অ্যাপলের নতুন পদ্ধতি: ডেটা মুছতে খরচ কমবে, প্রাইভেসি সুরক্ষিত থাকবে
অ্যাপল মেশিন লার্নিং রিসার্চ দেখিয়েছে, মেশিন আনলার্নিং-এ সব ডেটা পয়েন্ট সমান গুরুত্বপূর্ণ নয়। কম প্রভাবশালী ডেটা পয়েন্ট চিহ্নিত করে আনলার্নিং-এর কম্পিউটেশনাল খরচ কমানো সম্ভব। এই গবেষণা ডেটা প্রাইভেসি ও মডেল দক্ষতার ক্ষেত্রে নতুন দিগন্ত খুলে দিয়েছে।
অ্যাপল মেশিন লার্নিং রিসার্চ দেখিয়েছে, মেশিন আনলার্নিং-এ সব ডেটা পয়েন্ট সমান গুরুত্বপূর্ণ নয়। কম প্রভাবশালী ডেটা পয়েন্ট চিহ্নিত করে আনলার্নিং-এর কম্পিউটেশনাল খরচ কমানো সম্ভব। এই গবেষণা ডেটা প্রাইভেসি ও মডেল দক্ষতার ক্ষেত্রে নতুন দিগন্ত খুলে দিয়েছে।
অ্যাপল মেশিন লার্নিং রিসার্চ একটি গুরুত্বপূর্ণ গবেষণাপত্র প্রকাশ করেছে। এই গবেষণায় মেশিন আনলার্নিং-এর কম্পিউটেশনাল খরচ কমানোর একটি নতুন পদ্ধতি তুলে ধরা হয়েছে। গবেষকরা দেখিয়েছেন যে, সব ডেটা পয়েন্টকে সমানভাবে মুছে ফেলার প্রয়োজন নেই।
মেশিন আনলার্নিং হলো একটি প্রক্রিয়া যেখানে প্রশিক্ষিত মডেল থেকে নির্দিষ্ট কিছু ডেটা পয়েন্ট সরিয়ে ফেলা হয়। ডেটা প্রাইভেসি আইন যেমন GDPR মেনে চলতে এই প্রক্রিয়া গুরুত্বপূর্ণ। কিন্তু বর্তমান পদ্ধতিগুলোতে ফরগেট সেটের সব পয়েন্টকে একইভাবে বিবেচনা করা হয়। অ্যাপলের গবেষণা এই ধারণাকে চ্যালেঞ্জ করেছে।
গবেষকরা ইনফ্লুয়েন্স ফাংশন ব্যবহার করে ডেটা পয়েন্টের প্রভাব বিশ্লেষণ করেছেন। ইনফ্লুয়েন্স ফাংশন একটি টেকনিক যা দেখায় কোন ডেটা পয়েন্ট মডেলের শেখার উপর কতটা প্রভাব ফেলেছে। তারা দেখেছেন যে, অনেক ডেটা পয়েন্টের প্রভাব নগণ্য। এই পয়েন্টগুলো মুছে ফেলার জন্য ব্যয়বহুল পুনঃপ্রশিক্ষণের প্রয়োজন নেই।
গবেষণাপত্রটি ভাষা মডেল এবং ইমেজ ক্লাসিফিকেশন মডেল উভয়ের উপর পরীক্ষা চালিয়েছে। ফলাফলে দেখা গেছে, নিম্ন-প্রভাবশালী পয়েন্টগুলো উপেক্ষা করলেও মডেলের নির্ভুলতার উপর উল্লেখযোগ্য প্রভাব পড়ে না। এটি আনলার্নিং প্রক্রিয়াকে আগের চেয়ে অনেক বেশি সাশ্রয়ী করে তুলতে পারে।
বাংলাদেশের ডেভেলপার এবং গবেষকদের জন্য এই গবেষণার বিশেষ গুরুত্ব রয়েছে। সীমিত কম্পিউটেশনাল রিসোর্স নিয়ে কাজ করা স্টার্টআপ এবং শিক্ষার্থীরা এই পদ্ধতি ব্যবহার করে ডেটা প্রাইভেসি নিশ্চিত করতে পারবে। ফ্রিল্যান্সারদের জন্যও এটি একটি কার্যকর সমাধান হতে পারে। কারণ এতে মডেল পুনঃপ্রশিক্ষণের সময় এবং খরচ উভয়ই কমে যায়।
অ্যাপল এমএল রিসার্চের এই কাজ ভবিষ্যতে আরও উন্নত আনলার্নিং পদ্ধতির পথ দেখাবে। গবেষকরা এখন কম প্রভাবশালী পয়েন্ট চিহ্নিত করার আরও সঠিক উপায় নিয়ে কাজ করছেন। এই পদ্ধতি বড় আকারের মডেলগুলোর জন্যও কার্যকর হতে পারে।
আরও পড়ুন
এই সংবাদটি আন্তর্জাতিক সূত্রের তথ্য অবলম্বনে AI-সহায়তায় বাংলায় উপস্থাপন ও বাংলাদেশের প্রেক্ষাপটে সম্পাদিত। মূল তথ্যের জন্য নিচের সূত্র দেখুন।
মূল প্রতিবেদন: Apple ML Research
সোর্স দেখুন ↗মন্তব্য০
লোড হচ্ছে...