কৃত্রিম বুদ্ধিমত্তার সংক্ষিপ্ত ইতিহাস: বিশ্ব দ্রুত পরিবর্তিত হয়েছে—পরবর্তীতে কী হতে পারে?

ভবিষ্যৎ কেমন হতে পারে তা দেখতে আমাদের ইতিহাস অধ্যয়ন করা প্রায়শই সহায়ক। এই আমি এই নিবন্ধে কি করতে হবে. আমি কম্পিউটারের সংক্ষিপ্ত ইতিহাস পুনরুদ্ধার করি এবং কৃত্রিম বুদ্ধিমত্তা আমরা ভবিষ্যতের জন্য কি আশা করতে পারি তা দেখতে।

কিভাবে আমরা এখানে পেতে পারি?

পৃথিবী কত দ্রুত পরিবর্তিত হয়েছে তা স্পষ্ট হয়ে ওঠে যে সাম্প্রতিক কম্পিউটার প্রযুক্তি আজকে আমাদের কাছে প্রাচীন বলে মনে হয়। 90 এর দশকে মোবাইল ফোনগুলি ছোট সবুজ ডিসপ্লে সহ বড় ইট ছিল। এর দুই দশক আগে কম্পিউটারের প্রধান স্টোরেজ ছিল পাঞ্চ কার্ড।

অল্প সময়ের মধ্যে কম্পিউটার এত দ্রুত বিকশিত হয়েছে এবং আমাদের দৈনন্দিন জীবনের এমন একটি অবিচ্ছেদ্য অংশ হয়ে উঠেছে যে এই প্রযুক্তিটি কত সাম্প্রতিক তা ভুলে যাওয়া সহজ। প্রথম ডিজিটাল কম্পিউটারগুলি মাত্র আট দশক আগে উদ্ভাবিত হয়েছিল, যেমন টাইমলাইন দেখায়।

এই ইতিহাসের প্রথম দিন থেকে, কিছু কম্পিউটার বিজ্ঞানী যন্ত্রকে মানুষের মতো বুদ্ধিমান করার চেষ্টা করেছেন। পরবর্তী টাইমলাইনে কিছু উল্লেখযোগ্য কৃত্রিম বুদ্ধিমত্তা সিস্টেম দেখায় এবং তারা কী সক্ষম ছিল তা বর্ণনা করে।

আমি উল্লেখ করা প্রথম সিস্টেমটি হল থিসিয়াস। এটি 1950 সালে ক্লড শ্যানন দ্বারা নির্মিত হয়েছিল এবং এটি একটি দূর-নিয়ন্ত্রিত মাউস যা গোলকধাঁধা থেকে বেরিয়ে আসার পথ খুঁজে পেতে সক্ষম হয়েছিল এবং এটির পথ মনে রাখতে পারে।¹ সাত দশকে কৃত্রিম বুদ্ধিমত্তার ক্ষমতা অনেক দূর এগিয়েছে।

এআই সিস্টেমের ভাষা এবং চিত্র শনাক্তকরণ ক্ষমতা এখন মানুষের সাথে তুলনীয়

এআই সিস্টেমের ভাষা এবং ছবি শনাক্তকরণ ক্ষমতা খুব দ্রুত বিকশিত হয়েছে।

চার্ট দেখায় কিভাবে আমরা গত দুই দশকের AI উন্নয়নে জুম করে এখানে এসেছি। প্লট করা ডেটা বেশ কয়েকটি পরীক্ষা থেকে উদ্ভূত হয় যেখানে হস্তাক্ষর স্বীকৃতি থেকে ভাষা বোঝা পর্যন্ত পাঁচটি ভিন্ন ডোমেনে মানব এবং এআই কর্মক্ষমতা মূল্যায়ন করা হয়েছিল।

পাঁচটি ডোমেনের প্রতিটির মধ্যে AI সিস্টেমের প্রাথমিক কর্মক্ষমতা -100 সেট করা হয়েছে, এবং এই পরীক্ষাগুলিতে মানুষের কর্মক্ষমতা একটি বেসলাইন হিসাবে ব্যবহৃত হয় যা শূন্যে সেট করা হয়। এর মানে হল যে যখন মডেলের কর্মক্ষমতা শূন্য রেখা অতিক্রম করে তখন AI সিস্টেম প্রাসঙ্গিক পরীক্ষায় একই পরীক্ষায় করা মানুষের চেয়ে বেশি পয়েন্ট অর্জন করে।²

মাত্র 10 বছর আগে, কোনও মেশিন নির্ভরযোগ্যভাবে একটি মানব স্তরে ভাষা বা চিত্র স্বীকৃতি প্রদান করতে পারেনি। কিন্তু, চার্ট দেখায়, এআই সিস্টেমগুলি ক্রমাগতভাবে আরও সক্ষম হয়ে উঠেছে এবং এখন মানুষকে মারছে পরীক্ষা এই সব ডোমেইনে।

এই প্রমিত পরীক্ষার বাইরে এই AI-এর কর্মক্ষমতা মিশ্র। কিছু বাস্তব-বিশ্বের ক্ষেত্রে এই সিস্টেমগুলি এখনও মানুষের চেয়ে অনেক খারাপ কাজ করছে। অন্যদিকে, এই ধরনের AI সিস্টেমের কিছু বাস্তবায়ন ইতিমধ্যেই এতটাই সস্তা যে সেগুলি আপনার পকেটে ফোনে পাওয়া যায়: ছবি শনাক্তকরণ আপনার ফটোগুলিকে শ্রেণীবদ্ধ করে এবং স্পিচ রিকগনিশন আপনি যা নির্দেশ করেন তা প্রতিলিপি করে।

ইমেজ রিকগনিশন থেকে ইমেজ জেনারেশন পর্যন্ত

আগের চার্ট কৃত্রিম বুদ্ধিমত্তার উপলব্ধি ক্ষমতার দ্রুত অগ্রগতি দেখিয়েছে। এআই সিস্টেমগুলি ইমেজ তৈরি করতে অনেক বেশি সক্ষম হয়ে উঠেছে।

নয়টি ছবির এই সিরিজটি গত নয় বছরে উন্নয়ন দেখায়। এই ছবিগুলোর কোনো মানুষই নেই; তাদের সব একটি AI সিস্টেম দ্বারা উত্পন্ন হয়েছে.

সিরিজটি শুরু হয় 2014 থেকে উপরের বাম দিকের একটি ছবি দিয়ে, কালো এবং সাদা একটি পিক্সেলটেড মুখের একটি আদিম ছবি৷ দ্বিতীয় সারির প্রথম চিত্রটি দেখায়, মাত্র তিন বছর পরে AI সিস্টেমগুলি ইতিমধ্যে এমন চিত্র তৈরি করতে সক্ষম হয়েছিল যা একটি ফটোগ্রাফ থেকে আলাদা করা কঠিন ছিল।

সাম্প্রতিক বছরগুলিতে, এআই সিস্টেমগুলির সক্ষমতা এখনও অনেক বেশি চিত্তাকর্ষক হয়ে উঠেছে। যদিও প্রাথমিক সিস্টেমগুলি মুখের ছবি তৈরি করার উপর দৃষ্টি নিবদ্ধ করেছিল, এই নতুন মডেলগুলি প্রায় যে কোনও প্রম্পটের উপর ভিত্তি করে টেক্সট-টু-ইমেজ তৈরিতে তাদের ক্ষমতাকে প্রসারিত করেছিল। নীচের ডানদিকের চিত্রটি দেখায় যে এমনকি সবচেয়ে চ্যালেঞ্জিং প্রম্পটগুলি যেমন “একজন পোমেরিয়ান রাজার সিংহাসনে মুকুট পরা বসে আছেন। দুই বাঘ সৈন্য সিংহাসনের পাশে দাঁড়িয়ে আছে"-সেকেন্ডের মধ্যে ফটোরিয়ালিস্টিক ছবিতে পরিণত হয়।⁴

ভাষা স্বীকৃতি এবং উৎপাদন দ্রুত বিকশিত হচ্ছে

ইমেজ-উৎপাদনকারী AI-এর অগ্রগতির মতোই আকর্ষণীয় হল এমন সিস্টেমগুলির দ্রুত বিকাশ যা মানুষের ভাষা বিশ্লেষণ করে এবং প্রতিক্রিয়া জানায়।

ছবিতে দেখানো হয়েছে Google দ্বারা PaLM নামে ডেভেলপ করা একটি AI সিস্টেমের উদাহরণ। এই ছয়টি উদাহরণে, সিস্টেমটিকে ছয়টি ভিন্ন কৌতুক ব্যাখ্যা করতে বলা হয়েছিল। আমি নীচের ডানদিকে ব্যাখ্যাটি বিশেষভাবে উল্লেখযোগ্য বলে মনে করি: এআই একটি বিরোধী রসিকতা ব্যাখ্যা করে যা শ্রোতাকে বিভ্রান্ত করার জন্য বিশেষভাবে বোঝানো হয়।

ভাষা উৎপাদনকারী AIs গত কয়েক বছরে আমাদের বিশ্বে নানাভাবে প্রবেশ করেছে। ইমেলগুলি স্বয়ংক্রিয়ভাবে সম্পূর্ণ হয়, প্রচুর পরিমাণে অনলাইন পাঠ্য অনুবাদ করা হয়, ভিডিওগুলি স্বয়ংক্রিয়ভাবে প্রতিলিপি করা হয়, স্কুলের শিশুরা তাদের বাড়ির কাজ করার জন্য ভাষা মডেল ব্যবহার করে, প্রতিবেদনগুলি স্বয়ংক্রিয়ভাবে তৈরি হয় এবং মিডিয়া আউটলেটগুলি প্রকাশ করা এআই-উত্পন্ন সাংবাদিকতা।

এআই সিস্টেমগুলি এখনও দীর্ঘ, সুসঙ্গত পাঠ্য তৈরি করতে সক্ষম নয়। ভবিষ্যতে, আমরা দেখতে পাব যে সাম্প্রতিক ঘটনাগুলি মন্থর হবে কিনা—অথবা শেষ হবে—অথবা আমরা একদিন AI দ্বারা লেখা একটি বেস্টসেলিং উপন্যাস পড়ব কিনা৷

আমরা এখন কোথায়: এআই এখানে

AI ক্ষমতার এই দ্রুত অগ্রগতিগুলি নতুন ডোমেনের বিস্তৃত পরিসরে মেশিনগুলি ব্যবহার করা সম্ভব করেছে:

আপনি যখন একটি ফ্লাইট বুক করেন, এটি প্রায়শই একটি কৃত্রিম বুদ্ধিমত্তা, এবং এটি আর মানুষ নয় সিদ্ধান্ত নেয় আপনি কি দিতে. আপনি যখন বিমানবন্দরে যান, এটি একটি এআই সিস্টেম যা মনিটর আপনি বিমানবন্দরে কি করেন। এবং একবার আপনি বিমানে উঠলে, একটি এআই সিস্টেম পাইলটকে সহায়তা করে উড়ন্ত আপনি আপনার গন্তব্যে।

এআই সিস্টেমগুলিও ক্রমবর্ধমানভাবে নির্ধারণ করে যে আপনি কিনা একটি ঋণ পেতে, হয় উপযুক্ত কল্যাণের জন্য, বা পেতে ভাড়াটে একটি নির্দিষ্ট কাজের জন্য। ক্রমবর্ধমানভাবে তারা কে পায় তা নির্ধারণ করতে সহায়তা করে জেল থেকে মুক্তি.

বেশ কয়েকটি সরকার ক্রয় করছে স্বায়ত্তশাসিত অস্ত্র সিস্টেম যুদ্ধের জন্য, এবং কিছু এর জন্য এআই সিস্টেম ব্যবহার করছে নজরদারি এবং নিপীড়ন.

এআই সিস্টেমগুলি সাহায্য আপনার ব্যবহার করা সফ্টওয়্যার প্রোগ্রাম করতে এবং অনুবাদ আপনি পড়া পাঠ্য. ভার্চুয়াল সহকারীরা, বক্তৃতা স্বীকৃতি দ্বারা পরিচালিত, গত দশকে অনেক পরিবারে প্রবেশ করেছে৷ এখন স্ব ড্রাইভিং গাড়ি বাস্তবে পরিণত হচ্ছে।

গত কয়েক বছরে এআই সিস্টেম সাহায্য থেকে করা উন্নতি বিজ্ঞানের কিছু কঠিন সমস্যা নিয়ে।

বড় AIs বলা হয় সুপারিশকারী সিস্টেম আপনি সোশ্যাল মিডিয়াতে কী দেখছেন, অনলাইন দোকানে আপনাকে কোন পণ্যগুলি দেখানো হবে এবং YouTube-এ আপনাকে কী সুপারিশ করা হবে তা নির্ধারণ করুন। ক্রমবর্ধমানভাবে তারা শুধুমাত্র আমরা যে মিডিয়া ব্যবহার করি তা সুপারিশ করছে না, কিন্তু ছবি এবং পাঠ্য তৈরি করার ক্ষমতার উপর ভিত্তি করে তারা তৈরি আমরা যে মিডিয়া ব্যবহার করি।

কৃত্রিম বুদ্ধিমত্তা আর ভবিষ্যতের প্রযুক্তি নয়; AI এখানে আছে, এবং এখন যা বাস্তবতা তা অনেকটাই সম্প্রতি সাই-ফাই-এর মতো দেখাবে। এটি এমন একটি প্রযুক্তি যা ইতিমধ্যে আমাদের সকলকে প্রভাবিত করে এবং উপরের তালিকায় এর কয়েকটি অন্তর্ভুক্ত রয়েছে অনেক অ্যাপ্লিকেশন.

তালিকাভুক্ত অ্যাপ্লিকেশনগুলির বিস্তৃত পরিসর স্পষ্ট করে যে এটি একটি খুব সাধারণ প্রযুক্তি যা কিছু অত্যন্ত ভাল লক্ষ্যের জন্য লোকেদের দ্বারা ব্যবহার করা যেতে পারে - এবং কিছু অসাধারণ খারাপ লক্ষ্যগুলিও। এই ধরনের 'দ্বৈত ব্যবহার প্রযুক্তি'র জন্য, এটা গুরুত্বপূর্ণ যে আমাদের সকলেরই কী ঘটছে এবং কীভাবে আমরা প্রযুক্তিটি ব্যবহার করতে চাই সে সম্পর্কে একটি বোঝাপড়া তৈরি করা।

মাত্র দুই দশক আগেও পৃথিবীটা অন্যরকম ছিল। ভবিষ্যতে এআই প্রযুক্তি কী সক্ষম হতে পারে?

তারপর কি?

আমরা এইমাত্র যে AI সিস্টেমগুলি বিবেচনা করেছি সেগুলি AI প্রযুক্তিতে কয়েক দশক ধরে অবিচলিত অগ্রগতির ফলাফল।

নিচের বড় চার্টটি গত আট দশকের এই ইতিহাসকে পরিপ্রেক্ষিতে নিয়ে আসে। এটি জেইম সেভিলা এবং সহকর্মীদের দ্বারা উত্পাদিত ডেটাসেটের উপর ভিত্তি করে।⁷

এই চার্টের প্রতিটি ছোট বৃত্ত একটি এআই সিস্টেমের প্রতিনিধিত্ব করে। অনুভূমিক অক্ষের উপর বৃত্তের অবস্থান নির্দেশ করে কখন AI সিস্টেম তৈরি করা হয়েছিল এবং উল্লম্ব অক্ষের উপর এর অবস্থান নির্দিষ্ট AI সিস্টেমকে প্রশিক্ষণের জন্য ব্যবহৃত গণনার পরিমাণ দেখায়।

প্রশিক্ষণ গণনা পরিমাপ করা হয় ফ্লোটিং পয়েন্ট অপারেশন, বা সংক্ষেপে FLOP। একটি FLOP দুই দশমিক সংখ্যার একটি যোগ, বিয়োগ, গুণ বা ভাগের সমতুল্য।

মেশিন লার্নিং এর উপর নির্ভরশীল সমস্ত AI সিস্টেমকে প্রশিক্ষিত করতে হবে, এবং এই সিস্টেমগুলিতে প্রশিক্ষণ গণনা হল তিনটি মৌলিক বিষয়ের মধ্যে একটি যা সিস্টেমের ক্ষমতাকে চালিত করছে। অন্য দুটি কারণ হল অ্যালগরিদম এবং ব্যবহৃত ইনপুট ডেটা প্রশিক্ষণের জন্য। ভিজ্যুয়ালাইজেশন দেখায় যে প্রশিক্ষণ গণনা বৃদ্ধির সাথে সাথে এআই সিস্টেমগুলি আরও শক্তিশালী হয়ে উঠেছে।

টাইমলাইন 1940 এর দশকে ফিরে যায়, ইলেকট্রনিক কম্পিউটারের একেবারে শুরু। প্রথম দেখানো এআই সিস্টেম হল 'থিসিউস', 1950 সালের ক্লড শ্যাননের রোবোটিক মাউস যা আমি শুরুতে উল্লেখ করেছি। টাইমলাইনের অন্য প্রান্তে আপনি DALL-E এবং PaLM-এর মতো AI সিস্টেমগুলি খুঁজে পাচ্ছেন, যাদের ফটোরিয়ালিস্টিক ছবি তৈরি করার এবং আমরা এইমাত্র দেখেছি এমন ভাষা ব্যাখ্যা ও তৈরি করার ক্ষমতা। তারা এআই সিস্টেমগুলির মধ্যে রয়েছে যেগুলি এখন পর্যন্ত সর্বাধিক পরিমাণ প্রশিক্ষণ গণনা ব্যবহার করেছে।

প্রশিক্ষণ গণনাটি লগারিদমিক স্কেলে প্লট করা হয়েছে, যাতে প্রতিটি গ্রিড-লাইন থেকে পরবর্তী পর্যন্ত এটি 100-গুণ বৃদ্ধি দেখায়। এই দীর্ঘমেয়াদী দৃষ্টিকোণ একটি ক্রমাগত বৃদ্ধি দেখায়. প্রথম ছয় দশক ধরে, প্রশিক্ষণ গণনার সাথে সামঞ্জস্য রেখে বেড়েছে মুরের সূত্র, প্রায় প্রতি 20 মাসে দ্বিগুণ হয়। প্রায় 2010 সাল থেকে এই সূচকীয় প্রবৃদ্ধি আরও ত্বরান্বিত হয়েছে, মাত্র 6 মাসের দ্বিগুণ সময়ে। এটি একটি আশ্চর্যজনকভাবে দ্রুত বৃদ্ধির হার।⁸

দ্রুত দ্বিগুণ সময় বড় বৃদ্ধি জমা হয়েছে. PaLM-এর প্রশিক্ষণ গণনা ছিল 2.5 বিলিয়ন petaFLOP, অ্যালেক্সনেটের তুলনায় 5 মিলিয়ন গুণ বেশি, মাত্র 10 বছর আগে সবচেয়ে বড় প্রশিক্ষণ গণনা সহ AI।⁹

স্কেল-আপ ইতিমধ্যেই সূচকীয় ছিল এবং গত এক দশকে তা যথেষ্ট বৃদ্ধি পেয়েছে। এআই-এর ভবিষ্যতের জন্য এই ঐতিহাসিক উন্নয়ন থেকে আমরা কী শিখতে পারি?

AI এর ভবিষ্যত ভবিষ্যতবাণী করতে দীর্ঘমেয়াদী প্রবণতা অধ্যয়ন করা

এআই গবেষকরা ভবিষ্যতে কী সম্ভব তা দেখতে এই দীর্ঘমেয়াদী প্রবণতাগুলি অধ্যয়ন করেন।¹¹

সম্ভবত এই ধরণের সর্বাধিক আলোচিত গবেষণাটি এআই গবেষক অজেয়া কোট্রা দ্বারা প্রকাশিত হয়েছিল। তিনি প্রশিক্ষণ গণনার বৃদ্ধি অধ্যয়ন করেছিলেন যে সময়ে কোন সময়ে একটি এআই সিস্টেমকে প্রশিক্ষণ দেওয়ার গণনা মানুষের মস্তিষ্কের সাথে মেলে। ধারণা হল এই মুহুর্তে এআই সিস্টেমটি মানুষের মস্তিষ্কের ক্ষমতার সাথে মিলে যাবে। তার সর্বশেষ আপডেটে, Cotra অনুমান করেছে যে 50% সম্ভাবনা যে এই ধরনের "রূপান্তরকারী AI" 2040 সালের মধ্যে তৈরি হবে, এখন থেকে দুই দশকেরও কম সময়ের মধ্যে।¹²

In একটি সম্পর্কিত নিবন্ধ, আমি আলোচনা করি যে রূপান্তরকারী AI বিশ্বের জন্য কী বোঝাবে। সংক্ষেপে, ধারণাটি হল যে এই ধরনের একটি AI সিস্টেম বিশ্বকে একটি 'গুণগতভাবে ভিন্ন ভবিষ্যতে' নিয়ে আসতে যথেষ্ট শক্তিশালী হবে। এটি মানব ইতিহাসের আগের দুটি প্রধান পরিবর্তন, কৃষি ও শিল্প বিপ্লবের স্কেলে পরিবর্তন আনতে পারে। এটি অবশ্যই আমাদের জীবনের সবচেয়ে গুরুত্বপূর্ণ বৈশ্বিক পরিবর্তনের প্রতিনিধিত্ব করবে।

এই প্রেক্ষাপটে কোট্রার কাজ বিশেষভাবে প্রাসঙ্গিক কারণ তিনি তার পূর্বাভাসের উপর ভিত্তি করে প্রশিক্ষন গণনার যে ধরনের ঐতিহাসিক দীর্ঘমেয়াদী প্রবণতা আমরা এইমাত্র অধ্যয়ন করেছি তার উপর ভিত্তি করে। কিন্তু এটি লক্ষণীয় যে অন্যান্য পূর্বাভাসদাতারা যারা বিভিন্ন বিবেচনার উপর নির্ভর করে তারা ব্যাপকভাবে অনুরূপ সিদ্ধান্তে পৌঁছান। আমি দেখান হিসাবে এআই টাইমলাইনে আমার নিবন্ধ, অনেক এআই বিশেষজ্ঞরা বিশ্বাস করেন যে আগামী দশকের মধ্যে মানব-স্তরের কৃত্রিম বুদ্ধিমত্তার বিকাশের একটি বাস্তব সম্ভাবনা রয়েছে এবং কেউ কেউ বিশ্বাস করেন যে এটি আরও শীঘ্রই বিদ্যমান থাকবে।

প্রয়োজনীয় পাবলিক কথোপকথন সক্ষম করার জন্য একটি পাবলিক রিসোর্স তৈরি করা

কম্পিউটার এবং কৃত্রিম বুদ্ধিমত্তা আমাদের বিশ্বকে ব্যাপকভাবে পরিবর্তন করেছে, কিন্তু আমরা এখনও এই ইতিহাসের প্রাথমিক পর্যায়ে আছি। যেহেতু এই প্রযুক্তিটি খুব পরিচিত বোধ করে, এটি ভুলে যাওয়া সহজ যে এই সমস্ত প্রযুক্তিগুলির সাথে আমরা যোগাযোগ করি খুব সাম্প্রতিক উদ্ভাবন, এবং সবচেয়ে গভীর পরিবর্তনগুলি এখনও আসেনি৷

কৃত্রিম বুদ্ধিমত্তা ইতিমধ্যে আমরা যা দেখি, আমরা যা জানি এবং যা করি তা পরিবর্তন করেছে। এবং এটি এই সত্য সত্ত্বেও যে এই প্রযুক্তির একটি সংক্ষিপ্ত ইতিহাস রয়েছে।

এই প্রবণতা যে কোনো সময় শীঘ্রই কোনো সীমা অতিক্রম করছে এমন কোনো লক্ষণ নেই। বিপরীতে, বিশেষ করে গত দশকে, মৌলিক প্রবণতাগুলি ত্বরান্বিত হয়েছে: এআই প্রযুক্তিতে বিনিয়োগ হয়েছে দ্রুত বৃদ্ধি পায়, এবং প্রশিক্ষণ গণনার দ্বিগুণ সময় মাত্র ছয় মাসে সংক্ষিপ্ত হয়েছে।

সমস্ত প্রধান প্রযুক্তিগত উদ্ভাবন ইতিবাচক এবং নেতিবাচক ফলাফলের একটি পরিসীমার দিকে নিয়ে যায়। এটি ইতিমধ্যে কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রে সত্য। যেহেতু এই প্রযুক্তিটি আরও বেশি শক্তিশালী হয়ে উঠছে, আমাদের আশা করা উচিত যে এর প্রভাব আরও বেশি হবে।

AI-এর গুরুত্বের কারণে, আমাদের সকলের উচিত এই প্রযুক্তিটি কোন দিকে যাচ্ছে সে সম্পর্কে একটি মতামত তৈরি করতে এবং এই উন্নয়ন কীভাবে আমাদের বিশ্বকে পরিবর্তন করছে তা বুঝতে সক্ষম হওয়া উচিত। এই উদ্দেশ্যে, আমরা এআই-সম্পর্কিত মেট্রিক্সের একটি সংগ্রহস্থল তৈরি করছি, যা আপনি খুঁজে পেতে পারেন OurWorldinData.org/artificial-intelligence.

আমরা এখনও এই ইতিহাসের প্রাথমিক পর্যায়ে রয়েছি এবং যা সম্ভব হবে তার অনেক কিছুই এখনও আসেনি। এর মতো শক্তিশালী প্রযুক্তিগত উন্নয়ন আমাদের মনোযোগের কেন্দ্রবিন্দুতে থাকা উচিত। আমাদের বিশ্বের ভবিষ্যত-এবং আমাদের জীবনের ভবিষ্যত-কীভাবে খেলা হবে তার জন্য সামান্যই গুরুত্বপূর্ণ হতে পারে।

প্রাপ্তি স্বীকার: আমি আমার সহকর্মী নাতাশা আহুজা, ড্যানিয়েল ব্যাচলার, জুলিয়া ব্রডেন, চার্লি গিয়াত্তিনো, বাস্তিয়ান হেরে, এডোয়ার্ড ম্যাথিউ এবং আইকে সন্ডার্সকে ধন্যবাদ জানাতে চাই এই প্রবন্ধের খসড়াগুলিতে তাদের সহায়ক মন্তব্য এবং ভিজ্যুয়ালাইজেশন তৈরিতে তাদের অবদানের জন্য।

এই নিবন্ধটি মূলত উপর প্রকাশ করা হয়েছিল আমাদের ওয়ার্ল্ড ইন ডেটা এবং ক্রিয়েটিভ কমন্স লাইসেন্সের অধীনে এখানে পুনঃপ্রকাশিত হয়েছে। পর এটা মূল নিবন্ধ. 

চিত্র ক্রেডিট: DeepMind / Unsplash