নতুন মাল্টিমোডাল মডেল পাঠ্য, চিত্র, ভিডিও এবং শব্দ থেকে শিখতে পারে এবং মডুলারিটির জন্য ধন্যবাদ, যে কোনো সংখ্যা বা ভবিষ্যদ্বাণীর সংমিশ্রণ তৈরি করে

আমরা OpenAI বা ChatGPT সম্পর্কে কথা বলি না কেন, বেশিরভাগ চ্যাটবট উৎপন্ন কৃত্রিম বুদ্ধিমত্তা তথাকথিত উপর ভিত্তি করে করা হয় বড় ভাষার মডেল (LLM), এর মডেল গভীর জ্ঞানার্জন প্রচুর পরিমাণে পাঠ্যের মাধ্যমে তথ্য শেখার মাধ্যমে তাদের কাছে উত্থাপিত প্রশ্নের উত্তর দেওয়ার জন্য প্রশিক্ষিত।

এর শেষ সীমান্তউত্পাদক এআই Sono i মাল্টিমোডাল মডেল, যা আরও উন্নত অভিজ্ঞতা এবং পরিষেবা অফার করতে ভাষা বোঝা এবং ছবি, ভিডিও এবং অডিও একত্রিত করে।

তাদের সৃষ্টি, তবে, বেশ কয়েকটি চ্যালেঞ্জ উপস্থাপন করে, বিশেষ করে যদি উদ্দেশ্য একটি ছোট স্কেলে মাল্টিমোডাল মডেল তৈরি করা হয়: ঘন ঘন অনুপস্থিত তথ্য উপস্থিতি তথ্যের অনুপলব্ধতার কারণে, প্রায় সবসময় সম্পদের আংশিক প্রাপ্যতার কারণে।

সংক্ষেপে, ঝুঁকি হল যে মডেলটি অভাবের ভিত্তিতে শেখে এবং গণনা এবং ভবিষ্যদ্বাণীগুলি বিকৃত হয়। এবং এখানেই ইপিএফএল তার নতুন প্রকল্প নিয়ে শুরু করেছে।

টেকনিক্যাল ইউনিভার্সিটি অফ লুসান এবং জুরিখ থেকে সবুজ শক্তির জন্য একটি জোট
3D-এ প্রযুক্তিগত দস্তানা যা ভার্চুয়াল বাস্তবতাকে বাস্তব করে তুলবে

মাল্টিমোডএন, মডুলার মাল্টিমোডাল মডেল লুসানে জন্মগ্রহণ করেন

গবেষকরা লুসানের ফেডারেল পলিটেকনিক (EPFL), প্রকৌশল এবং কম্পিউটার বিজ্ঞানের জন্য বিশ্বের সেরা বিশ্ববিদ্যালয়গুলির মধ্যে একটি, প্রকৃতপক্ষে বিকশিত হয়েছে মাল্টিমোডএন, একটি অনন্য মডুলার মাল্টিমডাল মডেল সম্প্রতি NeurIPS2023 এ উপস্থাপিত হয়েছে।

ইপিএফএল-এর স্কুল অফ কম্পিউটার সায়েন্স অ্যান্ড কমিউনিকেশনের মেশিন লার্নিং ফর এডুকেশন (ML4ED) এবং মেশিন লার্নিং অ্যান্ড অপটিমাইজেশন (MLO) ল্যাবরেটরির গবেষকরা একটি বৃহৎ, কিন্তু একটি ছোট স্কেলে চিন্তা করার সঠিক বিপরীতটি বিকাশ ও পরীক্ষা করার সিদ্ধান্ত নিয়েছেন।

শিক্ষকের নেতৃত্বে মেরি-অ্যান হার্টলি, এমএলও এবং ইয়েল স্কুল অফ মেডিসিনে যৌথভাবে হোস্ট করা গ্লোবাল ইন্টেলিজেন্ট হেলথ টেকনোলজিসের ল্যাবরেটরির পরিচালক এবং অধ্যাপক তানজা কাসার, ML4ED-এর পরিচালক, দলটি একটি মাল্টিমোডাল মডেল তৈরি করেছে যা পাঠ্য, ছবি, ভিডিও এবং শব্দ থেকে শিখতে পারে কিন্তু যা বিদ্যমানগুলির থেকে ভিন্ন, গঠিত ছোট মডিউল একটি পরিবর্তনশীল সংখ্যা, স্বায়ত্তশাসিত এবং ইনপুট-নির্দিষ্ট।

পরবর্তীটি উপলব্ধ তথ্যের উপর ভিত্তি করে নির্বাচন করা যেতে পারে এবং তারপরে যেকোন সংখ্যা, সংমিশ্রণ বা ইনপুটের প্রকারের একটি ক্রম হিসাবে একত্রিত করা যেতে পারে। তাই এটি ভবিষ্যদ্বাণীর যেকোনো সংখ্যা বা সমন্বয় তৈরি করতে পারে।

"আমরা MultiModN এর মূল্যায়ন করেছি দশটি বাস্তব কার্যক্রমচিকিৎসা নির্ণয়ের জন্য সমর্থন, একাডেমিক কর্মক্ষমতা পূর্বাভাস এবং আবহাওয়ার পূর্বাভাস সহ,” ব্যাখ্যা করেছেন বিনিত্রা স্বামী, ML4ED এর পিএইচডি ছাত্র এবং MLO এবং প্রকল্পের প্রথম সহ-লেখক।

"এই পরীক্ষাগুলির মাধ্যমে, আমরা বিশ্বাস করি যে মাল্টিমোডএন হল মাল্টিমোডাল মডেলিংয়ের প্রথম অন্তর্নিহিতভাবে ব্যাখ্যাযোগ্য এবং অনুপস্থিত-ডেটা-প্রতিরোধী পদ্ধতি"।

আরও শক্তিশালী কোয়ান্টাম কম্পিউটারের জন্য EPFL এর "রেসিপি"
কৃত্রিম বুদ্ধিমত্তা থেকে cryptocurrencies একটি সিদ্ধান্তমূলক বুস্ট?

প্রথম ব্যবহারের ক্ষেত্রে: চিকিৎসা কর্মীদের জন্য ক্লিনিকাল সিদ্ধান্ত

MultiModN এর প্রথম ব্যবহারের ক্ষেত্রে একটি সমর্থন সিস্টেম হিসাবে হবে ক্লিনিকাল সিদ্ধান্ত সম্পদ-সীমিত সেটিংসে চিকিৎসা কর্মীদের জন্য।

প্রকৃতপক্ষে, স্বাস্থ্যসেবা খাতে, ক্লিনিকাল ডেটা প্রায়শই অনুপস্থিত থাকে, সম্ভবত সীমিত সংস্থানগুলির কারণে (একজন রোগী একটি নির্দিষ্ট পরীক্ষা করতে পারে না) বা বিপরীতভাবে, প্রচুর সংস্থান এবং তথ্যের কারণে। MultiModN এর তথাকথিত পক্ষপাতগুলি শোষণ না করেই এই বাস্তব-বিশ্বের ডেটা থেকে শিখতে এবং যেকোনো সংমিশ্রণ বা ইনপুটগুলির সংখ্যার সাথে ভবিষ্যদ্বাণী মানিয়ে নিতে সক্ষম।

"রিসোর্স-সীমিত প্রেক্ষাপটে অনুপস্থিত ডেটা একটি হলমার্ক, এবং মডেলগুলি এই অনুপস্থিত নিদর্শনগুলি শিখলে, তারা তাদের ভবিষ্যদ্বাণীতে ত্রুটিগুলি এনকোড করতে পারে।" তিনি আউট আউট মেরি-অ্যান হার্টলি.

"অপ্রত্যাশিতভাবে উপলব্ধ সংস্থানগুলির মুখোমুখি নমনীয়তার প্রয়োজনীয়তাই মাল্টিমডএনকে অনুপ্রাণিত করেছে"।

একটি শীর্ষ ইভেন্টে পরিষেবাগুলিতে এআই এবং মেশিন লার্নিংয়ের প্রভাব৷
ডিজিটাল শিল্পে AI এর ক্রমবর্ধমান প্রভাবের সমস্ত কারণ

পরীক্ষাগার থেকে বাস্তব জীবনে: নিউমোনিয়া এবং যক্ষ্মা নিয়ে একটি ট্রায়াল চলছে

তবে প্রকাশনাটি বাস্তবায়ন এবং ক্ষেত্র পরীক্ষার দিকে প্রথম ধাপ মাত্র। প্রফেসর হার্টলি লউসেন ইউনিভার্সিটি হসপিটাল (CHUV) এবং বার্নের ইউনিভার্সিটি হসপিটাল ইনসেলস্পিটালে সহকর্মীদের সাথে কাজ করেছেন ক্লিনিকাল ট্রায়াল সংস্থান-সীমিত সেটিংসে নিউমোনিয়া এবং যক্ষ্মা নির্ণয়ের উপর দৃষ্টি নিবদ্ধ করে এবং হাজার হাজার রোগীকে নিয়োগের প্রক্রিয়াধীন রয়েছে দক্ষিণ আফ্রিকা, তানজানিয়া, নামিবিয়া e বেনিন.

গবেষণা দলগুলি একটি ব্যাপক প্রশিক্ষণের উদ্যোগ নিয়েছে, শিক্ষাদান করেছে 100 জনের বেশি ডাক্তার পদ্ধতিগতভাবে আল্ট্রাসাউন্ড ইমেজ এবং ভিডিও সহ মাল্টিমোডাল ডেটা সংগ্রহ করতে, যাতে মাল্টিমডএনকে স্বল্প-সম্পদ অঞ্চল থেকে বাস্তব ডেটার প্রতি সংবেদনশীল হতে প্রশিক্ষিত করা যায়।

"আমরা ঠিক সেই ধরণের জটিল মাল্টিমোডাল ডেটা সংগ্রহ করছি যা মাল্টিমডএন পরিচালনা করার জন্য ডিজাইন করা হয়েছে", ডাক্তার বললেন Noémie Boillat-Blanco, CHUV এর সংক্রামক রোগ বিশেষজ্ঞ।

“আমরা প্রশংসা করতে পারেন যে একটি মডেল দেখতে উত্তেজিত অনুপস্থিত সম্পদের জটিলতা আমাদের প্রসঙ্গে এবং নিয়মিত ক্লিনিকাল মূল্যায়নের পদ্ধতিগত অভাব", ডাক্তার যোগ করেছেন ক্রিস্টিনা কিটেল ইনসেলস্পিটালের, সুইস রাজধানীর বিশ্ববিদ্যালয় হাসপাতাল।

AI এর নিরাপত্তা? Bletchley পার্ক বিবৃতি অত্যন্ত গুরুত্বপূর্ণ
সাংবাদিকতার সেবায় AI-এর জন্য Axel Springer-OpenAI অক্ষ

মেশিন লার্নিং জনসাধারণের সেবায়

মাল্টিমোডএন-এর উন্নয়ন এবং প্রশিক্ষণ বাস্তবে এবং জনসাধারণের ভালোর জন্য মেশিন লার্নিং টুলগুলিকে খাপ খাইয়ে নেওয়ার জন্য ইপিএফএল-এর প্রচেষ্টার ধারাবাহিকতার প্রতিনিধিত্ব করে এবং এটি চালু হওয়ার পরপরই আসে। মেডিট্রন, একটি কৃত্রিম বুদ্ধিমত্তা মডেল যা বিশেষভাবে চিকিৎসা খাতের জন্য ডিজাইন করা হয়েছে।

মেডিট্রনও লার্জ ল্যাঙ্গুয়েজ মডেলের (LLM) বিভাগের অন্তর্গত, কিন্তু সাধারণবাদী মডেলের বিপরীতে, যা বিস্তৃত পরিসরের কাজগুলি পরিবেশন করে, এটির উপর দৃষ্টি নিবদ্ধ করা হয় চিকিত্সা ক্ষেত্র, এবং আকারের দিক থেকে আরও কমপ্যাক্ট, তবুও সমানভাবে কার্যকর।

মেডিট্রনের লক্ষ্য চিকিৎসা তথ্যের অ্যাক্সেসকে গণতান্ত্রিক করা উচ্চ মানের, এইভাবে ক্লিনিকাল সিদ্ধান্তে সহায়তা করে।

EPFL গবেষকরা যথাক্রমে 7 বিলিয়ন এবং 70 বিলিয়ন প্যারামিটার সহ দুটি সংস্করণ তৈরি করেছেন এবং মডেলগুলিকে একটি বিস্তৃত এবং সঠিক জ্ঞানের ভিত্তি নিশ্চিত করার জন্য পিয়ার-পর্যালোচিত বৈজ্ঞানিক সাহিত্য এবং বিভিন্ন ক্লিনিকাল নির্দেশিকা সহ নির্বাচিত, উচ্চ-মানের চিকিৎসা ডেটা উত্সগুলিতে প্রশিক্ষণ দেওয়া হয়েছিল।

2023 সালের নভেম্বরে উপস্থাপিত মেডিট্রন এবং মাল্টিমোডএন উভয়ই তাই EPFL-এর নতুন এআই সেন্টারের মিশনের সাথে সঙ্গতিপূর্ণ, যেটি সমাজের সকল ক্ষেত্রের সুবিধার জন্য কীভাবে দায়িত্বশীল এবং কার্যকর কৃত্রিম বুদ্ধিমত্তা প্রযুক্তিগত উদ্ভাবনকে উন্নীত করতে পারে তার উপর দৃষ্টি নিবদ্ধ করে।