25 KiB
মেশিন লার্নিং এর ইতিহাস
স্কেচনোট: Tomomi Imura
পূর্ব-লেকচার কুইজ
🎥 উপরের ছবিতে ক্লিক করুন এই পাঠের সংক্ষিপ্ত ভিডিও দেখার জন্য।
এই পাঠে আমরা মেশিন লার্নিং এবং কৃত্রিম বুদ্ধিমত্তার ইতিহাসের গুরুত্বপূর্ণ মাইলফলকগুলো নিয়ে আলোচনা করব।
কৃত্রিম বুদ্ধিমত্তা (AI) এর ইতিহাস মেশিন লার্নিং এর ইতিহাসের সাথে গভীরভাবে জড়িত, কারণ ML এর অ্যালগরিদম এবং কম্পিউটেশনাল অগ্রগতি AI এর বিকাশে ভূমিকা রেখেছে। মনে রাখা দরকার যে, যদিও এই ক্ষেত্রগুলো ১৯৫০ এর দশকে পৃথক গবেষণা ক্ষেত্র হিসেবে গঠিত হতে শুরু করে, গুরুত্বপূর্ণ অ্যালগরিদমিক, পরিসংখ্যানগত, গাণিতিক, কম্পিউটেশনাল এবং প্রযুক্তিগত আবিষ্কার এই সময়ের আগেই হয়েছিল এবং এর সাথে মিশে গিয়েছিল। আসলে, মানুষ শত শত বছর ধরে এই প্রশ্নগুলো নিয়ে চিন্তা করে আসছে: এই নিবন্ধটি 'চিন্তা করতে পারে এমন মেশিন' ধারণার বুদ্ধিবৃত্তিক ভিত্তি নিয়ে আলোচনা করে।
উল্লেখযোগ্য আবিষ্কার
- ১৭৬৩, ১৮১২ বেইজ থিওরেম এবং এর পূর্বসূরী। এই থিওরেম এবং এর প্রয়োগ পূর্ব জ্ঞান ভিত্তিক কোনো ঘটনার সম্ভাবনা বর্ণনা করে।
- ১৮০৫ লিস্ট স্কয়ার থিওরি ফরাসি গণিতবিদ Adrien-Marie Legendre দ্বারা। এই থিওরি, যা আপনি আমাদের রিগ্রেশন ইউনিটে শিখবেন, ডেটা ফিটিংয়ে সাহায্য করে।
- ১৯১৩ মারকভ চেইন, রাশিয়ান গণিতবিদ Andrey Markov এর নামে নামকরণ করা হয়েছে, যা পূর্ববর্তী অবস্থার ভিত্তিতে সম্ভাব্য ঘটনার একটি ক্রম বর্ণনা করে।
- ১৯৫৭ পারসেপট্রন একটি লিনিয়ার ক্লাসিফায়ার যা আমেরিকান মনোবিজ্ঞানী Frank Rosenblatt আবিষ্কার করেছিলেন এবং যা ডিপ লার্নিং এর উন্নতির ভিত্তি।
- ১৯৬৭ নিয়ারেস্ট নেবার একটি অ্যালগরিদম যা মূলত রুট ম্যাপ করার জন্য ডিজাইন করা হয়েছিল। ML এর ক্ষেত্রে এটি প্যাটার্ন সনাক্ত করতে ব্যবহৃত হয়।
- ১৯৭০ ব্যাকপ্রপাগেশন ফিডফরওয়ার্ড নিউরাল নেটওয়ার্ক প্রশিক্ষণের জন্য ব্যবহৃত হয়।
- ১৯৮২ রিকারেন্ট নিউরাল নেটওয়ার্ক ফিডফরওয়ার্ড নিউরাল নেটওয়ার্ক থেকে উদ্ভূত কৃত্রিম নিউরাল নেটওয়ার্ক যা টেম্পোরাল গ্রাফ তৈরি করে।
✅ একটু গবেষণা করুন। ML এবং AI এর ইতিহাসে আর কোন তারিখগুলো গুরুত্বপূর্ণ বলে মনে হয়?
১৯৫০: চিন্তা করতে পারে এমন মেশিন
Alan Turing, একজন অসাধারণ ব্যক্তি যাকে ২০১৯ সালে জনগণের ভোটে ২০ শতকের সর্বশ্রেষ্ঠ বিজ্ঞানী হিসেবে নির্বাচিত করা হয়েছিল, 'চিন্তা করতে পারে এমন মেশিন' ধারণার ভিত্তি স্থাপনে সাহায্য করেছেন। তিনি এই ধারণার জন্য প্রমাণের প্রয়োজনীয়তা অনুভব করেছিলেন এবং টুরিং টেস্ট তৈরি করেছিলেন, যা আপনি আমাদের NLP পাঠে শিখবেন।
১৯৫৬: ডার্টমাউথ সামার রিসার্চ প্রজেক্ট
"ডার্টমাউথ সামার রিসার্চ প্রজেক্ট কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রে একটি গুরুত্বপূর্ণ ঘটনা ছিল," এবং এখানেই 'কৃত্রিম বুদ্ধিমত্তা' শব্দটি তৈরি করা হয়েছিল (source)।
শেখার প্রতিটি দিক বা বুদ্ধিমত্তার অন্য কোনো বৈশিষ্ট্য এমনভাবে বর্ণনা করা যেতে পারে যে একটি মেশিন এটি অনুকরণ করতে পারে।
প্রধান গবেষক, গণিতের অধ্যাপক John McCarthy, আশা করেছিলেন "শেখার প্রতিটি দিক বা বুদ্ধিমত্তার অন্য কোনো বৈশিষ্ট্য এমনভাবে বর্ণনা করা যেতে পারে যে একটি মেশিন এটি অনুকরণ করতে পারে।" অংশগ্রহণকারীদের মধ্যে ছিলেন Marvin Minsky, যিনি এই ক্ষেত্রের আরেকজন বিশিষ্ট ব্যক্তি।
এই কর্মশালাটি "প্রতীকী পদ্ধতির উত্থান, সীমিত ডোমেইন ভিত্তিক সিস্টেম (প্রাথমিক এক্সপার্ট সিস্টেম), এবং ডিডাকটিভ সিস্টেম বনাম ইনডাকটিভ সিস্টেম" সহ বেশ কিছু আলোচনার সূচনা এবং উৎসাহ প্রদান করেছে। (source)।
১৯৫৬ - ১৯৭৪: "সোনালী বছর"
১৯৫০ এর দশক থেকে ৭০ এর দশকের মাঝামাঝি পর্যন্ত, AI এর মাধ্যমে অনেক সমস্যার সমাধান করা যাবে বলে উচ্চ আশাবাদ ছিল। ১৯৬৭ সালে Marvin Minsky আত্মবিশ্বাসের সাথে বলেছিলেন, "এক প্রজন্মের মধ্যে ... 'কৃত্রিম বুদ্ধিমত্তা' তৈরির সমস্যা মূলত সমাধান হয়ে যাবে।" (Minsky, Marvin (1967), Computation: Finite and Infinite Machines, Englewood Cliffs, N.J.: Prentice-Hall)
প্রাকৃতিক ভাষা প্রক্রিয়াকরণ গবেষণা বিকশিত হয়েছিল, সার্চ আরও পরিশীলিত এবং শক্তিশালী হয়েছিল, এবং 'মাইক্রো-ওয়ার্ল্ড' ধারণা তৈরি হয়েছিল, যেখানে সাধারণ ভাষার নির্দেশনা ব্যবহার করে সহজ কাজ সম্পন্ন করা যেত।
গভর্নমেন্ট এজেন্সি দ্বারা গবেষণা ভালোভাবে অর্থায়িত হয়েছিল, কম্পিউটেশন এবং অ্যালগরিদমে অগ্রগতি হয়েছিল, এবং বুদ্ধিমান মেশিনের প্রোটোটাইপ তৈরি করা হয়েছিল। এই মেশিনগুলোর মধ্যে রয়েছে:
-
Shakey রোবট, যে বুদ্ধিমত্তার সাথে কাজ সম্পন্ন করার সিদ্ধান্ত নিতে এবং চলাচল করতে পারত।
Shakey, ১৯৭২ সালে
-
Eliza, একটি প্রাথমিক 'চ্যাটারবট', মানুষের সাথে কথা বলতে এবং একটি প্রাথমিক 'থেরাপিস্ট' হিসেবে কাজ করতে পারত। NLP পাঠে আপনি Eliza সম্পর্কে আরও জানবেন।
Eliza এর একটি সংস্করণ, একটি চ্যাটবট
-
"Blocks world" ছিল একটি মাইক্রো-ওয়ার্ল্ডের উদাহরণ যেখানে ব্লকগুলো স্ট্যাক এবং সাজানো যেত, এবং মেশিনকে সিদ্ধান্ত নিতে শেখানোর পরীক্ষা করা যেত। SHRDLU এর মতো লাইব্রেরি দিয়ে তৈরি অগ্রগতি ভাষা প্রক্রিয়াকরণকে এগিয়ে নিয়ে গেছে।
🎥 উপরের ছবিতে ক্লিক করুন একটি ভিডিও দেখার জন্য: SHRDLU এর সাথে Blocks world
১৯৭৪ - ১৯৮০: "AI শীতকাল"
৭০ এর দশকের মাঝামাঝি সময়ে, 'বুদ্ধিমান মেশিন' তৈরির জটিলতা কম মূল্যায়িত হয়েছিল এবং এর প্রতিশ্রুতি, উপলব্ধ কম্পিউট ক্ষমতার ভিত্তিতে, অতিরিক্তভাবে মূল্যায়িত হয়েছিল। অর্থায়ন বন্ধ হয়ে যায় এবং এই ক্ষেত্রের প্রতি আত্মবিশ্বাস কমে যায়। কিছু সমস্যাগুলো ছিল:
- সীমাবদ্ধতা। কম্পিউট ক্ষমতা খুব সীমিত ছিল।
- কম্বিনেটোরিয়াল বিস্ফোরণ। কম্পিউটারের কাছে আরও বেশি কিছু চাওয়ার সাথে সাথে প্রশিক্ষণের জন্য প্রয়োজনীয় প্যারামিটারগুলো গাণিতিকভাবে বৃদ্ধি পায়, কিন্তু কম্পিউট ক্ষমতা এবং সক্ষমতার সমান্তরাল উন্নতি হয়নি।
- ডেটার অভাব। ডেটার অভাব অ্যালগরিদম পরীক্ষা, উন্নয়ন এবং পরিমার্জনের প্রক্রিয়াকে বাধাগ্রস্ত করেছিল।
- আমরা কি সঠিক প্রশ্ন করছি?। যে প্রশ্নগুলো করা হচ্ছিল তা নিয়ে প্রশ্ন উঠতে শুরু করে। গবেষকরা তাদের পদ্ধতির সমালোচনার সম্মুখীন হন:
- টুরিং টেস্ট বিভিন্ন ধারণার মাধ্যমে প্রশ্নবিদ্ধ হয়, যেমন 'চাইনিজ রুম থিওরি' যা বলেছিল, "একটি ডিজিটাল কম্পিউটার প্রোগ্রাম করা হলে এটি ভাষা বুঝতে পারে বলে মনে হতে পারে কিন্তু প্রকৃত বোঝার সৃষ্টি করতে পারে না।" (source)
- কৃত্রিম বুদ্ধিমত্তা যেমন "থেরাপিস্ট" ELIZA কে সমাজে পরিচিত করার নৈতিকতা চ্যালেঞ্জ করা হয়েছিল।
একই সময়ে, বিভিন্ন AI চিন্তাধারা গঠিত হতে শুরু করে। "স্ক্রাফি" বনাম "নিট AI" পদ্ধতির মধ্যে একটি বিভাজন তৈরি হয়। স্ক্রাফি ল্যাবগুলো কাঙ্ক্ষিত ফলাফল পাওয়ার জন্য প্রোগ্রামগুলো ঘন্টার পর ঘন্টা টুইক করত। নিট ল্যাবগুলো "লজিক এবং আনুষ্ঠানিক সমস্যা সমাধানের উপর" মনোযোগ দিত। ELIZA এবং SHRDLU ছিল পরিচিত স্ক্রাফি সিস্টেম। ১৯৮০ এর দশকে, যখন ML সিস্টেমগুলোকে পুনরুত্পাদনযোগ্য করার চাহিদা দেখা দেয়, নিট পদ্ধতি ধীরে ধীরে অগ্রাধিকার পায় কারণ এর ফলাফলগুলো আরও ব্যাখ্যাযোগ্য।
১৯৮০ এর দশক: এক্সপার্ট সিস্টেম
যেমন এই ক্ষেত্রটি বৃদ্ধি পায়, এর ব্যবসায়িক সুবিধা আরও স্পষ্ট হয়ে ওঠে, এবং ১৯৮০ এর দশকে 'এক্সপার্ট সিস্টেম' এর প্রসার ঘটে। "এক্সপার্ট সিস্টেমগুলো কৃত্রিম বুদ্ধিমত্তার (AI) সফটওয়্যারের প্রথম সত্যিকারের সফল রূপগুলোর মধ্যে ছিল।" (source)।
এই ধরনের সিস্টেম আসলে হাইব্রিড, যা আংশিকভাবে একটি রুলস ইঞ্জিনের উপর ভিত্তি করে ব্যবসায়িক প্রয়োজনীয়তা সংজ্ঞায়িত করে এবং একটি ইনফারেন্স ইঞ্জিন ব্যবহার করে নতুন তথ্য অনুমান করে।
এই যুগে নিউরাল নেটওয়ার্কের প্রতি আরও বেশি মনোযোগ দেওয়া হয়।
১৯৮৭ - ১৯৯৩: AI 'ঠান্ডা'
বিশেষায়িত এক্সপার্ট সিস্টেম হার্ডওয়্যারের প্রসার দুর্ভাগ্যজনকভাবে অত্যন্ত বিশেষায়িত হয়ে ওঠে। ব্যক্তিগত কম্পিউটারের উত্থান এই বড়, বিশেষায়িত, কেন্দ্রীভূত সিস্টেমগুলোর সাথে প্রতিযোগিতা করে। কম্পিউটিং এর গণতন্ত্রায়ন শুরু হয়, যা শেষ পর্যন্ত বিগ ডেটার আধুনিক বিস্ফোরণের পথ প্রশস্ত করে।
১৯৯৩ - ২০১১
এই যুগে ML এবং AI নতুনভাবে কিছু সমস্যার সমাধান করতে সক্ষম হয় যা আগে ডেটা এবং কম্পিউট ক্ষমতার অভাবে হয়েছিল। ডেটার পরিমাণ দ্রুত বৃদ্ধি পায় এবং আরও সহজলভ্য হয়ে ওঠে, ভালো এবং খারাপ উভয়ের জন্যই, বিশেষত ২০০৭ সালের আশেপাশে স্মার্টফোনের আবির্ভাবের সাথে। কম্পিউট ক্ষমতা গাণিতিকভাবে বৃদ্ধি পায়, এবং অ্যালগরিদমগুলোও এর সাথে বিকশিত হয়। এই ক্ষেত্রটি পরিপক্ক হতে শুরু করে কারণ অতীতের স্বাধীন গবেষণাগুলো একটি সত্যিকারের শৃঙ্খলায় রূপ নিতে শুরু করে।
বর্তমান
আজ মেশিন লার্নিং এবং AI আমাদের জীবনের প্রায় প্রতিটি অংশকে স্পর্শ করে। এই যুগে এই অ্যালগরিদমগুলো মানুষের জীবনে কী প্রভাব ফেলতে পারে তা সতর্কতার সাথে বোঝার প্রয়োজন রয়েছে। Microsoft's Brad Smith বলেছেন, "তথ্য প্রযুক্তি এমন বিষয়গুলো উত্থাপন করে যা মৌলিক মানবাধিকার সুরক্ষার মতো বিষয়গুলোর সাথে সম্পর্কিত, যেমন গোপনীয়তা এবং মত প্রকাশের স্বাধীনতা। এই বিষয়গুলো প্রযুক্তি কোম্পানিগুলোর জন্য আরও বেশি দায়িত্ববোধ তৈরি করে যারা এই পণ্যগুলো তৈরি করে। আমাদের মতে, এগুলো চিন্তাশীল সরকারি নিয়ন্ত্রণ এবং গ্রহণযোগ্য ব্যবহারের চারপাশে মানদণ্ডের বিকাশের জন্যও আহ্বান জানায়।" (source)।
ভবিষ্যতে কী অপেক্ষা করছে তা এখনও দেখা বাকি, তবে এই কম্পিউটার সিস্টেম এবং সফটওয়্যার এবং অ্যালগরিদমগুলোকে বোঝা গুরুত্বপূর্ণ। আমরা আশা করি এই পাঠক্রম আপনাকে আরও ভালোভাবে বুঝতে সাহায্য করবে যাতে আপনি নিজের জন্য সিদ্ধান্ত নিতে পারেন।
🎥 উপরের ছবিতে ক্লিক করুন একটি ভিডিও দেখার জন্য: Yann LeCun এই লেকচারে ডিপ লার্নিং এর ইতিহাস নিয়ে আলোচনা করেছেন
🚀চ্যালেঞ্জ
এই ঐতিহাসিক মুহূর্তগুলোর মধ্যে একটি নিয়ে গভীরভাবে গবেষণা করুন এবং এর পেছনের মানুষগুলো সম্পর্কে আরও জানুন। এখানে আকর্ষণীয় চরিত্র রয়েছে, এবং কোনো বৈজ্ঞানিক আবিষ্কার কখনোই সাংস্কৃতিক শূন্যতায় তৈরি হয়নি। আপনি কী আবিষ্কার করেন?
পাঠ-পরবর্তী কুইজ
পর্যালোচনা এবং স্ব-অধ্যয়ন
এখানে দেখার এবং শোনার জন্য কিছু আইটেম রয়েছে:
এই পডকাস্ট যেখানে Amy Boyd AI এর বিবর্তন নিয়ে আলোচনা করেছেন
অ্যাসাইনমেন্ট
অস্বীকৃতি:
এই নথিটি AI অনুবাদ পরিষেবা Co-op Translator ব্যবহার করে অনুবাদ করা হয়েছে। আমরা যথাসম্ভব সঠিকতার জন্য চেষ্টা করি, তবে অনুগ্রহ করে মনে রাখবেন যে স্বয়ংক্রিয় অনুবাদে ত্রুটি বা অসঙ্গতি থাকতে পারে। মূল ভাষায় থাকা নথিটিকে প্রামাণিক উৎস হিসেবে বিবেচনা করা উচিত। গুরুত্বপূর্ণ তথ্যের জন্য, পেশাদার মানব অনুবাদ সুপারিশ করা হয়। এই অনুবাদ ব্যবহারের ফলে কোনো ভুল বোঝাবুঝি বা ভুল ব্যাখ্যা হলে আমরা দায়বদ্ধ থাকব না।