কৃত্রিম বুদ্ধিমত্তার আবিষ্কার আর প্রয়োগের ইতিহাস অমসৃণ এবং অনেক উথান-পতনের পথ তাকে পাড়ি দিতে হয়েছে। ১৯৩০-৪০ সালে বৃটিশ গনিতবিদ আর্থার তুরিন প্রথমে এসম্বন্ধে ধারনা দেন, পরবর্তিতে ১৯৫৬ সালে ডারমাউথ কনফারেন্সে জন মাকার্থি, মারভিন মিন্সকি, হারবারট সিমন এবং এলেন নিওয়েল (Dartmouth Conference-John McCarthy, Marvin Minsky, Herbert Simon, Allen Newell) কৃত্রিম বুদ্ধিমত্তা (Artificial Intelligence) এই টার্মটি ব্যবহার করেন এবং বিজ্ঞান চর্চার একটা বিশেষ ক্ষেত্র হিসাবে এটাকে সুনির্দিষ্ট করেন।
প্রথম দিকের উচ্ছ্বাস অল্পদিনেই ভাঁটা পড়ে এবং যন্ত্র মানুষের মত বুদ্ধিবৃত্তিক কাজ করতে পারবে এসম্বন্ধে সন্দেহর সৃষ্টি হয়। ফলস্রুতিতে ১৯৭০ সালের দিকে এসম্বন্ধে গবেষণা ফান্ডের অভাবে তলানিতে পৌঁছয়, ১৯৮০ সালে চিকিৎসাশাস্ত্রে এর ব্যবহার বৃদ্ধিতে আবার এর পুনরুত্থান ঘটে। তবে এসময়কার অর্থনৈতিক মন্দা, কম্পিউটার প্রসেসরের ধীরগতি এবং ডাটাগুলো একসঙ্গে বিশ্লেষণ করতে গিয়ে যে গতিস্লথতা হয়, তা আবার এব্যাপারে বিনিয়োগ কমিয়ে দেয়। ২০০০ সাল থেকে প্রসেসরের প্রভূত উন্নতির সাথে সাথে ডাটা প্রসেসিংযে গতি পায় ফলে এর ব্যবহার ব্যাপকভাবে বৃদ্ধি পায়, এবং সেই উচ্চগতি এখনো বজায় রয়েছে।
প্রথমদিকের AI ব্যবহারে, যেমন একটা এক্সরে ডায়াগনোসিসের সময় সমস্ত এক্সরেটাকে বিশ্লেষণ করে সুনির্দিষ্ট (Deterministic) মতমত দিতে হতো, পরবর্তীতে এক্সরে কে ডাটায় বিভক্ত করে প্রসেসিং করে সম্ভাবনা (Probabilistic) হিসাবে ফলাফল দিতে হতো।
ডিটারমিনিস্টিক সিস্টেম, যেমন ক্যাল্কুলেটরে ব্যবহৃত হয়, প্রত্যেকবার সমক্ষেত্রে একই ফলাফল দেয়। এটা সুনির্দিষ্ট, পুনব্যবহারযোগ্য, একই ফলাফল দেয়, যার ফলে অর্থনৈতিক ক্ষেত্রে এর ব্যবহার বেশী।
মেডিক্যাল সেক্টরে প্রবেবিলিস্টিক সিস্টেমের ব্যবহার বেশী। বর্তমান সময়ে AI ব্যবহারে এই দুইয়ের হাইব্রিড সিস্টেম ব্যবহার করা হয়ে থাকে। সেখানে প্রবেবিলিটির কোরকে প্রলেপ দেওয়া হয় ডিটারমিনিস্টিক সিস্টেম দিয়ে, যার ফলে উভয় সিস্টেমের সুবিধা এখানে ব্যবহার করা যায়। পরবর্তীতে হাইব্রীড সিস্টেম ব্যবহারের ফলে AI ব্যবহারের অভুতপুর্ব উন্নতি সাধিত হয়েছে।
কৃত্রিম বুদ্ধিমত্তা আসলে কি?
কৃত্রিম বুদ্ধিমত্তা একজাতীয় কম্পিউটার সিস্টেম যা মানুষের বুদ্ধিমত্তাকে নকল করে মানুষ যেভাবে সমস্যাকে চিহ্নিত করে, বিচার-বিশ্লেষণ করে সিদ্ধান্ত করে, অনেকটা সেইরকমভাবে সিদ্ধান্ত গ্রহন করে। কৃত্রিম বুদ্ধিমত্তাকে নানাভাবে ভাগ করা যায়, এটাকে তার পারদর্শিতা, কার্যপ্রনালী এবং সমস্যা সমাধানের প্রকারভেদ অনুযায়ী নানাভাগে বিভক্ত করা যায়। যেমন- ক্ষমতা অনুযায়ী এটাকে
অল্প ক্ষমতাসম্পন্ন AI (Narrow intelligence AI) -ফোনের ফেস রিকগনিশন, ভয়েস রিকগনিশন ইত্যাদি কাজে ব্যবহার করা হয়।
জেনারেল AI (General AI) যা মানুষের বুদ্ধিমত্তাকে অনেকটাই নকল করতে পারে, এটা বাস্তবে এখনো ব্যবহৃত হয়নি, পরীক্ষাগারে গবেষণা চলছে এব্যাপারে।
আর্টিফিশিয়াল সুপারইন্টেলিজেন্ট (ASI)- যা মানুষের বুদ্ধিমত্তাকে অতিক্রম করে যাবে, এটা নিয়ে তাত্ত্বিক কথাবার্তা চললেও বাস্তবে এর আবিষ্কার এখনো সম্ভব হয়নি।
দাবা খেলা, কম্পিউটার গেমসে ব্যবহৃত AI মূলত ইনপুটের প্রতিক্রিয়া করে থাকে, আপনি যেরকম ইনপুট দেবেন, সেই অনুযায়ী সে প্রতিক্রিয়া দেখাবে। স্ব্যয়ংক্রিয় মোটরযানের ক্ষেত্রে সে দৈনন্দিন অভিজ্ঞতা অর্জন করে করে পারদর্শী হয়ে ওঠে। মানুষের আবেগ, বিমুর্ত অভিজ্ঞতা, সৃষ্টীশীলতা অর্জন এখনও সম্ভব হয়নি। যদিও রোবোটিক্সে এর ব্যবহার করার প্রচেষ্টা চলছে।
কৃত্রিম বুদ্ধিমত্তাকে মেশিন লার্নিং (Machine learning), ডিপ লার্নিং (Deep learning), ন্যাচারাল ল্যাংগুয়েজ প্রসেসিং (Natural language processing),
এক্সপার্ট সিস্টেম (Expert system), রোবোটিক্স (Robotics) ইত্যাদি ভাগে বিভক্ত করা হয়েছে।
মেসিন লার্নিং এ ডাটাগুলোকে ভাগ করে সন্নিবেশিত করা হয়, তারপর তাকে বিশ্লেষণ করে সিদ্ধান্ত দেওয়া হয়। ডিপ লার্নিং এ ডাটাগুলিকে কৃত্রিম নিউরাল নেটওয়ার্কে প্রবেশ করানো হয়, তারপর অনেকটা মানুষের ব্রেনের মত তাকে বিশ্লেষণ করে সিদ্ধান্ত গ্রহন করা হয়। Copilot, Google Translator ইত্যাদিতে মানুষের স্বাভাবিক ভাষা ব্যবহারের রীতিনীতি অনুসরন করা হয়।
এক্সপার্ট সিস্টেমে কিছু নিয়ম নির্দিষ্ট করা থাকে, যেমন এক্সরে পড়ার সময় সে প্রথমে এক্সরের বোন, সফট টিসু, গ্যাস, ভাস্কুলার মার্কিং ইত্যাদিতে বিভক্ত করে ফেলে, তারপর বিশ্লেষণ করে রিপোর্ট দেয়। রোবোটিক্সে এগুলো একটা মেসিনের ভিতর অন্তরভুক্ত করে মানুষ বা অন্য প্রানীর আকৃতিতে তাকে উপস্থিত করা হয়।
উপরের চিত্রটি থেকে কৃত্রিম বুদ্ধিমত্তা সম্বন্ধে আইডিয়া পাওয়া যাবে। কৃত্রিম বুদ্ধিমত্তার বৈশিষ্ট হচ্ছে, এরা খুব দ্রুত হিসাব নিকাশ করে সিদ্ধান্ত দিতে পারে। তবে মানুষের মগজের বহুমুখী কার্যক্রম এইসব মেসিন এখনও অতিক্রম করতে পারেনি।
মানুষের ব্রেন এখনও কেন শ্রেষ্ঠ?
মানুষের ব্রেন বিবর্তিত হয়েছে লক্ষাধিক বছর ধরে, ক্রমাগত অভিজ্ঞতা সঞ্চয়ের মাধ্যমে। এককোষী প্রানীর অভিজ্ঞতা বহুকোষী প্রানীতে সঞ্চারিত হয়েছে,তার কিছু প্রয়োজনীয় গুণাবলী মানুষের ভিতর রয়ে গেছে অতীত অভিজ্ঞতা হিসাবে। মানুষ তার কাছের এবং দুরের পরিবেশ থেকে, শিক্ষা-দীক্ষা থেকে, সেন্সরী ইনপুট থেকে, মুর্ত- বিমুর্ত ধারনা থেকে নানাভাবে অভিজ্ঞতা এবং মেমরীকে কর্মদক্ষ করে তুলে।
নতুন সেন্সরী ইনপুটের সঙ্গে অতীত অভিজ্ঞতার তুলনা করে সিদ্ধান্ত গ্রহন করে, ফলে তার ব্রেনের কার্যক্রম বহুমাত্রিক হয়। অনেক জটিল এবং সমান্তরাল সার্কিট এখানে কাজ করে। ব্রেনের এক অংশ ধ্বংস হয়ে গেলেও অন্য অংশ ধ্বংস হয়ে যাওয়া অংশের কাজের দায়িত্ব নেয়। স্ট্রোকের ফলে,অপারেশনের পর ব্রেনের কিছুটা অংশ বাদ দিলেও ব্রেন অনেকটাই কাজ চালিয়ে নিতে পারে।
অপেক্ষাকৃত কম শক্তি ব্যবহার করে কিভাবে কাজ চালিয়ে নেওয়া যায়, এই বিশেষ ক্ষমতা দিনে দিনে মানুষের ব্রেন অর্জন করেছে। যেখানে ব্রেনের কাজ চালিয়ে নেওয়ার জন্য মাত্র ১২ ওয়াট বিদ্যুৎ শক্তির প্রয়োজন হয়, সেখানে একই কাজ করতে কৃত্তিম বুদ্ধিমত্তার (AI) ক্ষেত্রে প্রয়োজন হবে কয়েক মিলিয়ন ওয়াট বিদ্যুৎ।
মানুষ নতুন চিন্তা করতে পারে, নতুন নতুন আইডিয়া গ্রহন করতে পারে। এর রয়েছে অভিনব অভিযোজন ক্ষমতা, দক্ষতা, নতুন সমস্যার সমাধান করা, সম্পুর্ন নতুন পরিবেশে কাজ করার অভিনব পারদর্শিতা। AI খুব দ্রুত সেট প্রটোকল অনুযায়ী হিসাব নিকাশ সম্পন্ন করতে পারে, তবে এর চিন্তা করার শক্তি এখনও প্রারম্ভিক পর্যায়ে।
ব্রেনের একটা নিউরনই অসংখ্য সার্কিটের সঙ্গে সংযোগ স্থাপন করতে পারে। এই একটা নিউরনের কাজ করতে AI এর লাগে অগনিত সার্কিট। ব্রেনের একেকটা অংশ একেক ধরনের কাজ করে থাকে, এর রয়েছে বায়োলজিক্যাল ইন্সূলেটর অর্থাৎ মায়েলিন শিথ (Mayelin sheath)।
আবার একই নিউরন ব্যবহার করে তা বিভিন্ন ধরনের কাজ করতে পারে, নতুন পরিবেশে নতুন অভিজ্ঞতা শিখে নেওয়া তার জন্য অত্যন্ত সহজ, যেখানে AI এর ক্ষেত্রে নতুন সার্কিট যোগ না করলে এটি সম্ভব হয় না। সহানুভুতি, সহমর্মিতা , একসঙ্গে কাজ করার ক্ষমতা মানুষের অনেক বেশী। সবকিছুতেই মানুষ এগিয়ে, শুধু দ্রুততার ক্ষেত্রে মানুষ পিছিয়ে।
তাছাড়াও যুদ্ধক্ষেত্রে একজন মানুষের মৃত্যু একটা ভয়ঙ্কর লোকসান। সেক্ষত্রে ড্রোনের ব্যবহার, মনুষ্যবিহীন ট্যাঙ্ক, বিমান, রকেট, মহাশুন্যযান চালাতে, দুর্গম, বিপদজনক ঝুকিপুর্ন এলাকায় অভিযান চালাতে AI ব্যবহৃত হচ্ছে। মানুষ প্রাচীন অভিজ্ঞতাকে সংরক্ষন করে রাখে, ব্রেনের পুরানো অংশে, এগূলোকে আমরা Paleo cerebrum অথবা Paleocerebellum বলে থাকি।
Archi cerebrum অথবা Archicerebellum হচ্ছে ব্রেনের সেই নতুন অংশসমুহ যা বিবর্তনের মাধ্যমে মানুষের ব্রেনে সংযোজিত হয়েছে, এগুলোকে নিম্নশ্রেনীর প্রানীর ব্রেনে পাওয়া যায়না। মানুষের বিষধর সাপের মত বিষ উৎপাদনের ক্ষমতা নেই, কিন্তু সেরিবেলামের পুরানো অংশ এখনো মাসলের Tone, Posture and equilibrium বজায় রেখে চলেছে এবং দ্বিপদী জন্তু হিসাবে তাকে খাড়া হয়ে হাটতে সাহায্য করে চলেছে।
উপরের চিত্রটা খেয়াল করলেই বুঝতে পারবেন কোনটা বেশী জটিল। আপনার বাম দিকে রয়েছে মানুষের ব্রেইন আর ডানদিকে রয়েছে রোবটের একটা ব্রেইন। সহজেই অনুমেয়, মানুষের ব্রেইনে রয়েছে অসংখ্য বায়োলজিক্যাল নিউরনাল সার্কিট।
| যন্ত্রের ধরন | AI‑এর ব্যবহার | উদাহরণ |
| চিকিৎসা যন্ত্র | রোগ নির্ণয়, পূর্বাভাস বিশ্লেষণ, রোবোটিক সার্জারি | AI‑সহায়িত ইকোকার্ডিওগ্রাফি (EchoNet‑Dynamic), HeartFlow FFR‑CT |
| শিল্প রোবট | স্বয়ংক্রিয় উৎপাদন, ত্রুটি শনাক্তকরণ, রক্ষণাবেক্ষণ পূর্বাভাস | কম্পিউটার ভিশন‑নির্ভর স্মার্ট অ্যাসেম্বলি লাইন |
| যানবাহন | স্বয়ংচালিত নেভিগেশন, ড্রাইভার সহায়তা, ট্রাফিক পূর্বাভাস | Tesla Autopilot, Waymo Self‑Driving Car |
| স্মার্টফোন | ভাষা শনাক্তকরণ, ছবি উন্নয়ন, ব্যক্তিগত সহকারী | Siri, Google Assistant, Copilot |
| ড্রোন | বস্তু অনুসরণ, ভূ‑মানচিত্র তৈরি, ডেলিভারি অপ্টিমাইজেশন | কৃষি ও নজরদারিতে ব্যবহৃত AI‑নিয়ন্ত্রিত ড্রোন |
| গৃহস্থালী যন্ত্রপাতি | স্বয়ংক্রিয় নিয়ন্ত্রণ, শক্তি সাশ্রয় | স্মার্ট থার্মোস্ট্যাট, AI‑চালিত ওয়াশিং মেশিন |
বিভিন্ন বিষয়ভিত্তিক ক্ষেত্রে AI‑এর প্রয়োগ
| বিষয় | AI‑এর ভূমিকা | প্রভাব |
| চিকিৎসাবিজ্ঞান | রোগ নির্ণয়, ওষুধ আবিষ্কার, সার্জারি পরিকল্পনা | হৃদরোগ, স্নায়ুরোগ ও ক্যান্সার শনাক্তকরণে দ্রুততা |
| শিক্ষা | ব্যক্তিগত শেখা, স্বয়ংক্রিয় মূল্যায়ন | Coursera, Khan Academy‑এর মতো অভিযোজিত শেখার প্ল্যাটফর্ম |
| প্রকৌশল | সিমুলেশন, নকশা অপ্টিমাইজেশন | AI‑চালিত CAD টুল ও পূর্বাভাস মডেল |
| অর্থনীতি ও ফাইন্যান্স | ঝুঁকি বিশ্লেষণ, জালিয়াতি শনাক্তকরণ, অ্যালগরিদমিক ট্রেডিং | বাজার প্রবণতা পূর্বাভাসে AI মডেল |
| পরিবেশ বিজ্ঞান | জলবায়ু মডেলিং, সম্পদ ব্যবস্থাপনা | আবহাওয়া পূর্বাভাস ও শক্তি ব্যবহারের অপ্টিমাইজেশন |
| ভাষাতত্ত্ব ও মানববিদ্যা | প্রাকৃতিক ভাষা প্রক্রিয়াকরণ, অনুবাদ | ChatGPT, DeepL, Copilot‑এর মতো বহুভাষিক টুল |
| শিল্প ও নকশা | সৃজনশীলতা, স্টাইল ট্রান্সফার | AI‑নির্ভর চিত্রকলা, সঙ্গীত ও ডিজাইন তৈরি |
উদীয়মান ক্ষেত্রসমূহ
- স্বাস্থ্য রোবোটিক্স: সেন্সর ডেটা ও AI এর সমন্বয়ে নিখুঁত সার্জারি।
- কৃষিক্ষেত্রে AI: ফসল পর্যবেক্ষণ ও ফলন পূর্বাভাস।
- সাইবার নিরাপত্তা: অস্বাভাবিকতা শনাক্তকরণ ও হুমকি প্রতিরোধ।
- মহাকাশ গবেষণা: স্বয়ংক্রিয় রোভার নেভিগেশন ও তথ্য বিশ্লেষণ।
AI এখন শুধু স্বয়ংক্রিয়তা নয়, বরং বর্ধিত বুদ্ধিমত্তা (Augmented Intelligence) এর যুগে প্রবেশ করেছে—যেখানে মানব অন্তর্দৃষ্টি ও যান্ত্রিক নির্ভুলতা একসাথে কাজ করে চিকিৎসা, প্রকৌশল, শিক্ষা ও শিল্পকলায় নতুন সম্ভাবনা সৃষ্টি করছে।
AI আমাদের জীবনে বিপ্লব ঘটাচ্ছে, তবে এর সীমাবদ্ধতা ও ঝুঁকিগুলোকে উপেক্ষা করলে সমাজে বৈষম্য, কর্মসংস্থান সংকট, এবং নৈতিক সমস্যার সৃষ্টি হতে পারে। তাই AI এর ব্যবহার অবশ্যই দায়িত্বশীল ও নৈতিক কাঠামোর মধ্যে হওয়া উচিত।
কৃত্রিম বুদ্ধিমত্তার সীমাবদ্ধতা ও ঝুঁকি
1.চাকরির সংকট
o স্বয়ংক্রিয়তা অনেক ক্ষেত্রে মানুষের কাজকে প্রতিস্থাপন করছে।
o শিল্প, পরিবহন ও সেবা খাতে কর্মসংস্থান হ্রাসের আশঙ্কা।
2.পক্ষপাত ও বৈষম্য
o AI প্রশিক্ষণ ডেটার উপর নির্ভরশীল।
o পক্ষপাতযুক্ত ডেটা ব্যবহার করলে সিদ্ধান্তে বৈষম্য তৈরি হতে পারে (যেমন: নিয়োগ, ঋণ অনুমোদন)।
3. গোপনীয়তা ও নিরাপত্তা সমস্যা
o ব্যক্তিগত তথ্য সংগ্রহ ও বিশ্লেষণ গোপনীয়তার জন্য হুমকি।
o সাইবার আক্রমণে AI ব্যবহারের ঝুঁকি বাড়ছে।
4. মানবিক মূল্যবোধের অভাব
AI আবেগ, নৈতিকতা ও সামাজিক প্রেক্ষাপট বুঝতে পারে না।শুধুমাত্র ডেটা ও অ্যালগরিদমের ভিত্তিতে সিদ্ধান্ত নেয়।
- অতিরিক্ত নির্ভরশীলতা
• মানুষ AI এর উপর অতিরিক্ত নির্ভরশীল হলে সৃজনশীলতা ও সমালোচনামূলক চিন্তাশক্তি কমে যেতে পারে। - ভুল তথ্য ও বিভ্রান্তি
• জেনারেটিভ AI কখনো কখনো ভুল বা বিভ্রান্তিকর তথ্য তৈরি করে।
• এটি শিক্ষা ও গবেষণার ক্ষেত্রে সমস্যার সৃষ্টি করতে পারে।
কৃত্রিম বুদ্ধিমত্তার ভবিষ্যৎ
কৃত্রিম বুদ্ধিমত্তা (AI) আগামী দিনে শুধু প্রযুক্তি নয়, বরং সমাজ, অর্থনীতি ও মানবজীবনের প্রতিটি ক্ষেত্রে গভীর প্রভাব ফেলবে। এর ভবিষ্যৎকে কয়েকটি মূল দিক দিয়ে বোঝা যায়:
চিকিৎসা ক্ষেত্রে সম্ভাবনা: রোগ নির্ণয়, জেনেটিক গবেষণা ও রোবোটিক সার্জারিতে আরও নিখুঁত ফলাফল।
শিক্ষা ও গবেষণা ক্ষেত্রে সম্ভাবনা: ব্যক্তিগতকৃত শেখার ব্যবস্থা, স্বয়ংক্রিয় মূল্যায়ন, এবং নতুন জ্ঞান আবিষ্কারে সহায়তা।
শিল্প ও অর্থনীতিতে সম্ভাবনা: উৎপাদনশীলতা বৃদ্ধি, বাজার পূর্বাভাস, এবং স্মার্ট ব্যবসায়িক সিদ্ধান্ত।
দৈনন্দিন জীবনে সম্ভাবনা: স্মার্ট হোম, স্বয়ংচালিত যানবাহন, এবং ব্যক্তিগত সহকারী প্রযুক্তি।
সৃজনশীলতায সম্ভবনা: শিল্পকলা, সঙ্গীত, সাহিত্য ও ডিজাইনে নতুন ধারা তৈরি।
চ্যালেঞ্জ
1.নৈতিকতা ও পক্ষপাত – AI সিদ্ধান্তে বৈষম্য বা পক্ষপাত এড়ানো কঠিন।
2.চাকরির সংকট – স্বয়ংক্রিয়তা অনেক ক্ষেত্রে মানুষের কাজ প্রতিস্থাপন করবে।
3.গোপনীয়তা ও নিরাপত্তা – ব্যক্তিগত তথ্যের সুরক্ষা বড় চ্যালেঞ্জ।
4.অতিরিক্ত নির্ভরশীলতা – মানুষের সৃজনশীলতা ও সমালোচনামূলক চিন্তাশক্তি কমে যেতে পারে।
5.নিয়ন্ত্রণ ও দায়িত্ব – AI এর ভুল সিদ্ধান্তের জন্য দায়িত্ব কার উপর পড়বে, তা এখনো স্পষ্ট নয়।
ভবিষ্যতের দিকনির্দেশনা
•হাইব্রিড মডেল: মানব অন্তর্দৃষ্টি ও AI এর নির্ভুলতার সমন্বয়।
•Neuromorphic Computing: মানব নিউরনের মতো জটিলতা অনুকরণ করে আরও শক্তিশালী AI।
•Responsible AI: নৈতিক কাঠামো, স্বচ্ছতা ও সামাজিক দায়বদ্ধতার উপর গুরুত্ব।
•Global Collaboration: দেশ ও প্রতিষ্ঠানের মধ্যে সহযোগিতা, যাতে AI মানবকল্যাণে ব্যবহৃত হয়।
মূল বক্তব্য:
AI ভবিষ্যতে মানবজীবনের প্রতিটি ক্ষেত্রে পরিবর্তন আনবে। তবে এর ব্যবহারকে নৈতিক, দায়িত্বশীল ও মানবকেন্দ্রিক করতে হবে, যাতে প্রযুক্তি মানবতার সহায়ক হয়, প্রতিদ্বন্দ্বী নয়।
