কৃত্রিম বুদ্ধিমত্তা (AI) হল একটি যন্ত্রের ক্ষমতা যা মানুষের স্পষ্ট নির্দেশ ছাড়াই কীভাবে কাজগুলি সম্পূর্ণ করতে হয় তা শিখতে পারে৷ ব্রিটিশ গণিতবিদ অ্যালান টুরিংকে সাধারণত কৃত্রিম বুদ্ধিমত্তার ধারণার বিকাশের জন্য কৃতিত্ব দেওয়া হয়, যদিও তিনি নিজেই এই শব্দটি তৈরি করেননি। তিনি বিশ্বাস করতেন যে সমস্যা-সমাধানের জন্য সত্যিকারের চিন্তা যন্ত্রের প্রয়োজন এবং সেইসাথে মানুষকে স্বায়ত্তশাসিত হিসাবে বিবেচনা করা প্রয়োজন, যা "টুরিং টেস্ট" নামে পরিচিত।
এই নিবন্ধটি কৃত্রিম বুদ্ধিমত্তার একটি ওভারভিউ প্রদান করবে, এটি কী, এবং অর্থে কৃত্রিম বুদ্ধিমত্তা ব্যবহারের উদাহরণ।
কৃত্রিম বুদ্ধিমত্তার সর্বজনীনভাবে স্বীকৃত বা আদর্শ সংজ্ঞা নেই, তবে একটি সাধারণভাবে গৃহীত সংজ্ঞা এটিকে "মেশিন যা মানুষের চিরাচরিত প্রতিক্রিয়ার সাথে সামঞ্জস্যপূর্ণ উদ্দীপনায় সাড়া দেয়, চিন্তাভাবনা, বিচার এবং অভিপ্রায়ের জন্য মানুষের ক্ষমতা প্রদান করে।"
স্ট্যানফোর্ডের অধ্যাপক জন ম্যাকার্থি প্রথম ব্যক্তি যিনি "কৃত্রিম বুদ্ধিমত্তা" শব্দটি ব্যবহার করেন এবং এটিকে "একটি যন্ত্রকে এমনভাবে আচরণ করা যা একজন মানুষ যদি এমন আচরণ করে তবে তাকে বুদ্ধিমান বলা হবে" বলে বর্ণনা করেছেন। AI আচরণে সমস্যা সমাধান করা, অতীত এবং বর্তমান ডেটার উপর ভিত্তি করে শেখা এবং যা শেখা হয়েছে তার উপর ভিত্তি করে ভবিষ্যতের কর্মের পরিকল্পনা করা জড়িত থাকতে পারে।
কৃত্রিম বুদ্ধিমত্তা বিভিন্ন আকারে আসে, কিন্তু AI হল একটি সাধারণ ক্ষমতা একটি সিদ্ধান্ত নিতে রিয়েল-টাইম ডেটা ব্যবহার করুন। মেশিন বা প্রোগ্রাম সেন্সর, দূরবর্তী ইনপুট বা ডিজিটাল মাধ্যমে সেই ডেটা গ্রহণ করতে পারে। তারপরে AI-কে সিদ্ধান্ত নেওয়ার আগে ডেটা বিশ্লেষণ করতে হবে, যা একটি প্রাক-প্রোগ্রাম করা মেশিন থেকে এটিকে আলাদা করে।
অর্থের ক্ষেত্রে, সাহায্য করার জন্য আন্ডাররাইটিং প্রক্রিয়ায় কৃত্রিম বুদ্ধিমত্তা ব্যবহার করা যেতে পারে একজন ঋণদাতা ঋণের আবেদন সম্পর্কে আরও ভালো সিদ্ধান্ত নেয়। পরিসংখ্যানবিদদের দ্বারা নির্ধারিত ভবিষ্যদ্বাণীমূলক বিশ্লেষণের উপর নির্ভর করার পরিবর্তে, একটি কম্পিউটার অ্যালগরিদম পূর্বের ঋণের ডেটা পড়তে পারে এবং আবেদনকারীদের ঋণযোগ্যতা মূল্যায়নের জন্য নিজের জন্য সেরা ভবিষ্যদ্বাণীমূলক মডেল নির্ধারণ করতে পারে।
ঋণদাতা আপস্টার্ট AI ব্যবহার করে একজন ঋণগ্রহীতার ঝুঁকি নির্ধারণ করতে এবং অন্যান্য ঋণদাতারা না করতে পারে এমন পরিস্থিতিতে তহবিল প্রদান করে।
রোবো-অ্যাডভাইজার হল ফিনান্সে কৃত্রিম বুদ্ধিমত্তার আরেকটি জনপ্রিয় ব্যবহার৷ রোবো-উপদেষ্টারা একটি বিনিয়োগ সম্পদ বরাদ্দ নির্ধারণ করতে আর্থিক লক্ষ্য, ঝুঁকি সহনশীলতা এবং বিনিয়োগের দিগন্ত সম্পর্কে ক্লায়েন্ট তথ্য ব্যবহার করে। রোবো-উপদেষ্টা তারপর প্রয়োজন অনুযায়ী পোর্টফোলিওকে ভারসাম্যপূর্ণ করে, লেনদেন করা এবং এমনকি ট্যাক্স-ক্ষতি সংগ্রহের মতো কাজগুলি পরিচালনা করে।
সাধারণভাবে, কৃত্রিম বুদ্ধিমত্তার চারটি বিস্তৃত শ্রেণী রয়েছে:প্রতিক্রিয়াশীল, সীমিত স্মৃতি, মনের তত্ত্ব এবং স্ব-সচেতন। একটি প্রগতিশীল বর্ণালী হিসাবে এই ধরনের চিন্তা করুন; প্রতিটি প্রকার তার আগে টাইপের জটিলতার উপর ভিত্তি করে তৈরি করে।
এটি হল সবচেয়ে মৌলিক ধরনের AI৷ বিশুদ্ধভাবে প্রতিক্রিয়াশীল কৃত্রিম বুদ্ধিমত্তা বর্তমান পরিস্থিতির মূল্যায়নের উপর ভিত্তি করে কাজ করতে পারে কিন্তু ভবিষ্যতে থেকে আঁকা স্মৃতির ভান্ডার তৈরি করতে অক্ষম৷
প্রতিক্রিয়াশীল বিভাগে বিল্ডিং, সীমিত-মেমরি AI "মনে রাখতে পারে" এর পরিবেশের প্রাক-প্রোগ্রামড উপস্থাপনা হিসাবে অতীত অভিজ্ঞতা। সীমিত-মেমরি AI তারপর ভবিষ্যতের সিদ্ধান্তগুলিতে এই স্মৃতিগুলিকে একত্রিত করবে৷
এই ধরনের AI সীমিত মেমরির চেয়ে আরও উন্নত৷ মনস্তাত্ত্বিক শব্দ থেকে এর নাম নেওয়া, থিওরি-অফ-মাইন্ড এআই মানসিক অবস্থা যেমন বিশ্বাস, উদ্দেশ্য, ইচ্ছা, আবেগ এবং জ্ঞান অন্যদের জন্য দায়ী করতে পারে। যদি এটি ভবিষ্যতবাদী মনে হয়, তবে এটির কারণ এটি। এই ধরনের কৃত্রিম বুদ্ধিমত্তা এখনও বিকাশ করা হয়নি।
তত্ত্ব-অব-মাইন্ড AI এর বাইরে গিয়ে, স্ব-সচেতন AI আছে নিজের সম্পর্কে উপস্থাপনা তৈরি করার ক্ষমতা—এইভাবে চেতনা থাকা।
একটি প্রমিত সংজ্ঞার অভাবের কারণে এবং সত্য যে অনেক সম্পর্কিত পদ আছে, কৃত্রিম বুদ্ধিমত্তা এবং মেশিন লার্নিং এর মধ্যে পার্থক্য করা কঠিন হতে পারে।
কৃত্রিম বুদ্ধিমত্তা একটি বিস্তৃত শব্দ, এবং এটি ঢিলেঢালাভাবে সংজ্ঞায়িত৷ মেশিন লার্নিং হল কৃত্রিম বুদ্ধিমত্তার একটি বিশেষ প্রয়োগ যেখানে মেশিনগুলি ডেটা থেকে শেখে এবং সেই ডেটা সম্পর্কে আরও ভাল সিদ্ধান্ত নিতে সময়ের সাথে সাথে পরিবর্তন করে। মেশিন লার্নিং এর প্রধান ব্যবহার হল অল্প সময়ের মধ্যে প্রচুর পরিমাণে তথ্য প্রক্রিয়া করা।
মেশিন লার্নিং-এর একটি উদাহরণ হল সোশ্যাল মিডিয়া প্ল্যাটফর্মগুলি কী ধরনের শেখে বিষয়বস্তুর—পোস্ট এবং বিজ্ঞাপন—যা আপনি প্ল্যাটফর্মে বিষয়বস্তুর সাথে কীভাবে ইন্টারঅ্যাক্ট করেছেন তার উপর ভিত্তি করে আপনি আরও পছন্দ করবেন।