আমরা এআইকে কতটা বিশ্বাস করতে পারি?  বড় আকারের স্থাপনার আগে কীভাবে আত্মবিশ্বাস তৈরি করা যায়

আমরা এআইকে কতটা বিশ্বাস করতে পারি? বড় আকারের স্থাপনার আগে কীভাবে আত্মবিশ্বাস তৈরি করা যায়

সংস্থাগুলিকে অবশ্যই AI এর উপর আস্থা তৈরি করতে হবে আগে তারা এটিকে পুরো সংস্থায় স্থাপন করে। AI কে আরও নির্ভরযোগ্য এবং নৈতিক করার জন্য এখানে কিছু সহজ পদক্ষেপ রয়েছে৷

ছবি: iStock/metamorworks

2019 সালে, অ্যামাজনের মুখ-শনাক্তকরণ প্রযুক্তি ভুলভাবে নিউ ইংল্যান্ড প্যাট্রিয়টসের ডুরন হারমনকে চিহ্নিত করেছে, বোস্টন ব্রুইন্সের ব্র্যাড মার্চ্যান্ড এবং নিউ ইংল্যান্ডের অন্যান্য 25 জন ক্রীড়াবিদকে অপরাধী হিসাবে চিহ্নিত করা হয়েছে যখন এটি ভুলবশত ক্রীড়াবিদদের সাথে মুখের শটের একটি ডাটাবেসের সাথে মিলে যায়।

দেখা: কৃত্রিম বুদ্ধিমত্তা নীতি নীতি (টেকরিপাবলিক প্রিমিয়াম)

কিভাবে পারি কৃত্রিম বুদ্ধিমত্তা ভাল হবে, এবং কখন কোম্পানি এবং তাদের গ্রাহকরা এটি বিশ্বাস করতে সক্ষম হবে?

“এআই সিস্টেমে অবিশ্বাসের বিষয়টি এই বছরের আইবিএমের বার্ষিক গ্রাহক এবং বিকাশকারী সম্মেলনের একটি প্রধান বিষয় ছিল,” বলেছেন রন পোজনানস্কি, যিনি আইবিএম ডিজাইন উত্পাদনশীলতায় কাজ করেন৷ “এটিকে স্পষ্টভাবে বলতে গেলে, বেশিরভাগ মানুষ AI-কে বিশ্বাস করেন না—অন্তত, এটি উৎপাদনে রাখার জন্য যথেষ্ট নয়। 2018 সালের একটি গবেষণায় দ্য ইকোনমিস্ট দ্বারা পরিচালিত একটি গবেষণায় দেখা গেছে যে 94% ব্যবসায়িক নির্বাহী বিশ্বাস করেন যে কৌশলগত চ্যালেঞ্জগুলি সমাধান করার জন্য AI গ্রহণ করা গুরুত্বপূর্ণ; যাইহোক, 2018 সালে MIT স্লোন ম্যানেজমেন্ট রিভিউতে দেখা গেছে যে শুধুমাত্র 18% প্রতিষ্ঠানই সত্যিকারের AI ‘অগ্রগামী’, যারা তাদের অফার এবং প্রক্রিয়াগুলিতে AI কে ব্যাপকভাবে গ্রহণ করেছে। এই ব্যবধানটি একটি খুব বাস্তব ব্যবহারযোগ্য সমস্যাকে চিত্রিত করে যা আমাদের AI সম্প্রদায়ে রয়েছে: লোকেরা আমাদের প্রযুক্তি চায়, কিন্তু এটি তাদের বর্তমান অবস্থায় কাজ করছে না

পোজনস্কি মনে করেন যে বিশ্বাসের অভাব একটি প্রধান সমস্যা।

“কিছু খুব ভালো কারণ আছে কেন লোকেরা এখনও এআই সরঞ্জামগুলিতে বিশ্বাস করে না,” তিনি বলেছিলেন। “শুরু করার জন্য, পক্ষপাতের হট-বাটন ইস্যু রয়েছে। সাম্প্রতিক হাই-প্রোফাইল ঘটনাগুলি যুক্তিসঙ্গতভাবে উল্লেখযোগ্যভাবে মিডিয়া মনোযোগ আকর্ষণ করেছে, যা ধারণা দিতে সাহায্য করেছে মেশিন লার্নিং পক্ষপাত একটি পরিবারের নাম. সংস্থাগুলি এমন সিস্টেমগুলি বাস্তবায়নে ন্যায়সঙ্গতভাবে দ্বিধান্বিত যা বর্ণবাদী, লিঙ্গবাদী বা অন্যথায় পক্ষপাতদুষ্ট আউটপুট তৈরি করতে পারে।”

দেখা: মেটাভার্স চিট শীট: আপনার যা কিছু জানা দরকার (ফ্রি পিডিএফ) (টেকরিপাবলিক)

AI পক্ষপাতিত্ব বুঝুন

অন্যদিকে, Poznansky এবং অন্যরা কোম্পানিগুলিকে মনে করিয়ে দেয় যে AI ডিজাইনের দ্বারা পক্ষপাতদুষ্ট—এবং যতক্ষণ পর্যন্ত কোম্পানিগুলি পক্ষপাতের প্রকৃতি বোঝে, ততক্ষণ তারা স্বাচ্ছন্দ্যে AI ব্যবহার করতে পারে।

উদাহরণ স্বরূপ, যখন ইউরোপে কোভিড-এর সমাধান শনাক্ত করার জন্য একটি বড় AI আণবিক পরীক্ষা চালানো হয়েছিল, তখন ফলাফলের সময় দ্রুত করার জন্য যে গবেষণাটি ইচ্ছাকৃতভাবে প্রশ্নে থাকা অণু নিয়ে আলোচনা করেনি তা বাদ দেওয়া হয়েছিল।

এতে বলা হয়েছে, অ্যানালিটিক্স ড্রিফ্ট ঘটতে পারে যখন আপনার AI মূল ব্যবসায়িক ব্যবহারের ক্ষেত্রে থেকে দূরে সরে যায় যখন এটি সমাধান করার উদ্দেশ্যে ছিল বা যখন অন্তর্নিহিত AI প্রযুক্তি যেমন মেশিন লার্নিং ডেটা প্যাটার্ন থেকে “শিখুন” এবং ভুল সিদ্ধান্তে পৌঁছান।

একটি মধ্যবিন্দু খুঁজুন

AI থেকে বিচ্ছিন্ন ফলাফল এড়াতে, আজকের গোল্ড স্ট্যান্ডার্ড পদ্ধতি হল AI-এর ফলাফলগুলি পরীক্ষা করা এবং পুনঃচেক করা যাতে এটি নিশ্চিত করা যায় যে এটি মানব বিষয় বিশেষজ্ঞদের একটি দল যা উপসংহারে আসবে তার 95% নির্ভুলতার মধ্যে। অন্যান্য ক্ষেত্রে, কোম্পানিগুলি উপসংহারে আসতে পারে যে 70% নির্ভুলতা একটি AI মডেলের জন্য অন্তত সুপারিশগুলি তৈরি করা শুরু করার জন্য যথেষ্ট যা মানুষ পরামর্শের অধীনে নিতে পারে।

দেখা: খুব দেরি হওয়ার আগে আমাদের AI পক্ষপাতের দিকে মনোযোগ দিতে হবে (টেকরিপাবলিক)

AI যে পরিমাণ নির্ভুলতা প্রদান করে তার উপর একটি উপযুক্ত সমঝোতায় পৌঁছানো, যেখানে এটির ইচ্ছাকৃত এবং অন্ধ পক্ষপাতের দাগগুলি হওয়ার সম্ভাবনা রয়েছে তা বোঝা হল মধ্যবিন্দু সমাধান যা সংস্থাগুলি AI এর সাথে কাজ করার সময় প্রয়োগ করতে পারে।

পক্ষপাতের বিরুদ্ধে নির্ভুলতার ভারসাম্য বজায় রাখে এমন একটি মধ্যবিন্দু খুঁজে পাওয়া কোম্পানিগুলিকে তিনটি জিনিস করতে দেয়:

  1. তারা অবিলম্বে ব্যবসায় তাদের AI ব্যবহার করা শুরু করতে পারে, এই সতর্কতার সাথে যে মানুষ পর্যালোচনা করবে এবং তারপরে AI সিদ্ধান্ত গ্রহণ করবে বা প্রত্যাখ্যান করবে।
  2. তারা নতুন ফাংশন এবং বৈশিষ্ট্যগুলির সাথে অন্যান্য ব্যবসায়িক সফ্টওয়্যারকে যেভাবে উন্নত করে ঠিক একইভাবে AI এর নির্ভুলতা বাড়ানো চালিয়ে যেতে পারে।
  3. তারা ডেটা সায়েন্স, আইটি এবং শেষ-ব্যবসা ব্যবহারকারীদের মধ্যে একটি সুস্থ সহযোগিতাকে উত্সাহিত করতে পারে।

“AI-তে আস্থার অভাবের এই জরুরী সমস্যার সমাধান করা … অবিশ্বাসের উত্সগুলিকে সম্বোধন করে শুরু হয়,” পজনানস্কি বলেছিলেন। “পক্ষপাত, ডেটাসেটের সমস্যা মোকাবেলা করতে [should be] অন্ধ দাগ দূর করতে প্রশিক্ষণের ডেটা প্রসারিত করার জন্য ডিজাইন করা হয়েছে।”

এছাড়াও দেখুন

Leave a Comment