আন্তর্জাতিক টি–টোয়েন্টিতে দ্রুততম ১০ সেঞ্চুরি
Published: 13th, December 2025 GMT
১০টিম ডেভিড (৩৭ বলে সেঞ্চুরি)সেঞ্চুরির পর টিম ডেভিড
.উৎস: Prothomalo
এছাড়াও পড়ুন:
অ্যাপল ওয়াচের তথ্য দিয়ে একাধিক রোগ শনাক্তে নতুন এআই মডেল
অ্যাপল ওয়াচ থেকে সংগ্রহ করা বিপুল স্বাস্থ্যতথ্য ব্যবহার করে মানুষের কয়েকটি শারীরিক জটিলতা শনাক্তে সক্ষম একটি নতুন কৃত্রিম বুদ্ধিমত্তা (এআই) মডেল তৈরি করেছেন যুক্তরাষ্ট্রের এমআইটি ও এম্পিরিক্যাল হেলথের গবেষকেরা। প্রায় ৩০ লাখ ‘পারসন ডে’ সমপরিমাণ পরিধানযোগ্য যন্ত্রের তথ্য বিশ্লেষণ করে মডেলটি প্রশিক্ষিত করা হয়েছে। গবেষকেরা বলছেন, অসম্পূর্ণ বা অনিয়মিত স্বাস্থ্যতথ্যও সঠিকভাবে বিশ্লেষণ করতে পারলে তা ভবিষ্যতের চিকিৎসাব্যবস্থায় গুরুত্বপূর্ণ ভূমিকা রাখতে পারে।
মডেলটির কেন্দ্রে রয়েছে জয়েন্ট এমবেডিং প্রেডিকটিভ আর্কিটেকচার (জেপা)। এটি মেটার সাবেক প্রধান কৃত্রিম বুদ্ধিমত্তা বিজ্ঞানী ইয়্যান লেকানের প্রস্তাবিত একটি ধারণা। প্রচলিত পদ্ধতিতে যেখানে মান অনুমানকে মুখ্য ধরে এআই শেখে, সেখানে জেপা তথ্যের অর্থ, পটভূমি ও অভ্যন্তরীণ কাঠামো বোঝার দক্ষতা তৈরি করতে চেষ্টা করে। ২০২৩ সালে মেটা জেপানির্ভর ‘আই জেপা’ উন্মোচন করে জানায়, এই প্রযুক্তি দ্রুত শেখার পাশাপাশি জটিল সিদ্ধান্ত নেওয়া ও অচেনা পরিস্থিতিতে মানিয়ে নেওয়ার সক্ষমতা বাড়াতে পারে। প্রকাশের পর থেকেই জেপাভিত্তিক গবেষণা ‘ওয়ার্ল্ড মডেল’নির্ভর নতুন ধারার সূচনা করেছে। সম্প্রতি লেকান মেটা ছেড়ে এই ওয়ার্ল্ড মডেলকে সামনে রেখে নতুন একটি প্রতিষ্ঠান গঠনের ঘোষণা দিয়েছেন।
গবেষণাটি প্রকাশিত হয়েছে ‘জেটস: আ সেলফ সুপারভাইজড জয়েন্ট এমবেডিং টাইম সিরিজ ফাউন্ডেশন মডেল ফর বিহেভিয়ারাল ডেটা ইন হেলথকেয়ার’ শিরোনামে। এটি নিউরোআইপিএসের একটি কর্মশালায়ও গৃহীত হয়েছে। জেটস মূলত জেপার কাঠামোকে সময়ভিত্তিক স্বাস্থ্যতথ্যে প্রয়োগ করেছে, যাতে পরিধানযোগ্য যন্ত্র থেকে পাওয়া অনিয়মিত ও অসম্পূর্ণ তথ্যও কার্যকরভাবে বিশ্লেষণ করা যায়।
গবেষণায় অংশ নেন ১৬ হাজার ৫২২ ব্যক্তি। তাঁদের কাছ থেকে সংগৃহীত তথ্যের পরিমাণ প্রায় ৩০ লাখ পারসন ডে। প্রতিদিন বা তারও কম ঘনত্বে ৬৩ ধরনের সময় সিরিজ তথ্য রেকর্ড করা হয়। এসব তথ্য পাঁচটি বিভাগে সাজানো হয়েছে। এগুলো কার্ডিওভাসকুলার, শ্বাসপ্রশ্বাস, ঘুম, শারীরিক কার্যক্রম ও সাধারণ পরিসংখ্যান। তবে অংশগ্রহণকারীদের মাত্র ১৫ শতাংশের তথ্যের সঙ্গে চিকিৎসা নথির লেবেল যুক্ত ছিল।
ফলে প্রচলিত পদ্ধতিতে বাকি ৮৫ শতাংশ তথ্য মডেল প্রশিক্ষণে ব্যবহার করা সম্ভব হতো না। জেটস প্রথমে সব অন–লেবেলড তথ্য থেকেই নিজে শেখে। পরে লেবেলযুক্ত তথ্য ব্যবহার করে মডেলকে সূক্ষ্মভাবে প্রশিক্ষণ দেওয়া হয়, যাতে পূর্বাভাস আরও নির্ভুল হয়। গবেষকেরা প্রতিটি তথ্যকে তিনটি ভাগে সাজান। এগুলো হলো দিন, মাপের মান ও মাপের ধরন। এরপর প্রতিটি ইউনিটকে একটি ‘টোকেনে’ রূপান্তর করা হয়। এই টোকেনের কিছু অংশ আড়াল করে মডেলকে সেই তথ্য অনুমান করতে বলা হয়। এভাবেই মডেল ধীরে ধীরে তথ্যের প্যাটার্ন ও সম্পর্ক বোঝার সক্ষমতা অর্জন করে।
পরীক্ষায় দেখা গেছে, উচ্চ রক্তচাপ শনাক্তে জেটসের এইউআরওসি স্কোর ৮৬ দশমিক ৮ শতাংশ, অ্যাট্রিয়াল ফ্লাটারে ৭০ দশমিক ৫ শতাংশ, ক্রনিক ফ্যাটিগ সিনড্রোমে ৮১ শতাংশ ও সিক সাইনাস সিনড্রোম শনাক্তে ৮৬ দশমিক ৮ শতাংশ। গবেষকেরা উল্লেখ করেছেন, এইউআরওসি বা এইউপিআরসি সরাসরি ‘শতভাগ নির্ভুলতা’ মাপার সূচক নয়। কোন মডেল কতটা দক্ষভাবে ঝুঁকিপূর্ণ কেস চিহ্নিত ও ক্রমবিন্যাস করতে পারে, এটি তা বোঝায়।
গবেষণায় দেখা যায়, অ্যাপল ওয়াচের মতো পরিধানযোগ্য ডিভাইস থেকে পাওয়া খণ্ডিত ও অনিয়মিত তথ্য থেকেও নির্ভরযোগ্য স্বাস্থ্যঝুঁকি বিশ্লেষণ করা সম্ভব। কোনো কোনো স্বাস্থ্য মেট্রিক যেখানে মাত্র শূন্য দশমিক ৪ শতাংশ দিনে রেকর্ড হয়েছে, আবার কোনোটি পাওয়া গেছে প্রায় প্রতিদিন। এমন বৈচিত্র্য থাকা সত্ত্বেও জেটস এসব তথ্য প্রক্রিয়া করে কার্যকর পূর্বাভাস দিতে সক্ষম হয়েছে। গবেষকেরা মনে করেন, ভবিষ্যতে ওয়্যারেবল ডিভাইস থেকে সংগৃহীত দৈনন্দিন তথ্য চিকিৎসাব্যবস্থায় বড় ধরনের পরিবর্তন আনতে পারে।
হাসিনার ফাঁসি দেখা পর্যন্ত খালেদা জিয়া যেন বেঁচে থাকেন: হাসনাত