লাভ:
- কৃত্রিম বুদ্ধিমত্তা, মেশিন লার্নিং এবং বড় ভাষা মডেলের ধারণাগুলির মধ্যে পার্থক্য করতে পারে
- প্রথাগত সফ্টওয়্যার থেকে এই প্রযুক্তিগুলি কীভাবে আলাদা তা ব্যাখ্যা করুন
- দৈনন্দিন ব্যবসায়িক জীবনে সম্মুখীন AI উদাহরণ চিনতে পারে
সাম্প্রতিক বছরগুলিতে, "কৃত্রিম বুদ্ধিমত্তা" শব্দটি সর্বত্র রয়েছে: খবরে, বিজ্ঞাপনে, ব্যবসায়িক মিটিংয়ে, এমনকি আপনি যে ফোনটি ব্যবহার করেন তার ক্যামেরাতেও। কিন্তু এটা ঠিক কি মানে? এই ইউনিটটি মূল বিষয়গুলি থেকে, পরিভাষায় ডুবে না গিয়ে এবং এটিকে আপনার ব্যবসায়িক জীবনের সাথে সংযুক্ত করে ব্যাখ্যা করে৷ উদ্দেশ্য তোমাকে ইঞ্জিনিয়ার বানানো নয়; আপনাকে একজন সচেতন ব্যবহারকারী তৈরি করতে যিনি বুঝতে পারেন যে আপনি কী সরঞ্জামগুলি ব্যবহার করেন এবং কেন তারা যা করে তা করে। কারণ আপনি একটি যানবাহনকে যত ভালভাবে জানেন, তত নিরাপদ এবং আরও দক্ষ আপনি এটি ব্যবহার করবেন।
আপনি প্রায়শই তিনটি ধারণাকে পরস্পর যুক্ত শুনতে পান: কৃত্রিম বুদ্ধিমত্তা, মেশিন লার্নিং এবং বড় ভাষা মডেল। এগুলো একই জিনিস নয়; তারা ক্রমবর্ধমান রিং সংকীর্ণ হয়, অন্য ভিতরে একটি. এখন প্রতিদিনের উদাহরণ দিয়ে একে একে ব্যাখ্যা করা যাক।
তিনটি ধারণা, তিনটি ইন্টারলকিং রিং
কৃত্রিম বুদ্ধিমত্তা (AI): এটি একটি বিস্তৃত ক্ষেত্রের সাধারণ নাম যা কম্পিউটারগুলিকে এমন কাজগুলি সম্পাদন করতে সক্ষম করে যার জন্য সাধারণত মানুষের বুদ্ধিমত্তার প্রয়োজন হয় (বোঝা, সিদ্ধান্ত গ্রহণ, স্বীকৃতি, ভাষা ব্যবহার)। একটি দাবা প্রোগ্রাম, একটি অনুবাদ অ্যাপ্লিকেশন এবং একটি ভয়েস সহকারীও এই ছাতার অধীনে রয়েছে।
মেশিন লার্নিং (ML): এটি কৃত্রিম বুদ্ধিমত্তার সবচেয়ে সাধারণ উপ-শাখা। এখানে, আমরা কম্পিউটারে একের পর এক নিয়ম লিখি না; আমরা তাকে প্রচুর নমুনা দেখাই এবং সে নিজেই নমুনার প্যাটার্নটি বেছে নেয়। তাই নাম "মেশিন লার্নিং": মেশিন উদাহরণ থেকে শেখে।
লার্জ ল্যাঙ্গুয়েজ মডেল (LLM): এটি একটি বিশেষ ধরনের মেশিন লার্নিং যা টেক্সটে বিশেষজ্ঞ। এটি কোটি কোটি বাক্য দিয়ে প্রশিক্ষিত হয়; এটি ভাষা বোঝা, উত্পাদন, সংক্ষিপ্তকরণ এবং অনুবাদের মতো কাজে ব্যবহৃত হয়। এটি ChatGPT, Gemini, Claude এর মত টুলের পেছনের প্রযুক্তি। এই মডিউলের টুল, যাকে আমরা বলি "জেনারেটিভ এআই" (টেক্সট/ইমেজ জেনারেটিং এআই), বেশিরভাগই এলএলএম ভিত্তিক।
ইঙ্গিত: এটি মনে রাখবেন: AI হল সবচেয়ে বড় বাক্স, মেশিন লার্নিং হল এর ভিতরের বাক্স, এবং বৃহৎ ভাষা মডেল হল সবচেয়ে ভিতরের বাক্স। "প্রতিটি এলএলএম মেশিন লার্নিং এর একটি পণ্য এবং প্রতিটি মেশিন লার্নিং একটি এআই, কিন্তু কথোপকথন সবসময় সত্য নয়।"
ঐতিহ্যগত সফ্টওয়্যারের সাথে পার্থক্য: কে নিয়মগুলি লেখে?
এটি বোঝার জন্য সবচেয়ে গুরুত্বপূর্ণ পার্থক্য। প্রথাগত সফ্টওয়্যারে, একজন মানুষ (প্রোগ্রামার) একের পর এক নিয়ম লিখছেন: "যদি অর্ডারের পরিমাণ 500 TL ছাড়িয়ে যায়, তাহলে শিপিং বিনামূল্যে হবে।" কম্পিউটার এই নিয়ম অনুসরণ করে চিঠির কাছে, বেশি নয়, কম নয়।
মেশিন লার্নিং-এ মানুষ নিয়ম লেখে না; মডেলটি দেখানো উদাহরণ থেকে নিয়মটি নিজেই আবিষ্কার করে। উদাহরণস্বরূপ, আপনি হাজার হাজার "স্প্যাম" এবং "স্প্যাম নয়" ইমেল দেখান; মডেল নিজেই শিখেছে কোন শব্দ এবং বাক্যাংশ স্প্যাম নির্দেশ করে। কেউ একের পর এক লিখে বলে না "যদি এই শব্দটি থাকে তবে এটি স্প্যাম"।
বৈশিষ্ট্য
ঐতিহ্যগত সফটওয়্যার
মেশিন লার্নিং/এআই
কে নিয়ম করে?
মানুষ একের পর এক লেখে
মডেল উদাহরণ থেকে অনুমান
আউটপুট সবসময় একই?
একই ইনপুট → একই আউটপুট
একই ইনপুট → অনুরূপ কিন্তু পরিবর্তনশীল আউটপুট
কখন এটা শক্তিশালী হয়?
পরিষ্কার, নির্দিষ্ট নিয়মের সাথে কাজ করুন
অনেক নিদর্শন এবং কঠিন নিয়মের সাথে কাজ করে
নির্ভরযোগ্যতা
অনুমানযোগ্য, স্থির
পরিসংখ্যানগত, যাচাইকরণ প্রয়োজন
উদাহরণ
বেতনের হিসাব
ইমেল টোন উন্নত করুন
এই পার্থক্যটি হল "হ্যালুসিনেশন" এবং "যাচাই" বিষয়গুলির ভিত্তি যা আপনি পরে শিখবেন: যেহেতু মডেলটি নিজেই নিয়মটি গ্রহণ করে, এটি কখনও কখনও ভুল হয়, তাই এর আউটপুট অন্ধভাবে বিশ্বাস করা যায় না।
আপনি ইতিমধ্যে আপনার দৈনন্দিন ব্যবসা জীবনে এটি দেখতে
এআইকে নতুন কিছু মনে করবেন না; আপনি সম্ভবত এটি বছরের পর বছর ধরে ব্যবহার করছেন:
- আপনার ইমেল বক্সের স্প্যাম ফিল্টার (একটি মডেল যা শিখেছে কোন ইমেলগুলি ট্র্যাশ)৷
- আপনার ফোনের কীবোর্ড পূর্বাভাস (একটি ছোট ভাষার মডেল যা পরবর্তী শব্দের পরামর্শ দেয়)।
- আপনার ব্যাঙ্কের প্রতারণামূলক লেনদেনের সতর্কতা (যে মডেলটি অস্বাভাবিক খরচ শনাক্ত করে)।
- আপনার স্প্রেডশীট প্রোগ্রামের অটোফিল এবং পরামর্শ বৈশিষ্ট্য।
- ভিডিও এবং সঙ্গীত অ্যাপ্লিকেশনে সুপারিশ সিস্টেম.
নতুন কি এই প্রযুক্তি এখন স্বাভাবিক ভাষায় কথা বলতে পারে। সুতরাং আপনি এমনভাবে লিখুন যেন আপনি একজন বিশেষজ্ঞের সাথে কথা বলছেন এবং তিনি বোঝেন এবং উত্তর দেন। এখানেই আসল সুযোগ কর্মক্ষেত্রে।
তিনটি মিনি কেস
কেস 1 — আয়ে, অফিস ম্যানেজার। তিনি ম্যানুয়ালি প্রতি সপ্তাহে প্রায় 40টি সরবরাহকারী ইমেল শ্রেণীবদ্ধ করেন; এটি গড়ে 90 মিনিট সময় নিয়েছে। এটি কোম্পানির এআই সহকারী লেবেল ইমেলগুলিকে "জরুরি/স্বাভাবিক/তথ্য" হিসাবে রাখা শুরু করেছে। সময় কমিয়ে 20 মিনিট করা হয়েছিল; তিনি চুক্তি নিয়ন্ত্রণে সংরক্ষিত ~70 মিনিট উত্সর্গ করেছিলেন। এআই নিজেই নিয়ম শিখেছে; আয়শে একের পর এক ফিল্টার লেখেনি।
কেস 2 — মেহমেত, ফিল্ড টেকনিশিয়ান। গ্রাহক বিনামূল্যে টেক্সটে ত্রুটি রেকর্ড লিখছিলেন ("ডিভাইস গরম হয়ে যায়, মাঝে মাঝে বন্ধ হয়ে যায়")। তার ম্যানেজার এই 500টি রেকর্ড ম্যানুয়ালি পড়তে এবং শ্রেণীবদ্ধ করতে পারেনি। একটি ভাষা মডেল রেকর্ডগুলিকে "হার্ডওয়্যার/সফ্টওয়্যার/ব্যবহারকারীর ত্রুটি" হিসাবে সংক্ষিপ্ত করে এবং সবচেয়ে ঘন ঘন অভিযোগ বের করে। মডেলটি কয়েক মিনিটের মধ্যে স্কেচ করেছিল যে একজন মানুষের জন্য প্রায় 2 দিন সময় লাগবে; দল শুধু নিশ্চিত করেছে।
কেস 3 - এলিফ, অ্যাকাউন্টিং। তিনি AI একটি নতুন আইনী পাঠ্যের সারসংক্ষেপ করেছিলেন এবং 12-পৃষ্ঠার পাঠ্য থেকে নিবন্ধগুলির একটি 1-পৃষ্ঠার তালিকা নিয়েছিলেন। কিন্তু তিনি নিজেই সরকারী উত্স থেকে একটি সমালোচনামূলক শতাংশ নিশ্চিত করেছেন; কারণ এটি এমন একটি বিষয় যা সংখ্যাগত নির্ভুলতার প্রয়োজন ছিল। সুতরাং, এটি দ্রুত এবং নিরাপদে উভয়ই কাজ করেছে।
দুর্বল প্রম্পট / শক্তিশালী প্রম্পট
টুলটি জানার ফলে আপনি কীভাবে এটি জিজ্ঞাসা করেন তাও পরিবর্তন হয়। একই সহকারী থেকে দুটি ভিন্ন প্রশ্ন:
দুর্বল প্রম্পট: কৃত্রিম বুদ্ধিমত্তা কি?
ফলাফল: একটি দীর্ঘ, বিশ্বকোষীয় বর্ণনা যা আপনার জন্য নির্দিষ্ট নয়।
দৃঢ় প্রম্পট: আমি একজন নন-টেকনিক্যাল অফিস কর্মী। কৃত্রিম বুদ্ধিমত্তা, মেশিন লার্নিং এবং বড় ভাষা মডেলের মধ্যে পার্থক্য ব্যাখ্যা করুন 3টি ছোট বুলেট পয়েন্ট এবং প্রতিটির জন্য দৈনন্দিন জীবনের একটি উদাহরণ সহ। সরল তুর্কি ব্যবহার করুন।
ফলাফল: আপনার ভূমিকা, স্তর এবং উদ্দেশ্যের জন্য উপযুক্ত একটি ব্যবহারযোগ্য উত্তর। পার্থক্য: আপনি প্রসঙ্গ, দর্শক এবং বিন্যাস দিয়েছেন।
অনুলিপিযোগ্য টেমপ্লেট
আমাকে একটি প্রযুক্তি শিখতে সাহায্য করুন। বিষয়: [যেমন মেশিন লার্নিং]আমি: [আমার ভূমিকা / আমার জ্ঞানের স্তর]আমি চাই: 5টি আইটেমের একটি সহজ ব্যাখ্যা + প্রতিটি আইটেমের জন্য ব্যবসায়িক জীবনের একটি উদাহরণ + শেষে একটি 1-বাক্য "মনে রাখবেন" সারাংশ।
আমাকে দেখান যেখানে আমি দৈনন্দিন জীবনে নিম্নলিখিত ধারণার সম্মুখীন হই: ধারণা: [যেমন সুপারিশ সিস্টেম]আমাকে 5টি বাস্তবসম্মত উদাহরণ দিন এবং AI প্রতিটিতে ঠিক কী করে তা এক বাক্যে ব্যাখ্যা করুন।
এই দুটি ধারণা তুলনা করুন এবং একটি টেবিলে রাখুন: ধারণা A: [প্রথাগত সফ্টওয়্যার] ধারণা B: [মেশিন লার্নিং] কলাম: কে নিয়ম সেট করে, আউটপুট ধ্রুবক, কখন এটি শক্তিশালী, একটি উদাহরণ।
নিম্নলিখিত বাক্যটিকে এমনভাবে সরল করুন যেন এটি কোনও অ-প্রযুক্তিগত সহকর্মীকে ব্যাখ্যা করছে। যদি শব্দবন্ধ থাকে, তাহলে বন্ধনীতে একটি সংক্ষিপ্ত ব্যাখ্যা যোগ করুন। বাক্য: [এখানে পেস্ট করুন]
সাধারণ ভুল
সাধারণ ভুল
- ভাবছেন "AI = রোবট/চেতনা"। এখনকার যানবাহন মনে বা অনুভব করে না; নিদর্শন সনাক্ত করে এবং সম্ভাব্য সিক্যুয়েল তৈরি করে। এটি ভুলে যাওয়া অতিরঞ্জিত প্রত্যাশা এবং হতাশার দিকে পরিচালিত করে।
- প্রতিটি AI আউটপুটকে নিশ্চিত সত্য হিসাবে বিবেচনা করা। মডেল পরিসংখ্যানগতভাবে কাজ করে; সংখ্যা, তারিখ এবং উত্সগুলি যাচাই না করেই নির্ভুলতা প্রয়োজন এমন ব্যবহার করা ঝুঁকিপূর্ণ।
- "এই কাজটি আমার থেকে অনেক দূরে" বলে এবং কখনই চেষ্টা করে না। AI অপ্রযুক্তিগত কর্মীদের ক্লান্তিকর এবং পুনরাবৃত্তিমূলক কাজে সবচেয়ে বেশি সময় বাঁচায়। যারা চেষ্টা করে না তারা সুযোগ মিস করবে।
- প্রসঙ্গ ছাড়াই এক-শব্দের প্রশ্ন জিজ্ঞাসা করা। আপনি কে এবং আপনি কি চান তা যদি আপনি টুলটিকে না বলেন, আপনি জেনেরিক, অকেজো উত্তর পাবেন।
সতর্কতা: এআই "লার্নিং" মানুষের শেখার মত নয়। মডেলটি বিশ্বকে বোঝার মাধ্যমে নয় বরং ডেটাতে পরিসংখ্যানগত নিদর্শনগুলি ক্যাপচার করে "শিখে"৷ তাই তিনি খুব সাবলীলভাবে কথা বলতে পারেন কিন্তু তবুও একটি মৌলিক তথ্য ভুল পান। সাবলীলতা সঠিকতার কোন গ্যারান্টি নয়।
সংক্ষেপে
- কৃত্রিম বুদ্ধিমত্তা বিস্তৃত ছাতা; মেশিন লার্নিং হল এর উপ-শাখা যা উদাহরণ থেকে শেখে; বড় ভাষা মডেল (এলএলএম) হল এক ধরনের মেশিন লার্নিং যা ভাষাতে বিশেষজ্ঞ।
- প্রধান পার্থক্য: ঐতিহ্যগত সফ্টওয়্যারে, মানুষ নিয়ম লেখে; মেশিন লার্নিং-এ, মডেল উদাহরণ থেকে নিয়ম বের করে।
- AI ইতিমধ্যেই আপনার জীবনে রয়েছে: স্প্যাম ফিল্টার, কীবোর্ড পূর্বাভাস, জাল লেনদেন সতর্কতা, সুপারিশ সিস্টেম। নতুন কি এটা স্বাভাবিক ভাষায় কথা বলতে পারে।
- কারণ মডেলটি পরিসংখ্যানগতভাবে কাজ করে, এটি তরল, তবে এটি সর্বদা সঠিক নয়; এটি পরবর্তী ইউনিটগুলির জন্য ভিত্তি (হ্যালুসিনেশন, যাচাইকরণ)।
অ্যাপ্লিকেশন টাস্ক
আপনি ব্যবহার করেন এমন একটি AI টুল খুলুন এবং উপরের "শক্তিশালী প্রম্পট" টেমপ্লেট দিয়ে মেশিন লার্নিং এবং বড় ভাষা মডেলের মধ্যে পার্থক্য ব্যাখ্যা করুন। তারপর আপনার নিজের ব্যবসার 3টি জায়গা লিখুন যেখানে AI ইতিমধ্যেই ব্যবহার করা হয়েছে (বা ব্যবহার করা যেতে পারে)। প্রতিটির জন্য, "এআই এখানে ঠিক কী করতে পারে/ পারে?" এক বাক্যে প্রশ্নের উত্তর দাও।
চেকলিস্ট
- [] আমি কৃত্রিম বুদ্ধিমত্তা, মেশিন লার্নিং এবং এলএলএম-এর মধ্যে পার্থক্য করতে পারি।
- প্রথাগত সফ্টওয়্যার এবং মেশিন লার্নিংয়ের মধ্যে "নিয়ম কে লেখেন" তা আমি ব্যাখ্যা করতে পারি।
- আমি আমার দৈনন্দিন জীবনে AI এর অন্তত 3টি উদাহরণ জানি।
- [ ] প্রসঙ্গ, শ্রোতা এবং বিন্যাস দিয়ে, আমি একটি শক্তিশালী প্রশ্ন জিজ্ঞাসা করতে পারি।
- [ ] আমি জানি যে AI মসৃণ হওয়ার অর্থ এই নয় যে এটি সঠিক।