2024 সালের রসায়নে নোবেল পুরস্কারের অর্ধেক দেওয়া হয়ডেভিড বেকার（David Baker），“গণনাভিত্তিক প্রোটিন নকশায় অবদানের স্বীকৃতিস্বরূপ”；অন্য অর্ধেক যৌথভাবে দেওয়া হয়ডেমিস হাসাবিস（Demis Hassabis）ও জন এম. জাম্পার（John M. Jumper），“প্রোটিনের গঠন পূর্বাভাসে তাঁদের কৃতিত্বের স্বীকৃতিস্বরূপ”。

David Baker ওয়াশিংটন বিশ্ববিদ্যালয়ের প্রোটিন নকশা ইনস্টিটিউটের পরিচালক, তাঁকে প্রোটিন নকশার ক্ষেত্রের পথিকৃৎ বলা হয়।2003 সাল থেকে তিনি Top7-সহ নানা সম্পূর্ণ নতুন ও উদ্ভাবনী প্রোটিন সফলভাবে নকশা করেছেন, যা ওষুধ, টিকা, ন্যানো উপকরণ, ক্ষুদ্র সেন্সর ইত্যাদি ক্ষেত্রে ব্যাপকভাবে ব্যবহৃত হয়।আর 1999 সালেই তিনি প্রোটিনের গঠন পূর্বানুমানের অ্যালগরিদম RoseTTA প্রস্তাব করেন, যা Deepmind-এর AlphaFold-এর আগের।

অন্য দুই পুরস্কারজয়ী আরও পরিচিত। Demis Hassabis হলেন Google DeepMind-এর সহপ্রতিষ্ঠাতা ও CEO, John M. Jumper বর্তমানে Google DeepMind-এর পরিচালক।দুজন একটি দলকে নেতৃত্ব দিয়ে AI মডেল AlphaFold 2 তৈরি করেন এবং বিজ্ঞানজগৎকে 50 বছর ধরে ভাবিয়ে তোলা সমস্যার সমাধান করেন：অ্যামিনো অ্যাসিডের ক্রম থেকে প্রোটিনের জটিল গঠন পূর্বানুমান করা।

প্রোটিন জীবনের মৌলিক রাসায়নিক হাতিয়ার; এগুলো সব জৈবরাসায়নিক বিক্রিয়া নিয়ন্ত্রণ করে ও এগিয়ে নিয়ে যায় এবং হরমোন, সংকেতবাহী পদার্থ, অ্যান্টিবডি ও কলা গঠনে গুরুত্বপূর্ণ ভূমিকা পালন করে। প্রোটিনে অ্যামিনো অ্যাসিডগুলো দীর্ঘ শৃঙ্খল হিসেবে পরস্পরের সঙ্গে যুক্ত থাকে এবং ভাঁজ হয়ে ত্রিমাত্রিক কাঠামো তৈরি করে। গত শতকের 70-এর দশক থেকে গবেষকেরা অ্যামিনো অ্যাসিডের ক্রমের ভিত্তিতে প্রোটিনের কাঠামো অনুমান করার চেষ্টা করে আসছিলেন, কিন্তু অগ্রগতি ছিল ধীর, চার বছর আগে DeepMind-এর চমকপ্রদ সাফল্য আসার আগ পর্যন্ত।

2020 সালে Demis Hassabis ও John Jumper প্রথম প্রজন্মের AlphaFold-এর ভিত্তিতে AlphaFold 2 তৈরি করেন। গবেষকদের শনাক্ত করা 2 শত মিলিয়ন প্রোটিনের প্রায় সবগুলোর গঠনই এটি অনুমান করতে পারে। এখন পর্যন্ত এটি 2 দশ হাজারেরও বেশি বার উদ্ধৃত হয়েছে এবং 190টি দেশের 200 দশ হাজারেরও বেশি মানুষ ব্যবহার করেছেন। ম্যালেরিয়ার টিকা, ক্যানসারের চিকিৎসা, এনজাইম নকশা এবং অ্যান্টিবায়োটিক প্রতিরোধ নিয়ে গবেষণাসহ নানা ক্ষেত্রে এটি বড় অগ্রগতিতে সহায়তা করেছে। আসলে নোবেল পুরস্কারের আগেই, গত বছর তাঁরা মৌলিক চিকিৎসাবিজ্ঞান গবেষণায় অসামান্য অবদানের স্বীকৃতি হিসেবে “বিজ্ঞানের অস্কার” নামে পরিচিত জীবনবিজ্ঞানের ব্রেকথ্রু পুরস্কার এবং “নোবেলের পূর্বাভাস” নামে পরিচিত লাস্কার পুরস্কার পেয়েছিলেন।

রয়্যাল সুইডিশ অ্যাকাডেমি অব সায়েন্সেস বিবৃতিতে জানিয়েছে，“প্রোটিন ছাড়া，জীবনের অস্তিত্ব সম্ভব নয়। আজ আমরা প্রোটিনের গঠন অনুমান করতে এবং নিজেদের প্রোটিন নকশা করতে পারি，এটি মানবজাতির জন্য বিপুল কল্যাণ বয়ে এনেছে।”

পুরস্কার পাওয়ার খবর জানার পরই Google DeepMind-এর আনুষ্ঠানিক পক্ষ দ্রুত একটি পোস্ট দিয়ে “সুখবর জানায়”।

Demis Hassabis-ও একটি বিবৃতি দিয়ে বলেন：

“নোবেল পুরস্কার পাওয়া আমার জীবনের পরম সম্মান। রয়্যাল সুইডিশ একাডেমি অব সায়েন্সেসকে, John Jumper ও AlphaFold দলকে, বৃহত্তর DeepMind ও Google দলকে এবং এই মুহূর্তে পৌঁছাতে অবদান রাখা সব সহকর্মীকে ধন্যবাদ জানাই। আমি আমার কর্মজীবন AI-এর অগ্রগতির জন্য উৎসর্গ করেছি, কারণ কোটি কোটি মানুষের জীবন উন্নত করার অতুলনীয় সম্ভাবনা এর রয়েছে। এনজাইম নকশা থেকে ওষুধ আবিষ্কার পর্যন্ত গুরুত্বপূর্ণ কাজ এগিয়ে নিতে 200 দশ-হাজারেরও বেশি গবেষক ইতিমধ্যে AlphaFold ব্যবহার করেছেন। আমি আশা করি, ভবিষ্যতে আমরা AlphaFold-কে বৈজ্ঞানিক আবিষ্কার ত্বরান্বিত করার ক্ষেত্রে AI-এর বিশাল সম্ভাবনার প্রথম বাস্তব প্রমাণ হিসেবে দেখতে পারব।”

John Jumper সঙ্গে সঙ্গে বলেন：“এটি একটি গুরুত্বপূর্ণ প্রমাণ যে AI বৈজ্ঞানিক গবেষণাকে ত্বরান্বিত করতে পারে এবং শেষ পর্যন্ত রোগ বুঝতে ও চিকিৎসাপদ্ধতি তৈরি করতে সাহায্য করতে পারে। এই কাজের কৃতিত্ব Google DeepMind-এর অসাধারণ দলের, আর এই পুরস্কার তাঁদের অসামান্য অবদানকেও স্বীকৃতি দেয়।”

এতক্ষণে, এর আগে পদার্থবিজ্ঞান পুরস্কার পেয়ে ব্যাপক আলোচনার জন্ম দেওয়া “AI-এর গডফাদার” জেফ্রি ই. হিন্টন（Geoffrey E. Hinton）-কে ধরলে, এ বছরের সবচেয়ে আলোচিত এই পুরস্কারজয়ীদের পেছনে অভিন্ন যোগসূত্রটি খুব স্পষ্ট——হিন্টন ছিলেন Google-এর প্রথমদিকের AI উচ্চাকাঙ্ক্ষার বাহক Google Brain-এর কেন্দ্রীয় ব্যক্তিত্ব, আর Demis Hassabis হলেন সাম্প্রতিক বছরগুলিতে Google-এর AI গবেষণার দায়িত্ব বহনকারী Google Deepmind-এর প্রাণপুরুষ।

তাই তো এমনকি “নোবেল পার্টি”-ও সরাসরি Google-এর ক্যাম্পাসে আয়োজন করা হয়েছিল।

পরপর AI বিজ্ঞানীদের নোবেল পুরস্কার দেওয়ার পেছনে, Google-ও “দারুণ জয় পেয়েছে”।

Google-এর আক্রমণ

সময়ের ক্রম বিবেচনা করলে, কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রে প্রবেশ করা বড় কোম্পানিগুলির মধ্যে Google অবশ্যই সবার আগে।

যদিও কাহিনির বহু সংস্করণে 2012 সালের শীতে যুক্তরাষ্ট্রের লেক টাহোর পাশের এক ক্যাসিনো হোটেলে হওয়া গোপন নিলামটিকে Google, Microsoft, Baidu—এই তিন প্রযুক্তি দৈত্য ও DeepMind-এর মধ্যে Hinton-এর সদ্য প্রতিষ্ঠিত ছোট কোম্পানি DNNResearch-কে নিয়ে ন্যায্য প্রতিযোগিতা হিসেবে বর্ণনা করা হয়, যে কোম্পানির কয়েকটি গবেষণাপত্র ছাড়া বাস্তব কোনো পণ্য ছিল না। কিন্তু পরে ফিরে তাকালে বোঝা যায়, এই নিলামের ফল আসলে অনেক আগেই নির্ধারিত ছিল। কারণ এর সূচনার অন্যতম কারণ ছিল 6 মাস আগে Google-এর উদ্যোগ।

2012 সালের 6 মাসে, Google Brain প্রকাশ্যে “গুগল বিড়াল（The Cat Neurons）” প্রকল্প চালু করে, অ্যালগরিদম দিয়ে YouTube ভিডিওতে বিড়াল শনাক্ত করার জন্য। অ্যান্ড্রু এনজির নেতৃত্বে, Jeff Dean-এর অংশগ্রহণে এটি পরিচালিত হয় এবং কোম্পানির প্রতিষ্ঠাতা Larry Page-এর জোরালো সমর্থন পায়।

প্রকল্পটি 10 শত মিলিয়ন সংযোগবিশিষ্ট একটি বৃহৎ নিউরাল নেটওয়ার্ক তৈরি করে，YouTube থেকে নেওয়া 1000 দশ হাজার লেবেলবিহীন ভিডিও ব্যবহার করে，16,000টি CPU-তে সেটিকে প্রশিক্ষণ দেয়。তত্ত্বাবধানহীন শিক্ষণের মাধ্যমে，সিস্টেমটি সফলভাবে নিজে থেকেই বিড়ালের মুখ শনাক্ত করতে শেখে，নির্ভুলতা পৌঁছায় 74.8%-এ，এবং মানুষের মুখসহ অন্যান্য বস্তুও শনাক্ত করতে পারে。

তবে প্রকল্পের শেষদিকে উ এনদা সাফল্যের শিখরে থাকতেই সরে দাঁড়ানোর সিদ্ধান্ত নেন, এবং বিদায়ের আগে নিজের শিক্ষক Hinton-কে তাঁর স্থলাভিষিক্ত করার জন্য Google-এর কাছে সুপারিশ করেন। Hinton জানান, তিনি বিশ্ববিদ্যালয় ছাড়বেন না, শুধু Google-এ “একটি গ্রীষ্মকাল কাটাতে” রাজি আছেন। এভাবেই তিনি Google-এর ইতিহাসে সবচেয়ে বয়স্ক শিক্ষানবিশ হয়ে ওঠেন।

গভীর শিক্ষার ক্ষেত্রে একজন কর্তৃপক্ষ হিসেবে Hinton দ্রুতই প্রকল্পটির ত্রুটি বুঝতে পারেন এবং বলেন, Google Cat “ভুল নিউরাল নেটওয়ার্ক চালিয়েছে এবং ভুল গণনাশক্তি ব্যবহার করেছে।” তাই সংক্ষিপ্ত “শিক্ষানবিশকাল” শেষ হওয়ার পরই Hinton তাঁর ছাত্র Ilya Sutskever ও Alex Krizhevsky-কে নিয়ে দল গড়েন এবং নতুন নিউরাল নেটওয়ার্ক স্থাপত্য AlexNet তৈরি করেন। মাত্র 4টি NVIDIA GPU দিয়ে প্রশিক্ষিত ফল নিয়ে তাঁরা 2012 সালের ImageNet চিত্র শনাক্তকরণ প্রতিযোগিতায় অংশ নেন এবং শেষ পর্যন্ত 84% নির্ভুলতায় যুগান্তকারী জয় অর্জন করেন।

একই বছরের 10 মাসে, ফ্লোরেন্সের কম্পিউটার ভিশন সম্মেলনে Hinton-এর দল আনুষ্ঠানিকভাবে বিজয়ী অ্যালগরিদম AlexNet উপস্থাপন করে। হার্ডওয়্যার ও গবেষণা-উন্নয়নের সম্পদে বিপুল ব্যবধান থাকা সত্ত্বেও একটি একাডেমিক দল Google-কে হারিয়ে দেওয়ায় শিক্ষাজগৎ ও শিল্পজগতে তীব্র আলোড়ন সৃষ্টি হয়। AlexNet-এর গবেষণাপত্রটিও কম্পিউটার বিজ্ঞানের ইতিহাসে অন্যতম প্রভাবশালী গবেষণাপত্র হয়ে ওঠে, যার উদ্ধৃতির সংখ্যা 12 লাখ ছাড়িয়েছে।

এরপর তিনজনের DNNResearch কোম্পানি নিবন্ধিত হয়। পরবর্তী নিলামের ঘটনাপ্রবাহ আরও স্বাভাবিকভাবেই এগোয়; মূল্য 4400 দশ হাজার মার্কিন ডলারে পৌঁছালে Hinton নিলাম থামিয়ে দেন এবং দুই ছাত্রকে নিয়ে আনুষ্ঠানিকভাবে Google-এ যোগ দেন, Google Brain-এর ভাইস প্রেসিডেন্ট ও প্রকৌশল গবেষক হিসেবে।

তখন Hinton এক বিবৃতিতে লিখেছিলেন：“আমি টরন্টো বিশ্ববিদ্যালয়ে খণ্ডকালীন শিক্ষকতা চালিয়ে যাব, তবে Google-এ আমি দেখতে পারব আমরা কীভাবে অতিবৃহৎ আকারের গণনার কাজ করি।”

2023 সালের 5 মাস পর্যন্ত চলা Google-এ দশ বছরের কর্মজীবনে, Hinton বৃহৎ কৃত্রিম নিউরাল নেটওয়ার্কের গবেষণায় অংশ নিতে থাকেন, Bard ও ChatGPT-এর মতো আধুনিক AI ব্যবস্থার অন্তর্নিহিত প্রযুক্তির ভিত্তি গড়তে মৌলিক অবদান রাখেন। তিনি উন্মুক্ত উৎসের মেশিন লার্নিং সফটওয়্যার লাইব্রেরি TensorFlow তৈরিতেও অংশ নেন, ছবি শনাক্তকরণ, ভাষা বোঝা ইত্যাদি AI প্রয়োগের সক্ষমতা বৃদ্ধিতে ভূমিকা রাখেন এবং Google-এর নানা পণ্য ও সেবায় ডিপ লার্নিং প্রযুক্তির ব্যাপক প্রয়োগ ঘটান।

প্রতিভা ও প্রযুক্তিকে একত্র করার ক্ষেত্রে Google কখনো গতি কমায়নি। DNNResearch অধিগ্রহণের মাত্র দুই বছর পর, সেই নিলামে অংশ নেওয়া প্রতিদ্বন্দ্বীদের অন্যতম, Hassabis প্রতিষ্ঠিত DeepMind-কেও তারা অধিগ্রহণ করে।

জানা যায়, Google তখন Hinton-কে লন্ডনে “যাচাই করতে” নিয়ে যাওয়ার জন্য বিশেষভাবে একটি ব্যক্তিগত বিমান ভাড়া করেছিল, এমনকি পিঠব্যথার কারণে তাঁর বিমানে বসতে না পারার সমস্যা মেটাতে আসনও বদলে দিয়েছিল। আর তখন Google-এর কাছে পিছিয়ে পড়া Facebook, DeepMind-কে হাতছাড়া করার পর, বেশি অর্থ দিয়ে “ডিপ লার্নিংয়ের তিন মহারথী”-র একজন Yann LeCun-কে নিজেদের দলে নিয়ে আসে।

Deepmind-এর গল্প

এবার DeepMind-এর দিকে আসা যাক，আসলে Google অধিগ্রহণ করার আগেই DeepMind আর্থিক সমস্যায় পড়েছিল，কোম্পানিটি ক্রমাগত অর্থ খরচ করছিল，কিন্তু টেকসই ব্যবসায়িক মডেল খুঁজে পায়নি，এমনকি দেউলিয়া হওয়ার দ্বারপ্রান্তেও পৌঁছেছিল।

Google-এর 6 শত মিলিয়ন মার্কিন ডলারের অধিগ্রহণ DeepMind-কে বাঁচিয়েছিল，মূল প্রযুক্তি দলকে ধরে রাখার পাশাপাশি ক্লাউড কম্পিউটিং প্ল্যাটফর্ম ও ডেটা সেন্টারের সহায়তাসহ শক্তিশালী গণনাসম্পদও দিয়েছিল। এর ফলে DeepMind আরও বেশি গণনাশক্তি দিয়ে গভীর নিউরাল নেটওয়ার্ক প্রশিক্ষণ দিতে পেরেছিল，বিশেষত AlphaGo তৈরিতে গণনার গতি ও মডেলের নির্ভুলতা অনেক বেড়েছিল। এ ছাড়া，Google বিশেষভাবে তৈরি TPU（টেনসর প্রসেসিং ইউনিট）দিয়েছিল，যা গভীর শিক্ষণ মডেলের প্রশিক্ষণ ও ইনফারেন্সের দক্ষতা আরও বাড়িয়েছিল，AI-এর মৌলিক সরঞ্জাম TensorFlow-ও DeepMind-এর গবেষণায় ব্যাপকভাবে ব্যবহৃত হয়েছিল，যা AlphaGo-এর কর্মক্ষমতা বাড়াতে সাহায্য করেছিল।

AlphaGo হলো DeepMind দলের তৈরি একটি কৃত্রিম বুদ্ধিমত্তাভিত্তিক গো খেলার প্রোগ্রাম। লক্ষ লক্ষ খেলার রেকর্ড বিশ্লেষণ করে এবং নিজের সঙ্গে খেলে রিইনফোর্সমেন্ট লার্নিংয়ের মাধ্যমে এটি জটিল গো কৌশল আয়ত্ত করেছে এবং বিশ্বের সেরা মানব গো খেলোয়াড়দেরও ছাড়িয়ে যেতে পারে। 2016 সালে গো বিশ্বচ্যাম্পিয়ন লি সেডলের বিরুদ্ধে AlphaGo 4 বনাম 1 ব্যবধানে জেতে; সেই এক ম্যাচেই খ্যাতি পেয়ে বিশ্বকে চমকে দেয়।

তবে Hassabis-এর চোখে, বোর্ড গেমের মাধ্যমে জটিল সমস্যা সমাধানে AI-এর সম্ভাবনা যাচাই করা ছিল কেবল শুরু। আরও গুরুত্বপূর্ণ ছিল, এর সাহায্যে সাধারণ শেখার ব্যবস্থাকে দিশা দিয়ে বাস্তব জগতের চ্যালেঞ্জ মোকাবিলা করা, যাতে সত্যিই মানুষের জীবন উন্নত হয়, শিল্পক্ষেত্রে আমূল পরিবর্তন আসে এবং বিজ্ঞানের অগ্রগতি ঘটে।

তাই কয়েক মাসের মধ্যেই DeepMind দ্রুত জীববিজ্ঞানীদের নিয়োগ করে একটি আন্তঃবিষয়ক দল গঠন করে, যারা প্রোটিন ভাঁজ হওয়ার জটিল সমস্যার সমাধানে মন দেয়; শেষ পর্যন্ত 2018 সালে AlphaFold প্রকল্পের জন্ম হয়। একাধিক উন্নয়নচক্রের পর, প্রোটিনের গঠন পূর্বানুমানে যুগান্তকারী ক্ষমতার মাধ্যমে AlphaFold জীববিজ্ঞান গবেষণাকে সম্পূর্ণ বদলে দিয়েছে এবং বিজ্ঞানে AI প্রয়োগের বিপুল সম্ভাবনা দেখিয়েছে।

এই বছরের 5 মাসেই Google Deepmind আবার আনুষ্ঠানিকভাবে ঘোষণা করে, Isomorphic Labs-এর সঙ্গে যৌথভাবে নতুন প্রজন্মের প্রোটিন পূর্বাভাস মডেল AlphaFold 3 প্রকাশ করছে; সংশ্লিষ্ট গবেষণাপত্রটি সরাসরি 《Nature》 পত্রিকায় স্থান পায়।

আগের সংস্করণের তুলনায় AlphaFold 3 শুধু প্রোটিনের ভাঁজের পূর্বাভাসেই অগ্রগতি করেনি, প্রথমবারের মতো প্রোটিন, DNA, RNA ও লিগ্যান্ডের মতো জীবনের অণুগুলোর গঠন এবং তাদের পারস্পরিক ক্রিয়ার উচ্চনির্ভুল পূর্বাভাসও সম্ভব করেছে। এই অগ্রগতি বিজ্ঞানীদের রোগের প্রক্রিয়া ও জীবনপ্রক্রিয়া আরও গভীরভাবে বুঝতে সাহায্য করেছে, একই সঙ্গে গবেষণা ও উন্নয়নের সময় ও খরচ ব্যাপকভাবে কমিয়েছে। নবায়নযোগ্য উপকরণ তৈরি হোক বা ওষুধের নকশা ও জিনোমিক্স গবেষণার গতি বাড়ানো, AlphaFold 3 জৈব অণুর ক্ষেত্রে প্রয়োগের আরও বিস্তৃত সুযোগ খুলে দিয়েছে।

শুধু তাই নয়, দলটি AlphaFold 3-এর ভিত্তিতে AlphaFold Server নামে একটি বিনামূল্যের প্ল্যাটফর্মও চালু করেছে, যাতে সারা বিশ্বের বিজ্ঞানীরা অবাণিজ্যিক গবেষণা করতে পারেন; এর ফলে বৈজ্ঞানিক অনুসন্ধান আরও বিস্তৃতভাবে সবার নাগালে এসেছে।

DeepMind-এর মাধ্যমে，Google ক্রমাগত বিশ্বের শীর্ষ গবেষণাপ্রতিভাদের আকৃষ্ট করছে，এবং দীর্ঘমেয়াদি অর্থায়ন দিচ্ছে，যাতে তাঁরা স্বল্পমেয়াদি বাণিজ্যিক মুনাফার ওপর নির্ভর না করে যুগান্তকারী গবেষণায় মন দিতে পারেন。Google DeepMind-কে ব্যাপক কৌশলগত স্বায়ত্তশাসনও দিয়েছে，যাতে তারা স্বাধীনভাবে গবেষণার দিক বেছে নিতে পারে。এই স্বাধীনতা ও দীর্ঘমেয়াদি সহায়তাই DeepMind-এর দূরদর্শী গবেষণার জন্য মজবুত ভিত্তি তৈরি করেছে。

গেমিং ও জীববিজ্ঞানের সাফল্যের পাশাপাশি DeepMind Google Assistant-এর জন্য বাস্তবসম্মত কণ্ঠস্বর সংশ্লেষণ মডেল WaveNet তৈরি করেছে, যা কণ্ঠস্বরভিত্তিক মিথস্ক্রিয়ার অভিজ্ঞতা উন্নত করেছে। দৃষ্টি-ভাষা-ক্রিয়া মডেল RT-2-এর মাধ্যমে বিভিন্ন পরিবেশে রোবটের কাজ সম্পাদনের ক্ষমতা বাড়িয়েছে। তাদের গবেষণায় আবহাওয়ার পূর্বাভাস, নিউক্লীয় সংযোজন রিঅ্যাক্টরের মতো জটিল সমস্যাও রয়েছে; পাশাপাশি AlphaCode ও AlphaDev-এর মতো প্রকল্পের মাধ্যমে কম্পিউটার অ্যালগরিদমের আরও উন্নয়ন এগিয়ে নিয়েছে।

Google-এর “সঞ্চিত সম্পদ” এখনও বিপুল

আজকের কৃত্রিম বুদ্ধিমত্তার প্রতিযোগিতায় OpenAI ও Anthropic-এর মতো তারকা প্রতিষ্ঠানের দ্রুত উত্থান এবং Gemini-র ওপর ChatGPT ও Claude-এর “প্রবল আধিপত্য” একসময় Google-এর AI কৌশল নিয়ে মানুষকে প্রশ্ন তুলতে বাধ্য করেছিল। বিশেষত জেনারেটিভ AI পণ্য ও ডেভেলপার টুলের বাণিজ্যিকীকরণে OpenAI-দের দ্রুত অগ্রগতির সঙ্গে Google-এর তুলনামূলক ধীর গতির স্পষ্ট বৈপরীত্য দেখা গিয়েছিল।

তবে সামনে থাকা এই দুটি নোবেল পুরস্কার যেন আমাদের মনে করিয়ে দিচ্ছে, Google-এর গভীর গবেষণার ভিত্তি ও সঞ্চিত প্রযুক্তিগত অভিজ্ঞতা এখনও এমন এক সুবিধা, যা অন্য কোম্পানিগুলোর পক্ষে পুনর্গঠন করা কঠিন।

2006 সালের আগে গভীর শিক্ষণের অবস্থা ব্যারন কেলভিনের সেই বিখ্যাত উক্তি দিয়ে সংক্ষেপে বলা যায়：“গভীর শিক্ষণের অট্টালিকা মোটামুটি তৈরি হয়ে গেছে, শুধু রৌদ্রোজ্জ্বল আকাশের নিচে তিনটি ছোট কালো মেঘ ভেসে আছে।”

এই তিনটি ছোট কালো মেঘ হলো অ্যালগরিদম, গণনাশক্তি ও ডেটা।

আর ঠিক এই গুরুত্বপূর্ণ ক্ষেত্রগুলোতেই Google-এর স্পষ্ট সুবিধা রয়েছে। প্রথমত, এর হাতে রয়েছে বিশ্বে অগ্রগণ্য বিপুল ডেটাসম্পদ। YouTube、Google Scholar এবং Google Search-এর মতো প্ল্যাটফর্মের মাধ্যমে Google দৃশ্য শনাক্তকরণ, কণ্ঠস্বর শনাক্তকরণ এবং প্রাকৃতিক ভাষা প্রক্রিয়াকরণের মতো AI মডেলগুলোর জন্য সমৃদ্ধ ও বৈচিত্র্যময় প্রশিক্ষণ ডেটা সরবরাহ করে।

দ্বিতীয়ত, গণনাসম্পদের ক্ষেত্রে Google-এর উল্লেখযোগ্য সুবিধা রয়েছে। নিজস্বভাবে তৈরি TPU হার্ডওয়্যার ডিপ লার্নিং মডেলের প্রশিক্ষণের গতি অনেক বাড়িয়েছে, Google Cloud অভ্যন্তরীণ গবেষণার জন্য শক্তিশালী গণনাক্ষমতা দেওয়ার পাশাপাশি বিশ্বজুড়ে ডেভেলপারদের টুলও দেয়, যা তাঁদের দ্রুত জটিল AI অ্যাপ্লিকেশন তৈরি ও স্থাপনে সাহায্য করে।

অ্যালগরিদম গবেষণা ও উন্নয়নের ক্ষেত্রেও Google শিল্পের অগ্রভাগে রয়েছে। Google Brain দলের তৈরি Transformer স্থাপত্য আধুনিক প্রাকৃতিক ভাষা প্রক্রিয়াকরণের ভিত্তি স্থাপন করেছে এবং আজকের প্রায় সব অগ্রণী AI মডেলের বিকাশকে এগিয়ে নিয়েছে। এই প্রযুক্তিগুলি শুধু শিক্ষাজগতের অগ্রগতিই ত্বরান্বিত করেনি, Google-এর প্রধান পণ্যগুলিতেও ব্যাপকভাবে ব্যবহৃত হয়েছে।

2024 সালে，AI ক্ষেত্র তখনও অ্যালগরিদম、গণনাশক্তি এবং ডেটা নিয়ে চ্যালেঞ্জের মুখোমুখি। যদিও অনেক কোম্পানি নিজ নিজ ক্ষেত্রে কিছু অগ্রগতি অর্জন করেছে，তবুও তুলনামূলকভাবে মনে হয়，এই তিন দিকের সুবিধা একসঙ্গে ধরে রেখে সেগুলিকে ধারাবাহিকভাবে কার্যকরভাবে কাজে লাগাতে পারছে Google-ই।

OpenAI, Microsoft প্রভৃতি সংস্থার সঙ্গে প্রতিযোগিতায় Google-এর সঞ্চিত শক্তি এখনও যথেষ্ট, এবং AI প্রতিযোগিতাতেও তারা পরাজিত হয়নি। কৃত্রিম বুদ্ধিমত্তার সম্ভাবনা এখনও পুরোপুরি কাজে লাগানো থেকে বহু দূরে; এই দীর্ঘ দৌড়ে হয়তো প্রযুক্তিগত উদ্ভাবনের গভীরতা ও ব্যাপ্তিই শেষ পর্যন্ত বিজয়ী নির্ধারণ করবে।