ফিজিক্স এনথাজিয়েস্টরা যখন প্রেডিক্ট করছিলো যে এবার নোবেলটা কোয়ান্টাম মেকানিক্সের গবেষণায় যাবে নাকি কোয়ান্টাম কম্পিউটিংয়ে।
সবাইকে মোটামুটি অবাক করে দিয়ে মেশিন লার্নিং এবং আর্টিফিশিয়াল নিউরাল নেটওয়ার্কে গ্রাউন্ডব্রেকিং কাজ করা দুজন গবেষক জন হপফিল্ড এবং জেফ্রি হিন্টন পদার্থবিজ্ঞানে নোবেল জেতেন।
এইযে মেশিন লার্নিং আর আর্টিফিশিয়াল নিউরাল নেটওয়ার্কের ডেভেলপমেন্ট—এটাই কিন্তু পরবর্তীতে আজকের দিনের artificial intelligence এর বিপ্লবের পেছনে দায়ী।
চলুন, এ লেখাটায় আমরা জানার চেষ্টা করি, কেন কম্পিউটার সায়েন্সের এক আবিষ্কার পদার্থ বিজ্ঞানে নোবেল পেলো।
এই মেশিন লার্নিং, আর্টিফিশিয়াল নিউরাল নেটওয়ার্ক ব্যাপারটা কী? কীভাবেই বা আর্টিফিশিয়াল ইন্টেলিজেন্স এর সাথে জড়িত ব্যাপারটা? জন হপফিল্ড এবং জেফ্রি হিন্টনের এই ফিল্ডে গবেষণা কীভাবেই বা পৃথিবীতে বিপ্লব এনেছে, তা নিয়ে সংক্ষিপ্ত এবং খুব সহজ করে জানার চেষ্টা করবো আমরা।
▪️মেশিন লার্নিং কী?
গল্প দিয়ে শুরু করি। ধরুন, রহিম নামের এক লোক জীবনে বিড়াল দেখেনি। এখন ধরা যাক, আপনি তাকে বিড়াল চেনার কিছু উপায় বলে দিলেন। বিড়ালের চোখ বড় হবে, নাকের নীচে লম্বা লম্বা গোফ। মাথার ওপর চোখা চোখা কান। গায়ে ঘন লোম।
লেজের গঠন নিয়েও তাকে বলে দিলেন। এই রহিমকে জঙ্গলে ছেড়ে দিলে দেখা যাবে বেচারা লিওপার্ড নাহয় জাগুয়ারের বাচ্চাকে বিড়াল ভেবে আদর করতে যেয়ে লাশ হয়ে বাড়ি ফিরবে। তাহলে এই রহিমকে বিড়াল চেনানোর রাস্তা কী?
তাকে ধরুন এরপর থেকে আপনি প্রতিদিন জাগুয়ার আর বিড়ালের প্রচুর ছবি দেখাতে থাকলেন। পর্যাপ্ত পরিমাণ এক্সাম্পল দেখতে দেখতে সে একসময় দুই প্রাণির মধ্যে থাকা সূক্ষ্ম থেকে সূক্ষ্মতম তফাতগুলি ধরতে পারবে।
সে বুঝবে যে জাগুয়ার-লিওপার্ডরা পেশিবহুল হয়, উচ্চতায় লম্বা হয়। জাগুয়ার্ড শাবকেরও চোয়াল, থাবা বড় বিড়ালের চেয়ে। গায়ের লোম হবে আরও পুরু।
এরপর কোনোদিন তার সামনে বাস্তব দুটি বিড়াল আর ক্যানাইন গোত্রের যেকোনো সাইজের যেকোনো প্রাণি এনে দিলেও জীবনে প্রথমবার দেখা সত্ত্বেও সে বিড়ালকে ঠিকই চিনে নিবে।
এইযে কোনো নির্দেশনা থেকে এই বিশাল জগৎকে না চিনে অসংখ্য উদাহরণের (data) মাধ্যমে কোনো নির্দিষ্ট বস্তুর নির্দিষ্ট বস্তুর প্যাটার্ন চিনে ফেলা, এই একইভাবে রহিমের মতো করে আমরা কম্পিউটারকেও শেখাতে পারবো। এবার বুঝতে পারছেন? এখানেই আসে আমাদের Machine Learning এর ধারণা।
মেশিন লার্নিং হচ্ছে আর্টিফিশিয়াল ইন্টেলিজেন্স এর একটা শাখা, যার মাধ্যমে কম্পিউটার অভিজ্ঞতা(data) থেকে শিখে, যার ফলে কম্পিউটারকে সবসময় নির্দিষ্ট করে প্রোগ্রাম করতে না হয়।
সাধারণত, প্রোগ্রামিংয়ে একজন মানুষ কম্পিউটারকে প্রতিটি ধাপে প্রোগ্রামিং ভাষার মাধ্যমে ইনস্ট্রাকশান দেয়, কিন্তু মেশিন লার্নিংয়ের মাধ্যমে কম্পিউটার ডেটা থেকে নিজেই প্যাটার্ন শিখতে পারে এবং সিদ্ধান্ত নিতে পারে।
এভাবেই আপনি কমেন্টবক্সে গালি দিয়ে রেস্ট্রিকশন খান, কিংবা আপনার ইমেইলে স্প্যামবক্সে সত্যি সত্যিই স্প্যাম ইমেইলগুলো জমা হয়ে থাকে—আপনার পুরো জীবন জুড়েই মেশিন লার্নিংয়ের সরব উপস্থিতি দেখতে পাবেন। বলে রাখা ভালো যে, মেশিন লার্নিংয়েরই এক উপশাখার নাম “ডিপ লার্নিং”।
ডিপ লার্নিং অনেক বড় আকারের আনস্ট্রাকচারড বা অবিন্যস্ত ডাটাও সামাল দিতে পারে। তাই যখন আমরা অডিও, ভিডিও, বা ছবি কে ডাটা হিসেবে ব্যবহার করি, তখন আমরা মেশিন লার্নিংয়ের সাবসেট ডিপ লার্নিং ব্যবহার করি।
ডিপ লার্নিং কম্পিউটারকে কোনোকিছু শেখাতে, চেনাতে আর্টিফিশিয়াল নিউরাল নেটওয়ার্ক ব্যবহার করে।
▪️আর্টিফিশিয়াল নিউরাল নেটওয়ার্ক (ANN) কী?
আমি ধরেই নিলাম আপনি এ নিয়ে আগে পড়েন নি কোথাও। তাই আমি চেষ্টা করবো এ জটিল ব্যাপারটাকে যথাযথ সহজ করে ব্যখ্যা করতে। এ অংশে ওভার সিমপ্লিফিকেশানের এলার্ট থাকলো আমাদের সম্মানিত নার্ড, একাডেমিয়ান ইন্ডিভিজুয়ালদের জন্য।
আর্টিফিশিয়াল নিউরাল নেটওয়ার্ক বা ANN হলো এক ধরনের কম্পিউটার আর্কিটেকচার যা মানুষের মস্তিষ্কের কার্যাবলী থেকে অনুপ্রাণিত। বুঝিয়ে বলি, ভেবে দেখেছেন কি আমরা মানুষেরা কীভাবে চিন্তা করি? কীভাবে আমাদের মস্তিষ্ক কাজ করে?
আমাদের মস্তিষ্ক প্রায় ছিয়াশি বিলিয়ন নিউরন নিয়ে গঠিত। এই বিশাল সংখ্যক নিউরন একটা আরেকটার সাথে কানেক্টেড থেকে একটা অসম্ভব জটিল নিউরাল নেটওয়ার্ক তৈরি করে। যার মাধ্যমে আমরা চিন্তা করি, সিদ্ধান্ত নিই, প্রেমে পড়ি, তথ্য জমা রাখি—এ জগতকে পারসিভ করি।
একইভাবে আমরা মেশিনকে কোনোকিছু চেনাতে, তাকে ডিসিশান নিতে শেখাতে, কৃত্রিমভাবে একটা নিউরাল নেটওয়ার্ক বানাতে পেরেছি। এই নেটওয়ার্ক অসংখ্য কৃত্রিম “নিউরন” বা “নোড” দ্বারা গঠিত।
এরা বিভিন্ন স্তরে স্তরে সজ্জিত থাকে। এই স্তরগুলিকে আমরা মোটাদাগে ৩ ভাগে ভাগ করতে পারি:
১. ইনপুট লেয়ারঃ এ স্তরে একদম raw ইনফরমেশনটা আসে। ধরুন আমরা এই নেটওয়ার্কে একটা প্রাণির ছবি দিলাম সনাক্ত করার জন্য যে এটা বিড়াল কিনা। তাহলে এ ছবির তথ্যগুলি এ স্তরে আসবে শুরুতেই।
২. হিডেন লেয়ারসঃ এ স্তরটা ইনপুট আর আউটপুট লেয়ারের মধ্যবর্তী স্তর। এ স্তরে আপনার আগে দেয়া বিড়ালের ছবির ইনফরমেশন সে তার ডাটাসেটের সাথে মেলাবে। প্যাটার্ন সনাক্ত করবে। এক্ষেত্রে তার ডাটায় সে প্রাণির ছবি যতোবেশি থাকবে, ততো ভালো সনাক্ত করতে সক্ষম হবে।
৩. আউটপুট লেয়ারঃ আগের স্তরে বিশ্লেষণ করে প্যটার্ন সনাক্ত করার পর এই এ লেয়ারে এসে আমাদের এই নিউরাল নেটওয়ার্ক সিদ্ধান্ত নেয় যে সেটা বিড়াল কীনা।
আশা করি, কিছুটা হলেও আর্টিফিশিয়াল নিউরাল নেটওয়ার্কের কার্যপ্রণালী বুঝাতে পেরেছি। অর্থাৎ, এটির মাধ্যমে কোনোকিছুর প্যাটার্ন বিশ্লেষণ করে কম্পিউটার সিদ্ধান্ত গ্রহণ করতে পারে নিজে নিজেই। বলতে পারি যে, এটি সিদ্ধান্ত গ্রহণের “মেথড”।
এইযে আজকের দিনে আমরা কৃত্রিম বুদ্ধিমত্তা বা আর্টিফিশিয়াল ইন্টেলিজেন্স এর এতো উন্নতি দেখছি, তার কারণ হচ্ছে আশির দশকে হপফিল্ড, জেফ্রি ইন্টনদের ডেভেলপ করা এই আর্টিফিশিয়াল নিউরাল নেটওয়ার্ক।
আজকের দিনের ইকোনমি, চিকিৎসা, গবেষণা, ফার্মাসিউটিক্যালস, কৃষি সহ নানান কাজে রেভুলোশনারি ভূমিকা রেখে যাচ্ছে এই মেশিন লার্নিং।
এবার প্রশ্ন আসে, কীভাবে এবং কেনই বা তাঁরা পদার্থবিজ্ঞানে মেশিন লার্নিং এবং আর্টিফিশিয়াল নিউরাল নেটওয়ার্ক ডেভেলপ করায় নোবেল পেয়েছেন? চলুন, জেনে নেয়া যাক।
▪️জন হপফিল্ডের অবদান: হপফিল্ড নেটওয়ার্ক
জন হপফিল্ড গত শতকের ৮০’র দশকে “হপফিল্ড নেটওয়ার্ক” নামক একটি বিশেষ ধরনের নিউরাল নেটওয়ার্ক তৈরি করেন।
মানুষের বুদ্ধিবৃত্তিক প্রসেসটাকে অনুসরণ করে কম্পিউটারকেও এভাবে নিউরাল নেটওয়ার্কের মাধ্যমে তথ্য জমা রাখা, বিশ্লেষণ করা ইত্যাদির খুব শুরুর দিকের একটা মডেল হচ্ছে এই হপফিল্ড নেটওয়ার্ক।
আমাদের মস্তিষ্কের মেমোরি জমা রাখার মতো করেই এই হপফিল্ড নেটওয়ার্ক মেমোরি জমা রাখতে পারে। হপফিল্ড নেটওয়ার্কের সবচেয়ে গুরুত্বপূর্ণ বৈশিষ্ট্য হলো সেগুলো রিকারেন্ট, অর্থাৎ নোডগুলো একে অপরের সাথে লুপ তৈরি করে সংযুক্ত থাকে।
এতে করে নেটওয়ার্ক স্মৃতি সংরক্ষণ করতে এবং প্রয়োজনে তা পুনরায় ব্যবহার করতে পারে। ঠিক যেভাবে আমরা কোনো পূর্বের জমানো অভিজ্ঞতা মনে করে কোনো নির্দিষ্ট পরিস্থিতি যাচাই করতে পারি।
এই হপফিল্ড নেটওয়ার্ক পরবর্তীতে আরও জটিল নিউরাল নেটওয়ার্ক উদ্ভাবনের রাস্তা খুলে দেয়। আর্টিফিশিয়াল ইন্টেলিজেন্স এবং নিউরাল নেটওয়ার্কের বিকাশের জন্য একটি মাইলফলক হপফিল্ডের এ কাজটি।
কারণ, এটাই প্রথম দেখায় যে সরল নিউরাল নেটওয়ার্কও বেশ জটিল কাজ করতে পারে, এবং মানুষের মস্তিষ্কের মতোই কৃত্রিম বুদ্ধিমত্তা ডিজাইন করা সম্ভব। হপফিল্ডের এ কাজটি আসলে স্ট্যাটিস্টিকাল পদার্থবিজ্ঞান থেকেই এসেছে। এ নিয়ে বিস্তারিত অন্য একদিন।
▪️জেফ্রি হিন্টনঃ ডিপ লার্নিং এবং ব্যাক প্রোপাগেশন
উপরে আমরা ডিপ লার্নিং নিয়ে বলেছিলাম না? এ ডিপ লার্নিংয়ের জনক হচ্ছেন জেফ্রি হিন্টন। চিকিৎসা থেকে শুরু করে কৃষি—মানবকল্যাণে অসংখ্য কাজে বিপ্লব এনে দিয়েছে এই ডিপ লার্নিং, আমার আপনার অজান্তেই।
এই সেদিনই এক গবেষণায় দেখা গেলো, প্রচলিত রোগ সনাক্তকরণ পদ্ধতিগুলোর চাইতেও আরও ভালোভাবে(efficiently) রোগ ডায়াগনোসিস করতে পারে ডিপ লার্নিং। দেখা গেলো আপনার ব্লাড স্যাম্পল বা অন্যান্য পরীক্ষা ছাড়াই কেবল আপনার চোখের ফান্ডাসে ছবি তুলে বলে দিচ্ছে আপনার ডায়াবেটিস আছে কি নেই।
কারণ, সেই মডেলটাকে অলরেডি লক্ষ লক্ষ ফান্ডাসের ছবি দিয়ে শিখিয়ে দেওয়া হয়েছে যে কেমন ফান্ডাস হলে একটা ব্যক্তির ডায়াবেটিস থাকতে পারে।
এভাবে অসংখ্য ক্ষেত্রে ডিপ লার্নিংয়ের চমক আপনারা দেখতে পাচ্ছেন। মজা করে রোনালদোকে দিয়ে ভোজপুরি গান গাওয়ান, এআই দিয়ে রিয়েলিস্টিক ছবি জেনারেট করে গুজব ছড়ান—এইযে আপনার নিত্যদিনের সাথেই জড়িয়ে থাকা অসংখ্য বিস্ময়কর ঘটনার পেছনে রয়েছে ডিপ লার্নিং।
আমাদের এই জেফ্রি হিন্টন সাহেব শুধু যে ডিপ লার্নিংয়ের জনক, তা না। তিনি গত শতকেরই ৮০’র দশকে “ব্যাক প্রোপাগেশন” নামক এক এলগোরিদমের জন্ম দেন, যেটা আর্টিফিশিয়াল নিউরাল নেটওয়ার্ক কে এক লাফে অনেকদূর এগিয়ে নিয়ে যায়, আরও বেশি এফিশিয়েন্ট করে তোলে।
এখন, ব্যাক প্রোপাগেশনকে সহজ ভাষায় ব্যখ্যা করতে গেলেও এ লেখার আকার বেড়ে হবে বিশাল। তবে আমি এটুকু আপনাদের জানাই যে এই ব্যাক প্রোপাগেশন কী করতে পারে। তবে নীচের প্যারাটা আপনি চাইলে নাও পড়তে পারেন, কেবল জেনে রাখেন যে আজকের দিনের সব হাইলি এফিশিয়েন্ট নিউরাল নেটওয়ার্কগুলি এতো ভালোভাবে কাজ করতে বড়সড় ভূমিকা রেখেছে হিন্টনের এই ব্যাক প্রোপাগেশন।
এই ব্যাক প্রোপাগেশন প্রক্রিয়াটি একটা নিউরাল নেটওয়ার্ককে ইন্টার্নাল প্যারামিটারগুলিকে এডজাস্ট করার মাধ্যমে এর ভুলগুলি সংশোধন করে। উদাহরণস্বরূপ, ধরুন আপনি একটা নিউরাল নেটওয়ার্ক কে কুকুরের ছবি চিনতে ট্রেইন করাচ্ছেন।
লার্নিং প্রসেসের সময় যদি এটি ভুল করে কোনো নেকড়েকে কুকুর হিসেবে চিহ্নিত করে, ব্যাক প্রোপাগেশন অ্যালগরিদমটি আমাদের সেই নেটওয়ার্ককে জানায় যে কোথায় ভুল হয়েছে এবং সেটি সংশোধন করতে সাহায্য করে, যাতে ভবিষ্যতে একই ধরনের ভুল না হয়।
ব্যাক প্রোপাগেশন এর আরেকটা বিশেষত্ব হচ্ছে, এটা নিউরাল নেটওয়ার্ককে আরও গভীর (আরও নোড লেয়ার যোগ করা) এবং আরও শক্তিশালী করে তুলতে পারে। এভাবে সৃষ্টি করা যায় নানান ডিপ লার্নিং মডেল।
এই মডেলগুলো এখন স্মার্টফোনে ফেসিয়াল রিকগনিশন থেকে শুরু করে সেলফ-ড্রাইভিং কার পর্যন্ত বিভিন্ন ক্ষেত্রে ব্যবহৃত হয়।
▪️কেন তাঁদের কাজগুলো গুরুত্বপূর্ণ?
তাদের অবদান আজকের এই আর্টিফিশিয়াল ইন্টেলিজেন্স এর নীরব বিপ্লবের ভিত গড়ে দেয়। নিউরাল নেটওয়ার্ক গঠন এবং সেটাকে আরও বেশি কার্যকরী করার মাধ্যমেই কম্পিউটারের বুদ্ধিমত্তা আরও জটিল থেকে জটিলতর করা গেছে।
পুরো পৃথিবীতে সবাই আজকে দেখেছে এআই কতো কী করতে পারে। এতোকিছুতে অনেকেরই আনডিনায়েবল ভূমিকা থাকলেও জন হপফিল্ড এবং জেফ্রি হিন্টন রীতিমতো পায়োনিয়ারিং ভূমিকা রেখেছেন। এ ফিল্ডের একজন ছাত্র হিসেবে তাঁদের প্রতি জানানো এ স্বীকৃতকে শ্রদ্ধা জানাই।মা
লেখক: মাহাথির আহমেদ তুষার
কম্পিউটার প্রকৌশল অনুষদ, ভেল্লোর ইনস্টিটিউট অব টেকনোলজি
