মাইক্রো ভার্চুয়াল ইন্টেলিজেন্স হিসাবে মনোযোগ প্রক্রিয়া

বর্তমান জেনারেটিভ এআই হলো একটি এআই প্রযুক্তি যা ট্রান্সফরমারের আবিষ্কারের ফলে একটি বড় উল্লম্ফনের মাধ্যমে বিকশিত হয়েছে।

মনোযোগ প্রক্রিয়াকে ট্রান্সফরমারের সংজ্ঞায়িত বৈশিষ্ট্য হিসাবে বর্ণনা করা যেতে পারে। ট্রান্সফরমার ঘোষণার গবেষণাপত্রের শিরোনামে এটি সংক্ষিপ্তভাবে প্রকাশ করা হয়েছে: “Attention Is All You Need।”

এর প্রেক্ষাপট হলো, তৎকালীন এআই গবেষকরা এআইকে মানুষের মতো দক্ষতার সাথে প্রাকৃতিক ভাষা পরিচালনা করতে সক্ষম করার জন্য বিভিন্ন প্রচেষ্টা এবং চেষ্টা-ত্রুটি করছিলেন, সফল পদ্ধতিগুলির নামকরণ করছিলেন এবং সে সম্পর্কে গবেষণাপত্র প্রকাশ করছিলেন।

অনেক গবেষক বিশ্বাস করতেন যে এই একাধিক কার্যকর প্রক্রিয়াকে বিভিন্ন উপায়ে একত্রিত করার মাধ্যমে, তারা ধীরে ধীরে মানুষের মতো প্রাকৃতিক ভাষা পরিচালনা করতে সক্ষম এআই তৈরি করতে পারবে। তারা এমন নতুন প্রক্রিয়া আবিষ্কার করার দিকে মনোনিবেশ করেছিলেন যা অন্যদের সাথে একত্রিত হয়ে কাজ করতে পারে এবং এই প্রক্রিয়াগুলির সর্বোত্তম সমন্বয় খুঁজে বের করতে পারে।

তবে, ট্রান্সফরমার এই প্রচলিত ধারণাকে পাল্টে দিয়েছে। বিভিন্ন প্রক্রিয়া একত্রিত করার প্রয়োজন নেই, শুধুমাত্র মনোযোগ প্রক্রিয়া প্রয়োজন – এই বার্তাটি গবেষণাপত্রের শিরোনামে স্পষ্ট ছিল।

যদিও ট্রান্সফরমার নিজেই বিভিন্ন প্রক্রিয়াকে অন্তর্ভুক্ত করে, তবে এতে কোনো সন্দেহ নেই যে মনোযোগ প্রক্রিয়া তাদের মধ্যে বিশেষভাবে যুগান্তকারী এবং স্বতন্ত্র ছিল।

মনোযোগ প্রক্রিয়ার সংক্ষিপ্ত বিবরণ

মনোযোগ প্রক্রিয়া হলো এমন একটি সিস্টেম যা এআইকে প্রাকৃতিক ভাষায় একটি নির্দিষ্ট শব্দ প্রক্রিয়া করার সময়, পূর্ববর্তী বাক্যগুলিতে থাকা অনেক শব্দের মধ্যে কোন শব্দগুলিতে মনোযোগ দেওয়া উচিত তা শিখতে দেয়।

এটি এআইকে সঠিকভাবে বুঝতে সাহায্য করে যে একটি শব্দ কী বোঝায়, উদাহরণস্বরূপ, যখন "এই," "সেই," বা "পূর্বোক্ত" (পূর্ববর্তী বাক্যে একটি শব্দ নির্দেশ করে) এর মতো নির্দেশক শব্দগুলির সাথে কাজ করা হয়, অথবা "ভূমিকার বাক্য," "তালিকার দ্বিতীয় উদাহরণ," বা "পূর্ববর্তী অনুচ্ছেদ" এর মতো অবস্থানগত উল্লেখের ক্ষেত্রে।

এছাড়াও, এটি একটি বাক্যে সংযোজক পদগুলি দূরে থাকলেও সেগুলিকে সঠিকভাবে ব্যাখ্যা করতে পারে, এবং দীর্ঘ পাঠ্যেও, এটি বর্তমান শব্দ যে প্রসঙ্গে উল্লেখ করা হয়েছে তা না হারিয়ে শব্দগুলিকে ব্যাখ্যা করতে পারে, যার ফলে এটি অন্যান্য বাক্যগুলির মধ্যে হারিয়ে যায় না।

এটাই হলো "মনোযোগ" এর উপযোগিতা।

বিপরীতভাবে, এর অর্থ হলো যখন বর্তমানে প্রক্রিয়াধীন শব্দটি ব্যাখ্যা করা হচ্ছে, তখন অপ্রয়োজনীয় শব্দগুলিকে আবৃত করে ব্যাখ্যা থেকে সরিয়ে দেওয়া হয়।

একটি নির্দিষ্ট শব্দ ব্যাখ্যা করার জন্য শুধুমাত্র প্রয়োজনীয় শব্দগুলিকে ধরে রেখে এবং অপ্রাসঙ্গিক শব্দগুলিকে ব্যাখ্যা থেকে সরিয়ে দিয়ে, ব্যাখ্যা করার জন্য শব্দগুলির সেট অল্প কিছুতে সীমাবদ্ধ থাকে, পাঠ্যটি যত দীর্ঘই হোক না কেন, ফলে ব্যাখ্যার ঘনত্ব কমে যাওয়া রোধ করা যায়।

ভার্চুয়াল ইন্টেলিজেন্স

এবার একটু ভিন্ন প্রসঙ্গে আসা যাক, আমি ভার্চুয়াল ইন্টেলিজেন্সের ধারণা নিয়ে চিন্তা করে আসছি।

বর্তমানে, ব্যবসায়িক কাজে জেনারেটিভ এআই ব্যবহার করার সময়, যদি একটি কোম্পানির সমস্ত তথ্য একত্রিত করে এআইকে একক জ্ঞানভাণ্ডার হিসেবে দেওয়া হয়, তাহলে জ্ঞানের বিশাল পরিমাণ এআই-এর জন্য অতিরিক্ত বোঝা হয়ে দাঁড়াতে পারে, যার ফলে এআই সেই জ্ঞান সঠিকভাবে প্রক্রিয়া করতে পারে না।

এই কারণে, কাজ অনুযায়ী জ্ঞানকে আলাদা করা বেশি কার্যকর। প্রতিটি কাজের জন্য আলাদা এআই চ্যাট প্রস্তুত করা বা নির্দিষ্ট অপারেশনের জন্য বিশেষায়িত এআই টুল তৈরি করা আরও ভালো ফল দেয়।

ফলস্বরূপ, যখন জটিল কাজ সম্পাদন করা হয়, তখন এই বিভাজিত জ্ঞানসম্পন্ন এআই চ্যাট বা এআই টুলগুলিকে একত্রিত করা জরুরি হয়ে পড়ে।

যদিও এটি জেনারেটিভ এআই-এর বর্তমান সীমাবদ্ধতা নির্দেশ করে, তবে মৌলিকভাবে, ভবিষ্যতের জেনারেটিভ এআই দিয়েও, একটি নির্দিষ্ট কাজের জন্য প্রয়োজনীয় জ্ঞানের উপর সম্পূর্ণরূপে মনোযোগ দিলে উচ্চতর নির্ভুলতা অর্জিত হবে।

এর পরিবর্তে, আমি বিশ্বাস করি যে ভবিষ্যতের জেনারেটিভ এআই মানুষের দ্বারা জ্ঞান বিভাজনের প্রয়োজন ছাড়াই পরিস্থিতি অনুযায়ী প্রয়োজনীয় জ্ঞানকে অভ্যন্তরীণভাবে পার্থক্য করতে এবং ব্যবহার করতে সক্ষম হবে।

এই ক্ষমতাটিই হলো ভার্চুয়াল ইন্টেলিজেন্স। এটি একটি ভার্চুয়াল মেশিনের মতো, যা একটি একক কম্পিউটারে একাধিক ভিন্ন অপারেটিং সিস্টেম চালাতে পারে। এর অর্থ হলো, একটি একক বুদ্ধিমত্তার মধ্যে, ভিন্ন বিশেষীকরণ সম্পন্ন একাধিক ভার্চুয়াল বুদ্ধিমত্তা কাজ করতে পারে।

এমনকি বর্তমান জেনারেটিভ এআইও একাধিক ব্যক্তির মধ্যে আলোচনা অনুকরণ করতে পারে অথবা একাধিক চরিত্র সম্বলিত গল্প তৈরি করতে পারে। সুতরাং, ভার্চুয়াল ইন্টেলিজেন্স কোনো বিশেষ ক্ষমতা নয়, বরং বর্তমান জেনারেটিভ এআই-এর একটি সম্প্রসারণ।

মাইক্রো ভার্চুয়াল ইন্টেলিজেন্স

ভার্চুয়াল ইন্টেলিজেন্সের প্রক্রিয়া, যা কাজের উপর নির্ভর করে প্রয়োজনীয় জ্ঞানকে সংকুচিত করে, মনোযোগ প্রক্রিয়ার অনুরূপ কিছু কাজ করে।

অন্যভাবে বলতে গেলে, এটি মনোযোগ প্রক্রিয়ার সাথে সাদৃশ্যপূর্ণ কারণ এটি বর্তমানে সম্পাদিত কাজের উপর ভিত্তি করে শুধুমাত্র প্রাসঙ্গিক জ্ঞানের উপর মনোযোগ দেয় এবং তা প্রক্রিয়া করে।

বিপরীতভাবে, মনোযোগ প্রক্রিয়াকে এমন একটি প্রক্রিয়া বলা যেতে পারে যা ভার্চুয়াল ইন্টেলিজেন্সের মতো কিছু বাস্তবায়ন করে। তবে, আমি যে ভার্চুয়াল ইন্টেলিজেন্সের কল্পনা করি তা জ্ঞানের একটি সংগ্রহ থেকে প্রাসঙ্গিক জ্ঞান নির্বাচন করে, যখন মনোযোগ প্রক্রিয়া শব্দগুলির একটি সংগ্রহকে একক হিসাবে কাজ করে।

এই কারণে, মনোযোগ প্রক্রিয়াকে মাইক্রো ভার্চুয়াল ইন্টেলিজেন্স বলা যেতে পারে।

সুস্পষ্ট মনোযোগ প্রক্রিয়া

যদি আমরা মনোযোগ প্রক্রিয়াকে মাইক্রো ভার্চুয়াল ইন্টেলিজেন্স হিসেবে দেখি, তাহলে এর বিপরীতে, আমি পূর্বে যে ভার্চুয়াল ইন্টেলিজেন্সের কথা উল্লেখ করেছি, তা একটি ম্যাক্রো মনোযোগ প্রক্রিয়া তৈরি করার মাধ্যমে অর্জন করা যেতে পারে।

এবং এই ম্যাক্রো মনোযোগ প্রক্রিয়াটি বৃহৎ ভাষার মডেলগুলির অভ্যন্তরীণ কাঠামোতে যোগ করার বা নিউরাল নেটওয়ার্ক লার্নিংয়ের সাথে জড়িত থাকার প্রয়োজন নেই।

এটি কেবল প্রাকৃতিক ভাষায় লেখা একটি সুস্পষ্ট বিবৃতি হতে পারে, যেমন: "কাজ A সম্পাদন করার সময়, জ্ঞান B এবং জ্ঞান C উল্লেখ করুন।"

এটি কাজ A-এর জন্য প্রয়োজনীয় জ্ঞানকে স্পষ্ট করে তোলে। এই বিবৃতিটি নিজেই এক ধরণের জ্ঞান।

এটিকে একটি সুস্পষ্ট মনোযোগ প্রক্রিয়া বলা যেতে পারে। এই বিবৃতিটিকে মনোযোগ জ্ঞান হিসাবে বিবেচনা করা যেতে পারে, যা কাজ A সম্পাদন করার সময় যে জ্ঞানগুলিতে মনোযোগ দেওয়া উচিত সেগুলিকে স্পষ্টভাবে ব্যক্ত করে।

উপরন্তু, এই মনোযোগ জ্ঞান জেনারেটিভ এআই দ্বারা তৈরি বা আপডেট করা যেতে পারে।

যদি জ্ঞানের অভাবে কোনো কাজ ব্যর্থ হয়, তবে সেই ব্যর্থতা থেকে শিক্ষা নিয়ে সেই কাজের জন্য রেফারেন্স হিসেবে অতিরিক্ত জ্ঞান অন্তর্ভুক্ত করার জন্য মনোযোগ জ্ঞান আপডেট করা যেতে পারে।

উপসংহার

মনোযোগ প্রক্রিয়া জেনারেটিভ এআই-এর ক্ষমতাকে নাটকীয়ভাবে উন্নত করেছে।

এটি কেবল একটি পদ্ধতি ছিল না যা কাকতালীয়ভাবে ভালো কাজ করেছে; বরং, আমরা এখানে যেমন দেখেছি, প্রতিটি পরিস্থিতির জন্য উল্লেখ করার মতো তথ্যকে গতিশীলভাবে সংকুচিত করার এই প্রক্রিয়াটিই উন্নত বুদ্ধিমত্তার মূল সারাংশ বলে মনে হয়।

এবং, ভার্চুয়াল ইন্টেলিজেন্স ও সুস্পষ্ট মনোযোগ জ্ঞানের মতো, মনোযোগ প্রক্রিয়াও বিভিন্ন স্তরে বুদ্ধিমত্তাকে পুনরাবৃত্তিমূলকভাবে বাড়ানোর চাবিকাঠি।