ڈیٹا سے فیصلوں تک: ML، ڈیپ لرننگ اور جنریٹو AI

تین طریقے

1. 1

   مشین لرننگ یا ML ایک وسیع خاندان ہے۔ آپ لیبل شدہ ڈیٹا لیتے ہیں، اس پر الگورتھم چلاتے ہیں، اور آخر میں ایک ماڈل بنتا ہے جو ان پُٹ کو آؤٹ پُٹ سے جوڑتا ہے۔ سپیم فلٹر، HBL کا کریڈٹ اسکورنگ انجن، فوڈ پانڈا کا ڈیلیوری ٹائم اندازہ، سینے کے ایکسرے کی ٹرائج، یہ سب ML ہیں۔ ماڈل سادہ بھی ہو سکتا ہے (ایک لاجسٹک ریگریشن جسے کوئی شماریات دان پہچان لے) اور بہت بڑا بھی۔ ML کا کام ڈیٹا سے فیصلے نکالنا ہے۔

2. 2

   ڈیپ لرننگ ML کا ایک ذیلی حصہ ہے جس میں ماڈل کی بہت سی پرتیں ہوتی ہیں، اسی لیے اسے 'ڈیپ' یعنی گہرا کہتے ہیں۔ ہر پرت درمیانی تصور سیکھتی ہے، اگلی ان پر بنتی ہے، اور یہی سلسلہ آگے بڑھتا ہے۔ ڈیپ لرننگ وہ مسائل حل کرتی ہے جہاں ان پُٹ خام اور بے ترتیب ہو: تصاویر، آواز، آزاد زبان۔ NADRA پر انگوٹھے کی مماثلت، کسی کوریئر کال سینٹر پر پنجابی آواز کا متن بنانا، سندھ کے زمینی ریکارڈ پر اردو OCR، ان کے لیے ڈیپ لرننگ چاہیے کیونکہ کوئی انسان نہیں لکھ سکتا کہ انگوٹھے کا نشان کیسا ہوتا ہے۔

3. 3

   جنریٹو AI یا GenAI ڈیپ لرننگ کی نسبتاً نئی شاخ ہے، جہاں ماڈل صرف درجہ بندی نہیں کرتا بلکہ نئی چیزیں خود تخلیق کرتا ہے۔ اردو پالیسی متن کا ایک نیا پیراگراف، غروبِ آفتاب میں قلعۂ لاہور کی نئی تصویر، بیع نامے کا نیا مسودہ، کوڈ کی نئی سطر۔ GenAI وہ AI ہے جس نے 2022 کے آخر میں ChatGPT کے بعد پبلک کی توجہ کھینچی۔ اس کے پیچھے بڑے لینگویج ماڈل، تصویر کے ڈفیوژن ماڈل، اور آڈیو ماڈل بیٹھے ہیں۔ بنیادی ترکیب ML جیسی ہی ہے: ڈیٹا سے پیٹرن۔ آؤٹ پُٹ مختلف ہے: لیبل کے بجائے ایک نمونہ۔

کیوں؟

Claude کے ساتھ آزمائیں

آزمائش کے لیے پرامپٹ: 'یہ ہے میرا روزانہ کا ورک فلو [اپنا کردار لکھیں]۔ اسے تین خانوں میں توڑیں: درجہ بندی، ریگریشن، تخلیق۔ ہر ایک کے لیے پاکستان میں دستیاب ایک ٹول تجویز کریں جو میں اس ہفتے آزما سکوں اور ایک ایسا خطرہ بتائیں جس کا منصوبہ پہلے سے بنانا چاہیے۔' یہ Claude یا ChatGPT پر چلائیں۔ جواب اپنی ٹیم میٹنگ میں لے جائیں۔