مائیکرو ورچوئل ذہانت کے طور پر توجہ کا طریقہ کار

موجودہ جنریٹو AI ایک AI ٹیکنالوجی ہے جو ٹرانسفارمر کی ایجاد کے ساتھ ایک بڑی پیش رفت کے طور پر پروان چڑھی۔

توجہ کے طریقہ کار کو ٹرانسفارمر کی امتیازی خصوصیت کے طور پر بیان کیا جا سکتا ہے۔ یہ ٹرانسفارمر کا اعلان کرنے والے مقالے کے عنوان "توجہ ہی سب کچھ ہے" میں اختصار سے بیان کیا گیا ہے۔

اس کا پس منظر یہ ہے کہ اس وقت کے AI محققین مختلف کوششیں کر رہے تھے اور تجربات میں مصروف تھے تاکہ AI کو انسانوں کی طرح مہارت سے قدرتی زبان کو ہینڈل کرنے کے قابل بنایا جا سکے، کامیاب طریقوں کو نام دے کر ان کے بارے میں مقالے شائع کر رہے تھے۔

بہت سے محققین کا خیال تھا کہ ان متعدد مؤثر طریقہ کاروں کو مختلف طریقوں سے یکجا کر کے، وہ آہستہ آہستہ AI کو اس قابل بنا سکتے ہیں کہ وہ انسانوں کی طرح قدرتی زبان کو ہینڈل کر سکے۔ وہ ایسے نئے طریقہ کار دریافت کرنے پر توجہ مرکوز کر رہے تھے جو دوسروں کے ساتھ مل کر کام کر سکیں، اور ان طریقہ کاروں کے بہترین امتزاج کو تلاش کر سکیں۔

تاہم، ٹرانسفارمر نے اس روایتی حکمت کو الٹ دیا۔ یہ پیغام کہ مختلف طریقہ کاروں کو یکجا کرنے کی کوئی ضرورت نہیں تھی، اور صرف توجہ کا طریقہ کار ہی کافی تھا، مقالے کے عنوان میں واضح تھا۔

اگرچہ ٹرانسفارمر خود یقیناً مختلف طریقہ کاروں کو شامل کرتا ہے، اس میں کوئی شک نہیں کہ توجہ کا طریقہ کار خاص طور پر انقلابی اور ان سب میں نمایاں تھا۔

توجہ کے طریقہ کار کا جائزہ

توجہ کا طریقہ کار ایک ایسا نظام ہے جو AI کو یہ سیکھنے کی اجازت دیتا ہے کہ قدرتی زبان میں کسی خاص لفظ کو پروسیس کرتے وقت، پچھلے جملوں میں موجود بہت سے الفاظ میں سے کن الفاظ پر اسے توجہ دینی چاہیے۔

یہ AI کو درست طریقے سے سمجھنے کے قابل بناتا ہے کہ کوئی لفظ کس چیز کا حوالہ دے رہا ہے، مثال کے طور پر، جب "یہ،" "وہ،" یا "مذکورہ بالا" (جو پچھلے جملے میں کسی لفظ کی طرف اشارہ کرتے ہیں) جیسے اشاروں کے ساتھ، یا "افتتاحی جملہ،" "فہرست میں دوسرا مثال،" یا "پچھلا پیراگراف" جیسی وضاحتی حوالہ جات سے نمٹا جا رہا ہو۔

مزید برآں، یہ صفات کو صحیح طریقے سے سمجھ سکتا ہے خواہ وہ جملے میں دور ہوں، اور یہاں تک کہ طویل عبارتوں میں بھی، یہ الفاظ کو اس سیاق و سباق کو کھوئے بغیر سمجھ سکتا ہے جس کا موجودہ لفظ حوالہ دے رہا ہے، اس طرح اسے دوسرے جملوں کے درمیان گم ہونے سے بچاتا ہے۔

یہ "توجہ" کی افادیت ہے۔

اس کے برعکس، اس کا مطلب یہ ہے کہ جب فی الحال پروسیس کیے جانے والے لفظ کی تشریح کی جاتی ہے، تو غیر ضروری الفاظ کو چھپا دیا جاتا ہے اور تشریح سے ہٹا دیا جاتا ہے۔

کسی دیے گئے لفظ کی تشریح کے لیے صرف ضروری الفاظ کو برقرار رکھ کر اور غیر متعلقہ الفاظ کو ہٹا کر، تشریح کیے جانے والے الفاظ کا مجموعہ چند تک محدود رہتا ہے، قطع نظر اس کے کہ عبارت کتنی ہی لمبی ہو، اس طرح تشریحی کثافت کو پتلا ہونے سے روکا جا سکتا ہے۔

ورچوئل ذہانت

اب، تھوڑا سا موضوع بدلتے ہوئے، میں ورچوئل ذہانت کے تصور پر غور کر رہا ہوں۔

فی الحال، جب کاروباری مقاصد کے لیے جنریٹو AI کا استعمال کیا جاتا ہے، اگر کمپنی کی تمام معلومات کو ایک ہی علمی بنیاد کے طور پر اکٹھا کرکے AI کو فراہم کر دیا جائے، تو علم کی محض مقدار اتنی زیادہ ہو سکتی ہے کہ AI اسے صحیح طریقے سے پروسیس نہیں کر پاتا۔

اسی وجہ سے، یہ زیادہ مؤثر ہے کہ علم کو کام کے لحاظ سے الگ کیا جائے، ہر کام کے لیے AI چیٹس تیار کی جائیں یا مخصوص کارروائیوں کے لیے خصوصی AI ٹولز بنائے جائیں۔

نتیجتاً، جب پیچیدہ کام انجام دیے جاتے ہیں، تو ان الگ الگ علمی بنیادوں والے AI چیٹس یا AI ٹولز کو یکجا کرنا ضروری ہو جاتا ہے۔

اگرچہ یہ جنریٹو AI کی ایک موجودہ حد کی نمائندگی کرتا ہے، بنیادی طور پر، مستقبل کے جنریٹو AI کے ساتھ بھی، کسی مخصوص کام کے لیے صرف درکار علم پر توجہ مرکوز کرنے سے زیادہ درستگی حاصل ہونی چاہیے۔

اس کے بجائے، میں سمجھتا ہوں کہ مستقبل کا جنریٹو AI خود ہی صورت حال کے مطابق ضروری علم کو داخلی طور پر ممتاز اور استعمال کرنے کے قابل ہو جائے گا، یہاں تک کہ انسانوں کو اس علم کو تقسیم کرنے کی ضرورت بھی نہیں پڑے گی۔

یہ صلاحیت ورچوئل ذہانت ہے۔ یہ ایک ورچوئل مشین کی طرح ہے جو ایک ہی کمپیوٹر پر متعدد مختلف آپریٹنگ سسٹم چلا سکتی ہے۔ اس کا مطلب یہ ہے کہ ایک ہی ذہانت کے اندر، مختلف خصوصیات کے حامل متعدد ورچوئل ذہانتیں کام کر سکتی ہیں۔

موجودہ جنریٹو AI بھی پہلے ہی متعدد افراد کے درمیان مباحثوں کی نقل کر سکتا ہے یا متعدد کرداروں پر مشتمل کہانیاں تیار کر سکتا ہے۔ لہذا، ورچوئل ذہانت کوئی خاص صلاحیت نہیں ہے بلکہ موجودہ جنریٹو AI کی ایک توسیع ہے۔

مائیکرو ورچوئل ذہانت

ورچوئل ذہانت کا وہ طریقہ کار، جو کام کے مطابق ضروری علم کو محدود کرتا ہے، کچھ ایسا ہی انجام دیتا ہے جو توجہ کے طریقہ کار سے مشابہت رکھتا ہے۔

دوسرے الفاظ میں، یہ توجہ کے طریقہ کار کے مشابہ ہے کہ یہ فی الحال انجام دیے جانے والے کام کی بنیاد پر صرف متعلقہ علم پر توجہ مرکوز کرتا اور اسے پروسیس کرتا ہے۔

اس کے برعکس، توجہ کے طریقہ کار کو ایک ایسا طریقہ کار کہا جا سکتا ہے جو ورچوئل ذہانت جیسی کوئی چیز حاصل کرتا ہے۔ تاہم، جب کہ میں جس ورچوئل ذہانت کا تصور کرتا ہوں وہ علم کے مجموعے سے متعلقہ علم کا انتخاب کرتی ہے، توجہ کا طریقہ کار الفاظ کے مجموعے کی اکائی پر کام کرتا ہے۔

اس وجہ سے، توجہ کے طریقہ کار کو مائیکرو ورچوئل ذہانت کہا جا سکتا ہے۔

واضح توجہ کا طریقہ کار

اگر ہم توجہ کے طریقہ کار کو مائیکرو ورچوئل ذہانت کے طور پر دیکھیں تو اس کے برعکس، جس ورچوئل ذہانت کا میں نے پہلے ذکر کیا ہے اسے ایک میکرو توجہ کا طریقہ کار بنا کر حاصل کیا جا سکتا ہے۔

اور اس میکرو توجہ کے طریقہ کار کو بڑے لسانی ماڈلز کی اندرونی ساخت میں شامل کرنے یا نیورل نیٹ ورک لرننگ کی ضرورت نہیں ہے۔

یہ محض قدرتی زبان میں ایک واضح بیان ہو سکتا ہے، جیسے: "جب کام A کو انجام دیا جائے تو علم B اور علم C کا حوالہ دیا جائے۔"

اس سے کام A کے لیے درکار علم واضح ہو جاتا ہے۔ یہ بیان خود ایک قسم کا علم ہے۔

اسے ایک واضح توجہ کا طریقہ کار کہا جا سکتا ہے۔ اس بیان کو توجہ کا علم سمجھا جا سکتا ہے، جو واضح طور پر اس علم کو بیان کرتا ہے جس پر کام A کو انجام دیتے وقت توجہ دی جانی چاہیے۔

مزید برآں، یہ توجہ کا علم جنریٹو AI کے ذریعے تیار یا اپ ڈیٹ کیا جا سکتا ہے۔

اگر کسی کام میں علم کی کمی کی وجہ سے ناکامی ہوتی ہے، تو اس پر غور و فکر کی بنیاد پر، توجہ کے علم کو اپ ڈیٹ کیا جا سکتا ہے تاکہ اس کام کے لیے ایک اضافی علم کو بطور حوالہ شامل کیا جا سکے۔

نتیجہ

توجہ کے طریقہ کار نے جنریٹو AI کی صلاحیتوں کو ڈرامائی طور پر آگے بڑھایا ہے۔

یہ محض ایک ایسا طریقہ کار نہیں تھا جو اتفاق سے اچھی طرح کام کر گیا؛ بلکہ، جیسا کہ ہم نے یہاں دیکھا ہے، ہر صورت حال کے لیے حوالہ دی جانے والی معلومات کو متحرک طور پر محدود کرنے کا طریقہ کار ہی اعلیٰ ذہانت کا جوہر معلوم ہوتا ہے۔

اور، ورچوئل ذہانت اور واضح توجہ کے علم کی طرح، توجہ کا طریقہ کار بھی مختلف تہوں میں ذہانت کو تکراری طور پر بڑھانے کی کلید ہے۔