একটি নরওয়েজিয়ান স্যামন ফার্মে পরীক্ষিত একটি সেলফ-সুপারভাইজড (self-supervised) AI সিস্টেম লক্ষণ প্রকাশ পাওয়ার তিন থেকে পাঁচ দিন আগেই রোগের সংকেত শনাক্ত করেছে, ছয় ঘণ্টা আগে পর্যন্ত ৯৪% নির্ভুলতার সাথে অক্সিজেনের মাত্রা কমে যাওয়ার পূর্বাভাস দিয়েছে এবং খাদ্যের অপচয় ২৩% কমিয়েছে। এই যুগান্তকারী সাফল্য দেখায় যে, অটোমেশন বা স্বয়ংক্রিয়করণকে বাধাগ্রস্ত করা বিশাল এবং হাতে লেবেল করা ডেটাসেটের সাহায্য ছাড়াই অ্যাকুয়াকালচার বা মৎস্য চাষে আগাম সতর্কতা পাওয়া সম্ভব।
কেন অ্যাকুয়াকালচারের একটি নতুন পদ্ধতির প্রয়োজন
মাছের খামারগুলো প্রতিনিয়ত পরিবর্তনশীল পরিবেশে অবস্থিত। ঋতুভিত্তিক জোয়ার-ভাটা, তাপমাত্রার ওঠানামা এবং আকস্মিক রাসায়নিক পরিবর্তন সেন্সর থেকে আসা ডেটা বা স্ট্রিমকে অস্পষ্ট এবং অসম্পূর্ণ করে তোলে। মাছের আচরণ এক মিনিটের ছোট মুহূর্ত থেকে শুরু করে মাসব্যাপী বৃদ্ধির চক্র পর্যন্ত বিস্তৃত হতে পারে। যখন রোগ আক্রমণ করে, তখন তা দ্রুত ছড়িয়ে পড়ে এবং পুরো মৌসুমের ফসল নষ্ট করে দিতে পারে। প্রতিটি অস্বাভাবিকতার জন্য পর্যাপ্ত লেবেলযুক্ত উদাহরণ সংগ্রহ করা অবাস্তব; কারণ রোগের প্রাদুর্ভাব বিরল, আর প্রতিটি পাখনা বা পানির রিডিং ট্যাগ করতে খামারের লাভের চেয়েও বেশি খরচ হয়ে যাবে।
সেলফ-সুপারভাইজড সমাধান
নতুন সিস্টেমটি একটি দ্বি-স্তরীয় আর্কিটেকচার ব্যবহার করে যা ডেটাকে নিজেই শিখতে সাহায্য করে।
ধাপ ১ – টেম্পোরাল এনকোডার (Temporal encoder)
একটি কন্ট্রাস্টিভ লার্নিং রুটিন সময়ের কাছাকাছি ঘটে যাওয়া পর্যবেক্ষণ থেকে "পজিটিভ" জোড়া এবং দূরে ঘটে যাওয়া পর্যবেক্ষণ থেকে "নেগেটিভ" জোড়া তৈরি করে। এর অভ্যন্তরীণ রিপ্রেজেন্টেশনে পজিটিভগুলোকে কাছাকাছি এনে এবং নেগেটিভগুলোকে দূরে সরিয়ে রাখার মাধ্যমে, এনকোডারটি মানুষের দেওয়া লেবেল ছাড়াই পুনরাবৃত্ত প্যাটার্নগুলো বের করে আনে।
ধাপ ২ – এমবডিড ডিসিশন এজেন্ট (Embodied decision agent)
শেখা প্যাটার্নগুলো একটি এজেন্টের কাছে পাঠানো হয় যা সিদ্ধান্ত নেয় কখন অক্সিজেনের মাত্রা পরিবর্তন করতে হবে, খাদ্যের সময়সূচী বদলাতে হবে বা সতর্কতা জারি করতে হবে। প্রতিটি কাজের ফলাফল এনকোডারে ফিডব্যাক হিসেবে ফিরে আসে, যা একটি নিরবচ্ছিন্ন লুপের মাধ্যমে প্যাটার্ন লাইব্রரியকে আরও উন্নত করে।
তিনটি প্রযুক্তিগত বাধা অতিক্রম করা
- ডেটার অনুপস্থিতি – ভাসমান খাঁচার সেন্সরগুলো প্রায়শই সংযোগ হারিয়ে ফেলে। একটি মাস্কড টেম্পোরাল এনকোডিং কৌশল মডেলটিকে ডেটার ফাঁকগুলো উপেক্ষা করতে শেখায়, যা নেটওয়ার্ককে ভুল সংকেত গ্রহণ করা থেকে বিরত রাখে।
- ভিন্ন ভিন্ন সময়সীমা – একটি মাল্টি-স্কেল এনকোডার দ্রুত পরিবর্তনশীল ভিডিও ফ্রেমের পাশাপাশি ধীরগতির রাসায়নিক রিডিং প্রসেস করে, যা স্বল্পমেয়াদী পরিবর্তন এবং দীর্ঘমেয়াদী প্রবণতা উভয়ই ধরতে পারে।
- পুরানো জ্ঞান ভুলে যাওয়া – নতুন ঋতু নতুন পরিস্থিতির সৃষ্টি করলে, ইলাস্টিক ওয়েট কনসোলিডেশন (elastic weight consolidation) পূর্ববর্তী শেখা প্যাটার্নগুলোকে সংরক্ষণ করে এবং একই সাথে মডেলটিকে খাপ খাইয়ে নিতে সাহায্য করে, যা ক্যাটাস্ট্রফিক ফরগেটিং (catastrophic forgetting) বা মারাত্মকভাবে ভুলে যাওয়া রোধ করে।
খামারিদের জন্য এই সংখ্যাগুলোর গুরুত্ব
- রোগের দ্রুত শনাক্তকরণ: তিন থেকে পাঁচ দিন আগে রোগ শনাক্ত করতে পারলে অপারেটররা আক্রান্ত খাঁচাগুলো আলাদা করতে, চিকিৎসা দিতে এবং রোগ ছড়ানো রোধ করতে পর্যাপ্ত সময় পান।
- অক্সিজেন ব্যবস্থাপনা: ৯৪% নির্ভুলতার সাথে অক্সিজেনের ঘাটতি সম্পর্কে পূর্বাভাস দিতে পারলে খামারগুলো আগেভাগেই পানিতে বাতাস চলাচলের ব্যবস্থা করতে পারে, যা স্ট্রেসজনিত কারণে মাছের মৃত্যু রোধ করে।
- খাদ্যের দক্ষতা: মাছের ক্ষুধার চক্রগুলো বুঝতে পারার ফলে খাদ্যের অপচয় প্রায় এক-চতুর্থাংশ কমেছে, যা খাদ্যের খরচ কমায় এবং পরিবেশগত দূষণ হ্রাস করে।
মূল কথা
সেলফ-সুপারভাইজড AI অস্পষ্ট এবং অসম্পূর্ণ সেন্সর ডেটাকে কার্যকর তথ্যে রূপান্তরিত করে, যা রোগ শনাক্তকরণের আগাম সতর্কতা, নিখুঁত অক্সিজেনের পূর্বাভাস এবং খাদ্যের উল্লেখযোগ্য সাশ্রয় নিশ্চিত করে—আর এর জন্য প্রতিটি ডেটা পয়েন্টে ব্যয়বহুল লেবেলিং করার প্রয়োজন হয় না। যে শিল্পটি সামান্য মুনাফার সাথে পরিবেশগত সুরক্ষার ভারসাম্য বজায় রাখে, তার জন্য এই সক্ষমতা মাছের খামারের কার্যপদ্ধতিকে আমূল বদলে দিতে পারে।