এআই গবেষক রিচার্ড সাটন ২০০১ সনে নিচের ব্লগটি লিখেছিলেন। তিনি এআইয়ের অন্যতম শাখা রিইনফোর্সমেন্ট লার্নিংয়ের একজন প্রধান প্রবর্তক। ওনার ব্লগ এর আগে একাধিক সায়েন্টিফিক পেপারে রেফারেন্স হিসেবে ব্যবহৃত হয়েছে (ব্লগ লেখকেরা উৎসাহ পেতে পারেন)। নিচের ব্লগটি ব্যবহৃত হয়েছে জর্জিয়া টেক বিশ্ববিদ্যালয়ের পিএইচডির যোগ্যতা-নির্ধারণ পরীক্ষার (PhD qualifying exam) প্রশ্নে। ওনার অনুমতিক্রমে এর বাংলা ভাবানুবাদ করলাম। মূল ব্লগের শিরোনাম – “What’s Wrong with AI”।
এআই গবেষণা উচ্ছন্নে গেছে। তার লক্ষ্য হতে সে আজ বিচ্যুত। একটা এআই সিস্টেমের (যেমন রোবটের) নিজের নিয়ন্ত্রণ ও দেখভালের দায়িত্ব ন্যস্ত থাকবে তার নিজের হাতে এমনটাই ছিলো এআই গবেষণার মূল লক্ষ্য । বর্তমানে এমন সিস্টেম তৈরি করা হয় যার কার্যকারিতা নির্ভর করে মূলত সিস্টেমটার ডিজাইনারের বিশেষ দক্ষতা কিংবা অন্তর্দৃষ্টির উপর। আজকাল এ ধরনের সিস্টেমকেই ‘সফল’ সিস্টেম হিসেবে গণ্য করাটা একটা চল, এমনকি প্রশংসনীয় একটা চর্চা হয়ে গেছে। এই চর্চাটা বুদ্ধিমত্তার নিয়ম বা তত্ত্বগুলো আবিষ্কার করার বিপরীতে অবস্থান করে। এটা বরং অনেকটা প্রকৌশলচর্চা কেন্দ্রিক। একটা সমস্যাকে যেকোনো উপায়ে সমাধান করাটাই এখানে মূলত লক্ষ্য। এই চর্চাটা প্রকৌশলগত দৃষ্টিকোণ থেকে যতো অসাধারণই হোক না কেনো, এআইয়ের মূল লক্ষ্যের জন্যে এটা মোটেও সহায়ক নয়। এআই গবেষণার জন্যে একটা কাজের সিস্টেম বানানোটাই কেবল যথেষ্ট নয়। সিস্টেমটা কী উপায়ে তৈরি করার ফলে সেই উন্নয়ন অর্জন করা গেছে সেটাও এখানে বিবেচ্য।
কী উপায়ে সিস্টেমটা তৈির সেই ব্যাপারটাকে এতোটা গুরুত্বের সাথে বিবেচনার পেছনে ব্যবহারিক একটা বিষয়ের সম্পর্ক জড়িত। যেমন, একটা এআই সিস্টেম কতোটা কার্যকর সেটা নিশ্চিত করার জন্যে যদি মানুষের দ্বারা অতিরিক্ত হস্তক্ষেপ (ও রক্ষণাবেক্ষণ) করার দরকার পড়ে (যেমন, নানা নব্ ঘোরাতে বা ‘টিউন’ করতে), সেক্ষেত্রে মুষ্টিমেয় কিছু প্রোগ্রামারের ধারণার গণ্ডির মধ্যে যেসব সমস্যা পড়ে কেবল সেসকলের সমাধানেই সিস্টেমটা কাজ করবে। এর বাইরে অন্যান্য অদেখা সমস্যার ক্ষেত্রে সিস্টেমটার সচলতা তেমন একটা আশা করা ঠিক হবে না। বর্তমান এআই গবেষণার ঠিক এই হাল বলেই মনে হয়। আমাদের তৈরি সিস্টেমগুলো খুব সীমিত, কারণ সিস্টেমের দায়দায়িত্ব তার নিজেদের হাতেই ন্যস্ত করার সুযোগ তৈরি করতে আমরা ব্যর্থ হয়েছি।
কৃত্রিম বুদ্ধিমত্তার গবেষণা নিয়ে আমার এই ব্যাপক ও অনির্দিষ্ট সমালোচনার জন্যে আমাকে ক্ষমা করবেন। সমালোচনা অনির্দিষ্ট হবার সমস্যাটি নিরসন করার একটা উপায় হলো এআই গবেষণার একটা নির্দিষ্ট ক্ষেত্রে সমালোচনাটাকে নিয়ে নিবদ্ধ করা। কিন্তু এভাবে পরিসরকে সীমিত করার বদলে চলুন আমরা অন্য উপায়টি বরং নেই। আসুন আমরা কৃত্রিম বুদ্ধিমত্তার সুদূরপ্রসারী লক্ষ্যগুলো নিয়ে সাধারণ আলোচনা করি ও সেগুলোতে একমত হবার চেষ্টা করি।
খুব সাধারণ অর্থে, আমি মনে করি এআই সিস্টেম বলতে আমরা এমন একটা সিস্টেম আশা করি যা একসময় গিয়ে দুনিয়া সম্পর্কে অঢেল পরিমাণ জ্ঞান ধারণে সক্ষম হবে। এর অর্থ হতে পারে, কীভাবে নড়াচড়া করতে হবে সেটা জানা, ভাপা পিঠা দেখতে কেমন হয় বলতে পারা, মানুষের যে পা আছে সেই জ্ঞান ধারণ করা, ইত্যাদি। আর এগুলো জানার অর্থ হলো নানাভাবে এই জ্ঞানগুলোকে এমনভাবে একত্র করতে পারা যাতে সিস্টেমটির মূল উদ্দেশ্য অর্জিত হয়। যেমন, সিস্টেমটি যদি ক্ষুধার্ত থাকে, তাহলে সিস্টেমটি যাতে তার ভাপা পিঠা নির্ণয়কারী অংশের সাথে তার নিজের নড়াচড়ার অংশটিকে এমনভাবে একত্রিত করতে পারে যে সে ভাপা পিঠাটির দিকে অগ্রসর হতে পারে এবং সেটাকে পরিশেষে ভোগ করতে পারে। নানা বিষয়ে জ্ঞান অর্জন আর সেই জ্ঞানগুলোর মাঝে বিভিন্নরকম সম্পর্ক স্থাপন, এটাকে এআইয়ের একটি অতি সরলীকৃত চিত্র কল্পনা যেতে পারে, তবে আলোচনা শুরুর জন্যে এটাই যথেষ্ট। লক্ষ করুন, এই চিত্রটি ইতোমধ্যেই আমাদের এআই সংক্রান্ত লক্ষ্যটিকে প্রকৌশলচর্চা-কেন্দ্রিক লক্ষ্যের বাইরে নিয়ে গেছে। আমরা এখানে সিস্টেমের কাছে এমন উপায়ে জ্ঞানার্জন ও ধারণ আশা করছি যাতে করে সে তার জ্ঞানকে নানাভাবে সংযুক্ত করে ব্যবহার করতে পারে। এবং জ্ঞানটার সেই নতুন ব্যবহারগুলোর সাথে জ্ঞানটা কীভাবে অর্জিত তার সম্পর্ক থাকাটা অনেকটা অগুরুত্বপূর্ণ হয়।
এআইয়ের এই কল্পিত চিত্রের সাপেক্ষে চিন্তা করলে আমার মূল উদ্বেগ হলো সিস্টেমটার অর্জিত জ্ঞানের সঠিকতা বা যাচাই নিয়ে। এখানে আমরা অঢেল জ্ঞানার্জনের কথা বলছি এবং নিশ্চিতভাবেই সেই জ্ঞানে ভুল-ত্রুটি থাকবে। সেক্ষেত্রে সঠিকতা যাচাই করা ও বজায় রাখার দায়ভারটা কার উপর বর্তাবে? মানুষ না যন্ত্রের উপর? আমার মনে হয়, আমরা সবাই-ই যতোটা সম্ভব চাবো যে এআই সিস্টেমটা যাতে কোনো একটা উপায়ে তার নিজের জ্ঞানটা নিজেই যাচাই ও রক্ষণাবেক্ষণ করে এবং আমাদেরকে সেই গুরুভার থেকে রক্ষা করে। কীভাবে সেটা সম্ভব তা অনুধাবন করা কঠিন; একটা সিস্টেমের জ্ঞানের ভুল-ত্রুটিগুলোকে আমাদের নিজেদের পক্ষ থেকে নানা নব্ নাড়াচাড়া করে শুধরে নেয়াটাই বরং সহজতর কাজ। আর ঠিক এ কাজটাই আমরা বর্তমানে করে যাচ্ছি।
লেখককে ধন্যবাদ।
সিস্টেমটি মানুষকে যদি ভাপা পিঠা ভেবে অগ্রসর হয়? আক্রান্ত বোধ করা উচিৎ নয় কি?
বলছেন তা হলে। নিয়ন্ত্রন তা হলে মানুষ ধ্রুবদের হাতেই থাকবে? আশ্বস্ত বোধ করা যাক; কি বলেন?
@কাজী রহমান,
🙂
আপনি প্রয়োগ নিয়ে ভেবে আশঙ্কিত হচ্ছেন। হওয়াটা অস্বাভাবিক না। কিন্তু মৌলিক বিজ্ঞানকে প্রয়োগ নিয়ে চিন্তিত হলে কি চলে? দ্বিতীয় মহাবিশ্ব আছে কিনা যখন ভাবেন, তখন কি সাথে সাথে প্রয়োগ নিয়ে তাড়িত হন, কিংবা প্রয়োগের সম্ভাব্য দুর্ঘটনা আপনার কৌতুহলকে নিবৃত্ত করে? এআইয়ের মূল লক্ষ্য হলো বুদ্ধিমত্তার প্রকৃতিকে নির্ণয় করা, যাতে গণনাগতভাবে তাকে পুনরুৎপাদন করা যায়। মানুষের কাজ করে দেয় এমন রোবট বানানো কিন্তু এর উদ্দেশ্য ছিলো না। এক অর্থে এআইয়ের উদ্দেশ্য ছিলো আপনার আমার ভাবার ধরনটাকে উদ্ঘাটন।
এখন সেই গবেষণা করতে গিয়ে যদি ফ্রাঙ্কেস্টাইন বানানো হয়ে যায়, ভয় তো আছেই। কিন্তু সেটাকে না ঘটতে দেওয়াও সহজ। এবং সেটা যান্ত্রিকভাবে তার সক্ষমতাকে সীমিত করে। কিন্তু রোবটকে যতোটুকু সক্ষমতা আপনি দিবেন, তার ব্যাপারে রোবটকে নিজস্ব স্বাধীন নিয়ন্ত্রণ আপনাকে দিতে হবে। কারণ আমাদের ভাবার উপায়কে কোনো উপরওয়ালা নিশ্চয়ই উপর থেকে নিয়ন্ত্রণ করে না। তার যান্ত্রিকতা যে সীমিত এবং তার প্রোগ্রাম যে অবশেষে একটা মানুষই করছে, শুধু এই অর্থে তার নিয়ন্ত্রণ মানুষদের হাতে থাকবে (ধ্রুব মানুষ কে কইলো? 😉 )। কিন্তু বুদ্ধিমত্তার প্রকৃতি নির্ণয়ের জন্যে, এআইয়ের মূল লক্ষ্য সাধনের জন্য মুক্ত রোবট আবশ্যক। এর জন্যে আমার এই লেখাটা দেখতে পারেন।
কর্তৃত্ববাদের রোবট বনাম মুক্তিবাদের রোবট
ফলে আমরা যতক্ষণ সহজতর কাজটা করছি, ততক্ষণ এআইয়ের লক্ষ্যের সাপেক্ষে চিন্তা করলে আশ্বস্ত না হওয়ারই কারণ বেশি!
আমি নিজেও মনে করি AI কম্পিউটার বিজ্ঞানের অন্যান্য শাখার তুলনায় পিছিয়ে পড়েছে। তবে সেই পিছিয়ে পড়াকে সম্পূর্ণ ব্যর্থ হিসেবে ঠিক মানতে পারছি না।
বেশ সাবলীলভাবে লেখাটির অনুবাদ করেছেন।
এ আই’র ভবিষ্যত নিয়ে আমি নিজেও দ্বিধাগ্রন্থ। সেই পঞ্চাশের শতকে টুরিন ভবিষ্যৎবাণী করেছিলেন যে ২০০০ সালের মধ্যেই এমন কৃত্রিম বুদ্ধিমত্তা সম্পন্ন মেশিন চলে আসবে যা মানুষকে প্রতারিত করতে পারবে। যদিও এলিজা, প্যারি কিংবা চ্যাটারবটের উদাহরণগুলো জানা সত্ত্বেও বলা যায় এখন পর্যন্ত টুরিন টেস্টে পাশ করা মেশিনের পক্ষে সম্ভব হয়ে উঠেনি।
(পাঠকদের জন্য – এখানে ক্লেভারবট বলে একটা প্রোগ্রাম আছে, এক রবোট আপনার সাথে চ্যাট করবে, দেখেন একে মানুষ বলে ভুল হয় কিনা)।
মেশিন লার্নিং ও খুব প্রাথমিক পর্যায়ে আছে বলে জানি। ডারউইনীয় পদ্ধতিতে নাকি লার্নিং এর ব্যাপারটা শেখানোর চেষ্টা চলছে – এ ধারা কতটুকু সফল হবে কে জানে। আসলে আমাদের জীবজগতের লক্ষ বছরের টিকে থাকার ইতিহাস আছে, অনেক কিছুই আমাদের জিনে প্রথিত। সেটা তো কৃত্রিমভাবে মেশিনে পোড়া সম্ভব নয়। সেটা পুড়তে হলে প্রোগ্রামিং করেই ভরতে হবে। লার্নিং ভার্সেস প্রোগ্রামিং এর একটা দ্বন্দ্ব কিন্তু থেকেই যাচ্ছে মানুষ বনাম মেশিনের ক্ষেত্রে।
@অভিজিৎ,
ধন্যবাদ অভিজিৎ ভাই।
ক্লেভারবটটা তো প্রথম লাইনেই ডাম্ব নিক্লা।
এটা ঠিক বুঝি নি।
সত্য, কিন্তু তার মানে কিন্তু এই নয় যে
কারণ সেটা আমাদের মাঝেও কোনো ডিজাইনার দ্বারা প্রোগ্রাম করে ভরা হয় নি। কীভাবে ঢুকেছে তাহলে? বিবর্তন প্রত্যেকটা ইন্ডিভিজুয়্যালের জীবদ্দশার ডেটা ব্যবহার করে এই জিন তৈরি করেছে (এখানে ভাষায় teleology ব্যবহার করা হচ্ছে, কোনো প্রকৃত লক্ষ্যের অস্তিত্ব ইঙ্গিত করা হচ্ছে না)।
ফলে জিন ডেটা থেকে তৈরি, ডিজাইন থেকে না। প্রোগ্রাম করে ঢোকাতে হলে সেটা কিন্তু ডেটাকেন্দ্রিক হবে না। হবে ডিজাইন-কেন্দ্রিক। এখন আপনি জিন থেকে ডিজাইন উদ্ধার করে সেটা প্রোগ্রাম করে হয়তো ভরে দেওয়ার চেষ্টা করতেই পারেন। তবে এতে কিন্তু জিনটা তৈরির প্রক্রিয়াটা বোঝা হলো না। আর সেটা হলো এই যে – সব এসেছে ডেটা থেকে, কারও পরিকল্পনার মাধ্যমে নয়। আর এআইয়ের মূল লক্ষ্যই কিন্তু বুদ্ধিমত্তা গঠনের প্রক্রিয়াটাকে বোঝা, পুনরুৎপাদন করা। ফলে প্রোগ্রাম বা ডিজাইন করে ভরাটা একমাত্র উপায় মোটেও না। যেখানে হাতের কাছে থাকা একমাত্র উদাহরণ বিবর্তন নিজেই ডিজাইন করে ভরা নয়।
তবে হ্যাঁ, লার্নিং ভার্সেস প্রোগ্রামিংয়ের দ্বন্দ্ব আছেই। লার্নিং অ্যালগরিদমটাও তো কাউকে না কাউকে ‘প্রোগ্রাম’ করতেই হবে। এটাই প্রমাণ যে প্রোগ্রামকে শূন্য করে ফেলার সম্ভাবনা নাই।
কিন্তু এটা যখন স্বীকার করা গেলো, তখন আমাদের উদ্দেশ্য হলো যতোটা বেশি পারা যায় হাতে ইন্সট্রাকশান দিয়ে ভরে না দিয়ে ডেটা থেকে অটোমেটিক অর্জনের ব্যবস্থা করা। সেটা মস্তিষ্কের প্রতিরূপ হতে পারে, এমন কি জিনও হতে পারে।
বাওলজিক্যাল সায়েন্স থেকে এই দেখার উপায়টা অনেকটাই আলাদা। কিন্তু এই আলাদত্ব একে ইনভ্যালিড করে না। এবং অনেকক্ষেত্রে এই দেখার উপায়টা বরং বেশি বিবর্তনবান্ধব। পার্থক্য এই যে, বিষয়কে বোঝার জন্য বস্তু ও তার গঠনকে ইউনিট না ধরে এখানে ডেটা, ইনফরমেশান ও কম্পিউটেশানকে ইউনিট ধরা হয়। সবকিছুর কম্পিউটেশান সমতুল আছে কিনা সেটা একটা প্রশ্ন বটে। তবে বস্তুজগতে এমন কোনো কিছু এখনো পাওয়া যায় নি যার কম্পিউটেশসন সমতুল নেই। কম্পিউটেশান এক অতুলনীয় জিনিস!
@রূপম (ধ্রুব),
‘প্যান-কম্পিউটেশনালিজম’ মতবাদ নিয়ে একটা প্রশ্ন আমাকে প্রায়ই ভাবায়। যদি মহাবিশ্বের সকল ভৌতিক প্রক্রিয়াকে কম্পিউটেশন হিসেবে ধরা হয় , তাহলে রান্ডমনেস কিভাবে উদ্ভুত হয় এবং কি ধরনের প্রক্রিয়া এই রান্ডমনেসের জন্য দায়ী ?
@সংশপ্তক,
খুবই ভালো প্রশ্ন। যদি প্রমাণ করে কোনো অবজেক্টিভলি ট্রু র্যান্ডম প্রসেস দেখানো যায়, তাহলে বোল্ড চার্চ টিউরিং থিসিস সাথে সাথে ফলসিফাইড। হিডেন ভ্যারিয়েবল ইন্টারপ্রিটেশান হয়তো তাকে বাঁচাতে পারে, তবে সেই আশায় বসে থাকার তেমন মানে নেই। তবে প্যানকম্পিউটেশনালিজমে মাইল্ড চার্চ টিউরিং থিসিসও পড়ে, যেটা ধ্বসানো আরেকটু কঠিন হবে।
তবে র্যান্ডমনেস এখানে মূল সমস্যা বলে মনে হয় না। প্রশ্ন হচ্ছে, কোন প্রক্রিয়াটা এর উপর নির্ভর করছে। সেই প্রক্রিয়াকে কি ট্রু র্যান্ডমনেস ছাড়া সিমুলেট করা সম্ভব না? ম্যাক্রো ফেনোমেননগুলোতে গিয়ে র্যান্ডমনেসের প্রভাবটা ধোঁয়াটে হয়ে যায়। প্যানকম্পিউটেশনালিজম মূলত ম্যাক্রো ওয়ার্ল্ড নিয়ে ব্যস্ত মনে হয়। প্রশ্ন হচ্ছে ম্যাক্রো ওয়ার্ল্ডের কোন ঘটনা টিউরিং কম্পিউটেবল নয়?
আরেকটা প্রশ্ন হচ্ছে, পর্যবেক্ষণ জগৎ সম্পর্কে এ যাবৎ আমাদের আহরিত (পরিমাণগতভাবে পূর্বাভাসযোগ্য) কোন বৈজ্ঞানিক নলেজটি কম্পিউটেবল না? আপনার ভাবনাগুলো দিয়েও আলোকপাত করতে পারেন।
@সংশপ্তক,
এই বিষয়টা নিয়ে একটা গবেষণাপত্র আছে :
Experimental Evidence of Quantum Randomness Incomputability
“In contrast with software-generated randomness (called pseudo-randomness), quantum randomness is provable incomputable, i.e.\ it is not exactly reproducible by any algorithm. We provide experimental evidence of incomputability — an asymptotic property — of quantum randomness by performing finite tests of randomness inspired by algorithmic information theory. ”
উপরের গবেষণাপত্রটির উপর আপনার মতামত জানতে পারলে ভালো হয়।
@সংশপ্তক,
পেপারটা মারাত্মক। দেখছি। তবে আমার প্রশ্ন ছিলো (পরিমাণগতভাবে পূর্বাভাসযোগ্য) বৈজ্ঞানিক নলেজ সংক্রান্ত? ধরি quantum randomness সত্যি computable না। কিন্তু এখানে quantum randomness সম্পর্কে আমাদের (পরিমাণগতভাবে পূর্বাভাসযোগ্য) বৈজ্ঞানিক নলেজটা কী?
@সংশপ্তক,
রিচার্ড ফাইনম্যানের Simulating Physics with Computer পেপারটা দেখতে পারেন।
@রূপম (ধ্রুব),
হ্যা, কিন্তু রবোটের ক্ষেত্রে (এমনকি অন্যান্য এ আই এর গবেষনায়) ডিজাইন ব্যাপারটা থেকে যায়। এমনকি আপনার প্রবন্ধেও লেখক ব্যাপারটার সমালোচনা করলেও এর লক্ষ্যটা প্রথমেই স্বীকার করে নিয়েছেন – বর্তমানে এমন সিস্টেম তৈরি করা হয় যার কার্যকারিতা নির্ভর করে মূলত সিস্টেমটার ডিজাইনারের বিশেষ দক্ষতা কিংবা অন্তর্দৃষ্টির উপর।
আমি যেটা বলতে চেয়েছি সেটা হল, আমারা মানুষ হিসেবে যে টিকে আছি, আমাদের উদ্ভবের অনেক আগে আমরা হয়ত সরিসৃপ হয়ে টিকে ছিলাম, কিংবা তারও আগে মৎসজাতীয় প্রাণী হয়ে। আমাদের মানুষের ব্রেন তৈরি হয়েছে ফিশ/ রেপ্টিলিয়ান আদিম ব্রেনের উপর আধুনিক নানা উপাঙ্গ ক্রমশঃ স্তুপীকৃত হয়ে। আমি আমার মানব মস্তিষ্কের আনইন্টেলিজেন্ট ডিজাইন নামের লেখাটায় এই নিয়ে লিখেছিলেম – একজন জীববিজ্ঞানী কিংবা বিবর্তন জানা স্নায়ুবিজ্ঞানী যখন ইঁদুরের মস্তিষ্ক দেখেন তখন তিনি জানেন যে, ওটা সরীসৃপের মস্তিষ্ক এবং সেই সাথে কিছু বাড়তি অংশের সমাবেশ। ঠিক একইভাবে তারা যখন আবার মানব মস্তিষ্কের দিকে তাকান, তখন তারা দেখেই বোঝেন যে এটা ইঁদুরের মস্তিষ্ক এবং সেই সাথে পরবর্তীতে যোগ হওয়া নতুন বাড়তি কিছু অংশের সমাহার। কিন্তু একটা রবোটের যেহেতু এই লক্ষ বছরের সিলেকশন প্রেশারের মধ্য দিয়ে বিবর্তিত হতে হয়নি, তার সাথে মানব মস্তিষ্কের বুদ্ধিমত্তার এক ধরণের পার্থক্য থাকবে না? বিবর্তনের এই যে প্রজাতির পর প্রজাতি ধরে টিকে থাকার প্রক্রিয়া, এটা কি এ আই-এ পুরোপুরি নিয়ে আসা সম্ভব? হয়তো সীমিত স্কেলে সম্ভব, সেজন্যই ডারউইনীয় রবোটিক্সের কথা বলেছিলাম…।
আপনি যে, বলেছেন – ‘যতোটা বেশি পারা যায় হাতে ইন্সট্রাকশান দিয়ে ভরে না দিয়ে ডেটা থেকে অটোমেটিক অর্জনের ব্যবস্থা করা। সেটা মস্তিষ্কের প্রতিরূপ হতে পারে, এমন কি জিনও হতে পারে’ – এইটাই সম্ভবত সেই ডিরেকশন। মানে রবোটিক বিহেভিয়ারগুলোকে একধরনের ডারউইনিয় সিলেকশন প্রেশারের মধ্য দিয়ে নিয়ে যাওয়া – এই আর কি! এখানে দেখতে পারেন।
@অভিজিৎ,
তবে রোবটিক্সে এই লক্ষ্য নিয়ে এগুনো বাধ্যতামূলক নয়। তাই তিনি বলছেন এআইয়ের মূল লক্ষ্য নিয়ে এমন কি রোবটিক্সেও এগুনো যায়, যেখানে ডিজাইনারের উপরে নির্ভরতা ক্ষুদ্র থেকে ক্ষুদ্রতর করার চেষ্টা থাকবে। এই চেষ্টাটা না থাকা কিন্তু রোবটিক্স গবেষণার কোনো অপরিহার্যতা নয়।
লিংকের জন্য ধন্যবাদ। আমার ব্যাচেলর থিসিস ছিলো কাছাকাছি বিষয়ে, রোবটের শরীর ছিলো না যদিও। টপিকের নাম – Evolution of neural networks.
আচ্ছা ডারউইনীয় সিলেকশানের কি কোনো ঐশী ব্যাপার আছে? নাকি মূল ব্যাপারটা হলো ভ্যারিয়েশান ও সিলেকশান? কনসেপচুয়ালি আমি এই ভ্যারিয়েশান ও সিলেকশানকে গ্রহণ করি, ঠিক ঠিক “ডারউইনীয়” উপায় হতে হবে কিনা তেমনটা বুঝি না (যদিও অতীতে হয়েছে)। আর ভ্যারিয়েশান ও সিলেকশানের নানা উপায় থাকতে পারে। ফলে অনেক ক্ষেত্রেই দেখবেন ভ্যারিয়েশান ও সিলেকশান ব্যবহার করে এআইতে সফলতা পাওয়া যাচ্ছে, কিন্তু সেটাকে ডারউইনিয়ান বা এমন কি ইভল্যুশানও বলছে না। কিন্তু তারা আপনার উদ্ধৃত পেপারের “ডারউইনীয় সিলেকশানের” চেয়ে কিন্তু কন্সেপচুয়্যালি খুব ভিন্ন কিছু না।
আর লার্নিংয়ের একটা বড় অংশ অর্গানিজমের জীবদ্দশায় ঘটে, সেই প্রক্রিয়ায় ডারউইনের নাম আনা বরং আরো দুরূহ (বিবর্তনের কারণে অর্গানিজমের গঠন ও লার্নিংয়ের প্রক্রিয়াটা লিপিবদ্ধ হয়েছে কথাটা বলা ছাড়া)। নিচের ভিডিওটা দেখুন। রোবট হামাগুড়ি দেওয়া ‘শিখছে’। এটা রোবটে মেশিন লার্নিং ব্যবহারের একটা আদর্শ উদাহরণ। এ ঘটনাটা ঘটার মুহূর্তে ডারউইনিয়ান সিলেকশান হচ্ছে না। কিন্তু সময়ের সাথে জ্ঞানী হয়ে ওঠা রোবট বানানোর জন্য এই আচরণ অত্যন্ত গুরুত্বপূর্ণ।
httpv://www.youtube.com/watch?v=2iNrJx6IDEo
@অভিজিৎ,
(Y)
সিমুলেশান এবং ম্যাসিভ ও ফাস্ট কম্পিউটেশান ব্যবহার করে হয়তো আরো বড় স্কেলেও সম্ভব।
আর একটা জিনিস গুরুত্বপূর্ণ যে শিক্ষাই শেষ কথা নয় .. শিক্ষাকে কাজে লাগানো একটা বড় অধ্যায় .. জ্ঞান অনেক হলে অনেক অনেক পথ খুলে যায় .. আর কোন পথটি শ্রেয় তা বিচার করা এক বিশাল সময়সাপেক্ষ কাজ হয়ে যায় .. মানুষের পক্ষেও এই বিচার খুব কঠিন .. একটা গবেষণায় দেখা গেছে মানুষ তার অনুমান থেকে একটা পথ বেছে নেয় তারপর এর উপর যুক্তি স্থাপন করে .. “বহুতর্কে দিন কেটে যায় বিশ্বাসে ধন নিকটে পায়”.. কমপিউটারের ক্ষেত্রে বিচার করার জন্য হাতে রাখা সময় একটা সীমাবদ্ধতা এবং সেই সাথে একটা বাস্তবধর্মী উপায় বলে দেয় .. ওই সময়ের মধ্যে তার কল্পনা যাকে বেশি সম্ভাবনার কথা বলে সে তাই বেছে নেয় ..
@পরমার্থ,
আপনাকে চেনা চেনা লাগে ভাই! আপনি লার্নিং অ্যাগরিদম প্রয়োগ করেছেন এ জন্যে অভিনন্দন।
আসল কথা “কারন এর ওপর যথেষ্ট টাকা ঢালা হয় নি” ..
একটি তথ্যবিন্যাসের সাথে আরেকটি তথবিন্যাসের সম্পর্ক অর্থাত শিক্ষা কতটুকু গ্রহনযোগ্য তা নির্ভর করে ব্যাপারটি পুনরাবৃত্তি ঘটানো কতটুকু সম্ভব(hurestic value) তার উপর .. যেমন মনে করুন একটি তথ্যবিনাস “প্রেম” এর পরিনতি “বিয়ে” .. এখানে শিক্ষা হচ্ছে ওই ব্যাপার দুটিকে একটি সম্ভাব্যতা সংখা দিয়ে জুড়ে দেওয়া ..
আর বর্তমান যুগে আমি যে কমপিউটার ব্যবহার করি তাতে আমি একটি প্রোগ্রাম লিখেছি যা এই কাজ করে, এটি দুরূহ নয় .. কিন্তু দুরূহ হচ্ছে একে সময় দেওয়া ভাষা শিখানো, পেলে পুষে বড় করা ..
এই মেরেছে।।।।
এ আই একটা বিশাল এরিয়া, এখানে রোবট মানে শুধু এই আই না।
কিছু কিছু এরিয়াতে কাজ খুব ভাল এগোচ্ছে
[১] লোকের লেখার এনালিসিস
[২] ভয়েস শুনে বোঝা- যেমন এপলের সিরি
[৩] সেলফ লার্নিং মডেলিং বা ডাটা দেখে শিখে মডেল তৈরী করা।
মেশিন লার্নিং খুব প্রাথমিক স্টেজে আছে। কারন এর ওপর যথেষ্ট টাকা ঢালা হয় নি। এখন হচ্ছে বা হবে। কারন বিগ ডেটা দেখে মানুষের পক্ষে কোন মডেল উদ্ধার করার সম্ভব না। তাই এখন টাকা আসছে এই ফিল্ডে।
নিউরাল নেটোয়ার্ক, জেনেটিক এলগো -এগুলো খুব প্রাথমিক স্টেজে আছে।
@বিপ্লব পাল,
এআই সিস্টেম মানে কিন্তু কেবল রোবটও না, উদাহরণ বলতে পারেন। টিউরিং টেস্টের এআই সিস্টেমটার একটা ফর্মাল শরীর থাকারই বাধ্যবাধকতা নেই। এখানে আসলে এআইয়ের মূল লক্ষ্য ধরে টান দেয়া হয়েছে। যেই লক্ষ্য নিয়ে এআইয়ের যাত্রা শুরু, ধরুন টিউরিংয়ের সময়।
এখানে লার্নিং বনাম ইন্সট্রাকশানের একটা কন্ট্রাস্ট আছে এটা ঠিক। মানুষের পক্ষে উদ্ধার সম্ভব নয় এমন ডেটার মুখোমুখি হবার পর এখন মানুষ লার্নিংয়ে কিছু আগ্রহ দেখাচ্ছে। কিন্তু তারও আগেই ভাবা উচিত ছিলো যে একটা স্বয়ংসম্পূর্ণ এআইয়ের মতো কমপ্লেক্স একটা সিস্টেমের ডেটার মেইনটেইনেন্স মানুষের পক্ষে সম্ভব না। সে হিসেবে অনেক আগেই কি বিগ ডেটা আমাদের কাছে চলে আসতো না? একটা এআই সিস্টেমের অজস্র ইন্দ্রিয় সেন্সর থাকা বাঞ্ছনীয়। অনেক আগেই খুব সাধারণ মানের অনেকগুলো সেন্সর দিয়ে প্রতি সেকেন্ডে স্যাম্পল করলে মাস পেরুবার আগেই কিন্তু বিগ ডেটা! কিন্তু সেই পথে এগুনোই হয় নি। তাই অন্য পথ দিয়ে বিগ ডেটার যখন আগমন ঘটলো, তখন লার্নিংয়ের ব্যাপারে প্রণোদনা সবে তৈরি হলো।
@রূপম (ধ্রুব),
বিগ ডেটা আসার কারন মূলত বিগ ডেটাকে ধরার ক্ষমতা অর্জন করা-যা হাডুপ বা নো এসকিউএলের মাধ্যমে আমরা এখন পারছি। মূলত ক্লাউড প্রযুক্তির উন্নতিই মানুষকে বিগ ডেটার সামনে এনেছে। ১০ বছর আগে এসব ভাবা যেত না-যদিও গুগল ২০০১ সাল থেকেই এর কাজ শুরু করেছিল। রিচার্ড সাটনের এই ব্লগটি কেন লিখেছিলেন আমি জানি না। তবে লার্নিং সিস্টেম ছারা পৃথিবীর অধিকাংশ ডেটার ওপর কাজ করা সম্ভব না এখন। এবং সেটাই এ আই কে এগিয়ে নিয়ে যাবে।
@বিপ্লব পাল,
উনি সম্ভবত লিখেছেন সিস্টেমের নলেজের ভেরিফিকেশানের ব্যাপারটা সামনে আনার জন্য। ফলে সমালোচনাটা মাল্টি লেভেলে বিস্তারিত হিসাবে কল্পনা করতে পারেন। যেমন একদিকে এটা লার্নিং বনাম নন-লার্নিংয়ের তর্কটাকে খাঁড়া করে। আবার লার্নিং যেখানে ব্যবহৃত হচ্ছে, সেখানেও দেখবেন সিস্টেমের অর্জিত জ্ঞানটাকে শেষে গিয়ে আবার মানুষ ভেরিফাই করছে, মন মতো না হলে টিউন করছে। চেষ্টাটা থাকা উচিত সেই টিউন করার নবগুলোকেও অটোমেটিক করার। আর সেই অটোমেটিক প্রসিডিউরটা আবার হওয়া উচিত ডেটা নির্ভর। তখন বলা যাবে যে সিস্টেমটার অর্জিত জ্ঞান ডেটা উৎসারিত, আবার শুদ্ধতাও ডেটা দ্বারা যাচাইকৃত। যখন মানুষের দ্বারা একটু আধটু নব ঘোরালেই মোটের উপর কাজ চলে যায়, তখন সেটাকে অটোমেটিক করার কষ্টটা মানুষ নিতে যায় না। কিন্তু এআইয়ের মূল লক্ষ্যটা যদি মাথায় রেখে আগানো যায়, তাহলে এই কষ্টটা করার প্রণোদনা পাওয়া যায়।
মেশিন লার্নিং কমিউনিটি তো মোটের উপর এআইয়ের লক্ষ্যকে তেমন মূলায় না। আবার গুড ওল্ড-ফ্যাশন্ড এআই (গোফাই) কমিউনিটির মেশিন লার্নিংয়ের প্রতি রয়েছে একধরনের আশরাফ আতরাফ জাতীয় অবজ্ঞা। এই ক্যাঁচাল বজায় থাকলে এআইয়ের লক্ষ্য সামনে নিয়ে লোকে এগুবে না। গোফাই মারা পড়বে, আর মেশিন লার্নিং দিয়ে মানুষ তার ডেটা অ্যানালাইসিস-টাইসিস এইসব করে যাবে। লক্ষ্য সামনে না রেখে এগুলে এআই আপনাআপনি সল্ভ হয়ে যাবে সেই আস্থা একজন দার্শনিক হয়তো রাখতে পারেন, কিন্তু এআই গবেষকদের জন্যে সেটা হতাশার ও অপমানজনক। তাই ব্যাপারটা তাদের স্মরণ করিয়ে দেয়া। আফটার অল, লক্ষ্যটা সামনে রেখেই যদি এআই সল্ভ করা যায়, েসটা নিশ্চয়ই গর্হিত হবে না!
@রূপম
হা হা হা হা, আপনি কিসের বাংলা ‘ভাপা পিঠা’ করলেন সেটা খুঁজে বের করতে মূল ব্লগটাতে যেতেই হল 🙂 । হুম, বেগেলের বাংলা হিসেবে ভাপা পিঠার ব্যবহার অত্যন্ত ‘কিউট’ লাগলো।
রিচার্ড সাটনের এই কথাটার সাথে একমত, কিন্তু কেন ব্যর্থ হয়েছি তার ব্যাখ্যা কিন্তু তেমনভাবে দেখলাম না। উনি যেভাবে বলেছেন তাতে মনে হচ্ছে সমস্যাটা যেন স্ট্র্যটিজির বা মূল লক্ষ্যটা বুঝতে না পারার মধ্যে নিহিত। কিন্তু মূল লক্ষ্যটা বুঝতে না পারার পিছনের আসল সমস্যাটা কোথায় তা কিন্তু বললেন না। এমন কী হতে পারে যে, এই পুরো এ আই এর ব্যাপারটাই একটু প্রি-ম্যাচ্যুর? হয়তো আমাদের প্রযুক্তি এখনো এই পর্যায়ে গিয়ে পৌঁছুয়নি যেখানে আমরা স্বয়ংসম্পূর্ণ এবং সেলফ লার্নিং এ ওস্তাদ এমন কোন সিস্টেম তৈরি করতে পারি। আমার কাচ্ছে কিন্তু সবসময়ই এটাকেই মূল সমস্যা বলে মনে হয়েছে।
@বন্যা আহমেদ,
🙁 বেগেলের বাংলা কিতা করতাম?
আসলে “What’s Wrong with AI” এর বাংলা “এআইয়ের ব্যর্থতার কারণ” করার মধ্যে দোষ আছে।
ঠিক কী ধরনের প্রযুক্তির কথা বলছেন? সফটওয়্যার নাকি হার্ডওয়্যার? হার্ডওয়্যার এখন একটা সেল্ফ লার্নিং ছোটখাটো সিস্টেম সাপোর্ট দেয়ার জন্যে সমর্থ বলে মনে হয়। এআইয়ের মূল ফ্রন্টটা গণনাতাত্ত্বিক, ফলে মূলত সফটওয়্যার বা প্রোগ্রামিং সংক্রান্ত।