আপনি যদি কৃত্রিম বুদ্ধিমত্তা নিয়ে সাম্প্রতিক আলোচনাগুলো অনুসরণ করে থাকেন, তাহলে সম্ভবত এমন কিছু টুলের কথা শুনেছেন যা কবিতা লেখা থেকে শুরু করে জটিল কোড প্রোগ্রামিং পর্যন্ত সবকিছুই করতে পারে বলে মনে হয়। এই সমস্ত জাদুর পেছনে একটি মূল ধারণা রয়েছে: ভিত্তিগত মডেল । মূলত, এগুলো একটি গাড়ির চ্যাসিসের মতো; একটি মজবুত, সাধারণ কাঠামো যাকে যেকোনো নির্দিষ্ট সময়ে আমাদের প্রয়োজন অনুযায়ী একটি স্পোর্টস কার, একটি ট্রাক বা একটি ইউটিলিটি ভেহিকল হিসেবে কাস্টমাইজ করা যায়।
এই সিস্টেমগুলোকে যা এত যুগান্তকারী করে তুলেছে তা হলো, আমরা এখন আর কোনো একটি নির্দিষ্ট কাজের জন্য এআই ডিজাইন করি না, বরং বিপুল পরিমাণ ডেটার ওপর প্রশিক্ষিত একটি ডিজিটাল দৈত্য তৈরি করি , যাকে আমরা পরবর্তীতে "গড়ে তুলতে" পারি। এই আদর্শগত পরিবর্তন এআই-কে একটি অত্যন্ত অনমনীয় সত্তা থেকে এমন একটি নমনীয় হাতিয়ারে পরিণত করেছে যা জগৎ থেকে সাধারণ প্যাটার্ন শেখে এবং তারপর সেগুলোকে নির্দিষ্ট সমস্যায় প্রয়োগ করে। এটি উদ্ভাবনকে এমন গতিতে ত্বরান্বিত করছে যা, সত্যি বলতে, সবাইকে বাকরুদ্ধ করে দেয়।
ভিত্তিগত মডেল বলতে ঠিক কী বোঝায়?
সহজ কথায় বলতে গেলে, একটি মৌলিক এআই মডেল হলো এমন যেকোনো এআই সিস্টেম যা বিপুল পরিমাণ ডেটার ওপর (সাধারণত স্ব-পর্যবেক্ষণের মাধ্যমে) প্রশিক্ষিত এবং যা ফাইন-টিউনিং নামক একটি প্রক্রিয়ার মাধ্যমে বিভিন্ন ধরনের অ্যাপ্লিকেশনের সাথে নিজেকে মানিয়ে নিতে পারে। এগুলো সম্পূর্ণ নতুন নয়, কারণ এগুলো ডিপ লার্নিং এবং নলেজ ট্রান্সফারের ওপর নির্ভর করে, কিন্তু ডেটা এবং কম্পিউটিং ক্ষমতার অভূতপূর্ব পরিমাণ এমন সব সক্ষমতার উদ্ভব ঘটিয়েছে যা কেউ আগে থেকে অনুমানও করেনি।
এদেরকে লার্জ ল্যাঙ্গুয়েজ মডেল (LLM)-এর সাথে গুলিয়ে না ফেলাটা অত্যন্ত গুরুত্বপূর্ণ । যদিও এই দুটি শব্দ প্রায়শই একই অর্থে ব্যবহৃত হয়, এদের মধ্যে সম্পর্কটি অনেকটা গোত্র ও প্রজাতির মতো: সমস্ত LLM-ই হলো ফাউন্ডেশনাল মডেল, কিন্তু সমস্ত ফাউন্ডেশনাল মডেল LLM নয়। যেখানে LLM মূলত টেক্সট এবং কোডের উপর মনোযোগ দেয়, সেখানে ফাউন্ডেশনাল মডেলগুলো মাল্টিমোডাল হতে পারে , যা ছবি, অডিও, ভিডিও, এমনকি রোবট থেকে আসা সংবেদী সংকেতও প্রসেস করতে পারে।
প্রযুক্তিগত স্তম্ভ: ট্রান্সফরমার এবং প্রশিক্ষণ
যে আর্কিটেকচারটি এই সবকিছু সম্ভব করেছে, তা হলো ট্রান্সফর্মার । এই সিস্টেমটি 'সেলফ-অ্যাটেনশন' নামক একটি কৌশল ব্যবহার করে, যা মডেলটিকে একটি সিকোয়েন্সের বিভিন্ন অংশের গুরুত্ব বুঝতে সাহায্য করে, তাদের পারস্পরিক দূরত্ব নির্বিশেষে। এটিতে সাধারণত একটি এনকোডার এবং একটি ডিকোডার থাকে, যা ভেক্টর রিপ্রেজেন্টেশন (এম্বেডিং) তৈরি করে এবং ভাষা বা ছবির অন্তর্নিহিত অর্থ ধারণ করে।
সৃষ্টি প্রক্রিয়াটি সাধারণত কয়েকটি পর্যায়ে বিভক্ত:
- ব্যায়ামের আগে: এটি সবচেয়ে ব্যয়বহুল পর্যায়। মডেলটি তথ্যের সাধারণ কাঠামো শেখার জন্য ইন্টারনেট, বই এবং ডেটাবেসকে 'গোগ্রাসে' ব্যবহার করে। এখানেই... প্যারামিটারের সংখ্যাটোকেনের সংখ্যা এবং কনটেক্সট উইন্ডো।
- সূক্ষ্ম সমন্বয়: মডেলটি একবার সর্বজ্ঞ হয়ে গেলে, এটিকে নির্দিষ্ট ডেটা দিয়ে প্রশিক্ষণ দেওয়া হয় এবং মানুষের তত্ত্বাবধানে চিকিৎসা বা আইনের মতো কোনো একটি ক্ষেত্রে বিশেষজ্ঞ করে তোলা হয়।
- কাজের সাথে অভিযোজন: এটিই চূড়ান্ত ধাপ, যেখানে মডেলটিকে একটি অত্যন্ত নির্দিষ্ট কাজের জন্য অপ্টিমাইজ করা হয়, যেমন একটি তৈরি করা। মামলার আইন অনুসন্ধান ইঞ্জিন অথবা একটি প্রযুক্তিগত প্রতিবেদন জেনারেটর।
ইতিহাস গড়ে তোলা অসামান্য মডেল
২০১৮ সাল থেকে আমরা একের পর এক এমন মডেল দেখেছি যা প্রচলিত ধারণাকে নাড়িয়ে দিয়েছে। BERT ছিল এর অন্যতম পথিকৃৎ, যা প্রসঙ্গ বোঝার দ্বিমুখী ক্ষমতার জন্য উল্লেখযোগ্য। এরপর আসে OpenAI-এর GPT পরিবার , যা GPT-1 থেকে GPT-4-এ বিকশিত হয়ে দেখিয়েছে যে, পরিধি যত বড় হয়, জিরো-শট লার্নিং-এর মতো নতুন নতুন সক্ষমতাও তত বেশি উন্মোচিত হয়।
কিন্তু তারা একা নন। আমাদের কাছে আছেন অ্যানথ্রোপিক-এর ক্লদ , যাঁর সনেট, ওপাস এবং হাইকুর মতো সংস্করণগুলো বুদ্ধিমত্তা ও গতির মধ্যে ভারসাম্য আনার চেষ্টা করে। অন্যদিকে, অ্যামাজন নোভা এমন একটি পরিসর প্রদান করে যা মাল্টিমোডাল বোঝাপড়া থেকে শুরু করে সৃজনশীল ভিডিও তৈরি পর্যন্ত বিস্তৃত। আমরা স্টেবল ডিফিউশন-এর কথা ভুলতে পারি না , যা মৌলিক মডেলগুলোর শক্তিকে ছবির জগতে নিয়ে এসেছে; কিংবা ব্লুম-এর কথা , একটি বহুভাষিক ও সহযোগিতামূলক প্রচেষ্টা যা প্রমাণ করে যে ওপেন সোর্সেরও নিজস্ব একটি স্থান রয়েছে।
সক্ষমতা এবং বাস্তব প্রয়োগ
এই মডেলরা শুধু ইমেলই লেখেন না। তাদের প্রভাব গুরুত্বপূর্ণ খাতগুলোতেও বিস্তৃত:
- স্বাস্থ্য: তারা সাহায্য করে ওষুধের আবিষ্কার এবং চিকিৎসা সংক্রান্ত চিত্রের বিশ্লেষণ, যদিও মারাত্মক ত্রুটি এড়ানোর জন্য সেগুলোর সম্পূর্ণ ব্যাখ্যাযোগ্যতা প্রয়োজন।
- ডান: এগুলো চুক্তি পর্যালোচনা এবং দীর্ঘ আইনি বিবরণের বিশ্লেষণে সহায়তা করে, যার ফলে ন্যায়বিচার পাওয়ার খরচ কমে আসে।
- শিক্ষা: তারা অনুমতি দেয় a ব্যক্তিগতকৃত শেখা এবং অভিযোজনযোগ্য, যদিও এগুলি রচনাচুরি এবং প্রযুক্তিগত ব্যবধানের ক্ষেত্রে চ্যালেঞ্জ তৈরি করে।
- যন্ত্রমানব নির্মাণ বিদ্যা: লক্ষ্য হলো এমন সর্বগুণসম্পন্ন রোবট তৈরি করা, যেগুলোকে প্রতিটি কাজের জন্য একেবারে গোড়া থেকে প্রোগ্রাম করতে হবে না, বরং একটি ভিত্তি মডেল ব্যবহার করবে। পরিবেশের সাথে মিথস্ক্রিয়া শারীরিক।
অন্ধকার দিক: ঝুঁকি, নৈতিকতা এবং পরিবেশ
সবকিছু সবসময় মসৃণ নয়। একজাতীয়করণ একটি গুরুতর ঝুঁকি তৈরি করে: যদি সবাই একই মূল মডেল ব্যবহার করে, তবে এর অন্তর্নিহিত পক্ষপাত বা ত্রুটি সমস্ত উদ্ভূত অ্যাপ্লিকেশনের মধ্যে ছড়িয়ে পড়বে, যা একটি "অ্যালগরিদমিক একাধিপত্য" তৈরি করবে। এছাড়াও রয়েছে বিভ্রম—সেই মুহূর্তগুলো যখন এআই আশ্চর্যজনক নিশ্চয়তার সাথে ডেটা তৈরি করে, যার জন্য ক্রমাগত মানুষের দ্বারা যাচাইয়ের প্রয়োজন হয় ।
নৈতিক ও আইনি দৃষ্টিকোণ থেকে, মেধাস্বত্ব নিয়ে একটি প্রকাশ্য লড়াই চলছে , কারণ অনেক মডেল তাদের নির্মাতাদের সুস্পষ্ট সম্মতি ছাড়াই ডেটা দিয়ে প্রশিক্ষিত করা হয়। এর সাথে যুক্ত হয়েছে পরিবেশগত ক্ষতি; এই বিশাল যন্ত্রগুলোকে প্রশিক্ষণ দিতে প্রচুর পরিমাণে শক্তি ও পানি খরচ হয়, যা আরও কার্যকর আর্কিটেকচার এবং টেকসই ডেটা সেন্টারের অনুসন্ধানে বাধ্য করে।
কৃত্রিম বুদ্ধিমত্তার ভবিষ্যৎ ও শাসনব্যবস্থা
অগ্রগতির পথ নিহিত রয়েছে সকলের জন্য এর সহজলভ্যতা নিশ্চিত করার মধ্যে। বর্তমানে, হার্ডওয়্যারের (জিপিইউ) উচ্চ মূল্যের কারণে সবচেয়ে শক্তিশালী মডেলগুলোর প্রশিক্ষণ কয়েকটি কোম্পানির হাতে কেন্দ্রীভূত রয়েছে। কৃত্রিম বুদ্ধিমত্তার ক্ষমতা যাতে একটি প্রযুক্তিগত গোষ্ঠীতন্ত্রের হাতে না পড়ে, তা প্রতিরোধ করার জন্য বিশ্ববিদ্যালয় এবং সরকারগুলোর গণ-অবকাঠামোতে বিনিয়োগ করা অত্যাবশ্যক ।
এর মূল চাবিকাঠি হবে স্বচ্ছতা এবং স্বাধীন নিরীক্ষা। কোনো কোম্পানির পক্ষে শুধু তাদের মডেলটি নিরাপদ বলে দাবি করাই যথেষ্ট নয়; আমাদের এমন নিয়ন্ত্রক কাঠামো (যেমন ইইউ-এর এআই আইন) এবং পেশাদার মানদণ্ড প্রয়োজন, যা নিশ্চিত করবে যে এই সরঞ্জামগুলো সমাজের উন্নতির জন্য ব্যবহৃত হচ্ছে, গণ নজরদারি বা অপতথ্য ছড়ানোর সুবিধার্থে নয়।
কৃত্রিম বুদ্ধিমত্তার বাস্তুতন্ত্র এমন একটি কাঠামোর দিকে সরে গেছে যেখানে কয়েকটি মূল মডেল হাজার হাজার বিশেষায়িত অ্যাপ্লিকেশনকে সমর্থন করে, যা ব্যাপক প্রক্রিয়াকরণের ক্ষমতার সাথে মানুষের মতো সূক্ষ্ম সমন্বয়ের সমন্বয় ঘটায়। এই অগ্রগতি, যদিও গভীর নৈতিক দ্বিধা এবং শক্তি খরচ সংক্রান্ত উদ্বেগের জন্ম দেয়, তবুও এটি কৃত্রিম বুদ্ধিমত্তাকে একটি সাধারণ-উদ্দেশ্যমূলক অবকাঠামোতে রূপান্তরিত করে মানুষ ও যন্ত্রের মধ্যকার সম্পর্ককে নতুনভাবে সংজ্ঞায়িত করে, যা একই সাথে একাধিক ক্ষেত্রে যুক্তি প্রদান, সৃষ্টি এবং শেখার ক্ষমতা রাখে।
