AI এবং বিশ্বের কঠিন সমস্যাগুলো ─ তাত্ত্বিক কম্পিউটার বিজ্ঞান
AI দ্বারা এগিয়ে চলা বিজ্ঞান ও পাণ্ডিত্য, শাখা অনুযায়ী
RSS ফিড · 6 আইটেম
ইতিহাসের দীর্ঘকাল গোপন কোডগুলো এখন AI ব্যবহার করে শৌখিন ব্যক্তিরা ভাঙছেন
মূল শিরোনাম: History’s long-secret codes are being cracked by amateurs using AI
অ-বিশেষজ্ঞরা ঐতিহাসিক সাইফার ভাঙতে ক্রমশ বৃহৎ ভাষা মডেল ব্যবহার করছেন, যেগুলো ডিক্রিপশন অ্যালগরিদম চালাতে এবং নথির জন্য ইন্টারনেটে অনুসন্ধান করতে পারে। ক্রিপ্টোগ্রাফির কোনো অভিজ্ঞতা না থাকা Carter Leffen, GPT-6 Astra-কে ৮৫ বছর আগে এনক্রিপ্ট করা একটি জার্মান সেনাবাহিনীর বার্তা ডিকোড করতে বলেছিলেন, এবং সকালের মধ্যেই এটি একটি সমাধান দিয়েছে। ক্রিপ্টোগ্রাফি বিশেষজ্ঞরা এই আগ্রহকে স্বাগত জানালেও AI-এর সমাধান যাচাইয়ের অনুরোধের চাপে অভিভূত, যার অনেকগুলোই ভুল।
অ্যাটেনশন-সমৃদ্ধ ডিপ লার্নিং ব্যবহার করে RGB এক্সিকিউটেবল ইমেজ থেকে বহু-স্তরীয় ম্যালওয়্যার উপ-পরিবার শনাক্তকরণ
মূল শিরোনাম: Multi-level malware subfamily attribution from RGB executable images using attention-augmented deep learning
ম্যালওয়্যার বিশ্লেষণে শনাক্তকরণ থেকে শুরু করে পরিবার ও সূক্ষ্ম উপ-পরিবার নির্ধারণ পর্যন্ত একাধিক স্তরে সিদ্ধান্ত নিতে হয়। লেখকেরা একটি শ্রেণিবদ্ধ ডিপ লার্নিং কাঠামো প্রস্তাব করেছেন, যা Windows PE ফাইলের RGB ছবি নিয়ে একটি মাল্টি-আউটপুট আর্কিটেকচারে শনাক্তকরণ, পরিবার শ্রেণিবিন্যাস এবং 33টি উপ-পরিবার নির্ধারণ করে। অ্যাটেনশন-সংবলিত চারটি ট্রান্সফার লার্নিং মডেল বাইনারি স্তরে 99%, পরিবার স্তরে 96–97% এবং উপ-পরিবার স্তরে 91–95% নির্ভুলতা অর্জন করেছে, এবং সূক্ষ্ম নির্ধারণে ম্যাক্রো F1-স্কোর ছিল সর্বোচ্চ 0.89।
বৃহৎ ভাষা মডেলগুলো কম্বিনেটোরিয়াল অপ্টিমাইজেশনের জন্য পরিপূরক হিউরিস্টিক আবিষ্কার করে
মূল শিরোনাম: Large language models discover complementary heuristics for combinatorial optimization
সংমিশ্রণমূলক অপ্টিমাইজেশন উৎপাদন, লজিস্টিকস ও জ্বালানি খাতের সিদ্ধান্তের ভিত্তি, কিন্তু প্রতিটি নতুন ভেরিয়েন্টের জন্য হিউরিস্টিক ডিজাইন করতে বিশেষজ্ঞদের কয়েক মাসের শ্রম লাগে, আর একবারে LLM দিয়ে কোড তৈরি প্রায়ই ব্যর্থ হয়। LACE অ্যালগরিদম ডিজাইনকে স্কিমা, একটি টুল লাইব্রেরি ও একটি হিউরিস্টিক পোর্টফোলিওতে ভাগ করে, তারপর রানটাইম সীমার মধ্যে পরস্পরের পরিপূরক বিশেষায়িত হিউরিস্টিক বিবর্তিত করে। ৩৬টি ক্লাসিক্যাল CO-Bench সমস্যায় এর গড় ছিল 0.945, যেখানে পূর্বের সবচেয়ে শক্তিশালী LLM-ভিত্তিক পদ্ধতির গড় 0.870 এবং সরাসরি প্রম্পটিংয়ের 0.571।
গেম খেলা এই AI এখন Stratego-তে নতুন চ্যাম্পিয়ন
মূল শিরোনাম: This game-playing AI is the new champ at Stratego
গবেষকরা Stratego-র জন্য একটি AI সিস্টেম তৈরি করেছেন, এটি দুজন খেলোয়াড়ের একটি বোর্ড গেম যেখানে প্রতিপক্ষের ঘুঁটিগুলো লুকানো থাকে এবং যা প্রায়ই কৌশলগত চিন্তার পরীক্ষায় ব্যবহৃত হয়। দক্ষ প্রশিক্ষণ অ্যালগরিদমের সঙ্গে লুকানো তথ্যের অধীনে সিদ্ধান্ত নেওয়ার নতুন কৌশল যুক্ত করে সিস্টেমটি শীর্ষ র্যাঙ্কের মানব খেলোয়াড়দের বড় ব্যবধানে হারিয়েছে এবং প্রশিক্ষণে কম খরচ হওয়া সত্ত্বেও পরবর্তী সেরা মডেলগুলোকে ছাড়িয়ে গেছে। এটি ভিন্ন নিয়মের অন্যান্য কৌশলভিত্তিক গেমেও শীর্ষ মানব খেলোয়াড়দের হারিয়েছে।
D4RT: ইউনিফাইড, দ্রুত 4D দৃশ্য পুনর্গঠন ও ট্র্যাকিং
মূল শিরোনাম: D4RT: Unified, Fast 4D Scene Reconstruction & Tracking
MIT-এর ক্ষুদ্র উড়ন্ত রোবট AI দিয়ে 450% দ্রুততর হলো
মূল শিরোনাম: MIT’s tiny flying robot gets 450% faster with AI
পোকার আকারের উড়ন্ত রোবট সাধারণত ধীর এবং সরল উড়ান-পথে সীমাবদ্ধ ছিল। MIT-এর গবেষকেরা দুই অংশের নিয়ন্ত্রণ ব্যবস্থাসহ একটি AI-ভিত্তিক কন্ট্রোলার তৈরি করেছেন, যা বারবার বডি ফ্লিপ করতে সক্ষম করে। দলটির আগের সেরা ফলাফলের তুলনায় রোবটের গতি প্রায় 450% এবং ত্বরণ প্রায় 250% বেড়েছে, এবং বাতাসের বাধার মধ্যেও এটি 11 সেকেন্ডে 10টিডিগবাজি সম্পন্ন করেছে।