ইউনিভার্সিটি অফ সাউদার্ন ক্যালিফোর্নিয়ার একটি নিউরো-রোবোটিক্স ল্যাবে, একটি ছোট যান্ত্রিক হাত প্রথমবারের মতো একটি সুর শুনে কোনো স্বরলিপি, আগে থেকে লোড করা স্কোর বা সপ্তাহব্যাপী তত্ত্বাবধানে প্রশিক্ষণ ও অনুশীলন ছাড়াই, এক চেষ্টাতেই তা বাজিয়ে শুনিয়েছে (তথ্যসূত্র: ইউএসসি ভিটারবি )।
এই সিস্টেমটির নাম মিউজিশিয়ান হ্যান্ড। এতে চারটি আঙুল রয়েছে, যার প্রতিটি একটি ছোট বৈদ্যুতিক মোটরের সাথে সংযুক্ত টেন্ডন দ্বারা চালিত হয়; এটি মানুষের হাতের পেশি যেভাবে টেন্ডনকে টানে, তারই প্রতিচ্ছবি। এটি অধ্যাপক ফ্রান্সিসকো ভ্যালেরো-কুয়েভাসের নির্দেশনায় ডক্টরেট প্রার্থী হেসাম আজাদজু তৈরি করেছেন।
রোবটটি আসলে কীভাবে শিখল?
“মোটর ব্যাবলিং” নামক একটি কৌশলের মাধ্যমে, যা হলো একটি অনুসন্ধানমূলক ও ভুল-শুদ্ধির প্রক্রিয়া যার দ্বারা মানুষ তার অঙ্গপ্রত্যঙ্গ নিয়ন্ত্রণ করতে শেখে। হাত, কিবোর্ড এবং সঙ্গীতের ধারণা সম্পর্কে কোনো ধারণা না থাকা সত্ত্বেও, রোবটটি আবিষ্কার করেছিল যে কীভাবে পিয়ানোর চাবি টিপে তার নড়াচড়ার মাধ্যমে শব্দ তৈরি করা যায়।
প্রথম দুই মিনিট ধরে রোবট হাতটি এলোমেলোভাবে বিভিন্ন কী টিপে আঙুলের নড়াচড়া এবং পিয়ানো থেকে উৎপন্ন শব্দের মধ্যকার সম্পর্ক বিশ্লেষণ করছিল। সেই সংক্ষিপ্ত অভিজ্ঞতা থেকে, এটি মোটর কমান্ড (আঙুলের নড়াচড়া) এবং তার ফলাফল (শব্দ) এর মধ্যকার সংযোগটি চিহ্নিত করে।
লস অ্যাঞ্জেলেস-ভিত্তিক সুরকার ও সঙ্গীত তাত্ত্বিক রিচার্ড টুটোবেনের ডিজাইন করা এবং “রোবো অ্যালগো” নামে পরিচিত ‘মিউজিশিয়ান হ্যান্ড’ যখন প্রথমবারের মতো প্রায় ৩০টি নোটের সুর শোনে, তখন এটি অডিওটিকে একটি স্পেকট্রোগ্রামে রূপান্তরিত করে, নিউরাল নেটওয়ার্ক ব্যবহার করে নোটগুলো শনাক্ত করে এবং তারপর একেবারে প্রথম চেষ্টাতেই সেই ক্রমটি পুনরায় বাজানোর জন্য প্রয়োজনীয় কমান্ডগুলো তৈরি করে।
কী কারণে এটি নিছক একটি বাদ্যযন্ত্রের কৌশল নয়, বরং তার চেয়েও বেশি কিছু?
গবেষকরা একটি ব্লাইন্ড অডিশনও পরিচালনা করেছিলেন, যেখানে দুজন বিচারক চারজন প্রশিক্ষিত পিয়ানিস্টের পাশাপাশি মিউজিশিয়ান হ্যান্ড-কে মূল্যায়ন করেন, এবং তাদের মধ্যে কোনটি রোবট তা তারা জানতেন না। এতে এমন মুহূর্তও এসেছিল যখন তারা মানুষ ও রোবটের মধ্যে পার্থক্য করতে পারছিলেন না।
এর বিপরীতে, প্রশিক্ষণবিহীন প্রাপ্তবয়স্করা প্রথম বারোটি সুরও পুনরায় বাজাতে পারেনি। আজাদজু উল্লেখ করেছেন যে, মানুষের মস্তিষ্ক ১০০ ওয়াটেরও কম শক্তি ব্যবহার করে জটিল চলনগত সমস্যার সমাধান করে, যা মোটামুটি একটি ল্যাপটপ চার্জারের সমান; কিন্তু প্রচলিত কৃত্রিম বুদ্ধিমত্তার একই কাজের জন্য মেগাওয়াট শক্তির প্রয়োজন হতে পারে।
এই ধরনের মিতব্যয়ী, কার্যকর এবং অভিজ্ঞতা-ভিত্তিক শিখন পদ্ধতি প্রকৃতপক্ষে এমন সব রোবটিক ডিভাইসে প্রয়োগ করা যেতে পারে যা মানুষ দৈনন্দিন জীবনে পরিধান ও ব্যবহার করতে পারে, যেমন পারকিনসন রোগীদের জন্য এক্সোস্কেলেটন এবং ব্যক্তিগতকৃত পুনর্বাসন রোবট। গবেষণাটি এনএসএফ এবং ডারপা দ্বারা সমর্থিত ছিল।