তথ্য ও যোগাযোগ প্রযুক্তি • তথ্য ও যোগাযোগ প্রযুক্তি : বিশ্ব ও বাংলাদেশ প্রেক্ষিত
তথ্য ও যোগাযোগ প্রযুক্তি প্রশ্ন
একটি প্রযুক্তি প্রতিষ্ঠান ফলের ছবি দেখে ফল শনাক্ত করার একটি সিস্টেম তৈরি করছে। সিস্টেমটিতে তিন ধরনের স্তর আছে। প্রথম স্তরে ছবি গ্রহণ করা হয়, মাঝের স্তরে বিশ্লেষণ চলে এবং শেষ স্তর ফলের নাম বলে দেয়। প্রথমে সিস্টেমটিকে ৫০০টি ছবি দিয়ে প্রশিক্ষণ দেওয়া হলে ফল ৭০% সঠিক হয়। পরে ৫০,০০০ ছবি দিয়ে প্রশিক্ষণ দেওয়ার পর সঠিকতা ৯৫%-এ পৌঁছায়। প্রতিষ্ঠানটি এখন মাঝের স্তরটি বাড়িয়ে একাধিক স্তর করার পরিকল্পনা করছে।
- ক)(1)
পারসেপট্রন কী?
- খ)(2)
মেশিন লার্নিং বলতে কী বোঝায়? ব্যাখ্যা করো।
- গ)(3)
উদ্দীপকের সিস্টেমটিতে ব্যবহৃত স্তরগুলো ব্যাখ্যা করো।
- ঘ)(4)
উদ্দীপকে প্রশিক্ষণের ডেটা বাড়ানোর পর সঠিকতা বৃদ্ধির কারণ এবং মাঝের স্তর বাড়ানোর পরিকল্পনাটির তাৎপর্য বিশ্লেষণ করো।
উত্তর ও ব্যাখ্যা
- ক)
AI-তৈরি নমুনা উত্তর কম্পিউটারের জন্য গাণিতিকভাবে তৈরি কৃত্রিম নিউরনকে পারসেপট্রন বলে।
- খ)
AI-তৈরি নমুনা উত্তর মেশিন লার্নিং হলো কৃত্রিম বুদ্ধিমত্তার একটি শাখা, যার কাজ কম্পিউটারকে এমনভাবে প্রশিক্ষণ দেওয়া, যাতে সে কোনো সিস্টেম সম্পর্কে বিভিন্ন নিয়ম নিজেই শিখতে পারে। কম্পিউটার নিজের ভুল থেকে শিক্ষা নিয়ে পরবর্তীতে তা কাজে লাগাতে পারে। এভাবে প্রতিটি পরিস্থিতির জন্য আলাদা করে প্রোগ্রাম লিখতে হয় না, বরং ডেটা থেকে শিখে সিস্টেম নিজেই সিদ্ধান্ত নিতে পারে।
- গ)
AI-তৈরি নমুনা উত্তর উদ্দীপকের সিস্টেমটি একটি নিউরাল নেটওয়ার্ক, যেখানে কৃত্রিম নিউরন বা পারসেপট্রনগুলো বিভিন্ন স্তরে সাজানো থাকে। সাধারণত নিউরাল নেটওয়ার্কে তিনটি স্তর থাকে:
১. ইনপুট স্তর: উদ্দীপকের প্রথম স্তর, যেখানে ছবি গ্রহণ করা হয়। এ স্তরের কাজ কম্পিউটারকে যে ফাংশনটি শেখানো হবে তার ইনপুট গ্রহণ করা।
২. লুকায়িত স্তর (hidden layer): উদ্দীপকের মাঝের স্তর, যেখানে বিশ্লেষণ চলে। যেকোনো ইনপুটের জন্য সঠিক আউটপুট পেতে এ স্তরের মানগুলো কীভাবে পরিবর্তন করতে হবে তা নির্ধারিত হয় এবং প্রশিক্ষণের মাধ্যমে নেটওয়ার্ক সঠিক মানগুলো শিখে নেয়।
৩. আউটপুট স্তর: উদ্দীপকের শেষ স্তর, যা ফলের নাম আউটপুট হিসেবে প্রদান করে। - ঘ)
AI-তৈরি নমুনা উত্তর নিউরাল নেটওয়ার্কের কাজ হলো কিছু ইনপুট থেকে নির্দিষ্ট আউটপুট কীভাবে পাওয়া যেতে পারে তেমন একটি ফাংশন শেখা। এটিকে অনেক ধরনের ইনপুট দিয়ে প্রশিক্ষণ দিতে থাকলে সে ধীরে ধীরে লুকায়িত স্তরের সঠিক মানগুলো শিখে নেয়। পরবর্তীতে নতুন কোনো ইনপুট দিলেও সে সঠিক আউটপুট দিতে পারে।
উদ্দীপকে প্রথমে মাত্র ৫০০টি ছবি দিয়ে প্রশিক্ষণ দেওয়ায় নেটওয়ার্ক যথেষ্ট বৈচিত্র্যময় উদাহরণ থেকে শিখতে পারেনি, তাই সঠিকতা ছিল ৭০%। যত বেশি ডেটা দিয়ে প্রশিক্ষণ দেওয়া হয়, নেটওয়ার্কটি তত ভালো কাজ করে। ৫০,০০০ ছবি দিয়ে প্রশিক্ষণ দেওয়ার ফলে লুকায়িত স্তরের মানগুলো আরও নিখুঁতভাবে নির্ধারিত হয়েছে, ফলে সঠিকতা ৯৫%-এ উন্নীত হয়েছে।
প্রতিষ্ঠানটির মাঝের স্তর বাড়ানোর পরিকল্পনাটি ডিপ লার্নিং-এর ধারণার সাথে সংগতিপূর্ণ। লুকায়িত স্তরের সংখ্যা একটি না রেখে অনেকগুলো স্তর ব্যবহার করলে বেশ জটিল ফাংশন শেখা সম্ভব হয়। ফলে ছবির সূক্ষ্ম পার্থক্য, যেমন- দেখতে কাছাকাছি দুটি ফলের মধ্যে পার্থক্য, আরও নিখুঁতভাবে শনাক্ত করা যাবে।
অতএব, বেশি ডেটা ও ডিপ লার্নিং-এর সমন্বয়ে সিস্টেমটির কার্যকারিতা আরও বৃদ্ধি পাবে।
আরও প্রশ্ন অনুশীলন করতে অ্যাপে যাও