রোবোটিক্সের উত্থান আসলে শেখার পদ্ধতির গল্প
হিউম্যানয়েড রোবোটিক্স আবারও বড় অঙ্কের পুঁজি আকর্ষণ করছে, কিন্তু এখানে সবচেয়ে গুরুত্বপূর্ণ পরিবর্তনটি নান্দনিক উচ্চাকাঙ্ক্ষা বা সায়েন্স-ফিকশন মার্কেটিং নয়। এটি পদ্ধতিগত। নতুন উচ্ছ্বাসের ঢেউটি এসেছে রোবটকে কীভাবে দুনিয়ায় কাজ করতে শেখানো হয় সেই পদ্ধতির পরিবর্তনের পর, আর সেই পরিবর্তনই দীর্ঘদিনের একটি আকাঙ্ক্ষাকে আরও বিনিয়োগযোগ্য ক্ষেত্রে পরিণত করতে সাহায্য করছে।
সূত্রসামগ্রীর মতে, কোম্পানি ও বিনিয়োগকারীরা ২০২৫ সালে হিউম্যানয়েড রোবটে $6.1 বিলিয়ন বিনিয়োগ করেছে, যা ২০২৪ সালের তুলনায় চার গুণ। এটি নিজেই একটি চমকপ্রদ সংখ্যা। কিন্তু এই উত্থানের আরও শক্তিশালী ব্যাখ্যা সেটিই, যা নিবন্ধটি জোর দিয়ে বলছে: রোবোটিক্স এখন মূলত হাতে-কলমে কোড করা নিয়মের ওপর নির্ভর করা থেকে সরে এসে এমন শেখার রূপের দিকে এগিয়েছে, যা জটিল বাস্তবজগতের পরিবেশের জন্য বেশি উপযোগী।
পুরনো পদ্ধতি কেন সীমায় পৌঁছেছিল
বছরের পর বছর রোবোটিক্স তাত্ত্বিকভাবে উচ্চ লক্ষ্য রাখলেও বাস্তবে ছিল সীমিত। গবেষকেরা এমন অভিযোজ্য, সহায়ক যন্ত্র চেয়েছিলেন, যা নানা পরিবেশে চলতে পারে এবং মানুষের সঙ্গে নিরাপদে যোগাযোগ করতে পারে। তবু ক্ষেত্রটির বাস্তব উৎপাদনের বড় অংশই বিশেষায়িত ও সীমাবদ্ধ রয়ে গেছে। বিজ্ঞান-কল্পনার উচ্চাকাঙ্ক্ষা আর শিল্পকারখানার বাহু ও গৃহস্থালি রোবটের বাস্তবতার মধ্যে ফারাকটি নিবন্ধটি তীক্ষ্ণভাবে তুলে ধরে।
রোবোটিক্সের পুরনো কারিগরি পদ্ধতিতে ইঞ্জিনিয়ারদের আগেভাগে সম্ভাবনাগুলো অনুমান করে সেগুলো স্পষ্টভাবে কোড করতে হতো। উদাহরণস্বরূপ, একটি রোবটকে যদি জামাকাপড় ভাঁজ করতে হয়, তাহলে কলার চিহ্নিত করা, হাতার অবস্থান নির্ণয় করা, ঘূর্ণনের সঙ্গে মানিয়ে নেওয়া, মোচড় ঠিক করা, এবং বিকৃতি নিয়ন্ত্রণের নিয়ম নির্ধারণের চেষ্টা করা যেত। সংকীর্ণভাবে সীমাবদ্ধ কাজে এটি কাজ করতে পারে, কিন্তু পরিবেশ যত বেশি পরিবর্তনশীল হয়, নিয়মের সংখ্যা তত দ্রুত বাড়ে।
এই পদ্ধতি কাঠামোবদ্ধ পরিবেশে নির্ভরযোগ্য সিস্টেম তৈরি করেছিল, কিন্তু সাধারণীকরণে ব্যর্থ হয়েছিল। একটি রোবটকে যত বেশি অনিশ্চিত বস্তু, পরিবর্তনশীল অবস্থা, এবং অসম্পূর্ণ তথ্য মোকাবিলা করতে হতো, হাতে লেখা নির্দেশনার সেটগুলো তত বেশি ভঙ্গুর হয়ে উঠত।
শেখার দিকে ঝোঁক
নিবন্ধটি ২০১৫ সালের কাছাকাছি একটি মোড়ের কথা বলছে, যখন উন্নত রোবোটিক্স আরও বেশি করে সিমুলেটেড প্রশিক্ষণ ও ট্রায়াল-অ্যান্ড-এ্যারর উন্নতির দিকে ঝুঁকেছিল। প্রতিটি নির্দেশনা হাতে লেখার বদলে, গবেষকেরা ডিজিটাল পরিবেশ তৈরি করতে, সাফল্যের জন্য পুরস্কার সংকেত নির্ধারণ করতে, এবং পুনরাবৃত্ত প্রচেষ্টার মাধ্যমে সিস্টেমকে উন্নত হতে দিতে পারতেন। ধারণাগতভাবে এটি কিছু আগের AI সিস্টেমের খেলা শেখার মতো।
এই পরিবর্তন গুরুত্বপূর্ণ ছিল, কারণ এটি শ্রম কোথায় যাচ্ছে তা বদলে দিয়েছিল। বাস্তব জগতের প্রতিটি সম্ভাব্য কেস তালিকাভুক্ত করার চেষ্টা করার বদলে, ইঞ্জিনিয়াররা এমন পরিবেশ, লক্ষ্য, এবং মডেল ডিজাইন করার দিকে মনোযোগ দিতে পারতেন, যা অভিজ্ঞতা থেকে উপকারী আচরণ শিখতে সক্ষম। এতে কঠিনতা দূর হয়নি। বাস্তব রোবোটিক্স এখনও নির্মম। কিন্তু এটি ক্ষেত্রটিকে বৃহত্তর মেশিন-লার্নিং বিপ্লবের সঙ্গে আরও সামঞ্জস্যপূর্ণ করে তোলে।
পরবর্তী গতি বাড়ে ২০২২-এর পর, যখন বড় ভাষা মডেল দেখায় যে বিশাল ডেটাসেটে প্রশিক্ষিত সিস্টেম শক্তিশালী পূর্বাভাসকারী হয়ে উঠতে পারে। সূত্র বলছে, রোবোটিক্সে অভিযোজিত সংশ্লিষ্ট মডেলগুলো ছবি, সেন্সর রিডিং, এবং জয়েন্ট পজিশন নিয়ে এরপর রোবটের পরবর্তী পদক্ষেপ কী হওয়া উচিত তা অনুমান করতে পারে। এটি নিয়মভিত্তিক প্রোগ্রামিং এবং বিশুদ্ধ ট্রায়াল-অ্যান্ড-এ্যারর লুপের উভয়ের তুলনায় একটি গুরুত্বপূর্ণ অগ্রগতি।
বিনিয়োগকারীরা এখন কেন আগ্রহী
পুঁজি সাধারণত কাহিনি নয়, সক্ষমতার পরিবর্তন অনুসরণ করে। নিবন্ধটি ইঙ্গিত দেয় যে বিনিয়োগকারীরা এই বিশ্বাসে সাড়া দিচ্ছেন যে রোবট এখন এমনভাবে শিখতে পারে, যা ভৌত পরিবেশের অনিশ্চয়তার সঙ্গে আরও ভালোভাবে মেলে। একাধিক ধরনের ইনপুট গ্রহণ করে পরবর্তী পদক্ষেপ অনুমান করতে পারা একটি সিস্টেম, প্রতিটি ব্যতিক্রম আগে থেকেই ইঞ্জিনিয়ারদের স্ক্রিপ্ট করা সিস্টেমের তুলনায় আরও বাস্তব অভিযোজনক্ষমতার কাছাকাছি মনে হয়।
এটি বিশেষভাবে হিউম্যানয়েড শ্রেণিতে গুরুত্বপূর্ণ। বিনিয়োগকারীরা শুধু এই কারণে হিউম্যানয়েডকে সমর্থন করছেন না যে তারা পরিচিত দেখায়। তারা এমন সম্ভাবনায় বাজি ধরছেন যে আরও সাধারণ-উদ্দেশ্যপূর্ণ শেখার পদ্ধতি শেষ পর্যন্ত আরও সাধারণ-উদ্দেশ্যপূর্ণ যন্ত্রকে সমর্থন করতে পারে।
এটি এখনও একটি প্রস্তাব, সম্পূর্ণ সত্য নয়। নিবন্ধটি স্পষ্ট করে বলছে যে মানুষ যে যন্ত্র কল্পনা করে, সেগুলো এখনও পুরোপুরি তৈরি হয়নি। কিন্তু অর্থায়নের এই উত্থান দেখায় যে বাজার এখন আকাঙ্ক্ষা ও বাস্তবায়নের মধ্যে ব্যবধানকে কয়েক বছর আগের তুলনায় কম মনে করছে।
গভীর তাৎপর্য
বর্তমান মুহূর্তের আসল তাৎপর্য হলো রোবোটিক্স আধুনিক AI স্ট্যাকের সঙ্গে আরও ঘনিষ্ঠভাবে একীভূত হচ্ছে। পূর্বাভাসভিত্তিক মডেল, সিমুলেশনে প্রশিক্ষিত সিস্টেম, এবং সমৃদ্ধ সেন্সর ফিউশন রোবোটিক্সকে এমন এক পর্যায়ে ঠেলে দিচ্ছে, যেখানে অগ্রগতি আগের তুলনায় দ্রুত জমা হতে পারে, বিশেষ করে বেশির ভাগ হাতে-তৈরি পদ্ধতির যুগের তুলনায়।
তবে এর মানে এই নয় যে নির্দিষ্ট কোনো সময়সীমায় ব্যাপক গৃহস্থালি ব্যবহার বা শ্রমে রূপান্তর নিশ্চিত। রোবোটিক্সকে এখনও হার্ডওয়্যার খরচ, নিরাপত্তা, স্থায়িত্ব, স্থাপন জটিলতা, এবং নিয়ন্ত্রিত পরিবেশের বাইরে নির্ভরযোগ্যভাবে কাজ করার চ্যালেঞ্জ মোকাবিলা করতে হবে। কিন্তু সূত্রে বর্ণিত এই শেখার অগ্রগতি ক্ষেত্রটির কেন্দ্রভূমি বদলে দিচ্ছে।
এটি উপযোগিতা নিয়ে আলোচনাকেও নতুনভাবে সাজায়। অর্থনৈতিকভাবে অর্থপূর্ণ হতে একটি রোবটকে শুরুতেই নিখুঁত সাধারণ সেবক হতে হবে না। নতুন শেখার পদ্ধতি যদি যন্ত্রকে আরও কম ভঙ্গুর প্রোগ্রামিং দিয়ে বিস্তৃত কাজ সামলাতে দেয়, তাহলে তারা ধীরে ধীরে মূল্যবান হয়ে উঠতে পারে, প্রথমে সীমাবদ্ধ কিন্তু কম কঠোর পরিবেশে, পরে সম্ভাব্যভাবে তার বাইরেও।
নতুন অধ্যায়, শেষ গল্প নয়
২০২৫ সালের রোবোটিক্স বুম হঠাৎ কোনো অলৌকিক ঘটনা মনে হয় না; বরং এটি বহু বছর ধরে তৈরি হওয়া একটি প্রযুক্তিগত পুনর্নির্দেশনার ফল। এই ক্ষেত্রটি প্রতিটি জরুরি পরিস্থিতি আগেভাগে অনুমান করার বদলে ডেটা, সিমুলেশন, এবং বহুমাত্রিক প্রেক্ষাপট থেকে কাজের ধরন শিখতে সক্ষম সিস্টেম গড়ার দিকে এগিয়েছে। বিনিয়োগকারীরা এটা লক্ষ করেছে, আর $6.1 বিলিয়নের অঙ্কটি সেই পরিবর্তনকে স্পষ্ট করে।
এই অর্থ স্থায়ী ফল দেবে কি না, তা নির্ভর করবে এই শেখার পদ্ধতিগুলো কতটা ভালোভাবে আশাব্যঞ্জক প্রদর্শনী থেকে নির্ভরযোগ্য ভৌত সিস্টেমে রূপান্তরিত হয় তার ওপর। কিন্তু নিবন্ধটি জোরালোভাবে দেখায় যে মৌলিক কিছু বদলে গেছে। রোবোটিক্স এখন আর শুধু ভালো নিয়ম লিখে এগোচ্ছে না। এটি এগোচ্ছে যন্ত্র কীভাবে কী করতে হবে তা শেখে, সেই পদ্ধতি বদলে।
এই নিবন্ধটি MIT Technology Review-এর প্রতিবেদনকে ভিত্তি করে লেখা হয়েছে। মূল নিবন্ধটি পড়ুন.
