প্রতিশ্রুতি এবং পিটফলস রিক্যাপ – পার্ট ফোর » CCC ব্লগ

প্রতিশ্রুতি এবং পিটফলস রিক্যাপ – পার্ট ফোর » CCC ব্লগ

সময় স্ট্যাম্প: মার্চ 21, 2024 11:37 এএম

এই বছরের AAAS বার্ষিক সম্মেলনে CCC তিনটি বৈজ্ঞানিক সেশন সমর্থন করেছে। এই সপ্তাহে, আমরা সেশনের হাইলাইটগুলি সংক্ষিপ্ত করব, "বিজ্ঞানে জেনারেটিভ এআই: প্রতিশ্রুতি এবং ক্ষতি.” এই প্যানেল, দ্বারা সংযত ডঃ ম্যাথিউ তুর্ক, শিকাগোতে টয়োটা টেকনোলজিক্যাল ইনস্টিটিউটের সভাপতি), বৈশিষ্ট্যযুক্ত ডঃ রেবেকা উইলেট, শিকাগো বিশ্ববিদ্যালয়ের পরিসংখ্যান এবং কম্পিউটার বিজ্ঞানের অধ্যাপক, ডাঃ মার্কাস বুহলার, ম্যাসাচুসেটস ইনস্টিটিউট অফ টেকনোলজির প্রকৌশলের অধ্যাপক এবং ডঃ ডানকান ওয়াটসন-প্যারিস, স্ক্রিপস ইনস্টিটিউশন অফ ওশানোগ্রাফির সহকারী অধ্যাপক এবং UC সান দিয়েগোতে Halıcıoğlu ডেটা সায়েন্স ইনস্টিটিউট। চতুর্থ অংশে, আমরা প্যানেলের প্রশ্নোত্তর অংশের সংক্ষিপ্ত বিবরণ দিয়েছি। 

একটি প্রশ্নোত্তর অধিবেশন প্যানেলিস্টের উপস্থাপনা অনুসরণ করে, এবং ডঃ ম্যাথিউ টার্ক আলোচনা শুরু করেন। “'প্রতিশ্রুতি এবং ক্ষতি' এই প্যানেলের শিরোনামে রয়েছে। আমরা অনেক প্রতিশ্রুতি নিয়ে আলোচনা করেছি, কিন্তু আমরা অনেক ত্রুটির সমাধান করিনি। জেনারেটিভ এআই-এর ভবিষ্যৎ নিয়ে আপনি কী চিন্তিত?”

"এই মডেলগুলির নির্ভরযোগ্যতা এবং বিশ্বস্ততা একটি বড় উদ্বেগের বিষয়", ডঃ রেবেকা উইলেট শুরু করেছিলেন। “এই মডেলগুলি এমন জিনিসগুলির ভবিষ্যদ্বাণী করতে পারে যা প্রশংসনীয়, কিন্তু মূল, প্রধান উপাদানগুলি অনুপস্থিত; আমি কি একজন মানুষ হিসাবে বুঝতে পারি যে সেখানে কিছু অনুপস্থিত আছে?

ডাঃ মার্কাস বুয়েলার যোগ করেছেন যে একটি মডেলের প্রকৃত ভবিষ্যদ্বাণী করতে এক সেকেন্ড সময় লাগতে পারে, তবে যাচাইকরণের পরীক্ষামূলক প্রক্রিয়া কয়েক মাস বা এক বছর বা তার বেশি সময় নিতে পারে। সুতরাং যখন আমরা ফলাফল যাচাই করিনি তখন আমরা কীভাবে অন্তর্বর্তী সময়ে কাজ করব? "আমাদের পরবর্তী প্রজন্মের জেনারেটিভ এআই ডেভেলপারদেরও শিক্ষিত করতে হবে যাতে তারা এমন মডেল ডিজাইন করে যা বিশ্বাসযোগ্য এবং যাচাইযোগ্য, এবং আমরা এই মডেলগুলির নির্মাণে পদার্থবিদ্যা-ভিত্তিক অন্তর্দৃষ্টি ব্যবহার করতে পারি।"

ডঃ ডানকান ওয়াটসন-প্যারিস পূর্ববর্তী উভয় পয়েন্টের উপর ভিত্তি করে তৈরি করেছেন, বলেছেন “যেহেতু এই মডেলগুলিকে যুক্তিসঙ্গত ফলাফল তৈরি করার জন্য ডিজাইন করা হয়েছে, আমরা কেবল তাদের নির্ভুলতা যাচাই করার জন্য ফলাফলগুলি দেখতে পারি না৷ জেনারেটিভ এআই গবেষকদের তাদের ফলাফল যাচাই করার জন্য এই মডেলগুলি কীভাবে কাজ করে সে সম্পর্কে গভীর ধারণা থাকা দরকার, যে কারণে পরবর্তী প্রজন্মকে সঠিকভাবে শিক্ষিত করা এত গুরুত্বপূর্ণ।"

শ্রোতা সদস্য: “বস্তু বিজ্ঞানে, আমরা কিছু উপকরণ অধ্যয়নের জন্য এগিয়ে যাওয়ার দিকটি জানি, কিন্তু অন্যদের জন্য, যেমন ঘরের তাপমাত্রার সুপারকন্ডাক্টর, আমরা জানি না কীভাবে এগিয়ে যেতে হবে। আপনি কি মনে করেন এই অজানা উপকরণ অধ্যয়নের পথ এগিয়ে দেখতে কেমন হবে? এবং কিভাবে এই ধরনের গবেষণা একটি নিয়ন্ত্রক দৃষ্টিকোণ থেকে সক্ষম করা উচিত?

"ঠিক আছে, আমি সুপারকন্ডাক্টর গবেষণায় একজন বিশেষজ্ঞ নই," ডঃ বুয়েলার বলেন, "তাই আমি সরাসরি এটির সাথে কথা বলব না, তবে আমি সাধারণভাবে বলতে পারি কিভাবে আমরা পদার্থ বিজ্ঞানে অগ্রগতি করি, বিশেষত আমার প্রোটিনের ক্ষেত্রে এবং জৈব উপাদান উন্নয়ন। আমরা যেভাবে অগ্রগতি করি তা হল খামে ধাক্কা দেওয়ার ক্ষমতা। আমরা নতুন পরীক্ষা চালাই এবং বিচিত্র ধারণা এবং তত্ত্ব পরীক্ষা করি এবং দেখি কোনটি কাজ করে এবং কেন। কিভাবে আমাদের এই গবেষণাটি সক্ষম করা উচিত, আমাদের সম্মিলিত অ্যাক্সেস সহ আরও ওপেন-সোর্স মডেল প্রয়োজন। আমি রাজনীতিবিদদের এই প্রযুক্তিগুলিকে অতিরিক্ত নিয়ন্ত্রণ না করার জন্য উত্সাহিত করব, যাতে গবেষকরা এবং জনসাধারণের এই ধরণের মডেলগুলিতে অ্যাক্সেস থাকে। আমি মনে করি না যে লোকেদের এই মডেলগুলি ব্যবহার করা থেকে বিরত রাখা ভাল ধারণা, বিশেষ করে যখন আমরা ধারণাগুলি এবং উন্নয়নগুলিকে ক্রাউডসোর্স করতে পারি এবং মানুষের কার্যকলাপের বিভিন্ন ক্ষেত্র থেকে জ্ঞানের পরিচয় দিতে পারি৷ উদাহরণস্বরূপ, যখন প্রিন্টিং প্রেস উদ্ভাবিত হয়েছিল, কর্তৃপক্ষ এই প্রযুক্তির প্রাপ্যতা সীমিত করার চেষ্টা করেছিল যাতে কিছু বই একসাথে পড়া যায়, কিন্তু এই প্রচেষ্টাটি খারাপভাবে ব্যর্থ হয়। জনসাধারণের সুরক্ষার সর্বোত্তম উপায় হল এই মডেলগুলিকে এমনভাবে অ্যাক্সেসের সুবিধা দেওয়া যাতে আমরা সমাজের সর্বাধিক সুবিধার জন্য তাদের ব্যাপকভাবে বিকাশ, অন্বেষণ এবং মূল্যায়ন করতে পারি।"

শ্রোতা সদস্য: “আজকের বেশিরভাগ জেনারেটিভ এআই মডেলগুলি হল রিগ্রেশন মডেল যা বিভিন্ন পরিস্থিতিতে অনুকরণ বা অনুকরণের উপর ফোকাস করে। যাইহোক, বিজ্ঞানের আবিষ্কার আমরা যে অনুমান এবং ভবিষ্যদ্বাণীগুলি স্বপ্ন দেখি তা দ্বারা ইন্ধন দেওয়া হয়। তাহলে আমরা কীভাবে এমন মডেল তৈরি করব যা বর্তমান মডেলগুলির পরিবর্তে নতুন ভবিষ্যদ্বাণী ধারণ করার উদ্দেশ্যে যা বেশিরভাগ পরীক্ষা-নিরীক্ষার জন্য ব্যবহৃত হয়?

ডঃ বুয়েলার প্রথম প্রতিক্রিয়া জানিয়ে বলেন, “আপনি ঠিক বলেছেন, বেশিরভাগ প্রথাগত মেশিন লার্নিং মডেলগুলি প্রায়ই রিগ্রেশন ভিত্তিক হয়, কিন্তু আমরা আজ যে মডেলগুলির কথা বলেছি সেগুলি ভিন্নভাবে কাজ করে৷ যখন আপনি বহু-এজেন্ট সিস্টেমগুলিকে অনেকগুলি ক্ষমতার সাথে একত্রিত করেন, তখন তারা আসলে নতুন পরিস্থিতিগুলি অন্বেষণ করতে শুরু করে এবং তারা যে পরীক্ষাগুলি চালিয়েছে তার উপর ভিত্তি করে যুক্তি এবং ভবিষ্যদ্বাণী করতে শুরু করে। তারা আরও মানুষ হয়ে ওঠে। আপনি, একজন গবেষক হিসাবে, একটি পরীক্ষা চালাবেন না এবং শুধু শেষ হবেন - আপনি একটি পরীক্ষা চালাবেন এবং তারপরে ডেটা দেখতে শুরু করবেন এবং এটিকে যাচাই করতে শুরু করবেন এবং এই ডেটার উপর ভিত্তি করে নতুন ভবিষ্যদ্বাণী করবেন, বিন্দুগুলিকে সংযুক্ত করতে এবং এক্সট্রাপোলেট করতে হাইপোথিসিস তৈরি করা এবং ইমেজ করা কিভাবে একটি নতুন দৃশ্যকল্প উন্মোচিত হবে। আপনি পরীক্ষা করবেন, নতুন তথ্য সংগ্রহ করবেন, একটি তত্ত্ব বিকাশ করবেন এবং আগ্রহের একটি নির্দিষ্ট বিষয়ে সম্ভবত একটি সমন্বিত কাঠামোর প্রস্তাব করবেন। তারপরে আপনি আপনার সহকর্মীদের সমালোচনার বিরুদ্ধে আপনার ধারণাগুলি রক্ষা করবেন এবং নতুন তথ্য ব্যবহার করা হলে সম্ভবত আপনার অনুমান সংশোধন করবেন। এইভাবে নতুন মাল্টি-এজেন্ট প্রতিপক্ষ সিস্টেমগুলি কাজ করে, তবে অবশ্যই তারা বিপুল পরিমাণ ডেটা এবং জ্ঞানের উপস্থাপনা নিয়ে যুক্তি করার অনেক বেশি ক্ষমতা সহ মানুষের দক্ষতাকে পরিপূরক করে। এই মডেলগুলি ইতিমধ্যেই নতুন অনুমান তৈরি করতে পারে যা ইতিমধ্যে যা অধ্যয়ন করা হয়েছে তার বাইরে খামকে ঠেলে দেয়, আবিষ্কার এবং উদ্ভাবনের বৈজ্ঞানিক প্রক্রিয়াকে যুক্ত করে।"

"আমি এর পরিপূরক করব," ডক্টর উইলেট, "সম্পূর্ণতা আবিষ্কারের ক্ষেত্র এবং প্রতীকী রিগ্রেশনের সাথে অন্য একটি ক্ষেত্র হিসাবে অনুমান তৈরির দিকে আরও বেশি লক্ষ্যবস্তু। এই জায়গায় অনেক কাজ চলছে।”

শ্রোতা সদস্য: "কীভাবে আমরা এই ধরনের মডেলগুলিতে অ্যাক্সেস বাড়াব এবং বাধাগুলি অতিক্রম করব, যেমন বেশিরভাগ মডেল ইংরেজি ভাষাভাষীদের জন্য তৈরি করা হচ্ছে?"

ডঃ রেবেকা উইলেট উত্তর দিয়েছিলেন, বলেছেন, “অনেক লোকের এই মডেলগুলি ব্যবহার করার অ্যাক্সেস রয়েছে, তবে তাদের ডিজাইন এবং প্রশিক্ষণের জন্য অনেক মিলিয়ন ডলার খরচ হয়। যদি শুধুমাত্র একটি ছোট সেট সংস্থা এই মডেলগুলি স্থাপন করতে সক্ষম হয়, তবে শুধুমাত্র একটি খুব ছোট সেটই বৈজ্ঞানিক সম্প্রদায়ের মধ্যে সিদ্ধান্ত এবং অগ্রাধিকার নির্ধারণ করছে। এবং প্রায়শই এই সংস্থা এবং ব্যক্তিদের অগ্রাধিকার লাভ চালিত হয়। যে বলেন, আমি মনে করি যে ল্যান্ডস্কেপ পরিবর্তন শুরু হয়. এনএসএফ-এর মতো সংস্থাগুলি এমন অবকাঠামো তৈরি করার চেষ্টা করছে যা বৃহত্তর বৈজ্ঞানিক সম্প্রদায়ের দ্বারা অ্যাক্সেস করা যেতে পারে। এই প্রচেষ্টা সুপার কম্পিউটারের প্রাথমিক বিকাশের সাথে সাদৃশ্যপূর্ণ। প্রাথমিক দিনগুলিতে, গবেষকদের একটি সুপার কম্পিউটারে অ্যাক্সেস পেতে দীর্ঘ প্রস্তাব জমা দিতে হয়েছিল। আমি মনে করি আমরা AI এবং জেনারেটিভ AI-তে একই রকম উদীয়মান দৃষ্টান্ত দেখতে পাব।"

"আমি একমত," ডঃ ওয়াটসন-প্যারিস বললেন। "নিয়ন্ত্রক দিক থেকে এটি যোগ করে, আমি মনে করি না যে আমাদের মৌলিক গবেষণা নিয়ন্ত্রণ করা উচিত, সম্ভবত অ্যাপ্লিকেশন স্পেসগুলি, তবে গবেষণা নিজেই নয়।"

পড়ার জন্য আপনাকে অনেক ধন্যবাদ, এবং AAAS 2024-এ আমাদের অন্য দুটি প্যানেলের রিক্যাপের জন্য সাথে থাকুন।

সময় স্ট্যাম্প:

থেকে আরো CCC ব্লগ