জেনারেটিভ এআই হল এক ধরনের কৃত্রিম বুদ্ধিমত্তা প্রযুক্তি যা বিস্তৃতভাবে মেশিন লার্নিং সিস্টেমকে বর্ণনা করে যা পাঠ্য, ছবি, কোড বা অন্যান্য ধরনের সামগ্রী তৈরি করতে পারে।
এর মডেলগুলি উৎপন্ন কৃত্রিম বুদ্ধিমত্তা ক্রমবর্ধমান অনলাইন টুলস এবং অন্তর্ভুক্ত করা হচ্ছে chatbot যা ব্যবহারকারীদের একটি ইনপুট ফিল্ডে প্রশ্ন বা নির্দেশাবলী টাইপ করার অনুমতি দেয়, যার উপর AI মডেলটি মানুষের মতো প্রতিক্রিয়া তৈরি করবে।
এর মডেলগুলি উৎপন্ন কৃত্রিম বুদ্ধিমত্তা তারা নামে পরিচিত একটি জটিল কম্পিউটার প্রক্রিয়া ব্যবহার করে deep learning বৃহৎ ডেটা সেটে সাধারণ প্যাটার্ন এবং বিন্যাস বিশ্লেষণ করতে এবং তারপর নতুন এবং আকর্ষক ফলাফল তৈরি করতে এই তথ্য ব্যবহার করুন। মডেলগুলি নিউরাল নেটওয়ার্ক নামে পরিচিত মেশিন লার্নিং কৌশলগুলিকে অন্তর্ভুক্ত করে এটি করে, যা মানুষের মস্তিষ্ক যেভাবে তথ্য প্রক্রিয়া করে এবং ব্যাখ্যা করে এবং সময়ের সাথে সাথে এটি থেকে শেখে তার দ্বারা অনুপ্রাণিত হয়।
একটি উদাহরণ দিতে, একটি মডেল খাওয়ানো উৎপন্ন কৃত্রিম বুদ্ধিমত্তা প্রচুর পরিমাণে আখ্যানের সাথে, সময়ের সাথে সাথে মডেলটি একটি গল্পের উপাদানগুলি সনাক্ত করতে এবং পুনরুত্পাদন করতে সক্ষম হবে, যেমন প্লট কাঠামো, চরিত্র, থিম, বর্ণনামূলক ডিভাইস ইত্যাদি।
এর মডেলগুলি উৎপন্ন কৃত্রিম বুদ্ধিমত্তা তারা আরও পরিশীলিত হয়ে ওঠে কারণ তারা যে ডেটা গ্রহণ করে এবং উত্পন্ন করে তা বৃদ্ধি পায়, আবার এর কৌশলগুলির জন্য ধন্যবাদ deep learning এবং এর নিউরাল নেটওয়ার্ক নিচে. ফলস্বরূপ, একটি টেমপ্লেট যত বেশি সামগ্রী তৈরি করে উৎপন্ন কৃত্রিম বুদ্ধিমত্তা, আরো বিশ্বাসযোগ্য এবং মানুষের মত তার ফলাফল হয়ে.
এর জনপ্রিয়তাউৎপন্ন কৃত্রিম বুদ্ধিমত্তা 2023 সালে বিস্ফোরিত হয়েছে, মূলত প্রোগ্রামগুলির জন্য ধন্যবাদ চ্যাটজিপিটি e ডাল-ই di OpenAI. উপরন্তু, প্রযুক্তির দ্রুত অগ্রগতি কৃত্রিম বুদ্ধি, প্রাকৃতিক ভাষা প্রক্রিয়াকরণের মতো, তৈরি করেছেউৎপন্ন কৃত্রিম বুদ্ধিমত্তা ভোক্তা এবং বিষয়বস্তু নির্মাতাদের কাছে সহজলভ্য।
গুগল, মাইক্রোসফ্ট, অ্যামাজন, মেটা এবং অন্যান্যরা তাদের নিজস্ব বিকাশের সরঞ্জামগুলিকে সারিবদ্ধ করে বড় প্রযুক্তি সংস্থাগুলি ব্যান্ডওয়াগনের উপর দ্রুত ঝাঁপিয়ে পড়েছে। উৎপন্ন কৃত্রিম বুদ্ধিমত্তা কয়েক মাসের মধ্যে।
অসংখ্য টুল আছে উৎপন্ন কৃত্রিম বুদ্ধিমত্তা, যদিও টেক্সট এবং ইমেজ জেনারেশন মডেল সম্ভবত সবচেয়ে পরিচিত। এর মডেলগুলি উৎপন্ন কৃত্রিম বুদ্ধিমত্তা তারা সাধারণত একজন ব্যবহারকারীর উপর নির্ভর করে এমন একটি বার্তা প্রদান করে যা তাদের পছন্দসই আউটপুট তৈরির দিকে পরিচালিত করে, এটি পাঠ্য, একটি চিত্র, একটি ভিডিও বা সঙ্গীতের একটি অংশ হোক, যদিও এটি সর্বদা হয় না।
বিভিন্ন ধরণের জেনারেটিভ এআই মডেল রয়েছে, প্রতিটি নির্দিষ্ট চ্যালেঞ্জ এবং কাজের জন্য ডিজাইন করা হয়েছে। এগুলিকে বিস্তৃতভাবে নিম্নলিখিত ধরণের মধ্যে শ্রেণীবদ্ধ করা যেতে পারে।
Transformer-based modelsট্রান্সফরমার-ভিত্তিক মডেলগুলিকে ক্রমিক তথ্য, যেমন শব্দ এবং বাক্যগুলির মধ্যে সম্পর্ক বোঝার জন্য বড় ডেটা সেটগুলিতে প্রশিক্ষণ দেওয়া হয়। দ্বারা সমর্থিত deep learning, এই AI মডেলগুলি এনএলপিতে ভালভাবে পারদর্শী এবং ভাষার গঠন এবং প্রেক্ষাপট বোঝার প্রবণতা রয়েছে, যা তাদের পাঠ্য তৈরির কাজের জন্য উপযুক্ত করে তোলে। ChatGPT-3 এবং Google Bard হল ট্রান্সফরমার-ভিত্তিক জেনারেটিভ এআই মডেলের উদাহরণ।
Generative adversarial networksGAN গুলি জেনারেটর এবং ডিসক্রিমিনেটর নামে পরিচিত দুটি নিউরাল নেটওয়ার্কের সমন্বয়ে গঠিত, যা মূলত প্রামাণিক-সুদর্শন ডেটা তৈরি করতে একে অপরের বিরুদ্ধে কাজ করে। নাম অনুসারে, জেনারেটরের ভূমিকা হল একটি পরামর্শের উপর ভিত্তি করে একটি চিত্রের মতো একটি বিশ্বাসযোগ্য আউটপুট তৈরি করা, যখন বৈষম্যকারী উল্লিখিত চিত্রটির সত্যতা মূল্যায়ন করার জন্য কাজ করে। সময়ের সাথে সাথে, প্রতিটি উপাদান তাদের নিজ নিজ ভূমিকায় উন্নতি করে, আরও বিশ্বাসযোগ্য ফলাফল অর্জন করে। DALL-E এবং Midjourney উভয়ই GAN-ভিত্তিক জেনারেটিভ এআই মডেলের উদাহরণ।
Variational autoencodersVAEs ডেটা ব্যাখ্যা করতে এবং তৈরি করতে দুটি নেটওয়ার্ক ব্যবহার করে: এই ক্ষেত্রে এটি একটি এনকোডার এবং একটি ডিকোডার। এনকোডার ইনপুট ডেটা নেয় এবং এটিকে একটি সরলীকৃত বিন্যাসে সংকুচিত করে। ডিকোডার তারপর এই সংকুচিত তথ্যটি নেয় এবং এটিকে নতুন কিছুতে পুনর্গঠন করে যা মূল ডেটার সাথে সাদৃশ্যপূর্ণ, কিন্তু একেবারে একই নয়।
একটি উদাহরণ হ'ল প্রশিক্ষণ ডেটা হিসাবে ফটো ব্যবহার করে মানুষের মুখ তৈরি করতে একটি কম্পিউটার প্রোগ্রাম শেখানো। সময়ের সাথে সাথে, প্রোগ্রামটি মানুষের মুখের ফটোগুলিকে কয়েকটি গুরুত্বপূর্ণ বৈশিষ্ট্য যেমন চোখ, নাক, মুখ, কান ইত্যাদির আকার এবং আকৃতিতে হ্রাস করে সহজ করতে শিখে এবং তারপর নতুন মুখ তৈরি করতে সেগুলি ব্যবহার করে।
Multimodal modelsমাল্টিমোডাল মডেলগুলি একসাথে একাধিক ধরণের ডেটা বুঝতে এবং প্রক্রিয়া করতে পারে, যেমন পাঠ্য, চিত্র এবং অডিও, তাদের আরও পরিশীলিত আউটপুট তৈরি করতে দেয়। একটি উদাহরণ হ'ল একটি AI মডেল যা একটি পাঠ্য প্রম্পটের উপর ভিত্তি করে একটি চিত্র তৈরি করতে পারে, সেইসাথে একটি চিত্র প্রম্পটের পাঠ্য বিবরণ। DALL-E 2 e OpenAI দ্বারা GPT-4 মাল্টিমডাল মডেলের উদাহরণ।
ব্যবসার জন্য, কার্যকারিতা তর্কযোগ্যভাবে জেনারেটিভ এআই-এর সবচেয়ে বাধ্যতামূলক সুবিধা কারণ এটি ব্যবসাগুলিকে নির্দিষ্ট কাজগুলিকে স্বয়ংক্রিয় করতে এবং আরও গুরুত্বপূর্ণ কৌশলগত লক্ষ্যগুলিতে সময়, শক্তি এবং সংস্থান ফোকাস করতে সক্ষম করে। এটি কম শ্রমের খরচ, বর্ধিত কর্মক্ষম দক্ষতা এবং নির্দিষ্ট ব্যবসায়িক প্রক্রিয়াগুলি সম্পাদন করছে কিনা সে সম্পর্কে নতুন অন্তর্দৃষ্টি হতে পারে।
পেশাদার এবং বিষয়বস্তু নির্মাতাদের জন্য, জেনারেটিভ এআই সরঞ্জামগুলি ধারণা তৈরি, বিষয়বস্তু পরিকল্পনা এবং সময়সূচী, অনুসন্ধান ইঞ্জিন অপ্টিমাইজেশান, বিপণন, দর্শকদের ব্যস্ততা, গবেষণা এবং সম্পাদনা এবং সম্ভাব্য আরও অনেক কিছুতে সহায়তা করতে পারে। আবার, প্রধান প্রস্তাবিত সুবিধা হ'ল দক্ষতা কারণ জেনারেটিভ এআই সরঞ্জামগুলি ব্যবহারকারীদের নির্দিষ্ট কাজে ব্যয় করা সময় কমাতে সাহায্য করতে পারে যাতে তারা তাদের শক্তি অন্য কোথাও বিনিয়োগ করতে পারে। এটি বলেছে, জেনারেটিভ এআই মডেলগুলির ম্যানুয়াল তত্ত্বাবধান এবং নিয়ন্ত্রণ অত্যন্ত গুরুত্বপূর্ণ।
জেনারেটিভ এআই অসংখ্য শিল্প সেক্টরে পা রাখার জায়গা খুঁজে পেয়েছে এবং দ্রুত বাণিজ্যিক ও ভোক্তা বাজারে বিস্তৃত হচ্ছে। ম্যাককিনসে অনুমান করে যে, 2030 সালের মধ্যে, যে কাজগুলি বর্তমানে মার্কিন যুক্তরাষ্ট্রে প্রায় 30% কর্মঘণ্টার জন্য দায়ী তা স্বয়ংক্রিয় হতে পারে, কৃত্রিম বুদ্ধিমত্তার ত্বরণের জন্য ধন্যবাদ।
গ্রাহক পরিষেবায়, এআই-চালিত চ্যাটবট এবং ভার্চুয়াল সহকারী সংস্থাগুলিকে প্রতিক্রিয়ার সময় কমাতে এবং সাধারণ গ্রাহকের প্রশ্নগুলি দ্রুত পরিচালনা করতে সহায়তা করে, কর্মীদের উপর বোঝা কমিয়ে দেয়। সফ্টওয়্যার ডেভেলপমেন্টে, জেনারেটিভ এআই টুলগুলি ডেভেলপারদের কোড পর্যালোচনা করে, বাগগুলি হাইলাইট করে এবং বড় সমস্যা হওয়ার আগে সম্ভাব্য সমাধানের পরামর্শ দিয়ে আরও পরিষ্কার এবং দক্ষতার সাথে কোড করতে সহায়তা করে। ইতিমধ্যে, লেখকরা প্রবন্ধ, নিবন্ধ এবং অন্যান্য লিখিত কাজের পরিকল্পনা, খসড়া এবং সংশোধন করার জন্য জেনারেটিভ AI সরঞ্জামগুলি ব্যবহার করতে পারেন, যদিও প্রায়শই মিশ্র ফলাফলের সাথে।
জেনারেটিভ এআই-এর ব্যবহার শিল্প থেকে শিল্পে পরিবর্তিত হয় এবং অন্যদের তুলনায় কিছুতে বেশি প্রতিষ্ঠিত। বর্তমান এবং প্রস্তাবিত ব্যবহারের ক্ষেত্রে নিম্নলিখিতগুলি অন্তর্ভুক্ত রয়েছে:
জেনারেটিভ এআই টুলস - এবং বিশেষ করে জনসাধারণের কাছে অ্যাক্সেসযোগ্য - এর ব্যবহার সম্পর্কে একটি প্রধান উদ্বেগ হল তাদের ভুল তথ্য এবং ক্ষতিকারক সামগ্রী ছড়িয়ে দেওয়ার সম্ভাবনা৷ এর প্রভাব বিস্তৃত এবং গুরুতর হতে পারে, স্টিরিওটাইপ, ঘৃণাত্মক বক্তৃতা এবং ক্ষতিকারক মতাদর্শের স্থায়ীত্ব থেকে শুরু করে ব্যক্তিগত এবং পেশাদার খ্যাতির ক্ষতি এবং আইনি ও আর্থিক প্রতিক্রিয়ার হুমকি পর্যন্ত। এমনকি এটি পরামর্শ দেওয়া হয়েছে যে জেনারেটিভ AI এর অপব্যবহার বা অব্যবস্থাপনা জাতীয় নিরাপত্তাকে ঝুঁকিতে ফেলতে পারে।
এই ঝুঁকি রাজনীতিবিদদের এড়াতে পারেনি। 2023 সালের এপ্রিলে, ইউরোপীয় ইউনিয়ন প্রস্তাব করেছিল জেনারেটিভ এআই-এর জন্য নতুন কপিরাইট নিয়ম যার জন্য কোম্পানিগুলিকে জেনারেটিভ আর্টিফিশিয়াল ইন্টেলিজেন্স টুল ডেভেলপ করতে ব্যবহৃত যেকোন কপিরাইটযুক্ত উপাদান প্রকাশ করতে হবে। জুন মাসে ইউরোপীয় পার্লামেন্টে ভোট দেওয়া খসড়া আইনে এই নিয়মগুলি অনুমোদিত হয়েছিল, এতে ইউরোপীয় ইউনিয়নের সদস্য দেশগুলিতে কৃত্রিম বুদ্ধিমত্তার ব্যবহারে কঠোর সীমাবদ্ধতা অন্তর্ভুক্ত ছিল, যার মধ্যে জনসাধারণের স্থানগুলিতে রিয়েল-টাইম ফেসিয়াল রিকগনিশন প্রযুক্তির উপর প্রস্তাবিত নিষেধাজ্ঞা অন্তর্ভুক্ত ছিল।
জেনারেটিভ এআই-এর মাধ্যমে স্বয়ংক্রিয় কাজগুলিও কর্মশক্তি এবং চাকরির স্থানচ্যুতি সম্পর্কে উদ্বেগ বাড়ায়, যেমনটি ম্যাককিনসি দ্বারা হাইলাইট করা হয়েছে। কনসালটেন্সি গ্রুপের মতে, অটোমেশন এখন থেকে 12 সালের মধ্যে ক্যারিয়ারে 2030 মিলিয়ন পরিবর্তন ঘটাতে পারে, অফিসে সহায়তা, গ্রাহক পরিষেবা এবং খাদ্য পরিষেবায় চাকরি হারানোর সাথে। প্রতিবেদনে অনুমান করা হয়েছে যে অফিস কর্মীদের চাহিদা "... 1,6 মিলিয়ন চাকরি হ্রাস পেতে পারে, খুচরা বিক্রয়কর্মীদের জন্য 830.000, প্রশাসনিক সহকারীর জন্য 710.000 এবং ক্যাশিয়ারদের জন্য 630.000 লোকসানের পাশাপাশি।"
জেনারেটিভ এআই এবং সাধারণ এআই একই মুদ্রার বিভিন্ন দিক উপস্থাপন করে। উভয়ই কৃত্রিম বুদ্ধিমত্তার ক্ষেত্র নিয়ে উদ্বিগ্ন, তবে পূর্ববর্তীটি পরবর্তীটির একটি উপপ্রকার।
প্রশিক্ষণ ডেটা থেকে শেখা মডেলগুলি থেকে নতুন বিষয়বস্তু তৈরি করতে জেনারেটিভ এআই বিভিন্ন মেশিন লার্নিং কৌশল ব্যবহার করে, যেমন GAN, VAE, বা LLM। এই আউটপুটগুলি পাঠ্য, চিত্র, সঙ্গীত বা অন্য কিছু হতে পারে যা ডিজিটালভাবে উপস্থাপন করা যেতে পারে।
কৃত্রিম সাধারণ বুদ্ধিমত্তা, কৃত্রিম সাধারণ বুদ্ধিমত্তা নামেও পরিচিত, ব্যাপকভাবে কম্পিউটার সিস্টেম এবং রোবোটিক্সের ধারণাকে বোঝায় যা মানুষের মতো বুদ্ধিমত্তা এবং স্বায়ত্তশাসনের অধিকারী। এটি এখনও বিজ্ঞান কল্পকাহিনীর উপাদান: মনে করুন ডিজনি পিক্সারের ওয়াল-ই, 2004-এর আই, রোবট, বা এইচএএল 9000 থেকে সনি, স্ট্যানলি কুব্রিকের 2001: এ স্পেস ওডিসি থেকে দূষিত কৃত্রিম বুদ্ধিমত্তা৷ বেশিরভাগ বর্তমান AI সিস্টেমগুলি "সংকীর্ণ AI" এর উদাহরণ, কারণ সেগুলি খুব নির্দিষ্ট কাজের জন্য ডিজাইন করা হয়েছে।
উপরে বর্ণিত হিসাবে, জেনারেটিভ এআই হল কৃত্রিম বুদ্ধিমত্তার একটি উপক্ষেত্র। জেনারেটিভ এআই মডেলগুলি ডেটা প্রক্রিয়া এবং উৎপন্ন করতে মেশিন লার্নিং কৌশল ব্যবহার করে। সাধারণভাবে, কৃত্রিম বুদ্ধিমত্তা বলতে এমন কম্পিউটারের ধারণাকে বোঝায় যা কার্য সম্পাদন করতে সক্ষম যার জন্য অন্যথায় মানুষের বুদ্ধিমত্তার প্রয়োজন হবে, যেমন সিদ্ধান্ত গ্রহণ এবং NLP।
মেশিন লার্নিং হল কৃত্রিম বুদ্ধিমত্তার মৌলিক উপাদান এবং একটি নির্দিষ্ট কাজ সম্পাদন করতে একটি কম্পিউটার শেখানোর উদ্দেশ্যে ডেটাতে কম্পিউটার অ্যালগরিদমের প্রয়োগকে বোঝায়। মেশিন লার্নিং হল এমন একটি প্রক্রিয়া যা কৃত্রিম বুদ্ধিমত্তা সিস্টেমগুলিকে শেখা প্যাটার্নের উপর ভিত্তি করে জ্ঞাত সিদ্ধান্ত বা ভবিষ্যদ্বাণী করতে দেয়।
জেনারেটিভ এআই-এর বিস্ফোরক বৃদ্ধি হ্রাসের কোন লক্ষণ দেখায় না, এবং যত বেশি কোম্পানি ডিজিটালাইজেশন এবং অটোমেশনকে আলিঙ্গন করে, জেনারেটিভ এআই শিল্পের ভবিষ্যতে কেন্দ্রীয় ভূমিকা পালন করবে বলে মনে হচ্ছে। জেনারেটিভ এআই-এর ক্ষমতা ইতিমধ্যেই কন্টেন্ট তৈরি, সফ্টওয়্যার ডেভেলপমেন্ট এবং মেডিসিনের মতো শিল্পে মূল্যবান প্রমাণিত হয়েছে এবং প্রযুক্তির বিকাশ অব্যাহত থাকায় এর প্রয়োগ এবং ব্যবহারের ক্ষেত্রে প্রসারিত হবে।
এটি বলেছে, ব্যবসা, ব্যক্তি এবং সমাজের উপর জেনারেটিভ এআই-এর প্রভাব নির্ভর করে আমরা কীভাবে এটি উপস্থাপন করা ঝুঁকিগুলিকে মোকাবেলা করি। কৃত্রিম বুদ্ধিমত্তার ব্যবহার নিশ্চিত করা নৈতিকভাবে পক্ষপাত হ্রাস করা, স্বচ্ছতা এবং জবাবদিহিতা উন্নত করা এবং সমর্থন করা শাসন তথ্য-উপাত্ত গুরুত্বপূর্ণ হবে, যখন প্রযুক্তির দ্রুত বিবর্তনের সাথে তাল মিলিয়ে নিয়ন্ত্রণ করা নিশ্চিত করা ইতিমধ্যেই একটি চ্যালেঞ্জ হিসেবে প্রমাণিত হচ্ছে। একইভাবে, অটোমেশন এবং মানুষের সম্পৃক্ততার মধ্যে একটি ভারসাম্য খুঁজে পাওয়া গুরুত্বপূর্ণ হবে যদি আমরা কোনো নেতিবাচক পরিণতি প্রশমিত করার সময় জেনারেটিভ এআই-এর সম্পূর্ণ সম্ভাবনাকে কাজে লাগাতে আশা করি।
Ercole Palmeri
অ্যাপল ভিশন প্রো কমার্শিয়াল ভিউয়ার ব্যবহার করে ক্যাটানিয়া পলিক্লিনিকে একটি চক্ষুরোগ অপারেশন করা হয়েছিল...
রঙের মাধ্যমে সূক্ষ্ম মোটর দক্ষতার বিকাশ শিশুদের লেখার মতো জটিল দক্ষতার জন্য প্রস্তুত করে। রঙ…
নৌ সেক্টর একটি সত্যিকারের বৈশ্বিক অর্থনৈতিক শক্তি, যা 150 বিলিয়ন বাজারের দিকে নেভিগেট করেছে...
গত সোমবার, ফাইন্যান্সিয়াল টাইমস ওপেনএআই-এর সাথে একটি চুক্তি ঘোষণা করেছে। FT তার বিশ্বমানের সাংবাদিকতার লাইসেন্স দেয়...