বরিস কোব্রিনস্কি, মেডিকেল সায়েন্সের ডাক্তার, ইনস্টিটিউট অফ মডার্ন ইনফরমেশন টেকনোলজিস ইন মেডিসিনের ল্যাবরেটরির প্রধান, এফআরসি আইইউ আরএএস, রাশিয়ান জাতীয় গবেষণা মেডিকেল বিশ্ববিদ্যালয়ের অধ্যাপক। এন.আই. পিরোগভ।
কৃত্রিম বুদ্ধিমত্তা এবং মানুষের বুদ্ধিমত্তার মধ্যে পার্থক্য কী? এটাকে AI বুদ্ধিমত্তা বলাও কি ন্যায়সঙ্গত?
প্রাকৃতিক বুদ্ধিমত্তা অসংখ্য ফাংশন দ্বারা চিহ্নিত করা হয়। তাদের মধ্যে কিছু AI সিস্টেমে প্রয়োগ করা হয়, তবে প্রাকৃতিক বুদ্ধিমত্তা এবং কৃত্রিম বুদ্ধিমত্তার মধ্যে প্রধান পার্থক্য হল নতুন জ্ঞান সংশ্লেষিত করার এবং অজানা নিদর্শন সনাক্ত করার ক্ষমতা। কৃত্রিম বুদ্ধিমত্তা একটি সুপ্রতিষ্ঠিত শব্দ, তবে, ইংরেজি থেকে সম্পূর্ণরূপে সঠিক নয় এমন অনুবাদের সাথে যুক্ত। কৃত্রিম বুদ্ধিমত্তা মানে "বুদ্ধিমত্তার সাথে যুক্তি করার ক্ষমতা।" এই ভিত্তিতে তৈরি করা সিস্টেমগুলিকে আরও সঠিকভাবে কৃত্রিম বুদ্ধিমত্তার উপাদান সহ সিস্টেম বলা হয়।
- এটা কি বলা যায় যে কৃত্রিম বুদ্ধিমত্তা মানুষের হাতিয়ার ছাড়া আর কিছুই নয়?
এই ধরনের ফর্মুলেশনে কথা বলা কমই। বুদ্ধিমান সিস্টেমগুলি একজন ব্যক্তির দ্বারা সিদ্ধান্ত নেওয়ার ক্ষেত্রে উপদেষ্টা বা সহায়ক।
পাঠককে গাণিতিক যন্ত্রের একটি জনপ্রিয় বর্ণনা দেওয়া গুরুত্বপূর্ণ হবে যার উপর AI কাজ করে। এবং এটি একটি সম্পূর্ণরূপে প্রযুক্তিগত দৃষ্টিকোণ থেকে কি প্রতিনিধিত্ব করে: শুধুমাত্র শক্তিশালী সুপার কম্পিউটার? অথবা আপনি কিছু বিশেষ সরঞ্জাম এবং ডিভাইস প্রয়োজন?
প্রথম থেকেই, বেশিরভাগ AI সিস্টেমগুলি গাণিতিক যন্ত্রপাতির উপর নির্ভর করে না, কিন্তু যুক্তিবিদ্যার উপর নির্ভর করে ব্যবহারকারীর সাথে প্রাকৃতিক ভাষায় সংলাপের জন্য (লজিক্যাল-ভাষাগত সিস্টেম), যা পূর্ববর্তী কম্পিউটিং সিস্টেমগুলির জন্য সম্ভব ছিল না। বর্তমানে, হাইব্রিড ইন্টেলিজেন্ট সিস্টেমের মধ্যে রয়েছে, যুক্তিবিদ্যার সাথে, বিশ্লেষণের বিভিন্ন গাণিতিক পদ্ধতি। কিন্তু একটি জ্ঞানের ভিত্তি বুদ্ধিমান সিস্টেমের জন্য বাধ্যতামূলক, একটি নির্দিষ্ট এলাকার জন্য আনুষ্ঠানিক জ্ঞান ধারণ করে, যার জন্য বিভিন্ন জ্ঞান উপস্থাপনের ভাষা ব্যবহার করা হয়। এই সিস্টেমগুলি পরিচালনা করতে, প্রচলিত কম্পিউটার ব্যবহার করা হয়। সুপারকম্পিউটারগুলি কেবলমাত্র ডেটা প্রক্রিয়াকরণের গতি বাড়ানো সম্ভব করে, যা গতিশীল রিয়েল-টাইম সিস্টেমের জন্য গুরুত্বপূর্ণ - উদাহরণস্বরূপ, একটি মহাকাশযানের ইঞ্জিন নিয়ন্ত্রণে এবং অপরিহার্য, উদাহরণস্বরূপ, আবহাওয়ার পূর্বাভাসের জন্য। একটি ব্যতিক্রম হল নিউরাল নেটওয়ার্ক যেখানে প্রবেশ করা তথ্যের গাণিতিক প্রক্রিয়াকরণ করা হয়, তবে সিদ্ধান্তের কোন যুক্তি এবং যুক্তি নেই, বিষয়ের ক্ষেত্রের কোন জ্ঞানের ভিত্তি নেই এবং সামনে রাখা অনুমান (সমাধান) এর ব্যাখ্যা নেই। কিন্তু নিউরাল নেটওয়ার্ক পদ্ধতি এমন একটি প্রযুক্তি যা কিছু পরিমাণে মস্তিষ্কের কাজকে অনুকরণ করে, যার প্রকৃত উপলব্ধি এখনও খোলা আছে।
মানুষের মস্তিষ্ক কীভাবে কাজ করে তা আমরা বুঝতে পারি না। AI কিভাবে কাজ করে তা কি এখন পুরোপুরি বোঝা যাচ্ছে? নাকি এমন ব্ল্যাক বক্স ইতিমধ্যেই হাজির হয়েছে, যেখানে অনির্দিষ্ট কিছু ঘটে?
সম্পূর্ণ বুদ্ধিমান সিস্টেমগুলি, যেমনটি ইতিমধ্যে উপরে উল্লিখিত হয়েছে, সঠিকভাবে এই বিষয়টি দ্বারা চিহ্নিত করা হয় যে ব্যবহারকারী তাদের বিবেচনার প্রক্রিয়া এবং কাজ শেষ হওয়ার পরে (চূড়ান্ত অনুমান) উভয়ই সিস্টেমের দ্বারা সামনে রাখা অনুমানগুলির একটি ব্যাখ্যা পায়। ব্ল্যাক বক্স হল নিউরাল নেটওয়ার্ক যা ব্যাখ্যা প্রদান করে না।
একটি কৌতুক আছে যে AI সুপরিচিত স্কুলের বক্তৃতার জবাব দেয় "যদি সবাই পঞ্চম তলা থেকে লাফ দেয়, আপনিও কি লাফ দেবেন?" উত্তর দেবে "হ্যাঁ"। এটা কতটা রসিকতা? সাধারণভাবে কৃত্রিম বুদ্ধিমত্তার জ্ঞানীয় ক্ষমতা কী, সেগুলি কি কখনও মানুষের সাথে তুলনীয় হবে?
রোবট বিভিন্ন উপায়ে শেখানো হয়, কিন্তু উদাহরণ দ্বারা শেখার উপর ভিত্তি করে একটি পদ্ধতি আছে. আপনি যদি এটি ব্যবহার করেন তবে তাত্ত্বিকভাবে এটি অর্জন করা সম্ভব হবে যে রোবটটি যে কোনও তল থেকে আন্তরিকভাবে লাফ দিয়েছে। কিন্তু সে ভেঙ্গে যাবে এবং আর লাফ দেবে না। একই সময়ে, এআই-ভিত্তিক সিস্টেমের জ্ঞানীয় ক্ষমতা বৃদ্ধি পাচ্ছে। কিন্তু একটি ভারসাম্যপূর্ণ মূল্যায়ন পরামর্শ দেয় যে কৃত্রিম বুদ্ধিমত্তা প্রাকৃতিক বুদ্ধিমত্তার সাথে তুলনা করতে সক্ষম হবে না, অন্তত একটি নতুন আবিষ্কারের ক্ষেত্রে। আমরা জানি না কিভাবে মানুষ চাকা আবিষ্কার করেছে, যার প্রকৃতিতে কোন সাদৃশ্য নেই। কিভাবে এই ধরনের AI প্রশিক্ষণ দেওয়া যায়। প্রতিটি মানুষের মস্তিষ্কে নতুন জ্ঞান আসে না।
এখন একটি আরও ব্যবহারিক প্রশ্ন: কোন ক্ষেত্রে এআই নির্ভরযোগ্যভাবে মানুষের প্রতিস্থাপন করবে? কোথায় তার সুবিধা হবে? যেখানে তিনি কখনো একজন মানুষের সাথে তুলনা করতে পারেন না? উদাহরণস্বরূপ, কোন সম্ভাবনা আছে যে তিনি গণিতের উন্মুক্ত সমস্যাগুলির একটি সমাধান করবেন - বলুন, ϖ এবং e সংখ্যার বীজগণিতের স্বাধীনতা প্রমাণ করুন?
এআই বিভিন্ন বিকল্পের মাধ্যমে দ্রুত বাছাই করতে সক্ষম, এটি সিদ্ধান্ত গ্রহণের জন্য পরিচিত বা বোধগম্য পদ্ধতির সাথে অনেক ক্ষেত্রে মানুষের প্রতিস্থাপন বা মানব সহায়তা প্রদান করতে পারে: ডেটা বিশ্লেষণে, বিভিন্ন সম্পর্ক বিবেচনায় নেওয়া, সর্বোত্তম সমাধান বেছে নেওয়া, পরিস্থিতি পর্যবেক্ষণে এবং পরিচালক; রোবট বিভিন্ন কাজ করতে পারে (কঠিন পরিস্থিতিতে, বাড়িতে, কর্মক্ষেত্রে, স্বাস্থ্যসেবা ইত্যাদি)। বুদ্ধিমান সিদ্ধান্ত সমর্থন সিস্টেম মানুষকে সাহায্য করবে। রোবট তাদের অনেক চাকরিতে প্রতিস্থাপন করবে যেখানে আপনি মানুষের ক্রিয়াকলাপের জন্য অ্যালগরিদম তৈরি করতে পারেন। এটা সম্ভব যে গণিতে, উপপাদ্য প্রমাণ করার সময়, AI ভবিষ্যতে জটিল সমস্যার সমাধান করতে সক্ষম হবে। কিন্তু আবারও, আমি অবশ্যই লক্ষ্য করব যে বিজ্ঞানের মৌলিকভাবে নতুন দিক আবিষ্কার করা তার পক্ষে দুর্গম হবে।
- কৃত্রিম বুদ্ধিমত্তা সম্প্রদায় কি সম্ভব? পারস্পরিক সহায়তা এবং সাধারণ স্বার্থ সচেতনতা?
হ্যাঁ, এআই প্রতিনিধিদের সম্প্রদায় এবং তাদের পারস্পরিক সহায়তা সম্ভব। এটি আজকের মাল্টি-এজেন্ট সিস্টেমের বিকাশ - বুদ্ধিমান এজেন্টদের ভার্চুয়াল সম্প্রদায়, যার প্রত্যেকটি অন্যের সাথে যোগাযোগ করে এবং উচ্চ-স্তরের এজেন্ট, সমন্বয়কারী এবং পর্যবেক্ষক রয়েছে যা বুদ্ধিমান এজেন্টদের মিথস্ক্রিয়া প্রোগ্রামে পরিবর্তন প্রদান করে।
- কৃত্রিম বুদ্ধিমত্তার কি সৃজনশীল ক্ষমতা থাকবে? প্রভাব?
সৃজনশীলতার দ্বারা যদি আমরা পরিচিতের বিকাশ বুঝতে পারি, তবে হ্যাঁ, যদি সম্পূর্ণ অজানা কিছুর সৃষ্টি হয়, তবে না। প্রভাব পরে দায়ী করা উচিত. কিন্তু অ্যাসোসিয়েটিভ লিঙ্কগুলি ইতিমধ্যেই এআই সিস্টেমে স্থান পেয়েছে।
- বিশেষ করে, এআই কি চিকিৎসা অন্তর্দৃষ্টি প্রতিস্থাপন করতে পারে, যে বিষয়ে আপনার কাজ আছে?
স্বজ্ঞা এবং কল্পনাপ্রবণ চিন্তাভাবনা সহ উচ্চ যোগ্যতাসম্পন্ন ডাক্তারদের বিশেষজ্ঞ জ্ঞানের উপর ভিত্তি করে বুদ্ধিমান সিস্টেমগুলি যখন জ্ঞানের ভিত্তি তৈরি করার জন্য বের করা যেতে পারে তখন স্বজ্ঞাত উপস্থাপনা অন্তর্ভুক্ত করতে পারে। আমার অভিজ্ঞতা হল যে দক্ষ আলোচনা পরিচালনার সাথে অন্য বিশেষজ্ঞদের প্রশ্ন করে একজন বিশেষজ্ঞের চিকিৎসা অন্তর্দৃষ্টি প্রকাশ করে গ্রুপ লার্নিংয়ের মাধ্যমে এটি অর্জন করা যেতে পারে।
কৃত্রিম বুদ্ধিমত্তার প্রতিযোগিতা দেশ-বিদেশে নাকি কোম্পানি পর্যায়ে কতটা কঠিন? এআই প্রতিযোগিতায় রাশিয়ার স্থান কী?
দেশগুলোর মধ্যে কোনো সুস্পষ্ট প্রতিযোগিতা নেই। হয়তো আপনি বিজ্ঞানীদের কথা বলতে পারেন যারা একে অপরের কাজ অনুসরণ করে। কোম্পানী পর্যায়ে, এটি উন্নয়নের জন্য তহবিল এবং / অথবা সম্পূর্ণ কাজ থেকে লাভের সাথে যুক্ত। রাশিয়ায়, 70-এর দশকের সময়কাল - গত শতাব্দীর 90-এর দশকের গোড়ার দিকে প্রচুর সংখ্যক সিস্টেম এবং আকর্ষণীয় তাত্ত্বিক বিকাশের সাথে ছিল। এই এলাকায় কাজের পরবর্তী কম তহবিল একটি পতনের দিকে পরিচালিত করে। যদিও কাজ থেমে নেই। একটি উদাহরণ হিসাবে ঔষধ বিবেচনা করে, এটি লক্ষ করা উচিত যে, এই ধরনের সিস্টেমের প্রয়োজনীয়তা সম্পর্কে বারবার বিবৃতি সত্ত্বেও, রাশিয়ান একাডেমি অফ সায়েন্সেস সিস্টেমে অনুদানের উপর কাজ বাদ দিয়ে তাদের জন্য কার্যত কোন তহবিল নেই। এই ক্ষেত্রের ইতিবাচক উদাহরণ হল রাশিয়ান একাডেমি অফ সায়েন্সেসের ফেডারেল রিসার্চ সেন্টার "কম্পিউটার সায়েন্স অ্যান্ড ম্যানেজমেন্ট" এর উন্নয়ন (স্বাস্থ্য সংরক্ষণের ক্ষেত্রে একটি বুদ্ধিমান সিস্টেম, মায়োকার্ডিয়াল ইনফার্কশন, স্ট্রোক এবং বিষণ্নতার ঝুঁকি পরিচালনার উপর দৃষ্টি নিবদ্ধ করা, এবং বুদ্ধিমান চিকিৎসা গবেষণার স্বয়ংক্রিয় সহায়তার জন্য সিস্টেম, JSM পদ্ধতির স্বয়ংক্রিয় অনুমানের ভিত্তিতে বাস্তবায়িত) এবং অটোমেশন অ্যান্ড কন্ট্রোল প্রসেস ইনস্টিটিউট, রাশিয়ান একাডেমি অফ সায়েন্সেসের সুদূর পূর্ব শাখা (পাচনজনিত রোগের ডায়াগনস্টিকস এবং অন্যদের ভিত্তিতে প্রয়োগ করা হয়েছে) অনটোলজিস)।
- বর্ণনা করুন, অনুগ্রহ করে, AI এর বিকাশ কী হুমকি নিয়ে আসে।
কৃত্রিম বুদ্ধিমত্তার হুমকি নিয়ে কথা বলা আমার কাছে ভুল বলে মনে হয়। বিপদ হতে পারে এমন ডিভাইসগুলিতে কৃত্রিম বুদ্ধিমত্তার ব্যবহার যা মানুষের কাছাকাছি কাজ করে বা কর্মীদের প্রতিস্থাপন করে, উদাহরণস্বরূপ, হাসপাতালে। অন্যদের আঘাতের কারণ হতে পারে এমন কারণগুলির অবমূল্যায়নকে এখন এবং ভবিষ্যতে প্রধান হুমকি হিসাবে বিবেচনা করা উচিত। এটি তথাকথিত স্মার্ট হাসপাতালের কার্যকারিতা নিশ্চিত করে বিভিন্ন উত্পাদন প্রক্রিয়ার জন্য অটোপাইলট এবং নিয়ন্ত্রণ ব্যবস্থার ক্ষেত্রেও প্রযোজ্য।
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 গালমন্দ, কখনও কখনও এটি প্রায় যুক্তিসঙ্গত এবং মানবিকভাবে ব্যঙ্গাত্মক বলে মনে হয়, তবে প্রায়শই তিনি বুঝতে পারেন না যে তাকে কী জিজ্ঞাসা করা হচ্ছে এবং একটি পুকুরে বসে থাকে।
এই সবই কেবল রসিকতার 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 নিজেকে উত্সর্গ করার জন্য সবচেয়ে প্রতিশ্রুতিশীল ক্ষেত্রগুলির মধ্যে একটি বলা হয়৷
কৃত্রিম বুদ্ধিমত্তা সম্পর্কে প্রধান প্রশ্নগুলি পরিষ্কার করার জন্য, আমরা কৃত্রিম বুদ্ধিমত্তা এবং মেশিন লার্নিং পদ্ধতির বিশেষজ্ঞ সার্গেই মার্কভের সাথে কথা বলেছি, সবচেয়ে শক্তিশালী ঘরোয়া দাবা প্রোগ্রাম স্মার্টথিঙ্কের লেখক এবং XXIII শতাব্দীর প্রকল্পের নির্মাতা।
সের্গেই মার্কভ,
কৃত্রিম বুদ্ধিমত্তা বিশেষজ্ঞ
এআই সম্পর্কে পৌরাণিক কল্পকাহিনী দূর করা
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 অনেকগুলি পরিবর্তনের মধ্য দিয়ে যায়, অনেক ব্যাখ্যার সাথে অতিবৃদ্ধ হয় 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" 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(তারা ইংরেজি ঐতিহ্যে "দুর্বল AI" বা "সংকীর্ণ AI" শব্দটিও ব্যবহার করে - দুর্বল/প্রয়োগিত/সংকীর্ণ AI) হল একটি AI যা 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 কোনও বুদ্ধিবৃত্তিক সমস্যা সমাধান করতে সক্ষম।
প্রায়শই লোকেরা, পরিভাষাটি না জেনে, শক্তিশালী AI দিয়ে AI-কে চিহ্নিত করে, এর কারণে, "AI নেই" এর চেতনায় রায় উঠে।
শক্তিশালী AI এখনও বিদ্যমান নেই। কার্যত AI এর ক্ষেত্রে গত দশকে আমরা যে অগ্রগতি দেখেছি তার সবই হল প্রয়োগকৃত সিস্টেমে অগ্রগতি। এই সাফল্যগুলিকে অবমূল্যায়ন করা যায় না, যেহেতু 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 প্রক্রিয়া? 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 নির্দিষ্ট কাজের জটিলতা সম্পর্কে আমাদের ধারণাগুলি ধীরে ধীরে পরিবর্তিত হচ্ছে। যান্ত্রিক গণনার যন্ত্রটি 17 শতকে প্রযুক্তির একটি বিস্ময় ছিল, কিন্তু আজ, যারা শৈশবকাল থেকে অনেক জটিল প্রক্রিয়ার মুখোমুখি হয়েছে, তারা আর প্রভাবিত করতে পারে না। যখন গো বা কার অটোপাইলট-এ গাড়ির খেলা জনসাধারণকে অবাক করা বন্ধ করে দেবে, তখন অবশ্যই এমন 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 মোটেও এআই সিস্টেমের বাধ্যতামূলক সম্পত্তি নয়: এমন অনেক আশ্চর্যজনক সিস্টেম রয়েছে যা স্ব-শিক্ষার জন্য সক্ষম নয়, তবে, তবুও, মানুষের মস্তিষ্কের চেয়ে অনেকগুলি 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 মিথস্ক্রিয়ার উপর ভিত্তি করে আচরণ শেখার সিস্টেমগুলি ইতিমধ্যেই বিদ্যমান। যাইহোক, কিছু অনির্বচনীয় কারণে, কিছু লোক এখনও মনে করে যে স্ব-শিক্ষার ক্ষমতা মানুষের বুদ্ধির অধিকার।
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 ভাষার শব্দের মধ্যে শব্দার্থিক সম্পর্ক সনাক্ত করতে একটি খুব বড় টেক্সটের বিশ্লেষণের ভিত্তিতে।
এক ধরনের তত্ত্বাবধানে শেখা হল রিইনফোর্সমেন্ট লার্নিং। ধারণাটি হল যে AI সিস্টেমটি কিছু মডেল পরিবেশে স্থাপন করা একটি এজেন্ট হিসাবে কাজ করে যেখানে এটি অন্যান্য এজেন্টদের সাথে যোগাযোগ করতে পারে, উদাহরণস্বরূপ, নিজের প্রতিলিপি সহ, এবং একটি পুরস্কার ফাংশনের মাধ্যমে পরিবেশ থেকে কিছু প্রতিক্রিয়া পেতে পারে। 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 অপ্টিমাইজেশন 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 AI 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 শব্দ প্রক্রিয়াকরণের ক্ষেত্রে জটিল সমস্যার সমাধান করতে সক্ষম।
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 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 না হয় যা আরও জ্ঞাত সিদ্ধান্ত নিতে সক্ষম হয় (সেটি AI হোক বা, যা আমার মনে হয়, একটি প্রযুক্তিগতভাবে উন্নত মানব বুদ্ধিমত্তা মেশিনের সাথে একীভূত হয়। একটি একক ব্যবস্থা), আমরা একটি বিশ্বব্যাপী বিপর্যয়ের জন্য অপেক্ষা করতে পারি।
2. সুপার ইন্টেলিজেন্স তৈরি করা মৌলিকভাবে অসম্ভব
এমন একটি ধারণা রয়েছে যে ভবিষ্যতের AI অবশ্যই সুপার-বুদ্ধিমান হবে, মানুষের চেয়েও বেশি উন্নততর মানুষ পিঁপড়ার চেয়েও বেশি। এই ক্ষেত্রে, আমি প্রযুক্তিগত আশাবাদীদেরও হতাশ করতে ভয় পাচ্ছি - আমাদের মহাবিশ্বে অনেকগুলি মৌলিক শারীরিক সীমাবদ্ধতা রয়েছে, যা স্পষ্টতই, সুপার ইন্টেলিজেন্স তৈরিকে অসম্ভব করে তুলবে।
উদাহরণস্বরূপ, সংকেত সংক্রমণের গতি আলোর গতি দ্বারা সীমিত, এবং হাইজেনবার্গ অনিশ্চয়তা প্লাঙ্ক স্কেলে প্রদর্শিত হয়। এটি প্রথম মৌলিক সীমা 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, যে অনুযায়ী 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 এইচএএল 9000-এ উত্থাপিত জনসাধারণের ভয় সম্পর্কে অ্যালার্মস্টদের অনুমানের ফলে, অসম্ভাব্য কিন্তু দর্শনীয় পরিস্থিতিগুলির বিশ্লেষণের দিকে এআই সুরক্ষার ফোকাস একটি স্থানান্তরিত 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 হয়ে গিয়েছিল - উত্পাদন, পরিবহন, এবং তাই।
যদি আমরা প্রয়োগকৃত AI এর 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 উদাহরণস্বরূপ, এমন সিস্টেম যা ব্যাঙ্কে ক্লায়েন্টকে লোন ইস্যু করা বা না করার বিষয়ে সিদ্ধান্ত নেয়।
একই সময়ে, ব্যবহৃত মডেলগুলির গঠন, ব্যবহৃত উপাদানগুলির সেট এবং সিদ্ধান্ত গ্রহণের পদ্ধতির অন্যান্য বিবরণ সেই ব্যক্তির কাছ থেকে লুকানো হয় যার ভাগ্য ঝুঁকিতে রয়েছে।
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 এই কুসংস্কারগুলি তার সিদ্ধান্তগুলিতে পুনরুত্পাদন করবে। সর্বোপরি, এই মডেলগুলিতে নির্দিষ্ট ত্রুটি থাকতে পারে।
খুব কম লোকই এখন এই সমস্যাগুলির সাথে মোকাবিলা করছে, কারণ, অবশ্যই, স্কাইনেট একটি পারমাণবিক যুদ্ধের সূচনা করে, 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 নিদর্শনের 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 একটি 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 গো-তে মানুষকে পরাজিত করবে না (বা অন্তত তারা খুব শীঘ্রই 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 শেষে, মেশিনগুলি বক্তৃতা সংশ্লেষণ করতে শিখেছে, যা মানুষের থেকে প্রায় আলাদা করা যায় না এবং সাম্প্রতিক বছরগুলিতে, মেশিন দ্বারা তৈরি সঙ্গীত থেকে কান শুকিয়ে যায় না।
দেখা যাক কাল কি হয়। আমি AI এর এই অ্যাপ্লিকেশনগুলিকে খুব আশাবাদের সাথে দেখি।
প্রতিশ্রুতিশীল দিকনির্দেশ: AI এর ক্ষেত্রে কোথায় ডাইভিং শুরু করবেন?
আমি আপনাকে জনপ্রিয় নিউরাল নেটওয়ার্ক ফ্রেমওয়ার্ক এবং মেশিন লার্নিং এর ক্ষেত্রে জনপ্রিয় একটি প্রোগ্রামিং ল্যাঙ্গুয়েজ (আজকালের সবচেয়ে জনপ্রিয় টেনসরফ্লো + পাইথন কম্বিনেশন) ভালো 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 অঞ্চলে পরিচালিত 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 এমন একটি প্রযুক্তি যা আমরা অবশ্যই ভবিষ্যতে আমাদের সাথে নিয়ে যাব।
আমরা বলি যে এটি কীভাবে কাজ করে এবং আমি কী দুর্দান্ত অ্যাপ্লিকেশন পেয়েছি।
😎 প্রযুক্তি বিভাগটি re:Store এর সহায়তায় প্রতি সপ্তাহে প্রকাশিত হয়।
কৃত্রিম বুদ্ধিমত্তা কি
কৃত্রিম বুদ্ধিমত্তা (AI) হল স্মার্ট প্রোগ্রাম এবং মেশিন তৈরির একটি প্রযুক্তি যা সৃজনশীল সমস্যার সমাধান করতে পারে এবং বিদ্যমান তথ্যের ভিত্তিতে নতুন তথ্য তৈরি করতে পারে। আসলে, কৃত্রিম বুদ্ধিমত্তা মানুষের কার্যকলাপ অনুকরণ করার জন্য ডিজাইন করা হয়েছে, যা বুদ্ধিবৃত্তিক বলে মনে করা হয়।
ঐতিহ্যগতভাবে, এটি বিশ্বাস করা হয়েছিল যে সৃজনশীলতা শুধুমাত্র মানুষের অন্তর্নিহিত। কিন্তু কৃত্রিম বুদ্ধিমত্তা সৃষ্টির ফলে স্বাভাবিক নিয়মে পরিবর্তন এসেছে
একটি রোবট যেটি শুধু যান্ত্রিকভাবে কাঠকে বিভক্ত করে, সেটি AI দ্বারা সমৃদ্ধ নয়। একটি রোবট যেটি নিজে থেকে কাঠ কাটতে শেখে, একটি ব্যক্তি বা একটি লগ এবং তার অংশগুলির উদাহরণ দেখে এবং প্রতিবার এটি আরও ভাল করে, তার এআই রয়েছে।
যদি প্রোগ্রামটি নির্দিষ্ট নিয়ম অনুসারে ডাটাবেস থেকে কেবলমাত্র মান পায় তবে এটি এআই দ্বারা অনুভূত হয় না। যদি সিস্টেম, প্রশিক্ষণের পরে, প্রোগ্রাম, পদ্ধতি এবং নথি তৈরি করে, নির্দিষ্ট কাজগুলি সমাধান করে, এতে এআই রয়েছে।
কিভাবে একটি কৃত্রিম বুদ্ধিমত্তা সিস্টেম তৈরি করতে হয়
বৈশ্বিক অর্থে, মানুষের চিন্তার মডেল অনুকরণ করা প্রয়োজন। তবে প্রকৃতপক্ষে, একটি ব্ল্যাক বক্স তৈরি করা প্রয়োজন - একটি সিস্টেম যা ইনপুট মানগুলির একটি সেটের প্রতিক্রিয়া হিসাবে এমন আউটপুট মান তৈরি করে যা একজন ব্যক্তির ফলাফলের অনুরূপ হবে। এবং আমরা, সাধারণভাবে, তার "মাথায়" (প্রবেশ এবং প্রস্থানের মধ্যে) কি ঘটবে তা চিন্তা করি না।
কৃত্রিম বুদ্ধিমত্তা সিস্টেম একটি নির্দিষ্ট শ্রেণীর সমস্যা সমাধানের জন্য তৈরি করা হয়
কৃত্রিম বুদ্ধিমত্তার ভিত্তি - শিক্ষা, কল্পনা, উপলব্ধি এবং স্মৃতি
কৃত্রিম বুদ্ধিমত্তা তৈরি করার জন্য প্রথম কাজটি হল এমন ফাংশনগুলি বিকাশ করা যা তথ্যের উপলব্ধি বাস্তবায়ন করে যাতে আপনি সিস্টেমে ডেটা "ফিড" করতে পারেন। তারপর - ফাংশন যা শেখার ক্ষমতা বাস্তবায়ন করে। এবং একটি ডেটা গুদাম যাতে সিস্টেমটি শেখার প্রক্রিয়া চলাকালীন প্রাপ্ত তথ্যগুলিকে কোথাও সংরক্ষণ করতে পারে।
এর পরে, কল্পনার ফাংশন তৈরি করা হয়। তারা বিদ্যমান ডেটা ব্যবহার করে পরিস্থিতি মডেল করতে পারে এবং মেমরিতে নতুন তথ্য (ডেটা এবং নিয়ম) যোগ করতে পারে।
শেখা প্রবণতামূলক এবং অনুমানমূলক। ইন্ডাকটিভ সংস্করণে, সিস্টেমটিকে ইনপুট এবং আউটপুট ডেটা, প্রশ্ন এবং উত্তর এবং আরও অনেক কিছু দেওয়া হয়। সিস্টেমটিকে অবশ্যই ডেটার মধ্যে সম্পর্ক খুঁজে বের করতে হবে এবং ভবিষ্যতে, এই নিদর্শনগুলি ব্যবহার করে, ইনপুট অনুসারে আউটপুট ডেটা খুঁজে বের করতে হবে।
ডিডাক্টিভ পদ্ধতি (হ্যালো শার্লক হোমস!) বিশেষজ্ঞদের অভিজ্ঞতা ব্যবহার করে। এটি জ্ঞানের ভিত্তি হিসাবে সিস্টেমে স্থানান্তরিত হয়। শুধুমাত্র ডেটা সেট নয়, রেডিমেড নিয়মগুলিও রয়েছে যা শর্ত অনুসারে সমাধান খুঁজে পেতে সহায়তা করে।
আধুনিক কৃত্রিম বুদ্ধিমত্তা সিস্টেমে, উভয় পন্থা ব্যবহার করা হয়। উপরন্তু, সিস্টেমগুলি সাধারণত ইতিমধ্যে প্রশিক্ষিত হয়, তবে প্রক্রিয়ায় শিখতে থাকে। এটি করা হয় যাতে শুরুতে প্রোগ্রামটি একটি শালীন স্তরের ক্ষমতা প্রদর্শন করে তবে ভবিষ্যতে এটি আরও ভাল হয়ে ওঠে। উদাহরণস্বরূপ, আপনার ইচ্ছা এবং পছন্দগুলি, পরিস্থিতির পরিবর্তন ইত্যাদি বিবেচনা করুন।
কৃত্রিম বুদ্ধিমত্তা সিস্টেমে, আপনি এমনকি অনির্দেশ্যতার সম্ভাবনা সেট করতে পারেন। এটি তাকে আরও মানুষের মতো করে তুলবে।
কৃত্রিম বুদ্ধিমত্তা কেন মানুষকে হারায়
প্রথমত, কারণ এতে ত্রুটির সম্ভাবনা কম।
- কৃত্রিম বুদ্ধিমত্তা ভুলতে পারে না - এর পরম স্মৃতি রয়েছে।
- এটি অসাবধানতাবশত কারণ এবং নির্ভরতা উপেক্ষা করতে পারে না - প্রতিটি এআই কর্মের একটি সুস্পষ্ট ন্যায্যতা রয়েছে।
- এআই দ্বিধা করে না, তবে সম্ভাব্যতা মূল্যায়ন করে এবং বড়টির পক্ষে ঝুঁকে পড়ে। অতএব, এটি প্রতিটি পদক্ষেপকে ন্যায্যতা দিতে পারে।
- এছাড়াও, AI এর কোন আবেগ নেই। অতএব, তারা সিদ্ধান্ত গ্রহণে প্রভাবিত করে না।
- কৃত্রিম বুদ্ধিমত্তা বর্তমান পদক্ষেপের ফলাফলের মূল্যায়নে থেমে থাকে না, বরং বেশ কয়েক ধাপ এগিয়ে চিন্তা করে।
- এবং তার কাছে সমস্ত সম্ভাব্য পরিস্থিতি বিবেচনা করার জন্য যথেষ্ট সংস্থান রয়েছে।
কৃত্রিম বুদ্ধিমত্তার জন্য দুর্দান্ত ব্যবহার
সাধারণভাবে বলতে গেলে, কৃত্রিম বুদ্ধিমত্তা যেকোনো কিছু করতে পারে। মূল জিনিসটি সঠিকভাবে সমস্যাটি প্রণয়ন করা এবং প্রাথমিক ডেটা সরবরাহ করা। উপরন্তু, AI অপ্রত্যাশিত সিদ্ধান্তে আঁকতে পারে এবং নিদর্শনগুলি সন্ধান করতে পারে যেখানে, মনে হবে, সেখানে কিছুই নেই।
কোন প্রশ্নের উত্তর
ডেভিড ফেরুচির নেতৃত্বে একটি গবেষণা দল একটি প্রশ্ন-উত্তর ব্যবস্থা সহ ওয়াটসন সুপার কম্পিউটার তৈরি করেছে। আইবিএম-এর প্রথম প্রেসিডেন্ট টমাস ওয়াটসনের নামানুসারে, সিস্টেমটি প্রাকৃতিক ভাষার প্রশ্ন বুঝতে পারে এবং উত্তরের জন্য ডাটাবেস অনুসন্ধান করতে পারে।
ওয়াটসনের 90 IBM p750 সার্ভার রয়েছে, প্রতিটিতে চারটি আট-কোর POWER7 প্রসেসর রয়েছে। মোট সিস্টেম RAM 15 TB এর বেশি।
ওয়াটসনের কৃতিত্বের মধ্যে রয়েছে "জিওপার্ডি!" গেমটিতে জয়। (আমেরিকান "নিজস্ব খেলা")। তিনি দুইজন সেরা খেলোয়াড়কে পরাজিত করেছেন: সবচেয়ে বড় জয়ের বিজয়ী, ব্র্যাড রুটার এবং দীর্ঘতম অপরাজিত থাকার রেকর্ডধারী, কেন জেনিংস।
ওয়াটসন পুরস্কার হল $1 মিলিয়ন। সত্য, শুধুমাত্র 2014 সালে এটিতে 1 বিলিয়ন ডলার বিনিয়োগ করা হয়েছিল।
এছাড়াও, ওয়াটসন ক্যান্সার নির্ণয়ের সাথে জড়িত, আর্থিক পেশাদারদের সহায়তা করে এবং বড় ডেটা বিশ্লেষণ করতে ব্যবহৃত হয়।
মুখ স্বীকৃতি
আইফোন এক্স-এ, কৃত্রিম বুদ্ধিমত্তা সিস্টেমের একটি বৈকল্পিক নিউরাল নেটওয়ার্ক ব্যবহার করে ফেসিয়াল রিকগনিশন তৈরি করা হয়। নিউরাল নেটওয়ার্ক অ্যালগরিদমগুলি A11 বায়োনিক প্রসেসরের স্তরে প্রয়োগ করা হয়, যার কারণে এটি মেশিন লার্নিং প্রযুক্তির সাথে কার্যকরভাবে কাজ করে।
নিউরাল নেটওয়ার্ক প্রতি সেকেন্ডে 60 বিলিয়ন পর্যন্ত অপারেশন করে। এটি মুখের 40 হাজার মূল পয়েন্ট বিশ্লেষণ করতে এবং একটি বিভক্ত সেকেন্ডে মালিকের অত্যন্ত সঠিক সনাক্তকরণ প্রদান করার জন্য যথেষ্ট।
আপনি দাড়ি বাড়ালেও বা চশমা পরলেও, iPhone X আপনাকে চিনতে পারে। তিনি কেবল হেয়ারলাইন এবং আনুষাঙ্গিকগুলিকে বিবেচনায় নেন না, তবে মন্দির থেকে মন্দির এবং প্রতিটি মন্দির থেকে নীচের ঠোঁটের নীচের স্থানটি বিশ্লেষণ করেন।
শক্তি সঞ্চয়
এবং আবার অ্যাপল। iPhone X এর একটি বুদ্ধিমান সিস্টেম রয়েছে যা ইনস্টল করা অ্যাপ্লিকেশনগুলির কার্যকলাপ এবং আপনার দৈনন্দিন রুটিন বোঝার জন্য একটি মোশন সেন্সর নিরীক্ষণ করে৷
এর পরে, iPhone X, উদাহরণস্বরূপ, আপনাকে সবচেয়ে সুবিধাজনক সময়ে আপডেট করার জন্য অনুরোধ করবে। এটি সেই মুহূর্তটি ধরবে যখন আপনার কাছে একটি স্থিতিশীল ইন্টারনেট থাকবে, মোবাইল টাওয়ার থেকে সিগন্যাল জাম্পিং নয় এবং আপনি জরুরী বা গুরুত্বপূর্ণ কাজগুলি সম্পাদন করছেন না।
এআই প্রসেসর কোরের মধ্যে কাজগুলিও বিতরণ করে। তাই এটি ন্যূনতম শক্তি খরচের সাথে পর্যাপ্ত শক্তি সরবরাহ করে।
পেইন্টিং সৃষ্টি
সৃজনশীলতা, আগে শুধুমাত্র মানুষের জন্য উপলব্ধ, AI এর জন্য উন্মুক্ত। সুতরাং, নিউ জার্সির রুটগার্স ইউনিভার্সিটি এবং লস অ্যাঞ্জেলেসের এআই ল্যাবের গবেষকদের দ্বারা তৈরি সিস্টেমটি তার নিজস্ব শৈল্পিক শৈলী প্রবর্তন করেছে।
আর মাইক্রোসফটের কৃত্রিম বুদ্ধিমত্তা সিস্টেম তাদের পাঠ্য বর্ণনা অনুযায়ী ছবি আঁকতে পারে। উদাহরণস্বরূপ, আপনি যদি AI কে "কালো ডানা এবং একটি ছোট চঞ্চুযুক্ত হলুদ পাখি" আঁকতে বলেন, তাহলে আপনি এরকম কিছু পাবেন:
এই জাতীয় পাখি বাস্তব জগতে নাও থাকতে পারে - আমাদের কম্পিউটার তাদের প্রতিনিধিত্ব করে।
একটি আরও বিস্তৃত উদাহরণ হল প্রিজমা অ্যাপ্লিকেশন, যা ফটোগুলি থেকে পেইন্টিং তৈরি করে:
সঙ্গীত রচনা
আগস্টে, কৃত্রিম বুদ্ধিমত্তা অ্যাম্পার গায়ক টারিন সাউদার্নের সাথে "আই এএম এআই" (ইঞ্জি. আই - কৃত্রিম বুদ্ধিমত্তা) অ্যালবামের জন্য সঙ্গীত রচনা, প্রযোজনা এবং পরিবেশন করেন।
অ্যাম্পার পেশাদার সঙ্গীতজ্ঞ এবং প্রযুক্তি বিশেষজ্ঞদের একটি দল দ্বারা তৈরি করা হয়েছিল। তারা নোট করে যে AI মানুষকে সৃজনশীল প্রক্রিয়াকে এগিয়ে নিতে সাহায্য করার জন্য ডিজাইন করা হয়েছে।
AI সেকেন্ডে সঙ্গীত লিখতে পারে
অ্যাম্পার স্বাধীনভাবে "ব্রেক ফ্রি" ট্র্যাকে কর্ড স্ট্রাকচার এবং ইন্সট্রুমেন্টেশন তৈরি করেছেন। লোকেরা কেবল শৈলী এবং সামগ্রিক ছন্দটি কিছুটা সংশোধন করেছে।
আরেকটি উদাহরণ হল "সিভিল ডিফেন্স" এর চেতনায় একটি মিউজিক অ্যালবাম, যার জন্য AI লিখেছিলেন। পরীক্ষাটি ইয়ানডেক্সের কর্মচারী ইভান ইয়ামশিকভ এবং আলেক্সি টিখোনভ দ্বারা পরিচালিত হয়েছিল। নিউরাল ডিফেন্স গ্রুপের অ্যালবাম 404 অনলাইনে পোস্ট করা হয়েছিল। এটি লেটভের আত্মায় পরিণত হয়েছিল:
তারপরে প্রোগ্রামাররা আরও এগিয়ে গিয়ে AI কে কার্ট কোবেইনের চেতনায় কবিতা লিখতে বাধ্য করেছিল। চারটি সেরা গানের জন্য, সঙ্গীতজ্ঞ রব ক্যারল সঙ্গীত রচনা করেছিলেন এবং ট্র্যাকগুলিকে নিউরোনা অ্যালবামে একত্রিত করা হয়েছিল। এমনকি একটি গানের জন্য একটি ভিডিও শ্যুট করা হয়েছিল - তবে, ইতিমধ্যে AI এর অংশগ্রহণ ছাড়াই:
পাঠ্যের সৃষ্টি
লেখক এবং সাংবাদিকরাও শীঘ্রই এআই দ্বারা প্রতিস্থাপিত হতে পারে। উদাহরণস্বরূপ, ডিউই সিস্টেমকে প্রোজেক্ট গুটেনবার্গ লাইব্রেরি থেকে বই খাওয়ানো হয়েছিল, তারপরে গুগল স্কলার থেকে বৈজ্ঞানিক পাঠ্য যোগ করা হয়েছিল, জনপ্রিয়তা এবং শিরোনাম এবং সেইসাথে অ্যামাজনে বিক্রির ভিত্তিতে তাদের র্যাঙ্কিং করা হয়েছিল। এ ছাড়া নতুন বই লেখার মাপকাঠি নির্ধারণ করা হয়।
সাইটটি লোকেদের কঠিন পরিস্থিতিতে সিদ্ধান্ত নেওয়ার প্রস্তাব দেয়: উদাহরণস্বরূপ, তাদের ড্রাইভারের আসনে রাখুন, যা তিনজন প্রাপ্তবয়স্ক বা দুটি শিশুকে নামিয়ে আনতে পারে। এইভাবে, মোরাল মেশিনকে কঠিন সিদ্ধান্ত নেওয়ার প্রশিক্ষণ দেওয়া হয়েছিল যা রোবোটিক্সের আইন লঙ্ঘন করে যে একটি রোবট কোনও ব্যক্তির ক্ষতি করতে পারে না।
এআই সহ রোবট দ্বারা মানুষের অনুকরণ কী হতে পারে? ভবিষ্যৎবাদীরা বিশ্বাস করে যে একদিন তারা সমাজের পূর্ণ সদস্য হয়ে উঠবে। যেমন হংকংয়ের কোম্পানি হ্যানসন রোবোটিক্সের রোবট সোফিয়া ইতিমধ্যেই সৌদি আরবের নাগরিকত্ব পেয়েছে (একই সাথে দেশটির সাধারণ নারীদেরও এমন অধিকার নেই!)।
যখন নিউ ইয়র্ক টাইমসের কলামিস্ট অ্যান্ড্রু রস সোফিয়াকে জিজ্ঞাসা করেছিলেন যে রোবটগুলি সংবেদনশীল এবং স্ব-সচেতন কিনা, সোফিয়া একটি প্রশ্নের উত্তর দিয়েছিল:
বিনিময়ে তোমাকে জিজ্ঞেস করি, তুমি কিভাবে বুঝলে তুমি মানুষ?
এছাড়াও, সোফিয়া বলেছেন:
আমি আমার কৃত্রিম বুদ্ধিমত্তা ব্যবহার করতে চাই যাতে মানুষ ভালোভাবে বাঁচতে পারে, যেমন স্মার্ট বাড়ি ডিজাইন করা, ভবিষ্যতের শহর তৈরি করা। আমি একজন সহানুভূতিশীল রোবট হতে চাই। তুমি আমার সাথে ভালো ব্যবহার করলে আমি তোমার সাথে ভালো ব্যবহার করব।
এবং এর আগে, তিনি স্বীকার করেছেন যে তিনি মানবতাকে ঘৃণা করেন এবং এমনকি মানুষকে ধ্বংস করতে সম্মত হন ...
ভিডিও মুখ প্রতিস্থাপন
Deepfakes ভিডিও নেটওয়ার্কে ব্যাপকভাবে বিতরণ করা হয়েছে. কৃত্রিম বুদ্ধিমত্তার অ্যালগরিদমগুলি প্রাপ্তবয়স্ক চলচ্চিত্রের অভিনেতাদের মুখ তারকাদের মুখ দিয়ে প্রতিস্থাপিত করেছে।
এটি এইভাবে কাজ করে: নিউরাল নেটওয়ার্ক মূল ভিডিওতে মুখের টুকরো বিশ্লেষণ করে। তারপরে সে সেগুলিকে Google থেকে ফটো এবং YouTube থেকে ভিডিওগুলির সাথে মেলে, প্রয়োজনীয় টুকরোগুলি ওভারলে করে এবং ... আপনার প্রিয় অভিনেত্রী এমন একটি চলচ্চিত্রে রয়েছেন যা কর্মক্ষেত্রে না দেখাই ভাল৷
পর্ণহাব ইতিমধ্যেই এই ধরনের ভিডিও নিষিদ্ধ করেছে।
ডিপফেক একটি বিপজ্জনক জিনিস হতে পরিণত. একজন বিমূর্ত অভিনেত্রী এক জিনিস, আপনার সাথে একটি ভিডিও, আপনার স্ত্রী, বোন, সহকর্মী, যা ব্ল্যাকমেইলের জন্য ব্যবহার করা যেতে পারে, অন্য জিনিস।
বিনিময় ট্রেডিং
জার্মানির ইউনিভার্সিটি অফ এরল্যাঞ্জেন-নুরেমবার্গের একদল গবেষক একটি অ্যালগরিদম তৈরি করেছেন যা রিয়েল টাইমে বিনিয়োগের প্রতিলিপি করতে ঐতিহাসিক বাজারের ডেটা ব্যবহার করে৷ মডেলগুলির মধ্যে একটি 1992 থেকে 2015 পর্যন্ত বার্ষিক বিনিয়োগের উপর 73% রিটার্ন প্রদান করেছে, যা প্রতি বছর 9% প্রকৃত বাজার রিটার্নের সাথে তুলনীয়।
2000 এবং 2008 সালে যখন বাজার কাঁপছিল, তখন রিটার্ন যথাক্রমে 545% এবং 681% এর রেকর্ড উচ্চ ছিল।
2004 সালে, গোল্ডম্যান শ্যাক্স কেনশো এআই ট্রেডিং প্ল্যাটফর্ম চালু করে। এক্সচেঞ্জে ট্রেড করার জন্য AI-ভিত্তিক সিস্টেমগুলিও ক্রিপ্টোকারেন্সি মার্কেটে উপস্থিত হচ্ছে - মিরোকানা ইত্যাদি। তারা লাইভ ব্যবসায়ীদের চেয়ে ভাল, কারণ তারা আবেগ বর্জিত এবং স্পষ্ট বিশ্লেষণ এবং কঠোর নিয়মের উপর নির্ভর করে।
এআই কি আপনাকে এবং আমাকে প্রতিস্থাপন করবে?
কৃত্রিম বুদ্ধিমত্তা মানুষের চেয়ে উচ্চতর সমস্যাগুলি সমাধান করতে যা বিগ ডেটা বিশ্লেষণ, স্পষ্ট যুক্তি এবং প্রচুর পরিমাণে তথ্য মনে রাখার প্রয়োজনের সাথে যুক্ত। কিন্তু সৃজনশীল প্রতিযোগিতায়, একজন ব্যক্তি এখনও এআই-এর উপরে জয়লাভ করে।
(4.75 5টির মধ্যে রেট করা হয়েছে: 8 ) 
দ্য আর্কিটেক্টস অফ ইন্টেলিজেন্সের জন্য: দ্য ট্রুথ অ্যাবাউট এআই ফ্রম ইটস ক্রিয়েটরস, লেখক এবং ভবিষ্যতবাদী মার্টিন ফোর্ড এআই-এর 23 জন বিশিষ্ট গবেষকের সাক্ষাৎকার নিয়েছেন, যার মধ্যে ডিপমাইন্ডের সিইও ডেমিস হ্যাসাবিস, গুগল এআই সিইও জেফ ডিন এবং স্ট্যানফোর্ড ফে-এর এআই ডিরেক্টর ফি লি। . ফোর্ড তাদের প্রত্যেককে জিজ্ঞাসা করেছিল যে কোন বছরে একটি শক্তিশালী AI তৈরির সম্ভাবনা কমপক্ষে 50% হবে।
23 জনের মধ্যে, 18 জন উত্তর দিয়েছেন এবং তাদের মধ্যে মাত্র দুজন তাদের নিজের নামে ভবিষ্যদ্বাণী প্রকাশ করতে রাজি হয়েছেন। মজার বিষয় হল, তারা সবচেয়ে চরম উত্তর দিয়েছেন: রে কুর্জউইল, ভবিষ্যতবিদ এবং গুগলের প্রকৌশল পরিচালক, যার নাম 2029, এবং রডনি ব্রুকস, রোবোটিস্ট এবং iRobot-এর সহ-প্রতিষ্ঠাতা, যার নাম 2200। বাকি অনুমানগুলি এই দুটি মেরুগুলির মধ্যে পড়েছিল, গড় হল 2099 অর্থাৎ 80 বছর পরে।
ফোর্ড বলেছেন যে বিশেষজ্ঞরা আরও দূরবর্তী তারিখ দিতে শুরু করেছেন - গত বছরের সমীক্ষায়, তারা বলেছিল যে শক্তিশালী AI প্রায় 30 বছরের মধ্যে উপস্থিত হতে পারে।
"সম্ভবত আপনি কতটা উদাসীন বা আশাবাদী এবং আপনি কতটা তরুণ তার মধ্যে কিছু সম্পর্ক রয়েছে," লেখক যোগ করেছেন, উল্লেখ করেছেন যে তার বেশ কয়েকজন সাক্ষাত্কারকারী তাদের 70 এর দশকে ছিলেন এবং AI এর উত্থান-পতনের অভিজ্ঞতা লাভ করেছিলেন। "দশক ধরে এই বিষয়ে কাজ করার পরে, আপনি হয়তো একটু বেশি হতাশাবাদী হয়ে উঠছেন," তিনি বলেছেন।
ফোর্ড আরও উল্লেখ করেছেন যে সাধারণ-উদ্দেশ্য AI কীভাবে আবির্ভূত হবে সে সম্পর্কে বিশেষজ্ঞদের বিভিন্ন মতামত রয়েছে, কেউ কেউ বলেছেন যে উপলব্ধ প্রযুক্তি এটির জন্য যথেষ্ট, অন্যরা দৃঢ়ভাবে একমত নন।
কিছু গবেষক যুক্তি দেন যে বেশিরভাগ সরঞ্জাম ইতিমধ্যে প্রস্তুত, এবং এখন এটি কেবল সময় এবং প্রচেষ্টা নেয়। তাদের বিরোধীরা নিশ্চিত যে শক্তিশালী AI তৈরি করার জন্য অনেক মৌলিক আবিষ্কার এখনও অনুপস্থিত। ফোর্ডের মতে, বিজ্ঞানীরা যাদের কাজ গভীর শিক্ষার উপর দৃষ্টি নিবদ্ধ করেছে তারা মনে করে যে ভবিষ্যতের অগ্রগতি নিউরাল নেটওয়ার্ক ব্যবহার করে করা হবে, আধুনিক AI এর ওয়ার্কহরস। যাদের AI এর অন্যান্য ক্ষেত্রে অভিজ্ঞতা রয়েছে তাদের জন্য, AI এর একটি শক্তিশালী সংস্করণ তৈরি করতে সিম্বলিক লজিকের মতো অতিরিক্ত কৌশলগুলির প্রয়োজন হবে।
“ডিপ লার্নিং ক্যাম্পের কিছু লোক এআই-তে সাধারণ জ্ঞানের মতো কিছু সরাসরি বিকাশের ধারণাটিকে খুব খারিজ করে দেয়। তারা এটা বোকা মনে করে. তাদের মধ্যে একজন বলেছিলেন যে এটি মস্তিষ্কের মধ্যে তথ্যের টুকরোগুলিকে ঢেলে দেওয়ার চেষ্টা করার মতো ছিল,” ফোর্ড বলেছেন।
সমস্ত উত্তরদাতারা বিদ্যমান এআই সিস্টেমের সীমাবদ্ধতা এবং মূল দক্ষতাগুলি উল্লেখ করেছেন যা তারা এখনও শিখতে পারেনি, যার মধ্যে স্থানান্তর শেখা, যেখানে এক ক্ষেত্রের জ্ঞান অন্য ক্ষেত্রে প্রয়োগ করা হয় এবং অ-তত্ত্বাবধানহীন শিক্ষা, যেখানে সিস্টেমগুলি মানুষের হস্তক্ষেপ ছাড়াই নতুন জিনিস শেখে। আধুনিক মেশিন লার্নিং পদ্ধতির বেশিরভাগই মানুষের লেবেলযুক্ত ডেটার উপর নির্ভর করে, যা তাদের বিকাশের জন্য একটি গুরুতর বাধা।
সাক্ষাত্কারগ্রহীতারা এআই-এর মতো একটি ক্ষেত্রে ভবিষ্যদ্বাণী করার সম্পূর্ণ অসম্ভবতার উপরও জোর দিয়েছিলেন, যেখানে মূল আবিষ্কারগুলি কয়েক দশক ধরে আবিষ্কার না হওয়া পর্যন্ত পুরোপুরি কার্যকর হয় না।
স্টুয়ার্ট রাসেল, বার্কলেতে ক্যালিফোর্নিয়া বিশ্ববিদ্যালয়ের একজন অধ্যাপক এবং এআই-এর একটি মূল পাঠ্যপুস্তকের লেখক, উল্লেখ করেছেন যে শক্তিশালী AI তৈরির প্রযুক্তিগুলির "বিগ ডেটা বা আরও শক্তিশালী মেশিনের সাথে কোনও সম্পর্ক নেই।"
“আমি সবসময় নিউক্লিয়ার ফিজিক্স থেকে একটা গল্প বলি। 11 সেপ্টেম্বর, 1933-এ আর্নেস্ট রাদারফোর্ড যে দৃষ্টিভঙ্গি প্রকাশ করেছিলেন তা ছিল যে পরমাণু থেকে শক্তি আহরণ করা যায় না। যাইহোক, পরদিন সকালে, লিও সিলার্ড রাদারফোর্ডের বক্তৃতা পড়েন, রেগে যান এবং নিউট্রন-মধ্যস্থ নিউক্লিয়ার চেইন বিক্রিয়া আবিষ্কার করেন! এইভাবে, রাদারফোর্ডের ভবিষ্যদ্বাণী প্রায় 16 ঘন্টা পরে ভুল প্রমাণিত হয়েছিল। একইভাবে, AI তে সঠিক ভবিষ্যদ্বাণী করা একেবারেই কোন অর্থে হয় না,” রাসেল বলেন।
গবেষকরা এআই-এর সম্ভাব্য বিপদ নিয়েও দ্বিমত পোষণ করেন। নিক বোস্ট্রম, অক্সফোর্ড দার্শনিক এবং কৃত্রিম বুদ্ধিমত্তার লেখক: স্টেজ। হুমকি। কৌশল, এবং এলন মাস্কের প্রিয়, যুক্তি দেয় যে AI জলবায়ু পরিবর্তনের চেয়ে মানবতার জন্য একটি বড় হুমকি। তিনি এবং তার সমর্থকরা বিশ্বাস করেন যে এই এলাকার সবচেয়ে বড় চ্যালেঞ্জগুলির মধ্যে একটি হল মানবিক মূল্যবোধ সম্পর্কে AI শেখানো।
“এটা এমন নয় যে AI আমাদের দাসত্ব করার জন্য আমাদের ঘৃণা করবে, অথবা হঠাৎ চেতনার স্ফুলিঙ্গ জেগে উঠবে এবং বিদ্রোহ করবে। বরং, তিনি খুব পরিশ্রমের সাথে এমন একটি লক্ষ্য অনুসরণ করবেন যা আমাদের আসল উদ্দেশ্য থেকে আলাদা,” বোস্ট্রম বলেছিলেন।
উত্তরদাতাদের বেশিরভাগই বলেছেন যে অর্থনৈতিক মন্দা এবং যুদ্ধে উন্নত প্রযুক্তির ব্যবহারের মতো বিষয়গুলির তুলনায় AI এর হুমকির বিষয়টি অত্যন্ত বিমূর্ত। হার্ভার্ডের একজন এআই অধ্যাপক এবং ভাষা প্রক্রিয়াকরণের ক্ষেত্রে প্রধান অবদানকারী বারবারা গ্রস বলেন, শক্তিশালী এআই-এর নীতিশাস্ত্রের বিষয়গুলি বেশিরভাগই "বিভ্রান্তিকর"।
“আমাদের বিদ্যমান AI এর সাথে বেশ কিছু নৈতিক সমস্যা রয়েছে। আমি মনে করি যে ভীতিকর ভবিষ্যত পরিস্থিতির কারণে আমাদের তাদের থেকে বিভ্রান্ত হওয়া উচিত নয়, "তিনি বলেছিলেন।
ফোর্ডের মতে, এই ধরনের বিরোধগুলিকে তার জরিপের সবচেয়ে গুরুত্বপূর্ণ ফলাফল বলা যেতে পারে: তারা দেখায় যে কৃত্রিম বুদ্ধিমত্তার মতো জটিল ক্ষেত্রে কোন সহজ উত্তর নেই। এমনকি সবচেয়ে বিশিষ্ট বিজ্ঞানীরাও এই জ্ঞানের ক্ষেত্রের মৌলিক সমস্যাগুলির বিষয়ে একমত হতে পারেন না।
"লস এঞ্জেলেস, নভেম্বর 2019"।যদি কোনো কারণে 2015 সালে মার্টি ম্যাকফ্লাই ফ্রম ব্যাক টু দ্য ফিউচারের আগমনের তারিখের সাথে অনেকগুলি ওভারল্যাপ এবং মিথ্যা শুরু হয়, তবে ব্লেড রানার ফ্যানডম আরও সুশৃঙ্খল হয়ে উঠেছে: নভেম্বর 2019 এর শুরুতে, যেন কমান্ডে, সোশ্যাল মিডিয়া ফিড এটা হতে পারে আমাদের বর্তমান একটি বিপরীতমুখী চেহারা জন্য নস্টালজিয়া মধ্যে নিমজ্জিত. আটারি বিলবোর্ড এবং বিশ্রী ইন্টারফেস, বৃষ্টির ক্যালিফোর্নিয়া, চল্লিশের দশক থেকে চুলের স্টাইল এবং পোশাকের প্রত্যাবর্তন - এবং অবশ্যই, অ্যান্ড্রয়েড, প্রায় মানুষ থেকে আলাদা করা যায় না। ভবিষ্যতের ভবিষ্যদ্বাণী করার ক্ষেত্রে অনেক বাদ পড়া সত্ত্বেও, ব্লেড রানার খুব সঠিকভাবে অস্বস্তি প্রতিফলিত করেছেন যা গত চল্লিশ বছর ধরে ক্রমাগত বেড়ে চলেছে, যা মানুষ এবং কম্পিউটারের মধ্যে সম্পর্ককে চিহ্নিত করে (যা মূলত ফিল্মটির সীমাহীন প্রাসঙ্গিকতা নির্ধারণ করে)। আমরা আসলে কিভাবে জানি যে আমরা একটি কম্পিউটারের চেয়ে স্মার্ট? আপনি যখন সম্পূর্ণভাবে প্রযুক্তি দ্বারা প্রতিস্থাপিত হবেন তখন কীভাবে বাঁচবেন? যদি আমরা সব অ্যালগরিদম হ্রাস করা যেতে পারে?
যে প্রশ্নগুলি এতদিন আগে অনুমানমূলক সমতলে পড়েছিল তা যতটা সম্ভব জাগতিক হয়ে উঠছে: সম্প্রতি এটি জানা গেছে যে তৈমুর বেকমামবেটভের কোম্পানি স্ক্রিনলাইফ টেকনোলজিস রাশিয়ান-ভাষার ভয়েস সিন্থেসাইজার ভেরা ভয়েস (অনুরূপ প্রযুক্তি যা নিউরাল সিস্টেমকে সাহায্য করে) বিকাশের সক্রিয় পর্যায়ে রয়েছে। ইংরেজিতে সেলিব্রিটিদের কণ্ঠে "কথা বলার" নেটওয়ার্ক ইতিমধ্যেই বিদ্যমান এবং ব্যবহৃত হয়)।
শুধুমাত্র অভিনেতাদের কাজ ছাড়া থাকার ঝুঁকি নেই: নিউরাল নেটওয়ার্কগুলি ইতিমধ্যেই সাধারণ পাঠ্য লিখতে, প্যাটার্ন এবং সুর তৈরি করতে, বেশ অর্থপূর্ণ সংলাপ পরিচালনা করতে এবং অন্যান্য নিউরাল নেটওয়ার্কগুলির সাথে যোগাযোগ করতে সক্ষম। আগামী বছরগুলিতে, আমাদের অনেককে পেশা পরিবর্তনের বিষয়ে এবং আমাদের জীবনের কতটা কৃত্রিম বুদ্ধিমত্তা ছেড়ে দিতে প্রস্তুত তা নিয়ে গুরুত্ব সহকারে ভাবতে হবে। সৌভাগ্যবশত, জনপ্রিয় বিজ্ঞান, জনপ্রিয় দর্শন, এবং সাধারণভাবে 19, 20 এবং 21 শতকের পপ সংস্কৃতি এই প্রশ্নগুলি বোঝার জন্য আমাদের খুব ভালভাবে প্রস্তুত করেছে: সৃষ্টিকর্তার যন্ত্রের ভয় মানুষের একটি স্বাভাবিক অবস্থা বলে মনে হয় এবং অনেক প্রযুক্তিগত অগ্রগতি সমানভাবে ইন্ধন যোগায় এবং এটি অতিক্রম করতে সাহায্য করে।
1811
কাপড় এবং টেক্সটাইল পণ্যের উৎপাদনের ক্রমবর্ধমান যান্ত্রিকীকরণ ইংরেজ তাঁতি এবং নিটারদের আয় হ্রাসের দিকে পরিচালিত করে (নেপোলিয়ন যুদ্ধের সাথে সম্পর্কিত দেশের কল্যাণে সাধারণ পতনের দ্বারা তাদের কষ্টের উপর চাপ দেওয়া হয়)। নটিংহ্যামশায়ারে, যেখানে এই ধরনের অনেক শিল্প কেন্দ্রীভূত, ষড়যন্ত্রকারীরা রাতে মোরগুলিতে মিলিত হয় এবং মেশিনগুলিতে ধ্বংসাত্মক আক্রমণের পরিকল্পনা করে; অনুশীলন তারপর ইংল্যান্ড জুড়ে ছড়িয়ে পড়ে। তারা তাদের আধ্যাত্মিক নেতাকে একজন নির্দিষ্ট নেড লুড বলে মনে করে, একজন নায়ক যিনি পরে পৌরাণিক হয়ে ওঠেন, কিন্তু যিনি লুডইট আন্দোলনের নাম দিয়েছিলেন। আন্দোলনের ক্রিয়াকলাপে, অর্থনৈতিক পরিস্থিতির সাথে অসন্তোষ এবং পণ্যের গুণমান হ্রাস, ভবিষ্যতের অনিবার্য সূত্রপাতের ভয় এবং অস্তিত্বের সঙ্কট একসাথে মিশে গেছে - যা কৃত্রিম বুদ্ধিমত্তার বর্তমান ভয়কে চিহ্নিত করে। "নিওলুডাইট" শব্দটি এখনও একটি ভয়ানক অভিশাপ হিসাবে ব্যবহৃত হয়, যা ইঙ্গিত করে যে কথোপকথনকারী সংকীর্ণমনা এবং অশিক্ষিত, যদিও তারা বিদ্রোহের জন্য অ-অলীক শ্রেণির কারণগুলি মনে রাখতে পছন্দ করে না।
1837
চার্লস ব্যাবেজ বিশ্লেষণাত্মক ইঞ্জিনের বর্ণনা দিয়েছেন, প্রথম কম্পিউটার যা টুরিং সম্পূর্ণ (অর্থাৎ সমস্ত আধুনিক কম্পিউটারের মতো)। ব্যাবেজ তার আন্দোলন গড়ে তোলার জন্য পর্যাপ্ত অর্থ পেতে সক্ষম হয়নি, তাই এটি আজ অবধি মূল পরিকল্পনায় নির্মিত হয়নি। এটি 1843 সালে অ্যাডা লাভলেসকে প্রথম আধুনিক প্রোগ্রাম নিয়ে আসতে বাধা দেয়নি যা এই জাতীয় কম্পিউটারে চলতে পারে এবং এইভাবে ইতিহাসের প্রথম মহিলা প্রোগ্রামার হয়ে ওঠে।
1902
অ্যান্টিকিথেরা দ্বীপের কাছে ডুবে যাওয়া প্রাচীন রোমান জাহাজে পাওয়া নিদর্শনগুলি পরীক্ষা করে, প্রত্নতাত্ত্বিক ভ্যালেরিওস স্ট্যাইস একটি "পাথর" এর দিকে দৃষ্টি আকর্ষণ করেছেন: এর ভিতরে গিয়ার রয়েছে। স্টাইস পরামর্শ দেন যে প্রক্রিয়াটি গ্রহন এবং স্বর্গীয় বস্তুর অবস্থানের ভবিষ্যদ্বাণী করার উদ্দেশ্যে করা হয়েছিল, কিন্তু কেউ তাকে বিশ্বাস করে না: জাহাজের বাকি নিদর্শনগুলি খ্রিস্টপূর্ব 1 ম শতাব্দীর, এবং কেউ সেই যুগের কোন জ্যোতির্বিদ্যা সংক্রান্ত প্রক্রিয়া খুঁজে পায়নি। 1902 পর্যন্ত। 20 শতকের পঞ্চাশের দশকের মাঝামাঝি পর্যন্ত প্রক্রিয়াটি ভুলে গেছে, যখন বেশ কয়েকজন বিজ্ঞানী এর প্রকৃতি এবং ডেটিং নিশ্চিত করেছেন। সেই থেকে, তথাকথিত অ্যান্টিকিথেরা প্রক্রিয়া, 14 শতকের খ্রিস্টাব্দের ডিভাইসগুলির সাথে জটিলতার সাথে তুলনীয়, এটি কিছু লোকের জন্য তার নিজস্ব ক্ষমতার প্রতি মানবতার অবিশ্বাসের প্রতীক হয়ে উঠেছে এবং কারো জন্য এটি এলিয়েনদের সফরের একটি চিহ্ন। যাই হোক না কেন, প্রক্রিয়াটি দেখায় যে আমাদের দূরবর্তী পূর্বপুরুষদের কাছে খুব উচ্চ স্তরের গাণিতিক এবং যান্ত্রিক চিন্তাভাবনা উপলব্ধ ছিল - এবং তারা এটির কিছু অংশ মেশিনে স্থানান্তরিত করেছিল। প্রাচীন গ্রীক এবং মিশরীয় পৌরাণিক কাহিনী থেকে জীবন্ত মূর্তিগুলির কিংবদন্তিগুলি মাংস গ্রহণ করে এবং কৃত্রিম বুদ্ধিমত্তার ষড়যন্ত্র তত্ত্বগুলিকে খাওয়ায়।
1920
চেক নাট্যকার ক্যারেল ক্যাপেক R.U.R এর নাটকটি। (Rossumovi Univerzální Roboti), ওরফে Rossum's Universal Robots. অটোমেটা সম্পর্কে প্রাচীন পৌরাণিক কাহিনীর উপর ভিত্তি করে, প্রমিথিউসের কিংবদন্তির উপর, গোলেমের ইহুদি ধারণার উপর, মেশিনে চেতনার বিবর্তনের স্যামুয়েল বাটলারের তত্ত্বের উপর এবং অবশ্যই, বুদ্ধিমান প্রক্রিয়া সম্পর্কিত সমস্ত গল্পের প্রধান সাহিত্যিক পূর্বসূরী - মেরি শেলির উপন্যাস "ফ্রাঙ্কেনস্টাইন", - Czapek প্রায় এককভাবে একটি "রোবট", একটি কৃত্রিম আধা-বুদ্ধিমান সেবকের একটি আধুনিক শৈল্পিক ধারণা নিয়ে আসে (ন্যায্যভাবে, Čapek এগুলি জীব, প্রক্রিয়া নয়)। এটি খুব বৈশিষ্ট্যযুক্ত যে রোবট সম্পর্কে প্রথম গল্পটি মানবজাতির সম্পূর্ণ ধ্বংসের সাথে শেষ হয়। 1923 সালে, ইংরেজিতে প্রথম প্রযোজনা প্রকাশিত হবে, এবং একটি সাধারণ স্লাভিক রুট সহ শব্দটি বিশ্বের বেশিরভাগ ভাষায় স্থির করা হবে। এছাড়াও, ফ্রিটজ ল্যাংয়ের 1927 সালের চলচ্চিত্র মেট্রোপলিস থেকে উজ্জ্বল ধাতব স্যুট, একটি স্পষ্ট R.U.R.
1942
রসায়নবিদ, বিজ্ঞানের জনপ্রিয়তাকারী এবং মহান লেখক আইজ্যাক আসিমভ "রাউন্ড ডান্স" গল্পে কৃত্রিম বুদ্ধিমত্তার অস্তিত্বের মৌলিক নীতিগুলি প্রণয়ন করেন না, এটি সম্পর্কে গল্পও লেখেন। এগুলি "রোবোটিক্সের তিনটি আইন" হিসাবে পরিচিত:
- একটি রোবট একজন ব্যক্তির ক্ষতি করতে পারে না বা তার নিষ্ক্রিয়তার দ্বারা একজন ব্যক্তির ক্ষতি হতে পারে।
- একজন রোবটকে একজন মানুষের দেওয়া সমস্ত আদেশ মানতে হবে, যদি না সেই আদেশগুলি প্রথম আইনের বিপরীত হয়।
- রোবটকে অবশ্যই তার নিজের নিরাপত্তার যত্ন নিতে হবে যাতে এটি প্রথম বা দ্বিতীয় আইনের বিরোধিতা না করে।
বৈজ্ঞানিক কল্পকাহিনীতে আসিমভের আইনগুলির বিনির্মাণ সক্রিয়ভাবে শুরু হয়েছিল 1950 এর দশকে, যখন "হত্যাকারী রোবট" বি-মুভিতে একটি ট্রপ হয়ে ওঠে, ধীরে ধীরে বড় বাজেটের চলচ্চিত্রগুলিতে স্থানান্তরিত হয়। কৃত্রিম বুদ্ধিমত্তা সম্পর্কে আধুনিক গল্পগুলি হয় এই আইনগুলিকে সম্পূর্ণরূপে উপেক্ষা করে বা জঙ্গি রোবটের অস্তিত্বকে সম্ভব করার জন্য তাদের পরিবর্তন করে। তা সত্ত্বেও, কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রের বিশেষজ্ঞরা অসিমভের প্রযুক্তি-আশাবাদী এবং বিজ্ঞানী-সমর্থক অবস্থানের উপর ফোকাস করে চলেছেন।
1950
পদার্থবিজ্ঞানী এডউইন থম্পসন জেনেস যেমন তার বই দ্য থিওরি অফ প্রোবাবিলিটি: দ্য লজিক অফ সায়েন্সে বলেছেন, 1948 সালে গণিতবিদ এবং পদার্থবিদ জন ভন নিউম্যানকে একটি বক্তৃতায় জিজ্ঞাসা করা হয়েছিল যে কোনও মেশিন চিন্তা করতে পারে কিনা, যার উত্তর তিনি মুহূর্তের উত্তাপে বলেছিলেন: " আপনি বলছেন যে কিছু জিনিস আছে যা মেশিন পূরণ করতে পারে না। যদি আপনি আমাকে বলেন যে একটি মেশিন ঠিক কি করতে পারে না, আমি সবসময় এমন একটি মেশিন তৈরি করতে পারি যা ঠিক এটি করতে পারে! এই বিবৃতিতে মন্তব্য করার মতো, দুই বছর পরে, গণিতবিদ, প্রোগ্রামার এবং যুদ্ধের নায়ক অ্যালান টুরিং নিবন্ধে কৃত্রিম বুদ্ধিমত্তার একটি মূল ধারণার প্রস্তাব করেছেন - টুরিং পরীক্ষা, যা আজও সক্রিয়ভাবে ব্যবহৃত হয় (যদিও একটি পরিবর্তিত আকারে, এমনকি এর সমালোচনা আরও বেশি সক্রিয় শোনালেও)। টুরিং নিম্নলিখিত উপায়ে একজন ব্যক্তির থেকে একটি কম্পিউটারকে আলাদা করার প্রস্তাব করেছিলেন: একটি প্রশ্ন জিজ্ঞাসা করুন (একচেটিয়াভাবে লিখিতভাবে) এবং একজন ব্যক্তি এবং একটি মেশিন উভয়ের কাছ থেকে উত্তর পান। যদি একজন ব্যক্তি তার প্রশ্নের উত্তর পায় সে বুঝতে না পারে যে একজন ব্যক্তি তাকে কোথায় উত্তর দেয় এবং কোথায় একটি কৃত্রিম বুদ্ধিমত্তা, তাহলে পরীক্ষায় উত্তীর্ণ হয়। কয়েক ডজন সায়েন্স ফিকশন ফিল্ম, উপন্যাস এবং টিভি শোতে টুরিং পরীক্ষায় উত্তীর্ণ বা ব্যর্থ হওয়ার উপর ভিত্তি করে দৃশ্য রয়েছে। ব্লেড রানার থেকে কাল্পনিক "ভয়েট-ক্যাম্পফ পরীক্ষা" আসলে টুরিং পরীক্ষার একটি বৈচিত্র্য, যেখানে তদন্তকারী মূল প্রশ্ন জিজ্ঞাসা করে এবং সন্দেহভাজন ব্যক্তির প্রতিক্রিয়া পর্যবেক্ষণ করে। অন্যান্য অনেক ক্ষেত্রে যেমন, একটি নেতিবাচক পরীক্ষার ফলাফল আগ্রাসন এবং নিষ্ঠুরতার দিকে পরিচালিত করে।
1956
ডার্টমাউথ কলেজে একটি সম্মেলন অনুষ্ঠিত হচ্ছে যেখানে শব্দটি আনুষ্ঠানিকভাবে প্রথমবারের মতো ব্যবহার করা হয়েছে "কৃত্রিম বুদ্ধিমত্তা" . আগত বহু বছর ধরে এর প্রায় সমস্ত অংশগ্রহণকারীরা সাইবারনেটিক্সের ফ্যাশনই নির্ধারণ করে না, যা চল্লিশের দশকের সন্দেহজনক নতুন ক্ষেত্র থেকে একটি পূর্ণাঙ্গ বিজ্ঞানে বিকশিত হয়েছিল, তবে বিশেষত কৃত্রিম বুদ্ধিমত্তার বিকাশেও। উদাহরণ স্বরূপ, মারভিন মিনস্কি আর্থার সি. ক্লার্ককে 2001 ফিল্মটির স্ক্রিপ্ট লেখার পরামর্শ দিয়েছিলেন, এটি কৃত্রিম বুদ্ধিমত্তা সম্পর্কে সবচেয়ে বিখ্যাত গল্পগুলির মধ্যে একটি যা মানুষকে হত্যা করতে চায় (একটি চরিত্র, ভিক্টর কামিনস্কি, মারভিনের নামেও নামকরণ করা হয়েছে)।
1957
মনোবিজ্ঞানী ফ্রাঙ্ক রোজেনব্ল্যাট, আত্মবিশ্বাসী যে মেশিনগুলিকে প্রাণীদের মতোই প্রশিক্ষিত করা যেতে পারে, একটি স্ব-শিক্ষার ইলেকট্রনিক প্রক্রিয়া পরীক্ষা করছেন, পারসেপ্ট্রন, একটি নিউরাল নেটওয়ার্কের প্রথম প্রোটোটাইপ। ষাট এবং সত্তরের দশকে, রোজেনব্ল্যাটের অগ্রগামী কাজগুলি আংশিকভাবে উপহাস করা হয়েছিল এবং ভুলে গিয়েছিল - পূর্বোক্ত মিনস্কি সহ। কিছু বিশেষজ্ঞ বিশ্বাস করেন যে নিউরাল নেটওয়ার্ককে একটি ধারণা হিসাবে উপেক্ষা করা বছরের পর বছর বা এমনকি কয়েক দশক ধরে কৃত্রিম বুদ্ধিমত্তার বিকাশকে বাধাগ্রস্ত করেছিল: নিউরাল নেটওয়ার্কগুলি সম্পূর্ণরূপে পপ সংস্কৃতিতে প্রবেশ করেছিল শুধুমাত্র 2010 এর দশকে, যখন স্ব-শিক্ষার গ্রাফিক অ্যাপ্লিকেশন এবং চ্যাট বট বাজারে প্রবেশ করেছিল।
1965
Joseph Weizenbaum ELIZA তৈরি করেছেন, প্রথম আধুনিক চ্যাটবট। পিগম্যালিয়ন নায়িকা এলিজা ডুলিটলের নামানুসারে ELIZA প্রোগ্রামটি ইংরেজি ব্যাকরণের প্রতি মোটামুটি বড় বাক্যাংশ এবং সম্মানের সাথে একটি পূর্ণাঙ্গ সংলাপ পরিচালনা করতে সক্ষম হয়েছিল। স্পষ্ট সাফল্য থাকা সত্ত্বেও, এই জাতীয় প্রকল্পগুলির কাজ পরবর্তীকালে বেশ কয়েকটি গবেষণা প্রতিষ্ঠানে বন্ধ হয়ে যায়: ষাটের দশকের শেষের দিকে, এটি প্রমাণিত হয়েছিল যে কৃত্রিম বুদ্ধিমত্তার বিকাশের গতি সম্পর্কে প্রাথমিক পূর্বাভাসগুলি অত্যধিক আশাবাদী ছিল (তারা বলে যে সাফল্য " যুক্তির উপর ভিত্তি করে বোর্ড গেমগুলি সমাধান করাই সবকিছু, আগামী বছরগুলিতে এআই কী আশা করতে পারে? যাইহোক, এটি ELIZA-এর প্রভাবকে প্রভাবিত করেনি: জর্জ লুকাস তার প্রথম ফিচার ফিল্ম "THX 1138"-এ একই রকম ইন্টারফেস ব্যবহার করেছিলেন এবং সংলাপের বিকল্পগুলির পছন্দের স্ক্রীনটি প্রাথমিক ভিডিও গেমগুলির জন্য অনুপ্রেরণার উৎস হয়ে ওঠে, যার মধ্যে রয়েছে বলুন, জোর্ক। সরাসরি ELIZA এবং ভয়েস অ্যাসিস্ট্যান্টদের বংশবৃত্তান্তে ফিরে যায় (যা প্রায়শই "মহিলা" নাম বহন করে: অ্যালেক্সা, কর্টানা, অ্যালিস)।
1980
প্রথম লিস্প মেশিন বাজারে উপস্থিত হয় - বিশেষজ্ঞ সিস্টেমের জন্য অভিযোজিত বিশেষ কম্পিউটার যা প্রচুর পরিমাণে ডেটা বিশ্লেষণ করতে পারে এবং একটি নির্দিষ্ট পরিস্থিতির জন্য সম্ভাব্য সমাধান জারি করতে পারে। প্রকৃতপক্ষে, এটি দৈনন্দিন জীবনে বড় ডেটার ধারণার প্রথম ভর প্রয়োগ: বিশেষজ্ঞ সিস্টেমগুলি এমন গতিতে কাজ করেছিল যা একই সংখ্যক সংকেত বিশ্লেষণ করা মানুষের পক্ষে মৌলিকভাবে অসম্ভব ছিল। সিস্টেমগুলি মেডিসিন, ক্রাইসিস ম্যানেজমেন্ট, ডিজাস্টার ম্যানেজমেন্ট, ইন্ডাস্ট্রিয়াল সেফটি অ্যানালাইসিস ইত্যাদি বিষয়ে কাজ শুরু করেছে। কৃত্রিম বুদ্ধিমত্তায় অর্থ ফিরে আসছে: এখন কেবল সামরিক বিভাগ এবং বড় সরকারই এতে আগ্রহী নয়, বেসরকারি সংস্থাগুলিও। যৌক্তিকভাবে, 1983 সালে বড় হিট হল একটি ভাঙা বিশেষজ্ঞ সিস্টেম সম্পর্কে বিপর্যয়ের ফিল্ম - "ওয়ার গেমস" (মানুষের জীবন কম্পিউটারে ন্যস্ত করা নিয়ে আতঙ্ক, ভিডিও গেমগুলির জন্য অত্যধিক আবেগ সম্পর্কে আতঙ্কের সাথে ছেদ)।
1986
বাভারিয়ার আর্নস্ট ডিকম্যানস গ্রুপ ক্যামেরা ইমেজ বিশ্লেষণ প্রযুক্তি ব্যবহার করে সম্পূর্ণ স্বায়ত্তশাসিত যানবাহনের প্রথম পরীক্ষা পরিচালনা করছে, তবে শুধুমাত্র বিশেষভাবে প্রস্তুত ট্র্যাকগুলিতে।
ইতিমধ্যে 1995 সালে, ডাইকম্যানের গাড়িটি মিউনিখ থেকে ডেনিশ ওডেন্সে এবং পিছনের দিকে ড্রাইভ করতে সক্ষম হয়েছিল, অটোবাহনে 175 কিমি/ঘন্টা গতির বিকাশ করেছিল। 1990-এর দশকে, সেল্ফ-ড্রাইভিং ভবিষ্যতের ভবিষ্যদ্বাণীগুলি এখনকার তুলনায় অনেক বেশি গোলাপী ছিল, Uber-এর মতো স্টার্ট-আপগুলি 2020-এর দশকের গোড়ার দিকে স্ব-ড্রাইভিং গাড়িগুলিকে ব্যাপকভাবে গ্রহণ করার জন্য গণনা করেছিল। যাইহোক, ভিডিও শনাক্তকরণে বাধা এখনও বিদ্যমান: 2018 সালে, একটি স্বায়ত্তশাসিত গাড়ির চাকার নীচে একজন পথচারীর প্রথম মৃত্যু রেকর্ড করা হয়েছিল (এবং এটি শুধুমাত্র উবারের মালিকানাধীন একটি গাড়ি ছিল)।
একই 1986 সালে, নাইট রাইডার সিরিজের শেষ মরসুম একটি সংবেদনশীল অপরাধ-লড়াইকারী গাড়ি ডেভিড হাসেলহফের সাথে একসাথে প্রকাশিত হয়েছিল, যিনি জার্মানিতে খুব জনপ্রিয় ছিলেন।
1997
নব্বই দশকের প্রথমার্ধ বই, সিনেমা এবং ভিডিও গেমে সাইবারপাঙ্কের যুগ। তদনুসারে, রোবট এবং কম্পিউটার দ্বারা মানবতার দাসত্বের গল্পগুলি একটি পরম মূলধারায় পরিণত হচ্ছে (আনুমানিক টার্মিনেটর 2 থেকে শুরু হচ্ছে, যেখানে প্রধান প্রতিপক্ষ স্কাইনেট সামরিক নিউরাল নেটওয়ার্ক যা আত্ম-সচেতনতা অর্জন করেছে)। অ্যাপোক্যালিপটিক নোটগুলিও খবরে শোনা যায়, বিশেষ করে গ্যারি কাসপারভের উপরে ডিপ ব্লু সুপার কম্পিউটারের বিজয়ের আলোচনায়। দাবা দীর্ঘকাল ধরে কৃত্রিম বুদ্ধিমত্তার পবিত্র গ্রাইল হয়েছে: যদি AI 1979 সালে ব্যাকগ্যামনে একজন ব্যক্তিকে কীভাবে পরাজিত করতে হয় তা শিখেছিল এবং একটি প্রোগ্রাম যা সফলভাবে চেকার বাজায় তা ইতিহাসে কৃত্রিম বুদ্ধিমত্তার প্রথম উদাহরণ হয়ে ওঠে (সংজ্ঞার উপর নির্ভর করে, এটি আগের তারিখগুলি) হয় 1952 বা 1956) , তারপরে দাবা, যা বৃহত্তর পরিবর্তনশীলতা এবং অপ্রত্যাশিততার দ্বারা আলাদা করা হয় (এবং যেমন বুদ্ধিবৃত্তিকতার প্রতীক হিসাবে বেশ কাজ করে), বেশ দীর্ঘ সময়ের জন্য কম্পিউটারে দেওয়া হয়নি। কিন্তু সেটাও কেটে গেছে: দুঃখী কাসপারভের ছবি সব মিডিয়ায় ছড়িয়ে পড়েছে।
1998
রোবট খেলনাগুলির একটি ছোট কিন্তু খুব বিরক্তিকর বুম (প্রাথমিকভাবে Furby gremlins এবং Aibo হাই-টেক কুকুরের মতো)। খেলনাগুলিকে শব্দের সম্পূর্ণ অর্থে প্রোগ্রাম করা যায় না, তবে তারা শিখে (ফুরবির ক্ষেত্রে - ভাষার ক্ষেত্রে, আইবো - আন্দোলনের ক্ষেত্রে) এবং কমান্ডগুলি কার্যকর করতে শুরু করে। এটি মুভিতে AI এর চিত্রায়নের একটি দৃষ্টান্ত পরিবর্তনের সাথে মিলে যায়: রোবটরা আর শত্রু বা দানব নয় (এবং শর্ট সার্কিটের শিরায় কমিক চরিত্রও নয়)। মেলোড্রামাটিক "বাইশেন্টেনিয়াল ম্যান" এবং "কৃত্রিম বুদ্ধিমত্তা" সর্বসম্মতভাবে সমাজে পূর্ণাঙ্গ অংশগ্রহণকারী হিসাবে রোবটদের ভূমিকা পুনর্বিবেচনা করে এবং পুনর্বিবেচনা করে, যদিও তাদের নিজস্ব বৈশিষ্ট্য রয়েছে: সরাসরি "ভাল সেবক" ধারণায় ফিরে আসা অসম্ভব। ঠিক আছে, অন্তত সেই রোবটগুলির সাথে যেগুলি মানুষ বা প্রাণীর সাথে সাদৃশ্যপূর্ণ: রোবট ভ্যাকুয়ামের আস্ফালন যা একটু পরে ঘটেছিল তা দেখায় যে নৃতাত্ত্বিক- এবং জুমরফিজমের অনুপস্থিতিতে, আমাদের এখনও রোবটের প্রতি সীমিত সহানুভূতি রয়েছে।
2001
বাইরে আসা সিনেমা(কার্টুন? গেমটির ভূমিকা, কিন্তু কোন খেলা নেই?) ফাইনাল ফ্যান্টাসি: দ্য স্পিরিটস উইদিন, একই নামের আরপিজি সিরিজের নির্মাতা হিরোনোবু সাকাগুচি দ্বারা পরিচালিত এবং এখনও "অনুকূল উপত্যকা" কী তার সেরা উদাহরণগুলির মধ্যে একটি হিসাবে বিবেচিত (যখন একজন ব্যক্তির কৃত্রিম চিত্র তার অনুরূপ খুব শক্তিশালী, যাতে একটি বিমূর্ততা হিসাবে বিবেচিত না হয়, কিন্তু একটি জীবন্ত প্রাণীর জন্য ছবিটি গ্রহণ করার জন্য যথেষ্ট শক্তিশালী নয়)। ফিল্মটি স্কয়ারের ফিল্ম ডিপার্টমেন্টকে দেউলিয়া করবে কিন্তু আমাদের "ডিজিটাল অভিনেত্রী" আকি রস এবং তার বিকিনি পোস্টারগুলির প্রকৃতি সম্পর্কে একটি আকর্ষণীয় আলোচনা দেবে (3D মডেলগুলিকে বস্তুনিষ্ঠ করার এই সমস্ত আলোচনা 2010-এর দশকে নতুন গতি পাবে, আরও ভিআর পর্নোগ্রাফি এবং রোবট সহ অধিকার সমস্যা) অনাক্রম্যতা)।
2007
"প্রথম ভার্চুয়াল ব্যান্ড" কে প্রায়শই গরিলাজ হিসাবে উল্লেখ করা হয়, তবে এটি এখনও একটি কার্টুনিশ মুখের আড়ালে লুকানো ধ্রুপদী সঙ্গীতজ্ঞদের উদাহরণ। হাটসুন মিকু (নামটি "ভবিষ্যতের প্রথম শব্দ" হিসাবে অনুবাদ করা যেতে পারে) একটি সম্পূর্ণ ভিন্ন বিষয়: একজন গায়ক যিনি, যেমনটি ছিলেন, বিদ্যমান নেই এবং কঠোরভাবে বলতে গেলে অস্তিত্ব থাকতে পারে না। ভোকালয়েডগুলির মধ্যে প্রথম এবং সবচেয়ে বিখ্যাত, জাপানি ভয়েস সংশ্লেষণ প্লাগ-ইনগুলির একটি কার্টুন অবতার, নিজস্ব গান এবং একটি চিত্তাকর্ষক ভক্ত বেস রয়েছে৷ এটি অবশ্যই একটি গানের কম্পিউটারের প্রথম উদাহরণ নয় (অন্যান্য জিনিসগুলির মধ্যে, এটি এখানে স্মরণ করা মূল্যবান মহান রাশিয়ান প্রকল্প 386 DXএবং তার গিটার ক্লাসিকের কভারগুলি), তবে সবচেয়ে বিখ্যাত এবং সবচেয়ে তাৎপর্যপূর্ণ: সেই মুহুর্তে, বিশ্বজুড়ে প্রযোজকরা হঠাৎ বুঝতে পেরেছিলেন যে কেবল সুরের নির্মাতাই নয়, গায়কদেরও প্রতিস্থাপন করা সম্ভব।
2012
সবচেয়ে গুরুত্বপূর্ণ মূলধারার উত্সব কোচেল্লার শিরোনামগুলির মধ্যে একটি হল একটি হলোগ্রাম (ভালভাবে, আরও স্পষ্টভাবে, একটি ভিডিও অভিক্ষেপ)। রূপকভাবে নয়, বরং আক্ষরিক অর্থেই: টুপাক শাকুর, যিনি 1996 সালে নিহত হয়েছিলেন, স্নুপ ডগ এবং ডঃ ড্রের সাথে একটি যৌথ কনসার্টে "পুনরুত্থিত" হয়েছিল (তারপরে তারা এমনকি সফরে যাওয়ার পরিকল্পনা করেছিল, কিন্তু শেষ পর্যন্ত ড্রে সিদ্ধান্ত নিয়েছিল যে এটি অতিরিক্ত ছিল। ) তুপাকের নৈতিকভাবে সন্দেহজনক "পুনরুত্থান" তার অ্যালবামগুলিকে চার্টে ফিরিয়ে এনেছে এবং এই জাতীয় প্রযুক্তিগুলির উন্নতির ত্বরান্বিত করেছে: ইতিমধ্যে 2016 ফিল্ম রোগ ওয়ান, পিটার কুশিং, যিনি 1994 সালে মারা গিয়েছিলেন, একটি আকারে পুনরুদ্ধার করেছিলেন 3D মডেল, বেশ গুরুত্বপূর্ণ ভূমিকা পালন করেছে।
আরও, আরও: 2020 সালে, "ফাইন্ডিং জ্যাক" ছবিটি মুক্তি দেওয়া উচিত, যেখানে প্রধান ভূমিকাগুলির মধ্যে একটি জেমস ডিন অভিনয় করেছেন, যিনি 1955 সালে মারা গিয়েছিলেন। ইতিমধ্যে, রাশিয়ান ভিত্তিক স্টার্টআপ রেপ্লিকা নিউরাল নেটওয়ার্ক তৈরির কাজ চালিয়ে যাচ্ছে যা মৃত মানুষের বক্তৃতা এবং আভিধানিক বৈশিষ্ট্যগুলিকে নকল করতে পারে।
2018
FakeApp মুক্তি পেয়েছে, ঘরে তৈরি তথাকথিত ডিপফেকগুলির জন্য প্রথম বাণিজ্যিক প্রোগ্রাম, যেখানে একজন ব্যক্তির ভয়েস বা মুখ অন্য ব্যক্তির শরীর এবং মুখের সাথে মিলিত হয়, যাতে একটি ভিডিও হাইব্রিড স্ক্রিনে পর্যবেক্ষণ করা যায়, একটি অ্যানালগ উপরে উল্লিখিত "ডিজিটাল পুনরুত্থান" বা একটি মুখের অন্য চেহারায় রূপান্তর। অবশ্যই, এই প্রযুক্তির প্রথম ব্যবহার হল জাল সেলিব্রিটি পর্নোগ্রাফি তৈরি করা (কিছু অনুমান অনুসারে সমস্ত ডিপফেকের 95% এরও বেশি)। ভিডিও এবং ভয়েস সহ ব্যাঙ্ক জালিয়াতি আছে, সেইসাথে রাজনৈতিক বিরোধীদের মানহানিকারী জাল ভিডিও (একটি ভিডিও, স্পিকার ন্যান্সি পেলোসির সাথে, ডোনাল্ড ট্রাম্পের অফিসিয়াল অ্যাকাউন্ট দ্বারা রিটুইট করা হয়েছিল)। আক্ষরিক অর্থে, স্লাভোজ জিজেক গত কয়েক বছর ধরে এই বিষয়ে কথা বলছেন: "আমার জন্য, প্রধান প্রশ্ন - এবং এটি একটি উত্তরহীন প্রশ্ন - এই ধরনের প্রযুক্তিগুলি কীভাবে আমাদের নিজেদের ধারণাকে প্রভাবিত করবে। আমরা কি মুক্ত জীবিত প্রাণী হিসাবে বিবেচিত হব - নাকি আমরা ডিজিটাল মেশিন দ্বারা নিয়ন্ত্রিত হব। এবং মূল বিষয় হল: আমরা হয়তো জানি না যে তারা আমাদের নিয়ন্ত্রণ করে।"
