মেশিনের নিজে নিজে শেখা হল চূড়ান্ত বিজ্ঞান কল্পনার স্বপ্ন। আজ সেই ব্যবধান কমছে, Alpha Go এবং বিভিন্ন LLM-এর মতো প্রোগ্রামের সাথে, কিন্তু আপনি কি বিশ্বাস করবেন যদি আমি আপনাকে বলি যে গবেষকরা 1950s-এর শেষের দিকে এই ধরনের সমস্যা তৈরি করা এবং মোকাবেলা করার জন্য অ্যালগরিদম তৈরি করা শুরু করেছিলেন? যদিও সেই সময়সীমা প্রযুক্তির ইতিহাসে খুব তাড়াতাড়ি মনে হয় এবং একই সাথে, এত দিন আগেও নয়, আসলে তখনই গবেষকরা যা আজ আমরা শক্তিবৃদ্ধি শিক্ষা হিসাবে জানি তা তৈরি করা শুরু করেছিলেন।
শক্তিবৃদ্ধি শিক্ষা (RL) হল এক ধরনের মেশিন লার্নিং যেখানে একটি এজেন্ট তার পরিবেশের সাথে মিথস্ক্রিয়ার মাধ্যমে সর্বোত্তম আচরণ শেখে। স্পষ্ট প্রোগ্রামিং বা লেবেলযুক্ত ডেটাসেটের উপর নির্ভর করার পরিবর্তে, এই এজেন্ট পরীক্ষা এবং ত্রুটির মাধ্যমে শেখে, তার কর্মের জন্য পুরস্কার বা শাস্তির আকারে প্রতিক্রিয়া পায়। এই প্রক্রিয়াটি প্রতিফলিত করে যে লোকেরা সাধারণত কীভাবে স্বাভাবিকভাবে শেখে, যা RL-কে জটিল সমস্যা সমাধানে সক্ষম বুদ্ধিমান সিস্টেম তৈরির জন্য একটি শক্তিশালী পদ্ধতিতে পরিণত করে।
আমরা কীভাবে শক্তিবৃদ্ধি শিক্ষায় পৌঁছালাম? যদি আমরা পিছনে তাকাই, আজ আমরা যা শক্তিবৃদ্ধি শিক্ষা হিসাবে জানি, তার উৎপত্তি আসলে 1950s-এর সর্বোত্তম নিয়ন্ত্রণের ক্ষেত্রে। তবে, গবেষণার আরও কয়েকটি ক্ষেত্র ছিল যা শেষ পর্যন্ত শক্তিবৃদ্ধি শিক্ষার বিকাশের দিকে পরিচালিত করেছিল। পদ্ধতি তৈরি করা এবং সময়ের সাথে সাথে শেখে এমন অ্যালগরিদম বিকাশে আগ্রহী বিভিন্ন গবেষণা ক্ষেত্র। যদিও সর্বোত্তম নিয়ন্ত্রণের ক্ষেত্রটি অনেকের (আমি সহ) কাছে অপরিচিত মনে হতে পারে, আপনি অ্যালগরিদমের একটি পরিবারের সাথে আরও পরিচিত হতে পারেন যা এই ধরনের সমস্যা সমাধানের জন্য তৈরি করা হয়েছিল, গতিশীল প্রোগ্রামিং।
সর্বোত্তম নিয়ন্ত্রণ, গতিশীল প্রোগ্রামিং এবং শিক্ষার ছেদ শুধুমাত্র পরে, 1970s-এর শেষের দিকে আবির্ভূত হয়েছিল। Paul Werbos হিউরিস্টিক ডায়নামিক প্রোগ্রামিং তৈরি করেছিলেন এবং তারপর এক দশক পরে, Chris Watkins গতিশীল প্রোগ্রামিং পদ্ধতি এবং অনলাইন শিক্ষাকে একীভূত করেছিলেন। Dimitri Bertsekas এবং John Tsitsiklis-এর মূল অবদানের সাথে এই ক্ষেত্রটি বিকশিত হতে থাকে, যারা 1990s-এর মাঝামাঝি সময়ে নিউরো-ডায়নামিক প্রোগ্রামিং শব্দটি তৈরি করেছিলেন। এটি এখনও একটি অত্যন্ত সক্রিয় তদন্তের ক্ষেত্র, যেখানে রোবোটিক্স, Alpha Go-এর মতো প্রোগ্রাম এবং প্রাকৃতিক ভাষার সমস্যা থেকে শুরু করে কয়েকটি নাম বলতে গেলে প্রয়োগ রয়েছে।
উৎস: Towards Data Science · সারাংশ: HeadlinesBriefing