How does artificial intelligence learn? - Briana Brownell

Translator: Sadia Noor Joya Reviewer: URJOSHI SINHA

Today, artificial intelligence helps doctors diagnose patients,

আজ কৃত্রিম বুদ্ধিমত্তা ডাক্তারদের সাহায্য করে রোগীদের রোগ নির্ণয় করতে,

pilots fly commercial aircraft, and city planners predict traffic.

পাইলটদের বাণিজ্যিক বিমান চালাতে এবং শহর পরিকল্পনাকারীদের ট্রাফিক ঠিক রাখতে।

But no matter what these AIs are doing, the computer scientists who designed them

কিন্তু এআই যাই করুক না কেনো যেসব কম্পিউটার বিজ্ঞানীরা এগুলো ডিজাইন করেছে

likely don’t know exactly how they’re doing it.

তারা নিজেরাও সঠিকভাবে জানে না এরা কিভাবে তা করছে।

This is because artificial intelligence is often self-taught,

এর কারণ হচ্ছে কৃত্রিম বুদ্ধিমত্তা অনেক সময়ই নিজে থেকে শেখে,

working off a simple set of instructions

একটি সহজ নির্দেশনার ওপর ভিত্তি করে

to create a unique array of rules and strategies.

নির্দিষ্ট অভিনব নিয়ম এবং কৌশল তৈরির মাধ্যমে।

So how exactly does a machine learn?

তাহলে একটি মেশিন ঠিক কিভাবে শেখে?

There are many different ways to build self-teaching programs.

অনেক ভাবেই নিজে থেকে শেখা প্রোগ্রাম তৈরি করা ষায়।

But they all rely on the three basic types of machine learning:

কিন্তু সেগুলো তিন ধরণের প্রাথমিক মেশিন লার্নিং এর ওপর নির্ভর করে:

unsupervised learning, supervised learning, and reinforcement learning.

তত্ত্বাবধানহীন লার্নিং, তত্ত্বাবধানকৃত লার্নিং এবং রিইনফোর্সমেন্ট লার্নিং।

To see these in action,

এগুলোকে কর্মে দেখতে চাইলে,

let’s imagine researchers are trying to pull information

ধরে নেওয়া যাক যে গবেষকরা কিছু তথ্য বের করার চেষ্টা করছে

from a set of medical data containing thousands of patient profiles.

কিছু নির্দিষ্ট মেডিকেল তথ্য আছে এমন হাজারো রোগীর পার্শ্বচিত্র থেকে।

First up, unsupervised learning.

প্রথমে আলোচনা করা যাক তত্ত্বাবধানহীন লার্নিং।

This approach would be ideal for analyzing all the profiles

এই উদ্যোগটি ভালো হবে কাজ করবে সকলের পার্শ্বচিত্র বিশ্লেষণ করে

to find general similarities and useful patterns.

সাধারণ মিল এবং প্রয়োজনীয় ছাঁচ খুঁজে বের করতে।

Maybe certain patients have similar disease presentations,

হয়তো কয়েকজন রোগীর একই ধরণের রোগ থাকবে,

or perhaps a treatment produces specific sets of side effects.

অথবা একটি চিকিৎসা নির্দিষ্ট কিছু পার্শ্ব প্রতিক্রিয়া দেখাবে।

This broad pattern-seeking approach can be used to identify similarities

এই বিস্তৃত ছাঁচ খোঁজার কারণে মিল বোঝা যাবে

between patient profiles and find emerging patterns,

রোগীদের মধ্যে এবং অন্যান্য নতুন রেখাচিত্র খুঁজতে,

all without human guidance.

এসবই হবে মানুষের দিক-নির্দেশনা ছাড়া।

But let's imagine doctors are looking for something more specific.

কিন্তু ধরা যাক ডাক্তারেরা নির্দিষ্ট কিছু খুঁজছে।

These physicians want to create an algorithm

এই চিকিৎসকেরা একটি অ্যালগোরিদম তৈরি করতে চায়

for diagnosing a particular condition.

একটি বিশেষ রোগ নির্ণয় করতে।

They begin by collecting two sets of data—

তারা দুই প্রস্ত তথ্য সংগ্রহের মধ্য দিয়ে শুরু করে -

medical images and test results from both healthy patients

মেডিকেল ছবি এবং টেস্টের ফল নেয়া হয় সুস্থ রোগী

and those diagnosed with the condition.

এবং যাদের সেই রোগটি শনাক্ত করা হয়েছে।

Then, they input this data into a program

এরপর, তারা এই তথ্যগুলো একটি প্রোগ্রামে ঢোকায়

designed to identify features shared by the sick patients

যা তৈরী করা হয়েছে শুধু অসুস্থ রোগীদের বৈশিষ্ট্য চিনতে,

but not the healthy patients.

কিন্তু সুস্থ রোগীদের নয়।

Based on how frequently it sees certain features,

ঠিক কতবার নির্দিষ্ট দিক চেনা যাচ্ছে তার ওপর ভিত্তি করে

the program will assign values to those features’ diagnostic significance,

এই প্রোগ্রামটি রোগ নির্ণয়ের সেইসব দিকগুলোকে মূল্য দিয়ে,

generating an algorithm for diagnosing future patients.

ভবিষ্যৎ রোগীদের দেখার একটি অ্যালগোরিদম তৈরি করবে।

However, unlike unsupervised learning,

তবে, তত্ত্বাবধানহীন লার্নিং এর বিপরীতে, এই ক্ষেত্রে ডাক্তার ও

doctors and computer scientists have an active role in what happens next.

কম্পিউটার বিজ্ঞানীদের হাত রয়েছে পরবর্তী অবস্থায় কি হবে তা ঠিক করতে।

Doctors will make the final diagnosis

ডাক্তারেরা সর্বশেষে রোগীদের দেখবে

and check the accuracy of the algorithm’s prediction.

এবং অ্যালগোরিদম সঠিকভাবে কাজ করছে কিনা সেটি যাচাই করবে।এরপর

Then computer scientists can use the updated datasets

কম্পিউটার বিজ্ঞানীরা হালনাগাদ করা তথ্যপ্রস্ত ব্যবহার করবে

to adjust the program’s parameters and improve its accuracy.

এই প্রোগ্রামটির স্থিতিমাপ ঠিক করে তার সঠিকতা বাড়াতে।

This hands-on approach is called supervised learning.

এই হাতে কলমের পন্থাটিকে বলে তত্ত্বাবধানকৃত লার্নিং।

Now, let’s say these doctors want to design another algorithm

এবার ধরা যাক এই ডাক্তারেরা আরেকটি অ্যালগোরিদম তৈরী করতে চায়

to recommend treatment plans.

চিকিৎসা পরিকল্পনার পরামর্শ দিতে।

Since these plans will be implemented in stages,

যেহেতু এই পরিকল্পনাগুলো ধাপে ধাপে করা হবে,

and they may change depending on each individual's response to treatments,

তাই এগুলো প্রত্যেক ব্যক্তির চিকিৎসার ওপর নির্ভর করে বদলাতে পারে, তাই

the doctors decide to use reinforcement learning.

ডাক্তারেরা রিইনফোর্সমেন্ট লার্নিং ব্যবহারের সিদ্ধান্ত নেয়।

This program uses an iterative approach to gather feedback

এই প্রোগ্রামটি পুনরাবৃত্তিমূলক দিক দিয়ে প্রতিক্রিয়া সংগ্রহ করে

about which medications, dosages and treatments are most effective.

কোন ওষুধ, কতটুকু ডোজ এবং কোনটায় চিকিৎসা সবচেয়ে কার্যকর তা বের করতে।

Then, it compares that data against each patient’s profile

এরপর এটি প্রত্যেকটি রোগীর রেখাচিত্রের সাথে এই তথ্যের তুলনা করে

to create their unique, optimal treatment plan.

তাদের জন্য অভিনব, সবচেয়ে ভালো চিকিৎসা পরিকল্পনা তৈরি করে।

As the treatments progress and the program receives more feedback,

এই চিকিৎসার অগ্রগতি হলে এবং প্রোগ্রামটি আরো প্রতিক্রিয়া পেলে,

it can constantly update the plan for each patient.

এটি প্রত্যেকটি রোগীর জন্য প্রতিনিয়ত পরিকল্পনা হালনাগাদ করে।

None of these three techniques are inherently smarter than any other.

এই তিনটি পদ্ধতির কোনোটিই একটার চাইতে আরেকটা বেশি তীক্ষ্ন নয়।

While some require more or less human intervention,

কিছু পদ্ধতির কম-বেশি মানুষের সাহায্যের প্রয়োজন হয়,

they all have their own strengths and weaknesses

এদের সবারই নিজস্ব শক্তিমত্তা এবং দূর্বলতা রয়েছে

which makes them best suited for certain tasks.

যা এদেরকে নির্দিষ্ট কাজের জন্য উপযোগী করে তোলে।

However, by using them together,

তবে, এগুলোকে একসাথে ব্যবহার করে,

researchers can build complex AI systems,

গবেষকরা জটিল এআই সিস্টেম তৈরি করতে পারবে,

where individual programs can supervise and teach each other.

যেখানে প্রত্যেকটি প্রোগ্রাম নিজেদেরকে পর্যবেক্ষণ করবে এবং শেখাবে।

For example, when our unsupervised learning program

উদাহরণ হিসেবে, যখন আমাদের তত্ত্বাবধানহীন লার্নিং প্রোগ্রাম

finds groups of patients that are similar,

এমন একটি রোগীর দলের পায় যারা একই রকমের,

it could send that data to a connected supervised learning program.

তখন সেটি এই তথ্য সংযুক্ত তত্ত্বাবধানরত লার্নিং প্রোগ্রামে পাঠাতে পারে।

That program could then incorporate this information into its predictions.

এই প্রোগ্রামটি এই তথ্য ভবিষতের জন্য কাজে লাগাতে পারবে।

Or perhaps dozens of reinforcement learning programs

অথবা হয়তো ডজনখানেক রিইনফোর্সমেন্ট লার্নিং প্রোগ্রাম

might simulate potential patient outcomes

একটি রোগীর সম্ভাব্য ফলাফলে প্রভাব ফেলতে পারে

to collect feedback about different treatment plans.

নানা চিকিৎসা পরিকল্পনার প্রতিক্রিয়া সংগ্রহ করতে গিয়ে।

There are numerous ways to create these machine-learning systems,

অনেকভাবেই এই মেশিন-লার্নিং সিস্টেম তৈরি করা সম্ভব,

and perhaps the most promising models

এবং হয়তো সবচেয়ে আশ জাগানো মডেল হচ্ছে

are those that mimic the relationship between neurons in the brain.

সেগুলো যেগুলো মস্তিষ্কের মধ্যে নিউরনের সম্পর্ককে নকল করতে পারে।

These artificial neural networks can use millions of connections

এই কৃত্রিম নিউরাল সংযোগগুলো লাখো যোগাযোগ তৈরি করতে পারে

to tackle difficult tasks like image recognition, speech recognition,

কঠিন কাজের মোকাবিলা করতে পারে যেমন ছবি চেনা, গলার স্বর চেনা,

and even language translation.

এমনকি ভাষার অনুবাদ করা।

However, the more self-directed these models become,

তবে, যত এই মডেলগুলো নিজে থেকে শিখতে থাকে,

the harder it is for computer scientists

কম্পিউটার বিজ্ঞানীদের জন্য ততোটাই কঠিন হয়

to determine how these self-taught algorithms arrive at their solution.

জানতে যে এদের অ্যালগোরিদমগুলো এখানে কিভাবে পৌছায়।

Researchers are already looking at ways to make machine learning more transparent.

গবেষকরা ভাবছেন কিভাবে মেশিন লার্নিংকে আরো স্বচ্ছ করা যায়।

But as AI becomes more involved in our everyday lives,

তবে যতোই এআই আমাদের জীবনে জড়িয়ে যাচ্ছে,

these enigmatic decisions have increasingly large impacts

এই রহস্যময় সিদ্ধান্তগুলো অনেক বড় প্রভাব ফেলছে

on our work, health, and safety.

আমাদের কাজে, স্বাস্থে এবং সুরক্ষায়।

So as machines continue learning to investigate, negotiate and communicate,

তাই মেশিনগুলো যখন তদন্ত, মীমাংসা এবং যোগাযোগ করতে শিখছে,

we must also consider how to teach them to teach each other to operate ethically.

আমাদেরও উচিত ভাবা কিভাবে এদের নৈতিকভাবে চলা শেখানো যায়।