পাঠ ০১ · ৩০-এর মধ্যে

Home / AI Courses / AI Foundations / AI কী

AI কী এবং কেন এটা গুরুত্বপূর্ণ

What AI is and why it matters

৬ মিনিট পড়া শুরু · Beginner কোনো প্রস্তুতি দরকার নেই সম্পূর্ণ বাংলায়

এই পাঠে যা শিখবেন

AI বলতে আসলে কী বোঝায় — ভ্রান্তি এবং সঠিক সংজ্ঞা
AI আজকের দুনিয়ায় কেন গুরুত্বপূর্ণ — কয়েকটি বাস্তব উদাহরণ
AI কী না — কয়েকটি জনপ্রিয় ভুল ধারণা

১ · AI আসলে কী?

Artificial Intelligence (AI) বা কৃত্রিম বুদ্ধিমত্তা শব্দটি শুনলেই অনেকের মনে পড়ে রোবট, ChatGPTChatGPTOpenAI-এর তৈরি একটি বড় ভাষা মডেল (LLM) — যা মানুষের ভাষায় প্রশ্নের উত্তর দিতে পারে।, কিংবা সিনেমার Terminator. কিন্তু সংজ্ঞাটি আসলে অনেক সাধারণ —

সংজ্ঞা · Definition

AI হলো এমন যন্ত্র বা সফটওয়্যার তৈরির বিজ্ঞান যা এমন কাজগুলো করতে পারে — যেগুলো করতে সাধারণত মানুষের বুদ্ধি লাগে।

মানুষ যখন একটি ছবিতে বিড়াল চিনে — সেটা বুদ্ধির কাজ। যখন আমরা বাংলা থেকে ইংরেজি অনুবাদ করি — সেটাও বুদ্ধির কাজ। যখন একটি ডাক্তার রোগের লক্ষণ দেখে রোগ নির্ণয় করেন — সেটাও বুদ্ধির কাজ। AI চেষ্টা করে এই কাজগুলো যন্ত্রকে দিয়ে করানোর।

ভাবুন ক্যালকুলেটর। যোগ-বিয়োগ আমাদের জন্য সহজ — কিন্তু একটি ক্যালকুলেটর আমাদের চেয়ে দ্রুত করে। AI সেই একই ধারণা — শুধু আরও জটিল কাজে। ছবিতে মুখ চেনা, কণ্ঠ বুঝে লেখা, রোগ নির্ণয় — এই সব এখন যন্ত্র করছে।

২ · AI কেন আজ এত গুরুত্বপূর্ণ?

AI গবেষণা শুরু হয়েছিল ১৯৫০-এর দশকে। কিন্তু এটি গত ১০-১৫ বছরে বিস্ফোরকভাবে বেড়েছে। কেন? কারণ তিনটি জিনিস একসাথে এসেছে:

ডেটা (Data): ইন্টারনেট ও স্মার্টফোনের কারণে এখন প্রতিদিন কোটি কোটি ছবি, লেখা ও ভিডিও তৈরি হচ্ছে।
কম্পিউটিং শক্তি (Computing power): আধুনিক GPUGPU · Graphics Processing Unitমূলত গেমিং-এর জন্য তৈরি, কিন্তু একসাথে হাজার হাজার ছোট গণনা করতে পারে — যা AI প্রশিক্ষণে অপরিহার্য। NVIDIA এই বাজারের নেতা। একসাথে হাজার হাজার গণনা করতে পারে।
অ্যালগরিদমAlgorithm · অ্যালগরিদমএকটি সমস্যা সমাধানের জন্য ধাপে ধাপে নির্দেশনা — যেমন রান্নার রেসিপি। AI-তে অ্যালগরিদম শেখায় কীভাবে ডেটা থেকে প্যাটার্ন বের করতে হয়। (Algorithms): বিশেষ করে Deep LearningDeep Learningমস্তিষ্কের নিউরনের অনুকরণে অনেক স্তরের কৃত্রিম নেটওয়ার্ক। "Deep" মানে অনেক স্তর। এটা ML-এর একটি বিশেষ পদ্ধতি — পাঠ ০৫-এ বিস্তারিত। — মস্তিষ্কের মতো নিউরাল নেটওয়ার্কNeural Network · নিউরাল নেটওয়ার্কমানুষের মস্তিষ্কের নিউরন কোষের অনুকরণে তৈরি গাণিতিক মডেল। অনেকগুলো সংযুক্ত "নোড" একসাথে কাজ করে প্যাটার্ন শেখে।।

এই তিনটি স্তম্ভ একসাথে এসেই — আধুনিক AI সম্ভব হয়েছে।

এই তিনটি একসাথে আসায় AI এখন বাস্তব জীবনের অনেক জায়গায় কাজ করছে —

আপনার জীবনে AI কোথায়?

মোবাইলে: ক্যামেরায় মুখ চেনা, স্পিচ-টু-টেক্সট, গুগল ম্যাপের রাস্তা সাজেশন
সোশ্যাল মিডিয়া: Facebook, YouTube — কোন পোস্ট দেখাবে সেটা AI ঠিক করছে
ই-কমার্স: Daraz, Amazon — "এই পণ্যের সাথে এটাও কিনতে পারেন" — AI-এর recommendationRecommendation Systemআপনার পছন্দ ও অন্যদের আচরণ বিশ্লেষণ করে পরামর্শ দেওয়ার AI সিস্টেম। YouTube, Netflix, Daraz সবাই ব্যবহার করে।
স্বাস্থ্যসেবা: ক্যান্সার শনাক্তকরণ, ওষুধ আবিষ্কার, রোগ পূর্বাভাস
শিক্ষা: ChatGPT-এর মতো টুল — যা লিখতে, শিখতে, ব্যাখ্যা করতে সাহায্য করছে

বাংলাদেশের ফ্রিল্যান্স মার্কেট ও স্টার্টআপগুলোতেও AI দ্রুত ঢুকছে। AI জানা মানে কেবল একটি একাডেমিক বিষয় নয় — এটি আগামী দশকের সবচেয়ে গুরুত্বপূর্ণ কর্মদক্ষতাগুলোর একটি।

৩ · AI কী না — সাধারণ ভুল ধারণা

ভুল ধারণা ১: "AI মানে রোবট"

রোবট হলো শারীরিক যন্ত্র। AI হলো সফটওয়্যার বা বুদ্ধি। সব AI রোবটে থাকে না, এবং সব রোবটে AI থাকে না। ChatGPT কোনো রোবট নয় — এটি কেবল সফটওয়্যার। অন্যদিকে কারখানার সাধারণ রোবট অস্ত্রগুলো শুধু একই কাজ পুনরাবৃত্তি করে — সেখানে কোনো AI নেই।

ভুল ধারণা ২: "AI সব কিছু পারে"

আজকের AI খুব ভালো — কিন্তু সীমিত। ChatGPT লিখতে পারে কিন্তু সত্যিকারের বোঝে না। একটি ছবি চেনা AI বিড়াল চিনতে পারলেও সাধারণ যুক্তি (common senseCommon Senseদৈনন্দিন জীবনের সহজাত বোঝাপড়া — যেমন "পানিতে আগুন জ্বলে না"। মানুষের কাছে সহজ, কিন্তু AI-র জন্য এটা এখনো এক বড় চ্যালেঞ্জ।) প্রয়োগ করতে পারে না। AI এখন narrow intelligenceNarrow Intelligence (ANI)এমন AI যা একটি নির্দিষ্ট কাজে দক্ষ — কিন্তু সেই কাজের বাইরে কিছু পারে না। AlphaGo, ChatGPT, Stable Diffusion — সবই ANI. বিস্তারিত পাঠ ০৪-এ। — একটি নির্দিষ্ট কাজে দক্ষ, কিন্তু সব কাজে নয়।

ভুল ধারণা ৩: "AI চিন্তা করে মানুষের মতো"

AI আসলে সংখ্যা গণনা করে — অনেক, অনেক সংখ্যা। মানুষের চেতনা (consciousness), অনুভূতি, বা স্বাধীন ইচ্ছা AI-এর নেই। এটি একটি অত্যন্ত জটিল প্যাটার্ন-চেনা মেশিন।

AI জাদু নয়। প্রতিটি AI সিস্টেমের পিছনে আছে গণিত, ডেটা ও অ্যালগরিদম। এই কোর্সে আমরা এই ভিত্তিগুলোই বুঝব — যাতে AI আপনার কাছে আর রহস্যময় না থাকে।

৪ · এই কোর্স আপনাকে কোথায় নিয়ে যাবে?

AI Foundations কোর্সের ৩০টি ছোট পাঠ শেষে আপনি —

AI, ML ও Deep Learning-এর মধ্যে পার্থক্য পরিষ্কারভাবে বুঝবেন
AI-এর পিছনের মৌলিক গণিত (vector, matrix, gradient, probability) সহজভাবে বুঝবেন
একটি বাস্তব সমস্যাকে AI-এর ভাষায় রূপান্তর করতে পারবেন
পরবর্তী কোর্স — Python for AI, Machine Learning — শুরু করার জন্য প্রস্তুত হবেন

ভাবনার প্রশ্ন

প্রতিটি প্রশ্ন নিজে কিছুক্ষণ ভাবুন — তারপর "→ উত্তর" চাপুন। উত্তর কেবল চেকলিস্ট নয়, ব্যাখ্যাসহ।

প্র ০১ একটি ক্যালকুলেটর ও ChatGPT — দু'টিই যন্ত্র, দু'টিই সংখ্যা প্রক্রিয়া করে। তবু ChatGPT-কে "AI" বলি, ক্যালকুলেটরকে নয় — কেন?

মূল পার্থক্য — শেখা। ক্যালকুলেটরে কেবল মানুষ-লেখা সুনির্দিষ্ট নিয়ম থাকে: "যোগ চিহ্ন দেখলে দু'পাশের সংখ্যা যোগ করো।" এতে কোনো ডেটা থেকে শেখা নেই, কোনো অনিশ্চয়তা নেই — একই ইনপুটে সবসময় একই উত্তর।

ChatGPT-তে কেউ "এই বাক্যের পর কী আসে" কোনো নিয়ম লিখে দেয়নি। সে কোটি কোটি বাংলা-ইংরেজি লেখা থেকে নিজে নিজেই শব্দের সম্ভাব্য ক্রম শিখেছে। তাই একই প্রশ্নে কখনো সামান্য ভিন্ন উত্তর — কারণ এটি সম্ভাবনার ভিত্তিতে কাজ করে।

এক বাক্যে: ক্যালকুলেটর = নিয়ম প্রয়োগকারী যন্ত্র; AI = উদাহরণ থেকে নিয়ম-শিখে-নেওয়া যন্ত্র।

প্র ০২ "আগামী ৫ বছরে AI মানুষের প্রায় সব চাকরি কেড়ে নেবে" — এই দাবি কোথায় ঠিক, কোথায় ভুল?

যেখানে দাবিটা সত্যের কাছাকাছি: পুনরাবৃত্তিমূলক, নিয়মভিত্তিক ও তথ্যপ্রক্রিয়াকরণের কাজে AI দ্রুত ঢুকছে — কল-সেন্টার, সাধারণ অনুবাদ, ডেটা এন্ট্রি, প্রাথমিক কনটেন্ট লেখা। এই ধরনের কাজ ৫ বছরে অনেকটাই বদলাবে।

যেখানে দাবিটা ভুল: "প্রায় সব চাকরি" অতিরঞ্জিত। AI এখনো —

সাধারণ যুক্তি (common sense) প্রয়োগে দুর্বল
বাস্তব জগতে নতুন পরিস্থিতি সামলাতে পারে না (পাঠ ০৯-এ "narrow intelligence")
আবেগ, সহানুভূতি, মানুষের সাথে দীর্ঘমেয়াদী সম্পর্কে সীমিত
শারীরিক কাজে অত্যন্ত পিছিয়ে — প্লাম্বার, নার্স, রিকশাচালক হওয়া এখনো দূর

ইতিহাস বলে — প্রতিটি প্রযুক্তি বিপ্লব কিছু চাকরি খায়, কিন্তু নতুন তৈরিও করে। গুরুত্বপূর্ণ — AI-কে প্রতিযোগী না ভেবে সহকারী ভাবা। যিনি AI ব্যবহার করতে জানেন, তিনি যিনি জানেন না তার চেয়ে এগিয়ে থাকবেন।

প্র ০৩ আজকের AI কেন প্রায়ই "narrow intelligence" — অর্থাৎ কেবল এক কাজে দক্ষ? AI যদি কোটি কোটি প্যারামিটার দিয়ে তৈরি, তবে সব কাজ একসাথে শিখে ফেলে না কেন?

সংক্ষেপে: বুদ্ধিমত্তার পরিধি প্যারামিটার-সংখ্যায় নয়, ডেটা ও প্রশিক্ষণ লক্ষ্যে নির্ধারিত হয়।

ChatGPT-কে কোটি কোটি লেখা দেখিয়ে "পরবর্তী শব্দ অনুমান করো" শেখানো হয়েছে — তাই সে ভাষায় ভালো। AlphaGoAlphaGoGoogle DeepMind-এর তৈরি AI যা ২০১৬ সালে Go খেলায় বিশ্বের সেরা মানব খেলোয়াড়কে হারায়। AI-এর ইতিহাসে এক বড় মাইলফলক।-কে শুধু Go খেলার বোর্ড দেখিয়ে "জিততে শেখো" বলা হয়েছে — তাই সে শুধু Go-তে দক্ষ। ডেটা ও লক্ষ্য বদলালেই দক্ষতা বদলে যায়।

মানুষের মস্তিষ্ক জন্ম থেকে দৈনন্দিন জীবনের সব ধরনের তথ্য পায় — দৃশ্য, শব্দ, স্পর্শ, ব্যথা, মানুষের প্রতিক্রিয়া, কারণ-ফল। এই বহুমুখী প্রবাহ থেকে আমরা সাধারণ যুক্তি ও বহু-কাজে দক্ষতা গড়ে তুলি। আজকের AI-এর সেই বহুমুখী অভিজ্ঞতা নেই।

AGI গবেষণার মূল প্রশ্ন এটাই — কীভাবে এমন একটি সিস্টেম বানানো যায় যা একই সময়ে বহুমাত্রিক ডেটা থেকে শিখতে পারে। এখনো কেউ সমাধান বের করতে পারেনি।

প্র ০৪ ২০১২-র আগেও Neural Network ধারণাটি ৫০ বছরের পুরোনো ছিল। তবু "Deep Learning বিপ্লব" ২০১২-তেই কেন শুরু হলো?

১৯৬০-৭০-এর গবেষকরা নিউরাল নেটের তত্ত্ব জানতেন। কিন্তু কাজ করেনি — কারণ তিনটি জিনিস তখনো আসেনি (এই পাঠের ফ্লোচার্ট মনে আছে?) —

ডেটা: বড় labeled datasetLabeled Datasetএমন ডেটা যেখানে প্রতিটি উদাহরণের সাথে সঠিক উত্তর/লেবেল দেওয়া আছে — যেমন ছবির পাশে "বিড়াল"/"কুকুর" লেখা। AI প্রশিক্ষণের মূল উপাদান। (যেমন ImageNetImageNet১.৪ কোটি লেবেলযুক্ত ছবির বিশাল ডেটাবেস (২০০৯)। এই ডেটাসেটই আধুনিক Deep Learning বিপ্লবের পথ খুলে দেয়।) ছিল না।
কম্পিউটিং: CPU দিয়ে গভীর নেটওয়ার্ক train করতে বছর লেগে যেত। NVIDIA-র GPU (২০০৭) ১০০x গতি এনে দিল।
অ্যালগরিদম: ReLU activation, dropout, batch normalization — ছোট ছোট কারিগরি উন্নতি যা গভীর নেটওয়ার্ক বাস্তবায়নযোগ্য করল।

২০১২ সালে AlexNetAlexNet২০১২ সালের ImageNet বিজয়ী ডিপ লার্নিং মডেল — যা প্রমাণ করল গভীর নিউরাল নেটওয়ার্ক আগের সব পদ্ধতিকে পেছনে ফেলে দেয়। আধুনিক DL বিপ্লবের সূচনা। (একটি গভীর CNNCNN · Convolutional Neural Networkছবি/ভিডিও বোঝার জন্য বিশেষভাবে তৈরি একটি নিউরাল নেটওয়ার্ক। ছবিতে প্যাটার্ন (চোখ, কান, প্রান্ত) আলাদা আলাদা স্তরে শনাক্ত করে।) ImageNet প্রতিযোগিতায় ১০% মার্জিনে জিতে দেখাল — তিনটি যখন একসাথে এল, AI পাল্টে গেল।

এই থেকে যা শেখার: অনেক সময় তত্ত্ব সঠিক, কিন্তু "সময় আসেনি"। AI-এর ভবিষ্যৎ পরিবর্তনগুলোও অপ্রত্যাশিত মুহূর্তে আসতে পারে।

অনুশীলন

খুঁজে বের করুন: আপনার দৈনন্দিন জীবনে অন্তত ৫টি জায়গা খুঁজে বের করুন যেখানে AI ব্যবহৃত হচ্ছে। প্রতিটির জন্য লিখুন — সেখানে AI কী কাজ করছে।
সম্ভাব্য তালিকা (আপনারটির সাথে মিলিয়ে দেখুন):
- মোবাইলের ক্যামেরা: মুখ চেনা ও autofocus — কোথায় চোখ-মুখ আছে AI বুঝে fokas করে।
- Google Maps: রিয়েল-টাইম ট্রাফিক ও দ্রুততম পথ অনুমান — অসংখ্য ফোনের গতি-ডেটা থেকে।
- YouTube/Facebook feed: পরবর্তী যে ভিডিও/পোস্ট দেখাবে — recommendation AI.
- Gmail: Spam শনাক্তকরণ ও smart reply সাজেশন।
- bKash/Nagad: অস্বাভাবিক লেনদেন ধরা — fraud detection AI.
- Daraz/Pathao: "আপনার জন্য পছন্দের" পণ্য বা ফুড সাজেশন।
- WhatsApp/keyboard: পরবর্তী শব্দ সাজেশন ও autocorrect.
মূল পয়েন্ট — AI কেবল ChatGPT নয়, বরং আমাদের প্রতিদিনের ফোনে গোপনে অসংখ্য জায়গায় কাজ করছে।
পার্থক্য করুন: নিচের প্রতিটি কাজ — AI-এর কাজ, না সাধারণ প্রোগ্রামিং? কেন?
- একটি ক্যালকুলেটর যেখানে যোগ-বিয়োগ হয়
- একটি অ্যাপ যা বাংলা কণ্ঠ থেকে লেখায় রূপান্তর করে
- একটি ATM যা টাকা গণনা করে
- Netflix-এর "আপনার জন্য পছন্দের" সিনেমা সাজেশন
- ক্যালকুলেটর: সাধারণ প্রোগ্রামিং। নির্দিষ্ট গাণিতিক নিয়ম।
- কণ্ঠ-থেকে-লেখা: AI. কণ্ঠের তরঙ্গ থেকে অক্ষর চেনা — অনেক উদাহরণ থেকে শেখা প্যাটার্ন।
- ATM টাকা গণনা: সাধারণ প্রোগ্রামিং। সেন্সর + গণনা — কোনো শেখা নেই।
- Netflix সাজেশন: AI. আপনার ও অন্যদের দেখার ইতিহাস থেকে preference শিখে।
নিয়ম মনে রাখুন: "যদি ডেটা থেকে কিছু শিখতে হয়" → AI. "যদি আগে থেকে নিয়ম জানা" → সাধারণ প্রোগ্রামিং।
চিন্তা করুন: আপনি যদি একটি AI বানাতে চান যা বাংলাদেশের কোনো একটি সমস্যা সমাধান করে — সেটা কী হবে? কেন AI সেখানে সাহায্য করতে পারে?
কয়েকটি ভালো উদাহরণ — এর মধ্যে আপনারটির সাথে মিলিয়ে নিন:
- কৃষি রোগ-শনাক্তকারী: কৃষক পাতার ছবি তুলবেন, AI বলবে কোন রোগ ও সমাধান। কেন AI? — হাজার হাজার রোগের প্যাটার্ন কোনো একক বিশেষজ্ঞ মনে রাখতে পারেন না, কিন্তু AI পারে।
- বাংলা OCR: পুরোনো বই, পত্রিকা, সরকারি নথি ডিজিটাল করা। নিয়ম-ভিত্তিক OCR বাংলায় ভালো কাজ করে না; AI উদাহরণ থেকে শেখে।
- বাংলা স্বাস্থ্য চ্যাটবট: গ্রামীণ এলাকায় ডাক্তার কম, প্রাথমিক পরামর্শ AI দিতে পারে। বাংলা ভাষা বোঝা — AI-এর কাজ।
- ঢাকার ট্রাফিক পূর্বাভাস: অসংখ্য ভিডিও ও সেন্সর-ডেটা থেকে যানজটের প্যাটার্ন শেখা — AI ছাড়া অসম্ভব।
একটি ভালো AI প্রকল্পের লক্ষণ: (১) প্রচুর ডেটা পাওয়া যাচ্ছে বা সংগ্রহ সম্ভব, (২) কাজটি প্যাটার্ন-চেনা টাইপের, (৩) সরল if/else দিয়ে সমাধান কঠিন, (৪) সমাধান অসংখ্য মানুষের কাজে আসবে।