বিশেষজ্ঞ নন, এমন কারও নিউরাল নেটওয়ার্ক বোঝা উচিত কেন?
নিউরাল নেটওয়ার্ক সম্পর্কে আপনার বোঝা দরকার, কারণ কথাকে লিখিত রূপ দেওয়া থেকে কথোপকথনের সহকারী পর্যন্ত আপনার ব্যবহৃত বেশির ভাগ AI টুলের ভেতরেই এগুলো থাকে। এসব টুল কেনা বা সেগুলোর ওপর আস্থা রাখার সিদ্ধান্ত নির্ভর করে এগুলো কী শিখতে পারে আর কী পারে না, তা জানার ওপর।
ধরা যাক, হারবারলাইন ইনশিওরেন্স নামে একটি কাল্পনিক বিমা দালালি সংস্থায় 80 জন কাজ করেন। এক বিক্রেতা পরিচালন বিভাগের প্রধান ড্যানিয়েলের কাছে বিমার দাবিগুলি প্রাথমিকভাবে যাচাই ও অগ্রাধিকার নির্ধারণের একটি পণ্য প্রস্তাব করেন। স্লাইডে লেখা: 'ডিপ নিউরাল নেটওয়ার্ক, 12টি স্তর, লক্ষ লক্ষ দাবি দিয়ে প্রশিক্ষিত, 94% নির্ভুলতা, মানুষের মস্তিষ্কের মতো শেখে।' ফোনালাপের সময় ড্যানিয়েলের নেওয়া নোটে লেখা: 'স্তর বলতে কী বোঝায় ঠিক জানি না। কাদের দাবি দিয়ে প্রশিক্ষণ দেওয়া হয়েছে? কিসের 94%? কোনো গ্রাহক অভিযোগ করলে এটি কি নিজের সিদ্ধান্ত ব্যাখ্যা করতে পারবে?' বৃহস্পতিবারের মধ্যে তাঁকে তাঁর পরিচালককে বিষয়টি জানাতে হবে। তিনি স্লাইডের কথাগুলি শুধু পুনরাবৃত্তি করতে বা প্রস্তাবটি উড়িয়ে দিতে চান না।
একটি নিউরাল নেটওয়ার্ক ধাপে ধাপে কীভাবে কাজ করে?
নিউরাল নেটওয়ার্ক একাধিক স্তরের এককের মধ্য দিয়ে সংখ্যা পাঠিয়ে কাজ করে। প্রতিটি একক পরিবর্তনযোগ্য ওজন ব্যবহার করে তার ইনপুটগুলো একত্র করে। তারপর চূড়ান্ত ফল সঠিক উত্তরের সঙ্গে তুলনা করা হয়, যাতে পরের বার আরও ভালো ফল পেতে ওজনগুলো অল্প অল্প বদলানো যায়। নিচের ধাপগুলোতে একটি পূর্বানুমান এবং শেখার একটি পর্ব দেখানো হয়েছে।
1. ইনপুট সংখ্যায় রূপান্তরিত হয়
নেটওয়ার্ক যা কিছু গ্রহণ করে, প্রথমে তার সবই সংখ্যায় রূপান্তর করা হয়: ছবির ক্ষেত্রে পিক্সেলের উজ্জ্বলতা, লেখার ক্ষেত্রে শব্দকে সংখ্যাসূচক সংকেতে রূপান্তর, অথবা বিমা দাবির ক্ষেত্রে দাবির পরিমাণ ও বিমা পলিসির বয়সের মতো তথ্য।
2. প্রতিটি নিউরন তার ইনপুটগুলোর গুরুত্ব নির্ধারণ করে
নিউরন, যাকে নোডও বলা হয়, প্রতিটি আগত মানকে একটি ওজন দিয়ে গুণ করে, গুণফলগুলোর সঙ্গে বায়াস নামের একটি ধ্রুবক যোগ করে এবং মোট মানটি একটি সক্রিয়করণ ফাংশনের মধ্য দিয়ে পাঠায়। এই সক্রিয়করণ ফাংশনের কারণেই স্তরে স্তরে সাজানো নিউরনগুলো শুধু সরলরৈখিক ধরন নয়, বাঁকানো ও অরৈখিক ধরনও শিখতে পারে।
3. প্রতিটি স্তর আগের স্তরের ওপর গড়ে ওঠে
নিউরনগুলো স্তরে স্তরে সাজানো থাকে। ইনপুট স্তরে অপরিশোধিত মানগুলো থাকে, এক বা একাধিক লুকানো স্তর সেগুলোকে রূপান্তর করে, আর আউটপুট স্তর পূর্বাভাস দেয়, যেমন 'সম্ভবত সহজ দাবি' বা 'বিশেষজ্ঞের প্রয়োজন'। অনেক লুকানো স্তরযুক্ত নেটওয়ার্ককে গভীর বলা হয়। সেখান থেকেই গভীর শিক্ষণ কথাটি এসেছে।
4. ত্রুটি পরিমাপ করা হয়
প্রশিক্ষণের সময় নেটওয়ার্ক এমন একটি উদাহরণের জন্য পূর্বাভাস দেয়, যার সঠিক উত্তর আগে থেকেই জানা। তার উত্তর ও সঠিক উত্তরের ব্যবধান একটি সংখ্যা দিয়ে মাপা হয়, যাকে লস বলা হয়।
5. গুরুত্বের মানগুলো সমন্বয় করা হয়
ব্যাকপ্রপাগেশন নামের একটি অ্যালগরিদম হিসাব করে, প্রতিটি ওজন ত্রুটিতে কতটা অবদান রেখেছে। আর গ্রেডিয়েন্ট ডিসেন্ট নামের একটি পদ্ধতি প্রতিটি ওজনকে সামান্য এমন দিকে সরায়, যাতে ত্রুটি কমত। বহু হাজার বা লক্ষ লক্ষ উদাহরণের ওপর এই প্রক্রিয়া বারবার চালালে ছোট ছোট সংশোধনগুলো মিলে এমন একটি মডেল তৈরি হয়, যা ভালো পূর্বাভাস দিতে পারে।
নিউরাল নেটওয়ার্কের দুর্বল ও উন্নত ব্যাখ্যা কেমন শোনায়?
দুর্বল ব্যাখ্যায় শুধু বিক্রেতার কথাই পুনরাবৃত্তি করা হয়: 'এটি একটি 12-স্তরবিশিষ্ট ডিপ নিউরাল নেটওয়ার্ক, যা মস্তিষ্কের মতো শেখে এবং 94% নির্ভুল।' ড্যানিয়েলের পরিচালক এ থেকে এমন কিছুই জানতে পারেন না, যার ভিত্তিতে পদক্ষেপ নেওয়া যায়। আর 'মস্তিষ্কের মতো শেখে' কথাটি একটি উপমা, বর্ণনা নয়। বাস্তব নিউরন ও এই এককগুলোর মধ্যে নামের মিল এবং কিছুটা অনুপ্রেরণার সম্পর্ক আছে, কাজের পদ্ধতির মিল নেই।
উন্নত ব্যাখ্যাটি হলো: 'পণ্যটি একটি নিউরাল নেটওয়ার্ক: এমন একটি মডেল, যা লক্ষ লক্ষ অভ্যন্তরীণ ওজন বদলে দাবি বাছাই করতে শিখেছে, যতক্ষণ না তার পূর্বাভাস আগের সিদ্ধান্তগুলোর সঙ্গে মিলেছে। অর্থাৎ, এটি যে পুরোনো দাবিগুলো থেকে শিখেছে, তার মানের ওপরই এর মান নির্ভর করে। তাই আমাদের জানতে হবে দাবিগুলো কাদের ছিল এবং সেগুলো আমাদের দাবির মতো কি না। 94% সংখ্যাটির সংজ্ঞা দরকার: কোন পরীক্ষার তথ্যের ওপর এটি সঠিক, আর কতবার এটি ভুল করে জটিল দাবিকে সহজ বলে চিহ্নিত করে? এসব মডেলের প্রতিটি সিদ্ধান্ত আলাদা করে ব্যাখ্যা করা কঠিন। তাই কোনো গ্রাহক ফলাফল নিয়ে আপত্তি করলে সরবরাহকারী কী দেয়, তা আমাদের জিজ্ঞেস করা উচিত। পাশাপাশি, প্রত্যাখ্যাত প্রতিটি দাবি একজন মানুষকে দিয়ে পর্যালোচনা করাতে হবে।' এই সংস্করণটি স্লাইডের বক্তব্যকে চারটি সুনির্দিষ্ট প্রশ্নে রূপ দেয়।
নিউরাল নেটওয়ার্কের এত তথ্য কেন প্রয়োজন, আর এগুলো কোথায় ব্যবহার করা হয়?
নিউরাল নেটওয়ার্কের প্রচুর তথ্য লাগে, কারণ এতে বিপুলসংখ্যক ওজন নির্ধারণ করতে হয়। প্রতিটি ওজন মানুষ লিখে দেয় না, বরং উদাহরণ থেকে শেখা হয়। উদাহরণ খুব কম হলে নেটওয়ার্ক সাধারণ ধরন শেখার বদলে প্রশিক্ষণের তথ্য মুখস্থ করে ফেলতে পারে। একে ওভারফিটিং বলা হয়।
এগুলো এমন কাজে ব্যবহৃত হয়, যেখানে অনেক ধরনের ধরন বা সম্পর্ক আছে, কিন্তু সেগুলো নিয়ম হিসেবে লিখে ফেলা কঠিন: ছবিতে বস্তু চেনা, কথাকে লেখায় রূপ দেওয়া, ভাষা অনুবাদ করা, অস্বাভাবিক লেনদেন শনাক্ত করা এবং ChatGPT, Claude ও Gemini-এর সহায়কগুলোর মতো বৃহৎ ভাষা মডেল চালানো। ব্যবসার ছোট, গোছানো সারণির ক্ষেত্রে সহজ মডেলগুলো প্রায়ই একই রকম নির্ভুল হয় এবং ব্যাখ্যা করা অনেক সহজ।
নিউরাল নেটওয়ার্কের সীমাবদ্ধতাগুলো কী?
প্রধান সীমাবদ্ধতাগুলো হলো, নিউরাল নেটওয়ার্ক প্রশিক্ষণের ডেটায় যা থাকে, তার ঘাটতি ও পক্ষপাতসহ সবই শেখে; প্রতিটি সিদ্ধান্ত আলাদা করে ব্যাখ্যা করা কঠিন; আর প্রশিক্ষণে দেখা কোনো কিছুর সঙ্গে মিল নেই এমন ক্ষেত্রে আত্মবিশ্বাসের সঙ্গে ভুল করতে পারে। নির্ভুলতার হার পুরোপুরি পরীক্ষার ডেটার ওপর নির্ভর করে, তাই কী ডেটা দিয়ে পরীক্ষা করা হয়েছে তা সবসময় জিজ্ঞেস করুন। বড় নেটওয়ার্ক প্রশিক্ষণ দিতেও যথেষ্ট কম্পিউটিং ক্ষমতা লাগে, তাই বেশিরভাগ প্রতিষ্ঠান আগে থেকে প্রশিক্ষিত মডেল ব্যবহার করে।
নিউরাল নেটওয়ার্ক সম্পর্কে কোনো দাবি কীভাবে যাচাই করবেন?
নিউরাল নেটওয়ার্ক নিয়ে কোনো দাবি যাচাই করতে জিজ্ঞেস করুন, এটি কোন ডেটা থেকে শিখেছে, কীভাবে পরীক্ষা করা হয়েছে, কী ধরনের ভুল করে এবং এর সিদ্ধান্ত কে পর্যালোচনা করেন। সরবরাহকারী এসবের স্পষ্ট উত্তর দিতে না পারলে স্তরের সংখ্যা কোনো গুরুত্ব রাখে না।
Tosheo.ai-এ এই পাঠটি কোথায় রয়েছে?
এই পাঠটি মেশিন লার্নিং বিভাগের অন্তর্ভুক্ত এবং মেশিন লার্নিং কোর্সের নিউরাল নেটওয়ার্ক অংশটি এটি দিয়ে শুরু হয়। Tosheo.ai-তে এর পরের হাতে-কলমে কাজে আপনি একজন কাল্পনিক সংশ্লিষ্ট ব্যক্তির কাছে একটি মডেল ব্যাখ্যা করবেন। মানদণ্ডভিত্তিক মূল্যায়নের প্রতিক্রিয়ায় অস্পষ্ট উপমা এবং প্রমাণহীন নির্ভুলতার দাবি চিহ্নিত করা হয়। এটি মেশিন লার্নিং নিয়ে কাজ করার পেশাগত ভিত্তি তৈরি করে, মডেল তৈরির নিবিড় প্রশিক্ষণ নয়; কোড লিখে নেটওয়ার্ক তৈরি করতে চাইলে নিবন্ধনের পর ঐচ্ছিক কোডিং ধারায় তা শেখানো হয়।
উৎস ও পরিধি
Google-এর মেশিন লার্নিংয়ের সংক্ষিপ্ত কোর্স: নোড ও লুকানো স্তর (যাচাই করা হয়েছে 19 অক্টোবর 2026) ↗