Datasets:

KillerShoaib

/

RakibulAI-Utub-Bangla-Transcription

like 0

নন-প্রোগ্রামারদের জন্য ডাটা সাইন্স: ডাটা সাইন্সের বেসিক পাইথন

নন-প্রোগ্রামারদের জন্য ডাটা সাইন্স ডাটা সাইন্সের বেসিক পাইথন, ১ম পর্ব.mp3

আমাদের ক্লাস শুরু হওয়ার আগে আপনি বলতে পারেন যে আমার চুলটা চমৎকারভাবে কাটা হয়েছে। অবশ্যই এটা সাথেই আমার ওয়াইফ ও কেটে দিচ্ছেন। শি ইজ এ ব্যাংকার এট দা সেইম টাইম 10 ভুজা মানে সে অনেক কিছুই করতে পারে। ফিরে আসি আজকের ক্লাসে। আমাদের আজকের ক্লাস হচ্ছে গিয়ে নন প্রোগ্রামারদের জন্য পাইথন। আমি বলছি যে নন প্রোগ্রামারদের জন্য পাইথন ফর ডেটা সাইন্স এবং ডেটা এনালিস্ট। সো ডেটা সাইন্স নিয়ে যারা কাজ করবেন তাদের জন্য অফকোর্স শুরুতে আর একটা গডসেন প্রোগ্রামিং। মানে আমরা বলছি যে আর দিয়ে অনেক কিছুই চমৎকারভাবে করা যায়। বিশেষ করে যারা স্ট্যাটিস্টিক্যাল প্রোগ্রামিং করতে চাচ্ছেন বা স্ট্যাটিস্টিক্স নিয়ে বা স্ট্যাটিস্টিক্যাল এনালাইসিস করতে চাচ্ছেন তাদের জন্য আর কিন্তু চমৎকার। এজন্যই আমরা যারা আর দিয়ে শুরু করি তারা কিন্তু ডেটা সাইন্সটা খুব ভালো বোঝেন এবং বোঝার কারণে কিন্তু আমরা পরবর্তী সময়ে প্রোডাকশন এনভাইরনমেন্ট বা এরপরে যখন আমরা বড় কাজ করতে যাব তখন অবশ্যই আমরা পাইথনে সুইচ করব। তো সেখানে আমাদের কথাটা ছিল যে নন প্রোগ্রামার যারা আছেন তাদের জন্য ডেটা সাইন্স এবং সেই ডেটা সাইন্সের জন্য পাইথনের একটা রিকোয়ারমেন্ট ছিল অনেকদিন থেকে এবং সেটার জন্য আমরা একটা নতুন সিরিজ খুলতে যাচ্ছি। এই নতুন সিরিজটা হচ্ছে গিয়ে পাইথন দিয়েই নন প্রোগ্রামারদের জন্য ডেটা সাইন্স যাতে আমরা কাজ করতে পারি এবং ডেটা সাইন্সের পাশাপাশি ডেটা অ্যানালিটিক্স নিয়ে কাজ করতে পারি। এবং আর নিয়ে যে তর্ক-বিতর্ক আছে সেটাতে আমি বলব যে গুগল ডেটা অ্যানালিটিক্স সার্টিফিকেশন কোর্সেও কিন্তু তারা আর দিয়ে শুরু করেছে। কারণ এটা দিয়ে অ্যানালিটিক্স বা এনালাইসিস বা ডেটা সাইন্সটা শুরু করা যায় ভালো। আর এই কারণে কিন্তু আমার প্রথম বইটা কিন্তু আমি শুরু করেছিলাম আর দিয়ে। মানে আমাদের টাইটানিক প্রোগ্রামটা কিন্তু শুরু করেছি আর দিয়ে। এটার এটা আসলে দ্বিতীয় সংস্করণ। প্রথম সংস্করণটাতে কিন্তু শুধু আর দিয়ে ছিল। বাট দ্বিতীয় সংস্করণে আমরা কি করেছিলাম? আমরা আর এবং পাইথন যোগ করেছিলাম। এবং তার পাশাপাশি আমি বলতে পারি যে একদম পাইথন না জেনেও শুরু করা যায় এই বইটা। যেটাকে আমরা বলছি শূন্য থেকে পাইথন মেশিন লার্নিং। এবং এই বইটাতে আসলে আমরা বলেছিলাম যে পাইথন দিয়ে কিভাবে মেশিন লার্নিং শুরু করা যায়। একদম বেসিক লেভেলের বই। এবং যারা একটু ডিপ লার্নিং বা আরো ভেতরে ঢুকতে চান তাদের জন্য হচ্ছে গিয়ে এই হাতে কলমে পাইথন ডিপ লার্নিং। এই হাতে কলমে পাইথন ডিপ লার্নিংটা এই বইটা বেশ মোটা। তো আমি মনে করছি যে এটা আমি প্রথমে 700 পেইজ ম্যানুস্ক্রিপ্ট আমি তৈরি করেছিলাম। বাট পরে এটা আসলে আমরা কমিয়ে নিয়ে এসেছি। সো আমার কথা হচ্ছে যে আমরা অফকোর্স পাইথন দিয়ে শুরু করব। তো পাইথন দিয়ে শুরু করার আগে নন প্রোগ্রামার যারা আছেন তাদেরকে যাতে ডেটা সাইন্সের মধ্যে নিয়ে যাওয়া যায় ঠিকমতো সেই সেই সেই জায়গাতেই আমি আসলে কাজ করব। এবং সেখানে বেশ কয়েকটা জিনিস নিয়ে আমরা যদি আলাপ করি যে যারা নন প্রোগ্রামার আছেন তাদের জন্য এই ডেটা সাইন্স প্রোগ্রামকে যদি আমি আগা আগায়ে নিতে চাই বা এগিয়ে নিতে চাই তাহলে তার একটা রোডম্যাপ লাগবে। যে রোডম্যাপটা কিন্তু আমার অলরেডি সাইটে আছে। এবং তার পাশাপাশি আমরা বলছি যে যারা ডেটা এনালিস্ট এবং যারা ডেটা সাইন্সে হাত পাকাতে চাচ্ছেন ভবিষ্যতে তাদের জন্য পাইথন একটা বড় রিসোর্স হতে পারে এবং সেজন্যই কিন্তু আমরা এখানে পাইথন ফুল পাইথন না। বেসিক পাইথন এবং যেই বেসিক পাইথনটা দিয়ে আমরা কি কি ফিচার প্রয়োজন? মানে আমার ডেটা সাইন্টিস্ট হওয়ার জন্য বা ডেটা এনালিস্ট হওয়ার জন্য পাইথনের কতটুকু ফিচার না হলেই নয় আমরা সেটা কাভার করব। যাতে আমাদের এই ব্যাপারটা খুব সহজ হয়। আপনি যদি দেখেন আমার এই শূন্য থেকে পাইথন মেশিন লার্নিং বইটাতে এটা শুরুতেই কিন্তু আমরা একটা জিনিস দেখিয়েছিলাম যে আসলে ডেটা কিভাবে মানে আমাদের ডেটা কিভাবে পাইথন হ্যান্ডেল করতে পারবে বা আমরা বলছি যে কিভাবে কম্পিউটারে ডেটা থাকে এবং সেখানে আমরা দেখছি বিভিন্ন ভেক্টর, বিভিন্ন ম্যাট্রিক্স বা আমরা বলতে পারি যে পাইথনের লিস্ট বা আমাদের যে পাইথনের যে অবজেক্টগুলো আছে সেটা আমরা নিয়ে কিভাবে কাজ করব সেটার একটা ধারণা ছিল বইটাতে। বাট আমার কাছে মনে হচ্ছে যে ওর পরেও পাইথন নিয়ে একটু ডিপ ডাইভিং দরকার। এবং সেই জন্যই কিন্তু আমরা আসলে বলছি যে কম্পিউটারে ডেটা কিভাবে থাকে সেটার যদি আমরা ঠিকমতো বুঝতে পারি যে যেমন আমরা টাইটানিক প্রজেক্টে কলাম, রো ছিল এবং কলাম এবং রোতে কিভাবে ডেটাগুলো ছিল এবং সেই ডেটা গুলোকে আমরা কিভাবে এক্সেস করছি। আমি বলছি যে পাইথন থেকে কিভাবে এটা এক্সেস করছি। ইন্ডেক্স কোথায়? লিস্ট কোথায়? বা আমরা সেটাকে যদি টুপল বলি। মানে এরকম অনেক জিনিস আছে যেটা আমি এখনই কথা বলবো না। বাট আমি বলছি যে এই জিনিসগুলো আমরা পাইথন দিয়ে করার চেষ্টা করব। এবং পাইথন দিয়ে কিভাবে ডেটা সাইন্স নিয়ে কাজ করা যায় সেটা নিয়ে আমরা একটু ডিপ ডাইভিং দিব। এবং আরেকটা জিনিস বলবো যে লিঙ্কডিনে যেহেতু জব সার্চের মধ্যে পাইথনের একটা রিকোয়ারমেন্ট বাড়ছে সেজন্য কিন্তু আমরা এই ডেটা সাইন্সের জন্য পাইথন যতটুকু লাগে আমরা ততটুকু পাইথন আমরা কাভার করব। এখানে যদি প্রি রিকুইজিটের ব্যাপার বলি যে আমি গুগল ডেটা অ্যানালিটিক্স সার্টিফিকেশন কোর্সের মতো এখানেও কিন্তু প্রি রিকুইজিট কিছুই নেই। মানে আপনারা যে কেউ শুরু করতে পারেন। নন প্রোগ্রামারদের যেহেতু যেহেতু এটা নন প্রোগ্রামারদের জন্য সেহেতু এখানে কিন্তু কারো এক্সট্রা কোন কিছু আগে থেকে জানার প্রয়োজন নেই। এবং সেটাই আমি আস্তে আস্তে আপনাদেরকে ভেঙে ভেঙে দেখাবো। এর মধ্যে আরেকটা জিনিস আমরা বলছি যে আমাদের এই পাইথন কেন ব্যবহার করব বা পাইথন কেন শিখবো সেটার ব্যাপারে আপনাদেরকে আমি মনে করি যে এই ব্যাপারটা আলাপ করব না। কারণ আপনারা জেনেই এসেছেন যে আপনারা কেন পাইথন শিখতে চান এবং সেই জন্য কিন্তু আমরা এই লাইনে আমরা হাঁটছি। আমি যেহেতু মিলিটারি থেকে এসেছি এবং আমি জানি যে ট্রেনিংগুলো বা বুট ক্যাম্পগুলো কিভাবে হয় বা এই জিনিসগুলোকে কিভাবে খুব সহজে শেখানো যায়। সেখানে আমি মনে করি যে আমাদের ক্রল, ওয়াক, রান এই অ্যাপ্রোচে আমরা শিখবো। মানে আমরা প্রথমে ক্রলিং করব। ক্রলিং করে করে বেসিক জিনিসগুলো শিখবো। তারপর ক্রল করে করে আমরা যখন একটু আমাদের পাটা ঠিক হবে তখন আমরা দাঁড়াবো। দাঁড়িয়ে আমরা হাঁটবো। দেন উই বিকাম এ কাস্টম উইথ ওয়াকিং। দেন উই উইল স্টার্ট রানিং। মানে আমরা তারপরে আমরা দৌড়ানোর চেষ্টা করব। আমরা শুরুতেই যেটা হয় যে আমাদের এই ধরনের লার্নিং অ্যাপ্রোচে আমরা শুরুতেই দৌড়াতে দৌড়াতে চাই। বেসিক ফাউন্ডেশন না ঠিক করে আমরা যখন দৌড়াতে চাই তখন কিন্তু আমরা হোঁচট খাই। আর সেই কারণে কিন্তু ফার্স্ট প্রিন্সিপাল থিংকিং যেটা এখন এলন মাস্ক এবং অন্যান্য অনেকে বলছেন যে কেন ফার্স্ট প্রিন্সিপাল থিংকিং এটা খুব জরুরি। কারণ আমাদের ফাউন্ডেশন জিনিসগুলো মানে ফাউন্ডেশন জিনিসগুলো যদি আমাদের ঠিকমতো ক্লিয়ার না হয়। এই ফাউন্ডেশন জিনিসপত্র না জানার কারণে বা ঠিকমতো না জানার কারণে আমরা কিন্তু নেক্সট স্টেজে যেতে পারছি না। আর সেই কারণে কিন্তু আমাদের পাইথনের বেসিকটা আমরা স্ট্রং করে আমরা হাঁটবো। তারপরে আমরা দৌড়াবো। এর পাশাপাশি একটা জিনিস হচ্ছে যে পাইথনের মানে বেসিক যে অবজেক্টগুলো আছে যে অবজেক্টগুলোকে আমরা বলি হচ্ছে এক্সপ্রেশন, ভেরিয়েবল বা তার পাশাপাশি ফাংশন। এটা হচ্ছে একদম বেসিক লেভেলে যে আমরা আসলে পাইথনটা কি? পাইথনটা হচ্ছে গিয়ে একটা অবজেক্ট ওরিয়েন্টেড প্রোগ্রামিং। এবং অবজেক্ট ওরিয়েন্টেড প্রোগ্রামিং হওয়ার কারণে এই অবজেক্টটা কিন্তু একটা কালেকশন অফ ডেটা। মানে যেটাকে আমরা বলছি ভেরিয়েবল। মানে এই অবজেক্ট হচ্ছে গিয়ে কালেকশন অফ ডেটা। যেটা নিয়ে আমরা আসলে ম্যানিপুলেট করব। এবং এই ডেটার উপরে যে মেথডগুলো কাজ করা হবে সেই মেথডগুলো নিয়ে কিন্তু আমরা সামনে কাজ করব। এবং তার পাশাপাশি আরেকটা হচ্ছে যে এটা কাইন্ড অফ লাইক একটার ভিতরে আরেকটা। মানে অবজেক্ট ওরিয়েন্টেড প্রোগ্রাম তো একটার ভিতরে আরেকটা নিয়ে আমরা কাজ করে দেখাবো। তো সেই জন্য আমরা শুরুতে আমরা বেসিক অবজেক্ট নিয়ে আলাপ করব। এবং বেসিক অবজেক্টের মধ্যে আমরা এক্সপ্রেশন, ভেরিয়েবল এবং ফাংশন নিয়ে আলাপ করব। এবং তার পাশাপাশি এগুলো আসলে কি? এগুলোর টাইপ কি? সেটাও আমাদের একটু জানা জরুরি। এরপরে আসলে আমরা যেটা করব সেটা হচ্ছে যে আমাদের এই পাইথনের লুপ। মানে আসলে আমাকে একটা আইটারেশন মানে আমি একটা কাজ বেশ কয়েকবার করতে হবে। তারপর একটা কন্ট্রোল স্টেটমেন্ট থাকবে। মানে কখন আমাকে বের হয়ে যেতে হবে। তো এই যে লুপিং বা এই যে ইফ লুপ বা এই যে হোয়াইল লুপ মানে এই ব্যাপারগুলো কিন্তু আমরা তখন বুঝবো যে আমরা আসলে পাইথনের যখন একটু ভেতরে যাব। এবং সেখানে কিন্তু আমরা আসলে দেখব যে কিভাবে একটা বড় জিনিস আমরা অটোমেট করতে পারি। এবং সেখানে কিন্তু লুপিং এর একটা ভালো কাজ আছে। আরেকটা জিনিস হচ্ছে গিয়ে ফাংশন। মানে আমরা এই একই জিনিস আমাদের বিল্টইন পাইথন ফাংশন আছে। তো আমাদের এই বিল্টইন ফাংশনগুলো আমাকে নতুন করে লিখতে হবে না। তার মানে হচ্ছে গিয়ে ওই বিল্টইন ফাংশনগুলো আমরা এই ডেটা সাইন্সের জন্য হোক আর অন্যান্য কাজের জন্য হোক আমরা এই বিল্টইন ফাংশনগুলো ব্যবহার করব। যাতে আমাদের এই পাইথনের আর নতুন করে কোন কিছু না করতে হয়। তার পাশাপাশি হচ্ছে গিয়ে আমরা ইউজার ডিফাইন্ড ফাংশন। মানে আমরা নিজেরা কিছু ফাংশন তৈরি করব। যেটাকে আমার রিউজেবল। মানে আমি নতুন করে আবার ব্যবহার করব। যাতে ওই ফাংশনগুলো আমি আবার মাঝে মাঝে কিন্তু ডেকে ওকে দিয়ে কাজ করাতে পারি। তার মানে হচ্ছে গিয়ে আমার বিল্টইন ফাংশন, ইউজার ডিফাইন্ড ফাংশন এগুলো নিয়ে আমরা সামনে দেখাবো। এবং সেটার কিন্তু কিছু কিছু জিনিস কিন্তু আমরা এই বইটাতেও আমরা দেখিয়েছি। আর তার পাশাপাশি আমরা এই বইটাতে তো পুরোদমে দেখিয়েছি যে কিভাবে এই ফাংশনগুলো ব্যবহার করতে হয়। এখন এর পাশাপাশি আমরা আরেকটা জিনিস হচ্ছে যে আমরা তো এগুলো নিয়ে কাজ করব। কিন্তু আমরা আবার একটা ক্লাস তৈরি করব। মানে এই নিজস্ব কিছু ক্লাস যাতে সেগুলো নিয়ে আমরা কাজ করতে পারি। এবং তার পাশাপাশি আরেকটা হচ্ছে গিয়ে বিভিন্ন মডিউল তৈরি করা আছে পাইথনের জন্য। সেই বিল্টইন মডিউলগুলোকে আমরা ইম্পোর্ট করব। এবং ইম্পোর্ট করে কিন্তু আমরা সেই জিনিস নিয়ে আমরা কাজ করব। এবং আমরা কিন্তু এই বইটাতেও কিন্তু প্রচুর মডিউল দেখিয়েছি যে এই মডিউলগুলো কিভাবে ইম্পোর্ট করতে হয়। এবং ইম্পোর্ট ওই মডিউলগুলো কিন্তু আমরা কাজ করব। তো এই বইটা এবং এই বইটা। মানে আমার কথা হচ্ছে যে এই দুইটা বইয়ের পাশাপাশি কেন আমি আরেকটা বই বা আরেকটা সিরিজ কেন আমি কাজ করতে যাচ্ছি? সেটা হচ্ছে যে টু গেট এ বিগার আন্ডারস্ট্যান্ডিং। মানে টু গেট দা বিগ পিকচার। আমরা এই পাইথনের ভেতরে যখন আরেকটু ঢুকবো তখন কিন্তু আমরা বুঝতে পারবো যে এই জিনিসটা আসলে আরো অন্যান্য লেভেলে আরো অনেক বড় লেভেলে আমরা আসলে কাজ করতে পারি। এবং ফাইনালি আমরা যেটা করব যে আমরা পাইথনের আরো অন্যান্য অনেক হেল্পার লাইব্রেরি আছে। যেমন নামপাই আছে। যেটা হচ্ছে গিয়ে সাইন্টিফিক লাইব্রেরিতে যেখানে আসলে আমরা প্রচুর ডেটা ম্যানিপুলেশন করতে পারি। তারপর হচ্ছে গিয়ে আমাদের ডেটা ফ্রেম নিয়ে যখন কাজ করব। যেটা আপনি দেখেছেন ডেটা ফ্রেম আর এ। আমরা যখন ডেটা ফ্রেম নিয়ে কাজ করব সেই ডেটা ফ্রেম নিয়ে ম্যানিপুলেশন সেখানে কিন্তু পান্ডাস লাইব্রেরি আছে। এই যে লাইব্রেরিগুলো এবং পাশাপাশি ডেটা ভিজুয়ালাইজেশনের জন্য ম্যাটপ্লটলিভ বা এর পাশাপাশি সিবর্ন। মানে অন্যান্য লাইব্রেরি ব্যবহার করব যাতে এই ব্যাপারটা আমাদের জন্য সহজ হয়। তো আমি আবারও বলতে চাচ্ছি যে আমাদের এই সিরিজটা করার কারণ হচ্ছে একটাই যে নন প্রোগ্রামার যারা আছেন তাদেরকে একটা বেসিক আন্ডারস্ট্যান্ডিং যাতে উনারা এই ব্যাপারটা ভয় না পান বা আমরা যারা এটা নিয়ে কাজ করি তারা যাতে এই ব্যাপার টা আরো ক্লিয়ারলি বুঝতে পারি। কারণ অবশ্যই আমরা পাইথনে আসবো। কিন্তু পাইথনে যাবার আগে আমাদের এই বেসিক আন্ডারস্ট্যান্ডিংগুলো যদি ক্লিয়ার হয়ে যায় তাহলে আমাদের জন্য কাজটা সহজ হবে। বিশেষ করে কিভাবে ডেটাকে ম্যানিপুলেট করতে হয়। মানে আপনারা যদি দেখেন যে আমাদের এই মেশিন লার্নিং বা আমাদের এই ডেটা সাইন্সের মধ্যে কিন্তু লিনিয়ার অ্যালজেব্রা কিন্তু একটা পার্ট এন্ড পার্সেল মানে সবকিছুতে। তো লিনিয়ার অ্যালজেব্রাতে যখন আমরা কাজ করব তখন কিন্তু ডেটা রিপ্রেজেন্টেশনের ব্যাপার আছে। যেখানে ভেক্টর, স্কেলার, তারপর মনে করেন যে আমাদের যে ওয়ান ডাইমেনশন ম্যাট্রিক্স দুই ডাইমেনশনের ম্যাট্রিক্স মানে ওয়ান ডাইমেনশন ম্যাট্রিক্স তারপর হচ্ছে গিয়ে দুই ডাইমেনশনের ম্যাট্রিক্স কলাম, রো। তারপর তিন ডাইমেনশন ম্যাট্রিক্স মানে কলাম, রো, ডেপথ। মানে যদি আমরা একটা ইমেজ দেখি যে থ্রি ডাইমেনশন ইমেজ। আমার কালার ইমেজ যদি দেখি তাহলে এখানে এই পাশে এবং এই পাশে আমরা পিক্সেল গ্রে স্কেল পিক্সেল। ওয়ান হচ্ছে গিয়ে একটা পিক্সেলের জন্য। আর আমরা যদি ডেপথে যদি তিনটা কালার চ্যানেল নেই। তিনটা কালার চ্যানেল নেই তাহলে দেখা যাবে যে আমরা তিনটা। তার মানে হচ্ছে গিয়ে ওখানে একটা থ্রি ডাইমেনশনাল ম্যাট্রিক্স। এই যে ম্যাট্রিক্সগুলোকে ম্যানিপুলেট করা এবং সেটাকে পাইথনের মাধ্যমে কিভাবে করতে হয় সেটা নিয়েই কিন্তু আমরা সামনে আলাপ করব। আজকে এই পর্যন্তই থাকছেন তো সামনে?

নন-প্রোগ্রামারদের জন্য ডাটা সাইন্স: ডাটা সাইন্সের বেসিক পাইথন

নন-প্রোগ্রামারদের জন্য নতুন ভিডিও সিরিজপাইথন বেসিক সিরিজ পর্ব ৩.mp3

আমি এটুকু বলতে পারি যে পাইথন দিয়ে ডেটা সাইন্স করা অনেক সোজা আর পাইথন আসলে আমি মনে করি যে পাইথন অ্যাজ এ প্রোগ্রামিং ল্যাঙ্গুয়েজ এটা কিন্তু শেখা সোজা কারণ পাইথনটা কিন্তু অনেকটাই বাংলার মত পড়া যায় মানে আমি এভাবে বলতে পারি যে পাইথনটা কিন্তু আমরা পড়ে দেখতে পারি আমরা সরাসরি কিন্তু পাইথনটা আমরা বাংলার মত মানে আমরা বলছি যে ইংরেজিতে যেভাবে আমরা পড়ি আমরা কিন্তু এভাবে পড়ে পড়ে বুঝতে পারবো আমাদের পাইথনের পুরো জিনিসটা আর পাইথনের সবচেয়ে বড় যে জিনিসটা হচ্ছে যে পাইথনের মধ্যে যে এনভারনমেন্ট আছে সেই এনভারনমেন্টে যদি আমরা সব ডেটাকে যদি আলাদাভাবে বিশেষ করে আমরা যেহেতু ডেটা সাইন্স নিয়ে কথা বলছি পাইথনের পাইথনের ডেটা সাইন্সে যদি সবকিছু আলাদা আলাদা ভেরিয়েবলে রাখা হয় তাহলে কিন্তু সেটা আসলে রাখাটা ডিফিকাল্ট আর সে কারণে কিন্তু পাইথনের সিকুয়েন্স আছে মানে আমরা বলছি যে পাইথনের সিকুয়েন্সের একটা কাজ হচ্ছে কি যে মাল্টিপল ডেটা পয়েন্ট আছে মাল্টিপল ডেটা পয়েন্ট গুলোকে সে একটা লেভেলে নিয়ে এসে সেগুলোকে ঠিকমত রাখতে পারে আর সেজন্যই কিন্তু পাইথনের সিকুয়েন্সটা জানা জরুরি এইজন্যই আমরা বলছি যে পাইথনের সিকুয়েন্সে যে জিনিসটা মাঝে মাঝে বলি যে আমরা লিস্ট মানে একটা লিস্ট কথা বলছি যে পাইথন আমরা যেভাবে হাতে কলমে আমরা লিস্ট বানাই সেই লিস্টের মধ্যে কিন্তু আমরা দেখাচ্ছি যে পাইথনের মধ্যে আমরা একটা লিস্টের মধ্যে আমরা যেভাবে হাতে বাজারে লিস্ট বানাই আমরা কিন্তু সেই হিসাবে কিন্তু পাইথন একটা লিস্ট বানাতে পারি এবং লিস্টের ভিতরে যে কন্টেন্ট আছে সেই কন্টেন্ট গুলোকে আমরা চেঞ্জ করতে পারি আমরা এক্সেস করতে পারি আমরা সেটাকে অ্যাপেন্ড করতে পারি আমরা ডিলিট করতে পারি আমরা রিমুভ করতে পারি তো আবার কিছু কিছু সময় যে আমার যে লিস্ট আছে সেই লিস্টটা আমি মাদার লিস্ট টাইপ আর কি এটাকে আমি কোন ধরনের চেঞ্জ করবো না বা কোন কিছু করতে পারবো না তাহলে আমাদের প্রোগ্রামিং এর ভুলে যাতে কোন কিছু না হয় সেগুলোর জন্য কিন্তু আমরা আবার অন্যভাবে দেখতে পারি যে টুপল বলতে পারি যে সেখানে আমরা সবকিছু কোন ধরনের মিউটেবল হবে না মানে কোন ধরনের চেঞ্জ করা যাবে না কোন কিছু করা যাবে না তো পাইথনের সিকুয়েন্সটাই কিন্তু এইজন্য ইম্পরট্যান্ট এবং আরেকটা ব্যাপার আমরা বলি যে পাইথনের মধ্যে আমরা আসলে দেখছি যে ডিকশনারি আছে যে আমরা একটা কি পেয়ার ভ্যালু যে আমি এবং আমার সাথে আমার বয়স আমার বোন আমার বোনের সাথে আমার বোনের বয়স আমার ভাই ভাইয়ের সাথে মানে ভাইয়ের নাম এবং তার বয়স এই এই যে একটা ডিকশনারি এটাও কিন্তু এটা করা সম্ভব এই আমাদের লিস্টের মধ্যে তো আমরা বলছি যে এই লিস্টের মতই কিন্তু টুপল তারপর হচ্ছে গিয়ে আমাদের এই ডিকশনারি এবং ডিকশনারির পাশাপাশি আমরা কিন্তু আরো অন্যান্য অনেক কিছু দেখতে পারি এখন আমরা তো ছোটবেলায় আমরা দেখে এসেছি যে সেট কিভাবে তৈরি করে মানে একই জিনিস ইউনিক ভ্যালু থাকতে হবে মানে একটার মধ্যে ইউনিক ভ্যালু মানে আমার এখানে এক এক তিন চার আমি এক এক তিন চার বলতে পারবো না আমি বলবো যে এক তিন চার তার মানে হচ্ছে কি এটা একটা সেট ইউনিক একটা ভ্যালু একবার একবারই নেওয়া হবে তো এরকম ভাবে আমরা বলছি যে পাইথনের যে সিকুয়েন্স ব্যাপারটা সেটা একটা ইম্পরট্যান্ট ইস্যু বিশেষ করে ডেটা সাইন্সের জন্য এবং আমরা ডেটাকে আমরা সেভাবে রাখার চেষ্টা করব আর এর সাথে তো হেল্পার লাইব্রেরি আছে আর আরেকটা জিনিস হচ্ছে পাইথন লজিক মানে পাইথন লজিকটাও কিন্তু আমাদের বুঝতে হবে যে পাইথন লজিকটা আসলে আমাদের মত যারা রিপিটেটিভ কাজ করতে চান না মানে একই জিনিস তারা রিপিটেটিভ কাজ করতে চায় না তাদের জন্য হচ্ছে গিয়ে পাইথন লজিক আর পাইথন লজিকের সবচেয়ে বড় যে হেল্প মানে বড় যে স্ট্রেন্থ সেটা হচ্ছে গিয়ে আমরা একটা জিনিস ধরা যাক আমরা একটা কন্ডিশন মিট করা না পর্যন্ত আমরা একটা কন্ডিশন নিয়ে কাজ করছি আমাদের কন্ডিশন আমরা বলছি কন্ডিশনটা মিট করার আগ পর্যন্ত আমাকে সে ওই কাজটা করতেই থাকবে এবং কাজটা যখন মিট হবে তখন এক্সিট কোড দিয়ে বের হয়ে যাবে তো এইজন্য আমরা বলছি যে আমাদের এই পাইথন লজিকে আমাদের আসলে অনেক কিছু আছে যে একটা গিভেন কন্ডিশন কন্ডিশনটা মিট হলো মিট হওয়ার পর তারপর সেই জিনিসটা আমরা নিয়ে সামনে কাজ করব তো এখন এই ব্যাপারটা হচ্ছে যে পাইথন লজিকের একটা অংশ হচ্ছে গিয়ে এটা আসলে অটোমেশন একটা বড় পার্ট মানে আমরা আসলে এখানে অটোমেশন করতে যাচ্ছি আমাদের এখানে লজিক স্টেটমেন্ট মানে যেটাকে আমরা বলছি যে ইফ এলস বা এলিফ মানে আমরা আমরা কিছু লজিক্যাল স্টেটমেন্ট ব্যবহার করব এবং তার পাশাপাশি আমরা লুপ ব্যবহার করতে পারি সেই লুপের মধ্যে আমরা বলতে পারি যে ফর লুপ মানে সবচেয়ে বেশি আমরা ফর লুপ ব্যবহার করি রাদার দেন হোয়াইল লুপ মানে আমরা হোয়াইল লুপ ব্যবহার করি বাট ফর লুপটা সবচেয়ে বেশি এবং আমাদের দেখবেন যে আমাদের ডেটা সাইন্সে ফর লুপটাই আমরা আসলে একটা কাজ করি এবং তার পাশাপাশি রেঞ্জ বা এই ধরনের জিনিসপত্র নিয়ে কাজ করি তো আমার একটাই কথা যে আমরা পাইথন দিয়ে শেখার সময় এই যে পাইথন সিকুয়েন্সটা এটা যদি একটু ঠিকমত আমরা বুঝতে পারি তাহলে কিন্তু আমাদের কাজটা অনেক সহজ হয়ে যাবে তার পাশাপাশি আমরা অটোমেশন করতে চাইলে কিন্তু আমাদের সবকিছুতেই মানে আমরা একই জিনিস কিন্তু রিপিটেটিভ করবো না রিপিট কেন করব যদি আমাদের কাছে প্রোগ্রাম থাকে প্রোগ্রাম রিপিট কাজকে সবকিছু অটোমেশনে ফেলে দিবে আর সেজন্যই কিন্তু এই পাইথনের লজিক এবং পাইথনের লজিকের যে বড় ব্যাপারটা হচ্ছে যে আমরা রিপিট অ্যাকশনের পাশাপাশি আমরা কিছু ডেফিনেশন সেট করে দেব যে এই জিনিসটাই তুমি করবা এবং এই জিনিসটা করার পর কাজটা শেষ হয়ে গেলে তুমি এখান থেকে এক্সিট করে যাবা বা এখান থেকে তুমি বের হয়ে যাবা এখন এই কন্ডিশন স্টেটমেন্ট বা এর পাশাপাশি লজিক স্টেটমেন্ট এবং লুপ এবং তার পাশাপাশি কিছু ফাংশন এই ফাংশন গুলো তখন আমরা এখানে কাজ করে দেখাবো তো সেজন্য বলছি যে আমরা পাইথনের সিকুয়েন্স এবং পাইথন লজিক আমরা ঠিকমত বুঝতে পারলে আমাদের কাজটা কিন্তু অনেক সহজ হয়ে যাবে আজকে এই পর্যন্তই থাকছেন তো সামনে

নন-প্রোগ্রামারদের জন্য ডাটা সাইন্স: ডাটা সাইন্সের বেসিক পাইথন

নন-প্রোগ্রামারদের জন্য ডাটা সাইন্স ডাটা সাইন্সের বেসিক পাইথন, ২য় পর্ব.mp3

চলে এলাম দ্বিতীয় পর্বে। আমরা কিভাবে পাইথন দিয়ে ডেটা সাইন্স এবং নন প্রোগ্রামার যারা আছেন তারা পাইথন দিয়ে কিভাবে ডেটা সাইন্স ক্যারিয়ার গড়তে পারবেন। আর সে কারণে আমরা যখন পাইথন দিয়ে কোন কিছু করতে চাইবো তার আগে আমাদেরকে জানতে হবে যে আসলে আমাদের যে সমস্যাটা আছে সেই সমস্যাটা আমরা কিভাবে সমাধান করতে চাই। আমরা একটা কথা প্রায় বলি যে কনসেপ্ট হেভি কোড লাইট। আমি আবারও বলছি কনসেপ্ট হেভি কোড লাইট। মানে আমরা যদি কনসেপ্টটা ঠিকমত বুঝতে পারি তাহলে কিন্তু আমাদের কোড মানে আমরা যে কাজটা করব বা যে সমাধানটা করতে চাইবো সেটা নিজে থেকে অনেক ছোট হয়ে আসবে। কারণ আমরা একটা সমস্যার সমাধান করতে চাইলে স্মার্ট পদ্ধতিতে আমরা সেই প্রবলেমটাকে সলভ করতে চাইবো। সেই হিসাবে আমরা যেটা বলছি যে কনসেপ্ট হেভি কোড লাইট সেখানে আমাদের কনসেপ্টটা ঠিকমত বুঝতে হবে। যেকোনো সমস্যা বোঝার আগে বা সমস্যার সমাধান করার আগে আমার সমস্যাটা ঠিকমত বুঝতে হবে। আমি যদি সমস্যাটাকে ঠিকমত বুঝতে পারি তাহলে কিন্তু সেই সমস্যাটার সমাধান করা খুব সহজেই বের করা যায়। সেখানে আমরা যে জিনিসটা করব যে কনসেপ্টটা ঠিক করে করে কিন্তু আমরা সামনে আগাবো। আর আরেকটা জিনিস আমরা বলছি যে আমরা দেখতে পারতে হবে। আমাদেরকে দেখতে পারতে হবে যে আমরা আসলে দূরে কতটুকু দেখতে পাচ্ছি। একটা সমস্যার সমাধান করতে চাচ্ছি কিন্তু সমস্যাটা সমাধান করার আগে আসলে আমরা কতদূর হাঁটবো। আমরা কতদূর যেতে চাইবো সেই দূরটা যদি আমরা আগে থেকে বের করতে পারি তাহলে কিন্তু আমাদের এই ব্যাপারটা বোঝা সহজ। আর সেখানে যে জিনিসটা আমি দেখছি যে পাইথন দিয়ে ডেটা সাইন্স সেখানে কিন্তু পাইথনের কাজটা আসলে কিছুটা কম। মানে আপনি যদি আমাকে সরাসরি জিজ্ঞাসা করেন আমি বলব যে পাইথন দিয়ে ডেটা সাইন্সের কাজ কম। কারণ পাইথনের যে হেল্পার লাইব্রেরিগুলো আছে পাইথনের হেল্পার লাইব্রেরিগুলো কিন্তু খুব মানে হেভি লিফটিং মানে পাইথনের হেল্পার লাইব্রেরি গুলোর কাজ হচ্ছে গিয়ে বাকি সব হেভি লিফটিং করা। মানে যত ধরনের ডিফিকাল্ট কাজগুলো আছে ডিফিকাল্ট কাজগুলো কিন্তু এই পাইথনের হেল্পার লাইব্রেরি কিন্তু এই কাজগুলো করে থাকে। আর সেজন্য পাইথন বেসিক জানলে হবে আর বাকিটা আমরা কিন্তু সেই হেল্পার লাইব্রেরি দিয়ে কিন্তু আমরা হেভি লিফটিং করে দিব। মানে আমরা আসলে তুলে ফেলবো। এখানে যে জিনিসটা আমরা দেখছি যে আমরা যদি দেখি ধরা যাক ডেটা ম্যানিপুলেশনের জন্য মানে আমাদের ডেটা ম্যানিপুলেশনের জন্য এক্সেল কিন্তু একটা চমৎকার জায়গা। তো এখন এই এক্সেলের মতই কিন্তু আরো কিছু হেল্পার লাইব্রেরি আছে যেটা আমি বলছি পাইথনের জন্য। যেমন আমরা বলছি ডেটা ফ্রেমটাকে আমরা বলি যে এক্সেল টাইপ একটা জিনিস। সেই ডেটা ফ্রেমটা কিন্তু পাইথনের জন্য ওদের হেল্পার লাইব্রেরিটা হচ্ছে গিয়ে পান্ডাজ। মানে আমরা কিন্তু তখন দেখা যাবে যে পান্ডাজ দিয়েই কিন্তু আমাদের সব হেভি লিফটিং করে ফেলবো। তো সেজন্য আমাদের কিন্তু পাইথন দিয়ে অত ভয় পাওয়ার কিছু নেই যে পাইথনের একদম ভিতরে যে ঢুকতে হবে সেরকম না। মানে পাইথন দিয়ে আমরা বেসিক জিনিসগুলো আমরা শিখলেই আমাদের কাজটা হয়ে যাবে। সেখানে ডেটা মানে ডেটাটা পাইথনের মধ্যে কিভাবে আছে সেটা যদি আমরা ঠিকমত বুঝতে পারি তাহলে কিন্তু আমাদের কাজটা সহজ হয়ে যাবে। যেমন পাইথনে ডেটাটা কিভাবে আছে বা পাইথনের ডেটাটা কিভাবে আমরা রাখবো এবং সেই ডেটাকে আমরা কিভাবে এক্সেস করব সেটা যদি আমরা ঠিকমত বুঝতে পারি তাহলে কিন্তু আমাদের পাইথনের কাজটা কমে আসবে। সেখানে আমরা দেখছি যে পাইথনের মধ্যে যেকোনো ডেটা মানে যেকোনো ডেটাকে পাইথন কিভাবে রিপ্রেজেন্ট করে। এই রিপ্রেজেন্টেশন লেয়ারটা বা এই রিপ্রেজেন্টেশনটা ঠিকমত বুঝতে পারলে আমাদের জন্য কাজটা সহজ হয়ে যাবে। এবং সেইখানে আমরা একটা জিনিস দেখছি যে পাইথন ভেরিয়েবলগুলো নিয়ে আসলে কিভাবে কাজ করে। আর এই ভেরিয়েবলের মধ্যে মানে ভেরিয়েবলের ব্যবহার ভেরিয়েবলটা কোথায় আমি ব্যবহার করতে চাচ্ছি ভেরিয়েবলগুলো কিভাবে আমি এক্সেস করব। আর এই ভেরিয়েবলের সাথে লেভেল কি মানে ভেরিয়েবলগুলো ভেতরে যে ডেটাটা আছে সেই ডেটাটা আসলে একটা বক্স মানে আমরা একটা বক্স বলছি। এখন বক্সটা হচ্ছে লেভেল। এখন ওর ভিতরে কি কন্টেন্ট আছে সেটাও কিন্তু আমাদেরকে জানতে হবে যে আমরা আসলে সেই কন্টেন্টে কিভাবে এক্সেস করব। আমরা একটা ভেরিয়েবলের মধ্যে কন্টেন্টটাকে কিভাবে এক্সেস করব এবং সেই কন্টেন্টের মধ্যে কিভাবে আমরা স্লাইসিং করব বা সেই কন্টেন্টের মধ্যে আমরা কিভাবে ইন্ডেক্সিং করে কোন নাম্বার কন্টেন্টটা আমার দরকার। কোন ধরা যাক আমরা যদি বলি যে পাইথনের একটা বড় কাজ হচ্ছে লিস্ট। মানে পাইথনের লিস্ট কিন্তু প্রচুর ডেটা রাখতে পারে। এখন এই লিস্টে আমি প্রথম ডেটাটা রাখবো নাকি আমি মিলিয়ন ডেটাটা নিব। মানে আমার সেই ডেটার ভিতরে আমরা কিভাবে এক্সেস করব সেটা কি আমরা একটা লুপের মধ্যে দিয়ে ফেলে দিব নাকি একটা আমরা আইটারেশন একটা ব্রেকআউটের মধ্যে যে কোথা থেকে আমরা সেই ডেটাটা এক্সেস করব সেটা কিন্তু আমাদের জানা জানা দরকার। তো এখানে আমরা ওই ভেরিয়েবলের পাশাপাশি যে লিস্টের ব্যাপারটা আমরা বললাম যে লিস্টের মধ্যে কিভাবে ডেটা থাকে মানে ডেটাটা কিভাবে লিস্টে থাকে। এর পাশাপাশি লিস্টের মধ্যে যে এলিমেন্টগুলো আছে সেই এলিমেন্টগুলোকে আমি এর আগে বললাম যে এলিমেন্টগুলোকে আমরা কিভাবে এক্সেস করব। কোন এলিমেন্টটা দরকার প্রথমটা দরকার নাকি হাজারতম এলিমেন্টটা দরকার নাকি মাঝখানে সবগুলো দরকার নাকি আমাদের শেষের দিকের গুলো দরকার। সেটাও কিন্তু আমাদেরকে বুঝতে হবে এবং লিস্টের কোন জায়গাতে ডেটাটা স্টোর করে এবং সেই ইন্ডেক্সিং এর ব্যাপারটা যদি আমরা ঠিকমত বুঝতে পারি তাহলে কিন্তু আমাদের কাজটা সহজ হয়ে যায়। কারণ আমরা জানি যে লিস্টিং এ বিশেষ করে আমরা জিরো মানে আমাদের শুরুর ইন্ডেক্সটা হচ্ছে জিরো। তারপর হচ্ছে গিয়ে আমাদের তার মানে হচ্ছে গিয়ে আমাদের প্রথম যে আইটেমটা সেটা জিরো। তারপরেরটা হচ্ছে ওয়ান। এভাবে কিন্তু আমাদের লিস্টিং এর ইন্ডেক্সটা নিয়ে কাজ করে। এখন যে জিনিসটা আমরা বলি যে এই যে একটু আগে বললাম যে ইন্ডেক্সের পজিশনটা সেই ইন্ডেক্সের পজিশনটাও নিয়েও কিন্তু আমরা বিভিন্ন ধরনের ডেটা শেপিং নিয়েও কিন্তু আমরা কাজ করব। আর তার পাশাপাশি আমরা লিস্টের মধ্যে ডেটাটা কিভাবে সর্ট হচ্ছে। মানে আমরা তো সব ডেটা চাই না। আমরা সর্ট করে চাই বা সর্ট করে এটাকে রিভার্স অর্ডারে চাই নাকি আমরা এসেন্ডিং অর্ডারে চাই নাকি ডিসেন্ডিং অর্ডারে চাই। এই যে জিনিসগুলো এটা কিন্তু পাইথনের কাজ। সেটা আমরা কিন্তু এখানে দেখব এবং সেই লিস্টের মধ্যে লিস্টের লেন্থটা কি হতে পারে সেটাও কিন্তু আমাদের একটা জানার বিষয় আছে। সবচেয়ে বড় ব্যাপার হচ্ছে যে লিস্টের মধ্যে লুপিং। মানে আমরা যখন লুপিং চালাবো তখন কিন্তু লিস্টের মধ্যে কোন অংশটুকু আমার দরকার বা কোন অংশটুকু আমার কন্ডিশন মিট করছে এবং কন্ডিশন মিট করে তাকে আমরা নিব। বিকজ আমরা তো সব ডেটা নিয়ে কাজ করব না। আমাদের সেই ডেটাটা কোন জায়গাতে এক্সেস করলে আমার জন্য সিস্টেমটা অপটিমাইজ হবে সেখানে আমরা পাইথনের ব্যাপারটা নিয়ে কাজ করব। এবং আরেকটা জিনিস হচ্ছে কি আমরা যখন স্লাইস করব আমরা যখন লিস্ট করব সেই লিস্টের মধ্যে স্লাইসিং করে কোন অংশটা আমরা নিব বা কোন অংশটা ফেলে দিব বা কোন অংশটা আমার দরকার নাই সেই জিনিসগুলো কিন্তু আমরা এখানে দেখার চেষ্টা করব। আর সবচেয়ে বড় যে জিনিসটা আমি সবসময় বলি যে পাইথনের সবচেয়ে স্ট্রেন্থ হচ্ছে ওর অনেকগুলো হেল্পার লাইব্রেরি আছে। যেমন পান্ডাজ, নামপাই। মানে আমরা নামপাই দিয়ে কিন্তু প্রচুর সাইন্টিফিক কাজ করে থাকি। তো সেই কাজগুলো যদি আমি শুধুমাত্র আমি পাইথন দিয়ে করতে চাইতাম তাহলে কিন্তু আমার জন্য লাইফটা অনেক ডিফিকাল্ট হতো। সেইম এক্সেলের মত ডেটা ম্যানিপুলেশন আর কে পারবে? তো আমি মনে করছি যে এই এক্সেলের মত ডেটা ম্যানিপুলেশন সেটা পিভোটিং হোক, পিভট টেবিল হোক বা অন্যান্য জিনিস হোক সেটা কিন্তু সবকিছুই পান্ডাজ মানে আমাদের এই পাইথনের হেল্পার লাইব্রেরি করে দিচ্ছে। তো সেই জন্য বলছি যে আমরা এই পাইথন দিয়ে যা করব এর ম্যাক্সিমাম কিন্তু হেল্পার লাইব্রেরি দিয়ে করব এবং সেই বিভিন্ন মডিউলগুলো আমরা কিন্তু দেখা যাবে সেটাকে আমরা ইম্পোর্ট করে নিয়ে আসবো। আর সেজন্যই আমরা বলছি যে পাইথনের বেসিক কিছু জানলেই হবে। আমরা পাইথনের ব্যাপারে অতটা ভয় পাবো না যে এটা আসলে আমাদেরকে খুব বেশি মানে গভীরে যেতে হবে কিনা। আমাদের যখন গভীরে যেতে হবে তখন আমরা এই হেল্পার লাইব্রেরি বা পাইথনের কিছু বেশি বেস বেশ কিছু জিনিস আমরা আপনাদেরকে দেখিয়ে দিব। তবে আমি নেক্সট সেশন থেকে সরাসরি কম্পিউটারে চলে যাব। আজকে আমি মনে করছি যে আমাদের ইনিশিয়াল যে থট প্রসেসটা সেটা আমি আপনাদেরকে বলে দিলাম যাতে আমাদের ভবিষ্যতে এই ব্যাপারগুলো আরো বুঝতে সুবিধা হয়। আজকে এই পর্যন্তই থাকছেন তো সামনে?

Prompt Engineering Guide

'এআই'কে বশ করার উপায় Writing Effective Prompts Prompt Engineering Guide.mp3

কম হলো না ডেটা নিয়ে কাজ করার সময়। আমি মনে করি যে প্রায় এক দশক ধরে ডেটা নিয়ে কাজ করতে গিয়ে যেটা আসলে বুঝলাম যে দিনশেষে ডেটা ইজ দা ফিউচার এন্ড ডেটা যখন আমাদেরকে হেল্প করছে সিদ্ধান্ত নিতে তাহলে আমি কেন যন্ত্রকে মানে বিশেষ করে যন্ত্র যেহেতু আমাদের সহযোগী হচ্ছে যন্ত্র যেহেতু আমাদেরকে যন্ত্রকে ব্যবহার করে আমাদেরকে কাজটা বের করে আনতে হচ্ছে তার মানে হচ্ছে কি আমাদেরকে যন্ত্রকে প্রপার ইন্সট্রাকশন দিতে হবে। আর সেজন্য আগে আমরা কি করতাম যে আমরা প্রোগ্রামিং ল্যাঙ্গুয়েজ শিখতাম, কম্পাইলার ব্যবহার করতাম যাতে প্রোগ্রামিং ল্যাঙ্গুয়েজ ব্যবহার করে আমরা একটা কম্পিউটারকে ইন্সট্রাক্ট করতে পারি যাতে সে তার ফাইনাল আউটকামটা দিতে পারে। তবে এটা ঠিক যে এখন দা কারেন্ট ট্রেন বা হটেস্ট ট্রেন যেটাকে বলা হচ্ছে যে আমাকে অনেকে জিজ্ঞেস করে যে এখন কোন প্রোগ্রামিং ল্যাঙ্গুয়েজটা শেখা ভালো বা কোন প্রোগ্রামিং ল্যাঙ্গুয়েজটা শিখলে তার কাজটা ভালো হবে। আমি সবসময় বলি যে দা লেটেস্ট এন্ড দা হটেস্ট ট্রেন অর দা বেস্ট কম্পিউটার ল্যাঙ্গুয়েজ টু লার্ন ইজ ইংলিশ বিকজ ইফ উই লার্ন ইংলিশ প্রপারলি দেন আসলে ইংলিশই কিন্তু আমাদেরকে কম্পিউটার থেকে কাজগুলো বের করে আনতে পারবে। আর সেজন্যই কিন্তু এখন যেটাকে আমরা বলছি যে প্রম্পট ইঞ্জিনিয়ারিং মানে হচ্ছে গিয়ে কম্পিউটারকে প্রপারলি ইন্সট্রাক্ট করতে পারা যেটাকে আমরা বলছি ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং। আমরা আসলে ন্যাচারালি ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং ব্যবহার করে বা ন্যাচারালি কিভাবে আমরা একটা কম্পিউটারকে ইন্সট্রাক্ট করে তার কাছ থেকে কাজটা বের করতে আনতে পারি। আর সেজন্যই কিন্তু প্রম্পট ইঞ্জিনিয়ারিং নিয়ে কিন্তু অনেক ধরনের আলাপ হচ্ছে। তো আজকে আমি নিয়ে এলাম হচ্ছে গিয়ে গুগল আসলে যেহেতু আমি প্রম্পট ইঞ্জিনিয়ারিং অনেকদিন ধরে করি কারণ আমার যে ফাইনাল আউটকামগুলো নিয়ে আসতে হয় তার প্রম্পট ইঞ্জিনিয়ারিং আসলে আমি করছিলাম প্রায় প্রায় গত আট নয় মাস ধরে। তো আমি আসলে প্রম্পট ইঞ্জিনিয়ারিং এর জন্য একটা বই লিখছিলাম বাট আসলে সময় বের করতে পারি না বা সবকিছু মিলিয়ে তো আমার কাছে মনে হচ্ছে যে একটা প্রম্পট ইঞ্জিনিয়ারিং গাইড যেটা আসলে গুগল অনেকদিন ধরেই আসলে তারা ওয়ার্ক আউট করছিল। সো একটা সুন্দর প্রম্পট ইঞ্জিনিয়ারিং গাইড ওরা বলছে জেমিনির জন্য বাট একচুয়ালি ইট উইল ওয়ার্ক ফর এভরিওয়ান। সো দিস ইজ দা প্রম্পট ইঞ্জিনিয়ারিং গাইড। দিস ইজ দা প্রম্পট ইঞ্জিনিয়ারিং গাইড যেটা জেমিনির জন্য তারা বলছিল বাট দিস ইজ হোয়ার দে টক এবাউট দা কুইক স্টার্ট হ্যান্ডবুক ফর ইফেক্টিভ প্রম্পটস বিকজ ইউ ক্যান রাইট প্রম্পটস রাইটিং প্রম্পটস ইজ নট দ্যাট ডিফিকাল্ট বাট দেন হাউ ডু ইউ রাইট ইফেক্টিভ প্রম্পটস বিকজ আমি দেখছি যে অনেকে গুগলে সার্চ করে বাট দে ডোন্ট নো হাউ টু হাউ টু ডু ইট প্রপারলি অর আমরা দেখছি যে আমরা যখন চ্যাট জিপিটি ব্যবহার করছি চ্যাট জিপিটি কিন্তু আমরা প্রপারলি ইন্সট্রাক্ট করতে পারি না। এজন্য আমাদের ফাইনাল আউটকামটা সেভাবে ভালোভাবে আসে না। সো উই শুড বি এবল টু ডু দিস থিং বিকজ এটা কিন্তু এই মাসেই বের হয়েছে এবং হাউ ডু ইউ রাইট ইফেক্টিভ প্রম্পটস এবং সেখানে কিন্তু বেশ কয়েকটা কথা তারা বলেছে যে যেটা আসলে আমি সবসময় বলি যে ইফ ইউ রিয়েলি ওয়ান্ট টু টক টু দা মেশিনস ইউ নিড টু আন্ডারস্ট্যান্ড হাউ দা মেশিন অপারেটস। সো আমরা যদি এভাবে কথা বলি যে না আসলে মেইন মেশিনের সাথে যখন আমি কথা বলব আই শুড বি এবল টু সে হোয়াট ইজ মাই পার্সোনা মানে হু এম আই। আমি কি? আমি কে? এটা যদি আমি না বলি মানে আমি তো তাকে ইন্সট্রাক্ট করছি। সো আমি যদি তাকে না বলি যে হু এম আই তাহলে কিন্তু এটা আসলে হবে না। সো দ্যাট দা ফার্স্ট থিং ইজ দ্যাট ইউ হ্যাভ টু সে হু আর ইউ মানে হু এম আই। জাস্ট লাইক এখানে বলছে ইউ আর এ গুগল ক্লাউড প্রোগ্রাম ম্যানেজার। সো এই এটা দিস ইজ হোয়াট উই টক এবাউট পার্সোনা মানে আমি কে এন্ড দেন হোয়াট ইজ দা টাস্ক? টাস্কটা কি? সো হচ্ছে গিয়ে ড্রাফট এ ইজি রিপ সামারি ইমেইল। এটা হচ্ছে গিয়ে সে হচ্ছে গিয়ে তার টাস্ক। এন্ড হোয়াট ইজ দা কন্টেক্সট? হোয়াট ইজ দা কন্টেক্সট? তো কন্টেক্সট ইজ বেসড অন ডিটেইল এবাউট দা রিলেভেন্ট প্রোগ্রাম ডকুমেন্ট। সো এখানে আমি আরো সামনে আসবো। বাট অফকোর্স দিস ইজ দা কন্টেক্সট যে বেসড অন হোয়াট? বেসড অন দিস অর দ্যাট অর এটা। এটা আমি তাকে যত বেশি আমি তাকে বেসড অন বলবো তত বেশি কিন্তু সে আমাকে পারফেক্টলি আউটকাম দিবে এবং সেটাই কিন্তু এখানে বলবো এবং সেখানে আমি নিজেও এখানে বুলেট পয়েন্ট দিতে পারি। আর হচ্ছে গিয়ে ফাইনাল হচ্ছে ফরম্যাট। আমি কি ফরম্যাটে চাই? আমি কত ওয়ার্ডের মধ্যে চাই? আমি কিভাবে চাই না চাই সেটাও এখানে ফরম্যাটে আসবে। সে ফরম্যাট হচ্ছে গিয়ে লিমিট টু বুলেট পয়েন্ট। আমি আসলে বুলেট পয়েন্টে চাচ্ছি তোমার কাছ থেকে আউটকাম। আমি নিজেও তাকে বুলেট পয়েন্টে দিতে পারি। ফাইনালি তাকেও কিন্তু বলতে পারি যে দিস ইজ দা বুলেট পয়েন্ট ইউ উড সিন। সো অবভিয়াসলি আমরা যখন কথা বলব ন্যাচারাল ল্যাঙ্গুয়েজ ব্যবহার করব স্পেসিফিক হব এবং কিভাবে আইট্রেট করা যায় কনসাইজ হব এবং কমপ্লেক্সিটি যাতে না থাকে এবং এই কনভার্সেশনটা কিভাবে আমি আসলে ওয়ার্ক আউট করব সেটাই কিন্তু ফাইন টিউন করা যায়। সো দেয়ার আর মেনি থিংস দ্যাট ইউ ক্যান গেট ইট ফ্রম হিয়ার। দা প্রম্পটিং ইজ এন আর্ট। দা প্রম্পটিং ইজ এন আর্ট এন্ড দেন দিস ইজ হাউ ইউ উড গেট ইট। সো অবভিয়াসলি রাইটিং ইফেক্টিভ প্রম্পটস নিয়ে আলাপ হচ্ছে কাস্টমার সার্ভিস আমি যদি কাস্টমার সার্ভিসে কাজ করি তার জন্য কি হবে সেটা এখানে কিন্তু তারা বলেছে যে আসলে কাস্টমার সার্ভিসে কিভাবে আমরা ওয়ার্ক আউট করব। দিনশেষে আমি যেটাকে বিশ্বাস করি সেটা হচ্ছে যে প্রম্পট ইঞ্জিনিয়ারিং ইজ নাথিং বাট উই নিড টু বি এবল টু হার্নেস যে আমার কম্পিউটার কিভাবে কাজ করে মানে কম্পিউটারে কিভাবে কোন ইন্সট্রাকশনটা দিলে সে প্রপারলি সে তার ফাইনাল আউটকামটা দিতে পারবে বিকজ দিনশেষে আমরা যদি এই আউটকামটা যদি না দেখাতে পারি কম্পিউটার থেকে বা কম্পিউটার থেকে যদি ফাইনাল আউটকামটা যদি না ওয়ার্ক আউট করি আসলে এটা থেকে আমরা ঠিকমতো ফলাফলটা পাবো না বিকজ দিনশেষে আমরা আসলে কি চাই? আমরা চাই কম সময়ে একটা ভালো আউটপুট আনতে। সো এই জায়গাটাতে কিন্তু আমাদের ওয়ার্ক আউট যে আমরা যদি কম্পিউটারের কাছ থেকে একটা ভালো আউটপুট আনতে চাই তাহলে আমাকে বুঝতে হবে যে কম্পিউটার কিভাবে অপারেট করে এবং সেখানে কম্পিউটার কিভাবে এটা নিয়ে কিভাবে তার ফাইনাল আউটকাম দেয়। এইজন্যই আমি আসলে এই বইটার পাশাপাশি এই এটার আমি আগে কিন্তু একটা বই লিখেছি কৃত্রিম বুদ্ধিমত্তায় মানবিক কৃত্রিম বুদ্ধিমত্তায় শিক্ষা ব্যবস্থা। আপনারা দেখতে পারেন যে কৃত্রিম বুদ্ধিমত্তা শিক্ষা ব্যবস্থা এই বইটা আমি লেখার পেছনে একটাই কারণ যে আসলে মানুষ কিভাবে শেখে আর যন্ত্র কিভাবে শেখে তার মধ্যে সিমিলারিটি কোথায়? কোথায় যন্ত্র মানুষকে টেক্কা দিচ্ছে কোথায় মানুষ কে টেক্কা দিচ্ছে যন্ত্র বিকজ মানুষই যন্ত্রকে তৈরি করেছে যাতে সে তাকে টেক্কা দেয় বিকজ যন্ত্র হচ্ছে কি হিউম্যান এক্সটেনশন। আমি যেমন একটা বড় কার্গোকে এক জায়গা থেকে আরেক জায়গায় নিতে পারি না। সো আমি একটা ক্রেন ইউজ করি। আমি যেমন আমি আমরা যেমন আকাশে উড়তে পারি না। যেহেতু মানুষ আকাশে উড়তে পারে না সো মানুষ কি করে মানুষ একটা বিমান বানিয়েছে। বিমান বানিয়ে বিমানের মধ্যে যেয়ে মানুষ উড়তে পারে। তার মানে হচ্ছে গিয়ে মানুষ কিন্তু তার সহযোগী একটা জিনিস বানিয়েছে বা মানুষ একটা জিনিসকে তার এক্সটেনশন হিসেবে ব্যবহার করছে। আমার ক্রেন হচ্ছে গিয়ে মানুষের এক্সটেনশন অফ হিউম্যান পাওয়ার। দা বিমান হচ্ছে গিয়ে মানুষের এক্সটেনশন অফ ফ্লাইং এবিলিটি। সে সেভাবে বুদ্ধিমত্তার এক্সটেনশন মানে কৃত্রিম বুদ্ধিমত্তা হচ্ছে কি মানুষের বুদ্ধিমত্তার এক্সটেনশন সো দ্যাট ইট বিকামস সুপার ইন্টেলিজেন্স। ইট বিকামস সুপার হিউম্যান বিকজ আমরা অনেক আগে জানি যে এখানে আইনস্টাইন বলেছে যে যেই প্রবলেমটা যেই লেভেলে হয় ইফ ইউ ওয়ান্ট টু সলভ এ প্রবলেম দেন ইউ উইল বি ইউ উড ওয়ান্ট টু সলভ দা প্রবলেম ইন দা হায়ার স্কেল। মানে ইফ ইউ ওয়ান্ট টু সলভ এ প্রবলেম সাস্টেইনেবলি দেন ইউ নিড টু গো টু আপার লেভেল। সেইম আমরা যদি এই যন্ত্রকে ব্যবহার করতে চাই আমাকে কিন্তু যন্ত্রকে ব্যবহার করতে পারার জন্য আসলে আমাকে সেই লেভেলে প্রম্পট ইঞ্জিনিয়ারিং জানতে হবে যে আসলে যন্ত্রকে আমি কিভাবে চালাবো। এন্টারপ্রেনাররা কিভাবে এটা চালাবে তারপর হচ্ছে গিয়ে এর পাশাপাশি প্রম্পট সিইও কিভাবে চালাবে যে এমপ্লয়ি কমিউনিকেশনটা আসলে কিভাবে হবে তার সাথে আসলে বিভিন্ন ধরনের চিফ মার্কেটিং অফিসার সে কিভাবে কমিউনিকেট করবে যে ব্রেইনস্টর্ম কন্টেক্সট কন্টেন্ট থ্রু লিডারশিপ লিডারশিপ কিভাবে কমিউনিকেট করবে এর পাশাপাশি চিফ ইনফরমেশন অফিসার কিভাবে কাজ করবে সিটিও কিভাবে কাজ করবে সবকিছুই কিন্তু এখানে আছে যে দিনশেষে উই নিড টু বি এবল টু ওয়ার্ক আউট যে আমরা প্রম্পট ইঞ্জিনিয়ারিং কিভাবে কাজ করাবো যেমন হিউম্যান রিসোর্স একটা বড় বড় একটা কাজ। এখানে হিউম্যান রিসোর্স কিভাবে কাজ করবে সেটাও কিন্তু এখানে আমাদেরকে জানতে পারতে হবে। সো এখানে সেই যে চারটা যে কিওয়ার্ড সেই চারটা কিওয়ার্ডের জন্য কিন্তু তারা এভাবে বলছে যেমন এখানে হচ্ছে ফাইনাল ফরম্যাট ইউজ এ প্রফেশনাল টোন মানে আসলে আমি কিভাবে প্রফেশনাল টোনটা চাচ্ছি সেখানেও কিন্তু এখানে ইম্পর্টেন্ট হিসেবে কাজ করবে। সো দিনশেষে আই ক্যান ইউজ জিমেইল আই ক্যান ইউজ ডক্স সব জায়গায় কিন্তু উই কুড উই কুড ইউজ ইট। এন্ড হিয়ার ইজ ইট ইজ দা মার্কেটিং পার্ট। মার্কেটিং এ আসলে কিভাবে কাজ করবে এন্ড দেন কিভাবে প্রম্পট আইটারেশনটা হবে সেগুলো নিয়ে আসলে আমরা এখানে দেখতে পারি। দিনশেষে আমি মনে করি যে দিস ইজ দা ডকুমেন্ট হোয়াট ইউ কুড ইউ কুড ট্রাই। আমি বাংলায় লিখতে চেয়েছিলাম কিন্তু আসলে আমি সময় পাচ্ছি না। বাংলায় এরকম একটা বই হলে ভালো হতো কিন্তু যেহেতু আমার প্রম্পটিং এখনো ইংরেজিতে আছে এজন্য এই বইটা আসলে আপনারা দেখতে পারেন হুইচ ইজ হুইচ ইজ এ গুড ওয়ান। যেমন সেলসের জন্য তারা এখানে বলেছে যে সেলস কিভাবে প্রম্পট ইঞ্জিনিয়ারিং ব্যবহার করে আসলে তারা এখানে কাজ করবে সেটাও কিন্তু এখানে ক্লিয়ারলি তারা এখানে বলেছে এবং জিমেইলে কিভাবে ব্যবহার করবে গুগল ডক্সে কিভাবে ব্যবহার করবে জেমিনিতে কিভাবে ব্যবহার করবে সেগুলোর ব্যাপারে কিন্তু এখানে বলেছে। বাট মেইন পয়েন্ট আমি যেটাকে বুঝি যে দিনশেষে আমার কাজগুলো আসলে কিভাবে আমি ছোট করে নিয়ে আসতে পারি সেটাও কিন্তু আমার একটা বড় জিনিস। তো ফাইনালি আমি আসলে একটা জিনিস বলতে চাই যে প্রম্পট ইঞ্জিনিয়ারিং এ ফাইনাল ফাইন টিউনিংটা আসলে কিভাবে করব সেখানে কিন্তু ওরা বলেছে যে ব্রেক ইট আপ মানে একটা বড় টাস্ককে কিভাবে ছোট করে করে কাজ করানো যায় গিভ কনস্ট্রেইন বিকজ আমরা যদি কনস্ট্রেইন না দেই আমরা যদি লিমিটেশন না দেই যেকোনো জিনিসের আমার তো দুই পাশে দুইটা ধরা যাক আপনি যখন একটা বিল্ডিং বানাচ্ছেন বিল্ডিং এর তো চারপাশে তো পিলার দিতে হবে। সো পিলারস আর দা কনস্ট্রেইন। আপনি বলে দিচ্ছেন দিস আর দা কনস্ট্রেইন ফর গেটিং স্পেসিফিক রেজাল্টস। আমরা যদি স্পেসিফিক রেজাল্ট চাই আমাদের কিন্তু কনস্ট্রেইন বলতে হবে। আমাদেরকে লিমিটেশন আমাদেরকে বিভিন্ন পিলার ধরিয়ে দিতে হবে। উই হ্যাভ টু বি এবল টু অ্যাসাইন এ রোল যে আসলে আপনি কি হিসেবে যাচ্ছেন? ইউ আর দা হেড অফ দা ক্রিয়েটিভ ডিপার্টমেন্ট ফর এ লিডিং ট্রাভেল এজেন্সি। সো এই ধরনের একটা রোল অ্যাসাইনমেন্ট থাকতে হবে। ফিডব্যাক লাগবে অবশ্যই। আমরা আসলে আমি নিজেই প্রচুর জিরো শর্ট মাল্টিপল শর্ট আমি দেখেছি যে মাল্টিপল শটে কিন্তু আসলে খুব ভালো কাজ করে। সো ইউ নিড টু বি এবল টু আস্ক ফর দা ফিডব্যাক সো দ্যাট আমাকে কিন্তু সবকিছু ক্লিয়ারলি তাকে বলতে পারতে হবে এবং আমিও তাকে আবার প্রশ্ন করতে পারব যে হোয়াট কোশ্চেন ডু ইউ হ্যাভ ফর মি দ্যাট উড হেল্প ইউ প্রোভাইড দা বেস্ট আউটপুট। তখন কিন্তু জেমিনি হোক আর চ্যাট জিপিটি হোক তারা কিন্তু আমাকে আবার প্রশ্ন করবে বেসড অন মাই কোশ্চেন এন্ড দেন আই উড বি এবল টু অ্যানসার দোজ এন্ড দেন ইট উইল বি বেস্ট আউটপুট। কনসিডার টোন বিকজ ইউ নিড টু বি এবল টু টেইলর ইউর প্রম্পট যেটাকে আমরা বারবার বলি যে আমি কি চাচ্ছি? আমি কি এটা ফরমাল চাচ্ছি নাকি ইনফরমাল চাচ্ছি নাকি টেকনিক্যাল চাচ্ছি না ক্রিয়েটিভ চাচ্ছি নাকি ক্যাজুয়াল চাচ্ছি মানে কি হিসেবে চাচ্ছি সেই স্পেসিফিক টোনটা আমাকে তাকে বলতে পারতে হবে। সেই ইট এনাদার ওয়ে। অফকোর্স আমার আমরা কিন্তু এই একই ফাইন একই প্রম্পট কিন্তু আমরা ফাইন টিউনিং করতে পারি অন্যদিকে যাতে আমার এই জিনিসটা প্রপারলি কাজ করে বিকজ দিনশেষে আমরা যদি প্রপারলি এটাকে যদি ফাইন টিউন না করি এজন্য কিন্তু আমরা অনেক সময় কিন্তু একই প্রশ্ন ঘুরে ঘুরিয়ে ফিরিয়ে বলি। আমরা একই প্রশ্ন কিন্তু ঘুরিয়ে ফিরিয়ে দেই এবং সেই জন্য কিন্তু আমরা বলি যে সেই ইট ইন এনাদার ওয়ে বিকজ দিনশেষে আমরা যেটাই বলি না কেন আমাদের এই জায়গাটাতে আমাদেরকে খেলতে পারতে হবে। এই জায়গাটাতে আমাদেরকে বলতে পারতে হবে যে যন্ত্র কিভাবে আসলে আরো ভালো পারফর্ম করতে পারে। আমরা এটা কখনোই ভাববো না যে যন্ত্র আমাদের থেকে সুপিরিয়র নো। আমরা যেটাকে বলছি যে যন্ত্র আমাদের হিউম্যান এক্সটেনশন। আমাদের কৃত্রিম বুদ্ধিমত্তা হচ্ছে কি আমাদের ইন্টেলিজেন্সের এক্সটেনশন। সো আমরা আসলে ইন্টেলিজেন্সের এক্সটেনশন হিসেবে এটাকে ব্যবহার করব এবং এই ব্যবহার করতে গিয়েই কিন্তু আসলে আমরা আমাদের বেটার আউটপুটগুলো পাবো আর পাবো। আজকে এই পর্যন্তই থাকছেন তো সামনে?

Prompt Engineering Guide

'এআই'কে বশ করার উপায় ২ Writing Effective Prompts Prompt Engineering Guide (2nd).mp3

এখন এডুকেশন নিয়ে একটা বড় সময় দিচ্ছি কারণ দিস ইজ দা ফিউচার। আর আমরা যদি সামনে আমাদের এডুকেশন বিশেষ করে আমরা আসলে কোথায় যেতে চাই মানে বিশেষ করে আমরা এজ এ হিউম্যান আমরা কোথায় যেতে চাই সেটা যদি আমরা ঠিকমতো ম্যাপ আউট না করি তাহলে আসলে আমাদের সামনে যাওয়া দুষ্কর। আর সেজন্য আজকে নিয়ে এলাম আবারও প্রম্পট ইঞ্জিনিয়ারিং বিকজ দিনশেষে প্রম্পট ইঞ্জিনিয়ারিং হচ্ছে গিয়ে সেই ব্যাপার যেটা হচ্ছে গিয়ে আমাদেরকে যন্ত্রকে কাজ করাতে হবে। এখন আমাদের যন্ত্রকে কিভাবে কাজ করাবো বা যন্ত্র আমাদেরকে আমাদেরকে কিভাবে যন্ত্রকে দিয়ে আমরা আসলে ফাইনাল আউটকাম করাবো সেটা আসলে একটা লেভেলে আমাদেরকে বুঝতে পারতে হবে। তবে এটা ঠিক যে যন্ত্র কিন্তু আমাদের সহযোগী মানে যন্ত্র যদি আমাদের সহযোগী না হয় তাহলে আসলে আমরা নেক্সট লেভেলে যেতে পারবো না। কারণ আমরা ধরা যাক আমরা যদি আজকে বিমান না বানাতাম তাহলে আমাদের একটা এক্সটেনশন আমাদের একটা এক্সটেনশন যে মানুষ এক জায়গা থেকে আরেক জায়গায় খুব দ্রুত যেতে চায় তখনই কিন্তু বিমান। তার মানে হচ্ছে আমরা যদি বিমান না বানাতাম তাহলে কিন্তু আমরা আসলে এই এত অল্প সময়ে আমাদের লাইফটাইমে পৃথিবীর এত দেশ আমরা ঘুরতে পারতাম না। তার মানে হচ্ছে গিয়ে এই কৃত্রিম বুদ্ধিমত্তা এটাও কিন্তু আমাদের একটা এক্সটেনশন আমাদের ইন্টেলিজেন্ট এক্সটেনশন যে এক্সটেনশন দিয়ে আমরা আসলে নেক্সট লেভেলে যাব। আর সেজন্যই কিন্তু আজকের আলাপ হচ্ছে গিয়ে কিভাবে যন্ত্রকে আমরা আউটকাম মানে যন্ত্রকে দিয়ে আমরা কাজ করাবো। এখন সেই যন্ত্রকে দিয়ে কাজ করানোর জন্য আগে আমাদের কি ছিল? আগে ছিল হচ্ছে গিয়ে আমরা একটা কম্পাইলার ব্যবহার করতাম, প্রোগ্রামিং ল্যাঙ্গুয়েজ ব্যবহার করতাম। তারপরে কিন্তু আমরা যন্ত্রের সাথে আমরা ইন্টারেক্ট করতাম। মানে হচ্ছে গিয়ে পিসির সাথে ইন্টারেক্ট করতাম অথবা আমরা যন্ত্রকে দিয়ে যন্ত্রের সাথে আমাদের একটা কমিউনিকেশন হতো হচ্ছে গিয়ে প্রোগ্রামিং ল্যাঙ্গুয়েজ, কম্পাইলার এবং এর পাশাপাশি আরো অন্যান্য অনেক কিছু। আর এখন যেহেতু যন্ত্রকে আমরা ইন্টেলিজেন্ট বানাচ্ছি, যন্ত্রকে আমরা ইন্টেলিজেন্টের একটা লেভেলে আনছি আনছি তো তার মানে হচ্ছে কি যন্ত্রকে আমরা ন্যাচারালি বললেই হবে। যে আমি যন্ত্রকে বললাম ধরা যাক বললাম যে এইটা করে দাও তো। তার মানে হচ্ছে যন্ত্রটা বুঝতেছে। এখন যন্ত্র কিভাবে আমাদের টোন বুঝবে, আমাদের এই কথাগুলো বুঝবে সেটাও একটা একটা লাইনে থাকতে হবে। আমরা যেভাবে প্রোগ্রামিং এর জন্য সিনট্যাক্স মনে রাখি এখানে প্রম্পট ইঞ্জিনিয়ারিং এর জন্য আমাদের কিছু বেসিক ধারণা মনে রাখতে হবে যাতে আমাদের প্রম্পট ইঞ্জিনিয়ারিংটা আরো এক্সপার্ট হয় আরো ভালো আমরা বুঝতে পারি। তো সেখানে আমাদের যে প্রম্পট ইঞ্জিনিয়ারিং এ যেটা বলছে কুইক স্টার্ট আমি যদি এখানে আবার আসি যে প্রম্পট ইঞ্জিনিয়ারিং এর গাইডটা হচ্ছে গিয়ে কুইক স্টার্ট হ্যান্ডবুক ফর ইফেক্টিভ প্রম্পটস। এখানে আমরা আসলে অনেক কিছুই বলা আছে। বাট একটা জিনিস আমি আপনাদেরকে বলতে চাই প্রম্পটিং ইজ অ্যান আর্ট। প্রম্পটিং ইজ অ্যান আর্ট। ইউ লাইকলি নিড টু ট্রাই এ ফিউ ডিফারেন্ট অ্যাপ্রোচেস ফর ইউর প্রম্পটস ইফ ইউ ডোন্ট গেট ইউর ডিজায়ার্ড আউটকাম দা ফার্স্ট টাইম। তার মানে হচ্ছে গিয়ে আপনার যদি প্রম্পটিং এর যে আউটকামটা সেটা যদি আপনার ডিজায়ার্ড না হয় ফর দা ফার্স্ট টাইম দেন ইউ শুড ট্রাই ফিউ ডিফারেন্ট অ্যাপ্রোচেস। যেটা আসলে সব জায়গায় প্রযোজ্য। পৃথিবীর সব কাজে প্রযোজ্য। যেটা আসলে ওনারা বুঝতে পারছেন গুগল তারা বুঝতে পারছেন যে বেসড অন হোয়াট উই হ্যাভ লার্ন ডিউরিং আওয়ার ওয়ার্কস্পেস ল্যাব প্রোগ্রাম। মানে এটা আসলে তাদের নলেজ বা তাদের কাজ করতে করতে তারা আসলে বুঝতে পেরেছে যে বেসড অন হোয়াট উই হ্যাভ লার্ন ডিউরিং আওয়ার ওয়ার্কস্পেস ল্যাব প্রোগ্রাম দা মোস্ট সাকসেসফুল প্রম্পটস এভারেজ এরাউন্ড 21 ওয়ার্ডস। তার মানে হচ্ছে গিয়ে আমরা যদি ব্যাপারটা এভাবে বলি যে আসলে আমাদের এভারেজ যেটা দিয়ে ফাইনাল আউটকাম আমরা আনতে চাই সেই ফাইনাল আউটকাম আনার জন্য আসলে একটা সাকসেসফুল প্রম্পট ক্যান বি এরাউন্ড 21 ওয়ার্ডস। 21 ওয়ার্ডস এবং ইয়েট ইয়েট তারা জিনিসটা বারবার বলছে ইয়েট মানে মানুষ যে প্রম্পটগুলো ট্রাই করে সেটা হচ্ছে গিয়ে লেস দেন নাইন ওয়ার্ডস। ইট ইজ ট্রু। আমরা এখনো আমরা গুগল এর মত করে আমরা এখনো গুগল এর মত করে কিন্তু ট্রাই করি যে একটা প্রম্পটিং তো আসলে বড় হবে। আমরা এখনো গুগল সার্চের মত কিওয়ার্ড দিয়ে আমরা এখানে ট্রাই করি। সো জেনারেটিভ এআই এন্ড অল অফ ইটস পসিবিলিটিস আর এক্সাইটিং বাট ইটস স্টিল নিউ। ইভেন দো আওয়ার মডেলস আর গেটিং বেটার এভরিডে আওয়ার প্রম্পটস ক্যান সামটাইমস হ্যাভ আনপ্রেডিক্টেবল রেসপন্স হুইচ ইজ ট্রু। নতুন জিনিস এরকম তো হবেই। আর সেজন্যই কিন্তু তারা এখানে অনেক কিছুই এখানে তারা নিয়ে আসছে। সো এর আগে আমি দেখিয়েছিলাম যে টেবিল অফ কন্টেন্ট এর মধ্যে কি কি আছে এবং সেখানে আসলে যে জিনিসটা আমি সবসময় বলব যেহেতু আমি নিজে এখন আমি তো আমি কিন্তু এডুকেশনিস্ট না বা আমি আসলে এডুকেটর না বা আমি আসলে এডুকেশন নিয়ে আমরা আমি মিলিটারিতে আমি এডুকেশন নিয়ে কাজ করেছি বিকজ আমি স্কুলে আমার প্রযুক্তিগত স্কুলে আমি আসলে পড়িয়েছি। সো আমি আসলে সেই মানে এর পাশাপাশি আমার আসলে যে জিনিসটা হয়েছে যে আমি যখন ডিপ লার্নিং বিশেষ করে আমি এই বইটা যখন লিখলাম মানে আমি আসলে এই বইটা যখন লিখলাম যে হাতে কলমে পাইথন ডিপ লার্নিং মানে এই বইটা যখন আমি লিখতে গেলাম এই বইটা লিখতে গিয়ে কিন্তু আসলে আমার অনেক অনেক অনেক নলেজ আমাকে একোয়ার করতে হয়েছে এবং একোয়ার করতে করা শুধু ব্যাপার না। ব্যাপার হচ্ছে গিয়ে এইখানে যে জিনিসটা সবচেয়ে বেশি কাজ করেছে যে মানুষ কিভাবে শেখে। মানে আমাকে আসলে প্রথমে দেখতে হয়েছে যে মানুষ কিভাবে শেখে। মানে যন্ত্রকে শেখানোর আগে আমাকে বুঝতে হয়েছে যে আমাকে মানুষ কিভাবে শেখে। যন্ত্র কিভাবে শিখলে যন্ত্রের জন্য এফিশিয়েন্ট হয় আর যন্ত্রের এফিশিয়েন্সিটা আসলে কিভাবে আর নেক্সট লেভেলে নেওয়া যায় এবং তখনই কিন্তু আমি বুঝতে পারলাম যে যন্ত্র যদি যন্ত্রকে যদি নেক্সট লেভেলে নেওয়া যায় তাহলে কেন মানুষকেও নেওয়া যাবে না। আর সেজন্যই কিন্তু আমি আসলে এই বইটা লিখেছিলাম যে কৃত্রিম বুদ্ধিমত্তায় শিক্ষা ব্যবস্থা। এই কৃত্রিম বুদ্ধিমত্তায় শিক্ষা ব্যবস্থা এই বইটা লিখতে গিয়েই কিন্তু আসলে আই গট আই গট মেনি আইডিয়া যে কিভাবে আসলে একটা দেশকে পাল্টানো যেতে পারে। এর পাশাপাশি আমি আসলে যেটা দেখেছি যে একটা লার্নিং মানে শিক্ষা এখন কিভাবে আছে শিক্ষার ফাউন্ডেশন কিভাবে হওয়া উচিত ছিল তারপর হচ্ছে ব্লুমের টু সিগমা প্রবলেম এটা কিন্তু আসলে অসাধারণ একটা জিনিস। পাশাপাশি আমি যেটা মনে করি যে যেকোনো জিনিস শিখতে গেলে তার জন্য আসলে এডাপ্টিভ লার্নিং সিস্টেমটা আসলে কিভাবে কাজ করে না করে এরকম অনেক কিছুই আসলে এখানে আমি আসলে বলেছি। এডাপ্টিভ লার্নিং সিস্টেম ডিজাইনটা কিভাবে করব, এডাপ্টিভ রিফ্যাক্টর কিভাবে কাজ করব এই ধরনের অনেক কিছু আছে। বাট আমি আসলে যে জিনিসটাতে ফেরত আসতে চাই যে দিনশেষে আমার কে যদি একটা কাজ বের করে আনতে হয় কম্পিউটার থেকে বা যন্ত্র থেকে তাহলে কিন্তু আমাকেও বুঝতে হবে যে আসলে কম্পিউটার বা যন্ত্রকে কিভাবে ইজিলি ব্যাপারটা বোঝানো যায় এবং সেখানে আসলে আমরা দেখেছি যে মানুষ যেভাবে শেখে যন্ত্র কিন্তু কোন পার্থক্য নেই। যন্ত্রের মধ্যে ইম্প্রুভিং যে ব্যাপারটা আছে সেখানে আসলে আমরা বলেছি যে একটা ইফেক্টিভ প্রম্পট এবং লার্নিং টু ক্রাফট প্রম্পটস অন দা ফ্লাই মানে যে জিনিসটা হচ্ছে গিয়ে কিভাবে আসলে আমরা করব সেটার জন্য প্রথম কথা হচ্ছে গিয়ে দিস উইল ইম্প্রুভ আওয়ার রাইটিং। দিস উইল অর্গানাইজ ডেটা মানে আমাদের আমরা যেভাবে ডেটাটাকে অর্গানাইজ করতে চাই বিকজ উইদাউট অর্গানাইজিং নাথিং হ্যাপেনস। তারপর হচ্ছে গিয়ে ক্রিয়েট অ্যান অরিজিনাল ইমেজেস। আসলে আমরা একদম মানে আমরা আসলে কি চাই সেই ফাইনালি সেটাকে অরিজিনাল একটা সেটিং এ যেতে হবে। সামারাইজ ইনফরমেশন এন্ড সারফেস ইনসাইট। শুধু সামারাইজ করতে পারলেই হবে না। তার পাশাপাশি ইনসাইট গুলোকে সারফেস করতে হবে। ইনসাইট গুলোকে বের করতে হবে আরকি। ফস্টার মিনিংফুল কানেকশন উইথ কলিগস বিকজ হিউম্যান আমাদের আসলে হিউম্যান আমরা যেহেতু হিউম্যান আমাদেরকে হিউম্যানের সাথেই তো আমাকে একটা মিনিংফুল কানেকশন তৈরি করতে হবে। রিসার্চ আনফ্যামিলিয়ার টপিকস হুইচ ইজ ট্রু। অনেক কিছুই আছে যেটা আসলে আমরা গুগল এ পাই না বা অন্যভাবে পাই না। তারপর হচ্ছে স্পট ট্রেন্ডস হুইচ ইজ ভেরি গুড। আমরা নতুন ট্রেন্ডগুলো বুঝার জন্য সিনথেসাইজ ইনফরমেশন এটা নিয়ে আমি এর আগেও কথা বলেছি এবং আইডেন্টিফাই বিজনেস অপরচুনিটি। সো এই ধরনের অনেক কিছুই আসলে এখানে করা সম্ভব। আসলে দিনশেষে আমরা সবকিছুই করতে চাই উইথ দ্যাট আন্ডারস্ট্যান্ডিং যে হিউম্যান কিভাবে নেক্সট লেভেলে যাবে। হিউম্যান কিভাবে নেক্সট লেভেলে যাবে এবং হিউম্যান কিভাবে যন্ত্রকে সহ নেক্সট লেভেলে যেতে পারবে বা যন্ত্রকে ব্যবহার করে নেক্সট লেভেলে যেতে যেতে পারবে। আজকে এই পর্যন্তই থাকছেন তো সামনে?

সহজ বাংলায় 'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং

'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং ৯ সব বাক্যকে এক লেনথে নিয়ে আসা (প্যাডিং).mp3

আমরা চেষ্টা করছি ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং নিয়ে একটা স্ট্রাকচারড লেভেলিং এ আসার জন্য যেখানে এই প্রতিটা জিনিসকে একটা স্টেপ বাই স্টেপ প্রসেসে বোঝানো যায়। আমরা যদিও এখানে একটা বেসিক লেভেলে আন্ডারস্ট্যান্ডিং বোঝার চেষ্টা করছি তবে এর মধ্যেই ম্যাক্সফট একটা বিশাল কাজ করে ফেলেছে। এ বছরের ফেব্রুয়ারিতে ম্যাক্সফট একটা জেনারেটিভ ল্যাঙ্গুয়েজ মডেল বের করেছে যেটার মধ্যে আছে 17 বিলিয়ন প্যারামিটার। এগুলো নিয়ে অবশ্যই আমরা সামনে আলাপ করব তবে আজকে আমাদের মূল কথা হচ্ছে এনএলপির প্যাডিং নিয়ে। আমরা অবশ্যই আলাপ করেছিলাম যে আমাদের এই সিকুয়েন্স গুলোকে নিউরাল নেটওয়ার্কে যখন পাঠাবো তখন সেটাকে একটা ফিক্সড লেন্থে ফেলে দিতে হবে। আমাদের নিউরাল নেটওয়ার্কে ফিট করার আগে প্রিপ্রসেসিং এই প্যাডিং নিয়ে আলাপ হচ্ছে। আমরা যদি আমাদের করপাসটাকে ধরি সেই করপাসের মধ্যে যতগুলো সেন্টেন্স আছে এবং সেই সেন্টেন্সের মধ্যে সবচেয়ে বড় বাক্যের মধ্যে যতগুলো শব্দ আছে সেটাকে আমরা হিসাব করে যদি প্যাডিং করি তাহলে কিন্তু আমাদের কাজ হয়ে যায়। আমাদের করপাসের মধ্যে চারটা বাক্য এবং চারটা বাক্যের মধ্যে সবচেয়ে বড় বাক্য হচ্ছে সাতটা শব্দের অর্থাৎ সাতটা সিকুয়েন্সের। সবচেয়ে বড় বাক্য হচ্ছে এইবার বইমেলায় আমার সাথে তুমি কি যাবে? প্যাডিং এর ব্যাপারটা এরকম যে আমরা ছোটবেলায় বড়দের জুতো পড়ার চেষ্টা করতাম তখন একটা বা দুটো বা তিনটা মোজা পড়ে কিন্তু আমরা সেই জুতাটা পড়ার চেষ্টা করতাম। মানে বড় জুতার সাথে আমার ছোট পার মধ্যে ফিলার বা প্যাডিং দিয়ে সেই জুতাটা পড়ার চেষ্টা করতাম। আর সেই প্যাডিং হিসেবে আমরা কাজ করাতাম কয়েকটা মোজা বা কাপড়। এই একই কাজ এখানে হবে আমরা এখানে বড় বাক্য এবং ছোট বাক্যের মধ্যে শূন্য দিয়ে ফিলার বা শূন্য দিয়ে প্যাডিং করার চেষ্টা করব। আর এই কাজে আমরা আগের মত tensorflow.keras.preprocessing.sequence থেকে আমরা pad_sequence মেথডটাকে নিয়ে আসবো ইম্পোর্ট করে। এরপর আমাদের করপাস মানে সেন্টেন্সেসকে আমরা পাঠিয়ে দেই প্যাড সিকুয়েন্সের মধ্যে। আমরা সেটার আউটপুট জমা রাখছি প্যাডেডে আর এই সেই প্যাডেডকে যদি আমরা প্রিন্ট করি বাকি সব বাদ দিলাম শুধুমাত্র এই প্যাডেডকে যদি আমরা প্রিন্ট করি তাহলে কি দেখছি? আমাদের চারটা বাক্যের মধ্যে প্রথম দুটো বাক্য হচ্ছে চারটা চারটা সিকুয়েন্সের। পরের বাক্যটা হচ্ছে পাঁচটা সিকুয়েন্স আর শেষের বাক্যটা হচ্ছে সাতটা সিকুয়েন্সে। এখানে যে জিনিসটা আমরা দেখছি যে আমাদের সবচেয়ে বড় বাক্য যেটার মধ্যে সাতটা সিকুয়েন্স বা সাতটা শব্দ ছিল সেটাতে কোন প্যাডিং লাগেনি। এর মানে হচ্ছে আমাদের প্যাডিং লেগেছে কোথায়? অবশ্যই আমাদের প্যাডিং লেগেছে যেই দুটো বাক্য চারটা সিকুয়েন্সে এবং যে বাক্যটার মধ্যে পাঁচটা সিকুয়েন্স আছে। আমরা যদি একটু ভালোভাবে লক্ষ্য করি আমাদের যে চারটা করে সিকুয়েন্সের বাক্য সেখানে চারটা তার মানে হচ্ছে তিনটে। তিনটা স্পট ফাঁকা আছে। তার মানে আমরা সেই তিনটা স্পটকে ফিলাপ করে দিলাম শূন্য দিয়ে। আর এই ফিলাপটা আমরা করছি না এটা pad_sequences এই মেথডটাই করে দিচ্ছে আমাদেরকে। যেহেতু আমাদের নিউরাল নেটওয়ার্ক ফিক্সড লেন্থের ইনপুট চাইছিল আর সে কারণে আমাদের ইনপুট হিসেবে প্রতিটি সিকুয়েন্স আমরা সমান সাইজের করে দিলাম। এর পাশাপাশি আমাদের এই প্যাডিং এ ম্যাক্সিমাম লেন্থ মানে আমাদের এই যে সিকুয়েন্সের একটা ফিক্সড লেন্থ সেই ফিক্সড লেন্থটা শুধু সাত হবে নাকি আরো বেশি হতে পারে সেই প্যারামিটারটাও আমরা টিউন করে নিতে পারবো আমাদের মত করে। যেমন এখানে একটা উদাহরণ আমরা দিয়েছি ম্যাক্স লেন্থ মানে ম্যাক্সিমাম লেন্থ এই প্যাডিং এ 10 হতে পারে কিনা। এর পাশাপাশি আমাদের এই শূন্য দিয়ে প্যাডিং এটা কখন শুরু হবে? এটা কি আমরা সিকুয়েন্সের শুরুতে শূন্য দিব নাকি সিকুয়েন্সের শেষে শূন্য দিব সেই ধরনের প্যারামিটার টিউনিংও কিন্তু আমাদের হাতে আছে। আবার এমন কি হতে পারে যে আমরা একটা প্রোডাক্ট রিভিউ করছি এবং আমরা দেখছি যে প্রথম 80 টা শব্দের মধ্যে আমাদের প্রোডাক্ট রিভিউ এর ম্যাক্সিমাম জিনিসপত্র চলে আসছে তখন কি আমরা পুরো বাক্য মানে সবচেয়ে বড় বাক্য কি নিব নাকি সেটাকে ট্রাঙ্কেট করব? এখন এই ট্রাঙ্কেট করতে গেলে এই ট্রাঙ্কেটটা আমরা সামনে থেকে করব নাকি শেষের দিকে করব সেটাও কিন্তু আমাদের প্যারামিটার টিউনিং এর ব্যাপারগুলো ছেড়ে দেওয়া হয়েছে আমাদের হাতেই। এই সবকিছুর জন্য এই নোটবুকটা দেখলে আপনাদের ধারণা আরো ক্লিয়ার হবে। আজকে এই পর্যন্তই থাকছেন তো সামনে।

সহজ বাংলায় 'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং

'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং ৭ টোকেনাইজারের কর্পাস থেকে সিকোয়েন্সের লিস্ট.mp3

একটা জিনিস লক্ষ্য করেছেন, আমরা যখন কথা বলি তখন কি আমরা মেপে মেপে কথা বলি? ব্যাপারটা তো আর এরকম না যে আমরা প্রতিটা বাক্যে মেপে মেপে ছয়টার বেশি করে শব্দ বলবো না। এরকম তো ব্যাপারটা না। তবে আমরা যখন ডিপ লার্নিং বা মেশিন লার্নিং এ বিশেষ করে নিউরাল নেটওয়ার্কে আমাদের এই টেক্সটটাকে পাঠাবো তখন তো আমরা আর্বিট্রারিলি একটা বাক্যে ছয়টা শব্দ, আরেকটা বাক্যে নয়টা শব্দ এভাবে তো আর পাঠাতে পারবো না। প্রতিটা জিনিসের একটা সিস্টেম আছে আর যন্ত্রের সিস্টেম তো অবশ্যই থাকবে। মনে আছে আমরা যখন ইমেজ নিয়ে কাজ করছিলাম নিউরাল নেটওয়ার্কে, আমরা ইমেজকে যখন ফিট করছিলাম তখন আমাদের দেওয়া ইমেজগুলোর মধ্যে বিভিন্ন ধরনের সাইজ থাকলেও সেগুলোকে রিসাইজ অথবা প্যাডিং দিয়ে বড় করে নিতাম। আমরা ইমেজের ইন্টারপোলেশন বা জিরো প্যাডিং নিয়ে কাজ করলেও সেটার কিছুটা ধারণা এখানেও চলে আসবে। অনেক কথা হলো, আমরা এখন উদাহরণে চলে আসি। আমাদের এই করপাসে চারটা শব্দের দুটো বাক্য ছিল আগে থেকেই। সেখানে আমরা নতুন একটা বাক্য যোগ করলাম যে বাক্যটা চারটা শব্দ না বরং চারটা জায়গায় ছয়টা করে শব্দ এই বাক্যে যোগ হয়েছে। এই নতুন বাক্য যোগ করার সময় আমরা দেখলাম যে ছটা শব্দের মধ্যে দুটো শব্দ আগে থেকে ছিল। ওয়ার্ড ইন্ডেক্সে দেখলাম আমরা আরো পরে চারটা শব্দ যোগ হয়েছে। আসল কথা হচ্ছে আমাদের করপাসে যেকোনো লেন্থের বাক্য যোগ করা যাবে এবং সেখানে যত শব্দই হোক না কেন সেই বাক্যটা এখানে আমরা যখন যোগ করবো তার ওয়ার্ড ইন্ডেক্সও তৈরি হয়ে যাবে। যেহেতু আমার সব নোটবুকগুলো গিটহাবে আছে আর সে কারণে আপনি এই নোটবুকগুলোকে ফর্কিং করে আপনার মতো করে বিভিন্ন লেন্থের বাক্য দিয়ে করপাস তৈরি করে আপনি চালিয়ে দেখতে পারেন। আমরা গত ভিডিওতে বলেছিলাম যে টেক্সট টু সিকুয়েন্স এই মেথডটাকে ব্যবহার করে আমরা একটা বাক্য থেকে সংখ্যার একটা সিকুয়েন্স তৈরি করবো যাতে সংখ্যার একটা সিকুয়েন্স আমাদের নিউরাল নেটওয়ার্কে ঠিকমতো শিখাতে পারে। আমাদের করপাস মানে সেন্টেন্স এটাকে টেক্সট টু সিকুয়েন্স মেথডে পাঠিয়ে দিলেই কিন্তু সেটা সিকুয়েন্সেস বলে প্রতিটা বাক্য ধরে এক একটা লিস্ট করে ধরে দেবে। এখানে আমাদের নতুন দুটো বাক্য বইমেলায় এলে আমি প্রচুর বই কিনি আর এইবার বইমেলায় আমার সাথে তুমি কি যাবে? এই দুইটোর নতুন সিকুয়েন্স লিস্টে আমি দেখছি 671829 আর আরেকটা হচ্ছে 10 11 12 13 14 15 16। এর অর্থ হচ্ছে প্রতিটা বাক্য ধরে বাক্যের শব্দের সিকুয়েন্স একটা লিস্ট হিসেবে পাঠিয়ে দিচ্ছে আমাদের কাছে। আপনারা নোটবুকের আউটপুট দেখেছেন বাট এর পাশাপাশি আমাদের ওয়ার্ড ইন্ডেক্স এবং সিকুয়েন্সের মধ্যে যে সম্পর্ক সেটা একটা ছবিতে দেখিয়েছি আমরা। আমাদের প্রথম দুটো বাক্য ছিল চারটা করে শব্দ মানে চারটা করে সিকুয়েন্স। এরপরের বাক্যটা ছিল ছয়টা শব্দ মানে ছয়টা সিকুয়েন্স আর সবশেষের বাক্যটা ছিল সাতটা শব্দের। এই সাতটা শব্দের সাতটা সিকুয়েন্স চলে এসেছে এখানে। আমার ধারণা আপনারা এই ওয়ার্ড ইন্ডেক্স এবং এর পাশাপাশি সিকুয়েন্সের লিস্টের এই যোগসূত্রটা আপনারা বুঝতে পেরেছেন। এর অর্থ হচ্ছে আমাদের করপাসে যা থাকবে সেটারই সিকুয়েন্স চলে আসবে। কিন্তু এমন যদি হয় আমরা এমন একটা বাক্য দিলাম যার কিছু শব্দ করপাসে নেই তখন কি হবে? আর সেই আউট অফ ভোকাবুলারি শব্দগুলোর টোকেন নিয়ে আসছি আমরা সামনের ভিডিওতে। থাকছেন তো সামনে?

সহজ বাংলায় 'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং

'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং ১৩ বাংলা পত্রিকার 'জেসন' ফরম্যাট থেকে পাইথন লিস্ট.mp3

আমরা যে জিনিসটা নিয়ে বারবার বলছিলাম যে বাংলায় ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এর সেরকম অ্যাপ্লিকেশন কিন্তু আমরা পাই না। তবে আমি দেখেছি অনেক উদ্যোক্তা তারা নিজেদের মত করে অনেক ধরনের অ্যাপ্লিকেশন নিয়ে আসার চেষ্টা করছেন এই বাংলায়। তবে এ ধরনের এন্ড টু এন্ড অ্যাপ্লিকেশন আনার জন্য বাংলায় প্রচুর ডাটা সেট লাগবে আমাদের এগুলো কাজ এগিয়ে নেওয়ার জন্য। গতবার আমরা বাংলা ডাটা সেটটাকে ডাউনলোড করেছিলাম তবে আজকে এ ব্যাপারে জেসন লাইব্রেরি থেকে কিভাবে পাইথনে ইম্পোর্ট করতে হয় সেগুলো নিয়ে কথা বলব। এর আগেও বলেছি জেসন ডেটা সেটকে সিলেক্ট করার ব্যাপারে আমাদের ইন্ডাস্ট্রির একটা ফিডব্যাক নিয়েছি। সবচেয়ে বড় ব্যাপার হচ্ছে এটা এপিআই হিসেবে অসাধারণ কাজ করে। সামনে আমাদের কানেক্টের সিস্টেম মানে এক সিস্টেম থেকে আরেক সিস্টেম কানেক্টেড এই ব্যাপারটাই কিন্তু বড় হয়ে দাঁড়াবে। তবে বাংলা ডেটা সেট লোড করার আগে আমরা দেখে নিতে চাই এটা পাইথনের অবজেক্ট হিসেবে কিভাবে কাজ করে মেমরিতে। যেহেতু এটা পাইথন আমরা শুরুতেই ইম্পোর্ট করে নিলাম জেসনকে। এটা একটা খুব সাধারণ উদাহরণ যেখানে আমরা পাইথনের কন্টেক্সট ম্যানেজার ব্যবহার করছি একটা ফাইল সেভ করার জন্য। যেটা ওপেন হবে রাইট মোডে আর আমরা ফাইলটার নাম দিচ্ছি data_file.json। সবচেয়ে বড় ব্যাপার হচ্ছে এখানে ডাম্প কিন্তু দুটো পজিশনাল আর্গুমেন্ট দিচ্ছে। বিশেষ করে এই ডেটা অবজেক্টটাকে সিরিয়ালাইজ করতে চাচ্ছে সে আর এই ফাইলটাকে কিভাবে রাইট করে রাখবে সে ডিস্কে। আমরা যেহেতু ফাইলটাকে রাইট করছি ডিস্কে সেই কারণে কিন্তু এখানে আমরা ডাবলু ব্যবহার করছি। আবার যখন একই ফাইলটাকে আমরা ডিস্ক থেকে লোড করে দেখতে চাই তাহলে কিন্তু আমাকে এই একই জিনিস লোড ব্যবহার করে করতে হবে। এখানে ওপেন ব্যবহার করছি আমরা রিড মানে আমরা এই ফাইলটাকে রিড করছি। শেষে আবার ফাইলটাকে দেখছি ডেটা ওয়ান নাম নতুন অবজেক্টে। এর আগেও বলেছি আমরা যখন এই নিউজপেপার ডেটা সেট নিয়ে কাজ করছি সেখানে দুটো লেভেল মানে দুটো লেভেলকে আমরা লিস্ট হিসেবে তৈরি করছি। বিশেষ করে এই ডেটা সেটের যে কন্টেন্ট সেই কন্টেন্টটাকে আমরা বলছি সেন্টেন্সেস আর সেই লেবেল লেবেলগুলোকে আমরা বলছি লেবেলস্। আর এই দুটো লিস্ট হলেই কিন্তু আমাদের চলে যাচ্ছে এই মুহূর্তে। আমরা যেহেতু ডেটা সেটের data_v2.json এই ফাইলটাকে ব্যবহার করছি এটা মূল ডেটা সেট থেকে অনেকটাই ক্লিন। আর যেহেতু এর মধ্যে বাংলা শব্দ আছে সে কারণে আমরা এনকোডিং ইউটিএফ এইট ব্যবহার করছি। আর এই ইউনিকোডের কারণে আমাদের বাংলায় আগের মতো কোন সমস্যা নেই। যেহেতু পুরো ডেটা সেটটাকে আমরা একটা ইটারেট করে পুরো লুপে ফেলে দিচ্ছি এই জেসনে সেখানে এই পাইথনের লিস্ট দুটো অ্যাপেন্ড হতে থাকবে সময়ের সাথে সাথে। আমাদের বুঝতে হবে আমরা যখন ট্রেনিং করাবো তখন এই সেন্টেন্সেস এবং এই লেবেলস্ এই দুটোর মধ্যে প্যাটার্ন বা সম্পর্ক বোঝার জন্য তাদেরকে ট্রেনিং করাতে হবে সামনে। এখানে ডেটা স্টোরকে প্রিন্ট করলে আমরা পুরো জেসন ফাইলটাকে দেখতে পাবো। যেহেতু প্রথম আলোর আর্কাইভ থেকে এই ডেটা সেটটা তৈরি করা হয়েছে সেখানে আপনি দেখছেন অথর ক্যাটাগরি মানে কোন ক্যাটাগরি এই নিউজগুলো। আমাদের নয়টা ক্যাটাগরির মধ্যে সেটা কোন ক্যাটাগরিতে পড়েছে। সেখানে কোন কমেন্ট আছে কিনা অথবা তার মধ্যে কি কন্টেন্ট ছিল সেই নিউজটা কবে পাবলিশ হয়েছে এবং কবে মডিফিকেশন হয়েছিল এই নিউজের সাথে কোন ট্যাগ আছে কিনা সেটা ওখানে দেখাচ্ছে। সবশেষে এই নিউজের টাইটেল এবং ইউআরএলটা যোগ করে দেওয়া হয়েছে এই অবজেক্টে। সুতরাং বুঝতেই পারছেন কেন সবাই জেসনকে পছন্দ করে। কারণ এটা শুধু যন্ত্র নয় মানুষও পড়তে পারে। আজকে এই পর্যন্তই থাকছেন তো সামনে।

সহজ বাংলায় 'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং

চ্যাট-জিপিটির শুরুটা কোথায় জেনারেটিভ প্রিট্রেইনড ট্রান্সফরমার Generative Pretrained Transformer.mp3

চ্যাট জিপিটি নিয়ে অনেক প্রশ্ন পাই। আসলে চ্যাট জিপিটি কোথা থেকে উত্থান হলো বা চ্যাট জিপিটি আজকে যে পর্যায়ে আসছে তার পেছনের কারণ কি? এগুলোর প্রশ্নের আসলে উত্তর যদি আমি বলতে চাই এই উত্তরগুলো কিন্তু আমি আসলে লিখেছি ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং নিয়ে। কারণ আজকে চ্যাট জিপিটি এই পর্যায়ে আসবে সেটার কিছুটা ধারণা আমরা পাচ্ছিলাম প্রায় পাঁচ বছর আগে। আর তখনই আসলে এই বইটা বিশেষ করে হাতে কলমে বাংলা ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং মানে এই বইটি লিখেছিলাম একটাই কারণে যে আপনি দেখতে পারেন যে রিকারেন্ট নিউরাল নেটওয়ার্ক থেকে ট্রান্সফরমার মানে যেটা আমি আসলে লিখেছি যে রিকারেন্ট নিউরাল নেটওয়ার্ক থেকে ট্রান্সফরমার। এই যে ব্যাপারটা যে রিকারেন্ট নিউরাল নেটওয়ার্ক ছিল হচ্ছে গিয়ে আগের একটা ধারণা যে আসলে কিভাবে আমাদের এই ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং আসলে নিয়ে কাজ করা যাবে। কারণ ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং নিয়ে কাজ করতে পারতাম না। কারণ আগে আমি আসলে ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং নিয়ে যখন কাজ শুরু করেছিলাম তখন ইট ওয়াজ রিয়েলি রিয়েলি রিয়েলি ডিফিকাল্ট বিকজ দা কম্পিউটেশনাল পাওয়ার এন্ড ডিপ লার্নিং ওয়াজ নট দেয়ার। আই উড সে ডিপ লার্নিং ওয়াজ দেয়ার বাট দেন ডিপ লার্নিং ওয়াজ নট থট টু বি ওয়ান অফ দা স্টেক ইন এনএলপি। এন্ড দেন একচুয়ালি হোয়েন আই রোট দিস, হোয়েন আই রোট দিস আই আন্ডারস্টুড হোয়াট ইজ দা পাওয়ার অফ ডিপ লার্নিং ইন এনএলপি। দ্যাট মিন্স দা পাওয়ার অফ ডিপ লার্নিং ইন ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং। সো দ্যাট ওয়াজ দা স্টার্ট, দ্যাট ওয়াজ দা স্টার্ট। সো আমার মনে হয় যে যারা চ্যাট জিপিটি নিয়ে আলাপ করতে চান বা তারা যারা চ্যাট জিপিটি নিয়ে আপনারা পড়তে চান তাদের জন্য আমি মনে করি যে ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং বোঝার আগে ডিপ লার্নিংটা পড়লে বোঝা যাবে। কারণ ডিপ লার্নিং এর মধ্যে কিন্তু এখানেও ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং ব্যাপারটা আছে যে কিভাবে ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং ডিপ লার্নিং ব্যবহার করে। আর এই ডিপ লার্নিং যখন আমাদের বোঝা হয়ে যাবে তখন কিন্তু এই ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিংটা আসলে আমরা বুঝতে পারবো যে আসলে ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিংটা কিভাবে আজকে ট্রান্সফরমার এবং ট্রান্সফরমার হুইচ হ্যাজ একচুয়ালি টার্ন ইনটু এ চ্যাট জিপিটি। সো এইজন্যই আমি বলছি যে উই হ্যাভ গন এ লং ওয়ে। আর সবচেয়ে বড় ব্যাপার হচ্ছে যে এই বইগুলো কিনতে হবে না। এই বইগুলো সবগুলোই ইন্টারনেটে পড়া যায়। আর সবচেয়ে বড় ব্যাপার হচ্ছে যে আমরা আসলে বই কেন লিখি? বই লিখি মনের মনের একটা খোরাক যোগাতে যে বই থেকে আসলে আমরা হয়তোবা একটা বই লিখতে আমার যেমন ডিপ লার্নিং বইটি লিখতে আমার এক বছর লেগেছে। ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং বইটা লিখতে আমার ছয় মাস লেগেছে বা আট মাস লেগেছে। সো এই বইটা থেকে আমি হয়তোবা কত টাকা পেয়েছি? হয়তোবা দুই লাখ টাকা। ছয় মাসে একটা বই লিখে যদি দুই লাখ টাকা পাওয়া যায় আর সেই ছয় মাসে যদি আমি আমার সময়টা অন্য জায়গায় ইনভেস্ট করি তাহলে হয়তোবা সেই দুই লাখ টাকার জায়গায় 20 লাখ টাকা আয় করা সম্ভব। সো আসলে বই লেখা হয় বই জাস্ট আমাদের একটা আন্ডারস্ট্যান্ডিং যে কিভাবে সমাজকে ফেরত দেওয়া যায় বা যাতে সমাজে অন্য যারা ইয়াংস্টার আছে তারা আসলে একটা লেভেলে আসতে পারেন। সো এইজন্য আমার মনে হয় যে বইগুলো পড়া উচিত। কারণ বইগুলো সবসময় স্ট্রাকচার ওয়েতে লেখা হয়। আমরা ভিডিওতে অনেক কিছু বলি। বাট দেন হোয়েন ইট কামস টু দা বুক এ বুক ক্যান হেল্প ইউ টু গেট আপ টু দা স্পিড। আর সেই কারণে কিন্তু এই ধরনের বইগুলো নিয়ে আমরা আমরা আলাপ করি। আর সবচেয়ে ফাইনাল যে কথাটা বলবো যে চ্যাট জিপিটি আজকে যেই জায়গায় পৌঁছেছে বা বার্ড গুগল এ বার্ড যে জায়গায় পৌঁছেছে তার পেছনের হিস্টরিটা জানলে আমাদের চ্যাট জিপিটি ব্যবহার করা আরো সহজ হবে। আর এর পাশাপাশি আমি সামনে নিয়ে আসবো প্রম্পট ইঞ্জিনিয়ারিং এবং এই প্রম্পট ইঞ্জিনিয়ারিং নিয়েও একটা বড় আলাপ হবে এই কারণে যে এখন যে এআই সিস্টেমগুলো আসছে সেই এআই সিস্টেমগুলোকে ব্যবহার করতে পারার জন্যই এই প্রম্পট ইঞ্জিনিয়ারিং। মানে এটা একটা বাঘের মতো। এর আগেও বলেছি যে চ্যাট জিপিটি একটা বাঘের মতো। এখন একটা বাঘ বের হয়ে গেছে। বাঘটা আমার সামনে বের হয়ে গেছে। এখন আমি বাঘটাকে যদি ঠিকমতো না চালাতে পারি, আমি বাঘের উপর যদি ঠিকমতো সওয়ার না হতে পারি, আমি বাঘের উপর যদি ঠিকমতো না বসতে পারি এবং বাঘকে যদি ঠিকমতো না চালাতে পারি তাহলে বাঘটা আমাকে খেয়ে ফেলবে। বা চ্যাট জিপিটি বা এ ধরনের এআই সিস্টেম আমার জবটাকে নিয়ে নেবে। সো আই হ্যাভ টু বি রেডি টু আন্ডারস্ট্যান্ড যে এই সিস্টেমগুলোকে কিভাবে ব্যবহার করা যায়। আর এই ব্যবহার করতেই আমি মনে করি যে এআই সিস্টেমগুলোকে ব্যবহার করতে আমাদের লাগবে হচ্ছে গিয়ে প্রম্পট ইঞ্জিনিয়ারিং। যেভাবে গুগল ব্যবহার করতে আমরা জানি যে গুগল শুধুমাত্র সার্চ করলেই হবে না। সার্চের কিন্তু অনেক অ্যাডভান্স প্যারামিটার আছে যেটা আসলে আমার সার্চকে সময় কমিয়ে নিয়ে আসে। আমি যদি একটা সার্চ করতে যদি আমার দুই ঘণ্টা সময় নষ্ট হয় দেন ইটস নট এ সার্চ। সো আই উড রাদার সে আমি সার্চ কিভাবে করতে হয় সেটা যদি আমি জানি হয়তোবা আমি ওই সার্চটাকে আমি হয়তোবা দুই মিনিট বা তিন মিনিটে শেষ করতে পারবো। কিন্তু সার্চ যদি আমি ঠিকমতো না করতে পারি তাহলে আমি দুই ঘণ্টা সময় নষ্ট করব। সো নাউ টাইম ইজ মানি। আজকে এই পর্যন্তই। থাকছেন তো সামনে?

সহজ বাংলায় 'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং

'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং ১১ জেসন ডাটাসেট, বাংলা ক্লাসিফিকেশন.mp3

মনে আছে আমরা যখন মেশিন লার্নিং নিয়ে কাজ শুরু করলাম তখন আমাদের বেশিরভাগ ডাটা সেট ছিল সিএসভি অর্থাৎ কমা সেপারেটেড ভ্যালু ব্যবহার করে একেকটা ডাটা সেট। তবে এটা ঠিক যে আস্তে আস্তে ডাটা সেটগুলো কমপ্লেক্স হচ্ছে এবং একেকটা ডাটা সেটে অনেক ধরনের ইন্ট্রিকেসি মানে অনেক ধরনের সমস্যা জড়িত ইনপুট ডাটা রাখতে হচ্ছে। আগে একেকটা ডাটা সেট আমরা কয়েকটা কলাম রোতেই রাখতে পারতাম কিন্তু এখন কি সেটা পারছি? না পারছি না আর সে কারণে কিন্তু বিভিন্ন ফরম্যাট। সবচেয়ে বড় কথা হচ্ছে এখন আমরা কিন্তু ডাটা সেটগুলোকে কানেক্ট করছি ওয়েবের মাধ্যমে মানে সবকিছুই ইন্টারনেটে বিভিন্ন সিস্টেমে বিভিন্ন সার্ভিসের মাধ্যমে আমরা এক্সেস করছি আর সে কারণেই এই নতুন ধরনের কিছু ফাইলিং সিস্টেম যেটা সব ধরনের ল্যাঙ্গুয়েজের মাধ্যমে ইন্টারচেঞ্জেবল। আজকে facebook কথা বলছে google map এর সাথে google map কথা বলছে twitter এর সাথে twitter কথা বলছে amazon এর সাথে। তার মানে এই ওয়েবে এত বেশি ইন্টারচেঞ্জ আর সেখানে কাজ করছে অসাধারণ কিছু এপিআই। আমরা আগে অনেক ধরনের এপিআই ব্যবহার করলেও এখন রেস্টফুল এপিআই মানে রেস্ট এপিআই অসাধারণ কাজ করছে। আমি নিজে যেহেতু গিটহাবে অনেক কাজ করতে হয় আর এই গিটহাবের এইচটিটিপি এপিআই বিশেষ করে জেসন ফরম্যাটে কাজ করে। আর ওয়েবে এত বেশি মাইক্রোসার্ভিস চালু হয়ে গেছে সেখানে আমাদের এই জেসন এটা ছাড়া আমাদের লাইফ প্রায় অচল। তো আমি কেন জেসন নিয়ে পড়ে গেলাম বিশেষ করে এই ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং নিয়ে কাজ করতে গিয়ে আমরা প্রচুর ডাটা সেট নিয়ে কাজ করেছি যেগুলো নরমালি সিএসভি অথবা টেক্সট ফাইল বাট আমাদের এই মুহূর্তে কিছু নতুন জিনিস শেখা উচিত যেগুলো ইন্ডাস্ট্রিতে অহরহ ব্যবহার হচ্ছে। এটা বলতে চাইছে যে আমাদের যে জেসন জাভাস্ক্রিপ্ট অবজেক্ট নোটেশন প্রায় সব জায়গায় চলছে। সবচেয়ে মজার কথা হচ্ছে এই জেসন এটা খুবই একটা লাইটওয়েট ডাটা ফরম্যাট আর সেটাকে কিন্তু অন্যান্য অনেক ধরনের ল্যাঙ্গুয়েজের মধ্যে পড়া যায়। মনে আছে আমরা আগে এক্সএমএল ব্যবহার করতাম বিভিন্ন এপিআই এর মধ্যে এবং এই এক্সএমএল গুলো পড়া যেত না মানে মানুষ হিউম্যানলি রিডেবল ছিল না মানুষ পড়তে পারতো না আর এটার জন্য একটা আলাদা পার্সার লাগতো। আর সেখানে জেসন হিউম্যানলি রিডেবল মানে মানুষ পড়তে পারে এমনিতেই কোন পার্সার ছাড়াই। আমাদের হাতের স্মার্ট ওয়াচ থেকে শুরু করে আমাদের মোবাইল ফোন, রাসবেরি পাই এবং অন্যান্য ছোটখাটো ডিভাইস সরাসরি ওয়েবে কাজ করছে এই জেসন ফরম্যাটে একটা এপিআই দিয়ে। ওই পাশের সফটওয়্যারে কি ধরনের সিস্টেম ব্যবহার করা হচ্ছে কি ল্যাঙ্গুয়েজ ব্যবহার করছে আই ডোন্ট নিড টু নো। আর সে কারণে এই আমাদের বাংলা ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এর জন্য আমার একটা বাংলা জেসন ফরম্যাটের ডাটা সেট প্রয়োজন ছিল। সবচেয়ে ভালো কথা হচ্ছে আমরা এই বাংলা নিউজপেপার ডাটা সেট পেয়েছি এই ক্যাগল থেকে যা পোস্ট করেছেন জাবির আল নাজির নাবিল বলে একজন ভদ্রলোক। উনি আমার অনুরোধে এটাকে একটু ছোট করে একটা ভার্সন টু রিলিজ করেছেন যেটা অনেক সিম্পলিফাইড আগে থেকে। আগের মতো আমরা চেষ্টা করব এই বাংলা ডাটা সেট থেকে 10 টার মতো একটা ক্যাটাগরিতে ক্লাসিফাই করতে। ঠিক ধরেছেন একটা বাংলা ক্লাসিফিকেশন 10 টা ক্যাটাগরিতে। আজকে এই পর্যন্তই থাকছেন তো সামনে?

সহজ বাংলায় 'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং

'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং ১৪ লেবেলকে সংখ্যায় আনা.mp3

ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং নিয়ে একটা বিশাল মার্কেট প্রেডিকশন আছে 2025 সালের ব্যাপারে। রিসার্চ বলছে 2025 সালে প্রায় 41 বিলিয়ন ডলার একটা মার্কেট হবে এই ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং ঘিরে। আমার ধারণা এটা একটা কনজারভেটিভ প্রেডিকশন বাট মার্কেট আরো বড় হবে। ফিরে আসি আমাদের ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং 14 নাম্বার ভিডিওতে। এর আগে আমরা জেসন ফাইল ফরম্যাটের ভেতরের কন্টেন্ট গুলো দেখছিলাম। আমাদের পাইথন যে সেন্টেন্সেস লিস্টটা আছে সেটার মধ্যে এ ধরনের কন্টেন্টই আছে প্রায় 4 লক্ষ। মনে আছে আমাদের জেসন ফাইলের ভেতরে কিন্তু একটা ক্যাটাগরি এলিমেন্ট ছিল। আর এটাই কিন্তু আমাদের লেভেল। লেভেলস এর মধ্যে আমাদের ইউনিক ক্যাটাগরি দেখতে চাইলে এখানে আমরা ব্যবহার করব পাইথনের সেট ফাংশন। আমরা অংকেও কিন্তু এই সেট নিয়ে কাজ করেছি যার কাজ কিন্তু একই একটা সিকুয়েন্স থেকে ইউনিক জিনিসগুলোকে বের করে নিয়ে আসা। আমাদের লেভেল হিসেবে এখানে কি কি দেখছি? বাংলাদেশ, ইকোনমি, এডুকেশন, এন্টারটেইনমেন্ট, ইন্টারন্যাশনাল, লাইফস্টাইল, অপিনিয়ন, স্পোর্টস এবং টেকনোলজি। যে জিনিসগুলোকে আমরা প্রায় বার বার বলি যে কম্পিউটার এই লেভেলগুলোকে এভাবে চিনবে না। আমাদের কাজের সুবিধার জন্য এই মেশিন লার্নিং এর ব্যাপারে আমরা যদি এই লেভেলগুলোকে সংখ্যায় পরিবর্তন করে দেই তাহলে আমাদের কাজ সহজ হয়ে যাবে। এ ব্যাপারে আমাদের বন্ধু সাইকিট লার্নের প্রিপ্রসেসিং থেকে লেভেল এনকোডারকে নিয়ে আসছি। এই লেভেল এনকোডার কাজ হচ্ছে আমাদের যে টার্গেট লেভেল আছে সেটার ভ্যালুটা জিরো থেকে এন ক্লাস মাইনাস ওয়ান অর্থাৎ আমার নয়টা ক্যাটাগরি থাকলে এটা জিরো থেকে এইট পর্যন্ত সংখ্যায় এনকোড করে দেবে। আর একটা জিনিস বলে রাখি আমাদের ট্রান্সফর্মার যখন ব্যবহার করব এটা কিন্তু শুধুমাত্র টার্গেট ভ্যালুকেই এনকোড করতে চাইবো। এক্স ভ্যালু নয়। সাধারণভাবে আমরা এক্স কে ফিচার বলি আর ওয়াই কে টার্গেট ভ্যালু বলি। আমাদের নিউজ ডেটা সেটের যে লেভেল গুলোর ভেতরে ক্যাটাগরি আছে সেগুলোকে ট্রান্সফর্ম করার আগে আমরা নিজেরাই টেস্ট এন্ড ট্রায়াল করি কিছু টয় ডেটা দিয়ে। এখানে আমরা চারটা ক্যাটাগরিকে লেভেল ফিট করলেও সেখানে কিন্তু ইউনিকভাবে তার ক্লাসে তিনটাই দেখাচ্ছে। অর্থাৎ ঢাকা, ঢাকা, দিনাজপুর, রংপুর সে কিন্তু এখানে ক্লাসে ঢাকা, দিনাজপুর, রংপুরই দেখাচ্ছে। আমরা এখানে কি করছি? আমরা আসলে লেভেল এনকোডার অবজেক্টকে ইনস্ট্যানশিয়েট করছি এবং ফাইনালি ফিট ট্রান্সফর্ম করে ডেটাকে আমাদের মত করে এনকোড করে নিচ্ছি। আমাদের এখানে লেভেলগুলোকে ট্রান্সফর্ম করতে চাইলে যেমন ঢাকা, ঢাকা, দিনাজপুর, রংপুর এখানে ট্রান্সফর্ম লেভেলগুলোকে নরমালাইজ করে 0012 দিয়ে এনকোড করে ফাইনালি ট্রান্সফর্ম করে দিচ্ছে সংখ্যায়। আর এই জিনিসটাকে আমরা যখন নিউজ ডেটা সেটে নিয়ে আসবো তখন এই লেভেলগুলো আপনি যদি দেখতে পারছেন সেখানে ফিট ট্রান্সফর্ম ব্যবহার করে আমরা পাচ্ছি জিরো থেকে এইট পর্যন্ত সংখ্যায় নতুন লেভেল। যেটা মডেলের জন্য কম্পিউটেশন করতে সুবিধা হবে। আজকে এই পর্যন্তই থাকছেন তো সামনে?

সহজ বাংলায় 'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং

সহজ বাংলায় 'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং, টোকেনাইজেশন - ০৪.mp3

আমরা সহজ বাংলায় বাংলা ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এর চার নাম্বার ভিডিওতে চলে এসেছি। এটা ঠিক যে এর আগেরগুলো পডকাস্ট ছিল এখন থেকে ভিডিও সিরিজ শুরু হলো। আমরা বারবার বাচ্চাদের এবং কম্পিউটারের উদাহরণ দিয়েছিলাম যে বাচ্চারা কোন ধরনের অক্ষর জ্ঞান বা ব্যাকরণ না জেনেই কিন্তু একটা কমপ্লিট বাক্য বলতে পারত। কারণ মানুষের মাথার নিউরাল নেটওয়ার্ক আশেপাশের ভাষা থেকে তাদের প্যাটার্ন বুঝে কিন্তু সেটা জানার চেষ্টা করত। আমাদের আগের সিরিজগুলোতে যেগুলো আলাপ করেছিলাম তার মধ্যে আমরা বলছিলাম যে অক্ষর জ্ঞান বা ব্যাকরণ মানে কোন ধরনের রুল সেট শিখিয়ে এনএলপি করা যাবে না। আমরা একটা বাক্য থেকে বাক্যের ভাবার্থ বা বাক্যের যে সিমেন্টিক এনালাইসিস সেটা আমরা কিভাবে বের করার চেষ্টা করব। এর প্রথম পন্থা হচ্ছে বাক্যের শব্দগুলোকে মিনিংফুল ইউনিটে ভাগ করে ফেলা। আর এই ব্যাপারটাকে বলা হচ্ছে টোকেনাইজেশন। শুরুতেই এনএলপির দুটো প্রিন্সিপাল নিয়ে যেহেতু আলাপ করছি তার মধ্যে প্রথম যেটা আমরা বলছি টোকেনাইজেশন সেটার কিছু উদাহরণ দেখি এখানে। বাংলার ইউনিকোড ক্যারেক্টার নিয়ে আলাপ করার আগে আমরা এটার একটা রেঞ্জ মানে 128 টা কোড পয়েন্টের রেঞ্জ নিয়ে দেখতে পারি। আমরা এখানে দেখছি যে 96 টা কোড পয়েন্ট অ্যালোকেটেড আছে যার মধ্যে 32 টা এখনো রিজার্ভ আছে। মানে টোটাল 128 টা কোড পয়েন্ট। যেহেতু একটা শব্দের সবচেয়ে স্মলেস্ট পসিবল কম্পোনেন্ট হচ্ছে একটা ক্যারেক্টার। সেখানে ইউনিকোড স্ট্যান্ডার্ড একটা ক্যারেক্টারকে রিপ্রেজেন্ট করা হয় তার কোড পয়েন্ট দিয়ে। আমাদের কোড পয়েন্টগুলো যেহেতু একটা ইন্টেজার ভ্যালু যেটা শুরু হয় শূন্য থেকে একটা হেক্সাডেসিমেল পর্যন্ত যেটাকে আমরা বলছি প্রায় 1.1 মিলিয়ন ভ্যালু। আমাদের অক্ষরগুলোর কোড পয়েন্ট এখানে আমরা দেখছি অ এবং ক তার অ্যাসোসিয়েটেড কোড পয়েন্ট এখানে দেওয়া আছে। এখন চলে আসি শব্দের ব্যাপারে। আমরা দুটো শব্দের কথা নিয়ে আলাপ করছি। একটা হচ্ছে কলস আরেকটা হচ্ছে সকল। দুটোরই ইউনিকোড কোড পয়েন্ট কিন্তু একই। আমরা এই দুটো শব্দকে নাম পাই অথবা টেন্সর ফ্লোর কোড পয়েন্ট দিয়ে দেখি। এখান থেকে কোন ধরনের ভাবার্থ বা ভাব আমরা বুঝতে পারছি না। এর মানে হচ্ছে অক্ষর দিয়ে এনকোড করলে কোন ধরনের আলাদা সুবিধা পাচ্ছি না বরং এখান থেকে কোন ধরনের ভাব আমরা বুঝতে পারছি না। এতক্ষণ অনেক ধরনের আলাপ করলাম তবে এখন আমরা আসি শব্দকে এনকোড করতে। আমাদের সামনে দুটো বাক্য আমি ভালোবাসি বই পড়তে। আমি ভালোবাসি বই লিখতে। এই মুহূর্তে আমার লেখা ডিপ লার্নিং মানে টেন্সর ফ্লো নিয়ে ডিপ লার্নিং বইটা অনলাইনে আছে আর সে কারণে আমরা টেন্সর ফ্লো এপিআই দিয়ে এই কাজটা করব। আমরা যেহেতু টেন্সর ফ্লোর এপিআই ব্যবহার করছি আর সে কারণে টোকেনাইজারকে যখন ইনস্ট্যানশিয়েট করছি সেখানে কয়েকটা হাইপার প্যারামিটার বলে দিচ্ছি আগে থেকেই। আমাদের কর্পাস বিল্ড করতে হলে আমরা নাম ওয়ার্ডস মানে যে ধরনের শব্দগুলোকে বারবার ফ্রিকোয়েন্টলি ইউজ করা হবে সেগুলোকে আমরা স্টোর করব এখানে। সে কারণে আমাদের উদাহরণে আমরা শুরুতে মাত্র 10 টা শব্দকে স্টোর করতে বলব ফ্রিকোয়েন্টলি ইউজড শব্দ। সাধারণত আমাদের এই ফিল্টারস হাইপার প্যারামিটার ব্যবহার করতে হয় না কারণ টেন্সর ফ্লো বাই ডিফল্ট অনেক লম্বা একটা স্টপ ওয়ার্ড ফিল্টার করে রাখে। যেহেতু আমরা বাংলা নিয়ে ব্যবহার করছি বাংলাতে স্টপ ওয়ার্ড দাড়ি যেহেতু কোথাও নেই সে কারণে আমরা এটাকে এক্সপ্লিসিটলি আলাদাভাবে যোগ করছি। এখানে ভালো করে লক্ষ্য করুন আমরা যখন ফিট অন টেক্সট এই মেথডটাকে কল করলাম তখনই কিন্তু আমাদের বাক্যকে সে প্রপারলি এনকোড মানে লেভেলিং করে দিচ্ছে সংখ্যায়। সবশেষে আমরা যেটা দেখছি এখানে ওয়ার্ড ইন্ডেক্স মেথডটা ডিকশনারির মতো জোড়া জোড়া কি ভ্যালু তৈরি করে দিচ্ছে। আমাদের বাক্যের শব্দগুলোর মধ্যে একটা কি আর তার সাথে পেয়ার ভ্যালু। আমি এক ভালোবাসি দুই বই তিন পড়তে চার। এর অর্থ হচ্ছে টোকেনাইজার একটা ওয়ার্ড ইন্ডেক্স মানে ডিকশনারির মতো করে কি এবং ভ্যালু পেয়ার। আমি এক ভালোবাসি দুই বই তিন পড়তে চার অলরেডি বের করে দিয়েছে। আজকে এই পর্যন্তই থাকছেন তো সামনে?

সহজ বাংলায় 'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং

সহজ বাংলায় 'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং (এনএলপি) - ০১.mp3

শুরুতেই বলে নিচ্ছি আজকে ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এর প্রথম পডকাস্ট। পডকাস্ট কেন? আমরা তো শুরুতে হাতে কলমে ভিডিওতে দেখতে চাইবো। ভালো প্রশ্ন। তবে গত চারটা বই লিখে আমার যেটা ধারণা হলো, আমরা অবশ্যই হাতে কলমে মেশিন লার্নিং বা ডিপ লার্নিং বোঝার চেষ্টা করব। তবে সেই পুরো জিনিসটার পেছনে যে ফিলোসফি বা যে ব্যাকগ্রাউন্ডের ইনফরমেশন, সেটার ফিলোসফি বা ধারণা পাওয়ার জন্য হাতে কলমে কোনোকিছু প্রয়োজন নেই এই মুহূর্তে। আবারও বলছি, আমাদের এ ব্যাপারে আর্টিফিশিয়াল ইন্টেলিজেন্ট এক্সপার্ট অথবা ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এর বোদ্ধা হওয়ার প্রয়োজন নেই। পুরো ব্যাপারটাকে কন্টেক্সচুয়ালাইজেশন লেভেলে আনার জন্য আমি উদাহরণ নিয়ে আসছি আমাদের বাচ্চাদের। ভালো করে লক্ষ্য করলে দেখবেন যে একটা মেশিন আর বাচ্চার শেখার প্রসেসের মধ্যে কোনো পার্থক্য নেই। আমাদের বাচ্চাগুলো যখন কথা বলা শুরু করেছিল তখন সে ভাষার কোনো ধরনের গ্রামার সম্বন্ধে জানা তো দূরের কথা, কোনো অক্ষর সম্বন্ধে তাদের কোনো ধারণা ছিল না। তারা বিশেষ করে আমরা মানে বাবা-মা বা আত্মীয়-স্বজন সবার কাছ থেকে বিভিন্ন শব্দের স্যাম্পেল শুনে শুনে কিছুটা তৈরি করার চেষ্টা করত তাদের মাথার ভেতরে। এর অর্থ হচ্ছে তারা শব্দগুলো ঠিকমতো ডিকোড করার ধারণা পাওয়ার আগে মানে কোন শব্দগুলো কি অথবা শব্দগুলোর কোন অক্ষর দিয়ে তৈরি, কোনটার সাথে লাগালে কিভাবে ভাব প্রকাশ হবে সেটা না বুঝেই বিভিন্ন শব্দ জোড়া লাগিয়ে তারা কথা বলার চেষ্টা করত। আর সে কারণে অনেক সময় সে বাক্যগুলো মিনিংফুল হতো আর বাকি সময় হতো না। এর অর্থ হচ্ছে একটা বাক্যে কিভাবে শব্দগুলো জোড়া লাগিয়ে নাউন, প্রোনাউন, ভার্ব, এডজেক্টিভ না জেনে এমন কিছু তারা তৈরি করত যা অনেক সময় মিলে যেত। আর যখন মিলত না তখন আমরা মানে বাবা-মা সেটাকে কারেকশন করে দিতাম। এরপর কয়েকদিন সে ভুলভাল বলেই আস্তে আস্তে ঠিক করে নিত তার শুরুর বাক্য তৈরির স্টাইল। যে জিনিসটা লক্ষ্য করার মতো তারা সবকিছুই করত কোন ধরনের অক্ষর বা গ্রামার সম্বন্ধে নূন্যতম ধারণা না নিয়েই। আর সে কারণে আপনারা দেখবেন যে আমরা যখন ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং নিয়ে কাজ করব, সেখানে অক্ষর বা গ্রামার নিয়ে আমরা মাথা ঘামাই না। বরং শব্দগুলোর সিকোয়েন্স ম্যাটার করে বেশি। আমরা দেখেছি একই শব্দ আগে পরে বসলে মানে পাল্টে যায়। আর সেটা আমরা শুনবো সামনের পডকাস্টে। থাকছেন তো সামনে?

সহজ বাংলায় 'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং

সহজ বাংলায় 'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং, টোকেনাইজেশন - ০৫.mp3

আমাদের ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং, মেশিন লার্নিং বা ডিপ লার্নিং এর মত কনসেপ্ট হেভি কোড লাইট। আমরা যদি ঠিকমত কনসেপ্টটা বুঝতে পারি তাহলে আমাদের কোডিংটা অনেক সময় কমে যাবে। গত ভিডিওটা আমরা একটু সামারাইজ করি। আমরা টেনসরফ্লো এবং কেরাসের কিছু প্রিপ্রসেসিং টুল নিয়ে আলাপ করেছিলাম। এখানে যেহেতু আমরা দুটো কেরাস প্রিপ্রসেসিং টুল নিয়ে কাজ করব তবে আমরা টোকেনাইজার ক্লাস নিয়ে আলাপ করেছি বেশি। যেহেতু আমরা বারবার বলছিলাম যে একটা বাক্যের মিনিংফুল ইউনিট হচ্ছে শব্দ। সে কারণে আমরা টোকেনাইজার ক্লাসটাকে ব্যবহার করব এই টোকেনাইজেশন পার্টটাকে পুরোপুরি অটোমেট করতে। আপনারা ভালোভাবে লক্ষ্য করলে বুঝবেন যে আমাদের যে টোকেনাইজেশনের ওয়ার্ড ইন্ডেক্স সেটাকে কিন্তু আমরা বসাইনি। সেটা বরং বের করে দিয়েছে আমাদের টোকেনাইজারের অবজেক্ট। যেহেতু এটা একটা টয় ডেটা সে কারণে আমাদের ট্রেনিং এর সময় নাম্বার অফ ওয়ার্ডস মাত্র 10 টা রেখেছি। আমরা এখানে যে ফিট অন টেক্সট করলাম সেটা করেছি কিন্তু ট্রেনিং ডেটার উপরে। আমরা যেটা দেখেছি এই টোকেনাইজেশন প্রসেসের একটা বাই প্রোডাক্ট হচ্ছে একটা ওয়ার্ড ইন্ডেক্স তৈরি করা যেটাকে আমরা বলতে পারি আমাদের শব্দগুলোর সাথে একটা নিউমেরিক রিপ্রেজেন্টেশন ম্যাপিং করা হয়েছে। বলে রাখা ভালো এই ম্যাপিংটাই কিন্তু আমরা সামনে ব্যবহার করব আমাদের সিকুয়েন্সকে এনকোডিং করার জন্য। আমাদের আগের ভিডিওতে আমরা একটা বাক্য রেখেছিলাম ট্রেনিং ডেটাতে। আমি ভালোবাসি বই পড়তে। আজকের ট্রেনিং ডেটাতে আমরা আরেকটা বাক্য যোগ করছি যেটাকে আমি বলছি আমি ভালোবাসি বই পড়তে। আমরা যখন হিউম্যানলি এই দুটো বাক্যকে পড়ছি সেখানে আমরা বুঝতে পারছি যে আমার ভালোবাসা বই নিয়ে। কিন্তু এরপরেও আরো দুটো জিনিস আছে। আমার ভালোবাসাটা কি নিয়ে? পড়তে এবং লিখতে। দুটো বাক্যের মধ্যে সিমিলারিটির মধ্যে যেই জায়গাতে ডিসসিমিলারিটি সেটা আমরা বলছি পড়তে এবং লিখতে। এখানে মজার কথা হচ্ছে আমরা যখন আবার ফিট অন টেক্সট চালালাম এই বাক্যের ওপর আমরা বলছি আমাদের এই নতুন দুটো বাক্যের ওপর ওয়ার্ড ইন্ডেক্স করলেও কিন্তু আমরা দেখছি আমি ভালোবাসি বই এটার নিউমেরিক রিপ্রেজেন্টেশন আগের মতোই আছে। বরং এখানে সিমিলারিটি অংশগুলোকে ঠিক রেখে আমি ভালোবাসি বই এরপরে পড়তে ইন্ডেক্স চার লিখতে ইন্ডেক্স পাঁচ নতুন দুটো ভ্যালু দিয়ে ম্যাপিং করা হয়েছে। ব্যাপারটা আরো ভালো বোঝা যাবে যখন আমরা ওয়ার্ড কাউন্টটাকে দেখছি। আমাদের ডিকশনারির অর্ডারটা এখানে ভালোভাবে বোঝা যাচ্ছে। আমরা অনেক কিছু দেখলাম তবে আমাদের টোকেনাইজারের কনফিগারেশন না দেখলে আমাদের আজকের ভিডিওটা অসম্পূর্ণ হয়ে থাকবে। আমাদের টোকেনাইজার যে ওয়ার্ড কাউন্ট ডিকশনারি ব্যবহার করছে সেটাকে সিরিয়াল করে প্লেইন জেসনে ফেলে দিচ্ছে। আর সে কারণে এই কনফিগারেশনটা পড়া যাবে অন্য যেকোনো প্রজেক্ট থেকে। আমরা যেহেতু এখানে ক্যারেক্টার লেভেলে এনকোডিং করছি না সে কারণে এটা ফলস হিসেবে এসেছে। বুঝতেই পারছেন ফিল্টার, ইন্ডেক্স টক, ইন্ডেক্স ওয়ার্ড কিভাবে এসেছে এখানে। এখানে যেই জিনিসটি ইন্টারেস্টিং ওওভি টোকেন মানে আমরা বলছি আউট অফ ভোকাবুলারি টোকেন যেটা নিয়ে আমরা আলাপ করছি সামনেই। থাকছেন তো সামনে?

সহজ বাংলায় 'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং

Prompt Engineering জেনারেটিভ এআই যন্ত্রের কাছ থেকে কাজ বের করা Why should prompts be effective.mp3

মনে আছে আমরা শুরুতে যখন গুগল এর ভয়েস অ্যাসিস্টেন্ট এবং সিরি মানে আমরা এপেল এর সিরি ওদের সাথে যখন আমরা কমিউনিকেট করতাম শুরুতে তখন কিন্তু আমরা ওদের সাথে একটা কাইন্ড অফ লাইক কিওয়ার্ড ভিত্তিতে কাজ করতাম। ইভেন আমার মনে আছে প্রায় 10 বছর আগে মনে হয় আমি একটা সিস্টেম আসলে কাজ করতাম যেটাকে আমরা বলতাম ওপেন সোর্স এখনো আছে মনে হয় সেটা জ্যাসপার। মানে আমি যেহেতু খুবই অলস মানে একটা অলস ব্যক্তি আসলে কি করতে পারে? একটা অলস ব্যক্তি শুরুতেই ও চেষ্টা করবে যে ওর সব কাজ যন্ত্রকে দিয়ে করানো। মানে যন্ত্রকে দিয়ে যদি আমি কোন কাজ করাতে পারি তাহলে কিন্তু আমার কাইন্ড অফ লাইক আমার অনেক কাজ কিন্তু উঠে যায়। আর সে কারণে কিন্তু এই অটোমেশনের কথাবার্তা বলা। আর আজকে এই প্রম্পট ইঞ্জিনিয়ারিং নিয়ে যে আমরা কথা বলছি প্রম্পট ইঞ্জিনিয়ারিং ইজ নাথিং বাট আমরা গুগল এর ভয়েস অ্যাসিস্টেন্ট বা সিরির সাথে আমরা যখন শুরুতে কথা বলতাম আমরা কাইন্ড অফ লাইক বলতাম যে টাইম ইন ভ্যাঙ্কুভার। আমার ভাই যেহেতু ভ্যাঙ্কুভারে থাকে এজন্য ওকে কল করার আগে আমি নরমালি গুগল কে বলতাম ওকে গুগল টাইম ইন ভ্যাঙ্কুভার। এখন আমি টাইম ইন ভ্যাঙ্কুভার বলতে পারতাম অথবা আমি এটা বলতে পারতাম যে ওকে গুগল হোয়াট ইজ দা টাইম ইন ভ্যাঙ্কুভার বা ক্যান ইউ প্লিজ টেল মি বা আমি এভাবে বলতে পারতাম ক্যান ইউ প্লিজ টেল মি হোয়াট ইজ দা টাইম ইন ভ্যাঙ্কুভার বা আমি আসলে অন্যান্য অনেক কিছু বলতে পারতাম কিন্তু আমি যেহেতু নিজে কিছু সিস্টেম মানে কিছু অটোমেটেড সিস্টেম নিয়ে কাজ করেছি অনেক আগে মানে আমি একদম শুরুতেই প্রায় 10 বছর আগে একটা অটোমেটেড সিস্টেম নিয়ে কাজ করতাম যেটাকে আমি বলেছি জ্যাসপার। সো আই নো যে আসলে একটা অটোমেটেড সিস্টেমের সাথে কথা বলতে গেলে বা তাদের সাথে ইন্টারেক্ট করতে গেলে ইউ কুড স্টার্ট উইথ এ কিওয়ার্ড। কিওয়ার্ড লাইক টাইম ইন ভ্যাঙ্কুভার। বা আমি যদি বাংলায় বলি যে অনেক সময় আমরা এভাবেও করতাম যে বাসার লাইট বা ফ্যান বন্ধ। আমরা যদি বলি যে বাসার ড্রইং রুমের লাইটটা বন্ধ করে দাও। তা আমি যদি শুধু কিওয়ার্ড দিয়ে বলি যে বাসার ড্রইং রুমের লাইট বন্ধ সেটা কিন্তু আসলে একটা কিওয়ার্ড যে বাসার ড্রইং রুম লাইট বন্ধ। তার মানে হচ্ছে কি আমি এখানে কোন ধরনের অন্য কিছু ব্যবহার করছি না। তার মানে হচ্ছে গিয়ে আপনার একটা ইন্টেলিজেন্ট সিস্টেমের সাথে যোগাযোগ করতে হলে আপনাকে বুঝতে হবে যে ইন্টেলিজেন্ট সিস্টেমটা আসলে কিভাবে তৈরি করা হয়েছে মানে তার জন্য কিভাবে আরো ভালোভাবে আউটপুট দিতে পারে। এখন আমি যদি গুগল কে বলি যে আমার বাসার ড্রইং রুমের লাইট অফ করে দাও। আমি যদি সেখানে যদি গুগল এর সাথে সেই জিনিসটা সেই কিওয়ার্ডগুলো যদি আমি সেট করে নেই তাহলে আমি বলে দিতে পারি যে ড্রইং রুম লাইট বন্ধ। সো আমি কি কিওয়ার্ডগুলো ব্যবহার করলাম। সো আমার মাঝখানে বাসার ড্রইং রুমের পূর্ব পাশের এইটার লাইট বন্ধ করে দাও মানে এই ধরনের কন্টেক্সট গুলো তাহলে আর আসে না। আমাদেরকে বুঝতে হবে যে যেকোনো একটা যন্ত্রকে দিয়ে কাজ করাতে গেলে মানে কাজ করানো মানে যন্ত্রকে দিয়ে কামলা খাটাবো মানে আমি যন্ত্রকে দিয়ে কাজ করাবো। সো আই হ্যাভ টু আন্ডারস্ট্যান্ড হোয়াট ইজ দা ইন্টেন্ট। হোয়াট ইজ দা ইন্টেন্ট? আমি আসলে কোন ইন্টেন্ট দিয়ে আসলে ওর কাছ থেকে কাজটা বের করে নিয়ে আসবো। বিকজ দিনশেষে হি ইজ নট এ হিউম্যান। ইট ইজ জাস্ট এ পিস অফ হার্ডওয়্যার হুইচ উই আর ট্রাইং টু মেক ইট ইন্টেলিজেন্ট এবং এইজন্যই কিন্তু আমি আসলে সবসময় একটা কথা বলি যে ইন্টেলিজেন্ট সিস্টেম বিকজ দিনশেষে আমরা যেটাই কাজ করি না কেন এখানে এই ইন্টেলিজেন্ট সিস্টেম উই হ্যাভ টু মেক থিংস ইন্টেলিজেন্ট। সো আমরা আসলে এভাবে বলতে পারি যে হোয়াই উই হ্যাভ টু মেক দা ইকুইপমেন্ট এন্ড অলসো দে মানে আমরা যে যন্ত্রকে বলি যন্ত্রকে আমরা আসলে কেন ইন্টেলিজেন্ট বানাতে চাই। সো ওই জন্য যে ইফ উই ওয়ান্ট টু মেক সামথিং ইন্টেলিজেন্ট যেটাকে আসলে এখনই ইন্টেলিজেন্ট না তাহলে আমাকে শুরুতেই যেই ধরনের কাজ যেই ধরনের জিনিসগুলো ওকে কাজ করাবে ইন্টেন্ট বেসড মানে যেই কিওয়ার্ডগুলো দিয়ে আমি তাকে কাজ করাতে পারব আমি সেই কিওয়ার্ড দিয়েই কিন্তু ওকে আমি আমি ওকে দিয়ে কাজ করাবো। সো আমি যদি গুগল এর অথবা সিরির সাথে আমি দেখেছি অনেকেই গুগল বা সিরির সাথে অনেক অনুযোগ নিয়ে কথা বলছেন। অনেক সময় অনেক সময় তার সাথে রাগারাগি করছেন যে ওকে সিরি বা সিরি আই হ্যাভ টোল্ড ইউ টু ডু দিস ইউ হ্যাভ নট ডান ইট সো ইউ হ্যাভ টু ডু ইট অর ওকে গুগল আমি তার সাথে হিউম্যানলি কথা বলার চেষ্টা করছি। অফকোর্স এট সাম পয়েন্ট দে উইল এন্ড দে আর ইন্টারেক্টিং উইথ হিউম্যান কাইন্ড অফ ইন্টুইশন যেটা আমরা দেখছি চ্যাট জিপিটিতে। চ্যাট জিপিটি বা বার্ডের সাথে কিন্তু আমরা হিউম্যানলি কথা বলার চেষ্টা করছি। তার মানে হচ্ছে কি আমরা আসলে তাকে ওই লেভেলে ওই লেভেলে নিতে পারছি। তো সেজন্য আমি বলছি যে আমরা দিনশেষে আমরা চ্যাট জিপিটির কথা বলি আর যেটাই বলি না কেন সেই চ্যাট জিপিটির আন্ডারস্ট্যান্ডিং যে আসলে ইট ইজ অল ট্রান্সফর্মার। আমরা যেটাকে বলি যে ইট ইজ অল ট্রান্সফর্মার। আজকে চ্যাট জিপিটির কথা বলছি বার্ড বলছি দিস আর অল ট্রান্সফর্মার। সো আমাদেরকে আসলে একটা ইন্টেলিজেন্ট সিস্টেমকে যদি কাজ করাতে চাই মানে দিনশেষে তাকে যদি আমি কামলা খাটাতে চাই দেন আই হ্যাভ টু অলসো নো আমি ওকে কিভাবে তৈরি করেছি এবং আমি ওকে আসলে কি জিনিসতে আমি তার কাছ থেকে কাজটা বের করে নিয়ে আসবো। তো সেই জন্যই বলছি যে আমাদের দিনশেষে উই হ্যাভ টু আন্ডারস্ট্যান্ড যে আমি আসলে ওর কাছ থেকে কিভাবে সবচেয়ে কম ইফোর্ট দিয়ে তার কাছ থেকে আমি কাজগুলো বের করে নিয়ে আসবো। সেই জন্যই আসলে প্রম্পট ইঞ্জিনিয়ারিং। প্রম্পট ইঞ্জিনিয়ারিং ইজ নাথিং যে আমি ওকে দিয়ে কাজ করাবো সো আমি এই কাজ কর বা আমি ওকে একটু রাগারাগি করলাম বা ভাবলাম যে ওর কাছ থেকে রাগারাগি করে যদি কোন কাজ বের করা যায় ইট ইজ নট লাইক দ্যাট। ইট ইজ জাস্ট লাইক আমাকে সেই যন্ত্রটার কাছ থেকে কাজ বের করতে হলে কি ম্যানুয়াল মানে আমি আসলে ম্যানুয়াল কাইন্ড অফ থিং যে প্রম্পট ইঞ্জিনিয়ারিং ইজ নাথিং বাট ম্যানুয়াল। মানে আমরা যেভাবে ওকে গুগল বা সিরি বলে যেভাবে কিওয়ার্ড ধরে কাজ কাজ কাজগুলো বের করার চেষ্টা করতাম সেই প্রম্পট ইঞ্জিনিয়ারিং ইজ জাস্ট দোস থিং যে কিভাবে তাকে তার কাছ থেকে ইফেক্টিভলি কাজগুলো বের করা যায়। আর সেজন্যই কিন্তু এত প্রম্পট ইঞ্জিনিয়ারিং নিয়ে এত গল্প এত কিছু। বাট দিনশেষে আমি এটাই বলব যে প্রম্পট ইঞ্জিনিয়ারিং ইজ সামথিং দ্যাট ইজ গোইং টু স্টে ফর এ হোয়াইল বিকজ এজ এ হিউম্যান আমরা চাই যে আমাদের কাজগুলো যন্ত্রের মাধ্যমে করার জন্য। তো যন্ত্রের মাধ্যমে যদি আমি কাজগুলো বের করতে চাই তাহলে যন্ত্রর কাছ থেকে কি বললে কিভাবে কোন স্টাইলে কোন কন্টেক্সটে কোন ইন্টেন্ট ধরে তাকে বলতে হবে সেটা যদি আমরা বুঝতে পারি তাহলে যন্ত্রকে দিয়ে আমার কাজ করানো খুব একটা ডিফিকাল্ট কিছু না। অনলি থিং ইজ দ্যাট উই ক্যান নট জাস্ট ট্রিট দেম এজ হিউম্যান। অফকোর্স উই ক্যান ট্রিট দেম এজ এ হিউম্যান। এটা নিয়ে অনেকগুলো কার্টুন এখন দেখাচ্ছে যে কার্টুনে এমন দেখাচ্ছে যে ধরা যাক একসময় এআই পুরো পৃথিবী কন্ট্রোল করছে। তো এখন আপনি যদি এআই এর সাথে ভালো ব্যবহার করেন তখন হয়তোবা সেই কার্টুনে দেখাচ্ছে যে এখন আপনি এআই এর সাথে প্লিজ থ্যাংক ইউ এই ধরনের কথাবার্তা বলতে বলার জন্য বলা হচ্ছে যাতে ভবিষ্যতে ধরা যাক 20 বছর পরে বা 10 বছর পর এআই যখন আমাদের পৃথিবীকে কন্ট্রোল করবে জাস্ট এ ফান তখন সেই এআই বলবে না না ও আমার সাথে ভালো ব্যবহার করেছে হি ওয়াজ অলওয়েজ প্লিজ হি ওয়াজ অলওয়েজ সেইং থ্যাংক ইউ এন্ড দেন ওকে ওকে ছেড়ে দাও। ওকে ছেড়ে দাও। সো এ ধরনের অনেক ধরনের গল্প এখন চলছে। বাট দা থিং ইজ উই ক্যান নট ট্রিট ইট এজ এ হিউম্যান উই হ্যাভ টু ট্রিট ইট এজ হোয়াট ইট উড ডু বেস্ট বেসড অন দা ইনপুট। আমার ইনপুটটা কি হতে পারে যেটার জন্য ও একটা বেস্ট আউটপুট দিতে পারে। আজকে এই পর্যন্তই থাকছেন তো সামনে?

সহজ বাংলায় 'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং

সহজ বাংলায় 'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং পডকাস্ট - ০৩.mp3

মনে আছে আমরা গত পডকাস্ট কিভাবে শেষ করেছিলাম? যেহেতু কম্পিউটার ভাষা বোঝে না কিন্তু সংখ্যা বোঝে। সেই কারণে আমাদের একটা প্রশ্ন ছিল, আমরা কোন জিনিসটাকে এনকোড করব? আমরা অক্ষরকে এনকোড করব নাকি বাক্যের ভিতর শব্দগুলোকে এনকোড করব? নাকি আমরা বাক্যের ভিতর শব্দগুলোকে একটা সিকুয়েন্সে ফেলব? আমরা যদি বাচ্চাদের উদাহরণ দিয়ে আসি তাহলে আমরা বলব যে বাচ্চারা অক্ষর জ্ঞান ছাড়াই কিন্তু শব্দগুলো নিয়ে কথা বলতে পারত। এর অর্থ হচ্ছে আমরা মেশিন লার্নিং এর ব্যাপারটা বাদ দিয়ে শুধুমাত্র ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং নিয়ে যদি আলাপ করি তাহলে আমরা বলব যে বাক্যের ভেতরে যে শব্দগুলো আছে সেগুলোর এনকোডিং দিয়েই আমরা শুরু করব। যদিও আমরা উদাহরণে দেখাবো যে কিভাবে পাইথন দিয়ে আমরা ইউনিকোড এনকোডিং করছি প্রতিটা অক্ষরকে তবে সেটাকে ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এর মধ্যে আমরা নিয়ে আসবো না। এর অর্থ হচ্ছে আমরা সরাসরি মানা করে দিচ্ছি অক্ষর এনকোডিং এর ব্যাপারটা নিয়ে চিন্তা করতে। ব্যাপারটা এরকম যে আমরা যখন মেশিন লার্নিং এ ছবি নিয়ে ডিল করতাম তখন ছবির প্রতিটা পিক্সেলকে আমরা সংখ্যায় কনভার্ট করতাম যাতে সেটাকে নিউরাল নেটওয়ার্কে ফিড করা যায় তার অনওয়ার্ড প্রসেসিং এর জন্য। প্লিজ মার্ক মাই ওয়ার্ড, ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এর শুরুতে দুটো প্রিন্সিপাল খুবই ইম্পরট্যান্ট। ধরা যাক আমরা দুটো বাক্যের মধ্যে সিমিলারিটি বের করতে চাচ্ছি। সেখানে বাক্যগুলোর মধ্যে যে শব্দগুলো আছে সেটাকে যদি আমরা আলাদাভাবে এনকোড না করি তাহলে আমরা কিভাবে সিমিলারিটি পাব? সেখানে আমাদের দুটো প্রিন্সিপালের মধ্যে প্রথম প্রিন্সিপাল হচ্ছে টোকেনাইজার। যার কাজ হচ্ছে বাক্যের ভিতরের শব্দগুলোকে আলাদা করে ছোট ছোট টোকেনে ভাগ করে সেই টোকেনগুলোকে এক একটা করে নাম্বার অ্যাসাইন বা এনকোড করে দিবে। আবারও বলছি যে আমরা এই এনকোড মানে ইউনিকোড বা আস্কির এনকোডিং মেকানিজম ব্যবহার করব না। বরং একটা বাক্য যেমন আমি বলতে পারি, আমি ভালোবাসি বই পড়তে। একটা বাক্যে চারটা শব্দ। এই চারটা শব্দকে আমি এক নাম্বার, ভালোবাসি দুই নাম্বার, বই তিন নাম্বার, পড়তে চার নাম্বার। এভাবে আমরা নাম্বারিং এনকোড করে দিব। খুবই সোজা। আমরা কোন কমপ্লেক্স এনকোডিং এর কথা বলছি না। আমি ভালোবাসি বই পড়তে। এক, দুই, তিন, চার। এটাই কিন্তু আমাদের এনকোডিং। এখন আমার প্রশ্ন আপনার কাছে। আমি যদি আপনাকে নতুন একটা বাক্য বলি, আমি ভালোবাসি বই লিখতে। এখন আপনি বলুন সেটার এনকোডিং কি হতে পারে? এটার উত্তর অবশ্যই আপনারা কমেন্ট করতে পারেন। তবে আমরা জানিয়ে দিব সামনের এপিসোডে। আজকের পডকাস্টের শেষে আমরা একটা গল্প দিয়ে শেষ করছি। দেখা যাচ্ছে যে একটা ডিপ লার্নিং মডেলকে কয়েকটা শেক্সপিয়ার নাটককে দিয়ে ট্রেনিং করালে সে শেক্সপিয়ারের মত করেই কিন্তু কাছাকাছি নাটক লিখে ফেলতে পারে। এখন প্রশ্ন হচ্ছে আমরা কি সেই ডিপ লার্নিং মডেলকে গ্রামার বা অক্ষর শিখিয়েছিলাম? অবশ্যই না। দেখা গেছে ডিপ লার্নিং মডেল শেক্সপিয়ারের নাটকগুলো থেকে শব্দগুলোর একটা প্যাটার্ন মানে সিকুয়েন্স ধরে ধরে বের করে সেটাকেই ব্যবহার করে একটা জোড়াতালি দিয়ে নাটক লিখেছে যা পড়লে বোঝা যায় অনেকখানি। আর এখন এত এত বাক্য কম্পিউটার দেখেছে যে সেখানে কম্পিউটারের জন্য একটা ভালো ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং মডেল তৈরি করা কোন একটা ব্যাপারই না। সেটা আরও ভালো বোঝা যায় যখন আমরা গুগল সার্চে বসি। কোনরকম একটা বাক্যের প্রথম শব্দ লিখলেই হলো, সে হাজারটা অপশন দিচ্ছে পরবর্তী শব্দটা কি হতে পারে। এটা অবশ্যই ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এর একটা ভালো আউটকাম। আজকেই আমরা শেষ করছি এই পডকাস্টের সিরিজ। আমরা সামনে শুরু করব নতুন ভিডিও লেসন। তবে সেটা থাকছে এই সিরিজের আওতায়। থাকছেন তো সামনে?

সহজ বাংলায় 'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং

এনএলপি ১৮ প্রথম-আলো পত্রিকায় ব্যবহৃত শব্দগুলোর এমবেডিং এর ধারণা এমবেডিং প্রজেক্টর.mp3

ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এ শব্দকে বিশেষ করে আমরা বলছি বাংলা শব্দকে ঠিকমত ভিজুয়ালাইজেশন করতে হবে এবং সেটা করতে হবে অনেক ডাইমেনশনে। আমাদের প্রতিটা শব্দ ধরুন এই বাংলা শব্দকে আমরা যদি সংখ্যায় নিয়ে যাবার আগে সেটাকে যদি টোকেনে ভাগ করে ফেলি তাহলে সেটাকে ঠিকমত প্লটিং করা সম্ভব। পৃথিবীর যেকোনো জিনিসের মতো শব্দগুলোকে যদি আমরা ঠিকমত বুঝতে চাই এবং এই শব্দগুলোর মধ্যে কন্টেক্সচুয়ালাইজেশন মানে শব্দগুলোর সাথে একটার সাথে আরেকটার আপেক্ষিক সম্পর্ক সেটা বোঝার জন্য আমাদেরকে এমবেডিং প্রজেক্টরে প্লটিং করতে হবে। আমরা যে জিনিসটা বারবার বলতে চাই যে মেশিন লার্নিং এ যেকোনো জিনিস বুঝতে চাইলে সেটা শুরুতে আমাদেরকে এটলিস্ট দুটো ডাইমেনশনে প্লট করতে হবে। আর সে কারণে মেশিন লার্নিং এ ভিজুয়ালাইজেশনের পার্ট অনেক গুরুত্বপূর্ণ। কেন? অবশ্যই মানুষের মাথা বিশেষ করে মাথার যে নিউরাল নেটওয়ার্ক এটার প্যাটার্ন স্পটিং এতই চমৎকার যে যেকোনো ডেটাকে ঠিকমত প্লট করতে পারলে সেটার মধ্যে প্যাটার্ন খুঁজে ফেলবে আমাদের এই অসাধারণ মাথা। তবে সেই ডেটা যদি অনেক বেশি হয় সেটাকে খালি চোখে কয়েকটা ডাইমেনশনে দেখা আসলেই কষ্টকর। আমরা একটা জিনিস লক্ষ্য করেছি যে এই শব্দগুলোকে সংখ্যায় পরিবর্তন করলে সেগুলোকে যদি আমরা অনেকগুলো ডাইমেনশনে বিশেষ করে শতাধিক এক্সেসে যদি আমরা প্লট করি তাহলে সেই শব্দগুলোর মধ্যে সম্পর্কের একটা ভালো ধারণা পাওয়া যায়। সেখানে প্রতিটা শব্দের সাথে একটা শব্দের সাথে আরেকটা শব্দের সম্পর্ক কে কার থেকে কাছে অথবা দূরে অথবা কে কার থেকে কত দূরে আপেক্ষিক নাকি আসলভাবে অনেক দূরে কোন শব্দের কাছে আসলে কোন শব্দটা আগে ছিল আর এখন বর্তমান পরিস্থিতিতে থাকছে না এ ধরনের ভালো প্রজ্ঞা পাওয়া যায় এই ধরনের এমবেডিং প্রজেক্টরে। এমবেডিং নিয়ে আমি একটু পরে আসছি বাট তার আগে আমি একটু বলে দিতে চাই যদি আমরা গত 20 বছরের পুরো বাংলাদেশের নাম করা সব বাংলা খবরের অর্থাৎ বাংলার খবরের কাগজের প্রতিটি শব্দকে যদি আমরা 128 ডাইমেনশনে ঠিকমত প্লট করতে পারি তখন সেই শব্দগুলোর মধ্যে কোন শব্দগুলো বারবার ঘুরে আসছে অথবা কোন শব্দগুলোর মধ্যে একটা শব্দের সাথে আরেকটা শব্দের প্রথাগত সম্পর্কিত না থাকলেও সেটার মধ্যে ওই ঘটনার জন্য ওই সম্পর্কের সাথে অন্য কোন সম্পর্কগুলো একে প্রভাবিত করছে সেটা আসলে আমাদের চিন্তার বিষয়। আজকে যেভাবে ফার্মাসিউটিক্যাল কোম্পানিগুলো ড্রাগ ডিসকভারি বিশেষ করে এই ভ্যাক্সিনেশন নিয়ে মেশিন লার্নিং এর স্মরণাপন্ন হচ্ছে তখন কিন্তু তারা এই ধরনেরই কাজ করেন যে ডেটার ভিতরে কোন প্যাটার্নটা আসলে এতদিন মানুষ একদম লক্ষ্যই করতে পারেনি। আমার আগের বই যেটাকে আমরা বলছি হাতে কলমে পাইথন ডিপ লার্নিং সেখানে ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং অংশে একটা বড় কাজ হচ্ছে কিভাবে শব্দগুলোকে ঠিকমত রিপ্রেজেন্টেশন করা যায়। যখনই আমরা শব্দগুলোকে ঠিকমত রিপ্রেজেন্ট করতে পারব তখন সেই শব্দগুলোর ভেতরে ভালো একটা কানেকশন বের করা সম্ভব। আর সেখানে ওয়ার্ড অথবা শব্দের এমবেডিং আমাদের একটা বেশ দক্ষ ডেন্স মানে হচ্ছে গিয়ে আমরা বলছি নিউরালের যে ডেন্স রিপ্রেজেন্টেশন আছে সেটার মধ্যে কাছাকাছি বা সম্পর্কিত শব্দগুলোর একই ধরনের এনকোডিং আমরা দেখেছি। মেশিন লার্নিং বা ডিপ লার্নিং এ আমরা যেহেতু নিজে হাতে কোন ধরনের শব্দগুলোকে এনকোডিং করি না সে কারণে এই শব্দের এমবেডিং লেয়ার যেটা একটা ডেন্স ভেক্টরের লুকআপ টেবিল তৈরি করে দেয় এবং যার মধ্যে এই ফ্লোটিং পয়েন্টের ভ্যালুগুলোকে সে কাছাকাছি রাখে। আমার নতুন বই হাতে কলমে বাংলা ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এ যখন আমাদের শব্দের এমবেডিং গুলোকে ভিজুয়ালাইজ করতে চাইবো বিশেষ করে বাংলার খবরের কাগজের যে ডেটাগুলো আছে সেখানে আমরা এই ভেক্টর ডট সিএসভি এবং মেটা ডট সিএসভি ফাইল দুটোকে আপলোড করব এমবেডিং প্রজেক্টরে। আপনার কম্পিউটারে টেন্সর ফ্লো অথবা টেন্সর বোর্ড ইন্সটল করা থাকলে একটা লোকাল ইনস্ট্যান্সও এটা চালানো যাবে। আজকে এই পর্যন্তই থাকছেন তো সামনে।

সহজ বাংলায় 'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং

বাংলা ভাষাকে প্রযুক্তির জন্য তৈরি করবো কিভাবে.mp3

প্রতিটা মানুষের কাছে তার নিজের ভাষা একটা খুবই একটা কাছের জিনিস আর সে কারণে বাংলা ভাষা মানে আমি সবসময় চিন্তা করছিলাম যে বাংলা ভাষাকে আসলে কিভাবে কৃত্রিম বুদ্ধিমত্তা বা এই যে ডিপ লার্নিং এলো তো তখন বাংলা ভাষা নিয়ে আমরা কিভাবে কাজ করতে পারি কারণ আমাদের বাংলা ভাষার পেছনে প্রযুক্তিগত সহায়তার প্রয়োজন আর সে কারণে আমি যখন প্রায় দু বছর আগে এই বইটা লিখলাম যে আসলে বাংলা ভাষায় আমরা ডিপ লার্নিং মানে বাংলা ভাষায় বা ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এ আমরা ডিপ লার্নিং আমরা কিভাবে কাজে লাগাতে পারি কারণ আমি যখন শুরুতে ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং করতাম যখন আমি পাইথন দিয়ে শুধুমাত্র পাইথন দিয়ে ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং আমরা করতাম তখন ইট ওয়াজ ডিফিকাল্ট বিকজ এটার সেগমেন্টেশন বা এর মধ্যে যে কাজগুলোর ভাগ এটা আসলে অনেক অনেক অনেক বেশি ছিল তো আমি বলছি যে যখন আমরা ডিপ লার্নিং এ একটু ঢুকলাম এবং আমরা দেখলাম যে নিউরাল নেটওয়ার্ক নিয়ে যখন অনেক অনেক সমাধান করছিলাম তখন দেখলাম যে কেন নিউরাল নেটওয়ার্ক আমরা ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এ আমরা দেখবো না সো যখন আমরা ডিপ লার্নিং ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এ আমরা কাজ করা শুরু করলাম তখনই আমি আসলে এই বইটা ফাইনালি নামাতে পারলাম কারণ এই বইটা নামাতে গিয়েও আমার একটু প্রায় দেড় বছর মতো আমি সময় নিয়েছিলাম যে আসলে আমি কি এটা করবো কি করবো না তো এই হাতে কলমে বাংলা ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এটা যখন আমি কাজ শুরু করলাম তখন আমার কিছুটা ব্যাকগ্রাউন্ড যে নলেজ সেই ব্যাকগ্রাউন্ড নলেজের মধ্যে সবচেয়ে বড় ব্যাপারটা হচ্ছে যে আসলে হাতে কলমে ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এই অংশটা কি আমরা আসলে হাতে কলমে করতে পারবো কিনা সেটা নিয়ে আমাদের কিছু প্রশ্ন ছিল আর আপনারা যদি দেখেন যে এই বইটার মধ্যে আমরা আসলে কি বলতে চাইছি যে হাতে কলমে ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এর ধারণা মানে আমরা আসলে হাতে কলমে এটা করতে পারবো কিনা বা আমরা এই বইটা কেন লিখতে চাইলাম মানে এই বইটা আসলে কেন লেখার প্রয়োজন পড়লো এরপরে কিন্তু এনএলপির কিছু কাজ এবং তার দরকারি অ্যাপ্লিকেশন মানে আমরা যদি বলি যে এনএলপির কিছু কাজ এবং তার দরকারি অ্যাপ্লিকেশন যেটা আমাদের দেশের জন্য প্রযোজ্য তো সেখানে মানে আরেকটা জিনিস আমি সবসময় বলি যে আমি শুধু প্রযুক্তি নিয়ে লিখি না মানে প্রযুক্তির সাথে ফিলোসফি আমি নিয়ে আসি সবসময় প্রযুক্তির সাথে ফিলোসফি নিয়ে আসলে যেটা হয় যে সেটা বুঝতে সুবিধা হয় এজন্য আমরা যদি দেখি যে শেষে একদম যন্ত্র মানে আমরা বলছি যে মানুষ ও যন্ত্রের চিন্তা ভাবনা আমরা যদি এখন দেখি যে মানুষ এবং যন্ত্রের চিন্তা ভাবনা এটা আসলে একটা বড় পারসপেক্টিভ যে যন্ত্র এবং মানুষ এটা আসলে চিন্তা ভাবনা করতে পারে কিনা সেটার একটা ধারণা এখানে তারপরে আমরা যদি বলি যে মানুষ এবং ভাষাগত সিকুয়েন্সের ধারণা মানে মানুষের সাথে মানুষ যেভাবে চিন্তা করে মানুষ যেভাবে ভাবে সেভাবে ভাষাগত সিকুয়েন্সের ধারণাটা কি এখানে পাবো কিনা সেটা একটা ভালো পারসপেক্টিভ তারপর হচ্ছে গিয়ে এটার বেজলাইন মানে কিভাবে আমরা আসলে ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এ আমরা আগাচ্ছি তার মধ্যে একটা রিকারেন্ট নিউরাল নেটওয়ার্ক মানে রিকারেন্ট নিউরাল নেটওয়ার্ক নিয়ে একটা ভালো কথা বলেছি যে রিকারেন্ট নিউরাল নেটওয়ার্কটা আসলে কি এবং কেন রিকারেন্ট নিউরাল নেটওয়ার্ক আমরা আগে ব্যবহার করতাম এবং সেখান থেকে কেন আমরা উত্থান চাইলাম আর এই পুরো জিনিসটা যেহেতু গুগল কোলাবে আমি করেছি তার একটা অংশ এখানে আমরা বলতে চাইছি তো এখানে এনএলপির টোকেনাইজেশন টেক্সট প্রিপ্রসেসিং এর ধারণা মানে কিভাবে টেক্সটের প্রিপ্রসেসিং গুলো করব তারপর হচ্ছে টেক্সট থেকে সিকুয়েন্স এবং প্যাডিং মানে এই এই জিনিসগুলো আসলে আমরা আস্তে আস্তে আস্তে আস্তে ঢুকবো কারণ টেক্সটের প্রিপ্রসেসিং ধারণা সিকুয়েন্সিং এবং প্যাডিং এই ধারণাটা যদি আমরা ঠিকমত বুঝতে পারি তাহলে আমাদের জন্য কাজটা অনেক অনেক সহজ হয়ে যায় আর সবচেয়ে বড় জিনিসটা হচ্ছে যে যদি কোন কিছু ভোকাবুলারিতে না থাকে তখন আমরা কি করব এবং প্যাড সিকুয়েন্স নিয়ে কাজ করব কিভাবে তারপরে বাংলা পত্রিকার ক্লাসিফিকেশনটা আসলে কিভাবে করব এবং সেখানে আমরা একটা জেসন ফরম্যাটের ডেটা সেট ব্যবহার করেছি তো এরকম অনেক কিছুই আমরা এখানে বলতে চেয়েছি আর সবচেয়ে বড় হচ্ছে যে আমি এখানে ট্রান্সফরমার নিয়ে কথা বলার চেষ্টা করেছি কারণ ট্রান্সফরমার ইজ দা নেক্সট ফ্রন্টিয়ার আমি বলব যে নেক্সট ফ্রন্টিয়ার না এখন আমরা ট্রান্সফরমার ব্যবহার করছি এবং সে সেটার জন্য ট্রান্সফরমার মডেল এবং এটার জন্য হাগিং ফেস হাগিং ফেসের যে লাইব্রেরিটা আছে সেই লাইব্রেরিটা আমরা এখানে ব্যবহার করেছি আমরা ধারণা করছি যে হাগিং ফেসের লাইব্রেরিটা আসলেই অনেক অনেক অনেক আমাদের কাজ ইজি করে দিয়েছে এবং হাগিং ফেসের ট্রান্সফরমার হাগিং ফেসের ট্রান্সফরমার আমরা কিভাবে বের করে একটা বাংলা টেক্সট ক্লাসিফিকেশন করতে পারি বাংলায় সেটা আমরা এখানে দেখিয়েছি যে ট্রান্সফরমার মডেলটা আসলে কিভাবে টেক্সট ক্লাসিফিকেশন একটা বাংলা টেক্সট ক্লাসিফিকেশন করে দিতে পারে আমরা লাইব্রেরিটাকে ব্যবহার করলাম আর ফাইনালি হোয়াট ইজ হোয়াট ইজ দা ফিউচার সেই ফিউচার নিয়ে মানুষের আসল কাজ সর্বজনীন নূন্যতম আয় এই ব্যাপারগুলো তারপর হচ্ছে গিয়ে ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এ কি ভবিষ্যৎ তারপর হচ্ছে গিয়ে মডেলের সাইজ কমিয়ে কম্পিউটেশনাল দক্ষতা কিভাবে বাড়ানো যায় তারপর ন্যাচারাল ল্যাঙ্গুয়েজ জেনারেশন কিভাবে হবে যন্ত্রের কমনসেন্স আছে কিনা বা যন্ত্রের কমনসেন্সটা কিভাবে আমরা কাজ করব মডেলের এডাপ্টেশনটা কিভাবে হবে তারপর হচ্ছে গিয়ে অফকোর্স মানে এখানে আরো বেশ কিছু জিনিস আছে যেটা আমি বলব যে এই একটা বই যে হাতে কলমে বাংলা ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এই বইটা আসলে আপনাদেরকে একটা ধারণা দেবে যে কিভাবে একটা ভাষা নিয়ে কাজ করা যায় মানে দিনশেষে আমাদের ভাষায় কিন্তু অন্য কেউ কাজ করবে না আমাদের ভাষা আমাদেরকেই কাজ করতে হবে মানে আমাদেরকে মানে হচ্ছে কি আমাদের দেশকেই এটা নিয়ে কাজ করতে হবে সেজন্য আমি চাইছি যে এই বইটা যাতে আপনাদের একটা টুল হতে পারে যেটা বাংলা ভাষাকে আরো সমৃদ্ধ করবে দিনশেষে আমরা কাজ করছি টু গিভ ব্যাক দা কমিউনিটি আমরা চাই যে আমাদের কমিউনিটিতে আমি আমি অনেক কিছু পেয়েছি সৃষ্টিকর্তা আমাকে অনেক কিছু দিয়েছে দেশ আমাকে অনেক কিছু দিয়েছে এখন উই ওয়ান্ট টু গিভ ব্যাক এবং আমরা চাইছি যে আমার কমিউনিটিকে যাতে আমরা সাপোর্ট করতে পারি আমার কমিউনিটিকে আমরা হেল্প করতে পারি যাতে আমাদের ভাষাটা গ্লোবাল স্ট্যান্ডার্ডে উপরের দিকে চলে আসে সেটার পেছনে যদি আমাদের ভাষাটা যদি প্রযুক্তিগত ভাষা হয় বা আমাদের ভাষাটা যদি ইন্টারনেটের ভাষা হয় সেদিকে আমাদের কাজ করতে হবে আজকে এই পর্যন্তই থাকছেন তো সামনে

সহজ বাংলায় 'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং

'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং ৮ ওয়ার্ড ইনডেক্সে শব্দটা না থাকলে কি হতে পারে.mp3

আমরা প্রতিনিয়ত যে হাউসহোল্ড অ্যাপ্লিকেশন ব্যবহার করি তার মধ্যে এনএলপির ছড়াছড়ি। এটা ঠিক যে আমরা যতটুকু ব্যবহার করি তার থেকে আমাদের বাচ্চারা এই এনএলপি সবচেয়ে বেশি ব্যবহার করে। Google Home, Siri, Alexa, Google Translation আপনি বলতে পারেন কার মধ্যে নেই এনএলপি। আসল কথা হচ্ছে এখন এনএলপি অ্যাপ্লিকেশনের ছড়াছড়ি এবং সামনে আরো বাড়বে। আচ্ছা মনে আছে আমরা গত নোটবুকে চারটা বাক্যের একটা কর্পাস দেখিয়েছিলাম। সেখানে আমরা চারটা বাক্যের মধ্যে ওয়ার্ড ইন্ডেক্স আমি এক, বই দুই। এরপরে আমরা দেখছি কি 15, যাবে 16। এর অর্থ হচ্ছে আমরা যতই বাক্য ব্যবহার করি না কেন এই বাক্যগুলো কিন্তু এক থেকে 16 এই ওয়ার্ড ইন্ডেক্সের মধ্যেই থাকছে। এর পাশাপাশি আমাদের টেক্সট টু সিকোয়েন্সে এই চারটা বাক্যের মধ্যে এই এক থেকে 16 এর মধ্যেই কিন্তু সবকিছু ঘোরাঘুরি করছে। যেহেতু কর্পাসে এই বাক্যের মধ্যে শব্দগুলো আছে এবং সেই শব্দগুলোই আমরা এখানে বারবার ব্যবহার করছি। তবে প্রশ্ন ছিল গতবার যদি আমাদের আরেকটা টেস্ট ডেটা সেট নেই যেখানে আমাদের কর্পাস থেকে শব্দের বাহিরে যদি অন্যান্য শব্দ থাকে তাহলে আমাদের মডেল কি করবে? আর সে কারণে আমাদের টেস্ট ডেটাতে আমরা নতুন দুটো বাক্য নিয়ে আসলাম যার মধ্যে কিছু কিছু শব্দ টোকেনাইজারকে ফিট করা হয়নি। আর তখনই আমরা একটা নতুন জিনিস দেখব যখন আমরা এই বাক্যগুলোকে মানে নতুন বাক্যগুলো টেক্সট টু সিকোয়েন্সের মাধ্যমে পাঠাবো। আমাদের এই টেস্ট ডেটাতে আমি আসলেই ভালোবাসি বই পড়তে। এখানে মোট পাঁচটা শব্দ। যখন আমরা এই টেস্ট সিকোয়েন্সকে প্রিন্ট করছি সেখানে পাঁচ শব্দের জায়গায় আমরা চারটা সিকোয়েন্স দেখছি। এখন আসি এরপরের বাক্যে বইমেলায় এবার প্রচুর নতুন বই এসেছে। এখানে মোট ছয়টা শব্দ তারমানে ছয়টা সিকোয়েন্স আসা উচিত আমাদের হিসেব মতে। অথচ আমরা দেখছি এখানে সিকোয়েন্স মাত্র তিনটা মানে তিনটা সিকোয়েন্স কিন্তু আসেনি। আমরা যদি ছবিটাকে একটু ভালোভাবে দেখি আমরা দেখব যে প্রথম বাক্যে একটা শব্দ মানে একটা সিকোয়েন্স আসেনি। কোনটা আসলেই। পরের বাক্যে ছটা শব্দ মানে ছটা সিকোয়েন্সের মধ্যে তিনটা সিকোয়েন্স আসেনি। বিশেষ করে স্কয়ার অংশগুলো এবার নতুন এসেছে। আমরা যদি টেস্ট সিকোয়েন্সের প্রতিটা সিকোয়েন্সকে শব্দ দিয়ে রিপ্লেস করি তাহলে এখানে দেখা যাবে যে আমি ভালোবাসি বই পড়তে। এখানে আসলেই মিসিং। আর এরপরের বাক্যে বইমেলায় প্রচুর বই এগুলো এসছে তবে এবার নতুন এসেছে শব্দগুলো মিসিং। এর অর্থ একটাই যদি কর্পাসে কোন শব্দ না থাকে সেটা সিকোয়েন্সে আসবে না। এর একটা লজিক্যাল আন্ডারস্ট্যান্ডিং হচ্ছে আমাদের কর্পাসে বাংলা ভাষার সব শব্দকে আনতে হবে। ধরুন আমরা ডিকশনারি ধরে সব শব্দ নিয়ে আসতাম। তবে আমরা সবসময় কি ডিকশনারির শব্দগুলোকে ব্যবহার করে কি কথা বলি? আমরা বাংলা ভাষার মধ্যে অনেক ভাষার মিশ্রিত শব্দ নিয়ে আসি। তখন কি হবে? এর পাশাপাশি আমরা ধরে নিচ্ছি কর্পাসে একটা শব্দ নেই তাই বলে সেই সিকোয়েন্সটাকে আমরা অমিট করে যাব? মনে হয় না আর সে কারণে আমরা সামনে নিয়ে আসছি অটো ভোকাবুলারি টোকেন নিয়ে। আর প্যাডিং সেটাও থাকবে সামনের ভিডিওগুলোতে। থাকছেন তো সামনে?

সহজ বাংলায় 'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং

'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং ৬ টোকেনাইজারের টেক্সট থেকে সিকোয়েন্সে.mp3

আমরা মেশিন লার্নিং বা ডিপ লার্নিং যাই শিখছি না কেন সেটার জন্য একটা হায়ার পারপাস থাকবে। এর অর্থ হচ্ছে আমরা ফাইনালি একটা ইন্টেলিজেন্ট সিস্টেম তৈরি করব যার মাধ্যমে আমাদের এই কাজগুলো সে করে দেবে। ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এ আমি আপনাকে একটা কথা বলছি এবং সেই কথাটা আপনি বুঝে সেই কাজটা করতে পারছেন। সে একই জিনিস কেন একটা মেশিন করতে পারবে না? মেশিনকে একটা কথা বললে সেই মেশিন সেই কাজটা বুঝে কাজটা করতে হবে। গত ভিডিওতে আমরা দেখিয়েছিলাম যে একটা বাক্যের মধ্যে যত শব্দ আছে সেই শব্দগুলোকে সিকোয়েন্সে কনভার্ট করে একটা শব্দের সাথে একটা করে ইন্ডেক্স নাম্বার ফেলে দেওয়া। আর এই কাজটাই আমরা করেছি কেরাস বা টেন্সর ফ্লোর টেক্সট টু সিকোয়েন্স মেথডটা ব্যবহার করে। আপনারা ভালোভাবে লক্ষ্য করলে বুঝবেন যে এখানে দুটো বাক্যের মধ্যে তিনটা শব্দ কমন আর বাকি দুটো শব্দ আলাদা পড়তে এবং লিখতে আর সে কারণে এই দুটোকে দুটো সিকোয়েন্স দেওয়া হয়েছে চার এবং পাঁচ। আমাদের দুটো বাক্যের মধ্যে আমি ভালোবাসি বই এটা কমন বলেই কিন্তু এখানে ওয়ার্ড ইন্ডেক্সে এক দুই তিন পড়েছে। আমার খুব প্রিয় একটা টুল সাইকিট লার্ন হলেও আমি কেন ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এর জন্য সাইকিট লার্ন ফেলে টেন্সর ফ্লোকে রিকমেন্ড করছি? কারণ একটাই টেন্সর ফ্লোর যে বিশাল ইকোসিস্টেম সেটা আসলে সবকিছুই নিয়ে এসেছে এক জায়গায়। আমরা যখন কথা বলি তখন বিভিন্ন বাক্যের মধ্যে পজই বলে দেয় আসলে আমাদের বলা বাক্যগুলো কখন শুরু হয়েছে এবং শেষ হয়েছে। তবে বাক্যগুলোকে যখন আমরা লিখি তখন বেশ কিছু স্টপ ওয়ার্ড ব্যবহার করতে হয় এই বাক্যগুলোর মাঝখানে বোঝার জন্য। আমরা যেহেতু ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং মাত্র শুরু করলাম এজন্য শুরুতে আমাদের এই স্টপ ওয়ার্ড বা জ্যোতিচিহ্ন দরকার নেই। আমরা যদি একটু ভালোভাবে লক্ষ্য করি তখন দেখব যে ইংরেজি এবং বাংলার মধ্যে স্টপ ওয়ার্ড মানে যে শব্দগুলো বারবার আসে যেমন আমি আপনি আপনারা অনেকেই অন্য অবধি এর পাশাপাশি জ্যোতিচিহ্ন মানে কমা প্রশ্নবোধক বা আশ্চর্যবোধক চিহ্ন এই জিনিসগুলো শুরুতে ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এ আসলে দরকার নেই আর সে কারণে একে ফিল্টার করে ফেলে দিতে হবে। আমাদের টোকেনাইজারের গেট কনফিগ দেখলে আমরা বুঝতে পারব যে এখান থেকে কি কি জ্যোতিচিহ্ন ফিল্টার করে অলরেডি ফেলে দেওয়া হয়েছে। আমাদের এখানে শব্দগুলোর মধ্যে একটা কমা এবং একটা আশ্চর্যবোধক চিহ্ন ছিল বলেই সেটাকে সে ফেলে দিয়েছে এখানে। এর পাশাপাশি আমাদের করপাসে আমরা নতুন একটা বাক্য যোগ করলাম বইমেলায় এলে আমি প্রচুর বই কিনি। এখানে বইমেলা এলে প্রচুর বই কিনি এই চারটা শব্দ যোগ হয়েছে আমাদের এখানে ইন্ডেক্স ছয় সাত আট নয়। এখানে যেহেতু আমি শব্দটা আগে থেকে করপাসে যোগ করা ছিল ইন্ডেক্স এক সে কারণে এটা আর নতুন করে যোগ হবে না। একটা জিনিস এই মুহূর্তে আমরা মনে রাখবো এবং পরে দেখবো যে করপাসে যেসব শব্দগুলো আমরা যোগ করব তার বাহিরে যদি কোন শব্দ আসে তাহলে সেই টেস্ট ওয়ার্ড কি আমাদের মডেল চিনবে না? আর যদি সেটাকে না চেনে তাহলে এই আউট অফ ভোকাবুলারি ওয়ার্ডগুলোকে নিয়ে আমাদের কি করতে হবে? তবে আজকে এই পর্যন্তই এই সব প্রশ্নের উত্তর নিয়ে আসছি আমরা সামনের পর্বগুলোতে থাকছেন তো সামনে?

সহজ বাংলায় 'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং

এনএলপি ২২ বার্ট, ডিস্টিল-বার্ট এবং ট্রান্সফরমার্স মডেল, হাগিংফেস ট্রান্সফরমার লাইব্রেরি.mp3

ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এর একটা বিশাল আপডেট হচ্ছে এই ট্রান্সফরমার মডেল। আরএনএন যখন ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এর সবকিছুর মধ্যে ডি ফ্যাক্টো স্ট্যান্ডার্ড তখন গুগল এর কিছু রিসার্চার নিয়ে এলো এই ট্রান্সফরমার 2017 সালে। মানুষ যেহেতু নিজেই সিকুয়েন্সিয়ালি কথা বলে আর এ কারণে এই আরএনএন নেটওয়ার্ক পুরো কথাগুলোকে সিকুয়েন্সিয়ালি প্রসেস করতো। 2017 সালে গুগল এর রিসার্চাররা বললেন এটেনশন ইজ অল ইউ নিড। অবশ্যই আপনি ধরতে পেরেছেন এটা সেই গুগল এর পেপারটার নাম। সেখানে এই আরএনএন এর ধারণা অনুযায়ী পুরো সিকুয়েন্সিয়ালি ডেটাগুলোকে প্রসেস না করে পুরো বাক্য ধরে যদি একবারে প্রসেস করা যেত তাহলে গুগল এর ধারণা অনুযায়ী পুরো বাক্যের কন্টেক্সটটা একবারে পেয়ে যেত এই ট্রান্সফরমার। ট্রান্সফরমারের সবচেয়ে বড় শক্তি হচ্ছে এর প্যারালাইজেশন। অর্থাৎ এ একেবারে পুরো বাক্য ধরে প্রসেস করতে পারে শব্দ ধরে নয়। আমি আবারও বলছি আরএনএন এর মতো পুরো বাক্যকে সিকুয়েন্সিয়ালি একটার পর একটা প্রসেস না করে পুরো বাক্য ধরে প্রসেস করলে পুরো বাক্যর কন্টেক্সট বুঝে যায় ট্রান্সফরমার একেবারে। সবচেয়ে বড় কথা হচ্ছে এখনকার সনাতন আরএনএন যেটাকে আমরা বলছি এলএসটিএম সেটার যে ট্রেনিং এর সময় লাগতো তার থেকে ট্রান্সফরমার সময় আসলেই লাগছে কম। কারণ সে একটা বাক্যের বাম থেকে ডানে অথবা ডান থেকে বামে দুপাশ থেকে একটা পুরো বাক্যের কন্টেক্সট পেয়ে যাবে সে। আপনি বুঝতেই পারছেন যেহেতু ট্রান্সফরমার মডেলগুলো বাই ডাইরেকশনাল তার মানে এটা আগে যেই মডেলগুলো আমরা কখনোই চিন্তাই করতাম না এগুলোকে ট্রেনিং করানো যাবে সেগুলোকে খুব তাড়াতাড়ি ট্রেনিং করানো যাচ্ছে। আমাদের ওপেন এআই এর জিপিটি থ্রি মডেল যার মধ্যে প্রায় 1750 কোটি প্যারামিটার রয়েছে। এই 750 মিলিয়ন প্যারামিটারের যে ল্যাঙ্গুয়েজ মডেল এটাই সবচেয়ে বড় মডেল পৃথিবীতে। এই সুবিধার জন্য অনেক ধরনের প্রিট্রেইন মডেল যেমন বার্ড বাই ডাইরেকশনাল এনকোডার রিপ্রেজেন্টেশন ফ্রম ট্রান্সফরমারস এবং জিপিটি জেনারেটিভ প্রি ট্রেনিং ট্রান্সফরমারস যেগুলো দিয়ে অনেক ধরনের ডাউনস্ট্রিম কাজ করা সম্ভব। এ ধরনের মডেলগুলোর সবচেয়ে বড় সুবিধা হচ্ছে আমরা এগুলো দিয়ে সরাসরি বেশ কিছু ডাউনস্ট্রিম কাজ করতে পারি। এর পাশাপাশি কিছু ফাইন টিউনিং করে এগুলো দিয়ে আরো অনেক বড় বড় স্পেসিফিক ডাউনস্ট্রিম কাজ করা সম্ভব। গুগল এর সেই 2017 সালের পেপারে দেখিয়েছিল আমাদের বর্তমান আরএনএন এবং কনভলিউশন নিউরাল নেটওয়ার্ক থেকে ট্রান্সফরমার বিশেষ করে ইংলিশ টু জার্মান এন্ড ইংলিশ টু ফ্রেঞ্চ ট্রান্সলেশনে খুব ভালো করেছে। এর বড় সুবিধা হচ্ছে বর্তমানে যে মেশিন লার্নিং এর যে হার্ডওয়্যার সেগুলোকে ফিট করতে পারছে। ফলে এর ট্রেনিং স্পিড বেড়েছে বহু গুণ। আমরা যদি এখানে একটা উদাহরণ দেই সেখানে আমরা একটা বাক্যের পুরো বাক্যটা যদি আমরা না প্রসেস করি তাহলে পুরো বাক্য থেকে কন্টেক্সট এবং মিনিং পাওয়া সম্ভব না। ধরুন একটা বাক্য বললাম আই এরাইভড এট দা ব্যাংক আফটার ক্রসিং দা এরপরে রোড অথবা রিভার হবে কিনা সেটার উপর ভিত্তি করে কিন্তু পুরো বাক্যের মিনিং পাল্টে যাচ্ছে। এখন আমি যদি সিকুয়েন্সিয়ালি এই ব্যাপারটাকে ট্রান্সলেট করতাম তাহলে কি এই পুরো মিনিংটা পেতাম? অবশ্যই না। আর সে কারণে আমরা ট্রান্সফর্মার আরো বহু দিক নিয়ে আসবো সামনের ভিডিওগুলোতে। থাকছেন তো সামনে?

সহজ বাংলায় 'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং

Prompt Engineering জেনারেটিভ এআই বিডটেন্ডার লেখার জন্য প্রম্পট TenderLegal Writing Cases.mp3

দিন শেষে কম্পিউটার থেকে অর্থাৎ এআই সিস্টেমস থেকে আমার কাজটা বের করতে পারলেই তো হলো। আর সেজন্য আমরা যখন একচুয়ালি শুরুতে আমাদের যখন প্রোগ্রামিং ল্যাঙ্গুয়েজ ব্যবহার করতাম তখন আমরা ইন্টারপ্রেটার ব্যবহার করতাম, কম্পাইলার ব্যবহার করতাম। তার মানে হচ্ছে গিয়ে আমরা কম্পিউটার সিস্টেমের সাথে কথা বলার জন্য কিন্তু কম্পিউটারের নির্ধারিত যে ল্যাঙ্গুয়েজ আছে সেই ল্যাঙ্গুয়েজের মাধ্যমে তার সাথে আমরা কথা বলতাম। কিন্তু এখন যেহেতু কম্পিউটারগুলো বা সিস্টেমগুলো অনেক বুদ্ধিমান হচ্ছে। তার মানে হচ্ছে গিয়ে এখন জেনারেটিভ জেনারেটিভ এআই সিস্টেমগুলো বুদ্ধিমান হচ্ছে। আগে আপনি চিন্তা করেন একটা ফোরট্রান বা ইভেন আপনি যদি চিন্তা করেন যে আমরা যখন সি সি প্লাস প্লাস এর সাথে যেভাবে আমরা যোগাযোগ করি এর পাশাপাশি আমরা যদি পাইথনের কথা চিন্তা করি পাইথন ইজ মোর ইজিয়ার। তার মানে হচ্ছে গিয়ে ওভার ইভলিউশন অফ টাইম কম্পিউটারের সাথে আমাদের ইন্টারপ্রেটার, কম্পাইলার এর সাথে কথা বলার যে মাঝখানে যে ধরণটা সেটা কিন্তু অনেকটাই পাল্টেছে। এখন আমরা পাইথন নিয়ে কাজ করি, পাইথনের পরে এখন আমরা জেনারেটিভ যে ল্যাঙ্গুয়েজ মডেলগুলো আছে তাদের সাথে যখন আমি যোগাযোগ করব দ্যাট বিকামস ইভেন মোর ইজিয়ার। এখন আমার কোন সিনট্যাক্স মনে রাখতে হয় না। তার মানে হচ্ছে গিয়ে একটা এআই সিস্টেমস থেকে আমাকে একটা কাজ বের করতে হলে বিকজ দিন শেষে ইটস অল এবাউট গেটিং দা জব ডান। আই ডোন্ট নিড টু নো। আমার কিন্তু কোন কিছু শেখার দরকার নেই। আমার কোন প্রোগ্রামিং ল্যাঙ্গুয়েজ আমি শিখতে চাই না। আমি কিছুই শিখতে চাই না। আই ডোন্ট ওয়ান্ট টু লার্ন এনিথিং। টেল ইউ ফ্র্যাঙ্কলি আই ডোন্ট ওয়ান্ট টু লার্ন এনিথিং। আই ওয়ান্ট টু গেট দা জব ডান। সো ইফ আই রিয়েলি ওয়ান্ট টু গেট মাই জব ডান, ইফ আই রিয়েলি ওয়ান্ট টু গেট মাই জব ডান হোয়াট আই উড ওয়ান্ট টু ডু? লেস ইনপুট মোর আউটপুট। সো এখন লেস ইনপুট থেকে মোর আউটপুট এটা আসলে এভাবে চিন্তা করা যায় যে আমরা যখন জেনারেটিভ এআই মডেলের সাথে কথা বলি তখন জেনারেটিভ ল্যাঙ্গুয়েজ মডেলটা কত সহজে আমার ব্যাপারটা বোঝে যাতে আমি তার কাছ থেকে কাজটা বের করে আনতে পারি। সেজন্য যেমন আমি রিসেন্টলি একটা সফটওয়্যার নিয়ে কাজ করছিলাম যেটা জেনারেটিভ এআই স্পেশালি ফর টেন্ডার বিডিং। মানে টেন্ডার আমরা আমরা তো জানি যে আমরা টেন্ডার যখন বিভিন্ন টেন্ডার সাবমিশন হয় ইটস এ নাইটমেয়ার। ইটস এ নাইটমেয়ার। আমরা যখন বিভিন্ন টেন্ডার বিডিং এ কাজ করি প্রতিটা ক্লজ ধরে ধরে টেন্ডারের যে আমাকে বিড প্রসেস তৈরি করতে হয় এবং তার পাশাপাশি অনেক টেবিল তৈরি করতে হয়। যে টেবিলে উনারা এটা চেয়েছেন, আমি এটা রেসপন্স করছি এবং এটাকে আমি যে কমপ্লাই করছি কমপ্লাই করার জন্য আমাকে অনেক কিছু কিন্তু এর সাথে মিলিয়ে দিতে হয়। সো এখন টেন্ডার সাবমিশন প্রসেস হ্যাজ বিকাম এ লট ইজিয়ার। এ কারণে যে জেনারেটিভ এআই জেনারেটিভ এআই অথবা আমরা কিছু ল্যাঙ্গুয়েজ মডেল তৈরি করতে পারি কাইন্ড অফ লাইক টেন্ডার টেন্ডার স্পেসিফিক। টেন্ডার স্পেসিফিক ল্যাঙ্গুয়েজ মডেল যেটা ধরা যাক বাংলাদেশের যেকোনো টেন্ডার প্রসেসের জন্য কাজ করতে পারে। বিকজ ইট হ্যাজ এ কাইন্ড অফ লাইক প্রসেস যে কিভাবে বাংলাদেশের জন্য হবে। সো সেইজন্য আমরা বলছি যে আমরা যদি একটা জেনারেটিভ এআই থেকে একটা কাজ বের করে আনতে চাই দেন দা ফার্স্ট থিং উই নিড টু আন্ডারস্ট্যান্ড যে আমার ল্যাঙ্গুয়েজ মডেলটা সবচেয়ে ভালো কি হলে কাজ করবে। মানে যেমন আমার একটা বাচ্চাকে যখন আমি একটা কোন কিছু বলি যে তুমি এটা করো। আমার আমার বাচ্চাটাকে বাবা সোনা বলে মাথায় হাত বুলিয়ে আমাকে এটা ইয়ে করতে হয়। আবার এর পাশাপাশি আমি যখন আরেকজনের সাথে কথা বলি তখন কিন্তু আমি সেটা ইউজ করি না। সো যার জন্য যেটা প্রযোজ্য সেই এখন এআই জেনারেটিভ এআই এর সাথে যেটা আমার প্রযোজ্য সেটা আমাকে বুঝতে হবে। সো জেনারেটিভ এআই আমার কাছে মনে হয় যে জেনারেটিভ এআই ইজ ইজ রিয়েলি ইন ন্যাসেন্ট স্টেজ যেখানে আমাকে ওকে অনেক কিছুই টিউন করতে হবে। ওকে অনেক কিছু শেখাতে হবে, অনেক কিছু বুঝাতে হবে। বুঝালেই কিন্তু সে তখন এটাকে আউটপুট দিবে। সো আমাদের এখানে সবচেয়ে বড় যে কাজটা হবে সেটা হচ্ছে গিয়ে গেটিং দা রাইট আউটপুট টু ফর গেটিং দা রাইট আউটপুট আমাকে মিনিমাম কি ইনপুট দিলে সে আমার কাজটা বের করে দিবে। যদি আমি টেন্ডারের কথা বলি যে টেন্ডার ইভলিউশন মানে টেন্ডার ইভ্যালুয়েট যারা করছেন তাদের মাথার ভেতরে কি চলছে সেটাকে বুঝতে হবে আমাদের জেনারেটিভ এআই। আমাদের জেনারেটিভ এআই যদি বুঝে যে একটা টেন্ডার সাবমিশনের জন্য এই এই ক্রাইটেরিয়া। দিস আর অফিশিয়াল ক্রাইটেরিয়া বাট অলসো সাম আনঅফিশিয়াল আন্ডারস্ট্যান্ডিং যে একচুয়ালি একটা টেন্ডার যখন সাবমিশন হয় তার মধ্যে ল্যাঙ্গুয়েজ তারপর হচ্ছে গিয়ে নুয়ান্স, সে কি ধরনের টোন চাচ্ছে, সেই টোনের আন্ডারস্ট্যান্ডিং তাকে কিভাবে বললে উনি এটা আরো ভালোভাবে বুঝবেন। এই জিনিসটা কিন্তু এখন জেনারেটিভ এআই তে নেওয়া সম্ভব এবং অনেক কোম্পানি কিন্তু ইদানিং করছে যে টেন্ডার টেন্ডার সাবমিশনের জন্য জেনারেটিভ এআই ব্যবহার করছে। আমি একটা উদাহরণ দিলাম। আই এম জাস্ট সাইটিং এন এক্সাম্পল যে টেন্ডার সাবমিশনের জন্য কিন্তু আমরা জেনারেটিভ এআই মডেল ব্যবহার করছি এবং আমি এখানে বেশ কিছু জিনিস নিয়ে কাজ করছিলাম যে টেন্ডার সাবমিশনের জন্য যেই ল্যাঙ্গুয়েজ গুলো ব্যবহার করি সেই ল্যাঙ্গুয়েজ গুলোর যে যে জন্য আমরা আসলে বলি যে দা নুয়ান্স অফ দা টোন। মানে আসলে টেন্ডার সাবমিশনের জন্য টোন কি হবে? এক্সপ্রেশনটা কি হবে? ফাইন্ডিং দা রাইট ওয়ার্ড টু কনভে মিনিং। মানে উনি কি মিনিং চাচ্ছেন আমি কি সেই মিনিংটা উত্তর দিতে পারছি কিনা এন্ড আলটিমেটলি যেটাকে আমরা বলি যে হাউ ল্যাঙ্গুয়েজ ইজ নট জাস্ট এ প্যাসিভ মিডিয়াম টু এক্সচেঞ্জ আইডিয়াস বাট সামথিং দ্যাট ইম্প্যাক্টস দা ফিজিক্যাল ওয়ার্ল্ড। অফকোর্স দিন শেষে ইটস অল এবাউট ফিজিক্যাল ওয়ার্ল্ড। সো ফিজিক্যাল ওয়ার্ল্ডে আমরা কিভাবে কাজটা পাচ্ছি। একটা টেন্ডার সাবমিট করে আমি কিভাবে কাজটা পাচ্ছি। সেই আন্ডারস্ট্যান্ডিংটাও আমাকে পেতে হবে এবং আমাকে এটা নিয়ে কাজ করতে হবে আমার জেনারেটিভ মডেলে। সো এইজন্য আমি বলছি যে আমরা যেভাবে ভাবি যে জেনারেটিভ মডেলে আমি সবকিছু ফেলে দিব ইট উইল ডু দা রেস্ট। এটা আসলে এখনই হবে না। এটার জন্য একটু সময় লাগবে বাট তাকে এই রাস্তায় আনার জন্য জেনারেটিভ মডেলকে টেন্ডার সাবমিশন প্রক্রিয়াটা বুঝিয়ে তাকে এই রাস্তায় আনার জন্য আমি যদি তাকে প্রপারলি প্রম্পট দিতে পারি প্রপার প্রম্পট দিতে পারি দেন আই এম দা উইনার। বিকজ আমি সবচেয়ে কম সময় খরচ করে সবচেয়ে কম ইনপুট দিয়ে সবচেয়ে বেশি আউটপুট আমি পেলাম। আজকে এই পর্যন্তই থাকছেন তো সামনে?

সহজ বাংলায় 'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং

সহজ বাংলায় 'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং পডকাস্ট - ০২.mp3

ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং নিয়ে দ্বিতীয় পডকাস্টে স্বাগতম। প্রথম পর্বে যা বলেছিলাম সেটাকে একটা সারমর্ম করি। ধরে নিন একটা বাচ্চা পৃথিবীতে এলো। তার আশেপাশে সবাই কথা বলছে বিভিন্ন ভঙ্গিতে। তাকে আসলে শেখানো হয়নি যে ভাষার রুলগুলো কিভাবে কাজ করছে। বরং সে মাসের পর মাস দেখছে যে তার আশেপাশের লোকজন কিভাবে যেন কথা বলছে। শেষমেষ সে উপায়ান্তর না দেখে কোন ধরনের রুল সেট না জেনেই মানুষ কিভাবে কথা বলছে সেই প্যাটার্নটা বের করে সে আশেপাশের মানুষকে মিমিক করছে। মোদ্দা কথা হচ্ছে বাচ্চাটার মাথার নিউরাল নেটওয়ার্ক আশেপাশের সবকিছু প্যাটার্ন ধরে ভাষার ব্যবহার শুরু করে দিয়েছে কোন ধরনের গ্রামার বা অক্ষর জ্ঞান ছাড়াই। সত্যি কথা বলতে আমি যখন মেশিন লার্নিং বা ডিপ লার্নিং নিয়ে কাজ শুরু করলাম তখন এই নিউরাল নেটওয়ার্কের সাথে যে বাচ্চাদের যে একটা কানেকশন সেটা খুঁজে পেলাম এর ভেতরে গিয়ে। বাচ্চাদেরকে শেখানো আর মেশিনকে শেখানো পুরোটাই একই জিনিস। বড় হয়ে যখন আমি ক্যারেট ক্রুজে গেলাম তখন এই বাংলা গ্রামারেও পাশ করতে আমার বেশ কষ্ট হয়েছিল। এর অর্থ হচ্ছে ভাষা এমন একটা জিনিস যার জন্য কোন ধরনের কমপ্লিট ম্যানুয়াল তৈরি করা সম্ভব না। আমরা কখনোই বলতে পারি না যে ভাষা এভাবেই হতে হবে আর এর বাহিরে হলে চলবে না। তাহলে তো আমরা সাহিত্যের মুনশিয়ানা দেখতে পেতাম না। আমাদের বাচ্চারা যখন ভাষাকে ব্যবহার করছিল আমাদের সাথে ইন্টারেক্ট করার জন্য তখন তাদের একিউরেসি বাড়ছিল আশেপাশের ফিডব্যাকের উপর ভিত্তি করে। এর মানে ওরা মাঝে মাঝে শব্দগুলোকে মুখস্ত করে মাঝে মাঝে সেটাকে গোঁজামিল দিয়ে মাসের পর মাস এই একই ধরনের রিকার্সিভ একটা প্রসেস চালাতো একটা মানসিক মডেল তৈরি করতে মাথার ভেতরে। আমাদের বাচ্চাদের মাথা আশেপাশে প্যাটার্ন ধরে বুঝে ফেলতো যে কিভাবে একটা বাক্যে কোন শব্দের পরে কোন শব্দটা আসতে পারে। মানে কোন ধরনের অক্ষর বা গ্রামার না শিখেও বাচ্চারা এক ধরনের জোড়াতালি দিয়েই বাক্য তৈরি করতে পারতো তখনই। অবশ্যই এই পুরো জিনিসটা ইমপ্রুভ করেছে যখন বাচ্চারা স্কুলে ভর্তি হলো। তবে আমার কথা হচ্ছে বাচ্চারা স্কুলে ভর্তি হওয়ার আগেই একটা কমপ্লিট বাক্য বলতে পারতো নিজে থেকেই। ভালো কথা বাচ্চা এবং মেশিনের মধ্যে সম্পর্ক বোঝা শেষ। এখন আমাদের ভাষাকে এমনভাবে এনকোড করতে হবে যাতে কম্পিউটার বুঝতে পারে। এখন আপনাদের জন্য আমার প্রশ্ন একটাই আমরা কি অক্ষর এনকোড করব নাকি শব্দ নাকি বাক্যের মধ্যে অক্ষরের সিকুয়েন্স। আজকে এ পর্যন্তই থাকছেন তো তৃতীয় পডকাস্টে।

সহজ বাংলায় 'বাংলা' ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং

AI Prompt Architecture কোম্পানির নিজস্ব চ্যাট-জিপিটি দরকার আছে কী প্রম্পট আর্কিটেক্টিং'.mp3

এই প্রশ্নটা প্রায় আসতেই পারে যে আমরা কি আমাদের নিজস্ব এলএলএম তৈরি করব কিনা মানে আমরা কি আমাদের নিজস্ব লার্জ ল্যাঙ্গুয়েজ মডেল তৈরি করব কিনা কারণ অফকোর্স আমরা যখন ওপেন এআই বা অন্যান্য প্রোডাক্ট বা আমরা ব্যবহার করব অফকোর্স তাদের আমরা এপিআই ব্যবহার করতে পারি কিন্তু এখন আমাদের যেকোনো কোম্পানির জন্য কি আমাদের নিজস্ব এলএলএম দরকার আছে কিনা বা আমরা নিজস্ব এলএলএম তৈরি করতে পারি কিনা বা আমরা আসলে কোন রাউটটা নিতে পারি। এখানে ব্যাপারটা এরকম হতে পারে যে আমরা আমাদের কোম্পানি বিভিন্ন কোম্পানির বিভিন্ন প্রবলেম থাকে এই ওই প্রবলেম স্পেসটা যদি আমি আগে ঠিকমত আইডেন্টিফাই করতে পারি এবং প্রবলেম স্পেসটাকে যদি আমরা ঠিকমত আমরা প্রম্পটিং এর মধ্যে আনতে পারি তখন আমরা হয়তোবা এটার একটা সিদ্ধান্ত নিতে পারি। তবে এটা ঠিক যে যে জিনিসটা বারবার বলা হচ্ছে যে আমরা কি আমাদের নিজস্ব চ্যাট জিপিটি দরকার মানে আমরা কি আমাদের নিজস্ব চ্যাট জিপিটি তৈরি করব নাকি আমরা আমাদের এক্সিস্টিং মানে আমাদের এক্সিস্টিং কোন মডেল সেই এক্সিস্টিং মডেলটাকে আমরা ফাইন টিউনিং করব। আর আরেকটা ব্যাপার হচ্ছে যে আমরা যদি নিজস্ব এলএলএম তৈরি করতে চাই ওপেন এআই ইজ এ আমি বলি যে রিচ কোম্পানি এন্ড অলসো গুগল এর বার্ড এন্ড ডিপ মাইন্ড দে আর রিচ কোম্পানি বিকজ গুগল ইজ ব্যাকিং ডিপ মাইন্ড এন্ড অলসো মাইক্রোসফট ইজ ব্যাকিং ওপেন এআই। সো দে আর ক্যাশ রিচ দে হ্যাভ এভরিথিং অলমোস্ট এভরিথিং। সো দে হ্যাভ দেয়ার ওন চ্যাট জিপিটি অর দে হ্যাভ দেয়ার ওন বার্ড দ্যাট মিন্স দে হ্যাভ দেয়ার ওন এলএলএম এন্ড দা লার্জ ল্যাঙ্গুয়েজ মডেল। বাট কোম্পানিজ ইন দা মিডল স্পেস যারা আসলে এটা নিয়ে কাজ করতে চায় তারা কি করবে? তারা এখন এটা ওপেন এআই থেকে এপিআই নিয়ে কি আমরা কাজ করব নাকি আমরা আসলে এর পাশাপাশি আমাদের নিজস্ব এলএলএম তৈরি করার চেষ্টা করব নাকি আমরা একটা এক্সিস্টিং এলএলএম যেমন আমি দেখছিলাম ওপেন সোর্স বেশ কিছু এলএলএম তৈরি হয়েছে তার মধ্যে এখানে আমি দেখছি যে ফ্যালকন 40বি ফ্যালকন 40বি এটা একটা ভালো মডেল আমি দেখছি। সো এর পাশাপাশি আরো কিছু কোম্পানি স্পেশালাইজ অফশুট কোম্পানিজ যেমন আমি দেখছি যে স্পেশালি একটা অফশুট কোম্পানি আছে অ্যানথ্রোপিক যেটা হচ্ছে গিয়ে প্রায় 124 মিলিয়ন ডলার দিয়ে শুরু করেছে হুইচ ইজ আই উড সে স্মল প্লেয়ার ইন দিস স্পেস। সো অফকোর্স আমরা যদি আমাদের নিজস্ব চ্যাট জিপিটি তৈরি করতে চাই ধরা যাক আমরা আমরা নিজস্ব আমাদের চ্যাট জিপিটি তৈরি করতে চাই তাহলে আমাদের প্রায় 45 টেরাবাইট 45 টেরাবাইট অফ টেক্সট লাগবে। যেটা হচ্ছে গিয়ে আমরা বলতে পারি যে 25 মিলিয়ন কপি 25 মিলিয়ন কপি আমাদের কোরআনের 25 মিলিয়ন কপি যদি আমরা ধরি তাহলে হচ্ছে গিয়ে 45 টেরাবাইট অফ টেক্সট। তারপর হচ্ছে গিয়ে এর জন্য এই রিসার্চ টিমের জন্য একটা স্টেট অফ আর্ট আর্কিটেকচার লাগবে যে আর্কিটেকচারে এই এলএলএমটা আসলে ট্রেন করা হবে এবং তার পাশাপাশি আমার ধারণা প্রায় 200 মিলিয়ন ডলারের কম্পিউটিং পাওয়ার লাগবে। 200 মিলিয়ন ডলারের কম্পিউটিং পাওয়ার লাগবে বিফোর আন্ডারস্ট্যান্ডিং এ ট্যানজিবল রেজাল্ট। একটা ট্যানজিবল রেজাল্ট যদি আমি পেতে চাই তাহলে আমার কিন্তু প্রায় 200 মিলিয়ন ডলার কম্পিউটিং রিসোর্স আমার লাগবে। সো এখানে অফকোর্স আমি যেটা বলেছি যে ওপেন এআই এর ক্যাশ আছে প্লাস হচ্ছে গিয়ে ডিপ মাইন্ডের ক্যাশ আছে। সো তারা কিন্তু প্রায় আমি মনে করি যে ওপেন এআই প্রায় তিন থেকে চার বছর লেগেছে বাট আমি ধরে নেই দুই থেকে তিন দুই থেকে তিন বছর। দা টাইমলাইন ইজ টু টু থ্রি ইয়ার্স যদি আমি আমার ওন চ্যাট জিপিটি বের করতে চাই। এবং এর পাশাপাশি এটার কোন গ্যারান্টি নাই যে আমি আসলে আমার চ্যাট জিপিটি তৈরি করলেই যে আমার কাজ শেষ হয়ে যাবে বিকজ আমি দেখছিলাম হার্ভার্ড রিসার্চ একটা বের করেছিল যে আমাদের আসলে চ্যাট জিপির মত এরকম মডেল তৈরি করতে অলরেডি কিন্তু পৃথিবীর টেক্সট শেষ হয়ে আসছে মানে এটা আসলে আর বেশিদিন থাকবে না যেখানে নিজস্ব চ্যাট জিপিটি ফোর বা ফাইভ বা সিক্স আসতে আসতে কিন্তু টেক্সট বাকি সব টেক্সট শেষ হয়ে যাবে। সো ওই জায়গাটাতেও আমাদের চিন্তা করতে হবে। এখন আসছি হচ্ছে এক্সিস্টিং মডেলের ফাইন টিউনিং এ। অফকোর্স ফাইন টিউনিং মডেলে আমাদের যেটা হচ্ছে গিয়ে এক্সিস্টিং যে ওপেন এআই বা তাদের থেকে আমরা নিতে পারি। বাট বিগ বিগ প্লেয়ারের সাথে তাহলে আমাদের একটা ভালো খেলতে হবে যে বিগ প্লেয়ারের থেকে আমি এপিআই নিয়ে আমি আসলে সামনে আমি হ্যান্ডেল করব কিনা। আর তার পাশাপাশি আরেকটা হচ্ছে ওপেন সোর্স রাউট যদি আমি যাই তাহলে আমাদেরকে কিন্তু নিজস্ব অন প্রেম অন প্রেম হচ্ছে গিয়ে আমাদের ওপেন সোর্স প্ল্যাটফর্ম অন প্রেম আমাদেরকে এলএলএম ডেপ্লয় করতে হবে হুইচ ইজ এ কস্টলি অ্যাফেয়ার। এন্ড সেটা আসলে খুব আমার মনে হয় একটু ডিফিকাল্ট হবে। এবং আমি দেখছিলাম যে ওপেন এআই এর যে জিপিটি থ্রি জিপিটি থ্রি একচুয়ালি তাদের ওয়েবসাইটে বলেছে যে ওয়ান্স এ মডেল হ্যাজ বিন ফাইন টিউন ইউ ওন্ট নিড টু প্রোভাইড এক্সাম্পলস ইন দা প্রম্পট এনিমোর। দিস সেভস কস্ট এন্ড এনেবল লোয়ার ল্যাটেন্সি রিকোয়েস্ট হুইচ ইজ ট্রু। তার মানে হচ্ছে গিয়ে আমরা কিন্তু চ্যাট জিপিটি থ্রি কেও ফাইন টিউনিং করে নিতে পারি বাট এটা আমাদের আসলে আমাদের সাথে যাবে কিনা। আর ওপেন সোর্স মডেল একটু আগে আমি যেটা বললাম যে যেটা ভালো ভালো একটা দেখছি যে ফ্যালকন 40বি এটা সাফিশিয়েন্টলি পারমিটিভ লাইসেন্স আছে এবং এখানে কিন্তু এটা ইলাবোরেশন মানে এটার ফাইন টিউনিং ইলাবোরেশন কিন্তু এক্সপেন্সিভ একটা ফাইন টিউনিং। সো এখন ফাইন টিউনিং এ কিন্তু যে একদম প্রবলেম নাই সেটাও না। ফাইন টিউনিং এর একটা বড় প্রবলেম হচ্ছে গিয়ে আসলে কন্ট্রাক্ট জেনারেশন মানে যদি আমরা যদি কাস্টমার সার্ভিস অ্যাপ্লিকেশন তৈরি করতে চাই তার জন্য কিন্তু এটা আসলে এখনো নাই। বাট আমার কাছে মনে হচ্ছে যে যদি বিগেস্ট প্লেয়ারের কাছ থেকে আমরা যদি একটা এপিআই কিনি ধরা যাক আমরা এখানে প্রায় 250 কে 250 কে মানে 250000 ডলার কে ইনভেস্ট করতে হবে যদি আমরা একটা বিগ প্লেয়ারের কাছ থেকে এপিআই কিনে যদি ফাইন টিউনিং করতে চাই। সো দ্যাট ইজ অলসো লাইক কাইন্ড অফ লাইক সেটাকে যদি আমাদের অন প্রেম যদি আমাদের ইনভেস্ট করতে হয় সেখানেও প্রায় 200 কে 200 কে এর মতো আমাদের ইনভেস্ট করতে হবে। সো এটা আসলে কাইন্ড অফ লাইক অফকোর্স এদিকে আমাদের মনে হতে পারে যে হ্যাঁ অল ইজ ফাইন বাট দেন দেয়ার ইজ এ প্রবলেম যেই প্রবলেমটা আমার মনে হয় যে এটা ঠিক হয়ে আসবে জাস্ট আর এক দুই বছরের মধ্যে ঠিক হয়ে আসবে। দা প্রবলেম অফ হ্যালুসিনেশন যে আমাদের যদি কাস্টমারকে যদি ধরা যাক আমাদের কাস্টমারকে যদি সে এমন কিছু বানিয়ে বানিয়ে মেসেজ দেয় সেটা আসলে ইট ওন্ট বি গুড ইট ওন্ট বি গুড। সো সেজন্য বলছি যে এই সবকিছু ফ্রি স্পিরিটেড মডেলগুলোকে আমি আসলে আমার মত করে চালাতে পারব কিনা। সো সেটা একটা বড় ব্যাপার। আর এই হ্যালুসিনেশন থেকে যদি আমাদেরকে বের হতে হয় তাহলে আমার কাছে মনে হচ্ছে যে হ্যালুসিনেশন থেকে বের হতে গেলে সবচেয়ে বড় যে জিনিসটা যেকোনো ডেটা সাইন্টিস্ট বলবে যে হ্যালুসিনেশন থেকে বের হতে হলে আমাদেরকে উই হ্যাভ টু অ্যাড মোর ডেটা উই হ্যাভ টু অ্যাড মোর ডেটা এন্ড দেন অফকোর্স এডিং মোর ডেটা ইজ অলসো এক্সপেন্সিভ আবার যেখানে আসলে সামনে এডিং ডেটা উড নট বি এ কাইন্ড অফ লাইক ফিজিবল অপশন। সো যদি আমরা অন প্রেমে ফাইন টিউনিং অ্যাপ্রোচে যাই তাহলে আমার কাছে মনে হচ্ছে যে সবকিছু মিলিয়ে এটা একটা হাফ এ মিলিয়ন ডলারের বাজেট লাগবে। হাফ এ মিলিয়ন ডলার বাজেট হুইচ ইজ লাইক 500 কে 500 কে ডলার। সো এটা ডিফিকাল্ট আবার ডিফিকাল্ট নাও হতে পারে। তবে যেটা এখন আমি শুনছি যেটা একচুয়ালি অনেকে বলছে এবং যেটা আসলে আমার মনে হচ্ছে যে এটা একটা ভালো ওয়ে হতে পারে। সেটা হচ্ছে প্রম্পট আর্কিটেকটিং প্রম্পট আর্কিটেকটিং এটা হচ্ছে গিয়ে মাইট বি এ গুড ওয়ে বিকজ আমরা যারা ছোট কোম্পানি মাঝারি কোম্পানি উই উই ক্যান নট একচুয়ালি অ্যাফোর্ড টু ইনভেস্ট দিস কাইন্ড অফ লাইক দিস ফিগারস যেটা আমি আলাপ করছিলাম। সো তাহলে প্রম্পট আর্কিটেকটা কি হতে পারে? যে আসলে আমাদের যেইটা আছে যেই আমাদের যেই ডেটা আছে আমাদের কোম্পানিতে যেই ডেটাগুলো আছে সেই ডেটাগুলোকে প্রশ্ন এবং প্রশ্নের উত্তরগুলোকে আমি কি ঠিকমত ফাইন টিউনিং করতে পারি কিনা মানে কিছু কিছু প্রশ্ন আছে যেই ফ্রিকোয়েন্টলি আস্ক কোশ্চেন টাইপ কিন্তু সেই আমার কাছে যদি আমার কোম্পানির ডেটা আছে যেমন আমার কোম্পানির কাছে আমার বেশ কিছু ডেটা আছে। সো এই ডেটা যেগুলো আছে সেই ডেটাগুলোকে আমি কি ফাইন টিউনিং করতে পারব কিনা মানে এই ফাইন টিউনিং মানে হচ্ছে কি আমি এটাকে প্রশ্ন এবং উত্তর এটাকে আমি ঠিকমত আসলে এটাকে আর্কিটেকটিং করতে পারব কিনা বিকজ আমার এক্সটার্নাল এবং ইন্টার্নাল যেটাকে আমরা বলছি যে রিপ্রোডিউসেবল রিপ্রোডিউসেবল এবং রিলায়াবল আউটকাম যদি হয় তাহলে আমাকে আসলে এটা নিয়ে ওয়ার্ক আউট করতে হবে। সো কাইন্ড অফ লাইক আমরা যেটা বলি যে আমার যে এক্সিস্টিং ডেটা আছে সেই ডেটা থেকে আমি যদি প্রশ্ন এবং উত্তরটাকে যদি আমরা ঠিকমত লেভেলিং করতে পারি ঠিকমত যদি ফাইন্ডিং টিউনিং করতে পারি তাহলে এটা একটা কাজ করতে পারে। সো এজন্য আমাদেরকে একটা সফটওয়্যার প্রোডাক্ট বানাতে হবে যেই সফটওয়্যার প্রোডাক্টটা উড ক্লেভারলি ইউজ প্রম্পট যে আমি প্রম্পট আর্কিটেক্টের মাধ্যমে আসলে যেটা হচ্ছে যে যেটাকে আসলে অনেকে বলতেছে যে এই প্রতিটা প্রম্পটকে প্রতিটা প্রম্পটকে ইঞ্জিনিয়ারিং না করে আমরা আসলে পুরো যে সফটওয়্যারটা আছে সেই সফটওয়্যারটাকে চেইনিং বা কম্বাইনিং বা জেনারেটিং হাজার হাজার প্রম্পট আমরা তৈরি করা। তার মানে হচ্ছে কি আমরা নিজেরা প্রম্পট তৈরি করব এবং প্রম্পটটা তৈরি করলে সেই প্রম্পটের উত্তর কি আসবে সেটাই হচ্ছে গিয়ে আমাদের এখন দেখার বিষয় যে আমি প্রচুর আমার সফটওয়্যার দিয়ে প্রচুর প্রম্পট তৈরি করব এবং প্রম্পটগুলোকে আমি ফাইনালি একটা লেভেলে আমি ওটাকে দেখব যে আসলে আমার প্রম্পটটা কিভাবে উত্তর আসছে। সো এটা একটা বড় ওয়ে হতে পারে। বাট এর পাশাপাশি আমি মনে করি যে যতটুকু আমি ইনভেস্ট করছি সেটাকে আমি আবার আমাকে ট্রায়াল দিয়ে দেখতে হবে যে আসলে এটা আমাদের এখানে ঠিকমত কাজ করছে কিনা। আর ফাইনালি অফকোর্স আমাদেরকে যেটা করতে হবে যে আমাদের যেই এলএলএমটা আমাদের কোম্পানিতে আমি মনে করছি যে আমাদের কোম্পানির যে ডেটাটা আছে সেই কোম্পানির ডেটাটাকে আমি কি ঠিকমত ওইটাকেই কি আমি প্রম্পট জেনারেশনে ব্যবহার করতে পারব কিনা মানে অনেকগুলো প্রম্পট জেনারেশনে সেটা যদি আমরা ঠিকমত দেখতে পারি তাহলে আমাদের মনে হয় কাজটা হয়ে যাবে। আজকে এই পর্যন্তই থাকছেন তো সামনে?

অটোমেশন: ধারণা

ম্যাসিভ লেঅফ এড়াতে সবকিছুর সাথে ডাটা অ্যানালাইটিক্স স্কিল Data Analytics Skill to avoid layoffs.mp3

আপনারা সবাই জানেন যে আমি বাসা শিফট করে এসেছি একটা নতুন জায়গায়। তবে যখন আমি বাসা শিফট করছিলাম তখন আমি বুঝতে পারছিলাম না তবে এখন আমি বুঝতে পারছি যে যেমন আমার ঠিক যে জালনা জালনা থেকে প্রায় 100 গজ দূরে পাইলিং হচ্ছে মানে একটা নতুন একটা বিল্ডিং হচ্ছে একটা বহুতল একটা বহুতল বিশিষ্ট একটা বিল্ডিং এখানে মানে উঠবে। তো আমরা দেখছি যে এই পাইলিং এর শব্দ এই পাইলিং এর শব্দটা কিন্তু প্রচুর এবং পাইলিং এর শব্দের কারণে আসলে রেকর্ডিং এর অলমোস্ট 12টা বেজে গেছে। তবে আপনি দেখুন যে আমাদের রেকর্ডিং এ কোন পাইলিং এর শব্দ নেই। দিস ইজ আই উড সে ম্যাজিক অফ এআই। মানে এটাকে আমি বাজওয়ার্ড বলবো না। আমি বলবো যে আমার হিউম্যান ভয়েসের যে ফ্রিকোয়েন্সি রেঞ্জ এবং তার পাশাপাশি পাইলিং এর জন্য যে ফ্রিকোয়েন্সি রেঞ্জ বা উপর দিয়ে যে বিমান যাচ্ছে বিমানের যে ফ্রিকোয়েন্সি রেঞ্জ বা অন্যান্য ফ্যানের জন্য যে ফ্রিকোয়েন্সি রেঞ্জ আমরা যদি নয়েজ প্রোফাইলিং ঠিকমত করতে পারি নয়েজ প্রোফাইলিং করে ফেললে আমাদের হিউম্যান ভয়েস মানে আমার যে হিউম্যান ভয়েস এবং আমার অন্যান্য পাইলিং এর শব্দ এটাকে কিন্তু ডিস্টিংক্টলি আলাদা করা সম্ভব। আর আমরা সেটাই বলছি যে যদি আমরা এভাবে ডিস্টিংক্টলি আলাদা করতে পারি তাহলে কিন্তু আমাদের অনেক কিছুই অনেক কিছুই এআই ভিত্তিক অনেক কাজ করা সম্ভব। সো আজকে আমরা ফিরে আসি যে টপিকে সেটা হচ্ছে যে গ্লোবালি প্রচুর গ্লোবালি প্রচুর লেঅফ হচ্ছে হাইটেক ইন্ডাস্ট্রিতে। এই হাইটেক ইন্ডাস্ট্রিতে কেন লেঅফ হচ্ছে সেটা নিয়ে আমি আরেকদিন আসবো। তবে আমরা যেটা দেখছি যে হাইটেক ইন্ডাস্ট্রি থেকে মিডল টেক আমি লো টেকের কথা বলছি না মিডল টেক মানে আমি বলতে চাচ্ছি যে ডেটা নিয়ে কাজ করা মানে ডেটা অ্যানালিটিক্স মানে শুরুটা মানে ডেটা নিয়ে কাজ করার শুরুটা হচ্ছে ডেটা এনালাইসিস। মানে আমরা ডেটাকে এনালাইসিস করে দেখবো যে ডেটার ভেতরে কি আছে। সো আমরা যদি এই লেঅফ এড়াতে চাই মানে আমি বলছি যে আজকে আমি যে কোন কাজই হোক না আমি সেলসের মানুষ হই, আমি মার্কেটিং এর মানুষ হই, আমি লিগাল ফ্রেমওয়ার্কের মানুষ হই, আমি যদি ইভেন যারা একটা বিল্ডিং এ অ্যাক্সেস কন্ট্রোল নিয়ে কাজ করে বিল্ডিং এ অ্যাক্সেস কন্ট্রোল নিয়ে কাজ করলে তাদেরকেও কিন্তু ডেটা এনালাইসিস শিখতে হবে। তাহলেই কিন্তু দেখা যাচ্ছে যে এ ধরনের মাস লেঅফ বা এটা থেকে বাঁচা সম্ভব। একটাই কারণে যে তার একটা এক্সট্রা স্কিল মানে যে যেই ফ্রেমওয়ার্কে থাকুক না কেন আমি যদি আজকে এডমিনিস্ট্রেশনের লোক হই যে যিনি একটা অর্গানাইজেশনের এডমিনিস্ট্রেটিভ এডমিনিস্ট্রেশন নিয়ে কাজ করছি তারও ডেটা এনালাইসিস করতে পারা সম্ভব বিকজ তার কাছে প্রচুর ডেটা আসছে এবং সেই ডেটাগুলোকে আসলে ইভেন এইচআর এইচআর এর মধ্যেও কিন্তু প্রচুর ডেটা এনালাইটিক্স আসছে এবং সেই ডেটা এনালাইসিস মানে ডেটা আছে। সো এই ডেটা থেকে কিভাবে আমরা যে আমাদের ইনসাইট ডেটা থেকে আমাদের ইনসাইটটা পাওয়ার জন্য কিন্তু আমাদের আসলে মেইন ব্যাপার যে ডেটাকে ঠিকমতো আমরা পড়তে পারছি কিনা ডেটাকে আমরা ঠিকমতো বুঝতে পারছি কিনা বা ডেটা থেকে আমাদের ধারণাটা ক্লিয়ার কিনা বিকজ উই শুড বি এবল টু কোশ্চেন দা ডেটা। মানে আমরা সবসময় যেটা বলি যে আমার কাছে প্রচুর ডেটা আছে বাট আই শুড বি নোইং আমি জানতে আমার জানা উচিত যে হাউ টু কোশ্চেন হাউ টু কোশ্চেন দা ডেটা। মানে আমি যদি প্রপারলি যদি ডেটাকে কোশ্চেন করতে পারি দেন আই উড বি গেটিং দা অ্যানসার দা প্রপার দা রাইট অ্যানসার। বিকজ অনেক সময় যেটা হয় যে আমরা প্রচুর ডেটা আমরা স্টোর করছি কিন্তু ডেটাকে ঠিকমতো এনালাইসিস করতে পারতে হলে উই শুড বি আস্কিং দা রাইট কোশ্চেন এন্ড ইফ আই নো হোয়াট ইজ দা কোশ্চেন দেন অবভিয়াসলি দিস ইজ দা অ্যানসার বিকজ আইনস্টাইন কিন্তু অনেক আগে বলেছেন যে আমরা যদি আমাকে যদি দুই ঘন্টা সময় দেওয়া হয় আমি হয়তোবা দুই ঘন্টা আমি এক ঘন্টা 45 মিনিট সময় নষ্ট করব যে টু আন্ডারস্ট্যান্ড দা কোশ্চেন টু আন্ডারস্ট্যান্ড দা কোশ্চেন। সো আমাদের এই এটাই ব্যাপার যে ডেটা একটা র মেটেরিয়াল ডেটা আমরা আমার মানুষের মত অভিজ্ঞতা কিন্তু এই ডেটাটাকে কোশ্চেন করতে পারাটা হচ্ছে গিয়ে একটা বড় স্কিল নাম্বার ওয়ান নাম্বার টু হচ্ছে গিয়ে আই শুড বি এবল টু নো হাউ ডু আই ফ্রেম দা কোশ্চেন। মানে আমার কাছে ডেটা আছে হাউ ডু আই ইভেন ফ্রেম দা কোশ্চেন ডু আই নো ডু আই নো হাউ টু হাউ টু আস্ক দা কোশ্চেন। সো এই যে ব্যাপারটা যে আমাদের ডেটা থেকে ব্যাপারটা বুঝতে ডেটা থেকে উত্তর পাওয়ার জন্য আমাকে রাইট প্রশ্নটা করতে হবে এবং রাইট প্রশ্নটা করতে পারার জন্য আমাকে আসলে ডেটা এনালাইসিস শিখতে হবে। আমি ডেটা এনালাইসিস ডেটা এনালাইটিক্স এর উপর গত বছর একটা বই লিখেছিলাম সেটা আমি আসলে সময়ের অভাবে পাবলিশ করতে পারিনি। এ বছর ইনশাল্লাহ আমি পাবলিশ করছি। বাট এর পাশাপাশি আমি হয়তোবা শুরু করছি গুগল ডেটা এনালাইটিক্স সার্টিফিকেশন কোর্সটা। মানে গুগল ডেটা এনালাইটিক্স সার্টিফিকেশন কোর্সটা আমি হয়তোবা শুরু করব কারণ আমি দেখছি যে টু স্টার্ট উইথ ডেটা ডেটা মানে আমরা যদি ডেটাকে ঠিকমত বুঝতে চাই তাহলে এই গুগল এর এই ডেটা এনালাইটিক্স সার্টিফিকেশন কোর্সটা অসাধারণ অসাধারণ। আমার বাচ্চারা আমার দুই বাচ্চার আমার তখন ও ক্লাস নাইনে পড়তো। নাইনে পড়ে কিন্তু ও নিজে থেকে ও পড়েছে নিজে থেকে সে পরীক্ষা দিয়েছে নিজে থেকে সে পাশ করেছে। তার মানে হচ্ছে কি এটা কিন্তু ক্লাস নাইনের বাচ্চা যদি পারে সবাই করতে পারবে। সো ফর ডেটা দা বেসিক আন্ডারস্ট্যান্ডিং হ্যাজ টু বি দেয়ার। সো এইজন্য আমরা দেখছি যে যদি ডেটা প্রপারলি আমরা বুঝতে পারি আর সেজন্যই আমি গুগল ডেটা এনালাইটিক্স সার্টিফিকেশন কোর্সটাকে আমি মেন্টরশিপ করাবো যে কিভাবে সার্টিফিকেটটা পেতে হয় কিভাবে এটা বুঝতে হয় বিকজ ইটস নট এবাউট গেটিং দা সার্টিফিকেট। রাদার নোইং হোয়াট ইজ ডেটা এনালাইটিক্স নোইং হাউ টু ইউজ ডেটা এনালাইটিক্স ইন আওয়ার ডে টু ডে লাইফ নোইং হাউ ডু আই অ্যাড ভ্যালু হাউ ডু আই অ্যাড ভ্যালু অর হাউ ডু আই অ্যাড এক্সট্রা প্রপোজিশন টু মাই এমপ্লয়ার যে আমার বর্তমান কাজের সাথে এই ডেটা এনালাইটিক্স আমার কাজে সাহায্য করছে। তো সেখানে আমি বলছি যে আমি তাকালাম হচ্ছে কি আমার ড ডিজিটাল অডিও ওয়ার্কস্টেশন এই ডিজিটাল অডিও ওয়ার্কস্টেশনে রেকর্ড হচ্ছে। বাট আমি দেখছি যে এই রেকর্ডের পাশাপাশি প্রচুর নয়েজ সঙ্গে রেকর্ড হচ্ছে। সো আমি এটাকে নয়েজ গেট ব্যবহার করব কিছুটা কিছুটা আমি এখানে নয়েজ প্রোফাইলিং করব যাতে এখান থেকে এক্সট্রা নয়েজটা যাতে আমি সরাতে পারি। আর সবচেয়ে বড় যে জিনিসটা আমি বলতে চাই যে আমরা আসলে ডেটা এনালাইটিক্স বলেন আর ডেটা সাইন্টিস্ট বলেন সবকিছুতেই কিন্তু ডেটা। এই যেমন আমি রেকর্ড করছি এটাও কিন্তু ডেটা। সো এই ডেটাটাকে আমি যখন রেকর্ড করব রেকর্ড করার পর এটাকে আমি প্রোফাইলিং করব আমার আমার ভয়েসটাকে ঠিকমতো স্যাম্পলিং হলো কিনা বা আমার ভয়েসটা আপনারা ঠিকমতো যদি মোবাইল ডিভাইসে শোনেন মোবাইল ডিভাইসে ঠিকমতো এটা প্রপারলি কমিউনিকেশন হচ্ছে কিনা এটা স্টেরিও বা মনো বা এটা স্টেরিও ওয়াইডিং হবে কিনা বা এই এই যে ব্যাপারগুলো বা এটার মধ্যে এক্সট্রা এয়ার আমি যোগ করব কিনা বা এটার মধ্যে সাববেজ থাকবে কিনা সাববেজ আমি বাদ দিয়ে দিব কিনা এর মধ্যে মিডল মিডল যে সুইট স্পট মানে আমাদের রেকর্ডিং এর যে মিডল সুইট স্পট সেই সুইট স্পটের মধ্যে বক্সি সাউন্ডটাকে আমি রিমুভ করতে পারবো কিনা অথবা আমি বলছি যে এটাকে তিন শেষে আমাদের যে সাউন্ড মানে ভয়েস ওভার আর্টিস্ট যারা আছেন। আমি ভয়েস ওভার আর্টিস্ট না বাট আমি বলছি যে যারা ভয়েস ওভার আর্টিস্ট তারা চায় যে কিভাবে একটা ভয়েস প্রফেশনালি প্রসেসিং করা যায়। সো আমি এটাই বলছি যে ভবিষ্যতে আমি অডিও ইঞ্জিনিয়ারিং এটা নিয়েও আমি আসবো। বাট আমি বলছি যে সবকিছুই কিন্তু লিঙ্কড সিন্স আই এম ওয়ার্কিং উইথ ডেটা সো আমি আসলে সবকিছুর মধ্যে কিন্তু সহজে ঢুকতে পারছি। সেটা অডিও হোক ভিডিও হোক সবকিছুই হোক মানে সবকিছুর মধ্যে কিন্তু আমি নিজে থেকে ঢুকতে পারছি। সো দা স্টার্টিং পয়েন্ট ইজ অবভিয়াসলি দা ডেটা। আজকে আজকে এই পর্যন্তই থাকছেন তো সামনে?

অটোমেশন: ধারণা

ISP লগ এগ্রিগেশন সিস্টেম ডকার কন্টেইনার #Centralized #log #management with #Docker #Containers.mp3

যেকোনো লগ ম্যানেজমেন্ট সিস্টেমের তার দুটো পূর্বশর্ত থাকবে। একটা শর্ত হচ্ছে গিয়ে এটাকে স্ট্যান্ডার্ডাইজ কিনা। মানে আমরা যে কোনো লগ ম্যানেজমেন্ট সিস্টেম নিয়ে আমরা কাজ করতে পারি কিন্তু যদি আমার যেহেতু সিস্টেমস অফ সিস্টেমস মানে আমার ওখানে প্রচুর সিস্টেম আছে অনেকগুলো সিস্টেম আছে। সো আমার এখানে যে সিস্টেমগুলো লগ জেনারেট করছে সেই লগগুলোকে আমাদের যদি স্ট্যান্ডার্ডাইজ না করি বা সেই লগগুলোকে যদি আমরা একটা লেভেলে স্ট্যান্ডার্ড ভাবে প্রিজার্ভ না করি তাহলে কিন্তু এই জিনিসটাকে বিশেষ করে আমরা এই লগ ম্যানেজমেন্টের সবচেয়ে বড় যে অংশটা হচ্ছে গিয়ে এটাকে সেন্ট্রালাইজ সিস্টেমে নিয়ে আসা। তার মানে হচ্ছে গিয়ে লগ ম্যানেজমেন্টের দুটো জিনিস। একটা হচ্ছে গিয়ে এটাকে ঠিকমত স্ট্যান্ডার্ডাইজ করতে পারা এবং সেকেন্ড হচ্ছে গিয়ে এই লগগুলোকে আসলে একটা সেন্ট্রাল সিস্টেমে রাখা। এই দুটো জিনিসকে যদি আমরা ঠিকমত ব্যাপারে ঠিকমত যদি আমরা ওয়ার্কআউট করতে পারি তাহলে কিন্তু আমাদের একটা ভালো লগ ম্যানেজমেন্ট সিস্টেম দাঁড়িয়ে যাবে। আসলে লগ ম্যানেজমেন্ট বা অন্যান্য ব্যাপারটা আমাকে এইজন্যই করতে হবে যে ফিউচার অফ অটোমেশন বিকজ উই হ্যাভ টু ড্রাইভ ইন দা অটোমেশন ইনটু দা ইন্ডাস্ট্রি ইন এ সেন্স যে লগ থেকেই আমার অ্যাকশন পয়েন্ট মানে লগে যে অ্যাকশন পয়েন্টগুলো আছে সেই লগ থেকে আমার অ্যাকশন পয়েন্টগুলো আমরা কাজ করব। সো ইন্টেন্ট ড্রিভেন যে ডিজাইনগুলো আছে যে ইন্টেন্ট আমার যে নেটওয়ার্কের যে কাজগুলো আছে সেটার ইন্টেন্টটা বুঝে আমাকে এটাকে ওয়ার্কআউট করতে হবে। বিকজ দিনশেষে আমরা যতই এসডিএন কন্ট্রোলার বলি বা যাই বলি না কেন সেটার শুরুতে একটা অ্যাপ্লিকেশন থাকবে যে অ্যাপ্লিকেশনে আমাদের কোম্পানির পলিসি থাকবে। সেই কোম্পানির পলিসিটা কিন্তু ট্রান্সলেট ইট উইল ট্রান্সলেট ব্যাক টু দা কন্ট্রোলার যে কন্ট্রোলার আবার আরো হিউম্যান থেকে মেশিন ল্যাঙ্গুয়েজে সে বিভিন্ন রাউটার বা সুইচ বা লোড ব্যালেন্সের সাথে যোগাযোগ করে সে কাজ করবে। তার মানে হচ্ছে গিয়ে দিনশেষে উই নিড লগ এন্ড লগের এই ম্যানেজমেন্টটা খুব খুব দরকার এবং সেজন্যই আসলে আমি যদি আপনাদেরকে দেখাই যে লগের জন্য আমরা আসলে খুব বেসিক কিছু জিনিস যদি এখানে ওয়ার্কআউট করি যে আমাদের আসলে এই লগ ম্যানেজমেন্টের একটা অংশ হচ্ছে গিয়ে এটাকে ঠিকমত আমি ওয়ার্কআউট করতে পারছি কিনা। কারণ দিনশেষে আমার এই লগে আমি যে আপনাকে ডেসকটপে নিয়ে আসি সেই ডেস্কটপের যে অংশটা আছে সেখানে আমি যদি দেখাই যে আমাদের এই ডকার মানে যেকোনো একটা কন্টেইনার মানে ডকার বলবো না স্পেসিফিক ভাবে বলবো যে একটা কন্টেইনার আমার একটা কন্টেইনার লাগবে যে কন্টেইনারের মধ্যে আমি আসলে লগ ম্যানেজমেন্ট করব। তো সেখানে আমি যদি এভাবে বলি যে আমার ডকার হোক বা অন্যান্য যেকোনো ধরনের কন্টেইনার ম্যানেজমেন্ট সিস্টেম হোক এটাতে কিন্তু লগ ম্যানেজ করা সহজ। লগ ম্যানেজমেন্ট সহজ বলেই কিন্তু আমরা আসলে যেটা বলছি যে এই যে ডকারের যে লগ ম্যানেজমেন্ট সেই লগ ম্যানেজমেন্টটা কিন্তু আমার কাছে মনে হয় যে এটা অনেক ইজিয়ার। অনেক ইজিয়ার দেন দ্যাট অফ আদার লগিং সিস্টেম। বিকজ এখন যেটা হচ্ছে যে প্রতিটা সিস্টেমে কিন্তু আলাদা আলাদা লগ জেনারেট করে এবং এই লগগুলোকে একটা জায়গায় নিতে পারা। এখানে যেমন শুধুমাত্র ডকারের যে লগ আছে সেই লগগুলোকে আসলে কোথায় নেওয়া যায় বা লগগুলো আসলে কোথায় মেইনটেইন করে। দিনশেষে শুধুমাত্র যদি আমার ডকারের লগ কথা বলি ইট গেটস আউট টু দা স্ট্যান্ডার্ড ডিভাইস এসটিডি আউট যেটাকে বলা হয়। সো এই এসটিডি আউট গুলোকে আসলে কিভাবে আমাদেরকে একটা লেভেলে নিব এবং সেই লেভেলটা আসলে আমরা এখানে দেখতে পারবো যে ধরা যাক এখানে অ্যাপাচি বা এইচটিটিপি যে একটা কন্টেইনার আছে সেই কন্টেইনারের জিনিসটা কিভাবে এখানে কাজ করছে। সো ব্যাপারটা হচ্ছে গিয়ে আমরা লগ ম্যানেজমেন্টের সবচেয়ে মানে আমি ইনিশিয়াল থট প্রসেস যেটা চিন্তা করব সেটা হচ্ছে যে এটা কি স্ট্যান্ডার্ড কিনা। আর স্ট্যান্ডার্ড করতে গেলে আমাকে কি করতে হবে। দুই নাম্বার হচ্ছে গিয়ে এটাকে আমাদেরকে একটা সেন্ট্রাল লোকেশন আমাদেরকে স্টোর করতে হবে। সেন্ট্রাল লোকেশনটা কোথায় সেটা আসলে আমাদের নেক্সট স্টেপ। বাট আমাদের এই লগ ম্যানেজমেন্টটা আমরা যেটা করতে চাই সেটা হচ্ছে কন্টেইনারে করতে চাই এবং কন্টেইনারে করার জন্য আমি এটাতে সবসময় বলি যে কন্টেইনার করার জন্য দা বেস্ট অ্যাপ্রোচ টু বি লাইক ডকার। ডকারে কিন্তু এই ধরনের ম্যানেজমেন্টটা আমার জন্য মনে হয় যে এটার ম্যানেজমেন্টটা ইজি একটাই কারণে যে আমরা যেকোনো সময় যেকোনো ডকার কিন্তু আমরা উই ক্যান স্টার্ট বিল্ডিং ইট লাইক এটা যেহেতু অলরেডি আছে এবং সেখান থেকে কিন্তু আমি যেকোনো সময় অন দা ফ্লাই ডকার তৈরি করতে পারি এবং সেখানে প্রি বিল্ড লাইব্রেরি যেহেতু আছে সুতরাং আমাকে এখানে কিন্তু অনেক কিছুই করতে হয় না। সবচেয়ে বড় হচ্ছে উই ক্যান রান ডকার অন দা ফ্লাই এট দা সেইম টাইম উই ক্যান ভ্যানিশ ইট অন দা ফ্লাই। আমার আমার দরকার নেই। আমার কাজ শেষ ডকার শেষ এবং কাজের শুরুতে আই জাস্ট স্পন আই জাস্ট স্পন দা ডকার এন্ড দেন গেট দা জব ডান। সো এটাই বলছি যে আমাদের দিনশেষে এই লগ ম্যানেজমেন্টটাই কিন্তু আমাদের একটা বড় ইস্যু। আর এর পাশাপাশি লগ বোঝা ডিফিকাল্ট। বাট দেন লগের মতো অন্যান্য জিনিস আমাকে যদি বুঝতে হয় তাহলে কিন্তু আমাদেরকে ডেটা অ্যানালিটিক্স বা ভিজুয়ালাইজেশন ব্যাপারটা আমাকে বুঝতে হবে যে ডেটা অ্যানালিটিক্সটা কি ডেটা ভিজুয়ালাইজেশন কি বিকজ ডেটা ভিজুয়ালাইজেশন ইজ সামথিং লাইক আমরা একটা দেখবো সামনে সেটা ইএলকে স্ট্যাক হোক সেটা গ্রাফানা লকি হোক যেটা হোক না কেন সেটা আমরা দেখবো যে ভিজুয়ালাইজেশনের যে আসলে ডেটাটাকে আমাদেরকে কি ইনসাইট দিচ্ছে। আর দিনশেষে আমি নিজেও এই ইনসাইটে রাজি না বিকজ আই ওয়ান্ট দা মেশিন টু গেট দা জব ডান। সো এই ডকার বা অন্যান্য থেকে যেই লগটা আসবে সেই লগের উপরে আমাদের কিছু থ্রেশোল্ড ভ্যালু সেট করা থাকবে এন্ড দেন উই গেট দা অ্যাকশন ডান। আজকে এই পর্যন্তই থাকছেন তো সামনে?

অটোমেশন: ধারণা

নেটওয়ার্কের কাজ কমাতে অটোমেশন Network Automation for Network Engineers.mp3

অটোমেশন নিয়ে কাজ করতে আমার খুব ভালো লাগে কারণ আমি একটা যন্ত্রকে কামলা খাটাচ্ছি এটা কিন্তু একটা অন্য লেভেলের জিনিস যে আমি কাজ করছি না যন্ত্র কাজ করছে এবং আমার হয়ে যন্ত্র কাজ করছে এটা একটা বিশাল বড় লিবারেটিং ফ্যাক্টর মানে আমি কাজ করছি না তবে আমার হয়ে যন্ত্রটা আমার দৈনন্দিন কাজ করে দিচ্ছে যেমন আমার এই ভয়েস প্রসেসিং যেমন আমি রেকর্ড করছি রেকর্ডিং এর পাশাপাশি ভয়েস প্রসেসিং করছি এটাও কিন্তু অটোমেশন। আজকে এখন যে ডিজিটাল ওয়ার্কস্টেশন গুলো আছে যেমন আমি এখানে ডিজিটাল ওয়ার্কস্টেশনটা ব্যবহার করছি সেটা হচ্ছে গিয়ে রিপার। সো এখন অনেক বড় বড় যে ডিজিটাল ওয়ার্কস্টেশন যেই সফটওয়্যারগুলো আছে যেগুলো আসলে এই ধরনের ভয়েসের পোস্ট প্রসেসিং করা যায় সেগুলোতে অটোমেশন সাপোর্টেড। সো আর আমার এই অটোমেশন নিয়ে আমার ভালোবাসা আমি পড়ে যাই যখন আমি আসলে গিটহাবে গিট গিটহাবে যে গিটহাব পেইজ মনে হচ্ছে গিটহাব পেইজে আমাদের বিভিন্ন সাইট হোস্ট করা যায়। এখনো আমার গিটহাব পেইজে আমি বিভিন্ন সাইট হোস্ট করি। সেখানে সেই আমার কন্টেন্ট যে কন্টেন্ট গুলোকে আমি তৈরি করি সে কন্টেন্ট গুলোকে কিভাবে আমার যে ভিজুয়াল স্টুডিও কোড বা এই যে ভিএস কোড বা ভিএস কোড স্টুডিওতে আমরা যে কাজগুলো করছি সেটাকে সরাসরি গিটহাবে পুশ করা এটাও একটা অটোমেশন। মানে এটা প্রায় আমি 10 বছর আগে এই ধরনের কাজ করেছি তো তখনই আমার কাছে মনে হয়েছে যে আসলে এই যে অটোমেশন এটা আসলে একটা লিবারেটিং ফ্যাক্টর। তো আজকে আমি কথা বলতে চাইছি হচ্ছে গিয়ে নেটওয়ার্ক অটোমেশন নিয়ে। নেটওয়ার্ক অটোমেশনটা একটা অসাধারণ একটা জিনিস এ কারণে যে আমি একটা সেন্ট্রাল পয়েন্ট থেকে ধরা যাক আমার অর্গানাইজেশনে যদি 400 টা রাউটার থাকে। ধরা যাক আমার অর্গানাইজেশনে 400 টা রাউটার। আমি 400 টা রাউটারের হেলথ চেক থেকে শুরু করে যেকোনো জিনিস আমি স্ট্যাটাস জানতে চাই, আমি চেক করতে চাই কোন কিছু এবং সেখানে অটোমেশনের মাধ্যমে লগইন করে সেখান থেকে একটা আউটপুট নিয়ে এসে একটা এক্সেল ফাইলে জেনারেট করা বা সবকিছু মানে যেটা আমরা আসলে হিউম্যান মাইন্ডে বা সরি হিউম্যান স্টাইলে আমরা আসলে যেভাবে আলাদা আলাদা কনসোলে বসে করতাম সেটাই আসলে এখন আমরা চাইছি যে আমার হয়ে একটা যন্ত্র এই সবকিছু করে দিবে এবং সেজন্যই আসলে আমি এটা নিয়ে প্রচুর কাজ করেছি একসময় এবং সেখানে আমি সবসময় পাইথন ইউজ করতাম। মানে পাইথন হচ্ছে গিয়ে আমার জন্য এই ধরনের নেটওয়ার্ক অটোমেশনের একটা কি। সো আমি যদি পাইথনের এই জায়গাটাতে যদি বলি সেখানে আমার ভালো মানে আমি সবসময় এনসিবল ব্যবহার করতাম। মানে আমার আগের অর্গানাইজেশনে আমি এনসিবল ব্যবহার করতাম এই ধরনের পাইথন অটোমেশনে। এনসিবল এর পাশাপাশি আরেকটা জিনিস হচ্ছে জিএনএস থ্রি। জিএনএস থ্রিটাও খারাপ না। এটা তবে আমি আই প্রেফার এনসিবল দেন দ্যাট অফ জিএনএস থ্রি বা জিএনএস থ্রি ইজ ইজ ইজ ওয়ে ওয়ে গুড দিস ডেইজ। এর পাশাপাশি আসলে আমরা যখন এনসিবল নিয়ে কাজ করি তখন আসলে আমাদের সেরকম কোডিং লাগে না। সেখানে আমাদের ওয়াইএমএল ফাইলটা রিডেবিলিটি যে ওয়াইএমএল ফাইলটা কিভাবে ব্যবহার করা যায় এবং সেটার জন্য আমরা সেই ওয়াইএমএল ফাইলটা প্লেবুক মানে এনসিবল প্লেবুকে আসলে কিভাবে আমরা সেট করব সেটা নিয়ে আসলে আমরা আমরা দেখতে পারি। এর পাশাপাশি সিরিয়াল কনসোল যেটা আছে যে পাইথন সিরিয়াল কনসোলে কিভাবে কমিউনিকেট করে সেটা আমরা সিরিয়ালাইজেশনটা আমরা ঠিকমতো বুঝতে পারি। তারপর হচ্ছে গিয়ে এখনকার ডেভঅপ ইঞ্জিনিয়ার এবং নেটওয়ার্ক ইঞ্জিনিয়ার কিভাবে একসাথে কাজ করে সেটা নিয়ে আসলে আমি সামনে আসবো বাট দিস আর অলসো প্রায়োরিটি। আরেকটা জিনিস হচ্ছে গিয়ে পাইথন কিভাবে মাল্টি ভেন্ডর এনভায়রনমেন্টে কাজ করে সেটাও আসলে আমরা দেখতে চাই যে উইন্ডোজ এনভায়রনমেন্টে কিভাবে কাজ করে, লিনাক্স এনভায়রনমেন্টে কিভাবে কাজ করে বা আমরা যখন উইন্ডোজের মধ্যে লিনাক্স চালাই ডব্লিউএসএল টু। সো ওইখানে আসলে উইন্ডোজ যে লিনাক্স সাবসিস্টেম আছে সেখানে কিভাবে কাজ করে সেটা একটু আমরা এখন দেখতে পারি। আরেকটা জিনিস হচ্ছে যে কিভাবে আমরা টেলনেট এবং এসএসএইচ মানে পাইথনের মাধ্যমে কিভাবে আমরা টেলনেট অথবা এসএসএইচ ব্যবহার করে কিভাবে ওই জায়গাগুলো লগইন করতে পারি। সেই জায়গায় কিছু কিছু টুল আমরা সামনে আলাপ করতে পারি। তার মধ্যে যে আমরা বিভিন্ন টুল যেখানে আছে যে নাপাম আছে তারপরে হচ্ছে গিয়ে আর আমরা এখানে আরো অন্যান্য অনেকগুলো টুল আমরা দেখছি সেই টুলগুলোকে যেখানে ভালোভাবে কাজ করে। আর সবচেয়ে বড় জিনিস হচ্ছে যে আমরা প্যারামিকো যেটা আছে প্যারামিকো সেটাও এসএসএইচ নিয়ে একটা ভালো কাজ করে এবং প্যারামিকোর কিছু কিছু অংশ আমরা এখানে দেখাবো সামনে। বাট অলসো নেটমিকোটা ভালো। নেটমিকো সেটা এসএসএইচ দিয়ে কিভাবে কাজ করে সেটাও আমরা এখানে দেখতে পারবো এবং নেটমিকোর মাধ্যমে কিভাবে নেটওয়ার্ক অটোমেশন করা যায় সেটা দেখা যায়। বাট আসলে যে জিনিসটা হচ্ছে যে নেটওয়ার্ক ইঞ্জিনিয়ার যারা আছেন তারা আসলে নেটওয়ার্ক যে প্রোগ্রামেবিলিটি সেটা আসলে কোন লেভেলে করা যায়। অনেকেই আমি দেখেছি যে যারা আসলে খুব একটা পাইথন ভালো জানেন না বা স্টিল তারা নেটওয়ার্ক অটোমেশন নিয়ে কাজ করতে পারছেন কারণ তারা বেসিক আন্ডারস্ট্যান্ডিংটা তাদের হয়ে গেছে যে তারা আসলে কোন একটা স্ক্রিপ্ট থেকে কোন জিনিসটা পরে কোন জিনিসটা দিলে বা কিসের জায়গায় কি দিলে সেটা বোঝা যায়। কারণ পাইথন অনেকটাই হিউম্যানলি রিডেবল মানে হিউম্যানলি রিডেবল একটা জিনিস। তো আমরা আসলে পাইথন এজন্যই পাইথনকে আমরা চুজ করি এবং পাইথনের মধ্যে আমরা ভিএস কোড ভিজুয়াল স্টুডিও কোড আমরা ব্যবহার করতে পারি, পাইচার্ম ব্যবহার করতে পারি বাট ইটস ইটস ইটস ফাইন। বাট অলসো সিসকো আইওএস ইমেজ যেগুলো আছে সেগুলো কিভাবে আসলে আমরা কাজ করাতে পারি জিএনএস থ্রি তে সেটাও আমরা নিয়ে একসময় দেখাবো। বাট একচুয়ালি ইটস অল অ্যাবাউট লিবারেটিং ইউরসেলফ অর লিবারেটিং মাইসেলফ যে আমরা আসলে আমাদের আমাদের হাতটাকে কি আমরা লিবারেট করতে চাই কিনা। আমরা আসলে আরো অনেক বেশি কাজ ডেলিভারি দিতে পারবো কিনা। আমরা আরো অনেক কিছু করতে চাইবো কিনা। ইটস অল ইন দা মাইন্ডসেট। আপনি নেটওয়ার্ক অটোমেশন করবেন নাকি আপনি এই জিনিসটা অটোমেশন করবে মানে আমার কথা হচ্ছে যে এই জিনিসটা অটোমেশন করার জন্য আমরা যেটা দেখি যে এখানেও কিন্তু আমরা ভালো অটোমেশন আমি কাজ করাই। সো আসলে দিনশেষে আমরা যেটাই যেটাই করি না কেন এখানে প্রচুর অটোমেশন আসলে আমরা করতে পারি। কারণ প্রচুর অটোমেশনটা লাগবে একটাই কারণে যে আমরা অটোমেশন না করলে যন্ত্র দা ইকুইপমেন্ট ইজ আইডল। সো আমি আমি খেটে যাচ্ছি যন্ত্র আইডল পড়ে আছে এটা আসলে হওয়া যাবে না। আমি বরং অন্য কাজ করব। আমি বরং এ ধরনের বই পড়বো যে ধরনের বইগুলো আসলে আমাদেরকে একটা অন্য লেভেলে নিয়ে যাবে। আর যন্ত্র তার কষ্টকর কাজগুলো করবে। মানে আমার আমার কষ্টকর কাজগুলো যন্ত্র করবে। আজকে এ পর্যন্তই থাকছেন তো সামনে?

অটোমেশন: ধারণা

নন-প্রোগ্রামারদের হাতে তৈরি 'ইন-হাউস' বিজনেস অ্যাপ্লিকেশন Citizen Developer.mp3

অনেকে আমাকে জিজ্ঞাসা করেছেন যে আচ্ছা, সেলসে যারা আছেন তারাও কি প্রোগ্রামার হতে পারবেন? কেন নয়? আসলে আমরা যেটা বলছি যে লো কোড বা নো কোড এনভারনমেন্টে এভরিবডি মানে এনিবডি ক্যান বি এ প্রোগ্রামার আর এনিবডি ক্যান বি এ সলিউশন ডেভেলপার। মানে আমরা আসলে যেটা বলছি যে সিটিজেন ডেভেলপার। মানে সিটিজেন যে ডেভেলপার মানে হচ্ছে গিয়ে আসলে যে কেউ একটা বিজনেস প্রবলেম সলভ করার জন্য দে ক্যান রাইট দেয়ার ওন প্রোগ্রাম। আসলে ব্যাপারটা এরকম হয়েছে যে প্যান্ডেমিকের আগে থেকেই আমরা দেখছিলাম যে একটা শার্প রাইজ মানে আমরা আসলে অনেকগুলো ইউনিকর্ন এবং অনেকগুলো কোম্পানি আমরা দেখছিলাম যে যারা আসলে সিরিজ এ এবং সিরিজ বি ফান্ডিং পাচ্ছিল। মানে তারা বলছিল যে প্রতিনিয়ত বিজনেস হাউসগুলো যে ধরনের প্রবলেম দেখছেন সেগুলোকে যদি তারা আবার তাদের নিজস্ব ইনহাউস ডেভেলপার দিয়ে তারা যদি সেটাকে বিল্ড করতে চান ইনহাউস ডেভেলপারের কস্ট তো আছেই তার সাথে ওটাকে আসলে একটা লম্বা সময় ধরে ওটাকে ডেভেলপ করতে হয়। তার মানে হচ্ছে ইনহাউস ডেভেলপারের যে শর্টেজ মানে ইনহাউস ডেভেলপারের যে শর্টেজ সেই শর্টেজের পাশাপাশি আমরা যেটা দেখছি যে আসলে যারা বিজনেসে আছেন, যারা সেলসে আছেন, যারা মার্কেটিং এ আছেন, যারা অন্যান্য জায়গায় আছেন দে ক্যান অলসো রাইট দেয়ার ওন অ্যাপ্লিকেশন। জাস্ট আন্ডারস্ট্যান্ডিং অর জাস্ট নোইং হোয়াট ইজ দা বিজনেস প্রসেস। আমরা আসলে এখানে যেটা বলছি যে এখন তো আপনারা দেখছেন যে গত 10 বছর ধরে জিইউআই বেসড ওয়েবসাইট ডেভেলপমেন্ট টুল আসছে যে আপনি একটা ওয়েবসাইট তৈরি করতে পারেন জাস্ট ড্রাগ এন্ড ড্রপ। এখন আপনি যদি একটা ওয়েবসাইট তৈরি করতে পারেন এবং সেই ওয়েবসাইটের সামনে আমরা বলছি যে ওয়েবসাইটের সামনে হচ্ছে গিয়ে আপনার যে ফ্রন্ট এন্ড আছে ফ্রন্ট এন্ডের সাথে ওর ব্যাক এন্ডে যে ডেটাবেসগুলো আছে সেই ডেটাবেস গুলোকে যদি আপনি ড্রাগ এন্ড ড্রপ দিয়ে যদি কানেক্ট করতে পারেন সেখানে আমি মনে করছি যে এই ধরনের ডেভেলপমেন্ট আসলে বেশি দূরে নয় যেখানে একজন সাধারণ মানে সবাই প্রোগ্রামিং করতে পারবে এবং সেটাই হয়েছে। আসলে গত চার-পাঁচ বছরে আমরা দেখছিলাম যে এ ধরনের প্রচুর সিস্টেম এসছে যারা বলছিল বারবার যারা একটা কথাই বলছি যে এনিবডি ক্যান বি প্রোগ্রামার মানে যেটাকে তারা বলছে যে সিটিজেন ডেভেলপার। দা সিটিজেনস ক্যান বি এ ডেভেলপার এবং উইদাউট নোইং দা কোড অর উইদাউট নোইং হাউ টু কোড অর লো কোড মানে অল্প কোড অথবা লো কোড অথবা নো কোড। মানে এই নো কোড এনভারনমেন্ট দিয়েও কিন্তু আসলে প্রচুর বিজনেস সলিউশন আসলে আমরা সমাধান করছি এবং সেটাই আসলে আমরা দেখছি যে আসলে কিভাবে আমাদের যে প্রতিনিয়ত যেই বিজনেস সমস্যাগুলো, বিজনেস প্রবলেমগুলো সেগুলো আসলে কিভাবে বিজনেসের লোকজন যারা এমবিএ পড়া বা যারা অন্যান্য সাবজেক্টে যারা টেকনিক্যাল নয় যারা আসলে প্রোগ্রামিং জানেন না তারাও কিন্তু এ ধরনের প্রোগ্রামিং এর লাইনে হাঁটছেন বিকজ দে ওয়ান্ট টু সলভ দেয়ার ওন প্রবলেম এবং সেজন্য আমরা দেখছি যে প্রচুর মানে আমরা তো সাধারণ যে মাইক্রোসফট এক্সেল এক্সেল কিন্তু নন প্রোগ্রামিং লোকজন কাজ করেন এবং এই এক্সেলের মতোই কিন্তু বিজনেস প্রবলেমগুলোকে সলভ করার জন্য এ ধরনের সিস্টেম এসছে যেটাকে আমরা দেখছি outsytem.com আপনারা দেখতে পারেন তারপর আডালো দেখতে পারেন তারপর হচ্ছে এর পাশাপাশি আমরা জোহো আছে তারপর হচ্ছে গিয়ে মাইক্রোসফট পাওয়ার অ্যাপস। সো এই ধরনের সলিউশন কিন্তু কিন্তু অনেকদিন ধরেই আছে বাট এখন এটা মেইনস্ট্রিমে আসছে। তার মানে হচ্ছে গিয়ে এনিবডি ক্যান বি প্রোগ্রামার। মানে আমি আবার বলছি যে এনিবডি ক্যান বি এ প্রোগ্রামার টু সলভ টু সলভ দেয়ার বিজনেস প্রবলেম। আজকে এই পর্যন্তই থাকছেন তো সামনে?

অটোমেশন: ধারণা

অটোমেশন মানুষের কাজ হারনোর ভয় Automation, what will happen to workforce.mp3

অটোমেশনের বিপরীতেও কিছু কথাবার্তা আছে। অনেকে বলছেন যে অটোমেশন উইল এলিমিনেট দা জব। মানে বিশেষ করে আমরা বলছি যে এখানে যেটা আমরা দেখছি যে ইনস্টেড অফ সিং অটোমেশন অ্যাজ এ টুল দ্যাট এলিমিনেটস জব। দ্যা রিয়ালিটি ইজ দ্যাট ইজ এলাও মোর এক্সপেরিয়েন্স আইটি স্টাফ টু ফোকাস অন বিগার প্রবলেমস এন্ড দেয়ার সলিউশনস রাদার দেন মন্ডেন ডে টু ডে রিপিটেড টাস্ক। সো আমরা আসলে যেটা বলছি যে আমরা যখন অটোমেশন নিয়ে কাজ করব তার প্রথম কথা হচ্ছে গিয়ে আমাদের যারা এক্সপেরিয়েন্স আইটি স্টাফ আছেন তাদের আসলে একটা সময় মানে তাদের সময়টা খুব ভ্যালুয়েবল। তো তাদের সময়কে যদি আমরা আবার একই রিপিটেটিভ কাজ যদি করতে দেই তাহলে উনারাও কিন্তু আসলে আর সেই ইয়েটা পাবেন না যে সেই যে কাজের যে আগ্রহটা পাবেন না। মানুষ যেহেতু রিপিটেটিভ কাজ করতে পছন্দ করে না। সে কারণে আমরা বলছি যে যেসব এক্সপেরিয়েন্স আইটি স্টাফ বা যারা আসলে কোম্পানিতে অনেকদিন ধরে আছেন 15 16 বছর ধরে আছেন তাদেরকে রিপিটেটিভ কাজ না করতে দিয়ে বরং তারা যদি ইনোভেটিভ কাজ যেগুলো রিপিটেটিভ না যেগুলো কাজ করতে মাথার একটা সময় লাগে সেগুলো কাজ যদি হয় তাহলে কিন্তু এটা একটা ভালো পারসপেক্টিভ হয়। মানে অটোমেশন এলিমিনেটিং যে জবের কথা বারবার বলা হচ্ছে যে আসলে আমরা প্রতিনিয়ত যত কাজ আসছে এবং প্রতিনিয়ত একটা কোম্পানিতে যত ধরনের কাজ বা যত ধরনের প্রবলেম আসছে এটা আসলে বুঝতেই পারছি না যে আসলে এলিমিনেট জব কিভাবে হবে কারণ আমাদের প্রতিনিয়ত এতই এতই এতই কাজ আসতেছে সেই কাজের মধ্যে এলিমিনেট জব তো দূরের কথা আমরা আসলে আইটি স্টাফ বা নতুন স্টাফ নিয়েও কিন্তু সেটা আমরা শেষ করতে পারছি না। জব এলিমিনেশন হবে না বরং আমরা বলছি যে নতুন ফিল্ড তৈরি হবে। এখন যে সব কাজ রিপিটেটিভ আমরা ভাবছি সেই রিপিটেটিভ কাজগুলো আমরা মেশিনের হাতে ছেড়ে দিতে চাই এবং সেখানে আসলে আমরা যেটা বলছি যে আমি যদি আবারও বলি এই কাজটা কিন্তু এটা এটা কিন্তু খুব খুব ইম্পর্টেন্ট। ইনস্টেড অফ সিং অটোমেশন অ্যাজ এ টুল দ্যাট এলিমিনেটস জবস দ্যা রিয়ালিটি ইজ দ্যাট ইট এলাউস মোর এক্সপেরিয়েন্সড আইটি স্টাফ টু ফোকাস অন বিগার প্রবলেমস এন্ড দেয়ার সলিউশনস রাদার দেন মন্ডেন ডে টু ডে রিপিটেড টাস্ক। তার মানে হচ্ছে কি যে যেসব টাস্ক রিপিটেটিভ যেসব টাস্ক একই জিনিস একই বারবার ঘিরে ঘিরে করতে হচ্ছে সেই কাজগুলো থেকে তাকে আমরা রেহাই দিচ্ছি। এই অটোমেশন সেই কাজগুলোকে তাকে তার থেকে রেহাই দিবে এবং সবচেয়ে বড় ব্যাপার হচ্ছে যে যারা এক্সপেরিয়েন্স আইটি স্টাফ যারা অনেকদিন ধরে আছেন তারা কিন্তু একঘেমি কাজ পছন্দ করে না তারা ভাবেন যে কিভাবে সবচেয়ে ইনোভেটিভ কাজটা করা যায়। এজন্য আমরা মাঝে মাঝে কাজ যেটা করি যে যারা রিলেটিভলি নতুন আইটি স্টাফ আছেন তাদেরকে দিয়ে যে রিপিটেটিভ কাজগুলো মানে যেগুলো নতুন নতুন এবং যারা এক্সপেরিয়েন্স স্টাফ তারা ওই নিচের দিকে কাজগুলো না করে বরং তারা উপরের দিকে যেখানে ইনোভেশন প্রয়োজন সেই জায়গাটাতে তারা হাত দিবে। তার মানে হচ্ছে কি আমরা এলিমিনেশন শুধু না অটোমেশনের সবচেয়ে বড় পারসপেক্টিভ হচ্ছে গিয়ে যেই কাজগুলো আসলে আমাদেরকে খুব কষ্ট দেয় যে কাজগুলো একই কাজ যে কাজগুলোর জন্য আমরা কোম্পানি ছেড়ে দেই বা যেই একই কাজ করতে করতে আমরা একঘেমিতে আমরা পড়ি সেই একঘেমিতে থেকে আমাদের বাঁচার জন্য আমরা এই কাজ এই কাজটা করতে পারি যে আমরা একঘেমি কাজগুলো অটোমেশনে ফেলতে এবং সেখানে এলিমিনেটিং জব আমি কখনোই দেখছি না কারণ আমাদের ধরা যাক একেকটা কোম্পানিতে যত ধরনের কাজ আসতেছে সেই কাজের শেষ হচ্ছে না। আমরা যতই লোক নিতে চাই না কেন কাজের শেষ হবে না সুতরাং আমরা আসলে অটোমেশন করলে আমাদের এই ডে টু ডে যে রিপিটেটিভ কাজ সেগুলো আসলে আমাদের নিচের দিকে আমরা পাঠিয়ে দিচ্ছি এবং আমরা যারা নিউ স্টাফ বা যারা নতুনভাবে কোম্পানিতে জয়েন করছি তাদেরকে কিছু কিছু রিপিটেটিভ কাজ দেওয়া যেতে পারে যাতে তারা সেইটা ব্যাপারে স্কিল স্কিলফুল হয়। কিন্তু যারা এক্সপেরিয়েন্স স্টাফ যারা নতুন যারা অনেকদিন ধরে আছেন কোম্পানিতে তাদেরকে রিপিটেটিভ কাজ দেওয়াটা আসলে ঠিক না। আর সে কারণে সেই এক্সপেরিয়েন্স স্টাফ তাদেরকে অটোমেশন শিখতে হবে যে কিভাবে তাদের কাজগুলো তাদের রিপিটেটিভ কাজগুলো অটোমেশনে দেওয়া যায়। আজকে এই পর্যন্তই থাকছেন তো সামনে?

অটোমেশন: ধারণা

অটোমেশন অবজেক্টিভ কখন কিভাবে ভিশনকে ভাঙ্গা যায় Network Automation objectives, strategy and plan.mp3

যেকোনো অর্গানাইজেশনের কাজের শুরুতে বিশেষ করে আমরা যেটাকে বলছি এ ওয়েল ওয়ার্কিং অটোমেশন অর্গানাইজেশন। এটার জন্য আসলে আমাদের কিছু ফান্ডামেন্টাল কম্পোনেন্ট নিয়ে আলাপ করতে হবে যে ফান্ডামেন্টাল কম্পোনেন্টস লাইক অবজেক্টিভ স্ট্রাটেজি অফকোর্স আমাদের একটা প্ল্যান লাগবে যে দ্যাট প্ল্যান হুইচ শুড বি সাজেস্টেড টু বি স্ট্রাকচারড এন্ড শেয়ারড এমাং দা এক্সিকিউটিভ টিমস। মানে যে টিমটা আসলে আমাদের এই জিনিসটা ডিল করবে বা এটাকে যেটা ছেড়ে দিবে এবং সেখানে আসলে যে জিনিসটা বলছি যে এই যারা এটা নিয়ে কাজ করবেন তারা প্রতিটা কম্পোনেন্ট নিয়ে যখন কাজ করবেন তখন তারা যে জিনিসটা জানতে চাইবেন যে হোয়াই ইজ ইম্পরট্যান্ট এন্ড হাউ ওয়ান কুড গো এবাউট দ্যাট ডেভেলপিং এন্ড অলসো ডিফাইনিং ইচ অফ দা কম্পোনেন্ট। এখানে যে জিনিসটা আমরা দেখতে পাচ্ছি যে আমরা যখন এই ধরনের কম্পোনেন্ট গুলো নিয়ে কাজ করব ইট ইজ ইম্পরট্যান্ট টু ডিসাইড হোয়েন টু ফোকাস অন দিস টপিকস এন্ড হোয়েন ইট কামস টু এ মোর স্ট্রাকচারড অ্যাপ্রোচ যেটাকে আমরা অনেক সময় বলি যে হাউ টু এক্সপ্যান্ড এন্ড অলসো অপারেশনাইজ দিস স্টেপস হুইচ আর একচুয়ালি সুইটেবল ফর দিস অর্গানাইজেশনস। সেখানে আসলে অনেকে বলতে পারেন যে এই জিনিসগুলোতে আসলে আস্তে আস্তে আমরা এমন একটা ফেজে নিয়ে আসবো যেই ফেজে আসলে এই জিনিসটা এই ডিসকভারি ফেজে এগুলো থাকবে। বাট আমার কাছে মনে হচ্ছে যে এই প্রশ্নটা যে এই প্রশ্নটা অনেক সময় হয় যে এই জিনিসগুলো কেন আমরা শুরুতে করতে পারি না। আসলে এটার শর্ট অ্যানসারটা এভাবে হইতে পারে যে ইট হ্যাজ টু হ্যাভ এ আন্ডারস্ট্যান্ডিং হাউ টু ডিফাইন এন্ড অলসো হাউ টু ডেমোনস্ট্রেট হাউ টু ডিফাইন হাউ টু ডেমোনস্ট্রেট এন্ড অলসো ডেপ্লয় স্টেপস দ্যাট আর অলসো কম্বাইনড এবং এটাকে আমি কখনোই তিন মাসের বেশি সময় দিব না বিকজ দ্যাট ইজ দা ফার্স্ট ইউজ কেস। যে ফার্স্ট ইউজ কেসটাকে আমাদেরকে বুঝতে হবে যে হোয়াট ইজ দা ফার্স্ট ইউজ কেস। এবং আমার কাছে যেটা মনে হচ্ছে যে এখানে অবজেক্টিভ গুলোকে আসলে আমাদেরকে বের করতে হবে যাতে আমাদের প্রথম যে ইউজ কেসটা আছে সেই ইউজ কেসটাকে আমরা ভিত্তি করেই কিন্তু আমরা আসলে এটাকে কাজ করব। কারণ প্রথমে যদি আমরা একটা ইউজ কেস না দাঁড়া করাই আমরা যদি ইউজ কেসটা যদি না বুঝতে পারি দেন এটাকে কখনোই আমরা ডেপ্লয় করতে পারবো না। তার মানে হচ্ছে গিয়ে দা স্ট্রাটেজি ইজ টু ফোকাস অন এ স্মল ভায়াবল ইউজ কেস এন্ড অলসো টু গেট দ্যাট ওয়ান ইনটু এ ডেপ্লয়মেন্ট এস কুইকলি এস পসিবল। বিকজ ইফ ইউ ডোন্ট গেট ইট ডান অন দ্যাট টাইম পিরিয়ড তাহলে কিন্তু এটা আস্তে আস্তে এই ব্যাপারটা কিন্তু আমরা আর বুঝতে পারবো না। সো দা প্ল্যান শুড দেয়ারফোর বি প্রিটি স্ট্রেট ফরওয়ার্ড এন্ড এক্সট্রা টাইম স্পেন্ট অন এ স্ট্রাকচারড এন্ড অলসো ডিটেইল প্ল্যান। দা স্ট্রাটেজিক এন্ড অবজেক্টিভ স্টেটমেন্ট শুড নট বি অর শুড নট স্টিল দা ফোকাস ফ্রম দা ডেভেলপমেন্ট। মানে এখানে স্ট্রাটেজি এবং অবজেক্টিভ যে স্টেটমেন্ট থাকবে সেটা কিন্তু ডেভেলপমেন্ট ফেজের সাথে কিন্তু কখনোই একটা আরেকটার জায়গায় নিবে না। তো সেইজন্য বলছি যে হ্যাভিং এ স্কিলড এন্ড এক্সপেরিয়েন্স অটোমেশন কোর টিম দ্যাট নো হোয়াট টু ফোকাস অন ডেসপাইট নট হ্যাভিং এ ডিটেইল প্ল্যান টু ফলো ইজ দেয়ারফোর এক্সপেক্টেড এন্ড ক্রিটিক্যাল টু সাকসেস। তো সেখানে আসলে আমরা যদি এই ব্যাপারটা নিয়ে যদি একটু চিন্তা করি যে কিভাবে আমরা এই জিনিসটা নিয়ে কাজ করব। প্রথমে একটা ভিশন থাকবে। প্রথমে একটা ভিশন থাকবে যে ভিশনটাকে মধ্যে আসলে কিছু ডিরেকশন আসবে যে ভিশনের ডিরেকশনটা কি হতে পারে এবং এই ভিশনটা হচ্ছে গিয়ে কাইন্ড অফ এ লং টার্ম ভিশন যেটা আমরা আসলে নেটওয়ার্ক অটোমেশনের জন্য করতে পারি। তারপরে অবজেক্টিভ আসতে পারে যে অবজেক্টিভে আমি বলতে পারি যে এখানে বেশ কিছু অবজেক্টিভ আসতে পারে যে আমাদের ভিশনটা আমাদের ভিশনটাকে ইট হ্যাজ টু বি ব্রোকেন ডাউন ইনটু সাম সাম বিট অফ অবজেক্টিভ এ অবজেক্টিভ বি অবজেক্টিভ সি এরকম হতে পারে বা ইট ক্যান বি অবজেক্টিভ ডি। সো আমার কাছে মনে হচ্ছে যে হোয়াটএভার অবজেক্টিভস উই হ্যাভ দা ভিশন দা ভিশন ইজ ব্রোকেন ডাউন টু দা রিচেবল অবজেক্টিভ যেটা আসলে আমরা ফাইনালি করতে পারবো। এবং তারপরে যে জিনিসটা আমরা আসবে যে হাউ মানে আমরা আসলে এটা কিভাবে করতে চাই। দ্যাট ইজ দা পার্ট অফ এ স্ট্রাটেজি যে আসলে আমরা এটা কিভাবে করতে চাই। সো দ্যাট স্ট্রাটেজি ইজ ইজ ভেরি ইম্পরট্যান্ট কারণ আসলে এইখানেই এই অ্যাপ্রোচটা যে হাউ টু রিচ দোজ অবজেক্টিভস এই স্ট্রাটেজিটা কিন্তু এখানে ইম্পরট্যান্ট। সো আসলে এই হাউ এন্ড দেন দা অ্যাকশন প্ল্যান যে আসলে আমরা ফাইনালি এটা কিভাবে করব। সো দা অ্যাকশনস দা প্ল্যানস উড বি লাইক দা শর্ট টার্ম প্ল্যান উইথ অ্যাকশনস এন্ড অ্যাক্টিভিটিস টু রিচ দা অবজেক্টিভস। সো আমরা মনে হয় এই অ্যাকশন প্ল্যান দিয়েই কিন্তু আসলে ফাইনালি এটাকে তুলতে পারবো। তো সেইজন্য বলছি যে যেকোনো নেটওয়ার্ক অটোমেশন হোক আর যেকোনো কাজই হোক উই ফলো দা সেইম থিং যে ইট হ্যাজ টু হ্যাভ সাম ভিশন হুইচ হ্যাজ অলসো সাম ডাইরেক্টিভস এন্ড অলসো সাম ডাইরেকশন। এন্ড দেন দা ভিশন ইজ ব্রোকেন ডাউন টু সাম রিচেবল অবজেক্টিভস লাইক অবজেক্টিভ এ অবজেক্টিভ বি অবজেক্টিভ সি। এন্ড দেন উই উইল হ্যাভ স্ট্রাটেজি এন্ড দা স্ট্রাটেজি দ্যাট পার্ট উইল টক এবাউট হাউ দা অ্যাপ্রোচ ফর হাউ টু রিচ দা অবজেক্টিভস। এন্ড দেন দা ফাইনাল পার্ট দা অ্যাকশন অ্যাকশন ইজ অল এবাউট প্ল্যানস দ্যাট দা শর্ট টার্ম প্ল্যান উইথ অ্যাকশনস এন্ড অবজেক্টিভস হাউ টু রিচ দা অবজেক্টিভস। আজকে এই পর্যন্তই থাকছেন তো সামনে?

অটোমেশন: ধারণা

রোড টু হাইটেক ইন্ডাস্ট্রি নেটওয়ার্ক অটোমেশন Network Automation - Faster, Reliable Deployment.mp3

নেটওয়ার্ক ইনফ্রাস্ট্রাকচার ইন্ডাস্ট্রি গত এক দশকে একটা এত বেশি ট্রান্সফরমেশন দিয়ে গিয়েছে এটা আমার আমার কাছে মাঝে মাঝে মনে হয় যে এটা আসলে আমরা ঠিকমত বোঝাতে পারবো না। কারণ আমরা এখন সবকিছুই আপনি দেখেন যে আমরা সবকিছুই এখন ক্লাউডে করছি মানে আমাদের যত ধরনের অ্যাপ্লিকেশন সবকিছু ক্লাউডে। তার মানে হচ্ছে গিয়ে ক্লাউড এবং নেটওয়ার্ক মানে ক্লাউড যেহেতু নেটওয়ার্কের উপর দিয়ে আসছে এবং নেটওয়ার্ক ইনফ্রাস্ট্রাকচারের উপর দিয়ে আসছে সেখানে আমরা একটা বিশাল একটা ট্রান্সফরমেশন দেখছি এবং এই ট্রান্সফরমেশনের সবচেয়ে বড় যে জিনিসটা হচ্ছে যে আসলে এখন সবাই আস্তে আস্তে নেটওয়ার্কের উপরে কিন্তু ডিপেন্ডেন্ট হয়ে যাচ্ছে মানে সবকিছুতেই ইন্টারনেট লাগছে। তার মানে হচ্ছে গিয়ে ইন্টারনেট হ্যাজ বিকাম এ কাইন্ড অফ অক্সিজেন। সো আসলে এখন এটাকে আমরা কিভাবে ডেলিভারি করব এখন এটাকে আমরা যেটাকে বলছি যে নেটওয়ার্ক ইন্ডাস্ট্রিতে দুই ধরনের স্টাইলে আমরা আসলে ডেলিভারি করতে চাই। একটা হচ্ছে ফাস্টার মানে আমাদের কাস্টমার এসে বলছে যে কালকে আমাকে এটা দিতে হবে। সো আমাকে যদি কালকে একটা জিনিসকে ডেলিভারি দিতে হয় দেন আই হ্যাভ টু ডেলিভার রিলায়েবলি। তার মানে হচ্ছে গিয়ে ফাস্টার বিং ফাস্টার এবং বিং রিলায়েবল এই দুটো কিন্তু কখনোই একসাথে যায় না। বিকজ আমি যখনই একটা জিনিস দ্রুত করার চেষ্টা করব তখনই কিন্তু এটা রিলায়েবল হবে না। আবার আমি যখন একটা জিনিসকে রিলায়েবল করার চেষ্টা করব তখন এটাকে দ্রুত হবে না। তার মানে হচ্ছে গিয়ে আমরা একটা একটা সন্ধিক্ষণের মধ্যে দাঁড়িয়ে আছি যে আসলে আমরা কি করব যে এই যে যে জিনিসটাকে আমরা বলছি ফাস্টার মানে আমাদের কাস্টমারে তারা ফাস্টার সার্ভিস চাচ্ছে, ফাস্টার রেস্টোরেশন টাইম চাচ্ছে, ফাস্টার আরসিএ চাচ্ছেন, ফাস্টার সবকিছু চাচ্ছেন। সো উই হ্যাভ টু ডু ইট রিলায়েবলি। না হলে কিন্তু একই প্রবলেম আবার ঘটবে। তার মানে হচ্ছে গিয়ে রিলায়েবলি এন্ড ফাস্টার ইজ সামথিং লাইক আমাদেরকে এটাকে ওয়ার্ক আউট করতে হবে। আর সে কারণে আমি আসলে গত এক বছর ধরে চিন্তা করছিলাম যে কিভাবে এই জিনিসটা নিয়ে কাজ করা যায়। তো সেখানে এই নেটওয়ার্ক অটোমেশন মানে আমি আসলে এখন এই নেটওয়ার্ক অটোমেশন নিয়ে একটা কোর্স করার প্ল্যান করছি মানে কোর্স এবং বুক। একটা বই এবং বইয়ের পাশাপাশি একটা কোর্স মানে এই নেটওয়ার্ক অটোমেশন নিয়ে। সবচেয়ে বড় ব্যাপার হচ্ছে যে আমরা নেটওয়ার্ক অটোমেশন নিয়ে অনেক কথা বলি, অনেক কিছু করি কিন্তু নেটওয়ার্ক অটোমেশন বা নেটওয়ার্ক নিয়ে কাজ করার মতো সেরকম ইনফ্রাস্ট্রাকচার আমরা পাই না। এবং সেই ইনফ্রাস্ট্রাকচার না পাওয়ার ফলে কিন্তু আমরা অনেক সময় নেটওয়ার্ক অটোমেশন নিয়ে আমরা কাজটাও করতে পারি না। তো এজন্য আমি বলছি যে এই নেটওয়ার্ক অটোমেশনের জন্য প্রথমে আমাদের যেটা দরকার সেটা হচ্ছে যে একটা ক্লিয়ার আন্ডারস্ট্যান্ডিং অফ দি নেটওয়ার্ক হোয়াট উই আর ডিলিং রাইট নাউ। এন্ড দেন এখানে কোন জায়গাটা আমরা আসলে অটোমেশন করতে পারব এবং সেই জায়গাতে আমরা আসলে একটা লেভেল পর্যন্ত নিয়ে আসবো। আর সেজন্যই আমরা আসলে আমি যেহেতু লিখছি মানে আমার একটা বড় কাজ হচ্ছে গিয়ে লেখা। সো ইউ আন্ডারস্ট্যান্ড। সো আই হ্যাভ টু আই হ্যাভ টু রাইট থিংস এভরিডে। সো এজন্য আমি বলছি যে নেটওয়ার্ক অটোমেশন এবং তার পাশাপাশি নেটওয়ার্ক প্রোগ্রামেবিলিটি। প্রোগ্রামেবিলিটির ব্যাপারটা এভাবে আমি বলছি যে যেই নেটওয়ার্কটাকে আমি অটোমেশন করতে চাই সেটাকে যদি আমি প্রোগ্রাম করতে না পারি বিকজ আমি প্রোগ্রাম করব তারপর ঘুমায় যাব। আমি একটা নেটওয়ার্ককে প্রোগ্রাম করব সেই প্রোগ্রামটা একটা রুল সেটের ভিত্তিতে যে এটা হলে এটা হবে, এটা হলে এটা হবে না, এটা হলে ওটা হতে পারে অথবা এটা না হলে কোন কিছু না হলে এটা হবে। সো এই যে ব্যাপারটাকে এটাকে প্রোগ্রামেবিলিটির মধ্যে কিভাবে ফেলতে পারি এবং প্রোগ্রামেবিলিটির মধ্যে কিভাবে এটাকে আনতে পারি সেটা এখন আমাদের একটা বড় পারসপেক্টিভ যে নেটওয়ার্ক অটোমেশন এবং প্রোগ্রামেবিলিটি এই দুটোকেই আমরা একসাথে একসাথে আনতে চাই। এজন্য এটার মধ্যে নেট ডেভপস নেট ডেভপস এর মতো অনেক জিনিস কিন্তু আস্তে আস্তে আমরা নিয়ে আসবো। আর ফাইনালি আমি বলব যে যেহেতু এটা একটা যেহেতু এটা একটা বই হবে এবং বইয়ের পাশাপাশি এটা একটা অনলাইন কোর্স হতে পারে। তো সেজন্য আমি আসলে দেখছি যে এই দুইটাকে কিভাবে মেলানো যায়। আজকে এই পর্যন্তই থাকছেন তো সামনে।

অটোমেশন: ধারণা

'অটোমেশন' নিয়ে বই লিখতে গিয়ে অটোমেশনের ব্যবহার Automation Book written with the help of Automation.mp3

অটোমেশন নিয়ে বই লিখতে অটোমেশন ব্যাপারটা কেমন যেন না যে আমি আসলে অটোমেশনের উপর বই লিখছি আর সেটাতে আমি অটোমেশন ব্যবহার করছি। সেই জিনিসটা আসলে আমি বলতে চাই যে আসলে আমাদের লাইফে এখন সবকিছুই মানে উই আর ইন দা র‍্যাট রেস। তারপর হচ্ছে কি এর মধ্যে আমরা কিভাবে অটোমেশন করব, কিভাবে আমরা সব জায়গাতে অটোমেশন নিয়ে কাজ করব। তো সেইজন্য আমি যে বইটা নিয়ে লিখছিলাম গত কয়েক মাস ধরে তার যে জিনিসটা আমি যদি আপনাদের দেখাই সেটা হচ্ছে গিয়ে দিস ইজ মাই বুক। যেই যেটাকে আমরা বলছি রোড টু হাইটেক ইন্ডাস্ট্রি নেটওয়ার্ক এবং আই এস পি অটোমেশন এবং আই এস পি অটোমেশনে আমরা কিভাবে করতে চাই সেটা নিয়ে একটু আমরা ধারণা দিয়েছি যে কেন ধরা যাক ইভেন আমি কেন আই এস পিতে এলাম সেটাও একটা ধারণা আসলে এখানে আমি দিতে চাচ্ছি। যে দিনশেষে হোয়াই আই এস পি এন্ড হোয়াই আই এস পি ইজ দা ক্যান্ডিডেট ফর দিস থিং। সো আসলে যেহেতু আমি এটা লিখছি তো এখন লেখার জন্য আমার যে দরকার সেটা হচ্ছে গিয়ে আমাদের এই পারসপেক্টিভে বিশেষ করে আমরা অটোমেশন নিয়ে কথা বলছি তো অফকোর্স দেয়ার হ্যাজ টু কাম থ্রু সফটওয়্যার। সো আমি যদি এখন ভি এস কোডে আপনাদেরকে দেখাই যে আসলে আমরা একটা ছোট অটোমেশন করছি এবং সেই অটোমেশনে আমি যদি দেখাই আপনাদেরকে যে আমি এই মুহূর্তে ধরা যাক আমি একটা জিনিস পুশ করছি আমার নেটওয়ার্কে এবং সেই পুশের মাধ্যমে আসলে দেখাচ্ছি যে আমার এই জিনিসটা আমরা যখন আপডেট করছি সেটাকে কিন্তু সে সবকিছু আপডেট করছে। ইভেন এখানে আমি একটা ছোট আপডেট যখন দেখাবো তখন আমি দেখাবো যে এটা কিভাবে পুশ করছে। সো আসলে এটা পুশ হয়ে গেল। তো পুশের পর পর আমরা যদি এটাকে দেখি যে আমি কিভাবে এটাকে দেখাচ্ছি আমার এই গিটহাব অ্যাকশনে যে আসলে কিভাবে আমি ইউজ করছি এখানে দেখাচ্ছে যে আসলে আমি কত সময় ধরে আমি ওকে ব্যবহার করছি এবং তার পাশাপাশি আমি এটার সামারি দেখছি। সেখানে গিটহাব কিভাবে আসলে বিল্ড করছে এবং বিল্ড বিল্ডের জায়গাটা আসলে আমরা দেখতে পাচ্ছি যে কিভাবে সেটআপ হচ্ছে, কিভাবে চেক আউট হচ্ছে, কিভাবে বিভিন্ন জায়গায় ওয়ার্কআউট হচ্ছে। আসলে যে জিনিসটা হচ্ছে যে এই সবকিছুই কিন্তু একটা পুশের কারণে কিন্তু হয়ে যাচ্ছে। সবকিছুই। সো আমি যদি দেখি যে এইটা ঠিকমতো আপডেট হয়েছে কিনা সেখানে ডেপ্লয়ে যদি আমি যাই তাহলে ডেপ্লয়েতে আমি দেখব যে এটা আসলে প্রপারলি আপডেট হয়েছে কিনা। সেখানে কিন্তু বলবে যে সে আসলে 29 সেকেন্ডে সে ফাইনালি এটা আপডেট করেছে এবং সেখানে কিন্তু আমরা আসলে বুঝতে পারছি যে যদি আমি অ্যাকশনে যাই সেখানে আমাকে দেখাবে যে পিস মানে পেজেস বিল্ড ডেপ্লয়মেন্ট সে কিন্তু এখন রিপোর্ট করছে, রিপোর্ট ডান এখন ডেপ্লয় করছে। সো ডেপ্লয়মেন্টে সে কিন্তু গিটহাব পেজে কিভাবে ডেপ্লয় করছে সেটা কিন্তু এখানে দেখাচ্ছে। তার মানে হচ্ছে গিয়ে ইটস অল ডান। ইটস অল ডান। কতক্ষণ সময় নিল? আমার এই পুরো জিনিসটা যদি আমি ম্যানুয়ালি করতে চাইতাম তার তার জন্য হয়তো অনেক সময় লাগতো। ইট টুক অনলি 47 সেকেন্ড। তার মানে হচ্ছে কি 47 সেকেন্ডে সে কিন্তু এটাকে সলভ করে ফেলেছে। সো দিস ইজ হোয়াট উই কল অটোমেশন। বিকজ দিনশেষে উই হ্যাভ টু আন্ডারস্ট্যান্ড হোয়াট অটোমেশন ইজ এন্ড অলসো কিভাবে আসলে আমরা এই জিনিসটা নিয়ে কাজ করব এবং কিভাবে আসলে আই এস পি বা নেটওয়ার্কে বা টেলকোতে কিভাবে এই জায়গাগুলোতে আসবে সেটা আসলে আমরা এখানে ওয়ার্কআউট করার চেষ্টা করব। কিন্তু দিনশেষে নেটওয়ার্কে কনফিগারেশন ম্যানেজমেন্ট অটোমেশনটা কিভাবে করা যায় তারপর হচ্ছে গিয়ে পাইথন দিয়ে নেটওয়ার্কের ব্যাকআপ কিভাবে করা যায় সেটা নিয়ে আসলে ওয়ার্কআউট করছি। বাট জিনিসটা হচ্ছে দিস ইজ জাস্ট দিস ইজ জাস্ট বিগিনিং। ইটস ইন ড্রাফট। বিকজ আমি জাস্ট একটা ইনিশিয়ালি ভার্সন তৈরি করেছি। যে ভার্সনটা আমি বলেছি যে ইটস ভার্সন 0.2 হুইচ ইজ জাস্ট বেসিক ইনিশিয়াল ভার্সন এন্ড ইট উইল গেট টু দা পয়েন্ট যেটা আসলে আমরা নেক্সট লেভেলে আরো ভালো লেভেলে নিয়ে আসবো এবং এই বইটা মেবি আর সামনে তিন মাসে এটা কমপ্লিট হয়ে যাবে। আজকে এই পর্যন্তই থাকছেন তো সামনে।

অটোমেশন: ধারণা

অটোমেশনের বেবিস্টেপস, হাতের ছোট ছোট কাজ দিয়ে শুরু করা.mp3

রোবোটিক প্রসেস অটোমেশন নিয়ে আমরা যখন কাজ করছিলাম তখন দেখছিলাম যে আমরা প্রতিনিয়ত যে কাজগুলো আমার ডেক্সটপে করছি এই মুহূর্তে আমার ডেক্সটপে করছি যে বিভিন্ন রিপোর্ট থেকে বিভিন্ন জিনিসটাকে এক্সট্রাক্ট করা সেটাকে আমরা কপি করা সেটাকে একটা ফোল্ডারে পেস্ট করা বা সেখান থেকে আমাকে আরেকটা ফোল্ডারে নেওয়া বা সেখান থেকে আমরা বলছি যে প্রিন্টিং এ অথবা আমরা বলছি যে এই ওয়েবসাইটের থেকে এই ডেটাটাকে আমাকে এক্সট্রাক্ট করতে হবে বা আমাকে সেই জায়গাতে আরেকটা জায়গায় আমাকে দিতে হবে। দিনশেষে অ্যাজ এ হিউম্যান মানে আমি মানুষ হিসেবে প্রতিটা কাজ যেটা একটা ডেক্সটপে বসে আমি করছি সেই প্রতিটা জিনিস আমরা হিউম্যানলি যেটা করছি সেটাকে যদি আমরা একটা ওয়ার্কফ্লো হিসেবে প্রতিটা প্রসেসকে যদি আলাদা আলাদা করে দেই বিশেষ করে আমার এজেন্টকে তাহলে আমার এজেন্ট কিন্তু একটা পর্যায়ে মানে আমরা বলছি যে এজেন্টকে একটা পর্যায়ে আমার রিপিটেটিভ কাজগুলোকে আমি ছেড়ে দিচ্ছি যাতে সে বোঝে বা তাকে আমরা আসলে সেই লেভেলে নিচ্ছি যে আমার যে প্রতিনিয়ত যে রিপিটেটিভ কাজগুলো সেগুলো আর আমাকে না করতে হয়। কারণ আমরা আমরা আমাদের অর্গানাইজেশনে যারা ভ্যালুড যারা টিম মেম্বার আছেন যারা আসলে যাদের প্রতিটা মুহূর্তের সময় খুব ইম্পর্টেন্ট তাদেরকে আমরা রিপিটেটিভ কাজ না দিয়ে বরং তাদের রিপিটেটিভ কাজগুলো যদি আমরা আরপিএ বা এমন কিছু কাজ আমরা বলছি যে এই মুহূর্তে আমরা রোবোটিক প্রসেস অটোমেশনের যে কাজগুলো আমরা দেখাচ্ছি যে আমার ডেক্সটপে যে কাজগুলো ধরা যাক আমি এই মুহূর্তে অনেকগুলো প্রসেস নিয়ে কাজ করছি সেই প্রসেসগুলোকে যে আমরা ঠিকমতো আমরা রোবটকে ধরিয়ে দিতে পারি তাহলে রোবটের জন্য এরপরের প্রসেস বা পরের জায়গাটাতে সে কিন্তু তার জন্য যাওয়া সোজা। আর আমরা হিউম্যানলি যদি একটা ওয়ার্কফ্লো তৈরি করি মানে আমি নিজেই ধরা যাক আমার যে কাজগুলো আছে সেটাকে প্রপারলি যদি একটা ওয়ার্কফ্লোর মধ্যে ফেলে দেই তাহলে সেই ওয়ার্কফ্লোটা একটা লেভেলে যেয়ে কিন্তু তার যে কাজগুলোর আউটকাম সেই আউটকামগুলো দেখা যাবে। আর এজন্য আমি আপনাদেরকে সবাইকে অনুরোধ করব যে মাইক্রোসফটের যেহেতু আমাদের সবার পিসিতেই প্রায় উইন্ডোজ আছে তো আমাদের উইন্ডোজের সার্চ বাটনে যদি আমরা বলি পাওয়ার অটোমেট মানে আপনি জাস্ট লিখবেন পাওয়ার অটোমেট। সো আপনি পাওয়ার অটোমেট লিখলে কিন্তু আপনার ওখানে পাওয়ার অটোমেট মানে উইন্ডোজ টেন বা উইন্ডোজ ইলেভেন এর মধ্যে কিন্তু পাওয়ার অটোমেট চলে আসছে। আপনি পাওয়ার অটোমেট চাইলে হয়তোবা সে কিছু সময়ের জন্য হয়তোবা এক মিনিটে সে পাওয়ার অটোমেটটা সেট করে নিবে আপনার কম্পিউটারে। পাওয়ার অটোমেট আপনার কম্পিউটারে সেট হয়ে গেলে আপনি বুঝতে পারছেন যে আপনি যে কাজগুলো এই এখন এই মুহূর্তে যেটার পিছনে আপনি দুই দুই ঘন্টা বা আপনি সেটার পিছনে চার ঘন্টা সময় দিচ্ছেন আপনার সেই চার ঘন্টা সময় কিন্তু এলিমিনেট করা সম্ভব। তবে শুরুতে এটা শেখানোর জন্য বা সেই ওয়ার্কফ্লোটা ডেভেলপ করার জন্য হয়তোবা আপনাকে একটু সময় দিতে হতে পারে। তো আমরা বলছি যে যেই কাজটা রিপিটেটিভ কাজটাকে আমরা এলিমিনেট করার জন্য যদি আমাকে শুরুতে একটু সময় দিয়ে হলেও আমি যদি সেই প্রসেসটাকে বা সেই ওয়ার্কফ্লোটাকে যদি আমি ঠিকমতো নামিয়ে দিতে পারি তাহলে আমার ডেক্সটপে যে কাজগুলো এই মুহূর্তে আছে প্রতিদিন যে কাজগুলো আমাকে করতে হয় সেই প্রতিদিনের কাজের একটা বড় অংশ আমি অটোমেট করে ফেলতে পারি। অফকোর্স পাওয়ার অটোমেট ইজ এ পেইড কাইন্ড অফ রিসোর্স অনেক কোম্পানিতে যারা মাইক্রোসফটের পার্টনার বা মাইক্রোসফটের যারা বিভিন্ন প্রোডাক্ট যারা ব্যবহার করেন তাদের জন্য এটা ফ্রি আসতে পারে। বাট আমার কথা আমার কথা হচ্ছে যে ইটস নট এবাউট পাওয়ার অটোমেট ইটস এবাউট হাউ উই আর থিংকিং এবাউট দা রোবোটিক প্রসেস অটোমেশন বিকজ আমরা যদি এই রোবোটিক প্রসেস অটোমেশনটাকে যদি এডাপ্ট না করি তাহলে আমাদের জীবনে কোন কাজ শেষ হবে না বিকজ আমাদের কাজ কিন্তু শেষ হচ্ছে না। প্রতিদিন আমাদের অফিস টাইম কিন্তু বাড়ছে আর বাড়ছে। তার মানে হচ্ছে কি আমাদের অনেক কাজ এখনই অটোমেট করতে হবে আর আমরা কাজ করব ইনোভেশন নিয়ে। আমরা যেহেতু মাইক্রোসফট 365 এনভায়রনমেন্টে অভ্যস্ত তখন তার জন্য পাওয়ার অটোমেট আসলে খুব ভালো কাজ করে। তবে পাওয়ার অটোমেটের পাশাপাশি আমি আরো অন্যান্য অনেকগুলো টুল আমি দেখেছি তার মধ্যে ওয়ান অফ দা বেস্ট টুল মেইক। মেইকের একটা ফ্রি টায়ার অপশন আছে এবং ফ্রি টায়ার অপশনে আপনি 1000 কাজ করতে পারবেন প্রতি মাসে। সো মেইক আমার কাছে মনে হচ্ছে যে মেইকের যে অপশনগুলো আছে সেটা আরো ইন্টারেস্টিং। কারণ দিনশেষে আমরা যে কাজগুলো করছি যেটাকে আমরা একটু এভাবে বলি যে সুপারভাইজড আরপিএ মানে আপনি রোবোটিক প্রসেস অটোমেশন করছেন কিন্তু আপনি সুপারভাইজ করছেন এবং সেখানে আপনার সুপারভাইজড আরপিএ হিসেবে কিন্তু এখানে ইয়েটা ভালো কাজ করবে বিশেষ করে আমরা বলছি মেইক এম এ কে ই মেইক। আপনি জাস্ট লিখবেন গুগল মেইক আরপিএ। সো আপনার মেইকে কিন্তু একটা ভালো একটা পোরশন চলে আসবে এবং মেইকের অপশনটা আমার কাছে খুব ইন্টারেস্টিং মনে হচ্ছে এবং এর প্রাইসিং টায়ারটাও অনেক অনেক ইন্টারেস্টিং। এর স্ট্রেন্থ উইকনেস নিয়ে আমি কিছু কথা বলব পরে বাট এই মুহূর্তে আমি মনে করি যে মেইকটা আপনি আপনারা ট্রায়াল দিতে পারেন। এর পাশাপাশি জ্যাপিয়ার। জ্যাপিয়ার আমি অনেকদিন ধরে কাজ করছি। জ্যাপিয়ারটা ভালো। মানে জ্যাপিয়ার আসলে আমি অন্যান্য কাজের জন্য ব্যবহার করতাম। বাট এখন আমি দেখছি যে জ্যাপিয়ার এই টুল হিসেবে আরপিএ টুল হিসেবে এদের কাজটা বেশ ভালো। আরেকটা টুল আছে এন এইট এন। এন এইট এন এন ফিগার এইট এন। সো আমার কথা হচ্ছে যে আমরা যেটাই করি না কেন দিনের শেষে আমাদের সব কাজ যেহেতু আমাদের অফিস আমাদের 24 ঘন্টা তো আর বাড়ছে না। আমাদের 24 ঘন্টা 24 ঘন্টায় থাকছে কিন্তু আমাদের কাজ বাড়ছে। সুতরাং রিপিটেটিভ কাজগুলোকে আমরা যতদিন পর্যন্ত অটোমেট না করছি ততদিন পর্যন্ত কিন্তু আমরা নিজেদের শৃঙ্খলায় নিজেদের পড়ে যাচ্ছি। তার মানে হচ্ছে কি আমরা নিজেরাই আটকে যাচ্ছি। সো এইখানে আমরা মনে হয় যে আমরা এই ধরনের টুল রোবোটিক প্রসেস অটোমেশন টুলগুলো যখন আমরা ইউজ টু হয়ে যাব সেই ইউজ টু হয়ে যাওয়ার পরে আমরা দেখব যে সেই রোবোটিক প্রসেস অটোমেশন আমার কাজের একটা বড় অংশ রিপিটেটিভ কাজ এবং সেই রিপিটেটিভ কাজগুলোকে সে টেক কেয়ার করছে। তখন আমরা অন্যান্য ইনোভেশন নিয়ে আমরা কাজ করব। বিকজ মানুষের কাজ হচ্ছে ইনোভেশন নিয়ে কাজ করা। মানুষের কাজ হচ্ছে গিয়ে আবিষ্কার করা। উই নিড টু ইনোভেট উই নিড টু ইনোভেট এভরিডে। উই শুডন্ট বি ডুইং এভরিডে দা রিপিটেটিভ রেগুলার জব। আজকে এই পর্যন্তই থাকছেন তো সামনে?

অটোমেশন: ধারণা

কেন প্রজেক্ট দিয়ে শিখতে চাই আমরা Learning with Projects, why.mp3

এর আগে একটা ভিডিও ছিল যে কেন প্রজেক্ট করতে হয় বা ব্যাপারটা ছিল এরকম যে একজন প্রশ্ন করেছিলেন যে উনি একটা প্রোগ্রামিং ল্যাঙ্গুয়েজ বোঝেন বাট কেন একটা প্রজেক্ট করতে হবে বা একটা প্রজেক্ট কেন দরকার তো আসলে দিনশেষে আমরা উত্তর দিয়েছিলাম যে যেকোনো জিনিস শেখার জন্য মানে যেকোনো জিনিস ভালোভাবে শেখার জন্য একটা রিয়েল ওয়ার্ল্ড সিনারিও বাট রিয়েল ওয়ার্ল্ড প্রজেক্ট করতে হবে এবং সেই প্রজেক্টটি আমি বলেছিলাম যে ধরা যাক একটা জেসচার মানে আমার হাতে আমি একটা মেশিন লার্নিং মডেল তৈরি করলাম এখন মডেলটা তৈরি করার জন্য যেটা প্রয়োজন সেটা হচ্ছে গিয়ে আমাকে একটা যেটা আমি দেখে নিজের একটা প্রবলেম নিজের প্রবলেমকে আমি সলভ করতে পারি আর সেজন্য আমি বলেছিলাম যে আপনাদের মনে আছে কিনা আমার যে প্রথম লাল বইটা মানে এই বইটাতে অবশ্যই আমি মনে করি যে এই বইটাতে অবশ্যই একটা আমার আমার লেখা সবচেয়ে সময় ধরে আমি লিখেছিলাম এই বইটা তো আমার আসলে এই বইটা থেকে সবচেয়ে বড় যে জিনিসটা হচ্ছে যে একটা লাল বই আমার একটা লাল বই আছে আপনার মনে আছে যে যেটা হচ্ছে হাতে কলমে পাইথন মেশিন লার্নিং এই হাতে কলমে পাইথন মেশিন লার্নিং বইটা কিন্তু আমি লিখেছিলাম যে আর বা পাইথন প্রোগ্রামিং কে শেখানোর লক্ষ্য করে নয় রাদার আমি মনে করি আমি বলেছিলাম যে কিভাবে মেশিন লার্নিং দিয়ে একটা সমস্যার সমাধান করতে হয় সো মেশিন লার্নিং দিয়ে কিভাবে একটা সমস্যার সমাধান করতে হয় সেটার জন্য আমরা একটা বেসিক একটা রিয়েল ওয়ার্ল্ড সিনারিও নিয়েছিলাম যে কিভাবে একটা মেশিন লার্নিং প্রজেক্ট দিয়ে একটা প্রবলেমকে সলভ করতে হয় আর সে কারণে আমরা আসলে তখন নিয়েছিলাম মেশিন লার্নিং মানে যারা মেশিন লার্নিং শেখে মানে আমি যেহেতু নিজে দেশের বাইরে অনেকগুলো বুট ক্যাম্প করেছি সো আমি জানি এবং 2010 সালে বা 2012 সালে 13 সালে আমি দেখেছি যে যারা স্ট্যাটিস্টিক্স নিয়ে কাজ করছেন বা যারা মেশিন লার্নিং নিয়ে কাজ করছেন যারা মেশিন লার্নিং শুরুর একদম শুরু দিতে যাচ্ছেন তাদের জন্য ক্যাগলের যে টাইটানিক প্রজেক্ট এবং টাইটানিক প্রজেক্টটা একটা রিয়েল ওয়ার্ল্ড সিনারিওর উপর ভিত্তি করে প্রজেক্ট যে আসলে টাইটানিক যে 2012 সালের যে ঘটনাটা ছিল যে 2012 সালে যে টাইটানিক ভয়েস যে শুরু হয় তখন কিন্তু সেখানে যে 2000 যে লোক নিয়ে সেই টাইটানিক তার ভয়েস শুরু করে তখন সে আইসবার্গে বাড়ি খেয়ে কিন্তু তাদের প্রায় 76 শতাংশ মানে 76% মানুষ মারা যায় তো সেই রিয়েল ওয়ার্ল্ড সিনারিও এবং রিয়েল ওয়ার্ল্ড ডাটা সেট থেকেই আসলে এই প্রজেক্টটা তৈরি করা যে প্রজেক্টে বলা হচ্ছিল যে কিভাবে একটা জাহাজ ডুবে যাচ্ছে এবং জাহাজের মধ্যে যারা ছিল মানে যারা যাত্রী ছিল তাদের যাত্রীর মধ্যে যদি মানে উনারা বলেছিলেন যে একটা ডেটা সেট দিয়েছিলেন যে ডেটা সেটের মধ্যে 900 জন ডেটা সেটের মধ্যে উনার উনার বয়স উনার কোথা থেকে উঠেছিলেন উনার নাম উনার জেন্ডার উনার টিকিটের যে টিকিটটা কি কি টিকিট ছিল টিকিটের ভাড়া কোথায় ছিল উনি কি ফার্স্ট ক্লাস না সেকেন্ড ক্লাস না থার্ড ক্লাস গিয়েছিলেন এরকম অনেক কিছু ছিল এবং তার সাথে আরেকটা খুব দরকারি একটা কলাম ছিল যেটাকে আমরা বলছিলাম যে উনি বেঁচে গিয়েছিলেন নাকি মারা গিয়েছিলেন তার মানে উনার লাস্ট ফেটটা ওই কলামে আছে যে উনি আসলে বেঁচে গিয়েছিলেন না মারা গিয়েছিলেন এটা হচ্ছে গিয়ে একচুয়াল ডেটা তারপরে আরো 400 জনের ডেটা দেওয়া হয়েছিল যেখানে সবকিছু ছিল সবকিছু মানে তার নাম তার বয়স তার জেন্ডার সে কোথা থেকে উঠেছে সে তার টিকিট টিকিট ভাড়া এবং কোন ক্লাসের প্যাসেঞ্জার সবকিছু ছিল পাশাপাশি ওই একটা কলাম মিসিং ছিল যে কলামটা হচ্ছে গিয়ে সে আসলে বেঁচে গিয়েছিল না মারা গিয়েছিল তখন সেই প্রজেক্টের যে প্রবলেম স্টেটমেন্ট সেই প্রজেক্টের প্রবলেম স্টেটমেন্টটা ছিল এখন আমাকে সেই 900 ডাটা সেট থেকে ব্যাপারটা বুঝে আমার এই 400 ডেটা সেট যেটা দেওয়া হয়েছে যেটার মধ্যে সারভাইভাল মানে উনি আসলে বেঁচে গিয়েছিলেন না মারা গিয়েছিলেন সেটা দেওয়া হয়নি সেটাকে অনুমান করতে হবে সেটাকে প্রেডিক্ট করতে হবে 900 জনের ডেটা আমার কাছে আছে যেখানে বলা হচ্ছে যে উনি ফাইনালি বেঁচে গিয়েছিলেন না মারা গিয়েছিলেন আর 400 জন যেখানে তার ফাইনালি বেঁচে গিয়েছিলেন না মারা গিয়েছিলেন সেটা যেহেতু দেওয়া নেই সো প্রবলেম স্টেটমেন্টটা ছিল যে ওই 900 জনের মধ্যে সব ডেটার রিলেশনশিপ থেকে প্রেডিক্ট করে যে উনি বেঁচে গিয়েছিলেন না মারা গিয়েছিলেন সেটাই আমরা আসলে চালাবো এই 400 ডেটার মধ্যে যাতে আমরা বুঝতে পারি যে উনি উনাদের মধ্যে কারা কারা বেঁচে গিয়েছিলেন না মারা গিয়েছিলেন সো ব্যাপারটা রিলেশনশিপটা এরকম ছিল যে আসলে বয়স তাদের সম্পর্ক তারপর হচ্ছে গিয়ে সে ফার্স্ট ক্লাস না সেকেন্ড ক্লাস উনি মহিলা না পুরুষ এটার যে একটা ইনফ্লুয়েন্স মানে পুরো ডেটা সেটের মধ্যে এটার যে একটা ইনফ্লুয়েন্স সেই ইনফ্লুয়েন্সটা কিন্তু দিনশেষে তার বেঁচে যাওয়া বা মারা যাওয়ার উপরে ইনফ্লুয়েন্সটা কাজ করেছে তবে যে জিনিসটা আমরা বলতে পারি যে এখন এই ইনফ্লুয়েন্সটা যদি আমরা ঠিকমত বের করতে পারি তাহলে আমরা এই 400 জনের জন্য কিন্তু বের করতে পারব তো ব্যাপারটা ছিল এরকম যে আমরা প্রজেক্ট হওয়ার কারণেই কিন্তু আমরা মেশিন লার্নিং ভালোভাবে শিখতে পারলাম আর আমি যদি সাধারণভাবে মেশিন লার্নিং শিখতে যেতাম তাহলে হয়তোবা আমার জন্য এই মেশিন লার্নিং শেখাটা খুব খুব ডিফিকাল্ট হতো আর সে কারণে বলছি যে এই জন্যই কিন্তু আমরা প্রজেক্ট দিয়ে আমরা প্রোগ্রামিং ল্যাঙ্গুয়েজ শিখি আমরা প্রজেক্ট দিয়ে আমরা মেশিন লার্নিং শিখি আমরা প্রজেক্ট দিয়ে আমরা ডিপ লার্নিং শিখি বা আমরা প্রজেক্ট দিয়ে আমার সেই ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং সেই বইটাও তো আমি প্রজেক্ট দিয়ে দেখিয়েছি সো দিস ইজ দা বিউটি অফ দা প্রজেক্ট যে যেকোনো একটা প্রজেক্টে ইট উইল নট গিভ ইউ দা এমফাসিস যেভাবে আমরা কোডিং বইয়ের মধ্যে দেখি যে শুরু থেকেই আমার একটা কোডিং এর একটা ধারণা যে এটা এটা করে বা এটার জন্য এটা করে তার থেকে রাদার উই উইল সলভ এ প্রবলেম হোয়াইল উইল বি সলভিং আওয়ার প্রবলেম উইল বি লার্নিং আওয়ার থিংস ইটস ইটস আদার ওয়ে এরাউন্ড আমরা একটা রিয়েল ওয়ার্ল্ড প্রবলেমকে আমরা আইডেন্টিফাই করব এবং আইডেন্টিফাই করার পরে সেই প্রবলেমটাকে আমরা সলভ করার চেষ্টা করব এবং সেই প্রবলেমটাকে সলভ করতে গিয়েই কিন্তু আমি হয়তোবা পাইথন হয়তোবা মেশিন লার্নিং হয়তোবা ডিপ লার্নিং হোয়াট এভার ইজ নেসেসারি আমি তার পাশাপাশি শিখে যাব এইজন্যই কিন্তু প্রজেক্ট করাটা খুবই ইম্পর্টেন্ট এবং আমরা সবসময় বলি যে একটা রিয়েল ওয়ার্ল্ড প্রজেক্ট করতে যাতে সেটা আমার কাজে লাগে এবং ভবিষ্যতে আমরা এই প্রজেক্ট থেকে কিন্তু আমরা একটা মিনিমাল ভায়াবল প্রজেক্ট বা মিনিমাল ভায়াবল প্রোডাক্ট বা আমরা একটা বড় ধরনের প্রোডাক্ট বানাতে পারি তো এইজন্যই আমাদের সবকিছুর মধ্যে আসলে যেকোনো লার্নিং যেকোনো জিনিস আমাদের শেখার জন্য শুরুতেই যেকোনো একটা প্রজেক্ট দিয়ে শুরু করা উচিত এবং আপনি প্রজেক্ট দিয়ে শুরু করলে আপনার মাইন্ডসেট থাকবে যে আপনার প্রবলেমটাকে সলভ করতে হবে সো হোয়াইল ইউ উইল বি সলভিং ইউর প্রবলেম যে আপনার এই প্রবলেমটাকে এখানে যেহেতু সলভ করতেই হচ্ছে আর সে কারণে আপনার প্রবলেম সলভিং এর দিকে আপনার চোখ থাকবে মাথা থাকবে তো দিনশেষে আপনার এই প্রবলেমটাকে সলভ করতেই যেই আপনার কাজগুলো করতে হবে এর ফাঁকে ফাঁকে কিন্তু আপনি বাকি জিনিসগুলো শিখে যাবেন সো এটাই বারবার আমরা বলছি যে যখনই একটা প্রবলেম হচ্ছে সেই প্রবলেমটাকে সলভ করার জন্য আমাকে নিজে থেকে কোন কিছু শিখে ফেলতে হচ্ছে আর সেই শেখাটা কিন্তু জোরপূর্বক না রাদার আমরা সেই শেখাটা সলভ করছি যখন আমরা প্রবলেমটাকে সলভ করতে যাচ্ছি সো আমরা যখন প্রবলেমটাকে সলভ করতে যাচ্ছি তখন কিন্তু আমরা এর পাশাপাশি শিখে যাচ্ছি সো আমরা শেখার যে ইনহিবিশন মানে অনেক সময় মানুষ চিন্তা করে যে আমাকে ও শেখাতে চাচ্ছে তাহলে আমি শিখবো না বা শেখানোটা একটা বড় প্রবলেম সো অনেক সময় এই আমি সরাসরি না শিখে আমি যদি একটা প্রবলেমকে সলভ করতে যাই তখন আমি বা আমরা আরো ভালো শিখি আজকে এই পর্যন্তই থাকছেন তো সামনে

অটোমেশন: ধারণা

মানুষ থেকে যন্ত্র কি বেশি বুদ্ধিমান হতে পারে.mp3

একটা প্রশ্ন প্রায় পাই যে মানুষ থেকে যন্ত্র বেশি বুদ্ধিমান কিভাবে হয়? মানে এই প্রশ্নটা যদি আমি আবার বলি যে মানুষ থেকে যন্ত্র কি বেশি বুদ্ধিমান হতে পারে? ব্যাপারটা যদি আমি এভাবে বলি যে আসলে মানুষ মানুষ তার সুবিধার জন্য সবকিছু তৈরি করেছে। আজকে একটা ওজন ধরা যাক একটা 10 টনের একটা জিনিস, একটা 10 টনের একটা ধরা যাক একটা 10 টনের একটা আইটেম যেটা আসলে অনেক বেশি ওজন যেটা মানুষ পারছে না একটা জায়গা থেকে আরেকটা জায়গায় নিতে। সো এই 10 টনের একটা আইটেমকে এক জায়গা থেকে নিতে আরেক জায়গায় নিতে যেহেতু যেহেতু এটা মানুষ পারছে না তো মানুষ একটা যন্ত্র তৈরি করেছে যেমন মানুষ ক্রেন তৈরি করেছে। সো মানুষ ক্রেন তৈরি করার ফলে সেই ক্রেনের মাধ্যমে ক্রেন ওই আইটেমটা 10 টনের আইটেমটা থেকে একটা জায়গা থেকে আরেকটা জায়গায় নিয়ে নামিয়ে দিল। তার মানে হচ্ছে কি মানুষ থেকে যন্ত্রের কায়িক সুপিরিওরিটি বেশি। তার মানে এই এইখানেই এটাই কি যে সবকিছুতেই মানুষকে কাজ করতে হবে বা ঘোড়াকে কাজ করতে হবে বা পাখিকে উড়তে হবে সবচেয়ে বেশি। মানে পাখির থেকে প্লেন আরো বেশি স্পিডে যেতে পারবে। ঘোড়ার থেকে গাড়ি আরো বেশি যেতে পারবে। এটা হচ্ছে গিয়ে আমাদের যান্ত্রিক ইভলিউশন। সো আমরা সেটাই বলছি যে যখন হোয়েন ইট কামস টু দা বুদ্ধিমত্তা আমরা বলছি যে মানুষ থেকেও কিন্তু বুদ্ধিমত্তায় যন্ত্র হতে পারে যখন মানুষ সেটাকে বানাবে। মানে এটাকে আমরা বলছি সুপার ইন্টেলিজেন্স। সুপার ইন্টেলিজেন্স ব্যাপারটা এরকম যে মানুষ তৈরি করছে সুপার ইন্টেলিজেন্স যাতে সেই যন্ত্রটা মানুষের থেকে বেশি ইন্টেলিজেন্স নিয়ে কাজ করতে পারে। কারণ আমরা দেখছি যে আমাদের আমাদের লাইফটাইমে আমরা যেভাবে দেখলাম যে একটা 10 টনের একটা আইটেমকে একটা জায়গা থেকে আরেকটা জায়গায় নিয়ে যেতে যেভাবে আমাদের ক্রেনের প্রয়োজন হচ্ছে সেইভাবে আমাদের বর্তমান যে প্রবলেমগুলো হচ্ছে সেই প্রবলেমগুলোকে প্রবলেমগুলোকে সলভ করার জন্য আমরা দেখছি যে বর্তমান লেভেলের ইন্টেলিজেন্স দিয়ে সেটাকে সমাধান করা যাচ্ছে না। তার মানে হচ্ছে গিয়ে আমরা যেভাবে ভাবছি যে ইভেন আইনস্টাইন কিন্তু অনেক আগে বলেছেন যে যেই সমস্যায় একটা বা যেই যেই লেভেলে একটা সমস্যা তৈরি হয় অনেক সময় সেই লেভেলে সেই সমস্যাটা সমাধান করা যায় না। কারণ সেই সমস্যাটা সমাধান করতে হলে সেই লেভেল থেকে আরো উপরে উঠতে হবে। আমরা যদি এই ব্যাপারটাকে এভাবে বলি যে ধরা যাক যে লেভেলে সমস্যাটা তৈরি হয়েছে সেই লেভেলের সমস্যাটাকে সমাধান করার জন্য তার উপরের লেভেলের ইন্টেলিজেন্স প্রয়োজন। তো সেই ইন্টেলিজেন্সটা তো এই মুহূর্তে হয়তোবা মানুষের কাছে নেই। সো এখন মানুষকে তৈরি করতে হবে সেই লেভেলের ইন্টেলিজেন্স যাতে সেই সুপার ইন্টেলিজেন্স সেই লেভেল থেকে উপরে উঠে সেই সমস্যাটা সমাধান করতে পারে। সো এখানে মানুষ থেকে যে ইন্টেলিজেন্স বেশি বা কম এটা ব্যাপার না। ব্যাপারটা হচ্ছে যে মানুষ চাইছে যে তার থেকে বেশি ইন্টেলিজেন্স নিয়ে যন্ত্র একটা পার্টিকুলার এরিয়াতে কাজ করুক এবং সেই জন্য আমরা দেখছি যে আজকে এই কোভিডের পেছনে মানে কোভিডের পেছনে যে ইন্টেলিজেন্স কাজ করেছে সেটা কিন্তু হিউম্যান লেভেলের যে ইন্টেলিজেন্স সেই হিউম্যান লেভেলের ইন্টেলিজেন্স থেকে উপরে উঠে সুপার ইন্টেলিজেন্স সেই লেভেল থেকে কিন্তু এটাকে সলভ করতে হয়েছে। আর এর ফলেই কিন্তু আমরা দেখছিলাম যে প্রথম যে এক একটা ভ্যাক্সিনেশন সেই ভ্যাক্সিনেশন বিভিন্ন ভ্যারিয়েন্ট আসছিল এবং ভ্যারিয়েন্টগুলো কিন্তু 30 দিনেই আসছিল। তার মানে হচ্ছে গিয়ে প্রথম যে ভ্যাক্সিন সেটা তৈরি করতে হয়তোবা একটু সময় লেগেছে বেশি দুই বছর বা তিন বছর কিন্তু ভ্যারিয়েন্টগুলো কিন্তু দেখা যাচ্ছিল যে মাত্র 30 দিনের মধ্যে সেই ভ্যারিয়েন্টগুলো তারা নিয়ে আসতে পারছিল। সো এই যে ব্যাপার যে সুপার ইন্টেলিজেন্স হয়তোবা মানুষের কাছে সেই সুপার ইন্টেলিজেন্সটা আমরা এখনো বুঝতে পারছি না যে মানুষ সেই সুপার ইন্টেলিজেন্স লেভেলে যেতে পারবে কিনা। কিন্তু মানুষ ঠিকই সুপার ইন্টেলিজেন্স ডেভেলপ করার জন্য যন্ত্রকে ইনভল্ভ করবে এবং ভবিষ্যতে যেটাকে আমরা বলছি এজিআই মানে আমরা হচ্ছে গিয়ে যে আর্টিফিশিয়াল জেনারেল ইন্টেলিজেন্স। মানে আর্টিফিশিয়াল জেনারেল ইন্টেলিজেন্স সেখানে দেখা যাবে যে আমরা দেখব যে একটা যন্ত্র একটা মানুষ যেভাবে কাজ করে মানুষ যেভাবে জেনারেলাইজড কাজ করে সেই জেনারেলাইজড কাজ করতে পছন্দ করবে যে ধরা যাক আমি এই বইটা এখান থেকে এই বইটা এখানে আছে তো এই বইটা আসলে বুকশেলফে রাখতে হবে। এটা একটা জেনারেল ইন্টেলিজেন্স যে আমার অলরেডি টেবিলের উপর অনেকগুলো বই এখানে পড়ে আছে। সো আমরা যদি এভাবে চিন্তা করি যে না জেনারেল ইন্টেলিজেন্স হচ্ছে গিয়ে এই বই অনেক ক্লাটার হয়ে যাচ্ছে আমার টেবিলে এটা বুকশেলফে ফেরত আসতে হবে। সো এটা একটা জেনারেল ইন্টেলিজেন্স। সো এই জেনারেল ইন্টেলিজেন্সে আমরা আস্তে আস্তে হাঁটছি। তবে একটা জিনিস হচ্ছে যে যন্ত্র স্পেসিফিক কাজে ভালো যেটাকে আমরা বলছি ন্যারো ইন্টেলিজেন্স। সো স্ট্রং ইন্টেলিজেন্স বাট একটা পর্যায়ে কিন্তু যন্ত্রকে জেনারেলাইজড হতে হবে যাতে যন্ত্র মানুষকে সাহায্য করতে পারে। আজকে এ পর্যন্তই থাকছেন তো সামনে?

অটোমেশন: ধারণা

রোড টু হাইটেক ইন্ডাস্ট্রি অটোমেশনের ট্রিগার Automation Trigger Points Data CenterNetworkTelco.mp3

অটোমেশনে এনি স্টার্টিং পয়েন্ট আসলে শুরু হয় একটা ট্রিগার পয়েন্ট থেকে। ধরা যাক আমি আপনাদেরকে দেখিয়েছি যে আমি যে পাবলিশিং করি, আমি যে বই লিখি বা আমি যে আমার বইগুলোকে গিটবুকে পাবলিশ করছি বা বিভিন্ন ধরনের গিটহাব পেইজে পাবলিশ করছি। আমি যদি আপনাকে দেখাই যে ধরা যাক আমার এই বইটা এই উৎকর্ষের সন্ধানে বাংলাদেশ। এই বইটা কিন্তু আমি যখন পাবলিশ করেছি এই পুরো পাবলিশিংটা কিন্তু আসলে ফুললি অটোমেটেড। অটোমেটেড ইন দা সেন্স যে আসলে যেহেতু আমি নিজেই অটোমেশন নিয়ে কাজ করি আর আমি যদি এরকম প্রচুর বই লিখতে হয় আমাকে, আমাকে যদি আমার লাইফটাইমে যদি অনেক বই লিখতে হয় তাহলে এই বইগুলো লেখার জন্য আসলে একটা সময় আমাকে একটা সময় দিতে হবে। সেই সময়টা কি আমার কাছে আছে? হয়তোবা আমার কাছে সেই সময়টা নেই। সো আসলে যে জিনিসটা হবে দিনশেষে যে আমি একটা ভালো কাজ যদি একটা লম্বা সময় ধরে যদি করতে চাই তাহলে কিন্তু অফকোর্স সেটার একটা ভালো প্রোডাক্টিভিটি আসবে। কিন্তু যে জিনিসটা আমরা আসলে সবসময় মিস করি যে যেকোনো জিনিস আমাকে যদি নামাতে হয় তাহলে কিন্তু আমাকে সেটাকে একটা অটোমেশনের মধ্যে ফেলতে হবে। যেই অটোমেশনটা আসলে আমার সময় বাঁচিয়ে দেবে। আর সেজন্যই কিন্তু আমি যদি আপনাকে দেখাই যে ধরা যাক আমি আপনাদেরকে এর আগে দেখিয়েছিলাম যে কিভাবে একটা সিআইসিডি পাইপলাইন ধরা যাক এডব্লিউএসএ বা কুবারনেটিক্সে যেখানে আমরা ডকার ব্যবহার করতে পারি, এনসিবল ব্যবহার করতে পারি, গিট, গিটহাব, অ্যাপাচি ম্যাভেন এবং জেনকিন্স কিভাবে ব্যবহার করতে পারি সেটা নিয়ে আমি একটা কিছু ধারণা দিয়েছিলাম যে কিভাবে একটা ট্রিগার পয়েন্ট আরেকটা ট্রিগার পয়েন্টকে হিট করছে। মানে একটা ট্রিগার পয়েন্ট আরেকটা ট্রিগার পয়েন্টকে বলছে যে তুমি এটা করো, তুমি এটা করো, তুমি এটা করো। মানে পরবর্তী সময় তুমি এটা করো। সো তার মানে হচ্ছে কি এই এই জিনিসগুলো আমি যখনই আপনাদেরকে বলবো যে না যেকোনো অটোমেশনের শুরুতে আমার একটা ট্রিগার পয়েন্ট লাগবে। সো আমার যদি ধরা যাক এই মুহূর্তে আমার যে লেখাটা আছে সেই লেখাটার যদি আমি কিছু অটোমেশন দেখাই যে আমার অটোমেশনের জন্য কিন্তু আমি প্রথমে আই ডিড সেট আপ এ জব যে আসলে আমার যে জিনিসটা করেছি সেখানে কিন্তু বিভিন্ন অপারেটিং সিস্টেম, রানার ইমেজ বা এর পাশাপাশি অন্যান্য জিনিস এখানে আছে। সো আসলে কোথা থেকে কি হবে না হবে এবং সেখানে কোথায় কি ডাউনলোড হবে না হবে এটা কিন্তু সবকিছুই। সো যেহেতু আমার নতুন বইটা হচ্ছে অটোমেশনের উপরে সুতরাং এটা কিন্তু আমার এই যে রিপোজিটরি সেই রিপোজিটরি থেকে কিন্তু সে এখান থেকে কল করে নিয়ে আসছে এবং সেটাকে আসলে টেম্পোরারি একটা হোমের মধ্যে ফেলছে এবং তারপরে সেটাকে আসলে কোথায় কি করবে না করবে। সো আসলে দিনশেষে রানারের সেই ওয়ার্কআউটটা অটোমেশনের মধ্যে কোথায় ফেলবে এবং এই এই সবকিছুই কিন্তু কাইন্ড অফ লাইক অটোমেশন। মানে কোথায় কি হবে না হবে। তারপর হচ্ছে গিয়ে সেই আমার কথা হচ্ছে যে এই জিনিসগুলো আমরা একটার পর একটা যখন আমরা দেখাবো যে আসলে আমার এটা হলে ওটা হবে, ওটা হলে ওটা হবে। সেই জিনিসটা কিন্তু এখানে আপনাকে আমরা দেখাতে পারছি। সো আসলে এইজন্যই বলছি যে দিনশেষে আমরা যখনই বিভিন্ন জায়গায় ডেপ্লয় করবো সেই ডেপ্লয়টা কিন্তু আমাকে এখানে দেখাবে যে কিভাবে আসলে এই জিনিসগুলো নিয়ে কাজ করছে এবং ফাইনালি এই এটাকে কোন লিংকে সে এটা পাঠাচ্ছে সেটাও কিন্তু এখানে আসছে এবং তার পাশাপাশি আমার ডকুমেন্টেশনটা কোথায় আছে সেটাও কিন্তু এখানে আমরা দেখতে পাচ্ছি। মেইন কথা হচ্ছে যে আমরা অটোমেশনের যেখানে যে ধরনের কাজ করি না কেন প্রথম কথা হচ্ছে যে উই হ্যাভ টু হ্যাভ দা ট্রিগার পয়েন্ট যে কি করতে হলে কি করতে যাইতে হবে। মানে আমাকে এই অ্যাকশনটার জন্য পরবর্তী এই অ্যাকশনটার জন্য আমাকে এটা করতে হবে। সো এই পরবর্তী এই অ্যাকশনটার জন্য আমাকে যদি একটা বেসিক লেভেলে যদি অটোমেশন করতে হয় তাহলে সেটাকে আমাকে আগে সেটআপ করতে হবে। যেমন আমি এখানে আমি সাধারণত সবকিছুর জন্য গিটল্যাব ব্যবহার করি। গিটল্যাব ব্যবহার করি। কিন্তু যেহেতু আমার গিটহাবে ধরা যাক গিটহাব অ্যাকশন যেটা আছে। গিটহাব অ্যাকশন হচ্ছে গিয়ে অটোমেশন একটা প্ল্যাটফর্ম পাইপলাইন। সো গিটহাব অ্যাকশনে আমরা যেহেতু 2000 মিনিট ফ্রি পাই সো লাইক রাইটিং এ বুক আমার এত এত লাগে না। সো দেয়ার আর মেনি মেনি আদার থিংস দ্যাট উই ক্যান ডু দেয়ার। বাট দা পয়েন্ট হোয়াট উই আর ট্রাইং টু সে যে আসলে অটোমেশনের শুরুতে উই নিড টু আন্ডারস্ট্যান্ড দা ট্রিগার পয়েন্ট। মানে কোথা থেকে শুরু হবে। আমাদের এখানে যদি আমি আপনাদেরকে দেখাই যে আমার এখানে যদি আমার সাপ্লাই যেখানে আমি দেখাচ্ছি সেখানে আমার যে ডেপ্লয়মেন্ট বা সবকিছু সেখানে কিন্তু এই সিডি যেটা আছে সেখানে কিন্তু আমি আমার বিভিন্ন জায়গায় যেমন আমার অটোমেশনে কিন্তু কিছু কিছু জায়গায় যে ফুল অটোমেশন হয়েছে তাও না। যে বিল্ডে আমার কিন্তু বেশ এরর আছে। অটোমেশন মানে যে এরর হবে না সেটা না। অটোমেশনে এরর হতে পারে। সো এই জায়গাটাও কিন্তু আমাদের এখানে দেখতে পারতে হবে যে আসলে আমরা আসলে কিভাবে কি কাজ করছি। আর সবচেয়ে বড় ব্যাপার হচ্ছে যে আমি যখনই একটা কাজ করবো তখন কিন্তু আমার শুরুতে মানে একটা ট্রিগার পয়েন্ট লাগবে। সো এইখানেই কিন্তু এই ট্রিগ এখানে ট্রিগার পয়েন্টটা হচ্ছে পুশ। সো আমার এখানে ট্রিগার পয়েন্টটা কিন্তু আমি বলছি যে দিস ইজ মাই ওয়ার্কফ্লো পুশ। যে আমি যদি একটা পুশ করি আমার ভিএস কোড থেকে আমি যখন একটা পুশ করবো সো বেসড অন দা পুশ সে কিন্তু তার কাজ শুরু করে দেবে। সো এই এই জায়গাটাই হচ্ছে আমাদের পয়েন্ট যে আসলে আমরা সেই পুশটা সেই ট্রিগার পয়েন্টটাকে আমরা ঠিকমতো জানি কিনা এবং সেটা যদি আমরা ঠিকমতো জানতে পারি যে আমরা কোন ট্রিগার পয়েন্টে আমরা কাজ করবো তাহলে আমাদের জন্য যেকোনো কাজ সহজ হয়ে যাবে। আর ফাইনালি আমি এটা বলতে পারি যে ফর ডেটা উই নিড টু আন্ডারস্ট্যান্ড হোয়াট ইজ ডেটা অ্যানালিটিক্স। সো উই নিড টু লাইক এই বইটা আসলে উই শুড বি ট্রাইং যে ডেটা অ্যানালিটিক্স কিভাবে বুঝতে হয় এবং তার পাশাপাশি ডেটা থেকে কিভাবে সিদ্ধান্ত নিতে হয়। সো এই ডেটা অ্যানালিটিক্স এবং ডেটা ভিজুয়ালাইজেশন যে বইটা আছে বেশি মোটা না। বাট আমি মনে করি যে এই বইটা আমাদের একটা ধারণা দেবে যে আমরা আসলে কোথায় যেতে পারি। আজকে এই পর্যন্তই। কিন্তু সামনে।

অটোমেশন: ধারণা

নেটওয়ার্ক ম্যানেজমেন্টে কাজ কমানোর কৌশল । How tech is taking our repetitive jobs, staying relevant.mp3

প্রচন্ড মাথা ব্যাথা করছে তবে এটাও ঠিক যে প্রচন্ড মাথা ব্যাথা মানে হচ্ছে গিয়ে আমার মনে হয় জ্বর আসবে। তবে আজকে ভিডিওটাও করতে হবে। আর সে কারণে আজকের ভিডিওটা নিলাম হচ্ছে গিয়ে নেটওয়ার্ক অটোমেশন। মানে আসলে আমরা কিভাবে আমাদের কাজটাকে সিম্পলিফাই করতে পারি। আমরা বলছি যে আমাদের যেভাবে আমাদের লাইফে কাজগুলো আগে যেভাবে প্রতিটা কাজ আমাদেরকে করতে হতো এখন কিন্তু আমরা অনেক কিছু আমাদের বিশেষ করে আমাদের যে নেটওয়ার্কের যে কাজগুলো সেই নেটওয়ার্কের কাজগুলো কিন্তু এখন আমরা অন্য লেভেলে নিয়ে যাচ্ছি। সো আমরা যদি এভাবে বলি যে এনিথিং রিপিটেটিভ হ্যাজ টু গো টু দা অটোমেশন এবং এটার ধারণা আসলে আমি পেয়েছিলাম অনেক আগে কারণ আমি আসলে ইউনিক সিস্টেম নিয়ে কাজ করতাম বহু আগে থেকে। কারণ আমার প্রথম হাতে খড়ি হয়ে হচ্ছে গিয়ে ফ্রি বিএসডি নিয়ে এবং ফ্রি বিএসডি হাতে খড়ি থেকেই কিন্তু আমার আসলে শুরু। তারপর হচ্ছে গিয়ে সোলারিস। ইট ওয়াজ রিয়েলি এ ফ্যান্টাস্টিক অপারেটিং সিস্টেম বিকজ ইট ওয়াজ প্রপারলি ডকুমেন্টেড এবং সোলারিসের যেহেতু অনেকগুলো ট্রেনিং করেছিলাম যেজন্য বলতে পারছি যে সোলারিস ওয়াজ দা কিং মেকার। বাট দেন অবভিয়াসলি লিনাক্স হ্যাজ কাম ইনটু প্লে। লিনাক্স নিয়ে কাজ করেছি। বাট আমার কাছে মনে হচ্ছে যে নেটওয়ার্কের একটা বড় অংশ হচ্ছে গিয়ে রিপিটেটিভ কাজগুলো কিভাবে কমানো যায়। আর সে কারণে আমি যখন আমার লাইফে এগুলো কাজ শুরু করি তখন শুরুতে অনেকগুলো ওরালির অনেকগুলো বই আমার কাছে আছে। এখনো আমার কাছে অনেকগুলো বই আছে। যেমন আমার টেবিলের উপরে এখন এই মুহূর্তে যে বইটা আছে এটা হচ্ছে গিয়ে 1993 সালের বই। মানে একটা বিশাল বই। এই বইয়ে এই বইয়ের একটা কাউকে যদি ছুড়ে মারা যায় তাহলে কিন্তু তার অবস্থা খুব খারাপ হয়ে যাবে। তো এটা হচ্ছে গিয়ে সেই বিশাল বই। আমরা যদি বলি এটা একটা বিশাল বই এবং এই বইটা থেকে কিন্তু আসলে আমার আমার সরি জ্বর তো এইজন্য আমি সবকিছু উল্টো দেখছি। সো দিস ইজ দা বুক। এটা হচ্ছে গিয়ে আমরা ইউনিক্স পাওয়ার টুল। মানে আমরা আসলে এটাকে বলছি ইউনিক্স পাওয়ার টুল এবং এই ইউনিক্স পাওয়ার টুল নিয়ে আসলে আমার আমার যাত্রা শুরু যে কিভাবে আসলে নেটওয়ার্কে অটোমেশন করা যায়। তো অনেক ভারী বই। সো অফকোর্স। সো আসলে নেটওয়ার্কের অটোমেশনটা কেন দরকার এবং কেন আসলে আমরা এটাকে ইমব্রেস করতে চাইবো এবং সবচেয়ে বড় জিনিসটা হচ্ছে গিয়ে নতুন নতুন টেকনোলজি আসছে। এখন নতুন যখন টেকনোলজি আসবে তখন তো অফকোর্স আমাদেরকে সেটা নিয়ে কাজ করতে হবে যে এটাকে কিভাবে স্বল্প সময়ে নামিয়ে দেওয়া যায়। কারণ আমাদের নতুন টেকনোলজি আসছে এবং নতুন সিস্টেম আসছে। সুতরাং আমাদের পুরনো সিস্টেমে চালাতে হবে, নতুন সিস্টেমে চালাতে হবে। এই যে এই যে একটা গ্যাপ এই গ্যাপটা আসলে আমাদেরকে বুঝতে হবে যে কিভাবে আসলে আমরা এই কাজগুলো করব। তো এখন আসলে অটোমেশনে আমরা কি চাই? প্রথম কথা হচ্ছে যে আমরা যেহেতু আমাদের সময় কমাতে চাই কারণ উই ওয়ান্ট টু রিডিউস টাইম এবং এখানে নেটওয়ার্ক অটো নেটওয়ার্কের মধ্যে প্রচুর রিপিটেটিভ কাজ আছে। এই প্রচুর রিপিটেটিভ কাজগুলোকে আমাদেরকে অটোমেশনে ফেলতে হবে এবং অটোমেশনে ফেললেই কিন্তু আমাদের সময় বাঁচবে। সো আমাদের কিন্তু এখানে সবচেয়ে বড় হচ্ছে গিয়ে আমাদের সময় কমাতে হবে এবং সময় কমানোর জন্য নেটওয়ার্ক অটোমেশন দরকার। দুই নম্বর হচ্ছে গিয়ে হিউম্যান এরর। মানে আমরা মানুষ মাত্রই ভুল করতে পারে। সো হুইচ ইজ হুইচ ইজ ফাইন। কারণ মানুষ ভুল করবে। কিন্তু আমাদের নেটওয়ার্কের ডাউন টাইমের জন্য আমাদের এরর এক একটা হিউম্যান এরর কিন্তু ক্যাটাষ্ট্রফি আনতে পারে। সো উই হ্যাভ টু অলসো থিংক অফ নেটওয়ার্ক অটোমেশন জাস্ট টু রিডিউস হিউম্যান এরর। আমাদের মানুষের ভুলগুলো করা যাবে না। তারপরে আসলে আরেকটা জিনিস হচ্ছে যে আপনার যদি নেটওয়ার্কে যেমন নেটওয়ার্কের ধরা যাক কোন একটা নেটওয়ার্কে 400 রাউটার আছে। 400 বা 500 রাউটার আছে। এই 500 রাউটারের কনফিগারেশন ম্যানেজমেন্ট ইটস এ নাইটমেয়ার। সো এই কনফিগারেশন ম্যানেজমেন্টটা আসলে কিভাবে ডিল করা হবে সেটা কিন্তু এই নেটওয়ার্ক অটোমেশন টুল ছাড়া কিন্তু সম্ভব না। সো উই হ্যাভ টু ওয়ার্ক উইথ দ্যাট নেটওয়ার্ক কনফিগারেশন ম্যানেজমেন্ট টুল যেটা আসলে আমি মনে করি যে নেটওয়ার্ক অটোমেশনের মধ্যে অনেক কিছুই আছে। আর এখন তো পাইথন দিয়ে আমরা অনেক কিছুই করতে পারি। বাট পাইথনের পাশাপাশি নেটওয়ার্ক অটোমেশন নিয়েই কিন্তু নরনির মানে যেটা হচ্ছে গিয়ে খুব বেশ পাইথন ভিত্তিক। আর পাশাপাশি রেড হ্যাটের যেটা পরে আইবিএম কিনে নিয়েছে যেটা হচ্ছে গিয়ে আমরা বলি যে এনসিবল। এনসিবল চমৎকার একটা জায়গা। সো যেখানে পাইথন অতটা লাগে না। ওয়াইএমএল জানলেই হয়। সো এনসিবলের প্লেবুক দিয়ে আসলে অনেক কিছু করা সম্ভব। আরেকটা জিনিস হচ্ছে যে আমরা যেটাকে বলতে পারি যে উই ক্যান ট্র্যাক আওয়ার নেটওয়ার্ক। উই ক্যান ট্রিগার যে কোন থ্রেশোল্ড লেভেলে কি হলে কোথায় কি করতে হবে। যে একটা একটা ট্রিগার পয়েন্ট সেট করা যে কখন কি হলে কার জন্য কি করতে হবে। সো এই যে একটা জিনিস যে আমাদের নেটওয়ার্কের ট্র্যাকিংটা এক নাম্বার আর দুই নম্বর হচ্ছে যে এটাকে কখন কোন জিনিসটাকে ট্রিগার করতে হবে এবং যদি কোন ধরনের সমস্যা হয় তাহলে ওই চেঞ্জ চেঞ্জটাকে কিভাবে রিভার্ট করা যায়। সবকিছুই অটোমেশনে করা যাবে। সেটা কিন্তু হিউম্যানের উপরে ছাড়াটা ঠিক না। এবং তার পাশাপাশি আরেকটা জিনিস আমি দেখি যে আমাদের যেকোনো নেটওয়ার্কে যখন আমরা এই ধরনের সিস্টেম নিয়ে কাজ করি তখন কিন্তু একটা বড় অংশ হচ্ছে গিয়ে কমপ্লায়েন্ট থাকা। সো আমরা আসলে আমি দেখছিলাম যে আমার রেকর্ডিংটা ঠিক হচ্ছে কিনা। সো নেটওয়ার্কে কমপ্লায়েন্ট থাকা। কারণ আমাদের রেগুলেটরি কমপ্লায়েন্স থাকতে পারে। আমাদের অন্যান্য জিনিস বা আমাদের ম্যানেজমেন্ট এক ধরনের কমপ্লায়েন্স চাচ্ছে যেটা নেটওয়ার্কের মধ্যে কোন ধরনের ব্রিজ যাতে না হয়। সুতরাং নেটওয়ার্কের কমপ্লায়েন্সের জন্য এবং অটোমেশন আমরা ব্যবহার করি যে কমপ্লায়েন্স চেক করা যায় আসলে কোন কিছু ব্রিজ হচ্ছে কিনা। আর পাশাপাশি নেটওয়ার্কের রিলায়েবিলিটির জন্য আমাদের সিকিউরিটি বা এই ধরনের জিনিসগুলো নিয়ে আমরা কাজ করতে পারি। সো আসলে এই যে আমরা যে বলছি যে এখানে যে নেটওয়ার্ক কনফিগারেশন নিয়েও যদি আমরা কথা বলি যে সেখানে নেটওয়ার্ক কনফিগারেশনের মধ্যে আমাদের নেটওয়ার্কে ইনভেন্টরি মানে টোটাল নেটওয়ার্কে ইনভেন্টরি কি আছে এবং সেটার সাথে সেই নেটওয়ার্কের ইনভেন্টরিটা কতটুকু কনসিস্টেন্ট। মানে আমাদের একচুয়াল নেটওয়ার্কের সাথে আমাদের যে ইনভেন্টরিটা আছে সেটা কতটুকু কনসিস্টেন্ট সেটাও কিন্তু আমরা এই ধরনের অটোমেশন টুল দিয়ে দেখতে পারি। তারপর হচ্ছে গিয়ে একটা সেন্ট্রালাইজড ভিউ অফ দা কাইন্ড অফ কনফিগারেশন। আমরা যদি একটা সেন্ট্রালাইজড ভিউ পেতে চাই যে আমাদের কোথায় কোন কনফিগারেশন চলছে এবং সেই কনফিগারেশনে কি হচ্ছে এবং কনফিগারেশন থেকে আউটপুটটা কি এবং ফাইনালি ওই কনফিগারেশনটা আসলে কিভাবে রোল আউট হয়েছে সেটাও কিন্তু আমরা ওই জায়গা থেকে দেখতে পারব। আর সবচেয়ে বড় জিনিস হচ্ছে যে আমাদের কনফিগারেশনের ব্যাকআপগুলো প্রপারলি এবং টাইমলি কনফিগারেশন বা ব্যাকআপগুলো ঠিকমত করা হচ্ছে কিনা সেটাও একটা ইম্পরট্যান্ট। আরেকটা হচ্ছে গিয়ে যেটা আমি প্রতিনিয়ত করি মানে আমি আসলে এই জিনিসটা অনেক সময় করেছি যে হয়তোবা আমার কাছে 1200 সার্ভার আছে বা আমার কাছে 800 সার্ভার আছে। 800 আমার নেটওয়ার্ক ডিভাইস আছে। সো আই ওয়ান্ট টু রোল আউট এট ইজ মানে একটা সেন্ট্রাল লোকেশন থেকে আই ওয়ান্ট টু রোল আউট এবং সেটাকে বুটপি সার্ভার হোক আর যেভাবে হোক না কেন সেখান থেকে আমরা পুরো কনফিগারেশন ফাইল টেনে একটা সিস্টেম দাঁড়ানো করানো হয়। সো এই এই যে ব্যাপারগুলো এটা আসলে আমাদের জন্য একটা ইজ ইজ একটা প্রসেস হয় যে আমাদের রিমোট থেকে অনেক কিছুই অটোমেশন আসলে আমরা করতে পারি। আরেকটা জিনিস আমি যেটা বুঝতে চাই যে আসলে যেই নেটওয়ার্কের ব্যাপারগুলো আমরা দেখছি সেখানে আসলে মনিটরিংটা কেমন? নেটওয়ার্কের মনিটরিং কি আমি হিউম্যান সারাদিন কি হিউম্যান দেখবে? নো। ইট হ্যাজ টু হ্যাভ সাম থ্রেশোল্ড ভ্যালু। যেই ভ্যালুটা আসলে চেক করে কিন্তু নেটওয়ার্ক অটোমেশন সিস্টেম অথবা আমাদের যে যেটাকে বলছি যে এনএমএস যে যেটা হচ্ছে গিয়ে আমাদের ম্যানেজমেন্টের জন্য দেখছি বা নেটওয়ার্ক কনফিগারেশনের জন্য দেখছি এই এনএমএস টাইপ জিনিসগুলোকে যখন আমরা দেখছি তখন সেখানে আসলে রিপোর্টিংটা ঠিকমত হচ্ছে কিনা বা রিপোর্টিংটা টাইম মত হচ্ছে কিনা বা রিপোর্টিং ওইটাও আমাকে দেখতে হবে যে এই জিনিসগুলো যে আসলে কোন একটা প্রবলেম হলে সেটার আগের রিভার্ট চেঞ্জ আগের জায়গাতে ফেরত যাওয়া কিন্তু এই অটোমেশনের একটা বড় অংশ। আরেকটা জিনিস আমরা যেটাকে বলি যে চেঞ্জ ট্র্যাকিং মানে যেটা হচ্ছে চেঞ্জ ট্র্যাকিংটা আসলে খুব দরকার এই কারণে যে নেটওয়ার্কে কখন কি হচ্ছে, কোনটা কোথায় আপগ্রেড হচ্ছে, কোথায় কি হচ্ছে, কোন জায়গাটাতে চেঞ্জ কন্ট্রোল যে একটা একটা সিস্টেমের মধ্যে যে একটা চেঞ্জ কন্ট্রোল। এনিথিং হ্যাপেনস ইন নেটওয়ার্ক ইট হ্যাজ টু গো থ্রু এ চেঞ্জ কন্ট্রোল সিস্টেম। সো এই এই জায়গাটাতে আসলে অটোমেশন ভালোভাবে কাজ করতে পারে। এবং অফকোর্স বিজনেসের যে বেইজলাইন সিকিউরিটি স্ট্যান্ডার্ড থাকে সেটা চেক করবে কে? অফকোর্স নেটওয়ার্ক অটোমেশন এবং সেখানে কিন্তু বিজনেসের যে আমাদের নেটওয়ার্কের যে বিভিন্ন থ্রেট এবং সেই থ্রেটের রিস্ক ফ্যাক্টরগুলো যেটা আছে সেই রিস্ক ফ্যাক্টরগুলোকে আসলে কিভাবে আমরা মিনিমাইজ করতে পারি সেটাও কিন্তু এই বেইজলাইন সিকিউরিটি স্ট্যান্ডার্ড থেকে কিন্তু অটোমেশনে আমরা বলতে পারি। অফকোর্স ফাইনাল পয়েন্ট হচ্ছে গিয়ে এনহ্যান্স সিকিউরিটি নেটওয়ার্কের রিলায়েবিলিটি বুস্ট করা। সেখানে কিন্তু নেটওয়ার্ক অটোমেশন একটা ভালো কাজ করে এবং আমি দেখেছি যে এখানে এই লেভেলে নেটওয়ার্ক অটোমেশন টুলগুলো কিভাবে কাজ করে। আর আমি এটা আমার পার্সোনাল অপিনিয়ন। কারণ আমি অনেকক্ষণ ধরে দেখছি যে নেটওয়ার্ক কনফিগারেশন যে ম্যানেজারগুলো আছে সেখানে এই যে নেটওয়ার্ক অটোমেশন টুলগুলো যদি একসাথে কাজ করে তাহলে কিন্তু আমাদের নেটওয়ার্কের কনফিগারেশনগুলো ঠিকমত মেইনটেইন করা কিন্তু একটা ভালো ভালো জায়গা এবং সেখানে আমরা আসলে বলতে চাই যে যে বিভিন্ন রিপোর্টিং টুল যেটাকে ট্র্যাক করা, সেখানে রিপোর্টিং করা বা গ্রাফে ফেলানো বা এর পাশাপাশি আরব্যাক বা এই যে একটা ইউজার অ্যাক্টিভিটি ট্র্যাকিং সেই জায়গাটাতে আসলে কিভাবে আমরা দেখব এবং তার পাশাপাশি আমাদের বিভিন্ন কমপ্লায়েন্সের জায়গাটা আমরা দেখব যে আসলে এই জিনিসগুলো কিভাবে কাজ করে। আর সবচেয়ে বড় হচ্ছে গিয়ে যে নেটওয়ার্কের চেঞ্জ নোটিফিকেশন বা এই যে চেঞ্জ ট্র্যাকিং এটা এটা একটা বড় অংশ। তারপর হচ্ছে গিয়ে শিডিউলিং করা কোন কাজ এবং তারপরে যদি কোন কাজটা ঠিকমত না হয় তাহলে সেটাকে রোল ব্যাক করা। তারপর হচ্ছে গিয়ে অফকোর্স দেয়ার আর কনফিগলেটস যেটা দিয়ে আমরা আসলে অনেক কিছু করতে পারি। মধ্যাকথা হচ্ছে উই হ্যাভ টু লার্ন ফাস্টার। উই হ্যাভ টু লার্ন ফাস্টার এভরিডে এন্ড উই উই নিড টু গেট থিংস ডান থ্রু অটোমেশন বিকজ উই হ্যাভ টু ডু স্ট্র্যাটেজিক থিং। আমাদের আসলে স্ট্র্যাটেজিক থিং জিনিস নিয়ে আলাপ করতে হবে। উই হ্যাভ টু ডু আওয়ার স্ট্র্যাটেজিক থিংস। যে নেটওয়ার্কের অংশটা যন্ত্রের উপর ছেড়ে দিতে হবে। নেটওয়ার্ক কনফিগারেশন, নেটওয়ার্ক ম্যানেজমেন্ট, নেটওয়ার্ক এটা অনেকটাই যন্ত্রের উপর ছেড়ে দেওয়া যায়। আজকে এ পর্যন্তই থাকছেন তো সামনে?

অটোমেশন: ধারণা

রোড টু হাইটেক ইন্ডাস্ট্রি নেটওয়ার্ক অটোমেশন Network Automation, Bulk Action Workflow Tasks.mp3

আমরা তো এটা মানি যে আমাদের নেটওয়ার্ক ইনফ্রাস্ট্রাকচারের যত ডিভাইস আছে সবকিছু কিন্তু মানুষের জন্য তৈরি করা। অফকোর্স আমাদের কাছে যত ডিভাইস আছে সেইগুলোকে যখন আমরা নেটওয়ার্কে ডেপ্লয় করি এখন মানুষ যদি প্রতিটার পেছনে সময় দেয় তাহলে কি আমরা আসলে একটা নেটওয়ার্ক যখন একটা নেটওয়ার্ক বড় হয় নেটওয়ার্কটা বড় হয়ে গেলে কি আমি ধরা যাক আমার নেটওয়ার্কে এখন আছে 450 ডিভাইস। আমি কি 450 ডিভাইসকে আমি কি কনফিগার করতে পারবো বা আমি 450 ডিভাইস কি আমি ঠিকমতো কনফিগারেশন পুশ করতে পারবো বা আমি 450 ডিভাইসকে কি একটা জায়গা থেকে কি আমি এটাকে ঠিকমতো প্লেস এবং অপারেট করতে পারবো কিনা। আসলে সবচেয়ে বড় যে জিনিসটা হচ্ছে যে নেটওয়ার্কের ডিভাইসের মধ্যে যত জিনিসপত্র এসছে যত কিছু এসছে সেগুলো কিন্তু শুরুতে হিউম্যান মানে হিউম্যান ফেসিংই আমরা আসলে প্ল্যান করেছি যে এটাকে আসলে হিউম্যান ফেসিং হিসেবে আমরা চিন্তা করি যে এটা হিউম্যান কাজ করবে মানে হিউম্যান এটাকে নিয়ে ডিল করবে বাট দিনশেষে আমরা যখন দেখছি যে যে দুটো কিওয়ার্ড বারবার বলছি যে ফাস্টার ডেপ্লয়মেন্ট ফাস্ট ডেপ্লয়মেন্টের পাশাপাশি হচ্ছে গিয়ে আমরা আসলে কিভাবে রিলায়েবলি ডেপ্লয় করতে পারছি যেহেতু রিলায়েবলি এবং ফাস্টার দুটো একসাথে যায় না আর সে কারণে কিন্তু ইটস অল এবাউট অটোমেশন আর সে কারণে আমরা বারবার বলছি যে আমাদের যে হিউম্যান ফেসিং মানে আমি এখন ধরা যাক কম্পিউটারে কাজ করছি আমার যে কম্পিউটার সে কম্পিউটারে আমি প্রতিদিন ধরা যাক প্রতিদিন হাজার ক্লিকিং মানে আপনি জাস্ট চিন্তা করেন যে প্রতিদিন আমাদের কম্পিউটারে আমরা হাজার ক্লিক করি তারপরে হাজার কপি পেস্ট করি তারপরে হাজার এটা ক্লোজ করি ওইটা চালু করি এটা লিখি ওইটাকে এপাশ থেকে ওপাশে নেই তার মানে হচ্ছে কি আমরা ক্লিক করছি আমরা সেখানে কপি পেস্ট করছি কপি পেস্টের পর আমরা সেটাকে আবার আরেকটা জায়গায় ফেলছি তারপর সেখান থেকে আমরা এটাকে বন্ধ করছি সেটাকে চালু করছি তার মানে হচ্ছে কি ইট ইজ নাথিং বাট রিপিটেটিভ মানে নাম্বার অফ রিপিটেটিভ অ্যাকশন এই নাম্বার অফ রিপিটেটিভ অ্যাকশন যদি আমরা সারাজীবনই করতে থাকি তাহলে তো আসলে আমরা সময় পাবো না। সো এইজন্যই আসলে আমরা বারবার বলছি যে এই যে আমরা ক্লিক করছি টাইপ করছি কপি পেস্ট করছি এই যে আমরা যে বছর পর বছর একই জিনিস করছি যেটা আসলে আমাদের মাথাকে পাগল করে ফেলবে। তো সেজন্য আমরা যেটাকে বলতে চাইছি যে এই একই জিনিস কপিং ক্লিকিং তারপর হচ্ছে গিয়ে টাইপিং তারপর অন্যান্য সবকিছু জিনিস যদি আমরা কম্পিউটারকে বাল্ক টাস্ক হিসেবে দিতে পারি যেটাকে আসলে অনেক আগে আমরা বলতাম যে ধরা যাক আপনি একটা ওয়েবসাইটে ধরে আপনি ওয়েবসাইট থেকে আপনি স্ক্র্যাপিং করবেন পুরো ওয়েবসাইটের সব ডেটাগুলো স্ক্র্যাপিং করবেন আপনি যদি হিউম্যানলি স্ক্র্যাপ করতে চান তাহলে ইট উইল টেক মেবি 100 ইয়ার্স। বাট দেন আপনি যখন একটা আরপিএ রোবটিক প্রসেস অটোমেশন মানে একটা হিউম্যান যেভাবে লগইন করে একটা হিউম্যান যেভাবে একটার পর একটা জিনিস নিয়ে কাজ করে মানে একটা হিউম্যান যেভাবে একটা ওয়েবসাইটে লগইন করে এজন্যই দেখবেন যে প্রচুর ক্যাপচা আসছে আস্তে আস্তে কিন্তু এখন এত স্মার্ট হয়ে গেছে বটগুলো বটগুলো কিন্তু হিউম্যানকে ইম্পারসনেট করতে পারে। তার মানে হচ্ছে কি হিউম্যান এখন মানুষের হয়ে কিন্তু লগইন করতে পারে ইউজার ইমেইল চেক করতে পারে সবকিছু করতে পারে। তার মানে হিউম্যান যদি এই সবকিছুই যদি করতে পারে তাহলে কেন আসলে সরি হিউম্যান মানে মেশিন যদি বট যদি সবকিছু করতে পারে তাহলে আমি কেন বা আমরা কেন বসে আছি যেই কাজটা আমরা প্রতিদিন করছি এবং আমরা আসলে আসল কাজটা করতে পারছি না আমরা প্ল্যানিং করতে পারছি না আমাদের লাইফের যেই লার্নিং যেই নতুন নতুন যে স্কিল লার্নিং সেই লার্নিংটা করতে পারছি না। তার মানে হচ্ছে গিয়ে আমরা যেই জিনিসটা এখন একটা ওয়েবসাইটে লগইন করার জন্য হোক একটা বিভিন্ন জিনিস আমরা যে করছি রোবটিক প্রসেস অটোমেশনের জন্য সেই একই জিনিস আমরা করতে চাই হচ্ছে গিয়ে আমাদের এই নেটওয়ার্ক অটোমেশনে। নেটওয়ার্ক অটোমেশনে কিন্তু আমরা একই জিনিস করতে চাই এটা আলাদা কিছু না। সেই জিনিসটা করার পেছনে আসলে আমরা কিছু প্রোগ্রামেবল ইন্টারফেস ব্যবহার করব যেটাকে আসলে আমাদের ভেন্ডররা অনেক আগে তৈরি করে দিয়েছে এবং ভেন্ডররা কিন্তু আমরা জানি যে আমরা এই প্যারাতে যাব ওরা জানে যে আসলে আমরা এইরকম প্রবলেমে পড়বো এটা কিন্তু আগে থেকেই জানা। সেই জিনিসটাকে আমরা শুধুমাত্র আমরা এটাকে ব্যবহার করব আর সেজন্যই কিন্তু আমরা আসলে এই প্রোগ্রামেবল ইন্টারফেসের কথা বলি যে যদি হিউম্যানকে যদি সারাজীবন কাজই করতে হয় তাহলে হিউম্যান আসলে তার নেক্সট লেভেলে কাজ কিভাবে করবে এইজন্য আমরা বারবার বলছি যে হিউম্যান মানে এনিথিং রিপিটেটিভ হ্যাজ টু গো টু অটোমেশন। মানে এনিথিং রিপিটেটিভ আমরা যেটাকে বারবার বলছি যে এনিথিং রিপিটেটিভ হ্যাজ টু গো টু অটোমেশন আর সেই কারণে কিন্তু আমরা এই আলাপগুলো করছি যে কিভাবে আমাদের যেই কাজগুলো করছি সেই কাজগুলো কিভাবে কম্পিউটারকে দিলে কম্পিউটার বাল্ক লেভেলে কাজ করতে পারে মানে কম্পিউটারে কিন্তু আমরা সিরিয়ালাইজেশনের কথা বলি বা সিআইসিডি প্লাটফর্মের কথা বলি প্রচুর সিআইসিডি প্লাটফর্ম আমরা কাজ করি বা ডেভপসে কাজ করি আমরা সেখানে দেখা যাচ্ছে যে আমরা কম্পিউটারকে একাধারে অনেকগুলো কাজ দিয়ে দিচ্ছি বাল্ক বাল্ক স্টাইলে মানে আমরা একাধারে অনেকগুলো কাজ দিয়ে দিচ্ছি কম্পিউটার সেটাকে ফিগার আউট করছে যে সে একটার পর একটা কারণ এটার পর এটা এটার পর এটা এটার পর এটা তার মানে হচ্ছে কি এটার পর এটা এটা যদি না হয় তাহলে পরবর্তী কাজ কিছু সে করবে না। তার মানে ডিপেন্ডেন্সি আছে। এটা যদি না হয় এটা হবে না ওটা যদি না হয় ওটা হবে না তার মানে হচ্ছে কি এই যে আমরা যে বারবার একটা কথা বলছি যে হিউম্যান যতটুকু কাজ করতে পারে তার থেকে ভালো কাজ করতে পারে কম্পিউটার ফর বাল্ক মানে আমি একসাথে ধরা যাক 20 টা প্রসেস দিয়ে দিলাম। 20 টা প্রসেস কিন্তু হিউম্যানের জন্য মনে রাখা ডিফিকাল্ট বাট কম্পিউটারের জন্য ইটস ভেরি ইজি বিকজ আমি তো 20 টা প্রসেস কম্পিউটারকে আমি জানিয়ে দিয়েছি যে সে 20 টা প্রসেসে সেখানে কিভাবে কাজ করবে। তো সেজন্য আমরা বলছি যে আমরা দিনশেষে যেভাবেই কাজ করি না কেন সবচেয়ে বড় যে জিনিসটা আমরা বারবার বলব যে আমরা আমাদের প্রোগ্রামেবল ইন্টারফেস আমাদের কাছে যত যন্ত্র আছে সে যন্ত্রগুলোর প্রোগ্রামেবল ইন্টারফেসের মাধ্যমে আমরা সেটাকে বাল্ক টাস্কিং এ দিয়ে দেব। আমার ল্যাপটপে যদি আমি একসাথে 30 টা রুল রুল সেট দিয়ে দেই একসাথে 30 টা রুল সেট সে আমাকে আমার মত আমার আমি যেভাবে চিন্তা করলাম সেই বাল্ক জিনিসটাকে আমরা কম্পিউটার থেকে মানে কন্ট্রোলার একটা থাকবে মানে কন্ট্রোলার মানে হচ্ছে একটা কম্পিউটার। একটা কম্পিউটার মানে হচ্ছে একটা কন্ট্রোলার। সো আমার নেটওয়ার্কে যদি 450 ডিভাইস থাকে তাহলে সেই কন্ট্রোলার বা কম্পিউটার সেই 450 ডিভাইসকে কোথায় কখন কিভাবে কোন সময়ে কোন কোন সময় লাগবে কি লাগবে না সেই কন্ট্রোলার কিন্তু সেখান থেকে কাজটা করতে পারবে। আর সেজন্যই কিন্তু আমরা বারবার এটাই বলছি যে কম্পিউটার যেহেতু বাল্ক ওয়ার্কে খুবই এক্সপার্ট আর সেজন্য কিন্তু আমরা চাইবো যে আমার কম্পিউটার হোক আমার ল্যাপটপ হোক আমার কন্ট্রোলার হোক সে যাতে আমাদের ইনফ্রাস্ট্রাকচারের কথা বলতে পারে। ইনফ্রাস্ট্রাকচার কি এই যে আমার 450 যে ডিভাইস আছে রাউটার হোক লোড ব্যালেন্সার হোক সুইচ হোক তারপর হচ্ছে গিয়ে আমার ফায়ারওয়াল হোক এই সবকিছুর মধ্যে যাতে সে সরাসরি কথা বলতে পারে আমার ল্যাপটপ সরাসরি কথা বলতে পারে বা আমার যে ডিভাইসটা আছে সেই ডিভাইসটা কন্ট্রোলার যেটা আছে সেই কন্ট্রোলার সরাসরি কথা বলতে পারে। এজন্যই আমরা বারবার বলছি যে কম্পিউটারকে আমরা বাল্ক টাস্ক দিয়ে দিব কম্পিউটারকে বাল্ক টাস্ক দিয়ে দিলে কম্পিউটার সে বাল্ক টাস্কটা আমার মত করে কাজটা সম্পন্ন করে দিবে আর এদিকে আমি আই উইল ডু মেনি আদার থিংস লাইক লার্নিং।

অটোমেশন: ধারণা

আইএসপি অটোমেশন নেট-ডেভ-অপস গিটল্যাব এবং তার রানার, ডকার ISP Automation Gitlab CICD Pipelines.mp3

অটোমেশন নিয়ে কাজ করতে গেলে যে অটোমেশনের মধ্যেও যে গ্লিচ হয় সেটার প্রমাণ হচ্ছে গতকালকের ভিডিও এবং অডিও নিয়ে কাজ করতে গিয়ে। আমি যখন ভিডিও এবং অডিও নিয়ে কাজ করি বিশেষ করে এ ধরনের ভিডিওগুলোতে সেখানে আমি অডিও এবং ভিডিও আমি দুটোকেই কিন্তু আলাদাভাবে প্রসেস করি। আর যেহেতু ভিডিও কিকস ইন দা অডিও মানে হচ্ছে গিয়ে যদিও ভিডিও ঠিকমতো রেকর্ড হয় তাহলে এটাকে অডিও ঠিকমতো যাতে প্রসেস করে সেজন্য কিন্তু আমার এখানে অটোমেশন জিনিসটা সেটআপ করা আছে। এবার সেখানে দেখলাম যে ভিডিও কিক টেন বাট দেন দিনশেষে দেখা গেল যে অডিওটা ঠিকমতো রেকর্ড হয়েছে বাট ভিডিও তার এনকোডারের প্রবলেম থাকার কারণে কিন্তু ভিডিওটা ফাইনালি তার এনকোডেড যে র ফুটেজ সেটা আসলে সে বের করতে পারেনি। এই গল্পটা বললাম যে আসলে আমরা কেন অটোমেশনে যেতে চাই আর অটোমেশনে যাওয়ার একটা বড় যে স্টেজটা আমরা বলতে চাই সেটা হচ্ছে গিয়ে আমাদের এখন আমাদের জীবনে আসলে আমাদের সময় কিন্তু আস্তে আস্তে কমে যাচ্ছে কারণ আমাদের উই আর বিন এক্সপোজড টু মেনি মেনি থিংস। আগে আমাদের আমরা যখন ছোটবেলায় ছিলাম তখন আমাদের ইন্টারনেট ছিল না তখন তখন আমাদের নেটফ্লিক্স ছিল না আমাদের অত ডিস্ট্রাকশন ছিল না। এখন আমাদের লাইফে প্রচুর ডিস্ট্রাকশন আর প্রচুর ডিস্ট্রাকশন আসার কারণেই কিন্তু আমরা এখন অটোমেশনের রাস্তায় হাঁটছি কারণ আমরা চাই যে আমাদের যে বর্তমান যে কাজগুলো আছে সেই কাজগুলোর মিনিমাম আমরা যদি ভাবি যে মিনিমাম 40 থেকে 50% আমাদের যে নিজস্ব কাজ সেই নিজস্ব কাজগুলোকে যদি আমরা ডাউনস্ট্রিম মানে বলতে চাচ্ছি যে এটাকে অটোমেশনের লেভেলে যদি না ফেলি তাহলে কিন্তু আমরা আসলে সময় কুলিয়ে উঠতে পারছি না। ফিরে আসি আমাদের আইএসপি ইন্ডাস্ট্রিতে কিছু অটোমেশন নিয়ে। আইএসপি ইন্ডাস্ট্রিতে কিন্তু আমাদের কাজ কিন্তু প্রচুর প্রচুর। এইজন্য বলছি যে আমাদের প্রতিটা মুহূর্ত প্রতিটা লিংক আমাদের মনিটর করতে হয়। প্রতিটা লিংক ঠিকমতো আছে কিনা সেটাকে আমাদের দেখতে হয় এবং তার পাশাপাশি কখনো যদি কোন লিংকে ডিসরাপশন হয় সেটাকে আমাদের শর্টেস্ট পসিবল টাইমে আমাদেরকে সেটাকে ঠিক করতে হয়। তো সেখানে আসলে ম্যানুয়াল ইন্টারভেনশন যেভাবে আমরা আগে কাজ করেছি বা সেই কাজ এখনো কিছু কিছু জায়গায় কাজ করছি সেখান থেকে আমাদের আসলে বের হয়ে আসতে হচ্ছে বিকজ অফ নাম্বার ওয়ান হচ্ছে গিয়ে কাস্টমার এক্সপেরিয়েন্স। কাস্টমার এক্সপেরিয়েন্সের যদি কথা বলি সেখানে এই অটোমেশনের কথা আরো আগে চলে আসে। তো আমি যেটা যেটা ভাবছি যে অটোমেশন কিন্তু আমরা বলছি না যে একদম ফুললি অটোমেটেড। আমরা বলছি যে বেজলাইন অটোমেশন এবং বেজলাইন অটোমেশন আইএসপিতে করাটা ইনিশিয়ালি ডিফিকাল্ট বাট দেন একবার আমরা যখন বেজলাইন অটোমেশনটা করে ফেলবো তখন কিন্তু আমাদের জন্য এই কাজটা ইজি হয়ে যাবে। আর সেজন্য আমি নিজে কিছু জিনিস নিয়ে কাজ করছি তার মধ্যে একটা বড় অংশ হচ্ছে গিয়ে আমরা যেটাকে বলি সিআইসিডি পাইপলাইন। মানে কন্টিনিউয়াস ইন্টিগ্রেশন কন্টিনিউয়াস ডেলিভারি অথবা কন্টিনিউয়াস ডেপ্লয়মেন্ট আপনারা যেভাবে বলি না কেন। মানে সিআইসিডি পাইপলাইন নিয়ে কিন্তু আমাদের আসলে এখন বড় কাজ কারণ আগে আমরা যেটা করতাম যে নেটওয়ার্ক ইঞ্জিনিয়ার তারা আসলে যেই লেভেলে কাজ করতেন সেখানে কিন্তু আমাদের ডেভপস এবং ফাইনালি এটাকে আমরা বলছি নেট ডেভপস। মানে নেট ডেভপসেও কিন্তু আমরা আসলে হাঁটছি যে নেটওয়ার্ক ডেভপস স্টাইলে হাঁটছি। তো সেজন্য আমরা ভাবছি যে আমাদের যদি এ ধরনের একটা অটোমেশন প্ল্যাটফর্ম লাগে এবং সেই অটোমেশন প্ল্যাটফর্মে যদি আমাকে শুরু থেকে যদি শুরু করতে হয় তাহলে আমরা মনে করি যে এখানে আমার ধারণা যে গিট ল্যাব একটা ভালো প্ল্যাটফর্ম এবং আমি নিজে গিট ল্যাব ব্যবহার করছি বহুদিন ধরে। তো গিট ল্যাব এই প্ল্যাটফর্মটা কিন্তু আমাদের বেজলাইন অটোমেশনের জন্য খুব ভালো কাজ করবে। আর গিট ল্যাবটা আসলে কিছু না। গিট ল্যাবের মধ্যে আমরা উই উইল একচুয়ালি হোস্ট আওয়ার স্ক্রিপ্ট অর উই উইল হোস্ট আওয়ার জবস। আমাদের জবগুলো আমরা ওখানে রাখবো। মানে গিট ল্যাব ইজ এ হোস্টেড প্ল্যাটফর্ম যেখানে আমাদের জবগুলো রাখবো। আমাদের কাজগুলো রাখবো, আমাদের অটোমেশন স্ক্রিপ্ট রাখবো। বাট দিনশেষে রানার যেটাকে আমরা বলছি গিট ল্যাব রানার বা যে কোনো রানার মানে এই জবগুলো এই কাজগুলোকে যদি আমাদেরকে দৌড়াতে হয় কারণ দিনশেষে আমার এই কাজগুলোকে নামাতে হবে আর নামাতে গেলে কিন্তু আমার সবচেয়ে প্রথম যে দরকার সেটা হচ্ছে গিয়ে এই রানিং মানে এই জিনিসটাকে রান করতে পারতে হবে। রান করতে পারার জন্য কিন্তু গিট ল্যাব রানার আছে। সেই গিট ল্যাব রানার ক্যান বি সেলফ হোস্টেড। লাইক সেটা আমাদের এনভায়রনমেন্টের মধ্যে আমি হোস্ট করতে পারি অথবা গিট ল্যাব সেলফ হোস্টেড ওদের যে গিট ল্যাব যে হোস্টেড সেখানেও রাখতে পারি। বাট মোর অর লেস আমরা অনেক সময় ভাবতে পারি যে আমার রানার আমার কাছে থাকবে তখন আমরা কিন্তু সেভাবে আমরা ভেতরে করতে পারি। যেমন আমার বাসায় বেশ কিছু জিনিস চলে যেমন রাজবেরি পাই এর মধ্যে কয়েকটা জিনিস চলছে। ওখানে বাসার ডিএনএস সার্ভার চলছে এবং সেখানে ডিএনএস সার্ভারের যে আপডেটগুলো সেগুলো কিন্তু সরাসরি কিন্তু ওখান থেকে নেমে আসছে, ক্লোন হয়ে আসছে, ক্লোন হয়ে আসার পর প্রি বিল্ড হচ্ছে, প্রি বিল্ড হওয়ার বিল্ড হচ্ছে, বিল্ড হওয়ার পর সেটাকে স্টেজ আউট হয়ে কিন্তু ফাইনালি এটাকে ডেলিভারি হচ্ছে। মানে ফাইনালি এটাকে বিল্ড হচ্ছে, বিল্ড হয়ে কিন্তু ফাইনাল ডেলিভারি মানে একটা একদম ফাইনাল ডেলিভারিতে চলে যাচ্ছে এন্ড দেন ইট রানস অ্যাজ ইট ইজ জাস্ট লাইক এ নিউ প্ল্যাটফর্ম। সো আসলে যদি আমরা এভাবে বলি যে গিট ল্যাব গিট ল্যাবে আমাদের সব স্ক্রিপ্টগুলো হোস্টেড থাকবে আর গিট ল্যাব রানার হচ্ছে গিয়ে যেখানে হচ্ছে গিয়ে ওর কাজ হচ্ছে গিয়ে আমাদের জবগুলোকে সে কমিয়ে নিয়ে আসবে মানে জবগুলোকে সে রান করবে এবং দৌড়াবে এবং সেটা আমার নিজস্ব প্ল্যাটফর্মেও হতে পারে এটা বাইরেও হতে পারে বাট আমরা প্রেফার করছি এই মুহূর্তে এটা নিজস্ব প্ল্যাটফর্মে বা আমাদের ল্যাপটপেও সে চলতে পারে। আর সেখানে আমরা আরেকটা জিনিস বলি যেটা হচ্ছে গিয়ে গিট ল্যাব রানার এক্সিকিউটর। এক্সিকিউটরের কাজ হচ্ছে গিয়ে এই জিনিসটাকে আসলে এক্সিকিউট করা এবং এক্সিকিউট করতে গিয়ে আমরা ওখানে ডকার ইউজ করতে পারি। যেটার যেই ডকার ইমেজটা যেকোনো সময় আমি ডকার ইমেজটাকে আমি পুল করতে পারি এবং ডকার ইমেজটাকে পুল করে সেখানে আমার মতো করে আমার ইনস্ট্যান্স আমি চালু করতে পারি যেই কাজটা আমার দরকার। তারপর যখন কাজ শেষ আমি সেটা সেই ডক ইনস্ট্যান্সকে আমি মানে আমি কিল করে ফেলতে পারি বাট এটা আমার দরকার নেই। সে দ্যাট ক্যান বি সেলফ ডিস্ট্রাক্ট ওইখানে হতে পারে। তার মানে হচ্ছে গিয়ে আমাদের এই গিট ল্যাবের যে স্টেজগুলো যে আমি বলছি এবং ফাইনালি যখন রানার একটা ডকারে কাজ করবে এবং সেই ডকারটা আমাদের এপিআই দিয়ে কানেক্টেড হতে পারে। হচ্ছে গিয়ে আমাদের যে রাউটার, সুইচ, লোড ব্যালেন্সার বা যে কোনো ধরনের নেটওয়ার্ক ইকুইপমেন্টে বিকজ দিনশেষে এই ডকার ইনস্ট্যান্স থেকে কিন্তু এই বিভিন্ন ডিভাইসগুলো ধরা যাক আমার নেটওয়ার্কে যদি 100 টা ডিভাইস থাকে সেই 100 টা ডিভাইসকে সে রান করবে। 100 ডিভাইসকে সে চালাবে। তো সেইভাবে আমরা এটাকে প্ল্যান করতে পারি। তবে যে জিনিসটা হচ্ছে যে অটোমেশন যে একদম একটা জাদুর কাঠি সেটাকে আমরা ওভাবে বলবো না। আমরা বলবো যে অটোমেশন দিয়ে কাজ করার শুরুতে আমরা যেটা করতে পারি যে অটোমেশন আমাকে যে জিনিসটা আজকে দিতে চাইছে সেটার বেজলাইনটাকে আমি জানি কিনা। মানে আমি অটোমেশন থেকে কি চাচ্ছি আর অটোমেশন আমাকে কি দেবে এবং সেখান থেকে আমি আমার কতটুকু সময় বাঁচাতে পারছি। বিকজ আমরা অটোমেশনে যাওয়ার পেছনে একটা বড় অংশ হচ্ছে গিয়ে হিউম্যান এরর। আমরা অনেক সময় ভুল করি। আমরা অনেক ধরনের ভুল করি যার জন্য আমাদের বড় বড় সিস্টেম ডাউন হয়ে যায়, বড় বড় ইনফ্রাস্ট্রাকচার ডাউন হয়ে যায় হিউম্যান এররের জন্য। এই হিউম্যান এরর থেকে বের হওয়ার জন্য কিন্তু আর অন্য কোনো কারণ না হলেও কিন্তু আমাদের এই অটোমেশনে যেতে হবে। বিকজ অটোমেশন ইজ এ টেস্টেড কাইন্ড অফ প্ল্যাটফর্ম যেখানে হিউম্যান এরর হবার চান্স নেই। আর দিনশেষে আমরা সবকিছুই অটোমেশন করতে পারবো না। বাট আমরা যেটা করতে পারবো সেটা হচ্ছে একটা বেজলাইন অটোমেশন যার উপরে ভিত্তি করে আমরা হিউম্যান আমরা হিউম্যান তার উপরে এক্সট্রা ডেভেলপমেন্ট নিয়ে আসবো। আজকে এ পর্যন্তই থাকছি তো সামনে।

অটোমেশন: ধারণা

কি দিয়ে শুরু করা যায় ছোটখাট অটোমেশন.mp3

এখন কথা হচ্ছে যে কিভাবে আমরা অটোমেশন শুরু করতে পারি। আমাদের ধারণা যে আমাদের জীবনে বা আমাদের যে প্রতিদিনের যে কাজগুলো আমরা করি সেই প্রতিদিনের কাজের মধ্যে অনেক কিছুই আমরা এই মুহূর্তেই অটোমেশন করতে পারি। যেমন ধরুন আপনার কম্পিউটারে অনেকগুলো কাজ আছে যে কাজগুলো আসলে আমরা প্রতিনিয়ত রিপিটেডলি করি। সেই কাজগুলো যদি আমরা শিডিউলারের মধ্যে ফেলে দেই মানে আমরা আমাদের কম্পিউটারের যে শিডিউলার আছে যেটা আমি আমার কাজে আমি ক্রন জবে মানে আমি আসলে ইউনিক্সে কাজ করতাম বলে একটা পর্যায়ে ক্রন জবে আমি সবকিছু ফেলে দিতাম। তার মানে হচ্ছে গিয়ে একটা শিডিউলারে ফেলে দিলে ওই একই কাজ রিপিটেডলি প্রতিদিন বা প্রতি সপ্তাহের কাজগুলো কিন্তু আমরা ওখানে করতে পারি। এর পাশাপাশি আমরা দেখছি যে এখন প্রচুর কাজ এসছে যে পাইথন দিয়ে করা যায়। যেমন আমি বলি যে আমাদের মাইক্রোসফট এক্সেলে যে কাজগুলো হচ্ছে সেই কাজগুলো আমরা যখন এক্সেল থেকে পুল করছি সেই এক্সেলের কোথা থেকে কোন জায়গা থেকে নিয়ে আসতে হবে বা কোন ওয়েবসাইট থেকে কোন ডেটা আমাকে নামাতে হবে বা ধরা যাক বাংলাদেশ ব্যাংকের যে কিছু সার্কুলার আছে সেই সার্কুলার থেকে কিছু কিছু ডেটা আমাকে পুল করতে হবে অথবা ডিএসসি সাইট থেকে কিছু কিছু ডেটা আমাকে পুল করে একটা জায়গায় রিপোর্ট ফেলতে হবে। তার মানে হচ্ছে গিয়ে আমাদের যে কাজগুলো আমরা প্রতিনিয়ত করছি সেই কাজগুলো যদি একটা টুলের মাধ্যমে এক্সট্রাক্ট করা যায় তাহলে এটা কাজ করাটা খুব ইজি হয়। আর এর পাশাপাশি আমি যেহেতু বারবার বলি যে পাইথন মানে পাইথন ইজ দা ওয়ে টু গো। মানে পাইথনের যে কাজগুলো আমরা বলি যে পাইথন দিয়ে কিন্তু বেসিক অনেক কিছু অটোমেট করা যায়। আজকে যদি আপনি একটা গুগল সার্চ করেন যে অটোমেট উইথ পাইথন। আমরা বলছি যে অটোমেট উইথ পাইথন মানে এভরিথিং মানে পৃথিবীতে যা আছে আপনি যদি অনেক কিছুই অটোমেট করা যাবে যে অটোমেট উইথ পাইথন। এটা যদি যে যদি আপনি গুগল সার্চ করেন দেখবেন যে প্রচুর প্রচুর জিনিস আপনি আজকেই অটোমেট করতে পারবেন। ওখানে অনেক স্ক্রিপ্ট পাবেন সেগুলোকে আপনার মত করে মডিফাই আপনি করে আপনি করে করতে পারেন এবং খুব সহজ ব্যাপারটা। আর এর পাশাপাশি আরেকটা প্ল্যাটফর্ম যেটা নিয়ে আমি কাজ করি সেটা হচ্ছে পাওয়ার অটোমেট। মানে এটা একটা মাইক্রোসফট প্ল্যাটফর্ম। এই পাওয়ার অটোমেট দিয়ে মাইক্রোসফটের প্রোডাক্টের পাশাপাশি মানে মাইক্রোসফট অফিস, এক্সেল, পাওয়ার বিআই মানে যা যা আছে সবকিছু অটোমেট করার একটা ভালো জায়গা হচ্ছে গিয়ে পাওয়ার অটোমেট এবং পাওয়ার অটোমেট আমি নিজেই পাওয়ার অটোমেটের কাজ দেখে আমি খুব সন্তুষ্ট কারণ পাওয়ার অটোমেট দিয়ে যে কাজগুলো এখনই তারা দেখাচ্ছে ভবিষ্যতে আমি ভয় পাচ্ছি যে ভবিষ্যতে আসলে অনেক অনেক অনেক কাজ যেটা আমরা ধারণা করছি যে এটা কখনোই মানুষের হাত থেকে অন্য কোথাও যাবে না। আমি ধারণা করছি যে সেগুলো আস্তে আস্তে কিন্তু চলে যাবে। সো এইজন্য বলছি যে পাওয়ার অটোমেট নিয়ে আমরা যে কাজগুলো করছি পাওয়ার অটোমেটের কাজগুলোই আমরা যদি একটু দেখি যে কিভাবে তারা অটোমেট করছে তাহলে ব্যাকগ্রাউন্ডে আমরা অনেক কিছুই এখনই অটোমেট করতে পারব। সো পাওয়ার অটোমেট বাদ বা আমরা অন্যান্য জিনিস বাদ বা আমরা পাইথনের স্ক্রিপ্ট বাদ বা আমরা যদি অন্যান্য যে শিডিউলার বা অন্যান্য ছোট ছোট অটোমেট করার কাজগুলো যদি দেখি তাতেই কিন্তু আমাদের অনেকগুলো কাজ কমে আসে। আর একটা জিনিস মনে রাখবেন যে আমরা যে কাজগুলো প্রতিনিয়ত করি সেই কাজগুলো কিভাবে অটোমেট করা যায় সেটা যদি আপনার মাথায় থাকে সবসময় দেখবেন যে আপনার প্রতিনিয়ত প্রচুর কাজ অটোমেট করে ফেলতে পারবেন। আজকে এ পর্যন্তই থাকছেন তো সামনে?

অটোমেশন: ধারণা

নেটওয়ার্ক অটোমেশন কি কি শিখবো Network Automation What to learn.mp3

নেটওয়ার্কের প্রচুর লোড বেড়েছে। আমরা দেখছি যে আগে আমরা যেভাবে নেটওয়ার্ক ব্যবহার করতাম এখন নেটওয়ার্কে সবকিছুই ক্লাউডে চলে গেছে। আর সেটা যদি আমরা চিন্তা করি যে নেটওয়ার্ক এই মুহূর্তে আমাদের এতই এক্সপ্যান্ড করেছে কিন্তু সেই হিসাবে নেটওয়ার্কের ম্যানেজমেন্ট কিন্তু এখনো অতটা এডভান্সড মোডে যায়নি। আর সে কারণে আমরা দেখছি যে নেটওয়ার্কের প্রচুর কাজ আসছে এবং নেটওয়ার্কের সলিউশন আমাদেরকে দিতে হচ্ছে। কিন্তু এর পাশাপাশি নেটওয়ার্ক ম্যানেজমেন্টের অটোমেশন ছাড়া নেটওয়ার্ক চালানো খুব দুষ্কর হয়ে পড়েছে। আর এ কারণে কিন্তু আমরা যেটাকে বলছি যে আমাদের সফটওয়্যার ইন্ডাস্ট্রিতে একটা যে আলাপ আছে যে ডেভ অপস সেই ডেভ অপসটাকে আমরা নিয়ে আসছি হচ্ছে গিয়ে নেটওয়ার্ক ডেভ অপস। তার মানে হচ্ছে গিয়ে নেটওয়ার্ক যারা আমরা ম্যানেজ করছি তারাও কিন্তু ডেভ অপস নিয়ে আমরা কাজ করার চেষ্টা করছি এবং সেজন্য কিন্তু আমাদেরকে বলা হচ্ছে নেট ডেভ অপস। এখন এই নেট ডেভ অপসটাকে আসলে যদি তখন আমরা কাজ করতে চাই তখন দেখা যাচ্ছে যে আমাদের যে লেয়ার টু বা লেয়ার থ্রিতে যেভাবে আমরা কাজ করতাম তার পাশাপাশি আমাদেরকে এখন পাইথন জানতে হচ্ছে। বিকজ উই হ্যাভ টু প্রোগ্রাম আওয়ার নেটওয়ার্ক। ইফ উই ডোন্ট প্রোগ্রাম আওয়ার নেটওয়ার্ক দেন আওয়ার টাইম ইজ একচুয়ালি গেটিং ওয়েস্টটেড। তো এখানে নেটওয়ার্ক প্রোগ্রামেবিলিটি একটা বড় ব্যাপার এবং তার পাশাপাশি আরেকটা জিনিস আমরা দেখছি যে নেটওয়ার্ক নিয়ে আমরা যেভাবে এগিয়েছি সেখানে কিন্তু আমাদেরকে নেটওয়ার্ককে প্রোগ্রাম করতে পারার জন্য আমাদেরকে ডকার লাগছে, আমাদেরকে কুবারনেটিক্স লাগছে আর সবকিছুকে আমাকে হোস্ট করতে হচ্ছে হয়তোবা একটা লিনাক্স প্লাটফর্মে। সো তার মানে হচ্ছে কি আমাকে অন্যান্য যে কুবারনেটিক্স বা ডকারে আমাকে যেভাবে ব্যাপারটা বুঝতে হচ্ছে এবং কুবারনেটিক্স বা ডকার বা লিনাক্সে আসলে আমরা কি করছি? আমরা একটা সিআইসিডি পাইপলাইন তৈরি করছি এবং সিআইসিডি পাইপলাইনটাকে আসলে কোথাও না কোথাও আমাকে হোস্ট করতে হচ্ছে। সেজন্য আমরা হয়তোবা গিটল্যাব ব্যবহার করছি বা গিটহাব বা গিটহাবের অ্যাকশন ব্যবহার করছি। তার মানে হচ্ছে কি দিনশেষে আমাদের এই সিআইসিডি পাইপলাইনটা কিন্তু চালানো হচ্ছে কি আমাদের সবচেয়ে বড় অংশ। আর এইজন্যই কিন্তু আমাদেরকে পাইথন শিখতে হচ্ছে, লিনাক্স শিখতে হচ্ছে, ডকার শিখতে হচ্ছে, কুবারনেটিক্স শিখতে হচ্ছে এবং সিআইসিডি পাইপলাইন। আর এইজন্যই কিন্তু গিটল্যাব ইজ ওয়ান অফ দা বেস্ট। অফকোর্স জেনকিন্স বা আমাদের গিটহাব অ্যাকশন দোজ আর অলসো ওয়ার্কিং রিয়েলি নাইস। আজকে এই পর্যন্তই থাকছি তো সামনে।

অটোমেশন: ধারণা

রোড টু হাইটেক ইন্ডাস্ট্রি অটোমেশন না থাকলে কি হবে lack of Network Automation limits our business.mp3

বাজার করতে গেছিলাম আর বাজার করতে গেলেই কিন্তু অনেক চিন্তাভাবনা চলে আসে। আসলে বাজার করা না মানে হাঁটতে গেলেই কিন্তু অনেক কিছু আসলে আসে আর বিশেষ করে আমি যেহেতু আমি যেহেতু লিখি লেখার জন্য কিন্তু হাঁটা একটা ভালো এক্সারসাইজ বিকজ আপনি যখন হাঁটতে যান দেন ইউ গেট লট অফ আইডিয়াস যেটা আসলে আমি কখনো চিন্তা করি নাই। আজকে বাজার করতে গিয়ে যেটা আসলে মনে হলো যে ঠিক আছে আমি অটোমেশন নিয়ে এত কথা বলছি অটোমেশন এটা করছে অটোমেশন এটা করবে অটোমেশন ওইটা আসলে আমাকে দেবে। কিন্তু এটা যদি আমরা একটু উল্টাভাবে চিন্তা করি এটাকে যদি আমরা একটু উল্টাভাবে চিন্তা করি যে অটোমেশন না থাকলে কি হবে? আর সেটা নিয়ে আজকে এলাম যে অটোমেশন না থাকলে কি হবে? আসলে আমরা যদি আমাদের নেটওয়ার্কের প্রবলেম দেখি যে যেকোনো নেটওয়ার্কের সবচেয়ে বড় প্রবলেম হচ্ছে গিয়ে যেকোনো লিড টাইম মানে যেকোনো নেটওয়ার্কের প্রভিশনিং আমরা যখন নেটওয়ার্ক প্রভিশন করি সেই নেটওয়ার্কের প্রভিশনিং কিন্তু একটা বড় সময় চলে যায় আর নেটওয়ার্কের প্রভিশনিং এ বড় সময় চলে যায় এই কারণে যে যেহেতু আমাদের নেটওয়ার্কে অনেক সময় নেটওয়ার্কে প্রপার ভিজিবিলিটি আমাদের থাকে না। আর সেজন্য কিন্তু আমাদের লং লিড টাইম মানে এটা আসলে একটা বড় আন্ডারস্ট্যান্ডিং যে নেটওয়ার্কের একটা বিশাল সমস্যা বিকজ এখানে প্রচুর ম্যানুয়াল স্টেপ জড়িত আর যেহেতু এই সার্ভিস প্রভিশনিং এ যদি আপনি ম্যানুয়াল স্টেপ রাখেন সার্ভিস প্রভিশনিং এ যদি আপনি ম্যানুয়াল স্টেপ রাখেন তাহলে কিন্তু অফকোর্স ইট উইল লিড টু লং দ্যাট আন্ডারস্ট্যান্ডিং যে আসলে এই যে লং লিড টাইম আসলে কখনোই কমানো যাবে না। সেকেন্ড যে পয়েন্টটা আসলে আমরা সবসময় বলি যে যেকোনো নেটওয়ার্কে বা যেকোনো আইএসপি হোক টেলকো হোক বা আমরা যদি নেটওয়ার্কের আউটেজ যদি দেখি টু মেনি আউটেজ। ইয়েস টু মেনি আউটেজ ইটস এ ব্যাড সাইন বাট দেন অবভিয়াসলি ইউ ক্যান নট কন্ট্রোল দা রেইন ইউ ক্যান নট কন্ট্রোল দা ওয়েদার ইউ ক্যান নট কন্ট্রোল লাইক কোথায় রাস্তা কাটছে কোথায় কি হচ্ছে কোথায় ফাইবার কাটছে কোথায় পাওয়ার আউটেজ হচ্ছে ইউ হ্যাভ সামটাইমস টু মেনি মুভিং হুইলস। এতগুলি মুভিং ইয়ে নিয়ে আপনি আসলে ডিল করা ডিফিকাল্ট। সো টু মেনি আউটেজ ইজ অলসো এ ডিফিকাল্ট থিং যেখানে আসলে আমরা বলছি যে এই যে বারবার নেটওয়ার্ক আউটেজ হচ্ছে এটা কিন্তু রেভিনিউ এবং এর পাশাপাশি কাস্টমার স্যাটিসফ্যাকশনে কিন্তু একটা বড় বড় একটা ইম্প্যাক্ট আছে। তারপরে অফকোর্স আমরা যদি বলি যে ইট টেক্স লং টাইম টু রিপেয়ার। হোয়াই ডাজ ইট টেক টু লং টাইম টু রিপেয়ার বিকজ ফাইন্ডিং ফল্ট ইজ অলসো এ বিগ বিগ প্রবলেম ইন দা নেটওয়ার্ক বিকজ ইফ দা নেটওয়ার্ক ইজ নট সিম্পলিফাইড ইফ দ্যাট নেটওয়ার্ক ইজ লাইক আমার যদি নেটওয়ার্ক এন্ড টু এন্ড ভিজিবিলিটি না থাকে দেন ফাইন্ডিং প্রবলেম ইজ ইজ এ মেজর ইস্যু। সো অবভিয়াসলি এটাকে যদি আমি সামারাইজ করি যে নেটওয়ার্কে আমি যদি বলি যে আমাদের টেলকোতে আইএসপিতে বা নেটওয়ার্কে যদি আমাদের অটোমেশন না থাকে তাহলে কি হবে? অফকোর্স ইট লিমিটস মাই বিজনেস। দা ফার্স্ট থিং ইফ আই ডোন্ট হ্যাভ দা অটোমেশন রাইট নাউ মানে এই যুগে যদি আমার অটোমেশন না থাকে ইট উইল ইট উইল লিমিট মাই বিজনেস এন্ড লিমিটিং বিজনেস মিনস লাইক হাই কোয়ালিটি সার্ভিস এসিউরেন্সের কথা যদি বলি বা এর পাশাপাশি যদি ফাস্ট এবং রিলায়েবল নেটওয়ার্কের যদি কথা বলি অল দিস থ্রি কি ওয়ার্ড এটার যদি একটা সিম্পলিফাইড যদি একটা উত্তর থাকে দ্যাট হ্যাজ টু বি দা অটোমেশন দ্যাট হ্যাজ টু বি দা অটোমেশন পার্ট অফ ইট বিকজ দিনশেষে আমরা যদি যত গল্পই দেই না কেন কিন্তু আমরা যদি আমাদের ম্যানুয়াল প্রসিডিউরের মাধ্যমে যদি সার্ভিস প্রভিশনিং করি ম্যানুয়াল প্রভিশনিং এর মাধ্যমে যদি আমাদের গ্রোথ নেটওয়ার্কের গ্রোথটা যদি আমরা মেজার করি এবং ম্যানুয়াল গ্রোথের ম্যানুয়াল প্রভিশনিং এর মাধ্যমে যদি আমরা সবকিছু দেখি দেন অবভিয়াসলি অবভিয়াসলি ইট দা ল্যাক অফ অটোমেশন উইল অবভিয়াসলি লিমিট মাই বিজনেস এন্ড দিস ইজ দিস ইজ হোয়াট উই হ্যাভ সিন এভরিওয়ার দ্যাট যদি আমি অটোমেশন না করি ইট উইল ইট উইল লিমিট মাই বিজনেস এন্ড দিস ইজ হোয়াট উই ডোন্ট উই ডোন্ট ওয়ান্ট। সো এখন এটা আসলে যদি আমরা যদি এভাবে আলাপ করি যে যেকোনো প্লাটফর্ম যেকোনো জায়গায় যদি আমরা আসলে নেটওয়ার্ক নিয়ে কাজ করি সেই নেটওয়ার্কে কিন্তু আমরা এটা কিন্তু একটা বড় ইস্যু আমি আমি দেখেছি যে ডেপ্লয়িং নেটওয়ার্ক মানে যেকোনো নেটওয়ার্ক যদি আমি যদি ডেপ্লয় করতে চাই সে ডেপ্লয় করতে গেলে এটা আমি নেটওয়ার্কটাকে যেভাবে ডিজাইন করেছি সেভাবে ডেপ্লয় করতে পারতে হবে। বিকজ আমরা যখন নেটওয়ার্ক ডেপ্লয় করি সে নেটওয়ার্ক ডেপ্লয় করতে গেলে কিন্তু একটা বড় প্রবলেম হয় যে আমি যেভাবে নেটওয়ার্কটাকে ডিজাইন করেছি ডেপ্লয় করতে গিয়ে কিন্তু দেয়ার আর রিয়ালিস্টিক সিনারিও সেই রিয়ালিস্টিক সিনারিওতে কিন্তু আমরা নেটওয়ার্কটাকে ডেপ্লয় করতে পারি না এবং ডেপ্লয় না করার কারণে কিন্তু টু মেনি এররস এন্ড দেন এটা আসলে ফুল ভিজিবিলিটি থেকে আমরা আসলে আমরা হারিয়ে যাই। তো এইজন্য বলছি যে আমাদের যেকোনো নেটওয়ার্ক ফাংশনালিটির মধ্যে ধরা যাক আমাদের সেটা এলটু বা এলথ্রি নেটওয়ার্ক হোক মানে এই জায়গাটাতে যদি আমরা আসলে এভাবে ওয়ার্ক আউট করি যে আমরা যেভাবে নেটওয়ার্কটা ডিজাইন করেছিলাম সেই নেটওয়ার্ক ডিজাইনটার মধ্যে কোন কোন জায়গায় ব্যত্যয় আছে সেই ব্যত্যয়টা যদি আমি তখনই ফিগার আউট করতে পারি এবং তখনই যদি আমার নেটওয়ার্ক ডিজাইনিং এ যদি সেই জায়গাটা যদি টুইকিং করি যাতে আমার বর্তমান যে ডিজাইনটা আছে সেই বর্তমান ডিজাইনটাকে ভ্যালিডেট করেই কিন্তু আমি আমার ডেপ্লয়মেন্টটা করব। আদারওয়াইজ কিন্তু এটা এটা ডিফিকাল্ট এন্ড হাউ ক্যান ইউ ভ্যালিডেট দা নেটওয়ার্ক হাউ ক্যান ইউ একচুয়ালি নেটওয়ার্ক ভ্যালিডেশনটা হবে থ্রু অটোমেশন বিকজ ম্যানুয়ালি ইউ ক্যান নট ভ্যালিডেট দা নেটওয়ার্ক হোয়েন ইট ইজ বিন ডেপ্লয়েড। আপনি নেটওয়ার্ক ডেপ্লয় করার সময় যদি আপনি আবার ভ্যালিডেশন করতে চান দ্যাট ভ্যালিডেশন হ্যাজ টু বি অটোমেটেড আদারওয়াইজ ইটস টোটালি বিয়ন্ড ইউর কন্ট্রোল। দা নেটওয়ার্ক ইজ গেটিং বিগ দা নেটওয়ার্ক ইজ গেটিং হিউজ এন্ড দেন নাথিং ইজ ইন ইউর কন্ট্রোল। সো এইজন্য আসলে বারবার আমরা যেটাকে বলি যে এই নেটওয়ার্ক প্রভিশনিং এর জন্য যদি আমরা এভাবে কথা বলি যে আমাদের ওএসএস বা বিএসএস এর যখন আমরা ইন্টিগ্রেশন করি সেই ওএসএস বা বিএসএস এর ইন্টিগ্রেশনের মধ্যে কিন্তু আসলে আমরা দেখি যে আমরা অনেক কিছুই কিন্তু ম্যানুয়ালি কনফিগার করতে চাই। আমরা ম্যানুয়ালি কনফিগার করতে গেলে যেটা হয় কি যে আসলে আমাদের নেটওয়ার্কের মধ্যে এই মুহূর্তে যদি আমরা ধরা যাক আমরা যদি বিটুবি কাস্টমারের কথা বলি বিটুবি কাস্টমারের জন্য আমার কিন্তু প্রথম যেই ইনিশিয়াল কাজগুলো আমি কন্ডাক্ট করি সেখানে কিন্তু আমার সেই প্ল্যানিং এর করার পরে কিন্তু আমি সেটাকে ম্যানুয়ালি প্রভিশনিং করতে যাই এবং ম্যানুয়ালি প্রভিশন যখন করতে যাই তখন দেখা যায় কি যে এখানে কিন্তু অনেক কিছুই কিন্তু কনসিস্টেন্সি থাকে না। ফলে আমাদেরকে যেটা করতে হবে যে আমাদেরকে এই ওএসএস এবং বিএসএস এর সাথে এমনভাবে এই অটোমেশনটা ইন্টিগ্রেট করতে হবে যাতে আমাদের এই ধরনের কনফিগারেশন জেনারেশন এবং অ্যাক্টিভেশন। আমি যেটা বলছি যে এই কনফিগারেশন জেনারেশন এবং এই অ্যাক্টিভেশন যাতে অটোমেটেড হয়। বিকজ ইফ আই ডোন্ট জেনারেট অর ইফ আই ডোন্ট আন্ডারস্ট্যান্ড এন্ড ইফ আই ডোন্ট অ্যাক্টিভেট দা হোল থিং উইথ দা ওএসএস এন্ড বিএসএস ইন্টিগ্রেশন যদি আমি এটা অটোমেটেড না করি তাহলে কিন্তু আমার লিড টাইম বাড়বে এবং লিড টাইম বাড়ার ফলে যেটা হবে যে আসলে আমি ফাইনালি এখানে কিন্তু ফেইল করব। এর পাশাপাশি নেটওয়ার্কের মধ্যে আরেকটা জিনিস হচ্ছে গিয়ে অটোমেশনের জন্য না থাকলে যেটা হয় যে অটো ডিসকভারিটা আমার জন্য ডিফিকাল্ট হয়। বিকজ দিনশেষে আমার নেটওয়ার্কে অটো ডিসকভারি লাগবে আমার নেটওয়ার্কে রিকনসিলেশন লাগবে বিকজ দিনশেষে আমি আবার বলছি যে আমার নেটওয়ার্কে এখন যেটা আছে সেটার ডিসকভারিটা বিকজ অনেক কিছুই নেটওয়ার্কে চেঞ্জ হচ্ছে এবং সেই চেঞ্জটা যদি আমি ডিসকভারিটা না থাকে তাহলে কিন্তু আমার জন্য ওটা ডিফিকাল্ট এবং তার পাশাপাশি নেটওয়ার্কের যে অংশটা এখন আসছে ডিসকভারিতে আসছে সেটার সাথে রিকনসিলেশনটা কি আমি করছি কিনা রিকনসিলেশন যদি না করি তাহলে আসলে আমার ভবিষ্যতে আমি এটাকে আমরা কিভাবে মিটিগেট করব। আর ফাইনালি যেটা নিয়ে আমি সবসময় আলাপ করি যে নেটওয়ার্কের ডিজাইন ভ্যালিডেশন হ্যাজ টু বি অটোমেটেড। যা নেটওয়ার্কে আমরা যেটা ডিজাইন করছি সেটাকে যদি আমরা অটোমেটেড ভাবে যদি ভ্যালিডেট না করি তাহলে কিন্তু এটা নিয়ে আবার আরো সমস্যা হবে। এজন্য আমি বারবার বলি যে আমাদের নেটওয়ার্কে কিন্তু প্রচুর মনিটরিং সফটওয়্যার আছে আমাদের নেটওয়ার্কে অনেক কিছুই আমরা করি কিন্তু এই যে মনিটরিংটা সেই মনিটরিং এর পাশাপাশি আমার যে ডিজাইনটা আছে সেই ডিজাইনের সাথে মনিটরিং ডিজাইন এবং তার ভ্যালিডেশন বিকজ দিনশেষে আমি যদি ধরা যাক আমি এখানে যদি বলি যে আমার নেটওয়ার্কের মধ্যে যেসব রংলি কনফিগারড জিনিস আছে সেইগুলোকে কিভাবে আমি প্রপারলি ভ্যালিডেট করব বিকজ আমি যদি দিনশেষে এটাকে প্রপারলি ভ্যালিডেট না করি তাহলে কিন্তু আমার যে কনফিগারেশন গুলো যেটা ভুল আছে যে কনফিগারেশন আমার এখনো প্রবলেম করছে সেগুলোকে আমি কিভাবে আসলে নেক্সট লেভেলে নিয়ে যাব। বিকজ আমি যদি এটাকে নেক্সট লেভেলে না নিতে পারি তাহলে যেটা হবে কি যে আমার দিনশেষে এই যে ডিজাইন ভ্যালিডেশন না থাকার ফলে কিন্তু আমার ভবিষ্যতে আরো এরর মানে এররটাকে ফিগার আউট করা মানে ফাইন্ডিং আউট দা এরর এবং ফাইন্ডিং আউট যদি আমি ঠিকমত না করতে পারি তার মানে হচ্ছে কি আমার লং টাইম রিপেয়ার টাইম রিপেয়ার টাইম আরো আরো লম্বা হচ্ছে এবং রিপেয়ার টাইম লম্বা হওয়ার কারণে কিন্তু আমার সবাই কিন্তু প্রবলেমে আছে। তারমানে আমি যেটা বারবার বলছি যে আমার যে পাওয়ার আউটেজ হিউম্যান এরর কাস্টমারের অনেক অ্যাকশনের কাজে জন্য অনেক সময় নেটওয়ার্ক হতে পারে এই জিনিসটাকে আমার নেটওয়ার্কের ডিজাইনের সাথে আমার অটোমেশনে এই ভ্যালিডেশনটা যদি আমি না করি তাহলে কিন্তু এটা আরো বাড়বে। আর সেজন্য আমি বারবার বলছি যে উই মাস্ট থিংক অফ হ্যাভিং দা অটোমেশন আর যদি আমি অটোমেশন নিয়ে যদি অটোমেশন যদি না থাকে অফকোর্স অটোমেশন না থাকা মানে হচ্ছে গিয়ে ইট উইল লিমিট মাই বিজনেস। আজকে এই পর্যন্তই। থাকছেন তো সামনে?

অটোমেশন: ধারণা

রোড টু হাইটেক ইন্ডাস্ট্রি অটোমেশনের উদাহরন Automation Test Case Data CenterNetworkISPTelco.mp3

আমি প্রচন্ড একজন অলস মানুষ আর এই অলস মানুষের কাজ হচ্ছে কি কিভাবে স্বল্প এফর্টে মানে অল্প এফর্টে আমরা আসলে অনেক বড় কাজ বের করে আনতে পারি। আর সেজন্যই কিন্তু আমরা অটোমেশনের কথা বলি আর অটোমেশনের কথা বলতে গেলে কিন্তু শুরুতে যে কথাটা আসে যে এনিথিং রিপিটিভ এনিথিং রিপিটেটিভ হ্যাজ টু গো টু দ্যা অটোমেশন। মানে আমি এই জিনিসটা কিন্তু বুঝে বলছি যে এনিথিং রিপিটেটিভ মানে আমাদের জীবনে যেই কাজগুলো রিপিটেটিভ সেই কাজগুলো কিন্তু হ্যাজ টু গো টু দ্যা অটোমেশন। লাইক ফোনের বিল দেওয়া, ইন্টারনেট বিল দেওয়া বা আমরা যে জিনিসগুলোকে ডেইলি মানে আমার বাচ্চার বেতন দেওয়া বা আমার বিভিন্ন ক্লাব সার্ভিসের বিভিন্ন জিনিস দেওয়া যেগুলো রিপিটেটিভ এই রিপিটেটিভ কাজগুলোকে কিভাবে অটোমেশনের আওতায় আনা যায় এই সবকিছুই কিন্তু আসলে আমাদেরকে আনতে হবে। অথবা আমাদের অফিসে প্রতিদিন সকালবেলা যেয়ে আমাকে যদি একটা রিপোর্ট বানাতে হয় সেই রিপোর্টটাকে কেন আমি অটোমেশনে ফেলছি না বা আমরা যেভাবে আসলে প্রতিনিয়ত আমাদের ধরা যাক আমাদের অফিসে কিন্তু অনেক কাজ আছে, অনেক রিপোর্ট জেনারেশন, অনেক কিছু আমাদেরকে আপডেট করা বা অনেক কিছু জানা যার জন্য আমাকে এখানে, এখানে, ওখানে, ওখানে প্রায় 12 বা 17 টা জায়গা থেকে আমাকে ডেটাটাকে নিয়ে তারপর সেটাকে কম্পাইল করে আমাকে যদি কোথাও দিতে হয় তাহলে ইট ইজ ফুল ইট ইজ এ কেস অফ ফুল অটোমেশন। আর সেজন্যই আমি বলি যে এনিথিং রিপিটেটিভ হ্যাজ টু গো টু দ্যা অটোমেশন। আর সেজন্য যে আমি যদি আপনাদেরকে দেখাই যে অটোমেশনের একটা বড় অংশ কিন্তু শুরু হয়েছে মাইক্রোসার্ভিস আর্কিটেকচারে এবং কিভাবে ওরা আসলে ডিকম্পোজিশনের কথা বলা হয় যে আমাদের যে প্রজেক্টটা আছে সেই প্রজেক্টটাকে কিভাবে ছোট ছোট মাইক্রোসার্ভিসে আনা যায় এন্ড ইট ইজ এ ফুল কেস অফ কাইন্ড অফ লাইক মাইক্রোসার্ভিসেস এন্ড অলসো এ বিগ পার্ট অফ অটোমেশন। বাট একচুয়ালি আমি আজকে এসছি যে কিভাবে একটা সিআইসিডি পাইপলাইন তৈরি করা যায় যেটা এডব্লিউএস বা কুবারনেটিস, ডকার, এনসিবল, গিট, গিটহাব, অ্যাপাচি ম্যাভেন এন্ড জেনকিন্স। তার মানে হচ্ছে কি আমাদের কাছে প্রচুর এখন টুল আছে। আমি যদি আপনাদেরকে বলি এখন আমাদের কাছে প্রচুর টুল আছে যে টুলগুলোকে আমরা অটোমেশন টুল হিসেবে ব্যবহার করতে পারি। সেটা সফটওয়্যারের জন্য হোক, ডেভপসের জন্য হোক, সেটা ইভেন আমাদের নেটওয়ার্কিং এর জন্য হোক সব জায়গায় কিন্তু এই ধরনের অটোমেশন টুল আসছে এবং সব জায়গায় এই অটোমেশন টুল আসার কারনেই এখন আমরা কিন্তু কিছুটা নিঃশ্বাস ফেলতে পারছি। আদারওয়াইজ রানিং এ বিগ নেটওয়ার্ক অর রানিং এ বিগ সার্ভিসেস অর একচুয়ালি ওয়ার্কিং ইন এ সার্ভিস ইন্ডাস্ট্রি ইজ ইজ রিয়েলি ডিফিকাল্ট ইফ আই ডোন্ট হ্যাভ অটোমেশন আর সে কারণে কিন্তু আমরা এই সিআইসিডি পাইপলাইনের কথা বলি, এডব্লিউএস এর কথা বলি, কুবারনেটিক্সের সবকিছু মানে এই সিআইসিডি পাইপলাইনের সবচেয়ে বড় কথা হচ্ছে গিয়ে আসলে আমরা ধরা যাক আমরা যেই টেকনোলজির কথা বলি বা আমরা যে যেই এম্পাওয়ারমেন্টের কথা বলি মানে ডেভেলপার্সের জন্য একটা এম্পাওয়ারমেন্টের কথা বলি যে কিভাবে একটা ব্যাক এন্ড ব্যাক এন্ড প্রজেক্ট আসলে বিভিন্ন প্রজেক্টের বাউন্ডারির মধ্যে থেকে আসলে একটা জায়গায় নিয়ে যাওয়া যায়। আর সেজন্যই আমরা ওটাকে বলি যে ডেভেলপারের পারসপেক্টিভ থেকে এটা একটা ফান্ডামেন্টাল শিফট এবং সেখানে আমরা বলি যে ধরা যাক আমরা এখানে যে কন্টেম্পোরারি ডেভপস টুলস আছে তার মধ্যে কি এডব্লিউএস, ডকার, কুবারনেটিক্স, এনসিবল, গিট, অ্যাপাচি, ম্যাভেন, জেনকিন্স এই সবকিছুই কিন্তু আমরা কিছু মানে জায়গায় এমনভাবে আমরা দেখাতে পারি যে ধরা যাক আমরা যদি এডব্লিউএস ইসিটু সার্ভারে ভার্চুয়াল সার্ভারে যদি আমরা ইনস্ট্যান্সের ব্যাপারে বলি সেখানে আমরা অনেকগুলো ইনস্ট্যান্স নিয়ে কথা বলতে পারি। যেমন এখানে জেনকিন্সের জন্য আছে, এনসিবলের জন্য আছে, কুবারনেটিক্সের জন্য আছে মানে এই সবকিছুই কিন্তু আমরা এখানে ইসিটু ইনস্ট্যান্সেস মানে আমরা যদি এখানে তিনটা ইনস্ট্যান্সের কথা বলি জেনকিন্স, এনসিবল এবং কুবারনেটিক্সের জন্য আমরা এখানে সেটআপ করতে পারি এবং সেটার একটা ফুল এন্ড টু এন্ড পাইপলাইন আসলে এখানে একটা উদাহরণ দেখা যাচ্ছে। অনেক সময় আমরা যেটা হয় যে আমরা আসলে অন্যান্য বেশ কিছু উদাহরণ থেকে কিন্তু আমরা এই ধরনের কাজগুলোর কথা বলি যে আসলে একটা এন্ড টু এন্ড পাইপলাইন যদি করতে চাই তার জন্য আসলে কিভাবে এই জিনিসগুলো করা যায়। সেখানে আপনি যদি দেখছেন যে এখানে নেটওয়ার্ক সেটিংগুলো কোত্থেকে আসবে সবকিছুই কিন্তু এখানে একটা ধারণা দেওয়া আছে এবং সবচেয়ে বড় যে জিনিসটা হচ্ছে গিয়ে আসলে অথেন্টিকেশনটা কিভাবে হবে বিকজ আমরা সবসময় ভাবি যে আমাদের এই জায়গাটাতে অথেন্টিকেশনটা কিভাবে হবে বিকজ আমরা সবসময় উই টাইড আপ উইথ দ্যাট আন্ডারস্ট্যান্ডিং যে আসলে হিউম্যান অথেন্টিকেশন এবং আসলে যন্ত্রের অথেন্টিকেশনটা মেশিন টু মেশিন অথেন্টিকেশনটা সেটা কিভাবে হবে সেটাও কিন্তু আমরা এখানে ওয়ার্ক আউট করি। তো এখানে আসলে দেখা যাচ্ছে যে জেনকিন সার্ভারের জন্য আসলে কিভাবে হবে। তো এভাবে আমরা কিন্তু বিভিন্ন আলাদা আলাদা মডিউল করা আছে। জেনকিন্সের জন্য একটা তারপরে সেই হিসেবে কিন্তু আমরা এখানে দেখাতে পারি যে অন্যান্য জায়গাগুলো যেমন এখানে মডিউল যদি আমি তিন নম্বর মডিউলের কথা বলি তিন নম্বর মডিউলটা আসবে হচ্ছে গিয়ে হয়তোবা এনসিবলের জন্য। সো নো এখানে তিন নম্বর হচ্ছে গিটহাব এবং গিট। সো আসলে এই জিনিসটা মানে আমি মনে করি যে এনি ডেভপস ইঞ্জিনিয়ার দে হ্যাভ টু দে হ্যাভ টু রিড দিস। বিকজ এটা একটা বিশাল বড় একটা আর্টিকেল এবং এই আর্টিকেলটা আমার এইজন্যই পছন্দ যে এখানে কন্টেম্পোরারি ডেভপস টুলসের সবগুলোই প্রায় ব্যবহার করা হয়েছে এবং সেখানে আসলে আমরা এটা দেখতে পারি। আর দিনশেষে হোয়াই হোয়াই নিডিং অটোমেশন সেটা তো আমরা জানি যে আসলে হোয়াই নিডিং অটোমেশন বিকজ উই হ্যাভ টু সেভ আওয়ার টাইম বিকজ উই হ্যাভ টু সেভ আওয়ার টাইম ফর আওয়ার লাইফ উই হ্যাভ টু সেভ আওয়ার টাইম ফর এভরিথিং। সো উই নিড টু হ্যাভ এ কাইন্ড অফ লাইক আমরা মনে করি যে আমাদের কিছু কোয়ালিটি টাইম দরকার। সো আমাদের যদি কিছু কোয়ালিটি টাইম আমরা বের করতে চাই তাহলে অফকোর্স আমাদেরকে অটোমেশনে যেতে হবে আর এই অটোমেশনটাই হচ্ছে গিয়ে আমার সবচেয়ে বড় একটা অংশ আমি যেটা নিয়ে সবসময় কথা বলি যে রোড টু হাইটেক ইন্ডাস্ট্রি বিকজ দিনশেষে ইফ উই ডু নট মুভ টু হাইটেক ইন্ডাস্ট্রি দেশ কিন্তু খুব একটা এগোতে পারবে না। দেশ দেশের মধ্যে যে সার্ভিস সেক্টর আছে যে যে ইন্ডাস্ট্রি আছে বিকজ দিনশেষে যে ইন্ডাস্ট্রিগুলো এখানে চলছে সেই ইন্ডাস্ট্রি হাইটেক ইন্ডাস্ট্রি যদি আমরা রিয়েলি ইন্ডাস্ট্রিগুলো যদি হাইটেক সলিউশন যদি না ব্যবহার করি তাহলে কিন্তু আমরা আসলে উই লুজ আওয়ার ট্র্যাক। আর সেজন্যই বলছি যে উই হ্যাভ টু আন্ডারস্ট্যান্ড হোয়াই হোয়াই ডুইং অল দিস কাইন্ড অফ থিংস। সো এইজন্য আমি মনে করি যে এখানে আমরা যে জিনিসটা নিয়ে কথা বলি সবসময় যে কিভাবে একটা হাইটেক ইন্ডাস্ট্রিতে মুভ করা যায় এবং সেইজন্যই কিন্তু আমরা এই রোড টু হাইটেক ইন্ডাস্ট্রির কথা বলি এবং কিভাবে সিআইসিডি পাইপলাইনের কথা বলি কিভাবে আসলে আমাদের ডেভপস যে অংশটা আছে সেখানে আসলে কিভাবে আমাদের ঢুকতে পারি বিকজ দিনশেষে আমরা যেটাই করি না কেন আমাদেরকে কিন্তু অটোমেশন রাস্তায় হাঁটতে হবে আর এই অটোমেশন রাস্তায় হাঁটার জন্য কিন্তু এই ধরনের আর্টিকেল আমাদের জন্য খুব কাজে লাগবে। আজকে এ পর্যন্তই থাকছি কিন্তু সামনে।

অটোমেশন: ধারণা

এআইঅটোমেশন আমি কোথায় কোথায় ব্যবহার করছি Artificial IntelligenceAutomation in Day to Day Life.mp3

এআই নিয়ে প্রচুর আলাপ হচ্ছে আর এআই নিয়ে আমরা দেখছি যে প্রতিনিয়ত কিন্তু লেখা হচ্ছে যে এআই কিভাবে আমাদের চাকরি নিয়ে নিচ্ছে বা এআই কিভাবে আমাদের অনেক কিছু পরিবর্তন করছে বা এআই কিভাবে আমাদেরকে সাহায্য করছে। এই বাজওয়ার্ড এর মধ্যে কি আমরা সারাজীবনই থাকবো মানে আমরা শুধু শুনতে থাকবো যে এআই এই কাজটা করছে এআই ওই কাজটা করছে। বাট আমার পারসপেক্টিভ সবসময় যেটা হয় যে আসলে এআই দিয়ে কি আমরা কোন কিছু করতে পারছি কিনা বা এআই কি আমাদের কোন কোয়ালিটেটিভ চেঞ্জ নিয়ে আসছে কিনা বা এআই আমাদের কি সাহায্য করতে পারছে কিনা সেটি আমাদের আসলে লক্ষ্য হওয়া উচিত যে আমরা এআই এর পিছনে না দৌড়ায়ে এআই কে ব্যবহার করে আমার লাইফে কোন কিছু আমি কোয়ালিটেটিভ চেঞ্জ আনতে পারছি কিনা সেটাই হচ্ছে আমাদের লক্ষ্য থাকা উচিত। ইভেন আমি এআই কে বাজওয়ার্ড বলবো যে এআই তো পরের কথা সিম্পল কিছু অটোমেশন আমার জীবনে পরিবর্তন আনতে পারছে কিনা সেটা হচ্ছে গিয়ে আমার দ্রষ্টব্য বিষয়। এজন্যই আমি এআই নিয়ে খুব কথা বলি এআই নিয়ে অনেক অনেক ধরনের কথাবার্তা বলার চেষ্টা করি একটাই কারণে যে এআই কে আমি কিভাবে ব্যবহার করছি আমার লাইফে বা আমি কিভাবে এআই কে নিয়ে সামনে এগোতে চাচ্ছি। সেদিক থেকে আমি সবাইকে অনুরোধ করব যে বিশেষ করে যারা ইয়াং জেনারেশন যারা আসলে আমি মনে করি যে এআই জেনারেশন মানে উনারা জন্মই হয়েছে এআই তে। আমরা জন্ম হয়েছি এনালগ লাইফে। আমাদের শুরুটা হয়েছে এনালগ দিয়ে এবং আমরা এজন্য অনেক কিছুই এনালগ দিয়ে করতে পারি। কিন্তু যারা নতুন জেনারেশন যারা নতুন প্রজন্ম তারা এই এআই এর সময় এআই কে তারা কিভাবে ব্যবহার করছে বা এআই কে যদি তারা যদি না ব্যবহার করতে পারে তাহলে কিন্তু আসলে শেষের দিকে কিন্তু এটা একটা প্রবলেম হয়ে দাঁড়িয়ে দাঁড়িয়ে যাবে। একটা কথা কিন্তু প্রায় বলা হয় যে এআই উইল নট রিপ্লেস ইউ। আমি আবার বলছি এআই উইল নট রিপ্লেস ইউ। এ পারসন ইউজিং এআই উইল রিপ্লেস উইল উইল একচুয়ালি। এ পারসন ইউজিং এআই উইল। সো তার মানে হচ্ছে কি যে এআই কিন্তু আপনাকে রিপ্লেস করবে না। এআই কখনোই আপনাকে রিপ্লেস করতে পারবে না। কিন্তু আরেকজন যিনি এআই কে ব্যবহার করছেন উনি আপনাকে রিপ্লেস করবেন। তো সেইজন্য আমি বলছি যে এআই টুল এআই টুল ব্যবহার করতে জানা আমাদের খুবই জরুরি। কারণ এখনকার সময়ে এআই যদি আমরা না ব্যবহার করতে পারি তাহলে কিন্তু আমরা পিছিয়ে পড়বো এবং সেই পিছিয়ে পড়াটা কিন্তু আমাদের আমাদের মেন্টালি টোল নিয়ে আসবে যে আসলে আমরা পিছিয়ে পড়ে যাচ্ছি। এই যেটাকে আমরা বলি যে ফেয়ার অফ মিসিং আউট ফেয়ার অফ মিসিং আউট যে আসলে ফোমো। যে আমি আসলে এই এআই রেসে পিছিয়ে পড়ে যাচ্ছি কিনা। তো সেই দিক থেকে আমি নিজে যেহেতু এআই ব্যবহার করি। ধরা যাক আমি যে ক্যামেরাটা ব্যবহার করছি এটা ওরা বলে এটা এআই ট্র্যাকিং ক্যামেরা বাট ইটস বাজওয়ার্ড জাস্ট মেশিন লার্নিং কাইন্ড অফ থিং যে আমি আসলে বলছি যে তুমি আমাকে ট্র্যাক করো। ধরা যাক এটাকে আমি বলছি যে তুমি আমাকে ট্র্যাক করো। যখনই আমি এটা বলছি যে তুমি আমাকে ট্র্যাক করো সো দ্যা ট্র্যাকিং স্টার্টস। সো আমি যেদিকেই যাই না কেন সো আমাকে এটা ট্র্যাক করবে। সো আমি ট্র্যাকিং বন্ধ করে দিলাম। সো এখন ট্র্যাকিং বন্ধ করে দিয়ে আমি যেটাকে আবার এটাকে একটু নরমাল লেভেলে নিয়ে আসলাম। সো আসলে যে জিনিসটা আমি বলতে চাচ্ছি যে এআই ব্যাপারটাকে কিভাবে আমি এমব্রেস করছি এআই ব্যাপারটাকে আমি কিভাবে আমার ডেইলি লাইফে ইউজ করছি সেটাই হচ্ছে গিয়ে আমার একটা বড় অংশ। সো আমি যদি এখন ফিরে আসি যে আমি কিভাবে এআই বা অটোমেশন এআই তো অনেক অনেক উপরের ব্যাপার। এআই যেহেতু অনেক উপরের ব্যাপার তা আমি এআই টাকে কিভাবে এআই বলবো না এআই প্লাস অটোমেশন কিভাবে আমি ব্যবহার করি আমার ডেইলি লাইফে সেটা আমি কিছুটা উদাহরণ দিই যাতে আপনারাও এই ব্যাপারটা যদি দেখেন যে আপনাদের জন্য এটা সুবিধা হয় কিনা। সো আমি যেটা করি যে আমি যখন এখন রেকর্ডিং করছি সো আমি কিছুটা প্রফেশনাল গ্রেডের রেকর্ডিং করতে চাই কারণ আমি নন প্রফেশনাল কোন কিছু আমার আমার খুব একটা পছন্দ না। আমি নন প্রফেশনাল অনেক কিছু পছন্দ করি না। সো ইভেন আমার রেকর্ডিংটা হচ্ছে গিয়ে এমন একটা রুমে যে রুমের মধ্যে প্রচুর নয়েজ আমার রুমের ধরা যাক ফ্যান চলছে বা আমার ওখানে জানলা খোলা আছে সবকিছু। সো ইটস এক্সট্রা নয়েজ। সো আমাকে এই নয়েজ ফ্লোরটাকে ফেলে দিতে হবে। সো আই ইউজ কাইন্ড অফ লাইক প্রোফাইলিং। আমি একটা মেশিন লার্নিং প্রোফাইলিং করে আমি নয়েজটাকে আমি ফেলে দিচ্ছি। সো অফকোর্স আপনারা যদি রেকর্ডিং এর মধ্যে কোন নয়েজ পাবেন না কারণ এটার মধ্যে আমি নয়েজটাকে ফেলে দিয়েছি। সেকেন্ড হচ্ছে গিয়ে এটাকে আমি বলি যে আমার রেকর্ডিং এর মধ্যে একটা আমি যেটাকে ইউজ করি যে অটোমেটিক গেইন রাইডিং। এটা একটা জিনিস যে অটোমেটিক গেইন রাইডিং এইজন্য যে আমি আপনার সাথে কথা বলছি এই কথার মধ্যে কোন সময় আস্তে কথা বলছি কোন সময় আমি জোরে কথা বলছি কোন সময় আমি মিডিয়াম কথা বলছি কোন সময় খুব নিঃশব্দ হয়ে যাচ্ছি। সো অটোমেটিক গেইন রাইডিং ইজ লাইক কাইন্ড অফ লাইক একটা অটোমেশন যেই অটোমেশনে আমি ওকে বলে দিচ্ছি যে তুমি এত সার্টেন লেভেলের নিচে গেলে ওটাকে পুশ করে দিবা উপরে বা যে শব্দগুলো বেশি জোরে হচ্ছে সেই শব্দগুলোকে নামিয়ে দিবা। তার মানে হচ্ছে গিয়ে আমি যে শব্দগুলো খুব আস্তে আস্তে হচ্ছে সেই শব্দকে পুশ করে উপরের দিকে নিয়ে আসবে আর যে শব্দগুলোকে যে শব্দগুলো হচ্ছে গিয়ে আমি মনে করি যে বেশি শব্দ হচ্ছে আপনার কানে লাগছে সেটাকে সে চাপ দিয়ে নিচে নামিয়ে দেবে এবং সেটা তো আমি ফিজিক্যালি করবো না। সেটা তো আমি ওই ভলিউম বাটন যে ভলিউম বাটন যেটাকে ফেইডার বলি এই ফেইডার ওই গেইন যেটাকে বলি গেইন বা ফেইডার এই ফেইডারটাকে আমি তো বারবার টানা আপ ডাউন করবো না। সেটা করবে মেশিন যন্ত্র করবে। সো আমার ভয়েসের গেইনের উপরে ভিত্তি করে এটা একটা কাইন্ড অফ লাইক এজি সি মানে অটোমেটিক গেইন কন্ট্রোলার মানে সে নিজে নিজে গেইন কন্ট্রোল করবে ফেডারটাকে আপ ডাউন করবে। সো ইট ইজ ওয়ান অফ দ্যা থিং যেটাকে আমি করছি। আরেকটা হচ্ছে যে যখন আমি রেকর্ডিং করি আমি আমার যে রেকর্ডিং যেই ক্যামেরাটা আছে সেই ক্যামেরাটার সাথেও একটা অডিও রেকর্ড হচ্ছে। পাশাপাশি আমার এখানে আমার এটা এটা থেকে আমার ইউএসবি ইন্টারফেস হয়ে আমার ড ডিজিটাল অডিও ওয়ার্কস্টেশন ডিজিটাল অডিও ওয়ার্কস্টেশনে যেটা হচ্ছে আমার জন্য রিপার। সো আমি ডিজিটাল অডিও ওয়ার্কস্টেশনে আমি রেকর্ড করছি। তার মানে হচ্ছে গিয়ে আই হ্যাভ টু অডিও সোর্স। একটা অডিও সোর্স হচ্ছে গিয়ে আমার ক্যামেরা থেকে আরেকটা অডিও সোর্স হচ্ছে গিয়ে দিস ওয়ান। সো এটা আমাকে কিন্তু অডিও অডিওটাকে সে নিয়ে যাচ্ছে। সো আমি যখন পোস্ট প্রসেসিং করছি ভিডিওতে তখন কিন্তু আমার এই ক্যামেরার অডিও সেটাকে আমি ফেলে দিচ্ছি আর আমার এই অডিওটাকে আমি ঢুকিয়ে দিচ্ছি। বাট আমার ভিডিওর মধ্যে যে অডিও এমবেডেড অডিও যে অডিওটা এই ক্যামেরা থেকে যাচ্ছে সেটাকে আমি কিন্তু ফেলে দিচ্ছি না শুরুতে। সেটাকে আমি রাখছি যাতে আমার এই অডিও এবং এই অডিও এই দুইটাকে আমি এলাইন করতে পারি সিঙ্ক করতে পারি। এই দুটো এই অডিও যদি আমি না সিঙ্ক করি তাহলে তো আমার সো আমার এটা আমার লাইফে একটা ইজি করে দিয়েছে যে দুইটো অডিওকে আমি সিঙ্ক করার জন্য আমি আসলে দুটো অডিওকে পাশাপাশি মিলায়। এটা তো আমি কানে মিলাবো না। এটা আমার জন্য অটোমেশন। সে দেখে সে নিজেই অটোমেট করে সে পাশাপাশি সিঙ্ক করে দিবে। তার মানে হচ্ছে গিয়ে এখানে আমার একটা ভালো অটোমেশন হচ্ছে অডিও ভিডিও সিঙ্ক। তারপর হচ্ছে গিয়ে অফকোর্স আমার আমি যেহেতু বই লিখি যেমন এই বইটা আমি আসলে এই বইটা লেখার সময় আমি একটা বড় সময় ডিকটেশন দিয়েছি। বড় সময় ডিকটেশন দিয়েছি ডিকটেশন এবং এটাকে ঠিক করা। সো বই লেখার পেছনে ডিকটেশন দেওয়াটাও কিন্তু আমি মনে করি যে এখানে আমি একটা ভালো এনএলপি লাইব্রেরি ব্যবহার করি এবং এনএলপি থেকে কিন্তু আমি ভালো ডিকটেশন দিতে পারি। তারপর হচ্ছে গিয়ে অফকোর্স আমার অফিসে আউটলুকে প্রচুর রুল সেট ব্যবহার করি যে উনি আমাকে যদি আমাকে যদি উনি ইমেইল করেন বা আমাকে যদি শুধু টু করা হয় বা আমাকে যদি সিসি করা হয় তো তার জন্য এটার জন্য আমাকে আলাদা আলাদা রুল সেট। তারপর হচ্ছে গিয়ে কি ধরনের কি ওয়ার্ড আসলে সেই কি ওয়ার্ডের ভিত্তি করে পরবর্তীতে কি কি কাজ হবে সেটার কিছু কিছু বেসিক রুল সেট আমি আউটলুকে ব্যবহার করছি। তার মানে হচ্ছে গিয়ে আউটলুকের এই এইটাও একটা ভালো দিক। তারপরে আউটলুকে আমি ডিকটেশন ব্যবহার করি। প্রচুর ডিকটেশন এবং ডিকটেশন অনেকটাই এনএলপির ব্যবহার। আউটলুকে আমি সামারাইজেশন ব্যবহার করি। এই সামারাইজেশনটা আসলে আমার জন্য খুব কাজে লাগে। সো এই সামারাইজেশনটাও কিন্তু আমার জন্য ভালো কাজ করে। তারপরে আমি আরেকটা কাজ করি সেটা হচ্ছে যে বিশাল বড় ওয়েবসাইট বিশাল বড় ওয়েবসাইটে আমি বসে বসে তো এত পড়া যায় না। সো আমি বিশাল বড় ওয়েবসাইট থেকে সামারাইজ করে নেই যে আসলে পুরো যে জিনিসটা আছে সেটার যেমন অনেক ওয়েবসাইটে কিন্তু টেবিল অফ কন্টেন্ট থাকে না। তো আমাকে এটাকে সামারাইজ করতে হয় যে পুরো সামারাইজটা আমি হয়তোবা 50 ওয়ার্ডের মধ্যে জানতে চাই। সো আই ইউজ এআই টুল যাতে সামারাইজ করতে পারে। তারপরে যেটা হয় যে অফকোর্স অটো পাইলট কোড অটো পাইলট যেটা হচ্ছে গিয়ে বিশেষ করে গিটহাবে এবং অটো পাইলট গিটহাবে অটো পাইলট ইজ এ লাইফ সেভিং। যে কিভাবে গিটহাবে অটো পাইলট তারপর চ্যাট জিবিটিতে অনেক কিছুই আছে যেটাকে আমি ওখান থেকে করাচ্ছি। আর দিনশেষে অনেক কিছুই আসলে রুল বেইজড। আমি সেই এআই এআই এর যে যেটাকে বলা হয় যে এআই এর বাজওয়ার্ড। আমি বাজওয়ার্ডের দিকে যাবই না। আমি যেটাকে বলবো যে আসলে এআই আমি ইউজ করবো কি করবো না তার থেকে বড় ব্যাপার হচ্ছে যে আমার লাইফটাকে আমি এনহ্যান্সমেন্ট করতে পারছি কিনা। আমার লাইফটাকে আমি ইজি করতে পারছি কিনা। আমার লাইফটাকে আমি সোজা করতে পারছি কিনা। আমি এত প্যারার মধ্যে থাকি বা এত এত ডিফিকাল্ট টাইমের মধ্যে যাই তো সেখানে এআই আমাকে যদি না সাহায্য করে তাহলে আসলে আমি কি করবো। সুতরাং এখানে আমি এআই কে যেটাকে আমরা আমি বলি সবসময় যে কামলা হিসেবে ব্যবহার করবো। মানে এআই উইল বি ইউজিং এআই সবসময় আমার কাজ করে দিবে। তো সেখানে একটা কাজ বহুদিন ধরে কাজ এই কাজটা এই এটা ব্যবহার করতাম। এটা একটা অ্যাপ বাট ইট ক্যান বি ইন্ট্রিগেটেড ইন ইন ডিফারেন্ট ওয়েবসাইট যে আইএফটিটিটি। আইএফটিটিটি এটা এটা একটা আপনারা অ্যাপ হিসেবে ব্যবহার করেন ওয়েবসাইটে ব্যবহার করেন। সো ইফ দেন ইফ ইফ দিস দেন দ্যাট আইএফটিটি। সো ইফ দিস দেন দ্যাট। মানে এটা যদি হয় ওটা হবে। এটা যদি হয় ওটা হবে। আমার যদি আমি যদি ফেসবুকে কোন কিছু পোস্ট দেই সেটা Instagram এ যাবে। আমি যদি ফেসবুকে কোন পোস্ট দেই সেটা যাবে হচ্ছে গিয়ে টুইটারে। সো আমাকে ডাবল খাটনি খাটতে হচ্ছে না। আমি জ্যাপিয়ারও ব্যবহার করি যে জ্যাপিয়ারে এটা হলে গুগল এর বা জিমেইল এর এই কাজটা হলে এই কাজটার জন্য এটা এটা আউটকাম এটাতে আসবে। এরকম প্রচুর অটোমেশন টুল আছে আরপিএ আছে যেটা আসলে আমাদের লাইফে আমরা ব্যবহার করতে পারি। সো আমি যেটা সবসময় বলবো যে আমরা এই বাজওয়ার্ডে না ঢুকে কিভাবে অটোমেশন বা এই এআই আমাদের লাইফকে এনহ্যান্স করছে বা আমরা এটাকে ব্যবহার করতে পারছি সেটাই হচ্ছে গিয়ে আমাদের সবচেয়ে বড় ব্যাপার। এর পাশাপাশি আমি অনেক এক্সক্লুসিভ কিছু কিছু টুল ব্যবহার করি যেটা হয়তোবা আপনার সাথে যাবে না। যেহেতু এটা পুরোপুরি আমার জন্য সেগুলো আমি হয়তোবা বলছি না। বাট আমি বলছি যে আমার লাইফের অনেক কিছুই অনেক কিছুই আসলে আমাদের জীবন থেকে ফেলে দিতে হবে জাস্ট বিকজ উই ডোন্ট ওয়ান্ট টু ডু ইট। উই ডোন্ট ওয়ান্ট টু টেক ডিসিশন এভরি টাইম। আমরা আসলে ডিসিশন প্যারালাইজ যে কথাটা বলি যে আমরা সিদ্ধান্ত নিতে চাই না। মানুষ সিদ্ধান্ত নিতে ভয় পায়। সো সিদ্ধান্ত আমরা ছেড়ে দিতে চাই যন্ত্রের উপরে এবং সেখানে কিন্তু যন্ত্রকে আমাকে শেখাতে হবে যন্ত্রকে আমাকে কাজ করাতে হবে। সো আমরা যাই করি না কেন আমাকে শিখতে পারতে হবে যে আমি আসলে এই এআই। তো এআই শেখার জন্য আমার কাছে আমি যেহেতু এআই নিয়ে কাজ করি সো দিস ইজ ওয়ান অফ দ্যা বুক ইউ কুড ট্রাই বিকজ এখন জেনারেটিভ এআই ইজ চেঞ্জ দ্যা বল গেম এন্ড দিস বিকজ এটা হচ্ছে গিয়ে আমরা বলছি যে ইন্টেলিজেন্স সিস্টেমের সন্ধানে। এইজন্য বলছি যে ইন্টেলিজেন্স সিস্টেমের সন্ধানে আসলে আমরা যেটা এখন বুঝতে পারি যে পৃথিবীতে ইফ ইউ ক্যান সলভ দ্যা ইন্টেলিজেন্স প্রবলেম দেন ইউ আর ওকে বিকজ এভরিথিং আমরা যত প্রবলেম পাচ্ছি সবকিছু কিন্তু আপনাদেরকে ইন্টেলিজেন্স দিয়ে সলভ করতে হবে। সো আমরা যেটা বুঝতেছি যে আমরা যদি ইন্টেলিজেন্স প্রবলেমটাকে সলভ করতে পারি দিস ইন্টেলিজেন্স প্রবলেম দিস ইন্টেলিজেন্স সিস্টেম উইল সলভ এভরি আদার প্রবলেম। মানে যা সমস্যা আমরা পাচ্ছি আমরা যত সরকারি হোক বেসরকারি হোক আমরা যত সরকার আমরা যত প্রবলেম পাচ্ছি সেই প্রবলেমগুলোকে সলভ করার জন্য যেই ইন্টেলিজেন্সটা লাগবে আমরা যদি সেই ইন্টেলিজেন্সটাকে সলভ করতে পারি দেন দ্যাট ইন্টেলিজেন্স উইল সলভ এভরি আদার প্রবলেম। আর সেই জন্যই কিন্তু এই আমি বারবার বলছি যে উই উড ওয়ান্ট টু ওয়ার্ক উইথ ইন্টেলিজেন্ট সিস্টেম। সো ইফ উই ক্যান বিল্ড দ্যা ইন্টেলিজেন্ট সিস্টেম দেন আমার মনে হয় যে আওয়ার লাইফ উড বি ইজিয়ার। আজকে এই পর্যন্তই থাকছি কিন্তু সামনে।

অটোমেশন: ধারণা

কিভাবে শুরু করবো নেটওয়ার্ক অটোমেশন.mp3

অটোমেশন নিয়ে প্রচুর আলাপ হয়েছে এর আগে আর কেন অটোমেশন প্রয়োজন সেটা নিয়ে আমরা যখন আলাপ করছিলাম আমরা বলছিলাম যে আসলে ইনোভেশনের একটা বড় পার্ট হচ্ছে গিয়ে রিপিটেটিভ না কাজ করা মানে আমরা আসলে মানুষ নিজেরাও কিন্তু রিপিটেটিভ কাজ করতে পছন্দ করি না আর সে কারণে আমরা দেখছি যে আমাদের যারা হাই স্কিল রিসোর্স দেখা যাচ্ছে যে হাই স্কিল রিসোর্স একই জিনিস এক ঘেমে কাজ কিন্তু ওনারা করতে চাচ্ছেন না ফলে দেখা যাচ্ছে যে হাই স্কিল রিসোর্স খুব তাড়াতাড়ি সুইচ করছেন আর এদিকে বড় বড় কোম্পানিগুলো ওনারা দেখছেন যে যেহেতু তারা হাই স্কিল রিসোর্স লম্বা সময় ধরে তারা রাখতে পারছেন না তো তারাও হাঁটছেন অটোমেশনের দিকে কারণ অটোমেশন এমন একটা জিনিস যে জিনিসটা আমরা যেগুলো রিপিটেটিভ কাজ এবং যে জিনিসগুলো বারবার ঘটছে এবং যেটা আসলে একটা হাই স্কিল রিসোর্সকে দিয়ে করানোর দরকার নেই সেখানেই আমরা বলছি যে অটোমেশন প্রয়োজন মানে যেই জিনিসটা আমরা হিউম্যান আমরা প্রতিদিন আমাদের নেটওয়ার্ক সার্ভারে হোক আর আমাদের ফায়ারওয়ালে হোক অথবা আমাদের রাউটার বা সুইচে প্রতিদিন লগইন করে যে ধরনের আমরা কনফিগারেশন করতে হয় সেটা যদি আমরা অটোমেশনের হাতে ছেড়ে দেই তাহলে দেখা যাচ্ছে যে আমরা আসলে ইনোভেশনের দিকে হাঁটতে পারব আর সে কারণে আমাকে অনেকে প্রশ্ন করেছিলেন যে কিভাবে অটোমেশন শুরু করা যায় আর এই মুহূর্তে আমি যেহেতু নেটওয়ার্কিং এ আছি আর নেটওয়ার্কিং এ কিভাবে অটোমেশন আসছে সেটা নিয়ে আমি আসলে কিছু আলাপ করব। তার মধ্যে আমরা আসলে অনেকগুলো আলাপ করেছিলাম এর আগে যে এনসিবল এটা একটা প্লাটফর্ম এবং তার পাশাপাশি নরনির এটা একটা প্লাটফর্ম আর নরনিনের জন্য আমরা আসলে যেটা বলছিলাম যে ইটস অল এবাউট পাইথন মানে আমরা বলছি যে পাইথন যদি আমরা জানি তাহলে নেটওয়ার্ক অটোমেশন করা খুব সহজ আর যারা আমরা পাইথন জানছি না তাদের জন্য আমি বলব যে রেড হ্যাট এনসিবল মানে এনসিবল প্লাটফর্মটা যদিও এখন এনসিবল হচ্ছে গিয়ে পুরোপুরি ওপেন সোর্স আর সে কারণে আমরা বলছি যে এনসিবল আমরা আসলে শুরু করতে পারি আর এখানে একটা জিনিস আমি বলে রাখবো যে এনসিবল হোক আর আমরা রেড হ্যাট হোক মানে এনসিবল হোক আর নরনির হোক সবকিছুতেই কিন্তু কাইন্ড অফ একটা আন্ডারস্ট্যান্ডিং থাকতে হবে যে কিভাবে একটা অটোমেশন করা যায় আর সেখানে আমি মনে করি যে রেড হ্যাট এনসিবল কিন্তু সেই দিক থেকে একটা ভালো প্লাটফর্ম টু স্টার্ট উইথ আমি বলছি নেটওয়ার্ক অটোমেশন এবং সেই নেটওয়ার্ক অটোমেশন আপনারা দেখছেন যে সুইচ রাউটারস ব্যালেন্সার ফায়ারওয়াল মানে এগুলোর যে জিনিসগুলো আছে এটার মধ্যে যে আমরা প্রতিদিন কিন্তু কমান্ড লাইন ইন্টারফেস অনেক কিছু করি এই কমান্ড লাইন ইন্টারফেসে এই কাজগুলো আমরা পুরো পুরোপুরি আমরা আসলে অটোমেশনের দিকে ছেড়ে দিতে পারি এবং সবচেয়ে বড় জিনিসটা হচ্ছে গিয়ে যে আমরা আসলে সবচেয়ে কষ্ট কোথায় পাই যে আমাদের আমাদের যে নেটওয়ার্ক আছে সেই নেটওয়ার্কে ধরা যাক আমাদের 6000 বা 7000 আমাদের নেটওয়ার্ক ডিভাইস আছে তো এই নেটওয়ার্ক ডিভাইসগুলোকে ম্যানেজ করা কনফিগার করা এবং সেই কনফিগারেশন ম্যানেজমেন্ট যদি আলাদা পোর্টাল না থাকে বা আলাদা একটা সিস্টেম না থাকে যেখান থেকে আমি কনফিগারেশন গুলোকে পুল এবং পুশ এবং দিনশেষে যেই রিসোর্সটার জন্য যেই কনফিগারেশন প্রযোজ্য এবং সেটাকে ডাইনামিকলি অ্যাসাইন করতে পারা সেটাই হচ্ছে গিয়ে আমরা অটোমেশনের রাস্তায় হাঁটছি এবং সবচেয়ে একটা বড় ব্যাপার হচ্ছে যে ইনফ্রাস্ট্রাকচার এওয়ারনেস মানে আমার নেটওয়ার্কে কোন জিনিস কখন কিভাবে চলছে সেটার ব্যাপারে যদি আমি আগে থেকে যদি না ভিজিবিলিটি পাই তাহলে কিন্তু নেটওয়ার্ক নিয়ে আমি আসলে কাজ করতে পারবো না এবং এর পাশাপাশি নেটওয়ার্ক ভ্যালিডেশনের ব্যাপারটা যেটা বলছি যে আমাদের নেটওয়ার্কটা আমাদের মত করে চলছে কিনা সেটা আমি কিভাবে জানবো সেখানে আমাদের অটোমেশনের একটা বড় পার্ট আসে এবং সবচেয়ে বড় জিনিসটা হচ্ছে যে নেটওয়ার্ক থেকে ট্রু সোর্স মানে নেটওয়ার্কের যে ট্রু সোর্স সেই নেটওয়ার্কে ইনফরমেশন আমি আসলে কিভাবে পুল করব এবং সেখানে কিন্তু কালেক্ট ইনফরমেশন মানে কালেক্ট নেটওয়ার্ক ফ্যাক্ট অটোমেটিকলি নেটওয়ার্কের ফ্যাক্টগুলো আমরা যদি ঠিকমত আমরা কালেক্ট করতে পারি তাহলে কিন্তু এটার একটা ভালো অটোমেশন হয়ে যায় আর সবচেয়ে বড় যে পারসপেক্টিভটা হচ্ছে যে আমরা নেটওয়ার্ক যে অটোমেশনের একটা বড় পারসপেক্টিভ হচ্ছে যে আগে হিউম্যান মানে আমরা আসলে কিভাবে চিন্তা করছি সেইটার ওয়ার্কফ্লো অটোমেশনটা আসলে আমাদের বুঝতে হবে যে আসলে আমরা কিভাবে চিন্তা করছি সেটাকে আমরা কিভাবে মেশিনে পাঠাবো আর এর পাশাপাশি আমরা যেটা দেখাচ্ছি যে এনসিবল নিয়ে যেহেতু আমি বলছি যে গত ছ বছর আগে এনসিবল নিয়ে যেহেতু আমি কাজ শুরু করেছিলাম একটা জায়গায় আমি দেখলাম যে এনসিবল প্লেবুক মানে এইটা হচ্ছে গিয়ে একটা প্লাটফর্ম যেখানে আমরা খুব বেসিক বেসিক বেসিক টুল দিয়ে শুরু করতে পারি এবং সেখানে আমাদের এনসিবল কোড ডকুমেন্টেশনটা আমাদের দেখা উচিত যে এনসিবল কোড ডকুমেন্টেশনে কিভাবে আমরা কাজটা শুরু করতে পারি এবং এনসিবল প্লাটফর্মটা আমরা কিভাবে একটা লিনাক্স মেশিনে তৈরি করতে পারি এবং সেখানে আমরা দেখছি যে আপনার লিনাক্স মেশিনে যদি প্রবলেম হয় তাহলে আপনার উইন্ডোজ মেশিনে এই মুহূর্তে আমরা যেটা বলছি উইন্ডোজ সাবসিস্টেম ফর লিনাক্স ডব্লিউএসএল উইন্ডোজ সাবসিস্টেম ফর লিনাক্স এই ডব্লিউএসএল টু দিয়ে কিন্তু একটা আপনার উইন্ডোজ মেশিনে কিন্তু লিনাক্স ইনস্টল করা যায় উবুনটু ইনস্টল করা যায় তার মধ্যে আমরা এনসিবল চালু করতে পারি আর দিনশেষে পাইথন নিয়ে আমাদের কিছু জানতে হবে যেহেতু আমাদের অটোমেশনের একটা পার্ট পাইথন দিয়ে বাট শুরুতে পাইথন লাগবে না আর এনসিবল কিভাবে শুরু করা যায় বিশেষ করে নেটওয়ার্কিং এ এনসিবল কিভাবে শুরু করা যায় সেটার জন্য আপনারা এই সাইটটা দেখতে পারেন। সবচেয়ে বড় জিনিসটা হচ্ছে যে আমরা মানে এটা মাথায় নিতে পারা মানে এই মুহূর্তে এটাই মাথায় নিতে পারা যে আমরা এখন হিউম্যানলি যে যেভাবে আমরা কমান্ড লাইন ইন্টারফেসে লগইন করে যেভাবে কাজগুলো করছি এবং যেই ফিডব্যাক মানে যেই ডেটার উপর ভিত্তি করে যেই ফিডব্যাক পাচ্ছি এবং সেই ফিডব্যাকটা আমরা রেগুলার এক্সপ্রেশন থেকে আমরা পেয়ে তারপরে সেটাকে কি করতে হবে না করতে হবে সেটা আমি যেভাবে কাজ করছি সেটাকেই আসলে মেশিনকে দিয়ে করানো যাতে আমাদের প্রতিদিন একই কাজ না করতে হয় এবং ফাইনালি আমি বলব যে নরনিটটা আমাদের দেখা উচিত বিকজ দিস ইজ দা ওয়ে টু গো যাদের 100% আমি বলব যে 100% যারা বিশেষ করে আমরা বলছি যে যারা পাইথন নিয়ে কাজ করতে পারেন এবং নেটওয়ার্ক অটোমেশন নিয়ে করতে চান তাদের জন্য নার্নির একটা ভালো ভালো একটা প্লাটফর্ম। সো আমরা মনে করি যে নার্নির নিয়ে যখন আমরা কাজ করব তখন পাইথনের একটা বেজলাইন থাকতে হবে তবে আমার কাছে মনে হয় যে টু স্টার্ট উইথ আমরা এই মুহূর্তে এনসিবলটা মানে এনসিবলটা খুব ভালো একটা প্লাটফর্ম এবং রেড হ্যাট বলছি যদিও এটা ইজ একোয়ারড বাই আইবিএম সো আমরা বলছি যে ইটস ওপেন সোর্স প্লাটফর্ম এবং এনসিবলটা দিয়ে খুব বেসিক বেসিক কাজ যদি কাজ যদি আমরা এখনই করতে পারি তাহলে আমাদের জন্য এই কাজগুলো অনেক ইজি হবে। সো আমি আপনাদেরকে আজকে দেখালাম যে কিভাবে আমরা নেটওয়ার্ক অটোমেশন আমরা শুরু করতে পারি এবং সেখানে আমাদের যে লিনাক্স সেই লিনাক্সটা আমরা কিভাবে পেতে পারি সেটা যদি আমরা এখান থেকে দেখি যে ডব্লিউএসএল টু সো আমরা যদি ডব্লিউএসএল টু নিয়ে যদি কথা বলি তাহলে প্রথমেই কিন্তু আমাদের আসবে হচ্ছে গিয়ে উইন্ডোজ এর যে মাইক্রোসফটের যে ডকুমেন্টেশনটা সেটা এবং সেখানে কিভাবে এটা পেতে হবে সেটা নিয়ে কিন্তু আমরা এখানে দেখছি যে লিনাক্স কিভাবে উইন্ডোজে ইনস্টল করতে হয় সেটার একটা ধারণা আপনারা দেখছেন। সো এটা মাইক্রোসফট ডকুমেন্টেশন নট দ্যাট এটা আমরা অন্য কোন অ্যাপ্লিকেশন ইনস্টল করতে হবে এটা মাইক্রোসফটের ভেতরে আছে এটা উইন্ডোজ এর উইন্ডোজ 10 এর ভেতরে আছে সো আমি মনে করি যে আপনারা লিনাক্স ইনস্টল করলেই কিন্তু আমরা এনসিবল ইনস্টল করতে পারবো এবং এটা নিয়ে আমাদের সামনে আরো বড় বড় আমরা কাজ দেখাতে পারব। আজকে এই পর্যন্তই থাকছেন তো সামনে?

অটোমেশন: ধারণা

রোড টু হাইটেক ইন্ডাস্ট্রি Automate and Manage your business processes Power Automate.mp3

আমরা অনেক সময় ভাবি যে আমরা যে কাজগুলোর প্রতিনিয়ত করি সেটার অটোমেশন করা সম্ভব না। বিশেষ করে আমরা যারা ডেস্কটপে কাজ করি সেই ডেস্কটপ থেকে যে কাজগুলোর প্রতিনিয়ত করছি সেই কাজগুলো যে আমরা অটোমেট করতে পারি সেটা আসলে আমাদের অনেক সময় ধারণার বাইরে থাকে। আর সেজন্য আমি বলছি যে মাইক্রোসফটের যে পাওয়ার অটোমেট, মাইক্রোসফটের পাওয়ার অটোমেটটা আসলে আমাদের ট্রাই করা উচিত। কারণ মাইক্রোসফটের পাওয়ার অটোমেট দিয়ে আসলে আমরা কিভাবে এই জিনিসগুলো কাজ করতে পারি সেটা কিছু টেমপ্লেট আপনারা যদি দেখেন যে কিভাবে একটা জিনিস কাজ করা যায় ডেস্কটপের যে জিনিসগুলোকে কাজ করা যায় সেটা যদি আমরা স্টেপ বাই স্টেপ যদি দেখি তাহলে কিন্তু এই ধরনের ব্যাপারগুলো কিন্তু করা সম্ভব। বেশ ব্যাপারটা কিন্তু খুব একটা ডিফিকাল্ট কিছু না। ডিফিকাল্ট এইজন্য বলছি যে এখানে যে বিভিন্ন ফ্লো আছে সেই ফ্লো গুলো যদি আমরা এনালাইসিস করি আমাদের ডেস্কটপে যে কাজগুলো আমরা প্রতিনিয়ত করছি সেই ডেস্কটপের কাজগুলোই কিন্তু আমরা আসলে আমাদের পাওয়ার অটোমেট দিয়ে করা সম্ভব। আর সেটাই আসলে আমরা বলতে চাচ্ছি যে এই পাওয়ার অটোমেট দিয়ে যে কাজগুলো আমরা দেখছি যেগুলো করছি যেগুলো প্রতিনিয়ত আমরা আসলে এখানে ওয়ার্কআউট করছি সেগুলো কিন্তু করা সম্ভব। আর এইজন্যই আমি বলি যে আমাদের একটা না একটা জিনিস ট্রাই করতে হবে। আমরা ডেস্কটপ অটোমেশন যদি কথা বলি যে মাইক্রোসফটের পাওয়ার অটোমেটটা আমরা ট্রাই করে দেখতে পারি। বিকজ আমরা যদি ট্রাই না করি, আমরা যদি না দেখি, আমরা যদি এর ভেতরে জায়গাগুলো না দেখি তাহলে কিন্তু আমরা বুঝতে পারবো না যে আসলে অটোমেশন কোথায় চলে যাচ্ছে এবং অটোমেশন আসলে এমন একটা স্টেজে চলে গেছে যেখানে আমাদের আসলে এখান থেকে ফিরে আসার সুযোগ নেই। আজকে এই পর্যন্তই থাকছেন তো সামনে?

অটোমেশন: ধারণা

নেটওয়ার্ক অটোমেশন শত ডিভাইসের গল্প.mp3

নেটওয়ার্ক অটোমেশন একটা বড় পার্ট হচ্ছে গিয়ে যেহেতু আমাদের ডেটা প্লেন কন্ট্রোল প্লেন এবং ম্যানেজমেন্ট প্লেন আপনি যদি দেখেন যে আমাদের একটা রাউটার বা সুইচে মানে এই যে অংশগুলো আছে যে যেহেতু এখন আমাদের রাউটার বা সুইচে মানে ডেটা প্লেন কন্ট্রোল প্লেন এবং ম্যানেজমেন্ট প্লেন যেহেতু আলাদা আলাদা হয়ে যাচ্ছে সেখানে কিন্তু চলে আসছে নেটওয়ার্ককে প্রোগ্রামেবিলিটি ব্যাপারে আমরা বলছি যে নেটওয়ার্ককে প্রোগ্রাম প্রোগ্রামেবিলিটি মানে আগে আমরা কি করতাম যে আগে আমাদের একটা সুইচে যে বা একটা রাউটারে যেয়ে কিন্তু তার কনসোল পোর্টে অথবা আমরা তাকে সরাসরি টেলনেট বা এসএসএইচ করে কিন্তু একটা জিনিস কনফিগার করতাম কিন্তু আস্তে আস্তে আমাদের যতই সময় যাচ্ছে তত দেখছি যে নেটওয়ার্কের মধ্যে যেহেতু ডেটা প্লেন এবং কন্ট্রোল প্লেন এবং যে জায়গাতে ম্যানেজমেন্ট প্লেন সেটা যেহেতু আলাদা হয়ে যাচ্ছে তার মানে হচ্ছে গিয়ে এখানে সফটওয়্যারের মাধ্যমে আপনার পুরো নেটওয়ার্ককে প্রোগ্রাম করতে পারা যাচ্ছে আর যেহেতু আমরা সফটওয়্যারের মাধ্যমে সবকিছু আমরা আলাদাভাবে প্রোগ্রাম করতে পারছি মানে নেটওয়ার্ককে প্রোগ্রাম করা যাচ্ছে আলাদাভাবে সেখানে কিন্তু নেটওয়ার্কের অটোমেশন চলে আসছে এবং নেটওয়ার্কের অটোমেশন আসলে ব্যাপারটা এরকম যে আমরা এই মুহূর্তে যেভাবে আমাদের সুইচে বা রাউটারে যেভাবে আমরা হিউম্যানলি ঢুকছি ধরা যাক এসএসএইচ করে ঢুকছি আমাদের এই নেটওয়ার্ক অটোমেশনে কিন্তু একই জিনিস আমরা বলছি যে একই জিনিস হবে তারা এসএইচ করে এসএসএইচ করে ঢুকবে এবং তারা সেখানে সেই ধরনের কনফিগারেশন ম্যানেজমেন্ট করবে আপনি জাস্ট ধরুন যে আমরা ধরা যাক আমরা একটা বা দুইটা রাউটারে আমরা লুপব্যাক এড্রেস দেওয়ার চেষ্টা করছি একবার একটা বা দুইটা রাউটারে আমরা লুপব্যাক দেওয়াটা খুব একটা সমস্যা না কিন্তু আমাদের নেটওয়ার্কে যদি ধরা যাক 100 টা রাউটার হয় বা 100 টা সুইচ হয় তো এই 100 টা রাউটার বা সুইচে লুপব্যাক এড্রেস এবং সেই এড্রেসটাকে প্রোগ্রামেবিলিটি প্রোগ্রাম প্রোগ্রামের সাহায্যে যে একটাতে এক একটাতে দুই একটাতে তিন মানে এই যে বিভিন্ন ধরনের আইপি এড্রেস বসানো এবং কোন হোস্ট নেম কোনটাতে কোনটা হবে তার জন্য কোন ধরনের এড্রেস হবে সেই এই যে প্রোগ্রামেবিলিটি এই প্রোগ্রামেবিলিটি একটা বড় পার্ট হচ্ছে গিয়ে আমাদের এই নেটওয়ার্ক অটোমেশন আর সে কারণে আমরা যখন লুপব্যাক এড্রেস ধরা যাক 100 টা আমাদের রাউটারে বসাবো বা এরকমও হয় যে নেটওয়ার্কে প্রচুর পাঁচ থেকে 6000 ডিভাইস আছে সেগুলোকে ম্যানেজ করতে হয় যখনই আমাদের ডিভাইস অনেক বেশি হয়ে যাচ্ছে তার মানে ওই ডিভাইসগুলোকে হিউম্যানলি ম্যানেজ করা পসিবল না আর যেহেতু হিউম্যানলি ম্যানেজ করা পসিবল না আর সে কারণে আমরা বলতে চাচ্ছি যে এই জিনিসটাকে আমরা প্রোগ্রামেবিলিটি মানে প্রোগ্রামের সাথে আমরা এটাকে ম্যানেজ করবো আর সে কারণে আমরা দেখছি যে বিশেষ করে আমরা যখন মানে আমরা যখন কাজ করছি নেটওয়ার্ক অটোমেশন নিয়ে তখন এনসিবলের মত একটা প্ল্যাটফর্ম বা আমরা নরনির মত একটা প্ল্যাটফর্ম এটা কিন্তু আমাদের খুবই খুবই কাজে লাগবে আর সবচেয়ে বড় জিনিস হচ্ছে যে আমরা একটু আগে উদাহরণ দিলাম যে কিভাবে একটা লুপব্যাক এড্রেস আমরা সবগুলো রাউটারে বসাবো সেগুলো হিউম্যানলি মানে 100 রাউটারে বসানো যেটা হিউম্যানলি ইম্পসিবল সেটাই ধরা যাক একটা আমাদের নেটওয়ার্ক অটোমেশনে এটা খুব অল্প সময়ে করা সম্ভব এবং একেকটাতে একেক হোস্ট নেম একেকটাতে একেক আইপি এড্রেস এবং সেটার সাথে অন্যান্য সবকিছু এটার সাথে কানেক্টেড হবে আর সবচেয়ে বড় যে জিনিসটা আমরা বুঝতে পারছি যে সামনে নেটওয়ার্ক প্রোগ্রামেবিলিটি বা নেটওয়ার্কের প্রোগ্রামেবিলিটির আরো বাড়বে এবং সেইজন্যই আমরা আসলে তৈরি কিনা আজকে এই পর্যন্তই থাকছেন তো সামনে

অটোমেশন: ধারণা

নেটওয়ার্ক অটোমেশন Network Automation, why learning to code is an investment for life.mp3

প্রথম কথা হচ্ছে আমাদের এখন ইনফ্রাস্ট্রাকচারই কিন্তু প্রোগ্রামেবল মানে আমাদের ইনফ্রাস্ট্রাকচারকে প্রোগ্রাম করা যায়। যেই ইনফ্রাস্ট্রাকচারকে প্রোগ্রাম করা যায় সেই ইনফ্রাস্ট্রাকচারকে যদি আমরা প্রোগ্রাম না করি তাহলে কিন্তু আমরা নিজের পায়ে কুঠার মারছি। মানে হচ্ছে গিয়ে আমাদের যেহেতু ইনফ্রাস্ট্রাকচার মানে যেই আমাদের নেটওয়ার্কিং ইনফ্রাস্ট্রাকচার সে আমাকে কিন্তু কোডিং করার জন্য কিন্তু আমাকে উদ্বুদ্ধ করছে এবং সে জন্য কিন্তু সে প্রচুর ইনফ্রাস্ট্রাকচার এর এপিআই আমাকে দিয়ে রেখেছে। সো এইজন্য বলছি যে এখনকার এই ইনভেস্টমেন্ট যেই জিনিসটা আমরা বলছি যে আমাদের যে ইনফ্রাস্ট্রাকচারের মধ্যে যে ইনভেস্টমেন্টটা হয়েছে বা যেই ইনফ্রাস্ট্রাকচারে যে ধরনের ইনভেস্টমেন্ট এখন আসছে সেখানে আমরা বলতে পারি যে সেই জায়গাটাতে আমাদেরকে লার্নিং টু কোড উড বি এ গুড কাইন্ড অফ লাইক একটা আমাদের পাওয়ার টুল। মানে এইজন্য আমরা বলছি যে আমাদের লাইফটাইমে আমরা অল্প অল্প করে বিশেষ করে আমি বলব যে অল্প অল্প করে আমাদের ইনভেস্টমেন্ট করা উচিত এই লার্নিং টু কোডের ব্যাপারে। ইফ উই নো হাউ টু ইনভেস্ট আই ক্যান টেল ইউ যে আমরা যদি প্রপারলি ইনভেস্টমেন্ট করতে পারি যে আসলে আমরা কি চাই আমাদের লাইফে আমরা কি চাই এবং তখন কিন্তু আমরা বুঝতে পারব যে আসলে এই লার্নিং টু কোড বিশেষ করে আমাদের নেটওয়ার্ক ইনফ্রাস্ট্রাকচারের লার্নিং টু কোড উড বি এ গ্রেট চয়েস। আর সেজন্যই আমি বলছি যে আমাদের এই প্রোগ্রামেবল ইনফ্রাস্ট্রাকচার যেটা আমাদেরকে আসলে হেল্প করছে যে আমি একটা রুল সেট বা একটা বা দুইটা বা চারটা বা 10টা বা 20টা রুল সেটকে আমার মাথা থেকে ফেলে দিয়ে আমি যখন কন্ট্রোলারের উপরে দিয়ে দিব কন্ট্রোলার ইজ নাথিং বাট এনাদার পিসি যেই পিসিটা আসলে কমিউনিকেট করবে হচ্ছে গিয়ে আমাদের নেটওয়ার্কে অন্যান্য ইনফ্রাস্ট্রাকচারের সাথে যেমন অন্যান্য রাউটার, অন্যান্য সুইচ, অন্যান্য ওয়েলটি, অন্যান্য সবকিছুর সাথে কমিউনিকেট করবে। যদি আমাদের এই কন্ট্রোলার যদি সবার সাথে যদি কন্ট্রি মানে সরাসরি যদি কন্টিনিউয়াস যদি সে যোগাযোগ করতে থাকে তাহলে কিন্তু আমার কাজ শেষ। মানে আমাদের যেটাকে করতে হবে যে আমাদেরকে এই কন্ট্রোলারকে আমাদের রুল সেটকে বলে দিতে হবে। আমাদের কন্ট্রোলার এই রুল সেটকে যখন ঠিকমতো বলতে পারবে অনলি দেন আমরা আসলে এখানে বুঝতে পারব যে আমাদের কাজ শেষ। তার মানে হচ্ছে গিয়ে উই হ্যাভ টু ইনভেস্ট টাইম অন লার্নিং টু কোড। আর সেইজন্য আমি বলছি যে আমাদের সময় যেই সময়টা আমরা আসলে অন্যান্য কাজ করছি এভরিডে যেই কাজগুলো করছি সেই কাজগুলোকেই কি আমরা আসলে আমাদের এই প্রোগ্রামেবল আন্ডারস্ট্যান্ডিং এর মধ্যে ফেলে দিয়ে দেন উই ক্যান সেভ টাইম ফর লার্নিং আদার থিং। এইজন্য বলছি যে ইফ উই ইনভেস্ট লাইক 20 আমি মনে করি যে 20% অফ আওয়ার টাইম টু লার্নিং টু কোড 20% অফ আওয়ার টাইম দেন উই ক্যান সেভ এটলিস্ট 40 টু 50% অফ আওয়ার টাইম এন্ড ইফ উই ক্যান সেভ 40 টু 50% অফ আওয়ার টাইম দেন উই ক্যান লার্ন মেনি থিংস উই ক্যান লার্ন নিউ নিউ থিংস ফর আওয়ার ইনফ্রাস্ট্রাকচার। আর এইজন্য বলছি যে উই হ্যাভ টু আন্ডারস্ট্যান্ড দা ভ্যালু উই হ্যাভ টু আন্ডারস্ট্যান্ড দা ভ্যালু অফ ইনভেস্টমেন্ট হোয়াট উই আর মেকিং রাইট নাউ। উই হ্যাভ টু আন্ডারস্ট্যান্ড হোয়াট ইজ দা ইনভেস্টমেন্ট আই এম ডুইং বাই লার্নিং দা কোড। আমরা যদি ইফ উই নো হাউ টু লার্ন দা কোড আর ইফ উই নো হাউ টু কোড দেন আমরা কিন্তু একটা ইনভেস্টমেন্ট করছি আমাদের উপরে যে ইট ইজ এ লাইফটাইম ইনভেস্টমেন্ট। দিস ইজ এ লাইফটাইম ইনভেস্টমেন্ট এবং সেটাকে আমাকে ছোট ছোট করে করছি। প্রতিদিন অল্প অল্প করে করছি এবং এই অল্প অল্প করে যে ইনভেস্টমেন্টটা দ্যাট উইল একচুয়ালি সেভ আওয়ার টাইম ইন লং রান। আজকে এই পর্যন্তই থাকছেন তো সামনে?

অটোমেশন: ধারণা

আইএসপিনেটওয়ার্ক অটোমেশন লগ এগ্রিগেশন সিস্টেম গ্রাফানা-লকি Grafana+Loki observability platform.mp3

এখন যেহেতু সব জায়গায় ডেটার খেলা মানে ডেটাকে আমাদেরকে জানতে হবে মানে ডেটা কি বলছে সেটাকে বুঝতে হবে আর সেজন্য কিন্তু লগ এগ্রিগেশন সিস্টেম কিন্তু অসাধারণ জিনিস। আমি বলতে চাচ্ছি যে ধরা যাক নেটওয়ার্কে কোন সমস্যা হচ্ছে, নেটওয়ার্কের কনজেশন হচ্ছে, নেটওয়ার্কে কোন জায়গায় জিটার বেশি হচ্ছে, নেটওয়ার্কের যেই প্রবলেমগুলো আমরা ইনহেরেন্টলি জানতে পারি না সেটা আসলে একটা লগ এগ্রিগেশন সিস্টেম আমাদের চোখের আঙ্গুল দিয়ে বুঝিয়ে দেবে যে আসলে আমাদের নেটওয়ার্কে কোন প্রবলেম হচ্ছে কিনা। আর এইজন্যই লগ এগ্রিগেশন আমরা যখন এর আগে আলাপ করেছি লগ এগ্রিগেশনের জন্য কিন্তু ইএলকে স্ট্যাক। ইএলকে স্ট্যাক মানে ইলাস্টিক সার্চের যে স্ট্যাকটা ছিল এই ইএলকে স্ট্যাকটা কিন্তু ওয়ান অফ দ্যা বেস্ট মানে এখনো তবে ওরা 2021 এ তাদের লাইসেন্সিং মোড কিছু পাল্টেছে। যেখানে ওরা আসলে ওপেন সোর্স থেকে লগ স্ট্যাক যেটা হচ্ছে গিয়ে ওদের যে অংশটা ছিল সেটাতে কিছুটা পরিবর্তন এনেছে। তো আমাদের কাছে এখন যেটা মনে হচ্ছে যে সত্যিকার অর্থে যদি আমাদের একটা ভালো লগ এগ্রিগেশন সিস্টেম দরকার, আমাদের যদি একটা ভালো লগ এগ্রিগেশন সিস্টেম প্রয়োজন হয় তার জন্য কিন্তু গ্রাফানা লকি ইজ ওয়ান অফ দ্যা বেস্ট বিকজ ইউ কুড স্টার্ট ইট ইন ইউর ডকার এন্ড দেন ইউ আর গুড টু গো। আর আমি যেটা সবসময় করি যে আমার ডেস্কটপে বা আমার ল্যাপটপে সব জায়গায় কিন্তু ডকার থাকে। সো ইউ জাস্ট পুল দা ডকার ইমেজ ফর গ্রাফানা লকি এন্ড প্রমটেল এন্ড দেন ইউ আর গুড টু গো। এট দা সেইম টাইম আসলে আমরা যেটা চাই যে গ্রাফানা হ্যাড বিন অলওয়েজ বেস্ট ফর হোয়াট ইট ডাজ মানে তারা হচ্ছে গিয়ে লগ থেকে আমাদেরকে ভিজুয়ালাইজেশন দেখা, লগ থেকে আমাদের একটা আন্ডারস্ট্যান্ডিং দেওয়া, লগের মধ্যে কি আছে দ্যাট ইজ মেকিং মোর হিউম্যান এট লগ। লগ ইজ এ ডিফারেন্ট কাইন্ড অফ বিস্ট। লগে কিন্তু লগ কিন্তু সবাই পড়তে পারে না। ইটস এ ডিফারেন্ট থিং মানে লগ যারা লগ মাস্টার তারা হচ্ছে আলাদা ব্যাপার। কিন্তু আমরা যারা লগ নিয়ে সাধারণত কাজ করি তাদেরকে একটা জিনিস বুঝতে হবে যে লগ আসলে ইটস নট ফর হিউম্যান ইটস ফর মেশিনস কনজামশন অনলি। সো সেইজন্য কিন্তু উই নিড সামথিং লগ এগ্রিগেশন যেখানে সবগুলো লগ এগ্রিগেট করবে এবং সব লগগুলো এগ্রিগেট করার পর সেখান থেকে কিন্তু লগ তারা আমাদেরকে বোঝাবে যে কি সমস্যা বা কি হচ্ছে। সেইখানে কিন্তু আমাদের ডকার ইমেজে আমাদের যদি শুরুতে আমরা লকি ইন্সটল করি লকিটাকে আমরা রাখছি যে যেখান থেকে আসলে আমাদের যে লগগুলো আছে সেই লগগুলোকে আমরা একটা জায়গায় নিয়ে আসবো। আর এর মধ্যে প্রমটেল। প্রমটেলের কাজ হচ্ছে গিয়ে এই লগগুলোকে লকিতে পুশ করা। বিকজ দিনশেষে এই লগগুলোকে নিয়ে এসে একটা জায়গায় পুশ করতে হবে সেটার জন্য প্রমটেল। প্রমটেল এবং ফাইনালি অফকোর্স গ্রাফানা ইজ ডুইং দেয়ার বেস্ট যে গ্রাফানা হচ্ছে গিয়ে ও চাচ্ছে যে এর ডেটার ভিতরে কি আছে, কি অ্যানোমালি আছে, কি প্রবলেম আছে সেটাকে আমরা আইডেন্টিফাই করতে পারি। সো দিনশেষে গ্রাফানা এবং লকি গ্রাফানা লকি ইজ ওয়ান অফ দা গুড লগ এগ্রিগেশন সিস্টেম দেন দ্যাট অফ ইএলকে। কারণ ইএলকের একটা বড় ইস্যু ছিল যে এটা সবকিছু ইনডেক্সিং করে। কিন্তু গ্রাফানা লকি হচ্ছে গিয়ে এটা শুধু মেটাডেটা ইনডেক্সিং করে হুইচ ইজ হুইচ মিন্স ইট ইজ ইভেন ফাস্টার। আজকে এই পর্যন্তই থাকছেন তো সামনে?

অটোমেশন: ধারণা

এআইঅটোমেশন ছাড়া কি আমাদের জীবন চলবে Reasons to use AI and Automation.mp3

আপনি যদি আপনার কোন বন্ধুকে জিজ্ঞাসা করেন যে এখন উনি কেমন আছেন অথবা আপনি যদি আমাকেই ধরেন যে আমি যদি আমার কোন বন্ধুকে জিজ্ঞাসা করি যে সে কেমন আছে মোস্ট অফ দা অ্যানসারস আমি যেটা দেখেছি যে সবচেয়ে বেশি যে অ্যানসারটা আসে সেটা হচ্ছে যে সবাই খুবই ব্যস্ত এবং আসলেই সবাই খুবই ব্যস্ত কারণ আমরা যখন ধরা যাক ইভেন অফিস টাইমে কিন্তু আমরা সাধারণত একজন আরেকজনকে পাই না ফোনে পাই না অফকোর্স অফিস টাইমে সাধারণত আমরা একজন আরেকজনকে ফোন করার চেষ্টা করি না তবে যদি দরকার হয় তবুও কিন্তু আমরা অনেক সময় অনেককে পাই না কারণ সবাই খুব ব্যস্ত ইভেন দেখা যাচ্ছে যে উইকেন্ডের সময় কিন্তু অনেক সময় অনেককে রিচ করতে পারি না কারণ দে আর বিজি এলসওয়ার সো ব্যাপারটা হচ্ছে কি ব্যাপারটা হচ্ছে যে আমরা সবাই ব্যস্ত মানে আমরা সবাই অনেক অনেক অনেক ব্যস্ত তার মানে কি তার মানে হচ্ছে গিয়ে আমি যেই লাইফটা লিড করে এসছি ধরা যাক আমার 10 বছর বয়সে বা 20 বছর বয়সে বা আমার আমি যখন ছোটবেলায় আমার সময়টা পার হয়ে এসছি তখন কিন্তু আমি দেখেছি যে আমার বাবা-মাকে আমি অতটা ব্যস্ত দেখিনি হয়তোবা আমি নিজেও কিন্তু অতটা ব্যস্ত হইনি না হলে আমি ক্যাসেট রেকর্ডিং এর জন্য মাসের পর মাস কিভাবে ওয়েট করতাম সেই রেইনবো রিদম সুরবিচিত্রাতে মানে তার মানে হচ্ছে কি আমরা ওয়েট করতাম আমরা আসলে মাসের পর মাস ওয়েট করতাম একটা ক্যাসেটের জন্য তার মানে হচ্ছে গিয়ে ফর আস আওয়ার টাইম ওয়াজ নট মানে আমি বলতে পারি না যে আমাদের টাইমটা ইনভ্যালুয়েবল ছিল বাট আমি যেটা বুঝতে পারছি যে আমরা এখন খুবই ব্যস্ত ইভেন আমি আমার বাচ্চাদের দিকে যখন তাকাই আমার বাচ্চারাও খুব ব্যস্ত মানে ইভেন মাঝে মাঝে তাদেরও আমি সময় পাই না যে তাদের তারা এত ব্যস্ত তারা খুবই প্রেসার আছে আমার অফকোর্স আমি ব্যস্ত ছিলাম ছোটবেলায় কিন্তু আমরা এত ব্যস্ত ছিলাম না এর অর্থ হচ্ছে কি আমাদের ব্যস্ততাটা কমবে না আমাদের ব্যস্ততা বাড়বে এবং বাড়বেই আর সে কারণে আমি এই জিনিস জিনিসটা বারবার বলি যে যেহেতু আমাদেরকে একটা বাজওয়ার্ড হচ্ছে মাল্টিটাস্কিং আসলে মানুষ কখনোই মাল্টিটাস্কিং করতে পারে না তার মানে হচ্ছে গিয়ে আমরা এতই ব্যস্ত এখন এতই ব্যস্ত সময়ের মধ্যে আমরা কিভাবে আমাদের কাজগুলো করাবো বা কাজগুলো করব বা কাজগুলো কিভাবে আমরা বের করে নিয়ে আসবো সো দা ফার্স্ট থিং আমি যেটা প্রায় গত প্রায় 15 বছর ধরে বলে আসছি 15 বছর ধরে আমি বলে আসছি যে একচুয়ালি অটোমেশন ইজ দা কি বিকজ আমরা যদি সারাদিন ব্যস্তই থাকি তাহলে আসলে আমাদের কোয়ালিটির টাইমটা আসলে কখন আমরা বের করব আমরা কোয়ালিটি টাইম কখনোই বের করতে পারবো না সো উই হ্যাভ টু অটোমেট থিংস উই হ্যাভ টু ডু লট অফ থিংস এট ওয়ান্স এন্ড আমরা আসলে যন্ত্রের উপর ছেড়ে দিতে হবে আমাদের অনেক কাজ আমি ছোট্ট উদাহরণ দেই ছোটবেলায় ইভেন আমি ক্যারেট করে যে ধরা যাক আমি নিজের কাপড় নিজে ধুতাম সো আমি একটা সময় বের করে নিজের কাপড় নিজে ধুতাম সো হুইচ ইজ ফাইন বাট দেন এখন যে অবস্থা দেখছি যে আসলে কাপড় ধোয়ারও সময় নেই সো এখন আমরা ওয়াশিং মেশিন নিয়ে এসছি তার মানে হচ্ছে ওয়াশিং মেশিন মানে আমরা আগে যে কাজটা করতাম কায়িক সেটা এখন আমি ওয়াশিং মেশিনকে দিচ্ছি আপনারা জাস্ট চিন্তা করুন যে আমরা যেভাবে আগে কাপড় ধুতাম সেই কাপড় ধোয়ার ব্যাপারটাকে কিভাবে অটোমেট করা হয়েছে আপনি ডিশ ওয়াশিং মেশিন নিয়ে চিন্তা করেন একই জিনিস সো আপনি যদি একটা ওয়াশিং মেশিনের কথা চিন্তা করেন কারণ আমি নিজে এই ওয়াশিং মেশিনটা অনেকবার খুলেছি কারণ আমার ওয়াশিং মেশিন আমার বাসার যন্ত্রপাতি নিজে ঠিক করি সো আমি জাস্ট বললাম যে একটা ওয়াশিং মেশিনে সোখ সোখে হচ্ছে গিয়ে সে খুব অল্প সময়ে সে একটা লম্বা সময় ধরে এইটাকে ভিজিয়ে রাখবে এবং সে আস্তে আস্তে এটাকে সে নড়াবে তার মানে হচ্ছে সোখ সোখের পর আসছে ওয়াশ ওয়াশের পর আসছে আমার মনে হয় রিঞ্জ রিঞ্জে পর আসছে স্পিন তার মানে হচ্ছে কি চারটা স্টেজে কিন্তু কাপড়টা ধোয়া হচ্ছে এবং চারটা স্টেজে কিন্তু তার ডিসিশন সাপোর্ট সিস্টেম আছে শুরুতেই যে আমি যদি যে কাপড়টা দিচ্ছি সেই কাপড়টার জন্য কতটুকু পানি লাগবে কতটুকু অন্যান্য জিনিস লাগবে সবকিছু সে মেজার করতে পারছে তার মানে হচ্ছে কি ওর মধ্যে আমি আমরা কিছু রুল সেট ঢুকিয়ে দিয়েছি যে একটা কাপড় যদি আমাদের সবগুলো কাপড় যদি ধরা যাক তিন কেজি হয় তার জন্য এতটুকু পানি লাগবে তারপর হচ্ছে তার জন্য স্পিন এত হইতে হবে তার জন্য স্পিনের পাশাপাশি তার জন্য এত মানে এতক্ষণ ধরে তাকে রাখতে হবে সোখের জন্য একটা তার মানে হচ্ছে কি হয়তোবা সামান্য একটা সামান্য ওয়াশিং মেশিনে হয়তোবা আমি যেটা দেখছি যে 400 থেকে 500 মতো রুল সেট সেট করা আছে যে প্রতিটা স্টেজে সে কোথায় কি কি কাজ করবে এই সামান্য একটা ওয়াশিং মেশিনে যদি এতগুলো স্টেজ আমরা যদি প্রি প্ল্যান করতে পারি প্রতিটা স্টেজে প্রতিটা স্টেজে ধরা যাক এক একটা স্টেজে পাঁচ থেকে সাতটা করে অংশ আছে সেই অংশের মধ্যে আবার বিভিন্ন সেটিং করা আছে যদি ধরা যাক কখনো যদি ইলেকট্রিসিটি চলে যায় ওয়াশিং মেশিন চলতে চলতে যদি কখনো ইলেকট্রিসিটি চলে যায় আবার যখন ইলেকট্রিসিটি ফিরে আসবে তখন সেই একই জিনিস যে আমাদের এসির মতো যে আবার সে আগের জায়গা থেকে শুরু করবে যে ওয়াশিং মেশিনটা যেই পর্যন্ত যেই অবস্থায় পাওয়ার চলে গিয়েছিল সে কিন্তু রিজুম করবে আবার ঠিক তারপরের থেকে তার মানে হচ্ছে কি এই সবকিছুই কিন্তু একটা রুল সেটে ফেলানো হয়েছে সো আমার কথা হচ্ছে একটাই যে আপনি যদি আজকে টেসলা বা বড় বড় ইলেকট্রিক অথবা নরমাল কার ম্যানুফ্যাকচারিং কোম্পানিতে আমরা যদি যাই সবকিছুই কিন্তু অটোমেশন মানে একটা গাড়ি শুরু থেকে শেষ পর্যন্ত হয়তোবা লেদার সিট লেদার সিট বা এ ধরনের যেগুলো খুবই কাইন্ড অফ লাইক এমন একটা জিনিস যেখানে হিউম্যান কিছুটা টাচের ব্যাপার আছে সেটা হয়তোবা ওখানে সেই জায়গাতে হিউম্যান টাচ লাগে আদারওয়াইজ ফুল মেটাল স্ট্রাকচারড বডি ফুল মেটাল জিনিসগুলো কিন্তু সবকিছুই কিন্তু অটোমেশন মানে হচ্ছে গিয়ে রোবট লাগাচ্ছে রোবটে কাজ করছে তার মানে হচ্ছে গিয়ে আমরা যদি এখনই আমাদের লাইফের কাজগুলোকে যদি যন্ত্রকে না দিতে পারি এবং আমার আমাদের লাইফের কাজগুলোকে যন্ত্রকে দিয়ে যদি না কাজ বের করে আনতে পারি তাহলে কিন্তু আমাদের সামনে আমরা কোয়ালিটির টাইম কখনোই পাবো না এবং একটা পর্যায়ে কিন্তু আমরা খুব ত্যাক্ত বিরক্ত হয়ে যাব এই এর কারনেই কিন্তু আমরা আসলে এখন চাচ্ছি যে অটোমেশন আমার অফিসের কাজে হোক আমার পার্সোনাল কাজে হোক আমার ধরা যাক আমি প্রতিনিয়ত ভাবি যে কিভাবে আমার বাসার কিছু কিছু কাজ অটোমেশন করা যায় আমি একটা ছোট্ট উদাহরণ দেই যে প্রতি মাসের শুরুতে আমার বাড়ি ভাড়া আমার বাচ্চাদের স্কুলের বেতন দেওয়া কলেজের বেতন দেওয়া ইউনিভার্সিটির বেতন দেওয়া তাদের বিভিন্ন ক্লাবের সাবস্ক্রিপশন দেওয়া তাদের টিচারদেরকে নির্দিষ্ট মাসের সময় টাকা দেওয়া বা প্রাইভেট টিউটরকে টাকা দেওয়া অথবা তারা যেসব কাজ করছে যেগুলো রিপিটেটিভ কাজ একই জিনিস হচ্ছে আমার বাসায় আমার সেগুলোকে আমার ব্যাংক একাউন্টে যদি আমি কানেক্ট করি যেটা আমি ধরা যাক আমি কয়েকটা অ্যাপ ব্যবহার করি একটা হচ্ছে গিয়ে আমাদের ট্রাস্ট মানি ট্রাস্ট ব্যাংকের একটা অ্যাপ আর পাশাপাশি হচ্ছে গিয়ে ব্র্যাক ব্যাংকের আস্থা আস্থা অ্যাপটা ইউজ করি সো আমি আমি যেটা বলছি যে এ ধরনের রুলসের কিন্তু অন্যান্য দেশে অনেক আগে থেকেই আছে যে আমার যেসব ক্লাবে আমার যেসব জায়গায় আমার স্কুলের বাসের জন্য সব ধরা যাক আমার টোটাল 16 টা বা থেকে 17 টা হচ্ছে সাবস্ক্রিপশন আছে প্রতি মাসে এটাকে আমাকে দিতে হয় বাসা ভাড়া থেকে শুরু করে প্রতি মাসে আমাকে দিতে হয় সো হোয়াই ডোন্ট আই মেক এ রুল সেট আমার অ্যাপের মধ্যে যে প্রতি মাসের কোনটা 10 তারিখের মধ্যে কোনটা তিন তারিখের মধ্যে কোনটা পাঁচ তারিখের মধ্যে কোনটা ছয় তারিখের মধ্যে কোনটা সার্ভিস চার্জ এটা সেটা সবকিছু প্রতি মাসের এত দিনের মধ্যে টাকাটা অটোমেটিকলি কেটে যাবে কারণ আমি অথরাইজ করেছি ব্যাংকে তার মানে হচ্ছে কি দেন আমি শুধু রিভিউ করব যে আসলে আমার এই টাকাটা ধরা যাক যদি আমি একটু রেস্ট্রিক্টিভ হই যে না ঠিক আছে আমার টাকাটা কেটে যাওয়ার আগে আমাকে এটলিস্ট রিভিউ দিবে তার মানে হচ্ছে কি এই অ্যাপ একটা পুশ নোটিফিকেশন দিবে যে আজকে আমার বাচ্চার স্কুলের একটা বেতন যাবে এবং বেতনটা এত টাকা এবং এটা কি সে পাঠায়ে দিবে কিনা আই উড সে ইয়েস আমি শুধু বলবো ইয়েস অর নো এই যে এটাও হতে পারে আর আমি যদি মনে করি যে না টাকার পরিমাণ কম ইট ডাজেন্ট ম্যাটার এটা যদি এমনি চলে যায় সো আই উইল জাস্ট মেক ইট যে এটাকে আসলে কিভাবে কমানো যায় সো এই এই এই ব্যাপারটাকে কিন্তু এখন সবচেয়ে বড় ইস্যু যে আসলে আমরা কিভাবে আমাদের লাইফটাকে ইজি করা যায় সো আমি আসলে আমার ট্র্যাকিং ক্যামেরাটাকে অফ করে দিলাম কারণ আমার ট্র্যাকিং ক্যামেরা হঠাৎ করে ট্র্যাকিং এনেবল হয়ে গেছে এজন্য সে কিন্তু ট্র্যাক করা শুরু হয়েছিল সো আমি আমার ট্র্যাকিং ক্যামেরাটাকে আবার আগের অবস্থায় নিয়ে আসলাম সো ব্যাপারটা হচ্ছে এখানে যে আমরা অটোমেশন নিয়ে কাজ করব অটোমেশন নিয়ে সবকিছু করব কিন্তু আমরা যদি না জানি আমরা কি করতে চাচ্ছি তাহলে কিন্তু আমাদের জন্য একটু ডিফিকাল্ট আর সে কারণে কিন্তু আমরা বারবার বলছি যে অটোমেশনে আমরা কাজ করতে চাই আমরা অটোমেশন নিয়ে কাজ করতে চাই কিন্তু সবচেয়ে বড় যে জিনিসটা আমি চাই যে সেটা হচ্ছে যে যেই কাজগুলো রিপিটেটিভ যেই কাজগুলো প্রতিনিয়ত হচ্ছে যেই কাজগুলো আমাদের লাইফের একটা বড় সময় খেয়ে ফেলছে সেটাকে কেন আমি অটোমেশনে ফেলতে পারছি না সো আমি চাই যে যেসব জিনিসপত্র রিপিটেটিভ যেসব জিনিসপত্র আমাকে নতুন করে সিদ্ধান্ত নিতে হবে না যেই জিনিসপত্রগুলোকে আমাকে নতুন করে করতে হবে না সেগুলোই কিন্তু আমি রিপিটেটিভ মোডে আমি অটোমেশনে ফেলে দিব সো আমাদের লাইফ আমাদের অফিসের কাজ সবকিছুর মধ্যে কিন্তু একটা বড় অংশ আমি দেখছি যে অটোমেশন করা যায় কারণ চ্যাট জিপিটি বা বার্ডের মতো যদি অ্যাপ্লিকেশন যদি হিউম্যানের সাথে ইন্টারেক্ট করতে পারি মানে একচুয়ালি ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং যেটাকে আমরা বলি এনএলপি যেটা আসলে আমি এই বইটা আমি বারবার দেখাই এই কারণে যে এই বইটা লিখতে গিয়ে আসলে আমার লাইফের একটা বড় একটা অভিজ্ঞতা হয়েছে এই কারণে যে মানুষের ভাষা একটা খুব ডিফিকাল্ট জিনিস মানুষের ভাষা যন্ত্রকে বোঝা যন্ত্র থেকে বুঝে আবার যন্ত্র আমাকে রেসপন্ড করা ইটস এ ভেরি ডিফিকাল্ট থিং মানুষের ভাষা ওয়ান অফ দা ভেরি কমপ্লেক্স ইস্যু সো সেই ভাষাও যদি যন্ত্র আয়ত্ত করতে পারে এবং সেটাকে রেসপন্ড করতে পারে তাহলে বাকি কোন কিছুই বাকি কোন কিছুই অটোমেশনের বাইরে ফেলা মানে অটোমেশনে ফেলা যাবে না এরকম না সবকিছুই প্রায় অলমোস্ট এভরিথিং অটোমেশনে ফেলা যাবে আর সেজন্যই আমি যেটা বারবার বলি যে ইন্টেলিজেন্স সিস্টেম আমরা এখন ইন্টেলিজেন্স সিস্টেম নিয়ে কাজ করতে চাই আমরা ইন্টেলিজেন্স সিস্টেম তৈরি করতে চাই কারণ ইন্টেলিজেন্স সিস্টেমটা যখন তৈরি হবে বিকজ আপনি দেখেন যে আমাদের লাইফে যত প্রবলেম সব প্রবলেমটা সলভ করতে হলে কিছু কিছু কিছু ইন্টেলিজেন্স দরকার হয় ধরা যাক আমার বাসার বাসাতে কোন প্রবলেম হয়েছে সেই প্রবলেমটাকে আমি আমাকে সলভ করতে হবে তার মানে হচ্ছে কি আমাকে সেখানে একটা ছোট্ট অল্প আমাকে আমার মাথার ঘিলু ব্যবহার করতে হবে তার মানে হচ্ছে কি ধরা যাক আমার আমি রাস্তায় নামলাম নামার পরে একটা কোন সমস্যা হলো গাড়িতে কোন সমস্যা হলো সো আই হ্যাভ টু ইউজ সাম অফ মাই ইন্টেলিজেন্স যে এই গাড়িটার এই এরকম একটা প্রবলেম হয়েছে সো এটাকে সলভ করতে হবে তার মানে প্রতিটা জিনিস আমরা যেটাকে বলছি যে প্রতিটা জিনিস যেটাকে আমরা বলি যে এটাকে সলভ করা দরকার সেটা ইন্টেলিজেন্স দিয়ে সলভ করতে হবে আর সে কারণে কিন্তু আমরা ইন্টেলিজেন্স সিস্টেম তৈরি করব আর সেজন্যই কিন্তু আমরা এগুলো কথা বলি যে ইন্টেলিজেন্স সিস্টেমের সন্ধানে মানে কিভাবে ইন্টেলিজেন্স সিস্টেম আমরা বানাবো সেটা একটা বড় পারসপেক্টিভ আজকে এ পর্যন্তই থাকছেন তো সামনে?

অটোমেশন: ধারণা

রোড টু হাইটেক ইন্ডাস্ট্রি অটোমেশনের পাইপলাইন বোঝা Network Automation pipeline NetworkISPTelco.mp3

অটোমেশন ব্যাপারটাকে যখন আমরা বোঝার চেষ্টা করি তখন সবচেয়ে প্রথমে যে জিনিসটা আমাদের কাছে আসে সেটা হচ্ছে গিয়ে অটোমেশন ইজ কাইন্ড অফ এ মাইন্ড গেম। মানে আমরা আসলে অটোমেশন নিয়ে কাজ করছি বা অটোমেশন নিয়ে আমরা পাইপলাইন তৈরি করছি কিন্তু অটোমেশনটা আসলে কিভাবে আমাদের লাইফে প্রতিটা জায়গায় ইন্ট্রিগেট হবে সেটা কিন্তু সবকিছুই কাগজের কলমের ব্যাপার। মানে আমরা বলছি যে সবকিছুই কিন্তু আমরা কাগজে কলমে আনার চেষ্টা করব। কারণ এনিথিং উই ওয়ান্ট টু ডু অর এনিথিং উই ওয়ান্ট টু অটোমেট, দা ফার্স্ট থিং দ্যাট হ্যাজ টু কাম টু আওয়ার মাইন্ড ইজ লাইক আমরা এই অটোমেশন করে আমাদের এখান থেকে বেনিফিটটা কোথায় বা আমরা এখান থেকে কি লাভ পাচ্ছি। সবচেয়ে বড় যে জিনিসটা আমরা দেখি যে অটোমেশনে সেটা হচ্ছে গিয়ে আমাদের এই আন্ডারস্ট্যান্ডিং এ বিশেষ করে আমরা যখন অটোমেশন নিয়ে কাজ শুরু করি তার শুরুতে আমাদের অটোমেশনের পাইপলাইনটা বুঝতে হবে যে আমরা আসলে অটোমেশন যখন এটাকে ইমপ্লিমেন্ট করব তখন সেখানে আসলে কোন কোন জায়গায় আসলে আমাদেরকে হাত দিতে হবে এবং কোথায় শুরু করতে হবে, কোথায় মাঝখানে কি করতে হবে এবং কোথায় শেষ করতে হবে। আর সেজন্যই কিন্তু অটোমেশনের পাইপলাইন। আমি যেভাবেই কাজ করি না কেন। আমি একটা ছোট উদাহরণ দেই যে আমি যখন ধরা যাক আমি যদি এখন একটা ছোট আপনাদেরকে একটা উদাহরণ দেখাই যে ধরা যাক আমরা এখানে একটা উদাহরণ হিসেবে একটা নতুন নতুন একটা সাইট আমি দেখাচ্ছি যে আমরা যখন অটোমেশন করি তখন সেই অটোমেশনটার কোথায় কোথায় আমি কাজ করতে পারি। সো আমি আসলে এখানে দেখাচ্ছি। সো আমি এখন অটোমেশন দিয়ে যেহেতু আমি লেখালেখি করি আমি এখানে কিছু জিনিস দেখাতে চাই যে আমি আসলে ইভেন আমার যে লেখালেখি করি এখানেও কিন্তু আমি অটোমেশনের সাহায্য নিয়েছি। আমি ধরা যাক আমার একটা বইয়ে যাই যে বইটা আসলে আমি লিখি। যেকোনো বই আমি যখন লেখার সময় বইটার মধ্যে আমি কতটুকু অটোমেশন ব্যবহার করছি কি করছি না সেটা আমাদের একটু আমি দেখতে পারি। যেমন আমার যে ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং, এই ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং যে বইটা আছে এই বইটাতে কিন্তু আমি অটোমেশন ব্যবহার করেছি। মানে এই বইটা লেখার সময় এবং এই বইটাকে পাবলিশ করার সময় আমি আসলে অটোমেশন ব্যবহার করেছি। তার মানে হচ্ছে গিয়ে আমি যে বইটা লিখছি এই বইটা লেখার সময় কিন্তু আমাকে যে জিনিসটা বুঝতে হবে যে এখানেও কিন্তু আমাকে এই যে আমি এটাকে লিখছি, ধরা যাক আমি ভিএস কোডে লিখছি। ভিএস কোড থেকে আমি যখন এটাকে পাবলিশ করছি সেই পাবলিশিং এর মধ্যে কিন্তু বেশ কিছু অটোমেশন আছে। সেই অটোমেশনে যদি ধরা যাক আমার এখানে মার্কআপ ল্যাঙ্গুয়েজ আমি ব্যবহার করেছি। মার্কআপ ল্যাঙ্গুয়েজটা কিভাবে দিনশেষে এইচটিএমএল ল্যাঙ্গুয়েজে ফরমেটিং হবে এবং সেই ফরমেটিংটা আসলে আমাদেরকে এখানে বুঝতে হবে যে ফরমেটিংটা আমি কিভাবে ফাইনালি অটোমেট করব। সো এই অটোমেশনটা আসলে আমাদের বোঝা উচিত এবং এই অটোমেশনটা যখন আমি একটা ফাইনাল স্টেজে নিব তখন আমাকে বুঝতে হবে যে এই অটোমেশনটা কিভাবে আমাদেরকে নিতে হবে। আর সেজন্যই কিন্তু অটোমেশনের পাইপলাইনটা আসলে বোঝা যে অটোমেশনের পাইপলাইনটা আমি আসলে কিভাবে একটা স্টেজ থেকে আরেকটা স্টেজে নিয়ে যাব। তো এইজন্য আমাদের অটোমেশনের পাইপলাইনটা বোঝা খুবই জরুরি। আজকে এই পর্যন্তই। কিন্তু সামনে

অটোমেশন: ধারণা

২১ শতকের স্কিল সবকিছুকেই প্রোগ্রাম করতে পারা Getting the regular job done by programming machines.mp3

এই প্রশ্নটা প্রায় পাই যে 21 শতকের স্কিল 21 শতকের স্কিল হিসেবে কোন একটা বা দুটো স্কিল আমাদেরকে সারাজীবন মানে আমাদেরকে বাঁচিয়ে রাখবে মানে বলতে চাচ্ছি যে উই উইল বি এবল টু সলভ প্রবলেম সো আসলে আমি কিওয়ার্ডটা আগেই বলে দিলাম যে 21 শতকে যে একটা স্কিল আমাদেরকে বাঁচিয়ে রাখবে বা যে একটা স্কিল আমাদেরকে আসলে একটা লম্বা সময় এমপ্লয়েবল এমপ্লয়েবিলিটির মধ্যে ফেলে দিবে সেটা হচ্ছে গিয়ে হাউ টু সলভ এ প্রবলেম উই উড ওয়ান্ট টু সলভ এ প্রবলেম বিকজ 21 শতকের একটা বড় সমস্যা হচ্ছে গিয়ে উই উইল হ্যাভ লট অফ প্রবলেমস এন্ড সিন্স উই উইল হ্যাভ লট অফ প্রবলেমস উই হ্যাভ টু সলভ ইট এন্ড উই হ্যাভ টু সলভ ইট লাইক স্পোরেডিক্যালি মানে আলাদা আলাদা করে ছোট ছোট জিনিসগুলো আমাদেরকে সলভ করতে হবে এন্ড ইফ আই এম পার্ট অফ এ কোম্পানি দেন ফর এ কোম্পানি আই উড সে দ্যাট ফর এ কোম্পানি আই উইল হ্যাভ মেনি মেনি মেনি মেনি প্রবলেম সো আই হ্যাভ টু অর উই হ্যাভ টু সলভ অল দা প্রবলেমস সিকুয়েন্সিয়ালি আলাদা আলাদা করে এন্ড হাউ ডু ইউ ওয়ান্ট টু সলভ দিস বিকজ দ্যাট বিফোর ইভেন লার্ন হাউ টু প্রোগ্রাম আই উড সে যে আসলে আমাদেরকে বুঝতে হবে যে কিভাবে একটা প্রবলেমকে এনালাইজ করতে হয় একটা প্রবলেমকে কিভাবে বুঝতে হয় বিকজ আইনস্টাইনের সেই গল্পটা আপনার মনে আছে যে আইনস্টাইনকে বলা হয়েছিল যে যদি কারো যদি উনাকে যদি একটা প্রবলেম সলভ করার জন্য দুই ঘন্টা সময় দেওয়া হয় দেন হি উড স্পেন্ড হি উড স্পেন্ড অলমোস্ট 80% অফ টাইম আন্ডারস্ট্যান্ডিং দা প্রবলেম এন্ড দেন 20% টাইম উড হি উড একচুয়ালি স্পেন্ড টু সলভ দা প্রবলেম সো আমাদের ব্যাপারটা ওরকম যে আন্ডারস্ট্যান্ডিং দা প্রবলেম ইজ দা মেজর থিং এন্ড সামনে আমরা যেটাকে বলছি যে ক্রিটিক্যাল থিংকিং বা সবকিছুর মধ্যে এনালাইজিং এ প্রবলেম ইজ দা মেইন থিং এন্ড দেন হাউ টু সলভ ইট সো এখানে যে জিনিসটা আমরা আসলে বলতে পারি যে আমি বলছি না আপনাকে যে ফুল ফ্লেজড প্রোগ্রামিং শিখতে বাট ইউ স্টার্ট আন্ডারস্ট্যান্ড ইউ ট্রাই টু আন্ডারস্ট্যান্ড হাউ টু ইভেন ইন প্রোগ্রামিং আসলে প্রবলেমগুলো কিভাবে সলভ করা হয় আর দিনশেষে যে জিনিসটা আসলে আমরা সবসময় বলতে চাই যে আমরা মানুষ আশরাফুল মাখলুকাত সো আমরা আসলে সেরা সেরা জীব সো আমরা কেন প্রতিদিন রেগুলার যে কাজগুলো আছে যে রেগুলার কাজ যেগুলো হচ্ছে গিয়ে আমাদের ডে টু ডে কাজ কেন আমরা ডে টু ডে কাজ করব আমরা কেন ডে টু ডে কাজ করতে চাইবো আমরা একই জিনিস রিপিটেটিভ কাজ কেন করতে চাইবো আমরা আমরা মেশিনকে দিয়ে দিব মেশিন রিপিটেটিভ কাজ সব করে দিবে এনিথিং রিপিটেটিভ হ্যাজ টু গো টু অটোমেশন আমি আপনাকে ছোট একটা উদাহরণ যে একটা এয়ারক্রাফট এখন যে লেভেলে পৌঁছে গেছে সেখানে কিন্তু আইক্যাব এবং অন্যান্য জায়গায় বলছে যে ওরা বলছে যে একজন পাইলট দিয়ে কিন্তু হয়তোবা একটা ফ্লাইট পরিচালনা করা যাবে তার মানে কি যে একটা এয়ারক্রাফটের মনে করেন যে 10000 প্যারামিটার একটা এয়ারক্রাফটের 10000 প্যারামিটার একটা হিউম্যান হিউম্যানের জন্য ম্যানেজ করা ডিফিকাল্ট বাট ফর এ মেশিন ইফ দেয়ার আর রুলস সেই রুলস যদি আগে থেকে সেট করে দেওয়া হয় তাহলে 10000 প্যারামিটার ভিত্তি করে কিন্তু একটা এয়ারক্রাফট একটা জায়গা থেকে ফ্লাই করে আরেকটা জায়গায় ল্যান্ড করতে পারে সো ইট ইজ ইট ইজ দেয়ার বাট হয়তোবা আমরা এখন এটাকে কাজে লাগাচ্ছি না বিকজ আমরা ভয় পাচ্ছি যে মেশিনের ফুল মেশিনের উপর হয়তোবা ছেড়ে দেওয়া যাবে না হুইচ ইজ ফাইন বাট আমার কথা হচ্ছে যে যদি আমরা একটা প্রবলেমকে সলভ করতে চাই একটা প্রবলেমে কত ধরনের রুলস সেট হতে পারে কতগুলো ডাইমেনশন থাকতে পারে আমার মনে হয় না যে আমরা যেই এভরিডে আমরা যে প্রবলেমগুলো সলভ করি সেটার কোনটাই 50 থেকে 60 টার বেশি 50 অর 60 ডাইমেনশন বা আমরা যেটাকে বলি ডিসিশন ট্রি ডিসিশন ট্রি ডালপালা এর বেশি হবে না সেখানে একটা এয়ারক্রাফট যদি তার 10000 প্যারামিটার যদি তাকে একসঙ্গে যদি সে টিউন করতে পারে সেখানে আমার 50 থেকে 60 60 প্যারামিটার একটা আমার সামান্য এই পিসি আমার এই পিসিটাই এটাকে করতে পারবে আমি তাকে বলে দিব যে এই এটা করলে এটা করবে এটা হলে এটা হবে সো আমার এই 50 60 ইভেন 200 ইভেন 300 প্যারামিটার নিয়ে এটা কাজ করতে হবে যেখানে জিপিটি আমরা দেখছি জিপিটি থ্রি 175 বিলিয়ন প্যারামিটার নিয়ে কাজ করছে বা 200 বিলিয়ন প্যারামিটার নিয়ে কাজ করছে সেখানে এই ধরনের ছোট ছোট কাজ করা খুব একটা ডিফিকাল্ট না মাই পয়েন্ট বিং যে আমরা সবাই প্রোগ্রামিং শিখবো সেটা এডমিনিস্ট্রেশনে থাকি অথবা আমরা যদি মার্কেটিং এ থাকি বিকজ দিস ডেজ প্রোগ্রামিং হ্যাজ বিকাম লট ইজিয়ার লট ইজিয়ার এন্ড ওয়ান ইন ওয়ান পয়েন্ট দ্যাট আসলে আমরা ডেটা এনালাইটিক্স যখন শিখবো তখন দেখবো যে আসলে আমাদের প্রোগ্রামিংটা আসলে আরো অনেক অনেক ইজি হয়ে গেছে বিকজ আমরা যদি একটা ডেটাকে এনালাইসিস করতে পারি আমার জন্য প্রোগ্রামিংটা করার জন্য খুব ইজি হয়ে যাবে তো সেজন্য বলছি যে উই শুড নো হাউ টু প্রোগ্রাম বিকজ আমরা মেশিনকে ইন্সট্রাকশন দিব সেই মেশিন কাজ করবে আমরা আমরা মেশিনকে কামলা খাটাবো আমি যদি সেভাবে বলি যে মেশিন হচ্ছে গিয়ে আমাদের কাজ করে দিবে আমি কেন সারাদিন ডেস্কের সামনে বসে কাজ করব আমি মেশিনকে বলব মেশিন করে ফেলবে উই উইল বি থিংকিং এন্ড উই উইল বি ইনোভেটিং আজকে এই পর্যন্তই থাকছেন তো সামনে

অটোমেশন: ধারণা

মানুষের কাজ ইনোভেশন, গতানুগতিক কাজ করবে যন্ত্র Innovation and Automation.mp3

কেন এত অটোমেশন নিয়ে আলাপ করছি। আসলে দিনশেষে মানে আমাদের আস্তে আস্তে সময় কমে আসছে কারণ বিশেষ করে আমরা যারা প্রতিনিয়ত কাজ করছি আপনি দেখেন যে আপনার যে জব স্পেসিফিকেশন বা জব ডেসক্রিপশন সেই জব ডেসক্রিপশন অনুযায়ী আপনার কাজ কিন্তু বাড়ছে আর বাড়ছেই। আর সে কারণে আমরা অটোমেশনের কথা বলছি এ কারণে যে আমাদের যে রেগুলার কাজ আছে সেই রেগুলার কাজগুলোকে যাতে আমরা আস্তে আস্তে অটোমেশন করতে পারি। আর সে কারণে কিন্তু আমরা এটা বলছি যে কৃত্রিম বুদ্ধিমত্তা মানে কৃত্রিম বুদ্ধিমত্তার ব্যাপারটা এখানে এভাবে আসতেছে যে আমরা যখন ডেটা নিয়ে কাজ করব সেই ডেটা কিন্তু প্যাটার্ন জানে। সে কিন্তু জানে যে কোন জিনিসটা রিপিটেটিভ হয় কোন জিনিসটা রিপিটেটিভ হয় না। তার মানে হচ্ছে কি আমরা ডেটা থেকে একটা ধারণা পেতে পারি যে ডেটা কি বলতে চাইছে। মানে আমাদের যে প্রশ্নের উত্তর সেটা কিন্তু আমরা ডেটা থেকে পাবো। আর সে কারণে সে কারণে আমরা আসলে যেটা বলছি যে বর্তমানে আমরা যে কাজগুলো করছি আমরা যেই যেই জব স্পেসিফিকেশন বা যেই প্রোফাইলে আমরা কাজ করছি সেটা কোম্পানির জন্য হোক বা সরকারের জন্য হোক সেই কাজের মধ্যে আমরা দেখছি যে প্রায় 60% কাজ হচ্ছে রিপিটেটিভ কাজ বা অনেক সময় বলতে পারেন যে 80% কাজ হচ্ছে রিপিটেটিভ কাজ এবং আমরা যেভাবে কাজ করছি সেই রিপিটেটিভ কাজগুলো কিন্তু খুব সহজেই সেগুলোকে অটোমেশনের হাতে ছেড়ে দেওয়া যায়। কারণ আমরা বর্তমানে যে কাজগুলো করছি সেই কাজগুলো ধরা যাক 20 থেকে 22 টা রুল সেটের মধ্যে আবদ্ধ। মানে আমরা ধরা যাক এই কাজটা করছি এই কাজটা করলে এটা হবে এটা হলে এটা হতে পারে এটা হলে হয়তোবা তিনটা আমার সাব ক্যাটাগরি হতে পারে তিনটা সাবের আবার আমার ওখানে হয়তোবা 12 টা সাব ক্যাটাগরি হতে পারে ওটার থেকে আরেকটা 13 টা সাব ক্যাটাগরি হতে পারে। তার মানে হচ্ছে কি একটা ট্রি এটাকে আমরা বলি ডিসিশন ট্রি। তার মানে হচ্ছে কি মানুষ যেভাবে সিদ্ধান্ত নেয় সেই সিদ্ধান্ত নেওয়ার যে ডিসিশন ট্রি সেটাকে যদি আমরা যন্ত্রের কাছে ছেড়ে দেই তাহলে কিন্তু আমাদের কাজটা অনেকটাই সহজ হয়ে যায়। কারণ আমাদের কাজ হচ্ছে ইনোভেশন মানে আমরা আসলে ইনোভেশন নিয়ে কাজ করতে চাই। এই মুহূর্তে আমরা রিপিটেটিভ কাজগুলো যদি যন্ত্রের কাছে ছেড়ে দেই তাহলে আমরা আরো বেশি সময় দিতে পারব ইনোভেশনে। আমরা আরো বেশি সময় দিতে পারব যে আমাদের বড় বড় চ্যালেঞ্জ নিতে বড় বড় সমস্যাগুলোর সমাধান করতে। কারণ আমরা যদি এখন এই রিপিটেটিভ কাজেই যদি আটকে থাকি এবং এই রিপিটেটিভ কাজে যদি আমরা আমাদের সময় নষ্ট করি তাহলে কিন্তু দিনশেষে আমরা যে কাজটা করতে যাচ্ছি সেটা আসলে হবে না। আমাদের মানুষের সবচেয়ে বড় কাজ হচ্ছে ইনোভেশন। এই ইনোভেশনই কিন্তু পুরো পৃথিবী পাল্টাচ্ছে। আমরা চেষ্টা করব যে আমাদের ডেইলি যে কাজ আছে ডেইলি রুটিন কাজ আছে রুটিন কাজগুলো আমরা চেষ্টা করব যে কিভাবে অটোমেশনের হাতে ছেড়ে দেওয়া যায়। আমরা দেখছি যে সেই অটোমেশনের হাতে ছেড়ে দিতে গেলে সবচেয়ে বড় জিনিসটা আমাকে বুঝতে হবে সেটা হচ্ছে আমার বর্তমান কাজের ওয়ার্কফ্লোটা তৈরি করা। আমার বর্তমান কাজের ওয়ার্কফ্লোটা যদি আমরা ঠিকমত তৈরি করতে পারি এবং সেটাকে আমরা কাগজ কলমে ফেলতে পারি নট কম্পিউটার। আমরা আমি কখনোই আমার ডিসিশন মেকিং প্রজেক্ট বা আমার যেকোনো কাজ আমি শুরু করি কাগজ কলম দিয়ে মানে পেন্সিল এবং একটা কাগজ দিয়ে। কারণ ইউ ক্যান ড্র ইট ইউ ক্যান ইরেজ ইট ইউ ক্যান একচুয়ালি ইউ ক্যান ডু হোয়াট এভার ইউ ফিল লাইক। বাট আমরা বলছি যে শুরুতেই কাগজ কলমে প্লট করতে হবে। শুরুতেই আমার আমরা কি চাচ্ছি আমরা কিভাবে জিনিসটাকে প্লেস করছি আমাদের মাথায় সেটাকে আমরা মাইন্ড ম্যাপ করব। মানে আমরা মাইন্ড ম্যাপ করব একটা কাগজে এবং মাইন্ড ম্যাপের একটা ভালো ধারণা আপনারা পাবেন ইন্টারনেটে জাস্ট গুগল মাইন্ড ম্যাপ। তবে বড় জিনিসটা হচ্ছে যে আমাদের ডেইলি যে কাজ আপনাকে বের করতে হবে যে আপনার ডেইলি কাজ কতগুলো কতটুকু রিপিটেটিভ এবং সেই কাজগুলোকে আসলে আমরা অটোমেশনের হাতে ছেড়ে দিতে পারি কিনা। কারণ এইজন্য আমাদের প্রচুর অটোমেশন টুল এসছে। আমাদের ইউআই পাথ এর আরপিএ বা আমরা বলছি যে মেকের কিছু অংশ বা জ্যাপিয়ার বা মাইক্রোসফট পাওয়ার অটোমেট প্রচুর টুল এসছে রিপিটেটিভ কাজকে কমিয়ে দেওয়ার জন্য। এমনও হয়েছে যে বিভিন্ন কোম্পানিতে এমন স্মার্ট প্রোগ্রামার আছে যারা আসলে তাদের রিপিটেটিভ কাজগুলো অটোমেশনের হাতে ছেড়ে দিয়ে তারা অন্য কাজ করছে বা তারা হয়তোবা সেই কাজগুলোকে মানে কোন ওই কোম্পানির জন্য কোন কাজ না করেও কিন্তু সে বেতন নিতে পেরেছে জাস্ট বিকজ হি ওয়াজ স্মার্ট টু অটোমেট এভরিথিং এন্ড গিভ ইট টু দা মানে হিউম্যান এজেন্টের জায়গায় হচ্ছে গিয়ে সফটওয়্যার এজেন্টকে। একটা সফটওয়্যার এজেন্টকে যদি আপনার যে কাজগুলো আছে সেই কাজগুলো ঠিকমতো বুঝিয়ে দিতে পারলে সফটওয়্যারই আপনার হয়ে কাজগুলো শেষ করে দিবে। আজকে এ পর্যন্তই থাকছেন তো সামনে?

অটোমেশন: ধারণা

সফটওয়্যার ডিফাইন্ড নেটওয়ার্ক নেটওয়ার্ককে প্রোগ্রামিং করতে পারা Programming a Network Automation.mp3

পৃথিবী এতটাই পাল্টে গেছে যে আমি দেখছি যে পৃথিবীর সবকিছুই আস্তে আস্তে সফটওয়্যারে চলে যাচ্ছে। ইভেন আমরা যারা নেটওয়ার্ক নিয়ে কাজ করি সেই নেটওয়ার্ক নিয়ে কাজ করতে গেলেও আমরা দেখছি যে নেটওয়ার্কের অনেক কিছুই এখন সফটওয়্যারে চলে গেছে। আমি যদি এভাবে বলি যে আমি যেহেতু সামরিক বাহিনীতে ছিলাম সিগন্যাল করে একটা লম্বা সময় আমি মনে করি যে সিগন্যাল করে আমরা রেডিও নিয়ে কাজ করতাম। তো রেডিও নিয়ে কাজ করতে গিয়ে আমরা একটা জিনিস দেখলাম যে শুরুর দিকে রেডিওগুলো অলমোস্ট এভরিথিং ইজ হার্ডওয়্যার। মানে রেডিও মানে হচ্ছে গিয়ে ইজ টপ টু বটম হার্ডওয়্যার। বাট দেন একটা পর্যায়ে ইট হ্যাজ বিকাম সফটওয়্যার ডিফাইন রেডিও। তার মানে হচ্ছে গিয়ে তার রেডিও দা বিগ বিগ বিগ রেডিও হ্যাজ টার্ন ইনটু সফটওয়্যার ডিফাইন রেডিও এন্ড দ্যাটস হোয়াই ইন ইউর মোবাইল ফোন আজকে আপনার মোবাইল ফোনে পাঁচটা থেকে ছয়টার মতো সফটওয়্যার ডিফাইন রেডিও আছে। টুজি'র জন্য, থ্রিজি'র জন্য, ফোরজি'র জন্য এনএফসি'র জন্য, আপনার ব্লুটুথের জন্য, আপনার এল্যাপের জন্য মানে সবকিছুর জন্য আলাদা আলাদা এখন রেডিও বিকজ রেডিও হ্যাজ বিকাম দা ডি ফ্যাক্টো এন্ড দ্যাটস হোয়াই দা সফটওয়্যার ডিফাইন রেডিও হ্যাজ কাম। আর এখানে একই জিনিস আমরা দেখছি যে সফটওয়্যার ডিফাইন রেডিওর পাশাপাশি সেটা হচ্ছে গিয়ে সফটওয়্যার ডিফাইন নেটওয়ার্ক। আর এই সফটওয়্যার ডিফাইন নেটওয়ার্ক এ কারণেই সফটওয়্যার ডিফাইন নেটওয়ার্ক আসছে কারণ নেটওয়ার্ক আগে আমরা যেভাবে নেটওয়ার্ক চালাতাম ম্যানুয়ালি সেইভাবে নেটওয়ার্ক চালানো এখন একদম ইম্পসিবল। এন্ড দ্যাটস হোয়াই উই আর টকিং এবাউট দিস সফটওয়্যার ডিফাইন নেটওয়ার্ক বিকজ উই নিড টু প্রোগ্রাম আওয়ার নেটওয়ার্ক। আমাদের নেটওয়ার্ককে প্রোগ্রাম করতে পারতে হবে। আমাদের নেটওয়ার্ককে একটা লেভেলে আনতে হবে যে না আমরা আসলে আমাদের নেটওয়ার্কটাকে প্রপারলি প্রোগ্রাম করতে পারছি কিনা। তো সেইখান থেকে আমাদের একটা জিনিস আমরা দেখতে পারি যে আমাদের আসলে নেটওয়ার্ক প্রোগ্রাম করার দরকার আছে কিনা। অফকোর্স নেটওয়ার্ক প্রোগ্রাম করার দরকার আছে। কারণ যখন আমাদের সবকিছু আমাদের হাত থেকে বিকজ আমি যদি এভাবে বলি যে আমার নেটওয়ার্কে একটা যেকোনো নেটওয়ার্কে ধরা যাক 50000 কাস্টমার আছে। একটা নেটওয়ার্কে 50000 কাস্টমার আছে। তো 50000 কাস্টমারকে ম্যানেজ করার জন্য কিছুটা ম্যানুয়ালি প্রভিশন ঠিক আছে। বাট দেন এই নেটওয়ার্কটা যখন 2 লাখ হয়ে যাবে বা এই নেটওয়ার্কটা যখন 5 লাখ হয়ে যাবে 5 লাখ কাস্টমার ইট ক্যান নট বি রান ইন ম্যানুয়াল মোড। ইট হ্যাজ টু বি ইন ইন কাইন্ড অফ লাইক প্রোগ্রামেটিক মোড এন্ড ইট হ্যাজ টু কাম উইথ লট অফ অটোমেশন। এন্ড লট অফ অটোমেশন উইল কাম ইন অল দিস সফটওয়্যার ডিফাইন নেটওয়ার্ক। তার মানে হচ্ছে গিয়ে এই সফটওয়্যার ডিফাইন নেটওয়ার্কগুলোই কিন্তু এখানে কাজ করবে। আর সবচেয়ে বড় যে জিনিসটা যে সফটওয়্যার ডিফাইন নেটওয়ার্কটা চালাতে আরো মজা বিকজ ইউ ক্যান ডু এন্ড আনডু লট অফ থিংস বিকজ ইউ ক্যান প্রোগ্রাম ইউর নেটওয়ার্ক সো দ্যাট ইন সার্টেন থ্রেশোল্ড ইউর নেটওয়ার্ক ক্যান একচুয়ালি পারফর্ম বেটার ইন থ্রেশোল্ড ইন ইন সার্টেন থ্রেশোল্ড ইউ ক্যান ডিসাইড দা নেটওয়ার্ক ক্যান ডিসাইড অটোমেটিকলি দ্যাট হোয়াট নিডস টু বি প্রভিশন এন্ড হোয়াট নিডস টু বি একচুয়ালি টু কনফিগার অর অর আমরা যেটাকে বলছি যে যদি আমাদের একটা এত বড় নেটওয়ার্ক চালাই। ধরেন আমি একটা বিশাল নেটওয়ার্ক চালিয়ে আসছি একটা জায়গায়। সো ওইখানে নেটওয়ার্ক কনফিগারেশন ম্যানেজমেন্ট ওয়াজ এ ওয়াজ এ রিয়েলি নাইটমেয়ার। সো হাউ ডু ইউ ডু অল দিস নেটওয়ার্ক কনফিগারেশন ম্যানেজমেন্ট ফ্রম এ সিঙ্গেল পয়েন্ট অফ মানে একটা সিঙ্গেল জায়গা থেকে। দ্যাট ইজ সামথিং লাইক উই টক এবাউট অটোমেশন, উই টক এবাউট অটোমেশনিক অটোমেশন ফ্রেমওয়ার্ক লাইক এনসিবল ইজ ওয়ান অফ মাই ফেভারিট অটোমেশন ফ্রেমওয়ার্ক এন্ড অলসো নরনিট দ্যাট ইজ এ পাইথনিক অটোমেশন ফ্রেমওয়ার্ক বাট অবভিয়াসলি দিস সফটওয়্যার ডিফাইন নেটওয়ার্ক এন্ড এভরিথিং হোয়াট উই আর টকিং এবাউট বিকজ দিস ইজ হোয়ার দা দা আই উড সে দা ইন্টারনেট ইজ ইভলভিং এন্ড দা সার্ভিস ক্যাটাগরি এন্ড দা সার্ভিস ক্যাটাগরি আর একচুয়ালি বিং আপগ্রেড। সো আমরা আসলে এখানেই বলবো যে সফটওয়্যার ডিফাইন নেটওয়ার্ক ইজ অলসো এ ওয়ে টু গো হুইচ ওয়াজ লাইক আই উড সে এখন থেকে 10 বছর আগে থেকে আমরা এটা নিয়ে শুনছিলাম বাট ইট ইজ ইন ইট ইজ বিকামিং মেইনস্ট্রিম নাউ ইট ইজ অলরেডি মেইনস্ট্রিম। আজকে এই পর্যন্তই থাকছেন তো সামনে?

অটোমেশন: ধারণা

রোড টু হাইটেক ইন্ডাস্ট্রি Do more by streamlining repetitive business processes Power Automate.mp3

আমি প্রচন্ড অলস মানুষ তবে অলস মানুষকেও তো কিছু না কিছু কাজ করতে হবে নাহলে তো আসলে কিছুই করা যাবে না। তো অলস মানুষ হিসেবে আমাকে বই লিখতে হয়, আমাকে অফিস চালাতে হয়, আমাকে বক্তৃতা দিতে হয়, আমাকে ভিডিও বানাতে হয়, আমাকে প্রোগ্রামিং করতে হয়, আমাকে এই অলস মানুষ হিসেবে কিন্তু আমাকে ফ্যামিলি চালাতে হয়। এই অলস মানুষ হিসেবে কিন্তু আমাকে আরো অন্যান্য অনেক কাজ করতে হয়। তো এখন আমাকে অনেকে জিজ্ঞাসা করেন যে আসলে আমি কিভাবে এত সময় ম্যানেজ করতে পারি। আসলে কিন্তু আমি সময় ম্যানেজ করতে পারি না। তবে আমার অনেক কাজ আছে যেই কাজগুলো আসলে আমি যেটাকে বলি লো হ্যাংগিং ফ্রুট। মানে এই কাজটা আমি সবসময় বলি এই কথাটা আমি বলি যে যেই কাজগুলো রিপিটেটিভ, যেই কাজগুলো আমরা দেখছি যে যেই কাজগুলো আমাদের নিজের দ্বারা আর করা সম্ভব না সেই কাজগুলো কিন্তু আমরা সবসময় আমরা চেষ্টা করি যে এটাকে রিপিটেশন মানে যেই কাজগুলো রিপিটেশন সেগুলো হচ্ছে গিয়ে অটোমেশনে ফেলার জন্য। আর এইজন্যই কিন্তু আমি সবসময় বলি যে এনিথিং রিপিটেটিভ হ্যাজ টু গো টু দা অটোমেশন। মানে এইটা হচ্ছে গিয়ে আমার কাইন্ড অফ লাইক একটা বাক্য যেটাকে আমি সবসময় বলি যে এনিথিং রিপিটেটিভ হ্যাজ টু গো টু দা অটোমেশন। এখন এই অটোমেশনটা আমরা আসলে কিভাবে কাজ করব বা এই অটোমেশন নিয়ে কিভাবে আমরা আসলে আমাদের সময় বাঁচাবো। কারণ দিনশেষে আমার কোম্পানিতে হোক যেকোনো জায়গায় হোক যারা ইয়াং জেনারেশন আছেন তারা কিন্তু রিপিটেটিভ কাজ পছন্দ করেন না। ইয়াং জেনারেশন কিন্তু রিপিটেটিভ কাজ পছন্দ করেন না। তারা কি চান? তারা সবসময় একটা বড় রেসপন্সিবিলিটি পেতে চান, তারা উপরে উঠতে চান। তখন আমাদেরকে যেটা করতে হয় যে আমাদের যেসব লো হ্যাংগিং ফ্রুট মানে যেসব কাজ হচ্ছে গিয়ে রিপিটেটিভ যেগুলো কাজ আসলে প্রতিনিয়ত হচ্ছে এই কাজগুলোকে তখন আমরা রিপিটেশন থেকে আমরা সরাসরি অটোমেশনে ফেলে দেই। আর এইজন্যই বলছি যে যেই কাজগুলো রিপিটেশন, যেই কাজগুলো প্রতিদিন প্রতিদিন আমাকে করতে হয়। মানে প্রতিদিন সকালবেলা এসে আমাকে 16 টা রিপোর্ট থেকে আমাকে কম্পাইল করতে হয়। 16 টা রিপোর্ট থেকে একটা কম্পাইল করে আমাকে একটা ইমেইল করতে হয় বা একটাকে একটা ইনসাইট পেতে হয় যে আমরা কি আমরা কেমন করছি প্রতিনিয়ত আমরা কেমন করছি এবং সেটার উপর ভিত্তি করে আমরা সামনে আমাদের কি কি কাজ করতে হতে পারে। তারমানে হচ্ছে গিয়ে এগুলো সবকিছু স্ট্র্যাটেজিক কাজ। যে আমাকে সামনে কি কি কাজ করতে হতে পারে ইনসাইটটা নেওয়া। আমার ডেটা থেকে ইনসাইটটা নেওয়া কিন্তু রিপিটেশন। কিন্তু সেই রিপিটেশন কাজটাকে আমি কিভাবে আমি নেক্সট লেভেলে নিতে পারব সেখানে কিন্তু স্ট্র্যাটেজিক কাজ। আর আমি সেজন্য বলছি যে যেই কাজগুলো আমরা প্রতিনিয়ত করছি সেই কাজগুলোকে আমাকে অটোমেশনে আনতে হবে। এবং এই অটোমেশনের জন্য কিন্তু আমরা অনেক অন্যান্য অনেক ধরনের টুল ব্যবহার করি। যেমন আমি যেই টুলটা সবসময় ব্যবহার করি সে হচ্ছে গিয়ে পাইথন। আই লাভ পাইথন। আই লাভ ডুইং অটোমেশন অন পাইথন এবং আমি আমার লাইফে প্রচুর কাজগুলো আমি আসলে পাইথনে কনভার্ট করে ফেলেছি। সো আই ইউজ পাইথন। বাট দেন যারা আসলে প্রোগ্রামিং জানেন না বা যারা আসলে প্রোগ্রামিং নিয়ে কাজ করতে চান না এই মুহূর্তে তাদের জন্য কি কিছু নেই? অফকোর্স। আর সেজন্যই আমি আজকে নিয়ে এসেছি পাওয়ার অটোমেট। মানে পাওয়ার অটোমেট কিন্তু এটা একটা প্ল্যাটফর্ম যেটা আমি বলি যে মাইক্রোসফটের প্ল্যাটফর্ম। এই পাওয়ার অটোমেট দিয়ে কিন্তু আমরা অনেক কিছুই করতে পারি। আর এই পাওয়ার অটোমেট যে আমরা যে কাজগুলো করি সেখানে কিন্তু আমরা দেখছি যে আমাদের সব ডেস্কটপ অ্যাপ্লিকেশন। আমাদের ডেস্কটপ অ্যাপ্লিকেশনগুলোই দিয়ে কিন্তু আমি আমি এসব কাজ করছি। মানে আমার ডেস্কে যেসব কাজ আছে সেই কাজগুলো আপনি তো লোগো দেখতে পাচ্ছেন যে এই লোগোগুলো দেখলে বুঝতে পারছেন যে আসলে এগুলো কি। এই সবকিছুই কিন্তু ডেস্কটপ অ্যাপ্লিকেশন এবং ডেস্কটপ অ্যাপ্লিকেশনের মধ্যে কিছু কিছু জায়গায় আমরা ওয়েবে ওয়ার্কফ্লো নিয়ে কাজ যখন করি তখন হয়তোবা কিছু কিছু জায়গায় আমরা এপিআই নিয়ে কাজ করি। বাট দিস আর অল মাইক্রোসফট অফিস বেসড বা আউটলুক বা পাওয়ার বিআই বা এগুলোই। সবকিছুই কিন্তু পাওয়ার অটোমেট দিয়ে করা সম্ভব। আর সেজন্যই আমি আপনাদেরকে সবসময় বলি যে উই হ্যাভ টু ওয়ার্ক অন পাওয়ার অটোমেট এবং পাওয়ার অটোমেট এটা হচ্ছে পাওয়ার অটোমেট ডেস্কটপ। দিস ইজ পাওয়ার অটোমেট ডেস্কটপ এবং এই পাওয়ার অটোমেট ডেস্কটপ কিন্তু উইন্ডোজের সাথে আসে। আপনি যদি উইন্ডোজ টেন হন তাহলে আপনি এটাকে উইন্ডোজ অ্যাপ স্টোর থেকে ডাউনলোড করতে পারেন। আর যদি আপনি উইন্ডোজ ইলেভেন হন তাহলে উইন্ডোজ ইলেভেন আপনি ব্যবহার করেন তাহলে এটা উইন্ডোজ ইলেভেন এর সাথে চলে আসে। সো দা ফার্স্ট থিং টু আন্ডারস্ট্যান্ড যে আসলে পাওয়ার অ্যাপ কিভাবে কাজ করে। সেখানে যে জিনিসটা আমাদেরকে বুঝতে হবে যে যেকোনো কাজ আমরা কিভাবে কাজ করি সেভাবে আপনি চিন্তা করেন যে আমরা কিভাবে কাজ করি। আমরা একটা কাজ করি বিকজ আমাকে একটা কাজের জন্য একটা ট্রিগার পয়েন্ট। যে আমার কোম্পানির ম্যানেজমেন্ট আমাকে আমার কাছে চেয়েছেন এই জিনিসটা এত তারিখের মধ্যে। তারমানে হচ্ছে গিয়ে ডেডলাইন ইজ দা ট্রিগার পয়েন্ট। যে ওই তারিখের মধ্যে আমাকে কাজটা করতে হবে। সেইম এই পাওয়ার অটোমেট বলেন আর অটোমেশন বলেন সবকিছু দে হ্যাভ এ ট্রিগার পয়েন্ট যে কখন কাজটাকে আমাকে শুরু করতে হবে এবং এবং আমি মনে করি যে পাওয়ার অটোমেট বা অন্যান্য অনেক ধরনের প্ল্যাটফর্ম এই যারা হচ্ছে এ ধরনের প্ল্যাটফর্ম প্রোভাইড করে তাদের কাজ হচ্ছে গিয়ে দে আর ইন দা লিসেনিং মোড যে কিভাবে আসলে পাওয়ার অটোমেট নিয়ে পাওয়ার অটোমেট কিভাবে কাজটা শুরু করবে। সো দে আর অলওয়েজ কনস্ট্যান্টলি লিসেনিং মোডে থাকে যে কিভাবে কোন কাজটা হবে। মাইক্রোসফট টিমস এ কি আসলে আমাকে কি করতে হবে। আমাকে পাওয়ার বিআই এ কোন রিপোর্টটা আসলে আমাকে কি করতে হবে। আমাকে মাইক্রোসফট অফিসে কখন কোন রিপোর্টটা পাঠাতে হবে। আমাকে আউটলুক আউটলুকে কোন জায়গাটায় কি করতে হবে না করতে হবে। আমি যদি ক্রোমে কোন কিছু কাজ করতে চাই ক্রোমের কাজটাকে আমি কিভাবে নেক্সট লেভেলে নেব। সো এই সবকিছুই আসলে নির্ভর করতেছে যে আমরা কিভাবে আমাদের একটা অটোমেশন প্ল্যাটফর্ম ব্যবহার করব। সো অটোমেশন প্ল্যাটফর্মের সবকিছুতেই আমার কাছে মনে হয় যে অটোমেশন প্ল্যাটফর্মের সবকিছুতে ইট স্টার্টস উইথ এ ওয়ার্কফ্লো। যে আমি আসলে একটা ওয়ার্কফ্লো তৈরি করতে চাই। সেই ওয়ার্কফ্লোটা আসলে কিভাবে কাজ করবে। সেই ওয়ার্কফ্লোটা আসলে আমাকে আমি কি ক্লাউড ওয়ার্কফ্লো নিয়ে কাজ করব নাকি আমি ডেস্কটপ ওয়ার্কফ্লো নিয়ে কাজ করব। সো ডেস্কটপ ওয়ার্কফ্লো নিয়ে কাজ করতে গেলে আমাকে কি করতে হবে। সো এখানে ডেস্কটপ ফ্লো আছে এবং ডেস্কটপ ফ্লোর পাশাপাশি আপনারা দেখতে পাচ্ছেন যে এখানে হচ্ছে গিয়ে প্রসেস মাইনিং আছে। সো প্রসেস মাইনিংটাও কিন্তু আমরা এখানে দেখতে পারতে হবে। সো আসলে ব্যাপারটা হচ্ছে এরকম যে আমি এই প্রসেস মাইনিং বা এই জায়গাটাতে আমি আজকে খুব একটা কাভার করছি না। বাট আমি আসলে মোস্টলি কাভার করছি হচ্ছে গিয়ে আমাদের এই ডেস্কটপ ফ্লো। ডেস্কটপ ফ্লোটা হচ্ছে গিয়ে আমাদের জন্য খুব ইম্পর্টেন্ট এবং সেই ডেস্কটপ ওয়ার্কফ্লো নিয়েই আসলে আমরা কাজ করছি। মোদ্দা কথা হচ্ছে যে সবকিছুই তো আমাদেরকে একদম ডে ওয়ানে আমরা শুরু করতে পারবো না। আমরা উই হ্যাভ টু টেক বেবি স্টেপস। আমি সবসময় যেটাকে বলি উই টেক বেবি স্টেপস যে আসলে কোথায় আমরা ছোট ছোট করে শুরু করতে পারি এবং এই বেবি স্টেপের জন্যই কিন্তু আসলে আমি সবসময় একটা কথা বলি যে কিভাবে আমি আমার ডে টু ডে লাইফটাকে অটোমেট করি। বিকজ আমার ডে টু ডে লাইফটাকে যদি আমি অটোমেট না করতে পারি আমার রিপিটেটিভ কাজগুলো যদি আমি অটোমেশনে না ফেলি তাহলে আমি কিভাবে সময় বাঁচাবো? আমি তো সময় বাঁচাতে পারব না। আমি সময় বাঁচাতে পারব না বলে আমি অনেক কিছু করতে পারব না। ইন লাইফ আই ওয়ান্ট টু ডু মেনি থিংস। এন্ড আমি এই এতগুলো কাজ করতে যদি চাই তাহলে আমাকে তো যেসব কাজ রিপিটেটিভ কাজ সেই কাজগুলোকে আমি চাই যে এগুলো অটোমেশনে ফেলতে। যেমন আমার বাচ্চার স্কুলের বেতন বা আমার মেয়ের কলেজের বেতন বা এই জিনিসগুলো কলেজ বা ইউনিভার্সিটির বেতন এই এগুলো আমি অটোমেট করতে চাই। সেগুলোর জন্য আমি কিভাবে কাজ করব? অফকোর্স এখানে আমি পাইথন নিয়ে কাজ করতে পারি অথবা আমি যেই ব্যাংকে অটো পে মেকানিজম আছে সেই অটো পে মেকানিজম নিয়ে কাজ করতে পারি। ব্যাংকের অ্যাপ্লিকেশন থেকে বা অ্যাপ থেকে। মূল কথা হচ্ছে যে আমাদেরকে আমাদের লাইফের সময়টা বাঁচাতে হবে। আমাদের লাইফের সময়টা যদি আমরা না বাঁচাতে পারি তাহলে কিন্তু আসলে আমরা আসলে কোন কিছু করতে পারব না। সেজন্য আমি বারবার বলি যে আমাদেরকে আস্তে আস্তে অটোমেশনের রাস্তায় হাঁটতে হবে এবং আমি হয়তোবা একটা অটোমেশন নিয়ে একটা বই লেখার চেষ্টা করছি নেটওয়ার্ক অটোমেশন নিয়ে। বাট ওই যে সময় পাচ্ছি না। সো বাট আমার কাছে মনে হয় যে উই শুড বি ডুইং আওয়ার থিংস এবং আমরা মনে করি যে আমাদের এই রিপিটেটিভ কাজগুলো অটোমেশন নিয়ে কাজ করতে হবে এবং ফাইনালি আমি এটুকু বলব যে যারা এই অটোমেশন নিয়ে একটু চিন্তাভাবনা করতে যাচ্ছেন তারা কিন্তু এই ডেটা ডেটা নিয়ে তাদেরকে একটু চিন্তাভাবনা করতে হবে যে আসলে এই অটোমেশনের মূলে আছে ডেটা এবং এই ডেটাগুলোকে আমি আসলে কিভাবে কাজ করাবো সেইজন্য এই বইটা একটা ভালো ধারণা দিতে পারে। মূল কথা হচ্ছে এনিথিং রিপিটেটিভ হ্যাজ টু গো টু দা অটোমেশন।

অটোমেশন: ধারণা

হাতেকলমে রোবোটিক প্রসেস অটোমেশন, ট্রিগার এবং অ্যাকশন.mp3

শুরুর আমরা যদি বেসিক অটোমেশন নিয়ে আলাপ করি তাহলে আরপিএ মানে রোবটিক প্রসেস অটোমেশন নিয়ে আলাপ করা যায়। আর বিশেষ করে আমরা যে যেভাবে যেই ধরনের জবগুলো করি বা আমরা যে ডেস্কটপে বা ডেস্কটপে যে বা ডেস্কে আমরা যে কাজগুলো করি সেটার অধিকাংশই কিন্তু রোবটিক প্রসেস অটোমেশন দিয়ে করা সম্ভব। আর এ কারণে আমি যেহেতু নিজেই মাইক্রোসফট পাওয়ার অটোমেট এর ব্যাপারটা নিয়ে কাজ করছি এবং এর পাশাপাশি আমি আপনাদেরকে বলেছি যে যদি অল্টারনেটিভ হিসেবে আমরা দেখি make make.com সেখানেও কিন্তু আপনি দেখবেন যে সেখানে প্রায় 1000 মানে 1000 ইনস্ট্যান্স মানে 1000 অ্যাকশন আপনারা প্রতি মাসে ফ্রি পাবেন। তার মানে হচ্ছে কি আমরা যদি যেকোনো আরপিএ রোবটিক প্রসেস অটোমেশন সেটা মাইক্রোসফট পাওয়ার অটোমেট অথবা জ্যাপিয়ার অথবা আমরা যদি মেকের কথা বলি সবগুলোতে কিন্তু ধারণা একই। মানে যেকোনো ব্যাপারে একটা সিনারিও থাকবে মানে প্রথমে যেকোনো জিনিসে একটা সিনারিও থাকবে যে আপনি এই কাজটা করতে চান এবং এই কাজটার পরে এটা করতে চান এটার পরে এটা করতে চান এটা কাইন্ড অফ লাইক আমি ছোটবেলায় একটা অ্যাপ ইউজ করতাম যেটা হচ্ছে আইএফ মানে ইফ দেন দিস দ্যাট আইএফটিটি আইএফটিটি মানে ইফ ইফ দিস দেন দ্যাট ইফ দিস দেন দ্যাট মানে এটা অনেক আগে আমি আসলে ব্যবহার করতাম তো এটা হচ্ছে গিয়ে এটা হলে ওইটা হবে মানে এই যে একটা আন্ডারস্ট্যান্ডিং সেটাই কিন্তু এখানেও কিন্তু ঘটছে যে আমরা যদি বলি এটাকে যে যেকোনো জিনিস যখন ঘটে ধরা যাক আমরা যদি এভাবে বলি যে একটা সিনারিওতে সিনারিওতে একটা যেকোনো ব্যাপারে একটা ট্রিগার পয়েন্ট থাকবে যে আমার এই জিনিসটা হবে মানে ধরা যাক আমার এখন যে রুমের টেম্পারেচার রুমের টেম্পারেচার এখন এত আছে তার মানে হচ্ছে কি এসি চালু হতে হবে অথবা আমার রুমের টেম্পারেচার এত আমার ফ্যান চালু হতে হবে তার মানে হচ্ছে কি একটা ট্রিগার পয়েন্ট যে আমার একটা টেম্পারেচার যে 26 ডিগ্রি বা 25 ডিগ্রি টেম্পারেচারের নিচে বা বেশি হলে বা তখন এসি বা ফ্যান চালু হবে। এই যে একটা ব্যাপার যে একটা ট্রিগার পয়েন্ট আমরা বলছি যে এই ফোল্ডারে এই অ্যাপ্লিকেশন বা এই রেজাল্টগুলো আসলে বা এই ফোল্ডারে আমার যদি এই ডেটাগুলো আসে তাহলে এই অ্যাকশনটা হবে। মানে আমরা অনেক সময় বলি যে যেকোনো জিনিস গুগল ফর্মে আমরা কাজ করছি গুগল ফর্মে যদি কোন একটা কাজ যদি আমি চাই সেটাকে আমি ট্রেলোতে পাঠাতে পারি বা আমি একটা জিনিস এখানে রাখছি সেটাকে অন্য ফোল্ডারে নেওয়া কোথা থেকে কোথায় মানে এই পুরো জিনিসটাই অটোমেশন বলছি। আমরা এই মুহূর্তে আমরা যে কাজগুলো ডেস্কটপে করছি প্রতিনিয়ত রিপিটেটিভ সেটাই আমরা বলছি অটোমেশন এবং সেখানে আমার ধারণা যে আমরা যদি এই মেক অথবা পাওয়ার অটোমেট এটার যেকোনো একটা সিনারিও এক্সাম্পল সিনারিও দেখি মানে আমরা যেকোনো একটা এক্সাম্পল সিনারিও যদি ঠিকমতো দেখি সেখানে আমরা সব জায়গায় দেখব যে একটা যেকোনো একটা জায়গায় হচ্ছে কি আমরা বলছি যে এটা ট্রিগার মানে কোন ব্যাপারটাতে কি ধরনের ট্রিগার আছে এবং সেই ট্রিগারটা মানে সেই থ্রেশহোল্ড মানে সেই থ্রেশহোল্ডটা মিটআপ হয়ে গেলে তখন আমরা সেটাকে বলছি যে একটা অ্যাকশন মানে আমরা আসলে কি কাজটা করব। সেই অ্যাকশনটাই হচ্ছে ইম্পর্টেন্ট। তার মানে হচ্ছে গিয়ে আমাকে একটা ট্রিগার পয়েন্ট সেট করতে হবে এবং এই ট্রিগার পয়েন্ট থেকে আমাকে একটা অ্যাকশন মানে আমাকে কি কাজটা করতে হবে। এটা হলেই আমাদের কিন্তু অটোমেশনের ধাপে আমরা এগিয়ে গেলাম। প্রথম কথা হচ্ছে আমাদের যেকোনো জিনিসের জন্য একটা সিনারিও ডিফাইন করতে হবে যে কোন সিনারিওতে আমরা কি কাজটা করব। সেখানে আমরা ট্রিগার পয়েন্ট সেট করব যে আসলে কোন ট্রিগার পয়েন্টে কি কাজটা করতে হবে এবং দিনশেষে তার একটা অ্যাকশন পয়েন্ট মানে ওই ট্রিগারের সাথে কি অ্যাকশন মানে কোন অ্যাকশনটা নিয়ে আমরা কাজ করব। আজকে এই পর্যন্তই থাকছেন তো সামনে?

অটোমেশন: ধারণা

রোড টু হাইটেক ইন্ডাস্ট্রি গিটহাব অ্যাকশনসঅটোমেশন GitHub Actions Data CenterNetworkISPTelco.mp3

অটোমেশন এবং এআই যেভাবে আমাদের জব ডিসপ্লেস করবে মানে ডিসপ্লেসমেন্ট হবে সে কারণে আমাদের আইডিয়াটা হচ্ছে কি যেই জিনিসটা আমাদের জবকে ডিসপ্লেস করছে বা যেই জিনিসটা আমাদের চাকরি খেয়ে ফেলছে বা যেই জিনিসটা আমাদেরকে হিউম্যানকে আউট অফ জব করছে সেই জিনিসটা কেন আমরা শিখি না যেই অটোমেশন বা যেই এআই আমাদের জবগুলোকে নিয়ে নেবে সেখানে আমাদের নতুন করে রিস্কিলিং করার সুযোগ আছে এবং এই রিস্কিলিং করার সুযোগ থাকার ফলেই কিন্তু আসলে আমরা এই অটোমেশনের কথা বলছি আমরা এই এআই এর কথা বলছি আর সে কারণে কিন্তু আমি বারবার আপনাদেরকে আমরা আমি বারবার এই জিনিসটাকে এমফাসাইজ করছি যে যেহেতু আমাদের কাজগুলো অটোমেশনে চলে যাবে যেহেতু আমাদের কাজগুলো আস্তে আস্তে এআই আমাদের কাজগুলোকে ইজি করবে এবং আমাদের অনেক কাজ কিন্তু এআই নিয়ে নেবে আর সে কারণে আমি সবসময় বলি যে লেটস স্টার্ট আন্ডারস্ট্যান্ডিং হোয়াট আর অটোমেশন এন্ড হাউ টু স্টার্ট উইথ আমরা আসলে কিভাবে অটোমেশন নিয়ে কাজ করব বা সেখানে ওয়ার্ক আউট করব ইভেন যে আমি আমার রেকর্ডিংটা করছি সেই রেকর্ডিংটাও কিন্তু কাইন্ড অফ লাইক এর পেছনে এআই আছে এর পেছনে কিছুটা কাজ হচ্ছে যেখানে আমাকে একটা লেভেল মেইনটেইন করতে হচ্ছে এবং সেই লেভেলটা আমি আসলে এখানে ওয়ার্ক আউট করছি সো দিনশেষে আমরা যেটাই করি না কেন আমাদের আসলে যেই ওয়ার্কআউটটা আমরা করব সেটা হচ্ছে গিয়ে আমাদের এখানে যদি আমরা দেখাই আপনাকে যে যেহেতু আমি অনেক কিছুই গিটহাব অ্যাকশন দিয়ে করি ইভেন আমি আপনাকে দেখিয়েছিলাম যে আমি আমার পাবলিশিং বই পাবলিশিং কিভাবে গিটহাব অ্যাকশন দিয়ে করি সেটা কিছু আন্ডারস্ট্যান্ডিং আমি আসলে আজকে দিতে চাই যে গিটহাব অ্যাকশনস গুলো কি আসলে গিটহাব অ্যাকশন গুলো কিন্তু খুবই একটা আমি মনে করি যে একটা ডেভেলপমেন্ট ওয়ার্কফ্লো আমাদের যে ডেভেলপমেন্ট ওয়ার্কফ্লোটা আছে সেটাকে কিভাবে অটোমেশন করব এইজন্যই কিন্তু গিটহাব অ্যাকশন কিন্তু আমাদের ডেভেলপমেন্ট ওয়ার্কফ্লোটাকে অটোমেট করে আমি যদি ধরা যাক একটা কোডকে পুশ করি একটা ব্রাঞ্চে তাহলে কিন্তু সেই জিনিসটাকে টেস্ট করে এবং ফাইনালি সেটাকে বিল্ড করে সেটা কিন্তু সেখানে অটোমেশন নিয়ে করা সম্ভব আর সেজন্যই কিন্তু আমরা বলি যে ধরা যাক এখানে কিভাবে কোডকে চেক আউট করা যায় কিভাবে বিভিন্ন রকম প্যাকেজ ইনস্টল করা যায় এবং ফাইনালি এটাকে কিছু টেস্ট করা যায় সেই জিনিসটা নিয়ে আমরা এখানে ওয়ার্ক আউট করি এবং সেখানে আমি যদি এখানে আসি যেখানে গিটহাবের যে ডকুমেন্টেশন আছে সেই ডকুমেন্টেশন যদি যাই সেখানে কিন্তু আমরা আসলে ক্লিয়ারলি বলতে পারি যে গিটহাব অ্যাকশনটা আসলে আমাদের লাইফটাকে অনেক ইজি করবে বিকজ এটা অটোমেশন শুধু না এটা একটা আন্ডারস্ট্যান্ডিং যেটা আমি আপনাদেরকে আজকে দিতে চাই সো এখানে গিটহাব অ্যাকশনে আমি যদি ছবিতে চলে যাই সরাসরি ধরা যাক আমার একটা ইভেন্ট হবে একটা ইভেন্টের উপর ভিত্তি করে আমার একটা সার্ভার তৈরি হবে সার্ভারের মধ্যে বেশ কিছু জব থাকবে এবং জবের মধ্যে বেশ অনেকগুলো স্টেপ থাকবে সেই স্টেপগুলো কি কি অ্যাকশন নিতে হবে এবং সেই অ্যাকশন গুলো কিভাবে রান করবে বিভিন্ন স্ক্রিপ্টে এবং ফাইনালি সেই রানার ওয়ান বা রানার টু দিস আর নাথিং বাট কন্টেইনার সার্ভার মানে আমি মনে করি যে দিস আর ডকার ডকার কাইন্ড অফ থিং সো এখানে আসলে এই জিনিসগুলো চলবে সো আমরা আমাদের বুঝতে হবে যে হোয়াট ইজ ওয়ার্কফ্লো এন্ড অলসো হোয়াট ইজ ইভেন্ট হোয়াট আর দা জবস এন্ড অ্যাকশন এন্ড দেন অফকোর্স রানারস আর দা সার্ভারস যেখানে আমাদের এই ওয়ার্কফ্লোটাকে চলবে যখন যখন সেটাকে ট্রিগার করা হয় সো এখানে আসলে ব্যাপারটা খুবই সোজা এ কারণে যে আমাদের যেকোনো কাজের শুরুতে আমাকে বুঝতে হবে যে আমি যে যন্ত্রকে দিয়ে একটা কাজ করাতে চাই আমি যন্ত্রকে দিয়ে কাজ করাতে চাইলে তো আমাকে যন্ত্রকে বোঝাতে হবে যে আমি কিভাবে কাজটা করতে চাই আর সেটাকেই আমরা বলছি ওয়ার্কফ্লো আমরা যদি ওয়ার্কফ্লোটাকে যদি এভাবে দেখি যে ধরা যাক আমি যদি এখানে একটা বেসিক ওয়ার্কফ্লো দেখাই সেখানে কিন্তু আমি আমি যদি এখানে চলে যাই সেখানে দেখা যাবে যে আমার যে বেসিক ডট ওয়াইএমএল একটা ওয়াইএমএল ফাইলের মধ্যে কিন্তু এই ওয়ার্কফ্লোটা যেটা হচ্ছে ডট গিটহাব স্ ওয়ার্কফ্লোস বলে এই ফোল্ডারে আমি যেই ওয়াইএমএল ফাইল ফেলবো সেটাই কিন্তু এখানে অ্যাক্টিভেট হবে সেটাকে এক্সিকিউট করবে এবং সেখানে যদি আমার ফার্স্ট ফ্লো ওয়ার্কফ্লো আমি বলছি পুশ মানে আমি একটা গিটহাব পুশ আমার ভিএস কোড থেকে যদি ভিজুয়াল স্টুডিও কোড থেকে যদি আমি কোন একটা জিনিস পুশ করি পুশ করলে কিন্তু সরাসরি এই জবটা কিন্তু ফার্স্ট জব হিসেবে কিন্তু এটাকে চলবে উবুনটু লেটেস্ট মানে সে কি করবে এই কন্টেইনারের মধ্যে একটা উবুনটু কন্টেইনার সে ফ্লেয়ার আপ করবে এবং উবুনটু কন্টেইনারটা ফ্লেয়ার আপ করলেই কিন্তু আমি তার মানে হচ্ছে উবুনটু লেটেস্ট যেটা আছে সেই লেটেস্টটা এখানে রান করবে তার মানে হচ্ছে একটা উবুনটু অন দা ফ্লাই এটাকে আসলে সে চালু করবে এবং তার মধ্যে বেশ কিছু স্টেপ স্টেপ রান করবে যে আমি যদি নেম দিয়ে জাস্ট সে হ্যালো টু হ্যালো ওয়ার্ল্ড এখন সেখানে আমি যদি রান বলি ইকো হ্যালো ওয়ার্ল্ড তাহলে কিন্তু সে এখানে কিন্তু আমাকে দেখাবে যে হোয়াট আর দা স্টেপস সো আসলে আমরা যেকোনো অটোমেশনের শুরুতে যদি আমরা তার আন্ডারস্ট্যান্ডিংটা পাই যে আসলে এটা কি হবে হোয়াট ইজ ওয়ার্কফ্লো হোয়াট আর দা ইভেন্টস এবং ইভেন্টের পাশাপাশি কোন ইভেন্ট স্পেসিফিক এই এটাকে ট্রিগার করবে আমি কি এটা পুশ করে ট্রিগার করব নাকি পুল করে ট্রিগার করব নাকি আসলে আমি একটা ইস্যু ওপেন করব নাকি আমি একটা কমিট করব আমার রিপোজিটরিতে নাকি মানে এই যে ইভেন্ট আমি যদি কোন কিছু রেস্ট এপিআই দিয়ে যদি পোস্ট করি সেই রেস্ট এপিআই দিয়ে পোস্ট পুশ করলেও কিন্তু আমার সেই অ্যাকশনটা হয়ে যাবে তার মানে হচ্ছে কি ইভেন্ট ইজ বেসড অন ট্রিগার হোয়াট আই এম কনফিগারং এট দা সেম টাইম জবস লাইক জবস হোয়াট আই এম আস্কিং যে এই কি কি জব হতে পারে এই একটা রানারের মধ্যে রানারটা হচ্ছে সার্ভার এই সার্ভারের মধ্যে আসলে কি কি জব তার মধ্যে জবের মধ্যে ধরা যাক একটা 22 টা স্টেপের একটা জব থাকতে পারে বা কোন কোন জবের মধ্যে ধরা যাক 20 টা স্টেপ থাকতে পারে সো এই যে 20 টা স্টেপ 20 টা স্টেপ কিন্তু আমরা এখানেও দেখিয়েছি যে আমি যদি আপনাকে দেখাই যে আমার যে ইভেন্টটা আছে সেই ইভেন্টের উপর ভিত্তি করে রানার মানে হচ্ছে সার্ভার সেই সার্ভার উবুনটু উবুনটু সার্ভার সো উবুনটু সার্ভারে আমার জব থাকতে পারে একটা জব জবের মধ্যে আমার 20 টা স্টেপ থাকতে পারে আমার রানার দুই মানে হচ্ছে দ্বিতীয় সার্ভার দ্বিতীয় সার্ভারে আমার জব টু থাকতে পারে সেখানে হয়তোবা মাত্র তিনটা স্টেপ থাকতে পারে সো বেসড অন দিস একচুয়ালি দিস অল আর বিন ডান আর অ্যাকশনস হচ্ছে গিয়ে আমার যে অ্যাপ্লিকেশন গুলো আছে সেই অ্যাপ্লিকেশনের কাস্টম আন্ডারস্ট্যান্ডিং যে আমার যে রিপিটেটিভ কাজগুলো আছে সেই রিপিটেটিভ কাজগুলোকে কিভাবে আমি অল্প করে নিয়ে আসতে পারি সো একটা অ্যাকশন কিন্তু একটা রিপোজিটরিকে টান টেনে নিয়ে আসতে পারে গিটহাবে তারপরে সেটাকে একটা মানে কারেক্ট টুল চেইনে সেটআপ করতে পারে যাতে আমার যে এনভারনমেন্টটা প্রপারলি বিল্ড হয় এবং এখানে বিভিন্ন ধরনের অথেন্টিকেশন সার্ভিস যেটা বিভিন্ন ক্লাউড ক্লাউড প্রোভাইডারের সাথে থাকতে পারে সেই ধরনের অথেন্টিকেশন গুলো কিন্তু এখানে এখানে সেট হতে পারে সো এই এই জিনিসগুলো আসলে আমাদেরকে বুঝতে হবে যে আমরা আসলে কি চাই এবং ফাইনালি আমি যেটাকে সবসময় বলতে চাই যে গিটহাব অ্যাকশনস বা অটোমেশন দিস ইজ মাইন্ডসেট মানে আমি আসলে এটা করতে চাই কিনা আমি যদি এটা করতে চাই দেন অবভিয়াসলি ইট ক্যান বি ডুয়েবল বাট করার আগে আমাকে যে জিনিসটা বুঝতে হবে যে আমার আসলে এই করার আগে আমাকে বুঝতে হবে যে হোয়াট হোয়াট আর দা কনফিগারেশন আই আই ওয়ান্ট মানে আমি কি চাই এই ওয়ার্কফ্লোটা যদি আমি ঠিকমত বুঝি তাহলে আমার জন্য যেকোনো কাজ করা সোজা আর এইজন্যই কিন্তু আমি বারবার বলি যে আমার ওয়ার্কফ্লোটা আমি আমি যে ওয়ার্কফ্লোটা চাই সেটা আগে আমি ম্যানুয়ালি হাতে কাগজে কলমে লিখতে চাই আর সেজন্যই এই ধরনের কলম সো আই ইউজ লট অফ পেনস সো ইউ কুড সি দিস আর দা পেনস একচুয়ালি দি দিস আর একচুয়ালি হেল্পিং মাই মাই টাইমলাইন এন্ড এভরিওয়ার সো অফকোর্স এ ধরনের কলম যেগুলো আসলে আমি এখানে দেখাই চমৎকার একটা কলম এটাতে তবে আমি যেটা বলি যে যেহেতু আমি প্রচুর ফাউন্টেন পেন ব্যবহার করি ইউ ক্যান সি যে আসলে আমি কি ধরনের ফাউন্টেন পেন ব্যবহার করি এবং ফাউন্টেন পেনের একটা চমৎকার একটা কেস দেখতে পাচ্ছি সো অবভিয়াসলি আই লাভ ফাউন্টেন পেন আই লাভ রাইটিং এন্ড অলসো এন্ড অফ দা ডে আই লাভ পুটিং থিংস অন পেপার আজকে এ পর্যন্তই থাকছেন তো সামনে

পাইথনে মেশিন লার্নিং

ডিসিশন ট্রি কিভাবে কাজ করে আইরিস ডেটাসেট, খালি চোখে ডিসিশন ট্রি, ট্রেনিং ইন্সট্যান্স.mp3

আজকে আমরা খালি চোখে দেখতে চাইবো যে পাইথনে ডিসিশন ট্রিটা কিভাবে কাজ করে। পৃথিবীর অসম্ভব জনপ্রিয় এবং প্রচন্ড ক্ষমতাশালী অ্যালগরিদম রেন্ডম ফরেস্টের কিন্তু মূল ভিত্তি এসছে কিন্তু এই ডিসিশন ট্রি থেকে। আজকে আমরা দেখতে চাইবো যে কিভাবে একটা ডিসিশন ট্রি ব্যবহার করে একটা আইরিস ডেটা সেট প্রেডিকশন করতে হয়। আমাদের সাইকিট লার্ন মানে একটা কার্ট মডেল যেটা ক্লাসিফিকেশন এন্ড রিগ্রেশন ট্রি। যে অ্যালগরিদম ব্যবহার করে আমাদের গাছগুলো বড় করে মানে এটাকে আমরা একটা দেখছি বাইনারি ট্রি হিসেবে। এখানে পাতা ছাড়া নোড মানে লিফ নোড ছাড়া বাকি সবসময় কিন্তু দুটো করে চাইল্ড নোড থাকে। এর মানে হচ্ছে প্রশ্নের হ্যাঁ অথবা না তার উপর ভিত্তি করে কিন্তু গাছটা বড় হতে থাকে। আর সে কারণে কিন্তু আমরা ওরাইলিং জিরোনের বইটা থেকে কিন্তু নিয়ে এলাম কিছু ধারণা। ডিসিশন ট্রি বোঝার আগে আমরা লোড করে নিই আমাদের আইরিস ডেটা সেট। আমাদের প্রেডিকশন করার পর আউটপুট গ্রাফ ডেফিনেশন দেখেই কিন্তু আমরা বুঝে যাবো কিভাবে ডিসিশন ট্রি তার সিদ্ধান্তগুলো নিল। ইম্পোর্ট করে নিলাম আমাদের ডিসিশন ট্রি ক্লাসিফায়ারকে। বোঝার সুবিধার জন্য আমাদের ডিসিশন ট্রি ক্লাসিফায়ারের কিন্তু ডালপালা বেশি বাড়তে দিলাম না। পাশাপাশি আমাদের আইরিস ডেটা সেটের চারটা ফিচার থেকে যদি আমরা সিদ্ধান্ত নেবার গাছপালা তৈরি করি তাহলে কিন্তু সেটার ডালপালা অনেক বড় হয়ে যেতে পারে। আর সে কারণে কিন্তু আমরা কমিয়ে দিলাম তাদের এই চারটা ফিচারকে দুটো ফিচারে। আমাদের চেষ্টা থাকবে ব্যাপারটা বুঝতে আর সে কারণে কিন্তু ফেলে দিলাম বেশি বেশি কমপ্লেক্সিটি। আচ্ছা আমাদের ট্রেইন ডিসিশন ট্রিটাকে কিভাবে ভিজুয়ালাইজ করবো? আর সে কারণে কিন্তু আমরা নতুন একটা মেথডকে এক্সপোর্ট করে নিয়ে আসছি। এই মেথডের একটা আউটপুট গ্রাফ ডেফিনেশন তৈরি করতে যে ফাইলটা থাকবে সেটার একটা নাম দিয়ে দেই। আপনি দেখতেই পাচ্ছেন এর প্যারামিটারগুলো কিন্তু বেশ সোজা। গুগল কোলাবের ফাইলটা দেখার জন্য আমাদের প্রয়োজনীয় ফরম্যাটে কনভার্ট করার জন্য যা যা দরকার সেটা কিন্তু করে নিচ্ছি এখানে। আমাদের এই প্রথম ডিসিশন ট্রিটা দেখতে কিন্তু কিছুটা এরকম হবে। এখন চলুন দেখে আসি আসলে এই ডিসিশন ট্রিটা কিভাবে প্রেডিকশন করে। কমপ্লেক্সিটি কমানোর জন্য কিন্তু এর ডেপথ লেভেল কিন্তু কমিয়ে দিচ্ছি মাত্র দুটোতে। পাশাপাশি এর ফিচারের সংখ্যাও কিন্তু মাত্র দুটো। পেটাল এর দৈর্ঘ্য এবং প্রস্থ মানে দুটো সংখ্যা। এর অর্থ হচ্ছে আমাদের ডিসিশন ট্রির গাছপালার অনেক কিছুই কিন্তু ছেঁটে ফেলে দিয়েছি। ধরুন আপনাকে আপনার বন্ধু একটা আইরিস প্রজাতির ফুল কিন্তু উপহার দিয়েছেন। আর আপনি সেটাকে সেই প্রজাতির ক্লাসিফাই করতে চান। স্বাভাবিকভাবেই কিন্তু আপনি শুরু করবেন রুট নোড দিয়ে। এর অর্থ হচ্ছে এর ডেপথ জিরো। তার মানে হচ্ছে রুট নোড আর এটা শুরু হবে কিন্তু একদম উপর থেকে। এই নোডে কিন্তু তার প্রশ্ন হবে এই ফুলটার পেটাল দৈর্ঘ্য এটা কি 2.45 সেন্টিমিটার থেকে কম কিনা? প্রশ্নের উত্তর হ্যাঁ মানে সত্য হয় তাহলে কিন্তু সেটা চলে যাবে রুট নোড ধরে বাঁয়ের চাইল্ড নোডে। এটার ডেপথ হচ্ছে এক আর ছবিতে দেখুন এটা কিন্তু চলে যাচ্ছে বাঁদিকের লিফ নোডে। এটা লিফ নোড কারণ এটার কোনো চাইল্ড নোড নেই। মানে এর কোনো সত্য বা মিথ্যা হবার জন্য কোনো প্রশ্ন নেই। আর এই লিফ নোডের বক্সের ভেতরে কিন্তু তাকলেই আমরা বুঝতে পারবো এর ক্লাসিফিকেশনের ক্লাস কি। এখানে কিন্তু আমাদের ডিসিশন ট্রি অলরেডি প্রেডিক্ট করে দিয়েছে যে এই আইরিস ফুলটা হচ্ছে আইরিসের সেটোসা প্রজাতির। ধরুন আপনাকে কিন্তু আরেকটা ফুল দেওয়া হলো আর এবার কিন্তু সেটার পেটাল দৈর্ঘ্য 2.45 সেন্টিমিটার থেকে কি বেশি? এখন তাহলে কি হবে? প্রশ্নের উত্তর না মানে মিথ্যা হওয়াতে এটা কিন্তু আমাদের সিদ্ধান্ত নিচে নেমে রুট নোডের ডানপাশে এসে কিন্তু চাইল্ড নোডে এসে দাঁড়াবে। অবশ্যই এটার ডেপথ হচ্ছে এক আর এটা হচ্ছে গিয়ে ডানের নোড। দেখা যাচ্ছে যে এটা কিন্তু একটা লিফ নোড। তার মানে আমাদের এই আরেকটা প্রশ্নের সম্মুখীন হতে হবে। নতুন প্রশ্ন হচ্ছে আমাদের এই ফুলের পেটাল প্রস্থ কি আসলে 1.75 সেন্টিমিটার কম কিনা? এখন যদি আমাদের প্রশ্নের উত্তর যদি সত্যি হয় তাহলে কিন্তু এই ফুলটি হচ্ছে গিয়ে ভার্সিকালার হওয়ার চান্স সবচেয়ে বেশি। পাশাপাশি এই প্রশ্নের উত্তর যদি না হয় তাহলে কিন্তু এটা আইরিস প্রজাতির ভার্জিনিকা হতে পারে। এটার ডেপথ লেভেল টু আর এটার ডানের লিফ নোড। আমাদের রুট নোডের অ্যাট্রিবিউট দেখে কিন্তু বোঝা যাবে যে এটার সংখ্যা মানে এটার কতগুলো ট্রেনিং হয়েছে এই নোডের উপর। মানে এই রুট নোডের অ্যাট্রিবিউটের সংখ্যাটাই কিন্তু বলছে কতগুলো ট্রেনিং ইনস্ট্যান্স কাজ করেছে এই নোডের উপর। রুট নোড আর এ কারণে কিন্তু পুরো 150 টা ট্রেনিং ইনস্ট্যান্সই কাজ করবে কিন্তু এখানে। যেহেতু পুরো ডেটা সেট 50 করে তিনটা প্রজাতিকে কিন্তু আলাদা করে রিপ্রেজেন্ট করছে মানে এখানে 50, 50 আর 50। পাশাপাশি দেখা যাচ্ছে যে 100 টা ট্রেনিং ইনস্ট্যান্সে কিন্তু পেটাল দৈর্ঘ্য কিন্তু 2.45 সেন্টিমিটার থেকে কিন্তু বেশি। এর ডেপথ হচ্ছে ওয়ান আর এটা কিন্তু বামের চাইল্ড নোড। এই 100 টা ট্রেনিং ইনস্ট্যান্সের মধ্যে কিন্তু 54 টা ফুলের পেটাল দৈর্ঘ্য কিন্তু 1.75 সেন্টিমিটারের কম। এটার ডেপথ হচ্ছে দুই আর এটা কিন্তু বামের লিফ নোড। এই নোডের ভ্যালু অ্যাট্রিবিউট বলছে যে কয়টা ট্রেনিং ইনস্ট্যান্স কাজ করেছে এক একটা ক্লাসের উপর। যেমন এখানে কিন্তু সবচেয়ে নিচের ডানের লিফ নোড বলছে এই ইনস্ট্যান্সের মধ্যে শূন্যটা হচ্ছে আইরিস সেটোসা। এক হচ্ছে ভার্সিকালার আর বাকি 45 টা কিন্তু ভার্জিনিকা। আমার ধারণা আপনি কিন্তু বুঝতে পেরেছেন আমাদের এই ডিসিশন ট্রি কিভাবে কাজ করেছে। থাকছেন তো সামনে?

পাইথনে মেশিন লার্নিং

এন্ড টু এন্ড মেশিন লার্নিং প্রজেক্ট ১.mp3

অনেকে আমাকে জিজ্ঞেস করেন একটা এন্ড টু এন্ড মেশিন লার্নিং প্রজেক্টের জন্য কি কি দরকার হতে পারে। এর উত্তরে আমি বলব ডিপেন্ডস হু ইউ আস্ক। আপনি একটা ছোট স্টার্টআপের জন্য কথা বললে সেটার জন্য এক ধরনের উত্তর হবে। মাঝারি ধরনের কোম্পানির অবশ্যই এটা একটু ভ্যারি করবে। পাশাপাশি গুগল বা ফেসবুকের মত কোম্পানি কিন্তু প্রতিটা প্রসেসের জন্য আলাদা আলাদা ডিপার্টমেন্ট আছে। তবে যে যাই বলুক আমাদের প্রথমে শুরু করতে হবে ডেটা নিয়ে। ডেটার ভিতর থেকে আমাদের এক্সপ্লোরেটরি ডেটা এনালাইসিস ভিজুয়ালি অথবা নিউমেরিক্যালি কি কি ইনসাইট আছে সেটা জানতে হবে। তো আমাদেরকে এখন তৈরি করতে হবে আমাদের ডেটাকে মেশিন লার্নিং অ্যালগরিদম হিসেবে তৈরি করতে। এরপর মডেলকে সিলেক্ট করে তার উপর সেই ডেটাকে ট্রেন করব। তাই বলে কি ফাইন টিউন করব না? আমাদের সলিউশনটাকে ইন্টিগ্রেট করতে হবে সিস্টেমের সাথে। প্রোডাক্ট লঞ্চ করার পাশাপাশি এটাকে মনিটর এবং মেইনটেইন করতে হবে। তো চলে আসি শুরুতে। তো শুরুতে কি? ওয়ার্কিং উইথ রিয়েল ডেটা। আপনি যদি মেশিন লার্নিং নিয়ে কাজ করতে চান তাহলে আপনাকে কিন্তু কাজ করতে হবে রিয়েল ওয়ার্ল্ড ডেটা সেট নিয়ে। আর্টিফিশিয়াল ডেটা সেট নয়। সত্যি কথা বলতে হাজারো ডেটা সেট আছে বিভিন্ন ডোমেইনে। আপনি হেলথকেয়ার সেক্টর থেকে শুরু করে মুভি রেকমেন্ডেশন সেলফ ড্রাইভিং কার কোথায় নেই ডেটা সেট। তবে শুরুতেই আপনি যাই করুন না কেন ইউ হ্যাভ টু হ্যাভ দা বিগ পিকচার। আপনাকে জানতে হবে আপনি কোন ধরনের সমস্যাগুলো সমাধান করতে চান। যত ছোটখাটোই সমস্যা হোক না কেন এটার যখন বিগ পিকচার জানতে চাবেন তখন কিন্তু দেখতে পারবেন এর ডেপথ। আমার ব্যক্তিগত অভিজ্ঞতা বলে যে আমরা নিজের সমস্যা বুঝতে পারি না। আমরা অনেক সময় জানিনা আমাদের কি নিজস্ব সমস্যা এবং সেটাকে কিভাবে ডিফাইন করব। ফ্রেম দা প্রবলেম স্টিল ইজ দা বিগেস্ট প্রবলেম। আমরা যখন ডেটা প্রসেসিং এর বিভিন্ন কম্পোনেন্ট গুলোকে একটা সিকুয়েন্স আকারে দাঁড় করাই সেটাকে আমরা ডেটা পাইপলাইন বলতে পারি। এবং এই পাইপলাইন গুলো কিন্তু খুবই কমন এই মেশিন লার্নিং সিস্টেমগুলোতে। আর এই পাইপলাইনের মধ্যে বিভিন্ন কম্পোনেন্ট গুলোর ইন্টারডিপেন্ডেন্সি আমাদের জানা জরুরি। এরপর দরকার আমাদের সেই সমস্যাটার পারফরমেন্স মেজার। এটা জটিল বলে আমরা আলাপ করব সামনে। আমাদের সমস্যাটা নিয়ে কাজ করা শুরু করার আগে ওটার ব্যাপারে একটা এজাম্পশন বা হাইপোথিসিস জানা জরুরি। কাজ করার মাঝেমধ্যে কিন্তু আমাদের এজাম্পশন বা হাইপোথিসিসকে মিলিয়ে নিতে হবে আমাদের কাজের সাথে। এতক্ষণ ধরে যত কথা বললাম সেগুলো কিন্তু সবকিছুই হবে খাতা কলমে। এতক্ষণ পর কিন্তু আমরা ডেটা নিয়ে বসবো আমাদের হাত ময়লা করার জন্য কম্পিউটারে আমাদের জুপিটার নোটবুকে। ডেটা পাওয়া যাবে বিভিন্ন সোর্স থেকে ডাউনলোড করে নিন। মেশিন লার্নিং এক্সপার্টদের জন্য গুগল নিজে থেকে ওপেন ডেটা সেট গুলোর সার্চ ইঞ্জিন খুলেছে। তো ডেটাকে হাতে পেলেন। হাতে পাওয়ার পর প্রথম কি কাজটা করতে হবে? একদম ঠিক ধরেছেন। আমাদের ডেটা স্ট্রাকচারে একটু চোখ বুলিয়ে নিতে হবে কি আছে সেখানে। আজকে এ পর্যন্তই থাকছেন তো সামনে?

পাইথনে মেশিন লার্নিং

নন-কোডারদের জন্য ক্যাগলের ৩০ দিনের মেশিন লার্নিং কোর্স.mp3

গত 10 12 বছর ধরে আমরা পরিসংখ্যান এবং মেশিন লার্নিং নিয়ে যখন কাজ করছিলাম তখন এর জন্য অনেকের সাথে কথা হয়েছে। আমার মনে হয়েছে যে মেশিন লার্নিং এবং ক্যাগল মানে এই দুটোর যে সমার্থক শব্দ মানে আমরা আসলে ক্যাগল নিয়ে কেন কথা বলব বা আমরা কেন ক্যাগল নিয়ে কাজ করতে চাইবো সেটার ব্যাপারে কিন্তু আমরা প্রায় সাত বছর ধরে একটা বই লিখেছিলাম যে কেন ক্যাগল আমাদের প্রয়োজন বিশেষ করে মেশিন লার্নিং শেখার জন্য। আর সে কারণে আমি বলব যে ক্যাগল এ কারণে নো কোডিং এক্সপেরিয়েন্স রিকোয়ার্ড বলে একটা মেশিন লার্নিং এর বিগিনিং একটা প্রোগ্রাম চালু করেছে 30 দিনের জন্য যেটাকে আমরা বলছি 30 ডেজ অফ এমএল। আমরা যদি গুগল সার্চে যাই গুগল সার্চে কিন্তু আমরা 30 ডেজ অফ এমএল থেকে কিন্তু আমরা এই ক্যাগলের এই ব্যাপারটা পেয়ে যাব। সবচেয়ে বড় ব্যাপার হচ্ছে যে ক্যাগলের ব্যাপারে আমি এত এডভোকেসি করছি একটাই কারণে কারণ ক্যাগল জানে কিভাবে মেশিন লার্নিং শেখাতে হয়। আর বিশেষ করে নন কোডার্স ওয়েলকাম মানে এই ব্যাপারটা কিন্তু সবচেয়ে বড় একটা জিনিস যে নন কোডারদেরকে কিভাবে আসলে একটা কোডিং এক্সপেরিয়েন্স নিয়ে আসা যায়। আর সে কারণে আমরা বলব যে এই ধরনের এক্সপেরিয়েন্স বা এই ধরনের হ্যান্ডস অন অ্যাসাইনমেন্ট যখন আমরা করব তখন মেশিন লার্নিং না শিখে যাওয়ার আসলে কোন প্রশ্ন আসে না। আর সে কারণে আমরা বলছি যে 30 ডেজ অফ এমএল মানে 30 দিন যদি আমরা লেগে থাকি একটা ব্যাপারে জানার জন্য তাহলে অবশ্যই এই ব্যাপারটা জানা সম্ভব। আর এটার সাথে আমি বলব যে অনেক আগে থেকেই ক্যাগল অনেক আগে থেকেই কিন্তু পাইথন মানে এই মেশিন লার্নিং শেখার জন্য পাইথন কতটুকু শেখা দরকার সেটার ব্যাপারে কিন্তু ক্যাগল একটা ধারণা দিয়ে দিয়েছে এবং এটা খুবই সহজ একটা প্রোগ্রাম। সেই সহজ প্রোগ্রাম থেকে কিন্তু আমরা এই টোটাল জিনিসটা বুঝতে পারবো। আর এর পাশাপাশি টাইটানিক যে টিউটোরিয়ালটা আছে সেই টাইটানিক টিউটোরিয়ালটা কিন্তু আপনার খুব ভালো কাজে লাগবে। আমাদের প্রথম কথা হচ্ছে যে মেশিন লার্নিং আমাদের শেখার জন্য আমাদের যা দরকার সবকিছুই কিন্তু এখানে আছে। আর সেই জন্যই কিন্তু আমরা এখানে ফিরে যাচ্ছি যে আমাদের এই 30 ডেজ অফ এমএল এর মধ্যে কিন্তু নতুন যে ব্যাপারগুলো যে আমরা আসলে এইখানে কিভাবে কাজ করতে যাচ্ছি বা ইন্টারেকশন টু মেশিন লার্নিং এটার ব্যাপারে কিন্তু সবকিছুই কিন্তু আগে থেকে ছিল। মানে এটা এমন কিছু না যেটার মধ্যে আমরা আগে থেকে জানতাম না মানে সবকিছুই কিন্তু এখানে আছে। যারা একটা বেসিক লেভেল থেকে মেশিন লার্নিং শিখতে চান তাদের জন্য এটা খুবই ভালো জিনিস এবং সেখানে তারা মেশিন লার্নিং এক্সপ্লেনেবিলিটি এবং আমরা যদি আরো বেশি শিখতে চাই তাহলে কিন্তু এই ব্যাপারে কিন্তু আমরা জানতে চাইতে পারি। আর আমি বলব যে এই পুরো জিনিসের মধ্যে যেটা আমাদের কাছে সবচেয়ে বড় জিনিস সেটা হচ্ছে যে আমরা পাইথন ইন্টারেকশন টু মেশিন লার্নিং ইন্টারমিডিয়েট মেশিন লার্নিং এগুলো তো শিখবই বাট তার পাশাপাশি ওরা একটা কিউরেটেড ইন্সট্রাকশন আপনাকে দিবে প্রতিদিন বা 30 দিনের জন্য আপনাকে এটা শেখার জন্য তাদের একটা স্ট্রাকচার তারা এখানে আমাদের সাথে শেয়ার করবে এবং সেই কারণে কিন্তু আমি বলব যে এই 30 ডেজ অফ এমএল এটাতে সবাইকে আমার মনে হয় এটা সবাইকে এটা নেওয়া উচিত। আর যদি এইটা ইংরেজি পড়তে একটু অসুবিধা হয় তাহলে আমরা শুরুতে আমাদের যে বাংলা বইটা আছে হাতে কলমে মেশিন লার্নিং সেই হাতে কলমে মেশিন লার্নিং এ আমাদের ক্যাগল প্রতিযোগিতা আসলে কি ক্যাগল কিভাবে কাজ করে কেন প্রজেক্ট দিয়ে শুরু করতে হয় আর এর পাশাপাশি মেশিন লার্নিং কমিউনিটির সাথে কিভাবে ইন্টারেক্ট করতে হয় ক্যাগলের কার্নাল এবং বিভিন্ন অনলাইন হোস্টেড স্ক্রিপ্ট মানে স্ক্রিপ্টগুলো যে আগে অন্যান্য যারা কাজ করেছেন তাদের কিন্তু তাদের স্ক্রিপ্টগুলো ওখানে তৈরি করা আছে। আমাকে শুধু রান করে দেখতে হবে যে এটা কাজ করে কিনা। আর এর পাশাপাশি মেশিন লার্নিং এর ব্যাপারটা মানে মেশিন লার্নিং এর শুরুটা ধরার জন্য এই বাংলা বইটা আমি মনে করি আপনারা পড়তে পারেন। তবে আমার কথা হচ্ছে যে আমাদের যে 30 ডেজ অফ এমএল এই 30 ডেজ অফ এমএল টা আপনাদের সবার করা উচিত যারা মেশিন লার্নিং শুরু করতে চান এবং এটা শুরু হচ্ছে অগাস্ট সেকেন্ডে। আর আমি এটুকু বলব যে এটা যেহেতু নন কোডারদের জন্য একটা এভিনিউ ওপেন করা আছে সুতরাং এটা যারা মেশিন লার্নিং শিখতে চান এবং যারা জানতে চান আসলে মেশিন লার্নিং দিয়ে কি করা সম্ভব এবং মেশিন লার্নিং কিভাবে একটা ভবিষ্যতের স্কিল সেট হিসেবে দাঁড়াচ্ছে সেটা আমি মনে করি আপনাদের সবারই এই সুযোগটা নেওয়া উচিত। আজকে এ পর্যন্তই থাকছেন তো সামনে?

পাইথনে মেশিন লার্নিং

সাইকিট-লার্ন এর ডাটা লে-আউট, ডাটা হ্যান্ডলিং [ক্রমশঃ].mp3

ওয়েলকাম ব্যাক। সাইকিট লার্নের ডেটা লেআউটটা আপনাকে আবার দেখাচ্ছি। এখানে ফিচার ম্যাট্রিক্সে iris.data অ্যারে যাবে আর iris.target অ্যারেটা যাচ্ছে টার্গেট ভেক্টরে। আর যেহেতু সাইকিট লার্ন নিজে থেকে এই দুটোকে অ্যারে বানিয়ে রেখে দিয়েছে, আমাদের কিন্তু কাজ অনেক কমে গিয়েছে। সাইকিট লার্নের কনভেনশন অনুযায়ী আমাদের ফিচার ম্যাট্রিক্সগুলোকে বড় X দিয়ে ডিনোট করা হয়। এটা এসেছে আমাদের সেই অঙ্কের ফর্মুলা থেকে যেখানে আমরা বলি function of X = Y থেকে। এখানে যদি আপনি একটু ভালোভাবে লক্ষ্য করেন তাহলে দেখা যাবে যে X এর মানের পরিবর্তনের জন্য কিন্তু Y এর মান পরিবর্তন হচ্ছে। Y হচ্ছে আমাদের iris.target মানে আমরা যাকে প্রেডিক্ট করছি। এখন অনেকে প্রশ্ন করতে পারেন X বড় হাতের কেন? X বড় হওয়ার কারণ হচ্ছে এটা একটা অ্যারে। এখানে অনেকগুলো ভ্যালু কাজ করছে। এখানে Y একটা ভেক্টর মানে হচ্ছে একটা ভ্যালু আর সেই কারণে কিন্তু এটা লোয়ার কেস Y। আমাদের এই ডেটা সেট থেকে ডেটা শেপগুলো জানার জন্য নিচের অংশগুলো আমরা দেখতে পারি। আপনি নিচের ছবি দেখলেই কিন্তু ফিচারগুলোর ম্যাট্রিক্স এবং কি কি ভ্যালু আছে এবং তার পাশাপাশি টার্গেটে কি কি আছে সেটাও কিন্তু জানা যাচ্ছে। আমাদের এই ছবি থেকে কিন্তু ফিচারগুলোর নাম পাচ্ছি কিন্তু আমাদের ডেটা সেট থেকে ছবিগুলোর ফিচারগুলোর নাম জানা তো জরুরি। এখানে iris.feature_names অ্যারেটা দেখলেই কিন্তু বোঝা যাবে। আমরা এখানে কি প্রেডিক্ট করব সেটার নামও দেখতে চাইবো এখানে। তাহলে iris.target_names অ্যারেটা দেখি। যেহেতু একই কাজ অনেকভাবেই করা যায় সেটার কিছু ধারণা দিয়ে রাখলাম এখানে। এখন আমরা দেখব আমাদের ডেটা অ্যারে এবং টার্গেট অ্যারেতে কি আছে। আপনি কিন্তু এই জিনিসটা আগেও দেখেছেন ছবিতে। এখন আমরা সরাসরি ডেটা থেকেই দেখব। জুপিটার নোটবুকে আমরা iris.data হিসেবে কল করলেই কিন্তু দেখতে পারব পুরো ডেটাটাকে। কেউ যদি শুধুমাত্র প্রথম রেকর্ডটাও দেখতে চান তাও কিন্তু দেখা যাবে এখানে। array.data অনেক লম্বা। 150 টা রেকর্ড কিন্তু। এরপর কিন্তু আমরা দেখতে চাইব iris.target আমাদের ডেটা সেট থেকে। অ্যারেতে 150 টা রেকর্ড এবং সেটা 0, 1 এবং 2। 0, 1, 2 কেন? কারণ আমাদের তিনটা ফুলের প্রজাতি। এখন আমাদের iris.data এবং iris.target এই দুটো কি ধরনের কন্টেইনার সেটা জানতে চাইব। আমরা এখানে পেলাম নাম্পাইয়ের এনডি অ্যারে মানে অ্যারে। আপনি বলুন iris.data এর শেপ কত? ঠিক ধরেছেন 150 টা স্যাম্পেল আর চারটা ফিচার। আমাদের টার্গেটের শেপ কত? 150 টা। আর এটা কিন্তু শুধুমাত্র শূন্য অথবা এক অথবা দুই এর মধ্যেই থাকবে। তার মানে হচ্ছে ফিচার ম্যাট্রিক্স দুই ডাইমেনশন, টার্গেট ম্যাট্রিক্স এক ডাইমেনশন। এখন আসি সাইকিট লার্নের ডেটা হ্যান্ডলিং এর কিছু কনভেনশনের ব্যাপারে। প্রথম কথা, এখানে ফিচার এবং রেসপন্স দুটো আলাদা অবজেক্ট হতে হবে। দ্বিতীয় কথা, আমাদের ফিচার এবং রেসপন্স দুটোকেই সংখ্যা হতে হবে। তৃতীয় কথা, আমাদের ফিচার এবং রেসপন্স দুটোকেই দুটো নাম্পাই অ্যারে হতে হবে। চার নাম্বার কথা হচ্ছে এখানে ফিচার এবং রেসপন্স দুটোকেই কিন্তু তাদের স্পেসিফিক শেপের হতে হবে। এখানে দেখতে পারেন শেপগুলোর ম্যাট্রিক্স। এখন আমরা সাইকিট লার্নের কনভেনশন অনুযায়ী iris.data কে অ্যাসাইন করছি ক্যাপিটাল X এ। কেন আবার? মডেলে ফিট বা প্রেডিক্ট করতে হবে না? এর পাশাপাশি আমরা রেসপন্স ভেক্টর iris.target কে রাখছি লোয়ার কেস Y তে। আমাদের টিউটোরিয়াল প্রায় শেষ। চলুন দেখি X এবং Y এর কন্টেন্ট। ও হ্যাঁ আজকের কাভার মিউজিকটা নিয়েছি গুড মিউজিক থেকে। ভালো থাকবেন।

পাইথনে মেশিন লার্নিং

সাইকিট-লার্ন ফিচার সিলেকশন, ভ্যারিয়েন্স থ্রেসহোল্ড.mp3

অনেকে আমাকে বলেন যে উনি মেশিন লার্নিং শিখতে চান। কিভাবে শুরু করবেন? ব্যাপারটা যদি পাইথন হয় তাহলে আমি বলব চোখ বন্ধ করে শুরু করুন সাইকিট লার্ন দিয়ে। সাইকিট লার্নের সবচেয়ে বড় সুবিধা হচ্ছে এখানকার বেশিরভাগ প্যারামিটার কিন্তু ডিফল্ট সেটিং এ থাকে। সেই ধারায় আমরা একটা বেসিক ফিচার সিলেকশনের একটা বেইজলাইন ধারণা নিয়ে আলাপ করব। সত্যি কথা বলতে এসকে লার্নের যে ফিচার সিলেকশন যে মডিউলটা আছে তার মধ্যে কিন্তু অনেকগুলো ক্লাস আছে যেগুলো আমরা এখানে আলাপ করতে পারি। যেই ক্লাসটা নিয়ে আজকে আলাপ করছি সেটার নাম হচ্ছে ভ্যারিয়েন্স থ্রেশহোল্ড। পয়েন্ট হচ্ছে আপনার ডেটা সেটে যদি কোন ফিচার থাকে আর সেই ফিচারটা হচ্ছে কনস্ট্যান্ট মানে এটার মধ্যে কোন ভ্যারিয়েন্স নেই মানে জিরো ভ্যারিয়েন্স। তাহলে আসলে এটা থেকে কোন ধরনের ইন্টারেস্টিং ফিচার বা প্যাটার্ন পাওয়া যাবে না। আর সেটাই কিন্তু আমরা ফেলে দিতে পারি আমাদের ডেটা সেট থেকে। এটাকে আমরা একটা কনস্ট্যান্ট ফিচার থেকে বলছি না। আমরা বলছি যে যতগুলো ফিচার যেটা আসলে ভ্যারিয়েন্স একটা থ্রেশোল্ড লেভেলের নিচে আমরা কিন্তু সেই থ্রেশোল্ড লেভেলের নিচের ভ্যারিয়েন্সগুলো কিন্তু ফেলে দিতে পারি। আমরা যদি এই ডেটা সেটটা দেখি যার মধ্যে সব ফিচারগুলো কিন্তু ইন্টেজার। আর এর মধ্যে আমরা দেখছি যে দুটো কিন্তু একই জিনিস মানে একই স্যাম্পল। আমাদের এই ফিচারগুলোর মধ্যে প্রথমটা এবং শেষটা মানে জিরো এবং থ্রি এই দুটো কিন্তু একই জিনিস। তাহলে আমরা যখন ফিট ট্রান্সফর্ম করব তাহলে কিন্তু এই ডেটাটাকে যখন ফিট করবে আর এই ট্রান্সফর্ম করার মধ্যেই কিন্তু সে ফেলে দিবে এই দুটো একই জিনিস। জিরো আর থ্রি। ভালোভাবে লক্ষ্য করলে আমরা কিন্তু বুঝতে পারব যে ট্রান্সফর্মের পরে তারা কিন্তু দুটো ফিচার ফেলে দিয়েছে। এখন আমি প্রশ্ন করতে পারি যে কোন দুটো ফিচার? অবশ্যই যে দুটো ফিচার কোন পরিবর্তন ছিল না মানে যে দুটো ফিচার কনস্ট্যান্ট। এখানে দেখছি জিরো। মানে প্রতিটাতে জিরো ছিল এই কারণে কিন্তু জিরো ফেলে দিয়েছে। আমরা আবার দেখছি থ্রি। প্রতিটাতেই কিন্তু থ্রি ছিল আর সে কারণে কিন্তু এই কনস্ট্যান্ট জিরো এন্ড থ্রি এই দুটোকেই কিন্তু সে ফেলে দিয়েছে। যেহেতু এই দুটোর মধ্যে কোন ফিচারের মধ্যে কোন পরিবর্তন দেখছি না। আচ্ছা, আরেকটা উদাহরণ দেখি। এখানে আমাদের ডেটা সেট আছে যেটার মধ্যে বুলিয়ান ফিচার আছে এবং আমরা চাচ্ছি যে সে ধরনের ফিচারগুলোকে ফেলে দেব যেগুলো আসলে ইদার ওয়ান অর জিরো। আমরা বলছি যে অন অর অফ। আর এগুলোকে থাকতে হবে সে এইটি পারসেন্ট অফ দা স্যাম্পলস। চলুন আমরা এখন এই নিচের ফর্মুলা থেকে আমাদের এই ভ্যারিয়েন্সের থ্রেশোল্ডটা বের করি। পয়েন্ট এইট মাল্টিপ্লাইড বাই ওয়ান মাইনাস পয়েন্ট এইট। তো এখন ফিট ট্রান্সফর্ম চালালাম এক্স ফিচারের উপরে। কি দেখছি? অবশ্যই একটা ফিচার কিন্তু তারা ফেলে দিয়েছে। জিরো ফিচার। আপনি একটু ভালো করে লক্ষ্য করলেই বুঝবেন যে আমাদের যে প্রথম ফিচার আছে সেটা কিন্তু জিরো জিরো ওয়ান জিরো জিরো জিরো। তার মানে হচ্ছে কি একটামাত্র ওয়ান আর বাকি সবই কিন্তু জিরো। আমাদের এই ভ্যারিয়েন্স থ্রেশোল্ড এটা যেহেতু সে প্রথম কলামটা ফেলে দিয়েছে এটার প্রোবাবিলিটি হচ্ছে কিন্তু ফাইভ বাই সিক্স। হুইচ মিনস এটা কিন্তু পয়েন্ট এইট। মানে এই জিরোগুলো এগুলো কিন্তু পয়েন্ট এইট পারসেন্ট আছে। একটা জিনিস বলে রাখা ভালো। আমাদের এই ফিচার সিলেকশন এই অ্যালগরিদমটা কিন্তু আসলে শুধু ফিচার মানে এক্স এর উপরে কাজ করে। এটা কিন্তু ডিজায়ার্ড আউটপুট মানে আমাদের ওয়াই এটা নিয়ে তার কিন্তু কোন মাথাব্যথাই নেই। আজকে এই পর্যন্তই থাকছেন তো সামনে?

পাইথনে মেশিন লার্নিং

পাইথন অ্যারে স্লাইসিং, আইরিস ডেটাসেট, গুগল কোলাব.mp3

অনেকে এই ব্যাপারটা মানবেন কিনা জানিনা তবে আমি এইটুকু বলতে পারি যে সাইকিট লার্নের ডেটা হ্যান্ডেলিং প্রসিজার কিন্তু অনেক সোজা। যেকোনো ট্রেনিং এক্সাম্পলে কিন্তু ফিচার এবং রেসপন্স দুটো কিন্তু আলাদা অবজেক্ট থাকে। টার্গেট রেসপন্স বাদ আজকে আমরা শুধুমাত্র ফিচার নিয়ে আলাপ করি। আমি প্রায় অনেকদিন আগেই কিন্তু জুপিটার নোটবুক ব্যবহার করা ছেড়ে দিয়েছি কারণ এখন গুগল কোলাবরেটরি নোটবুক কিন্তু অসাধারণ। সাইকিট লার্ন থেকে শুরু করে অন্যান্য অনেক লাইব্রেরি কিন্তু প্রিইনস্টলড। জুপিটার নোটবুকে আমার যে লাইব্রেরিগুলোকে আলাদাভাবে ইনস্টল করতে হতো সেগুলো কিন্তু এখানে আর করতে হচ্ছে না। আমাদের সাইকিট লার্নের সাথে কিন্তু অনেকগুলো মডেল ডেটা সেট আছে যেগুলো নিয়ে কিন্তু আমরা মাঝে মাঝেই কাজ করি। শুরুতেই আমরা লোড আইরিস বলে একটা ফাংশনকে কিন্তু ইম্পোর্ট করে নিচ্ছি। এটা কিন্তু আছে আমাদের এসকেলার্ন ডট ডেটাসেটস মডিউলে। আমরা লোড আইরিস ফাংশন দিয়ে আইরিস নাম দিয়ে যে অবজেক্টটাকে আমরা কল করে ফিরে পাবো সেটা আসলে সাইকিট লার্নের একটা বাঞ্চ অবজেক্ট আর জিনিসটা একটা আসলে ডিকশনারির মতো। এই ডিকশনারির ভিতরে কিন্তু অনেকগুলো এলিমেন্ট আছে যেটা নিয়ে আমরা আসলে পরে আলাপ করতে পারি। এদিকে আমরা কিন্তু জানি যে আইরিস ফুলের মানে আইরিস ফুল প্রজাতির কিন্তু চারটা ফিচার আছে। আর এই চারটা ফিচারের কিন্তু দৈর্ঘ্য প্রস্থ সবকিছু দেওয়া আছে কিন্তু সেন্টিমিটারে। চারটার মধ্যে একটা হচ্ছে পেটাল দৈর্ঘ্য আর পেটাল প্রস্থ। বাকি দুটো হচ্ছে সিপাল দৈর্ঘ্য আর সিপাল প্রস্থ। তো আমাদের মেশিন লার্নিং মডেলের জন্য কি দরকার? ফিচার ম্যাট্রিক্স আর টার্গেট ভেক্টর। আর সেই থেকে কিন্তু সাইকিট লার্ন আগে থেকেই সেই দুটোকে দুটো অ্যারে হিসেবে বানিয়ে রেখেছে। এখানে এগুলোকে বলছি আমরা ডেটা অ্যারে আর টার্গেট অ্যারে। আজকে আমরা সমস্যা কমাতে কি আমাদের টার্গেট অ্যারের কথা ফেলেই দিলাম। সাইকিট লার্নের কনভেনশন অনুযায়ী আমরা ফিচার ম্যাট্রিক্সকে বড় এক্স দিয়ে ডিনোট করি। আমি সবসময় কনভেনশন ফলো করতে চাই কারণ আমি চাই অন্যান্য কমিউনিটি মেম্বারদের সাথে যোগাযোগ করতে। তাদের এবং আমাদের মধ্যে কনভেনশনের মধ্যে বোঝার ফারাক কম করতে। ভালো কথা আমরা আইরিস ডট ডেটাকে লোড করে নিলাম আমাদের বড় এক্স এ। তাহলে আমরা একটু দেখে আসি আমাদের বড় এক্স এর ভিতর কি আছে। যা ভেবেছিলাম তাই আমাদের চারটা ফিচারের দৈর্ঘ্য এবং প্রস্থ দেওয়া আছে এখানে। ধরা যাক আমাদের চারটা ফিচার আছে কিন্তু আমরা চাইবো না এই মুহূর্তে চারটা ফিচার নিয়ে কাজ করতে। এটা কি সম্ভব? অবশ্যই সম্ভব কারণ আমরা এখানে পাইথনের স্লাইস নোটেশন ব্যবহার করব। এখানে লিনিয়ার অ্যালজেব্রার টার্মে আমরা যদি বলি তাহলে কিন্তু এখানে তিন হচ্ছে এন আর এন হচ্ছে এন তম কলাম ভেক্টরকে আমরা এখানে ম্যাট্রিক্সে রিপ্রেজেন্ট করছি। আমাদের যেহেতু এখানে চারটা কলাম আছে আর কলাম শুরু হচ্ছে কিন্তু শূন্য দিয়ে। তার মানে হচ্ছে তিন তম মানে তিন নম্বর কলাম হচ্ছে চতুর্থ কলাম। ভালো কথা এবার তাহলে আমরা শেষ দুটো ফিচার নেই মানে একটা পেটাল দৈর্ঘ্য এবং পেটাল প্রস্থ। এবারও এক্স চালিয়ে আমরা দেখে নেই এক্স এর ভিতর কি আছে। ঠিক ধরেছেন দুটো ফিচার। আজকে এই পর্যন্তই আমরা সামনে চেষ্টা করব এটাকে একটা ডিসিশন ট্রি ক্লাসিফায়ারের মাধ্যমে প্রেডিক্ট করার জন্য। এটা ঠিক যে আস্তে আস্তে মেশিন লার্নিং এর মডেল ইন্টারপ্রিটেশন কিন্তু খুব কষ্টকর হয়ে যাচ্ছে মানে আমরা আসলে মডেলকে ইন্টারপ্রেট করতে পারছি না। তবে সেক্ষেত্রে কিন্তু ডিসিশন ট্রি ক্লাসিফায়ার এটা কিন্তু খুবই একটা ইন্টুইটিভ মডেল। এর পাশাপাশি কিন্তু আমরা বুঝতে পারি যে কখন কোন সিদ্ধান্ত নেওয়া হচ্ছে। তবে সেই ব্যাপারটাও কিন্তু অনেক সময় কমপ্লেক্স হয়ে যায় যখন আমরা বেশি ফিচার নিয়ে ফেলি। সেদিক থেকে নিউরাল নেটওয়ার্ক আর রেন্ডম ফরেস্ট আমাদের ইন্টারপ্রিটেশনের কিন্তু মাঝে মাঝে বাইরে চলে যায়। তবে সেসব কথা রেখে দিলাম আরেকদিনের জন্য। দেখা হচ্ছে তবে সামনে।

পাইথনে মেশিন লার্নিং

আইরিস ডাটাসেট দেখতে কেমন.mp3

মেশিন লার্নিং এর পাশাপাশি কাভার শোনা যাবে না এটি কি কেউ বলেছে তবে এটা ঠিক যে গুড মিউজিকের কাভার গুলো আসলেই সুন্দর। ব্যাক টু মেশিন লার্নিং। আমাকে অনেকে বলেছেন আইরিস ডেটা সেটটা আসলে দেখতে কেমন সেটা দেখানোর জন্য। এটা কোন সমস্যাই না চলুন গুগল করি আইরিস ডেটা সেট। সাথে সাথে চলে এলাম ইউনিভার্সিটি অফ ক্যালিফোর্নিয়া আর ভাইনের ওয়েবসাইটে। ওয়েবসাইটটা হচ্ছে সেন্টার ফর মেশিন লার্নিং এন্ড ইন্টেলিজেন্ট সিস্টেমস এর। আইরিস ডেটা সেটের নিচে ডাউনলোড ডেটা ফোল্ডার। ক্লিক করুন iris.data ফাইলটাতে। ভালো করে দেখুন এটা কিন্তু একটা সিএসভি ফাইল মানে কমা সেপারেটেড ভ্যালু। এখানে চারটা কমা দিয়ে পাঁচটা আইটেমকে সেপারেট করা হয়েছে। আচ্ছা ঠিক আছে আমরা আরেকটু ভালোভাবে দেখার চেষ্টা করি। ডাটা সেটের সিএসভি ফাইল থেকে তো দেখতেই পারি তাহলে আমাদের জুপিটার নোটবুক থেকে দেখতে পারবো না? আমরা তো এনালিস্ট। আমাদের হাতের অস্ত্র হচ্ছে জুপিটার নোটবুক। আমাদের এনাকোন্ডা প্যাকেজের সাথে ডেটা ভিজুয়ালাইজেশন টুল হিসেবে সি বর্ন এসেছে। সি বর্নের স্যাম্পেল ডেটা সেট থেকে আমরা আইরিস লোড করছি। এখানে সি বর্ন থেকে পুরো ডেটা সেটটা লোড হচ্ছে ডেটা ফ্রেম হিসেবে। এখানে সুবিধা হচ্ছে আপনি কিন্তু এখানে পুরো ডেটা সেটটাই দেখতে পাচ্ছেন। মনে রাখবেন এখানে প্রথম চারটা কলামই হচ্ছে ফিচার। ভালো করে লক্ষ্য করে দেখুন এখানে শেষ কলাম হচ্ছে স্পিসিস। এটা হচ্ছে লেবেল। মেশিন লার্নিং এর টার্মিনোলজি নিয়ে কিন্তু অনেকে বিপদে পড়েন। এখানে বা পাশের কলামটা হচ্ছে ফিচার। এর কিন্তু আরো অন্য অনেক নাম আছে। যেমন প্রেডিক্টর, অ্যাট্রিবিউট, ইন্ডিপেন্ডেন্ট ভেরিয়েবল, ইনপুট, রিগ্রেসর, কোভেরিয়েট আরো অনেক নাম। আর যে ভ্যালুগুলোকে আমরা প্রেডিক্ট করছি সেই লেভেলের কিন্তু অনেক নাম আছে। আমরা অনেক সময় সেই লেভেলকে বলে থাকি রেসপন্স, টার্গেট, আউটকাম, ডিপেন্ডেবল ভেরিয়েবল আরো বেশ কিছু জিনিস। আচ্ছা সাইকিট লার্নের বাঞ্চ অব স্যাম্পেল ডেটা সেট থেকে কি পুরো ডেটা সেট দেখা সম্ভব? যদিও সাইকিট লার্নের স্যাম্পেল ডেটা সেটে দুটো এনডি অ্যারে আছে যা দিয়ে সব কাজই করা সম্ভব। তবুও তো মন মানে না। তাই স্ট্যাক ওভারফ্লো বলল এটা সম্ভব। দেখা হচ্ছে তো সামনের সপ্তাহে।

পাইথনে মেশিন লার্নিং

আইরিস ডাটাসেট, মেশিন লার্নিং - সাইকিট-লার্ন.mp3

আবার ফিরে এলাম মেশিন লার্নিং এর সাইকিট লার্ন পাইথনের অসাধারণ একটা লাইব্রেরি নিয়ে। কমিউনিটি ড্রিভেন বলে সাইকিট লার্নের ডকুমেন্টেশন এখনো সেরা। পাইথন নিয়ে আমার মেশিন লার্নিং বইটাতে আমি শুরু করেছি আইরিস ডেটা সেট নিয়ে। ১৯৩৬ সালে এই ডেটা সেটটা এখনো অনেকের প্রিয় কারণ এর মাধ্যমে ডেটাকে খুব ভালোভাবে দেখা যায়। সবচেয়ে বড় ব্যাপার হচ্ছে সাইকিট লার্নের লাইব্রেরিতে এই ডেটা সেটটা দেওয়া আছে আগে থেকে। আপনারা অনলাইনে দেখতে পারেন বইটা সেখানে কিন্তু অনেকটাই পরিষ্কার করে দেওয়া আছে ছবিটার ব্যাপারে। আজকে আমাদের কাজ হচ্ছে এক্সপ্লোরেটরি ডেটা এনালাইসিস মানে ডেটাকে কাছে থেকে দেখা। একটা জিনিস আমরা আগে থেকে জানি যে আইরিস ডেটা সেটটা আছে সাইকিট লার্নের ডেটা সেট মডিউলে। পাইথন ল্যাঙ্গুয়েজের সবচেয়ে বড় সুবিধা হচ্ছে এর রিডেবিলিটি মানে এটাকে বাংলার মত পড়া যায়। দেখুন আমরা ইম্পোর্ট করছি তিনটা লাইব্রেরি পান্ডাস, নামপাই এবং ম্যাটপ্লটলিব এবং পাশাপাশি এগুলোকে এলিয়াসকে কানেক্ট করছি। মানে এটা পুরোপুরি বাংলায় পড়ার মতো। একটা জিনিস লক্ষ্য করুন আমরা কিন্তু ডেটা সেটটাকে লোড করব দুভাবে। আপনারা যদি ভালোভাবে দেখেন লোড আইরিসটা কিন্তু একটা বাঞ্চ অবজেক্ট যেটা হচ্ছে গিয়ে একটা ডিকশনারির মতো। এই ডিকশনারি বাঞ্চ অবজেক্টের মধ্যে কিন্তু অনেকগুলো কি থাকে এবং কি এর পাশাপাশি ভ্যালুগুলো থাকে। তাহলে আমরা অবশ্যই দেখতে চাইবো আইরিস অবজেক্টের কি গুলোর ভ্যালু কি কি। তাহলে আমরা আইরিস অবজেক্টের ডিকশনারি কি গুলোর যদি ভ্যালুগুলো দেখি সেগুলো টার্গেট নেমস, ফিচার নেমস, ডেসক্রিপশন, ডেটা, টার্গেটস। এখন আমরা দেখি ফিচার নেমস মানে ফিচার কতগুলো আমরা দিয়েছি টোটাল চারটা এবং সেখানে সিপল লেন্থ, সিপল উইডথ, পেটাল লেন্থ এবং পেটাল উইডথ এই চারটাই দিয়েছি। আমরা যদি আইরিসের টার্গেট নেমসগুলো দেখি সেটা সেটওসা, ভার্সিকালার, ভার্জিনিকা এবং আমার বইতেও কিন্তু সেটা দেখিয়ে দিয়েছি। আজকের মতো আমরা প্রায় শেষের দিকে চলুন দেখে আসি আইরিসের ডেটা আর এই আইরিসের ডেটাই কিন্তু সবকিছু। আমাদের এই আইরিসের ডেটাগুলোকে দেখতে হবে ভালোভাবে। আজকে এই পর্যন্তই দেখা হবে সামনে।

পাইথনে মেশিন লার্নিং

পাইথনে মেশিন লার্নিং, কিছু টুল.mp3

অনেকেই আমাকে বলেছিলেন তারা পাইথন দিয়ে শুরু করতে চান তবে কি কি টুল লাগতে পারে সামনে সেটা নিয়ে একটু আলাপ করতে। মেশিন লার্নিং এর অসাধারণ পাইথন লাইব্রেরি হিসেবে সাইকিট লার্ন অনেক দিন ধরে কিন্তু নাম করে আসছে। অনেকে এটাকে বলছেন এসকে লার্ন। তাও সই। আমার দেখা মতে সাইকিট লার্ন এপিআই একটা এক্সটেন্সিভ লাইব্রেরি। আমাকে বললে বলব সাইকিট লার্নের এপিআই ডকুমেন্টেশন অস্কার পাবার যোগ্য। আমি ওদের অনলাইন ডকুমেন্টেশন পড়ে যা শিখেছি তা আসলে বলার অপেক্ষা রাখে না। এটা একটা কমিউনিটি ড্রিভেন প্রজেক্ট লিনাক্স এর মত তবে এখানে একটি ইউজার বেস অনেক অনেক বেশি। আবার অনেকে মেশিন লার্নিং বুঝতে বোঝেন সাইকিট লার্ন। এটা আবার পুরোপুরি ঠিক নয়। মেশিন লার্নিং এ কিছু এসেনশিয়াল লাইব্রেরি এবং টুলের কথা বলি বরং। টুলসের শুরুতেই দরকার আমাদের জুপিটার নোটবুক। আচ্ছা কে কে জানেন না? আমার ধারণা সবাই জানেন। এটা একটা ব্রাউজার বেস টুল যেখানে আপনি সরাসরি কোড চালাতে পারবেন এবং পাশাপাশি দেখতে পারবেন তার আউটকামগুলো। জুপিটার নোটবুক কিন্তু আর প্রোগ্রামিং এনভারমেন্ট থেকে শুরু করে অন্যান্য অনেক প্রোগ্রামিং এনভারমেন্ট সাপোর্ট করে তবে আমাদের দরকার পাইথন। এখন আসি নাম পাইতে যেটা হচ্ছে সাইকিট লার্নের একটা দরকারি প্যাকেজ। একদম দরকার শুরুতেই। পাইথনের সাইন্টিফিক কম্পিউটিং এর জন্য যা যা দরকার ধরা যাক মাল্টিডাইমেনশনাল অ্যারে, হাই লেভেল ম্যাথমেটিক্যাল ফাংশনিং যেরকম আমরা বলছি লিনিয়ার অ্যালজেব্রা, ফুরিয়া ট্রান্সফরমেশন এর পাশাপাশি সিউডোরেন্ডম জেনারেটর হিসেবে এটা কিন্তু ভালো কাজ করে। আর আমাদের সাইকিট লার্নের ফান্ডামেন্টাল ডাটা স্ট্রাকচার কিন্তু এই নাম পাই অ্যারে। সবাই কিন্তু বলবে নাম পাই অ্যারে নাম পাই অ্যারে। এদিকে সাইন্টিফিক কম্পিউটিং এর জন্য কিন্তু সাইপাই এর কিন্তু জুড়ি নেই। আমি জানি এটা অনেকের মাথার উপর দিয়ে যাবে তবে এডভান্স লিনিয়ার অ্যালজেব্রা রুটিনস, ম্যাথমেটিক্যাল ফাংশন, অপটিমাইজেশন, সিগন্যাল প্রসেসিং এবং এর পাশাপাশি অনেক স্পেশাল ম্যাথমেটিক্যাল ফাংশন এবং স্ট্যাটিস্টিক্যাল ডিস্ট্রিবিউশন কিন্তু থাকবে এটার সাথে। ডেটা সাইন্সের একটা বড় পার্ট হচ্ছে আপনাকে ডেটাকে দেখতে হবে। ডেটা ভিজুয়ালাইজেশন হচ্ছে এই জন্য একটা বড় পার্ট হয়ে আছে মেশিন লার্নিং এ। আর এর অসাধারণ কিছু ভিজুয়ালাইজেশন টুলের পাশাপাশি পাইথনের এই ম্যাটপ্লটলিব অসাধারণ কাজ করছে আমাদের কাজে। ভিজুয়ালাইজেশনের জন্য ম্যাটপ্লটলিব এর সাথে জুপিটার নোটবুকের ইন্টিগ্রেশন অসাধারণ। বাকি থাকে কি? ঠিক ধরেছেন পান্ডাজ। আর এই পান্ডাজই কিন্তু আমাদের ডাটা র‍্যাংলিং বা ডাটা ম্যানিপুলেশন টুল। ডাটা ভিজুয়ালাইজেশনের পাশাপাশি ডাটাকে খুঁটিয়ে দেখতে হবে না? আচ্ছা মনে আছে আর এর ডাটা ফ্রেমের কথা? এই ডাটা ফ্রেমটা কিন্তু একটা টেবিল। যে টেবিলটা আপনি এক্সেল শিটে কিন্তু দেখছেন প্রতিদিন। মানে বলতে গেলে পান্ডা ছাড়া মেশিন লার্নিং অচল। টেবিল নিয়ে যত গ্যাঞ্জাম সেটা কিন্তু সব পান্ডাজ এবং পান্ডাজ নিয়ে কিন্তু আমি পড়ে আছি গত দু বছর ধরে। এক কথায় বলতে গেলে মেশিন লার্নিং এর ডাটা অ্যানালাইসিসের জন্য পান্ডাজ অসাধারণ। তবে একটা কথা বলে দিচ্ছি এগুলো কিন্তু মনে রাখার দরকার নেই। আমরা যখন কাজ করব তখন এক একটা জিনিসকে নিয়ে আসব আমাদের সামনে। তো আজকের মত বিদায়। দেখা হবে সামনে। ধন্যবাদ।

পাইথনে মেশিন লার্নিং

কেন আইরিস ডাটাসেট.mp3

আচ্ছা মনে আছে আমরা প্রথম বইটাতে কোন ডেটা সেট নিয়ে কাজ করেছিলাম? ঠিক ধরেছেন, টাইটানিক। টাইটানিক ডেটা সেটটাকে পৃথিবীর সবাই ভালোবাসে। দ্বিতীয় কোন ডেটা সেট নিয়ে কাজ করব সেটা খুঁজে পেতেই আমার সময় লেগেছে তিন মাস। আমি আসলে খুঁজছিলাম কোন ডেটা সেট দিয়ে মেশিন লার্নিং ভালো শেখা যায়। একটা জিনিস দেখলাম আমার বইগুলোতে অন্য কোন ডেটা সেট না থাকলেও আইরিস ডেটা সেট থাকছেই। আমি প্রায় 40 থেকে 50 টা বইয়ের কথা বলছি। আসলে 1936 সালে এই ডেটা সেট নিয়ে প্রথম কাজ দেখান স্যার রোনাল্ড ফিশার। তিনি কিন্তু একাধারে স্ট্যাটিসটিশিয়ান এবং বায়োলজিস্ট। অসাধারণ কম্বিনেশন। তবে এই ডেটা সেটটা আসলে তৈরি করেন স্ট্যাটিসটিক্স জানা আমাদের বোটানিস্ট অ্যান্ডারসন। আমরা দেখেছি এই দুইজনই কিন্তু তাদের ফিল্ডের সেরা, মানে তাদের কাজ জানেন। আমাদের মত মানুষদের কাছে মেশিন লার্নিং এর একটা বড় দিক হচ্ছে ডেটা ভিজুয়ালাইজেশন। মানে ডেটাকে কোথাও না কোথাও প্লট করে দেখা। তবে একটা জিনিস বলতে পারি এই ডেটাকে প্লট করলে অন্ধ মানুষও বলতে পারবেন কোন ফুলটা কোন প্রজাতির। আমরা যখন কোন ডেটাকে ভিজুয়ালাইজ করে দেখতে চাই তখন কিন্তু সেটাকে ঘুরিয়ে পেঁচিয়ে সব দিক থেকে দেখার চেষ্টা করি। আমরা আসলে এই ডেটাকে যত বেশি এঙ্গেল থেকে দেখার চেষ্টা করি না কেন, এটার প্যাটার্ন দেখলে আমরা আসলেই অবাক হই। মেশিন লার্নিং বাদ দিয়েই আপনি খালি চোখেই বলতে পারবেন কোন ফুলটা কোন প্রজাতির। কারণ সত্যিকারের ডেটা বলেই এটা সম্ভব হচ্ছে। ডেটার সাইজ খুবই ছোট, মাত্র 150 টা রেকর্ড। এটা আসলে এতই ছোট যে এটাকে নিয়ে কাজ করতে কোন প্রসেসিং পাওয়ার লাগে না। কাজ করতে গিয়ে দেখলাম ফুলের বিভিন্ন প্রজাতিগুলোর মেজারমেন্টগুলো সহজ। তবে এটার কাজ করার জন্য কিন্তু অনেক চ্যালেঞ্জিং। আর এটাই তো চাই আমরা। সত্যি কথা বলতে এই ডেটা সেট নিয়ে পৃথিবীতে যত কাজ হয়েছে অন্য কোন ডেটা সেট নিয়ে কিন্তু সেটা হয়নি। শুধুমাত্র পুরনো বলে নয়, এটা থেকে মানুষ কাজ শিখেছে বলেই কিন্তু সবাই রেফার করেছে। আপনি আইরিস ডেটা সেট নিয়ে ইন্টারনেট সার্চ দিলেই বুঝবেন আমি কি বলতে চাচ্ছি। আর এর উইকিপিডিয়া এন্ট্রি অসাধারণ। ছবিগুলোও দেখার মত। সবচেয়ে বড় কথা হচ্ছে এই ডেটা সেটটা আগে থেকেই দেয়া আছে আমাদের সাইকিট লার্নে। কেন? ওমা, আমাদের প্র্যাকটিস করতে হবে না? আজকে এই পর্যন্তই, দেখা হচ্ছে সামনে।

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা: Understanding Artificial Intelligence in Bangla

কৃত্রিম বুদ্ধিমত্তায় মানবিক রাষ্ট্র যন্ত্রের বোধশক্তি আছে কি.mp3

কৃত্রিম বুদ্ধিমত্তা নিয়ে কাজ করতে গেলে একটা জিনিস প্রায় প্রশ্ন আসে যে যন্ত্রের উপলব্ধি করার ক্ষমতা আছে কিনা। আসলে যন্ত্রের উপলব্ধি করার ক্ষমতা আছে কিনা সেটা নিয়ে বেশ কিছু স্টাডি আছে। তো আমি আজকে চাইনিজ রুম আর্গুমেন্ট নিয়ে আলাপ করব। যে আসলে চাইনিজ রুম আর্গুমেন্ট যেটা আসলে বিবিসি 2015 সালে ওরা একটা পরীক্ষা করেছিলেন সেই ভিডিওটা বিবিসিরতে আছে যে আপনারা গুগল করলেই পারবেন যে চাইনিজ রুম আর্গুমেন্ট। তো সেখানে আসলে জন সারলে যিনি আসলে এই প্রোগ্রামটা নিয়ে কাজ করেছিলেন যে সার্ল উনি বলেছিলেন যে যন্ত্রের অভিজ্ঞতা বা যন্ত্রের উপলব্ধি করার ক্ষমতা যন্ত্র যখন প্রসেস করতে পারছে তখন সেই উপলব্ধি মানে উনি ব্যাপারটা বা যন্ত্র ব্যাপারটা না বুঝেই কিন্তু একটা জিনিসকে প্রসেস করতে পারছে। সো আমরা আসলে যদি এভাবে বলি যে চাইনিজ রুম আর্গুমেন্ট মানে চাইনিজ রুম আর্গুমেন্টের যদি ব্যাপার আসে মানে এটা আসলে আমি এটা যদিও আমি এখানে লিখেছি আমার এই বইটাতে আমরা লিখেছি যে চাইনিজ রুম আর্গুমেন্ট মানে কিভাবে একটা মানুষ উপলব্ধি করতে পারে আর তার পাশাপাশি যন্ত্রের উপলব্ধি ব্যাপারটা কিভাবে আসে। তো সেখানে আমরা যদি যন্ত্রের চিন্তার কথা যদি বলি সেখানে একটা চাইনিজ রুম আর্গুমেন্টে বলা হচ্ছে যে একজন মানুষকে আমরা যেটা করব যে একটা মানুষকে একটা রুমে রেখে দিচ্ছি এবং তার সাথে কমিনেট করার জন্য দুটো আমরা হোল রাখছি যে একটা যে মানে একই জায়গাতে আমরা বলছি বা একটা হোল রাখছি যেখানে আমরা বলছি যে তার সাথে যোগাযোগ করার জন্য আমরা একটা কাগজপত্র আদান-প্রদান করছি। তো আমরা ভেতরে যিনি বসে আছেন সেই রুমের ভিতরে উনি কিন্তু চাইনিজ জানেন না। কিন্তু আমি উনার সাথে যোগাযোগ করছি চাইনিজ ভাষায় লিখিতভাবে মানে আমি লিখছি আমি একটা কাগজে লিখছি চাইনিজ ভাষায় এবং তাকে আমি প্রশ্ন করছি এবং সেই দরজার ভিতর দিয়ে আমি ঢুকে দিচ্ছি এবং উনি যে ইংলিশ ভাষাবাসী আছেন উনার কাছে আমরা একটা ইংলিশ ইন্সট্রাকশন দেওয়া আছে যে প্রতিটা চাইনিজ শব্দের উত্তরে কি হতে পারে মানে এইটার উত্তরে কি হতে পারে সেটা ইন্সট্রাকশন হিসেবে ওখানে দেওয়া আছে। তো তার মানে আমরা যখনই উনাকে একটা প্রশ্ন করছি উনি ইংরেজিতে ইন্সট্রাকশন পড়ে চাইনিজ কার্ডবোর্ড যে ওয়ার্ড আছে সেইটাকে উনি ব্যবহার করে উনি উত্তর দিচ্ছেন এবং একটা পর্যায়ে আমরা দেখতে পেলাম যে ভেতরের যিনি আছেন উনি চাইনিজ একটা বর্ণ জানেন না কিন্তু উনি ঠিকমতো উত্তর দিতে পারছেন কারণ ভেতরে সেই চাইনিজ কার্ডবোর্ডটাকে ব্যবহার করার জন্য ইংরেজিতে ইন্সট্রাকশন দেওয়া আছে। তো সেখানেই আসলে আমাদের প্রশ্নটা যে যিনি চাইনিজ ভাষায় একটা বর্ণ বোঝেন না উনি কিভাবে চাইনিজ ভাষা ব্যবহার করে ইংরেজি ইন্সট্রাকশন ব্যবহার করে চাইনিজ ভাষায় ঠিকমতো উত্তর দিতে পারছেন। তো সেখানে চাইনিজ ভাষা একদম না বুঝেই উনি বলতে পারতেছেন এবং এখানে আসলে কথাটা আসছে যে ওই রুমের ভেতরে যিনি আছেন উনি কিন্তু কম্পিউটারের মতো করে উনার শব্দগুলোকে চাইনিজ শব্দগুলোকে উনি প্রসেস করে দিচ্ছেন এবং সেখানে উনি বলছেন যে এখানে চাইনিজ ভাষার বোঝাবুঝির কিছু নেই। উনি ইন্সট্রাকশন মোতাবেক চাইনিজ ভাষার উত্তর দিয়েছেন। তো এখানেই চাইনিজ রুম যে আর্গুমেন্ট আছে সেখানে আসলে বলা হচ্ছে যে যন্ত্র কোন ধরনের এর সমস্যাকে উপলব্ধি অথবা এর ভেতরে না বুঝেই সমস্যার সমাধান করতে পারে। তো তার মানে এখন যে আমরা গুগলের সেন্টিয়েন্ট যে ব্যাপারটা গুগলের যে একজন ইঞ্জিনিয়ার বলছেন যে সেন্টিয়েন্ট তো সে সেটা আসলে সেটি সেই যে এনএলপি মানে আমরা বারবার যেটা বলছি যে ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং আসলে কোথায় যাচ্ছে তো ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এ আমরা গুগল যে ল্যামডা যে প্রোগ্রাম যেটা ছিল সেটা ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং যে একটা প্রোগ্রাম সেখানে গুগল একজন ইঞ্জিনিয়ার বলছেন যে যন্ত্রের বোধ এসছে মানে সেন্টিয়েন্ট মানে যন্ত্রের বোধ এসছে মানে যন্ত্র বুঝতে পারে যন্ত্রের নিজস্ব বোধশক্তি এসছে। তো সেজন্য আমরা বলব যে আমরা যাই কাজ করি না কেন কৃত্রিম বুদ্ধিমত্তার ভেতরে ঢোকার আগে আমাদের এই বেসিক জিনিসগুলো যেগুলো হচ্ছে কি আমি আর্টসের কথা বলি যে আমার আন্ডারস্ট্যান্ডিংটা বুঝতে হবে যে কিভাবে আসলে কৃত্রিম বুদ্ধিমত্তা নিজেদের মতো করে বুঝতে পারে বা কৃত্রিম বুদ্ধিমত্তার নিজস্ব বোধশক্তি আছে কিনা বা কৃত্রিম বুদ্ধিমত্তার নিজেদের কোন উপলব্ধি আছে কিনা সেই ব্যাপারটা আপনারা এই বইটা থেকে একটা ভালো ধারণা পেতে পারেন। তবে আমার কথা হচ্ছে যে আমি কিন্তু কখনোই বলি না যে আমার বই কেনার জন্য। বই সবগুলো বই আমার গিটহাবে আছে আপনারা অনলাইনে পড়তে পারেন। পাবলিশার এখানে একটা সুবিধা হয় যে পাবলিশার যদি এখান থেকে কিছু বেনিফিট পান তাহলে পাবলিশার ভবিষ্যতে উনারা নতুন নতুন বই পাবলিশ করতে চাইবেন। তো সেজন্য এডিটিং হাউস এই বইগুলো আমি অনলাইনে দিয়েছি আনএডিটেড। পরে পাবলিশিং হাউস সেটাকে এডিট করে উনারা পাবলিশ করেন এবং সেখানে উনারা কিছু রয়্যালটি পান। আর এর পাশাপাশি আমরা একটা বই লিখে যত আমরা ইনভেস্ট করি সময় সেখানে আসলে বই লেখার আসলে কোন যৌক্তিকতা নেই। বরং বই না লিখে আমরা অন্য জায়গায় সময় ইনভেস্ট করলে আমাদের তার রিটার্ন ওর থেকে প্রায় 100 গুণ বেশি আসে। বাট আমি এইটুকু বলতে পারি যে কৃত্রিম বুদ্ধিমত্তা যেহেতু আমাদের সামনে হাঁটতে হচ্ছে আমরা কৃত্রিম বুদ্ধিমত্তার পেছনে থাকবো না কারণ ইন্ডাস্ট্রিয়েশন যুগে আমাদের নতুন করে কোন যন্ত্র তৈরি করতে হচ্ছে না। রাদার আমাদের মাথা ব্যবহার করতে হচ্ছে এবং সেই মাথায় ব্যবহার করে আমরা কৃত্রিম বুদ্ধিমত্তা আমরা দেখছি এবং আমাদের দেশে প্রচুর ছেলেপেলে যারা কৃত্রিম বুদ্ধিমত্তা নিয়ে কাজ করতে চাচ্ছেন কিন্তু কৃত্রিম বুদ্ধিমত্তার বেসিক আন্ডারস্ট্যান্ডিং না থাকার ফলে এটাকে উনারা ভয় পাচ্ছেন। তা আমি চাইবো যে কৃত্রিম বুদ্ধিমত্তা যাতে আমাদের বাংলাদেশি ছেলেপেলে আরো বেশি আসুক এবং এটা নিয়ে কাজ করুক যাতে ভবিষ্যতে আমাদের কৃত্রিম বুদ্ধিমত্তা বাহির থেকে কিনে না আনতে হয়। আজকে এ পর্যন্তই থাকছেন তো সামনে?

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা: Understanding Artificial Intelligence in Bangla

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা, ১৬ প্রতিবন্ধীদের জীবনে কাজের স্বাধীনতা.mp3

আমাদের সমাজে যারা প্রতিবন্ধী আছেন তাদেরকে প্রতিনিয়ত মানুষের সহায়তের জন্য বসে থাকতে হয়। আজকে আমরা আলাপ করছি কিভাবে কৃত্রিম বুদ্ধিমত্তার মাধ্যমে কিছু কিছু সহায়তার টুল আমরা বলছি যে কিছু কিছু সহায়তার টুল যা মানুষকে সাহায্য করবে বিশেষ করে যারা প্রতিবন্ধী আছেন বা যারা বেড ডাউন বা যারা আসলে বিছানা থেকে নড়তে পারেন না বা যারা বিভিন্ন জায়গায় এক্সেস করতে পারেন না। আপনারা দেখছেন যে আমরা বিভিন্ন জায়গায় এক্সেসিবিলিটি টুল বা আমরা নিয়ে আলাপ করছি সেখানে কৃত্রিম বুদ্ধিমত্তা সেভাবে আসলে এটা মানুষকে ফ্রি করতে পারে। একটা মানুষ অফকোর্স আজকে একটা হুইল চেয়ারে বসে আছেন বা উনি বিছানায় আটকে আছেন। তাকে সহায়তা করার জন্য যে মানুষের সাহায্যকারী সাহায্যকারী যন্ত্রপাতি আমরা বলছি যে মানুষের সাহায্যকারী যন্ত্রপাতি তৈরি করা যায় যেটাতে একটা মানুষকে ফ্রি করে দিতে পারে। আর এই সাহায্যকারী যন্ত্রপাতি সাহায্যকারী যে যন্ত্রপাতি সেটা হচ্ছে আমাদের কৃত্রিম বুদ্ধিমত্তার মাধ্যমে চলবে। আর আমরা দেখছি যে একজন প্রতিবন্ধী মানুষকে প্রতিনিয়ত মানুষের সাহায্যের জন্য কতদিন বসে থাকতে হয়। একটা মানুষ তাকে সাহায্য করবে এবং তার জন্য তাকে কিন্তু প্রতিনিয়ত বসে থাকতে হয়। তাকে বিছানা থেকে তাদের ওয়াশরুমে বা ওয়াশরুম থেকে বিভিন্ন জায়গায় বা তাকে এলিভেটরে বা তাদেরকে বিভিন্ন জায়গায় যেতে হয়। সেজন্য আমরা দেখেছি যে আমাদের এই বইটাতে আমরা লিখেছিলাম যে একজন প্রতিবন্ধীকে কিভাবে কৃত্রিম বুদ্ধিমত্তা দিয়ে সাহায্য করা যায়। এবং সেখানে আমরা বলেছি যে একটা মানুষের মনের বিরুদ্ধে একটা মানুষের মনের বিরুদ্ধে কিভাবে একটা মানুষের সাহায্য মানে সবাই কিন্তু মানুষের সাহায্য চান না। আমরা দেখেছি যে মানুষের সাহায্য চাইলেও তাদের একটা মনে একটা কষ্ট থাকে যে সেই মানুষটা সাহায্য করবে কি করবে না বা তার দয়ার উপরে তাকে থাকতে হয়। সেই হিসেবে আমরা বলছি যে কৃত্রিম বুদ্ধিমত্তার মাধ্যমে আমরা যদি কিছু যন্ত্র তাদেরকে দিতে পারি যেই যন্ত্রের মাধ্যমে আসলে সে তার প্রতিনিয়ত দৈনন্দিন কাজগুলো করে ফেলবে যে আমি বিছানা থেকে আমি ওয়াশরুমে যাব বা আমার এই খাবারটা নিতে হবে বা আমার এই খাবারটা তৈরি করে দিতে হবে অথবা আমি এখান থেকে ওখানে যাব বা আমি আমার এলিভেটর ধরে আমি ওখানে যাব বা আমরা বলছি যে একটা মানুষ একটা জায়গা থেকে আরেকটা জায়গায় সরাসরি ট্রান্সপোর্টেশন নিয়ে যেতে পারবে। তখনই যখন তার সাথে এমন একটা যন্ত্র থাকবে যেই যন্ত্রটা কৃত্রিম বুদ্ধিমত্তা নির্ভর একটা যন্ত্র যেটা তাকে একটা জায়গা থেকে আরেকটা জায়গায় নিতে পারবে। তো আমরা সেটাই বলছি যে আমরা আজকে যে হাতে কলমে ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং মানে আমরা এই বইটা নিয়ে আলাপ করছি যে মানুষ যাতে তার যন্ত্রের সাথে ধরা যাক আমার আমি বলছি যে একটা হুইলচেয়ার আপনি একটা হুইলচেয়ারের সাথে যদি কমিনেট করতে পারেন তাহলে হুইলচেয়ার কিন্তু নিজে থেকে বলতে পারবে যে আমি হুইলচেয়ারকে বলছি মুখে বলছি যে এটা করতে রাদার আমি হুইলচেয়ারকে ড্রাইভ করছি। আমি যদি একটা ইন্টেলিজেন্ট হুইলচেয়ারকে বলি এবং সেই ইন্টেলিজেন্ট হুইলচেয়ার নিজেই অনেক কিছু করে ফেলতে পারে। আমরা সেটাই বলছি যে কৃত্রিম বুদ্ধিমত্তার মাধ্যমে আমরা অনেক কিছু করতে পারি যেটা আসলে আমাদের অনেক কাজে সহায়তা করবে আর সেই জন্যই আমরা কৃত্রিম বুদ্ধিমত্তা নিয়ে আমরা এত প্ল্যান করছি। আর সবচেয়ে বড় যে জিনিসটা আমরা বলছি যে এই কৃত্রিম বুদ্ধিমত্তা নিয়ে যখনই আমরা আলাপ করব সেখানে সবচেয়ে বড় যে জিনিসটা হচ্ছে যে মানুষের সাথে মানুষের ইন্টারেকশন। একটা মানুষের সাথে আরেকটা মানুষের ইন্টারেকশন যদি আমরা করতে পারি আর সেটা যদি ভয়েসের মাধ্যমে হয় একটা আমাদের কথার মাধ্যমে হয় তাহলে কিন্তু আমাদের এই কাজটা অনেকটুকুই এগিয়ে যাবে। ভবিষ্যতে মানুষকে ফ্রি করার জন্য মানে আমি ফ্রি আমার একটা মানুষের উপর ডিপেন্ডেন্ট থাকতে হচ্ছে না। আমি একটা মানুষ আরেকটা মানুষের উপর ডিপেন্ডেন্ট থাকতে হচ্ছে না। এটা একটা বড় একটা স্বাধীনতা। আজকে এই পর্যন্তই থাকছেন তো সামনে?

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা: Understanding Artificial Intelligence in Bangla

Automation 101 অটোমেশন কি এবং কেন.mp3

আপনি আমাকে প্রশ্নই করতেই পারেন যে কেন আমি অটোমেশন নিয়ে এত লাগলাম। কারণ মেশিন লার্নিং বা ডিপ লার্নিং নিয়ে অবশ্যই আমরা কাজ করব কিন্তু এটার ইউজেবিলিটি মানে কোথায় আমরা মেশিন লার্নিং বা ডিপ লার্নিং নিয়ে কাজ করব আর সেখানেই অটোমেশন একটা বড় জায়গায় এসে দাঁড়িয়ে আছে। আমি গত অনেকগুলো প্রজেক্ট করার ফলে একটা জিনিস আমি বুঝতে পেরেছি যে এখন অটোমেশন ইজ ওয়ান অফ দা হাইয়েস্ট পেইড স্কিল। মানে আমরা হাইয়েস্ট পেইড স্কিল বলেই যে আমরা সেদিকে যাব সেটা না কিন্তু আমরা মেশিন লার্নিং বা ডিপ লার্নিং এটাকে ইউজেবিলিটি বা এটাকে ব্যবহার করার জন্য আমরা আসলে অটোমেশনে ফেলতে হবে। তো এখন আজকে আমাদের যদি আলাপ করি যে হোয়াট ইজ অটোমেশন সেটা যদি আমি একটা ছোট ডেফিনেশন দেখি যে অটোমেশন ইজ দা ইউজ অফ টেকনোলজি টু পারফর্ম টাস্ক উইথ রিডিউসড হিউম্যান অ্যাসিস্টেন্স মানে আমাদের হেল্প ছাড়াই যাতে একটা জিনিস কাজ করে ফেলে আর সেখানে এনি ইন্ডাস্ট্রি দ্যাট এনকাউন্টারস রিপিটেটিভ টাস্ক দ্যাট ক্যান বি অটোমেটেড বাট অটোমেশন ইজ মোর প্রিভেলেন্ট ইন দা ইন্ডাস্ট্রিজ ইন ম্যানুফ্যাকচারিং রোবটিক্স এন্ড অটোমোটিভ এজ ওয়েল এজ ইন দা ওয়ার্ল্ড অফ টেকনোলজি ইন আইটি সিস্টেমস বিজনেস ডিসিশন সফটওয়্যার। তারমানে হচ্ছে অটোমেশন কিন্তু বেশ ভেতরে ঢুকে গেছে। তার মধ্যে আমরা যদি বেসিক কিছু আলাপ করি যে অটোমেশনের কি কি অংশগুলো নিয়ে আমরা সামনে আলাপ করব। একটা হচ্ছে আইটি অটোমেশন যেই জিনিসটা আমরা আসলে আপনাকে দেখাবো যে আইটি অটোমেশনটা কিভাবে কাজ করে এবং যেটাকে আমরা বলি যে এ সিস্টেম অফ ইন্সট্রাকশন দ্যাট ক্যারি আউট এ রিপিটেড সেট অফ প্রসেস টু রিপ্লেস ম্যানুয়াল ওয়ার্ক ডান টু আইটি সিস্টেম। মানে আমরা এ সিস্টেম অফ ইন্সট্রাকশন দ্যাট ক্যারি আউট এ রিপিটেড রিপিটেটিভ সেট অফ প্রসেস টু রিপ্লেস ম্যানুয়াল ওয়ার্ক ডান টু আইটি সিস্টেম। এরপরে আমরা আলাপ করব হচ্ছে বিজনেস অটোমেশন অফকোর্স ইটস অল এবাউট বিজনেস না হলে আমরা কেন এটা নিয়ে কাজ করছি। এখানে যে জিনিসটা আসে যে দা এলাইনমেন্ট অফ বিজনেস প্রসেস ম্যানেজমেন্ট বিজনেস প্রসেস অটোমেশন বিজনেস রুলস ম্যানেজমেন্ট এন্ড বিজনেস অপটিমাইজেশন উইথ মডার্ন অ্যাপ্লিকেশন ডেভেলপমেন্ট টু রেসপন্ড দা মার্কেট চেঞ্জ টু রেসপন্ড টু দা মার্কেট চেঞ্জ। আর এর পাশাপাশি আমরা বিজনেস প্রসেস অটোমেশন নিয়ে আলাপ করব। তারপর হচ্ছে গিয়ে আমি অলরেডি আলাপ শুরু করে দিয়েছি যে রোবটিক প্রসেস অটোমেশন। রোবটিক প্রসেস অটোমেশন কিভাবে কাজে লাগে সেই জায়গাটাতে আমরা দেখব। আর ইন্ডাস্ট্রিয়াল অটোমেশন অনেকদিন ধরে চলছে। তার পাশাপাশি আর্টিফিশিয়াল ইন্টেলিজেন্স আর্টিফিশিয়াল ইন্টেলিজেন্স মেশিন লার্নিং ডিপ লার্নিং কিভাবে এর সাথে কমপ্লিমেন্টারি হচ্ছে সেটা নিয়েও আমরা আলাপ করব। তবে সবচেয়ে বড় হচ্ছে হোয়াই অটোমেট আমরা আসলে কেন অটোমেট করতে চাই। অটোমেশন হেল্পস বিজনেসেস অন দেয়ার পাথ টু ডিজিটাল ট্রান্সফরমেশন। আমরা যে এই যে ডিজিটাল ডিজিটাল বলছি অটোমেশনের একটা ভালো ধাপ হচ্ছে গিয়ে ডিজিটাল ট্রান্সফরমেশনে এবং অর্গানাইজেশন অর্গানাইজেশনস টুডে আর ডিলিং উইথ মেজর ডিজাপশন মানে আমরা দেখছি এয়ারবিএনবি তারপর হচ্ছে গিয়ে অ্যামাজন ফেসবুক গুগল দে আর চ্যালেঞ্জড উইথ সাপোর্টিং দেয়ার এমপ্লয়িস এন্ড পার্টনারস রিচিং নিউ কাস্টমারস এন্ড প্রোভাইডিং নিউ এন্ড ইনোভেটিভ প্রোডাক্টস এন্ড সার্ভিসেস ফাস্টার। তারমানে দিনশেষে আমাদের এই সার্ভিসগুলোকে আমি যখন সার্ভিস ইন্ডাস্ট্রিতে আছি সার্ভিস কত আগে দেওয়া যায় কত ফাস্টার রিজলভ করা যায় কত ফাস্টার একটা আউটেজ সমাধান দেওয়া যায় সেটা হচ্ছে গিয়ে আমাদের একটা অটোমেশনের কাজ। আমরা এইজন্যই অটোমেশন করতে চাই যে সার্ভিস প্রভিশনিং ফাস্টার হবে ইজিয়ার হবে হিউম্যান টাচ ছাড়াই। আর অটোমেশন ইজ ক্রিটিক্যাল টু ম্যানেজিং চেঞ্জিং এন্ড এডাপ্টিং নট অনলি ইউর আইটি ইনফ্রাস্ট্রাকচার বাট দা ওয়ে ইউর বিজনেস অপারেটস থ্রু ইটস প্রসেসেস। তো ব্যাপারটা হচ্ছে যে এই জায়গাটাতে উনারা বলছেন যে বাই সিম্পলিফাইং চেঞ্জ থ্রু অটোমেশন বাই সিম্পলিফাইং চেঞ্জ থ্রু অটোমেশন ইউ গেইন দা টাইম এন্ড এনার্জি টু ফোকাস অন ইনোভেশন। মানে আমরা বলছি যে আমরা রিপিটেটিভ কাজগুলো মেশিনের কাছে ছেড়ে দেব এন্ড উই উইল ওয়ার্ক অন স্ট্র্যাটেজি এন্ড ইনোভেশন বিকজ হিউম্যানস আর রিয়েলি বেটার ইন ইনোভেশন। আমরা আমরা ইনোভেট করব আমরা স্ট্র্যাটেজি স্ট্র্যাটেজিসাইজ করব আমরা ভিশন নিয়ে কথা বলব। বাট আমাদের যে ডেইলি যে কাজগুলো আছে রিপিটেটিভ কাজ সেগুলো আমরা মেশিনের কাছে ছেড়ে দেব। আর আরেকটা জিনিস বলছে যে দা অটোমেটেড এন্টারপ্রাইজ গোল ইজ টু গেট ওয়ার্ক ডান ফাস্টার। সো দিস ফ্রিজ আপ আইটি স্টাফ টু ফোকাস অন বিগার ইস্যুস রিজলভিং দেম এন্ড ইন টার্ন মেকিং দেম রুটিন এন্ড এলিজিবল ফর অটোমেশন। তারমানে রুটিন কাজ সবকিছুই আমরা দিয়ে দিব অটোমেশনের হাতে। আমরা উইল বি ইনোভেটিং উইল বি ফ্রিং আওয়ার টাস্ক অর আমরা আমাদের টাইম বাড়াবো আমাদের টাইম আমাদেরকে সেভ করব যাতে আমরা বিগার ফোকাসে হাত দিতে পারি। আমরা বড় বড় কাজে হাত দিতে পারি। আমরা সারাদিন অপসে না থেকে আমরা সারাদিন আমরা কিছু কিছু সময় উই ক্যান স্পেন্ড অন ইনোভেশন অর সলভিং এ বিগার প্রবলেম অর সলভিং এ বিগার ইস্যু। সো এটাই আমরা যদি এভাবে দেখি যে অটোমেশন ইজ দা নেক্সট বিগ বিগ থিং। আর সেখানে আপনারা কিভাবে শুরু করছেন। তো আমি আপনাদের একটা ছোট পয়েন্টটা দিতে পারি যে উই ক্যান স্টার্ট অটোমেট রাইট টুডে। আপনি গুগল করতে পারেন যে অটোমেট টাস্ক উইথ পাইথন। মানে আমি পাইথন দিয়ে প্রচুর আমি অটোমেশন করেছি সো ইউ ক্যান স্টার্ট বিল্ডিং ইউর থিং উইথ পাইথন। আর এর পাশাপাশি আপনি দেখতে পারেন এনসিবল এনসিবল প্লাটফর্মটা আপনারা দেখতে পারেন। তো আজকে এই পর্যন্তই থাকছেন তো সামনে?

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা: Understanding Artificial Intelligence in Bangla

ডেটা অ্যানালাইটিক্স ও ডেটা সাইন্স বইসমগ্রের ক্রমধারা How to start the Data Science book series.mp3

ডেটা সাইন্স নিয়ে আমার লেখা বইগুলোর মধ্যে কোন বইটা দিয়ে আমি শুরু করব এবং কোন বইটা দিয়ে আসলে আমার এই জার্নিটা শেষ করা যেতে পারে। এরকম একটা প্রশ্ন প্রায় পাই যে কোন বইটা দিয়ে শুরু করব আপনার এই ডেটা সাইন্সের এই সমগ্র থেকে। আসলে টোটাল সাতটা বই লিখেছিলাম যার মধ্যে প্রথম বইটা হচ্ছে গিয়ে এটা যে হাতে কলমে মেশিন লার্নিং যেটা শুধুমাত্র আর প্রোগ্রামিং এনভাইরনমেন্ট দিয়ে আমি এটা করেছিলাম। তো এর পাশাপাশি আমি দেখলাম যে না শুধুমাত্র আর প্রোগ্রামিং এনভাইরনমেন্টের পাশাপাশি আমরা যদি পাইথন দিয়ে কাজ করি তার মানে হচ্ছে গিয়ে এই একই জিনিস টাইটানিক প্রজেক্ট যেটা হচ্ছে গিয়ে গেটওয়ে টু মেশিন লার্নিং। আমরা যেকোনো মেশিন লার্নিং শেখার জন্য টাইটানিক প্রজেক্ট করার চেষ্টা করি। সো টাইটানিক প্রজেক্টটা গেটওয়ে টু মেশিন লার্নিং এটার জন্য কিন্তু আমরা আর এবং পাইথন দিয়ে এই বইটাতে আমি সলভ করে দিয়েছি। তার মানে হচ্ছে গিয়ে আগের যে কালো বইটা আছে আগের এই কালো বইটা এখন বাজারে নেই। এটাকে আমি প্রতিস্থাপিত করেছি হচ্ছে গিয়ে এই লাল বইটা দিয়ে। এটা হচ্ছে গিয়ে সেই দ্বিতীয় সংস্করণ হাতে কলমে মেশিন লার্নিং। তবে আমি এই বইটার সাথে পাশাপাশি আরেকটা বই পড়ার জন্য বলব। এটা হচ্ছে পাশাপাশি। এই দুটো পাশাপাশি পড়বো। পাশাপাশি এ কারণে যে মেশিন লার্নিং নিয়ে বেসিক কিছু গল্প আছে যে আমি খুব গল্প বলতে পছন্দ করি কারণ এটার পিছনে দর্শন আছে এবং এটার পিছনে যে ফিলোসফিক্যাল যে আন্ডারস্ট্যান্ডিং সেই ফিলোসফিক্যাল আন্ডারস্ট্যান্ডিংটা ঠিক হয়ে গেলে মেশিন লার্নিং এ বা ডেটা সাইন্সে ঢোকা সহজ। সো আমার হাতে কলমে মেশিন লার্নিং বইয়ের পাশাপাশি আমাদের এই হাতে কলমে ডেটা অ্যানালিটিক্স এবং ডেটা ভিজুয়ালাইজেশন এ কারণে যে ডেটা আসলে কি বলতে চাইছে এবং ডেটার ভিজুয়ালাইজেশন আমার আসলে আমাকে কি ধরনের কমিউনিকেশন দিচ্ছে যে আমি টেকনিক্যাল হই আর নন টেকনিক্যাল হই। আমার ডেটা আমাকে কি বলতে চাইছে সেটার একটা ধারণা আমার এই বইটা থেকে আসবে। তার মানে হচ্ছে গিয়ে এই লাল বইটার সাথে এই বইটা একটা সহপাঠ্য পাশাপাশি। অনেক সময় একটা বই পড়া শুরু করলাম আমার একটু একঘেমি লাগলো তখন আমরা এই পাশাপাশি এই বইটা পড়তে পারি। তার মানে হচ্ছে গিয়ে দিস ইজ দিস টু ইজ নাম্বার ওয়ান। দ্যাটস হোয়ার উই স্টার্ট আওয়ার ডেটা সাইন্স জার্নি এবং ডেটা অ্যানালিটিক্স এবং ডেটা সাইন্স এবং সবকিছুতে এই দুইটা বই দিয়ে আমরা শুরু করতে পারি এবং এই দুটো বই পড়বো পাশাপাশি। সো আমরা এই দুটো বই গেল। এখন আপনি ধারণা করছেন যে ঠিক আছে আমি আর দিয়ে আমার ডেটা সাইন্সের জার্নি শুরু করলাম। বিকজ আর দিয়ে ডেটা সাইন্সের জার্নিটা শুরু করা সোজা এবং আর দিয়ে ডেটা সাইন্স বোঝা সোজা। সো তারপরে আমি যখন আর দিয়ে একটু পোক্ত হলাম দেন আই স্টার্ট মাই পাইথন জার্নি। সো ইফ আই ডোন্ট নো দা পাইথন নো প্রবলেম। আই উইল আই হ্যাভ কাভারড বেসিক বেসিক মিনিমাল পাইথন ইন দিস বুক। সো পাইথন দিয়ে যেটা বলছি শূন্য থেকে পাইথন মেশিন লার্নিং। মানে আমার আসলে পাইথন ধরনের পাইথনের কোন ধরনের ধারণা নেই। সো আই ক্যান স্টার্ট উইথ জাস্ট ফ্রম জিরো। শূন্য থেকে পাইথন মেশিন লার্নিং। সো আমরা শূন্য থেকে পাইথন মেশিন লার্নিংটা কিন্তু আমরা এখানে শিখতে পারি এবং সবচেয়ে বড় যে জিনিসটা হচ্ছে যে এটা হচ্ছে গিয়ে আমাদের সেকেন্ড বুক। মানে আমরা হচ্ছে গিয়ে প্রথম এই দুটো বই প্রথম এই দুটো বই যখন আমার পড়া শেষ তখন কিন্তু আমরা এই বইটা আমার পড়া শুরু করতে হবে। কারণ এই বইটা হচ্ছে গিয়ে আমাদের ডিপ লার্নিং। আমাদের ডিপ লার্নিং এ আমাদের কিন্তু গেটওয়ে। দিস ইজ দা বুক টু অ্যাকচুয়ালি গেট ইনটু দা ডিপ লার্নিং এবং ডিপ লার্নিং এর গেটওয়ে হচ্ছে গিয়ে এই বইটা যেটা আমি পাইথন দিয়ে আমি শুরু করেছি। সো আই ওয়ান্টেড টু গিভ দেম গিভ এভরিবডি হ্যাজ আন্ডারস্ট্যান্ডিং যে আসলে ডেটা সাইন্সে যে কেউ ঢুকতে পারে। সো দিস ইজ দা পাথওয়ে। দেন দিস ইজ দা বুক দা মেগা বুক। বিকজ আমি এটা প্রায় 700 পেইজ ছিল। মানে শুরুতে ইট ওয়াজ 700 পেইজ বাট দেন যেটা হয় যে পাবলিশিং হাউস সবসময় বলে যে 700 পেইজ মিন্স ইট দা কস্ট উইল গো আপ এন্ড দিস বুক উইল নট বি সোল্ড। সো এটা এখন 400 পেইজ। সো অনেক কিছুই আমি অনলাইনে পাঠিয়ে দিয়েছি বইটাতে। সো দিস ইজ দা ডিপ লার্নিং। দ্যাট মিন্স দিস ইজ দা গেটওয়ে অফ ডিপ লার্নিং। আজকে চ্যাট জিপিটি বলেন আর গুগল বার্ড বলেন এভরিথিং ইজ ডিপ লার্নিং নিউরাল নেটওয়ার্ক। সো দিস ইজ দা গেটওয়ে ফর পাইথন ডিপ লার্নিং এন্ড ফর হ্যাভিং দা পাইথন ডিপ লার্নিং উই স্টার্ট উইথ দিস যেটা হচ্ছে গিয়ে শূন্য থেকে পাইথন মেশিন লার্নিং। তার মানে হচ্ছে শূন্য থেকে পাইথন মেশিন লার্নিং ব্যাপারটা ঠিকমতো ক্ল্যারিফাই হলেই কিন্তু উই স্টার্ট উইথ পাইথন ডিপ লার্নিং এন্ড ইটস এ বিগ বিগ বিগ বুক। বাট অলসো আই ক্যান টেল ইউ দ্যাট দিস বুক উইল গিভ আস দা ক্লিয়ার আন্ডারস্ট্যান্ডিং হোয়াট আই শুড বি ডুইং অর হোয়াট উই শুড বি ডুইং ইন দা ডিপ লার্নিং ওয়ার্ল্ড। বিকজ ডিপ লার্নিং ওয়ার্ল্ড ইজ ইজ হেভি ওয়ার্ল্ড। বাট অলসো ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং ইজ সামথিং লাইক আমি ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং নিয়ে কিন্তু অনেক আগে থেকে কাজ করছিলাম। বাট যখন ডিপ লার্নিং চলে এলো ডিপ লার্নিং চলে আসার পরে কিন্তু আমার এই পাইথন এই বইটা লেখা সহজ হলো। বিকজ আমি আগে যখন ডিপ লার্নিং ছিল না যখন মেশিন লার্নিং মেশিন লার্নিং দিয়ে কিন্তু আমরা এনএলপি করতে পারতাম ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং করতে পারতাম। কিন্তু ইট ওয়াজ রিয়েলি ডিফিকাল্ট। ইট ওয়াজ রিয়েলি রিয়েলি ডিফিকাল্ট। বাট দেন হোয়েন ডিপ লার্নিং কেম ইন দেন আই আন্ডারস্টুড দা ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং উইল বিকাম ইজিয়ার। এন্ড দ্যাটস হোয়াই আই হ্যাভ এই বইটা নিয়ে এসেছি যে হাতে কলমে বাংলা ন্যাচারাল প্রসেসিং বেসড অন ডিপ লার্নিং। বেসড অন ডিপ লার্নিং। এইজন্য কিন্তু এখানেও ডিপ লার্নিং এনএলপির ব্যাপার এখানে আছে। সো এখানে কিন্তু ডিপ লার্নিং এর ব্যাপারটা আমি কাভার করেছি বলেই কিন্তু আমরা এই ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং বইটা লিখতে পেরেছি এবং এখানে কিন্তু সেই জেনারেটিভ এআই এর ব্যাপারে কিন্তু বলেছি এবং সেখানে হাগিং ফেস থেকে অন্যান্য অনেক ধরনের লাইব্রেরি সাপোর্ট দিয়েছি। ওকে দ্যাটস ইট। বাট দেন অফকোর্স আমাদের বয়স বাড়ছে এবং দিনশেষে আমরা আমাদের দেশের প্রতি কিছু কিছুটা দায়বদ্ধতা দায়বদ্ধতা থাকে এ কারণে যে আসলে আমরা এত কিছু শিখছি এটার গিভ ব্যাক এটা আসলে দেশে কিভাবে এটা কাজে লাগানো যায়। এন্ড দ্যাট ইজ হোয়ার আমি এই বইটা লিখলাম। যখন আমি সরকারি চাকরির ভিতরে ছিলাম তখন আমি আসলে কৃত্রিম বুদ্ধিমত্তায় মানবিক রাষ্ট্র। মানে যত আমরা পড়াশোনা করলাম যত নলেজ নিলাম সেই নলেজটাকে কিভাবে একটা কৃত্রিম বুদ্ধিমত্তা দিয়ে কিভাবে একটা মানবিক রাষ্ট্র তৈরি করা যায় সেটাই হচ্ছে গিয়ে এই বইটা এবং সেখানে ডেটার 10 টা ব্যবহার। ডেটার 10 টা ব্যবহার করে কিভাবে আসলে একটা দেশকে মানবিক করা যায় সেটা নিয়ে আসলে আমি এখানে লিখেছি এবং দিস ইজ এ গুড বুক। গুড গুড বিকজ আমার 34 বছরের সরকারে থাকার যে প্রতিফলন। মানে সরকারে আমি ছিলাম সরকারে কিভাবে একটা সার্ভিসকে গভমেন্ট সার্ভিসকে কিভাবে নেক্সট লেভেলে নিয়ে যাওয়া যায় কিভাবে দেশটাকে আরো মানবিক করা যায়। সার্ভিসগুলোকে আরো মানবিক করা যায়। সার্ভিসগুলোকে জনগণের দোরগোড়ায় পৌঁছানো যায়। সেটা নিয়ে কিন্তু আমি এখানে এই বইটা লিখেছি। কৃত্রিম বুদ্ধিমত্তায় মানবিক রাষ্ট্র। সো অফকোর্স দিস আর দা সেভেন বুকস ইউ ওয়ান্টেড টু আন্ডারস্ট্যান্ড যে কোন বইটা থেকে কোন বইটা শুরু করব। বাট ইন দা মিন টাইম আমি আরো কিছু বই লিখছি। হয়তোবা দিস উড ফিট ইনটু দা রাইট পারসপেক্টিভ। আজকে এই পর্যন্তই থাকছেন তো সামনে?

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা: Understanding Artificial Intelligence in Bangla

কৃত্রিম বুদ্ধিমত্তা সরলীকরণ ০৪ মেশিন লার্নিং এর ক্যাটেগরি.mp3

আমাদের নতুন প্রজন্ম সাইন্স টেকনোলজি ইঞ্জিনিয়ারিং ম্যাথ কম পড়ছেন। আমরা দেখছি যে মাত্র 14 শতাংশ সাইন্স টেকনোলজি ইঞ্জিনিয়ারিং ম্যাথ নিয়ে পড়ছেন স্নাতক পর্যায়ে। আর তাদের মধ্যে যারা আবার দেশের বাইরে যাচ্ছেন তাদের 75 শতাংশ মানে 75 শতাংশ তারা দেশের বাইরে সাইন্স টেকনোলজি ইঞ্জিনিয়ারিং ম্যাথ নিয়ে পড়তে যাচ্ছে। তার মানে এখানে একটা ডেটার মধ্যে একটা কোরিলেশন আছে যেটা আমাদেরকে ভাবতে হবে এবং এটা আমাদের সামনে একটা সমস্যায় ফেলতে পারে। তো আমরা ফিরে আসি আমাদের তৃতীয় পর্বে যেটা নিয়ে আমরা আলাপ করছিলাম যে মেশিন লার্নিং এক্সপ্লেইনড আমরা এমআইটি স্লোন এমআইটি স্লোনের যে পেপারটা আছে মেশিন লার্নিং এক্সপ্লেইন সেটা নিয়ে আমরা আজকে আলাপ করতে যাচ্ছি। এটা হচ্ছে আমাদের তৃতীয় পর্ব। সেখানে আমরা বলছিলাম যে মেশিন লার্নিং কিন্তু শুরু হয় ডেটা দিয়ে এবং ডেটার কথা ওরা বলছে যে কি কি ডেটা হতে পারে? নাম্বারস, ফটোস, টেক্সট যেমন ব্যাংক ট্রান্জেকশন একটা ডেটা হতে পারে। পিকচার অফ পিপলস মানে অনেক মানুষের একটা পিকচার যেগুলো আছে সেটা ডেটা একটা স্টেডিয়ামে কতজন মানুষ ঢুকেছে বা স্টেডিয়ামে কতজন মানুষ কোথায় বসেছে সেটাও কিন্তু এই জায়গা থেকে আমরা বের করতে পারি। ইভেন বেকারি আইটেম বেকারি আইটেম তৈরি হচ্ছে সেখান থেকে কতগুলো বেকারি আইটেম কোথায় হবে কোন দিকে সর্ট হবে আমাদের লাইফস্টক আমি বলছি যে আমাদের যেখানে বিভিন্ন গবাদি পশু থাকে সেই গবাদি পশুকে কাউন্ট করা তাদের হেলথ চেক করা সবকিছু করাও কিন্তু আমাদের এখানে আমরা দেখতে পারি। আমাদের রেকর্ড রিপেয়ার করা পাশাপাশি হচ্ছে টাইম সিরিজ ডেটা মানে আমরা ধরা যাক আমাদের বিদ্যুৎ যে আমাদের সামনের বছরে কতটুকু বিদ্যুৎ লাগবে কম লাগবে না বেশি লাগবে টাইম সিরিজ ডেটা থেকে আমরা পেতে পারি। আবার আমাদের বন্যার যে বিভিন্ন ডেটা সেটা আমরা বিভিন্ন সেন্সর থেকে বন্যার ডেটা পেতে পারি যেতে যেখান থেকে আমরা বুঝতে পারি যে সামনের বছরে বন্যা হবে কি হবে না বা আমরা সামনে কি হবে বা বন্যা হলে কিভাবে সেটাকে সমাধান করা যেতে পারে। তো এখানে যে ব্যাপারটা বলা হচ্ছে যে এই ডেটাগুলোকে গ্যাদার করা হয় একটা জায়গায় এবং সেটাকে আসলে ট্রেনিং ডেটা হিসেবে প্রিপেয়ার করা হয়। তো সেইটাই আর আসলে বলা হচ্ছে যে যে যেই ডেটাগুলোকে গ্যাদার করা হয় প্রিপেয়ার করা হয় ট্রেনিং ডেটার জন্য সেটাকেই আসলে মেশিন লার্নিং মডেলে ফিট করা হয় যাতে মেশিন লার্নিং মডেলটাকে ট্রেন করা যেতে পারে। আর এখানে একটা জিনিস বলা হচ্ছে দা মোর দা ডেটা মানে যত বেশি ডেটা তত বেশি ভালো এই প্রোগ্রামটা হবে। তো সেখানে আমরা যদি বলি যে প্রোগ্রামারস চুজ এ মেশিন লার্নিং মডেল টু ইউজ সাপ্লাই দা ডেটা এন্ড লেট দা কম্পিউটার মডেল ট্রেন ইটসেলফ টু ফাইন্ড প্যাটার্নস এন্ড মেক প্রেডিকশন। মানে আমরা মানে প্রোগ্রামার আমরা যারা প্রোগ্রামার তারা কিন্তু আমরা মেশিন লার্নিং মডেলটাকে চুজ করি মানে কোন মেশিন লার্নিং মডেলটা আমরা ব্যবহার করব সেখানে আমরা ডেটাকে সাপ্লাই দিব এবং তারপরে কম্পিউটারকে আমরা বলছি যে এই কম্পিউটারটা নিজেকে ট্রেন করবে ওই ডেটা থেকে যাতে সে সামনের প্যাটার্ন খুঁজে বের করতে পারে বা প্রেডিকশন করতে পারে। আবার এখানে হিউম্যান যারা প্রোগ্রাম আছে সেই হিউম্যান প্রোগ্রামার কিন্তু এই মডেলটাকে টুইক করতে পারে উইথ ডিফারেন্ট প্যারামিটারস। মানে এটা হচ্ছে গিয়ে আমাদের কাজ মানে প্রোগ্রামারদের কাজ যদি আমরা যদি টুইক করতে পারি যাতে আমাদের একুরেট রেজাল্টের জন্য আপনারা দেখবেন আমার যে বইটা আছে সেই বইয়ের মধ্যে আমরা দেখিয়েছি যে কিভাবে একুরেট রেজাল্ট পাওয়ার জন্য আমরা আসলে বিভিন্ন রকম প্যারামিটার চেঞ্জ করছি। আর এর পাশাপাশি আমরা যেটা দেখছি যে আমাদের এই মেশিন লার্নিং মডেলগুলো আসলে আমাদের হাতেই তৈরি করা এবং আমরা এখন থেকে 20 30 বছর আগে কিন্তু এই ধরনের অ্যালগরিদমগুলো তৈরি করা হয়েছে। সো এখানে আরেকটা জিনিস আমরা বলি যে আমরা যখন আমাদের ট্রেনিং ডেটা মেশিন লার্নিং মডেলে ঢোকাই তখন কিন্তু কিছু কিছু ডেটা আমরা উইথহেল্ড করি মানে রেখে দেই যেটা মেশিন লার্নিং মডেলকে আমরা দেখাই না। এটাকে আমরা বলছি যে এটা মানে এই ডেটাকে আমরা আলাদাভাবে রাখি যাতে মেশিন লার্নিং মডেলটাকে ট্রেন করার পরে আমরা মেশিন লার্নিং মেশিন লার্নিং মডেলটাকে আমাদের টেস্ট করতে হবে। সেই টেস্ট করার জন্য কিন্তু এই ডেটাটাকে রাখা হয়। তার মানে আমরা এখানে যেটা আমরা বলছি যে সাম ডেটা ইজ হেল্ড আউট ফ্রম দা ট্রেনিং ডেটা টু বি ইউজড এজ এ ইভালুয়েশন ডেটা মানে আমরা টেস্ট করার জন্য ইভালুয়েশন ডেটা হুইচ টেস্ট হাউ একুরেট দা মেশিন লার্নিং মডেল ইজ হোয়েন ইট ইজ শোন নিউ ডেটা। মানে আমরা মেশিন লার্নিং মডেলকে আমরা চিট করতে চাইবো না যে আমরা ট্রেনিং ডেটা দেওয়ার পরে ওখান থেকে আবার আমাকে আমরা ওকে টেস্ট করবো না তাহলে ও হি উড নো দা প্যাটার্ন। তার থেকে আমরা যে ট্রেনিং যে ডেটা আছে সেই ট্রেনিং ডেটার মধ্যে কিছু ডেটা আমরা বাইর করে বের করে রেখে দিব যেমন 20% হোক বা 25% হোক ওটাতে আমরা ইভালুয়েট করব যে আমাদের মডেলটা একুরেট কেমন যাতে আমরা ভবিষ্যতে একদম নতুন ধরনের ডেটাতে সে পারফর্ম করতে পারে। যে আমাদের যে টেস্ট ডেটাটা আছে সেই টেস্ট ডেটাতে যদি সে যদি ভালো পারফর্ম করতে পারে তাহলে আমাদের ভবিষ্যতে নতুন ডেটা যদি দেই সেই নতুন ডেটাতেও যেটা আননোন ডেটা সেটাতেও সে ভালোভাবে বুঝতে পারবে ভালোভাবে সেটাকে পারফর্ম করতে পারবে। তো আজকে এই পর্যন্তই থাকছেন তো সামনে?

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা: Understanding Artificial Intelligence in Bangla

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা, ১৭ উইনোগ্র্যাড কমন-সেন্স স্কিমা চ্যালেঞ্জ.mp3

মানুষ এবং যন্ত্রের মধ্যে কমন সেন্স নিয়ে আজকে আলাপ। আমরা আলাপ করতে যাচ্ছিলাম যে মানুষ এবং যন্ত্র কিভাবে কমন সেন্স ব্যাপারটা বুঝতে পারে। অবশ্যই আমরা যখন মানুষ হিসেবে যখন বিভিন্ন জিনিস নিয়ে কাজ করি তখন আমাদের কমন সেন্স কিন্তু আসে আমাদের অভিজ্ঞতা থেকে। তবে আমরা যেটা বলি যে যন্ত্রের কমন সেন্স সেটা একটা অন্য লেভেলে যেতে পারে। তো আমরা আসলে অনেক কিছুই এর আগে আলাপ করেছি তবে একটা জিনিস আমি বলতে পারি যে আমাদের এই বইটা থেকে উই নো গ্র্যাড কমন সেন্স স্কিমা চ্যালেঞ্জ সেটাকে আমরা বলছি যে যেকোনো জিনিস যেকোনো জিনিস আমরা যদি কমন সেন্স হিসেবে বুঝতে চাই তাহলে কয়েকটা উদাহরণ আমরা দেখতে পারি। একটা উদাহরণ হচ্ছে যে আমি উদাহরণ হিসেবে বলছি যে সিটি কাউন্সিলের কর্তা ব্যক্তিরা বিক্ষোভকারীদের অনুমতি দেয়নি কারণ তারা সহিংসতার আশঙ্কা করছিল। এটার সাথে এটা কেমন যায়? সিটি কাউন্সিলের কর্তা ব্যক্তিরা বিক্ষোভকারীদের অনুমতি দেয়নি কারণ তারা সহিংসতার পক্ষে ছিল। মানে এই দুটোর মধ্যে কমন সেন্স কিন্তু আমাদেরকে বলছে যে আসলে দুটোই কিন্তু কারেক্ট। এখন আমরা সেটাকে কিভাবে নিতে পারি এবং যন্ত্র সেটাকে কিভাবে নিবে। আরেকটা উদাহরণ আমরা দিতে পারি আমাদের হাতে কলমে ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং বইটা থেকে। আমরা বলতে পারি যে উদাহরণ হিসেবে বলছি যে বাবা তার সন্তানকে তুলতে পারছিল না কারণ সে খুব দুর্বল ছিল। আরেকটা উদাহরণ হচ্ছে যে বাবা তার সন্তানকে তুলতে পারছিল না কারণ সে খুব ভারী ছিল। এই দুটো কন্টেক্সট আমরা বলছি যে বাবা তার সন্তানকে তুলতে পারছিল না কারণ সে খুব দুর্বল ছিল। তার মানে হচ্ছে কি এটা রেফার করছে বাবাকে যে বাবা আসলে দুর্বল ছিল বলে বাবা তার সন্তানকে তুলতে পারছিল না। কিন্তু এরপরের কন্টেক্সটে বাবা তার সন্তানকে তুলতে পারছিল না কারণ সে খুব ভারী ছিল। তার মানে হচ্ছে কি এখন পরের সেন্টেন্সে এটাকে রেফার করা হচ্ছে তার সন্তানকে সন্তান ভারী ছিল। মানে এই যে সে উপরেও সে নিচেও সে এটার মধ্যে কন্টেক্সটটাকে মেলানোর জন্য আসলে আমাদের একটা বড় কাজ করতে হবে। আর এর পাশাপাশি আরো অনেক কিছু আমরা বলি যে আমরা যে এভাবে বলি যে একটা মানুষ কুকুরকে কামড়াচ্ছে বা আমরা যদি বলি যে না একটা কুকুর মানুষকে কামড়াচ্ছে আমাদের কমন সেন্স কি বলে? অবশ্যই একটা কুকুর মানুষকে কামড়াচ্ছে এটাই হয়। এটাই হওয়া স্বাভাবিক। কিন্তু যদি আমরা লিখি যে একটা মানুষ কুকুরকে কামড়াচ্ছে এটা কিন্তু হয় না মানে এটার সাথে যায় না। এটা একটা এক্সেপশনাল কেস। তার মানে কমন সেন্সের সাথে যায় না। মানে কমন আন্ডারস্ট্যান্ডিং থেকে যায় না। সেটাই আমরা বলছি যে একটা যন্ত্র এবং মানুষ কিভাবে আসলে একটা কমন সেন্স মানে কোনটা হওয়া উচিত এবং কোনটা হওয়া উচিত না কিভাবে বুঝবে। যেমন আমরা ইংরেজিতে অনেক সময় বলি ব্ল্যাক শিপ। এখন ব্ল্যাক শিপ মানে কি? ব্ল্যাক শিপ মানে কি কালো জাহাজ? না। মানে সে এক তার ফ্যামিলির ব্ল্যাক শিপ। তো এরকম একটা ব্যাপার যে যখন আমরা বলব ব্ল্যাক শিপ এখন কখনোই যন্ত্র বুঝবে না যে হোয়াইট শিপ বা ব্ল্যাক শিপটা কি বা ব্ল্যাক শিপ মানে কি? এটা একটা ভালো কমন সেন্সের ধারণা। আমি আমি বলছি যে এর থেকে আমরা আরো ভেতরে যাব। মানে আমি বলছি যে যন্ত্র কিভাবে কমন সেন্স আইডিয়াগুলো নেবে সেটা নিয়ে আমরা আরো সামনে আলাপ করব। থাকছেন তো সামনে?

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা: Understanding Artificial Intelligence in Bangla

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা, ৯' - এআই' এর অ্যাপ্রোচ স্টাটিসটিক্যাল এসোসিয়েশন, Understanding AI.mp3

আজকে ঈদের পরের দিন ভাবলাম যে কৃত্রিম বুদ্ধিমত্তা নিয়ে একটু আলাপটা সেরেই ফেলি। আমার কাছে মনে হচ্ছে যে কৃত্রিম বুদ্ধিমত্তা নিয়ে আমরা যে আলাপ করছি তার মধ্যে একটা বড় অংশ হচ্ছে এটার অ্যাপ্রোচ নিয়ে মানে আমরা আসলে কৃত্রিম বুদ্ধিমত্তাটাকে কিভাবে কোন লেভেলে বা কোন অ্যাপ্রোচে এখন সবচেয়ে বেশি ব্যবহার করতে পারছি। সেটা যদি আমাদের একটা ধারণা আসে তাহলে আমার মনে হয় যে কৃত্রিম বুদ্ধিমত্তা নিয়ে অনেক অনেক যে আমাদের ক্লারিফিকেশন প্রয়োজন আছে সেটা ক্লিয়ার হয়ে যাবে। আমার কাছে মনে হচ্ছে যে কৃত্রিম বুদ্ধিমত্তার এখন যে এডপশন সে এডপশনের অনেকগুলো অ্যাপ্রোচের মধ্যে দুটো অ্যাপ্রোচ কিন্তু খুবই ইম্পর্টেন্ট। সেই দুটো অ্যাপ্রোচের মধ্যে একটা অ্যাপ্রোচ হচ্ছে আমি কি অ্যাপ্রোচ নিয়ে আলাপ করব প্রথমেই? আচ্ছা অ্যাপ্রোচ নিয়ে আলাপ করার আগে আসলে আমার যে জিনিসটা বুঝতে হবে যে বুদ্ধিমত্তাটা কি? এটা যদি আমরা ডিফাইন করতে পারি যে বুদ্ধিমত্তাকে আমরা কিভাবে দেখছি। তো আপনি দেখুন যে আমরা যখন বুদ্ধিমত্তা নিয়ে আলাপ করি বিশেষ করে আমরা যন্ত্রের বুদ্ধিমত্তার আগে যদি আমাদের আগে মানে আমি যদি বলছি যে আমাদের যে পশুপাখি আছে তাদের মধ্যে যদি আমরা বুদ্ধিমত্তাটাকে নিয়ে আলাপ করি তাহলে দেখা যাচ্ছে যে ধরা যাক একটা কুকুর বা একটা বিড়াল হিউম্যান ইন্ডেক্সে মানে মানুষের ভিত্তিতে যেটা হচ্ছে বুদ্ধিমত্তা আমি সেভাবে দেখছি। ধরা যাক মানুষ ভাবছে যে আমরাই মনে সবচেয়ে বেশি বুদ্ধিমান। অবশ্যই আমরা বুদ্ধিমান বিকজ এটা আমরা আমাদের স্কেলে ভাবছি। কিন্তু একটা পশুপাখি কিন্তু তাদের ইন্ডেক্সে কিন্তু তাদের বুদ্ধিমানের যে ইন্ডেক্স আছে সেটা কিন্তু আলাদা হতে পারে। সেজন্য বলছি যে একটা খরগোশ কিন্তু ঠিকই তার নাটটা পুরো মাঠ জুড়ে কোথায় ফেলে রেখেছে সেটাও কিন্তু সে পিনপয়েন্ট করতে পারে যেটা মানুষ হয়তোবা পারবে না। তা আমরা মনে করছি যে খরগোশ ও কিন্তু ঠিকই মনে রাখছে তার নাটটা কোথায় পুরো মাঠে ফেলে রেখে এসছে বা আমরা অনেক সময় বলি যে হাতি কোন কিছু ভোলে না। মানে হাতির ইন্ডেক্সে কিন্তু এটা কিন্তু একটা ভালো বুদ্ধিমত্তার পরিচয়। তবে আমার কাছে মনে হচ্ছে যে যন্ত্রের জন্য বা পশুপাখির জন্য যে আমরা মানুষের স্কেলে যেই বুদ্ধিমত্তা সেটা মানে হচ্ছে মানুষের মত করে সে মিমিক করছে। যে একটা কুকুর ধরা যাক আমরা অনেক সময় ভাবি যে কুকুর যখন একটা দরজা খোলে তখন আমি বলি যে ওকে কুকুরটা বুদ্ধিমান বিকজ কুকুরটা মানুষের স্কেলে বুদ্ধিমান ব্যাপারটাকে বা বুদ্ধিমত্তা ব্যাপারটাকে মিমিক করেছে। তো সেটা হচ্ছে গিয়ে একটা আন্ডারস্ট্যান্ডিং। এইজন্যই কিন্তু আমরা তাকে বলছি বুদ্ধিমান বুদ্ধিমান প্রাণী। কারণ আমরা আমাদের স্কেলে বা মানুষের স্কেলে এটাকে আমরা মিমিক করেছে। এখন সেই হিসেবে যদি আমরা আসি আমরা যদি এখানে অন্যান্য প্রাণীর কথা যদি বলি তাহলে অন্যান্য প্রাণীর এখানে ব্যাপার আছে যে পার্সোনাল বিহেভিয়ার যারা আমি মনে করছি যে যেকোনো জিনিসের যে পার্সোনাল বিহেভিয়ার আউটকাম সেটাকে যদি আমরা মনে করি যে এইটা একটা আউটকাম দিচ্ছে সেটাকে আমরা অনেক সময় বুদ্ধিমত্তার একটা স্পেশালাইজেশনের কথা বলি। তো যেহেতু কৃত্রিম বুদ্ধিমত্তা বা বুদ্ধিমত্তার ব্যাপারটা আমরা সরাসরি দেখতে পাচ্ছি না যেহেতু এটা আমাদের মাথায় বা পশুপাখির মাথায় নিউরনে কাজ করছে এইজন্যই আমরা এটাকে ঠিকমতো ব্যাপারটাকে আমরা বোঝাতে পারছি না। এইজন্যই অনেক সময় কৃত্রিম বুদ্ধিমত্তার ব্যাপারটা বা তার ডেফিনেশন নিয়ে কিন্তু অনেক সময় অনেক তর্ক-বিতর্ক হয়। সেইজন্য বলছি যে মানুষের মাথার ভেতরে যে ইলেকট্রনিক পালসগুলো যে যাচ্ছে আমাদের নিউরন থেকে এক নিউরন থেকে আরেক নিউরনে তখন কিন্তু আমাদের এই ব্যাপারটা মনে হয় যে না এটা একটা বুদ্ধিমত্তার কাজ করছে। সো এখন এর পাশাপাশি আমি কয়েকটা ট্রেন্ডের কথা বলতে পারি যে আমরা মনে আছে যে আমরা এর আগে মেশিন ট্রান্সলেশনের কথা বলেছি। মেশিন ট্রান্সলেশনের কথা যদি বলি তখন আমাদের কাছে মনে হতে পারে যে আমরা Google এর ট্রান্সলেশন যখন শুরু করি তখন কিন্তু আমরা হাসতাম যে Google যে ট্রান্সলেশনগুলো দিত যে মেশিন ট্রান্সলেশন যে আমি ভাত খাই বা আমার কথা হচ্ছে যে আমরা স্পেসিফিকালি কোন বাংলা থেকে ইংরেজি বা ইংরেজি থেকে বাংলা যখন মেশিন ট্রান্সলেশন করতাম তখন সেখানে দেখতাম যে অনেক ধরনের ইনকনসিস্টেন্সি বিকজ আমরা ভাবছি যে এটা বুদ্ধিমান না। কারণ বুদ্ধিমান না এই কারণে যে ওই জিনিসটা যখন কাজ করছে তখন ওটা মানুষের সাথে ওই অ্যাসোসিয়েশনটা মনে হচ্ছে যে ওটা মিস আছে। তো সেটাই বলছি যে আমরা মেশিন ট্রান্সলেশনটা কিন্তু কৃত্রিম বুদ্ধিমত্তা ছিল না। এটা হচ্ছে গিয়ে আমরা একটা কাইন্ড অফ লাইক ম্যাপিং করতাম। আমরা যদি এভাবে বলি যে আমরা ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং যখন আমরা শুরু করলাম তখন কিন্তু কিছুটা রুলসের তৈরি করেছিলাম যে এটা হলে ওটা হবে। এখন সেই স্ট্রাকচারটা মানে আমরা কি করতাম যে ইংরেজির যে গ্রামাটিক্যাল স্ট্রাকচারটা গ্রামাটিক্যাল যে সিনট্যাক্সগুলো সেটা মডেলের ভিতর ঢুকাতাম। তারপরে এর পাশাপাশি বাংলার যে স্ট্রাকচারটা সেটাও কিন্তু মডেলের ভিতর ঢুকাতাম এবং সেটাই কিন্তু সেই সিমেন্টিক্স বা তার পাশাপাশি যে লিঙ্গুইস্টিকস এবং যে লজিক আছে সেই লজিকের অংশটাকে আমরা যোগ করে আমরা সেটাকে একটা ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এর ব্যাপারে বলতাম। বাট একচুয়ালি সেটা সত্যিকার অর্থে নয়। কারণ আমরা যখন একটা মডেল তৈরি করছি সেই মডেলটা কিন্তু প্রথমে আমরা ইংরেজির জন্য তৈরি করছি যে হ্যাঁ ইংরেজির জন্য এই মডেলটা কাজ করে। পরে যখন আমরা সেটাকে বাংলা নিয়ে আসতে চাইলাম তখন সেই ব্যাপারটা কিছুটা ব্যাকরণের রীতিনীতি সহই কিন্তু এই ব্যাপারটা আমরা একজন আরেকজনের কাছে পাঠাচ্ছি। কিন্তু এটা আসলে অনেক সময় কাজ করে না। কারণ আমরা যখন বিভিন্ন হেয়ালি টাইপ কথাবার্তা বলি সেটা কিন্তু ঠিকমতো ট্রান্সলেট করতে পারে না। কারণ এটা আসলে মেশিন বা যন্ত্র ঠিকমতো বোঝে না। তো সেইটাই আমরা বলছি যে ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এর আগে যেটা ঘটতো সেটা হচ্ছে যে আমরা কিছু অর্থের স্ট্রাকচার তৈরি করার জন্য আমরা সেটাকে কিছুটা আমি মনে করি যে কিছুটা আমরা নীতিমালা তৈরি করতাম ব্যাক এন্ডে যে মডেলের নীতিমালা যে এটা হলে ওটা হবে। মানে এটা একটা ধারণা দেওয়ার জন্য। তার মানে হচ্ছে কি ওই রুল সেটটা মানে যেটা আমরা এখানে বলেছি যে গত দশকে প্রায় আমাদের রিসার্চাররা একটা বেশ বড় সময় কাটাচ্ছিলেন সেই রুল সেটটা তৈরি করতে যে আসলে আমি ইংরেজিতে যে কথাটা বলছি সেটার ইনার মিনিং মানে আমি যদি বলি যে ইটস রেইনিং লাইক ক্যাটস এন্ড ডগস এন্ড ইট ইজ রেইনিং লাইক ক্যাটস এন্ড ডগস। তাহলে কিন্তু এটাকে যদি আমরা যদি পুরোপুরি মিনিং যদি আমরা ট্রান্সলেট করতে চাই তাহলে কিন্তু বাংলায় সেটা আমরা সেভাবে মেলাতে পারব না যেটা ইংরেজিতে মিন করেছে। তো সেইজন্যই যেই বাক্যের স্ট্রাকচার এবং তার পাশাপাশি যে ভাবার্থ যেটা আমরা ভাবার্থ বলছি তার ইনার মিনিং এটার ইন্টারনাল ম্যাপিংটা করা যায় কিনা সেটা নিয়ে আমরা অনেক সময় দেখেছি বাট এটা আসলে কাজ করে না এবং এটা নিয়ে আমরা অনেক ফান করতাম অনেক মজা করতাম। তো সেখানে অনেক সময় বলা হচ্ছে যে উচ্চমার্গের যে কবিতাগুলো আছে বা গল্পগুলো আছে ওগুলোর মধ্যে এত এত প্যাঁচানো এখন আমরা যদি ওটাকে ইংরেজি থেকে সরাসরি বাংলায় যদি আমরা ট্রান্সলেট করতে চাই তাহলে ওইটা ঠিক ঠিকমতো হবে না। এইজন্যই দেখবেন যে আমরা অনেক ইংরেজি বইয়ের যখন বাংলা আমরা বঙ্গানুবাদ পড়ি তখন অনেক সময় অনেকে Google ট্রান্সলেশন ব্যবহার করে সেখানে কিন্তু আসল মিনিংটা আসে না। এইজন্যই একটা অনেকে বলে যে বাংলাটা ঠিকমতো ভাবার্থ বা এটাকে আমরা ঠিকমতো মিনিং বের করতে পারি না। তো এটাই একটা বিশাল নাটকীয় মোড় নেয় যখন এই স্ট্যাটিস্টিক্যাল মেশিন ট্রান্সলেশন চলে আসে। কারণ স্ট্যাটিস্টিক্যাল মেশিন ট্রান্সলেশন ব্যাপারটা এরকম যে এটার জন্য আসলে ল্যাঙ্গুয়েজ মডেলে ঢুকতে হচ্ছে না শুরুতে। এইজন্যই কিন্তু আমার যে হাতে কলমে বাংলা ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং সেটাতে আমি জোর দিয়েছি বিকজ আমি প্রথমে যে ল্যাঙ্গুয়েজ মডেল যে তৈরি করাটা সেটার ব্যাপারে আমি হাত দিয়েছিলাম। পরে দেখলাম যে না এটা এত কমপ্লেক্স এবং এটা আমাদের ইয়াং জেনারেশন সেভাবে আসলে পিক করবে না। সেখানে আমি দেখছি যে ডিপ লার্নিং মডেল বিশেষ করে স্ট্যাটিস্টিক্যাল মেশিন ট্রান্সলেশন যখন চালু হলো তখন আমরা দেখছি যে আমাদের Google ট্রান্সলেটর বা অন্যান্য জায়গাটা অনেক অনেক অ্যাডভান্সড লেভেলে পৌঁছে গেছে। কারণ কি? এটা হচ্ছে কি স্ট্যাটিস্টিক্যাল মেশিন ট্রান্সলেশন এবং সেটা আসলে কিছু না। আমি এভাবে বলি যে আমরা যখন একটা মেশিন লার্নিং মডেলকে গত এক বছর ধরে যখন শেক্সপিয়ারের সবগুলো গল্প তাকে দিলাম। ধরা যাক শেক্সপিয়ারের সবগুলো গল্প মেশিন লার্নিং মডেলকে দিলাম এবং বললাম যে তুমি এর মত করে একটা নতুন একটা গল্প লিখো এবং সে এটা গল্পটা লিখতে পারছে এবং গল্পটা লিখতে পারার কারণেই কিন্তু আমি দেখছি যে এই ব্যাপারটা আসছে মানে আসছে। কারণ কি? আসলে এই মেশিন লার্নিং মডেলে যদি আমরা পুরো পৃথিবীর সবার কথা যেমন আমরা জিপিটি যে থ্রি মডেলটা আছে যেটাতে মাইক্রোসফট ভালো ফান্ডিং করেছিল। সো জিপিটি থ্রি মডেলটা যদি আমরা দেখি যে ওখানে প্রায় 175 বিলিয়ন প্যারামিটার দিয়ে ওকে ট্রেন করা হয়েছিল। এজন্য সে কিন্তু কোডিংও করতে পারে। ও কিন্তু আপনার সাথে হেয়ালিও টাইপ কথাবার্তা বলতে পারে। আবার মনে করেন যে আপনি ওকে যেকোনো প্রশ্ন করলে সে কিন্তু ওটার কাছাকাছি সঠিক হেয়ালি মার্কা উত্তরও দিতে পারে। কারণ ও কিন্তু জানে যে এই ব্যাপারটার পেছনে এটা আসবে বা এটার পেছনে এটা আসবে। সো ব্যাপারটা হচ্ছে এরকম যে আমি যেহেতু অনেক বাংলায় কাজ করি তো সেখানে দেখছি যে আমি যখন বাংলায় কোন কিছু বলি প্রথমে তখন কিন্তু Google ট্রান্সলেশন বা Google এর যে কিবোর্ড আছে সে কিন্তু প্রথমে তার মত করে ধরে নেয়। কিন্তু আমি তখন যখন তাকে আমি ঠিক করে দেই এরপর থেকে কিন্তু সে ওভাবেই ঠিক করে নেয়। কারণ ও জানে যে আমার স্ট্যাটিস্টিক্যাল অ্যাসোসিয়েশনে এরপরে এটাই আসার সম্ভাবনা বেশি। তো সেইভাবে আমরা যদি দেখি যে আমরা যেকোনো মডেলে আসলে আমরা যখন যাচ্ছি তখন কিন্তু এই কোটি কোটি আইডিয়া যখন আপনি সিস্টেমে দিবেন বা একটা মডেলে দিবেন তখন কিন্তু মডেল একটা অ্যাসোসিয়েশন করে নেয় যে এরপরে এটা হতে পারে। মানে এই শব্দটার পর এটা হতে পারে বা এই বাক্যের পর এটা হতে পারে বা এই মিনিংটা মানে এটা হতে পারে। বিকজ প্রতিটা শব্দ প্রতিটা বাক্য একটার সাথে আরেকটা ইন্টারকানেক্টেড। ও ওইভাবে কিন্তু একটা বাক্য থেকে আরেকটা বাক্য এবং আরেকটা শব্দ থেকে আরেকটা শব্দের যে দূরত্ব এবং সেই সিমেন্টিক দূরত্বটা কিন্তু সে মেপে নেয় এবং মেপে নেওয়ার ফলে কিন্তু এই জিনিসটা আরো আরো অনেক ভালো ফলাফল দেয়। তো সেখানে কিন্তু এই যে বাচ্চাদের ভাষা শেখার ব্যাপারটা আছে যে বাচ্চারা কিন্তু আমরা দেখছি যে কোন ধরনের ল্যাঙ্গুয়েজ না শিখেই বাচ্চারা ল্যাঙ্গুয়েজ শেখা শুরু করেছে। কারণ এই একই স্টাইলে যে তাকে কিন্তু প্রচুর বাক্য দিয়ে আমরা বোম্বার্ড করেছি। আমরা বাবা-মা বাচ্চাদেরকে অনেক কিছু আমরা বলেছি এবং সে কিন্তু ওই স্ট্যাটিস্টিক্যাল অ্যাসোসিয়েশন যে আমি আসলে কোন শব্দটা বেশি বলছি, কোন শব্দটা বললে আমি ভালো বোধ করছি বা আমি তার সাথে ফান করছি বা কোন শব্দটা সে বললে আমি রাগ করছি এই ব্যাপারগুলো কিন্তু সে বুঝে যায় এবং বুঝে যাওয়ার ফলে যেটা হচ্ছে যে এই যে হাজারো বা লক্ষ লক্ষ শব্দ যে শুনে সে কিন্তু আস্তে আস্তে তার মাথায় জোড়া লাগায়। মানে একটার পর একটা শব্দকে জোড়া লাগায় এবং সেই জোড়া লাগানোর ফলে যেটা হয় যে একসময় সে ভুল বাক্য বলে। পরে আমরা সেটা বাবা-মা ঠিক করে দেই। আবার সে ভুল বলে আবার ঠিক করে দেই। আস্তে আস্তে সে লিঙ্গুইস্টিকস না জেনে বা ল্যাঙ্গুয়েজ গ্রামার গ্রামারের রীতিনীতি না জেনেই কিন্তু সে একটা ভালো ল্যাঙ্গুয়েজ পিকআপ করে এবং এটাই কিন্তু আমরা ভাবছি যে কিছুটা স্ট্যাটিস্টিক্যাল অ্যাসোসিয়েশন। সো স্ট্যাটিস্টিক্যাল অ্যাসোসিয়েশন ব্যাপারটা এরকম যে আমরা যখন এই মেশিন ট্রান্সলেশনের ব্যাপারটা নিয়ে আলাপ করছি তখন ডিপ লার্নিং এ ও কিন্তু শব্দগুলোর মধ্যে দূরত্ব শব্দগুলোর মধ্যে কোনটার সাথে কোনটা যায়, কোনটার সাথে কোনটা যায় না। যেমন আমি ভাত খাই যায় না। আমি ভাত খাই। সো আমি যদি Google ট্রান্সলেশনে যদি আমি যদি খুব এক্সপ্লিসিটলি না বলি আমি ভাত খাই। মানে আমি একদম দূরে দূরে বলছি। বাট আমি যদি বলি যে আমি ভাত খাই তাহলে সে সঙ্গে সঙ্গে কিন্তু আমি ভাত খাই। কারণ সে জানে তার মডেলে ভাতের পরে যদি খাই ব্যাপারটা আসে তাহলে এটা খাই হয় না। এটা খাই হয়। কারণ খাই ব্যাপারটাই সবচেয়ে বেশি ব্যবহার হয়েছে। তো সেটাই আমরা বলছি যে এই যে প্রথম অ্যাপ্রোচ আমরা যেটা বলছি সে অ্যাপ্রোচটা হচ্ছে গিয়ে মডেলের ভেতরে কিন্তু যে জিনিসটা ঘটছে সেইটাই এই স্ট্যাটিস্টিক্যাল অ্যাসোসিয়েশনের মাধ্যমে প্রোবাবিলিটি ডিস্ট্রিবিউশন সেট করছে যে কোনটার পরে কোনটা আসবে, কোনটার পরে কোনটা আসবে না সেটা কিন্তু সেই মডেল থেকে বের করতে পারে এবং এই যে ব্যাপারটা ঘটছে এই ব্যাপারটা কিছুটা আমি মনে করি যে আস্তে আস্তে ব্ল্যাক বক্সের দিকে চলে যাচ্ছে। কারণ আস্তে আস্তে আমরা মডেলের ভেতরে ইন্টারনাল যে ক্যালকুলেশন সেইগুলো কিন্তু আমরা আর হিসাব করছি না। আমরা আমাদের রিসার্চে কাজে হিসাব করছি। কিন্তু একটা পর্যায়ে আমরা এটাকে রিসার্চে যাব না। তো সেইজন্য বলছি যে আমরা এই যে মেশিন লার্নিং মডেল বলেন বা কৃত্রিম বুদ্ধিমত্তা বলেন যে কৃত্রিম বুদ্ধিমত্তার যে অ্যাপ্রোচগুলো সেই অ্যাপ্রোচগুলো যদি আমরা ঠিকমতো বুঝতে পারি আমাদের ডেফিনেশনের জন্য তাহলে আমরা এটাকে ঠিকমতো বোঝাতে পারব যে আসলে আমরা মেশিন লার্নিং নিয়ে যেভাবে বুঝতে চাচ্ছি বা আমরা কৃত্রিম বুদ্ধিমত্তাকে আমরা যে যেভাবে যেই লাইনে আমরা আলাপ করতে যাচ্ছি সেই লাইনে ঢোকার জন্য বুদ্ধিমত্তাটা কি বা বুদ্ধিমত্তাটা আসলে মেশিন লেভেলে উপলব্ধি আসছে কিনা বা মেশিনটা আসলে ঠিকমতো ট্রান্সলেশনটা করতে পারছে কিনা বা ইন্টারনাল ম্যাপিং করতে পারছে কিনা বা ইন্টারনাল ম্যাপিং এর সাথে তার যে সংযোগ সূত্র সেটা নিতে পারছে কিনা সেই ব্যাপারগুলো কিন্তু এখানে আছে। সো এখানে এই ব্যাপারটাও কিন্তু আমরা আস্তে আস্তে বুঝতে পারব। তবে এটুকু আমি বলতে পারি যে আমরা বিশেষ করে কৃত্রিম বুদ্ধিমত্তা এই ব্যাপারটা নিয়ে আরো ভেতরে ঢুকতে চাইবো। আর যদি আরো ভেতরে ঢুকতে চাই তাহলে এই বইটা আমার কাছে মনে হচ্ছে যে এই বইটা আপনাদেরকে ভালো সাহায্য করবে। কারণ এই বইটার সবচেয়ে বড় যে জিনিসটা হচ্ছে যে এখানে আমি বাংলায় আমার যে ধারণা এবং আমার ধারণার পাশাপাশি বিশ্ব কৃত্রিম বুদ্ধিমত্তা নিয়ে কি আলাপ করছে সেটাও আমরা অনেক সময় বুঝতে পারি। তো সেইজন্য বলছি যে আমরা ইংরেজিতে অবশ্যই কৃত্রিম বুদ্ধিমত্তা জানার চেষ্টা করব। তবে পাশাপাশি বাংলায় কৃত্রিম বুদ্ধিমত্তা যদি একটু ভালোমতো বুঝতে পারি তাহলে অসুবিধা কোথায়? আজকে এই পর্যন্তই থাকছেন তো সামনে?

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা: Understanding Artificial Intelligence in Bangla

অটোমেশন কেন দরকার Why Automation.mp3

আমরা এ পর্যন্ত প্রচুর মেশিন লার্নিং বা কৃত্রিম বুদ্ধিমত্তা নিয়ে কথা বলেছি তবে এটার ইউজেবিলিটি মানে কৃত্রিম বুদ্ধিমত্তা বা মেশিন লার্নিং বা এআই দিনশেষে মানে আমরা বলছি যে ইভেন ডিপ লার্নিং দিনশেষে কোথায় ব্যবহার হবে সেটা নিয়ে অনেক ধরনের প্রশ্ন আছে আর সেই জন্যই কিন্তু আমরা এসছি অটোমেশন নিয়ে কথা বলতে অটোমেশন মানে এই না যে উই আর রিপ্লেসিং দি হিউম্যান রাদার আমরা বলছি যে আমাদের প্রতিটা প্রসেসে যেখানে হিউম্যান ইনভল্ভ যেটাকে আমরা বলছি ইভেন আমি আমার বইয়ে বলেছি যে হিউম্যান ইন দা লুপ মানে যেখানে যেই প্রসেসে হিউম্যান ইন দা লুপ আছে সেখানে ইনএফিশিয়েন্সি তৈরি হয় আর সে কারণে যেখানে শুধুমাত্র হিউম্যান প্রয়োজন মানে বড় ধরনের সিদ্ধান্তের প্রয়োজন সেখানে হিউম্যান রাখলে সেটার আউটকাম আরো ভালো হয় আমরা বলছি যে প্রতিনিয়ত আমি যে কাজগুলো করছি সেই কাজের মধ্যে হিউম্যান টাচ সেটা যতই কমানো যায় তত এটার দক্ষতা বাড়ে তো আমি জাস্ট বলছি যে সকালবেলা ধরা যাক আমার অফিসের যে কাজ আমি সকালবেলা যেয়ে কিন্তু আমার ধরা যাক 16 টা ডেটাবেজে আমাকে কানেক্ট করতে হয় সেই ডেটাবেস থেকে সিকুয়েল কমান্ড দিয়ে বেশ কিছু জিনিস রিপোর্ট আমাকে আমাকে নামাতে হয় এবং তার পাশাপাশি আমাকে সেই রিপোর্টগুলোকে বিভিন্ন রিপোর্টিং টুলে ফেলতে হয় এবং রিপোর্টিং টুলে ফেলে দেওয়ার পর ওখান থেকে কোথায় কোথায় থ্রেশহোল্ড মানে আমার লাল দাগ হচ্ছে তার মানে হচ্ছে কি বেশি আমাদের জন্য সমস্যার সমস্যা করছি সেই ধরনের রিপোর্টগুলো আমার থ্রেশহোল্ড মিলিয়ে সেইসব লোকজনকে জানানো যে এখানে এই ধরনের প্রবলেম হচ্ছে তার মানে তাকে আবার ইমেইল করতে হয় এবং তাকে আমাকে হয়তোবা এসএমএস করতে হয় বা তাকে আমাকে টিমস এ জানাতে হয় তার মানে হচ্ছে গিয়ে আমাদের এই পুরো জিনিস আমার যে মেশিন যে রিপোর্ট আছে সেই রিপোর্টটাকে ফরম্যালাইজ করা এবং শেষে তাকে ইমেইল করা যদি থ্রেশহোল্ড লেভেলে কাকে কাকে কোথায় কোন লেভেলে ইমেইল করতে হবে সেটা যদি আমরা আগে থেকে অ্যাসাইন করে দেই তাহলে কিন্তু পুরো জিনিস একদম শুরু থেকে শেষ পর্যন্ত ধরা যাক এই সকালের এই কাজটা আমাকে আমার করতে লাগে হয়তোবা চার ঘন্টা এটা ফুললি এটাকে যদি আমরা অটোমেশন করে দেই এটা কয়েক মিনিটের মধ্যে কিন্তু ইট উইল বি এ ডান ডিল সো ব্যাপারটা হচ্ছে যে অটোমেশন মানে হচ্ছে গিয়ে আমাদের হিউম্যান ইন্টারেকশন যেটা বলছি যে আমাদের যে হিউম্যান ইন্টারেকশন আছে সেই হিউম্যান ইন্টারেকশনের মধ্যে কতগুলো স্টেপ কমানো যায় মানে আমরা যখনই কথা বলি বা আমরা বিভিন্ন ধরনের ইন্টারেকশন করি মানে আমরা হিউম্যান ইন্টারেকশন ছাড়া একটা কাজ যদি আমরা নামাতে চাই তাহলে এখানে অনেকগুলো স্টেপ কিন্তু কমে আসছে আর সেজন্যই আমরা বারবার বলছি যে কেন মানে কেন আসলে আমরা অটোমেশন চাই এই অটোমেশন চাওয়ার পেছনে একটা বড় কাজ হচ্ছে কি এফিশিয়েন্সি কারণ যখনই হিউম্যান ইনভলভমেন্ট হয় বা হিউম্যান ইনভলভমেন্ট কোথায় দরকার আমার মনে হয় হিউম্যান ইনভলভমেন্ট দরকার হচ্ছে ইম্পর্টেন্ট কাজগুলোতে আমরা ইম্পর্টেন্ট কাজগুলোতে হিউম্যান ইনভলভমেন্ট করি আর যেটা হচ্ছে গিয়ে লেস ফ্রিকোয়েন্ট সেই জায়গাতে আমরা হিউম্যান ইন্টারেকশন করি কিন্তু যেগুলো ফ্রিকোয়েন্ট যেগুলো সবসময় কাজ করে যেগুলো সবসময় ফ্রিকোয়েন্টলি যেখানে আমাদের হিউম্যান ইন্টারেকশন প্রয়োজন নেই মানে এই মুহূর্তে আমি ভাবছি যে এই মুহূর্তে আমাদের প্রয়োজন আছে কিন্তু ভবিষ্যতে প্রয়োজন নেই তো যেগুলো রিপিটেটিভ কাজ যেগুলো মেশিন নিজে থেকে করে ফেলতে পারে আমাকে যদি মেশিনকে আমি যদি ঠিকমত শিখিয়ে দেই তাহলে হিউম্যানের ইনভলভমেন্ট লাগছে না আমি জাস্ট বলছি যে আগে আমরা সরকারি অফিসে যেয়ে কি করতাম অফিসে যেয়ে জানতাম যে আমাকে এই জিনিসটাকে কিভাবে এপ্লাই করতে হবে তার কাছ থেকে একটা ফর্ম নিয়ে আসতাম ফর্ম নিয়ে এসে তারপরে তার সাথে কথা বলতাম সে আমাকে বুঝিয়ে দিত কিভাবে ফর্ম নিয়ে আমাকে কার কাছে যেতে হবে কোথায় যেতে হবে কোন কোন ডেস্কে যেতে হবে সেখানে এখন ওয়েব বেসড ফর্ম এসছে তার মানে হচ্ছে কি আমি এজ এ হিউম্যান আমি ফর্মটা ফিলাপ করছি আমার বাসায় বসে এট মাই ওন টাইম এবং সেটা পরের দিন সেই অফিসের যারা আছেন তারা আসলে সেই ফর্মটা থেকে ডেটাবেস দেখে এবং সেখান থেকে তারা হয়তোবা হিউম্যান ইন্টারেকশনের মাধ্যমে এটাকে প্রসেস করছেন বাট এই পুরো জিনিসটাই কিন্তু ফুললি অটোমেটেড করা যায় যদি আমাদের রুল সেটগুলো ঠিকমতো জায়গায় জায়গায় বসিয়ে দেওয়া যায় আর সেজন্যই আমরা বলছি যে যদি আমরা অটোমেশন করি তার একটা বড় অর্থ হচ্ছে গিয়ে আমাদের একটা বড় ফ্লেক্সিবিলিটি হলো যে আমাদের যারা টিম মেম্বার আছে তাদের টিম মেম্বারদেরকে আমরা আসলে বড় ভিশনারি কাজ স্ট্র্যাটেজিক কাজ যেই কাজগুলো হচ্ছে গিয়ে ইনোভেটিভ কাজ যেগুলো মানুষ আসলে করতে পছন্দ করে সো মানুষ যেগুলো করতে পছন্দ করে মানুষ কিন্তু কখনোই রিপিটেটিভ কাজ করতে পছন্দ করে না এগুলো হচ্ছে গিয়ে পুরোপুরি যন্ত্রের কাজ আমরা সেগুলো ছেড়ে দেব যন্ত্রের কাছে আর আমরা ইনোভেশন নিয়ে ব্যস্ত থাকবো কারণ আমরা যদি প্রতিনিয়ত ধরা যাক সরকারের প্রচুর ইনোভেশন হচ্ছে আরো প্রয়োজন মানে ইনোভেশন প্রতিটা সার্ভিস সেক্টরে ইনোভেশন হচ্ছে আজকে দারাজ হোক আজকে হাংরি নাকি বা আজকে ফুড পান্ডা বা আজকে যদি আমরা অন্য সার্ভিস সেক্টর বলি প্রচুর ইনোভেশন এসছে ইভেন আইএসপি ইন্ডাস্ট্রিতে কিন্তু প্রচুর ইনোভেশন এসছে তার মানে হচ্ছে কি এই ইনোভেশন এসছে কেন কারণ আমরা কিছু কিছু মানুষকে অপারেশন থেকে বের করে আমরা ইনোভেশনে নিয়ে আসছি তার মানে হচ্ছে কিছু কিছু মানুষের কথা বলছি বাট আমরা চাচ্ছি যে একটা বড় অংশ বড় একটা অংশের মানুষ আমরা নিয়ে আসবো ইনোভেশনে তার মানে হচ্ছে কি আমাদের প্রতিনিয়ত ইনোভেশন হবে এবং আমাদের সার্ভিস সেভাবে ভালোভাবে রেন্ডার করা যাবে আর সেজন্যই আমরা বলছি যে আমাদের যে নিত্যনবীণ যে কাজ আছে যে আমাদের গতানুগতিক যে কাজ আছে বা আমাদের যে কাজগুলো আমরা আসলে একটা মেশিনই করে ফেলতে পারে সেগুলোকে যদি আমরা অটোমেশনের হাতে ছেড়ে দেই তাহলে এটা নিয়ে কিন্তু অনেক সুন্দরভাবে কাজটা নামিয়ে আনা সম্ভব আর সেজন্যই কিন্তু বিভিন্ন প্রসেস কোথায় টেস্টিং করতে হবে কোথায় কি কি আপডেট করতে হবে কোথায় কোন ওয়ার্কফ্লো আছে এবং সেই ওয়ার্কফ্লোর কোথায় কোথায় হাত দিতে হবে এবং সেটা কতক্ষণ লাগবে এই যে ব্যাপারগুলো এগুলো কিন্তু হিউম্যান ইন্টারেকশন লাগছে বাট এই জিনিসগুলো যদি আমরা সম্পূর্ণ যন্ত্রকে শিখিয়ে দেই তাহলে আর এটা আর লাগছে না আর এটাতে একটা বড় ব্যাপার হচ্ছে যে আমরা যেটাকে সবসময় বলি যে ভালো গভর্নেন্সের জন্য কিন্তু অটোমেশন ছাড়া গতি নেই কারণ ভালো ভালো ভালো গভর্নেন্স মানে হচ্ছে গিয়ে মানে যেটাকে অনেক সময় বলে যে মোর পিপল মিন্স মোর পটেনশিয়াল অফ নলেজ গ্যাপ মানে আসলে যত বেশি মানুষ হবে তত বেশি কিন্তু আমরা নলেজ গ্যাপের একটা ঝামেলায় পড়ে যাব মানে আমরা একটা কোম্পানিতে দেখা যাবে যে সবাই কিন্তু একই নলেজ রাখেন রাখেন না বা রাখবেন না তো মানে হচ্ছে কি আমরা যদি একটা প্রসেসে কাজটা করি এবং সেটাতে আমাদের হিউম্যান ইনভলভ করি তার মানে হচ্ছে কি একেকজন হিউম্যান একেকজনের নলেজের লেন্থ থাকবে এবং সেইটাতে একটা নলেজ গ্যাপ থাকবে আর সে কারণে হচ্ছে গিয়ে যত বেশি মানুষ একটা প্রসেসে ইনভলভ হবে তত বেশি সেটার নলেজ গ্যাপের মধ্যে পড়ে যাবে এবং সেটার জন্য কিন্তু এটা একটা রিস্ক ফ্যাক্টর হয়ে যায় আর সেটাই বলছি যে মোর পিপল মিন্স মোর পটেনশিয়াল ফর নলেজ গ্যাপ মোর নলেজ গ্যাপ মিন্স ওয়ান সাইড অফ এ বিজনেস মাইট নট নো হোয়াট অর হু ইজ ইনভলভ অন দা আদার সাইড কোডিফাইং এভরিথিং মিন্স বেটার কন্ট্রোল ইট ইজ ট্রু মানে কোডিফাইং এভরিথিং দ্যাট মিন্স আমরা যদি পুরোটাকে একটা প্রসেসে ফেলে আমরা যদি যন্ত্রের হাতে ছেড়ে দেই তাহলে কিন্তু এখানে আর হিউম্যান ইন্টারেকশন প্রয়োজন হচ্ছে না তার মানে হচ্ছে গিয়ে আমাদের অটোমেশনে যেতেই হবে আর এই অটোমেশনে এআই বা মেশিন লার্নিং বা ডিপ লার্নিং কিভাবে কাজ হবে সেটা নিয়ে আমরা আসবো সামনে আজকে এ পর্যন্তই থাকছেন তো সামনে

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা: Understanding Artificial Intelligence in Bangla

হাজারো সমস্যার সমাধান ডাটা সাইন্সে, ২য় পর্ব ডাটা সায়েন্টিস্টদের আলাপ, MS চিফ ডাটা সায়েন্টিস্ট.mp3

আবার ফিরে এলাম মাইক্রোসফট চিফ ডাটা সাইন্টিস্টের আলাপ নিয়ে। উনাকে তৃতীয় যে প্রশ্নটা করা হয়েছিল সেখানে বলা হয়েছে যে হোয়াই ডু ইউ বিলিভ ডেটা সাইন্স ডিগ্রি প্রোগ্রাম আর ভ্যালুয়েবল মানে উনাকে প্রশ্নটা যেটা করা হচ্ছিল ফরচুন ম্যাগাজিন থেকে যে ডেটা সাইন্স যে প্রোগ্রামগুলো আছে সেগুলো কেন ভ্যালুয়েবল। সেখানে উনি যেটা বলেছেন যে আসলে পৃথিবীতে এই মুহূর্তে যে পরিমাণ প্রবলেম আছে সেই প্রবলেমগুলোকে সমাধান করার জন্য শুধুমাত্র আমি মনে করি যে ডেটার ব্যবহার প্রয়োজন এবং এটাই ঠিক যে আমরা বাংলাদেশের পারস্পেক্টিভে দেখি যে বাংলাদেশে যতগুলো সমস্যা আছে আপনার ট্রাফিক প্রবলেম আমাদের কোভিড যে প্রবলেম বা আমাদের অন্যান্য খাদ্যশস্য নিয়ে যে প্রবলেম এগুলো কিন্তু সমাধান করা যায় ডেটা নিয়ে। এই ডেটা দিয়েই কিন্তু আমাদের এই সমস্যার সমাধান করা যায়। তো সেখানে বলছে যে পৃথিবীতে যত প্রবলেম আছে সেটাকে ডেটা দিয়ে যদি সমাধান করতে হয় তাহলে সেই অর্গানাইজেশন হোক আর সেই সরকারের হোক সবারই কিন্তু এই ডেটা নিয়ে ডেটার ব্যবহার নিয়ে যারা জানে মানে আমরা বলছি ডেটা সাইন্টিস্ট। ডেটা সাইন্টিস্ট প্রয়োজন। আর সবচেয়ে বড় জিনিসটা হচ্ছে কি আমরা দেখছি যে একটা এক্সপোনেনশিয়াল গ্রোথ হচ্ছে ডেটাতে। এখন এই এক্সপোনেনশিয়াল গ্রোথ মানে আমাদের শুধু ডেটা রাখলেই হবে না। ডেটার পাশাপাশি আমাদেরকে মেকিং সেন্স অফ ডেটা মানে ডেটা থেকে আমাদেরকে বুঝতে হবে যে ডেটা কি বলতে চাইছে। তো সেটা বলছে যে এখন যেহেতু স্টোরিং ডেটা এবং আমাদের প্রসেসিং পাওয়ার বেড়েছে তার মানে হচ্ছে কি আমাদের এই ডেটা থেকে আমাদের আন্ডারস্ট্যান্ডিংটা পেতে হবে যে ডেটা কি বলতে চাইছে এবং সেই আন্ডারস্ট্যান্ডিং যদি আমরা ঠিকমত পাই তাহলে আমাদের প্রবলেমগুলো সলভ করা যাবে। আর আরেকটা জিনিস উনি বলেছেন যে যেহেতু এই প্রসেসিং পাওয়ার বাড়া তারপর হচ্ছে কি আমাদের স্টোরেজের দাম কমা তারপর হচ্ছে গিয়ে আমাদের ডেটা বাড়া মানে এটা কিন্তু আর কমবে না। মানে এটা কিন্তু বাড়তেই থাকবে। তার মানে হচ্ছে কি আমাদের ডেটা বাড়বে আমাদের ডেটা থেকে আমাদেরকে ধারণা নিতে হবে এবং সেটা কিন্তু একটা অ্যামেজিং অপরচুনিটি উনি বলছেন যেটা আগে ছিল না এবং সেটার জন্যই কিন্তু এখন ডেটা সাইন্টিস্টদের লাগবে জাস্ট এই ডেটা প্রসেসিং করার জন্য। উনি বলছেন যে এআই ফর গুড মানে যেটাতে উনি মাইক্রোসফট এর যে ডিভিশন চালাচ্ছেন এআই ফর গুড মানে বৈশ্বিক যত সমস্যা আছে বৈশ্বিক সমস্যাগুলোকে উনি সমাধান করতে চাচ্ছেন। সেখানে তারা প্রচুর মানে ভেরি ডাইভার্সড প্রবলেম সলভ করতে চাচ্ছেন। যেমন ক্যান্সার নিয়ে উনারা প্রবলেম সলভ করতে চাচ্ছেন। এর পাশাপাশি স্যাটেলাইট ইমেজেরি দিয়ে মানে স্যাটেলাইট ইমেজেরি দিয়ে কেন ফায়ার হচ্ছে বিভিন্ন যে বুশ ফায়ার হয় বা যে বনের যে ফায়ার গুলো হয় সেগুলোকে আগে থেকে কিভাবে কন্ট্রোল করা যায়। এর পাশাপাশি আমরা যেটা দেখছি যে আমার অন্যান্য যে এডুকেশনের যে প্রবলেম আছে তারপর হচ্ছে গিয়ে আমাদের ডেঙ্গুতে যে প্রবলেম হচ্ছে আমাদের কোভিডে যে প্রবলেম হচ্ছে সব কিন্তু আমাদের তারপর আমাদের ট্রাফিক প্রবলেম আছে এই প্রবলেমগুলো কিন্তু সমাধান কিন্তু একই। মানে উনি যেটা বলছেন বলতে চাচ্ছেন যে এখানে এখানে উনি যেটা বলছেন যে দা ম্যাজিক অফ ডেটা সাইন্স ইজ দ্যাট ইভেন দো দিস প্রবলেমস আর রিয়েলি ডিফারেন্ট ফ্রম এ পিওর ডেটা সাইন্স পারস্পেক্টিভ দা সলিউশনস আর দা সেইম। এটা কিন্তু খুব ডিপ একটা কথা যে যদিও এই ডেটা সাইন্সের প্রবলেমগুলো খুবই ডিফারেন্ট মানে একটার সাথে আরেকটা যায় না এবং একটার সাথে আরেকটা অনেক ডিফারেন্ট কিন্তু ডেটা সাইন্সের পারস্পেক্টিভ থেকে এটার সমাধান কিন্তু একটাই। মানে উনি বলছেন যে সবকিছুর সমাধান কিন্তু একটাই এবং সেটা কিন্তু ডেটা থেকে মেকিং সেন্স অফ ডেটা মানে ডেটা ডেটা ডেটাকে যদি আমরা ঠিকমত ডিল করতে পারি তাহলে কিন্তু সেই ডেটার সমাধান কিন্তু একটাই। দা ম্যাজিক অফ ডেটা সাইন্স ইজ দ্যাট ইভেন দো দিস প্রবলেমস আর রিয়েলি ডিফারেন্ট ফ্রম এ পিওর ডেটা সাইন্স পারস্পেক্টিভ দা সলিউশনস আর দা সেইম। এটা কিন্তু খুব একটা বিশাল আন্ডারস্ট্যান্ডিং যে আমাদের ডাইভার্স প্রবলেম কিন্তু ডাইভার্স প্রবলেম হলে আমাদের সমাধান কিন্তু একই এবং সেই সমাধান যদি আমরা করতে চাই তার দিকে যদি আমরা হাঁটতে চাই তাহলে কিন্তু ডেটা সাইন্স কিন্তু একটা বড় পার্ট প্লে করছে। আরেকটা জিনিস উনি বলছেন যে যদিও মানে যদিও মানে উনি সাবজেক্ট ম্যাটার এক্সপার্টের ব্যাপারে বলছেন বা ডোমেইন এক্সপার্টের কথা বলছেন যে যারা এখন আমরা ডেটা সাইন্স আছি। ধরা যাক আমি এখন সুরক্ষা অ্যাপ নিয়ে কাজ করছি কিন্তু এর পেছনে আমাদের সাবজেক্ট ম্যাটার এক্সপার্ট বা আমাদের যে ডেটা আমাদের যে ডোমেইন এক্সপার্ট আমাদের কিন্তু ডক্টরদের সাহায্য নিতে হবে। ইভেন এখন প্রচুর ডক্টর উনারা কিন্তু ডেটা সাইন্স ফিল্ডে আসছেন বিকজ উনার কাজের মধ্যে কিন্তু এটা নিয়ে কাজ হচ্ছে। সো এটা বলছে যে ইট ইজ ভেরি পাওয়ারফুল বিকজ ইউ ক্যান ওয়ার্ক অন অল দিস প্রসেসেস এজ লং এজ ইউ হ্যাভ দা ডেটা এন্ড এজ লং এজ ইউ হ্যাভ দা সাবজেক্ট ম্যাটার এক্সপার্ট দ্যাট আন্ডারস্ট্যান্ডস দা প্রবলেম। ভেরি ডিপ কথা যে এগুলো সবই হবে এবং সব সমাধান হবে যখন এই ডেটা নিয়ে যখন কাজ করব এবং এই ডেটা ডেটার পাশাপাশি আমাদের সাবজেক্ট ম্যাটার এক্সপার্ট লাগবে টু আন্ডারস্ট্যান্ড দা প্রবলেম এন্ড ইট ইজ ভেরি ট্রু যে আমরা সুরক্ষা অ্যাপ বলবো না। আমরা ধরা যাক আমাদের যে খাদ্যশস্যর যে সমস্যাগুলো হচ্ছে যে খাদ্যশস্য আসছে দেশে কিন্তু এটার দাম বাড়ছে। তার মানে হচ্ছে কি আমাদের যে আমরা যেটা বলতে চাইছি যে আমাদের দেশে খাদ্যশস্য যখন আসছে এলসি করে এই ডেটা কিন্তু আমাদের সরকারকার আছে। তার মানে হচ্ছে কি প্রতিটা খাদ্যশস্য তেল থেকে শুরু করে সবকিছুই কিন্তু ডেটা আছে সরকারের কাছে। তার মানে হচ্ছে কি এখান থেকে প্রেডিক্ট করা যায় কখন প্রাইস হাইক হতে পারে বা কখন প্রাইস এই ব্যাপারটা বিভিন্ন জায়গায় যেতে পারে। তো সেই লেভেলে মানে আমরা বলছি যে এখানে উনি যেটা বলছেন যে ইট ইজ ভেরি পাওয়ারফুল বিকজ ইউ ক্যান ওয়ার্ক উইথ অল দিস প্রসেসেস এজ লং এজ ইউ হ্যাভ দা ডেটা এজ লং এজ ইউ হ্যাভ দা ডেটা এন্ড ইউ হ্যাভ দা সাবজেক্ট ম্যাটার এক্সপার্ট টু আন্ডারস্ট্যান্ড দা প্রবলেম। তার মানে হচ্ছে কি আমাদের এই যে খাদ্যশস্য নিয়ে যে প্রবলেমটা হচ্ছে তার জন্য আমাদের ইকোনমিস্ট লাগবে। তার পাশাপাশি আমাদের এই খাদ্যশস্য যেভাবে মার্কেটিং হয় এবং খাদ্যশস্য কিভাবে মিলে যায় খাদ্যশস্য কিভাবে পরিশোধন হয় বা আমাদের তেল পরিশোধন কিভাবে হয় সেই সাবজেক্ট ম্যাটার এক্সপার্টের সাথে কথা বলে বিভিন্ন ডেটা পয়েন্ট থেকে ডেটা কালেক্ট করলে কিন্তু সেই সমস্যার সমাধান করা যায়। সো উনি বলছেন যে এই কারণেই কিন্তু ডেটা সাইন্টিস্টের প্রয়োজন যারা দে উড গেট দা ভ্যালি ভ্যালু আউট অফ ডেটা মানে এই যে বিভিন্ন ডেটা পয়েন্ট আমি বলছি যে বিভিন্ন ডেটা পয়েন্ট থেকে যখন আমরা ডেটা কালেক্ট করব এবং আমার ইকোনমিস্ট উনার সাথে কথা বলব আমরা খাদ্যশস্য নিয়ে বিভিন্ন লেভেলে যে আমাদের যে খাদ্যশস্য আসলে বিভিন্ন জায়গায় যেভাবে একটা জায়গা থেকে আরেকটা জায়গায় যাচ্ছে এবং তার পাশাপাশি খাদ্য খাদ্যশস্যগুলো আমাদের এই যে প্রসেসে ডিস্ট্রিবিউশন চ্যানেলে যারা আছেন ডিস্ট্রিবিউশন চ্যানেলে যিনি সাবজেক্ট ম্যাটার এক্সপার্ট বা ডোমেইন এক্সপার্ট ডিস্ট্রিবিউশন চ্যানেলে যারা কথা বলছেন তাদের সাথে কিন্তু তাদের ডেটা পয়েন্ট থেকে কিন্তু আমরা দেখলে কিন্তু হয়। আর বাংলাদেশে যতগুলো আমাদের এই গোডাউন আছে বা এগুলোর ডেটা পয়েন্ট আছে। তো সেইটাই কিন্তু আমরা বলছি যে প্রতিটা প্রবলেমের সমাধান একটাই। সেটা হচ্ছে গিয়ে ডেটা থেকে প্রেডিক্ট করতে পারা যায় কবে কোন সময়ে কোন খাদ্যশস্যের বা কোন জিনিসটার দাম বাড়বে বা এর সাথে আমাদের বৈশ্বিক যে ডেটাগুলো আছে সেই ডেটাগুলোর পয়েন্টগুলোকে আমাকে কানেক্ট করতে হবে। সো এখানে আমরা আমরা এখানে দেখছি যে যেহেতু এই মেকিং সেন্স অফ ডেটাটা হচ্ছে না আর সেই কারণে কিন্তু এই স্কিলগুলো মানে আমরা ভাবছি যে এগুলো মনে হয় সমাধান করা সম্ভব না। আর সেখানে বলছে যে অনেক ধরনের প্রবলেম আছে যেগুলো আমরা ভাবছি যে এটা সমাধান করা সম্ভব না যেহেতু এটা পুরোপুরি ডাইভার্স কিন্তু আমরা দেখছি যে এই সব সমস্যার সমাধান কিন্তু করা যাচ্ছে ডেটা থেকে। আরেকটা জিনিস উনি বলছেন যেটা আমি সবসময় বলে থাকি যে অন দা জব ট্রেনিং যেটা আমাদের সামরিক বাহিনীতে আমরা দেখেছি যে অন দা জব ট্রেনিং একটা মানুষকে যদি তাকে রিয়েল ট্রেনিং দেওয়া যায় সেটা কিন্তু অন দা জব মানে উনি কিন্তু তার জবে এসে শেখেন। সেটা উনি বলছেন যে দা মেজরিটি অফ দা স্কিল ইউ লার্ন অন দা জব। তারপর উনি বলছেন হাউএভার দেয়ার ইজ এ ফাউন্ডেশন অফ স্কিলস দ্যাট ইউ নিড। মানে আমরা অন দা জব ট্রেনিং এ অবশ্যই শিখবো কিন্তু ফাউন্ডেশন স্কিল এটা কিন্তু আমাদেরকে শিখতে হবে এবং ফাউন্ডেশন স্কিল এই শেখার জন্য উনি বলছেন যে উনি কোডিং শিখছিলেন আর্লি ইন হিজ ক্যারিয়ার কিন্তু উনার ডিগ্রি প্রোগ্রামে উনি উনার কোডিংকে ফরম্যালাইজ করছেন। উনি এটাকে ইমপ্রুভ করেছেন এবং উনি এর পাশাপাশি ফাউন্ডেশন পেয়েছেন মেশিন লার্নিং এবং ডিপ লার্নিং এর। তার মানে হচ্ছে কি মেশিন লার্নিং ডিপ লার্নিং এর ফাউন্ডেশন পাশাপাশি অ্যালজেব্রা এই যে ফাউন্ডেশনটা পেয়েছেন এর ফলেই কিন্তু উনি আজকে এই লেভেলে পৌঁছেছেন এবং একটা কথা উনি বারবার বলছেন যে আই অলসো থিংক দ্যাট ইট ইজ ভেরি ইজি ফর আস কম্পিউটার সাইন্টিস্ট টু ওয়ার্ক উইথ ডেটা উইদাউট আন্ডারস্ট্যান্ডিং হোয়াট ইউ ক্যান ডু এন্ড হোয়াট ইউ ক্যান নট ডু উইথ দেম। সো ইউ নিড এ ভেরি স্ট্রং ব্যাকগ্রাউন্ড ইন স্ট্যাটিস্টিকস। আপনি ভেরি ডিপ একটা কথা যে আই অলসো থিংক দ্যাট ইট ইজ ভেরি ইজি ফর আস কম্পিউটার সাইন্টিস্ট টু ওয়ার্ক উইথ ডেটা উইদাউট আন্ডারস্ট্যান্ডিং হোয়াট ইউ ক্যান ডু এন্ড হোয়াট ইউ ক্যান নট ডু উইথ দেম। সো ইউ নিড এ ভেরি স্ট্রং ব্যাকগ্রাউন্ড ইন স্ট্যাটিস্টিকস। আমরা আসলে কম্পিউটার সাইন্টিস্ট তারা ভাবছি যে আমরা এটা পারি আমরা এটা বুঝি এবং সেই ডেটা নিয়ে কাজ করছি। আমরা অনেক কিছুই বুঝে কাজ করছি অনেক কিছুই না বুঝে কাজ করছি। আর সে কারণে উনি বলছেন যে এখানে স্ট্রং ফাউন্ডেশন আসতে হবে স্ট্যাটিস্টিকস থেকে। কারণ স্ট্যাটিস্টিকস হচ্ছে গিয়ে ডেটা সাইন্সের বাবা মা। মানে আমি যেটা সবসময় বলে থাকি যে আজকের স্ট্যাটিস্টিকস আমরা যেটা বলছি সেটা একটা বাজওয়ার্ড হচ্ছে গিয়ে মেশিন লার্নিং ডিপ লার্নিং। তার মানে হচ্ছে কি স্ট্যাটিস্টিকস কিন্তু 100 বছর 200 বছর ধরে ছিল। সেই স্ট্যাটিস্টিকসের আমার যদি ব্যাকগ্রাউন্ড না থাকে তাহলে কিন্তু আমি যে ডেটা নিয়ে কাজ করছি সেই ডেটাটা আমি বুঝতে পারছি না যে আমি কি কাজ করছি। তো সেটাই একটা সমস্যা যে আমার ডেটা থেকে বোঝার জন্য আমাকে বুঝতে হবে যে আমি আসলে কি নিয়ে কাজ করছি। আর সে কারণে কিন্তু উনি বারবার বলছেন যে স্ট্যাটিস্টিকসের একটা ব্যাকগ্রাউন্ড থাকা উচিত। আর উনি আরেকটা উনাকে প্রশ্ন করা হয়েছিল যে গিভেন দা ডেটা সাইন গিভেন দা ডেটা সাইন্স ইজ ওয়াইডলি অ্যাপ্লিকেবল এন্ড ইজ সাচ হাই ডিমান্ড হোয়ার ডু ইউ সি দা ফিল্ড গোইং ইন দা ফিউচার মানে ডেটা সাইন্টিস্ট বা ডেটা সাইন্স ফিল্ডটার এত ডিমান্ড সেটার ফিউচার কোথায় যাচ্ছে। তো উনি বলছেন যে আমি একটা আমি একজন মেডিকেল ডক্টর হই অথবা আমি ফিজিসিস্ট হই অথবা আমি ইকোনমিস্ট হই ডেটা সাইন্স উইল কন্টিনিউ টু বিকাম ওয়ান অফ দা বিকাম মোর অফ এ পার্ট অফ ইউর জব। মানে উনি যেটা বলছেন যে আমি মেডিকেল ডক্টর হই আমি ফিজিসিস্ট হই আমি ইকোনমিস্ট হই ডেটা সাইন্স কিন্তু আমার জবের অংশ হয়ে দাঁড়াবে। এটা কিন্তু একটা ডিপ কথা। মানে উনি বলছেন যে ইভেনচুয়ালি মানে এই এই ডিসিপ্লিনগুলো মানে আমি যেই ডিসিপ্লিনে কাজ করি না কেন এই সব ডিসিপ্লিনগুলো কিন্তু একটা পয়েন্টে কালমিনেট করছে যেখানে ডাটা ডাটা সাইন্টিস্টের যে অংশটা সেটা কিন্তু উনাকে করতে হচ্ছে। তার মানে উনি বলছেন যে ইভেনচুয়ালি আই থিংক অল অফ দিস ডিসিপ্লিন উইল ইভলভ টু দা পয়েন্ট হোয়ার ডেটা সাইন্স উইল বি পার্ট অফ দেয়ার কারিকুলাম। মানে আমি আজকে ডক্টর আমি আজকে ফিজিসিস্ট আমি আজকে ইকোনমিস্ট আমি আজকে হয়তোবা মার্কেটিং এক্সপার্ট কিন্তু ডেটা সাইন্স উইল বি পার্ট অফ মাই মানে ডেটা সাইন্স কিন্তু আমার কারিকুলামের পার্ট হবে। এটাই উনি বলতে চাচ্ছেন এবং ইট ইজ ভেরি ট্রু। উনি আরেকটা কথা বলছেন যে যে আই থিংক দা হিউজ ভ্যালু অফ ডেটা সাইন্স ইন জেনারেল মানে দেয়ার ইজ হিউজ ভ্যালু। বাট এখানে উনি বলছেন যে প্রতিটা যে ডিসিপ্লিন আছে সেই ডিসিপ্লিন কিন্তু একই ভাবে কিন্তু ডেটা নিয়ে কাজ করছে। মানে প্রতিটা ডিসিপ্লিন কিন্তু ডেটা নিয়ে কাজ করছে। কিন্তু সেই ডেটাটা তাদের মত করে করছে। উনি একই জিনিস উনি বলছেন যে কোডিং এর ক্ষেত্রে যে আগে যখন আমরা কোডিং করতাম তখন কিন্তু যারা কম্পিউটার সাইন্স পড়তো তারাই শুধু কোডিং করতে পারতো। কিন্তু এখন বলছে যে নাউ দা মেজরিটি অফ দা পিপল দ্যাট উই হায়ার মানে তারা বলছে যে আমরা মেজরিটি অফ দা পিপল যা যাদেরকে উনি হায়ার করছেন তাদের কম্পিউটার সাইন্স ডিগ্রি নেই কিন্তু তারা কোডিং এ এক্সপার্ট। তার মানে হচ্ছে কি কোডিং হ্যাজ বিকাম পার্ট অফ দা কারিকুলাম অফ এভরিথিং হোয়াট ইউ লার্ন দিস ডেইজ। তার মানে হচ্ছে কি আমি আজকে ইকোনমিস্ট হই আমি আজকে ডক্টর হই আমার কিন্তু কোডিং লাগছেই। আর কোডিং যেহেতু লাগছে মানে আমাকে তো সবকিছুতে কম্পিউটার ব্যবহার করতে হচ্ছে। সো আমার কোডিং ব্যবহার করতে যেহেতু হচ্ছেই তার মানে কোডিং হ্যাজ বিকাম এই কানেকশন টু অল ডিসিপ্লিন। আমি যেখানেই পড়ি না কেন আমাকে কিন্তু কোডিং করতে হচ্ছে। আমাকে বিভিন্ন জায়গায় আগে শুধুমাত্র কম্পিউটার সাইন্সের জন্য না। তো সেটা বলছে যে এই একই জিনিস ঘটবে ডেটা সাইন্স সাইন্সের ক্ষেত্রে। ডেটা সাইন্স উইল বিকাম উইল বি পার্ট অফ অল ডিসিপ্লিন। আপনি ডক্টর হন আপনি ফিজিসিস্ট হন আপনি মার্কেটিং এক্সপার্ট হন আপনি ডিজিটাল মার্কেটিং এক্সপার্ট হন আপনি যেটাই হন না কেন ডেটা সাইন্স কিন্তু আপনার কারিকুলামের অংশ হবে। এবং শেষ প্রশ্নটা উনাকে যেটা করা হয়েছিল হোয়াট আর মানে হোয়াট আদার স্কিলস আর এসেনশিয়াল টু হ্যাভ এজ এ ডেটা সাইন্টিস্ট মানে ডেটা সাইন্টিস্ট হওয়ার জন্য আর কি স্কিল প্রয়োজন আছে উনাকে যেটা মানে উনাকে যেটা প্রশ্ন করা হয়েছিল এন্ড আই টু আই রিয়েলি এগ্রি টু দা অ্যানসার হোয়াট হি হ্যাজ গিভেন। উনি বলছেন যে দা মোস্ট ইম্পর্টেন্ট স্কিল ইজ কিউরিসিটি। উৎসুক উৎসুক ভাব বা উৎসুক ভাব মানে উৎসুক যে ভাবটা আছে সেটা বলছে যে কিউরিসিটিটা কিন্তু একদম প্রথমেই লাগবে। সাম পিপল হ্যাভ গ্রেট স্কিল ফর কিউরিসিটি এন্ড আর জাস্ট এবল টু আস্ক দা রাইট কোশ্চেন। আমি যে মাঝে মাঝে বলি যে ডেটা সাইন্সের একটা বড় পার্ট হচ্ছে কি ইউ শুড বি এবল টু আস্ক দা রাইট কোশ্চেন। মানে আপনার ডেটা থেকে আসল প্রশ্নটা করতে পারতে হবে যে আপনি কি সমস্যার সমাধান মানে আপনি কি সমস্যা দেখছেন। ইউ শুড বি এবল টু ফিগার আউট হোয়াট ইজ দা রাইট কোশ্চেন অন দিস। সো এর পাশাপাশি বলছেন যে ঠিকমত প্রশ্ন করতে পারাটা মানে আমাকে ডেটা সাইন্সের একটা বড় পার্ট হচ্ছে ঠিকমত প্রশ্ন করতে পারাটা আমার সমস্যা দেখে। আরেকটা জিনিস উনি বলছেন যে ইট ইজ অলসো ইম্পর্টেন্ট টু হ্যাভ এন আন্ডারস্ট্যান্ডিং অফ ইম্প্যাক্ট। কিওয়ার্ড ইম্প্যাক্ট দ্যাট মিন্স বিং এবল টু ট্রান্সলেট এন ইম্পর্টেন্ট কোশ্চেন ইনটু দা ডাটা ডাটা সাইন্স টাস্ক। মানে আমাকে ট্রান্সলেট করতে পারতে হবে যে হোয়াট ইজ দা ইম্পর্টেন্ট কোশ্চেন ইন দ্যাট ডেটা সাইন্স প্রবলেম। তার মানে হচ্ছে কি এডিশনালি উনি আবার বলছেন ইন অর্ডার টু হ্যাভ এন ইম্প্যাক্ট ইউ নিড টু বি এবল টু এক্সপ্লেইন হোয়াট দা ডেটা ইজ সেইং এন্ড হোয়াট ইজ নট সেইং ইন লেমেন টার্মস এন্ড ইন এ ওয়ে দ্যাট আদার পিপল ক্যান আন্ডারস্ট্যান্ড। যেটা আসলে আমরা প্রায় বলি যে যদি আপনি ইম্প্যাক্ট বুঝতে চান যদি ইম্প্যাক্ট করতে চান তাহলে ডেটা কি বলছে আর ডেটা কি বলছে না সেটাকে একদম লেমেন টার্মে মানে এই যে কমিউনিকেট উইথ ডেটা মানে ডেটাকে প্রপারলি কমিউনিকেট করতে পারতে হবে। আমার বস উনি তো ডেটা উনাকে উনার মত বুঝাতে হবে যে ডেটা আসলে কি বলতে চাইছে। সুতরাং আমাকে আমার ডেটার আন্ডারস্ট্যান্ডিংটা শুধু আমি পেলে হবে না। এই ডেটা থেকে আমাকে বুঝতে হবে যে ডেটা কি বলতে চাইছে এবং সেই আন্ডারস্ট্যান্ডিংটা আমি আমার ডিসিশন মেকিং লেভেলে যারা আছে তাদেরকে ঠিকমত কমিউনিকেশন করতে পারতে হবে। সেটা একটা বড় পার্ট। ডেটাকে ঠিকমত কমিউনিকেট করতে পারা। আরেকটা জিনিস উনি বলছেন যে কমপ্লিকেটেড এবং কমপ্লেক্স থিং করা যায় এবং এটা কিন্তু এটা দিয়ে খুব ভালোভাবে ইমপ্রেস করা যায় মানুষজন মানুষজনকে। কিন্তু ইফ ইউ উনি বলছেন ইফ ইউ রিয়েলি ওয়ান্ট টু হ্যাভ এন ইম্প্যাক্ট অন দা ওয়ার্ল্ড ইউর সলিউশন নিড টু বি সিম্পল এন্ড ইট ইজ ভেরি ট্রু। আমরা যদি একটা ইম্প্যাক্ট মানে আমরা যদি আমাদের ওয়ার্ল্ডে আমাদের বৈশ্বিক প্রবলেমের একটা ইম্প্যাক্ট চাই তাহলে কিন্তু দা সলিউশন হ্যাজ টু বি সিম্পল। দা সলিউশনটাকে আসলে খুব সিম্পল হতে হবে। উনি বলছেন যে বিল্ডিং সিম্পল সলিউশন ইজ হার্ড বাট ইট ইজ ভেরি পাওয়ারফুল। হ্যাঁ সিম্পল সলিউশন তৈরি করা কিন্তু ডিফিকাল্ট। ইট ইজ ট্রু যে সিম্পল সিম্পল আসলেই তৈরি করা ডিফিকাল্ট। কিন্তু এটা পাওয়ারফুল। তো এটা আসলে উনি যেটা বলতে চাচ্ছেন যে আমাদের কাছে যত কমপ্লেক্স প্রবলেম আছে বা এটার সমাধান কিন্তু সোজা। আর কমপ্লিকেটেড এবং কমপ্লেক্স প্রবলেম দিয়ে হয়তোবা মানুষকে ইমপ্রেস করা যায় কিন্তু যদি আমি ইম্প্যাক্ট করতে চাই পৃথিবীতে তাহলে কিন্তু আমার প্রবলেমের সমাধান কিন্তু সিম্পল হতে হবে। এই একই জিনিস কিন্তু আমরা দেখছি আমাদের ট্রাফিক ট্রাফিক প্রবলেমে আমরা একই জিনিস দেখছি আমরা অন্যান্য জায়গায়। আজকে এই পর্যন্তই থাকছেন তো সামনে?

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা: Understanding Artificial Intelligence in Bangla

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা, ১৫ মুখে মুখে ফর্ম পূরণ করলে কেমন হবে.mp3

ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এর অনেক অ্যাপ্লিকেশন নিয়ে এর আগে আলাপ করেছি। তবে একটা জিনিস আমি সবসময় বলতে চাই যে ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এর অনেক অ্যাপ্লিকেশন নিয়েও এর আগে আলাপ করেছি। তবে আমার কাছে মনে হচ্ছে যে আমি যে বইটা লিখেছিলাম ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং মানে আমরা বলেছি যে হাতে কলমে বাংলা ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এই বইটাতে আমি অনেকগুলো ইউজ কেস কথা বলেছি যে প্রথম একটা ইউজ কেস আমার বিষয়ে আমি যেটা বলতে চাই যে আমি যখন ছোটবেলা থেকে বিভিন্ন ইউনিভার্সিটিতে বা বিভিন্ন ফর্ম মানে আমরা দেখেছি যে মানুষ প্রতিটা ফর্ম মানে আমরা ফর্ম পূরণ করতে আমরা আসলে খুব অনীহা প্রকাশ করি। আমি বলছি যে আমরা যখন বিভিন্ন ফর্ম মানে আমরা বিভিন্ন ইউনিভার্সিটিতে বা আমরা যেকোনো অফিসে বা যেকোনো দলিল দস্তাবেজ বা আমরা যেকোনো জিনিস নিয়ে কাজ করতে গেলে আমাদের একটা ফর্ম পূরণ করতে হয়। এই ফর্ম পূরণ করতে গেলে একটা বড় সমস্যা হয় যে আমরা আসলে আমাদের একই তথ্য একই জিনিস যেমন আমি বলতে পারি যে ইউএস যে ভিসা আছে তার জন্য একটা ফর্ম পূরণ করতে হয় সেই ফর্মটা হয়তোবা 15 20 পেজ বা আমরা বিভিন্ন জায়গায় বিভিন্ন ফর্ম পূরণ করছি যেগুলো আসলে অনেক বড় বড় এবং রিপিটেটিভ। তো ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং দিয়ে কেন আমরা এই ধরনের ফর্মগুলোকে অটোমেশন করতে পারছি না। আমরা বলছি যে ভবিষ্যতে মানে ভবিষ্যতে বলছি যে এখনই আমরা করতে পারি এরকম যে সরকারি যেকোনো আবেদন, যেকোনো সেবা বা যেকোনো কিছু আমরা যদি ফর্ম পূরণ করতে পারি সেটা যদি আমরা ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এ শুধুমাত্র মুখে শুধুমাত্র মুখে বলে মানে আমরা কথায় বলে যদি আমরা ফর্মগুলো পূরণ করতে পারি তাহলে কিন্তু আমাদের অনেকগুলো সমস্যার সমাধান হয়। যেমন আমি বলতে পারি যে আমরা একটা ভূমি আমি বলতে পারি যে আমরা একটা নামজারির জন্য আবেদন করলাম বা আমরা বললাম যে আমরা আজকে ট্রেড লাইসেন্সের জন্য আবেদন করলাম। তো আমরা তাদের ওয়েবসাইটে যাব বা আমরা ওয়েবসাইটে যাওয়ার আগে আমি বলতে পারি যে হয়তোবা আমাদের একটা অ্যাপ্লিকেশন থাকবে যে অ্যাপ্লিকেশন একটা মোবাইল অ্যাপ্লিকেশন যে অ্যাপ্লিকেশনটা শুরু মানে আমি বলতে পারি যে পুরো সরকারের জন্য একটা অ্যাপ্লিকেশন এবং সেই অ্যাপ্লিকেশনে একটাই ফ্রন্ট এন্ড যে আমরা চাপ দিব হচ্ছে গিয়ে আমাদের একটা মাইক্রোফোন বাটনে। আমাদের মাইক্রোফোন বাটনে কিন্তু আমি যেভাবে কথা বলব সেই রেসপন্সে কিন্তু সে আমাকে আবার কনফার্ম করবে। যেভাবে আমরা কথা বলি আমাদের যে গুগল অ্যাসিস্ট্যান্ট আছে বা সিরি আছে গুগল অ্যাসিস্ট্যান্ট বা সিরিতে কিন্তু আমি আমি যেমন গুগল অ্যাসিস্ট্যান্ট খুব ব্যবহার করি। আমি প্রায় বিভিন্ন মিটিং সেট করি বা আমি ওকে ডাকতে বলি, ওকে কাজ করতে বলি বা গাড়ির সাথে ওটাকে কানেক্ট করতে বলি বা আমার বিভিন্ন লাইট ফ্যানকে কানেক্ট করতে পারি। তো আমার সাথে সে কিন্তু ইন্টারেক্ট করে আমাকে বলে যে এটার সাথে ওটা কানেক্ট করতে হবে বা এটার সাথে ওটা সংযুক্ত করতে হবে বা আমরা ওকে ও কিন্তু আমাকে বলে যে এটাই কি সেটা বা আমাকে সে কনফার্ম করে। তার মানে হচ্ছে কি আমরা মুখে যদি কোন কিছু বলি সেটা কিন্তু ফর্মে অটোমেটিকলি ফিলাপ হয়ে যাওয়ার কথা উইথ মাই প্রিভিয়াস যত ডেটা আছে মানে আমরা যেভাবে অটো ফিলাপ করি বা গুগল এর অটো ফিলাপ আছে আমরা একই ডেটা আমরা গুগল ফর্মে অটো ফিলাপ করি। একইভাবে আমরা পুরোপুরি ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং দিয়ে আমরা বলছি যে এই ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং দিয়ে বাংলায় আমাদের যেকোনো ফর্ম মানে আমরা সরকারি বেসরকারি যেকোনো ফর্ম আমরা পূরণ করতে পারি। আর সে কারণে এটার পেছনে প্রেডিক্টিভ অ্যানালিটিক্স যে আমার আমি আমি বলতে পারি যে আমার নাম রকিবুল হাসান। তো ও আমাকে আমি যখনই বলবো ও আমাকে বলবে যে তোমার নাম কি বা সে নিজেই বলে দিবে যে হ্যাঁ তোমার নাম রকিবুল হাসান কি? তো তার মানে হচ্ছে কি সে কিন্তু আমাকে কনফার্ম করবে যেহেতু সে জানে আমার নাম সে বলবে তোমার এনআইডি এটা কি অথবা সে আমাকে ডেট অফ বার্থ বলবে তুমি কি নভেম্বরের? তো এই যে জন্মসাল থেকে শুরু করে সবকিছু বা আমাকে অন্যান্য সবকিছুতে সে কিন্তু কনফার্ম করতে পারে ভয়েস অ্যাক্টিভেটেড। তো সেটাই বলছি যে ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এর যে ইভলভ বা যে ইউজ কেস আছে সেই ইউজ কেস নিয়ে কিন্তু আমরা অনেক আলাপ করেছি এবং সেই আলাপের একটা বিষয় যেটা নিয়ে আমি আজকে আলাপ করলাম যে আমাদের ওয়েব বেসড ফর্ম ফিলাপ মানে আমরা কোন ফর্ম হাত দিয়ে ফিলাপ করবো না সবকিছু মুখে এবং মুখে ভয়েস অ্যাক্টিভেটেড এবং এটা করা সম্ভব এবং এটার জন্য আমাদের প্রচুর ইউজ কেস আমরা দেখছি এবং সেই হিসেবে কিন্তু আমরা Amazon এ অর্ডার করছি অ্যালেক্সার মাধ্যমে বা এই যে বিভিন্ন অর্ডার বা বিভিন্ন কিছু করছি সেখানে কিন্তু পেছনে অটো ফিলাপ বা এই জিনিসগুলো কিন্তু কাজ করছে। আমি ধারণা করছি ভবিষ্যতে আর দু থেকে তিন বছরের মধ্যে আমরা আর কোন ফর্ম ফিলাপ করবো না যেটা আমাদের জন্য ড্রেডফুল মানে আমি অনেক সময় এই ফর্ম ফিলাপের জন্যই আমি অনেক ধরনের সার্ভিস নিতে পারি না বা এই ফর্ম ফিলাপ না করার বা ফর্ম ফিলাপের জন্য যে অনীহা সেটার জন্য কিন্তু আমি অনেক সার্ভিস নিতে পারি না। সেটাই বলছি যে আমরা ভবিষ্যতে এই ধরনের ফর্ম ফিলাপ গুলো কিন্তু আমরা নিজেরা করবো না। মুখে বলবো হয়তোবা গুগল নিজ থেকে অটো ফিলাপ করবে অথবা আমার কাছে কনফার্মেশন নেবে। আজকে এই পর্যন্তই থাকছেন তো সামনে?

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা: Understanding Artificial Intelligence in Bangla

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা, ২ Artificial Intelligence Understanding in Bangla, part 2.mp3

আমরা বর্তমানে এআই নিয়ে সুপার এক্সাইটেড। কারণ এআই নিয়ে যেসব কাজ হচ্ছে এবং সামনে এআই নিয়ে যে ধরনের কাজের পারসপেক্টিভ আসছে সেটা আসলে বোঝার উপায় নেই। তো আমি আজকে বলছি যে এই বইটা এআই 2041 মানে এটা একটা বই যেটা থেকে আমি আসলে অনেক ধরনের আইডিয়া পাচ্ছি। বাট একটা জিনিস আমি বলতে চাই যে আমরা কেন এআই নিয়ে চিন্তা করছি না। আর সবচেয়ে বড় জিনিসটা হচ্ছে যে এআই আজকে আমাদের যারা নতুন প্রজন্ম আছে তাদের লাইফটাইমে এআইটা এত বেশি ওতপ্রোতভাবে জড়িত থাকবে সেখানে এআই এর ব্যাপারটা যদি আমরা এখন থেকে যদি না জানি তাহলে আমাদের সামনে যে দিনগুলো আছে সেই দিনগুলোতে আমরা পিছিয়ে পড়বো। আমি যদি এভাবে বলি যে সফটওয়্যার ইজ ইটিং দা ওয়ার্ল্ড মানে এটার প্রায় নেটস্কেপের যে ফাউন্ডার ছিলেন উনি কিন্তু এন্ড্রিসন উনি অনেক আগে বলে দিয়েছেন যে কিভাবে সফটওয়্যার আমাদেরকে পুরো লাইফটাই পাল্টে দেবে। সেখানে আমরা কেন এই সফটওয়্যারের যে বাবা আমরা বলছি যে সফটওয়্যার কে যারা চালাবে বা সফটওয়্যারের সামনাসামনি আমরা আজকে যেটা বলছি যে সফটওয়্যার। বাট তবে সফটওয়্যারের ঠিক সাংঘর্ষিক দিকটা হচ্ছে গিয়ে এআই। মানে যারা আমরা এতদিন সফটওয়্যার নিয়ে কাজ করতাম আমরা এখন বলছি না না আমরা সফটওয়্যার লিখবো না। এখন সফটওয়্যার লিখবে ডেটা। মানে আমরা বলছি যে ডেটা থেকে ফিড আসবে সেই ফিডটাই সফটওয়্যার লিখবে বা সফটওয়্যারের কাজটা হবে। তো সেজন্য বলছি যে আমরা আজকে এই মুহূর্তে সফটওয়্যার নিয়ে কাজ করছি বাট আমাদের সামনে সফটওয়্যারটাকে কিন্তু ওভারটেক করছে এই এআই। আর সেজন্যই কিন্তু আমাদের সামনে এআই জানতে হবে এবং আমাদের যারা ইয়ং জেনারেশন আছেন তাদেরকে এআই ব্যবহারিক পার্টটা। আমি বলছি না যে তাদেরকে এআই ডেভেলপ করতে হবে বাট এআই এর ব্যবহারিক পার্ট সেটাও যদি আমি আজকে জানি তাহলে এই এআই কে ব্যবহার করে আমি সামনে আমার ক্যারিয়ারে কিন্তু অন্য লেভেলে যাওয়া যাবে। তো সেটাই বলছি যে ডেটা থেকে ধারণা পাওয়া, ডেটা অ্যানালিটিক্স এটা এআই এর একটা ইনিশিয়াল পার্ট যেটাকে আমরা বলছি যে ডেটা থেকে ধারণা পাওয়া। আমরা যদি ডেটা থেকে ধারণা পেতে চাই তাহলে আমাদের এই ডেটা অ্যানালিটিক্স বা এআই নিয়ে আমাদের কাজটা শুরু করতে হবে। আর সবচেয়ে বড় জিনিসটা হচ্ছে যে আমাদের কিন্তু এই এআই এর ইনিশিয়াল ধারণাটা যদি আমরা আস্তে আস্তে পাই তাহলে আস্তে আস্তে আমরা ডেটা অ্যানালিটিক্স, ডেটা সায়েন্স এর মধ্যে ঢুকতে পারবো। আমার একটাই কথা সেটা হচ্ছে যে আমরা শুরুতে এআই সম্বন্ধে কেন জানছি না বা এআই এর আমাদেরকে সামনে কোথায় নিয়ে যাবে সেটা আমরা কেন বুঝতে পারছি না। তো সেটাকেই যদি আমরা একটা লেভেলে আমরা যদি বেসিক লেভেলে যদি এটা বুঝি মানে আজকে দেখুন যে যেই টেসলা বা যে ধরনের সেলফ ড্রাইভিং কার মানে আমি মনে করি যে একটা সেলফ ড্রাইভিং কার যদি পয়েন্ট এ থেকে পয়েন্ট বি মানে যেমন আমি দেখছি যে সানফ্রান্সিসকো থেকে এলে মানে একদম ফুল সেলফ ড্রাইভিং কার চলে যাচ্ছে। তার মানে কি যে আমরা ভাবতেই পারছি না যে এখন আমরা যেটা চিন্তা করছি বা আমরা যেটা নিয়ে ভাবছি বা আমরা মনে করছি যে বর্তমানে বিভিন্ন জায়গায় এটা মনে হয় সফটওয়্যার পারবে না বা এটা এআই পারবে না। আমার মনে হয় এটা ভুল কথা। কারণ সেলফ ড্রাইভিং এর মত একটা জিনিস যেখানে একটা গাড়ি এক জায়গা থেকে আরেক জায়গায় একদম পুরোপুরি নেভিগেট করে চলে যেতে পারতেছে। আমি জাস্ট বলছি একটা গাড়ি পয়েন্ট এ থেকে পয়েন্ট বি পর্যন্ত পুরোপুরি নেভিগেট করে সবকিছু বুঝে রেড লাইট, গ্রীন লাইট রাস্তার এদিকে ওদিকে মানুষ সামনের গাড়ি, পেছনের গাড়ি, ডানের গাড়ি, বামের গাড়ি সবকিছু বুঝে যখন একটা ফুল স্কেল সেলফ ড্রাইভিং কার যদি এক জায়গা থেকে আরেক জায়গায় যেতে পারে সেখানে আমাদের বেসিক যে আন্ডারস্ট্যান্ডিং বা বেসিক যে আমাদের ধরা যাক সরকারি যে আমাদের বিভিন্ন ধরনের আমাদের কাজ আছে সেই পাসপোর্ট ভেরিফিকেশন বলেন বা অন্যান্য জায়গায় বলেন সেখানে আমরা এখনো ভাবছি যে শুধুমাত্র মানুষ দিয়েই চলবে এটা আসলে অন্য কিছু দিয়ে চলবে না। এটা থেকে আমাদের বের হয়ে আসতে হবে। আমরা বলছি যে হিউম্যান ইন দা লুপ মানে হিউম্যানকে আস্তে আস্তে লুপ থেকে বের করে আনতে হবে। এই যে দেখুন আমাদের যে সুরক্ষা অ্যাপ এই যে এই পুরো জিনিসটাই কিন্তু ওইখানে যেটা কাজ হয়েছে এটা কিন্তু একটা অ্যাপ্লিকেশনের মাধ্যমে হয়েছে এবং অ্যাপ্লিকেশনের ব্যাক এন্ডে কিন্তু হিউম্যান যে ইন্টারেকশনটা সেটা কিন্তু অনেকটাই কমে এসেছে। দারাজের সাথে আপনি কেনাবেচা করছেন বা দারাজ থেকে আপনি অনেক কিছু কেনা কেনাবেচা করছেন সেখানেও কিন্তু পেছনে কিন্তু হিউম্যান ইন্টারেকশনটা কম। আপনি একটা সফটওয়্যারের সাথে ইন্টারেক্ট করছেন এবং সফটওয়্যার কিন্তু আপনার সাথে ইন্টারেক্ট করছে। তো এবং দারাজে কিন্তু আপনি 24/7 কাজ করতে পারছেন। এখানে হিউম্যানলি পসিবল না যে দারাজের কিছু দেখা যাচ্ছে যে রাত 11 টার পর মানুষজন চলে যাচ্ছে অন্য কাজে কিন্তু সফটওয়্যার দা হোল সফটওয়্যার ইজ রানিং 24/7। সেই রাত 3 টার সময় আপনি একটা জিনিস কিনতে পারছেন। সেখানে কিন্তু কোনো মানুষ নেই। তো আমরা এটাই বলছি যে আমরা আজকে যেটা প্ল্যান করছি বা চিন্তা করছি সেটা থেকে কিন্তু আমাদের বের হয়ে আসতে হবে যে হিউম্যান ইন দা লুপ মানে সবকিছুর মধ্যে যে মানুষ এটা থেকে কিন্তু আমাদের বের হয়ে আসতে হবে এবং সেটার জন্যই আমি সামনে বলবো যে কিভাবে মানুষ আসলে অন্য কাজে এক্সপার্ট। মানুষ কিন্তু রিপিটেটিভ কাজে এক্সপার্ট না এবং মানুষ রিপিটেটিভ সিদ্ধান্ত নিতে চান না। তো সেজন্য বলছি যে আমরা যেটা করবো সেটা হচ্ছে যে হিউম্যানকে কিভাবে লুপ থেকে আসলে সরানো যায় এবং সেই হিউম্যানকে আমরা অন্য কাজে লাগাবো যেখানে কোনো রিপিটেটিভ ব্যাপার নেই। আমার কথা হচ্ছে যে যেটাই রিপিটেটিভ সেটাই আমরা অটোমেশনে ফেলে দেবো। তো এইজন্যই এই অটোমেশন বলেন আমাদের কৃত্রিম বুদ্ধিমত্তা বলেন, মেশিন লার্নিং বলেন, ডেটা সায়েন্স বলেন সবকিছুই কিন্তু একটার সাথে আরেকটা কানেক্টেড। আজকে এই পর্যন্তই থাকছেন তো সামনে?

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা: Understanding Artificial Intelligence in Bangla

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা, ৩ - সিদ্ধান্ত নেয়া Understanding Artificial Intelligence in Bangla.mp3

যন্ত্র সিদ্ধান্ত নিতে পারে কিনা সেটা নিয়ে আসলে অনেক ধরনের প্রশ্ন আছে। সেইজন্যই আজকে আমরা একটা ছোট ডেমো দেখাবো সানফ্রান্সিসকোর একটা রোডে যে কিভাবে আসলে আমরা বা যন্ত্র কিভাবে সিদ্ধান্ত নিতে পারে এবং সেই যন্ত্র সিদ্ধান্ত নেবার জন্য বেশ কিছু ধারণা এখানে আমরা আলাপ করব। তবে আমি সানফ্রান্সিসকোতে আরো প্রচুর ডেমো আছে যেটাতে খুব কনজেস্টেড রোড আছে বাট আমার কাছে মনে হয়েছে যে এটা একটা সহজ সরল ডেমো যেটাতে আপনাদের সাথে আমিও একটা গাইডেন্স দিতে পারব যে আসলে কিভাবে যন্ত্র সিদ্ধান্ত নিতে পারছে। সবচেয়ে বড় ব্যাপার হচ্ছে যে আমি যখন ঢাকায় গাড়ি চালাই তখন আমি কিছুটা যন্ত্রের মত চালাই কারণ সবচেয়ে শেষে আমি যাই মানে যেকোনো জায়গায় যেকোনো হিউম্যান ড্রাইভার যেভাবে চান্স নেন যে উনি ধারণাই করেন যে আমি যদি এখানে গাড়িটা ঢুকিয়ে দেই তাহলে আমার যে পেছনের গাড়িটা আছে বা আমার সাথে যে গাড়িটা আছে সে এখানে ঢুকিয়ে দেবে না। তারা কিন্তু একটা আমি মনে করি যে অপরচুনিটি নেন মানে আমাদের ড্রাইভাররা সবসময় একটা অপরচুনিটি নেন যাতে উনি আগে যেতে পারেন। আর এই কারণেই কিন্তু দেখবেন যে যারা গাড়ি চালান আপনি যদি জিপিএস লক কখনো নেন তাহলে কিন্তু সেই গাড়ি চালানোর ভিতর থেকে কিন্তু একটা মানুষের মানসিকতা তার শিক্ষাগত যোগ্যতা এবং সে আসলে মানুষ হিসেবে কেমন সবকিছু মিলিয়ে কিন্তু এটার একটা অ্যানালিস অ্যানালাইসিস পাওয়া যায়। আমি আপনাকে বলে দিতে পারি বা একটা গাড়ির ড্রাইভিং প্যাটার্ন দিয়ে বোঝানো যেতে পারে যে আসলে তার মেন্টাল স্টেট কিরকম বা তার মেন্টাল স্ট্যাটাস কি আছে। তো আমি যদি আজকের এই ডেমোর ব্যাপারে বলি যে ডেমোটা একটা খুব সহজ সরল ডেমো। তো আমরা চলুন আমরা গাড়িটাকে চালু করলাম এবং এখানে যে ড্রাইভার উনি কিন্তু অটো মানে উনি কিন্তু বলেছেন যে উনি একটা জায়গায় যেতে চান এবং উনি মুখে বলেছেন মুখে যাওয়ার পর বলার পর একটা চালু হয়ে গেল। এখন উনি সরাসরি এটাকে সেলফ ড্রাইভিং মোড যেটাকে মোড যেটাকে আমরা বলছি এফএসডি। এফএসডি মোডে আমরা চলে গেলাম। এখন আপনি দেখতে পাচ্ছেন যে গাড়ি কিন্তু তার আশেপাশে আমার সামনে যেমন একটা বড় ট্রাক সে বাইপাস করলো। সে ট্রাকের জন্য কিন্তু সে লেন্স চেঞ্জ করলো। আপনারা যদি দেখলেন যে লেন্স চেঞ্জ করলো। এখন কিন্তু সে ডান দিকে যাবে। তো ডান দিকে যাওয়ার জন্য কিন্তু সে একটা ভালো সময় কিন্তু ওয়েট করলো। তারপরে সে একটা সিদ্ধান্ত নিল যে সে ডান দিকে সে যেতে পারবে কিনা। তার মানে হচ্ছে গিয়ে এখানে কিন্তু তার নিজস্ব জাজমেন্ট কিন্তু এখানে এসছে যেটা এবং সামনে দেখেন একটা গাড়ি। গাড়িটা কিন্তু সে ক্যামেরা থেকে দেখতে পাচ্ছে এবং সে কিন্তু লেন চেঞ্জ করলো এবং সামনে সে কিন্তু রেড লাইট দেখেছে। রেড লাইট দেখার পরে কিন্তু সে কিন্তু ওয়েট করেছে এবং ওয়েট করার পর কিন্তু সে আস্তে আস্তে সে আবার সামনে আগাচ্ছে। তো এই যে তার সিদ্ধান্ত নেবার ক্ষমতা মানে সে কিন্তু একটার পর একটা ট্রাফিক স্টপ বা আমরা বলছি যে সে সবকিছু কিন্তু কাভার করছে এবং সেখানে কিন্তু কোথায় রেড লাইট কোথায় গ্রীন লাইট এবং সেই জন্য কিন্তু সে গাড়িটাকে কিছুটা সামান্য রোল রেখে দেখুন যে বাঁ দিক থেকে কিন্তু একটা গাড়ি আসছে এবং সেই গাড়িটাকে কিন্তু মার্ক করেছে মার্ক করে কিন্তু সে সামনে আগাচ্ছে এবং সামনে যে নীল যে বর্ডারটা মানে এর মানে হচ্ছে যে এর সামনে তার জায়গাটা ফাঁকা আছে এবং সবচেয়ে বড় জিনিস হচ্ছে কি এখানে কিন্তু লেন মার্কিং ঠিকমতো নেই। মানে এই যে রাস্তাটা আছে সেই রাস্তাটাতে কিন্তু লেন মার্কিং নেই। কিন্তু সে বর্ডার বর্ডার যে লেনটা আছে সেটা সে বের করতে পেরেছে এবং আপনি দেখেন যে সে কিন্তু সামনের কয়েকটা গাড়িকে দেখে তারপরে যাচ্ছে এবং আমরা যদি আরো সামনে যাই যে সামনে থেকে একটা গাড়ি কিন্তু আসছে এবং সেই গাড়িটা কিন্তু ঢুকছে মানে সে কিন্তু সবকিছুই তার ক্যামেরা থেকে বুঝতে পারছে এবং বুঝেই কিন্তু সে সিদ্ধান্ত নিচ্ছে এবং তার পিছন থেকে কিন্তু গাড়ি আসছে সেটাও কিন্তু সে দেখতে পাচ্ছে। তো আমরা যদি দেখি যে গাড়িটা যেভাবে যাচ্ছে সে এখানে যেহেতু লেন মার্কিংটা নেই সেই জন্য কিন্তু সে একটা সেফ ডিস্টেন্স রেখেছে যে ডান দিকে তার জন্য এবং দেখেন তাকে সামনে গাড়ি চলে এলো এবং সে গাড়িটা কিন্তু সে দেখে দেখলো। সে কিন্তু নীল যে অবজেক্ট সেটা কিন্তু সে দেখেছে এবং সামনে বাঁয়ে কিন্তু একটা মোটরসাইকেলকেও সে সাইডলাইন দিয়েছে। তো এভাবে আমরা যদি দেখি যে সামনে সে গাড়ির একটা গাড়ির পেছনে গেল আবার তারপরে সে ডান দিকে মুভ করবে না সে সোজাসুজি চলে যাবে। তারপরে কিন্তু সে সোজাসুজি যাচ্ছে এবং আপনি যদি দেখেন যে সে একটা লেভেলে যেয়ে তার যে যাওয়ার জায়গাটা এবং সামনে দুই দিক থেকে কিন্তু দুই পাশে গাড়ি আছে এবং সেই দুই পাশের গাড়িকে সে কিন্তু ঠিকমতো দেখে তারপরে দেখেন একজন ভদ্রমহিলা উনি কিন্তু রাস্তা পার হচ্ছেন। সে কিন্তু দেখেছে দেখার পরে কিন্তু তারপর সামনে একটা স্ট্রলার একজন মহিলা একজন বাচ্চাকে নিয়ে যাচ্ছে। তার মানে হচ্ছে কি সে কিন্তু এগুলো সবকিছু মার্ক করছে। মার্ক করে কিন্তু সে ডান দিকে সে টার্ন করবে। এখন আপনি যদি ডান দিকে টার্নটা দেখেন সে ফুল ডান দিকে টার্ন। টার্নের পরে আমরা যদি দেখি একটু সামনে গেলে ওখানে কিন্তু একটা গাড়ি কিন্তু পার্কিং করছে। সেটাও কিন্তু সে ওর কাছে কিন্তু দেখাচ্ছে যে গাড়িটা কিভাবে পার্কিং হচ্ছে এবং সামনে আরেকটা গাড়ি আসছে। সবকিছু মিলিয়ে কিন্তু সে তার ডেস্টিনেশনে পৌঁছে গেছে। এই এইভাবে কিন্তু সে একটা লেভেল থেকে আরেকটা লেভেলে যাচ্ছে। সেকেন্ড ডেস্টিনেশন সে ফাইন আর্ট প্যালেস যেটা এটা খুব চমৎকার জায়গা। সে ফাইন আর্ট প্যালেসে সে যাচ্ছে। তো এই যে একটা সেলফ ড্রাইভিং কার যে সিদ্ধান্ত নিচ্ছে এবং লেন চেঞ্জ করছে। আপনি দেখেন যে এখানে কিন্তু কিছু কিছু লেন আছে এবং সামনে দেখেন একটা স্ট্রলারে কিন্তু একজন যাচ্ছে। এখানে কিন্তু কোন ধরনের লাইট পোস্ট বা কোন ধরনের রেড সিগন্যাল নেই। কিন্তু সে কিন্তু ওয়েট করেছে এবং সে কিন্তু আস্তে আস্তে ডান দিকে গেল। ডান দিকে যাওয়ার পর একজন মহিলা কিন্তু রাস্তায় নেমে গেছে। সে কিন্তু ওয়েট করলো। তার মানে হচ্ছে কি এই মহিলা উনি কিন্তু ওয়েট মহিলার জন্য কিন্তু সে গাড়িটা ওয়েট করলো। ওয়েট করার পর কিন্তু যাচ্ছে। তার মানে হচ্ছে কি শুধুমাত্র এই দেখেন এপাশে একটা গাড়ি চলে এলো। কিন্তু সে কিন্তু লেন চেঞ্জ করে কিন্তু গাড়িটা পিছনে এলো ইউপিএস এর গাড়িতে। তারপরে আবার ডান দিকে এবং পরে বাঁ দিক দিয়ে হয়ে কিন্তু সে লেন্সকে চেঞ্জ করে কিন্তু গেল। মানে পুরো জিনিসটাই কিন্তু সে খুব সাফল্যের সাথে আমি করলো। আমি বলতে পারছি যে সে কিন্তু এই টার্নেই কিন্তু সে এখানে একটা অ্যাক্সিডেন্ট হতে পারতো। বাট সেটা কিন্তু সে ঠিকমতো সে হ্যান্ডেল করতে পেরেছে। এখন সামনে রেড লাইট সে ডান দিকে যাবে এবং সেইভাবে কিন্তু সে কিন্তু সামনের গাড়িগুলো কিন্তু সে দেখছে। কিন্তু সে কখন সে টার্ন করবে তার বাঁয়ের থেকে কি কি গাড়ি যাবে সেটার সাথেও কিন্তু তার একটা ম্যানেজমেন্টের ব্যাপার আছে যে সে অনেকগুলো গাড়ি যাচ্ছে। এখন সে কখন টার্ন করবে সেটাও কিন্তু এখানে সে দেখছে যে সে ডান দিকে টার্ন করবে। এখন দেখুন যে সে কখন সিদ্ধান্ত নেয় ডান দিকে টার্ন করার জন্য। কারণ এখন কোন গাড়ি নেই। আপনি দেখেন রেড সিগন্যাল কিন্তু এখন কোন গাড়ি নেই। সে কিন্তু ডান দিকে টার্ন নিল এবং এই যে পুরো জিনিসটা এই ফুল জিনিসটাই কিন্তু এফএসডি মোড এবং এখানে কোন জিরো টেকওভার মানে কোন ধরনের টেকওভার নেই এবং দেখেন সে কিন্তু রেডে স্টপ হয়ে গেল এবং রেডে স্টপ হয়ে যাওয়ার পর কিন্তু সে কিন্তু আশেপাশের গাড়িগুলো কিন্তু সে দেখতে পাচ্ছে এবং তার পাশের গাড়িটার কাছে সে খুব কাছাকাছি আছে। সো আমরা এটাই বলছি যে যেকোনো একটা ডেমোনস্ট্রেশন আমরা বলছি এই গাড়িতে অনেকগুলো ডিপ লার্নিং মডেল ব্যবহার করা হচ্ছে। তার মধ্যে ইমেজ প্রসেসিং এর ব্যাপার আছে। তার মানে হচ্ছে কি এখানে কিন্তু একটা বিশাল পার্ট হচ্ছে ইমেজ। এই দেখেন এই মুহূর্তে কিন্তু সে লেন চেঞ্জ করলো। কারণ সামনে একটা গাড়ি ছিল। সে কিন্তু লেন চেঞ্জ করে গেল এবং লেন চেঞ্জ করতে কিন্তু তার বাঁয়ে আরেকটা গাড়ি ছিল। কিন্তু সে কিন্তু ইট ওয়েটেড এন্ড দেন ইট মুভড অন। তার মানে হচ্ছে সে কিন্তু বুঝে লেন চেঞ্জ করতে পারছে এবং তার আশেপাশে গাড়ি দেখে কিন্তু সে লেন চেঞ্জ করছে। আর সবচেয়ে বড় জিনিস হচ্ছে যে সামনে গাড়ি স্টপ হচ্ছে সে পিছনে যে স্টপ হচ্ছে সব ইমেজ প্রসেসিং এর খেলা। মানে আমরা যে ডিপ লার্নিং বা নিউরাল নেটওয়ার্কের যে কথা বলি এখানে কিন্তু সবকিছু সে কিন্তু বুঝতে পারছে এবং তার অন্যান্য জায়গা থেকে কিন্তু সে ফিডব্যাক পাচ্ছে। আর সবচেয়ে বড় যে জিনিসটা হচ্ছে যে সে যখন লেন চেঞ্জ করছে সে কিন্তু আশেপাশে অন্যান্য জায়গাগুলো দেখে কিন্তু সে লেন চেঞ্জ করছে এবং আপনি যদি দেখেন যে এখন সে লেন চেঞ্জ করছে। তার মানে হচ্ছে কি তাকে ডানে যাওয়ার জন্য সে কিন্তু লেন চেঞ্জ করলো। অন্য গাড়িগুলো কিন্তু লেন চেঞ্জ করেনি। বাট ও চেঞ্জ করলো কারণ ও দেখছে যে সামনে এটার এই লেনটাতে কোন গাড়ি নাই। সুতরাং সে কিন্তু আগে থেকে কিন্তু সে বুঝে কিন্তু এই লেনে আসলো যেখানে সামনে কোন গাড়ি নাই। সামনে দেখেন একটা গাড়ি একটা বাস দাঁড়িয়ে আছে। সে কিন্তু দেখেন বাঁয়ের লেনে চলে গেল। সামনে পিছনের গাড়ি ছিল কিন্তু সে ঢুকে গেছিল। তার মানে হচ্ছে কি সে কিন্তু যখন সামনে একটা গাড়ি দেখলো সে কিন্তু লেন চেঞ্জ করে কিন্তু বাঁয়ে গেল যেভাবে হিউম্যান ড্রাইভাররা আসলে চালায়। সে কিন্তু অটোমেটিকলি কিন্তু ফাইন আর্টস প্যালেস অফ ফাইন আর্টসের সামনে চলে এলো। মানে এই জায়গাটাতে আমি প্রচুরবার গিয়েছি। এইজন্য আমি বলছি যে সে কিন্তু তার ডেস্টিনেশনের কাছে পৌঁছে গেছে। বাট আমার কথা হচ্ছে যে এই যে আমরা যেটা শিখছি এই ডিপ লার্নিং বা নিউরাল নেটওয়ার্ক বা ইমেজ প্রসেসিং হচ্ছে কি আমাদের শিখতে হবে এবং সেলফ ড্রাইভিং কার হচ্ছে কি দা ফাইনাল পজিশন যেটা আসলে আমরা দেখতে পারি।

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা: Understanding Artificial Intelligence in Bangla

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা, ৫ - এর শুরু কোথায় Understanding Artificial Intelligence in Bangla.mp3

এটা ঠিক যে কৃত্রিম বুদ্ধিমত্তার ডেফিনেশন নিয়ে অনেক ধরনের তর্ক-বিতর্ক আছে। তবে আমরা এইটুকু বলতে পারি যে কৃত্রিম বুদ্ধিমত্তা আমরা যেটাকে বলছি যে একটা সাইন অফ লাইফ। এটা কি হতে পারে যে একটা জিনিস চলছে বা একটা জিনিস যেটা আসলে আমরা যে কোন প্রাণী থেকে পেতে পারি একটা সাইন অফ লাইফ। সেটা কি আমরা যন্ত্রের মাধ্যমে পেলেই কি হবে? আমার মনে হয় না। মানে এটাই বলছি যে আসলে কৃত্রিম বুদ্ধিমত্তা এটা আমরা বুঝবো কিভাবে বা এটার ডেফিনেশনটা কিভাবে আসবে। তো আমি আসলে আমার এই বইটাতে কৃত্রিম বুদ্ধিমত্তা কিভাবে কাজ করে বা কৃত্রিম বুদ্ধিমত্তার সাইন কিভাবে পাবো সেটা নিয়ে কিছু আলাপ আছে। তবে আমার কাছে মনে হচ্ছে যে কৃত্রিম বুদ্ধিমত্তা আমি যদি বলি যে আমাদের আশেপাশে যে ডেটাগুলো আছে, ধরা যাক আমরা আমাদের ছোটবেলায় আমরা কি করি কি মানে কি করেছি? ছোটবেলায় আমরা দেখেছি যে যখন পিঁপড়ারা একটা সারি বেঁধে যখন এক জায়গা থেকে আরেক জায়গায় যেত বা পিঁপড়া এক জায়গা থেকে আরেক জায়গায় যাচ্ছে তখন যদি তার সামনে আমি একটা অবস্টাকল রাখতাম তখন কিন্তু সেই জীবন্ত প্রাণীটা কি করতো সেই অবস্টাকল অবস্টাকলটাকে এভয়েড করে যেত। মানে সেই পিঁপড়ার সামনে আমরা যদি কিছু রাখতাম সে কিন্তু সেটাকে দেখে সেখান থেকে ইনপুট নিয়ে তারপর সেই অবস্টাকলটাকে এভয়েড করে সে নতুন রাস্তা খুঁজে চলে যেত। তার মানে হচ্ছে গিয়ে এটা একটা কাইন্ড অফ সাইন অফ লাইফ আমি বুঝতে পারছি যে আমরা একটা পিঁপড়ার সামনে একটা অবস্টাকল রাখলাম এবং অবস্টাকলটাকে সে দেখে সে নতুন করে রি-রাউট করে সে আবার নতুন তার ডেস্টিনেশনে গেল। তো এটা কিন্তু আমরা বলছি যে এটা একটা কৃত্রিম বুদ্ধিমত্তার একটা সাইন। তো আমরা যদি এই একই আইডিয়া যদি আমরা একটা যন্ত্রের মধ্যে দিয়ে দেই যে একটা অবস্টাকল এভয়েডেন্স রোবট। মানে আমরা বলছি যে একটা রোবটের সামনে আমি একটা অবস্টাকল রাখলাম এবং সেই অবস্টাকলটা সে দেখে তারপর সে তার রি-রাউট মানে তার রাস্তাটাকে পরিবর্তন করে কিন্তু সে নতুন রাস্তায় আবার সে চলে গেল। এখন এটাকে কি আমরা বুদ্ধিমত্তা বলতে পারি? এটাও একটা প্রশ্ন। তো আমরা বলছি যে আসলে আমরা যদি যে কোন জিনিস, ধরা যাক আমাদের যে বুদ্ধিমত্তা আছে সেটা যদি আমরা যন্ত্রকে দিতে চাই, ধরা যাক আমরা এখন বলছি কি যে যে কোন জিনিস রিপিটেটিভ মানে আমরা অফিসে যে কাজগুলো করছি, যে কোন জিনিস রিপিটেটিভ সেগুলো কিন্তু আমরা অটোমেশনে ফেলতে যাচ্ছি। তার মানে এটাও কিন্তু একটা কৃত্রিম বুদ্ধিমত্তা যে আমি নিজেই আমার অফিসে যেগুলো জিনিস এতদিন ধরে রিপিটেটিভ হিসেবে কাজ করছে বা যেগুলো জিনিস বারবার আমাদের হিউম্যান মানে আমরা মানুষ আমাদেরকে রিপিট করে রিপিটেটিভ কাজ করতে হচ্ছে সেগুলোকে আমরা কিছু লজিক দিয়ে সেটাকে আমরা ছেড়ে দিচ্ছি আমাদের কিছু অটোমেশন সিস্টেমে। এখন এটাকে আমরা বলতে পারি যে কিছুটা এক্সপ্লিসিট প্রোগ্রামিং করে ছেড়ে দেওয়া যে এটা হলে এটা হবে, এটা হলে এটা হবে না বা এটা হলে এটার পরে এটা হবে। মানে ইফ এলস স্টেটমেন্ট বা এলিফ শেষে কি হবে মানে একটা এক্সিট কোড দিলে কি হবে। এটা একটা সাধারণ প্রোগ্রামিং। কিন্তু আমরা যদি কোন ধরনের কোন কিছু এক্সপ্লিসিট প্রোগ্রামিং না করে যদি আমরা একটা যন্ত্রকে বলে দিতে পারি যে তোমার ডেটা হচ্ছে গিয়ে এখানে তুমি ডেটা থেকে নিজেই ফিগার আউট করো যে তোমার পরবর্তী কি সিদ্ধান্ত হবে। এই জায়গাটায় কিন্তু আমাদের যে ব্যাপারটা গ্যাপ যে আমরা যদি অবস্টাকল এভিডেন্স যে রোবটটা আছে সেখানে কিন্তু আমরা বলছি যে ওকে তোমার সামনে এটা পড়লে এটা করবা, এটা পড়লে এটা করবা বা এটার জন্য এটা হবে। মানে আমি কিন্তু এক্সপ্লিসিটলি বলছি। কিন্তু আমি যদি এরকম বলতাম যে না তুমি তোমার সামনে আমি ডাটা দিচ্ছি সেই ডাটা থেকে তুমি নিজে লার্ন করে হয়তোবা প্রথমবার, দ্বিতীয়বার, তৃতীয়বার বা 100 বার ওই একই জিনিস সে ইনপুট নেওয়ার পরে সে যখন নিজের থেকে সিদ্ধান্ত নিয়ে যখন রি-রাউট করবে তখন এটা আরো ভালো হবে। তার মানে হচ্ছে প্রথম দিকে কিন্তু ওই অবস্টাকল এভিডেন্স রোবটটা বাড়ি খাবে, পড়ে যাবে, রি-রাউট ঠিকমতো হবে না। বাট তার যে ডাটাটা আছে সেই ডাটাটা দেখে কিন্তু সে শিখবে। মানে সে যখন নিজের একটা অভিজ্ঞতার ভিতরে যাবে তখন শিখবে। এটা অনেকে আবার বলবেন যে না এটাও তো কৃত্রিম বুদ্ধিমত্তা না। তবে আমরা যেটা বলতে পারি যে এই ধরা ধরা যাক সেলফ ড্রাইভিং কার। মানে সেলফ ড্রাইভিং কারে আমরা কৃত্রিম বুদ্ধিমত্তা কেন বলছি যে সেলফ ড্রাইভিং কারে কিন্তু আমরা এই ব্যাপারটাও বলেছি যে এটা এরকম যে আমরা সেলফ ড্রাইভিং কারে কিন্তু তার ডেটা, তার ডেটা হচ্ছে রাস্তা। তার মানে হচ্ছে গিয়ে রাস্তা থেকে সেই ইনপুট নিয়ে সেই ইনপুটের উপর ভিত্তি করে কিন্তু সে তার রি-রাউটিং এবং অন্যান্য সব কাজ করছে। এটাই হচ্ছে আমাদের একটা ধারণা যে আমরা যখন কৃত্রিম বুদ্ধিমত্তার কথা বলব বা কৃত্রিম বুদ্ধিমত্তার একটা ডেফিনেশন নিতে চাইবো তখন কিন্তু যন্ত্রের উপলব্ধি বের করা বা যন্ত্রকে রাইটলি সিদ্ধান্ত নিতে পারছে কিনা এই সবকিছু কিন্তু চলে আসে। মানে এটা কিন্তু আমাদের হিউম্যান মানে মানুষের সাথেই কিন্তু আমাদের এটাকে মেলাতে হবে। তো সেই জায়গাতে আমরা বলছি যে আমরা যখন একটা যন্ত্রকে তার ডেটা দিয়ে দিচ্ছি, ধরা যাক আমরা সেই যন্ত্রকে বলছি যে না তোমার সামনে হচ্ছে গিয়ে রেড লাইটে স্টপ। তোমার সামনে যদি গাড়ি পড়ে, সামনে যদি তোমার ঠিক দুই মিনিটের মধ্যে কোন গাড়ি পড়ে তাহলে তুমি স্টপ বা তোমার যদি ডানে একটা গাড়ি পড়ে বা গা বামে একটা গাড়ি পড়ে বা পিছনে যদি একটা গাড়ি যদি তার তোমার কাছে যদি আরো এগিয়ে আসে তাহলে তুমি আরেকটু সামনে এগোতে পারো। তার মানে হচ্ছে গিয়ে আমরা এই যে ডেটাটা মানে রাস্তা থেকে যে ডেটাটা পাচ্ছি সেই ডেটাটা দিয়ে আমরা কি হতে পারে আউটকাম? মানে তোমার সামনে গাড়ি পড়লে কি হতে পারে সেই আউটকামটা কিন্তু আমি তাকে শিখিয়ে দিব। মানে বাচ্চাদেরকে আমি যেভাবে শিখাই। বাচ্চারা কিন্তু কিভাবে শেখে? যে প্রথমে একটা আগুন সে খুব চমৎকার লাগলো। আগুন ধরতে চাইবে। তো আগুন না ধরেও কিন্তু কাছাকাছি গেলে যে গরম লাগছে সেটা ফিল করে কিন্তু সে আর আগুনে হাত দিচ্ছে না। তো এটাই বলছি যে তার মানে সে একটা লার্নিং কার্ভের মধ্যে যাচ্ছে। যন্ত্রের কিন্তু একই জিনিস। এইজন্যই আমরা বলছি যে আমরা যখন কৃত্রিম বুদ্ধিমত্তার ডেফিনেশন নিয়ে আলাপ করব, ডেফিনেশনের মধ্যে কিন্তু আমাদের মানুষ যেভাবে শিখে সেই লার্নিং মেকানিজম কিন্তু আমরা যন্ত্রের মধ্যে চালাবো যে যন্ত্রকে আমরা দেখাবো যে দিস ইজ হোয়াট ইউ নিড টু ডু এন্ড দিস ইজ দা আউটকাম। মানে আমরা কি কাজ করব এবং সেটার ফাইনাল আউটকামটা কি হবে এই দুইটাই যখন আমি তাকে দিব তখন কিন্তু ফাইনালি সে এটার একটা রুল সেট বের করবে। মানে আমরা যেমন মানুষ রুল সেট বের করি কিভাবে যে রাস্তা দিয়ে যখন আমি রাস্তায় নামি তখন কিন্তু রাস্তায় নেমে কিন্তু আমি প্রথমে ডানে বামে তাকাই। কারণ কি? কারণ আমি দেখেছি যে আমি যখন ছোটবেলায় ছিলাম তখন কিন্তু আমার বাবা-মা আমাকে বলেছে যে এটা করতে অথবা আমি দেখেছি আমার ফ্রেন্ডরা বা বড় যারা আছে তারা কিন্তু দেখছে যে রাস্তায় নামলে ডানে বামে তাকাতে হয় অথবা আমাকে কেউ বলেছে বা অথবা তার মানে হচ্ছে কি আমি একটা লার্নিং মেকানিজমে গিয়েছি। তো আমি যদি সেই একই ধরনের ডেটা যদি আমি গাড়িকে বলি যে তুমি একটা সেলফ ড্রাইভিং কার, তুমি যখন রাস্তায় নামছো তখন কিন্তু দুই পাশ থেকে কিন্তু তোমার ডেটাটা নিতে হবে। ডেটা নেওয়ার পরে তোমার যে ডেস্টিনেশন সেই ডেস্টিনেশনের জন্য তুমি সেইভাবে এপ্রোচ করবা। তো এইজন্য বলছি যে আমরা যেভাবে শিখি মেশিনের শেখার মধ্যে কোন পার্থক্য নাই। এখন ব্যাপারটা হচ্ছে যে কৃত্রিম বুদ্ধিমত্তার আসল ডেফিনেশন কি? সেটা নিয়ে অবশ্যই আমরা আসছি সামনে। থাকছেন তো সামনে?

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা: Understanding Artificial Intelligence in Bangla

অটোমেশন এবং লিনাক্স, Automation and Linux.mp3

আমাদের সামনে জীবনে এভাবে অটোমেশন আসছে যে আমরা সেটাকে ঠিকমতো বুঝতে পারছি না। আর এই অটোমেশনকে বোঝার জন্য আমাদের কিছু বেইজলাইন স্কিল সেট দরকার। আমরা যেটা বলতে পারি যে আজকে আমরা যদি অটোমেশন নিয়ে কথা বলতে চাই তো শুরুতেই তো অটোমেশন নিয়ে হয়তোবা আমরা বুঝতে পারবো না তবে আমাদের একটা বেইজলাইন স্কিল সেট নিয়ে যদি আমরা আলাপ করতে চাই তাহলে আমরা এভাবে আলাপ করতে পারি যে আমরা যেই প্লাটফর্মে আমরা অটোমেশন করতে চাই না কেন সেটার একটা ধারণা বোঝা উচিত। আর সে কারণে আমি আজকে বলবো যে আমাদের কেন লিনাক্স শেখা উচিত। কারণ আমরা যখন অটোমেশন নিয়ে কাজ করব আমাকে আসলে পুরো প্রসেসগুলো মানে একটা থেকে আরেকটা প্রসেস মানে যেহেতু অটোমেশন হচ্ছে একটার সাথে আরেকটা ইন্টারডিপেন্ডেন্ট মানে এটা হলে ওটা হবে ওটা হলে ওটা হবে মানে আমরা যেভাবে মানুষ হিসেবে সিদ্ধান্ত নেই মানে একজন মানুষ যেকোনো কাজে যখন মানুষ একটার পর একটা সিদ্ধান্ত নেন কারণ বেইজড অন তার আগের ফিডব্যাক থেকে সেই আগের ফিডব্যাক লুপ থেকে তারা আসলে সেটা নিয়ে কাজ করতে চায়। সেখানে আমরা দেখছি যে যদি আমরা বেইজলাইন হিসেবে একটা বেসিক মানে বেসিক আন্ডারস্ট্যান্ডিং থাকে লিনাক্স এর উপরে তাহলে আমাদের কাজটা সোজা হয়ে যায়। আজকে আমরা মাইক্রোসফট প্লাটফর্মে আমরা প্রচুর অটোমেশন দেখছি। আমরা দেখছি প্রচুর অটোমেশন ম্যাক প্লাটফর্মে। বাট দিনশেষে প্রফেশনাল অটোমেশন বা আমরা যেটাকে বলছি যে ইন্ডাস্ট্রিয়াল অটোমেশন ইন্ডাস্ট্রিয়াল অটোমেশন তো সবকিছুই কিন্তু আমরা দেখছি লিনাক্সে। আর এর পাশাপাশি সফটওয়্যার ডেভেলপমেন্টে যদি আমরা আলাপ করি সফটওয়্যার ডেভেলপমেন্ট এর মধ্যে মানে আমরা আমরা যেটা করি যে আমরা আসলে ইভেন বড় বড় যে সলিউশন প্রোভাইডার আছে ওয়ার্ল্ডে তো বড় বড় সলিউশন প্রোভাইডার কিন্তু যেকোনো জিনিসের সফটওয়্যার সলিউশন যেটা আছে যেটা ওপেন সোর্স সলিউশনে যেটা আছে অলরেডি বিকজ ওই ওপেন সোর্স সলিউশনে অনেকে কন্ট্রিবিউট করছেন। সো এই ওপেন সোর্স সলিউশনের মধ্যে আমরা দেখছি যে 90% ওপেন সোর্স সলিউশনগুলো হচ্ছে গিয়ে লিনাক্স এর উপর ভিত্তি করে করা। তার মানে হচ্ছে কি আমরা যদি বেইজলাইন হিসেবে যদি লিনাক্স নিয়ে কাজ করি এবং লিনাক্স এর কাজটা নিয়ে যদি আমরা সামনে আগাই তাহলে আমাদের যেকোনো জিনিসে আমরা ঢুকতে পারবো। আর সে কারণে আমরা বলছি যে কেন লিনাক্স? প্রথম কথা হচ্ছে এর কোনো লাইসেন্সিং রেজিম নেই মানে আমরা এটাকে সহজেই আমরা কিনতে পারি। সহজেই আমরা ডেপ্লয় করতে পারি। এটার কেনার কিছু নেই। মানে এটা একটা লাইসেন্স ফ্রি একটা রেজিম। আর তারপরে যেই যে কোনো জিনিস আমরা যখন লিনাক্স ইন্সটল করতে চাইবো বা লিনাক্স নিয়ে কাজ করতে যাবো লিনাক্স এর ফুটপ্রিন্ট খুবই ছোট। মানে আমরা যদি বলতে চাই যে লিনাক্স যেভাবে একটা আপনি উইন্ডোজ টেন বা ইলেভেন যেখানে একটা বেসিক একটা প্লাটফর্ম বা বেসিক একটা হার্ডওয়্যার রিকোয়ারমেন্ট ছাড়া চালাতে পারবেন না। সেখানে আপনি লিনাক্স একদম বেইজলাইন মানে কিছুই নেই। মানে আমরা ছোট একটা আর্ম প্রসেসর বলেন বা আমরা যদি দেখি যে রাজবেরি পাই তো অনেক পাওয়ারফুল। আমরা বলছি যে এর থেকেও আরো অন্যান্য অনেক ছোট ছোট ডিভাইস আছে যে ডিভাইসে আমরা আসলে এই লিনাক্স ইন্সটল করতে পারি এবং চালাতে পারি। ইভেন আমরা সিডি থেকে লিনাক্স চালাতে পারি। তার মানে হচ্ছে কি আমরা একটা ইউএসবি ড্রাইভ থেকে লিনাক্স চালাতে পারি। তো এই যে একটা ইজ রাউট এটা কিন্তু একটা চমৎকার জিনিস। আমরা যেকোনো জায়গায় আমরা লিনাক্স চালাতে পারি। আমার ঘড়িতে আমরা লিনাক্স চালাতে পারি। সো আমরা বলছি যে লিনাক্স ইজ দা ওয়ে টু গো। এরপরে আমরা যেটা নিয়ে কথা বলতে পারি যে লিনাক্স এর যে ফুটপ্রিন্ট এর সাথে কিন্তু আসছে যে এর সিকিউরিটি সিস্টেম। যেহেতু আমরা লিনাক্স পুরোপুরি ট্রান্সপারেন্ট আমরা সবকিছু দেখতে পাচ্ছি। আমরা উইন্ডোজ এর মতো ডিএলএল ফাইল বা আমরা যে মাইক্রোসফট এর যে ম্যাক এর যে অন্যান্য ফাইলিং সিস্টেম এটা ক্লোজ ফাইলিং সিস্টেম আমরা অনেক কিছু দেখতে পারি না। সেখানে আমরা বলছি যে ম্যালওয়্যার প্রোটেকশন থেকে শুরু করে অন্যান্য অনেক কিছু যেহেতু আমি নিজে থেকে দেখতে পারি এবং আমি নিজে থেকে এর ইনফেকশনের ব্যাপার দেখতে পারি। সেখানে দেখছি যে লিনাক্স এ ইনফেকশন রেট অনেক অনেক অনেক কম। সো আমরা বলি যে ম্যালওয়্যার এর এক্সপোজার টু দা ম্যালওয়্যার ইজ ইজ ভেরি লেস। সো এটার সাথে এটা আমরা মনে করি যেটা আমাদের ভালো অর্থে আমি বলবো। তারপর হচ্ছে কাস্টমাইজেশন। আপনি এটা উইন্ডোজ পিসি বা ম্যাকিনটোস পিসি যেভাবে আপনি কাস্টমাইজেশন করতে পারবেন সেখানে আপনি একটা লিনাক্স সিস্টেম ইউ ক্যান ডু নাইট এন্ড ডে। মানে আপনি আপনার মত করে একটা লিনাক্স সিস্টেম একদম স্ক্র্যাচ থেকে বেইজটা ঠিক রেখে তারপরে ওর উপরে আপনি তৈরি করতে পারেন। তার মানে হচ্ছে কি এর কাস্টমাইজেশন লেভেল একদম শুরু থেকে করা সম্ভব। আর সবচেয়ে বড় যে জিনিসটা যে আমরা লিনাক্স কাজ করি এই কারণে যে আমি একটা জিনিস নিয়ে কাজ করছি এবং সঙ্গে সঙ্গে এটার রেজাল্ট দেখতে পাচ্ছি। এটা লিনাক্স এ করা সম্ভব। যেটা অন্যান্য ক্লোজ সিস্টেমে আমরা বুঝতে পারি না যে আমি আসলে একটা কাজ করছি এটার আউটকামটা কি হবে যেটা সরাসরি আমরা দেখতে পারি না। সো এখানে এই একই জিনিস যে আমরা যখন লিনাক্স এ আসবো তখন দেখা যাবে যে লিনাক্স এ সব সফটওয়্যার চলে। মানে হচ্ছে কি প্রথমে সফটওয়্যারটা ডেভেলপ করা হয় লিনাক্স প্লাটফর্মকে টার্গেট করে। কারণ ওপেন সোর্স সফটওয়্যারগুলো কিন্তু লিনাক্স প্লাটফর্মে চলে। সো ওইভাবে আমরা বলবো যে ইট ইজ এভরিথিং লাইক এভরিথিং ফর ফর লিনাক্স। তারপরে আমরা একটা কথা বলছি যে কমপ্লিট এনভায়রনমেন্ট যে ডেভেলপমেন্ট মানে বিভিন্ন এনভায়রনমেন্টে কাজ করার জন্য যে আমরা যে যে কমপ্লিট ডেভেলপমেন্ট এনভায়রনমেন্ট যদি চাই তাহলে হচ্ছে কি লিনাক্স হচ্ছে কি দা ফ্যান্টাস্টিক প্লাটফর্ম। ইভেন আপনি মাইক্রোসফট এর যে আমরা ভিএস কোড আমরা ব্যবহার করছি ভিজুয়াল স্টুডিও কোড সেটাও কিন্তু দেখা যাচ্ছে যে লিনাক্স এর জন্য আছে। তার মানে হচ্ছে কি সবকিছু সব ধরনের এনভায়রনমেন্ট মানে ডেভেলপমেন্ট এনভায়রনমেন্ট লিনাক্স এ পাওয়া যায় এন্ড ইটস ফ্রি। সো এইজন্য বলছি যে এগুলো নিয়ে আমাদের কিন্তু কাজ করা খুব ইজি। আর সবচেয়ে বড় জিনিসটা হচ্ছে লাস্টে যেটা বলবো যে আপনার যদি লিনাক্স এর স্কিল থাকে দেন ইউ ক্যান রান দা ওয়ার্ল্ড। আই এম টেলিং ইউ যে আপনি লিনাক্স এর যদি ঠিকমতো আপনার স্কিল সেটটা ডেভেলপ হয় তাহলে ইউ ক্যান বি এ ডেভেলপার ইউ ক্যান বি ডেভপস ইউ ক্যান বি এনিহোয়্যার। মানে বিকজ লিনাক্স উইল গিভ ইউ এ প্লাটফর্ম ফ্রম হুইচ ইউ ক্যান নট অনলি রান দা হোল ওয়ার্ল্ড বাট অলসো ইউ ক্যান রান এভরিথিং অটোমেটিকলি ইন ইউর হোম। লাইক ইন মাই হোম আমার প্রচুর সিস্টেম আছে। ইভেন আমার রাউটারে যে অপারেটিং সিস্টেম আছে সেই রাউটার রাউটারের অপারেটিং সিস্টেম ফেলে দিয়েছি। ফেলে দিয়ে আমি কাস্টম অপারেটিং সিস্টেম বসিয়েছি যেটা লিনাক্স বেইজড। সেখানে আমি আমার মত করে সবকিছু কন্ট্রোল করতে পারি। সো পয়েন্ট বিং যদি আপনি লিনাক্স দিয়ে শুরু করতে পারেন আপনার ঘড়িতে লিনাক্স থেকে শুরু করে সবকিছু আপনার ফ্যান চালাবে লিনাক্স। সো এভরিথিং ক্যান রান ফ্রম লিনাক্স। সো আমরা আশা করছি যে আস্তে আস্তে আমরা লিনাক্স এর যে নিয়ে কাজ করব। আজকে এই পর্যন্তই থাকছেন তো সামনে?

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা: Understanding Artificial Intelligence in Bangla

সুপার-ইন্টেলিজেন্স এআই সিস্টেমসের 'প্রম্পট ইঞ্জিনিয়ারিং' Prompt Engineering, BARD - ChatGPT.mp3

এটা ঠিক যে এআই সিস্টেমসের সাথে কাজ করতে গিয়ে আমরা অনেক কিছু শিখছি। তার মধ্যে সবচেয়ে বড় যে জিনিসটা আমি আমি বুঝতে পারছি যে আন্ডারস্ট্যান্ডিং দা প্রবলেম। এটা আসলে এআই সিস্টেমস না মানে যেকোনো মানুষের আসলে প্রবলেম সলভিং এর আন্ডারস্ট্যান্ডিং দা প্রবলেম ইজ রিয়েলি কোহেরেন্ট। মানে এটাকে আমরা বলছি যে আমাদের যেকোনো এআই সিস্টেমস থেকে আসল সলিউশনটা বের করতে চাইলে আমাদেরকে সেই এআই সিস্টেমসের আমরা এখন বলছি চ্যাট জিপিটি অথবা বার্ড অথবা আমরা গুগল সার্চ করছি। আন্ডারস্ট্যান্ডিং দা কন্টেক্সট এন্ড আন্ডারস্ট্যান্ডিং হোয়াট ইজ দা টাস্ক উই আর ট্রাইং টু গেট আউট অফ দা এআই সিস্টেম। তো আমি যেহেতু এটা নিয়ে অনেকদিন ধরে কাজ করছি এবং সবচেয়ে বড় ব্যাপার হচ্ছে যে এই এআই সিস্টেমস থেকে কাজগুলো বের করার জন্য এআইকে কিভাবে তৈরি করতে হবে বা এআই সিস্টেমসরা কিভাবে এটাকে বের করতে পারবো মানে দিনশেষে আমরা প্রচুর গুগল সার্চ করছি, আমরা চ্যাট জিপিটি সার্চ করছি বাট দিনশেষে আমি কত অল্প সময়ে কত এফিশিয়েন্টলি একটা কাজ বের করে আনতে পারবো সেটা হচ্ছে গিয়ে নেক্সট ফিউচার স্কিল। তো আমার কাছে মনে হচ্ছে যে ফিউচার স্কিল হিসেবে যদি আমরা এই চ্যাট জিপিটি অথবা গুগল সার্চ অথবা বার্ড বা এখান থেকে যদি আমাদের একচুয়াল জিনিসটা বের করে আনতে হয় সেখানে আমরা একটা জিনিস দেখছি যে প্রম্পট ইঞ্জিনিয়ারিং বা চ্যাট জিপিটির জন্য হোক অথবা আমরা বার্ডের কথা বলি অথবা গুগল সার্চের কথা বলি অথবা বিং সার্চের কথা বলি সবকিছু পেছনে কিন্তু আমাদের লাগবে প্রম্পট ইঞ্জিনিয়ারিং। তো প্রম্পট ব্যাপারটা কি যে আমার একটা কাজ দরকার। আমি এআই সিস্টেমস থেকে কাজটা বের করতে চাইবো এবং এআই সিস্টেমস থেকে কত স্বল্প সময়ে কত ফাস্ট এবং কত একুরেট আমার আমার ডেটাটা বের করে আনতে হবে সেটা হচ্ছে আমার পারস্পেক্টিভ। তো এখানে অনেকগুলো ব্যাপার আছে। এই এআই সিস্টেমসের সাথে কমিউনিকেট করার জন্য আমি মনে করি যে চারটা জিনিস এই মুহূর্তে ইম্পরট্যান্ট। সেটা হচ্ছে যে প্রথম কথা হচ্ছে কন্টেক্সট কন্টেক্সট কন্টেক্সট। কন্টেক্সট আন্ডারস্ট্যান্ডিং দা কন্টেক্সট। আমরা অনেক সময় আমি যেহেতু অনেকের সাথে কথা বলি অনেকের সাথে প্রবলেম সলভিং এর মধ্যে যাই আন্ডারস্ট্যান্ডিং দা প্রবলেম ইজ দা ক্রুশিয়াল পার্ট। এজন্য আমরা জানি যে সেই আইনস্টাইন কিন্তু অনেক আগে বলেছে যে আমাকে যদি দুই ঘন্টা একটা প্রবলেম সলভ করতে দেওয়া হয় তাহলে হয়তোবা উনি এক ঘন্টা 40 মিনিট সময় কাটাবেন আন্ডারস্ট্যান্ডিং দা প্রবলেম। মানে কিভাবে এই একটা প্রবলেমকে বুঝা যায়। কিভাবে একটা প্রবলেমকে সে আইডেন্টিফাই করা যায়। কারণ উনি বারবার বলছিলেন যে আই উইল টেক ওয়ান আওয়ার 40 মিনিটস অর সামথিং লাইক দ্যাট টু আন্ডারস্ট্যান্ড দা প্রবলেম এন্ড দেন আই উইল টেক মেবি 20 মিনিটস টু একচুয়ালি সলভ দা প্রবলেম। সো আন্ডারস্ট্যান্ডিং দা প্রবলেম ইজ ভেরি ইম্পরট্যান্ট এবং সেখানে কন্টেক্সটটা কন্টেক্সটটা কিন্তু সবচেয়ে একটা বড় ইস্যু যে কিভাবে আমরা কন্টেক্সচুয়ালাইজড মানে একটা এআই সিস্টেম থেকে আমি যখন একটা কাজ বের করব সেই কাজটা বের করার জন্য আমাকে কন্টেক্সটটা বুঝতে হবে এবং আমাকে কন্টেক্সটটা বুঝে এআই সিস্টেমের সাথে আমাকে যোগাযোগ করতে হবে। সেখানে কন্টেক্সটের সাথে টাস্ক ডেফিনেশন মানে কন্টেক্সটের সাথে টাস্ক ডেফিনেশন ইম্পরট্যান্ট। মানে আসলে আমি টাস্কটাকে ঠিকমতো ডিফাইন করতে পারছি না। সো আমি কন্টেক্সটটা বুঝলাম এবং আমার সিস্টেমকে বুঝানোর জন্য আমি একটা ফ্রেমওয়ার্ক তৈরি করলাম এবং তার পাশাপাশি আমাকে টাস্ক ডেফিনেশনে মানে টাস্কটাকে একুরেট হতে হবে এবং কোহেরেন্ট হতে হবে। কোহেরেন্ট টাস্ক ডেফিনেশনটা কিন্তু ইম্পরট্যান্ট। এবং আমি যখন টাস্ক ডেফিনেশন করছি সেখানে হয়তো রোল প্লেইং। আমি গত ভিডিওতে বলেছিলেন যে রোল প্লেইংটা কেন ইম্পরট্যান্ট। মানে আমি একটা এআই সিস্টেমসকে বলছি যে ইউ বি মাই ট্রাভেল গাইড অর ইউ বি মাই কাইন্ড অফ লাইক ম্যাথ টিচার অর ইউ বি মাই প্রবলেম সলভিং গাইড। মানে আগে উনাকে ওই রোলে ফেলতে হবে। তারপরে উনার কাছে ওই সিস্টেম থেকে আমার উত্তরটা আনতে হবে। মানে তাকে একটা রোল প্লেইং ফিল্ডে রাখতে হবে। আর তার সাথে আরেকটা জিনিস হচ্ছে গিয়ে ইটারেশন মানে অথবা আইটারেশন যেটাকে আমরা বলি। মানে একই জিনিস কয়েকবার ট্রাই করা। মানে আমরা যখন এআই সিস্টেমসের সাথে যোগাযোগ করব কন্টেক্সটটাকে বুঝে আমরা যখন টাস্ক ডেফিনেশনটা করব টাস্ক ডিফাইন করার সঙ্গে আমরা যে এক শটে মানে ফার্স্ট শটেই যে আমি এটাকে প্রপারলি করতে পারবো সেটাও অনেক সময় নাও হতে পারে। আর সেই কারণে আমরা যেটা করতে পারি সেটা হচ্ছে যে আমরা আইটারেশন মানে একটা আইটারেশন দুইটা আইটারেশন বা তিনটা আইটারেশনের মাধ্যমে উই উইল পারফেক্ট ইট। বিকজ আনলেস উই উই পারফেক্ট ইট উই ক্যান নট একচুয়ালি মেক ইট। সো এইজন্য আমাদের এখানে যে জিনিসটা মাঝে মাঝে বলি যে হাউ হাউ ডু ইউ পারফেক্ট দা হোল থিং? বিং স্পেসিফিক। সো মাই নেক্সট কোশ্চেন ইজ বিং স্পেসিফিক টু আন্ডারস্ট্যান্ড দা প্রবলেম এন্ড অলসো বিং স্পেসিফিক টু টাস্ক ডেফিনেশন এন্ড ডুইং দ্যাট আই উইল ডু কাপল অফ আইটারেশন যে আইটারেশনে আসলে আই উইল গেট দা আউটপুট। দিনশেষে হিউম্যান উই আর উই আর দা প্রবলেম সলভার। এন্ড হাউ ডু ইউ সলভ প্রবলেম আনটিল ইউ আন্ডারস্ট্যান্ড দা প্রবলেম। এইজন্য বলছি যে মানুষ এবং যন্ত্রের মধ্যে এটাই পার্থক্য যে আমরা আসলে উই উইল আন্ডারস্ট্যান্ড হোয়াট ইজ দা প্রবলেম। বিকজ আমরা মেশিন থেকে ন্যারো ন্যারো এআই বলেন না যেটা বলেন আমরা মেশিন থেকে কিন্তু আমাদের প্রবলেমটা সলভ করে নিয়ে আসবো। কিন্তু মেশিন থেকে প্রবলেমটাকে সলভ করে নিয়ে আসার জন্য উই নিড টু আন্ডারস্ট্যান্ড দা প্রবলেম এন্ড কন্টেক্সচুয়ালাইজ দা প্রবলেম এন্ড দেন উই নিড টু ডিফাইন দা টাস্ক স্পেসিফিকালি সো দ্যাট উই ডু লেসার আইটারেশন উই ডু লেসার আইটারেশন এন্ড গেট দা আউটকাম ইমিডিয়েটলি। সো আমাদের সামনে যেভাবে জিনিসগুলো হচ্ছে উই উইল হ্যাভ লট অফ এআই সিস্টেমস লাইক এখন পাওয়ার বিআই তে এআই এসেছে। আমাদের ট্যাবলুতে এআই এসেছে। মানে তার মানে হচ্ছে কি আমাদের যত সিস্টেমস আসছে তার মধ্যে এআই আসবে। বাট গেটিং দা জব ডান বাই এআই ইজ আওয়ার মুনসিয়ানা। মানে আমরা আসলে কিভাবে এই কাজটা বের করে নিয়ে আসবো। বিকজ দিনশেষে আমাকে ওই সুপার ইন্টেলিজেন্স লেভেলে সুপার ইন্টেলিজেন্স লেভেলে যদি আমাকে হাঁটতে হয় তাহলে সুপার ইন্টেলিজেন্স লেভেলে হাঁটার জন্য সবচেয়ে বড় ব্যাপার হচ্ছে যে উই নিড টু আন্ডারস্ট্যান্ড হাউ দা সুপার ইন্টেলিজেন্স ওয়ার্ক। উই নিড টু আন্ডারস্ট্যান্ড হোয়াট ইজ হোয়াট ইজ দেয়ার টু সলভ দা প্রবলেম উইথ এআই। বিকজ এআই উড বি আওয়ার পার্টনার। দে উইল অগমেন্ট আস এভরি ইন এভরি সিচুয়েশন এআই উইল অগমেন্ট আস। সো আন্ডারস্ট্যান্ডিং হোয়্যার ইট ক্যান অগমেন্ট ইজ এ প্রিসাইজ থিং। আজকে এই পর্যন্তই থাকছেন তো সামনে?

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা: Understanding Artificial Intelligence in Bangla

হাজারো সমস্যার সমাধান ডাটা সাইন্সে, ১ম পর্ব ডাটা সায়েন্টিস্টদের আলাপ, MS চিফ ডাটা সায়েন্টিস্ট.mp3

অনেকদিন ধরে আলাপ খুঁজছিল যে ডেটা সাইন্স নিয়ে ডেটা সাইন্টিস্টরা কি বলছেন বা যারা আসলে ডেটা নিয়ে কাজ করছেন তাদের কি ধারণা তো সেই হিসাবে আমরা এই ডেটা সাইন্স নিয়ে বা ডেটা সাইন্সকে ঘিরে মাইক্রোসফট এর ডেটা সাইন্টিস্ট কি মানে কি বলতে চাচ্ছেন মাইক্রোসফট এর ডেটা সাইন্টিস্ট সেটা নিয়ে আজকে আমি এলাম তো আমার কাছে যেটা মনে হচ্ছে যে যদিও আমি গত 15 বছর ধরে এই ডেটা সাইন্স নিয়ে কাজ করছি আমার কাছে মনে হচ্ছে যে এটাতে পুরোপুরি উনি যা বলছেন তার সাথে আমি পুরোপুরি একমত কারণ এটাই রেজোনেন্স হচ্ছিল আমার কাছে যে আমি যখন উনার এই পুরো স্টাডিটা পড়ছিলাম মানে উনার আমি সাক্ষাৎকার পড়ছিলাম তখন আমার মনে ছিল যে উনার যে আন্ডারস্ট্যান্ডিং বা উনার যে ধারণা সেটার সাথে আমার ধারণা পুরোপুরি মিলে যাচ্ছে মানে পুরোপুরি ইকো হচ্ছে এবং এটা একটা রেজোনেন্স হচ্ছে তো আমার কাছে মনে হচ্ছিল যে না আমরা খুব একটা পিছিয়ে নেই মানে আমরা যারা ডেটা সাইন্স নিয়ে কাজ করছি বাংলাদেশে আমরা খুব একটা পিছিয়ে নেই তো সেই হিসাবে এটার যে আমি মনে করি যে ডেটা নিয়ে যে মাইক্রোসফট এর ডেটা সাইন্টিস্টের যে কথা বা উনি যেটা বলছেন তার আমি কিছু কিছু ধারণা আমি আপনাদেরকে দিচ্ছি যাতে আপনারাও ব্যাপারটা বুঝতে পারেন উনি আসলে মাইক্রোসফট এর এআই ফর গুড মানে এআই ফর গুড বলতে চাচ্ছি যে পৃথিবীর জন্য যেটা ভালো কাজে লাগে শুধু মাইক্রোসফট এর জন্য না আমি বলছি যে ব্যবসায়িক প্রতিষ্ঠান হিসেবে কিন্তু একটা লেভেলে চলে গেলে সব ব্যবসায়িক প্রতিষ্ঠানে কিন্তু সিএইচআর বলে যেটাকে আমরা বলছি যে কর্পোরেট সোশ্যাল রেসপন্সিবিলিটি সেই সেখানে কিন্তু তারা অনেক কাজ করে তো উনারা যেটা বলছে যে মাইক্রোসফট এর এআই ফর গুড সেই প্রোগ্রামে কৃত্রিম বুদ্ধিমত্তা এবং ডেটা দিয়ে পৃথিবীর যত প্রবলেম আছে সেটা আপনার দেখুন সেই ডেঙ্গু থেকে শুরু করে তারপরে কোভিড-19 বা এই যে এই যে সমস্যাগুলো আছে সেই তার সাথে পাশাপাশি এমিশন ট্র্যাকার তো এই বিশ্বের মানে বৈশ্বিক প্রবলেমগুলো নিয়ে কিন্তু এখন এআই কাজ করছে তার পাশাপাশি ক্লাইমেট চেঞ্জ ক্লাইমেট চেঞ্জের ব্যাপারগুলো নিয়ে কিভাবে কাজ করছে গ্লোবাল শিপিং কিভাবে আসলে এখন বিভিন্ন এমিশন বাড়াচ্ছে সেগুলো নিয়ে তারা স্টাডি করছে তো সেখানে উনি একটা জিনিস বলছেন যে আসলে সেই 2016 সালের পরের থেকে যেটা আসলে গ্লাসডোর বলছে গ্লাসডোরের ডেটা বলছে যে জব ওপেনিং মানে ডেটা সাইন্টিস্টদের জন্য জব ওপেনিং বেড়েছে প্রায় 480 শতাংশ এটা কিন্তু একটা বড় ভাগ যে 480 শতাংশ জব ওপেনিং বেড়েছে ডেটা সাইন্টিস্টদের জন্য এবং সেটা 2016 সাল থেকে এবং গ্লাসডোর সেটা বলছে তো এখানে আমি উনার যে স্টাডি ওখানে না যেয়ে আমি জাস্ট উনার সাথে যে আলাপগুলো ছিল সেই আলাপগুলোর কিছু উত্তর এবং আমার পারসপেক্টিভও আমি এখানে বলতে চাচ্ছি সেখানে তাকে ফরচুন থেকে আসলে প্রশ্ন করা হয়েছিল যে হাউ হ্যাজ দা ফিল্ড অফ ডেটা সাইন্স ডেভেলপড সিন্স ইউ স্টার্টেড ইউর ক্যারিয়ার মানে ডেটা সাইন্স টা আসলে এই ফিল্ডটা কিভাবে গড়ে উঠেছে তুমি যখন তোমার ক্যারিয়ার শুরু করলে তো উনি উনার উত্তরগুলো কিন্তু খুবই চমৎকার তো উনি বলেছেন যে ডেটা সাইন্স ইজ কম্বিনেশন অফ অল নলেজ দ্যাট এভরি ডিসিপ্লিন আউট দেয়ার হ্যাড টু ক্রিয়েট ইন অর্ডার টু ম্যানেজ ডেটা মানে ডেটা সাইন্স কিন্তু এখন কম্বিনেশন অফ অল ডিসিপ্লিন এবং সেটাকে কিন্তু তৈরি করতে হয়েছিল কারণ দিনশেষে সবাইকে ডেটাকে ম্যানেজ করতে হবে এখন ডেটাকে ম্যানেজ করতে গেলে তো ডেটা সাইন্স কে আসতেই হবে আর ডেটা সাইন্স হচ্ছে কি সব কম্বিনেশন অফ অল নলেজ এবং অল ডিসিপ্লিনের নলেজ নট দ্যাট আমি শুধু ইকোনমিক্স ইকোনমিক্স পড়লাম বা আমি ফিজিসিস্ট ফিজিসিস্ট বা আমি ডক্টর বা আমি ইঞ্জিনিয়ার সবাইকে ডেটা নিয়ে কাজ করতে হয় আর সে কারণে কিন্তু আমরা ভাবছি যে এই সবাইকে ডেটাকে যেহেতু কালেক্ট করতে হয় সেজন্য কিন্তু ডেটা সাইন্সের ইভলভ হয়েছে এবং ওখানে উনি বলছেন যে ইকোনমিক্স থেকে শুরু করে স্ট্যাটিসটিশিয়ান কম্পিউটার সাইন্স ফিজিসিস্ট ডক্টর সব ডিসিপ্লিনের লোকজন কিন্তু এখন ডেটা নিয়ে কাজ করছে আর এই কারণে এই ডিসিপ্লিনগুলো মানে বিভিন্ন ডিসিপ্লিনগুলো তাদেরকে কিছু মানে তারা এখন যেটা করছে তারা সবাই মিলে কিন্তু আলাদা আলাদা কিছু মেথড বা প্রক্রিয়া তৈরি করছে যাতে ডেটা থেকে জ্ঞান আহরণ করা যায় তার মানে একজন ডক্টর বা একজন ফিজিসিস্ট বা একজন ইকোনমিস্ট উনি যখন ডেটা নিয়ে কাজ করতে চাচ্ছেন তখন কিন্তু উনার মত করে উনি বেশ কিছু মেথড বা প্রসেস উনারা ডেভলপ করতেছেন যেটা আসলে রিডান্ডেন্ট মানে আমি বলছি যে প্রতিটা ডিসিপ্লিনে কিন্তু আলাদাভাবে ডেটা কালেক্ট করতেছে এবং সেটার ফলে কিন্তু দিনশেষে সে ডেটাকে ডেটা থেকে ধারণা পাওয়ার জন্য যে আইডিয়া সেটা কিন্তু ঘুরে ফিরে আবার চলে আসছে ডেটা সাইন্সের পেছনে তো সেটাই বলছে যে ওয়ান্স ইউ কম্বাইন অল অফ দিস দ্যাটস বেসিক্যালি দ্যাটস বেসিক্যালি হোয়াট উই কনসিডার ডেটা সাইন্স টুডে মানে আমরা যখন এই সবকিছু এই মেথডগুলোকে এই প্রসেস গুলোকে বিকজ আমাকে তো ডেটা নিয়ে কাজ করতে হচ্ছে আর এই ডেটা নিয়ে যখন আমি কাজ করছি তখন এই ডেটাকে কম্বিনেশন করতে যাচ্ছি তখন এই প্রসেসগুলো সব ডেটাকে যখন এক জায়গায় নিয়ে আসছি এই প্রসেসগুলোই কিন্তু এখন ডেটা সাইন্সে কালমিনেট করছে মানে অল ডিসিপ্লিন যেখান থেকে আমি আসি না কেন সেখানে কিন্তু উনি আবার বলেছেন যে ইন দা আর্লি টু মিড 20 মানে আমরা বলছি যে 2020 সাল থেকে আমরা দেখছিলাম যে আসলে ডেটা হচ্ছে একটা কোর ফাংশন মানে তার আগে আমরা বিভিন্নভাবে ডেটা নিয়ে কাজ করছি কিন্তু ডেটা নিয়ে কাজ করার কোর ফাংশনটা আসলে বোঝা গেছে হচ্ছে গিয়ে সেই 2000 সাল থেকে যেখানে ডেটা সাইন্সের জন্য আলাদা একটা ডিসিপ্লিন তৈরি করার কথা বা চিন্তা ভাবনা আসছে কারণ উনি বলছেন উই নিড পিপল উইথ এক্সপার্টিস ইন ডিলিং উইথ ডেটা এন্ড ট্রাইং টু গেট ভ্যালু আউট অফ ডেটা মানে এটা কিন্তু আসলে একটা চমৎকার জিনিস যে আমি ডক্টর আপনি ফিজিসিস্ট আরেকজন ফিজিশিয়ান সবাই কিন্তু ডেটা নিয়ে কাজ করছে কিন্তু এই ডেটা থেকে ফাইনালি আমরা যদি একটা ভ্যালুয়েশন মানে আমরা একটা ডেটার ভ্যালুয়েশন না পাই তাহলে ডেটা নিয়ে কাজ করে লাভ কি তার মানে হচ্ছে কি আমাকে এই ডেটা থেকে একটা ভ্যালুয়েশন পেতে হবে মানে সেই জন্যই কিন্তু আমাদের কিছু মানুষ প্রয়োজন যারা এই ডেটাকে ডিল করতে পারতে হবে বা ডেটাকে ডিল করতে পারতে হবে ডেটা থেকে ধারণা পেতে হবে এবং ডেটাকে মেকিং সেন্স অফ ডেটাকে করতে হবে মানে ডেটা থেকে ধারণা পেতে হবে সেটাই কিন্তু উনি বলছেন আরেকটা জিনিস বলেছেন যে আমরা এই যে ডেটা গ্যাদারিং মেথড এবং ডেটা থেকে ধারণা পাওয়ার মেথড এই মেথডগুলো উনি বলছেন যেই মেথডগুলো আমরা এখন ব্যবহার করছি সেটা কিন্তু প্রায় 100 বছরের পুরনো এবং এটা নিয়ে কিন্তু আমিও বারবার বলেছি যে আমরা যে আজকে অ্যালগরিদম নিয়ে আলাপ করছি এই যে ডেটা সাইন্সের যে অ্যালগরিদম সেটা কিন্তু 30 40 বছর আগে তৈরি এই যে অ্যালগরিদম গুলো বলছি আর এখন ডিপ লার্নিং এর জন্য উনি বলছেন যে এখন ডিপ লার্নিং এর জন্য যে অ্যালগরিদম গুলো আছে সেগুলো কিন্তু অনেক পুরনো মানে আমরা ডিপ লার্নিং এর এই অ্যালগরিদম গুলো এখন মেকিং সেন্স করছে বা এই ডিপ লার্নিং এর এই অ্যালগরিদম গুলো এখন কাজ করছে কেন কারণ এখন আমাদের প্রচুর ডেটা আসছে পাশাপাশি আমাদের প্রচুর মানে আমাদের আমাদের বলছি যে আমাদের প্রচুর প্রসেসিং পাওয়ার বেড়েছে আমাদের জিপিইউ এসছে আমার আমার এখানে আমার সামান্য ল্যাপটপ তার মধ্যে প্রচুর জিপিইউ আমি বলতে চাচ্ছি যে এই যে প্রসেসিং পাওয়ার এই যে আমাদের ডেটা যেগুলো আগে ছিল না এজন্য কিন্তু আমরা ডিপ লার্নিং মডেল আমরা কাজ করাতে পারিনি আমরা মেশিন লার্নিং মডেল আমরা ঠিকমত কাজ করাতে পারিনি অথচ এই ধরনের অ্যালগরিদম প্রায় 100 বছর ধরে আছে মানে 100 বছর আমি বলছি যে 30 বছর ধরে আছে ডিপ লার্নিং মডেল তো আছে বাট এখন আমরা এটা থেকে মেকিং সেন্স অফ ডেটা করতে পারছি বিকজ অফ হাই প্রসেসিং পাওয়ার এখন আমার হাতে পাশাপাশি আমাদের হাতে প্রচুর ডেটা এরপরের প্রশ্ন মানে আসলে উনার অনেকগুলো প্রশ্ন উত্তর আছে তো আমি একবারে সবগুলো কাভার করবো না আমি যেটা বলছি যে ফরচুন তাকে আরেকটা প্রশ্ন করেছে যে এমাং দা ডেটা সাইন্টিস্ট এমাং দা ডেটা সাইন্টিস্ট হু ইউ ওয়ার্ক উইথ নাউ আর ইউ সিং মোর পিপল উইথ ডেটা সাইন্সেস ডিগ্রি মানে উনি বলছেন যে যাদের সাথে আপনি কাজ করছেন যেসব ডেটা সাইন্টিস্টের সাথে এখন কাজ করছেন তাদের মধ্যে কি অনেকের ডেটা সাইন্স ডিগ্রি আছে মানে মাইক্রোসফট এর চিফ ডেটা সাইন্টিস্টকে প্রশ্ন করা হচ্ছে যে আপনি এখন যাদের সাথে কাজ করছেন ডেটা নিয়ে তাদের মধ্যে কি ডেটা সাইন্স ডিগ্রি আছে বা কেমন পরিমাণ ডেটা সাইন্স ডিগ্রি আছে উনি উত্তর বলেছেন অবশ্যই অবশ্যই সিওর বাট এটলিস্ট মানে উনি বলছেন এটলিস্ট ইন মাই এক্সপেরিয়েন্স ইন মাইক্রোসফট দা বেস্ট টিমস আর দোজ দ্যাট হ্যাভ এ ভেরি ডাইভার্স সেট অফ ব্যাকগ্রাউন্ডস আমি এটাই এটাই বারবার আমি ইকো করার চেষ্টা করি যে আসলে মাইক্রোসফট বলেন হাইটেক কোম্পানি বলেন যেখানেই বলেন না কেন আজকে যারা ডেটা সাইন্স নিয়ে কাজ করছে তাদের বেশিরভাগ বেশিরভাগ কিন্তু ডাইভার্স ব্যাকগ্রাউন্ড থেকে আসছে তারা ইকোনমিস্ট হয় ফিজিসিস্ট না হয় ইলেকট্রিক্যাল ব্যাকগ্রাউন্ড না হয় তারা হচ্ছে কম্পিউটার সাইন্টিস্ট স্ট্যাটিসটিশিয়ান মানে উনি বলছেন যে কারেন্টলি অন মাই টিম মানে উনার টিমে ইকোনমিস্ট আছেন স্ট্যাটিসটিশিয়ান আছেন কম্পিউটার সাইন্টিস্ট আছেন ফিজিসিস্ট আছেন পিপল উইথ ইলেকট্রিক্যাল ইঞ্জিনিয়ারিং ব্যাকগ্রাউন্ড এন্ড দেয়ার আর দোজ কামিং ফ্রম ডিউজ ডিসিপ্লিন মানে যারা নতুন ডিসিপ্লিন থেকে আসছেন তাদের হয়তোবা এই ডেটা সাইন্স ডিগ্রি আছেন কিন্তু উনি যে জিনিসটা বারবার ফোকাস করছেন যে উনার টিম তখনই বেস্ট তার টিমের মধ্যে তখনই বেস্ট আউটকাম আসে যখন তার টিমের মধ্যে ডাইভার্স ব্যাকগ্রাউন্ডের লোকজন থাকে মানে যারা বিভিন্ন ব্যাকগ্রাউন্ড থেকে এসেছেন নট মিন্স অফ যে আপনাকে ডেটা সাইন্স ব্যাকগ্রাউন্ড থেকে আসতেই হবে উনি বলছেন যে যখন এটাকে মিক্সড অফ অল ব্যাকগ্রাউন্ড হয় তখন এটা আরো ভালোভাবে কাজ করে এখানে উনি যে জিনিসটা বলেছেন সেটা হচ্ছে যে উনি আরো অনেক একাডেমিক্স একাডেমির সাথে কথা বলছেন উনি বিভিন্ন প্রোগ্রাম তৈরি করার চেষ্টা করছেন ডেটা সাইন্টিস্টের জন্য কিন্তু উনি একটা জিনিস বলছেন যে আই উড সে ইউ ডোন্ট নিড টু হ্যাভ স্টাডিড ডেটা সাইন্স টু বি এ ডাটা সাইন্টিস্ট ইউ ডোন্ট নিড টু হ্যাভ স্টাডিড ডেটা সাইন্স টু বি এ ডাটা সাইন্টিস্ট মানে আবার বলছেন যে টু বি ট্রান্সপারেন্ট দা মেজরিটি অফ ডেটা সাইন্টিস্ট ওয়ার্কিং এট মাইক্রোসফট আর ইন দা টেক ইন্ডাস্ট্রি টুডে ডিড নট পার্টিকুলারলি স্টাডি ডেটা সাইন্স বাট দে ডিড স্টাডি এ ডিসিপ্লিন দ্যাট হ্যাড এ লট অফ ডেটা সাইন্স এলিমেন্ট উনি যেটা বলতে চাচ্ছেন যে আমার সাথে যারা কাজ করছে তারা কিন্তু ডেটা সাইন্স ডিগ্রি ব্যাকগ্রাউন্ড থেকে আসেননি কিন্তু তারা এমন একটা ব্যাকগ্রাউন্ড থেকে এসেছেন যারা ডেটা সাইন্স নিয়ে কাজ না করলেও কিন্তু ডেটা নিয়ে কাজ করার অভিজ্ঞতা আছে তো এরকম হাইটেক ইন্ডাস্ট্রিতে কিন্তু ডেটা নিয়ে কাজ করার প্রচুর অভিজ্ঞতা আছে যারা আসলে ডেটা সাইন্স ব্যাকগ্রাউন্ডে না কিন্তু তারা কিন্তু ডেটাকে হ্যান্ডেল করতে জানে এবং ডেটা থেকে ধারণা পেতে জানে এবং সেভাবেই কিন্তু উনারা একেকটা ডেটা সাইন্স মডিউলের ভেতরে ঢুকতে পারেন তার মানে হচ্ছে কি ইউ ডোন্ট নিড টু হ্যাভ স্টাডিড ডেটা সাইন্স টু বি এ ডেটা সাইন্টিস্ট আজকে আমি এই পর্যন্তই কাভার করছি কারণ এখানে আরো অনেকগুলো প্রশ্ন আছে তো আমি আস্তে আস্তে বাকি প্রশ্নগুলো নিয়ে কাভার করবো আজকে এই পর্যন্তই থাকছেন তো সামনে

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা: Understanding Artificial Intelligence in Bangla

মানুষের সমকক্ষ আর্টিফিশিয়াল জেনারেলাইজড ইন্টেলিজেন্স (এজিএই) আসছে যন্ত্রে.mp3

পৃথিবীতে আমাদের হাজারো সমস্যা। এখন এই সমস্যাকে যদি সমাধান করতে চাই তাহলে কোন রাস্তায় হাঁটলে আসলে সেই সমস্যাগুলোর সমাধান করা যেতে পারে। এটা নিয়ে আসলে অনেকেই চিন্তা করছেন এবং এটা নিয়ে অনেকে কাজ করছেন। একটা জিনিস বোঝা গেছে যে আমরা যদি ইন্টেলিজেন্স নিয়ে কাজ করি মানে আমরা যদি বলছি যে আমরা যদি দিনশেষে ইন্টেলিজেন্স নিয়ে আলাপ করি বা ইন্টেলিজেন্স নিয়ে কাজ করি তাহলে এই সুপার ইন্টেলিজেন্স মানে যেই ইন্টেলিজেন্স নিয়ে কাজ করতে চাচ্ছি এই সুপার ইন্টেলিজেন্স কিন্তু পৃথিবীর সব সমস্যার সমাধান করে দিবে। তারমানে আমরা যদি এখন এই মুহূর্তে ইন্টেলিজেন্স নিয়ে কাজ করি মানে আমরা যদি সব কাজ ফেলে দেই আমরা যদি ইন্টেলিজেন্স নিয়ে কাজ করি তাহলে এই ইন্টেলিজেন্স একসময় সুপার ইন্টেলিজেন্স হবে এবং সুপার ইন্টেলিজেন্স হওয়ার পরে কিন্তু পৃথিবীর বাকি সমস্যাকে সে সমাধান করতে পারবে। তো এইজন্য আসলে আমরা দেখছি যে পৃথিবীতে যে জিনিসটা সবসময় আমি দেখি যে ডিসিশন মানে আমরা সিদ্ধান্ত নিতে পারার ক্ষমতা বা আমরা বলছি যে আমরা ন্যারো ডাউন করতে পারা একটা সমস্যাকে ন্যারো ডাউন করতে পারা। আপনি দেখবেন যে আমরা এই মুহূর্তে আমরা হচ্ছে ন্যারো ইন্টেলিজেন্স মানে একদম স্পেসিফিক যেমন আপনি যদি দেখেন যে ডিপ মাইন্ড যে কোম্পানিটা আছে ডিপ মাইন্ড কোম্পানিটা কিন্তু অনেকগুলো পৃথিবীর সমস্যার সমাধান করে দিয়েছে। তার মধ্যে একটা হচ্ছে আলফা ফোল্ড। মানে আমরা তো জানি যে প্রোটিন প্রোটিন ফোল্ড নিয়ে যে একটা সমস্যা ছিল যেটা প্রায় 50 বছরের সমস্যা। এই প্রোটিন ফোল্ড সমাধান করে ফেলেছে এই সুপার ইন্টেলিজেন্স। কিন্তু এটা ন্যারো ন্যারো ডাউন টু দ্যাট লেভেল। অথবা আমরা যে সেলফ ড্রাইভিং কার নিয়ে কাজ করছি তো এটা হচ্ছে গিয়ে ন্যারো টু দ্যাট ফিল্ড যে আমরা স্পেসিফিক বা আমরা এখন করোনা ভাইরাস এর ভ্যাক্সিনেশন। করোনা ভাইরাস এর ভ্যাক্সিনেশন এত তাড়াতাড়ি আসতে পারতো না যদি আমরা এর পেছনে ইন্টেলিজেন্স না কাজ করতো। তার মানে হচ্ছে গিয়ে দিনশেষে আমরা যদি ইন্টেলিজেন্স নিয়ে কাজ করি তাহলে এই ইন্টেলিজেন্সি কিন্তু আমাদের পৃথিবীর বাকি সব সমস্যার সমাধান করে দেবে। তো সেইজন্য আমাদের ধারণা আমাদের কাজ হবে হচ্ছে আমরা কিভাবে ইন্টেলিজেন্স ব্যাপারটা বুঝি মানে ইন্টেলিজেন্স ব্যাপারটা কি এবং ইন্টেলিজেন্স ব্যাপারটা কিভাবে আমাদের সমস্যার সমাধানে লাগে সেটা যদি আমরা কাজ করতে চাই তাহলে আমাদের শুরুতে কয়েকটা ধারণা পাওয়া প্রয়োজন যে আসলে আমরা সিদ্ধান্ত কিভাবে নেই বা আমরা আসলে দিনশেষে সিদ্ধান্ত কিভাবে নেই। তো এটা একটা বই যেই বইটা আসলে আমি অনেকদিন ধরে পড়ছিলাম যে দ্যা ডিসিশন বুক। মানে আসলে মানুষ কিভাবে সিদ্ধান্ত নেয় বা সিদ্ধান্ত নেওয়ার চিটকোড কোথায় বা সিদ্ধান্ত আমরা কিভাবে খুব ফাস্ট নিতে পারি। সো এখানে যেটা হচ্ছে দ্যা ডিসিশন বুক 50 মডেলস ফর স্ট্র্যাটেজিক থিংকিং। আর এটা আমার কাছে যেটা মনে হয়েছে যে আমরা যত সিদ্ধান্ত নেই তার পেছনে যেটা উনারা বলেছে হোয়াট ডু আই ওয়ান্ট মানে আমি আসলে কি চাই এন্ড হাউ ক্যান আই গেট ইট? হাউ ক্যান আই গেট ইট? সো হোয়াট ডু আই ওয়ান্ট এন্ড হাউ ক্যান আই গেট ইট? হাউ ক্যান আই লিভ মোর হ্যাপিলি এন্ড ওয়ার্ক মোর ইফেক্টিভলি? হাউ ক্যান আই লিভ মোর হ্যাপিলি এন্ড ওয়ার্ক মোর ইফেক্টিভলি? তার মানে হচ্ছে যে এই যে ডিসিশন বুক এই ডিসিশন বুকটা কিন্তু একটা ভালো ধারণা দেয় যে আমরা ইন্টেলিজেন্সের কোন লেভেলে যেয়ে কাজ করব, কোথায় কাজ করব, কিভাবে কাজ করব এবং দিনশেষে আমরা এটা নিয়েই কিন্তু কাজ করি এবং আমি মাঝে মাঝে বলি যে ইভেন আমরা যখন সকালবেলা ড্রাইভিং করছি মানে ইট হ্যাজ ইন্টেলিজেন্স। আমরা আমার যে কাজ আমার সাথে যারা কাজ করেন বা তাদেরকে আমরা সবসময় বলি যে আমরা সবকিছুই ইন্টেলিজেন্স দিয়ে সলভ করব। মানে যেকোনো প্রবলেম যেটা এখন আছে সেটার পেছনের যে ইন্টেলিজেন্স সেটা নিয়ে যদি আমরা কাজ করি তাহলে সামনে আরো বড় বড় সমস্যার সমাধান করা সম্ভব। সেখানে আরেকটা জিনিস এসছে এখন সেটাকে আমরা বলছি এজিআই। মানে আর্টিফিশিয়াল জেনারেল ইন্টেলিজেন্স। এখন এজিআই ব্যাপারটা আসলে মানে আমি নিজে খুবই এক্সাইটেড এই এজিআই নিয়ে। মানে আর্টিফিশিয়াল জেনারেল ইন্টেলিজেন্স। মানে হচ্ছে গিয়ে জেনারেল মানে একটা মানুষ মানে এখন আমরা যেহেতু ন্যারো ফিল্ডে আমাদের কৃত্রিম বুদ্ধিমত্তাকে কাজ করাচ্ছি ন্যারো ফিল্ড। যে আমরা বলছি যে আমাদের যে বিভিন্ন ভ্যাক্সিনেশন তৈরি করা বা আমরা বলছি যে ইমেজ প্রসেসিং যে আমার কাছে একটা ছবি আছে ছবির মধ্যে কি জিনিসটা যেটা আসলে আমাকে প্রতিনিয়ত আমার আমার ধরা যাক 50000 ছবি আছে বা আমরা বলছি যে আমাদের এক্সরে ফিল্ম আছে। এক্সরে ফিল্ম থেকে আমাকে বলতে হবে যে হার্টটা ভাঙ্গা কি ভাঙ্গা না বা আমাদের যে এমআরআই যে আছে সেই এমআরআইটা ডক্টর যেভাবে এমআরআই ফিল্ম থেকে দেখতে পারবে তার থেকে ইমেজ প্রসেসিং আরো ফাস্টার এটাকে সলভ করতে পারবে। কারণ একটা ডক্টর হয়তোবা 40 বছর ধরে এটা দেখছেন কিন্তু একটা মেশিন হয়তোবা কয়েক কোটি বছরের দেখা ইমেজ সে হয়তোবা কিছু সময়ের মধ্যে প্রসেস করতে পারছে। কারণ তাকে যত বেশি ডেটা দেওয়া হবে এবং যন্ত্রের কোন বিনাশ নেই। মানে যন্ত্রের যে হয়তোবা যন্ত্রের কিছু আর্ম বা যন্ত্রের কিছু ফিজিক্যাল জিনিস নষ্ট হবে কিন্তু যন্ত্রের যে ব্রেইনটা এটার আসলে শেষ নাই। তার মানে হচ্ছে গিয়ে যেকোনো ন্যারো কাজ সেটা হয়তোবা এই মুহূর্তে ন্যারো ইন্টেলিজেন্স সলভ করতে পারছে। কিন্তু আমরা বলছি জেনারেল ইন্টেলিজেন্স যেটা মানুষের প্রয়োজন। যে মানুষ যে এটা প্রতিনিয়ত যে কাজগুলো করেন মানুষকে মানুষের যে জেনারেল ইন্টেলিজেন্স। যেমন এই মুহূর্তে আমার বাসায় আমি ফ্যান অফ করে রেখেছি কারণ ফ্যান থেকে যে শব্দ হয় সেটাতে রেকর্ডিং এ শব্দ হতে পারে। সো আমার জেনারেল ইন্টেলিজেন্স হচ্ছে গিয়ে আমার এখানে একটা ক্যামেরা থাকবে বা কোথাও একটা ক্যামেরা থাকবে সে আমার ভাবভঙ্গি বা আমার চোখের চাহনি বা আমার ধারণা সেটা পেয়ে কিন্তু সে অটোমেটিক কাজ করবে। যেমন আমি যদি শুধু এরকম ফ্যানের দিকে তাকাই শুধুমাত্র আমি ফ্যানের দিকে তাকালাম। তার মানে হচ্ছে গিয়ে আমার মেশিন বুঝে যাবে যে না আমি চাইছি যে এখন একটা ফ্যানটা ঘুরুক বা রুমটা ঠান্ডা হোক। তার মানে হচ্ছে এটা একটা জেনারেল ইন্টেলিজেন্স। মানে এটা ন্যারো না। মানে আমার কথা হচ্ছে যে ইট ডাজেন্ট হ্যাভ টু বি দ্যাট স্পেসিফিক এবং স্পেশালাইজড হওয়ার দরকার নেই। আমি অনেক কিছু বলছি আমার ফ্রেন্ডকে তারা বুঝতে পারছে কিন্তু মেশিন বুঝতে পারছে না। সেইখানেই হচ্ছে গিয়ে জেনারেল ইন্টেলিজেন্স। আমি কারো সাথে ফান করছি বা আমি কাউকে কোন কিছু বলছি যেটা হচ্ছে গিয়ে আসলে মানে সত্যি মানে তাকে আমি হার্ট করার জন্য বলছি না। হয়তো তার সাথে তাকে আমি ফান করার জন্য বলছি। মেশিনকেও হয়তোবা সেটা বুঝতে হতে পারে। সো আমরা আসলে এজিআই মানে আর্টিফিশিয়াল জেনারেল ইন্টেলিজেন্স হচ্ছে গিয়ে প্রতিনিয়ত আমরা যে কাজগুলো করছি সেই কাজগুলোর পেছনে যাতে ইন্টেলিজেন্স আমাদের এই কাজগুলো করে ফেলতে পারে। আমরা আসলে রকেট সায়েন্স চাচ্ছি না। আমরা চাচ্ছি যে জেনারেল ইন্টেলিজেন্স যেটা ডে টু ডে কাজে লাগছে সেই জেনারেল ইন্টেলিজেন্সে কি কৃত্রিম বুদ্ধিমত্তাকে কাজে লাগা লাগানো যেতে পারে কিনা। আর সেইজন্যই আমরা বলব যে এ ধরনের বই মাস্ট রিড যে ডিসিশন বুক এই কিভাবে মানে হোয়াট ডু আই ওয়ান্ট? হাউ ক্যান আই গেট ইট? হাউ ক্যান আই লিভ মোর হ্যাপিলি এন্ড ওয়ার্ক মোর ইফেক্টিভলি? এ ধরনের অনেক ধরনের ব্যাপারের জন্য আমরা এই ডিসিশন বুকটা পড়তে পারি। আর সবচেয়ে বড় জিনিস হচ্ছে কি আমরা কৃত্রিম বুদ্ধিমত্তা যদি এখন থেকে না বোঝার চেষ্টা করি তাহলে আমরা হাউ ডু আই সলভ দা বিগ প্রবলেম? সো লেটস সলভ আমরা মনে করি যে লেটস সলভ দা আর্টিফিশিয়াল ইন্টেলিজেন্স। আমার কথা হচ্ছে যে লেটস ফিগার আউট হাউ টু ব্রিং ব্যাক ইন্টেলিজেন্স অথবা আমরা ইন্টেলিজেন্স যদি ঠিকমতো সলভ করতে পারি। আমরা বলছি যে আমাদের আমরা যদি ইফ উই ফিগার আউট হাউ টু সলভ এ প্রবলেম উইথ ইন্টেলিজেন্স আমরা যদি ইন্টেলিজেন্স দিয়ে যদি প্রবলেম সলভ করতে পারি তাহলে সেই ইন্টেলিজেন্সি পৃথিবীর বাকি সব প্রবলেমকে সলভ করে দিবে। সো উই শুড ওয়ার্ক উইথ ইন্টেলিজেন্স এন্ড দ্যাটস হোয়াই ইউ শুড রিড দিস বুক। কারণ কৃত্রিম বুদ্ধিমত্তা দিস ইজ দা ফিউচার এবং কৃত্রিম বুদ্ধিমত্তার যে ন্যারো ফিল্ডটা আছে সেই ন্যারো ফিল্ডটাকে আর জেনারেলাইজড করতে হবে এবং এটাকে আরো ওয়াইড করতে হবে। সেই ওয়াইড করার জন্য কিন্তু আমাদের এখন থেকে কৃত্রিম বুদ্ধিমত্তার ব্যাপারটা বুঝতে হবে। আর সেইজন্যই কৃত্রিম বুদ্ধিমত্তা ব্যাপারটা জানা জরুরি। আর যারা একদম কৃত্রিম বুদ্ধিমত্তা জানেন না যারা একদম শুরু থেকে শুরু করতে চান তাদের জন্য এই বইটা আপনারা দেখতে পারেন হাতে কলমে মেশিন লার্নিং। বিকজ দিনশেষে মেশিন লার্নিং ছাড়া কৃত্রিম বুদ্ধিমত্তা করা সম্ভব না। আর সেইজন্যই আমরা বলছি যে কৃত্রিম বুদ্ধিমত্তা বা মেশিন লার্নিং বা ডিসিশন বুক যেটাই হোক না কেন আমাদেরকে ডিসিশন মেক মানে আমাদের আমাদেরকে সিদ্ধান্ত নেবার জন্য ইন্টেলিজেন্সকে ব্যবহার করতে হবে। আর এই ইন্টেলিজেন্সকে ব্যবহার করার জন্য আমরা আগে ইন্টেলিজেন্স ক্র্যাক পাজলটাকে আমরা ইন্টেলিজেন্স পাজলটাকে আমরা ক্র্যাক করব সলভ করব। কারণ আমরা যদি ইন্টেলিজেন্স পাজলটাকে সলভ করতে পারি দেন এই ইন্টেলিজেন্স দিনের শেষে পৃথিবীর বাকি সব সমস্যাকে সমাধান করে দেবে। কারণ আমরা যেই লেভেলে এসছি হিউম্যান ইন্টেলিজেন্স হিউম্যান ইন্টেলিজেন্সের সাথে সুপার ইম্পোজ করতে হবে সুপার ইন্টেলিজেন্স এবং সেটা আসলে অনেক অনেক অনেক সমস্যার সমাধান করে দেবে যেটা আসলে মানুষের পক্ষে সম্ভব না। আজকে এই পর্যন্তই থাকছেন তো সামনে?

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা: Understanding Artificial Intelligence in Bangla

যন্ত্র কি মানুষ থেকে বেশি বুদ্ধিমান হতে পারে.mp3

আমরা যখন আলাপ করছিলাম এর আগে মানুষের থেকে কি একটা ভালো বুদ্ধিমত্তা পরিচয় একটা প্রোগ্রাম দিতে পারে বা কৃত্রিম বুদ্ধিমত্তাকে মানুষ থেকে ভালো সিদ্ধান্ত দিতে পারে সেখানে আমরা দেখেছিলাম যে কিভাবে এটার প্রুফ দেওয়া যায় বা আমরা আলাপ করছিলাম যে সবাই একটা কথা বলছিলেন যে যেই জিনিস সৃষ্টি যার সৃষ্টি এবং যিনি তৈরি করেছেন তার থেকে কি তার সৃষ্টির বা যেটাকে আমি তৈরি করেছি সে কিভাবে আমার থেকে বেশি বুদ্ধিমত্তার পরিচয় হয় আসলে ব্যাপারটা সেরকম না ব্যাপারটা হচ্ছে যে আমরা মেশিনকে শিখাচ্ছি যাতে সে আমার থেকে বেশি বুদ্ধিমান হয় যাতে সে একটা সমাধান দিতে পারে একটা যেই প্রবলেমটা ধরা যাক মানুষ যে প্রবলেমটাকে সমাধান করতে পারছে না সেটা আমরা মেশিনের হাতে ছেড়ে দিচ্ছি যাতে সে নেক্সট লেভেলে যেয়ে সেটাকে সমাধান করতে পারে সো এখানে এটার একটা ছোট একটা আইডিয়া আমরা বলছি যে প্রায় এখন থেকে আট বছর আগে আপনাদের মনে আছে যে আটারির অনেকগুলো গেমস মানে আমরা ছোটবেলায় বিশেষ করে আমি যখন ছোটবেলায় কমোডর 64 একটা কমোডর 64 আমি দেখেছিলাম যে কমোডর 64 এ আমরা এটা খেলতাম তো আটারিতেও কিন্তু এই ধরনের গেমগুলো খেলতাম যে ব্রেকআউট ব্রেকআউট যে গেমটা আপনারা দেখতে পাচ্ছেন যে ব্রেকআউট গেমটা ব্রেকআউট গেমটার কাজটা হচ্ছে যে আমার এই বলটাকে নিচ থেকে আমাকে দেখতে হবে যে এই বলটা যাতে আমাদের এখানে যে ব্রিকগুলো আছে ব্রিকগুলোকে হিট করে সে ব্রিকগুলোকে পুরোপুরি খেয়ে ফেলতে পারে মানে আমি প্যাকম্যানের কথা বলছি না বাট বলছি যে এই ব্রিকগুলোকে আস্তে আস্তে আমি শেষ করে দিব আসলে এই যে বুদ্ধিমত্তা মানে তার মানে আমাকে এই গেমসটাকে বা এই আটারির যে ব্রেকআউটটাকে এটাকে আমাকে একটা পিক্সেল লেভেলে ট্রেন করতে হবে যে কিভাবে একটা প্রো প্লেয়ার একটা প্রো প্লেয়ার কিভাবে আসলে খেলতে পারে তো এই গেমসে দেখা যাচ্ছে যে সে শুরুতে সে পারছিল না পরে তাকে আমরা 120 মিনিটের মত ট্রেনিং দিলাম 120 মিনিট ট্রেনিং দেওয়ার পর দেখা যাচ্ছে যে সে একদম প্রো প্লেয়ার মানে যেখানে আমার ওই লেভেলে খেলতে আমার হয়তোবা এক মাস সময় লাগতো মানুষের পক্ষে সেটা 120 মিনিটে সে এডাপ্ট করে এবং তারপরে মজার ঘটনাটা ঘটে যে এই আটারির যে ব্রেকআউট গেমটা মানে এখন থেকে আট বছর আগের কথা বলছি যে ডিপ মাইন্ড তখন এই মানে এই এই গেমসটার সাথে সাথে ও কিন্তু নিজের সাথে খেলেছে মানে এই আর্টিফিশিয়াল ইন্টেলিজেন্স প্রোগ্রামটা ও আবার নিজের সাথে খেলেছে তো তখন কিন্তু সে একটা ওয়ে আউট ফিগার করেছে যে আপনি দেখতে পাচ্ছেন যে সে একটা টানেল তৈরি করেছে যেটা আসলে সুপার হিউম্যান লেভেলে মানে এটা কখনোই মানুষ চিন্তা করতে পারেনি যে এটাকে যদি খুব তাড়াতাড়ি গেমটা যদি আমি শেষ করতে চাই বা এই গেমটা যদি ওভার করতে চাই তাহলে সাইড দিয়ে টানেল করে মানে আমার এই ব্রিকের সাইড দিয়ে টানেল করে পেছন দিক দিয়ে যেয়ে এই পুরো জিনিসটাকে ক্লোজ করে দেওয়া কারণ পেছনে কিন্তু আমার জায়গা কম এবং খুব অল্প অল্পতে কিন্তু এটাকে শেষ করে দেওয়া মানে গেমটাকে ওভার করে দেওয়া যায় তার মানে হচ্ছে গিয়ে এআই ও কিন্তু এটা ওয়ে আউট করেছে যে সামনে থেকে এটাকে যত তাড়াতাড়ি এটাকে শেষ করা যাবে তার থেকে এটার টানেল করে পিছনে যেয়ে এটাকে কিন্তু তার থেকে খুব তাড়াতাড়ি এই গেমটাকে ওভার করা যাবে তার মানে আমরা এটাই বলছি যে কৃত্রিম বুদ্ধিমত্তা কিন্তু সুপার হিউম্যান মানে হিউম্যান লেভেল থেকে সুপার হিউম্যান লেভেলে যেতে পারে যখন ও নিজে নিজের সাথে খেলে মানে আমরা ওকে ট্রেন করতে পারি প্রো প্লেয়ার দিয়ে কিন্তু প্রো প্লেয়ারের পর পর আমি মনে করি যে ও হিউম্যানের সাথে হিউম্যান খেললে কিন্তু ওর বুদ্ধিমত্তা সেটা বাড়বে না কিন্তু ওর বুদ্ধিমত্তা বাড়বে তখনই যখন আমি ওকে নিজের সাথে নিজে খেলাবো মানে প্রোগ্রাম টু প্রোগ্রাম খেলাবো তখন সে একটা নেক্সট লেভেল পর্যন্ত খেলতে পারবে তো আমি এখানে আরো অন্যান্য অনেকগুলো গেমস দেখালাম আটারির প্রায় 57 টা গেম এই আটারি আটারির 57 টা গেম কিন্তু এভাবেই খেলা হয়েছে এখানে সোলারিস দেখছি বা এজেন্ট 57 এরকম অনেকগুলো গেমস দেখছি তো ব্যাপারটা হচ্ছে যে কৃত্রিম বুদ্ধিমত্তা মানুষ থেকে আরো ভালো বুদ্ধিমত্তা দিতে পারে যখন তাকে আমি স্পেশালাইজ লেভেলে নেব আর এর পাশাপাশি জেনারেল এআই যেটাকে বলছি যে জেনারেল এআই সেই জেনারেল এআইতে এআই রাস্তায় আমরা হাঁটছি আজকে এ পর্যন্তই থাকছেন তো সামনে

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা: Understanding Artificial Intelligence in Bangla

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা, ১৪ যন্ত্রকে কেন মানুষের মতো চিন্তা করতে হবে.mp3

বিশ্বে প্রায় ১৪ লাখ মানুষ মারা যান সড়ক দুর্ঘটনায়। এটা একটা বড় সমস্যা। আজকে আমরা আসছি কিভাবে একটা সেলফ ড্রাইভিং কার বা একটা যন্ত্রকে মানুষের মত করে চিন্তা করতে হয়। মানুষ যেভাবে চিন্তা করে এবং মানুষ একজন ড্রাইভার হিসেবে আসলে যেভাবে চলেন বা যেভাবে রাস্তায় ড্রাইভিং করেন সেখানে হঠাৎ করে একটা মানুষ যখন রাস্তায় নেমে যায় বা আমরা দেখছি যে একটা রাস্তায় যখন একটা মানুষ নামছেন ও কিন্তু কোন ওয়ার্নিং দিচ্ছে না বা একটা গাড়ি কিন্তু তাকে আগে থেকে প্রেডিক্ট করতে হচ্ছে। মানে একটা যন্ত্রকে আগে থেকে প্রেডিক্ট করতে হচ্ছে অন্ধকার একটা মানুষ রাস্তায় নেমে যাচ্ছে বা একটা পেডিস্ট্রিয়ান হঠাৎ করে রাস্তায় নেমে যাচ্ছেন। তো এটা গাড়িকে প্রেডিক্ট করতে হবে যদি সেই গাড়ি সেই মানুষটাকে হিট না করতে চায়। তো সেইভাবে কিন্তু প্রতিটা স্টপ সাইন বা প্রতিটা যে রাস্তার যে সিগন্যাল বা রাস্তার যে বিভিন্ন ধরনের সাইন আছে সেই সাইনগুলোকে সে প্রেডিক্ট করতে পারতে হবে। রাস্তাকে চিনতে হবে এর পাশাপাশি তার লার্নিং। হঠাৎ করে গাড়ি কিন্তু এসে আসতে পারে বা আপনারা দেখছেন যে হঠাৎ করে একটা গাড়ি পিছতে আসতে পারে যেটা আমরা জানি না। একটা মানুষ নামতে পারে বা একজন স্কেটিং এ নেমে যেতে পারে রাস্তার মধ্যে। তার মানে হচ্ছে কি একটা যন্ত্রকে তার আইজ এন্ড ইয়ার্স কিন্তু সেভাবে চালু করতে হবে এবং সেভাবে কিন্তু একটা যন্ত্রকে যখন চলতে হয় তাকে কিন্তু প্রতিটা ইন্টারসেকশন থেকে শুরু করে যেসব জায়গায় তাকে নামার কথা না বা যেখানে মানুষ নামার কথা না সেখানে কিন্তু সে কাজ করছে। এভাবে আমরা দেখছি যে আমাদের মেশিন লার্নিং বা আমাদের কৃত্রিম বুদ্ধিমত্তা একটা সামাজিক সমস্যাকে যদি সমাধান করতে চায় তার কথা হচ্ছে সাইকোলজিক্যাল আসপেক্ট মানে মানুষ কিভাবে চিন্তা করে বা একটা গাড়ি একটা গাড়ি চালক কিভাবে চিন্তা করেন সেই চিন্তাটা একটা গাড়িকে দেওয়া যায় কিনা সেটা হচ্ছে আমাদের বড় পারসপেক্টিভ। এখানে আপনারা দেখতে পাচ্ছেন যে একটা গাড়িকে কিভাবে ট্রেইন করা হচ্ছে এবং ট্রেইনের পাশাপাশি আমি মনে করি যে আমরা যখন বিভিন্ন জায়গায় কাজ করি বিশেষ করে আমরা যখন একটা লার্নিং বিশেষ করে একটা মানুষ যখন রাস্তায় নামে তার ব্যাপারে কিন্তু আমাদের একটা ধারণা করতে হবে। এখানে আমরা দেখছি যে একটা কার পপি। এই পপিকে যখন আমরা প্রথম ট্রেইন করছি মানে এটা অনেক আগের একটা ভিডিও বাট একটা পপি এই কারটা কিন্তু সে ট্রেনিং এর মধ্যে আছে এবং সে কিন্তু প্রতিটা পদে পদে কিন্তু সে আটকে যাচ্ছে মানে ও কিন্তু মানুষকে ভয় পাচ্ছে এবং এর আশেপাশে অন্যান্য যে জিনিসগুলো মানে এর তাকে সেই কিভাবে তৈরি করা হচ্ছে যে সে প্রতিটা ক্ষেত্রে খুব কসাস এবং স্কেটিং হচ্ছে এখানে আপনার আশেপাশে অন্যান্য অনেক কিছু হচ্ছে মানে তার আশেপাশে যে লার্নিং এনভারনমেন্ট যেমন রাস্তার মধ্যে তার পেছনে অনেক গাড়ি হংকিং করছে বা তার পেছনে অনেকে অনেক ধরনের রিমার্ক করছে। তার মানে হচ্ছে কি একটা গাড়ি তাকে সহজভাবে চলতে গেলে হঠাৎ করে মানুষ রাস্তায় নেমে যাচ্ছে তো তাকে কিন্তু প্রেডিক্ট করতে হচ্ছে। একটা মানুষ বা একটা মানুষ যেমন দেখুন যে একজন মহিলা সে রাস্তা পার হতে যাচ্ছে সে কিন্তু কিছুটা বিরক্ত হচ্ছে যে রাস্তার কেন গাড়িটা দাঁড়িয়ে আছে মানে পপি কেন দাঁড়িয়ে আছে সে বিরক্ত প্রকাশ করছে। তো সেই হিসেবে আমরা বলছি যে প্রতিটা ক্ষেত্রে গাড়িটা যখন নতুন লার্ন করছে তাকে কিন্তু কসাস মানে তার অ্যালগরিদমটা কিন্তু প্রতিটা ক্ষেত্রে খুব কসাস মুভমেন্ট নিচ্ছে এবং সেখানে কিন্তু একই ক্ষেত্রে যে মহিলাটা ভাবছেন যে প্রতিনিয়ত এই গাড়িটা সেখানে আটকায় ও ও জানে না আমিও জানি না। তার মানে হচ্ছে কি এইখানে একটা হিউম্যান কম্পিউটার ইন্টারেকশন যে ব্যাপারটা এখানে একটা কম্বিনেশন থাকছে যেখানে মানুষ তাকে বিশ্বাস করছে নাকি যন্ত্র তাকে বিশ্বাস করছে এই যে একটা সাইকোলজি এটাও কিন্তু এখানে ইমপ্লিমেন্ট করতে হচ্ছে। শুরুতে দেখা গেছে যে শুধুমাত্র ওই গাড়িতে সেলফ ড্রাইভিং কারগুলোতে শুধুমাত্র আমরা মালপত্র বহন করতে পাঠাতাম যে ঠিক আছে মালপত্র ঠিকমত নিতে পারছে কিনা মানুষ পরে আগে মানুষ কে নিয়ে যাওয়ার পরে কিন্তু মালপত্র সে ঠিকমত নিতে পারছে কিনা। এর পাশাপাশি আমরা দেখছি যে এখন দেখুন মহিলা কিন্তু বুঝে গেছে যে না এই গাড়িটাকে ট্রাস্ট করা যায়। তার মানে হচ্ছে কি এখন সে বাচ্চাটাও কিন্তু তার দিকে হাত নাড়ছে যে না সেই গাড়িটাকে ট্রাস্ট করতে পারছে যে না একটা আনম্যানড ভেহিকেল বাট ট্রাস্ট করা যায় যে ও আসলে যাবে না। তার মানে এখানে প্রচুর সাইকোলজির ব্যাপার আছে। এর পাশাপাশি আরেকটা জিনিস আমি বলতে চাই যে প্রচুর সাইক্লিস্ট মারা যান এই গাড়ির ড্রাইভিং ব্যাড ড্রাইভিং এর জন্য এবং সেই সাইক্লিস্টদের বাঁচানোর জন্য কিন্তু এই যে আমরা ক্রুজের যে ভিডিওগুলো দেখছি সেই ক্রুজের ভিডিওতে কিন্তু এই সাইক্লিস্টদের রক্ষা করার জন্য কিন্তু প্রচুর অ্যালগরিদম ব্যবহার করা হচ্ছে এবং সেখানে তাদের এমন কিছু কিছু প্রেডিকশন তারা নিয়ে আসছে আপনি দেখেন যে গাড়ির সামনে কিন্তু সে দেখছে যে তার পাশে একটা সাইক্লিস্ট যাচ্ছে এবং সাইক্লিস্ট কিন্তু একটা পর্যায়ে কিন্তু আমরা দেখছি যে সাইক্লিস্ট এখানে তাকে সাপোর্ট দিচ্ছে এবং তার পাশাপাশি আপনি দেখুন যে সেই সাইক্লিস্ট আসলে কিভাবে কাজ করছে বা সাইক্লিস্টের মানসিক বিহেভিয়ার বা সাইক্লিস্ট আসলে কিভাবে কাজ করে সেটাও কিন্তু দেখছেন যে হঠাৎ করে একটা সাইক্লিস্ট সামনে দিয়ে চলে গেল। এটা একটা প্রেডিক্টেবল বিহেভিয়ার যে সাইক্লিস্ট হঠাৎ করে টার্ন নিতে পারে। তার মানে একটা যন্ত্রকে বা একটা সেলফ ড্রাইভিং কারকে সেই লেভেলে প্রেডিক্ট করতে হবে যে তার থেকে কতটুকু দূর দূরত্ব রাখতে হবে এবং এর পাশাপাশি সেই সাইক্লিস্ট আসলে কখন কি ধরনের অ্যাকশন নেবে এবং সেই অ্যাকশন নেবার জন্য কিন্তু ক্রুজে সাইক্লিস্ট উনারাও কিন্তু এখানে প্রোগ্রাম হিসেবে কাজ করছেন যে সেই উনি নিজেও সাইক্লিস্ট এবং উনি এখানে একটা বিহেভিয়ার প্যাটার্ন দিচ্ছেন যে সাইক্লিস্ট একটা কি করতে পারে এবং সেই সাইক্লিস্টকে বাঁচানোর জন্য একটা সেলফ ড্রাইভিং কার বা একটা সেলফ ড্রাইভিং কার কিভাবে মানে সে কিন্তু গাড়িটা থামেনি ও জানে যে হঠাৎ করে গাড়িটা গিয়েছে কিন্তু ও জানে যে ওটার মধ্যে একটা স্পিড গ্যাপ আছে এবং অন্যান্য সময় হ্যাজার্ডের সময় কিভাবে গাড়িটা চালাতে হবে। আপনি দেখুন যে সামনের উপরে যে গাড়িটা আছে সেই গাড়িটা কিন্তু কন্টিনিউয়াস তার আশেপাশের পুরো এনভারনমেন্ট তার কন্ট্রোলে আছে। তার মানে একটা সেলফ ড্রাইভিং কার বা একটা অটো একটা অটোনোমাস কার ও কিন্তু প্রতিনিয়ত তার আশেপাশের প্রতিটা এনভারনমেন্ট সে মনিটর করছে এবং মনিটর করার জন্য একদম যে আমরা যেটা বলি যে চক্রাবক্র রাস্তা সেই বাঁকা রাস্তা সোজা রাস্তা এবং সামনে হঠাৎ করে একটা মানুষ চলে যাচ্ছে মানে সবকিছু তাকে প্রেডিক্ট করতে হচ্ছে। এটা কিন্তু একটা বড় জিনিস এবং একটা সাইক্লিস্ট হঠাৎ করে বাঁ থেকে চলে এসে ডান থেকে শুধু সাইক্লিস্ট একদম পিছন থেকে কখন যাচ্ছে সেটাও কিন্তু এই গাড়িটা মনিটর করছে। যে পেছনে সামনে সাইডে দুপাশে মানে পুরো এনভারনমেন্ট কন্ট্রোল করতে হচ্ছে। আজকে এ পর্যন্তই থাকছেন তো সামনে?

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা: Understanding Artificial Intelligence in Bangla

চ্যাট-জিপিটি প্রম্পট ভালো উত্তরের উপায় ChatGPT Prompts to Unleash AI’s Jobs Prompt Engineering.mp3

এখন একটা বড় প্রশ্ন এসছে যে কিভাবে চ্যাট জিপিটি বা বার্ড মানে গুগলে বার্ড বা চ্যাট জিপিটিকে ব্যবহার করা যায়। আসলে যেকোনো এআই সিস্টেমসের মানে আমরা বলছি যে যেকোনো এআই সিস্টেমস বিশেষ করে এই ধরনের যেখানে লার্জ ল্যাঙ্গুয়েজ মডেল ব্যবহার করা হয় তার পেছনে একটা ফাউন্ডেশন মানে এটার এটাকে ব্যবহার করার জন্য প্রথম ফাউন্ডেশন হচ্ছে কি এটার প্রম্পট। আমরা এটাকে বলি চ্যাট জিপিটি প্রম্পট বা যার জন্য যেটা প্রযোজ্য। এই প্রম্পটটা হচ্ছে গিয়ে দা ফাউন্ডেশন অফ এভরিথিং। এটা হচ্ছে গিয়ে ডেটা সাইন্সে আমি যেহেতু ডেটা সাইন্স নিয়ে কাজ করি ডেটা সাইন্সে একটা বড় ব্যাপার হচ্ছে গিয়ে আস্কিং দা রাইট কোশ্চেনস। লাইক আমার যে উত্তরটা দরকার বা আমার যে সলিউশন দরকার সেই সলিউশনটাকে প্রশ্ন করতে পারতে হবে প্রপারলি। এই প্রশ্নটা যদি আমি ঠিকমত না করতে পারি তাহলে আসলে আই আই উড নট গেট দা রাইট আনসার। সো চ্যাট জিপিটিতেও কিন্তু একই জিনিস যে চ্যাট জিপিটির মধ্যে এই প্রম্পট এই প্রম্পটটাই হচ্ছে গিয়ে তার ফাউন্ডেশন অফ হোয়াট আই ওয়ান্ট। আর এই প্রম্পট হচ্ছে গিয়ে এ ইনফরমেশন দ্যাট নিডস টু বি ফেড ইনটু এ সিস্টেম। মানে আমি যদি প্রম্পটটাকে যদি ডিফাইন করতে চাই এ প্রম্পট ইজ এ কাইন্ড অফ এ ফিডার সিস্টেম। মানে আপনি একটা এআই সিস্টেমস থেকে কি চাচ্ছেন আপনার চাওয়াটাকে বের করার জন্য আপনি কি প্রশ্ন করতে পারেন সেই সিস্টেমটাকে সেই প্রম্পটটাকে তৈরি করলে সেটার অ্যানসার নিয়ে আসতে পারবে রাইটলি। মানে আমি এভাবে বলতে পারি যে যেকোনো প্রম্পট আমরা ব্যবহার করতে পারি এই চ্যাট জিপিটিতে আমরা তার রাইট অ্যানসারটা আনার জন্য। কিন্তু এখানে মনে রাখতে হবে যে একটা এআই সিস্টেমসে প্রথম থেকে আপনি যখন তাকে প্রশ্ন করবেন তখন সে কিন্তু একটা ইনফ্যান্ট মানে একটা বেবি। মানে আপনাকে তার মত করে মানে আপনার জিনিসটাকে তাকে বুঝিয়ে তার কাছ থেকে প্রশ্নের উত্তর আনতে হবে। তো সেইজন্য এটাকে আমরা অনেক সময় বলি রোল প্লেইং। মানে আমরা এইটাকে একটা রোল প্লেইং যে আমরা চ্যাট জিপিটিকে বলতে চাই যে ওকে ইউ বিকাম মাই ট্রাভেল এজেন্ট অর ইউ বিকাম মাই ট্রাভেল কম্পেনিয়ন অর ইউ বিকাম মাই ট্রাভেল গাইড। মানে আমি আগে ওকে বলে নিচ্ছি যে ইউ বিকাম মাই স্টোরি টেলিং অ্যাডভাইজার। মানে আমাকে রোল প্লেইং যেহেতু বলতে হচ্ছে তার মানে হচ্ছে কি যেহেতু এই চ্যাট জিপিটি এবং এর মত আরো অন্যান্য এআই সিস্টেমসে আমাকে প্রম্পটের মাধ্যমে মানে আস্কিং দা রাইট কোশ্চেনস উইথ দা রাইট কিওয়ার্ড উইথ দা রাইট আন্ডারস্ট্যান্ডিং উইথ দা রাইট কন্টেক্সট। সো ইউজিং এ প্রপার আন্ডারস্ট্যান্ডিং ইউজিং এ এআই উইথ এ প্রপার আন্ডারস্ট্যান্ডিং হোয়াট আই রিয়েলি ওয়ান্ট আউট অফ ইট। মানে আমাকে যদি একটা সিস্টেমসকে কাজ করাতে হয় তাহলে সেই সিস্টেমসটাকে তৈরি করতে হবে যে আমি আসলে কি চাই সেভাবে তাকে ফিট করা। এবং যেহেতু একটা রোল প্লেইং এর একটা বড় অংশ হচ্ছে গিয়ে ও শুরুতেই শিশু মানে আপনার চ্যাট জিপিটির প্রম্পট এটা হচ্ছে শিশু। মানে আপনি ওকে শুরুতেই হার্ড কোশ্চেন করবেন না। আপনি ওকে রোল প্লেইং মডেল মডেল নিয়ে যাবেন যে আপনি তাকে কি হিসেবে চান এবং তার পাশাপাশি আপনি যেটা করতে পারেন যে ওকে ইউ বিকাম মাই ট্রাভেল গাইড অর ইউ বিকাম মাই স্টোরি টেলিং অ্যাডভাইজার অর ইউ বিকাম মাই ম্যাথ টিচার। কনসিডারিং কনসিডারিং ইউ আর মাই ম্যাথ টিচার। সো আমাকে সেখানেই সেই রোল প্লেইংটাই কিন্তু আমাকে নিতে হবে যে ওকে আস্তে আস্তে মানে প্রথম প্রম্পটে আমি একটা কথা বললাম তারপরে ওকে আমি বললাম যে আমি এইটাকে কারণ ও যে অ্যানসারটা দিবে সেটার মধ্যে থেকে কোন জিনিস যদি না বুঝি সেটাকে ধরে সেটাকে আরও একটু এলাবোরেশন করা বা তার সাথে আরও কিছু যোগ করা তারপর আর সাথে কিছু আমি মনে করি যে এটা বাহুল্য এসছে এটাকে আমার দরকার নেই এটাকে আমি মাইনাস করি। তার মানে হচ্ছে কি টু রিফাইন ইউর সার্চ রেজাল্ট ফ্রম চ্যাট জিপিটি প্রম্পট ইউ হ্যাভ টু ফিড ইনটু দা রাইট ইনফরমেশন উইথ দা রাইট কন্টেক্সট উইথ দা রাইট রোল প্লেইং আন্ডারস্ট্যান্ডিং যেখানে তাকে বলা যেতে পারে যে ভাই আমাকে এই জিনিসটা দাও এবং এর পাশাপাশি আমাকে এই জিনিসটা দরকার আছে এই জিনিসটা দরকার নেই এন্ড ইউ বি লাইক দিস। ইউ বি ইন দা রোল প্লেইং জাস্ট ইউ বি মাই ম্যাথ টিচার ইউ বি মাই অ্যালজেব্রা টিচার ইউ বি মাই মেবি নেটফ্লিক্স মুভি রিভিউয়ার। সো ব্যাপারটা হচ্ছে গিয়ে ইটস এভরিথিং বয়েস ডাউন টু দা আস্কিং দা রাইট কোশ্চেনস এন্ড আন্ডারস্ট্যান্ডিং দা রাইট প্রম্পট। সো আমরা এই ধরনের চ্যাট জিপিটি যেহেতু আমি লার্জ ল্যাঙ্গুয়েজ মডেল নিয়ে অনেকদিন ধরে কাজ করছি এবং সেখানে আমি দেখেছি যে আসলে ল্যাঙ্গুয়েজ মডেলকে কিছুটা টিউন আমাদেরকে করতে হয় এজ এ হিউম্যান। সো ইফ উই ওয়ান্ট টু গেট দা রাইট অ্যানসার উইথ দা রাইট পারসপেক্টিভ উইথ দা রাইট কন্টেক্সট উইথ দা রাইট লাইক ইন দা রাইট টাইম। সো আমাদেরকে আসলে এভাবে রোল প্লেইং করে আমাকে সময় দিয়ে একটা একটার পর একটা প্রশ্ন করে তাকে ম্যাচিউর বানিয়ে তারপরে তার কাছ থেকে অ্যানসারটা নেওয়া। সো ইটস লাইক স্পেন্ডিং সাম মোর টাইম উইথ উইথ ইট সো দ্যাট ইট গেট একাস্টম উইথ মি ইট গেট পার্সোনালাইজড উইথ মি ইট গেট ইট গেট দা রাইট আন্ডারস্ট্যান্ডিং দ্যাট হোয়াট আই রিয়েলি ওয়ান্ট আউট অফ ইট। সো আমার মনে হয় উই ডোন্ট গেট এফ্রেইড অফ দিস কাইন্ড অফ এআই প্রম্পটস। ইয়েস উই ক্যান ডু লট অফ আদার থিংস বাট টু গেট দা রাইট অ্যানসার উইথ দা মিনিমাম টাইম উই হ্যাভ টু ডু সাম অফ দা রোল প্লেইং এন্ড অলসো আন্ডারস্ট্যান্ডিং হোয়াট আই রিয়েলি ওয়ান্ট আউট অফ দিস সিস্টেম। এন্ড দিস এআই প্রম্পটস এই প্রম্পটটাকে যে আমি কি কাজটা চাচ্ছি এই এআই সিস্টেম থেকে সেইটা যদি আমি ঠিকমত বুঝি এবং সেটা যদি আমার এআই সিস্টেমকে যদি আমি ঠিকমত ফিট করতে পারি এবং ফিট করলে সে আমাকে ঠিকমত উত্তর দিচ্ছে কিনা সেটা আমি কয়েকটা উত্তরে সেটাকে আরও আমার মত করে ম্যানিপুলেট করা আমার মত করে সেটাকে আরও একটু স্ট্রিমলাইন করা এবং স্ট্রিমলাইন করে তাকে আসলে আবার ইলাবোরেট করতে বলা। তাহলেই কিন্তু এই ধরনের সিস্টেম থেকে আমরা আরও ভালো রেসপন্স পাবো। সো উই ডোন্ট গেট এফ্রেইড। আই নো চ্যাট জিপিটি ইজ ওভারলোডেড। অনেক সময় আমরা প্রম্পটগুলো পাচ্ছি না। বাট ইভেনচুয়ালি ইট উইল বি ইজিয়ার বিকজ দা সেইম থিং বার্ড এন্ড এভরিথিং। সো এভরিওয়ান ইজ ট্রাইং টু কাম আপ দা সেইম থিং। সো অল দা এআই প্রম্পটস উইল বি সিমিলার এন্ড ইট হ্যাজ টু বি কাইন্ড অফ দা সেইম থিং হোয়াট আই হ্যাভ ডিসকাসড। সো আমার মনে হয় যে আমরা এই ধরনের সিস্টেমগুলোকে ব্যবহার করার জন্য তৈরি হই। কারণ দিনশেষে আমরা যতই দূরে থাকবো এই এইগুলো সিস্টেমে আমাদের আপস্কিল হবে না। আমাদের আপস্কিল করতে হলে এই ধরনের সিস্টেম লাগবে যেগুলো আমাদেরকে অগমেন্ট করবে যেগুলো আমাদেরকে অ্যাড করবে যেগুলো আমাদেরকে আসলে আরও ভ্যালু এডিশন করবে এবং আমাদের যেখানে ল্যাকিং আছে নলেজে সেই জায়গাটাতে ব্রিজ করবে। আজকে এই পর্যন্তই থাকছেন তো সামনে?

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা: Understanding Artificial Intelligence in Bangla

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা, ৪ - কিভাবে এলাম Understanding Artificial Intelligence in Bangla.mp3

আমাকে অনেকেই প্রশ্ন করেন যে আমি কিভাবে কৃত্রিম বুদ্ধিমত্তায় এলাম। আসলে আমি এই বইটাতে কৃত্রিম বুদ্ধিমত্তায় মানবিক রাষ্ট্র এটাতে আমি লিখেছি যে আমার কৃত্রিম বুদ্ধিমত্তার পেছনে বা তার পেছনে আমার আসলে একটা বড় হিস্টরি আছে। আমি যখন আদমজিতে পড়তাম তখন আদমজির যে লাইব্রেরি ছিল সেটা আসলে তখন অত বড় ছিল না। কিন্তু আমি যখন 1983 সালে ক্যারেট কলেজে গেলাম ওখানে যেয়ে দেখলাম যে ক্যারেট কলেজ লাইব্রেরিটাতে ম্যাকগ্রোহিলস তারপর আরো অন্যান্য অনেক বড় বড় পাবলিশারের প্রচুর বই আছে। ইংরেজি বই পড়া শুরু করলাম কারণ দেখলাম যে ইংরেজি বইয়ের যে কালেকশন সে কালেকশনটা কিন্তু বেশি। তো সে কারণে আমার যেই জিনিসটা আমাকে সবচেয়ে বেশি কেড়েছে তখনই সেই 1983 84 85 সালের দিকে একটা সিরিজের বই ম্যান মেশিন মানে আমি এই বইটাতে সেটা লিখেছি যে ম্যান মেশিনের একটা সিরিজ বই ছিল যেটা আসলে তিনটা বইয়ের সিরিজ ম্যান মেশিন। সেটা তখনই মানে প্রায় 1963 সালের বা 64 সালের বই ম্যান মেশিন মানে এই বইটার একটা ধারণা ছিল যে কিভাবে মানুষ যন্ত্রের সাথে ইন্টারফেসিং করবে। সেই যন্ত্রের সাথে ইন্টারফেসিং ব্যাপারটা নিয়েই কিন্তু তখন আমাকে একটা ভালো সাড়া দেয় যে মানুষ কিভাবে যন্ত্রের সাথে ইন্টারফেসিং করবে। তখন আসলে মানুষ যন্ত্রের সাথে যে ইন্টারফেসিং করত সে ইন্টারফেসিং এর জন্য যে কিবোর্ড বা কিবোর্ডের পাশাপাশি পাঞ্চিং যে বোর্ডগুলো ছিল যে আমরা যদি এভাবে দেখি যে ব্রেইল ব্রেইলে আমরা যেভাবে দেখি সেরকম মানে একটা মেশিন কিভাবে যন্ত্র মানে একটা মেশিন কিভাবে মানুষকে বুঝবে বা মানুষ কিভাবে যন্ত্রের সাথে যোগাযোগ করবে সেগুলোর ইনিশিয়াল ইন্টারফেসিং নিয়ে তখন ওই বইটা ছিল। আর সে কারণে এই বইটাতে আমি এআই এআই শুরুর যে ধারণা এআই শুরুর ধারণাটা কিন্তু আমি বলেছি আমার এখানে টোটাল চারটার মত গল্প আমি দিয়েছি যে সেই চারটা গল্পে আমি বলেছি যে কিভাবে কৃত্রিম বুদ্ধিমত্তা বা সেই লেভেলে আমি আসলে গেলাম। তো সেটাই আসলে আমাদের বড় পারসপেক্টিভ যে ম্যান মেশিন যে বইটা ছিল আমি এখনো বইটা খুঁজছি। এজন্য আমি ভিডিওটা বানাচ্ছি যে ম্যান মেশিনের যে তিনটা সিরিজের বই আমি এটা এখনো খুঁজছি। মানে সেই ছোটবেলার যে একটা বুদ্ধিভিত্তিক স্ন্যাপশট মানে কৃত্রিম বুদ্ধিমত্তা আমি বলছি না বাট মানুষ কিভাবে যন্ত্রের সাথে ইন্টারফেস করবে বা মানুষ যন্ত্রের সাথে কিভাবে যোগাযোগ করবে বা যন্ত্র কিভাবে মানুষ থেকে ইনপুট নিবে সেটা নিয়েই কিন্তু এই ম্যান মেশিনের বইটার উত্থান। তো আমার জন্য আসলে সেই ম্যান মেশিন বইটা মানে আমি এখন 53 বছর বয়সে আমি কৃত্রিম বুদ্ধিমত্তায় হাঁটছি বাট তার আগে সেই 1964 65 সালের দিকে যে বইটা ম্যান মেশিন সেটাই কিন্তু আমাকে কেড়েছে বেশি আর সেই কারণেই কিন্তু আজকে আপনি যে বইটা দেখছেন যে কৃত্রিম বুদ্ধিমত্তায় মানবিক রাষ্ট্র। আসলে এই বইটাতে মানবিক রাষ্ট্র বা বাংলাদেশকে ঘিরে যতটুকু লেখা হয়েছে তার মধ্যে একটা বড় চ্যাপ্টার হয়েছে যে কৃত্রিম বুদ্ধিমত্তা কি? মানে কৃত্রিম বুদ্ধিমত্তা জিনিসটা কি সেটা নিয়ে কিন্তু বিশাল চ্যাপ্টার আছে। তো সেটাই বলছি যে আমাদের সামনে কৃত্রিম বুদ্ধিমত্তা আমাদেরকে যেভাবে ঘিরে ফেলছে সেভাবে আমরা যদি কৃত্রিম বুদ্ধিমত্তা না বুঝি তাহলে আমাদের সামনের দিন একটু সমস্যা কুল হতে পারে। সেজন্য বলছি যে আমি এখনো সেই তিনটা বই খুঁজছি ম্যান মেশিন মানে সেই সিরিজ সেই সিরিজের বইটা খুঁজছি। যদি আপনাদের কারো কাছে থাকে বা কোথাও যদি পাওয়া যায় আমাকে জানাবেন। আজকে এই পর্যন্তই থাকছেন তো সামনে?

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা: Understanding Artificial Intelligence in Bangla

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা, ৮ Understanding Artificial Intelligence in Bangla.mp3

আজকে আমাদের আলাপ হচ্ছে কৃত্রিম বুদ্ধিমত্তা এই পর্যায়ে আসার পেছনের ড্রাইভিং ফ্যাক্টর গুলো কি। প্রতিটা প্রোডাক্ট মানে আমরা যত প্রোডাক্ট নিয়ে কাজ করি সবগুলো প্রোডাক্টে কিন্তু একটা হাইপার আমি বলছি যে একটা হাইপ সাইকেল থাকে। যে আমি একটা প্রোডাক্ট নিয়ে তৈরি করছি বা প্রোডাক্ট নিয়ে কাজ করছি বা প্রোডাক্টের একটা হাইপ যে সাইকেলটা মানে প্রথমে সবাই এডাপ্ট করছে কিনা বা সেটা আসলে লং লাস্টিং হবে কিনা বা দিনের শেষে আমি যে প্রোডাক্ট নিয়ে কাজ করছি সেটা ফাইনালি আমাদের ডিজায়ার্ড আউটকাম দেবে কিনা। এই সবকিছু মিলিয়ে কিন্তু একটা হাইপ সাইকেল চলতে থাকে। তো আমাদের এই কৃত্রিম বুদ্ধিমত্তা মানে আমরা বলছি যে আমাদের যে কৃত্রিম বুদ্ধিমত্তায় এই কৃত্রিম বুদ্ধিমত্তা কি সেরকম হাইপ সাইকেলে পড়েছিল কিনা। আমরা বলছি যে এই কৃত্রিম বুদ্ধিমত্তা আমরা যেটা জানি যে আমাদের এই কৃত্রিম বুদ্ধিমত্তা দুটো এআই উইন্টার পার হয়ে এসছে। এআই উইন্টার ব্যাপারটা এরকম যে আমরা একটা প্রোডাক্ট ধরা যাক একটা এআই প্রোডাক্ট আছে এই প্রোডাক্টটা থেকে আমরা যদি ফাইনাল আউটকাম যদি না পাই তাহলে সবাই ভাববে যে এটা একটা হাইপ মানে আমরা আসলে প্রোডাক্টটা থেকে আউটকাম পেলাম না। এআই ব্যাপারটা এরকম যে এআই ব্যাপারটা কিন্তু আমরা অনেক আগে থেকে কিন্তু এটা নিয়ে ভাবছি যে এটা একটা কাইন্ড অফ ফ্যান্টাসি যে আমি একটা যন্ত্রকে কমান্ড করব। মানে অনেকে ভাবতে পারেন যে যন্ত্র আমার হয়ে কাজ করবে যন্ত্র আমার পাশাপাশি কাজ করবে এইজন্যই তো আপনি দেখছেন নাইট রাইডার নাইট রাইডারের কিট কিটের কথা মনে আছে নাইট রাইডারের কিট অথবা জার্ভিস অথবা আয়রন ম্যান। ব্যাপারটা হচ্ছে এরকম যে আমরা সেই যন্ত্র থেকে ফ্যান্টাসি হিসেবে কাজ করছে বা আমরা যে হেল 2001 যে আমাদের মুভিটা আছে সেই স্পেস ওডিসি 2001 যে মুভিটা আছে সেখানে হেল যে ক্যারেক্টারটা। তো সেরকম মানে আমাদের এই আর্টিফিশিয়াল ইন্টেলিজেন্স হওয়ার আগে যেই এআই উইন্টার মানে আর্টিফিশিয়াল ইন্টেলিজেন্স উইন্টার সেরকম কিছু উইন্টার কিন্তু গিয়েছে তো সেটাই কিন্তু আমি এই বইটাতে বলেছিলাম যে আমরা আসলে এই হাইপ মানে এআই উইন্টারের জন্য প্রথম হাইপটা আসলে আসে হচ্ছে গিয়ে 1950 সালের দিকে। তারপরে কিন্তু আবার ডাই ডাউন হয়ে যায় কারণ তখন এআই সেভাবে কাজ করতে পারছিল না এবং এরপরে আরেকটা হাইপ সাইকেল আসে মানে যেটা সেকেন্ড এআই উইন্টার সেটা হচ্ছে গিয়ে 1970 থেকে 1990 পর্যন্ত মানে 1970 থেকে 1990 সাল পর্যন্ত এটা একটা হাইপ সাইকেল ছিল মানে সেকেন্ড উইন্টার এআই উইন্টার যেখানে আমরা আশা করছিলাম বা আমরা চিন্তা করছিলাম যে এখানে এআইটা ফাইনালি তার আউটকাম গুলো দিতে পারবে। কিন্তু এখন আমরা বলছি যে এখন কেন এআই নিয়ে এআই উইন্টার হচ্ছে না কারণ এখন কিন্তু আমরা এআই এর প্রোডাকশন পাচ্ছি আমরা আউটকাম দেখছি যে আপনি দেখছেন যে সেলফ ড্রাইভিং কার সে কিন্তু লস এঞ্জেলেস থেকে চলে যাচ্ছে সান ফ্রান্সিসকোতে উইদাউট এনি টেকিং ওভার মানে আমরা যার ড্রাইভার তারা সিঙ্গেল পয়েন্টেও কিন্তু একে টেক ওভার করতে হয়নি ম্যানুয়াল মোডে। তো এটাই বলছি যে আমরা আমাদের যে হাইপ সাইকেলটা চলে গিয়েছে এখন এই একবিংশ শতাব্দীতে মানে একবিংশ শতাব্দীতে এখন আমরা দেখছি যে এআই এখন আর হাইপ না বা এআই আর উইন্টারের মধ্যে পড়বে না। এটার পেছনে অনেকগুলো ড্রাইভিং ফ্যাক্টর আছে। তো সেই ড্রাইভিং ফ্যাক্টর গুলো নিয়ে কিন্তু আমরা এখানে আলাপ করেছি যে আমাদের আমাদের বইটাতে যে এআই এর ড্রাইভিং ফ্যাক্টর বা এআই কেন এখন কাজ করবে বা কেন আমি ধরা যাক আমি 53 বছর বয়সে কেন এআই নিয়ে এত এক্সাইটেড কারণ আমি দেখছি যে এআই এবার কাজ করবে এবং কাজ করছে এবং সেটার আউটপুট বা সেটার রেজাল্ট আমরা দেখতে পাচ্ছি। আমি যেহেতু প্রচুর সেলফ ড্রাইভিং কার নিয়ে আপনাকে এর আগেও দেখিয়েছি যে মানুষ জনিত সড়ক দুর্ঘটনা কিন্তু অনেক। প্রতিবছর আমাদের কাউন্টার আছে প্রতিবছর কত লোক মারা যায় আমাদের এই সড়ক দুর্ঘটনায় সে পাশাপাশি যদি আমরা সেলফ ড্রাইভিং বা ফুল অটোনোমাস ভেহিকেল নিয়ে আসি তাহলে সেটার সড়ক দুর্ঘটনা কিন্তু অনেকাংশে কমে আসবে অনেক। কারণ আমরা জানি যে যন্ত্রের সেফটি মেকানিজম গুলো অনেক অনেক অনেক সেফ হয়ে গেছে এবং আপনি জানেন যে আমাদের এয়ারলাইন গুলো কিন্তু এখন অটো পাইলটে গিয়েছে কারণ একটা পর্যায় পর্যন্ত কিন্তু অটো পাইলট ইভেন এখন ট্যাক্সিং মানে আমরা যখন প্লেনটা ফ্লাই করে বা প্লেনটা ল্যান্ড করে সেই জায়গাতেও কিন্তু এখন অটো পাইলট চলে এসছে। তো এটাই এটাই হচ্ছে আমাদের পয়েন্ট যে সেলফ ড্রাইভিং কার যেভাবে পিকআপ করছে সেভাবে আমাদের ডিএনএ সিকোয়েন্সিং বলেন বা আমরা এই মুহূর্তে বলছি আমাদের কোভিডের ভ্যাক্সিনেশন এগুলোর পিছনে এআই না থাকলে আমরা আসলে এত সহজ বা এত ফাস্ট এতগুলো ভেরিয়েন্ট আমরা ধরতে পারতাম না। তো সেজন্য বলছি যে এআই এর পেছনের ড্রাইভিং ফ্যাক্টর গুলো আমাদের জানা উচিত। প্রথম কথা হচ্ছে এআই এর পেছনে মানে এই এআই এর পেছনে প্রথম ড্রাইভিং ফোর্স হচ্ছে বা প্রথম ড্রাইভিং ফ্যাক্টর আপনি বলুন যে প্রথম ড্রাইভিং ফ্যাক্টর কি হতে পারে। আমার মনে হয় আমাদের প্রথম ড্রাইভিং ফ্যাক্টর হচ্ছে ডেটা। আমরা এত ডেটা জেনারেট করছি আপনি ফেসবুক ব্যবহার করছেন আপনি ফেসবুকে ছবি তুলছেন আপনি আপনার মোবাইলে অ্যাপ ব্যবহার করছেন আপনার মোবাইলের মধ্যে প্রচুর সেন্সর আছে এবং আপনার মোবাইল আপনার মোবাইল প্রতিনিয়ত প্রচুর ডেটা জেনারেট করছে হয় আপনার মোবাইলে অথবা ক্লাউডে। আপনি প্রচুর ইমেইল পাচ্ছেন আপনি ক্লাউডে কাজ করছেন তার মানে হচ্ছে গিয়ে সো মেনি ডেটা মানে এত ডেটা আর এই ডেটাই হচ্ছে গিয়ে আমাদের যন্ত্রের জন্য অভিজ্ঞতা মানে মানুষ কিভাবে শেখে মানুষ শিখছে কিন্তু তার অভিজ্ঞতা থেকে মানে আমি বলছি যে আমরা আমাদের অভিজ্ঞতাই কিন্তু আমাদের জন্য লার্নিং আর যন্ত্রের জন্য অভিজ্ঞতা হচ্ছে গিয়ে তার ডেটা মানে তার জন্য পাস্ট রেকর্ড মানে তার যন্ত্রের পাস্ট যে হিস্টরিটা আছে। তো সেখানে আমাদের যে এত ডেটা আমি বারবার বলছি যে আমাদের হাতে এত ডেটা এবং প্রতিটা ডিভাইস এত ডেটা জেনারেট করছে বিশেষ করে আমরা আমাদের যে ডিভাইস আছে বাসার যে ধরা যাক আমাদের বাসার প্রচুর ডিভাইস আছে যেগুলো অনেক লগ জেনারেট করে আগে এত ডিভাইস ছিল না। এর পাশাপাশি আপনি যদি দেখেন যে আমাদের একটা ট্রেন্ডিং ছিল গুগল ট্রেন্ডিং ছিল যে এখন এআই নিয়ে আমরা আলাপ করছি বাট আমাদের আগের দশকে কিন্তু বিগ ডেটা বিগ ডেটা একটা বড় একটা ফ্রেমওয়ার্ক ছিল যেখানে সবাই ডেটাকে স্টোর করেছে। তো এখন সেই ডেটাকে ব্যবহার করার পালা কারণ আমরা এর আগে শুধু স্টোর করেছি কিন্তু খুব একটা ব্যবহার করতে পারিনি। বাট এখন কিন্তু হাতে আমাদের কাছে প্রচুর ডেটা মানে আমি বলছি যে আমাদের প্রচুর ডেটা এই বইটাতে বলছি যে এই প্রচুর ডেটা এবং সেই ডেটা থাকার ফলেই কিন্তু আমাদের এখন আর এআই উইন্টার হবে না এবং এ কারণেই কিন্তু কৃত্রিম বুদ্ধিমত্তা এখন সাকসেসফুল একটা স্টোরি। আর এর পাশাপাশি আমাদের অনেকগুলো গল্প আছে যে প্রচুর ডেটা ডেটাগুলোকে লেভেল করার জন্য আগে আমরা হিউম্যান ব্যবহার করতাম যে ডেটাগুলোকে লেভেল যে এটা আমি বলছি এটা আম তবে আমি লিখে দিচ্ছি আম একটা ছবি দেখাচ্ছি আম আবার লিখে দিচ্ছি আম তার মানে হচ্ছে গিয়ে মেশিনকে শেখাচ্ছি। বাট এখন কিন্তু মেশিনে কিন্তু সেই ধরনের অভিজ্ঞতা দেওয়া হয়েছে যার ফলে সেলফ লেভেল করতে পারে সেলফ লেভেল মানে নিজ থেকে লেভেলিং করতে পারে তো সেখানে আমাদের এই ডেটার একটা বড় কাজ আছে। এটা নিয়ে আমি আরো অনেক কিছু লিখেছি এই বইটাতে আপনারা দেখতে পারেন। সেকেন্ড সেকেন্ড যে জিনিসটা হচ্ছে যে সেকেন্ড কোন জিনিসটা আমাদের এখন খুব কাজে দিচ্ছে এআই কে এডাপ্ট করার জন্য মানে সেকেন্ড পয়েন্টটা যেটাকে আমরা বলছি ড্রাইভিং ফোর্স বা ড্রাইভিং ফ্যাক্টর টু এডাপ্ট এআই সেটা হচ্ছে গিয়ে স্টোরেজ যে ক্যাপাসিটি স্টোরেজ ক্যাপাসিটি কিন্তু এখন অনেক বেড়েছে। আপনি দেখেন যে আগে আমরা একেকটা হার্ডডিস্ক কিনতাম পোর্টেবল হার্ডডিস্ক সেটার ভলিউম কত ছিল আর এখন একই টাকায় আপনি টু টেরাবাইট ফোর টেরাবাইটের আপনি হার্ডডিস্ক কিনতে পারছেন। আগে আমরা আমার একটা পেনড্রাইভ ছিল মাত্র হচ্ছে গিয়ে 100 মেগাবাইট বা আমার কথা হচ্ছে যে এই যে 128 মেগাবাইট তো আমার কথা হচ্ছে এখন কিন্তু দেখা যাচ্ছে যে গিগাবাইটের উপরে চলে আসছে একেকটা পেনড্রাইভ। তারপরে এসএসডি স্টোরেজ তো এর সাথে আসছে এবং সবচেয়ে বড় জিনিসটা হচ্ছে যে এর পাশাপাশি আমাদের র‍্যামের দামও কিন্তু পতির দিকে র‍্যামের দাম কিন্তু কমে গেছে। তারপর হচ্ছে গিয়ে আমার বাসায় কয়েকটা ন্যাস আছে ন্যাস মানে হচ্ছে গিয়ে নেটওয়ার্ক অ্যাটাচ স্টোরেজ মানে আমি আমার পিসিতে কাজ করছি আপনি আপনার পিসিতে কাজ করছেন কিন্তু এটা পিসিতে আমার ডাটাটা রাখছি না। পিসিতে ডাটাটা না রেখে আমরা যেটা করছি আমরা সেটাকে একটা নেটওয়ার্ক স্টোরেজ অ্যাটাচ মানে নেটওয়ার্ক অ্যাটাচ স্টোরেজে রাখছি যেটা হচ্ছে গিয়ে আমার রাউটারের সাথে কানেক্টেড এবং সেটা ওয়াইফাই এর মাধ্যমে আমার যেই পিসি আছে বা যে ল্যাপটপটা আছে সেই ল্যাপটপ থেকে সরাসরি সিঙ্ক হয়ে যাচ্ছে যেটা আমরা বলতে পারি যে গুগল ক্লাউডে যেভাবে কাজ করে বাট আমরা মনে করছি এটা প্রাইভেট ক্লাউড মানে আমার নিজস্ব প্রাইভেট ক্লাউড বাসায় সেটা একটা নেটওয়ার্ক স্টোরেজ নেটওয়ার্ক অ্যাটাচ স্টোরেজ এবং সেটার দাম অনেক কমে গেছে। ফলে আমাদের যে এআই হাইপটা এটার আর হাইপ না এটা এখন একটা সাকসেস স্টোরি মানে এআই এখন কাজ করছে এবং সেই জন্যই আমাদের এআই জানার প্রয়োজন। আর থার্ড পয়েন্ট হচ্ছে যেটা আমাদের ড্রাইভিং ফ্যাক্টর হিসেবে কাজ করছে এআই কে এডাপ্ট করার জন্য সেটা হচ্ছে যে স্পেশালাইজড প্রসেসর। আমরা একসময় দেখেছি যে আমাদের ফ্রেন্ডরা ওরা কিন্তু গেমস খেলতো এবং গেমস খেলার জন্য তারা জিপিইউ কিনতো। তো এখন গেমস খেলার জন্য যে জিপিইউ তারা কিনতেন আমরা দেখছি যে মেশিন লার্নিং বা ডিপ লার্নিং আসার পরে আমরাই বরং আমি যেমন গেমস খেলি না বাট আমি জিপিইউ কিনছি কারণ আমার জিপিইউ একটা স্পেশালাইজড প্রসেসর যার মাধ্যমে আমার মেশিন লার্নিং মডেল ট্রেন করানো যায় অনেক ফাস্ট। বিকজ এটা প্রসেসিং পাওয়ারটা প্যারালাল প্রসেসিং ভাবে এমনভাবে তৈরি করা আছে যেখানে মেশিন লার্নিং মডেলগুলো খুব ফাস্ট ট্রেন করানো যায় এই জিপিইউতে। তার মানে হচ্ছে এই স্পেশালাইজড প্রসেসর গুলোকে আমাদেরকে ভালো সাহায্য করছে। ফোর্থ পয়েন্ট হতে পারে আমাদের অ্যালগরিদম। আমরা কিন্তু অনেক সময় আমাদের অ্যালগরিদম নিয়ে অনেক এক্সাইটেড থাকি অ্যালগরিদম শিখবো। কিন্তু ম্যাক্সিমাম অ্যালগরিদম কিন্তু বহু আগে তৈরি হয়ে গেছে মানে আমাদের বর্তমানে নতুন করে অ্যালগরিদম তৈরি করার সেরকম সেরকম আর ইয়েটা নাই। কিন্তু আমরা দেখছি যে এই অ্যালগরিদম আছে যেটা যেটা মনে করেন যে 1950 60 সালে যেসব অ্যালগরিদম তৈরি হয়েছে বা 70 সালে যেসব অ্যালগরিদম তৈরি হয়েছে সেগুলোকে আমরা একটা এক্সটেনশন সেটার কিছু কিছু এক্সট্রা ফিচার আমরা ব্যবহার করছি যেই ফিচারগুলো আমরা যোগ করে ফলে আমাদের এআই এখন একটা সাকসেস স্টোরিতে। সেইখানে আমরা একটা জিনিস বলতে পারি যে আমরা আমি আমার যে ডিপ লার্নিং যে বইটা আছে সেই ডিপ লার্নিং এর বইটাতে আমি বলেছি যে হাতে কলমে পাইথন ডিপ লার্নিং বইটাতে যে ব্যাক প্রপাগেশন আমরা কিন্তু এই মেশিন লার্নিং বা ডিপ লার্নিং অ্যালগরিদমের মধ্যে ব্যাক ব্যাক প্রপাগেশন একটা এক্সেলেন্ট ফিচার। এই ব্যাক প্রপাগেশনের মাধ্যমে কিন্তু আমাদের যেটা হচ্ছে যে আমাদের এরর কারেকশন মানে আমি আসলে আসল ডেটা থেকে আমি কত দূরে সেই এরর কারেকশনটাই কিন্তু আমরা এই ব্যাক প্রপাগেশন দিয়ে কিন্তু আমরা মেশিন লার্নিং মডেলে এড করতে পারছি। তো সেটাই বলছি যে এটা একটা বড় একটা আইডিয়া যে আমার এই বিশেষ করে আমরা বলছি এই কৃত্রিম বুদ্ধিমত্তায় মানবিক রাষ্ট্রে এটার এই বইটাতে একটা বড় চ্যাপ্টারই আছে যে আসলে এআই কি মানে এআই কিভাবে কাজ করে মানে এআই এর খুঁটিনাটি নিয়ে আমি আসলে আলাপ করেছি। আর আমার কাছে মনে হয়েছে যে আমরা এখন যেহেতু ক্লাউড কম্পিউটিং সবকিছুর মধ্যে ঢুকে গেছে এটা কিন্তু একটা বড় এডপশন ফ্যাক্টর ফর এআই টু পিক আপ। কেন? সেটা হচ্ছে যে আমরা দেখুন দেখুন যে আমরা আসলে যতই কাজ করছি সবগুলোই কিন্তু আমাদের আগে কি হতো আমাদের পিসিতে থাকতো। এখন কিন্তু আমরা যা কাজ করি সব ক্লাউডে। দেখা যাচ্ছে যে আমি অফিসে কাজ করছি সেটা অফিসের পিসিতে আমি কাজ করছি বা অফিসের ল্যাপটপে কাজ করছি বা আমি বাসায় আসছি আমি ল্যাপটপে কাজ করছি আমার কিন্তু একই ল্যাপটপ না আমি দুইটা বা তিনটা ল্যাপটপে বা চারটা ডেক্সটপে কাজ করছি কিন্তু আমি যেখানে যাচ্ছি সেখানে কিন্তু আমি আমার ক্লাউড কম্পিউটিং জায়গাতে আমি ঢুকে যাচ্ছি যেমন মাইক্রোসফট অফিস 365 বা বিভিন্ন রকম যে প্রোডাক্টগুলো আছে বা আজুর প্রোডাক্টগুলো আছে আমি সরাসরি আমার স্টোরেজ সব ক্লাউডে। তো আমি আমি এক্সেস করছি ক্লাউডে এবং ব্যাক এন্ডে কিন্তু আমাকে কোন কিছু নিয়ে ক্যারি করতে হচ্ছে না এবং ইটস লাইক মিলিয়ন মিলিয়ন ডেটা হচ্ছে গিয়ে আমাদের ক্লাউডে আছে সুতরাং আমাকে কিন্তু ডেটা নিয়ে আমাদেরকে হ্যান্ডেল করতে হচ্ছে না। সো এই ক্লাউড কম্পিউটিং কিন্তু একটা বিশাল বিশাল একটা সাপোর্ট এবং সেই সাপোর্ট হওয়ার কারণে আপনি দেখুন যে Amazon, Microsoft, Alibaba সবাই কিন্তু নিজস্ব ক্লাউড কম্পিউটিং প্ল্যাটফর্ম তৈরি করছে এবং সবচেয়ে বড় যে জিনিসটা হচ্ছে যে আগে আমি একটা মেশিন লার্নিং মডেলের জন্য আমাকে নতুন একটা ডেক্সটপ আমাকে কিনতে হতো। এখন আমি মনে হয় না ডেক্সটপ আমি কবে লাস্ট কিনেছি। আমি যেটা এখন করছি যে যেকোনো জিনিস যেকোনো মেশিন একটা লিনাক্স মেশিন হোক আমার একটা উইন্ডোজ মেশিন হোক আমার একটা ম্যাকিনটোস মেশিন হোক মানে যেই মেশিন হোক আমি ক্লাউডে সব কনফিগার করছি। আমি ক্লাউডে বলে দিচ্ছি যে আমার 16 জিবি মেমোরি লাগবে আমার এত প্রসেসর লাগবে আমার এত কোর লাগবে সে কিন্তু ক্লাউডে অটোমেটিক্যালি একটা আমার জন্য একটা ভিএম ভার্চুয়াল মেশিন কিন্তু তৈরি করে দিচ্ছে এবং সেটাকে আমি ব্যবহার করতে পারছি অন দা ফ্লাই। মানে আমি ক্লাউডে একটা পিসি মিনিটের মধ্যে আমি বিল্ড করে দিতে পারছি যেখানে আমি আমার এনভাইরনমেন্ট লোড করে কিন্তু আমি কাজ করতে পারছি। সো এটা একটা বিশাল বিশাল একটা লিফট আপলিফট যেখানে আমার একটা ডেক্সটপ কেনার জন্য বা বানানোর জন্য একটা মেশিন বানানোর জন্য সেটা কিন্তু আমি কখনোই আর করি না। এখন আমি সবকিছুই ক্লাউডে করি। কারণ আমাদের সময় কমে এসছে আমরা আসলে একই সময়ে অনেক কিছুই করতে পারবো না। এজন্য আমাদের প্রায়োরিটি অনুযায়ী আমরা যদি ক্লাউডে মুভ করি ক্লাউডে আমরা অনেক কিছু করতে পারি। আর সবচেয়ে বড় যে জিনিসটা হচ্ছে যে আমি আগে যেটা করতাম যে আমার মেশিন লার্নিং মডেলটা আমি এখান থেকে আমার ডেটাটা আনতাম ওখান থেকে ডেটা আনতাম এখানে ডাউনলোড করতাম এটা আমাকে লোড করতাম। তো আমার অনেক ডেটা আছে গিটহাবে আমার অনেক জায়গা আছে যেটা হচ্ছে গিয়ে আমাদের আইডি আছে আমার মেশিনে তো আমার গিটহাব থেকে ডাউনলোড করতে হতো আমার এই 5 এমবিপিএস নেটওয়ার্কের কানেক্টিভিটি দিয়ে ওইটা ডাউনলোড করতেই আমার মনে করেন যে ছয় সাত দিন লাগবে তারপরে সেটাকে আমি এখানে আমাদের জুপিটার এনভাইরনমেন্টে লোড করব। এখন সেটার দরকার নেই আমি গিটহাব থেকে সরাসরি গুগল কোলাবরেটরি টুলে আমি ডাউনলোড করতে পারছি যেটা আমার জন্য আগে সাত আট দিন সময় লাগতো ডাউনলোড করতে সেটা আমার মাত্র 15 মিনিটে ডাউনলোড হয়ে যাচ্ছে কারণ গিটহাব এবং গুগল কোলাবরেটরি টুল যে হোস্টিং সার্ভার এগুলো আবার ফাইবার অপটিক্স দিয়ে কানেক্টেড ব্যাক টু ব্যাক তারাও আবার সাবমেরিন কেবল দিয়ে কানেক্টেড দে আর ভেরি ফাস্ট আমরা যখনই একটা গিটহাব থেকে একটা আইএসও বা আমরা একটা বড় ডেটা স্টোরেজ যখন আমরা নামাতে যাই তখন দেখা যাচ্ছে যে আমরা সেটা কিন্তু কয়েক মিনিটের মধ্যে কিন্তু নেমে যায় কারণ দুইটো দুটো ক্লাউড ইনফ্রাস্ট্রাকচার ব্যাক টু ব্যাক কানেক্টেড। সো এখানে আমি একটা কথা বলে বলেছি যে এভাবে আসলে আমরা একটা সুপার স্লো কম্পিউটারে বসেও কিন্তু আমরা একটা বড় কাজ করতে পারি দুটো ফাস্ট নেটওয়ার্কের মধ্যে যোগ করতে পারি। আমি শুধুমাত্র আমার পিসি থেকে কয়েক কিলোবাইটের একটা কমান্ড চালাবো আমার সেটা গিটহাব থেকে ডাউনলোড হবে এবং সেটাকে গুগল কোলাবরেটরি টুলের মধ্যে সেটা প্রসেস হবে এবং সেখানে জিপিইউ আছে সেই জিপিইউতে সে মেশিন লার্নিং মডেল ট্রেন হয়ে আমার জন্য আউটপুট হবে। বাট আমার বাসা থেকে যাচ্ছে মাত্র কয়েক কিলোবাইটের কমান্ড। তো সেটার জন্য বলছি যে এটার জন্য একটা কিওয়ার্ড আমি ব্যবহার করেছি যেটা আমার আমার এই বইটা থেকে আমি বইটাতে আমি বলেছি হোয়াট এ টাইম টু বি এলাইভ ইটস ট্রু হোয়াট এ টাইম টু বি এলাইভ মানে এই যে আমরা যে সময়টার মধ্যে যাচ্ছি ইট ইজ এ বেস্ট টাইম ইট ইজ এ বেস্ট টাইম ফর লার্নিং এআই এন্ড এআই উইল বি আওয়ার পার্টনার মানে ইন ফিউচার এআই উইল বি পার্টনার মানে আমরা ওইটা নিব না যে ও আমাকে গভর্ন করবে কি গভর্ন করবে ওইটা না আমার পার্টনার। আমি এর আগেও বলেছি যে এআই বলেন রোবট বলেন মেশিন বলেন এগুলো কিন্তু আপনার সাপোর্টে থাকবে। তো সামনে মনে করেন ড্রাইভ থ্রু আসবে আমি ড্রাইভ থ্রুতে গেলাম না আমি আমার গাড়িটাকে পাঠায় দিলাম যে যাও ড্রাইভ থ্রুতে যেয়ে তুমি আজকে কিছু খাবার নিয়ে আসো। তো আমার কথা হচ্ছে যে তারপরে মনে করেন যে কমলাপুর রেল স্টেশনে যে আমরা টিকিটের কথা বলছি সেই টিকিটের যে জিনিসটা আমরা কমলাপুর রেল স্টেশনে টিকিট কাটতে হয়তোবা দেখা যাচ্ছে যে আমাকে প্রায় একদিন আমাকে টিকিট কাটার জন্য সময় দিতে হচ্ছে। তা আমি আমার রোবটকে পাঠায় দিলাম। আমার রোবটকে বললাম যে তুমি লাইন দিয়ে থাকো যে তুমি বিকজ রোবটের তো মানে ঘুম নাই ওর তো কিছু নেই ওর তো রাতের বেলা ওখানে মশারি টানা ঘুমাতে হবে না। রোবট কিন্তু যে আমার হয়ে অন্যান্য মানুষের সাথে একটু মিলামিশা করে ওদের সাথে একটু মনে করি যে একটা সম্পর্ক স্টাবলিশ করে ওদেরকে কিছু গেমস টেমস দেখায় তারপর ওই লাইনের মধ্যে সে ঢুকে আমার জন্য একটা টিকিট কিনে নিয়ে আসতে পারে। আমি বলছি যে কমলাপুরে রেলওয়ের টিকিটের ব্যাপারে। তো আমি বলছি যে এই যে যন্ত্রকে মানে যন্ত্রকে আপনার মতো করে কাজ করতে দেওয়া মানে আবার অনেক কাজ আছে যেই কাজগুলো খুব কায়িক কাজ যেমন আমি মনে করি যে আমাদের রিক্সাচালক মানে রিক্সাটা কিন্তু আমি মনে করি না যে এটা একটা হিউম্যানলি কাজ মানে মানুষের কোন কাজই কিন্তু খারাপ না কিন্তু মানুষ কেন কায়িক কাজ করবে ওটা যন্ত্র দিয়ে কাজ করবে যন্ত্র যন্ত্র এটা নিয়ে ডিল করবে সুতরাং আমাদেরকে কিন্তু যন্ত্রের উপরে কিন্তু আমাদের কাজ দিয়ে দিতে হবে। মানুষ মানুষের কাজ অন্য মানুষ চিন্তা করবে মানুষ ভাববে মানুষ হইহুল্লুর করবে মানুষ আড্ডা দিবে মানুষ খেলবে মানুষ ছবি আঁকবে মানুষ আপনার মনে করেন যে আমরা মুভি দেখব আর আমাদের হয়ে বড় বড় ফার্ম হাউস সেখানে সব যন্ত্ররা কাজ করবে যন্ত্রের মাধ্যমে কিন্তু হবে যেমন আমাদের যত কৃষি কাজ সব যন্ত্র করবে বিকজ এনিথিং রিপিটেড যেমন আমি আমার অফিসেও এটা কাজ করি যে এনিথিং রিপিটেড টু বি ফরওয়ার্ডেড ইন অটোমেশন মানে আমি যে কাজটা রিপিট করছি মানুষের কাজ কিন্তু রিপিট করার কথা না। সো প্রতিটা জিনিস যেটাকে আমরা রিপিট করছি সেটাকে অটোমেশনে ফেলানো দরকার। সো এই যে ব্যাপারটা যে আমি আপনাকে বলি যে আমি যখন এই বইগুলো লিখি এই বইগুলো কিন্তু আমি সবসময় আমি গিট গিটে লিখি মানে আমি হচ্ছে গিয়ে মাইক্রোসফট ভিএস স্টুডিও কোডে আমি গিটে লিখি। সো আমি যখন গিটে লিখি এই গিটে লেখার পর থেকে পাবলিশ পর্যন্ত এই সবকিছুই কিন্তু একটা পাইপলাইনে ফেলে দিয়েছি। এনিথিং রিপিটেড এই পুশ থেকে শুরু করে এটাকে টেক আউট করা বা এটাকে যা যা করা এটাকে প্রপারলি রেন্ডারিং করা এবং একটা ওয়েব প্ল্যাটফর্মে ফেলানো এবং সেটাকে ফাইনালি পাবলিশ করা এই পুরোটাই একটা সিআইসিডি মানে এই পুরোটাই কিন্তু একটা আমি বলছি যে পাইপলাইনে ফেলে দিয়েছি ফুল অটোমেটেড। আমাকে চিন্তাই করতে হয় না। আমি শুধু লিখি এর সাথে মার্কডাউন যে ইনফরমেশনগুলো আছে সেগুলোকে সে অটোমেটিকলি সে ওটার সাথে কানেক্ট করে তার যা যা রেন্ডারিং করার কথা সে সেটা রেন্ডারিং করে। তো আমি ওটাই বলছি যে প্রচুর কাজ আছে মানুষের হাতে প্রচুর চিন্তার কাজ আছে। আমরা যদি কায়িক পরিশ্রম করি হ্যাঁ আমরা যদি মনের আনন্দে পার্কে হাঁটতে চাই বা মনের আনন্দে আমরা যদি দৌড়াদৌড়ি করতে চাই দ্যাটস ডিফারেন্ট স্টোরি। কিন্তু আমি কেন রিক্সা চালাবো বা আমি কেন একটা জিনিস হাতে ভাঙবো বা আমি একটা কেন ইট ভাঙবো। তো ব্যাপারটা হচ্ছে যে ফুল সবকিছুই কিন্তু অটোমেশনে পাঠানো যায় হয়তোবা একটু সময় লাগবে। তো তার জন্য আমাদের জানা দরকার যে কৃত্রিম বুদ্ধিমত্তা কি মানে কৃত্রিম বুদ্ধিমত্তাটা কি এবং কৃত্রিম বুদ্ধিমত্তা কিভাবে এর ক্ষমতাটাকে হার্নেস করা যায় মানে আমাদের স্বার্থে মানুষের স্বার্থে কিভাবে কৃত্রিম বুদ্ধিমত্তাকে হার্নেস করা যায় এই পাওয়ারটাকে কিভাবে আমার সাথে কাজ করানো যায় তাহলে কিন্তু আমাদের অনেক সমস্যা কমে আসবে। সো আজকে এই পর্যন্তই থাকছেন তো সামনে।

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা: Understanding Artificial Intelligence in Bangla

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা, ৭ -- অটোনমাস কার, Understanding Artificial Intelligence in Bangla.mp3

আমরা এর আগে ইন্টেলিজেন্স সিস্টেমের সন্ধানের কথা বলছিলাম যে ইন্টেলিজেন্স সিস্টেমটা কিভাবে হতে পারে বা ইন্টেলিজেন্স সিস্টেমটা কিভাবে বিল্ড করা যেতে পারে সে ব্যাপারে কিন্তু আমরা কয়েকটা বই লিখেছি তো এখানে যেই জিনিসটা আমরা বলছি যে ইন্টেলিজেন্স সিস্টেম মানে ধরা যাক আমরা এখন বলছি যে সেলফ ড্রাইভিং কার সেলফ ড্রাইভিং কার কেন দরকার মানে আমরা হিউম্যান ড্রাইভার যত আমরা এক্সিডেন্ট করি সেলফ ড্রাইভিং কার কিন্তু ভবিষ্যতে সেরকম এক্সিডেন্ট করবে না এবং তাদের রেটটা আরো অনেক কমে আসবে আর সে কারণে আজকে আমরা যাচ্ছি ফস্টার সিটি মানে সান ফ্রান্সিসকো বলেন বা ক্যালিফোর্নিয়ার সবচেয়ে বড় মানে আমি যেহেতু সান ফ্রান্সিসকো এবং ক্যালিফোর্নিয়াতে প্রচুর গিয়েছি এবং আসলে এখানে সিলিকন ভ্যালিতে যাওয়ার একটা বড় ইয়ে হচ্ছে যে ওদের যে বিভিন্ন কোম্পানিগুলো আছে যে স্টার্টআপগুলো আছে তাদের ইকোসিস্টেমগুলো আমি বেশ জায়গায় দেখেছি তবে আমার কাছে মনে হচ্ছে যে একটা সেলফ ড্রাইভিং কার সে যখন গাড়িতে নামছে বা সে যখন রাস্তায় নামছে তার কিছু ধারণা আমরা পাচ্ছি এটা হচ্ছে হোল মার্স ক্যাটালগ থেকে আমি এই ভিডিওটা নিয়েছি এবং যে ফস্টার সিটি যেটা আছে সেটা একটা চমৎকার সিটি আপনি দেখছেন এবং সেখানে আমাদের গাড়িটা রওনা দিল এবং এটা পুরোপুরি সেলফ ড্রাইভিং মোডে আছে তো আপনারা দেখছেন যে সেলফ ড্রাইভিং মোডে যখন একটা গাড়ি যাচ্ছে তখন কিন্তু আমরা এটা ভালো বুঝতে পারছি যে ফাঁকা রাস্তা বাট তবুও আমরা বুঝছি যে গাড়ির সিদ্ধান্ত যেমন এখন দেখুন যে গাড়িটা কিন্তু সিদ্ধান্ত মানে স্টপ রোল মানে ও কিন্তু ফুল স্টপ করেনি কিন্তু সামনের গাড়িটার জন্য কিন্তু সে ওয়েট করেছিল ওয়েট করে কিন্তু তারপরে সে ডানে টার্ন নিল তার মানে হচ্ছে কি এই যে আমরা বলছি যে সেলফ ড্রাইভিং কার কিভাবে সিদ্ধান্ত নিচ্ছে সেখানে বড় যে পারসপেক্টিভটা আমরা বলি যে মেশিন লার্নিং বা ডিপ লার্নিং এ একটা কথা আছে আমরা যেটা বলছি ডিসিশন ট্রি মানে কিভাবে সে সিদ্ধান্তগুলো নিচ্ছে প্রতিটা পদে পদে যেমন আমরা এখন স্টপ স্টপে কিন্তু সে এসে দাঁড়ালো এবং সে কিন্তু দাঁড়াচ্ছে কি জন্য বিকজ সে জানে যে সামনের যে গাড়িটা আছে সেটা কতক্ষণ স্টপ ছিল তো এই যে সিদ্ধান্ত নেবার মানে মানুষের মত করে সিদ্ধান্ত নেবার ক্ষমতা যদি এ ধরনের একটা রোবটের মধ্যে থাকে তাহলে আমাদের পাসপোর্ট রিনিউয়াল বলেন আমাদের এনআইডি বলেন বা আমাদের যে পাসপোর্ট ইস্যুয়েন্স বলেন পুলিশ ভেরিফিকেশন বলেন সেগুলো কেন আমরা মেশিনের হাতে ছাড়তে পারছি না তো আমরা সেটাই বলছি যে একটা যন্ত্র যদি এভাবে গাড়ি চালিয়ে যেতে পারে এবং সেটা ফুল সেলফ ড্রাইভিং মোডে আপনি দেখছেন যে স্টপ সাইনে কিন্তু সে যে রোলিং স্টপ রোলিং তারপরে দেখে সে কিন্তু সামনে যেয়ে ডানে টার্ন নিল তার মানে হচ্ছে কি এটা কিন্তু একটা বড় একটা সিদ্ধান্ত মানে সে কিন্তু অনেকগুলো প্যারামিটার দেখে কিন্তু সিদ্ধান্তটা নিয়েছে এরকম না যে ফাঁকা রাস্তা তাই বলে সে নিজের মত করে টানছে না সে কিন্তু বিভিন্ন জায়গায় যেয়ে যেয়ে কিন্তু সে সিদ্ধান্তগুলো নিচ্ছে এবং তার প্রচুর প্যারামিটার সে ক্যালকুলেট করতেছে তো আমরা হিউম্যান আমরাও কিন্তু প্রচুর প্যারামিটার ক্যালকুলেট করি বাট আমরা বলছি যে আমরা যখন সরকারি যে জায়গাগুলোতে কাজ করি সেখানে কিন্তু আমরা 20 টা বা 30 টা প্যারামিটার নিয়ে কাজ করি ধরা যাক পাসপোর্ট ভেরিফিকেশন বা ধরা যাক একটা ট্রেড লাইসেন্স দেওয়া বা ধরা যাক একটা অ্যাপ্লিকেশন বা একটা নো অবজেকশন সার্টিফিকেট বা একটা এনওসি মানে সেটার জন্য হিউম্যান কি কি লুপে রাখার দরকার আছে কিনা বা হিউম্যান কি ফাইনাল স্টেজে তারা লুপে আসতে পারেন কিনা বা সব জায়গায় কোন লেভেল পর্যন্ত বা আমাদের একটা জাজমেন্ট কি আসলে যন্ত্রের উপর ছাড়া যায় কিনা মানে এই যে ব্যাপারগুলো মানে ইনিশিয়াল জাজমেন্ট গুলোকে যন্ত্রের উপর ছাড়া যায় কিনা এটা নিয়েও কিন্তু আমরা আলাপ করতে পারি যে যেই রুলস সেটগুলো আছে সেই রুলস সেটগুলো আসলে কিভাবে আমরা এখানে ডিসিশন ট্রি মধ্যে ফেলতে পারি কারণ আমরা এখানে বিলিয়ন বিলিয়ন প্যারামিটার নিয়ে যখন জিপিটি থ্রি কাজ করছে যেখানে আমরা ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এ আমরা দেখছি যে ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এ জিপিটি থ্রি 175 বিলিয়ন প্যারামিটার নিয়ে কিন্তু সে সিদ্ধান্ত নিতে পারছে তো আমার কথা হচ্ছে সেটাই যে আমরা একটা সেলফ ড্রাইভিং কার যদি এই লেভেল পর্যন্ত কাজ করতে পারে সেখানে আমরা হিউম্যান মানে কেন যন্ত্রের উপর সেই সিদ্ধান্তগুলো আমরা ছাড়তে পারছি না আজকে এ পর্যন্তই থাকছেন তো সামনে

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা: Understanding Artificial Intelligence in Bangla

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা ১০ 'অটোনমাস ভেহিকেল' কেন প্রয়োজন Artificial Intelligence in Bangla.mp3

ছোটবেলায় নাইট রাইডার যখন আমরা দেখতাম তখন মনে হতো যে এটা আসলে বাস্তবে সম্ভব। এখন মনে হয় সম্ভব কারণ আমরা দেখছি নাইট রাইডারের যে কিট পার্সোনালিটি ছিল এটা আসলে কিছুই না এটা একটা এআই ড্রিভেন একটা মডিউল ছিল যেটা আসলে কিট তার যে ড্রাইভারকে হেল্প করত। তো আমরা যদি ফুল অটোনোমাস সিস্টেম যেটা আমরা বলছি কৃত্রিম বুদ্ধিমত্তার একটা লেভেলে যদি পৌঁছানোর জন্য বেশ কিছু অ্যাপ্লিকেশন নিয়ে যদি আমরা কথা বলি তার মধ্যে একটা বড় অ্যাপ্লিকেশন হচ্ছে আমাদের এই অটোনোমাস ভেহিকেল। তো এই অটোনোমাস ভেহিকেল নিয়ে আজকে আমরা আলাপ করছি যে আমাদের এই অটোনোমাস ভেহিকেলটা আমাদেরকে কোথায় নিয়ে যাবে। আমি আসলে 2017 সালে একটা প্রিমিও চালাই এবং এই গাড়িটাতে রুল বেসড বেশ কিছু সিস্টেম আছে যেটাকে আমরা বলি অডিটরি কিছু সলিউশন মানে অডিটরি কিছু সিগনাল যেমন আমার গাড়ির সামনে যদি কোন গাড়ি থাকে বা গাড়ির পেছনে যদি কোন এক্সট্রা গাড়ি থাকে তারা যদি খুব কাছাকাছি চলে আসে তাহলে আমাকে সিগনাল দেবে ডানে বা বামে বা আমি যদি একটা নির্দিষ্ট স্পিডে থাকি এবং সেই স্পিডে যদি আমার ব্রেক চাপতে সামনে অসুবিধা হয় যদি সামনের গাড়িটা দাঁড়িয়ে থাকে তাহলে তার জন্য সে আমাকে একটা আর্লি একটা সিগনাল দেয় যে আমি আসলে ব্রেক করতে পারবো না সেজন্য আমাকে সে আগে থেকে একটা সিগনাল দেয় যে আমাকে স্পিড কমাতে হবে না হলে আমি এটা এই স্পিডে থাকলে আমি ব্রেকে কাজ করবে না। হয়তোবা এরকম মাঝে মাঝে হয় যে আমার গাড়ির একদম ঠিক সামনে যদি হঠাৎ করে যেমন মাঝে মাঝে এরকম হয় যে আমি গাড়ি এবং সামনের গাড়ির পেছন মধ্যে একটা গ্যাপ রাখি। কিন্তু দেখা যাচ্ছে যে এই গ্যাপের মধ্যে দিয়ে একটা মোটরসাইকেল চালিয়ে দিল। তো তখন দেখা যাচ্ছে তখন আমার গাড়ি নিজে থেকে ব্রেক করে এবং ব্রেক করার ফলে দেখা যাচ্ছে যে আমার নিজেরই একটা হার্ট অ্যাটাকের মত অবস্থা হয় যে আসলে আমরা ধারণা করছি যে এই ফাঁক দিয়ে একটা মোটরসাইকেল যেতে পারবে না কিন্তু দেখা যাচ্ছে যে ওর মধ্যে দিয়ে মোটরসাইকেলে যাচ্ছে এবং হঠাৎ করে গাড়ি নিজে থেকে ব্রেক করছে। সেইম একই জিনিস পেছনের থেকে গাড়ি যদি সরে যায় বা সামনের গাড়ি আমরা যদি কোন স্টপে ট্রাফিক স্টপে দাঁড়াই সামনে থেকে গাড়িটা হঠাৎ করে সরে গেল আমি হয়তোবা আনমনা ছিলাম তখন আমাকে গাড়ি একটা সিগনাল দিবে যে না আমার সামনের গাড়ি সরে গেছে বা পিছন থেকে গাড়ি আমার কাছাকাছি আরো চলে আসছে। সো এই যে একটা সিস্টেম মানে এগুলোকে আমি মনে করি যে এগুলো আসলে এআই না বাট এগুলো কিছুটা রুল বেসড সিস্টেম যে রুল বেসড সিস্টেমের মাধ্যমে আসলে আমরা আমাদের হিউম্যান ড্রাইভিংটাকে আরো সেফ করতে পারি। এখন সেই হিসেবে আমরা যদি বলি যে অটোনোমাস ভেহিকেল মানে এটা আসলে কি সুবিধা দিবে তো সেটা নিয়ে আমরা আলাপ করতে পারি তবে সেই অটোনোমাস ভেহিকেল কি সুবিধা দিবে তার আগে যদি আমরা এভাবে আলাপ করি যে আসলে অটোনোমাস ভেহিকেলের এই লেভেলগুলো কি যেমন আমরা বলছি লেভেল জিরো মানে লেভেল জিরো বলতে চাচ্ছি যে এখানে কোন ধরনের অটোমেশন নেই। তারপর হচ্ছে গিয়ে লেভেল ওয়ান যেটাকে বলা হচ্ছে হ্যান্ডস অন। তারপরে বলা হচ্ছে লেভেল টু যেটাকে হ্যান্ডস অফ মানে আমি পুরোপুরি হাত ছাড়াই গাড়ি চালানো যাবে। তারপরে হচ্ছে গিয়ে লেভেল থ্রি যেখানে আইজ অফ মানে আসলে আমার দেখার দরকার নেই এভাবে এবং লেভেল ফোর হচ্ছে গিয়ে যেটাকে আমরা বলছি মাইন্ডস অফ। সো আপনি বুঝতে পারছেন যে কিভাবে লেভেলগুলো বাড়ছে এবং ফাইনাল লেভেল ফাইভ এ যখন আমরা যাচ্ছি সেটাকে বলছি ফুলি অটোনোমাস যেটাকে আমরা এই মুহূর্তে ওটার একটা নাম আছে সেই নামটা হচ্ছে গিয়ে স্টিয়ারিং হুইল অপশনাল। মানে আমরা লেভেল ফাইভ বলতে বুঝাচ্ছি যে এটা একটা স্টিয়ারিং হুইল অপশনাল মানে আমাদের আর স্টিয়ারিং হুইল প্রয়োজন পড়ছে না। তো সেভাবেই আসলে ফুলি অটোনোমাস ভেহিকেল কেন প্রয়োজন সেটার আমরা কিছু আলাপ করতে পারি কারণ এআই এর একটা বড় আউটকাম হচ্ছে এই ফুলি অটোনোমাস ভেহিকেল যেটাকে আমরা এভি হিসেবে বলছি। ধরা যাক আমি সকালবেলা আমরা যেভাবে ক্যালেন্ডারে মিটিং সেট করি তো আমার 10 টার সময় একটি মিটিং আছে ধরা যাক বসুন্ধরাতে। তো আমার যেহেতু ক্যালেন্ডারে এন্ট্রি দেওয়া আছে তো আমার এখান থেকে ওখানে যেতে লাগবে এক ঘন্টা। তার মানে হচ্ছে কি আমার ক্যালেন্ডার অটোমেটিকলি পাঠাও বা উবার বা অন্যান্য যারা রেড হেইলিং সার্ভিস আছে তো সেখানে আমরা দেখছি যে আমাদের অ্যাপ্লিকেশন মানে আমাদের এই যেই অ্যাপ্লিকেশনটার কথা বলছি ক্যালেন্ডার অ্যাপ্লিকেশন ক্যালেন্ডার অ্যাপ্লিকেশন সরাসরি পাঠাও বা আমাদের যে উবার অ্যাপ আছে অ্যাপকে সে কল করে সে তার ড্রাইভারকে আমার কাছাকাছি এনে রাখবে 9 টার দিকে। তার মানে হচ্ছে কি এটা একটা অটোমেশন যে অটোমেশনে আমরা এভাবে এগোতে পারি। তবে একটা জিনিস হচ্ছে যে আমরা যেটা বুঝতে পারছি যে আমরা যখন এগুলো নিয়ে কাজ করব তখন বিশেষ করে এই এআই সুবিধা নিয়ে পাঠাও বা লিফটের মত কোম্পানি আছে বা উবারের মত কোম্পানি আছে তারা কিন্তু অপটিমাইজ করবে এবং তারা চেষ্টা করবে যে আমি নরমালি কখন কখন উবার কল করি বা আমি কখন আসলে নরমালি উবার থেকে নামি বা আমার রেড যে আমরা যে আমরা যে রাইড যে আছে সেই রাইডের যে আমাদের এটাকে বলা হয় যে প্যাটার্ন সেই প্যাটার্নটা কিন্তু সে জানে জানার ফলে কিন্তু সে অপটিমাইজ করতে পারে গাড়িটাকে এবং এর ফলে যেটা হচ্ছে যে প্রতিটা কনজিউমারের বিহেভিয়ার প্যাটার্নের উপর ভিত্তি করে তার গাড়িটা মানে তার জন্য কোন গাড়িটা কোন সময়ে কোন জায়গায় লাগতে পারে সেটা কিন্তু সে আগে থেকে প্রেডিক্ট করে তার কাছাকাছি কিছু গাড়ি রাখতে পারে। আমি কল করলাম কি কল করলাম না সেটা পরের ব্যাপার বাট আমার কথা হচ্ছে আমি কিন্তু অপটিমাইজলি গাড়ি কল করার সঙ্গে সঙ্গে কিন্তু আমি গাড়িটা পাচ্ছি এবং এটার ফাঁকে ফাঁকে এই পাঠাও বা উবার তারাও কিন্তু তাদের এই অটোনোমাস ভেহিকেলকে চার্জিং পয়েন্টে মানে কখন কোন গাড়িটা কোন সময় চার্জিং পয়েন্টে পাঠালে তার জন্য লস কম হবে তাহলে কিন্তু তখন কিন্তু একটা ভালো একটা বেনিফিট আসবে যে আমি যখনই গাড়ির জন্য কল করছি একদম কাছাকাছি আমার গাড়ি আছে বা আমি কাছাকাছি থেকেই আমি বেনিফিট পাচ্ছি। এটা একটা বড় এডভান্টেজ যে এআই ড্রিভেন পাঠাও বা এআই ড্রিভেন এই উবার বা লিফট কোম্পানিগুলো কিন্তু তাদের গাড়িগুলোকে এডজাস্ট করে রাখতে পারছে কাছাকাছি বিকজ এখানে কোন হিউম্যান ড্রাইভার নাই। এখানে আরেকটা জিনিস হচ্ছে যে এই যে যেহেতু এই গাড়িটাতে হিউম্যান ড্রাইভার থাকবে না তার মানে কি তার মানে হচ্ছে গিয়ে এখন সবচেয়ে বেশি কস্ট হচ্ছে গিয়ে ড্রাইভারের কারণ ড্রাইভার প্রায় 75% তার এই ফিটা নিচ্ছে মানে আমাদের দেখা যাচ্ছে যে এই উবার বা এরা যেই 25% বা 20% বা 15% যে শেয়ারটা নিচ্ছে এর মধ্যে 75% বা 80% টাই কিন্তু ড্রাইভার নিচ্ছে কিন্তু হিউম্যান ড্রাইভার যখন থাকবে না তাহলে এটার সঙ্গে সঙ্গে আপনার এই রাইড ফ্যাসিলিটি এটার কস্টিং অনেক কমে আসবে এবং অনেক কমে আসার কারণেই দেখা যাচ্ছে যে আমার মত অনেকে আছে আসলে গাড়ি আর ওনারশিপ নিবে না বা গাড়ির ওনারশিপটা নিতে চাইবে না কারণ গাড়ির ওনারশিপটা আসলে ইট উইল বি এক্সপেন্সিভ এবং অপটিমাইজেশন আসলে এভাবে কাজ করবে না। তো সেই হিসেবে আমরা দেখছি যে আমাদের এই সেফটি মানে আমরা অটোনোমাস ভেহিকেলের একটা বড় পয়েন্ট হচ্ছে সেফটি মানে হিউম্যান ড্রাইভার এবং অটোনোমাস ভেহিকেলের যে এআই ড্রাইভার তার মধ্যে সেফটি একটা বড় কনসার্ন এবং যেহেতু ধরা যাক একটা মানুষ মানে আমরা আমরা একটা সিজন ড্রাইভার কখন হই আমার মনে হয় আমরা একটা সিজন ড্রাইভার হই যখন আমাদের প্রায় 10000 ঘন্টা আমরা চালাই। 10000 ঘন্টা চালানোর পরে আমি সিজন ড্রাইভার হয়ে যাই। সেখানে একটা অটোনোমাস ভেহিকেল তারা মনে হয় ট্রিলিয়ন ট্রিলিয়ন মানে ট্রিলিয়ন ট্রিলিয়ন মাইল অলরেডি তারা চালিয়েছে। ধরা যাক আমি মনে করি যে টেসলা টেসলা অলরেডি 10 লাখ তাদের গাড়ি আছে। গড় 10 লাখ গাড়ির যে রাইডিং প্যাটার্ন এবং তাদের যে ভেহিকেল যেভাবে তারা এক সিটি মানে শহর ভিত্তিক তাদের যে রাইডিং প্যাটার্ন এবং সেই যে লার্নিং এবং কোন রাস্তায় কোথায় পটহোল আছে কোথায় কোন সমস্যা আছে কোথায় ঝামেলা করে সেই সবকিছু যেহেতু তাদের মাথায় আছে তো একেকটা গাড়ি যখন সেই নলেজটা নেয় সেই ট্রেনিং ডেটাটা নেয় সেই ট্রেনিং ডেটাটা আবার রেপ্লিকেট করে 10 লাখ গাড়ির কাছে। তো 10 লাখ গাড়ির কাছে যখন একটা রেপ্লিকেশন হয় তখন কি হয় তখন আসলে দেখা যাচ্ছে যে একই গাড়ির কাছে ট্রিলিয়ন ট্রিলিয়ন মাইলের অভিজ্ঞতা চলে আসে। সেটা অবশ্যই হিউম্যান থেকে ভালো হবে কারণ হিউম্যান সেফটি কারণ হিউম্যানের দুটো চোখ দুটো কান বাট একচুয়ালি দেখা যাচ্ছে যে একটা সেলফ ড্রাইভিং কার বা অটোনোমাস কারে আটটা চোখ আছে রাডার আছে লাইডার আছে সো অনেক কিছু এখানে কাজ করবে। সো আরেকটা জিনিস হচ্ছে যে এই গাড়িগুলো কখনো ভুলবে না। দে ডোন্ট মিস আউট এনিথিং। আমি যেমন অনেক সময় ভুলে যাই অনেক রাস্তা ভুলে যাই বাট দিস কার উইল নেভার ফরগেট দেয়ার রাইডিং প্যাটার্ন এন্ড অলসো দেয়ার রুট। সো এখানে আমরা আসলে অন্যান্য অনেক সেফটি পাবো। তবে শর্ট টার্মে যদি কথা বলি আমরা দেখছি যে শর্ট টার্মে বর্তমানে প্রতিবছর প্রায় 15 লক্ষ লোক মারা যায় সড়ক দুর্ঘটনায়। পৃথিবীব্যাপী আমরা এটার কাউন্টারও দেখেছি এর আগে যে প্রতি সেকেন্ডে কতজন মারা যাচ্ছে এরকম কাউন্টার আমরা দেখছি প্রতি মিনিটে কতজন মারা যাচ্ছে সড়ক দুর্ঘটনায়। সো আমরা যদি এরকম 15 লাখ লোককে মানুষ দেখি যদি উনারা মারা যাচ্ছেন সড়ক দুর্ঘটনায় সেখানে অবশ্যই আমাদের যে অটোনোমাস ভেহিকেল সেটা আরো অনেক সেফটি মার্জিন দিবে। এখন একটা গাড়ি একটা এক্সিডেন্ট করলে কিন্তু পুরো নিউজ হয়। সেখানে হিউম্যান ড্রাইভার যে বছরে 15 লাখ যে সড়ক দুর্ঘটনা ঘটাচ্ছে মানুষ মারা যাচ্ছে সেটার ব্যাপারে ওরকম ভাবে কিন্তু ব্যাপারটা ফ্ল্যাশ হয় না। তো আমি এইজন্য বলছি যে হিউম্যান ড্রাইভার থেকে অবশ্যই অটোনোমাস ভেহিকেল অনেক অনেক সেফটি মার্জিন দেবে এবং সেটা আমি বুঝতে পারি কারণ আমি নিজে এই ব্যাপার নিয়ে আমি কাজ করি। এখন আরেকটা বড় জিনিস হচ্ছে যে কেন অটোনোমাস ভেহিকেল দরকার মানে আমার মত লোক যারা প্রোডাক্টিভিটি নিয়ে কাজ করতে চান সেখানে আমি বলব যে আমরা প্রতি মানে ধরা যাক আমি প্রতি সপ্তাহে 12 থেকে 14 ঘন্টা আমি গাড়ি চালাই। আরো বেশি হয় আমি আমি বললাম প্যাটার্নে আমি প্রতিদিন ধরে নিচ্ছি যে দুই ঘন্টা থেকে তিন ঘন্টার মত আমি গাড়ি চালাই। তো এই যে গাড়ি চালায় এই সময়টা কিন্তু আমার নষ্ট হচ্ছে। আমার যদি অটোনোমাস ভেহিকেল হয় তার মানে হচ্ছে গাড়িতেই আমার ফুল সিস্টেম থাকবে গাড়িতেই আমি পড়তে পারব গাড়িতে আমি লিখতে পারব গাড়িতে আমি ভিডিও কনফারেন্সিং করতে পারব গাড়িতে আমি পুরো অফিস সেটআপ করতে পারব এবং গাড়িতে আমি ঘুমাতে পারব। তার মানে হচ্ছে কি যখন আমি গাড়ি চালাচ্ছি তখন আসলে অটোনোমাস ভেহিকেল আমাকে আসলে সেই সেফটিটা দিচ্ছে যার ফলে আমি গাড়িতে ঘুমাতে পারছি। সো এটা একটা বড় একটা পয়েন্ট হবে যে আমরা এই ধরনের গাড়িগুলো বা এই ধরনের অটোনোমাস ভেহিকেল যখন আমাদেরকে সাপোর্ট দিবে যেখানে আমরা দেখছি যে আমাদেরকে কোন ধরনের ড্রাইভিং করতে হচ্ছে না। তার মানে আমাদের এই পুরো কাজটাকে রিকনফিগার করব যে আমরা আসলে সবসময় কাজ করব বা আমরা সবসময় ফান করব সবসময় আমরা মজা করব সবসময় আমরা মুভি দেখব মানে আমরা ছবি আকব বা যেকোনো কিছু করব আমরা ড্রাইভিং বলে একটা এরকম ডিফিকাল্ট জিনিস করব না। বিশেষ করে ঢাকায় আমি যখন ড্রাইভিং করতে যাই আমার ঘাম ছুটে কারণ আমি বুঝতে পারি যে আমার আশেপাশ থেকে যেভাবে তারা ধারণা করে নেয় যে এই গাড়িটার উপর গাড়ি চাপিয়ে দিলে সে কিছু বলবে না বা ফাঁক পেলেই ঢুকিয়ে দিবে তারা জানে তারা বোঝে যে আমি যদি এই অন্যায়টা করি তাহলে সে আর তার আসলে কিছু করার নেই। এই ব্যাপারগুলো কিন্তু একটা বড় সমস্যা। এজন্য আমরা গাড়ি চালানোর মত চালানোর মত এই সমস্যাগুলো নিতে চাই না। আরেকটা জিনিস হচ্ছে যে যেহেতু এআই নিয়ে গাড়িতে আসছে সুতরাং এটার একটা কস্ট রিডাকশন হচ্ছে তারপর হচ্ছে ফ্রি টাইম আমরা পাচ্ছি এবং তার পাশাপাশি আমাদের বিভিন্ন জিনিসে যেহেতু আমি সময় দিচ্ছি অন্যান্য কাজে সুতরাং আমার এই অটোনোমাস ভেহিকেলের এই বেনিফিটগুলো আসলে আমার অন্য জায়গায় আমি পার করতে পারছি। আরেকটা জিনিস হচ্ছে যে আমরা যেটা দেখছি যে প্রতিটা ভেহিকেল মানে যেহেতু এটা অটোনোমাস ভেহিকেল প্রতিটা ভেহিকেল নিজেদের সাথে নিজেদের কমিউনিকেশন থাকতে হবে। আপনি দেখুন যে আমরা যখন কোন একটা স্টপ সাইনে দাঁড়াই স্টপ সাইনে দাঁড়ালে কি হচ্ছে যে প্রথম গাড়িটা আমি যদি খুব পিছনে থাকি প্রথম গাড়িটা বেরোতে বেরোতেই কিন্তু আমি আমার পর্যায়ে যখন আসছি তখন কিন্তু আমি আবার ওই স্টপ সাইনে পড়ে যাচ্ছি কারণ প্রথম গাড়িটা থেকে সেকেন্ড গাড়ি সেকেন্ড গাড়ি থেকে থার্ড গাড়ি এরকম ভাবে যদি পিছনে 100 টা গাড়ি থাকে তার জন্য যদি প্রতিটা সময় নেয় সেই সময়ে কিন্তু তিনটা স্টপ সাইন আমরা পার করে ফেললাম। কিন্তু যদি অটোনোমাস ভেহিকেল হয় তাহলে কি হবে প্রতিটা ভেহিকেলের সাথে কমিউনিকেশন আছে। স্টপ সাইন অফ হয়ে গেল প্রতিটা গাড়ি একসাথে চালু হবে। একসাথে যখন চালু হবে তখন একদম প্রথম গাড়ি এবং 100 তম গাড়ি ও কিন্তু একবারই ওই একই স্টপ সাইনে রেড সাইন থেকে গ্রীন সাইনে যখন যাবে ওই গ্রীন সাইনে এক স্টপ সাইনেই কিন্তু পুরো জিনিসটা ক্লিয়ার হয়ে যাবে। তার মানে হচ্ছে কি প্রতিটা জিনিস এটা আমাদের আমাদের সময়টা কমে আসবে। আরেকটা জিনিস হচ্ছে যেহেতু ভেহিকেল টু ভেহিকেল কমিউনিকেশন থাকবে একটা গাড়ির কোন সমস্যা হলে কোন গাড়ির টায়ার বাস্ট হলে বা কোন একটা গাড়ির কোন সমস্যা হলে পাশাপাশি গাড়িকে কিন্তু সে অ্যালার্ট করবে যে না তুমি আমার গাড়ির পাশে থাকো না। এবং আরেকটা জিনিস হচ্ছে যেহেতু ফুললি অটোনোমাস সুতরাং এক গাড়ি থেকে আরেক গাড়ির মাঝখানে যদি দুই ইঞ্চিও গ্যাপ থাকে আমি বলছি যে এক গাড়ি থেকে আরেক গাড়ির মধ্যে যদি দুই ইঞ্চিও গ্যাপ থাকে তাহলে কিন্তু আমি বলছি যে এটা সেফটি মার্জিন রাখা যায় বিকজ প্রতিটা গাড়ি কিন্তু নিজেদের মধ্যে কমিউনিকেট করছে। আর ফাইনালি এটা এটা ফানি মনে হতে পারে বাট একসময় হিউম্যান ড্রাইভিং এটাকে ইল্লিগাল বলা যেতে পারে বা হিউম্যান ড্রাইভিং কে আনসেফ বলা যেতে পারে যে হিউম্যান ড্রাইভিং আনসেফ বা এটা একটা ইল্লিগাল মানে নরমাল রাস্তায় চালানো যাবে না। আমার যদি গাড়ি ড্রাইভিং করতে হয় তাহলে আমি একটা কোন ধরনের একটা স্যাংচুয়ারি বা কোন ধরনের একটা পার্কে যেয়ে মানে গাড়ি চালানোর পার্কই থাকবে যে পার্কে আমরা হিউম্যানরা চালাতে পারব। সো আমরা বলছি যে এই যে হিউম্যান ড্রাইভিং যে একটা প্রবলেমেটিক এই প্রবলেমেটিক ব্যাপারটা কিন্তু তখন চলে যাবে কারণ এটার সাথে যে বলছি যে হিউম্যান গাড়ি আসলে হিউম্যান ড্রাইভাররা কি আসলে রাস্তার জন্য সেফ কিনা তখন একটা লেভেল চলে আসবে এবং তখন দেখা যাবে যে আইন করে হিউম্যান ড্রাইভাররা নরমাল রাস্তায় চালানো চালাতে পারবে না। তারা যদি চালাতে চায় অবশ্যই তাদের একটা পার্কে যেয়ে তারা চালাতে পারবে কোন সমস্যা নাই। সো এই যে ব্যাপারগুলো এটা কিন্তু অটোনোমাস ভেহিকেলে কিন্তু ঘটবে আর সবচেয়ে বড় যে জিনিসটা হচ্ছে আমরা যেটা বুঝতে পারছি যে এই যে এত ড্রাইভারের তাহলে কি হবে বা আমরা যে হিউম্যান যে এআই এর কাছে হিউম্যানের কি হবে আমি মনে করি যে হিউম্যানকে রিস্কিলিং করতে হবে। আমরা প্রতিটা হিউম্যানকে রিস্কিলিং করব। যেভাবে আমাদের লিফটম্যান চলে গেছে লিফটম্যান আর নাই বা লিফটম্যান এখন কমে গেছে বা আমি মনে করছি যে রিক্সাচালক থাকবে না। সো এই যে ব্যাপারগুলো মানে এগুলো কিন্তু রিস্কিলিং হবে এবং রিস্কিলিং হওয়ার কারণেই কিন্তু আমরা বলতে পারি যে এই পুরো জিনিসটা আসলে এআই এর কাছে চলে যাবে আর আমরা আমাদের জন্য গভমেন্ট স্কেলে বড় বড় ফার্মিং হবে বা বড় বড় যেমন আমি মনে করি যে আমরা যদি আলাস্কার দিকে তাকাই বা অন্যান্য অনেক দেশের দিকে তাকাই যারা এরকম গ্লোবাল লেভেলের ফার্মিং করে বা বা দেখা যাচ্ছে তাদের নিজস্ব কিছু আয় আছে। এজন্যই আমরা বলছি যে আয় মানে সরকার বা রাষ্ট্র আয় করবে রাষ্ট্র কমনলি আয় করবে এবং সেটা যন্ত্রের উপর দিয়ে আয় করবে একটা গ্লোবাল ফার্ম থাকবে বা লোকাল মনে করেন যে বিশাল এলাকা ধরে ফার্ম থাকবে এই ফার্মটা ফার্মিং হবে পুরোপুরি অটোনমির উপর দিয়ে মানে পুরোপুরি এআই দিয়ে। তো সেই ফার্মিং থেকে যেই টাকাটা আসবে সেটাই প্রতিটা মানুষের মধ্যে ভাগ হয়ে থাকবে যেটাকে আমরা নূন্যতম ইউনিভার্সাল বেসিক ফান্ড বলছি মানে নূন্যতম সর্বজনীন নূন্যতম যে বেতন সেটাকে আমরা বলছি সেই লেভেলে আমি কিন্তু আমার বইয়ে কথা বলেছি যে মানুষকে সেই রাস্তায় হাঁটতে হবে যে প্রতিটা মানুষ যেমন আলাস্কাতে তাদের যে তেল উত্তোলন হয় সেই তেলের উত্তোলন থেকে তার যে বেনিফিট সেটা পায়। ফিনল্যান্ডে বলেন নরওয়েতে বলেন সেভাবে কিন্তু তারা ওইভাবে দেখছে যে একটা রাষ্ট্র কিভাবে মানবিক হয়। সো এআই কিন্তু একটা রাষ্ট্রকে মানবিক করবে কারণ যত ধরনের ডিফিকাল্ট কাজ এবং রিপিটেটিভ কাজ সবগুলো অটোনমিতে চলে যাবে এবং অটোনমিতে যাওয়ার কারণেই কিন্তু রাষ্ট্রগুলো তারা একুমুলেটেড ওয়েলথ তাদের যে ওয়েলথটা আছে সেটা সবার মধ্যে ডিস্ট্রিবিউশন হবে এবং সেই ডিস্ট্রিবিউশনটা যাতে আমার আমি যাতে আমার লাইফটা চালা নিতে পারি নট দ্যাট আমাকে ফুল ওয়েলথ দিবে আমার ধরা যাক আমার প্রতি মাসে যদি একটা নূন্যতম টাকা থাকে ধরা যাক কারো জন্য 50000 টাকা 50000 টাকা সে যদি নূন্যতম পায় তাহলে তার লাইফ চলে যায়। তার থেকে যদি সে যদি বেশি কিছু করতে চায় তাহলে সে নিজস্ব বিজনেস করবে নিজের ব্যবসা করবে সে তার ছবি সেল করবে সে তার অন্যান্য কাজ করবে। আমার কথা হচ্ছে যে অটোনমি এআই কিন্তু ইজ ফর গুড মানে আমরা পৃথিবীর ভালোর জন্য। তো আমরা এইজন্য বলছি যে আমরা যত আলাপ করছি সবকিছুই কিন্তু এই কৃত্রিম বুদ্ধিমত্তার বেনিফিট নিয়ে আলাপ করছি। এর পাশাপাশি কৃত্রিম বুদ্ধিমত্তার কিছু ডাউনসাইড আছে সেই ডাউনসাইড নিয়ে আমরা সামনে আলাপ করব। আজকে এই পর্যন্তই থাকছেন তো সামনে?

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা: Understanding Artificial Intelligence in Bangla

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা, ১১ কৃত্রিম বুদ্ধিমত্তাকে কিভাবে 'ডিফাইন' করা যায়.mp3

কৃত্রিম বুদ্ধিমত্তা কি সেটা নিয়ে অনেক ধরনের প্রশ্ন আসে এবং সে কারণে আজকের এপিসোড যে কৃত্রিম বুদ্ধিমত্তার ডেফিনেশন নিয়ে আমরা কিভাবে আলাপ করব। আমরা চলে আসি আমাদের যে কৃত্রিম বুদ্ধিমত্তার ডেফিনেশন মানে আমরা কিভাবে কৃত্রিম বুদ্ধিমত্তাকে ডিফাইন করতে চাই আর সেজন্য আমরা যে বইটা বলেছিলাম যে এই বইটাতে আমরা কৃত্রিম বুদ্ধিমত্তার কিছু ডেফিনেশন নিয়ে আমরা আলাপ করব। কৃত্রিম বুদ্ধিমত্তার ডেফিনেশন নিয়ে যদি আমরা সরাসরি যেতে চাই মানে আমরা বলছি যে কৃত্রিম বুদ্ধিমত্তার ডেফিনেশন তো অবশ্যই আছে কিন্তু আমরা কৃত্রিম বুদ্ধিমত্তার ফুল ডেফিনেশনে যদি যেতে চাই তাহলে কিন্তু এটা একটা সিঙ্গেল ডেফিনেশন পাওয়া অসম্ভব আর সে কারণে আমার এই বইটাতে আমি বলেছি যে কৃত্রিম বুদ্ধিমত্তাকে ঠিকমতো এন্ড টু এন্ড ডিফাইন করতে গেলে এর একটা সিঙ্গেল ডেফিনেশন পাওয়া অসম্ভব বরং বিভিন্ন প্রেক্ষাপটে আরো অন্যান্য ফ্যাক্টর এবং অন্যান্য আর অনেক ডেফিনেশন দেখে একটা বড় ডেফিনেশন বের করতে পারার চেষ্টা করা যায়। তার মানে হচ্ছে গিয়ে আমরা যেই কৃত্রিম বুদ্ধিমত্তার ডেফিনেশন চাচ্ছি সেই ডেফিনেশনটা আসলে স্পেসিফিক বিভিন্ন ডোমেনের জন্য বিভিন্নটা হতে পারে। সেটা হচ্ছে গিয়ে আমাদের প্রথম আন্ডারস্ট্যান্ডিং যে কৃত্রিম বুদ্ধিমত্তার ডেফিনেশনটা কিভাবে হতে পারে। আর এটার মধ্যে আমার বইয়ে বেশ কয়েকটা টেবিল দিয়েছি সেই টেবিলটা নিয়ে আমি হয়তোবা সামনে আলাপ করব। বাট যে জিনিসটা হচ্ছে যে আমরা যেই ব্যাপারটা মানে কৃত্রিম বুদ্ধিমত্তার ডেফিনেশন বের করার জন্য যেটা আমাদের জানা দরকার সেটা হচ্ছে যে আমাদের থট প্রসেস মানে আমরা কিভাবে চিন্তা করি মানুষ কিভাবে চিন্তা করে এবং মানুষের সেই থট প্রসেস এবং এর পাশাপাশি যুক্তির সাহায্যে সিদ্ধান্তে পৌঁছানোর প্রক্রিয়া মানে যেটাকে আমি বলতে পারি রিজনিং মানে আমরা ইংরেজিতে যেটাকে বলছি রিজনিং। তার মানে আমাদের এই থট প্রসেস এবং এই রিজনিং এই দুটোর মধ্যে একটা কালমিনেশন পয়েন্ট মানে একটা ব্যালেন্সিং অ্যাক্ট এবং সেটাই নিয়ে কিন্তু আমরা কথা বলেছি এর আগে যে মানুষ কি আসলেই আদর্শ মানে আমরা যদি একটা কথা বলি যে আদর্শ মানে আদর্শ থট প্রসেস ধারণ করতে পারে বা মানুষ কি ফুল 100% রিজনিং কি ঠিক হতে পারে সেখানে আমাদের যে ব্যাপারটা আমরা আসছি যে এখানে আমরা যেটা বলেছি যে সেদিক থেকে নিচের দিকে আমরা যেকোনো জিনিসে আচরণ এবং মানুষের সেই কাজের আউটপুট যদি আমরা মিলাই তাহলে কোন কাজটা সঠিক হবে আর কোন কাজটা আদর্শ বুদ্ধিমত্তার পরিচয় দিবে সেটার একটা সংযোগস্থল হতে পারে র‍্যাশনালিটি। মানে আমরা বলছি যে যেকোনো কাজের যৌক্তিকতা। মানে আমরা যদি এভাবে চিন্তা করি যে আমাদের হিউম্যান যে বিহেভিয়ার আছে হিউম্যান বিহেভিয়ারের পাশাপাশি আদর্শ বুদ্ধিমত্তার যে একটা কানেকশন এবং তার পাশাপাশি মানুষের র‍্যাশনালিটি এবং মানুষের যৌক্তিকতা সেটা আসলে আমরা কিভাবে কৃত্রিম বুদ্ধিমত্তার সাথে মেলাতে পারি এবং সেখানে আমরা আরেকটা কথা বলেছি যে মানুষ যা করে মানুষ যা করে সেটাকে আমরা সেভাবে যে সঠিকভাবে হয় সেটা কিন্তু আমরা মেনে নিই না যে মানুষ সবকিছুই করলে বা মানুষ যাই করে সেটাই কি সব সঠিক? আজকে যদি মানুষ সবকিছু যদি সঠিক হতো তাহলে আমাদের মধ্যে এত সমস্যা থাকতো না। মানুষ যা করে তা সবকিছু সঠিক না আর সেজন্যই আমরা মানুষের কাজে আউটকাম যে সঠিক সেটাও কিন্তু আমরা বলতে পারছি না। তাহলে কৃত্রিম বুদ্ধিমত্তা কিভাবে মানুষের কাছে শিখবে যে তার কোনটা যৌক্তিকতা কোনটা ঠিকমতো কাজ করে কোনটা যৌক্তিকতা অথবা কোনটা ঠিকমতো কাজ করে অথবা আমরা এটাকে বলতে পারি যে মানুষ যে যৌক্তিকভাবে কাজ করছে সেটার সেই আদর্শের মাপকাঠিটা কোথায়? সেটা আসলে আমরা কোথায় মেলাতে পারব এবং সেই জন্য আসলে আমাদের আরো অন্যান্য অনেক আলাপ আমরা সামনে করব। তবে কয়েকটা জিনিস আমাদের আলাপ করে নেওয়া ভালো এই বইটা থেকে সেটা হচ্ছে যে মানুষের মত করে যে জিনিসটা অলরেডি ঘটছে ধরা যাক মানুষের মত করে কি যন্ত্র বা সিস্টেম সে কি মানুষের মত করে চিন্তা করতে পারবে বা মানুষ কি যৌক্তিক কিনা সেটার সাথে আমরা কিভাবে মেলাবো? আর এর পাশাপাশি মানুষের মত করে কি যন্ত্র বা মানুষের যে কাজগুলো আছে সেটাকে কি যন্ত্র পুরোপুরি মিমিক করতে পারবে? আর এর পাশাপাশি যৌক্তিকতা যখন চলে আসবে রিজনিং চলে আসবে র‍্যাশনালিটি চলে আসবে সেখানে যন্ত্র কি যৌক্তিকভাবে কাজ করতে পারবে বা যন্ত্র কি যৌক্তিকভাবে চিন্তা করতে পারবে বা যন্ত্র যেই যন্ত্রটা আমরা খুঁজছি বা যেই ইন্টেলিজেন্ট সিস্টেমের সন্ধানে আমরা যেই যন্ত্রকে খুঁজছি সেই যন্ত্রটা কি ফাইনালি মানুষের মতো বা মানুষের যে আদর্শ সেই মানুষের আদর্শকে নিয়ে কি যৌক্তিকভাবে চিন্তা করতে পারবে? সো এরকম অনেক ধরনের প্রশ্ন আছে সো এই প্রশ্নগুলো নিয়ে আমরা আসলে আস্তে আস্তে আমাদের ভেতরে ঢুকবো যে ব্যাপারটা বলছি আমাদের ডেফিনেশন। কৃত্রিম বুদ্ধিমত্তার ডেফিনেশনে আমরা বিভিন্ন ডোমেইন এক্সপার্ট এবং বিভিন্ন ডোমেইনের আন্ডারস্ট্যান্ডিং নিয়ে আমরা টেক্সট বুকের যে কিছু ডেফিনেশন সেটা নিয়ে আমরা আলাপ করব। আজকে এই পর্যন্তই থাকছেন তো সামনে?

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা: Understanding Artificial Intelligence in Bangla

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা, ১১, মেশিন লার্নিং 'সনাতন প্রোগ্রামিং' থেকে উল্টো কেন.mp3

একটা কমন প্রশ্ন আছে যে মেশিন লার্নিং আর প্রোগ্রামিং এর মধ্যে পার্থক্য কি? আমি আবারও প্রশ্নটা বলছি যে মেশিন লার্নিং এবং প্রোগ্রামিং এর মধ্যে পার্থক্য কি? তো আমি যদি এটার ব্যাপারে যদি সরাসরি ভেতরে ঢুকতে চাই তাহলে আমরা এভাবে আলাপ করতে পারি যে একটা সনাতন প্রোগ্রামিং, একটা সনাতন প্রোগ্রামিং আসলে কিভাবে কাজ করে? আমরা একটা প্রোগ্রামিং যখন লিখি তখন এটা আসলে কিছু না রুল সেট। ধরা যাক একটা আমরা রোবটকে বলছি, একটা রোবটকে বলছি পয়েন্ট এ থেকে পয়েন্ট বি তে যাওয়ার জন্য। তখন কি হবে? রোবটকে আমরা পয়েন্ট এ থেকে পয়েন্ট বি তে যাবার জন্য ওকে ডানদিকে অথবা বাঁদিকে অথবা একটা দিকে 30 ডিগ্রি করে অথবা সেখান থেকে আরও 10 টা 10 ফিট সামনে যাবে, আবার বাঁয়ে 20 ফিট যাবে অথবা ডানে 10 ফিট যাবে অথবা একটা জায়গা থেকে 30 ডিগ্রি করে সেখানে 10 ফিট বা 15 ফিট যাবে। তারমানে এটা আমাদেরকে এক্সপ্লিসিটলি বলে দিতে হচ্ছে যে এই রোবটটাকে কিভাবে ফাংশন করতে হবে। সেটাই কিন্তু আমরা প্রোগ্রামিং করছি। তো সেখানে আমরা যে জিনিসটা বলছি মানে আমরা আমাদের বই থেকে বলছি যে যদি আমরা সবকিছু রুল সেট দিয়ে বলে দেই একটা রোবটকে যে সে পয়েন্ট এ থেকে পয়েন্ট বি তে যাবে সেখানে মেশিনে কিন্তু কোন লার্নিং হচ্ছে না। তার মানে হচ্ছে কি আমার প্রতিটা পয়েন্ট এ থেকে পয়েন্ট বি অথবা পয়েন্ট বি থেকে পয়েন্ট সি অথবা পয়েন্ট ডি থেকে পয়েন্ট ই পর্যন্ত যখন আমাকে রোবটটা পাঠাতে হবে তখন প্রতিটা রোবটকে আমাকে আলাদাভাবে এক্সপ্লিসিটলি প্রোগ্রামিং করে বলে দিতে হবে যে সেইটা কোথায় যাবে বা কিভাবে যাবে বা কোথায় 20 ডিগ্রি, কোথায় 10 ডিগ্রি, কোথায় 20 ফিট ডানে, কোথায় বা বাঁয়ে 10 ফিট যাবে। তো এটা তো আসলে মেশিন লার্নিং হলো না বা মেশিনের শিক্ষা হলো না। তো সেখানে আমরা যে জিনিসটা বলছি যে মেশিন লার্নিং কি? আমি যদি বই থেকে বলি যে কৃত্রিম বুদ্ধিমত্তার একটা বড় অংশ হচ্ছে মেশিন লার্নিং। যেখানে যন্ত্রের শেখার প্রসেস এবং যন্ত্র যা শিখছে এবং সেখানে সেই যন্ত্রকে দিয়ে দেওয়া হচ্ছে ডেটা। মানে ডেটাটাই হচ্ছে গিয়ে যন্ত্রের জন্য শিক্ষা বা যন্ত্রের জন্য আমরা যদি আবারও বলি যে যন্ত্রের জন্য প্রোগ্রামিং হচ্ছে সেই ডেটা। মানে আমরা যেটাকে এক্সপ্লিসিটলি ভাবে প্রোগ্রামিং করে দেওয়ার কথা বলেছিলাম সেখানে আমরা আর এক্সপ্লিসিটলি বলছি না বরং আমরা যন্ত্রকে ডেটা দিচ্ছি। সেলফ ড্রাইভিং কারের ব্যাপারটা বুঝুন যে সেলফ ড্রাইভিং কারে কি হচ্ছে? সেলফ ড্রাইভিং কারে আমরা বলছি যে তুমি পয়েন্ট এ থেকে পয়েন্ট বি তে যাবা। তার পেছনের রুল সেটটা কি হতে পারে? যে আমরা বলতে পারি যে আসলে তোমার পয়েন্ট এ থেকে পয়েন্ট বি তে যাবার জন্য ও ডেটা থেকে ফিগার আউট করে ফেলবে যে আসলে যেকোনো জায়গায় যাবার জন্য তার দূরত্বটা কমতে হবে। আমি যদি মেশিনকে যদি সেই ডেটা দিয়ে ও যদি ফিগার আউট করতে পারে যে তার আসলে পয়েন্ট এ থেকে পয়েন্ট বি অথবা বি থেকে সি অথবা ডি থেকে ই তে যাবার জন্য তার একটা বড় কনস্ট্যান্ট মানে ও ফিগার আউট করে ফেলবে যে আসলে দূরত্ব কমছে। তখন কিন্তু সে এ থেকে বি 20 ফিট গেল তারপর হচ্ছে গিয়ে ওখানে কয়েক ডিগ্রি তারা একটু ডানে নিল বা বাঁয়ে নিল। মানে সে নিজে থেকেই ফিগার আউট করবে কারণ ডেটা বলছে যে পয়েন্ট এ থেকে পয়েন্ট বি তে যাওয়ার জন্য আসলে তাকে দূরত্ব কমতে হবে। তো এখানে সনাতন প্রোগ্রামিং এবং মেশিন লার্নিং এর যে আমরা একটা সাংঘর্ষিক অবস্থান আমরা বলছি তার মানে হচ্ছে কি সনাতন প্রোগ্রামিং এবং মেশিন লার্নিং পুরোটাই আলাদা। মানে আমরা মেশিন লার্নিং বলছি যে এটা হচ্ছে গিয়ে এক্সপ্লিসিট প্রোগ্রামিং এর বাহিরে। তো সেইজন্যে আমরা বলছি যে আমরা মেশিনকে উই উইল টিচ মেশিন টু হাউ টু ফিশ। মানে আমরা এটা অনেক সময় বলি যে মেশিনকে আমরা বলছি যে টিচিং হিম হাউ টু ফিশ। এটা এভাবে কাজ করবে যে আমরা যখন একটা যন্ত্রকে ডেটা দিয়ে আমরা শেখালাম তখন কিন্তু যন্ত্র আর ব্যাপারটা নতুন করে তাকে এক্সপ্লিসিট প্রোগ্রামিং করে দিতে হচ্ছে না। ইভেন সেই যন্ত্রটাকে যখন আমরা একটা অজানা পয়েন্ট এ থেকে পয়েন্ট বি যেটা সে জানে না সেখানেও কিন্তু সে এটা ফিগার আউট করার চেষ্টা করবে কারণ সে তার লার্নিং অলরেডি তার কাছে আছে। তো সেটাই আমরা বলছি যে মেশিন লার্নিং হচ্ছে গিয়ে আমাদের এক্সপ্লিসিট প্রোগ্রামিং এর উল্টা কারণ ও নিজে থেকে ডেটা থেকে রুল সেট বের করে ফেলবে। মানে আমরা যেভাবে রুল সেটের কথা বলছি যে আমরা এখন রুল সেটের কথা বলছি এভাবে যে আমরা এই মুহূর্তে পয়েন্ট এ থেকে পয়েন্ট বি তে যাওয়ার জন্য যেটা এক্সপ্লিসিটলি প্রোগ্রামিং করে দিচ্ছি সেখানে সে তাকে ডেটা দিলে সে নিজে থেকে ফিগার আউট করে ফেলবে তার ভেতরের রুল সেট কোথায় আছে এবং কিভাবে আছে। তখনই কিন্তু মেশিনের আসল লার্নিং হবে এবং সেটার জন্য আরেকটা কথা আছে যে আমরা যদি একটা জানা এনভায়রনমেন্টে যদি তাকে যদি ডাটা দেই এবং তার সাথে সাথে লেভেল করে দেই যে তোমাকে এভাবে এভাবে যেতে হবে তাহলে সে যখন এটা শিখে যাবে তখন তাকে নতুন একটা সিচুয়েশন যখন দেওয়া হবে তখন তাকে আবার নতুন করে শেখাতে হবে না কারণ সে তার অভিজ্ঞতা থেকে সে বলবে। এখানে আরেকটা জিনিস হচ্ছে যে শুরুতে যতটুক সে শিখবে তারপরে যখন সে এর আরও নতুন লার্নিং ডেটা পাবে আরও নতুন জিনিস শিখবে তখন কিন্তু তার ব্যাপারটা আরও একুরেট হবে। এটা ওই ড্রাইভিং বা একটা ড্রাইভারের মতো যে সে যখন প্রচুর ড্রাইভিং করে এবং তাকে যখন আবার নতুন একটা এনভায়রনমেন্ট দেওয়া হয় তখন কিন্তু সে আগের অভিজ্ঞতা থেকে সে রুল সেট বের করে ফেলে এবং সেভাবে কিন্তু সে তার কাজটা করে। তো সেইজন্য বলছি যে আমরা এখানে কয়েকটা প্রশ্ন করতে পারি যেটা আমি আমার বইতে লিখেছিলাম যে একটা বাচ্চা একটা বাচ্চা এবং যন্ত্রের শেখার মধ্যে পার্থক্য আছে কি? আচ্ছা এখানে একটা ক্লু দেই যে একটা বাচ্চা এবং যন্ত্রের মধ্যে শেখার মধ্যে পার্থক্য ক্লু না বলে দেই পার্থক্য নেই। নেক্সট প্রশ্ন হচ্ছে যে এই শেখার মধ্যে গাইডেন্স দেবার সুযোগ আছে? অবশ্যই আছে কারণ আমরা যে একুরেসি বলি বা আমরা যে ফিডব্যাক মেকানিজম বলি বা আমরা যে বলছি ব্যাক প্রোপাগেশন, ব্যাক প্রোপাগেশন মানে হচ্ছে কি আপনার একটা ফিডব্যাক লুপ চলবে যাতে আপনার মেশিন লার্নিংটা আরও একুরেট হয়। ভুল শিখলে শুধরানোর উপায় আছে কিনা? লাস্ট প্রশ্ন হচ্ছে ভুল শিখলে শুধরানোর উপায় আছে কিনা? আমার মনে হয় এই প্রশ্নটা আমি আপনাদের উপর রেখে দিলাম। আজকে এই পর্যন্তই থাকছেন তো সামনে?

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা: Understanding Artificial Intelligence in Bangla

অটো-পাইলট, অটো-ম্যানেজমেন্ট রোবোটিক প্রসেস অটোমেশন, আরপিএ.mp3

রোবোটিক প্রসেস অটোমেশন নিয়ে আলাপ করার আগে আমাদেরকে একটু পেছনে যেতে হবে। বিশেষ করে আমি 2011 সালে যখন মার্কিন যুক্তরাষ্ট্রে ছিলাম তখন যখন এই বইটা পড়ছিলাম যে ফোর আওয়ার্স ওয়ার্ক উইক। মানে আসলে আমাদের জীবনে মাত্র প্রতি সপ্তাহে চার ঘন্টা কাজ করলেই হয়ে যাচ্ছে। মানে আমি সেটা বলছি যে এই ফোর আওয়ার্স ওয়ার্ক উইক এই বইটা সেই 2011 সালে আমাকে একটা ধারণা দিয়েছিল যে কিভাবে লাইফের প্রায় প্রতিটা জিনিস অটোমেশনে ফেলা যায়। কারণ আমাদের জীবনে আমাদের এক্সপেরিয়েন্স বা আমরা যেটা করতে চাই, আমাদের লাইফলাইনে আমরা যেটা করতে চাই সেটা কি আসলে আমরা করতে পারব আমাদের লাইফটাইমে? আর সেটার জন্য আমি যদি সারাদিন যদি যেই কাজগুলো আমি প্রতিনিয়ত করছি, যেই কাজগুলো আমার পার্সপেক্টিভে মনে হচ্ছে যে গতানুগতিক কাজ, সেই কাজগুলো আমরা কেন অটোমেশনে ফেলি না? আর সেজন্যই আমরা আসলে এই ফোর আওয়ার্স ওয়ার্ক উইক বইটা পড়ে আমার কাছে মনে হলো যে লেখক এখানে একটা জিনিস বলতে চেয়েছেন যে জীবনটাকে অটো পাইলটে নেওয়ার জন্য। অটো পাইলট ব্যাপারটা এরকম যে আপনার একটা বিজনেস থাকবে যে বিজনেসটা ফুললি অটোমেটেড এবং সেখানে যেটা শুরু মানে যেখানে কাজটা শুরু এবং কাজ শেষ তার মধ্যে আপনার ইনভলভমেন্টটা যত কম। মানে আপনি অনেক কিছু ডেলিগেট করে দেবেন। তো ব্যাপারটা যদি এরকম হয় যে অটো পাইলটে আপনি যদি আমাকে বলেন যে আমি যদি আজকে একটা ইউডেমিতে একটা কোর্স তৈরি করি। আমি জাস্ট বলছি যে আমি যদি আজকে একটা ইউডেমিতে কোর্স তৈরি করি এবং সেই কোর্সটাকে আমি যদি ইউডেমিতে রেখে দেই। তার মানে হচ্ছে কি এটা একটা অটো পাইলট মোড। মানে আমার কোর্সকে কখন কোন সময় করছেন আমার সেটা জানার দরকার নেই। আমার মাস শেষে সেই যে রেভিনিউটা আছে সেই রেভিনিউটা আমার পেলেই হলো। তো ব্যাপারটা সেরকমই যে আসলে দিনের শেষে মানে অটো পাইলট ব্যাপারটা হচ্ছে যে আমাদের লাইফের অনেক কিছু ডেলিগেট করে দিতে হবে এবং ডেলিগেটের পাশাপাশি আমাদেরকে অনেক কিছুই অটোমেট করে ফেলতে হবে। এবং সেই অটোমেশনের একটা বড় পার্সপেক্টিভ হচ্ছে গিয়ে আপনার যে কোম্পানির কাজ। ধরা যাক আমি যদি একটা কোম্পানিতে হয়ে কাজ করি সেইটার কাজগুলোকে আমাকে অটোমেট করতে হবে। কারণ আমরা স্ট্রাটেজিক কাজ করতে চাই। আমরা ভিশনারি কাজ করতে চাই। আমরা ক্রিয়েটিভ কাজ করতে চাই। আমরা গতানুগতিক যে কাজগুলো আছে সেই কাজগুলো আমরা করতে চাই না। যেগুলো হচ্ছে গিয়ে রিপিটেটিভ কাজ। সো সো আমরা যেটা বলছি যে রিপিটেটিভ সব কাজ আমরা পাঠিয়ে দেব হচ্ছে গিয়ে অটোমেশনে। তো এই অটো পাইলট ব্যাপারটা এরকম যে আপনার যদি বিজনেসটা এন্ড টু এন্ড মানে অনেকেই কিন্তু ইদানিং করছেন যে তাদের বিজনেসটা সেটা একটা অনলাইন সাইট হোক আর যাই হোক মানে এটা এন্ড টু এন্ড চলছে। আপনি যদি দেখেন যে আজকে ফুড পান্ডা, দারাজ বা আমাদের অনেক সার্ভিস সেক্টরে ওখানে কিন্তু প্রচুর অটোমেশন এসছে। দেখা যাচ্ছে যে ওই অটোমেশন না থাকলে আমরা আমি একজন গ্রাহক, আমি একজন সাবস্ক্রাইবার। আমি একটু আগে দারাজ থেকে একটা জিনিস কিনলাম। তার মানে হচ্ছে গিয়ে এটার ব্যাক এন্ডে মানে ফ্রন্টে এবং ফ্রন্ট এন্ড এবং ব্যাক এন্ডে এর মধ্যে ইন্টারেকশনটা এবং কোন থাকে কোন অর্ডারটা কোথায় যাচ্ছে, কোথায় যাচ্ছে এবং কোথায় কাজটা হচ্ছে এবং আমি দারাজ থেকে একটা আইটেম আমি এখনই অর্ডার করলাম সেটা হচ্ছে গিয়ে চায়না থেকে আসবে। তার মানে হচ্ছে গিয়ে এইটার এটার পেছনে অনেকগুলো প্রসেস প্রভিশন হয়ে গেছে। আমি অর্ডার প্লেস করার সঙ্গে সঙ্গে অটোমেটেড ভাবে অনেকগুলো সার্ভিস প্রভিশনই হয়ে গেছে এটার পেছনে। মানে এটার পেছনে ব্যাক টু ব্যাক। তো আমরা যদি সেটাই বলি যে আমাদের কোম্পানিতে অথবা আমার লাইফে আমাদের লাইফে যে কাজগুলো আমরা করছি সেটাকে যদি আমরা অটোমেশনে ফেলে দেই তাহলে আমাদের অনেক কাজই সহজ হয়। যেমন আমি ছোট্ট একটা অটোমেশনের কথা বলি যে আমার যে ক্রেডিট কার্ড আছে আমার ক্রেডিট কার্ডের সাথে যদি আমার ব্যাংকের একাউন্ট যদি কানেক্টেড করা থাকে তার মানে আমার মাসের শেষে আমার ক্রেডিট কার্ডের টাকাটা অটোমেটিকভাবে আমার ব্যাংক থেকে টাকাটা কেটে সেই ভিসা একাউন্টে জমা হয়ে যাবে। তার মানে হচ্ছে আমাকে এখানে কোন কিছু করতে হচ্ছে না। এটা অটোমেটেড। মানে আমি সারা মাস ধরে ক্রেডিট কার্ড দিয়ে আমি কাজ করছি, আমার বাজার করছি সবকিছু করছি আর মাসের শেষে সেটা অটো ডেবিট হয়ে চলে যাচ্ছে আমার একাউন্ট থেকে। এভাবে আমার বাচ্চাদের বেতন এটাও যদি আমার অ্যাপ থেকে অটো ডেবিট হয়ে যায়। মানে এই সবকিছু কিন্তু অটোমেশন। মানে আমাকে আর এটা নিয়ে চিন্তা করতে হচ্ছে না। সো এই ধরনের অটোমেশনের ব্যাপারটা আমরা এভাবে বলছি যে আমি নিজে অনেকগুলো অটোমেশন প্রজেক্টে কাজ করেছি এবং আমি দেখেছি যে ধরা যাক এখন রেড হ্যাটের কিছু অটোমেশন প্রজেক্ট আমি দেখছি এবং সেখানে এনসিবল মানে আমি আমি যেমন বাংলাদেশে এনসিবলের জানা লোকের লোক খুঁজছিলাম। যে আমার একটা প্রজেক্টের জন্য যে এনসিবল লোক দরকার। এনসিবল জানা লোক দরকার। রেড হ্যাটের যে রোবোটিক প্লাটফর্ম আমরা বলছি যে যে অটোমেশন প্লাটফর্ম এনসিবল জানা লোক দরকার। তো ব্যাপারটা হচ্ছে যে এরকম জিনিস আমাদের আস্তে আস্তে আমাদের দিকে হাঁটতে হবে। আর সবচেয়ে বড় যে জিনিসটা হচ্ছে যে আমি বারবার যেটা বলি যে পাইথন। পাইথন হচ্ছে গিয়ে একটা ভালো অটোমেশন ল্যাঙ্গুয়েজ। সো আমরা যতই কিছু বলি না কেন পাইথন যদি মানে মেশিন লার্নিং হোক আর ডিপ লার্নিং হোক সেখানে আমরা পাইথন ব্যবহার করছি। কিন্তু এর পাশাপাশি আমরা যেটা বলতে চাই যে পাইথন অটোমেশনের জন্য একটা সুপার্ব ল্যাঙ্গুয়েজ। সো আমরা চেষ্টা করব যে আমাদের পাশাপাশি আমরা পাইথন শিখতে আমরা অন্যান্য প্লাটফর্ম আমরা দেখতে পারি। তবে অটোমেশন ইজ দা ওয়ে টু গো। আর আমরা এটাই বলছি যে অটোমেশন যদি একবার মানে আমরা যদি একবার যদি অটোমেশন ব্যাপারটা ঠিকমতো বুঝতে পারি তাহলে আমাদের জীবনের অনেক কিছুই আস্তে আস্তে আমরা অটোমেশনে ফেলতে পারব। যেমন আমরা যদি এখন শুনি এই কোভিডের সময় যেটা হয়েছে যে গ্রেট রেজিগনেশন। আপনি যদি উইকিপিডিয়াতে দেখেন দ্যা গ্রেট রেজিগনেশন। মানে একটা আপনি একটা চার্ট দেখবেন সেই চার্টে দেখা যাচ্ছে যে প্রচুর মানুষ তারা আসলে রেজিগনেশন দিচ্ছে। তার মানে হচ্ছে দে ওয়ান্ট টু ডু সামথিং এট দেয়ার ওন। মানে তারা আসলে আর কোন কোম্পানিতে ফেরত যেতে চাচ্ছে না। তারা নিজেরা নিজে নিজেরা কিছু করতে চাচ্ছে। তার মানে হচ্ছে কি এখানে একটা অটোমেশনের একটা অংশ আসছে যে আমরা আসলে প্রতিনিয়ত একই কাজ করতে চাই না। আমরা আমাদের কাজগুলো ক্রিয়েটিভ হবে, আমরা স্ট্রাটেজিক বা ভিশনারি কাজ করব। তো সেজন্য আমরা বলছি যে গ্রেট রেজিগনেশন ব্যাপারটা যদি দেখেন যে আসলে মানুষজন চাকরি ছাড়ছে বিকজ দে ওয়ান্ট টু ডু সামথিং এবং ওই অটো পাইলট মোডে তারা নিজেরা কিছু করতে চাচ্ছে এবং সেটাতে অটোমেশন কিভাবে আনা যায় সেটা নিয়ে এখন অনেক অনেক ধরনের রিসার্চ চলছে। আর সেটার একটা পার্সপেক্টিভ হচ্ছে গিয়ে আরপিএ রোবোটিক প্রসেস অটোমেশন। সো আপনারা বুঝতে পারছেন যে আমি কেন রোবোটিক প্রসেস অটোমেশন বা কেন পাইথন বা কেন এনসিবল এই ধরনের কথা বলছি। বিকজ দ্যা ফিউচার দ্যা ফিউচার ইজ অটোমেশন। সেটা আমার কোম্পানিতে হোক, সেটা অন্য জায়গায় হোক অটোমেশন ইজ দা কি। আজকে এই পর্যন্তই থাকছেন তো সামনে?

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা: Understanding Artificial Intelligence in Bangla

গল্পে গল্পে কৃত্রিম বুদ্ধিমত্তা, ৬ - কেন ছুটছি আমরা Understanding Artificial Intelligence in Bangla.mp3

মানুষ কেন কৃত্রিম বুদ্ধিমত্তা নিয়ে এত আগ্রহ প্রকাশ করছে এর ভেতরে যদি আমরা ঢুকতে চাই সেটার ব্যাপারে আমি বেশ কিছু আলাপ করেছি এবং বেশ কয়েকটা গল্প দিয়েছি যে কেন মানুষ কৃত্রিম বুদ্ধিমত্তাকে চাচ্ছে এবং এই কৃত্রিম বুদ্ধিমত্তা নিয়ে কেন এত হইচই শুরু হলো তো সেখানে আমি বলছি যে আমার বেশ পছন্দের একটা বই যেটাকে আমি লিখেছিলাম প্রায় তিন বছর আগে এই বইটাতে আমি সেই কিছু আলাপ দিয়েছিলাম যে কেন মানুষ কৃত্রিম বুদ্ধিমত্তাকে চাচ্ছে তো এর মধ্যে একটা আলাপ আছে এরকম যে এটা কিছুটা ফ্যান্টাসি মানে ফ্যান্টাসি এরকম হতে পারে যে আমি বলতে পারি যে আমরা যে কৃত্রিম বুদ্ধিমত্তা চাচ্ছি যে মানুষ যন্ত্রকে চাচ্ছে তার পাশে দাঁড়াতে কেন সেটা নিয়ে যদি আমি এই বইটা থেকে সরাসরি পড়ি দেখা যাবে যে মানে এখানে আমরা আমি লিখেছিলাম শত বছর ধরে ইন্টেলিজেন্ট মেশিনের খোঁজে মানুষের ইচ্ছার বহিঃপ্রকাশের হিসাব আমরা দেখেছি অনেক কিছু আয়রন ম্যানের জার্ভিস মানে আয়রন ম্যানের জার্ভিস টার্মিনেটর নাইট রাইডারের কিট পার্সোনালিটি গুলোর প্রতি আমাদের ব্যাকুলতা অথবা উৎসুক ভাব একটা পাওয়ারফুল আইডিয়া যন্ত্র মানুষের মত চিন্তা করতে পারছে কি পারছে না অথবা চিন্তা করতে পারার মত যন্ত্র তৈরি হচ্ছে কি হচ্ছে না সেটা থেকে সবচেয়ে বড় ব্যাপার হচ্ছে মানুষ হাল ছাড়ছে না এই আইডিয়া থেকে তার মানে হচ্ছে গিয়ে আমরা যদি সেটাকে এভাবে চিন্তা করি যে আমরা কৃত্রিম বুদ্ধিমত্তা বা যন্ত্রকে ধরা যাক আপনি যদি খুব এক্সাইটেড হন যখন আপনার একটা রোবট আপনি একটা রোবটকে একটা কথা বলছেন সে আপনার কথামত কাজ করছে এটা তো অবশ্যই একটা ফ্যান্টাসি যেমন আমরা যদি সেই ট্রেনের টিকিট কাটার ব্যাপারে যদি বলি যে ট্রেনের টিকিট কাটার ব্যাপারে আমরা সেই কমলাপুর রেল স্টেশনে যাচ্ছি সেখানে লাইন দিচ্ছি তারপর টিকিট কিনছি তো সেখানে আমি কেন এত কষ্ট করব আমার যদি একটা রোবট থাকতো আমি রোবটকে বলতাম যে তুমি কমলাপুর রেল স্টেশনে 24 ঘন্টা বা যেই সময়টা লাগুক না কেন সেই সময়টা তুমি ওখানে লাইনে দাঁড়িয়ে থেকে আমার জন্য টিকিট কেটে নিয়ে আসো এটা একটা পাওয়ারফুল আইডিয়া মানে ব্যাপারটা হচ্ছে এরকম যে আমরা বলছি আমরা অনেক কিছুই বলছি বাট এই কৃত্রিম বুদ্ধিমত্তা দিয়ে আমরা অনেক কিছুই করব যেমন আমরা এখানে আগে বলেছি যে ডিএনএ সিকোয়েন্সিং কৃত্রিম বুদ্ধিমত্তা দিয়ে আমরা প্রাকৃতিক বিপর্যয় হবার আগেই আমরা আগে থেকে বুঝতে পারব বা আমরা যখন গ্যালাক্সি জয় করব বা আপনি দেখুন যে আয়রন ম্যান যে আয়রন ম্যানের যে সুটটা আছে সেটার পেছনে কিন্তু কৃত্রিম বুদ্ধিমত্তা ব্যবহার করা হয়েছে যে আয়রন ম্যান নিজে যতটুকু সে চিন্তা করতে পারছে বাট তার সাথে কৃত্রিম বুদ্ধিমত্তা তাকে সাহায্য করছে যে সে কিভাবে তার পুরো সিস্টেমটাকে ঠিকমত চালাতে পারে তো ব্যাপারটা এরকমই যে কৃত্রিম বুদ্ধিমত্তার ব্যাপারে যে আমাদের যে ফ্যান্টাসিটা চলছে সেটা কিন্তু শেষ হবার নয় মানে এখানে যে জিনিসটা আমি বারবার বলি যে যন্ত্র মানুষের মত চিন্তা করতে পারছে কি পারছে না অথবা চিন্তা করতে পারার মত যন্ত্র তৈরি হচ্ছে কি হচ্ছে না সেটা থেকে সবচেয়ে বড় ব্যাপার হচ্ছে মানুষ হাল ছাড়ছে না এই আইডিয়া থেকে মানে আমার একটা যন্ত্র লাগবে যেটা হচ্ছে গিয়ে বুদ্ধিমান এই বুদ্ধিমান যন্ত্রকে দিয়ে আমি কি করব বা আমি ভবিষ্যতে কি প্ল্যান আছে সেটা নিয়ে আমি পরে আলাপ করছি বাট আমি মনে করছি যে কৃত্রিম বুদ্ধিমত্তাটা কিন্তু এখন আমাদের ডেইলি লাইফে চলে এসেছে এমন যেমন আমার সামনে যে ফোনটা আছে আমার একটা Samsung A22 ফোন যেটাতে আমি রেকর্ড করছি এ ধরনের অনেক ফোনে কিন্তু বলা আছে এআই ক্যামেরা মানে হচ্ছে গিয়ে আমি যখন ক্যামেরাটাতে তুলছি তখন আমার জন্য যে হোয়াইট ব্যালেন্স বা আমার জন্য যে ফোকাস বা আমার জন্য যে তার আমার চেহারা বা আমার স্কিন টোন আমার স্কিন টোন মিলিয়ে সে কিন্তু তার জন্য কালার জেনারেট করবে বা তার জন্য ফিল্টার তৈরি করবে তার মানে হচ্ছে গিয়ে তার মধ্যে বেশ কিছু মডেল ডেটা দেওয়া আছে যে এই মানুষ হলে এটা হবে বা এত দূরে হলে এত হবে বা অটোফোকাসটা কিভাবে হবে এটা যদি আমি ম্যানুয়ালি সেট করতে চাইতাম তাহলে কিন্তু আমার এই পাশে বসে আর রেকর্ড করতে হতো না ওখানে কিন্তু আরেকজনকে আমার লাগতো তো এই এআই ক্যামেরার একটা বড় কাজ হচ্ছে গিয়ে আমাদেরকে সাহায্য করা যে আমি যদি ওই পাশে থাকতাম এবং ওই পাশে থেকে একটা ভিডিও করার জন্য আমার যতটুকু এডজাস্টমেন্ট লাগতো সেই এডজাস্টমেন্টটা কিন্তু এই এআই ক্যামেরা মানে আমি বলতে চাচ্ছি যে এই পেছনের এআই সে তার মেশিন লার্নিং মডেল থেকে তার ডাটা সেট থেকে বিভিন্ন আগের ডাটা সেট থেকে বুঝে তারপর সে বিভিন্ন ধরনের এডজাস্টমেন্ট যে রুমে কতটুকু লাইট আছে আমার স্কিন টোন কেমন তারপর হচ্ছে গিয়ে আমার আমি কত দূরে আমার জন্য তার ফোকাসটা কি করতে হবে এটাই কি এটাকেই তারা বলছে এআই ক্যামেরা অনেকটা বাজওয়ার্ড মানে আমি বলতে পারি যে এটা অনেকটাই বাজওয়ার্ড যে আমরা সব জায়গায় এআই ব্যবহার করছি বাট আই ডোন্ট মাইন্ড কারণ উই হ্যাভ টু স্টার্ট সাম হয়ার আমরা আমাদের আসল কৃত্রিম বুদ্ধিমত্তা কোথায় আসবে সেটা নিয়ে আমরা অবশ্যই আলাপ করব তবে শুরুতে আমরা যদি এই ধরনের এআই যে ক্যামেরার যে এআইটা বা এই যে ফোকাসটা এই এআইটা নিয়েও যদি আমরা কাজ করি তাহলে কিন্তু ভবিষ্যতে আমাদের অনেক কাজ করার স্কোপ আছে আগে একটা ইন্ডাস্ট্রিয়ালিজেশন যুগ ছিল যেখানে আমাদেরকে হেভি মেশিনারি নিয়ে কাজ করতে হতো এখন আমি দেখছি যেহেতু আমি সরকারের প্রায় 31 বছর ছিলাম এবং বিভিন্ন বড় বড় ফ্রেমে কাজ করেছি আমরা দেখেছি যে আসলে এখন হার্ডওয়ারের দাম খুব মিনিমাল সবচেয়ে বেশি যেটা আমরা বলছি ইন্টেলেকচুয়াল প্রপার্টি মানে ইন্টেলেকচুয়াল প্রপার্টি যেটাকে আমরা বলছি আইপি মানে সফটওয়্যার মানে আমরা যেকোনো ডেলের সার্ভার কিনতে পারি আমরা বলতে পারি যে আমরা এইচপি সার্ভার কিনতে পারি যেগুলোর দাম খুব বেশি না এবং এগুলো এখন স্ট্যান্ডার্ড হয়ে গেছে কিন্তু যেটা স্ট্যান্ডার্ড হয়নি বা যেটা নিয়ে এখন আমরা সবচেয়ে বেশি কাজ করছি এবং সবচেয়ে ভালো লাগছে সেটা হচ্ছে গিয়ে আমাদের সফটওয়্যার আর এই সফটওয়্যার কাজ করতে আপনার বিদেশ যেতে হবে না আপনি বাংলাদেশে বসেই কিন্তু এই ধরনের এআই রিলেটেড সফটওয়্যার তৈরি করতে পারবেন আর সেই কারণেই কিন্তু এত বই আমি এতগুলো বই লিখেছি একটাই কারণে যে আমাদের যারা নতুন প্রজন্ম আছে তারা যাতে ভবিষ্যতে এটলিস্ট না বলতে পারেন যে আমরা চেষ্টা করিনি আমরা নতুন প্রজন্মদের জন্য চেষ্টা করিনি যে তারা কোন পথে হাঁটবে আর সে কারণে বাংলায় এই ছয়টা বই লেখার পেছনে একটাই কারণ যে আমরা যখন এ ধরনের বইগুলো লিখি আমি জানি যে এ ধরনের বই ইংরেজিতে আরো ভালো আছে বা আছে কিন্তু আমরা ভাবছি যে ইংরেজিতে একটা জিনিস বোঝার জন্য যেরকম আপনার ধারণা দরকার তার থেকে আমি একটু বেশি হেঁটেছি মানে আমি যেহেতু নিজে বাঙালি আমি নিজে বাংলাদেশী সুতরাং আমি জানি যে আমাদের বাংলাদেশী স্টুডেন্টরা তাদের জন্য আসলে কি এক্সট্রা নলেজ দরকার বা কি দরকার যেটা ইংরেজিতে বইতে তারা ভেবে নেয় যে ওই ধরনের বেসিক আইডিয়াটা একজনের আছে তো সেই জন্যই মানে এ ধরনের বইগুলো যখন আমি লিখি তখন এটার মধ্যে আমার অনেক বাস্তব অভিজ্ঞতা আমি লিখি একটাই কারণে যে আমি ভাবছি যে আমি যেভাবে শেখার সময় যেরকম একটা বাংলা বই হলে আমার জন্য ভালো হতো আমি সেরকম একটা বই যদি এখন পেতাম তাহলে কেমন হতো আমি সেভাবেই এই ধরনের বইগুলো লেখার চেষ্টা করি আর এই বইগুলোর আমি মনে করি যে এমনভাবে আমি লিখছি যেগুলো যেকোনো স্কুলের ক্লাসে ব্যবহার করা যাবে ইভেন এই ধরনের ভিডিও আমি যে ভিডিওগুলো করছি এই ভিডিওগুলো কিন্তু যেকোনো ক্লাসে ব্যবহার করা যাবে আজকে এই পর্যন্তই থাকছেন তো সামনে

মেশিন লার্নিং: পরিসংখ্যান

মেশিন লার্নিং পরিসংখ্যান ১.mp3

মেশিন লার্নিং হাতে কলমে পর্বে আমরা আজকে শুরু করবো পরিসংখ্যান বা স্ট্যাটিস্টিকস নিয়ে। ভয় পাবেন না, টাইটানিক ডেটা সেটকে বোঝার জন্য যতটুকু দরকার ততটুকু নিয়েই আমরা আলাপ করব এই পরিসংখ্যান সিরিজে। আমি এখানে বাংলার সমার্থক শব্দ এবং ভালোভাবে বোঝার জন্য আমি সাহায্য নিয়েছি এনায়েত করিম ভাইয়ের লেকচারগুলো থেকে। উনার বিস্তারিত লেকচারগুলো পাওয়া যাবে রাগিব ভাইয়ের শিক্ষক ডটকম প্ল্যাটফর্মে। আমি কৃতজ্ঞতা প্রকাশ করছি এই দুজনের কাছে। এটা তো আমরা মানি মেশিন লার্নিং এ দরকার তথ্য। তো কান টানলেই মাথায় আসবে এভাবেই কিন্তু চলে আসছে পরিসংখ্যানের গুরুত্ব। রাগিব ভাইয়ের ফেসবুক স্ট্যাটাস থেকে কয়েকটা কথা বলেছিলেন আমাদের এনায়েত ভাই। আচ্ছা বলুন তো এই মুহূর্তে ডেটা সবচেয়ে বেশি ব্যবহার করছে কারা? ফেসবুক, গুগল? শুধু ফেসবুক গুগল? আসলে ডেটা নিয়ে কাজ করছে সবাই। সরকার, সরকারি সংস্থা, বেসরকারি সংস্থা সবাই। এনায়েত ভাই লিখছিলেন কয়েকটা কথা। ডেটার বাংলা অর্থ উপাত্ত। আর উপাত্ত থেকে আসবে তথ্য। সেই তথ্যের উপর নির্ভর করেই নেয়া হবে সিদ্ধান্ত। আর সেই সিদ্ধান্তের ওপর নির্ভর করছে কিন্তু কোম্পানির সাফল্য। এছাড়াও উনি বলেছিলেন কয়েকটা কথা। উপাত্ত মানেই তথ্য নয়। উপাত্ত বরং খনি থেকে প্রাপ্ত আকরিকের সাথে তুলনা করা যায়। আকরিককে যেমন নানা প্রক্রিয়ার মধ্যে দিয়ে তা থেকে লোহা বের করা হয় তেমনি উপাত্তকে ধুয়ে মুছে পরিষ্কার করে তা থেকে তথ্য বের করে আনাই আমাদের উদ্দেশ্য। আর সেজন্য যেসব উপকরণ ও পদ্ধতির প্রয়োজন তা আমরা এই পরিসংখ্যান থেকেই জানতে পারব। যখন আমরা টাইটানিক ডেটা সেটকে ঘষামাজা করব তখন আমাদের দরকার দুটো জিনিস। আর এই দুটো জিনিস হচ্ছে ডেসক্রিপটিভ স্ট্যাটিস্টিকস আর ইনফেরেন্সিয়াল স্ট্যাটিস্টিকস। আর নাম দিয়েই কিন্তু বোঝা যায় তার কাজ। ডেসক্রিপটিভ স্ট্যাটিস্টিকস মানে আমরা যেটাকে বাংলায় বলছি বর্ণনামূলক পরিসংখ্যান সেটা যেকোনো ডেটা সেটকে ডেসক্রাইব করতে বোঝায়। তো ফিরে আসি টাইটানিক ডেটা সেটে। আমরা যদি টাইটানিক ডেটা সেটকে এক লাইনে ডেসক্রাইব করতে চাই তাহলে আর এ সামারি কমান্ড দিলেই পাওয়া যাবে সবকিছু। সোজা কথায় এক পৃষ্ঠার রিপোর্ট কার্ড। আমাদের বাচ্চারা স্কুলে কি করছে তা বছর শেষে একটা রিপোর্ট কার্ড বলে দেয় সবকিছু খুঁটিনাটি আদ্যোপান্ত। একটা ডেটা সেটকে সম্পূর্ণভাবে জানতে আমাদের দরকার এই ডেসক্রিপটিভ স্ট্যাটিস্টিকস। ফিরে আসি আর কনসোলে। একটা সামারি কমান্ড কিন্তু দিয়ে দিচ্ছে সবকিছু। আপনি কি দেখেছেন কখনো? আর স্টুডিওতে ট্রেন ডেটা সেট নিয়ে জানতে চান কিছু? এজ বা বয়স ভেরিয়েবলটা নিয়ে আমরা ঘষামাজা করেছিলাম এর আগের পর্বে। মনে আছে সেগুলো? এজ ভেরিয়েবলের সামারি দিয়ে কিন্তু জানতে পারছি অনেক কিছু। আমাদের এই ডেসক্রিপটিভ স্ট্যাটিস্টিকসকে ভাগ করা যায় আবার দুভাগে। একটা হচ্ছে সেন্ট্রাল টেন্ডেন্সি মানে যেটাকে আমরা বলছি কেন্দ্রীয় প্রবণতা। আরেকটা হতে পারে স্প্রেড বা ভেরিয়েবিলিটি। আমরা যেটাকে বাংলায় বলি ভেদ। কতটুকু ছড়িয়ে ছিটিয়ে আছে সেই জিনিসটা। তো আমাদের এই সেন্ট্রাল টেন্ডেন্সি মানে কেন্দ্রীয় প্রবণতা নিয়ে একটু আলাপ করি বরং। আপনি যাই দেখছেন এই পৃথিবীতে ভালো করে লক্ষ্য করলে দেখতে পারবেন সবকিছুর ডেটা পয়েন্টগুলো জড় হয়েছে মাঝামাঝি কোন জায়গায়। চলুন টাইটানিক ডেটা সেটটাকে প্লট করি বরং। কি দেখছেন? আপনি যে অফিসে কাজ করছেন সেখানেই ভালোভাবে তাকিয়ে দেখুন। আপনারাই বলুন আপনাদের কলিগদের বয়সের রেঞ্জটা থাকতে পারে কোথায়? 30 থেকে 40 অথবা নতুন স্টার্টআপ হলে 25 থেকে 30। তার মানে আপনি যতই ডেটা পয়েন্ট কালেক্ট করুন না কেন সেটার একটা কেন্দ্রীয় প্রবণতা মানে একসাথে মাঝামাঝি থাকা একটা জিনিস দেখতে পারবেন সেখানে। তো সেন্ট্রাল টেন্ডেন্সি মানে এই কেন্দ্রীয় প্রবণতার কি কি মেজারমেন্ট থাকতে পারে? সবচেয়ে আগে চলে আসে যে ব্যাপারটা সেটা হচ্ছে গড় মানে মিন যেটাকে আমরা ব্যবহার করি সব জায়গায়। কিছু হলে আমরা দেখতে চাই আমাদের বন্ধুদের গড় বয়স কত। টাইটানিক ডেটা সেট নিয়ে যখন আমরা কাজ করছি তখন দেখা যাবে ওই জাহাজে সবার গড় বয়স কত অথবা সবাই কত টাকা দিয়ে কিনেছিল টাইটানিকের টিকেট সেটার একটা গড়ও তো বের করতে পারবো এখানে। গড় কিন্তু একটা বেশ ভালো ধারণা দেয় একটা ডেটা সেটের একটা নির্দিষ্ট ভেরিয়েবলের ওপর। তবে সব জায়গায় যে গড় চলবে সেটাও কিন্তু না। ধরা যাক আমার ফেসবুক ফ্রেন্ডদের সবার গড় আয় বের করতে যাচ্ছি এখানে। হঠাৎ করে আমার বন্ধু তালিকায় যোগ দিলেন বিল গেটস। হবে কি তখন? কোন ধারণা? একটা দলছুট ভ্যালু নিয়ে যাবে সবকিছুকে অন্য লেভেলে। তখন আমাদের গড় আয় দাঁড়াবে এমন একটা কিছু যেটা আসলে অনেক অনেক বেশি। এটাকে আমরা বলছি আউটলায়ার। মনে আছে ম্যালকম গ্লাডওয়েলের বইটার নাম? আজকের মত বিদায় ভালো থাকবেন।

মেশিন লার্নিং: পরিসংখ্যান

মেশিন লার্নিং পরিসংখ্যান ২.mp3

মেশিন লার্নিং পর্ব দুইয়ে স্বাগতম। কেমন চলছে আপনাদের? নিশ্চয়ই ভালো। এক বছরের কোর্সের জন্য ব্যাপারটা মন্দ নয়। এর আগের পর্বে পরিসংখ্যান নিয়ে বেশ কিছু জিনিস আলাপ করেছিলাম। ডেসক্রিপটিভ স্ট্যাটিসটিক্স এর সেন্ট্রাল টেন্ডেন্সি মানে কেন্দ্রীয় প্রবণতা নিয়ে কিছু আলাপ করেছিলাম এর আগেরবার। মিন মানে গড় নিয়েও তখন আলাপ হয়েছিল বেশ। আপনাদের সুবিধার জন্য গতবারের কমান্ডগুলো সহই স্ক্রিপ্ট তৈরি করা হয়েছে এবার। চলুন যাওয়া যাক আমাদের গিটহাব পেইজের লিংকে। মনে আছে তো গিটহাবের লিংকটা? আপনাদের মধ্যে অনেকেই বলেছিলেন লাইন বাই লাইন স্ক্রিপ্ট যেতে। প্রথমেই আমরা বলে দিচ্ছি ওয়ার্কিং ডিরেক্টরির জায়গাটা কোথায় হবে। আপনার আর আমার লোকেশন এক হলে ভালো তবে ভিন্ন হলে অসুবিধা নেই। টাইটানিক ডেটা সেটের train.csv ফাইলটাকে আমরা লোড করব ট্রেন ডেটা ফ্রেমে। এখন চলুন দেখা যাক ট্রেন ডেটা ফ্রেমের স্ট্রাকচারটা। str ট্রেন কমান্ডটা দিলেই দেখা যাবে স্ট্রাকচারটা। ডেটা স্ট্রাকচারটা দেখলেই বুঝবেন কয়েকটা জিনিস। এখানে একটা জিনিস লক্ষ্য করার মতো যেটা স্ট্রিং ভ্যালু সেটাকে তারা কনভার্ট করে নিয়ে এসছে ফ্যাক্টরে। অথচ এটা হওয়া উচিত ছিল ক্যারেক্টার। আপনারা তো জানেন ফ্যাক্টর হচ্ছে গিয়ে ক্যাটাগরি হিসেবে ভাগ করার জন্য। সেখানে নেম স্ট্রিং সবগুলোকে ফ্যাক্টর হিসেবে পাঠিয়ে দিলে আমাদের বিশেষ কোনো সুবিধা হচ্ছে না। আপনারাই বলুন পৃথিবীতে কয়টা নামই বা একজন আরেকজনের সাথে মেলে। সেখানে নেম ভেরিয়েবলে 891 টা লেভেল মানা যায়? আর সে কারণেই আমাদের জন্য ভালো হবে এর পরের কমান্ডটা। আর সে কারণেই আমরা বলছি string as factors false, header true। মানে স্ট্রিংগুলোকে নিয়ে আসবে ক্যারেক্টার হিসেবে হেডার সহ। চলুন দেখা যাক আমাদের ডেটা ফ্রেমের নতুন স্ট্রাকচারটা। দেখুন ভালো করে নেম, সেক্স এসছে কিন্তু ক্যারেক্টার হিসেবে। আমাদের জন্য ডেটার এই স্ট্রাকচারটা দেখা বেশি ইম্পরট্যান্ট। প্রতিটা স্ট্রাকচারের পরতে পরতে থাকে ইনফরমেশন। কে যেন বলেছিলেন এ পিকচার ওয়ার্থ থাউজেন্ড ওয়ার্ডস। চলুন কিছু বেসিক প্লটিং দেখি বোঝার জন্য। স্ট্যাটিসটিক্সে একটা ভেরিয়েবলকে দেখার জন্য বেইজ হিস্টোগ্রাম অতুলনীয়। আপনার ভেরিয়েবলের তথ্যগুলো কিভাবে ডিস্ট্রিবিউট করা আছে সেটাই দেখা যায় এখানে। যেহেতু বয়স একটা বড় ফ্যাক্টর বাঁচা মরার জন্য আমরা এটাকেই ঘুরিয়ে ফিরিয়ে দেখব বিভিন্নভাবে। আমাদের হিস্টোগ্রামের জন্য কমান্ডটা চালাই এখানে। কিছু ধারণা করতে পারছি এখানে? টাইটানিকের প্যাসেঞ্জারদের বয়সকে আমরা বিভিন্ন ডেটা পয়েন্ট দিয়ে প্লট করলে কি দেখতে পাবো? এর আগেও বলেছিলাম ডেটার একটা কেন্দ্রীয় প্রবণতার ব্যাপারে। বুঝতেই পারছেন টাইটানিকে 20 থেকে 30 বছর বয়সের মানুষের সংখ্যাই বেশি। এখানে একটা জিনিস বোঝার আছে। মেইন আর্গুমেন্টের পাশাপাশি এক্স এক্সিসে যা রাখবো সেটা আমরা এক্স ল্যাব আর্গুমেন্ট দিয়ে পাঠিয়ে দিব। এরপরের উদাহরণগুলোতে হিস্টোগ্রামের পাশাপাশি স্ক্যাটার প্লটও দেখিয়েছি। হিস্টোগ্রাম থেকে স্ক্যাটার প্লট একটু আলাদা। তো আমরা মাঝে মাঝে দুটো ভেরিয়েবলের মধ্যে কোরিলেশন দেখতে চাই। এই দুটো ভেরিয়েবলের মধ্যে কম্পেয়ার করতে গেলে স্ক্যাটার প্লটের জুড়ি নেই। প্রথম কমান্ডে আমরা প্লট ফাংশনকে বলছি এইজ এবং ফেয়ার ভেরিয়েবল এক্সেস করতে। এক্স এবং ওয়াই এক্সিসে কারা কারা বসবে সেটাও বলা হচ্ছে এখানে। পরের কমান্ডটা আরও মজার। দেখতেই পাচ্ছেন টাইল্ড অপারেটরটা ভাগ করে ফেলছে এইজ আর ফেয়ারকে। তার মানে আমরা এখানে দেখতে পাচ্ছি ফেয়ারের এগেইনস্টে এইজ। ডেটা ফ্রেম হিসেবে ট্রেনকে দেখানো হচ্ছে এখানে। এর পাশাপাশি এক্স এক্সিসে এইজ বসিয়ে ওয়াই তে পাঠাচ্ছি ফেয়ারকে। মেশিন লার্নিং আর স্ট্যাটিসটিক্স যাই বলেন না কেন ভিজুয়ালাইজেশন কিন্তু এটা বেশ বড় টুল। যত বেশি ডেটাকে ভিজুয়ালাইজ করবেন ততই বেশি চিনবেন ডেটাকে। তো আজকের মতো বিদায়। থাকছেন তো সামনে? ভুলবেন না কিন্তু এটা একটা এক বছরের কোর্স। গুড বাই।

পাইটর্চ দিয়ে হাতেকলমে ডিপ লার্নিং

PyTorch পাইটর্চ বেসিকস টেন্সর অপারেশন এবং গ্র্যাডিয়েন্ট (ডিরাইভেটিভ).mp3

আজকে আমরা পাই টর্চের টেনসর অপারেশনের পাশাপাশি গ্রাডিয়েন্টের কিছু কাজ বুঝবো। মেশিন লার্নিং এ যে টেনসর অপারেশন আমরা করছি সেই টেনসর অপারেশনের মধ্যে কিন্তু আমরা অ্যারিথমেটিক অপারেশন চালাতে পারি। আমি বলতে চাচ্ছি যে আমরা পাইথনে যেভাবে কাজগুলো করতাম এখানেও একইভাবে কাজগুলো করা সম্ভব। আমরা এখানে তিনটা টেন্সর তৈরি করছি যার মধ্যে এক্স এর ভ্যালু আমরা বলছি তিন, ডব্লিউ এর ভ্যালু বলছি চার এবং বি এটার ভ্যালু হচ্ছে পাঁচ। এখানে টেন্সরের আলাদা আলাদা ভ্যালু হলেও আমরা দেখছি যে এখানে এক্স ডব্লিউ বি বিশেষ করে ডব্লিউ বি এর জন্য আমাদের আলাদা একটা অপারেশন চালাতে হবে। এই মুহূর্তে আমি আপনাদেরকে বলতে চাই যে টর্চ বিশেষ করে পাই টর্চের যে অটো গ্র্যাড অপারেশন আছে এটা আসলে নিউরাল নেটওয়ার্ককে কিন্তু বেশ ক্ষমতা দেয় বিশেষ করে অটোমেটিক ডিফারেন্সিয়েশন ইঞ্জিন হিসেবে ব্যবহার করা যায়। আমরা যখনই বলছি যে ডব্লিউ এবং বি এর জন্য রিকোয়ারস গ্রাডিয়েন্ট এর মানে হচ্ছে এটা আসলে অটো গ্র্যাডকে সিগন্যাল দেয় যে প্রতিটা অপারেশন এখন থেকে ট্র্যাক করা হবে এই দুটো জিনিসের জন্য। যেহেতু আমরা এর আগেও বলেছি যেহেতু আমরা পাইথনে কাজ করছি সে কারণে এখানে অ্যারিথমেটিক অপারেশন করা সম্ভব মানে y=w*x+b। এর অর্থ হচ্ছে আমরা নতুন একটা টেন্সর বের করছি y হিসেবে যার বাকি টেন্সরের অ্যারিথমেটিকের ফলাফল পাচ্ছি আমরা এই y টেন্সরে। আমরা যদি সরাসরি ভ্যালুগুলো পুট করি এই w*x+b তাহলে আমরা পাচ্ছি 4*3+5=17। এখানে আমরা যে জিনিসটা বলতে চাচ্ছি যে পাই টর্চ এখানে একটা স্পেশাল অপারেশন করবে বিশেষ করে আমরা যদি কোন ডেরিভেটিভ বের করতে চাই। এখানে y এর ডেরিভেটিভস উইথ রেসপেক্ট টু দা আদার টেন্সর সেখানে আমরা বলছি যে যেগুলোর রিকোয়ারস গ্র্যাড সেই টেন্সর গুলোকেই কিন্তু এখানে হিসেব করবে। এখানে যদিও y=w*x+b এখানে সংখ্যা হিসেবে দেখাচ্ছি তবে এটা একটা ম্যাট্রিক্স হতে পারে। এর অর্থ হচ্ছে এখানে আমরা ম্যাট্রিক্স অপারেশনও চালাতে পারি এই একই ধরনের অপারেশন দিয়ে। তার মানে হচ্ছে এই একই কাজ দিয়ে আমরা ম্যাট্রিক্স মাল্টিপ্লিকেশনও করতে পারি। আমরা এখানে y এর ডেরিভেটিভস বের করার চেষ্টা করছি উইথ রেসপেক্ট টু দা টেন্সর যেগুলোকে আমরা বলছি রিকোয়ারস গ্র্যাড ইকুয়ালস টু ট্রু। আমাদের এখানে কেন ডেরিভেটিভস দরকার হচ্ছে কারণ এগুলো কিন্তু মেশিন লার্নিং বা ডিপ লার্নিং এর জন্য যে অপটিমাইজেশন অ্যালগরিদম ব্যবহার করা হয় বিশেষ করে গ্রাডিয়েন্ট ডিসেন্ট নিয়ে কাজ করতে গিয়ে। যেহেতু পাই টর্চকে বলা হয়েছে যে ডব্লিউ এবং বি এর সব ধরনের অপারেশন মনে রাখতে আর সে কারণে কিন্তু এটা ডেরিভেটিভস বের করা খুব সোজা। আমরা যখন এর y এর ডেরিভেটিভস বের করার চেষ্টা করব তখন কিন্তু সেটা এই ইনপুট টেন্সরের বিশেষ করে ডব্লিউ এবং বি তার ডট গ্র্যাড প্রপার্টিজের মধ্যে তথ্যগুলো রাখবে। আমরা যখন x.grad, w.grad এবং b.grad বিশেষ করে তাদের ইনপুট টেন্সরের রেস্পেক্টে ভ্যালুগুলো দেখার চেষ্টা করব সেই ভ্যালুগুলো হবে তাদের ডেরিভেটিভস। এখানে আমরা যেটা দেখছি যে dy/dx এটা কেন নান হলো? কারণ একে তো বলাই হয়নি যে তোমার রিকোয়ারস গ্র্যাড সেট টু ট্রু। ওকে তো আমরা বলিনি যে তাদের সব অপারেশন ট্র্যাক করার জন্য। আমরা যদি আবার ফিরে যাই x এর কাছে সেখানে কিন্তু রিকোয়ারস গ্র্যাড বলা হয়নি। আমরা যখন ডিপ লার্নিং মডেল নিয়ে কাজ করব তখন দেখব যে আমাদের এক একটা মডেলে কোটি কোটি প্যারামিটার। ফলে প্রতিটা ইনপুট টেন্সরের গ্রাডিয়েন্ট রাখার জন্য কিন্তু আমাদের সিস্টেম ওভারহেড অনেক বেশি হয়ে যাবে। আমরা যখন dy/dw দেখছি সেখানে আমাদের যে ডেরিভেটিভ অপারেশন সেখানে শুধুমাত্র x এর ভ্যালুটা থাকছে। কারণ আমরা ছোটবেলায় যখন ডিফারেন্সিয়াল ক্যালকুলাস করছিলাম তখন সেটার হিসাবে কিন্তু dy/dw তে বাকি ভ্যালুগুলো কিন্তু থাকছে না। ফলে এখানে আমরা যে dy/dw এর ভ্যালু কিন্তু x এর কাছাকাছি হচ্ছে। এখানে w চলে যাচ্ছে x থাকছে এবং এখানে b ও শূন্য হয়ে যাচ্ছে। এদিকে আমরা যখন dy/db নিয়ে কাজ করছি সেখানে w*x চলে যাচ্ছে। মানে সেই ছোটবেলার ক্যালকুলাসের কথা বলছিলাম। যেহেতু এখানে শেষে এক থাকছে আর সে কারণে এখানে dy/db হচ্ছে এক। এই বয়সে অবশ্যই আমাদের এই ডেরিভেটিভস বের করার কথা মনে থাকার কথা না আর সে কারণে কিন্তু আমরা চলে যেতে পারি খান একাডেমিতে। এখানে x, b, w এটার পেছনে যে ডট গ্র্যাড এটা হচ্ছে গিয়ে গ্রাডিয়েন্ট হিসাব করছে এবং সেটার আরেকটা নাম হচ্ছে ডেরিভেটিভস যা আমরা খুব বেশি ব্যবহার করি ম্যাট্রিক্স মাল্টিপ্লিকেশনে। আপনাদের কাজের সুবিধার জন্য আমি এই নোটবুকে আরো বেশ কিছু কাজ করেছি সেগুলো প্র্যাকটিস করতে পারেন। আজকে এই পর্যন্তই থাকছেন তো সামনে?

পাইটর্চ দিয়ে হাতেকলমে ডিপ লার্নিং

PyTorch - পাইটর্চ টেন্সর, ম্যাট্রিক্স, ডাইমেনশন অ্যারে, টেন্সর সাইজ অর্থাৎ শেপ (লিস্ট অফ লিস্ট).mp3

যদিও আমি এখানে পাই টর্চ দিয়ে শুরু করেছি তবে আমি এটুকু বলতে পারি যে আমাদের ডিপ লার্নিং এর জন্য পাই টর্চ টেনসর ফ্লো সবই একই এবং এর সবকিছুর শুরুটাই হচ্ছে টেনসর দিয়ে যেটাকে আমরা বলছি টেনসর ফ্লো মানে টেনসরের ফ্লো। আর যেহেতু আমরা পাই টর্চ নিয়ে কাজ করছি আর সে কারণে এই টর্চের টেনসর এই একই জিনিস। মনে আছে আমরা গত ভিডিওতে টি টু যেটাকে আমরা বলছি ভেক্টর মানে এখানে আমরা একটা পাইথনের লিস্ট পাঠিয়ে দিচ্ছি। এর অর্থ হচ্ছে আমরা যখন এই টর্চের টেনসরে একটা লিস্ট পাঠাচ্ছি অর্থাৎ সেই অ্যারেটাকে আমরা একটা ভেক্টর বলছি। এখানে একটা জিনিস বলতে হবে যে আমরা যখন টেনসরে কোন জিনিস পাঠাচ্ছি তখন সেগুলো কিন্তু সব একই ক্যাটাগরির হতে হবে। আমাদের এই টর্চের টেনসরে আমরা যখন ভেক্টর পাঠালাম সেখানে সবগুলো সংখ্যা একই ডাটা টাইপ হতে হবে। শুরুতে যেহেতু আমরা ওয়ান ডট অর্থাৎ এটা একটা ফ্লোটিং পয়েন্ট নাম্বার আর এর ফলেই কিন্তু বাকি সব সংখ্যাগুলো ফ্লোটিং পয়েন্ট নাম্বার হয়ে গিয়েছে অটোমেটিক্যালি। তারমানে আমরা এখান থেকে কি জানতে পারলাম আমাদের টেনসরে ডাটা টাইপ যতটুকুই থাকুক না কেন সবগুলোই একই ধরনের হতে হবে। আর আমরা যদি এখানে ভিন্ন ভিন্ন ডাটা টাইপ যদি পাঠাতাম তাহলে পাই টর্চ নিজে থেকেই সবগুলোকে এক ধরনের ডাটা টাইপে কনভার্ট করে নিত। এরপরের অংশে আসি আমরা এখানে টর্চ ডট টেনসরে একটা ম্যাট্রিক্স পাঠাচ্ছি। এখানে তিনটা গ্রুপ মানে হচ্ছে তিনটা রো আর এই সংখ্যাগুলোকে এনক্যাপসুলেট করা হয়েছে একটা লিস্টে। এটার মধ্যেও আমরা একটা ফ্লোটিং নাম্বার রাখলাম আর এর ফলে আমরা দেখছি যে আমাদের টি থ্রি এটার আউটপুটে কিন্তু টর্চ অটোমেটিক্যালি সবগুলোকে ফ্লোটিং পয়েন্ট নাম্বারে কনভার্ট করেছে। এখন আমরা আসছি তিন ডাইমেনশনাল অ্যারেতে। এখানে আমরা যেটা দেখছি যে আমরা এখানে দুটো ম্যাট্রিক্স নিয়েছি। আমাদের এই দুটো ম্যাট্রিক্সে আমরা বারবার দেখছি যে এখানে আমাদের তিনটা কলাম এবং দুইটা রো। আবার এই সবকিছুকেই কিন্তু ফেলানো হয়েছে একটা অ্যারের ভেতরে যেটা আমরা দেখছি তিনটা ডাইমেনশনের অ্যারে। এখানে কিন্তু সবকিছু লিস্টের খেলা মানে একটা লিস্টের ভিতর আরেকটা লিস্ট এবং আরেকটা লিস্টের ভিতর আরেকটা লিস্ট যেটাকে আমরা বলছি লিস্ট অফ লিস্ট অফ লিস্ট। এখানে অনেকে প্রশ্ন করতে পারেন যে কিভাবে একটা টেনসর এই লিস্ট অফ লিস্ট অফ লিস্ট থেকে আলাদা অথবা আপনি প্রশ্ন করতে পারেন যে আমাদের যে সেইপ আমরা যে বিভিন্ন ডাইমেনশনের সেইপ গুলো নিয়ে আলাপ করছি সেই সেইপগুলো আসলে কিভাবে এখানে বলছি আমরা। ধরুন আমরা এখানে যে তিন ডাইমেনশনের অ্যারে নিয়ে কথা বলছিলাম সেই তিন ডাইমেনশনের অ্যারের যে সবচেয়ে শেষের ব্র্যাকেট মানে আমরা বাহিরের ব্র্যাকেটের কথা বলছি। আমরা একদম সবচেয়ে বাহিরের ব্র্যাকেটের কথা চিন্তা করলে এখানে এলিমেন্ট হচ্ছে দুটো আর এ কারণে কিন্তু এখানে দুই এসেছে। এরপরের দুই নিয়ে যদি আলাপ করি তাহলে দেখবো যে এরপরের ব্র্যাকেটটা আসলে এরপরের ধরনের ব্র্যাকেট হচ্ছে দুটো মানে এই দুটো ব্র্যাকেটের যেকোনো একটা ধরলেই আমাদের জন্য হবে। এর অর্থ হচ্ছে মাঝখানে যে ব্র্যাকেটটা সেখানে এলিমেন্ট কিন্তু দুটো মানে যেকোনো দুটো এলিমেন্টের মধ্যে দুটো করে এলিমেন্ট। এ কারণে এর মাঝখানে যে দুই এই দুইটা হচ্ছে গিয়ে এর ভেতরের মানে মাঝখানের ব্র্যাকেটের দুটো এলিমেন্ট। একেকটারই দুটো এলিমেন্ট। এরপরে আমরা যদি সবচেয়ে শেষের ব্র্যাকেটটার কথা বলি মানে সবচেয়ে ভিতরের ব্র্যাকেটটা সেই ভিতরের ব্র্যাকেটে কিন্তু আমাদের তিনটা এলিমেন্ট। এই তিনটা এলিমেন্ট হওয়ার কারনেই কিন্তু আমাদের সেইপে সবচেয়ে শেষে এসছে তিন। এর অর্থ হচ্ছে আমাদের টর্চ ডট সাইজে আমরা টু টু থ্রি হচ্ছে আমাদের সেইপ। আজকে এই পর্যন্তই থাকছেন তো সামনে?

পাইটর্চ দিয়ে হাতেকলমে ডিপ লার্নিং

PyTorch পাইটর্চ টেন্সর - নামপাই কম্পাটিবিলিটি, টেন্সর শেপিং, সিপিইউজিপিইউ অপারেশন, কাজের তুলনা.mp3

আমাদের কাছে ডিপ লার্নিং যেকোনো ফ্রেমওয়ার্ক পাই টর্চ অথবা টেন্সর ফ্লো আমরা যেটা নিয়েই কাজ করি না কেন বাট তার পেছনে নাম্পায়ের মত প্যাকেজ না থাকলে আমরা অনেক কিছুই করতে পারতাম না। আমরা যখন সাইকিট লার্ন নিয়ে কাজ করছিলাম সাইকিট লার্নের সাথে এই নাম্পায়ের কাজ অসাধারণ ছিল। আমরা যখন পাইটর্চ নিয়ে কাজ শুরু করলাম তখন দেখলাম যে এটা আসলে নাম্পায়ের মত তবে এটার সাথে একটা ভালো জিপিইউ এক্সেলারেশন আছে। আর যেহেতু পাইটর্চ আগে থেকেই এই ডাইনামিক কম্পিটিশন গ্রাফ সাপোর্ট করে ফলে আমরা জানতে পারতাম যে নেটওয়ার্ক কিভাবে পাল্টাচ্ছিল অন দা ফ্লাই। আমি এর আগেও ভিডিওগুলোতে দেখিয়েছিলাম যে কিভাবে আমাদের এই পাইটর্চ টেন্সর বিশেষ করে নাম্পায়ের এনডি এ্যারের কতটাই কাছাকাছি। আমরা এখানে কি দেখলাম এইখানে পাইটর্চের যে টেন্সর সেটা কিন্তু এই নাম্পাই এ্যারের জায়গায় কিন্তু বসেছে। আর যেহেতু এই নাম্পাই এবং পাইটর্চ খুবই কাছাকাছি জিনিস এর ফলে এর মধ্যে একটা মেথড তৈরি করা হয়েছে যেখান থেকে নাম্পাই এ্যারে থেকে পাইটর্চ অথবা পাইটর্চ টেন্সর থেকে নাম্পাই এ্যারেতে যাওয়া যায় খুব সহজে। নাম্পাই নিয়ে কাজ করার সময় বিশেষ করে এমটি বা রেন্ডম ফাংশন এর পাশাপাশি জিরোস অথবা ওয়ানস যে ফাংশনগুলো ব্যবহার করতাম সেই একই ফাংশনগুলো কিন্তু আমরা ব্যবহার করতে পারছি টর্চে মানে টর্চ ডট এমটি অথবা টর্চ ডট রেন্ডম অথবা টর্চ জিরোস ওয়ানস সবকিছুই কিন্তু আমরা করতে পারছি এই টর্চেও মানে পাইটর্চেও। আমরা নাম্পাইতে যেভাবে এই ধরনের ফাংশনগুলো ব্যবহার করেছি সেইম একইভাবে বিশেষ করে টর্চ ডট এমটি বা অন্যান্য যে ফাংশনগুলো আছে সেগুলো কিন্তু নাম্পায়ের মতোই কাজ করা যাচ্ছে। আপনারা দেখতে পাচ্ছেন যে আমরা পাইটর্চে সেই ধরনের অনেকগুলো কাজের বেশ কিছু আউটপুট দেখছি টেন্সরের। এর পাশাপাশি পাইটর্চের ভিউ ফাংশন যেটাকে আমরা বলছি আমাদের টেন্সরের রিশেপ করার জন্য। অর্থাৎ আমরা আমাদের টেন্সরের সাইজকে রিশেপ করতে বলছিলাম। এ ব্যাপারে পাইটর্চের অফিশিয়াল ডকুমেন্টেশন দেখলে আরো ভালোভাবে বোঝা যাবে। ডিপ লার্নিং ফ্রেমওয়ার্ক গুলোর একটা বড় জাদু হচ্ছে এর টেন্সর গুলোকে জিপিইউ ব্যবহার করতে পারার কথা। আমাদের সিপিইউর কাজের পাশাপাশি জিপিইউ যে কত ভালো পারফরমেন্স দেয় সেটা তো আমরা সবাই জানি। যেকোনো ডিপ লার্নিং ফ্রেমওয়ার্কের মতো আমাদের এই পাইটর্চ যেকোনো সময় জিপিইউ অথবা সিপিইউর মধ্যে সুইচ করা যায়। এখানে আমরা সিপিইউ অথবা জিপিইউতে টেন্সর তৈরি করে সেই সিপিইউ থেকে জিপিইউতে অথবা জিপিইউ থেকে সিপিইউতে সেই টেন্সরটাকে নিয়ে আসতে পারি। তবে আমরা এখানে টেন্সর টু এটাকেও আমরা ব্যবহার করতে পারতাম একটা টেন্সরকে ট্রান্সফার করার জন্য। তবে আমরা যে জিপিইউ বা সিপিইউ নিয়ে কাজ করছি একটা কাজ দিয়ে আমরা বুঝতে পারবো যে আমাদের সিপিইউ এবং জিপিইউ আসলে কত গুণ বেশি ফাস্ট কাজ করে। এখানে আমরা একটা কাজ দেখিয়েছি এক্স এবং ওয়াই এর ম্যাট্রিক্স মাল্টিপ্লিকেশনে। বিশেষ করে এটা সিপিইউতে কতটুকু সময় লাগছে এবং এর পাশাপাশি একই জিনিস জিপিইউতে কিরকম সময় লাগছে। আমার সঙ্গে এই ল্যাপটপের জিপিইউ যেহেতু খুবই দুর্বল তবুও আমি বলছি সিপিইউ থেকে এর পারফরমেন্স প্রায় 25 গুণ বেশি। আজকে এই পর্যন্তই থাকছেন তো সামনে?