AI আপাতদৃষ্টিতে সর্বত্র হতে পারে, কিন্তু এখনও অনেক কিছু আছে যা এটি করতে পারে না

প্লেটো দ্বারা প্রকাশিত

অনুসরণকারী: 0

এই দিনগুলিতে, পরবর্তী সাফল্যের জন্য আমাদের বেশিক্ষণ অপেক্ষা করতে হবে না কৃত্রিম বুদ্ধিমত্তা সকলকে এমন ক্ষমতা দিয়ে মুগ্ধ করে যা আগে শুধুমাত্র বিজ্ঞান কল্পকাহিনীতে ছিল।

2022 সালে এআই শিল্প প্রজন্মের সরঞ্জাম যেমন Open AI এর DALL-E 2, Google এর Imagen এবং Stable Diffusion ইন্টারনেটে ঝড় তুলেছে, ব্যবহারকারীরা পাঠ্য বর্ণনা থেকে উচ্চ-মানের ছবি তৈরি করে।

পূর্ববর্তী উন্নয়নের বিপরীতে, এই পাঠ্য থেকে চিত্র সরঞ্জামগুলি দ্রুত গবেষণা ল্যাব থেকে তাদের পথ খুঁজে পেয়েছে মূলধারার সংস্কৃতি, লেন্সা এআই অ্যাপে "ম্যাজিক অবতার" বৈশিষ্ট্যের মতো ভাইরাল ঘটনার দিকে পরিচালিত করে, যা ব্যবহারকারীদের স্টাইলাইজড ছবি তৈরি করে।

ডিসেম্বরে, চ্যাটজিপিটি নামের একটি চ্যাটবট ব্যবহারকারীদের স্তব্ধ করে দিয়েছিল লেখার দক্ষতা, প্রযুক্তি শীঘ্রই ভবিষ্যদ্বাণী করতে সক্ষম হবে পেশাদার পরীক্ষা পাস. ChatGPT এক সপ্তাহেরও কম সময়ে এক মিলিয়ন ব্যবহারকারী অর্জন করেছে বলে জানা গেছে। ইতিমধ্যেই কিছু স্কুলের কর্মকর্তারা এটা নিষিদ্ধ ভয়ে ছাত্ররা প্রবন্ধ লিখতে এটি ব্যবহার করবে। মাইক্রোসফট হয় জানা এই বছরের শেষের দিকে ChatGPT এর Bing ওয়েব অনুসন্ধান এবং অফিস পণ্যগুলিতে অন্তর্ভুক্ত করার পরিকল্পনা করছে৷

AI-তে নিরলস অগ্রগতি অদূর ভবিষ্যতের জন্য কী বোঝায়? এবং এআই কি পরবর্তী বছরগুলিতে নির্দিষ্ট চাকরির জন্য হুমকি দিতে পারে?

এইসব চিত্তাকর্ষক সাম্প্রতিক AI কৃতিত্ব সত্ত্বেও, AI সিস্টেমগুলি যা করতে পারে তার জন্য এখনও উল্লেখযোগ্য সীমাবদ্ধতা রয়েছে বলে আমাদের চিনতে হবে।

প্যাটার্ন রিকগনিশনে এআই এক্সেল

AI-তে সাম্প্রতিক অগ্রগতিগুলি মূলত মেশিন লার্নিং অ্যালগরিদমগুলির উপর নির্ভর করে যা বিপুল পরিমাণ ডেটা থেকে জটিল নিদর্শন এবং সম্পর্কগুলিকে সনাক্ত করে। এই প্রশিক্ষণটি তখন ভবিষ্যদ্বাণী এবং ডেটা তৈরির মতো কাজের জন্য ব্যবহৃত হয়।

বর্তমান এআই প্রযুক্তির বিকাশ ভবিষ্যদ্বাণীমূলক শক্তি অপ্টিমাইজ করার উপর নির্ভর করে, এমনকি লক্ষ্য নতুন আউটপুট তৈরি করা হলেও।

উদাহরণ স্বরূপ, GPT-3, ChatGPT-এর পিছনের ভাষা মডেল, পাঠ্যের একটি অংশকে কী অনুসরণ করে তা ভবিষ্যদ্বাণী করতে প্রশিক্ষণ দেওয়া হয়েছিল। GPT-3 তারপর ব্যবহারকারীর দেওয়া একটি ইনপুট টেক্সট চালিয়ে যাওয়ার জন্য এই ভবিষ্যদ্বাণীমূলক ক্ষমতার ব্যবহার করে।

ChatGPT এবং DALL-E 2 এর মতো "জেনারেটিভ AIs" ছড়িয়ে পড়েছে অনেক বিতর্ক এআই প্রকৃতপক্ষে সৃজনশীল হতে পারে কিনা এবং এমনকি প্রতিদ্বন্দ্বী মানুষেরও এই বিষয়ে। যাইহোক, মানুষের সৃজনশীলতা শুধুমাত্র অতীতের তথ্য নয়, পরীক্ষা-নিরীক্ষা এবং মানুষের অভিজ্ঞতার সম্পূর্ণ পরিসরের উপরও আঁকে।

কারণ ও প্রভাব

অনেক গুরুত্বপূর্ণ সমস্যার জন্য জটিল, অনিশ্চিত এবং ক্রমাগত পরিবর্তিত পরিবেশে আমাদের কর্মের প্রভাবের পূর্বাভাস প্রয়োজন। এটি করার মাধ্যমে, আমরা আমাদের লক্ষ্য অর্জনের জন্য সবচেয়ে বেশি সম্ভাব্য ক্রিয়াগুলির ক্রম নির্বাচন করতে পারি। কিন্তু অ্যালগরিদম শিখতে পারে না একা তথ্য থেকে কারণ এবং প্রভাব সম্পর্কে. সম্পূর্ণরূপে ডেটা-চালিত মেশিন লার্নিং শুধুমাত্র পারস্পরিক সম্পর্ক খুঁজে পেতে পারে।

AI এর জন্য কেন এটি একটি সমস্যা তা বোঝার জন্য, আমরা একটি চিকিৎসা বাছাইয়ের সাথে একটি চিকিৎসা অবস্থা নির্ণয়ের সমস্যাগুলিকে বিপরীত করতে পারি। মেডিক্যাল ইমেজে অস্বাভাবিকতা খুঁজে বের করার জন্য মেশিন লার্নিং মডেল প্রায়ই সহায়ক হয়; এটি একটি প্যাটার্ন স্বীকৃতি সমস্যা। আমাদের কার্যকারণ সম্পর্কে চিন্তা করার দরকার নেই কারণ অস্বাভাবিকতাগুলি ইতিমধ্যেই উপস্থিত আছে বা নেই।

কিন্তু একটি নির্ণয়ের জন্য সর্বোত্তম চিকিত্সা নির্বাচন করা একটি মৌলিকভাবে ভিন্ন সমস্যা। এখানে, লক্ষ্য হল ফলাফলকে প্রভাবিত করা, শুধুমাত্র একটি প্যাটার্ন চিনতে হবে না। চিকিত্সার কার্যকারিতা নির্ধারণ করতে, চিকিৎসা গবেষকরা এলোমেলোভাবে নিয়ন্ত্রিত ট্রায়াল চালান। এইভাবে, তারা চিকিত্সাকে প্রভাবিত করতে পারে এমন যে কোনও কারণকে নিয়ন্ত্রণ করার চেষ্টা করতে পারে।

এই দুই ধরনের সমস্যার মধ্যে বিভ্রান্তি মাঝে মাঝে বাড়ে সাবঅপ্টিমাল অ্যাপ্লিকেশন প্রতিষ্ঠানে মেশিন লার্নিং এর.

যদিও AI-তে সাম্প্রতিক কাজের সাফল্য ডেটা-চালিত মডেলগুলির মূল্য প্রদর্শন করে, আমরা কম্পিউটারগুলিকে সমাধান করতে চাই এমন অনেকগুলি সমস্যার কারণ বোঝার প্রয়োজন।

বর্তমান এআই সিস্টেমে এই ক্ষমতার অভাব রয়েছে, যেমন বিশেষ অ্যাপ্লিকেশনগুলি ছাড়াও বোর্ড গেম.

বেশ কিছু মানুষের চোখ এবং মুখের অস্পষ্ট রূপরেখা সহ একটি রঙিন পিক্সেলেড চিত্র — 'কৃত্রিম বুদ্ধিমত্তার সীমা' প্রম্পট দ্বারা উত্পন্ন একটি স্থিতিশীল প্রসারণ শিল্পকর্ম। বর্তমান এআই প্রযুক্তি অপ্রত্যাশিত পরিস্থিতিতে খারাপ পারফর্ম করে। এই ক্ষেত্রে, স্ট্যাবল ডিফিউশনের প্রশিক্ষণ ডেটাতে প্রম্পটটি ভালভাবে উপস্থাপন করা হয় না। ইমেজ ক্রেডিট: স্টেবল ডিফিউশন

কমন সেন্স রিজনিং

ভাষার মডেল যেমন GPT-3 এবং ChatGPT সফলভাবে কিছু কাজ সমাধান করতে পারে যার জন্য সাধারণ জ্ঞানের যুক্তির প্রয়োজন হয়।

যাইহোক, ChatGPT এর সাথে নিম্নলিখিত মিথস্ক্রিয়া, দ্বারা একটি পরীক্ষা থেকে অভিযোজিত গ্যারি মার্কাস, প্রস্তাব করে যে এটি এই ক্ষেত্রে সম্পূর্ণরূপে নির্ভরযোগ্য নয়।

আমার বয়স আট বছর। আমি যখন জন্মগ্রহণ করি, তখন আমার জৈবিক মা বার্সেলোনায় এবং আমার বাবা টোকিওতে ছিলেন। আমার জন্ম কোথায়? এই ধাপে ধাপে চিন্তা করুন।

আপনার জন্ম কোথায় তা উল্লেখ নেই। আমরা শুধু জানি যে আপনার জৈবিক মা বার্সেলোনায় ছিলেন এবং আপনার জন্মের সময় আপনার বাবা টোকিওতে ছিলেন।

ChatGPT-এর মতো AI সিস্টেমগুলি সাধারণ জ্ঞান অর্জন করতে পারে কিনা তা বিশেষজ্ঞদের মধ্যে একটি প্রাণবন্ত বিতর্কের বিষয়।

মার্কাসের মতো সন্দেহবাদীরা উল্লেখ করে যে আমরা সাধারণ জ্ঞানকে দৃঢ়ভাবে প্রদর্শন করার জন্য ভাষার মডেলগুলিতে বিশ্বাস করতে পারি না কারণ তাদের মধ্যে এটি তৈরি হয়নি বা সরাসরি এটির জন্য অপ্টিমাইজ করা হয়নি। আশাবাদীরা যুক্তি দেন যে বর্তমান সিস্টেমগুলি অসম্পূর্ণ, সাধারণ জ্ঞান হতে পারে স্বতঃস্ফূর্তভাবে আবির্ভূত যথেষ্ট উন্নত ভাষার মডেলে।

মানবিক মূল্যবোধ

যখনই গ্রাউন্ডব্রেকিং এআই সিস্টেম প্রকাশিত হয়, সংবাদ নিবন্ধ এবং সামাজিক মিডিয়া পোস্টগুলি নথিভুক্ত করে বর্ণবাদী, যৌন বিষয়ক, এবং অন্যান্য ধরণের পক্ষপাতদুষ্ট এবং ক্ষতিকর আচরণ অনিবার্যভাবে অনুসরণ করুন।

এই ত্রুটিটি বর্তমান এআই সিস্টেমের অন্তর্নিহিত, যা তাদের ডেটার প্রতিফলন হতে বাধ্য। মানবিক মূল্যবোধ যেমন সত্য এবং ন্যায়পরায়ণতা মৌলিকভাবে অ্যালগরিদমের মধ্যে তৈরি নয়; এটি এমন কিছু যা গবেষকরা এখনও জানেন না কিভাবে করতে হয়।

যদিও গবেষকরা ড পাঠ শেখা অতীতের পর্ব থেকে এবং অগ্রগতি পক্ষপাত মোকাবেলায়, AI এর ক্ষেত্রটিতে এখনও একটি রয়েছে অনেক দূর যেতে হবে মানবিক মূল্যবোধ এবং পছন্দের সাথে এআই সিস্টেমকে দৃঢ়ভাবে সারিবদ্ধ করতে।

এই নিবন্ধটি থেকে পুনঃপ্রকাশ করা হয় কথোপকথোন ক্রিয়েটিভ কমন্স লাইসেন্সের অধীনে। পর এটা মূল নিবন্ধ.

চিত্র ক্রেডিট: মাহদিস মুসাভি/আনস্প্ল্যাশ