বিনিয়োগ

গুগল (এখনও) অগ্রগামী কৃত্রিম বুদ্ধিমত্তা

বর্ণমালা (নাসডাক:গুগ) ( NASDAQ: GOOGL )এটি তার শিল্প-নেতৃস্থানীয় সার্চ ইঞ্জিন, Google এর জন্য সর্বাধিক পরিচিত। কিন্তু যদিও এই টুলটি সারা বিশ্বে ব্যাপকভাবে গ্রহণ করা হয়েছে, তবে বেশিরভাগ লোক সম্ভবত প্রযুক্তিটিকে হুডের অধীনে বিবেচনা করে না। ভাষা বুঝতে এবং আরও সঠিক ফলাফল প্রদানের জন্য Google অনুসন্ধান কৃত্রিম বুদ্ধিমত্তার উপর নির্ভর করে। অন্য কথায়, এটি অনুসন্ধান বারে শুধু কী টাইপ নয়, আপনি কী বোঝাতে চান তা ব্যাখ্যা করার চেষ্টা করে।

যাইহোক, Google এর চেয়ে Alphabet-এ আরও অনেক কিছু রয়েছে এবং এটি এখনও তার বিভিন্ন ব্যবসায় কৃত্রিম বুদ্ধিমত্তার জন্য নতুন ব্যবহারের ক্ষেত্রে অগ্রগামী। এই গোপনে পাস ভিডিও, যা সম্প্রচারিত হয়েছে ২৭ সেপ্টেম্বর, ২০২১ , Motley Fool এর অবদানকারী জন ব্রোমেলস আলফাবেট কৃত্রিম বুদ্ধিমত্তা ব্যবহার করার কয়েকটি উপায় নিয়ে আলোচনা করেছেন।

জন ব্রমেলস: কৃত্রিম বুদ্ধিমত্তা সম্পর্কে কথা বলতে গেলে, প্রথম যে নামটি আমার মনে আসে তা হল বর্ণমালা। টিকারের প্রতীক হল GOOG এবং GOOGL। এই একটু সহজ সহকর্মী. যে আসলে আমি কি মত চেহারা যখন আমি একটি পর্দায় অভিক্ষিপ্ত না, এই হলুদ সহকর্মী এখানে. আমরা Google-কে একটি সার্চ ইঞ্জিন, ব্যবসায়িক স্যুট এবং অন্যান্য বিভিন্ন জিনিস হিসাবে মনে করি। কিন্তু গুগল আসলে পর্দার আড়ালে অনেক কিছু করছে, গুগল বিশেষভাবে এবং বর্ণমালা।





কিভাবে বার্ষিক মোট আয় গণনা করা যায়

অন্যান্য কোম্পানিগুলি সাধারণভাবে অ্যালফাবেটের অংশ, আসলে পর্দার আড়ালে অনেক কিছু করছে, বিশেষ করে কৃত্রিম বুদ্ধিমত্তায়। অনেক আধুনিক এবং সমসাময়িক কৃত্রিম বুদ্ধিমত্তার কাজের জন্য মঞ্চ তৈরি করতে, আপনাকে আসলে 1997-এ ফিরে যেতে হবে যখন আইবিএম এর ডিপ ব্লু প্রথম দাবাতে আন্তর্জাতিক গ্র্যান্ডমাস্টার গ্যারি কাসপারভকে হারিয়েছে। এটি বিবেচনা করে এটি একটি বড় চুক্তি ছিল, এবং লোকেরা এটি মনে রাখে না, ডিপ ব্লু আসলে এটি করতে ব্যর্থ হয়েছিল। এটি গ্যারি কাসপারভ খেলেছে এবং হেরেছে। এটি '97 সালে একটি রিম্যাচ ছিল এবং জিততে সক্ষম হয়েছিল। অবশ্যই ডিপ ব্লু আইবিএম এর জিনিস। IBM 2011 সালে বিশ্বকে চমকে দিয়েছিল যখন এটি ওয়াটসন কেন জেনিংস এবং ব্র্যাড রুটারকে বিপদে পরাজিত করেছিল। কিন্তু গুগল আসলে কয়েক বছর পরে 2017 সালে শিরোনাম করেছিল এবং এটিই ছিল বড় পুরস্কার। এটি AlphaGo কম্পিউটার 2017 সালে একটি চাইনিজ গো মাস্টারকে পরাজিত করে তিনটি গেম।

সম্ভাব্য চালের সংখ্যা এবং সম্ভাব্য পুনরাবৃত্তির সংখ্যার দিক থেকে গো দাবার চেয়ে অনেক বেশি জটিল যে গুগল আইবিএম ডিপ ব্লু-এর সাথে যা করেছে তা করেনি। 1997 ডিপ ব্লুতে, আক্ষরিক অর্থে প্রোগ্রামাররা ডিপ ব্লুকে প্রতিটি সম্ভাব্য স্থানান্তর বিবেচনা করে এবং প্রতিটি একক সম্ভাবনা পরীক্ষা করার জন্য বাইরে যেতে বাধ্য করেছিল এবং তারপরে ফিরে যান এবং এটি যে শাখাটি স্থাপন করেছিল তার থেকে যেটি সবচেয়ে সম্ভাব্য গড় সংমিশ্রণ ছিল তা বেছে নিন কারণ Go হাজার হাজার এবং আরও অনেক সম্ভাব্য পদক্ষেপের সাথে হাজার হাজার গুণ বেশি জটিল। আমি বলতে চাচ্ছি, আমি বিশ্বাস করি যে কোনও প্রদত্ত গো গেমে ট্রিলিয়ন সম্ভাব্য চাল বা সম্ভাব্য সিকোয়েন্সের মতো কিছু আছে। AlphaGo, যা ছিল Google এর প্রজেক্ট, তারা নিজে থেকেই তা শিখিয়েছে। সেরা অনুশীলন এবং সর্বোত্তম কৌশল কী ছিল তা নির্ধারণ করতে গেমগুলির বিরুদ্ধে নিজেকে খেলছেন৷ সেই প্রক্রিয়ার বাইরে, এটি আসলে, দাবা এবং গো জিনিসগুলি এই AI এবং মেশিন লার্নিং সমস্যাগুলি সমাধান করার জন্য Google এবং Alphabet-এর আগ্রহকে চালু করেছে। AI এবং মেশিন লার্নিং-এ Google এবং Alphabet যা করার চেষ্টা করছে তার সমস্ত কিছুর মধ্য দিয়ে যেতে অনেক সময় লাগবে কারণ তাদের অসংখ্য প্রকল্প রয়েছে। কিন্তু আমি শুধু তাদের একটি হাইলাইট চেয়েছিলেন.



মার্জিন ট্রেডিং কি

ডিপমাইন্ড হল অ্যালফাবেট সাবসিডিয়ারির নাম, যেমন গুগল একটি অ্যালফাবেট সাবসিডিয়ারি, ডিপমাইন্ড হল অ্যালফাবেট সাবসিডিয়ারি যেটি বিশেষভাবে AI এবং মেশিন লার্নিংকে দেখছে। গুগল প্রোটিন ভাঁজ প্রশ্ন এটি চালু. এটি বায়োটেকের একটি খুব নির্দিষ্ট প্রক্রিয়া। যখন একটি প্রোটিন একগুচ্ছ অ্যামিনো অ্যাসিড থেকে তৈরি হয়, তখন এটি এই অ্যামিনো অ্যাসিডগুলি নেয়, যেগুলি সমস্ত উলের স্ট্রিং উলের চেইনের মতো আকৃতির এবং এটি তাদের ভাঁজ করে এই ধরণের 3D কাঠামোতে গঠন করে। অনেকটা অরিগামি পাখি বা অন্যান্য প্রাণীর মধ্যে কাগজের টুকরো ধরে রাখার মতো। জিনিসটি হল, এটি একই ইমিউনো অ্যাসিডের অনেকগুলি ব্যবহার করে, এটি তাদের এই কাঠামোতে গঠন করতে পারে তবে প্রতিটি কাঠামো নির্ধারণ করে যে প্রোটিন কী করতে পারে। আপনি একই কাগজের টুকরো নিতে এবং অসংখ্য অরিগামি প্রাণীর মধ্যে এটি ভাঁজ করতে পারেন বলে মনে করুন। প্রোটিনের ক্ষেত্রেও একই কথা।

যাইহোক, যদি আপনার প্রোটিন কিছুটা বন্ধ থাকে, যদি এটি সামান্য ভুল ভাঁজ হয়ে যায়, তবে এটি সিস্টিক ফাইব্রোসিসের মতো জিনিসগুলি সহ জিনগত সমস্যাগুলির সম্পূর্ণ হোস্টের কারণ হতে পারে। এটি একটি প্রোটিনের ফল যা সামান্য ভিন্নভাবে গঠিত হয়। একটি একক প্রোটিনের গঠন এবং ভাঁজ বিশ্লেষণ করতে এবং ল্যাবে এটি কীভাবে কাজ করবে তা ভবিষ্যদ্বাণী করতে সক্ষম হতে কয়েক বছর এবং টন এবং টন অর্থ এবং গবেষণা সময় লাগতে পারে।

Alphabet-এর DeepMind 2016 সালে এই সমস্যাটি সমাধান করার চেষ্টা করার সিদ্ধান্ত নিয়েছে, তারা 2016 সালে AI-তে কাজ শুরু করে। 2018 সালে, তাদের AlphaFold নামক এই প্রোগ্রামটি রয়েছে, এটি দ্বিবার্ষিক নগদ প্রতিযোগিতায় সবেমাত্র জয়লাভ করে, যা দেখার জন্য একটি দ্বিবার্ষিক প্রতিযোগিতা। যদি আমরা ভবিষ্যদ্বাণী করতে পারি যে অ্যামিনো অ্যাসিডগুলির উপর ভিত্তি করে প্রোটিনগুলি কীভাবে তৈরি হবে যা মূলত এই বছরের এবং বছরের গবেষণাগারের কাজ এবং এই সমস্ত অর্থের ভবিষ্যদ্বাণী দ্বারা প্রতিলিপি করে।



বেজোস কতটা অ্যামাজনের মালিক

তারপরে, ঠিক গত বছর 2020 সালে, DeepMind AlphaFold 2 নিয়ে ফিরে এসেছিল, দুই বছর পরে, এবং মূলত, ঘোষণা করেছিল যে এই সমস্যাটি সমাধান করা হয়েছে কারণ AlphaFold 2 সাধারণ ভবিষ্যদ্বাণী মডেলিং দ্বারা প্রতিলিপি করতে সক্ষম হয়েছিল। প্রকৃত প্রোটিনের দিকে তাকিয়ে, ল্যাবে বিজ্ঞানীদের বছরের পর বছর যা লাগে তা মূলত প্রতিলিপি করতে সক্ষম হয়েছিল। এটি ভবিষ্যদ্বাণী করতে সক্ষম হয়েছিল, 'হ্যাঁ, এটি দেখতে কেমন হবে।' এটি বায়োটেক এবং জেনেটিক কাজ এবং অন্যান্য রোগ এবং অবস্থার চিকিত্সা ক্ষেত্রের জন্য অবিশ্বাস্য প্রভাব রয়েছে। এটি ঠিক আক্ষরিকভাবে একটি জিনিসের মতো যা গুগল এবং বর্ণমালা কয়েক ডজন জিনিসের মধ্যে করছে যা তারা এই ক্ষেত্রে করছে।



^