কৃত্রিম বুদ্ধিমত্তা বা এআই যদি মানুষের মস্তিষ্কের কাজ অনুকরণ করতে শিখে, তবে তা আরও ভালোভাবে সিদ্ধান্ত নিতে, শিখতে এবং সমস্যা সমাধান করতে সক্ষম হতে পারে। এমন ফলাফল এসেছে ব্রিটেনের ‘ইউনিভার্সিটি অফ সারে’-এর গবেষকদের সাম্প্রতিক গবেষণায়।
বিবিসির প্রতিবেদনের অনুযায়ী, গবেষকরা একটি নতুন পদ্ধতি তৈরি করেছেন যা মানুষের মস্তিষ্কের স্নায়ু নেটওয়ার্কের কাজের ধরন অনুকরণ করে। অর্থাৎ এআই মডেলগুলো মানুষের মতো শেখার চেষ্টা করতে পারবে। গবেষণার ফলাফল বিজ্ঞানভিত্তিক জার্নাল ‘নিউরোকম্পিউটিং’-এ প্রকাশিত হয়েছে।
গবেষণায় দেখা গেছে, মানুষের মস্তিষ্কের মতো কাজ করা নেটওয়ার্ক ব্যবহার করলে জেনারেটিভ এআই এবং চ্যাটজিপিটির মতো আধুনিক এআই মডেলের কার্যকারিতা বৃদ্ধি পায়। ‘টপোগ্রাফিকাল স্পার্স ম্যাপিং’ নামে এই পদ্ধতিতে প্রতিটি নিউরন শুধুমাত্র প্রয়োজনীয় বা কাছের নিউরনের সঙ্গে সংযোগ রাখে। ঠিক যেমন মানুষের মস্তিষ্ক তথ্যকে দক্ষভাবে সাজায়।
‘ইউনিভার্সিটি অফ সারে’-এর জ্যেষ্ঠ প্রভাষক ড. রোমান বাউয়ার বলেছেন, “আমাদের গবেষণা থেকে দেখা যাচ্ছে, এআই সিস্টেমগুলো অনেক বেশি কার্যকরভাবে তৈরি করা সম্ভব, যা শক্তি খরচ কমিয়ে আনলেও কর্মক্ষমতা কমাবে না।”
গবেষকরা আরও জানান, অনেক এআই মডেলের মধ্যে অপ্রয়োজনীয় সংযোগ থাকে, যা কেবল বিদ্যুৎ খরচ করে কিন্তু কার্যকারিতা বাড়ায় না। এই নতুন মডেল সেই অপ্রয়োজনীয় সংযোগগুলো বাদ দিয়ে শুধু দরকারি সংযোগ রাখে। ফলে এটি দ্রুত, শক্তি সাশ্রয়ী এবং সঠিকভাবে কাজ করতে সক্ষম।
ড. বাউয়ার বলেন, “বর্তমানে জনপ্রিয় এআই মডেলগুলোর ট্রেইনিংয়ে ১০ লাখ কিলোওয়াট-ঘণ্টার বেশি বিদ্যুৎ খরচ হতে পারে। এআই ব্যবহারের গতি বাড়ছে, তাই এত বেশি শক্তি খরচ টেকসই নয়।”
এই উন্নত সংস্করণকে ‘এনহ্যান্সড টপোগ্রাফিক্যাল স্পার্স ম্যাপিং’ বলা হচ্ছে। এতে প্রশিক্ষণের সময় জীববৈচিত্র্য অনুপ্রাণিত ‘প্রুনিং’ পদ্ধতি ব্যবহার করা হয়, অর্থাৎ অপ্রয়োজনীয় সংযোগ কেটে ফেলা হয়। মানুষের মস্তিষ্ক যখন নতুন কিছু শেখে, অপ্রয়োজনীয় লিংকগুলো সরিয়ে দেয় যাতে শেখা আরও কার্যকর হয়। ঠিক একইভাবে এআইও শেখার সময় অপ্রয়োজনীয় সংযোগ বাদ দেয়।
গবেষকরা বলছেন, এই পদ্ধতিটি ভবিষ্যতে ‘নিউরোমরফিক কম্পিউটার’ তৈরিতে ব্যবহার করা যেতে পারে। নিউরোমরফিক কম্পিউটার হলো এমন কম্পিউটার যা মানুষের মস্তিষ্কের কাঠামো ও কাজের ধরন অনুকরণ করে।
এই গবেষণা দেখাচ্ছে, মানুষের মস্তিষ্কের অনুকরণ করে এআই তৈরি করলে শুধু দ্রুত এবং কার্যকর মডেল পাওয়া যাবে না, বরং শক্তি সাশ্রয়ী, টেকসই এবং আরও বাস্তবসম্মত প্রযুক্তি সম্ভব হবে।