স্টার্টআপ বিজ্ঞান আবিষ্কারের জন্য এআই বিকাশের জন্য একটি নতুন কৌশলের চেষ্টা করছে
স্টার্টআপ বিজ্ঞান আবিষ্কারের জন্য এআই বিকাশের জন্য একটি নতুন কৌশলের চেষ্টা করছে
বিজ্ঞানের আবিষ্কারের জন্য কৃত্রিম বুদ্ধিমত্তার বিকাশ প্রযুক্তি জায়ান্টদের জন্য একটি বড় লক্ষ্য হয়ে উঠেছে। ওপেনএআই এবং অ্যানথ্রপিকের মতো কোম্পানিগুলি ওষুধ, জীববিজ্ঞান এবং পদার্থবিদ্যায় এআই সাফল্যের প্রতিশ্রুতি দিয়ে কয়েক বিলিয়ন তহবিল অর্জন করেছে। যাইহোক, সত্যিকারের AI-চালিত বৈজ্ঞানিক আবিষ্কার অধরা রয়ে গেছে, যেমনটি অতীতের ঘটনা দ্বারা প্রমাণিত হয়েছে যেমন চ্যাটজিপিটি-জেনারেটেড গণিত অনুসন্ধান। বিশেষজ্ঞদের মতে, মূল চ্যালেঞ্জ হল বর্তমান বৃহৎ ভাষার মডেল (LLMs) স্বায়ত্তশাসিতভাবে অভিনব বৈজ্ঞানিক জ্ঞান তৈরি করার অন্তর্নিহিত ক্ষমতার অভাব রয়েছে।
কেন বিগ এআই ল্যাবগুলি বৈজ্ঞানিক আবিষ্কারের সাথে লড়াই করছে
মার্কাস বুয়েলার, একজন এমআইটি ইঞ্জিনিয়ারিং অধ্যাপক, আজকের উন্নত এআই-এর একটি মৌলিক সীমাবদ্ধতা চিহ্নিত করেন। তিনি যুক্তি দেন যে ওপেনএআই এবং অ্যানথ্রোপিক থেকে মডেল পাওয়ারিং সিস্টেমগুলি প্রকৃত আবিষ্কারের জন্য ডিজাইন করা হয়নি। তাদের স্থাপত্য বিদ্যমান ডেটা থেকে প্যাটার্ন স্বীকৃতির উপর ভিত্তি করে, নতুন তত্ত্ব বা অনুমান তৈরির উপর নয়।
গত পতনে এটি স্পষ্টভাবে চিত্রিত হয়েছিল যখন চ্যাটজিপিটি দ্বারা একটি কথিত গাণিতিক আবিষ্কার দ্রুত বাতিল করা হয়েছিল। পর্বটি AI এর বিশ্লেষণাত্মক শক্তি এবং এর সৃজনশীল, আবিষ্কার-ভিত্তিক চিন্তার মধ্যে ব্যবধানকে তুলে ধরে। এটি একটি চ্যালেঞ্জ যা অন্যান্য AI প্রচেষ্টার স্মরণ করিয়ে দেয় যেখানে প্রযুক্তি মৌলিকতার সাথে লড়াই করে, অনেকটা সত্যিকারের সৃজনশীলতার অভাবের জন্য এআই 'অভিনেতা' টিলি নরউডের সমালোচনার মতো।
বর্তমান এআই মডেলের মূল সমস্যা
বৃহৎ ভাষার মডেলগুলি তথ্য প্রক্রিয়াকরণ এবং পুনর্গঠন করার ক্ষেত্রে দক্ষতা অর্জন করে। তারা তাদের প্রশিক্ষণের ডেটার উপর ভিত্তি করে পাঠ্যগুলিকে সংক্ষিপ্ত করতে, প্রশ্নের উত্তর দিতে এবং এমনকি কোড লিখতে পারে। যাইহোক, তারা ইতিমধ্যে যা শিখেছে তার সীমাবদ্ধতার মধ্যে কাজ করে।
বৈজ্ঞানিক আবিষ্কার, তার প্রকৃতির দ্বারা, অজানার মধ্যে পা রাখা প্রয়োজন। এতে ভিন্ন ক্ষেত্রগুলির মধ্যে নতুন সংযোগ তৈরি করা এবং কোনও প্রশিক্ষণ ডেটাসেটে উপস্থিত নয় এমন ধারণাগুলি প্রস্তাব করা জড়িত। এটি একটি লাফ যা বর্তমান জেনারেটিভ এআই, বিষয়বস্তু তৈরি এবং অটোমেশনের উপর দৃষ্টি নিবদ্ধ করে, তৈরি করা হয়নি। ওয়ার্ডপ্রেস গুটেনবার্গ আপডেট এআই প্রকাশনার ভিত্তি স্থাপনের মতো উন্নয়নের সাথে দেখা যায়, শিল্পটি বিকশিত হচ্ছে, কিন্তু আবিষ্কারের মূল চ্যালেঞ্জটি রয়ে গেছে।
অযৌক্তিক ল্যাব প্রবর্তন: বিজ্ঞানের জন্য এআই-এর জন্য একটি নতুন পদ্ধতি
এই ব্যবধান মোকাবেলা করার জন্য, প্রফেসর বুহেলার গুগল ডিপমাইন্ডের প্রাক্তন সিনিয়র স্টাফ রিসার্চ সায়েন্টিস্ট ইউয়ান কাও-এর সাথে অযৌক্তিক ল্যাবস-এর সহ-প্রতিষ্ঠা করেন। স্টার্টআপটির লক্ষ্য বৈজ্ঞানিক আবিষ্কারের জন্য AI বিকাশের জন্য একটি মৌলিকভাবে ভিন্ন পদ্ধতির পথপ্রদর্শক। শুধুমাত্র ব্যাপক ডেটা ইনজেশনের উপর নির্ভর করার পরিবর্তে, তারা আন্তঃবিষয়ক যুক্তিতে সক্ষম সিস্টেম তৈরি করছে।
অযৌক্তিক ল্যাবস সম্প্রতি প্লেগ্রাউন্ড গ্লোবালের নেতৃত্বে একটি ফান্ডিং রাউন্ডে $13.5 মিলিয়ন সুরক্ষিত করেছে। রাউন্ডে AIX ভেঞ্চারস, E14 ফান্ড এবং MS&AD ভেঞ্চারস থেকে অংশগ্রহণ করা হয়েছে। এই উল্লেখযোগ্য বিনিয়োগ তাদের অভিনব পদ্ধতিতে বাজারের বিশ্বাসকে আন্ডারস্কোর করে।
বিজ্ঞানের ইতিহাসে "আহা" মোমেন্টস থেকে শিক্ষা নেওয়া
বুয়েলারের অনুমান হল যে অনেক বড় আবিষ্কার "আহা" মুহূর্ত থেকে উদ্ভূত হয়। এগুলি এমন উদাহরণ যেখানে একজন বিজ্ঞানী সম্পূর্ণ ভিন্ন ডোমেনে একটি সমস্যা সমাধানের জন্য একটি ক্ষেত্র থেকে একটি তত্ত্ব বা ধারণা প্রয়োগ করেন। ধারণার এই ক্রস-পরাগায়ন সাফল্যের চাবিকাঠি।
একটি ক্লাসিক উদাহরণ হল 1982 সালে জন হপফিল্ডের কাজ। তিনি কনডেন্সড ম্যাটার ফিজিক্স থেকে কৃত্রিম বুদ্ধিমত্তার তৎকালীন নতুন ক্ষেত্রের ধারণাগুলি প্রয়োগ করেছিলেন। এটি হপফিল্ড নেটওয়ার্কগুলির বিকাশের দিকে পরিচালিত করে, এক ধরনের নিউরাল নেটওয়ার্ক যা স্মৃতি শেখার এবং স্মরণ করতে সক্ষম। এটি একটি বৈপ্লবিক ধারণা ছিল যা সম্পর্কহীন শৃঙ্খলাগুলির সংযোগ থেকে জন্মগ্রহণ করেছিল।
কীভাবে অযৌক্তিক ল্যাবসের এআই মূলধারার মডেল থেকে আলাদা
অযৌক্তিক ল্যাবগুলিতে তৈরি করা AI আন্তঃবিভাগীয় অন্তর্দৃষ্টির জন্য এই মানব ক্ষমতাকে অনুকরণ করার জন্য ডিজাইন করা হয়েছে। তাদের লক্ষ্য একটি বড় ভাষার মডেল তৈরি করা নয় বরং একটি সিস্টেম তৈরি করা যা বৈজ্ঞানিক ডোমেন জুড়ে যুক্তি দিতে পারে।
আন্তঃবিষয়ক জ্ঞান গ্রাফ: শুধুমাত্র পাঠ্যের উপর প্রশিক্ষণের পরিবর্তে, তাদের AI একাধিক বৈজ্ঞানিক ক্ষেত্র, জীববিজ্ঞান থেকে পদার্থবিদ্যা থেকে কাঠামোগত জ্ঞানকে একীভূত করে। অ্যানালজিকাল রিজনিং ইঞ্জিন: মূল প্রযুক্তিটি বৈজ্ঞানিক উদ্ভাবনের একটি মূল চালক, আপাতদৃষ্টিতে সম্পর্কহীন ধারণাগুলির মধ্যে সাদৃশ্য এবং সমান্তরাল খোঁজার উপর দৃষ্টি নিবদ্ধ করে। হাইপোথিসিস জেনারেশন: সিস্টেমটি পরীক্ষাযোগ্য বৈজ্ঞানিক হাইপোথিসিস প্রস্তাব করার জন্য ডিজাইন করা হয়েছে, শুধু বিদ্যমান ডেটা বিশ্লেষণ নয়।
এই পন্থা বৃহত্তর অধিগ্রহণ কৌশল থেকে একটি উল্লেখযোগ্য প্রস্থান প্রতিনিধিত্ব করেপ্রযুক্তি সংস্থাগুলি, যেমন AI স্টার্টআপ ফোরথট-এর জেনডেস্ক অধিগ্রহণ, যেগুলি প্রায়শই নতুন ধরণের আবিষ্কারের অগ্রগামীর পরিবর্তে বিদ্যমান গ্রাহক পরিষেবা অ্যাপ্লিকেশনগুলিকে পরিমার্জন করার দিকে মনোনিবেশ করে৷
এআই-চালিত আবিষ্কারের ভবিষ্যত
সফল হলে, অযৌক্তিক ল্যাবসের প্রযুক্তি জটিল এলাকায় গবেষণাকে ত্বরান্বিত করতে পারে। একটি AI কল্পনা করুন যা রসায়ন এবং জেনেটিক্সের নীতিগুলিকে একত্রিত করে একটি নতুন ওষুধের যৌগ প্রস্তাব করতে পারে। অথবা একটি মডেল যা ন্যানোটেকনোলজি এবং তাপগতিবিদ্যার ধারণাগুলিকে সংযুক্ত করে টেকসই শক্তির জন্য একটি নতুন উপাদান প্রস্তাব করে।
সম্ভাব্য অ্যাপ্লিকেশনগুলি বিশাল, চিকিৎসা গবেষণাকে ত্বরান্বিত করা থেকে জটিল পরিবেশগত চ্যালেঞ্জগুলি সমাধান করা পর্যন্ত। এটি AI-এর পরবর্তী সীমানাকে প্রতিনিধিত্ব করে, অটোমেশনের বাইরে গিয়ে মানুষের বুদ্ধিমত্তার সত্যিকারের অংশীদার হয়ে ওঠে।
উপসংহার: এআই উদ্ভাবনের পরবর্তী তরঙ্গ
বিজ্ঞানের আবিষ্কারের জন্য AI বিকাশের দৌড় উত্তপ্ত হয়ে উঠছে, কিন্তু সত্যিকারের সাফল্য অযৌক্তিক ল্যাবসের মতো বিশেষ স্টার্টআপগুলির সাথে থাকতে পারে। আন্তঃবিভাগীয় যুক্তির উপর তাদের ফোকাস বর্তমান বৃহৎ ভাষার মডেলের সীমাবদ্ধতার বাইরে একটি প্রতিশ্রুতিবদ্ধ পথ সরবরাহ করে। সত্যিকারের আবিষ্কার করতে পারে এমন একটি AI তৈরির যাত্রা মাত্র শুরু।
এআই এবং প্রযুক্তির সর্বশেষ উদ্ভাবন সম্পর্কে আপডেট থাকুন। আরও অন্তর্দৃষ্টির জন্য এবং এই নিবন্ধটি সহজে ভাগ করার জন্য, আপনার পছন্দের বিষয়বস্তু কিউরেট করতে সিমলেস-এ আপনার বিনামূল্যের লিঙ্ক-ইন-বায়ো পৃষ্ঠা তৈরি করুন।
