যখন অ্যাক্সেস দরজা খুলে দেয়: কীভাবে দুই তরুণ ইন্দোনেশিয়ান এআই এবং ক্লাউডের মাধ্যমে ডিজিটাল ক্যারিয়ার গড়ে তুলছেন

ইন্দোনেশীয় ভাষায় পড়ুন এখানে

ইন্দোনেশিয়ার অনেক তরুণ-তরুণীর জন্য ডিজিটাল ক্যারিয়ারের পথ সবসময় একই জায়গা থেকে শুরু হয় না। কেউ কেউ আসে প্রযুক্তির প্রধান কেন্দ্রগুলো থেকে বহুদূরে অবস্থিত অঞ্চল থেকে, আবার অনেকে সীমিত সম্পদ নিয়ে পড়াশোনা চালিয়ে যেতে হয়—পাশাপাশি সামলাতে হয় একাডেমিক বাধ্যবাধকতা, কাজ, সম্প্রদায়ভিত্তিক কর্মকাণ্ড আর পারিবারিক দায়িত্ব। তবুও, এই চ্যালেঞ্জগুলো সত্ত্বেও, সম্ভাবনা প্রায়শই একদম শুরু থেকেই থাকে। দরকার হয় শুধু সেই সম্ভাবনাকে উন্মোচন ও বিকশিত করার জন্য সঠিক প্রবেশাধিকার।

সেই যাত্রাপথে, Microsoft Elevate Training Center মাকাসসারের মুহাম্মদ ইউসুফ ফাদেল মারউইজি এবং টাঙ্গেরাং রিজেন্সির এমেজলিয়ানো রুসমিন এনগেপোর জন্য একটি শেখার জায়গায় পরিণত হয়—যেখানে তারা আরও ব্যবহারিক পদ্ধতিতে AI এবং ক্লাউড প্রযুক্তি অন্বেষণের সুযোগ পেয়েছেন, সেই সঙ্গে ডিজিটাল অর্থনীতিতে উপলব্ধ সুযোগগুলো সম্পর্কে আরও স্পষ্ট ধারণা অর্জন করেছেন।

স্পেশিয়াল ডেটা থেকে জিওস্পেশিয়াল AI-তে

ইউসুফ তার একাডেমিক যাত্রা শুরু করেছিলেন বনবিদ্যা বিষয়ে। পড়াশোনার সময় তিনি গভীরভাবে জড়িত ছিলেন মাঠকর্ম, পরিবেশ অধ্যয়ন এবং ভৌগোলিক তথ্য ব্যবস্থায় (GIS)—যে শৃঙ্খলা তাকে বুঝতে সাহায্য করেছে কীভাবে অবস্থানভিত্তিক স্পেশিয়াল ডেটার মাধ্যমে পরিবেশগত বৈশিষ্ট্য বিশ্লেষণ করা যায়।

এই অভিজ্ঞতা তার মধ্যে প্রযুক্তির প্রতি ক্রমবর্ধমান আগ্রহ তৈরি করে। ইউসুফের কাছে, স্পেশিয়াল ডেটা মানচিত্র বা ভিজ্যুয়ালাইজেশনের চেয়ে অনেক বেশি কিছু। এটি একটি নির্দিষ্ট এলাকার অবস্থা পরিমাপযোগ্য তথ্যের মাধ্যমে বোঝার একটি উপায়। জিওস্পেশিয়াল কাজে, একাধিক পরিবেশগত পরিবর্তনশীল—যেমন উচ্চতা, ঢাল এবং বৃষ্টিপাত—প্রায়শই একসাথে মূল্যায়ন করতে হয়। ম্যানুয়ালি করা হলে, এই প্রক্রিয়াটি অত্যন্ত সময়সাপেক্ষ হতে পারে।

মেশিন লার্নিং অন্বেষণ শুরু করার পর, ইউসুফ নতুন সম্ভাবনা দেখতে পান। বন্যার ঝুঁকি নিয়ে তার মাস্টার্স গবেষণার সময়, তিনি আবিষ্কার করেন কীভাবে একাধিক পরিবেশগত কারণ বিশ্লেষণ করে বন্যা-প্রবণ এলাকা চিহ্নিত করতে মেশিন লার্নিং প্রয়োগ করা যেতে পারে। এটি তাকে মেশিন লার্নিং এবং AI সম্পর্কে আরও কাঠামোগত ধারণা পেতে পেশাদার প্রশিক্ষণের সন্ধানে নিয়ে যায়। Microsoft Elevate তখনই অবিকল সময়ে এসে পৌঁছায়।

ইউসুফ এই পরিবর্তনশীলগুলো আরও দক্ষতার সাথে বিশ্লেষণ করতে মেশিন লার্নিং ব্যবহার করেন। বড় ডেটাসেট প্রক্রিয়াকরণ এবং ম্যানুয়াল বিশ্লেষণে শনাক্ত করা কঠিন এমন প্যাটার্ন সনাক্ত করার মাধ্যমে, এই প্রযুক্তি বন্যার উচ্চ ঝুঁকিপূর্ণ এলাকা চিহ্নিত করতে সহায়তা করে। ইউসুফের মতে, মেশিন লার্নিংয়ের সুবিধা শুধু বিশ্লেষণের গতিতে নয়, বরং ফলাফল মাঠে যাচাই করার আগে গবেষক ও অনুশীলনকারীদের আরও সচেতন প্রাথমিক সিদ্ধান্ত নিতে সাহায্য করার ক্ষমতাতেও।

“মেশিন লার্নিং কাজকে আরও দক্ষ করতে সাহায্য করে। আগে যে ডেটা একে একে বিশ্লেষণ করতে হতো, এখন তা অনেক দ্রুত প্রসেস করা যায়, বিশেষ করে যখন অনেকগুলো ডেটা পয়েন্ট বা পরিবর্তনশীল নিয়ে কাজ করতে হয়,” বলেছেন ইউসুফ।

মেশিন লার্নিংয়ের বাইরেও, ইউসুফ ভবিষ্যতে জিওস্পেশিয়াল কাজকে সমর্থন করার জন্য অটোমেশন এবং ক্লাউড প্রযুক্তিতে শক্তিশালী সম্ভাবনা দেখেন। এই প্রশিক্ষণ কর্মসূচি তার Microsoft ইকোসিস্টেম সম্পর্কে ধারণাকেও প্রসারিত করেছে—টেবুলার ডেটা বিশ্লেষণের জন্য Microsoft Excel থেকে শুরু করে Microsoft Azure পর্যন্ত, যাকে তিনি অটোমেশন এবং ক্লাউড-সক্ষম ওয়ার্কফ্লো সমর্থনের জন্য শক্তিশালী সম্ভাবনাসম্পন্ন একটি প্ল্যাটফর্ম হিসেবে দেখেন।

গবেষণা ও মাঠকর্মের প্রেক্ষাপটে, ইউসুফ জোর দিয়ে বলেছেন যে বিশ্লেষণাত্মক ফলাফল এখনও মাঠে যাচাই করা প্রয়োজন যাতে মডেলের আউটপুট বিশ্বাসযোগ্য হয়। ভবিষ্যতের দিকে তাকিয়ে, তিনি আশা করেন প্রধান প্রযুক্তি কেন্দ্রগুলোর বাইরের অঞ্চলের আরও বেশি তরুণ—আইটি ব্যাকগ্রাউন্ড নেই এমন মানুষজনসহ—শিল্পের চাহিদার সঙ্গে সামঞ্জস্যপূর্ণ প্রযুক্তি প্রশিক্ষণের সুযোগ পাবেন।

ক্লাউডের সাহায্যে নতুন পথ খোঁজা

ইউসুফ যেখানে তার জিওস্পেশিয়াল অভিজ্ঞতাকে পরবর্তী স্তরে নিয়ে যেতে AI-কে ব্যবহার করেছিলেন, সেখানে লানো নামে পরিচিত এমেজলিয়ানো প্রযুক্তিকে দেখেছিলেন একটি উন্নত ভবিষ্যৎ গড়ার পথ হিসেবে।

সুলতান আগেং তিরতায়াসা বিশ্ববিদ্যালয়ের ষষ্ঠ সেমিস্টারের ইনফরম্যাটিক্সের শিক্ষার্থী লানো প্রাথমিকভাবে নিজেকে প্রযুক্তির জগতে প্রবেশ করতে দেখেননি। উচ্চ বিদ্যালয়ে থাকাকালীন, তার পরিবারের আর্থিক অবস্থা এমন ছিল যে পড়াশোনার চেয়ে বাবা-মাকে সাহায্য করতেই বেশি সময় কাটাতে হতো। মহামারির পর, তার পরিবার আর্থিক সংকটে পড়ে এবং জীবিকা নির্বাহের জন্য বেশ কিছু সম্পদ বিক্রি করতে বাধ্য হয়। সেই সময়ে, বিশ্ববিদ্যালয় ডিগ্রি অর্জন করা ছিল এক কঠিন লক্ষ্য।

উচ্চশিক্ষা নেওয়ার উৎসাহ এসেছিল তার স্কুলের কাউন্সেলরের কাছ থেকে, যিনি লানোকে SNBP (জাতীয় অ্যাচিভমেন্ট-ভিত্তিক নির্বাচন)—ইন্দোনেশিয়ার মেধাভিত্তিক পাবলিক বিশ্ববিদ্যালয় ভর্তির পথ—এর মাধ্যমে আবেদন করতে উৎসাহিত করেন। একজন আইটি শিক্ষকের সাথে আলোচনার পর ইনফরম্যাটিক্সের প্রতি তার আগ্রহ বাড়ে, যিনি তাকে দেখিয়েছিলেন কীভাবে মেশিন লার্নিং স্বাস্থ্যসেবা খাতে সহায়তা করতে পারে। সেই বিন্দু থেকে, তিনি প্রযুক্তিকে এমন কিছু হিসেবে দেখতে শুরু করেন যা অর্থপূর্ণ প্রভাব তৈরি করতে পারে। ক্লাসরুমের বাইরে, তিনি একজন ব্যাক এন্ড ডেভেলপার অ্যাপ্রেন্টিসশিপের মাধ্যমে ব্যবহারিক অভিজ্ঞতা অর্জন করেন, ডিকোডিং কমিউনিটি বিল্ডার হিসেবে টেক ইকোসিস্টেমে অবদান রাখেন এবং ডিজিটাল পণ্য ও পরিষেবা উন্নয়নে নিবেদিত একটি উদ্যোগ DiGiat Group প্রতিষ্ঠা করেন।

তবে, যাত্রাটি সবসময় সহজ ছিল না। একটি পুরনো ল্যাপটপ ব্যবহার করে—যা প্রায়শই ধীর হয়ে যেত, গরম হয়ে যেত, বা হঠাৎ রিস্টার্ট হয়ে যেত—কোডিং এবং প্রজেক্টের কাজ প্রায়ই প্রয়োজনীয় সময়ের চেয়ে অনেক বেশি সময় নিত।

“যা কাজটা দ্রুত শেষ হওয়ার কথা ছিল, কখনো কখনো অনেক বেশি সময় নিয়ে নিত কারণ আমার ল্যাপটপ ধীর হয়ে যেত, গরম হয়ে যেত, বা নিজে নিজেই রিস্টার্ট হয়ে যেত। কিন্তু আমি সবসময় নিজেকে মনে করিয়ে দিই যে আমি প্রথম স্থানে কেন শিখছি—আমার ভবিষ্যতের জন্য এবং আমার পরিবারের জন্য। ল্যাপটপ আমার থেমে যাওয়ার কারণ হয়ে উঠতে পারে না,” বলেছেন লানো।

Microsoft Elevate-এর মাধ্যমে, লানো ক্লাউড প্রযুক্তিকে কেবল একটি ধারণা হিসেবে নয়, বরং তার দীর্ঘদিনের ডিভাইস সীমাবদ্ধতা কাটিয়ে ওঠার একটি নতুন উপায় হিসেবে দেখতে শুরু করেন। তার ল্যাপটপে GPU না থাকায়, কম্পিউটেশনালি ভারী কাজ—যেমন লোকালি মেশিন লার্নিং মডেল প্রশিক্ষণ—প্রায়শই প্রত্যাশার চেয়ে অনেক বেশি সময় নিত। তিনি ল্যাপটপের উপাদান আপগ্রেড করে সমস্যা সমাধানের চেষ্টা করেছিলেন, কিন্তু তবুও বুঝতে পেরেছিলেন যে ব্যক্তিগত ডিভাইসের অন্তর্নিহিত সীমাবদ্ধতা রয়েছে।

ডিকোডিং প্ল্যাটফর্মের মাধ্যমে Microsoft Fabric এবং Azure-এর সাথে পরিচিত হওয়ার পর, লানো বুঝতে শুরু করেন যে ডেটা এবং AI শেখা সম্পূর্ণরূপে তার ব্যবহৃত ল্যাপটপের স্পেসিফিকেশনের উপর নির্ভর করতে হয় না। ক্লাউড-ভিত্তিক পদ্ধতিতে, ডেটা প্রসেসিং, ট্রান্সফরমেশন, মডেল পরীক্ষা-নিরীক্ষা এবং ডেটা ওয়ার্কফ্লো ডেভেলপমেন্টের মতো প্রক্রিয়াগুলি আরও নমনীয় কম্পিউটিং অবকাঠামো দ্বারা সমর্থিত হতে পারে। লানোর জন্য, এই বোধগম্যতা একটি নতুন দৃষ্টিভঙ্গি খুলে দিয়েছিল: ডিভাইসের সীমাবদ্ধতাগুলো সবসময় শেখা এবং প্রযুক্তি প্রজেক্ট তৈরির পথে বাধা হয়ে দাঁড়াতে হয় না।

লানোর উপর সবচেয়ে গভীর ছাপ ফেলা অভিজ্ঞতাগুলোর একটি ছিল ETL ফাইনাল প্রজেক্ট, যেখানে তিনি শিখেছিলেন কীভাবে ডেটা এক্সট্র্যাক্ট করা, পরিষ্কার করা এবং ব্যবসায়িক বিশ্লেষণ বা মডেল প্রশিক্ষণের জন্য প্রস্তুত একটি ফরম্যাটে রূপান্তর করা যায়। এই প্রক্রিয়ার মাধ্যমে, তিনি বুঝতে পেরেছিলেন যে AI উন্নয়ন শুধুমাত্র মডেলের উপর নির্ভর করে না, বরং এর ভিত্তিতে থাকা ডেটার গুণমানের উপরও নির্ভর করে। অর্থপূর্ণ অন্তর্দৃষ্টি তৈরি করতে, সচেতন সিদ্ধান্ত গ্রহণকে সমর্থন করতে এবং AI সিস্টেমকে কার্যকরভাবে শিখতে সক্ষম করতে, ডেটাকে অবশ্যই সুপ্রস্তুত, প্রাসঙ্গিক এবং কাঠামোবদ্ধ হতে হবে। এই অভিজ্ঞতা মৌলিকভাবে ডেটা ইঞ্জিনিয়ারিং পেশা সম্পর্কে তার দৃষ্টিভঙ্গি বদলে দেয়।

Microsoft Elevate সম্পন্ন করার পর, লানো তার দৈনন্দিন প্রজেক্টে সক্রিয়ভাবে GitHub Copilot ব্যবহার করতে শুরু করেন। কোডিং প্রক্রিয়ায় সরাসরি সংহত একটি AI-চালিত সহকারী হিসেবে, GitHub Copilot তাকে প্রাসঙ্গিক কোড পরামর্শ প্রদান করে সাহায্য করে, ফলে তাকে প্রতিটি লাইন স্ক্র্যাচ থেকে লিখতে হয় না। প্রাথমিক পরিকল্পনা থেকে বাস্তবায়ন পর্যন্ত যে কাজগুলো আগে উল্লেখযোগ্য সময় এবং প্রচেষ্টা নিত, সেগুলো এখন দ্রুততর গতিতে এগিয়ে যেতে পারে।

ফলস্বরূপ, লানো তিনি যে সমাধানগুলো তৈরি করতে চান তার ধারণা এবং লজিকের উপর আরও বেশি মনোযোগ দিতে পারেন, আর AI ব্যবহার করেন ধারণাগুলোকে কার্যকর কোডে রূপান্তর করতে যা তিনি আরও বিকাশ ও পরিমার্জন করতে পারেন। এর একটি ফলাফল হলো একটি ক্যামেরা- এবং ভয়েস-ভিত্তিক অ্যাপ্লিকেশন যা দৃষ্টিহীন মানুষদের আশেপাশের বস্তু শনাক্ত করতে সাহায্য করার জন্য ডিজাইন করা হয়েছে—একটি প্রজেক্ট যা তিনি তুলনামূলকভাবে স্বল্প সময়ের মধ্যে সম্পন্ন করতে পেরেছিলেন, GitHub Copilot একেবারে শুরু থেকেই উন্নয়ন প্রক্রিয়াকে সমর্থন করেছিল।

লানোর জন্য, প্রবেশাধিকার মানে শুধু একটি দামি ল্যাপটপ বা উচ্চ-গতির ইন্টারনেট সংযোগ থাকা নয়। প্রবেশাধিকার মানে শেখার সুযোগ থাকা, প্রাসঙ্গিক টুল আবিষ্কার করা, অন্তর্ভুক্তিমূলক কমিউনিটির অংশ হওয়া এবং পরীক্ষা-নিরীক্ষা ও বেড়ে ওঠার জায়গা দেওয়া।

“আমার কাছে, প্রবেশাধিকার হলো সমতা এবং সুযোগের চাবিকাঠি। প্রবেশাধিকার থাকলে, যেকোনো পটভূমির শিক্ষার্থীরা শেখার, উদ্ভাবনের এবং তাদের ভবিষ্যৎ গড়ার সমান সুযোগ পেতে পারে,” তিনি বলেছিলেন।

যখন প্রবেশাধিকার সুযোগ তৈরি করে

যদিও ইউসুফ এবং লানো খুব ভিন্ন পটভূমি থেকে এসেছেন, তাদের যাত্রা একই সিদ্ধান্তে পৌঁছায়: শেখার সুযোগের প্রবেশাধিকার মানুষ কীভাবে তাদের ভবিষ্যৎ কল্পনা করে তা বদলে দিতে পারে।

ইউসুফের জন্য, AI এবং ক্লাউড প্রযুক্তি তার জিওস্পেশিয়াল কাজকে শক্তিশালী করার এবং জিওস্পেশিয়াল আর্টিফিশিয়াল ইন্টেলিজেন্সের (GeoAI) একটি ভবিষ্যৎ কল্পনা করার নতুন উপায় খুলে দিয়েছে যা পরিবেশ ও শিল্পের চাহিদার সাথে আরও প্রাসঙ্গিক। লানোর জন্য, ক্লাউড প্রযুক্তি ডিভাইসের সীমাবদ্ধতা এবং ডেটা, AI ও মেশিন লার্নিং শেখার সুযোগের মধ্যে ব্যবধান কমাতে সাহায্য করেছে আরও আত্মবিশ্বাসের সাথে।

তাদের গল্পগুলোও একটি স্মরণ করিয়ে দেওয়ার মতো যে ইন্দোনেশিয়ার ডিজিটাল প্রতিভা সবসময় আদর্শ পরিস্থিতি বা সেরা সম্পদের সুযোগ থেকে উদ্ভূত হয় না। এটি বেড়ে উঠতে পারে মাকাসসারের একটি কর্মক্ষেত্র থেকে, টাঙ্গেরাংয়ের একটি সাধারণ ল্যাপটপ থেকে, হাতে-কলমে মাঠের অভিজ্ঞতা থেকে, সম্প্রদায় থেকে, এবং শেখার উপায় খুঁজে বের করার নিরন্তর সংকল্প থেকে।