অধ্যায় ১ — AI-এর ভিত্তি: Agent ও Search — AI & Machine Learning

Foundations of AI: Agents and Search

AI-সংক্রান্ত প্রশ্ন থাকা প্রায় প্রতিটি IT চাকরির পরীক্ষা এখান থেকেই শুরু হয়: AI-এর সংজ্ঞা, Turing test, AI বনাম ML বনাম DL, agent-এর প্রকারভেদ, PEAS, এবং সবচেয়ে গুরুত্বপূর্ণ search — BFS/DFS complexity-র টেবিল ও f = g + h সহ A*। BSCS AP 17.01.2026-এ A* বনাম BFS নিয়ে পূর্ণ ১০ নম্বরের প্রশ্ন এসেছে (§১.৮)। McCarthy, admissible heuristic, forward/backward chaining ও fuzzy operator নিয়ে MCQ সহজ নম্বর। এই অধ্যায়ের টেবিলগুলো মুখস্থ রাখুন।

১.১AI কী? — সংজ্ঞা ও Turing Test

Artificial Intelligence (AI) হলো কম্পিউটার বিজ্ঞানের সেই শাখা যা এমন যন্ত্র ও প্রোগ্রাম তৈরি করে যেগুলো সাধারণত মানুষের বুদ্ধিমত্তা লাগে এমন কাজ করতে পারে — উপলব্ধি (perceiving), যুক্তি (reasoning), শেখা, ভাষা বোঝা, পরিকল্পনা ও কাজ করা। "Artificial Intelligence" শব্দটির প্রবর্তক John McCarthy (Dartmouth proposal, ১৯৫৫–৫৬) একে বলেছেন "the science and engineering of making intelligent machines"।

প্রচলিত পাঠ্যবই (Russell & Norvig, Artificial Intelligence: A Modern Approach) সংজ্ঞাগুলোকে দুটি অক্ষে ভাগ করে: চিন্তা (thinking) বনাম কাজ (acting), এবং সাফল্য মাপা হয় মানুষের সাথে তুলনায় বনাম rationality (আদর্শ মান — "সঠিক কাজটি করা") দিয়ে।

	মানুষের মতো (Human-like)	যৌক্তিক (Rational)
চিন্তা	Thinking humanly — cognitive modelling: মানুষ যেভাবে চিন্তা করে সেভাবে চিন্তা করা প্রোগ্রাম (cognitive science, মনোবিজ্ঞানের পরীক্ষা, brain imaging)	Thinking rationally — "laws of thought": formal logic দিয়ে সঠিক যুক্তি (Aristotle-এর syllogism → logic programming)
কাজ	Acting humanly — Turing test পদ্ধতি: এমন আচরণ যাতে মানুষ তাকে মানুষ থেকে আলাদা করতে না পারে	Acting rationally — rational agent পদ্ধতি: সর্বোত্তম (প্রত্যাশিত) ফলাফল অর্জনের জন্য কাজ করা। পাঠ্যবই ও আধুনিক AI এটিই অনুসরণ করে

Turing Test

Alan Turing ১৯৫০ সালে তাঁর "Computing Machinery and Intelligence" প্রবন্ধে একে Imitation Game নামে প্রস্তাব করেন। একজন মানব প্রশ্নকর্তা (interrogator) লেখার মাধ্যমে একজন লুকানো মানুষ ও একটি লুকানো যন্ত্রের সাথে কথা বলেন। প্রশ্নকর্তা যদি নির্ভরযোগ্যভাবে বলতে না পারেন কোনটি যন্ত্র, তবে যন্ত্রটি উত্তীর্ণ। উত্তীর্ণ হতে কম্পিউটারের লাগবে: natural language processing, knowledge representation, automated reasoning ও machine learning। Total Turing Test-এ ভিডিও সংকেত ও বাস্তব বস্তুও থাকে, তাই এতে computer vision ও robotics-ও লাগে।

সম্পর্কিত ধারণা CAPTCHA = Completely Automated Public Turing test to tell Computers and Humans Apart — একটি "উল্টো" (reverse) Turing test, যেখানে কম্পিউটার বিচার করে ব্যবহারকারী মানুষ কিনা।
Chinese Room (John Searle, ১৯৮০) — যুক্তি দেয় যে symbol manipulation দিয়ে টেস্টে উত্তীর্ণ হওয়া মানেই প্রকৃত বোঝা নয়। weak AI (বুদ্ধিমত্তার অনুকরণ) বনাম strong AI (প্রকৃত মন আছে) বিতর্কের ভিত্তি।

সাধারণ ফাঁদ • Turing test = acting humanly, thinking humanly নয়।
• "Rational" মানে প্রত্যাশিত performance measure সর্বোচ্চ করা, নিখুঁত বা সর্বজ্ঞ (omniscient) হওয়া নয়।
• AI-এর জনক (শব্দ) = McCarthy; Turing = তাত্ত্বিক কম্পিউটার বিজ্ঞানের জনক ও টেস্টের প্রবর্তক।

১.২AI-এর প্রকারভেদ: Narrow, General, Super

প্রকার (সক্ষমতা অনুযায়ী)	অর্থ	অবস্থা / উদাহরণ
Narrow AI (ANI, weak AI)	একটি নির্দিষ্ট কাজ বা সীমিত কয়েকটি কাজে দক্ষ; সম্পর্কহীন কাজে দক্ষতা স্থানান্তর করতে পারে না	আজকের সব ব্যবহৃত AI: face unlock, spam filter, fraud detection, chess engine, LLM chat assistant
General AI (AGI, strong AI)	যেকোনো বুদ্ধিবৃত্তিক কাজে মানুষের সমান বোঝা, শেখা ও জ্ঞান প্রয়োগের ক্ষমতা	অর্জিত হয়নি; গবেষণার লক্ষ্য (⚠ আজকের বড় মডেলগুলো "AGI-এর পথে ধাপ" কিনা তা বিতর্কিত)
Super AI (ASI)	সৃজনশীলতা ও সামাজিক দক্ষতাসহ প্রতিটি ক্ষেত্রে সেরা মানুষকেও ছাড়িয়ে যায়	কাল্পনিক; AI safety ও নৈতিকতায় আলোচিত

আরেকটি জনপ্রিয় শ্রেণিবিভাগ (কার্যকারিতা অনুযায়ী): Reactive machines (স্মৃতি নেই, যেমন Deep Blue) → Limited memory (সাম্প্রতিক ডেটা ব্যবহার করে, যেমন self-driving car, বেশিরভাগ ML মডেল) → Theory of mind (আবেগ ও বিশ্বাস বোঝে — গবেষণা পর্যায়ে) → Self-aware (কাল্পনিক)।

১.৩AI বনাম ML বনাম DL বনাম Generative AI

চিত্র ১.১: নেস্টেড সম্পর্ক — প্রতিটি DL পদ্ধতি ML, প্রতিটি ML পদ্ধতি AI, কিন্তু উল্টোটা নয়

পরিভাষা	সংজ্ঞা	মূল বিষয়
AI	যেকোনো কৌশল যা যন্ত্রকে বুদ্ধিমানের মতো আচরণ করায়	হাতে লেখা rule ও search-ও এর অন্তর্ভুক্ত — শেখার প্রয়োজন নেই
ML	স্পষ্টভাবে প্রোগ্রাম না করে ডেটা থেকে প্যাটার্ন শেখে এমন সিস্টেম। Tom Mitchell: কোনো প্রোগ্রাম task T ও performance measure P-এর সাপেক্ষে experience E থেকে শেখে, যদি E দিয়ে T-তে তার performance (P দিয়ে মাপা) বাড়ে	Supervised, unsupervised, reinforcement learning; feature প্রায়ই হাতে তৈরি
DL	বহু hidden layer-বিশিষ্ট artificial neural network ব্যবহারকারী ML	কাঁচা ডেটা থেকে নিজেই feature শেখে; বিপুল ডেটা ও GPU লাগে
Generative AI	যে DL মডেল প্রশিক্ষণ-ডেটার মতো নতুন কনটেন্ট তৈরি করে (text, image, audio, code)	LLM (GPT, Claude, Gemini, Llama) Transformer-এর উপর তৈরি; বিপরীতে discriminative মডেল শ্রেণিবিভাগ/পূর্বাভাস করে

পরীক্ষার টিপনেস্টিং লিখুন GenAI ⊂ DL ⊂ ML ⊂ AI এবং চিত্র ১.১ আঁকুন। ব্যাংকের উদাহরণ: "৩ বার ভুল PIN দিলে কার্ড ব্লক" rule = ML ছাড়া AI; fraud score মডেল = ML; CNN দিয়ে চেকের ছবিতে স্বাক্ষর যাচাই = DL; উত্তরের খসড়া লেখা chatbot = GenAI।

১.৪AI-এর সংক্ষিপ্ত ইতিহাস

বছর	মাইলফলক
১৯৪৩	McCulloch ও Pitts — artificial neuron-এর প্রথম গাণিতিক মডেল
১৯৫০	Turing — "Computing Machinery and Intelligence", Imitation Game (Turing test)
১৯৫৬	Dartmouth workshop (McCarthy, Minsky, Shannon, Rochester) — একটি গবেষণাক্ষেত্র হিসেবে AI-এর জন্ম; "Artificial Intelligence" শব্দ
১৯৫৭–৫৮	Rosenblatt-এর Perceptron; McCarthy তৈরি করেন LISP (১৯৫৮)
১৯৬০-এর দশক	ELIZA chatbot (Weizenbaum); DENDRAL expert system (রসায়ন)
১৯৬৯	Minsky ও Papert-এর বই Perceptrons single-layer perceptron-এর সীমাবদ্ধতা দেখায় (যেমন XOR)
১৯৭০-এর দশক	Prolog (১৯৭২); MYCIN চিকিৎসা expert system; প্রথম "AI winter" — অতিরিক্ত প্রতিশ্রুতির পর অর্থায়ন হ্রাস
১৯৮০-এর দশক	বাণিজ্যিক expert system-এর জোয়ার (যেমন XCON/R1); ১৯৮৬-এ backpropagation জনপ্রিয় হয় (Rumelhart, Hinton, Williams); ১৯৮০-এর শেষ–১৯৯০-এর শুরুতে দ্বিতীয় AI winter
১৯৯৭	IBM Deep Blue বিশ্ব দাবা চ্যাম্পিয়ন Garry Kasparov-কে হারায়
2011	IBM Watson কুইজ শো Jeopardy! জেতে
2012	AlexNet (GPU-তে deep CNN) বড় ব্যবধানে ImageNet জেতে — deep learning জোয়ারের শুরু
2016	DeepMind-এর AlphaGo Go চ্যাম্পিয়ন Lee Sedol-কে হারায়
2017	"Attention Is All You Need" — Transformer architecture (LLM-এর ভিত্তি)
2022	ChatGPT জনসাধারণের জন্য উন্মুক্ত — generative AI মূলধারায় আসে
2024	পদার্থবিজ্ঞানে নোবেল Hopfield ও Hinton (neural network); রসায়নে Baker-এর সাথে যৌথভাবে Hassabis ও Jumper (AlphaFold — protein structure prediction)

১.৫Intelligent Agent

Agent হলো এমন যেকোনো কিছু যা sensor-এর মাধ্যমে পরিবেশ উপলব্ধি (perceive) করে এবং actuator-এর মাধ্যমে তার উপর কাজ (act) করে। Agent function প্রতিটি percept sequence-কে একটি action-এ map করে; agent program একে একটি ভৌত architecture-এ বাস্তবায়ন করে (Agent = Architecture + Program)।

Rational agent: প্রতিটি সম্ভাব্য percept sequence-এর জন্য এমন action বেছে নেয় যা percept sequence-এর প্রমাণ ও নিজস্ব অন্তর্নির্মিত জ্ঞানের ভিত্তিতে তার performance measure সর্বোচ্চ করবে বলে প্রত্যাশিত। Rationality নির্ভর করে (১) performance measure, (২) পরিবেশ সম্পর্কে পূর্বজ্ঞান, (৩) সম্ভাব্য action, (৪) এখন পর্যন্ত percept sequence-এর উপর।

PEAS — task environment নির্দিষ্ট করা

Agent	Performance measure	Environment	Actuators	Sensors
স্বয়ংক্রিয় ট্যাক্সি	নিরাপদ, দ্রুত, আইনসম্মত, আরামদায়ক যাত্রা; মুনাফা	রাস্তা, ট্রাফিক, পথচারী, যাত্রী	Steering, accelerator, brake, horn, display	Camera, LiDAR/radar, GPS, speedometer
চিকিৎসা রোগনির্ণয় সিস্টেম	সুস্থ রোগী, কম খরচ	রোগী, হাসপাতাল, কর্মী	প্রশ্ন, পরীক্ষা, রোগনির্ণয়, চিকিৎসার display	উপসর্গ ও পরীক্ষার ফলের keyboard entry
ব্যাংকের fraud-detection agent	ধরা পড়া জালিয়াতি, কম false alarm, গ্রাহকের কম ভোগান্তি	Card/mobile/internet-banking লেনদেন, গ্রাহক, প্রতারক	Approve, decline, hold, OTP/alert পাঠানো, case খোলা	লেনদেনের stream, device/location ডেটা, গ্রাহকের ইতিহাস
ব্যাংকের customer-service chatbot	সঠিক উত্তর, সমাধানের হার, সন্তুষ্টি	গ্রাহক, core-banking ডেটা, FAQ ভান্ডার	Text/voice উত্তর, ticket তৈরি, মানুষের কাছে হস্তান্তর	লেখা/বলা বার্তা, account ডেটা

Task environment-এর বৈশিষ্ট্য

মাত্রা	অর্থ
Fully বনাম partially observable	Sensor কি প্রতি মুহূর্তে সম্পূর্ণ প্রাসঙ্গিক অবস্থা দেয়? (Poker: প্রতিপক্ষের তাস লুকানো → partial)
Deterministic বনাম stochastic	পরবর্তী অবস্থা কি বর্তমান অবস্থা ও action দিয়ে সম্পূর্ণ নির্ধারিত? (ছক্কা, ট্রাফিক → stochastic)
Episodic বনাম sequential	Episodic: প্রতিটি সিদ্ধান্ত স্বাধীন (প্রতিটি ছবি শ্রেণিবদ্ধ করা)। Sequential: বর্তমান action ভবিষ্যৎকে প্রভাবিত করে (দাবা, গাড়ি চালানো)
Static বনাম dynamic	Agent চিন্তা করার সময় কি পরিবেশ বদলায়? Semi-dynamic: পরিবেশ স্থির কিন্তু সময়ের সাথে স্কোর বদলায় (ঘড়িসহ দাবা)
Discrete বনাম continuous	সসীম সংখ্যক আলাদা অবস্থা/action (দাবা) বনাম বাস্তব-মানের (steering angle, গতি)
Single বনাম multi-agent; known বনাম unknown	অন্য agent কি প্রতিযোগিতা/সহযোগিতা করছে? Agent কি নিয়ম (action-এর ফলাফল) জানে?

Environment	Observable	Agents	Deterministic	Episodic	Static	Discrete
Crossword puzzle	Fully	Single	Deterministic	Sequential	Static	Discrete
ঘড়িসহ দাবা	Fully	Multi	Deterministic	Sequential	Semi	Discrete
Poker	Partially	Multi	Stochastic	Sequential	Static	Discrete
ট্যাক্সি চালানো	Partially	Multi	Stochastic	Sequential	Dynamic	Continuous
Image classification	Fully	Single	Deterministic	Episodic	Semi	Continuous

সবচেয়ে কঠিন ক্ষেত্র হলো partially observable, multi-agent, stochastic, sequential, dynamic, continuous ও unknown — যেমন বাস্তব জগতে গাড়ি চালানো।

Agent-এর প্রকারভেদ (সরলতম থেকে সবচেয়ে সক্ষম)

Agent-এর ধরন	কীভাবে action বেছে নেয়	উদাহরণ
Simple reflex	শুধু বর্তমান percept-এর উপর condition–action (if–then) rule; কোনো স্মৃতি নেই। শুধু fully observable পরিবেশে কাজ করে; নইলে অসীম loop-এ পড়তে পারে	Thermostat; স্বয়ংক্রিয় দরজা; vacuum: "if dirty then suck"
Model-based reflex	একটি internal state রাখে, যা পৃথিবী কীভাবে বদলায় ও action কী প্রভাব ফেলে তার model দিয়ে হালনাগাদ হয়; partial observability সামলায়	যে গাড়ি blind spot-এ থাকা অন্য গাড়িকে মনে রাখে
Goal-based	একটি লক্ষ্য (goal) থাকে; জিজ্ঞেস করে "এই action sequence কি লক্ষ্যে পৌঁছাবে?" — search ও planning ব্যবহার করে	GPS route finder; puzzle solver
Utility-based	একটি utility function অবস্থা কতটা ভালো তা স্কোর করে; সর্বোচ্চ প্রত্যাশিত utility-র action বেছে নেয়; trade-off ও অনিশ্চয়তা সামলায়	সময়, টোল ও নিরাপত্তার ভারসাম্য রেখে রুট; loan-pricing সিস্টেম
Learning	অভিজ্ঞতা থেকে উন্নত হয়। চারটি অংশ: performance element (action বেছে নেয়), learning element (উন্নতি করে), critic (performance standard-এর সাপেক্ষে feedback দেয়), problem generator (অনুসন্ধানমূলক action প্রস্তাব করে)	"mark as spam" থেকে শেখা spam filter; নতুন case দিয়ে পুনঃপ্রশিক্ষিত fraud মডেল

মনে রাখার কৌশলReflex → Model → Goal → Utility → Learning: "Really Many Good University Learners"। Reflex agent প্রতিক্রিয়া দেখায়; goal/utility agent আগে থেকে ভাবে; যেকোনোটিকে learning agent বানানো যায়।

১.৬Search হিসেবে সমস্যা সমাধান

একটি goal-based agent শুরু থেকে লক্ষ্যে পৌঁছানোর action sequence খুঁজে (search) সমস্যা সমাধান করে। একটি সুসংজ্ঞায়িত সমস্যার পাঁচটি অংশ:

Initial state — agent কোথা থেকে শুরু করে (যেমন ঢাকায়)।
Actions — একটি অবস্থায় কী করা যায় (পাশের শহরে যাওয়া)।
Transition model — action-এর ফলে যে অবস্থা হয়।
Goal test — এটি কি লক্ষ্য অবস্থা? (চট্টগ্রামে কিনা?)
Path cost — ধাপের খরচের যোগফল (কিমি, সময়, টাকা)।

Initial state, actions ও transition model মিলে state space তৈরি করে — একটি graph যার node হলো state আর edge হলো action। Solution হলো initial state থেকে goal পর্যন্ত একটি path; optimal solution-এর path cost সর্বনিম্ন। Search algorithm একটি search tree তৈরি করে: frontier (open list) তৈরি হয়েছে কিন্তু বিস্তার হয়নি এমন node রাখে; explored set (closed list) একই state বারবার দেখা এড়ায় (graph search)।

উদাহরণ: 8-puzzleState = 3×3 বোর্ডে ৮টি টাইল ও ফাঁকা ঘরের অবস্থান। Action = ফাঁকা ঘর Up/Down/Left/Right সরানো। Goal = টাইলগুলো ক্রমানুসারে। ধাপের খরচ = 1। পৌঁছানো সম্ভব state = 9!/2 = 181,440 — হাতে যাচাই করার জন্য অনেক বেশি, তাই ভালো search কৌশল জরুরি।

Search কৌশলের মাপকাঠি: Completeness (সমাধান থাকলে সবসময় পায়?), Optimality (সর্বনিম্ন-খরচের সমাধান পায়?), Time complexity (তৈরি হওয়া node), Space complexity (মেমরিতে রাখা node)। প্রকাশ করা হয় b = branching factor, d = সবচেয়ে অগভীর goal-এর গভীরতা, m = state space-এর সর্বোচ্চ গভীরতা দিয়ে।

১.৭Uninformed (Blind) Search

Uninformed কৌশল শুধু সমস্যার সংজ্ঞা ব্যবহার করে — কোনো state লক্ষ্যের কত কাছে সে জ্ঞান নেই।

কৌশল	ধারণা	Frontier data structure
Breadth-First (BFS)	সবচেয়ে অগভীর node আগে বিস্তার, স্তরে স্তরে	FIFO queue
Uniform-Cost (UCS)	সর্বনিম্ন path cost g(n)-এর node আগে বিস্তার (Dijkstra-র মতো)	g(n)-এর উপর priority queue
Depth-First (DFS)	সবচেয়ে গভীর node আগে বিস্তার; dead end-এ backtrack	LIFO stack (বা recursion)
Depth-Limited (DLS)	Depth limit l সহ DFS; গভীরতা l-এর node-কে leaf ধরা হয়	LIFO stack
Iterative Deepening (IDS)	goal না পাওয়া পর্যন্ত l = 0, 1, 2, … দিয়ে DLS চালানো	LIFO stack
Bidirectional	শুরু থেকে সামনে ও goal থেকে পেছনে একসাথে খোঁজা; দুটি মিললে থামা	দুটি frontier

মাপকাঠি	BFS	UCS	DFS	DLS	IDS	Bidirectional
Complete?	হ্যাঁ¹	হ্যাঁ¹,²	না	না (l < d হলে)	হ্যাঁ¹	হ্যাঁ¹,⁴
Optimal?	হ্যাঁ³	হ্যাঁ	না	না	হ্যাঁ³	হ্যাঁ³,⁴
Time	O(b^d)	O(b^{1+⌊C*/ε⌋})	O(b^m)	O(b^l)	O(b^d)	O(b^d/2)
Space	O(b^d)	O(b^{1+⌊C*/ε⌋})	O(bm)	O(bl)	O(bd)	O(b^d/2)

¹ b সসীম হলে; ² প্রতিটি ধাপের খরচ ≥ কোনো ε > 0 হলে; ³ সব ধাপের খরচ সমান হলে; ⁴ দুই দিকেই BFS হলে। C* = optimal solution-এর খরচ। পুনরাবৃত্ত state এড়ালে (graph search) সসীম state space-এ DFS complete, কিন্তু কখনোই optimal নয়।

হিসাব: BFS-এর মেমরি কেন বিস্ফোরিত হয় আর IDS-এর হয় না b = 10, d = 5। BFS তৈরি করে b + b² + … + b^d = 10 + 100 + 1,000 + 10,000 + 100,000 = 111,110টি node এবং প্রায় 10⁵টি মেমরিতে রাখে।
IDS প্রতিবার উপরের স্তরগুলো আবার তৈরি করে: d·b + (d−1)·b² + … + 1·b^d = 50 + 400 + 3,000 + 20,000 + 100,000 = 123,450টি node — সময় মাত্র প্রায় ১১% বেশি, কিন্তু মেমরি মাত্র O(bd) ≈ 50টি node।
সিদ্ধান্ত: state space বড় এবং সমাধানের গভীরতা অজানা হলে IDS-ই পছন্দের uninformed পদ্ধতি।

সাধারণ ফাঁদ • BFS কেবল সব ধাপের খরচ সমান হলে optimal; ভিন্ন খরচে UCS ব্যবহার করুন।
• DFS-এর মেমরি কম (O(bm)), কিন্তু অসীম বা চক্রযুক্ত space-এ চিরকাল চলতে পারে।
• সব ধাপের খরচ সমান হলে UCS, BFS-এর মতো আচরণ করে।

১.৮Informed (Heuristic) Search ও A*

Informed search একটি heuristic function h(n) ব্যবহার করে = node n থেকে goal পর্যন্ত সবচেয়ে সস্তা path-এর আনুমানিক খরচ (h(goal) = 0)। এটি evaluation function f(n) দিয়ে node বেছে নেয়।

Algorithm	f(n)	Complete?	Optimal?	মন্তব্য
Uniform-cost (তুলনার জন্য)	g(n)	হ্যাঁ	হ্যাঁ	লক্ষ্যের দিক উপেক্ষা করে
Greedy best-first	h(n)	না (সসীম space-এ graph search হলে হ্যাঁ)	না	দ্রুত, সোজা লক্ষ্যের দিকে যায়; বিভ্রান্ত হতে পারে
A*	g(n) + h(n)	হ্যাঁ¹	h admissible হলে হ্যাঁ (tree search) / consistent হলে (graph search)	একই h-বিশিষ্ট optimal algorithm-গুলোর মধ্যে সবচেয়ে কম node বিস্তার করে; প্রধান দুর্বলতা মেমরি (exponential)

¹ সসীম branching factor ও ধাপের খরচ ≥ ε > 0 হলে। মেমরি-সাশ্রয়ী রূপ: IDA* (iterative-deepening A*), SMA* (simplified memory-bounded A*)।

A*-এর সূত্র f(n) = g(n) + h(n) — g(n) = শুরু থেকে n পর্যন্ত প্রকৃত খরচ; h(n) = n থেকে goal পর্যন্ত আনুমানিক খরচ; f(n) = n-এর মধ্য দিয়ে সবচেয়ে সস্তা সমাধানের আনুমানিক খরচ।
Admissible: প্রতিটি n-এর জন্য h(n) ≤ h*(n) (প্রকৃত খরচ h*-এর চেয়ে কখনো বেশি অনুমান করে না)। উদাহরণ: মানচিত্রে সরলরেখার দূরত্ব।
Consistent (monotone): প্রতিটি successor n′-এর জন্য h(n) ≤ c(n, n′) + h(n′) (triangle inequality)। Consistent ⇒ admissible (উল্টোটা নয়)।
বিশেষ ক্ষেত্র: h = 0 ⇒ A* = UCS; শুধু f = h ⇒ greedy; f = g + w·h, w > 1 ⇒ weighted A* (দ্রুত, optimality হারাতে পারে)।

8-puzzle-এর heuristic Goal: 1 2 3 / 4 5 6 / 7 8 _ । State: 5 1 3 / 4 2 6 / 7 8 _ ।
h₁ = ভুল জায়গার টাইল (misplaced tiles): 5, 1, 2 ভুল জায়গায় → h₁ = 3।
h₂ = Manhattan distance (প্রতিটি টাইলের সারি + কলাম চালের যোগফল): 5 → 2, 1 → 1, 2 → 1 → h₂ = 4।
দুটিই admissible (প্রতিটি ভুল টাইলের অন্তত একটি চাল, এবং অন্তত তার Manhattan distance সমান চাল লাগে)। প্রতিটি state-এ h₂ ≥ h₁, তাই h₂, h₁-কে dominate করে — h₂-সহ A* কখনো বেশি node বিস্তার করে না। নিয়ম: সবচেয়ে বড় admissible heuristic বেছে নিন।

A*-এর ধাপে ধাপে উদাহরণ

▶ ধাপে ধাপে অ্যানিমেশন: A* vs greedy best-first on this graph

চিত্র ১.২: উদাহরণের directed graph — শুরু S, লক্ষ্য G (h admissible ও consistent)

G পর্যন্ত প্রকৃত সর্বনিম্ন খরচ: C = 3, B = 5, A = 7, S = 8, তাই প্রতিটি h ≤ প্রকৃত খরচ (admissible); প্রতিটি edge-এ h(n) ≤ c + h(n′)-ও সত্য (consistent)।

ধাপ	বিস্তার (সর্বনিম্ন f)	নতুন / হালনাগাদ node: g + h = f	ধাপের পর frontier
0	—	S: 0 + 7 = 7	S(7)
1	S	A: 1 + 6 = 7; B: 4 + 4 = 8	A(7), B(8)
2	A	A হয়ে B: 3 + 4 = 7 (8-এর চেয়ে ভালো, হালনাগাদ); C: 6 + 2 = 8; G: 13 + 0 = 13	B(7), C(8), G(13)
3	B	B হয়ে C: 5 + 2 = 7 (8-এর চেয়ে ভালো, হালনাগাদ)	C(7), G(13)
4	C	C হয়ে G: 8 + 0 = 8 (13-এর চেয়ে ভালো, হালনাগাদ)	G(8)
5	G — goal নির্বাচিত, থামুন	Path S → A → B → C → G, খরচ 1 + 2 + 2 + 3 = 8 (optimal)

একই graph, অন্য algorithm Greedy (f = h): S → B (h 4 < 6) → C (h 2) → G: path S → B → C → G, খরচ 4 + 2 + 3 = 9 — দ্রুত কিন্তু optimal নয়।
BFS (সবচেয়ে কম edge): A হয়ে গভীরতা 2-এ G পায়: S → A → G, খরচ 1 + 12 = 13 — সবচেয়ে কম ধাপ, সবচেয়ে বেশি খরচ।
UCS (f = g): এটিও খরচ 8 দেয়। এই ছোট graph-এ এটি A*-এর সমান node বিস্তার করে; বড় মানচিত্রে ভালো h থাকায় A* সেই বেশিরভাগ node এড়িয়ে যায় যা UCS বিস্তার করত।
নিয়ম: goal test প্রয়োগ হয় node যখন বিস্তারের জন্য নির্বাচিত হয় তখন, তৈরি হওয়ার সময় নয় — তাই ধাপ 2-এ G(13) গ্রহণ করা হয়নি।

বিগত প্রশ্ন BSCS AP 17.01.2026 Construct a logical argument explaining why a heuristic search (like A*) might be faster than a blind search (like BFS), even if it doesn't guarantee the absolute perfect path in all cases. (10)

সংক্ষিপ্ত উত্তর:

BFS অন্ধ (blind): লক্ষ্য কোথায় তা উপেক্ষা করে স্তরে স্তরে সব দিকে ছড়ায়; O(b^d) node পরীক্ষা ও মেমরিতে রাখে। কেবল সব edge-এর খরচ সমান হলে optimal।
A* অভিমুখী (directed): সর্বনিম্ন f(n) = g(n) + h(n)-এর node বিস্তার করে। লক্ষ্য থেকে দূরে সরে যাওয়া path-এর h বড় হয়, তাই সেগুলো দেরিতে বা কখনোই বিস্তার হয় না — search space ছেঁটে ফেলা (pruning) হয় এবং খোঁজ লক্ষ্যের দিকে একটি সরু "করিডর" অনুসরণ করে। h যত নিখুঁত, তত কম node বিস্তার হয়।
নিখুঁত পথের নিশ্চয়তা কেন না-ও থাকতে পারে: A* কেবল h admissible হলে (graph search-এ consistent-ও) optimal। দ্রুততার জন্য বাস্তব সিস্টেম প্রায়ই inadmissible বা weighted heuristic (f = g + w·h, w > 1) অথবা greedy search (f = h) ব্যবহার করে। এগুলো দ্রুত লক্ষ্যের দিকে ছোটে এবং সামান্য দীর্ঘ পথ দিতে পারে — সময় ও মেমরি বনাম optimality-র trade-off। (চিত্র ১.২: greedy খরচ 8-এর বদলে 9 পায়।)
উদাহরণ: সরলরেখার দূরত্বকে h ধরে ঢাকা → চট্টগ্রাম: BFS রাজশাহী, ময়মনসিংহ, খুলনাও ঘাঁটে; A* মূলত কুমিল্লা–ফেনী দিক দিয়ে যায় এবং অনেক কম শহর পরীক্ষা করে।

পূর্ণ উত্তর: AP notes §২.২।

১.৯Adversarial Search: Minimax ও Alpha-Beta Pruning

পূর্ণ তথ্যযুক্ত দুই-খেলোয়াড়ের zero-sum খেলায় (দাবা, tic-tac-toe) একজন খেলোয়াড় (MAX) utility সর্বোচ্চ করতে চায় এবং প্রতিপক্ষ (MIN) তা সর্বনিম্ন করতে চায়। Game tree-তে MAX ও MIN স্তর পর্যায়ক্রমে আসে; leaf হলো utility মানসহ terminal state।

Minimax: node-এর মান = utility (terminal হলে); সন্তানদের max (MAX node); সন্তানদের min (MIN node)। Depth-first recursion দিয়ে গণনা হয়। Time O(b^m), space O(bm)। ধরে নেয় প্রতিপক্ষ সর্বোত্তমভাবে খেলে।

চিত্র ১.৩: Minimax মান (MIN = 3, 2, 2 → MAX = 3) এবং alpha-beta-তে বাদ পড়া দুটি leaf

Alpha-beta pruning minimax-এর সমান move দেয়, কিন্তু যে শাখা সিদ্ধান্তে প্রভাব ফেলতে পারে না সেগুলো বাদ দেয়। α = path-এ এখন পর্যন্ত MAX যে সর্বোচ্চ মান নিশ্চিত করতে পারে; β = এখন পর্যন্ত MIN যে সর্বনিম্ন মান নিশ্চিত করতে পারে। α ≥ β হলে prune করুন।

চিত্র ১.৩-এর ধাপ প্রথম MIN node: min(3, 12, 8) = 3 → root α = 3।
দ্বিতীয় MIN node: প্রথম leaf 2, তাই এই node-এর মান ≤ 2। MAX-এর কাছে আগেই 3 আছে, তাই সে কখনো এই শাখা বেছে নেবে না (β = 2 ≤ α = 3) → leaf 4 ও 6 prune হয়।
তৃতীয় MIN node: 14, 5, 2 সবই দেখতে হয় (14 ও 5 তিনের বেশি; কেবল শেষ leaf 2 দেখায় এটি খারাপ) → মান 2।
Root = max(3, ≤2, 2) = 3 — সাধারণ minimax-এর সমান।

নিখুঁত move ordering-এ alpha-beta O(b^m)-এর বদলে প্রায় O(b^m/2) node পরীক্ষা করে — একই সময়ে প্রায় দ্বিগুণ গভীরে খুঁজতে পারে। বাস্তব game program নির্দিষ্ট গভীরতায় থেমে প্রকৃত utility-র বদলে একটি evaluation function (যেমন দাবায় ঘুঁটির মান গণনা) ব্যবহার করে।

১.১০Knowledge Representation ও Reasoning; Expert System

একটি knowledge-based agent formal ভাষায় বাক্যের একটি knowledge base (KB) রাখে এবং inference পদ্ধতি দিয়ে নতুন বাক্য বের করে (TELL ও ASK)।

Propositional logic

Atomic proposition (P, Q) যা হয় সত্য না হয় মিথ্যা, connective দিয়ে যুক্ত: ¬ (NOT), ∧ (AND), ∨ (OR), ⇒ (implies), ⇔ (if and only if)।

P	Q	P ⇒ Q	P ⇔ Q
T	T	T	T
T	F	F	F
F	T	T	F
F	F	T	T

মূল সমতা ও নিয়ম P ⇒ Q ≡ ¬P ∨ Q ≡ ¬Q ⇒ ¬P (contrapositive)
De Morgan: ¬(P ∧ Q) ≡ ¬P ∨ ¬Q; ¬(P ∨ Q) ≡ ¬P ∧ ¬Q
Modus Ponens: P ⇒ Q, P ⊢ Q
Modus Tollens: P ⇒ Q, ¬Q ⊢ ¬P
Resolution: P ∨ Q, ¬Q ∨ R ⊢ P ∨ R
Tautology = সবসময় সত্য; contradiction = সবসময় মিথ্যা; satisfiable = অন্তত একটি model-এ সত্য।

First-order (predicate) logic

যোগ করে object (constant: Rahim, Sonali), predicate (Customer(x), Owns(x, y)), function (BranchOf(x)), variable ও quantifier: ∀ (for all — সকলের জন্য) ও ∃ (there exists — অন্তত একটি আছে)। এটি সব object সম্পর্কে এমন কথা বলতে পারে যা propositional logic সংক্ষেপে প্রকাশ করতে পারে না।

বাংলা	First-order logic
ঋণ আছে এমন প্রত্যেক গ্রাহক সুদ দেন।	∀x (Customer(x) ∧ HasLoan(x) ⇒ PaysInterest(x))
কিছু ঋণ খেলাপি।	∃x (Loan(x) ∧ Defaulted(x))
কোনো গ্রাহক প্রতারক নন।	∀x (Customer(x) ⇒ ¬Fraudster(x)) ≡ ¬∃x (Customer(x) ∧ Fraudster(x))

সাধারণ ফাঁদ∀-এর সাথে ⇒, ∃-এর সাথে ∧। "∀x (Customer(x) ∧ PaysInterest(x))" ভুলভাবে বলে মহাবিশ্বের সবকিছুই গ্রাহক; "∃x (Loan(x) ⇒ Defaulted(x))" কোনো ঋণ না থাকলেও সত্য হয়ে যায়।

অন্যান্য উপস্থাপন: production rule (IF condition THEN action), semantic network (node ও is-a-এর মতো লেবেলযুক্ত link, inheritance সহ), frame (slot ও filler-সহ object, class-এর মতো), ontology (ধারণা ও সম্পর্কের যৌথ শব্দভান্ডার)।

Expert system

Expert system হলো এমন প্রোগ্রাম যা একটি সংকীর্ণ ক্ষেত্রে মানব বিশেষজ্ঞের জ্ঞান ধারণ করে বিশেষজ্ঞ-মানের পরামর্শ বা সিদ্ধান্ত দেয়। ক্লাসিক উদাহরণ: DENDRAL (রসায়ন), MYCIN (ব্যাকটেরিয়াজনিত সংক্রমণ নির্ণয়), XCON/R1 (কম্পিউটার অর্ডার configure করা)।

উপাদান	ভূমিকা
Knowledge base	বিশেষজ্ঞদের কাছ থেকে নেওয়া ক্ষেত্রভিত্তিক তথ্য ও IF–THEN rule
Inference engine	Fact-এর উপর rule প্রয়োগ করে সিদ্ধান্তে পৌঁছায় (forward বা backward chaining); rule-এর দ্বন্দ্ব মেটায়
Working memory	বর্তমান case-এর fact
User interface	ব্যবহারকারীর কাছ থেকে প্রশ্ন/fact নেয়, পরামর্শ দেখায়
Explanation facility	"কেন?" ও "কীভাবে?"-এর উত্তর দেয় — ব্যবহৃত rule দেখায়
Knowledge acquisition	Knowledge engineer-কে rule যোগ ও হালনাগাদ করতে সাহায্য করে

ভিত্তি	Forward chaining	Backward chaining
দিক	Fact → সিদ্ধান্ত (data-driven)	Goal/অনুমান → সমর্থনকারী fact (goal-driven)
শুরু	জানা fact দিয়ে; যে rule-এর IF অংশ পূরণ হয় সেটিই চালায় (fire)	একটি goal দিয়ে; যে rule-এর THEN অংশ goal-এর সাথে মেলে সেটি খুঁজে তার IF অংশ প্রমাণের চেষ্টা করে
উপযোগী	Monitoring, control, planning, alert তৈরি	রোগনির্ণয় (diagnosis), নির্দিষ্ট প্রশ্নের উত্তর
উদাহরণ	Production system (যেমন CLIPS, Rete-ভিত্তিক engine)	Prolog; MYCIN

উদাহরণ: ঋণ অনুমোদনের rule R1: IF Salary ≥ 50,000 AND NoDefaultHistory THEN GoodCredit
R2: IF GoodCredit AND HasCollateral THEN ApproveLoan
Fact: Salary = 60,000; NoDefaultHistory; HasCollateral।
Forward: R1-এর IF অংশ সত্য → GoodCredit যোগ → R2-এর IF অংশ সত্য → ApproveLoan যোগ।
Backward: Goal ApproveLoan? → R2-এর জন্য লাগবে GoodCredit ও HasCollateral। HasCollateral একটি fact; GoodCredit? → R1-এর জন্য লাগবে Salary ≥ 50,000 (fact) ও NoDefaultHistory (fact) → প্রমাণিত → ApproveLoan।

১.১১Fuzzy Logic — সংক্ষেপে

প্রবর্তক Lotfi Zadeh (১৯৬৫)। ক্লাসিক্যাল (crisp) logic-এ একটি বাক্য 0 বা 1; fuzzy logic-এ থাকে সত্যের মাত্রা / membership μ ∈ [0, 1]। "উচ্চ আয়", "গরম", "ঝুঁকিপূর্ণ"-এর মতো অস্পষ্ট ধারণার জন্য উপযোগী।

প্রচলিত (Zadeh) fuzzy operator AND: μ_A∧B = min(μ_A, μ_B)
OR: μ_A∨B = max(μ_A, μ_B)
NOT: μ_¬A = 1 − μ_A

উদাহরণ: ঋণ ঝুঁকি μ_HighIncome(আবেদনকারী) = 0.6; μ_GoodHistory = 0.8।
Rule: IF HighIncome AND GoodHistory THEN LowRisk → শক্তি = min(0.6, 0.8) = 0.6।
HighIncome OR GoodHistory = max = 0.8; NOT HighIncome = 0.4।

Fuzzy inference system: Fuzzification (membership function, যেমন triangular, দিয়ে crisp input → membership মাত্রা) → rule evaluation (min/max-সহ IF–THEN rule) → aggregation → defuzzification (fuzzy output → একটি crisp সংখ্যা, সাধারণত centroid পদ্ধতি)। প্রচলিত মডেল: Mamdani ও Sugeno। ব্যবহার: যন্ত্রপাতি ও শিল্প controller (washing machine, air conditioner), decision support, risk scoring।

Fuzzy ≠ probabilityμ = 0.7 "লম্বা" মানে ব্যক্তিটি 0.7 মাত্রায় লম্বা (অস্পষ্টতা)। Probability 0.7 মানে একটি crisp ঘটনা ঘটার সম্ভাবনা ৭০% (অনিশ্চয়তা)।

১.১২বাংলাদেশের ব্যাংকিং ও সরকারি খাতে AI-এর প্রয়োগ

ক্ষেত্র	AI কৌশল	সাধারণ ব্যবহার
Fraud detection ও AML	Supervised ML, anomaly detection, rule + score	Card, MFS ও internet-banking লেনদেনের real-time scoring; সন্দেহজনক প্যাটার্ন compliance পর্যালোচনার জন্য চিহ্নিত করা
Credit scoring	ML classification, কখনো rule-based expert system	ঋণ/SME ঋণের সিদ্ধান্ত, credit history নেই এমন গ্রাহকের জন্য বিকল্প ডেটাসহ
e-KYC ও onboarding	Computer vision (face matching, liveness), OCR	Selfie-কে NID ছবির সাথে মেলানো; NID/ফর্ম স্বয়ংক্রিয়ভাবে পড়া
গ্রাহকসেবা	NLP chatbot, LLM assistant, speech recognition (বাংলা ও ইংরেজি)	ব্যালান্স, কার্ড ব্লক, FAQ-এর ২৪/৭ উত্তর; মানুষের কাছে হস্তান্তর
Document processing	OCR, NLP classification ও extraction	চেক প্রসেসিং, trade-finance ডকুমেন্ট, সরকারি নথি ও আবেদন নিষ্পত্তি
Cybersecurity ও IT operations	Anomaly detection, log analytics	অস্বাভাবিক login ও network traffic শনাক্ত করা; ATM/server বিকলের পূর্বাভাস
সরকারি সেবা	Chatbot, NLP, analytics, optimisation	নাগরিক হেল্পডেস্ক, সেবা-অনুরোধ routing, পরিকল্পনা ও পূর্বাভাস

ঝুঁকি ও governance (প্রতিটি প্রয়োগ-উত্তরে লিখুন) Bias ও fairness — পক্ষপাতদুষ্ট ডেটায় প্রশিক্ষিত মডেল বৈষম্য করতে পারে। Explainability — প্রত্যাখ্যাত ঋণ আবেদনকারীর কারণ জানা দরকার। Data privacy ও security — গ্রাহক ও নাগরিকের ডেটা সুরক্ষিত রাখতে হবে। Human oversight — বড় প্রভাবের সিদ্ধান্তে মানুষকে যুক্ত রাখা (human in the loop)। Model risk management — validation, drift পর্যবেক্ষণ, audit trail। নতুন হুমকি — e-KYC বা কর্মীকে ধোঁকা দিতে deepfake voice/video। অন্তর্ভুক্তির জন্য বাংলা ভাষা সমর্থন ও ডিজিটাল সাক্ষরতা গুরুত্বপূর্ণ।

⚠ নির্দিষ্ট ব্যাংকের প্রয়োগ, জাতীয় AI নীতির সংস্করণ ও পরিসংখ্যান প্রায়ই বদলায়; কেবল সরকারি, তারিখযুক্ত উৎস থেকে উদ্ধৃত করুন।

১.১৩লিখিত অনুশীলন

প্রশ্ন ১Define a rational agent. Describe the PEAS of a bank fraud-detection agent and classify its task environment. (10)

মডেল উত্তর: Rational agent প্রতিটি percept sequence-এর জন্য তার percept ও অন্তর্নির্মিত জ্ঞানের ভিত্তিতে এমন action বেছে নেয় যা performance measure সর্বোচ্চ করবে বলে প্রত্যাশিত (rational ≠ সর্বজ্ঞ)। PEAS: P — ধরা পড়া জালিয়াতি, কম false-positive হার, গ্রাহকের কম ভোগান্তি, দ্রুত সিদ্ধান্ত; E — লেনদেনের stream (card, MFS, internet banking), গ্রাহক, প্রতারক; A — approve, decline, hold, OTP/alert পাঠানো, case খোলা; S — লেনদেনের বিবরণ, device ID, location, গ্রাহকের ইতিহাস। Environment: partially observable (প্রতারকের উদ্দেশ্য লুকানো), multi-agent (প্রতারক কৌশল বদলায়), stochastic, sequential (অতীত প্যাটার্ন সিদ্ধান্তকে প্রভাবিত করে), dynamic (লেনদেন আসতেই থাকে), এবং কার্যত continuous (পরিমাণ, সময়)। সেরা নকশা: একটি learning, utility-based agent, যা জালিয়াতির ক্ষতি ও প্রকৃত গ্রাহককে আটকানোর খরচের মধ্যে ভারসাম্য রাখে।

প্রশ্ন ২Compare BFS, DFS, uniform-cost search and iterative deepening search on completeness, optimality, time and space. When would you choose IDS? (10)

মডেল উত্তর: §১.৭-এর টেবিল আঁকুন। BFS: complete, সমান ধাপ-খরচে optimal, O(b^d) time ও space — মেমরিই সমস্যা। DFS: O(bm) space, কিন্তু অসীম/চক্রযুক্ত space-এ incomplete এবং optimal নয়। UCS: যেকোনো ধনাত্মক ধাপ-খরচে complete ও optimal, g(n) অনুযায়ী বিস্তার, O(b^{1+⌊C*/ε⌋})। IDS: ক্রমবর্ধমান limit দিয়ে DLS বারবার চালায় — BFS-এর মতো complete ও (সমান খরচে) optimal, DFS-এর মতো O(bd) মেমরি; অতিরিক্ত খরচ সামান্য (b = 10, d = 5: 123,450 বনাম 111,110 node)। state space বড়, সমাধানের গভীরতা অজানা ও ধাপ-খরচ সমান হলে IDS বেছে নিন।

প্রশ্ন ৩Explain the minimax algorithm and alpha-beta pruning with an example game tree. Why does pruning not change the result? (10)

মডেল উত্তর: MAX/MIN ও minimax মানের সংজ্ঞা (§১.৯), তারপর চিত্র ১.৩: MIN মান 3, 2, 2 → root 3। α-β-তে: প্রথম শাখার পর α = 3; দ্বিতীয় শাখায় প্রথম leaf 2 ওই MIN node-কে ≤ 2 ≤ α করে, তাই leaf 4 ও 6 prune হয়। Pruning নিরাপদ, কারণ বাদ পড়া শাখা MAX-কে কেবল এমন মান দিতে পারে যা MAX কখনো বেছে নেবে না (বা MIN কখনো হতে দেবে না) — root-এর minimax মান অপরিবর্তিত থাকে। ভালো move ordering-এ খরচ O(b^m) থেকে প্রায় O(b^m/2)-এ নামে, ফলে প্রোগ্রাম প্রায় দ্বিগুণ গভীরে খুঁজতে পারে।

প্রশ্ন ৪What is an expert system? Describe its components and distinguish forward and backward chaining with an example. (10)

মডেল উত্তর: সংজ্ঞা ও উদাহরণ (MYCIN, DENDRAL, XCON)। উপাদান: knowledge base, inference engine, working memory, user interface, explanation facility, knowledge-acquisition module (knowledge engineer)। Forward chaining data-driven (fact → সিদ্ধান্ত; monitoring, alert); backward chaining goal-driven (goal → fact; diagnosis, Prolog, MYCIN)। §১.১০-এর ঋণ অনুমোদনের উদাহরণ নিয়ে দুটি ধাপই দেখান। সীমাবদ্ধতা: knowledge-acquisition bottleneck, নিজের ক্ষেত্রের বাইরে ভঙ্গুর, rule রক্ষণাবেক্ষণ লাগে, ML-এর সাথে যুক্ত না হলে শেখে না।

১.১৪MCQ অনুশীলন

1. "Artificial Intelligence" শব্দটির প্রবর্তক কে?

উত্তর: (খ) — ১৯৫৬ সালের Dartmouth workshop-এর ১৯৫৫ সালের proposal-এ।

2. Turing test AI-এর কোন পদ্ধতির অন্তর্ভুক্ত?

উত্তর: (গ) — এটি আচরণ বিচার করে, চিন্তার প্রক্রিয়া নয়।

3. CAPTCHA কিসের উদাহরণ?

উত্তর: (খ) — কম্পিউটার যাচাই করে ব্যবহারকারী মানুষ কিনা।

4. যে chess engine কেবল দাবা খেলতে পারে তা কিসের উদাহরণ?

উত্তর: (ক) — একটি কাজের জন্য বিশেষায়িত।

5. কোন নেস্টিংটি সঠিক?

উত্তর: (খ) — deep learning, machine learning-এর উপসেট, আর machine learning, AI-এর উপসেট।

6. PEAS-এ "A" অক্ষরটি কী বোঝায়?

উত্তর: (গ) — Performance, Environment, Actuators, Sensors।

7. Poker খেলার environment হলো —

উত্তর: (খ) — প্রতিপক্ষের তাস লুকানো এবং তাস বণ্টন দৈব।

8. যে agent condition–action rule দিয়ে কেবল বর্তমান percept-এর উপর কাজ করে তা —

উত্তর: (ক) — অতীত percept-এর কোনো স্মৃতি নেই।

9. Learning agent-এর কোন উপাদান অনুসন্ধানমূলক (exploratory) action প্রস্তাব করে?

উত্তর: (গ) — শেখার জন্য নতুন অভিজ্ঞতা প্রস্তাব করে।

10. Breadth-first search তার frontier-এর জন্য কোন data structure ব্যবহার করে?

উত্তর: (খ) — DFS ব্যবহার করে stack (LIFO)।

11. Depth-first search-এর space complexity —

উত্তর: (খ) — কেবল বর্তমান path ও তার sibling-গুলো রাখে।

12. কোন search BFS-এর completeness ও DFS-এর কম মেমরি একত্র করে?

উত্তর: (গ) — space O(bd), complete এবং সমান ধাপ-খরচে optimal।

13. Uniform-cost search কোনটি সর্বনিম্ন এমন node বিস্তার করে?

উত্তর: (খ) — শুরু থেকে path cost।

14. A* search-এ evaluation function f(n) হলো —

উত্তর: (গ) — এ পর্যন্ত প্রকৃত খরচ যোগ goal পর্যন্ত আনুমানিক খরচ।

15. একটি heuristic admissible হয় যদি তা —

উত্তর: (ক) — h(n) ≤ h*(n); এটি A*-এর optimality নিশ্চিত করে (tree search)।

16. সব node-এর জন্য h(n) = 0 হলে A* কিসের মতো আচরণ করে?

উত্তর: (গ) — f(n) = g(n)।

17. Expert system-এর কোন উপাদান fact-এর উপর rule প্রয়োগ করে সিদ্ধান্তে পৌঁছায়?

উত্তর: (খ) — এটি forward বা backward chaining করে।

18. Alpha-beta pruning সম্পর্কে কোন বক্তব্যটি সঠিক?

উত্তর: (খ) — বাদ পড়া শাখা সিদ্ধান্তে প্রভাব ফেলতে পারে না।

19. Backward chaining-কে সবচেয়ে ভালোভাবে বর্ণনা করে —

উত্তর: (খ) — goal থেকে শুরু করে fact-এর দিকে পেছনে যায়।

20. Zadeh-এর প্রচলিত operator অনুযায়ী μ_A = 0.6 ও μ_B = 0.8 হলে μ_{A AND B} = —

উত্তর: (খ) — AND = min(0.6, 0.8)।