প্রযুক্তি সংস্থাগুলি কেন মানুষকে সাহায্য করতে ব্যবহার করছে আইআই | বেন ডিকসন

"অ্যান্ড্রু ইঙ্গ্রাম" এমন একটি ডিজিটাল সহকারী যা আপনার ইমেলগুলি স্ক্যান করে, আপনার সহকর্মীদের সাথে আপনি যে সভাগুলি এবং অ্যাপয়েন্টমেন্টগুলির বিষয়ে আলোচনা করেন তাদের সময়সূচী ধারণা দেয়, কার্যগুলি সেট আপ করে এবং খুব সামান্য সহায়তায় প্রাসঙ্গিক পক্ষগুলিকে আমন্ত্রণ প্রেরণ করে। এটি এক্স.আই, একটি নতুন এর উন্নত কৃত্রিম-বুদ্ধি দক্ষতা ব্যবহার করে ইয়র্ক ভিত্তিক স্টার্টআপ যা এআই সহকারীদের বিকাশে বিশেষীকরণ করে। সমস্যার সমাধান করে এমন সমস্যাগুলি (আমার মতো) যাদের অগোছালো সময়সূচী রয়েছে তাদের পক্ষে অনেক সময় এবং হতাশার সাশ্রয় ঘটতে পারে।

তবে মে মাসে প্রকাশিত ওয়্যার্ড স্টোরি অনুসারে অ্যান্ড্রু ইঙ্গ্রামের পিছনে বুদ্ধি পুরোপুরি কৃত্রিম নয়। এটি মনিলার উপকণ্ঠে একটি উচ্চ সুরক্ষিত ভবনে 40 ফিলিপিনোদের একটি দল দ্বারা সমর্থিত যারা এআই এর আচরণ পর্যবেক্ষণ করে এবং যখনই সহকারী কোনও মামলায় এটি পরিচালনা করতে পারে না তখন দায়িত্ব গ্রহণ করে।

আপনার ইমেলগুলি সত্যিকারের লোকেরা দ্বারা স্ক্যান করা হচ্ছে এমন ধারণাটি ভয়ঙ্কর আকার ধারণ করতে পারে, তবে অনেক সংস্থার মধ্যে এটি একটি সাধারণ অভ্যাস হয়ে দাঁড়িয়েছে যা তাদের গ্রাহকদের এআই পরিষেবা সরবরাহ করে। ওয়াল স্ট্রিট জার্নালে সাম্প্রতিক একটি নিবন্ধটি বেশ কয়েকটি সংস্থাকে উন্মোচিত করেছে যা তাদের কর্মচারীদের অ্যাক্সেস করতে এবং গ্রাহকের ইমেলগুলি নতুন বৈশিষ্ট্য তৈরি করতে এবং তাদের এআই-কে এর আগে দেখা যায় না এমন বিষয়ে প্রশিক্ষণ দিতে দেয়।

"উইজার্ড অফ ওজ" কৌশল বা সিউডো-এআই নামে অভিহিত, এআই অ্যালগরিদমগুলির ত্রুটিগুলি পূরণ করার জন্য চুপচাপ মানুষকে ব্যবহার করার অনুশীলন এআই শিল্পের মুখোমুখি কিছু গভীর চ্যালেঞ্জের উপর আলোকপাত করে।

এআই ব্রড সমস্যার জন্য প্রস্তুত নয়

সাম্প্রতিক বছরগুলিতে বেশিরভাগ এআই উদ্ভাবনের পিছনে রয়েছে গভীর-শেখার অ্যালগরিদম এবং নিউরাল নেটওয়ার্ক। গভীর-নিউরাল নেটওয়ার্কগুলি তথ্যের শ্রেণিবদ্ধকরণে খুব দক্ষ। এমআরআই এবং সিটি স্ক্যানগুলিতে কণ্ঠ এবং মুখের স্বীকৃতি বা ক্যান্সার সনাক্তকরণের মতো অনেক ক্ষেত্রে তারা মানুষকে ছাড়িয়ে যেতে পারে।

তবে এর অর্থ এই নয় যে গভীর শিক্ষণ এবং নিউরাল নেটওয়ার্কগুলি যে কোনও কাজ সম্পাদন করতে পারে।

"গভীর শিক্ষণ আমাদের উপলব্ধি সমস্যা সমাধানের অনুমতি দিচ্ছে This এটি একটি বিরাট বিষয় কারণ ধারণাটি AI০ বছর আগে প্রতিষ্ঠার পর থেকে এআই সীমাবদ্ধ ছিল, " ডিপগ্রামারের সিফোনার এবং সিইও জোনাথন মুগান বলেছেন। "উপলব্ধি সমস্যা সমাধান করা ভয়েস স্বীকৃতি এবং রোবোটিকের মতো জিনিসের জন্য এআইকে দরকারী করে তুলেছে।"

তবে মুগান নোট করেছেন, উপলব্ধিই কেবল সমস্যা নয়। ডিপ লার্নিং সংগ্রাম যেখানে কমনসেন্স যুক্তি এবং বোঝার সাথে জড়িত।

"গভীর শিক্ষণ আমাদের এই সমস্যাটিতে সহায়তা করে না, " তিনি বলেছেন। "আমরা ভাষাটিকে উপলব্ধি সমস্যা হিসাবে বিবেচনা করে এনএলপি (প্রাকৃতিক ভাষা প্রসেসিং) এর কিছুটা অগ্রগতি করেছি; অর্থাত্ শব্দ এবং বাক্যগুলিকে ভেক্টরগুলিতে রূপান্তরিত করেছি This এটি আমাদের শ্রেণিবদ্ধকরণ এবং মেশিন অনুবাদে পাঠ্যকে আরও ভালভাবে প্রতিনিধিত্ব করতে সক্ষম করেছে (যখন অনেক কিছু রয়েছে ডেটা), কিন্তু এটি কমনসেন্স যুক্তিতে সহায়তা করে না This এ কারণেই চ্যাটবটগুলি ব্যর্থ হয়েছে।"

সমস্ত গভীর শেখার অ্যাপ্লিকেশনগুলির মুখোমুখি প্রধান সমস্যাগুলি হ'ল তাদের এআই মডেলগুলি প্রশিক্ষণের জন্য সঠিক তথ্য সংগ্রহ করা। একটি কাজ সম্পাদনের জন্য নিউরাল নেটওয়ার্ককে প্রশিক্ষণের জন্য যে প্রচেষ্টা এবং ডেটা যায় তা নির্ভর করে সমস্যার স্থানটি কত বিস্তৃত এবং সঠিক স্তরের কী স্তরের প্রয়োজন তা নির্ভর করে।

উদাহরণস্বরূপ, এইচবিওর সিলিকন ভ্যালির নট হটডগ অ্যাপের মতো একটি চিত্র শ্রেণিবদ্ধকরণ অ্যাপ্লিকেশনটি খুব সরু এবং নির্দিষ্ট কাজটি করে: এটি আপনাকে জানিয়ে দেয় যে আপনার স্মার্টফোনের ক্যামেরাটি হটডগ প্রদর্শন করছে কিনা। পর্যাপ্ত হটডগ ইমেজ সহ, অ্যাপ্লিকেশনটির এআই উচ্চ স্তরের নির্ভুলতার সাথে এটির খুব গুরুত্বপূর্ণ ফাংশন সম্পাদন করতে পারে। এমনকি যদি এটি একবারে একবারে ভুল করে তবে তা কারও ক্ষতি করবে না।

তবে অন্যান্য এআই অ্যাপ্লিকেশন যেমন একটি এক্স.ইই নির্মাণ করছে, আরও বিস্তৃত সমস্যাগুলি মোকাবেলা করছে, যার অর্থ তাদের অনেক মানের উদাহরণ প্রয়োজন। এছাড়াও, ত্রুটির প্রতি তাদের সহনশীলতা অনেক কম। হটডগের জন্য শসাকে ভুল করা এবং একটি ভুল সময়ে একটি গুরুত্বপূর্ণ ব্যবসায়িক সভা নির্ধারণের মধ্যে একদম পার্থক্য রয়েছে।

দুর্ভাগ্যক্রমে, মানের ডেটা এমন পণ্য নয় যা সমস্ত সংস্থার মালিকানাধীন।

ডাঃ স্টিভ মার্শ বলেছেন, "থাম্বের নিয়মটি হ'ল এআই আরও যত সমস্যা সমাধানের চেষ্টা করছেন তত বেশি প্রান্তের ঘটনা বা অস্বাভাবিক আচরণগুলি ঘটতে পারে This এর অনিবার্য অর্থ হ'ল সবকিছুকে আবরণ করার জন্য আপনার আরও অনেক বেশি প্রশিক্ষণের উদাহরণ প্রয়োজন, " ডাঃ স্টিভ মার্শ বলেছেন, জিওস্পক-এ সিটিও "স্টার্টআপগুলিতে সাধারণত প্রচুর পরিমাণে প্রশিক্ষণের ডেটা অ্যাক্সেস থাকে না, তাই তারা সম্ভবত যে মডেলগুলি তৈরি করতে পারে তা খুব কুলুঙ্গি এবং ভঙ্গুর হতে পারে, যা সাধারণত তাদের প্রত্যাশা অনুযায়ী থাকে না।"

এই জাতীয় তথ্যের ধন কেবলমাত্র ফেসবুক এবং গুগলের মতো বড় সংস্থার দখলে, যারা কয়েক বছর ধরে কোটি কোটি ব্যবহারকারীর ডেটা সংগ্রহ করে চলেছে। ছোট সংস্থাগুলিকে প্রশিক্ষণের ডেটা পেতে বা তৈরি করতে বড় অঙ্কের অর্থ প্রদান করতে হয় এবং এটি তাদের অ্যাপ্লিকেশন প্রবর্তনকে বিলম্ব করে। বিকল্পটি হ'ল যাইহোক চালু করা এবং ফ্লাইতে তাদের এআই প্রশিক্ষণ দেওয়া, মানব প্রশিক্ষক এবং লাইভ গ্রাহকের ডেটা ব্যবহার করে এবং আশা করা যায় যে শেষ পর্যন্ত, এআই মানুষের উপর কম নির্ভরশীল হয়ে উঠবে।

উদাহরণস্বরূপ, ক্যালিফোর্নিয়ায় ভিত্তিক সংস্থা এডিসন সফটওয়্যার, যা ইমেলগুলি পরিচালনার জন্য অ্যাপ্লিকেশনগুলি বিকাশ করে, তার কর্মচারীদের "স্মার্ট উত্তর" বৈশিষ্ট্য বিকাশের জন্য ক্লায়েন্টদের ইমেলগুলি পড়েছিল কারণ তাদের কাছে সংস্থাটির অ্যালগরিদম প্রশিক্ষণের জন্য পর্যাপ্ত ডেটা নেই didn't সিইও দ্য ওয়াল স্ট্রিট জার্নালকে জানিয়েছেন। স্মার্ট জবাব তৈরি করা একটি বিস্তৃত এবং চ্যালেঞ্জিং কাজ। এমনকি গুগল, যার কোটি কোটি ব্যবহারকারীর ইমেলের অ্যাক্সেস রয়েছে, খুব সংকীর্ণ মামলার জন্য স্মার্ট জবাব সরবরাহ করে।

কিন্তু লাইভ ব্যবহারকারীর ডেটা দিয়ে এআইকে প্রশিক্ষণ দেওয়ার জন্য মানব ব্যবহার করা ছোট সংস্থাগুলির মধ্যেই সীমাবদ্ধ নয়।

2015 সালে, ফেসবুক এম, একটি এআই চ্যাটবট চালু করেছিল যা বিভিন্ন কথোপকথনের বিভিন্ন সংক্ষিপ্তসার বুঝতে এবং প্রতিক্রিয়া জানাতে পারে এবং অনেকগুলি কার্য সম্পাদন করতে পারে। ফেসবুক এম কে ক্যালিফোর্নিয়ায় সীমিত সংখ্যক ব্যবহারকারীদের জন্য উপলব্ধ করে দিয়েছিল এবং মানব অপারেটরগুলির একটি কর্মচারী স্থাপন করেছে যারা এআই এর কার্যকারিতা পর্যবেক্ষণ করবে এবং যখন কোনও ব্যবহারকারী অনুরোধ বুঝতে না পারে তখন এটি সংশোধন করতে হস্তক্ষেপ করবে। আসল পরিকল্পনাটি হ'ল মানব অপারেটররা সহকারীটিকে এটির আগে দেখা যায় না এমন প্রান্তের ক্ষেত্রে প্রতিক্রিয়া জানাতে সহায়তা করার জন্য। সময়ের সাথে সাথে এম মানুষের সাহায্য ছাড়াই পরিচালনা করতে সক্ষম হবেন।

একটি অদম্য লক্ষ্য?

এটি এডিসন সফটওয়্যার, এক্স.ই এবং অন্যান্য সংস্থাগুলি যারা তাদের এআই পুরোপুরি স্বয়ংক্রিয়ভাবে তৈরি করতে মানব-ইন-লুপ সিস্টেম চালু করেছে তাদের কতক্ষণ সময় লাগবে তা পরিষ্কার নয়। এআই এর বর্তমান প্রবণতাগুলি বিস্তৃত ডোমেনগুলিতে নিযুক্ত হওয়ার পর্যায়ে পৌঁছাতে পারে কিনা সন্দেহও রয়েছে।

2018 সালে, ফেসবুক প্রতিটি আনুষ্ঠানিকভাবে মোতায়েন না করে এম বন্ধ করে দেয়। সংস্থাটি বিশদ ভাগ করে নি, তবে এটি স্পষ্ট যে বিস্তৃত কথোপকথনে জড়িত থাকতে পারে এমন একটি চ্যাটবোট তৈরি করা খুব কঠিন। এবং ফেসবুকের দুই বিলিয়ন ব্যবহারকারীদের সবার জন্য এম কে প্রথমে সমস্ত ধরণের কথোপকথনের জন্য স্বয়ংক্রিয়ভাবে প্রতিক্রিয়া জানাতে সম্পূর্ণ সক্ষম না করে এম এর শূন্যস্থান পূরণের জন্য মানুষের বিশাল একটি কর্মী নিয়োগের প্রয়োজন হত।

ডিপগ্রামারের মুগান বিশ্বাস করেন যে আমরা শেষ পর্যন্ত এআই তৈরি করতে সক্ষম হব যা সাধারণ সাধারণ এআই হিসাবে অন্যকে শ্রেণীবদ্ধ করে, সাধারণ যুক্তিগুলি সমাধান করতে পারে। তবে তাড়াতাড়ি কখনই হবে না। "মুহুর্তে দিগন্তে এমন কোনও পদ্ধতি নেই যা কম্পিউটারকে একটি ছোট শিশু কী জানবে তা বুঝতে সক্ষম করবে, " মুগান বলে। "এই বেসিক বোঝাপড়া ব্যতীত কম্পিউটার 100 শতাংশ সময় অনেকগুলি কাজ ভাল করতে সক্ষম হবে না।"

এটিকে পরিপ্রেক্ষিত করার জন্য, ওপেনএআই-র বিশেষজ্ঞরা সম্প্রতি ড্যাকটাইল তৈরি করেছেন, যা একটি রোবোটিক হ্যান্ড যা বস্তুগুলি পরিচালনা করতে পারে। এটি এমন একটি কাজ যা কোনও শিশু শিশু অল্প বয়সে অবচেতনভাবে সম্পাদন করতে শেখে। তবে একই দক্ষতা বিকাশ করতে ড্যাকটিল 6, 144 সিপিইউ এবং 8 টি জিপিইউ এবং প্রায় একশ বছরের অভিজ্ঞতা অর্জন করেছে experience যদিও এটি একটি আকর্ষণীয় অর্জন, এটি সংকীর্ণ এআই এবং মানুষের মস্তিষ্কের যেভাবে কাজ করে তার মধ্যে প্রথম পার্থক্য তুলে ধরে ights

মার্শ বলেছেন, "আর্টিফিশিয়াল জেনারেল ইন্টেলিজেন্স পাওয়া থেকে আমরা অনেক দীর্ঘ পথ, এবং সম্ভবত সম্ভবত এজিআই বিভিন্ন ধরণের সংকীর্ণ বা অ্যাপ্লিকেশন-নির্দিষ্ট এআইয়ের সংমিশ্রণ ও সমন্বয় হব, " মার্শ বলেছেন। "আমি মনে করি এই মুহুর্তে এআই এর ক্ষমতাগুলি ছাপিয়ে যাওয়ার প্রবণতা রয়েছে, তবে আমি কেবল প্রথম প্রথম পদক্ষেপ গ্রহণ এবং traditionalতিহ্যবাহী মেশিন লার্নিং মডেলগুলি প্রয়োগ করার ক্ষেত্রে প্রচুর মূল্যবোধ রয়েছে বলে আমি মনে করি।"

অন্য এআই শীতকালীন আসন্ন?

১৯৮৪ সালে, আমেরিকান অ্যাসোসিয়েশন অফ কৃত্রিম বুদ্ধিমত্তা (পরবর্তীকালে অ্যাসোসিয়েশন ফর অ্যাডভান্সমেন্ট অফ কৃত্রিম বুদ্ধিমত্তার নামকরণ করা) ব্যবসায়ী সম্প্রদায়কে সতর্ক করে দিয়েছিল যে এআইকে ঘিরে হাইপ এবং উত্সাহ অবশেষে হতাশার দিকে পরিচালিত করবে। শীঘ্রই, এআইয়ের বিনিয়োগ এবং আগ্রহ হ্রাস পেয়েছে, এটি এমন একটি যুগের দিকে পরিচালিত করে যা "এআই শীতকালীন" নামে পরিচিত।

২০১০ এর দশকের গোড়ার দিক থেকে, ক্ষেত্রটিতে আগ্রহ এবং বিনিয়োগ আবার বাড়ছে। কিছু বিশেষজ্ঞরা আশঙ্কা করছেন যে যদি এআই অ্যাপ্লিকেশনগুলি দক্ষতার বাইরে চলে যায় এবং প্রত্যাশা পূরণ করতে ব্যর্থ হয়, তবে অন্য একটি শীতকালীন শীত আসতে পারে। তবে আমরা যে বিশেষজ্ঞদের সাথে কথা বলেছি তারা বিশ্বাস করে যে এআই এর পদক্ষেপগুলি প্রত্যাহার করতে ইতিমধ্যে আমাদের জীবনে খুব সংহত হয়ে পড়েছে।

"আমি মনে করি না যে আমরা আগের মতো একটি এআই শীতের ঝুঁকিতে আছি কারণ এআই এখন কেবল অনুমানিক মান নয়, প্রকৃত মূল্য প্রদান করছে, " মুগান বলেছেন। "তবে, আমরা যদি সাধারণ মানুষকে বলতে থাকি যে কম্পিউটারগুলি মানুষের মতো স্মার্ট, তবে আমরা একটি প্রতিক্রিয়া ঝুঁকির মুখোমুখি করব। আমরা উপলব্ধি করার জন্য গভীর শিক্ষার ব্যবহার না করে ফিরে যাব না, তবে 'এআই' শব্দটি পরিপূর্ণ হতে পারে, এবং আমরা একে অন্য কিছু বলতে হবে"

নিশ্চিতরূপে যে খুব কমপক্ষে, বিভ্রান্তির একটি যুগ আমাদের সামনে দাঁড়িয়েছে। আমরা বিভিন্ন ক্ষেত্রে এআই এর বর্তমান সংমিশ্রণগুলিতে কতটা নির্ভর করতে পারি তা শিখতে চলেছি।

"আমি যা দেখতে পাচ্ছি তা হ'ল কিছু সংস্থা আগের ম্যানুয়াল এবং ব্যয়বহুল পরিষেবার জন্য তারা কত দ্রুত এআই সরবরাহ করতে পারে তা নিয়ে আনন্দিতভাবে বিস্মিত হয়েছিল এবং অন্যান্য সংস্থাগুলি এটি খুঁজে পেতে যাচ্ছেন যে তারা যথেষ্ট পরিমাণে ডেটা সংগ্রহ করতে প্রত্যাশার চেয়ে বেশি সময় নেয় takes আর্থিকভাবে টেকসই, "Kindred.ai এর কোফাউন্ডার এবং গবেষণা প্রধান জেমস বার্গস্ট্রা বলেছেন। "যদি এখানে অনেকগুলি পরে থাকে এবং পূর্বের পর্যাপ্ত পরিমাণ না থাকে তবে এটি বিনিয়োগকারীদের মধ্যে আরও একটি এআই শীতকে ট্রিগার করতে পারে।"

• কৃত্রিম বুদ্ধিমত্তার একটি বায়াস সমস্যা রয়েছে এবং এটি আমাদের ফল্ট কৃত্রিম বুদ্ধিমত্তার একটি বায়াস সমস্যা রয়েছে এবং এটি আমাদের ত্রুটি
• গেম খেলতে এআই শেখানো কেন গুরুত্বপূর্ণ গেমগুলিতে এআই শেখানো কেন গুরুত্বপূর্ণ
• এআই বিশাল সম্ভাব্যতার অফার দেয়, তবে এটি রাতারাতি ঘটবে না এআই বিশাল সম্ভাব্যতার অফার দেয়, তবে এটি রাতারাতি ঘটবে না

জিওপকসের মার্শ ভবিষ্যদ্বাণী করেছেন যে তহবিল হ্রাস পাবে না, এর গতিশীলতায় কিছু সামঞ্জস্য থাকবে। বিনিয়োগকারীরা যেহেতু বুঝতে পেরেছেন যে প্রকৃত দক্ষতা বিরল এবং কেবলমাত্র যারা মডেলগুলিকে প্রশিক্ষণের জন্য ডেটা অ্যাক্সেস করেছেন তাদেরাই শিল্পের মধ্যে পার্থক্য রাখবেন, বাজারে একটি বৃহত একীকরণ হবে এবং খুব কম স্টার্টআপগুলি অর্থায়ন পাবে get

"কুলুঙ্গি বাজার অ্যাপ্লিকেশন বা বিপুল পরিমাণে ডেটা ছাড়াই অনেকগুলি এআই স্টার্টআপগুলির জন্য: শীতকাল আসছে, " মার্শ শেষ করেছেন।