ব্যাকপ্রোপাগেশন ছাড়াই AI শিখলো, Sakana-র নতুন পদ্ধতি 96.7% নির্ভুল
Sakana AI এমন একটি প্রশিক্ষণ পদ্ধতি উদ্ভাবন করেছে যা ব্যাকপ্রোপাগেশন বা ওজন পরিবহনের প্রয়োজন ছাড়াই নিউরাল নেটওয়ার্ক শেখাতে পারে। এই পদ্ধতি MNIST ডেটাসেটে 96.7% এবং CIFAR-10-এ 61.7% নির্ভুলতা অর্জন করেছে।
Sakana AI এমন একটি প্রশিক্ষণ পদ্ধতি উদ্ভাবন করেছে যা ব্যাকপ্রোপাগেশন বা ওজন পরিবহনের প্রয়োজন ছাড়াই নিউরাল নেটওয়ার্ক শেখাতে পারে। এই পদ্ধতি MNIST ডেটাসেটে 96.7% এবং CIFAR-10-এ 61.7% নির্ভুলতা অর্জন করেছে।
Sakana AI একটি যুগান্তকারী গবেষণা প্রকাশ করেছে যা কৃত্রিম বুদ্ধিমত্তার প্রশিক্ষণের প্রচলিত ধারণাকে চ্যালেঞ্জ করছে। প্রতিষ্ঠানটি Error Diffusion নামে একটি নতুন প্রশিক্ষণ পদ্ধতি চালু করেছে যা ব্যাকপ্রোপাগেশন বা ব্যাকপ্রপের ওজন পরিবহন সমস্যা সম্পূর্ণভাবে এড়িয়ে যায়। এই পদ্ধতি MNIST ডেটাসেটে 96.7% এবং CIFAR-10 ডেটাসেটে 61.7% নির্ভুলতা অর্জন করেছে।
ব্যাকপ্রোপাগেশন বর্তমানে গভীর শিক্ষার সবচেয়ে গুরুত্বপূর্ণ ভিত্তি। কিন্তু এই পদ্ধতি ওজন পরিবহনের ওপর নির্ভর করে যা জৈবিক নিউরাল নেটওয়ার্কে বাস্তবায়ন করা সম্ভব নয়। Sakana AI-এর Error Diffusion পদ্ধতি এই সীমাবদ্ধতা কাটিয়ে উঠেছে। এটি ডেলের নীতি মেনে চলে এমন দ্বৈত-প্রবাহ উত্তেজক ও বাধাদানকারী নেটওয়ার্ক প্রশিক্ষণ দেয়।
গবেষকরা মডুলো এরর রাউটিং নামে একটি কৌশল ব্যবহার করেছেন। এই কৌশলটি ত্রুটিগুলোকে মডুলার উপায়ে পরিচালনা করে। এর ফলে নেটওয়ার্কটি ব্যাকপ্রোপাগেশন ছাড়াই শিখতে পারে। এই পদ্ধতি শুধু ইমেজ ক্লাসিফিকেশন নয় বরং রিইনফোর্সমেন্ট লার্নিংয়েও কার্যকর প্রমাণিত হয়েছে। গবেষণায় দেখা গেছে বিভিন্ন কাজের জন্য পদ্ধতির বিভিন্ন অংশের প্রভাব ভিন্ন।
এই গবেষণার সবচেয়ে উল্লেখযোগ্য দিক হলো এটি জৈবিক নিউরনের মতো কাজ করতে পারে। ডেলের নীতি অনুযায়ী একটি নিউরন শুধু উত্তেজক বা শুধু বাধাদানকারী সংকেত পাঠাতে পারে। Error Diffusion এই নীতি মেনে চলে যা প্রচলিত কৃত্রিম নিউরাল নেটওয়ার্কের চেয়ে বেশি বাস্তবসম্মত।
বাংলাদেশের জন্য এই গবেষণার গুরুত্ব অপরিসীম। দেশের শিক্ষার্থী ও গবেষকরা এখন ব্যাকপ্রোপাগেশন ছাড়াই নিউরাল নেটওয়ার্ক প্রশিক্ষণের বিকল্প পদ্ধতি পেয়েছেন। এটি কম্পিউটিং সম্পদ কম থাকা পরিবেশেও কার্যকর হতে পারে। ফ্রিল্যান্সার ও ডেভেলপাররা এই পদ্ধতি ব্যবহার করে আরও দক্ষ AI মডেল তৈরি করতে পারবেন। বিশেষ করে যারা জৈবিকভাবে অনুপ্রাণিত AI নিয়ে কাজ করছেন তাদের জন্য এটি একটি বড় সুযোগ।
ভবিষ্যতে Error Diffusion পদ্ধতি আরও বড় ডেটাসেটে পরীক্ষা করা হবে। Sakana AI জানিয়েছে তারা এই পদ্ধতিকে আরও উন্নত করার জন্য কাজ করছে। এই পদ্ধতি যদি ব্যাপকভাবে গ্রহণযোগ্য হয় তাহলে AI প্রশিক্ষণের খরচ ও জটিলতা উল্লেখযোগ্যভাবে কমে যাবে।
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...