জাল খবর, যা মিথ্যা, বানোয়াট, বা ইচ্ছাকৃতভাবে বিভ্রান্তিকর তথ্য প্রদান করে বা অন্তর্ভুক্ত করে এমন সংবাদ হিসাবে সংজ্ঞায়িত করা হয়, ছাপাখানার আবির্ভাবের আগে থেকেই ছিল। অনলাইনে ভুয়া খবর এবং বিভ্রান্তির দ্রুত বিস্তার শুধু জনসাধারণের কাছে প্রতারণার কারণ নয়, সমাজ, রাজনীতি, অর্থনীতি এবং সংস্কৃতিতেও এর গভীর প্রভাব পড়তে পারে। উদাহরণ অন্তর্ভুক্ত:
- মিডিয়ার প্রতি অবিশ্বাস তৈরি করা
- গণতান্ত্রিক প্রক্রিয়াকে ক্ষুণ্ন করা
- মিথ্যা বা অসম্মানিত বিজ্ঞান ছড়িয়ে দেওয়া (উদাহরণস্বরূপ, অ্যান্টি-ভ্যাক্স আন্দোলন)
কৃত্রিম বুদ্ধিমত্তা (AI) এবং মেশিন লার্নিং (ML) এর অগ্রগতি জাল খবর তৈরি এবং ভাগ করে নেওয়ার সরঞ্জামগুলিকে আরও সহজ করে তুলেছে। প্রাথমিক উদাহরণগুলির মধ্যে রয়েছে উন্নত সামাজিক বট এবং স্বয়ংক্রিয় অ্যাকাউন্ট যা জাল খবর ছড়ানোর প্রাথমিক পর্যায়ে সুপারচার্জ করে। সাধারণভাবে, এই ধরনের অ্যাকাউন্টগুলি মানুষ বা বট কিনা তা নির্ধারণ করা জনসাধারণের পক্ষে তুচ্ছ নয়৷ এছাড়াও, সামাজিক বটগুলি অবৈধ সরঞ্জাম নয় এবং অনেক কোম্পানি তাদের বিপণন কৌশলের অংশ হিসাবে আইনত তাদের ক্রয় করে। অতএব, পদ্ধতিগতভাবে সামাজিক বটগুলির ব্যবহার রোধ করা সহজ নয়।
জেনারেটিভ এআই-এর ক্ষেত্রে সাম্প্রতিক আবিষ্কারগুলি বড় ভাষা মডেলের (LLMs) সাহায্যে অভূতপূর্ব গতিতে পাঠ্য বিষয়বস্তু তৈরি করা সম্ভব করে তোলে। LLM হল 1 বিলিয়ন প্যারামিটার সহ জেনারেটিভ এআই টেক্সট মডেল, এবং এগুলি উচ্চ-মানের টেক্সট সংশ্লেষণে সহায়তা করে।
এই পোস্টে, আমরা অন্বেষণ করব যে আপনি কীভাবে জাল খবর শনাক্ত করার প্রচলিত সমস্যাটি মোকাবেলা করতে LLM ব্যবহার করতে পারেন। আমরা পরামর্শ দিই যে এলএলএমগুলি এই কাজের জন্য যথেষ্ট উন্নত, বিশেষ করে যদি উন্নত প্রম্পট কৌশলগুলি যেমন চেইন-অফ-থট এবং প্রতিক্রিয়া তথ্য পুনরুদ্ধারের জন্য সরঞ্জামগুলির সাথে একযোগে ব্যবহৃত হয়।
আমরা একটি তৈরি করে এটি চিত্রিত করি ল্যাংচেইন অ্যাপ্লিকেশন যা, একটি খবরের একটি অংশ দেওয়া, ব্যবহারকারীকে জানায় যে নিবন্ধটি সত্য নাকি নকল প্রাকৃতিক ভাষা ব্যবহার করে। সমাধান এছাড়াও ব্যবহার করে আমাজন বেডরক, একটি সম্পূর্ণরূপে পরিচালিত পরিষেবা যা Amazon এবং তৃতীয় পক্ষের মডেল প্রদানকারীদের থেকে ফাউন্ডেশন মডেল (FMs) এর মাধ্যমে অ্যাক্সেসযোগ্য করে তোলে এডাব্লুএস ম্যানেজমেন্ট কনসোল এবং API
এলএলএম এবং ভুয়া খবর
ইন্টারনেট এবং বিশেষ করে সোশ্যাল মিডিয়ার আবির্ভাবের সাথে জাল খবরের ঘটনাটি দ্রুত বিকশিত হতে শুরু করে (নিলসেন এট আল।, 2017) সোশ্যাল মিডিয়াতে, ব্যবহারকারীর নেটওয়ার্কে ভুয়া খবরগুলি দ্রুত ভাগ করা যেতে পারে, যা জনসাধারণকে ভুল সমষ্টিগত মতামত গঠনে নেতৃত্ব দেয়। এছাড়াও, লোকেরা প্রায়শই জাল খবর প্রচার করে, বিষয়বস্তুর বাস্তবতা উপেক্ষা করে যদি সংবাদটি তাদের ব্যক্তিগত নিয়মের সাথে অনুরণিত হয় (সিপুরস্কি এট আল। 2018) সামাজিক বিজ্ঞানের গবেষণায় পরামর্শ দেওয়া হয়েছে যে জ্ঞানীয় পক্ষপাত (নিশ্চিতকরণ পক্ষপাতিত্ব, ব্যান্ডওয়াগন প্রভাব, এবং পছন্দ-সমর্থক পক্ষপাত) হল ভুয়া খবরের সৃষ্টি এবং ব্যবহার উভয় ক্ষেত্রেই যুক্তিহীন সিদ্ধান্ত নেওয়ার অন্যতম প্রধান কারণ (কিম, ইত্যাদি।, 2021) এটিও বোঝায় যে সংবাদ ভোক্তারা শুধুমাত্র তাদের বিশ্বাসকে শক্তিশালী করার জন্য তথ্য ভাগ করে এবং ব্যবহার করে।
নজিরবিহীন গতিতে পাঠ্য এবং সমৃদ্ধ সামগ্রী তৈরি করার জন্য জেনারেটিভ এআই-এর শক্তি জাল সংবাদ সমস্যাকে আরও বাড়িয়ে তোলে। উল্লেখ করার মতো একটি উদাহরণ হল ডিপফেক প্রযুক্তি—একটি আসল ভিডিওতে বিভিন্ন ছবি একত্রিত করা এবং একটি ভিন্ন ভিডিও তৈরি করা। মানব অভিনেতারা যে বিভ্রান্তিকর অভিপ্রায়গুলিকে মিশ্রণে নিয়ে আসে তার পাশাপাশি, এলএলএমগুলি সম্পূর্ণ নতুন চ্যালেঞ্জ যোগ করে:
- বাস্তবিক ত্রুটি – LLM-এর প্রশিক্ষণের প্রকৃতি এবং বাক্যে পরবর্তী শব্দ তৈরি করার সময় সৃজনশীল হওয়ার ক্ষমতার কারণে বাস্তবিক ত্রুটি থাকার ঝুঁকি বেশি থাকে। এলএলএম প্রশিক্ষণ অসম্পূর্ণ ইনপুট সহ একটি মডেল বারবার উপস্থাপন করার উপর ভিত্তি করে, তারপর ML প্রশিক্ষণের কৌশলগুলি ব্যবহার করে যতক্ষণ না এটি সঠিকভাবে শূন্যস্থান পূরণ করে, এর ফলে ভাষা গঠন এবং একটি ভাষা-ভিত্তিক বিশ্ব মডেল শেখে। ফলস্বরূপ, যদিও এলএলএমগুলি দুর্দান্ত প্যাটার্ন ম্যাচার এবং রি-কম্বাইনার ("স্টোকাস্টিক প্যারট"), তারা অনেকগুলি সাধারণ কাজগুলিতে ব্যর্থ হয় যেগুলির জন্য যৌক্তিক যুক্তি বা গাণিতিক বর্জনের প্রয়োজন হয় এবং উত্তরগুলি হ্যালুসিনেট করতে পারে৷ উপরন্তু, তাপমাত্রা হল LLM ইনপুট প্যারামিটারগুলির মধ্যে একটি যা একটি বাক্যে পরবর্তী শব্দ তৈরি করার সময় মডেলের আচরণ নিয়ন্ত্রণ করে। একটি উচ্চ তাপমাত্রা নির্বাচন করে, মডেলটি একটি কম-সম্ভাব্যতা শব্দ ব্যবহার করবে, আরও এলোমেলো প্রতিক্রিয়া প্রদান করবে।
- লম্বা - তৈরি করা পাঠ্যগুলি দীর্ঘ হতে থাকে এবং স্বতন্ত্র তথ্যগুলির জন্য একটি স্পষ্টভাবে সংজ্ঞায়িত গ্রানুলারিটির অভাব থাকে।
- ফ্যাক্ট-চেকিংয়ের অভাব - টেক্সট তৈরির প্রক্রিয়া চলাকালীন ফ্যাক্ট-চেকিংয়ের জন্য কোনও মানসম্মত টুলিং উপলব্ধ নেই।
সামগ্রিকভাবে, মানব মনোবিজ্ঞান এবং AI সিস্টেমের সীমাবদ্ধতার সমন্বয় অনলাইনে ভুয়া খবর এবং ভুল তথ্যের বিস্তারের জন্য একটি নিখুঁত ঝড় তৈরি করেছে।
সমাধান ওভারভিউ
এলএলএমগুলি ভাষা তৈরি, বোঝাপড়া এবং অল্প-শট শেখার ক্ষেত্রে অসামান্য ক্ষমতা প্রদর্শন করছে। তারা ইন্টারনেট থেকে প্রচুর পরিমাণে পাঠ্যের উপর প্রশিক্ষিত হয়, যেখানে নিষ্কাশিত প্রাকৃতিক ভাষার গুণমান এবং নির্ভুলতা নিশ্চিত নাও হতে পারে।
এই পোস্টে, আমরা চেইন-অফ-থট এবং রি-অ্যাক্ট (রিজনিং এবং অ্যাক্টিং) প্রম্পট পদ্ধতির উপর ভিত্তি করে জাল খবর সনাক্ত করার একটি সমাধান প্রদান করি। প্রথমে, আমরা সেই দুটি প্রম্পট ইঞ্জিনিয়ারিং কৌশল নিয়ে আলোচনা করি, তারপর আমরা ল্যাংচেইন এবং অ্যামাজন বেডরক ব্যবহার করে তাদের বাস্তবায়ন দেখাই।
নিচের আর্কিটেকচার ডায়াগ্রামে আমাদের ফেক নিউজ ডিটেক্টরের সমাধানের রূপরেখা দেওয়া হয়েছে।
আমরা এর একটি উপসেট ব্যবহার করি FEVER ডেটাসেট একটি বিবৃতি এবং মিথ্যা, সত্য বা অপ্রমাণযোগ্য দাবিগুলি নির্দেশ করে এমন বিবৃতি সম্পর্কে সত্যতা রয়েছে (থর্ন জে. এট আল।, 2018).
কর্মপ্রবাহ নিম্নলিখিত ধাপে বিভক্ত করা যেতে পারে:
- ব্যবহারকারী জাল বা সত্য কিনা তা পরীক্ষা করতে বিবৃতিগুলির মধ্যে একটি নির্বাচন করে।
- বিবৃতি এবং জাল খবর সনাক্তকরণ কাজ প্রম্পটে অন্তর্ভুক্ত করা হয়েছে।
- প্রম্পটটি ল্যাংচেইনে পাঠানো হয়, যা অ্যামাজন বেডরকে এফএম আহ্বান করে।
- আমাজন বেডরক সত্য বা মিথ্যা বিবৃতি সহ ব্যবহারকারীর অনুরোধের একটি প্রতিক্রিয়া প্রদান করে।
এই পোস্টে, আমরা Anthrophic থেকে Claude v2 মডেল ব্যবহার করি (anthropic.claude-v2)। ক্লদ নির্ভরযোগ্য, ব্যাখ্যাযোগ্য এবং স্টিয়ারেবল এআই সিস্টেম তৈরিতে অ্যানথ্রপিকের গবেষণার উপর ভিত্তি করে একটি জেনারেটিভ এলএলএম। সাংবিধানিক এআই এবং নিরীহতা প্রশিক্ষণের মতো কৌশলগুলি ব্যবহার করে তৈরি করা হয়েছে, ক্লদ চিন্তাশীল কথোপকথন, বিষয়বস্তু তৈরি, জটিল যুক্তি, সৃজনশীলতা এবং কোডিংয়ে পারদর্শী। যাইহোক, অ্যামাজন বেডরক এবং আমাদের সলিউশন আর্কিটেকচার ব্যবহার করে, আমাদের প্রদত্ত অন্যান্য এফএমগুলির মধ্যে বেছে নেওয়ার নমনীয়তা রয়েছে মর্দানী স্ত্রীলোক, AI21 ল্যাব, কোহের, এবং স্থিতিশীলতা.এআই.
আপনি নিম্নলিখিত বিভাগে বাস্তবায়ন বিবরণ খুঁজে পেতে পারেন. উৎস কোড পাওয়া যায় GitHub সংগ্রহস্থল.
পূর্বশর্ত
এই টিউটোরিয়ালের জন্য, আপনার একটি ব্যাশ টার্মিনালের প্রয়োজন যেখানে পাইথন 3.9 বা তার বেশি লিনাক্স, ম্যাক বা লিনাক্সের জন্য একটি উইন্ডোজ সাবসিস্টেম এবং একটি AWS অ্যাকাউন্টে ইনস্টল করা আছে।
আমরা যেকোনো একটি ব্যবহার করার পরামর্শ দিই অ্যামাজন সেজমেকার স্টুডিও নোটবুক, একটি এডাব্লুএস ক্লাউড 9 উদাহরণ, বা একটি অ্যামাজন ইলাস্টিক কম্পিউট ক্লাউড (Amazon EC2) উদাহরণ।
Amazon Bedrock API ব্যবহার করে জাল খবর সনাক্তকরণ স্থাপন করুন
সমাধানটি অ্যামাজন বেডরক API ব্যবহার করে, যা ব্যবহার করে অ্যাক্সেস করা যেতে পারে এডাব্লুএস কমান্ড লাইন ইন্টারফেস (AWS CLI), দ Python (Boto3) এর জন্য AWS SDK, বা একটি আমাজন সেজমেকার নোটবই. পড়ুন আমাজন বেডরক ইউজার গাইড আরও তথ্যের জন্য. এই পোস্টের জন্য, আমরা পাইথনের জন্য AWS SDK এর মাধ্যমে Amazon Bedrock API ব্যবহার করি।
অ্যামাজন বেডরক API পরিবেশ সেট আপ করুন
আপনার অ্যামাজন বেডরক API পরিবেশ সেট আপ করতে, নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- সর্বশেষ Boto3 ডাউনলোড করুন বা আপগ্রেড করুন:
- নিশ্চিত করুন যে আপনি ব্যবহার করে AWS শংসাপত্রগুলি কনফিগার করেছেন৷
aws configure
Boto3 ক্লায়েন্টকে কমান্ড দিন বা প্রেরণ করুন। - এর সর্বশেষ সংস্করণটি ইনস্টল করুন ল্যাংচেইন:
আপনি এখন নিম্নলিখিত পাইথন শেল স্ক্রিপ্ট ব্যবহার করে আপনার সেটআপ পরীক্ষা করতে পারেন। স্ক্রিপ্টটি Boto3 ব্যবহার করে অ্যামাজন বেডরক ক্লায়েন্টকে ইনস্ট্যান্টিয়েট করে। পরবর্তী, আমরা কল list_foundation_models
ব্যবহারের জন্য উপলব্ধ ফাউন্ডেশন মডেলের তালিকা পেতে API।
সফলভাবে পূর্ববর্তী কমান্ড চালানোর পরে, আপনাকে Amazon Bedrock থেকে FM-এর তালিকা পেতে হবে।
একটি প্রম্পট চেইনিং সমাধান হিসাবে LangChain
একটি প্রদত্ত বাক্যের জন্য জাল খবর সনাক্ত করতে, আমরা শূন্য-শট চেইন-অফ-থট যুক্তি প্রক্রিয়া অনুসরণ করি (ওয়েই জে. এট আল।, 2022), যা নিম্নলিখিত ধাপগুলি নিয়ে গঠিত:
- প্রাথমিকভাবে, মডেল প্রম্পট সংবাদ সম্পর্কে একটি বিবৃতি তৈরি করার চেষ্টা.
- মডেলটি দাবীর একটি বুলেট পয়েন্ট তালিকা তৈরি করে।
- প্রতিটি দাবির জন্য, মডেলটি নির্ধারণ করে যে দাবিটি সত্য বা মিথ্যা। নোট করুন যে এই পদ্ধতি ব্যবহার করে, মডেলটি একটি রায়ে পৌঁছানোর জন্য তার অভ্যন্তরীণ জ্ঞানের (প্রি-ট্রেনিং পর্যায়ে গণনা করা ওজন) উপর নির্ভর করে। তথ্য এই সময়ে কোনো বাহ্যিক তথ্যের বিরুদ্ধে যাচাই করা হয় না.
- তথ্যের পরিপ্রেক্ষিতে, মডেলটি প্রম্পটে প্রদত্ত বিবৃতির জন্য TRUE বা FALSE উত্তর দেয়।
এই পদক্ষেপগুলি অর্জন করতে, আমরা ল্যাংচেইন ব্যবহার করি, ভাষা মডেল দ্বারা চালিত অ্যাপ্লিকেশন বিকাশের জন্য একটি কাঠামো। এই ফ্রেমওয়ার্ক আমাদেরকে উন্নত ব্যবহারের কেস তৈরি করতে বিভিন্ন উপাদানকে একত্রে চেইন করে FM গুলিকে বাড়ানোর অনুমতি দেয়। এই সমাধানে, আমরা বিল্ট-ইন ব্যবহার করি সরল অনুক্রমিক চেইন LangChain-এ একটি সাধারণ ক্রমিক চেইন তৈরি করতে। এটি খুবই উপযোগী, কারণ আমরা একটি চেইন থেকে আউটপুট নিতে পারি এবং এটিকে অন্যটিতে ইনপুট হিসেবে ব্যবহার করতে পারি।
অ্যামাজন বেডরক ল্যাংচেইনের সাথে একত্রিত করা হয়েছে, তাই আপনাকে কেবল পাস করে এটিকে ইনস্ট্যান্ট করতে হবে model_id
অ্যামাজন বেডরক অবজেক্টকে ইনস্ট্যান্টিয়েট করার সময়। যদি প্রয়োজন হয়, মডেল অনুমান পরামিতি এর মাধ্যমে প্রদান করা যেতে পারে model_kwargs
যুক্তি, যেমন:
- maxTokenCount - উত্পন্ন প্রতিক্রিয়াতে সর্বাধিক সংখ্যক টোকেন
- স্টপ সিকোয়েন্স - মডেল দ্বারা ব্যবহৃত স্টপ সিকোয়েন্স
- তাপমাত্রা - একটি মান যা 0-1 এর মধ্যে থাকে, 0 সবচেয়ে নির্ধারক এবং 1 সবচেয়ে সৃজনশীল
- শীর্ষ - একটি মান যা 0-1 এর মধ্যে থাকে এবং সম্ভাব্য পছন্দগুলির সম্ভাব্যতার উপর ভিত্তি করে টোকেনের পছন্দগুলি নিয়ন্ত্রণ করতে ব্যবহৃত হয়
আপনি যদি প্রথমবার অ্যামাজন বেডরক ফাউন্ডেশনাল মডেল ব্যবহার করেন তবে নিশ্চিত করুন যে আপনি মডেলের তালিকা থেকে নির্বাচন করে মডেলটিতে অ্যাক্সেসের অনুরোধ করেছেন। মডেল অ্যাক্সেস অ্যামাজন বেডরক কনসোলের পৃষ্ঠা, যা আমাদের ক্ষেত্রে অ্যানথ্রপিক থেকে ক্লাউড-ভি2।
নিচের ফাংশনটি চেইন-অফ-থট প্রম্পট চেইনকে সংজ্ঞায়িত করে যা আমরা আগে উল্লেখ করেছি ভুয়া খবর শনাক্ত করার জন্য। ফাংশনটি অ্যামাজন বেডরক অবজেক্ট (llm) এবং ইউজার প্রম্পট (q) কে আর্গুমেন্ট হিসেবে নেয়। ল্যাংচেইনের প্রম্পট টেমপ্লেট কার্যকারিতা প্রম্পট তৈরির জন্য একটি রেসিপি পূর্বনির্ধারিত করতে এখানে ব্যবহার করা হয়েছে।
নিম্নলিখিত কোডটি আমরা আগে সংজ্ঞায়িত ফাংশনটিকে কল করে এবং উত্তর প্রদান করে। বক্তব্য হল TRUE
or FALSE
. TRUE
মানে প্রদত্ত বিবৃতিতে সঠিক তথ্য রয়েছে এবং FALSE
মানে বিবৃতিতে অন্তত একটি ভুল তথ্য রয়েছে।
একটি বিবৃতি এবং মডেল প্রতিক্রিয়া একটি উদাহরণ নিম্নলিখিত আউটপুট প্রদান করা হয়েছে:
প্রতিক্রিয়া এবং সরঞ্জাম
পূর্ববর্তী উদাহরণে, মডেলটি সঠিকভাবে চিহ্নিত করেছে যে বিবৃতিটি মিথ্যা। যাইহোক, ক্যোয়ারী জমা দেওয়া আবার প্রমাণ করে যে মডেলের সত্যতা আলাদা করতে অক্ষমতা। মডেলটির নিজস্ব প্রশিক্ষণ মেমরির বাইরে বিবৃতিগুলির সত্যতা যাচাই করার সরঞ্জাম নেই, তাই একই প্রম্পটের পরবর্তী রান এটিকে জাল বিবৃতিকে সত্য হিসাবে ভুল লেবেল করতে নিয়ে যেতে পারে। নিম্নলিখিত কোডে, আপনার একই উদাহরণের একটি ভিন্ন রান আছে:
সত্যবাদিতা নিশ্চিত করার একটি কৌশল হল ReAct। প্রতিক্রিয়া (ইয়াও এস এট আল।, 2023) হল একটি প্রম্পট কৌশল যা একটি এজেন্টের অ্যাকশন স্পেস দিয়ে ফাউন্ডেশন মডেলকে বৃদ্ধি করে। এই পোস্টে, সেইসাথে ReAct পেপারে, অ্যাকশন স্পেস একটি সাধারণ উইকিপিডিয়া ওয়েব API থেকে অনুসন্ধান, সন্ধান এবং ফিনিস অ্যাকশন ব্যবহার করে তথ্য পুনরুদ্ধার প্রয়োগ করে।
চেইন-অফ-থট-এর তুলনায় ReAct ব্যবহার করার পেছনের কারণ হল প্রদত্ত সংবাদের একটি অংশ জাল বা সত্য কিনা তা সনাক্ত করার জন্য ভিত্তি মডেলকে বাড়ানোর জন্য বাহ্যিক জ্ঞান পুনরুদ্ধার ব্যবহার করা।
এই পোস্টে, আমরা এজেন্টের মাধ্যমে LangChain এর ReAct বাস্তবায়ন ব্যবহার করি ZERO_SHOT_REACT_DESCRIPTION৷. ReAct বাস্তবায়নের জন্য আমরা পূর্ববর্তী ফাংশনটি পরিবর্তন করি এবং load_tools ফাংশন ব্যবহার করে উইকিপিডিয়া ব্যবহার করি langchain.agents.
আমাদের উইকিপিডিয়া প্যাকেজটিও ইনস্টল করতে হবে:
!pip install Wikipedia
নীচে নতুন কোড আছে:
পূর্বে ব্যবহৃত একই বিবৃতি দেওয়া পূর্ববর্তী ফাংশনের আউটপুট নিম্নলিখিত:
পরিষ্কার কর
খরচ বাঁচাতে, টিউটোরিয়ালের অংশ হিসাবে আপনি যে সমস্ত সংস্থান স্থাপন করেছেন তা মুছুন। আপনি যদি AWS Cloud9 বা একটি EC2 দৃষ্টান্ত চালু করেন, আপনি কনসোলের মাধ্যমে বা AWS CLI ব্যবহার করে এটি মুছে ফেলতে পারেন। একইভাবে, আপনি সেজমেকার কনসোলের মাধ্যমে তৈরি করা সেজমেকার নোটবুকটি মুছে ফেলতে পারেন।
সীমাবদ্ধতা এবং সম্পর্কিত কাজ
জাল খবর সনাক্তকরণের ক্ষেত্রটি বৈজ্ঞানিক সম্প্রদায়ের মধ্যে সক্রিয়ভাবে গবেষণা করা হয়। এই পোস্টে, আমরা চেইন-অফ-থট এবং রিঅ্যাক্ট কৌশলগুলি ব্যবহার করেছি এবং কৌশলগুলি মূল্যায়ন করার জন্য, আমরা শুধুমাত্র প্রম্পট কৌশল শ্রেণীবিভাগের নির্ভুলতার উপর ফোকাস করেছি (যদি একটি প্রদত্ত বিবৃতি সত্য বা মিথ্যা হয়)। অতএব, আমরা প্রতিক্রিয়ার গতির মতো অন্যান্য গুরুত্বপূর্ণ দিক বিবেচনা করিনি, বা উইকিপিডিয়া ছাড়াও অতিরিক্ত জ্ঞানের উৎসগুলির সমাধান প্রসারিত করিনি।
যদিও এই পোস্টটি দুটি কৌশল, চেইন-অফ-থট এবং রিঅ্যাক্টের উপর দৃষ্টি নিবদ্ধ করেছে, কাজের একটি বিস্তৃত অংশ অন্বেষণ করেছে যে কীভাবে এলএলএমগুলি জাল খবর সনাক্ত করতে, নির্মূল করতে বা প্রশমিত করতে পারে। লি এট আল। টোকেন মাস্ক প্রকৃতপক্ষে ভাষা মডেলে এনকোড করা জ্ঞান ব্যবহার করে তা নিশ্চিত করার জন্য নামযুক্ত সত্তাগুলিকে মাস্ক করতে NER (নামকৃত সত্তা স্বীকৃতি) ব্যবহার করে একটি এনকোডার-ডিকোডার মডেল ব্যবহারের প্রস্তাব করেছে। চেরন et.al. FacTool তৈরি করেছে, যা প্রম্পট থেকে দাবিগুলি বের করতে চেইন-অফ-থট নীতিগুলি ব্যবহার করে এবং ফলস্বরূপ দাবিগুলির প্রাসঙ্গিক প্রমাণ সংগ্রহ করে। LLM তারপর প্রমাণের পুনরুদ্ধার তালিকা দেওয়া দাবির বাস্তবতা বিচার করে। Du E. et al. একটি পরিপূরক পদ্ধতি উপস্থাপন করে যেখানে একাধিক এলএলএম একটি সাধারণ চূড়ান্ত উত্তরে পৌঁছানোর জন্য একাধিক রাউন্ডে তাদের পৃথক প্রতিক্রিয়া এবং যুক্তি প্রক্রিয়ার প্রস্তাব এবং বিতর্ক করে।
সাহিত্যের উপর ভিত্তি করে, আমরা দেখতে পাই যে যখন LLM গুলিকে বাহ্যিক জ্ঞান এবং বহু-এজেন্ট কথোপকথনের ক্ষমতা দিয়ে বর্ধিত করা হয় তখন ভুয়া খবর শনাক্ত করার ক্ষেত্রে LLMগুলির কার্যকারিতা বৃদ্ধি পায়৷ যাইহোক, এই পন্থাগুলি গণনাগতভাবে আরও জটিল কারণ তাদের একাধিক মডেল কল এবং মিথস্ক্রিয়া, দীর্ঘ প্রম্পট এবং দীর্ঘ নেটওয়ার্ক স্তর কলের প্রয়োজন হয়। শেষ পর্যন্ত, এই জটিলতা একটি বর্ধিত সামগ্রিক খরচে অনুবাদ করে। আমরা উৎপাদনে অনুরূপ সমাধান স্থাপন করার আগে খরচ-থেকে-পারফরম্যান্স অনুপাত মূল্যায়ন করার পরামর্শ দিই।
উপসংহার
এই পোস্টে, আমরা জাল খবরের প্রচলিত সমস্যা মোকাবেলায় কীভাবে এলএলএম ব্যবহার করতে হয় তা নিয়ে আলোচনা করেছি, যা আজকাল আমাদের সমাজের অন্যতম প্রধান চ্যালেঞ্জ। আমরা জাল খবরের দ্বারা উপস্থাপিত চ্যালেঞ্জগুলির রূপরেখা দিয়ে শুরু করেছি, জনসাধারণের অনুভূতিকে প্রভাবিত করার এবং সামাজিক ব্যাঘাত ঘটাতে এর সম্ভাবনার উপর জোর দিয়ে।
আমরা তখন এলএলএম-এর ধারণাটি উন্নত এআই মডেল হিসাবে প্রবর্তন করি যেগুলি প্রচুর পরিমাণে ডেটাতে প্রশিক্ষিত। এই ব্যাপক প্রশিক্ষণের কারণে, এই মডেলগুলি ভাষার একটি চিত্তাকর্ষক বোঝার গর্ব করে, যা তাদের মানুষের মতো পাঠ্য তৈরি করতে সক্ষম করে। এই ক্ষমতার সাহায্যে, আমরা দেখিয়েছি যে চেইন-অফ-থট এবং রিঅ্যাক্ট, দুটি ভিন্ন প্রম্পট কৌশল ব্যবহার করে জাল খবরের বিরুদ্ধে যুদ্ধে কীভাবে এলএলএম ব্যবহার করা যেতে পারে।
আমরা আন্ডারলাইন করেছি যে কীভাবে এলএলএমগুলি একটি অতুলনীয় স্কেলে ফ্যাক্ট-চেকিং পরিষেবাগুলিকে সহজতর করতে পারে, তাদের বিপুল পরিমাণ পাঠ্য দ্রুত প্রক্রিয়াকরণ এবং বিশ্লেষণ করার ক্ষমতা দেওয়া। রিয়েল-টাইম বিশ্লেষণের এই সম্ভাবনাটি জাল খবরের প্রাথমিক সনাক্তকরণ এবং নিয়ন্ত্রণের দিকে নিয়ে যেতে পারে। আমরা একটি পাইথন স্ক্রিপ্ট তৈরি করে এটিকে চিত্রিত করেছি যা একটি বিবৃতি দিয়ে ব্যবহারকারীকে হাইলাইট করে যে নিবন্ধটি প্রাকৃতিক ভাষা ব্যবহার করে সত্য নাকি নকল।
আমরা বর্তমান পদ্ধতির সীমাবদ্ধতাগুলিকে আন্ডারলাইন করে উপসংহারে পৌঁছেছি এবং একটি আশাব্যঞ্জক নোটে শেষ করেছি, জোর দিয়ে যে, সঠিক সুরক্ষা এবং ক্রমাগত উন্নতির সাথে, LLMগুলি ভুয়া খবরের বিরুদ্ধে লড়াইয়ে অপরিহার্য হাতিয়ার হয়ে উঠতে পারে৷
আমরা আপনার কাছ থেকে শুনতে ভালোবাসতাম. মন্তব্য বিভাগে আপনি কি মনে করেন তা আমাদের জানান, অথবা সমস্যা ফোরাম ব্যবহার করুন GitHub সংগ্রহস্থল।
দাবিত্যাগ: এই পোস্টে প্রদত্ত কোড শুধুমাত্র শিক্ষাগত এবং পরীক্ষামূলক উদ্দেশ্যে। বাস্তব-বিশ্ব উত্পাদন ব্যবস্থায় জাল খবর বা ভুল তথ্য সনাক্ত করার জন্য এটির উপর নির্ভর করা উচিত নয়। এই কোড ব্যবহার করে জাল খবর সনাক্তকরণের সঠিকতা বা সম্পূর্ণতা সম্পর্কে কোন গ্যারান্টি দেওয়া হয় না। ব্যবহারকারীদের সতর্কতা অবলম্বন করা উচিত এবং সংবেদনশীল অ্যাপ্লিকেশনগুলিতে এই কৌশলগুলি ব্যবহার করার আগে যথাযথ পরিশ্রম করা উচিত।
অ্যামাজন বেডরকের সাথে শুরু করতে, এখানে যান অ্যামাজন বেডরক কনসোল.
লেখক সম্পর্কে
আনামারিয়া টোডর কোপেনহেগেন, ডেনমার্কে অবস্থিত একজন প্রধান সমাধান স্থপতি। তিনি 4 বছর বয়সে তার প্রথম কম্পিউটার দেখেছিলেন এবং তারপর থেকে কম্পিউটার বিজ্ঞান, ভিডিও গেমস এবং ইঞ্জিনিয়ারিং ছেড়ে দেননি। তিনি ডেনমার্কের বিভিন্ন কোম্পানিতে ফ্রিল্যান্সার, ফুল-স্ট্যাক ডেভেলপার থেকে শুরু করে ডেটা ইঞ্জিনিয়ার, টেকনিক্যাল লিড এবং CTO পর্যন্ত বিভিন্ন কারিগরি ভূমিকায় কাজ করেছেন, গেমিং এবং বিজ্ঞাপন শিল্পে ফোকাস করেছেন। তিনি 3 বছরেরও বেশি সময় ধরে AWS-এ রয়েছেন, একজন প্রধান সমাধান স্থপতি হিসাবে কাজ করছেন, প্রধানত জীবন বিজ্ঞান এবং AI/ML-এর উপর ফোকাস করছেন৷ অ্যানামারিয়ার ফলিত প্রকৌশল এবং কম্পিউটার বিজ্ঞানে স্নাতক, কম্পিউটার বিজ্ঞানে স্নাতকোত্তর ডিগ্রি এবং 10 বছরের বেশি AWS অভিজ্ঞতা রয়েছে। তিনি যখন কাজ করছেন না বা ভিডিও গেম খেলছেন না, তখন তিনি মেয়েদের এবং মহিলা পেশাদারদেরকে প্রযুক্তির মাধ্যমে তাদের পথ বোঝার এবং খুঁজে বের করার প্রশিক্ষণ দিচ্ছেন।
মার্সেল কাস্ত্রো অসলো, নরওয়েতে অবস্থিত একজন সিনিয়র সলিউশন আর্কিটেক্ট। তার ভূমিকায়, মার্সেল গ্রাহকদের আর্কিটেকচার, ডিজাইন এবং ক্লাউড-অপ্টিমাইজ করা অবকাঠামো উন্নয়নে সহায়তা করে। তিনি AWS জেনারেটিভ এআই অ্যাম্বাসেডর টিমের একজন সদস্য যার লক্ষ্য EMEA গ্রাহকদের তাদের জেনারেটিভ AI যাত্রায় চালনা করা এবং সমর্থন করা। তিনি সুইডেন থেকে কম্পিউটার সায়েন্সে পিএইচডি এবং ব্রাজিল থেকে ইলেক্ট্রিক্যাল ইঞ্জিনিয়ারিং এবং টেলিকমিউনিকেশনে স্নাতকোত্তর এবং স্নাতক ডিগ্রি অর্জন করেছেন।
- 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/harness-large-language-models-in-fake-news-detection/
- : আছে
- : হয়
- :না
- :কোথায়
- $ 100 মিলিয়ন
- $ ইউপি
- 1
- 10
- 100
- 12
- 13
- 14
- 20
- 2022
- 21st
- 26%
- 27
- 32
- 36
- 7
- 9
- a
- ক্ষমতা
- সম্পর্কে
- উপরে
- AC
- একাডেমিক
- প্রতিষ্ঠানিক গবেষণা
- শিক্ষায়তন
- প্রবেশ
- অ্যাক্সেসড
- প্রবেশযোগ্য
- হিসাব
- অ্যাকাউন্টস
- সঠিকতা
- অর্জন করা
- সাফল্য
- দিয়ে
- অভিনয়
- কর্ম
- স্টক
- সক্রিয়ভাবে
- অভিনেতা
- প্রকৃতপক্ষে
- যোগ
- যোগ
- অতিরিক্ত
- অগ্রসর
- আবির্ভাব
- বিজ্ঞাপন
- আবার
- বিরুদ্ধে
- প্রতিনিধি
- এজেন্ট
- AI
- এআই মডেল
- এআই সিস্টেমগুলি
- এআই / এমএল
- AL
- সব
- অনুমতি
- একা
- এছাড়াও
- যদিও
- মর্দানী স্ত্রীলোক
- আমাজন EC2
- অ্যামাজন ওয়েব সার্ভিসেস
- রাষ্ট্রদূত
- মার্কিন
- মধ্যে
- পরিমাণে
- an
- বিশ্লেষণ
- বিশ্লেষণ করা
- প্রাচীন
- এবং
- সালিয়ানা
- অন্য
- উত্তর
- উত্তর
- নৃতাত্ত্বিক
- কোন
- API
- API গুলি
- মনে হচ্ছে,
- আবেদন
- অ্যাপ্লিকেশন
- ফলিত
- নিযুক্ত
- অভিগমন
- পন্থা
- আন্দাজ
- স্থাপত্য
- রয়েছি
- যুক্তি
- আর্গুমেন্ট
- কাছাকাছি
- প্রবন্ধ
- কৃত্রিম
- কৃত্রিম বুদ্ধিমত্তা
- কৃত্রিম বুদ্ধিমত্তা (এআই)
- চারু
- AS
- আ
- পরিমাপন
- মূল্যায়ন
- অনুমানের
- নিশ্চিত
- জ্যোতির্বিদ্যা
- At
- প্রচেষ্টা
- বৃদ্ধি
- উদ্দীপিত
- বৃদ্ধি
- অটোমেটেড
- সহজলভ্য
- দত্ত
- ডেস্কটপ AWS
- এডাব্লুএস ক্লাউড 9
- ভিত্তি
- ভিত্তি
- সজোরে আঘাত
- যুদ্ধ
- BE
- কারণ
- পরিণত
- মানানসই
- হয়েছে
- আগে
- আচরণ
- পিছনে
- হচ্ছে
- বিশ্বাসের
- ব্যতীত
- মধ্যে
- তার পরেও
- পক্ষপাত
- বিলিয়ন
- জীববিদ্যা
- বায়োমেডিকেল
- শরীর
- উভয়
- বট
- ব্রাজিল
- আনা
- ভাঙা
- বিল্ট-ইন
- ব্যবসায়ী
- কিন্তু
- by
- কল
- কল
- CAN
- ক্ষমতা
- সামর্থ্য
- ধারণক্ষমতা
- কেস
- মামলা
- কারণ
- সাবধানতা
- শতাব্দী
- চেন
- চেইন
- চ্যালেঞ্জ
- চ্যাং
- চেক
- রসায়ন
- চীনা
- পছন্দ
- বেছে নিন
- দাবি
- দাবি
- শ্রেণী
- শ্রেণীবিন্যাস
- পরিষ্কারভাবে
- মক্কেল
- ঘনিষ্ঠ
- Cloud9
- কোচিং
- কোড
- কোডিং
- জ্ঞানীয়
- সংগ্রহ করা
- সমষ্টিগত
- কলেজ
- COLUMBIA
- সমাহার
- মন্তব্য
- সাধারণ
- সাধারণভাবে
- সম্প্রদায়
- কোম্পানি
- তুলনা
- পরিপূরক
- সম্পূর্ণ
- জটিল
- জটিলতা
- উপাদান
- স্থিরীকৃত
- গনা
- কম্পিউটার
- কম্পিউটার বিজ্ঞান
- ধারণা
- পর্যবসিত
- নিশ্চিত করা
- অনুমোদন
- সংযোগ
- অতএব
- বিবেচিত
- সঙ্গত
- গঠিত
- কনসোল
- গ্রাস করা
- কনজিউমার্স
- খরচ
- সংবরণ
- ধারণ
- বিষয়বস্তু
- বিষয়বস্তু-সৃষ্টি
- একটানা
- অবদান
- নিয়ন্ত্রণ
- নিয়ন্ত্রণগুলি
- কথোপকথন
- ঠিক
- সঠিকভাবে
- মূল্য
- খরচ
- পারা
- দেশ
- দেশ
- সৃষ্টি
- নির্মিত
- সৃষ্টি
- তৈরি করা হচ্ছে
- সৃষ্টি
- সৃজনী
- সৃজনশীলতা
- পরিচয়পত্র
- CTO
- সংস্কৃতি
- প্রতিবন্ধক
- বর্তমান
- গ্রাহকদের
- উপাত্ত
- বিতর্ক
- সিদ্ধান্ত
- সংজ্ঞায়িত
- সংজ্ঞায়িত
- ডিগ্রী
- গণতান্ত্রিক
- প্রদর্শিত
- প্রমান
- প্রদর্শক
- ডেন্মার্ক্
- বিভাগ
- মোতায়েন
- মোতায়েন
- নকশা
- বিস্তারিত
- সনাক্ত
- সনাক্তকরণ
- নির্ধারণ
- নির্ধারণ করে
- উন্নত
- বিকাশকারী
- উন্নয়নশীল
- উন্নয়ন
- উন্নয়ন
- সংলাপ
- বিভিন্ন
- অধ্যবসায়
- অভিমুখ
- আলোচনা করা
- disinformation
- প্রদর্শন
- বিঘ্ন
- প্রভেদ করা
- অবিশ্বাস
- সম্পর্কিত প্রশংসাপত্র
- না
- না
- নিচে
- dr
- ড্রাইভ
- কারণে
- সময়
- e
- E&T
- প্রতি
- পূর্বে
- গোড়ার দিকে
- আয় করা
- অর্জিত
- পৃথিবী
- সহজ
- সহজ
- অর্থনীতি
- অর্থনীতি
- শিক্ষাবিষয়ক
- শিক্ষাবিদদের
- প্রভাব
- কার্যকারিতা
- পারেন
- বাছা
- অন্যত্র
- EMEA
- উত্থান
- জোর
- সক্রিয়
- শেষ
- প্রকৌশলী
- প্রকৌশল
- উন্নত বৈশিষ্ট্য
- নিশ্চিত করা
- প্রবেশন
- সত্ত্বা
- সত্তা
- পরিবেশ
- সমতা
- ত্রুটি
- বিশেষত
- প্রতিষ্ঠিত
- মূল্যায়নের
- এমন কি
- ঘটনাবলী
- নব্য
- উদাহরণ
- উদাহরণ
- কেবলমাত্র
- ব্যায়াম
- অভিজ্ঞতা
- ব্যাখ্যা করা
- অন্বেষণ করুণ
- অন্বেষণ করা
- ব্যাপক
- বহিরাগত
- নির্যাস
- সহজতর করা
- সুগম
- সত্য
- কারণের
- তথ্য
- ব্যর্থ
- নকল
- জাল খবর
- মিথ্যা
- বিখ্যাত
- মহিলা
- ক্ষেত্র
- যুদ্ধ
- ভর্তি
- চূড়ান্ত
- আর্থিক
- আবিষ্কার
- আবিষ্কার
- শেষ
- প্রথম
- প্রথমবার
- নমনীয়তা
- দৃষ্টি নিবদ্ধ করা
- গুরুত্ত্ব
- মনোযোগ
- অনুসরণ করা
- অনুসরণ
- জন্য
- ফর্ম
- আনুষ্ঠানিকভাবে
- ফোরাম
- ভিত
- মূল
- উদিত
- ফ্রেমওয়ার্ক
- থেকে
- fu
- সম্পূর্ণরূপে
- ক্রিয়া
- কার্যকারিতা
- গেম
- দূ্যত
- ফাঁক
- লিঙ্গ
- লিঙ্গ সমতা
- সাধারণ
- উত্পাদন করা
- উত্পন্ন
- উৎপাদিত
- প্রজন্ম
- সৃজক
- জেনারেটিভ এআই
- পাওয়া
- মেয়েরা
- GitHub
- প্রদত্ত
- Go
- লক্ষ্য
- মহান
- স্থল
- গ্যারান্টী
- ছিল
- সাজ
- আছে
- he
- শোনা
- সাহায্য
- সাহায্য
- তার
- এখানে
- উচ্চ গুনসম্পন্ন
- ঊর্ধ্বতন
- হাইলাইট
- অত্যন্ত
- তার
- ইতিহাস
- ঝুলিতে
- সম্মান
- আশাপূর্ণ
- হাউজিং
- কিভাবে
- কিভাবে
- যাহোক
- এইচটিএমএল
- HTTP
- HTTPS দ্বারা
- মানবীয়
- i
- আইবিএম
- চিহ্নিত
- if
- অবৈধ
- চিত্রিত করা
- চিত্র
- প্রভাব
- বাস্তবায়ন
- বাস্তবায়ন
- সরঁজাম
- আমদানি
- গুরুত্বপূর্ণ
- চিত্তাকর্ষক
- উন্নত
- in
- অক্ষমতা
- অন্তর্ভুক্ত করা
- অন্তর্ভুক্ত
- সুদ্ধ
- অন্তর্ভূক্ত
- অন্তর্ভুক্ত
- বর্ধিত
- বৃদ্ধি
- ইঙ্গিত
- স্বতন্ত্র
- শিল্প
- তথ্য
- জানায়
- পরিকাঠামো
- প্রারম্ভিক
- ইনপুট
- ভিতরে
- ইনস্টল
- ইনস্টল
- উদাহরণ
- প্রতিষ্ঠান
- প্রতিষ্ঠান
- সংহত
- বুদ্ধিমত্তা
- অভিপ্রায়
- পারস্পরিক ক্রিয়ার
- অভ্যন্তরীণ
- Internet
- মধ্যে
- উপস্থাপিত
- পূজা
- জড়িত
- সমস্যা
- সমস্যা
- IT
- এর
- যাত্রা
- JPG
- JSON
- বিচারকদের
- কেনেথ
- জানা
- জ্ঞান
- পরিচিত
- রং
- ভাষা
- বড়
- বিলম্বে
- সর্বশেষ
- ল্যাটিন
- চালু
- স্তর
- নেতৃত্ব
- নেতৃত্ব
- শিক্ষা
- অন্তত
- আইনত
- দিন
- জীবন
- জীবন বিজ্ঞান
- মত
- সীমাবদ্ধতা
- লাইন
- লিঙ্কডইন
- লিঙ্ক
- লিনাক্স
- তালিকা
- তালিকাভুক্ত
- সাহিত্য
- LLM
- যৌক্তিক
- আর
- খুঁজে দেখো
- ভালবাসা
- ম্যাক
- মেশিন
- মেশিন লার্নিং
- প্রণীত
- প্রধানত
- রক্ষণাবেক্ষণ
- মুখ্য
- করা
- তৈরি করে
- মেকিং
- পরিচালিত
- ব্যবস্থাপনা
- অনেক
- Marketing
- মাস্ক
- মাস্টার্স
- গাণিতিক
- অংক
- সর্বাধিক
- মে..
- মানে
- অভিপ্রেত
- মিডিয়া
- চিকিৎসা
- ঔষধ
- সদস্য
- সদস্য
- স্মৃতি
- উল্লিখিত
- প্রণালী বিজ্ঞান
- মিশিগান
- মিলিয়ন
- খনি
- ভুল তথ্য
- বিভ্রান্তিকর
- এমআইটি
- প্রশমিত করা
- মিশ্রিত করা
- ML
- মডেল
- মডেল
- পরিবর্তন
- অধিক
- সেতু
- আন্দোলন
- বহু
- my
- নামে
- নাসা
- জাতীয়
- প্রাকৃতিক
- প্রকৃতি
- প্রয়োজন
- প্রয়োজন
- নেটওয়ার্ক
- না
- নতুন
- সংবাদ
- পরবর্তী
- না।
- নোবেল বিজয়ী
- নিয়ম
- নরত্তএদেশ
- স্মরণীয়
- নোটবই
- এখন
- সংখ্যা
- লক্ষ্য
- পর্যবেক্ষণ
- অক্টোবর
- of
- প্রদত্ত
- প্রায়ই
- পুরাতন
- on
- ONE
- অনলাইন
- কেবল
- অপারেশনস
- অভিমত
- or
- ক্রম
- মূল
- অন্যান্য
- অন্যভাবে
- আমাদের
- প্রান্তরেখা
- রূপরেখা
- আউটপুট
- অনিষ্পন্ন
- শেষ
- সামগ্রিক
- নিজের
- মালিক হয়েছেন
- গতি
- প্যাকেজ
- পৃষ্ঠা
- পেজ
- কাগজ
- পরামিতি
- অংশ
- পাস
- গৃহীত
- পাসিং
- পেটেন্ট
- পথ
- প্যাটার্ন
- পিডিএফ
- সম্প্রদায়
- নির্ভুল
- সম্পাদন করা
- ব্যক্তিগত
- ফেজ
- পিএইচডি
- প্রপঁচ
- দর্শন
- পদার্থবিদ্যা
- টুকরা
- কেঁদ্রগত
- Plato
- প্লেটো ডেটা ইন্টেলিজেন্স
- প্লেটোডাটা
- কেলি
- বিন্দু
- রাজনীতি
- সম্ভব
- পোস্ট
- সম্ভাব্য
- ক্ষমতা
- চালিত
- উপস্থাপন
- উপস্থাপন
- প্রেস
- প্রভাবশালী
- আগে
- পূর্বে
- প্রাথমিকভাবে
- অধ্যক্ষ
- নীতিগুলো
- মুদ্রণ
- মুদ্রণ প্রেস
- পূর্বে
- পুরস্কার
- সমস্যা
- প্রক্রিয়া
- প্রসেস
- উৎপাদন করা
- উত্পাদনের
- পেশাদার
- গভীর
- কার্যক্রম
- উত্থাপন করা
- প্রস্তাবিত
- প্রদান
- প্রদত্ত
- প্রদানকারীর
- উপলব্ধ
- প্রদানের
- মনোবিজ্ঞান
- প্রকাশ্য
- ক্রয়
- উদ্দেশ্য
- পাইথন
- গুণ
- পরিমাণ
- দ্রুত
- রেডিও
- এলোমেলো
- রেঞ্জ
- স্থান
- দ্রুত
- দ্রুত
- অনুপাত
- নাগাল
- প্রতিক্রিয়া
- বাস্তব জগতে
- প্রকৃত সময়
- কারণ
- গ্রহণ করা
- গৃহীত
- প্রণালী
- স্বীকার
- সুপারিশ করা
- পড়ুন
- বোঝায়
- সংশ্লিষ্ট
- অপেক্ষাকৃতভাবে
- প্রাসঙ্গিক
- বিশ্বাসযোগ্য
- পুনঃপুনঃ
- সংগ্রহস্থলের
- অনুরোধ
- প্রয়োজন
- প্রয়োজনীয়
- গবেষণা
- অনুরণিত হয়
- Resources
- প্রতিক্রিয়া
- প্রতিক্রিয়া
- প্রতিক্রিয়া
- দায়ী
- প্রত্যাবর্তন
- আয়
- ধনী
- ঝুঁকি
- ভূমিকা
- ভূমিকা
- চক্রের
- চালান
- দৌড়
- রান
- s
- সুরক্ষা
- ঋষি নির্মাতা
- একই
- সংরক্ষণ করুন
- করাত
- স্কেল
- স্কুল
- স্কুল অফ ইঞ্জিনিয়ারিং
- বিজ্ঞান
- বিজ্ঞান
- বৈজ্ঞানিক
- বিজ্ঞানীরা
- লিপি
- SDK
- সার্চ
- অধ্যায়
- বিভাগে
- দেখ
- নির্বাচন
- জ্যেষ্ঠ
- সংবেদনশীল
- বাক্য
- অনুভূতি
- ক্রম
- সেবা
- সেবা
- সেট
- সেটআপ
- শেয়ার
- ভাগ
- শেয়ারগুলি
- শেয়ারিং
- সে
- খোল
- উচিত
- প্রদর্শনী
- অনুরূপ
- একভাবে
- সহজ
- থেকে
- বোন
- So
- সামাজিক
- সামাজিক মাধ্যম
- সামাজিক
- সমাজ
- সমাধান
- সলিউশন
- কিছু
- উৎস
- সোর্স কোড
- সোর্স
- স্থান
- বিস্তৃত
- বিশেষভাবে
- স্পীড
- বিস্তার
- পাতন
- পর্যায়
- মান
- স্ট্যানফোর্ড
- স্ট্যানফোর্ড বিশ্ববিদ্যালয়
- শুরু
- বিবৃতি
- বিবৃতি
- যুক্তরাষ্ট্র
- প্রারম্ভিক ব্যবহারের নির্দেশাবলী
- থামুন
- ঝড়
- কৌশল
- বলকারক
- গঠন
- শিক্ষার্থীরা
- অধ্যয়ন
- পরবর্তী
- সারগর্ভ
- সফলভাবে
- এমন
- সুপারিশ
- সংক্ষিপ্তসার
- সুপারচার্জ
- সমর্থন
- নিশ্চিত
- দোল
- সুইডেন
- দ্রুতগতিতে
- সংশ্লেষণ
- সিস্টেম
- সাজসরঁজাম
- গ্রহণ করা
- লাগে
- কার্য
- কাজ
- টীম
- কারিগরী
- প্রযুক্তি
- প্রযুক্তি
- প্রযুক্তিক
- প্রযুক্তিঃ
- টেলিযোগাযোগ
- টেমপ্লেট
- প্রান্তিক
- শর্তাবলী
- পরীক্ষা
- পাঠ
- পাঠগত
- যে
- সার্জারির
- তথ্য
- উৎস
- বিশ্ব
- তাদের
- তাহাদিগকে
- তারপর
- সেখানে।
- যার ফলে
- অতএব
- এইগুলো
- তারা
- মনে
- তৃতীয় পক্ষের
- এই
- সেগুলো
- চিন্তা
- দ্বারা
- সর্বত্র
- টাই
- সময়
- টাইমলাইনে
- থেকে
- একসঙ্গে
- টোকেন
- টোকেন
- সরঞ্জাম
- প্রশিক্ষিত
- প্রশিক্ষণ
- সত্য
- সত্য
- অভিভাবকসংবঁধীয়
- দুই
- পরিণামে
- আন্ডারলাইন
- বোধশক্তি
- অবিভক্ত
- মার্কিন যুক্তরাষ্ট
- বিশ্ববিদ্যালয়
- বিশ্ববিদ্যালয়
- অনুপম
- অভূতপূর্ব
- পর্যন্ত
- আপগ্রেড
- উপরে
- us
- ব্যবহার
- ব্যবহৃত
- ব্যবহারকারী
- ব্যবহারকারী
- ব্যবহারসমূহ
- ব্যবহার
- ব্যবহার
- মূল্য
- বিভিন্ন
- সুবিশাল
- রায়
- ভেরিফাইড
- যাচাই
- সংস্করণ
- খুব
- মাধ্যমে
- ভিডিও
- ভিডিও গেমস
- দেখুন
- ছিল
- we
- ওয়েব
- ওয়েব সার্ভিস
- আমরা একটি
- কি
- কখন
- কিনা
- যে
- যখন
- হু
- সমগ্র
- কেন
- উইকিপিডিয়া
- ইচ্ছা
- জানালা
- সঙ্গে
- মধ্যে
- নারী
- নারী
- ওঁন
- শব্দ
- শব্দ
- হয়া যাই ?
- কাজ করছে
- কর্মপ্রবাহ
- কাজ
- বিশ্ব
- মূল্য
- ভুল
- বছর
- আপনি
- আপনার
- zephyrnet