নাসার ভয়েজার ১ মহাকাশযান, ২০২৩ সালের নভেম্বর থেকে প্রযুক্তিগত সমস্যার সম্মুখীন হওয়ার পর, এখন সম্পূর্ণরূপে কার্যকরী এবং এর চারটি বৈজ্ঞানিক যন্ত্রই ব্যবহারযোগ্য তথ্য প্রদান করছে।
সমস্যাটি ফ্লাইট ডেটা সাবসিস্টেমের একটি চিপে সনাক্ত করা হয়েছিল এবং কোডটি স্থানান্তরিত করে সমাধান করা হয়েছিল, যা ৪৬ বছর বয়সী মহাকাশযানের স্থিতিস্থাপকতা প্রদর্শন করে।
পৃথিবী থেকে ১৫ বিলিয়ন মাইল দূরে থাকা সত্ত্বেও, ভয়েজার ১ আন্তঃনাক্ষত্রিক স্থান থেকে মূল্যবান তথ্য সরবরাহ করতে থাকে, এবং এর কার্যকারিতা বজায় রাখা ও মিশনটি দীর্ঘায়িত করার প্রচেষ্টা অব্যাহত রয়েছে।
ভয়েজার ১ আবার অনলাইনে এবং চারটি যন্ত্র থেকে ডেটা প্রেরণ করছে, যা সম্প্রতি প্রয়াত ভয়েজার প্রকল্পের মূল বিজ্ঞানী এড স্টোনকে শ্রদ্ধা নিবেদন করছে।
প্রজন্মের জাহাজ এবং ভবিষ্যতের দ্রুততর মহাকাশযানগুলি প্রথমে গন্তব্যে পৌঁছানোর সম্ভাবনা নিয়ে আলোচনা শুরু হয়েছে, যেখানে সময় সম্প্রসারণ এবং আপেক্ষিক ভ্রমণের মতো ধারণাগুলি অনুসন্ধান করা হচ্ছে।
ব্রেকথ্রু স্টারশট গ্রাম-স্কেল প্রোবগুলির লেজার সেল ত্বরণ প্রস্তাব করে, যা সম্ভাব্যভাবে এক দশকের মধ্যে ভয়েজার ১-কে অতিক্রম করতে পারে, যা মহাকাশ ভ্রমণ প্রযুক্তির অগ্রগতিকে তুলে ধরে।
লেখক তাদের সার্ভার এবং ম্যাকস্টোরিজে এআই বট, বিশেষ করে পারপ্লেক্সিটি, ব্লক করার চ্যালেঞ্জগুলি নিয়ে আলোচনা করেছেন, যদিও ব্লকগুলি প্রয়োগ করা হয়েছে।
Perplexity AI মনে হচ্ছে robots.txt সীমাবদ্ধতা গুলি এড়িয়ে যায় এবং সঠিক ব্যবহারকারী এজেন্ট স্ট্রিং ব্যবহার করে না, যার ফলে তাদের অ্যাক্সেস ব্লক করা কঠিন হয়ে পড়ে।
লেখক আরও পদক্ষেপ অনুসন্ধান করছেন, যার মধ্যে রয়েছে পারপ্লেক্সিটির ডিসকর্ডে যোগদান করে আরও তথ্য সংগ্রহ করা, একটি বাগ রিপোর্ট দাখিল করা এবং একটি জিডিপিআর অনুরোধ বিবেচনা করা।
পাঠ্যটি Perplexity AI-এর ডেটা ব্যবহারের বিষয়ে আলোচনা করে, যেখানে AI প্রশিক্ষণের জন্য ডেটা ব্যবহারের উপর ব্যবহারকারীর নিয়ন্ত্রণ এবং ব্যবহারকারীর অনুরোধকৃত ফরম্যাটে ডেটা উপস্থাপনের জন্য ওয়েবসাইটগুলি অনুসন্ধানের নৈতিক প্রভাবগুলির উপর গুরুত্বারোপ করা হয়েছে।
অ্যাগ্রিগেট র পরিষেবাগুলির মতো Perplexity-এর নেতিবাচক প্রভাব সম্পর্কে উদ্বেগ প্রকাশ করা হয়েছে, কারণ এই পরিষেবাগুলি মূল বিষয়বস্তুর উত্সগুলিতে সরাসরি ট্র্যাফিক কমিয়ে দিতে পারে, যার ফলে অন্তর্দৃষ্টি এবং আয়ের সম্ভাব্য ক্ষতি হতে পারে।
পাঠ্যটিতে কপিরাইট, বৈধতা এবং এআই প্রশিক্ষণ ও ডেটা স্ক্র্যাপিংয়ের নৈতিকতার বিস্তৃত বিষয়গুলিও স্পর্শ করা হয়েছে, ঐতিহাসিক ঘটনাগুলির সাথে অনুশীলনগুলির তুলনা করা হয়েছে এবং নতুন নিয়মাবলী ও বিশ্লেষণ বৈশিষ্ট্যের সম্ভাব্য প্রয়োজনীয়তা নিয়ে আলোচনা করা হয়েছে।
৩ডি প্রোগ্রামিংয়ে ৩ডি ঘূর্ণনের জন্য বিভিন্ন কৌশল অন্তর্ভুক্ত থাকে, যার মধ্যে ঘূর্ণন ম্যাট্রিক্স, ইউলার কোণ এবং কোয়াটারনিয়ন রয়েছে, প্রতিটির নিজস্ব সুবিধা এবং সীমাবদ্ধতা সহ।
ইউলার কোণগুলি গিম্বল লকের মতো সমস্যা এবং অসঙ্গত কৌণিক বেগ সৃষ্টি করতে পারে, যা রোবোটিক্সের মতো অ্যাপ্লিকেশনগুলিতে ইন্টারপোলেশনের জন্য সেগুলিকে কম উপযুক্ত করে তোলে।
কোয়াটার্নিয়ন এবং অক্ষ/কোণ ঘূর্ণনগুলি রোটেশনগুলি সংযোজন এবং ইন্টারপোলেশনের জন্য আরও কার্যকর হিসাবে হাইলাইট করা হয়েছে, যেখানে কোয়াটার্নিয়নগুলি 3D পয়েন্ট ঘূর্ণনের জন্য একটি শক্তিশালী পদ্ধতি এবং সূচকীয় মানচিত্রের সহজ গণনা প্রদান করে।
পাঠ্যটি লি গ্রুপ/লি বীজগণিতের সম্পর্ক ব্যাখ্যা করে, যা একটি গাণিতিক ধারণা যা 3D ঘূর্ণনের জন্য উপযোগী, যা সূক্ষ্ম রূপান্তর এবং যৌগিকতা করার জন্য সূচকীয় এবং লগারিদমিক মানচিত্র ব্যবহার করে।
কোয়াটারনিয়নগুলি কম্পিউটার গ্রাফিক্সে, বিশেষ করে অ্যানিমেশনে, তাদের দক্ষতার জন্য বিশেষভাবে উল্লেখযোগ্য, কারণ তাদের সংক্ষিপ্ত উপস্থাপনা এবং ৩x৩ ম্যাট্রিক্সের তুলনায় গণনামূলক সুবিধা রয়েছে।
আলোচনায় রোটেশন অনুমানের জন্য কালমান ফিল্টার ব্যবহারের বিষয়টি অন্তর্ভুক্ত রয়েছে, রোটেশন গড় করার জটিলতা, এবং রোবোটিক্স ও ভিডিও গেম ডেভেলপমেন্টের মতো ক্ষেত্রে বিভিন্ন মেট্রিক্সের প্রয়োগ।
টেসলা তাদের ফুল সেলফ-ড্রাইভিং (এফএসডি) সিস্টেমের একটি বিনামূল্যের ট্রায়াল অফার করছে, তবে ব্যবহারকারীরা রিপোর্ট করেছেন যে এটি এখনও উল্লেখযোগ্য ভুল করে, যার ফলে চালকের হস্তক্ষেপ প্রয়োজন।
বিভিন্ন পরীক্ষায়, FSD ভুল করেছে যেমন ভুল লেন পরিবর্তন, নার্ভাস সংশোধন, এবং এমনকি লাল বাতি অতিক্রম করা, যা এর নির্ভরযোগ্যতা সম্পর্কে উদ্বেগ সৃষ্টি করেছে।
লেখক উপসংহারে বলেছেন যে, যদিও FSD সম্ভাবনা দেখায়, এটি বর্তমানে ব্যবহারিক মূল্যহীন এবং তিনি আরও নির্ভরযোগ্য অটোপাইলট বৈশিষ্ট্যগুলি যেমন অভিযোজিত ক্রুজ নিয়ন্ত্রণ এবং লেন কেন্দ্রিকরণ পছন্দ করেন।
টেসলার ফুল সেলফ-ড্রাইভিং (এফএসডি) প্রযুক্তি সমালোচিত হচ্ছে কারণ এটি একটি কার্যকর পণ্য হিসেবে নয় বরং শেয়ারের মূল্য বৃদ্ধির উপায় হিসেবে বেশি বিবেচিত হচ্ছে, এবং প্রতিযোগীদের তুলনায় এর প্রযুক্তিগত শ্রেষ্ঠত্ব নিয়ে সন্দেহ রয়েছে।
প্রতিবেদনগুলি ইঙ্গিত দেয় যে টেসলার দুর্বল ড্রাইভার এনগেজমেন্ট সিস্টেম অটোপাইলটের ক্ষমতার জন্য অনুপযুক্ত, যার ফলে অপব্যবহার, দুর্ঘটনা এবং কমপক্ষে ১৩টি প্রাণঘাতী ঘটনা ঘটেছে।
বিতর্কে টেসলার প্রতিশ্রুতি নিয়ে সংশয়, সম্পূর্ণ স্বায়ত্তশাসন অর্জনের জটিলতা এবং ড্রাইভিং উন্নত করতে আরও সেন্সরের প্রয়োজনীয়তা অন্তর্ভুক্ত রয়েছে, যা ব্যবহারকারীর প্রত্যাশা এবং প্রকৃত সক্ষমতার মধ্যে ফারাককে তুলে ধরে।
এডওয়ার্ড স্নোডেন প্রকাশ্যে OpenAI-কে সমালোচনা করেছেন তাদের বোর্ডে একজন NSA পরিচালক নিয়োগ দেওয়ার জন্য, যা তিনি বৈশ্বিক অধিকারগুলির প্রতি বিশ্বাসঘাতকতা বলে মনে করেন।
স্নোডেনের সতর্কবার্তাটি প্রাইভেসি এবং নজরদারির বিষয়ে উদ্বেগ প্রকাশ করে, যা OpenAI-এর পণ্য, যেমন ChatGPT-এর সাথে সম্পর্কিত।
এডওয়ার্ড স্নোডেন ওপেনএআই-এর প্রতি বিশ্বাস না করার পরামর্শ দিয়েছেন, তিনি উল্লেখ করেছেন যে বুদ্ধিবৃত্তিক সম্পত্তি অধিকারকে উপেক্ষা করে এবং যথাযথ স্বীকৃতি বা অর্থ প্রদান ছাড়াই কাজগুলি ব্যবহার করার জন্য একটি তাড়াহুড়ো চলছে।
পাঠ্যটি OpenAI-এর মতো কোম্পানিতে বোর্ড সদস্য নিয়োগের বিষয়ে আলোচনা করে, যা আর্থিক লাভের জন্য সিদ্ধান্তগুলিকে অনুমোদন করার সম ্ভাবনা এবং সত্যতা নিয়ে প্রশ্ন তোলে।
এআই-এর প্রভাব নিয়ে গোপনীয়তা, কপিরাইট লঙ্ঘন এবং ওপেনএআই ও সরকারের মধ্যে সম্ভাব্য সহযোগিতা নিয়ে উদ্বেগ প্রকাশ করা হয়েছে, যার ফলে কিছু ব্যবহারকারী তাদের অ্যাকাউন্ট বাতিল করে এবং তাদের ডেটা মুছে ফেলেছে।
SYZYGY একটি উন্মুক্ত মান যা উচ্চ-প্রদর্শন পার্শ্বীয় সংযোগের জন্য ডিজাইন করা হয়েছে, যা সাশ্রয়ী এবং কমপ্যাক্ট সংযোগকারী এবং কেবল সরবরাহ করে।
এটি নিম্ন-গতির Digilent PMOD ডিভাইস এবং উচ্চ-প্রদর্শন VITA 57.1 FMC পেরিফেরালগুলির মধ্যে ফাঁক পূরণ করে, যা এটিকে প্রোটোটাইপ, সিস্টেম ইন্টিগ্রেশন, পরীক্ষা এবং মূল্যায়ন সিস্টেমের জন্য আদর্শ করে তোলে।
SYZYGY দুটি ধরনের সংযোগকারী প্রদান করে: একটি ৪০-পিন স্ট্যান্ডার্ড পেরিফেরাল সংযোগকারী এবং একটি ৬০-পিন ট্রান্সসিভার পেরিফেরাল সংযোগকারী, উভয়ই নির্দিষ্ট এবং প্রোগ্রামযোগ্য ভোল্টেজ এবং একক-সমাপ্ত সংকেত সমর্থন করে।
পাঠ্যটি উচ্চ-গতির, নিম্ন-বিলম্বিত যোগাযোগের জন্য এমসিইউ (মাইক্রোকন্ট্রোলার ইউনিট) এবং এমপিইউ (মাইক্রোপ্রসেসর ইউনিট) এর সাথে হার্ড পিসিআইই (পেরিফেরাল কম্পোনেন্ট ইন্টারকানেক্ট এক্সপ্রেস) এন্ডপয়েন্টগুলি সংহত করার সম্ভাব্য সুবিধাগুলি নিয়ে আলোচনা করে।
বর্তমান সীমাবদ্ধতাগুলির মধ্যে রয়েছে ব্যয়বহুল FPGA (Field-Programmable Gate Arrays) বা সীমিত সংখ্যক MCU/MPU ব্যবহার করে PCIe ব্যবহার করার প্রয়োজন, এবং RISC-V MCU-তে দ্রুত ডেটা স্থানান্তরের বিকল্পের অভাব।
পাঠ্যটি ওপাল কেলির দ্বারা সিজিজি মানের বিকাশকে তুলে ধরে, যা পেরিফেরাল অ্যাড্রেসিংয়ের জন্য অ্যানালগ ভোল্টেজের মতো উদ্ভাবনী পদ্ধতি ব্যবহার করে এবং ধীরে ধীরে গ্রহণযোগ্যতা পেয়েছে, যদিও এর জনপ্রিয়তা এফএমসি (এফপিজিএ মেজানাইন কার্ড) এর মতো অন্যান্য মানের তুলনায় অস্পষ্ট রয়ে গেছে।
থ্রিস্কেপার একটি ওয়েবসাইট যা ব্যবহারকারীদের টাউনস্কেপার মডেলগুলি থ্রি.জেএসে লোড করতে দেয়, যা ইন্টারেক্টিভ 3D অভিজ্ঞতাকে উন্নত করে।
টিনি গ্লেড, একটি আসন্ন গেম যা রাস্ট ব্যবহার করে বেভিতে লেখা হয়েছে, এর স্বজ্ঞাত বিল্ডিং UI/UX এর জন্য উল্লেখযোগ্য, এবং অনুরূপ ধারণাগুলি আনরিয়েল এডিটরে অন্তর্ভুক্ত করার পরামর্শ দেওয়া হয়েছে।
লেখক একটি ইন্টারেক্টিভ ৩ডি প্রকল্প নিয়ে আলোচনা করেন যেখানে টেলিপোর্টেশন এবং ডাবল জাম্পের মতো বৈশিষ্ট্য রয়েছে, এবং পারফরম্যান্স সমস্যা এবং Battlefield Heroes-এর স্মৃতিময় উপাদানগুলির উল্লেখ করেন।
একজন বাবা, যিনি CoffeePie নামে পরিচিত, Anki নামক একটি স্পেসড রিপিটিশন টুল ব্যবহার করে তার সন্তানদের গড়ের চেয়ে অনেক আগে পড়তে শিখিয়েছেন, শুরু করেছিলেন ২ বছর এবং ১ বছর ৯ মাস বয়সে।
৫ বছর বয়সে, তার মেয়ে ইংরেজি, হিব্রু, এবং স্প্যানিশ ভাষায় পঞ্চম বা অষ্টম শ্রেণির শিক্ষার্থীর সমতুল্য পড়তে পারত, যখন তার ছেলে গুণের সারণী এবং উন্নত গণিতের ধারণাগুলি জানত।
পিতা লক্ষ্য করলেন যে, যদিও অঙ্কি প্রাথমিক পড়াশোনা এবং গণিতের জন্য কার্যকর ছিল, তবে তার সন্তানদের দক্ষতা উন্নত হওয়ার সাথে সাথে এর সীমাবদ্ধতা দেখা দেয়, যা আরও জটিল সমস্যা সমাধানের সরঞ্জামের প্রয়োজনীয়তা সৃষ্টি করে।
বিতর্কটি কেন্দ্রীভূত হয়েছে যে দুই বছর বয়সী শিশুদের পড়তে শেখানো উপকারী নাকি সম্ভাব্য ক্ষতিকর, সামাজিক এবং জ্ঞানীয় প্রভাব সম্পর্কে উভয় পক্ষের যুক্তি রয়েছে।
একজন উন্নয়নমূলক গবেষক যুক্তি দেন যে শিশুর বিকাশের মাইলফলকগুলি বিভিন্ন হয় এবং শিশুদের উপর অতিরিক্ত চাপ প্রয়োগ করা প্রতিকূল হতে পারে, শিশুর কৌতূহল এবং আগ্রহ অনুসরণ করার গুরুত্বের উপর জোর দিয়ে।
পাঠ্যটি পড়ানো শেখানোর বিভিন্ন পদ্ধতি এবং সরঞ্জাম নিয়ে আলোচনা করে, যেমন ফ্ল্যাশকার্ড, ইন্টারেক্টিভ পাঠ্যক্রম এবং স্পেসড রিপিটিশন, যা আকর্ষণীয় এবং বয়স উপযোগী বিষয়বস্তুর প্রয়োজনীয়তা তুলে ধরে।
লেখক একটি স্থানীয় LLM (বৃহৎ ভাষা মডেল) ভয়েস সহকারীকে স্মার্ট হোম নিয়ন্ত্রণের জন্য অপ্টিমাইজ করার কাজ করছেন, যা ইনফারেন্সের "প্রিফিল" পর্যায়ে বিলম্ব কমানোর উপর গুরুত্ব দিচ্ছেন।
তারা বড় প্রম্পটগুলোকে ছোট ছোট অংশে ভাগ করার জন্য একটি RAG (Retrieval-Augmented Generation) পদ্ধতি প্রয়োগ করেছে, যা প্রসঙ্গের দৈর্ঘ্য কমাতে এবং গতি উন্নত করতে সহায়তা করে।
লেখক একটি RAG API তৈরি করেছেন, আবহাওয়ার পূর্বাভাস এবং ক্যালেন্ডার ইভেন্টের মতো বৈশিষ্ট্য যোগ করেছেন, এবং তাদের সিস্টেমকে এই নতুন API ব্যবহার করার জন্য আপডেট করেছেন, যার লক্ষ্য ছিল ভয়েস সহকারীকে আরও দক্ষ এবং প্রতিক্রিয়াশীল করা।
ব্যবহারকারীরা সাধারণ পরিষেবাগুলির জন্য প্রাক-গণনা এম্বেডিং নিয়ে আলোচনা করেন যাতে LLM (বৃহৎ ভাষা মডেল) ভয়েস সহকারীদের গতি বাড়ানো যায়, যেখানে কিছু সুপারিশ অ্যালগরিদমকে একটি কার্যকর সমাধান হিসাবে প্রস্তাব করেন।
মডেল casperhansen/llama-3-70b-instruct-awq নিয়ে একটি বিতর্ক রয়েছে, এটি Llama 2 এর উপর ভিত্তি করে এবং এর কার্যকারিতা নিয়ে, কিছু ব্যবহারকারী প্রশ্ন এবং উত্তরের মধ্যে বিলম্বকে সমস্যাজনক বলে মনে করছেন।
কৃত্রিম বুদ্ধিমত্তা মানুষের আচরণ অনুকরণ করা উচিত কিনা বা শুধুমাত্র কাজ সম্পাদন করা উচিত তা নিয়ে মতামত ভিন্ন, কিছু ব্যবহারকারী মডেলের ব্যঙ্গাত্মক সুরে মজা পান এবং অন্যরা এই উপস্থাপনাকে অমানবিক মনে করেন।
ডিফল্ট SQLite কনফিগারেশনটি Django-তে প্রোডাকশনের জন্য উপযুক্ত নয় এর নিম্ন-সমান্তরালতা অপ্টিমাইজেশনের কারণে, যা Django-এর প্রয়োজনের সাথে সামঞ্জস্যপূর্ণ নয়।
ডিজ্যাঙ্গো সংস্করণ ৫.০, ৪.২, বা তার আগের সংস্করণগুলির জন্য, WAL (Write-Ahead Logging) জার্নাল মোড সক্রিয় করা পাঠের অনুরোধগুলি ব্লক হওয়া থে কে রোধ করে সমান্তরালতা উন্নত করতে পারে।
ডিজ্যাঙ্গো ৫.১, যা ২০২৪ সালের আগস্টে প্রত্যাশিত, এই SQLite অপ্টিমাইজেশনগুলোকে সরাসরি settings.py-তে কনফিগার করার অনুমতি দেবে, যা ডেভেলপারদের জন্য প্রক্রিয়াটি সহজ করবে।
ডজ্যাঙ্গো এসকিউএলাইট প্রোডাকশন কনফিগারেশনে একটি উল্লেখযোগ্য সমস্যা রয়েছে এসকিউএলাইটের ওয়াল (Write-Ahead Logging) মোডে, যেখানে ওয়াল ফাইলটি উচ্চ লোডের অধীনে অতিরিক্তভাবে বৃদ্ধি পেতে পারে, যা সিস্টেম ব্যর্থতার কারণ হতে পারে।
একটি সমাধান হল একটি পৃথক থ্রেড চালানো যা WAL আকার পর্যবেক্ষণ করে এবং যদি এটি ৮ এমবি অতিক্রম করে তবে পড়া এবং লেখা ধীর করে দেয়, তবে এটি নির্দেশ করে যে WAL মোডে SQLite উৎপাদন পরিবেশের জন্য উপযুক্ত নাও হতে পারে।
PostgreSQL ছোট থেকে মাঝারি প্রকল্পগুলির জন্য সুপারিশ করা হয় কারণ এটি উচ্চ-পরিমাণ লেনদেনগুলি আরও ভালভাবে পরিচালনা করে এবং SQLite-এর তুলনায় কম সীমাবদ্ধতা রয়েছে।