মেশিন লার্নিং: যেখানে যন্ত্র ঝলমল করে, আর যেখানে হতাশ করে

মেশিন লার্নিং ছবি চেনা আর অনুবাদ বদলে দিয়েছে। অর্থের জগতে তার সাফল্য যতটা ভাবা হয়, তার চেয়ে অসমান।

চারটা ক্ষেত্র আছে। দাম আগাম বলা, অর্ডার চালানো, প্রতারণা ধরা, আর মানুষের জায়গায় সিদ্ধান্ত নেওয়া।

প্রথম ক্ষেত্র, দামের পূর্বাভাস। এটাই স্বপ্ন। আর এটাই সবচেয়ে হতাশার ক্ষেত্র।

বেড়ালের ছবি বেড়ালের ছবিই থাকে। কিন্তু বাজারের নিয়ম একবার ধরা পড়লেই সে বদলে যায়, কারণ অন্যরা সঙ্গে সঙ্গে সেটা কাজে লাগায়।

সংকেত দুর্বল, ইতিহাস ছোট, আর অতীত ফিরে আসে না। শক্তিশালী মডেল সেখানে বেশিরভাগ শেখে শুধু গোলমাল।

দ্বিতীয় ক্ষেত্র, অর্ডার চালানো। কম ঝলমলে, কিন্তু অনেক বেশি লাভের।

একবারে দশ লাখ শেয়ার কিনলে দাম নিজের বিরুদ্ধে ওঠে। অর্ডারটা ভেঙে ঠিক তালে দিতে হয়।

উদাহরণ: দশ কোটি ইউরোর অর্ডারে খরচ শতাংশের দশ ভাগের একভাগ বাঁচালে বাঁচে এক লাখ ইউরো।

রোজ হাজার হাজার অর্ডারে এটা বারবার হলে সে এক সম্পদ। আর এখানে মডেলের শেখার জন্য আছে লক্ষ লক্ষ উদাহরণ।

অ্যাপে এই অধ্যায়টি অ্যানিমেটেড ও বর্ণিত, কার্ডের পর কার্ড। ফ্রি ট্রায়াল শুরু করুন.

তৃতীয় ক্ষেত্র, প্রতারণা ধরা। এখানে সত্যিই কাজ হয়।

কার্ডের প্রতিটা পেমেন্টে সেকেন্ডের ভগ্নাংশে নম্বর বসে। জায়গা, অঙ্ক, সময়, অভ্যাস: সব মেলানো হয়।

পুরোনো ফাঁদ: ধরা যাক হাজার পেমেন্টে একটা প্রতারণা। যে মডেল সবসময় বলে প্রতারণা নেই, সে নিরানব্বই দশমিক নয় শতাংশ সময় ঠিক।

অথচ তার কোনো কাজ নেই। কাজের কথা হলো, সে কতগুলো প্রতারণা ধরে, আর কতজন সৎ গ্রাহককে আটকায়।

উদাহরণ: দশ লাখ পেমেন্ট, এক হাজার প্রতারণা। মডেল ধরে নয়শো, আর সৎ পেমেন্টের শূন্য দশমিক পাঁচ শতাংশে ভুল করে।

তাতে হয় চার হাজার নয়শো পঁচানব্বইটা ভুয়ো সতর্কতা। ছয়টা সতর্কতায় মাত্র একটা আসল প্রতারণা।

চতুর্থ ক্ষেত্র, কালো বাক্স। একটা মডেল ঋণ নাকচ করল। কেন? প্রায়ই তার নির্মাতারাও সহজে বলতে পারেন না।

অথচ অনেক দেশে আইন বলে ঋণ নাকচের কারণ ব্যাখ্যা করতে পারতে হবে। আর নিয়ন্ত্রক সিদ্ধান্ত মেনে নেওয়ার আগে বুঝতে চায়।

মডেল তার তথ্যের পক্ষপাতও নকল করতে পারে। অন্যায্য সিদ্ধান্ত থেকে শিখলে সে সেগুলোই দ্রুত গতিতে বারবার করে।

তাই ব্যাংক বেছে নেয়: একটু কম নিখুঁত কিন্তু ব্যাখ্যা করা যায় এমন মডেল, বোবা দৈববাণীর চেয়ে।

মনে রাখুন: যেখানে উদাহরণ অনেক আর নিয়ম স্থির, যন্ত্র সেখানে দুর্দান্ত। যেখানে ভবিষ্যৎ অতীতের মতো নয়, সেখানে হতাশ করে।

তাই শেয়ারবাজারের ভবিষ্যদ্বাণীর প্রতিশ্রুতি দেওয়া যেকোনো কৃত্রিম বুদ্ধিমত্তা থেকে সাবধান। ঠিক ওই ক্ষেত্রেই সে সবচেয়ে কম ঝলমল করে।