এআই, মেশিন লার্নিং ও ডিপ লার্নিং—একই জিনিস নয়। —ড. আলিমুর রেজা

এআই নিয়ে কথা বললেই আমরা প্রায়ই তিনটি শব্দ একসাথে শুনি—আর্টিফিশিয়াল ইন্টেলিজেন্স (এআই), মেশিন লার্নিং, আর ডিপ লার্নিং। অনেক সময় এগুলোকে একই জিনিস মনে হয়, বা একটার জায়গায় আরেকটা বলে ফেলি। ড. আলিমুর রেজা এই বিভ্রান্তিটা খুব সহজ ভাষায় পরিষ্কার করেন। তিনি বলেন, এআই হলো বড় ছাতা; তার ভেতরে আছে মেশিন লার্নিং; আর ডিপ লার্নিং হলো এমন এক ধরনের পদ্ধতি, যা নিউরাল নেটওয়ার্কের (মানুষের মস্তিষ্কের নিউরনের অনুকরণে তৈরি গণনামূলক কাঠামো) ভিত্তিতে কাজ করে এবং যার “ডেপথ” মানে অনেকগুলো হিডেন লেয়ার (দেখা যায় না এমন মধ্যবর্তী স্তর)।

এই সম্পর্কটা বুঝতে একটি দৈনন্দিন তুলনা ধরা যেতে পারে। ধরুন, “খেলা” একটি বড় ধারণা। খেলার ভেতরে আছে ক্রিকেট, ফুটবল, ব্যাডমিন্টন—বিভিন্ন ধরন। আবার ক্রিকেটের ভেতরেও আছে টেস্ট, ওয়ানডে, টি-টোয়েন্টি—ভিন্ন ভিন্ন ফরম্যাট। ঠিক তেমনই, “এআই” হলো বড় ধারণা—যেকোনো “বুদ্ধিমান কাজ” করানোর চেষ্টা। এর ভেতরে মেশিন লার্নিং হলো একটি জনপ্রিয় পথ—ডেটা দেখে শেখানো। আর ডিপ লার্নিং হলো মেশিন লার্নিংয়ের এমন একটি পথ, যেখানে শেখানোর মূল যন্ত্র হলো বহুস্তরের নিউরাল নেটওয়ার্ক।

এআইকে বড় ছাতা বলা যায় কেন? কারণ এআই মানে কেবল ডেটা দিয়ে শেখানো নয়। এআইয়ের ইতিহাসে নিয়মভিত্তিক পদ্ধতি (যেখানে মানুষ আগে থেকেই নিয়ম লিখে দেয়), সার্চ অ্যালগরিদম, যুক্তিভিত্তিক সিদ্ধান্ত—এসবও আছে। কিন্তু সময়ের সাথে ডেটা ও কম্পিউটিং শক্তি বেড়েছে, আর ডেটা থেকে শেখার পদ্ধতি অনেক সফল হয়েছে। এজন্য মেশিন লার্নিংকে আমরা এখন এআইয়ের সবচেয়ে কার্যকর ও বহুল ব্যবহৃত উপায় হিসেবে দেখি।

মেশিন লার্নিংকে ড. আলিমুর রেজা আরও নির্দিষ্ট করে বলেন “স্ট্যাটিস্টিক্যাল মেশিন লার্নিং”—কারণ এতে পরিসংখ্যানের ধারণা (সম্ভাবনা, গড়-ব্যাপ্তি, সম্পর্ক, ত্রুটি) গভীরভাবে জড়িত। সহজভাবে বললে, মেশিন লার্নিং হলো এমন একটি পদ্ধতি যেখানে একটি সফটওয়্যার বহু উদাহরণ দেখে ধীরে ধীরে প্যাটার্ন শিখে নেয়। যেমন, আপনি যদি তাকে অনেক ছবি দেখিয়ে বলেন কোনটা বিড়াল, কোনটা কুকুর, তখন সে “কেমন ছবি হলে বিড়াল হবে” সেই ধারণা তৈরি করে। কিন্তু এই শেখা নির্ভুল হয় তখনই, যখন ডেটা ভালো, বৈচিত্র্যপূর্ণ এবং যথেষ্ট পরিমাণে থাকে।

ডিপ লার্নিং এই শেখার কাজটি করে নিউরাল নেটওয়ার্কের মাধ্যমে। ড. আলিমুর রেজা “ডিপ” শব্দটির ব্যাখ্যায় বলেন—ডিপ মানে গভীরতা; আর এই গভীরতা আসে বহু স্তর বা বহু হিডেন লেয়ার থেকে। একটি স্তর খুব সাধারণ প্যাটার্ন শেখে, পরের স্তর আরও জটিল প্যাটার্ন শেখে, তারপর আরও পরের স্তর আরও বিমূর্ত (অ্যাবস্ট্রাক্ট) ধারণা শেখে। মানুষের শেখার সাথেও এটি মেলে। শিশু প্রথমে বর্ণ চিনে, তারপর শব্দ চিনে, তারপর বাক্যের অর্থ বোঝে। ডিপ লার্নিংয়ের স্তরগুলোও তেমন ধাপে ধাপে শেখে—পিক্সেলের রং থেকে শুরু করে রেখা, তারপর আকৃতি, তারপর বস্তু, তারপর দৃশ্যের অর্থ।

ড. আলিমুর রেজা তার ক্লাসে শিক্ষার্থীদের খুব মৌলিক জায়গা থেকে শুরু করেন—পারসেপট্রন (একটি খুব সরল নিউরাল ইউনিট) দিয়ে। ইতিহাসের দিক থেকে পারসেপট্রন ১৯৫৮ সালে প্রস্তাবিত হয়। এরপর একাধিক পারসেপট্রন মিলিয়ে মাল্টি-লেয়ার পারসেপট্রন, তারপর কনভলিউশনাল নিউরাল নেটওয়ার্ক (সিএনএন), রিকারেন্ট নিউরাল নেটওয়ার্ক (আরএনএন), এবং সাম্প্রতিক সময়ে ট্রান্সফরমার—এসব আর্কিটেকচার এসেছে। এই বিভিন্ন আর্কিটেকচার মূলত ভিন্ন ভিন্ন ধরনের সমস্যার জন্য ভিন্ন ভিন্নভাবে নেটওয়ার্ক সাজানোর পদ্ধতি। অর্থাৎ ডিপ লার্নিংয়ের কেন্দ্রে আছে নেটওয়ার্ক ডিজাইন বা আর্কিটেকচার—কীভাবে স্তরগুলো সাজালে শেখা আরও ভালো হবে।

এখানে শিক্ষার্থীদের জন্য একটি বড় শিক্ষা আছে: শব্দগুলো মুখস্থ করা নয়, সম্পর্কটা বোঝা। এআই হলো লক্ষ্য—বুদ্ধিমান কাজ করা। মেশিন লার্নিং হলো পথ—ডেটা থেকে শেখা। ডিপ লার্নিং হলো সেই পথের একটি শক্তিশালী যান—নিউরাল নেটওয়ার্ক দিয়ে গভীরভাবে শেখা। আপনি যদি এই তিনটির পার্থক্য বুঝে ফেলেন, তাহলে ভবিষ্যতে নতুন কোনো টুল বা নতুন কোনো মডেলের নাম শুনলেও আপনি আর ভয় পাবেন না। আপনি ভাবতে পারবেন—এটা এআইয়ের কোন অংশ? মেশিন লার্নিংয়ের কোন পদ্ধতি? ডিপ লার্নিং হলে কোন আর্কিটেকচারের ধারণা?

আরও গুরুত্বপূর্ণ হলো, এই বোঝাপড়াই আপনাকে বাস্তব সিদ্ধান্ত নিতে সাহায্য করবে—কোন সমস্যায় কোন পদ্ধতি কাজে লাগবে। ড. আলিমুর রেজা যেমন বলেন, টুলের নাম দেখে নয়, সমস্যার ধরন বুঝে পদ্ধতি বাছাই করাই সঠিক পথ। আপনি যদি আজ থেকেই কৌতূহল ধরে রাখেন, গণিত ও প্রোগ্রামিংয়ের ভিত্তি শক্ত করেন, আর ছোট ছোট প্রজেক্টে হাতে-কলমে চেষ্টা করেন—তাহলে এআইয়ের এই “ছাতার” নিচে আপনার নিজের জায়গা তৈরি করা সম্ভব।

পূর্ণ সাক্ষাৎকারে ড. আলিমুর রেজা তার শিক্ষা–যাত্রা, গবেষণার খুঁটিনাটি, রোবটের ভবিষ্যৎ, এবং এআই ব্যবহারের বাস্তব প্রশ্নগুলো আরও বিস্তারিতভাবে বলেছেন। নিম্নে ড. আলিমুর রেজার পূর্ণ সাক্ষাৎকারটি পড়ুন এবং ইউটিউবে দেখুন।