সাবজেক্টিভিটি এবং এআই দর্শনের বিবর্তন

কৃত্রিম বুদ্ধিমত্তার দর্শনের একটি ঐতিহাসিক ওভারভিউ

প্রযুক্তির দর্শনে অনেক বিখ্যাত ব্যক্তি প্রযুক্তির সারাংশ বোঝার চেষ্টা করেছেন এবং এটিকে সমাজ এবং মানব অভিজ্ঞতার সাথে যুক্ত করার চেষ্টা করেছেন। 20 শতকের প্রথমার্ধে, তাদের বিশ্লেষণের ফলাফলগুলি প্রধানত প্রযুক্তি এবং মানব জীবনের মধ্যে পার্থক্য দেখায়।

প্রযুক্তিকে একটি স্বায়ত্তশাসিত শক্তি হিসাবে বিবেচনা করা হয়েছিল যা মানবতার মৌলিক অংশগুলিকে চূর্ণ করেছিল। প্রযুক্তির ধারণাকে ঐতিহাসিক এবং অতীন্দ্রিয় অনুমানে নামিয়ে আনার মাধ্যমে দার্শনিকরা নির্দিষ্ট ঘটনার প্রভাব থেকে বিমূর্ত বলে মনে করেন।

আশির দশকে, আমেরিকান দার্শনিকদের ধারণার উপর ভিত্তি করে প্রযুক্তির আরও অভিজ্ঞতামূলক দৃষ্টিভঙ্গি গড়ে ওঠে যারা তাদের মতামতের সাথে নির্দিষ্ট প্রযুক্তির প্রভাবকে একীভূত করেছিল (Achterhuis, HJ, “Van Stoommachine tot cyborg; denken over techniek in de nieuwe wereld”, 1997) ) প্রযুক্তি এবং সমাজের পারস্পরিক নির্ভরতা এই গবেষণার প্রধান বিষয়। এই "অভিজ্ঞতামূলক পালা" প্রযুক্তির বহুমুখিতা এবং সমাজে এটি যে অনেক ভূমিকা পালন করতে পারে তা ব্যাখ্যা করা সম্ভব করেছে। এই পদ্ধতিটি প্রযুক্তির দার্শনিকদের মধ্যে আরও বিকশিত হয়েছিল, উদাহরণস্বরূপ, টোয়েন্টি বিশ্ববিদ্যালয়ে।

কৃত্রিম বুদ্ধিমত্তা 1956 সালে গবেষণার একটি ক্ষেত্র হিসাবে প্রতিষ্ঠিত হয়েছিল। এটি কম্পিউটিং মেশিনে বুদ্ধিমান আচরণের সাথে সম্পর্কিত। গবেষণার উদ্দেশ্যগুলিকে চারটি ভাগে ভাগ করা যায়:

• সিস্টেম যা মানুষের মত চিন্তা করে।
• যৌক্তিকভাবে চিন্তা করে এমন সিস্টেম।
• সিস্টেম যা মানুষের মত কাজ করে।
• যৌক্তিকভাবে কাজ করে এমন সিস্টেম।

এই কাজগুলি সম্পন্ন করার ক্ষমতা সম্পর্কে অনেক বছর আশাবাদের পরে, ক্ষেত্রটি কীভাবে বুদ্ধিমত্তার প্রতিনিধিত্ব করতে পারে তা চ্যালেঞ্জের মুখোমুখি হয়েছিল যা অ্যাপ্লিকেশনগুলিতে কার্যকর হতে পারে। এর মধ্যে রয়েছে মৌলিক জ্ঞানের অভাব, গণনার জটিলতা, এবং জ্ঞানের উপস্থাপনা কাঠামোর সীমাবদ্ধতা (রাসেল, এস অ্যান্ড নরভিগ, "কৃত্রিম বুদ্ধিমত্তা: একটি আধুনিক পদ্ধতি", পিটার, 2009)। তবে চ্যালেঞ্জগুলি কেবল ডিজাইন সম্প্রদায় থেকে আসেনি। দার্শনিকরা, যারা প্লেটোর সময় থেকে মন এবং যুক্তি নিয়ে উদ্বিগ্ন ছিলেন, তারাও অভিযোগ করতে শুরু করেছিলেন। উভয় গাণিতিক আপত্তি (টুরিং এবং গোডেলের উপর ভিত্তি করে) এবং মানুষের বুদ্ধিমত্তার প্রকৃতি সম্পর্কে আরও দার্শনিক যুক্তি ব্যবহার করে, তারা এআই প্রকল্পের অভ্যন্তরীণ সীমাবদ্ধতা দেখানোর চেষ্টা করেছিল। তাদের মধ্যে সবচেয়ে বিখ্যাত ছিলেন হুবার্ট ড্রেফাস।

কৃত্রিম বুদ্ধিমত্তার উপর হুবার্ট ড্রেফাস

ড্রেফাস কৃত্রিম বুদ্ধিমত্তার লক্ষ্য এবং পদ্ধতিগুলিকে বুদ্ধিমত্তার একটি স্পষ্ট যুক্তিবাদী দৃষ্টিভঙ্গি হিসাবে দেখেছিলেন। ইতিহাস জুড়ে অনেক যুক্তিবাদী দার্শনিক এটিকে রক্ষা করেছেন, কিন্তু ড্রেফাস নিজেই 20 শতকের যুক্তিবাদী বিরোধী দর্শনের একজন প্রবক্তা ছিলেন, যেমনটি হাইডেগার, মেরলেউ-পন্টি এবং উইটগেনস্টাইনের কাজগুলিতে দেখা যায়। ড্রেফাসের মতে, জ্ঞানের সবচেয়ে মৌলিক উপায় হল স্বজ্ঞাত, যুক্তিযুক্ত নয়। একটি নির্দিষ্ট ক্ষেত্রে অভিজ্ঞতা অর্জন করে, একজন ব্যক্তি কেবলমাত্র তর্কের প্রথম অধ্যয়নের সময় আনুষ্ঠানিক নিয়মের সাথে সংযুক্ত হন। এর পরে, বুদ্ধিমত্তাকে অভিজ্ঞতামূলক নিয়ম এবং স্বজ্ঞাত সিদ্ধান্ত দ্বারা প্রতিনিধিত্ব করার সম্ভাবনা বেশি।

AI এর যৌক্তিক পদ্ধতিকে সিম্বলিক এআই বলা হয় তার ভিত্তিগুলির মধ্যে স্পষ্টভাবে সনাক্ত করা যেতে পারে। বুদ্ধিমান প্রক্রিয়াগুলিকে তথ্য প্রক্রিয়াকরণের একটি ফর্ম হিসাবে দেখা হয় এবং এই তথ্যের উপস্থাপনাটি প্রতীকী। সুতরাং, বুদ্ধিমত্তা কমবেশি প্রতীকের হেরফের মধ্যে সীমাবদ্ধ। ড্রেফাস এটিকে তিনটি মৌলিক অনুমানের সংমিশ্রণ হিসাবে বিশ্লেষণ করেছেন:

• একটি মনস্তাত্ত্বিক অনুমান যে মানুষের বুদ্ধিমত্তা প্রতীক ম্যানিপুলেশন নিয়মের উপর ভিত্তি করে।
• একটি জ্ঞানতাত্ত্বিক অনুমান হল যে সমস্ত জ্ঞান আনুষ্ঠানিক।
• একটি অনটোলজিকাল অনুমান হল যে বাস্তবতার একটি আনুষ্ঠানিক কাঠামো রয়েছে।

ড্রেফাস শুধুমাত্র এই অনুমানগুলির সমালোচনাই করেননি বরং কিছু ধারণাকে সংজ্ঞায়িত করেছেন যা তিনি বিশ্বাস করেন যে বুদ্ধিমত্তার জন্য অপরিহার্য। ড্রেফাসের মতে, বুদ্ধিমত্তা মূর্ত এবং অবস্থিত। মূর্তিটি ব্যাখ্যা করা কঠিন কারণ এটি অস্পষ্ট যে এর অর্থ এই যে বুদ্ধিমত্তার জন্য একটি শরীরের প্রয়োজন বা এটি শুধুমাত্র একটি শরীরের সাহায্যে বিকাশ করতে পারে কিনা। কিন্তু অন্তত এটা স্পষ্ট যে ড্রেফাস বুদ্ধিমত্তাকে নির্ভর করে এমন পরিস্থিতির উপর নির্ভর করে যেখানে বুদ্ধিজীবী এজেন্ট অবস্থিত এবং উপাদানগুলি তাদের প্রসঙ্গে একটি অর্থপূর্ণ সম্পর্কযুক্ত। এটি বাস্তবতাকে আনুষ্ঠানিক সত্তায় হ্রাস করা থেকে বাধা দেয়। ড্রেফাসের দৃষ্টিভঙ্গি এমন মেশিনের ক্রিয়াকলাপকে অসম্ভব করে তোলে যা একটি স্পষ্টভাবে সংজ্ঞায়িত আনুষ্ঠানিক অঞ্চলের বাইরে প্রতীকগুলি পরিচালনা করে।

কৃত্রিম বুদ্ধিমত্তার সংযোগবাদী পদ্ধতির প্রতি ড্রেফাসের আরও ইতিবাচক মনোভাব রয়েছে। এই পদ্ধতিটি মানব মস্তিষ্কে নিউরন এবং তাদের সংযোগের অনুরূপ মডেলের কাঠামো থেকে বুদ্ধিমান আচরণের উদ্ভব দেখে। কিন্তু তিনি সন্দেহ করেন যে এই ধরনের মেশিনে মানুষের মস্তিষ্কের জটিলতা কখনই সম্ভব।

এইভাবে, ড্রেফাস এআই লক্ষ্যগুলির সম্ভাব্যতা সম্পর্কে একটি আলোচনা শুরু করেছিলেন। তার কাজ অনেক মনোযোগ আকর্ষণ করে এবং উত্তপ্ত বিতর্কের জন্ম দেয়। এমনকি তিনি কিছু গবেষককে তাদের দৃষ্টিভঙ্গি পরিবর্তন করতে এবং তার দৃষ্টিভঙ্গির সাথে আরও সামঞ্জস্যপূর্ণ সিস্টেম বাস্তবায়ন শুরু করতে পরিচালিত করেছিলেন। ড্রেফাস প্রতীকী AI দ্বারা তৈরি অনুমানগুলি প্রদর্শন করেছিলেন এবং স্পষ্ট করেছিলেন যে এটি কোনওভাবেই স্পষ্ট নয় যে এই অনুমানগুলি বাস্তব বুদ্ধিমান মেশিনে পরিণত হবে ( মাইন্ড ওভার মেশিন: কম্পিউটারের যুগে মানুষের অন্তর্দৃষ্টি এবং দক্ষতার শক্তি )।

যাইহোক, দুটি মন্তব্য করা উচিত। প্রথমত, ড্রেফাস কঠোর প্রতীকী এআই পদ্ধতির উপর ভিত্তি করে তার সমালোচনা করেছিলেন। সাম্প্রতিক দশকগুলিতে, আরও হাইব্রিড বুদ্ধিমান সিস্টেম তৈরি করার এবং প্রতীকী AI-তে নিয়ম-ভিত্তিক পদ্ধতিগুলি প্রয়োগ করার জন্য বেশ কয়েকটি প্রচেষ্টা করা হয়েছে। এই সিস্টেমগুলি বুদ্ধিমত্তার একটি ভিন্ন দৃষ্টিভঙ্গি উপস্থাপন করে যা ড্রেফাসের বিশ্লেষণ দ্বারা সম্পূর্ণরূপে ব্যাখ্যা করা যায় না। দ্বিতীয়ত, ড্রেফাসের সমালোচনা কৃত্রিম বুদ্ধিমত্তার সন্দেহজনক দৃষ্টিভঙ্গির উপর ভিত্তি করে বলে মনে হয়, আংশিকভাবে তার নিজস্ব দার্শনিক পটভূমির কারণে এবং আংশিকভাবে কারণ এমন একটি সময়ে ভিত্তি স্থাপন করা হয়েছিল যখন উত্সাহ প্রায় সীমাহীন ছিল।

স্বাধীন ইচ্ছা একটি অদ্ভুত ধারণা। দর্শন বিভিন্নভাবে মানুষের মন নিয়ে আলোচনা করতে পারে, কিন্তু যখন প্রশ্ন আসে যে আমরা আমাদের সিদ্ধান্তে স্বাধীন কিনা, তখন আলোচনা বিপজ্জনক হয়ে ওঠে। আমরা ইচ্ছা, সিদ্ধান্ত এবং ক্রিয়াকলাপের পরিপ্রেক্ষিতে চিন্তাভাবনার সাথে এতটাই পরিচিত যে আমরা বেশিরভাগ ক্ষেত্রে এমন সম্ভাবনাও বিবেচনা করতে অস্বীকার করি যে আমরা আমাদের পছন্দগুলিতে স্বাধীন নই। কিন্তু অন্য কিছু আছে। আমি যদি এমন আলোচনার সময় বলি যে মানুষের স্বাধীন ইচ্ছা নেই? যদি মিথ্যা হয়, আমি ভুল, এবং যদি এটি সত্য হয়, তবে পুরো মন্তব্যটি তার অর্থ হারিয়ে ফেলে কারণ আমি এটি বলা ছাড়া কিছুই করতে পারিনি। স্বাধীন ইচ্ছাকে অস্বীকার করা একটি বাস্তবসম্মত দ্বন্দ্ব। এই অস্বীকারকে অর্থহীন না করে আপনি একজন ব্যক্তির স্বাধীন ইচ্ছাকে অস্বীকার করতে পারবেন না।

তবুও, স্বাধীন ইচ্ছার প্রশ্নটি প্রাসঙ্গিক বলে মনে হচ্ছে, যেহেতু বৈজ্ঞানিক তত্ত্বগুলি দাবি করতে পারে যে যা কিছু ঘটে তা প্রকৃতির নিয়ম অনুসরণ করে। সুতরাং, আমাদের হয় মানুষকে বিশেষ বৈশিষ্ট্য দিতে হবে বা অস্বীকার করতে হবে যে প্রকৃতির নিয়মগুলি নির্ধারিত হয় যদি আমরা জৈব মেশিন হতে না চাই। প্রথম বিকল্পটি অনেক দার্শনিক তত্ত্বের সাথে সম্পর্কিত, তবে সবচেয়ে বেশি দেকার্তের তত্ত্বের সাথে, যিনি বিশ্বকে দুটি পদার্থে (আত্মা এবং পদার্থ) বিভক্ত করেছেন যা মানুষের মধ্যে সংযুক্ত। দ্বিতীয় বিকল্পটি একটি আরও সামগ্রিক দৃষ্টিভঙ্গি উন্মুক্ত করে যা পদার্থবিদ্যার (আপেক্ষিকতা, কোয়ান্টাম মেকানিক্স) সর্বশেষ বিকাশ ব্যবহার করে দেখায় যে আমাদের স্বাধীন ইচ্ছা প্রকৃতির অপ্রত্যাশিত গতিবিদ্যার উপর ভিত্তি করে হতে পারে।

ডেকার্টেস এবং অন্যদের দ্বৈতবাদী দৃষ্টিভঙ্গি মানুষ ছাড়া অন্য জিনিসের জন্য স্বাধীন ইচ্ছার অস্তিত্বকে অস্বীকার করে। অতএব, স্বাধীন ইচ্ছা এবং বুদ্ধিমান মেশিন সম্পর্কে আলোচনা বিশেষ আকর্ষণীয় নয়। অন্যদিকে, সামগ্রিক দৃষ্টিভঙ্গি এই ধরনের আলোচনার জন্য আরও উপযুক্ত, কিন্তু মানুষ বা কম্পিউটারকে স্বাধীন ইচ্ছার সম্পত্তি বরাদ্দ করার জন্য প্রয়োজনীয় শারীরিক অনুমানের চেয়ে অন্য কোনো সিদ্ধান্তে আসা কঠিন। এটি একটি বিশুদ্ধ দার্শনিক আলোচনায় উপযুক্ত হতে পারে, কিন্তু কম্পিউটার বিজ্ঞানের সাথে খুব কমই সম্পর্ক আছে।

মানব প্রকৃতি যে সহজাতভাবে পরস্পরবিরোধী, তা স্বীকার করার সম্ভাবনাও রয়েছে, কারণ নির্ণয়বাদী এবং স্বাধীন ইচ্ছা উভয়ই ন্যায্য এবং প্রয়োজনীয়। এই দ্বান্দ্বিক দৃষ্টিভঙ্গি আমাদের শারীরিক অনুমান সম্পর্কে চিন্তা না করে মানুষের মধ্যে স্বাধীন ইচ্ছার বিষয়ে চিন্তা করতে সক্ষম করে। স্বাধীন ইচ্ছা মানুষ হওয়ার একটি অতিক্রান্ত অনুমান হয়ে ওঠে। যাইহোক, এই পদ্ধতিতে স্বাধীন ইচ্ছার অতীন্দ্রিয় দৃষ্টিভঙ্গি বুদ্ধিমান মেশিনের মতো নির্দিষ্ট শিল্পকর্মে স্বাধীন ইচ্ছার আলোচনার অনুমতি দেয় না কারণ ট্রান্সসেন্ডেন্টাল অনুমানগুলির মডেল বা নকশা করা অসম্ভব। এই বিভাগে আরও, আমি স্বাধীন ইচ্ছার জটিল ধারণাটিকে একটি ধারণায় রূপান্তর করব যা বুদ্ধিমান মেশিনগুলি বিশ্লেষণ করতে ব্যবহার করা যেতে পারে। এই ধারণাটি প্রযুক্তির দর্শনে একটি অভিজ্ঞতামূলক পদ্ধতির সাথে সামঞ্জস্যপূর্ণ হওয়া উচিত। অতএব, আমাদের শারীরিক বা অতীন্দ্রিয় অনুমানগুলির পরিপ্রেক্ষিতে স্বাধীন ইচ্ছার ধারণা সম্পর্কে কথা বলা এড়ানো উচিত, বরং এই ধারণাটি সমাজে যে ভূমিকা পালন করে তার উপর ফোকাস করা উচিত।

এই নিবন্ধে আমার পদ্ধতির ইঙ্গিতটি পরিচায়ক অনুচ্ছেদে পাওয়া যাবে। স্বাধীন ইচ্ছার উপর বিতর্ক সম্পর্কে আমার দৃষ্টিভঙ্গি হল এই ক্ষেত্রে যে কোনও গবেষণার জন্য দুটি মৌলিকভাবে ভিন্ন পদ্ধতি রয়েছে। প্রথমটি স্বাধীন ইচ্ছার প্রকৃতি এবং প্রকৃতির "চাহিদা" এড়াতে মানুষের ক্ষমতার গভীর দার্শনিক বিষয়গুলির উপর দৃষ্টি নিবদ্ধ করে। আমি এটাকে বলব শারীরিক পদ্ধতি। বুদ্ধিমান মেশিন সম্পর্কে নিবন্ধে, এটি একটি দার্শনিক বিতর্কের দিকে পরিচালিত করে যা কম্পিউটারের প্রকৃতির চেয়ে বেশি মানুষের প্রকৃতির উপর দৃষ্টি নিবদ্ধ করে, কারণ আমরা এমন একটি অবস্থানে চলে যাই যেখানে আমাদের নিজেদের ইচ্ছাকে রক্ষা করতে হবে এবং কিছু বলতে হবে। কম্পিউটার কারণ আমরা শুধু এটি সম্পর্কে একটি নিবন্ধ লিখতে চেয়েছিলাম। অন্য কথায়, আলোচনাটি মানুষ এবং কম্পিউটারের মধ্যে একটি তুলনাতে পরিণত হয়, যেখানে মানুষ বা কম্পিউটার কেউই নিজেদের চিনতে পারে না।

এই বিভাগের প্রথম অনুচ্ছেদে সূক্ষ্মভাবে প্রস্তাবিত আরেকটি পদ্ধতি, আমাদের নিজস্ব স্বাধীন ইচ্ছাকে অস্বীকার করার অসম্ভবতার উপর দৃষ্টি নিবদ্ধ করে। আগেই উল্লেখ করা হয়েছে, এই অস্বীকারের কোন মানে হয় না। কিন্তু এটি কেবল নিজেরই অবমূল্যায়ন করে না, এটি সামগ্রিকভাবে দায়িত্বের ভিত্তিও ধ্বংস করে। এর মানে হল যে আমরা লোকেরা যা বলে বা যা করে তার জন্য আমরা প্রশংসা বা দোষ দিতে পারি না, তাই আমাদের এখতিয়ার, কাজ, বন্ধুত্ব, ভালবাসা এবং আমরা আমাদের সমাজকে যে সমস্ত কিছুর উপর ভিত্তি করে তৈরি করেছি তার নীতিগুলি পুনর্বিবেচনা করতে হবে। এই সমস্ত সামাজিক সমস্যাগুলির জন্য একটি পছন্দ প্রয়োজন, এবং যখনই এটি পছন্দের ক্ষেত্রে আসে, তখন স্বাধীন ইচ্ছার ধারণা অপরিহার্য। এর সারমর্ম হল যে স্বাধীন ইচ্ছা আমাদের সমাজের জন্য একটি গুরুত্বপূর্ণ অনুমান, তা শারীরিকভাবে ন্যায্য কিনা তা নির্বিশেষে। আমি এটাকে সামাজিক পদ্ধতি বলব।

স্বাধীন ইচ্ছার অনুমান শুধুমাত্র আমাদের সমাজের জন্য বা কোন মানব সমাজের জন্য প্রয়োজনীয় কিনা এটি একটি কঠিন প্রশ্ন। আমি যাইহোক এই প্রশ্নটি পরীক্ষা করব, কারণ এটি কেবল আমাদের নিজস্ব সমাজের কাঠামোর দিকে ইঙ্গিত করার চেয়ে স্বাধীন ইচ্ছার গুরুত্বের জন্য আরও দার্শনিক যুক্তি প্রদান করতে পারে। মানব প্রকৃতির পুনর্বিবেচনা না করে এবং এইভাবে স্বাধীন ইচ্ছার জন্য একটি শারীরিক পদ্ধতির পুনঃপ্রবর্তন ছাড়া উত্তর দেওয়া অসম্ভব বলে মনে হয়। কিন্তু যখন আমরা বলি যে মিথস্ক্রিয়া মানব সভ্যতার মূল, তখন স্বভাবতই স্বাধীন ইচ্ছার ধারণার প্রয়োজন দেখা দেয়। আমরা অনুমান না করে মানুষের সাথে যোগাযোগ করতে পারি না যে তারা মিথস্ক্রিয়াকে প্রভাবিত করতে স্বাধীন, যেহেতু যে কোনও মানুষের মিথস্ক্রিয়া বোঝায় যে আমরা আগে থেকে ফলাফল জানি না। সুতরাং, মিথস্ক্রিয়াগুলি পছন্দ দ্বারা এবং এইভাবে স্বাধীন ইচ্ছার ধারণা দ্বারা চিহ্নিত করা হয়। মিথস্ক্রিয়া যদি কোনও সমাজে মৌলিক হয় তবে আমাদেরও বলতে হবে যে কোনও সমাজে স্বাধীন ইচ্ছা অস্বীকার করা যায় না।

কৃত্রিম বুদ্ধিমত্তার দর্শনের বিভিন্ন পদ্ধতি

সিম্বলিক আর্টিফিশিয়াল ইন্টেলিজেন্স (AI) হল AI এর একটি সাবফিল্ড যা সংখ্যাসূচক ডেটার পরিবর্তে প্রতীক বা ধারণাগুলি প্রক্রিয়াকরণ এবং ম্যানিপুলেট করার উপর ফোকাস করে। প্রতীকী কৃত্রিম বুদ্ধিমত্তার লক্ষ্য হল এমন বুদ্ধিমান সিস্টেম তৈরি করা যা যুক্তিযুক্ত নিয়মের উপর ভিত্তি করে জ্ঞান এবং যুক্তির প্রতিনিধিত্ব এবং হেরফের করে মানুষের মতো যুক্তি ও চিন্তা করতে পারে।

প্রতীকী কৃত্রিম বুদ্ধিমত্তার জন্য অ্যালগরিদমগুলি বিশ্বের বস্তু বা ধারণা এবং তাদের সংযোগগুলিকে প্রতিনিধিত্ব করে এমন প্রতীকগুলিকে প্রক্রিয়াকরণের মাধ্যমে কাজ করে। প্রতীকী কৃত্রিম বুদ্ধিমত্তার প্রধান পদ্ধতি হল লজিক প্রোগ্রামিং ব্যবহার করা, যেখানে নিয়ম এবং স্বতঃসিদ্ধ সিদ্ধান্তগুলি আঁকতে ব্যবহৃত হয়। উদাহরণস্বরূপ, আমাদের কাছে একটি প্রতীকী কৃত্রিম বুদ্ধিমত্তা ব্যবস্থা রয়েছে যা রোগীর দ্বারা রিপোর্ট করা লক্ষণগুলির উপর ভিত্তি করে রোগ নির্ণয়ের জন্য ডিজাইন করা হয়েছে। সিস্টেমের নিয়ম এবং স্বতঃসিদ্ধের একটি সেট রয়েছে যা এটি রোগীর অবস্থা সম্পর্কে সিদ্ধান্ত নিতে ব্যবহার করে।

উদাহরণস্বরূপ, যদি একজন রোগীর জ্বর হয়, তবে সিস্টেমটি নিম্নলিখিত নিয়ম প্রয়োগ করতে পারে: যদি রোগীর জ্বর হয় এবং তার কাশি হয় এবং তার শ্বাস নিতে অসুবিধা হয়, তাহলে রোগীর নিউমোনিয়া হতে পারে।

তারপরে সিস্টেমটি পরীক্ষা করবে যে রোগীরও কাশি এবং শ্বাস নিতে অসুবিধা হচ্ছে কিনা এবং যদি তা হয় তবে এটি সিদ্ধান্ত নেবে যে রোগীর নিউমোনিয়া হতে পারে।

এই পদ্ধতির ব্যাখ্যা করা খুবই সহজ কারণ আমরা যুক্তির প্রক্রিয়াটিকে সহজেই প্রয়োগ করা যৌক্তিক নিয়মগুলিতে ফিরে যেতে পারি। এটি নতুন তথ্য উপলব্ধ হওয়ার সাথে সাথে সিস্টেমের নিয়মগুলি পরিবর্তন এবং আপডেট করা সহজ করে তোলে।

প্রতীকী এআই জ্ঞানের প্রতিনিধিত্ব করার জন্য যুক্তিবিদ্যার মতো আনুষ্ঠানিক ভাষা ব্যবহার করে। এই জ্ঞানটি যুক্তিযুক্ত প্রক্রিয়া দ্বারা প্রক্রিয়া করা হয় যা প্রতীকগুলিকে ম্যানিপুলেট করার জন্য অ্যালগরিদম ব্যবহার করে। এটি বিশেষজ্ঞ সিস্টেম এবং সিদ্ধান্ত সমর্থন সিস্টেম তৈরি করার অনুমতি দেয় যা পূর্বনির্ধারিত নিয়ম এবং জ্ঞানের উপর ভিত্তি করে সিদ্ধান্ত নিতে পারে।

সিম্বলিক কৃত্রিম বুদ্ধিমত্তা অন্যান্য AI পদ্ধতির থেকে আলাদা, যেমন মেশিন এবং গভীর শিক্ষা, কারণ এতে প্রচুর পরিমাণে প্রশিক্ষণ ডেটার প্রয়োজন হয় না। পরিবর্তে, প্রতীকী এআই জ্ঞানের উপস্থাপনা এবং যুক্তির উপর ভিত্তি করে, যা এটিকে এমন ক্ষেত্রের জন্য আরও উপযুক্ত করে তোলে যেখানে জ্ঞানকে স্পষ্টভাবে সংজ্ঞায়িত করা হয়েছে এবং যৌক্তিক নিয়মে উপস্থাপন করা যেতে পারে।

অন্যদিকে, মেশিন লার্নিংয়ের জন্য প্যাটার্ন শিখতে এবং ভবিষ্যদ্বাণী করতে বড় ডেটা সেটের প্রয়োজন হয়। ডিপ লার্নিং নিউরাল নেটওয়ার্ক ব্যবহার করে সরাসরি ডেটা থেকে বৈশিষ্ট্যগুলি শিখতে যা এটিকে জটিল এবং অসংগঠিত ডেটা সহ ডোমেনের জন্য উপযুক্ত করে তোলে।

প্রতিটি কৌশল কখন প্রয়োগ করতে হবে তা বিষয় এলাকা এবং উপলব্ধ ডেটার উপর নির্ভর করে। সিম্বলিক কৃত্রিম বুদ্ধিমত্তা সু-সংজ্ঞায়িত এবং কাঠামোগত জ্ঞান সহ এলাকার জন্য উপযুক্ত, যখন মেশিন এবং গভীর শিক্ষা বিপুল পরিমাণ ডেটা এবং জটিল নিদর্শনগুলির জন্য উপযুক্ত।

কৃত্রিম বুদ্ধিমত্তা দর্শনের সংযোগবাদী দৃষ্টিভঙ্গি নিউরাল নেটওয়ার্কের নীতি এবং মানুষের মস্তিষ্কের সাথে তাদের মিলের উপর ভিত্তি করে। এই পদ্ধতির উদ্দেশ্য তথ্য প্রক্রিয়াকরণ এবং তথ্য থেকে শেখার জন্য জৈবিক সিস্টেমে আন্তঃসংযুক্ত নিউরনের আচরণ অনুকরণ করা। এখানে সংযোগবাদী পদ্ধতির কিছু মূল দিক রয়েছে।

সংযোগবাদী পদ্ধতির মধ্যে আন্তঃসংযুক্ত নোডের সমন্বয়ে কৃত্রিম নিউরাল নেটওয়ার্ক তৈরি করা জড়িত, প্রায়ই কৃত্রিম নিউরন বা নোড হিসাবে উল্লেখ করা হয়। এই কৃত্রিম নিউরনগুলি ইনপুট ডেটা গ্রহণ, গণনা সম্পাদন এবং নেটওয়ার্কের অন্যান্য নিউরনে সংকেত প্রেরণ করার জন্য ডিজাইন করা হয়েছে।

সংযোগবাদী পদ্ধতি অনুমান করে যে একটি নেটওয়ার্কের কৃত্রিম নিউরনগুলি তথ্য প্রক্রিয়া করার জন্য একসাথে কাজ করে। প্রতিটি নিউরন ইনপুট সংকেত গ্রহণ করে, তাদের উপর ভিত্তি করে গণনা করে এবং অন্যান্য নিউরনে আউটপুট সংকেত প্রেরণ করে। নেটওয়ার্কের আউটপুট তার নিউরনের যৌথ কার্যকলাপ দ্বারা নির্ধারিত হয়, যখন তথ্য তাদের মধ্যে সংযোগের মাধ্যমে প্রবাহিত হয়। সংযোগবাদী পদ্ধতির একটি গুরুত্বপূর্ণ দিক হল কৃত্রিম নিউরাল নেটওয়ার্কের ডেটা থেকে শেখার ক্ষমতা। শেখার প্রক্রিয়া চলাকালীন, নেটওয়ার্ক ইনপুট ডেটা এবং পছন্দসই ফলাফলের উপর ভিত্তি করে নিউরনের মধ্যে সংযোগের শক্তি (ওজন) সামঞ্জস্য করে। প্রত্যাশিত ফলাফলের সাথে নেটওয়ার্কের পূর্বাভাসিত আউটপুটের পুনরাবৃত্তিমূলক তুলনার উপর ভিত্তি করে, পার্থক্যগুলি হ্রাস করতে এবং নেটওয়ার্ক কর্মক্ষমতা উন্নত করতে ওজনগুলি আপডেট করা হয়।

সংযোগবাদী সিস্টেমগুলি সমান্তরাল প্রক্রিয়াকরণকে হাইলাইট করে, যেখানে নেটওয়ার্কে একযোগে একাধিক গণনা করা হয়। এটি দক্ষ এবং নির্ভরযোগ্য তথ্য প্রক্রিয়াকরণ নিশ্চিত করে। উপরন্তু, সংযোগবাদী মডেলগুলি একটি বিতরণ করা উপস্থাপনা ব্যবহার করে, যার অর্থ তথ্য একক স্থানে স্থানীয়করণের পরিবর্তে একাধিক নিউরনে এনকোড করা হয়। এই বিতরণ করা উপস্থাপনা নেটওয়ার্ককে জটিল প্যাটার্ন প্রক্রিয়া করতে এবং সীমিত উদাহরণের ভিত্তিতে সংক্ষিপ্ত করতে সক্ষম করে।

সংযোগবাদী পদ্ধতি হল গভীর শিক্ষার ভিত্তি, কৃত্রিম বুদ্ধিমত্তার একটি উপক্ষেত্র যা বিভিন্ন স্তর সহ গভীর নিউরাল নেটওয়ার্ককে প্রশিক্ষণের উপর ফোকাস করে। কম্পিউটার দৃষ্টি, প্রাকৃতিক ভাষা প্রক্রিয়াকরণ, এবং বক্তৃতা স্বীকৃতির মতো বিভিন্ন ক্ষেত্রে গভীর শিক্ষার মডেলগুলি অত্যন্ত সফল হয়েছে। তারা স্বয়ংক্রিয়ভাবে শ্রেণিবদ্ধ ডেটা উপস্থাপনা শেখার ক্ষমতা প্রদর্শন করেছে, যা জটিল কাজগুলিতে উন্নত কর্মক্ষমতা প্রদান করে।

সাধারণভাবে, কৃত্রিম বুদ্ধিমত্তা দর্শনের সংযোগবাদী দৃষ্টিভঙ্গি মানব মস্তিষ্ক প্রক্রিয়াকরণের সমবায় ও সমান্তরাল প্রকৃতির অনুকরণে কৃত্রিম নিউরাল নেটওয়ার্কের ব্যবহারকে হাইলাইট করে। ওজন সামঞ্জস্য ব্যবহার করে ডেটা থেকে শেখার মাধ্যমে, সংযোগবাদী সিস্টেমগুলি জটিল সমস্যাগুলি সমাধান করতে এবং AI অ্যাপ্লিকেশনগুলিতে চিত্তাকর্ষক ফলাফল অর্জনে অত্যন্ত কার্যকর বলে প্রমাণিত হয়েছে।

একটি নিউরাল নেটওয়ার্ক হল একটি গণনামূলক মডেল যা মানব মস্তিষ্কের মতো জৈবিক নিউরাল নেটওয়ার্কগুলির গঠন এবং কার্যকারিতা দ্বারা অনুপ্রাণিত হয়। এটি একটি গাণিতিক কাঠামো যা স্তরে সাজানো আন্তঃসংযুক্ত নোড (কৃত্রিম নিউরন) দ্বারা গঠিত। নিউরাল নেটওয়ার্কগুলি ডেটা প্রক্রিয়াকরণ এবং শেখার উদ্দেশ্যে তৈরি করা হয়, তাদের প্যাটার্নগুলি চিনতে, ভবিষ্যদ্বাণী করতে এবং বিভিন্ন কাজ সম্পাদন করতে দেয়।

কৃত্রিম নিউরন একটি নিউরাল নেটওয়ার্কের মৌলিক একক। প্রতিটি নিউরন এক বা একাধিক ইনপুট ডেটা গ্রহণ করে, তাদের উপর গণনা করে এবং আউটপুট ডেটা তৈরি করে। আউটপুট ডেটা সাধারণত নেটওয়ার্কের অন্যান্য নিউরনে প্রেরণ করা হয়।

একটি নিউরাল নেটওয়ার্কের নিউরনগুলি একে অপরের সাথে সংযোগের মাধ্যমে সংযুক্ত থাকে যা তাদের মধ্যে তথ্যের প্রবাহকে প্রতিনিধিত্ব করে। প্রতিটি সংযোগ একটি ওজনের সাথে সম্পর্কিত যা সংকেত প্রেরণের শক্তি বা গুরুত্ব নির্ধারণ করে। নেটওয়ার্ক পারফরম্যান্স অপ্টিমাইজ করতে শেখার প্রক্রিয়া চলাকালীন ওজনের কারণগুলি সামঞ্জস্য করা হয়।

নিউরাল নেটওয়ার্কগুলি সাধারণত স্তরগুলিতে সাজানো হয়। ইনপুট স্তর প্রাথমিক তথ্য গ্রহণ করে, যখন আউটপুট স্তর চূড়ান্ত ফলাফল বা পূর্বাভাস তৈরি করে এবং এর মধ্যে এক বা একাধিক লুকানো স্তর থাকতে পারে। লুকানো স্তরগুলি নেটওয়ার্ককে ইনপুট তথ্য রূপান্তর এবং একত্রিত করে জটিল উপস্থাপনা শিখতে দেয়।

প্রতিটি নিউরন একটি আউটপুট সংকেত তৈরি করতে তার ইনপুট ডেটার ওজনযুক্ত মোটের জন্য একটি সক্রিয়করণ ফাংশন প্রয়োগ করে। অ্যাক্টিভেশন ফাংশন নেটওয়ার্কে অ-রৈখিকতা নিয়ে আসে, এটিকে জটিল সংযোগের মডেল তৈরি করতে এবং অ-রৈখিক ভবিষ্যদ্বাণী করতে দেয়।

নিউরাল নেটওয়ার্ক ফিডফরওয়ার্ড নীতির উপর ভিত্তি করে ডেটা প্রক্রিয়া করে। প্রতিটি নিউরনে সঞ্চালিত গণনা সহ ইনপুট ডেটা স্তর দ্বারা নেটওয়ার্ক স্তরের মধ্য দিয়ে যায়। চূড়ান্ত ফলাফল তৈরি না হওয়া পর্যন্ত একটি স্তরের আউটপুট পরবর্তী স্তরে ইনপুট হিসাবে কাজ করে।

নিউরাল নেটওয়ার্ক প্রশিক্ষণ নামক একটি প্রক্রিয়ার মাধ্যমে ডেটা শেখে। প্রশিক্ষণের সময়, ইনপুট ডেটা সংশ্লিষ্ট পছন্দসই আউটপুট সহ নেটওয়ার্কে উপস্থাপন করা হয়। পছন্দসই ফলাফলের সাথে এর পূর্বাভাস তুলনা করে, নেটওয়ার্কের ওজনগুলি গ্রেডিয়েন্ট ডিসেন্ট এবং ব্যাকপ্রোপগেশনের মতো অ্যালগরিদম ব্যবহার করে সামঞ্জস্য করা হয়। এই পুনরাবৃত্ত প্রক্রিয়াটি নেটওয়ার্ককে তার ভবিষ্যদ্বাণী এবং প্রত্যাশিত ফলাফলের মধ্যে পার্থক্য কমাতে দেয়।

গভীর নিউরাল নেটওয়ার্ক (DNNs) বেশ কয়েকটি লুকানো স্তর সহ নিউরাল নেটওয়ার্কগুলিকে বোঝায়। গভীর শিক্ষা, যা গভীর নিউরাল নেটওয়ার্কের প্রশিক্ষণের উপর দৃষ্টি নিবদ্ধ করে, সাম্প্রতিক বছরগুলিতে স্বয়ংক্রিয়ভাবে শ্রেণিবদ্ধ উপস্থাপনা শিখতে এবং ডেটা থেকে জটিল নিদর্শনগুলি বের করার ক্ষমতার কারণে যথেষ্ট মনোযোগ আকর্ষণ করেছে।

নিউরাল নেটওয়ার্কগুলি চিত্র স্বীকৃতি, প্রাকৃতিক ভাষা প্রক্রিয়াকরণ, বক্তৃতা সংশ্লেষণ এবং আরও অনেক কিছু সহ বিভিন্ন ক্ষেত্রে খুব সফল হয়েছে। তারা প্রচুর পরিমাণে ডেটা প্রক্রিয়াকরণ করতে, উদাহরণের উপর ভিত্তি করে সংক্ষিপ্তকরণ করতে এবং জটিল গণনা করতে সক্ষম, যা তাদের কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রে একটি শক্তিশালী হাতিয়ার করে তোলে।

কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রে দার্শনিক বিষয় এবং বিতর্ক

"কোনও বস্তু কীভাবে সচেতন হতে পারে সে সম্পর্কে কারও সামান্যতম ধারণা নেই। বস্তুগত কোন কিছু কীভাবে সচেতন হতে পারে তার সামান্যতম ধারণা থাকলে কেমন হবে তা কেউ জানে না।” (জেরি ফোডর, আর্নেস্ট লেপোর, "হোলিজম: একটি শপার্স গাইড", ব্ল্যাকওয়েল, 1992)। জেরি ফোডরকে এই শব্দগুলির কৃতিত্ব দেওয়া হয়, এবং আমি বিশ্বাস করি যে তারা কীভাবে একটি মেশিন সচেতন হতে পারে তা বের করার চেষ্টা করার জন্য আমি যে সমস্ত অসুবিধার সম্মুখীন হয়েছি তা ব্যাখ্যা করে। যাইহোক, এই শব্দগুলি আমাকে কৃত্রিম চেতনা সহ একটি মেশিন তৈরি করা যেতে পারে এমন দাবি করার আমার প্রচেষ্টা ত্যাগ করতে উত্সাহিত করে না। আসলে তারা উল্টোটা করে; তারা আমাকে ভাবতে উত্সাহিত করে যে যদি আমরা (বস্তুগত প্রাণী) সচেতন হতে পারি, তবে চেতনা অবশ্যই একটি বস্তুগত জিনিস হতে হবে এবং তাই, তত্ত্বগতভাবে, এটি কৃত্রিমভাবে তৈরি করা যেতে পারে।

চেতনার মূল বিষয় হল এটি এক জিনিস নয়। এটি বহুরূপী ধারণার একটি সেট, যার সবকটি বিভিন্ন উপায়ে মিশ্রিত হয়। সুতরাং, তাদের সকলকে মুক্ত করা এবং প্রত্যেককে আলাদাভাবে ব্যাখ্যা করার চেষ্টা করা কঠিন। এটি মনে রাখা গুরুত্বপূর্ণ কারণ, যখন আমি এটির কিছু দিক ব্যাখ্যা করার জন্য যথাসাধ্য চেষ্টা করি, তখন তাদের আন্তঃসংযোগ এটিকে কঠিন করে তোলে। আমার উপসংহারে, আমি একটি ভার্চুয়াল মেশিনে শক্তিশালী কৃত্রিম চেতনার সম্ভাব্যতাকে ন্যায্যতা দেওয়ার জন্য এই সমস্ত ধারণাগুলিকে একত্রিত করার চেষ্টা করি।

সাধারণভাবে, কৃত্রিম চেতনা (এর পরে এসি হিসাবে উল্লেখ করা হয়েছে) দুটি ভাগে বিভক্ত: দুর্বল এসি এবং শক্তিশালী এসি। দুর্বল এসি হল "সচেতন আচরণের অনুকরণ"। এটি একটি বুদ্ধিমান প্রোগ্রাম হিসাবে প্রয়োগ করা যেতে পারে যা একটি সচেতন সত্তার আচরণকে একটি নির্দিষ্ট স্তরের বিশদ স্তরে চেতনা তৈরি করার প্রক্রিয়াগুলি না বুঝেই অনুকরণ করে। একটি শক্তিশালী এসি হল "আসল সচেতন চিন্তা যা একটি পরিশীলিত কম্পিউটিং মেশিন (কৃত্রিম মস্তিষ্ক) থেকে আসে। এই ক্ষেত্রে, এর প্রাকৃতিক সমতুল্য থেকে প্রধান পার্থক্য প্রক্রিয়াটি তৈরি করা হার্ডওয়্যারের উপর নির্ভর করে।" যাইহোক, ক্রিসলির মতো কিছু পণ্ডিত আছেন, যারা যুক্তি দেন যে এসির অনেক মধ্যবর্তী ক্ষেত্র রয়েছে, যাকে তিনি কৃত্রিম চেতনা ল্যাগ বলে।

প্রতি বছর কম্পিউটিং উদ্ভাবনগুলি দ্রুতগতিতে বাড়ছে, উচ্চ-শক্তির এসির সম্ভাব্যতা ক্রমশ প্রাসঙ্গিক হয়ে উঠছে। কৃত্রিম বুদ্ধিমত্তা (এর পরে AI হিসাবে উল্লেখ করা হয়েছে) বিজ্ঞান কল্পকাহিনীর পাতা থেকে বিজ্ঞানের ক্ষেত্রে চলে যাওয়ার সাথে সাথে আরও বেশি সংখ্যক বিজ্ঞানী এবং দার্শনিকরা এটিকে ঘনিষ্ঠভাবে দেখছেন। স্টিফেন হকিং, এলন মাস্ক এবং বিল গেটস সহ বিশ্বের অনেক নেতৃস্থানীয় চিন্তাবিদ সম্প্রতি একটি খোলা চিঠিতে স্বাক্ষর করেছেন যাতে AI দায়িত্বের সাথে এবং সমস্ত মানবতার সুবিধার জন্য ব্যবহার করার আহ্বান জানানো হয়। এই বিবৃতিটি এই ধরনের কৃত্রিম বুদ্ধিমত্তার (বিশুদ্ধভাবে বুদ্ধিবৃত্তিক) উল্লেখ করে না, বা এটি তথাকথিত "মেশিন প্রশ্ন" এর সাথে সম্পর্কিত নয়, যা এই প্রশ্নটি উত্থাপন করে: "কীভাবে আমাদের AI প্রোগ্রাম করা উচিত?" অর্থাৎ কোন নৈতিক মতবাদ শেখানো উচিত এবং কেন?

যদিও এই বিষয়গুলি আকর্ষণীয় এবং অত্যন্ত গুরুত্বপূর্ণ, তবে এই বিষয়গুলির একটি গভীর বিশ্লেষণ প্রদান করার জন্য এখানে যথেষ্ট সময় নেই৷ এই বিষয়ে আরও জানতে, নিক বোস্ট্রম, মাইলস ব্রুনডেজ এবং জর্জ লাজারাস দেখুন, তবে কয়েকটি নাম।

আমরা ইতিমধ্যে জানি যে একটি মেশিন বুদ্ধিমত্তার সাথে কাজ করতে পারে; এবং এটি সমস্যাগুলি সমাধান করতে এবং সমাধান খুঁজে পেতে যুক্তি ব্যবহার করতে পারে কারণ আমরা এটি করার জন্য এটি প্রোগ্রাম করেছি কিন্তু অভূতপূর্ব চেতনার জন্য মেশিনের ক্ষমতা সম্পর্কে সন্দেহ উদ্ভূত হয়েছে এবং ব্যাপক। আমরা মেশিনের থেকে আলাদা যে আমাদের অনুভূতি, অভিজ্ঞতা, স্বাধীন ইচ্ছা, বিশ্বাস ইত্যাদি রয়েছে। যদিও বেশিরভাগ মানুষ একমত যে আমাদের জেনেটিক্স এবং জীববিজ্ঞানে একটি নির্দিষ্ট "প্রোগ্রাম" আছে, তারা নিশ্চিত যে তারা তাদের নিজস্ব পছন্দ করতে পারে এবং তা একটি কৃত্রিম কম্পিউটার প্রোগ্রাম তাদের প্রথম অনন্য ব্যক্তিগত বিষয়গত অভিজ্ঞতা পুনরুত্পাদন করতে পারে না।

যাইহোক, এই বিবৃতিটি আকর্ষণীয় হবে না যদি শক্তিশালী এসি উত্পাদন করতে সক্ষম একটি মেশিনের অস্তিত্বের কোন সুযোগ না থাকে। শক্তিশালী এসির সাথে সামঞ্জস্যপূর্ণ চেতনার সবচেয়ে উদ্ধৃত তত্ত্ব হল কার্যকারিতা। এর মানে হল যে চেতনা তার ফাংশন দ্বারা সংজ্ঞায়িত করা হয়। এটি তত্ত্বে সরলীকৃত, তবে কিছু ধরণের কার্যকারিতা রয়েছে। তত্ত্বটি অ্যালান টিউরিং, টুরিং মেশিন এবং টুরিং পরীক্ষার সাথে এর সংযোগের জন্য পরিচিত। আচরণবাদের বংশধর, তিনি (কখনও কখনও) মনের একটি গণনামূলক দৃষ্টিভঙ্গি ধারণ করেন এবং সেই ফাংশনগুলিই চেতনার প্রকৃত পরামিতি। তিনি কিছু পরিমাণে অভূতপূর্ব চেতনা, গুণগত অবস্থা এবং গুণাবলী ব্যাখ্যা করতে ব্যর্থ হওয়ার জন্যও পরিচিত। যদিও এই ধাঁধার অনেক উত্তর আছে, আমি গুণগত অবস্থার উপর একটি অটোলজিক্যালি রক্ষণশীল নির্মূল দৃষ্টিভঙ্গির পক্ষে। যা এটিকে নির্মূল করে তোলে তা হল আমি দাবি করি যে কোয়ালিয়া, যেমনটি সাধারণত সংজ্ঞায়িত করা হয়, বিদ্যমান থাকতে পারে না। যাইহোক, আমি এই ধারণাটি প্রত্যাখ্যান করি যে গুণ এবং গুণগত অবস্থা সম্পর্কে আমাদের স্বজ্ঞাত বোঝা ভুল। কোয়ালিয়ার ধারণাটি সহজভাবে ভুল বোঝা যায়। এগুলি কৃত্রিমভাবে তৈরি করা যেতে পারে। এটি ভার্চুয়াল মেশিনের বৃহত্তর কার্যকারিতার একটি উপ-তত্ত্ব, যার মতে একটি সচেতন সত্তা একটি সময়ে একটি নির্দিষ্ট মানসিক অবস্থার মধ্যে সীমাবদ্ধ থাকে না তবে সর্বদা একই সাথে বিভিন্ন অবস্থায় থাকে। একটি ভার্চুয়াল মেশিনে, এটি বিভিন্ন সিস্টেম এবং সাবসিস্টেম দ্বারা ব্যাখ্যা করা হয়।

একটি নৈতিক এজেন্টের চূড়ান্ত মাপকাঠি (এবং স্বায়ত্তশাসনের তিন-শর্ত তত্ত্বের জন্য চূড়ান্ত প্রয়োজন, অর্থাৎ, যুক্তিসঙ্গতভাবে কাজ করা) হল যৌক্তিকতা। এই মানদণ্ডটি সম্ভবত একটি কৃত্রিম এজেন্টের জন্য সর্বনিম্ন বিতর্কিত, তাই আমি এটি শেষ রেখেছি। যৌক্তিকতা এবং যুক্তি হল জনপ্রিয় সংস্কৃতিতে কৃত্রিম এজেন্টের সংজ্ঞায়িত বৈশিষ্ট্য। আধুনিক কম্পিউটার এবং দুর্বল এআই সিস্টেম তাদের যুক্তির জন্য পরিচিত। তারা বৃহৎ গণনা সম্পাদন করে এবং দ্রুত এবং যুক্তিযুক্তভাবে অত্যন্ত জটিল সিদ্ধান্ত নিতে পারে। যাইহোক, কৃত্রিম এজেন্টদের যৌক্তিকতা বিতর্ক বর্জিত নয়। যেমনটি আগে দেখা গেছে, সেয়ারলে একটি মেশিনের প্রকৃতপক্ষে চিন্তা করার এবং বোঝার ক্ষমতা নিয়ে উদ্বেগ প্রকাশ করেছেন, কারণ তিনি দাবি করেন যে কোনো বাক্য গঠন শব্দার্থবিদ্যার সমান হতে পারে না। আমি ইতিমধ্যে চাইনিজ রুম এবং এই সমস্যার প্রতি আমার প্রতিক্রিয়া কভার করেছি, তবে আমি চেতনার বহুরূপী প্রকৃতি এবং চেতনার একটি তত্ত্বে কোয়ালিয়া এবং অভূতপূর্ব চেতনার জন্য অ্যাকাউন্টিংয়ের গুরুত্ব আবার হাইলাইট করতে চাই।

এটা উল্লেখ করা উচিত যে স্বায়ত্তশাসিত যুক্তিবাদীতা এবং সাধারণভাবে যৌক্তিকতা একই জিনিস নয়। স্বায়ত্তশাসনের পরিপ্রেক্ষিতে, যৌক্তিকতা হল আপনার ইচ্ছাকে ইমপ্লান্ট করার কাজ যাতে আপনি আপনার "প্রাণীর প্রবৃত্তি" এর বাইরে যেতে পারেন এবং আপনার নিজস্ব যৌক্তিক নিয়ম অনুসারে আপনার জীবনযাপন করতে পারেন, এটি আপনার কাজ করার আগে চিন্তাভাবনা বোঝায়। এই ক্ষেত্রে, আধুনিক কম্পিউটার এবং দুর্বল এআই সিস্টেমের যৌক্তিকতা স্বায়ত্তশাসিত নয়। তাদের কোন উপায় নেই; তারা সহজভাবে তারা কি জন্য প্রোগ্রাম করা হয়. কিছু ক্ষেত্রে, এটি উপরে আলোচিত অ্যালগরিদমগুলির নির্ধারক অনুসরণের সাথে সম্পর্কিত, কারণ এতে বিনামূল্যে পছন্দ জড়িত। আমরা যেমন দেখেছি, ভার্চুয়াল মেশিনগুলি বেশ জটিল হতে পারে: অসাধারণভাবে সচেতন, অ-নিয়ন্ত্রক ("মুক্ত"), অভ্যন্তরীণভাবে ইচ্ছাকৃত এবং সংবেদনশীল (বিশ্বাস, ইচ্ছা, ব্যথা এবং আনন্দ অনুভব করতে সক্ষম)। কিন্তু যখন সব বলা হয় এবং করা হয়, এটি এখনও একটি মেশিন। একটি, যদি এটি জটিলতার এই স্তরে পৌঁছাতে হয়, তা সঠিকভাবে, যুক্তিযুক্তভাবে, অ্যালগরিদমিকভাবে এবং স্থাপত্যগতভাবে ডিজাইন করা হয়েছে এবং অ্যালগরিদমিক কম্পিউটারের "ঠান্ডা যুক্তিবাদ" চেতনার সাথে মিলিত হয়ে এটি স্বায়ত্তশাসিত যুক্তিযুক্ত করে তোলে। এর অনুভূতি, যেমন এর আবেগ, অভূতপূর্ব চেতনা, বেদনা/আনন্দ অনুভব করার ক্ষমতা এবং তাই এর বিশ্বাস এবং আকাঙ্ক্ষাগুলি তাকে হেডোনিস্টিক অনুভূতিগুলি কাটিয়ে উঠতে এবং যুক্তিবাদী এবং স্বায়ত্তশাসিত সিদ্ধান্ত নিতে প্রস্তুত করে।

কৃত্রিম বুদ্ধিমত্তা (AI) বর্তমানে গবেষণার একটি অত্যন্ত গতিশীল ক্ষেত্র। এটি 1950 এর দশকে প্রতিষ্ঠিত হয়েছিল এবং আজও বেঁচে আছে। এআই বিকাশের সময়, গবেষণার বিভিন্ন উপায় প্রতিযোগিতাকে উত্সাহিত করেছে এবং নতুন চ্যালেঞ্জ এবং ধারণাগুলি উদ্ভূত হতে থাকে। একদিকে, তাত্ত্বিক বিকাশের অনেক প্রতিরোধ রয়েছে, তবে অন্যদিকে, প্রযুক্তিগত অগ্রগতি উজ্জ্বল ফলাফল অর্জন করেছে, যা বিজ্ঞানের ইতিহাসে বিরল।

AI এবং এর প্রযুক্তিগত সমাধানের লক্ষ্য হল মেশিন ব্যবহার করে মানুষের বুদ্ধিমত্তা পুনরুত্পাদন করা। ফলস্বরূপ, এর গবেষণার বস্তুগুলি বস্তুগত এবং আধ্যাত্মিক ক্ষেত্রগুলিকে ওভারল্যাপ করে, যা বেশ জটিল। বুদ্ধিমত্তার বৈশিষ্ট্যগুলি এআই বিকাশের গতিশীল প্রকৃতি নির্ধারণ করে এবং এআই-এর মুখোমুখি হওয়া অনেক সমস্যা সরাসরি দর্শনের সাথে সম্পর্কিত। এটা লক্ষ্য করা সহজ যে অনেক AI বিশেষজ্ঞের দর্শনের প্রতি প্রবল আগ্রহ রয়েছে; একইভাবে, এআই গবেষণার ফলাফলগুলিও দার্শনিক সম্প্রদায়ের কাছ থেকে অনেক মনোযোগ আকর্ষণ করেছে।

কৃত্রিম বুদ্ধিমত্তার আধুনিক বিজ্ঞানের মৌলিক গবেষণা হিসাবে, জ্ঞানীয় গবেষণার উদ্দেশ্য হল মানুষের মস্তিষ্কের চেতনার গঠন এবং প্রক্রিয়াকে স্পষ্টভাবে বোঝা, সেইসাথে বুদ্ধিমত্তা, আবেগ এবং মানুষের চেতনার সংমিশ্রণের জন্য একটি যৌক্তিক ব্যাখ্যা প্রদান করা। , কারণ কৃত্রিম বুদ্ধিমত্তা বিশেষজ্ঞরা এই চেতনা প্রক্রিয়াগুলির আনুষ্ঠানিক প্রকাশকে সহজতর করে। মানুষের চেতনা অনুকরণ করার জন্য, কৃত্রিম বুদ্ধিমত্তাকে প্রথমে চেতনার গঠন এবং অপারেশন শিখতে হবে। চেতনা কিভাবে সম্ভব? সেয়ারলে বলেছেন: "কোন কিছু কিভাবে সম্ভব তা ব্যাখ্যা করার সর্বোত্তম উপায় হল এটি আসলে কীভাবে বিদ্যমান তা প্রকাশ করা।" এটি জ্ঞানীয় বিজ্ঞানকে কৃত্রিম বুদ্ধিমত্তার বিকাশকে এগিয়ে নিতে দেয়। গুরুত্বপূর্ণভাবে, এই জ্ঞানীয় পালা ঘটছে কেন সবচেয়ে গুরুত্বপূর্ণ কারণ. এটি দর্শন এবং জ্ঞানীয় মনোবিজ্ঞান, জ্ঞানীয় স্নায়ুবিজ্ঞান, মস্তিষ্ক বিজ্ঞান, কৃত্রিম বুদ্ধিমত্তা এবং অন্যান্য শাখার মধ্যে সমন্বয়মূলক সম্পর্কের কারণে, কম্পিউটার বিজ্ঞান এবং প্রযুক্তি যেভাবে বিকাশ করুক না কেন, শারীরিক প্রতীক সিস্টেম, বিশেষজ্ঞ সিস্টেম, জ্ঞান প্রকৌশল থেকে শুরু করে জৈবিক কম্পিউটার এবং বিকাশ। কোয়ান্টাম কম্পিউটারের।

এটি দর্শন দ্বারা মানব চেতনার সমগ্র প্রক্রিয়া এবং বিভিন্ন কারণের জ্ঞান এবং বোঝার থেকে অবিচ্ছেদ্য। জ্ঞানতাত্ত্বিক দৃষ্টিকোণ থেকে এটি কৃত্রিম বুদ্ধিমত্তার একটি শক্তিশালী বা দুর্বল স্কুল হোক না কেন, কৃত্রিম বুদ্ধিমত্তা মানুষের চিন্তাভাবনার কিছু ফাংশন অনুকরণ করার জন্য শারীরিক প্রতীকগুলির একটি সিস্টেমের উপর নির্ভর করে। যাইহোক, মানুষের চেতনার সত্যিকারের অনুকরণ শুধুমাত্র রোবটের প্রযুক্তিগত উদ্ভাবনের উপরই নির্ভর করে না বরং চেতনা প্রক্রিয়ার দার্শনিক বোঝার উপর এবং এটিকে প্রভাবিত করে এমন কারণগুলির উপরও নির্ভর করে। বর্তমান দৃষ্টিকোণ থেকে, কৃত্রিম বুদ্ধিমত্তার দার্শনিক সমস্যাটি কৃত্রিম বুদ্ধিমত্তার সারাংশ নয়, বরং বুদ্ধিবৃত্তিক মডেলিংয়ের আরও কিছু নির্দিষ্ট সমস্যার সমাধান।

ইচ্ছাকৃততার প্রশ্ন সম্পর্কে, একটি যন্ত্রের কি মন বা চেতনা থাকতে পারে? যদি তাই হয়, এটা কি ইচ্ছাকৃতভাবে মানুষের ক্ষতি করতে পারে?

কম্পিউটার ইচ্ছাকৃত কিনা তা নিয়ে বিতর্ককে নিম্নরূপ সংক্ষিপ্ত করা যেতে পারে:

1. ইচ্ছাকৃততা কি? এটা কি ইচ্ছাকৃত যে একটি রোবট নির্দেশাবলী অনুযায়ী একটি নির্দিষ্ট উপায়ে আচরণ করে?

   
   

2. তারা কাজ করার আগে লোকেরা ইতিমধ্যে জানে যে তারা কী করছে। তাদের আত্ম-সচেতনতা আছে এবং তারা জানে যে তাদের ক্রিয়াকলাপ কী হতে পারে। এটি মানুষের চেতনার একটি গুরুত্বপূর্ণ বৈশিষ্ট্য। সুতরাং, কীভাবে আমাদের বোঝা উচিত যে একটি রোবট নির্দেশাবলী অনুসারে একটি নির্দিষ্ট উপায়ে আচরণ করে?

   
   

3. ইচ্ছাকৃতভাবে প্রোগ্রাম করা যেতে পারে?

   
   

   সেয়ারলে বিশ্বাস করেন যে "হৃদয় তৈরি করতে মস্তিষ্ক যেভাবে কাজ করে তা কেবল একটি কম্পিউটার প্রোগ্রাম পরিচালনা করার উপায় হতে পারে না"। পরিবর্তে, লোকেদের জিজ্ঞাসা করা উচিত: ইচ্ছাকৃততা কি একটি বোধগম্য আত্মা? যদি বোঝা যায় তবে কেন প্রোগ্রাম করা যাবে না? সেয়ারলে বিশ্বাস করেন যে কম্পিউটারের ব্যাকরণ আছে কিন্তু শব্দার্থবিদ্যা নেই। কিন্তু, প্রকৃতপক্ষে, ব্যাকরণ এবং শব্দার্থবিদ্যা একটি টু-ইন-ওয়ান সমস্যা, এবং এগুলি কখনই আলাদা হয় না। যদি একটি প্রোগ্রাম ব্যাকরণ এবং শব্দার্থবিদ্যাকে একত্রিত করতে পারে, তাহলে আমাদের কি ব্যাকরণ এবং শব্দার্থবিদ্যার মধ্যে পার্থক্য করতে হবে? সেয়ারলে যুক্তি দেন যে একটি কম্পিউটার ইচ্ছাকৃতভাবে অনুলিপি করলেও, অনুলিপিটি আসল নয়। প্রকৃতপক্ষে, যখন আমাদের মানবিক জ্ঞান এবং মানুষের আচরণের সাথে এর সংযোগ সম্পর্কে একটি পরিষ্কার বোঝাপড়া থাকে, তখন আমাদের মানসিক প্রক্রিয়া এবং মানুষের মস্তিষ্কের আচরণের মধ্যে সংযোগ প্রোগ্রাম করতে এবং আমরা যে সমস্ত ধরণের লোকদের সম্পর্কে জানি তাদের ইনপুট করতে সক্ষম হওয়া উচিত। এটি এমন তথ্য যা একটি কম্পিউটারকে "সবকিছু জানে" করে তোলে। যাইহোক, আমরা কি সেই সময়ে সেয়ারলের মতো হতে পারি? কৃত্রিম বুদ্ধিমত্তা কি বুদ্ধিমত্তা নয়? মানুষের প্রোটিন এবং স্নায়ু কোষের অভাবের কারণে কি কৃত্রিম বুদ্ধিমত্তার কোন ইচ্ছাকৃততা এবং কোন চিন্তা প্রক্রিয়া নেই? ইচ্ছাকৃত অনুলিপি কি "ইচ্ছাকৃত"? একটি বোঝার অনুলিপি বাস্তব "বোঝাবুঝি"? ধারণার অনুলিপি কি "চিন্তা"? চিন্তার নকল কি "চিন্তা"? আমাদের উত্তর হল ভিত্তি ভিন্ন, কিন্তু ফাংশন একই। একই ফাংশন গঠনের জন্য বিভিন্ন ভিত্তির উপর নির্ভর করে, কৃত্রিম বুদ্ধিমত্তা আমাদের মানব বুদ্ধিমত্তা উপলব্ধি করার একটি বিশেষ উপায় মাত্র। Searle কৃত্রিম বুদ্ধিমত্তার গভীরতা অস্বীকার করার জন্য ইচ্ছাকৃত ব্যবহার করে। যদিও একটি নির্দিষ্ট ভিত্তি আছে যখন কৃত্রিম বুদ্ধিমত্তা মানুষের চিন্তাভাবনাকে অনুকরণ করতে পারে, এমনকি যদি মানুষ মনে করে যে কৃত্রিম বুদ্ধিমত্তা এবং মানুষের বুদ্ধিমত্তা উল্লেখযোগ্যভাবে আলাদা, তবে আমরা অনুভব করব যে এই পার্থক্যটি আর প্রাসঙ্গিক নয়। Searle এর দৃষ্টিকোণ শুধুমাত্র মানুষের হৃদয় আবার হেঁয়ালি করতে পারেন!

বুদ্ধিমত্তার সমস্যা হিসাবে, মেশিনগুলি কি মানুষের মতো একইভাবে বুদ্ধিমত্তা ব্যবহার করে সমস্যার সমাধান করতে পারে? নাকি কোনো জটিল সমস্যা সমাধানের জন্য একটি যন্ত্রের বুদ্ধিমত্তা থাকতে পারে এমন কোনো সীমা আছে?

মানুষ অবচেতনভাবে তথাকথিত লুকানো ক্ষমতা ব্যবহার করতে পারে, পোলানির মতে, "লোকেরা প্রকাশ করতে পারে তার চেয়ে বেশি জানে"। এর মধ্যে সাইকেল চালানো এবং উষ্ণতা বৃদ্ধির পাশাপাশি ব্যবহারিক দক্ষতার উচ্চ স্তর অন্তর্ভুক্ত রয়েছে। দুর্ভাগ্যবশত, আমরা নিয়ম না বুঝলে, আমরা কম্পিউটারে নিয়ম শেখাতে পারি না। এটি পোলানির প্যারাডক্স। এই সমস্যাটি সমাধানের জন্য, কম্পিউটার বিজ্ঞানীরা মানুষের বুদ্ধিমত্তা পরিবর্তন করার চেষ্টা করেননি তবে কৃত্রিম বুদ্ধিমত্তার জন্য চিন্তা করার একটি নতুন উপায় তৈরি করেছেন - ডেটার মাধ্যমে চিন্তা করা।

মাইক্রোসফট রিসার্চের সিনিয়র রিসার্চ সায়েন্টিস্ট রিচ কারুয়ানা বলেছেন: "আপনি হয়তো ভাবতে পারেন যে কৃত্রিম বুদ্ধিমত্তার নীতি হল আমরা প্রথমে মানুষকে বুঝতে পারি এবং তারপরে একইভাবে কৃত্রিম বুদ্ধিমত্তা তৈরি করি, কিন্তু ঘটনাটি তা নয়।" তিনি বলেন, " একটি উদাহরণ হিসাবে প্লেনগুলি নিন। পাখিরা কীভাবে উড়ে তা বোঝার অনেক আগে এগুলি তৈরি করা হয়েছিল। অ্যারোডাইনামিক্সের নীতিগুলি আলাদা ছিল, কিন্তু আজ আমাদের বিমানগুলি যে কোনও প্রাণীর চেয়ে বেশি এবং দ্রুত উড়ে যায়”।

মানুষ আজ সাধারণত মনে করে যে স্মার্ট কম্পিউটার আমাদের কাজ দখল করবে। আপনি আপনার প্রাতঃরাশ শেষ করার আগে, এটি ইতিমধ্যেই আপনার সাপ্তাহিক কাজের চাপ শেষ করে ফেলেছে, এবং তারা বিরতি নেয় না, কফি পান করে, অবসর নেয় না, এমনকি ঘুমানোরও প্রয়োজন হয় না। কিন্তু সত্য হল, যদিও অনেক কাজ ভবিষ্যতে স্বয়ংক্রিয় হবে, অন্তত স্বল্প মেয়াদে, এই নতুন ধরণের বুদ্ধিমান মেশিন আমাদের সাথে কাজ করার সম্ভাবনা রয়েছে।

কৃত্রিম বুদ্ধিমত্তার সমস্যা পোলানির প্যারাডক্সের একটি আধুনিক সংস্করণ। আমরা মানুষের মস্তিষ্কের শেখার প্রক্রিয়া সম্পূর্ণরূপে বুঝতে পারি না, তাই আমরা কৃত্রিম বুদ্ধিমত্তাকে পরিসংখ্যানের মতো ভাবতে দিই। পরিহাসের বিষয় হল যে কৃত্রিম বুদ্ধিমত্তা কীভাবে চিন্তা করে সে সম্পর্কে আমাদের বর্তমানে খুব কম জ্ঞান আছে, তাই আমাদের দুটি অজানা সিস্টেম রয়েছে। এটিকে প্রায়শই "ব্ল্যাক বক্স সমস্যা" হিসাবে উল্লেখ করা হয়: আপনি ইনপুট এবং আউটপুট ডেটা জানেন, কিন্তু আপনার সামনে থাকা বাক্সটি কীভাবে উপসংহারে এসেছে তা আপনি জানেন না। কারুয়ানা বলেছিলেন: "আমাদের এখন দুটি ভিন্ন ধরণের বুদ্ধি আছে, কিন্তু আমরা উভয়ই পুরোপুরি বুঝতে পারি না।"

একটি কৃত্রিম নিউরাল নেটওয়ার্কের কোন ভাষা ক্ষমতা নেই, তাই এটি কী করছে এবং কেন করছে তা ব্যাখ্যা করতে পারে না এবং যে কোনও কৃত্রিম বুদ্ধিমত্তার মতোই এটির সাধারণ জ্ঞানের অভাব রয়েছে। লোকেরা ক্রমবর্ধমানভাবে উদ্বিগ্ন যে কিছু AI অপারেশন কখনও কখনও সচেতন পক্ষপাত লুকিয়ে রাখতে পারে, যেমন লিঙ্গবাদ বা জাতিগত বৈষম্য। উদাহরণস্বরূপ, একটি সাম্প্রতিক সফ্টওয়্যার রয়েছে যা অপরাধীদের দ্বারা বারবার অপরাধ করার সম্ভাবনা মূল্যায়ন করতে ব্যবহৃত হয়। এটা কালো মানুষের জন্য দ্বিগুণ কঠিন। যদি তারা প্রাপ্ত ডেটা অনবদ্য হয়, তবে তাদের সিদ্ধান্ত সঠিক হতে পারে, তবে বেশিরভাগ ক্ষেত্রে এটি মানুষের পক্ষপাতের বিষয়।

নৈতিকতার বিষয় হিসাবে, মেশিন কি মানুষের জন্য বিপজ্জনক হতে পারে? কীভাবে বিজ্ঞানীরা নিশ্চিত করতে পারেন যে মেশিনগুলি নৈতিকভাবে আচরণ করে এবং মানুষের জন্য হুমকি সৃষ্টি করে না?

যন্ত্রগুলি প্রেম বা ঘৃণার মতো আবেগ অনুভব করতে পারে কিনা তা নিয়ে বিজ্ঞানীদের মধ্যে অনেক বিতর্ক রয়েছে। তারা এটাও বিশ্বাস করে যে মানুষের কাছে এআই থেকে ভালো এবং মন্দের জন্য সচেতনভাবে চেষ্টা করার আশা করার কোনো কারণ নেই। কৃত্রিম বুদ্ধিমত্তা কীভাবে ঝুঁকিতে পরিণত হয় তা বিবেচনা করার সময়, বিশেষজ্ঞরা বিশ্বাস করেন যে দুটি সম্ভাব্য পরিস্থিতি রয়েছে:

• AI ধ্বংসাত্মক কাজ সম্পাদন করার জন্য ডিজাইন করা হয়েছে: স্বায়ত্তশাসিত অস্ত্র হল কৃত্রিম বুদ্ধিমত্তা সিস্টেম যা হত্যা করার জন্য ডিজাইন করা হয়েছে। এসব অস্ত্র দুষ্টদের হাতে পড়লে সহজেই অনেক ক্ষতি হতে পারে। এছাড়াও, AI অস্ত্রাস্ত্র প্রতিযোগিতা অসাবধানতাবশত একটি AI যুদ্ধের উদ্রেক করতে পারে, যার ফলে বিপুল সংখ্যক ক্ষতিগ্রস্থ হয়। শত্রু বাহিনীর হস্তক্ষেপ এড়াতে, "বন্ধ" অস্ত্র প্রোগ্রামগুলি অত্যন্ত জটিল হওয়ার জন্য ডিজাইন করা হবে, এবং সেইজন্য মানুষও এই ধরনের পরিস্থিতিতে নিয়ন্ত্রণ হারাতে পারে। যদিও এই ঝুঁকিটি বিশেষ কৃত্রিম বুদ্ধিমত্তার (সংকীর্ণ AI) মধ্যেও বিদ্যমান, এটি বুদ্ধিমান এআই এবং স্ব-নির্দেশের উচ্চ স্তরের সাথে বৃদ্ধি পাবে।

  
  

• AI দরকারী কাজগুলি সম্পাদন করার জন্য ডিজাইন করা হয়েছে, তবে এটি যে প্রক্রিয়াটি সম্পাদন করে তা বিঘ্নিত হতে পারে: এটি তখন ঘটতে পারে যখন মানব এবং কৃত্রিম বুদ্ধিমত্তা লক্ষ্যগুলি এখনও সম্পূর্ণরূপে একত্রিত হয়নি, যখন মানব এবং কৃত্রিম বুদ্ধিমত্তা লক্ষ্য সারিবদ্ধকরণ একটি সহজ কাজ নয়। কল্পনা করুন যদি আপনি একটি স্মার্ট কারকে দ্রুততম গতিতে বিমানবন্দরে নিয়ে যাওয়ার জন্য ডাকেন, তবে এটি আপনার নির্দেশনাগুলিকে কঠোরভাবে অনুসরণ করতে পারে, এমনকি আপনি যেভাবে চান না তাও: আপনাকে হেলিকপ্টার দ্বারা তাড়া করা হতে পারে বা দ্রুত গতির কারণে বমি হতে পারে। যদি সুপার-স্মার্ট সিস্টেমের উদ্দেশ্য একটি উচ্চাভিলাষী জিও-ইঞ্জিনিয়ারিং প্রকল্প হয়, তবে একটি পার্শ্ব প্রতিক্রিয়া বাস্তুতন্ত্রের ধ্বংস হতে পারে এবং এটি বন্ধ করার জন্য মানুষের প্রচেষ্টাকে একটি হুমকি হিসাবে দেখা হবে যা অবশ্যই নির্মূল করা উচিত।

  
  

ধারণাগত সমস্যা হিসাবে, কৃত্রিম বুদ্ধিমত্তার ধারণাগত ভিত্তি নিয়ে সমস্যা রয়েছে।

যেকোনো বিজ্ঞান যা জানে তার উপর ভিত্তি করে, এমনকি বৈজ্ঞানিক পর্যবেক্ষণের ক্ষমতাও সুপরিচিত জিনিসের সাথে যুক্ত। অজানাকে বোঝার জন্য আমরা কেবলমাত্র যা জানি তার উপর নির্ভর করতে পারি। পরিচিত এবং অজানা সর্বদা দ্বন্দ্বের একটি জোড়া, এবং তারা সর্বদা সহাবস্থান করে এবং একে অপরের উপর নির্ভর করে। পরিচিত ছাড়া, আমরা অজানা শিখতে পারি না; অজানা ছাড়া, আমরা বৈজ্ঞানিক জ্ঞানের বিকাশ এবং বিবর্তন নিশ্চিত করতে পারি না। অনেক প্রমাণ রয়েছে যে মানুষ যখন বস্তুগুলি পর্যবেক্ষণ করে, তখন পর্যবেক্ষক যে অভিজ্ঞতা পায় তা তাদের চোখের গোলাগুলিতে প্রবেশ করা আলো দ্বারা নির্ধারিত হয় না। সংকেত শুধুমাত্র পর্যবেক্ষকের রেটিনার চিত্র দ্বারা নির্ধারিত হয় না। এমনকি একই বস্তুর দিকে তাকিয়ে থাকা দু'জন ব্যক্তি ভিন্ন ভিজ্যুয়াল ইমপ্রেশন পাবেন। হ্যানসেন যেমন বলেছিলেন, একজন পর্যবেক্ষক যখন একটি বস্তুর দিকে তাকায়, তখন সে চোখের গোলা স্পর্শ করার চেয়ে অনেক বেশি দেখতে পায়। পর্যবেক্ষণগুলি বিজ্ঞানের জন্য অত্যন্ত গুরুত্বপূর্ণ, তবে "পর্যবেক্ষণ সম্পর্কে বিবৃতি অবশ্যই একটি নির্দিষ্ট তত্ত্বের ভাষায় তৈরি করা উচিত"। “পর্যবেক্ষন সম্পর্কে বিবৃতি জনসাধারণের বিষয় এবং পাবলিক ভাষায় তৈরি করা হয়। তাদের মধ্যে সার্বজনীনতা এবং জটিলতার বিভিন্ন মাত্রার তত্ত্ব রয়েছে।" এটি দেখায় যে পর্যবেক্ষণের জন্য তত্ত্ব প্রয়োজন। বিজ্ঞানের পূর্বসূরি হিসাবে তত্ত্বের প্রয়োজন, এবং বৈজ্ঞানিক বোঝার অজানা উপর ভিত্তি করে নয়। ব্যবসায়গুলি প্রায়শই তাদের ব্যবসার জন্য সর্বোত্তম বিকল্পগুলির বোঝার অভাব করে এবং কৃত্রিম বুদ্ধিমত্তার জন্য পরামর্শ পরিষেবাগুলি AI এর সাথে ব্যবসায় নেভিগেট করার চেষ্টা করে৷

কৃত্রিম বুদ্ধিমত্তার বিকাশ এবং প্রয়োগের উপর দর্শনের প্রভাব

পদ্ধতির মধ্যে স্পষ্ট পার্থক্য থাকা সত্ত্বেও, প্রযুক্তি (সাধারণভাবে) এবং দর্শন একই আগ্রহের বিষয় ভাগ করে: মানুষ।

প্রযুক্তি উন্নয়নের লক্ষ্য হল দৈনন্দিন জীবনে একটি নির্দিষ্ট ব্যবহারিক সমস্যার সমাধান করা এবং এইভাবে অদূর ভবিষ্যতে মানবতার জন্য এর উপযোগিতা বৃদ্ধি করা। কিন্তু বেশিরভাগ ক্ষেত্রেই, প্রযুক্তিগত উন্নয়নের পরিধি ব্যবহারিক এবং বর্তমান সমস্যাগুলির বাইরে যায় না যা এটি সমাধান করে। যদি সমস্যাটি প্রযুক্তিগতভাবে সমাধান করা যায় তবে তা করার দরকার নেই। প্রযুক্তি সর্বদা একটি লক্ষ্য অনুসরণ করে: দরকারী হতে। এটি একটি নিখুঁতভাবে যন্ত্রের পদ্ধতি বলে মনে হয় (এম. টাডেও এবং এল. ফ্লোরিডি, "কিভাবে AI ভালোর জন্য একটি শক্তি হতে পারে," বিজ্ঞান, আগস্ট 2018) যা খুব কমই এর পণ্যগুলির পার্শ্বপ্রতিক্রিয়া সম্পর্কে চিন্তা করে।

বিপরীতে, দর্শন শুধুমাত্র বর্তমান সমস্যা এবং মানুষের অস্তিত্বের ব্যবহারিক দিকগুলির সাথে সম্পর্কিত নয়। একটি নির্দিষ্ট বিষয়ের বিস্তৃত সম্ভাব্য দৃষ্টিভঙ্গি গঠনের জন্য, দার্শনিক বিশ্লেষণ শুধুমাত্র অধ্যয়নের বিষয়ই নয় বরং এর নৈতিক প্রভাব এবং মানুষের বিষয়ে অন্যান্য সম্ভাব্য প্রভাবগুলিও পরীক্ষা করে। এর একটি অংশ হল মূল্যবোধের উত্থান, বিকাশ এবং প্রকৃতির অধ্যয়ন। অতএব, একটি নির্দিষ্ট মূল্য ব্যবস্থার পরিবর্তনগুলি খুঁজে বের করার জন্য সাধারণ অবস্থান এবং বর্তমান ঘটনাগুলির যত্নশীল বিশ্লেষণ এবং সমালোচনা দর্শনের ক্ষেত্রে প্রধান কাজ।

দর্শন ও প্রযুক্তি: দ্বন্দ্ব বা সিম্বিওসিস?

সংক্ষেপে, দর্শন সাধারণত নতুন সমস্যা এবং সমস্যা উত্থাপন করে, যখন প্রযুক্তির উদ্দেশ্য, বিশেষ করে এআই, স্বাভাবিকভাবেই নির্দিষ্ট এবং বিদ্যমান সমস্যাগুলি সমাধান করা। এই প্রদত্ত, এই দুটি ক্ষেত্রের মধ্যে সিম্বিয়াসিস প্রথম নজরে পরস্পরবিরোধী বলে মনে হয়।

যাইহোক, আরও বেশি করে নতুন প্রশ্ন জিজ্ঞাসা করে এবং প্রস্তাবিত প্রযুক্তিগত সমাধানগুলির সমালোচনা করে, বিশেষ করে অন্তর্নিহিত সমস্যাটিকে সুনির্দিষ্ট দার্শনিক পদ্ধতিতে পরীক্ষা করে, প্রযুক্তি দীর্ঘমেয়াদী এবং আরও বিস্তারিত সমাধান দিতে পারে। দর্শন এই প্রত্যাশিত প্রক্রিয়ার জন্য সরঞ্জাম সরবরাহ করে, যেমন যৌক্তিক বিশ্লেষণ, নৈতিক এবং নৈতিক পরীক্ষা এবং সঠিক প্রশ্ন জিজ্ঞাসা করার জন্য একটি গভীর পদ্ধতি। এটিকে পরিপ্রেক্ষিতে রাখতে: এআই কীভাবে কাজের ভবিষ্যতকে প্রভাবিত করবে?

এটি অবশ্যই নতুন প্রযুক্তির অগ্রগামী উন্নয়নের পরিপূরক। যখন উন্নয়ন প্রক্রিয়া যতটা সম্ভব সমস্যা এবং প্রস্তাবিত প্রযুক্তিগত সমাধান উভয়ের সম্ভাব্য ফলাফল বিবেচনা করে, ভবিষ্যতের সমস্যাগুলি একটি টেকসই উপায়ে সমাধান করা যেতে পারে। এই সবই প্রযুক্তির একটি উপসেট হিসাবে কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রে প্রযোজ্য, যাকে এখন "বুদ্ধিমান মেশিন তৈরির বিজ্ঞান ও প্রযুক্তি, বিশেষ করে বুদ্ধিমান সফ্টওয়্যার" হিসাবে সংজ্ঞায়িত করা উচিত ("মেশিনের কাছাকাছি: AI এর প্রযুক্তিগত, সামাজিক এবং আইনি দিক" , ভিক্টোরিয়ান তথ্য কমিশনারের অফিস, টবি ওয়ালশ, কেট মিলার, জ্যাক গোল্ডেনফেইন, ফ্যাং চেন, জিয়ানলং ঝু, রিচার্ড নক, বেঞ্জামিন রুবিনস্টাইন, মার্গারেট জ্যাকসন, 2019)।

কিন্তু কৃত্রিম বুদ্ধিমত্তা এবং দর্শনের মধ্যে সংযোগ অনেক বেশি সুদূরপ্রসারী।

এআই এবং দর্শন: একটি বিশেষ সংযোগ

কৃত্রিম বুদ্ধিমত্তা এবং দর্শনের মধ্যে অনন্য সংযোগ ইতিমধ্যে কম্পিউটার বিজ্ঞানী জন ম্যাকার্থি দ্বারা হাইলাইট করেছেন। যদিও দর্শন সাধারণভাবে সমস্ত প্রযুক্তিগত বিজ্ঞানের পরিপূরক, এটি একটি বিশেষ শৃঙ্খলা হিসাবে কৃত্রিম বুদ্ধিমত্তার জন্য এমনকি অত্যন্ত গুরুত্বপূর্ণ এবং ক্ষেত্রের জন্য একটি মৌলিক পদ্ধতি প্রদান করে।

দার্শনিকরা AI এর কিছু মৌলিক ধারণা তৈরি করেছেন। উদাহরণগুলির মধ্যে রয়েছে "...বুদ্ধিমান হিসাবে বিবেচিত হওয়ার জন্য একটি শিল্পকর্মের অবশ্যই থাকা বৈশিষ্ট্যগুলির অধ্যয়ন" ("শিল্প বিপ্লব: শিল্প বিশ্বের 4টি প্রধান বিপ্লব," সেন্ট্রিও, ফেব্রুয়ারী 23, 2017) , বা প্রাথমিক যৌক্তিকতার ধারণা, যা দার্শনিক বক্তৃতা থেকেও উদ্ভূত হয়েছে।

এই প্রসঙ্গে আরও মজার বিষয় হল যে দর্শনের প্রয়োজন কৃত্রিম বুদ্ধিমত্তার বিবর্তনকে নির্দেশিত করতে এবং আমাদের জীবনে এর সংহতকরণকে সংগঠিত করার জন্য, কারণ এটি শুধুমাত্র তুচ্ছ প্রযুক্তি নয় বরং সম্পূর্ণ নতুন এবং অনাবিষ্কৃত নৈতিক এবং সামাজিক সমস্যাগুলির সাথে সম্পর্কিত।