কৃত্রিম বুদ্ধিমত্তা এবং মেশিন লার্নিং বর্তমানে আমাদের জীবনকে অনেক ছোট কিন্তু চিত্তাকর্ষক উপায়ে প্রভাবিত করছে। উদাহরণস্বরূপ, AI এবং মেশিন লার্নিং অ্যাপ্লিকেশনগুলি এমন বিনোদনের সুপারিশ করে যা আমরা Netflix এবং Spotify-এর মতো স্ট্রিমিং পরিষেবাগুলির মাধ্যমে উপভোগ করতে পারি।
অদূর ভবিষ্যতে, সম্পূর্ণ স্বায়ত্তশাসিত যানবাহন চালানো, জটিল বৈজ্ঞানিক গবেষণা সক্ষম করা এবং চিকিৎসা আবিষ্কারকে সহজতর করার মতো কার্যকলাপের মাধ্যমে এই প্রযুক্তিগুলি সমাজে আরও বেশি প্রভাব ফেলবে বলে অনুমান করা হচ্ছে।
কিন্তু AI এবং মেশিন লার্নিংয়ের জন্য ব্যবহৃত কম্পিউটারগুলির জন্য প্রচুর শক্তির প্রয়োজন হয়। বর্তমানে, এই প্রযুক্তিগুলির সাথে সম্পর্কিত কম্পিউটিং শক্তির প্রয়োজন প্রায় প্রতি তিন থেকে চার মাসে দ্বিগুণ হয়। এবং বিশ্বজুড়ে AI এবং মেশিন লার্নিং অ্যাপ্লিকেশন দ্বারা ব্যবহৃত ক্লাউড কম্পিউটিং ডেটা সেন্টারগুলি ইতিমধ্যে কিছু ছোট দেশের তুলনায় প্রতি বছর বেশি বিদ্যুৎ খরচ করছে। এটি সহজেই দেখা যায় যে এই শক্তি খরচের মাত্রা টেকসই নয়।
ওয়াশিংটন বিশ্ববিদ্যালয়ের নেতৃত্বে একটি গবেষণা দল এআই এবং মেশিন লার্নিংয়ের জন্য নতুন অপটিক্যাল কম্পিউটিং হার্ডওয়্যার তৈরি করেছে যা প্রচলিত ইলেকট্রনিক্সের চেয়ে দ্রুত এবং আরও বেশি শক্তি সাশ্রয়ী। গবেষণাটি আরেকটি চ্যালেঞ্জের উপরও দৃষ্টি নিবদ্ধ করে: অপটিক্যাল কম্পিউটিং এর অন্তর্নিহিত ‘গোলমাল’, যা কম্পিউটিং নির্ভুলতাকে বাধাগ্রস্ত করতে পারে।
বৈজ্ঞানিক অগ্রগতিতে 21 শে জানুয়ারি প্রকাশিত একটি নতুন নিবন্ধে, দলটি AI এবং মেশিন লার্নিংয়ের জন্য একটি অপটিক্যাল কম্পিউটিং সিস্টেম প্রদর্শন করছে যা শুধুমাত্র এই শব্দটি কমায় না, এর কিছু অংশ ইনপুট হিসাবেও ব্যবহার করে। কৃত্রিম সৃজনশীল আউটপুট বৃদ্ধি করার জন্য. সিস্টেমের মধ্যে নিউরাল নেটওয়ার্ক।
“আমরা একটি অপটিক্যাল কম্পিউটার তৈরি করেছি যা একটি প্রথাগত ডিজিটাল কম্পিউটারের চেয়ে দ্রুততর,” বলেছেন প্রধান লেখক চ্যাংমিং উ, ইলেকট্রিক্যাল এবং কম্পিউটার ইঞ্জিনিয়ারিংয়ে ইউডব্লিউ ডক্টরাল ছাত্র৷ “এবং এই অপটিক্যাল কম্পিউটার এমনকি অপটিক্যাল নয়েজ দ্বারা উত্পন্ন এলোমেলো ইনপুটগুলির উপর ভিত্তি করে নতুন জিনিস তৈরি করতে পারে যা বেশিরভাগ গবেষকরা এড়াতে চেষ্টা করছেন।”
অপটিক্যাল কম্পিউটার নয়েজ মূলত বিক্ষিপ্ত আলোক কণা বা ফোটন থেকে আসে, ডিভাইসে লেজারের অপারেশন এবং তাপীয় পটভূমি বিকিরণ থেকে। গোলমাল প্রতিরোধ করার জন্য, গবেষকরা তাদের অপটিক্যাল কম্পিউটিং কোরকে একটি বিশেষ ধরনের মেশিন লার্নিং নেটওয়ার্কের সাথে সংযুক্ত করেছেন যাকে জেনারেটিভ অ্যাডভারসারিয়াল নেটওয়ার্ক বলা হয়।
দলটি GAN-এ র্যান্ডম ইনপুট হিসাবে পরিবেশন করার জন্য অপটিক্যাল কম্পিউটিং কোর দ্বারা উত্পন্ন কিছু শব্দ ব্যবহার সহ বেশ কয়েকটি শব্দ প্রশমন কৌশল পরীক্ষা করেছে।
উদাহরণস্বরূপ, দলটি GAN-কে একজন ব্যক্তির মতো হাতে “7” নম্বরটি কীভাবে লিখতে হয় তা শেখার দায়িত্ব দিয়েছে। অপটিক্যাল কম্পিউটার শুধুমাত্র একটি নির্ধারিত ফন্ট অনুযায়ী সংখ্যা মুদ্রণ করতে পারে না।
শিশুটিকে হাতের লেখার চাক্ষুষ উদাহরণ দেখে কাজটি শিখতে হবে এবং যতক্ষণ না সে সঠিকভাবে নম্বর লিখতে সক্ষম হয় ততক্ষণ অনুশীলন করতে হবে। অবশ্যই, অপটিক্যাল কম্পিউটারে লেখার জন্য মানুষের হাত ছিল না, তাই “হস্তাক্ষর” এর রূপটি ছিল ডিজিটাল চিত্র তৈরি করা যার শৈলীর অনুরূপ, কিন্তু তাদের অধ্যয়নকৃত নমুনার অনুরূপ নয়।
“নেটওয়ার্ককে হাতে লেখা নম্বর পড়ার প্রশিক্ষণ দেওয়ার পরিবর্তে, আমরা নেটওয়ার্ককে নম্বর লিখতে শেখার জন্য প্রশিক্ষণ দিয়েছিলাম, হাতের লেখার ভিজ্যুয়াল উদাহরণগুলি অনুকরণ করে,” বলেছেন সিনিয়র লেখক মো লি, ইলেকট্রিক্যাল এবং ইলেকট্রনিক ইঞ্জিনিয়ারিংয়ের UW অধ্যাপক৷ কম্পিউটার প্রযুক্তি.
“আমরা, ডিউক ইউনিভার্সিটিতে আমাদের কম্পিউটার সায়েন্স সহকর্মীদের সাহায্যে, এটাও দেখিয়েছি যে GANs একটি প্রশিক্ষণ অ্যালগরিদম ব্যবহার করে অপটিক্যাল কম্পিউটার হার্ডওয়্যার শব্দের নেতিবাচক প্রভাব কমাতে পারে যা ত্রুটি এবং গোলমাল প্রতিরোধী। উপরন্তু, নেটওয়ার্ক আসলে ব্যবহার করে আউটপুট দৃষ্টান্ত তৈরি করতে র্যান্ডম ইনপুট হিসাবে শব্দগুলি প্রয়োজন।”
সাত নম্বরের হাতে লেখা উদাহরণ থেকে শেখার পর, যা একটি আদর্শ AI প্রশিক্ষণ ইমেজ সেট থেকে এসেছে, GAN “7” লেখার অনুশীলন করেছে যতক্ষণ না সে এটি সফলভাবে করতে পারে। ধীরে ধীরে, এটি তার নিজস্ব স্বতন্ত্র লেখার শৈলী তৈরি করে এবং কম্পিউটার সিমুলেশনে এক থেকে 10 পর্যন্ত সংখ্যা লিখতে সক্ষম হয়।
পরবর্তী পদক্ষেপগুলির মধ্যে বর্তমান সেমিকন্ডাক্টর ফ্যাব্রিকেশন কৌশলগুলি ব্যবহার করে এই ডিভাইসটি বড় আকারে তৈরি করা অন্তর্ভুক্ত। তাই একটি ল্যাবে ডিভাইসটির পরবর্তী সংস্করণ তৈরি করার পরিবর্তে, দলটি ওয়েফার-স্কেল প্রযুক্তি উপলব্ধি করার জন্য একটি শিল্প সেমিকন্ডাক্টর ফাউন্ড্রি ব্যবহার করার পরিকল্পনা করেছে। একটি বৃহত্তর-স্কেল ডিভাইস কর্মক্ষমতা আরও উন্নত করবে এবং গবেষণা দলকে হস্তাক্ষর প্রজন্মের বাইরে আরও জটিল কাজগুলি সম্পাদন করার অনুমতি দেবে, যেমন ছবি এবং এমনকি ভিডিও তৈরি করা।
“এই অপটিক্যাল সিস্টেমটি একটি কম্পিউটার হার্ডওয়্যার আর্কিটেকচারের প্রতিনিধিত্ব করে যা AI এবং মেশিন লার্নিং-এ ব্যবহৃত কৃত্রিম নিউরাল নেটওয়ার্কের সৃজনশীলতা বাড়াতে পারে, কিন্তু আরও গুরুত্বপূর্ণভাবে, এটি সেই স্কেলে এই সিস্টেমের সম্ভাব্যতা প্রদর্শন করে।” যেখানে গোলমাল এবং ত্রুটিগুলি হ্রাস করা যেতে পারে এবং এমনকি শোষণও করা যেতে পারে।” লি বলেছেন।
AI অ্যাপ্লিকেশনগুলি এত দ্রুত বৃদ্ধি পাচ্ছে যে তাদের শক্তি খরচ ভবিষ্যতে টেকসই হবে না। এই প্রযুক্তির শক্তির খরচ কমাতে সাহায্য করার সম্ভাবনা রয়েছে, এআই এবং মেশিন লার্নিংকে পরিবেশগতভাবে টেকসই করে – এবং আরও দ্রুত, সামগ্রিকভাবে উচ্চতর কর্মক্ষমতা অর্জনে সহায়তা করে।”