ই-কমার্সে AI খরচ ১৫ গুণ কম, নির্ভুলতা বাড়লো বাংলাদেশেও
একটি ফাইন-টিউনড DistilBERT মডেল ই-কমার্সের নির্দিষ্ট ইন্টেন্ট ক্লাসিফিকেশন কাজে GPT-4o mini-কে ছাড়িয়ে গেছে। গবেষণায় দেখা গেছে, খরচ মাত্র ১৫ ভাগের এক ভাগ হওয়া সত্ত্বেও নির্ভুলতা বেশি। এটি প্রমাণ করে যে ছোট এনকোডার মডেলগুলো নির্দিষ্ট লেবেলভিত্তিক কাজে এখনও কার্যকর।
একটি ফাইন-টিউনড DistilBERT মডেল ই-কমার্সের নির্দিষ্ট ইন্টেন্ট ক্লাসিফিকেশন কাজে GPT-4o mini-কে ছাড়িয়ে গেছে। গবেষণায় দেখা গেছে, খরচ মাত্র ১৫ ভাগের এক ভাগ হওয়া সত্ত্বেও নির্ভুলতা বেশি। এটি প্রমাণ করে যে ছোট এনকোডার মডেলগুলো নির্দিষ্ট লেবেলভিত্তিক কাজে এখনও কার্যকর।
জন নামের একজন মেশিন লার্নিং ইঞ্জিনিয়ার ই-কমার্সের জন্য তৈরি একটি ফাইন-টিউনড DistilBERT মডেলের মাধ্যমে GPT-4o mini-কে নির্ভুলতায় ছাড়িয়ে গেছেন। তিনি এই মডেলটি মাত্র এক বিকেলে তৈরি করেছেন এবং ক্লডের সহায়তা নিয়েছেন। গবেষণায় দেখা গেছে, এই কাস্টমাইজড মডেলটি GPT-4o mini-এর চেয়ে ভালো পারফর্ম করেছে এবং খরচ পড়েছে ১৫ গুণ কম।
এই গবেষণার মূল বার্তা হলো, ফাইন-টিউনড এনকোডার মডেলগুলো নির্দিষ্ট লেবেলভিত্তিক ক্লাসিফিকেশন কাজে এখনও অত্যন্ত প্রতিযোগিতামূলক। ই-কমার্স প্ল্যাটফর্মগুলোর জন্য ইন্টেন্ট ক্লাসিফিকেশন একটি গুরুত্বপূর্ণ কাজ। এটি বুঝতে সাহায্য করে যে একজন গ্রাহক কী চান — যেমন পণ্য খোঁজা, কেনাকাটা করা বা অভিযোগ করা।
গবেষক জন তার মডেলটিকে ই-কমার্সের নির্দিষ্ট ডোমেইনের জন্য টিউন করেছেন। তিনি দেখিয়েছেন যে GPT-4o mini-এর মতো বড় ল্যাঙ্গুয়েজ মডেলের চেয়ে ছোট, ফাইন-টিউনড মডেল বেশি কার্যকর হতে পারে যখন কাজটি সুনির্দিষ্ট এবং লেবেলভিত্তিক হয়। GPT-4o mini-এর তুলনায় এই মডেলের খরচ ১৫ গুণ কম হওয়ায় এটি ছোট ও মাঝারি ব্যবসার জন্য আরও সাশ্রয়ী।
প্রযুক্তিগত দিক থেকে, DistilBERT হলো BERT মডেলের একটি হালকা সংস্করণ যা দ্রুত কাজ করে এবং কম মেমোরি ব্যবহার করে। ফাইন-টিউনিং প্রক্রিয়ায় মডেলটিকে নির্দিষ্ট ডেটাসেটে প্রশিক্ষণ দেওয়া হয়। এখানে ই-কমার্স সম্পর্কিত হাজার হাজার উদাহরণ ব্যবহার করা হয়েছে। ফলস্বরূপ, মডেলটি ই-কমার্সের ভাষা ও প্যাটার্ন বুঝতে বিশেষজ্ঞ হয়ে উঠেছে।
বাংলাদেশের ডেভেলপার ও ফ্রিল্যান্সারদের জন্য এই গবেষণার বাস্তব অর্থ রয়েছে। ই-কমার্স খাতে কাজ করা স্টার্টআপ ও ব্যবসাগুলো এখন কম খরচে উন্নত ইন্টেন্ট ক্লাসিফিকেশন সিস্টেম তৈরি করতে পারে। এটি গ্রাহক সেবা স্বয়ংক্রিয় করতে, প্রোডাক্ট রিকমেন্ডেশন উন্নত করতে এবং বিক্রি বাড়াতে সাহায্য করবে। স্থানীয় ডেভেলপাররা এই পদ্ধতি অনুসরণ করে নিজেদের প্রোজেক্টে প্রয়োগ করতে পারেন।
ভবিষ্যতে এই ধরনের ফাইন-টিউনড মডেলের চাহিদা আরও বাড়বে বলে ধারণা করা হচ্ছে। বিশেষ করে যখন ব্যবসাগুলো তাদের নির্দিষ্ট প্রয়োজনের জন্য সাশ্রয়ী সমাধান খুঁজছে। জনের এই কাজ প্রমাণ করে যে বড় মডেল সবসময় সেরা নয় এবং ছোট, কাস্টমাইজড মডেল দিয়েও অসাধারণ ফলাফল পাওয়া সম্ভব।
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...