এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
প্রশ্নোত্তর ব্যবস্থা
প্রাকৃতিক ভাষায় প্রশ্ন বুঝতে এবং জ্ঞানভান্ডার বা নথির উপর ভিত্তি করে প্রাসঙ্গিক উত্তর প্রদানে সক্ষম কম্পিউটার ব্যবস্থা। এই ব্যবস্থাগুলো সাধারণত NLP, তথ্য অনুসন্ধান এবং স্বয়ংক্রিয় যুক্তিবিদ্যার কৌশলগুলিকে একত্রিত করে।
অনুসন্ধান-ভিত্তিক প্রশ্নোত্তর
প্রশ্নোত্তরের একটি পদ্ধতি যা নতুন বিষয়বস্তু তৈরি না করে পূর্ববিদ্যমান নথিসমূহের সংগ্রহ থেকে সরাসরি উত্তর চিহ্নিত ও আহরণ করে। এই পদ্ধতিটি জিজ্ঞাসিত প্রশ্নের উত্তর দিতে সবচেয়ে প্রাসঙ্গিক অনুচ্ছেদসমূহ অনুসন্ধান ও নির্বাচনের উপর কেন্দ্রীভূত।
সৃজনশীল প্রশ্নোত্তর
প্রশ্নোত্তর ব্যবস্থা যা বিদ্যমান অনুচ্ছেদ আহরণের পরিবর্তে প্রাকৃতিক ভাষায় নতুন উত্তর তৈরি করে, GPT-এর মতো উন্নত ভাষা মডেল ব্যবহার করে। এই পদ্ধতিটি প্রসঙ্গের বোঝার উপর ভিত্তি করে মৌলিক ও সুসংগত উত্তর প্রণয়নের অনুমতি দেয়।
উন্মুক্ত-ক্ষেত্র প্রশ্নোত্তর
প্রশ্নোত্তর ব্যবস্থা যা ক্ষেত্রের সীমাবদ্ধতা ছাড়াই যেকোনো বিষয়ে প্রশ্নের উত্তর দিতে সক্ষম, সাধারণত উইকিপিডিয়া বা ওয়েবের মতো বিশাল সংগ্রহশালার উপর নির্ভরশীল। এই ব্যবস্থাগুলিকে সীমাবদ্ধ ক্ষেত্রের ব্যবস্থাগুলির তুলনায় অনেক বেশি অস্পষ্টতা ও বৈচিত্র্যের মুখোমুখি হতে হয়।
সীমাবদ্ধ-ক্ষেত্র প্রশ্নোত্তর
চিকিৎসাবিদ্যা, আইন বা অর্থসংস্থানের মতো একটি নির্দিষ্ট ক্ষেত্রে বিশেষায়িত প্রশ্নোত্তর ব্যবস্থা, যার একটি সীমিত ও সুসংজ্ঞায়িত জ্ঞানভান্ডার রয়েছে। এই বিশেষীকরণ প্রদত্ত উত্তরগুলিতে অধিকতর সঠিকতা ও গভীরতা অর্জনের অনুমতি দেয়।
পাঠ্যবোধ
একটি ব্যবস্থার প্রদত্ত পাঠ্য বুঝতে ও ব্যাখ্যা করতে এবং সেই পাঠ্য সম্পর্কে নির্দিষ্ট প্রশ্নের উত্তর দিতে সক্ষমতা, SQuAD-এর মতো ডেটাসেটে মূল্যায়নকৃত। NLP-তে এই মৌলিক দক্ষতা সেমান্টিক বোধ এবং নথির উপর যুক্তিবিদ্যা পরীক্ষা করে।
জ্ঞান গ্রাফ প্রশ্নোত্তর
প্রশ্নোত্তরের একটি পদ্ধতি যা সত্যিকারের উত্তর খুঁজে পেতে কাঠামোবদ্ধ জ্ঞান গ্রাফ অনুসন্ধান করে, যার জন্য প্রায়শই প্রাকৃতিক প্রশ্নগুলিকে আনুষ্ঠানিক প্রশ্নে রূপান্তরের প্রয়োজন হয়। সত্তা এবং তাদের সম্পর্কের উপর সুনির্দিষ্ট সত্যিকারের প্রশ্নের জন্য এই পদ্ধতি শ্রেষ্ঠত্ব প্রদর্শন করে।
স্নায়বিক প্রশ্নোত্তর
প্রশ্নোত্তর ব্যবস্থা বাস্তবায়নের জন্য গভীর স্নায়বিক নেটওয়ার্ক ব্যবহার, যা ভাষার জটিল উপস্থাপনা স্বয়ংক্রিয়ভাবে শিখতে সক্ষম করে। এই পদ্ধতিগুলি নিয়ম বা ম্যানুয়াল বৈশিষ্ট্যভিত্তিক পদ্ধতিগুলিকে ব্যাপকভাবে অতিক্রম করেছে।
ক্যুইএ-এর জন্য ট্রান্সফরমার মডেল
মনোযোগ প্রক্রিয়ার উপর ভিত্তি করে নিউরাল নেটওয়ার্ক আর্কিটেকচার যা বর্তমানে BERT এবং RoBERTA-এর মতো আধুনিক প্রশ্নোত্তর সিস্টেমে আধিপত্য বিস্তার করে। ট্রান্সফরমারগুলি পাঠ্যে দীর্ঘ-দূরত্বের নির্ভরতা কার্যকরভাবে ক্যাপচার করতে সক্ষম।
ক্যুইএ-এর জন্য BERT
BERT মডেলের প্রয়োগ (বাইডাইরেকশনাল এনকোডার রিপ্রেজেন্টেশনস ফ্রম ট্রান্সফরমার) বিশেষভাবে প্রশ্নোত্তর কাজের জন্য ফাইন-টিউন করা, এই ক্ষেত্রে একটি রেফারেন্স হয়ে উঠেছে। BERT ভাষার দ্বিমুখী প্রাসঙ্গিক বোঝার ক্ষেত্রে উত্কৃষ্ট।
প্যাসেজ রিট্রিভাল
ক্যুইএ সিস্টেমে একটি গুরুত্বপূর্ণ ধাপ যা একটি প্রশ্নের উত্তর দেওয়ার জন্য একটি বড় কর্পাস থেকে সবচেয়ে প্রাসঙ্গিক পাঠ্য অংশগুলি সনাক্ত এবং নির্বাচন করা জড়িত। এই ধাপে প্রায়শই শব্দার্থিক অনুসন্ধান এবং ভেক্টর সাদৃশ্য কৌশল ব্যবহার করা হয়।
উত্তর নিষ্কাশন
প্রক্রিয়া যা একটি প্রাসঙ্গিক পাঠ্য অংশের মধ্যে সঠিক উত্তর সনাক্ত করে এবং বিচ্ছিন্ন করে, প্রায়শই ক্রম শ্রেণীবিভাগ বা নামকৃত সত্তা স্বীকৃতির কাজ হিসাবে চিকিত্সা করা হয়। এই কৌশলটি এক্সট্রাক্টিভ ক্যুইএ সিস্টেমের কেন্দ্রীয়।
ফ্যাক্টয়েড ক্যুইএ
প্রশ্নোত্তরের একটি প্রকার যা সত্যিকারের প্রশ্নগুলিতে ফোকাস করে যার সংক্ষিপ্ত এবং সুনির্দিষ্ট উত্তর রয়েছে যেমন নাম, তারিখ বা সংখ্যা। এই সিস্টেমগুলি নথিতে সঠিক তথ্য পুনরুদ্ধার করার ক্ষমতার উপর মূল্যায়ন করা হয়।
নন-ফ্যাক্টয়েড ক্যুইএ
প্রশ্নোত্তরের বিভাগ যার বিচ্ছিন্ন তথ্যের পরিবর্তে বর্ণনামূলক উত্তর, ব্যাখ্যা বা সংশ্লেষণের প্রয়োজন হয়, যেমন 'কেন' বা 'কিভাবে' প্রশ্ন। এই সিস্টেমগুলির জন্য গভীর বোঝাপড়া এবং যুক্তি ক্ষমতা প্রয়োজন।
কনভারসেশনাল ক্যুইএ
প্রশ্নোত্তর সিস্টেম যা কথোপকথনের প্রসঙ্গ এবং পূর্ববর্তী প্রশ্নগুলি বিবেচনা করে একাধিক টার্নে সামঞ্জস্যপূর্ণ সংলাপ বজায় রাখতে সক্ষম। এই পদ্ধতির জন্য ইতিহাস এবং আনাফোরিক রেফারেন্স পরিচালনা প্রয়োজন।
মাল্টি-হপ ক্যুইএ
উন্নত প্রশ্নোত্তর সিস্টেম যার সম্পূর্ণ উত্তর তৈরি করার জন্য একাধিক নথি বা প্যাসেজ থেকে তথ্য একত্রিত করার প্রয়োজন হয়। এই পদ্ধতিটি জটিল প্রশ্নের উত্তর দেওয়ার জন্য বহু-ধাপ যুক্তি অনুকরণ করে।
জিরো-শট প্রশ্নোত্তর
একটি সিস্টেমের এমন ক্ষমতা যেখানে এটি নির্দিষ্টভাবে প্রশিক্ষিত না হওয়া সত্ত্বেও তার সাধারণ জ্ঞানের উপর ভিত্তি করে বিভিন্ন বিষয় বা ডোমেনে প্রশ্নের উত্তর দিতে পারে। এই দক্ষতা ভাষার সত্যিকারের বোঝাপড়া এবং সাধারণীকরণ প্রদর্শন করে।
প্রশ্নোত্তরের জন্য ফাইন-টিউনিং
SQuAD বা Natural Questions-এর মতো অ্যানোটেটেড ডেটাসেট ব্যবহার করে প্রশ্নোত্তর কাজের জন্য প্রাক-প্রশিক্ষিত ভাষা মডেলকে অভিযোজিত করার প্রক্রিয়া। এই কৌশল নির্দিষ্ট QA কাজে সর্বোত্তম কর্মক্ষমতা অর্জন করতে সক্ষম করে।
প্রশ্নোত্তরে অ্যাটেনশন মেকানিজম
আধুনিক QA মডেলগুলির একটি অপরিহার্য উপাদান যা সিস্টেমকে একটি নির্দিষ্ট প্রশ্নের উত্তর দেওয়ার জন্য প্রাসঙ্গিক অংশগুলিতে ফোকাস করতে দেয়। অ্যাটেনশন মেকানিজম প্রশ্নের সাথে সম্পর্কিত করে প্রসঙ্গের প্রতিটি শব্দের গুরুত্ব ওজন করে।
প্রশ্ন শ্রেণীবিভাগ
QA সিস্টেমে প্রাথমিক ধাপ যা প্রশ্নগুলিকে তাদের ধরন (কে, কী, কখন, কোথায়, কেন, কীভাবে) অনুসারে শ্রেণীবদ্ধ করে উত্তর অনুসন্ধানের কৌশল মানিয়ে নেয়। এই শ্রেণীবিভাগ সিস্টেমকে সঠিক উৎস এবং নিষ্কাশন পদ্ধতির দিকে পরিচালিত করতে সহায়তা করে।