৬০ বার "ট্রায়াল অ্যান্ড এরর" এবং বিশ্বের শীর্ষস্থানীয় এআই ম্যাগাজিনে ভিয়েতনামের নাম আনার যাত্রা

(ড্যান ট্রাই) - ২০১৬ সালে, যখন লি সে-ডল আলফাগোর কাছে হেরে যান, তখন পিএইচডি ছাত্র ট্রান তিয়েন কং নীরবে স্ক্রিনের দিকে তাকিয়ে নিজেকে জিজ্ঞাসা করেন: "যদি মেশিনগুলি মানুষকে ছাড়িয়ে যায়, তাহলে আমি কী করব?"

Báo Dân trí•10/11/2025

২০১৬ সালে, কিংবদন্তি গো খেলোয়াড় লি সে-ডল যখন কৃত্রিম বুদ্ধিমত্তা ব্যবস্থা আলফাগোর কাছে পরাজিত হন তখন বিশ্ব হতবাক হয়ে যায়।

তরুণ ট্রান তিয়েন কং - তখন কোরিয়ার একজন স্নাতক ছাত্র - এই ঘটনাটি তাকে অনেক দিন ধরে ভাবতে বাধ্য করেছিল কারণ সে বুঝতে পেরেছিল যে মানুষের বুদ্ধিমত্তা এবং যন্ত্রের মধ্যে সীমানা ম্লান হয়ে যাচ্ছে।

"কৃত্রিম বুদ্ধিমত্তার বিস্ফোরণ প্রত্যক্ষ করবে এমন একটি যুগের সাথে তাল মিলিয়ে চলার জন্য আমার কী দরকার?", কং নিজেকে জিজ্ঞাসা করলেন।

ভিয়েতনামী পিএইচডি শিক্ষার্থীদের টার্নিং পয়েন্টটি এসেছিল একজন কোরিয়ান গো খেলোয়াড়ের এআই-এর কাছে পরাজিত হওয়ার ঘটনা থেকে ( ভিডিও : মিন নাট - থুওং হুয়েন)।

মাল্টি-এজেন্ট সিস্টেম এবং রোবোটিক্সের পটভূমি থেকে, তিনি মেশিন লার্নিং, কম্পিউটার ভিশন এবং বৃহৎ ভাষার মডেলগুলিতে প্রবেশ করেন।

২০২১ সালে, ট্রান তিয়েন কং কম্পিউটার বিজ্ঞানে তার পিএইচডি থিসিস সফলভাবে রক্ষা করেন এবং ভিয়েতনামে ফিরে আসেন। তিনি বর্তমানে ডাক ও টেলিযোগাযোগ প্রযুক্তি একাডেমির কৃত্রিম বুদ্ধিমত্তা অনুষদের মেশিন লার্নিং বিভাগের প্রধান।

ক্লাসে, তিনি প্রায়শই ঐতিহাসিক ম্যাচটিকে AI-তে পরিবর্তনের গতির একটি প্রধান উদাহরণ হিসেবে স্মরণ করেন।

একাদশ জাতীয় দেশপ্রেমিক অনুকরণ কংগ্রেসে অংশগ্রহণকারী উন্নত মডেলরা

ডঃ ট্রান তিয়েন কং বর্তমানে ডাক ও টেলিযোগাযোগ প্রযুক্তি একাডেমির কৃত্রিম বুদ্ধিমত্তা অনুষদের মেশিন লার্নিং বিভাগের প্রধান।

২০২০-২০২৫ সময়কালে, তিনি মর্যাদাপূর্ণ আন্তর্জাতিক জার্নালে অনেক উচ্চ স্থান অধিকারী বৈজ্ঞানিক নিবন্ধের লেখক বা সহ-লেখক ছিলেন, বিশেষ করে SCIE জার্নালে প্রকাশিত ১৫টি নিবন্ধ, Q1 র‍্যাঙ্কিং সহ, অনেক প্রকাশনা এবং বিষয় যা দেশীয় এবং আন্তর্জাতিকভাবে অত্যন্ত প্রশংসিত, কৃত্রিম বুদ্ধিমত্তা, নেটওয়ার্ক বিজ্ঞান, মেশিন লার্নিং ইত্যাদি ক্ষেত্রে উচ্চমানের গবেষণায় ভিয়েতনামী বুদ্ধিমত্তার অংশগ্রহণ প্রদর্শন করে।

তার গবেষণার বিষয়গুলি কেবল একাডেমিকই নয় বরং এর উচ্চ ব্যবহারিক প্রয়োগও রয়েছে, যা আর্থ-সামাজিক উন্নয়ন এবং জীবনযাত্রার মান উন্নত করতে অবদান রাখে।

ডাঃ ট্রান তিয়েন কং বিজ্ঞান ও প্রযুক্তি মন্ত্রণালয়ের একাদশ জাতীয় দেশপ্রেমিক অনুকরণ কংগ্রেসে অংশগ্রহণকারী উন্নত মডেলদের একজন।

এআই-এর বিজয় সমগ্র বিশ্বকে চ্যালেঞ্জ জানায়

60 lần thử - sai và hành trình đưa tên Việt lên tạp chí AI hàng đầu thế giới - 1 — ২০১৬ সালে আলফাগোর বিপক্ষে খেলায় গো খেলোয়াড় লি সে-ডল (ছবি: গেটি)।

কোরিয়ায় আপনার গবেষণার দিক কোন ঘটনা বদলে দিয়েছে?

- স্কুলের প্রথম বছরে, যখন গো খেলোয়াড় লি সে-ডলকে গুগলের তৈরি একটি কৃত্রিম বুদ্ধিমত্তা ব্যবস্থা আলফাগোর কাছে পরাজিত করে, তখন সবকিছু বদলে যায়। এটা অবশ্যই জানা উচিত যে সেই সময়ে, গো খেলোয়াড় লি সে-ডল ছিলেন কোরিয়ার গর্ব, যেখানে গোকে বিশ্বের সবচেয়ে জটিল বৌদ্ধিক খেলাগুলির মধ্যে একটি হিসাবে বিবেচনা করা হয়।

সেই সময়ে, কেবল কোরিয়া নয়, সমগ্র বিশ্ব এটিকে বিজ্ঞান ও প্রযুক্তির ক্ষেত্রে একটি মর্মান্তিক ঘটনা বলে মনে করেছিল। ১০ বছর আগে, কৃত্রিম বুদ্ধিমত্তা ভবিষ্যতে বিজ্ঞান এবং জীবনের অনেক ক্ষেত্রেই বিকশিত হতে এবং গভীর প্রভাব ফেলতে দৃঢ়প্রতিজ্ঞ ছিল।

অনেক কোরিয়ান গবেষণা ল্যাব কৃত্রিম বুদ্ধিমত্তার গবেষণা এবং উন্নয়নের দিকে তাদের মনোযোগ সরিয়ে নিয়েছে। আমি কৃত্রিম বুদ্ধিমত্তা, মেশিন লার্নিং, গ্রাফ গবেষণা, বৃহৎ নেটওয়ার্কগুলিতে ডেটা অনুসন্ধানের জন্য কৃত্রিম বুদ্ধিমত্তার প্রশিক্ষণের উপর বেশি মনোযোগ দিই।

গো জিতে থেমে থাকা নয়, কৃত্রিম বুদ্ধিমত্তা এখন অনেক কঠিন সমস্যার সমাধান করতে পারে, বিভিন্ন খেলা এবং প্রতিযোগিতায় মানুষকে পরাজিত করতে পারে। এটি দেখায় যে গত দশকে কৃত্রিম বুদ্ধিমত্তা কত দ্রুত এবং অসাধারণভাবে বিকশিত হয়েছে।

একই সাথে, ভিয়েতনাম কীভাবে প্রযুক্তি গ্রহণ করেছে?

- বিজ্ঞান ও প্রযুক্তির প্রবাহের বাইরে ভিয়েতনাম নয়। ২০২১ সালে যখন আমি দেশে ফিরে শিক্ষকতা শুরু করি, তখন অনেক ব্যক্তি এবং গবেষণা ইউনিট ইতিমধ্যেই প্রযুক্তি স্থানান্তর পেয়েছে এবং কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রে তত্ত্ব এবং ব্যবহারিক প্রয়োগ উভয় ক্ষেত্রেই তাদের গভীর প্রকাশনা রয়েছে।

বর্তমানে, তথ্য প্রযুক্তি এমন একটি শিল্প যেখানে সর্বদা উচ্চমানের মানব সম্পদের প্রয়োজন হয়। অনেক শিক্ষার্থী তাদের স্কুল জীবন থেকেই চাকরি করে। এটি দেখায় যে এই শিল্পে অনেক সুযোগ রয়েছে, তবে চ্যালেঞ্জও রয়েছে কারণ প্রযুক্তি প্রতিদিন পরিবর্তিত হচ্ছে এবং উন্নত হচ্ছে।

৬০ বার ট্রায়াল, ত্রুটি এবং পুনরাবৃত্তি

কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রে এখন পর্যন্ত আপনার সবচেয়ে অর্থবহ গবেষণা কাজ কোনটি?

- আমি একবার IEEE Transactions on Pattern Analysis and Machine Intelligence- এ প্রকাশিত একটি গবেষণা করেছিলাম - যা নেটওয়ার্ক বিশ্লেষণের কাজে লুকানো ডেটা খুঁজে বের করার বিষয় নিয়ে এই ক্ষেত্রের শীর্ষস্থানীয় জার্নাল হিসেবে বিবেচিত হত, গ্রাফে তথ্য খুঁজে বের করে, সেখান থেকে লুকানো তথ্য অনুসন্ধান এবং অনুমান করে।

ধরুন আমরা একটি চ্যাটবটকে জিজ্ঞাসা করি "লেকের তীর কোথায়?"। আমরা যদি হ্যানয়ে থাকি, তাহলে "লেকের তীর" বলতে হোয়ান কিয়েম হ্রদ বোঝানো হবে, কিন্তু যদি আমরা দা লাতে থাকি, তাহলে "লেকের তীর" বলতে জুয়ান হুওং হ্রদ বোঝানো হবে। যখন আমরা তথ্য অনুসন্ধান করি, তখন ইনপুটে ডেটা এবং প্রসঙ্গের অভাব কম্পিউটারকে ভুল করতে বাধ্য করবে।

আমার গবেষণার মূল লক্ষ্য হলো বিভিন্ন উৎস থেকে তথ্য কীভাবে অনুসন্ধান এবং একত্রিত করে সবচেয়ে সঠিক ফলাফল পাওয়া যায় তার সমাধান করা। "হ্রদের তীরে" উদাহরণ ব্যবহার করে, ব্যবহারকারী যদি হ্রদের তীরের দূরত্ব গণনা করতে চান, তাহলে কৃত্রিম বুদ্ধিমত্তা লুকানো তথ্য অনুমান করতে পারে এবং পূর্ববর্তী চ্যাট থেকে ব্যবহারকারী হ্যানয় বা দা লাতে আছেন কিনা তা অনুমান করতে পারে, চ্যাটবট সঠিক উত্তর দেবে।

- তোমার গবেষণা কেমন হয়েছে?

আমি ৩ বছর ধরে সেই গবেষণাটি করেছি, এবং গবেষণা, পর্যালোচনা, সম্পাদনা এবং প্রকাশের জন্য দীর্ঘ সময় লেগেছিল বলে এটি ২০১৯ সাল পর্যন্ত প্রকাশিত হয়নি। কৃত্রিম বুদ্ধিমত্তা এবং কম্পিউটার বিজ্ঞানের ক্ষেত্রে বেশিরভাগ গবেষণাই এরকম। গবেষণা প্রক্রিয়া সর্বদা "পরীক্ষা - ত্রুটি - পুনরাবৃত্তি"।

আমার মনে আছে আমি ৬০ বার সেই "চক্র" পুনরাবৃত্তি করেছি। প্রতিবার ভিন্ন নমুনা দিয়ে, প্রতিবার ভিন্ন পরীক্ষার পদ্ধতি দিয়ে। আমি কেবল যুক্তি দিয়েই থেমে থাকিনি, আমি সঠিকভাবে গণনা করেছি কিনা তা পরীক্ষাও করতে হয়েছিল।

এই বিষয়ের জন্য, আমাকে একটি উপযুক্ত অ্যালগরিদম তৈরি করতে হবে, তারপর লুকানো তথ্য খুঁজে বের করার জন্য AI-কে প্রশিক্ষণ দিতে হবে। যদি ফলাফল সন্তোষজনক না হয়, তাহলে আমি উপযুক্ত অ্যালগরিদম খুঁজে বের করার জন্য এটি উন্নত করব। এই গবেষণার সৌন্দর্য হল এটি একেবারে সঠিক ফলাফল দেয় না, তবে কয়েক ডজন পরীক্ষা এবং ত্রুটির পরেই সবচেয়ে উপযুক্ত অ্যালগরিদম খুঁজে পেতে পারে।

সাধারণ গবেষণা ডেস্কের জন্য নয়।

কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রে, গবেষকদের কি মৌলিক তত্ত্বের চেয়ে ব্যবহারিক প্রয়োগের উপর বেশি মনোযোগ দেওয়া উচিত?

- একটি সাধারণ ভুল ধারণা রয়েছে যে সাধারণ, তাত্ত্বিক গবেষণা নির্দিষ্ট কেস স্টাডির মতো প্রযোজ্য নয়। প্রকৃতপক্ষে, শীর্ষ জার্নালে প্রকাশিত নিবন্ধগুলি প্রায়শই সাধারণ গবেষণা যা অনেক ক্ষেত্রে প্রয়োগ করা যেতে পারে।

উপরে লুকানো তথ্য কীভাবে অনুসন্ধান করতে হয় তা নিয়ে গবেষণা করার উদাহরণ গ্রহণ করে, কেবল চ্যাটবটই প্রয়োগ করা যায় না, বরং আমরা সামাজিক নেটওয়ার্কগুলিতে লুকানো গোষ্ঠীগুলি ট্র্যাক করতেও এটি ব্যবহার করতে পারি, যা বিভিন্ন ক্ষেত্রে প্রয়োগ করা যেতে পারে।

আজকাল, কৃত্রিম বুদ্ধিমত্তা কেবল সাধারণ বিজ্ঞান ও প্রযুক্তি ক্ষেত্রেই সীমাবদ্ধ নয়, অনেক ক্ষেত্রেই প্রয়োগ করা হয়। অতএব, কৃত্রিম বুদ্ধিমত্তার ভিত্তি, তত্ত্ব, তথ্য... ব্যবহারিক জরিপ এবং কার্যকর প্রয়োগের সাথে একত্রিত করা গবেষণার ভূমিকা এবং ব্যবহারিকতাকে শক্তিশালী করবে।

গবেষণা প্রস্তাবনা তৈরির সময় যে প্রশ্নগুলি খুব সহজ বলে মনে হয় যেমন: মডেল এবং তথ্য কীভাবে জরিপ করা যায়? কেউ কি আগে এই গবেষণাটি করেছেন? আমরা কীভাবে পূর্ববর্তী তথ্য থেকে শিখতে এবং তুলনা করতে পারি?... একজনের গবেষণাকে আরও গভীর করতে ভূমিকা পালন করে।

আপনার মতে, কম্পিউটার বিজ্ঞান এবং তথ্য প্রযুক্তি গবেষণার কোন দিকগুলিতে আরও বেশি বিনিয়োগের উপর জোর দেওয়া উচিত?

- সাম্প্রতিক বছরগুলিতে, সুযোগ-সুবিধা এবং অবকাঠামো উন্নত এবং আপগ্রেড করা হয়েছে, যা ইউনিট এবং ব্যক্তিদের জন্য কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রে গবেষণার জন্য অনুকূল পরিস্থিতি তৈরি করেছে। যদি সরঞ্জাম এবং আধুনিক গবেষণাগারে আরও বিনিয়োগ করা হয়, তাহলে গবেষকরা আরও পণ্য, অ্যাপ্লিকেশন এবং প্রতিবেদন তৈরি করতে সক্ষম হবেন।

উপরন্তু, আমাদের ডাটাবেস পরিষ্কার করা হচ্ছে, একটি ডেটা গুদাম তৈরি করা হচ্ছে যাতে গবেষকরা মানসম্পন্ন মডেলদের প্রশিক্ষণের জন্য একটি উৎস পান।

তথ্য প্রযুক্তির মতো দ্রুত আপডেট হওয়া একটি শিল্পে, সদ্য সম্পন্ন গবেষণা পুরানো হতে পারে অথবা বাস্তবতার সাথে তাল মিলিয়ে চলতে পারে না। অনেক প্রয়োগিক গবেষণা তাৎক্ষণিকভাবে বাস্তবতায় প্রয়োগ করা যেতে পারে কিন্তু প্রযুক্তিতে দ্রুত পরিবর্তনের সম্মুখীন হবে, যার ফলে টেকসইতা এবং বিস্তারে অসুবিধা হবে। কৃত্রিম বুদ্ধিমত্তা আয়ত্ত করতে, আমাদের গভীর গবেষণা করতে হবে এবং ভিয়েতনামে মূল প্রযুক্তি আনতে হবে।

আপনাকে অনেক ধন্যবাদ!