৫যন্ত্রকে শেখাও: কম্পিউটার কীভাবে একটি রেখা শেখে
শিক্ষার্থীরা একটি শেখার যন্ত্রের ভূমিকায় খেলে। কয়েকটি তথ্য বিন্দু দেওয়া হলে একটি দল একটি আন্দাজের রেখা দিয়ে শুরু করে, একটি "লস" (ভুলের বর্গের যোগফল) দিয়ে মাপে তা কতটা ভুল, আর তারপর ঢাল আর ছেদকে ছোট ছোট করে বদলায়, শুধু সেই পরিবর্তনগুলো রাখে যা লস কমায়। রাউন্ডে রাউন্ডে রেখাটি ভালো হয়। শিক্ষার্থীরা আধুনিক AI-এর বড় অংশের পেছনের মূল ধারণা, গ্রেডিয়েন্ট ডিসেন্ট, আবিষ্কার করে আর তাদের শেখা রেখাকে সঠিক ন্যূনতম বর্গের উত্তরের সাথে তুলনা করে।
- ক্লাস ও বয়স
- ক্লাস ১২ · ১৭–১৮
- কাজের ধরন
- দলগত
- সময় লাগবে
- ৬০–৯০ মিনিট
- কাঠিন্য
- চ্যালেঞ্জিং
- আনুমানিক খরচ
- ৳০–৳২০
গাণিতিক ধারণা
- রৈখিক মডেল y = mx + c
- ভুলের বর্গের যোগফল হিসেবে লস
- ছোট ছোট উন্নতি দিয়ে শেখা (গ্রেডিয়েন্ট ডিসেন্ট)
- ন্যূনতম বর্গ রিগ্রেশন
- ওভারফিটিং আর নতুন তথ্য
শেখার উদ্দেশ্য
- একটি তথ্যভান্ডারে একটি রেখার লস হিসাব করা।
- ধাপে ধাপে রেখা উন্নত করে লস কমানো।
- শেখা রেখাকে ন্যূনতম বর্গ রেখার সাথে তুলনা করা।
- কম্পিউটার কীভাবে তথ্য থেকে শিখতে পারে সহজ কথায় ব্যাখ্যা করা।
বাস্তব জীবনের সাথে সম্পর্ক
রেকমেন্ডেশন অ্যাপ, ভয়েস অ্যাসিস্ট্যান্ট, অনুবাদের টুল আর ছবি চেনার ব্যবস্থা সবাই একটি লস কমাতে অনেক সংখ্যা বদলে শেখে, এই খেলার একই ধারণা দিয়ে কিন্তু দুটির বদলে লক্ষ লক্ষ সংখ্যা নিয়ে।
প্রয়োজনীয় উপকরণ
- গ্রাফ পেপার আর রুলার, বা বোর্ডে বড় একটি গ্রিড
- নড়াচড়া করা রেখা হিসেবে একটি সরু কাঠি বা সুতা
- ক্যালকুলেটর আর লস লেখার শিট
- একটি স্প্রেডশিট (ঐচ্ছিক)
ধাপে ধাপে নির্দেশনা
- অনুশীলনের তথ্য বিন্দু (1, 3), (2, 4), (3, 7), (4, 8) বসাও।
- y = 2x আন্দাজ দিয়ে শুরু করো। প্রতিটি বিন্দুর ভুল (আসল y বিয়োগ পূর্বাভাসিত y) বের করে বর্গ করো আর যোগ করো: এটাই লস।
- রাউন্ড ১: ঢাল m-কে +০.২ আর -০.২ বদলে দেখো। যেটায় লস কম হয় সেটা রাখো। তারপর ছেদ c-এর জন্য একই করো।
- কয়েক রাউন্ড চালাও, প্রতিবার m, c আর লস লেখো। রাউন্ড নম্বরের বিপরীতে লস আঁকো।
- যখন কোনো ছোট পরিবর্তন লস কমায় না, ধাপগুলো ছোট করো (০.১, তারপর ০.০৫)। রেখাটি কোথায় স্থির হয়?
- সূত্র দিয়ে সঠিক ন্যূনতম বর্গ রেখা হিসাব করো: m = Σ(x - x̄)(y - ȳ) ÷ Σ(x - x̄)², c = ȳ - m x̄। তুলনা করো।
- যন্ত্র দেখেনি এমন একটি নতুন বিন্দুতে শেখা রেখা পরীক্ষা করো, যেমন (5, 11)। পূর্বাভাস কতটা ভালো?
- আলোচনা করো: চারটি বিন্দুর মধ্য দিয়ে ঠিক ঠিক যাওয়া একটি আঁকাবাঁকা বক্ররেখা আঁকলে কী হতো? এটি কি নতুন বিন্দু ভালোভাবে পূর্বাভাস দিত?
গাণিতিক ব্যাখ্যা
শুরুর রেখা y = 2x-এর পূর্বাভাস ২, ৪, ৬, ৮, ভুল ১, ০, ১, ০ আর লস ২। সঠিক ন্যূনতম বর্গ রেখা y = 1.8x + 1: এখানে x̄ = ২.৫, ȳ = ৫.৫, Σ(x - x̄)(y - ȳ) = ৯ আর Σ(x - x̄)² = ৫, তাই m = ১.৮ আর c = ৫.৫ - ৪.৫ = ১। এর পূর্বাভাস ২.৮, ৪.৬, ৬.৪, ৮.২ আর লস ০.০৪ + ০.৩৬ + ০.৩৬ + ০.০৪ = ০.৮, যেকোনো সরলরেখার জন্য সম্ভাব্য সবচেয়ে কম। ধাপে ধাপে খেলাটি কখনো সূত্র ব্যবহার না করেই এই উত্তরের দিকে যায়, আর কোনো সহজ সূত্র না থাকলে কম্পিউটার ঠিক এভাবেই শেখে। প্রতিটি বিন্দুর মধ্য দিয়ে যাওয়া বক্ররেখার এই বিন্দুগুলোতে লস শূন্য, কিন্তু সাধারণত নতুন বিন্দু খারাপভাবে পূর্বাভাস দেয়; একে ওভারফিটিং বলে।
প্রত্যাশিত ফলাফল
প্রতিটি শেখার রাউন্ডের রেকর্ড, রাউন্ডের বিপরীতে লসের গ্রাফ, একই গ্রাফে শেখা আর সঠিক রেখা, আর একটি নতুন বিন্দুতে পরীক্ষা।
যে দক্ষতা গড়ে ওঠে
- বীজগণিত আর গ্রাফ আঁকা
- পুনরাবৃত্ত উন্নতি
- মেশিন লার্নিং বোঝা
- AI নিয়ে সমালোচনামূলক চিন্তা
মূল্যায়নের মানদণ্ড
- লস সঠিকভাবে হিসাব করা (y = 2x-এর জন্য ২)।
- প্রতিটি শেখার রাউন্ড লেখা আর লস কমে।
- ন্যূনতম বর্গ রেখা y = 1.8x + 1 সঠিকভাবে হিসাব করা।
- শিক্ষার্থীর নিজের ভাষায় ওভারফিটিং ব্যাখ্যা করা।
এক্সটেনশন চ্যালেঞ্জ
ক্যালকুলাস ব্যবহার করো: লসকে m আর c-এর ফাংশন হিসেবে লেখো আর কোথায় দুটি আংশিক অন্তরজ শূন্য তা খোঁজো। একই রেখা পাও কি? তারপর যন্ত্রকে একটি বক্ররেখা y = ax² শেখানোর চেষ্টা করো।
নিরাপত্তা ও অন্তর্ভুক্তি
বিশেষ কোনো ঝুঁকি নেই। AI-এর পূর্বাভাস কোথায় অন্যায্য বা ভুল হতে পারে আর মানুষের কেন তা যাচাই করা উচিত তা নিয়ে আলোচনায় উৎসাহ দাও।