কৃত্রিম বুদ্ধিমত্তা বা AI প্রযুক্তি : কেন ও কীভাবে?

কৃত্রিম বুদ্ধিমত্তা এর ব্যাপক অর্থে, মেশিন , বিশেষ করে কম্পিউটার সিস্টেম দ্বারা প্রদর্শিত বুদ্ধিমত্তা । এটি কম্পিউটার বিজ্ঞানের গবেষণার একটি ক্ষেত্র যা পদ্ধতি এবং সফ্টওয়্যারগুলি বিকাশ করে এবং অধ্যয়ন করে যা মেশিনগুলিকে তাদের পরিবেশ উপলব্ধি করতে এবং শিক্ষা ও বুদ্ধিমত্তা ব্যবহার করে এমন পদক্ষেপ নিতে সক্ষম করে যা তাদের সংজ্ঞায়িত লক্ষ্য অর্জনের সম্ভাবনাকে সর্বাধিক করে তোলে।

এই ধরনের মেশিনকে AI বলা যেতে পারে। যান্ত্রিক বা “আনুষ্ঠানিক” যুক্তির অধ্যয়ন প্রাচীনকালে দার্শনিক এবং গণিতবিদদের সাথে শুরু হয়েছিল। যুক্তিবিদ্যার অধ্যয়ন সরাসরি অ্যালান টুরিং -এর গণনা তত্ত্বের দিকে নিয়ে যায় , যা পরামর্শ দেয় যে একটি যন্ত্র, “০” এবং “১” এর মতো সাধারণ প্রতীকগুলিকে এলোমেলো করে গাণিতিক যুক্তির যে কোনও অনুমানযোগ্য রূপকে অনুকরণ করতে পারে। সাইবারনেটিক্স , তথ্য তত্ত্ব এবং নিউরোবায়োলজিতে সমসাময়িক আবিষ্কারের সাথে এটি গবেষকদের একটি “ইলেক্ট্রনিক মস্তিষ্ক” নির্মাণের সম্ভাবনা বিবেচনা করতে পরিচালিত করে।

তারা গবেষণার বেশ কয়েকটি ক্ষেত্র তৈরি করেছিল যা AI এর অংশ হয়ে যাবে, যেমন ১৯৪৩ সালে “কৃত্রিম নিউরন” এর জন্য McCullouch এবং Pitts ডিজাইন, এবং টুরিং এর প্রভাবশালী ১৯৫০ পেপার ‘ কম্পিউটিং মেশিনারি অ্যান্ড ইন্টেলিজেন্স ‘, যা প্রবর্তন করেছিল। টুরিং পরীক্ষা এবং দেখিয়েছে যে “মেশিন বুদ্ধিমত্তা” প্রশংসনীয় ছিল। এআই গবেষণার ক্ষেত্রটি ১৯৫৬ সালে ডার্টমাউথ কলেজের একটি কর্মশালায় প্রতিষ্ঠিত হয়েছিল । তারা এবং তাদের ছাত্ররা এমন প্রোগ্রামগুলি তৈরি করেছিল যা প্রেস “আশ্চর্যজনক” হিসাবে বর্ণনা করেছিল: কম্পিউটারগুলি চেকার কৌশল শিখছিল , বীজগণিতের শব্দ সমস্যাগুলি সমাধান করে, যৌক্তিক উপপাদ্য প্রমাণ করে এবং ইংরেজিতে কথা বলে।

১৯৫০ এর দশকের শেষের দিকে এবং ১৯৬০এর দশকের শুরুতে বেশ কয়েকটি ব্রিটিশ এবং মার্কিন বিশ্ববিদ্যালয়ে কৃত্রিম বুদ্ধিমত্তা পরীক্ষাগার স্থাপন করা হয়েছিল। ১৯৬০ এবং ১৯৭০এর দশকের গবেষকরা নিশ্চিত ছিলেন যে তাদের পদ্ধতিগুলি শেষ পর্যন্ত সাধারণ বুদ্ধিমত্তা সহ একটি মেশিন তৈরি করতে সফল হবে এবং এটিকে তাদের ক্ষেত্রের লক্ষ্য হিসাবে বিবেচনা করেছিল। ১৯৬৫ সালে হার্বার্ট সাইমন ভবিষ্যদ্বাণী করেছিলেন, “মেশিনগুলি বিশ বছরের মধ্যে, যে কোনও কাজ একজন মানুষ করতে সক্ষম হবে”।

১৯৬৭ সালে মারভিন মিনস্কি সম্মত হন, লিখেছিলেন, “এক প্রজন্মের মধ্যে… ‘কৃত্রিম বুদ্ধিমত্তা’ তৈরির সমস্যাটি উল্লেখযোগ্যভাবে সমাধান করা হবে”। তবে তারা সমস্যাটির অসুবিধাকে অবমূল্যায়ন করেছিল। ১৯৭৪ সালে, স্যার জেমস লাইটহিলের সমালোচনা এবং আরও বেশি উৎপাদনশীল প্রকল্পে অর্থায়নের জন্য মার্কিন কংগ্রেসের অব্যাহত চাপের প্রতিক্রিয়ায় মার্কিন এবং ব্রিটিশ উভয় সরকারই অনুসন্ধানমূলক গবেষণা বন্ধ করে দেয়। মিনস্কির এবং পেপারটের বই Perceptrons প্রমাণ করে যে কৃত্রিম নিউরাল নেটওয়ার্কগুলি বাস্তব-বিশ্বের কাজগুলি সমাধানের জন্য কখনই কার্যকর হবে না, এইভাবে পদ্ধতিটিকে সম্পূর্ণভাবে অস্বীকার করে। ” এআই শীতকাল “, একটি সময়কাল যখন এআই প্রকল্পের জন্য অর্থায়ন পাওয়া কঠিন ছিল, অনুসরণ করা হয়েছিল। ১৯৮০ এর দশকের গোড়ার দিকে, AI গবেষণা বিশেষজ্ঞ সিস্টেমের বাণিজ্যিক সাফল্যের দ্বারা পুনরুজ্জীবিত হয়েছিল , এআই প্রোগ্রামের একটি রূপ যা মানব বিশেষজ্ঞদের জ্ঞান এবং বিশ্লেষণাত্মক দক্ষতার অনুকরণ করে।

১৯৮৫ সাল নাগাদ, এআই-এর বাজার দুই বিলিয়ন ডলারে পৌঁছেছিল। 1987 সালে লিস্প মেশিন বাজারের পতনের সাথে শুরু করে , এআই আবারও অসম্মানে পড়ে এবং দ্বিতীয়, দীর্ঘস্থায়ী শীত শুরু হয়। এই মুহুর্তে, AI-এর বেশির ভাগ তহবিল এমন প্রকল্পগুলিতে চলে গিয়েছিল যেগুলি পরিকল্পনা, লক্ষ্য, বিশ্বাস এবং পরিচিত ঘটনাগুলির মতো মানসিক বস্তুগুলিকে উপস্থাপন করতে উচ্চ-স্তরের প্রতীকগুলি ব্যবহার করে। ১৯৮০ এর দশকে, কিছু গবেষক সন্দেহ করতে শুরু করেছিলেন যে এই পদ্ধতিটি মানুষের জ্ঞানের সমস্ত প্রক্রিয়া, বিশেষ করে উপলব্ধি , রোবোটিক্স , শেখার এবং প্যাটার্ন স্বীকৃতি , অনুকরণ করতে সক্ষম হবে এবং “সাব-সিম্বলিক” পদ্ধতির দিকে নজর দিতে শুরু করেছিল। রডনি ব্রুকস সাধারণভাবে “প্রতিনিধিত্ব” প্রত্যাখ্যান করেছিলেন এবং সরাসরি প্রকৌশল যন্ত্রের দিকে মনোনিবেশ করেছিলেন যা নড়াচড়া করে এবং বেঁচে থাকে। জুডিয়া পার্ল , লোফতি জাদেহ এবং অন্যান্যরা এমন পদ্ধতি তৈরি করেছে যা সুনির্দিষ্ট যুক্তির পরিবর্তে যুক্তিসঙ্গত অনুমান করে অসম্পূর্ণ এবং অনিশ্চিত তথ্য পরিচালনা করে। তবে সবচেয়ে গুরুত্বপূর্ণ বিকাশ ছিল জিওফ্রে হিন্টন এবং অন্যান্যদের দ্বারা নিউরাল নেটওয়ার্ক গবেষণা সহ ” সংযোগবাদ ” এর পুনরুজ্জীবন। ১৯৯০ সালে, ইয়ান লেকুন সফলভাবে দেখিয়েছিলেন যে কনভোলিউশনাল নিউরাল নেটওয়ার্কগুলি হাতে লেখা অঙ্কগুলিকে চিনতে পারে, নিউরাল নেটওয়ার্কগুলির অনেকগুলি সফল অ্যাপ্লিকেশনগুলির মধ্যে প্রথম। আনুষ্ঠানিক গাণিতিক পদ্ধতি ব্যবহার করে এবং নির্দিষ্ট সমস্যার সুনির্দিষ্ট সমাধান খুঁজে বের করার মাধ্যমে ১৯৯০-এর দশকের শেষের দিকে এবং ২১ শতকের শুরুতে AI ধীরে ধীরে তার খ্যাতি পুনরুদ্ধার করে।

এই ” সংকীর্ণ ” এবং “আনুষ্ঠানিক” ফোকাস গবেষকদের যাচাইযোগ্য ফলাফল তৈরি করতে এবং অন্যান্য ক্ষেত্রের (যেমন পরিসংখ্যান , অর্থনীতি এবং গণিত ) সাথে সহযোগিতা করার অনুমতি দেয়। ২০০০ সাল নাগাদ, এআই গবেষকদের দ্বারা উদ্ভাবিত সমাধানগুলি ব্যাপকভাবে ব্যবহৃত হতে থাকে, যদিও ১৯৯০ এর দশকে তারা খুব কমই “কৃত্রিম বুদ্ধিমত্তা” হিসাবে বর্ণনা করা হয়েছিল। যাইহোক, বেশ কিছু একাডেমিক গবেষক উদ্বিগ্ন হয়ে পড়েন যে AI আর বহুমুখী, সম্পূর্ণ বুদ্ধিমান মেশিন তৈরির মূল লক্ষ্য অনুসরণ করছে না। ২০০২ সালের দিকে শুরু করে, তারা কৃত্রিম সাধারণ বুদ্ধিমত্তার (বা “AGI”) সাবফিল্ড প্রতিষ্ঠা করে , যার ২০১০ সালে বেশ কয়েকটি ভাল অর্থায়নকারী প্রতিষ্ঠান ছিল।

রাসেল এবং নরভিগ কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রে একমত যে বুদ্ধিমত্তাকে অবশ্যই বাহ্যিক আচরণের পরিপ্রেক্ষিতে সংজ্ঞায়িত করতে হবে, অভ্যন্তরীণ কাঠামো নয়। তারা সমালোচনামূলক যে পরীক্ষার জন্য মানুষের অনুকরণ করার জন্য মেশিনের প্রয়োজন। ” অ্যারোনটিক্যাল ইঞ্জিনিয়ারিং টেক্সটস,” তারা লিখেছিল, “তাদের ক্ষেত্রের লক্ষ্যকে ‘মেশিন তৈরি করে যা ঠিক কবুতরের মতো উড়ে যায় যাতে তারা অন্য কবুতরকে বোকা বানিয়ে দিতে পারে। ‘ “এআই প্রতিষ্ঠাতা জন ম্যাকার্থি সম্মত হন, লিখেছেন যে “কৃত্রিম বুদ্ধিমত্তা, সংজ্ঞা অনুসারে, মানুষের বুদ্ধিমত্তার অনুকরণ নয়”। ম্যাকার্থি বুদ্ধিমত্তাকে “বিশ্বে লক্ষ্য অর্জনের ক্ষমতার গণনামূলক অংশ” হিসাবে সংজ্ঞায়িত করেছেন। আরেকজন AI প্রতিষ্ঠাতা, মারভিন মিনস্কি একইভাবে এটিকে “কঠিন সমস্যা সমাধান করার ক্ষমতা” হিসাবে বর্ণনা করেছেন। শীর্ষস্থানীয় AI পাঠ্যপুস্তক এটিকে এজেন্টদের অধ্যয়ন হিসাবে সংজ্ঞায়িত করে যারা তাদের পরিবেশ উপলব্ধি করে এবং এমন পদক্ষেপ নেয় যা তাদের সংজ্ঞায়িত লক্ষ্য অর্জনের সম্ভাবনাকে সর্বাধিক করে তোলে।

এই সংজ্ঞাগুলি বুদ্ধিমত্তাকে সু-সংজ্ঞায়িত সমস্যাগুলির পরিপ্রেক্ষিতে সু-সংজ্ঞায়িত সমাধানের সাথে দেখায়, যেখানে সমস্যার অসুবিধা এবং প্রোগ্রামের কার্যকারিতা উভয়ই মেশিনের “বুদ্ধিমত্তা” এর সরাসরি পরিমাপ – এবং অন্য কোন দার্শনিক আলোচনা নয় প্রয়োজন, বা এমনকি সম্ভব নাও হতে পারে।কিছু লেখক অনুশীলনে পরামর্শ দিয়েছেন যে, AI এর সংজ্ঞাটি অস্পষ্ট এবং সংজ্ঞায়িত করা কঠিন, ক্লাসিক্যাল অ্যালগরিদমগুলিকে AI হিসাবে শ্রেণীবদ্ধ করা উচিত কিনা তা নিয়ে বিতর্ক রয়েছে, 2020 এর দশকের গোড়ার দিকে AI বুম এই শব্দটিকে বিপণন হিসাবে ব্যবহার করার সময় অনেক কোম্পানির সাথে buzzword , এমনকি যদি তারা “আসলে বস্তুগত উপায়ে AI ব্যবহার না করে”।

এআই-এর পদ্ধতির মূল্যায়ন : কোনো প্রতিষ্ঠিত একীকরণ তত্ত্ব বা দৃষ্টান্তই এর বেশিরভাগ ইতিহাসের জন্য এআই গবেষণাকে পরিচালিত করেনি। 2010-এর দশকে পরিসংখ্যানগত মেশিন লার্নিংয়ের অভূতপূর্ব সাফল্য অন্যান্য সমস্ত পদ্ধতিকে বাদ দিয়েছিল (এত বেশি যে কিছু উত্স, বিশেষ করে ব্যবসায়িক জগতে, “নিউরাল নেটওয়ার্কগুলির সাথে মেশিন লার্নিং” বোঝাতে “কৃত্রিম বুদ্ধিমত্তা” শব্দটি ব্যবহার করে)। এই পদ্ধতিটি বেশিরভাগ উপ-প্রতীকী , নরম এবং সংকীর্ণ । সমালোচকরা যুক্তি দেন যে এই প্রশ্নগুলি এআই গবেষকদের ভবিষ্যত প্রজন্মের দ্বারা পুনরায় পর্যালোচনা করতে হতে পারে।প্রতীকী AI এবং এর সীমা: প্রতীকী AI (বা ” GOFAI “) উচ্চ-স্তরের সচেতন যুক্তির অনুকরণ করেছে যা লোকেরা ব্যবহার করে যখন তারা ধাঁধা সমাধান করে, আইনি যুক্তি প্রকাশ করে এবং গণিত করে। তারা বীজগণিত বা আইকিউ পরীক্ষার মতো “বুদ্ধিমান” কাজগুলিতে অত্যন্ত সফল ছিল।

১৯৬০ এর দশকে, নেয়েল এবং সাইমন ভৌত প্রতীক সিস্টেমের অনুমান প্রস্তাব করেছিলেন : “একটি শারীরিক প্রতীক সিস্টেমে সাধারণ বুদ্ধিমান কর্মের প্রয়োজনীয় এবং পর্যাপ্ত উপায় রয়েছে।” সাংকেতিক পন্থা অনেকগুলি কাজের ক্ষেত্রে ব্যর্থ হয়েছে যা মানুষ সহজে সমাধান করে, যেমন শেখা, একটি বস্তুকে স্বীকৃতি দেওয়া বা কমনসেন্স যুক্তি। মোরাভেকের প্যারাডক্স হল এই আবিষ্কার যে উচ্চ-স্তরের “বুদ্ধিমান” কাজগুলি এআই-এর জন্য সহজ ছিল, কিন্তু নিম্ন স্তরের “সহজাত” কাজগুলি অত্যন্ত কঠিন ছিল। হুবার্ট ড্রেফাস ১৯৬০এর দশক থেকে যুক্তি দিয়েছিলেন যে মানুষের দক্ষতা সচেতন প্রতীক ম্যানিপুলেশনের পরিবর্তে অচেতন প্রবৃত্তির উপর এবং স্পষ্ট প্রতীকী জ্ঞানের পরিবর্তে পরিস্থিতির জন্য “অনুভূতি” এর উপর নির্ভর করে। তার যুক্তিগুলোকে উপহাস করা হয়েছিল এবং উপেক্ষা করা হয়েছিল যখন প্রথম উপস্থাপন করা হয়েছিল।অবশেষে, এআই গবেষণা তার সাথে একমত হয়েছিল। ইউরোপীয় ইউনিয়ন কিছু সবচেয়ে সক্ষম AI সিস্টেমে “ইলেক্ট্রনিক ব্যক্তিত্ব” প্রদানের কথা বিবেচনা করে। একইভাবে কোম্পানির আইনি অবস্থার জন্য, এটি অধিকার প্রদান করবে কিন্তু দায়িত্বও।

সমালোচকরা ২০১৮ সালে যুক্তি দিয়েছিলেন যে AI সিস্টেমে অধিকার প্রদান মানবাধিকারের গুরুত্বকে হ্রাস করবে , এবং আইনটি অনুমানমূলক ভবিষ্যত পরিস্থিতির পরিবর্তে ব্যবহারকারীর চাহিদার উপর ফোকাস করা উচিত। তারা আরও উল্লেখ করেছে যে রোবটদের নিজস্বভাবে সমাজে অংশ নেওয়ার স্বায়ত্তশাসনের অভাব ছিল। ২০১৯ সালে, Soenke Ziesche এবং Roman Yampolskiy “AI কল্যাণ” শব্দটি তৈরি করেছিলেন এবং AI কল্যাণ বিজ্ঞানের নতুন ক্ষেত্রের রূপরেখা দিয়েছেন, যা প্রাণী কল্যাণ বিজ্ঞান থেকে উদ্ভূত। একটি উন্নত AI সংবেদনশীল কিনা (অনুভূতি করার ক্ষমতা আছে) এবং যদি তাই হয়, তাহলে কোন মাত্রায় তা নির্ভরযোগ্যভাবে মূল্যায়ন করা কঠিন বা অসম্ভব।

যদি একটি উল্লেখযোগ্য সম্ভাবনা থাকে যে একটি প্রদত্ত যন্ত্র অনুভব করতে পারে এবং কষ্ট পেতে পারে, তবে এটি প্রাণীদের মতো কিছু অধিকার বা কল্যাণ সুরক্ষা ব্যবস্থার অধিকারী হতে পারে। স্যাপিয়েন্স ( উচ্চ বুদ্ধিমত্তার সাথে সম্পর্কিত ক্ষমতার একটি সেট, যেমন বিচক্ষণতা বা আত্ম-সচেতনতা ) এআই অধিকারের জন্য আরেকটি নৈতিক ভিত্তি প্রদান করতে পারে। সমাজে স্বায়ত্তশাসিত এজেন্টদের একত্রিত করার জন্য রোবট অধিকারগুলিকেও কখনও কখনও একটি বাস্তব উপায় হিসাবে প্রস্তাব করা হয়। চিন্তা-সক্ষম কৃত্রিম প্রাণীরা প্রাচীনকাল থেকেই গল্প বলার যন্ত্র হিসেবে আবির্ভূত হয়েছে এবং বিজ্ঞান কল্পকাহিনীতে একটি স্থায়ী বিষয় । এই কাজগুলির একটি সাধারণ ট্রপ মেরি শেলির ফ্রাঙ্কেনস্টাইনের সাথে শুরু হয়েছিল , যেখানে একটি মানব সৃষ্টি তার প্রভুদের জন্য হুমকি হয়ে ওঠে।

এর মধ্যে রয়েছে আর্থার সি. ক্লার্ক এবং স্ট্যানলি কুব্রিকের ২০০১: এ স্পেস ওডিসি (উভয় ১৯৬৮), HAL ৯০০০সহ, ডিসকভারি ওয়ান স্পেসশিপের দায়িত্বে থাকা খুনের কম্পিউটার , সেইসাথে দ্য টার্মিনেটর (১৯৮৪) এবং দ্য ম্যাট্রিক্স (১৯৯৯) ) বিপরীতে, বিরল অনুগত রোবট যেমন দ্য ডে দ্য আর্থ স্ট্যান্ড স্টিল (১৯৫১) এবং বিশপ ফ্রম এলিয়েন (১৯৮৬) থেকে জনপ্রিয় সংস্কৃতিতে কম বিশিষ্ট।আইজ্যাক আসিমভ অনেক গল্পে রোবোটিক্সের তিনটি আইন প্রবর্তন করেছেন , বিশেষত ” মাল্টিভ্যাক ” সুপার-বুদ্ধিমান কম্পিউটারের মাধ্যমে। আসিমভের আইনগুলি প্রায়শই মেশিনের নৈতিকতা নিয়ে আলোচনার সময় উত্থাপিত হয়, প্রায় সকল কৃত্রিম বুদ্ধিমত্তা গবেষকরা জনপ্রিয় সংস্কৃতির মাধ্যমে আসিমভের আইনের সাথে পরিচিত, তারা সাধারণত অনেক কারণে আইনকে অকেজো বলে মনে করেন, যার মধ্যে একটি হল তাদের অস্পষ্টতা।

বেশ কিছু কাজ এআই ব্যবহার করে যা আমাদেরকে মানুষ করে তোলে সেই মৌলিক প্রশ্নের মুখোমুখি হতে বাধ্য করে, আমাদেরকে এমন কৃত্রিম প্রাণী দেখায় যাদের অনুভব করার ক্ষমতা রয়েছে এবং এইভাবে কষ্ট পেতে হয়। এটি কারেল Čapek এর RUR , চলচ্চিত্র AI কৃত্রিম বুদ্ধিমত্তা এবং Ex Machina এবং সেইসাথে ডু অ্যান্ড্রয়েডস ড্রিম অফ ইলেকট্রিক শিপ উপন্যাসে প্রদর্শিত হয়। , ফিলিপ কে. ডিক দ্বারা । কৃত্রিম বুদ্ধিমত্তার সাহায্যে তৈরি প্রযুক্তির মাধ্যমে মানুষের বিষয়বস্তু সম্পর্কে আমাদের উপলব্ধি পরিবর্তিত হয় এই ধারণাটিকে ডিক বিবেচনা করেন।

কৃত্রিম বুদ্ধিমত্তার নিয়ন্ত্রণ হল AI-এর প্রচার ও নিয়ন্ত্রণের জন্য পাবলিক সেক্টরের নীতি ও আইনের উন্নয়ন; তাই এটি অ্যালগরিদমের বৃহত্তর নিয়ন্ত্রণের সাথে সম্পর্কিত। AI এর জন্য নিয়ন্ত্রক এবং নীতির ল্যান্ডস্কেপ বিশ্বব্যাপী বিচারব্যবস্থায় একটি উদীয়মান সমস্যা। স্ট্যানফোর্ডের AI সূচক অনুসারে , দেশে পাশ করা AI-সংক্রান্ত আইনের বার্ষিক সংখ্যা ২০১৬ সালে পাস হওয়া একটি থেকে শুধুমাত্র ২০২২সালে পাস হওয়া ৩৭ এ পৌঁছেছে। ২০১৬ সালে এবং ২০২০ সালের মধ্যে, ৩০ টিরও বেশি দেশ AI এর জন্য উত্সর্গীকৃত কৌশল গ্রহণ করেছে। কানাডা, চীন, ভারত, জাপান, মরিশাস, রাশিয়ান ফেডারেশন, সৌদি আরব, সংযুক্ত আরব আমিরাত, মার্কিন যুক্তরাষ্ট্র এবং ভিয়েতনামের মতো বেশিরভাগ ইইউ সদস্য রাষ্ট্রই জাতীয় এআই কৌশল প্রকাশ করেছিল । অন্যরা বাংলাদেশ, মালয়েশিয়া এবং তিউনিসিয়া সহ তাদের নিজস্ব এআই কৌশল বিশদ করার প্রক্রিয়ায় ছিল।

কৃত্রিম বুদ্ধিমত্তার ওপর গ্লোবাল পার্টনারশিপ ২০২০ সালের জুন মাসে চালু করা হয়েছিল, যেখানে প্রযুক্তির প্রতি জনগণের আস্থা ও আস্থা নিশ্চিত করার জন্য মানবাধিকার ও গণতান্ত্রিক মূল্যবোধ অনুযায়ী AI-এর বিকাশের প্রয়োজন ছিল। হেনরি কিসিঞ্জার , এরিক শ্মিড্ট , এবং ড্যানিয়েল হাটেনলোচার ২০২১ সালের নভেম্বরে একটি যৌথ বিবৃতি প্রকাশ করেন যাতে AI নিয়ন্ত্রণের জন্য একটি সরকারী কমিশনের আহ্বান জানানো হয়। ২০২৩ সালে, ওপেনএআই নেতারা সুপার ইন্টেলিজেন্স পরিচালনার জন্য সুপারিশ প্রকাশ করেছিলেন, যা তারা বিশ্বাস করে যে ১০ বছরেরও কম সময়ে ঘটতে পারে। ২০২৩ সালে, জাতিসংঘও এআই গভর্নেন্সের বিষয়ে সুপারিশ প্রদানের জন্য একটি উপদেষ্টা সংস্থা চালু করেছিল; সংস্থাটি প্রযুক্তি কোম্পানির নির্বাহী, সরকারী কর্মকর্তা এবং শিক্ষাবিদদের নিয়ে গঠিত।

AI এর প্রতি দৃষ্টিভঙ্গি দেশ অনুসারে ব্যাপকভাবে পরিবর্তিত হয়েছে; ৭৮% চীনা নাগরিক, কিন্তু আমেরিকানদের মাত্র ৩৫%, একমত যে “এআই ব্যবহার করে পণ্য এবং পরিষেবাগুলিতে ত্রুটির চেয়ে বেশি সুবিধা রয়েছে”। ২০২৩ সালের রয়টার্স /ইপসোস জরিপে দেখা গেছে যে ৬১% আমেরিকান একমত এবং ২২% একমত নয় যে AI মানবতার জন্য ঝুঁকি তৈরি করে। ২০২৩ সালের ফক্স নিউজের একটি জরিপে, ৩৫% আমেরিকান এটাকে “খুব গুরুত্বপূর্ণ” বলে মনে করেছিল এবং অতিরিক্ত ৪১% মনে করেছিল এটি “কিছুটা গুরুত্বপূর্ণ”, ফেডারেল সরকারের জন্য এআই নিয়ন্ত্রণ করা, বনাম ১৩% প্রতিক্রিয়া “খুব গুরুত্বপূর্ণ নয়” এবং ৮% প্রতিক্রিয়া “মোটেই গুরুত্বপূর্ণ নয়”।

২০২৩ সালের নভেম্বরে, প্রথম গ্লোবাল এআই সেফটি সামিট যুক্তরাজ্যের ব্লেচলে পার্কে AI এর নিকট ও দূরবর্তী ঝুঁকি এবং বাধ্যতামূলক এবং স্বেচ্ছাসেবী নিয়ন্ত্রক কাঠামোর সম্ভাবনা নিয়ে আলোচনা করার জন্য অনুষ্ঠিত হয়েছিল । মার্কিন যুক্তরাষ্ট্র, চীন এবং ইউরোপীয় ইউনিয়ন সহ ২৮টি দেশ শীর্ষ সম্মেলনের শুরুতে একটি ঘোষণা জারি করেছে, কৃত্রিম বুদ্ধিমত্তার চ্যালেঞ্জ এবং ঝুঁকিগুলি পরিচালনা করার জন্য আন্তর্জাতিক সহযোগিতার আহ্বান জানিয়েছে । ২০২৪ সালের মে মাসে AI সিউল সামিটে , ১৬টি বিশ্বব্যাপী AI টেক কোম্পানি AI এর উন্নয়নে নিরাপত্তার প্রতিশ্রুতিতে সম্মত হয়। অনেক AI সিস্টেম এত জটিল যে তাদের ডিজাইনাররা ব্যাখ্যা করতে পারে না যে তারা কিভাবে তাদের সিদ্ধান্তে পৌঁছায়।

বিশেষ করে গভীর নিউরাল নেটওয়ার্কের সাথে , যেখানে ইনপুট এবং আউটপুটগুলির মধ্যে প্রচুর পরিমাণে অ- রৈখিক সম্পর্ক রয়েছে। কিন্তু কিছু জনপ্রিয় ব্যাখ্যাযোগ্যতা কৌশল বিদ্যমান।

এটা নিশ্চিত হওয়া অসম্ভব যে একটি প্রোগ্রাম সঠিকভাবে কাজ করছে যদি কেউ জানে না যে এটি ঠিক কিভাবে কাজ করে। এমন অনেক ঘটনা ঘটেছে যেখানে একটি মেশিন লার্নিং প্রোগ্রাম কঠোর পরীক্ষায় উত্তীর্ণ হয়েছে, কিন্তু তবুও প্রোগ্রামাররা যা চেয়েছিল তার চেয়ে ভিন্ন কিছু শিখেছে। উদাহরণস্বরূপ, একটি সিস্টেম যা চিকিৎসা পেশাদারদের চেয়ে চর্মরোগগুলিকে আরও ভালভাবে শনাক্ত করতে পারে সেখানে প্রকৃতপক্ষে একজন শাসকের সাথে চিত্রগুলিকে “ক্যান্সার” হিসাবে শ্রেণীবদ্ধ করার একটি শক্তিশালী প্রবণতা পাওয়া গেছে, কারণ ম্যালিগন্যান্সির ছবিগুলি সাধারণত স্কেল দেখানোর জন্য একটি শাসককে অন্তর্ভুক্ত করে। কার্যকরভাবে চিকিৎসা সংস্থান বরাদ্দ করার জন্য ডিজাইন করা আরেকটি মেশিন লার্নিং সিস্টেম অ্যাজমা রোগীদের নিউমোনিয়া থেকে মারা যাওয়ার “কম ঝুঁকি” হিসাবে শ্রেণীবদ্ধ করতে পাওয়া গেছে। হাঁপানি হওয়া আসলে একটি গুরুতর ঝুঁকির কারণ, কিন্তু যেহেতু হাঁপানিতে আক্রান্ত রোগীরা সাধারণত অনেক বেশি চিকিৎসাসেবা পাবেন, তাই প্রশিক্ষণের তথ্য অনুযায়ী তাদের মৃত্যুর সম্ভাবনা কম। হাঁপানি এবং নিউমোনিয়া থেকে মৃত্যুর কম ঝুঁকির মধ্যে পারস্পরিক সম্পর্ক ছিল বাস্তব, কিন্তু বিভ্রান্তিকর।

অ্যালগরিদমের সিদ্ধান্তের দ্বারা ক্ষতিগ্রস্ত ব্যক্তিদের একটি ব্যাখ্যা পাওয়ার অধিকার রয়েছে৷ উদাহরণস্বরূপ, চিকিত্সকরা আশা করা হয় যে তারা যে কোনও সিদ্ধান্ত নেওয়ার পিছনে তাদের সহকর্মীদের স্পষ্টভাবে এবং সম্পূর্ণরূপে ব্যাখ্যা করবেন। ২০১৬ সালে ইউরোপীয় ইউনিয়নের সাধারণ ডেটা সুরক্ষা রেগুলেশনের প্রাথমিক খসড়াগুলিতে একটি স্পষ্ট বিবৃতি অন্তর্ভুক্ত ছিল যে এই অধিকারটি বিদ্যমান। শিল্প বিশেষজ্ঞরা উল্লেখ করেছেন যে এটি একটি অমীমাংসিত সমস্যা যার কোনো সমাধান নেই৷ নিয়ন্ত্রকরা যুক্তি দিয়েছিলেন যে তবুও ক্ষতিটি আসল: যদি সমস্যার কোনও সমাধান না থাকে তবে সরঞ্জামগুলি ব্যবহার করা উচিত নয়। DARPA এই সমস্যাগুলি সমাধান করার জন্য ২০১৪ সালে XAI (“ব্যাখ্যাযোগ্য কৃত্রিম বুদ্ধিমত্তা”) প্রোগ্রাম প্রতিষ্ঠা করে ।

স্বচ্ছতা সমস্যা সমাধানের লক্ষ্যে বেশ কয়েকটি পন্থা রয়েছে। SHAP আউটপুটে প্রতিটি বৈশিষ্ট্যের অবদানকে কল্পনা করতে সক্ষম করে। LIME একটি সহজ, ব্যাখ্যাযোগ্য মডেলের মাধ্যমে স্থানীয়ভাবে একটি মডেলের আউটপুট আনুমানিক করতে পারে। মাল্টিটাস্ক লার্নিং লক্ষ্য শ্রেণীবিভাগের পাশাপাশি প্রচুর পরিমাণে আউটপুট প্রদান করে। এই অন্যান্য আউটপুটগুলি বিকাশকারীদের নেটওয়ার্ক কী শিখেছে তা অনুমান করতে সহায়তা করতে পারে। ডিকনভোলিউশন , ডিপড্রিম এবং অন্যান্য জেনারেটিভ পদ্ধতিগুলি ডেভেলপারদের কম্পিউটার ভিশনের জন্য একটি গভীর নেটওয়ার্কের বিভিন্ন স্তরগুলি কী শিখেছে তা দেখতে দেয় এবং আউটপুট তৈরি করে যা নেটওয়ার্কটি কী শিখছে তা পরামর্শ দিতে পারে। জেনারেটিভ প্রাক-প্রশিক্ষিত ট্রান্সফরমারের জন্য , অ্যানথ্রপিক অভিধান শিক্ষার উপর ভিত্তি করে একটি কৌশল তৈরি করেছে যা মানব-বোধগম্য ধারণার সাথে নিউরন অ্যাক্টিভেশনের ধরণগুলিকে সংযুক্ত করে।

AI অনেক সম্ভাব্য সমাধানের মাধ্যমে বুদ্ধিমত্তার সাথে অনুসন্ধান করে অনেক সমস্যার সমাধান করতে পারে। এআই-তে দুটি ভিন্ন ধরনের অনুসন্ধান ব্যবহৃত হয়: রাষ্ট্রীয় স্থান অনুসন্ধান এবং স্থানীয় অনুসন্ধান ।রাষ্ট্রীয় স্থান অনুসন্ধান : রাজ্য স্থান অনুসন্ধান একটি লক্ষ্য রাষ্ট্র খুঁজে বের করার চেষ্টা করার জন্য সম্ভাব্য রাজ্যগুলির একটি গাছের মাধ্যমে অনুসন্ধান করে। পরিকল্পনার অ্যালগরিদমগুলি লক্ষ্য এবং উপগোলগুলির গাছের মাধ্যমে অনুসন্ধান করে, একটি লক্ষ্য লক্ষ্যের পথ খুঁজে বের করার চেষ্টা করে, একটি প্রক্রিয়া যাকে বলে মানে-এন্ডস বিশ্লেষণ ।

সরল বিস্তৃত অনুসন্ধান বাস্তব-বিশ্বের বেশিরভাগ সমস্যার জন্য খুব কমই যথেষ্ট: অনুসন্ধানের স্থান (অনুসন্ধান করার জায়গার সংখ্যা) দ্রুত জ্যোতির্বিদ্যাগত সংখ্যায় বৃদ্ধি পায় । ফলাফল হল একটি অনুসন্ধান যা খুব ধীর বা কখনই সম্পূর্ণ হয় না। ” হিউরিস্টিকস ” বা ” থাম্বের নিয়ম ” এমন পছন্দগুলিকে অগ্রাধিকার দিতে সাহায্য করতে পারে যা লক্ষ্যে পৌঁছানোর সম্ভাবনা বেশি৷ দাবা বা গো-এর মতো গেম-প্লেয়িং প্রোগ্রামের জন্য প্রতিপক্ষের অনুসন্ধান ব্যবহার করা হয়। এটি সম্ভাব্য চাল এবং পাল্টা পদক্ষেপের একটি গাছের মাধ্যমে অনুসন্ধান করে, একটি বিজয়ী অবস্থানের সন্ধান করে। স্থানীয় অনুসন্ধান একটি সমস্যার সমাধান খুঁজতে গাণিতিক অপ্টিমাইজেশন ব্যবহার করে ।

এটি কিছু অনুমানের সাথে শুরু হয় এবং এটিকে ক্রমবর্ধমানভাবে পরিমার্জন করে। গ্রেডিয়েন্ট ডিসেন্ট হল এক ধরনের স্থানীয় অনুসন্ধান যা সংখ্যাসূচক প্যারামিটারের একটি সেটকে ক্রমবর্ধমানভাবে সামঞ্জস্য করে একটি ক্ষতি ফাংশন কমিয়ে আনতে অপ্টিমাইজ করে । গ্রেডিয়েন্ট ডিসেন্টের রূপগুলি সাধারণত নিউরাল নেটওয়ার্কগুলিকে প্রশিক্ষণ দিতে ব্যবহৃত হয়। স্থানীয় অনুসন্ধানের আরেকটি ধরন হল বিবর্তনীয় গণনা , যার লক্ষ্য হল প্রার্থীর সমাধানগুলির একটি সেটকে “পরিবর্তন” এবং “পুনরায় সংমিশ্রণ” করার মাধ্যমে পুনরাবৃত্তিমূলকভাবে উন্নত করা, প্রতিটি প্রজন্মের বেঁচে থাকার জন্য শুধুমাত্র সবচেয়ে উপযুক্ত নির্বাচন করে । বিতরণ করা অনুসন্ধান প্রক্রিয়াগুলি ঝাঁক গোয়েন্দা অ্যালগরিদমের মাধ্যমে সমন্বয় করতে পারে। অনুসন্ধানে ব্যবহৃত দুটি জনপ্রিয় ঝাঁক অ্যালগরিদম হল কণা ঝাঁক অপ্টিমাইজেশান (পাখির ঝাঁক দ্বারা অনুপ্রাণিত ) এবং পিঁপড়া উপনিবেশ অপ্টিমাইজেশান ( পিঁপড়ার পথ থেকে অনুপ্রাণিত )। এআই গবেষণার বিভিন্ন সাবফিল্ড নির্দিষ্ট লক্ষ্য এবং নির্দিষ্ট সরঞ্জামের ব্যবহারকে কেন্দ্র করে। এআই গবেষণার ঐতিহ্যগত লক্ষ্যগুলির মধ্যে রয়েছে যুক্তি , জ্ঞান উপস্থাপনা , পরিকল্পনা , শিক্ষা , প্রাকৃতিক ভাষা প্রক্রিয়াকরণ , উপলব্ধি এবং রোবোটিক্সের জন্য সমর্থন । সাধারণ বুদ্ধিমত্তা – একজন মানুষের দ্বারা অন্তত সমান স্তরে সম্পাদনযোগ্য যে কোনও কাজ সম্পন্ন করার ক্ষমতা – এই ক্ষেত্রের দীর্ঘমেয়াদী লক্ষ্যগুলির মধ্যে একটি। এই লক্ষ্যগুলিতে পৌঁছানোর জন্য, AI গবেষকরা অনুসন্ধান এবং গাণিতিক অপ্টিমাইজেশান , আনুষ্ঠানিক যুক্তিবিদ্যা , কৃত্রিম নিউরাল নেটওয়ার্ক এবং পরিসংখ্যান , অপারেশন গবেষণা এবং অর্থনীতির উপর ভিত্তি করে পদ্ধতি সহ বিস্তৃত কৌশলগুলিকে অভিযোজিত এবং সংহত করেছেন । এআই মনোবিজ্ঞান , ভাষাবিজ্ঞান , দর্শন , স্নায়ুবিজ্ঞান এবং অন্যান্য ক্ষেত্রগুলিতেও আকৃষ্ট হয় । একবিংশ শতাব্দীতে AI-এর ব্যাপক ব্যবহার বর্তমানে বেশ কিছু অনিচ্ছাকৃত পরিণতি ও ক্ষতিকে উন্মোচিত করেছে এবং ভবিষ্যতে এর ঝুঁকি এবং দীর্ঘমেয়াদী প্রভাব সম্পর্কে উদ্বেগ উত্থাপন করেছে। প্রযুক্তির নিরাপত্তা ও সুবিধা নিশ্চিত করার জন্য নিয়ন্ত্রক নীতির বিষয়ে আলোচনার প্ররোচনা দিয়েছে ।

এআই-এর কিছু হাই-প্রোফাইল অ্যাপ্লিকেশনের মধ্যে রয়েছে উন্নত ওয়েব সার্চ ইঞ্জিন। মানুষের বক্তৃতার মাধ্যমে ইন্টারঅ্যাক্ট করা। যেমন,:Google Assistant , Siri , এবং Alexa ।স্বায়ত্তশাসিত যানবাহন জেনারেটিভ এবং সৃজনশীল টুল। যেমন:ChatGPT , Apple Intelligence , এবং AI art এবং কৌশল গেমগুলিতে অতিমানবীয় খেলা এবং বিশ্লেষণ। যেমন: দাবা এবং গো। অনেক AI অ্যাপ্লিকেশনকে AI হিসাবে ধরা হয় না।

অনেক কাটিং এজ এআই সাধারণ অ্যাপ্লিকেশনগুলিতে ফিল্টার করা হয়েছে। প্রায়শই এটিকে AI বলা হয় না কারণ একবার কিছু যথেষ্ট কার্যকর এবং যথেষ্ট সাধারণ হয়ে গেলে এটি আর AI লেবেল করা হয় না ।

এশতিয়াক মাহমুদ,আদর্শ মুসলিম পাড়া চাঁদপুর।

শনিবার, ১২ অক্টোবর ২০২৪

স্ক্যাবিস বা চুলকানি থেকে রক্ষা পেতে কী করবেন?

ডায়াবেটিস প্রতিকার ও প্রতিরোধে শক্তিশালী ঔষধ

শ্বেতী রোগের কারণ, লক্ষ্মণ ও চিকিৎসা

যৌন রোগের কারণ ও প্রতিকার জেনে নিন

শ্বেতীর সাদা দাগ দূর করার উপায় কি?