প্রচারের বাইরে, AI বৈজ্ঞানিক গবেষণার জন্য প্রতিশ্রুতি দেয়

গত দশকে বৈজ্ঞানিক আবিষ্কারের জন্য কৃত্রিম বুদ্ধিমত্তার প্রয়োগে দুর্দান্ত অগ্রগতি হয়েছে, তবে অনুশীলনকারীদের জানতে হবে কখন এবং কীভাবে তাদের AI ব্যবহার উন্নত করতে হবে এবং খারাপ ডেটা গুণমানকে চ্যালেঞ্জ করতে হবে।

থেকে ওষুধের আবিষ্কার, পদার্থ বিজ্ঞান, অ্যাস্ট্রোফিজিক্স এবং নিউক্লিয়ার ফিউশন, AI ব্যবহার করে বিজ্ঞানীরা উন্নত নির্ভুলতা এবং পরীক্ষামূলক সময় কমিয়ে ফলাফল দেখছেন।

গবেষণা জার্নাল নেচারে আজ প্রকাশিত, একটি কাগজ সারা বিশ্ব থেকে 30 জন গবেষকের একটি দল বহুল প্রচারিত ক্ষেত্রের অগ্রগতি মূল্যায়ন করে এবং বুঝতে পারে কী করা দরকার।

স্ট্যানফোর্ড কম্পিউটার সায়েন্স এবং জেনেনটেক গ্রুপের পোস্ট-ডক্টরাল ফেলো হ্যানচেন ওয়াং দ্বারা মার্শাল করা, গবেষণাপত্রটি নির্দেশ করে যে AI "পরামিটার এবং ফাংশন অপ্টিমাইজ করা, ডেটা সংগ্রহ, কল্পনা এবং প্রক্রিয়া করার স্বয়ংক্রিয় পদ্ধতি, প্রার্থীর অনুমানের বিস্তৃত স্থান অন্বেষণ করতে সাহায্য করতে পারে। তত্ত্ব, এবং অনুমান তৈরি করা এবং প্রাসঙ্গিক পরীক্ষার পরামর্শ দেওয়ার জন্য তাদের অনিশ্চয়তা অনুমান করা।"

উদাহরণ স্বরূপ, অ্যাস্ট্রোফিজিক্সে, আওয়াজ আউট স্ক্রীন করার জন্য নিউরাল নেটওয়ার্কের জন্য একটি তত্ত্বাবধানহীন শেখার কৌশল, ভেরিয়েশনাল অটোএনকোডারগুলি প্রাক-প্রশিক্ষিত ব্ল্যাক-হোল ওয়েভফর্ম মডেলগুলির উপর ভিত্তি করে মহাকর্ষীয়-তরঙ্গ সনাক্তকারী পরামিতিগুলি অনুমান করতে ব্যবহার করা হয়েছে। "এই পদ্ধতিটি প্রথাগত পদ্ধতির চেয়ে দ্রুততর মাত্রার ছয়টি অর্ডার পর্যন্ত, এটিকে ক্ষণস্থায়ী মহাকর্ষীয়-তরঙ্গ ঘটনাগুলি ক্যাপচার করা ব্যবহারিক করে তোলে," কাগজটি বলে।

আরেকটি উদাহরণ পারমাণবিক ফিউশন অর্জনের প্রচেষ্টা থেকে আসে। গুগল ডিপমাইন্ড গবেষণা বিজ্ঞানী জোনাস ডিগ্রেভ একটি টোকামাক চুল্লিতে চুম্বকীয় ক্ষেত্রের মাধ্যমে পারমাণবিক ফিউশন নিয়ন্ত্রণ করতে একটি এআই কন্ট্রোলার তৈরি করেছেন। গবেষকরা দেখিয়েছেন যে কীভাবে একটি এআই এজেন্ট চৌম্বক ক্ষেত্র নিয়ন্ত্রণ করতে এবং পরীক্ষামূলক লক্ষ্য পূরণ করতে বৈদ্যুতিক ভোল্টেজের মাত্রা এবং প্লাজমা কনফিগারেশনের রিয়েল-টাইম পরিমাপ নিতে পারে।

"[দি] শক্তিবৃদ্ধি-শিক্ষার পদ্ধতিগুলি টোকামাক প্লাজমাগুলির চৌম্বকীয় নিয়ন্ত্রণের জন্য কার্যকর প্রমাণিত হয়েছে, যেখানে অ্যালগরিদম প্রক্রিয়া নিয়ন্ত্রণের জন্য একটি নীতি অপ্টিমাইজ করার জন্য টোকামাক সিমুলেটরের সাথে যোগাযোগ করে," কাগজটি বলে৷

যদিও প্রতিশ্রুতিশীল, বিজ্ঞানে AI এর প্রয়োগকে আরও ব্যাপক হওয়ার জন্য বেশ কয়েকটি চ্যালেঞ্জের মুখোমুখি হতে হবে, কাগজটি যুক্তি দেয়।

“একটি AI সিস্টেমের ব্যবহারিক বাস্তবায়নে জটিল সফ্টওয়্যার এবং হার্ডওয়্যার ইঞ্জিনিয়ারিং জড়িত, যার জন্য পরস্পর নির্ভরশীল পদক্ষেপগুলির একটি সিরিজ প্রয়োজন যা ডেটা কিউরেশন এবং প্রক্রিয়াকরণ থেকে অ্যালগরিদম বাস্তবায়ন এবং ব্যবহারকারী এবং অ্যাপ্লিকেশন ইন্টারফেসের নকশা পর্যন্ত যায়। বাস্তবায়নে ছোটখাটো বৈচিত্র্য কর্মক্ষমতায় উল্লেখযোগ্য পরিবর্তন আনতে পারে এবং বৈজ্ঞানিক অনুশীলনের মধ্যে এআই মডেলগুলিকে একীভূত করার সাফল্যকে প্রভাবিত করতে পারে। অতএব, ডেটা এবং মডেল মানককরণ উভয়ই বিবেচনা করা দরকার, "এটি বলে।

এদিকে, গভীর শিক্ষার মডেল প্রশিক্ষণের জন্য এলোমেলো বা স্টোকাস্টিক পদ্ধতির কারণে AI দ্বারা সহায়তাকৃত ফলাফল পুনরুত্পাদনে সমস্যা রয়েছে। "প্রমিত বেঞ্চমার্ক এবং পরীক্ষামূলক নকশা এই ধরনের সমস্যাগুলি উপশম করতে পারে। প্রজননযোগ্যতার উন্নতির দিকে আরেকটি দিক হল ওপেন-সোর্স উদ্যোগের মাধ্যমে যা উন্মুক্ত মডেল, ডেটাসেট এবং শিক্ষা কার্যক্রম প্রকাশ করে, "গবেষণাপত্র যোগ করে।

এটি আরও নির্দেশ করে যে বিজ্ঞানের জন্য AI বিকাশে বিগ টেকের উপরের হাত রয়েছে যে "এই আপডেটগুলি গণনা করার জন্য গণনামূলক এবং ডেটা প্রয়োজনীয়তাগুলি প্রচুর, যার ফলে একটি বড় শক্তির পদচিহ্ন এবং উচ্চ গণনামূলক খরচ হয়।"

কম্পিউটেশনাল অবকাঠামো এবং ক্লাউড পরিষেবাগুলিতে বিগ টেকের বিশাল সংস্থান এবং বিনিয়োগগুলি "স্কেল এবং দক্ষতার সীমাকে ঠেলে দিচ্ছে।"

যাইহোক, উচ্চ-শিক্ষা প্রতিষ্ঠানগুলি একাধিক শাখায় আরও ভাল একীকরণের সাথে নিজেদেরকে সাহায্য করতে পারে এবং অনন্য ঐতিহাসিক ডাটাবেস এবং পরিমাপ প্রযুক্তিগুলিকে কাজে লাগাতে পারে যা সেক্টরের বাইরে বিদ্যমান নেই।

কাগজটি বিজ্ঞানে AI এর অপপ্রয়োগ এবং সমস্ত বৈজ্ঞানিক ক্ষেত্রে উন্নত শিক্ষার বিরুদ্ধে সুরক্ষার জন্য একটি নৈতিক কাঠামোর বিকাশের আহ্বান জানিয়েছে।

“যেহেতু এআই সিস্টেমগুলি এমন কর্মক্ষমতার কাছে পৌঁছে যা মানুষের প্রতিদ্বন্দ্বী এবং ছাড়িয়ে যায়, তাই এটিকে নিয়মিত পরীক্ষাগার কাজের জন্য ড্রপ-ইন প্রতিস্থাপন হিসাবে ব্যবহার করা সম্ভবপর হয়ে উঠছে। এই পদ্ধতিটি গবেষকদের পরীক্ষামূলক ডেটা থেকে পুনরাবৃত্তভাবে ভবিষ্যদ্বাণীমূলক মডেলগুলি বিকাশ করতে এবং ম্যানুয়ালি শ্রমসাধ্য এবং পুনরাবৃত্তিমূলক কাজগুলি না করে তাদের উন্নত করার জন্য পরীক্ষাগুলি নির্বাচন করতে সক্ষম করে। এই দৃষ্টান্ত পরিবর্তনকে সমর্থন করার জন্য, বৈজ্ঞানিক গবেষণায় ল্যাবরেটরি অটোমেশন এবং এআই ডিজাইন, বাস্তবায়ন এবং প্রয়োগে বিজ্ঞানীদের প্রশিক্ষণ দেওয়ার জন্য শিক্ষামূলক প্রোগ্রামগুলি উদ্ভূত হচ্ছে। এই প্রোগ্রামগুলি বিজ্ঞানীদের বুঝতে সাহায্য করে কখন AI এর ব্যবহার উপযুক্ত এবং AI বিশ্লেষণ থেকে ভুল ব্যাখ্যা করা উপসংহার রোধ করতে,” এটি বলে।

কাগজটি উল্লেখ করেছে যে 2010 এর দশকের শুরুতে গভীর শিক্ষার উত্থান "এই বৈজ্ঞানিক আবিষ্কার প্রক্রিয়াগুলির সুযোগ এবং উচ্চাকাঙ্ক্ষাকে উল্লেখযোগ্যভাবে প্রসারিত করেছে।"

এক দশকেরও কম সময় পরে, গুগল ডিপমাইন্ড দাবি করেছে যে তার আলফাফোল্ড মেশিন-লার্নিং সফ্টওয়্যারটি দ্রুত প্রোটিনের গঠনের ভবিষ্যদ্বাণী করেছে শালীন নির্ভুলতার সাথে, সম্ভবত ড্রাগ আবিষ্কারের ক্ষেত্রে একটি লাফিয়ে। একাডেমিক বিজ্ঞানের জন্য বিস্তৃত শাখায় অনুরূপ কৌশল প্রয়োগ করার জন্য, বিগ টেকের গভীর পকেটের সাথে প্রতিদ্বন্দ্বিতা করার জন্য এটিকে একসাথে কাজ করতে হবে। ®

• এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
• PlatoData.Network উল্লম্ব জেনারেটিভ Ai. নিজেকে ক্ষমতায়িত করুন। এখানে প্রবেশ করুন.
• প্লেটোএআইস্ট্রিম। Web3 ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
• প্লেটোইএসজি। মোটরগাড়ি / ইভি, কার্বন, ক্লিনটেক, শক্তি, পরিবেশ সৌর, বর্জ্য ব্যবস্থাপনা. এখানে প্রবেশ করুন.
• ব্লকঅফসেট। পরিবেশগত অফসেট মালিকানার আধুনিকীকরণ। এখানে প্রবেশ করুন.
• উত্স: https://go.theregister.com/feed/www.theregister.com/2023/08/02/beyond_the_hype_ai_promises/