বাংলাদেশে AI মডেলের শক্তি খরচ কমবে ১০ গুণ, নির্ভুলতা একই
গবেষকরা MeliusNet নামের একটি নতুন কাঠামো তৈরি করেছেন যা বাইনারি নিউরাল নেটওয়ার্ক ব্যবহার করে। এই প্রযুক্তি মডেলের আকার ও শক্তি খরচ ব্যাপকভাবে কমিয়ে MobileNet-এর মতো নির্ভুলতা অর্জনের চেষ্টা করছে। এটি বিশেষ করে সম্পদ-সীমিত ডিভাইসে এআই চালানোর পথ খুলে দিতে পারে।
গবেষকরা MeliusNet নামের একটি নতুন কাঠামো তৈরি করেছেন যা বাইনারি নিউরাল নেটওয়ার্ক ব্যবহার করে। এই প্রযুক্তি মডেলের আকার ও শক্তি খরচ ব্যাপকভাবে কমিয়ে MobileNet-এর মতো নির্ভুলতা অর্জনের চেষ্টা করছে। এটি বিশেষ করে সম্পদ-সীমিত ডিভাইসে এআই চালানোর পথ খুলে দিতে পারে।
বাইনারি নিউরাল নেটওয়ার্ক দিয়ে কি মোবাইল ডিভাইসের জন্য তৈরি জনপ্রিয় মডেল MobileNet-এর সমান নির্ভুলতা অর্জন সম্ভব? সম্প্রতি প্রকাশিত একটি গবেষণাপত্রে MeliusNet নামের একটি নতুন আর্কিটেকচার এই প্রশ্নের উত্তর খোঁজার চেষ্টা করেছে। dev.to AI সূত্রে জানা গেছে, এই গবেষণার লক্ষ্য হলো বাইনারি নেটওয়ার্কের সুবিধা ধরে রেখে নির্ভুলতার দিক থেকে বড় মডেলের কাছাকাছি পৌঁছানো।
বাইনারি নিউরাল নেটওয়ার্কে ওজনের মান শুধু 0 বা 1 হয়। এর ফলে মডেলের আকার 32 গুণেরও বেশি কমে যায় এবং শক্তি খরচ নাটকীয়ভাবে হ্রাস পায়। অন্যদিকে, MobileNet-এর মতো পূর্ণাঙ্গ নেটওয়ার্কে 32-বিট ফ্লোটিং পয়েন্ট সংখ্যা ব্যবহার করা হয়, যা বেশি নির্ভুলতা দিলেও অনেক বেশি মেমোরি ও শক্তি খরচ করে। MeliusNet এই দুইয়ের মধ্যে একটি ভারসাম্য আনার চেষ্টা করছে।
গবেষকরা MeliusNet-এ বিশেষ কিছু ডিজাইন পরিবর্তন এনেছেন। তারা বাইনারি কনভোলিউশন স্তরের পাশাপাশি কিছু ফুল-প্রিসিশন শর্টকাট সংযোগ ব্যবহার করেছেন। এই সংযোগগুলো মডেলটিকে গুরুত্বপূর্ণ তথ্য ধরে রাখতে সাহায্য করে। প্রাথমিক ফলাফলে দেখা গেছে, MeliusNet ImageNet ডেটাসেটে MobileNet-এর কাছাকাছি নির্ভুলতা দেখাতে সক্ষম হয়েছে, যদিও এখনও কিছুটা পিছিয়ে আছে।
এই গবেষণার সবচেয়ে বড় সম্ভাবনা হলো এটি এআইকে আরও সহজলভ্য করে তুলতে পারে। ছোট আকার এবং কম শক্তি খরচের কারণে MeliusNet স্মার্টফোন, IoT ডিভাইস, সেন্সর এবং অন্যান্য সম্পদ-সীমিত পরিবেশে সরাসরি চালানো যাবে। বর্তমানে অনেক এআই মডেল ক্লাউডে চলে, কিন্তু MeliusNet-এর মতো প্রযুক্তি ডিভাইসের ভেতরেই দ্রুত ও নিরাপদ প্রক্রিয়াকরণ সম্ভব করবে।
বাংলাদেশের প্রেক্ষাপটে এই গবেষণার গুরুত্ব অনেক। দেশের ফ্রিল্যান্সার ও ডেভেলপাররা কম খরচে তাদের নিজস্ব ডিভাইসে এআই অ্যাপ্লিকেশন তৈরি করতে পারবেন। শিক্ষার্থীরা গবেষণার জন্য ব্যয়বহুল GPU ছাড়াই বাইনারি নেটওয়ার্ক নিয়ে পরীক্ষা-নিরীক্ষা চালাতে পারবে। ব্যবসায়িক ক্ষেত্রেও কম্পিউটার ভিশন বা ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিংয়ের মতো কাজে এটি কার্যকর ভূমিকা রাখতে পারে।
MeliusNet এখনও গবেষণার স্তরে রয়েছে। তবে এটি প্রমাণ করেছে যে বাইনারি নেটওয়ার্কের ভবিষ্যৎ উজ্জ্বল। ভবিষ্যতে আরও উন্নত ডিজাইন ও ট্রেনিং কৌশল ব্যবহার করে এই প্রযুক্তি MobileNet-কেও ছাড়িয়ে যেতে পারে। এর ফলে এআই আরও সবার জন্য উন্মুক্ত হবে, শুধু বড় কোম্পানির হাতে সীমাবদ্ধ থাকবে না।
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 AI
সোর্স দেখুন ↗মন্তব্য০
লোড হচ্ছে...