Machine Learning, Deep Learning ও LLM
- AI, ML, DL ও LLM-এর সম্পর্ক একটি চিত্রে ব্যাখ্যা করতে পারবেন
- প্রতিটির একটি বাস্তব উদাহরণ দিতে পারবেন
- সব AI যে ML নয় এবং সব ML যে DL নয় তা দেখাতে পারবেন
সমস্যাটা কী?
আগের পাঠের দোকানের মালিক তিনজন বিক্রেতার কাছে তিন রকম কথা শুনলেন: একজন বলল “আমাদের ML সমাধান”, আরেকজন “Deep Learning”, তৃতীয়জন “LLM চ্যাটবট”। তিনটি কি একই জিনিস ভিন্ন নামে? কোনটি তার সমস্যার জন্য দরকার?
শেখার লক্ষ্য
- AI, ML, DL ও LLM-এর সম্পর্ক একটি চিত্রে ব্যাখ্যা করতে পারবেন
- প্রতিটির একটি বাস্তব উদাহরণ দিতে পারবেন
- সব AI যে ML নয় এবং সব ML যে DL নয় তা দেখাতে পারবেন
পূর্বশর্ত
ব্যাখ্যা
এগুলো একটির ভেতরে আরেকটি—এমন বৃত্তের মতো:
- AI (Artificial Intelligence): সবচেয়ে বড় বৃত্ত। হাতে লেখা নিয়মের এক্সপার্ট সিস্টেম, সার্চ অ্যালগরিদম (যেমন দাবা খেলার প্রোগ্রাম) সবই এতে পড়ে।
- মেশিন লার্নিং (Machine Learning, ML): AI-এর সেই অংশ যেখানে নিয়ম হাতে না লিখে উদাহরণ (ডেটা) থেকে একটি ফাংশন খুঁজে নেওয়া হয়। যেমন ১০,০০০টি লেবেল-করা মেসেজ থেকে শ্রেণিবিভাগ শেখা।
- ডিপ লার্নিং (Deep Learning, DL): ML-এর সেই অংশ যেখানে ফাংশনটি হলো বহু স্তরের neural network। ছবি, শব্দ, টেক্সটের মতো জটিল ডেটায় এটি খুব কার্যকর।
- বৃহৎ ভাষা মডেল (Large Language Model, LLM): DL-এর একটি ধরন—সাধারণত Transformer আর্কিটেকচার—যা বিপুল টেক্সটে শেখানো হয় পরবর্তী token (শব্দাংশ) অনুমান করতে। চ্যাটবটগুলো এর ওপর তৈরি।
| স্তর | উদাহরণ | কখন যথেষ্ট |
|---|---|---|
| নিয়মভিত্তিক AI | “ফেরত” শব্দ থাকলে রিটার্ন টিমে পাঠাও | নিয়ম কম ও স্থির হলে |
| ক্লাসিক ML | শব্দ গণনা + logistic regression | লেবেল-করা ডেটা আছে, ফিচার সহজ |
| Deep Learning | ছবি দেখে ভাঙা পণ্য শনাক্ত | জটিল ইনপুট, অনেক ডেটা |
| LLM | মেসেজ পড়ে উত্তরের খসড়া লেখা | খোলা-প্রান্ত ভাষার কাজ |
উপমা — এবং কোথায় ভাঙে
উপমা: রাশিয়ান পুতুল (matryoshka): AI সবচেয়ে বড় পুতুল, ভেতরে ML, তার ভেতরে DL, তার ভেতরে LLM।
কোথায় ভাঙে: পুতুলে ভেতরের পুতুল বাইরেরটার ছোট কপি। কিন্তু LLM শুধু “ছোট AI” নয়—এটি সবচেয়ে বিশেষায়িত এবং প্রায়ই সবচেয়ে বড় ও ব্যয়বহুল। আর বাস্তব সিস্টেমে প্রায়ই সব স্তর একসাথে মিশে থাকে (নিয়ম + ML + LLM)।
ধাপে ধাপে উদাহরণ
দোকানের তিনটি কাজ নিয়ে সিদ্ধান্ত নিই:
- কাজ ১: “অর্ডার নম্বর” আছে কিনা দেখা। প্যাটার্ন স্থির (যেমন ORD-১২৩৪) → নিয়মই যথেষ্ট। ML লাগবে না।
- কাজ ২: মেসেজকে ৩টি বিভাগে ভাগ করা। ২০০০টি পুরনো লেবেল-করা মেসেজ আছে → ক্লাসিক ML দিয়ে শুরু করা যুক্তিসঙ্গত।
- কাজ ৩: বিনয়ী উত্তরের খসড়া লেখা। খোলা-প্রান্ত ভাষা তৈরি → LLM উপযোগী, কিন্তু মানুষের রিভিউ দরকার।
সিদ্ধান্তের নিয়ম: সবচেয়ে সরল পদ্ধতি দিয়ে শুরু করুন যা কাজটা নির্ভরযোগ্যভাবে করে।
অনুশীলন / অ্যাক্টিভিটি
নিচের প্রতিটি কাজের জন্য লিখুন কোন স্তর যথেষ্ট এবং কেন: (১) ফোন নম্বর ১১ অঙ্কের কিনা যাচাই, (২) পণ্যের ছবি থেকে রং চেনা, (৩) ২০০ শব্দের রিভিউকে ২ লাইনে সারাংশ করা, (৪) গত মাসের বিক্রি থেকে আগামী সপ্তাহের চাহিদা অনুমান।
লাইন ধরে বুঝি
এই পাঠে কোড নেই। মূল দক্ষতা হলো সমস্যা দেখে স্তর বাছাই করা। অধ্যায় ৪-এ ক্লাসিক ML, অধ্যায় ৫-এ neural network, অধ্যায় ৭–১০-এ LLM নিজে বানিয়ে দেখব।
এখানে এটা কেন ব্যবহার করেছি?
ভুল স্তর বাছাই করলে খরচ ও ঝুঁকি দুটোই বাড়ে। ১১ অঙ্ক যাচাইয়ে LLM ব্যবহার করলে ধীর, ব্যয়বহুল এবং মাঝে মাঝে ভুল—যেখানে একটি নিয়ম সবসময় ঠিক।
কোন বিষয়গুলো মনে রাখব?
- AI ⊃ ML ⊃ DL ⊃ LLM
- ML = উদাহরণ থেকে ফাংশন খোঁজা
- LLM = পরবর্তী token অনুমানের জন্য বিশাল টেক্সটে শেখানো DL মডেল
- সবচেয়ে সরল কার্যকর পদ্ধতি আগে
এখনই কোনগুলো মুখস্থ করতে হবে না?
- বিভিন্ন ML অ্যালগরিদমের নাম
- Transformer-এর ভেতরের গঠন (অধ্যায় ৯-এ আসবে)
নিজে পরিবর্তন করে দেখুন
ধরুন নিয়ম “ফেরত শব্দ থাকলে রিটার্ন টিম”। এমন তিনটি মেসেজ লিখুন যেখানে নিয়মটি ভুল করে (যেমন “ফেরত দিতে চাই না, শুধু সাইজ বদলাতে চাই”)। এটিই ML-এর দরকার বোঝার শুরু।
সাধারণ ভুল
- ML, DL, LLM-কে সমার্থক ভাবা
- প্রতিটি সমস্যায় LLM ব্যবহার করা
- ধরে নেওয়া যে নিয়মভিত্তিক সিস্টেম “AI নয়”—ঐতিহাসিকভাবে এটিও AI
জ্ঞান যাচাই
নিচের 3টি প্রশ্নের উত্তর দিয়ে “জমা দিন” চাপুন। স্কোর সার্ভারে যাচাই হয়; প্রতিটি উত্তরের পর কেন সঠিক বা ভুল তা দেখাবে। লগইন থাকলে ফল আপনার অগ্রগতিতে সংরক্ষিত হয়।
সংক্ষেপে মনে রাখুন
- চারটি স্তর একটির ভেতরে আরেকটি
- প্রতিটি স্তর আলাদা ধরনের সমস্যায় উপযোগী
- সমস্যা দেখে স্তর বাছাই করাই প্রকৌশলীর কাজ
পরবর্তী পাঠ
একটি মডেল তৈরি ও ব্যবহারের দুটি পর্যায় আছে—সেটাই পরের পাঠ: Training বনাম Inference
সূত্র ও যাচাই
জ্ঞান যাচাই
আপনার শেখার অগ্রগতি সংরক্ষণ করতে লগইন করুন।
এখানে প্রশ্ন করুন
আপনার শেখার অগ্রগতি সংরক্ষণ করতে লগইন করুন।