সারাক্ষণ ডেস্ক

পঞ্চাশ বছরেরও বেশি সময় ধরে কৃত্রিম স্নায়ুবিজ্ঞান গবেষণার মাধ্যমে জিওফ্রে হিনটন কৃত্রিম বুদ্ধিমত্তার (এআই) জনক হিসেবে খ্যাতি অর্জন করেছেন। টরন্টো বিশ্ববিদ্যালয়ের তার দলের কাজ আজকের শিরোনাম-গ্রহণকারী এআই মডেলগুলির ভিত্তি তৈরি করেছে, যেমন ChatGPT এবং LaMDA, যা বোঝা যায় এমন প্রবন্ধ লিখতে, চিকিৎসা স্ক্যান থেকে রোগ নির্ণয় করতে এবং স্ব-ড্রাইভিং গাড়িগুলির নেভিগেট করতে সক্ষম।

কিন্তু ড. হিনটনের জন্য, ভাল মডেল তৈরি করাই কখনও শেষ লক্ষ্য ছিল না। তার আশা ছিল যে জটিল সমস্যাগুলি সমাধান করতে শেখার জন্য কৃত্রিম স্নায়ুবিজ্ঞান নেটওয়ার্ক তৈরি করে, মস্তিষ্কের স্নায়ুবিজ্ঞান নেটওয়ার্কগুলি কীভাবে একই কাজ করে সে সম্পর্কে কিছুটা আলোকপাত করা যেতে পারে।

মস্তিষ্ক শেখার মাধ্যমে সূক্ষ্মভাবে পুনর্গঠিত হয়: কিছু স্নায়ুকোষের সংযোগ, যা সিনাপস নামে পরিচিত,শক্তিশালী হয়, অন্যগুলি দুর্বল হতে হয়। তবে মস্তিষ্কের মধ্যে বিলিয়ন স্নায়ুকোষ রয়েছে, যার মধ্যে মিলিয়নগুলি কোনও একক কাজের সাথে জড়িত হতে পারে, বিজ্ঞানীরা বুঝতে পেরেছেন যে মস্তিষ্ক কীভাবে জানে কোন সিনাপস পরিবর্তন করতে হবে এবং কতটুকু।

ড. হিনটন একটি বুদ্ধিদীপ্ত গাণিতিক অ্যালগরিদমকে জনপ্রিয় করেছেন, যা ব্যাকপ্রোপাগেশন নামে পরিচিত, এই সমস্যাটি কৃত্রিম স্নায়ুবিজ্ঞান নেটওয়ার্কগুলিতে সমাধান করার জন্য। তবে এটি দীর্ঘদিন ধরে মনে করা হত যে এটি মানব মস্তিষ্কে বিকশিত হওয়ার জন্য খুব ভারী।

এখন, যখন এআই মডেলগুলি ক্রমবর্ধমানভাবে মানব-সদৃশ হয়ে উঠছে, তখন বিজ্ঞানীরা প্রশ্ন করছেন যে মস্তিষ্ক আসলে কিছুটা একইভাবে কাজ করতে পারে কিনা। মস্তিষ্ক কীভাবে এটি করে তা বোঝা কোনও সহজ কাজ নয়। যা কিছু স্নায়ুবিজ্ঞানীরা মানব শিক্ষার বিষয়ে বোঝেন তা মূলত ছোট মস্তিষ্কের টিস্যু বা পেট্রিডিশে কয়েকটি স্নায়ুকোষের পরীক্ষার উপর নির্ভর করে। এইসব নিয়মের একটি বড় আকারের সংস্করণ বাস্তব জীবনের মস্তিষ্কে কাজ করে কিনা বা আরও উন্নত কিছু হচ্ছে কিনা তা স্পষ্ট নয়।

একটি প্রাথমিক এবং দীর্ঘস্থায়ী তত্ত্ব যা ব্যাখ্যা করে যে মস্তিষ্ক কীভাবে শিখে তা হল হেব্বিয়ান লার্নিং। ধারণাটি হল যে স্নায়ুকোষগুলি প্রায় একই সময়ে সক্রিয় হয় তারা আরও শক্তিশালীভাবে সংযুক্ত হয়। হেব্বিয়ান লার্নিং সহজ যোগাযোগ শেখানোর ক্ষেত্রে প্রযোজ্য, যেমন পাভলভের কুকুরদের ঘণ্টার শব্দে লালা ঝরানো। তবে ভাষা শেখার মতো আরও জটিল কাজের জন্য, হেব্বিয়ান লার্নিং খুব অকার্যকর বলে মনে হয়।

আজকের শীর্ষস্থানীয় এআই মডেলগুলি ভিন্নভাবে ডিজাইন করা হয়েছে। একটি এআই মডেল কিভাবে কাজ করে তা বোঝার জন্য, একটি পাখি চিহ্নিত করতে প্রশিক্ষিত কৃত্রিম স্নায়ুবিজ্ঞান নেটওয়ার্কের কথা চিন্তা করুন। এ জাতীয় একটি মডেল হাজার হাজার সিনথেটিক স্নায়ুকোষ নিয়ে গঠিত, স্তরগুলিতে সাজানো। চিত্রগুলি নেটওয়ার্কের প্রথম স্তরে খাওয়ানো হয়, যা প্রতিটি পিক্সেলের সামগ্রীর তথ্য পরবর্তী স্তরে পাঠায়।

এই শিক্ষার প্রক্রিয়াটির অবিচ্ছেদ্য অংশটি হল তথাকথিত ব্যাক-প্রোপাগেশন-অফ-এরর অ্যালগরিদম, প্রায়শই ব্যাকপ্রোপ নামে পরিচিত। যদি নেটওয়ার্কটি পাখির একটি ছবি প্রদর্শন করা হয় তবে এটি ভুলভাবে সিদ্ধান্ত নেয় যে এটি নয়, তবে একবার এটি ভুল বুঝতে পারলে এটি একটি ত্রুটি সংকেত তৈরি করে। এই ত্রুটি সংকেতটি নেটওয়ার্কের মধ্য দিয়ে পিছনে চলে যায়, প্রতিটি সংযোগকে শক্তিশালী বা দুর্বল করে তোলে ভবিষ্যতে কোনও ত্রুটির সম্ভাবনা হ্রাস করতে।

স্নায়ুবিজ্ঞানীরা সবসময়ই সন্দেহ করেছেন যে ব্যাকপ্রোপাগেশন মস্তিষ্কে কাজ করতে পারে। ১৯৮৯ সালে, ড. হিনটন এবং তার সহকর্মীরা অ্যালগরিদমটি স্তরযুক্ত স্নায়ুবিজ্ঞান নেটওয়ার্কগুলিকে প্রশিক্ষিত করতে ব্যবহার করা যেতে পারে তা দেখানোর ঠিক পরে, ডিএনএর গঠন সহ-আবিষ্কারক নোবেল বিজয়ী ফ্রান্সিস ক্রিক এই তত্ত্বটির একটি ত্রুটিপূর্ণ বিশ্লেষণ প্রকাশ করেছিলেন।

সব মিলিয়ে, কৃত্রিম স্নায়ুবিজ্ঞান নেটওয়ার্কের সফলতা মস্তিষ্কে কিছু ধরনের ব্যাকপ্রোপের সম্ভাবনা সম্পর্কে পুনর্নবীকৃত আগ্রহ সৃষ্টি করেছে। বিজ্ঞানীরা আশা করছেন যে মেটা-মডেলটি বাস্তব মস্তিষ্কের সমতুল্য রেকর্ডিংগুলির সাথে কিছুটা মিল করতে পারে।

মস্তিষ্ক যে অ্যালগরিদমটি ব্যবহার করে তা সনাক্ত করা স্নায়ুবিজ্ঞানের জন্য একটি বড় পদক্ষেপ হতে পারে। এটি শুধু মস্তিষ্কের কাজের রহস্য উন্মোচন করাই নয়, এটি বিজ্ঞানীদের নতুন এআই-চালিত সরঞ্জাম তৈরি করতে সাহায্য করতে পারে যা নির্দিষ্ট স্নায়ুবিজ্ঞান প্রক্রিয়া বোঝার চেষ্টা করতে পারে। তবে এটি কি ভাল এআই অ্যালগরিদমগুলিতে নেতৃত্ব দিতে পারে তা পরিষ্কার নয়।