AI And Machine Learning Trends In 2024

প্লেটো দ্বারা প্রকাশিত

অনুসরণকারী: 0

আমরা যখন কৃত্রিম বুদ্ধিমত্তা (AI) এবং মেশিন লার্নিং (ML) এর যুগের গভীরে প্রবেশ করি, তখন উদীয়মান প্রবণতাগুলি সনাক্ত করে বক্ররেখা থেকে এগিয়ে থাকা অত্যন্ত গুরুত্বপূর্ণ যা আমাদের ভবিষ্যতকে রূপ দেবে৷ 2024 সালে, অভূতপূর্ব সম্ভাবনার পথ প্রশস্ত করে, এই প্রযুক্তিগুলিকে বিপ্লব করতে বেশ কয়েকটি মূল অগ্রগতি সেট করা হয়েছে। 2024 সালের জন্য শীর্ষ AI এবং মেশিন লার্নিং প্রবণতাগুলির মধ্যে একটি হল দৈনন্দিন জীবনে AI এবং ML-এর বর্ধিত একীকরণ।

2024 সালে দেখার জন্য AI এবং ML ট্রেন্ডস

থেকে স্বায়ত্তশাসিত যানবাহন স্মার্ট হোমে, এআই এবং মেশিন লার্নিং প্রযুক্তিগুলি নিখুঁতভাবে মানুষের দৈনন্দিন রুটিনে বোনা হয়ে যাবে। আরেকটি উত্তেজনাপূর্ণ উন্নয়ন হল প্রাকৃতিক ভাষা প্রক্রিয়াকরণ (NLP)। 2024 সালের মধ্যে, এনএলপি অ্যালগরিদম অসাধারণ নির্ভুলতার সাথে মানুষের ভাষা বোঝার জন্য একটি মেশিনের ক্ষমতা বাড়াবে।

ব্যাখ্যাযোগ্য এআই: এনএলপি গ্রাহক পরিষেবা চ্যাটবট, ভার্চুয়াল সহকারী এবং ভাষা অনুবাদ সরঞ্জামগুলিতে বিপ্লব ঘটাবে। এছাড়াও, ব্যাখ্যাযোগ্য এআই (XAI) 2024 সালে বিশিষ্টতা অর্জন করতে প্রস্তুত।

এআই সিস্টেমগুলি আরও জটিল হয়ে উঠলে, তাদের সিদ্ধান্ত গ্রহণের প্রক্রিয়াগুলি বোঝা ক্রমশই গুরুত্বপূর্ণ হয়ে ওঠে। XAI-এর লক্ষ্য হল অ্যালগরিদমগুলি কীভাবে সিদ্ধান্তে বা সুপারিশে পৌঁছায় সে সম্পর্কে অন্তর্দৃষ্টি প্রদানের মাধ্যমে স্বচ্ছতা প্রদান করা - AI অ্যাপ্লিকেশনগুলিতে আস্থা তৈরির একটি অপরিহার্য দিক।

গভীর শিক্ষার মডেল: গভীর জ্ঞানার্জন (DL) এবং নিউরাল নেটওয়ার্কগুলি AI এবং ML-এ সাম্প্রতিক অনেক অগ্রগতির পিছনে চালিকা শক্তি হিসাবে আবির্ভূত হয়েছে। এই প্রযুক্তিগুলি গভীর উপায়ে AI এবং ML-এর ভবিষ্যত ল্যান্ডস্কেপকে আকৃতি দেওয়ার জন্য প্রস্তুত। একটি প্রধান প্রবণতা যা 2024 সালে গতি অর্জন করতে থাকবে তা হল আরও জটিল এবং পরিশীলিত ডিএল আর্কিটেকচারের বিকাশ।

গবেষকরা নিউরাল নেটওয়ার্ক ডিজাইন করছেন যা ক্রমবর্ধমান জটিল কাজগুলি পরিচালনা করতে পারে, যেমন এনএলপি, চিত্র স্বীকৃতি এবং এমনকি স্বায়ত্তশাসিত সিদ্ধান্ত গ্রহণ। এই অগ্রগতিগুলি AI সিস্টেমগুলিকে আরও বুদ্ধিমান, অভিযোজনযোগ্য এবং বাস্তব-বিশ্বের চ্যালেঞ্জগুলি পরিচালনা করতে সক্ষম করে তুলতে সক্ষম করবে।

ফোকাসের আরেকটি গুরুত্বপূর্ণ ক্ষেত্র হল DL মডেলের দক্ষতা এবং মাপযোগ্যতা উন্নত করা। যেহেতু AI অ্যাপ্লিকেশনগুলি শিল্পগুলিতে আরও বেশি প্রচলিত হয়ে উঠেছে, তাই DL মডেলগুলির একটি ক্রমবর্ধমান প্রয়োজনীয়তা রয়েছে যা দ্রুত এবং নির্ভুলভাবে বিপুল পরিমাণ ডেটা প্রক্রিয়া করতে পারে।

গবেষকরা ডিএল অ্যালগরিদমের কর্মক্ষমতা বাড়ানোর জন্য ডিস্ট্রিবিউটেড কম্পিউটিং, সমান্তরাল প্রক্রিয়াকরণ এবং মডেল কম্প্রেশনের মতো কৌশলগুলি অন্বেষণ করছেন। এছাড়া করার চেষ্টা চলছে গভীর শিক্ষা আরও ব্যাখ্যাযোগ্য এবং ব্যাখ্যাযোগ্য।

বর্তমানে, নিউরাল নেটওয়ার্কগুলির একটি সীমাবদ্ধতা হল তাদের ব্ল্যাক-বক্স প্রকৃতি - তারা কীভাবে তাদের সিদ্ধান্তে পৌঁছায় তাতে প্রায়শই স্বচ্ছতার অভাব থাকে। ব্যবহারকারী এবং স্টেকহোল্ডারদের মধ্যে এআই সিস্টেমের প্রতি আস্থা তৈরির জন্য এই চ্যালেঞ্জ মোকাবেলা করা গুরুত্বপূর্ণ হবে।

এনএলপি এবং রোবোটিক্স: এনএলপি এবং রোবোটিক্স যৌথভাবে মেশিনের সাথে মানুষের যোগাযোগের পদ্ধতিতে একটি বৈপ্লবিক পরিবর্তনের নেতৃত্ব দিচ্ছে। প্রযুক্তি যেমন একটি অভূতপূর্ব গতিতে অগ্রসর হচ্ছে, এনএলপি এবং রোবোটিক্সের ফিউশন আরও স্বজ্ঞাত এবং নিরবচ্ছিন্ন ইন্টারফেস তৈরি করে মানব-মেশিনের মিথস্ক্রিয়ার সীমানা পুনর্নির্ধারণ করতে সেট করা হয়েছে।

এই যুগান্তকারী প্রযুক্তি সিরি এবং অ্যালেক্সার মতো ভয়েস সহকারীর জন্য পথ তৈরি করেছে, যা আমাদের দৈনন্দিন জীবনে সর্বব্যাপী হয়ে উঠেছে। 2024 সালে, আমরা আশা করতে পারি NLP আরও বিকশিত হবে, মেশিনগুলিকে মানুষের বক্তৃতার জটিল সূক্ষ্মতা বুঝতে এবং উন্নত নির্ভুলতার সাথে প্রতিক্রিয়া জানাতে সক্ষম করে।

কখন রোবোটিক্স, এনএলপির সাথে মিলিত মানব-যন্ত্রের মিথস্ক্রিয়াকে নতুন উচ্চতায় নিয়ে যায়। রোবোটিক্স এআই সিস্টেমে শারীরিক মূর্ততা প্রদান করে, তাদের পারিপার্শ্বিক অবস্থা বুঝতে এবং ভৌত জগতের বস্তুর সাথে যোগাযোগ করতে দেয়।

মানুষ এবং মেশিনের মধ্যে এই বৈপ্লবিক মিথস্ক্রিয়া স্বাস্থ্যসেবা, গ্রাহক পরিষেবা, উত্পাদন, শিক্ষা এবং বিনোদন.

কম্পিউটার ভিশন, এআর, এবং ভিআর: কম্পিউটার ভিশন, অগমেন্টেড রিয়েলিটি (এআর) এবং ভার্চুয়াল রিয়েলিটি (ভিআর) প্রযুক্তিগুলি মানুষ কীভাবে আশেপাশের বিশ্বে নিজেকে উপলব্ধি করে এবং নিমজ্জিত করে তা রূপান্তর করতে সেট করা হয়েছে৷ AI এবং ML অগ্রসর হওয়ার সাথে সাথে, এই প্রযুক্তিগুলি 2024 সালে আরও পরিশীলিত এবং প্রভাবশালী হয়ে উঠবে।

AI অ্যালগরিদম দ্বারা চালিত কম্পিউটার ভিশন, ছবি বা ভিডিও থেকে ভিজ্যুয়াল তথ্য ক্যাপচার করতে সাহায্য করে। ভিতরে স্বাস্থ্যসেবা, কম্পিউটার দৃষ্টি অতুলনীয় নির্ভুলতার সাথে মেডিকেল স্ক্যানগুলি বিশ্লেষণ করে প্রাথমিক রোগ সনাক্তকরণে সহায়তা করতে পারে। পরিবহনে, এটি নিরাপদ ন্যাভিগেশনের জন্য স্বায়ত্তশাসিত যানবাহনের উপলব্ধি ক্ষমতা বাড়াতে পারে।

এআর এবং ভিআর মানুষের উপলব্ধি "মিশ্রিত ডিজিটাল সামগ্রী এবং বাস্তব-বিশ্বের পরিবেশ" এর একটি অনন্য বিশ্বে নিয়ে যাবে। শিক্ষায়, AR পাঠ্যপুস্তক বা শ্রেণীকক্ষে ইন্টারেক্টিভ উপাদানগুলিকে আচ্ছন্ন করে, পাঠগুলিকে আরও আকর্ষক এবং ইন্টারেক্টিভ করে প্রথাগত শিক্ষার পদ্ধতিগুলিকে রূপান্তরিত করতে পারে।

VR এভিয়েশন বা ম্যানুফ্যাকচারিং এর মত শিল্পে বাস্তবসম্মত প্রশিক্ষণ সিমুলেশনের সম্ভাবনা উন্মুক্ত করে। তাছাড়া, AR এবং VR এর জন্য প্রতিশ্রুতি রাখে দূ্যত এবং বিনোদন সেক্টরগুলি "অবিশ্বাসের স্থগিতাদেশ" তৈরি করতে সক্ষম করে - বাস্তব এবং ভার্চুয়াল জগতের মধ্যে রেখা ঝাপসা করে।

চাকরীর শক্তিবৃদ্ধি শিক্ষা এবং অটোমেশন: একটি উল্লেখযোগ্য প্রবণতা যা আকৃতি দেবে কাজের ভবিষ্যত শক্তিবৃদ্ধি শিক্ষার মাধ্যমে কাজের ক্রমবর্ধমান স্বয়ংক্রিয়তা। রিইনফোর্সমেন্ট লার্নিং হল এক ধরনের ML যেখানে অ্যালগরিদমগুলি তাদের সিদ্ধান্তের জন্য তাৎক্ষণিক প্রতিক্রিয়া বা পুরস্কারের ভিত্তিতে সিদ্ধান্ত নিতে শেখে। এই পদ্ধতি AI সিস্টেমগুলিকে সময়ের সাথে সাথে তাদের কর্মক্ষমতা অপ্টিমাইজ করতে সক্ষম করে, শেষ পর্যন্ত স্বায়ত্তশাসিত সিদ্ধান্ত গ্রহণের দিকে পরিচালিত করে।

কর্মশক্তির জন্য এর প্রভাব গভীর। যদিও স্বয়ংক্রিয়তা বছরের পর বছর ধরে বিভিন্ন শিল্পে একটি উদ্বেগের বিষয় হয়ে দাঁড়িয়েছে, রিইনফোর্সমেন্ট লার্নিং এটিকে আরও এক ধাপ এগিয়ে নিয়ে যায় AI সিস্টেমগুলিকে মানুষের হস্তক্ষেপ ছাড়াই ক্রমাগত মানিয়ে নিতে এবং উন্নত করার অনুমতি দিয়ে।

এআই-এর কারণে, প্রথাগত কর্মক্ষেত্রের ভূমিকা যা পুনরাবৃত্তিমূলক কাজ বা অনুমানযোগ্য সিদ্ধান্ত গ্রহণের সাথে জড়িত তা অদৃশ্য হয়ে যেতে পারে। যাইহোক, সৃজনশীলতা, সমালোচনামূলক চিন্তাভাবনা, সহানুভূতি এবং সমস্যা সমাধানের মতো অনন্য মানবিক দক্ষতা আনার সাথে সাথে তাদের সক্ষমতাগুলিকে কাজে লাগিয়ে এআই সিস্টেমের পাশাপাশি কাজ করতে পারে এমন ব্যক্তিদের চাহিদা বৃদ্ধি পাবে।

বুদ্ধিমান ভার্চুয়াল সহকারী এবং নৈতিক এআই: যেহেতু AI এবং ML বিকশিত হতে থাকে, বুদ্ধিমান ভার্চুয়াল সহকারী (IVAs) আমাদের দৈনন্দিন জীবনের একটি অবিচ্ছেদ্য অংশ হিসেবে আবির্ভূত হচ্ছে। অ্যাপলের সিরি বা অ্যামাজনের অ্যালেক্সার মতো এই এআই-চালিত সহকারীরা ব্যক্তিগতকৃত অভিজ্ঞতা এবং স্বজ্ঞাত ইন্টারফেস প্রদানের মাধ্যমে প্রযুক্তির সাথে মানুষের যোগাযোগের উপায়কে পরিবর্তন করেছে।

একটি উল্লেখযোগ্য চ্যালেঞ্জ এআই অ্যালগরিদমের মধ্যে পক্ষপাতিত্ব জড়িত। IVA গুলিকে প্রচুর পরিমাণে ডেটার উপর প্রশিক্ষণ দেওয়া হয় যা সমাজে উপস্থিত সহজাত পক্ষপাত ধারণ করতে পারে।

আরেকটি উল্লেখযোগ্য উদ্বেগ ডেটা গোপনীয়তা। IVAs ক্রমাগত ব্যবহারকারীদের পছন্দ, আচরণ, এমনকি ব্যক্তিগত কথোপকথন সম্পর্কে ডেটা সংগ্রহ করে। এটি কীভাবে এই ডেটা সংরক্ষণ, ব্যবহার এবং সুরক্ষিত হয় সে সম্পর্কে প্রশ্ন উত্থাপন করে৷ জনগণের আস্থা বজায় রাখার জন্য সুবিধা এবং গোপনীয়তার মধ্যে ভারসাম্য বজায় রাখা গুরুত্বপূর্ণ হবে।

শীর্ষ পাঁচটি AI প্রবণতা 2023 থেকে 2024 পর্যন্ত চলবে

আসন্ন বছরে এআই প্রযুক্তিতে যুগান্তকারী অগ্রগতির অপার সম্ভাবনা রয়েছে। এখানে শীর্ষ এআই প্রবণতা রয়েছে যা আধিপত্যের জন্য সেট করা হয়েছে এআই ল্যান্ডস্কেপ:

নৈতিক এআই: পক্ষপাত এবং গোপনীয়তার চারপাশে ক্রমবর্ধমান উদ্বেগের সাথে, নৈতিক বিবেচ্য বিষয় এআই সিস্টেমের উন্নয়ন ও স্থাপনায় একটি গুরুত্বপূর্ণ ভূমিকা পালন করবে। সংস্থাগুলি সামাজিক মূল্যবোধের সাথে সামঞ্জস্যপূর্ণ স্বচ্ছ, ন্যায্য এবং জবাবদিহিমূলক এআই সমাধানগুলি তৈরি করতে অগ্রাধিকার দেবে।

কথোপকথন এআই: এনএলপি ইতিমধ্যেই রূপান্তর করেছে যে আমরা কীভাবে মেশিনের সাথে যোগাযোগ করি। আগামী বছরগুলিতে, কথোপকথনমূলক AI আরও বেশি পরিশীলিত হয়ে উঠবে, ভয়েস সহকারী, চ্যাটবট এবং ভার্চুয়াল এজেন্টের মাধ্যমে মানুষ এবং মেশিনের মধ্যে আরও নিরবচ্ছিন্ন মিথস্ক্রিয়া সক্ষম করবে।

এজ কম্পিউটিং: যেহেতু ডেটা ভলিউম বিস্ফোরিত হতে থাকে, প্রসেসিং পাওয়ার এ প্রান্ত রিয়েল-টাইম সিদ্ধান্ত গ্রহণের জন্য গুরুত্বপূর্ণ হয়ে ওঠে। এজ কম্পিউটিং AI ক্ষমতার সাথে মিলিত হয়ে ক্লাউড অবকাঠামোর উপর লেটেন্সি এবং নির্ভরতা কমানোর সাথে সাথে এর উৎসে ডেটার দ্রুত বিশ্লেষণ সক্ষম করবে।

ব্যাখ্যাযোগ্য AI XAI: স্বচ্ছতার অভাব আস্থাকে বাধাগ্রস্ত করে এবং স্বাস্থ্যসেবা এবং অর্থের মতো গুরুত্বপূর্ণ ডোমেনে এআই সিস্টেম গ্রহণকে সীমিত করে। অতএব, এক্সএআই এই চ্যালেঞ্জ মোকাবেলার একটি সমাধান হিসাবে আবির্ভূত. XAI AI মডেলের উন্নয়নের উপর ফোকাস করে যা একটি নির্দিষ্ট সিদ্ধান্তে পৌঁছানোর জন্য যুক্তিসঙ্গত ব্যাখ্যা দিতে পারে। এই পদ্ধতিতে নিয়ম-ভিত্তিক সিস্টেম, এনএলপি এবং ভিজ্যুয়ালাইজেশন পদ্ধতির মতো কৌশলগুলি ব্যবহার করা জড়িত।

সাইবার সিকিউরিটি এবং এআই এর সংযোগস্থল: 2023 সাল সাইবার হুমকির জন্য AI সিস্টেমের দুর্বলতার বিষয়ে ক্রমবর্ধমান উদ্বেগের সাক্ষী ছিল। এই উদ্বেগ সাইবারসিকিউরিটি এবং এআই-এর সংযোগস্থল অন্বেষণ করে নিরাপদ AI-এর দিকে অগ্রসর হওয়ার উপর একটি উল্লেখযোগ্য ফোকাসকে উৎসাহিত করেছে। AI এর সাথে সম্পর্কিত সম্ভাব্য ঝুঁকিগুলি বহুমুখী, প্রতিপক্ষের আক্রমণ থেকে শুরু করে প্রশিক্ষণ ডেটাসেটগুলিকে দূষিত করার লক্ষ্যে AI অ্যালগরিদমগুলিকে ম্যানিপুলেট করে ডেটা পয়জনিং পর্যন্ত।

এই হুমকিগুলি প্রশমিত করার জন্য, গবেষক এবং শিল্প বিশেষজ্ঞরা এআই সিস্টেমের জন্য বিশেষভাবে তৈরি শক্তিশালী সাইবার নিরাপত্তা অনুশীলনের প্রয়োজনীয়তার উপর জোর দেওয়া শুরু করেছেন। গবেষণার একটি ক্ষেত্র নিরাপদ এমএল অ্যালগরিদম তৈরির চারপাশে ঘোরে যা প্রতিপক্ষের আক্রমণের বিরুদ্ধে প্রতিরোধী। এই অ্যালগরিদমগুলি দূষিত ম্যানিপুলেশনগুলির বিরুদ্ধে স্থিতিস্থাপকতা বাড়ানোর জন্য জেনারেটিভ অ্যাডভারসারিয়াল নেটওয়ার্ক (GAN) এবং ডিফারেনশিয়াল গোপনীয়তার মতো কৌশলগুলি ব্যবহার করে। উপরন্তু, কঠোর ডেটা যাচাইকরণ প্রক্রিয়া বাস্তবায়ন করে এবং অসঙ্গতি সনাক্তকরণ পদ্ধতি ব্যবহার করে বিশ্বস্ত ডেটাসেট তৈরি করার প্রচেষ্টা করা হচ্ছে।

শীর্ষ পাঁচটি ML প্রবণতা 2023 থেকে 2024 পর্যন্ত চলবে

এখানে শীর্ষ ML প্রবণতা রয়েছে যা এই বছর তরঙ্গ তৈরি করতে থাকবে।

কোয়ান্টাম মেশিন লার্নিং (QML): 2023 থেকে 2024 সালের মধ্যে উল্লেখযোগ্য অগ্রগতি এবং অ্যাপ্লিকেশনগুলি চালিয়ে যাওয়ার প্রত্যাশিত উল্লেখযোগ্য অগ্রগতি এবং অ্যাপ্লিকেশন সহ QML AI এর ক্ষেত্রে একটি গেম-চেঞ্জার হিসাবে আবির্ভূত হয়েছে। QML জটিল সমস্যাগুলি সমাধান করতে কোয়ান্টাম কম্পিউটিং এবং ML অ্যালগরিদমের শক্তিকে একত্রিত করে যা কম্পিউটারের ক্ষমতার বাইরে।

ML-এর জন্য ট্রান্সফার লার্নিং: ট্রান্সফার লার্নিং ML-এর ক্ষেত্রে একটি বৈপ্লবিক ধারণা হিসেবে আবির্ভূত হয়েছে, যা উল্লেখযোগ্য অগ্রগতি এবং সাফল্যের গল্প নিয়ে এসেছে। এই পদ্ধতির সক্রিয় এমএল মডেল একটি কাজ থেকে অর্জিত জ্ঞানকে কাজে লাগাতে এবং তা অন্য কাজে প্রয়োগ করতে, যার ফলে কর্মক্ষমতা উন্নত হয় এবং প্রশিক্ষণের সময় কমে যায়। ট্রান্সফার লার্নিংয়ের একটি মূল উন্নয়ন হল বিশাল ডেটাসেটে গভীর নিউরাল নেটওয়ার্ক (DNN) এর পূর্বপ্রশিক্ষণ। প্রচুর পরিমাণে ডেটার উপর মডেলদের প্রশিক্ষণের মাধ্যমে, তারা সাধারণ বৈশিষ্ট্যগুলি শিখতে পারে যা বিস্তৃত কাজের জন্য প্রযোজ্য।

এমএল-এ অসঙ্গতি সনাক্তকরণ: অসঙ্গতি সনাক্তকরণ মেশিন লার্নিং সিস্টেমে একটি গুরুত্বপূর্ণ উপাদান হিসাবে আবির্ভূত হয়েছে, ডেটাসেটে বহিরাগত বা অপ্রত্যাশিত নিদর্শন সনাক্ত করতে সক্ষম করে। যেহেতু ML অ্যাপ্লিকেশনগুলি জটিলতা এবং স্কেলে বাড়তে থাকে, তাই সর্বোত্তম কর্মক্ষমতা এবং দক্ষতা নিশ্চিত করার জন্য সঠিক অসঙ্গতি সনাক্তকরণ কৌশলগুলির প্রয়োজন সর্বোপরি হয়ে ওঠে। অসঙ্গতি সনাক্তকরণের একটি বিশিষ্ট প্রবণতা হল এর একীকরণ উন্নত পরিসংখ্যান মডেল ML অ্যালগরিদম সহ।

ভবিষ্যদ্বাণীমূলক বিশ্লেষণের জন্য সময় সিরিজের পূর্বাভাস: সময় সিরিজের পূর্বাভাস দীর্ঘকাল ধরে ML-এর একটি গুরুত্বপূর্ণ দিক হয়েছে, যা ভবিষ্যতের প্রবণতা এবং নিদর্শনগুলির মধ্যে মূল্যবান অন্তর্দৃষ্টি প্রদান করে। আমরা 2024-এ যাওয়ার সাথে সাথে, এই প্রবণতাটি অব্যাহত থাকবে বলে আশা করা হচ্ছে, বেশ কয়েকটি উদ্ভাবনী পদ্ধতির সাথে যা ভবিষ্যদ্বাণীমূলক বিশ্লেষণের নির্ভুলতা এবং দক্ষতাকে আরও বাড়িয়ে তুলবে। সময় সিরিজের পূর্বাভাসের একটি বড় অগ্রগতি হল ডিএল কৌশলগুলির একীকরণ। পুনরাবৃত্ত নিউরাল নেটওয়ার্ক (RNN) এবং দীর্ঘ স্বল্প-মেয়াদী মেমরি (LSTM) নেটওয়ার্কগুলির মতো DL মডেলগুলি সময় সিরিজের ডেটার মধ্যে জটিল অস্থায়ী নির্ভরতা ক্যাপচার করার ক্ষেত্রে প্রতিশ্রুতিবদ্ধ ফলাফল দেখিয়েছে।

ডেটা পরিবর্ধন ML-এ কেন্দ্রের পর্যায়ে নেয়: ML-এর ক্ষেত্রে, ডেটা বৃদ্ধি একটি মূল প্রবণতা হিসাবে আবির্ভূত হচ্ছে যা 2023 থেকে 2024 পর্যন্ত অব্যাহত থাকবে৷ যেহেতু ML মডেলগুলি আরও জটিল হয়ে উঠেছে এবং প্রশিক্ষণের জন্য বৃহত্তর ডেটাসেটের প্রয়োজন, ডেটা বৃদ্ধির কৌশলগুলি লেবেলযুক্ত ডেটার ঘাটতি মেটাতে একটি সমাধান দেয়৷ . তথ্য বৃদ্ধি বিদ্যমান ডেটা নমুনাগুলিতে বিভিন্ন রূপান্তর প্রয়োগ করে সিন্থেটিক উদাহরণ তৈরি করা জড়িত।