Ant Group-এর ওপেন সোর্স AI মডেল বাংলাদেশি ফ্রিল্যান্সারদের কাজ ৩ গুণ বাড়াবে
Ant Group-এর Robbyant LingBot-Vision নামে একটি 1B প্যারামিটার ভিশন ফাউন্ডেশন মডেল ওপেন সোর্স করেছে। এটি ছবির সীমানাকে প্রশিক্ষণের অংশ করে ঘন স্থানিক উপলব্ধিতে বিপ্লব ঘটাতে পারে। মডেলটি বড় মডেলকেও ছাড়িয়ে গেছে এবং LingBot-Depth 2.0-কে শক্তি দিচ্ছে।
Ant Group-এর Robbyant LingBot-Vision নামে একটি 1B প্যারামিটার ভিশন ফাউন্ডেশন মডেল ওপেন সোর্স করেছে। এটি ছবির সীমানাকে প্রশিক্ষণের অংশ করে ঘন স্থানিক উপলব্ধিতে বিপ্লব ঘটাতে পারে। মডেলটি বড় মডেলকেও ছাড়িয়ে গেছে এবং LingBot-Depth 2.0-কে শক্তি দিচ্ছে।
অ্যান্ট গ্রুপের গবেষণা শাখা Robbyant সম্প্রতি LingBot-Vision নামে একটি শক্তিশালী ভিশন ফাউন্ডেশন মডেল ওপেন সোর্স করেছে। MarkTechPost-এর প্রতিবেদন অনুযায়ী, এই মডেলটিতে 1 বিলিয়ন প্যারামিটার রয়েছে। এটি স্ব-তত্ত্বাবধানে (self-supervised) শেখে এবং বিশেষ করে ঘন স্থানিক উপলব্ধি (dense spatial perception) বোঝার জন্য তৈরি করা হয়েছে।
LingBot-Vision-এর সবচেয়ে বড় বৈশিষ্ট্য হলো মাস্কড বাউন্ডারি মডেলিং (Masked Boundary Modeling) নামক একটি কৌশল। এই পদ্ধতিতে ছবির ভেতরের বস্তুর সীমানা বা প্রান্তকে প্রশিক্ষণের একটি স্বাভাবিক সংকেত (native training signal) হিসেবে ব্যবহার করা হয়। সাধারণ মডেলগুলি শুধু পিক্সেলের রং বা টেক্সচার দেখে শিখলেও, LingBot-Vision বস্তুর ধার ও সীমানা বুঝতে পারে।
ফলাফল হিসেবে, এই 1B প্যারামিটার মডেলটি তার চেয়ে অনেক বড় মডেলের সমান বা আরও ভালো পারফরম্যান্স দেখিয়েছে। গবেষকরা জানিয়েছেন, LingBot-Vision LingBot-Depth 2.0 নামক আরেকটি মডেলের ভিত্তি হিসেবে কাজ করছে। LingBot-Depth 2.0 মূলত ছবি থেকে গভীরতা (depth) নির্ণয় করে, যা রোবোটিকস ও অটোনোমাস ড্রাইভিংয়ের জন্য অত্যন্ত গুরুত্বপূর্ণ।
প্রযুক্তিগত দিক থেকে, LingBot-Vision একটি Vision Transformer (ViT) আর্কিটেকচার ব্যবহার করে। ViT মডেলগুলি ছবিকে ছোট ছোট প্যাচে ভাগ করে এবং ট্রান্সফরমার নেটওয়ার্কের মাধ্যমে প্রক্রিয়া করে। মাস্কড বাউন্ডারি মডেলিং পদ্ধতিতে মডেলটি ছবির কিছু অংশ লুকিয়ে ফেলে এবং সীমানা পুনর্গঠন করতে শেখে। এতে করে মডেলটি বস্তুর আকৃতি ও অবস্থান সম্পর্কে গভীর জ্ঞান অর্জন করে।
এই ওপেন সোর্সিংয়ের ফলে বিশ্বের যে কোনো ডেভেলপার বা গবেষক LingBot-Vision ব্যবহার করতে পারবেন। বাংলাদেশের প্রযুক্তি খাতের জন্য এটি একটি বড় সুযোগ। স্থানীয় স্টার্টআপ, ফ্রিল্যান্সার ও গবেষকেরা এই মডেলটি নিয়ে পরীক্ষা-নিরীক্ষা চালাতে পারেন। বিশেষ করে যারা কম্পিউটার ভিশন, রোবোটিকস বা স্বয়ংক্রিয় গাড়ির ওপর কাজ করছেন, তাদের জন্য এটি একটি শক্তিশালী টুল।
ভবিষ্যতে LingBot-Vision-এর মতো মডেল আরও সাশ্রয়ী ও সহজলভ্য হবে বলে ধারণা করা হচ্ছে। এটি কৃত্রিম বুদ্ধিমত্তার জগতে ছোট মডেল দিয়েও বড় ফলাফল পাওয়ার একটি উদাহরণ। বাংলাদেশের শিক্ষার্থী ও গবেষকেরা এই মডেল ব্যবহার করে নিজেদের দক্ষতা বাড়াতে পারেন এবং আন্তর্জাতিক পর্যায়ে কাজ করতে পারেন।
আরও পড়ুন
এই সংবাদটি আন্তর্জাতিক সূত্রের তথ্য অবলম্বনে AI-সহায়তায় বাংলায় উপস্থাপন ও বাংলাদেশের প্রেক্ষাপটে সম্পাদিত। মূল তথ্যের জন্য নিচের সূত্র দেখুন।
মূল প্রতিবেদন: MarkTechPost
সোর্স দেখুন ↗মন্তব্য০
লোড হচ্ছে...