বর্তমানে একটি ভিন্ন ধরণের এআই তৈরি করা হচ্ছে, তথাকথিত "মূর্ত আইআই"। এটি এমন এজেন্টদের বোঝায় যেগুলির একটি দেহ রয়েছে এবং শারীরিক মিথস্ক্রিয়া সমর্থন করে যেমন বুদ্ধিমান পরিষেবা রোবট, স্ব-ড্রাইভিং গাড়ি ইত্যাদি।
মূর্ত এআই রোবটগুলি পরিবেশের সাথে যোগাযোগ করতে পারে, পরিকল্পনা করতে পারে, সিদ্ধান্ত নিতে পারে, কাজ করতে পারে এবং মানুষের মতো কাজ করতে পারে। উদাহরণস্বরূপ, রোবট ইউনিটকে কাঙ্ক্ষিত পৃষ্ঠের সমাপ্তি অর্জনের জন্য ইউনিটে স্থাপন করা একটি অংশের উপরের পৃষ্ঠকে স্যান্ডিংয়ের দায়িত্ব দেওয়া হয়েছে। প্রতিমূর্তিযুক্ত এআই ইউনিটের অবস্থা নিরীক্ষণ করতে এবং রোবটকে কাজ সম্পাদনের জন্য নির্দেশাবলী তৈরি করতে সেন্সর ব্যবহার করতে সক্ষম।
ডিজিটাল এআই এবং মূর্ত এআই কিছু মিল ভাগ করে এবং অনেকগুলি অন্তর্নিহিত প্রযুক্তি ব্যবহার করে। যাইহোক, এই দুই ধরণের এআই এর মধ্যে পার্থক্যগুলি বোঝা সফলভাবে এআই অ্যাপ্লিকেশনগুলিতে ডিজিটাল এআই পদ্ধতিগুলি সফলভাবে প্রয়োগ করার জন্য গুরুত্বপূর্ণ।
মূর্ত এআই অ্যাপ্লিকেশনগুলির ঝুঁকি প্রোফাইলটি প্রায়শই ডিজিটাল এআই অ্যাপ্লিকেশনগুলির থেকে মূলত পৃথক। যদি ডিজিটাল এআই সরঞ্জামগুলি 99 শতাংশ সঠিক হয় তবে এটি অনেক অ্যাপ্লিকেশনগুলিতে নাটকীয়ভাবে মানুষের উত্পাদনশীলতা উন্নত করতে পারে।
বিপরীতে, শিল্প অ্যাপ্লিকেশনগুলির ঝুঁকির কারণে, নির্দিষ্ট এআই সিস্টেমগুলির জন্য নির্ভুলতার প্রয়োজনীয়তা প্রায়শই ব্যাপকভাবে পরিবর্তিত হয়।
প্রধান ঝুঁকি দুটি দিক থেকে আসে: ত্রুটির সম্ভাবনা এবং ত্রুটির পরিণতি। যখন কোনও ভুল করার পরিণতিগুলি গুরুতর হয় না, তখন ত্রুটির উচ্চতর সম্ভাবনা সহ্য করা যায়। এই কারণেই অনেকগুলি ডিজিটাল এআই অ্যাপ্লিকেশনগুলিতে 1% ত্রুটির সম্ভাবনা গ্রহণযোগ্য।
বিপরীতে, অনেক মূর্ত এআই অ্যাপ্লিকেশনগুলির জন্য ত্রুটির সম্ভাবনার প্রয়োজন এক মিলিয়নের মধ্যে একের চেয়ে ভাল। ত্রুটির সম্ভাবনা হ্রাস করতে খাঁটি ডেটা-চালিত পদ্ধতির ব্যবহার করার জন্য প্রচুর ডেটা প্রয়োজন। বেশিরভাগ ক্ষেত্রে, তথ্যের চাহিদা তাত্পর্যপূর্ণভাবে বৃদ্ধি পাচ্ছে। দুর্ভাগ্যক্রমে, শারীরিক সিস্টেম থেকে ডেটা পাওয়ার ব্যয় বেশি। অতএব, মূর্ত এআই অ্যাপ্লিকেশনগুলির সাথে ডিল করার সময় একটি ভিন্ন পদ্ধতির অনুসরণ করা দরকার।
উপরের প্রয়োজনীয়তাগুলি পূরণ করতে, অ্যাপ্লিকেশনগুলির জন্য মূর্ত এআই এর নিম্নলিখিত বৈশিষ্ট্যগুলি থাকা উচিত:
সীমিত ডেটা সহ প্রশিক্ষণ: মূর্ত এআই প্রথমে পদার্থবিজ্ঞানের পরীক্ষা -নিরীক্ষা থেকে উত্পন্ন সীমিত ডেটা দিয়ে প্রশিক্ষণ দেওয়া যেতে পারে।
প্রাক-প্রশিক্ষিত মডিউলার উপাদানগুলি থেকে একত্রিত হতে পারে: শারীরিক সিস্টেমে তাদের উদ্দেশ্যযুক্ত প্রয়োজনগুলিকে সমর্থন করার জন্য একাধিক কনফিগারেশন থাকতে পারে। উদাহরণস্বরূপ, প্রক্রিয়াটি সম্পাদিত হচ্ছে তার উপর নির্ভর করে (যেমন স্যান্ডিং বা স্যান্ডব্লাস্টিং), উত্পাদন রোবট ইউনিট অনেকগুলি বিভিন্ন কনফিগারেশনে থাকতে পারে। বিভিন্ন ইউনিটের মধ্যে বিভিন্ন ফাংশন (যেমন মোবাইল প্ল্যাটফর্ম মাউন্টিং রোবট বা গ্যান্ট্রি মাউন্টিং রোবট), সেন্সর প্রকারগুলি (যেমন গভীরতা ক্যামেরা বা তাপীয় চিত্রগুলি) এবং সরঞ্জামগুলি (যেমন অরবিটাল স্যান্ডার্স বা স্যান্ডব্লাস্টিং অগ্রভাগ) অন্তর্ভুক্ত থাকতে পারে।
ফলস্বরূপ, ইউনিভার্সাল মূর্ত এআই বিকাশ করা যা সমস্ত উত্পাদন অ্যাপ্লিকেশনগুলির জন্য বাক্সের বাইরে কাজ করে তা খুব ভাল সম্পাদন করতে পারে না। নির্দিষ্ট সিস্টেম এবং কাজের পরিবেশের সেন্সিং এবং ড্রাইভিং সক্ষমতার সাথে মেলে মডুলার উপাদানগুলি থেকে সিস্টেমের এআইকে দ্রুত সংশ্লেষিত করা দরকার।
নতুন ডেটা বা প্রসঙ্গে অভিযোজিত হতে পারে: সিস্টেম স্থাপনার সময় নতুন ডেটা যেহেতু উপলভ্য হয়, এআই পারফরম্যান্স উন্নত করতে এই ডেটা ব্যবহার করা সম্ভব হওয়া উচিত। এআইকে স্বায়ত্তশাসিতভাবে নতুন পরিবেশ বা ন্যূনতম মানব তদারকির সাথে কার্যগুলিতে মানিয়ে নিতে সক্ষম হওয়া উচিত।
আপগ্রেড করা সহজ: সময়ের সাথে সাথে শারীরিক সিস্টেমের কার্যকারিতা শারীরিক উপাদানগুলিতে পরিধান এবং টিয়ার বা আপডেটের কারণে পরিবর্তিত হতে পারে। এটি সিস্টেমের বিবর্তনের সাথে তাল মিলিয়ে রাখতে পারে তা নিশ্চিত করার জন্য এআইয়ের উন্নতির প্রয়োজন হতে পারে। অতএব, এটি সিস্টেমের ক্রিয়াকলাপে ন্যূনতম বিঘ্নের সাথে আপগ্রেড করা যেতে পারে তা নিশ্চিত করার জন্য একটি মূর্ত এআই সিস্টেমকে ডিজাইন করা দরকার।
কর্মের জন্য ঝুঁকি-ভিত্তিক সুপারিশ: সিস্টেমটি প্রস্তাবিত ক্রিয়ায় তার আস্থা অনুমান করতে সক্ষম হওয়া উচিত। যখন আত্মবিশ্বাস কম থাকে, সিস্টেমের একটি ঝুঁকি বিশ্লেষণ করা উচিত এবং ব্যর্থতার পরিণতিগুলি বিশ্লেষণ করা উচিত। যদি ঝুঁকি খুব বেশি হয় তবে সিস্টেমটি মানব বিশেষজ্ঞদের কাছ থেকে সহায়তা নেওয়া উচিত।
ব্যাখ্যাযোগ্যতা: যদি সিস্টেমটি এমন কোনও ক্রিয়াকলাপের পরামর্শ দেয় যা ব্যবহারকারীর প্রত্যাশা পূরণ করে না, সিস্টেমটি ক্রিয়াটি নির্বাচন করার জন্য ব্যবহৃত কারণগুলি ব্যাখ্যা করতে সক্ষম হওয়া উচিত।
প্রান্ত এবং মেঘের মধ্যে কম্পিউটিংয়ের বিভাজনকে সমর্থন করে এমন বিতরণ করা আর্কিটেকচার: মূর্ত এআই অ্যাপ্লিকেশন দৃশ্যে, ক্লাউডে সমস্ত এআই কম্পিউটিং সম্পাদন করা সম্ভব নয়। সিস্টেমের নকশাটি নিশ্চিত করা উচিত যে নেটওয়ার্ক ল্যাটেন্সি-সংবেদনশীল গণনাগুলি প্রান্তে সম্পাদন করা যেতে পারে।
ডিজিটাল এআইয়ের ক্ষেত্রে, আমরা এলএলএমের মতো বড়-শেষ থেকে শেষের শেখার মডেলগুলির সাথে দুর্দান্ত সাফল্য দেখছি। এই মডেলগুলি বিপুল পরিমাণে ডেটাতে সাফল্য লাভ করে। যাইহোক, তারা উপরে উল্লিখিত মূর্ত এআই এর অনেকগুলি বৈশিষ্ট্য ধারণ করে না।
মূর্ত এআইকে একাধিক এআই উপাদানগুলির মধ্যে মিথস্ক্রিয়া জড়িত একটি জটিল সিস্টেম হিসাবে দেখা উচিত। মূর্ত এআই -তে সঠিক সিস্টেম আর্কিটেকচার থাকা সফল উত্পাদন অ্যাপ্লিকেশনগুলির অন্যতম মূল চাবিকাঠি। এটি আপনাকে এআইয়ের সর্বশেষ অগ্রগতির সুবিধা নিতে এবং উত্পাদন অ্যাপ্লিকেশনগুলির চাহিদা প্রয়োজনীয়তা পূরণ করতে সক্ষম করে। সুতরাং, উত্পাদন অ্যাপ্লিকেশনগুলির জন্য মূর্ত এআই ডিজাইন করার জন্য আধুনিক সিস্টেম ইঞ্জিনিয়ারিং পদ্ধতিগুলির প্রয়োজন।