এআই কি ডেটা ছাড়া শিখতে পারে?

এআই এবং ডেটার সম্পর্ক বোঝা

আপনি কি ভাবছেন, "এআই কি নিজে থেকে কোনো ডেটা ছাড়া শিখতে পারে?" সবচেয়ে বিস্তারিত এবং যুক্তিসঙ্গত উত্তর পেতে, চলুন INVIAI-এর সাথে এই বিষয়টি গভীরভাবে অন্বেষণ করি।

উদাহরণস্বরূপ, সুপারভাইজড লার্নিং-এ, এআই মানুষের লেবেলকৃত বিশাল ডেটাসেট (ছবি, টেক্সট, অডিও ইত্যাদি) থেকে প্যাটার্ন চিনতে শেখে।

এমনকি আনসুপারভাইজড লার্নিং-এও, এআইকে কাঁচা, লেবেলবিহীন ডেটা প্রয়োজন যাতে সে নিজে থেকে ডেটার মধ্যে লুকানো কাঠামো বা প্যাটার্ন আবিষ্কার করতে পারে।

সুতরাং, যেকোনো পদ্ধতিতে হোক না কেন, এআইকে ডেটা দিয়ে "পুষ্ট" করতে হয়—হোক তা লেবেলযুক্ত ডেটা, স্ব-লেবেলযুক্ত ডেটা (সেল্ফ-সুপারভাইজড), অথবা বাস্তব পরিবেশ থেকে ডেটা। কোনো ইনপুট ডেটা ছাড়া সিস্টেম নতুন কিছু শিখতে পারে না।

সাধারণ এআই শেখার পদ্ধতি

আজকের এআই মডেলগুলি প্রধানত নিম্নলিখিত পদ্ধতিগুলির মাধ্যমে শেখে:

রিইনফোর্সমেন্ট লার্নিং হল একটি সফটওয়্যার এজেন্টকে শেখানো কিভাবে পরিবেশে আচরণ করতে হয় তার কাজের ফলাফল জানিয়ে।

— উইকিপিডিয়া

একটি এআই মডেল এমন বস্তু/ধারণা চিনতে বা শ্রেণীবদ্ধ করতে প্রশিক্ষিত যা সে আগে কখনো উদাহরণ দেখেনি।

— আইবিএম, জিরো-শট লার্নিং সংজ্ঞা

সারসংক্ষেপে: এই সব পদ্ধতি দেখায় যে ডেটা ছাড়া এআই শিখার কোনো জাদুকরী উপায় নেই—কোন না কোন রূপে ডেটা প্রয়োজন। এআই হয়তো মানব-লেবেলকৃত ডেটার ওপর নির্ভরতা কমাতে পারে বা অভিজ্ঞতা থেকে শিখতে পারে, কিন্তু কিছু না কিছু ডেটা ছাড়া শিখতে পারে না।

জনপ্রিয় এআই শেখার পদ্ধতি

উন্নত প্রবণতা: স্থির ডেটার পরিবর্তে "অভিজ্ঞতা" থেকে শেখা

গবেষকরা এখন এমন উপায় অনুসন্ধান করছেন যেখানে এআই মানুষের সরবরাহকৃত ডেটার ওপর কম নির্ভর করবে। উদাহরণস্বরূপ, ডিপমাইন্ড সম্প্রতি "অভিজ্ঞতা-ভিত্তিক এআই" যুগে একটি "স্ট্রিমস" মডেল প্রস্তাব করেছে, যেখানে এআই প্রধানত নিজের বিশ্বসঙ্গের সাথে ইন্টারঅ্যাকশন থেকে শেখে, মানব-নির্মিত সমস্যা ও প্রশ্নের পরিবর্তে।

আমরা এজেন্টদের তাদের নিজস্ব অভিজ্ঞতা থেকে ধারাবাহিকভাবে শেখার সুযোগ দিয়ে এটি অর্জন করতে পারি—অর্থাৎ, পরিবেশের সাথে ইন্টারঅ্যাকশন করার সময় এজেন্ট নিজেই তৈরি করা ডেটা থেকে… অভিজ্ঞতা হবে উন্নতির প্রধান মাধ্যম, যা আজকের মানব-প্রদানকৃত ডেটার পরিমাণকে ছাড়িয়ে যাবে।

— ডিপমাইন্ড গবেষণা, ভেঞ্চারবিট দ্বারা উদ্ধৃত

অন্য কথায়, ভবিষ্যতে এআই নিজেই পরীক্ষা-নিরীক্ষা, পর্যবেক্ষণ এবং কর্ম সমন্বয়ের মাধ্যমে নিজের ডেটা তৈরি করবে—যেমন মানুষ বাস্তব অভিজ্ঞতা থেকে শেখে।

অবিশ্বাস্য হলেও, বাহ্যিক প্রশিক্ষণ ডেটা ব্যবহার না করেও AZR গণিত ও প্রোগ্রামিং কাজে শীর্ষস্থানীয় পারফরম্যান্স অর্জন করে, এমনকি হাজার হাজার লেবেলযুক্ত উদাহরণে প্রশিক্ষিত মডেলকেও ছাড়িয়ে যায়। এটি প্রমাণ করে যে এআই ধারাবাহিকভাবে চ্যালেঞ্জ তৈরি ও সমাধান করে নিজস্ব "ডেটাসেট" তৈরি করতে পারে।

সর্বাধুনিক প্রবণতা - স্থির ডেটার পরিবর্তে "অভিজ্ঞতা" থেকে শেখা

মূল বিষয়সমূহ

বরং, এআই কম মানব-প্রদানকৃত ডেটা থেকে শিখতে পারে:

• লেবেলবিহীন ডেটা ব্যবহার করে (আনসুপারভাইজড লার্নিং)
• পরিবেশগত প্রতিক্রিয়া থেকে শেখে (রিইনফোর্সমেন্ট লার্নিং)
• নিজের চ্যালেঞ্জ তৈরি করে (যেমন, AZR মডেল)

অনেক বিশেষজ্ঞ বিশ্বাস করেন ভবিষ্যতে এআই নিজেই সংগ্রহ করা অভিজ্ঞতার মাধ্যমে বেশি শিখবে, যা উন্নতির প্রধান "ডেটা" হিসেবে কাজ করবে।