নাচি নাচি মৌমাছি থেকে কমপিউটিশনাল বুদ্ধিমত্তা

কৃত্রিম বুদ্ধিমত্তা (Artificial Intelligence) শুরুটা হয়েছিল সেই ১৯৫০ সালে যখন এলান টুরিং তার বিখ্যাত প্রকাশনা ‘কমপিউটিং মেশিনারি অ্যান্ড ইন্টেলিজেন্স’ প্রকাশ করেন। কৃত্রিম বুদ্ধিমত্তার ধারণাটা প্রথম আসে এই শাখার অন্যতম জনক John McCarthy-এর মাথায়, যিনি প্রথম ১৯৫৫ সালে এই নামটি প্রচলন করেন এবং সংজ্ঞায়িত করেন ‘বিজ্ঞান ও প্রকৌশলের মাধ্যমে বুদ্ধিমান যন্ত্র বানানো’। কৃত্রিম বুদ্ধিমত্তার লক্ষ্য হচ্ছে কমপিউটার মেশিনারির সাহায্যে মানুষের বুদ্ধিমত্তার স্বয়ংক্রিয় প্রতিরূপ, প্রাপ্তি বা অনেক ক্ষেত্রে এই ক্ষমতাকে ছাপিয়ে যাওয়ার প্রচেষ্টা। ক্ষমতাকে ছাপিয়ে যাওয়ার প্রচেষ্টা সংজ্ঞাটি জোরালো করেছিলেন এলেন রিক এবং কেভিন নাইট ১৯৯১ সালে তাদের বহুল পঠিত ‘কৃত্রিম বুদ্ধিমত্তা’ নামে বইয়ে। যার অব্যাহত প্রচেষ্টা চলে আসছে গত ছয় বছর ধরে গবেষণা এবং প্রোগ্রামারদের আন্তরিক প্রচেষ্টার সমন্বয়ে। দর্শন বা মনোবিজ্ঞানে যেমন মানুষের বুদ্ধিমত্তার বিভিন্ন দিক নিয়ে আলোচনা করা হয়, কৃত্রিম বুদ্ধিমত্তাতেও এগুলো কাজে লাগিয়ে চিন্তা করা হয় বুদ্ধিমান প্রতিরূপ তৈরির। এরই পথ ধরে আবিষ্কৃত হয়েছে যন্ত্রের কমপিউটিং, মেশিন, বুদ্ধিমত্তা, নিউরাল নেটওয়ার্ক, যন্ত্রশিক্ষণ (machine learning) এবং ট্রান্সলেশন, ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসসিং, যন্ত্রের সাহায্যে অনুবাদ বা ভাষান্তর ট্রান্সলেশন (machine translation), এক্সপার্ট সিস্টেম, নলেজ বেজ সিস্টেম, ফাজি লজিক অ্যান্ড সিস্টেমস (Fuzzy Logic and Systems), জেনেটিক্স অ্যালগরিদম এ রকম অসংখ্য অ্যালগরিদম কৃত্রিম বুদ্ধিমত্তার ফ্ল্যাগশিপ হিসেবে কাজ করছে।

কৃত্রিম বুদ্ধিমত্তা আনুষ্ঠানিকভাবে বাজারে আসে ২০১৩ সালে। স্বয়ংক্রিয় গাড়ি, অত্যাধুনিক ভিশন সিস্টেম, ভার্চুয়াল কাস্টমার চ্যাটবোট, স্মার্ট পার্সোন্যাল এজেন্ট এবং ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং হচ্ছে বাজার তাড়িত কৃত্রিম বুদ্ধিমত্তা, গুগল এবং বাইদুর নিজ নিজ দেশের রাস্তায় ড্রাইভারবিহীন গাড়ি এবং কৃত্রিম নেতা তৈরির মতো প্রকল্পগুলো কৃত্রিম বুদ্ধিমত্তা, রোবোটিক, ইন্টেলিজেন্ট এজেন্ট, ডিজিটাল ওয়ার্কফোর্স বিষয়গুলোর সাথে জড়িত এবং বাজার তাড়িত কৃত্রিম বুদ্ধিমত্তার রূপকল্প। স্মার্টফোনগুলোতে আজকাল মানুষ এর পছন্দসই সামগ্রী দিয়ে প্রত্যেক দিন আমন্ত্রণ জানাচ্ছে তাদের ওয়েবপেজ পোর্টাল কাস্টোমাইজেশনের মাধ্যমে। যেকোনো দিন গুগল অনুবাদ করে পৃথিবীর সব প্রফেশনাল অনুবাদকের চেয়ে অনেক বেশি। পিটার নরভিগ যিনি গুগলের রিসার্চ বিভাগের প্রধান, তিনি ২০০২ সালের একটি প্রবন্ধে লিখে বলেন, গুগল ৬৫-এর চেয়ে বেশি ভাষা অনূদিত করতে পারে, উভয় দিকে এবং দুটো জোড়া শব্দের ক্ষেত্রে ৪ হাজার সম্ভাব্যতা ধরে। আমরা যে ই-মেইল প্রতিদিন ইনবক্সে দেখতে পাই, এর ৯০ শতাংশ কিন্তু স্পাম মেইল হওয়ার কথা। কিন্তু এখানেও সেই যন্ত্রশিক্ষণের তথা মেশিন লার্নিংয়ের প্রয়োগ। মেশিন কিন্তু লেবেল করে দিচ্ছে, স্পাম অ্যান্ড লেজিটিমেট মেইলগুলো কোনটা হবে। আমরা যখন (AI) মানুষের মনের প্রতিরূপ নিয়ে কাজ করি, তখন এটিকে বলা হয় প্রগাঢ়  (Strong) AI। আর অনুগ্র (Weak) AI হচ্ছে মেশিনের মধ্যে বুদ্ধিমত্তা দিতে হলে মেশিনের মধ্যে কী কী বৈশিষ্ট্যের প্রয়োগ দেখাতে হবে। আজকে আমরা অনুগ্র AI-এর একটি দিক ইভল্যুশনারি অ্যালগরিদমগুলো নিয়ে আলোচনা করছি।

ইভল্যুশনারি অ্যালগরিদমগুলো হচ্ছে হিউরিস্টিক উপায়ে সমস্যার সমাধান বের করার কৌশল, যেগুলো পলিনমিয়াল সময়ে সমাধান করা যায় না, আবার exhaustive সার্চের মতো যেগুলোকে আমরা বলে থাকি NP-Hard সমস্যা। এই হিউরিস্টিক সার্চ আবার কী? হিউরিস্টিক সার্চ কিন্তু সর্বোৎকৃষ্ট সমাধান নিশ্চিত করে না, আপাতদৃষ্টিতে এটা একটা ভালো সমাধান দেয় মাত্র। এখানে হিউরিস্টিক ফাঙ্কশন নির্ধারণ করে সমাধানগুলো কত ভালো তার একটা পর্যায়ক্রমিক ক্রমমান (Rank) করে দিতে। Exhaustive সার্চ এড়াবার জন্য আমরা অনেক সময় সমস্যার সর্বোত্তম অনুকূল পর্যায়ের (অপ্টিম্যাল আরম্ভিক পর্যায়) খোঁজ করি হিউরিস্টিক ফাঙ্কশন দিয়ে যেটি অরৈখিক (ননলিনিয়ার) স্থানীয় (লোকাল) সমাধানের ক্ষেত্রে অনেক সমাধানের মধ্যে

একটি ভালো সমাধান হতে পারে। সর্বোত্তম অনুকূল পর্যায়টা হচ্ছে যেখান থেকে সমস্যার সমাধান প্রক্রিয়া শুরু করলে সমাধান বা লক্ষ্যে পৌঁছানো সম্ভব হয় অনেক কম সময়ে বা কম স্পেস নিয়ে, যেখানে Exhaustive সার্চের মতো সব সমাধান নিয়ে ঘাঁটাঘাঁটি করতে হবে না, যেটা সব কমপিউটার বিজ্ঞানীদের লক্ষ্য সার্চ কমপ্লেক্সিটি বা স্পেস কমপ্লেক্সিটির উন্নয়ন।

ইভল্যুশনারি অ্যালগরিদমগুলো সাধারণত একটি বংশগতির জনগোষ্ঠী, যেটা কোনো সমস্যার প্রাথমিক সমাধান হিসেবে গৃহীত হয় এবং সেগুলো পরস্পরের মাধ্যমে মিথষ্ক্রিয়ার মাধ্যমে পরিবর্তন ঘটানো এবং তারপর তাদের আবার এক করা হয়। এরপর পর্যবেক্ষণ করা হয় সেগুলোর মধ্যে কতগুলো সমাধান গ্রহণযোগ্য হয়। খুবই পরিচিত ইভল্যুশনারি অ্যালগরিদম হচ্ছে জেনেটিক অ্যালগরিদম, জেনেটিক প্রোগ্রামিং, বিবর্তন কৌশল, বিবর্তন (ইভল্যুশন) প্রোগ্রামিং এবং ডিফারেন্সিয়াল বা ব্যবকলন সমাধান। ইভল্যুশনারি অ্যালগরিদমগুলোর মধ্যে সোয়ার্ম ইন্টেলিজেন্সের প্রায়োগিক পদ্ধতি দিয়ে প্রাণিকুলের রহস্যময়তা তুলে ধরছি।

সোয়ার্ম ইন্টেলিজেন্স সংক্ষেপে এক কথায় বলতে আমরা পতঙ্গকুলের সমষ্টিগত স্ব- সংগঠন, কিন্তু বিকেন্দ্রীভূত আচরণকে প্রকাশ করে। ১৯৯০ সালের দিকে একদল বিজ্ঞানীগবেষকদের দৃষ্টি নিবদ্ধ হয়েছিল পতঙ্গকুলের এবং মাছের, পাখিদের ঝাঁকের সংঘবদ্ধ আচরণের দিকে। পতঙ্গকুলের এবং মাছের, পাখিদের দলের মধ্যে কি মানুষের বুদ্ধিমত্তা খুঁজে পাওয়া যাবে? হ্যাঁ, ঠিক সে রকম আচরণ থেকে উদ্ভব নতুন কৃত্রিম বুদ্ধিমত্তার একটি শাখা সোয়ার্ম ইন্টেলিজেন্স। কমপিউটিং ইন্টেলিজেন্সের একটি গবেষণার শাখা কৃত্রিম বুদ্ধিমত্তার হাত ধরে এভাবে এলো। কৃত্রিম বুদ্ধিমত্তার সর্বাধিক জনপ্রিয় বই ‘Artificial Intelligence: A Modern Approach’-এর লেখক স্টুয়ার্ট রাসেল এবং পিটার নরভিগের মতে, বুদ্ধিমান প্রতিনিধি ((Intelligent agent) একটি ডাটা কাঠামোর আদলে কমপিউটার প্রোগ্রামের বিমূর্ত ক্রিয়ামূলক পদ্ধতি (অবস্ট্রাক্ট ফাঙ্কশনাল সিস্টেম) যেটি এর পারিপার্শ্বিক অবস্থা যাচাই করে এবং প্রতি পর্যায়ে সাফল্যের হারকে অগ্রসর করে। কমপিউটিশনাল বুদ্ধিমত্তা আসলে প্রাকৃতিক (natural) প্রকৃতিপ্রবণতা এবং জীববৈচিত্র্য (bio-inspired) অনুপ্রাণিত কমপিউটিশনাল পদ্ধতি ব্যবহার করে এবং অভিব্যক্তিমূলক (ইভল্যুশনারি) কমপিউটিশনাল উপায়ে জটিল এবং অনিশ্চিত সমস্যার সমাধান দেয় সম্ভাব্যতার চরম উৎকর্ষতা (অপটিমাইজেশন) অনুসন্ধানের মাধ্যমে। অভিব্যক্তিমূলক গণনা সাধারণত দুইভাবে সংগঠিত হয়। ধরুন, আপনি নির্দিষ্ট কিছু একক প্রজাতিকে বেছে নিলেন, পরিসংখ্যানের পরিভাষায় যাকে বলে এর মাধ্যমে। এরপর তাদেরকে পরস্পরের সাথে মিথষ্ক্রিয়া বিভিন্ন প্রজাতির বিবর্তনের মাধ্যমে বৈশিষ্ট্য পরিবর্তন এবং সমন্বয় করালেন (solution mutate and recombine)। এরপর যেটি যোগ্যতম সেটিকে সর্বোৎকৃষ্ট (অপ্টিমাল) সমাধান হিসেবে নির্বাচন করলেন।

সোয়ার্মের আভিনাধিক হচ্ছে সেই প্রাণিকুলকে বা পতঙ্গকুলকে বুঝি, যারা ঝাঁক বা দল বেঁধে একসাথে থাকে, যেমন মাংস, পাখি, পোকামাকড়। যেমন পিঁপড়ে, উইপোকা এবং মৌমাছির সমষ্টিগত আচরণ। প্রত্যেক পতঙ্গের স্বতন্ত্র আচরণ, যা কোনো নির্দিষ্ট নিয়মে বা অধীনে বাঁধা নয় এবং প্রত্যেক কার্যাবলী সম্ভাবতার সূত্র দিয়ে গাথা, যেটা পারস্পরিক অবস্থানের মাধ্যমে নির্ধারিত বা উপলব্ধ হয়। সোয়ার্ম ইন্টেলিজেন্স কিন্তু সমষ্টিগত আচরণ প্রকাশ করে বিকেন্দ্রীকরণ এবং স্ব-সংগঠন সোয়ার্মের জন্য। পরিচিত সোয়ার্ম বুদ্ধিমত্তার মধ্যে পড়ে পাখিকুল এবং কলোনির মৌমাছি এবং পিঁপড়েকুল। আমরা সোয়ার্ম কলোনিকে কৃত্রিম বুদ্ধিমত্তার একটি শাখা বহু-প্রতিনিধিদের ((Multi-agent System) সাথে তুলনা করতে পারি। কারাবোগা নামে একজন গবেষক ২০০৫ সালে প্রথম কৃত্রিম বহু-প্রতিনিধিদের কাঠামো কৃত্রিম মৌমাছির কলোনি (আর্টিফিসিয়াল বি কলোনি) সংক্ষেপে যাকে এবিসি অ্যালগরিদম নামে অভিহিত করলেন, যেখানে এজেন্টগুলো (প্রতিনিধি) পরস্পরের সাথে মিথষ্ক্রিয়া করে এবং পরিবেশের সাথে সম্পর্কোন্নয়ন করে। সোয়ার্ম ইন্টেলিজেন্সের একটি গুরুত্বপূর্ণ অংশ হচ্ছে কৃত্রিম মৌমাছির কলোনি অ্যালগরিদম, যা কমপিউটার বিজ্ঞানী, প্রকৌশলী, অর্থনীতিবিদ, বায়োইনফরমেটিক্সের গবেষক, অপারেশনাল রিসার্চারদের জন্য গুরুত্বপূর্ণ এবং এরপর থেকে এবিসি অ্যালগরিদম দিয়ে অনেক বাস্তব সমস্যার সমাধান হয়েছে।

যেমন বলা যায় রাউটিং, চলকের অপ্টিমাইজেশন, অপারেশনাল রিসার্চ, জব শিডিউলিংÑ এ রকম অনেক প্রায়োগিক ব্যবহারের কথা উল্লেখ্য। আসলে প্রকৃতির যে সমস্যাগুলো যেমন খাবার খোঁজা, শ্রম বিভাজন পতঙ্গের প্রকোষ্ঠগুলোর মধ্যে, বসতি খোঁজা আসলেই গুরুত্বপূর্ণ প্রায়োগিক ব্যবহারের ক্ষেত্রে। পিঁপড়ে (অ্যান্ট) কলোনি অপটিমাইজেশন এবং দলবদ্ধ পাখিকুলের আচরণ পর্যবেক্ষণ করে সোয়ার্ম অপটিমাইজেশন। এই দুই গবেষণা অনেক গবেষকদের আলোচনার বিষয় এবং অনেক শাখা মৌচাকের ক্ষেত্রে মৌমাছিরা বসতিবদ্ধ হয়ে একটি বড় পরিবার বা সমাজ গড়ে উঠবার অভিপ্রায়কে গণিতের মডেল হিসেবে গবেষণা করে।

সোয়ার্মগুলোর গতিবিধির ভিত্তিতে সোয়ার্মগুলোর বুদ্ধিমত্তা গবেষকেরা পর্যবেক্ষণ করেছেন। নিজস্ব- অভিযোজন একটি সোয়ার্ম সিস্টেম সংঘবদ্ধ ব্যবহারিক আচরণ যেখানে তারা পরস্পরের সাথে ভাব বিনিময় করে। বোনাবিউ নামে একজন কমপিউটার গবেষক ১৯৯৯ সালে তার গবেষণায় Swarm-এর মাধ্যমে নিজস্ব অভিযোজন এর চারটি বৈশিষ্ট্য পরিলক্ষিত হয়।

গঠনমূলক প্রতিক্রিয়া : সহজত কাঠামো উন্নীত করে কর্মী পিঁপড়েদের নিয়োগ এবং শক্তিবৃদ্ধি যেমন সারি গঠন এবং অনুসরণ গঠনমূলক প্রতিক্রিয়ার লক্ষণীয় দিক।

নেতিবাচক প্রতিক্রিয়া : গঠনমূলক প্রতিক্রিয়াকে প্রশমিত করা এবং যৌথ প্যাটার্নকে স্থির করে।

এলোমেলো উঠানামা : এলোমেলো সংগঠনগুলো দরকার সৃজনশীল বিকাশের কাজের প্যাটার্ন পাল্টানো, ইচ্ছেমতো কাজ বাছাই ভুল করা।

একাধিক মিথস্ক্রিয়া : সোয়ার্মের মধ্যে প্রতিনিধিগুলো পরস্পর তথ্য প্রদান করে এবং তথ্যগুলো ছড়াতে সাহায্য করে। এরপর সাথে অনেক বৈশিষ্ট্য আছে তাদের একই সময়ে একটি বিশেষজ্ঞ প্রতিনিধির দরকার হয় কাজ সুসম্পন্ন করার জন্য। এই বিশেষ বৈশিষ্ট্যগুলো প্রতিনিধিদের এক সময়ে কাজ সুসম্পন্ন করার ক্ষেত্রে শ্রম বিভাজনের একটি গুরুত্বপূর্ণ দিক এবং স্ব-সংগঠন বুদ্ধিমত্তার বহিঃপ্রকাশ। Millonus ১৯৯৪ সালে এ সম্পর্কে একটি গুরুত্বপূর্ণ তথ্য দেন