্থাৎ, একটি অনুমানমূলক (এখন পর্যন্ত) AI যে কোনো বুদ্ধিবৃত্তিক সমস্যা সমাধান করতে সক্ষম।
প্রায়শই লোকেরা, পরিভাষাটি না জেনে, AI কে শক্তিশালী AI দিয়ে চিহ্নিত করে, এর কারণে, "AI নেই" এর চেতনায় রায় উঠে।
শক্তিশালী AI এখনও বিদ্যমান নেই। কার্যত আমরা AI এর ক্ষেত্রে গত দশকে যে অগ্রগতি দেখেছি তার সবই হল প্রয়োগকৃত সিস্টেমে অগ্রগতি। এই সাফল্যগুলিকে অবমূল্যায়ন করা যায় না, কারণ কিছু ক্ষেত্রে প্রয়োগকৃত সিস্টেমগুলি সর্বজনীন মানব বুদ্ধিমত্তার চেয়ে বুদ্ধিবৃত্তিক সমস্যাগুলি আরও ভাল সমাধান করতে সক্ষম হয়।
আমি মনে করি আপনি লক্ষ্য করেছেন যে AI এর ধারণাটি বেশ বিস্তৃত। ধরা যাক মানসিক গণনাও একটি বুদ্ধিবৃত্তিক কাজ, যার অর্থ হল যে কোনও গণনা যন্ত্র একটি এআই সিস্টেম হিসাবে বিবেচিত হবে। অ্যাকাউন্ট সম্পর্কে কি? অ্যাবাকাস? অ্যান্টিকিথেরা মেকানিজম? প্রকৃতপক্ষে, এই সব আনুষ্ঠানিক, যদিও আদিম, কিন্তু AI সিস্টেম. যাইহোক, সাধারণত, কিছু সিস্টেমকে একটি AI সিস্টেম বলা হয়, আমরা এর ফলে এই সিস্টেমের দ্বারা সমাধান করা টাস্কের জটিলতার উপর জোর দিই।
এটা বেশ সুস্পষ্ট যে বৌদ্ধিক কাজগুলিকে সহজ এবং জটিলগুলিতে বিভক্ত করা খুবই কৃত্রিম, এবং কিছু নির্দিষ্ট কাজের জটিলতা সম্পর্কে আমাদের ধারণাগুলি ধীরে ধীরে পরিবর্তিত হচ্ছে। যান্ত্রিক গণনার যন্ত্রটি 17 শতকে প্রযুক্তির একটি বিস্ময়কর ছিল, কিন্তু আজ, যারা শৈশবকাল থেকে অনেক জটিল প্রক্রিয়ার মুখোমুখি হয়েছে, তারা আর মুগ্ধ করতে সক্ষম নয়। যখন গো বা কার অটোপাইলট-এ গাড়ির খেলা জনসাধারণকে অবাক করা বন্ধ করে দেয়, তখন অবশ্যই এমন কিছু লোক থাকবে যারা এই সত্যটি দেখে জয়ী হবে যে কেউ এআই-এর জন্য এই জাতীয় সিস্টেমগুলিকে দায়ী করবে।
"রোবট-অসাধারণ ছাত্র": এআই শেখার ক্ষমতা সম্পর্কে
আরেকটি মজার ভুল ধারণা হল যে এআই সিস্টেমের অবশ্যই স্ব-শিক্ষার ক্ষমতা থাকতে হবে। একদিকে, এটি নয় প্রয়োজনীয় সম্পত্তিএআই সিস্টেম: এমন অনেক আশ্চর্যজনক সিস্টেম রয়েছে যা স্ব-শিক্ষার জন্য সক্ষম নয়, তবে, তবুও, মানুষের মস্তিষ্কের চেয়ে অনেক সমস্যার সমাধান করে। অন্যদিকে, কিছু লোক কেবল জানে না যে স্ব-শিক্ষা এমন একটি বৈশিষ্ট্য যা অনেক AI সিস্টেম পঞ্চাশ বছরেরও বেশি আগে অর্জন করেছে।
1999 সালে যখন আমি আমার প্রথম দাবা প্রোগ্রামটি লিখেছিলাম, তখন স্ব-অধ্যয়ন ইতিমধ্যেই এই এলাকায় একটি সাধারণ বিষয় ছিল - প্রোগ্রামগুলি বিপজ্জনক অবস্থানগুলি মুখস্থ করতে, নিজেদের জন্য খোলার বৈচিত্রগুলি সামঞ্জস্য করতে, খেলার শৈলী সামঞ্জস্য করতে, প্রতিপক্ষের সাথে সামঞ্জস্য করতে সক্ষম হয়েছিল। অবশ্যই, সেই প্রোগ্রামগুলি এখনও আলফা জিরো থেকে অনেক দূরে ছিল। যাইহোক, এমনকি তথাকথিত "রিইনফোর্সমেন্ট লার্নিং" পরীক্ষায় অন্যান্য সিস্টেমের সাথে মিথস্ক্রিয়াগুলির উপর ভিত্তি করে আচরণ শেখার সিস্টেমগুলি ইতিমধ্যেই বিদ্যমান। যাইহোক, কিছু অবর্ণনীয় কারণে, কিছু লোক এখনও মনে করে যে স্ব-শিক্ষার ক্ষমতা মানুষের বুদ্ধির বিশেষাধিকার।
মেশিন লার্নিং, একটি সম্পূর্ণ বৈজ্ঞানিক শৃঙ্খলা, কিছু সমস্যা সমাধানের জন্য মেশিন শেখানোর প্রক্রিয়াগুলির সাথে কাজ করে।
মেশিন লার্নিং এর দুটি বড় খুঁটি রয়েছে - তত্ত্বাবধানে শিক্ষা এবং আনসুপারভাইজড লার্নিং।
এ একজন শিক্ষকের সাথে শেখামেশিনে ইতিমধ্যে কিছু সেটের ক্ষেত্রে শর্তসাপেক্ষে সঠিক সমাধান রয়েছে। এই ক্ষেত্রে শেখার কাজ হল মেশিনকে শেখানো, উপলব্ধ উদাহরণগুলির উপর ভিত্তি করে, অন্যান্য, অজানা পরিস্থিতিতে সঠিক সিদ্ধান্ত নেওয়া।
অন্য চরম- শিক্ষক ছাড়া শেখা. অর্থাৎ, মেশিনটিকে এমন একটি পরিস্থিতিতে রাখা হয়েছে যেখানে সঠিক সমাধানগুলি অজানা, কেবলমাত্র একটি কাঁচা, লেবেলবিহীন আকারে ডেটা রয়েছে। দেখা যাচ্ছে যে এই ধরনের ক্ষেত্রে কিছু সাফল্য অর্জন করা সম্ভব। উদাহরণ স্বরূপ, আপনি একটি যন্ত্রকে শেখাতে পারেন একটি ভাষাতে শব্দের মধ্যে শব্দার্থিক সম্পর্ক সনাক্ত করতে একটি খুব বড় টেক্সটের বিশ্লেষণের ভিত্তিতে।
এক ধরনের তত্ত্বাবধানে শেখা হল রিইনফোর্সমেন্ট লার্নিং। ধারণাটি হল যে এআই সিস্টেম কিছু মডেল পরিবেশে স্থাপন করা একটি এজেন্ট হিসাবে কাজ করে, যেখানে এটি অন্যান্য এজেন্টদের সাথে যোগাযোগ করতে পারে, উদাহরণস্বরূপ, নিজের প্রতিলিপি সহ, এবং পরিবেশ থেকে কিছু গ্রহণ করতে পারে। প্রতিক্রিয়াপুরস্কার ফাংশনের মাধ্যমে। উদাহরণস্বরূপ, একটি দাবা প্রোগ্রাম যা নিজের সাথে খেলে, ধীরে ধীরে এর পরামিতিগুলি সামঞ্জস্য করে এবং এর ফলে ধীরে ধীরে নিজের খেলাকে শক্তিশালী করে।
রিইনফোর্সমেন্ট লার্নিং একটি মোটামুটি বিস্তৃত ক্ষেত্র এবং এটি বিবর্তনীয় অ্যালগরিদম থেকে বায়েসিয়ান অপ্টিমাইজেশান পর্যন্ত অনেক আকর্ষণীয় কৌশল ব্যবহার করে। গেমগুলির জন্য AI-তে সাম্প্রতিক অগ্রগতিগুলি শক্তিবৃদ্ধি শেখার সময় AI-এর পরিবর্ধনের সাথে সুনির্দিষ্টভাবে সম্পর্কিত।
প্রযুক্তির ঝুঁকি: আমাদের কি কেয়ামতের ভয় করা উচিত?
আমি এআই অ্যালার্মস্টদের একজন নই এবং এই অর্থে আমি একা নই। উদাহরণস্বরূপ, স্ট্যানফোর্ড মেশিন লার্নিং কোর্সের স্রষ্টা অ্যান্ড্রু এনজি, মঙ্গল গ্রহে অতিরিক্ত জনসংখ্যার সমস্যার সাথে এআই-এর বিপদের তুলনা করেছেন।
প্রকৃতপক্ষে, ভবিষ্যতে, সম্ভবত মানুষ মঙ্গল গ্রহে উপনিবেশ স্থাপন করবে। এটাও সম্ভবত যে শীঘ্রই বা পরে মঙ্গল গ্রহে অতিরিক্ত জনসংখ্যার সমস্যা দেখা দিতে পারে, তবে এটি সম্পূর্ণরূপে পরিষ্কার নয় কেন আমরা এখন এই সমস্যাটি মোকাবেলা করব? Yn এবং Yang LeKun - কনভোলিউশনাল নিউরাল নেটওয়ার্কের স্রষ্টা, এবং তার বস মার্ক জুকারবার্গ, এবং জোশুয়া বেনো - এর সাথে একমত - একজন ব্যক্তি, যার গবেষণার জন্য আধুনিক নিউরাল নেটওয়ার্কগুলি সমাধান করতে সক্ষম। ঝুঁকিপূর্ণ কাজশব্দ প্রক্রিয়াকরণের ক্ষেত্রে।
এই সমস্যাটি সম্পর্কে আমার মতামত উপস্থাপন করতে সম্ভবত কয়েক ঘন্টা সময় লাগবে, তাই আমি শুধুমাত্র মূল থিসিসগুলিতে ফোকাস করব।
1. এআই বিকাশকে সীমাবদ্ধ করবেন না
অ্যালার্মস্টরা AI এর সম্ভাব্য ব্যাঘাতের সাথে সম্পর্কিত ঝুঁকিগুলি বিবেচনা করে যখন এই ক্ষেত্রে অগ্রগতি সীমিত বা এমনকি বন্ধ করার চেষ্টা করার সাথে সম্পর্কিত ঝুঁকিগুলিকে উপেক্ষা করে। মানবজাতির প্রযুক্তিগত শক্তি একটি অত্যন্ত দ্রুত গতিতে বৃদ্ধি পাচ্ছে, যা এমন একটি প্রভাবের দিকে পরিচালিত করে যাকে আমি বলি "অ্যাপোক্যালিপসের খরচ কম করা।"
150 বছর আগে, সমস্ত ইচ্ছার সাথে, মানবতা জীবজগৎ বা একটি প্রজাতি হিসাবে নিজেকে অপূরণীয় ক্ষতি করতে পারেনি। 50 বছর আগের বিপর্যয়কর পরিস্থিতি বাস্তবায়নের জন্য, পারমাণবিক শক্তিগুলির সমস্ত প্রযুক্তিগত শক্তিকে কেন্দ্রীভূত করা প্রয়োজন ছিল। আগামীকাল, অল্প কিছু মুষ্টিমেয় ধর্মান্ধরা হয়তো বিশ্বব্যাপী মানবসৃষ্ট বিপর্যয় ডেকে আনতে যথেষ্ট।
আমাদের প্রযুক্তিগত শক্তি এই শক্তি নিয়ন্ত্রণ করার জন্য মানুষের বুদ্ধিমত্তার ক্ষমতার চেয়ে অনেক দ্রুত বৃদ্ধি পাচ্ছে।
যতক্ষণ না মানুষের বুদ্ধিমত্তা, তার কুসংস্কার, আগ্রাসন, বিভ্রান্তি এবং সংকীর্ণ মানসিকতা সহ, এমন একটি সিস্টেম দ্বারা প্রতিস্থাপিত হয় যা আরও জ্ঞাত সিদ্ধান্ত নিতে সক্ষম হয় (সেটি AI হোক বা, যা আমি সম্ভবত বিবেচনা করি, একটি প্রযুক্তিগতভাবে উন্নত মানব বুদ্ধিমত্তা মেশিনের সাথে একত্রিত হয়। একক ব্যবস্থা), আমরা একটি বিশ্বব্যাপী বিপর্যয়ের জন্য অপেক্ষা করতে পারি।
2. সুপার ইন্টেলিজেন্স তৈরি করা মৌলিকভাবে অসম্ভব
একটি ধারণা রয়েছে যে ভবিষ্যতের AI অবশ্যই সুপার-বুদ্ধিমান হবে, মানুষের চেয়েও উচ্চতর মানুষ পিঁপড়ার চেয়েও বেশি। এই ক্ষেত্রে, আমি প্রযুক্তিগত আশাবাদীদের হতাশ করতে ভয় পাচ্ছি - আমাদের মহাবিশ্বে অনেকগুলি মৌলিক শারীরিক সীমাবদ্ধতা রয়েছে, যা দৃশ্যত, সুপারিন্টেলিজেন্স তৈরিকে অসম্ভব করে তুলবে।
উদাহরণস্বরূপ, সংকেত সংক্রমণের গতি আলোর গতি দ্বারা সীমিত, এবং হাইজেনবার্গ অনিশ্চয়তা প্লাঙ্ক স্কেলে প্রদর্শিত হয়। এটি প্রথম মৌলিক সীমাকে বোঝায় - ব্রেমারম্যান সীমা, যা একটি প্রদত্ত ভর m এর একটি স্বায়ত্তশাসিত সিস্টেমের জন্য সর্বাধিক গণনাগত গতির উপর সীমাবদ্ধতা আরোপ করে।
আরেকটি সীমা Landauer এর নীতির সাথে সম্পর্কিত, যেটি অনুসারে 1 বিট তথ্য প্রক্রিয়া করার সময় ন্যূনতম পরিমাণ তাপ মুক্তি পায়। খুব দ্রুত গণনা অগ্রহণযোগ্য গরম এবং সিস্টেমের ধ্বংসের কারণ হবে। প্রকৃতপক্ষে, আধুনিক প্রসেসরগুলি Landauer সীমার চেয়ে এক হাজার গুণেরও কম পিছনে রয়েছে। দেখে মনে হবে 1000 অনেক বেশি, কিন্তু আরেকটি সমস্যা হল যে অনেক বুদ্ধিবৃত্তিক কাজ EXPTIME জটিলতা শ্রেণীর অন্তর্গত। এর মানে হল যে তাদের সমাধান করার জন্য প্রয়োজনীয় সময় হল সমস্যার মাত্রার একটি সূচকীয় ফাংশন। সিস্টেমকে বেশ কয়েকবার ত্বরান্বিত করা শুধুমাত্র "বুদ্ধিমত্তা" তে ক্রমাগত বৃদ্ধি দেয়।
সাধারণভাবে, বিশ্বাস করার খুব গুরুতর কারণ রয়েছে যে একটি সুপার-বুদ্ধিমান শক্তিশালী AI কাজ করবে না, যদিও, অবশ্যই, মানুষের বুদ্ধিমত্তার স্তরটি ভালভাবে অতিক্রম করা যেতে পারে। এটা কতটা বিপজ্জনক? সম্ভবত খুব বেশি না।
কল্পনা করুন যে আপনি হঠাৎ অন্য লোকেদের তুলনায় 100 গুণ দ্রুত চিন্তা করতে শুরু করেছেন। এর মানে কি এই যে আপনি সহজেই যেকোনো পথচারীকে তাদের মানিব্যাগ দিতে রাজি করাতে পারবেন?
3. আমরা অন্য কিছু নিয়ে চিন্তা করি
দুর্ভাগ্যবশত, টার্মিনেটর এবং ক্লার্ক এবং কুব্রিকের বিখ্যাত HAL 9000-এ উত্থাপিত জনসাধারণের ভয় নিয়ে উদ্বেগবাদীদের জল্পনা-কল্পনার ফলস্বরূপ, অসম্ভাব্য কিন্তু দর্শনীয় পরিস্থিতির বিশ্লেষণের দিকে AI নিরাপত্তার ফোকাস পরিবর্তন হয়েছে। একই সময়ে, আসল বিপদগুলি দৃষ্টির বাইরে চলে যায়।
যেকোন যথেষ্ট জটিল প্রযুক্তি যা আমাদের প্রযুক্তিগত ল্যান্ডস্কেপে একটি গুরুত্বপূর্ণ স্থান দখল করার দাবি করে তা অবশ্যই নির্দিষ্ট ঝুঁকি নিয়ে আসে। কার্যকর নিরাপত্তা বিধি ও ব্যবস্থা প্রণয়ন করার আগে অনেক জীবন বাষ্প ইঞ্জিনের দ্বারা ধ্বংস হয়েছিল - উত্পাদন, পরিবহন, এবং তাই।
যদি আমরা প্রয়োগকৃত AI ক্ষেত্রে অগ্রগতি সম্পর্কে কথা বলি, তাহলে আমরা তথাকথিত "ডিজিটাল সিক্রেট কোর্ট" এর সম্পর্কিত সমস্যার দিকে মনোযোগ দিতে পারি। আরও বেশি বেশি প্রয়োগ করা এআই সিস্টেমগুলি মানুষের জীবন এবং স্বাস্থ্যকে প্রভাবিত করে এমন সমস্যাগুলির বিষয়ে সিদ্ধান্ত নেয়। এর মধ্যে রয়েছে মেডিক্যাল ডায়াগনস্টিক সিস্টেম, এবং উদাহরণ স্বরূপ, ক্লায়েন্টকে ঋণ ইস্যু করা বা না করার বিষয়ে ব্যাঙ্কে সিদ্ধান্ত নেওয়ার ব্যবস্থা।
একই সময়ে, ব্যবহৃত মডেলগুলির গঠন, ব্যবহৃত উপাদানগুলির সেট এবং সিদ্ধান্ত গ্রহণের পদ্ধতির অন্যান্য বিবরণ যার ভাগ্য ঝুঁকিতে রয়েছে তার কাছ থেকে লুকানো হয়।
ব্যবহৃত মডেলগুলি বিশেষজ্ঞ শিক্ষকদের মতামতের উপর ভিত্তি করে তাদের সিদ্ধান্ত নিতে পারে যারা পদ্ধতিগত ভুল করেছেন বা নির্দিষ্ট কুসংস্কার রয়েছে - জাতিগত, লিঙ্গ।
এই জাতীয় বিশেষজ্ঞদের সিদ্ধান্তের উপর প্রশিক্ষিত একটি AI বিবেকবানভাবে তার সিদ্ধান্তগুলিতে এই কুসংস্কারগুলি পুনরুত্পাদন করবে। সব পরে, এই মডেল নির্দিষ্ট ত্রুটি থাকতে পারে।
খুব কম লোকই এখন এই সমস্যাগুলির সাথে মোকাবিলা করছে, যেহেতু, অবশ্যই, স্কাইনেট, যা প্রকাশ করে পারমাণবিক যুদ্ধ, এটা অবশ্যই অনেক বেশি দর্শনীয়।
একটি "হট ট্রেন্ড" হিসাবে নিউরাল নেটওয়ার্ক
একদিকে, নিউরাল নেটওয়ার্কগুলি AI সিস্টেমগুলি তৈরি করতে ব্যবহৃত প্রাচীনতম মডেলগুলির মধ্যে একটি। প্রাথমিকভাবে বায়োনিক পদ্ধতির প্রয়োগের ফলে উপস্থিত হয়েছিল, তারা দ্রুত তাদের জৈবিক প্রোটোটাইপগুলি থেকে পালিয়ে গিয়েছিল। এখানে একমাত্র ব্যতিক্রম হল ইমপালস নিউরাল নেটওয়ার্ক (তবে, তারা এখনও শিল্পে ব্যাপক প্রয়োগ খুঁজে পায়নি)।
সাম্প্রতিক দশকের অগ্রগতি গভীর শিক্ষার প্রযুক্তির বিকাশের সাথে জড়িত - একটি পদ্ধতি যেখানে নিউরাল নেটওয়ার্কগুলি প্রচুর সংখ্যক স্তর থেকে একত্রিত হয়, যার প্রতিটি নির্দিষ্ট নিয়মিত প্যাটার্নের ভিত্তিতে তৈরি করা হয়।
নতুন নিউরাল নেটওয়ার্ক মডেল তৈরির পাশাপাশি, শেখার প্রযুক্তির ক্ষেত্রেও গুরুত্বপূর্ণ অগ্রগতি হয়েছে। আজ, নিউরাল নেটওয়ার্কগুলিকে আর কম্পিউটারের কেন্দ্রীয় প্রসেসরের সাহায্যে শেখানো হয় না, তবে ম্যাট্রিক্স এবং টেনসর গণনাগুলি দ্রুত সম্পাদন করতে সক্ষম বিশেষায়িত প্রসেসর ব্যবহার করে। আজকের এই ধরনের ডিভাইসের সবচেয়ে সাধারণ ধরন হল ভিডিও কার্ড। যাইহোক, নিউরাল নেটওয়ার্ক প্রশিক্ষণের জন্য আরও বিশেষ ডিভাইস সক্রিয়ভাবে বিকাশ করা হচ্ছে।
সাধারণভাবে, অবশ্যই, নিউরাল নেটওয়ার্কগুলি আজ মেশিন লার্নিংয়ের ক্ষেত্রে প্রধান প্রযুক্তিগুলির মধ্যে একটি, যার কাছে আমরা অনেক সমস্যার সমাধান করতে পারি যা পূর্বে অসন্তোষজনকভাবে সমাধান করা হয়েছিল। অন্যদিকে, অবশ্যই, আপনাকে বুঝতে হবে যে নিউরাল নেটওয়ার্কগুলি কোনও নিরাময় নয়। কিছু কাজের জন্য, তারা সবচেয়ে কার্যকর টুল থেকে অনেক দূরে।
তাহলে আজকের রোবটগুলো আসলে কতটা স্মার্ট?
সবকিছুই আপেক্ষিক। 2000 সালের প্রযুক্তির পটভূমিতে, বর্তমান অর্জনগুলি একটি সত্যিকারের অলৌকিক ঘটনা বলে মনে হচ্ছে। সবসময় এমন লোক থাকবে যারা বকবক করতে পছন্দ করে। 5 বছর আগে, তারা শক্তি এবং প্রধানের সাথে কথা বলছিলেন যে মেশিনগুলি কখনই মানুষকে পরাজিত করবে না (বা অন্তত তারা খুব তাড়াতাড়ি জিতবে না)। বলা হয়েছিল যে একটি মেশিন কখনই স্ক্র্যাচ থেকে ছবি আঁকতে সক্ষম হবে না, যখন আজ মানুষ কার্যত মেশিন দ্বারা নির্মিত ছবি এবং তাদের অজানা শিল্পীদের দ্বারা আঁকা ছবিগুলির মধ্যে পার্থক্য করতে অক্ষম। গত বছরের শেষের দিকে, মেশিনগুলি বক্তৃতা সংশ্লেষণ করতে শিখেছিল, যা মানুষের থেকে প্রায় আলাদা করা যায় না, এবং গত বছরগুলোযন্ত্র দ্বারা নির্মিত সঙ্গীত থেকে কান শুকিয়ে যায় না।
দেখা যাক কাল কি হয়। আমি AI এর এই অ্যাপ্লিকেশনগুলিকে অত্যন্ত আশাবাদের সাথে দেখি।
প্রতিশ্রুতিশীল দিকনির্দেশ: AI এর ক্ষেত্রে কোথায় ডাইভিং শুরু করবেন?
আমি আপনাকে একটি জনপ্রিয় নিউরাল নেটওয়ার্ক ফ্রেমওয়ার্ক এবং মেশিন লার্নিং এর ক্ষেত্রে জনপ্রিয় একটি প্রোগ্রামিং ল্যাঙ্গুয়েজ (আজকালের সর্বাধিক জনপ্রিয় টেনসরফ্লো + পাইথন) একটি ভাল স্তরে আয়ত্ত করার চেষ্টা করার পরামর্শ দেব।
এই সরঞ্জামগুলি আয়ত্ত করার পরে এবং আদর্শভাবে গাণিতিক পরিসংখ্যান এবং সম্ভাব্যতা তত্ত্বের ক্ষেত্রে একটি শক্তিশালী ভিত্তি থাকার পরে, আপনাকে আপনার প্রচেষ্টাকে সেই এলাকায় নির্দেশ করা উচিত যা ব্যক্তিগতভাবে আপনার কাছে সবচেয়ে আকর্ষণীয় হবে।
কাজের বিষয়ে আগ্রহ আপনার সবচেয়ে গুরুত্বপূর্ণ সহকারীগুলির মধ্যে একটি।
মেশিন লার্নিং বিশেষজ্ঞের প্রয়োজনীয়তা বিভিন্ন ক্ষেত্রে বিদ্যমান - ওষুধে, ব্যাঙ্কিংয়ে, বিজ্ঞানে, উত্পাদনে, তাই আজ একজন ভাল বিশেষজ্ঞের কাছে আগের চেয়ে আরও বেশি পছন্দ রয়েছে৷ এই শিল্পগুলির যেকোনো একটির সম্ভাব্য সুবিধাগুলি আমার কাছে নগণ্য বলে মনে হয় যে কাজটি আপনাকে আনন্দ দেবে।
কৃত্রিম বুদ্ধিমত্তা হল একটি ডিজিটাল কম্পিউটার বা কম্পিউটার-নিয়ন্ত্রিত রোবটের ক্ষমতা যা সাধারণত সংবেদনশীল প্রাণীদের সাথে সম্পর্কিত কাজগুলি সম্পাদন করে। শব্দটি প্রায়শই মানব-নির্দিষ্ট বুদ্ধিবৃত্তিক প্রক্রিয়ার সাথে সমৃদ্ধ সিস্টেমের বিকাশের প্রকল্পে প্রয়োগ করা হয়, যেমন যুক্তি, সাধারণীকরণ বা অতীত অভিজ্ঞতা থেকে শেখার ক্ষমতা। উপরন্তু, AI (কৃত্রিম বুদ্ধিমত্তা) ধারণার সংজ্ঞাটি সম্পর্কিত প্রযুক্তি এবং প্রক্রিয়াগুলির একটি সেটের বর্ণনায় হ্রাস করা হয়, যেমন, যেমন, মেশিন লার্নিং, ভার্চুয়াল এজেন্ট এবং বিশেষজ্ঞ সিস্টেম। কথা বলা সহজ কথায় AI হল মস্তিষ্কের নিউরনের একটি অশোধিত ম্যাপিং। সংকেতগুলি নিউরন থেকে নিউরনে প্রেরণ করা হয় এবং অবশেষে আউটপুট - একটি সংখ্যাসূচক, শ্রেণীবদ্ধ বা উৎপন্ন ফলাফল প্রাপ্ত হয়। এটি নিম্নলিখিত উদাহরণ দিয়ে চিত্রিত করা যেতে পারে। যদি সিস্টেমটি একটি বিড়ালের একটি ছবি তোলে এবং এটি একটি বিড়াল কিনা তা সনাক্ত করতে প্রশিক্ষিত হয়, প্রথম স্তরটি সাধারণ গ্রেডিয়েন্টগুলি সনাক্ত করতে পারে যা নির্ধারণ করে সাধারণ ফর্মবিড়াল পরবর্তী স্তরটি কান এবং মুখের মতো বড় বস্তুকে সনাক্ত করতে পারে। তৃতীয় স্তরটি ছোট বস্তুকে সংজ্ঞায়িত করে (যেমন হুইস্কার্স)। অবশেষে, এই তথ্যের উপর ভিত্তি করে, প্রোগ্রামটি "হ্যাঁ" বা "না" প্রিন্ট করবে যে এটি একটি বিড়াল কিনা। প্রোগ্রামারকে নিউরনগুলিকে "বলতে" দরকার নেই যে এই বৈশিষ্ট্যগুলি তাদের সন্ধান করা উচিত। AI অনেক ইমেজ (বিড়াল সহ এবং ছাড়া উভয়ই) প্রশিক্ষণের মাধ্যমে সেগুলি নিজেই শিখেছে।
কৃত্রিম বুদ্ধিমত্তা কি?
কৃত্রিম নিউরনের বর্ণনা
একটি কৃত্রিম নিউরন হল একটি গাণিতিক ফাংশন যা জৈবিক নিউরনের মডেল হিসাবে কল্পনা করা হয়, একটি নিউরাল নেটওয়ার্ক। কৃত্রিম নিউরন হল কৃত্রিম নিউরাল নেটওয়ার্কের প্রাথমিক একক। একটি কৃত্রিম নিউরন এক বা একাধিক ইনপুট গ্রহণ করে এবং তার অ্যাক্সন বরাবর প্রেরিত নিউরনের ক্রিয়া সম্ভাবনার প্রতিনিধিত্ব করে একটি আউটপুট বা ফায়ারিং তৈরি করতে তাদের যোগ করে। সাধারণত, প্রতিটি ইনপুট আলাদাভাবে বিশ্লেষণ করা হয় এবং যোগফল একটি অ-রৈখিক ফাংশনের মাধ্যমে পাস করা হয় যা একটি অ্যাক্টিভেশন ফাংশন বা স্থানান্তর ফাংশন নামে পরিচিত।
এআই গবেষণা কখন শুরু হয়?
1935 সালে, ব্রিটিশ গবেষক এ.এম. টুরিং একটি বিমূর্ত কম্পিউটিং মেশিন বর্ণনা করেছেন যা অসীম মেমরি এবং একটি স্ক্যানার নিয়ে গঠিত যা মেমরির মাধ্যমে, অক্ষর দ্বারা অক্ষর দ্বারা এগিয়ে যায়। স্ক্যানার যা খুঁজে পায় তা পড়ে, আরও অক্ষর লেখা। স্ক্যানারের ক্রিয়াগুলি নির্দেশাবলীর একটি প্রোগ্রাম দ্বারা নির্ধারিত হয়, যা প্রতীক হিসাবে স্মৃতিতেও সংরক্ষণ করা হয়। প্রথম সফল এআই প্রোগ্রামটি 1951 সালে ক্রিস্টোফার স্ট্র্যাচি লিখেছিলেন। 1952 সালে, এই প্রোগ্রামটি একজন ব্যক্তির সাথে চেকার খেলতে পারে, যা তার গতিবিধি ভবিষ্যদ্বাণী করার ক্ষমতা দিয়ে সবাইকে অবাক করে। 1953 সালে, টুরিং দাবা প্রোগ্রামিং এর উপর একটি ক্লাসিক প্রারম্ভিক কাগজ প্রকাশ করেন।
কৃত্রিম বুদ্ধিমত্তা এবং প্রাকৃতিক মধ্যে পার্থক্য
বুদ্ধিমত্তাকে যুক্তি, সমস্যা সমাধান এবং শেখার জন্য সাধারণ মানসিক ক্ষমতা হিসাবে সংজ্ঞায়িত করা যেতে পারে। এর সাধারণ প্রকৃতির গুণে, বুদ্ধিমত্তা জ্ঞানীয় ফাংশনগুলিকে একীভূত করে যেমন উপলব্ধি, মনোযোগ, স্মৃতি, ভাষা বা পরিকল্পনা। প্রাকৃতিক বুদ্ধিমত্তা বিশ্বের একটি সচেতন মনোভাব দ্বারা পৃথক করা হয়. মানুষের চিন্তাভাবনা সবসময় আবেগগত রঙের হয়, এবং এটি শারীরিকতা থেকে আলাদা করা যায় না। উপরন্তু, একজন ব্যক্তি একটি সামাজিক জীব, তাই সমাজ সবসময় চিন্তাভাবনাকে প্রভাবিত করে। এআই মানসিক ক্ষেত্রের সাথে সম্পর্কিত নয় এবং সামাজিকভাবে ভিত্তিক নয়।
কিভাবে মানুষের এবং কম্পিউটার বুদ্ধিমত্তা তুলনা?
মানুষের চিন্তাভাবনাকে কৃত্রিম বুদ্ধিমত্তার সাথে তুলনা করা যেতে পারে মস্তিষ্ক এবং মেশিনের সংগঠনের বেশ কয়েকটি সাধারণ পরামিতির উপর ভিত্তি করে। মস্তিষ্কের মতো কম্পিউটারের কার্যকলাপে চারটি ধাপ রয়েছে: এনকোডিং, সংরক্ষণ, ডেটা বিশ্লেষণ এবং ফলাফল প্রকাশ করা। উপরন্তু, মানুষের মস্তিষ্ক এবং AI থেকে প্রাপ্ত তথ্যের উপর নির্ভর করে স্ব-শিক্ষা নিতে পারে পরিবেশ. এছাড়াও, মানুষের মস্তিষ্ক এবং মেশিন বুদ্ধিমত্তা নির্দিষ্ট অ্যালগরিদম ব্যবহার করে সমস্যা (বা কাজ) সমাধান করে।
কম্পিউটার প্রোগ্রামের কি আইকিউ আছে?
না. আইকিউ বয়সের উপর নির্ভর করে একজন ব্যক্তির বুদ্ধিমত্তার বিকাশের সাথে সম্পর্কিত। AI কিছু উপায়ে কিছু মানুষের ক্ষমতাকে ছাড়িয়ে যায়, উদাহরণস্বরূপ, এটি মেমরিতে বিপুল সংখ্যক সংখ্যা সংরক্ষণ করতে পারে, কিন্তু এর সাথে IQ এর কোনো সম্পর্ক নেই।
টুরিং পরীক্ষা কি?
অ্যালান টুরিং একটি পরীক্ষামূলক পরীক্ষা তৈরি করেছেন যা দেখায় যে প্রোগ্রামটি মানুষের আচরণের সমস্ত সূক্ষ্মতাকে এমন পরিমাণে ক্যাপচার করতে সক্ষম কিনা যে একজন ব্যক্তি ঠিক কার সাথে যোগাযোগ করছেন তা নির্ধারণ করতে পারে না - এআইয়ের সাথে বা একটি লাইভ কথোপকথনের সাথে। টুরিং পরামর্শ দিয়েছেন যে একজন বাইরের পর্যবেক্ষক একজন ব্যক্তি এবং একটি মেশিনের মধ্যে কথোপকথন মূল্যায়ন করুন যা প্রশ্নের উত্তর দেয়। বিচারক দেখতে পাচ্ছেন না কে সঠিক উত্তর দেয়, তবে জানেন যে কথোপকথনকারীদের একজন একজন এআই। কথোপকথন শুধুমাত্র টেক্সট চ্যানেল (কম্পিউটার কীবোর্ড এবং স্ক্রীন) সীমাবদ্ধ, তাই ফলাফল মানুষের বক্তৃতা হিসাবে শব্দ রেন্ডার করার মেশিনের ক্ষমতা দ্বারা প্রভাবিত হয় না। যদি প্রোগ্রামটি একজন ব্যক্তিকে প্রতারিত করতে পরিচালনা করে তবে এটি বিবেচনা করা হয় যে এটি কার্যকরভাবে পরীক্ষার সাথে মোকাবিলা করেছে।প্রতীকী পদ্ধতি
AI-তে প্রতীকী পদ্ধতি হল কাজ, যুক্তি এবং অনুসন্ধান সম্পর্কে উচ্চ-স্তরের প্রতীকী (মানব-পাঠযোগ্য) ধারণার উপর ভিত্তি করে কৃত্রিম বুদ্ধিমত্তা অধ্যয়নের জন্য সমস্ত পদ্ধতির একটি সেট। 1950 এবং 80 এর দশকে এআই গবেষণায় প্রতীকী পদ্ধতি ব্যাপকভাবে ব্যবহৃত হয়েছিল। প্রতীকী পদ্ধতির একটি জনপ্রিয় রূপ হ'ল বিশেষজ্ঞ সিস্টেম, যা নির্দিষ্ট উত্পাদন নিয়মগুলির সংমিশ্রণ ব্যবহার করে। উত্পাদনের নিয়মগুলি প্রতীকগুলিকে যৌক্তিক সম্পর্কের সাথে সংযুক্ত করে যা If-Then অ্যালগরিদমের অনুরূপ। বিশেষজ্ঞ সিস্টেম অনুমান আঁকতে এবং কোনটি নির্ধারণ করতে নিয়মগুলি প্রক্রিয়া করে অতিরিক্ত তথ্যতার প্রয়োজন, অর্থাৎ মানব-পাঠযোগ্য অক্ষর ব্যবহার করে কোন প্রশ্ন জিজ্ঞাসা করা উচিত।
যৌক্তিক পদ্ধতি
"যৌক্তিক পদ্ধতি" শব্দটি যুক্তি, যুক্তি, যৌক্তিক পদক্ষেপের সাহায্যে সমস্যা সমাধানের প্রতি আবেদন বোঝায়। 19 শতকে যুক্তিবিদরা বিশ্বের সমস্ত ধরণের বস্তু এবং তাদের মধ্যে সম্পর্কের জন্য সুনির্দিষ্ট নোটেশন তৈরি করেছিলেন। 1965 সালের মধ্যে, এমন কিছু প্রোগ্রাম ছিল যা যে কোনও সমাধান করতে পারে যৌক্তিক কাজ(এই পদ্ধতির জনপ্রিয়তার শিখরটি 1950-70 এর দশকের শেষের দিকে এসেছিল)। যৌক্তিক কৃত্রিম বুদ্ধিমত্তার কাঠামোর মধ্যে যৌক্তিক পদ্ধতির সমর্থকরা এই জাতীয় প্রোগ্রামগুলিতে বুদ্ধিমান সিস্টেম তৈরি করার আশা করেছিল (বিশেষত, প্রোলগ ভাষায় লেখা)। যাইহোক, এই পদ্ধতির দুটি সীমাবদ্ধতা আছে। প্রথমত, অনানুষ্ঠানিক জ্ঞান নেওয়া এবং AI প্রক্রিয়াকরণের জন্য প্রয়োজনীয় আনুষ্ঠানিক শর্তাবলীতে রাখা সহজ নয়। দ্বিতীয়ত, তাত্ত্বিকভাবে একটি সমস্যা সমাধান করা এবং অনুশীলনে এটি সমাধান করার মধ্যে একটি বড় পার্থক্য রয়েছে। এমনকি কয়েকশত তথ্যের সমস্যাও যেকোন কম্পিউটারের কম্পিউটেশনাল রিসোর্সকে নিঃশেষ করে দিতে পারে যদি তার কোন ইঙ্গিত না থাকে যে কোন যুক্তিটি প্রথমে ব্যবহার করতে হবে।
এজেন্ট ভিত্তিক পদ্ধতি
একটি এজেন্ট এমন কিছু যা কাজ করে (ল্যাটিন এজার থেকে, "টু ডু")। অবশ্যই, সমস্ত কম্পিউটার প্রোগ্রাম কিছু না কিছু করে, কিন্তু কম্পিউটার এজেন্টদের আরও কিছু করার আশা করা হয়: স্বায়ত্তশাসিতভাবে কাজ করা, পরিবেশগত সংকেতগুলি উপলব্ধি করা (বিশেষ সেন্সর ব্যবহার করে), পরিবর্তনগুলির সাথে খাপ খাইয়ে নেওয়া, লক্ষ্য তৈরি করা এবং সেগুলি সম্পাদন করা। একটি যুক্তিবাদী এজেন্ট হল এমন একজন যিনি এমনভাবে কাজ করেন যাতে সর্বোত্তম প্রত্যাশিত ফলাফল অর্জন করা যায়।
হাইব্রিড পদ্ধতি
এটি অনুমান করা হয় যে এই পদ্ধতিটি, যা 80 এর দশকের শেষের দিকে জনপ্রিয় হয়ে ওঠে, সবচেয়ে কার্যকরভাবে কাজ করে, কারণ এটি প্রতীকী এবং স্নায়বিক মডেলের সংমিশ্রণ। হাইব্রিড পদ্ধতি মেশিনের জ্ঞানীয় এবং গণনাগত ক্ষমতা বাড়ায়।
কৃত্রিম বুদ্ধিমত্তা প্রযুক্তির বাজার
36.62% বার্ষিক বৃদ্ধির হার সহ 2025 সালের মধ্যে বাজারটি $190.61 বিলিয়ন হবে বলে আশা করা হচ্ছে। ক্লাউড অ্যাপ্লিকেশন এবং পরিষেবাগুলির প্রবর্তন, বড় ডেটা অ্যারেগুলির উত্থান এবং বুদ্ধিমান ভার্চুয়াল সহকারীর সক্রিয় চাহিদার মতো কারণগুলির দ্বারা বাজারের বৃদ্ধি প্রভাবিত হয়৷ যাইহোক, এখনও কিছু বিশেষজ্ঞ এআই প্রযুক্তির বিকাশ এবং প্রয়োগ করছেন এবং এটি বাজারের বৃদ্ধিকে আটকে রেখেছে। এআই-চালিত সিস্টেমগুলির ইন্টিগ্রেশন এবং রক্ষণাবেক্ষণ সমর্থন প্রয়োজন।
AI এর জন্য প্রসেসর
আধুনিক AI কাজগুলির জন্য শক্তিশালী প্রসেসরের প্রয়োজন যা বিপুল পরিমাণ ডেটা প্রক্রিয়া করতে পারে। প্রসেসরগুলির অবশ্যই প্রচুর পরিমাণে মেমরিতে অ্যাক্সেস থাকতে হবে এবং ডিভাইসটির উচ্চ-গতির ডেটা লিঙ্কগুলিরও প্রয়োজন।রাশিয়ায়
2018 সালের শেষে, রাশিয়ায় এলব্রাস-804 সার্ভারের একটি সিরিজ চালু করা হয়েছিল, যা উচ্চ কার্যকারিতা দেখাচ্ছে। প্রতিটি কম্পিউটার চারটি আট-কোর প্রসেসর দিয়ে সজ্জিত। এই ডিভাইসগুলি ব্যবহার করে, আপনি কম্পিউটিং ক্লাস্টার তৈরি করতে পারেন, তারা আপনাকে অ্যাপ্লিকেশন এবং ডাটাবেসের সাথে কাজ করার অনুমতি দেয়।
বিশ্ব বাজার
ড্রাইভার এবং মার্কেট লিডার হল দুটি কর্পোরেশন - ইন্টেল এবং এএমডি, সবচেয়ে শক্তিশালী প্রসেসরের নির্মাতা। ইন্টেল ঐতিহ্যগতভাবে উচ্চ ঘড়ির গতির সাথে মেশিন তৈরির উপর দৃষ্টি নিবদ্ধ করে, AMD ক্রমাগত কোরের সংখ্যা বৃদ্ধি এবং বহু-থ্রেডেড কর্মক্ষমতা প্রদানের উপর দৃষ্টি নিবদ্ধ করে।
জাতীয় উন্নয়ন ধারণা
তিন ডজন দেশ ইতিমধ্যে AI এর উন্নয়নের জন্য জাতীয় কৌশল অনুমোদন করেছে। অক্টোবর 2019 সালে, রাশিয়ায় AI এর উন্নয়নের জন্য খসড়া জাতীয় কৌশল গ্রহণ করা উচিত। এটা অনুমান করা হয় যে মস্কো একটি আইনি শাসন প্রবর্তন করবে যা এআই প্রযুক্তির উন্নয়ন ও বাস্তবায়নকে সহজতর করে।
এআই গবেষণা
কৃত্রিম বুদ্ধিমত্তা কী এবং এটি কীভাবে কাজ করে সেই প্রশ্নগুলি বিজ্ঞানীদের উত্তেজিত করে বিভিন্ন দেশএখন এক দশকেরও বেশি সময় ধরে। মার্কিন সরকার গবেষণার জন্য বছরে 200 মিলিয়ন ডলার বরাদ্দ করে। রাশিয়ায়, 10 বছরের জন্য - 2007 থেকে 2017 পর্যন্ত - প্রায় 23 বিলিয়ন রুবেল বরাদ্দ করা হয়েছিল। AI গবেষণাকে সমর্থন করার বিভাগগুলি জাতীয় কৌশলের ধারণার একটি গুরুত্বপূর্ণ অংশ হয়ে উঠবে। অদূর ভবিষ্যতে, রাশিয়ায় নতুন গবেষণা কেন্দ্র খোলা হবে এবং AI-এর জন্য উদ্ভাবনী সফ্টওয়্যারের বিকাশ অব্যাহত থাকবে।
এআই প্রমিতকরণ
রাশিয়ার AI ক্ষেত্রের নিয়ম এবং নিয়মগুলি ক্রমাগত উন্নতির প্রক্রিয়ায় রয়েছে। ধারণা করা হয় যে 2019 সালের শেষের দিকে - 2020 সালের প্রথম দিকে, জাতীয় মানগুলি অনুমোদিত হবে, যা এখন বাজারের নেতারা তৈরি করছেন। সমান্তরালভাবে, 2020 এবং তার পরেও একটি জাতীয় মানককরণ পরিকল্পনা তৈরি করা হচ্ছে। স্ট্যান্ডার্ড "কৃত্রিম বুদ্ধিমত্তা। ধারণা এবং পরিভাষা", এবং 2019 সালে বিশেষজ্ঞরা এর রুশিফাইড সংস্করণ তৈরি করতে শুরু করেন। নথিটি 2021 সালে অনুমোদিত হতে হবে।
কৃত্রিম বুদ্ধিমত্তার প্রভাব
AI এর প্রবর্তন বৈজ্ঞানিক ও প্রযুক্তিগত অগ্রগতির সাথে অঙ্গাঙ্গীভাবে জড়িত এবং প্রতি বছর প্রয়োগের পরিধি প্রসারিত হচ্ছে। আমরা জীবনে প্রতিদিন এটির মুখোমুখি হই, যখন ইন্টারনেটে একটি বড় খুচরা চেইন আমাদের কাছে একটি পণ্যের সুপারিশ করে, বা যখন আমরা কম্পিউটার খুলি, তখন আমরা একটি চলচ্চিত্রের বিজ্ঞাপন দেখি যা আমরা দেখতে চেয়েছিলাম। এই সুপারিশগুলি অ্যালগরিদমের উপর ভিত্তি করে তৈরি করা হয়েছে যা বিশ্লেষণ করে যে ভোক্তা কি কিনছেন বা দেখেছেন৷ এই অ্যালগরিদমের পিছনে রয়েছে কৃত্রিম বুদ্ধিমত্তা।
মানব সভ্যতার বিকাশে কি ঝুঁকি আছে?
এলন মাস্ক বিশ্বাস করেন যে AI এর বিকাশ মানবতাকে হুমকির মুখে ফেলতে পারে এবং এর ফলাফল ব্যবহারের চেয়ে খারাপ হতে পারে পারমানবিক অস্ত্র. একজন ব্রিটিশ বিজ্ঞানী স্টিফেন হকিং আশঙ্কা করছেন যে মানুষ সুপার ইন্টেলিজেন্স দিয়ে কৃত্রিম বুদ্ধিমত্তা তৈরি করতে পারে যা একজন ব্যক্তির ক্ষতি করতে পারে।অর্থনীতি এবং ব্যবসার উপর
অর্থনীতির সমস্ত ক্ষেত্রে AI প্রযুক্তির অনুপ্রবেশ 2030 সালের মধ্যে পরিষেবা এবং পণ্যগুলির জন্য বিশ্বব্যাপী বাজারের পরিমাণ $15.7 ট্রিলিয়ন বাড়িয়ে দেবে। এআই-এর ক্ষেত্রে সব ধরনের প্রকল্পের ক্ষেত্রে মার্কিন যুক্তরাষ্ট্র এবং চীন এখনও শীর্ষস্থানীয়। উন্নত দেশগুলি - জার্মানি, জাপান, কানাডা, সিঙ্গাপুর -ও সমস্ত সম্ভাবনা উপলব্ধি করার চেষ্টা করে৷ অনেক মাঝারিভাবে ক্রমবর্ধমান অর্থনীতি, যেমন ইতালি, ভারত, মালয়েশিয়া, নির্দিষ্ট AI অ্যাপ্লিকেশনগুলিতে শক্তি বিকাশ করছে।
শ্রমবাজারে
শ্রমবাজারে AI এর বিশ্বব্যাপী প্রভাব দুটি পরিস্থিতি অনুসরণ করবে। প্রথমত, কিছু প্রযুক্তির প্রসারের ফলে বিপুল সংখ্যক লোককে বরখাস্ত করা হবে, যেহেতু কম্পিউটার অনেকগুলি কাজ গ্রহণ করবে। দ্বিতীয়ত, প্রযুক্তিগত অগ্রগতির বিকাশের কারণে, অনেক শিল্পে এআই বিশেষজ্ঞদের প্রচুর চাহিদা থাকবে।
এআই পক্ষপাতিত্ব
কৃত্রিম বুদ্ধিমত্তা ল্যাব থেকে এবং বাস্তব জগতে চলে যাওয়ায় এআই সিস্টেমের পক্ষপাত একটি ক্রমবর্ধমান সাধারণ সমস্যা হয়ে উঠতে পারে। গবেষকরা আশঙ্কা করছেন যে ডেটা মূল্যায়নের পর্যাপ্ত প্রশিক্ষণ এবং ডেটা পক্ষপাতের সম্ভাব্যতার সনাক্তকরণ ছাড়া, সমাজের দুর্বল গোষ্ঠীগুলি ক্ষতিগ্রস্ত হতে পারে বা তাদের অধিকার লঙ্ঘন হতে পারে। এখন অবধি, গবেষকদের কাছে মেশিন লার্নিংয়ের ভিত্তিতে তৈরি সিস্টেমগুলি মানবতার জন্য হুমকি হবে কিনা সে সম্পর্কে কোনও ডেটা নেই।
অ্যাপ্লিকেশন
কৃত্রিম বুদ্ধিমত্তা এবং এর প্রয়োগগুলি একটি রূপান্তরের মধ্য দিয়ে যাচ্ছে। দুর্বল AI ("দুর্বল AI") এর সংজ্ঞা যখন ব্যবহৃত হয় আমরা কথা বলছিমেডিকেল ডায়াগনস্টিকস, ইলেকট্রনিক ট্রেডিং প্ল্যাটফর্ম, রোবট নিয়ন্ত্রণে সংকীর্ণ কাজ বাস্তবায়ন সম্পর্কে। যেখানে স্ট্রং এআই ("শক্তিশালী এআই") গবেষকরা এমন একটি বুদ্ধি হিসাবে সংজ্ঞায়িত করেছেন যা বিশ্বব্যাপী কাজগুলির মুখোমুখি হয়, যেন সেগুলি একজন ব্যক্তির জন্য সেট করা হয়েছে।
প্রতিরক্ষা এবং সামরিক ব্যবহার
2025 সালের মধ্যে, প্রাসঙ্গিক পরিষেবা বিক্রির হার, সফটওয়্যারএবং বৈশ্বিক স্কেলে সরঞ্জাম 18.82 বিলিয়ন ডলারে উন্নীত হবে এবং বার্ষিক বাজার বৃদ্ধি 14.75% হবে। AI ডেটা একত্রিতকরণ, বায়োইনফরমেটিক্স, সামরিক প্রশিক্ষণ এবং প্রতিরক্ষা খাতে ব্যবহৃত হয়।শিক্ষা
অনেক স্কুল অন্তর্ভুক্ত শিক্ষাগত কোর্স AI এর উপর তথ্যবিদ্যার প্রাথমিক পাঠ, এবং বিশ্ববিদ্যালয়গুলি ব্যাপকভাবে বড় ডেটা প্রযুক্তি ব্যবহার করছে। কিছু প্রোগ্রাম শিক্ষার্থীদের আচরণ, গ্রেড পরীক্ষা এবং প্রবন্ধ নিরীক্ষণ করে, উচ্চারণ ত্রুটি সনাক্ত করে এবং সংশোধনের পরামর্শ দেয়।
কৃত্রিম বুদ্ধিমত্তার উপর অনলাইন কোর্সও রয়েছে। উদাহরণস্বরূপ, শিক্ষাগত পোর্টালে।
ব্যবসা-বাণিজ্যে
আগামী পাঁচ বছরে, নেতৃস্থানীয় খুচরা বিক্রেতাদের মোবাইল অ্যাপ থাকবে যা কেনাকাটা সহজ করতে সিরির মতো ডিজিটাল সহকারীর সাথে কাজ করবে। AI আপনাকে ইন্টারনেটে বিপুল পরিমাণ অর্থ উপার্জন করতে দেয়। একটি উদাহরণ হল অ্যামাজন, যা ক্রমাগত ভোক্তাদের আচরণ বিশ্লেষণ করে এবং অ্যালগরিদম উন্নত করে।
আমি কোথায় #কৃত্রিম বুদ্ধিমত্তা সম্পর্কে জানতে পারি
বিদ্যুৎ শিল্পে
AI শক্তি সম্পদের উৎপাদন এবং চাহিদার পূর্বাভাস দিতে, ক্ষতি কমাতে এবং সম্পদ চুরি রোধ করতে সাহায্য করে। বৈদ্যুতিক শক্তি শিল্পে, পরিসংখ্যানগত ডেটা বিশ্লেষণে AI ব্যবহার সবচেয়ে লাভজনক সরবরাহকারী বা স্বয়ংক্রিয় গ্রাহক পরিষেবা চয়ন করতে সহায়তা করে।
উৎপাদন খাতে
ম্যাককিনসে 1,300 জন নির্বাহীর জরিপ অনুসারে, 20% ব্যবসা ইতিমধ্যে AI ব্যবহার করছে। সম্প্রতি, Mosselprom প্যাকেজিং দোকানে তার উৎপাদনে AI প্রয়োগ করেছে। একটি ছবি চিনতে AI এর ক্ষমতা ব্যবহার করে। ক্যামেরা পোশাকে প্রিন্ট করা বারকোড স্ক্যান করে কর্মচারীর সমস্ত ক্রিয়াকলাপ ক্যাপচার করে এবং ডেটা কম্পিউটারে পাঠায়। সম্পাদিত লেনদেনের সংখ্যা সরাসরি কর্মচারীর পারিশ্রমিককে প্রভাবিত করে।
মদ্যপান মধ্যে
কার্লসবার্গ খামির নির্বাচন করতে এবং এর পরিসর প্রসারিত করতে মেশিন লার্নিং ব্যবহার করে। প্রযুক্তিটি ডিজিটাল ক্লাউড প্ল্যাটফর্মের ভিত্তিতে প্রয়োগ করা হয়।ব্যাংকিং এ
নির্ভরযোগ্য ডেটা প্রক্রিয়াকরণের প্রয়োজনীয়তা, মোবাইল প্রযুক্তির বিকাশ, তথ্যের প্রাপ্যতা এবং ওপেন সোর্স সফ্টওয়্যারের বিস্তার AI-কে ব্যাঙ্কিং সেক্টরে একটি চাহিদাযুক্ত প্রযুক্তি করে তুলেছে। মোবাইল অ্যাপ ডেভেলপমেন্ট কোম্পানির মাধ্যমে আরও বেশি বেশি ব্যাংক তহবিল সংগ্রহ করছে। নতুন প্রযুক্তি গ্রাহক পরিষেবা উন্নত করছে, এবং বিশ্লেষকরা ভবিষ্যদ্বাণী করেছেন যে পাঁচ বছরের মধ্যে, ব্যাঙ্কগুলিতে এআই নিজেরাই বেশিরভাগ সিদ্ধান্ত নেবে।
পরিবহনে
এআই প্রযুক্তির বিকাশ পরিবহন শিল্পের চালক। রাস্তার অবস্থা পর্যবেক্ষণ, ভুল জায়গায় পথচারী বা বস্তুর সনাক্তকরণ, স্বয়ংক্রিয় ড্রাইভিং, স্বয়ংচালিত শিল্পে ক্লাউড পরিষেবাগুলি পরিবহনে এআই ব্যবহারের কয়েকটি উদাহরণ।
রসদ
AI-এর শক্তি কোম্পানিগুলিকে আরও ভালভাবে চাহিদার পূর্বাভাস দিতে এবং সাপ্লাই চেইন আরও সাশ্রয়ীভাবে তৈরি করতে সক্ষম করে। AI পরিবহনের জন্য প্রয়োজনীয় যানবাহনের সংখ্যা কমাতে, ডেলিভারির সময় অপ্টিমাইজ করতে এবং পরিবহন ও স্টোরেজ সুবিধার অপারেটিং খরচ কমাতে সাহায্য করে।
বিলাসবহুল পণ্য এবং সেবা বাজারে
বিলাসবহুল ব্র্যান্ডগুলিও গ্রাহকের চাহিদা বিশ্লেষণ করতে ডিজিটালে পরিণত হয়েছে। এই বিভাগে ডেভেলপারদের মুখোমুখি হওয়া চ্যালেঞ্জগুলির মধ্যে একটি হল গ্রাহকের আবেগকে পরিচালনা করা এবং প্রভাবিত করা। চ্যাটবটের মাধ্যমে গ্রাহক-ব্র্যান্ড মিথস্ক্রিয়া পরিচালনা করতে Dior ইতিমধ্যেই AI মানিয়ে নিচ্ছে। বিলাসবহুল ব্র্যান্ডগুলি ভবিষ্যতে প্রতিদ্বন্দ্বিতা করবে এবং তারা AI এর সাথে ব্যক্তিগতকরণের যে স্তর অর্জন করতে পারে তা হবে নির্ধারক।
জনপ্রশাসনে
এআই প্রযুক্তিতে লুকিয়ে থাকা চ্যালেঞ্জগুলির জন্য অনেক দেশের রাষ্ট্রীয় যন্ত্রপাতি এখনও প্রস্তুত নয়। বিশেষজ্ঞরা ভবিষ্যদ্বাণী করেছেন যে বিগত কয়েক শতাব্দী ধরে বিকশিত হওয়া বিদ্যমান সরকারী কাঠামো এবং প্রক্রিয়াগুলির অনেকগুলিই অদূর ভবিষ্যতে অপ্রাসঙ্গিক হয়ে উঠতে পারে।
ফরেনসিকে
অপরাধীদের চিহ্নিত করতে বিভিন্ন এআই পদ্ধতি ব্যবহার করা হয় পাবলিক জায়গায়. কিছু দেশে, যেমন নেদারল্যান্ডস, পুলিশ জটিল অপরাধ তদন্তের জন্য AI ব্যবহার করছে। ডিজিটাল ফরেনসিক হল একটি উদীয়মান বিজ্ঞান যার জন্য প্রচুর পরিমাণে খুব জটিল ডেটাসেট খনির প্রয়োজন।বিচার বিভাগে
কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রে উন্নয়ন বিচার ব্যবস্থাকে আমূল পরিবর্তন করতে, এটিকে আরও সুষ্ঠু ও দুর্নীতিমুক্ত করতে সাহায্য করবে। বিচার ব্যবস্থায় প্রথম এআই-এর একটি চীন ব্যবহার করতে শুরু করে। এটা অনুমান করা যেতে পারে যে রোবট বিচারকরা অবশেষে পাবলিক সার্ভিস রিপোজিটরি থেকে বড় ডেটা দিয়ে কাজ করতে সক্ষম হবেন। মেশিন ইন্টেলিজেন্স বিপুল পরিমাণ ডেটা বিশ্লেষণ করে এবং এটি মানুষের বিচারকের মতো আবেগ অনুভব করে না। AI তথ্য প্রক্রিয়াকরণ এবং পরিসংখ্যান সংগ্রহের উপর ব্যাপক প্রভাব ফেলতে পারে, সেইসাথে তথ্য বিশ্লেষণের উপর ভিত্তি করে সম্ভাব্য অপরাধের পূর্বাভাস দিতে পারে।
খেলাধুলায়
সাম্প্রতিক বছরগুলিতে খেলাধুলায় AI এর প্রয়োগ একটি সাধারণ ব্যাপার হয়ে দাঁড়িয়েছে। ক্রীড়া দলগুলি (বেসবল, ফুটবল, ইত্যাদি) পৃথক খেলোয়াড়ের পারফরম্যান্স ডেটা বিশ্লেষণ করে, নির্বাচনের বিভিন্ন বিষয় বিবেচনা করে। AI খেলার কৌশল বিশ্লেষণ করে খেলোয়াড়দের ভবিষ্যৎ সম্ভাবনার ভবিষ্যদ্বাণী করতে পারে, শারীরিক অবস্থাএবং অন্যান্য ডেটা, সেইসাথে তাদের বাজার মূল্য মূল্যায়ন করতে।
স্বাস্থ্যসেবা ওষুধে
আবেদনের এই ক্ষেত্রটি দ্রুত বাড়ছে। AI রোগ নির্ণয়, ক্লিনিকাল গবেষণা, ওষুধ উন্নয়ন, এবং স্বাস্থ্য বীমা ব্যবহার করা হচ্ছে। এছাড়াও, এখন অনেক চিকিৎসা অ্যাপ্লিকেশন এবং ডিভাইসগুলিতে বিনিয়োগের একটি বুম রয়েছে।
নাগরিকদের আচরণ বিশ্লেষণ
নাগরিকদের আচরণের পর্যবেক্ষণ ওয়েবসাইটগুলিতে আচরণ সহ নিরাপত্তার ক্ষেত্রে ব্যাপকভাবে ব্যবহৃত হয় (ইন সামাজিক যোগাযোগ) এবং মেসেঞ্জারে। উদাহরণস্বরূপ, 2018 সালে, চীনা বিজ্ঞানীরা 20,000 সম্ভাব্য আত্মহত্যা শনাক্ত করতে এবং তাদের মনস্তাত্ত্বিক সহায়তা প্রদান করতে সক্ষম হয়েছেন। 2018 সালের মার্চ মাসে, ভ্লাদিমির পুতিন যুদ্ধের জন্য রাষ্ট্রীয় সংস্থাগুলির ক্রিয়াকলাপ জোরদার করার নির্দেশ দিয়েছিলেন নেতিবাচক প্রভাবসামাজিক নেটওয়ার্কে ধ্বংসাত্মক আন্দোলন।সংস্কৃতির বিকাশে
এআই অ্যালগরিদম তৈরি হতে শুরু করে শৈল্পিক কর্ম, যা মানুষের দ্বারা সৃষ্ট থেকে আলাদা করা কঠিন। AI সৃজনশীল ব্যক্তিদের ধারণাগুলিকে জীবনে আনার জন্য অনেক সরঞ্জাম সরবরাহ করে। এই মুহুর্তে, বিস্তৃত অর্থে শিল্পীর ভূমিকার বোঝার পরিবর্তন হচ্ছে, যেহেতু AI অনেক নতুন পদ্ধতি প্রদান করে, কিন্তু মানবতার জন্য অনেক নতুন প্রশ্নও উত্থাপন করে।
পেইন্টিং
শিল্পকে দীর্ঘকাল ধরে মানুষের সৃজনশীলতার একচেটিয়া ক্ষেত্র হিসাবে বিবেচনা করা হয়েছে। কিন্তু দেখা যাচ্ছে যে মেশিনগুলি সৃজনশীল ক্ষেত্রে মানুষের উপলব্ধির চেয়ে অনেক বেশি কিছু করতে পারে। 2018 সালের অক্টোবরে, ক্রিস্টি'স প্রথম AI পেইন্টিং $432,500-এ বিক্রি করে। একটি জেনারেটিভ অ্যাডভারসারিয়াল নেটওয়ার্ক অ্যালগরিদম ব্যবহার করা হয়েছিল, যা 15 এবং 20 শতকের মধ্যে তৈরি 15,000 প্রতিকৃতি বিশ্লেষণ করে।
সঙ্গীত
বেশ কিছু মিউজিক প্রোগ্রাম তৈরি করা হয়েছে যা মিউজিক তৈরি করতে AI ব্যবহার করে। অন্যান্য ক্ষেত্রের মতো, এআই এই ক্ষেত্রেও একটি মানসিক কাজকে অনুকরণ করে। একটি উল্লেখযোগ্য বৈশিষ্ট্য হল একটি এআই অ্যালগরিদমের প্রাপ্ত তথ্য থেকে শেখার ক্ষমতা, যেমন কম্পিউটার ট্র্যাকিং প্রযুক্তি যা একজন মানব পারফর্মারকে শুনতে এবং অনুসরণ করতে সক্ষম। AI এছাড়াও চালায় যা ইন্টারেক্টিভ কম্পোজিটিং প্রযুক্তি নামে পরিচিত, যেখানে একটি কম্পিউটার লাইভ মিউজিশিয়ান পারফর্ম করার প্রতিক্রিয়া হিসাবে সঙ্গীত রচনা করে। 2019 সালের গোড়ার দিকে, ওয়ার্নার মিউজিক একজন পারফর্মার - এন্ডেল অ্যালগরিদমের সাথে প্রথম চুক্তিতে স্বাক্ষর করেছে। চুক্তির শর্তাবলীর অধীনে, Endel নিউরাল নেটওয়ার্ক বছরে 20টি অনন্য অ্যালবাম প্রকাশ করবে।
ছবি
ফটোগ্রাফি সম্পর্কে আমাদের চিন্তাভাবনা AI দ্রুত পরিবর্তন করছে। মাত্র কয়েক বছরের মধ্যে, এই ক্ষেত্রের বেশিরভাগ অগ্রগতি AI-তে ফোকাস করা হবে, এবং আগের মতো অপটিক্স বা সেন্সরগুলিতে নয়। প্রথমবারের মতো, ফটোগ্রাফি প্রযুক্তির অগ্রগতি পদার্থবিজ্ঞানের সাথে সম্পর্কহীন হবে এবং একটি সম্পূর্ণরূপে তৈরি করবে নতুন উপায়ফটোথিং এমনকি এখন, ফটো এডিটরগুলিতে মুখের মডেলিং করার সময় নিউরাল নেটওয়ার্ক সামান্যতম পরিবর্তনগুলিকে স্বীকৃতি দেয়৷
ভিডিও: মুখ অদলবদল
2015 সালে, ফেসবুক সাইটে ডিপফেস প্রযুক্তি পরীক্ষা করা শুরু করে। 2017 সালে, Reddit ব্যবহারকারী DeepFakes নিউরাল নেটওয়ার্ক এবং মেশিন লার্নিং ব্যবহার করে বাস্তবসম্মত ফেস সোয়াপ ভিডিও তৈরি করার জন্য একটি অ্যালগরিদম নিয়ে এসেছিল।
মিডিয়া এবং সাহিত্য
2016 সালে, Google AI, 11,000টি অপ্রকাশিত বই বিশ্লেষণ করার পর, তার প্রথম সাহিত্যকর্ম লেখা শুরু করে। 2017 সালে Facebook AI গবেষণার গবেষকরা একটি নিউরাল নেটওয়ার্ক সিস্টেম নিয়ে এসেছেন যা যেকোনো বিষয়ে কবিতা লিখতে পারে। নভেম্বর 2015 সালে, রাশিয়ান কোম্পানি ইয়ানডেক্স দ্বারা স্বয়ংক্রিয় পাঠ্য প্রস্তুত করার দিকটি খোলা হয়েছিল।
খেলা, জুজু, দাবা যান
2016 সালে, একটি AI গো-তে একজন মানুষকে পরাজিত করেছে (10,100 টিরও বেশি বিকল্প সহ একটি গেম)। দাবা খেলায়, সুপারকম্পিউটার মানব খেলোয়াড়কে পরাজিত করেছে কারণ মানুষের দ্বারা চালানো মেমরিতে সঞ্চয় করার ক্ষমতা এবং নতুনদের 10 ধাপ এগিয়ে প্রোগ্রাম করে। জুজু এখন বট দ্বারা খেলা হয়, যদিও এটি মনে করা হত যে এই কার্ড গেমটি খেলার জন্য একটি কম্পিউটারকে প্রশিক্ষণ দেওয়া প্রায় অসম্ভব। প্রতি বছর ডেভেলপাররা আরও বেশি করে অ্যালগরিদম উন্নত করে।মুখ স্বীকৃতি
ছবি এবং ভিডিও উভয় স্ট্রিমের জন্য ফেস রিকগনিশন প্রযুক্তি ব্যবহার করা হয়। নিউরাল নেটওয়ার্কগুলি একটি ভেক্টর বা "ডিজিটাল", ফেস টেমপ্লেট তৈরি করে, তারপর এই টেমপ্লেটগুলিকে সিস্টেমের মধ্যে তুলনা করা হয়। তিনি মুখের রেফারেন্স পয়েন্টগুলি খুঁজে পান যা স্বতন্ত্র বৈশিষ্ট্যগুলিকে সংজ্ঞায়িত করে। বৈশিষ্ট্যগুলি গণনা করার জন্য অ্যালগরিদম প্রতিটি সিস্টেমের জন্য আলাদা এবং এটি বিকাশকারীদের মূল গোপনীয়তা।
AI এর আরও বিকাশ এবং প্রয়োগের জন্য, প্রথমে একজন ব্যক্তিকে প্রশিক্ষণ দেওয়া প্রয়োজন
সের্গেই শিরকিন
কৃত্রিম বুদ্ধিমত্তা অনুষদের ডিন ড
কৃত্রিম বুদ্ধিমত্তা প্রযুক্তি এখন যে আকারে ব্যবহার করা হয় সেগুলি প্রায় 5-10 বছর ধরে বিদ্যমান, তবে সেগুলি প্রয়োগ করার জন্য, অদ্ভুতভাবে যথেষ্ট, বিপুল সংখ্যক লোকের প্রয়োজন। তদনুসারে, কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রে প্রধান খরচ হল বিশেষজ্ঞদের খরচ। অধিকন্তু, কৃত্রিম বুদ্ধিমত্তার প্রায় সমস্ত মৌলিক প্রযুক্তি (লাইব্রেরি, ফ্রেমওয়ার্ক, অ্যালগরিদম) বিনামূল্যে এবং সর্বজনীন ডোমেনে রয়েছে। এক সময়ে, মেশিন লার্নিং বিশেষজ্ঞদের খুঁজে পাওয়া প্রায় অসম্ভব ছিল। কিন্তু এখন, মূলত MOOC (ইঞ্জি. ম্যাসিভ ওপেন অনলাইন কোর্স, ম্যাসিভ ওপেন অনলাইন কোর্স) এর বিকাশের কারণে, তাদের মধ্যে আরও বেশি রয়েছে। ঊর্ধ্বতন শিক্ষা প্রতিষ্ঠানএছাড়াও বিশেষজ্ঞদের সরবরাহ করে, তবে তাদের প্রায়শই অনলাইন কোর্সে তাদের পড়াশোনা শেষ করতে হয়।
এখন কৃত্রিম বুদ্ধিমত্তা ভালভাবে চিনতে পারে যে একজন ব্যক্তি চাকরি পরিবর্তন করার পরিকল্পনা করছেন, এবং তাকে উপযুক্ত অনলাইন কোর্স অফার করতে পারে, যার মধ্যে অনেকগুলি শুধুমাত্র একটি স্মার্টফোন দিয়ে নেওয়া যেতে পারে। এবং এর মানে হল যে আপনি রাস্তায় থাকাকালীনও অনুশীলন করতে পারেন - উদাহরণস্বরূপ, কাজের পথে। এই ধরনের প্রথম প্রকল্পগুলির মধ্যে একটি ছিল অনলাইন রিসোর্স Coursera, কিন্তু পরে অনেক অনুরূপ শিক্ষামূলক প্রকল্প হাজির, যার প্রতিটি অনলাইন শিক্ষার একটি নির্দিষ্ট স্থান দখল করে।
আপনাকে বুঝতে হবে যে AI, যে কোনও প্রোগ্রামের মতো, প্রাথমিকভাবে একটি কোড, অর্থাৎ, একটি নির্দিষ্ট উপায়ে ডিজাইন করা একটি পাঠ্য। এই কোড উন্নয়ন, রক্ষণাবেক্ষণ এবং উন্নতি প্রয়োজন. দুর্ভাগ্যক্রমে, এটি নিজে থেকে ঘটে না; প্রোগ্রামার ছাড়া কোডটি "জীবনে আসতে পারে না"। অতএব, AI এর সর্বশক্তিমান সম্পর্কে সমস্ত ভয় ভিত্তিহীন। প্রোগ্রামগুলি কঠোরভাবে সংজ্ঞায়িত কাজের জন্য তৈরি করা হয়, তাদের মধ্যে একজন ব্যক্তির মতো অনুভূতি এবং আকাঙ্ক্ষা থাকে না, তারা এমন কাজ করে না যা প্রোগ্রামার তাদের মধ্যে রাখেনি।
এটা বলা যেতে পারে যে আমাদের সময়ে, এআই-এর শুধুমাত্র ব্যক্তিগত মানবিক দক্ষতা রয়েছে, যদিও এটি তাদের প্রয়োগের গতিতে গড় ব্যক্তিকে ছাড়িয়ে যেতে পারে। সত্য, হাজার হাজার প্রোগ্রামারদের অনেক ঘন্টা প্রচেষ্টা এই ধরনের প্রতিটি দক্ষতার বিকাশে ব্যয় হয়। এআই এখন পর্যন্ত সবচেয়ে বেশি যেটি সক্ষম তা হল কিছু শারীরিক ও মানসিক ক্রিয়াকলাপ স্বয়ংক্রিয় করা, যার ফলে মানুষকে রুটিন থেকে মুক্ত করা।
এআই ব্যবহার কি কোন ঝুঁকি বহন করে? বরং এখন কৃত্রিম বুদ্ধিমত্তা প্রযুক্তি ব্যবহারের সম্ভাবনা না দেখার ঝুঁকি রয়েছে। অনেক কোম্পানি এই সম্পর্কে সচেতন এবং একযোগে বিভিন্ন দিকে বিকাশ করার চেষ্টা করছে, এই আশায় যে তাদের মধ্যে একটি "শুট" করতে পারে। একটি দৃষ্টান্তমূলক উদাহরণ হ'ল অনলাইন স্টোর: এখন কেবলমাত্র যারা এআই ব্যবহারের প্রয়োজনীয়তা উপলব্ধি করেছিলেন, যখন এটি এখনও প্রবণতায় ছিল না, তারা ভাসমান ছিল, যদিও "টাকা বাঁচানো" এবং প্রয়োজনীয় গণিতবিদ-প্রোগ্রামারদের বিনা কারণে আমন্ত্রণ না করা বেশ সম্ভব ছিল। .
কৃত্রিম বুদ্ধিমত্তার বিকাশের সম্ভাবনা
কম্পিউটার এখন অনেক কিছু করতে পারে যা শুধুমাত্র মানুষ করতে সক্ষম ছিল: দাবা খেলা, বর্ণমালার অক্ষর চিনতে, বানান, ব্যাকরণ পরীক্ষা করা, মুখ চিনতে, নির্দেশ দেওয়া, কথা বলা, গেম শো জেতা এবং আরও অনেক কিছু। কিন্তু সংশয় থেকে যায়। একবার মানুষের ক্ষমতা স্বয়ংক্রিয় হয়ে গেলে, সন্দেহবাদীরা বলে যে এটি অন্য একটি কম্পিউটার প্রোগ্রাম এবং স্ব-শিক্ষা AI এর উদাহরণ নয়। এআই প্রযুক্তি শুধুমাত্র ব্যাপক প্রয়োগ খুঁজে পাচ্ছে এবং সব ক্ষেত্রেই এর বিশাল বৃদ্ধির সম্ভাবনা রয়েছে। সময়ের সাথে সাথে, মানবতা আরও এবং আরও শক্তিশালী কম্পিউটার তৈরি করবে, যা AI এর বিকাশে আরও উন্নত হবে।
AI এর উদ্দেশ্য কি মানুষের মনকে কম্পিউটারে রাখা?
মানুষের মস্তিষ্ক কিভাবে কাজ করে তার একটি মোটামুটি ধারণা আছে। এখনও অবধি, মনের সমস্ত বৈশিষ্ট্য AI ব্যবহার করে অনুকরণ করা যায় না।
এআই কি মানুষের বুদ্ধিমত্তার স্তরে পৌঁছাতে পারে?
বিজ্ঞানীরা নিশ্চিত করার চেষ্টা করছেন যে AI আরও বিভিন্ন সমস্যা সমাধান করতে পারে। কিন্তু মানুষের বুদ্ধিমত্তার স্তরে পৌঁছানোর বিষয়ে কথা বলা অকাল, যেহেতু চিন্তাভাবনা শুধুমাত্র একটি অ্যালগরিদমের মধ্যে সীমাবদ্ধ নয়।
কৃত্রিম বুদ্ধিমত্তা কখন মানুষের চিন্তার স্তরে পৌঁছাতে পারে?
তথ্য সংগ্রহ ও বিশ্লেষণের এই পর্যায়ে, যা এখন মানবজাতির কাছে পৌঁছেছে, AI মানুষের চিন্তাভাবনা থেকে অনেক দূরে। যাইহোক, ভবিষ্যতে, যুগান্তকারী ধারণাগুলি উত্থাপিত হতে পারে যা AI এর বিকাশে একটি তীক্ষ্ণ উল্লম্ফনকে প্রভাবিত করবে।
একটি কম্পিউটার কি একটি বুদ্ধিমান মেশিন হতে পারে?
যেকোনো জটিল মেশিনের অংশ একটি কম্পিউটার সিস্টেম, এবং এখানে শুধুমাত্র বুদ্ধিমান কম্পিউটার সিস্টেমের কথা বলা সম্ভব। কম্পিউটার নিজেই বুদ্ধিমান নয়।
গতি এবং কম্পিউটারে বুদ্ধিমত্তা বিকাশের মধ্যে একটি সংযোগ আছে?
না, গতি শুধুমাত্র বুদ্ধিমত্তার কিছু বৈশিষ্ট্যের জন্য দায়ী। নিজেই, তথ্য প্রক্রিয়াকরণ এবং বিশ্লেষণের গতি বুদ্ধিমত্তা প্রদর্শিত হওয়ার জন্য যথেষ্ট নয়।
এটি কি একটি শিশুদের মেশিন তৈরি করা সম্ভব যা পড়া এবং স্ব-শিক্ষার মাধ্যমে বিকাশ করতে পারে?
এটি প্রায় একশ বছর ধরে গবেষকরা আলোচনা করেছেন। সম্ভবত, ধারণাটি একদিন বাস্তবায়িত হবে। আজ, এআই প্রোগ্রামগুলি শিশুরা যতটা তথ্য প্রক্রিয়া করে এবং ব্যবহার করে না।
গণনাযোগ্যতা তত্ত্ব এবং গণনাগত জটিলতা কীভাবে এআই-এর সাথে সম্পর্কিত?
কম্পিউটেশনাল জটিলতা তত্ত্ব তাদের অন্তর্নিহিত জটিলতা অনুসারে কম্পিউটেশনাল সমস্যাগুলিকে শ্রেণীবদ্ধ করার এবং এই শ্রেণীগুলিকে একে অপরের সাথে সম্পর্কিত করার উপর দৃষ্টি নিবদ্ধ করে। একটি গণনাগত সমস্যা একটি কম্পিউটার দ্বারা সমাধান করা একটি সমস্যা। গণনা সমস্যাটি গাণিতিক ধাপের যান্ত্রিক প্রয়োগের মাধ্যমে সমাধানযোগ্য, যেমন একটি অ্যালগরিদম।
উপসংহার
কৃত্রিম বুদ্ধিমত্তা ইতিমধ্যেই আমাদের বিশ্বের উন্নয়নে ব্যাপক প্রভাব ফেলেছে, যা এক শতাব্দী আগেও ভবিষ্যদ্বাণী করা অসম্ভব ছিল। স্মার্ট ফোন নেটওয়ার্ক রুট যেকোনো মানব অপারেটরের চেয়ে বেশি দক্ষতার সাথে কল করে। অটোমেটেড রোবট দ্বারা চালকবিহীন কারখানায় গাড়ি তৈরি করা হয়। কৃত্রিম বুদ্ধিমত্তা ভ্যাকুয়াম ক্লিনারের মতো সবচেয়ে সাধারণ গৃহস্থালির আইটেমগুলিতে একীভূত হচ্ছে। AI এর প্রক্রিয়াগুলি সম্পূর্ণরূপে বোঝা যায় না, তবে বিশেষজ্ঞরা ভবিষ্যদ্বাণী করেন যে AI এর বিকাশ আগামী বছরগুলিতে মানব মস্তিষ্কের বিকাশের আরও কাছাকাছি আসবে।
