ওয়াটসন বা Siri জিজ্ঞাসা: কৃত্রিম বুদ্ধি হিসাবে সর্বদা হিসাবে মাতামাতি হয়

1966 সালে, কিছু ম্যাসাচুসেটস ইনস্টিটিউট অফ টেকনোলজি গবেষকরা গণনা করে যে তারা একটি গ্রীষ্ম প্রকল্প হিসাবে কম্পিউটার দৃষ্টি গড়ে তুলতে পারে, এমনকি কাজটি সম্পন্ন করার জন্য কিছু স্মার্ট undergradsও পেতে পারে।

বিশ্বের যেকোনো সময় এই সমস্যাটি কাজ করছে।

কম্পিউটার দর্শন হচ্ছে কম্পিউটার যেখানে মানুষের মত বস্তুকে সনাক্ত করে। এটা একটা গাছ তিনি কার্লোস। আর তাই এটি সাধারণভাবে কৃত্রিম বুদ্ধিমত্তার জন্য আমরা বিবেচনা করি এমন একটি কর্মের মধ্যে অন্যতম, যার মধ্যে মেশিনগুলি মানুষ হিসাবে কাজ করতে পারে এবং কারন করতে পারে।

আমরা কম্পিউটারের দৃষ্টিভঙ্গির কিছু গুরুত্বপূর্ণ অগ্রগতি সাধন করেছি, বিশেষত সাম্প্রতিক বছরগুলিতে, এটি কৃত্রিম বুদ্ধিমত্তা যেমন কঠিন এবং মৈত্র্যপূর্ণ লক্ষ্য হিসাবে কেন 50 বছরের বেশি সময় লাগবে।

"কতটা অগ্রগতি হচ্ছে? এটি একটি হ্যান্ডেল পেতে সত্যিই কঠিন, "Beau Cronin, বর্তমানে কোম্পানির জন্য কিছু এআই-প্রভাবিত প্রযুক্তির কাজ Salesforce.com পণ্য ম্যানেজার বলেন। নিউইয়র্কে O'Reilly Strata + Hadoop World সম্মেলনে ক্রোনিন শুক্রবার কথা বলেছিলেন।

কনফারেন্সের প্রধান থিমটি ছিল বড় তথ্য। বড় তথ্য বিশ্লেষণের জন্য প্রয়োজনীয়তা এআই গবেষণা আর্ম একটি শট দেওয়া হয়েছে। আজ ইন্টারনেট ইন্ডাস্ট্রিজের টাইটানস-অ্যাপল, গুগল, ফেসবুক, মাইক্রোসফ্ট, আইবিএম- এয়ারের গবেষণা চালকের আসনে বসাচ্ছে, এটিকে বিজ্ঞাপন লক্ষ্য এবং ব্যক্তিগত সহায়তা যেমন উল্লিখিত রুটিন কর্মের জন্য শিল্পের রাষ্ট্রকে এগিয়ে নিয়ে যায়।

কিন্তু অনেক উপায়ে, আমরা একটি সামগ্রিক সাধারণ কৃত্রিম বুদ্ধি অর্জনের কাছাকাছি নেই, এমন একটি অর্থে যে একটি কম্পিউটার মানুষের মত আচরণ করতে পারে, ক্রোনিন পর্যবেক্ষণ করেছেন। সিস্টেমগুলি যেগুলি ইআই প্রযুক্তির ব্যবহার করে, যেমন মেশিন লার্নিং, খুব সংকীর্ণ সংজ্ঞায়িত কাজগুলি চালানোর জন্য সংজ্ঞায়িত করা হয়।

এআই এর অবস্থা সবসময় মূল্যায়ন করা কঠিন, ক্রোনিন বলেন। এআই সিস্টেমের মূল্যায়ন করা কঠিন: তারা এক এলাকায় দক্ষতা অর্জন করতে পারে কিন্তু অন্য আরেকটি অনুরূপ কাজটি কমিয়ে দেয়। অনেক প্রকল্প, এমনকি কখনও কখনও খুব ভাল তহবিলযুক্ত, কোথাও যান।

এআই এর মৌলিক সংজ্ঞা এখনও বন্ধ করা হয় না। যখন দুটি মানুষ এআই সম্পর্কে কথা বলে, তখন কেউ হয়তো একটি নির্দিষ্ট মেশিন লার্নিং অ্যালগরিদম উল্লেখ করতে পারে, অন্যথায় স্বায়ত্তশাসিত রোবোটগুলি সম্পর্কে কথা বলা হতে পারে। এআই এখনও অদ্ভুত একক, একরকম ভেড়ার পালককে 10 সপ্তাহের মধ্যে বেসামরিক কাজে সাহায্য করে এবং একবারের জন্য এআই সমস্যাটি সমাধান করার জন্য আশা করে।

60 এর মধ্যে "সামার অফ ভিউশন" এমআইটি প্রকল্পটি প্রধান বাধাগুলির একটি Moravec এর প্যারাডক্স নামে এআই গবেষণা।

মোরাভায়েকের প্যারাডক্স মূলতঃ যেসব জিনিসগুলি মানুষ-বস্তুগত স্বীকৃতি এবং উপলব্ধির জন্য সহজ, তা কম্পিউটারের জন্য অত্যন্ত কঠিন। যদিও কম্পিউটারগুলির জন্য সহজ কাজগুলি-জটিল তত্ত্বগুলিকে প্রমাণ করা-অত্যন্ত কঠিন যদি জনগণের জন্য অসম্ভব না হয় (কিছু বর্তমান পাঠক বাদে, কোন সন্দেহ নেই)।

মেশিনগুলি ভাবতে শুরু করে হাইপের ঢেউ, এবং প্রান্তিক ফলাফলগুলি বহন করে পরবর্তী বিভেদ, ক্ষেত্রটি বেশ কয়েকটি বলা হয় যে, এনআই শীতকালীন, যেখানে গবেষণা তহবিল শুকিয়ে যায়, এবং উন্নতি ক্রমাগত হয়।

আমরা সম্ভবত অন্য একটি এআই শীতকালীন দেখতে পাব না, কারণ শুধুমাত্র কারণ অনেক বড় কোম্পানি, বিশেষ করে Google এবং ফেসবুক, তাদের Busin ভিত্তিক হয় বুদ্ধিমত্তার কম্পিউটিং ব্যবহার করে তাদের মডেলগুলি তাদের ব্যবহারকারীদের কী কী খুঁজছেন তা আরও ভালভাবে সাজানোর জন্য নমুনা মডেল, ক্রোনিন বলেন। অন্যান্য কোম্পানি এআই-সহযোগিতামূলক প্রযুক্তি যেমন, অ্যাপলের সঙ্গে সিরি এবং ওয়াটসনের সাথে আইবিএম প্রদান করে।

অনেক উপায়ে, আজকের এআই পদ্ধতিগুলি 1960-এর দশকে নির্মিত প্রথম এআই ব্যবস্থার সরাসরি বংশ, যেমন এলিজা- আজকের কয়েকটি টুইটারবোটের জন্য মানসিক পরামর্শ-বিতরণের প্রোগ্রামটি আজও ব্যবহার করা হয়েছে- এবং ডাইরেক্ট লার্নিং নিউরোলজিক্যাল নেটওয়ার্কগুলির প্রথম অগ্রদূতগুলির একটি। Pervertron:

এই প্রথম এআই পদ্ধতিগুলি "গভীরভাবে ত্রুটি এবং সীমিত। তারা তাদের ক্ষমতা খুব মৌলিক ছিল, "Cronin বলেন। যাইহোক, "আপনি যে প্রাথমিক ব্যবস্থা থেকে এআই মধ্যে আজ আমরা কাজ করছেন একটি সরাসরি লাইন আঁকতে পারেন," তিনি বলেন। "ওয়াটসন কি আমরা এলিজাবে হতে চাই।"

খুব সামান্য অগ্রগতির বছর পর, আমরা ক্রমবর্ধমান নির্দিষ্ট কর্মের জন্য এআই-মত সাহায্যের আরও চরম আকারে awash হয়ে উঠছি। ক্রোনিন বলেন, অগ্রিমের গতি এমন একটি হারে ঘটছে যা "এমনকি এমন ব্যক্তিদেরও যারা দীর্ঘ সময়ের জন্য ক্ষেত্রের মধ্যে আছ"।

বাণিজ্যিকভাবে উপলভ্য হওয়ার স্বার্থে স্ব-চালিত গাড়িগুলি, প্রায় 10 বছর আগে এটি প্রায় অসম্ভব প্রযুক্তি ছিল।

সম্ভবত এটি এআই গবেষণার জন্য তহবিল পরিবর্তনের কারণে। গবেষণামূলক অর্থের সাথে সরকারগুলি সর্বদাই গ্র্যাণ্ড ইকবাল্সের সাথে গবেষকদের বিনিয়োগ করেছে। এবং অনেক বছর ধরে, এসআরআই ইন্টারন্যাশনাল এবং সাইকোভারের মত ছোট বাণিজ্যিক গবেষণা প্রতিষ্ঠানগুলি শিল্পের দিকে এগিয়ে যায়।

এই দিন, এআই গবেষণাটি বেশিরভাগ প্রধান আইটি এবং ইন্টারনেট কোম্পানি যেমন গুগল, ফেসবুক এবং মাইক্রোসফ্ট গবেষণা। অনেক ছোট স্টার্টআপস, ভার্চুয়াল ক্যাপিটালের সাথে ফ্লাশটিও লিফটটি চাপ দিচ্ছে।

"কর্মক্ষেত্রে ক্রমবর্ধমান প্রাতিষ্ঠানিক প্রজেক্টের ক্ষেত্রে প্রাতিষ্ঠানিক শিক্ষার পরিবর্তে" প্রয়োগ করা হয়, ক্রোনিন বলেন। ফলস্বরূপ, এআই প্রযুক্তির এখন একা একাডেমিক দিনের মধ্যে তুলনায় বড় দাঁড়িপাল্লায় কাজ করছে। "একাডেমিক এগ্রিমেন্টের নিজস্ব শিক্ষার গভীরতাটি Google- এ আনা হয়, স্কেল করা হয় এবং নতুন পণ্য তৈরি করে।"

ফলস্বরূপ, এআই পদ্ধতি যেমন মেশিন শেখার, এখন বাণিজ্যিক সেবা এবং পণ্যগুলির মধ্যে একত্রিত হচ্ছে, আগের চেয়ে দ্রুত গতিতে। ক্রনিন উল্লেখ করেছেন যে ওয়াটসন এবং সিরি প্রবর্তিত নতুন প্রজন্মের বুদ্ধিমত্তার চেয়ে "বড় ইন্টিগ্রেশন প্রকল্প" হিসেবে উল্লেখযোগ্য।

বড় ডেটার ক্রমবর্ধমান প্রবাহ ক্ষেত্রকে সহায়তা করেছে, সেইসাথে, ইনফারেন্সিং এবং অন্যান্য পরিসংখ্যানগত পদ্ধতিগুলি পরিচয় করিয়েছে যা কিছু হবে পূর্বাভাস প্রযুক্তিতে যেমন শক্তিশালী ভূমিকা পালন করবে, ক্রোনিন বলেন। একাডেমিক এআই গবেষণার প্রাচীনতম দিনগুলিতে, যেসব তথ্য আমরা বিরুদ্ধে দাঁড়াতে পারি তা তুলনামূলকভাবে বিচ্যুতির তুলনায় অপ্রচলিত ছিল, আজকের সামগ্রীগুলির পর্বের তুলনায়।

গুগল তার ব্যবহারকারীদের কাছ থেকে প্রচুর পরিমাণে তথ্য সংগ্রহ করেছে , যা প্রথম সংগ্রহ করে এবং পরে কিভাবে থেকে টাকা উপার্জন খুঁজে বের করা। ক্রোনিন বলেন, "প্রাথমিকভাবে মডেলটি নির্মাণের জন্য বেশ কয়েকটি কাঠামো নির্বাপণ করাতে কোম্পানী প্রাথমিকভাবে আতঙ্কিত হয়নি"। এটি গুগল ইঞ্জিনিয়ারদের দ্বারা "তথ্য অকার্যকর কার্যকারিতা" বলে অভিহিত করা হয়েছে।

দীর্ঘ পরিশ্রমের মধ্যে, তবে আমাদের এখন পর্যন্ত আমাদের তুলনায় আরো গভীর শেখার কৌশল নিয়ে চিন্তা করতে হবে, ক্রোনিন বলেন আজকের পদ্ধতিগুলি শুধু আমাদের পূর্ণ কৃত্রিম বুদ্ধিমত্তার জন্য নয়। "আমরা আরও ধনী, আরো ভবিষ্যদ্বাণীপূর্ণ মডেল প্রয়োজন," কান বলেন, "যা নিয়মিতভাবে ঘটবে তা পূর্বাভাস দিতে পারে"।

দর্শকদের একজন সদস্য, নিউইয়র্কের ডেটা সায়েন্স কনসালটেন্সি ফার্ম Polynumeral এর ডেটা বিশ্লেষক জুয়ান পাবলো ভিলেজ , এআরআই এর ক্রোনিন এর মূল্যায়ন সঙ্গে একমত।

"নতুন উদ্ভাবন অনেক গভীর শিক্ষার কাছাকাছি এসেছিল যা স্কেলে রোল করা হয়েছে, যেমন Google চিত্র অনুসন্ধান। কিন্তু গবেষণাটি বড় কোম্পানীর এজেন্ডাগুলির সাথে সংযুক্ত রয়েছে এবং এর অর্থ এই নয় যে আমরা সাধারণ মেশিনের বুদ্ধিমত্তার কাছাকাছিও আছি, "ভিলেজ বলেন।

অনেক উপায়ে আমরা এআই গবেষণার ক্ষেত্রে একই স্থানে রয়েছি আমরা সবসময় হয়েছে: কিছু দিক থেকে দ্রুত এগিয়ে চলন্ত, আপাতদৃষ্টিতে বড় লক্ষ্য, সাধারণ কৃত্রিম বুদ্ধিমত্তা সম্পর্কের মধ্যে এখনও স্থায়ী যখন, এআই গবেষণার ফেসবুক প্রধান হিসাবে ইয়ান লেকুন বলেছেন, এআই গবেষণাটি দমনে দ্রুত গতিতে চালানোর মতো, যেখানে আপনি পরবর্তী রাস্তার ধাক্কা দেখতে পাবেন না।

দিন পর্যন্ত আমরা যখন মেশিনের দিকে এগিয়ে যাচ্ছি আমাদের জন্য কুয়াশা, কিছুদিনের জন্য এআই ভবিষ্যতের অনিশ্চিত হবে।