১৯৯৭ সালের ১১ মে নিউ ইয়র্কের ম্যানহাটনের ৩৫ তলায় মানবজাতি এক ঐতিহাসিক সন্ধিক্ষণ প্রত্যক্ষ করল। দাবার ইতিহাসে সর্বকালের সর্বশ্রেষ্ঠ খেলোয়াড় এবং তৎকালীন বিশ্বচ্যাম্পিয়ন গ্যারি কাসপারভ মাত্র ১৯ চালের মাথায় মাথায় হাত দিয়ে চেয়ার ছেড়ে উঠে দাঁড়ালেন এবং হতাশায় রুম থেকে বেরিয়ে গেলেন। আইবিএমের সুপারকম্পিউটার ডিপ ব্লু (Deep Blue) ৩.৫–২.৫ ব্যবধানে হারিয়ে দিল বিশ্বচ্যাম্পিয়নকে। মানব সভ্যতার সবচেয়ে মর্যাদাপূর্ণ বুদ্ধিবৃত্তিক খেলায় প্রথম কোনো যন্ত্রের কাছে মানুষের চূড়ান্ত পরাজয় ঘটল।
১. দাবা: কৃত্রিম বুদ্ধিমত্তার ‘ড্রসোফিলা’
কম্পিউটারের জন্মলগ্ন থেকেই দাবা খেলাকে মানুষের তীক্ষ্ণ বুদ্ধিমত্তার মাপকাঠি মনে করা হতো। জীববিজ্ঞানী আলেক্সান্ডার ক্রনরোড দাবাকে আখ্যা দিয়েছিলেন “কৃত্রিম বুদ্ধিমত্তার ড্রসোফিলা ফ্রুটফ্লাই”। ১৯৫০ সালে ক্লড শ্যানন দাবা প্রোগ্রামের দুটি পথ দেখিয়েছিলেন:
- টাইপ এ (ব্রুট ফোর্স): প্রতিটি চালের সকল সম্ভাব্য চাল অন্ধভাবে অনেক দূর পর্যন্ত হিসাব কষে দেখা।
- টাইপ বি (হিউরিস্টিক বা মানুষের মতো): কেবল কয়েকটি গুরুত্বপূর্ণ চাল নির্বাচন করে গভীর অনুসন্ধান চালানো।
আশির দশকে গবেষকরা দেখলেন মানুষের মতো চিন্তা করার চেয়ে কোটি কোটি হিসাব সেকেন্ডে নিখুঁতভাবে করার ক্ষমতা দাবায় অনেক বেশি কার্যকর।
২. আইবিএম ডিপ ব্লুর দানবীয় স্থাপত্য
কার্নেগি মেলন বিশ্ববিদ্যালয়ের সু ফেং-সিউং এবং আইবিএমের মারে ক্যাম্পবেলের নেতৃত্বে গড়ে ওঠা ডিপ ব্লু ছিল এক প্রকৌশল বিস্ময়:
- সুপারকম্পিউটার হোস্ট: ৩০টি নোডযুক্ত আইবিএম RS/6000 SP সিস্টেম।
- কাস্টম ভিএলএসআই (VLSI) দাবা চিপ: সিস্টেমে বসানো হয়েছিল ৪৮০টি বিশেষায়িত সিলিকন চিপ। প্রতিটি চিপের একমাত্র কাজ ছিল সেকেন্ডে কোটি কোটি চাল তৈরি ও মূল্যায়ন করা।
- গণনাক্ষমতা: ডিপ ব্লু প্রতি সেকেন্ডে ২০ কোটি (২০০,০০০,০০০) দাবার অবস্থান বিশ্লেষণ করতে পারত! এর দৃষ্টি ছিল সাধারণ অবস্থায় ৬ থেকে ৮ চাল এবং বিশেষ ক্ষেত্রে ২০ চালেরও বেশি গভীর।
৩. আলফা-বিটা মিনিম্যাক্স প্রুনিং
দাবার $১০^{১২০}$ টি চালের সব পথ খোঁজা অসম্ভব। ডিপ ব্লু ব্যবহার করেছিল আলফা-বিটা প্রুনিং সহ মিনিম্যাক্স অ্যালগরিদম:
$$lpha = max(lpha, v), quad eta = min(eta, v)$$
আলফা নির্দেশ করে ম্যাক্সিমাইজিং খেলোয়াড়ের নিশ্চিত সর্বনিম্ন স্কোর, আর বিটা নির্দেশ করে মিনিমাইজিং খেলোয়াড়ের নিশ্চিত সর্বোচ্চ স্কোর। যখনই কোনো শাখায় $eta le lpha$ হয়ে যায়, তখন বাকি শাখাগুলোতে আর কোনো ভালো চাল থাকা অসম্ভব বিবেচনা করে কম্পিউটার মুহূর্তেই সেই পুরো ডালপালা ছাঁটাই (Pruning) করে দেয়!
এর ফলে সার্চ স্পেস $O(b^d)$ থেকে এক লাফে নেমে আসে $O(b^{d/2})$-এ, যা দ্বিগুণ গভীরতায় চাল খোঁজার সুযোগ করে দেয়। এর সাথে যুক্ত ছিল গ্র্যান্ডমাস্টারদের তৈরি ৮,০০০ পজিশনাল রুলস এবং ৫টি বা তার কম গুটির নিখুঁত এন্ডগেম ডেটাবেস।
৪. সেই ঐতিহাসিক ম্যাচ: মে ১৯৯৭
১৯৯৬ সালে কাসপারভ ডিপ ব্লুকে ৪–২ এ হারিয়েছিলেন। কিন্তু ১৯৯৭ সালে ডিপ ব্লু ফিরে এল এক নির্মম রূপে:
- খেলা ১: কাসপারভ চতুরতার সাথে জয়ী হন। খেলার শেষ প্রান্তে ডিপ ব্লুর সিস্টেমে সামান্য একটি ত্রুটির কারণে অদ্ভুত একটি চাল দেয়, যা কাসপারভকে বিভ্রান্ত করে দেয়—তিনি ভাবেন মেশিনটি অলৌকিক কোনো দূরদর্শিতা প্রদর্শন করেছে!
- খেলা ২: ডিপ ব্লু অবিশ্বাস্য সংযমের সাথে কাসপারভকে কোণঠাসা করে। মানসিক চাপে ভেঙে পড়ে কাসপারভ ভুল করে ড্র হওয়া খেলাতেই পরাজয় স্বীকার করেন।
- খেলা ৩, ৪ ও ৫: তিনটি স্নায়ুক্ষয়ী ড্র।
- খেলা ৬ (১১ মে): ক্যারো-কান ডিফেন্সে কাসপারভের সামান্য ভুলের সুযোগ নিয়ে ডিপ ব্লু একটি বিখ্যাত নাইট স্যাক্রিফাইস ($8. Nxe6!$) করে। মাত্র ১৯ চালে কাসপারভ আত্মসমর্পণ করেন।
৫. ডিপ ব্লুর দার্শনিক পাঠ
আন্তর্জাতিক সংবাদমাধ্যম লিখেছিল: “দ্য ব্রেইনস লাস্ট স্ট্যান্ড”—মানব মস্তিষ্কের শেষ দুর্গের পতন।
কিন্তু কম্পিউটার বিজ্ঞানীদের কাছে এটি উন্মোচন করল এক গভীর বাস্তবতা: দাবা খেলায় জেতা আর সাধারণ বুদ্ধিমত্তা অর্জন করা এক কথা নয়। ডিপ ব্লু ছিল একটি অন্ধ গণনাকারী দানব। সে জানত না সে দাবা খেলছে, বিজয়ে তার কোনো আনন্দ ছিল না, এবং দাবা খেলার বাইরে একটি হাতের লেখা অক্ষর চিনতেও সে সম্পূর্ণ অক্ষম ছিল। প্রকৃত বুদ্ধিমত্তার জন্য প্রয়োজন ছিল এমন সিস্টেম যা সরাসরি অভিজ্ঞতা ও ছবি দেখে নিজে নিজে শিখতে পারে। সেই যুগান্তকারী বিপ্লবের নাম—ডিপ লার্নিং।
