সরাসরি প্রধান সামগ্রীতে চলে যান

মধ্যবিত্ত থেকে বিলিয়ন ডলারের পারপ্লেক্সিটি এআই (Perplexity AI) তৈরির অবিশ্বাস্য গল্প

Introduction

আজকের এই চমৎকার ভিডিওটিতে আমরা জানবো একজন সাধারণ মধ্যবিত্ত পরিবারের ছেলে অরবিন্দ শ্রীনিবাসের (Arvind Srinivas) কথা। তিনি কীভাবে কোনো বিশাল ব্যাকগ্রাউন্ড ছাড়াই নিজের মেধা আর পরিশ্রম দিয়ে তৈরি করেছেন 'Perplexity AI'। এটি এমন একটি এআই (AI) প্ল্যাটফর্ম যা বর্তমানে গুগলের (Google) মতো ট্রিলিয়ন ডলারের কোম্পানিকেও টেক্কা দিচ্ছে। মাত্র কয়েক বছরে এর ভ্যালুয়েশন ২০ বিলিয়ন ডলারে পৌঁছেছে। এই গল্পটি কেবল সফলতার নয়, বরং সঠিক সময়ে সঠিক সুযোগ চিনে নেওয়ার এক অনন্য উদাহরণ।


১. অরবিন্দ শ্রীনিবাসের শুরুর দিনগুলো এবং আইআইটি মাদ্রাজ

ভিডিও রেফারেন্স: [00:00]

অরবিন্দ চেন্নাইয়ের একটি সাধারণ মধ্যবিত্ত পরিবার থেকে বড় হয়েছেন। তার সফলতার পথ শুরু হয় আইআইটি (IIT) মাদ্রাজ থেকে, যেখানে তিনি ইলেকট্রিক্যাল ইঞ্জিনিয়ারিং নিয়ে পড়াশোনা করেন। মজার ব্যাপার হলো, যখন তার বন্ধুরা কলেজের সাধারণ জীবন উপভোগ করছিল, অরবিন্দ তখন মগ্ন ছিলেন মেশিনকে কীভাবে বুদ্ধিমান করা যায় সেই চিন্তায়।

  • সহজ ব্যাখ্যা (Machine Learning): মেশিন লার্নিং মানে হলো কম্পিউটারকে এমনভাবে তৈরি করা যাতে সে মানুষের মতো নিজে নিজে শিখতে পারে। অরবিন্দ যখন এটি নিয়ে কাজ শুরু করেন, তখন এর জনপ্রিয়তা আজকের মতো ছিল না।

  • আমার ভাবনা: অনেকেই ভাবেন বড় কিছু করতে হলে শুরু থেকেই সব জানতে হয়। কিন্তু অরবিন্দ প্রমাণ করেছেন, শেখার ইচ্ছা থাকলে কোনো কিছু না জেনেও জেতা সম্ভব।


২. উচ্চশিক্ষা এবং অভিজ্ঞতার ঝুলি (UC Berkeley থেকে OpenAI)

ভিডিও রেফারেন্স: [01:25]

২০১৭ সালে উচ্চশিক্ষার জন্য অরবিন্দ ইউসি বার্কলে (UC Berkeley) যান এবং সেখান থেকে কম্পিউটার সায়েন্সে পিএইচডি করেন। এই সময়েই তিনি ওপেন এআই (OpenAI), গুগল ব্রেন এবং ডিপ মাইন্ডের মতো নামকরা জায়গায় ইন্টার্নশিপ করেন। এখানেই তিনি বুঝতে পারেন যে, ইন্টারনেটে কোনো কিছু খোঁজার ভবিষ্যৎ হবে অনেক বেশি উন্নত এআই নির্ভর।

  • সহজ ব্যাখ্যা (PhD/Internship): পিএইচডি হলো কোনো বিষয়ের ওপর গভীর গবেষণা, আর ইন্টার্নশিপ হলো পড়াশোনার পাশাপাশি কোনো বড় কোম্পানিতে হাতে-কলমে কাজ শেখা।

৩. চ্যাট জিপিটির সীমাবদ্ধতা এবং পারপ্লেক্সিটির জন্ম

ভিডিও রেফারেন্স: [01:48]

২০২২ সালে যখন চ্যাট জিপিটি (ChatGPT) আসলো, মানুষ অবাক হয়ে গেল। কিন্তু সেটির কিছু বড় সমস্যা ছিল: এটি রিয়েল-টাইম বা বর্তমান সময়ের খবর দিতে পারতো না এবং তথ্যের কোনো সোর্স (Source) বা প্রমাণ দিত না। অরবিন্দ ঠিক এই জায়গাতেই সুযোগ দেখতে পেলেন। তিনি চাইলেন এমন কিছু তৈরি করতে যা: ১. ইন্টারনেটের একদম টাটকা তথ্য দিবে। ২. তথ্যের সাথে সাথে সোর্স বা লিংক দিয়ে দিবে যাতে মানুষ বিশ্বাস করতে পারে।


৪. খরচ কমানোর স্মার্ট বুদ্ধি (AI Aggregator)

ভিডিও রেফারেন্স: [02:51]

নিজের এআই মডেল তৈরি করতে বিলিয়ন বিলিয়ন ডলার লাগে যা অরবিন্দের কাছে ছিল না। তাই তিনি এক অদ্ভুত কৌশল নিলেন। তিনি নিজের নতুন মডেল না বানিয়ে বাজারে থাকা সেরা মডেলগুলোকে (যেমন- GPT, Gemini, Llama) এক জায়গায় করলেন। পারপ্লেক্সিটি হয়ে উঠলো একটি 'AI Aggregator'

  • সহজ ব্যাখ্যা (AI Aggregator/API): ধরুন, আপনার নিজের রেস্টুরেন্ট নেই, কিন্তু আপনি একটি অ্যাপ বানিয়েছেন যার মাধ্যমে সব নামী রেস্টুরেন্টের খাবার এক জায়গায় পাওয়া যায়। এখানে API হলো সেই প্রযুক্তি যা এক সফটওয়্যারের সাথে অন্য সফটওয়্যারের যোগাযোগ করিয়ে দেয়।

  • কোডিং কনসেপ্ট (উদাহরণস্বরূপ):

Python

# এটি একটি সাধারণ উদাহরণ কীভাবে এপিআই কাজ করে
import requests

def get_ai_answer(user_query):
    # এখানে আমরা অন্য কোনো মডেলের এপিআই ব্যবহার করে উত্তর আনছি
    api_url = "https://api.openai.com/v1/chat/completions"
    response = requests.post(api_url, json={"query": user_query})
    return response.json()['answer']

print(get_ai_answer("আজকের আবহাওয়া কেমন?")) 
  • ব্যাখ্যা: এই কোডটি দিয়ে আমরা বোঝাচ্ছি যে কীভাবে অন্যের তৈরি এআই-কে নিজের প্ল্যাটফর্মে যুক্ত করে উত্তর দেখানো যায়। এতে নিজের বিশাল সার্ভার লাগে না।

৫. গুগল কেন এই পদ্ধতিতে কাজ করছে না?

ভিডিও রেফারেন্স: [04:47]

অনেকের মনে প্রশ্ন জাগতে পারে, গুগল কেন এমন উত্তর দেওয়ার ইঞ্জিন বানাচ্ছে না? উত্তর হলো গুগলের ব্যবসার মেইন ইনকাম আসে বিজ্ঞাপন (Ads) থেকে। মানুষ যদি লিংকে ক্লিক না করে সরাসরি এআই থেকে উত্তর পেয়ে যায়, তবে গুগলের বিজ্ঞাপনে কেউ ক্লিক করবে না এবং তাদের বিলিয়ন ডলার ক্ষতি হবে।


বিশ্লেষণ এবং আমার ভাবনা

অরবিন্দ শ্রীনিবাসের এই সফর আমাদের শেখায় যে, বড় বড় কোম্পানির সাথে লড়াই করার জন্য সবসময় বিশাল টাকা লাগে না, বরং 'Strategy' বা সঠিক পরিকল্পনা লাগে।

বাস্তব প্রেক্ষাপট ও সম্ভাবনা: ১. ভবিষ্যৎ: আমরা এখন গুগল থেকে 'লিংক' খুঁজি, কিন্তু ভবিষ্যতে আমরা সরাসরি 'উত্তর' চাইবো। পারপ্লেক্সিটি সেই ভবিষ্যৎকেই বর্তমান করেছে। ২. বিকল্প: গুগল এখন 'Gemini' দিয়ে এবং মাইক্রোসফট 'Copilot' দিয়ে পারপ্লেক্সিটিকে টেক্কা দেওয়ার চেষ্টা করছে। ৩. পরামর্শ: আপনি যদি একজন স্টুডেন্ট বা নতুন উদ্যোক্তা হন, তবে বড় কোনো সমস্যা সমাধানের চেষ্টা করুন, টাকা বা রিসোর্স এমনিতেই চলে আসবে যেমনটা অরবিন্দের ক্ষেত্রে হয়েছে।

অরবিন্দের এই কাহিনী প্রমাণ করে যে, সঠিক ভিশন থাকলে আইআইটির একটি ছোট রুম থেকেও বিশ্বজয়ী কোম্পানি তৈরি করা সম্ভব।

ভিডিওর মূল লিংক

[

How a Middle Class Boy Built Perplexity AI From Nothing

AdiVerse · 148K views

](http://www.youtube.com/watch?v=F3nnLePt5yk)

মন্তব্যসমূহ

এই ব্লগটি থেকে জনপ্রিয় পোস্টগুলি

সিজ্জিন (Sijjin) vs ইল্লিয়িন (Illiyin) পার্থক্য Difference

Sijjin (سِجِّين) এবং Illiyin (عِلِّيِّين) —এ দুটি শব্দ কুরআনে এসেছে এবং দুটোই মানুষের আমলনামা সংরক্ষণ সম্পর্কিত স্থানকে নির্দেশ করে। ১. সিজ্জিন (Sijjin) সিজ্জিন হলো পাপীদের (কাফের, মুনাফিক ও দুরাচারীদের) আমলনামা সংরক্ষণের স্থান। এটি সাত তলদেশের নীচে এক কারাগার বা অন্ধকার জগতে অবস্থিত বলে উল্লেখ রয়েছে। সূরা আল-মুতাফফিফীন (৮৩:৭-৯) তে বলা হয়েছে: "كَلَّا إِنَّ كِتَابَ الْفُجَّارِ لَفِي سِجِّينٍ ۝ وَمَا أَدْرَاكَ مَا سِجِّينٌ ۝ كِتَابٌ مَرْقُومٌ" অর্থ: "না, পাপীদের আমলনামা সিজ্জিনে সংরক্ষিত। তুমি কি জানো, সিজ্জিন কী? এটি এক লিখিত দলিল।" সিজ্জিনকে একটি কারাগার, সংকীর্ণ স্থান, বা নিচের স্তরে অবস্থিত এক অন্ধকার দুনিয়া হিসেবে ব্যাখ্যা করা হয়। ২. ইল্লিয়িন (Illiyin) ইল্লিয়িন হলো সৎকর্মশীলদের (মুমিন ও নেককারদের) আমলনামা সংরক্ষণের স্থান । এটি সপ্তম আসমানের ওপরে সংরক্ষিত এক সম্মানিত স্থান। সূরা আল-মুতাফফিফীন (৮৩:১৮-২১) তে বলা হয়েছে: "كَلَّا إِنَّ كِتَابَ الْأَبْرَارِ لَفِي عِلِّيِّينَ ۝ وَمَا أَدْرَاكَ مَا عِلِّيُّونَ ۝ كِتَابٌ مَرْقُومٌ ۝ يَش...

জাভা ফিডব্যাক এবং স্ট্রাকচার্ড কনকারেন্সি: বিবর্তনের গল্প

Introduction এই ভিডিওর নির্দিষ্ট অংশে জাভা ল্যাঙ্গুয়েজ আর্কিটেক্ট ব্রায়ান গোয়েটজ (Brian Goetz) আলোচনা করেছেন কীভাবে জাভার নতুন ফিচারগুলো তৈরি হয় এবং এতে সাধারণ ডেভেলপারদের মতামতের গুরুত্ব কতটুকু। বিশেষ করে Structured Concurrency -এর মতো জটিল ফিচারগুলো কেন বারবার 'Preview' অবস্থায় থাকে এবং কীভাবে কমিউনিটির ফিডব্যাক সেই ফিচারগুলোকে আরও নিখুঁত করতে সাহায্য করে, তা এখানে সহজভাবে বোঝানো হয়েছে। ১. ভালো ফিডব্যাক আসলে কী? ভিডিও রেফারেন্স: [ 34:53 ] ব্রায়ান গোয়েটজ বলছেন যে, জাভা টিম যখন কোনো নতুন ফিচারের খসড়া (Draft) বা প্রস্তাব (JEP) প্রকাশ করে, তখন তারা এমন কিছু জানতে চায় যা তারা নিজেরা আগে ভাবেনি। বিস্তারিত: একজন ডেভেলপার হিসেবে আমরা যখন কোনো নতুন ফিচার দেখি, আমাদের প্রথম প্রতিক্রিয়া হয় সেটার Syntax বা লেখার ধরন নিয়ে। কিন্তু ব্রায়ানের মতে, "এই লেখাটা কেন এমন হলো?" বা "এটা কোটলিন বা স্কালা-র মতো কেন নয়?"—এই ধরনের ফিডব্যাক খুব একটা কাজে আসে না। আসল দামী ফিডব্যাক হলো সেইটা, যা নতুন কোনো বাস্তব সমস্যা (Edge Case) তুলে ধরে। আমার চিন্তা: আপনি যদি কেবল দ...

[Master Post] Machine Learning for Everybody – Full Course

URL: https://youtu.be/i_LwzRVP7bg?t=0 Title: Machine Learning for Everybody – Full Course Topics:- মেশিন লার্নিংয়ের হাতেখড়ি এবং গুগল কোল্যাব সেটআপ মেশিন লার্নিংয়ের খুঁটিনাটি ও ফিচারের সহজ পাঠ Classification বনাম Regression এবং মডেল ট্রেনিংয়ের সহজ পাঠ মেশিন লার্নিংয়ের জন্য ডেটা তৈরি এবং প্রসেসিং করার সহজ গাইড K-Nearest Neighbors (KNN) থিওরির সহজ পাঠ কে-নিয়ারেস্ট নেইবারস (KNN) ইমপ্লিমেন্টেশন সহজ বাংলায় নেইভ বেইজ থিওরি এবং এর প্রয়োগ: সহজ পাঠ লজিস্টিক রিগ্রেশন: থিওরি ও ইমপ্লিমেন্টেশন SVM থিওরি এবং ইমপ্লিমেন্টেশন সহজ পাঠ নিউরাল নেটওয়ার্ক এবং টেনসরফ্লোর সহজ পাঠ টেনসরফ্লো দিয়ে নিউরাল নেটওয়ার্ক ক্লাসিফিকেশন শেখার সহজ গাইড লিনিয়ার রিগ্রেশন: সহজ কথায় মূল ধারণা ও গণিত লিনিয়ার রিগ্রেশন: সহজ ভাষায় খুঁটিনাটি ও হাতে-কলমে শেখা লিনিয়ার রিগ্রেশন এবং নিউরন মডেলের সহজ পাঠ TensorFlow দিয়ে রিগ্রেশন নিউরাল নেটওয়ার্ক তৈরি - পার্ট ১ টেনসরফ্লো দিয়ে রিগ্রেশন নিউরাল নেটওয়ার্ক তৈরি - পার্ট ২ আনসুপারভাইজড লার্নিং: কে-মিনস ক্লাস্টারিংয়ের সহজ পাঠ Principal C...