রিস্ক ফ্যাক্টর আয়ত্ত করা: আপনি কি এআইকে আপনার জীবনসঙ্গী বেছে নিতে দেবেন? (আন্না স্লোডকা-টার্নার)

কৃত্রিম বুদ্ধিমত্তা (AI) শিল্প জুড়ে অনেক কথোপকথনের অগ্রভাগে রয়েছে। এবং কেন না? এটি আমাদের জন্য ব্যাপক সমাধান নিয়ে এসেছে, মানবজাতির অনেক সময় বাঁচিয়েছে। তবে সবকিছু ভালোর মতো, এর সীমাবদ্ধতা রয়েছে, বিশেষ করে সাধারণ এআই, যা প্রায়শই
কিছু স্পিকারফোনের মাধ্যমে অ্যাক্সেসযোগ্য একটি সাধারণ অ্যালগরিদমের জন্য একটি ক্যাচ-অল শব্দের মতো মনে হয় যা কিছু করতে পারে।

যখন AI অনেক কিছুর সমাধান হিসাবে হাইপ করা হয়, তখন এটি আমাকে ভাবতে বাধ্য করে, আপনি সেই হাইপটিকে কতদূর চালাতে পারেন? 'স্কুল অফ লাইফ' ​​থেকে একটি বিখ্যাত বক্তৃতাভুল মানুষকে বিয়ে করবে কেন? একটি প্রশ্ন অনুপ্রাণিত, 'আপনি কি
আপনি কাকে বিয়ে করবেন AI কে বেছে নিতে দিন?' এটা কি সঠিক বৈবাহিক পছন্দ করতে সাহায্য করতে পারে?

যদিও AI অত্যন্ত জটিল সম্পর্কের বিষয়গুলির সম্পূর্ণ উত্তর দিতে পারে না, এটি আপনাকে উত্তর খোঁজার জন্য উল্লেখযোগ্যভাবে কাছাকাছি নিয়ে যেতে পারে। আমরা প্রায়শই আর্থিক বিশ্বে এটি দেখতে পাই। এআই কি পরবর্তী চুক্তির পূর্বাভাস দিতে সক্ষম? উত্তর হল না, এটা এখনও সম্ভব নয়।

যাইহোক, AI কে বর্ধিত বিশ্লেষণাত্মক এবং পূর্বাভাস ক্ষমতা সহ মডেলগুলি তৈরি করতে ব্যবহার করা যেতে পারে, যা আসছে তার একটি পরিষ্কার ধারণা প্রদানের জন্য অনেক গভীর অন্তর্দৃষ্টি এবং উন্মোচন প্যাটার্ন প্রদান করে।

সিদ্ধান্তে AI প্রয়োগ করা

সিদ্ধান্ত গ্রহণের প্রেক্ষাপটে বিষয়টি বিবেচনা করা যাক। একটি সহজ উপায়ে আমাদের দুটি ধরণের সিদ্ধান্ত রয়েছে:

 - যেগুলি আমরা প্রায়শই তৈরি করি, এবং সেইজন্য প্রচুর প্রতিক্রিয়া লুপ সহ। যেমন: দুধ কেনা। আমার পরিবারকে আবিষ্কার করতে কয়েক মাস লেগেছে আমাদের সপ্তাহে চারটি বোতল দরকার যা ঠান্ডা না হলে এবং সপ্তাহান্তে, যখন প্রত্যেকের কিছু অতিরিক্ত 'উষ্ণ কাপ' দরকার হয়।
AI সম্ভাব্যভাবে আমাদের জন্য শীঘ্রই এটি সমাধান করতে পারত, যতক্ষণ না আমরা প্যাটার্নটি চিহ্নিত করতে আবহাওয়ার ডেটা দিয়ে থাকি।

-দ্বিতীয় প্রকারের সিদ্ধান্ত হল আমরা কদাচিৎ সিদ্ধান্ত নিই। সম্ভবত, আমাদের সিদ্ধান্তের ফলাফলের উপর ভিত্তি করে একটি সংশোধন করার সামান্য সুযোগ সহ জীবনে একবার মাত্র। যেমন: একটি পেশা বেছে নেওয়া, বিশ্ববিদ্যালয়ের ডিগ্রি, প্রথম চাকরি, বা
LOL, বিয়ে করার সিদ্ধান্ত নিচ্ছেন।

অবশ্যই, আমরা আমাদের পছন্দের ফলাফল নিয়ে বেঁচে থাকি, কিন্তু সেগুলি থেকে শেখার এবং অন্যান্য সিদ্ধান্ত নেওয়ার সুযোগ সীমিত এবং প্রায়শই ব্যয়বহুল।

আমার পড়া একটি প্যারেন্টিং বই এই লাইনগুলির সাথে একটি সতর্কতা ধারণ করে: "যদিও আমরা নিম্নলিখিত অধ্যায়ে অভিভাবকত্বের পরামর্শ সমর্থন করি, আমরা স্বীকার করি যে একটি সন্তানের উপর অভিভাবকত্বের বিভিন্ন পদ্ধতি চেষ্টা করা এবং ফলাফলের তুলনা করা সম্ভব নয়"। সহজভাবে বলতে গেলে, নেই
বিভিন্ন সিদ্ধান্ত চেষ্টা করার এবং ফলাফল তুলনা করার উপায়। শুধু আরেকটি জিনিস যা দেখায় যে প্যারেন্টিং কঠিন।

এবং এটি নিদর্শন দেখার জন্য পর্যাপ্ত ডেটা থাকা কতটা গুরুত্বপূর্ণ তা চিত্রিত করে।

মেশিন লার্নিং চ্যালেঞ্জ

মেশিন লার্নিং, এআই-এর একটি জনপ্রিয় রূপ, কিছু সময়ের জন্য জটিল সমস্যার একটি 'যাদুকরী সমাধান' হিসেবে দেখা হচ্ছে। এটির আকর্ষণ প্রচুর পরিমাণে ডেটা শোষণ করতে সক্ষম এবং এটির মধ্যে অর্থ খুঁজে বের করার চেষ্টা করার একটি নির্দিষ্ট আবেদন রয়েছে। কেন এটা হবে না? প্রযুক্তির প্রতিশ্রুতি
জটিল কিছু গ্রহণ করা এবং সর্বোত্তম সমাধান নিয়ে আসা যেকোনো সিদ্ধান্ত গ্রহণকারীর কাছে আবেদন করবে।

মেশিন লার্নিং সমাধানের চ্যালেঞ্জ জটিল ইনপুট তথ্য থেকে একটি সহজ সিদ্ধান্ত নিতে সাহায্য করছে; অবিশ্বাস্য পরিমাণে ডেটা, অভ্যন্তরীণ এবং বাহ্যিক, এবং তারপরে কীভাবে আউটপুট যোগাযোগ করা হয়। . উপরের দুই ধরনের সিদ্ধান্তের উদাহরণে,
মেশিন লার্নিং অ্যালগরিদম আশা করি দুধ কেনার প্রশ্নটি দ্রুত সমাধান করবে।

ধরে নিই যে আমরা কেনা পরিমাণ এবং বাইরের আবহাওয়ার ডেটা সরবরাহ করি - মডেলটি সামনের দিকে একটি ভাল পূর্বাভাস তৈরি করবে। পর্যটন গন্তব্য, রেস্তোরাঁ চেইন, এয়ারলাইনস, লজিস্টিক কোম্পানি এবং আরও অনেকের মতো সংস্থাগুলি গ্রহণ করে
অ্যানালিটিক্স যা আবহাওয়ার উপর ভিত্তি করে দৈনিক, সাপ্তাহিক এবং ঋতু ভলিউমের ভবিষ্যদ্বাণী করতে ব্যবহার করা যেতে পারে এবং এমনকি সেই চাহিদা মেটাতে তাদের কতগুলি সংস্থান প্রয়োজন হতে পারে তা সুপারিশ করে। অতিরিক্ত ভেরিয়েবল মডেলে আরও জটিলতা যোগ করে এবং সম্ভাব্য অতিরিক্ত তৈরি করে
অন্যান্য প্রশ্নের উত্তর দিতে হবে এবং আরও ভেরিয়েবল যোগ করতে হবে (যেমন, ক্লিনার আসে বনাম নয়)।

আপনি কাকে বিয়ে করবেন তা এআইকে সিদ্ধান্ত নেওয়ার অনুমতি দেওয়ার মূল প্রশ্নে ফিরে যান। নিশ্চিতভাবেই, প্রচুর পরিমাণে ডেটা পয়েন্ট রয়েছে - লক্ষ লক্ষ বা বিলিয়ন বিবাহ। প্রাসঙ্গিক ইনপুটগুলি শতাব্দী ধরে গবেষক এবং ম্যাচমেকার উভয়ের দ্বারা অধ্যয়ন করা হয়েছে। সেখানে
প্রচুর আউটপুট।

তো সমস্যাটা কী?

1. যদিও অনেকগুলি ডেটা পয়েন্ট রয়েছে, প্রতিটি অনন্য সিদ্ধান্ত গ্রহণকারীর তাদের অনন্য পছন্দ থাকবে – তাই মডেলিং জগতে, আমাদের প্রত্যেক ব্যক্তির জন্য একটি আলাদা অ্যালগরিদম তৈরি করতে হবে যাদের বিবাহের জন্য মিলিত হতে হবে। এই জটিল, কিন্তু সম্ভব
   ভবিষ্যতে Apple Music এবং Pandora-এর মতো সুপারিশ ইঞ্জিনগুলি কীভাবে আপনার প্রতিক্রিয়ার উপর ভিত্তি করে আপনাকে প্রস্তাবিত সঙ্গীতের প্রকারগুলিকে বিকশিত করে চলেছে তা বিবেচনা করুন৷ এই ধরনের সমাধান যেখানে প্রতিটি সিদ্ধান্ত একটি স্বতন্ত্রভাবে অপ্টিমাইজ করা মডেল দ্বারা নেওয়া হয় ইতিমধ্যেই স্থাপন করা হয়েছে
   ব্যবসায় জগতে।
2. দ্বিতীয়ত, আমাদের সঠিক এবং প্রাসঙ্গিক ডেটা পয়েন্টগুলি ক্যাপচার করতে হবে এবং 'গোলমাল' কমাতে হবে। যদিও কেউ কেউ নীল চোখের শ্যামাঙ্গিনী বা বাদামী চোখের স্বর্ণকেশী পছন্দ করতে পারে, "পছন্দের প্রকার" এর উপর ভিত্তি করে বিবাহগুলি অন্যদের চেয়ে বেশি সফল প্রমাণ করার মতো কিছু নেই। ডেটিং
   এই ধরনের ম্যাচগুলির জন্য সঠিক সূত্র খুঁজে পাওয়ার আশায় অ্যাপগুলি তাদের অ্যালগরিদমগুলিকে আরও উন্নত করে চলেছে৷ তারপরও তারিখে গিয়ে দেখতে হবে।
3. সবশেষে, ভুল সিদ্ধান্ত নেওয়ার খরচ বেশি। সিদ্ধান্ত গ্রহণকারী ব্যক্তিদের উপর এটি ছেড়ে দিলে সর্বোত্তম ফলাফল নাও হতে পারে, একটি মেশিন লার্নিং সলিউশন তৈরিকারী একটি বিশেষজ্ঞ দল এই সিদ্ধান্তগুলি নেওয়ার দায়িত্ব নাও পেতে পারে।
   ক্যারিয়ারের দায়বদ্ধতার ঝুঁকি রয়েছে যা কাজ করা দরকার। ব্যবসায়িক প্রেক্ষাপটে - 'ব্ল্যাক বক্স' সবচেয়ে ভালো জানে বলে জোর দেওয়ার চেয়ে বিশেষজ্ঞদের সিদ্ধান্ত নিতে দেওয়া ভাল হতে পারে।

ব্লাইন্ড ট্রাস্ট এড়িয়ে চলা

সুতরাং, বিবাহের চ্যালেঞ্জগুলিতে ফিরে আসুন। স্কুল অফ লাইফের বিখ্যাত বক্তৃতাটি সহজভাবে বলে যে আমরা অবশ্যই এমন একজন ব্যক্তিকে বিয়ে করব যা আমাদের জন্য কিছু উপায়ে ভুল। “যে ব্যক্তি আমাদের জন্য সবচেয়ে উপযুক্ত সে ব্যক্তি নয় যে আমাদের প্রতিটি স্বাদ ভাগ করে নেয় (তারা করে না
বিদ্যমান), কিন্তু যে ব্যক্তি বুদ্ধিমত্তার সাথে স্বাদের পার্থক্যগুলি নিয়ে আলোচনা করতে পারে — সেই ব্যক্তি যিনি অসম্মতিতে ভাল।

নিখুঁত পরিপূরকতার কিছু কাল্পনিক ধারণার পরিবর্তে, এটি উদারতার সাথে পার্থক্য সহ্য করার ক্ষমতা যা 'অতিরিক্ত ভুল নয়' ব্যক্তির প্রকৃত চিহ্নিতকারী। সামঞ্জস্য প্রেমের একটি অর্জন; এটা তার পূর্বশর্ত হওয়া উচিত নয়।"

একটি বৃহত্তর সাধারণ প্রেক্ষাপটে চলে যাওয়া, মেশিন লার্নিং-এর ভাষায় - সম্ভাব্য প্রার্থী সম্পর্কে আমরা সময়ের আগে যে স্ট্যান্ডার্ড ভেরিয়েবলগুলি জানি না তার কোনোটিই সিদ্ধান্তটি ভুল হলে ভবিষ্যদ্বাণী করতে আমাদের সাহায্য করতে পারে না। খাওয়ানো থেকে আমরা অনেক দূরে
মেশিন প্রচুর ডাটা' এবং আশা করা হচ্ছে এটা বোঝা যাবে। আসলে, এটি মানুষের হস্তক্ষেপ ছাড়া ঘটতে পারে না। আমরা নিরাপদ বোধ করি যখন পাইলট অশান্তির সময় অটোপাইলট বন্ধ করে দেয়, এবং একটি সঙ্গত কারণে।

যদিও মেশিন লার্নিং এবং AI আমাদের জীবনকে সহজ করে তুলতে পারে, তবে এটা বলা নিরাপদ যে আমরা আমাদের জন্য জীবন পরিবর্তনকারী সিদ্ধান্ত নিতে এই প্রযুক্তিগুলিতে অন্ধভাবে বিশ্বাস করব না। এটি থেকে নেওয়া, গুরুত্বপূর্ণ ব্যবসায়িক সিদ্ধান্ত নেওয়া শিল্প বিশেষজ্ঞদের আমরা কী বলতে পারি? ব্যবহার করুন
AI এবং ML আপনাকে আপনার লক্ষ্যের অর্ধেক পথ নিয়ে যেতে - তবে ডেটা বিশ্লেষণ করতে আপনার বিশেষজ্ঞদের ধরে রাখুন এবং চূড়ান্ত পদক্ষেপে আপনাকে গাইড করার জন্য প্রসঙ্গ সহ তাদের সেরা রায় ব্যবহার করুন। আমরা নিশ্চিত এটা কাজ করছি.