আপনার জিনই বলে দেবে মুখ কেমন, AI-র চোখে ভুল ধরা পড়ে না
নতুন গবেষণা বলছে, মানুষের মুখ শনাক্ত করার ক্ষমতা জিনগতভাবে নির্ধারিত। ফলে AI ডেভেলপারদের জন্য Human-in-the-loop পদ্ধতি আর নির্ভরযোগ্য গ্রাউন্ড ট্রুথ নয়।
নতুন গবেষণা বলছে, মানুষের মুখ শনাক্ত করার ক্ষমতা জিনগতভাবে নির্ধারিত। ফলে AI ডেভেলপারদের জন্য Human-in-the-loop পদ্ধতি আর নির্ভরযোগ্য গ্রাউন্ড ট্রুথ নয়।
কম্পিউটার ভিশন (CV) পাইপলাইনে ডেভেলপাররা প্রায়ই Human-in-the-loop বা মানব যাচাইকরণকে চূড়ান্ত সত্য হিসেবে ধরে নেন। কিন্তু সাম্প্রতিক এক নিউরোবায়োলজিক্যাল গবেষণা এই ধারণাকে ভুল প্রমাণ করেছে। গবেষণায় দেখা গেছে, মানুষের মস্তিষ্কের Fusiform Face Area (FFA) নামক অংশটি প্রতিটি ব্যক্তির মধ্যে ভিন্নভাবে কাজ করে এবং এই পার্থক্য জিনগতভাবে নিয়ন্ত্রিত।
গবেষণাটি dev.to-র ML বিভাগে প্রকাশিত হয়েছে। এতে বলা হয়েছে, আপনার DNA-ই নির্ধারণ করে আপনি অন্য মানুষের মুখ কতটা নির্ভুলভাবে শনাক্ত করতে পারেন। এর মানে হলো, একই মুখ দেখে দুইজন ভিন্ন ব্যক্তি সম্পূর্ণ ভিন্ন সিদ্ধান্তে পৌঁছাতে পারেন। ফলে AI মডেলের আউটপুট যাচাই করতে গিয়ে মানুষের ওপর নির্ভর করা আর নিরপেক্ষ মানদণ্ড নয়।
FFA মস্তিষ্কের একটি বিশেষ অংশ যা মুখ শনাক্তকরণের জন্য দায়ী। গবেষকরা দেখেছেন, এই অংশের গঠন ও কার্যকারিতা ব্যক্তিভেদে আলাদা। কেউ কেউ অপরিচিত মুখ খুব সহজেই মনে রাখতে পারেন, আবার কেউ কেউ একই কাজে হিমশিম খান। এই পার্থক্যের মূল কারণ জিনগত বৈচিত্র্য।
ডেভেলপারদের জন্য এই তথ্য বিশেষ গুরুত্বপূর্ণ। বর্তমানে অনেক CV পাইপলাইনে যখন AI মডেল কম কনফিডেন্স স্কোর দেখায়, তখন একজন মানুষকে সেই ডেটা যাচাই করতে বলা হয়। ধরা হয় মানুষের রায়ই হবে চূড়ান্ত সত্য। কিন্তু এই গবেষণা প্রমাণ করছে, মানুষের রায় নিজেই একটি নন-ডিটারমিনিস্টিক সিস্টেম। অর্থাৎ একই ডেটা বারবার দেখালেও একই ব্যক্তি ভিন্ন সময়ে ভিন্ন সিদ্ধান্ত নিতে পারেন।
বাংলাদেশের প্রেক্ষাপটেও এই গবেষণার বড় প্রভাব রয়েছে। দেশের ফ্রিল্যান্সার ও স্টার্টআপ ডেভেলপাররা যারা ফেস রিকগনিশন, বায়োমেট্রিক সিস্টেম বা ইমেজ ক্লাসিফিকেশন নিয়ে কাজ করছেন, তাদের উচিত Human-in-the-loop পদ্ধতিকে পুনরায় মূল্যায়ন করা। বর্তমানে অনেক স্থানীয় কোম্পানি গ্রাহক যাচাইয়ের জন্য ম্যানুয়াল ভেরিফিকেশনের ওপর নির্ভরশীল। এই গবেষণা দেখাচ্ছে, সেই ম্যানুয়াল প্রক্রিয়াও ত্রুটিপূর্ণ হতে পারে।
গবেষকরা ডেভেলপারদের পরামর্শ দিয়েছেন যে, তারা যেন গ্রাউন্ড ট্রুথ হিসেবে একক ব্যক্তির মতামতের পরিবর্তে একাধিক ব্যক্তির মতামত বা মেশিন লার্নিং অ্যালগরিদমের সমন্বয় ব্যবহার করেন। ভবিষ্যতে আরও উন্নত CV সিস্টেম তৈরি করতে হলে জিনগত বৈচিত্র্যকে বিবেচনায় নিয়ে ডেটাসেট তৈরি করা জরুরি।
আরও পড়ুন
এই সংবাদটি আন্তর্জাতিক সূত্রের তথ্য অবলম্বনে AI-সহায়তায় বাংলায় উপস্থাপন ও বাংলাদেশের প্রেক্ষাপটে সম্পাদিত। মূল তথ্যের জন্য নিচের সূত্র দেখুন।
মূল প্রতিবেদন: dev.to ML
সোর্স দেখুন ↗মন্তব্য০
লোড হচ্ছে...