ଆର୍ଟିଫିସିଆଲ ଇଣ୍ଟେଲିଜେନ୍ସ (AI) ପ୍ରକୃତରେ କ’ଣ? ସାଧାରଣ ଲୋକଙ୍କ ପାଇଁ ଏକ ସରଳ ପରିଚୟ

ଆଜିକାଲି ଆପଣ ୟୁଟ୍ୟୁବ୍ ଖୋଲନ୍ତୁ, ଖବରକାଗଜ ପଢ଼ନ୍ତୁ କିମ୍ବା ହ୍ୱାଟ୍ସଆପ୍ ଦେଖନ୍ତୁ — ସବୁଠି ଗୋଟିଏ ଶବ୍ଦ ଶୁଣିବାକୁ ମିଳୁଛି: “ଆର୍ଟିଫିସିଆଲ ଇଣ୍ଟେଲିଜେନ୍ସ” (କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା ବା AI) । କେହି କହୁଛନ୍ତି ଏହା ସବୁ ସମସ୍ୟାର ସମାଧାନ କରିଦେବ, ତ ଆଉ କେହି କହୁଛନ୍ତି ଏହା ସବୁ ଚାକିରି ଖାଇଯିବ ।

କିନ୍ତୁ ଯେତେବେଳେ କେହି ସିଧା ପ୍ରଶ୍ନ ପଚାରେ: “ଭାଇ, ଏହି କମ୍ପ୍ୟୁଟର ଭିତରେ ପ୍ରକୃତରେ ହୁଏ କ’ଣ?” — ସମସ୍ତେ ଚୁପ୍ ହୋଇଯାନ୍ତି । ଲୋକେ “ଚିନ୍ତା କରୁଥିବା ମେସିନ୍” କିମ୍ବା କଠିନ ଗାଣିତିକ ଶବ୍ଦ କହି ଅନ୍ୟମାନଙ୍କୁ ଭୟଭୀତ କରନ୍ତି ।

ଆସନ୍ତୁ, ସେହିସବୁ କଠିନ ଶବ୍ଦକୁ ଏକପାଖିଆ କରି ଆମ ଦୈନନ୍ଦିନ ଜୀବନର ସରଳ ଉଦାହରଣ ଦେଇ ବୁଝିବା ଯେ AI ପ୍ରକୃତରେ କି ଜିନିଷ ।

୧. ପାରମ୍ପରିକ କମ୍ପ୍ୟୁଟର ଏବଂ ଆର୍ଟିଫିସିଆଲ ଇଣ୍ଟେଲିଜେନ୍ସ

AI କୁ ବୁଝିବା ପାଇଁ ପ୍ରଥମେ ବୁଝିବାକୁ ହେବ ଯେ ଗତ ଷାଠିଏ ବର୍ଷ ଧରି ଆମର ସାଧାରଣ କମ୍ପ୍ୟୁଟର କିପରି କାମ କରିଆସୁଛି ।

ପାରମ୍ପରିକ ଉପାୟ: ମିଠା ଦୋକାନୀର ନିୟମ

ଭାବନ୍ତୁ ଜଣେ ମିଠା କାରିଗର ଜିଲାପି କିପରି ତିଆରି କରେ । ଯଦି ଆପଣ ତାଙ୍କୁ ଲେଖା ହୋଇଥିବା ନିୟମ ଦେବେ:

୨୦୦ ଗ୍ରାମ ମଇଦା ଓ ଦହି ମିଶାଇ ୧୨ ଘଣ୍ଟା ରଖ ।
ଘିଅକୁ ଠିକ୍ ୧୮୦ ଡିଗ୍ରୀରେ ଗରମ କର ।
କପଡ଼ା ପୁଟୁଳିରୁ ଗୋଲ୍ ଗୋଲ୍ ଜିଲାପି ତେଲରେ ପକାଅ ।
ଗରମ ଶିରାରେ ୯୦ ସେକେଣ୍ଡ ବୁଡ଼ାଇ ରଖ ।

ଯଦି କାରିଗର ଏହି ନିୟମକୁ ଅକ୍ଷରେ ଅକ୍ଷରେ ପାଳନ କରେ, ତେବେ ଭଲ ଜିଲାପି ତିଆରି ହେବ । ଆମର ପୁରୁଣା ସଫ୍ଟୱେର ମଧ୍ୟ ଠିକ୍ ଏହିପରି କାମ କରୁଥିଲା । ଜଣେ ଇଞ୍ଜିନିୟର ହଜାର ହଜାର କଠୋର ନିୟମ ଲେଖୁଥିଲେ: “ଯଦି ଗ୍ରାହକ A ବଟନ୍ ଦବାଏ, ତେବେ ସ୍କ୍ରିନ୍ B ଦେଖାଅ । ଯଦି ବ୍ୟାଙ୍କ ଖାତାରେ ୫୦୦ ଟଙ୍କାରୁ କମ୍ ଅଛି, ତେବେ ଟଙ୍କା ଉଠାଇବା ମନା କର ।”

ଏଠାରେ କମ୍ପ୍ୟୁଟରର ନିଜର କୌଣସି ବୁଦ୍ଧି ନାହିଁ; ସେ କେବଳ ଲେଖା ହୋଇଥିବା ନିୟମକୁ ବିଜୁଳି ବେଗରେ ପାଳନ କରେ ।

ପ୍ରକୃତ ପାର୍ଥକ୍ୟ

ପୁରୁଣା ସଫ୍ଟୱେର: ନିୟମ + ତଥ୍ୟ = ଉତ୍ତର ।
ଆର୍ଟିଫିସିଆଲ ଇଣ୍ଟେଲିଜେନ୍ସ: ତଥ୍ୟ + ଉତ୍ତର = ନିୟମ (ପ୍ୟାଟର୍ଣ୍ଣ) ।

AI ର ଉପାୟ: ପ୍ୟାଟର୍ଣ୍ଣ ଖୋଜିବା

ଏବେ ଭାବନ୍ତୁ, ଆପଣ କମ୍ପ୍ୟୁଟରକୁ ଏକ ଗଛ ପତ୍ରର ଫଟୋ ଦେଖାଇ ପଚାରିବାକୁ ଚାହାନ୍ତି ଯେ ସେହି ଗଛରେ କୌଣସି ରୋଗ କିମ୍ବା ପୋକ ଲାଗିଛି କି ନାହିଁ ।

ଏଥିପାଇଁ ଆପଣ ପୁରୁଣା ପଦ୍ଧତିରେ ହାତରେ ନିୟମ ଲେଖିପାରିବେ କି? “ଯଦି ପତ୍ରର ରଙ୍ଗ ଟିକେ ହଳଦିଆ-ବାଦାମୀ ହୁଏ, ଏବଂ ଡାହାଣ କୋଣ ମୋଡ଼ି ହୋଇଥାଏ…” ଏହା ଅସମ୍ଭବ । କାରଣ ସୂର୍ଯ୍ୟ କିରଣ ବଦଳିବ, କ୍ୟାମେରାର ଆଙ୍ଗେଲ ବଦଳିବ, ପତ୍ର କେତେବେଳେ ଓଦା ଥିବ ତ କେତେବେଳେ ଶୁଖିଲା । ଆପଣ ହାତରେ ସବୁ ନିୟମ ଲେଖି ସାରିପାରିବେ ନାହିଁ ।

ତେଣୁ AI ରେ ଆମେ ଏକ ସମ୍ପୂର୍ଣ୍ଣ ଓଲଟା ଉପାୟ ଆପଣାଉ:

ଆମେ କମ୍ପ୍ୟୁଟରକୁ ୧ ଲକ୍ଷ ସୁସ୍ଥ ପତ୍ରର ଫଟୋ ଏବଂ ୧ ଲକ୍ଷ ରୋଗାକ୍ରାନ୍ତ ପତ୍ରର ଫଟୋ ଦେଖାଉ ।
ଆମେ ଏହି ଫଟୋଗୁଡ଼ିକୁ ଏକ ଗାଣିତିକ ଜାଲରେ ପ୍ରବେଶ କରାଉ, ଯାହାକୁ ନ୍ୟୁରାଲ ନେଟୱର୍କ (Neural Network) କୁହାଯାଏ ।
ଆରମ୍ଭରେ କମ୍ପ୍ୟୁଟର ଅନ୍ଧାରରେ ଢେଲା ଫିଙ୍ଗିଲା ଭଳି ଭୁଲ୍ କରେ ।
ପ୍ରତ୍ୟେକ ଭୁଲ୍ ପରେ ଆମେ ତାହାର ଗାଣିତିକ ସୂଚକ (Weights) କୁ ଧୀରେ ଧୀରେ ସଜାଡୁ ।
ଲକ୍ଷ ଲକ୍ଷ ଉଦାହରଣ ଦେଖିବା ପରେ, କମ୍ପ୍ୟୁଟର ସେହି ସୂକ୍ଷ୍ମ ପ୍ୟାଟର୍ଣ୍ଣକୁ ଧରିନିଏ ଯାହା ସୁସ୍ଥ ଓ ରୋଗୀ ପତ୍ର ମଧ୍ୟରେ ଫରକ ସୃଷ୍ଟି କରେ ।

ଏଠାରେ କମ୍ପ୍ୟୁଟର ମଣିଷ ଛୁଆ ପରି “ଭାବି ଚିନ୍ତି” ଶିଖିଲା ନାହିଁ । ସେ କେବଳ କୋଟି କୋଟି ସଂଖ୍ୟା ମଧ୍ୟରେ ଲୁଚି ରହିଥିବା ଗାଣିତିକ ସମ୍ପର୍କକୁ ଚିହ୍ନଟ କଲା ।

୨. ଚାଟ୍‌ଜିପିଟି (ChatGPT) ଓ ଭାଷା ମଡେଲର ରହସ୍ୟ

ଯେତେବେଳେ ଆପଣ ଚାଟ୍‌ଜିପିଟିକୁ କୌଣସି ପ୍ରଶ୍ନ ପଚାରନ୍ତି ଏବଂ ସେ ସୁନ୍ଦର ଭାବରେ ସମ୍ପୂର୍ଣ୍ଣ ଉତ୍ତର ଲେଖିଦିଏ, ଲାଗେ ଯେମିତି କମ୍ପ୍ୟୁଟର ଭିତରେ କେହି ଜ୍ଞାନୀ ମଣିଷ ବସି ଭାବୁଛି ।

କିନ୍ତୁ ବାସ୍ତବତା ହେଉଛି: ଭାଷା ମଡେଲ ହେଉଛି ପୃଥିବୀର ସବୁଠାରୁ ବଡ଼ ଅଟୋ-କମ୍ପ୍ଲିଟ୍ (Auto-complete) ଇଞ୍ଜିନ ।

ମନେ ପକାନ୍ତୁ, ଯେତେବେଳେ ଆପଣ ମୋବାଇଲରେ ମେସେଜ୍ ଟାଇପ୍ କରନ୍ତି:

“ମୁଁ ଏବେ ବଜାର…”

ତଳେ କୀବୋର୍ଡ଼ ଆପେ ଆପେ ପରବର୍ତ୍ତୀ ଶବ୍ଦ ଦେଖାଏ:

[ଯାଉଛି, ପହଞ୍ଚିଲି, ରେ ଅଛି]

ମୋବାଇଲ୍ ଆପଣଙ୍କ ମନ କଥା ଜାଣିନାହିଁ । ସେ କେବଳ ପୁରୁଣା ମେସେଜରୁ ଦେଖିଛି ଯେ “ମୁଁ ଏବେ ବଜାର” ପରେ ସବୁଠାରୁ ଅଧିକ ଥର କେଉଁ ଶବ୍ଦ ବ୍ୟବହାର ହୋଇଛି ।

ଚାଟ୍‌ଜିପିଟି ଏହି କାମକୁ ଏକ ବିରାଟ ସ୍ତରରେ କରେ:

ତାହାକୁ ଇଣ୍ଟରନେଟରେ ଥିବା କୋଟି କୋଟି ପୃଷ୍ଠାର ବହି, ପ୍ରବନ୍ଧ ଓ ବାର୍ତ୍ତାଳାପ ପଢ଼ାଯାଇଛି ।
ସେ ଶିଖିଛି ଯେ କେଉଁ ପ୍ରସଙ୍ଗରେ କେଉଁ ଶବ୍ଦ ପରେ କେଉଁ ଶବ୍ଦ ଆସିବା ସମ୍ଭବ ।
ଯେତେବେଳେ ଆପଣ ତାକୁ ପ୍ରଶ୍ନ ପଚାରନ୍ତି, ସେ “ଭାବେ” ନାହିଁ; ସେ ଗାଣିତିକ ସମ୍ଭାବନା (Probability) ହିସାବ କରି ପରବର୍ତ୍ତୀ ସବୁଠାରୁ ଉପଯୁକ୍ତ ଶବ୍ଦ କ’ଣ ହେବ, ତାହା ଗୋଟିଏ ପରେ ଗୋଟିଏ ଯୋଡ଼ି ଚାଲେ ।

AI ବେଳେବେଳେ ମିଛ କାହିଁକି କହେ? (Hallucination)

ଭାଷା ମଡେଲ ସତ୍ୟର କୌଣସି ଡାଏରୀ ଦେଖି ଉତ୍ତର ଦିଏ ନାହିଁ । ସେ କେବଳ ଶୁଣିବାକୁ କେଉଁ ଶବ୍ଦ ଭଲ ଲାଗିବ, ତାହାର ଅନୁମାନ କରେ । ତେଣୁ ବେଳେବେଳେ ସେ ସମ୍ପୂର୍ଣ୍ଣ ଆତ୍ମବିଶ୍ୱାସର ସହ ଏପରି କଥା କହିଦିଏ ଯାହାର ବାସ୍ତବତା ସହ କୌଣସି ସମ୍ପର୍କ ନଥାଏ । ଏହାକୁ "ହ୍ୟାଲୁସିନେସନ୍" କୁହାଯାଏ ।

୩. AI କ’ଣ ଭଲ କରିପାରେ ଓ କ’ଣ କରିପାରିବ ନାହିଁ?

ପ୍ରଯୁକ୍ତିର ସଠିକ୍ ବ୍ୟବହାର ପାଇଁ ତାହାର ସୀମା ଜାଣିବା ନିତାନ୍ତ ଜରୁରୀ ।

AI କେଉଁଥିରେ ପାରଙ୍ଗମ:

ବଡ଼ ତଥ୍ୟ ମଧ୍ୟରୁ ପ୍ୟାଟର୍ଣ୍ଣ ଖୋଜିବା: ପାଣିପାଗର ରାଡାର ଚିତ୍ର ଦେଖି ବାତ୍ୟାର ଗତିପଥ ଅନୁମାନ କରିବା କିମ୍ବା ଏକ୍ସ-ରେ ଦେଖି ରୋଗ ଚିହ୍ନଟ କରିବା ।
ଭାଷା ଅନୁବାଦ ଓ ସ୍ୱର ଚିହ୍ନଟ: ଭାରତର ଭାଷିଣୀ ପ୍ରୋଜେକ୍ଟ ପରି ଗ୍ରାମାଞ୍ଚଳର ଭାଷାକୁ ଲିଖିତ ରୂପ ଦେବା ଓ ଅନ୍ୟ ଭାଷାରେ ଅନୁବାଦ କରିବା ।
ଦୀର୍ଘ ତଥ୍ୟକୁ ସଂକ୍ଷିପ୍ତ କରିବା: ୫୦ ପୃଷ୍ଠାର ସରକାରୀ ନିର୍ଦ୍ଦେଶନାମାକୁ ୫ଟି ମୁଖ୍ୟ ବିନ୍ଦୁରେ ପରିଣତ କରିବା ।

AI କେଉଁଥିରେ ସମ୍ପୂର୍ଣ୍ଣ ଅସମର୍ଥ:

ସାଧାରଣ ଜ୍ଞାନ (Common Sense): ଜଣେ ପାଞ୍ଚ ବର୍ଷର ପିଲା ମଧ୍ୟ ଜାଣେ ଯେ ଚଟାଣରେ ଅଣ୍ଡା ପଡ଼ିଲେ ଭାଙ୍ଗିଯିବ । AI କେବେ ମାଟି ଛୁଇଁନାହିଁ କି ଅଣ୍ଡା ଦେଖିନାହିଁ; ସେ କେବଳ ଶବ୍ଦର ଖେଳ ଜାଣେ ।
ମାନବୀୟ ସମ୍ବେଦନଶୀଳତା: ମେସିନ୍ ଦୁଃଖ କିମ୍ବା ନ୍ୟାୟ ବୁଝିପାରେ ନାହିଁ । ସେ କେବଳ ସେହି ଭାବନାର ଶବ୍ଦକୁ ନକଲ କରିପାରେ ।
ସତ୍ୟର ଚୂଡ଼ାନ୍ତ ନିଷ୍ପତ୍ତି: କୌଣସି ବିଶେଷଜ୍ଞ ମଣିଷ ବିନା ଡାକ୍ତରୀ କିମ୍ବା ଆଇନଗତ କ୍ଷେତ୍ରରେ AI ଉପରେ ଅନ୍ଧ ଭାବେ ନିର୍ଭର କରିବା ବିପଜ୍ଜନକ ।

୪. ବାସ୍ତବ ମୂଲ୍ୟ: ବିଜୁଳି, ପାଣି ଓ ସିଲିକନ

AI କୌଣସି ପବନରେ ଉଡ଼ୁଥିବା ଜିନିଷ ନୁହେଁ । ଏଥିପାଇଁ ମାଟି ଉପରେ ବିରାଟ ଡାଟା ସେଣ୍ଟର ନିର୍ମାଣ ହୋଇଛି, ଯେଉଁଥିରେ ହଜାର ହଜାର ସ୍ୱତନ୍ତ୍ର ଚିପ୍ (GPU) ଲାଗିଛି ।

ଗୋଟିଏ ବଡ଼ AI ମଡେଲ ପ୍ରସ୍ତୁତ କରିବା ପାଇଁ:

ମାସ ମାସ ଧରି ହଜାର ହଜାର ଚିପ୍ ଲଗାତାର ଚାଲେ ।
ଲକ୍ଷ ଲକ୍ଷ ୟୁନିଟ୍ ବିଦ୍ୟୁତ ଶକ୍ତି ଖର୍ଚ୍ଚ ହୁଏ ।
ସେହି ଚିପ୍‌ଗୁଡ଼ିକୁ ଥଣ୍ଡା ରଖିବା ପାଇଁ ଲକ୍ଷ ଲକ୍ଷ ଲିଟର ବିଶୁଦ୍ଧ ପାଣି ବ୍ୟବହାର ହୁଏ ।

ଯେତେବେଳେ ଆମେ ବୁଝୁ ଯେ ପ୍ରତ୍ୟେକ AI ପ୍ରଶ୍ନ ପଛରେ ବାସ୍ତବରେ ବିଜୁଳି ଓ ପାଣି ଖର୍ଚ୍ଚ ହେଉଛି, ଆମେ ଏହାକୁ କେବଳ ଏକ ଖେଳନା ଭାବରେ ଦେଖିବା ବନ୍ଦ କରୁ । ଆମେ ଏହାକୁ ଆମ ଦେଶର ଚାଷୀ, ଛାତ୍ରଛାତ୍ରୀ ଏବଂ ସାଧାରଣ ଲୋକଙ୍କ ଉପକାରରେ ଲଗାଇବାକୁ ଚିନ୍ତା କରୁ ।

ପ୍ରତ୍ୟେକ ଭାରତୀୟ ପରିବାର ପାଇଁ ମୁଖ୍ୟ ଶିକ୍ଷା

AI କୌଣସି ଯାଦୁକରୀ ମସ୍ତିଷ୍କ ନୁହେଁ, ବରଂ ଦ୍ରୁତ ଗତିର ଗଣିତ ଓ ପ୍ୟାଟର୍ଣ୍ଣ ଚିହ୍ନିବାର କଳା ।
ଭାଷା ମଡେଲ କେବଳ ଶବ୍ଦର ସମ୍ଭାବନା ଅନୁମାନ କରେ, ତାହାର ନିଜସ୍ୱ କୌଣସି ଚେତନା ନାହିଁ ।
ଜରୁରୀ ସୂଚନାକୁ ସବୁବେଳେ ନିଜେ ଯାଞ୍ଚ କରନ୍ତୁ । AI କୁ ଏକ ସହଯୋଗୀ ଭାବନ୍ତୁ, ସର୍ବଜ୍ଞାତା ନୁହେଁ ।
ପ୍ରଯୁକ୍ତିକୁ ଭୟ କରିବାର କୌଣସି କାରଣ ନାହିଁ । ଯେତେବେଳେ ଆମେ ନିଜ ଭାଷାରେ ଏହାକୁ ବୁଝିପାରୁ, ତାହା ଆମର ଶକ୍ତି ପାଲଟିଯାଏ ।