ভূমিকা:
রিঅ্যাকটিভ মেশিন কেবল মৌলিক প্রক্রিয়া সম্পন্ন করত। রিঅ্যাকটিভ মেশিন হলো কৃত্রিম বুদ্ধিমত্তার সবচেয়ে মৌলিক ধরন। এটি নির্দিষ্ট ইনপুটের জবাবে আউটপুট দেয়। একটি সরল রিঅ্যাকটিভ মেশিন এমন যা ইনপুট হিসেবে মানুষের মুখ নেয় এবং সেটিকে মুখ হিসেবে চিহ্নিত করতে তার চারপাশে একটি আয়তক্ষেত্র আউটপুট দেয়। স্মৃতি না থাকায় এটি কোনো ডেটা সংরক্ষণ করে না এবং কিছুই শেখে না।
স্ট্যাটিক মেশিন লার্নিং পদ্ধতিগুলো রেসপন্সিভ মেশিন। এদের ধারণা সবচেয়ে সরল এবং ইন্টারনেটজুড়ে GitHub রিপোজিটরিতে পাওয়া যায়। এই মডেলগুলো ডাউনলোড, আদান-প্রদান, হাতবদল এবং একজন ডেভেলপারের টুলকিটে আমদানি করা খুবই সহজ।
রিঅ্যাকটিভ মেশিন কী?
কার্যক্ষমতার ভিত্তিতে এটি এআই-এর একেবারে মৌলিক ধরন। এর সক্ষমতা সীমিত। এটি সম্পূর্ণ সম্পর্কভিত্তিক। অতীত অভিজ্ঞতা মনে রাখার সামর্থ্য এর নেই, কারণ অতীত অভিজ্ঞতার ভিত্তিতে ফলাফল অনুমান করতে পারে না। এটি শুধু বর্তমান ডেটা নিয়ে কাজ করে এবং সেই ডেটা অনুযায়ী সাড়া দেয়। রিঅ্যাকটিভ এআই ডিভাইস ভবিষ্যৎ পদক্ষেপ মূল্যায়নের জন্য ডেটা থেকে সিদ্ধান্তে পৌঁছাতে পারে না। নির্দিষ্ট ইনপুটে আউটপুট সব সময় একই হবে। এরা কেবল সীমিত সংখ্যক পূর্বনির্ধারিত কাজ করতে পারে।
রিঅ্যাকটিভ মেশিন কীভাবে কাজ করে?
রিঅ্যাকটিভ এআই প্রত্যাশামতো কাজ করে এবং যে উপাদান পায় তার ভিত্তিতে প্রত্যাশিত ফলাফল দেয়। এই রিঅ্যাকটিভ ডিভাইসগুলো একই ধরনের ঘটনায় সব সময় একইভাবে সাড়া দেবে। রিঅ্যাকটিভ মেশিন অতীত বা ভবিষ্যৎ থেকে শিখতে বা কল্পনা করতে পারে না।
রিঅ্যাকটিভ এআই-এর উদাহরণ কী?
বিশ্বচ্যাম্পিয়ন Garry Kasparov-কে পরাজিতকারী বিখ্যাত IBM দাবা সফটওয়্যার রিঅ্যাকটিভ এআই-এর একটি উদাহরণ।
Deep Blue দাবার বোর্ডের সব ঘুঁটি চিনতে এবং সেগুলো কীভাবে চলে তা বুঝতে পারে। এটি নিজে এবং প্রতিপক্ষ তখন কোন চাল দেবে তা অনুমান করতে সক্ষম। এছাড়া বিভিন্ন বিকল্প থেকে সেরা পদক্ষেপও নির্ধারণ করতে পারে।
অন্যদিকে, এর অতীত সম্পর্কে কোনো বুদ্ধি নেই এবং আগে যা ঘটেছে তার কোনো স্মরণ নেই। একই চাল তিনবার পুনরাবৃত্তি নিষিদ্ধ করা একটি কদাচিৎ ব্যবহৃত দাবা-নির্দিষ্ট বিধিনিষেধ ছাড়া Deep Blue বর্তমান মুহূর্তের আগের সবকিছু উপেক্ষা করে। এটি কেবল দাবার ছকে ঘুঁটিগুলো এখন যেভাবে আছে তা পরীক্ষা করে এবং একাধিক সম্ভাব্য ভবিষ্যৎ চালের একটি বেছে নেয়।[1]
রিঅ্যাকটিভ এআই-এর কিছু বৈশিষ্ট্য কী কী?
- এটি প্যাটার্নের সরল শনাক্তকরণ এবং সরল শ্রেণিবিন্যাসের জন্য ভালো।
- যেখানে সব প্যারামিটার জানা থাকে সেখানেও এটি দারুণ কার্যকর।
- এটি মানুষকে হারাতে পারে কারণ এটি অনেক দ্রুত হিসাব করতে পারে।
- অতীত অভিজ্ঞতার প্রয়োজন হয় এমন পরিস্থিতি সামলানোর সক্ষমতা এর নেই।
- Understanding the Four Types of Artificial Intelligence. ১৪ নভেম্বর, ২০১৬; এখানে পাওয়া যাবে: https://www.govtech.com/computing/understanding-the-four-types-of-artificial-intelligence.html.
রিঅ্যাকটিভ মেশিনের উদাহরণ
আধুনিক পণ্যে রিঅ্যাকটিভ মেশিন বিরল, কারণ এখন বেশিরভাগ এআই ডেটা থেকে শেখে, তবে ধারণাটি এখনও কার্যকর। সাধারণ উদাহরণের মধ্যে রয়েছে:
- Deep Blue, IBM-এর দাবা কম্পিউটার যা ১৯৯৭ সালে বিশ্বচ্যাম্পিয়ন Garry Kasparov-কে হারিয়েছিল। এটি বোর্ডের বর্তমান অবস্থান মূল্যায়ন করত এবং নির্দিষ্ট নিয়ম ও অনুসন্ধান ব্যবহার করে সেরা চালটি বেছে নিত।
- সাধারণ গেম এআই আর্কেড ও পাজল গেমে, যেখানে প্রতিপক্ষ খেলোয়াড়ের বর্তমান অবস্থানের প্রতি সাড়া দেয়।
- নিয়মভিত্তিক ফিল্টার, যেমন একটি সাধারণ স্প্যাম ফিল্টার যা নির্দিষ্ট শব্দযুক্ত ইমেইল ব্লক করে এবং নতুন উদাহরণ থেকে শেখে না।
- মৌলিক সুপারিশ নিয়ম, যেমন "একই ক্যাটাগরির পণ্য দেখান"।
রিঅ্যাকটিভ মেশিন বনাম সীমিত স্মৃতির এআই
A reactive machine only looks at the present input and never stores past experience. Limited memory AI also looks at recent data, such as the last few seconds of road conditions for a self-driving car, and is trained on past examples. Learn more in limited memory AI or see all four types of AI.
দ্রুত উত্তর
সহজ ভাষায় রিঅ্যাকটিভ মেশিন কী?
এটি এমন একটি এআই যা এই মুহূর্তে যা দেখে তার প্রতিই সাড়া দেয়, অতীতের কোনো স্মৃতি নেই এবং তা থেকে শেখার সক্ষমতাও নেই।
রিঅ্যাকটিভ এআই কি আজও ব্যবহৃত হয়?
হ্যাঁ, সহজ সিস্টেমে যেখানে শেখার চেয়ে অনুমানযোগ্য আচরণ বেশি গুরুত্বপূর্ণ, যেমন নিয়মভিত্তিক কন্ট্রোলার এবং সাধারণ গেম প্রতিপক্ষ।
রিঅ্যাকটিভ মেশিনের সীমাবদ্ধতা কী কী?
তারা অভিজ্ঞতা থেকে শিখতে, সময়ের সঙ্গে উন্নত হতে বা নিজেদের নিয়মের বাইরের পরিস্থিতি সামলাতে পারে না।
