বড় ভাষার মডেল দ্বারা চালিত কৃত্রিম বুদ্ধিমত্তার বিকাশের জন্য ধন্যবাদ, গ্রাফিক আইকনোগ্রাফির গবেষণা এবং প্রয়োগ একটি নতুন সুযোগের সূচনা করেছে, যা বড় ভাষা মডেলের বিকাশকে বড় দৃষ্টি মডেলে উন্নীত করছে।" 30 ডিসেম্বর, 2023 তারিখে নববর্ষের আগের দিন এবং নববর্ষের দিন উপলক্ষে, চাইনিজ একাডেমি অফ ইঞ্জিনিয়ারিংয়ের শিক্ষাবিদ ও ন্যাশনাল ইঞ্জিনিয়ারিং রিসার্চ সেন্টার ফর রোবট ভিজ্যুয়াল পারসেপশন অ্যান্ড কন্ট্রোল টেকনোলজির পরিচালক ওয়াং ইয়াওনান মেশিন ভিশন বুদ্ধিমত্তার বিকাশের সর্বশেষ প্রবণতা শেয়ার করেছেন চাইনিজ সোসাইটি অফ গ্রাফিক গ্রাফিক্সের 19 তম তরুণ বিজ্ঞানী সম্মেলনে।
নান্দু প্রতিবেদকের সাথে একান্ত সাক্ষাত্কারে, ওয়াং ইয়াওনান বলেছেন যে কৃত্রিম বুদ্ধিমত্তা মেশিনের দৃষ্টিশক্তিকে বুদ্ধিমান করে তোলে এবং উচ্চতর গাণিতিক শক্তি বড় ভিজ্যুয়াল মডেলের প্রশিক্ষণকে সমর্থন করতে পারে। যাইহোক, স্মার্ট বড় ভিশন মডেলগুলির জন্য উচ্চতর গাণিতিক স্তর, আরও ভাল মডেল আর্কিটেকচার এবং আরও কার্যকর শেখার অ্যালগরিদম প্রয়োজন।
চাইনিজ সোসাইটি অফ ইমেজ গ্রাফিক্স, পাঝো ল্যাব, সাউথ চায়না ইউনিভার্সিটি অফ টেকনোলজি, সান ইয়াত-সেন ইউনিভার্সিটি এবং চাইনিজ সোসাইটি অফ ইমেজ গ্রাফিক্সের ইয়ুথ ওয়ার্কিং কমিটি এই সম্মেলনের আয়োজন করেছে।
শিল্প প্রবণতা সম্পর্কে কথা বলা
ভিজ্যুয়াল কম্পিউটিং থেকে ভিজ্যুয়াল ইন্টেলিজেন্স পর্যন্ত
ইয়াও-নান ওয়াং: চীনের মেশিন ভিশন গবেষণার প্রায় 40 বছরের ইতিহাস রয়েছে, প্রাথমিকভাবে সেন্সর অধ্যয়ন থেকে শুরু করে, তা হল: আলোর তথ্যকে ছবির তথ্যে রূপান্তর করা। এর পরের জিনিসটি হল দৃষ্টি প্রক্রিয়াকরণ, প্রাপ্ত ছবিকে আরও পরিষ্কার করার জন্য উন্নত করা সহ।
একটি পরিষ্কার চিত্র থাকার পরে, আমাদের ছবিটি থেকে আমাদের আগ্রহের লক্ষ্যটি পেতে হবে। উদাহরণস্বরূপ, চালকবিহীন ড্রাইভিংয়ের ক্ষেত্রে, মেশিনের দৃষ্টিকে ছবিতে লক্ষ্যগুলি সনাক্ত করতে হবে, কোনটি একজন ব্যক্তি এবং কোনটি একটি গাড়ি এই প্রশ্নের উত্তর দিতে।
এগুলোকে আমরা বলি মেশিন ভিশনের তিনটি প্রধান ক্ষেত্র। আমি এটিকে সিদ্ধ করি: ইমেজিং, প্রক্রিয়াকরণ এবং বোঝাপড়া।
মেশিন ভিশন অতীতে ভিজ্যুয়াল কম্পিউটিং থেকে আজ ভিজ্যুয়াল ইন্টেলিজেন্সে চলে গেছে। কৃত্রিম বুদ্ধিমত্তার সাথে মিলিত ভিজ্যুয়াল কম্পিউটিং জ্ঞানের স্তরকে উন্নত করেছে এবং জটিল পরিবেশ বোঝার ক্ষমতা বাড়িয়েছে, এবং পুরো ভিজ্যুয়াল বুদ্ধিমত্তা শিল্প গত বছরে দ্রুত বিকাশ দেখেছে।
মেশিন ভিশন ইন্টেলিজেন্সের বিকাশের দিকটি হল শিল্প পরিদর্শন, বুদ্ধিমান উত্পাদন এবং স্যাটেলাইট রিমোট সেন্সিং এবং অন্যান্য ক্ষেত্রগুলিতে প্রয়োগ করা বিস্তৃত অ্যাপ্লিকেশনগুলি চালানো।
মেশিন ভিশন সম্পর্কে কথা বলতে গেলে, আমাদের অবশ্যই এর প্রয়োগ, অ্যাপ্লিকেশন চালিত প্রযুক্তির বিকাশ সম্পর্কে কথা বলতে হবে। চাইনিজ সোসাইটি অফ ইমেজ গ্রাফিক্সের 30টি বিশেষ কমিটি রয়েছে, যা মূলত গ্রাফিক ইমেজকে কেন্দ্র করে গবেষণা চালানোর জন্য, জাতীয় অর্থনীতির সেবা করার জন্য। এই প্রযুক্তিগুলিতে শিল্প, কৃষি, ভৌগলিক তথ্য ব্যবস্থা, রিমোট সেন্সিং, ভূমি সম্পদ এবং আরও অনেক কিছু সহ প্রয়োগের পরিস্থিতির বিস্তৃত পরিসর রয়েছে।
একজন ব্যক্তি জন্মের সময় পৃথিবী দেখতে পারে এবং পরবর্তীতে বিশ্বকে বুঝতে পারে এবং 80% তথ্য দৃষ্টি দ্বারা অর্জিত হয়। মেশিন দৃষ্টি মানুষের চোখ অনুকরণ করা হয়, এবং অবশেষে মানুষের চোখের স্তরে পৌঁছানোর, এবং কিছু দিক মানুষের চোখ অতিক্রম, দূরে দেখতে, আরো স্পষ্টভাবে দেখতে.
বড় দৃষ্টি মডেল সম্পর্কে কথা বলুন
বড় চাক্ষুষ মডেল আরো এবং আরো বুদ্ধিমান হবে
ইয়াও-নান ওয়াং: বিগ ল্যাঙ্গুয়েজ মডেল হল একটি ডেটা-চালিত AI যা একটি নিউরাল নেটওয়ার্ক মডেলকে প্রশিক্ষণ দেওয়ার জন্য বই, ভাষা এবং পাঠ্য থেকে জ্ঞান ব্যবহার করে যা এটি যা শিখেছে তার উপর ভিত্তি করে যুক্তি ও উত্তর দিতে পারে।
অন্যদিকে, গ্র্যান্ড ভিজ্যুয়াল মডেলের ডেটা মূলত বিভিন্ন ছবি থেকে আসে, যার মধ্যে মানুষ এবং প্রকৃতির ভিজ্যুয়াল ডেটা রয়েছে। উদাহরণস্বরূপ, মেডিকেল বিগ ভিজ্যুয়াল মডেল হল বড় মডেলের ভিজ্যুয়াল ডেটা হিসাবে মানুষের অঙ্গ এবং ক্ষতগুলির চিত্রগুলি ইনপুট করা এবং তারপরে এটি পাওয়ার জন্য প্রশিক্ষণ দেওয়া, যাতে এটি ডাক্তারের মতো সিটি ফটো পড়তে পারে এবং এর প্রভাব অর্জন করতে পারে। রোগী যখন ডাক্তারের কাছে আসে তখন ছবি তোলার পর রোগীর অবস্থার কারণ ব্যাখ্যা করা।
বর্তমান ভিজ্যুয়াল মডেলে মানুষের মস্তিষ্ক যেমন আমরা কল্পনা করি তেমন নেই, ব্যবধান এখনও অনেক বড়। শেখার ডেটা বৃদ্ধি এবং মডেলের পরামিতিগুলির সামঞ্জস্যের সাথে, মডেলটি আরও বড় এবং আরও বড় এবং আরও বেশি জ্ঞান হয়ে উঠবে এবং এর বুদ্ধিমত্তা স্তর উচ্চতর এবং উচ্চতর এবং স্মার্ট হয়ে উঠবে।
আমাদের গাণিতিক শক্তির মাত্রা বাড়াতে হবে এবং দ্রুত মডেল তৈরি করতে সক্ষম হতে গণনার গতি ত্বরান্বিত করতে হবে; আরও ভাল মডেল আর্কিটেকচার ডিজাইন করতে, আরও ব্যাখ্যাযোগ্যতা এবং আরও নিরাপদ এবং নিয়ন্ত্রণযোগ্য সহ; এবং আরও কার্যকর শেখার অ্যালগরিদম গবেষণা করতে।
প্রকৃতপক্ষে, ভিজ্যুয়াল ম্যাক্রোমডেলিং গত কয়েক বছরে নতুন নয়, এটি ধাপে ধাপে বিকশিত হয়েছে। 1980-এর দশকে, কৃত্রিম বুদ্ধিমত্তার বিকাশের সাথে, লোকেরা নিউরাল নেটওয়ার্কগুলি অধ্যয়ন করতে শুরু করে। এটা ঠিক যে গত কয়েক বছরে পাটিগণিত এবং অ্যালগরিদমিক ক্ষমতা বেড়েছে যাতে লোকেরা বড় মডেল তৈরি করার চেষ্টা করতে পারে, বড় ভাষা মডেল এবং বড় ভিজ্যুয়াল মডেলের জন্ম দেয়। অতীতে, যখন পর্যাপ্ত গাণিতিক শক্তি ছিল না, লোকেরা এত বড় মডেল তৈরি করত না।
2024 এর দৃষ্টিভঙ্গি সম্পর্কে কথা বলা হচ্ছে
আমরা আশা করি ব্যবসা গুয়াংজু থেকে পুরো দেশ এবং বিশ্বে বৃদ্ধি পাবে।
ইয়াওনান ওয়াং: হুনান ইউনিভার্সিটির ন্যাশনাল ইঞ্জিনিয়ারিং রিসার্চ সেন্টার ফর রোবট ভিজ্যুয়াল পারসেপশন অ্যান্ড কন্ট্রোল টেকনোলজি 2022 সালে গুয়াংডং-হংকং-ম্যাকাও গ্রেটার বে এরিয়াতে অবস্থিত গুয়াংঝো জেংচেং-এ স্থানান্তরিত হয়েছে এবং এইচইউ গুয়াংডং-হংকং-ম্যাকাও বৃহত্তর উপসাগর প্রতিষ্ঠা করেছে। এরিয়া ইনোভেশন রিসার্চ ইনস্টিটিউট (গুয়াংজু জেংচেং)।
ইনস্টিটিউটটি মেশিনের জন্য বুদ্ধিমান দৃষ্টিভঙ্গির গবেষণা এবং প্রয়োগের উপর দৃষ্টি নিবদ্ধ করে, যার মধ্যে বুদ্ধিমান উৎপাদন, চিকিৎসা এবং ফার্মাসিউটিক্যালের ক্ষেত্রে বিশেষ অপারেটিং রোবট, সেইসাথে সাধারণীকৃত বড় দৃষ্টি মডেল। উদাহরণস্বরূপ, এই গবেষণাগুলি উত্পাদন শিল্পে প্রয়োগ করা হয়, যা বিপুল সংখ্যক শ্রমিককে প্রতিস্থাপন করতে পারে এবং পণ্যের গুণমানের পরিদর্শন সম্পূর্ণ করতে পারে, বিশেষ করে 3C এবং উচ্চ-সম্পন্ন যন্ত্রাংশ শিল্পে। বর্তমানে, ইনস্টিটিউটটি সফ্টওয়্যার এবং হার্ডওয়্যার সিস্টেম তৈরি করেছে, যার প্রধান কাজ হল গুয়াংডং এন্টারপ্রাইজগুলির ডিজিটাল এবং বুদ্ধিমান রূপান্তরকে ক্ষমতায়ন করা এবং উত্পাদন শিল্পের বিকাশকে উন্নীত করা।
এছাড়াও, ইনস্টিটিউটটি বুদ্ধিমান মেশিন ভিশন এবং কন্ট্রোল সিস্টেমগুলিও বহন করে, যা প্রধানত উচ্চ-প্রান্তের বুদ্ধিমান সরঞ্জামগুলির উত্পাদনে ব্যবহৃত হয়, যেমন শিল্প ইন্টারনেট সফ্টওয়্যার, যার অনেকগুলি অ্যালগরিদম রয়েছে৷
গুয়াংডং হল সংস্কার এবং উন্মুক্তকরণের অগ্রভাগ এবং প্রধান অর্থনৈতিক যুদ্ধক্ষেত্র, একটি সম্পূর্ণ শিল্প চেইন এবং সাপ্লাই চেইন এবং অনেক উত্পাদন উদ্যোগ সহ, আমরা বাজারের চাহিদার কারণে প্রথমে গুয়াংডং লেআউটে এসেছি। উপরন্তু, আমাদের গবেষণা কেন্দ্র গুয়াংডং মধ্যে R & D দলের একটি সংখ্যা আছে অনেক প্রকল্প, বৈজ্ঞানিক ও প্রযুক্তিগত সাফল্যের রূপান্তর অবতরণ করেছে.
2023 সালের প্রথমার্ধে, আমরা কিছু চ্যালেঞ্জের সম্মুখীন হয়েছিলাম, প্রধানত অংশ এবং উপাদান সরবরাহের ক্ষেত্রে। 2024, আমি বিশ্বাস করি যে এই সমস্যাগুলি সমাধান করা হবে, এবং গুয়াংডং এর AI শিল্পের শিল্প চেইন, সাপ্লাই চেইন এবং R&D ক্ষমতা উন্নত হবে। বড় দেশীয় বাজারে, নতুন ট্র্যাক খোলা হবে। একটি প্রাণবন্ত পরিবেশে, প্রত্যেকের উদ্যোগ নেওয়া, অভিনয় এবং উদ্ভাবনের সাথে, চ্যালেঞ্জগুলি সবই সমাধান করা যেতে পারে।
আমি গুয়াংডং এ এআই শিল্পের উন্নয়নে আত্মবিশ্বাসী। গত 30 বছরে, আমরা বিজ্ঞান ও প্রযুক্তিতে স্বনির্ভর হওয়ার জন্য অনেক প্রচেষ্টা করেছি এবং প্রচুর বৈজ্ঞানিক গবেষণার ফলাফল সংগ্রহ করেছি। গুয়াংডং চীনের বৃহত্তম অর্থনৈতিক প্রদেশ।
কৃত্রিম বুদ্ধিমত্তা এবং রোবোটিক্সের যে ক্ষেত্রটিতে আমরা নিযুক্ত রয়েছি তা একটি ভাল সুযোগ পেয়েছে, যা গত দুই বছরে বিস্ফোরকভাবে বেড়েছে, অনেক নতুন বাজার এনেছে এবং নতুন শিল্প ট্র্যাকগুলিকে টেনে এনেছে। ভবিষ্যতে আরও বেশি স্মার্ট টার্মিনাল থাকবে, যা উত্পাদন সুবিধা এবং সরঞ্জাম শিল্পের বিকাশের দিকে পরিচালিত করবে। 2024 সালে, আমি আশা করি যে জেনচেং, গুয়াংজুতে আমাদের গবেষণা ইনস্টিটিউট আমাদের ব্যবসাকে পুরো দেশ এবং বিশ্বে নিয়ে যেতে সক্ষম হবে।