ব্যবহারকারীদের জন্য নিজস্ব একটি টুল নিয়ে গুগলও কৃত্রিম বুদ্ধিমত্তার জগতে প্রবেশ করছে । জেমিনি নামের এই অ্যাসিস্ট্যান্টটি আপনাকে বিভিন্ন দিক নিয়ন্ত্রণ করতে এবং নানা ধরনের কাজ সম্পাদন করতে দেবে, এবং এটি কীভাবে কাজ করে সে সম্পর্কে আমরা আপনাকে বিস্তারিত জানাব। জেমিনি এআই হলো মাউন্টেন ভিউ-ভিত্তিক একটি কোম্পানির তৈরি মডেল, যা এই খাতে মাইক্রোসফট, ওপেনএআই এবং এই ধরনের অন্যান্য সরবরাহকারীদের সাথে প্রতিযোগিতা করার জন্য তৈরি করা হয়েছে।
গুগলের জেমিনি প্রকল্পটি এই সার্চ ইঞ্জিন জায়ান্টের সমর্থনপুষ্ট , যার ফলে এর উন্নয়নে বিপুল পরিমাণ অর্থ, সময় এবং পেশাদারদের বিনিয়োগ করা হচ্ছে। জেমিনির মূল বৈশিষ্ট্যগুলো থেকে কৃত্রিম বুদ্ধিমত্তা কীভাবে কাজ করে এবং এই খাতে প্রতিযোগিতা করার জন্য গুগল কী ধরনের উদ্দেশ্য অনুসরণ করছে, সে সম্পর্কে ধারণা পাওয়া যায়। ফেব্রুয়ারির শুরুতে এর সাম্প্রতিক অনুমোদন এই শিল্পে প্রযুক্তিটির গুরুত্বকে আরও স্পষ্ট করে তুলেছে।
কিভাবে Google Gemini কৃত্রিম বুদ্ধিমত্তা কাজ করে
গুগলের জেমিনি কৃত্রিম বুদ্ধিমত্তা মডেলের লক্ষ্য হলো সমসাময়িক প্রযুক্তি শিল্পের সবচেয়ে প্রতিযোগিতামূলক খাতে নেতৃত্ব দেওয়া। এই মডেলটি শুধু একটি চ্যাটবট বা গুগল বার্ডের মতো অ্যাপ নয় ; এটি অ্যাপে ব্যবহৃত সমস্ত প্রযুক্তিকে অন্তর্ভুক্ত করে। একারণেই এটি একটি অত্যন্ত গুরুত্বপূর্ণ অগ্রগতি এবং এমন একটি খাত যেখানে গুগল প্রচুর সময় ও সম্পদ বিনিয়োগ করছে।
জেমিনির লক্ষ্য হলো পাম (PaLM)-এর উত্তরসূরি হওয়া , যা বর্তমানে বার্ড (Bard) অ্যাপ্লিকেশনটিকে শক্তি জোগায়। ডেভেলপারদের পরিকল্পনা অনুযায়ী, একই অ্যাপ্লিকেশনের মধ্যে পাম-কে পর্যায়ক্রমে জেমিনি দ্বারা প্রতিস্থাপন করা হবে। একই এআই চ্যাটবট ব্যবহার করা হলেও, উত্তর তৈরি এবং তথ্য অনুসন্ধানের জন্য এই নতুন প্রোটোকল ও কৌশলগুলো অন্তর্ভুক্ত করার মাধ্যমে এর প্রতিক্রিয়া ধীরে ধীরে উন্নত হবে।
প্রাথমিক পরীক্ষাগুলো
গুগল জেমিনি ব্যাপক উত্তেজনা সৃষ্টি করছে, কারণ প্রাথমিক পরীক্ষাগুলোতে এমন ফলাফল দেখা যাচ্ছে যা এর প্রধান প্রতিযোগীদেরকেও ছাড়িয়ে গেছে। গুগল এমনকি ওপেনএআই এবং জিপিটি-৪-কেও ছাড়িয়ে গেছে , যদিও এই ধরনের প্রযুক্তির উন্নয়নের গতি স্থির এবং ভবিষ্যতে পরিস্থিতি আবারও বদলে যেতে পারে। জেমিনির কার্যপদ্ধতি একটি মাল্টিমোডাল মডেলের উপর ভিত্তি করে তৈরি। এটি টেক্সট থেকে শুরু করে ছবি পর্যন্ত বিভিন্ন ধরনের তথ্য বুঝতে পারে এবং একে অডিও ও প্রোগ্রামিং কোডও দেওয়া যায়। এটি একটি অত্যন্ত নমনীয় কৃত্রিম বুদ্ধিমত্তা মডেলের ইঙ্গিত দেয়, যা টেক্সট অনুরোধ করা থেকে শুরু করে কোনো পরিস্থিতি বর্ণনা করা বা প্রাসঙ্গিক উন্নয়নমূলক প্রশ্নের উত্তর দেওয়ার মতো বিভিন্ন কাজে সহায়তা ও সম্পাদনের জন্য আদর্শ।
মিথুন কিভাবে কাজ করে?
অন্যান্য কৃত্রিম বুদ্ধিমত্তা মডেলের মতোই , জেমিনিকে বিপুল পরিমাণ ডেটা ব্যবহার করে নিবিড়ভাবে প্রশিক্ষণ দেওয়া হয়। এই ডেটা ইন্টারনেট থেকে সংগ্রহ করা হয় এবং প্রশিক্ষণ অ্যালগরিদমগুলোকে এমনভাবে ডিজাইন করা হয়েছে যাতে ভাষা সিস্টেমটি ব্যবহারকারীর কথা বুঝতে শেখে। এরপর, প্রশ্ন ও অনুরোধের তথ্য আগে থেকেই সংরক্ষণ করে, জেমিনি এমন লিখিত উত্তর তৈরি করার দায়িত্ব নেয় যা শুনতে স্বাভাবিক ও স্বতঃস্ফূর্ত মনে হয়।
গুগল জেমিনিকে একেবারে গোড়া থেকে ডিজাইন করেছে । শুরু থেকেই এটি একটি মাল্টিমোডাল মডেল, যা একজন ব্যবহারকারীর বিভিন্ন ধরনের প্রতিক্রিয়া এবং অনুরোধের প্রতি মনোযোগ দেয়। এটিকে শুধুমাত্র টেক্সট ফরম্যাটে প্রতিক্রিয়া জানানোর জন্য প্রশিক্ষণ দেওয়া হয়নি; এর প্রশিক্ষণে স্বাভাবিকভাবেই বিভিন্ন মাধ্যমকে একত্রিত করা হয়। উদাহরণস্বরূপ, আমরা রিয়েল টাইমে একটি লিখিত অনুরোধ বা একটি অঙ্কন করতে সক্ষম হব। এমনকি রিয়েল টাইমে বস্তুগুলোকে লিঙ্ক ও সম্পর্কিত করা, নির্দেশনার উপর ভিত্তি করে গান সাজেস্ট করা এবং আরও অনেক কিছু করা সম্ভব হবে।
আলফাকোড 2
এটি জেমিনি দ্বারা প্রবর্তিত একটি নতুন কোড জেনারেশন সিস্টেমের নাম । এটি জটিল গণিত এবং তাত্ত্বিক কম্পিউটার বিজ্ঞান বোঝার ক্ষমতা উন্নত করতে সাহায্য করে। এটি জেমিনির কৃত্রিম বুদ্ধিমত্তাকে অধিকতর যুক্তিবাদী ক্ষমতা এবং প্রোগ্রামিং কোড বোঝার উন্নততর সুযোগ দেয়, যার ফলে 'বিভ্রম'-এর সম্ভাবনা হ্রাস পায়। এর ফলে প্রাপ্ত প্রতিক্রিয়াগুলো উদ্দিষ্ট ব্যবহারের জন্য অনেক বেশি নির্ভরযোগ্য এবং বাস্তবসম্মত হয়ে ওঠে।
GPT এর সাথে পার্থক্য
জেমিনি এআই তিনটি ভিন্ন সংস্করণে আসে : আল্ট্রা, প্রো এবং ন্যানো । আল্ট্রা হলো সবচেয়ে উন্নত এবং এটি সম্পূর্ণ মাল্টিমোডাল ডেভেলপমেন্টের সুবিধা দেয়। জেমিনি প্রো-এর সক্ষমতা ও কার্যকারিতা তুলনামূলকভাবে সীমিত, অন্যদিকে ন্যানো সংস্করণটি মোবাইল ডিভাইস এবং কম ক্ষমতাসম্পন্ন ডিভাইসের অভিজ্ঞতার উপর বিশেষভাবে আলোকপাত করে।
এমনকি কম শক্তির জন্য ডিজাইন করা, জেমিনি ন্যানো কৃত্রিম বুদ্ধিমত্তা সেক্টরে একটি সম্পূর্ণ বিপ্লব। এটি ডিভাইসের মধ্যেই ব্যবহার করা যেতে পারে এবং বাইরের অ্যাপস প্রয়োগ করার প্রয়োজন হবে না। সবচেয়ে পরিষ্কার উদাহরণ হল ChatGPT। কৃত্রিম বুদ্ধিমত্তা ব্যবহার করার জন্য, একটি অ্যাপকে AI সার্ভারের সাথে সংযোগ করতে হবে। কিন্তু গুগল চায় জেমিনি সরাসরি মোবাইলে ইন্সটল করুক এবং কোনো ধরনের সংযোগের প্রয়োজন নেই।
যেখানে জেমিনি আল্ট্রা সরাসরি জিপিটি-৪ চ্যাট-এর সাথে একই ক্ষেত্রে প্রতিযোগিতা করে , সেখানে জেমিনি প্রো সরাসরি জিপিটি ৩.৫-এর সাথে প্রতিযোগিতা করবে। পরিশেষে, জেমিনি ন্যানো অনন্য, কারণ এই প্রথম কোনো প্রযুক্তি নির্মাতা তার কৃত্রিম বুদ্ধিমত্তাকে অফলাইনে এবং স্থানীয় প্রভাবসহ অন্তর্ভুক্ত করার লক্ষ্য নিয়েছে। ওপেনএআই-এর বর্তমান পণ্য তালিকায় অনুরূপ বৈশিষ্ট্যযুক্ত কোনো পণ্য নেই।
আরেকটি পার্থক্য হলো, গুগল জেমিনিকে একটি মাল্টিমোডাল প্রজেক্ট হিসেবে পরিকল্পনা করা হয়েছিল, যেখানে জিপিটি চ্যাট টেক্সট রিকোয়েস্ট বোঝার জন্য ডিজাইন করা হয়েছে। জেমিনি আরও এক ধাপ এগিয়ে, এটি ড্রয়িং, ছবি বা অডিও ফাইলের মতো উপাদান থেকেও সাড়া ও মিথস্ক্রিয়া প্রত্যাশা করে।
গুগল মিথুন কখন আসবে?
আগামী মাসগুলোতে গুগল জেমিনির তিনটি সংস্করণ পর্যায়ক্রমে বিশ্বের বিভিন্ন অংশে চালু হতে শুরু করবে বলে আশা করা হচ্ছে । জেমিনি প্রো ইতোমধ্যেই গুগল ড্রাইভে উপলব্ধ, এবং স্পেনের মতো দেশগুলো ইতোমধ্যেই এটি ব্যবহার করে অনুসন্ধান করতে এবং নতুন অভিজ্ঞতা উপভোগ করা শুরু করতে পারে।
Gemini Ultra সহ Bard Advance-এর একটি উন্নত সংস্করণ এরপর আসার কথা রয়েছে । এই আপগ্রেডটি হয়তো এই বছরের শেষের দিকে পাওয়া যাবে, তবে এখনও কোনো আনুষ্ঠানিক তারিখ ঘোষণা করা হয়নি। Gemini Nano সংস্করণের ক্ষেত্রে, Pixel 8 Pro মডেলগুলোই প্রথম এটি পাবে বলে আশা করা হচ্ছে এবং এতে AICore নামক একটি পরিষেবাও অন্তর্ভুক্ত থাকবে, যা অ্যাপ ডেভেলপারদের তাদের টুলগুলিতে কৃত্রিম বুদ্ধিমত্তা ব্যবহার করার সুযোগ দেবে।
অবশেষে, জেমিনিকে গুগল ইকোসিস্টেমের অন্তর্ভুক্ত আরও অনেক টুলের সাথে একীভূত করা হবে বলে আশা করা হচ্ছে ; যেমন সার্চ ইঞ্জিন, গুগল অ্যাডস, ডুয়েট এআই, এমনকি ক্রোম ওয়েব ব্রাউজার, যেগুলো কৃত্রিম বুদ্ধিমত্তা থেকে ব্যাপকভাবে উপকৃত হবে।