কি হয় যখন একশো ষাট বছরের গবেষণা একটি মেশিনে খাওয়ানো হয়? হার্ভার্ডের অধ্যাপক ডেভিড সিনক্লেয়ার, Lifespan বইয়ের লেখক এবং দীর্ঘায়ু ক্ষেত্রের বিশ্বের অন্যতম পরিচিত গবেষক, তার ইউটিউব চ্যানেলে একটি নতুন ভিডিওতে একটি উচ্চাকাঙ্ক্ষী প্রকল্প উপস্থাপন করেছেন: উনবিংশ শতাব্দী থেকে বার্ধক্য সম্পর্কে সঞ্চিত সমস্ত বৈজ্ঞানিক সাহিত্য একবারে প্রক্রিয়াকরণের জন্য কৃত্রিম বুদ্ধিমত্তা এবং মেশিন লার্নিং টুলস ব্যবহার করা। ধারণাটি ব্যাখ্যা করা সহজ কিন্তু শক্তিশালী: কোনো মানব গবেষকই শত শত হাজার নিবন্ধ পড়তে, মনে রাখতে এবং সংযোগ করতে পারে না, কিন্তু একটি অ্যালগরিদম সেগুলি সব স্ক্যান করতে পারে এবং মানব চোখ থেকে লুকিয়ে থাকা পুনরাবৃত্ত প্যাটার্নগুলি খুঁজে পেতে পারে।
ভিডিওটি কী নিয়ে
সিনক্লেয়ারের আলোচনা নতুন টুলের প্রতি উৎসাহ এবং এটি কী করতে পারে তার বৈজ্ঞানিক ব্যাখ্যার মধ্যে সঞ্চালিত হয় এবং বেশ কয়েকটি মূল অক্ষকে কভার করে:
- সমস্ত সাহিত্য একবারে স্ক্যান করা: সিনক্লেয়ার বর্ণনা করেছেন কিভাবে কৃত্রিম বুদ্ধিমত্তাকে প্রায় একশো ষাট বছরের বার্ধক্য গবেষণা খাওয়ানো হয়েছে, উনবিংশ শতাব্দীর প্রথম পর্যবেক্ষণ থেকে শুরু করে সাম্প্রতিক নিবন্ধ পর্যন্ত, এবং সেগুলিকে বিচ্ছিন্ন নিবন্ধ হিসাবে নয় বরং জ্ঞানের একটি একক অংশ হিসাবে বিশ্লেষণ করা হয়েছে।
- লুকানো প্যাটার্ন সনাক্তকরণ: কিভাবে একটি অ্যালগরিদম বিভিন্ন গবেষণার ফলাফলগুলিকে সংযুক্ত করতে সক্ষম হয় যা কখনও একে অপরের সাথে কথা বলেনি, এবং বার্ধক্যের প্রসঙ্গে বারবার ফিরে আসা জৈবিক পথ এবং জিনগুলির দিকে নির্দেশ করে।
- ওষুধের জন্য নতুন লক্ষ্য: বিশ্লেষণ থেকে কী কী সম্ভাব্য লক্ষ্য উঠে এসেছে, এবং কেন সিনক্লেয়ার এটিকে অনুমান এবং পরীক্ষার মধ্যে সময় কমানোর একটি উপায় হিসাবে দেখেন, এমন একটি ক্ষেত্রে যা সাধারণত খুব ধীরে অগ্রসর হয়।
- গবেষণায় কৃত্রিম বুদ্ধিমত্তা অংশীদার হিসাবে: সিনক্লেয়ার ব্যাখ্যা করেছেন কেন তিনি বিশ্বাস করেন যে এই ধরনের সরঞ্জামগুলি আগামী দশকে বৈজ্ঞানিক আবিষ্কারের গতি পরিবর্তন করবে, এবং তারা কীভাবে পরীক্ষাগারের কাজের সাথে একীভূত হয় এবং এটি প্রতিস্থাপন করে না।
কেন দেখা উচিত
কৃত্রিম বুদ্ধিমত্তা এবং বার্ধক্য গবেষণার মধ্যে সংযোগস্থলটি ২০২৬ সালের সবচেয়ে চিত্তাকর্ষক এবং সাম্প্রতিক বিষয়গুলির মধ্যে একটি, এবং ভিডিওটি একটি বিরল আভাস দেয় যে একজন শীর্ষস্থানীয় গবেষক কীভাবে এই ক্ষেত্রের নিকট ভবিষ্যৎ কল্পনা করেন। যারা প্রযুক্তি অনুসরণ করেন, তাদের জন্য এটি দেখতে আকর্ষণীয় যে কীভাবে অন্যান্য জায়গা থেকে পরিচিত সরঞ্জামগুলি জৈবিক পরীক্ষাগারের গভীরে প্রবেশ করতে শুরু করেছে এবং প্রক্রিয়াগুলিকে ত্বরান্বিত করছে যা আজ পর্যন্ত বছর ধরে চলত।
তবে, সমালোচনামূলক দৃষ্টিতে দেখা গুরুত্বপূর্ণ, এবং এটিই আমরা এখানে যে দৃষ্টিভঙ্গি ধারণ করি। সিনক্লেয়ার একজন অত্যন্ত আশাবাদী ব্যক্তিত্ব, এবং তিনি বছরের পর বছর ধরে এমন ধারণাগুলি প্রচার করেছেন যার জন্য মানব প্রমাণ এখনও দুর্বল, যেমন NMN সম্পূরক, যা আমরা এখানে সমালোচনামূলকভাবে রেট করি কারণ মানুষের মধ্যে নিয়ন্ত্রিত প্রমাণের অভাব। তাই দেখার সময় কয়েকটি জিনিস মনে রাখা ভাল: কৃত্রিম বুদ্ধিমত্তা যে লক্ষ্য চিহ্নিত করে তা একটি অনুমান, আবিষ্কার নয়। একটি অ্যালগরিদম যে একটি নির্দিষ্ট জিন বা পথ সাহিত্যে পুনরাবৃত্তি হয় তা সনাক্ত করে তা গবেষণার জন্য একটি প্রতিশ্রুতিশীল দিক নির্দেশ করে, কিন্তু এটি প্রমাণ করে না যে সেই পথে হস্তক্ষেপ আয়ু বাড়াবে বা মানুষের বার্ধক্যকে বিপরীত করবে।
উপরন্তু, আবিষ্কারের ত্বরণ প্রমাণিত ওষুধের সমান নয়। কৃত্রিম বুদ্ধিমত্তা অনুমান তৈরির পর্যায়কে ছোট করতে পারে, কিন্তু বিশ্লেষণ থেকে উঠে আসা প্রতিটি লক্ষ্যকে এখনও একই দীর্ঘ পথ অতিক্রম করতে হবে: কোষ পরীক্ষা, প্রাণী পরীক্ষা, এবং অবশেষে মানুষের মধ্যে নিয়ন্ত্রিত ক্লিনিকাল ট্রায়াল, যা সবচেয়ে ব্যয়বহুল, দীর্ঘ এবং ব্যর্থতার সম্ভাবনা বেশি। ফলাফলের গুণমানও সম্পূর্ণরূপে ইনপুট ডেটার মানের উপর নির্ভর করে, এবং একশো ষাট বছরের বৈজ্ঞানিক সাহিত্যে পুরানো গবেষণা, অপ্রচলিত পদ্ধতি এবং অপ্রতিলিপ্ত ফলাফলও অন্তর্ভুক্ত। অন্য কথায়, সরঞ্জামটি চিত্তাকর্ষক এবং দিকটি সঠিক, কিন্তু একটি অ্যালগরিদম দ্বারা উত্পাদিত লক্ষ্যের তালিকা এবং একটি নিরাপদ চিকিৎসা যা আয়ু বাড়ায় তার মধ্যে এখনও দীর্ঘ পথ বাকি। সম্ভাবনা বোঝার জন্য ভিডিওটি চমৎকার, তবে শুধুমাত্র যদি এই ব্যবধানটি মনে রাখা হয়।
শুভ দর্শন!
💬 תגובות (0)
היו הראשונים להגיב על המאמר.