যেহেতু শুরুর অনুষ্ঠানগুলি স্নাতকদের একটি নতুন প্রজন্মের প্রতিশ্রুতি উদযাপন করে, একটি প্রশ্ন উত্থিত: এআই কি তাদের শিক্ষাকে অর্থহীন করে তুলবে?
অনেক সিইও তাই মনে করেন। তারা এমন একটি ভবিষ্যতের বর্ণনা দেয় যেখানে এআই ইঞ্জিনিয়ার, চিকিত্সক এবং শিক্ষকদের প্রতিস্থাপন করবে। মেটা সিইও মার্ক জুকারবার্গ সম্প্রতি ভবিষ্যদ্বাণী করা এআই মিড-লেভেল ইঞ্জিনিয়ারদের প্রতিস্থাপন করবে যারা কোম্পানির কম্পিউটার কোড লেখেন। এনভিডিয়া জেনসেন হুয়াং এমনকি কোডিং নিজেকে অপ্রচলিত ঘোষণা করেছে।
যদিও বিল গেটস স্বীকার করেছেন যে এআই বিকাশের বিচ্ছেদের গতি “গভীর এবং এমনকি কিছুটা ভীতিজনক”, তিনি কীভাবে এটি অভিজাত জ্ঞানকে সর্বজনীনভাবে অ্যাক্সেসযোগ্য করে তুলতে পারে তা উদযাপন করে। তিনিও, পূর্বাভাস এমন একটি বিশ্ব যেখানে এআই কোডার, চিকিত্সক এবং শিক্ষকদের প্রতিস্থাপন করে, বিনামূল্যে উচ্চমানের চিকিত্সার পরামর্শ এবং টিউটরিং সরবরাহ করে।
হাইপ সত্ত্বেও, এআই আপাতত নিজের জন্য “ভাবতে” বা মানুষ ছাড়া কাজ করতে পারে না। প্রকৃতপক্ষে, এআই শেখার উন্নতি করে বা একটি গুরুত্বপূর্ণ সিদ্ধান্তের উপর বোঝাপড়া বোঝার ক্ষতি করে: আমরা কি এআইকে কেবল নিদর্শনগুলির পূর্বাভাস দেওয়ার অনুমতি দেব? অথবা আমাদের এটি আমাদের বিশ্বের আইনগুলিতে ব্যাখ্যা, ন্যায়সঙ্গত হওয়া এবং স্থির থাকার প্রয়োজন হবে?
এআই এর আউটপুট তদারকি করার জন্য নয়, বৈজ্ঞানিক রক্ষীগুলি এম্বেড করার জন্যও মানব বিচারের প্রয়োজন যা এটিকে দিকনির্দেশনা, গ্রাউন্ডিং এবং ব্যাখ্যাযোগ্যতা দেয়।
পদার্থবিদ আলাহ সোকাল সম্প্রতি এআই চ্যাটবটকে মৌখিক পরীক্ষা নেওয়া একটি মাঝারি ভাল শিক্ষার্থীর সাথে তুলনা করা হয়েছে। পেনসিলভেনিয়া বিশ্ববিদ্যালয়ের একটি অনুষ্ঠানে তিনি বলেছিলেন, “যখন তারা উত্তরটি জানে, তারা আপনাকে এটি বলবে এবং যখন তারা উত্তরটি জানে না তখন তারা বুলশ*টিটিংয়ে সত্যিই ভাল।” সুতরাং, যদি না কোনও ব্যবহারকারী কোনও প্রদত্ত বিষয় সম্পর্কে অনেক কিছু না জানেন, সোকালের মতে, কেউ কোনও “বুলশ*টিটিং” চ্যাটবট ধরতে পারে না। এটি, আমার কাছে, পুরোপুরি এআইয়ের তথাকথিত “জ্ঞান” ক্যাপচার করে। এটি শব্দের ক্রমগুলির পূর্বাভাস দিয়ে বোঝার নকল করে তবে ধারণাগত ভিত্তিটির অভাব রয়েছে।
এজন্য “সৃজনশীল” এআই সিস্টেমগুলি জাল থেকে বাস্তবকে আলাদা করার সংগ্রাম, এবং বিতর্ক আছে উত্থিত বড় ভাষার মডেলগুলি সত্যই সাংস্কৃতিক উপদ্রব উপলব্ধি করে কিনা সে সম্পর্কে। শিক্ষক যখন উদ্বেগ যে এআই টিউটররা শিক্ষার্থীদের সমালোচনামূলক চিন্তাভাবনা বা চিকিত্সকদের বাধা দিতে পারে ভয় অ্যালগরিদমিক ভুল রোগ নির্ণয়, তারা একই ত্রুটি সনাক্ত করে: মেশিন লার্নিং প্যাটার্ন স্বীকৃতিতে উজ্জ্বল, তবে নিয়মতান্ত্রিক, ক্রমবর্ধমান মানব অভিজ্ঞতা এবং বৈজ্ঞানিক পদ্ধতির জন্মের গভীর জ্ঞানের অভাব রয়েছে।
সেখানেই ক এআই -তে ক্রমবর্ধমান আন্দোলন এগিয়ে একটি পথ সরবরাহ করে। এটি কীভাবে মেশিনগুলি শিখছে তা সরাসরি মানব জ্ঞানকে এম্বেড করার দিকে মনোনিবেশ করে। পিনস (পদার্থবিজ্ঞান-অবহিত নিউরাল নেটওয়ার্কগুলি) এবং এমআইএনএন (যান্ত্রিকভাবে অবহিত নিউরাল নেটওয়ার্ক) উদাহরণ। নামগুলি প্রযুক্তিগত শোনাতে পারে, তবে ধারণাটি সহজ: এআই যখন নিয়মগুলি অনুসরণ করে তখন এআই আরও ভাল হয়, সেগুলি পদার্থবিজ্ঞান, জৈবিক সিস্টেম বা সামাজিক গতিশীলতার আইন কিনা। এর অর্থ আমাদের এখনও জ্ঞান ব্যবহার করার জন্য নয়, এটি তৈরি করার জন্য আমাদের এখনও মানুষের প্রয়োজন। এআই আমাদের কাছ থেকে শিখলে সেরা কাজ করে।
আমি এটি মিনসের সাথে আমার নিজের কাজে দেখছি। অতীতের তথ্যের উপর ভিত্তি করে কী কাজ করে তা কোনও অ্যালগরিদম অনুমান করার পরিবর্তে আমরা প্রতিষ্ঠিত বৈজ্ঞানিক নীতিগুলি অনুসরণ করার জন্য এটি প্রোগ্রাম করি। একটি স্থানীয় নিন ইন্ডিয়ানা ফ্যামিলি ল্যাভেন্ডার ফার্ম। এই ধরণের ব্যবসায়ের জন্য, ব্লুমিং সময় হ’ল সবকিছু। খুব তাড়াতাড়ি বা দেরিতে ফসল কাটা প্রয়োজনীয় তেলের শক্তি হ্রাস করে, মান এবং লাভের ক্ষতি করে। একটি এআই অপ্রাসঙ্গিক নিদর্শনগুলির মাধ্যমে কম্বিং করতে সময় নষ্ট করতে পারে। যাইহোক, একটি মিন উদ্ভিদ জীববিজ্ঞান দিয়ে শুরু হয়। এটি সময় মতো এবং আর্থিকভাবে অর্থবহ ভবিষ্যদ্বাণী করার জন্য তাপ, আলো, তুষারপাত এবং জলকে পুষ্পে সংযুক্ত করে সমীকরণ ব্যবহার করে। তবে এটি কেবল তখনই কাজ করে যখন এটি জানে যে শারীরিক, রাসায়নিক এবং জৈবিক বিশ্ব কীভাবে কাজ করে। সেই জ্ঞানটি বিজ্ঞান থেকে আসে, যা মানুষের বিকাশ ঘটে।
ক্যান্সার সনাক্তকরণের জন্য এই পদ্ধতির প্রয়োগ করার কল্পনা করুন: স্তন টিউমারগুলি রক্ত প্রবাহ এবং বিপাক থেকে তাপ নির্গত করে এবং ভবিষ্যদ্বাণীমূলক এআই কেবলমাত্র ডেটা নিদর্শনগুলির উপর ভিত্তি করে টিউমারগুলি সনাক্ত করতে হাজার হাজার তাপীয় চিত্র বিশ্লেষণ করতে পারে। যাইহোক, সম্প্রতি একটি মিন, রচেস্টার ইনস্টিটিউট অফ টেকনোলজিতে গবেষকরা দ্বারা বিকাশিতদেহ-পৃষ্ঠের তাপমাত্রার ডেটা ব্যবহার করে এবং সরাসরি মডেলটিতে বায়োহেট স্থানান্তর আইন এম্বেড করে। এর অর্থ, অনুমান করার পরিবর্তে, এটি বুঝতে পারে যে তাপ কীভাবে শরীরের মধ্য দিয়ে চলাচল করে, এটি কী ভুল, কী কারণ করছে, কেন এবং স্পষ্টতই এটি টিস্যুগুলির মাধ্যমে তাপ প্রবাহের পদার্থবিজ্ঞানের ব্যবহার করে যেখানে রয়েছে তা সনাক্ত করতে দেয়। একটি ক্ষেত্রে, একটি মিন কয়েক মিলিমিটারের মধ্যে একটি টিউমারের অবস্থান এবং আকারের পূর্বাভাস দিয়েছিল, ক্যান্সার কীভাবে শরীরের তাপ স্বাক্ষরকে ব্যাহত করে তা পুরোপুরি ভিত্তি করে।
গ্রহণযোগ্যতা সহজ: মানুষ এখনও প্রয়োজনীয়। এআই যেহেতু পরিশীলিত হয়ে ওঠে, আমাদের ভূমিকা অদৃশ্য হয়ে যাচ্ছে না। এটা স্থানান্তরিত হয়। যখন কোনও অ্যালগরিদম উদ্ভট, পক্ষপাতদুষ্ট বা ভুল কিছু উত্পাদন করে তখন মানুষকে “বুলশ*টি কল করতে হবে”। এটি কেবল এআইয়ের দুর্বলতা নয়। এটি মানুষের বৃহত্তম শক্তি। এর অর্থ হ’ল আমাদের জ্ঞানটিও বাড়তে হবে যাতে আমরা প্রযুক্তিটি চালাতে পারি, এটি পরীক্ষা করে রাখতে পারি, এটি আমাদের যা মনে করে তা করে তা নিশ্চিত করতে এবং প্রক্রিয়াটিতে লোকদের সহায়তা করতে পারে তা নিশ্চিত করতে পারি।
আসল হুমকি এমন নয় যে এআই আরও স্মার্ট হয়ে উঠছে। এটি হ’ল আমরা আমাদের বুদ্ধি ব্যবহার বন্ধ করতে পারি। যদি আমরা এআইকে একটি ওরাকল হিসাবে বিবেচনা করি তবে আমরা যখন কোনও কিছু বোঝায় না তখন কীভাবে প্রশ্ন করা, যুক্তি এবং স্বীকৃতি দেওয়া যায় তা ভুলে যাওয়ার ঝুঁকি রয়েছে। ভাগ্যক্রমে, ভবিষ্যতে এভাবে খেলতে হবে না।
আমরা এমন সিস্টেমগুলি তৈরি করতে পারি যা স্বচ্ছ, ব্যাখ্যাযোগ্য এবং বিজ্ঞান, নীতিশাস্ত্র এবং সংস্কৃতির জমে থাকা মানব জ্ঞানের ভিত্তিতে তৈরি। নীতিনির্ধারকরা ব্যাখ্যাযোগ্য এআইতে গবেষণার তহবিল দিতে পারেন। বিশ্ববিদ্যালয়গুলি প্রযুক্তিগত দক্ষতার সাথে ডোমেন জ্ঞান মিশ্রিত শিক্ষার্থীদের প্রশিক্ষণ দিতে পারে। বিকাশকারীরা এমআইএনএন এবং পিনগুলির মতো ফ্রেমওয়ার্কগুলি গ্রহণ করতে পারে যা বাস্তবের সাথে সত্য থাকতে মডেলগুলির প্রয়োজন। এবং আমরা সকলেই – ব্যবহারকারী, ভোটার, নাগরিক – দাবি করতে পারি যে এআই কেবল সম্পর্কের সম্পর্ক নয়, বিজ্ঞান এবং উদ্দেশ্যমূলক সত্যকে পরিবেশন করতে পারে।
বিশ্ববিদ্যালয়-স্তরের পরিসংখ্যান এবং বৈজ্ঞানিক মডেলিং শেখানোর এক দশকেরও বেশি সময় পরে, আমি এখন শিক্ষার্থীদের রোট দ্বারা ব্যবহার না করে সিস্টেমগুলি নিজেরাই শিখিয়ে কীভাবে অ্যালগরিদমগুলি “হুডের নীচে” কাজ করে তা বুঝতে সহায়তা করার দিকে মনোনিবেশ করি। লক্ষ্যটি হ’ল গণিত, বিজ্ঞান এবং কোডিংয়ের আন্তঃসংযুক্ত ভাষা জুড়ে সাক্ষরতা বাড়ানো।
এই পদ্ধতির আজ প্রয়োজনীয়। ব্ল্যাক-বক্স মডেলগুলিতে “জেনারেট” ক্লিক করার জন্য আমাদের আরও ব্যবহারকারীদের দরকার নেই। আমাদের এমন লোকদের দরকার যারা এআইয়ের যুক্তি, এর কোড এবং গণিত বুঝতে পারে এবং এর “বুলশ*টি” ধরতে পারে।
এআই শিক্ষাকে অপ্রাসঙ্গিক করে তুলবে না বা মানুষকে প্রতিস্থাপন করবে না। তবে আমরা কীভাবে স্বাধীনভাবে চিন্তা করতে পারি এবং বিজ্ঞান এবং গভীর বোঝার বিষয়টি কেন ভুলে যেতে পারি তবে আমরা নিজেদের প্রতিস্থাপন করতে পারি।
পছন্দটি এআইকে প্রত্যাখ্যান বা আলিঙ্গন করা উচিত নয়। এটি আমরা শিক্ষিত এবং এটি গাইড করার জন্য যথেষ্ট স্মার্ট থাকব কিনা।