AI, ML ও ডিপ লার্নিং পরিচিতি

AI, ML, এবং Deep Learning — তিনটি ভাই

অনেকেই AI, Machine Learning, আর Deep Learning — এই তিনটিকে একই জিনিস ভাবে। আসলে এরা একে অপরের ভেতরে বসে আছে, যেমন রাশিয়ান matryoshka পুতুল।

১. Artificial Intelligence (AI) — সবচেয়ে বড় ভাই

AI হলো একটি বিশাল ছাতা — যেকোনো মেশিন যদি মানুষের মতো বুদ্ধিমত্তার কাজ করে, সেটাই AI। দাবা খেলা, গাড়ি চালানো, কথা বুঝা, ছবি চেনা — সব কিছুই AI-এর অন্তর্ভুক্ত। প্রথম দিকের AI ছিল rule-based — মানে প্রোগ্রামার নিজে হাতে হাজার হাজার নিয়ম লিখে দিতেন।

২. Machine Learning (ML) — মাঝারি ভাই

১৯৫০-এর দশকে বিজ্ঞানীরা ভাবলেন — "নিয়ম লিখে দেওয়ার চেয়ে যদি মেশিন নিজেই ডেটা থেকে নিয়ম শিখে নেয়, তাহলে কেমন হয়?" এই চিন্তা থেকেই জন্ম Machine Learning-এর। ML হলো AI-এর একটি অংশ যেখানে আমরা মেশিনকে প্রচুর উদাহরণ দেখাই, আর সে নিজে থেকেই প্যাটার্ন খুঁজে বের করে।

৩. Deep Learning (DL) — ছোট কিন্তু সবচেয়ে শক্তিশালী ভাই

Deep Learning হলো Machine Learning-এর একটি বিশেষ শাখা — যেখানে আমরা মানুষের মস্তিষ্কের অনুকরণে তৈরি নিউরাল নেটওয়ার্ক ব্যবহার করি। "Deep" শব্দটি এসেছে অনেকগুলো স্তর (layers) থাকার কারণে। যত বেশি স্তর, তত গভীর প্যাটার্ন বোঝার ক্ষমতা।

একটি সহজ তুলনা — চা বানানোর গল্পে

কেন এখন Deep Learning এত গুরুত্বপূর্ণ?

নিউরাল নেটওয়ার্কের ধারণা পুরনো — ১৯৫৮ সালে Frank Rosenblatt প্রথম Perceptron তৈরি করেন। কিন্তু তখন তিনটি জিনিসের অভাব ছিল:

২০১২ সালে AlexNet নামে একটি গভীর নিউরাল নেটওয়ার্ক ImageNet প্রতিযোগিতায় বাকি সবাইকে অনেক পেছনে ফেলে জিতে যায়। সেই মুহূর্ত থেকেই Deep Learning-এর বিপ্লব শুরু। আজ আমরা ChatGPT, Midjourney, Tesla Autopilot, Google Translate — সবকিছুতেই Deep Learning-এর ছোঁয়া দেখি।

বাস্তব জীবনে কোথায় কোথায় ব্যবহৃত হয়?

একটি মিনি কোড উদাহরণ — হাতেখড়ি

চলুন একদম ছোট্ট একটি Deep Learning মডেল দেখি — যেটা শিখবে যোগ করতে। এখনই সব বুঝতে হবে না, শুধু একটা স্বাদ নিন।

import numpy as np
import tensorflow as tf

# তথ্য তৈরি: input -> input * 2
x = np.array([1, 2, 3, 4, 5, 6], dtype=float)
y = np.array([2, 4, 6, 8, 10, 12], dtype=float)

# একটি ছোট্ট নিউরাল নেটওয়ার্ক — মাত্র ১টি নিউরন
model = tf.keras.Sequential([
    tf.keras.layers.Dense(units=1, input_shape=[1])
])

# কীভাবে শিখবে — তার নিয়ম
model.compile(optimizer='sgd', loss='mean_squared_error')

# শেখা শুরু
model.fit(x, y, epochs=200, verbose=0)

# পরীক্ষা
print(model.predict(np.array([10.0])))  # আশা করছি ~20

সাধারণ ভুল ধারণা

অনুশীলন (Practice)

মিনি প্রজেক্ট

ইন্টারভিউ প্রশ্ন

1. AI, ML, এবং Deep Learning-এর মধ্যে পার্থক্য কী?
2. Deep Learning "deep" কেন বলা হয়?
3. ML-এর তুলনায় DL-এর সুবিধা ও অসুবিধা কী?
4. কখন Deep Learning ব্যবহার করা উচিত, কখন না?
5. ২০১২ সালের পর Deep Learning কেন হঠাৎ এত জনপ্রিয় হলো?

সারসংক্ষেপ