রোবটিক্স ও ফিজিক্যাল এআইয়ে নতুন যুগের সূচনা: গুগলের পরবর্তী প্রজন্মের জেমিনি ২.০ রোবটিক্স মডেল উন্মোচন
লন্ডন ও মাউন্টেন ভিউ — টেকবার্তা: কৃত্রিম বুদ্ধিমত্তা কেবল কম্পিউটার স্ক্রিনের ভেতর আবদ্ধ থাকার দিন শেষ হতে চলেছে। বাস্তব ভৌত জগতের সঙ্গে এআইয়ের সক্রিয় মিথস্ক্রিয়া নিশ্চিত করতে পরবর্তী প্রজন্মের মাল্টিমোডাল রোবটিক্স মডেল ‘জেমিনি ২.০ রোবটিক্স’ (Gemini 2.0 Robotics) উন্মোচন করেছে গুগলের কৃত্রিম বুদ্ধিমত্তা গবেষণা বিভাগ গুগল ডিপমাইন্ড। নতুন এই মডেলটি ভিজ্যুয়াল ভাষা ও ফিজিক্যাল অ্যাকশনকে একীভূত করে যেকোনো হিউম্যানয়েড বা মেকানিক্যাল রোবটকে তাৎক্ষণিক সিদ্ধান্ত নেওয়ার অবিশ্বাস্য ক্ষমতা প্রদান করে।
ভিজ্যুয়াল ল্যাঙ্গুয়েজ অ্যাকশন (VLA) আর্কিটেকচার
গুগল গবেষকদের মতে, এতদিন পর্যন্ত রোবটকে কোনো কাজ শেখাতে হাজার হাজার বার নির্দিষ্ট কোড ও ম্যানুয়াল প্রোগ্রামিং করতে হতো। কিন্তু জেমিনি ২.০ রোবটিক্স তৈরি হয়েছে ডিপমাইন্ডের সর্বশেষ ‘ভিজ্যুয়াল-ল্যাঙ্গুয়েজ-অ্যাকশন’ (VLA) প্রযুক্তির ওপর। এর ফলে রোবট ক্যামেরার মাধ্যমে চারপাশের পরিবেশ দেখে মানুষের স্বাভাবিক মুখের নির্দেশ শুনে কোনো পূর্ব-প্রোগ্রামিং ছাড়াই নতুন কোনো বস্তু ধরা, রান্নাঘরের কাজ করা বা ল্যাবরেটরির রাসায়নিক উপাদান সাজিয়ে রাখতে পারে।
“আমরা ডিজিটাল বুদ্ধিমত্তা থেকে ফিজিক্যাল বুদ্ধিমত্তার যুগে প্রবেশ করেছি। জেমিনি ২.০ কেবল প্রশ্ন-উত্তরের মডেল নয়; এটি বাস্তব জগতের পদার্থবিজ্ঞান বুঝতে পারে এবং মানুষের মতোই সতর্কতার সাথে বস্তুর সাথে আচরণ করতে সক্ষম।”
— ড. ডেমিস হাসাবিস, সহ-প্রতিষ্ঠাতা ও প্রধান নির্বাহী, গুগল ডিপমাইন্ড
শিল্প উৎপাদন ও স্বাস্থ্যসেবায় সম্ভাব্য প্রভাব
গবেষণাগারের পরীক্ষায় দেখা গেছে, বিভিন্ন আকারের শিল্প কারখানা ও চিকিৎসা সরঞ্জাম তৈরির পরিবেশে জেমিনি ২.০ চালিত রোবটিক হাত মানুষের চেয়েও সূক্ষ্মভাবে ত্রুটিমুক্ত অ্যাসেম্বলিং সম্পন্ন করতে পারে।
জেমিনি ২.০ রোবটিক্স মডেলের মূল বৈপ্লবিক বৈশিষ্ট্যসমূহ:
- জিরো-শট লার্নিং (Zero-Shot Learning): আগে কখনোই দেখেনি এমন কোনো অচেনা বস্তু সামনে এলেও তার ওজন ও গঠন অনুমান করে সাবধানে তোলার দক্ষতা।
- স্পেশিয়াল অডিও ও সেন্সরি প্রসেসিং: শব্দ শুনে কোন দিক থেকে বিপদ বা নির্দেশ আসছে তা মুহূর্তের মধ্যে অনুধাবন।
- রিয়েল-টাইম ফিজিক্যাল রিফ্লেক্স: কাজ করার সময় মানুষের হাত সামনে চলে এলে ধাক্কা এড়াতে মিলিসেকেন্ডের মধ্যে থেমে যাওয়ার সেন্সর নিরাপত্তা।
- এজ প্রসেসিং সুবিধা: ইন্টারনেটের ক্লাউড সংযোগ সাময়িকভাবে বিচ্ছিন্ন হলেও অন-বোর্ড নিউরাল চিপে স্বয়ংক্রিয় কার্যক্রম চালিয়ে যাওয়ার ক্ষমতা।
বিশ্বজুড়ে টেক বিশ্লেষকদের মতে, গুগল ডিপমাইন্ডের এই উদ্ভাবন আগামী বছরগুলোতে হোম সার্ভিস রোবট ও স্বয়ংক্রিয় ফ্যাক্টরি অটোমেশনের ধারণাকে সম্পূর্ণ নতুন রূপ দিতে চলেছে।