কৃত্রিম বুদ্ধিমত্তা (AI) আমাদের জীবনে দিন দিন আরও বেশি করে প্রবেশ করছে, Netflix-এর প্রস্তাবিত সিনেমার সাজেশন থেকে শুরু করে Waymo-এর মতো স্বয়ংক্রিয় চালিত গাড়ি পর্যন্ত। আপনি কি কখনও ভাবেছেন AI কীভাবে কাজ করে? প্রতিটি স্মার্ট অ্যাপ্লিকেশনের পেছনে একটি প্রক্রিয়া রয়েছে যার মাধ্যমে যন্ত্রগুলি তথ্য থেকে শেখে এবং সিদ্ধান্ত গ্রহণ করে।

এই লেখায়, আমরা সহজ ভাষায় AI-এর কাজ করার মূলনীতি বোঝার চেষ্টা করব, বিশেষ করে সেইসব সিস্টেমের প্রতি মনোযোগ দিয়ে যা মেশিন লার্নিং (machine learning) ব্যবহার করে, যা আধুনিক AI-এর হৃদয়স্থল।

AI তথ্যের উপর ভিত্তি করে "শেখে" এবং সিদ্ধান্ত নেয়

মূলত, AI তথ্য থেকে শেখার উপর ভিত্তি করে কাজ করে. এটি একটি নির্দিষ্ট প্রোগ্রাম নয় যা সব পরিস্থিতিতে একইভাবে প্রতিক্রিয়া দেয়, বরং AI সিস্টেমগুলি (বিশেষ করে মেশিন লার্নিং ব্যবহারকারী) একটি বিশাল পরিমাণ তথ্য পায় এবং সেই তথ্যের মধ্যে নমুনা (pattern) বা লুকানো নিয়ম খুঁজে বের করে।

এরপর, তারা শেখা তথ্য ব্যবহার করে নতুন তথ্যের ক্ষেত্রে পূর্বাভাস দেয় বা সিদ্ধান্ত গ্রহণ করে. এই প্রক্রিয়াটি মানুষের শেখার মতোই: আমরা অনেক উদাহরণ পর্যবেক্ষণ করি, অভিজ্ঞতা অর্জন করি, এবং সেই অভিজ্ঞতা নতুন পরিস্থিতিতে প্রয়োগ করি।

উদাহরণস্বরূপ, যদি একটি AI-কে বিড়াল এবং কুকুরের ছবি আলাদা করতে শেখাতে হয়, তাহলে আমরা হাজার হাজার বিড়াল এবং কুকুরের ছবি সংগ্রহ করব এবং সেগুলোর জন্য লেবেল দেব (যেমন: কোন ছবি বিড়াল, কোনটা কুকুর)। AI অ্যালগরিদম এই বিশাল ডেটাবেস বিশ্লেষণ করে বিড়াল ও কুকুর আলাদা করার জন্য বৈশিষ্ট্য খুঁজে বের করবে – যেমন বিড়ালের দাড়ি, মুখের আকৃতি কুকুরের থেকে ভিন্ন ইত্যাদি। শেখার প্রক্রিয়ায়, সিস্টেম ধীরে ধীরে অভ্যন্তরীণ প্যারামিটার সমন্বয় করে যাতে চিহ্নিতকরণ আরও সঠিক হয়।

ফলস্বরূপ, AI একটি মডেল তৈরি করে যা বলতে পারে কোনটা বিড়াল, কোনটা কুকুর। যখন নতুন একটি ছবি (যা আগে দেখা হয়নি) দেওয়া হয়, মডেলটি শেখা তথ্যের ভিত্তিতে পূর্বাভাস দেয় যে এটি বিড়াল না কুকুর। যদি পূর্বাভাস ভুল হয়, AI মডেলটি সংশোধন করা যায় (শিক্ষণ অ্যালগরিদমের মাধ্যমে) যাতে পরবর্তীতে সঠিকতা বাড়ে।

সরলভাবে বলতে গেলে, AI শেখার এবং কাজ করার প্রক্রিয়ায় সাধারণত নিম্নলিখিত প্রধান ধাপগুলি থাকে:

• তথ্য সংগ্রহ (Input)

প্রথমত, AI শেখার জন্য ইনপুট তথ্য প্রয়োজন। তথ্য বিভিন্ন রূপে হতে পারে: সংখ্যা, টেক্সট, ছবি, শব্দ ইত্যাদি এবং সাধারণত সতর্কতার সাথে সংগ্রহ ও প্রস্তুত করা হয়। উদাহরণস্বরূপ, বিড়াল চিনতে AI প্রশিক্ষণের জন্য আমাদের হাজার হাজার বিড়ালের (এবং বিড়াল নয় এমন) ছবি সংগ্রহ করতে হবে এবং সেগুলোকে লেবেল করতে হবে। এই ধাপে তথ্যের গুণগত মান এবং পরিমাণ খুবই গুরুত্বপূর্ণ – তথ্য যত বেশি ও বৈচিত্র্যময়, AI তত ভালো শেখে।

• মডেল প্রশিক্ষণ (Learning/Training)

এরপর আসে তথ্য থেকে মেশিন শেখার ধাপ. ইনপুট তথ্য মেশিন লার্নিং অ্যালগরিদমে প্রবেশ করানো হয়। এই অ্যালগরিদম তথ্যের মধ্যে নমুনা বা সম্পর্ক খুঁজে বের করে এবং ধীরে ধীরে অভ্যন্তরীণ প্যারামিটার সমন্বয় করে যাতে তথ্যের সাথে মেলে।

যদি কৃত্রিম নিউরাল নেটওয়ার্ক (বিশেষ করে ডিপ লার্নিংয়ে ব্যবহৃত) হয়, প্রশিক্ষণের অর্থ হলো নিউরনের সংযোগের ওজন (weights) বারবার পরিবর্তন করা। AI প্রশিক্ষণ তথ্যের উপর পূর্বাভাস দেয় এবং ফলাফলের সাথে তুলনা করে ত্রুটি সংশোধন করে (যাকে ব্যাকপ্রপাগেশন বলা হয়)।

এই ধাপে AI অভিজ্ঞতা (নমুনা তথ্য) থেকে শেখে, যেমন একজন ছাত্র ব্যায়াম থেকে শেখে: ভুল করলে অভিজ্ঞতা অর্জন করে এবং সংশোধন করে।

• পূর্বাভাস/ফলাফল প্রদান (Inference)

প্রশিক্ষণের পর, AI-এর একটি শিক্ষিত মডেল থাকে। এখন যখন নতুন ইনপুট তথ্য (যা আগে দেখা হয়নি) আসে, AI শিক্ষিত মডেল ব্যবহার করে পূর্বাভাস বা সিদ্ধান্ত দেয়।

উদাহরণস্বরূপ, প্রশিক্ষণের পর, বিড়াল/কুকুর আলাদা করতে সক্ষম AI একটি নতুন ছবি দেখে “এটি বিড়াল” বলে পূর্বাভাস দিতে পারে। একইভাবে, ব্যাংক লেনদেনের তথ্য থেকে শেখা AI নতুন লেনদেনের জালিয়াতি শনাক্ত করতে পারে; অথবা চিকিৎসা তথ্য থেকে শেখা AI নতুন রোগীর জন্য ডায়াগনসিস প্রস্তাব করতে পারে। এই ধাপটিকে সিদ্ধান্ত গ্রহণ (inference) বলা হয় – AI শেখা জ্ঞান বাস্তবে প্রয়োগ করে।

• প্রতিক্রিয়া ও উন্নতি (Feedback & Improvement)

AI-এর একটি গুরুত্বপূর্ণ বৈশিষ্ট্য (বিশেষ করে মেশিন লার্নিং সিস্টেমের) হলো সময়ক্রমে নিজেকে উন্নত করার ক্ষমতা. যদি AI ফলাফল দেয় এবং প্রতিক্রিয়া পায় (যেমন: মানুষ বলে পূর্বাভাস সঠিক বা ভুল), তখন এটি মডেল সংশোধন করে আরও ভালো করার চেষ্টা করে।

বিড়াল/কুকুর শ্রেণীবিভাগের উদাহরণে, যদি মডেল কিছু ক্ষেত্রে ভুল পূর্বাভাস দেয় (যেমন কুকুরকে বিড়াল মনে করে), ইঞ্জিনিয়াররা কঠিন উদাহরণগুলোর তথ্য যোগ করতে পারেন বা মডেলের কাঠামো/হাইপারপ্যারামিটার পরিবর্তন করতে পারেন যাতে AI আরও ভালো শেখে। এই ধারাবাহিক আপডেটের মাধ্যমে AI সময়ের সাথে আরও সঠিক ও বুদ্ধিমান হয়।

এটি ঠিক যেমন আপনি শিক্ষক থেকে প্রতিক্রিয়া নিয়ে ভুল সংশোধন করে পরবর্তীবার ভালো করার চেষ্টা করেন। কিছু বিশেষ AI সিস্টেমে (যেমন গেমে রিইনফোর্সমেন্ট লার্নিং) এই স্ব-সংশোধন চলতে থাকে চলাকালীন: AI চেষ্টা করে, ফলাফল ভালো না হলে পরেরবার এড়ায়, ভালো হলে সেই আচরণ বাড়ায়।

সার্বিকভাবে, AI সিস্টেম তিনটি মূল ক্ষমতার সমন্বয়ে কাজ করে: তথ্য থেকে শেখা, যুক্তি প্রয়োগ করে সিদ্ধান্ত নেওয়া, এবং ভুল থেকে নিজেকে সংশোধন করা. শেখার ধাপে AI তথ্য থেকে তথ্য সংগ্রহ ও বিশ্লেষণ করে (“জ্ঞান” তৈরি করে)।

সিদ্ধান্ত গ্রহণের ধাপে AI শেখা জ্ঞান ব্যবহার করে নতুন পরিস্থিতি বিশ্লেষণ করে ফলাফল দেয়। এবং স্ব-সংশোধনের মাধ্যমে AI ক্রমাগত তার কার্যকারিতা উন্নত করে। শেখা, যুক্তি এবং সংশোধনের এই সমন্বয় আধুনিক AI সিস্টেমের শক্তির মূল।

AI কীভাবে কাজ করে: সহজ উদাহরণ

চলুন একটি বাস্তব উদাহরণ দেখি যা উপরের প্রক্রিয়াটি স্পষ্ট করে: AI চ্যাটবট স্বয়ংক্রিয়ভাবে মেসেজের উত্তর দেয়. ধরুন আপনি একটি চ্যাটবট তৈরি করতে চান যা গ্রাহকের প্রশ্নগুলো প্রাকৃতিক বাংলায় উত্তর দিতে পারে।

• তথ্য সংগ্রহ: আপনাকে প্রচুর পরিমাণে কথোপকথনের তথ্য সংগ্রহ করতে হবে যাতে চ্যাটবট ভাষা ও উত্তর দেওয়ার পদ্ধতি শিখতে পারে। এই তথ্য হতে পারে মিলিয়নো প্রশ্ন ও উত্তর গ্রাহক সেবা কথোপকথন থেকে, অথবা ইন্টারনেট থেকে সংগৃহীত (যেমন ফোরাম, সোশ্যাল মিডিয়া) এবং পরিস্কার করা। প্রতিটি প্রশ্নের সাথে সঠিক উত্তর লেবেল হিসেবে থাকবে যাতে চ্যাটবট শেখে।
• চ্যাটবট প্রশিক্ষণ: আপনি একটি বড় ভাষা মডেল (যেমন একটি বড় Transformer নিউরাল নেটওয়ার্ক) বেছে নেবেন এবং এটি সংগ্রহ করা কথোপকথনের ডেটা “পড়বে”। মডেল শিখবে কীভাবে প্রশ্ন ও উত্তর যুক্ত থাকে, কীভাবে প্রাকৃতিক ভাষা প্রবাহিত হয়। বারবার প্রশিক্ষণের মাধ্যমে চ্যাটবট প্রসঙ্গ বুঝতে এবং যুক্তিসঙ্গত উত্তর দিতে সক্ষম হবে। এটি শিখবে যখন গ্রাহক জিজ্ঞেস করে “আমি পাসওয়ার্ড ভুলে গেছি, কী করব?”, তখন উত্তর হওয়া উচিত পাসওয়ার্ড পুনরুদ্ধারের নির্দেশনা, অন্য কোনো বিষয় নয়। এই প্রক্রিয়াটি নতুন কর্মীকে হাজারো স্ক্রিপ্ট পড়ে দক্ষ হওয়ার মতো।
• ব্যবহারকারীর উত্তর: যখন চ্যাটবট চালু হয়, গ্রাহক নতুন প্রশ্ন ইনপুট করবে (যা চ্যাটবট আগে দেখেনি)। চ্যাটবট প্রশ্ন বিশ্লেষণ করবে, শেখা তথ্য থেকে মূল উদ্দেশ্য বের করবে (যেমন গ্রাহক পাসওয়ার্ড ভুলে গেছেন), এবং উপযুক্ত উত্তর তৈরি করবে। যদি প্রশিক্ষণ ভালো হয়, উত্তর হবে প্রাকৃতিক ও সঠিক, যেন মানুষ লিখেছে।
• সময়ক্রমে উন্নতি: প্রতিটি ইন্টারঅ্যাকশনের পর, আপনি চ্যাটবটকে বলতে পারেন এটি সঠিক উত্তর দিয়েছে কিনা (গ্রাহক প্রতিক্রিয়া বা সাপোর্ট স্টাফের মূল্যায়নের মাধ্যমে)। যদি উত্তর ভালো না হয়, সেই তথ্য পরবর্তী প্রশিক্ষণে যোগ করা হবে। এর ফলে চ্যাটবট ক্রমাগত তার জ্ঞান ও উত্তর দেওয়ার দক্ষতা উন্নত করে। এটি হলো AI-এর স্ব-উন্নতির চক্র।

উপরের উদাহরণটি স্পষ্ট করে দেয় কিভাবে একটি বাস্তব AI “শেখে” এবং কাজ করে: অতীতের তথ্য থেকে শেখা এবং ভবিষ্যতের পরিস্থিতিতে প্রয়োগ. বিড়াল/কুকুর শ্রেণীবিভাগ হোক বা গ্রাহক প্রশ্নের উত্তর, মূল নীতিটি একই।

জেনারেটিভ AI কীভাবে কাজ করে?

সাম্প্রতিক একটি প্রবণতা হলো জেনারেটিভ AI (Generative AI) – এমন AI সিস্টেম যা নতুন বিষয়বস্তু তৈরি করতে পারে যেমন লেখা, ছবি, শব্দ যা আগে কখনো ছিল না। তাহলে জেনারেটিভ AI কীভাবে কাজ করে এবং এটি কীভাবে আলাদা?

প্রকৃতপক্ষে, জেনারেটিভ AIও বিশাল তথ্য থেকে গভীরভাবে শেখার উপর ভিত্তি করে, কিন্তু এটি শুধু পূর্বাভাস বা শ্রেণীবিভাগ নয়, বরং শেখা নমুনার উপর ভিত্তি করে নতুন আউটপুট তৈরি করে।

উদাহরণস্বরূপ, বড় ভাষা মডেল যেমন ChatGPT: এটি কোটি কোটি শব্দের টেক্সট (বই, নিবন্ধ, ওয়েবসাইট) থেকে শেখে শব্দ ও বাক্যের সম্পর্ক। এর কাঠামো একটি গভীর নিউরাল নেটওয়ার্ক (যার হাজার কোটি প্যারামিটার) যা বাক্যের পরবর্তী শব্দ পূর্বাভাস করতে পারে।

ব্যবহারের সময়, ChatGPT মেমোরিতে সংরক্ষিত উত্তর দেওয়ার পরিবর্তে প্রতিটি শব্দের সম্ভাবনা অনুযায়ী নতুন উত্তর তৈরি করে। ফলে একটি স্বচ্ছন্দ, প্রাকৃতিক ভাষার লেখা তৈরি হয় যা প্রশিক্ষণ ডেটার ভাষা শৈলী প্রতিফলিত করে কিন্তু বিষয়বস্তু সম্পূর্ণ নতুন।

অন্যভাবে বলতে গেলে, Generative AI যেমন ChatGPT বা ছবি আঁকার AI (যেমন Midjourney, DALL-E) একটি নির্দিষ্ট ক্ষেত্রের “ভাষা” (মানব ভাষা, ছবি, সঙ্গীত ইত্যাদি) গভীরভাবে শেখে এবং শেখা অনুযায়ী নতুন সৃষ্টি করে। এরা বিশাল ডিপ লার্নিং মডেল (যাকে ফাউন্ডেশন মডেল বা বড় ভাষা মডেল (LLM) বলা হয়) ব্যবহার করে, যা বিশেষ অ্যালগরিদম (যেমন Transformer) দিয়ে প্রশিক্ষিত।

এটি ChatGPT বা Midjourney-এর মতো প্রোগ্রামগুলোকে নতুন বিষয়বস্তু তৈরি করতে সক্ষম করে (লেখা, ছবি, সঙ্গীত ইত্যাদি) শেখা জ্ঞানের উপর ভিত্তি করে, শুধুমাত্র পূর্বনির্ধারিত উত্তর বেছে নেওয়ার পরিবর্তে। উদাহরণস্বরূপ, আপনি যদি বলেন “একটি বিড়াল প্রোগ্রামিং জানে এমন গল্প লিখুন”, ChatGPT তার ভাষাগত জ্ঞান এবং অসংখ্য গল্প থেকে শেখা তথ্য ব্যবহার করে সম্পূর্ণ নতুন একটি গল্প তৈরি করবে।

জেনারেটিভ AI-এর বিশেষত্ব হলো এটি শুধু চিনতে বা বিশ্লেষণ করতে পারে না, বরং একটি নির্দিষ্ট মাত্রায় সৃজনশীল। অবশ্যই, এই সৃজনশীলতা AI শেখা তথ্যের উপর ভিত্তি করে – এটি পুরানো নমুনাগুলোকে সংযুক্ত ও পরিবর্তন করে নতুন কিছু তৈরি করে। কিন্তু ফলাফল অনেক বৈচিত্র্যময় ও সমৃদ্ধ, যা জেনারেটিভ AI-কে বিষয়বস্তু সৃষ্টিতে, ডিজাইন, বিনোদন এবং অন্যান্য ক্ষেত্রে শক্তিশালী একটি হাতিয়ার করে তোলে।

>>> আরও জানতে ক্লিক করুন:

কৃত্রিম বুদ্ধিমত্তার (AI) গঠন ও উন্নয়নের ইতিহাস

সাধারণ কৃত্রিম বুদ্ধিমত্তার ধরনসমূহ

সংক্ষেপে, AI মানুষের অভিজ্ঞতার মতো তথ্য থেকে শেখে. প্রশিক্ষণের মাধ্যমে, যন্ত্রগুলি ধীরে ধীরে তথ্য থেকে জ্ঞান সারাংশ করে এবং ভবিষ্যতে প্রয়োগের জন্য মডেল তৈরি করে।

যদিও নীচে বিভিন্ন অ্যালগরিদম থাকতে পারে – সরল সিদ্ধান্ত গাছ থেকে শুরু করে হাজার কোটি প্যারামিটার বিশিষ্ট গভীর নিউরাল নেটওয়ার্ক পর্যন্ত – AI-এর সাধারণ লক্ষ্য হলো লুকানো নিয়ম আবিষ্কার করা যা সমস্যার সমাধান সহজ করে। বিশাল তথ্য ও উচ্চতর গণনাশক্তির কারণে, AI আজ অসাধারণ সাফল্য অর্জন করেছে, যেমন সঠিক ছবি ও কণ্ঠ শনাক্তকরণ থেকে শুরু করে স্বয়ংক্রিয় লেখা ও ছবি আঁকা পর্যন্ত।

আশা করি এই ব্যাখ্যার মাধ্যমে আপনি AI কীভাবে “ভাবছে” এবং কাজ করছে তা স্পষ্ট ও সহজভাবে বুঝতে পেরেছেন। AI আর একটি “কালো বাক্স” নয় – এটি তথ্য থেকে শেখার, পরীক্ষা-নিরীক্ষার, এবং ক্রমাগত উন্নতির ফলাফল, যা মানুষের মতো জ্ঞান ও দক্ষতা অর্জনের প্রক্রিয়ার অনুরূপ।

আরও নতুন AI জ্ঞান জানতে INVIAI অনুসরণ করুন!