মানুষ + মেশিন। কৃত্রিম বুদ্ধিমত্তার প্রকৃত দৃষ্টান্ত

এটা ইতিমধ্যেই এখন Apocalypse?

এলন মাস্ক বলেছেন কৃত্রিম বুদ্ধিমত্তা তৃতীয় বিশ্বযুদ্ধ শুরু করতে পারে। গ্রহের সবচেয়ে উন্নত এবং পারদীয় কৃত্রিম বুদ্ধিমত্তা সম্পন্ন গাড়ির নির্মাতা যদি তাই বলে, তাহলে এর মানে একটি ভিত্তি আছে। সম্প্রতি অবধি খুব কম লোকই ছিল যারা প্রযুক্তিগত উদ্ভাবনের পরিণতি সম্পর্কে যত্নশীল ছিল যা একটি উগ্র পদক্ষেপ নিচ্ছিল। এবং আমরা ঠিক শুরুতে ছিলাম, আমরা এখনও কিছুই দেখিনি।

তারপরে এটি ঘটেছিল যে প্রযুক্তির পরিণতি সম্পর্কে বক্তৃতা সমাজের প্রতিটি অংশে ছড়িয়ে পড়তে শুরু করেছিল, প্রযুক্তিবিদদের মধ্যে ছাড়া যারা নিশ্চিত যে তারা "ঈশ্বরের জন্য একটি মিশনে"। কৃত্রিম বুদ্ধিমত্তা জনগণের ধারণার এই বিপরীতমুখীতার প্রধান অভিযুক্ত।

যখন এআই-এর কথা আসে, তখন জনসাধারণের কথোপকথনের একটি বড় অংশ শুধু চাকরি হারানো বা চীনের শীর্ষস্থান অর্জনের চেয়ে বেশি ফোকাস করে। কিন্তু সর্বোপরি এই ভয়ে যে বুদ্ধিমান মেশিন একদিন বিশ্বকে জয় করবে মানুষকে খাদ্য শৃঙ্খলের একটি নিছক লিঙ্ক করে তুলবে। যে কি ঘটবে না বিশ্বের যুদ্ধ হাক্সলি দ্বারা?

অন্তর্নিহিত অনুমান হল যে মানুষ এবং মেশিন প্রতিযোগিতায় রয়েছে। একটি প্রতিযোগিতা যা মেশিন দ্বারা জয়ী হবে। শেষ পর্যন্ত বুদ্ধিমান সিস্টেমগুলি, তাদের উচ্চতর গতি, প্রক্রিয়াকরণ শক্তি এবং পরিধান এবং ছিঁড়ে যাওয়ার প্রতিরোধের সাথে, অবশেষে আমাদের প্রথমে পেশায়, তারপরে সংস্থায় এবং অবশেষে সিদ্ধান্তে প্রতিস্থাপন করবে।

ন্যাশনাল ব্যুরো অফ ইকোনমিক রিসার্চের একটি 2015 ইকোনোমেট্রিক অধ্যয়ন রয়েছে, একটি গবেষণা কেন্দ্র যা পর্যাপ্ত নির্ভুলতার সাথে অর্থনৈতিক প্রবণতার পূর্বাভাস দেয়। এই গবেষণাটি কৃত্রিম বুদ্ধিমত্তার বিকাশের উপর গবেষণা থেকে এই উপসংহার টানে:

"একটি পর্যাপ্ত আর্থিক নীতির অনুপস্থিতিতে যা বিজয়ীদের থেকে পরাজিতদের মধ্যে পুনঃবন্টন করে, বুদ্ধিমান গাড়িগুলি দীর্ঘমেয়াদে সকলের জন্য আরও দারিদ্র্য হবে।"

দুটি শর্ত যা এই মুহুর্তে আসা দূরের বলে মনে হয়, যদি কল্পনাও না করা হয়। কিন্তু একটি জিনিস ঘটছে: উন্নত দেশগুলিতে জনসংখ্যার একটি উল্লেখযোগ্য অংশ প্রকৃতপক্ষে দরিদ্র। এবং আমরা জানি যে দারিদ্রতা কৃত্রিম বুদ্ধিমত্তার চেয়েও বেশি নৃশংস পরিণতি হতে পারে।

সংযোজন বুদ্ধিমত্তা

বিষয়টিকে ভিন্ন দৃষ্টিকোণ থেকে দেখার চেষ্টা করা যাক। আসুন নিজেদেরকে জিজ্ঞাসা করি। যদি ক্ষমতার ম্যান-মেশিন অপারেশন বিয়োগমূলক না হয়, কিন্তু যোগ করা হয়? পল ডগার্টি এবং জেমস উইলসন তাদের ইতালীয় ভাষায় অবশেষে অনুবাদ করা বইতে এই দৃষ্টিকোণটি প্রস্তাব করেছেন মানুষ + মেশিন। কৃত্রিম বুদ্ধিমত্তার যুগে কাজের পুনর্বিবেচনা, Guerini, 2019, p. 215 (এছাড়াও goWare-এর সহ-সংস্করণে ইবুকে উপলব্ধ)।

Daugherty এবং Wilson এর কাজ তাত্ত্বিক বা গল্প বলা নয়, কিন্তু দুই লেখকের দ্বারা অর্জিত ক্ষেত্রের অভিজ্ঞতা থেকে এর বিবেচনাগুলি আঁকেন। প্রকৃতপক্ষে, উভয়ই Accenture-এ প্রাথমিক দায়িত্ব পালন করে। Daugherty চিফ টেকনোলজি এবং ইনোভেশন অফিসার, বিশ্বব্যাপী কৃত্রিম বুদ্ধিমত্তা এবং R&D প্রকল্পের তত্ত্বাবধান করেন। উইলসন আইটি এবং বিজনেস রিসার্চ বিভাগের প্রধান।

Accenture হল বিশ্বের বৃহত্তম ব্যবস্থাপনা পরামর্শক সংস্থা। তিনি কোম্পানীগুলির মতই শ্বাস নেন, বিশেষ করে বড়গুলি, যার জন্য তিনি কাঁধে কাঁধ মিলিয়ে কাজ করেন। যেখানে উদ্ভাবন এবং পরিবর্তন ঘটছে তার একটি ভাল দৃশ্য সহ একটি মানমন্দির থাকা কঠিন।

ডগারটি এবং উইলসন 450টির একটি নমুনায় 1500টি সংস্থার একটি পর্যবেক্ষণমূলক বিশ্লেষণ এবং কেস স্টাডি পরিচালনা করেছেন এবং পরিমাণগত গবেষণা মিস করা বেশ কয়েকটি প্রাসঙ্গিক ঘটনা চিহ্নিত করেছেন। একটি হল "ফিউশন স্কিল" এর ধারণা: পুরুষ এবং মেশিন মিলে নতুন ধরনের কাজ এবং পেশাদার অভিজ্ঞতা তৈরি করে।

সঠিকভাবে জ্ঞান এবং দক্ষতার এই সংমিশ্রণ হল "ভূতের স্থান"। ভূত এই অর্থে যে এটি কাজের উপর মেরুকরণ বিতর্ক থেকে অনুপস্থিত যা পুরুষদের মেশিনের বিরুদ্ধে দাঁড় করিয়েছে। এবং এই কেন্দ্রীয় ফ্যান্টম স্পেসেই অত্যাধুনিক কোম্পানিগুলি তাদের কাজের প্রক্রিয়াগুলিকে নতুন করে উদ্ভাবন করেছে, পারফরম্যান্সে অসাধারণ উন্নতি করেছে।

আমি পুনরায় দক্ষতা

বইটির মুখবন্ধে, FBK ICT Fondazione Bruno Kessler Center-এর পরিচালক পাওলো ট্র্যাভারসো, দুই লেখকের থিসিসকে খুব ভালোভাবে তুলে ধরেছেন। লিখেছেন:

কাজের অর্থ শিরোনামে ঘোষণা করা হয়েছে: ভবিষ্যত মেশিনের মধ্যে থাকে না, তারা যতটা বুদ্ধিমান হোক না কেন, এটি খাঁটি শিল্প অটোমেশনে নয়, এমনকি যদি সর্বাধিক রুটিনের একটি উচ্চ শতাংশ প্রতিস্থাপনের জন্য সর্বোচ্চে ঠেলে দেওয়া হয়। এবং প্রতিটি পেশার নিম্ন-সৃজনশীলতার উপাদান। সমাজের ভবিষ্যত, কিন্তু বাজার এবং ব্যবসারও, প্রকৃতপক্ষে যেখানে মেশিন এবং লোকেরা একসাথে কাজ করে, যেখানে ব্যবসার পাশাপাশি ব্যবসায়িক মডেলগুলিও উল্লেখযোগ্যভাবে পুনর্নবীকরণ করা হবে। কৃত্রিম বুদ্ধিমত্তা মানুষ, তাদের দক্ষতা, তাদের সৃজনশীলতা প্রতিস্থাপন করা উচিত নয়, তবে এটি অবশ্যই তাদের উন্নত করতে হবে, এটি তাদের বাড়াতে হবে।

এটি হওয়ার জন্য মৌলিক লিভার নিহিত যাকে লেখকরা রি-স্কিলিং বলে থাকেন, অর্থাৎ, নতুন প্রযুক্তির সাথে কাজ করার জন্য সব বয়সের লক্ষ লক্ষ লোককে প্রস্তুত করা। একটি টাইটানিক কিন্তু অনিবার্য উদ্যোগ.

এমনকি অ্যারিয়ানা হাফিংটনের মতো একজন অনুতপ্ত প্রযুক্তিবিদ, যিনি এখন সংযোগ বিচ্ছিন্ন করার পক্ষে, তিনি দুই লেখকের কাজের প্রশংসা করেছেন যা শেষ পর্যন্ত মানব অবস্থার মধ্যে প্রযুক্তির একটি শোষণের দিকে যায় যতক্ষণ না এটি এটির একটি অবিচ্ছেদ্য অংশ হয়ে ওঠে। হাফিংটন বইটি সম্পর্কে এটি কীভাবে রেখেছেন তা এখানে:

"মানব + মেশিনে, ডগারটি এবং উইলসন ভবিষ্যতের একটি মডেল প্রদান করে যেখানে কৃত্রিম বুদ্ধিমত্তা আমাদের মানবিক দিককে উন্নত করে। উদাহরণ, নির্দেশনা এবং অনুপ্রেরণায় ভরা, বইটি কৃত্রিম বুদ্ধিমত্তা বোঝার জন্য একটি ব্যবহারিক নির্দেশিকা—আমাদের জীবনে এর অর্থ কী এবং আমরা কীভাবে এটির সর্বোচ্চ ব্যবহার করতে পারি।"

নীচে আমরা Daugherty এবং Wilson এর বই থেকে দুটি সংক্ষিপ্ত উদ্ধৃতি প্রদান করি। প্রথমটি কৃত্রিম বুদ্ধিমত্তার একটি সংক্ষিপ্ত ইতিহাস সম্পর্কে। ইতিহাস সবসময় বোঝার কাজ করে। দ্বিতীয়টি, যাইহোক, আজকের কৃত্রিম বুদ্ধিমত্তা তৈরি করে এমন প্রযুক্তি নক্ষত্রপুঞ্জের সেট নিয়ে আলোচনার মাধ্যমে বিষয়টির হৃদয়ে পৌঁছায়। মোটকথা, বিকাশের এই পর্যায়ে কৃত্রিম বুদ্ধিমত্তা মূলত গভীর শিক্ষা। আমরা এখনও এটি নিয়ন্ত্রণ করতে পারি।

পড়া উপভোগ করুন

। । ।

কৃত্রিম বুদ্ধিমত্তার একটি সংক্ষিপ্ত ইতিহাস

1956

অভিযোজিত প্রক্রিয়ার বর্তমান যুগের পিছনে ড্রাইভিং প্রযুক্তি হল কৃত্রিম বুদ্ধিমত্তা, যা গত দুই দশক ধরে বিকশিত হয়েছে। সংক্ষেপে এর ইতিহাস আমাদের একটি প্রেক্ষাপট প্রদান করবে যেখানে এর সবচেয়ে উন্নত বৈশিষ্ট্য এবং সম্ভাবনাকে ফ্রেম করা যায়।

কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রটি আনুষ্ঠানিকভাবে 1956 সালে জন্মগ্রহণ করেছিল, যখন জন ম্যাকার্থির নেতৃত্বে কম্পিউটার বিজ্ঞানী এবং গবেষকদের একটি ছোট দল এবং যার মধ্যে ক্লদ শ্যানন, মারভিন মিনস্কি এবং অন্যান্যরা অন্তর্ভুক্ত ছিল, ডার্টমাউথ কলেজে প্রথম সম্মেলনের জন্য মিলিত হয়েছিল যে মেশিনটি এই সম্ভাবনার জন্য। বুদ্ধি মানুষের বুদ্ধি অনুকরণ করতে পারে.

কনফারেন্সটি, মূলত একটি দীর্ঘায়িত ব্রেনস্টর্মিং সেশন, এই ধারণার উপর ভিত্তি করে ছিল যে শেখার এবং সৃজনশীলতার প্রতিটি দিককে এমন সুনির্দিষ্টভাবে বর্ণনা করা যেতে পারে যে এটি একটি গাণিতিক মডেল হয়ে উঠতে পারে, তাই মেশিন দ্বারা প্রতিলিপি করা হয়। লক্ষ্যগুলি ছিল উচ্চাভিলাষী, নকশা প্রস্তাব থেকে শুরু করে: "কোনও চেষ্টা করা হবে কীভাবে একটি মেশিনকে ভাষা, ফর্ম, বিমূর্ততা এবং ধারণাগুলি ব্যবহার করতে, বর্তমানে মানুষের মধ্যে সীমাবদ্ধ সমস্যাগুলির সমাধান করতে এবং নিজেকে উন্নত করতে সক্ষম করা যায়" . অবশ্যই, এটি শুধুমাত্র শুরু ছিল.

সম্মেলনটি অবিলম্বে ক্ষেত্রকে সংকীর্ণ করতে এবং কৃত্রিম বুদ্ধিমত্তার ধারণার চারপাশে ঘোরাফেরা করা অনেক গাণিতিক ধারণাকে একত্রিত করতে সফল হয়েছিল।

অগ্রদূত

এবং পরবর্তী দশকগুলিতে, এটি গবেষণার সম্পূর্ণ নতুন ক্ষেত্রগুলিকে অনুপ্রাণিত করেছিল। উদাহরণ স্বরূপ, মিনস্কি, সেমুর পেপারট-এর সাথে, নিউরাল নেটওয়ার্কের সীমা এবং সম্ভাবনার উপর ভিত্তিমূলক বই হিসাবে বিবেচিত যা লিখেছিলেন, এক ধরনের কৃত্রিম বুদ্ধিমত্তা যা জৈবিক নিউরনকে মডেল হিসাবে ব্যবহার করে। অন্যান্য ধারণা যেমন বিশেষজ্ঞ সিস্টেম - যেখানে একটি কম্পিউটার নির্দিষ্ট ক্ষেত্র যেমন আর্কিটেকচার বা মেডিকেল ডায়াগনস্টিকস সম্পর্কিত "জ্ঞান" এর গভীর মজুদ দিয়ে সজ্জিত - বা প্রাকৃতিক ভাষা প্রক্রিয়াকরণ, কম্পিউটার দৃষ্টি এবং পোর্টেবল রোবোটিক্স, এছাড়াও এই ইভেন্টে সনাক্ত করা যেতে পারে।

সম্মেলনে অংশগ্রহণকারীদের মধ্যে আর্থার স্যামুয়েল ছিলেন, একজন আইবিএম প্রকৌশলী যিনি চেকার খেলার জন্য একটি কম্পিউটার প্রোগ্রাম তৈরি করছিলেন। তার প্রোগ্রামটি একটি বোর্ডের অবস্থা মূল্যায়ন করে এবং একটি প্রদত্ত অবস্থান বিজয়ের দিকে নিয়ে যেতে পারে এমন সম্ভাবনাগুলি গণনা করে।

1959 সালে, স্যামুয়েল এক্সপ্রেশন মেশিন-লার্নিং, "স্বয়ংক্রিয় শিক্ষা" তৈরি করেছিলেন: অর্থাৎ, সেই গবেষণা খাত যা কম্পিউটারকে স্পষ্টভাবে প্রোগ্রাম করা ছাড়াই শেখার ক্ষমতাকে দায়ী করে। 1961 সালে তার মেশিন-লার্নিং প্রোগ্রামটি মার্কিন যুক্তরাষ্ট্রের চতুর্থ বৃহত্তম চেকার প্লেয়ারকে পরাজিত করতে ব্যবহৃত হয়েছিল।

কিন্তু যেহেতু স্যামুয়েল একজন ব্যক্তিগত ব্যক্তি ছিলেন এবং স্ব-প্রচারের রাজনীতি অনুশীলন করেননি, তাই 1966 সালে আইবিএম থেকে অবসর নেওয়ার আগে মেশিন লার্নিং এর উপর তার কাজের গুরুত্ব জনসাধারণের জ্ঞানে পরিণত হয়নি।

মেশিন লার্নিং

কনফারেন্সের পরের দশকগুলিতে, মেশিন লার্নিং অস্পষ্ট থেকে যায় কারণ মনোযোগ AI এর অন্যান্য মডেলের দিকে চলে যায়। বিশেষ করে, XNUMX এবং XNUMX এর দশকে পরিচালিত গবেষণা শারীরিক প্রতীকের উপর ভিত্তি করে বুদ্ধিমত্তার ধারণার উপর দৃষ্টি নিবদ্ধ করে এবং যৌক্তিক নিয়ম দ্বারা চালিত হয়। এই প্রতীকী ব্যবস্থাগুলি, তবে, অনুশীলনে সাফল্য পায়নি, এবং তাদের ব্যর্থতার ফলে "কৃত্রিম বুদ্ধিমত্তার শীতকাল" নামে পরিচিত একটি সময়কালের দিকে পরিচালিত হয়।

1990-এর দশকে, মেশিন লার্নিং আবার বিকাশ লাভ করতে শুরু করে এবং এর প্রবক্তারা তাদের পদ্ধতিতে সমন্বিত পরিসংখ্যান এবং সম্ভাব্যতা তত্ত্ব গ্রহণ করে। একই সময়ে, ব্যক্তিগত কম্পিউটারের বিপ্লব শুরু হয়। পরবর্তী দশকে, ডিজিটাল সিস্টেম, সেন্সর, ইন্টারনেট এবং সেল ফোনগুলি সাধারণ হয়ে উঠবে, যা মেশিন-লার্নিং বিশেষজ্ঞদের তাদের অভিযোজিত সিস্টেমগুলি তৈরি করার সাথে সাথে সমস্ত ধরণের ডেটা সরবরাহ করবে।

আজ আমরা একটি মেশিন-লার্নিং প্রোগ্রামকে ডেটাসেট-ভিত্তিক মডেল নির্মাতা হিসেবে মনে করি যা ইঞ্জিনিয়ার এবং বিশেষজ্ঞরা সিস্টেমকে প্রশিক্ষণ দেওয়ার জন্য ব্যবহার করেন। এটি প্রথাগত কম্পিউটার প্রোগ্রামিং এর সম্পূর্ণ বিপরীত। স্ট্যান্ডার্ড অ্যালগরিদমগুলি স্ট্যাটিক নির্দেশাবলী বা প্রোগ্রামার কোড দ্বারা গতিশীল পূর্বনির্ধারিত পথগুলি অনুসরণ করে। অন্যদিকে মেশিন-লার্নিং সিস্টেম যেমন কাজ করে তেমনি শিখতে পারে। ডেটার প্রতিটি নতুন সেটের সাথে, এটি তার মডেলগুলি আপডেট করে এবং কীভাবে এটি বিশ্বকে "দেখে"। একটি যুগে যেখানে মেশিনগুলি অভিজ্ঞতা এবং তথ্যের মাধ্যমে শিখতে এবং পরিবর্তন করতে পারে, প্রোগ্রামাররা কম-বেশি বিধায়ক এবং স্বৈরশাসক এবং শিক্ষক এবং প্রশিক্ষকের মতো অনেক বেশি হয়ে উঠেছে।

আজকের মত আজ

আজ, কৃত্রিম বুদ্ধিমত্তা সিস্টেম যা মেশিন লার্নিং নিযুক্ত করে সর্বত্র। ব্যাঙ্কগুলি জালিয়াতি থেকে নিজেদের রক্ষা করার জন্য তাদের ব্যবহার করে; ডেটিং সাইটগুলি সম্ভাব্য মিলের পরামর্শ দিতে তাদের ব্যবহার করে; বিপণনকারীরা এগুলিকে ভবিষ্যদ্বাণী করতে ব্যবহার করে কে একটি বিজ্ঞাপনে অনুকূলভাবে সাড়া দেবে; এবং ফটো শেয়ারিং সাইটগুলি স্বয়ংক্রিয় মুখ শনাক্তকরণের জন্য ব্যবহার করে। চেকারদের প্রথম খেলা থেকে একটি দীর্ঘ পথ আসা হয়েছে. 2016 সালে, Google AlphaGo ক্ষেত্রে একটি উল্লেখযোগ্য অগ্রগতি চিহ্নিত করেছে। প্রথমবারের মতো, একটি কম্পিউটার গো-এর একজন চ্যাম্পিয়নকে পরাজিত করেছে, চেকার বা দাবার চেয়ে অনেক জটিল খেলা৷ সময়ের চিহ্ন হিসাবে, আলফাগো এতটাই অপ্রত্যাশিত চাল তৈরি করেছে যে কিছু পর্যবেক্ষক তাদের সৃজনশীল, এমনকি "সুন্দর" বলে অভিহিত করেছেন।

কৃত্রিম বুদ্ধিমত্তা এবং মেশিন লার্নিং এর বৃদ্ধি কয়েক বছর ধরে বিরতিহীনভাবে হয়েছে, কিন্তু যেভাবে উভয়ই সম্প্রতি পণ্য এবং ব্যবসায়িক ক্রিয়াকলাপে বিভক্ত হয়েছে তা দেখায় যে তারা একটি অভিনীত ভূমিকার জন্য প্রস্তুত। উবারের মেশিন লার্নিং এর প্রাক্তন প্রধান ড্যানি ল্যাঞ্জের মতে, প্রযুক্তিটি অবশেষে গবেষণাগারের দেয়াল ছেড়ে দিয়েছে এবং দ্রুত "এই ঝড়ো নতুন শিল্প রূপান্তরের ভিত্তিপ্রস্তর" হয়ে উঠছে।

স্মার্ট প্রযুক্তি এবং অ্যাপ্লিকেশন: তারা কিভাবে সহাবস্থান করতে পারে?

এখানে AI প্রযুক্তির নক্ষত্রপুঞ্জের একটি শব্দকোষ রয়েছে যা আপনাকে আজ সচেতন হতে হবে। এই প্রযুক্তিগুলি নীচের চিত্র অনুসারে মেশিন-লার্নিং, কৃত্রিম বুদ্ধিমত্তার ক্ষমতা এবং অ্যাপ্লিকেশন স্তরগুলির সাথে সামঞ্জস্যপূর্ণ।

মেশিন লার্নিং এর উপাদান

— মেশিন লার্নিং (এমএল). কম্পিউটার বিজ্ঞানের ক্ষেত্র যা অ্যালগরিদম নিয়ে কাজ করে যা ডেটা থেকে শেখে এবং ডেটা থেকে স্পষ্টভাবে প্রোগ্রাম করার প্রয়োজন ছাড়াই ভবিষ্যদ্বাণী করে। এটি এমন একটি এলাকা যা আইবিএম-এর আর্থার স্যামুয়েলের গবেষণায় এর শিকড় রয়েছে, যিনি 1959 সালে এই শব্দটি তৈরি করেছিলেন এবং কম্পিউটার গেমগুলিতে তার কাজে মেশিন-লার্নিংয়ের নীতিগুলি ব্যবহার করেছিলেন। অ্যালগরিদম প্রশিক্ষণের জন্য উপলব্ধ ডেটার বিস্ফোরণের জন্য ধন্যবাদ, মেশিন লার্নিং বর্তমানে কম্পিউটার দৃষ্টি গবেষণা, জালিয়াতি তদন্ত, মূল্য পূর্বাভাস, প্রাকৃতিক ভাষা প্রক্রিয়াকরণ এবং আরও অনেক কিছুর মতো বিস্তৃত ক্ষেত্রগুলিতে ব্যবহৃত হচ্ছে।

- তত্ত্বাবধানে শিক্ষা. এক ধরনের মেশিন-লার্নিং যাতে অনুকরণীয় ইনপুট এবং পছন্দসই আউটপুটগুলির সমন্বয়ে প্রাক-শ্রেণীবদ্ধ এবং নির্বাচিত ডেটা একটি অ্যালগরিদমে উপস্থাপন করা হয়। অ্যালগরিদমের লক্ষ্য হল সাধারণ নিয়মগুলি শেখা যা ইনপুটগুলিকে আউটপুটগুলির সাথে সংযুক্ত করে এবং শুধুমাত্র ইনপুট ডেটা থেকে ভবিষ্যতের ঘটনাগুলির পূর্বাভাস দিতে এই নিয়মগুলি ব্যবহার করা।

- তত্ত্বাবধানহীন শিক্ষা. অ্যালগরিদমটি লেবেলগুলির সাথে সরবরাহ করা হয় না, এটিকে কাঠামো এবং ইনপুট মডেলগুলি খুঁজে পেতে একা রেখে দেয়৷ তত্ত্বাবধানহীন শিক্ষা নিজেই শেষ হতে পারে (তথ্যের মধ্যে লুকানো নিদর্শনগুলি আবিষ্কার করার ক্ষেত্রে) বা নির্দিষ্ট কিছুর জন্য লক্ষ্য রাখা (যেমন, ডেটা থেকে প্রাসঙ্গিক বৈশিষ্ট্যগুলি বের করা)। তত্ত্বাবধানে থাকা শিক্ষার চেয়ে আউটপুটে কম মনোযোগ দেওয়া হয় এবং ইনপুট ডেটা অন্বেষণ এবং লুকানো কাঠামো এবং অচিহ্নিত ডেটা অনুমান করার উপর বেশি মনোযোগ দেওয়া হয়।

- আধা-তত্ত্বাবধানে শিক্ষা. ট্যাগ করা এবং আনট্যাগ করা ডেটা ব্যবহার করুন — সাধারণত প্লাস সেকেন্ড। অনেক গবেষক দেখতে পেয়েছেন যে দুটি ডেটা সেটের সংমিশ্রণ যথেষ্ট পরিমাণে শেখার প্রক্রিয়ার নির্ভুলতা বাড়ায়।

- শক্তিবৃদ্ধি শিক্ষা. এটি এমন এক ধরনের প্রশিক্ষণ যেখানে একটি অ্যালগরিদমকে একটি নির্দিষ্ট লক্ষ্য নির্ধারণ করা হয়, যেমন একটি যান্ত্রিক হাত চালানো বা Go খেলা৷ অ্যালগরিদম যে প্রতিটি পদক্ষেপ করে তা পুরস্কৃত বা শাস্তিপ্রাপ্ত হয়৷ প্রতিক্রিয়া অ্যালগরিদমকে লক্ষ্যে সবচেয়ে কার্যকরী পথ তৈরি করতে দেয়।

- নিউরাল নেটওয়ার্ক. এক ধরনের মেশিন লার্নিং যেখানে একটি অ্যালগরিদম, পর্যবেক্ষণমূলক ডেটা থেকে শেখার মাধ্যমে তথ্য প্রক্রিয়া করা হয় মানুষের স্নায়ুতন্ত্রের মতো। 1957 সালে, কর্নেল ইউনিভার্সিটির ফ্র্যাঙ্ক রোজেনব্ল্যাট প্রথম নিউরাল নেটওয়ার্ক আবিষ্কার করেন, একটি সহজ, একক-স্তরের স্থাপত্য (যা একটি পৃষ্ঠ নেটওয়ার্ক নামে পরিচিত)।

- গভীর শিক্ষা এবং উপসেট: ডিপ নিউরাল নেটওয়ার্ক (DNN), পুনরাবৃত্ত নিউরাল নেটওয়ার্ক (rnn), এবং ফিডফরওয়ার্ড নিউরাল নেটওয়ার্ক (FNN)। একটি মাল্টিলেভেল নিউরাল নেটওয়ার্ক প্রশিক্ষণের জন্য কৌশলগুলির সেট। ডিএনএন-এ "অনুভূত" ডেটা বিভিন্ন স্তরের মাধ্যমে প্রক্রিয়া করা হয়; প্রতিটি স্তর আগেরটির আউটপুট ইনপুট হিসাবে ব্যবহার করে। rnn তথ্যকে স্তরের মধ্যে প্রবাহিত হতে দেয়, fnn এর বিপরীতে, যেখানে ডেটা একমুখী হয়।

বুদ্ধিমান দক্ষতা উপাদান

- ভবিষ্যদ্বাণীমূলক সিস্টেম. সিস্টেম যা সম্পর্কিত ফলাফলের সাথে ঐতিহাসিক ডেটাসেটে ভেরিয়েবলের মধ্যে সম্পর্ক খুঁজে পায়। সম্পর্কগুলি মডেলগুলি বিকাশ করতে ব্যবহৃত হয়, যা ভবিষ্যতের পরিস্থিতির পূর্বাভাস দিতে ব্যবহৃত হয়।

- স্থানীয় অনুসন্ধান (অপ্টিমাইজেশান). সমস্যা সমাধানের একটি গাণিতিক পদ্ধতি যা সম্ভাব্য সমাধানের একটি বড় সেট ব্যবহার করে। অ্যালগরিদম সিরিজের একটি বিন্দু থেকে শুরু করে সর্বোত্তম সমাধানের সন্ধান করে এবং এটি সর্বোত্তম সমাধান না পাওয়া পর্যন্ত পুনরাবৃত্তিমূলকভাবে এবং পদ্ধতিগতভাবে প্রতিবেশী সমাধানগুলিতে চলে যায়।

- জ্ঞানের প্রতিনিধিত্ব. কৃত্রিম বুদ্ধিমত্তার একটি ক্ষেত্র এমন একটি ফর্মে বিশ্বের তথ্য উপস্থাপনের জন্য নিবেদিত যা কম্পিউটার কাজগুলি সম্পাদন করতে ব্যবহার করতে পারে, যেমন একটি চিকিৎসা নির্ণয় করা বা কোনও ব্যক্তির সাথে কথোপকথন করা।

- বিশেষজ্ঞ সিস্টেম (অনুমান). একটি সিস্টেম যা সেক্টরাল জ্ঞান (ঔষধ, রসায়ন, আইন) ব্যবহার করে একটি নিয়ম-ভিত্তিক ইঞ্জিনের সাথে মিলিত হয় যা সিদ্ধান্ত নেয় কিভাবে সেই জ্ঞান প্রয়োগ করা হয়। নতুন তথ্য যোগ করার সাথে সাথে বা নিয়ম আপডেট করা বা বৃদ্ধির সাথে সাথে সিস্টেমটি উন্নত হয়।

- কম্পিউটার ভিশন. ছবি এবং ভিডিওর বিষয়বস্তু সনাক্ত করতে, শ্রেণীবদ্ধ করতে এবং বুঝতে, মানুষের দৃষ্টি অনুকরণ এবং বাস্তবায়ন করতে কম্পিউটার শেখানোর জন্য একটি ক্ষেত্র নিবেদিত।

- অডিও সংকেত প্রক্রিয়াকরণ. মেশিন-লার্নিং যা অডিও এবং অন্যান্য ডিজিটাল সিগন্যাল বিশ্লেষণ করতে ব্যবহার করা যেতে পারে, বিশেষ করে উচ্চ সাউন্ড স্যাচুরেশন সহ পরিবেশে। অ্যাপ্লিকেশনগুলির মধ্যে গণনামূলক বক্তৃতা এবং অডিও এবং অডিওভিজুয়াল প্রক্রিয়াকরণ অন্তর্ভুক্ত রয়েছে।

টেক্সট থেকে বক্তৃতা. নিউরাল নেটওয়ার্ক যা বিভিন্ন প্রাকৃতিক ভাষায় অডিও সংকেতকে পাঠ্য সংকেতে রূপান্তর করে। অ্যাপ্লিকেশনগুলির মধ্যে অনুবাদ, ভয়েস কমান্ড এবং নিয়ন্ত্রণ, অডিও ট্রান্সক্রিপশন এবং আরও অনেক কিছু অন্তর্ভুক্ত রয়েছে।

- স্বাভাবিক ভাষা প্রক্রিয়াকরণ (NLP, প্রাকৃতিক ভাষা প্রক্রিয়াকরণ)। একটি ডোমেইন যেখানে কম্পিউটার মানব (প্রাকৃতিক) ভাষা প্রক্রিয়া করে। অ্যাপ্লিকেশনের মধ্যে রয়েছে বক্তৃতা স্বীকৃতি, মেশিন অনুবাদ, অনুভূতি বিশ্লেষণ।

এআই অ্যাপ্লিকেশন উপাদান

- বুদ্ধিমান এজেন্ট. এজেন্ট যারা প্রাকৃতিক ভাষার মাধ্যমে মানুষের সাথে যোগাযোগ করে। এগুলি গ্রাহক পরিষেবা, মানবসম্পদ, ইন্টার্নশিপ এবং ব্যবসার অন্যান্য ক্ষেত্রে যেখানে FAQ টেমপ্লেট অনুরোধগুলি পরিচালনা করা হয় সেখানে মানব শ্রম বাস্তবায়নের জন্য ব্যবহার করা যেতে পারে।

- সহযোগী রোবোটিক্স (কোবট). রোবট যেগুলি ধীর গতিতে কাজ করে এবং সেন্সর দিয়ে সজ্জিত যা মানুষের সহকর্মীদের সাথে নিরাপদ মিথস্ক্রিয়া করার অনুমতি দেয়।

- বায়োমেট্রিক, মুখ এবং অঙ্গভঙ্গি স্বীকৃতি. মানব-মেশিনের মিথস্ক্রিয়া, বা সনাক্তকরণ এবং যাচাইকরণের উদ্দেশ্যে বায়োমেট্রিক পরিমাপের (স্ট্রেস, কার্যকলাপ, ইত্যাদি) লোক, অঙ্গভঙ্গি বা প্রবণতা সনাক্ত করুন।

- বুদ্ধিমান অটোমেশন. এটি প্রথাগত ক্রিয়াকলাপকে ব্যাপকভাবে পরিবর্তন করতে মানুষ থেকে মেশিনে কিছু কাজ স্থানান্তর করে। যন্ত্রের সম্ভাব্যতা এবং ক্ষমতার মাধ্যমে (গতি, প্রশস্ততা, জটিলতা রোধ করার ক্ষমতা), এই সরঞ্জামগুলি মানুষের কাজের পরিপূরক করে এবং যেখানে সম্ভব তা প্রসারিত করে।

- সুপারিশ সিস্টেম. তারা অ্যালগরিদম দ্বারা সময়ের সাথে চিহ্নিত সূক্ষ্ম নিদর্শনগুলির উপর ভিত্তি করে সুপারিশ প্রদান করে। তারা নতুন পণ্যের পরামর্শ দিতে বা কৌশলগত পরামর্শের জন্য অভ্যন্তরীণভাবে ব্যবহার করার জন্য গ্রাহকদের লক্ষ্য করা যেতে পারে।

- স্মার্ট পণ্য. বুদ্ধিমত্তা ডিজাইনের মধ্যে তৈরি করা হয়েছে যাতে তারা ক্রমাগত গ্রাহকের চাহিদা এবং পছন্দগুলি পূরণ করতে এবং প্রত্যাশা করতে পারে।

- ব্যক্তিগতকরণ. পৃথক ব্যবহারকারী বা গ্রাহকদের জন্য সরঞ্জাম এবং পণ্য অপ্টিমাইজ করার জন্য গ্রাহক এবং কর্মীদের জন্য প্রবণতা এবং নিদর্শন বিশ্লেষণ করুন।

- পাঠ্য, বক্তৃতা, চিত্র এবং ভিডিওর স্বীকৃতি. এটি পাঠ্য, বক্তৃতা, চিত্র এবং ভিডিও থেকে ডেটা ব্যাখ্যা করে এবং অ্যাসোসিয়েশন তৈরি করে যা বিশ্লেষণাত্মক ক্রিয়াকলাপগুলিকে বিস্তৃত করতে এবং মিথস্ক্রিয়া এবং দৃষ্টিভঙ্গির জন্য উন্নত অ্যাপ্লিকেশন সক্ষম করতে ব্যবহার করা যেতে পারে।

- উদ্দীপিত বাস্তবতা. প্রশিক্ষণ, রক্ষণাবেক্ষণ এবং অন্যান্য কাজে বুদ্ধিমত্তা যোগ করতে ভার্চুয়াল, অগমেন্টেড এবং মিশ্র বাস্তবতা প্রযুক্তির সাথে AI এর শক্তিকে একত্রিত করুন।