কৃত্রিম বুদ্ধিমত্তা কী? যন্ত্র কীভাবে শেখে, সহজ ভাষায়

মোবাইলে ছবি তুললে ফোন নিজেই মুখ চিনে ফেলে, ইমেইলের স্প্যাম আলাদা হয়ে যায়, আর কেউ কেউ একটা প্রশ্ন লিখলেই যন্ত্র গুছিয়ে উত্তর দেয়। এসবের পেছনে যে শব্দটা বারবার শোনা যায়, তা হলো কৃত্রিম বুদ্ধিমত্তা বা আর্টিফিশিয়াল ইন্টেলিজেন্স (এআই)। কিন্তু যন্ত্র কি সত্যিই 'ভাবে'? নাকি এর ভেতরে অন্য কোনো কৌশল কাজ করে? চলো জটিল অঙ্ক বাদ দিয়ে সহজ ভাষায় বুঝে নিই, যন্ত্র আসলে কীভাবে শেখে।

সংক্ষেপে: কৃত্রিম বুদ্ধিমত্তা কী?

কৃত্রিম বুদ্ধিমত্তা হলো কম্পিউটার বিজ্ঞানের এমন একটা শাখা, যার লক্ষ্য যন্ত্র দিয়ে এমন কাজ করানো যেগুলোর জন্য সাধারণত মানুষের বুদ্ধি লাগে, যেমন ছবি চেনা, ভাষা বোঝা, সিদ্ধান্ত নেওয়া বা অনুবাদ করা। আজকের বেশিরভাগ এআই তৈরি হয় মেশিন লার্নিং বা যন্ত্র-শিক্ষা পদ্ধতিতে। এখানে প্রোগ্রামার প্রতিটা নিয়ম হাতে লিখে দেন না। বরং যন্ত্রকে প্রচুর উদাহরণ দেখানো হয়, আর যন্ত্র নিজেই সেই উদাহরণের ভেতর থেকে প্যাটার্ন বা ধরন খুঁজে নেয়।

সহজ করে বললে, পুরোনো কম্পিউটার প্রোগ্রাম ছিল রান্নার রেসিপির মতো: ধাপে ধাপে কী করতে হবে সব লেখা থাকে। মেশিন লার্নিং অনেকটা নতুন রাঁধুনির মতো, যে শত শত বার রান্না চেখে চেখে শেখে কোন মসলা কতটা দিলে স্বাদ ঠিক হয়।

নিয়ম লেখা বনাম উদাহরণ থেকে শেখা

ধরো তুমি কম্পিউটারকে শেখাতে চাও কোন ছবিতে বিড়াল আছে। পুরোনো পদ্ধতিতে নিয়ম লিখতে হতো: দুটো ত্রিভুজ কান, গোঁফ, লম্বা লেজ। কিন্তু বিড়াল যদি পাশ ফিরে বসে, অন্ধকারে থাকে বা অর্ধেক লুকিয়ে থাকে? নিয়মের তালিকা কখনো শেষ হয় না। মানুষ নিজেও বলতে পারে না সে ঠিক কোন নিয়মে বিড়াল চেনে।

মেশিন লার্নিং এই সমস্যার উল্টো পথ ধরে। লক্ষ লক্ষ ছবি দেখানো হয়, প্রতিটার সাথে লেবেল থাকে: 'বিড়াল' বা 'বিড়াল নয়'। যন্ত্র প্রথমে এলোমেলো অনুমান করে, ভুল করে, আর প্রতিটা ভুল থেকে নিজের ভেতরের হিসাব সামান্য বদলায়। এভাবে বহুবার চলার পর সে নিজেই এমন সব সূক্ষ্ম ধরন ধরে ফেলে, যেগুলো কোনো মানুষ হাতে লিখে দিতে পারত না।

যন্ত্র কীভাবে শেখে: ধাপে ধাপে

• তথ্য সংগ্রহ: প্রথমে লাগে প্রচুর উদাহরণ, যাকে বলে ডেটা। ছবি, লেখা, শব্দ বা সংখ্যা, যা নিয়ে কাজ হবে।
• মডেল তৈরি: মডেল হলো একটা গাণিতিক কাঠামো, যার ভেতরে হাজার থেকে কোটি কোটি ছোট ছোট সংখ্যা থাকে। এগুলোকে বলে প্যারামিটার বা ওজন। শুরুতে এগুলো প্রায় এলোমেলো।
• অনুমান: মডেলকে একটা উদাহরণ দেখানো হয়, সে নিজের ওজনগুলো দিয়ে হিসাব করে একটা উত্তর দেয়।
• ভুল মাপা: মডেলের উত্তর আর সঠিক উত্তরের মধ্যে কতটা ফারাক, তা একটা সংখ্যায় মাপা হয়। এই সংখ্যা যত বড়, ভুল তত বেশি।
• সামান্য সংশোধন: গণিতের একটা কৌশল দিয়ে হিসাব করা হয়, কোন ওজন কোন দিকে একটু বদলালে ভুল কমবে। তারপর সব ওজন সামান্য করে সেই দিকে সরানো হয়।
• বারবার পুনরাবৃত্তি: এই চক্র লক্ষ লক্ষ বার চলে। ধীরে ধীরে ভুল কমে, মডেল ভালো হতে থাকে।
• পরীক্ষা: শেষে মডেলকে এমন নতুন উদাহরণ দেখানো হয় যা সে আগে কখনো দেখেনি। সেখানে ভালো করলে বোঝা যায় সে সত্যিই ধরনটা শিখেছে, শুধু মুখস্থ করেনি।

এই 'ভুল কমানোর দিকে সামান্য সরে যাওয়া'র কৌশলকে বলে গ্রেডিয়েন্ট ডিসেন্ট। একটা উপমা দিয়ে ভাবো: ঘন কুয়াশায় তুমি পাহাড়ের গায়ে দাঁড়িয়ে আছো, নিচের উপত্যকায় নামতে চাও কিন্তু কিছুই দেখতে পাচ্ছো না। তুমি পা দিয়ে অনুভব করো কোন দিকে ঢাল নিচে নেমেছে, আর সেদিকে এক পা এগোও। বারবার এটা করলে একসময় নিচে পৌঁছে যাবে। যন্ত্রও ঠিক এভাবে 'ভুলের পাহাড়' বেয়ে নিচে নামে।

শেখার পথে একটা বড় ফাঁদও আছে, যার নাম ওভারফিটিং। ধরো একজন ছাত্র পরীক্ষার আগে গাইড বইয়ের প্রশ্নোত্তর হুবহু মুখস্থ করল। একই প্রশ্ন এলে সে পুরো নম্বর পাবে, কিন্তু প্রশ্ন একটু ঘুরিয়ে দিলেই আটকে যাবে। যন্ত্রও তেমন করতে পারে: প্রশিক্ষণের উদাহরণগুলো এত নিখুঁতভাবে মনে রাখে যে নতুন উদাহরণে ভুল করে। তাই গবেষকরা ইচ্ছে করে কিছু ডেটা আলাদা সরিয়ে রাখেন, যা যন্ত্র শেখার সময় কখনো দেখে না। শেষে সেই অদেখা ডেটায় পরীক্ষা নিয়ে বোঝা যায় যন্ত্র সত্যিই বুঝেছে নাকি শুধু মুখস্থ করেছে। ভালো এআই বানানোর বড় একটা অংশই হলো মুখস্থ আর বোঝার মধ্যে এই ভারসাম্য খুঁজে পাওয়া।

নিউরাল নেটওয়ার্ক: মস্তিষ্ক থেকে ধার করা ধারণা

আজকের শক্তিশালী এআই-এর বেশিরভাগই নিউরাল নেটওয়ার্ক নামের এক ধরনের মডেল। নামটা এসেছে আমাদের মস্তিষ্কের স্নায়ুকোষ বা নিউরন থেকে। মস্তিষ্কে কোটি কোটি নিউরন একে অপরের সাথে যুক্ত, আর সংযোগগুলো শক্তিশালী বা দুর্বল হয়ে আমরা শিখি।

কৃত্রিম নিউরাল নেটওয়ার্কে থাকে স্তরে স্তরে সাজানো ছোট হিসাবের একক। প্রথম স্তর কাঁচা তথ্য নেয়, যেমন ছবির প্রতিটা বিন্দুর রং। পরের স্তরগুলো ধাপে ধাপে আরও জটিল জিনিস চিনতে শেখে: প্রথমে রেখা আর কিনারা, তারপর চোখ বা কানের মতো আকার, শেষে পুরো মুখ। অনেক স্তর থাকলে একে বলে ডিপ লার্নিং বা গভীর শিক্ষা। তবে মনে রাখা দরকার, এটা মস্তিষ্কের খুব সরল একটা অনুকরণ মাত্র, আসল মস্তিষ্কের মতো কাজ করে না।

শেখার তিনটি প্রধান ধরন

• তত্ত্বাবধানে শেখা (সুপারভাইজড লার্নিং): প্রতিটা উদাহরণের সাথে সঠিক উত্তর দেওয়া থাকে, যেমন ছবির সাথে 'বিড়াল' লেবেল। স্প্যাম ধরা, রোগের ছবি চেনা এই ধরনের কাজ।
• তত্ত্বাবধান ছাড়া শেখা (আনসুপারভাইজড লার্নিং): কোনো উত্তর দেওয়া থাকে না। যন্ত্র নিজেই তথ্যের ভেতরে মিল খুঁজে দলে ভাগ করে, যেমন একই রকম অভ্যাসের মানুষদের আলাদা করা।
• পুরস্কার দিয়ে শেখা (রিইনফোর্সমেন্ট লার্নিং): যন্ত্র কিছু একটা চেষ্টা করে, ভালো হলে 'পুরস্কার' পায়, খারাপ হলে 'শাস্তি'। কুকুরকে খাবার দিয়ে কৌশল শেখানোর মতো। দাবা বা গো খেলায় এভাবে যন্ত্র বিশ্বসেরা খেলোয়াড়দের হারিয়েছে।

কথা বলা এআই কীভাবে লেখে?

যে এআই প্রশ্নের উত্তরে গুছিয়ে লেখে, তাকে বলে বড় ভাষা মডেল (লার্জ ল্যাঙ্গুয়েজ মডেল)। এর মূল কৌশল শুনলে অবাক লাগে: সে শুধু অনুমান করে পরের শব্দটা কী হওয়া সবচেয়ে সম্ভাব্য। বিপুল পরিমাণ লেখা পড়ে সে শিখেছে কোন শব্দের পরে সাধারণত কোন শব্দ আসে, কোন প্রশ্নের পরে কেমন উত্তর মানায়। একটা শব্দ বেছে নেওয়ার পর আবার পরের শব্দ, এভাবে পুরো বাক্য তৈরি হয়।

এত বড় মডেল শেখাতে লাগে বিশাল পরিমাণ লেখা আর হাজার হাজার শক্তিশালী কম্পিউটার চিপ, যেগুলো একসাথে সপ্তাহের পর সপ্তাহ হিসাব চালায়। এতে প্রচুর বিদ্যুৎও খরচ হয়। প্রশিক্ষণের পর অনেক সময় মানুষ নিজে মডেলের উত্তর যাচাই করে ভালো-মন্দ চিহ্নিত করে দেয়, যাতে সে আরও কাজের আর নিরাপদ উত্তর দিতে শেখে।

এই কারণে এমন মডেল অনেক সময় খুব আত্মবিশ্বাসের সাথে ভুল তথ্যও বলে দিতে পারে। সে 'সত্য' যাচাই করছে না, বরং কোন উত্তর শুনতে স্বাভাবিক লাগবে সেটা অনুমান করছে। তাই গুরুত্বপূর্ণ তথ্য, বিশেষ করে স্বাস্থ্য, আইন বা টাকাপয়সার বিষয়ে, সবসময় নির্ভরযোগ্য উৎস থেকে মিলিয়ে নেওয়া দরকার।

এআই কি সত্যিই চিন্তা করে?

এটাই সবচেয়ে বড় প্রশ্ন, আর বিজ্ঞানীরা এখনো একমত নন। আজকের এআই নির্দিষ্ট কাজে অসাধারণ, কিন্তু মানুষের মতো অনুভূতি, নিজের ইচ্ছা বা সত্যিকারের বোঝাপড়া তার আছে, এমন কোনো প্রমাণ নেই। একটা মডেল নানা ভাষায় কবিতা লিখতে পারে, অথচ এক কাপ চা বানানোর মতো সাধারণ দৈনন্দিন কাজ বা নতুন পরিস্থিতিতে সাধারণ বুদ্ধি খাটাতে গিয়ে আটকে যেতে পারে।

বিজ্ঞানীরা তাই দুই ধরনের এআই আলাদা করে ভাবেন: সংকীর্ণ এআই, যা একটা নির্দিষ্ট কাজে দক্ষ, আর সাধারণ এআই, যা মানুষের মতো যেকোনো বিষয় শিখে নিতে পারবে। আজ পর্যন্ত যা দেখা যায় তার প্রায় সবই প্রথম ধরনের। সাধারণ এআই আদৌ সম্ভব কি না, হলে কবে, তা নিয়ে তর্ক চলছে।

দৈনন্দিন জীবনে যন্ত্র-শিক্ষা

না জেনেই আমরা প্রতিদিন মেশিন লার্নিং ব্যবহার করি। মোবাইলের কিবোর্ড পরের শব্দ সাজেস্ট করে, মানচিত্রের অ্যাপ যানজট দেখে পথ বদলাতে বলে, ব্যাংক অস্বাভাবিক লেনদেন দেখে সতর্ক করে, ভিডিও দেখার পর পরের ভিডিও আগে থেকে সাজানো থাকে। চিকিৎসায় এক্স-রে বা চোখের ছবি দেখে রোগের লক্ষণ ধরতে চিকিৎসকদের সাহায্য করছে এমন মডেল। আবহাওয়ার পূর্বাভাস আর কৃষিতে ফসলের রোগ চেনাতেও এর ব্যবহার বাড়ছে।

মূল কথা হলো, এআই কোনো জাদু নয়। এটা বিপুল তথ্য, শক্তিশালী কম্পিউটার আর বুদ্ধিমান গণিতের মিলন। যন্ত্র ভুল করে, ভুল মেপে, একটু একটু শুধরে নেয়, ঠিক যেভাবে একটা শিশু হাঁটতে শেখে বারবার পড়ে গিয়ে। পার্থক্য শুধু এই যে, যন্ত্র কয়েক দিনে কোটি বার পড়ে আবার উঠতে পারে।