নিউরাল নেটওয়ার্ক কী ও কীভাবে কাজ করে? সহজ ভাষায়

ছোট উত্তর: neural network হলো অনেকগুলো ছোট হিসাবের একক, যাদের neuron বলে, layer আকারে সাজানো একটি প্রোগ্রাম। প্রতিটি neuron তার input-কে weight নামের সংখ্যা দিয়ে গুণ করে, bias যোগ করে, তারপর ফলাফলটি একটি activation function-এর মধ্য দিয়ে পাঠায়। Network শেখে এভাবে: একটা অনুমান করে, কতটা ভুল হলো মাপে, তারপর weight-গুলো একটু বদলে ভুল কমায়। এটা বারবার চলে।

মূল উপাদান

• Neuron: ছোট একটি function, যা কয়েকটি সংখ্যা নিয়ে একটি সংখ্যা ফেরত দেয়।

• Weight: একটি নির্দিষ্ট input-কে neuron কতটা গুরুত্ব দেয়। বড় weight মানে “এই input খুব জরুরি”; ঋণাত্মক weight মানে “এই input উল্টো দিকে ঠেলে”।

• Bias: শেষে যোগ হওয়া একটি সংখ্যা, অনেকটা আগে থেকে থাকা ঝোঁকের মতো। এটি ঠিক করে neuron কত সহজে “জ্বলে উঠবে”।

• Activation function: ফলাফলের উপর একটি সহজ নিয়ম, যেমন “সংখ্যা ঋণাত্মক হলে শূন্য দাও”। এটি না থাকলে অনেক layer সাজালেও ক্ষমতা মাত্র একটি layer-এর সমান থাকত। এটি থাকায় network বাঁকা ও জটিল pattern শিখতে পারে।

এক লাইনে: output = activation(weight১ × input১ + weight২ × input২ + … + bias)। একটি neuron শুধু এটুকুই করে। আসল শক্তি আসে হাজার বা লক্ষ neuron একসাথে কাজ করা থেকে।

Layer: input, hidden, output

• Input layer: কাঁচা ডেটা নেয় (pixel, সংখ্যা, বা সংখ্যায় রূপান্তরিত শব্দ)।

• Hidden layer: মাঝখানে থাকে। শুরুর layer সাধারণত সহজ বৈশিষ্ট্য ধরে, পরের layer সেগুলো জুড়ে আরও অর্থপূর্ণ বৈশিষ্ট্য বানায়। অনেক hidden layer থাকা network-কেই আমরা deep learning বলি।

• Output layer: উত্তর দেয়, যেমন প্রতিটি সম্ভাব্য ক্যাটাগরির জন্য একটি স্কোর।

উদাহরণ: হাতের লেখা সংখ্যা চেনা

হাতে লেখা একটি সংখ্যার ছোট grey-scale ছবি নিন, ২৮ × ২৮ pixel। অর্থাৎ ৭৮৪টি সংখ্যা, প্রতিটি বলছে একটি pixel কতটা গাঢ়। এই ৭৮৪টি সংখ্যাই input layer। Output layer-এ ১০টি neuron, ০ থেকে ৯ পর্যন্ত প্রতিটি অঙ্কের জন্য একটি। যে neuron-এর মান সবচেয়ে বেশি, সেটিই network-এর উত্তর।

মাঝের hidden layer-গুলো কাজটা করে। কল্পনা করতে পারেন, একটি layer ছোট দাগ ও বাঁক ধরছে, পরের layer সেগুলো জুড়ে লুপ বা খাড়া দাগের মতো আকার বানাচ্ছে। খাড়া দাগের উপরে একটি লুপ থাকলে “৯”-এর দিকে ঝোঁকে। এই বৈশিষ্ট্যগুলো আমরা হাতে প্রোগ্রাম করি না: training-এর সময় network নিজেই কাজের বৈশিষ্ট্য খুঁজে নেয়।

Forward pass

একটি input-কে layer-এর পর layer পার করিয়ে output পাওয়া পর্যন্ত নিয়ে যাওয়াকে বলে forward pass। শুরুতে weight-গুলো এলোমেলো, তাই উত্তর অর্থহীন। “৭” দেখে সে হয়তো বলবে “২”।

ভুল থেকে শেখা

1. Loss: output-কে সঠিক label-এর সাথে মিলিয়ে একটি সংখ্যা বের করা হয়, যা বলে network কতটা ভুল করেছে। এটিই loss। যত ছোট, তত ভালো।

2. Backpropagation: output থেকে পেছনের দিকে গিয়ে বের করা হয় কোন weight ভুলের জন্য বেশি দায়ী এবং ভুল কমাতে প্রতিটি কোন দিকে সরবে।

3. Gradient descent: প্রতিটি weight-কে সেই দিকে ছোট একটি ধাপ সরানো। কুয়াশার মধ্যে পাহাড় বেয়ে নামার কথা ভাবুন: উপত্যকা দেখা যায় না, কিন্তু মাটি কোন দিকে ঢালু তা টের পাওয়া যায়, তাই ছোট এক ধাপ নামুন, আবার নামুন।

হাজার বা লক্ষ উদাহরণে এটি বারবার করলে loss ধীরে ধীরে কমে। ধাপের মাপকে বলে learning rate: বেশি বড় হলে লক্ষ্য ছাড়িয়ে যায়, বেশি ছোট হলে training খুব ধীর হয়। training data-র উপর দিয়ে পুরোটা একবার যাওয়াকে বলে epoch।

Neural network কোথায় ব্যবহার হয়

ক্ষেত্র	Network কী করে
ছবি	বস্তু চেনা, ছবির লেখা পড়া, মেডিকেল স্ক্যান বিশ্লেষণে সাহায্য
কথা	কথাকে লেখায় এবং লেখাকে কথায় রূপান্তর
ভাষা	অনুবাদ, chatbot, সারসংক্ষেপ (large language model আসলে বিশাল neural network)
সাজেশন	ভিডিও, গান বা পণ্যের পরামর্শ

AI, machine learning ও neural network-এর সম্পর্ক বুঝতে পড়ুন AI, Machine Learning ও Deep Learning-এর পার্থক্য।

সাধারণ ভুল

• মনে করা এটি মস্তিষ্কের মতো কাজ করে। নামটি neuron থেকে অনুপ্রাণিত, কিন্তু neural network আসলে সংখ্যার উপর হিসাব।

• মনে করা এটি “বোঝে”। এটি training data-র pattern খুঁজে পায়। ডেটা খারাপ বা পক্ষপাতদুষ্ট হলে ফলাফলও তেমন হয়।

• শেখার বদলে মুখস্থ করা। Network training-এর উদাহরণ নিখুঁতভাবে মিলিয়ে ফেলে অথচ নতুন উদাহরণে ব্যর্থ হতে পারে। একে overfitting বলে, তাই আমরা সবসময় network-এর না-দেখা ডেটায় পরীক্ষা করি।

মূল কথা

Neural network হলো সামঞ্জস্যযোগ্য weight-সহ সহজ neuron-এর layer। এটি শেখে অনুমান করে, loss মেপে, তারপর backpropagation ও gradient descent দিয়ে weight একটু একটু করে বদলে। এই চক্রটি বুঝলে আধুনিক AI-এর মূল ধারণা বোঝা হয়ে যায়।

---

শুরু করতে চান? AI কীভাবে কাজ করে, neural network ও model কী, তা অঙ্কের পূর্বজ্ঞান ছাড়াই বুঝুন। শুরু করুন ফ্রি কোর্স এআই কীভাবে কাজ করে: সবার জন্য ভিত্তি দিয়ে।