পাঠ ১ — AI আসলে কী

AI আসলে কী

ভাবুন তো, সকালে আপনি ফোনের অ্যাপ (ফোনের ছোট সফটওয়্যার) খুললেন। অ্যাপটি আপনার পছন্দের গান দেখাল। মানচিত্র বলল, কোন রাস্তায় জ্যাম কম। ছবি খোঁজার সময় ফোন নিজেই বিড়ালের ছবি আলাদা করল। এগুলো কীভাবে হলো?

এখানেই আসে AI (কৃত্রিম বুদ্ধিমত্তা)। সহজ করে বললে, AI হলো এমন প্রযুক্তি, যা কম্পিউটারকে মানুষের মতো কিছু বুদ্ধির কাজ করতে সাহায্য করে। যেমন দেখা, শোনা, ভাষা বোঝা, সিদ্ধান্তে সাহায্য করা বা কিছু অনুমান করা।

AI কি মানুষের মতো চিন্তা করে?

পুরোপুরি নয়। AI মানুষের মস্তিষ্ক নয়। তার নিজের অনুভূতি, অভিজ্ঞতা বা ইচ্ছা আছে—এমন ধরে নেওয়া ঠিক নয়। সে যে কাজের জন্য বানানো এবং যে তথ্য দিয়ে শেখানো হয়েছে, সাধারণত সেই কাজেই ভালো করে।

চা বানানোর কথা ভাবুন। আপনি বুঝতে পারেন, আজ চা একটু কড়া হয়েছে, তাই দুধ বাড়াতে হবে। AI এমন অনুভূতি পায় না। তাকে চায়ের ছবি, মাপ বা আগের উদাহরণ দেখিয়ে কোনো নির্দিষ্ট কাজ শেখাতে হয়।

তিনটি নাম, এক পরিবার

AI, ML (মেশিন লার্নিং বা যন্ত্রের শেখা) এবং ডিপ লার্নিং (গভীর শেখা)—এগুলো আলাদা শব্দ, কিন্তু একে অন্যের সঙ্গে যুক্ত।

ছবিটা এভাবে পড়ুন: AI সবচেয়ে বড় ছাতা। ML হলো AI-এর একটি অংশ। ডিপ লার্নিং হলো ML-এর একটি বিশেষ অংশ। তাই ডিপ লার্নিংকে AI বলা যায়, কিন্তু সব AI ডিপ লার্নিং নয়।

ML কীভাবে শেখে?

ML-কে শেখাতে লাগে ডেটা (তথ্য)। ডেটা হতে পারে ছবি, লেখা, শব্দ, কেনাকাটার তালিকা বা রাস্তার গতি।

ধরুন, বাজারে আপনি আম কিনবেন। বিক্রেতা বলল, গন্ধ ভালো, রং ঠিক, নরমভাবও ঠিক—তাই আমটি মিষ্টি হওয়ার সম্ভাবনা বেশি। আপনি অনেক আম দেখে এই মিলগুলো শিখলেন।

কম্পিউটারও এমনভাবে শিখতে পারে। তাকে অনেক আমের ছবি ও ফলাফল দেখানো হলো। ধীরে ধীরে সে ছবির রং, আকার বা দাগের সঙ্গে ফলাফলের সম্পর্ক খুঁজে পেল। সেই শেখা নিয়মের ব্যবহারযোগ্য রূপকে বলা যায় মডেল (শেখা নিয়মের ব্যবহারযোগ্য রূপ)।

এই শেখানোর কাজকে বলা হয় ট্রেনিং (উদাহরণ দিয়ে শেখানো)। আর নিয়মিত ধাপ বা নির্দেশের তালিকাকে বলা হয় অ্যালগরিদম (সমস্যা সমাধানের ধাপ)।

ডিপ লার্নিং কোথায় আলাদা?

ডিপ লার্নিং ML-এরই একটি ধরন। এতে নিউরাল নেটওয়ার্ক (মস্তিষ্কের স্নায়ুর মতো সাজানো হিসাবি নেটওয়ার্ক) নামে অনেক স্তরের হিসাব থাকে। এক স্তর ছবির ধার বা রং ধরতে পারে। পরের স্তর আকার ধরতে পারে। আরও পরের স্তর বুঝতে পারে, ছবিতে হয়তো একটি বিড়াল আছে।

তবে ডিপ লার্নিং মানেই জাদু নয়। ভালো ডেটা, ঠিক পদ্ধতি এবং পরীক্ষা দরকার। ডেটা ভুল বা একপেশে হলে ফলও ভুল হতে পারে।

সব বুদ্ধিমান কাজই কি ML?

না। একটি সাধারণ নিয়মভিত্তিক প্রোগ্রামও কিছু বুদ্ধিমান কাজ করতে পারে, কিন্তু সে নিজে উদাহরণ দেখে শেখে না। যেমন, “তাপমাত্রা বেশি হলে পাখা চালাও”—এটি আগে থেকে লেখা নিয়ম।

অন্যদিকে, একটি ML ব্যবস্থা অনেক আগের আবহাওয়ার তথ্য দেখে তাপমাত্রা অনুমান করতে পারে। সে উদাহরণ থেকে ধরণ খোঁজে।

মনে রাখুন: AI হলো কাজের বড় নাম। ML হলো উদাহরণ দেখে শেখার পদ্ধতি। ডিপ লার্নিং হলো ML-এর গভীর, বহু-স্তরের ধরন।

ফোনের জীবনে উদাহরণ

• ফোনের কিবোর্ড আপনার পরের শব্দ সাজেস্ট করে: আগের লেখার ধরণ কাজে লাগতে পারে।
• ইমেইল বা বার্তায় সন্দেহজনক লেখা আলাদা হয়: অনেক উদাহরণ দেখে ML ধরণ শিখতে পারে।
• মানচিত্র দ্রুত রাস্তা সাজেস্ট করে: রাস্তা, সময় ও চলাচলের তথ্য ব্যবহার হতে পারে।
• ছবির অ্যাপ মুখ বা বস্তু খুঁজে দেয়: ছবি বোঝার AI, ML বা ডিপ লার্নিং ব্যবহার হতে পারে।
• ক্যালকুলেটর ২+২ হিসাব করে: এটি সাধারণ নিয়মভিত্তিক কাজও হতে পারে; তাই প্রতিটি স্মার্ট কাজকে ML বলা যাবে না।

একটি ছোট দৃশ্য

রিমা মাকে বলল, “ফোন কেন বারবার আমার পছন্দের জুতো দেখায়?” মা বললেন, “তুমি হয়তো আগে ওই ধরনের জুতোর ছবি দেখেছ বা খুঁজেছ।”

এটি ML-এর সম্ভাব্য উদাহরণ। কিন্তু শুধু বিজ্ঞাপন দেখলেই নিশ্চিত বলা যায় না যে ডিপ লার্নিং ব্যবহার হয়েছে। কোন প্রযুক্তি ভেতরে আছে, তা জানতে অ্যাপটির নির্মাতার তথ্য দরকার। অনুমান আর নিশ্চিত তথ্য এক জিনিস নয়।

আজ কী শিখলাম

• AI হলো কম্পিউটারকে বুদ্ধির কাজ করানোর বড় ক্ষেত্র।
• ML হলো ডেটা ও উদাহরণ দেখে ধরণ শেখার পদ্ধতি।
• ডিপ লার্নিং হলো ML-এর বহু-স্তরের একটি বিশেষ ধরন।
• ডেটা ভুল হলে AI-এর ফলও ভুল হতে পারে।
• প্রতিটি স্বয়ংক্রিয় বা স্মার্ট কাজ AI, ML এবং ডিপ লার্নিং—তিনটিই হবে, এমন নয়।