বর্তমান সময়ে আমাদের তরুণ প্রজন্মকে সবচেয়ে বেশি যে পরামর্শটি দেওয়া হচ্ছে, সেটি হলো কৃত্রিম বুদ্ধিমত্তা (এআই) শেখো। পরামর্শটি নিঃসন্দেহে সঠিক, কিন্তু আমি লক্ষ করেছি, এ পরামর্শের সঙ্গে খুব কম ক্ষেত্রেই স্পষ্ট করে বলা হয় ঠিক কী শিখতে হবে, কোথা থেকে শুরু করতে হবে এবং কোন জ্ঞানটি না থাকলে বাকি সবকিছু অসম্পূর্ণ থেকে যাবে। ফলে আগ্রহী অনেক তরুণ দিশা খুঁজে না পেয়ে হয় হতাশ হচ্ছেন, নয়তো এমন কিছু নিয়ে সময় ব্যয় করছেন, যা তাদের প্রকৃত ভিত্তি তৈরিতে খুব একটা সাহায্য করছে না।

কোনো একটি কৃত্রিম বুদ্ধিমত্তার সফটওয়্যার ব্যবহার করতে জানা এবং কৃত্রিম বুদ্ধিমত্তা সম্পর্কে জানা, এ দুটি কখনোই এক বিষয় নয়। আজ যে কেউ কয়েক ঘণ্টার চেষ্টায় জনপ্রিয় কিছু জেনেরেটিভ কৃত্রিম বুদ্ধিমত্তা বা লার্জ ল্যাঙ্গুয়েজ মডেলনির্ভর সফটওয়্যার ব্যবহার করতে শিখে যেতে পারেন এবং সেটি অবশ্যই কাজের কথা, এটাকে আমি ভালো বলছি। কিন্তু সেই দক্ষতা দিয়ে একজন তরুণ শুধু ব্যবহারকারী হয়ে ওঠেন, নির্মাতা হন না বা হতে পারবেন না। যিনি নির্মাতা হতে চান, তাকে জানতে হয়, এই কৃত্রিম বুদ্ধিমত্তা নামক যন্ত্রটি কীভাবে শেখে, কেন ভুল করে, কোন তথ্যের ওপর দাঁড়িয়ে সিদ্ধান্ত নেয় এবং কোনো পরিস্থিতিতে তার সিদ্ধান্তকে বিশ্বাস করা যায় না। আমি মনে করি, এই দ্বিতীয় ধরনের জ্ঞানই একটি জাতিকে প্রযুক্তির ভোক্তা থেকে প্রযুক্তির উৎপাদকের পর্যায়ে নিয়ে যেতে পারে। এ জ্ঞানের ভিত্তি নিয়েই আমি আজ চারটি স্তরের কথা বলতে চাই।

প্রথমেই রয়েছে প্রোগ্রামিং দক্ষতা। এ দক্ষতা গড়ে উঠতে পারে পাইথন, আর, সি++ কিংবা জাভাস্ক্রিপ্টের মধ্যে যে কোনো একটি বা একাধিক ভাষার ওপর ভিত্তি করে। এখানে একটি প্রচলিত ভুল ধারণা ভাঙা দরকার। সব প্রোগ্রামিং ভাষা একজনকেই শিখতে হবে, এমনটা কখনোই নয়; বরং একটি ভাষার ওপর গভীরভাবে জোর দিয়েই যে কেউ কৃত্রিম বুদ্ধিমত্তার জ্ঞানচর্চা এবং বিভিন্ন ফাংশনের সৃষ্টি ও প্রয়োগ শিখে নিতে পারেন। এ ভাষাগুলো সাধারণত কৃত্রিম বুদ্ধিমত্তার প্রোগ্রাম লিখতে, সেটি পরীক্ষা করতে এবং বাস্তবে প্রয়োগ করতে ব্যবহৃত হয়। প্রোগ্রামিংয়ের পাশাপাশি সমান জরুরি হলো গণিতের শক্ত ভিত্তি, বিশেষ করে বীজগণিত, ক্যালকুলাস, সম্ভাব্যতা ও পরিসংখ্যান, কারণ এগুলো ছাড়া কৃত্রিম বুদ্ধিমত্তার এলগরিদম ও মডেল তৈরি করা কিংবা তার ফলাফল সঠিকভাবে ব্যাখ্যা করা সম্ভব হয় না।

দ্বিতীয় স্তরে রয়েছে মেশিন লার্নিং, অর্থাৎ যন্ত্রের শেখার পদ্ধতিগুলো সম্পর্কে স্পষ্ট ধারণা। এর মধ্যে অন্তর্ভুক্ত সুপারভাইজড লার্নিং, যেখানে সঠিক উত্তর আগে থেকে জানিয়ে দিয়ে যন্ত্রকে শেখানো হয়; আনসুপারভাইজড লার্নিং, যেখানে যন্ত্র নিজেই ডেটার ভেতরের লুকানো ধরন বা প্যাটার্ন খুঁজে বের করে; রিইনফোর্সমেন্ট লার্নিং, যেখানে যন্ত্র চেষ্টা ও ভুলের মধ্য দিয়ে পুরস্কার ও শাস্তির ভিত্তিতে শিখতে থাকে; এবং নিউরাল নেটওয়ার্ক, যা মানুষের মস্তিষ্কের স্নায়ুকোষের সংযোগের আদলে তৈরি একটি গাণিতিক কাঠামো। আমার নিজের অভিজ্ঞতার আলোকে আমি বলতে পারি, আমাদের তরুণ প্রজন্ম যদি এ বিষয়গুলোর ওপর যথেষ্ট সময় ব্যয় করে, তাহলে তারা উপকৃত না হয়ে পারেই না।

তৃতীয় স্তরটি হলো ডেটা এবং আমি মনে করি আমাদের দেশে এটিই সবচেয়ে অবহেলিত স্তর। আজকের জ্ঞানবিজ্ঞানের পৃথিবী দাঁড়িয়ে আছে বিগ ডেটার ওপরে, আর আমাদের ব্যবসার জগৎ দিন দিন কৃত্রিম বুদ্ধিমত্তা নির্ভরতার দিকে অত্যন্ত দ্রুতগতিতে ধাবিত হচ্ছে। বিগ ডেটা বলতে বোঝায় কাঠামোগত, অকাঠামোগত ও আধা-কাঠামোগত তথ্যের এমন এক বৃহৎ ও বৈচিত্র্যপূর্ণ সংগ্রহ, যা আয়তন, গতি ও বৈচিত্র্যের দিক থেকে এতটাই বিশাল ও জটিল যে, সাধারণ ডেটা ব্যবস্থাপনা পদ্ধতি দিয়ে তা সংরক্ষণ, প্রক্রিয়াকরণ বা বিশ্লেষণ করা যায় না।

তাত্ত্বিক ধারণার সঙ্গে প্রয়োজন হাতে-কলমে তিনটি দক্ষতা। প্রথমটি ডেটা সংগ্রহ, অর্থাৎ নির্দিষ্ট প্রশ্নের উত্তর পাওয়ার জন্য প্রতিষ্ঠিত পদ্ধতি অনুসরণ করে তথ্য সংগ্রহ ও পরিমাপ করা, যেখানে সততা ও নির্ভুলতাই মূল শর্ত। দ্বিতীয়টি ডেটা পরিষ্কারকরণ (Data Cleaning), অর্থাৎ একটি ডেটাসেটের ভেতরে থাকা ভুল, দূষিত, অসম্পূর্ণ কিংবা একই তথ্যের পুনরাবৃত্তিকে সংশোধন করা বা বাদ দেওয়া; একাধিক উৎস থেকে ডেটা একত্র করার সময় এ সমস্যা প্রায় অনিবার্য এবং ডেটা ভুল থাকলে এলগরিদম কখনোই সঠিক বিশ্লেষণ দিতে পারে না। তৃতীয়টি ডেটা ভিজ্যুয়ালাইজেশন, অর্থাৎ চার্ট, গ্রাফ ও মানচিত্রের মতো উপকরণ ব্যবহার করে তথ্যের প্রবণতা ও ধরন এমনভাবে উপস্থাপন করা, যাতে প্রযুক্তির সঙ্গে সরাসরি যুক্ত নন এমন একজন পাঠক বা ব্যবসার মালিকও বিষয়টি বিভ্রান্তি ছাড়া বুঝতে পারেন। এর সঙ্গে দরকার জুপিটার নোটবুক, টেনসরফ্লো, পাইটর্চ ও স্কিট-লার্নের মতো প্ল্যাটফর্মে কাজ করার সক্ষমতা, কারণ কৃত্রিম বুদ্ধিমত্তার মডেল তৈরি, ট্রেনিং এবং টেস্টিং এ ধরনের পরিবেশেই সম্পন্ন হয়।

চতুর্থ এবং শেষ স্তরটি প্রযুক্তিগত নয়, কিন্তু আমার বিচারে এটিই সবচেয়ে গুরুত্বপূর্ণ। কৃত্রিম বুদ্ধিমত্তা নিয়ে কাজ শুরু করার আগেই এ প্রজন্মের কৃত্রিম বুদ্ধিমত্তার নৈতিকতা, পক্ষপাতিত্ব এবং এর সামাজিক প্রভাব সম্পর্কে বিস্তৃত জ্ঞান থাকা অত্যন্ত জরুরি। এর সঙ্গে প্রয়োজন খাতভিত্তিক অন্তর্দৃষ্টি, কারণ কৃষি, স্বাস্থ্যসেবা, শিক্ষা কিংবা দুর্যোগ ব্যবস্থাপনার প্রকৃত সমস্যাটি না বুঝলে সেই সমস্যার জন্য কার্যকর সমাধান নকশা করা কোনোভাবেই সম্ভব নয়। বাস্তব অভিজ্ঞতা অর্জনের জন্য শিল্প ও ব্যবসা ক্ষেত্রের অংশীদারদের সঙ্গে যোগাযোগ স্থাপন করাও এ স্তরেরই অংশ।

এখানে অনেকের মনে স্বভাবতই একটি আশঙ্কা জাগতে পারে, এত বিষয় কি একজন তরুণের পক্ষে আয়ত্ত করা সম্ভব? আমার উত্তর হলো, তার প্রয়োজনই নেই। একটি প্রোগ্রামিং ভাষা, একটি খাতের গভীর বোঝাপড়া এবং ডেটার প্রতি সৎ দৃষ্টিভঙ্গি, এ তিনটি দিয়ে শুরু করলেই একজন তরুণ কাজে নেমে পড়তে পারেন; বাকিটা কাজের ভেতর দিয়েই ধীরে ধীরে আসতে থাকে। আরেকটি আশঙ্কা প্রায়ই শোনা যায় যে, কৃত্রিম বুদ্ধিমত্তা ও অটোমেশন এলে মানুষের কাজ কমে যাবে। কিন্তু বাস্তবতা হলো, এ প্রযুক্তি বরং নতুন ধরনের এবং উচ্চমানের কর্মসংস্থান সৃষ্টি করে। আজ আমরা যেসব নতুন পেশার কথা বলতে পারি, তার মধ্যে রয়েছে ডেটা অ্যানালিস্ট, ডেটা ইঞ্জিনিয়ার, মেশিন লার্নিং ইঞ্জিনিয়ার, এআই প্রোডাক্ট ম্যানেজার এবং কৃত্রিম বুদ্ধিমত্তার নৈতিকতা ও নিরীক্ষাবিষয়ক বিশেষজ্ঞ।

এখন আসা যাক সবচেয়ে জরুরি প্রশ্নে, এ জ্ঞানের ভিত্তি আমাদের শিক্ষাব্যবস্থায় কীভাবে সংযুক্ত করা যেতে পারে। আমি মনে করি, কাজটি শুরু করতে হবে প্রাথমিক স্তর থেকেই। প্রাথমিক পর্যায়ে শিশুদের কৃত্রিম বুদ্ধিমত্তার সাধারণ ব্যবহারগুলো সম্পর্কে সম্যক ধারণা দেওয়া যেতে পারে, যেমন এ প্রযুক্তি প্রচলিত আইসিটিকে কীভাবে মানুষের অনুকরণীয় পর্যায়ে নিয়ে যায়, কেন তা প্রয়োজন, এর ভালো ও খারাপ দিকগুলো কী এবং সমাজের প্রয়োজনে এটি কীভাবে কাজে লাগানো যায়। মাধ্যমিক পর্যায়ে শিক্ষার্থীরা নৈতিকতার পাঠের সঙ্গে সঙ্গে বিদ্যালয়ের আইসিটি শিক্ষকদের তত্ত্বাবধানে ছোট পরিসরে কৃত্রিম বুদ্ধিমত্তাচালিত প্রকল্প তৈরি ও প্রয়োগের ব্যবহারিক অভিজ্ঞতা নিতে পারে। উন্নত দেশগুলোতে শিক্ষাসহায়ক হিসাবে এ প্রযুক্তির ব্যবহার এখন বহুল প্রচলিত; কৃত্রিম বুদ্ধিমত্তাচালিত ব্যবস্থা প্রতিটি শিক্ষার্থীর নিজস্ব শেখার গতি ও ধরনের সঙ্গে পাঠকে খাপ খাইয়ে নিতে পারে, যাতে কোনো শিশুই পিছিয়ে না থাকে। ইন্টারেক্টিভ লার্নিং টুলস কিংবা কৃত্রিম বুদ্ধিমত্তাভিত্তিক গেম ও অ্যাপ গণিত, বিজ্ঞান ও ভাষার মতো বিষয়গুলোকে আরও আকর্ষণীয় করে তুলতে পারে, আর অনুবাদ ও ভয়েস রিকগনিশনের সহায়তায় শিক্ষার্থীরা ইংরেজির পাশাপাশি নিজের মাতৃভাষায়ও শিখতে পারে।

উচ্চশিক্ষার স্তরে আমার প্রস্তাবনা আরও স্পষ্ট। দক্ষ জনশক্তি গড়ে তোলার জন্য প্রতিটি বিশ্ববিদ্যালয়ে কৃত্রিম বুদ্ধিমত্তা গবেষণা কেন্দ্র চালু করা এখন অত্যন্ত জরুরি। সরকারি ও বেসরকারি উদ্যোগে এ প্রযুক্তির গবেষণার জন্য সমৃদ্ধ তহবিল গঠন করতে হবে, শিক্ষার্থীদের পাঠক্রমে প্রয়োজনীয় বিষয়গুলো সংযোজন করতে হবে এবং দেশে ও বিদেশে অবস্থানরত বাংলাদেশি কৃত্রিম বুদ্ধিমত্তা শিক্ষক ও গবেষকদের দিয়ে শিক্ষার্থীদের পাঠদানের ব্যবস্থা করতে বিশ্ববিদ্যালয় কর্তৃপক্ষের সদয় ভূমিকা রাখা অত্যন্ত গুরুত্বপূর্ণ। এ প্রযুক্তি গবেষণার গতিও বাড়িয়ে দিতে পারে, কারণ ডেটা বিশ্লেষণ, নমুনা পর্যালোচনা ও উদ্ভাবনের কাজে কৃত্রিম বুদ্ধিমত্তার টুলস ব্যবহার করা সম্ভব।

বর্তমানে বাংলাদেশে কৃত্রিম বুদ্ধিমত্তার প্রতি মানুষের জ্ঞান অন্বেষণের আগ্রহ ক্রমবর্ধমান। সেই আগ্রহকে কাজে লাগিয়ে সরকারি সহযোগিতায় স্বল্প পরিসরের কিছু কোর্স চালু করা এখন সময়ের দাবি, যেগুলো হতে পারে পাইথন, মেশিন লার্নিং, কম্পিউটার ভিশন, ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এবং জেনারেটিভ এআইর মতো বিষয়ের ওপর। আশার কথা হলো, রাষ্ট্রীয় পর্যায়ে এ উপলব্ধি ইতোমধ্যেই তৈরি হয়েছে।

আমাদের তরুণ প্রজন্মের হাতে যদি উপরে আলোচিত এ চারটি স্তরের ভিত্তি সঠিকভাবে তুলে দেওয়া যায়, তাহলে তারা শুধু চাকরির প্রার্থী হয়ে থাকবে না, বরং তারা হয়ে উঠবে আধুনিক প্রযুক্তির নির্মাতা এবং কর্মসংস্থানের সৃষ্টিকর্তা। কৃত্রিম বুদ্ধিমত্তার সঠিক জ্ঞান, রাষ্ট্রের সদিচ্ছা এবং আমাদের তরুণ প্রজন্মের অদম্য মেধা, এ তিনে মিলে আমরা গড়ে তুলব একটি স্বনির্ভর, টেকসই ও সমৃদ্ধ বাংলাদেশ, যা অদূর ভবিষ্যতে বিশ্বের বুকে মাথা উঁচু করে দাঁড়াবে।

ড. শাহ জে মিয়া : প্রফেসর অফ বিজনেস অ্যানালিটিক্স অ্যান্ড অ্যাপ্লাইড এআই, নিউক্যাসল ইউনিভার্সিটি, নিউ সাউথ ওয়েলস, অস্ট্রেলিয়া; ভারপ্রাপ্ত সভাপতি, জাতীয়তাবাদী আইসিটি ফোরাম