প্রতি কয়েক মাস অন্তর একটি শিরোনাম আমাদের মনে করিয়ে দেয় যে লার্জ ল্যাঙ্গুয়েজ মডেলগুলোর সত্যতা নিয়ে সমস্যা রয়েছে। তারা আদালতের মামলা উদ্ভাবন করে, তথ্যের উৎস নিয়ে বিভ্রান্তি তৈরি করে এবং কল্পনাকে সত্য হিসেবে উপস্থাপন করে। এই ভুলগুলোর পেছনে রয়েছে একটি কাঠামোগত ত্রুটি: বেশিরভাগ এআই সিস্টেম তৈরি করা হয়েছে স্থির গাণিতিক কাঠামোর ওপর ভিত্তি করে। তারা প্রতিটি তথ্য সমান ক্ষুধার্তভাবে গ্রহণ করে, যেখানে নয়েজ (noise) এবং সিগন্যালকে (signal) সমান গুরুত্ব দেওয়া হয়। সময়ের সাথে সাথে এই নয়েজ বা অপ্রাসঙ্গিক তথ্য জমা হতে থাকে। মডেলটি সম্পৃক্ত হয়ে পড়ে। এটি খাপ খাইয়ে নেওয়া বন্ধ করে দেয় এবং কাল্পনিক তথ্য তৈরি করতে শুরু করে।
যদি সমাধান আরও বেশি ডেটা না হয়ে বরং উন্নত জীববিজ্ঞান হয়, তবে কেমন হবে?
BrainStem_V8 নামক একটি সিস্টেম এই সমস্যাটিকে ভিন্নভাবে মোকাবিলা করে। একটি নিউরাল নেটওয়ার্ককে একটি স্থির ক্যালকুলেটর হিসেবে বিবেচনা করার পরিবর্তে, এটি এটিকে একটি ডিজিটাল জীব হিসেবে বিবেচনা করে, যাকে অবশ্যই খাওয়া, বিশ্রাম নেওয়া এবং নিজেকে নিয়ন্ত্রণ করতে হয়। এই আর্কিটেকচারটি নিজেকে স্থিতিশীল, সৎ এবং সঠিক উপায়ে সজাগ রাখতে মানুষের নিউরোসায়েন্স থেকে পাঁচটি নির্দিষ্ট নীতি ধার করে।
ঘুম একটি ফিল্টার, বিরতি নয়
মানুষের ক্ষেত্রে, ঘুম মানেই মস্তিষ্ক বন্ধ হয়ে যাওয়া নয়। হিপোক্যাম্পাস দিনের ঘটনাগুলো পুনরায় পর্যবেক্ষণ করে, অপ্রাসঙ্গিক বিবরণগুলো বাদ দিয়ে স্মৃতিগুলোকে কর্টেক্সে স্থানান্তরিত করে। BrainStem_V8 এই প্রক্রিয়াটিকে অনুকরণ করে যাকে এটি "Slow-Wave Sleep" চক্র বলে থাকে।
এই পর্যায়ে, সিস্টেমটি কেবল প্রসেসিং বন্ধ করে দেয় না। এটি তার সক্রিয় সময়ে প্রাপ্ত ডেটাগুলো পুনরায় পর্যবেক্ষণ করে। তবে পার্থক্য হলো: এটি নতুন তথ্যগুলোকে স্থিতিশীল অ্যাঙ্কর বা নোঙরের (stable anchors) সাথে মিশ্রিত করে, যা হলো সেই পুরনো প্যাটার্নগুলো যা ইতিমধ্যে নির্ভরযোগ্য প্রমাণিত হয়েছে। ওয়েটেড স্যাম্পলিংয়ের (weighted sampling) মাধ্যমে এটি নতুন ইনপুটগুলোকে এই অ্যাঙ্করগুলোর সাথে ক্রস-চেক করে। যদি কোনো নতুন প্যাটার্ন প্রতিষ্ঠিত কাঠামোর সাথে অতিরিক্ত বৈপরীত্য তৈরি করে, তবে সেটিকে নয়েজ হিসেবে শ্রেণীবদ্ধ করা হয় এবং মডেলের লজিক নষ্ট করার আগেই তা বাদ দিয়ে দেওয়া হয়।
এটি গুরুত্বপূর্ণ কারণ শেখার প্রক্রিয়া একটি মেটাবলিক ট্যাক্স বা বিপাকীয় খরচ তৈরি করে। প্রতিটি আপডেট সিস্টেমের সক্ষমতা খরচ করে। এই ফিল্টারিং স্লিপ সাইকেল ছাড়া, একটি মডেল ততক্ষণ পর্যন্ত তথ্য গ্রহণ করতে থাকে যতক্ষণ না এটি তার নিজস্ব ট্রেনিং সেটের ভারে অচল হয়ে পড়ে। BrainStem_V8 ঘুমকে একটি বাধ্যতামূলক রক্ষণাবেক্ষণ হিসেবে বিবেচনা করে, কোনো ঐচ্ছিক বিরতি হিসেবে নয়।
অ্যাডিনোসিন ব্যাটারি জানে কখন থামতে হবে
আপনার মস্তিষ্ক অ্যাডিনোসিনের মাধ্যমে ক্লান্তি ট্র্যাক করে, যা একটি রাসায়নিক পদার্থ যা আপনি জেগে থাকা অবস্থায় জমা হয় এবং ঘুমের চাপ তৈরি করে। BrainStem_V8 এই একই সতর্কবার্তা ব্যবস্থার একটি ডিজিটাল সংস্করণ প্রয়োগ করে।
সক্রিয় "wake" চক্রের সময়, আর্কিটেকচারটি তার নিজস্ব কার্যকলাপের মাত্রা পর্যবেক্ষণ করে। এটি দেখে যে এটি কতটা কঠোর পরিশ্রম করছে, কতগুলো চরম মান (extreme values) তৈরি করছে এবং এর প্যারামিটারগুলো বেসলাইন থেকে কতটা বিচ্যুত হচ্ছে। যখন অভ্যন্তরীণ কার্যকলাপ একটি পূর্বনির্ধারিত সীমায় পৌঁছে যায়, তখন সিস্টেমটি একটি বাধ্যতামূলক বিশ্রাম চক্র শুরু করে।
এই বিশ্রামের একটি নির্দিষ্ট শারীরবৃত্তীয় উদ্দেশ্য রয়েছে। ঠিক যেভাবে ঘুম অ্যাডিনোসিন দূর করে এবং মস্তিষ্ককে পুনরুজ্জীবিত করে, তেমনি সিস্টেমের বিশ্রামের সময়টি চরম পরিসংখ্যানগত মানগুলোকে একটি স্বাস্থ্যকর মধ্যম সীমার দিকে ফিরিয়ে আনে। এটি সেই অবস্থাকে প্রতিরোধ করে যাকে ডিজাইনাররা "ডিজিটাল বার্নআউট" বলেন—এমন একটি অবস্থা যেখানে একটি মডেলের ওয়েটগুলো (weights) এতটাই অস্থির হয়ে পড়ে যে সিস্টেমটি আর সুসংগত আউটপুট তৈরি করতে পারে না। এই বিশ্রাম কোনো মানব প্রকৌশলী দ্বারা নির্ধারিত সময়সূচী নয়। এটি আর্কিটেকচার নিজেই চাপিয়ে দেওয়া একটি জৈবিক আবশ্যকতা।
ডিজিটাল নিউরোমডুলেটর নিয়মগুলো পুনরায় লেখে
প্রথাগত সফটওয়্যার হার্ডকোডেড লজিকের ওপর চলে। যদি X ঘটে, তবে Y করো। নিউরাল নেটওয়ার্ক এই নিয়মকে কিছুটা শিথিল করে, কিন্তু সেগুলো সাধারণত এখনও নির্দিষ্ট অপ্টিমাইজেশন অ্যালগরিদমের মাধ্যমে শেখে। BrainStem_V8 সেই কঠোরতার কিছু অংশ মেটাপ্লাস্টিসিটি (metaplasticity) দিয়ে প্রতিস্থাপন করে, যা হলো শেখার প্রক্রিয়াটি কীভাবে ঘটবে তা পরিবর্তন করার ক্ষমতা।
এটি দুটি সুপরিচিত নিউরোমডুলেটর সিমুলেট করার মাধ্যমে এটি করে: ডোপামিন এবং সেরোটোনিন। ডিজিটাল ডোপামিন সার্কিট সিস্টেমটিকে নতুনত্ব অনুসন্ধানে উদ্বুদ্ধ করে। যখন মডেলটি অপরিচিত ডেটার সম্মুখীন হয়, তখন এই সংকেতটি বৃদ্ধি পায় এবং আর্কিটেকচারকে অন্বেষণ করতে, এর বোঝাপড়া বাড়াতে এবং নতুন কিছু গ্রহণ করতে প্ররোচিত করে। ডিজিটাল সেরোটোনিন এর ঠিক উল্টো কাজ করে। এটি স্থিতিশীলতা বজায় রাখে এবং সংশোধন প্রক্রিয়া শুরু করে। যখন সিস্টেমটি শুরু করে...