# ডাটা এনালিটিক্স এর ভবিষ্যৎ

জেনেরেটিভ AI এর সাথে আর্টিফিসিয়াল জেনারেল ইন্টেলের একটা বড়ো পার্থক্য হচ্ছে - জেনেরেটিভ AI একটা টিয়া পাখির মতো। তাকে যা মুখস্ত করতে দেওয়া হয়েছে, সে সেটাই করেছে। মাঝে মাঝে সেই টিয়াপাখি হয়তো এমন কিছু আউটপুট আমাদের দেয়, যা আমাদের অবাক করে। কিন্তু এটা না বললেও বোঝা যায় এই টিয়াপাখি কোনো কিছুর কনটেক্সট বোঝে না। জেনেরেটিভ AI কে যদি একটি কবিতা লিখতে দেওয়া হয়, সেই কবিতার কোনো প্রাণ নেই, হয়তো সে লিখে দিবে কিন্তু একটু মন দিয়ে পড়লে পার্থক্যটা স্পষ্ট বোঝা যাবে । 

অন্যদিকে AGI আমার মনে হয়, জেনেরেটিভ AI থেকে আলাদা হবে বহু দিক থেকে। যদি আমি মেনে নেই - Mathematics is the language of reasoning, তাহলে বলা যায় বর্তমান জেনেরেটিভ AI থেকে AGI হবে অনেক বেশি রিসনিং সম্পন্ন যা মানুষের রিসনিং ক্ষমতার কাছাকাছি কি না, সেটা সময়েই কথা বলবে। AGI হচ্ছে একটা বর্ডার লাইন, যেটা আমার মনে হয় প্র্রত্যেকটি টেক কোম্পানি যারা AI নিয়ে কাজ করছে , সেই বর্ডারলাইনে পৌঁছাতে চেষ্টা করছে। কারণ chatgpt এর আগে chatbot আগেও ছিল, পার্থক্যটা তখন-ই চোখে পড়েছে যখন এটি কনভার্সেশনাল AI বা মানুষের মতো করে ইন্টারঅ্যাকশন শুরু করেছে। AGI হতে হলে হলে এখনো অনেক problem আছে, যেগুলো overcome করতে হবে। যেমন বলা যায় - মানুষের মতো কোনো কিছুর অনুভব বা সংবেদনশীলতা। ভিজ্যুয়াল, অডিটরি এবং অন্নান্ন সেন্সরি ডেটা থেকে তথ্য প্রসেস করে রিয়্যাল টাইম ইনপুটের জন্য আউটপুট তৈরী একটি বড়ো চ্যালেঞ্জ। অবজেক্ট রিকগনিশন, সাউন্ড রিকগনিশন শুধু নয় - এসবের পিছনে যেই কনটেক্সট টা আছে সেটি বর্তমান AI সিস্টেম বুঝতে পারে না- AGI এচিভ করতে হলে, সেগুলো খুব ভালোভাবে করতে জানতে হবে। 

আমার ডাটা নিয়ে কাজের অভিজ্ঞতা থেকে বলছি, বর্তমানে AI যেই কাজগুলো খুব সহজে করে দিচ্ছে সেগুলো হচ্ছে - ডাটা ক্লিনিং, রুটিন ডাটা এনালাইসিস এবং ভিজুয়ালাইজেশন , রুটিন রিপোর্টিং এর কাজ , ট্রাডিশনাল এলগরিদমের উপরে মডেল বিল্ডিং এর কাজ , মেশিন লার্নিং এর বেসিক কাজ। এগুলো কিছু সহজ উদাহরণ যেগুলো আমি দেখেছি, AI টুল খুব সহজ করে ফেলে । বুঝাই যাচ্ছে এগুলো সব এন্ট্রি লেভেলের ডাটা সায়েন্সের কাজ যার জন্য এখন আর কাউকে হায়ার করার দরকার নেই। 

আমি মনে করি ডাটা সায়েন্স ক্যারিয়ার গড়ার এখনো অনেক সুযোগ আছে যদি একজনের Critical thinking and problem-solving, Domain expertise and context, Communication and storytelling, Creative skills- এই স্কিলগুলো ডেভেলপ করতে পারেন। যদিও বর্তমানে AI এর হুমকি থেকে সাধারণত ডেটা সায়েন্সের চাকরিগুলি মোটামুটি সুরক্ষিত, তবে প্রকৃত ঝুঁকি হল সেই এক্সপার্টদের মাদ্ধমে যে কারো জব রিপ্লেস হওয়া , যারা তাদের বর্তমান নলেজ এবং এফিসিয়েন্সি বাড়ানোর জন্য দক্ষতার সাথে AI Tool কে কাজে লাগিয়ে সুপার স্কিল্ড হয়ে উঠছে। যে কোনো ফিল্ডে সুপার স্কিল্ড যে কারো চাকরি বা তার ব্যাবসা কে ডিফিট দেওয়া কঠিন কাজ। উদাহরণস্বরূপ বলা যায় আপনার যদি সুপার সেলস স্কিল থাকে, আপনি আপনার চাকরি বা ব্যাবসা কন্টিনিউ করেও যে কোনো কোম্পানির সেলস কনসালট্যান্ট হিসেবে কাজ করতে পারেন। সুতরাং এখানে স্কিলটা জরুরি।

যারা এতক্ষন আমার ই -বুকটি মনোযোগ দিয়ে পড়েছেন তাদের জন্য বলছি : আমি যেহেতু ডাটা নিয়ে কাজ করার এবং শিখার পদ্ধতি পরিবর্তন করে সামনে এগিয়েছি, সবার জন্য সেটি প্রযোজ্য হবে তা নয়।

আপনি যদি মনে করেন আপনি এখন যেভাবে শিখছেন, সেই শিখার উদ্দেশো বা অবজেক্টিভ আপনার কাছে পরিষ্কার, কে বলেছে সেটি পরিবর্তন করতে হবে ? শিখা উচিত মনের আনন্দে, যতক্ষণ আপনি আনন্দে নিয়ে শিখছেন, যাই শিখছেন আপনার কাছে সেটি বোঝা মনে হবে না।