মেশিন লার্নিং কি এবং কেন শিখবো !

283

শিরোনাম থেকেই নিশ্চইয় বুঝে গিয়েছেন আজকে আমরা মেশিন লার্নিং নিয়ে কথা বলবো। মেশিন শিখে কিভাবে বা কিভাবে মেশিনকে কোন একটা কাজ করার জন্য ট্রেইন করা যায়? এই সব নিয়েই আমাদের আজকের আলোচনা। তবে আপাতত সব কিছু ভুলে যান। আমরা এখন কয়েকটা অমীমাংসিত রহস্য মানে Unsolved Case নিয়ে আলোচনা করবো। অনেকটা হুমায়ূন আহমেদের মিসীর আলী স্টাইলে! 😀

অমীমাংসিত রহস্য -১: আপনি নিশ্চয়ই ইমেইল ব্যবহার করেন। ধরে নিচ্ছি কালে-ভদ্রে আপনি মেইল চেক করেন। তো একদিন চেক করতে গিয়ে দেখলেন একি স্প্যাম! মানে  আপনি খেয়াল করেছেন যে ইমেইল এ একটা Spam নামক ফোল্ডার থাকে যেখানে স্প্যাম ইমেইলগুলো জমা হয়। যে খটকা প্রথমেই আসে তা হচ্ছে এত মেইলের মধ্যে কিভাবে স্প্যাম মেইল বাছাই করা হয়! কি মনে হয় গুগল তার প্রতিটা ক্লায়েন্টের জন্য একজন করে বাছাইকারী নিয়োগ দিয়ে রাখেছে? না, এটা কিভাবে সম্ভব। এত জনবল তো গুগলের নেই। তাহলে How man, how!

অমীমাংসিত রহস্য ২: গুগলের নতুন অ্যাপস Google Allo'র সম্পর্কে  আপনার হয়তো অনেক কিছুই কিছুটা জানেন। না জানলে এই লিংক থেকে জেনে নিতে পারেন। তো এই Google Allo আপনার মোবাইল ফোনের পুরো স্ক্রীন রিড করে অর্থাৎ আপনার টাইপের স্টাইল দেখে কিংবা বন্ধুর থেকে পাওয়া টেক্সটের ধরণ দেখে বুঝতে পারে আপনি কি লিখছেন কিংবা কি লিখবেন। আজব না! জানতে বড়ই ইচ্ছা করে এটা কিভাবে হলো? Google Allo কিভাবে আমার ইমোশন বুঝতে পারলো? তাহলে কি গুগল ছোটখাটো টাইপের জ্যোতিষী হয়ে গেল? My God!

অমীমাংসিত রহস্য -৩: আপনি প্রতিদিন কোন না কোন কাজে ইউটিউব ব্রাউজ করে থাকেন। সাধারণ ইউটিউবের হোমপেজে গেলেই দেখতে পান Recommanded for you, তাই না! আবার দেখা গেলো শাহরুখের গান প্লে করলেন। দেখবেন সাজেশন লিস্টে শাহরুখের সব গান। কেম্নে সম্ভব ম্যান! ইউটিউব ও পুরো মানুষের মাথার মতো আচরণ করে। অন্যদিকে অনলাইন মার্কেট প্লেস গুলোতে একই অবস্থা। আমাজনে গেলেন, একটা পণ্য তে ক্লিক করার সাথে সাথে দেখবেন এই রিলেটেড সব পণ্য হাজির। এবার গোলকধাঁধায় পড়ে যাবেন। ভাবতে থাকবেন কোনটা বাদ দিয়ে কোনটা নিই! হাহা, এবার হুমায়ূন আহমেদের হিমুর মতো অনলাইন সাইটগুলোও আপনাকে কনফিউসড করে দিলো। 😛

উপরের ঘটনাগুলো আমাদের খুব পরিচিত। প্রতিদিনই আমরা কমবেশি এসব জিনিষের সম্মুখীন হই। হয়তো আমরা জানতে চেষ্টা করি না এসব কিভাবে হয় এবং কেন হয়! আসলে এটাই মেশিন লার্নিং 🙂 । তো এই  মেশিন লার্নিং কে আমরা মোটামুটি আমাদের অভিজ্ঞতার সাথে তুলনা করতে পারি।। 

এখন নিজে ভাবুন তো,

  • অধিকাংশ অকাজের মেইলগুলো স্প্যাম ফোলডারে কিভাবে জমে?
  • ইউটিউব কিভাবে আমাদের পছন্দের গান সাজেস্ট করতে পারে ?

এবার মেশিন লার্নিং এর মাধ্যমে উপরের রহস্যের সমাধান দেয়ার চেষ্টা করি,

১। আসলে এখানে একটা জাদু আছে। আপনি যেমন জানেন কোনটা শুদ্ধ, কোনটা ভুল। ঠিক মেশিন ও লার্নিং এর মাধ্যমে বুঝে গেছে কোনটা শুদ্ধ, কোনটা ভুল। জয় হোক মেশিনের 😉

২। মেশিন লার্নিং এর কারণে গুগল অ্যালো আপনার বন্ধুর টেক্সটকে অ্যানালাইসিস করে বুঝে গিয়েছে আপনি কি ধরণের রিপ্লাই দিতে পারেন। যেমনটা আমরা আন্দাজ করতে পারি। অর্থাৎ মেশিন লার্নিং এর মাধ্যমে মেশিন ও মানুষের মতো চিন্তা করতে শিখে গিয়েছে।

৩। ইউটিউব কিংবা আমাজন সাইটে আপনি যেসব পণ্য কিংবা লিংকে ক্লিক করেছেন সেসব টপিক ওয়েবসাইট পর্যবেক্ষণ করে আপনার পছন্দ অনুমান করতে পারে। আর এই অনুমানের উপর ভিত্তি করেই আপনাকে বিভিন্ন সাজেশন সে দিয়ে থাকে। ( একদম আপন ভাইয়ের মতো 😛 )

তো যে কথা বলছিলাম, খুব বিখ্যাত মাহীনের ঘোড়াগুলি ব্যান্ড তাদের একটি গানে বলেছিলো পৃথিবীটা নাকি ড্রয়িংরুমে রাখা বোকাবাক্সে বন্দী। আমরা সহজেই বুঝতে পারি সেই বোকাবাক্স বলতে টেলিভিশনকে বুঝানো হয়েছে। এখন যুগ পাল্টেছে। সব কিছুতে এসেছে প্রযুক্তি নামক পরশ পাথরের ছোঁয়া। টেলিভিশনের সাদা কালো পর্দা- রঙিন পর্দাকে ছাপিয়ে এখন কম্পিউটার পুরোটা আসন পাকা করে বসেছে। কিন্তু আমরা কি জানি যে কম্পিউটারও একটি বোকা বাক্স! উহু, আপনি ভুল পড়েননি এবং আমিও ভুল বলিনি। আসলে ব্যাপারটা হচ্ছে কম্পিউটার নিজে থেকে কিছু করতে পারেনা। আপনি, আমি কিংবা যারা কম্পিউটার নিয়ে ভাবে অথবা কম্পিউটারের জন্য বিভিন্ন নির্দেশনা তথা প্রোগ্রাম লিখেন, তাদের নির্দেশনা মেনেই কম্পিউটার বিভিন্ন জটিল জটিল গাণিতিক সমস্যা নিমিষেই সমাধান করতে পারে। আমাদের কম্পিউটার অনেক ফাস্ট এবং এটার প্রচন্ড রকমের প্রসেসিং ক্ষমতা তাকে কিন্তু কম্পিউটার কখনোই মানুষের মতো বুদ্ধি এবং কৌশল খাটাতে পারে না। যেমন ধরুন আপনি কম্পিউটারকে কোন গাণিতিক সমস্যা দিলেন। দেখবেন সে অতিদ্রুত সমাধান করে দিবে অথবা আপনি চাঁদে যাবেন কিংবা মঙ্গল গ্রহে রকেট পাঠাবেন তাহলে সেখানকার যাবতীয় সব হিসাব যে নিমিষেই করতে পারবে। এসব হিসাব সে করতে পারে কারণ তার ভেতরে এসব হিসাব করার জন্য যাবতীয় নির্দেশনা এবং ফর্মূলা দেয়া হয়েছে। আসল সত্য এই যে কম্পিউটার বুদ্ধি খাটাতে জানে না। কিন্তু সময় পরিবর্তন হয়েছে। কিছুদিন আগে রোবট সোফিয়াকে সৌদিআরব নাগরিকত্ব দিয়েছে। তাই মানুষ ও চাচ্ছে কম্পিউটার তাদের মতো করে ভাবুক, তাদের মত করে চিন্তা করুক এবং সমস্যা সমাধানে পূর্বলব্ধ জ্ঞান ব্যবহার করুক। আর এই সমগ্র প্রসেস অর্থাৎ কম্পিউটারকে মানুষের মতো করে চিন্তা করার জন্য যাবতীয় সব কর্মকান্ডই মেশিন লার্নিং :)।

আজকাল আমরা সবাই কৃত্তিম বুদ্ধিমত্তা সম্পর্কে জানি। যারা জানেননা তারাও ‘কৃত্তিম বুদ্ধিমত্তা’ শব্দটি দেখে আন্দাজ করতে পারছেন ব্যপারটা কি। আমরা সবাই মোটামুটিভাবে রোবটের কথা জানি (তামিল সুপারস্টারের রোবট মুভি অনেকেই দেখে থাকতে পারেন কিংবা হালের টপিক ঢাকাই হোটেলের রোবট ওয়েটার)। কি সুন্দরভাবে মানুষের মত হাটাহাটি করে, কাজ করে। আবার কথা বার্তাও বলে। রোবটের এসব মানুষের মতো আচরণ করার ‘বুদ্ধি’ কেই বলা হয় কৃত্তিম বুদ্ধিমত্তা। তবে কৃত্তিম বুদ্ধিমত্তা যে খালি রোবটেরই থাকে সেটা না। ওয়েবসাইট, মোবাইল, বিভিন্ন সফটওয়্যার ইত্যাদিতেও কৃত্তিম বুদ্ধিমত্তা থাকে। কৃত্তিম বুদ্ধিমত্তার পরিধি অনেক বিশাল। আর সেই পরিধির একটা অংশ হচ্ছে মেশিন লার্নিং।

ছবি- Udacity

সুতরাং  যখন কোন একটা সমস্যার সমাধানের জন্য প্রোগ্রামিংয়ের মাধমে এমন একটা অ্যালগরিদম ইমপ্লিমেন্ট করানো হয় যাতে কম্পিউটার নিজেই পরিবেশ এবং পূর্বের ঘটনা থেকে শিখতে পারে তখন এটাই মেশিন লার্নিং।।

মনে করুণ আপনাকে বেশ কয়েক ধরণের আমের ছবি দেখানো হলো। এরপর আপনাকে আরেকটা আমের ছবি দেখিয়ে জিজ্ঞাসা করা হল এটা কিসের ছবি। এখন যদি আপনি আগের গুলোকে আম বলতে পারেন কিন্তু নতুন ছবিটিকে আমের ছবি বলতে পারেননি। তার মানে এই দাঁড়ালো যে আপনি মেমোরাইজ করছেন। অর্থাৎ এক্ষেত্রে আপনি আপনার বুদ্ধিমত্তা খাটাতে পারেননি। যদি আপনি আগের ছবিগুলোর মধ্যে কমন বৈশিষ্ট্য খুঁজে বের করে নতুন ছবিটির ক্ষেত্রে ব্যবহার করতেন তবে আপনি ঠিকই বুঝতে পারতেন যে এটি একটি আমের ছবি। আপনি আসলে ছবির বিষয়গুলো মুখস্ত করেছেন কিন্তু তাদের বৈশিষ্ট্য গুলো ভালো ভাবে লক্ষ্য করেননি। মেশিন এই ভালো ভাবে লক্ষ্য করার কাজটিই করে থাকে। বিষয়টা হচ্ছে কোন অ্যাপ্সে আপনি যদি মেশিন লার্নিং ব্যবহার করেন তাহলে অ্যাপ্সটি যত বেশি ব্যবহৃত হবে তত বেশি বুদ্ধিমান হবে। অনেকটা বয়স যত বাড়ে, তার সাথে বুদ্ধি বাড়ে টাইপের। 😀

যদি এখনো মেশিন লার্নিং ব্যাপারটি বুঝতে অসুবিধা হয়ে থাকে, তবে এক ঝলক দেখে নিন ভিডিওটি 🙂

তাহলে এবার সিরিয়াস আলোচনায় চলে আসা যাক। প্রথমে দেখে নিবো  মেশিন লার্নিং বলতে আসলে কি বুঝায়। মানে আমরা কিভাবে মেশিন লার্নিংকে সংজ্ঞায়িত করবো?

মেশিন লার্নিং হল আর্টিফিশিয়াল ইন্টেলিজেন্সেয়র একটি বিশেষ ধরণের সাবফিল্ড। এটা এমন এক ধরণের প্রসেস যেটা কোন মেশিন বা সফটওয়্যরকে কোন কিছু নিজে নিজে শিখতে সাহায্য করে আর বেশি আপডেট হতে সাহায্য করে।

এই ব্যাপারে Arthur Samuel বলেন,

Field of study that gives computers the ability to learn without being explicitely programmed.

অর্থাৎ, কম্পিউটারের যদি এমন কোন অলৌকিক ক্ষমতা থাকে যার জন্য সে যেকোন কিছু আগে থেকে ওই বিষয়ক প্রোগ্রাম লেখা ছাড়াই শিখতে পারে

যদি কোন নির্দিষ্ট হাঁটার প্রোগ্রাম ছাড়াই একটা বাইপেডাল (হিউম্যানয়েড বা দুই পা ওয়ালা) রোবট  নিজে নিজে হাঁটা শিখতে পারে  তবে বলা যাবে রোবটে লার্নিং অ্যালগরিদম ব্যবহার করা হয়েছে। আমরা একটা বাইপেডাল রোবটের হাঁটার জন্য সহজেই প্রোগ্রাম লিখে দিতে পারি। কিন্তু সেই হাঁটাকে ইন্টেলিজেন্ট বলা যাবে না কোনভাবেই, একটা এমবেডেড সিস্টেম যে জন্য প্রোগ্রাম করা হয় সে যদি শুধু ওই নির্দিষ্ট কাজটাই করে তাহলে সেটা ইন্টেলিজেন্ট কীভাবে? পরিবর্তনের সাথে যদি ডিভাইসের আচরণ পরিবর্তিত হয় তাহলেই তাকে ইন্টেলিজেন্ট বলা যেতে পারে।

Tom Michel এর মতে,

A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E.

মাথার উপর দিয়েগেছে তাই না ! :p আচ্ছা এবার তাহলে একটু ব্যাখ্যা দেয়া যাক, মনে করি আমি এমন একটা মেশিন বানালাম যা খুব ভালো  লুডু স্টার খেলতে পারে। (এটা ছাড়া আর  কোন খেলার নাম মাথায় আসেনি 😛 )

তাহলে আমরা ধরে নিই,

E= মেশিনটি ১০০ টা গেম খেললো।

T= লুডু খেলাটাই মেশিনের কাজ, মানে টাস্ক।

P= খেলায় জিতা কিংবা হারার পরিমাপ।

সুতরাং সংজ্ঞামতে, যদি মেশিনের খেলার সংখ্যার বৃদ্ধির (E) পাশাপাশি তার জেতার হার বেড়ে যায় (P) তাহলে বুঝতে হবে সেই মেশিন আসলেই শিখছে।

মেশিন লার্নিং কে একটি উচ্চতর ক্যাটাগরির বিজ্ঞান বলা যেতে পারে যা প্রকৃতপক্ষে কোন মেশিনকে সকল প্রকার সম্ভাব্য কন্ডিশন অ্যানালাইসিস করে সিদ্ধান্ত গ্রহন করতে সহায়তা করে। যেমন আমরা যদি কোন মেশিনকে পূর্বগঠিত বিভিন্ন প্রাকৃতিক দূর্যোগের ডাটা দেই, তাহলে মেশিন লার্নিং পদ্ধতি ব্যবহার করে মেশিনটি আমাদের দেওয়া ডেটা এনালাইসিস করে ঘূর্ণিঝড় ও জলোচ্ছ্বাসের অবস্থান,প্রকৃতি ইত্যাদির পূর্বাবাস জানাবে। আমাদের আর বারবার করে ডাটা ইনপুট দিতে হবে না ও নিজেই নিজের প্রোগ্রামের সাহায্যে আগের ডেটা এনালাইসিস করে বর্তমান ঘূর্ণিঝড় ও জলোচ্ছ্বাসের অবস্থান, প্রকৃতি দেখে আমাদের বলে দিবে বর্তমান অবস্থা এবং আগামীতে ঘূর্ণিঝড় ও জলোচ্ছ্বাস কতটা সবল বা দুর্বল হবে।

তো আমরা এতক্ষণে যা বুঝলাম মেশিন লার্নিং এর মাধ্যমে মেশিন অভিজ্ঞতা থেকে শিক্ষা লাভ করে এবং নিজে নিজে মাথা খাটায়।

এবার তাহলে চলেন একটা সদ্য বিবাহিত দম্পতির গল্প বলি,

আমরা ধরে নিচ্ছি বরের নাম রাহাত। রাহাত তার জীবনে বাজার করেছে বলতে ভার্সিটি থাকাকালীন সময়ে শুধু মুরগি কিনেছে। কিন্তু তার বউ তাকে বলেছে ভালো দেখে মৌসুমী ফল আম কিনে নিতে। রাহাত তো বাজারে গিয়ে পড়লো মহাবিপদে। কারওয়ান বাজারে এত এত আমের দোকান, কোনটা বাদ দিয়ে কোনটা নেই টাইপের। তো সব কিছু চিন্তা করে রাহাত বেশি দামের আম কিনে বাসায় গেল। সে ভেবেছিলো দাম বেশি, কাম বেশি। কিন্তু বিধি বাম আম মুখে দেয়ার সাথে সাথেই রাহাতের বউ ফায়ার! রাহাত ঘটনা না বুঝ আমের পিস মুখে দিয়ে বুঝলো কি বিচ্ছিরি রকমের টক! পরে রাহাতের বউ বলে দিলো উজ্জ্বল হলুদ আম কিনার জন্য, কারণ এই গুলো মিষ্টি হবে।
তো পরের বার রাহাত উজ্জ্বল হলুদ আম কিনে আনলো। কিন্তু এবার ও আশানুরুপ ফল পেল না। কারণ কিছু আম মিষ্টি ছিলো আবার কিছু আম খুব টক ছিলো। আম গুলা খাওয়ার পর এবং অনেক চিন্তা ভাবনা করে রাহাত বুঝতে পারলো যে বড় এবং উজ্জ্বল হলুদ আম গুলো মিষ্টি আর ছোট উজ্জ্বল হলুদ আম গুলা ৫০% টাইমস মিষ্টি না ।

মানে ১০০ টি ছোট উজ্জ্বল হলুদ আমের মধ্যে ৫০% মিষ্টি না । তো এইভাবে আম কিনতে কিনতে ধাক্কা খেতে খেতে রাহাত একদিন আদর্শ স্বামী হয়ে গেলো, কারণ তার বউ তাকে হাস বললে সে বাঁশ আনে না 😛

তো বন্ধুগণ ঠিক একইভাবে একটি মেশিন লার্নিং এর মাধ্যমে জ্ঞানী হয়ে যায় এবং তাকে দেয়া কাজ ঠিকমত করতে পার।

এতক্ষণ মেশিন লার্নিংর প্রায়োগিক দিক নিয়ে বেশ আলোচনা করা হলো। এবার চলুন মেশিন লার্নিং সম্পর্কে বেসিক কিছু পড়াশোনা করে আসি।

আমরা মোটামুটিভাবে মেশিন লার্নিংকে বিশেষ চারটি শ্রেণিতে ভাগ করতে পারি।
১. Supervised Learning. (সুপারভাইসড লার্নিং)।
২. Unsupervised learning. (আনসুপারভাইসড লার্নিং)।
৩. Semi-Supervised learning. (সেমি-সুপারভাইসড লার্নিং)।
৪. Reinforcement learning. (রিইনফোর্সমেন্ট লার্নিং)।

১. Supervised Learning. (সুপারভাইসড লার্নিং): একটি প্রোগ্রামকে কতগুলো প্রি-ডিফাইন ডেটাসেটের ভিত্তিতে ট্রেইন করা হয়। আর প্রোগ্রামটিও সংগ্রহকৃত ডাটাসেটের উপর ভিত্তি করে সিদ্ধান্ত গ্রহন করে থাকে। সমগ্র প্রক্রিয়াটিকেই সুপারভাইসড লার্নিং (Supervised Learning) বলা হয়। যেমন আমাদের মেইলের ইনবক্সে আসা মেইলটি স্প্যাম কিনা এই সিদ্ধান্ত আগের কিছু ডাটার উপর নির্ভর করে দেয়া হয়।

২. Unsupervised learning: প্রোগ্রামে কিছু ডেটা ইনপুট দেওয়া হয় এবং প্রোগ্রাম ঐ ডেটার উপর নির্ভর করেই সব ধরনের ডিসিশন দেয়। আর একেই আনসুপারভাইসড লার্নিং(Unsupervised learning) বলা হয়। আনসুপারভাইসড লার্নিং এর ক্ষেত্রে আউটপুট কি সেটা কোথাও বলা থাকে না প্রোগ্রাম নিজ থেকেই সেটা বুঝে বের করে নেয়। যেমন একটি শ্রেণিকক্ষে কিছু ছাত্র ও ছাত্রী বসে রয়েছে। এই প্রোগ্রাম ছাত্র ও ছাত্রী কে ভিন্ন ক্যাটেগরিতে ভাগ করবে, এটা হচ্ছে আনসুপারভাইড লার্নিং ।

৩. Semi-Supervised learning: সুপারভাইসড এবং আনসুপারভাইসড এর কম্বিনেসন হল সেমি সুপারভাইসড লার্নিং।

৪. Reinforcement learning: মেশিন লার্নিং এর এই পর্যায়ে মেশিন তার কিছু কিছু প্রোগ্রামকে ক্রমান্বয়ে আপডেট করতে থাকে। তবে এই প্রোগ্রাম নিজ থেকেই বুঝে যে কখন আপডেট করা বন্ধ করতে হবে। অর্থাৎ সে বুঝতে পারে যে আরও সামনের দিকে আগাতে থাকলে প্রোগ্রামটি নিজে থেকেই শেষ হয়ে যেতে পারে তখন এটা নিজের গতি নিজে থেকেই প্রশমিত হতে থাকে। অর্থাৎ প্রোগ্রামের অবস্থাটি ভাল বুঝলে এগিয়ে চলে বিপদ বুঝলে থেমে যায়।
এই ধরণের লার্নিং কে বলা হয় রিইনফোর্সমেন্ট লার্নিং (Reinforcement Learning) ।

এতক্ষণ ধরে বকবক করার পর অনেকেই প্রশ্ন করতে পারে ভাই মেশিন লার্নিং কেন শিখবো। তখন আসলেই ভাবতে ইচ্ছে করে, তাইতো মেশিন লার্নিং কেন শিখবো!

বছর তিনেক আগে আইবিএম একটা অ্যাড বানিয়েছিলো মেশিন লার্নিং নিয়ে। ব্যাপারটা এমন যে কোন একটা দেশের পুলিশ ডিপার্টমেন্টের চেহারাই পাল্টে দিলো এই মেশিন লার্নিং। হিস্ট্রিক্যাল ক্রাইম ডাটা অ্যানালাইজ করে ক্রিমিনালদের প্যাটার্ন বুঝে যেতো ওই দেশের আইন প্রয়োগকারী সংস্থা। সেটা জেনে আগে থেকেই ক্রাইম সিনে হাজির হয়ে যেতো পুলিশ।

অ্যাডে দেখা যাচ্ছে দোকান ডাকাতি করতে গাড়ি থেকে নেমেছে এক মানুষ। দোকানের সামনে গিয়েই দেখা পুলিশের সাথে। দূর থেকেই চোখাচোখি হলো তাদের। পুলিশ একটা ‘ফ্রেন্ডলি জেসচার’ দিলো তার কফির কাপ তুলে। লোকটা ফিরে গেলো নিজের ডেরায় – ডাকাতি ফেলে। মানে, ঘটনাটা না ঘটতে দিয়েই সাহায্য করছে পুলিশ। এখনকার জঙ্গিবাদের উত্পত্তি খুঁজতেও মেশিন লার্নিংকে কাজে লাগাচ্ছে উন্নত দেশগুলো।

বর্তমানে জীবনের প্রায় প্রতিটি ফিল্ডে মেশিন লার্নিং এর ব্যবহার বেড়েই চলছে। ডাক্তার, ইঞ্জিনিয়ার, প্রতিরক্ষা বাহিনী, আবহাওয়াবিদ... কে নেই! রাজনীতিবিদরাও ভোটারদের বিহ্যাভিয়ার অ্যানালাইসিস করতে পারবেন। সামগ্রিকভাবে তারা তাদের জয় কিংবা হারার প্রোভাবিলিটিও বের করে ফেলতে পারবেন। এমনকি কাকে টাকা দিয়ে কেনা যাবে সেটাও 😉

আবহাওয়াবিদ'রা মেশিন লার্নিং প্রয়োগ করে আরো দ্রুত এবং সঠিকভাবে আবহাওয়ার সতর্কতা প্রদান করতে পারবেন। কৃষিবিদরা পূর্বের ডাটা অ্যানালাইসিস করে সিদ্ধান্ত নিতে পারবেন। ফলে দেশের খাদ্য ঘাটতি সহ বিভিন্ন দূর্যোগে আগাম সতর্কতা নেয়া সম্ভব হবে।

আমরা অনেকেই সেলফ ড্রাইভ কারের কথা জানি। রাস্তায় যখন সেলফ ড্রাইভ কার চলতে থাকে তখন তার সামনে অনেক গাড়ি, মানুষ, রাস্তার পাশের বৈদ্যুতিক খুঁটি এমনকি গর্তও থাকতে পারে। এই অবস্থায় গাড়িটি সব কিছু স্ক্যান করে এবং তাদের গুরুত্ব নির্ণয় করে থাকে। আপনি কখনো এমনটা দেখবেন না যে খাঁদে পড়া থেকে বাঁচতে গিয়ে গাড়িটি কোন মানুষকে ধাক্কা দিয়ে দেবে। অন্যদিকে ধরুণ রাস্তায় একটি ছোট বোতল পরে আছে দেখে যে গাড়িটি সাইড করে অন্য দিকে চলে যাবে, তাও হবে না!

এক্ষেত্রে গাড়িটিকে সবকিছু অ্যানালাইসিস করতে হয়। রাস্তার বিভিন্ন সাইন অ্যানালাইসিস, এমনকি নষ্ট হয়ে যাওয়া কিংবা রং উঠে যাওয়া রাস্তার সাইন দেখেও মেশিন লার্নিং বলে দিতে পারবে এখানে কিসের সাইন ছিলো। ভাবা যায়!!

আবার মেশিন লার্নিং এর ক্ষেত্রে আমাদের অবশ্যই খুব সুস্পষ্ট করে ঐ প্রোগ্রামের অ্যালগরিদম ও ডেটা এনালাইসিসের নির্দেশনা দিয়ে দিতেই হবে নতুবা মেশিনটি আশানুরূপ ফলপ্রসূ না ও হতে পারে এবং না হবার সম্ভবনাই বেশি। আজকের দিনে বড়-ছোট প্রায় সব ধরনের অ্যাপেও মেশিন লার্নিং এর বহুল ব্যবহা্র লক্ষ্যনীয়। যেমন, ইমেজ রিকগনিশন, ডেটা মাইনিং, এক্সপার্ট সিস্টেম, ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং সহ কম্পিউটার প্রকৌশল বিজ্ঞানসহ এআই এর ভুবনেও এই মেশিন লার্নিং এর ব্যবহার অনস্বীকার্য। মেশিন লার্নিং এর প্রয়োগ দিনকে দিন উত্তর উত্তর বৃদ্ধি হয়েই চলেছে, এবং হবেই।

তো এতক্ষণে নিশ্চইয় বুঝে গিয়েছেন কেন আপনাকে মেশিন লার্নিং শিখতে হবে! সাথে সাথে এটাও নিশ্চইয় বুঝতে পারছেন অদূর ভবিষৎতে ইন্ডাষ্ট্রি ও দখল করবে মেশিন লারনাররা।  আপনাকে মেশিন লার্নিং এর জগতে স্বাগতম জানিয়ে আজকের ফিচার এখানেই শেষ করছি। তবে শেষ করার আগে আপনাদের ধৈর্য্যের পুরষ্কার স্বরুপ নিচের ভিডিওটি 😛

ভিডিও টি দেখা শেষ? তাহলে চোখ বুলিয়ে জেনে নিন মেশিন লার্নিং এর জাত ভাই বিগডাটাকে। হ্যাপী লার্নিং 🙂

Reference:

লিখাটি নিয়ে আপনার অভিমত কি?