মেশিন লার্নিং এ বড় ধরণের একটা সাফল্য দশটা মাইক্রোসফট এর সমান হবে এটা আমার কথা না, বিল গেটস নিজের কথা। আর আজ আমরা এই টেকনোলজি নিয়েই আলেঅচনা করবো অনেকেই হয়ত এই টেকনোলজিটির এর নাম শুনেছেন। আবার অনেকে হয়ত শুনেন নি , কিন্তু আপনি নিজের অজান্তেই তা ব্যবহার করে যাচ্ছেন কিন্তু আপনি তা জানেন না এই মেশিন লার্নিং টেকনোলজি  আসলে কি? এই প্রযুক্তির প্রভাবগুলি সম্পূর্ণভাবে সমাজের মান এবং সুফল যোগ করবে কি না ? আজ আমরা আলোচনা করব। আশা করছি আজকের আর্টিকেল আপনার ভালো লাগবে।

মেশিন লার্নিং টেকনোলজি  কয়েক বছর ধরে সফলতার সাথে কাজ করে যাচ্ছে এবং সেই সাথে  তৈরি  করছে শক্তিশালী সব অ্যাপ্লিকেশন। বন্ধুরা, আমরা সবাই মনের অজান্তেই মেশিন লার্নিং টেকনোলজি টি ব্যবহার করে যাচ্ছি কিন্তু এই সম্পর্কে  আমরা অনেকেই জানিনা। যেমন ধরুন,গুগলের অ্যালো অ্যাপ্লিকেশন, বা অ্যাপেলের আই ম্যাসেজ,গুগল ফটোস অ্যাপ, ভার্চুয়াল অ্যাসিস্ট্যান্টস  ইত্যাদি।

বন্ধুরা,আমাদের কম্পিউটারগুলি মহাকাশের  স্পেস ভিত্তিক ক্যালকুলেশন সেকেন্ডের মধ্যে বিশ্লেষণ করতে সাহায্য করছে। একটি কম্পিউটার আলোর গতিতে  যে কোন প্রবলেম খুব সহজে সল্ভ করতে পারছে। কিন্তু তারপরও আমরা কম্পিউটার কে “বুদ্ধিমান” বলে বিবেচনা করি না, কারণ ট্রেডিশনালী কম্পিউটারগুলো  নিজে থেকে কিছু করতে পারেনা, যত্তক্ষন না পর্যন্ত  কম্পিউটার মধ্যে কোনো প্রোগ্রাম ইনক্লুড করা হয়।

সেই ক্ষেত্রে,আমরা  যদি একটি কম্পিউটারকে শেখাতে চাই আমাদের মস্তিস্কের মতো করে যাতে করে সে আমাদের মতো বুদ্ধিমান হতে পারে। তার মানে যদি মানুষের বুদ্ধি, আবেগ,কৌশল একটি কম্পিউটারকে শেখানো যায় তবে সেটিই হলো মেশিন লার্নিং। একটি কম্পিউটার কখনোই কোনো কিছু বোঝার ক্ষমতা রাখে না। শুধু মাত্র মেশিন লার্নিং এর ফলেই এটা হওয়া সম্ভব।

বর্তমান সময়ে যে সব জায়গায় মেশিন লার্নিং প্রয়োগ করা হচ্ছে  সেই জায়গা গুলো হলো যেমন ধরুন ওয়েব সার্চ, কম্পিউটেশনাল বায়োলজি, ফিনান্স, এ কমার্স, স্পেস এক্সপ্লোরেশন, রোবোটিক্স, ইনফরমেশন এক্সট্রাকশন, সোশ্যাল নেটওয়ার্কস,ইত্যাদি।

বন্ধুরা,প্রথমে আসা যাক মেশিন লার্নিং কেন প্রয়োজন? যেমন ধরুন আগে পৃথিবীর বাহিরে মানুষের অবস্থান করা সম্ভব  সিলো না। কিন্তু বর্তমান সময়ে মানুষ খুব সহজে পৃথিবীর বাহিরে যেতে পারে, কিন্তু সেখানে সাপোর্টিং মেটেরিয়াল হিসেবে, যেমন ধরুন অক্সিজেন সিলিন্ডার, ফুডস, টেকনিক্যাল এক্সেসরিজ ইত্তাদিও পাঠাতে হয়, যা কিনা অনেক  কস্টলি আর সময় সাপেক্ষ। সেই ক্ষেত্রে, বিজ্ঞানীরা ভেবে দেখলেন, এমন কোন মেশিন ডেভেলপ করা যায়? যে কিনা মানুষের মতো করে থিঙ্কিং ক্যাপাবিলিটি অর্জন করতে পারবে ? তার মানে হলো, মানুষ্ যে কাজ করতে পারে ঠিক সেই রকম কাজ একটি মেশিন ও করতে পারবে!

যেমন ধরুন, আগে আমরা কার্বন পেপার ব্যবহারের মাধ্যমে কপি করতাম। কিন্তু এখনকার সময়ে সেই ম্যানুয়াল সিস্টেম  অথবা (হাতে লেখা পদ্ধতি) কে  ফটোকপি মেশিননে কনভার্ট করে দেওয়া হয়েছে।এমন অনেক কাজ আছে যেখানে মানুষের এক্সপার্টাইজড ফেল হয়ে যায়। ঠিক সেই মুহূর্তে একটি কম্পিউটার কে ক্যাপাবিলিটি বিল্ডাপ করে ক্যাপাবল করানো কাজই হলো মেশিন লার্নিং।

বন্ধুরা,মেশিন লার্নিং সম্পর্কে সবচেয়ে ইম্পরট্যান্ট কথা হলো, এই প্রযুক্তিটি সময়ের ক্যালকুলেশন সাথে সাথে মেশিন তার সলিউশন চেঞ্জ করতে পারে। যেমন ধরুন, দাবা খেলাটি এমন একটা প্রোগ্রাম যেখানে একটি মেশিন প্রত্যেকটি স্টেপ এক এককটি এক্সপেরিয়েন্স বেসিস নতুন নতুন মুভমেন্ট ডিসাইড করে থাকে।

এবার ভেবে দেখুন, গুগলের  অ্যালো অ্যাপ্লিকেশন, অ্যাপেলের আই ম্যাসেজ এর কথা সেখানে মোবাইল ফোন পুরো স্ক্রীন পড়ে আপনি কি লিখছেন তা খুব সহজে আপনাকে বলে দিবে। আবার ধরুন, গুগল নাউ ট্যাপ অ্যাপ্লিকেশন এর কথা। আপনার ফোনের গুগল নাউয়ে গিয়ে ট্যাপ করলে আপনার ফোনের স্ক্রীন গুগল নাউ স্ক্যান করবে এবং বলে দিতে পারবে আপনি কি কাজ করছেন আর অ্যাপেলের সিরি, উইন্ডোজের কর্টনা এসব হচ্ছে মেশিন লার্নিং এর সফল প্রয়োগ। ফেসবুকে ইমেজ আপলোড করার পর অটোমেটিকেলি কার ছবি, তা ডিটেক্ট করে। এই সমস্ত কিছুই মেশিন লার্নিং ব্যবহারের ফলে।

একটু বিস্তারিত  বলা যাক, আপনি যখন গুগলে কোন কিছু সার্চ করেন যেমন ধরেন আপনি সার্চ করলেন একটি মোবাইল ফোন যেটা ৫০০০ টাকা থেকে শুরু করে ১০০০০ হাজার টাকা এর মধ্যে,তখন গুগল সেই ইনফরমেশন টি  সেভ করে ফেলবে এবং সেই রিলেটেড এডস আপনার সামনে শো করতে থাকবে। আবার ধরুন, একটি গাড়ি কে রিভার্স করার জন্য যেই সেন্সর ব্যবহার করা  হয়ে থাকে সেই সেন্সর টি মেশিন লার্নিং বেসড কাজ করা থাকে।

মেশিন লার্নিং এক রকম আর্টিফিশিয়াল ইন্টিলিজেন্ট(AI)। যেটা প্রোভাইড করে কম্পিউটার কে কোনো প্রোগ্রামিং ছাড়া লার্নিং ক্যাপাবিলিটি ডেভলপ করার জন্য, তার মানে যেমন ধরুন, আপনি যদি একটি কম্পিউটার কে দিয়ে কোনো টাস্ক পার্ফম করালেন, যেখানে কোনো প্রোগ্রামিং কোড লিখতে হয় না।

একটু বুঝিয়ে বলা যাক। ধরুন, আপনি একটি প্রোগ্রামিং কোড লেখলেন সেই  কোডটির ভিতর যদি নতুন যে কোনো ডাটা ইনপুট দিলেন সেই ক্ষেত্রে, মেশিন তখন নিজে নিজে সেই এলগোরিদম চেঞ্জ করে নিতে পারবে। আর এই প্রোগামিং ডেভেলপড করা কে আমরা মেশিন লার্নিং বলে থাকি।

মেশিন লার্নিং প্রযুক্তিটি ট্রাডিশনাল প্রোগ্রামিং থেকে অনেকটাই আলাদা। যেমন ধরুন, ট্রেডিশনাল প্রোগ্রামিং ক্ষেত্রে, কম্পিউটার এর মাধ্যমে যে প্রোগ্রামিং করা হতো তার মানে হলো যা প্রোগ্রাম লিখা হতো অথবা যা ইনপুট নেয়া হতো সেটা কম্পিউটার এর  মাধ্যমে আউটপুট দিতো।

কিন্তু মেশিন লার্নিং এর ক্ষেত্রে আমার মেশিনকে কিছু ডাটা এবং  আউটপুট (যেটা আমরা দেখতে চাই) দিয়ে দেই। আর এই ডাটা ও আউটপুট এর উপর ভিত্তি করে কম্পিউটার আমাদের  প্রোগ্রাম দেয়। তার মানে হলো আমরা ডাটাও দিচ্ছি সেই সাথে আউটপুটও দিচ্ছি। আর এইটা হলো প্রোগ্রামিং অফ মেশিন লার্নিং।

আরেকটা উদাহরণ দেয়া যাক যেমন ধরুন, আপনি গুগল সার্চিং বাক্স বা কোনো কিছু টেক্স লিখলেন যেমন “ মেশিন লার্নিং এলগোরিদম” সেই সার্চ বক্স এ  যেখানে আপনি টেক্সটি লিখেছেন সেই লাইনটির দুই পাশে কিসু হিডেন  প্রোগ্রামিং কোড লেখা থাকে। যার ফলে ওই রিলেভেন্ট ডাটা আপনাকে শো করবে।

এখন আসা যাক মানুষে ব্রেন এবং কম্পিউটার কিভাবে কাজ করে। আপনি যদি কম্পিউটারে মাধ্যমে   কোনো মুভি দেখতে চান তাহলে, আপনি যেখানে মুভিটি রেখেছেন সেখানে ক্লিক করবেন।আর সেই কমেন্ড টি সাথে সাথে  সিপিইউ তে  চলে যায় এবং যেখানে মুভিটি রেখেছেন তার মানে হার্ডডিস্ক ড্রাইভ, সেখান থেকে খুঁজে বের করে আপনাকে ডিসপ্লে করবে।

তাহলে আমরা জানি একটি কম্পিউটারে যে হার্ডডিস্ক থাকে, যেখানে ডাটা স্টোর হয় অথবা যেখানে প্রসেসর ইউনিট থাকে সেখানে, ক্যালকুলেশন করা হয়। আবার সেখানে একটি ডিসপ্লে এরিয়া থাকে। যেখানে, ইনপুট নেয় অথবা আউটপুট দেয়। আর ঠিক এই রকম কাজ আমাদের ব্রেন ও  করতে পারে।

যেমন ধরুন, মানুষ তার অতীত এর কথা মনে রাখতে পারে। সেই জন্য এটা কে আমরা ধরি, হার্ডডিস্ক। আবার একজন মানুষ ক্যালকুলেশন ও করতে পারে। তার মানে, প্রসেসিং পাওয়ার ও আছে এটাকে আমরা ধরি সিপিইউ। এর পর যেই রেজাল্ট বের হয় সেটা আমরা মুখ  দিয়ে বলে দিতে পারি। অথবা হাত দ্বারা লিখে দিতে পারি।এটা কে আমরা ধরি  নিতে পারি ডিসপ্লে।

তাহলে বুঝা যাচ্ছে, মানুষের ব্রেন আর একটি কম্পিউটার একই ধরা যায়। কিন্তু মানুষের ব্রেন এবং কম্পিউটার এর সাথে একটা অনেক বড় ব্যাবধান হলো লার্নিং ক্যাপাসিটি অথবা থিঙ্কিং পাওয়ার। আমাদের ব্রেইন যেভাবে তৈরী করা হয়েছে যেটা লার্ন করে অথবা চিন্তা করে অথবা আবেগ অনুভূতি বুঝতে পারে। একটি ছোট পরীক্ষা করা যাক যেমন ধরুন,

আমি যদি বলি কাঠাল গাছটির উচ্চতা আর আম গাছটির সমান এবং আম গাছটির উচ্চতা লিচু গাছটির সমান ঠিক সেই মুহূর্তে আপনি সাথে সাথে বলবেন  কাঠাল গাছটির উচ্চতা, লিচু গাছটির সমান। কিন্তু আমি বলিনি যে, কাঠাল গাছটির উচ্চতা, লিচু গাছটির সমান। কিন্তু আপনি থিঙ্ক করলেন কাঠাল  গাছটি আর লিচু গাছটিও তো সমান! আপনি বলবেন সত্যি তো! এই কথায় যুক্তি আছে! এরকম হয় নাকি ? ঠিক এই রকম ভাবে মানুষ্ লার্নিং করে থাকে। যেটা আমাদের আগে জানা থাকে না কিন্তু আমাদের শিখে নিতে হয়।

এখন যদি মেশিন কে কোনো কিছু শিখাতে যাই তাহলে মেশিন কেও মানুষের মতো করে লার্নিং করার ক্যাপাসিটি অর্জন  করতে হবে।তার মানে কম্পিউটার এর প্রসেসরের মধ্যে লার্নিং পাওয়ার ইনক্লুড করতে হবে। আর যদি একবার  লার্নিং পাওয়ার ইনক্লুড করতে পারে তাহলে সেই মেশিন টি লার্নিং মেশিন এ রুপান্তর করা যাবে।খুব ছোট একটা কাজ। কিন্তু বিজ্ঞানীরা চিন্তা করলেন এই লার্নিং পাওয়ার টি কিভাবে মেশিন এর মধ্যে ইনক্লুড করানো যায়। তারপর বিজ্ঞানীরা একটা এক্সপেরিমেন্ট করলেন। তাহলে সেই এক্সপেরিমেন্ট টি কি ছিলো ?

বিজ্ঞানীরা যেই এক্সপেরিমেন্ট টি করে  ছিলেন তা ছিলো ১৫ টি কুকুরের  ছবির মাধ্যমে। বিজ্ঞানীরা যখন একটি মেশিন কে কুকুরের ছবি দেখালেন, তখন মেশিন সেই ছবিটি সাথে সাথে সেভ করে রাখবে। যেহেতু  বিজ্ঞানিরা লার্নিং পাওয়ার ইনক্লিড করে দিয়েছিলেন। সেহেতু, সেই মেশিন টি তার নিজের মতো করে একটি ডাটা টেবিল বা চার্ট তৈরী করবে।

আবার বিজ্ঞানীরা সেই একই মেশিন কে আরেকটা বল দেখালেন। তখন মেশিন সেই ছবিটি সাথেসাথে  সেভ করে রাখবে। যেহেতু মেশিন এর মধ্যে লার্নিং ক্যাপাবিলিটি সিলো সেহেতু সেই মেশিন টি তার নিজের মতো করে একটি ডাটা টেবিল বা চার্ট তৈরী করবে।আসুন জেনে নেওয়া যাক কিভাবে একটি মেশিন অথবা রোবট ডাটা টেবিল বা চার্ট  তৈরি করে।প্রথমে মেশিন একটা রুলস তৈরি  করবে এবং  নিজে নিজে ডিসিশন নিবে যেমন ধরুন,

  1. ১ নাম্বার রুল কুকুর রাউন্ড  হয় না। কিন্তু বল রাউন্ড হয়।
  2. ২ নাম্বার রুল  কুকুরের কান  থাকে।   কিন্তু বলরে কান থাকে না।
  3. ৩ নাম্বার রুল কুকুরের মুখ থাকে। কিন্তু বলের মুখ থাকে না।

এভাবে আরো অনেক ডাটা ইনক্লুড থাকে এখানে আমি সংক্ষিপ্ত ভাবে আলোচনা করলাম।

এরপর সবকিছু শিখানোর পর  বিজ্ঞানীরা সেই মেশিনটি কে একটি বল দেখলেন এবং বলেন এটা কি? তখন মেশিন সব গুলো রুল এপলাই করবে এবং বলে দেবে এটি একটি বল।আবার যদি একটি কুকুরের ছবি দেখানো হয় তখন মেশিনটি সেই  রুল গুলো এনালাইসিস করে আউটপুট প্রদান করবে এবং বলে দেবে এটি একটি কুকুর। এভাবে এন্ড নাম্বার অফ অবজেক্ট সম্পর্কে একটি রোবট কে লার্নিং ক্যাপাবিলিটি বিল্ডাপ করতে হয়।

মেশিন লার্নিং অ্যালগরিদম গুলোকে প্রধানত চার  ক্যাটেগরিতে ভাগ করা যায়।

  • Supervised Learning.
  • Unsupervised learning.
  • Semi-Supervised learning
  • Reinforcement learning

Supervised Learning: কিছু প্রি ডিফাইন ডেটাসেট এর উপর প্রোগ্রামকে ট্রেইন করা হয়। ঐ ট্রেইন ডেটা এর উপর ভিত্তি করে প্রোগ্রাম ডিসিশন দেয়। এটা হচ্ছে সুপারভাইসড লার্নিং। যেমন মেইলটি কি স্প্যাম না কি স্প্যাম না, এই ডিসিশনটা আগের কিছু ডেটার উপর নির্ভর করে দেয়া হয়। এটা হচ্ছে সুপারভাইসড লার্নিং এর উদাহরণ।
Unsupervised learning: আনসুপারভাইসড লার্নিং এ প্রোগ্রামকে কিছু ডেটা দেওয়া হয়। প্রোগ্রাম ঐ ডেটার উপর নির্ভর করে ডিসিশন দেয়। যেমন এক ঝুড়ি ফল রয়েছে। প্রোগ্রাম ভিন্ন ভিন্ন ফল কে ভিন্ন ভিন্ন ক্যাটেগরিতে ভাগ করবে, এটা হচ্ছে আনসুপারভাইড লার্নিং এর উদাহরণ।

Semi-Supervised learning: সেমি সুপারভাইসড লার্নিং বলা যায় সুপারভাইসড এবং আনসুপারভাইসড এর মিশ্রন।

Reinforcement learning: আমরা ছোটবেলায় কিভাবে শিখি? কোন কিছু করার পর ভালো লাগলে তা বেশি করে করি। আবার কোন কিছু করে ব্যথা পেলে তা আর করি না। বাস্তবে মানুষ বা কোন প্রাণী যেভাবে শিখে, রিইনফোর্সমেন্ট লার্নিং এ কোন প্রোগ্রামে ঠিক ঐ ভাবে ট্রেইন করা হয়।

বর্তমান সময়ে মেশিন লার্নিং ব্যবহার দিনে দিনে বেড়ে যাচ্ছে। সবাই এই বিষয়ে টি নিয়ে কথা বলছে। আমরা দেখতে পেয়েছি মেশিনগুলো ফাইট করছে এমন সব পরিস্থিতির সাথে  যেখানে মানুষ এর যাওয়া অসম্ভব।ভবিষ্যতে আমাদের গাড়িগুলি কৃত্রিম বুদ্ধিবৃত্তির মাধ্যমে চালিত হবে। আমাদের কাজগুলি রোবটগুলি দ্বারা করানো হবে। সামনের দিনে মেশিন লার্নিং অনেক বিশাল বিপ্লব বয়ে নিয়ে আসতে চলছে।

হ্যাপি ইন্ডিং

মেশিন লার্নিং কে যদি আরো ইফিশিয়েন্টলি প্রয়োগ করা যায়, তাহলে আমাদের পুরো প্রযুক্তি দুনিয়াটাই পাল্টে যাবে। এমন না যে চেষ্টা করা হচ্ছে না। নিয়মিতই এই সেক্টরটি ডেভেলপ হচ্ছে। আশা করি মেশিন লার্নিংয়ের সফল প্রয়োগ আমাদের দৈনন্দিন জীবন কে আরো সহজ করে তুলবে,আর হ্যাঁ আর্টিকেলটি ভালো লাগলে আবশ্যই বন্ধুদের মাঝে শেয়ার করবেন আর টেকনোলজি রিলেটেড আরো নতুন নতুন আর্টিকেল পেতে আমাদের পেজে লাইক দিয়ে আমাদের সাথেই থাকুন আর আমাদের পুরাতন আর্টিকেল গুলো পরতে আমাদের ওয়েবসাইট ভিজিট করুন ।

0 Comments

Leave a reply

CONTACT US

We're not around right now. But you can send us an email and we'll get back to you, asap.

Sending
©2012 - 2020 Techwave.Asia All Rights Reserved.
or

Log in with your credentials

Forgot your details?