বুদ্ধিমত্তার মাত্রাকরণ: ৯৯ শতাংশ ক্ষেত্রেই এআই-এর সম্প্রসারণ

আজকের বিশ্বে যে কোনও কিছুর সমাধানে আর্টিফিশিয়াল ইন্টেলিজেন্স বা কৃত্রিম বুদ্ধিমত্তার (এআই) ব্যবহার ও তা বাস্তবায়নের চাহিদা মেটানোর ক্ষমতা আসলে বাস্তবায়নের ব্যবধান পূরণের মধ্যে নিহিত, যার মধ্যে গবেষণা থেকে শুরু করে বাস্তব বিশ্বে তা প্রয়োগের জন্য প্রয়োজনীয় সংস্থানগুলির সমাধানের সঙ্গে সম্পৃক্ত। এই সংস্থানগুলিতে কম্পিউটিং-এ বা গণনায় প্রবেশাধিকার অন্তর্ভুক্ত থাকতে পারে, তবে ব্যবহারিকতার জন্য অত্যাধুনিক গবেষণাকে কাজে লাগানোর বিষয়ে প্রযুক্তিগত দক্ষতা ও সর্বজনীন ভাবে উপলব্ধ সাধনীর প্রয়োজন। এনভিডিয়া গ্রাফিক্স প্রসেসিং ইউনিট (জিপিইউ) এবং কম্পিউট ইউনিফায়েড ডিভাইস আর্কিটেকচার (সিইউডিএ) অবশ্য কম্পিউটিংয়ের জন্য প্রবেশের বাধা কমাতে সাহায্য করেছে। তবে উচ্চ অবকাঠামোগত খরচ ও হার্ডওয়্যারে সীমিত সুযোগ এখনও এ হেন সংস্থা এবং এআই অনুশীলনকারীদের জন্য একটি সমস্যা হতে পারে, যাদের আরও কম্পিউটের প্রয়োজন রয়েছে।

বাস্তবায়নের ব্যবধান মোকাবিলা করার পাশাপাশি, ইঞ্জিনিয়ারদের ‘ডেটা-টু-ইনসাইট’ পাইপলাইনের অদক্ষতাগুলিও স্বীকার করতে হবে।

সম্পদের দৃষ্টিকোণ থেকে এই সমস্ত চ্যালেঞ্জ মোকাবিলা করার পরেও, এই সম্পদগুলি কী ভাবে ব্যবহার করা হচ্ছে, তা বিবেচনা করা উচিত। বাস্তবায়নের ব্যবধান মোকাবিলা করার পাশাপাশি, ইঞ্জিনিয়ারদের ‘ডেটা-টু-ইনসাইট’ পাইপলাইনের অদক্ষতাগুলিও স্বীকার করতে হবে। এই পাইপলাইনটি এমন একটি বহুমুখী সমস্যা যা ডেটা সায়েন্স টিম, ডিপ্লয়মেন্ট ইঞ্জিনিয়ার এবং প্রতিটি টিম ও প্রকল্প পুনরাবৃত্তি জুড়ে এই প্রচেষ্টাগুলিকে সমন্বিত করার অদক্ষতায় নিহিত, কিন্তু সীমাবদ্ধ নয়। এজ ও ক্লাউড কম্পিউটিং, স্ট্রিমলাইনড টুল এবং প্রক্রিয়াগুলির মধ্যে আরও ভাল ভারসাম্য এবং মডেল রক্ষণাবেক্ষণের উপর উচ্চতর মনোযোগ প্রদানের মাধ্যমে এটির মোকাবিলা করা বিশ্বে এআই সম্প্রসারণের ক্ষেত্রে গুরুত্বপূর্ণ ভূমিকা পালন করবে।

চাকার বিবর্তন বন্ধ করে বরং চালিকাশক্তির দিকে নজর দেওয়া

ছবিসূত্র: মেশিন লার্নিং চক্রের কাঠামো | এডব্লিউএস

বিশেষজ্ঞরা প্রায়শই নির্ভুলতা, গতি এবং কাঠামোগত দৃষ্টিভঙ্গি দিয়ে এআই-কে  বিবেচনা করেন। যাই হোক, সম্প্রদায়কে এই পরামিতির ঊর্ধ্বে উঠে অ্যাপ্লিকেশন-এ নিহিত ডেটা থেকে এআই-এর মূল্যায়ন করতে হবে। এআই কাজে লাগানোর ক্ষেত্রে গতি, পুনরাবৃত্তিযোগ্যতা এবং রক্ষণাবেক্ষণ মাত্রা এমন সুবিশাল ক্ষেত্র, যেগুলি স্কেলিং-এর ক্ষেত্রে গুরুত্বপূর্ণ ভূমিকা পালন করে। অর্থাৎ বিষয়টি হল, একটি মডেল অন্য মডেলের চেয়ে কতটা ভাল কাজ করছে, শুধু মাত্র তাতেই সীমাবদ্ধ থাকে না।

মেশিন লার্নিং (এমএল) জীবনচক্রের প্রতিটি ধাপে প্রায়শই বিশেষজ্ঞ দল সম্পৃক্ত থাকে। ডেটা বিজ্ঞানীরা সবচেয়ে সঠিক মডেল তৈরির বিষয়ে মনোযোগ দেন। এমএল ইঞ্জিনিয়াররা সেই মডেলটিকে ত্বরান্বিত ও সুরক্ষিত করার কাজ করেন। হার্ডওয়্যার ইঞ্জিনিয়াররা বিভিন্ন হার্ডওয়্যারে মডেলগুলিকে খাপ খাইয়ে নেওয়ার কাজে মনোনিবেশ করেন এবং সফটওয়্যার ইঞ্জিনিয়াররা অনেকের কাজ একত্রে নিয়ে এসে এমন মানানসই ভাবে তা সম্পাদন করেন, যাতে ব্যবহারকারীরা সহজেই তা ব্যবহার করতে পারেন। এই প্রতিটি দল অন্যান্য ক্ষেত্রে ট্রেডঅফের পাশাপাশি এমন একটি প্রাথমিক উদ্দেশ্যকে অগ্রাধিকার দেয়, যার ফলে সমাধানগুলি তৈরির সময় অসুবিধার একটি ক্রমবর্ধমান প্রভাব তৈরি হয়।

হার্ডওয়্যার ইঞ্জিনিয়াররা বিভিন্ন হার্ডওয়্যারে মডেলগুলিকে খাপ খাইয়ে নেওয়ার কাজে মনোনিবেশ করেন এবং সফটওয়্যার ইঞ্জিনিয়াররা অনেকের কাজ একত্রে নিয়ে এসে এমন মানানসই ভাবে তা সম্পাদন করেন, যাতে ব্যবহারকারীরা সহজেই তা ব্যবহার করতে পারেন।

সম্পদের পরিমাণ যা-ই হোক না কেন, এআই বিশেষজ্ঞ ও প্রকৌশলীদের অবশ্যই এমএল পাইপলাইনের ‘টেবল স্টেক’ শনাক্ত করতে হবে, স্বয়ংক্রিয় করতে হবে ও ত্বরান্বিত করতে হবে এবং প্রয়োজনে জটিলতার মোকাবিলা করতে হবে। এই ভিত্তি স্থাপনের জন্য অবকাঠামোর মোকাবিলা করাই হবে প্রথম কাজ।

অবকাঠামোগত চাহিদা এবং প্রান্তিক ধারাবাহিকতা

ছবিসূত্র: উল্লেখযোগ্য এআই ব্যবস্থাগুলিকে প্রশিক্ষণ দেওয়ার জন্য ব্যবহৃত গণনা বা কম্পিউটেশন | আওয়ার ওয়ার্ল্ড ইন ডেটা

এআই অবকাঠামো এআই ক্ষেত্রে সম্পৃক্ত যে কোনও কিছুর জন্যই ‘টেবল স্টেক’। নির্দিষ্ট অবকাঠামো ও সংজ্ঞায়িত পাইপলাইন না থাকলে প্রশিক্ষণ ও বাস্তবায়ন চ্যালেঞ্জিং হয়ে ওঠে। গুগল-এর একটি গবেষণায় দেখা গিয়েছে যে, এআই অবকাঠামো সম্পর্কে আলোচনা প্রায়শই ক্লাউড-ভিত্তিক সমাধানের উপর মনোযোগ দেয়। তবে যাদের কম্পিউটিংয়ের এই উচ্চ-ক্ষমতার কাঠামোয় প্রবেশাধিকার নেই, তারা কী করবে?

ক্লাউড ও এজ সিস্টেম ব্যবহারের মাধ্যমে এআই-এর কাজের ভার অন্যান্য ব্যবস্থায় বণ্টন করা যেতে পারে এবং ক্লাউড ব্যবহারের উপর নির্ভরতা হ্রাস করা যেতে পারে।

যেহেতু কম্পিউট ও শক্তির চাহিদা দ্রুত গতিতে বৃদ্ধি পাচ্ছে, তাই ক্লাউড-ওনলি (বা শুধু মাত্র ক্লাউডভিত্তিক) পদ্ধতির পাশাপাশি বিকল্প উপায়গুলি বিবেচনা করাও অপরিহার্য। কিছু কাজের চাপ উচ্চ কম্পিউট থেকে উল্লেখযোগ্য ভাবে উপকৃত হয়, যেমন প্রশিক্ষণ, সমস্ত অ্যাপ্লিকেশনের জন্য কার্যত অসীম কম্পিউট পুলের প্রয়োজন হয় না এবং তা প্রান্তিক অবস্থায় থাকা হার্ডওয়্যার থেকে উপকৃত হবে। উদাহরণস্বরূপ, অনুমানের ক্ষেত্রে এজ কম্পিউটিং অন্তর্ভুক্ত করা স্থানীয় কম্পিউটের কারণে অনেক অ্যাপ্লিকেশনকে উপকৃত করতে পারে, যেমন কার্বন ফুটপ্রিন্ট বা কার্বনের নির্গমন হ্রাস করা, নেটওয়ার্ক ব্যান্ডউইথের চাহিদা হ্রাস করা, তথ্যের সুরক্ষা উন্নত করা এবং দ্রুত সিদ্ধান্ত গ্রহণের জন্য এন্ড-টু-এন্ড অ্যাপ্লিকেশন ল্যাটেন্সি হ্রাস করা। ক্লাউড ও এজ সিস্টেম ব্যবহারের মাধ্যমে এআই-এর কাজের ভার অন্যান্য ব্যবস্থায় বণ্টন করা যেতে পারে এবং ক্লাউড ব্যবহারের উপর নির্ভরতা হ্রাস করা যেতে পারে। হাইব্রিড কম্পিউটিং স্ট্যাকের এই ধারণা - যা এজ কন্টিনাম নামেও পরিচিত - শিল্পের জন্য নতুন নয়। তবে অবকাঠামো বিবেচনা করার সময় এজ কম্পিউটিং যে চ্যালেঞ্জগুলি তৈরি করে তা আলোচনার একটি গুরুত্বপূর্ণ ক্ষেত্র। আমরা যদি এজ বা প্রান্তিক এআই-এর সুবিধাগুলি স্বীকার করে নিই, তা হলে তার আরও বেশি ব্যবহার করা থেকে বিরত থাকার কারণ কী? ক্লাউডে উপস্থিত উন্নয়নমূলক সুবিধাগুলি এজ-এ উপস্থিত নয়, অন্ততপক্ষে এখনও পর্যন্ত।

হাইব্রিড পদ্ধতির মাধ্যমে ব্যবস্থাগুলি তাদের কম্পিউট চাহিদার উপর ভিত্তি করে বুদ্ধিমত্তার সঙ্গে কাজের চাপ পরিচালনা করতে পারে। উদাহরণস্বরূপ, ছোট, কম শক্তিশালী ডিভাইসগুলি দক্ষতার সঙ্গে ফিল্টার করতে পারে এবং অন্যান্য সিস্টেমে ফেরত পাঠানো তথ্যের পরিমাণ হ্রাস করতে পারে। হাইব্রিড কম্পিউটিং পদ্ধতিগুলি অবকাঠামোগত চাহিদা মোকাবিলা এবং সম্পদের কেন্দ্রীভূত হওয়া থেকে বিরত রাখার জন্য একটি সম্ভাব্য সমাধান প্রদান করে।

ভিন্নধর্মী হার্ডওয়্যার

ছবিসূত্র: প্ল্যাটফর্ম ওভারভিউ | ল্যাটেন্ট এআই

যেমনটা উপরে উল্লেখ করা হয়েছে, এজ-এর ধারাবাহিকতা ক্লাউডের মতো অভিন্ন নয়। ক্লাউড কম্পিউটিংয়ের অনেক সুবিধার মধ্যে অন্যতম হল ক্লাউড সরবরাহকারীদের কাছ থেকে বিমূর্ত স্তর, অথবা সুবিধাজনক ব্যবস্থা, স্থাপনা এবং পরিচালনামূলক সাধনী। তবে ক্লাউড থেকে দূরে সরে যাওয়ার ফলে আরও জটিলতা তৈরি হয়, যেমন অনেক হার্ডওয়্যার বিক্রেতার কাছ থেকে বিভিন্ন ডিভাইস বেছে নেওয়া। এই বিক্রেতাদের মধ্যে দূরবর্তী অঞ্চলে সুবিশাল ওয়ার্কস্টেশন থেকে শুরু করে ক্ষেত্রের মধ্যে উপলব্ধ ছোট এমবেডেড ডিভাইসও অন্তর্ভুক্ত থাকতে পারে। প্রতিটি বিক্রেতার নিজস্ব প্রযুক্তি স্ট্যাক থাকতে পারে এবং প্রতিটি মঞ্চে তা কী ভাবে স্থাপন করতে হয়, তা বোঝার জন্য যথেষ্ট সময় প্রয়োজন।

সর্বোপরি, প্রতিটি হার্ডওয়্যার মঞ্চ বেশ কয়েকটি অ্যাকসিলারেশন লাইব্রেরি সরবরাহ করতে পারে, যার জন্য সেরা মডেল সংক্রান্ত পরামিতি এবং ব্যবহারযোগ্য সেটিংস সনাক্ত করতে আরও সময় ও প্রচেষ্টার প্রয়োজন। সমস্ত মডেলই কোয়ান্টাইজেশন থেকে উপকৃত হয় না এবং সমস্ত মডেলই অ্যাকসিলারেশন লাইব্রেরি ব্যবহার করে লাভ হবে বলে মনে করে না (যেমন, এনভিডিয়া ডিভাইসের জন্য টেনসরআরটি)। রূপক ভাবে, একটি সমাধানের শক্তি, আকার ও কর্মক্ষমতা একই মুদ্রার এপিঠ ও ওপিঠ, যার মধ্যে সঠিক ভারসাম্য খুঁজে বের করার চেষ্টাই প্রধান কাজ। উদাহরণস্বরূপ, দ্রুত অনুমানের গতির (ইনফারেন্স স্পিড) বিষয়টি শক্তি ও মেমরির উপর নির্ভরশীল। রান-টাইম চলাকালীন মেমরির ব্যবহার কম হলে অনুমানের গতি কমে যেতে পারে। কিন্তু এর ফলে প্রচুর শক্তি সাশ্রয়ও হতে পারে। কিছু সমাধান অনুমানের গতির কথা চিন্তা না করে উচ্চ নির্ভুলতাকে অগ্রাধিকার দেয় এবং অন্য দিকে বাকি সমাধানের ক্ষেত্রে কম ফুটপ্রিন্ট-সহ দ্রুত অনুমানের গতিকে প্রাধান্য দেওয়া হয়।

রূপক ভাবে, একটি সমাধানের শক্তি, আকার ও কর্মক্ষমতা একই মুদ্রার এপিঠ ও ওপিঠ, যার মধ্যে সঠিক ভারসাম্য খুঁজে বের করার চেষ্টাই প্রধান কাজ।

এজ কন্টিনামকে সমৃদ্ধ করার জন্য হার্ডওয়্যার মঞ্চগুলিকে এমন সাধনীতে সমন্বিত করা উচিত, যা হার্ডওয়্যার মঞ্চের গভীর জ্ঞান ছাড়াই নির্বিঘ্নে মডেল-টু-হার্ডওয়্যার অপ্টিমাইজেশনকে সক্ষম করে। এমনটা সম্ভব হলে ডেভেলপারদের ইনফারেন্স পাইপলাইন টিউনিং ও অপ্টিমাইজ করার জটিলতা সম্পর্কে চিন্তা করতে হয় না, যা তাদের অ্যাপ্লিকেশন ও সমাধান নিজেই ডিজাইন করার উপর আরও বেশি মনোযোগ প্রদানে সাহায্য করে। বিভিন্ন হার্ডওয়্যার মঞ্চগুলিকে একটি গুণমানসম্মত প্যাকেজিং ইন্টারফেসে সমন্বিত করে, এমন টুলিংও অত্যন্ত গুরুত্বপূর্ণ।

কম্পিউট ও কার্বন

সুবিশাল পরিমাণে হার্ডওয়্যার ও অসীম সংখ্যক ডিজাইন সংক্রান্ত সিদ্ধান্তের পাশাপাশি ডেভেলপাররা অনুসন্ধান পর্যায়ে মডেলগুলিকে পুনরায় প্রশিক্ষণ দেওয়ার জন্য ও তার মূল্যায়ন করার জন্য ব্যাপক সময় ব্যয় করেন। একটি সুবিশাল দল থাকা সত্ত্বেও মডেল ও সমাধানগুলি শনাক্ত করার জন্য অনুসন্ধানের পরিসরটি দলের সদস্যদের সংখ্যার মধ্যে সীমাবদ্ধ। এ ছাড়াও, ডেভেলপাররা এখনও বিভিন্ন হার্ডওয়্যার মঞ্চে এই মডেলগুলিকে প্রোফাইলিং করতে বাধ্য হন, যা তাঁদের সমাধান চূড়ান্ত করার আগেই জটিলতার আর একটি স্তর যোগ করে।

এআই স্কেলিংয়ের প্রেক্ষাপটে, সমাধান তৈরি করাই আসলে অর্ধেক যুদ্ধ জয়লাভের সমান। লক্ষ্য হল এই সমাধানটিকে অন্য সমাধানগুলিতেও রক্ষণাবেক্ষণ ও পুনঃব্যবহার করতে সক্ষম করা, বিশেষ করে বিভিন্ন ডেটা সেটের প্রেক্ষিতে। এই সমস্যা সমাধানের জন্য অবকাঠামো ও টুলিং-এ অত্যন্ত পুনরুৎপাদনযোগ্য ও সহজেই নির্মাণ করা যায় এমন পরীক্ষামূলক প্রক্রিয়া অন্তর্ভুক্ত করা উচিত। কোডের মাধ্যমে সেটিংস পরিবর্তন করার তুলনায় এই পরীক্ষামূলক প্রক্রিয়াটিকে ডায়াল অ্যান্ড নব ব্যবহার করে মডেল নির্বিশেষে সেটিংস পরিবর্তনের সঙ্গে সাযুজ্যপূর্ণ হতে হবে, যা বিভিন্ন তথ্যভাণ্ডারের ক্ষেত্রে পরিবর্তিত হবে।

পুনর্নির্মাণযোগ্য এবং টেমপ্লেটের ভিত্তিতে নির্মিত পরীক্ষামূলক প্রক্রিয়াও অন্বেষণকে স্বয়ংক্রিয় করতে পারে, যার মধ্যে রয়েছে শক্তির ব্যবহার, নির্ভুলতা এবং মডেল কোয়ান্টাইজেশনের প্রভাবের জন্য হার্ডওয়্যার-ইন-দ্য-লুপ প্রোফাইলিং।

পুনর্নির্মাণযোগ্য এবং টেমপ্লেটের ভিত্তিতে নির্মিত পরীক্ষামূলক প্রক্রিয়াও অন্বেষণকে স্বয়ংক্রিয় করতে পারে, যার মধ্যে রয়েছে শক্তির ব্যবহার, নির্ভুলতা এবং মডেল কোয়ান্টাইজেশনের প্রভাবের জন্য হার্ডওয়্যার-ইন-দ্য-লুপ প্রোফাইলিং। এই প্রক্রিয়াটি স্বয়ংক্রিয় করার ফলে সম্ভাব্য মডেলগুলি অন্বেষণের জন্য প্রয়োজনীয় সময় হ্রাস করা যেতে পারে। এই পরীক্ষাগুলি ভবিষ্যতের তুলনা ও নতুন ব্যবহারের ক্ষেত্রে মূল্যায়নের জন্য একটি তথ্যভাণ্ডারকেও সংরক্ষণ করবে। এই সব কিছুই গুণমানসম্মত প্রোফাইলিংয়ের জন্য একটি কাঠামো সুনিশ্চিত করতে পারে, যা সমস্ত মডেলের একই ভিত্তিগত তুলনার জন্য পরীক্ষিত হচ্ছে।

এআই রক্ষণাবেক্ষণ

যে মডেলটি নিয়ে কাজ করা হয়নি, সেই মডেলটি বাস্তবে পরিত্যক্ত হওয়ারই সমান। স্ট্যাটিক লিগ্যাসি কোডের দিন এখন অতীত। এআই মডেলগুলি সফটওয়্যার ব্যবহার এবং রক্ষণাবেক্ষণের জন্য একটি নতুন দৃষ্টান্তের দাবি রাখে। সচল মডেলগুলির ‘হেলথ স্টেটাস’ বা  ‘স্বাস্থ্যগত অবস্থা’ পর্যবেক্ষণ করার জন্য সাধনী তৈরি করা উচিত। যেমন উল্লেখ করা হয়েছে, এজ কন্টিনামের জন্য সবচেয়ে বড় বাধা হল সেগুলি, যা এর আগে ক্লাউড সরবরাহকারীরা অনুমান করেছেন। নির্দিষ্ট মডেলের জন্য, বিশেষ করে সীমিত কম্পিউটিং ক্ষেত্রে, সিস্টেম রিসোর্স বা নেটওয়ার্ক সংযোগ-সহ সর্বোত্তম কর্মক্ষমতা ও দীর্ঘায়ু নিশ্চিত করার জন্য সচল মডেলের স্বাস্থ্য, যেমন নির্ভুলতা এবং কর্মক্ষমতা সংক্রান্ত পরামিতি, আউটলায়ার শনাক্তকরণ এবং অ্যাপ্লিকেশন স্থিতিশীলতা ক্রমাগত পর্যবেক্ষণ করার জন্য সাধনীগুলি তৈরি করতে হবে। এই চ্যালেঞ্জগুলির সমাধান করলে দক্ষ পুনঃপ্রশিক্ষণ ও নীতিমালার সংস্কার সম্ভব হবে, যা প্রয়োগের কার্যকারিতা বজায় রেখে গণনামূলক সম্পদ এবং বিকাশের সময় হ্রাস করতে পারে।

এআই মডেলগুলি সফটওয়্যার ব্যবহার এবং রক্ষণাবেক্ষণের জন্য একটি নতুন দৃষ্টান্তের দাবি রাখে। সচল মডেলগুলির ‘হেলথ স্টেটাস’ বা ‘স্বাস্থ্যগত অবস্থা’ পর্যবেক্ষণ করার জন্য সাধনী তৈরি করা উচিত।

কখন স্থাপনা রক্ষণাবেক্ষণ করতে হবে, তা চিহ্নিত করার পাশাপাশি রক্ষণাবেক্ষণের সময় সম্পদ সংরক্ষণের জন্য প্রযুক্তি বিকাশ করাও সমান গুরুত্বপূর্ণ। উদাহরণস্বরূপ, সীমিত সংযোগ পরিবেশের কারণে টুলিং ডেল্টা সংস্কারগুলির সঙ্কোচন ঘটাতে পারে এবং তা প্রেরণে সহায়তা করতে পারে। ডেল্টা আপডেটগুলি নেটওয়ার্ক সংক্রান্ত খরচ কমাবে এবং ছোট আকারের আপডেটের অনুমতি দেবে। কারণ ডিভাইসে কেবল নতুন পরিবর্তনগুলিই প্রেরণ করা হয়।

উপসংহার

এআই-এ প্রবেশের বাধা কমিয়ে আনলে তা অতুলনীয় উদ্ভাবন ও অগ্রগতির যুগের সূচনা করে। অবকাঠামোগত উন্নতির মাধ্যমে মার্কিন যুক্তরাষ্ট্র, ভারত এবং সমগ্র বিশ্ব বাস্তবায়নের ব্যবধান কমাতে পারে এবং এমন একটি অর্থনীতি গড়ে তুলতে পারে, যেখানে প্রত্যেকে এআই-তে অবদান রাখতে পারে।

এআই-এর পূর্ণ সম্ভাবনাকে কাজে লাগানোর মধ্যে কৌশলগত সম্পদের বরাদ্দ এবং কার্যকর টুলিং অন্তর্ভুক্ত। শিক্ষাবিদ, শিল্প ও নীতিনির্ধারকদের মধ্যে সহযোগিতা বৃদ্ধির মাধ্যমে, সামাজিক ফলাফল উন্নত করতে এবং মানবতার সবচেয়ে গুরুত্বপূর্ণ চ্যালেঞ্জ মোকাবিলায় এআই-কে ব্যবহার করা যেতে পারে। এমনটা করার মাধ্যমে এআই প্রযুক্তিগত অগ্রগতিকে চালিত করতে পারে এবং আরও ন্যায়সঙ্গত ও বুদ্ধিমান ভবিষ্যতের ভিত্তিপ্রস্তর হয়ে উঠতে পারে।

হন্সন ট্রান অবজার্ভার রিসার্চ ফাউন্ডেশন, আমেরিকার ‘ইউএস-ইন্ডিয়া এআই ফেলোশিপ প্রোগ্রাম’-এর (এআইএফপি) অংশ এবং বর্তমানে ল্যাটেন্ট এআই-এর ডেভেলপার এক্সপেরিয়েন্স লিড হিসেবে কর্মরত।

• Cyber Security
• Privacy & Data Protection
• Artificial Intelligence
• ইনফারেন্স স্পিড
• এআই মাত্রাকরণ
• এআই ডিপ্লয়মেন্ট
• এআই রক্ষণাবেক্ষণ
• এজ কম্পিউটিং
• এমএল লাইফসাইকল
• কম্পিউট রিসোর্স
• কৃত্রিম বুদ্ধিমত্তা
• ক্লাউড এআই
• টুলিং
• বাস্তবায়নের ব্যবধান
• ভারত
• মডেল অপ্টিমাইজেশন
• শক্তির চাহিদা
• স্বয়ংক্রিয়তা
• হাইব্রিড কম্পিউটিং

The views expressed above belong to the author(s). ORF research and analyses now available on Telegram! Click here to access our curated content — blogs, longforms and interviews.

PREV NEXT