শিশুরা প্রাকৃতিক বিজ্ঞানী। তারা বিশ্ব পর্যবেক্ষণ করে, অনুমান গঠন করে এবং তাদের পরীক্ষা করে। অবশেষে, তারা তাদের (কখনও কখনও খুব হাস্যকর) যুক্তি ব্যাখ্যা করতে শেখে।
AI, এত বেশি না। এতে কোন সন্দেহ নেই যে গভীর শিক্ষা - মস্তিষ্কের উপর ভিত্তি করে এক ধরনের মেশিন লার্নিং - নাটকীয়ভাবে প্রযুক্তি পরিবর্তন করছে। চরম আবহাওয়ার নিদর্শন ভবিষ্যদ্বাণী করা থেকে শুরু করে নতুন ওষুধ ডিজাইন করা বা মারাত্মক ক্যান্সার নির্ণয় করা পর্যন্ত, এআই ক্রমবর্ধমানভাবে একীভূত হচ্ছে বিজ্ঞানের সীমানা.
কিন্তু গভীর শিক্ষার একটি বিশাল ত্রুটি রয়েছে: অ্যালগরিদমগুলি তাদের উত্তরগুলিকে ন্যায্যতা দিতে পারে না। প্রায়শই "ব্ল্যাক বক্স" সমস্যা বলা হয়, এই অস্বচ্ছতা উচ্চ-ঝুঁকির পরিস্থিতিতে যেমন ওষুধের ক্ষেত্রে তাদের ব্যবহারকে বাধা দেয়। জীবন-পরিবর্তনকারী রোগ নির্ণয় করার সময় রোগীরা একটি ব্যাখ্যা চান। আপাতত, ডিপ লার্নিং-ভিত্তিক অ্যালগরিদম-এমনকি যদি তাদের উচ্চ ডায়াগনস্টিক নির্ভুলতা থাকে-সেটি তথ্য প্রদান করতে পারে না।
ব্ল্যাক বক্স খুলতে, টেক্সাস বিশ্ববিদ্যালয়ের সাউথওয়েস্টার্ন মেডিকেল সেন্টারের একটি দল অনুপ্রেরণার জন্য মানুষের মনকে ট্যাপ করেছে। ভিতরে একটি গবেষণা in প্রকৃতি গণনা বিজ্ঞান, তারা মস্তিষ্কের নেটওয়ার্কগুলির অধ্যয়নের নীতিগুলিকে আরও ঐতিহ্যগত এআই পদ্ধতির সাথে একত্রিত করেছে যা ব্যাখ্যাযোগ্য বিল্ডিং ব্লকের উপর নির্ভর করে।
ফলস্বরূপ এআই কিছুটা শিশুর মতো কাজ করে। এটি বিভিন্ন ধরনের তথ্যকে "হাব"-এ ঘনীভূত করে। প্রতিটি হাব তারপরে মানুষের পড়ার জন্য কোডিং নির্দেশিকাতে প্রতিলিপি করা হয়—প্রোগ্রামারদের জন্য CliffsNotes যেগুলি সাধারণ ইংরেজিতে ডেটাতে পাওয়া প্যাটার্নগুলি সম্পর্কে অ্যালগরিদমের সিদ্ধান্তগুলি ব্যাখ্যা করে৷ এটি চেষ্টা করার জন্য সম্পূর্ণরূপে এক্সিকিউটেবল প্রোগ্রামিং কোডও তৈরি করতে পারে।
"গভীর ডিস্টিলিং" নামে অভিহিত করা হয়েছে, কঠিন গণিত সমস্যা এবং চিত্র স্বীকৃতির মতো বিভিন্ন কাজের সাথে চ্যালেঞ্জ করার সময় AI একজন বিজ্ঞানীর মতো কাজ করে। ডেটার মাধ্যমে গুঞ্জন করে, AI এটিকে ধাপে ধাপে অ্যালগরিদম তৈরি করে যা মানুষের ডিজাইন করাকে ছাড়িয়ে যেতে পারে।
"ডিপ ডিস্টিলিং মানুষের দক্ষতার পরিপূরক সাধারণীকরণযোগ্য নীতিগুলি আবিষ্কার করতে সক্ষম হয়," লিখেছেন দল তাদের কাগজে.
পাতলা কাগজ
এআই কখনও কখনও বাস্তব জগতে ভুল করে। রোবোটক্সি নিন। গত বছর, কেউ কেউ বারবার সান ফ্রান্সিসকোর একটি আশেপাশে আটকা পড়েছিল—স্থানীয়দের জন্য একটি উপদ্রব, কিন্তু তারপরও হাসি পায়। আরও গুরুতরভাবে, স্ব-চালিত যানবাহনগুলি ট্র্যাফিক এবং অ্যাম্বুলেন্সকে অবরুদ্ধ করে এবং একটি ক্ষেত্রে, একজন পথচারীকে ভয়ঙ্করভাবে ক্ষতিগ্রস্থ করে।
স্বাস্থ্যসেবা এবং বৈজ্ঞানিক গবেষণায়, বিপদগুলিও বেশি হতে পারে।
যখন এই উচ্চ-ঝুঁকিপূর্ণ ডোমেনগুলির কথা আসে, তখন অ্যালগরিদমগুলির "ত্রুটির জন্য কম সহনশীলতা প্রয়োজন," আমেরিকান ইউনিভার্সিটি অফ বৈরুতের ড. জোসেফ বাকারজি, যিনি এই গবেষণায় জড়িত ছিলেন না, লিখেছেন কাজ সম্পর্কে একটি সহচর টুকরা মধ্যে.
বেশিরভাগ গভীর শিক্ষার অ্যালগরিদমগুলির জন্য বাধা হল তাদের ব্যাখ্যাযোগ্যতা। এগুলি বহু-স্তরযুক্ত নেটওয়ার্ক হিসাবে গঠন করা হয়েছে৷ প্রচুর পরিমাণে কাঁচা তথ্য গ্রহণ করে এবং অগণিত রাউন্ড প্রতিক্রিয়া পাওয়ার মাধ্যমে, নেটওয়ার্ক অবশেষে সঠিক উত্তর তৈরি করতে তার সংযোগগুলি সামঞ্জস্য করে।
এই প্রক্রিয়াটি গভীর শিক্ষার কেন্দ্রবিন্দুতে। কিন্তু পর্যাপ্ত ডেটা না থাকলে বা কাজটি খুব জটিল হলে এটি সংগ্রাম করে।
2021 সালে ফিরে, দল একটি এআই তৈরি করেছে যে একটি ভিন্ন পদ্ধতি গ্রহণ. "প্রতীকী" যুক্তি বলা হয়, নিউরাল নেটওয়ার্ক ডেটা পর্যবেক্ষণ করে সুস্পষ্ট নিয়ম এবং অভিজ্ঞতা এনকোড করে।
গভীর শিক্ষার তুলনায়, প্রতীকী মডেলগুলি মানুষের পক্ষে ব্যাখ্যা করা সহজ। AI কে লেগো ব্লকের একটি সেট হিসাবে ভাবুন, প্রতিটি একটি বস্তু বা ধারণার প্রতিনিধিত্ব করে। তারা সৃজনশীল উপায়ে একসাথে মাপসই করতে পারে, কিন্তু সংযোগগুলি নিয়মগুলির একটি পরিষ্কার সেট অনুসরণ করে।
নিজেই, AI শক্তিশালী কিন্তু ভঙ্গুর। এটি বিল্ডিং ব্লকগুলি খুঁজে পেতে পূর্ববর্তী জ্ঞানের উপর ব্যাপকভাবে নির্ভর করে। পূর্ব অভিজ্ঞতা ছাড়াই একটি নতুন পরিস্থিতির সাথে চ্যালেঞ্জ করা হলে, এটি বাক্সের বাইরে চিন্তা করতে পারে না - এবং এটি ভেঙে যায়।
নিউরোসায়েন্স এখানে আসে। দলটি কানেক্টোম দ্বারা অনুপ্রাণিত হয়েছিল, যা বিভিন্ন মস্তিষ্কের অঞ্চলগুলি কীভাবে একসাথে কাজ করে তার মডেল। এই সংযোগটি প্রতীকী যুক্তির সাথে মেশ করে, তারা একটি AI তৈরি করেছে যার শক্ত, ব্যাখ্যাযোগ্য ভিত্তি রয়েছে, তবে নতুন সমস্যার মুখোমুখি হলে নমনীয়ভাবে মানিয়ে নিতে পারে।
বেশ কয়েকটি পরীক্ষায়, "নিউরোকগনিটিভ" মডেলটি অন্যান্য গভীর নিউরাল নেটওয়ার্ককে এমন কাজগুলিতে পরাজিত করে যার জন্য যুক্তির প্রয়োজন হয়।
কিন্তু এটি ব্যাখ্যা করার জন্য ডেটা এবং ইঞ্জিনিয়ার অ্যালগরিদমের অর্থ করতে পারে?
একটি মানব স্পর্শ
বৈজ্ঞানিক আবিষ্কারের সবচেয়ে কঠিন অংশগুলির মধ্যে একটি হল কোলাহলপূর্ণ ডেটা পর্যবেক্ষণ করা এবং একটি উপসংহার ডিস্টিল করা। এই প্রক্রিয়াটি নতুন উপকরণ এবং ওষুধের দিকে নিয়ে যায়, জীববিজ্ঞানের গভীর উপলব্ধি এবং আমাদের ভৌত জগত সম্পর্কে অন্তর্দৃষ্টি। প্রায়শই, এটি একটি পুনরাবৃত্তিমূলক প্রক্রিয়া যা কয়েক বছর সময় নেয়।
AI জিনিসগুলির গতি বাড়াতে সক্ষম হতে পারে এবং সম্ভাব্য নিদর্শনগুলি খুঁজে পেতে পারে যা মানুষের মন থেকে পালিয়ে গেছে। উদাহরণস্বরূপ, প্রোটিন কাঠামোর ভবিষ্যদ্বাণীতে গভীর শিক্ষা বিশেষভাবে উপযোগী হয়েছে, কিন্তু এই কাঠামোর ভবিষ্যদ্বাণী করার জন্য এর যুক্তি বোঝা কঠিন।
"আমরা কি শেখার অ্যালগরিদমগুলি ডিজাইন করতে পারি যা পর্যবেক্ষণগুলিকে সাধারণ, ব্যাপক নিয়মে পাতিত করে যেমন মানুষ সাধারণত করে?" লিখেছেন বাকরজি।
নতুন গবেষণাটি দলের বিদ্যমান নিউরোকগনিটিভ মডেল নিয়েছে এবং এটিকে একটি অতিরিক্ত প্রতিভা দিয়েছে: কোড লেখার ক্ষমতা।
ডিপ ডিস্টিলিং বলা হয়, এআই অনুরূপ ধারণাগুলিকে একত্রিত করে, প্রতিটি কৃত্রিম নিউরন একটি নির্দিষ্ট ধারণা এবং অন্যদের সাথে এর সংযোগ এনকোড করে। উদাহরণস্বরূপ, একটি নিউরন একটি বিড়ালের ধারণা শিখতে পারে এবং জানতে পারে যে এটি একটি কুকুরের চেয়ে আলাদা। আরেকটি ধরন পরিবর্তনশীলতা পরিচালনা করে যখন একটি নতুন ছবির সাথে চ্যালেঞ্জ করা হয় - বলুন, একটি বাঘ - এটি একটি বিড়াল বা কুকুরের মতো কিনা তা নির্ধারণ করতে।
এই কৃত্রিম নিউরনগুলি তারপর একটি শ্রেণীবিন্যাস মধ্যে স্ট্যাক করা হয়. প্রতিটি স্তরের সাথে, সিস্টেমটি ক্রমবর্ধমান ধারণাগুলিকে আলাদা করে এবং অবশেষে একটি সমাধান খুঁজে পায়।
AI যতটা সম্ভব ডেটা ক্রাঞ্চ করার পরিবর্তে, প্রশিক্ষণটি ধাপে ধাপে—প্রায় একটি শিশুকে শেখানোর মতো। এটি AI এর যুক্তিকে মূল্যায়ন করা সম্ভব করে কারণ এটি ধীরে ধীরে নতুন সমস্যার সমাধান করে।
স্ট্যান্ডার্ড নিউরাল নেটওয়ার্ক প্রশিক্ষণের তুলনায়, স্ব-ব্যাখ্যামূলক দিকটি এআই-তে তৈরি করা হয়েছে, ব্যাখ্যা করেছেন বাকারজি।
একটি পরীক্ষায়, দলটি একটি ক্লাসিক ভিডিও গেম—কনওয়ে'স গেম অফ লাইফ দিয়ে AI-কে চ্যালেঞ্জ করেছিল। 1970-এর দশকে প্রথম বিকশিত, গেমটি একটি নির্দিষ্ট নিয়মের সেট দেওয়া একটি ডিজিটাল সেলকে বিভিন্ন প্যাটার্নে বাড়ানোর বিষয়ে (এটি নিজে চেষ্টা করুন) এখানে) সিমুলেটেড গেম-প্লে ডেটার উপর প্রশিক্ষিত, এআই সম্ভাব্য ফলাফলের পূর্বাভাস দিতে এবং তার যুক্তিকে মানব-পাঠযোগ্য নির্দেশিকা বা কম্পিউটার প্রোগ্রামিং কোডে রূপান্তর করতে সক্ষম হয়েছিল।
এআই বিভিন্ন অন্যান্য কাজেও ভাল কাজ করেছে, যেমন ছবিতে লাইন সনাক্ত করা এবং কঠিন গণিত সমস্যা সমাধান করা। কিছু ক্ষেত্রে, এটি সৃজনশীল কম্পিউটার কোড তৈরি করেছে যা প্রতিষ্ঠিত পদ্ধতিগুলিকে ছাড়িয়ে গেছে - এবং কেন তা ব্যাখ্যা করতে সক্ষম হয়েছিল।
গভীর পাতন ভৌত এবং জৈবিক বিজ্ঞানের জন্য একটি উত্সাহ হতে পারে, যেখানে সাধারণ অংশগুলি অত্যন্ত জটিল সিস্টেমের জন্ম দেয়। পদ্ধতির জন্য একটি সম্ভাব্য অ্যাপ্লিকেশন হল গবেষকদের ডিএনএ ফাংশন ডিকোডিং করার জন্য একজন সহ-বিজ্ঞানী হিসাবে। আমাদের বেশিরভাগ ডিএনএ হল "ডার্ক ম্যাটার", যাতে আমরা জানি না এর কি ভূমিকা আছে-যদি থাকে। একটি ব্যাখ্যাযোগ্য AI সম্ভাব্যভাবে জেনেটিক সিকোয়েন্সগুলিকে সঙ্কুচিত করতে পারে এবং জেনেটিকবিদদের বিরল মিউটেশন সনাক্ত করতে সাহায্য করে যা ধ্বংসাত্মক উত্তরাধিকারসূত্রে প্রাপ্ত রোগের কারণ হয়।
গবেষণার বাইরে, দলটি শক্তিশালী এআই-মানব সহযোগিতার সম্ভাবনায় উত্তেজিত।
"নিউরোসিম্বলিক পন্থা সম্ভাব্য আরও মানুষের মত মেশিন লার্নিং ক্ষমতার জন্য অনুমতি দিতে পারে,” দল লিখেছে।
বাকরজি রাজি। নতুন গবেষণাটি "প্রযুক্তিগত অগ্রগতির বাইরে, আমরা আজ যে নৈতিক এবং সামাজিক চ্যালেঞ্জগুলির মুখোমুখি হচ্ছি সেগুলিকে স্পর্শ করে।" ব্যাখ্যাযোগ্যতা একটি রেললাইন হিসাবে কাজ করতে পারে, AI সিস্টেমগুলিকে প্রশিক্ষণের সাথে সাথে মানবিক মূল্যবোধের সাথে সিঙ্ক করতে সহায়তা করে। উচ্চ-ঝুঁকির অ্যাপ্লিকেশনগুলির জন্য, যেমন চিকিৎসা যত্ন, এটি বিশ্বাস তৈরি করতে পারে।
আপাতত, অ্যালগরিদমটি এমন সমস্যাগুলি সমাধান করার সময় সবচেয়ে ভাল কাজ করে যা ধারণাগুলিকে ভেঙে ফেলা যেতে পারে। এটি ভিডিও স্ট্রিমের মতো অবিচ্ছিন্ন ডেটার সাথে মোকাবিলা করতে পারে না।
এটি গভীর পাতনের পরবর্তী ধাপ, লিখেছেন বাকারজি। এটি "বৈজ্ঞানিক কম্পিউটিং এবং তাত্ত্বিক গবেষণায় নতুন সম্ভাবনা উন্মুক্ত করবে।"
চিত্র ক্রেডিট: 7AV 7AV / Unsplash
- এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
- PlatoData.Network উল্লম্ব জেনারেটিভ Ai. নিজেকে ক্ষমতায়িত করুন। এখানে প্রবেশ করুন.
- প্লেটোএআইস্ট্রিম। Web3 ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
- প্লেটোইএসজি। কার্বন, ক্লিনটেক, শক্তি, পরিবেশ সৌর, বর্জ্য ব্যবস্থাপনা. এখানে প্রবেশ করুন.
- প্লেটো হেলথ। বায়োটেক এবং ক্লিনিক্যাল ট্রায়াল ইন্টেলিজেন্স। এখানে প্রবেশ করুন.
- উত্স: https://singularityhub.com/2024/02/22/like-a-child-this-brain-inspired-ai-can-explain-its-reasoning/
