1. ভূমিকা
গোয়ার্টজেলের ২০১৪ সালের সমীক্ষায় প্রস্তাবিত 'কৃত্রিম বিজ্ঞানী' তৈরি করার উচ্চাভিলাষী লক্ষ্য নিয়ে এই গবেষণাপত্রটি আলোচনা করে, যা নোবেল পুরস্কার-যোগ্য গবেষণা স্বাধীনভাবে পরিচালনা করতে সক্ষম একটি এআই। এটি এমন একটি সত্তার জন্য প্রয়োজনীয় সামর্থ্যগুলি স্পষ্ট করে এবং কৃত্রিম সাধারণ বুদ্ধিমত্তা (এজিআই) গবেষণার বৃহত্তর পরিসরে এই লক্ষ্যকে স্থাপন করে। কেন্দ্রীয় প্রশ্নটি কেবল বৈজ্ঞানিক কাজগুলো স্বয়ংক্রিয় করা নয়, বরং একটি এআই-কে বিজ্ঞানীর মূল জ্ঞানগত গুণাবলী দান করা: সংশয়বাদ, প্রায়োগিক বৈধতা এবং তত্ত্ব গঠন।
2. একজন কৃত্রিম বিজ্ঞানীর কী কী প্রয়োজন?
রয়্যাল সোসাইটির মূলমন্ত্র "nullius in verba" (কারো কথায় বিশ্বাস করো না) থেকে অনুপ্রাণিত হয়ে, লেখকরা একজন কৃত্রিম বিজ্ঞানীর অবশ্যই থাকা প্রয়োজনীয় সামর্থ্যগুলি বিশুদ্ধ করেছেন।
2.1 অনুমানের উপস্থাপনা
এজেন্টের অবশ্যই একটি আনুষ্ঠানিক বা প্রতীকী উপায় থাকতে হবে যাতে যেকোনো পরীক্ষাযোগ্য অনুমানকে সত্য-মূল্যের একটি বিবৃতি হিসেবে উপস্থাপন করা যায়। এটি যেকোনো ধরনের বৈজ্ঞানিক যুক্তির জন্য একটি মৌলিক প্রয়োজনীয়তা।
2.2 আরোহী অনুমান
জ্ঞানের ভিত্তি হিসেবে সাক্ষ্য-প্রমাণ প্রত্যাখ্যান করার জন্য নির্দিষ্ট পর্যবেক্ষণ থেকে সাধারণ নীতি অনুমান করার সামর্থ্য প্রয়োজন। এটি প্রায়োগিক তথ্য থেকে শেখার মূলভিত্তি।
2.3 অবরোহী ও অপসারণী যুক্তি
এজেন্টকে অবশ্যই জ্ঞানকে শুদ্ধ অবরোহী যুক্তি (সাধারণ নিয়ম থেকে নির্দিষ্ট সিদ্ধান্তে) এর মাধ্যমে রূপান্তর করতে হবে। গুরুত্বপূর্ণভাবে, এটিকে অপসারণী যুক্তিও সম্পাদন করতে হবে—সম্ভাব্য অনুমান তৈরি করা যা পর্যবেক্ষিত ঘটনাগুলো ব্যাখ্যা করতে পারে, যা পরবর্তীতে পরীক্ষামূলক যাচাইয়ের প্রার্থী হয়ে ওঠে।
2.4 কার্যকারণ যুক্তি ও ব্যাখ্যাযোগ্যতা
বিজ্ঞান কার্যকারণ সম্পর্ক খোঁজে। কৃত্রিম বিজ্ঞানীকে অর্থপূর্ণ পরীক্ষা-নিরীক্ষা ডিজাইন করার জন্য কার্যকারণগতভাবে যুক্তি দিতে সক্ষম হতে হবে। তদুপরি, এটিকে অবশ্যই তার অনুমান ও ফলাফলগুলো এমনভাবে ব্যাখ্যা করতে সক্ষম হতে হবে যা তার মানব শ্রোতাদের বোধগম্য হয়, যা উন্নত প্রাকৃতিক ভাষা উৎপাদনের প্রয়োজনীয়তা নির্দেশ করে, কেবল মডেলের ব্যাখ্যাযোগ্যতার বাইরে গিয়ে।
2.5 অনুমানের মূল্যায়ন
সীমিত সম্পদ দেওয়া থাকলে, কোন অনুমানগুলো অনুসরণ করতে হবে তা বিচার করার জন্য এজেন্টের হিউরিস্টিকস প্রয়োজন। এতে সম্ভাব্যতা (সত্য হওয়ার সম্ভাবনা) এবং সম্ভাব্য লাভ (অর্জিত জ্ঞানের তাৎপর্য বা উপযোগিতা) উভয়ের মূল্যায়ন জড়িত। এটি একটি অন্তর্নিহিত আদর্শিক উপাদান ('উচিত') প্রবর্তন করে যা এআই-কে সরবরাহ করতে হবে।
3. একজন কৃত্রিম বিজ্ঞানীর জন্য এজিআই পন্থাসমূহ
উপরে উল্লিখিত প্রয়োজনীয়তার বিপরীতে গবেষণাপত্রটি তিনটি প্রধান এজিআই দৃষ্টান্তের মূল্যায়ন করে।
3.1 যুক্তিবাদী পন্থা
এই দৃষ্টান্ত, যা প্রতীকী এআই-এর মধ্যে নিহিত, জ্ঞান উপস্থাপনা ও যুক্তির জন্য আনুষ্ঠানিক যুক্তিবিদ্যা ব্যবহার করে। শক্তি: অবরোহী ও অপসারণী যুক্তি, অনুমান উপস্থাপনা এবং স্পষ্ট, ব্যাখ্যাযোগ্য মডেল তৈরি করার জন্য চমৎকার। ত্রুটি: কাঁচা তথ্য থেকে শেখা (আরোহণ), স্কেলযোগ্যতা এবং অনিশ্চয়তা বা উপলব্ধিমূলক কাজ পরিচালনায় সংগ্রাম করে।
3.2 উদ্ভূতবাদী পন্থা
এই দৃষ্টান্ত, গভীর শিক্ষার মতো সংযোগবাদী মডেল দ্বারা উদাহরণিত, সহজ উপাদানগুলোর মিথস্ক্রিয়া থেকে বুদ্ধিমত্তার উদ্ভব ঘটানোর লক্ষ্য রাখে। শক্তি: বড় ডেটাসেট থেকে আরোহী অনুমান, প্যাটার্ন শনাক্তকরণ এবং উপলব্ধিমূলক কাজে শক্তিশালী। ত্রুটি: স্পষ্ট যুক্তি, অপসারণ, কার্যকারণ মডেলিং-এ দুর্বল এবং প্রায়শই একটি "ব্ল্যাক বক্স", ব্যাখ্যাযোগ্যতার অভাব রয়েছে।
3.3 সর্বজনীন পন্থা
এই দৃষ্টান্ত বুদ্ধিমত্তার জন্য একটি একক, গাণিতিকভাবে সাধারণ কাঠামো খোঁজে, যা প্রায়শই অ্যালগরিদমিক তথ্য তত্ত্ব বা সলোমোনফ আরোহণের উপর ভিত্তি করে। শক্তি: তাত্ত্বিকভাবে মার্জিত ও সর্বজনীন। ত্রুটি: গণনাগতভাবে দুর্বোধ্য, যা বর্তমানে ব্যবহারিক বাস্তবায়ন অসম্ভব করে তোলে।
4. একটি ঐক্যবদ্ধ কাঠামোর দিকে
গবেষণাপত্রটি এই সিদ্ধান্তে পৌঁছেছে যে কোনো একক বিদ্যমান দৃষ্টান্তই একজন কৃত্রিম বিজ্ঞানীর জন্য সমস্ত প্রয়োজনীয়তা পূরণ করে না। একটি সম্মিলিত বা ঐক্যবদ্ধ পন্থা প্রয়োজন। এটি সংক্ষেপে এমন তত্ত্বগুলো অন্বেষণ করে যা উপাদানগুলিকে একত্রিত করে, যেমন নিউরো-সিম্বলিক এআই, যা স্নায়ু নেটওয়ার্কের শক্তিশালী শিক্ষাকে প্রতীকী ব্যবস্থার কাঠামোগত যুক্তির সাথে একীভূত করে, বৈজ্ঞানিক আবিষ্কারের বহুমুখী চাহিদা পূরণের জন্য একটি প্রতিশ্রুতিশীল দিকনির্দেশনা হিসেবে।
5. মূল অন্তর্দৃষ্টি ও বিশ্লেষকের দৃষ্টিভঙ্গি
মূল অন্তর্দৃষ্টি: "কৃত্রিম বিজ্ঞানী" কেবল একটি স্বয়ংক্রিয়করণ সরঞ্জাম নয়, বরং এজিআই-এর চূড়ান্ত চাপ পরীক্ষা। এটির জন্য সামর্থ্যগুলোর একটি সংমিশ্রণ প্রয়োজন—তথ্য-চালিত শিক্ষা, যৌক্তিক কঠোরতা, কার্যকারণগত বোঝাপড়া এবং যোগাযোগের স্পষ্টতা—যা আজকের এআই সাইলোগুলো ব্যক্তিগতভাবে বিস্ময়করভাবে প্রদান করতে ব্যর্থ হয়। গবেষণাপত্রটি সঠিকভাবে চিহ্নিত করে যে প্যাটার্ন-ম্যাচিং (উদ্ভূতবাদী) এবং নিয়ম-অনুসরণ (যুক্তিবাদী) এআই-এর মধ্যে ব্যবধানই প্রধান বাধা।
যুক্তিগত প্রবাহ: যুক্তিটি মার্জিতভাবে সরল: বিজ্ঞানীর মূল জ্ঞানগত ক্রিয়াগুলো সংজ্ঞায়িত করুন, সেগুলোকে জ্ঞানীয় সামর্থ্যের সাথে ম্যাপ করুন এবং তারপর এই চেকলিস্টের বিপরীতে বিদ্যমান এজিআই দৃষ্টান্তগুলোর নির্মম নিরীক্ষা করুন। মূল বিষয়গুলোতে প্রতিটি দৃষ্টান্তের ব্যর্থতা যৌক্তিকভাবে সংহতির দিকে সিদ্ধান্তে বাধ্য করে। অনুমান মূল্যায়ন সম্পর্কে হিউমের গিলোটিনের উল্লেখ একটি তীক্ষ্ণ দার্শনিক স্পর্শ যা যেকোনো স্বায়ত্তশাসিত বিজ্ঞানীর মধ্যে অন্তর্নির্মিত মূল্যবোধ বা হিউরিস্টিকসের অপরিহার্য প্রয়োজনীয়তা তুলে ধরে।
শক্তি ও ত্রুটি: গবেষণাপত্রটির শক্তি হল একটি মহান চ্যালেঞ্জের এর স্পষ্ট, প্রয়োজনীয়তা-চালিত বিশ্লেষণ। এটি অস্পষ্ট প্রতিশ্রুতি এড়িয়ে যায় এবং কংক্রিট সামর্থ্যের ফাঁকগুলোর উপর ফোকাস করে। যাইহোক, এর প্রধান ত্রুটি হল প্রস্তাবিত সমাধানের হালকা আলোচনা। এআই-তে "সম্মিলিত পন্থা" উল্লেখ করা একটি পুরনো ক্লিশে। আসল অন্তর্দৃষ্টি হবে একটি নির্দিষ্ট স্থাপত্যিক নীলনকশা বা একটি ন্যূনতম কার্যকরী সংহতি প্রস্তাব করা, যেমন CycleGAN গবেষণাপত্রটি অযুগ্ম চিত্র-থেকে-চিত্র অনুবাদের জন্য একটি কংক্রিট কাঠামো প্রদান করেছিল। এটি ছাড়া, সিদ্ধান্তটি একটি প্রয়োজনীয় কিন্তু অপর্যাপ্ত পদক্ষেপ বলে মনে হয়।
কার্যকরী অন্তর্দৃষ্টি: গবেষকদের জন্য, তাত্ক্ষণিক উপলব্ধি হল নিউরো-সিম্বলিক এআই-কে একটি বিশেষ আগ্রহ হিসেবে দেখা বন্ধ করা। এটি বিজ্ঞান-জনিত এআই-এর জন্য কেন্দ্রীয় গবেষণা এজেন্ডা হওয়া উচিত। DARPA-এর ASDF প্রোগ্রামের মতো অর্থায়নকারী সংস্থাগুলোর উচিত এমন স্থাপত্যকে অগ্রাধিকার দেওয়া যা স্নায়ু উপলব্ধিকে প্রতীকী যুক্তি ইঞ্জিনের সাথে স্পষ্টভাবে যুক্ত করে। শিল্পের জন্য, ফোকাস হওয়া উচিত "কার্যকারণ আবিষ্কার টুলকিট" বিকাশের উপর যা বড় ভাষা মডেলের সাথে একীভূত করা যেতে পারে, পারস্পরিক সম্পর্ক থেকে কার্যকরী অনুমান উৎপাদনের দিকে এগিয়ে যাওয়া। একজন কৃত্রিম বিজ্ঞানীর পথ শুরু হয় এমন এআই তৈরি করে যা কেবল ১০০,০০০টি গবেষণাপত্র পড়তে পারে না, বরং সেই একটি ত্রুটিপূর্ণ ধারণাও চিহ্নিত করতে পারে যা তারা সবাই ভাগ করে—এমন একটি কাজ যার জন্য লেখকরা যে সম্মিলিত মন কল্পনা করেন তার প্রয়োজন।
6. প্রযুক্তিগত বিবরণ ও গাণিতিক কাঠামো
প্রয়োজনীয়তাগুলো একটি আনুষ্ঠানিক কাঠামো বোঝায়। অনুমান মূল্যায়নকে একটি অপ্টিমাইজেশন সমস্যা হিসেবে ফ্রেম করা যেতে পারে, সম্ভাব্যতা ও উপযোগিতার ভারসাম্য রেখে। তথ্য $D$ এবং একটি উপযোগিতা ফাংশন $U$ দেওয়া থাকলে, একটি স্পেস $H$ থেকে একটি অনুমান $h$ বেছে নেওয়ার জন্য একটি সরলীকৃত আনুষ্ঠানিকীকরণ হতে পারে:
$$h^* = \arg\max_{h \in H} \left[ \alpha \cdot \log P(h|D) + \beta \cdot U(h) \right]$$
যেখানে:
- $P(h|D)$ হল তথ্য দেওয়া থাকলে অনুমানের পোস্টেরিয়র সম্ভাব্যতা (বেইজিয়ান অনুমান বা আনুমানিকতার প্রয়োজন)।
- $U(h)$ হল একটি উপযোগিতা ফাংশন যা $h$ তদন্তের "লাভ" অনুমান করে (যেমন, যুগান্তকারী আবিষ্কারের সম্ভাবনা, ব্যবহারিক প্রয়োগ)।
- $\alpha$ এবং $\beta$ হল দুটি উদ্দেশ্যের ভারসাম্য রক্ষাকারী প্যারামিটার, যা এজেন্টের অন্তর্নিহিত "মূল্যবোধ" প্রতিনিধিত্ব করে।
অপসারণকে $H$ থেকে প্রার্থী $h$ তৈরি করার প্রক্রিয়া হিসেবে দেখা যেতে পারে যার $P(h|D)$ নগণ্য নয়। সর্বজনীন পন্থাগুলো অ্যালগরিদমিক সম্ভাবনা ব্যবহার করে $P(h|D)$ সংজ্ঞায়িত করতে পারে, যখন উদ্ভূতবাদী পন্থাগুলো তথ্য থেকে এটি শিখবে, এবং যুক্তিবাদী পন্থাগুলো একটি জ্ঞান ভিত্তি থেকে এটি উদ্ভূত করতে পারে।
7. বিশ্লেষণ কাঠামো: একটি কেস স্টাডি
দৃশ্যকল্প: একটি এআই জনস্বাস্থ্য তথ্য বিশ্লেষণ করে এবং অঞ্চল A এবং রোগ X-এর উচ্চ সংঘটনের মধ্যে একটি পারস্পরিক সম্পর্ক পর্যবেক্ষণ করে।
খাঁটি উদ্ভূতবাদী (গভীর শিক্ষা) মডেল: উচ্চ নির্ভুলতার সাথে প্যাটার্ন শনাক্ত করে। "কেন?" জিজ্ঞাসা করা হলে, এটি কেবল অবদানকারী বৈশিষ্ট্যগুলো হাইলাইট করতে পারে (যেমন, অঞ্চল A-এর বায়ুর গুণমান সূচক একটি শীর্ষ ভবিষ্যদ্বাণীকারী)। এটি একটি পরীক্ষাযোগ্য যান্ত্রিক অনুমান প্রস্তাব করতে পারে না যেমন "অঞ্চল A-তে প্রচলিত দূষক Y, কোষীয় প্রক্রিয়া Z-কে বাধা দেয়, যার ফলে রোগ X হয়।"
খাঁটি যুক্তিবাদী (প্রতীকী) মডেল: জীববিজ্ঞানের একটি জ্ঞান ভিত্তি রয়েছে। এটি যুক্তি দিতে পারে যে "প্রক্রিয়া Z-এর বাধা রোগ X সৃষ্টি করতে পারে" এবং "দূষক Y হল Z-এর একটি বাধাদানকারী।" যাইহোক, এটির কাঁচা, এলোমেলো ডেটাসেট থেকে অঞ্চল A এবং রোগের মধ্যে নতুন পরিসংখ্যানগত সংযোগ আবিষ্কার করার সামর্থ্যের অভাব থাকতে পারে।
সম্মিলিত নিউরো-সিম্বলিক পন্থা:
- উপলব্ধি/আরোহণ (স্নায়ু নেট): তথ্য থেকে অঞ্চল A এবং রোগ X-এর মধ্যে পারস্পরিক সম্পর্ক আবিষ্কার করে।
- প্রতীকী ভিত্তি স্থাপন: "অঞ্চল A" কে তার জ্ঞান ভিত্তিতে পরিচিত তথ্যের সাথে ম্যাপ করে: "অঞ্চল A-তে দূষক Y-এর উচ্চ মাত্রা রয়েছে।"
- অপসারণ (প্রতীকী যুক্তিদাতা): এর জৈবিক জ্ঞান গ্রাফকে প্রশ্ন করে: "রোগ X-এর পরিচিত কারণগুলো কী কী? দূষক Y কি এই কারণগুলোর যেকোনোটির সাথে যুক্ত হতে পারে?" এটি কোষীয় প্রক্রিয়া Z-এর সাথে সংযোগ খুঁজে পায়।
- অনুমান গঠন: পরীক্ষাযোগ্য, কার্যকারণগত অনুমান তৈরি করে: "দূষক Y প্রক্রিয়া Z-কে বাধা দিয়ে রোগ X সৃষ্টি করে।"
- পরীক্ষা-নিরীক্ষা ডিজাইন: কার্যকারণ যুক্তি ব্যবহার করে একটি ইন ভিট্রো পরীক্ষার প্রস্তাব করে যেখানে কোষগুলিকে দূষক Y-এর সংস্পর্শে আনা হয় এবং প্রক্রিয়া Z-এর কার্যকলাপ পরিমাপ করা হয়।
8. ভবিষ্যতের প্রয়োগ ও দিকনির্দেশনা
স্বল্পমেয়াদী (৫-১০ বছর): "এআই গবেষণা সহকারী" এর বিকাশ যা উপকরণ বিজ্ঞান (নতুন অনুঘটক আবিষ্কার) ও ওষুধ আবিষ্কার (নতুন ওষুধের লক্ষ্য পথ চিহ্নিতকরণ) এর মতো ক্ষেত্রে সাহিত্য পর্যালোচনা, অনুমান উৎপাদন এবং পরীক্ষামূলক ডিজাইনকে ব্যাপকভাবে ত্বরান্বিত করে। এগুলো হবে কঠোরভাবে স্কোপযুক্ত, সম্মিলিত ব্যবস্থা।
মধ্যমেয়াদী (১০-২০ বছর): স্বায়ত্তশাসিত আবিষ্কার ব্যবস্থা যা তথ্য-সমৃদ্ধ, তত্ত্ব-দরিদ্র ডোমেইনে কাজ করে। উদাহরণগুলোর মধ্যে রয়েছে JWST-এর মতো টেলিস্কোপ থেকে জ্যোতির্বিদ্যা সংক্রান্ত ডেটাসেট বিশ্লেষণ করে নতুন জ্যোতিঃপদার্থবিজ্ঞান মডেল প্রস্তাব করা, বা জিনোমিক ও প্রোটিওমিক তথ্যের মধ্য দিয়ে খুঁজে বের করে মানুষের প্যাটার্ন শনাক্তকরণের বাইরে জটিল রোগের কারণবিজ্ঞান উদ্ঘাটন করা।
দীর্ঘমেয়াদী ও অনুমানমূলক: সত্যিকারের কৃত্রিম বিজ্ঞানী যা মৌলিক পদার্থবিজ্ঞানে (যেমন, কোয়ান্টাম মাধ্যাকর্ষণ তত্ত্ব প্রস্তাব ও পরীক্ষা করা) বা গণিতে (গভীর অনুমান তৈরি ও প্রমাণ করা) দৃষ্টান্ত-পরিবর্তনকারী আবিষ্কার করতে সক্ষম। এর জন্য কেবল এআই স্থাপত্যে নয়, বরং স্বয়ংক্রিয় শারীরিক পরীক্ষা-নিরীক্ষায় (রোবোটিক ল্যাব) এবং সম্ভবত মেশিন-ভিত্তিক গণিতের নতুন রূপে অগ্রগতির প্রয়োজন হবে। চূড়ান্ত দিকনির্দেশনা হল এমন এআই-এর দিকে যা বৈজ্ঞানিক পদ্ধতিটিকেই পুনঃসংজ্ঞায়িত করতে পারে, মানুষের মনের জন্য বোধগম্য নয় এমন অনুমানমূলক কৌশলগুলো অন্বেষণ করে।
9. তথ্যসূত্র
- Goertzel, B. (2014). Artificial General Intelligence: Concept, State of the Art, and Future Prospects. Journal of Artificial General Intelligence, 5(1), 1-48.
- Bringsjord, S., & Licato, J. (2012). Psychometric Artificial General Intelligence: The Piaget-MacGuyver Room. In Theoretical Foundations of Artificial General Intelligence (pp. 25-48). Atlantis Press.
- Pearl, J. (2009). Causality: Models, Reasoning, and Inference (2nd ed.). Cambridge University Press.
- Marcus, G. (2020). The Next Decade in AI: Four Steps Towards Robust Artificial Intelligence. arXiv preprint arXiv:2002.06177.
- Garcez, A. d., & Lamb, L. C. (2020). Neurosymbolic AI: The 3rd Wave. arXiv preprint arXiv:2012.05876.
- King, R. D., et al. (2009). The Automation of Science. Science, 324(5923), 85-89.
- Hutter, M. (2005). Universal Artificial Intelligence: Sequential Decisions Based on Algorithmic Probability. Springer.
- DARPA. Automated Scientific Discovery Framework (ASDF) Program. Retrieved from https://www.darpa.mil.