আমরা একটি ত্রি-মাত্রিক স্থানে বিদ্যমান।
এই স্থানের মধ্যে, আমরা কেবল চাক্ষুষ তথ্যের উপর ভিত্তি করে ত্রি-মাত্রিক স্থানকে উপলব্ধি করি, যা কেবলমাত্র দ্বি-মাত্রিক চিত্র।
এর অর্থ হল, আমাদের মনে একটি ত্রি-মাত্রিক স্থানিক চিত্র আছে এবং আমরা দ্বি-মাত্রিক চাক্ষুষ তথ্যকে এই ত্রি-মাত্রিক স্থানিক চিত্রের উপর বিপরীতভাবে ম্যাপ করছি।
আমি ভবিষ্যদ্বাণী করছি যে এই নীতি প্রয়োগ করে, মানুষের পক্ষে চতুর্মাত্রিক স্থানকে উপলব্ধি করা সম্ভব হবে। যদিও আমরা বাস্তব ভৌত স্থানে চতুর্মাত্রিক স্থান বা চতুর্মাত্রিক বস্তু তৈরি করতে পারি না,
কম্পিউটারে চতুর্মাত্রিক স্থান এবং চতুর্মাত্রিক বস্তুর অনুকরণ করা সম্ভব। যদি আমরা এই ধরনের অনুকৃত চতুর্মাত্রিক স্থান থেকে একটি দ্বি-মাত্রিক তলে ম্যাপিং করি, তবে মানুষ চাক্ষুষভাবে তথ্যটি বুঝতে পারবে।
তারপর, মানুষ যখন এই ধরনের চতুর্মাত্রিক স্থান এবং চতুর্মাত্রিক বস্তুর আচরণ ও দৃষ্টিভঙ্গি শিখবে, তখন তারা অবশেষে তাদের মনে একটি চতুর্মাত্রিক স্থান তৈরি করতে সক্ষম হবে।
তবে, এটি কেবলমাত্র একটি সম্ভাবনা, এবং প্রশিক্ষণের জন্য যথেষ্ট সময় লাগতে পারে বলে ধারণা করা হচ্ছে।
তাছাড়া, কেউ যদি চতুর্মাত্রিক স্থান উপলব্ধি করার ক্ষমতা অর্জনও করে, তবে সেই ক্ষমতা প্রয়োগ করার মতো কোনো পরিস্থিতি প্রায় থাকবে না।
এআই দ্বারা চতুর্মাত্রিক উপলব্ধি
অন্যদিকে, একই জিনিস এআই দিয়েও অর্জন করা সম্ভব। উপরন্তু, এআই এই চতুর্মাত্রিক স্থানিক উপলব্ধির ক্ষমতাকে কাজে লাগাতে পারে।
উদাহরণস্বরূপ, চতুর্মাত্রিক স্থানিক উপলব্ধির মাধ্যমে চতুর্মাত্রিক গ্রাফ আঁকা এবং বোঝা সম্ভব হবে।
মানুষ কেবল দ্বি-মাত্রিক সমতল চাক্ষুষ তথ্য সম্পূর্ণভাবে উপলব্ধি করতে পারে। তাই, এমনকি যদি একটি ত্রি-মাত্রিক গ্রাফ আঁকা হয় এবং বিপরীত ম্যাপিংয়ের মাধ্যমে তা বোঝা যায়, তবুও কিছু অংশ দৃষ্টির আড়ালে থেকে যাবে।
ত্রি-মাত্রিক গ্রাফেও একটি উল্লেখযোগ্য অংশ অদৃশ্য হয়ে যায়, এবং চতুর্মাত্রিক গ্রাফে আরও বেশি ডেটা অদৃশ্য থাকে।
গ্রাফ ঘোরানোর মাধ্যমে অদৃশ্য অংশগুলি দেখা গেলেও, এটি ডেটাকে এক নজরে সামগ্রিকভাবে এবং স্বজ্ঞাতভাবে বোধগম্য করার লক্ষ্য থেকে সরে যায়।
বিপরীতভাবে, এআইকে দ্বি-মাত্রিক সমতল চাক্ষুষ তথ্য দ্বারা সীমাবদ্ধ থাকতে হয় না। এআইকে কার্যত ত্রি-মাত্রিক বা চতুর্মাত্রিক স্থানিক দৃষ্টি দিয়ে সজ্জিত করা এবং প্রশিক্ষণ দেওয়া সম্ভব।
এর মাধ্যমে, ত্রি-মাত্রিক এবং চতুর্মাত্রিক গ্রাফগুলি লুকানো ডেটা বা ঘোরানোর প্রয়োজন ছাড়াই সামগ্রিকভাবে এবং মাত্রাগতভাবে স্থানীয়ভাবে বোঝা যাবে।
তাছাড়া, এটি কেবল চারটি মাত্রার মধ্যে সীমাবদ্ধ নয়; যৌক্তিকভাবে মাত্রাগুলি অসীমভাবে পাঁচ, দশ, বিশ এবং তারও বেশি বাড়ানো যেতে পারে।
বহু-মাত্রিক গ্রাফ বোঝা
গ্রাফগুলি সম্পূর্ণরূপে উপলব্ধি করার ক্ষমতা বহু-মাত্রিক প্রবণতা বিশ্লেষণের মতো বিষয়গুলি সম্ভব করে তোলে। পরিমাণের তুলনা এবং অনুপাত বোঝার কাজটিও স্বজ্ঞাতভাবে করা যেতে পারে।
এছাড়াও, এটি একই রকম বা সাদৃশ্যপূর্ণ ডেটার মতো ডেটা প্যাটার্ন বিশ্লেষণ করতে সাহায্য করে। এটি নিয়মাবলী এবং সূত্র আবিষ্কারের দিকেও পরিচালিত করতে পারে।
এটি কেবল বহু-মাত্রিক ডেটা প্যাটার্ন ম্যাচিংয়ের চেয়েও ডেটা সম্পর্কে গভীর উপলব্ধি সক্ষম করে, যেখানে বিদ্যমান এআই শ্রেষ্ঠত্ব অর্জন করেছে।
উদাহরণস্বরূপ, যদি সম্পূর্ণ ভিন্ন মাত্রার সমন্বয়ের মধ্যেও একই প্যাটার্নের অংশ থাকে, তবে সাধারণ বহু-মাত্রিক প্যাটার্ন ম্যাচিংয়ের মাধ্যমে তাদের খুঁজে বের করা কঠিন হবে।
তবে, যদি ডেটা বহু-মাত্রিক দৃষ্টি দিয়ে দেখা হয়, তবে বিভিন্ন মাত্রার সমন্বয় জুড়েও অনুরূপ আকারগুলি তাৎক্ষণিকভাবে স্পষ্ট হবে।
তাছাড়া, কেবল ইনপুট ডেটার সাথে যুক্ত মাত্রিক অক্ষগুলি ব্যবহার করার বাইরেও, নির্দিষ্ট অক্ষগুলি বড় বা ছোট করে, লগারিদম নিয়ে, অথবা মাত্রা হ্রাস না করে একই সংখ্যার ভিন্ন অক্ষগুলিতে একাধিক অক্ষকে ম্যাপ করে ডেটা বোঝার সুবিধা প্রদানকারী মাত্রিক কাঠামো অন্বেষণ করা সম্ভব।
সুতরাং, বহু-মাত্রিক দৃষ্টি ক্ষমতা প্রশিক্ষিত করা মানুষ এবং প্রচলিত এআই উভয়ের জন্যই কঠিন ছিল এমন ব্যাপক ডেটা কাঠামো উপলব্ধি করার সম্ভাবনা উন্মুক্ত করে, যা সম্ভবত নতুন অন্তর্দৃষ্টি এবং সূত্র আবিষ্কারের দিকে পরিচালিত করবে।
প্যারাডাইম উদ্ভাবনকে ত্বরান্বিত করা
উচ্চ-মাত্রার ডেটা সরাসরিভাবে উপলব্ধি করার ক্ষমতা, এটিকে নিম্ন মাত্রায় ম্যাপ না করে, একটি গুরুত্বপূর্ণ সম্ভাবনা নির্দেশ করে।
উদাহরণস্বরূপ, জ্যোতির্বিজ্ঞানের পর্যবেক্ষণ ডেটাকে সহজে বোধগম্য গাণিতিক সূত্রে অন্তর্ভুক্ত করার জন্য সূর্যকেন্দ্রিক তত্ত্বের উদ্ভাবন করা হয়েছিল। ভূকেন্দ্রিক তত্ত্ব, যা পৃথিবীকে কেন্দ্র করে সূর্যের আবর্তনের কথা বলত, পর্যবেক্ষণ ডেটাকে সহজে বোধগম্য সূত্রে ম্যাপ করতে পারেনি, যার ফলে সূর্যকেন্দ্রিক তত্ত্বের উদ্ভাবন ঘটে।
তবে, যদি জ্যোতির্বিজ্ঞানের পর্যবেক্ষণ ডেটা তার মাত্রা হ্রাস না করে সরাসরিভাবে বোঝা যেত, তবে সূর্যকেন্দ্রিকের মতো সূত্রগুলি অনেক আগে আবিষ্কৃত হতে পারত।
একইভাবে, আপেক্ষিকতার তত্ত্ব এবং কোয়ান্টাম মেকানিক্সের মতো বৈজ্ঞানিক আবিষ্কারগুলি দ্রুত বাস্তবায়িত হতে পারত যদি বহু-মাত্রিক ডেটা তার নিজস্ব মাত্রায় সম্পূর্ণরূপে উপলব্ধি করা যেত।
এর অর্থ হল, বহু-মাত্রিক নেটিভ এআই প্যারাডাইম উদ্ভাবনকে ত্বরান্বিত করতে পারে, যার ফলে মানবজাতির কাছে এখনও অজানা বিভিন্ন তত্ত্ব এবং সূত্র আবিষ্কৃত হতে পারে।
উপসংহার
এআই, যা এই ধরনের বহু-মাত্রিক স্থানের সাথে অভ্যস্ত হওয়ার জন্য প্রশিক্ষিত, তার বহু-মাত্রিক স্থানিক উপলব্ধির ক্ষমতাকে কাজে লাগাতে পারে, যা মানুষের পক্ষে অনুকরণ করা সম্ভব নয়, বৈজ্ঞানিক ও শিক্ষাগত দৃষ্টান্তের পরিধি দ্রুত প্রসারিত করার জন্য।
প্যারাডাইমগুলি কেবল স্থানান্তরিত না হয়ে বরং বহুগুণে বৃদ্ধি পায়। এমনকি যদি নতুন প্যারাডাইম উদ্ভাবিত হয়, তবে আমাদের প্রতিটি প্যারাডাইমের সাথে তাল মিলিয়ে চলতে হবে এমন কোনো বাধ্যবাধকতা নেই।
অবশ্যই, এআই সম্ভবত জটিল, উচ্চ-মাত্রিক প্যারাডাইমগুলিকে নিম্ন মাত্রায় ম্যাপ করে এমনভাবে ব্যাখ্যা করবে যা আমাদের কাছে সহজে বোধগম্য হবে।
তবুও, সম্ভবত মানুষ অত্যধিক উচ্চ-মাত্রিক প্যারাডাইমগুলি সম্পূর্ণরূপে বুঝতে সক্ষম হবে না। তেমনি, আমরা বিশালভাবে প্রসারিত সমস্ত প্যারাডাইমও উপলব্ধি করতে পারব না।
এই পরিস্থিতিতে, আমরা এমন পণ্য এবং সিস্টেম দ্বারা পরিবেষ্টিত জীবনযাপন করতে পারি যা ভালভাবে কাজ করে, যদিও আমরা তাদের অন্তর্নিহিত নীতিগুলি সম্পূর্ণরূপে বুঝি না।
একজন প্রকৌশলী হিসাবে, আমি এমন একটি পরিস্থিতির কল্পনা করতে চাই না, তবে অনেক মানুষের জন্য, এটি এখনকার অবস্থার থেকে খুব বেশি ভিন্ন নাও হতে পারে।