এআই কিভাবে কাজ করে ? এটি জানার আগে আপনাকে জানতে হবে এই কি ?
বিস্তারিত জানুন এই কি ?
আর্টিফিশিয়াল ইন্টেলিজেন্স এর সংক্ষিপ্তরূপ এআই। এর বাংলা অর্থ হলো কৃত্রিম বুদ্ধিমত্তা
এআই কিভাবে কাজ করে ?
বর্তমানে, বেশিরভাগ AI জটিল অ্যালগরিদম তৈরি করতে মেশিন লার্নিং নামক একটি প্রক্রিয়ার উপর নির্ভর করে যা তাদের বুদ্ধিমত্তার সাথে কাজ করার ক্ষমতা গঠন করে। এআই গবেষণার অন্যান্য ক্ষেত্র রয়েছে-যেমন রোবোটিক্স, কম্পিউটার ভিশন এবং প্রাকৃতিক ভাষা প্রক্রিয়াকরণ-যা এআই-এর অনেক ব্যবহারিক বাস্তবায়নে একটি প্রধান ভূমিকা পালন করে, তবে অন্তর্নিহিত প্রশিক্ষণ এবং বিকাশ এখনও মেশিন লার্নিং দিয়ে শুরু হয়।
মেশিন লার্নিংয়ের সাথে, একটি কম্পিউটার প্রোগ্রামকে একটি বড় প্রশিক্ষণ ডেটা সেট সরবরাহ করা হয় – যত বড়, তত ভাল। বলুন আপনি বিভিন্ন প্রাণী চিনতে একটি কম্পিউটারকে প্রশিক্ষণ দিতে চান। আপনার ডেটা সেট হতে পারে হাজার হাজার প্রাণীর ফটোগ্রাফ যা তাদের বর্ণনাকারী একটি টেক্সট লেবেলের সাথে যুক্ত। সম্পূর্ণ প্রশিক্ষণ ডেটা সেটের মাধ্যমে কম্পিউটার প্রোগ্রামকে ক্রাঞ্চ করার মাধ্যমে, এটি একটি অ্যালগরিদম তৈরি করতে পারে-বিভিন্ন প্রাণীদের শনাক্ত করার জন্য – নিয়মের একটি সিরিজ। একজন মানুষকে মানদণ্ডের একটি তালিকা প্রোগ্রাম করার পরিবর্তে, কম্পিউটার প্রোগ্রামটি তার নিজস্ব তৈরি করবে।
এর মানে হল যে ব্যবসাগুলি AI গ্রহণে সবচেয়ে বেশি সাফল্য পাবে যদি তাদের কাছে বিদ্যমান ডেটা থাকে – যেমন গ্রাহকের প্রশ্নগুলি – এটির সাথে প্রশিক্ষণ দেওয়ার জন্য৷
যদিও স্পেসিফিকেশনগুলি অনেক বেশি জটিল হয়ে ওঠে, মেশিন লার্নিং ব্যবহার করে কাঠামোগত প্রশিক্ষণ হল GPT-3 এবং GPT-4 (জেনারেটিভ প্রাক-প্রশিক্ষিত ট্রান্সফরমার 3/4) এবং স্থিতিশীল ডিফিউশন উভয়ের বিকাশের মূল বিষয়। GPT-3—ChatGPT-এ GPT—কে প্রায় 500 বিলিয়ন “টোকেন” (পাঠ্যের প্রায় চারটি অক্ষর) বই, সংবাদ নিবন্ধ এবং ইন্টারনেটের আশেপাশের ওয়েবসাইট থেকে প্রশিক্ষণ দেওয়া হয়েছিল। স্থিতিশীল বিস্তার, অন্যদিকে, LAOIN-5B ডেটাসেট ব্যবহার করেছে, 5.85 বিলিয়ন টেক্সট-ইমেজ জোড়া সহ একটি ডেটাসেট।
এই প্রশিক্ষণ ডেটাসেটগুলি থেকে, GPT মডেল এবং স্থিতিশীল ডিফিউশন উভয়ই নিউরাল নেটওয়ার্ক তৈরি করেছে—জটিল, বহু-স্তরের, ওজনযুক্ত অ্যালগরিদম মানব মস্তিষ্কের আদলে তৈরি—যা তাদের প্রশিক্ষণের ডেটা থেকে তারা যা শিখেছে তার উপর ভিত্তি করে নতুন বিষয়বস্তু অনুমান করতে এবং তৈরি করতে দেয়। আপনি যখন ChatGPT-কে একটি প্রশ্ন জিজ্ঞাসা করেন, তখন এটি তার নিউরাল নেটওয়ার্ক ব্যবহার করে উত্তর দেয় যে পরবর্তীতে কী টোকেন আসবে। আপনি যখন স্টেবল ডিফিউশনকে একটি প্রম্পট দেন, তখন এটি টেক্সটের সাথে মেলে এমন একটি ছবিতে এলোমেলো শব্দের একটি সেট পরিবর্তন করতে এর নিউরাল নেটওয়ার্ক ব্যবহার করে।
এই দুটি নিউরাল নেটওয়ার্কই টেকনিক্যালি “ডিপ লার্নিং অ্যালগরিদম”। যদিও শব্দগুলি প্রায়শই বিনিময়যোগ্যভাবে ব্যবহৃত হয়, একটি নিউরাল নেটওয়ার্ক তাত্ত্বিকভাবে বেশ সহজ হতে পারে, যখন আধুনিক AIগুলি গভীর নিউরাল নেটওয়ার্কগুলির উপর নির্ভর করে যা প্রায়ই লক্ষ লক্ষ বা বিলিয়ন প্যারামিটারগুলিকে বিবেচনা করে। এটি তাদের ক্রিয়াকলাপগুলিকে শেষ ব্যবহারকারীদের কাছে অস্পষ্ট করে তোলে কারণ তারা যা করছে তার সুনির্দিষ্ট বিবরণ সহজেই বিনির্মাণ করা যায় না। এই AIগুলি প্রায়শই ব্ল্যাক বক্স যা একটি ইনপুট নেয় এবং একটি আউটপুট ফেরত দেয় – যা পক্ষপাতদুষ্ট বা অন্যথায় আপত্তিকর বিষয়বস্তুর ক্ষেত্রে সমস্যা সৃষ্টি করতে পারে।
এছাড়াও অন্যান্য উপায়ে AIs কে প্রশিক্ষিত করা যেতে পারে। আলফাজিরো নিজের বিরুদ্ধে লক্ষ লক্ষ গেম খেলে দাবা খেলতে শিখিয়েছে। শুরুতে যা জানত তা হল খেলার মৌলিক নিয়ম এবং জয়ের শর্ত। এটি বিভিন্ন কৌশলের চেষ্টা করার সাথে সাথে এটি শিখেছে কোনটি কাজ করেছে এবং কোনটি নয়-এবং এমনকী এমন কিছু মানুষের সাথে এসেছে যা আগে বিবেচনা করেনি।