कसरी बनाइन्छ एआई प्रविधि अनि कसरी गर्छ काम ?

काठमाडौं । आर्टिफिसियल इन्टेलिजेन्स (एआई) भनेको मसिनमा मानिसको दिमागी क्षमता भरेर मसिनलाई मानिसले जस्तैगरी सोच्न सक्षम बनाउनु हो । यो प्रविधिलाई सजिलोसँग बुझ्नको लागि तपाई आर्टिफिसियल इन्टेलिजेन्स (एआई) ले कसरी काम गर्छ भन्ने कुरा जान्न जरुरी छ ।

वास्तवमा एआई कम्प्युटर विज्ञानको एक क्षेत्र हो, जसले मानिसको दिमागको प्रयोग गर्छ । एआई सिस्टम आफैं चल्दैन, यसमा डेटा अर्थात् सूचना तथा तथ्याङ्क हाल्नुपर्छ, जसको एक खालको 'डेटा सोर्स' (तथ्याङ्कको स्रोत) हुन्छ । अनि एआई सिस्टमले त्यसलाई प्रोसेस (प्रशोधन) गर्छ । सुरुमा तालिम दिएको तरिकाबाट मोडेल बनाउँछ र डेटाको हिसाबले परिणाम दिन्छ, अन्तरक्रिया गर्छ वा मानव दिमागको नक्कल गर्छ । एआईमा जति धेरै डेटा हालिन्छ, त्यो त्यति नै राम्रो बन्दै जान्छ । तर सबै एआई सिस्टमहरूका लागि ठूला डेटा सोर्सको आवश्यकता पर्दैन । खासमा 'बिग डेटा' (ठूला तथ्याङ्क) एआईको अति महत्त्वपूर्ण पक्ष हो । एआईलाई काम गर्नको लागि मुख्य चार प्रक्रियाको आवश्यकता पर्छ, मसिन लर्निङ, न्युरल नेटवर्क, डेटा तथा डेटा प्रोसेसिङ र एल्गोरिदम ।

मसिन लर्निङ (एमएल) लाई फाउन्डेसन अफ एआई अर्थात् एआईको जग भनिन्छ । यसको सोझो मतलब हुन्छ; मसिनलाई मानिसको दिमागले कसरी काम गर्छ भनेर सिकाउनु । यसका लागि मसिन लर्निङ टुलमा जति डेटा हालिन्छ, तिबाट एआई सिस्टम, डेटा सेट निर्माण हुन्छ ।

मसिन लर्निङको प्रक्रियाबाट डेटाबाट एआई सिस्टमको सिकाइ हुन्छ । तर डेटा प्रोसेस गर्नको लागि डेटाबाट उपयोगी जानकारी निकाल्नको लागि सफ्टवेयर प्रोग्राम र एल्गोरिदमको आवश्यकता त पर्छ नै । अब डेटा यति धेरै मात्रामा हुन्छ कि, त्यसलाई डेटाको पिरामिड नै पनि भन्न सकिन्छ । यही डेटालाई प्रोसेस गर्नको लागि गणितीय मोडेलको आवश्यकता पर्छ । 'इमेज क्लासिफिकेसन' यसको एउटा उदाहरण हो । जस्तै तपाईं कतिपय वेबसाइटमा जानुहुन्छ, त्यहाँ धेरै फोटोहरूमध्ये जसमा ट्राफिक लाइट देखाइएको हुन्छ, त्यसलाई छनौट गर्न भनिन्छ । जुन फोटोमा बिरालो बनेको छ, त्यसलाई पहिचान गर्नुहोस् भनिन्छ। तपाईंले सही फोटो छान्नु भएको छ वा छैन भन्ने सिस्टमलाई कसरी थाहा हुन्छ ? हो, यही हो मसिन लर्निङ ।

एआईको अर्को महत्त्वपूर्ण अङ्ग हो, न्युरल नेटवर्क, जसलाई 'विल्डिङ ब्लक्स अफ एआई' पनि भनिन्छ । खासमा एआई सिस्टमको मसिन लर्निङ न्युरल नेटवर्ककै कारण हुन्छ । जुन जैविकताबाट प्रेरित न्युरल नेटवर्क आर्किटेक्चर हो । जसरी मानिसको दिमागका न्युरोनहरू अर्थात् नसाहरू आपसमा जोडिएका हुन्छन्, त्यसै गरी न्युरल नेटवर्कमा अनेक थरीका हिडन लेयर्स ( अदृश्य तहहरू) हुन्छन् । तिनै तहहरू बीचबाट गुज्रिँदै डेटा प्रोसेस (प्रशोधन) हुन्छ । तहगत रूपमा डेटा गुज्रिंदा मसिनको डिप लर्निङ चरणमा प्रवेश गर्छ । यसमा सबै डेटामा रहेको कनेक्सनलाई जोड्दै जाँदा एआई सिस्टमले राम्रो परिणाम दिन्छ ।

 

यसको तरिका निम्न अनुसार हुन्छ;

पहिले इन्पुट (डेटा भित्रिने) तहले डेटा प्राप्त गर्छ । हिडन लेयर ( अदृश्य तह)  ले डेटालाई प्रोसेस (प्रशोधन) गर्छ । आखिरमा आउटपुट लेयर (बाहिरिने तह) मार्फत परिणाम निस्किन्छ । आर्टिफिसियल इन्टेलिजेन्सको लागि सबैभन्दा महत्त्वपूर्ण डेटा नै हुन्छ । डेटालाई 'फ्युल फर एआई सिस्टम' (एआई प्रणालीको इन्धन) पनि भनिन्छ । किनकि एआई मोडेललाई सिकाउनको लागि बिना डेटा सेट केही गर्न सकिंदैन । यस्तो डेटा सेटमा अनेक थरीका विशेषता हुन जरुरी हुन्छ । जस्तो कि डेटा पूर्ण हुनुपर्छ, कुनै पनि डेटा हराएको हुनुहुँदैन । एआई सिस्टमले काम गर्नको लागि डेटाको निरन्तरता पनि चाहिन्छ । डेटा सही एवं तथ्यपरक हुनुपर्छ । त्यसमा कुनै पनि गलत डेटा हुनुहुँदैन । साथै डेटा अद्यावधिक भएको पनि हुनुपर्छ । एआई सिस्टमलाई तालिम दिनको लागि सामान्यतया तीन प्रकारको डेटा इनपुट दिनुपर्छ, जस्तै- स्ट्रक्चर्ड, अनस्ट्रक्चर्ड र सेमी-स्ट्रक्चर्ड डेटा ।

स्ट्रक्चर्ड डेटामा मितिहरू, स्थानहरू, क्रेडिट कार्ड नम्बरहरू, नम्बर सिरिज वा अन्य स्ट्यान्डर्ड इनपुट विधिहरू पर्छन् । स्ट्रक्चर्ड डेटामा डेटा जहिले पनि स्ट्यान्डर्ड फर्म्याटमा हुन्छ ।

अनस्ट्रक्चर्ड डेटामा कुनै विशेष डेटा वा सूचना हराएको हुन्छ । अनस्ट्रक्चर्ड टेक्स्ट, फोटो, भिडिओमा एआई सिस्टमले प्याटर्न खोज्ने कोशिस गर्छ । यसको लागि एआई सिस्टमले एनएलपी (नेचुरल ल्याङ्गेवज प्रोसेसिङ), कम्प्युटर भिजन वा अन्य तरिकाबाट डेटाको प्रोसेस गर्छ ।

एआई सिस्टमसँग कुनै पनि प्रि-डिफाइन्ड (पहिले नै परिभाषित) मोडेल नहुँदा सेमी-स्ट्रक्चर्ड डेटाको प्रयोग हुन्छ । यो तरिकामा डेटाले 'जेएस‌ओएन', 'एक्सएमएल' र 'सीएसभी' फर्म्याट प्रयोग गर्छन् । यो तरिका अपनाउँदा अनस्ट्रक्चर्ड डेटा सोर्सको लाभ लिन पाइन्छ र तालिमका लागि प्राप्त डेटालाई स्टोर गर्न सहज हुन्छ ।

आर्टिफिसियल इन्टेलिजेन्सको अन्तिम महत्त्वपूर्ण अङ्गको रूपमा समस्या निराकरणको काम एल्गोरिदमले गर्छ । एल्गोरिदमलाई एआईको 'ब्याकबोन' अर्थात् मेरुदण्ड पनि भनिन्छ । खासमा एल्गोरिदम्स गणितीय प्रक्रिया हो, जसमा एआई सिस्टमले कसरी सिक्छ, निर्णय लिने क्षमता कसरी सुधार गर्न सक्छ र समस्याको निराकरणलाई कसरी व्यवस्थापन गर्छ भन्ने कुरा रहेको हुन्छ । एल्गोरिदमबाट नै कच्चा डेटा काम लायक डेटामा परिणत हुन्छ अनि ग्राहक र कम्पनीको काममा आउँछ ।

अब तपाईंले एउटा एआई सिस्टमले कसरी काम गर्छ भन्ने बुझिसकेपछि यसको वास्तविक जीवनका केही उदाहरणहरू हेरौं । प्राविधिक क्षेत्रमा भएको प्रगतिबाट मानव जीवन घेरिएको छ । मानिसहरूले बिहानदेखि बेलुकीसम्म सामान्य प्रविधिदेखि नयाँ खालका एआई फिचर भएका डिभाइस, प्रविधि र सिस्टम प्रयोग गर्न थालिसकेका छन् । अझ एआई फिचर भएका प्रविधिको प्रयोगले मानव जीवन सहज र प्रभावित भइरहेको छ ।

निन्द्राबाट बिउँझिने बित्तिकै हामी स्मार्ट फोनमा सोसल मिडिया अपडेट नियाल्न हतारिन्छौं । कोही बायोमेट्रिक अनलकबाट मोबाइल खोल्छन् भने कोही फेस आईडीबाट । यदि तपाईंसँग एप्पल ब्रान्डको मोबाइल छ र त्यो फेस आईडीबाट खुल्छ भने एप्पलको फेस आईडीमा 'थ्रिडी' प्रविधि हुन्छ । जसले तपाईंको अनुहारमा ३० हजार 'इन्फ्रारेड डट' राख्छ र तपाईंको फोटो लिन्छ । त्यसपछि मसिन लर्निङ एल्गोरिदमले मोबाइलमा तपाईंको फोटोको जुन डेटा स्टोर भएको छ, त्यो स्क्यान भइरहेको अनुहार तपाईंको अनुहारसँग मेल खाइरहेको छ वा छैन भनि तुलना गर्दै मोबाइल खोल्ने वा नखोल्ने निर्णय लिन्छ । एप्पल कम्पनी भन्छ कि उसको फेस आईडी प्रविधि यति धेरै बलियो छ कि उसलाई बेबकुफ बनाउने सम्भावना १० लाखमा एक पटक छ ।

आफ्नो फोन अनलक गरेपछि जब तपाईं सोसल मिडिया प्लेटफर्ममा जानुहुन्छ, तब रातभर आएका नोटिफिकेसन र अपडेट चेक गर्नुहुन्छ । यहाँ एआई नेपथ्यमा बसेर काम गरिरहेको हुन्छ । तपाईंलाई के देखाउने भनेर फिल्टर गरेर तपाईंको स्क्रिनमा पेस गरिदिन्छ । किनभने तपाईंको सर्फिङ ह्याबिट (वेबसाइट तथा सामाजिक सञ्जाल हेर्ने बानी), सर्च रिजल्ट, शपिङ, तपाईंको रुटिन पोस्ट र फोटो, भ्वाइस कमाण्ड, लोकेसन आदिको आधारमा एआई सिस्टमले तपाईंलाई के हेर्न मनपर्छ भन्ने कुरा थाहा पाउँछ । तपाईंको विगतको गतिविधिको आधारमा नै तपाईंलाई साथी सिफारिस, शपिङका लागि सल्लाह, खानाका विकल्पहरू, समाचार अपडेटहरू पठाइन्छ । यतिमात्रै होइन, तपाईंलाई गलत समाचार, साइबर बुलिङबाट बचाउनको लागि पनि एआईको मसिन लर्निङ प्रविधिले काम गरिरहेको हुन्छ ।

हरेक दिन अफिस पुग्ने बित्तिकै हाम्रो काम हुन्छ कि ईमेल चेक गर्ने । तपाईंको सिस्टममा 'ग्रामर्ली' वा अन्य हिज्जे जाँच गर्ने टुल एक्टिभेट भएको हुनसक्छ । तपाईंले लेखेको ईमेलमा र वाक्य शुद्धाशुद्धिमा गल्ती नहोस् भन्न यी हिज्जे जाँच गर्ने टुलले काम गर्छन् । यसका लागि यी टुलले एआई र न्याचुरल ल्याङ्ग्वेज प्रोसेसिङको प्रयोग गर्छन् । साथै तपाईंको इनबक्समा ईमेल प्राप्त हुन्छ, स्पाम मेसेजलाई फिल्टर गर्न पनि एआई नै एक्टिभेट भइरहेको हुन्छ ।

शंकास्पद स्पामलाई पहिचान गरी ब्लक गरिदिन्छ । वास्तवमा इन्स्टल भएका एन्टिभाइरस सफ्टवेयरले पनि मसिन लर्निङ विधिबाट नै तपाईंको ईमेललाई जोगाउँछ। हाम्रो सिस्टममा इन्टरनेट कनेक्सन छ वा छैन भन्ने जाँच गर्न पनि हामीले एड्रेस बारमा गुगल टाइप गर्छौं र गुगल सर्च नगरी हाम्रो एक दिन पनि बित्दैन । हाम्रो सर्च कमान्डमा गुगलले पूरै इन्टरनेटभर खोजेर उचित परिणाम दिन्छ । यो सम्भव हुन्छ, एआईकै कारण । साथै कुनै पनि वेबसाइट, ब्लग वा युट्युब च्यानलमा जुन विज्ञापन हामीले देख्छौं, त्यो पनि एआईबाट नै सक्रिय हुन्छ ।

जस्तो कि तपाईंले कुनै लामो भिडिओ हेरेर समय बिताइ रहनु भएको छ भने एआईले बुझ्छ कि तपाईंले त्यो भिडिओ अवश्य पनि हेर्न हुन्छ र त्यसमा विज्ञापन आउँछ । उदाहरणका लागि तपाईंले कुनै पनि कम्पनीको बारेमा जान्नको लागि त्यसको वेबसाइट खोजी रहनु भएको छ र त्यसको युट्युब च्यानलमा पुग्नुभयो भने यस्तोमा युट्युब च्यानलमा कम सब्सक्राइबर हुँदाहुँदै पनि भिडिओमा विज्ञापन देखिन्छ । किनकि जानकारी पाउनको लागि तपाईं त्यहाँ केही समयको लागि रोकिनुहुन्छ । सोही बेला एआईले बुझ्छ र त्यसले सो कुराको पूरा फाइदा लिन खोज्छ ।

अब पालो स्मार्ट होम डिभाइसेसको । हाम्रो घर दिन प्रतिदिन स्मार्ट हुँदै गइरहेको छ । अचेल घरमा भ्वाइस कमान्ड भएका डिभाइस, सेन्सरयुक्त लाइट, अटोमेटिक तापक्रम सन्तुलन गर्ने सिस्टम प्रयोगमा आउन थालिसकेका छन् । स्मार्ट रेफ्रिजिरेटरले त फ्रिजमा खराब हुँदै गएका खानेकुरा र थप्नुपर्ने खानेकुराको लिस्ट नै दिन्छन् । यी सबै 'आईओटी' (इन्टरनेट अफ थिङ्ग्स) डिभाइस हुन्, जुन एआईबाट नै सञ्चालित हुन्छन् । 

यदि शपिङका लागि तपाईंले अमेजन जस्ता प्लेटफर्म प्रयोग गर्नुहुन्छ भने त्यसको एआई एल्गोरिदमले तपाईं र तपाईं जस्ता मानिसलाई के मनपर्छ भन्ने कुरा थाहा पाउँछ । सोही आधारमा तपाईंलाई सामानहरू सिफारिस गर्छ । यदि हामीले कुनै पनि एप डाउनलोड गर्‍यौं भने त्यसले माइक, ग्यालरी, कन्ट्याक्ट सम्मको पहुँच माग्छ र हामी त्यसको पहुँच दिन्छौं । यदि तपाईंले आफ्नो इअरफोन खराब भयो भने त्यो कुरा फोनको माइकको माध्यमबाट एपमा पुग्छ । त्यहींबाट डेटा फिल्टर गरेर कम्पनी र शपिङ वेबसाइटमा जान्छ । तपाईंको शपिङ वेबसाइटमा कुनै पनि सामानको सिफारिस गरिन्छ भने त्यो एआईबाट भइरहेको हुन्छ ।

दिनभर काम गरेर भएको थकान हटाउन तपाईं ओटीटी प्लेटफर्ममा वेब सिरिज वा फिल्म हेर्न थाल्नुहुन्छ । अब तपाईंले नेटफ्लिक्स खोल्नुभएको छ भने कम्पनीको 'आर्टिफिसियल इन्टेलिजेन्स सपोर्टेड रिकमेन्डेसन इन्जिन'ले तपाईंले एपमा पहिले हेरेका फिल्म वा वेब सिरिजको आधारमा उस्तै खालका थप फिल्म वा वेब सिरिज हेर्न सिफारिस गर्छ ।

हाम्रो दैनिक जीवन एआईबाट सञ्चालित, एआईको सहयोग प्राप्त वा धेरै पटक रोजाई पनि एआईकै हुन्छ । आर्टिफिसियल इन्टेलिजेन्सलाई काम गर्न चार प्रमुख प्रक्रियाको आवश्यकता पर्छ । जसमा मसिन लर्निङको बारेमा केही समय पहिले चर्चा गरिसकिएको छ । अब यसलाई विस्तृतमा बुझौं ।

मसिनलाई सिकाउनका लागि थुप्रै सेल्फ टिचिङ प्रोग्रामहरू हुन्छन्ः जुन तीन तरिकाका आधारभूत मसिन लर्निङमा आधारित हुन्छ, पहिलो अनसुपरभाइज्ड लर्निङ, दोस्रो सुपरभाइज्ड लर्निङ अनि तेस्रो रिइन्फोर्समेन्ट लर्निङ । यसलाई बुझाउनको लागि हामी कोरोनाभाइरसको आउटब्रेकको उदाहरण दिंदै छौं । जब कोभिड-१९ चरम अवस्थामा थियो, तब भ्याक्सिन बनाउनको लागि अनुसन्धाताले हजारौं बिरामीको मेडिकल प्रोफाइलसँग जोडिएको डेटा सेटमा पहुँच बनाए ।

यसका लागि भाइरस जुन प्रोटिनबाट बनेको थियो, त्यसबारे अनुसन्धान गरियो । जस्तो कि स्पाइक प्रोटिन । यसैमाथि अनुसन्धान गरेर भ्याक्सिन उत्पादन गर्नु एआईको महत्त्वपूर्ण भूमिका थियो । एआई सिस्टमले यस्तो जटिल संरचनालाई अध्ययन गरी हजारौं लाखौं कम्पोनेन्टलाई विश्लेषण गरी एकलाई खोज्छ । जसले मानव शरीरमा इम्युन अर्थात् प्रतिरक्षा विकास गर्न सक्षम हुन्छ । समयसँगै भ्याक्सिन बनिरहनको लागि एआई सिस्टम यस्ता कम्पोनेन्ट खोजिरहन्छ, जसको म्युटेड हुने वा परिवर्तन हुने सम्भावना रहन्न । यो सम्भव हुन्छ, कम्प्युटेसनल एनालिसेस र मसिन लर्निङ एल्गोरिदमबाट ।

एआई सिस्टमबाट नै भ्याक्सिन अनुसन्धातालाई डेटा इनसाइट मिल्छ र निकट भविष्यमा भाइरस म्युटेड हुन्छ वा हुन्न, अध्ययन गर्न सहज हुन्छ । यसका लागि फेरि बिग डेटा वा डेटा सोर्सको आवश्यकता पर्छ, जुन हजारौं परीक्षणात्मक वा वास्तविक स्रोतहरूबाट प्राप्त हुन्छ । कोभिड-१९ महामारीको समयमा यस्ता डेटाको कमी थिएन, किनकि पूरै दुनियाँ कोरोना भाइ1रसको चपेटामा थियो । सन् २०१९ मा नेसनल इन्स्टिच्युट अफ एलर्जी एण्ड इन्फेक्सियस डिजिजले अमेरिकामा सबैभन्दा पहिले एआईमा आधारित फ्लू भ्याक्सिनको क्लिनिकल ट्रायल गरेको थियो ।

त्यसपछि फ्लिन्डर्स विश्वविद्यालयका वैज्ञानिकले सिन्थेटिक केमिस्ट नामक एआई टुलको मद्दतले भ्याक्सिन बनाएका थिए । त्यसपछि वैज्ञानिकले 'सर्च एल्गोरिदम फर लिगेन्ड्स (एसएएम)' नामक एआई प्रोग्राम प्रयोग गरे । जुन अर्बौं खर्बौं एल्गोरिदमहरू मध्ये एक राम्रो भ्याक्सिन बनाउन मद्दत गर्ने एकलाई पहिचान गर्थ्यो । भ्याक्सिन बनाउन लाग्ने कयौं वर्षहरूको प्रक्रियालाई एआईले कम गरिदियो । कुनै भाइरसलाई अध्ययन गर्नेदेखि भ्याक्सिन उत्पादन गर्नेसम्मको कामका लागि एआईको अनसुपरभाइज्ड लर्निङ, सुपरभाइज्ड लर्निङ र रिइन्फोर्समेन्ट लर्निङ नै प्रयोग हुन्छ ।

केही समय अघि सुजन चापागाईंको 'फूल' गीत नारायण गोपालको आवाजमा भएको सुनियो । स्वर्गीय गायक नारायण गोपालले यो गीत गाउन  सक्नु कसरी भयो ? यो पनि एआईको एक अङ्ग जेनेरेटिभ एआईको कमाल हो । यस्तो जेनेरेटिभ एआई टुलले गीत गाउने शैली, आवाजको पिच लगायत पहिचान गरेर तपाईंको आवाजलाई कुनै चर्चित गायक वा सेलिब्रिटीको आवाजमा बदल्न सक्छ ।

जेनेरेटिभ एआई टेक्स्ट, फोटो, भिडिओ डिजाइन वा अडिओ नोट वा अन्य कुनै इनपुटको माध्यममा डेटा लिन्छ र अलग अलग एआई एल्गोरिदमको मद्दतले हुबहु नक्कल तयार पार्छ । यस्तोमा फोटो, अडिओ, स्वर, निबन्ध, समस्याका निराकरण, डिप फेक कन्टेन्ट पनि हुन्छन् । च्याट जीपीटी, बार्ड एआई, अभतार एआई, माइक्रोसफ्ट बिङ्गको इमेज क्रियटर केही जेनरेटिभ एआईका चर्चित उदाहरणहरू हुन् । एआईको आधुनिक अङ्गका रूपमा जेनेरेटिभ एआई एकदम जटील विषय हो ।

एआई जसरी सेल्फ लर्नर (आफैं सिक्न सक्ने क्षमता भएको) बन्दै गइरहेको छ, एक कम्प्युटर वैज्ञानिकलाई यो चिजलाई बुझ्न र सेल्फ टट् एल्गोरिदम निष्कर्षमा कसरी पुग्छ भन्ने जान्न त्यति नै मुस्किल बन्दै जान्छ । जसरी यसको क्षमता बढ्दै जान्छ, हाम्रो दैनिक जीवनमा यसको प्रयोग पनि बढ्दै जान्छ ।

पछिल्लो अध्यावधिक: बैशाख ३, २०८१ १६:११

टिप्पणीहरू