বিশেষজ্ঞরা সেমিকন্ডাক্টর চিপ তৈরিতে AI ব্যবহার করেন - ছবি: UMICH
৫ আগস্ট বিকেলে হো চি মিন সিটির বিজ্ঞান ও প্রযুক্তি বিভাগের ইনোভেশন সেন্টার কর্তৃক আয়োজিত "অর্ধপরিবাহী শিল্পে কৃত্রিম বুদ্ধিমত্তা (এআই) সমাধান" কর্মশালায় এটি একটি গুরুত্বপূর্ণ বিষয় ছিল।
বিশেষজ্ঞরা উৎপাদন পরিবেশে ব্যবহারিক বাস্তবায়ন ক্ষমতা খুঁজে বের করার উপর মনোনিবেশ করেছেন, যা আজ সবচেয়ে বড় বাধা হিসাবে বিবেচিত হয়।
অ্যাসেন্ডাস সিস্টেমসের প্রকৌশলী - বিশেষজ্ঞ ডুয়ং কোয়াং হুই বলেছেন যে আধুনিক উৎপাদন লাইনে, বিশেষ করে সেমিকন্ডাক্টর উৎপাদন লাইনে, উৎপাদনে ত্রুটি সনাক্ত করার জন্য এআই মডেলগুলির প্রয়োজন।
উদাহরণস্বরূপ, ইঞ্জিনিয়াররা নিউরাল নেটওয়ার্ক তৈরি, কল্পনা এবং সূক্ষ্ম-সুরকরণের জন্য ডিপ নেটওয়ার্ক ডিজাইনারের মতো সরঞ্জামগুলি ব্যবহার করতে পারেন, অথবা বিভিন্ন অ্যালগরিদম নিয়ে পরীক্ষা-নিরীক্ষা করতে এবং বাস্তব-বিশ্বের ডেটাসেটের সাথে সবচেয়ে উপযুক্ত মডেলটি বেছে নিতে ক্লাসিফিকেশন লার্নারের মতো সরঞ্জামগুলি ব্যবহার করতে পারেন।
মিঃ হুইয়ের মতে, প্রশিক্ষণ পরিবেশ থেকে বাস্তব উৎপাদন লাইনে মডেল স্থানান্তর করার সময় মডেলটি ল্যাবের মতো একই নির্ভুলতা বজায় রাখতে পারে কিনা তা নিয়েই সমস্যা।
কারণ অ্যালগরিদমগুলি একটি সিমুলেটেড পরিবেশে 99% নির্ভুলতা অর্জন করতে পারে, কিন্তু ঝলকানি, ধুলো, বা কোনও উপাদান সামান্য ঘোরানোর মতো সাধারণ কারণে অ্যাসেম্বলি লাইনে আসল পণ্যের ত্রুটিগুলি মিস করে।
"এআই বিকাশের চ্যালেঞ্জ অ্যালগরিদমের মধ্যে নয়, বরং ল্যাব থেকে বাস্তবতার মধ্যে রয়েছে," মিঃ হুই নিশ্চিত করেছেন।
বিশেষজ্ঞ ডুং কোয়াং হুই কর্মশালায় উপস্থাপনা করছেন - ছবি: ট্রং এনহান
বিশেষজ্ঞদের মতে, মৌলিক এবং নির্ধারক সমাধানগুলির মধ্যে একটি হল ইনপুট ডেটার মানসম্মতকরণ এবং সঠিক প্রশিক্ষণ ডেটাসেট তৈরি করা।
কারণ মডেল স্থাপনের বেশিরভাগ ত্রুটি অসঙ্গত ইনপুট ডেটা থেকে আসে, যেমন অতিরিক্ত এক্সপোজড, বিকৃত, বা ফোকাসের বাইরের ছবি, প্রশিক্ষণ পরিবেশ থেকে ভিন্ন আলোর অবস্থা, অথবা সামান্য স্থানচ্যুত উপাদান।
এই সমস্যা সমাধানের জন্য, বিশেষজ্ঞ ডুয়ং কোয়াং হুই প্রশিক্ষণের আগে ছবির ডেটা মানসম্মত করার পরামর্শ দেন, যার মধ্যে আলোর ভারসাম্য বজায় রাখা, কোণ সামঞ্জস্য করা, বৈসাদৃশ্য বৃদ্ধি করা এবং শব্দ অপসারণের মতো পদক্ষেপ অন্তর্ভুক্ত রয়েছে।
একই সময়ে, সরঞ্জাম ব্যবহার করে সঠিক লেবেলিং অথবা ম্যানুয়াল এবং স্বয়ংক্রিয় লেবেলিং এর সংমিশ্রণ মডেলটিকে অপ্রাসঙ্গিক বৈশিষ্ট্য দ্বারা বিরক্ত না হয়ে ত্রুটির প্রকৃত বৈশিষ্ট্যগুলি শিখতে সাহায্য করে।
অনুষ্ঠানে, নাভাগিসের কান্ট্রি ডিরেক্টর - বিশেষজ্ঞ ট্রান কিম ডুই ল্যান - এআই উন্নয়নের আরেকটি বৈপরীত্য তুলে ধরেন। একদিকে, এআই চিপ ডিজাইনের সময় ৩০% কমাতে এবং কারখানার উৎপাদনশীলতা ২৫% পর্যন্ত বৃদ্ধি করতে সাহায্য করতে পারে। অন্যদিকে, এআই পরিচালিত ডেটা সেন্টারগুলি ২০৩০ সালের মধ্যে বিশ্বব্যাপী বিদ্যুতের ২১% পর্যন্ত ব্যবহার করবে বলে আশা করা হচ্ছে।
সেই প্রেক্ষাপটে, মিঃ ল্যান ডিভাইসে কেন্দ্রীভূত এআই মডেল থেকে বিতরণকৃত মডেলগুলিতে স্থানান্তরের গুরুত্বের উপর জোর দেন, বিশেষ করে এজ এআই এবং অন-ডিভাইস এআই। টেকসইতা নিশ্চিত করার জন্য এটি একটি কৌশলগত প্রবণতা হিসাবে বিবেচিত হয়।
এজ এআই-এর মাধ্যমে, ডেটা সম্পূর্ণরূপে ক্লাউডে প্রেরণের পরিবর্তে, স্মার্ট ক্যামেরা, মাইক্রোকন্ট্রোলার বা এমবেডেড বোর্ডের মতো ডিভাইসেই প্রক্রিয়াজাত করা হয়। এটি ট্রান্সমিশন ব্যান্ডউইথ কমাতে পারে, পাশাপাশি লেটেন্সি কমাতে পারে, গোপনীয়তা বৃদ্ধি করতে পারে এবং সবচেয়ে গুরুত্বপূর্ণভাবে, মধ্যবর্তী প্রক্রিয়াকরণ পদক্ষেপগুলি বাদ দেওয়ার কারণে প্রতি কাজে বিদ্যুৎ খরচ ১০০-১,০০০ গুণ কমাতে পারে।
বিশ্বব্যাপী AI বাজারের আকার ১,৮১১ বিলিয়ন মার্কিন ডলারে পৌঁছেছে
সম্মেলনে, বিশেষজ্ঞরা AI-এর উন্নয়নের উপর সর্বশেষ প্রতিবেদনগুলিও আপডেট করেছেন, যেখানে ২০৩০ সালের মধ্যে বিশ্বব্যাপী বাজারের আকার ১,৮১১ বিলিয়ন মার্কিন ডলারে পৌঁছাবে বলে আশা করা হচ্ছে। ইতিমধ্যে, সেমিকন্ডাক্টর শিল্প একই সময়ে ১,০০০ বিলিয়ন মার্কিন ডলারে পৌঁছানোর লক্ষ্য নিয়েছে।
বর্তমানে, AI এবং সেমিকন্ডাক্টরের সংমিশ্রণকে নতুন শিল্প বিপ্লবের জন্য "দ্বৈত ধাক্কা" তৈরি করার কথা বিবেচনা করা হচ্ছে, বিশেষ করে যখন সক্রিয় AI, মাল্টি-মডেল AI এবং জেনারেটিভ এবং টেকসই AI এর প্রবণতাগুলি চিপ ডিজাইন, অপ্টিমাইজেশন এবং পরীক্ষার প্রয়োজনীয়তাগুলিকে পুনর্নির্মাণ করছে।
সূত্র: https://tuoitre.vn/ung-dung-ai-trong-day-chuyen-san-xuat-tuong-de-ma-kho-20250805160542772.htm
মন্তব্য (0)