বর্তমান বিশ্বে কৃত্রিম বুদ্ধিমত্তা (এআই) আমাদের জীবনের প্রায় প্রতিটি ক্ষেত্রেই গভীরভাবে প্রভাব ফেলছে। টেক্সট, ছবি, অডিও কিংবা ভিডিও—সব ধরনের তথ্য একসঙ্গে বিশ্লেষণ করার ক্ষমতার কারণে মাল্টিমোডাল এআই এখন প্রযুক্তির অগ্রভাগে। তবে এই অগ্রগতির আড়ালে ডেভেলপারদের জন্য একটি বড় চ্যালেঞ্জ থেকেই গেছে—নির্দিষ্ট কাজের জন্য সবচেয়ে কার্যকর অ্যালগরিদমটি কীভাবে নির্বাচন করা যাবে?

এআই প্রযুক্তি দ্রুত বিস্তৃত হওয়ায় অসংখ্য অ্যালগরিদম তৈরি হয়েছে। ফলে সঠিক অ্যালগরিদম খুঁজে বের করা সময়সাপেক্ষ ও জটিল হয়ে উঠেছে। এই সমস্যার একটি গঠনমূলক সমাধান নিয়ে এসেছে Emory University-এর একদল পদার্থবিজ্ঞানী। তাঁদের গবেষণা প্রকাশিত হয়েছে Journal of Machine Learning Research-এ, যেখানে তাঁরা এআই পদ্ধতির জন্য এক নতুন গাণিতিক কাঠামোর প্রস্তাব দিয়েছেন—যা অনেকটা এআইয়ের “পর্যায় সারণি” হিসেবে কাজ করতে পারে।

গবেষণার জ্যেষ্ঠ লেখক, অধ্যাপক Ilya Nemenman জানান, আধুনিক এআইয়ের মূল ধারণাটি আসলে খুব সরল—ডেটাকে এমনভাবে সংকুচিত করা, যাতে প্রয়োজনীয় তথ্য অক্ষুণ্ণ থাকে এবং সঠিক পূর্বাভাস দেওয়া সম্ভব হয়। এই প্রক্রিয়ায় গুরুত্বপূর্ণ ভূমিকা রাখে ‘লস ফাংশন’, যা একটি গাণিতিক পরিমাপক; এটি নির্ধারণ করে মডেলের পূর্বাভাস বাস্তব ফলাফল থেকে কতটা বিচ্যুত।

সমস্যা হচ্ছে, মাল্টিমোডাল এআইয়ের জন্য শত শত লস ফাংশন বিদ্যমান। ফলে প্রতিবার নতুন করে সিদ্ধান্ত নেওয়া ডেভেলপারদের জন্য বেশ কঠিন হয়ে পড়ে। এই জটিলতাকে সহজ করতেই নতুন কাঠামোটি তৈরি করা হয়েছে, যার নাম ‘ভ্যারিয়েশনাল মাল্টিভ্যারিয়েট ইনফরমেশন বটলনেক ফ্রেমওয়ার্ক’। গবেষক Michael Martini-এর মতে, এটি একটি “কন্ট্রোল নব”-এর মতো কাজ করে—যেখানে প্রয়োজন অনুযায়ী ডেটা রাখা বা বাদ দেওয়ার মাত্রা সহজেই নিয়ন্ত্রণ করা যায়।

এখানে সবচেয়ে আকর্ষণীয় বিষয় হলো, যেখানে অধিকাংশ এআই গবেষণা নির্ভুলতা বাড়ানোর দিকে মনোযোগ দেয়, সেখানে এই দলটি চেষ্টা করেছে এআই কীভাবে এবং কেন কাজ করে, সেই মৌলিক বিষয়টি বোঝার। দীর্ঘ সময় ধরে পরীক্ষা-নিরীক্ষা ও বিশ্লেষণের মাধ্যমে তাঁরা ডেটা সংকোচন ও পুনর্গঠনের মধ্যে এক সূক্ষ্ম গাণিতিক ভারসাম্য খুঁজে পান।

এই আবিষ্কারের সময় গবেষণার প্রধান লেখক Eslam Abdel Aleem এতটাই উত্তেজিত হয়ে পড়েছিলেন যে, তাঁর Samsung Galaxy Smartwatch ভুল করে ধরে নেয় তিনি নাকি টানা তিন ঘণ্টা সাইকেল চালাচ্ছেন! এই ঘটনাটি গবেষণার উত্তেজনা ও মানবিক দিকটিকেই তুলে ধরে।

নতুন এই ফ্রেমওয়ার্ক এআই ডেভেলপারদের কাজ অনেক সহজ করে দিতে পারে। তারা এখন আগেভাগেই বুঝতে পারবে কোন অ্যালগরিদম বেশি কার্যকর হবে, কতটুকু ডেটা প্রয়োজন এবং কোথায় সমস্যার সম্ভাবনা রয়েছে। পাশাপাশি অপ্রয়োজনীয় ডেটা বাদ দেওয়ার মাধ্যমে কম কম্পিউটেশনাল শক্তি ব্যবহার করা সম্ভব হবে—যা বিদ্যুৎ সাশ্রয় করবে এবং পরিবেশের ওপর চাপ কমাবে।

ভবিষ্যতে গবেষকেরা এই কাঠামো ব্যবহার করে মানুষের মস্তিষ্কের কার্যপ্রণালিও বোঝার চেষ্টা করতে চান। মানুষের মস্তিষ্ক কীভাবে বিপুল তথ্য একসঙ্গে প্রক্রিয়াজাত করে এবং সংকুচিত করে—তার সঙ্গে এআইয়ের কোনো সাদৃশ্য আছে কি না, সেটিই এখন তাঁদের অনুসন্ধানের নতুন দিগন্ত।