কৃত্রিম বুদ্ধিমত্তা

কৃত্রিম বুদ্ধিমত্তা (কৃবু) বা আর্টিফিশিয়াল ইন্টেলিজেন্স (এআই) হলো কম্পিউটার ব্যবস্থার এমন কিছু কাজ করার সক্ষমতা, যা সাধারণ ভাষায় মানব বুদ্ধিমত্তার সাথে সম্পর্কিত; যেমন: শেখা, বিচারবুদ্ধি প্রয়োগ, সমস্যা সমাধান, প্রত্যক্ষণ এবং সিদ্ধান্ত গ্রহণ। এটি কম্পিউটার বিজ্ঞানের একটি গবেষণাক্ষেত্র, যা এমন বিভিন্ন ব্যবস্থা ও সফটওয়্যার তৈরি ও বিশ্লেষণ করে, যা যন্ত্রকে পারিপার্শ্বিক পরিবেশ অনুধাবন করতে এবং শেখার ক্ষমতা ও বুদ্ধিমত্তা প্রয়োগ করে কাঙ্ক্ষিত লক্ষ্য অর্জনে সাহায্য করে।

কৃত্রিম বুদ্ধিমত্তার উল্লেখযোগ্য প্রয়োগসমূহের মধ্যে রয়েছে উন্নত সার্চ ইঞ্জিন (যেমন: গুগল অনুসন্ধান); সুপারিশ ব্যবস্থা বা রেকমেন্ডেশন সিস্টেম (যা ইউটিউব, অ্যামাজন ও নেটফ্লিক্স ব্যবহার করে); ভার্চুয়াল সহকারী (যেমন: গুগল অ্যাসিস্ট্যান্ট, সিরি, অ্যালেক্সা, চ্যাটজিপিটি ও জেমিনি); স্বয়ংক্রিয় গাড়ি বা যানবাহন (যেমন: ওয়েমো); উৎপাদনশীল ও সৃজনশীল টুল (যেমন: ভাষা মডেল ও কৃত্রিম বুদ্ধিমত্তানির্ভর শিল্পকলা); এবং বিভিন্ন কৌশলভিত্তিক খেলা (যেমন: দাবা ও গো) খেলা ও বিশ্লেষণ করা। তবে কৃত্রিম বুদ্ধিমত্তার অনেক প্রয়োগকেই এখন আর পৃথকভাবে কৃত্রিম বুদ্ধিমত্তা হিসেবে চিহ্নিত করা হয় না; একে বলা হয় "কৃবু প্রভাব" (AI effect)। উদাহরণস্বরূপ, "অত্যাধুনিক কৃত্রিম বুদ্ধিমত্তার অনেক প্রযুক্তিই সাধারণ ব্যবহারে মিশে গেছে। কোনো প্রযুক্তি যখন যথেষ্ট কার্যকর ও বহুল প্রচলিত হয়ে ওঠে, তখন সাধারণত সেটিকে আর কৃত্রিম বুদ্ধিমত্তা বলা হয় না।"

কৃত্রিম বুদ্ধিমত্তা গবেষণার বিভিন্ন উপক্ষেত্র নির্দিষ্ট কিছু লক্ষ্য এবং সরঞ্জাম ব্যবহারের ওপর ভিত্তি করে গঠিত। কৃত্রিম বুদ্ধিমত্তা গবেষণার প্রথাগত লক্ষ্যগুলোর মধ্যে রয়েছে শেখার ক্ষমতা, যুক্তিপ্রয়োগ, জ্ঞান উপস্থাপন, পরিকল্পনা, স্বাভাবিক ভাষা প্রক্রিয়াকরণ, অনুধাবন এবং রোবটবিদ্যার উন্নতি সাধন। এসব লক্ষ্য অর্জনে কৃত্রিম বুদ্ধিমত্তা গবেষকেরা বেশ কিছু পদ্ধতি গ্রহণ ও সমন্বয় করেছেন; যার মধ্যে রয়েছে অনুসন্ধান ও গাণিতিক অপটিমাইজেশন, গাণিতিক যুক্তি, কৃত্রিম নিউরাল নেটওয়ার্ক এবং পরিসংখ্যান, অপারেশনস রিসার্চ ও অর্থনীতিভিত্তিক বিভিন্ন পদ্ধতি। এ ছাড়া কৃত্রিম বুদ্ধিমত্তা ক্ষেত্রটি মনোবিজ্ঞান, ভাষাবিজ্ঞান, দর্শন, স্নায়ুবিজ্ঞানসহ বিভিন্ন শাস্ত্রের ওপর নির্ভর করে। বর্তমানে ওপেনএআই, গুগল ডিপমাইন্ড এবং মেটার মতো প্রতিষ্ঠানগুলো কৃত্রিম সাধারণ বুদ্ধিমত্তা (এজিআই) তৈরির লক্ষ্যে কাজ করছে। এটি এমন এক ধরনের কৃত্রিম বুদ্ধিমত্তা, যা মানুষের মতো যেকোনো বুদ্ধিবৃত্তিক কাজ সমমানের দক্ষতায় সম্পন্ন করতে সক্ষম।

১৯৫৬ সালে কৃত্রিম বুদ্ধিমত্তা একটি একাডেমিক ক্ষেত্র হিসেবে প্রতিষ্ঠিত হয় এবং এর ইতিহাসে বেশ কয়েকবার এটি ব্যাপক আশা-আকাঙ্ক্ষার সঞ্চার করে। তবে পরবর্তী সময়ে নানা ব্যর্থতা ও অর্থায়নের ঘাটতির কারণে এটি স্থবির হয়ে পড়ে, যা 'এআই উইন্টার' নামে পরিচিত। ২০১২ সালের পর থেকে অর্থায়ন ও আগ্রহ ব্যাপকভাবে বৃদ্ধি পায়, যখন গ্রাফিক্স প্রসেসিং ইউনিট (জিপিইউ) ব্যবহার করে স্নায়ুজাল বা নিউরাল নেটওয়ার্কের গতি দ্রুত বৃদ্ধি করা সম্ভব হয় এবং গভীর শিখন (ডিপ লার্নিং) প্রযুক্তি পূর্ববর্তী সকল কৃত্রিম বুদ্ধিমত্তার কৌশলকে ছাড়িয়ে যায়। ২০১৭ সালের পর ট্রান্সফরমার আর্কিটেকচারের উদ্ভাবনের ফলে এই অগ্রগতি আরও ত্বরান্বিত হয়। ২০২০-এর দশকে উৎপাদনী কৃত্রিম বুদ্ধিমত্তার দ্রুত অগ্রগতির মাধ্যমে একটি সম্ভাবনাময় নতুন যুগের সূচনা হয়, যা 'এআই বুম' নামে পরিচিত। তবে উৎপাদনী কৃত্রিম বুদ্ধিমত্তার স্বয়ংক্রিয়ভাবে কনটেন্ট তৈরি ও পরিবর্তনের ক্ষমতা কিছু অনাকাঙ্ক্ষিত ক্ষতিকর প্রভাবও সৃষ্টি করেছে। মানবজাতির ওপর কৃত্রিম বুদ্ধিমত্তার দীর্ঘমেয়াদি প্রভাব ও অস্তিত্বগত ঝুঁকি নিয়ে নানা নৈতিক প্রশ্ন উঠে এসেছে। ফলে এই প্রযুক্তির নিরাপত্তা ও সঠিক ব্যবহার নিশ্চিত করার লক্ষ্যে বিভিন্ন আইনি ও নীতিগত নিয়ন্ত্রণ নিয়ে আলোচনা শুরু হয়েছে।

ইতিহাস

মূল নিবন্ধ: কৃত্রিম বুদ্ধিমত্তার ইতিহাস

ক্রিটে প্রাপ্ত একটি রৌপ্য মুদ্রায় প্রাচীন পৌরাণিক স্বয়ংক্রিয় যন্ত্র ‘ট্যালোস’ (Talos), যাকে কৃত্রিম বুদ্ধিমত্তার অন্যতম আদি ধারণা মনে করা হয়।

চিন্তা করতে সক্ষম কৃত্রিম মানুষের ধারণাটি প্রথম দিকে কেবল পৌরাণিক গল্প ও কল্পকাহিনিতে দেখা যেত। তবে যুক্তিসঙ্গতভাবে চিন্তা করতে পারে এমন কোনো যন্ত্র তৈরির প্রকৃত চেষ্টা শুরু হয় সম্ভবত রামন লোলের (আনুমানিক ১৩০০ খ্রিস্টাব্দ) গবেষণার মাধ্যমে। পরবর্তীতে গটফ্রিড লাইবনিৎস তাঁর 'ক্যালকুলাস র‍্যাটিওসিনেটর' (Calculus ratiocinator)-এর মাধ্যমে গণনা যন্ত্রের ধারণাটিকে আরও সম্প্রসারিত করেন (যদিও ১৬২৩ খ্রিস্টাব্দ নাগাদ উইলহেলম শিকার্ড প্রথম যান্ত্রিক গণকযন্ত্রের নকশা করেছিলেন)। লাইবনিৎসের উদ্দেশ্য ছিল কেবল সংখ্যার হিসাব নয়, বরং বিভিন্ন ধারণার ওপর ভিত্তি করে গাণিতিক প্রক্রিয়া পরিচালনা করা। উনিশ শতক থেকে বৈজ্ঞানিক কল্পকাহিনিতে কৃত্রিম মানুষ বা মানবীয় যন্ত্রের ব্যবহার একটি জনপ্রিয় বিষয়ে পরিণত হয়; যার উৎকৃষ্ট উদাহরণ মেরি শেলির ফ্রাঙ্কেনস্টাইন এবং কারেল চাপেকের নাটক আর.ইউ.আর. (রুমস ইউনিভার্সাল রোবটস)।

যান্ত্রিক বা প্রাতিষ্ঠানিক যুক্তিশাস্ত্রের চর্চা প্রাচীনকালেই দার্শনিক ও গণিতবিদদের হাত ধরে শুরু হয়েছিল। পরবর্তীতে গাণিতিক যুক্তিবিজ্ঞান বিষয়ক গবেষণা অ্যালান টিউরিংকে গণনার তত্ত্ব গঠনে অনুপ্রাণিত করে। এই তত্ত্বের মূল কথা ছিল একটি যন্ত্র কেবল "০" ও "১" এই দুটি প্রতীক ব্যবহারের মাধ্যমে যেকোনো গাণিতিক যুক্তিপ্রক্রিয়া সম্পন্ন করতে পারে। ডিজিটাল কম্পিউটার যে যেকোনো প্রাতিষ্ঠানিক যুক্তিপ্রক্রিয়া অনুকরণ করতে সক্ষম, এই অন্তর্দৃষ্টিটিই পরবর্তীতে চার্চ-টিউরিং থিসিস নামে পরিচিতি লাভ করে।

পরবর্তীকালে স্নায়ুবিজ্ঞান, তথ্য তত্ত্ব এবং সাইবারনেটিক্স ক্ষেত্রের নানা আবিষ্কার গবেষকদের মনে একটি ইলেকট্রনিক বা 'বৈদ্যুতিক মস্তিষ্ক' তৈরির সম্ভাবনাকে জোরালো করে তোলে। ১৯৪৩ সালে ওয়ারেন ম্যাককালো ও ওয়াল্টার পিটস কর্তৃক প্রকাশিত কৃত্রিম নিউরনের গাণিতিক মডেলটিই বর্তমানে কৃত্রিম বুদ্ধিমত্তার (এআই) ক্ষেত্রে প্রথম আনুষ্ঠানিক কাজ হিসেবে বিবেচিত হয়।

১৯৫০ সালে প্রকাশিত একটি গবেষণাপত্রে অ্যালান টিউরিং কোনো যন্ত্রের বুদ্ধি পরীক্ষা করার জন্য একটি পদ্ধতি প্রস্তাব করেন, যা পরবর্তীতে 'টিউরিং পরীক্ষা' (Turing test) নামে পরিচিত লাভ করে। মূলত 'ইমিটেশন গেম' (Imitation Game) নামের একটি খেলার ওপর ভিত্তি করে নির্মিত এই পরীক্ষাটি কৃত্রিম বুদ্ধিমত্তা গবেষণার প্রাথমিক ভিত্তি তৈরি করেছিল।

১৯৫৬ সালে ডার্টমাউথ কলেজে অনুষ্ঠিত একটি কর্মশালায় কৃত্রিম বুদ্ধিমত্তা গবেষণার প্রাকসূচনা ঘটে। অ্যালেন নিউয়েল (সিএমইউ), হারবার্ট সাইমন (সিএমইউ), জন ম্যাকার্থি (এমআইটি), মার্ভিন মিনস্কি (এমআইটি) এবং আর্থার স্যামুয়েল (আইবিএম) কৃত্রিম বুদ্ধিমত্তা গবেষণার অন্যতম প্রতিষ্ঠাতা ও অগ্রদূত হিসেবে আবির্ভূত হন। তাঁরা এবং তাঁদের শিক্ষার্থীরা যেসব প্রোগ্রাম বা সফটওয়্যার তৈরি করেছিলেন, তৎকালীন সংবাদপত্রগুলো সেগুলোকে "বিস্ময়কর" বলে অভিহিত করে। সেসব কম্পিউটার প্রোগ্রাম ডামস (চেকার্স) খেলায় জয়লাভ করে, বীজগণিতের পাটিগণিতীয় বা শব্দের সমস্যা সমাধান করে, যৌক্তিক উপপাদ্য প্রমাণ করে এবং এমনকি ইংরেজিতে কথা বলতেও সক্ষম হয়। ১৯৬০-এর দশকের মাঝামাঝি সময়ে মার্কিন প্রতিরক্ষা বিভাগ থেকে এই গবেষণায় বিপুল পরিমাণ অর্থায়ন করা হয় এবং বিশ্বজুড়ে বিভিন্ন গবেষণাগার প্রতিষ্ঠিত হয়। কৃত্রিম বুদ্ধিমত্তার প্রতিষ্ঠাতারা এই প্রযুক্তির ভবিষ্যৎ নিয়ে অত্যন্ত আশাবাদী ছিলেন। যেমন হারবার্ট সাইমন ভবিষ্যদ্বাণী করেছিলেন, "বিশ বছরের মধ্যে একটি যন্ত্র মানুষের করা যেকোনো কাজ করতে সক্ষম হবে।" মার্ভিন মিনস্কিও এতে সহমত পোষণ করে বলেন, "এক প্রজন্মের মধ্যেই... কৃত্রিম বুদ্ধিমত্তা তৈরির যাবতীয় সমস্যার সমাধান হয়ে যাবে।"

তবে কৃত্রিম বুদ্ধিমত্তার বাকি কাজগুলোর জটিলতা বুঝতে গবেষকেরা ব্যর্থ হয়েছিলেন। ফলে অগ্রগতির গতি ধীর হয়ে যায় এবং ১৯৭৪ সালে স্যার জেমস লাইটহিলের সমালোচনামূলক প্রতিবেদন প্রকাশের পর, ব্রিটিশ সরকার এবং মার্কিন কংগ্রেসের চাপের মুখে গবেষণামূলক এআই প্রকল্পে অর্থায়ন বন্ধ করে দেওয়া হয়। পরবর্তী সময়ে এই অনুদানহীন ও স্থবির সময়কালটিই 'এআই উইন্টার' নামে পরিচিতি পায়।

১৯৮০-এর দশকের শুরুতে বিশেষজ্ঞ ব্যবস্থার বাণিজ্যিক সাফল্যের মাধ্যমে এআই গবেষণায় পুনরায় প্রাণের সঞ্চার ঘটে। এটি ছিল এমন এক ধরনের প্রোগ্রাম, যা মানুষের জ্ঞান ও বিশ্লেষণাত্মক দক্ষতাকে অনুকরণ করতে পারতো। ১৯৮৫ সাল নাগাদ এআই প্রযুক্তির বৈশ্বিক বাজার ১০০ কোটি (১ বিলিয়ন) ডলার ছাড়িয়ে যায়। একই সময়ে জাপানের 'পঞ্চম প্রজন্মের কম্পিউটার প্রকল্প' যুক্তরাষ্ট্র ও যুক্তরাজ্য সরকারকে পুনরায় এআই গবেষণায় অনুদান প্রদানে উৎসাহিত করে। কিন্তু ১৯৮৭ সালে লিস্প মেশিন বাজারের পতনের সাথে সাথে এআই প্রযুক্তি আবারও তার সুনাম হারায় এবং দ্বিতীয়বারের মতো এক দীর্ঘস্থায়ী মন্দার কবলে পড়ে।

১৯৯০-এর দশক এবং একবিংশ শতাব্দীর শুরুর দিকে লজিস্টিকস, ডাটা মাইনিং, চিকিৎসা নির্ণয়সহ বিভিন্ন গুরুত্বপূর্ণ ক্ষেত্রে কৃত্তিম বুদ্ধিমত্তার ব্যবহার বিস্তৃত হতে শুরু করে। কম্পিউটিং ক্ষমতার ক্রমাগত বৃদ্ধি (মুরের সূত্র দ্রষ্টব্য), সুনির্দিষ্ট সমস্যা সমাধানের প্রতি মনোযোগ, অন্যান্য শাস্ত্রের সাথে কৃত্রিম বুদ্ধিমত্তার আন্তঃসম্পর্ক এবং গাণিতিক ও বৈজ্ঞানিক মানের ওপর গবেষকদের অধিক গুরুত্ব দেওয়াই ছিল এই সফলতার প্রধান কারণ। ১৯৯৭ সালের ১১ মে আইবিএমের ডিপ ব্লু কম্পিউটারটি তৎকালীন বিশ্ব দাবা চ্যাম্পিয়ন গ্যারি কাসপারভকে পরাজিত করে ইতিহাস গড়ে, যা ছিল কোনো কম্পিউটারের বিশ্ব দাবা চ্যাম্পিয়নকে হারানোর প্রথম ঘটনা। উন্নত পরিসংখ্যানিক কৌশল (যা সংক্ষেপে ডিপ লার্নিং নামে পরিচিত), বিপুল পরিমাণের তথ্য ব্যবহারের সুযোগ এবং দ্রুতগতির কম্পিউটিং ক্ষমতার বদৌলতে মেশিন লার্নিং ও কৃত্রিম অনুধাবনের ক্ষেত্রে অভূতপূর্ব অগ্রগতি সাধিত হয়। ২০১০-এর দশকের মাঝামাঝি নাগাদ বিশ্বজুড়ে মেশিন লার্নিং অ্যাপ্লিকেশনগুলোর ব্যবহার ব্যাপক রূপ নেয়। ২০১১ সালে আইবিএমের প্রশ্নোত্তরী ব্যবস্থা 'ওয়াটসন' আমেরিকান কুইজ শো জিওপার্ডির একটি প্রদর্শনী ম্যাচে এর ইতিহাসের দুই সেরা চ্যাম্পিয়ন ব্র্যাড রাটার ও কেন জেনিংসকে বড় ব্যবধানে পরাজিত করে। অন্যদিকে এক্সবক্স ৩৬০ ও এক্সবক্স ওয়ানের জন্য নির্মিত কাইনেক্ট যা ত্রিমাত্রিক শারীরিক অঙ্গভঙ্গি শনাক্ত করতে পারতো দীর্ঘদিনের কৃত্রিম বুদ্ধিমত্তা গবেষণা থেকে উদ্ভূত অ্যালগরিদম ব্যবহার করে তৈরি করা হয়। একইভাবে স্মার্টফোনে বুদ্ধিমত্তাভিত্তিক ভার্চুয়াল সহকারী প্রযুক্তিগুলোও যুক্ত হতে শুরু করে।

মার্চ ২০১৬-এ, আলফাগো একটি ঐতিহাসিক ম্যাচে কোনোপ্রকার প্রতিবন্ধকতা ছাড়াই বিশ্বখ্যাত পেশাদার গো খেলোয়াড় লি সেডলকে ৫টি খেলার মধ্যে ৪টিতে পরাজিত করে। এর মাধ্যমে এটি কোনো পেশাদার গো খেলোয়াড়কে পরাজিত করা প্রথম কম্পিউটার প্রোগ্রামে পরিণত হয়। পরবর্তীতে ২০১৭ সালের ফিউচার অব গো সামিটে আলফাগো তৎকালীন টানা দুই বছরের বিশ্বসেরা গো খেলোয়াড় খ্য খ্যেকে টানা ৩টি খেলায় পরাজিত করে।

ব্লুমবার্গের জ্যাক ক্লার্কের মতে, ২০১৫ সালটি কৃত্রিম বুদ্ধিমত্তার জন্য একটি বিশেষ মাইলফলক ছিল; কারণ এই সময়ে গুগলে এআই ব্যবহারকারী সফটওয়্যার প্রকল্পের সংখ্যা ২০১২ সালের সামান্য ব্যবহার ("স্পোরাডিক ইউস") থেকে বৃদ্ধি পেয়ে ২,৭০০-এরও বেশি প্রকল্পে গিয়ে পৌঁছায়। ক্লার্ক তথ্যসূত্রের মাধ্যমে আরও দেখান যে, ২০১১ সাল থেকে ইমেজ প্রসেসিং বা চিত্র প্রক্রিয়াকরণের ভুল বা ত্রুটির হার আশঙ্কাজনকভাবে কমে এসেছে। ক্লাউড কম্পিউটিং অবকাঠামোর বিকাশ এবং সাশ্রয়ী মূল্যে নিউরাল নেটওয়ার্ক ব্যবহারের সুযোগ তৈরি হওয়াকেই তিনি এই উন্নতির প্রধান কারণ হিসেবে চিহ্নিত করেন। অন্যান্য গুরুত্বপূর্ণ অগ্রগতির মধ্যে ছিল মাইক্রোসফটের স্কাইপ সিস্টেমের উন্নয়ন, যা স্বয়ংক্রিয়ভাবে এক ভাষা থেকে অন্য ভাষায় অনুবাদ করতে পারতো এবং ফেসবুকের এমন একটি ব্যবস্থা যা দৃষ্টিপ্রতিবন্ধীদের জন্য ছবির বর্ণনা তৈরি করতে সক্ষম ছিল।

২০২৫ সালের হালনাগাদ ঘটনা

আন্তর্জাতিক নিরাপত্তা ও নীতি

• ফ্রেমওয়ার্ক কনভেনশন অন আর্টিফিশিয়াল ইন্টেলিজেন্স নামে একটি আন্তর্জাতিক চুক্তি ৫ সেপ্টেম্বর ২০২৪-এ কাউন্সিল অব ইউরোপের অধীনে গৃহীত হয়। এর লক্ষ্য হলো মানবাধিকার, গণতন্ত্র ও আইনের শাসন সমুন্নত রেখে কৃত্রিম বুদ্ধিমত্তা প্রযুক্তির দায়িত্বশীল ব্যবহার নিশ্চিত করা। ৫০টিরও বেশি দেশ এই চুক্তিতে স্বাক্ষর করেছে।
• প্রথম আন্তর্জাতিক এআই সেফটি রিপোর্ট ২৯ জানুয়ারি ২০২৫-এ প্রকাশিত হয়। ২০২৩ সালের এআই সেফটি সামিটের সিদ্ধান্ত অনুযায়ী বিশিষ্ট এআই বিশেষজ্ঞ ইয়োশুয়া বেঞ্জিওর নেতৃত্বে ৯৬ জন এআই গবেষক এটি তৈরি করেন। রিপোর্টটির মূল উদ্দেশ্য হলো সর্বজনীন কৃত্রিম বুদ্ধিমত্তা থেকে উদ্ভূত সম্ভাব্য ঝুঁকি নিরূপণ করা এবং তা মোকাবেলায় করণীয় নির্ধারণ করা।
• ২০২৫ এআই অ্যাকশন সামিট ১০–১১ ফেব্রুয়ারি ফ্রান্সে অনুষ্ঠিত হয়, যেখানে বিভিন্ন দেশের রাষ্ট্রপ্রধান ও আন্তর্জাতিক প্রতিনিধিগণ অংশ নেন। সম্মেলনে ইউরোপীয় কমিশন ২০০ বিলিয়ন ইউরো বিনিয়োগের ঘোষণা দেয় (যার মধ্যে ২০ বিলিয়ন ইউরো 'এআই গিগাফ্যাক্টরি' নির্মাণে বরাদ্দ)। পাশাপাশি, এক ডজনেরও বেশি সংস্থার সমন্বয়ে ১৫০ বিলিয়ন ইউরোর একটি নতুন বেসরকারি বিনিয়োগ তহবিল চালু করা হয়।

প্রযুক্তিগত অগ্রগতি

• গুগল ডিপমাইন্ড তাদের নতুন "Genie 3" ওয়ার্ল্ড মডেল উন্মোচন করেছে, যা এআই এজেন্টদের ভার্চুয়াল পরিবেশে (যেমন গুদামঘর বা প্রাকৃতিক পরিবেশ) বাস্তবসম্মত ভৌত মিথস্ক্রিয়ার মাধ্যমে প্রশিক্ষণ দিতে সক্ষম।
• ওপেনএআই জিপিটি-৫ মডেল ৭ আগস্ট ২০২৫-এ মুক্তি পায়। এটি ব্যবহারকারীদের জন্য আরও সহজ, দক্ষ ও নিরাপদ এআই কাঠামো প্রদান করে; সাধারণ চ্যাটজিপিটি ব্যবহারকারীরাও সীমিতভাবে এটি ব্যবহারের সুযোগ পান।
• জিপিটি-৫-এর বিশেষত্ব: বহুমাধ্যমনির্ভর ক্ষমতা (টেক্সট, ছবি, অডিও ইত্যাদি), উন্নত আবেগীয় বুদ্ধিমত্তা, প্রসারিত স্মৃতিশক্তি, স্বায়ত্তশাসিত এজেন্ট এবং সুদৃঢ় নিরাপত্তা কাঠামো। এটি কেবল একটি সাধারণ সংস্করণ বৃদ্ধি নয়, বরং এআই-কে সহযোগীর ভূমিকায় নিয়ে যাওয়ার ক্ষেত্রে একটি গুরুত্বপূর্ণ পদক্ষেপ।
• দক্ষিণ কোরিয়ার Upstage স্টার্টআপের নতুন এআই মডেল "Solar Pro 2" জুলাই ২০২৫-এ উন্মোচিত হয়। মাত্র ৩০ বিলিয়ন প্যারামিটার বিশিষ্ট এই মডেলটি তৎকালীন সেরা 'ফ্রন্টিয়ার মডেল' হিসেবে স্বীকৃতি পায় এবং বিভিন্ন বেঞ্চমার্কে জিপিটি-৪.১, ক্লদ ৩.৭ সনেট ও ডিপসিক ভি৩-এর তুলনায় এগিয়ে থাকে।

শিল্প, নীতিমালা ও ভবিষ্যৎ

• এনভিডিয়া তাদের GTC ২০২৫ সম্মেলনে "Blackwell Ultra" এবং "Vera Rubin" নামক দুটি এআই চিপ উন্মোচন করে, যা এআই ও রোবোটিক্স প্রশিক্ষণে খরচ কমাতে এবং কার্যক্ষমতা বাড়াতে সহায়তা করবে। এর পাশাপাশি তারা ওপেন সোর্স হিউম্যানয়েড রোবোটিক্স ফ্রেমওয়ার্ক "Isaac GR00T N1" এবং "Cosmos AI" নামক কৃত্রিম প্রশিক্ষণ ডাটা মডেল চালু করে।
• চীন এআই নিয়ন্ত্রণের জন্য আন্তর্জাতিক স্তরের একটি কাঠামোর প্রস্তাব দেয়, যাতে বিশ্বব্যাপী প্রযুক্তির নিরাপদ ও উন্মুক্ত ব্যবহার নিশ্চিত করা যায়। এতে ওপেন সোর্স এআই মডেল নিশ্চিতকরণ এবং জাতিসংঘের নেতৃত্বে একটি নির্দিষ্ট নীতিমালা তৈরির বিষয়ে জোর দেওয়া হয়।
• ডেমিস হাসাবিস, গুগল ডিপমাইন্ডের সিইও এবং আলফাফোল্ডের জন্য নোবেলজয়ী বিজ্ঞানী, ভবিষ্যতে কৃত্রিম সাধারণ বুদ্ধিমত্তার (এজিআই) সম্ভাবনার ওপর গুরুত্বারোপ করেন। তবে তিনি সতর্ক করেন যে এটি অর্জনের আগে একটি সুদৃঢ় নৈতিক ও আন্তর্জাতিক নিয়ন্ত্রণ কাঠামো প্রতিষ্ঠা করা অপরিহার্য।
• সাম্প্রতিক বিভিন্ন বিশ্লেষণে ইঙ্গিত দেওয়া হয়েছে যে ২০২৭ সালের মধ্যে এজিআই রূপ নেওয়ার সম্ভাবনা রয়েছে; তবে এর সাথে স্বায়ত্তশাসন বৃদ্ধি, প্রতারণা এবং নিয়ন্ত্রণ হারানোর মতো গুরুতর ঝুঁকিগুলো এড়াতে সতর্কতার প্রয়োজন।

২০২৬ সালের হালনাগাদ ঘটনা

বিশ্বজুড়ে এজেন্টনির্ভর এআই ও প্রযুক্তিগত উন্নয়ন

• এজেন্টনির্ভর এআই সম্প্রসারণ: ২০২৬ সাল নাগাদ বিশ্বজুড়ে বড় প্রাতিষ্ঠানিক প্রক্রিয়া ও সফটওয়্যার প্রকৌশলে স্বায়ত্তশাসিত এআই এজেন্টদের ব্যবহার দ্রুত বৃদ্ধি পায়, যা কেবল প্রশ্নের উত্তর দেওয়ার পরিবর্তে স্বয়ংক্রিয়ভাবে জটিল কর্মপ্রবাহ সম্পন্ন করতে সক্ষম হয়।
• সীমান্তবর্তী মডেলে নতুন মাইলফলক: ওপেনএআই তাদের নতুন ফ্ল্যাগশিপ মডেল এস্ট্রা উন্মোচন করে, যা জটিল গণিত, বিজ্ঞান এবং স্বায়ত্তশাসিত কাজের জটিলতায় অভূতপূর্ব অগ্রগতি প্রদর্শন করে এবং শিল্পখাতে 'এআই সক্ষমতার নতুন যুগের' সূচনা হিসেবে আলোচিত হয়।

এআই নিরাপত্তা, সাইবার ঝুঁকি ও আন্তর্জাতিক ঐকমত্য

• ২০২৬ সিঙ্গাপুর কনসেনসাস : বিশ্বের বিভিন্ন দেশের এআই সেফটি ইনস্টিটিউট, প্রযুক্তি গবেষক ও সুশীল সমাজের ১০০ জনেরও বেশি বিশেষজ্ঞ একত্রিত হয়ে আন্তর্জাতিক এআই নিরাপত্তা বিষয়ক চুক্তি 'সিঙ্গাপুর কনসেনসাস' গ্রহণ করেন। এতে এআইয়ের অপব্যবহার রোধ, সাইবার নিরাপত্তা জোরদার এবং উন্মুক্ত ফ্রন্টিয়ার মডেলের ঝুঁকি কমানোর বিষয়ে অগ্রাধিকার নির্ধারণ করা হয়।
• নিরাপত্তা ও নীতিগত নিয়ন্ত্রণ: ইউরোপীয় ইউনিয়নসহ বিশ্বজুড়ে বিভিন্ন আন্তর্জাতিক সংস্থা ডিপফেক, ভুয়া কনটেন্ট এবং স্বায়ত্তশাসিত এআই মডেলের সাইবার আক্রমণ নিয়ন্ত্রণের জন্য এআই প্রস্তুতকারকদের ওপর কঠোর লেবেলিং এবং ফ্রন্টিয়ার সেফটি ফ্রেমওয়ার্ক জোরদার করে।

লক্ষ্য

কৃত্রিম বুদ্ধিমত্তা গবেষণার সামগ্রিক লক্ষ্য হলো এমন প্রযুক্তি উদ্ভাবন করা, যার মাধ্যমে কম্পিউটার ও বিভিন্ন যন্ত্রসমূহ বুদ্ধিমত্তার সাথে কাজ করতে সক্ষম হবে। বুদ্ধিমত্তা গঠনের জটিল প্রক্রিয়াটিকে গবেষকেরা কয়েকটি ছোট উপ-সমস্যায় বিভক্ত করেছেন। একটি বুদ্ধিমত্তাভিত্তিক ব্যবস্থা বা ইন্টেলিজেন্ট সিস্টেমের কাছে গবেষকরা নির্দিষ্ট কিছু বৈশিষ্ট্য ও সক্ষমতা আশা করেন; যার মধ্যে নিচের বিষয়গুলো সবচেয়ে বেশি প্রাধান্য পেয়েছে।

এরিক স্যান্ডওয়াল বিশেষ করে এমন পরিকল্পনা ও শেখার ক্ষমতার ওপর জোর দিয়েছেন, যা যেকোনো নির্দিষ্ট পরিস্থিতির প্রেক্ষাপটে প্রাসঙ্গিক ও কার্যকর হতে পারে।

বর্তমান প্রেক্ষাপটে কৃত্রিম বুদ্ধিমত্তার লক্ষ্য আরও বিস্তৃত হয়েছে। এটি এখন আর কেবল মানুষের বুদ্ধিমত্তাকে অনুকরণের মধ্যে সীমাবদ্ধ নেই, বরং এমন প্রযুক্তি গড়ে তোলার দিকে নির্দেশিত যাতে:

• জটিল সিদ্ধান্ত গ্রহণ ও সমস্যা সমাধানে সহায়তা করা যায়।
• স্বাস্থ্যসেবায় রোগ নির্ণয়, ওষুধ উদ্ভাবন ও চিকিৎসা সেবার উন্নয়ন সম্ভব হয়।
• শিক্ষা ব্যবস্থায় ব্যক্তিকেন্দ্রিক শেখার অভিজ্ঞতা প্রদান করা যায়।
• ব্যবসা ও শিল্পক্ষেত্রে স্বয়ংক্রিয়তা, উৎপাদনশীলতা ও দক্ষতা বাড়ানো যায়।
• ভাষা প্রক্রিয়াকরণ ও যোগাযোগে নতুন মাত্রা যোগ করা যায় (যেমন অনুবাদ, কথোপকথন, কনটেন্ট তৈরি ইত্যাদি)।
• নৈতিক ও দায়িত্বশীল এআই ব্যবহারের মাধ্যমে সমাজ ও পরিবেশে ইতিবাচক প্রভাব ফেলা যায়।

এছাড়াও আধুনিক গবেষণায় “জেনারেল এআই” বা “AGI (Artificial General Intelligence)”–এর দিকে লক্ষ্য করা হচ্ছে, যা মানুষের মতো বিভিন্ন ক্ষেত্রে সমানভাবে দক্ষ হয়ে উঠতে পারবে।

যুক্তি ও সমস্যা সমাধান

প্রাথমিক গবেষকরা অ্যালগরিদমগুলি বিকশিত করেছেন যা ধাপে ধাপে যুক্তিযুক্ত করে যেমন করে মানুষ সমস্যা সমাধান বা লজিক্যাল কর্তনের জন্য সেগুলি ব্যবহার করে। ১৯৮০ ও ১৯৯০ এর দশকের শেষের দিকে এআই গবেষণাকে উন্নত করা হয়েছিল অনিশ্চিত বা অসম্পূর্ণ তথ্য, সম্ভাবনা এবং অর্থনীতি থেকে ধারণা নিযুক্ত করার জন্য।

কঠিন সমস্যাগুলির জন্য অ্যালগরিদমগুলির জন্য প্রচুর গণনীয় সম্পদ প্রয়োজন হতে পারে-সবচেয়ে বেশি অভিজ্ঞতা "সংযুক্ত করিতে সক্ষম বিস্ফোরণ" : মেমরির পরিমাণ বা কম্পিউটারের নির্দিষ্ট সময় প্রয়োজন একটি নির্দিষ্ট আকারের সমস্যা সমাধানের জন্য। আরও দক্ষ সমস্যা-সমাধানের অ্যালগরিদমগুলির অনুসন্ধান অনেক বেশি অগ্রাধিকার পাচ্ছে।

মানুষ প্রাথমিকভাবে দ্রুত, স্বনির্ধারণী সিদ্ধান্তগুলি ব্যবহার করে ধাপে ধাপে ছাড়ের পরিবর্তে, প্রাথমিক এআই গবেষণা সেই মডেলটিকে একটি রূপ দিতে পেরেছে। এআই "সাব-সিম্বোলিক" সমস্যা সমাধান ব্যবহার করে অগ্রগতি অর্জন করেছে: অঙ্গবিন্যাসকারী এজেন্ট উচ্চতর যুক্তি থেকে সেন্সরাইমোটার দক্ষতার উপর জোর দেয়; মস্তিষ্কের ভিতরকার কাঠামোর অনুকরণে স্নাতকোত্তর গবেষণার প্রচেষ্টা এই দক্ষতা বৃদ্ধি করে; এআই এর প্রধান লক্ষ্য হল মানুষের ক্ষমতা অনুকরণ করা।

নতুন দৃষ্টিভঙ্গি অনুযায়ী, সমস্যা সমাধানের জন্য এআই-এ heuristic search ব্যাপকভাবে ব্যবহৃত হয়, যেমন A*, greedy search, এবং অন্যান্য informed search techniques। এগুলো brute-force পদ্ধতির তুলনায় অনেক বেশি কার্যকর। একইভাবে constraint satisfaction problems (CSPs) সমাধান করতে বিশেষ অ্যালগরিদম তৈরি করা হয়েছে, যা scheduling, planning এবং resource allocation-এ ব্যবহৃত হয়।

এছাড়াও, game theory এবং multi-agent systems এ যুক্তি ও সিদ্ধান্ত গ্রহণের কৌশল গুরুত্বপূর্ণ ভূমিকা পালন করে। আধুনিক কালে probabilistic reasoning এবং Bayesian networks জটিল ও অনিশ্চিত পরিবেশে সিদ্ধান্ত নেওয়ার জন্য শক্তিশালী হাতিয়ার হিসেবে ব্যবহৃত হচ্ছে।

সবশেষে, deep learning এবং neural-symbolic systems এর সমন্বয় কৃত্রিম বুদ্ধিমত্তার যুক্তি-ভিত্তিক সমস্যা সমাধানের নতুন দিগন্ত উন্মোচন করেছে, যেখানে symbolic logic এবং connectionist মডেল একসাথে কাজ করে আরও উন্নত সিদ্ধান্ত গ্রহণে সক্ষম হয়।

জ্ঞানের প্রতিনিধিত্ব

জ্ঞানের প্রতিনিধিত্ব এবং জ্ঞানের প্রকৌশল এআই গবেষণার কেন্দ্রীয় বিষয়। অনেক সমস্যার সমাধান যা মেশিন দ্বারা হবে বলে প্রত্যাশা করা হয় তার বিশ্ব সম্পর্কে ব্যাপক জ্ঞান প্রয়োজন হবে। যে ধরনের বিষয় এআই প্রতিনিধিত্ব করবে তা হল বস্তু, বৈশিষ্ট্য, বিভাগ এবং বস্তুর মধ্যে সম্পর্ক; পরিস্থিতি, ঘটনা, অবস্থা এবং সময়; কারণ এবং প্রভাব; জ্ঞান সম্পর্কে জ্ঞান (আমরা যা জানি অন্যান্য মানুষ যা জানেন); এবং অন্যান্য অনেক, কম ভাল গবেষণামূলক ডোমেইন। প্রতিনিধিত্ব হল "যার অস্তিত্ব বিদ্যমান": বস্তুর সেট, সম্পর্ক, ধারণা এবং তাই যে সম্পর্কে মেশিন জানে। সর্বাধিক উচ্চতর তত্ত্ববিদ্যা তাকেই বলা হয় যা অন্য সকল জ্ঞানের ভিত্তি প্রদানের প্রচেষ্টা করে।

জ্ঞানের প্রতিনিধিত্বের মধ্যে সবচেয়ে কঠিন সমস্যাগুলো হল:

ডিফল্ট যুক্তি এবং যোগ্যতার সমস্যা

মানুষ অনেক কিছু জানে তা মূলত "কাজের অনুমান" রূপে মূল্যায়ন করা হয়। উদাহরণস্বরূপ, যদি একটি পাখির কথা আলোচনায় আসে তবে মানুষ সাধারণত একটি প্রাণীকে চিত্রিত করে যার কোন বিশেষ আকার, চিহ্ন আছে এবং যারা উড়তে পারে। এই সমস্ত জিনিসগুলির মধ্যে কোনটিই সব পাখিগুলি সম্পর্কে সত্য নয়। জন ম্যাকার্থি ১৯৬৯ সালে এই সমস্যাটি চিহ্নিত করেছিলেন যোগ্যতার সমস্যা হিসাবে: কোনও কমনসেন্স রুলের জন্য যে এআই গবেষকেরা প্রতিনিধিত্ব করে, সেখানে বেশ কিছু ব্যতিক্রম রয়েছে। বিমূর্ত লজিকের জন্য যা প্রয়োজনের তার প্রায় কোন কিছুই সত্য বা মিথ্যা নয়। এআই গবেষণা এই সমস্যার সমাধানের জন্য অনেক পথ পর্যটন করেছে।

কমনসেন্স জ্ঞানের বিস্তৃতি

পারমাণবিক বিষয় যে খুব বড় সে বিষয় সবাই জানেন। গবেষণা প্রকল্পগুলি সাধারণ জ্ঞানের (যেমন, সাইক) উপর ভিত্তি করে সম্পূর্ণ জ্ঞান বিকাশের জন্য প্রচলিত পরিমাণে কঠোর পরিশ্রমী প্রকৌশলবিদ্যা-এর প্রয়োজন হয় - তারা অবশ্যই জটিল ধারণা হাতের সাহায্যে সমাধান করবে। প্রধান লক্ষ্য হচ্ছে কম্পিউটারের মত উৎসগুলি থেকে পড়ার মাধ্যমে কম্পিউটারকে প্রয়োজনীয় ধারণাগুলি বোঝার জন্য যথেষ্ট ধারণা থাকতে হবে, এবং এভাবে তার নিজের অ্যান্টোলোজিতে যোগ করতে সক্ষম হবে।

কিছু সাধারণ জ্ঞানের প্রতীকী ফর্ম

মানুষ যা জানে তার বেশিরভাগই "ঘটনা" বা "বিবৃতি" হিসাবে উপস্থাপিত হয় না যা তারা মৌখিকভাবে প্রকাশ করতে পারে। উদাহরণস্বরূপ, একটি দাবা মাস্টার একটি নির্দিষ্ট দাবা পরিসীমা এড়িয়ে চলবে কারণ এটি "খুব প্রকাশ বোধ করে" বা একজন শিল্প সমালোচক একটি মূর্তির চেহারা দেখেই এটি জাল মনে করতে পারেন। এগুলো মানব মস্তিষ্কের অসচেতন এবং উপ-প্রতীকী স্বরূপ বা প্রবণতা। এই ধরনের জ্ঞান প্রদান, সমর্থন মূলত প্রতীকী এবং সচেতন জ্ঞানের জন্য একটি প্রসঙ্গ দেয়া হয়। সাব-প্রতীকী যুক্তিযুক্ত সমস্যার সাথে সাথে আশা করা হয় যে অবস্থিত এআই, কম্পিউটেশনাল বুদ্ধি বা পরিসংখ্যানগত এআই এই ধরনের জ্ঞান প্রতিনিধিত্ব করার উপায়গুলি প্রদান করবে।

পরিকল্পনা

বুদ্ধিমান প্রতিনিধিকে লক্ষ্য সেট করতে এবং তাদের অর্জন করতে সক্ষম হতে হবে। ভবিষ্যতের দৃশ্যমানতা - বিশ্বের অবস্থার প্রতিনিধিত্ব এবং তাদের কর্মগুলি কীভাবে পরিবর্তন করবে সে বিষয়ে ভবিষ্যদ্বাণী করতে সক্ষম করার জন্য তাদের কিছু পথ থাকা প্রয়োজন - এবং উপলব্ধ পছন্দগুলির (বা "মান") সর্বাধিক পছন্দগুলি চয়ন করতে সক্ষম হতে হবে।

ক্লাসিক্যাল পরিকল্পনা সমস্যাগুলির মধ্যে এজেন্ট অনুমান করতে পারেন যে এটি এজন্যই একমাত্র সিস্টেম যা বিশ্বজুড়ে কাজ করে যা এজেন্টকে তার কর্মের ফলাফল সম্পর্কে নির্দিষ্ট করে দেয়। যাইহোক, যদি এজেন্ট একমাত্র অভিনেতা না হন তাহলে এটি এজেন্টের অনিশ্চয়তার কারণ হতে পারে। এটি একটি এজেন্টের জন্য আহ্বান করে যে শুধুমাত্র তার পরিবেশের মূল্যায়ন এবং পূর্বাভাস তৈরি করতে পারে তা নয়, সাথে সাথে তার পূর্বাভাস মূল্যায়ন করে এবং তার মূল্যায়নের উপর নির্ভর করে তা মেনে চলে।

বহু এজেন্টের পরিকল্পনায় একটি নির্দিষ্ট লক্ষ্য অর্জনের জন্য অনেক এজেন্টের সহযোগিতা এবং প্রতিযোগিতা ব্যবহার করে। জরুরী আচরণ যেমন, বিবর্তনীয় অ্যালগরিদম এবং ঘনত্বের বুদ্ধিমত্তা দ্বারা ব্যবহৃত হয়।

শিক্ষা

মেশিনের শিক্ষণ হল এআই গবেষণার একটি মৌলিক ধারণা যা প্রতিষ্ঠার পর থেকে কম্পিউটার অ্যালগরিদম অধ্যয়ন যা অভিজ্ঞতার মাধ্যমে স্বয়ংক্রিয়ভাবে উন্নতি করতে সক্ষম।

অপর্যাপ্ত শিক্ষণ হচ্ছে ইনপুটের মধ্যে নিদর্শন খুঁজে বের করার ক্ষমতা। তত্ত্বাবধানে থাকা শিক্ষণে ক্লাসিফিকেশন এবং সংখ্যাসূচক রিগ্রেশন উভয়ই অন্তর্ভুক্ত। শ্রেণিবিন্যাসের মাধ্যমে কোন বিভাগের মধ্যে কিছু অন্তর্গত তা নির্ধারণ করতে ব্যবহার করা হয়। রিগ্রেশন একটি ফাংশন তৈরি করার প্রচেষ্টা যা ইনপুট এবং আউটপুটের মধ্যে সম্পর্ক বর্ণনা করে এবং পূর্বাভাস দেয় কীভাবে ইনপুট পরিবর্তনের ফলে আউটপুটগুলি পরিবর্তন করা উচিত। রক্ষণাবেক্ষণ শেখার মধ্যে এজেন্ট ভাল প্রতিক্রিয়ার জন্য পুরস্কৃত করা হয় এবং খারাপ প্রতিক্রিয়ার জন্য শাস্তি দেয়া হয়। এজেন্ট তার পুরস্কার এবং শাস্তি এই অনুক্রম ব্যবহার করে একটি কৌশল গঠন করে তার সমস্যার স্থানে। ইউটিলিটির মত ধারণাগুলি ব্যবহার করে এই তিন ধরনের শেখার সিদ্ধান্ত তত্ত্বের ভিত্তিতে বিশ্লেষণ করা যায়। মেশিন লার্নিং অ্যালগরিদমগুলির গাণিতিক বিশ্লেষণ এবং তাদের পারফরম্যান্স কম্পিউটেশনাল লার্নিং থিওরি নামে পরিচিত যা তাত্ত্বিক কম্পিউটার বিজ্ঞানের একটি শাখা।

প্রযুক্তি

কৃত্রিম বুদ্ধিমত্তা (এআই) গবেষণায় বিভিন্ন ধরনের প্রযুক্তি ব্যবহার করা হয় লক্ষ্য পূরণের জন্য।

অনুসন্ধান এবং অপ্টিমাইজেশন

এআই অনেক সমস্যার সমাধান করতে পারে সম্ভাব্য সমাধানগুলির মধ্যে বুদ্ধিমত্তার সাথে অনুসন্ধান করে। এআই-তে দুই ধরণের অনুসন্ধান বেশি ব্যবহৃত হয়: স্টেট স্পেস সার্চ এবং লোকাল সার্চ।

স্টেট স্পেস সার্চ

স্টেট স্পেস সার্চ একটি গাছের মতো কাঠামোর মধ্যে সম্ভাব্য অবস্থা খুঁজে দেখে লক্ষ্য অবস্থায় পৌঁছানো যায় কি না। উদাহরণস্বরূপ, পরিকল্পনা অ্যালগরিদম লক্ষ্য ও উপলক্ষ্যের গাছের মধ্যে অনুসন্ধান করে, যেখানে মিনস-এন্ডস বিশ্লেষণ পদ্ধতি ব্যবহার করা হয়।

সহজ ক্লান্তিকর অনুসন্ধান বাস্তব সমস্যার ক্ষেত্রে খুব কমই কার্যকর, কারণ অনুসন্ধান ক্ষেত্র দ্রুত অসীম পরিমাণে বেড়ে যায়। ফলে অনুসন্ধান ধীর হয় বা কখনোই শেষ হয় না। এই সমস্যা মোকাবেলায় হিউরিস্টিক বা সহজ নিয়ম ব্যবহার করা হয় যাতে লক্ষ্য অবস্থায় পৌঁছানোর সম্ভাবনা বেশি থাকে।

গেম খেলার প্রোগ্রামে, যেমন দাবা বা গো, প্রতিপক্ষের চাল অনুমান করতে অ্যাডভারসারিয়াল সার্চ ব্যবহার করা হয়। এতে সম্ভাব্য চাল ও প্রতিচালের গাছের মধ্যে অনুসন্ধান করা হয় একটি জয়ী অবস্থান খুঁজে বের করার জন্য।

লোকাল সার্চ

লোকাল সার্চ হল গাণিতিক অপ্টিমাইজেশন পদ্ধতি, যা অনুমান থেকে শুরু করে ধাপে ধাপে সমাধান উন্নত করে।

গ্রেডিয়েন্ট ডিসেন্ট একটি লোকাল সার্চ পদ্ধতি, যা সংখ্যাগত পরামিতিগুলি ধাপে ধাপে সামঞ্জস্য করে ক্ষতি ফাংশনকে সর্বনিম্ন করে। ব্যাকপ্রোপাগেশন অ্যালগরিদম ব্যবহার করে কৃত্রিম নিউরাল নেটওয়ার্ক প্রশিক্ষণে এটি ব্যাপকভাবে ব্যবহৃত হয়।

আরেকটি লোকাল সার্চ হল ইভোলিউশনারি কম্পিউটেশন, যেখানে প্রার্থি সমাধানগুলি "মিউটেশন" ও "রিকম্বিনেশন" করে ক্রমান্বয়ে উন্নত করা হয় এবং প্রতিটি প্রজন্মে সেরা সমাধানগুলো টিকে থাকে।

স্বর্ম ইন্টেলিজেন্স অ্যালগরিদমও ব্যবহৃত হয় সমন্বিত অনুসন্ধানের জন্য। এর মধ্যে জনপ্রিয় দুটি অ্যালগরিদম হল পার্টিকেল স্বর্ম অপ্টিমাইজেশন (পাখির ঝাঁক থেকে অনুপ্রাণিত) এবং অ্যান্ট কলোনি অপ্টিমাইজেশন (পিপড়ার পথ থেকে অনুপ্রাণিত)।

যুক্তি

আনুষ্ঠানিক যুক্তি ব্যবহার করা হয় যুক্তিতর্ক এবং জ্ঞান উপস্থাপনে। এর দুটি প্রধান রূপ রয়েছে: প্রস্তাবনা যুক্তি (যা সত্য বা মিথ্যা বিবৃতির উপর কাজ করে) এবং প্রেডিকেট লজিক (যা বস্তু, প্রেডিকেট ও সম্পর্ক নিয়ে কাজ করে)।

যুক্তিতে ডিডাকটিভ রিজনিং ব্যবহার করা হয় বিদ্যমান সত্য থেকে নতুন সিদ্ধান্ত প্রমাণ করার জন্য। সাধারণত প্রমাণ গাছ ব্যবহার করে এই কাঠামো তৈরি হয়।

হর্ন ক্লজ ব্যবহারে সমস্যার সমাধান সামনের দিক থেকে বা পিছনের দিক থেকে করা যায়। প্রোলগ প্রোগ্রামিং ভাষা এই যুক্তির উপর ভিত্তি করে তৈরি, যা টুরিং সম্পূর্ণ।

ফাজি লজিক ব্যবহার করে অনিশ্চিত বা আংশিক সত্য বক্তব্য বিশ্লেষণ করা যায়। নন-মোনোটোনিক লজিক ডিফল্ট রিজনিং-এর জন্য ব্যবহৃত হয়।

অনিশ্চিত যুক্তির জন্য সম্ভাব্য পদ্ধতি

অনেক এআই সমস্যা যেমন পরিকল্পনা, শিক্ষণ, ধারণা, রোবোটিক্স ইত্যাদিতে এজেন্টকে অসম্পূর্ণ বা অনিশ্চিত তথ্য নিয়ে কাজ করতে হয়। এ সমস্যার সমাধানে সম্ভাব্যতা তত্ত্ব ও অর্থনীতি থেকে পদ্ধতি নেওয়া হয়েছে। এর মধ্যে রয়েছে সিদ্ধান্ত তত্ত্ব, Markov সিদ্ধান্ত প্রক্রিয়া, ডাইনামিক সিদ্ধান্ত নেটওয়ার্ক, গেম তত্ত্ব ইত্যাদি।

বেয়েসিয়ান নেটওয়ার্ক ব্যবহার করা হয় যুক্তি, শিক্ষা, পরিকল্পনা এবং ধারণার জন্য। এছাড়াও হিডেন মার্কভ মডেল বা কালম্যান ফিল্টার সময়ভিত্তিক ডেটা বিশ্লেষণে ব্যবহৃত হয়।

শ্রেণিবিন্যাসকারী ও পরিসংখ্যানভিত্তিক শিক্ষণ পদ্ধতি

সবচেয়ে সহজ এআই প্রয়োগ দুটি ভাগে ভাগ করা যায়: শ্রেণিবিন্যাসকারী এবং কন্ট্রোলার। শ্রেণিবিন্যাসকারী প্যাটার্ন ম্যাচিং ব্যবহার করে পর্যবেক্ষণ শ্রেণিবিন্যাস করে। সুপারভাইজড লার্নিং ব্যবহারে এগুলোকে প্রশিক্ষিত করা যায়।

জনপ্রিয় শ্রেণিবিন্যাস অ্যালগরিদমের মধ্যে রয়েছে ডিসিশন ট্রি, কে-নিকটতম প্রতিবেশী অ্যালগরিদম, সাপোর্ট ভেক্টর মেশিন, নাইভ বেয়েস শ্রেণিবিন্যাসকারী এবং কৃত্রিম নিউরাল নেটওয়ার্ক।

কৃত্রিম নিউরাল নেটওয়ার্ক

একটি কৃত্রিম নিউরাল নেটওয়ার্ক কৃত্রিম নিউরন দ্বারা তৈরি, যা জীববিজ্ঞানের নিউরন মডেল করে। এটি প্যাটার্ন স্বীকৃতি করতে প্রশিক্ষিত হয়। সাধারণত এতে একটি ইনপুট, অন্তত একটি গোপন স্তর এবং একটি আউটপুট থাকে। যদি দুই বা ততোধিক গোপন স্তর থাকে তবে সেটিকে ডিপ নিউরাল নেটওয়ার্ক বলা হয়।

ব্যাকপ্রোপাগেশন অ্যালগরিদম ব্যবহারে নেটওয়ার্ক প্রশিক্ষণ করা হয়। ফিড ফরোয়ার্ড নিউরাল নেটওয়ার্ক, পারসেপট্রন, রেকারেন্ট নিউরাল নেটওয়ার্ক (RNN), লং শর্ট-টার্ম মেমরি (LSTM), কনভোলিউশনাল নিউরাল নেটওয়ার্ক (CNN) ইত্যাদি এর গুরুত্বপূর্ণ ধরন।

ডিপ লার্নিং

ডিপ লার্নিং হল মেশিন লার্নিং-এর একটি উপশাখা, যা আবার এআই-এর উপশাখা। এটি ইনপুট ও আউটপুটের মধ্যে বহু স্তরের নিউরন ব্যবহার করে।

কম্পিউটার ভিশন, বাক্ স্বীকৃতি, প্রাকৃতিক ভাষা প্রক্রিয়াকরণ ইত্যাদি ক্ষেত্রে ডিপ লার্নিং বিপ্লব এনেছে। এর সফলতার কারণ মূলত দ্রুতগতির জিপিইউ, ইমেজনেট এর মতো বিশাল ডেটাসেট এবং শক্তিশালী ব্যাকপ্রোপাগেশন।

জিপিটি

জেনারেটিভ প্রি-ট্রেইন্ড ট্রান্সফরমার (GPT) হল বড় ভাষা মডেল (LLM) যা শব্দের মধ্যে সেমান্টিক সম্পর্ক বিশ্লেষণ করে পাঠ্য উৎপাদন করে। এগুলো ইন্টারনেট থেকে সংগৃহীত বিশাল ডেটাসেটে প্রশিক্ষিত হয়। প্রশিক্ষণের পর মানব প্রতিক্রিয়া ভিত্তিক শক্তিবৃদ্ধি শিক্ষণ ব্যবহৃত হয়।

বর্তমান জিপিটি মডেলগুলো চ্যাটবট হিসেবে ব্যবহৃত হয়, যেমন চ্যাটজিপিটি, Claude, Gemini, Copilot এবং Meta AI। কিছু মাল্টিমোডাল জিপিটি মডেল পাঠ্য ছাড়াও ছবি, ভিডিও, শব্দ ইত্যাদি প্রক্রিয়া করতে পারে।

প্রথম জিপিটি মডেল (GPT) প্রকাশিত হয় ২০১৮ সালে, এরপর ২০১৯ সালে GPT-2 এবং ২০২০ সালে GPT-3 আসে। GPT-3 ছিল একটি বড় মাইলফলক কারণ এতে ১৭৫ বিলিয়ন প্যারামিটার ব্যবহৃত হয়েছিল। পরে GPT-3.5 এবং ২০২৩ সালে GPT-4 চালু হয়, যা মাল্টিমোডাল ইনপুট প্রক্রিয়া করতে সক্ষম। GPT মডেলের উন্নয়নে OpenAI মুখ্য ভূমিকা পালন করে, তবে অন্যান্য প্রতিষ্ঠানও অনুরূপ মডেল তৈরি করছে।

জিপিটি মডেল শুধু কথোপকথন নয়, বরং কনটেন্ট জেনারেশন, ভাষান্তর, কোড লেখা, ডেটা বিশ্লেষণ, শিক্ষা, গবেষণা এবং সৃজনশীল কাজেও ব্যাপকভাবে ব্যবহৃত হচ্ছে। একই সাথে এদের ব্যবহার নিয়ে নৈতিকতা, পক্ষপাত, এবং সম্ভাব্য অপব্যবহার সম্পর্কেও আলোচনা চলছে।

হার্ডওয়্যার ও সফটওয়্যার

প্রথমদিকে প্রোলগ এর মতো বিশেষায়িত প্রোগ্রামিং ভাষা ব্যবহৃত হলেও বর্তমানে পাইথন বেশি ব্যবহৃত হয়। টেনসরফ্লো ও গ্রাফিক্স প্রসেসিং ইউনিট (GPU) এর উন্নতির ফলে বড় মেশিন লার্নিং মডেল প্রশিক্ষণে সিপিইউ-এর পরিবর্তে GPU প্রধান হয়ে উঠেছে।

মুরের সূত্র অনুযায়ী ট্রানজিস্টর ঘনত্ব প্রতি ১৮ মাসে দ্বিগুণ হয়। এনভিডিয়া-র জেনসেন হুয়াং এর নামে পরিচিত হুয়াং এর সূত্র অনুসারে GPU-র অগ্রগতি আরও দ্রুত।

সর্বশেষ হালনাগাদ

২০২৫ সালে গুগল তাদের TPU (Tensor Processing Unit)-এর ছয়-তম প্রজন্ম TPU v6 চালু করে, যা পূর্ববর্তী v5e-র তুলনায় ৪.৭ গুণ উন্নত কর্মক্ষমতা প্রদান করে এবং উচ্চ ব্যান্ডউইথ মেমোরি ক্ষমতাও দ্বিগুণ হয়। ২০২৫ সালের এপ্রিল মাসে TPU v7 (নামের Ironwood) ঘোষণা করা হয়, যা একটি ২৫৬-চিপ এবং একটি ৯,২১৬-চিপ ক্লাস্টার আকারে আসে, যার শীর্ষ গাণিতিক ক্ষমতা ৪,৬১৪ TFLOP/s। NVIDIA এর CUDA প্ল্যাটফর্মে সম্প্রতি RISC-V instruction set architecture (ISA) সমর্থন যোগ করা হয়েছে, যার ফলে CUDA-ভিত্তিক AI সিস্টেমে RISC-V CPU ব্যবহারের পথ সুগম হয়েছে। Elon Musk-এর xAI কোম্পানি আগামী পাঁচ বছরে প্রায় ৫০ মিলিয়ন H100-সমতুল GPU ব্যবহার করে ৫০ ExaFLOPS ক্ষমতার AI ট্রেনিং সিস্টেম গড়ে তুলবে বলে ঘোষণা করেছে। বর্তমানেও ২৩০,০০০ GPU, যার মধ্যে ৩০,০০০টি Blackwell GB200 ইউনিট, ইতোমধ্যেই ব্যবহৃত হচ্ছে।

Huawei তাদের Ascend AI GPU এর CANN (Compute Architecture for Neural Networks) সফটওয়্যার টুলকিট ওপেন-সোর্স করার ঘোষণা দিয়েছে এবং এটি NVIDIA CUDA-র একাধিক বন্ধক ছাড়া বিকল্প হতে পারে বলে আশা করছেন। AMD-র পেগাট্রন ১২৮টি Instinct MI350X GPU ব্যবহার করে ১,১৭৭ PFLOP AI র‌্যাক-স্কেল সমাধান প্রকাশ করেছে, যা পরবর্তী MI400 সিরিজের ভিত্তি প্রস্তুত করছে। AMD-র পেগাট্রন ১২৮টি Instinct MI350X GPU ব্যবহার করে ১,১৭৭ PFLOP AI র‌্যাক-স্কেল সমাধান প্রকাশ করেছে, যা পরবর্তী MI400 সিরিজের ভিত্তি প্রস্তুত করছে।

NPUs (Neural Processing Units) ও GPNPUs (GPU+NPU একত্রীকৃত চিপ) দ্রুত জনপ্রিয়তা পাচ্ছে, যা স্মার্টফোন, ল্যাপটপে AI ফিচার চালাতে সাহায্য করছে, কম শক্তি খরচ এবং দেরিতে পরিচালনার সুবিধা নিয়ে। Jensen Huang আবারও জোর দিয়ে বলেছেন, বৈতরণিকভাবে GPU-এর অগ্রগতি Moore’s Law থেকে বহুগুণ দ্রুত হচ্ছে (“Hyper Moore’s Law”), এবং বছরে একবার AI ডেটা সেন্টার পণ্য প্রকাশের পরিকল্পনা রয়েছে সাধারন দুই বছর হার বদলে।

আরও দেখুন

• সেরা-অনুকূলকরণ
• জেমিনি
• ক্লড (ভাষা মডেল)
• চ্যাটজিপিটি

তথ্যসূত্র

গ্রন্থপঞ্জি

• Luger, George; Stubblefield, William (২০০৪)। Artificial Intelligence: Structures and Strategies for Complex Problem Solving (5th সংস্করণ)। Benjamin/Cummings। আইএসবিএন ৯৭৮-০-৮০৫৩-৪৭৮০-৭। ২৬ জুলাই ২০২০ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ১৭ ডিসেম্বর ২০১৯।
• Nilsson, Nils (১৯৯৮)। Artificial Intelligence: A New Synthesis। Morgan Kaufmann। আইএসবিএন ৯৭৮-১-৫৫৮৬-০৪৬৭-৪। ২৬ জুলাই ২০২০ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ১৮ নভেম্বর ২০১৯।
• Poole, David; Mackworth, Alan; Goebel, Randy (১৯৯৮)। Computational Intelligence: A Logical Approach। New York: Oxford University Press। আইএসবিএন ৯৭৮-০-১৯৫১-০২৭০-৩। ২৬ জুলাই ২০২০ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ২২ আগস্ট ২০২০। Later edition: Poole, David; Mackworth, Alan (২০১৭)। Artificial Intelligence: Foundations of Computational Agents (2nd সংস্করণ)। Cambridge University Press। আইএসবিএন ৯৭৮-১-১০৭১-৯৫৩৯-৪। ৭ ডিসেম্বর ২০১৭ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ৬ ডিসেম্বর ২০১৭।
• Rich, Elaine; Knight, Kevin; Nair, Shivashankar (২০১০)। Artificial Intelligence (3rd সংস্করণ)। নয়াদিল্লি: Tata McGraw Hill India। আইএসবিএন ৯৭৮-০-০৭০০-৮৭৭০-৫।
• Russell, Stuart J.; Norvig, Peter (২০২১)। Artificial Intelligence: A Modern Approach (4th সংস্করণ)। Hoboken: Pearson। আইএসবিএন ৯৭৮-০-১৩৪৬-১০৯৯-৩। এলসিসিএন 20190474।
• রাসেল, স্টুয়ার্ট জে.; নরভিগ, পিটার (২০০৩), কৃত্রিম বুদ্ধিমত্তা: একটি আধুনিক পদ্ধতি (২য় সংস্করণ), Upper Saddle River, New Jersey: প্রেন্টিস হল, আইএসবিএন ০-১৩-৭৯০৩৯৫-২.

কৃবুর ইতিহাস

• ক্রেভিয়ার, ড্যানিয়েল (১৯৯৩)। AI: কৃত্রিম বুদ্ধিমত্তার জন্য অশান্ত অনুসন্ধান। নিউ ইয়র্ক, এনওয়াই: মৌলিক বই। আইএসবিএন ০-৪৬৫-০২৯৯৭-৩।
• ম্যাককর্ডাক, পামেলা (২০০৪), মেশিন দ্বারা চিন্তা (২য় সংস্করণ), নাটিক, ম্যাসাচুসেটস: এ কে পিটার্স, আইএসবিএন ১-৫৬৮৮-১২০৫-১
• Newquist, H. P. (১৯৯৪)। The Brain Makers: Genius, Ego, And Greed In The Quest For Machines That Think। New York: Macmillan/SAMS। আইএসবিএন ৯৭৮-০-৬৭২৩-০৪১২-৫।

অন্যান্য সূত্র

• AI & ML in Fusion
• Alter, Alexandra; Harris, Elizabeth A. (২০ সেপ্টেম্বর ২০২৩), "Franzen, Grisham and Other Prominent Authors Sue OpenAI", The New York Times, ১৪ সেপ্টেম্বর ২০২৪ তারিখে মূল থেকে আর্কাইভকৃত, সংগ্রহের তারিখ ৫ অক্টোবর ২০২৪
• Altman, Sam; Brockman, Greg; Sutskever, Ilya (২২ মে ২০২৩)। "Governance of Superintelligence"। openai.com। ২৭ মে ২০২৩ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ২৭ মে ২০২৩।
• Anderson, Susan Leigh (২০০৮)। "Asimov's 'three laws of robotics' and machine metaethics."। AI & Society। ২২ (4): ৪৭৭–৪৯৩। ডিওআই:10.1007/s00146-007-0094-5।
• Anderson, Michael; Anderson, Susan Leigh (২০১১)। Machine Ethics। Cambridge University Press.।
• Arntz, Melanie; Gregory, Terry; Zierahn, Ulrich (২০১৬), "The risk of automation for jobs in OECD countries: A comparative analysis", OECD Social, Employment, and Migration Working Papers 189
• Asada, M.; Hosoda, K.; Kuniyoshi, Y.; Ishiguro, H.; Inui, T.; Yoshikawa, Y.; Ogino, M.; Yoshida, C. (২০০৯)। "Cognitive developmental robotics: a survey"। IEEE Transactions on Autonomous Mental Development। ১ (1): ১২–৩৪। বিবকোড:2009ITAMD...1...12A। ডিওআই:10.1109/tamd.2009.2021702।
• "Ask the AI experts: What's driving today's progress in AI?"। McKinsey & Company। ১৩ এপ্রিল ২০১৮ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ১৩ এপ্রিল ২০১৮।
• Barfield, Woodrow; Pagallo, Ugo (২০১৮)। Research handbook on the law of artificial intelligence। Cheltenham, UK: Edward Elgar Publishing। আইএসবিএন ৯৭৮-১-৭৮৬৪-৩৯০৪-৮। ওসিএলসি 1039480085।
• Beal, J.; Winston, Patrick (২০০৯), "The New Frontier of Human-Level Artificial Intelligence", IEEE Intelligent Systems, ২৪ (4): ২১–২৪, বিবকোড:2009IISys..24d..21B, ডিওআই:10.1109/MIS.2009.75, এইচডিএল:1721.1/52357
• Berdahl, Carl Thomas; Baker, Lawrence; Mann, Sean; Osoba, Osonde; Girosi, Federico (৭ ফেব্রুয়ারি ২০২৩)। "Strategies to Improve the Impact of Artificial Intelligence on Health Equity: Scoping Review"। JMIR AI। ২ e42936। ডিওআই:10.2196/42936। পিএমসি 11041459। পিএমআইডি 38875587।
• Berryhill, Jamie; Heang, Kévin Kok; Clogher, Rob; McBride, Keegan (২০১৯)। Hello, World: Artificial Intelligence and its Use in the Public Sector (পিডিএফ)। Paris: OECD Observatory of Public Sector Innovation। ২০ ডিসেম্বর ২০১৯ তারিখে মূল থেকে আর্কাইভকৃত (পিডিএফ)। সংগ্রহের তারিখ ৯ আগস্ট ২০২০।
• Bertini, Marco; Del Bimbo, Alberto; Torniai, Carlo (২০০৬)। "Automatic annotation and semantic retrieval of video sequences using multimedia ontologies"। Proceedings of the 14th ACM international conference on Multimedia। পৃ. ৬৭৯–৬৮২। ডিওআই:10.1145/1180639.1180782। আইএসবিএন ১-৫৯৫৯৩-৪৪৭-২।
• Bostrom, Nick (২০১৪)। Superintelligence: Paths, Dangers, Strategies। Oxford University Press।
• Bostrom, Nick (২০১৫)। "What happens when our computers get smarter than we are?"। টেড (সম্মেলন)। ২৫ জুলাই ২০২০ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ৩০ জানুয়ারি ২০২০।
• Brooks, Rodney (১০ নভেম্বর ২০১৪)। "artificial intelligence is a tool, not a threat"। Rethink Robotics। ১২ নভেম্বর ২০১৪ তারিখে মূল থেকে আর্কাইভকৃত।
• Brooks, Rodney A. (১৯৯০)। "Elephants don't play chess"। Robotics and Autonomous Systems। ৬ (1–2): ৩–১৫। ডিওআই:10.1016/S0921-8890(05)80025-9।
• Buiten, Miriam C (২০১৯)। "Towards Intelligent Regulation of Artificial Intelligence"। European Journal of Risk Regulation। ১০ (1): ৪১–৫৯। ডিওআই:10.1017/err.2019.8। আইএসএসএন 1867-299X।
• Bushwick, Sophie (১৬ মার্চ ২০২৩), "What the New GPT-4 AI Can Do", Scientific American, ২২ আগস্ট ২০২৩ তারিখে মূল থেকে আর্কাইভকৃত, সংগ্রহের তারিখ ৫ অক্টোবর ২০২৪
• Butler, Samuel (১৩ জুন ১৮৬৩)। "Darwin among the Machines"। Letters to the Editor। The Press। Christchurch, New Zealand। ১৯ সেপ্টেম্বর ২০০৮ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ১৬ অক্টোবর ২০১৪ – Victoria University of Wellington এর মাধ্যমে।
• Buttazzo, G. (জুলাই ২০০১)। "Artificial consciousness: Utopia or real possibility?"। Computer। ৩৪ (7): ২৪–৩০। বিবকোড:2001Compr..34g..24B। ডিওআই:10.1109/2.933500।
• Cambria, Erik; White, Bebo (মে ২০১৪)। "Jumping NLP Curves: A Review of Natural Language Processing Research [Review Article]"। IEEE Computational Intelligence Magazine। ৯ (2): ৪৮–৫৭। ডিওআই:10.1109/MCI.2014.2307227।
• Cellan-Jones, Rory (২ ডিসেম্বর ২০১৪)। "Stephen Hawking warns artificial intelligence could end mankind"। বিবিসি নিউজ। ৩০ অক্টোবর ২০১৫ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ৩০ অক্টোবর ২০১৫।
• Chalmers, David (১৯৯৫)। "Facing up to the problem of consciousness"। Journal of Consciousness Studies। ২ (3): ২০০–২১৯।
• Challa, Subhash; Moreland, Mark R.; Mušicki, Darko; Evans, Robin J. (২০১১)। Fundamentals of Object Tracking। Cambridge University Press। ডিওআই:10.1017/CBO9780511975837। আইএসবিএন ৯৭৮-০-৫২১৮-৭৬২৮-৫।
• Christian, Brian (২০২০)। The Alignment Problem: Machine learning and human values। W. W. Norton & Company। আইএসবিএন ৯৭৮-০-৩৯৩৮-৬৮৩৩-৩। ওসিএলসি 1233266753।
• Ciresan, D.; Meier, U.; Schmidhuber, J. (২০১২)। "Multi-column deep neural networks for image classification"। 2012 IEEE Conference on Computer Vision and Pattern Recognition। পৃ. ৩৬৪২–৩৬৪৯। আরজাইভ:1202.2745। ডিওআই:10.1109/cvpr.2012.6248110। আইএসবিএন ৯৭৮-১-৪৬৭৩-১২২৮-৮।
• Clark, Jack (২০১৫b)। "Why 2015 Was a Breakthrough Year in Artificial Intelligence"। Bloomberg.com। ২৩ নভেম্বর ২০১৬ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ২৩ নভেম্বর ২০১৬।
• CNA (১২ জানুয়ারি ২০১৯)। "Commentary: Bad news. Artificial intelligence is biased"। CNA। ১২ জানুয়ারি ২০১৯ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ১৯ জুন ২০২০।
• Cybenko, G. (১৯৮৮)। Continuous valued neural networks with two hidden layers are sufficient (প্রতিবেদন)। Department of Computer Science, Tufts University।
• Deng, L.; Yu, D. (২০১৪)। "Deep Learning: Methods and Applications" (পিডিএফ)। Foundations and Trends in Signal Processing। ৭ (3–4): ১৯৭–৩৮৭। ডিওআই:10.1561/2000000039। ১৪ মার্চ ২০১৬ তারিখে মূল থেকে আর্কাইভকৃত (পিডিএফ)। সংগ্রহের তারিখ ১৮ অক্টোবর ২০১৪।
• Dennett, Daniel (১৯৯১)। Consciousness Explained। The Penguin Press। আইএসবিএন ৯৭৮-০-৭১৩৯-৯০৩৭-৯।
• DiFeliciantonio, Chase (৩ এপ্রিল ২০২৩)। "AI has already changed the world. This report shows how"। San Francisco Chronicle। ১৯ জুন ২০২৩ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ১৯ জুন ২০২৩।
• Dickson, Ben (২ মে ২০২২)। "Machine learning: What is the transformer architecture?"। TechTalks। ২২ নভেম্বর ২০২৩ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ২২ নভেম্বর ২০২৩।
• Domingos, Pedro (২০১৫)। The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World। Basic Books। আইএসবিএন ৯৭৮-০-৪৬৫০-৬৫৭০-৭।
• Dreyfus, Hubert (১৯৭২)। What Computers Can't Do। New York: MIT Press। আইএসবিএন ৯৭৮-০-০৬০১-১০৮২-৬।
• Dreyfus, Hubert; Dreyfus, Stuart (১৯৮৬)। Mind over Machine: The Power of Human Intuition and Expertise in the Era of the Computer। Oxford: Blackwell। আইএসবিএন ৯৭৮-০-০২৯০-৮০৬০-৩। ২৬ জুলাই ২০২০ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ২২ আগস্ট ২০২০।
• Dyson, George (১৯৯৮)। Darwin among the Machines। Allan Lane Science। আইএসবিএন ৯৭৮-০-৭৩৮২-০০৩০-৯। ২৬ জুলাই ২০২০ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ২২ আগস্ট ২০২০।
• Edelson, Edward (১৯৯১)। The Nervous System। New York: Chelsea House। আইএসবিএন ৯৭৮-০-৭৯১০-০৪৬৪-৭। ২৬ জুলাই ২০২০ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ১৮ নভেম্বর ২০১৯।
• Edwards, Benj (১৭ মে ২০২৩)। "Poll: AI poses risk to humanity, according to majority of Americans"। Ars Technica। ১৯ জুন ২০২৩ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ১৯ জুন ২০২৩।
• Fearn, Nicholas (২০০৭)। The Latest Answers to the Oldest Questions: A Philosophical Adventure with the World's Greatest Thinkers। New York: Grove Press। আইএসবিএন ৯৭৮-০-৮০২১-১৮৩৯-৪।
• Ford, Martin; Colvin, Geoff (৬ সেপ্টেম্বর ২০১৫)। "Will robots create more jobs than they destroy?"। The Guardian। ১৬ জুন ২০১৮ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ১৩ জানুয়ারি ২০১৮।
• Fox News (২০২৩)। "Fox News Poll" (পিডিএফ)। Fox News। ১২ মে ২০২৩ তারিখে মূল থেকে আর্কাইভকৃত (পিডিএফ)। সংগ্রহের তারিখ ১৯ জুন ২০২৩।
• Frey, Carl Benedikt; Osborne, Michael A (২০১৭)। "The future of employment: How susceptible are jobs to computerisation?"। Technological Forecasting and Social Change। ১১৪: ২৫৪–২৮০। ডিওআই:10.1016/j.techfore.2016.08.019।
• "From not working to neural networking"। The Economist। ২০১৬। ৩১ ডিসেম্বর ২০১৬ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ২৬ এপ্রিল ২০১৮।
• Galvan, Jill (১ জানুয়ারি ১৯৯৭)। "Entering the Posthuman Collective in Philip K. Dick's "Do Androids Dream of Electric Sheep?""। Science Fiction Studies। ২৪ (3): ৪১৩–৪২৯। ডিওআই:10.1525/sfs.24.3.0413। জেস্টোর 4240644।
• Geist, Edward Moore (৯ আগস্ট ২০১৫)। "Is artificial intelligence really an existential threat to humanity?"। Bulletin of the Atomic Scientists। ৩০ অক্টোবর ২০১৫ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ৩০ অক্টোবর ২০১৫।
• Gibbs, Samuel (২৭ অক্টোবর ২০১৪)। "Elon Musk: artificial intelligence is our biggest existential threat"। The Guardian। ৩০ অক্টোবর ২০১৫ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ৩০ অক্টোবর ২০১৫।
• Goffrey, Andrew (২০০৮)। "Algorithm"। Fuller, Matthew (সম্পাদক)। Software studies: a lexicon। Cambridge, Mass.: MIT Press। পৃ. ১৫–২০। আইএসবিএন ৯৭৮-১-৪৩৫৬-৪৭৮৭-৯।
• Goldman, Sharon (১৪ সেপ্টেম্বর ২০২২)। "10 years later, deep learning 'revolution' rages on, say AI pioneers Hinton, LeCun and Li"। VentureBeat। ৫ অক্টোবর ২০২৪ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ৮ ডিসেম্বর ২০২৩।
• Good, I. J. (১৯৬৫), Speculations Concerning the First Ultraintelligent Machine, ১০ জুলাই ২০২৩ তারিখে মূল থেকে আর্কাইভকৃত, সংগ্রহের তারিখ ৫ অক্টোবর ২০২৪
• Goodfellow, Ian; Bengio, Yoshua; Courville, Aaron (২০১৬), Deep Learning, MIT Press., ১৬ এপ্রিল ২০১৬ তারিখে মূল থেকে আর্কাইভকৃত, সংগ্রহের তারিখ ১২ নভেম্বর ২০১৭
• Goodman, Bryce; Flaxman, Seth (২০১৭)। "EU regulations on algorithmic decision-making and a 'right to explanation'"। AI Magazine। ৩৮ (3): ৫০। আরজাইভ:1606.08813। ডিওআই:10.1609/aimag.v38i3.2741।
• Government Accountability Office (১৩ সেপ্টেম্বর ২০২২)। Consumer Data: Increasing Use Poses Risks to Privacy। gao.gov (প্রতিবেদন)। ১৩ সেপ্টেম্বর ২০২৪ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ৫ অক্টোবর ২০২৪।
• Grant, Nico; Hill, Kashmir (২২ মে ২০২৩)। "Google's Photo App Still Can't Find Gorillas. And Neither Can Apple's."। The New York Times। ১৪ সেপ্টেম্বর ২০২৪ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ৫ অক্টোবর ২০২৪।
• Goswami, Rohan (৫ এপ্রিল ২০২৩)। "Here's where the A.I. jobs are"। CNBC। ১৯ জুন ২০২৩ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ১৯ জুন ২০২৩।
• Harari, Yuval Noah (অক্টোবর ২০১৮)। "Why Technology Favors Tyranny"। The Atlantic। ২৫ সেপ্টেম্বর ২০২১ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ২৩ সেপ্টেম্বর ২০২১।
• Harari, Yuval Noah (২০২৩)। "AI and the future of humanity"। ইউটিউব। ৩০ সেপ্টেম্বর ২০২৪ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ৫ অক্টোবর ২০২৪।
• Haugeland, John (১৯৮৫)। Artificial Intelligence: The Very Idea। Cambridge, Mass.: MIT Press। আইএসবিএন ৯৭৮-০-২৬২০-৮১৫৩-৫।
• Hinton, G.; Deng, L.; Yu, D.; Dahl, G.; Mohamed, A.; Jaitly, N.; Senior, A.; Vanhoucke, V.; Nguyen, P.; Sainath, T.; Kingsbury, B. (২০১২)। "Deep Neural Networks for Acoustic Modeling in Speech Recognition – The shared views of four research groups"। IEEE Signal Processing Magazine। ২৯ (6): ৮২–৯৭। বিবকোড:2012ISPM...29...82H। ডিওআই:10.1109/msp.2012.2205597।
• Holley, Peter (২৮ জানুয়ারি ২০১৫)। "Bill Gates on dangers of artificial intelligence: 'I don't understand why some people are not concerned'"। The Washington Post। আইএসএসএন 0190-8286। ৩০ অক্টোবর ২০১৫ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ৩০ অক্টোবর ২০১৫।
• Hornik, Kurt; Stinchcombe, Maxwell; White, Halbert (১৯৮৯)। Multilayer Feedforward Networks are Universal Approximators (পিডিএফ)। Neural Networks। খণ্ড ২। Pergamon Press। পৃ. ৩৫৯–৩৬৬। ২১ এপ্রিল ২০২৩ তারিখে মূল থেকে আর্কাইভকৃত (পিডিএফ)। সংগ্রহের তারিখ ৫ অক্টোবর ২০২৪।
• Horst, Steven (২০০৫)। "The Computational Theory of Mind"। The Stanford Encyclopedia of Philosophy। ৬ মার্চ ২০১৬ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ৭ মার্চ ২০১৬।
• Howe, J. (নভেম্বর ১৯৯৪)। "Artificial Intelligence at Edinburgh University: a Perspective"। ১৫ মে ২০০৭ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ৩০ আগস্ট ২০০৭।
• IGM Chicago (৩০ জুন ২০১৭)। "Robots and Artificial Intelligence"। igmchicago.org। ১ মে ২০১৯ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ৩ জুলাই ২০১৯।
• Iphofen, Ron; Kritikos, Mihalis (৩ জানুয়ারি ২০১৯)। "Regulating artificial intelligence and robotics: ethics by design in a digital society"। Contemporary Social Science। ১৬ (2): ১৭০–১৮৪। ডিওআই:10.1080/21582041.2018.1563803। আইএসএসএন 2158-2041।
• Jordan, M. I.; Mitchell, T. M. (১৬ জুলাই ২০১৫)। "Machine learning: Trends, perspectives, and prospects"। Science। ৩৪৯ (6245): ২৫৫–২৬০। বিবকোড:2015Sci...349..255J। ডিওআই:10.1126/science.aaa8415। পিএমআইডি 26185243।
• Kahneman, Daniel; Slovic, Paul; Tversky, Amos (১৯৮২)। Judgment Under Uncertainty: Heuristics and Biases। Cambridge University Press।
• Kahneman, Daniel (২০১১)। Thinking, Fast and Slow। Macmillan। আইএসবিএন ৯৭৮-১-৪২৯৯-৬৯৩৫-২। ১৫ মার্চ ২০২৩ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ৮ এপ্রিল ২০১২।
• Kasperowicz, Peter (১ মে ২০২৩)। "Regulate AI? GOP much more skeptical than Dems that government can do it right: poll"। Fox News। ১৯ জুন ২০২৩ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ১৯ জুন ২০২৩।
• Katz, Yarden (১ নভেম্বর ২০১২)। "Noam Chomsky on Where Artificial Intelligence Went Wrong"। The Atlantic। ২৮ ফেব্রুয়ারি ২০১৯ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ২৬ অক্টোবর ২০১৪।
• "Kismet"। MIT Artificial Intelligence Laboratory, Humanoid Robotics Group। ১৭ অক্টোবর ২০১৪ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ২৫ অক্টোবর ২০১৪।
• Kissinger, Henry (১ নভেম্বর ২০২১)। "The Challenge of Being Human in the Age of AI"। দ্য ওয়াল স্ট্রিট জার্নাল। ৪ নভেম্বর ২০২১ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ৪ নভেম্বর ২০২১।
• Kobielus, James (২৭ নভেম্বর ২০১৯)। "GPUs Continue to Dominate the AI Accelerator Market for Now"। InformationWeek। ১৯ অক্টোবর ২০২১ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ১১ জুন ২০২০।
• Kuperman, G. J.; Reichley, R. M.; Bailey, T. C. (১ জুলাই ২০০৬)। "Using Commercial Knowledge Bases for Clinical Decision Support: Opportunities, Hurdles, and Recommendations"। Journal of the American Medical Informatics Association। ১৩ (4): ৩৬৯–৩৭১। ডিওআই:10.1197/jamia.M2055। পিএমসি 1513681। পিএমআইডি 16622160।
• Kurzweil, Ray (২০০৫)। The Singularity is Near। Penguin Books। আইএসবিএন ৯৭৮-০-৬৭০০-৩৩৮৪-৩।
• Langley, Pat (২০১১)। "The changing science of machine learning"। Machine Learning। ৮২ (3): ২৭৫–২৭৯। ডিওআই:10.1007/s10994-011-5242-y।
• Larson, Jeff; Angwin, Julia (২৩ মে ২০১৬)। "How We Analyzed the COMPAS Recidivism Algorithm"। ProPublica। ২৯ এপ্রিল ২০১৯ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ১৯ জুন ২০২০।
• Laskowski, Nicole (নভেম্বর ২০২৩)। "What is Artificial Intelligence and How Does AI Work? TechTarget"। Enterprise AI। ৫ অক্টোবর ২০২৪ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ৩০ অক্টোবর ২০২৩।
• Law Library of Congress (U.S.). Global Legal Research Directorate, issuing body. (২০১৯)। Regulation of artificial intelligence in selected jurisdictions। এলসিসিএন 2019668143। ওসিএলসি 1110727808।
• Lee, Timothy B. (২২ আগস্ট ২০১৪)। "Will artificial intelligence destroy humanity? Here are 5 reasons not to worry."। Vox। ৩০ অক্টোবর ২০১৫ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ৩০ অক্টোবর ২০১৫।
• Lenat, Douglas; Guha, R. V. (১৯৮৯)। Building Large Knowledge-Based Systems। Addison-Wesley। আইএসবিএন ৯৭৮-০-২০১৫-১৭৫২-১।
• Lighthill, James (১৯৭৩)। "Artificial Intelligence: A General Survey"। Artificial Intelligence: a paper symposium। Science Research Council।
• Lipartito, Kenneth (৬ জানুয়ারি ২০১১), The Narrative and the Algorithm: Genres of Credit Reporting from the Nineteenth Century to Today (পিডিএফ) (Unpublished manuscript), এসএসআরএন 1736283, ৯ অক্টোবর ২০২২ তারিখে মূল থেকে আর্কাইভকৃত (পিডিএফ)
• Lohr, Steve (২০১৭)। "Robots Will Take Jobs, but Not as Fast as Some Fear, New Report Says"। The New York Times। ১৪ জানুয়ারি ২০১৮ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ১৩ জানুয়ারি ২০১৮।
• Lungarella, M.; Metta, G.; Pfeifer, R.; Sandini, G. (২০০৩)। "Developmental robotics: a survey"। Connection Science। ১৫ (4): ১৫১–১৯০। বিবকোড:2003ConSc..15..151L। ডিওআই:10.1080/09540090310001655110।
• "Machine Ethics"। aaai.org। ২৯ নভেম্বর ২০১৪ তারিখে মূল থেকে আর্কাইভকৃত।
• Madrigal, Alexis C. (২৭ ফেব্রুয়ারি ২০১৫)। "The case against killer robots, from a guy actually working on artificial intelligence"। Fusion.net। ৪ ফেব্রুয়ারি ২০১৬ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ৩১ জানুয়ারি ২০১৬।
• Mahdawi, Arwa (২৬ জুন ২০১৭)। "What jobs will still be around in 20 years? Read this to prepare your future"। The Guardian। ১৪ জানুয়ারি ২০১৮ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ১৩ জানুয়ারি ২০১৮।
• Maker, Meg Houston (২০০৬), AI@50: AI Past, Present, Future, Dartmouth College, ৮ অক্টোবর ২০০৮ তারিখে মূল থেকে আর্কাইভকৃত, সংগ্রহের তারিখ ১৬ অক্টোবর ২০০৮
• Marmouyet, Françoise (১৫ ডিসেম্বর ২০২৩)। "Google's Gemini: is the new AI model really better than ChatGPT?"। The Conversation। ৪ মার্চ ২০২৪ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ২৫ ডিসেম্বর ২০২৩।
• Minsky, Marvin (১৯৮৬), The Society of Mind, Simon and Schuster
• McCarthy, John; Minsky, Marvin; Rochester, Nathan; Shannon, Claude (১৯৫৫)। "A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence"। স্ট্যানফোর্ড বিশ্ববিদ্যালয়। ২৬ আগস্ট ২০০৭ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ৩০ আগস্ট ২০০৭।
• McCarthy, John (২০০৭), "From Here to Human-Level AI", Artificial Intelligence, পৃ. ১৭১
• McCarthy, John (১৯৯৯), What is AI?, ৪ ডিসেম্বর ২০২২ তারিখে মূল থেকে আর্কাইভকৃত, সংগ্রহের তারিখ ৪ ডিসেম্বর ২০২২
• McCauley, Lee (২০০৭)। "AI armageddon and the three laws of robotics"। Ethics and Information Technology। ৯ (2): ১৫৩–১৬৪। ডিওআই:10.1007/s10676-007-9138-2। প্রোকুয়েস্ট 222198675।
• McGarry, Ken (১ ডিসেম্বর ২০০৫)। "A survey of interestingness measures for knowledge discovery"। The Knowledge Engineering Review। ২০ (1): ৩৯–৬১। ডিওআই:10.1017/S0269888905000408।
• McGaughey, Ewan (২০২২)। "Will Robots Automate Your Job Away? Full Employment, Basic Income and Economic Democracy"। Industrial Law Journal। ৫১ (3): ৫১১–৫৫৯। ডিওআই:10.1093/indlaw/dwab010। এসএসআরএন 3044448।
• Merkle, Daniel; Middendorf, Martin (২০১৩)। "Swarm Intelligence"। Burke, Edmund K.; Kendall, Graham (সম্পাদকগণ)। Search Methodologies: Introductory Tutorials in Optimization and Decision Support Techniques। Springer Science & Business Media। আইএসবিএন ৯৭৮-১-৪৬১৪-৬৯৪০-৭।
• Minsky, Marvin (১৯৬৭), Computation: Finite and Infinite Machines, Englewood Cliffs, N.J.: Prentice-Hall
• Moravec, Hans (১৯৮৮)। Mind Children। Harvard University Press। আইএসবিএন ৯৭৮-০-৬৭৪৫-৭৬১৬-২। ২৬ জুলাই ২০২০ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ১৮ নভেম্বর ২০১৯।
• Morgenstern, Michael (৯ মে ২০১৫)। "Automation and anxiety"। The Economist। ১২ জানুয়ারি ২০১৮ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ১৩ জানুয়ারি ২০১৮।
• Müller, Vincent C.; Bostrom, Nick (২০১৪)। "Future Progress in Artificial Intelligence: A Poll Among Experts"। AI Matters। ১ (1): ৯–১১। ডিওআই:10.1145/2639475.2639478।
• Neumann, Bernd; Möller, Ralf (জানুয়ারি ২০০৮)। "On scene interpretation with description logics"। Image and Vision Computing। ২৬ (1): ৮২–১০১। ডিওআই:10.1016/j.imavis.2007.08.013।
• Nilsson, Nils (১৯৯৫), "Eyes on the Prize", AI Magazine, খণ্ড ১৬, পৃ. ৯–১৭
• Newell, Allen; Simon, H. A. (১৯৭৬)। "Computer Science as Empirical Inquiry: Symbols and Search"। Communications of the ACM। ১৯ (3): ১১৩–১২৬। ডিওআই:10.1145/360018.360022।
• Nicas, Jack (৭ ফেব্রুয়ারি ২০১৮)। "How YouTube Drives People to the Internet's Darkest Corners"। দ্য ওয়াল স্ট্রিট জার্নাল। আইএসএসএন 0099-9660। ৫ অক্টোবর ২০২৪ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ১৬ জুন ২০১৮।
• Nilsson, Nils (১৯৮৩)। "Artificial Intelligence Prepares for 2001" (পিডিএফ)। AI Magazine। ১ (1)। ১৭ আগস্ট ২০২০ তারিখে মূল থেকে আর্কাইভকৃত (পিডিএফ)। সংগ্রহের তারিখ ২২ আগস্ট ২০২০। Presidential Address to the Association for the Advancement of Artificial Intelligence.
• NRC (United States National Research Council) (১৯৯৯)। "Developments in Artificial Intelligence"। Funding a Revolution: Government Support for Computing Research। National Academies Press। আইএসবিএন ৯৭৮-০-৩০৯-৫২৫০১-৫।
• Omohundro, Steve (২০০৮)। The Nature of Self-Improving Artificial Intelligence (পিডিএফ)। 2007 Singularity Summit। San Francisco, CA।
• Oudeyer, P-Y. (২০১০)। "On the impact of robotics in behavioral and cognitive sciences: from insect navigation to human cognitive development"। IEEE Transactions on Autonomous Mental Development। ২ (1): ২–১৬। বিবকোড:2010ITAMD...2....2O। ডিওআই:10.1109/tamd.2009.2039057।
• Pennachin, C.; Goertzel, B. (২০০৭)। "Contemporary Approaches to Artificial General Intelligence"। Artificial General Intelligence। Cognitive Technologies। Berlin, Heidelberg: Springer। পৃ. ১–৩০। ডিওআই:10.1007/978-3-540-68677-4_1। আইএসবিএন ৯৭৮-৩-৫৪০২-৩৭৩৩-৪।
• Pinker, Steven (২০০৭) [1994], The Language Instinct, Perennial Modern Classics, Harper, আইএসবিএন ৯৭৮-০-০৬১৩-৩৬৪৬-১
• Poria, Soujanya; Cambria, Erik; Bajpai, Rajiv; Hussain, Amir (সেপ্টেম্বর ২০১৭)। "A review of affective computing: From unimodal analysis to multimodal fusion"। Information Fusion। ৩৭: ৯৮–১২৫। বিবকোড:2017InfFu..37...98P। ডিওআই:10.1016/j.inffus.2017.02.003। এইচডিএল:1893/25490।
• Rawlinson, Kevin (২৯ জানুয়ারি ২০১৫)। "Microsoft's Bill Gates insists AI is a threat"। BBC News। ২৯ জানুয়ারি ২০১৫ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ৩০ জানুয়ারি ২০১৫।
• Reisner, Alex (১৯ আগস্ট ২০২৩), "Revealed: The Authors Whose Pirated Books are Powering Generative AI", The Atlantic, ৩ অক্টোবর ২০২৪ তারিখে মূল থেকে আর্কাইভকৃত, সংগ্রহের তারিখ ৫ অক্টোবর ২০২৪
• Roberts, Jacob (২০১৬)। "Thinking Machines: The Search for Artificial Intelligence"। Distillations। খণ্ড ২ নং 2। পৃ. ১৪–২৩। ১৯ আগস্ট ২০১৮ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ২০ মার্চ ২০১৮।
• Robitzski, Dan (৫ সেপ্টেম্বর ২০১৮)। "Five experts share what scares them the most about AI"। Futurism। ৮ ডিসেম্বর ২০১৯ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ৮ ডিসেম্বর ২০১৯।
• Rose, Steve (১১ জুলাই ২০২৩)। "AI Utopia or dystopia?"। The Guardian Weekly। পৃ. ৪২–৪৩।
• Russell, Stuart (২০১৯)। Human Compatible: Artificial Intelligence and the Problem of Control। United States: Viking। আইএসবিএন ৯৭৮-০-৫২৫৫-৫৮৬১-৩। ওসিএলসি 1083694322।
• Sainato, Michael (১৯ আগস্ট ২০১৫)। "Stephen Hawking, Elon Musk, and Bill Gates Warn About Artificial Intelligence"। Observer। ৩০ অক্টোবর ২০১৫ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ৩০ অক্টোবর ২০১৫।
• Sample, Ian (৫ নভেম্বর ২০১৭)। "Computer says no: why making AIs fair, accountable and transparent is crucial"। The Guardian। ১০ অক্টোবর ২০২২ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ৩০ জানুয়ারি ২০১৮।
• Rothman, Denis (৭ অক্টোবর ২০২০)। "Exploring LIME Explanations and the Mathematics Behind It"। Codemotion। ২৫ নভেম্বর ২০২৩ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ২৫ নভেম্বর ২০২৩।
• Scassellati, Brian (২০০২)। "Theory of mind for a humanoid robot"। Autonomous Robots। ১২ (1): ১৩–২৪। ডিওআই:10.1023/A:1013298507114।
• Schmidhuber, J. (২০১৫)। "Deep Learning in Neural Networks: An Overview"। Neural Networks। ৬১: ৮৫–১১৭। আরজাইভ:1404.7828। বিবকোড:2015NN.....61...85S। ডিওআই:10.1016/j.neunet.2014.09.003। পিএমআইডি 25462637।
• Schmidhuber, Jürgen (২০২২)। "Annotated History of Modern AI and Deep Learning"। ৭ আগস্ট ২০২৩ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ৫ অক্টোবর ২০২৪।
• Searle, John (১৯৮০)। "Minds, Brains and Programs"। Behavioral and Brain Sciences। ৩ (3): ৪১৭–৪৫৭। ডিওআই:10.1017/S0140525X00005756।
• Searle, John (১৯৯৯)। Mind, language and society। New York: Basic Books। আইএসবিএন ৯৭৮-০-৪৬৫০-৪৫২১-১। ওসিএলসি 231867665। ২৬ জুলাই ২০২০ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ২২ আগস্ট ২০২০।
• Simon, H. A. (১৯৬৫), The Shape of Automation for Men and Management, New York: Harper & Row, ওসিএলসি 1483817127
• Simonite, Tom (৩১ মার্চ ২০১৬)। "How Google Plans to Solve Artificial Intelligence"। MIT Technology Review। ১৬ সেপ্টেম্বর ২০২৪ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ৫ অক্টোবর ২০২৪।
• Smith, Craig S. (১৫ মার্চ ২০২৩)। "ChatGPT-4 Creator Ilya Sutskever on AI Hallucinations and AI Democracy"। Forbes। ১৮ সেপ্টেম্বর ২০২৪ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ২৫ ডিসেম্বর ২০২৩।
• Smoliar, Stephen W.; Zhang, HongJiang (১৯৯৪)। "Content based video indexing and retrieval"। IEEE MultiMedia। ১ (2): ৬২–৭২। ডিওআই:10.1109/93.311653।
• Solomonoff, Ray (১৯৫৬)। An Inductive Inference Machine (পিডিএফ)। Dartmouth Summer Research Conference on Artificial Intelligence। ২৬ এপ্রিল ২০১১ তারিখে মূল থেকে আর্কাইভকৃত (পিডিএফ)। সংগ্রহের তারিখ ২২ মার্চ ২০১১ – std.com, pdf scanned copy of the original এর মাধ্যমে। Later published as
  Solomonoff, Ray (১৯৫৭)। "An Inductive Inference Machine"। IRE Convention Record। খণ্ড Section on Information Theory, part ২। পৃ. ৫৬–৬২।
• Stanford University (২০২৩)। "Artificial Intelligence Index Report 2023/Chapter 6: Policy and Governance" (পিডিএফ)। AI Index। ১৯ জুন ২০২৩ তারিখে মূল থেকে আর্কাইভকৃত (পিডিএফ)। সংগ্রহের তারিখ ১৯ জুন ২০২৩।
• Stewart, Jon (৯ অক্টোবর ২০২৫)। "AI: What Could Go Wrong? With Geoffrey Hinton"। The Weekly Show with Jon Stewart (পডকাস্ট)।
• Tao, Jianhua; Tan, Tieniu (২০০৫)। Affective Computing and Intelligent Interaction। Affective Computing: A Review। Lecture Notes in Computer Science। খণ্ড ৩৭৮৪। Springer। পৃ. ৯৮১–৯৯৫। ডিওআই:10.1007/11573548। আইএসবিএন ৯৭৮-৩-৫৪০২-৯৬২১-৮।
• Taylor, Josh; Hern, Alex (২ মে ২০২৩)। "'Godfather of AI' Geoffrey Hinton quits Google and warns over dangers of misinformation"। দ্য গার্ডিয়ান। ৫ অক্টোবর ২০২৪ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ৫ অক্টোবর ২০২৪।
• Thompson, Derek (২৩ জানুয়ারি ২০১৪)। "What Jobs Will the Robots Take?"। The Atlantic। ২৪ এপ্রিল ২০১৮ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ২৪ এপ্রিল ২০১৮।
• Thro, Ellen (১৯৯৩)। Robotics: The Marriage of Computers and Machines। New York: Facts on File। আইএসবিএন ৯৭৮-০-৮১৬০-২৬২৮-৯। ২৬ জুলাই ২০২০ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ২২ আগস্ট ২০২০।
• Toews, Rob (৩ সেপ্টেম্বর ২০২৩)। "Transformers Revolutionized AI. What Will Replace Them?"। Forbes। ৮ ডিসেম্বর ২০২৩ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ৮ ডিসেম্বর ২০২৩।
• টেমপ্লেট:Turing 1950
• UNESCO Science Report: the Race Against Time for Smarter Development.। Paris: UNESCO। ২০২১। আইএসবিএন ৯৭৮-৯-২৩১০-০৪৫০-৬। ১৮ জুন ২০২২ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ১৮ সেপ্টেম্বর ২০২১।
• Urbina, Fabio; Lentzos, Filippa; Invernizzi, Cédric; Ekins, Sean (৭ মার্চ ২০২২)। "Dual use of artificial-intelligence-powered drug discovery"। Nature Machine Intelligence। ৪ (3): ১৮৯–১৯১। ডিওআই:10.1038/s42256-022-00465-9। পিএমসি 9544280। পিএমআইডি 36211133।
• Valance, Christ (৩০ মে ২০২৩)। "Artificial intelligence could lead to extinction, experts warn"। BBC News। ১৭ জুন ২০২৩ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ১৮ জুন ২০২৩।
• Valinsky, Jordan (১১ এপ্রিল ২০১৯), "Amazon reportedly employs thousands of people to listen to your Alexa conversations", CNN.com, ২৬ জানুয়ারি ২০২৪ তারিখে মূল থেকে আর্কাইভকৃত, সংগ্রহের তারিখ ৫ অক্টোবর ২০২৪
• Verma, Yugesh (২৫ ডিসেম্বর ২০২১)। "A Complete Guide to SHAP – SHAPley Additive exPlanations for Practitioners"। Analytics India Magazine। ২৫ নভেম্বর ২০২৩ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ২৫ নভেম্বর ২০২৩।
• Vincent, James (৭ নভেম্বর ২০১৯)। "OpenAI has published the text-generating AI it said was too dangerous to share"। The Verge। ১১ জুন ২০২০ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ১১ জুন ২০২০।
• Vincent, James (১৫ নভেম্বর ২০২২)। "The scary truth about AI copyright is nobody knows what will happen next"। The Verge। ১৯ জুন ২০২৩ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ১৯ জুন ২০২৩।
• Vincent, James (৩ এপ্রিল ২০২৩)। "AI is entering an era of corporate control"। The Verge। ১৯ জুন ২০২৩ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ১৯ জুন ২০২৩।
• Vinge, Vernor (১৯৯৩)। "The Coming Technological Singularity: How to Survive in the Post-Human Era"। Vision 21: Interdisciplinary Science and Engineering in the Era of Cyberspace: ১১। বিবকোড:1993vise.nasa...11V। ১ জানুয়ারি ২০০৭ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ১৪ নভেম্বর ২০১১।
• Waddell, Kaveh (২০১৮)। "Chatbots Have Entered the Uncanny Valley"। The Atlantic। ২৪ এপ্রিল ২০১৮ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ২৪ এপ্রিল ২০১৮।
• Wallach, Wendell (২০১০)। Moral Machines। Oxford University Press।
• Wason, P. C.; Shapiro, D. (১৯৬৬)। "Reasoning"। Foss, B. M. (সম্পাদক)। New horizons in psychology। Harmondsworth: Penguin। ২৬ জুলাই ২০২০ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ১৮ নভেম্বর ২০১৯।
• Weng, J.; McClelland; Pentland, A.; Sporns, O.; Stockman, I.; Sur, M.; Thelen, E. (২০০১)। "Autonomous mental development by robots and animals"। Science। ২৯১ (5504): ৫৯৯–৬০০। ডিওআই:10.1126/science.291.5504.599। পিএমআইডি 11229402।
• "What is 'fuzzy logic'? Are there computers that are inherently fuzzy and do not apply the usual binary logic?"। Scientific American। ২১ অক্টোবর ১৯৯৯। ৬ মে ২০১৮ তারিখে মূল থেকে আর্কাইভকৃত। সংগ্রহের তারিখ ৫ মে ২০১৮।
• Williams, Rhiannon (২৮ জুন ২০২৩), "Humans may be more likely to believe disinformation generated by AI", MIT Technology Review, ১৬ সেপ্টেম্বর ২০২৪ তারিখে মূল থেকে আর্কাইভকৃত, সংগ্রহের তারিখ ৫ অক্টোবর ২০২৪
• Wirtz, Bernd W.; Weyerer, Jan C.; Geyer, Carolin (২৪ জুলাই ২০১৮)। "Artificial Intelligence and the Public Sector – Applications and Challenges"। International Journal of Public Administration। ৪২ (7): ৫৯৬–৬১৫। ডিওআই:10.1080/01900692.2018.1498103।
• Wong, Matteo (১৯ মে ২০২৩), "ChatGPT Is Already Obsolete", The Atlantic, ১৮ সেপ্টেম্বর ২০২৪ তারিখে মূল থেকে আর্কাইভকৃত, সংগ্রহের তারিখ ৫ অক্টোবর ২০২৪
• Yudkowsky, E (২০০৮), "Artificial Intelligence as a Positive and Negative Factor in Global Risk" (পিডিএফ), Global Catastrophic Risks, Oxford University Press, 2008, বিবকোড:2008gcr..book..303Y, ১৯ অক্টোবর ২০১৩ তারিখে মূল থেকে আর্কাইভকৃত (পিডিএফ), সংগ্রহের তারিখ ২৪ সেপ্টেম্বর ২০২১