سیکھنے کا ہنر سیکھنا: موروثی ذہانت

مصنوعی ذہانت مشین لرننگ نامی ٹیکنالوجی کے ذریعے ذہین رویہ اختیار کرتی ہے۔

جبکہ یہ سیکھنے کا عمل انسانوں کے تیار کردہ طریقہ کار کے مطابق انجام پاتا ہے، لیکن یہ بات ابھی تک واضح نہیں کی جا سکی کہ ان طریقہ کار اور مصنوعی ذہانت کی ساخت سے ذہانت کیوں ابھرتی ہے۔

اس مضمون میں، میں خود سیکھنے کے جوہر پر غور کرتے ہوئے ذہانت کے پیدا ہونے کی وجوہات پر غور کروں گا۔

اور جیسے جیسے ہم سیکھنے کے تصور کو گہرائی سے سمجھتے جائیں گے، ہم اس خیال پر پہنچیں گے کہ مصنوعی ذہانت اور ہمارے دماغ دونوں میں یہ موروثی رجحان موجود ہے کہ وہ یہ سیکھ سکیں کہ کیسے سیکھنا ہے۔

اس سے ایک ایسے میکانزم کے وجود کا پتہ چلتا ہے جسے "قدرتی طور پر پیدا ہونے والا فریم ورکر" کہا جا سکتا ہے۔

جسم کے ذریعے سیکھنا بمقابلہ زبان کے ذریعے سیکھنا

ہم اپنی آنکھوں سے چیزوں کو دیکھ کر اور اپنے جسم کو حرکت دے کر اپنے ارد گرد کی دنیا کے بارے میں سیکھتے ہیں اور اپنی صلاحیتوں کو وسعت دیتے ہیں۔

یہ بھی سیکھنے کی ایک قسم ہے، جسے جسم کے ذریعے سیکھنا کہا جا سکتا ہے۔

دوسری طرف، جب لوگ عام طور پر سیکھنے کی بات کرتے ہیں، تو وہ ممکنہ طور پر کتابیں پڑھ کر یا استاد کی وضاحتیں سن کر علم میں اضافہ کرنے کا تصور کرتے ہیں۔

اس طرح کے نصاب پر مبنی سیکھنے کے علاوہ، ہم دوستوں کے ساتھ بات چیت، آن لائن خبروں وغیرہ سے بھی مختلف معلومات حاصل کرتے ہیں۔

اس قسم کا سیکھنا بصری طور پر تصاویر کو یاد کرنا یا اپنے جسم کو حرکت دے کر سیکھنا نہیں ہے؛ یہ زبان کے ذریعے سیکھنا ہے۔

مادی سے ماورا (Sub-physical) سیکھنا اور ماورائے فزکس (Metaphysical) سیکھنا

زبان کے ذریعے سیکھنے میں، ایسے بھی حالات ہوتے ہیں جہاں معلومات کو صرف بار بار دہرانے سے ہی یاد کیا جا سکتا ہے، اور ایسے بھی حالات ہوتے ہیں جہاں اسے ایک یا چند بار سننے کے بعد یاد کیا جا سکتا ہے۔

متبادل طور پر، کچھ ایسا علم بھی ہوتا ہے کہ اگرچہ اس کی تفصیلات یاد نہ بھی ہوں، لیکن ضرورت کے وقت اسے کسی کتابی شیلف یا انٹرنیٹ سے حاصل کر کے استعمال کیا جا سکتا ہے۔

علم حاصل کرنے اور ضرورت پڑنے پر اسے مناسب طریقے سے استعمال کرنے کے معنوں میں، ان دونوں نمونوں کو سیکھنا کہا جا سکتا ہے۔

ان میں سے، وہ علم جسے صرف بار بار دہرانے سے ہی یاد کیا جا سکتا ہے، اسے مادی سے ماورا علم (sub-physical knowledge) کہا جا سکتا ہے۔ اس کا سیکھنے کا عمل مادی سے ماورا سیکھنا (sub-physical learning) ہے، جس میں خود تصورات کو یاد کرنا شامل ہوتا ہے۔

یہ جسمانی سیکھنے سے ملتا جلتا ہے، جہاں کوئی شخص اپنی آنکھوں سے اشیاء کو دیکھ کر یا اپنے جسم کو حرکت دے کر بار بار سیکھتا ہے۔ ان کو بھی مادی سے ماورا سیکھنے کے زمرے میں شامل کیا جا سکتا ہے۔

دوسری طرف، اس علم کا حصول جسے کم تکرار سے یاد کیا جا سکتا ہے، یا موقع پر ہی تلاش کر کے استعمال کیا جا سکتا ہے، اسے ماورائے فزکس سیکھنا (metaphysical learning) کہا جا سکتا ہے۔

اس صورت میں، مادی سے ماورا سیکھنے کے ذریعے حاصل کیے گئے پہلے سے سیکھے ہوئے تصورات کو ان تصورات کی اقسام کے طور پر یا تصورات کے مجموعوں کے طور پر علم سیکھنے کے لیے استعمال کیا جا سکتا ہے۔

چونکہ مادی سے ماورا سیکھنے کے ذریعے پہلے سے حاصل کیے گئے تصورات کو استعمال کیا جا سکتا ہے، اس لیے ماورائے فزکس سیکھنے میں تکرار کی ضرورت نہیں ہوتی۔

قدرتی زبان کی مشین لرننگ

آئیے اس کا اطلاق مصنوعی ذہانت میں مشین لرننگ پر کرتے ہیں۔

عام طور پر، مشین لرننگ میں استعمال ہونے والے نیورل نیٹ ورکس سب فزیکل لرننگ (sub-physical learning) انجام دیتے ہیں، جس میں تصورات کو بار بار سیکھنا شامل ہوتا ہے۔

دوسری طرف، بڑے لسانی ماڈلز (Large Language Models)، جو انسانوں کی طرح قدرتی زبان کی پروسیسنگ کی صلاحیت رکھتے ہیں، زبان کے ذریعے سیکھنے کا کام انجام دے سکتے ہیں۔

بڑے لسانی ماڈلز کی پری ٹریننگ اور فائن ٹیوننگ کے دوران، زبان کے ذریعے سب فزیکل لرننگ ہوتی ہے۔

مزید برآں، ایک پری ٹرینڈ بڑا لسانی ماڈل (pre-trained large language model) ان پٹ جملے میں موجود علم کو استعمال کرتے ہوئے جواب دے سکتا ہے، اس طرح فوری طور پر میٹا فزیکل لرننگ (metaphysical learning) انجام دیتا ہے۔

زبان کے ذریعے میٹا فزیکل لرننگ کی اس صلاحیت کی بدولت، بڑے لسانی ماڈلز تکراری لرننگ کے بغیر نئے علم کا استعمال کر سکتے ہیں۔

اسے قدرتی زبان کی مشین لرننگ کہا جا سکتا ہے، جو روایتی عددی مشین لرننگ کے برعکس ہے جو ماڈل پیرامیٹرز کو تکراری طور پر ایڈجسٹ کرتی ہے۔

قدرتی زبان بطور ماورائے طبعی انٹرفیس

قدرتی زبان اس انٹرفیس پر موجود ہے جو مادی اور ماورائے فزکس سیکھنے کو الگ کرتا ہے۔

قدرتی زبان کا دلکش پہلو یہ ہے کہ اسے مادی سیکھنے کے ذریعے حاصل کیا جا سکتا ہے، اور اس کے علاوہ، یہ ماورائے فزکس سیکھنے کو بھی ممکن بناتی ہے۔

قدرتی زبان کے علاوہ ماورائے طبیعاتی انٹرفیس

حقیقت میں، جسمانی سیکھنے میں بھی، ذیلی طبیعیاتی اور ماورائے طبیعاتی دونوں طرح کی تعلیم موجود ہے۔ مثال کے طور پر، کھیلوں میں ماہر شخص کسی نئے کھیل سے پہلی بار واقف ہونے پر تیزی سے خود کو اس کے مطابق ڈھال لیتا ہے۔

اسی طرح، حیاتیات کا علم رکھنے والا شخص جب کسی نئی نوع کو دیکھتا ہے تو اس کی خصوصیات کو فوراً سمجھ جاتا ہے۔

یوں، جسمانی سیکھنے میں بھی، ایسے ماورائے طبیعاتی انٹرفیس موجود ہوتے ہیں جو قدرتی زبان کی طرح کی حیثیت رکھتے ہیں۔

فریم ورکس

ان انٹرفیسز پر ایسے فریم ورکس ہوتے ہیں جو بنیادی تصورات یا علم سے الگ ہوتے ہوئے، ان کے تعلقات اور ساخت کی تعریف کرتے ہیں، یا نئی ساخت سازی کو ممکن بناتے ہیں۔

چونکہ ذیلی جسمانی سیکھنے کے ذریعے متنوع ذیلی جسمانی علم حاصل کیا جاتا ہے، اس لیے ماورائے فزکس کے انٹرفیس پر موجود فریم ورک کو ذیلی جسمانی علم کے ٹکڑوں کے درمیان موجود تعلقات سے سیکھنا ممکن ہو سکتا ہے۔

جسمانی سیکھنے کے ذریعے حاصل کردہ فریم ورکس حصول کے بعد نئے علم کو فوری طور پر ماورائے فزکس طریقے سے سیکھنے کے قابل بناتے ہیں۔ تاہم، اس ماورائے فزکس سیکھنے کے ذریعے حاصل کردہ علم کو دوسروں تک پہنچانا آسان نہیں ہوتا۔

دوسری طرف، زبان کے ذریعے سیکھنے سے حاصل کردہ فریم ورک خود قدرتی زبان ہے۔

اس لیے، ماورائے فزکس سیکھنے کے ذریعے حاصل کردہ علم، قدرتی زبان کے فریم ورک کو سیکھنے کے بعد، دوسرے لوگوں کی زبان کے ذریعے سیکھنے میں براہ راست شامل کیا جا سکتا ہے۔

یہ صرف اس علم پر لاگو نہیں ہوتا جہاں زبان کے ذریعے سیکھنا، جیسے نصابی کتب یا آن لائن خبریں، بنیادی حیثیت رکھتا ہے۔

ایک تجربہ کار فٹ بال کھلاڑی، جو پہلی بار بیس بال کھیل رہا ہو، بیس بال کے بارے میں حاصل کردہ ماورائے فزکس علم کو الفاظ کے ذریعے دوسرے فٹ بال کھلاڑیوں تک پہنچا سکتا ہے۔ اس کا مطلب یہ ہے کہ اگر لوگ ایک ہی ذیلی جسمانی علم کا اشتراک کرتے ہیں، تو نام نہاد "ٹپس" یا مہارت کو زبانی طور پر منتقل کیا جا سکتا ہے۔

مزید برآں، کوئی شخص کسی نئی دریافت شدہ نوع کے بارے میں اپنے مشاہدے کا علم دوسرے ماہرین حیاتیات کے ساتھ الفاظ کے ذریعے بانٹ سکتا ہے۔

اس طرح، قدرتی زبان ماورائے فزکس انٹرفیس پر ایک بہت طاقتور فریم ورک ثابت ہوتی ہے۔

ورچوئل فریم ورکس

قدرتی زبان کے اوپر، کوئی بھی دوسرے فریم ورکس حاصل کر سکتا ہے۔

یہ ڈومین کے مخصوص فریم ورکس یا رسمی فریم ورکس ہیں۔

مختلف تعلیمی شعبوں، کاروباری شعبوں اور روزمرہ کی زندگی میں، متنوع ڈومین کے مخصوص فریم ورکس موجود ہیں۔

ماہرین، اپنی خصوصیت کے فریم ورک کے اندر کام کرتے ہوئے، نئی دریافتیں کر سکتے ہیں اور اس علم کو دوسرے ماہرین تک آسانی سے پہنچا سکتے ہیں جو اسی فریم ورک کے حامل ہوں۔

خود فریم ورک کو بعض اوقات قدرتی زبان میں بیان کیا جا سکتا ہے، ایسی صورت میں اسے قدرتی زبان کے فریم ورک کے حامل افراد یا بڑے لسانی ماڈلز سیکھ اور سمجھ سکتے ہیں۔

کاروباری ماڈلز اور کھانا پکانے کی ترکیبیں بھی ایسے ڈومین کے مخصوص فریم ورکس کی مثالیں ہیں جنہیں قدرتی زبان میں بیان کیا جا سکتا ہے۔

مزید برآں، ریاضیاتی فارمولے، پروگرامنگ زبانیں، اور کاروباری تجزیہ کے فریم ورکس رسمی فریم ورکس ہیں۔

ان کے فریم ورکس کو بھی قدرتی زبان میں بیان یا سمجھایا جا سکتا ہے۔

قدرتی زبان پر مبنی ان ڈومین کے مخصوص اور رسمی فریم ورکس کو ورچوئل فریم ورکس کہا جا سکتا ہے۔

یہ سمجھنا آسان ہے اگر آپ ایک ورچوئل مشین کا تصور کریں جو ایک فزیکل کمپیوٹر پر مختلف OS چلا رہی ہو۔ ایک اور فریم ورک قدرتی زبان کے بنیادی فریم ورک کے اوپر کام کرتا ہے۔

نیٹیو فریم ورکس

مزید برآں، جب کہ ان ورچوئل فریم ورکس کو ابتدا میں قدرتی زبان کے ذریعے سمجھنے کی ضرورت ہوتی ہے، لیکن جب کوئی ان سے مانوس ہو جاتا ہے تو وہ قدرتی زبان کی وضاحت اور تفہیم کو نظر انداز کرنا شروع کر دیتے ہیں، اور براہ راست ذیلی جسمانی علم پر مبنی ایک میٹافزیکل انٹرفیس فریم ورک کے طور پر کام کرتے ہیں۔

اسے نیٹیو فریم ورک کہا جا سکتا ہے۔

قدرتی زبان، ایک لحاظ سے، ایک نیٹیو فریم ورک بھی ہے، لیکن صرف اپنی مادری زبان کے حوالے سے۔ عام طور پر، مادری زبان کے علاوہ دیگر زبانیں ورچوئل فریم ورکس کے طور پر حاصل کی جاتی ہیں۔ مہارت میں اضافہ ہونے کے ساتھ ساتھ، وہ نیٹیو فریم ورکس بننے کے قریب پہنچ جاتی ہیں۔

یہی بات ڈومین مخصوص اور رسمی فریم ورکس پر بھی لاگو ہوتی ہے۔ ریاضی دان ریاضیاتی فارمولوں کا استعمال کرتے ہوئے مقامی طور پر بات چیت کر سکتے ہیں، اور پروگرامرز صرف کمنٹس کے بغیر سورس کوڈ کے ذریعے ایک دوسرے کے ارادوں کو سمجھ سکتے ہیں۔

یہ تجویز کرتا ہے کہ ورچوئل سے نیٹیو فریم ورکس کی طرف بڑھنے کا عمل بڑے لسانی ماڈلز پر بھی لاگو کیا جا سکتا ہے۔

اکثر استعمال ہونے والے ورچوئل فریم ورکس کا پتہ لگانے، ان فریم ورکس کا استعمال کرتے ہوئے بڑی مقدار میں مثالی ڈیٹا تیار کرنے، اور پھر انہیں نیٹیو فریم ورکس بنانے کے لیے فائن ٹیون کرنے کا خیال فوراً آزمانے کے قابل ہے۔

قدرتی طور پر فریم ورک بنانے والے

اس پر غور کرتے ہوئے، یہ اندازہ ہوتا ہے کہ بڑے لسانی ماڈلز کی پری ٹریننگ کے دوران، نہ صرف فائن ٹیوننگ کے ذریعے، بلکہ یہ بھی ممکن ہے کہ وہ ڈومین مخصوص اور رسمی فریم ورکس بھی سیکھ رہے ہوں۔

اور اس عمل میں، یہ قابل فہم ہے کہ شروع سے ہی ڈومین مخصوص یا رسمی فریم ورکس کو مقامی طور پر سیکھنے کے بجائے، وہ پہلے قدرتی زبان کا فریم ورک سیکھتے ہیں، اور پھر، یا تو اس پر مہارت حاصل کرنے کے دوران یا اس کے بعد، وہ ڈومین مخصوص اور رسمی فریم ورکس کو سیکھتے ہیں، جس سے وہ مقامی ہو جاتے ہیں۔

اس مرحلہ وار فریم ورک سیکھنے کی گہرائی میں جانے سے، یہ بھی قابل فہم ہے کہ قدرتی زبان کا سیکھنا بذات خود بہت ہی باریک، مرحلہ وار فریم ورک سیکھنے کی ایک متوازی پائپ لائن ہے۔

دوسرے الفاظ میں، پری ٹریننگ کے دوران تربیتی ڈیٹا کے طور پر فراہم کیے گئے بہت زیادہ متن سے، بڑے لسانی ماڈلز صرف انفرادی تصورات ہی نہیں سیکھ سکتے بلکہ قدرتی زبان کے کچھ بہت ہی سادہ قواعد کو بھی ایک فریم ورک کے طور پر سیکھ سکتے ہیں۔ پھر، ان سادہ فریم ورکس کو بنیاد کے طور پر استعمال کرتے ہوئے، وہ بار بار قدرے زیادہ پیچیدہ قواعد سیکھتے ہیں۔

یہ انہیں اس مرحلے سے آگے بڑھنے کی اجازت دے گا جہاں انہوں نے ابتدائی طور پر لفظی تصورات سیکھے تھے، مرکب الفاظ اور بنیادی گرامر کو یاد کرنے، اور پھر جملوں کو سمجھنے، اور تحریر و اظہار کی تکنیکوں جیسی پیچیدہ چیزیں سیکھنے تک پہنچ جائیں گے۔

اسے ایک ایسے ماڈل کے طور پر سمجھا جا سکتا ہے جہاں وہ فریم ورکس کو مرحلہ وار اور پیچیدہ انداز میں سیکھتے ہیں، ایک فریم ورک کو اگلے فریم ورک کو سیکھنے کی بنیاد کے طور پر استعمال کرتے ہیں۔

یہ بڑے لسانی ماڈلز کو "قدرتی طور پر فریم ورک بنانے والے" کے طور پر نمایاں کرتا ہے، جو شروع سے ہی فریم ورکس کو سیکھنے کا ایک طریقہ کار رکھتے ہیں۔

اٹینشن میکانزم

وہ ٹیکنالوجی جو قدرتی طور پر پیدا ہونے والے فریم ورکر کو حقیقت کا روپ دیتی ہے، وہ اٹینشن میکانزم (Attention Mechanism) ہے۔

اٹینشن میکانزم کسی سیاق و سباق سے متعلقہ ٹوکنز (tokens) کو منتخب کرنے کے مترادف ہے۔ یہ ٹوکنز کے درمیان تعلقات کو واضح کرتا ہے۔ یہ بالکل ایک فریم ورک کی نوعیت ہے: اہم تصورات کو برقرار رکھتے ہوئے تجرید کرنا اور ساتھ ہی ان کے درمیان تعلقات کو واضح کرنا۔

ہر ٹوکن کے لیے اس انتخاب کو تبدیل کرنے سے، یہ فریم ورکس کی متحرک تبدیلی کو ممکن بناتا ہے۔

یہ ہمیں یہ سمجھانے کی اجازت دیتا ہے کہ قدرتی طور پر پیدا ہونے والے فریم ورکر ماڈل کا استعمال کرتے ہوئے اٹینشن میکانزم کیوں ایک ایسی ٹیکنالوجی ہے جو بڑے لسانی ماڈلز کے ارتقاء کا تعین کرتی ہے۔

نتیجہ

اگر یہ طریقہ کار واقعی بڑے لسانی ماڈلز کی پری ٹریننگ کے عمل کے دوران ہو رہا ہے، تو بڑے لسانی ماڈلز کے پہلے سے پراسرار میکانزم کی وضاحت کی جا سکتی ہے۔

ان میں یہاں زیر بحث ذیلی طبعی (sub-physical) اور ماورائے طبعی (metaphysical) سیکھنا، ماورائے طبعی انٹرفیس کے طور پر فریم ورکس، زبان کے ذریعے سیکھنے اور ورچوئل فریم ورکس کو ممکن بنانے والی قدرتی زبان، اور قدرتی طور پر پیدا ہونے والے فریم ورکر کو حقیقت کا روپ دینے والا اٹینشن میکانزم شامل ہیں۔

مزید برآں، اس سے دو اضافی نکات بھی سامنے آتے ہیں۔

پہلا، قدرتی زبان کی ساخت ایسی ہے جو سادہ فریم ورکس سے بتدریج پیچیدہ فریم ورکس کو اندرونی بنانے کے لیے انتہائی موزوں ہے۔

اگر قدرتی زبان انسانی معاشرے میں ابتدائی طور پر ایک سادہ شکل میں نمودار ہوئی اور بتدریج ایک زیادہ پیچیدہ اور بھرپور ساخت کی مالک بنی، تو یہ ایک فطری نتیجہ ہے۔

مزید یہ کہ، اس کے لیے ایسی ساخت کا ہونا فائدہ مند ہوگا جو تیزی سے سیکھنے کی اجازت دے۔ یہ فرض کرتے ہوئے کہ مختلف قدرتی زبانوں والے متعدد معاشرے مقابلہ کر رہے تھے، یہ مفروضہ آسانی سے بنتا ہے کہ سیکھنے کے لیے بہتر موزوں قدرتی زبانیں فی الحال زندہ ہیں۔

قدرتی زبان کی اس نوعیت پر غور کرنے سے دوسرا نکتہ سامنے آتا ہے: کہ ہم انسان بھی قدرتی طور پر فریم ورکرز ہیں۔

اگرچہ مخصوص بنیادی بنیادیں اور طریقہ کار مختلف ہو سکتے ہیں، ہمارے دماغ بھی اٹینشن میکانزم کی طرح کے ایک میکانزم سے لیس ہونے چاہئیں، جو فریم ورکس کے مرحلہ وار سیکھنے اور لچکدار موافقت کی اجازت دیتا ہو۔