AGI থেকে ASI: Google DeepMind-এর সাম্প্রতিক পেপারের একটি সারাংশ
বেশিরভাগ মানুষ Artificial General Intelligence (AGI) নিয়ে উত্তেজনা বা ভয় নিয়ে কথা বলেন। Artificial Superintelligence (ASI) নিয়ে আলোচনা করা আরও কঠিন।
Google DeepMind-এর একটি নতুন পেপার আরও ভালো একটি প্রশ্ন তুলেছে। AGI কখন আসবে তা জিজ্ঞাসা করার পরিবর্তে, এটি জিজ্ঞাসা করে: AGI-এর পরে কী ঘটবে?
আমরা যদি মানুষের সক্ষমতার সমান AI তৈরি করি, তবে এটি কীভাবে ক্রমাগত উন্নত হতে থাকবে যতক্ষণ না এটি মানুষের বিশেষজ্ঞ দলগুলোর চেয়েও বেশি পারদর্শী হয়ে ওঠে?
ইঞ্জিনিয়ার এবং ডেভেলপারদের জন্য এখানে একটি সহজ বিশ্লেষণ দেওয়া হলো।
পার্থক্য
• AGI: এমন একটি AI সিস্টেম যা বিভিন্ন কাজে একজন গড়পড়তা মানুষের সমপর্যায়ে কাজ করতে পারে। এটি শিখতে পারে, যুক্তি দিতে পারে এবং বৈচিত্র্যময় সমস্যার সমাধান করতে পারে। • ASI: এমন একটি AI সিস্টেম যা প্রায় সব গুরুত্বপূর্ণ ক্ষেত্রে মানুষের বিশাল বিশেষজ্ঞ দলকেও ছাড়িয়ে যায়।
দাবা খেলায় একজন মানুষকে হারিয়ে দেওয়া মডেলটি ASI নয়। ASI হলো এমন একটি কৃত্রিম সিস্টেম যা গবেষণা ল্যাব এবং পুরো কোম্পানিকেও ছাড়িয়ে যেতে পারে।
কেন AI মানুষের চেয়ে ভিন্নভাবে স্কেল করে
মানুষের কিছু জৈবিক সীমাবদ্ধতা রয়েছে। আমরা নিজেদের কপি করতে পারি না বা আমাদের মস্তিষ্কের হাজার হাজার সংস্করণ সমান্তরালভাবে চালাতে পারি না। AI-এর ক্ষেত্রে এই সীমাবদ্ধতাগুলো নেই।
AI বেশ কিছু সুবিধা প্রদান করে:
- মেশিনের গতি: AI জৈবিক মস্তিষ্কের চেয়ে অনেক দ্রুত ডেটা প্রসেস করতে পারে।
- রিজনিং স্কেল: আপনি একটি মডেলকে দীর্ঘক্ষণ চিন্তা করার জন্য আরও বেশি compute দিতে পারেন অথবা অনেকগুলো ইনস্ট্যান্স সমান্তরালভাবে চালাতে পারেন।
- মেমরি: AI বিশাল ডেটাবেস এবং অসীম context windows-এর সাথে যুক্ত হতে পারে।
- ডুপ্লিকেশন: আপনি একজন দক্ষ AI গবেষকের লক্ষ লক্ষ কপি চালাতে পারেন।
ASI-তে পৌঁছানোর চারটি পথ
- Scaling: আরও বেশি ডেটা, আরও বেশি compute এবং উন্নত হার্ডওয়্যার ব্যবহার করা।
- Algorithmic shifts: নতুন আর্কিটেকচার, উন্নত মেমরি সিস্টেম বা আরও দক্ষ লার্নিং পদ্ধতি খুঁজে বের করা।
- Recursive self-improvement: AI নিজেই আরও উন্নত AI গবেষণা ও তৈরিতে সাহায্য করা। এটি একটি ফিডব্যাক লুপ তৈরি করে।
- Multi-agent systems: একটি বড় প্রতিষ্ঠানের মতো অনেকগুলো বিশেষায়িত AI এজেন্ট একসাথে কাজ করা।
কী আমাদের গতি কমিয়ে দিতে পারে?
অগ্রগতি নিশ্চিত নয়। বেশ কিছু প্রতিবন্ধকতা রয়েছে:
- ডেটার সীমাবদ্ধতা: আমাদের কাছে উচ্চমানের মানুষের তৈরি ডেটা শেষ হয়ে যেতে পারে।
- ভৌত সীমাবদ্ধতা: স্কেলিং করার জন্য প্রচুর পরিমাণে বিদ্যুৎ, চিপ এবং হার্ডওয়্যার প্রয়োজন।
- গবেষণার জটিলতা: AI যত উন্নত হবে, সমাধান করার সমস্যাগুলো তত কঠিন হতে পারে।
- মানুষের হস্তক্ষেপ: নিরাপত্তা, নিয়ন্ত্রণ এবং রাজনীতি উন্নয়নের গতি কমিয়ে দিতে পারে।
মূল কথা
AGI থেকে ASI-তে উত্তরণ কেবল একটি গবেষণার সমস্যা নয়। এটি একটি ইঞ্জিনিয়ারিং চ্যালেঞ্জ। এর সাথে ডিস্ট্রিবিউটেড সিস্টেম, অবকাঠামো এবং জটিল অর্কেস্ট্রেশন জড়িত থাকবে।
আপনি যদি একজন ডেভেলপার হন, তবে এই ক্ষেত্রগুলোতে মনোযোগ দিন:
- কীভাবে নির্ভরযোগ্য AI এজেন্ট তৈরি করতে হয়।
- কীভাবে অনেক এজেন্টের মধ্যে সমন্বয় করতে হয়।
- কীভাবে দীর্ঘমেয়াদী কাজগুলো মূল্যায়ন করতে হয়।
- কীভাবে নিরাপত্তা এবং নিয়ন্ত্রণ নিশ্চিত করতে হয়।
উৎস: https://dev.to/marrouchi/from-agi-to-asi-a-summary-of-google-deepminds-latest-paper-2ndd