পুরো ডিজিটাল মার্কেটিং এবং এস ই ও সেক্টরে এম এল এবং এ আই এই দুইটি শব্দ বার বার শুনতে পাওয়া যায়। এস ই ও নিয়ে যদি আপনি ক্যারিয়ার গড়তে চান...
পুরো ডিজিটাল মার্কেটিং এবং এস ই ও সেক্টরে এম এল এবং এ আই এই দুইটি শব্দ বার বার শুনতে পাওয়া যায়। এস ই ও নিয়ে যদি আপনি ক্যারিয়ার গড়তে চান তাহলে এই বিষয়টি জানা আপনার জন্য খুবই গুরুত্তপুর্ন।
এই আর্টিকেলে আলোচনা করা হয়েছে আর্টিফিশিয়াল ইন্টেলিজেন্স কী? এম এল বা মেশিন লার্নিং কী? বিভিন্ন বিখ্যাত কোম্পানি কেনো এটিকে ব্যাবহার করছে। শেষে জানতে পারবেন এতে করে এস ই ও অনেকটা কঠিন হয়ে যাচ্ছে কিনা।
গুগল, মাইক্রোসফট, ফেইসবুক প্রায় প্রতি মাসেই নতুন সিস্টেম চালু করার ঘোষণা দিয়ে থাকে। সেগুলোর বেশিরভাগই মেশিন ল্যানিং এর উপর ভিত্তি করে তৈরি করা হয়ে থাকে। তবে আপনি কি আর্টিফিশিয়াল ইন্টেলিজেন্স এবং মেশিন লার্নিং সম্পর্কে ধারণা রাখেন? এই দুটি বিষয়ের পার্থক্য জানেন। এগুলোকে কেন সব জায়াগায় হটাৎ করে ব্যাবহার করা শুরু করা হয়ে গিয়েছে? এসকল বিষয় জানতে পারবেন এই আর্টিকেল থেকে।
এস ই ও সেক্টরে এম এল এবং এ আই নিয়ে আলোচনা করার কারণ
এস ই ও সেক্টরে এম এল এবং এ আই এর প্রভাব নিয়ে আলোচনা করার পেছনে কিছু কারণ রয়েছে।
- এস ই ও এর ভবিষ্যতকে বুঝতে পারা
- ইঞ্জিনগুলোর তৈরী করা টুলগুলোকে বুঝতে পারা
- ভুল তথ্য থেকে বাঁচতে পারা
প্রথম কারণ
প্রথমটি হলো এস ই ও এর ভবিষ্যতকে বুঝতে পারা। গুগল আপনার বন্ধু নয় আবার শত্রুও নয়। গুগল এস ই ও এর দিকে লক্ষই করছে না। গুগল এর আসল লক্ষ্য হলো মানুষ এবং তথ্যের মাঝে একটি দৃঢ় সেতুবন্ধন বজায় রাখা। তাদের উদ্দেশ্য হলো মানুষ যেরকম তথ্য খুঁজুক না কেন তা যেন সে গুগল থেকেই পেয়ে যায়। আপনাকে গুগল এর লক্ষ্য বুঝতে হবে, যাতে করে আপনার ব্যবসা এবং ওয়েবসাইটকে আপনি গুগলের মাধ্যমে বৃদ্ধি করতে পারেন।
দ্বিতীয় কারণ
দ্বিতীয় কারণ হলো সার্চ ইঞ্জিনগুলোর মেশিন লার্নিং এবং আর্টিফিসিয়াল ইন্টেলিজেন্স এর উপর ভিত্তি করে তৈরী করা টুলগুলোকে বুঝতে পারা। এতে করে আপনি সেগুলোকে সঠিকভাবে ব্যাবহার করতে পারবেন। উদাহরণস্বরূপ আপনি ঘুড়ি উড়াতে পারেন না। তবুও আপনার সামনে হাজারো ঘুড়ি দেয়া হলেও তা অর্থহীন। এরকমভাবেই কোনো জিনিসকে ব্যাবহার করার জন্যে সেটিকে ভালোভাবে জানা এবং বুঝতে পারা অত্যন্ত জরুরি।
আর্টিফিসিয়াল ইন্টেলিজেন্স এবং মেশিন লার্নিং সম্পর্কে সামান্য তথ্য এগুলোর উপর ভিত্তি করে তৈরী করা টুলগুলোকে সঠিকভাবে ব্যাবহার করতে সাহায্য করবে।
তৃতীয় কারণ
তৃতীয় কারণ হল, ভুল তথ্য থেকে বাঁচতে পারা। যদি আপনি আর্টিফিশিয়াল ইন্টেলিজেন্স এবং মেশিন লার্নিং এর ভুমিকাগুলোকে না জানেন বা বুঝে থাকেন, জানেন না এই দুইটি টার্ম কী করতে পারে এবং কি করতে পারে না তাহলে কেউ না কেউ আপনাকে ভুল তথ্য দিবে। তারা হয়ত আপনাকে শিখাবে কিভাবে গুগলকে বোকা বানাতে হয়। এগুলোর আসলে কোনো ভিত্তি নেই।
এস ই ও সেক্টরে এ মেশিন লার্নিং
প্রচলিত তথ্য অনুযায়ী আর্টিফিসিয়াল ইন্টেলিজেন্স একটি বৃহৎ বিষয় এবং মেশিন লার্নিং এর একটি অংশ। কিন্ত মেশিন লার্নিং যেভাবে উন্নতি করে চলছে সেভাবে বললে বর্তমানে মেশিন লার্নিং একটি বৃহৎ বিষয় হয়ে গিয়েছে এবং আর্টিফিসিয়াল ইন্টেলিজেন্স এর একটি রুপায়ণ।
একটু চিন্তা করে দেখুন যে আপনাকে যদি চা বানাতে হয় তাহলে তিনটি স্টেপ ফলো করতে হয়। প্রয়োজনীয় উপকরণ সংগ্রহ, চা বানানোর প্রসেস, চা কাপে ঢালা। যদি একটি কম্পিউটারকে চা বানাতে বলা হয়। তাহলে তাকে প্রথমে কাঁচামাল দিতে হবে, এরপর তাকে বলতে হবে স্টেপ বাই স্টেপ চা কিভাবে বানাতে হয়, এরপর সে আপনাকে চা দিবে।
গতানুগতিক প্রোগ্রামিং এ এই চা বানানোর পদ্ধতি কম্পিউটারকে বোঝানোর জন্য প্রোগ্রামার প্রতিটি লাইন প্রোগ্রাম লিখবে। কিন্তু মেশিন লার্নিং এর ক্ষেত্রে কম্পিউটার নিজে থেকে খুঁজে বের করবে যে চা কিভাবে বানাতে হয় কিংবা কোনো করণীয় কাজ কিভাবে সমাপ্ত করতে হয়।
প্রোগ্রামাররা এক্ষেত্রে কম্পিউটারকে সব স্টেপ বলবে না। কম্পিউটার সমস্যা পাবে এবং সে নিজে থেকেই এটিকে সমাধান করার উপায় বের করে। এটিকে বলা হয় মেশিন লার্নিং। কিন্তু এই আশ্চর্যজনক বিষয়টি কিভাবে হয়? এটি হয় ট্রেনিং এর মাধ্যমে। কিন্তু এই আশ্চর্যজনক বিষয়টি কিভাবে হয়? এটি হয় ট্রেনিং এর মাধ্যমে। মেশিন লার্নিং এ কম্পিউটারকে ডাটা দেয়া হয়।
মনে করেন আপনি যখন বাসায় একা থাকেন তখন দুই কাপ চা খান। যখন বাসায় তিনজন থাকে তখন ৫ কাপ চা খাওয়া হয়। যখন বাসায় ১০ জন লোক থাকে তখন ১৭ কাপ চা খাওয়া হয় এবং ২০ জন লোক থাকলে ৩১ কাপ চা খাওয়া হয়।
| বসবাসরত মানুষ | চায়ের কাপ সংখ্যা |
| ১ | ২ |
| ৩ | ৫ |
| ১০ | ১৭ |
| ২০ | ৩১ |
| ২৫০ | **** |
এখন ধরুন কালকে আপনাদের বাসায় একটা বড় অনুষ্ঠান এবং সেখানে ২৫০ জন মানুষ উপস্থিত থাকবে। আপনি জানতে চান যে ২৫০ জন মানুষ কত কাপ চা খাবে।
সেজন্য আপনার সেই পরিমান চা পাতা এবং অন্যান্য উপকরণ সংগ্রহ করতে হবে। পূর্বের ডাটা দেখে এটিকে আন্দাজ করা আপনার জন্য প্রায় অসম্ভব। হয়ত এই প্যাটার্ন খুঁজে বের করা যায়, তবে হিউম্যান ব্রেইন এর পক্ষে এটি কঠিন।
এরকম ডেটাকে যদি মেশিন লার্নিং দিয়ে তৈরীকৃত সিস্টেমকে দেয়া হয় তাহলে সিস্টেম পূর্বের ডেটা ব্যাবহার করে একটি প্যাটার্ন বের করে আপনাকে দিবে, যেটি থেকে আপনি জানবেন ২৫০ জন লোকের জন্য কত কাপ চা প্রয়োজন হবে তা জানতে পারবেন।
তাহলে মেশিন লার্নিং কী করে? মেশিন লার্নিং জটিল প্রশ্নের উত্তর বের করে যা সাধারণভাবে হিসাব করে বের করা সম্ভব না।
যদি এই টেবিল অনেক বড় হয় এবং এটিতে ডেটার সংখ্যা অনেক বেশি হয় এবং এই ডেটা থেকে আমাদের বের করতে হয় জনপ্রতি কত কাপ চা প্রয়োজন হবে তাহলে এটি বের করার জন্য মেশিন লার্নিং ব্যাবহার করা হবে না। কারণ সেই ইনফরমেশন আগে থেকেই টেবিলে রয়েছে। আমাদের শুধু খুঁজতে হবে। তথ্য যদি টেবিলে না থাকে তাহলে তা আগে থেকে থাকা তথ্যের উপর ভিত্তি করে বের করা মেশিন লার্নিং এর কাজ।
মেশিন লার্নিং সিস্টেম এ কম্পিউটার তথ্যগুলোকে সঠিক প্রক্রিয়াতে সংগ্রহ করে। এরপর এটি থেকে প্যাটার্ন খুঁজে বের করে। এরপর সাধারণ মানুষের পক্ষে যে ডেটা পাওয়া অসম্ভব তা প্যাটার্ন চেনার মাধ্যমে খুঁজে বের করে। এর সবচেয়ে বড় উদাহরণ গুগল এর বার্ড সিস্টেম আলগোরিদম। এটি কোনো শব্দ এর আশেপাশে ব্যাবহৃত সকল শব্দের উপর ভিত্তি করে এর অর্থ বের করতে পারে। বার্ড কোনো ডিকশনারি ব্যাবহার করে শব্দের অর্থ বুঝে না। এটি পূর্বে দেখা লিখাগুলোতে টেক্সটগুলো দেখেছিল এবং অর্থ দেখেছিল।
গুগল এবং অন্যান্য সার্চ ইঞ্জিনসমূহ সেসকল কাজগুলোতে মেশিন লার্নিং ব্যাবহার করে যেগুলো সাধারণ প্রোগ্রামার কোড করে করতে পারবে না।
ঠিক যেই মুহূর্তে গুগল এর সার্চ বার এ আপনি কোনো কিছু সার্চের উদ্দেশে টাইপ করা শুরু করেন তখন থেকেই কোনো একটি মেশিন লার্নিং সিস্টেম আপনার টাইপিং এর সাথে থাকে। একটি মেশিন লার্নিং সিস্টেম সার্চ বার এ একটি শব্দ টাইপ করার পর পরবর্তী শব্দের সাজেশন দেয়।
একটি সিস্টেম আপনার টাইপ করা কিওয়ার্ড কিংবা বাক্য থেকে আপনার প্রোফাইল, লোকেশন, প্রয়োজন এর উপর ভিত্তি করে এর অর্থ বের করে। আরেকটি একদম অন্যরকম মেশিন লার্নিং সিস্টেম আপনার প্রয়োজন এর উপর ভিত্তি করে কন্টেন্টগুলোকে দেখায়।
২০২০ সালে গুগল একটি সিস্টেম বের করেছিল। জেটিতে আপনি যদি কোনো গান এর লাইন গুনগুন করে গেয়ে ভয়েস সার্চ করেন তবুও গুগল আপনার গাওয়া গান এর অংশকে ভিত্তি করে সেই গানের কথা আপনার সামনে সার্চ রেজাল্টে তুলে ধরতে পারবে।
এস ই ও সেক্টরে আর্টিফিশিয়াল ইন্টেলিজেন্স
সবকিছু যদি মেশিন লার্নিং এর সাহায্যেই হয়ে থাকে তাহলে আর্টিফিসিয়াল ইন্টেলিজেন্স এর ভূমিকা কী?
আর্টিফিসিয়াল ইন্টেলিজেন্স সেই ধরনের কাজগুলো করে থাকে যেগুলো গতানুগতিক কম্পিউটার দ্বারা অসম্ভব। একটি সহজ উদাহরণ হল আপনার ফোন এর গুগল ফোটোস অ্যাপ।
গুগল ফোটোস এপ্লিকেশনে দিয়ে আপনি সার্চ করুন ক্যাট, ডগ বা অন্য কোনো প্রাণীর নাম দিয়ে। তাহলে আপনি দেখবেন আপনার গুগল ফোটোস থেকে সার্চ অনুযায়ী গুগল আপনার ছবিটিকে খুঁজে আনবে। যেখানে সেটিকে আপনি নিজে থেকে খেয়াল করে না থাকলেও গুগল ফোটোস সেটিকে খুঁজে বের করবে।
খুঁজে নিবে কোনো স্ক্রিনশট থেকে কিংবা অন্য কোনো ইমেজ থেকে। কুকুর এবং বিড়াল এর হাজারো প্রজাতি এবং রং রয়েছে। আর আমাদের ছবি ক্লিয়ার না হলেও সেখান থেকে তা খুঁজে বের করবে। এটিই আর্টিফিসিয়াল ইন্টেলিজেন্স।
সংক্ষেপে যদি আপনি কাউকে বলতে চান তাহলে বলবেন আর্টিফিসিয়াল ইন্টেলিজেন্স প্রক্রিয়া সেসকল কাজের সমাধানে ব্যাবহার করা হয় যা মানুষের দ্বারা সম্ভব না।
এস ই ও সেক্টরে এম এল এবং এ আই এর কি রকম প্রভাব রয়েছে?
এখন পর্যন্ত এটি দেখা গিয়েছে যে এস ই ও সেক্টরে এম এল এবং এ আই এর ফোকাস থাকে এমন সমস্যাকে সমাধান করা যেগুলো মানুষের দ্বারা সমাধান করা সম্ভব না এমনকি মানুষের তৈরী কম্পিউটার প্রোগ্রাম করতে পারে না।
সহজে মানুষের দ্বারা যেসকল কাজ করা সম্ভব হচ্ছে সেক্ষত্রে,
গুগল কিংবা অন্যান্য কোম্পানি এতে মেশিন লার্নিং যুক্ত করবে না। কারণ মেশিন লার্নিং সিস্টেম ডেভেলপ করা এবং তা ইমপ্লিমেন্ট করতে অনেক খরচ হয়, অনেক ডাটা প্রয়োজন হয়, এবং অনেক হাই কনফিগারেশনের কম্পিউটারের প্রয়োজন হয়।
গুগল, ইউটিউব, ইন্সটাগ্রাম, ফেইসবুক ইত্যাদি প্লাটফর্মে যদি এড হিসেবে কখনো আর্টিফিশিয়াল ইন্টেলিজেন্স বেসড কন্টেন্ট রাইটিইং টুল এর এড দেখতে পান। কিংবা বলবে যে আর্টিফিশিয়াল ইন্টেলিজেন্স এর উপর ভিত্তি করে তাদের তৈরী প্লাগিন অন পেইজ এস ই ও তে সেরা। এগুলো ১০০ % ফেইক। মেশিন লার্নিং এর জন্যে প্রচুর ডেটা প্রয়োজন হয়। মেশিন লার্নিং এর একুরেসি এই বিষয়ের উপর নির্ভর করবে যে তাদের কি পরিমান ডেটা রয়েছে।
এস ই ও সেক্টরে এম এল এবং এ আই সিস্টেমগুলোর দক্ষতা কতটুকু
এটি শেষ টপিক। প্রায়ই এই প্রশ্ন শোনা যায়, যে এই সিস্টেমগুলোর দক্ষতা কতটুকু। আমরা প্রায়ই দেখি যখন গুগল মেশিন লার্নিং এর উপর ভিত্তি করে নতুন কোনো সিস্টেম চালু করে তখন কিছু সমস্যা তৈরী হয়ে থাকে এস ই ও নিয়ে কাজ করা ব্যাক্তিদের ক্ষেত্রে। আপডেটগুলো হটাৎ ট্রাফিক ডাউনের কারণ হিসেবে অনেক ক্ষেত্রেই প্রযোজ্য।
এর কারণ অত্যন্ত সাধারণ। প্রথমেই আমরা আলোচনা করেছিলাম যে, মেশিন লার্নিং সিস্টেম পুরোনো ডেটা ব্যাবহার করে ট্রেনিং এর জন্যে। এখন সেই ডেটাতেই যদি ভুল থাকে তাহলে বলা যায় সেটিতে কমতি রয়েছে। তাহলে এটিও বলা যায় যে মেশিন লার্নিং মডেল থেকে প্রাপ্ত ফল ১০০ ভাগ পারফেক্ট হবেনা।
গুগল এর কাছে অনেক ডেটা থাকে। তবে সেখানে ট্রেইনিং সেট এর ডেটার পরিমান বাস্তবের ডেটার তুলনায় খুবই কম। যখনি ট্রেইন ডেটা ব্যাবহার করে ট্রেইন করা মডেল বাস্তবে ব্যাবহৃত হয় তখন এর ফলাফল শুরুতে একটু উল্টাপাল্টা হয়। তবে কিছু সময় পর গুগল তার নতুন সিস্টেমের আপডেট কিছুটা কমিয়ে দেয়।
এসময় গুগল রিয়েল ডাটাগুলোকে বৃদ্ধি করতে থাকে, যা সে ট্রেনিং এ ব্যাবহার করে। কিছু দিনের মধ্যেই গুগল নতুন আপডেটের সাথে মানিয়ে নিয়ে সঠিক সার্চ রেজাল্ট দেখতে থাকে।
এই ছিল এস ই ও সেক্টরে এম এল এবং এ আই এর প্রভাব নিয়ে বিস্তারিত আলোচনা।
No comments