মেশিন লার্নিং কি – (What Is Machine Learning in Bengali)

মেশিন লার্নিং কি (What Is Machine Learning in Bengali) ? আজকের আর্টিকেলের মাধ্যমে আমরা মেশিন লার্নিং এর বিষয়ে বিস্তারিত আলোচনা করতে চলেছি।

মেশিন লার্নিং কি
Machine learning কি ?

এখনকার সময়ে কৃত্রিম বুদ্ধিমত্তা বা আর্টিফিশিয়াল ইন্টেলিজেন্স (AI) শব্দটির সাথে আমরা কম-বেশি সকলেই পরিচিত।

আর, এই সময়ে মানুষের বহু আকাঙ্ক্ষিত সময়ের সূচনা হয়েছে; অর্থাৎ, আমরা রোবোটিক বা মেশিন যুগে পা দিয়ে ফেলেছি।

এখন থেকে আমরা আমাদের দৈনন্দিন কাজের অনেকটা অংশ মেশিন বা রোবটের সাহায্যে করিয়ে নেওয়ার দিকে মন দিয়েছি।

আর, এই মেশিন যাতে আমাদের ভাষা বুঝে নিজে থেকেই আমাদের কাজের সমাধান করতে পারে, তার জন্যেই এখন চলছে মেশিন বা রোবোটদের শিক্ষাদানের পর্ব।

এবং, এই শিক্ষাদান পর্বেরই একটা গুরুত্বপূর্ণ অঙ্গ হল এই মেশিন লার্নিং (ML)।

সুতরাং, আজকে আমাদের এই আর্টিকেলে আমরা সবিস্তারে আলোচনা করবো, মেশিন লার্নিং মানে কি এবং এর নানান গুরুত্বপূর্ণ দিক সম্পর্কে।

চলুন তাহলে প্রথমে জানি, মেশিন লার্নিং কাকে বলে বা মেশিন লার্নিং বলতে কি বুঝায় ?

মেশিন লার্নিং কি – (What Is Machine Learning in Bengali)

আসলে, প্রতিটা শিশুকে যেমন মানব সমাজে চলতে গেলে একটা প্রথাগত শিক্ষার মধ্যে দিয়ে যেতে হয়।

ঠিক তেমনই, এখনকার মেশিনগুলোও শিশুদের মতো তাদের শিক্ষাগ্রহণের পর্যায় দিয়ে যাচ্ছে।

এই শিক্ষালাভের পর্বে, মেশিনগুলো মানুষের দেওয়া ট্রেনিং ডেটা (যে ভাষা কম্পিউটার বোঝে) কিংবা নলেজ গ্রাফের মতো ইনপুটের উপর নির্ভর করে বিভিন্ন সত্তা, ডোমেন এবং এদের মধ্যেকার সংযোগগুলোকে নিজে থেকে বোঝার চেষ্টা করে।

যেমন – মানুষ রোগা-মোটা, লম্বা-খাটো ও নানা বর্ণের হতে পারে।

কিন্তু, সব মানুষেরই নির্দিষ্ট কিছু বৈশিষ্ট্য থাকে; যা দেখে তাকে মানুষ বলে চেনা যায়।

যথা- সব মানুষেরই দুটো চোখ, দুটো কান, একটা নাক ও একটা ঠোঁট থাকেই।

যা দেখে তাকে মানুষের সত্তা (entity) হিসেবে চিহ্নিত করা যায়।

সোজা ভাষাতে বলতে গেলে, যখন আমরা এই একই ধরণের শিক্ষা মেশিনগুলোকে নানা কম্পিউটার প্রোগ্রাম ল্যাঙ্গুয়েজের সাহায্যে শেখাতে যাই, তখনই সেটা হয়ে যায় মেশিন লার্নিং।

তাই, বলা যায় যে, বর্তমানে মেশিনগুলো ML-এর সাহায্যে মানুষের মস্তিষ্কের মতোই জ্ঞান অর্জন করার ও বোঝার চেষ্টা করছে।

যাতে, এক সময়ে মানুষের সাহায্য ছাড়াই, মেশিনগুলো নিজেরদের চিন্তাভাবনার সাহায্যে কোনো কাজের ব্যাপারে সিদ্ধান্ত নিতে সক্ষম হয়।

মেশিন লার্নিং-এর সংজ্ঞা:

ML-এর সংজ্ঞা অনুযায়ী, এটা আসলে হল কম্পিউটার সাইন্স বা আর্টিফিশিয়াল ইন্টেলিজেন্সের একটা শাখা।

এই শাখাতে মানুষের শিক্ষাগ্রহণের প্রক্রিয়া ও তা থেকে ধীরে-ধীরে নিজের সিদ্ধান্ত নেওয়ার ক্ষমতা তৈরী করার সমস্ত পদ্ধতিটাকে, কম্পিউটার বুঝতে পারবে এমন সব তথ্য এবং অ্যালগরিদমের আকারে নকল করা হয়।

মেশিনগুলো এই অ্যালগরিদমের সাহায্যেই নিজে থেকে (automatically) মানুষের প্রায় কোনো সাহায্য ছাড়াই পুরোনো অভিজ্ঞতা ও তথ্য বিশ্লেষণ করার মাধ্যমে প্যাটার্ন বোঝে এবং গণনা করতে পারে।

এমনকি, এই ML-এর অ্যালগরিদমগুলো এতটাই উন্নত যে, ‘লার্নিং’ বা শেখার প্রক্রিয়ার সময়েও তারা উপলব্ধ নমুনার সংখ্যা (যেমন- মেশিনকে শেখানো হল ২+২= ৪ হয়; আর মেশিন নিজে থেকেই শিখলো ১+১+১+১=৪ হলেও, তার ফলাফল ৪-ই হয়) বাড়ানোর পাশাপাশি নিজে থেকেই শিক্ষাগুলোকে (ভুল থেকে শেখা) উন্নত করতে থাকে।

উদাহরণস্বরূপ, ডিপ লার্নিং (deep learning) হল মেশিন লার্নিং-এর একটা উপশাখা; যা মানুষের স্বাভাবিক বৈশিষ্ট্য ‘ভুল থেকে শেখাকে’ নিজে থেকেই কম্পিউটারকে অনুকরণ করতে শেখায়।

যা পুরোনো ML অ্যালগরিদমগুলোর থেকে অনেক ভালোভাবে কাজ করে।

মেশিন লার্নিং কিভাবে কাজ করে ?

প্রথমে আমাদের বুঝতে হবে যে, মেশিন লার্নিং ব্যাপারটা তৈরিই করা হয়েছে যাতে মানুষের কোনোরকম সক্রিয় সাহায্য ছাড়াই মেশিনগুলো নিজে থেকেই ফাঙ্কশন করা শিখতে পারে।

আর, এই ML অ্যালগরিদমের কাজকে তিনটি প্রধান ভাগে ভাগ করা হয়েছে –

১. ডিসিশন প্রসেস

মেশিন লার্নিং-এর প্রথম ধাপটি প্রেডিকশন বা ক্লাসিফিকেশন করার জন্যে ব্যবহার করা হয়।

তাই, ML অ্যালগরিদমের মধ্যে নানান রকমের ট্রেনিং ডেটাসেট লোড করে একটা করে মডেল ইনপুট তৈরী করা হয়।

আর, এই শেখার প্রক্রিয়ার প্রথমেই থাকে পর্যবেক্ষণ বা তথ্য (observations or data)।

অর্থাৎ, প্রথমেই মেশিনের প্রোগ্রামে সরাসরি অভিজ্ঞতা (direct experience) কিংবা ইন্সট্রাকশন লোড করে দেওয়া হয়।

যাতে, অ্যালগরিদমটি এই ডেটার প্যাটার্নের উপর একটা নির্দিষ্ট ধারণা তৈরী করতে পারে।

ঠিক যেমন আমরা অঙ্ক ক্লাসে ‘চৌবাচ্চা ভরতে কত সময় নেওয়ার’ অঙ্ক একটা নির্দিষ্ট ফৰ্মূলা (ট্রেনিং সেট) মেনে করি;

আবার সেই একই ফর্মুলা কাজে লাগিয়ে আরও একই ধরণের বিভিন্ন অঙ্কের সমাধান করে ফেলি।

ঠিক তেমনই মেশিনও ML-এর ডেটা বা পর্যবেক্ষণকে অঙ্কের ফর্মুলার (মডেল ইনপুট ডেটা) মতো করেই কাজে লাগায়।

২. এরর প্রসেস

এরপরে ML অ্যালগরিদম এরর ফাংশনের সাহায্যে সেই মডেলের গণনা (prediction) বের করে।

যদি, এরর ফাঙ্কশন কোনো পরিচিত মডেল ইনপুট ডেটার সাথে সেই নতুন মডেলের মিল পায়,

তাহলে তা সেই পুরোনো ডেটাসেট অনুযায়ী নির্ভুলভাবে নতুন ডেটাগুলোকে গণনা করার চেষ্টা করে।

অর্থাৎ, যদি সেই মেশিনকে ওই ফর্মুলা বা ট্রেনিং ডেটাসেটের ভিত্তিতে অন্য কোনো নতুন ইনপুট ডেটা দেওয়া হয়,

তাহলে সেই প্রশিক্ষিত বা train ML অ্যালগরিদম তার আগের লোড করা মডেল ইনপুট ডেটার উপর নির্ভর করে তার গণনা বা ফলাফল দেয়।

৩. মডেল অপ্টিমাইজেশান প্রক্রিয়া

এই ধাপে, মেশিনের সেই গণনা ঠিক না ভুল সেটা পরীক্ষা করা হয়।

গণনা কতটা ঠিক হল তার উপর ভিত্তি করে, ML অ্যালগরিদমটি একদম নির্ভুল ফলাফল (prediction) না দেওয়া পর্যন্ত বারবার নতুন ইনপুট ডেটাসেটের উপর মডেল ইনপুট ডেটার ভিত্তিতে কাজ (evaluate and optimize) করতে থাকে।

এর পাশাপাশি, মডেল ইনপুট অর্থাৎ পুরোনো ডেটা ও নতুন ইনপুট ডেটার তুলনা করে নির্ভুল গণনার প্রক্রিয়াগুলোকেও সেভ করে রাখে,

যাতে পরবর্তীকালে ML একই ধরণের ডেটার গণনা সহজেই সঠিকভাবে অনুমান করতে পারে।

সবশেষে, প্রেডিকশন নির্ভুল হলে তা সাকসেসফুল মডেলে পরিণত হয়।

যদিও, ML-এর নমুনাগুলোতে আরও অনেক বেশি ফ্যাক্টর, ভেরিয়েবল এবং ধাপ যুক্ত থাকে।

মেশিন লার্নিং কেন গুরুত্বপূর্ণ ?

ML-এর ব্যবহার শুরু হয় আর্থার স্যামুয়েলের চেকার্স কম্পিউটার গেমিং প্রোগ্রামের হাত ধরে।

অর্থাৎ, এই খেলাতে দেখা গেছে যে, প্রোগ্রামটিকে যতবার খেলা হয়েছে, ততবারই প্রোগ্রামটির এক্সপেরিয়েন্স বেড়েছে এবং অ্যালগরিদম ব্যবহার করে সে আরও সঠিক অনুমান করেছে।

সুতরাং, বোঝাই গেছে যে, ML অ্যালগরিদমগুলো তথ্য থেকে অর্জিত অভিজ্ঞতা অনুযায়ী শিখে ও বিশ্লেষণ করে তার ফলাফল সঠিকভাবে গণনা করতে পারে।

যেহেতু, কম্পিউটারের গণনা করার ক্ষমতা অকল্পনীয়ভাবে দ্রুত, নির্ভুল এবং ব্যাপক হওয়ার ফলে; মানুষের মস্তিষ্ক কোনোভাবেই এর সাথে পেরে ওঠে না।

যে কারণে, মেশিনগুলোকে প্যাটার্ন চেনানোর ট্রেনিং দেওয়া এবং ইনপুট ডেটা ও স্বয়ংক্রিয় রুটিন প্রসেসগুলো শেখানো অনেকটাই সহজ।

এর ফলে, আমরা সহজেই কোনোরকমের ভুল-ত্রুটি ও পরিশ্রম ছাড়াই মেশিনের সাহায্যে অনেক কাজই নিমেষের মধ্যে করে ফেলতে পারি, যা মানুষের দ্রুত জীবনযাত্রাকে আরও মসৃণ করে তোলে।

১. ডেটাই হল চাবিকাঠি:

মেশিন লার্নিং অ্যালগরিদমগুলো স্যাম্পল ডেটার উপর নির্ভর করে একটা ম্যাথমেটিক্যাল মডেল তৈরি করে, যেটাকে ট্রেনিং ডেটা বলে।

আর, এই ট্রেনিং ডেটার প্রধান কাজই হল একগাদা প্রোগ্রামিং ছাড়াই সিদ্ধান্ত নেওয়া বা গণনা করা।

এই গণনা তথ্যের মধ্যেকার প্রবণতা (trends/patterns) খুঁজে বের করতে পারে।

এর ফলে, ইনফরমেশন বিসনেসগুলো এই গণনার ভিত্তিতে সঠিকভাবে সিদ্ধান্ত নিতে পারে, দক্ষতা বিশ্লেষণ করতে ও স্কেলে কার্যকরী ডেটা খুঁজে নিতে পারে।

২. AI হল লক্ষ্য:

ML হল AI সিস্টেমগুলোর মূল ভিত্তি।

এই মেশিন লার্নিং-এর মাধ্যমেই AI প্রক্রিয়াগুলো স্বয়ংক্রিয় ও স্বশাসিতভাবে (autonomously) ডেটা-ভিত্তিক ব্যবসায়িক সমস্যাগুলোর সমাধান করে।

এটি কোম্পানিগুলোকে মানবকর্মীদের বদলে মেশিন দ্বারা দ্রুত ও নির্ভুল কাজ করিয়ে নিতে সাহায্য করে।

বর্তমানে বেশ কিছু পরিচিত মেশিন লার্নিং অ্যাপ্লিকেশনের মধ্যে জনপ্রিয় কতগুলো AI-চালিত প্রোগ্রাম হল সেলফ-ড্রাইভিং কার, চ্যাটবট ও স্পিচ রিকগনিশন।

আসলে, বড়-বড় ব্যবসার কাজে দ্রুততা আনতে, ভুল-ত্রুটি কমিয়ে কনসিউমারদের সেরা পরিষেবা দেওয়ার জন্যেই এখনকার সময়ে মেশিন লার্নিং বিভিন্ন ইন্ডাস্ট্রির কাছেই দারুণভাবে গুরুত্বপূর্ণ হয়ে পড়েছে।

সেরা ৫টি মেশিন লার্নিং এর ব্যবহার:

ডিজিটাল যুগে ডেটার অভাব না থাকায়, বিশ্বজুড়ে বিভিন্ন ইন্ডাস্ট্রিগুলো চরমভাবে ডেটার ব্যবহার করে মেশিন লার্নিং-এর সাহায্যে প্রায় নির্ভুল গণনার মাধ্যমে তাদের সঠিক ব্যবসায়িক পরিকল্পনা নিতে সাহায্য করছে।

এর ফলে, এই ইন্ডাস্ট্রিগুলো তাদের কাজের প্রবাহ ও ধারা বজায় রেখে প্রতিযোগীদের পিছনে ফেলে রেখে দারুণভাবে উন্নতি করতে পারছে।

নিচে আমরা সেরকমই কিছু ইন্ডাস্ট্রি বা সেক্টর নিয়ে আলোচনা করলাম, যেগুলো সাম্প্রতিককালে ব্যাপকভাবে ML-কে ব্যবহার করছে –

১. ডেটা সিকিউরিটি:

মেশিন লার্নিং মডেলগুলো খুবই দ্রুত ডেটা নিরাপত্তার বিপদগুলোকে ধরে ফেলতে পারে।

এই লার্নিং মডেলগুলো অতীতের অভিজ্ঞতা গুলোকে পর্যালোচনা করে ভবিষ্যতের ঝুঁকিপূর্ণ ডেটা সুরক্ষার কার্জকলাপগুলো ধরে নিয়ে সেগুলোকে শুধরে ফেলে।

এমনকি, বিভিন্ন মেশিন লার্নিং টুল রয়েছে; যেগুলো সহজেই সুরক্ষিত ও অসুরক্ষিত অনলাইন আর্থিক লেনদেনগুলোর মধ্যে দ্রুত পার্থক্য করতে সক্ষম।

২. ফিন্যান্স:

ফিনটেক ফার্ম, ব্যাঙ্ক ও ট্রেডিং ব্রোকারেজ অ্যাপ্লিকেশনগুলো মেশিন লার্নিং অ্যালগরিদম ব্যবহার করে ইনভেস্টরদের স্বয়ংক্রিয়ভাবে ট্রেডিং ও ফিন্যান্সিয়াল পরিষেবা দিয়ে থাকে।

এর ফলে, বিনিয়োগকারীরা সহজেই তাদের বিনিয়োগ করার উপযুক্ত সময় বুঝতে পারেন।

এছাড়াও, বিভিন্ন ফিনান্সিয়াল কোম্পানি তাদের আর্থিক লেনদেনের সুরক্ষা বাড়ানোর উদ্দেশ্যে বহু মেশিন লার্নিং পরিষেবা প্রদানকারী টেক কোম্পানির সাথে যুক্ত হয়েছে।

৩. হেল্থকেয়ার:

মেশিন লার্নিংয়ের সাহায্যে হেল্থকেয়ার সেক্টরের দুর্দান্ত উন্নতি হয়েছে।

ওয়েরেবেল ফিটনেস ডিভাইস থেকে শুরু করে ফিটনেস ওয়াচের সাহায্যে ডাক্তারেরা প্রতিটা পেশেন্টের শারীরিক অবস্থা সম্পর্কে বিস্তারিতভাবে জেনে ভালোভাবে চিকিৎসা করতে পারছেন।

প্রচুর হেল্থকেয়ার ডেটা ঘেঁটে ML আরও নির্ভুলভাবে ট্রিটমেন্ট বের করে, পেশেন্টের স্টেটাস ভালোভাবে মনিটর করে এবং অটোমেট রুটিন প্রসেস ব্যবহার করে ডাক্তারদের নির্ভুলভাবে চিকিৎসা করতে সহায়তা করছে।

এছাড়াও, ইমার্জেন্সি ড্রাগ তৈরীর প্রক্রিয়াকে মেশিন লার্নিং অনেকটাই দ্রুত করে তুলেছে।

মেডিকেল ড্রাগ ট্রায়ালের ক্ষেত্রেও ML প্রতিটা পেশেন্টের জিন বিশ্লেষণ করে তাদের টার্গেটেড থেরাপি পেতে সাহায্য করছে।

৪. ফ্রড ডিটেকশন:

AI ব্যবহারের ফলে বিভিন্ন বড়-বড় কোম্পানিগুলো আগের তুলনায় প্রায় ৭০%-এর থেকেও কম সময়ের মধ্যে ফ্রড বা জালিয়াতির তদন্ত সম্পূর্ণ করতে পারে।

এছাড়াও, এই ML-এর কারণেই প্রতিবার ৯০% পর্যন্ত সময়ে নির্ভুলভাবে জালিয়াতি ধরা পড়ে যায়।

৫. রিটেইল:

AI অনুসন্ধানকারী ও ডেভেলপাররা ML অ্যালগরিদম ব্যবহার করে AI রেকমেন্ডেশন ইঞ্জিন তৈরী করছেন।

এর সাহায্যে বিভিন্ন অনলাইন কোম্পানিরা একেবারে সঠিকভাবে তাদের ক্রেতাদের কাছে সঠিক প্রোডাক্টের সাজেশন দিতে পারছে।

এই সাজেশনগুলো মূলত ক্রেতাদের পছন্দ, ভৌগোলিক অবস্থান, ঐতিহাসিক ও ডেমোগ্রাফিক ডেটার উপর নির্ভর করে।

এর ফলে, সার্বিকভাবে কোম্পানিগুলোর বিক্রি বৃদ্ধি পাচ্ছে।

এছাড়াও, ট্রাভেল ইন্ডাস্ট্রি এবং সোশ্যাল মিডিয়া প্ল্যাটফর্মগুলোতেও ব্যাপকভাবে মেশিন লার্নিং-এর ব্যবহার চোখে পড়ছে।

আমাদের শেষ কথা,,

আমাদের মেশিন লার্নিং নিয়ে লেখা আর্টিকেলটি এখানেই শেষ হল।

আশা করছি, মেশিন লার্নিং কি বা মেশিন লার্নিং বলতে কি বুঝায়, বিষয়টি আপনারা ভালো করে বুঝতেই পেরেছেন।

আর্টিকেলের সাথে জড়িত কোনো ধরণের প্রশ্ন বা পরামর্শ থাকলে নিচে কমেন্ট করে অবশই জানাবেন।

 

Leave a Comment

Your email address will not be published. Required fields are marked *

Scroll to Top