মূলত Vectors of Mind-এ প্রকাশিত।
ব্রায়ান কুলিস বোস্টন বিশ্ববিদ্যালয়ের মেশিন লার্নিংয়ের অধ্যাপক (এবং আমার সাবেক উপদেষ্টা)। অ্যামাজনের “wake” শব্দটির জন্য দায়ী দক্ষ দলের সদস্য হিসেবেও তিনি শিল্পক্ষেত্রে কাজ করেছেন। আমরা কৃত্রিম বুদ্ধিমত্তার ইতিহাস, গবেষণায় শিল্পক্ষেত্র বনাম একাডেমিয়ার ভূমিকা এবং এআই নিরাপত্তা নিয়ে আলোচনা করি। তিনি তাঁর ক্ষেত্রটিকে এমন এক ছোট্ট গণিতপাগল দলের অবস্থা থেকে এগিয়ে যেতে দেখেছেন, যারা কুকুর ও বিড়ালের ছবি শ্রেণিবদ্ধ করতেও ব্যর্থ হতো—আজকের গ্রহের সবচেয়ে উত্তেজনাপূর্ণ প্রযুক্তিতে (যা হয়তো আমাদের সবাইকে হত্যা করতে পারে)। স্নাতকোত্তর শিক্ষার্থী থাকাকালে আমি Astral Codex Ten-এ এআই-নিয়তির বিপর্যয় নিয়ে বৈজ্ঞানিক কল্পকাহিনিনির্ভর আলোচনা পড়তাম এবং কখনো কখনো সেগুলো ব্রায়ান ও অন্যান্য অধ্যাপকের সঙ্গে ভাগ করে নিতাম (পার্টিতে আমি বেশ উপভোগ্য সঙ্গী ছিলাম)। এখন, ইয়োশুয়া বেঙ্গিও-র মতো ব্যক্তিরাও এসব পরিস্থিতিকে গুরুত্বের সঙ্গে বিবেচনা করেন।
এআই নিরাপত্তা নিয়ে আমরা বেশির ভাগ সময় এমন এক সোচ্চার সংখ্যালঘুর কাছ থেকেই শুনি, যাদের এ বিষয়ে সুগঠিত মতামত রয়েছে—যারা এ বিষয়ে মতামত পোষণ করাকে নিজেদের এমন একটি বিষয় বানিয়েছেন, যা নিয়ে তাঁরা প্রকাশ্যে তর্ক করতে প্রস্তুত। কিন্তু মোটের ওপর, AGI ও তার পরিণতি নিয়ে বহুল-উদ্ধৃত জরিপগুলোর উত্তরদাতা তাঁরা নন। এ বিষয়ে কর্মরত একজন এমন মেয়াদপ্রাপ্ত ML গবেষক কীভাবে চিন্তা করেন, তার একটি মূল্যবান প্রতিচ্ছবি এটি।
তবে আমি এটিকে p(doom) নিয়ে এক ঘণ্টাব্যাপী আলাপ হিসেবে উপস্থাপন করতে চাই না; আমরা অধিকাংশ সময় অপেক্ষাকৃত কম কাল্পনিক বিষয় নিয়ে কথা বলেছি। কথোপকথনের ChatGPT-প্রস্তুত সারসংক্ষেপ:
- BU-এর Faculty of Computing and Data Science: কুলিস BU-তে এই নতুন ইউনিট প্রতিষ্ঠার বিষয়ে কথা বলেছেন, যা কম্পিউটিং ও ডেটা সায়েন্সের ওপর কেন্দ্রীভূত। এই ইউনিট আন্তঃবিষয়ক সহযোগিতা এবং বিভিন্ন বিভাগ থেকে শিক্ষার্থী নিয়োগের সুযোগ সৃষ্টি করে।
- মেশিন লার্নিংয়ের বিবর্তন: মেশিন লার্নিংয়ের ইতিহাস নিয়ে আলোচনা করা হয়েছে—যার সূচনা ১৯৪০-এর দশকে ম্যাককালক ও পিটসের নিউরনের গাণিতিক মডেল দিয়ে। কুলিস প্রাথমিক মডেলগুলো থেকে বর্তমান ডিপ লার্নিংয়ের ঢেউ পর্যন্ত অগ্রগতির ব্যাখ্যা করেছেন এবং কয়েক দশক ধরে ML-এর দৃষ্টান্তগুলোর পরিবর্তন তুলে ধরেছেন।
- এক্সপার্ট সিস্টেম থেকে বর্তমান ML মডেলে রূপান্তর: কুলিস ৭০ ও ৮০-এর দশকে প্রচলিত এক্সপার্ট সিস্টেম থেকে বর্তমান মেশিন লার্নিং মডেলগুলোতে রূপান্তরের বর্ণনা দিয়েছেন। তিনি উল্লেখ করেছেন, প্রাথমিক এক্সপার্ট সিস্টেমগুলো সীমাবদ্ধ ও ভঙ্গুর ছিল, ফলে বাস্তব জগতের প্রয়োগের জন্য সেগুলো উপযুক্ত ছিল না।
- মেশিন লার্নিং গবেষণা ও শিল্পক্ষেত্র: একাডেমিয়া ও শিল্পক্ষেত্রের মধ্যে এআই ও ML প্রতিভার যাতায়াত নিয়েও কথোপকথনে আলোচনা হয়েছে। কুলিস বলেছেন, এআই অনুষদ ধরে রাখার ক্ষেত্রে একাডেমিয়া কী ধরনের চ্যালেঞ্জের মুখোমুখি হয়—কারণ তাঁদের অনেকেই শিল্পক্ষেত্রের পদে আকৃষ্ট হন।
- পরিসংখ্যানভিত্তিক এআই ও কার্নেল পদ্ধতি: সাক্ষাৎকারে পরিসংখ্যানভিত্তিক এআই নিয়ে আলোচনা হয়েছে এবং মেশিন লার্নিংয়ের ইতিহাসে এর ভূমিকার ওপর জোর দেওয়া হয়েছে। কুলিস পরিসংখ্যানভিত্তিক এআইয়ে সম্ভাব্যতামূলক মডেলের ধারণা এবং তত্ত্বাবধানহীন শিক্ষায় এর শক্তির ব্যাখ্যা দিয়েছেন।
- ML গবেষণায় একাডেমিয়ার ভূমিকা: মেশিন লার্নিং গবেষণার বর্তমান প্রেক্ষাপটে একাডেমিয়ার ভূমিকা নিয়ে কুলিস তাঁর ভাবনা প্রকাশ করেছেন। তিনি একাডেমিয়ার সম্মুখীন চ্যালেঞ্জগুলোর কথা বলেছেন—যেমন সম্পদের সীমাবদ্ধতার কারণে বৃহৎ মডেল প্রশিক্ষণ দিতে না পারা—এবং গবেষণায় দীর্ঘমেয়াদি চিন্তার গুরুত্বের ওপর জোর দিয়েছেন।
- এআইয়ের অস্তিত্বগত ঝুঁকি: এআই ও অস্তিত্বগত ঝুঁকির বিষয়টিও আলোচনায় এসেছে; এর সঙ্গে ML সম্প্রদায়ের বিতর্ক ও মতামতের উল্লেখ ছিল, যার মধ্যে হিন্টন ও লেকানের মতো বিশিষ্ট ব্যক্তিদের মতামতও রয়েছে।
- মেশিন লার্নিংয়ের ভবিষ্যৎ: কুলিস মেশিন লার্নিংয়ের বিভিন্ন দিক—যেমন বৃহৎ ভাষা মডেল, রিইনফোর্সমেন্ট লার্নিং, AGI এবং ব্যক্তিকেন্দ্রিক চিকিৎসাবিজ্ঞান—সম্পর্কে তাঁর মতামত প্রকাশ করেছেন। ক্ষেত্রটির কোন বিষয়গুলো তাঁর বিবেচনায় অতিরিক্ত গুরুত্ব পায় এবং কোনগুলো যথেষ্ট গুরুত্ব পায় না, সে বিষয়েও তিনি মত দিয়েছেন।