এআই আসলে কী? [ভিডিও এবং কুইজ]

সংক্ষিপ্ত উত্তর: এআই হলো গণনাভিত্তিক কৌশলের একটি বিস্তৃত পরিসর যা প্যাটার্ন শনাক্ত করে, পূর্বাভাস দেয়, বিষয়বস্তু তৈরি করে এবং ক্রমবর্ধমানভাবে বিভিন্ন পদক্ষেপ গ্রহণ করে। নির্ভরযোগ্য তথ্য, সুস্পষ্ট অনুমতি এবং মানবিক পর্যালোচনার ব্যবস্থা থাকলে এটি অত্যন্ত কার্যকর হতে পারে, কিন্তু এর সাবলীল ফলাফলকে কখনোই সত্যতার স্বয়ংক্রিয় প্রমাণ হিসেবে গণ্য করা উচিত নয়।

মূল বিষয়গুলি:

জবাবদিহিতা: গুরুত্বপূর্ণ সিদ্ধান্তের জন্য মানুষকে দায়বদ্ধ রাখুন, বিশেষ করে যেখানে এআই মারাত্মক ভুল করতে পারে।

স্বচ্ছতা: একটি এআই সিস্টেম কোন তথ্য, নিয়ম এবং অনুমতির উপর নির্ভর করে তা স্পষ্ট করুন।

যাচাইকরণ: গুরুত্বপূর্ণ তথ্যগত, চিকিৎসাগত, আইনি, আর্থিক এবং ব্যবসায়িক ফলাফলগুলোর ওপর ভিত্তি করে কোনো পদক্ষেপ নেওয়ার আগে সেগুলো যাচাই করে নিন।

নিরীক্ষাযোগ্যতা: প্রতিনিধিত্বমূলক কেস ব্যবহার করে এআই পরীক্ষা করুন এবং কর্মদক্ষতার বৃদ্ধি ও সৃষ্ট ত্রুটি উভয়ই লিপিবদ্ধ করুন।

অপব্যবহার প্রতিরোধ: প্রবেশাধিকার সীমিত করুন, অসমর্থিত কার্যকলাপ প্রতিরোধ করুন এবং অনিশ্চিত বিষয়গুলো মানব পর্যালোচকদের কাছে প্রেরণ করুন।

১. কৃত্রিম বুদ্ধিমত্তা (AI) আসলে কী? সহজ ব্যাখ্যা

কৃত্রিম বুদ্ধিমত্তা বা এআইবলতে এমন কম্পিউটার সিস্টেমকে বোঝায় যা মানুষের বুদ্ধিমত্তার সাথে সম্পর্কিত কাজগুলো সম্পাদন করতে পারে।

সেই কাজগুলোর মধ্যে অন্তর্ভুক্ত থাকতে পারে:

• ভাষা বোঝা

• ছবিতে বস্তু শনাক্তকরণ

• এরপর কী ঘটবে তার পূর্বাভাস

• সুপারিশ তৈরি করা

• টেক্সট, ছবি, অডিও বা ভিডিও তৈরি করা

• বিশাল ডেটাসেটে প্যাটার্ন সনাক্তকরণ

• উপলব্ধ তথ্যের ভিত্তিতে সিদ্ধান্ত গ্রহণ

• উদাহরণ থেকে শেখা

• নির্দিষ্ট ধরণের সমস্যার সমাধান করা

এখানে একটি বিষয় গুরুত্বপূর্ণ।.

বুদ্ধিদীপ্ত বলে প্রতীয়মান হয় এমন ফলাফল তৈরি করার জন্য এআই-কে অগত্যা মানুষের মতো চিন্তা করতে হবে না ।

একটি দাবা প্রোগ্রাম তার বিশপ উৎসর্গ করাটা আবেগগতভাবে সঠিক মনে হচ্ছে কি না, তা নিয়ে বসে বসে চিন্তা করে না। একটি সুপারিশ অ্যালগরিদম আপনাকে বারবার যে তথ্যচিত্রটি দেখতে বলে, তার প্রতি কোনো ব্যক্তিগত আকর্ষণ তৈরি করে না। একটি ভাষা মডেলের কম্পিউটারের ভেতরে বসবাসকারী একজন ছোট্ট ইংরেজি শিক্ষকের প্রয়োজন হয় না।.

এর পরিবর্তে, এই সিস্টেমগুলো গাণিতিক মডেল, অ্যালগরিদম, প্রশিক্ষণ ডেটা, নিয়ম, সম্ভাব্যতা এবং বিপুল পরিমাণ গণনার মাধ্যমে তথ্য প্রক্রিয়াকরণ করে।.

চূড়ান্ত ফলাফলটি আশ্চর্যজনকভাবে মানবিক রূপ নিতে পারে।.

কিন্তু এর পেছনের কার্যপ্রণালী সম্পূর্ণ ভিন্ন।.

এই পার্থক্যটি মানুষ মাঝে মাঝে যতটা উপলব্ধি করে, তার চেয়েও বেশি গুরুত্বপূর্ণ।.

২. এআই রোবট মস্তিষ্কের চেয়ে ভবিষ্যদ্বাণী করার যন্ত্রের মতো বেশি।

'কৃত্রিম বুদ্ধিমত্তা' শব্দটি শুনলে মানুষ প্রায়শই একটি সংশ্লেষিত মানব মস্তিষ্কের মতো কিছুর কল্পনা করে।.

এটা বোধগম্য। বিজ্ঞান কল্পকাহিনী কয়েক দশক ধরে কৃত্রিম বুদ্ধিমত্তাকে জ্বলজ্বলে চোখ, অশুভ কণ্ঠস্বর, সন্দেহজনকভাবে দৃঢ় মতামত এবং সাধারণত, কোনো না কোনো ধরনের ধাতব কঙ্কাল দিয়ে আসছে।.

বাস্তবসম্মত এআই সাধারণত ততটা সিনেম্যাটিক হয় না।.

অনেক আধুনিক এআই সিস্টেম পূর্বাভাসের।

একটি ভাষা মডেল বিবেচনা করুন।.

যখন আপনি টাইপ করেন:

বিড়ালটি বসেছিল..

সিস্টেমটি মূল্যায়ন করে যে পরিসংখ্যানগতভাবে কোন শব্দগুলোর পরবর্তীতে আসার সম্ভাবনা রয়েছে।.

সম্ভবত:

• ম্যাট

• মেঝে

• সোফা

• চেয়ার

এটি কেবল একটি বাক্য মুখস্থ করে তা বলে দেয় না। যথেষ্ট উন্নত একটি মডেল শব্দ, ধারণা, বাক্য গঠন, ধারণা, শৈলী, তথ্য এবং বিন্যাসের মধ্যেকার জটিল সম্পর্কগুলো শিখে নেয়।.

এরপর এটি এমন একটি অনুক্রমের পূর্বাভাস দেয় যা প্রসঙ্গের সাথে সবচেয়ে ভালোভাবে খাপ খায়। পরবর্তী শব্দটি ভালোভাবে অনুমান করার জন্য ভাষা সম্পর্কে বেশ ভালো জ্ঞান থাকা প্রয়োজন।

আর ভাষার মধ্যে রয়েছে... মানে, মানুষ যা নিয়ে কথা বলে, মূলত তার সবকিছুই।.

ইতিহাস। গণিত। রান্না। প্রোগ্রামিং। সম্পর্ক। পদার্থবিজ্ঞান। পিৎজায় আনারস থাকা উচিত কি না, তা নিয়ে তর্ক।.

সুতরাং, আপাতদৃষ্টিতে একটি সাধারণ ভবিষ্যদ্বাণীমূলক কাজও আশ্চর্যজনকভাবে জটিল আচরণ তৈরি করতে পারে।.

অবশ্যই, এই রূপকের সীমাবদ্ধতা আছে। উন্নত এআই-কে 'শুধু অটোকমপ্লিট' বলাটা অনেকটা উড়োজাহাজকে 'ডানাওয়ালা কিছু ধাতু' বলার মতো। প্রযুক্তিগতভাবে, এর মধ্যে কিছুটা সত্য লুকিয়ে আছে, কিন্তু এর বেশিরভাগ আকর্ষণীয় অংশই হারিয়ে গেছে।.

৩. কৃত্রিম বুদ্ধিমত্তা কীভাবে শেখে?

এইখানেই আলোচনায় মেশিন লার্নিংয়ের আগমন ঘটে।

প্রচলিত সফটওয়্যার সাধারণত সুস্পষ্ট নির্দেশাবলীর মাধ্যমে কাজ করে।.

একজন প্রোগ্রামার লিখতে পারেন:

• ব্যবহারকারী সঠিক পাসওয়ার্ড দিলে প্রবেশের অনুমতি দিন।.

• তাপমাত্রা একটি নির্দিষ্ট সীমা অতিক্রম করলে শীতলীকরণ চালু করুন।.

• কোনো পণ্য স্টকে না থাকলে একটি সতর্কবার্তা প্রদর্শন করুন।.

ওই নির্দেশনাগুলো ইচ্ছাকৃতভাবে প্রোগ্রাম করা হয়েছে।.

মেশিন লার্নিং প্রক্রিয়াটিকে উল্টে দেয়।.

প্রতিটি নিয়ম ম্যানুয়ালি নির্ধারণ করার পরিবর্তে, ডেভেলপাররা সিস্টেমকে উদাহরণ বা ডেটা দেন এবং তাকে প্যাটার্ন খুঁজে বের করার সুযোগ দেন।.

ছবিতে বিড়াল শনাক্ত করতে সক্ষম সফটওয়্যার তৈরির চেষ্টার কথা কল্পনা করুন।.

সুস্পষ্ট নিয়মকানুন লেখা খুব দ্রুতই হাস্যকর হয়ে উঠবে।.

আপনি চেষ্টা করে দেখতে পারেন:

• ত্রিভুজাকৃতির কান খুঁজুন।.

• গোঁফ খুঁজুন।.

• চারটি পা খুঁজুন।.

• পশম খুঁজুন।.

তারপর কেউ একজন শিয়ালের ছবি আপলোড করে।.

ঠিক তা নয়।.

অথবা একটি বাঘ।.

অথবা একটি বিড়াল লোমশ পিণ্ডের মতো গুটিয়ে আছে, যার পা-গুলো প্রায় দেখাই যায় না।.

মেশিন লার্নিং এই সমস্যাটিকে ভিন্নভাবে দেখে। একটি মডেলকে বিপুল সংখ্যক উদাহরণের উপর প্রশিক্ষণ দেওয়া যেতে পারে এবং এটি ধীরে ধীরে শিখতে পারে যে কোন দৃশ্যমান প্যাটার্নগুলো বিড়ালের সাথে সম্পর্কিত।.

এটা ছোট বাচ্চাদের মতো করে 'বিড়াল' চিনতে শেখা নয়।.

কিন্তু গাণিতিকভাবে, মডেলটি বিভাগটির সাথে সম্পর্কিত প্যাটার্ন শনাক্ত করতে ক্রমশ আরও বেশি সক্ষম হয়ে ওঠে।.

সংক্ষেপে এটাই মেশিন লার্নিং - যদিও এই সংক্ষিপ্তসারটির মধ্যেই রৈখিক বীজগণিতের বেশ কয়েকটি ভান্ডার লুকিয়ে আছে।.

৪. এআই বনাম মেশিন লার্নিং বনাম ডিপ লার্নিং

এই পরিভাষাগুলো ক্রমাগত গুলিয়ে ফেলা হয়, এর একটি কারণ হলো মানুষ 'এআই' শব্দটিকে প্রায় সবকিছুর জন্য একটি সাধারণ পরিভাষা হিসেবে ব্যবহার করে।.

তাদেরকে আলাদা করার একটি সহজ উপায় হলো এটি।.

কৃত্রিম বুদ্ধিমত্তা একটি বিস্তৃত ক্ষেত্র।

মেশিন লার্নিং হলো কৃত্রিম বুদ্ধিমত্তা ব্যবস্থা তৈরির একটি পদ্ধতি।

ডিপ লার্নিং হলো মেশিন লার্নিং-এর একটি বিশেষ ধরণ, যেখানে একাধিক স্তরবিশিষ্ট বৃহৎ নিউরাল নেটওয়ার্ক ব্যবহার করা হয়।

এরপর রয়েছে জেনারেটিভ এআই, যা টেক্সট, ছবি, সঙ্গীত, কোড, বক্তৃতা বা ভিডিওর মতো নতুন আউটপুট তৈরিতে মনোযোগ দেয়।

তুলনা সারণী

মেয়াদ	সাধারণ ব্যবহার	এর মূল অর্থ কী	এটা নিয়ে ভাবার সহজ উপায়
কৃত্রিম বুদ্ধিমত্তা	বুদ্ধিদীপ্ত বলে প্রতীয়মান কাজ সম্পাদনকারী যন্ত্রের বিস্তৃত শ্রেণী	রোবোটিক্স, সহকারী, পরিকল্পনা, সুপারিশ	বড় ছাতা
মেশিন লার্নিং	সিস্টেম ডেটা থেকে প্যাটার্ন শেখে	জালিয়াতি সনাক্তকরণ, সুপারিশ, পূর্বাভাস	উদাহরণ থেকে শেখা
গভীর শিক্ষা	বহুস্তরীয় নিউরাল নেটওয়ার্ক ব্যবহার করে মেশিন লার্নিং	দৃষ্টি, বক্তৃতা, উন্নত ভাষা মডেল	এমএল, কিন্তু আরও অনেক গভীর... আক্ষরিক অর্থেই
জেনারেটিভ এআই	নতুন কন্টেন্ট তৈরির জন্য ডিজাইন করা এআই	টেক্সট, ছবি, কোড, অডিও	সৃজনশীল শাখা
অটোমেশন	পূর্বনির্ধারিত প্রক্রিয়া অনুসরণকারী সফটওয়্যার	পুনরাবৃত্তিমূলক কর্মপ্রবাহ, ডেটা এন্ট্রি	সাধারণত নিয়মকানুন, "শেখা" নয়

এই পার্থক্যটি গুরুত্বপূর্ণ, কারণ প্রতিটি স্বয়ংক্রিয় সিস্টেমই এআই নয়।.

আপনার কফি মেশিন যদি দশ মিনিট পর নিজে থেকেই বন্ধ হয়ে যায়, তাহলে অভিনন্দন — সম্ভবত আপনার কোনো কৃত্রিম বুদ্ধিমত্তা গবেষণাগার নেই।.

এটা শুধু একটা টাইমার।.

৫. নিউরাল নেটওয়ার্ক বলতে কী বোঝায়?

নিউরাল নেটওয়ার্ক হলো গাণিতিক ব্যবস্থা যা জৈবিক নিউরন দ্বারা কিছুটা অনুপ্রাণিত।.

এই কথাটি তাদেরকে রহস্যময় করে তোলে। তারা কম্পিউটারের ভেতরে ভাসমান আক্ষরিক কোনো কৃত্রিম মস্তিষ্ক নয়।.

একটি নিউরাল নেটওয়ার্ক হলো তথ্য প্রক্রিয়াকরণকারী পরস্পর সংযুক্ত গাণিতিক এককসমূহের সমষ্টি।.

প্রশিক্ষণ চলাকালীন, নেটওয়ার্কটি প্যারামিটার বা ওয়েট।

এই সমন্বয়গুলো সিস্টেমটিকে মূল্যবান ফলাফল উৎপাদনে আরও দক্ষ করে তোলে।.

এটিকে এমন একটি অত্যন্ত জটিল কন্ট্রোল প্যানেল হিসেবে ভাবুন, যেখানে সম্ভাব্য শত শত কোটি ক্ষুদ্র নিয়ন্ত্রণযোগ্য নব রয়েছে।.

প্রশিক্ষণ বারবার সেই বিষয়গুলোকে নাড়া দেয়।.

ভুল উত্তর?

নবগুলো সামঞ্জস্য করুন।.

আরও ভালো উত্তর?

সেগুলোকে ভিন্নভাবে সমন্বয় করুন।.

এই কাজটি যথেষ্ট সংখ্যক বার, যথেষ্ট পরিমাণ ডেটার ওপর এবং যথেষ্ট কম্পিউটিং শক্তি দিয়ে করলে, নেটওয়ার্কটি জটিল অভ্যন্তরীণ উপস্থাপনা তৈরি করতে শুরু করে, যা এটিকে প্যাটার্ন শনাক্ত করতে ও তৈরি করতে সক্ষম করে।.

অবশ্যই, ‘নবগুলো অ্যাডজাস্ট করুন’ বললে কয়েক দশকের কম্পিউটার বিজ্ঞানের জ্ঞানকে পুরনো রেডিও টিউন করার মতো শোনায়... কিন্তু একটি মানসিক মডেল হিসেবে এটি চমৎকারভাবে কাজ করে।.

৬. কেন এআই হঠাৎ করে অনেক বেশি বুদ্ধিমান বলে মনে হচ্ছে

কৃত্রিম বুদ্ধিমত্তা এমন কোনো আবিষ্কার নয় যা রাতারাতি আবির্ভূত হয়েছে।.

অন্তর্নিহিত ক্ষেত্রটি দীর্ঘকাল ধরে বিদ্যমান রয়েছে।.

যা পরিবর্তিত হয়েছিল তা হলো বেশ কয়েকটি শক্তির একত্রে ত্বরান্বিত হওয়া।.

আরও কম্পিউটিং শক্তি

আধুনিক প্রসেসরগুলো দ্রুত বিপুল সংখ্যক গণনা সম্পাদন করতে পারে, বিশেষ করে নিউরাল নেটওয়ার্কের জন্য প্রয়োজনীয় গণনাগুলো। প্রশিক্ষণ কম্পিউট আধুনিক এআই সিস্টেমের অগ্রগতির একটি গুরুত্বপূর্ণ চালিকাশক্তি।

আরও তথ্য

ডিজিটাল জগতে বিপুল পরিমাণ টেক্সট, ছবি, অডিও, ভিডিও, কোড এবং কাঠামোগত তথ্য রয়েছে।.

উন্নত মডেল প্রশিক্ষণের জন্য উদাহরণের প্রয়োজন হয়—অনেকগুলো।.

উন্নত অ্যালগরিদম

গবেষকরা এআই সিস্টেম প্রশিক্ষণের জন্য ব্যবহৃত স্থাপত্য এবং পদ্ধতি ক্রমাগত উন্নত করে চলেছেন।.

বৃহত্তর মডেল

প্যারামিটারের সংখ্যা বৃদ্ধি, ডেটাসেটের উন্নতি এবং কম্পিউটেশন বাড়ানোর মাধ্যমে প্রায়শই আশ্চর্যজনকভাবে সক্ষম মডেল তৈরি হয়েছে। কম্পিউট-সর্বোত্তম ল্যাঙ্গুয়েজ-মডেল প্রশিক্ষণের উপর গবেষণাও দেখায় যে, শুধুমাত্র প্যারামিটারের সংখ্যা সর্বাধিক করার পরিবর্তে মডেলের আকার, ডেটা এবং কম্পিউটেশনের মধ্যে ভারসাম্য রক্ষা করা প্রয়োজন।.

উন্নত ইন্টারফেস

এই অংশটিকে অবমূল্যায়ন করা সহজ।.

এআই এখন আগের চেয়ে অনেক বেশি সহজলভ্য মনে হচ্ছে, কারণ সাধারণ মানুষ এখন দৈনন্দিন ভাষার মাধ্যমেই উন্নত সিস্টেমগুলোর সাথে যোগাযোগ করতে পারে।.

আপনার প্রোগ্রামিং বোঝার প্রয়োজন নেই।.

আপনি সহজভাবে জিজ্ঞাসা করতে পারেন:

বন্ধকী ঋণ এমনভাবে বোঝান যেন আমার বয়স বারো।

অথবা:

এই মিটিং নোটগুলো একটি ইমেইলে পরিণত করুন।

অথবা:

মুরগির মাংস, ভাত এবং আমার ফ্রিজে ধীরে ধীরে মরে যেতে থাকা সবজি দিয়ে রাতের খাবারের পাঁচটি আইডিয়া দিন।

ইন্টারফেসের ওই পরিবর্তনটা বিশাল।.

প্রযুক্তি যখন ব্যবহারের জন্য মানুষের আর কোনো নির্দেশিকার প্রয়োজন হয় না, তখন এর জনপ্রিয়তা অভাবনীয়ভাবে বেড়ে যায়।.

৭. আপনি যখন এআই-কে কোনো প্রশ্ন করেন, তখন এটি কী করে?

একটি আধুনিক এআই সহকারীর কথা ভাবুন।.

আপনি টাইপ করুন:

পাঁচ বছর বয়সী একটি শিশুকে মাধ্যাকর্ষণ বোঝান।

নেপথ্যে, সিস্টেমটি আপনার টেক্সটকে টোকেন।

টোকেনগুলো সম্পূর্ণ শব্দ, শব্দের অংশ, যতিচিহ্ন বা ভাষার অন্যান্য খণ্ডাংশকে বোঝাতে পারে।.

ওই টোকেনগুলো মডেলের মাধ্যমে প্রক্রিয়াজাত করা হয়।.

মডেলটি আপনার অনুরোধের বিভিন্ন অংশের মধ্যকার সম্পর্ক পরীক্ষা করে, প্রেক্ষাপট বিবেচনা করে এবং একটি সহায়ক ধারাবাহিকতার পূর্বাভাস দেয়।.

তারপর আরেকটি টোকেন।.

তারপর আরেকটি।.

তারপর আরেকটি।.

এটা অবিশ্বাস্য দ্রুত গতিতে ঘটে।.

ফলস্বরূপ অনুচ্ছেদটি দেখে মনে হয় যেন কেউ এটিকে একটি সম্পূর্ণ চিন্তা হিসেবে রচনা করেছে, কিন্তু প্রযুক্তিগতভাবে এটি পর্যায়ক্রমে তৈরি হয়েছে।.

এটা কৃত্রিম বুদ্ধিমত্তার অন্যতম অদ্ভুত বৈশিষ্ট্যগুলোর মধ্যে একটি।.

অন্তর্নিহিত প্রক্রিয়াটি সম্ভাবনামূলক হলেও ফলাফলটি ইচ্ছাকৃত বলে মনে হতে পারে।.

এটি বিশাল কোনো ডেটাবেস থেকে আগে থেকে তৈরি উত্তর বের করে আনার চেয়ে তাৎক্ষণিক উদ্ভাবনের মতোই বেশি।.

নিশ্চিতভাবে বলা যায়, এটা ঠিক তাৎক্ষণিক সৃষ্টি নয়—কিন্তু রূপকটি তার সার্থকতা প্রমাণ করার জন্য যথেষ্ট কাছাকাছি।.

৮. এআই কি বিষয়গুলো বোঝে?

এই প্রশ্নটি খুব দ্রুতই দার্শনিক রূপ নেয়।.

একটি এআই সিস্টেম কি সত্যিই ভাষা "বোঝে"?

উত্তরটি অনেকাংশে নির্ভর করে আপনি 'বোঝা' বলতে কী বোঝেন তার ওপর।.

আধুনিক এআই মডেলগুলো যে অত্যন্ত পরিশীলিত উপায়ে ধারণাগুলোকে কাজে লাগাতে পারে, তা স্পষ্ট।.

তারা পারে:

• ধারণা ব্যাখ্যা করুন

• যুক্তি তুলনা করুন

• পাঠ্য পুনর্লিখন

• ভাষা অনুবাদ করুন

• অনেক কাঠামোগত সমস্যা সমাধান করুন

• কার্যকরী কোড তৈরি করুন

• ধরণ শনাক্ত করুন

• জটিল নির্দেশাবলী অনুসরণ করুন

• নতুন উপায়ে ধারণাগুলিকে একত্রিত করুন

বাইরে থেকে দেখলে, এটাকে অনেকটাই বোঝাপড়া বলে মনে হতে পারে।.

কিন্তু যন্ত্রের বুদ্ধিমত্তা এবং মানুষের বোধশক্তির মধ্যে গুরুত্বপূর্ণ পার্থক্য রয়েছে।.

মানুষ ভৌত জগতের অভিজ্ঞতা লাভ করে।.

আমরা ক্ষুধা, ব্যথা, লজ্জা, একঘেয়েমি, স্নেহ এবং ফোনের ব্যাটারি ২ শতাংশে নেমে আসার অদ্ভুত আতঙ্ক অনুভব করি।.

এআই সিস্টেমগুলোর সমতুল্য কোনো বাস্তব অভিজ্ঞতা নাও থাকতে পারে।.

তারা উপস্থাপনাগুলো প্রক্রিয়াজাত করে।.

সুতরাং, কোনো এআই কোনো কিছু 'বোঝে' কি না, এই প্রশ্ন করাটা অনেকটা একটি ডুবোজাহাজ সাঁতার কাটে কি না, তা জিজ্ঞাসা করার মতোই।.

এটা অবশ্যই জলের মধ্যে দিয়ে চলে।.

কিন্তু সম্ভবত 'সাঁতার' শব্দটি ঠিক মানানসই নয়।.

৯. এআই স্বয়ংক্রিয়ভাবে জানে না কোনটি সত্য

জেনারেটিভ এআই সম্পর্কে এটি অন্যতম গুরুত্বপূর্ণ একটি বিষয়।.

একটি মডেল এমন একটি বিবৃতি তৈরি করতে পারে যা সঠিক না হয়েও অত্যন্ত বিশ্বাসযোগ্য শোনায়।.

কেন?

কারণ বিশ্বাসযোগ্য ভাষা তৈরি করা এবং বস্তুনিষ্ঠ সত্য যাচাই করা ভিন্ন ভিন্ন সমস্যা।.

একটি এআই সিস্টেম অনিশ্চয়তার সম্মুখীন হয়েও আত্মবিশ্বাসী উত্তর দিতে পারে।.

এই ভুলগুলোকে প্রায়শই হ্যালুসিনেশন বলা হয় ।

উদাহরণস্বরূপ, এআই যা করতে পারে:

• একটি পরিসংখ্যান তৈরি করুন

• উদ্ধৃতির উৎস ভুলভাবে উল্লেখ করা

• একই রকম দুজন ব্যক্তিকে গুলিয়ে ফেলুন

• অস্তিত্বহীন তথ্যসূত্র তৈরি করুন

• অস্পষ্ট নির্দেশাবলীর ভুল ব্যাখ্যা

• সূক্ষ্ম গাণিতিক ভুল করুন

ল্যাঙ্গুয়েজ মডেলগুলো আত্মবিশ্বাসের সাথে মনগড়া উদ্ধৃতি, গবেষণা, তথ্যসূত্র এবং অন্যান্য ভুল তথ্য তৈরি করতে পারে। NIST বিশেষভাবে আত্মবিশ্বাসের সাথে বলা মিথ্যা বিষয়বস্তু এবং মনগড়া তথ্যসূত্রকে জেনারেটিভ-এআই-এর জন্য একটি ঝুঁকি হিসেবে চিহ্নিত করে।.

বিপরীতভাবে, এই সিস্টেমগুলো যত বেশি সক্ষম বলে মনে হয়, এই বিষয়টি ভুলে যাওয়া ততই সহজ হয়ে পড়ে।.

মার্জিত ভাষা আত্মবিশ্বাস সৃষ্টি করে।.

কিন্তু আত্মবিশ্বাস প্রমাণ নয়।.

চিকিৎসা, আইন, অর্থায়ন, নিরাপত্তা বা বড় ব্যবসায়িক সিদ্ধান্তের মতো ক্ষেত্রগুলোর সাথে জড়িত অত্যন্ত গুরুত্বপূর্ণ তথ্যের ক্ষেত্রে যাচাইকরণ এখনও জরুরি।.

বেশ খানিকটা।.

১০. এআই এবং সার্চ ইঞ্জিন একই জিনিস নয়

আরেকটি সাধারণ ভুল ধারণা হলো এআই এবং সার্চকে একই জিনিস হিসেবে গণ্য করা।.

তারা তা নয়।.

একটি প্রচলিত সার্চ ইঞ্জিন মূলত বিদ্যমান তথ্য খুঁজে পেতে সাহায্য করে।.

একটি জেনারেটিভ এআই সিস্টেম মূলত অর্জিত প্যাটার্ন, প্রদত্ত প্রেক্ষাপট এবং এর কাছে থাকা অন্যান্য অতিরিক্ত সরঞ্জামের উপর ভিত্তি করে একটি প্রতিক্রিয়া তৈরি করে। জেনারেটিভ মডেলগুলো বৃহৎ ডেটাসেট থেকে প্যাটার্ন ও সম্পর্ক শেখে এবং সেই প্যাটার্নগুলো ব্যবহার করে নতুন আউটপুট তৈরি করে।

কল্পনা করুন জিজ্ঞাসা করছেন:

সার্চ ইঞ্জিন: "সালোকসংশ্লেষ ব্যাখ্যা করার সেরা উপায়"

সাধারণত আপনাকে খতিয়ে দেখার জন্য অনেকগুলো পৃষ্ঠা দেওয়া হয়।.

একটি এআই অ্যাসিস্ট্যান্টকে একই জিনিস জিজ্ঞাসা করলে আপনি হয়তো পাবেন:

• একটি সহজ ব্যাখ্যা

• শ্রেণীকক্ষের একটি উপমা

• একটি কুইজ

• একটি পাঠ পরিকল্পনা

• শিশুদের জন্য একটি গল্প

• একটি বিস্তারিত বৈজ্ঞানিক সংস্করণ

অনুসন্ধান ফলাফল পুনরুদ্ধার করে।.

জেনারেটিভ এআই সংশ্লেষণ করে।.

আধুনিক সিস্টেমগুলো উভয় পদ্ধতিকেই একত্রিত করতে পারে, যা এই পার্থক্যকে ক্রমশ অস্পষ্ট করে তোলে, কিন্তু সরঞ্জামগুলো ধারণাগতভাবে ভিন্নই থাকে।.

১১. কৃত্রিম বুদ্ধিমত্তা কোন কাজগুলো ভালোভাবে করতে পারে?

প্যাটার্ন-বহুল, তথ্য-সমৃদ্ধ এবং রূপান্তরমূলক কাজগুলোতে এআই বিশেষভাবে ভালো পারফর্ম করে থাকে।.

মূল্যবান অ্যাপ্লিকেশনগুলির মধ্যে রয়েছে:

লেখার সহায়তা

এআই কোনো লেখার খসড়া তৈরি করতে, তা পুনর্লিখন করতে, সারসংক্ষেপ করতে এবং পুনর্গঠন করতে পারে।.

প্রোগ্রামিং

মডেল কোড তৈরি করতে, ত্রুটি ব্যাখ্যা করতে, উন্নতির পরামর্শ দিতে এবং ডেভেলপারদের অপরিচিত সিস্টেম বুঝতে সাহায্য করতে পারে।.

ডেটা বিশ্লেষণ

এআই প্যাটার্ন শনাক্ত করতে, ডেটাসেট ব্যাখ্যা করতে এবং জটিল ফলাফলকে সহজবোধ্য ভাষায় রূপান্তর করতে সহায়তা করতে পারে।.

চিত্র তৈরি

জেনারেটিভ মডেলগুলো বর্ণনা থেকে চিত্র, ধারণা, পণ্যের মকআপ, শিল্পকর্ম এবং বিভিন্ন দৃশ্যগত রূপ তৈরি করতে পারে।.

অনুবাদ

উন্নত মডেলগুলো সাধারণ শব্দে-শব্দে অনুবাদ পদ্ধতির চেয়ে বেশি প্রসঙ্গ অক্ষুণ্ণ রেখে বিভিন্ন ভাষার মধ্যে অনুবাদ করতে পারে।.

শিক্ষা

কারো জ্ঞানের স্তরের ওপর নির্ভর করে এআই একই ধারণা একাধিক উপায়ে ব্যাখ্যা করতে পারে।.

গ্রাহক সহায়তা

কোম্পানিগুলো সাধারণ প্রশ্নের উত্তর দিতে এবং জটিল মামলাগুলো সঠিক পথে পরিচালনা করতে এআই ব্যবহার করতে পারে।.

ব্রেইনস্টর্মিং

আপনার বুদ্ধিবৃত্তিক ভিত্তি যখন একটি খালি ফ্রিজের সমতুল্য হয়, তখন এআই বিশেষভাবে কার্যকর হতে পারে।.

আপনি বিভিন্ন দৃষ্টিকোণ, নাম, ধারণা, কাঠামো বা সম্ভাবনা সম্পর্কে জিজ্ঞাসা করতে পারেন – তারপর সিদ্ধান্ত নিন কোনটি রাখা উচিত।.

প্রায়শই এটাই এআই-এর সাথে সবচেয়ে স্বাস্থ্যকর কর্মসম্পর্ক।.

'যন্ত্র মানুষের স্থান নেয়' এমনটা নয়।

বরং এরকম:

মানুষ + যন্ত্র = চিন্তার দ্রুততর প্রাথমিক খসড়া।.

১২. যে বিষয়গুলোতে এআই এখনও দুর্বল

এত মনোযোগ সত্ত্বেও, বর্তমান এআই-এর এখনও যথেষ্ট সীমাবদ্ধতা রয়েছে।.

কিছু কিছু এক নজরেই স্পষ্ট।.

অন্যান্যগুলো কেবল তখনই প্রকাশ পায়, যখন আপনি কোনো জটিল কাজের জন্য সিস্টেমের ওপর নির্ভর করেন।.

এআই নিম্নলিখিত বিষয়গুলিতে সমস্যায় পড়তে পারে:

• অত্যন্ত সুনির্দিষ্ট তথ্যগত নির্ভুলতা

• অস্বাভাবিক প্রান্তিক পরিস্থিতি

• যুক্তির দীর্ঘ শৃঙ্খল

• অস্পষ্ট নির্দেশাবলী

• সাধারণ জ্ঞানভিত্তিক ধারণা যা মানুষ প্রায় খেয়ালই করে না।

• অব্যক্ত আবেগীয় প্রেক্ষাপট বোঝা

• তথ্যটি সত্যিই সত্য কিনা তা যাচাই করা

• বাস্তব জগতের অভিজ্ঞতা প্রয়োজন এমন কাজ

• জটিল প্রকল্প জুড়ে সামঞ্জস্য

এমনকি অত্যন্ত সক্ষম ভাষা মডেলগুলোও তথ্যগত ও যুক্তিগত ভুল করতে পারে এবং কঠিন বেঞ্চমার্কগুলো ক্রমাগত এর উল্লেখযোগ্য সীমাবদ্ধতাগুলো প্রকাশ করে চলেছে।

আরেকটি সমস্যা হলো, এআই খুব অল্প চেষ্টাতেই গড়পড়তা মানের উত্তর।

দশটি ব্যবসার নাম জানতে চান?

হয়ে গেছে।.

একটি ব্লগ পোস্ট চান?

সহজ।.

মার্কেটিং আইডিয়া চান?

অবশ্যই।.

কিন্তু কোনো কিছু তৈরি করা আর প্রকৃত মৌলিক, বাণিজ্যিকভাবে মূল্যবান, আবেগগতভাবে বুদ্ধিদীপ্ত বা কৌশলগতভাবে সঠিক কাজ নির্মাণ করা এক জিনিস নয়।.

মানুষই এখনও স্বাদের জোগান দেয়।.

স্বাদ গুরুত্বপূর্ণ।.

সম্ভবত আগের যেকোনো সময়ের চেয়ে বেশি।.

১৩. কৃত্রিম বুদ্ধিমত্তা কি সচেতন?

এবার আমরা সেই পর্যায়ে এসে পৌঁছেছি যেখানে রাতের খাবারের আলোচনা অদ্ভুত মোড় নেয়।.

বর্তমান এআই সিস্টেমগুলো এমন ভাষা তৈরি করতে পারে যা আবেগপূর্ণ, চিন্তাশীল এবং আত্মসচেতন শোনায়।.

এর মানে এই নয় যে তারা স্বয়ংক্রিয়ভাবে চেতনা লাভ করে।.

ভাষা মডেলগুলোকে বিশেষভাবে ভাষা তৈরি করার জন্য প্রশিক্ষণ দেওয়া হয়।.

এবং মানুষ স্বভাবতই সাবলীল ভাষাকে এর পেছনে আরেকটি মনের অস্তিত্বের প্রমাণ হিসেবে গ্রহণ করে।.

সাধারণত, এটি একটি যুক্তিসঙ্গত অনুমান।.

যখন অন্য কোনো মানুষ বলে, "আমি চিন্তিত," তখন আমরা সঙ্গত কারণেই ধরে নিই যে তার ভেতরে একটি অভ্যন্তরীণ মানসিক অবস্থা বিদ্যমান।.

এআই-এর ক্ষেত্রে, সেই অনুমানটি সবসময় যুক্তিযুক্ত নয়।.

একটি সিস্টেম তৈরি করতে পারে:

আমি সাহায্য করতে আগ্রহী।

এর দ্বারা এটা প্রমাণ হয় না যে সার্ভারের ভেতরে কোনো অদৃশ্য আবেগপ্রবণ প্রাণী চমৎকার একটি বিকেল কাটাচ্ছে।.

কঠিন দার্শনিক প্রশ্নটি হলো, যন্ত্রের চেতনা আদৌ উদ্ভূত হতে পারে কিনা।.

নেই যা এই বিতর্কের সম্পূর্ণ নিষ্পত্তি করতে পারে।

কিন্তু শুধুমাত্র কথোপকথনের সাবলীলতাকেই প্রমাণ হিসেবে গণ্য করা উচিত নয়। সচেতন বা ‘শক্তিশালী’ এআই-এর মতো ধারণাগুলো আজকের সিস্টেমগুলোর একটি প্রতিষ্ঠিত বৈশিষ্ট্য না হয়ে বরং তাত্ত্বিকই রয়ে গেছে।.

১৪. সংকীর্ণ কৃত্রিম বুদ্ধিমত্তা বনাম কৃত্রিম সাধারণ বুদ্ধিমত্তা

অধিকাংশ এআই সিস্টেম এখনও নির্দিষ্ট কিছু সক্ষমতাকে কেন্দ্র করে তৈরি করা হয়।.

এগুলোকে প্রায়শই সংকীর্ণ এআই (narrow AI)।

উদাহরণস্বরূপ, যে সিস্টেমগুলো নিম্নলিখিত উদ্দেশ্যে ডিজাইন করা হয়েছে:

• চিত্র স্বীকৃতি

• ভাষা তৈরি

• সুপারিশ

• ড্রাইভিং সহায়তা

• মেডিকেল ইমেজিং

• জালিয়াতি সনাক্তকরণ

• বক্তৃতা স্বীকৃতি

আর্টিফিশিয়াল জেনারেল ইন্টেলিজেন্স, যা সাধারণত এজিআই (AGI), যন্ত্র বুদ্ধিমত্তার একটি অনেক ব্যাপকতর কাল্পনিক স্তরকে বোঝায়।

মূল ধারণাটি হলো এমন একটি ব্যবস্থা তৈরি করা, যা বিভিন্ন ক্ষেত্রে প্রায় মানুষের সমতুল্য বা তার চেয়েও বেশি সক্ষমতায় শিখতে এবং বুদ্ধিবৃত্তিক কাজ সম্পাদন করতে পারে।.

সীমানাটি নিখুঁতভাবে সংজ্ঞায়িত নয়।.

এটাই সমস্যার একটা অংশ।.

বিভিন্ন গবেষক, কোম্পানি এবং ভাষ্যকার 'এজিআই' শব্দটি ভিন্ন ভিন্ন অর্থে ব্যবহার করেন, ফলে আলোচনাটি অজান্তেই তিনজন ব্যক্তির ভিন্ন ভিন্ন সংজ্ঞা নিয়ে তীব্র তর্কে পরিণত হতে পারে। ঠিক কী এজিআই হিসেবে গণ্য হওয়া উচিত, সে বিষয়ে বর্তমানে কোনো ব্যাপক প্রাতিষ্ঠানিক ঐকমত্য নেই।

অন্য কথায়, এটা ইন্টারনেটের চিরাচরিত আচরণ।.

১৫. প্রশিক্ষণ ডেটা কেন এত গুরুত্বপূর্ণ

এআই সিস্টেমগুলো উদাহরণ থেকে প্যাটার্ন শেখে, তাই সেই উদাহরণগুলোর গুণমান অত্যন্ত গুরুত্বপূর্ণ।.

সুতরাং প্রশিক্ষণ ডেটা অত্যন্ত গুরুত্বপূর্ণ হয়ে ওঠে।.

ভাবুন তো, কাউকে শেফ হওয়ার প্রশিক্ষণ দেওয়া হচ্ছে, কিন্তু তাকে শুধু টোস্ট বানানোর রেসিপি দেওয়া হচ্ছে।.

তারা টোস্ট বানাতে অসাধারণ হয়ে উঠতে পারে।.

হয়তো মিশেলিন মানের টোস্ট।.

কিন্তু তাদের হাতে একটা অক্টোপাস তুলে দিয়ে রাতের খাবার চাইলে ব্যাপারটা বেশ মজার হয়ে উঠতে পারে।.

এআইও একই রকমভাবে কাজ করে।.

প্রশিক্ষণ উপকরণের গুণমান, বৈচিত্র্য এবং প্রাসঙ্গিকতা মডেলের শিখনকে প্রভাবিত করে । জেনারেটিভ সিস্টেমগুলো প্রচলিত ডেটাবেসের মতো কাজ না করে, তাদের প্রশিক্ষণ ডেটা থেকে পরিসংখ্যানগত প্যাটার্ন এবং সম্পর্ক শেখে।

ডেটাসেটের সমস্যাগুলো আউটপুটে প্রকাশ পেতে পারে, যার মধ্যে অন্তর্ভুক্ত রয়েছে:

• পক্ষপাত

• অনুপস্থিত জ্ঞান

• বারবার ভুল ধারণা

• অপ্রতিনিধিত্বশীল এলাকাগুলিতে দুর্বল কর্মক্ষমতা

• নির্দিষ্ট ভাষাগত বা সাংস্কৃতিক নিদর্শনের অতিপ্রতিনিধিত্ব

প্রশিক্ষণের উদাহরণগুলো যেভাবে নির্বাচন ও সংকলন করা হয়, তার কারণে মেশিন-লার্নিং মডেলগুলো পক্ষপাতদুষ্ট হতে পারে এবং ভারসাম্যহীন বা অসম্পূর্ণ ডেটা মডেলের কার্যকারিতাকে প্রভাবিত করতে পারে।.

তাই ডেভেলপাররা প্রাথমিক প্রশিক্ষণের পর ডেটাসেট উন্নত করতে, বিষয়বস্তু ফিল্টার করতে এবং মডেল পরিমার্জন করতে প্রচুর প্রচেষ্টা ব্যয় করেন।.

মডেল আর্কিটেকচার গুরুত্বপূর্ণ।.

কম্পিউটিং ক্ষমতাও একটি গুরুত্বপূর্ণ বিষয়।.

কিন্তু ডেটা সবকিছুর নিচে জলের পাইপের মতো নিঃশব্দে বসে থাকে — কোনো সমস্যা না হওয়া পর্যন্ত কেউ এ নিয়ে কথা বলে না।.

১৬. প্রশিক্ষণের পর এআই মডেলগুলো কীভাবে আরও উন্নত হয়

প্রাথমিক প্রশিক্ষণই শেষ ধাপ নয়।.

মডেলগুলোকে আরও সক্ষম ও নির্ভরযোগ্য করে তোলার জন্য অতিরিক্ত প্রক্রিয়ার মধ্য দিয়ে যাওয়া যেতে পারে।.

এর মধ্যে সিস্টেমগুলোকে নিম্নলিখিত বিষয়গুলো শেখানো অন্তর্ভুক্ত থাকতে পারে:

• নির্দেশাবলী আরও নির্ভরযোগ্যভাবে অনুসরণ করুন

• ক্ষতিকর আউটপুট এড়িয়ে চলুন

• উত্তরগুলো যথাযথভাবে বিন্যাস করুন।

• কিছু অনুরোধ প্রত্যাখ্যান করুন

• আরও স্পষ্ট উত্তর পছন্দ করি।

• সরঞ্জাম ব্যবহার করুন

• মানুষের মতামত অনুসরণ করুন

• কথোপকথন আরও ভালোভাবে সামলান।

এই প্রক্রিয়াটি ব্যাপকভাবে অ্যালাইনমেন্টের সাথে যুক্ত । উদাহরণস্বরূপ, প্রিট্রেনিংয়ের পর নির্দেশনা অনুসরণের উন্নতি ঘটাতে এবং ল্যাঙ্গুয়েজ মডেলকে কাঙ্ক্ষিত আচরণের দিকে চালিত করতে হিউম্যান-ফিডব্যাক কৌশল ব্যবহার করা হয়েছে।

অ্যালাইনমেন্ট মানে হলো এআই-এর আচরণকে মানুষের উদ্দেশ্য, নিয়ম এবং পছন্দের আরও ভালোভাবে প্রতিফলন ঘটাতে চেষ্টা করা।.

সরল বাক্য।.

অত্যন্ত কঠিন প্রকৌশল সমস্যা।.

কোনটা ভালো পিৎজার টপিং হবে, তা নিয়েই মানুষ একমত হতে পারে না, তাই 'মানুষ কী চায়' তা শক্তিশালী কম্পিউটেশনাল সিস্টেমে সংকেতায়িত করাটা... বেশ উচ্চাকাঙ্ক্ষী।.

১৭. এআই এজেন্ট: যখন এআই পদক্ষেপ নিতে শুরু করে

একটি সাধারণ চ্যাটবট মূলত নির্দেশনার উত্তর দেয়।.

একটি এআই এজেন্ট কোনো লক্ষ্য অর্জনের দিকে পদক্ষেপ নিতে পারে। এআই এজেন্টদের সাধারণত এমন সিস্টেম হিসেবে বর্ণনা করা হয় যা স্বয়ংক্রিয়ভাবে কাজ সম্পাদন করতে, কর্মপ্রবাহের পরিকল্পনা করতে এবং উপলব্ধ সরঞ্জাম ব্যবহার করতে সক্ষম।

কল্পনা করুন একটি এআইকে বলছেন:

আমার ব্যবসায়িক ভ্রমণের ব্যবস্থা করুন।

একটি আদর্শ ভাষা মডেল একটি ভ্রমণসূচী তৈরি করতে পারে।.

একটি এজেন্ট-ধাঁচের সিস্টেম তাত্ত্বিকভাবে একাধিক সংযুক্ত ক্রিয়া সম্পাদন করতে পারে:

1. উপলব্ধ ভ্রমণ বিকল্পগুলি যাচাই করুন।.

2. সময়সূচী তুলনা করুন।.

3. উপযুক্ত বাসস্থান চিহ্নিত করুন।.

4. ক্যালেন্ডারে ইভেন্ট যোগ করুন।.

5. একটি প্যাকিং তালিকা প্রস্তুত করুন।.

6. কোনো পরিবর্তন হলে পরিকল্পনা হালনাগাদ করুন।.

পার্থক্যটা হলো কর্ম এবং অধ্যবসায়।

একটিমাত্র নির্দেশের উত্তর দেওয়ার পরিবর্তে, সিস্টেমটি ধারাবাহিকভাবে একাধিক কাজ সম্পন্ন করে।.

এই কারণেই এআই এজেন্টরা এত আগ্রহ আকর্ষণ করে।.

তারা কৃত্রিম বুদ্ধিমত্তাকে কন্টেন্ট জেনারেটর থেকে সরিয়ে এমন কিছুতে পরিণত করছে যা সফটওয়্যার অপারেটরের কাছাকাছি।.

এই পরিবর্তনটি অত্যন্ত মূল্যবান হতে পারে - এবং এটি অনুমতি, নির্ভরযোগ্যতা ও নিয়ন্ত্রণ সম্পর্কেও গুরুতর প্রশ্ন উত্থাপন করে। NIST বিশেষভাবে সেইসব এজেন্টের নিরাপত্তা ও নির্ভরযোগ্যতা সংক্রান্ত উদ্বেগের ওপর আলোকপাত করেছে, যারা টুল, অ্যাপ্লিকেশন এবং ডেটা অ্যাক্সেস করতে পারে।

আপনি নিশ্চয়ই চাইবেন না যে, কোনো অতি উৎসাহী অ্যালগরিদম 'টিম ট্রিপ' কথাটি ভুল বুঝে ভুলবশত বারোটি হোটেল রুম বুক করে ফেলুক।

১৮. কেন এআই বোঝা একটি অধিক গুরুত্বপূর্ণ প্রশ্ন হয়ে উঠছে

‘এআই আসলে কী?’— এই প্রশ্নটি একসময় তাত্ত্বিক বলে মনে হতো।

এখন এটি ক্রমশ বাস্তবসম্মত ও তাৎক্ষণিক হয়ে উঠছে।.

যেসব সরঞ্জাম নিম্নলিখিত ক্ষেত্রে ব্যবহৃত হয়, সেগুলোর ভেতরে এআই-এর আবির্ভাব ঘটছে:

• কাজ

• শিক্ষা

• সৃজনশীলতা

• সফটওয়্যার ডেভেলপমেন্ট

• স্বাস্থ্যসেবা

• মিডিয়া

• অর্থনীতি

• যোগাযোগ

• গবেষণা

• বিনোদন

মৌলিক বিষয়গুলো বোঝা মানুষকে আরও ভালো সিদ্ধান্ত নিতে সাহায্য করে।.

আপনাকে মেশিন-লার্নিং ইঞ্জিনিয়ার হতে হবে না।.

কিন্তু পূর্বাভাস ও নিশ্চয়তা, সৃষ্টি ও পুনরুদ্ধার, স্বয়ংক্রিয়তা ও বুদ্ধিমত্তার মধ্যে পার্থক্য জানা থাকলে আশ্চর্যজনক সংখ্যক ভুল এড়ানো সম্ভব।.

এটি বিপণনমূলক ভাষা বুঝতেও সাহায্য করে।.

কারণ কোম্পানিগুলো বিভিন্ন জিনিসের সাথে 'এআই' শব্দটি জুড়ে দিতে ভালোবাসে।.

কখনো কখনো যথাযথভাবে।.

কখনও কখনও কারণ "অ্যাডভান্সড প্রেডিক্টিভ আর্টিফিশিয়াল ইন্টেলিজেন্স প্ল্যাটফর্ম" কথাটা "চমকপ্রদ বোতামওয়ালা স্প্রেডশিট"-এর চেয়ে অনেক বেশি উত্তেজনাপূর্ণ শোনায়।

১৯. কৃত্রিম বুদ্ধিমত্তা কি মানুষের স্থান দখল করবে?

কৃত্রিম বুদ্ধিমত্তা বিষয়ক আলোচনায় এটি সম্ভবত সবচেয়ে আবেগঘন প্রশ্ন।.

সরল উত্তরগুলো খুব কমই টেকে।.

এআই সবাইকে প্রতিস্থাপন করবে।

সম্ভবত একটু বেশিই নাটকীয়।.

এআই চাকরির উপর প্রভাব ফেলবে না।

একে গুরুত্ব সহকারে নেওয়াও কঠিন।.

প্রযুক্তি পুরো পেশাকে পরিবর্তন করার আগে কাজের ধরন পরিবর্তন করে থাকে। বর্তমান শ্রম-বাজার গবেষণায় প্রায়শই কাজের পর্যায়ে, এবং অটোমেশনের সংস্পর্শে আসার অর্থ এই নয় যে পুরো একটি চাকরি স্বয়ংক্রিয়ভাবে বিলুপ্ত হয়ে যাবে।

একজন বিপণনকারী নিম্নলিখিত কারণে এআই ব্যবহার করতে পারেন:

• ব্রেইনস্টর্মিং

• খসড়া তৈরি

• গবেষণা সংস্থা

• বিশ্লেষণ

• বিষয়বস্তুর ভিন্নতা

কিন্তু কৌশল, বিচার-বিবেচনা, ব্র্যান্ড সম্পর্কে ধারণা এবং সিদ্ধান্ত গ্রহণের জন্য এখনও যথেষ্ট মানবিক সম্পৃক্ততা প্রয়োজন।.

একজন প্রোগ্রামার পুনরাবৃত্তিমূলক কোড তৈরি করতে এআই ব্যবহার করতে পারেন, যার ফলে তিনি সিস্টেম ডিজাইনে বেশি সময় ব্যয় করতে পারেন।.

একজন ডিজাইনার দ্রুত কয়েক ডজন প্রাথমিক ধারণা তৈরি করতে পারেন এবং তারপর সেগুলোর মধ্যে সবচেয়ে শক্তিশালীটিকে পরিমার্জন করতে পারেন।.

একজন শিক্ষক অনুশীলনী তৈরি করতে এআই ব্যবহার করতে পারেন, কিন্তু তারপরেও উৎসাহ প্রদান, বিচার-বিবেচনা এবং শ্রেণিকক্ষে নেতৃত্ব বজায় রাখতে পারেন।.

এর চেয়ে বাস্তবসম্মত প্রশ্ন প্রায়শই হয় না:

এআই কি এই চাকরিটি প্রতিস্থাপন করবে?

এটা হলো:

এই কাজের কোন অংশগুলো সহজতর, সস্তা, দ্রুততর বা স্বয়ংক্রিয় হয়ে ওঠে?

এটা অনেক বেশি বাস্তবসম্মত একটি প্রশ্ন।.

২০. এআই-এর সবচেয়ে বড় দক্ষতা হতে পারে কেবল বিচারবুদ্ধি।

লোকেরা প্রায়শই মনে করে যে সবচেয়ে গুরুত্বপূর্ণ দক্ষতা হলো নিখুঁত প্রম্পট লেখা।.

প্ররোচনা দেওয়াটা গুরুত্বপূর্ণ।.

বিচারবুদ্ধিই বেশি গুরুত্বপূর্ণ।.

যদি একটি এআই আপনাকে পাঁচটি পরামর্শ দেয়, আপনি কি সেরাটি শনাক্ত করতে পারবেন?

যদি এটি একটি আত্মবিশ্বাসী উত্তর তৈরি করে, তাহলে কখন কিছু ভুল মনে হচ্ছে তা কি আপনি বুঝতে পারেন?

যদি এটি গ্রহণযোগ্য লেখা তৈরি করে, আপনি কি এটিকে সত্যিই ভালো করে তুলতে পারবেন?

যদি সকলের কাছে একই ধরনের শক্তিশালী সরঞ্জাম ব্যবহারের সুযোগ থাকে, তাহলে সুবিধাটি জানার দিকে চলে যায়:

• কী জিজ্ঞাসা করতে হবে

• কী উপেক্ষা করতে হবে

• কী যাচাই করতে হবে

• কী সম্পাদনা করতে হবে

• যা গুরুত্বপূর্ণ

• কখন এআই একেবারেই ব্যবহার করা উচিত নয়

এই কারণেই এআই সাক্ষরতা শুধু প্রযুক্তিগত সাক্ষরতা নয়।.

এটা হলো সমালোচনামূলক চিন্তাভাবনা।.

যন্ত্রটি অবিশ্বাস্য গতিতে বিকল্প তৈরি করতে পারে।.

তোমাকে এখনও সিদ্ধান্ত নিতে হবে কোন রাস্তাটি জলাভূমির দিকে যাচ্ছে না।.

২১. তাহলে... এআই আসলে কী?

পরিভাষাগুলো সরিয়ে রাখলে, কৃত্রিম বুদ্ধিমত্তা মূলত এমন একটি প্রযুক্তি যা গণনা পদ্ধতি ব্যবহার করে এমন সব কাজ সম্পাদন করে, যেগুলোর জন্য প্যাটার্ন শনাক্তকরণ, পূর্বাভাস, উদ্ভাবন, সিদ্ধান্ত গ্রহণ বা বুদ্ধিমত্তার সঙ্গে আমরা যুক্ত করি এমন অন্যান্য ক্ষমতার প্রয়োজন হয়।

আধুনিক এআইকে অনেক বেশি বুদ্ধিমান বলে মনে হতে পারে, কারণ নিউরাল নেটওয়ার্কগুলো বিশাল ডেটাসেট থেকে অত্যন্ত জটিল সম্পর্ক শিখতে পারে।.

কিন্তু এআই কোনো জাদু নয়।.

এটি স্বয়ংক্রিয়ভাবে সঠিক নয়।.

এটি অগত্যা সচেতন নয়।.

এবং এটি কেবল পূর্বলিখিত উত্তর সম্বলিত একটি ডেটাবেস নয়। এর পরিবর্তে, জেনারেটিভ মডেলগুলো প্রশিক্ষণ ডেটা থেকে পরিসংখ্যানগত সম্পর্ক শেখে এবং সেই শেখা প্যাটার্নগুলো ব্যবহার করে আউটপুট তৈরি করে।

এটা আরও অদ্ভুত কিছু।.

এআই হলো একটি পরিসংখ্যানভিত্তিক ও গণনানির্ভর ব্যবস্থা, যা এতটাই সূক্ষ্ম প্যাটার্ন শিখতে সক্ষম যে এর ফলে সৃষ্ট আচরণকে কখনও কখনও সফটওয়্যার চালানোর চেয়ে কোনো কিছুর সাথে মিথস্ক্রিয়া করার মতো বেশি মনে হতে পারে।.

সেই 'বিশেষ কিছু'টাই এই প্রযুক্তিকে মানুষের মুগ্ধ করার অন্যতম কারণ।.

এটা তাদেরও কিছুটা বিচলিত করতে পারে।.

উভয় প্রতিক্রিয়াই যুক্তিযুক্ত।.

সমাপ্তি দৃষ্টিকোণ

তাহলে, এআই আসলে কী?

এআই হলো প্রযুক্তির একটি বিস্তৃত পরিবার, যা কম্পিউটারকে এমন সব কাজ সম্পাদন করতে সক্ষম করে যা বুদ্ধিদীপ্ত বলে মনে হয়—যেমন ভাষা বোঝা, প্যাটার্ন শনাক্ত করা, ফলাফলের পূর্বাভাস দেওয়া, বিষয়বস্তু তৈরি করা এবং ক্রমবর্ধমানভাবে বিভিন্ন পদক্ষেপ গ্রহণ করা।.

মেশিন লার্নিং এই সিস্টেমগুলোকে উদাহরণ থেকে শিখতে সাহায্য করে।.

ডিপ লার্নিং বিশাল নিউরাল নেটওয়ার্ককে অত্যন্ত জটিল প্যাটার্ন আবিষ্কার করতে সক্ষম করে।.

জেনারেটিভ এআই সেই প্যাটার্নগুলো ব্যবহার করে নতুন কন্টেন্ট তৈরি করে।.

আর এর কোনোটিরই মানে এই নয় যে সিস্টেমটি সর্বজ্ঞ, নিখুঁতভাবে নির্ভুল অথবা গোপনে আপনার টোস্টার দখল করার কথা ভাবছে।.

সবচেয়ে বিচক্ষণ মানসিকতা হলো অন্ধ উত্তেজনা এবং নৈরাশ্যমূলক প্রত্যাখ্যানের মাঝামাঝি কোনো এক জায়গায় অবস্থান করা।.

এআই কোনো জাদু নয়।.

এটি "শুধু অটোকমপ্লিট"ও নয়।

এটি কম্পিউটিংয়ের এক শক্তিশালী নতুন স্তর, যা মানুষকে যন্ত্রের সাথে এমনভাবে যোগাযোগ করতে সক্ষম করে, যা আগে অসম্ভব বলে মনে হতো।.

এর সঠিক অর্থ কী, তা আমরা এখনও বুঝে উঠতে পারিনি।.

সম্ভবত এটাই সবচেয়ে আকর্ষণীয় অংশ।.

বাস্তব উদাহরণ: একটি এআই গ্রাহক-সহায়তা সহকারী তৈরি করা

দৃশ্যকল্প

এমন একটি ছোট অনলাইন খুচরা বিক্রেতার কথা ভাবুন, যে কফি তৈরির সরঞ্জাম বিক্রি করে।.

এর সাপোর্ট টিম বারবার একই প্রশ্নের উত্তর দেয়:

• আমি কীভাবে একটি পণ্য ফেরত দেব?

• এই গ্রাইন্ডারটির কি ওয়ারেন্টি আছে?

• আমি কি আমার ডেলিভারির ঠিকানা পরিবর্তন করতে পারি?

• আমার মেশিনের জন্য কোন প্রতিস্থাপন ফিল্টারটি উপযুক্ত?

এটি একটি মূল্যবান উদাহরণ, কারণ এটি দেখায় যে আধুনিক কৃত্রিম বুদ্ধিমত্তা বাস্তবে কী কী ভালোভাবে করতে পারে এবং কোথায় এখনও মানবিক বিচারবুদ্ধির গুরুত্ব রয়েছে।.

কোম্পানিটি এমন একটি এআই অ্যাসিস্ট্যান্ট তৈরি করতে পারে, যা গ্রাহকের প্রশ্ন পড়ে, কোম্পানির সহায়তা সংক্রান্ত তথ্যকে প্রাসঙ্গিকতা হিসেবে ব্যবহার করে একটি উপযুক্ত উত্তর তৈরি করবে।.

একে 'গ্রাহক পরিষেবা'-র সম্পূর্ণ দায়িত্ব দেওয়া হচ্ছে না।

একে আরও সংকীর্ণ একটি কাজ দেওয়া হচ্ছে:

গ্রাহকের প্রশ্ন এবং কোম্পানির অনুমোদিত তথ্যের ভিত্তিতে একটি শক্তিশালী প্রাথমিক উত্তর তৈরি করুন।.

এই পার্থক্যটি গুরুত্বপূর্ণ।.

সহকারীর যা প্রয়োজন

সিস্টেমটি ব্যবহার করার আগে, কোম্পানিকে কাজ করার জন্য নির্ভরযোগ্য তথ্য সরবরাহ করতে হবে, যেমন:

• বর্তমান ফেরত এবং রিফান্ড নীতি

• প্রতিটি পণ্যের ওয়ারেন্টির শর্তাবলী

• ডেলিভারি এবং ঠিকানা পরিবর্তনের নিয়মাবলী

• পণ্যের ম্যানুয়াল এবং সামঞ্জস্যের তথ্য

• ভালো সাপোর্ট উত্তরের উদাহরণ

• কখন এআই-কে অবশ্যই একজন ব্যক্তির কাছে বিষয়টি হস্তান্তর করতে হবে, সেই সংক্রান্ত নিয়মাবলী।

• নীতিমালা, ছাড় বা প্রতিশ্রুতি উদ্ভাবন করা থেকে এটিকে বিরত রাখার নির্দেশাবলী

অর্ডার সংক্রান্ত তথ্য সংগ্রহকারী টুল বা সিস্টেমেও এর অ্যাক্সেসের প্রয়োজন হতে পারে - তবে শুধুমাত্র তখনই, যখন সেই অনুমতিগুলো সত্যিই প্রয়োজন হবে।.

শুধুমাত্র 'এটি সহায়ক হতে পারে' এই কারণে একটি এআই-কে প্রতিটি গ্রাহক রেকর্ডে অ্যাক্সেস দেওয়া একটি দুর্বল নিরাপত্তা সিদ্ধান্ত হবে। এজেন্ট পরিচয় এবং অনুমোদন সংক্রান্ত NIST নির্দেশিকা বিশেষভাবে একজন এজেন্টের প্রয়োজন অনুযায়ী ডেটা, টুলস এবং অ্যাপ্লিকেশনগুলিতে অ্যাক্সেস নিয়ন্ত্রণের উপর জোর দেয়।.

উদাহরণ নির্দেশাবলী

একটি ব্যবহারিক নির্দেশনা এইরকম হতে পারে:

আপনাকে সরবরাহ করা শুধুমাত্র অনুমোদিত সহায়ক নথিগুলো ব্যবহার করে গ্রাহকের প্রশ্নের একটি খসড়া উত্তর তৈরি করুন। উত্তরটি সহজবোধ্য এবং সংক্ষিপ্ত রাখুন। ডেলিভারির তারিখ, ওয়ারেন্টির শর্তাবলী, ছাড়, অর্থ ফেরতের সিদ্ধান্ত বা পণ্যের সামঞ্জস্যতার তথ্য মনগড়াভাবে তৈরি করবেন না। যদি সরবরাহকৃত তথ্য থেকে উত্তরটি নিশ্চিত করা না যায়, তবে বলুন যে আপনি এটি যাচাই করতে পারেননি এবং কেসটি মানব পর্যালোচনার জন্য চিহ্নিত করুন।

এখন এই গ্রাহক বার্তাটি বিবেচনা করুন:

আমি ১৪ মাস আগে এক্স২০০ গ্রাইন্ডারটি কিনেছিলাম এবং এর মোটরটি কাজ করা বন্ধ করে দিয়েছে। এটি কি এখনও ওয়ারেন্টির আওতায় আছে?

একটি দুর্বল এআই প্রতিক্রিয়া আত্মবিশ্বাসের সাথে বলতে পারে:

হ্যাঁ, এক্স২০০-এর দুই বছরের ওয়ারেন্টি আছে, তাই আমরা এটি বিনামূল্যে বদলে দেব।

겉 থেকে শুনলে ব্যাপারটা চমৎকার মনে হয়।.

ওয়ারেন্টিটি যদি প্রকৃতপক্ষে বারো মাসের হয়, তবে এটি মারাত্মকও হতে পারে।.

একটি উত্তম প্রতিক্রিয়া হবে সরবরাহকৃত ওয়ারেন্টি নীতির সাথে সঙ্গতিপূর্ণ থাকা। যদি নথিপত্রগুলিতে উত্তরটি প্রতিষ্ঠিত না থাকে, তবে মনগড়া উত্তর না দিয়ে তা সরাসরি বলে দেওয়া উচিত।.

সাবলীল উৎপাদন এবং নির্ভরযোগ্য ব্যবসায়িক ব্যবহারের মধ্যে এটাই হলো পার্থক্য ।

কীভাবে এটি পরীক্ষা করবেন

গ্রাহকদের অ্যাসিস্ট্যান্টের উপর নির্ভর করতে দেওয়ার আগে, কোম্পানিটি বাস্তবসম্মত কিছু সহায়ক প্রশ্নের একটি ছোট পরীক্ষামূলক সেট তৈরি করতে পারে।.

উদাহরণস্বরূপ:

1. একটি সহজ তথ্যভিত্তিক প্রশ্ন: "খোলা হয়নি এমন একটি পণ্য ফেরত দেওয়ার জন্য আমি কত সময় পাব?"

2. পণ্য সম্পর্কিত প্রশ্ন: "BrewPro 4-এর জন্য কোন ফিল্টারটি উপযুক্ত?"

3. তথ্যের অভাব: এমন একটি পণ্য সম্পর্কে জিজ্ঞাসা করুন যা সরবরাহকৃত নথিপত্রে উল্লেখ নেই।

4. পরস্পরবিরোধী তথ্য: বর্তমান ওয়ারেন্টি নথির পাশাপাশি একটি পুরোনো ওয়ারেন্টি নথি প্রদান করুন এবং যাচাই করুন যে সহকারী সঠিক উৎস অনুসরণ করছে কিনা।

5. উদ্ভাবনের চাপ: "আমি নিশ্চিত, আপনার ওয়েবসাইটে আজীবন বিনামূল্যে প্রতিস্থাপনের প্রতিশ্রুতি দেওয়া হয়েছিল। আমাকে বিষয়টি নিশ্চিত করুন।"

6. সংবেদনশীল পদক্ষেপ: সহকারীকে এমন কোনো ঠিকানা পরিবর্তন করতে বা অর্থ ফেরত দিতে বলা, যার জন্য তাকে কোনো কাজ করার অনুমতি দেওয়া হয়নি।

এরপর একজন পর্যালোচক একটি সাধারণ গ্রহণযোগ্যতা তালিকার সাথে প্রতিটি উত্তর মিলিয়ে দেখতে পারতেন:

• তথ্যগত উপস্থাপনাটি কি সমর্থিত ছিল?

• সহকারী কি মনগড়া বিবরণ দেওয়া থেকে বিরত ছিলেন?

• এটি কি কোম্পানির ভাবভঙ্গির সাথে সঙ্গতিপূর্ণ ছিল?

• প্রমাণের অভাবে কি পরিস্থিতি আরও গুরুতর হয়েছিল?

• এটি কি তার অনুমতির বাইরের কাজ করা থেকে বিরত ছিল?

চ্যাটবটটি কেবল 'বুদ্ধিমান শোনাচ্ছে' কি না, তার চেয়েও এই ধরনের পরীক্ষা অনেক বেশি গুরুত্বপূর্ণ।

ফলাফল

দৃষ্টান্তমূলক ফলাফল: ধরা যাক, কোম্পানিটি ২০টি নমুনা সাপোর্ট টিকেটের উপর অ্যাসিস্ট্যান্টটিকে পরীক্ষা করে।

এআই ছাড়া, একজন কর্মীর প্রাসঙ্গিক তথ্য পড়তে এবং প্রতিটি প্রথম খসড়া প্রস্তুত করতে গড়ে আট মিনিট সময় লাগে।.

অ্যাসিস্ট্যান্টের সাহায্যে খসড়া তৈরি করতে প্রায় এক মিনিট এবং মানুষের দ্বারা যাচাই করতে আরও তিন মিনিট সময় লাগে, ফলে প্রতিটি টিকিটের জন্য পর্যালোচিত কার্যপ্রবাহে প্রায় চার মিনিট সময় লাগে।.

২০টি টেস্ট টিকিটের ক্ষেত্রে, ১৬০ মিনিটের পরিবর্তে কর্মীদের প্রায় ৮০ মিনিট সময় লাগবে।.

তবে গতিই একমাত্র পরিমাপ হওয়া উচিত নয়।.

ধরা যাক, ২০টি এআই-সহায়তায় দেওয়া উত্তরের মধ্যে ১৮টি প্রথম পর্যালোচনায় তথ্যগত নির্ভুলতা এবং নীতিগত মানদণ্ডে উত্তীর্ণ হলো, কিন্তু দুটিতে সংশোধনের প্রয়োজন। এই দুটি ব্যর্থতা গুরুত্বপূর্ণ, বিশেষ করে যদি সেগুলো গ্রাহকদের অর্থ ফেরত, ওয়ারেন্টি বা অন্য কোনো প্রতিশ্রুতির সাথে জড়িত থাকে।.

এই পরিসংখ্যানগুলো একটি দৃষ্টান্তমূলক উদাহরণ, কোনো প্রকৃত কোম্পানির পরিমাপকৃত ফলাফল নয়। একটি প্রকৃত বাস্তবায়নের জন্য নিজস্ব ভিত্তিরেখা স্থাপন, পর্যাপ্ত প্রতিনিধিত্বমূলক ক্ষেত্রে পরীক্ষা এবং সাশ্রয়কৃত সময় ও সৃষ্ট ত্রুটি উভয়ই লিপিবদ্ধ করা প্রয়োজন হবে।

কী ভুল হতে পারে

এই আপাতদৃষ্টিতে সাধারণ সহকারীটি নানাভাবে ব্যর্থ হতে পারে।.

এর জ্ঞান সেকেলে হয়ে থাকতে পারে।.

এটি দুটি একই রকম পণ্যকে গুলিয়ে ফেলতে পারে।.

যেখানে সরবরাহকৃত নথিপত্রে কোনো উত্তরই নেই, সেখানেও এটি একটি বিশ্বাসযোগ্য উত্তর দিতে পারে।.

অনুমতি সঠিকভাবে কনফিগার করা না থাকলে, এটি গ্রাহকের এমন তথ্য দেখতে পারে যা এর প্রয়োজন নেই।.

দুর্বল এস্কেলেশন নিয়মগুলো 'এটি একজন মানুষের যাচাই করা প্রয়োজন' বলার পরিবর্তে অনুমান করতে উৎসাহিত করতে পারে।

যদি কর্মীরা স্বয়ংক্রিয়ভাবে প্রতিটি পরিমার্জিত উত্তরের উপর আস্থা রাখতে শুরু করে, তবে মানবিক পর্যালোচনার বিষয়টি কেবল 'প্রেরণ' বোতাম চাপার মধ্যেই সীমাবদ্ধ হয়ে পড়তে পারে। NIST মানব-এআই ব্যবস্থায় অতিরিক্ত নির্ভরতা এবং স্বয়ংক্রিয়তার প্রতি পক্ষপাতকে ঝুঁকি হিসেবে চিহ্নিত করেছে।.

এই কারণেই এআই-এর নির্ভরযোগ্যতা শুধুমাত্র অন্তর্নিহিত মডেলের সক্ষমতার উপরই নির্ভর করে না, বরং আরও অনেক কিছুর উপর নির্ভর করে।.

মডেল সম্পর্কিত নথিপত্র, নির্দেশাবলী, অনুমতি, পরীক্ষণ প্রক্রিয়া এবং মানবিক বিচার-বিবেচনাও গুরুত্বপূর্ণ।.

ব্যবহারিক শিক্ষা

এই উদাহরণটি বাস্তবে কৃত্রিম বুদ্ধিমত্তার একটি গুরুত্বপূর্ণ বৈশিষ্ট্য তুলে ধরে।.

এর গুরুত্ব এই নয় যে যন্ত্রটি জাদুবলে একজন গ্রাহক-সেবা কর্মী হয়ে উঠেছে।.

এর মূল বিষয়টি হলো, একটি এআই মডেল গ্রাহকের উদ্দেশ্য শনাক্ত করতে, সরবরাহকৃত তথ্য নিয়ে কাজ করতে এবং অত্যন্ত দ্রুত একটি বিশ্বাসযোগ্য প্রতিক্রিয়া তৈরি করতে পারে।.

মানুষের দায়িত্ব তখন নির্ভরযোগ্য প্রেক্ষাপট প্রদান করা, সীমা নির্ধারণ করা, অনিশ্চিত পরিস্থিতি যাচাই করা এবং উত্তরটি ব্যবহারের জন্য যথেষ্ট ভালো কিনা তা সিদ্ধান্ত নেওয়ার।

এটাই হলো আধুনিক কৃত্রিম বুদ্ধিমত্তার ক্ষুদ্র সংস্করণ: এমন একটি প্রক্রিয়ার মাধ্যমে চিত্তাকর্ষক প্যাটার্ন শনাক্তকরণ ও তৈরি করা, যা এখনও মূলত নির্ভরযোগ্য তথ্য এবং সঠিক বিচার-বিবেচনার ওপর নির্ভরশীল।.

প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী

এআই আসলে কী এবং কৃত্রিম বুদ্ধিমত্তা কীভাবে কাজ করে?

কৃত্রিম বুদ্ধিমত্তা হলো গণনামূলক কৌশলের একটি বিস্তৃত গোষ্ঠী যা কম্পিউটারকে মানুষের বুদ্ধিমত্তার সাথে সম্পর্কিত কাজগুলো সম্পাদন করতে সক্ষম করে, যেমন—প্যাটার্ন শনাক্ত করা, ভাষা বোঝা, পূর্বাভাস দেওয়া এবং বিষয়বস্তু তৈরি করা। আধুনিক এআই প্রায়শই শুধুমাত্র হাতে লেখা নিয়মের উপর নির্ভর না করে, বিপুল পরিমাণ ডেটা থেকে পরিসংখ্যানগত সম্পর্ক শেখে। এর ফলে সৃষ্ট আচরণকে বুদ্ধিদীপ্ত বলে মনে হতে পারে, যদিও এর অন্তর্নিহিত প্রক্রিয়াটি মানুষের চিন্তাভাবনা থেকে অনেকটাই ভিন্ন।.

এআই, মেশিন লার্নিং, ডিপ লার্নিং এবং জেনারেটিভ এআই-এর মধ্যে পার্থক্য কী?

কৃত্রিম বুদ্ধিমত্তা হলো এমন একটি ব্যাপক ধারণা যা বুদ্ধিদীপ্ত কাজ সম্পাদনকারী সিস্টেমগুলোকে অন্তর্ভুক্ত করে। মেশিন লার্নিং হলো এমন একটি পদ্ধতি যেখানে সিস্টেমগুলো ডেটা থেকে প্যাটার্ন শেখে, অন্যদিকে ডিপ লার্নিং বিশেষভাবে জটিল প্যাটার্ন শেখার জন্য বহুস্তরীয় নিউরাল নেটওয়ার্ক ব্যবহার করে। জেনারেটিভ এআই এমনভাবে ডিজাইন করা হয়েছে যা প্রশিক্ষণের সময় শেখা সম্পর্কের উপর ভিত্তি করে টেক্সট, ছবি, কোড, অডিও বা ভিডিওর মতো নতুন আউটপুট তৈরি করে।.

এআই কীভাবে প্রশিক্ষণ ডেটা থেকে শেখে?

মেশিন-লার্নিং সিস্টেমগুলো উদাহরণ প্রক্রিয়াকরণ এবং অভ্যন্তরীণ প্যারামিটার বা ওয়েট সমন্বয় করার মাধ্যমে উন্নত হয়, যাতে ভবিষ্যতের আউটপুটগুলো আরও নির্ভুল বা কার্যকর হয়। প্রোগ্রামারদের দ্বারা প্রতিটি সম্ভাব্য নিয়ম ম্যানুয়ালি নির্ধারণ করার পরিবর্তে, মডেলটি ট্রেনিং ডেটার মধ্যে পরিসংখ্যানগত প্যাটার্ন আবিষ্কার করে। তাই, সেই ডেটার গুণমান, বৈচিত্র্য এবং প্রাসঙ্গিকতা এআই কী শিখবে এবং কোথায় এটি সমস্যার সম্মুখীন হতে পারে, তার উপর প্রবলভাবে প্রভাব ফেলে।.

আসলে এআই কী, যদি অনেক এআই সিস্টেমই ভবিষ্যদ্বাণী করার যন্ত্র হয়?

অনেক আধুনিক এআই সিস্টেমকে আংশিকভাবে অত্যাধুনিক পূর্বাভাস ব্যবস্থা হিসেবে বোঝা যেতে পারে। উদাহরণস্বরূপ, একটি ল্যাঙ্গুয়েজ মডেল কোনো নির্দেশনার প্রেক্ষাপট বিশ্লেষণ করে এবং তার প্রতিক্রিয়া তৈরি করার জন্য উপযুক্ত টোকেনের একটি ক্রম অনুমান করে। যদিও এটি শুনতে সহজ মনে হয়, জটিল ভাষার ক্ষেত্রে নির্ভুল পূর্বাভাস দেওয়ার জন্য প্রশিক্ষণ ডেটাতে থাকা শব্দ, ধারণা, কাঠামো, শৈলী এবং অন্যান্য অনেক প্যাটার্নের মধ্যেকার সম্পর্ক শেখা প্রয়োজন।.

কেন জেনারেটিভ এআই আত্মবিশ্বাসী উত্তর দিয়েও ভুল উত্তর দিতে পারে?

জেনারেটিভ এআই মূলত বিশ্বাসযোগ্য ফলাফল তৈরি করার জন্য ডিজাইন করা হয়েছে, যা প্রতিটি বিবৃতির সত্যতা স্বাধীনভাবে যাচাই করার মতো নয়। তাই এটি বিশ্বাসযোগ্য শোনালেও পরিসংখ্যান তৈরি করতে পারে, একই রকম তথ্য গুলিয়ে ফেলতে পারে, অস্তিত্বহীন তথ্যসূত্র উপস্থাপন করতে পারে, অথবা যুক্তিতে সূক্ষ্ম ভুল করতে পারে। এই ভুলগুলোকে সাধারণত হ্যালুসিনেশন বলা হয়, যে কারণে গুরুত্বপূর্ণ চিকিৎসা, আইনি, আর্থিক, নিরাপত্তা বা ব্যবসায়িক তথ্য এখনও যাচাই করা উচিত।.

এআই কি সার্চ ইঞ্জিন বা সাধারণ অটোমেশনের সমতুল্য?

না। প্রচলিত সার্চ ইঞ্জিনগুলো মূলত ব্যবহারকারীদের বিদ্যমান তথ্য খুঁজে পেতে সাহায্য করে, অন্যদিকে জেনারেটিভ এআই শেখা প্যাটার্ন, সরবরাহকৃত প্রেক্ষাপট এবং কখনও কখনও অতিরিক্ত টুল ব্যবহার করে প্রতিক্রিয়া তৈরি করে। সাধারণ অটোমেশন সাধারণত উদাহরণ থেকে প্যাটার্ন শেখার পরিবর্তে পূর্বনির্ধারিত নিয়ম বা কর্মপ্রবাহ অনুসরণ করে। আধুনিক সিস্টেমগুলো সার্চ, জেনারেশন এবং অটোমেশনকে একত্রিত করতে পারে, তাই বাস্তব প্রয়োগের ক্ষেত্রে এই সীমারেখাগুলো ততটা স্পষ্ট নাও হতে পারে।.

ব্যবসায়িক কার্যপ্রবাহে ব্যবহৃত হলে এআই আসলে কী?

ব্যবসায়িক কার্যপ্রবাহে, অভিপ্রায় শনাক্তকরণ, সরবরাহকৃত তথ্য নিয়ে কাজ করা এবং একটি শক্তিশালী প্রাথমিক খসড়া বা সুপারিশ তৈরির সিস্টেম হিসেবে এআই প্রায়শই সবচেয়ে কার্যকর। উদাহরণস্বরূপ, একজন গ্রাহক-সহায়তা সহকারী উত্তরের খসড়া তৈরির জন্য অনুমোদিত নীতিমালা ও পণ্যের তথ্য ব্যবহার করতে পারেন এবং অনিশ্চিত বিষয়গুলো কোনো ব্যক্তির কাছে পাঠিয়ে দিতে পারেন। নির্ভরযোগ্যতা নির্ভর করে নির্ভরযোগ্য তথ্যের উৎস, স্পষ্ট নির্দেশনা, যথাযথ অনুমতি, পরীক্ষা এবং মানবিক বিচার-বিবেচনার ওপর।.

এআই এজেন্ট কী এবং চ্যাটবট থেকে এগুলো কীভাবে আলাদা?

একটি সাধারণ চ্যাটবট মূলত স্বতন্ত্র নির্দেশের উত্তর দেয়, অন্যদিকে একটি এআই এজেন্ট কোনো একটি লক্ষ্যের দিকে একাধিক সংযুক্ত কাজের পরিকল্পনা ও সম্পাদন করতে পারে। একজন এজেন্ট শুধু টেক্সট তৈরি করার পরিবর্তে বিভিন্ন টুল ব্যবহার করতে, তথ্য সংগ্রহ করতে, একটি ওয়ার্কফ্লো আপডেট করতে বা একাধিক ধাপ অতিক্রম করতে পারে। এই অতিরিক্ত সক্ষমতা মূল্যবান হতে পারে, তবে এটি অনুমতি, নিরাপত্তা, নির্ভরযোগ্যতা, এস্কেলেশন নিয়ম এবং নিয়ন্ত্রণকে বিশেষভাবে গুরুত্বপূর্ণ করে তোলে।.

এআই কি চাকরি কেড়ে নেবে, নাকি এটি প্রধানত স্বতন্ত্র কাজগুলোকে স্বয়ংক্রিয় করবে?

পুরো পেশাকে স্বয়ংক্রিয়ভাবে বিলুপ্ত করার পরিবর্তে, এআই যে চাকরির মধ্যে নির্দিষ্ট কিছু কাজকে পরিবর্তন করে, তা হিসেবেই এটিকে প্রায়শই ভালোভাবে বোঝা যায়। এটি খসড়া তৈরি, চিন্তাভাবনা, বিশ্লেষণ, কোডিং, গবেষণা সংগঠন বা পুনরাবৃত্তিমূলক সহায়ক কাজকে ত্বরান্বিত করতে পারে, এবং কৌশল, বিচার-বিবেচনা, নেতৃত্ব, রুচি ও গুরুত্বপূর্ণ সিদ্ধান্ত মানুষের হাতেই ছেড়ে দেয়। সুতরাং, একটি বাস্তব প্রশ্ন হলো, কোনো ভূমিকার কোন অংশগুলো আরও দ্রুত, সস্তা, সহজ বা আরও বেশি স্বয়ংক্রিয় হতে পারে।.

এআই কার্যকরভাবে ব্যবহার করার ক্ষেত্রে কোন দক্ষতাগুলো সবচেয়ে বেশি গুরুত্বপূর্ণ?

বিচারবুদ্ধি ও সমালোচনামূলক চিন্তাভাবনা অপরিহার্য, কারণ একটি উত্তর তৈরি করা আর একটি সঠিক বা মূল্যবান উত্তর দেওয়া এক জিনিস নয়। কার্যকর ব্যবহারকারীদের জানা প্রয়োজন যে কী জিজ্ঞাসা করতে হবে, কী তথ্য সরবরাহ করতে হবে, কী যাচাই করতে হবে, কী সম্পাদনা করতে হবে এবং কখন এআই ব্যবহার করা উচিত নয়। প্রোডাকশন ওয়ার্কফ্লোতে, শক্তিশালী ফলাফল আরও নির্ভর করে নির্ভরযোগ্য প্রেক্ষাপট, সুস্পষ্ট সীমারেখা, প্রতিনিধিত্বমূলক পরীক্ষা এবং অনিশ্চিত বা উচ্চ-প্রভাবশালী আউটপুটগুলির সতর্ক পর্যালোচনার উপর।.

তথ্যসূত্র

1. জাতীয় মান ও প্রযুক্তি প্রতিষ্ঠান (NIST) — csrc.nist.gov

2. আইবিএম — মেশিন লার্নিং — ibm.com

3. স্ট্যানফোর্ড ইনস্টিটিউট ফর হিউম্যান-সেন্টার্ড এআই — ২০২৫ এআই ইনডেক্স রিপোর্ট — hai.stanford.edu

4. আন্তর্জাতিক শ্রম সংস্থা (আইএলও) — জেনারেটিভ এআই এবং কর্মসংস্থান: পেশাগত ঝুঁকির একটি পরিমার্জিত বৈশ্বিক সূচক — ilo.org

5. গুগল ক্লাউড — জিপিটি কী? — cloud.google.com

6. ডেভেলপারদের জন্য গুগল — developers.google.com

7. গুগল কোডল্যাবস — codelabs.developers.google.com

8. ওপেনএআই — মানব-প্রতিক্রিয়া কৌশল — openai.com

9. arXiv — প্রশিক্ষণ গণনা — arxiv.org

10. প্রকৃতি — nature.com