কৃত্রিম বুদ্ধিমত্তা (AI) কেবল রুটিন অটোমেশন বা টেক্সট জেনারেশনের একটি হাতিয়ার হয়ে থাকেনি। আজ এটি মৌলিক বৈজ্ঞানিক গবেষণায় সক্রিয়ভাবে প্রবেশ করেছে: নতুন ওষুধ তৈরির জন্য প্রোটিন কাঠামো তৈরি করা থেকে শুরু করে জলবায়ু সংক্রান্ত অস্বাভাবিকতাগুলির পূর্বাভাস দেওয়া পর্যন্ত। মেশিন লার্নিং প্রযুক্তি ইতিমধ্যে বৈজ্ঞানিক সম্প্রদায়কে বেশ কয়েকটি আপাতদৃষ্টিতে অপরিবর্তনীয় সত্যকে নতুন করে ভাবতে বাধ্য করেছে।
এখানে পাঁচটি মূল বৈজ্ঞানিক ধারণা রয়েছে যা এআই ব্যবহারের ফলে খণ্ডন করা হয়েছে বা উল্লেখযোগ্যভাবে সংশোধিত হয়েছে।
১. কম্পিউটার ভিশন: কেবল জীবন্ত প্রাণীর একচেটিয়া নয়
দীর্ঘদিন ধরে বৈজ্ঞানিক সম্প্রদায়ে এই ধারণা প্রচলিত ছিল যে, কেবল 'দেখা' নয়, প্যাটার্ন শনাক্ত করার ক্ষমতাও শুধুমাত্র জীবন্ত প্রাণীর মধ্যেই সীমাবদ্ধ। ২০১২ সালে পরিস্থিতি বদলে যায় যখন NeurIPS সম্মেলনে AlexNet নিউরাল নেটওয়ার্ক উপস্থাপন করা হয়। ImageNet ডেটাবেসের ১.৩ মিলিয়ন হাই-রেজোলিউশন ছবির উপর প্রশিক্ষিত এই নেটওয়ার্কটি কম্পিউটার ভিশনের ক্ষেত্রে একটি যুগান্তকারী সাফল্য অর্জন করে, প্রমাণ করে যে মেশিনগুলি উচ্চ নির্ভুলতার সাথে ভিজ্যুয়াল ডেটা শ্রেণিবদ্ধ করতে সক্ষম। এই কাজটি মুখের মাধ্যমে স্মার্টফোন আনলক করার মতো আধুনিক প্রযুক্তিগুলির ভিত্তি স্থাপন করে এবং দেখায় যে দৃষ্টি উপলব্ধি একটি অনন্য জৈবিক ফাংশন নয়।
২. যুক্তিবিদ্যা এবং গণিত: অলিম্পিক চ্যাম্পিয়নের স্তরে এআই
জটিল যৌক্তিক সিদ্ধান্ত গ্রহণ এবং উপপাদ্য প্রমাণ করা ঐতিহ্যগতভাবে ব্যতিক্রমী মানব ক্ষমতা, তরুণ গাণিতিক প্রতিভাদের খুঁজে বের করার এক ধরণের 'ফিল্টার' হিসাবে বিবেচিত হত। যাইহোক, জানুয়ারি ২০২৪-এ গুগল গবেষকদের একটি দল AlphaGeometry সিস্টেম উপস্থাপন করে, যা অলিম্পিক স্ট্যান্ডার্ড সময়ের মধ্যে ৩০টি জটিল জ্যামিতিক সমস্যার মধ্যে ২৫টি সমাধান করেছে। তুলনার জন্য, পূর্ববর্তী অ্যালগরিদমগুলি মাত্র ১০টি সমস্যা সমাধান করতে সক্ষম হয়েছিল, এবং মানুষের আন্তর্জাতিক গণিত অলিম্পিয়াডের গড় স্বর্ণপদক বিজয়ীর স্কোর হল ২৫.৯। प्रतिष्ठित জার্নাল Nature-এ প্রকাশিত এই অর্জন প্রমাণ করেছে যে এআই গভীর যৌক্তিক যুক্তিতে সক্ষম।
৩. উদ্ভিদবিদ্যা: জলবায়ু সবসময় পাতার আকার নির্ধারণ করে না
উদ্ভিদবিদ্যায় একটি প্রতিষ্ঠিত নিয়ম ছিল যে, আর্দ্র জলবায়ুতে (যেমন, জঙ্গলে) গাছপালা শুষ্ক অঞ্চলে একই প্রজাতির চেয়ে বড় পাতা ধারণ করে। তবে, কম্পিউটার ভিশন ব্যবহার করে অস্ট্রেলিয়ান বিজ্ঞানীদের একটি গবেষণা প্রজাতির স্তরে এই স্বতঃসিদ্ধকে খণ্ডন করেছে। নিউ সাউথ ওয়েলস-এর ন্যাশনাল হার্বেরিয়ামের হাজার হাজার ডিজিটালাইজড নমুনা বিশ্লেষণ করে, বিশেষজ্ঞরা খুঁজে পেয়েছেন যে ম্যাপেল গাছের পাতার আকার তাপমাত্রা বা বৃষ্টিপাতের পরিমাণের চেয়ে অন্যান্য জনসংখ্যার সাথে জিনগত আদান-প্রদানের উপর বেশি নির্ভর করে। এই আবিষ্কারটি বিশ্ব জলবায়ু পরিবর্তনের মুখে বিরল উদ্ভিদ প্রজাতির সংরক্ষণের পদ্ধতি পরিবর্তন করছে।
৪. বিবর্তনীয় জীববিজ্ঞান: বিলুপ্তির পর পরই সর্বদা সমৃদ্ধি আসে না
সাধারণত মনে করা হয় যে গণবিলুপ্তির (যেমন ডাইনোসরের ক্ষেত্রে) পরে, সৃষ্ট পরিবেশগত শূন্যস্থানগুলি দ্রুত নতুন প্রজাতি দ্বারা পূরণ হয়ে যায়, যা অনিবার্যভাবে জৈবিক সমৃদ্ধির দিকে নিয়ে যায়। ২০২০ সালে, ব্রিটিশ এবং আমেরিকান গবেষকরা ১ লক্ষ ৭০ হাজার প্রজাতি জুড়ে ১ মিলিয়ন ফোসিল বর্ণনার বিশ্লেষণের জন্য মেশিন লার্নিং ব্যবহার করেন। ফলাফলগুলি গণবিলুপ্তি এবং পরবর্তীকালে জীববৈচিত্র্যের বিস্ফোরক বৃদ্ধির মধ্যে কোনও প্রত্যক্ষ কার্যকারণ সম্পর্ক খুঁজে পায়নি, যার জন্য একটি মূল বিবর্তনীয় তত্ত্বের গুরুতর পুনর্বিবেচনার প্রয়োজন হয়েছে।
৫. ফরেনসিক বিজ্ঞান: একজন ব্যক্তির আঙুলের ছাপ একই রকম হতে পারে
প্রতিটি ব্যক্তির আঙুলের ছাপের (এমনকি একই ব্যক্তির হাতের বিভিন্ন আঙুলের) সম্পূর্ণ অনন্যতার বিশ্বাস আধুনিক বায়োমেট্রিকস এবং ফরেনসিক বিজ্ঞানের ভিত্তি। তবে, জানুয়ারি ২০২৪-এ, কলম্বিয়া বিশ্ববিদ্যালয়ের বিজ্ঞানীরা এই ধারণাকে চ্যালেঞ্জ করেছেন। ৬০,০০০ বাস্তব এবং ৫ লক্ষ সিন্থেটিক আঙুলের ছাপের উপর একটি এআই মডেলকে প্রশিক্ষণ দিয়ে, তারা আবিষ্কার করেছে যে একই ব্যক্তির বিভিন্ন আঙুলের ছাপের মধ্যে উল্লেখযোগ্য মিল রয়েছে। ফরেনসিক বিজ্ঞানীদের বিপরীতে, যারা লাইনের বিভাজনের উপর মনোযোগ দেয়, নিউরাল নেটওয়ার্ক নতুন, পূর্বে অচিন্তিত মার্কারগুলি চিহ্নিত করেছে: কার্ভেচার এবং স্পাইরালগুলির ঢাল। এই আবিষ্কারটি ফরেনসিক অনুসন্ধানের নির্ভুলতা প্রায় দুই অর্ডার বাড়াতে পারে এবং ভবিষ্যতের গ্যাজেটগুলিতে বায়োমেট্রিক প্রমাণীকরণকে সহজতর করতে পারে।
উপসংহার: বৈজ্ঞানিক অনুসন্ধানের ভবিষ্যৎ
কৃত্রিম বুদ্ধিমত্তা বিজ্ঞানীকে প্রতিস্থাপন করে না, তবে তার সবচেয়ে শক্তিশালী মিত্র হয়ে ওঠে। এটি ডেটার বিশাল ভাণ্ডার প্রক্রিয়া করতে পারে, যা মানুষের উপলব্ধির জন্য অসাধ্য, এবং কোষের প্রতিক্রিয়া বা ভ্যাকসিনের কার্যকারিতা সম্পর্কে অ-তুচ্ছ অনুমান তৈরি করতে পারে। যদিও আধুনিক মডেলগুলি এখনও প্রশিক্ষণ ডেটাসেটে থাকা পক্ষপাতদুষ্ট হতে পারে, তবে প্রযুক্তির বিকাশের গতি নির্দেশ করে যে আগামী দশকগুলিতে মানব এবং কৃত্রিম বুদ্ধিমত্তার সমন্বয়ে সবচেয়ে উল্লেখযোগ্য বৈজ্ঞানিক আবিষ্কারগুলি সম্পন্ন হবে।
