Chapter 1 of 18
Three words people mix up constantly — untangled for good
মানুষ এখন পর্যন্ত যত টেকনোলজি বানিয়েছে, প্রতিটাই আসলে কোনো না কোনো সীমাবদ্ধতা দূর করার জন্য বানানো হয়েছে। চাকা তৈরি হয়েছিল যাতে মানুষের শরীর তার সাধ্যের চেয়ে বেশি ভার বহন করতে পারে। টেলিস্কোপ তৈরি হয়েছিল যাতে মানুষের চোখ তার স্বাভাবিক সীমার চেয়ে অনেক দূরে দেখতে পারে। Artificial Intelligence বা AI তৈরি হয়েছে একদম ভিন্ন এবং আরও পুরনো একটা সীমাবদ্ধতা দূর করতে — মানুষ কতটা চিন্তা করতে পারে, কত দ্রুত, আর কত বড় স্কেলে।
একবার ভাবুন, একটা সাধারণ সিদ্ধান্ত নেওয়ার আগেই আপনি কত কিছু করেন — কারো মুখ চিনে ফেলা, হাতের লেখা পড়া, একটা বাক্যের মানে বোঝা, আজ বৃষ্টি হবে কিনা আন্দাজ করা, ট্র্যাফিক এড়াতে কোন রাস্তা ভালো হবে সেটা বেছে নেওয়া। মানব ইতিহাসের বেশিরভাগ সময় ধরে এই কাজগুলো শুধু মস্তিষ্কই করতে পারত, কারণ এগুলোর জন্য কোনো একটা পরিষ্কার, ফিক্সড নিয়ম নেই। "একটা বিড়াল দেখতে কেমন" — এটার জন্য কোনো সূত্র লেখা যায় না, যেভাবে একটা বৃত্তের ক্ষেত্রফলের সূত্র লেখা যায়।
অন্যদিকে কম্পিউটার সবসময় ঠিক উল্টো ধরনের কাজে দুর্দান্ত — যেকোনো কিছু যা আপনি একটা এক্সাক্ট, ধাপে-ধাপে নিয়মে রূপান্তর করতে পারবেন। এই সংখ্যাগুলো যোগ করো। এই লিস্টটা সাজাও। পাসওয়ার্ড মিলছে কিনা চেক করো। একটা ক্যালকুলেটর কখনো ক্লান্ত হয় না, অংকে ভুল করে না, আর মানুষের চেয়ে বিলিয়ন গুণ দ্রুত কাজ করে — কিন্তু শুধু সেই কাজেই, যেটা আগে থেকেই কেউ পুরোপুরি একটা নিয়ম হিসেবে লিখে দিয়েছে।
AI ঠিক এই দুই জগতের মাঝখানের ফাঁকটা পূরণ করার জন্য তৈরি হয়েছে। এটা মূলত কয়েক দশক ধরে একটা প্রশ্নের উত্তর খোঁজার চেষ্টা: এমন কোনো মেশিন কি বানানো সম্ভব, যেটা সেই ধরনের চিন্তা করতে পারবে যেখানে কোনো পরিষ্কার নিয়ম নেই? একটা ভীড়ের মধ্যে ফোনে বন্ধুর গলা চিনে ফেলা। এমন দুটো ভাষার মধ্যে অনুবাদ করা যেগুলোর শব্দ-বাই-শব্দ মিল নেই। একটা এক্স-রে দেখে রোগ ধরা। এগুলোর কোনোটার জন্যই এমন সূত্র নেই যেটা একজন প্রোগ্রামারকে দিয়ে বলা যায়, "এটা সরাসরি কোড করে ফেলো।" AI হলো সেই ফিল্ড, যেটা ঠিক এই ধরনের সমস্যা সামলানোর জন্য বানানো হয়েছে — আর এই চ্যাপ্টারের বাকি অংশ আসলে সেই ফাঁকটা পূরণ করার জন্য মানুষ যেসব ভিন্ন ভিন্ন কৌশল চেষ্টা করেছে, তারই একটা বর্ণনা।
Artificial Intelligence (AI) এই চ্যাপ্টারের তিনটা শব্দের মধ্যে সবচেয়ে ব্যাপক (broadest), আর এটাকে ঢিলেঢালাভাবে সংজ্ঞায়িত করা সহজ, কিন্তু নিখুঁতভাবে সংজ্ঞায়িত করা কঠিন। একটা সংজ্ঞা যেটা মোটামুটি সবসময় খাটে: AI হলো এমন মেশিন বানানোর ফিল্ড, যেগুলো সেই কাজগুলো করতে পারে যা সাধারণত মানুষের বুদ্ধিমত্তা লাগে।
এই সংজ্ঞাটা ইচ্ছাকৃতভাবেই ব্যাপক, কারণ "মানুষের বুদ্ধিমত্তা" জিনিসটাই অনেক কিছু কভার করে — প্যাটার্ন চেনা, অনিশ্চয়তার মধ্যে সিদ্ধান্ত নেওয়া, ভাষা বোঝা, কয়েক ধাপ আগে থেকে পরিকল্পনা করা, অভিজ্ঞতা থেকে শেখা। AI হলো সেই ছাতা বা umbrella, যেটার নিচে যেকোনো কৌশল আসে যা মেশিনকে এসবের যেকোনো একটা করাতে সাহায্য করে — সেটা ভেতরে ভেতরে কীভাবে বানানো হয়েছে সেটা বিবেচ্য না।
এখানে একটা জিনিস আছে যেটা বেশিরভাগ নতুনদের অবাক করে: AI-এর জন্য "শেখা" বা learning একদমই বাধ্যতামূলক না। ১৯৯০ দশকের একটা দাবা খেলার প্রোগ্রাম, যেটা লক্ষ লক্ষ সম্ভাব্য চাল পরীক্ষা করে আর একটা হাতে-লেখা স্কোরিং নিয়ম দিয়ে সেরা চালটা বেছে নেয় — এটা সত্যিকারের AI, কারণ এটা এমন একটা কাজ (বিশ্বমানের দাবা খেলা) করছে যেটার জন্য মানুষের বুদ্ধিমত্তা লাগে, যদিও এটা কখনোই মানুষের মতো ডেটা থেকে "শেখে" না। একইভাবে, একটা সাধারণ rule-based সিস্টেম যেটা একটা ফিক্সড চেকলিস্ট দিয়ে লোন অনুমোদনের সিদ্ধান্ত নেয় ("যদি আয় > X হয় আর বর্তমান ঋণ < Y হয়, তবে অনুমোদন করো") — এটাও ধ্রুপদী অর্থে AI, যদিও এটা শুধু একজন প্রোগ্রামারের হাতে লেখা if-else নিয়মের একটা সেট মাত্র।
Rule-based AI
একজন বিশেষজ্ঞ মানুষ হাতে করে এক্সাক্ট নিয়ম লিখে দেন (যেমন, একটা চেস ইঞ্জিনের ওপেনিং বই, বা ট্যাক্স ফাইল করার চেকলিস্ট)। মেশিনের কোনো ডেটা লাগে না, কিছুই শেখে না — শুধু যেভাবে লেখা আছে ঠিক সেভাবে লজিক চালায়।
Search-based AI
মেশিনটা অনেকগুলো সম্ভাব্য ফলাফল খুঁজে দেখে আর একটা স্কোরিং ফাংশন দিয়ে সবচেয়ে ভালোটা বেছে নেয় (যেমন, একটা GPS অ্যাপের রুট খোঁজা, বা চেস ইঞ্জিনের ভবিষ্যৎ পজিশন মূল্যায়ন করা)।
Learning-based AI
মেশিনকে সরাসরি নিয়ম বলে দেওয়ার বদলে অনেক উদাহরণ দেখানো হয়, আর এটা নিজেই ডেটার প্যাটার্ন থেকে নিজের নিয়ম বের করে নেয়। এটাই Machine Learning — পরের সেকশনে বিস্তারিত।
তাহলে AI-কে বোঝার সবচেয়ে ভালো উপায় হলো এটাকে একটা লক্ষ্য (goal) হিসেবে দেখা, কোনো পদ্ধতি (method) হিসেবে না। লক্ষ্যটা হলো "মেশিনকে বুদ্ধিমানের মতো আচরণ করানো।" নিয়ম লেখা, সার্চ অ্যালগরিদম, আর ডেটা থেকে শেখা — এই তিনটা হলো ভিন্ন ভিন্ন সময়ে মানুষ যে পদ্ধতিগুলো ব্যবহার করেছে সেই লক্ষ্যে পৌঁছানোর জন্য। Machine Learning, যেটা পরের সেকশনে দেখবেন, সেটা মূলত সেই পদ্ধতি যেটা বাস্তব জগতের বেশিরভাগ জটিল আর অগোছালো সমস্যার জন্য সবচেয়ে ভালো কাজ করেছে — আর ঠিক এই কারণেই আজকের AI নিয়ে আলোচনায় এটাই সবচেয়ে বেশি শোনা যায়।
কেউ যদি বলে "এই অ্যাপটা AI ব্যবহার করে," তাহলে এই এক কথায় কিন্তু এটা কীভাবে কাজ করে সেটা প্রায় কিছুই বোঝা যায় না। এটা একটা হাতে লেখা রুলবুক হতে পারে, একটা সার্চ অ্যালগরিদম হতে পারে, অথবা একটা ট্রেইনড নিউরাল নেটওয়ার্ক হতে পারে। "AI" গন্তব্যটা বোঝায়, বাহনটা না।
Machine Learning (ML) হলো AI বানানোর একটা নির্দিষ্ট উপায়: একজন মানুষ হাতে করে নিয়ম লেখার বদলে, মেশিনকে প্রচুর উদাহরণ দেখানো হয়, আর সে সেই ডেটার মধ্যে প্যাটার্ন খুঁজে বের করে নিজেই নিয়মগুলো শিখে নেয়।
আগের লোন-অনুমোদনের উদাহরণে ফিরে যাই। rule-based AI সিস্টেমের জন্য একজন মানুষকে বসে এক্সাক্ট কাটঅফ ঠিক করতে হয়েছিল: আয় X-এর ওপরে, ঋণ Y-এর নিচে। সেই মানুষটাকে এই সংখ্যাগুলো অনুমান করতে হয়, আর সেই অনুমান প্রায়ই ভুল হয়, অথবা ২০১৫ সালের ডেটার জন্য কাজ করলেও ২০২৪ সালে মানুষের আর্থিক অভ্যাস বদলে যাওয়ার পর আর কাজ করে না।
একটা Machine Learning সিস্টেম এটা একদমই ভিন্নভাবে করে। আপনি "যদি আয় > X" লেখেন না। এর বদলে, আপনি সিস্টেমটাকে হাজার হাজার আগের লোন আবেদন দেন, প্রতিটাতে আসলে কী হয়েছিল সেটার লেবেল লাগানো — শোধ হয়েছে নাকি খেলাপি হয়েছে। সিস্টেমটা এই উদাহরণগুলো স্টাডি করে আর নিজে থেকেই বের করে ফেলে যে আয়, ঋণ, ক্রেডিট হিস্ট্রি, আর আরও এক ডজন ফিচারের কোন কম্বিনেশনগুলো শোধ হওয়ার সম্ভাবনা বেশি নির্দেশ করে। কেউ এটাকে থ্রেশহোল্ড বলে দেয় না। এটা নিজেই একটা খুঁজে বের করে।
লেবেল করা উদাহরণ সংগ্রহ করুন
আগের লোন আবেদনগুলো, প্রতিটাতে আসল ফলাফল ট্যাগ করা (শোধ হয়েছে নাকি খেলাপি হয়েছে)।
একটা লার্নিং অ্যালগরিদমে দিন
অ্যালগরিদমটা ইনপুট আর ফলাফলের মধ্যে পরিসংখ্যানগত প্যাটার্ন খুঁজে বের করে।
অ্যালগরিদমটা একটা মডেল তৈরি করে
শেখা ওয়েট/নিয়মের একটা সেট যেটা সেই প্যাটার্নগুলো ধরে রাখে — এটা কোনো মানুষ হাতে লেখেনি।
নতুন, অদেখা ডেটার ওপর মডেলটা ব্যবহার করুন
একদম নতুন একজন আবেদনকারীর জন্য, মডেলটা যা শিখেছে তার ভিত্তিতে একটা ফলাফল অনুমান করে।
এটাই ML-এর মূল পরিবর্তন যা এটাকে সংজ্ঞায়িত করে: নিয়মগুলো ডেটা থেকে আবিষ্কার হয়, কোনো মানুষ লিখে দেয় না। এই একটা ধারণাই গত দুই দশকে ML-কে AI বানানোর প্রধান উপায় বানিয়েছে — বেশিরভাগ বাস্তব সমস্যার জন্য (স্প্যাম চেনা, রিকমেন্ডেশন সিস্টেম, প্রতারণা ধরা, কণ্ঠস্বর চেনা), আসলে কেউই একটা পরিষ্কার, এক্সাক্ট নিয়ম জানে না যেটা সমস্যাটা সমাধান করে দেয়। "কোনটা স্প্যাম ইমেইল বানায়" তার জন্য এমন কোনো সূত্র নেই যেটা সব কেস কভার করে। কিন্তু প্রচুর ডেটা আছে — লক্ষ লক্ষ লেবেল করা ইমেইল — আর ML হলো সেই জিনিস যেটা এই ডেটাকে একটা কার্যকর সিস্টেমে রূপান্তর করে।
ট্র্যাডিশনাল প্রোগ্রামিং: আপনি কম্পিউটারকে নিয়ম + ডেটা দেন, সে আপনাকে উত্তর দেয়। Machine Learning: আপনি কম্পিউটারকে ডেটা + উত্তর (লেবেল করা উদাহরণ) দেন, সে আপনাকে নিয়ম দেয়।
এটা জানা ভালো যে ML নিজেই একটা একক কৌশল না — এটা একটা পুরো পরিবার। কিছু ML মডেল খুবই সাধারণ, যেমন ডেটা পয়েন্টের মধ্য দিয়ে একটা সরলরেখা বসানো (linear regression)। অন্যগুলোতে ডিসিশন ট্রি থাকে, বা এমন অ্যালগরিদম থাকে যেগুলো কোনো লেবেল ছাড়াই একই ধরনের ডেটা পয়েন্টগুলোকে একসাথে গ্রুপ করে (clustering)। ML কৌশলগুলোর একটা নির্দিষ্ট পরিবার — যেটা মস্তিষ্কের নিউরনগুলো কীভাবে একে অপরের সাথে সংযুক্ত থাকে তা দেখে হালকাভাবে অনুপ্রাণিত — এতটাই শক্তিশালী, আর স্কেল করার দিক থেকে এতটাই আলাদা যে, এটা নিজের একটা আলাদা নাম পেয়ে গেছে: Deep Learning।
Deep Learning (DL) হলো Machine Learning-এর একটা সাবফিল্ড, যেটা একটা নির্দিষ্ট ধরনের মডেল ব্যবহার করে, যাকে বলে নিউরাল নেটওয়ার্ক (neural network) — আর নির্দিষ্টভাবে বললে, এমন একটা নেটওয়ার্ক যেটাতে অনেকগুলো লেয়ার স্তরে স্তরে সাজানো থাকে — সেই স্তরে স্তরে সাজানো থেকেই "deep" বা "গভীর" শব্দটা এসেছে।
এখানে মূল অন্তর্দৃষ্টিটা এরকম। একটা একক আর্টিফিশিয়াল নিউরন শুধু একটামাত্র সরলরেখার ডিসিশন বাউন্ডারি আঁকতে পারে — কাজে লাগে, কিন্তু সীমিত (এই প্ল্যাটফর্মের পরবর্তী কোর্সগুলোতে ঠিক কেন এমন হয় সেটা বিস্তারিত দেখবেন)। অনেক নিউরনকে একটা লেয়ারে স্তূপ করুন, আর অনেক লেয়ারকে একটার ওপর আরেকটা বসান — তখন একটা মজার জিনিস ঘটে: প্রতিটা লেয়ার আগের লেয়ার যে প্যাটার্নগুলো খুঁজে পেয়েছে, তার ওপর ভিত্তি করে ক্রমশ আরও বিমূর্ত (abstract) প্যাটার্ন চিনতে শেখে।
ইমেজ রিকগনিশন এখানে সবচেয়ে ক্লাসিক উদাহরণ:
| লেয়ারের গভীরতা | এটা সাধারণত যা চিনতে শেখে |
|---|---|
| লেয়ার ১ (অগভীর) | সাধারণ প্রান্ত (edges), কোণ, আর রঙের ছোপ |
| লেয়ার ২ | প্রান্তগুলোর কম্বিনেশন — টেক্সচার, সাধারণ আকার যেমন বৃত্ত বা বাঁক |
| লেয়ার ৩ | বস্তুর অংশ — একটা চোখ, একটা চাকা, একটা গোঁফ |
| লেয়ার ৪ (গভীর) | পুরো বস্তু — একটা মুখ, একটা গাড়ি, একটা বিড়াল |
কোনো মানুষ কখনো নেটওয়ার্ককে বলে দেয় না, "একটা চোখ দেখতে এরকম হয়।" নেটওয়ার্কটা শুধু লক্ষ লক্ষ লেবেল করা ছবি দেখেই নিজে থেকে বের করে ফেলে যে চোখের মতো প্যাটার্ন চেনা মুখ সঠিকভাবে চেনার জন্য একটা কাজের মাঝপথের ধাপ। এই স্বয়ংক্রিয়ভাবে কাজের ইন্টারমিডিয়েট ফিচার আবিষ্কার করাটাই সবচেয়ে বড় জিনিস যা Deep Learning-কে পুরনো ধাঁচের Machine Learning থেকে আলাদা করে।
পুরনো ধাঁচের ML কৌশলগুলোতে সাধারণত আগে একজন মানুষ বিশেষজ্ঞের হাতে "ফিচার" ডিজাইন করা লাগত — যেমন, কোনো ছবিতে প্রান্তের তীক্ষ্ণতা বা রঙের হিস্টোগ্রাম মাপার কোড হাতে লিখে, তারপর একটা সাধারণ ML মডেলকে সেই হাতে-বানানো সংখ্যাগুলো ব্যবহার করতে দেওয়া হতো। Deep Learning প্রায় পুরোপুরি এই ধাপটা সরিয়ে দিয়েছে: যথেষ্ট raw ডেটা (raw পিক্সেল, raw অডিও, raw টেক্সট) আর যথেষ্ট লেয়ার দিলে, এটা নিজেই কাজের ফিচার শিখে নেয়। যথেষ্ট ডেটা আর কম্পিউটিং পাওয়ার সহজলভ্য হওয়ার পর DL এত জনপ্রিয় হয়ে ওঠার এটাই একটা বড় কারণ।
Deep Learning-এর কারণেই ভয়েস অ্যাসিস্ট্যান্টগুলো স্বাভাবিক কথা বুঝতে পারে, ফটো অ্যাপগুলো আপনার কুকুরের ছবি খুঁজে বের করতে পারে কোনো ট্যাগ ছাড়াই, আর গত এক দশকে ভাষা অনুবাদ অনেক ভালো হয়ে গেছে। এটা কোনো জাদু না — এটা সেই একই মূল ML ধারণা (লেবেল করা উদাহরণ থেকে শেখা), শুধু একটা মডেল আর্কিটেকচারের (স্তরে স্তরে সাজানো লেয়ার) মধ্য দিয়ে প্রয়োগ করা, যেটা কাঁচা, অগোছালো, উচ্চ-মাত্রার ডেটা যেমন ছবি, অডিও, আর টেক্সটে গঠন খুঁজে বের করতে দারুণ পারদর্শী।
এতক্ষণে এই তিনটার সম্পর্কটা এমনিতেই স্বাভাবিক মনে হওয়ার কথা, কিন্তু এটা সরাসরি বলে দেওয়াটাও কাজে দেয়: এই তিনটা শব্দ তিনটা আলাদা জিনিস পাশাপাশি বসে নেই — এগুলো একটার ভেতরে আরেকটা বসানো, ঠিক রাশিয়ান ডল বা matryoshka পুতুলের মতো।
একটা বাক্যে পুরো নেস্টিংটা
Deep Learning আসলে এক ধরনের Machine Learning, আর Machine Learning আসলে এক ধরনের Artificial Intelligence। প্রতিটা Deep Learning সিস্টেমই Machine Learning। প্রতিটা Machine Learning সিস্টেমই AI। কিন্তু প্রতিটা AI সিস্টেম Machine Learning না, আর প্রতিটা ML সিস্টেম Deep Learning না।
| Artificial Intelligence | Machine Learning | Deep Learning | |
|---|---|---|---|
| পরিধি | সবচেয়ে ব্যাপক — মেশিনকে বুদ্ধিমান বানানোর যেকোনো কৌশল | AI-এর একটা সাবসেট — নির্দিষ্টভাবে, ডেটা থেকে নিয়ম শেখা | ML-এর একটা সাবসেট — নির্দিষ্টভাবে, মাল্টি-লেয়ার নিউরাল নেটওয়ার্কের মাধ্যমে শেখা |
| লেবেল করা ডেটা লাগে কি? | সবসময় লাগে না | সাধারণত লাগে | সাধারণত লাগে, আর সাধারণত অনেক বেশি |
| মানুষকে হাতে নিয়ম বা ফিচার ডিজাইন করা লাগে কি? | হ্যাঁ, যদি rule-based হয় | মাঝে মাঝে (যেমন ডিসিশন ট্রির মতো ক্লাসিক ML-এর জন্য) | খুব কম — নিজে থেকেই ফিচার শেখে |
| উদাহরণ | হাতে-লেখা সার্চ নিয়ম ব্যবহার করা একটা চেস ইঞ্জিন | স্কয়ার ফুটেজ আর লোকেশন থেকে বাড়ির দাম অনুমান করা একটা ডিসিশন ট্রি | ছবিতে মুখ চেনা একটা নিউরাল নেটওয়ার্ক |
নতুনদের একটা কমন ভুল হলো এগুলোকে প্রতিযোগী অপশন হিসেবে ধরে নেওয়া, যেন একটা বেছে নিতেই হবে। কিন্তু এগুলোর সম্পর্ক এভাবে না — "AI নাকি ML ব্যবহার করব?" জিজ্ঞেস করাটা অনেকটা "যানবাহন নাকি গাড়ি ব্যবহার করব?" জিজ্ঞেস করার মতো। ML হলো AI করার একটা নির্দিষ্ট উপায়, আর DL হলো ML করার একটা নির্দিষ্ট উপায়।
যেহেতু এই তিনটা শব্দ ভিন্ন ভিন্ন অ্যাপ্লিকেশন না বরং ভিন্ন ভিন্ন নির্দিষ্টতার লেভেল বোঝায়, তাই কিছু পরিচিত উদাহরণের ক্ষেত্রে "এই সিস্টেমে আসলে কোনটা কাজটা করছে?" এই প্রশ্নটা জিজ্ঞেস করাই বেশি কাজের।
GPS রুট প্ল্যানিং
বেশিরভাগটাই ক্লাসিক AI (সম্ভাব্য রুট খুঁজে বের করার সার্চ অ্যালগরিদম), প্রায়ই এর ওপর একটা ML মডেল বসানো থাকে যেটা পুরনো ডেটা থেকে ট্র্যাফিকের অবস্থা অনুমান করে।
ইমেইল স্প্যাম ফিল্টার
ক্লাসিক Machine Learning — সিস্টেমটা লক্ষ লক্ষ লেবেল করা ইমেইল স্টাডি করে আর পরিসংখ্যানগত প্যাটার্ন শেখে যা স্প্যামকে আসল মেইল থেকে আলাদা করে।
ভয়েস অ্যাসিস্ট্যান্ট (Siri, Google Assistant)
Deep Learning — নিউরাল নেটওয়ার্ক raw অডিওকে টেক্সটে রূপান্তর করে, আর আরও মডেল শব্দগুলোর পেছনের উদ্দেশ্য বোঝে।
Netflix / YouTube রিকমেন্ডেশন
একটা মিশ্রণ — সহজ প্যাটার্নের জন্য ক্লাসিক ML কৌশল, আর ভিডিও/অডিও কনটেন্ট নিজেই বোঝার জন্য ডিপ নিউরাল নেটওয়ার্ক।
মেডিকেল ইমেজ ডায়াগনসিস (এক্স-রে, MRI)
Deep Learning — হাজার হাজার লেবেল করা স্ক্যানে ট্রেইন করা convolutional নিউরাল নেটওয়ার্ক, যেগুলো এমন সূক্ষ্ম প্যাটার্ন ধরতে পারে যা হাতে-লেখা নিয়মের জন্য অনেক সূক্ষ্ম।
দাবা আর গো ইঞ্জিন
ক্লাসিক AI (সম্ভাব্য ভবিষ্যৎ চাল খুঁজে দেখার সার্চ) আর Deep Learning-এর (একটা পজিশন কতটা ভালো তা মূল্যায়ন করা নিউরাল নেটওয়ার্ক) মিশ্রণ।
একটা প্যাটার্ন লক্ষ্য করুন: একটা কাজ যত কাঁচা, অগোছালো, উচ্চ-মাত্রার ইনপুটের কাছাকাছি যায় — ছবি, অডিও ওয়েভফর্ম, প্রাকৃতিক ভাষা — Deep Learning তত বেশি প্রাধান্য পায়, কারণ এই ধরনের ডেটায় স্বয়ংক্রিয়ভাবে গঠন খুঁজে বের করাতে এটা বিশেষভাবে দক্ষ। যেসব কাজে বেশি গোছানো, tabular ডেটা থাকে, একটা পরিষ্কার সেট মাপা-যাওয়া ফিচারসহ (আয়, স্কয়ার ফুটেজ, কার্টে থাকা আইটেমের সংখ্যা), সেখানে ক্লাসিক Machine Learning প্রায়ই বেশি সহজ, দ্রুত, চালানো সস্তা, আর একই রকম নির্ভুল। আর যেখানে একটা কাজ সত্যিই পরিষ্কার লজিক্যাল নিয়ম বা সম্পূর্ণ সার্চ দিয়ে সমাধান করা যায়, সেখানে কোনো লার্নিং ছাড়াই সাধারণ AI কৌশল ঠিকমতোই কাজটা করে দেয় — GPS রুটিং এর সবচেয়ে পরিষ্কার প্রতিদিনের উদাহরণ।
এটা ঠিক না। প্রতিদিনের ব্যবহারে অনেক AI-তেই — GPS রুটিং, শুধু কীওয়ার্ড মিলিয়ে চলা বেসিক চ্যাটবট, rule-based প্রতারণা চেক — কোনো নিউরাল নেটওয়ার্ক নেই, কোনো লার্নিংও নেই। "AI" পুরো ফিল্ডটার জন্য ব্যবহৃত ছাতা শব্দ, নিউরাল নেটওয়ার্কের প্রতিশব্দ না।
Deep Learning আসলে Machine Learning-এর একটা সাবসেট, এর প্রতিশব্দ না। একটা সাধারণ linear regression মডেল বা ডিসিশন ট্রি হলো Machine Learning, কিন্তু এটা Deep Learning না — এটা মোটেও কোনো মাল্টি-লেয়ার নিউরাল নেটওয়ার্ক ব্যবহার করে না।
Deep Learning মডেলগুলো ভালোভাবে ট্রেইন হতে সাধারণত প্রচুর পরিমাণ লেবেল করা ডেটা আর যথেষ্ট কম্পিউটিং পাওয়ার লাগে। ছোট, গোছানো একটা ডেটাসেটের জন্য — ধরুন, ৫০০টা আগের বিক্রি থেকে বাড়ির দাম অনুমান করা, প্রতিটাতে ৫টা ফিচার — একটা ক্লাসিক ML মডেল যেমন ডিসিশন ট্রি প্রায়ই একই রকম ভালো পারফর্ম করে, ঘণ্টার বদলে সেকেন্ডে ট্রেইন হয়, আর বোঝা ও ডিবাগ করাও অনেক সহজ।
একটা ML বা DL মডেল তাকে যা দেখানো হয়েছে তার মধ্যে পরিসংখ্যানগত প্যাটার্ন খুঁজে পায় — এটা মানুষের মতো যুক্তি দেয় না, অর্থ বোঝে না, বা বিশ্বাস রাখে না। ৯৯% নির্ভুল একটা স্প্যাম ফিল্টার "জানে না" স্প্যাম আসলে কী; এটা শুধু শিখেছে কোন শব্দের প্যাটার্ন তার ট্রেনিং ডেটায় স্প্যাম লেবেলের সাথে পরিসংখ্যানগতভাবে সম্পর্কিত। এই পার্থক্যটা গুরুত্বপূর্ণ হয়ে ওঠে যখন একটা মডেল এমন একটা অস্বাভাবিক উদাহরণে আত্মবিশ্বাসের সাথে ভুল করে, যেটার মতো কিছু ট্রেনিংয়ের সময় সে কখনো দেখেনি।