এমন এক দশক যা বেতার যোগাযোগ পাল্টে দিয়েছিল
বিগত কয়েক দশক ধরে, গভীর জ্ঞান এক সাধারণ হাতিয়ার থেকে পরিণত হয়েছে, যার মাধ্যমে ব্যক্তিগত অ্যালগরিদমের পরিবর্তে একটি সম্পূর্ণ “জ্ঞানহীন বুদ্ধিমত্তার” ভূমিকার কথা উল্লেখ করা হয়েছে। যদিও প্রাথমিক কাজ নিউরাল নেটওয়ার্ককে নির্দিষ্ট ব্লকের বিকল্প হিসেবে ব্যবহার করেছিল — উদাহরণস্বরূপ, নেটওয়ার্কগুলোর শারীরিক স্তর অথবা ক্রমবর্ধনশীল মানচিত্রের ওপর জটিল মীমাংসা করার জন্য — বর্তমানে আলোচনা হচ্ছে যোগাযোগের ব্যবস্থার নীতিগুলো নিয়ে আলোচনা করা ।
গবেষকরা এই সময়ে তিনটে প্রধান পরিবর্তনকে সনাক্ত করে । প্রথম চিন্তার বিষয় হচ্ছে ব্যক্তিগত কার্যকরী মডিউল শেখার। দ্বিতীয়টি ছিল যোগাযোগের লক্ষ্য পুনরায় ডিজাইন করা, যেমন কাজের ধারা অনুসারে সেন্সরের বদলে ঐতিহ্যবাহী সম্প্রচারের স্থান। তৃতীয়টি নিশ্চিত করা হয়েছিল বাস্তব বিশ্বে মডেলদের সাধারণীকরণ, তাদের শারীরিক সীমাবদ্ধতা এবং নেটওয়ার্ক প্রান্তে দ্রুত খাপ খাওয়ানোর প্রয়োজনীয়তা সম্পর্কে।
এই বিবর্তন আমাদেরকে দীর্ঘ সময়ের সংযোগের স্বপ্নের দিকে নিয়ে যাচ্ছে, যে কোন সময় এবং যেকোন উপযুক্ত উপায়ে। কিন্তু অনেক কাজ বাকি আছে।
কর্মক্ষম শেখা
প্রথমে প্রধান প্রশ্নটি ছিল, এই জটিল উপাদান কি না, যা কিনা কাল্পনিক বর্ণনাকে প্রতিরোধ করে, তা নিউরাল নেটওয়ার্ক দ্বারা প্রতিস্থাপন করা যেতে পারে। উত্তর হল হ্যাঁ । এক্সপেরিমেন্ট দেখায় যে নেটওয়ার্ক চ্যানেল লেভেলের মধ্যে শারীরিক প্রক্রিয়াকে পুনরায় নির্মাণ করতে পারে এবং নেটওয়ার্ক স্থিতিশীল কাজের জন্য ম্যাপিং খুঁজতে পারে। এটা ট্রেনযোগ্য ক্রেতা, এনকোডার ও অন্যান্য উপাদানের দরজা খুলে দিয়েছিল, যেগুলো আগে তৈরি করা হয়েছিল ।
তবে, শুধুমাত্র সিস্টেম লেভেলের পরিবর্তে ব্লক প্রতিস্থাপন করা হয়নি। এটা পরিষ্কার হয়ে গিয়েছিল যে পুরো স্থাপত্যকে আবার বিবেচনা করতে হবে, শুধু আলাদা উপাদান নয়। এটা ডোমেন-ভিত্তিক নকশার ধারণাকে বৃদ্ধি করে, যেখানে নিউরাল নেটওয়ার্ক কাঠামো নির্দিষ্ট স্থানের জন্য অ্যাকাউন্ট রয়েছে একটি সার্বজনীন “কালো বাক্স” না হয়ে বরং রেডিও চ্যানেলটির চ্যানেল।
সেমানিকস বিটের পরিবর্তে: দ্বিতীয় শিফট
পরবর্তী গুরুত্বপূর্ণ পদক্ষেপটা পুরোপুরি নিষ্ক্রিয় করা হচ্ছে... ...আর কিছু ধারার মাধ্যমে। এর পরিবর্তে, সিস্টেম এর অর্থ নিয়ে মনোযোগ দিতে শুরু করেছিল একটা কাজ সম্পাদন করার জন্য আসলে যে - তথ্য প্রয়োজন, সেই সম্বন্ধে এবং যে - তথ্য আসলে কী জানা প্রয়োজন । এই পদ্ধতি, যাকে সেনেট যোগাযোগ মাধ্যম হিসেবে উল্লেখ করা হয়েছে, তা নাটকীয় ভাবে উচ্চারিত তথ্যের পরিমাণ কমিয়ে আনতে পারে এবং হস্তক্ষেপের ক্ষেত্রে দৃঢ়তার উন্নতি ঘটাতে পারে।
যোগাযোগের লক্ষ্যকে উপলব্ধি করা মানে হচ্ছে যে সফলতা সংরক্ষণকৃত বিটের সংখ্যা দ্বারা পরিমাপ করা হয় না, কিন্তু ব্যবহারকারীর কাজের কি ভাবে সমাধান করা হয়েছে। উদাহরণ হিসেবে বলা যায়, রোবট একটা আদেশ লাভ করে, যা সমস্ত বিটের সঠিক প্রতিলিপি নয় কিন্তু সঠিক কাজ। মেট্রিক সমূহ এবং মডেল উভয় পরিবর্তন করা হয়েছে ।
বাস্তব জগতে সাধারণীকরণ: তৃতীয় শিফট
গবেষণামূলক সাফল্য প্রায়ই বাস্তবতাকে লঙ্ঘন করে । সময় এবং স্থান পরিবর্তন হয়, যন্ত্রপাতির বৈশিষ্ট্য আলাদা এবং নেটওয়ার্ক প্রান্তে সম্পদ সীমিত । তাই তৃতীয় দিক হল একটা নির্দিষ্ট পরিবেশের সঙ্গে খাপ খাইয়ে নেওয়ার মাধ্যমে প্রশিক্ষণপ্রাপ্ত মডেলদের ব্যবহারিক পরিস্থিতিতে কাজ করতে দেওয়া ।
এখানে, কার্যকরভাবে মানিয়ে নেওয়া... ...তার সাথে মানিয়ে নিতে হয়। একজন মডেলকে কেটে ফেলার পরিবর্তে গবেষকরা এটাকে দ্রুত সমন্বয় করার বিভিন্ন উপায় খুঁজছে কিন্তু, কিছু কিছু বিষয় কী, যেগুলো আমরা বিবেচনা করতে পারি? এই কারণে মডেলরা “ সিমুলেটরের জন্য খেলনা” না হলেও প্রকৃত নেটওয়ার্কে কাজ করে।
এরপর কী? শুধু মাপ পরিবর্তন না
এই পর্যালোচনার লেখকরা জোর দিয়ে বলেছেন যে, বেতার AI এর পরবর্তী যুগ কেবল বৃদ্ধির মাধ্যমে নির্ধারিত হবে না । মাপ প্রয়োজনীয় কিন্তু যথেষ্ট শর্ত নেই। সবচেয়ে গুরুত্বপূর্ণ বিষয় হলো রেডিওর পদার্থবিদ্যা বোঝার জন্য মডেলদের শিক্ষা দেয়া অভ্যন্তরীণ “বিশ্ব মডেল” গঠন করা — যে পরিবেশে তারা কাজ করে তার উপস্থাপনা।
আরেকটা প্রতিশ্রুতিশীল দিক হল এজেন্টিক সিস্টেম যা কেবলমাত্র ভবিষ্যদ্বাণীই করে না কিন্তু সক্রিয়ভাবে কাজ করে : তারা নেটওয়ার্ক রাষ্ট্র, সিদ্ধান্ত নেয় এবং কাজ করে। পরিশেষে, একসঙ্গে কাজ করার জন্য, মান প্রয়োজন । প্রশিক্ষণপ্রাপ্ত উপাদান, শারীরিক গঠন এবং পদ্ধতিগত স্বাতন্ত্র্যতার মাঝে ব্যবধানের মধ্যে পার্থক্য মুছে ফেলা হবে যা AI প্রকৃত টেলিকমিউনিকেশন অবকাঠামোগুলোতে যুক্ত হবে।
কেউ কেউ হয়তো বলতে পারে যে, যোগাযোগ ব্যবস্থা সম্বন্ধে গভীর শিক্ষা লাভ করা অনেক দূর থেকে একটি সম্পূর্ণ বিল্ডিং নির্মাণের জায়গা করে নিয়েছে । এটহেড এই প্রকল্পকে একটি কর্ম বাস্তবে পরিণত করেছে, যেখানে সব জায়গায় সংযোগ পাওয়া যায়।
