কৃত্রিম বুদ্ধিমত্তার ধারণার উৎপত্তি ও প্রাথমিক যুগ

কৃত্রিম বুদ্ধিমত্তার ধারণাটি প্রাচীনকালের কল্পকাহিনী এবং মিথোলজিতে থাকলেও, বৈজ্ঞানিক দৃষ্টিকোণ থেকে এর যাত্রা শুরু হয় বিংশ শতাব্দীর মাঝামাঝি সময়ে। ১৯৫০ সালে বিখ্যাত ব্রিটিশ গণিতবিদ ও কম্পিউটার বিজ্ঞানী অ্যালান টুরিং তার যুগান্তকারী গবেষণাপত্র “কম্পিউটিং মেশিনারি অ্যান্ড ইন্টেলিজেন্স” প্রকাশ করেন। সেখানে তিনি একটি ঐতিহাসিক প্রশ্ন উত্থাপন করেছিলেন: “যন্ত্র কি চিন্তা করতে পারে?” এই প্রশ্নের উত্তর খুঁজতে গিয়েই তিনি ‘টুরিং টেস্ট’ এর প্রস্তাব করেন, যা আজও কোনো যন্ত্রের বুদ্ধিমত্তা পরিমাপের একটি অন্যতম মাপকাঠি হিসেবে বিবেচিত হয়। টুরিংয়ের এই কাজ পুরো বিশ্বের বিজ্ঞানীদের মধ্যে এক নতুন ভাবনার জন্ম দেয়।

তবে ‘আর্টিফিশিয়াল ইন্টেলিজেন্স’ বা কৃত্রিম বুদ্ধিমত্তা শব্দটির আনুষ্ঠানিক ব্যবহার শুরু হয় ১৯৫৬ সালে। যুক্তরাষ্ট্রের ডার্টমাউথ কলেজে অনুষ্ঠিত একটি গ্রীষ্মকালীন কর্মশালায় জন ম্যাকার্থি, মারভিন মিনস্কি, ক্লদ শ্যানন এবং নাথানিয়েল রচেস্টারের মতো প্রখ্যাত বিজ্ঞানীরা একত্রিত হন। এই ডার্টমাউথ সম্মেলনকেই কৃত্রিম বুদ্ধিমত্তার আনুষ্ঠানিক জন্মস্থান হিসেবে ধরা হয়। সেখানে বিজ্ঞানীরা আশা করেছিলেন যে, মানুষের বুদ্ধিমত্তার প্রতিটি দিককে সুনির্দিষ্টভাবে বর্ণনা করা সম্ভব এবং তা অনুকরণ করার জন্য মেশিন তৈরি করা যাবে। প্রাথমিক যুগের এই অত্যধিক আশাবাদ অনেক নতুন গবেষণার পথ উন্মুক্ত করেছিল। এই সময়ে তৈরি হওয়া প্রোগ্রামগুলো সাধারণ গাণিতিক সমস্যার সমাধান এবং দাবা খেলার মতো কাজ করতে সক্ষম হয়েছিল।

প্রথম এআই শীত (AI Winter) এবং প্রত্যাবর্তনের সংগ্রাম

১৯৬০ এর দশকে এআই গবেষণায় প্রচুর সরকারি ও বেসরকারি অনুদান আসে। কিন্তু বিজ্ঞানীরা দ্রুতই উপলব্ধি করেন যে, মানুষের মস্তিষ্কের মতো কাজ করতে পারে এমন একটি যন্ত্র তৈরি করা তাদের ধারণার চেয়েও অনেক বেশি কঠিন। কম্পিউটিং ক্ষমতার সীমাবদ্ধতা এবং পর্যাপ্ত তথ্যের অভাবের কারণে এআই মডেলগুলো জটিল বাস্তব সমস্যার সমাধান করতে ব্যর্থ হচ্ছিল। ফলস্বরূপ, ১৯৭০ এর দশকে এআই গবেষণায় অনুদান ব্যাপকভাবে হ্রাস পায়। এই সময়কালকে ইতিহাসে ‘প্রথম এআই শীত’ বা ফার্স্ট এআই উইন্টার বলা হয়। প্রায় এক দশক ধরে এই প্রযুক্তিগত স্থবিরতা বিরাজমান ছিল।

১৯৮০ এর দশকে ‘এক্সপার্ট সিস্টেম’ (Expert Systems) এর উদ্ভাবনের মাধ্যমে কৃত্রিম বুদ্ধিমত্তা পুনরায় তার হারানো গৌরব ফিরে পেতে শুরু করে। এক্সপার্ট সিস্টেম হলো এমন এক ধরণের সফটওয়্যার যা মানুষের জ্ঞান এবং নির্দিষ্ট নিয়মাবলি ব্যবহার করে সিদ্ধান্ত নিতে পারত। বিভিন্ন কর্পোরেট প্রতিষ্ঠান তাদের ব্যবসায়িক কাজে এই সিস্টেম ব্যবহার করতে শুরু করে, যা এআই খাতে পুনরায় বিনিয়োগ আকৃষ্ট করে। কিন্তু আশির দশকের শেষের দিকে এই সিস্টেমগুলোর রক্ষণাবেক্ষণ ব্যয়বহুল হয়ে পড়ে এবং এগুলো নতুন পরিস্থিতিতে মানিয়ে নিতে ব্যর্থ হয়। ফলে আবারও এআই গবেষণায় ভাটা পড়ে, যা ‘দ্বিতীয় এআই শীত’ হিসেবে পরিচিত। এই পর্যায়টি প্রমাণ করেছিল যে শুধুমাত্র নিয়মভিত্তিক প্রোগ্রামিং দিয়ে প্রকৃত বুদ্ধিমত্তা অর্জন করা সম্ভব নয়।

মেশিন লার্নিং এবং ডেটা-চালিত যুগের সূচনা

১৯৯০ এর দশকে কৃত্রিম বুদ্ধিমত্তার বিবর্তন এক নতুন মোড় নেয়। বিজ্ঞানীরা বুঝতে পারেন যে যন্ত্রকে প্রতিটি কাজের জন্য আলাদাভাবে প্রোগ্রাম করার চেয়ে, যন্ত্রকে এমনভাবে তৈরি করা উচিত যাতে সে নিজে নিজেই তথ্য থেকে শিখতে পারে। এই ধারণা থেকেই ‘মেশিন লার্নিং’ (Machine Learning) এর ব্যাপক প্রসার ঘটে। নিয়মভিত্তিক কাঠামোর বদলে পরিসংখ্যান এবং অ্যালগরিদমের উপর ভিত্তি করে এআই মডেলগুলো তৈরি হতে শুরু করে।

এই যুগের অন্যতম বড় একটি মাইলফলক অর্জিত হয় ১৯৯৭ সালে। আইবিএম (IBM) এর তৈরি সুপারকম্পিউটার ‘ডিপ ব্লু’ (Deep Blue) তৎকালীন বিশ্ব দাবা চ্যাম্পিয়ন গ্যারি কাসপারভকে পরাজিত করে। এটি ছিল কৃত্রিম বুদ্ধিমত্তার ইতিহাসে একটি ঐতিহাসিক মুহূর্ত, যা প্রমাণ করেছিল যে নির্দিষ্ট কিছু ক্ষেত্রে যন্ত্র মানুষের মেধা ও সিদ্ধান্ত গ্রহণের ক্ষমতাকে অতিক্রম করতে পারে। এরপর থেকে মেশিন লার্নিং অ্যালগরিদমগুলো স্প্যাম ফিল্টারিং, সার্চ ইঞ্জিন অপটিমাইজেশন এবং ডেটা মাইনিংয়ের মতো প্রাত্যহিক কাজে ব্যবহৃত হতে শুরু করে। ইন্টারনেট ব্যবহারের ব্যাপক প্রসারের ফলে বিপুল পরিমাণ ডেটা তৈরি হতে থাকে, যা মেশিন লার্নিং মডেলগুলোকে প্রশিক্ষিত করার জন্য অপরিহার্য ছিল।

ডিপ লার্নিং এবং আধুনিক এআই-এর উত্থান

একবিংশ শতাব্দীর শুরুতে, বিশেষ করে ২০১০ এর দশকে, ‘ডিপ লার্নিং’ (Deep Learning) এবং কৃত্রিম স্নায়বিক নেটওয়ার্ক (Artificial Neural Networks) প্রযুক্তিতে এক বিস্ময়কর অগ্রগতি সাধিত হয়। মানুষের মস্তিষ্কের নিউরনের কার্যপ্রণালী অনুকরণ করে তৈরি এই নেটওয়ার্কগুলো বিপুল পরিমাণ ডেটা থেকে অত্যন্ত জটিল প্যাটার্ন শনাক্ত করতে সক্ষম হয়। এই সাফল্যের পেছনে প্রধানত দুটি কারণ ছিল: প্রথমত, ইন্টারনেটের কল্যাণে ‘বিগ ডেটা’ বা বিপুল পরিমাণ তথ্যের সহজলভ্যতা এবং দ্বিতীয়ত, শক্তিশালী গ্রাফিক্স প্রসেসিং ইউনিট বা জিপিইউ (GPU) এর উদ্ভাবন।

২০১২ সালে ‘ইমেজনেট’ (ImageNet) প্রতিযোগিতায় জেফরি হিন্টন এবং তার দলের তৈরি ডিপ লার্নিং মডেল ‘অ্যালেক্সনেট’ (AlexNet) অভাবনীয় সাফল্য অর্জন করে। এই মডেলটি মানুষের মতোই নিখুঁতভাবে ছবি শনাক্ত করতে সক্ষম হয়েছিল। এই ঘটনাটি পুরো প্রযুক্তি বিশ্বে আলোড়ন সৃষ্টি করে এবং ডিপ লার্নিং গবেষণায় এক নতুন জোয়ার নিয়ে আসে। এরপর গুগল, ফেসবুক, মাইক্রোসফট এর মতো বড় বড় প্রযুক্তি প্রতিষ্ঠানগুলো এআই গবেষণায় বিলিয়ন বিলিয়ন ডলার বিনিয়োগ করতে শুরু করে। এআই এখন আর কেবল ল্যাবরেটরির ভেতরে সীমাবদ্ধ নেই; তা আমাদের হাতের স্মার্টফোন থেকে শুরু করে স্বয়ংক্রিয় গাড়ি (Self-driving cars) পর্যন্ত সর্বত্র ছড়িয়ে পড়ে।

জেনারেটিভ এআই এবং লার্জ ল্যাঙ্গুয়েজ মডেল (LLM) এর যুগ

কৃত্রিম বুদ্ধিমত্তার সাম্প্রতিকতম এবং সম্ভবত সবচেয়ে বৈপ্লবিক মাইলফলকটি হলো ‘জেনারেটিভ এআই’ (Generative AI) এর উত্থান। ২০১৭ সালে গুগলের একদল গবেষক ‘ট্রান্সফরমার’ (Transformer) নামের একটি নতুন নিউরাল নেটওয়ার্ক আর্কিটেকচার প্রকাশ করেন। এই আর্কিটেকচারটি ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং (NLP) বা মানুষের ভাষা বোঝার ক্ষেত্রে যুগান্তকারী পরিবর্তন নিয়ে আসে। ট্রান্সফরমার মডেলের ওপর ভিত্তি করেই ওপেনএআই (OpenAI) তৈরি করে তাদের বিখ্যাত জিপিটি (GPT) সিরিজের মডেলগুলো।

২০২২ সালের শেষের দিকে ওপেনএআই যখন চ্যাটজিপিটি (ChatGPT) সর্বসাধারণের জন্য উন্মুক্ত করে, তখন তা প্রযুক্তির ইতিহাসে সবচেয়ে দ্রুত বর্ধনশীল অ্যাপ্লিকেশন হিসেবে রেকর্ড গড়ে। চ্যাটজিপিটি মানুষের মতো সাবলীলভাবে যেকোনো প্রশ্নের উত্তর দেওয়া, প্রবন্ধ লেখা, কোডিং করা এবং জটিল সমস্যার সমাধান করার সক্ষমতা দেখায়। একই সাথে মিডজার্নি (Midjourney) এবং ডাল-ই (DALL-E) এর মতো এআই টুলগুলো নির্দেশনার ভিত্তিতে মুহূর্তের মধ্যে অসাধারণ সব ছবি তৈরি করতে শুরু করে। এই জেনারেটিভ এআই মডেলগুলো প্রমাণ করেছে যে যন্ত্র কেবল গাণিতিক হিসাব বা তথ্য বিশ্লেষণই নয়, বরং সৃজনশীল কাজও করতে সক্ষম।

এআই প্রযুক্তির ভবিষ্যৎ সম্ভাবনা ও নৈতিক চ্যালেঞ্জ

কৃত্রিম বুদ্ধিমত্তার এই দীর্ঘ যাত্রায় আমরা অনেক দূর অগ্রসর হলেও, এর ভবিষ্যৎ নিয়ে এখনো অনেক প্রশ্ন ও চ্যালেঞ্জ রয়ে গেছে। এআই সিস্টেমগুলো যতই শক্তিশালী হচ্ছে, এর অপব্যবহারের ঝুঁকিও তত বাড়ছে। ডিপফেক (Deepfake) প্রযুক্তির মাধ্যমে ভুয়া ভিডিও তৈরি, কপিরাইট লঙ্ঘন, ডেটা প্রাইভেসি এবং স্বয়ংক্রিয় অস্ত্রের ব্যবহার নিয়ে বিশ্বজুড়ে উদ্বেগ দেখা দিয়েছে। এছাড়া, অটোমেশনের কারণে ভবিষ্যৎ কর্মসংস্থানে নেতিবাচক প্রভাব পড়তে পারে বলেও বিশেষজ্ঞরা আশঙ্কা করছেন।

বর্তমানে বিজ্ঞানীদের চূড়ান্ত লক্ষ্য হলো ‘আর্টিফিশিয়াল জেনারেল ইন্টেলিজেন্স’ বা এজিআই (AGI) অর্জন করা। এজিআই হলো এমন একটি অবস্থা যেখানে একটি যন্ত্র মানুষের সমকক্ষ বুদ্ধিমত্তা অর্জন করবে এবং যেকোনো বুদ্ধিবৃত্তিক কাজ স্বয়ংক্রিয়ভাবে শিখতে ও সম্পাদন করতে পারবে। এটি মানুষের জন্য আশীর্বাদ হবে নাকি অভিশাপ, তা নিয়ে বিশ্বজুড়ে ব্যাপক বিতর্ক রয়েছে। তাই প্রযুক্তিগত উন্নয়নের পাশাপাশি এর নৈতিক ব্যবহার এবং সুনির্দিষ্ট নীতিমালা প্রণয়ন করা এখন সময়ের সবচেয়ে বড় দাবি।

শেষ কথা

১৯৫০ এর দশকে অ্যালান টুরিংয়ের একটি সাধারণ প্রশ্ন থেকে শুরু হয়ে আজকের অত্যাধুনিক চ্যাটজিপিটি পর্যন্ত কৃত্রিম বুদ্ধিমত্তার বিবর্তন মানব সভ্যতার মেধা ও উদ্ভাবনী ক্ষমতার এক অনন্য নিদর্শন। এই ‘এআই ওডিসি’ শুধু প্রযুক্তির উন্নয়ন নয়, বরং এটি আমাদের নিজেদের বুদ্ধিমত্তাকে বোঝার এবং তাকে অতিক্রম করার এক নিরন্তর প্রচেষ্টা। ভবিষ্যতে এই প্রযুক্তি আমাদের কোথায় নিয়ে যাবে তা হয়তো নিশ্চিতভাবে বলা সম্ভব নয়, তবে এটি নিশ্চিত যে এআই আমাদের ভবিষ্যৎ পৃথিবী নির্ধারণে সবচেয়ে গুরুত্বপূর্ণ ভূমিকা পালন করবে। এই প্রযুক্তির সঠিক ও নিরাপদ ব্যবহার নিশ্চিত করার মাধ্যমেই আমরা একটি উন্নত ও সমৃদ্ধ বিশ্ব গড়ে তুলতে সক্ষম হব।