Loading AI tools
মানুষের বুদ্ধিমত্তা ও চিন্তা শক্তিকে কম্পিউটার দ্বারা অনুকৃত করার প্রচেষ্টা উইকিপিডিয়া থেকে, বিনামূল্যে একটি বিশ্বকোষ
কৃত্রিম বুদ্ধিমত্তা হলো কম্পিউটার বিজ্ঞানের একটি শাখা, যেখানে মানুষের বুদ্ধিমত্তা ও চিন্তা শক্তিকে কম্পিউটার দ্বারা অনুকৃত করার চেষ্টা করা হয়ে থাকে।
চিন্তা করতে সক্ষম কৃত্রিম মানুষ মূলত গল্প বলার যন্ত্র হিসেবে আবির্ভূত হয়েছিল, প্রকৃতপক্ষে কার্যকর যুক্তি প্রদর্শনের জন্য একটি যন্ত্র তৈরির চেষ্টা করার ধারণাটি সম্ভবত রামন লোল (১৩০০ খ্রিস্টাব্দে) এর সাথে শুরু হয়।[1] তার ক্যালকুলাস রেটিওসিনেটরের সাথে, গটফ্রিড লিবিনিজ গণিত মেশিনের ধারণাকে সম্প্রসারিত করেছিলেন (উইলহেলম স্কিকার্ড ১৬২৩ এর কাছাকাছি সময় প্রথম একটি প্রকৌশলগত কাজ করেছিলেন), সংখ্যার পরিবর্তে ধারণার উপর অপারেশন পরিচালনার উদ্দেশ্যে। উনিশ শতক থেকে কৃত্রিম মানুষ বৈজ্ঞানিক কল্পকাহিনিতে সাধারণ বিষয় হয়ে গিয়েছিল, যেমন মেরি শ্যালীর ফ্রাঙ্কেনস্টাইন বা কারেল কেপেক এর আর.ইউ.আর. (রাসোসের ইউনিভার্সাল রোবটস) এর কথা উল্লেখ করা যেতে পারে।
যান্ত্রিক বা "আনুষ্ঠানিক" যুক্তি অধ্যয়ন প্রাচীনকালে দার্শনিক ও গণিতবিদদের সাথে শুরু হয়েছিল। গাণিতিক যুক্তিবিজ্ঞান অধ্যয়ন অ্যালান টুরিং এর গণিতের তত্ত্বের সূত্রপাত করেছিল, যা একটি মেশিন, "0" এবং "১" প্রতীক চিহ্ন দ্বারা গাণিতিক সিদ্ধান্তগ্রহণ করতে পারে। এই অন্তর্দৃষ্টির মাধ্যমে যে ডিজিটাল কম্পিউটার আনুষ্ঠানিক যুক্তির কোন প্রক্রিয়া অনুকরণ করতে পারে তা চার্চ-টুরিং থিসিস হিসাবে পরিচিতি লাভ করেছিল। স্নায়ুবিদ্যা, তথ্য তত্ত্ব এবং সাইবারনেটিক্সের আবিষ্কার গবেষকদের মধ্যে বৈদ্যুতিক মস্তিষ্ক নির্মাণের সম্ভাবনাকে বাড়িয়ে দিয়েছিল । প্রথম কাজ যা বর্তমানে এআই হিসাবে স্বীকৃত হয় যা ম্যাককুল্লাচ এবং পিটসের ১৯৪৩ টুরিংয়ের জন্য সম্পূর্ণ "কৃত্রিম নিউরন" ছিল প্রথাগত নকশা।
এলান টুরিংয়ের ১৯৫০ সালের একটি গবেষণাপত্রের আলোকে করে কোন যন্ত্রে আর্টিফিশিয়াল ইন্টেলিজেন্স বা কৃত্রিম বুদ্ধিমত্তা পরীক্ষা করার জন্য তিনি 'টুরিং পরীক্ষা' নামের একটি প্রক্রিয়া উদ্ভাবন করেন। টুরিং পরীক্ষা হলো এক ধরনের ইমিটেশন গেম। এই পরীক্ষাটি আর্টিফিশিয়াল ইন্টেলিজেন্স বা কৃত্রিম বুদ্ধিমত্তার ভিত্তি তৈরি করে।[2]
এআই গবেষণা ক্ষেত্র ১৯৫৬ সালে ডার্টমাউথ কলেজের একটি কর্মশালায় প্রথম প্রতিষ্ঠিত হয়েছিল। অ্যালেন নিউয়েল (সিএমইউ), হারবার্ট সিমন (সিএমইউ), জন ম্যাকার্থি (এমআইটি), মার্ভিন মিনস্কি (এমআইটি) এবং আর্থার স্যামুয়েল (আইবিএম) এআই গবেষণার প্রতিষ্ঠাতা এবং নেতা হয়ে উঠেছিলেন। তারা এবং তাদের ছাত্ররা যে প্রোগ্রাম তৈরি করেছিল সংবাদপত্র তাকে "বিস্ময়কর" হিসাবে বর্ণনা করেছিল: কম্পিউটার চেকারদের মধ্যে বিজয়ী হয়, বীজগণিতের মধ্যে শব্দের সমস্যার সমাধান করে, যুক্তিগত তত্ত্বগুলি প্রমাণ করে এবং ইংরেজি কথা বলতে সক্ষম হয়। ১৯৬০-এর দশকের মাঝামাঝি মার্কিন যুক্তরাষ্ট্রে প্রতিরক্ষা বিভাগ দ্বারা গবেষণার জন্য ব্যাপকভাবে তহবিল প্রদান এবং বিশ্বব্যাপী ল্যাবরেটরিস প্রতিষ্ঠিত হয়েছিল। এআই এর প্রতিষ্ঠাতারা ভবিষ্যৎ সম্পর্কে আশাবাদী: হারবার্ট সাইমন ভবিষ্যদ্বাণী করেছিলেন, "মেশিন বিশ বছরের মধ্যে একজন মানুষ যা করতে পারে তা করতে সক্ষম হবে ।" মার্ভিন মিন্স্কি একমত হয়েছিলেন, "একটি প্রজন্মের মধ্যে ... কৃত্রিম বুদ্ধিমত্তা তৈরির সমস্যাটি সমাধান হয়ে যাবে"
তারা অবশিষ্ট কিছু কাজের অসুবিধা বোঝতে ব্যর্থ হয়েছিল। অগ্রগতি ধীরগতি সম্পন্ন হয়ে পড়েছিল এবং ১৯৭৪ সালে স্যার জেমস লাইটহিল এর সমালোচনার জবাবে ব্রিটিশ সরকার এবং মার্কিন যুক্তরাষ্ট্রের কংগ্রেসের কাছ থেকে চলমান চাপের কারণে এআইএর গবেষণামূলক গবেষণা বন্ধ করে দেয়া হয়েছিল। পরবর্তী কয়েক বছর পরে একে "এআই শীতকালীন" বলা হবে যখন এআই প্রকল্পের অর্থায়ন কঠিন ছিল।
১৯৮০ এর দশকের শুরুতে এআই গবেষণা বিশেষজ্ঞ সিস্টেমের বাণিজ্যিক সাফল্য দ্বারা পুনরুজ্জীবিত হয়েছিল, এআই প্রোগ্রামের একটি ফর্ম যা মানব বিশেষজ্ঞের জ্ঞান এবং বিশ্লেষণাত্মক দক্ষতাগুলিকে অনুকরণ করে। ১৯৮৫ সাল নাগাদ এআইয়ের বাজার এক বিলিয়ন ডলারের বেশি পৌঁছেছিল। একই সময়ে, জাপানের পঞ্চম প্রজন্মের কম্পিউটার প্রকল্প ইউএস এবং ব্রিটিশ সরকারকে একাডেমিক গবেষণার জন্য অর্থায়নে ফিরিয়ে আনার জন্য অনুপ্রাণিত করেছিল। যাইহোক, ১৯৮৭ সালে লিস্প মেশিন বাজারের পতনের শুরুতে, এআই আবারও দুর্নীতিতে পড়ে এবং দ্বিতীয় দীর্ঘস্থায়ী মন্দা অবস্থায় পতিত হয়।
১৯৯০ এবং একবিংশ শতকের প্রথম দিকে সরবরাহ, ডেটা মাইনিং, চিকিৎসা নির্ণয়ের এবং অন্যান্য এলাকার জন্য এআই ব্যবহার করা শুরু করেছিল। সাফল্য ছিল গণনীয় ক্ষমতা বৃদ্ধি(মুরের আইন দেখুন), নির্দিষ্ট সমস্যার সমাধান, এআই এবং অন্যান্য ক্ষেত্রগুলির মধ্যে নতুন সম্পর্ক এবং গবেষকগণের গাণিতিক পদ্ধতি এবং বৈজ্ঞানিক মানকে একটি প্রতিশ্রুতির উপর অধিকতর গুরুত্বের কারণে। ডিপ ব্লু ১১ই জুন, ১৯৯৭ তারিখে একজন দাবা চ্যাম্পিয়ন গ্যারি কাসপারভকে পরাজিত করার জন্য প্রথম কম্পিউটার নিয়ন্ত্রিত দাবা খেলোয়াড় হয়ে ওঠে।
উন্নত পরিসংখ্যান কৌশল (শিথিলভাবে গভীর শিক্ষার নামে পরিচিত), বড় পরিমাণে তথ্যের মধ্যে প্রবেশ এবং দ্রুত কম্পিউটারে মেশিন শিক্ষার এবং উপলব্ধির ক্ষেত্রে অগ্রগতি লাভ করে। ২০১০ এর মাঝামাঝি পর্যন্ত, সারা পৃথিবীতে মেশিন লার্নিং অ্যাপ্লিকেশনগুলি ব্যবহার করা হতো। একটি বিপদ! আইবিএম এর প্রশ্নের উত্তর সিস্টেমের কুইজ শো প্রদর্শনী ম্যাচে ওয়াটসন একটি উল্লেখযোগ্য মার্জিন দ্বারা দুজন সর্বশ্রেষ্ঠ চ্যাম্পিয়ন ব্র্যাড রাদার এবং কে জেনিংসকে পরাজিত করেছিল। কিনিট, যা Xbox 360 এবং Xbox One এর জন্য 3D শরীর-গতি ইন্টারফেস প্রদান করে যা অ্যালগরিদম ব্যবহার করে যা দীর্ঘ এআই গবেষণা থেকে উদ্ভূত হয় যেমন স্মার্টফোনে বুদ্ধিমান ব্যক্তিগত সহায়ক হিসাবে কাজ করে। মার্চ ২০১৬ এ, আলফাগো গো চ্যাম্পিয়ন লি সেডোলের সাথে একটি ম্যাচে ৫টি গেমের মধ্যে ৪টিতেই জিতে নেয়, হ্যান্ডিক্যাপস ছাড়াই একজন পেশাদার গো খেলোয়াড়কে পরাজিত করার জন্য প্রথম কম্পিউটার গো-সিস্টেমিং পদ্ধতিতে পরিণত হয়। ভবিষ্যতের গো সম্মেলনের ২০১৭ আলফাগো কে জেইয়ের সাথে তিনটি খেলায় জিতেছে যিনি ক্রমাগতভাবে দুবছর ধরে বিশ্বের এক নম্বর রেঙ্কিং অর্জন করেছিল।
ব্লুমবার্গের জ্যাক ক্লার্কের মতে ২০১৫ সালে কৃত্রিম বুদ্ধিমত্তার জন্য একটি মাইলফলক বছর ছিল, গুগলের মধ্যে এআই ব্যবহার করার জন্য সফটওয়্যার প্রকল্পগুলোর সংখ্যা ২০১২ সালে ২৭০০ এরও বেশি প্রকল্পে "স্পোরাইডিক ব্যবহার" বৃদ্ধি পেয়েছে। ক্লার্ক তথ্যপ্রযুক্তি তথ্যও তুলে ধরেছেন যে চিত্র প্রক্রিয়াকরণ কর্মের ত্রুটির হার ২০১১ সাল থেকে উল্লেখযোগ্যভাবে কমে এসেছে। তিনি ক্লাউড কম্পিউটিং অবকাঠামোর উত্থানের ফলে এবং গবেষণা সরঞ্জাম ও ডাটাসেটগুলির বৃদ্ধির কারণে সাশ্রয়ী মূল্যের স্নায়ুবিক নেটওয়ার্কগুলির বৃদ্ধি নিয়ে এটিকে গুরুত্ব দেন। অন্যান্য উল্লিখিত উদাহরণের মধ্যে অন্তর্ভুক্ত রয়েছে মাইক্রোসফটের স্কাইপ সিস্টেমের ডেভেলপমেন্ট যা স্বয়ংক্রিয়ভাবে একটি ভাষা থেকে অন্য ভাষায় অনুবাদ করতে পারে এবং ফেইসবুক সিস্টেম অন্ধ মানুষদের কাছে চিত্রের বর্ণনা করতে পারে।
কৃত্রিম বুদ্ধিমত্তার সামগ্রিক গবেষণার লক্ষ্য হচ্ছে প্রযুক্তি তৈরি করা যার মাধ্যমে কম্পিউটার এবং মেশিনগুলি বুদ্ধিমান পদ্ধতিতে কাজ করতে সক্ষম হবে। বুদ্ধিমত্তার উৎপাদন (বা তৈরি) সাধারণ সমস্যাগুলোকে কয়েকটি উপ সমস্যায় বিভক্ত করা হয়েছে। যে বিশেষ বৈশিষ্ট্যগুলি বা ক্ষমতাগুলি রয়েছে তা গবেষকরা একটি বুদ্ধিমান সিস্টেম প্রদর্শন করবে বলে আশা করেন। নিচের বর্ণনাগুলি সর্বাধিক মনোযোগ পেয়েছে।
এরিখ স্যাণ্ডওয়েল পরিকল্পনা ও শেখার উপর জোর দেন যেটি প্রদত্ত পরিস্থিতির ক্ষেত্রে প্রাসঙ্গিক এবং প্রযোজ্য।
প্রাথমিক গবেষকরা অ্যালগরিদমগুলি বিকশিত করেছেন যা ধাপে ধাপে যুক্তিযুক্ত করে যেমন করে মানুষ সমস্যা সমাধান বা লজিক্যাল কর্তনের জন্য সেগুলি ব্যবহার করে। ১৯৮০ ও ১৯৯০ এর দশকের শেষের দিকে এআই গবেষণাকে উন্নত করা হয়েছিল অনিশ্চিত বা অসম্পূর্ণ তথ্য, সম্ভাবনা এবং অর্থনীতি থেকে ধারণা নিযুক্ত করার জন্য।
কঠিন সমস্যাগুলির জন্য অ্যালগরিদমগুলির জন্য প্রচুর গণনীয় সম্পদ প্রয়োজন হতে পারে-সবচেয়ে বেশি অভিজ্ঞতা "সংযুক্ত করিতে সক্ষম বিস্ফোরণ" : মেমরির পরিমাণ বা কম্পিউটারের নির্দিষ্ট সময় প্রয়োজন একটি নির্দিষ্ট আকারের সমস্যা সমাধানের জন্য । আরও দক্ষ সমস্যা-সমাধানের অ্যালগরিদমগুলির অনুসন্ধান অনেক বেশি অগ্রাধিকার পাচ্ছে।
মানুষ প্রাথমিকভাবে দ্রুত, স্বনির্ধারণী সিদ্ধান্তগুলি ব্যবহার করে ধাপে ধাপে ছাড়ের পরিবর্তে, প্রাথমিক এআই গবেষণা সেই মডেলটিকে একটি রূপ দিতে পেরেছে । এআই "সাব-সিম্বোলিক" সমস্যা সমাধান ব্যবহার করে অগ্রগতি অর্জন করেছে: অঙ্গবিন্যাসকারী এজেন্ট উচ্চতর যুক্তি থেকে সেন্সরাইমোটার দক্ষতার উপর জোর দেয়; মস্তিষ্কের ভিতরকার কাঠামোর অনুকরণে স্নাতকোত্তর গবেষণার প্রচেষ্টা এই দক্ষতা বৃদ্ধি করে; এআই এর প্রধান লক্ষ্য হল মানুষের ক্ষমতা অনুকরণ করা।
জ্ঞানের প্রতিনিধিত্ব এবং জ্ঞানের প্রকৌশল এআই গবেষণার কেন্দ্রীয় বিষয়। অনেক সমস্যার সমাধান যা মেশিন দ্বারা হবে বলে প্রত্যাশা করা হয় তার বিশ্ব সম্পর্কে ব্যাপক জ্ঞান প্রয়োজন হবে। যে ধরনের বিষয় এআই প্রতিনিধিত্ব করবে তা হল বস্তু, বৈশিষ্ট্য, বিভাগ এবং বস্তুর মধ্যে সম্পর্ক; পরিস্থিতি, ঘটনা, অবস্থা এবং সময়; কারণ এবং প্রভাব; জ্ঞান সম্পর্কে জ্ঞান (আমরা যা জানি অন্যান্য মানুষ যা জানেন); এবং অন্যান্য অনেক, কম ভাল গবেষণামূলক ডোমেইন। প্রতিনিধিত্ব হল "যার অস্তিত্ব বিদ্যমান": বস্তুর সেট, সম্পর্ক, ধারণা এবং তাই যে সম্পর্কে মেশিন জানে। সর্বাধিক উচ্চতর তত্ত্ববিদ্যা তাকেই বলা হয় যা অন্য সকল জ্ঞানের ভিত্তি প্রদানের প্রচেষ্টা করে।
জ্ঞানের প্রতিনিধিত্বের মধ্যে সবচেয়ে কঠিন সমস্যাগুলো হল:
মানুষ অনেক কিছু জানে তা মূলত "কাজের অনুমান" রূপে মূল্যায়ন করা হয়। উদাহরণস্বরূপ, যদি একটি পাখির কথা আলোচনায় আসে তবে মানুষ সাধারণত একটি প্রাণীকে চিত্রিত করে যার কোন বিশেষ আকার, চিহ্ন আছে এবং যারা উড়তে পারে । এই সমস্ত জিনিসগুলির মধ্যে কোনটিই সব পাখিগুলি সম্পর্কে সত্য নয়। জন ম্যাকার্থি ১৯৬৯ সালে এই সমস্যাটি চিহ্নিত করেছিলেন যোগ্যতার সমস্যা হিসাবে: কোনও কমনসেন্স রুলের জন্য যে এআই গবেষকেরা প্রতিনিধিত্ব করে, সেখানে বেশ কিছু ব্যতিক্রম রয়েছে। বিমূর্ত লজিকের জন্য যা প্রয়োজনের তার প্রায় কোন কিছুই সত্য বা মিথ্যা নয়। এআই গবেষণা এই সমস্যার সমাধানের জন্য অনেক পথ পর্যটন করেছে।
পারমাণবিক বিষয় যে খুব বড় সে বিষয় সবাই জানেন । গবেষণা প্রকল্পগুলি সাধারণ জ্ঞানের (যেমন, সাইক) উপর ভিত্তি করে সম্পূর্ণ জ্ঞান বিকাশের জন্য প্রচলিত পরিমাণে কঠোর পরিশ্রমী প্রকৌশলবিদ্যা-এর প্রয়োজন হয় - তারা অবশ্যই জটিল ধারণা হাতের সাহায্যে সমাধান করবে। প্রধান লক্ষ্য হচ্ছে কম্পিউটারের মত উৎসগুলি থেকে পড়ার মাধ্যমে কম্পিউটারকে প্রয়োজনীয় ধারণাগুলি বোঝার জন্য যথেষ্ট ধারণা থাকতে হবে, এবং এভাবে তার নিজের অ্যান্টোলোজিতে যোগ করতে সক্ষম হবে।
মানুষ যা জানে তার বেশিরভাগই "ঘটনা" বা "বিবৃতি" হিসাবে উপস্থাপিত হয় না যা তারা মৌখিকভাবে প্রকাশ করতে পারে। উদাহরণস্বরূপ, একটি দাবা মাস্টার একটি নির্দিষ্ট দাবা পরিসীমা এড়িয়ে চলবে কারণ এটি "খুব প্রকাশ বোধ করে" বা একজন শিল্প সমালোচক একটি মূর্তির চেহারা দেখেই এটি জাল মনে করতে পারেন। এগুলো মানব মস্তিষ্কের অসচেতন এবং উপ-প্রতীকী স্বরূপ বা প্রবণতা। এই ধরনের জ্ঞান প্রদান, সমর্থন মূলত প্রতীকী এবং সচেতন জ্ঞানের জন্য একটি প্রসঙ্গ দেয়া হয় । সাব-প্রতীকী যুক্তিযুক্ত সমস্যার সাথে সাথে আশা করা হয় যে অবস্থিত এআই, কম্পিউটেশনাল বুদ্ধি বা পরিসংখ্যানগত এআই এই ধরনের জ্ঞান প্রতিনিধিত্ব করার উপায়গুলি প্রদান করবে।
[2] বুদ্ধিমান প্রতিনিধিকে লক্ষ্য সেট করতে এবং তাদের অর্জন করতে সক্ষম হতে হবে। ভবিষ্যতের দৃশ্যমানতা - বিশ্বের অবস্থার প্রতিনিধিত্ব এবং তাদের কর্মগুলি কীভাবে পরিবর্তন করবে সে বিষয়ে ভবিষ্যদ্বাণী করতে সক্ষম করার জন্য তাদের কিছু পথ থাকা প্রয়োজন - এবং উপলব্ধ পছন্দগুলির (বা "মান") সর্বাধিক পছন্দগুলি চয়ন করতে সক্ষম হতে হবে ।
ক্লাসিক্যাল পরিকল্পনা সমস্যাগুলির মধ্যে এজেন্ট অনুমান করতে পারেন যে এটি এজন্যই একমাত্র সিস্টেম যা বিশ্বজুড়ে কাজ করে যা এজেন্টকে তার কর্মের ফলাফল সম্পর্কে নির্দিষ্ট করে দেয়। যাইহোক, যদি এজেন্ট একমাত্র অভিনেতা না হন তাহলে এটি এজেন্টের অনিশ্চয়তার কারণ হতে পারে। এটি একটি এজেন্টের জন্য আহ্বান করে যে শুধুমাত্র তার পরিবেশের মূল্যায়ন এবং পূর্বাভাস তৈরি করতে পারে তা নয়, সাথে সাথে তার পূর্বাভাস মূল্যায়ন করে এবং তার মূল্যায়নের উপর নির্ভর করে তা মেনে চলে।
বহু এজেন্টের পরিকল্পনায় একটি নির্দিষ্ট লক্ষ্য অর্জনের জন্য অনেক এজেন্টের সহযোগিতা এবং প্রতিযোগিতা ব্যবহার করে। জরুরী আচরণ যেমন, বিবর্তনীয় অ্যালগরিদম এবং ঘনত্বের বুদ্ধিমত্তা দ্বারা ব্যবহৃত হয়।
মেশিনের শিক্ষণ হল এআই গবেষণার একটি মৌলিক ধারণা যা প্রতিষ্ঠার পর থেকে কম্পিউটার অ্যালগরিদম অধ্যয়ন যা অভিজ্ঞতার মাধ্যমে স্বয়ংক্রিয়ভাবে উন্নতি করতে সক্ষম।
অপর্যাপ্ত শিক্ষণ হচ্ছে ইনপুটের মধ্যে নিদর্শন খুঁজে বের করার ক্ষমতা। তত্ত্বাবধানে থাকা শিক্ষণে ক্লাসিফিকেশন এবং সংখ্যাসূচক রিগ্রেশন উভয়ই অন্তর্ভুক্ত। শ্রেণিবিন্যাসের মাধ্যমে কোন বিভাগের মধ্যে কিছু অন্তর্গত তা নির্ধারণ করতে ব্যবহার করা হয়। রিগ্রেশন একটি ফাংশন তৈরি করার প্রচেষ্টা যা ইনপুট এবং আউটপুটের মধ্যে সম্পর্ক বর্ণনা করে এবং পূর্বাভাস দেয় কীভাবে ইনপুট পরিবর্তনের ফলে আউটপুটগুলি পরিবর্তন করা উচিত। রক্ষণাবেক্ষণ শেখার মধ্যে এজেন্ট ভাল প্রতিক্রিয়ার জন্য পুরস্কৃত করা হয় এবং খারাপ প্রতিক্রিয়ার জন্য শাস্তি দেয়া হয়। এজেন্ট তার পুরস্কার এবং শাস্তি এই অনুক্রম ব্যবহার করে একটি কৌশল গঠন করে তার সমস্যার স্থানে। ইউটিলিটির মত ধারণাগুলি ব্যবহার করে এই তিন ধরনের শেখার সিদ্ধান্ত তত্ত্বের ভিত্তিতে বিশ্লেষণ করা যায়। মেশিন লার্নিং অ্যালগরিদমগুলির গাণিতিক বিশ্লেষণ এবং তাদের পারফরম্যান্স কম্পিউটেশনাল লার্নিং থিওরি নামে পরিচিত যা তাত্ত্বিক কম্পিউটার বিজ্ঞানের একটি শাখা।
Seamless Wikipedia browsing. On steroids.
Every time you click a link to Wikipedia, Wiktionary or Wikiquote in your browser's search results, it will show the modern Wikiwand interface.
Wikiwand extension is a five stars, simple, with minimum permission required to keep your browsing private, safe and transparent.