ٹیک کمپنیاں انسانوں کو Ai کی مدد کے لئے کیوں استعمال کررہی ہیں بین ڈکسن

"اینڈریو انگرام" ایک ڈیجیٹل اسسٹنٹ ہے جو آپ کے ای میلز کو اسکین کرتا ہے ، ملاقاتوں اور تقرریوں کے لئے شیڈولنگ آئیڈیاز دیتا ہے جن سے آپ اپنے ساتھی کارکنوں کے ساتھ تبادلہ خیال کرتے ہیں ، کام طے کرتے ہیں ، اور بہت ہی کم مدد کے ساتھ متعلقہ فریقوں کو دعوت نامے بھیجتے ہیں۔ یہ X.ai ، جدید ، کی اعلی درجے کی مصنوعی ذہانت صلاحیتوں کا استعمال کرتا ہے یارک پر مبنی ابتدائیہ جو AI کے معاونین کی ترقی میں مہارت رکھتا ہے۔ جو مسائل اس سے حل ہوتے ہیں وہ لوگوں (جیسے مجھ) کے گندے شیڈول کے ساتھ بہت وقت اور مایوسی کو بچا سکتے ہیں۔

لیکن مئی میں شائع ہونے والی ایک وائرڈ کہانی کے مطابق ، اینڈریو انگرام کے پیچھے ذہانت مکمل طور پر مصنوعی نہیں ہے۔ اس کی حمایت منیلا کے نواح میں ایک انتہائی محفوظ عمارت میں 40 فلپائنوں کے گروپ نے حاصل کی ہے جو اے آئی کے طرز عمل کی نگرانی کرتی ہے اور جب بھی اسسٹنٹ معاملے میں کام کرتا ہے تو اسے سنبھال نہیں سکتا ہے۔

اگرچہ یہ خیال کہ آپ کے ای میلز کو حقیقی لوگوں کے ذریعہ اسکین کیا جارہا ہے تو یہ عجیب و غریب آواز ہوسکتی ہیں ، لیکن یہ ایسی بہت سی کمپنیوں میں عام رواج بن چکی ہے جو اپنے صارفین کو اے آئی خدمات مہیا کرتی ہیں۔ وال اسٹریٹ جرنل کے ایک حالیہ مضمون میں متعدد فرموں کو بے نقاب کیا گیا ہے جو اپنے ملازمین کو نئی خصوصیات کی تشکیل اور اپنے AI کی تربیت کرنے کے لئے کسٹمر کے ای میلوں تک رسائی حاصل کرنے اور پڑھنے دیتی ہیں جن کا معاملہ پہلے کبھی نہیں دیکھا تھا۔

"وزرڈ آف اوز" تکنیک یا چھدم AI کہلاتا ہے ، انسانوں کو اے آئی الگورتھمز کی کوتاہیوں کو ختم کرنے کے لئے خاموشی سے استعمال کرنے کا رواج کچھ گہری چیلنجوں پر روشنی ڈالتا ہے جن کا سامنا اے آئی کی صنعت سے ہے۔

وسیع مسائل کے لئے AI تیار نہیں ہے

حالیہ برسوں میں زیادہ تر AI بدعات کے پیچھے گہری سیکھنے والے الگورتھم اور اعصابی نیٹ ورک ہیں۔ گہری اعصابی نیٹ ورک معلومات کی درجہ بندی کرنے میں بہت موثر ہیں۔ بہت سے معاملات میں ، جیسے آواز اور چہرے کی شناخت یا ایم آر آئی اور سی ٹی اسکینوں میں کینسر کی نشاندہی کرنا ، وہ انسانوں کو پیچھے چھوڑ سکتے ہیں۔

لیکن اس کا مطلب یہ نہیں ہے کہ گہری سیکھنے اور عصبی نیٹ ورک کسی بھی کام کو انجام دے سکتے ہیں جو انسان کر سکتے ہیں۔

"گہری سیکھنے ہمیں تاثرات کے مسئلے کو حل کرنے کی اجازت دے رہی ہے۔ یہ ایک بہت بڑی بات ہے کیونکہ 60 سال پہلے کے آغاز سے ہی خیالات نے AI کو محدود کردیا ہے ،" ڈیپگرامر کے کوفاؤنڈر اور سی ای او جوناتھن موگن کہتے ہیں۔ "تاثراتی مسئلے کو حل کرنے سے آخر کار آواز کو پہچاننے اور روبوٹکس جیسی چیزوں کے لئے AI مفید ہو گیا ہے۔"

تاہم ، Mugan نوٹ ، خیال صرف مسئلہ نہیں ہے. گہری سیکھنے کی جدوجہد جہاں کامننس استدلال اور افہام و تفہیم شامل ہے۔

وہ کہتے ہیں ، "گہری تعلیم اس مسئلے میں ہماری مدد نہیں کرتی ہے۔ "ہم زبان کو ادراک کی پریشانی کے طور پر علاج کرتے ہوئے NLP (قدرتی زبان پروسیسنگ) میں کچھ پیشرفت کر چکے ہیں۔ یعنی الفاظ اور جملے کو ویکٹر میں تبدیل کرتے ہیں۔ اس سے ہمیں درجہ بندی اور مشین ترجمہ کے متن کی بہتر نمائندگی کرنے کی اجازت مل گئی ہے (جب بہت کچھ ہوتا ہے) اعداد و شمار) ، لیکن اس سے کامنینس استدلال میں مدد نہیں ملتی۔ یہی وجہ ہے کہ چیٹ بوٹس بڑے پیمانے پر ناکام ہوچکی ہیں۔ "

سبھی گہری سیکھنے کی ایپلی کیشنز کو درپیش ایک بنیادی پریشانی یہ ہے کہ ان کے اے آئی ماڈل کو تربیت دینے کے لئے صحیح اعداد و شمار جمع کرنا ہے۔ کوشش اور اعداد و شمار جو کسی کام کو انجام دینے کے ل a اعصابی نیٹ ورک کی تربیت میں جاتے ہیں اس پر منحصر ہوتا ہے کہ مسئلہ کی جگہ کتنی وسیع ہے اور درستگی کی کس سطح کی ضرورت ہے۔

مثال کے طور پر ، تصویر کی درجہ بندی کی درخواست جیسے HBO کی سلیکن ویلی کا نہٹ ڈاٹ ایپ ایک بہت ہی تنگ اور مخصوص کام کرتا ہے: یہ آپ کو بتاتا ہے کہ آیا آپ کے اسمارٹ فون کا کیمرا ہاٹ ڈاگ دکھا رہا ہے یا نہیں۔ کافی ہاٹ ڈاگ امیجز کے ساتھ ، ایپ کی AI اعلی سطح کی درستگی کے ساتھ اپنے انتہائی اہم کام انجام دے سکتی ہے۔ اور یہاں تک کہ اگر یہ ہر ایک میں ایک بار غلطی کرتا ہے تو ، اس سے کسی کو تکلیف نہیں ہوگی۔

لیکن دیگر اے آئی ایپلی کیشنز ، جیسے ایک X.ai تیار کررہی ہے ، بہت زیادہ وسیع تر پریشانیوں سے نمٹ رہی ہے ، جس کا مطلب ہے کہ ان کو بہت ساری معیاری مثالوں کی ضرورت ہے۔ نیز ، غلطیوں کے لئے ان کی رواداری بہت کم ہے۔ ہاٹ ڈاگ کے لئے ککڑی کو غلط سمجھنا اور کسی غلط وقت پر ایک اہم کاروباری میٹنگ کو طے کرنا میں کافی فرق ہے۔

بدقسمتی سے ، کوالٹی کوائف ایسی شے نہیں ہے جس کی تمام کمپنیوں کے پاس مال ہے۔

ڈاکٹر اسٹیو مارش کا کہنا ہے کہ ، "انگوٹھے کی حکمرانی یہ ہے کہ جتنی زیادہ عام طور پر کسی مسئلے کو حل کرنے کی کوشش کر رہے ہیں ، اتنے ہی زیادہ واقعات یا غیر معمولی سلوک جو ہوسکتا ہے۔ اس کا لازمی مطلب یہ ہے کہ آپ کو ہر چیز کو ڈھکنے کے ل vast زیادہ تربیت کی مثالوں کی ضرورت ہوگی ،" جیسپوک پر سی ٹی او "عام طور پر ابتدائی طور پر بہت بڑی تعداد میں تربیت کے اعداد و شمار تک رسائی حاصل نہیں ہوتی ہے ، لہذا وہ ماڈل جو وہ ممکنہ طور پر تشکیل دے سکتے ہیں وہ بہت اچھے اور آسانی سے ٹوٹنے والے ہوں گے ، جو عام طور پر ان کی توقعات کے مطابق نہیں رہتے ہیں۔"

اس طرح کی معلومات کی دولت صرف فیس بک اور گوگل جیسی بڑی کمپنیوں کے قبضے میں ہے ، جو برسوں سے اربوں صارفین کا ڈیٹا اکٹھا کررہی ہے۔ چھوٹی کمپنیوں کو تربیت کا ڈیٹا حاصل کرنے یا بنانے کے ل large بڑی رقم ادا کرنا پڑتی ہے ، اور اس سے ان کی درخواست لانچ میں تاخیر ہوتی ہے۔ متبادل یہ ہے کہ ویسے بھی لانچ کریں اور اپنی اے آئی کو مکھی پر تربیت دینا شروع کریں ، انسانی ٹرینرز اور براہ راست صارفین کے ڈیٹا کا استعمال کرتے ہوئے اور امید ہے کہ آخر کار ، اے آئی انسانوں پر کم انحصار کریں گے۔

مثال کے طور پر ، کیلیفورنیا میں قائم ایڈیسن سوفٹ ویئر ، جو ای میلز کے انتظام کے ل apps ایپس تیار کرتی ہے ، نے اپنے ملازمین کو "سمارٹ جواب" خصوصیت تیار کرنے کے لئے اپنے مؤکلوں کے ای میلز کو پڑھ لیا کیونکہ ان کے پاس الگورتھم کی تربیت کرنے کے لئے اتنا ڈیٹا نہیں تھا ، اس کمپنی کا سی ای او نے وال اسٹریٹ جرنل کو بتایا۔ سمارٹ جوابات بنانا ایک وسیع اور مشکل کام ہے۔ یہاں تک کہ گوگل ، جس کو اربوں صارفین کے ای میل تک رسائی حاصل ہے ، بہت ہی تنگ معاملات کے لئے سمارٹ جوابات فراہم کرتا ہے۔

لیکن براہ راست صارف کے اعداد و شمار کے ساتھ اے آئی کو تربیت دینے کے لئے انسانوں کا استعمال صرف چھوٹی کمپنیوں تک ہی محدود نہیں ہے۔

2015 میں ، فیس بک نے ایم ، ایک اے آئی چیٹ بوٹ لانچ کیا جو بات چیت کی مختلف باریکیوں کو سمجھنے اور اس کا جواب دینے اور بہت سارے کاموں کو پورا کرسکتا ہے۔ فیس بک نے ایم کو کیلیفورنیا میں محدود تعداد میں صارفین کے لئے دستیاب بنایا اور انسانی آپریٹرز کا عملہ تشکیل دیا جو اے آئی کی کارکردگی کی نگرانی کریں گے اور جب صارف کی درخواست کو سمجھ نہیں پائے گا تو اسے درست کرنے کے لئے مداخلت کریں گے۔ اصل منصوبہ ہیومن آپریٹرز کے لئے تھا کہ وہ اسسٹنٹ کو ایسے معاملات کا جواب دینے میں سکھائیں جو اس سے پہلے نہیں دیکھا تھا۔ وقت گزرنے کے ساتھ ، ایم انسانوں کی مدد کے بغیر کام کر سکے گا۔

ناقابلِ حصول مقصد؟

یہ واضح نہیں ہے کہ ایڈسن سافٹ ویئر ، X.ai اور دیگر کمپنیوں کے لئے کتنا وقت لگے گا جنہوں نے اپنی AI کو مکمل خودکار بنانے کے ل human ہیوم ان ان لوپ سسٹم لانچ کیا ہے۔ اس میں بھی شک ہے کہ کیا AI کے موجودہ رجحانات کبھی بھی وسیع تر ڈومینز میں مشغول ہونے کی منزل تک پہنچ سکتے ہیں۔

2018 میں ، فیس بک نے ایم کو سرکاری طور پر ہر تعیناتی کے بغیر بند کردیا۔ کمپنی نے تفصیلات شیئر نہیں کیں ، لیکن یہ واضح ہے کہ چیٹ بوٹ بنانا جو وسیع تر گفتگو میں مشغول ہوسکتا ہے۔ اور ایم کو فیس بک کے دو ارب صارفین کے لئے سب سے پہلے کسی بھی طرح کی خود بخود ہر طرح کی گفتگو کا جواب دینے کے قابل بنائے بغیر ایم کے خلیج کو پُر کرنے کے لئے انسانوں کا ایک بہت بڑا عملہ کی خدمات حاصل کرنے کی ضرورت ہوگی۔

ڈیپ گرامر کے موگن کا خیال ہے کہ ہم آخر کار اے آئی بنانے کے قابل ہو جائیں گے جو کامنسیسی استدلال کو حل کرسکتا ہے ، جسے دوسروں نے عام اے آئی کی درجہ بندی کیا ہے۔ لیکن یہ جلد کبھی نہیں ہوگا۔ موگن کا کہنا ہے کہ "اس وقت افق پر کوئی طریقے موجود نہیں ہیں جو کمپیوٹر کو یہ سمجھنے کے قابل بنائے کہ ایک چھوٹا بچہ کیا جانتا ہے۔" "اس بنیادی تفہیم کے بغیر ، کمپیوٹر 100 فیصد وقت میں بہت سے کام انجام نہیں دے پائیں گے۔"

اس تناظر میں رکھنے کے لئے ، اوپن اے آئی کے ماہرین نے حال ہی میں ڈکٹائل تیار کیا جو ایک روبوٹک ہاتھ ہے جو اشیاء کو سنبھال سکتا ہے۔ یہ ایک ایسا کام ہے جو کوئی بھی بچہ کم عمری میں ہی لاشعوری طور پر انجام دینا سیکھتا ہے۔ لیکن اسی مہارت کو فروغ دینے میں ڈکٹائل 6،144 سی پی یو اور 8 جی پی یو اور تقریبا ایک سو سال کا تجربہ لیا۔ اگرچہ یہ ایک دلچسپ کارنامہ ہے ، یہ تنگ AI اور انسانی دماغ کے کام کرنے کے طریقوں کے مابین واضح فرق کو بھی اجاگر کرتا ہے۔

مارش کہتے ہیں ، "مصنوعی جنرل انٹلیجنس رکھنے سے ہم نے بہت طویل سفر طے کیا ہے ، اور غالبا A امکان ہے کہ ، AGI بہت سی مختلف قسم کی تنگ یا درخواست سے متعلقہ AI کی امتزاج اور ہم آہنگی ہوگی۔" "مجھے لگتا ہے کہ اس وقت اے آئی کی صلاحیتوں کو زیادہ سے زیادہ ٹائپ کرنے کا رجحان ہے ، لیکن میں یہ بھی دیکھتا ہوں کہ صرف ابتدائی اقدامات کرنے اور روایتی مشین لرننگ ماڈلز کو نافذ کرنے میں بہت زیادہ قیمت ہے۔"

کیا ایک اور AI موسم سرما میں آمد ہے؟

1984 میں ، امریکن ایسوسی ایشن آف مصنوعی ذہانت (بعد میں مصنوعی ذہانت کی ایسوسی ایشن کا نام تبدیل کرکے) بزنس کمیونٹی کو متنبہ کیا کہ AI کے ارد گرد جوش اور جوش و خروش مایوسی کا باعث بنے گا۔ اس کے فورا بعد ہی ، AI میں سرمایہ کاری اور دلچسپی ختم ہوگئی ، جس کے نتیجے میں "عی سرمائی" کے نام سے مشہور زمانے کا آغاز ہوا۔

2010 کی دہائی کے اوائل سے ، اس شعبے میں دلچسپی اور سرمایہ کاری میں ایک بار پھر اضافہ ہوا ہے۔ کچھ ماہرین کو خدشہ ہے کہ اگر اے ای کی درخواستیں بہتر کارکردگی کا مظاہرہ کرتی ہیں اور توقعات کو پورا کرنے میں ناکام رہتی ہیں تو ، AI کا ایک اور موسم سرما شروع ہوگا۔ لیکن ہم جن ماہرین سے بات کرتے ہیں ان کا خیال ہے کہ اے آئی پہلے ہی اپنی زندگیوں میں بہت متحد ہوچکی ہے تاکہ اس کے قدم پیچھے ہٹ سکے۔

"مجھے نہیں لگتا کہ ہمیں پہلے کی طرح کسی موسم سرما کے موسم کا خطرہ ہے کیونکہ اے آئی اب صرف فرضی قدر ہی نہیں بلکہ حقیقی قدر کی فراہمی کر رہا ہے۔" "تاہم ، اگر ہم عام لوگوں کو یہ بتاتے رہیں کہ کمپیوٹر انسانوں کی طرح ہوشیار ہیں تو ، ہم اس کے پیچھے پڑنے والے خطرہ کا خطرہ مول دیتے ہیں۔ ہم تاثر کے لئے گہری سیکھنے کو استعمال نہ کرنے پر واپس نہیں جائیں گے ، لیکن 'AI' کی اصطلاح پوری کی جاسکتی ہے ، اور ہم اسے کچھ اور ہی کہنا پڑے گا۔ "

حقیقت یہ ہے کہ انتہائی کم سے کم ، مایوسی کا دور ہمارے سامنے کھڑا ہے۔ ہم اس حد تک سیکھنے جارہے ہیں کہ جہاں تک ہم مختلف شعبوں میں AI کے موجودہ مرکب پر بھروسہ کرسکتے ہیں۔

"مجھے جو دیکھنے کی توقع ہے وہ یہ ہے کہ کچھ کمپنیاں خوشگوار حیرت میں ہیں کہ وہ پہلے سے دستی اور مہنگی خدمات کے ل an کتنی جلدی اے آئی فراہم کرسکتے ہیں ، اور یہ کہ دوسری کمپنیوں کو معلوم ہوگا کہ انھیں توقع کرنے میں کافی وقت لگتا ہے کہ وہ بننے میں کافی اعداد و شمار جمع کرنے میں توقع نہیں کرتا ہے۔ مالی طور پر قابل عمل ، "جیمس برگسٹرا کہتے ہیں ، جو کنڈرڈ ڈاٹ ای (Kindred.ai) میں تحقیقاتی سربراہ اور تحقیقاتی سربراہ ہیں۔ "اگر وہاں بہت سارے بعد میں ہوں اور پہلے کی کافی نہ ہو تو ، یہ سرمایہ کاروں کے درمیان ایک اور AI موسم سرما کو متحرک کرسکتا ہے۔"

• مصنوعی ذہانت میں تعصب کا ایک مسئلہ ہے ، اور یہ ہماری غلطی ہے مصنوعی ذہانت میں تعصب کا مسئلہ ہے ، اور یہ ہماری غلطی ہے۔
• کھیل کو کھیلنے کے لئے اے آئی کو کیوں پڑھانا ضروری ہے کیوں کھیلوں کو اے آئی کو پڑھانا ضروری ہے
• اے آئی نے بھاری صلاحیت پیش کی ، لیکن یہ راتوں رات نہیں ہو پائے گی اے ای بڑی صلاحیت پیش کرتا ہے ، لیکن یہ راتوں رات نہیں ہوگا

جیوਸਪاک کے مارش نے پیش گوئی کی ہے کہ جب فنڈز کم نہیں ہوں گے ، اس کی حرکیات میں کچھ ایڈجسٹمنٹ کی جائیں گی۔ چونکہ سرمایہ کاروں کو یہ احساس ہوتا ہے کہ حقیقی مہارت بہت کم ہے اور ماڈلز کی تربیت کے ل data اعداد و شمار تک رسائی حاصل کرنے والے ہی صنعت میں فرق پائیں گے ، مارکیٹ میں ایک بہت بڑا استحکام ہوگا اور اس سے بہت کم اسٹارٹ اپ کو مالی اعانت ملے گی۔

"طاق مارکیٹ کی درخواست کے بغیر یا بہت سے اعداد و شمار کے بغیر اے آئی کے بہت سارے آغاز کے ل For: سردیوں کا موسم آرہا ہے ،" مارش کا اختتام ہوا۔