বাংলায় জেনেরেটিভ এই এর ফুল কোর্স নিয়ে এখন একটি গিটবুক তৈরী হয়েছে, সেখানে এখন প্রতিটি চ্যাপ্টার বই আকারে পাবেন এই লিংকে: https://haquenam.gitbook.io/learningwithenam
আপনাদের বাংলায় এআই (Artificial Intelligence) এবং জেনেরেটিভ এআই (Generative AI ) শেখানোর জন্য একটি ভিডিও সিরিজ শুরু করার কথা দিয়েছি আমার ইউটিউব চ্যানেলে। এই ভিডিও টিউটোরিয়াল গুলো ভালো ভাবে রপ্ত করার জন্য, এই আর্টিকেলগুলো তৌরি হচ্ছে। যা ধারাবাহিকভাবে চলতে থাকবে আমার লিঙ্কেডিন প্রোফাইল আর আমার ব্লগে। আজকে প্রথম পর্ব।
প্রথম কথা
জেনারেটিভ এআই (Generative AI) কৃত্রিম বুদ্ধিমত্তার একটি সাবসেট হলেও এখন এটি স্বতন্ত্রভাবে তার নিজের জায়গা তৈরি করে নিয়েছে। জেনারেটিভ এআই হচ্ছে এমন এক ধরণের কৃত্রিম বুদ্ধিমত্তা যা কথোপকথন, গল্প, চিত্র, ভিডিও এবং সংগীত এর কনটেন্ট এবং আইডিয়া তৈরি করতে পারে। আর যে কোনও কৃত্রিম বুদ্ধিমত্তার মতো, জেনারেটিভ এআই মেশিন লার্নিং মডেলগুলির উপর ভিত্তি করে চলে। কনটেন্ট তৈরির পাশাপাশি, জেনারেটিভ কৃত্রিম বুদ্ধিমত্তা ডিজিটাল চিত্রের গুণমান উন্নত করতে, ভিডিও সম্পাদনা করতে, উত্পাদনের জন্য দ্রুত প্রোটোটাইপ, সিন্থেটিক ডেটাসেট গুলকে সত্যি সত্যি ডেটার মতো ব্যবহার করতে সাহায্য করতে সক্ষম। আপনার যদি কৃত্রিম বুদ্ধিমত্তা সম্পর্কে কোনো রকমের জ্ঞান না থেকে থাকে তাহলে আমার “আর্টিফিসিয়াল ইন্টেলিজে” বই দিয়ে শুরু করতে পারেন। এখন আসুন এখানে আমরা এব্যাপারে কিছু সাধারণ জ্ঞান নেই।
কৃত্রিম বুদ্ধিমত্তা বা এআই (Artificial Intelligence)
আসুন প্রথমে আমরা কৃত্রিম বুদ্ধিমত্তা সম্পর্কে একটি মৌলিক ধারণা নিয়ে নেই। এআই, কম্পিউটার বিজ্ঞানের একটি শাখা যা যুক্তি, শেখা এবং স্বায়ত্তশাসিতভাবে কাজ করতে সক্ষম বুদ্ধিমান এজেন্ট তৈরির জন্য নিবেদিত। এর লক্ষ্য হোল মানুষের বুদ্ধিমত্তার অনুকরণ করা এবং মানুষের মতোই শেখা, চিন্তা করা, উপলব্ধি করা, যুক্তি দেওয়া, যোগাযোগ করা কিংবা সিদ্ধান্ত নেওয়া।
মেশিন লার্নিং (Machine Learning বা ML)
মেশিন লার্নিং এআই এর একটি শাখা, যেখানে কম্পিউটার প্রোগ্রামগুলো স্বয়ংক্রিয়ভাবে শেখে এবং নতুন তথ্য এর সাথে মিলিয়ে নিজের পারফরম্যান্স উন্নত করে। এর মূল লক্ষ্য হলো কম্পিউটার প্রোগ্রামগুলোকে স্বয়ংক্রিয়ভাবে নতুন তথ্য শেখানো এবং সেই তথ্যের উপর ভিত্তি করে নির্ণয় গ্রহণ করতে সক্ষম করা। মেশিন লার্নিং মূলত তিন ধরণের: পরিচিতি ভিত্তিক (Supervised Learning), অপরিচিতি ভিত্তিক (Unsupervised Learning) এবং পুরস্কার ভিত্তিক (Reinforcement Learning)। পরিচিতি ভিত্তিক মেশিন লার্নিং মডেলগুলো লেবেলযুক্ত ডেটা থেকে শেখে। এটি বিশেষ আউটপুট অথবা উত্তর তৈরি করার জন্য প্রশিক্ষণ পায়। অপরিচিতি ভিত্তিক মেশিন লার্নিং মডেল অনির্দিষ্ট ডেটার সাথে কাজ করে এবং ডেটা বিশ্লেষণ, ক্লাস্টার তৈরি এবং অন্যান্য ধরণের নির্ণয়ের জন্য ব্যবহার করা হয়। পুরস্কার ভিত্তিক মেশিন লার্নিং এর মাধ্যমে একটি এজেন্ট শেখে যে কোন পরিবেশে কোন কাজ করতে গেলে কীভাবে সর্বাধিক পুরস্কার অর্জন করা যায় এবং সেটা তার দ্বারা প্রভাবিত হয়। এটি ট্রায়াল এবং ত্রুটির মাধ্যমে বেশি শেখে।
ডিপ লার্নিং বা গভীর শিক্ষা (Deep Learning বা DL)
ডিপ লার্নিং হলো মেশিন লার্নিং এর একটি শাখা যেটি কৃত্রিম নিউরাল নেটওয়ার্কসের উপর ভিত্তি করে এবং মানুষের মস্তিষ্কের কাঠামোকে অনুকরণ করে। এর মূল লক্ষ্য হলো মেশিনকে শেখানো যাতে করে সে স্বনির্ভরভাবে সিদ্ধান্ত নিতে পারে এবং সমস্যা সমাধান করতে পারে। এটি মেশিনকে বিভিন্ন প্রকার কঠিন ও জটিল নমুনা বা প্যাটার্ন শনাক্ত করতে সাহায্য করে। এই প্যাটার্নগুলি হতে পারে চিত্র, শব্দ, ভিডিও, টেক্সট বা অন্যান্য কোনো ধরনের ডেটা থেকে। এর প্রধান কাজ হলো মেশিনকে ডেটা থেকে স্বয়ংক্রিয়ভাবে শেখানো যাতে করে সে সম্পর্ক শনাক্ত করতে পারে এবং নতুন ডেটা ভিত্তিতে ভবিষ্যদ্বাণী করতে পারে। বুঝতে কঠিন মনে হলে, আমার “আর্টিফিসিয়াল ইন্টেলিজেন্” বই দিয়ে শুরু করতে পারেন।
ডিপ লার্নিং মডেলগুলি মূলত দুটি ধরণের: বৈষম্যমূলক (discriminative ) মডেল এবং জেনারেটিভ (generative) মডেল। প্রতিবেদনাত্মক মডেলগুলি ডেটার বিভিন্ন বৈশিষ্ট্য বা বিশেষত্ব শনাক্ত করার জন্য ব্যবহার করা হয়, যেমন ছবি বা শব্দের বিশ্লেষণ। অন্যদিকে, জেনারেটিভ মডেলগুলি নতুন ডেটা উৎপন্ন করতে পারে যা মূল ডেটা সেটের মতো মনে হয়। এগুলি বিদ্যমান ডেটা থেকে শেখে এবং এর মাধ্যমে নতুন, অদ্বিতীয় ডেটা তৈরি করে, বলা যায়, জেনারেটিভি এআই এর জন্ম দেয়।
বৈষম্যমূলক মডেল (Discriminative Model):
বৈষম্যমূলক মডেলগুলি মূলত বিভিন্ন শ্রেণীর মধ্যে পার্থক্য সনাক্ত করে তা থেকে সিদ্ধান্ত নিতে ব্যবহার করা হয়। এই মডেলগুলি দেখে যে কোনো নির্দিষ্ট ডেটা কোন শ্রেণীতে পড়ে এবং সেই অনুযায়ী তা নির্ণয় করতে সাহায্য করে। উদাহরণ সরূপ, একটি ইমেল যেটি স্প্যাম বা স্প্যাম না তা সনাক্ত করতে এই মডেল ব্যবহার করা যেতে পারে।
জেনারেটিভ মডেল (Generative Model):
জেনারেটিভ মডেলগুলি মূলত ডেটার সম্ভাব্য বিতরণ বা স্থানাংক বুঝতে সাহায্য করে। এটি মূল ডেটা সেটের উপর ভিত্তি করে নতুন ডেটা উত্পন্ন করতে পারে। এটি মূলত ডেটা সেটের যথার্থ বিতরণ শেখে এবং এর ভিত্তিতে নতুন ডেটা জেনারেট করে। উদাহরণস্বরূপ, একটি জেনারেটিভ মডেলকে ইমেজ, পাঠ্য বা অডিও তৈরি করতে প্রশিক্ষণ দেওয়া যেতে পারে।
বৈষম্যমূলক মডেল এবং জেনারেটিভ মডেল উভয়ই মেশিন লার্নিংয়ে গুরুত্বপূর্ণ হাতিয়ার। বৈষম্যমূলক মডেলগুলি আমাদেরকে প্রকৃত তথ্য থেকে শিখতে এবং নতুন তথ্যের মধ্যে পার্থক্য করতে সাহায্য করে। অন্যদিকে, জেনারেটিভ মডেলগুলি আমাদেরকে নতুন তথ্য তৈরি করতে সাহায্য করে, যা আমাদেরকে নতুন সৃজনশীল কাজ তৈরি করতে এবং আমাদের চারপাশের বিশ্বকে আরও ভালভাবে বুঝতে সাহায্য করে।
জেনারেটিভ এআই (Generative AI)
এখন আমার ক্লিয়ার হয়ে যাচ্ছি জেনেরেটিভ এআই এর ব্যাপারটা। তাহলে আমরা বলতে পারি, জেনারেটিভ এআই হল একটি ধরণের মেশিন লার্নিং যা নতুন ডেটা তৈরি করতে ব্যবহৃত হয়। এটি প্রকৃত ডেটা থেকে শিখে এবং তারপরে অনুরূপ ডেটা তৈরি করে। জেনারেটিভ এআই অনেকগুলি বিভিন্ন অ্যাপ্লিকেশনে ব্যবহার করা যেতে পারে, যেমন: নতুন চিত্র তৈরি করা, নতুন পাঠ্য তৈরি করা, নতুন অডিও তৈরি করা, নতুন ভিডিও তৈরি করা, নতুন প্রোগ্রাম তৈরি করা, নতুন পণ্য তৈরি করা।
জেনারেটিভ এআই এখনও উন্নয়নাধীন, তবে এটি ইতিমধ্যেই অনেকগুলি ক্ষেত্রে বিপ্লব ঘটিয়েছে। উদাহরণস্বরূপ, জেনারেটিভ এআই ব্যবহার করে নতুন চিত্র তৈরি করা হয়েছে যা এতটাই বাস্তব যে এগুলি প্রকৃত চিত্র থেকে আলাদা করা যায় না। জেনারেটিভ এআই ব্যবহার করে নতুন পাঠ্যও তৈরি করা হয়েছে যা এতটাই সৃজনশীল যে এগুলি মানুষের লেখা পাঠ্য থেকে আলাদা করা যায় না।
জেনারেটিভ এআই একটি শক্তিশালী হাতিয়ার যা আমাদের চারপাশের বিশ্বকে পরিবর্তন করার ক্ষমতা রাখে। এটি আমাদেরকে নতুন জিনিস তৈরি করতে, নতুন সমস্যার সমাধান করতে এবং নতুন ধারণা তৈরি করতে দিন দিন একটি খুবই গুরুত্বপূর্ণ বিষয় হয়ে দাঁড়িয়েছে।
P.S আমরা এই সিরিজে আস্তে আস্তে যা শিখবো: বড় ভাষার মডেল (LLMs) গুলো, জেনারেটিভ ল্যাঙ্গুয়েজ মডেল (GLMs), ট্রান্সফরমার, হ্যালুসিনেশন , প্রম্পট ইঞ্জিনিয়ারিং, প্রম্পট ডিজাইন জেনারেটিভ এআই এর উত্থান ইত্যাদি, সঙ্গে থাকুন