বাচ্চারা বুদবুদ, আলিঙ্গন করে, আনন্দের গিগলি বল। এছাড়াও তারা অত্যন্ত শক্তিশালী শেখার মেশিন। তিন মাস বয়সে, তারা ইতিমধ্যেই তাদের চারপাশের জিনিসগুলি কীভাবে আচরণ করে সে সম্পর্কে অন্তর্দৃষ্টি রয়েছে—কেউ তাদের খেলার নিয়মগুলি স্পষ্টভাবে শেখানো ছাড়াই।
এই ক্ষমতা, "স্বজ্ঞাত পদার্থবিদ্যা" নামে অভিহিত করা হয়েছে, পৃষ্ঠে অত্যন্ত তুচ্ছ বলে মনে হয়। আমি যদি একটি গ্লাস জলে ভরে এবং টেবিলের উপর রাখি, আমি জানি যে গ্লাসটি একটি বস্তু—এমন কিছু যা আমি আমার হাতের তালুতে না গলে চারপাশে মুড়িয়ে দিতে পারি। এটা টেবিলের মাধ্যমে ডুববে না. এবং যদি এটি উদ্ভাসিত হতে শুরু করে, আমি তাকিয়ে থাকতাম তারপর অবিলম্বে দরজার বাইরে চলে যাই।
শিশুরা তাদের বাহ্যিক পরিবেশ থেকে ডেটা ভিজিয়ে, ভৌত জগতের গতিশীলতা সম্পর্কে এক ধরণের "সাধারণ জ্ঞান" গঠন করে এই ক্ষমতা দ্রুত বিকাশ করে। যখন জিনিসগুলি প্রত্যাশিত হিসাবে সরানো হয় না - বলুন, যাদু কৌশলে যেখানে বস্তুগুলি অদৃশ্য হয়ে যায় - তারা অবাক দেখাবে।
AI এর জন্য, এটা সম্পূর্ণ ভিন্ন ব্যাপার। যদিও সাম্প্রতিক AI মডেলগুলি ইতিমধ্যেই কয়েক দশকের পুরনো গেম প্লে থেকে সমাধান পর্যন্ত মানুষকে পরাজিত করেছে বৈজ্ঞানিক সমস্যা, তারা এখনও শারীরিক জগত সম্পর্কে অন্তর্দৃষ্টি বিকাশে সংগ্রাম করে।
এই মাসে, Google-এর মালিকানাধীন ডিপমাইন্ডের গবেষকরা উন্নয়নমূলক মনোবিজ্ঞান থেকে অনুপ্রেরণা নিয়েছিলেন এবং একটি এআই তৈরি করেছে যা স্বাভাবিকভাবেই ভিডিও দেখার মাধ্যমে বিশ্বের সাধারণ নিয়মগুলি বের করে। নেটফ্লিক্স এবং চিল নিজে থেকে কাজ করেনি; এআই মডেল ওnly আমাদের ভৌত জগতের নিয়ম শিখেছি যখন বস্তুর একটি প্রাথমিক ধারণা দেওয়া হয়, যেমন তাদের সীমানা কী, তারা কোথায় এবং তারা কীভাবে চলে। বাচ্চাদের মতোই, AI "আশ্চর্য" প্রকাশ করে যখন জাদুকরী পরিস্থিতি দেখানো হয় যা বোঝা যায় না, যেমন একটি বল একটি র্যাম্পে ঘূর্ণায়মান।
PLATO (অটো-এনকোডিং এবং ট্র্যাকিং অবজেক্টের মাধ্যমে পদার্থবিদ্যা শেখার জন্য), AI আশ্চর্যজনকভাবে নমনীয় ছিল। এটির "অন্তর্জ্ঞান" বিকাশের জন্য কেবলমাত্র একটি অপেক্ষাকৃত ছোট উদাহরণের প্রয়োজন। একবার এটি শিখে গেলে, সফ্টওয়্যারটি কীভাবে জিনিসগুলি অন্য বস্তুর সাথে সরানো এবং মিথস্ক্রিয়া করে সে সম্পর্কে তার ভবিষ্যদ্বাণীগুলিকে সাধারণীকরণ করতে পারে, সেইসাথে এমন পরিস্থিতিগুলি সম্পর্কে যা আগে কখনও সম্মুখীন হয়নি।
একটি উপায়ে, PLATO প্রকৃতি এবং লালন-পালনের মধ্যকার মধুর স্থানকে আঘাত করে। উন্নয়নমূলক মনোবিজ্ঞানীরা দীর্ঘকাল ধরে তর্ক করেছেন যে শুধুমাত্র অভিজ্ঞতা থেকে ডেটাতে প্যাটার্ন খুঁজে বের করার মাধ্যমে শিশুদের শেখা সম্ভব কিনা। প্লেটো পরামর্শ দেয় উত্তর হল না, অন্তত এই বিশেষ কাজের জন্য নয়। সম্পূর্ণ শেখার গল্পটি সম্পূর্ণ করার জন্য অন্তর্নির্মিত জ্ঞান এবং অভিজ্ঞতা উভয়ই গুরুত্বপূর্ণ।
স্পষ্ট করে বলতে গেলে, PLATO একটি তিন মাস বয়সী শিশুর ডিজিটাল প্রতিরূপ নয়-এবং এটি কখনই তৈরি করা হয়নি। যাইহোক, এটি কীভাবে আমাদের নিজস্ব মন সম্ভাব্যভাবে বিকাশ করে তার একটি আভাস দেয়।
"কাজটি… প্রতিদিনের অভিজ্ঞতা বুদ্ধিমত্তার পরিপ্রেক্ষিতে কী হিসাব করতে পারে এবং কী করতে পারে না তার সীমানা ঠেলে দিচ্ছে," মন্তব্য ড. সুসান হেসপোস এবং অপূর্ব শিবরাম, যথাক্রমে নর্থওয়েস্টার্ন ইউনিভার্সিটি এবং ওয়েস্টার্ন সিডনি ইউনিভার্সিটিতে, যারা গবেষণায় জড়িত ছিলেন না। এটি "মানুষের মনকে অনুকরণ করে এমন আরও ভাল কম্পিউটার মডেল কীভাবে তৈরি করা যায় তা আমাদের বলতে পারে।"
কমন সেন্স কনডার্ম
মাত্র তিন মাস বয়সে, বেশির ভাগ শিশুই চোখ ব্যাট করবে না যদি তারা একটি খেলনা ফেলে দেয় এবং তা মাটিতে পড়ে যায়; তারা ইতিমধ্যেই মাধ্যাকর্ষণ ধারণাটি গ্রহণ করেছে।
এটি কীভাবে ঘটে তা এখনও বিস্ময়কর, তবে কিছু ধারণা রয়েছে। সেই বয়সে, শিশুরা এখনও কুঁচকে যেতে, হামাগুড়ি দিতে বা অন্যথায় ঘোরাফেরা করতে লড়াই করে। বহির্বিশ্ব থেকে তাদের ইনপুট বেশিরভাগই পর্যবেক্ষণের মাধ্যমে। এটি AI-এর জন্য দুর্দান্ত খবর: এর অর্থ হল শারীরিকভাবে তাদের পরিবেশ অন্বেষণ করার জন্য রোবট তৈরি করার পরিবর্তে, ভিডিওগুলির মাধ্যমে AI-তে পদার্থবিদ্যার অনুভূতি ধারণ করা সম্ভব৷
এটি একটি তত্ত্ব যা ডাঃ ইয়ান লেকুন, একজন নেতৃস্থানীয় এআই বিশেষজ্ঞ এবং মেটা-এর প্রধান এআই বিজ্ঞানী। 2019 থেকে একটি আলোচনায়, তিনি দাবি করেন যে শিশুরা সম্ভবত পর্যবেক্ষণের মাধ্যমে শিখে। তাদের মস্তিষ্ক বাস্তবতার ধারণাগত ধারণা তৈরি করতে এই তথ্যগুলির উপর ভিত্তি করে তৈরি করে। বিপরীতে, এমনকি সবচেয়ে পরিশীলিত গভীর শিক্ষার মডেলগুলি এখনও আমাদের ভৌত জগতের অনুভূতি তৈরি করতে সংগ্রাম করে, যা তারা বিশ্বের সাথে কতটা জড়িত হতে পারে তা সীমিত করে - তাদের প্রায় আক্ষরিক অর্থে মেঘের মধ্যে মন তৈরি করে।
তাহলে আপনি কিভাবে একটি শিশুর দৈনন্দিন পদার্থবিদ্যার বোঝার পরিমাপ করবেন? "সৌভাগ্যবশত আমাদের জন্য, উন্নয়নমূলক মনোবিজ্ঞানীরা কয়েক দশক ধরে অধ্যয়ন করেছেন যে শিশুরা শারীরিক জগত সম্পর্কে কী জানে।" লিখেছেন প্রধান বিজ্ঞানী ড. লুইস পাইলোটো। একটি বিশেষভাবে শক্তিশালী পরীক্ষা হল প্রত্যাশা লঙ্ঘন (VoE) দৃষ্টান্ত। একটি শিশুকে দেখান একটি বল একটি পাহাড়ে গড়িয়ে যাচ্ছে, এলোমেলোভাবে অদৃশ্য হয়ে যাচ্ছে বা হঠাৎ বিপরীত দিকে যাচ্ছে, এবং শিশুটি তার স্বাভাবিক প্রত্যাশাগুলি পর্যবেক্ষণ করার সময় তার চেয়ে বেশি সময় ধরে অসঙ্গতির দিকে তাকিয়ে থাকবে। অদ্ভুত কিছু হচ্ছে।
স্পেস অদ্ভুততা
নতুন গবেষণায়, দলটি এআই পরীক্ষার জন্য VoE-কে অভিযোজিত করেছে। তারা PLATO নির্মাণের জন্য পাঁচটি ভিন্ন ভৌত ধারণার মোকাবিলা করেছে। এর মধ্যে রয়েছে দৃঢ়তা-অর্থাৎ, দুটি বস্তু একে অপরের মধ্য দিয়ে যেতে পারে না; এবং ধারাবাহিকতা- এই ধারণা যে জিনিসগুলি বিদ্যমান এবং অন্য বস্তুর দ্বারা লুকিয়ে থাকলেও তা মিটমিট করে না ("পিক-এ-বু" পরীক্ষা)।
PLATO নির্মাণের জন্য, দলটি প্রথমে AI-তে একটি দুই-মুখী পদ্ধতির সাথে একটি আদর্শ পদ্ধতির সাথে শুরু করে। একটি উপাদান, অনুধাবনমূলক মডেল, একটি চিত্রের বিচ্ছিন্ন বস্তুকে পার্স করতে ভিজ্যুয়াল ডেটা নেয়। এর পরেরটি হল গতিবিদ্যা ভবিষ্যদ্বাণীকারী, যা একটি নিউরাল নেটওয়ার্ক ব্যবহার করে পূর্ববর্তী বস্তুর ইতিহাস বিবেচনা করে এবং পরবর্তী বস্তুর আচরণের পূর্বাভাস দেয়। অন্য কথায়, মডেলটি এমন একটি "পদার্থবিজ্ঞান ইঞ্জিন" তৈরি করে যা বস্তু বা দৃশ্যকল্পের মানচিত্র তৈরি করে এবং অনুমান করে যে বাস্তব জীবনে কিছু কীভাবে আচরণ করবে। এই সেটআপটি প্লেটোকে বস্তুর ভৌত বৈশিষ্ট্যের প্রাথমিক ধারণা দিয়েছে, যেমন তাদের অবস্থান এবং তারা কতটা দ্রুত গতিতে চলছে।
পরের ট্রেনিং এলো। দলটি প্লেটোকে একটি থেকে 30 ঘন্টার সিন্থেটিক ভিডিও দেখিয়েছে ওপেন সোর্স ডেটাসেট. এগুলি বাস্তব জীবনের ঘটনাগুলির ভিডিও নয়৷ বরং, পুরানো-স্কুল নিন্টেন্ডো-এর মতো ব্লকি অ্যানিমেশনগুলি কল্পনা করুন যেগুলি একটি র্যাম্পের নিচে গড়িয়ে পড়ছে, অন্য বলের মধ্যে বাউন্স করছে বা হঠাৎ অদৃশ্য হয়ে গেছে। প্লেটো শেষ পর্যন্ত ভবিষ্যদ্বাণী করতে শিখেছে যে কীভাবে একটি একক বস্তু পরবর্তী ভিডিও ফ্রেমে চলে যাবে এবং সেই বস্তুর জন্য তার মেমরিও আপডেট করে। প্রশিক্ষণের সাথে, পরবর্তী "দৃশ্য" এর ভবিষ্যদ্বাণীগুলি আরও সঠিক হয়ে ওঠে।
দলটি তখন স্পোকের মধ্যে একটি রেঞ্চ নিক্ষেপ করে। তারা প্লেটোকে একটি স্বাভাবিক দৃশ্য এবং একটি অসম্ভব উভয়ই উপস্থাপন করেছিল, যেমন একটি বল হঠাৎ অদৃশ্য হয়ে যায়। প্রকৃত ঘটনা এবং প্লেটোর ভবিষ্যদ্বাণীগুলির মধ্যে পার্থক্য পরিমাপ করার সময়, দলটি AI এর "আশ্চর্য"-এর মাত্রা নির্ধারণ করতে পারে - যা যাদুকরী ঘটনাগুলির জন্য ছাদের মধ্য দিয়ে গিয়েছিল৷
শেখার অন্যান্য চলমান বস্তুর সাধারণীকরণ. সঙ্গে চ্যালেঞ্জ a সম্পূর্ণ ভিন্ন ডেটাসেট MIT দ্বারা বিকশিত, অন্যান্য আইটেমগুলির মধ্যে, খরগোশ এবং বোলিং পিন সমন্বিত, PLATO দক্ষতার সাথে অসম্ভব এবং বাস্তব ঘটনাগুলির মধ্যে বৈষম্য করে। প্লেটো আগে কখনো একটি খরগোশকে "দেখেনি", তবুও কোনো পুনঃপ্রশিক্ষণ ছাড়াই, যখন একটি খরগোশ পদার্থবিজ্ঞানের আইনকে অমান্য করেছিল তখন এটি বিস্ময় প্রকাশ করেছিল। বাচ্চাদের মতো, PLATO 28 ঘন্টার ভিডিও প্রশিক্ষণের মাধ্যমে তার শারীরিক অন্তর্দৃষ্টি ক্যাপচার করতে সক্ষম হয়েছিল।
হেসপোস এবং শিবরামের কাছে, "এই ফলাফলগুলিও সমান্তরাল বৈশিষ্ট্যগুলি যা আমরা শিশু গবেষণায় দেখি।"
ডিজিটাল অন্তর্দৃষ্টি
PLATO শিশুর যুক্তির জন্য একটি AI মডেল হিসাবে বোঝানো হয় না। কিন্তু এটি দেখায় যে আমাদের ক্রমবর্ধমান শিশুর মস্তিষ্কে ট্যাপ করা কম্পিউটারকে শারীরিকতার অনুভূতি দিয়ে অনুপ্রাণিত করতে পারে, এমনকি যখন সফ্টওয়্যার "মস্তিষ্ক" আক্ষরিকভাবে একটি বাক্সের মধ্যে আটকে থাকে। এটা শুধু হিউম্যানয়েড রোবট তৈরির কথা নয়। প্রস্থেটিক্স থেকে শুরু করে স্ব-চালিত গাড়ি পর্যন্ত, ভৌত জগতের একটি স্বজ্ঞাত উপলব্ধি 0 এবং 1 সেকেন্ডের নিরাকার ডিজিটাল জগতকে প্রতিদিন, রান-অফ-দ্য-মিল বাস্তবতায় সেতু করে।
এটি প্রথমবার নয় যে এআই বিজ্ঞানীরা বাচ্চাদের বুদ্ধিমত্তার সাথে মেশিনের মনকে টার্বো-চার্জ করার কথা ভাবেন। একটি ধারণা AI-কে মনের তত্ত্বের একটি ধারনা দেওয়া—নিজেকে অন্যদের থেকে আলাদা করার ক্ষমতা, এবং অন্যের জুতায় নিজেকে ছবি তোলার ক্ষমতা। এটি এমন একটি ক্ষমতা যা চার বছর বয়সী বাচ্চাদের জন্য স্বাভাবিকভাবেই আসে এবং যদি এআই মডেলগুলিতে এম্বেড করা হয় তবে এটি সামাজিক মিথস্ক্রিয়া বুঝতে নাটকীয়ভাবে সাহায্য করতে পারে।
নতুন অধ্যয়নটি আমাদের জীবনের প্রথম মাসগুলিতে সাধারণ জ্ঞানের সাথে AI বিকাশের জন্য একটি সমৃদ্ধ সংস্থান হিসাবে তৈরি করে। আপাতত, মাঠটি শৈশবকালে। বাস্তব জগতের ভিডিও সহ আরও জটিল শারীরিক ধারণাগুলির সাথে ইন্টারঅ্যাক্ট করার একটি AI মডেলের ক্ষমতা তৈরি এবং অন্বেষণ করার জন্য লেখকরা তাদের ডেটাসেট প্রকাশ করছেন। আপাতত, "এই গবেষণাগুলি AI এবং উন্নয়নমূলক বিজ্ঞান জুড়ে একটি সমন্বয়মূলক সুযোগ হিসাবে কাজ করতে পারে," হেসপোস এবং শিবরাম বলেছেন।
