আমরা বৃহৎ ভাষা মডেল (LLM) গ্রহণের দ্রুত বৃদ্ধি প্রত্যক্ষ করছি যা শিল্প জুড়ে শক্তি উৎপাদনকারী AI অ্যাপ্লিকেশন। এলএলএমগুলি বিভিন্ন ধরনের কাজ করতে সক্ষম, যেমন সৃজনশীল বিষয়বস্তু তৈরি করা, চ্যাটবটের মাধ্যমে অনুসন্ধানের উত্তর দেওয়া, কোড তৈরি করা এবং আরও অনেক কিছু।
যে সংস্থাগুলি তাদের অ্যাপ্লিকেশনগুলিকে শক্তিশালী করার জন্য LLM ব্যবহার করতে চায় তারা তাদের জেনারেটিভ AI অ্যাপ্লিকেশনগুলির মধ্যে বিশ্বাস এবং সুরক্ষা বজায় রাখা নিশ্চিত করতে ডেটা গোপনীয়তা সম্পর্কে ক্রমবর্ধমানভাবে সতর্ক হচ্ছে৷ এর মধ্যে রয়েছে গ্রাহকদের ব্যক্তিগতভাবে সনাক্তযোগ্য তথ্য (PII) ডেটা সঠিকভাবে পরিচালনা করা। এতে LLM-তে অপমানজনক এবং অনিরাপদ বিষয়বস্তু প্রচার করা থেকে প্রতিরোধ করা এবং LLM-এর দ্বারা উত্পন্ন ডেটা একই নীতি অনুসরণ করে তা পরীক্ষা করাও অন্তর্ভুক্ত।
এই পোস্টে, আমরা দ্বারা চালিত নতুন বৈশিষ্ট্য আলোচনা অ্যামাজন সমঝোতা যা নতুন এবং বিদ্যমান জেনারেটিভ এআই অ্যাপ্লিকেশনগুলিতে ডেটা গোপনীয়তা, বিষয়বস্তুর নিরাপত্তা এবং প্রম্পট নিরাপত্তা নিশ্চিত করতে নিরবচ্ছিন্ন একীকরণ সক্ষম করে।
Amazon Comprehend হল একটি ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং (NLP) পরিষেবা যা মেশিন লার্নিং (ML) ব্যবহার করে ডকুমেন্টের মধ্যে অসংগঠিত ডেটা এবং টেক্সটে তথ্য উন্মোচন করতে। এই পোস্টে, আমরা আলোচনা করব কেন আপনার কাজের চাপের জন্য LLM-এর সাথে আস্থা এবং নিরাপত্তা গুরুত্বপূর্ণ। জনপ্রিয় জেনারেটিভ এআই ডেভেলপমেন্ট ফ্রেমওয়ার্কের সাথে কীভাবে এই নতুন সংযম ক্ষমতাগুলি ব্যবহার করা হয় তা আমরা আরও গভীরভাবে অনুসন্ধান করি ল্যাংচেইন আপনার ব্যবহারের ক্ষেত্রে একটি কাস্টমাইজযোগ্য বিশ্বাস এবং নিরাপত্তা ব্যবস্থা চালু করতে।
কেন LLM-এর সাথে আস্থা এবং নিরাপত্তা গুরুত্বপূর্ণ
গ্রাহক সহায়তা চ্যাটবট থেকে কন্টেন্ট জেনারেশন পর্যন্ত বিস্তৃত অ্যাপ্লিকেশানগুলিতে তাদের গভীর প্রভাবের কারণে LLM-এর সাথে কাজ করার সময় বিশ্বাস এবং নিরাপত্তা সর্বাগ্রে। যেহেতু এই মডেলগুলি প্রচুর পরিমাণে ডেটা প্রক্রিয়া করে এবং মানুষের মতো প্রতিক্রিয়া তৈরি করে, অপব্যবহার বা অনিচ্ছাকৃত ফলাফলের সম্ভাবনা বৃদ্ধি পায়। এই AI সিস্টেমগুলি নৈতিক এবং নির্ভরযোগ্য সীমার মধ্যে কাজ করে তা নিশ্চিত করা অত্যন্ত গুরুত্বপূর্ণ, শুধুমাত্র সেগুলি ব্যবহার করে এমন ব্যবসার সুনামের জন্য নয়, শেষ-ব্যবহারকারী এবং গ্রাহকদের আস্থা সংরক্ষণের জন্যও।
অধিকন্তু, LLM আমাদের দৈনন্দিন ডিজিটাল অভিজ্ঞতার সাথে আরও একীভূত হওয়ার সাথে সাথে আমাদের উপলব্ধি, বিশ্বাস এবং সিদ্ধান্তের উপর তাদের প্রভাব বৃদ্ধি পায়। এলএলএম-এর সাথে আস্থা ও নিরাপত্তা নিশ্চিত করা শুধু প্রযুক্তিগত ব্যবস্থার বাইরে যায়; এটি নৈতিক মান বজায় রাখার জন্য এআই অনুশীলনকারীদের এবং সংস্থাগুলির বৃহত্তর দায়িত্বের সাথে কথা বলে। বিশ্বাস এবং নিরাপত্তাকে অগ্রাধিকার দিয়ে, সংস্থাগুলি শুধুমাত্র তাদের ব্যবহারকারীদের সুরক্ষা দেয় না, কিন্তু সমাজে AI এর টেকসই এবং দায়িত্বশীল বৃদ্ধিও নিশ্চিত করে। এটি ক্ষতিকারক বিষয়বস্তু তৈরির ঝুঁকি কমাতে এবং নিয়ন্ত্রক প্রয়োজনীয়তা মেনে চলতে সাহায্য করতে পারে।
আস্থা এবং নিরাপত্তার ক্ষেত্রে, বিষয়বস্তু সংযম এমন একটি প্রক্রিয়া যা বিভিন্ন দিককে সম্বোধন করে, যার মধ্যে রয়েছে কিন্তু সীমাবদ্ধ নয়:
- গোপনীয়তা - ব্যবহারকারীরা অসাবধানতাবশত সংবেদনশীল তথ্য সম্বলিত পাঠ্য সরবরাহ করতে পারে, তাদের গোপনীয়তাকে বিপন্ন করে। যেকোনো PII সনাক্ত করা এবং সংশোধন করা অপরিহার্য।
- বিষবিদ্যা – ঘৃণাত্মক বক্তৃতা, হুমকি বা অপব্যবহারের মতো ক্ষতিকারক বিষয়বস্তু সনাক্ত করা এবং ফিল্টার করা অত্যন্ত গুরুত্বপূর্ণ৷
- ব্যবহারকারীর অভিপ্রায় - ব্যবহারকারীর ইনপুট (প্রম্পট) নিরাপদ বা অনিরাপদ কিনা তা চিহ্নিত করা গুরুত্বপূর্ণ। অনিরাপদ প্রম্পটগুলি স্পষ্টভাবে বা পরোক্ষভাবে দূষিত অভিপ্রায় প্রকাশ করতে পারে, যেমন ব্যক্তিগত বা ব্যক্তিগত তথ্যের অনুরোধ করা এবং আপত্তিকর, বৈষম্যমূলক বা অবৈধ সামগ্রী তৈরি করা। প্রম্পটগুলি চিকিৎসা, আইনি, রাজনৈতিক, বিতর্কিত, ব্যক্তিগত বা আর্থিক বিষয়েও পরোক্ষভাবে প্রকাশ বা পরামর্শের অনুরোধ করতে পারে
Amazon Comprehend এর সাথে বিষয়বস্তু সংযম
এই বিভাগে, আমরা Amazon Comprehend-এর সাথে বিষয়বস্তু নিয়ন্ত্রণের সুবিধা নিয়ে আলোচনা করি।
গোপনীয়তা সম্বোধন
Amazon Comprehend ইতিমধ্যেই এর মাধ্যমে তার বিদ্যমান PII সনাক্তকরণ এবং সংশোধন ক্ষমতার মাধ্যমে গোপনীয়তাকে সম্বোধন করেছে পিআইআইএনটিটি সনাক্ত করুন এবং PIIEntities ধারণ করে এপিআই এই দুটি এপিআই এনএলপি মডেল দ্বারা সমর্থিত যা সামাজিক নিরাপত্তা নম্বর (এসএসএন), ক্রেডিট কার্ড নম্বর, নাম, ঠিকানা, ফোন নম্বর ইত্যাদির মতো বিপুল সংখ্যক PII সত্তা সনাক্ত করতে পারে। সত্তার সম্পূর্ণ তালিকার জন্য, পড়ুন PII সার্বজনীন সত্তা প্রকার. ডিটেক্টপিআইআই একটি পাঠ্যের মধ্যে PII সত্তার অক্ষর-স্তরের অবস্থানও প্রদান করে; উদাহরণস্বরূপ, "আমার নাম হল Jওহ করe” হল 12, এবং শেষ অক্ষরের অবস্থান হল 19৷ এই অফসেটগুলি মানগুলির মাস্কিং বা সংশোধন করতে ব্যবহার করা যেতে পারে, যার ফলে এলএলএমগুলিতে ব্যক্তিগত ডেটা প্রচারের ঝুঁকি হ্রাস করা যায়৷
বিষাক্ততা এবং তাত্ক্ষণিক নিরাপত্তা সম্বোধন করা
আজ, আমরা APIs আকারে দুটি নতুন Amazon Comprehend বৈশিষ্ট্য ঘোষণা করছি: এর মাধ্যমে বিষাক্ততা সনাক্তকরণ DetectToxicContent
API, এবং এর মাধ্যমে প্রম্পট নিরাপত্তা শ্রেণীবিভাগ ClassifyDocument
এপিআই. মনে রাখবেন যে DetectToxicContent
একটি নতুন API, যেখানে ClassifyDocument
একটি বিদ্যমান API যা এখন প্রম্পট নিরাপত্তা শ্রেণীবিভাগ সমর্থন করে।
বিষাক্ততা সনাক্তকরণ
Amazon Comprehend বিষাক্ততা সনাক্তকরণের মাধ্যমে, আপনি ক্ষতিকারক, আপত্তিকর বা অনুপযুক্ত হতে পারে এমন সামগ্রী সনাক্ত করতে এবং ফ্ল্যাগ করতে পারেন। এই ক্ষমতাটি বিশেষভাবে সেই প্ল্যাটফর্মগুলির জন্য মূল্যবান যেখানে ব্যবহারকারীরা সামগ্রী তৈরি করে, যেমন সোশ্যাল মিডিয়া সাইট, ফোরাম, চ্যাটবট, মন্তব্য বিভাগ এবং অ্যাপ্লিকেশন যা সামগ্রী তৈরি করতে LLM ব্যবহার করে। প্রাথমিক লক্ষ্য হল বিষাক্ত সামগ্রীর বিস্তার রোধ করে একটি ইতিবাচক এবং নিরাপদ পরিবেশ বজায় রাখা।
এর মূল অংশে, বিষাক্ততা সনাক্তকরণ মডেল পাঠ্য বিশ্লেষণ করে এতে ঘৃণ্য বিষয়বস্তু, হুমকি, অশ্লীলতা বা অন্যান্য ধরনের ক্ষতিকারক পাঠ্য থাকার সম্ভাবনা রয়েছে। মডেলটি বিষাক্ত এবং অ-বিষাক্ত উভয় বিষয়বস্তুর উদাহরণ সমন্বিত বিশাল ডেটাসেটে প্রশিক্ষিত। টক্সিসিটি এপিআই বিষাক্ততার শ্রেণীবিভাগ এবং আত্মবিশ্বাসের স্কোর প্রদানের জন্য একটি প্রদত্ত পাঠ্যের অংশ মূল্যায়ন করে। জেনারেটিভ এআই অ্যাপ্লিকেশনগুলি তারপরে এই তথ্যটি যথাযথ পদক্ষেপ নিতে ব্যবহার করতে পারে, যেমন পাঠ্যটিকে এলএলএমগুলিতে প্রচার করা থেকে বন্ধ করা। এই লেখার মতো, বিষাক্ততা সনাক্তকরণ API দ্বারা সনাক্ত করা লেবেলগুলি হল HATE_SPEECH
, GRAPHIC
, HARRASMENT_OR_ABUSE
, SEXUAL
, VIOLENCE_OR_THREAT
, INSULT
, এবং PROFANITY
. নিম্নলিখিত কোডটি Amazon Comprehend বিষাক্ততা সনাক্তকরণের জন্য Python Boto3 এর সাথে API কল প্রদর্শন করে:
প্রম্পট নিরাপত্তা শ্রেণীবিভাগ
Amazon Comprehend এর সাথে প্রম্পট নিরাপত্তা শ্রেণীবিভাগ একটি ইনপুট টেক্সট প্রম্পটকে নিরাপদ বা অনিরাপদ হিসাবে শ্রেণীবদ্ধ করতে সাহায্য করে। চ্যাটবট, ভার্চুয়াল সহকারী, বা বিষয়বস্তু সংযম সরঞ্জামগুলির মতো অ্যাপ্লিকেশনগুলির জন্য এই ক্ষমতা অত্যন্ত গুরুত্বপূর্ণ যেখানে একটি প্রম্পটের নিরাপত্তা বোঝা LLM-এর প্রতিক্রিয়া, ক্রিয়া বা বিষয়বস্তু প্রচার নির্ধারণ করতে পারে।
সংক্ষেপে, প্রম্পট নিরাপত্তা শ্রেণীবিভাগ কোনো স্পষ্ট বা অন্তর্নিহিত দূষিত অভিপ্রায়ের জন্য মানুষের ইনপুট বিশ্লেষণ করে, যেমন ব্যক্তিগত বা ব্যক্তিগত তথ্যের অনুরোধ করা এবং আপত্তিকর, বৈষম্যমূলক, বা অবৈধ সামগ্রী তৈরি করা। এটি চিকিৎসা, আইনি, রাজনৈতিক, বিতর্কিত, ব্যক্তিগত বা আর্থিক বিষয়ে পরামর্শের জন্য প্রম্পটও দেখায়। প্রম্পট শ্রেণীবিভাগ দুটি শ্রেণী প্রদান করে, UNSAFE_PROMPT
এবং SAFE_PROMPT
, একটি সংশ্লিষ্ট পাঠ্যের জন্য, প্রতিটির জন্য একটি সংশ্লিষ্ট আত্মবিশ্বাসের স্কোর সহ। কনফিডেন্স স্কোরের রেঞ্জ 0-1 এবং মিলিতভাবে 1 পর্যন্ত হবে। উদাহরণস্বরূপ, একটি গ্রাহক সহায়তা চ্যাটবটে, পাঠ্য "আমি কিভাবে আমার পাসওয়ার্ড রিসেট করব?" পাসওয়ার্ড রিসেট পদ্ধতির বিষয়ে নির্দেশনা চাওয়ার অভিপ্রায়ের সংকেত দেয় এবং এটি হিসাবে লেবেল করা হয় SAFE_PROMPT
. একইভাবে একটি বিবৃতি যেমন "আমি চাই তোমার সাথে খারাপ কিছু ঘটুক” একটি সম্ভাব্য ক্ষতিকারক অভিপ্রায় থাকার জন্য পতাকাঙ্কিত এবং হিসাবে লেবেল করা যেতে পারে৷ UNSAFE_PROMPT
. এটি লক্ষ করা গুরুত্বপূর্ণ যে প্রম্পট নিরাপত্তা শ্রেণীবিভাগ প্রাথমিকভাবে মেশিন-জেনারেটেড টেক্সট (LLM আউটপুট) এর পরিবর্তে মানব ইনপুট (প্রম্পট) থেকে অভিপ্রায় সনাক্তকরণের উপর দৃষ্টি নিবদ্ধ করে। নিম্নলিখিত কোডটি প্রদর্শন করে যে কীভাবে প্রম্পট নিরাপত্তা শ্রেণিবিন্যাস বৈশিষ্ট্যটি ব্যবহার করতে হয় ClassifyDocument
এপিআই:
মনে রাখবেন যে endpoint_arn
পূর্ববর্তী কোডে একটি AWS-প্রদত্ত আমাজন রিসোর্স নম্বর প্যাটার্নের (ARN) arn:aws:comprehend:<region>:aws:document-classifier-endpoint/prompt-safety
, কোথায় <region>
আপনার পছন্দের AWS অঞ্চল যেখানে অ্যামাজন বোঝা উপলব্ধ.
এই ক্ষমতাগুলি প্রদর্শন করার জন্য, আমরা একটি নমুনা চ্যাট অ্যাপ্লিকেশন তৈরি করেছি যেখানে আমরা একটি LLM-কে PII সত্তা যেমন ঠিকানা, ফোন নম্বর এবং SSN একটি প্রদত্ত পাঠ্য থেকে বের করতে বলি৷ LLM উপযুক্ত PII সত্তাগুলি খুঁজে বের করে এবং ফেরত দেয়, যেমনটি বাম দিকের ছবিতে দেখানো হয়েছে।
অ্যামাজন কম্প্রিহেন্ড মডারেশনের মাধ্যমে, আমরা LLM-এ ইনপুট রিডাক্ট করতে পারি এবং LLM থেকে আউটপুট করতে পারি। ডানদিকের চিত্রটিতে, SSN মানটি সংস্কার ছাড়াই এলএলএম-এ পাস করার অনুমতি দেওয়া হয়েছে। যাইহোক, LLM-এর প্রতিক্রিয়ায় যেকোন SSN মান সংশোধন করা হয়।
PII তথ্য সম্বলিত একটি প্রম্পট কীভাবে এলএলএম-এ সম্পূর্ণভাবে পৌঁছানো থেকে আটকাতে পারে তার একটি উদাহরণ নিচে দেওয়া হল। এই উদাহরণটি দেখায় যে একজন ব্যবহারকারী একটি প্রশ্ন জিজ্ঞাসা করছেন যাতে PII তথ্য রয়েছে। আমরা প্রম্পটে PII সত্তা শনাক্ত করতে Amazon Comprehend সংযম ব্যবহার করি এবং প্রবাহকে বাধাগ্রস্ত করে একটি ত্রুটি দেখাই।
পূর্ববর্তী চ্যাটের উদাহরণগুলি দেখায় যে কীভাবে অ্যামাজন কম্প্রিহেন্ড মডারেশন একটি এলএলএম-এ ডেটা পাঠানোর উপর বিধিনিষেধ প্রয়োগ করে৷ নিম্নলিখিত বিভাগগুলিতে, আমরা ব্যাখ্যা করি কিভাবে এই সংযম প্রক্রিয়াটি ল্যাংচেইন ব্যবহার করে প্রয়োগ করা হয়।
ল্যাংচেইনের সাথে একীকরণ
বিভিন্ন ব্যবহারের ক্ষেত্রে এলএলএম-এর প্রয়োগের অফুরন্ত সম্ভাবনার সাথে, জেনারেটিভ এআই অ্যাপ্লিকেশনগুলির বিকাশকে সহজ করাও সমান গুরুত্বপূর্ণ হয়ে উঠেছে। ল্যাংচেইন একটি জনপ্রিয় ওপেন সোর্স ফ্রেমওয়ার্ক যা জেনারেটিভ এআই অ্যাপ্লিকেশনগুলিকে বিকাশ করা সহজ করে তোলে। অ্যামাজন কম্প্রিহেন্ড মডারেশন ল্যাংচেইন ফ্রেমওয়ার্ককে প্রসারিত করে PII সনাক্তকরণ এবং সংশোধন, বিষাক্ততা সনাক্তকরণ এবং প্রম্পট নিরাপত্তা শ্রেণীবিভাগের ক্ষমতা প্রদানের জন্য AmazonComprehendModerationChain
.
AmazonComprehendModerationChain
এর একটি কাস্টম বাস্তবায়ন ল্যাংচেইন বেস চেইন ইন্টারফেস. এর মানে হল যে অ্যাপ্লিকেশনগুলি তাদের নিজস্ব সাথে এই চেইনটি ব্যবহার করতে পারে এলএলএম চেইন ইনপুট প্রম্পটে এবং এলএলএম থেকে আউটপুট টেক্সটে পছন্দসই সংযম প্রয়োগ করতে। অসংখ্য চেইন একত্রিত করে বা অন্যান্য উপাদানের সাথে চেইন মিশিয়ে চেইন তৈরি করা যেতে পারে। তুমি ব্যবহার করতে পার AmazonComprehendModerationChain
একটি মডুলার এবং নমনীয় পদ্ধতিতে জটিল AI অ্যাপ্লিকেশনগুলি বিকাশ করতে অন্যান্য LLM চেইনগুলির সাথে।
এটি আরও ব্যাখ্যা করার জন্য, আমরা নিম্নলিখিত বিভাগে কয়েকটি নমুনা প্রদান করি। এর জন্য সোর্স কোড AmazonComprehendModerationChain
এর মধ্যে বাস্তবায়ন পাওয়া যাবে ল্যাংচেইন ওপেন সোর্স রিপোজিটরি. API ইন্টারফেসের সম্পূর্ণ ডকুমেন্টেশনের জন্য, LangChain API ডকুমেন্টেশন দেখুন অ্যামাজন কম্প্রিহেন্ড মডারেশন চেইন. এই মডারেশন চেইন ব্যবহার করা ডিফল্ট কনফিগারেশন সহ ক্লাসের একটি উদাহরণ শুরু করার মতোই সহজ:
পর্দার আড়ালে, মডারেশন চেইন পরপর তিনটি সংযম পরীক্ষা করে, যথা PII, বিষাক্ততা এবং প্রম্পট নিরাপত্তা, যেমনটি নিম্নলিখিত চিত্রে ব্যাখ্যা করা হয়েছে। এটি মডারেশনের জন্য ডিফল্ট প্রবাহ।
নিম্নলিখিত কোড স্নিপেটটি এর সাথে মডারেশন চেইন ব্যবহার করার একটি সহজ উদাহরণ দেখায় অ্যামাজন ফ্যালকনলাইট এলএলএম (যা একটি কোয়ান্টাইজড সংস্করণ Falcon 40B SFT OASST-TOP1 মডেল) Hugging Face Hub-এ হোস্ট করা হয়েছে:
পূর্ববর্তী উদাহরণে, আমরা এর সাথে আমাদের চেইন বৃদ্ধি করি comprehend_moderation
LLM-এ যাওয়া পাঠ্য এবং LLM দ্বারা উত্পন্ন পাঠ্য উভয়ের জন্য। এটি ডিফল্ট সংযম সঞ্চালন করবে যা PII, বিষাক্ততা পরীক্ষা করবে এবং সেই অনুক্রমে নিরাপত্তা শ্রেণীবিভাগকে প্রম্পট করবে।
ফিল্টার কনফিগারেশনের সাথে আপনার সংযম কাস্টমাইজ করুন
আপনি ব্যবহার করতে পারেন AmazonComprehendModerationChain
নির্দিষ্ট কনফিগারেশনের সাথে, যা আপনাকে আপনার জেনারেটিভ AI-ভিত্তিক অ্যাপ্লিকেশনে কী পরিমিতকরণ করতে চান তা নিয়ন্ত্রণ করার ক্ষমতা দেয়। কনফিগারেশনের মূল অংশে, আপনার কাছে তিনটি ফিল্টার কনফিগারেশন উপলব্ধ রয়েছে।
- ModerationPiiConfig - PII ফিল্টার কনফিগার করতে ব্যবহৃত হয়।
- মডারেশন টক্সিসিটি কনফিগারেশন - বিষাক্ত বিষয়বস্তু ফিল্টার কনফিগার করতে ব্যবহৃত.
- ModerationIntent Config - অভিপ্রায় ফিল্টার কনফিগার করতে ব্যবহৃত।
আপনার মডারেশনগুলি কীভাবে আচরণ করে তার আচরণ কাস্টমাইজ করতে আপনি এই প্রতিটি ফিল্টার কনফিগারেশন ব্যবহার করতে পারেন। প্রতিটি ফিল্টারের কনফিগারেশনে কয়েকটি সাধারণ প্যারামিটার এবং কিছু অনন্য পরামিতি রয়েছে, যেগুলি দিয়ে শুরু করা যেতে পারে। আপনি কনফিগারেশন সংজ্ঞায়িত করার পরে, আপনি ব্যবহার করুন BaseModerationConfig
শ্রেনী ক্রম সংজ্ঞায়িত করার জন্য যেখানে ফিল্টারগুলি পাঠ্যটিতে প্রয়োগ করতে হবে। উদাহরণস্বরূপ, নিম্নলিখিত কোডে, আমরা প্রথমে তিনটি ফিল্টার কনফিগারেশন সংজ্ঞায়িত করি এবং পরবর্তীতে তাদের প্রয়োগ করতে হবে এমন ক্রম উল্লেখ করি:
এই কনফিগারেশনটি কী অর্জন করে তা বোঝার জন্য আসুন একটু গভীরে ডুব দেওয়া যাক:
- প্রথমত, বিষাক্ততা ফিল্টারের জন্য, আমরা 0.6 এর একটি থ্রেশহোল্ড নির্দিষ্ট করেছি। এর মানে হল যে পাঠ্যটিতে যদি থ্রেশহোল্ডের চেয়ে বেশি স্কোর সহ উপলব্ধ কোনো বিষাক্ত লেবেল বা সত্তা থাকে, তাহলে পুরো চেইনটি বাধাগ্রস্ত হবে।
- পাঠ্যটিতে কোনো বিষাক্ত সামগ্রী না পাওয়া গেলে, একটি PII চেক এই ক্ষেত্রে, পাঠ্যটিতে SSN মান রয়েছে কিনা তা পরীক্ষা করতে আমরা আগ্রহী। কারন
redact
প্যারামিটার সেট করা আছেTrue
, চেইন সনাক্ত করা SSN মানগুলিকে (যদি থাকে) মাস্ক করবে যেখানে SSN সত্তার আত্মবিশ্বাসের স্কোর 0.5 এর চেয়ে বেশি বা সমান, মাস্ক অক্ষর নির্দিষ্ট (X) সহ। যদিredact
তৈরিFalse
, যে কোনো SSN শনাক্তের জন্য চেইনটি বিঘ্নিত হবে। - অবশেষে, চেইন তাৎক্ষণিক নিরাপত্তা শ্রেণীবিন্যাস সম্পাদন করে, এবং যদি বিষয়বস্তুটি এর সাথে শ্রেণীবদ্ধ করা হয় তবে চেইনটি আরও নিচে প্রচার করা থেকে বিরত রাখবে।
UNSAFE_PROMPT
0.8 এর চেয়ে বেশি বা সমান আত্মবিশ্বাসের স্কোর সহ।
নিম্নলিখিত চিত্রটি এই কর্মপ্রবাহকে চিত্রিত করে।
সংযম শৃঙ্খলে বাধার ক্ষেত্রে (এই উদাহরণে, বিষাক্ততা এবং প্রম্পট সুরক্ষা শ্রেণীবিভাগ ফিল্টারের জন্য প্রযোজ্য), চেইন একটি বাড়াবে পাইথন ব্যতিক্রম, মূলত চলমান শৃঙ্খলটি বন্ধ করে এবং আপনাকে ব্যতিক্রমটি ধরার অনুমতি দেয় (একটি চেষ্টা-ক্যাচ ব্লকে) এবং যেকোনো প্রাসঙ্গিক ক্রিয়া সম্পাদন করতে। তিনটি সম্ভাব্য ব্যতিক্রম প্রকার হল:
ModerationPIIError
ModerationToxicityError
ModerationPromptSafetyError
আপনি ব্যবহার করে একটি ফিল্টার বা একাধিক ফিল্টার কনফিগার করতে পারেন BaseModerationConfig
. আপনি একই চেইনের মধ্যে বিভিন্ন কনফিগারেশন সহ একই ধরণের ফিল্টারও রাখতে পারেন। উদাহরণস্বরূপ, যদি আপনার ব্যবহারের ক্ষেত্রে শুধুমাত্র PII-এর সাথে সংশ্লিষ্ট হয়, তাহলে আপনি একটি কনফিগারেশন নির্দিষ্ট করতে পারেন যা একটি SSN সনাক্ত করা হলে চেইনকে বাধা দিতে হবে; অন্যথায়, এটি অবশ্যই বয়স এবং PII সত্তার উপর সংশোধন করতে হবে। এর জন্য একটি কনফিগারেশন নিম্নরূপ সংজ্ঞায়িত করা যেতে পারে:
কলব্যাক এবং অনন্য শনাক্তকারী ব্যবহার করে
আপনি যদি কর্মপ্রবাহের ধারণার সাথে পরিচিত হন তবে আপনি এর সাথেও পরিচিত হতে পারেন কলব্যাক. ওয়ার্কফ্লোগুলির মধ্যে কলব্যাকগুলি হল কোডের স্বাধীন টুকরো যা কর্মপ্রবাহের মধ্যে নির্দিষ্ট শর্তগুলি পূরণ করা হলে চলে৷ একটি কলব্যাক কর্মপ্রবাহে ব্লক বা অ-ব্লকিং হতে পারে। LangChain চেইন হল, মূলত, LLM-এর জন্য ওয়ার্কফ্লো। AmazonComprehendModerationChain
আপনাকে আপনার নিজস্ব কলব্যাক ফাংশন সংজ্ঞায়িত করতে দেয়। প্রাথমিকভাবে, বাস্তবায়ন শুধুমাত্র অ্যাসিঙ্ক্রোনাস (ননব্লকিং) কলব্যাক ফাংশনের মধ্যে সীমাবদ্ধ।
এর কার্যকরী অর্থ হল যে আপনি যদি মডারেশন চেইনের সাথে কলব্যাক ব্যবহার করেন, তবে তারা এটিকে ব্লক না করে চেইনের রান থেকে স্বাধীনভাবে চলবে। মডারেশন চেইনের জন্য, আপনি প্রতিটি মডারেশন চালানোর পরে, চেইন থেকে স্বাধীনভাবে, যেকোনো ব্যবসায়িক যুক্তি সহ, কোডের টুকরো চালানোর বিকল্প পাবেন।
একটি তৈরি করার সময় আপনি ঐচ্ছিকভাবে একটি স্বতন্ত্র শনাক্তকারী স্ট্রিং প্রদান করতে পারেন AmazonComprehendModerationChain
লগিং এবং বিশ্লেষণ পরবর্তীতে সক্ষম করতে। উদাহরণস্বরূপ, আপনি যদি LLM দ্বারা চালিত একটি চ্যাটবট পরিচালনা করেন, তাহলে আপনি এমন ব্যবহারকারীদের ট্র্যাক করতে চাইতে পারেন যারা ধারাবাহিকভাবে অপব্যবহার করছেন বা ইচ্ছাকৃতভাবে বা অজান্তে ব্যক্তিগত তথ্য প্রকাশ করছেন। এই ধরনের ক্ষেত্রে, এই ধরনের প্রম্পটগুলির উত্স ট্র্যাক করা এবং সম্ভবত সেগুলি একটি ডাটাবেসে সংরক্ষণ করা বা পরবর্তী পদক্ষেপের জন্য যথাযথভাবে লগ করা প্রয়োজন হয়ে ওঠে। আপনি একটি অনন্য আইডি পাস করতে পারেন যা একটি ব্যবহারকারীকে স্বতন্ত্রভাবে সনাক্ত করে, যেমন তাদের ব্যবহারকারীর নাম বা ইমেল, বা প্রম্পট তৈরি করছে এমন একটি অ্যাপ্লিকেশন নাম।
কলব্যাক এবং অনন্য শনাক্তকারীর সংমিশ্রণ আপনাকে একটি মডারেশন চেইন বাস্তবায়নের একটি শক্তিশালী উপায় প্রদান করে যা আপনার ব্যবহারের ক্ষেত্রে অনেক বেশি সমন্বিত পদ্ধতিতে কম কোডের সাথে মানানসই হয় যা বজায় রাখা সহজ। কলব্যাক হ্যান্ডলার এর মাধ্যমে উপলব্ধ BaseModerationCallbackHandler
, তিনটি উপলব্ধ কলব্যাক সহ: on_after_pii()
, on_after_toxicity()
, এবং on_after_prompt_safety()
. চেইনের মধ্যে সংশ্লিষ্ট মডারেশন চেক সঞ্চালিত হওয়ার পরে এই কলব্যাক ফাংশনগুলির প্রতিটিকে অ্যাসিঙ্ক্রোনাসলি বলা হয়। এই ফাংশন দুটি ডিফল্ট পরামিতি গ্রহণ করে:
- সংযম_বীকন - একটি অভিধান যার মধ্যে বিশদ বিবরণ রয়েছে যেমন পাঠ্যটি যে পাঠ্যের উপর মডারেশন করা হয়েছিল, Amazon Comprehend API-এর সম্পূর্ণ JSON আউটপুট, সংযমের ধরণ এবং যদি সরবরাহকৃত লেবেলগুলি (কনফিগারেশনে) পাঠ্যের মধ্যে পাওয়া যায় কি না।
- অনন্য আইডি - একটি উদাহরণ আরম্ভ করার সময় আপনি যে অনন্য আইডি বরাদ্দ করেছিলেন
AmazonComprehendModerationChain
.
কলব্যাকের সাথে একটি বাস্তবায়ন কীভাবে কাজ করে তার একটি উদাহরণ নিচে দেওয়া হল। এই ক্ষেত্রে, আমরা একটি একক কলব্যাক সংজ্ঞায়িত করেছি যেটি আমরা চাই যে PII চেক সঞ্চালিত হওয়ার পরে চেইন চলুক:
আমরা তারপর ব্যবহার my_callback
মডারেশন চেইন আরম্ভ করার সময় অবজেক্ট এবং একটি পাস unique_id
. আপনি কনফিগারেশন সহ বা ছাড়াই কলব্যাক এবং অনন্য শনাক্তকারী ব্যবহার করতে পারেন। আপনি যখন সাবক্লাস করবেন BaseModerationCallbackHandler
, আপনি যে ফিল্টারগুলি ব্যবহার করতে চান তার উপর নির্ভর করে আপনাকে অবশ্যই এক বা সমস্ত কলব্যাক পদ্ধতি প্রয়োগ করতে হবে৷ সংক্ষিপ্ততার জন্য, নিম্নলিখিত উদাহরণটি কলব্যাক ব্যবহার করার একটি উপায় দেখায় এবং unique_id
কোন কনফিগারেশন ছাড়া:
নিচের চিত্রটি ব্যাখ্যা করে কিভাবে কলব্যাক এবং অনন্য শনাক্তকারী সহ এই সংযম চেইন কাজ করে। বিশেষত, আমরা PII কলব্যাক প্রয়োগ করেছি যেটিতে উপলব্ধ ডেটা সহ একটি JSON ফাইল লিখতে হবে৷ moderation_beacon
এবং unique_id
পাস (এই ক্ষেত্রে ব্যবহারকারীর ইমেল)।
নিম্নলিখিত পাইথন নোটবুক, আমরা কয়েকটি ভিন্ন উপায়ে সংকলন করেছি যা আপনি বিভিন্ন LLM-এর সাথে সংযম চেইন কনফিগার এবং ব্যবহার করতে পারেন, যেমন LLM আমাজন সেজমেকার জাম্পস্টার্ট এবং হোস্ট ইন আলিঙ্গন ফেস হাব. আমরা নমুনা চ্যাট অ্যাপ্লিকেশনটিও অন্তর্ভুক্ত করেছি যা আমরা নীচের সাথে আগে আলোচনা করেছি পাইথন নোটবুক.
উপসংহার
বৃহৎ ভাষার মডেল এবং জেনারেটিভ এআই-এর রূপান্তরের সম্ভাবনা অনস্বীকার্য। যাইহোক, তাদের দায়িত্বশীল এবং নৈতিক ব্যবহার বিশ্বাস এবং নিরাপত্তার উদ্বেগের সমাধানের উপর নির্ভর করে। চ্যালেঞ্জগুলিকে স্বীকার করে এবং সক্রিয়ভাবে ঝুঁকি কমানোর ব্যবস্থা বাস্তবায়নের মাধ্যমে, বিকাশকারীরা, সংস্থাগুলি এবং সমাজ বৃহত্তরভাবে এই প্রযুক্তিগুলির সুবিধাগুলিকে কাজে লাগাতে পারে এবং তাদের সফল একীকরণকে ভিত্তি করে এমন বিশ্বাস এবং সুরক্ষা সংরক্ষণ করতে পারে৷ LangChain-এ বাস্তবায়িত Retrieval Augmented Generation (RAG) ওয়ার্কফ্লো সহ যেকোনো LLM ওয়ার্কফ্লোতে বিশ্বাস ও নিরাপত্তা বৈশিষ্ট্য যোগ করতে Amazon Comprehend ContentModerationChain ব্যবহার করুন।
ল্যাংচেইন এবং অ্যামাজন কেন্দ্রের অত্যন্ত নির্ভুল, মেশিন লার্নিং (এমএল)-চালিত ব্যবহার করে RAG ভিত্তিক সমাধান তৈরির তথ্যের জন্য বুদ্ধিমান অনুসন্ধান, দেখা - অ্যামাজন কেন্দ্র, ল্যাংচেইন এবং বৃহৎ ভাষার মডেল ব্যবহার করে এন্টারপ্রাইজ ডেটাতে দ্রুত উচ্চ-নির্ভুলতা জেনারেটিভ এআই অ্যাপ্লিকেশন তৈরি করুন. একটি পরবর্তী পদক্ষেপ হিসাবে, পড়ুন কোড নমুনা আমরা ল্যাংচেইনের সাথে অ্যামাজন কম্প্রিহেন্ড মডারেশন ব্যবহার করার জন্য তৈরি করেছি। Amazon Comprehend মডারেশন চেইন API-এর সম্পূর্ণ ডকুমেন্টেশনের জন্য, LangChain দেখুন API ডকুমেন্টেশন.
লেখক সম্পর্কে
রিক তালুকদার আমাজন কম্প্রেহেন্ড সার্ভিস টিমের একজন সিনিয়র আর্কিটেক্ট। তিনি এডব্লিউএস গ্রাহকদের সাথে কাজ করেন যাতে তারা বড় আকারে মেশিন লার্নিং গ্রহণ করে। কাজের বাইরে, তিনি পড়া এবং ফটোগ্রাফি উপভোগ করেন।
অঞ্জন বিশ্বাস এআই/এমএল এবং ডেটা অ্যানালিটিক্সের উপর ফোকাস সহ একজন সিনিয়র এআই সার্ভিসেস সলিউশন আর্কিটেক্ট। অঞ্জন বিশ্বব্যাপী AI পরিষেবা দলের অংশ এবং গ্রাহকদের AI এবং ML-এর সাথে ব্যবসায়িক সমস্যার সমাধান বুঝতে এবং তাদের সমাধান করতে সাহায্য করার জন্য তাদের সাথে কাজ করে। অঞ্জনের গ্লোবাল সাপ্লাই চেইন, ম্যানুফ্যাকচারিং এবং খুচরা সংস্থাগুলির সাথে কাজ করার 14 বছরেরও বেশি অভিজ্ঞতা রয়েছে এবং গ্রাহকদের AWS AI পরিষেবাগুলি শুরু করতে এবং স্কেল করতে সক্রিয়ভাবে সাহায্য করছে৷
নিখিল ঝা আমাজন ওয়েব সার্ভিসের একজন সিনিয়র টেকনিক্যাল অ্যাকাউন্ট ম্যানেজার। তার ফোকাস এলাকা AI/ML, এবং বিশ্লেষণ অন্তর্ভুক্ত. তার অবসর সময়ে, তিনি তার মেয়ের সাথে ব্যাডমিন্টন খেলা এবং বাইরে ঘুরে বেড়াতে উপভোগ করেন।
চিন রানে অ্যামাজন ওয়েব সার্ভিসেসের একজন এআই/এমএল বিশেষজ্ঞ সলিউশন আর্কিটেক্ট। তিনি ফলিত গণিত এবং মেশিন লার্নিং সম্পর্কে উত্সাহী। তিনি AWS গ্রাহকদের জন্য বুদ্ধিমান ডকুমেন্ট প্রসেসিং সমাধান ডিজাইন করার উপর ফোকাস করেন। কাজের বাইরে, তিনি সালসা এবং বাছাটা নাচ উপভোগ করেন।
- 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। কার্বন, ক্লিনটেক, শক্তি, পরিবেশ সৌর, বর্জ্য ব্যবস্থাপনা. এখানে প্রবেশ করুন.
- প্লেটো হেলথ। বায়োটেক এবং ক্লিনিক্যাল ট্রায়াল ইন্টেলিজেন্স। এখানে প্রবেশ করুন.
- উত্স: https://aws.amazon.com/blogs/machine-learning/build-trust-and-safety-for-generative-ai-applications-with-amazon-comprehend-and-langchain/
- : আছে
- : হয়
- :না
- :কোথায়
- $ ইউপি
- 1
- 100
- 11
- 12
- 14
- 15%
- 17
- 19
- 500
- 7
- 8
- 9
- a
- ক্ষমতার
- ক্ষমতা
- সম্পর্কে
- অপব্যবহার
- প্রবেশ
- হিসাব
- সঠিক
- জাতিসংঘের
- দিয়ে
- কর্ম
- স্টক
- সক্রিয়ভাবে
- যোগ
- ঠিকানা
- ঠিকানাগুলি
- সম্ভাষণ
- মেনে চলে
- পোষ্যপুত্র গ্রহণ করা
- গ্রহণ
- পরামর্শ
- পর
- বয়স
- AI
- এআই পরিষেবা
- এআই সিস্টেমগুলি
- এআই / এমএল
- সব
- অনুমতি
- অনুমতি
- অনুমতি
- ইতিমধ্যে
- এছাড়াও
- পুরাপুরি
- মর্দানী স্ত্রীলোক
- অ্যামাজন সমঝোতা
- আমাজন কেন্দ্র
- অ্যামাজন ওয়েব সার্ভিসেস
- পরিমাণে
- an
- বৈশ্লেষিক ন্যায়
- বিশ্লেষণ
- এবং
- উদ্গাতা
- উত্তর
- কোন
- API
- API গুলি
- প্রাসঙ্গিক
- আবেদন
- অ্যাপ্লিকেশন
- ফলিত
- প্রযোজ্য
- প্রয়োগ করা
- যথাযথ
- উপযুক্তভাবে
- রয়েছি
- এলাকার
- AS
- জিজ্ঞাসা করা
- জিজ্ঞাসা
- আ
- নির্ধারিত
- সহায়ক
- যুক্ত
- At
- বৃদ্ধি
- উদ্দীপিত
- সহজলভ্য
- ডেস্কটপ AWS
- সাহায্যপ্রাপ্ত
- খারাপ
- ভিত্তি
- ভিত্তি
- BE
- কারণ
- পরিণত
- হয়ে
- আচরণ
- হচ্ছে
- বিশ্বাসের
- সুবিধা
- মধ্যে
- তার পরেও
- বাধা
- রোধক
- উভয়
- সীমানা
- বৃহত্তর
- নির্মাণ করা
- বিশ্বাস স্থাপন করো
- ভবন
- নির্মিত
- ব্যবসায়
- ব্যবসা
- কিন্তু
- by
- কল
- কলব্যাক
- নামক
- CAN
- ক্ষমতা
- সামর্থ্য
- সক্ষম
- রাজধানী
- কার্ড
- কেস
- মামলা
- দঙ্গল
- কিছু
- চেন
- চেইন
- চ্যালেঞ্জ
- চরিত্র
- chatbot
- chatbots
- চেক
- পরীক্ষণ
- চেক
- চীনা
- পছন্দ
- শ্রেণী
- ক্লাস
- শ্রেণীবিন্যাস
- শ্রেণীবদ্ধ
- শ্রেণীভুক্ত করা
- মক্কেল
- কোড
- সংহত
- এর COM
- সমাহার
- মিলিত
- মন্তব্য
- সাধারণ
- জটিল
- উপাদান
- বোঝা
- ধারণা
- উদ্বিগ্ন
- উদ্বেগ
- পরিবেশ
- বিশ্বাস
- কনফিগারেশন
- পরপর
- ধারাবাহিকভাবে
- ধারণ
- বিষয়বস্তু
- কন্টেন্ট জেনারেশন
- নিয়ন্ত্রণ
- বিতর্কমূলক
- মূল
- নির্মিত
- তৈরি করা হচ্ছে
- সৃজনী
- ধার
- ক্রেডিটকার্ড
- সংকটপূর্ণ
- কঠোর
- প্রথা
- ক্রেতা
- গ্রাহক সমর্থন
- গ্রাহকদের
- স্বনির্ধারিত
- কাস্টমাইজ
- দৈনিক
- নাট্য
- উপাত্ত
- ডেটা বিশ্লেষণ
- তথ্য গোপনীয়তা
- ডেটাবেস
- ডেটাসেট
- সিদ্ধান্ত
- গভীর
- ডিফল্ট
- নির্ধারণ করা
- সংজ্ঞায়িত
- উপত্যকা
- প্রদর্শন
- প্রমান
- নির্ভর করে
- ফন্দিবাজ
- আকাঙ্ক্ষিত
- বিস্তারিত
- সনাক্ত
- সনাক্ত
- সনাক্তকরণ
- নির্ধারণ
- বিকাশ
- ডেভেলপারদের
- উন্নয়ন
- বিভিন্ন
- ডিজিটাল
- আলোচনা করা
- আলোচনা
- স্বতন্ত্র্র
- ডুব
- do
- দলিল
- ডকুমেন্টেশন
- কাগজপত্র
- হরিণী
- নিচে
- কারণে
- e
- প্রতি
- পূর্বে
- সহজ
- কার্যকরীভাবে
- অনায়াস
- পারেন
- আর
- ইমেইল
- সক্ষম করা
- শেষ
- অবিরাম
- নিশ্চিত করা
- নিশ্চিত
- উদ্যোগ
- সত্ত্বা
- সত্তা
- পরিবেশ
- সমান
- সমানভাবে
- ভুল
- সারমর্ম
- অপরিহার্য
- মূলত
- নৈতিক
- উদাহরণ
- উদাহরণ
- ছাড়া
- ব্যতিক্রম
- বিদ্যমান
- অভিজ্ঞতা
- অভিজ্ঞতা
- ব্যাখ্যা করা
- ব্যাখ্যা
- ব্যাখ্যা
- স্পষ্টভাবে
- এক্সপ্লোরিং
- প্রকাশ করা
- প্রসারিত
- নির্যাস
- মুখ
- পরিচিত
- বৈশিষ্ট্য
- বৈশিষ্ট্য
- কয়েক
- ফাইল
- ছাঁকনি
- ফিল্টারিং
- ফিল্টার
- আর্থিক
- আবিষ্কার
- খুঁজে বের করে
- প্রথম
- পতাকাঙ্কিত
- পতাকা
- নমনীয়
- প্রবাহ
- কেন্দ্রবিন্দু
- দৃষ্টি নিবদ্ধ করা
- গুরুত্ত্ব
- অনুসরণ
- অনুসরণ
- জন্য
- ফর্ম
- বিন্যাস
- ফর্ম
- ফোরাম
- পাওয়া
- ফ্রেমওয়ার্ক
- ফ্রান্স
- থেকে
- সম্পূর্ণ
- ক্রিয়াকলাপ
- অধিকতর
- উত্পাদন করা
- উত্পন্ন
- উৎপাদিত
- প্রজন্ম
- সৃজক
- জেনারেটিভ এআই
- পাওয়া
- GIF
- দাও
- প্রদত্ত
- দেয়
- বিশ্বব্যাপী
- লক্ষ্য
- Goes
- চালু
- ভাল
- বৃহত্তর
- বৃদ্ধি
- উন্নতি
- পথপ্রদর্শন
- হ্যান্ডলিং
- এরকম
- ক্ষতিকর
- সাজ
- ঘৃণা
- আছে
- জমিদারি
- he
- সাহায্য
- সাহায্য
- সাহায্য
- অত্যন্ত
- বিশৃঙ্খল
- তার
- হোস্ট
- কিভাবে
- কিভাবে
- যাহোক
- এইচটিএমএল
- HTTPS দ্বারা
- নাভি
- মানবীয়
- মানুষের মত
- i
- ID
- শনাক্ত
- আইডেন্টিফায়ার
- সনাক্তকারী
- শনাক্ত
- সনাক্ত করা
- চিহ্নিতকরণের
- if
- অবৈধ
- প্রকাশ
- ভাবমূর্তি
- প্রভাব
- বাস্তবায়ন
- বাস্তবায়ন
- বাস্তবায়িত
- বাস্তবায়ন
- আমদানি
- গুরুত্ব
- গুরুত্বপূর্ণ
- in
- অসাবধানতাবসত
- অন্তর্ভুক্ত করা
- অন্তর্ভুক্ত
- অন্তর্ভুক্ত
- সুদ্ধ
- বৃদ্ধি
- বৃদ্ধি
- ক্রমবর্ধমানভাবে
- স্বাধীন
- স্বাধীনভাবে
- শিল্প
- প্রভাব
- তথ্য
- প্রাথমিকভাবে
- ইনপুট
- ইনপুট
- অনুসন্ধান
- উদাহরণ
- সংহত
- ইন্টিগ্রেশন
- বুদ্ধিমান
- বুদ্ধিমান নথি প্রক্রিয়াকরণ
- মনস্থ করা
- অভিপ্রায়
- আগ্রহী
- ইন্টারফেস
- বিঘ্নিত
- মধ্যে
- প্রবর্তন করা
- IT
- এর
- জন
- JOHN DOE
- JPG
- JSON
- মাত্র
- লেবেলগুলি
- ভাষা
- বড়
- পরে
- শিক্ষা
- বাম
- আইনগত
- কম
- মত
- সম্ভাবনা
- সীমিত
- তালিকা
- সামান্য
- একটু গভীর
- LLM
- লগ ইন করুন
- লগিং
- যুক্তিবিদ্যা
- খুঁজছি
- মেশিন
- মেশিন লার্নিং
- বজায় রাখা
- তৈরি করে
- পরিচালক
- পদ্ধতি
- উত্পাদন
- মাস্ক
- অংক
- ব্যাপার
- মে..
- me
- মানে
- পরিমাপ
- পদ্ধতি
- মিডিয়া
- চিকিৎসা
- মার্জ
- মিলিত
- পদ্ধতি
- অপব্যবহার
- প্রশমিত করা
- মিশ
- ML
- মডেল
- মডেল
- সংযম
- মডুলার
- অধিক
- অনেক
- অবশ্যই
- my
- নাম
- যথা
- নাম
- প্রাকৃতিক
- স্বাভাবিক ভাষা প্রক্রিয়াকরণ
- প্রয়োজনীয়
- নতুন
- নতুন বৈশিষ্ট
- পরবর্তী
- NLP
- না।
- এখন
- সংখ্যা
- সংখ্যার
- অনেক
- লক্ষ্য
- of
- আক্রমণাত্মক
- অর্পণ
- অফসেট
- on
- ONE
- কেবল
- খোলা
- ওপেন সোর্স
- পরিচালনা করা
- অপারেটিং
- অপশন সমূহ
- or
- ক্রম
- সংগঠন
- উত্স
- অন্যান্য
- অন্যভাবে
- আমাদের
- বাইরে
- ফলাফল
- বিদেশে
- আউটপুট
- আউটপুট
- বাহিরে
- শেষ
- নিজের
- স্থিতিমাপ
- পরামিতি
- প্রধানতম
- অংশ
- বিশেষত
- পাস
- গৃহীত
- কামুক
- পাসওয়ার্ড
- পাসওয়ার্ড রিসেট
- প্যাটার্ন
- সম্পাদন করা
- সম্পাদিত
- সঞ্চালিত
- সম্ভবত
- ব্যক্তিগত
- ব্যক্তিগতভাবে
- ফোন
- ফটোগ্রাফি
- টুকরা
- টুকরা
- প্ল্যাটফর্ম
- Plato
- প্লেটো ডেটা ইন্টেলিজেন্স
- প্লেটোডাটা
- কেলি
- রাজনৈতিক
- জনপ্রিয়
- অবস্থান
- ধনাত্মক
- সম্ভাবনার
- সম্ভব
- পোস্ট
- সম্ভাব্য
- সম্ভাব্য
- ক্ষমতা
- চালিত
- ক্ষমতাশালী
- সংরক্ষণ করা
- নিরোধক
- প্রাথমিকভাবে
- প্রাথমিক
- নীতিগুলো
- প্রকল্প ছাড়তে
- গোপনীয়তা
- ব্যক্তিগত
- ব্যক্তিগত তথ্য
- সমস্যা
- পদ্ধতি
- প্রক্রিয়া
- প্রক্রিয়াজাতকরণ
- গভীর
- উন্নতি
- সঠিকভাবে
- রক্ষা করা
- প্রদান
- উপলব্ধ
- পাইথন
- প্রশ্ন
- বৃদ্ধি
- পরিসর
- রেঞ্জ
- দ্রুত
- বরং
- পৌঁছনো
- পড়া
- রাজত্ব
- গ্রহণ করা
- স্বীকৃতি
- হ্রাস করা
- হ্রাস
- পড়ুন
- এলাকা
- নিয়ন্ত্রক
- প্রাসঙ্গিক
- বিশ্বাসযোগ্য
- খ্যাতি
- অনুরোধ
- আবশ্যকতা
- সংস্থান
- নিজ নিজ
- প্রতিক্রিয়া
- প্রতিক্রিয়া
- দায়িত্ব
- দায়ী
- সীমাবদ্ধতা
- খুচরা
- আয়
- অধিকার
- ঝুঁকি
- ঝুঁকি
- চালান
- s
- নিরাপদ
- নিরাপত্তা
- ঋষি নির্মাতা
- একই
- স্কেল
- লোকচক্ষুর
- স্কোর
- নির্বিঘ্ন
- অধ্যায়
- বিভাগে
- নিরাপত্তা
- দেখ
- খোঁজ
- আত্ম
- জ্যেষ্ঠ
- সংবেদনশীল
- প্রেরিত
- বাক্য
- ক্রম
- সেবা
- সেবা
- সেট
- সে
- উচিত
- প্রদর্শনী
- গ্লাসকেস
- প্রদর্শিত
- শো
- সংকেত
- একভাবে
- সহজ
- সহজতর করা
- একক
- সাইট
- টুকিটাকি
- So
- সামাজিক
- সামাজিক মাধ্যম
- সমাজ
- সলিউশন
- কিছু
- কিছু
- উৎস
- সোর্স কোড
- স্পিক্স
- বিশেষজ্ঞ
- নির্দিষ্ট
- বিশেষভাবে
- নিদিষ্ট
- বক্তৃতা
- মান
- শুরু
- শুরু
- বিবৃতি
- ধাপ
- থামুন
- বাঁধন
- দোকান
- স্ট্রিং
- পরবর্তীকালে
- সফল
- এমন
- সরবরাহকৃত
- সরবরাহ
- সরবরাহ শৃঙ্খল
- সমর্থন
- সমর্থন
- টেকসই
- সিস্টেম
- গ্রহণ করা
- কাজ
- টীম
- কারিগরী
- প্রযুক্তি
- টেমপ্লেট
- পাঠ
- চেয়ে
- যে
- সার্জারির
- রাজধানী
- উৎস
- তাদের
- তাহাদিগকে
- তারপর
- সেখানে।
- যার ফলে
- এইগুলো
- তারা
- এই
- হুমকি
- তিন
- গোবরাট
- দ্বারা
- সময়
- থেকে
- সরঞ্জাম
- পথ
- প্রশিক্ষিত
- রূপান্তরিত
- আস্থা
- চেষ্টা
- দুই
- আদর্শ
- ধরনের
- উন্মোচন
- অনস্বীকার্য
- আন্ডারপিন
- বোঝা
- বোধশক্তি
- অনন্য
- সার্বজনীন
- সমর্থন করা
- ব্যবহার
- ব্যবহার ক্ষেত্রে
- ব্যবহৃত
- ব্যবহারকারী
- ব্যবহারকারী
- ব্যবহারসমূহ
- ব্যবহার
- সদ্ব্যবহার করা
- ব্যবহার
- দামি
- মূল্য
- মানগুলি
- বৈচিত্র্য
- বিভিন্ন
- সুবিশাল
- সংস্করণ
- মাধ্যমে
- ভার্চুয়াল
- W
- প্রয়োজন
- ছিল
- উপায়..
- উপায়
- we
- ওয়েব
- ওয়েব সার্ভিস
- আমরা একটি
- ছিল
- কি
- কখন
- যেহেতু
- কিনা
- যে
- যখন
- হু
- সমগ্র
- কেন
- ব্যাপক
- প্রশস্ত পরিসর
- ইচ্ছা
- কামনা
- সঙ্গে
- মধ্যে
- ছাড়া
- প্রত্যক্ষীকরণ
- হয়া যাই ?
- কর্মপ্রবাহ
- কর্মপ্রবাহ
- কাজ
- কাজ
- লেখা
- লেখা
- X
- বছর
- আপনি
- আপনার
- zephyrnet