আমরা একা গভীর শিক্ষার উপর নির্মিত AI সিস্টেমগুলিকে বিশ্বাস করতে পারি না

এই পাঠ্যটি বৈজ্ঞানিক গবেষণার ফলাফল নয়, তবে আমাদের তাত্ক্ষণিক প্রযুক্তিগত বিকাশ সম্পর্কিত অনেক মতামতের একটি। এবং একই সাথে আলোচনার আমন্ত্রণ।

নিউ ইয়র্ক ইউনিভার্সিটির অধ্যাপক গ্যারি মার্কাস বিশ্বাস করেন যে গভীর শিক্ষা AI এর বিকাশে গুরুত্বপূর্ণ ভূমিকা পালন করে। তবে তিনি এটাও বিশ্বাস করেন যে এই কৌশলটির প্রতি অত্যধিক উৎসাহ এর অসম্মান ঘটাতে পারে।

তাঁর বইয়ে AI রিবুট করা: কৃত্রিম বুদ্ধিমত্তা তৈরি করা যা আমরা বিশ্বাস করতে পারি মার্কাস, একজন স্নায়ুবিজ্ঞানী যিনি প্রশিক্ষণের মাধ্যমে অত্যাধুনিক এআই গবেষণায় ক্যারিয়ার গড়েছেন, প্রযুক্তিগত এবং নৈতিক দিকগুলিকে সম্বোধন করেন। প্রযুক্তির দৃষ্টিকোণ থেকে, গভীর শিক্ষা সফলভাবে আমাদের মস্তিষ্কের দ্বারা সঞ্চালিত উপলব্ধিমূলক কাজগুলিকে অনুকরণ করতে পারে, যেমন চিত্র বা বক্তৃতা শনাক্তকরণ। কিন্তু অন্যান্য কাজের জন্য, যেমন কথোপকথন বোঝা বা কারণ এবং প্রভাব সম্পর্ক নির্ধারণ, গভীর শিক্ষা উপযুক্ত নয়। আরও উন্নত বুদ্ধিমান মেশিন তৈরি করতে যা বিস্তৃত সমস্যার সমাধান করতে পারে—যাকে প্রায়ই কৃত্রিম সাধারণ বুদ্ধিমত্তা বলা হয়—গভীর শিক্ষাকে অন্যান্য কৌশলগুলির সাথে একত্রিত করতে হবে।

যদি একটি AI সিস্টেম তার কাজগুলি বা তার চারপাশের বিশ্বকে সত্যিই বুঝতে না পারে তবে এটি বিপজ্জনক পরিণতির দিকে নিয়ে যেতে পারে। এমনকি সিস্টেমের পরিবেশে সামান্য অপ্রত্যাশিত পরিবর্তনও ভুল আচরণের দিকে নিয়ে যেতে পারে। ইতিমধ্যে এরকম অনেক উদাহরণ রয়েছে: অনুপযুক্ত অভিব্যক্তির নির্ধারক যা প্রতারণা করা সহজ; চাকরি অনুসন্ধান সিস্টেম যা ধারাবাহিকভাবে বৈষম্য করে; চালকবিহীন গাড়ি যা দুর্ঘটনা ঘটায় এবং কখনও কখনও চালক বা পথচারীকে হত্যা করে। কৃত্রিম সাধারণ বুদ্ধিমত্তা তৈরি করা কেবল একটি আকর্ষণীয় গবেষণা সমস্যা নয়, এর অনেকগুলি সম্পূর্ণ ব্যবহারিক প্রয়োগ রয়েছে।

তাদের বইতে, মার্কাস এবং তার সহ-লেখক আর্নেস্ট ডেভিস একটি ভিন্ন পথের জন্য তর্ক করেছেন। তারা বিশ্বাস করে যে আমরা এখনও সাধারণ AI তৈরি করা থেকে অনেক দূরে, তবে তারা নিশ্চিত যে শীঘ্র বা পরে এটি তৈরি করা সম্ভব হবে।

কেন আমাদের সাধারণ এআই দরকার? বিশেষায়িত সংস্করণ ইতিমধ্যে তৈরি করা হয়েছে এবং অনেক সুবিধা নিয়ে আসে।

এটা ঠিক, এবং আরও সুবিধা হবে। কিন্তু এমন অনেক সমস্যা রয়েছে যা বিশেষায়িত AI সহজভাবে সমাধান করতে পারে না। উদাহরণস্বরূপ, সাধারণ বক্তৃতা বোঝা, বা ভার্চুয়াল বিশ্বে সাধারণ সহায়তা, বা একটি রোবট যা পরিষ্কার এবং রান্নায় সহায়তা করে। এই ধরনের কাজগুলি বিশেষায়িত AI এর ক্ষমতার বাইরে। আরেকটি আকর্ষণীয় ব্যবহারিক প্রশ্ন: বিশেষ এআই ব্যবহার করে একটি নিরাপদ স্ব-ড্রাইভিং গাড়ি তৈরি করা কি সম্ভব? অভিজ্ঞতা দেখায় যে এই ধরনের AI এখনও অস্বাভাবিক পরিস্থিতিতে আচরণে অনেক সমস্যা রয়েছে, এমনকি গাড়ি চালানোর সময়ও, যা পরিস্থিতিকে ব্যাপকভাবে জটিল করে তোলে।

আমি মনে করি আমরা সবাই AI চাই যা আমাদের ওষুধে বড় নতুন আবিষ্কার করতে সাহায্য করতে পারে। বর্তমান প্রযুক্তিগুলি এর জন্য উপযুক্ত কিনা তা স্পষ্ট নয়, যেহেতু জীববিদ্যা একটি জটিল ক্ষেত্র। আপনাকে প্রচুর বই পড়ার জন্য প্রস্তুত থাকতে হবে। বিজ্ঞানীরা নেটওয়ার্ক এবং অণুগুলির মিথস্ক্রিয়াতে কারণ-এবং-প্রভাব সম্পর্ক বোঝেন, গ্রহ সম্পর্কে তত্ত্বগুলি বিকাশ করতে পারেন, ইত্যাদি। যাইহোক, বিশেষায়িত AI দিয়ে, আমরা এই ধরনের আবিষ্কার করতে সক্ষম মেশিন তৈরি করতে পারি না। এবং সাধারণ AI এর সাহায্যে আমরা বিজ্ঞান, প্রযুক্তি এবং ওষুধে বিপ্লব ঘটাতে পারি। আমার মতে, সাধারণ AI তৈরির দিকে কাজ চালিয়ে যাওয়া খুবই গুরুত্বপূর্ণ।

মনে হচ্ছে "সাধারণ" দ্বারা আপনি শক্তিশালী AI বলতে চান?

"সাধারণ" দ্বারা আমি বলতে চাচ্ছি যে AI উড়তে গিয়ে নতুন সমস্যাগুলি সম্পর্কে চিন্তা করতে এবং সমাধান করতে সক্ষম হবে৷ ভিন্ন, বলুন, যান, যেখানে সমস্যাটি গত 2000 বছর ধরে পরিবর্তিত হয়নি।

জেনারেল এআইকে রাজনীতি এবং চিকিৎসা উভয় ক্ষেত্রেই সিদ্ধান্ত নিতে সক্ষম হওয়া উচিত। এটি মানুষের ক্ষমতার সাথে সাদৃশ্যপূর্ণ; যে কোন বিবেকবান মানুষ অনেক কিছু করতে পারে। আপনি অনভিজ্ঞ ছাত্রদের নিয়ে যান এবং কিছু দিনের মধ্যে তাদের আইনি সমস্যা থেকে শুরু করে মেডিকেল সমস্যা পর্যন্ত প্রায় যেকোনো বিষয়ে কাজ করতে পারেন। এটি এই কারণে যে তাদের বিশ্ব সম্পর্কে একটি সাধারণ ধারণা রয়েছে এবং তারা পড়তে পারে এবং তাই তারা অনেক বিস্তৃত কার্যকলাপে অবদান রাখতে পারে।

এই ধরনের বুদ্ধিমত্তা এবং শক্তিশালী বুদ্ধিমত্তার মধ্যে সম্পর্ক হল যে একটি অ-শক্তিশালী বুদ্ধি সম্ভবত সাধারণ সমস্যার সমাধান করতে সক্ষম হবে না। একটি সর্বদা পরিবর্তনশীল বিশ্বের সাথে মোকাবিলা করার জন্য যথেষ্ট শক্তিশালী কিছু তৈরি করতে, আপনাকে অন্তত সাধারণ বুদ্ধিমত্তার কাছে যেতে হবে।

কিন্তু এখন আমরা এ থেকে অনেক দূরে। AlphaGo একটি 19x19 বোর্ডে পুরোপুরি ভাল খেলতে পারে, তবে এটিকে একটি আয়তক্ষেত্রাকার বোর্ডে খেলার জন্য পুনরায় প্রশিক্ষণ দিতে হবে। অথবা গড় গভীর শিক্ষা ব্যবস্থা নিন: এটি একটি হাতিকে চিনতে পারে যদি এটি ভালভাবে আলোকিত হয় এবং এর ত্বকের গঠন দৃশ্যমান হয়। এবং যদি শুধুমাত্র একটি হাতির সিলুয়েট দৃশ্যমান হয়, সিস্টেম সম্ভবত এটি চিনতে সক্ষম হবে না।

আপনার বইতে, আপনি উল্লেখ করেছেন যে গভীর শিক্ষা সাধারণ AI এর ক্ষমতা অর্জন করতে পারে না কারণ এটি গভীর বোঝার ক্ষমতা রাখে না।

জ্ঞানীয় বিজ্ঞানে তারা বিভিন্ন জ্ঞানীয় মডেল গঠনের কথা বলে। আমি একটি হোটেলের ঘরে বসে আছি এবং আমি বুঝতে পারি যে একটি পায়খানা আছে, একটি বিছানা আছে, একটি টিভি আছে যা একটি অস্বাভাবিক উপায়ে ঝুলছে। আমি এই সব বস্তু জানি, আমি শুধু তাদের সনাক্ত না. আমি এটাও বুঝি যে তারা কীভাবে একে অপরের সাথে আন্তঃসংযুক্ত। আমার চারপাশের বিশ্বের কার্যকারিতা সম্পর্কে আমার ধারণা আছে। তারা নিখুঁত না. তারা ভুল হতে পারে, কিন্তু তারা বেশ ভাল. এবং তাদের উপর ভিত্তি করে, আমি অনেক সিদ্ধান্তে উপনীত হই যা আমার দৈনন্দিন কর্মের জন্য নির্দেশিকা হয়ে ওঠে।

অন্য চরমটি ছিল ডিপমাইন্ড দ্বারা নির্মিত আটারি গেম সিস্টেমের মতো কিছু, যেখানে এটি স্ক্রিনে নির্দিষ্ট জায়গায় পিক্সেল দেখলে কী করা দরকার তা মনে করে। আপনি যদি পর্যাপ্ত ডেটা পান, আপনি ভাবতে পারেন যে আপনার একটি বোঝাপড়া আছে, কিন্তু বাস্তবে এটি খুবই অতিমাত্রায়। এর প্রমাণ হল যে আপনি যদি বস্তুকে তিন পিক্সেল দ্বারা সরান তবে AI অনেক খারাপ খেলে। পরিবর্তন তাকে বিভ্রান্ত করে। এটি গভীর উপলব্ধির বিপরীত।

এই সমস্যা সমাধানের জন্য, আপনি ক্লাসিক্যাল AI-তে ফিরে যাওয়ার প্রস্তাব করেন। আমরা কি সুবিধা ব্যবহার করার চেষ্টা করা উচিত?

বেশ কিছু সুবিধা আছে।

প্রথমত, ধ্রুপদী AI আসলে বিশ্বের জ্ঞানীয় মডেল তৈরি করার জন্য একটি কাঠামো, যার উপর ভিত্তি করে তারপরে সিদ্ধান্ত নেওয়া যেতে পারে।

দ্বিতীয়ত, ক্লাসিক্যাল এআই নিয়মের সাথে পুরোপুরি সামঞ্জস্যপূর্ণ। এই মুহূর্তে গভীর শিক্ষার একটি অদ্ভুত প্রবণতা রয়েছে যেখানে বিশেষজ্ঞরা নিয়ম এড়াতে চেষ্টা করছেন। তারা নিউরাল নেটওয়ার্কে সবকিছু করতে চায় এবং ক্লাসিক্যাল প্রোগ্রামিংয়ের মতো দেখতে এমন কিছু করতে চায় না। তবে এমন সমস্যা রয়েছে যা এইভাবে শান্তভাবে সমাধান করা হয়েছিল এবং কেউ এতে মনোযোগ দেয়নি। উদাহরণস্বরূপ, গুগল ম্যাপে রুট তৈরি করুন।

আসলে, আমাদের উভয় পন্থা প্রয়োজন। মেশিন লার্নিং ডেটা থেকে শেখার ক্ষেত্রে ভালো, কিন্তু কম্পিউটার প্রোগ্রামের বিমূর্ততা উপস্থাপনে খুবই দুর্বল। ক্লাসিক AI বিমূর্ততার সাথে ভাল কাজ করে, তবে এটি অবশ্যই সম্পূর্ণ হাতে প্রোগ্রাম করা উচিত এবং সেগুলিকে প্রোগ্রাম করার জন্য বিশ্বে অনেক বেশি জ্ঞান রয়েছে। স্পষ্টতই আমাদের উভয় পন্থাকে একত্রিত করতে হবে।

এটি সেই অধ্যায়ের সাথে সম্পর্কযুক্ত যেখানে আপনি মানুষের মন থেকে আমরা কী শিখতে পারি সে সম্পর্কে কথা বলেন। এবং প্রথমত, উপরে উল্লিখিত ধারণার উপর ভিত্তি করে ধারণা সম্পর্কে যে আমাদের চেতনা অনেকগুলি বিভিন্ন সিস্টেম নিয়ে গঠিত যা বিভিন্ন উপায়ে কাজ করে।

আমি মনে করি এটি ব্যাখ্যা করার আরেকটি উপায় হল যে আমাদের প্রতিটি জ্ঞানীয় সিস্টেম সত্যিই একটি ভিন্ন সমস্যার সমাধান করে। AI এর অনুরূপ অংশগুলিকে অবশ্যই বিভিন্ন বৈশিষ্ট্যের বিভিন্ন সমস্যা সমাধানের জন্য ডিজাইন করা উচিত।

এখন আমরা একে অপরের থেকে আমূল ভিন্ন সমস্যা সমাধানের জন্য কিছু সর্বাত্মক প্রযুক্তি ব্যবহার করার চেষ্টা করছি। একটি বাক্য বোঝা কোন বস্তুকে চেনার মত নয়। কিন্তু মানুষ উভয় ক্ষেত্রেই গভীর শিক্ষা ব্যবহার করার চেষ্টা করছে। জ্ঞানীয় দৃষ্টিকোণ থেকে, এগুলি গুণগতভাবে ভিন্ন কাজ। গভীর শিক্ষার সম্প্রদায়ে ধ্রুপদী এআই-এর জন্য কতটা কম উপলব্ধি রয়েছে তা দেখে আমি কেবল অবাক হয়েছি। কেন একটি রূপালী বুলেট প্রদর্শিত জন্য অপেক্ষা? এটি অপ্রাপ্য, এবং নিষ্ফল অনুসন্ধানগুলি আমাদের AI তৈরির কাজটির সম্পূর্ণ জটিলতা বোঝার অনুমতি দেয় না।

আপনি আরও উল্লেখ করেছেন যে কারণ এবং প্রভাব সম্পর্ক বোঝার জন্য AI সিস্টেমের প্রয়োজন। আপনি কি মনে করেন গভীর শিক্ষা, ক্লাসিক্যাল এআই বা সম্পূর্ণ নতুন কিছু আমাদের এতে সাহায্য করবে?

এটি আরেকটি ক্ষেত্র যেখানে গভীর শিক্ষার জন্য উপযুক্ত নয়। এটি নির্দিষ্ট ইভেন্টের কারণ ব্যাখ্যা করে না, তবে প্রদত্ত অবস্থার অধীনে একটি ঘটনার সম্ভাব্যতা গণনা করে।

আমরা কি বিষয়ে কথা বলছি? আপনি নির্দিষ্ট পরিস্থিতিতে দেখেন, এবং আপনি বুঝতে পারেন কেন এটি ঘটে এবং কিছু পরিস্থিতি পরিবর্তন হলে কী ঘটতে পারে। আমি টিভি যে স্ট্যান্ডে বসে আছে তা দেখতে পারি এবং কল্পনা করতে পারি যে আমি যদি এর একটি পা কেটে ফেলি তবে স্ট্যান্ডটি টিপ হয়ে যাবে এবং টিভিটি পড়ে যাবে। এটি একটি কারণ এবং প্রভাব সম্পর্ক.

ক্লাসিক AI এর জন্য আমাদের কিছু টুল দেয়। তিনি কল্পনা করতে পারেন, উদাহরণস্বরূপ, সমর্থন কী এবং পতন কী। তবে আমি অতিরিক্ত প্রশংসা করব না। সমস্যা হল যে ক্লাসিক্যাল এআই মূলত কী ঘটছে সে সম্পর্কে সম্পূর্ণ তথ্যের উপর নির্ভর করে এবং আমি স্ট্যান্ডটি দেখে একটি উপসংহারে এসেছি। আমি কোনোভাবে সাধারণীকরণ করতে পারি, স্ট্যান্ডের কিছু অংশ কল্পনা করতে পারি যা আমার কাছে দৃশ্যমান নয়। এই সম্পত্তি বাস্তবায়ন করার জন্য আমাদের কাছে এখনও সরঞ্জাম নেই।

আপনিও বলেন যে মানুষের সহজাত জ্ঞান আছে। কিভাবে এটি AI তে প্রয়োগ করা যেতে পারে?

জন্মের মুহুর্তে, আমাদের মস্তিষ্ক ইতিমধ্যে একটি খুব বিস্তৃত সিস্টেম। এটি স্থির নয়, প্রকৃতি প্রথম, রুক্ষ খসড়া তৈরি করেছে। এবং তারপর শেখা আমাদের সারা জীবন সেই খসড়া সংশোধন করতে সাহায্য করে।

মস্তিষ্কের একটি মোটামুটি খসড়া ইতিমধ্যে নির্দিষ্ট ক্ষমতা আছে. একটি নবজাত মাউন্টেন ছাগল অবিলম্বে কয়েক ঘন্টার মধ্যে পাহাড়ের ধারে নামতে সক্ষম হয়। এটা স্পষ্ট যে তিনি ইতিমধ্যেই ত্রিমাত্রিক স্থান, তার শরীর এবং তাদের মধ্যে সম্পর্কের ধারণা পেয়েছেন। একটি খুব জটিল সিস্টেম।

এই কারণেই আমি বিশ্বাস করি আমাদের হাইব্রিড দরকার। একটি ফাঁকা স্লেট দিয়ে শুরু করা এবং দীর্ঘ, বিশাল অভিজ্ঞতা থেকে শেখার পরিবর্তে কোথা থেকে শুরু করতে হবে সে সম্পর্কে একই জ্ঞান ছাড়াই কীভাবে একজন এমন একটি রোবট তৈরি করতে পারে যা বিশ্বে ভালভাবে কাজ করতে পারে তা কল্পনা করা কঠিন।

মানুষের জন্য, আমাদের সহজাত জ্ঞান আমাদের জিনোম থেকে আসে, যা দীর্ঘকাল ধরে বিবর্তিত হয়েছে। কিন্তু এআই সিস্টেমের সাথে আমাদের ভিন্ন পথে যেতে হবে। এর অংশ হতে পারে আমাদের অ্যালগরিদম তৈরির নিয়ম। এর অংশ হতে পারে ডেটা স্ট্রাকচার তৈরি করার নিয়ম যা এই অ্যালগরিদমগুলি ম্যানিপুলেট করে৷ এবং এর একটি অংশ হতে পারে জ্ঞান যে আমরা সরাসরি মেশিনে বিনিয়োগ করব।

এটি আকর্ষণীয় যে বইটিতে আপনি বিশ্বাসের ধারণা এবং বিশ্বাসযোগ্য সিস্টেম তৈরির কথা তুলে ধরেছেন। কেন আপনি এই বিশেষ মানদণ্ড নির্বাচন করেছেন?

আমি বিশ্বাস করি যে আজ এই সব একটি বল খেলা. এটা আমার মনে হয় যে আমরা ইতিহাসের একটি অদ্ভুত মুহূর্ত মধ্যে বসবাস করছি, বিশ্বাসযোগ্য নয় যে সফ্টওয়্যার অনেক বিশ্বাস. আমি মনে করি আজ আমাদের উদ্বেগ চিরকাল থাকবে না। একশো বছরের মধ্যে, AI আমাদের বিশ্বাসকে ন্যায্যতা দেবে, এবং হয়তো আরও তাড়াতাড়ি।

কিন্তু আজ এআই বিপজ্জনক। ইলন মাস্ক যে অর্থে ভয় পান সেই অর্থে নয়, কিন্তু এই অর্থে যে চাকরির ইন্টারভিউ সিস্টেমগুলি মহিলাদের প্রতি বৈষম্য করে, প্রোগ্রামাররা যাই করুক না কেন, কারণ তাদের সরঞ্জামগুলি খুব সহজ।

আমি আশা করি আমাদের আরও ভাল AI থাকত। আমি একটি "এআই শীতকালীন" দেখতে চাই না যেখানে লোকেরা বুঝতে পারে যে AI কাজ করে না এবং এটি কেবল বিপজ্জনক এবং এটি ঠিক করতে চায় না।

কিছু উপায়ে, আপনার বইটি খুব আশাবাদী বলে মনে হচ্ছে। আপনি অনুমান করেন যে বিশ্বস্ত এআই তৈরি করা সম্ভব। আমাদের শুধু ভিন্ন দিকে তাকাতে হবে।

এটা ঠিক, বইটি স্বল্প মেয়াদে খুবই হতাশাবাদী এবং দীর্ঘ মেয়াদে খুব আশাবাদী। আমরা বিশ্বাস করি যে সঠিক উত্তরগুলি কী হওয়া উচিত তা বিস্তৃতভাবে দেখার মাধ্যমে আমাদের বর্ণিত সমস্ত সমস্যা সমাধান করা যেতে পারে। এবং আমরা মনে করি যে এটি ঘটলে, পৃথিবী একটি ভাল জায়গা হবে।

উত্স: www.habr.com