سان ہوزے میک اینری کنونشن سنٹر میں 18-19 مئی کو ہونے والے AI اور بگ ڈیٹا ایکسپو سے پہلے، ہم نے کمپنی کے AI اور ڈیٹا سائنس بزنس ڈیولپمنٹ مینیجر جیروم گیبریزیوسکی سے AI، AI کے اندراج کے لیے ڈیٹا پروسیسنگ، اور مقامی بمقابلہ کلاؤڈ کمپیوٹنگ کے بارے میں بات کی۔
ٹیک میڈیا یہ کہنے کا شوق رکھتا ہے کہ ڈیٹا ‘نیا تیل’ ہے، لیکن حقیقت یہ ہے کہ فریق اول کی اتنی زیادہ معلومات تک رسائی ہونے کے باوجود، اصل میں اسے کاروباری فائدے کے لیے استعمال کرنا، خاص طور پر انٹرپرائز پیمانے پر مشکل ہو سکتا ہے۔
کیا آپ کو کلاؤڈ ہوسٹڈ AI ماڈل یا مقامی کمپیوٹ کا انتخاب کرنا چاہئے؟ آپ اپنے ‘ڈیٹا ہاؤس’ کو کیسے منظم کرتے ہیں تاکہ آپ کے سمارٹ ماڈلز بامعنی نتائج پیدا کر سکیں؟ اور ہمیشہ کی طرح، ہم امید کرتے ہیں کہ ہمارے انٹرویو لینے والے AI کے غلبہ والے کاروباری ماحول میں تیزی سے بدلتی ہوئی کاروباری IT کہانی کے اگلے باب کی پیشین گوئی کرنے میں ہماری مدد کریں گے۔
مصنوعی ذہانت کی خبریں: دستی سے خودکار ڈیٹا اکٹھا کرنا نظریہ میں بہت اچھا لگتا ہے، لیکن یہ بہت مشکل ہے۔ HP کمپنیاں ابھی کہاں پھنسی ہوئی دیکھتی ہے؟
سب سے زیادہ مستقل رگڑ پوائنٹس میں سے ایک جو ہم دیکھتے ہیں وہ یہ ہے کہ تنظیمیں اپنے ڈیٹا کے پیچھے تنظیمی اور تعمیراتی قرض کو کم سمجھتی ہیں۔ اس سے پہلے کہ آٹومیشن ہو سکے، ڈیٹا کی ملکیت جو تمام محکموں میں بکھری ہوئی ہے، سسٹمز کے متضاد اسکیموں، اور میراثی انفراسٹرکچر جو انٹرآپریبلٹی کے لیے تیار نہیں کیے گئے ہیں، کو ملایا جانا چاہیے۔ آٹومیشن کا تکنیکی پہلو اکثر گورننس اور انضمام کے کام سے چھوٹا ہوتا ہے جو اس سے پہلے کیا جانا چاہیے۔
مصنوعی ذہانت کی خبریں: جب AI ماڈلز مسلسل اپ ڈیٹ ہونا شروع کر دیتے ہیں، تو چیزیں آسانی سے الٹ سکتی ہیں۔ آپ اپنے کلائنٹس کو کنسیپٹ ڈرفٹ اور ڈیٹا کرپشن جیسے خطرات سے نمٹنے کے لیے کیسے مشورہ دیتے ہیں؟
مسلسل سیکھنا وہ جگہ ہے جہاں AI کسی پروجیکٹ سے ذمہ داری میں بدل جاتا ہے اگر احتیاط سے انتظام نہ کیا جائے۔ گاہکوں کو ہمارا مشورہ ہے کہ ماڈل اپ ڈیٹس کو اسی طرح سنبھالیں جس طرح آپ کوڈ کی تعیناتیوں کو سنبھالتے ہیں۔ تصدیقی دروازوں کے بغیر، کچھ بھی پیداوار میں نہیں جا سکتا۔ تصور کے بڑھنے کے لیے، اس کا مطلب ہے ایک MLOps پائپ لائن جس میں خودکار ڈرفٹ کا پتہ لگانے اور دوبارہ تربیت شروع کرنے سے پہلے ہیومن-ان-دی-لوپ ٹرگرز ہیں۔ جب ڈیٹا پوائزننگ کی بات آتی ہے تو یہ اتنا ہی ڈیٹا پرووینس کا مسئلہ ہے جتنا کہ یہ سیکیورٹی کا مسئلہ ہے۔ یہ جاننا ضروری ہے کہ آپ کا تربیتی ڈیٹا کہاں سے آتا ہے اور کون اسے چھو سکتا ہے۔ یہ حق حاصل کرنے والے کلائنٹس ضروری نہیں کہ وہ سب سے زیادہ تکنیکی طور پر جدید ترین ہوں۔ وہ لوگ جنہوں نے اسکیلنگ سے پہلے AI گورننس کو اپنے رسک فریم ورک میں بنایا ہے۔
مصنوعی ذہانت کی خبریں: میں HP کے ہارڈ ویئر کی جڑوں کو چھونا چاہتا ہوں۔ خود مختار AI لائف سائیکل کے بڑے وزن کو سنبھالنے کے لیے آج کا جدید ورک سٹیشن یا کمپیوٹنگ سیٹ اپ دراصل کیسا ہونا چاہیے؟
HP کی جڑیں یہاں واقعی اہمیت رکھتی ہیں۔ Z سیریز کو 15 سال سے زیادہ عرصے سے انتہائی مطلوبہ پیشہ ورانہ کمپیوٹنگ کے لیے مقصد کے ساتھ بنایا گیا ہے، لہذا جب ہم اس بارے میں بات کرتے ہیں کہ ہارڈ ویئر میں ایک خود مختار AI لائف سائیکل کی اصل میں کیا ضرورت ہوتی ہے، تو ہمیں اندازہ نہیں ہوتا ہے – ہم اس مسئلے پر زیادہ سے زیادہ عرصے سے تکرار کر رہے ہیں!
اس کا جواب ایک مشین نہیں بلکہ ایک سپیکٹرم ہے۔ انفرادی ڈویلپر کی سطح پر، آپ کو مقامی کمپیوٹنگ اتنی طاقتور کی ضرورت ہے کہ وہ ہر تکرار کے لیے کلاؤڈ پر انحصار کیے بغیر حقیقی دنیا کے تجربات کو چلا سکے۔ ZBook Ultra اور Z2 Mini موبائل اور کمپیکٹ ڈیسک سائیڈ ٹائر پروفیشنل گریڈ سسٹمز کو ایڈریس کرتے ہیں جو مقامی LLMs اور بڑے پیمانے پر ورک فلو کو بیک وقت چلا سکتے ہیں۔
ZGX Nano واقعی AI-پہلی ٹیموں کے لیے دلچسپ ہے۔ یہ ایک AI سپر کمپیوٹر ہے جو آپ کے ہاتھ کی ہتھیلی میں فٹ بیٹھتا ہے (15x15cm)، لیکن NVIDIA GB10 Grace Blackwell superchip کے ساتھ 128GB مربوط میموری اور 1,000 TOPS کی FP4 AI کارکردگی سے لیس ہے۔ ایک آلہ مقامی طور پر 200 بلین پیرامیٹرز تک ماڈلز پر کارروائی کرتا ہے۔ اور جب ٹیموں کو اس سے آگے بڑھنے کی ضرورت ہوتی ہے، تو وہ دونوں آلات کو ایک تیز رفتار انٹرکنیکٹ کے ذریعے جوڑتے ہیں اور 405 بلین پیرامیٹرز والے ماڈلز کے ساتھ کام کرتے ہیں۔ کوئی کلاؤڈ، کوئی ڈیٹا سینٹر، کوئی قطار نہیں۔ یہ NVIDIA DGX سافٹ ویئر اسٹیک اور HP ZGX ٹول کٹ کے ساتھ پہلے سے ترتیب شدہ آتا ہے، جس سے ٹیموں کو دنوں کے بجائے منٹوں میں سیٹ اپ سے پہلے ورک فلو پر جانے کی اجازت ملتی ہے۔
ایک قدم آگے بڑھتے ہوئے، Z8 Fury ایک ہی سسٹم (384GB VRAM) میں چار NVIDIA RTX PRO 6000 Blackwell GPUs تک کی پاور صارف ٹیموں کو دیتا ہے۔ یہ پورا ماڈل ڈیولپمنٹ سائیکل ہے جو آن پریمیسس چل رہا ہے۔ اور اگلی خطوط پر، ZGX Fury نے گفتگو کو مکمل طور پر بدل دیا ہے۔ 748GB مربوط میموری کے ساتھ NVIDIA GB300 Grace Blackwell Ultra Superchip سے تقویت یافتہ، یہ ڈیٹا سینٹر کے بجائے ڈیسک سائیڈ پر ٹریلین پیرامیٹر کا اندازہ فراہم کرتا ہے۔ حساس ڈیٹا پر مسلسل فائن ٹیوننگ اور انفرنس چلانے والی ٹیموں کے لیے، یہ عام طور پر مساوی کلاؤڈ کمپیوٹنگ کے مقابلے 8 سے 12 ماہ میں اپنے لیے ادائیگی کرتا ہے۔
اور ان تنظیموں کے لیے جنہیں مزید کلسٹر اور پیمانے کی ضرورت ہے، پورا Z پورٹ فولیو ایک ریک ریڈی فارم فیکٹر میں ڈیزائن کیا گیا ہے جو سیکیورٹی یا ڈیٹا ریذیڈنسی سے سمجھوتہ کیے بغیر آئی ٹی ماحول کے انتظام کے لیے موزوں ہے۔
بڑا نکتہ یہ ہے۔ خود مختار AI لائف سائیکل چیلنجوں کی گنتی کے بجائے گورننس اور تاخیر کے مسائل پیدا کرتے ہیں۔ جب بھی کسی ماڈل کو اپ ڈیٹ کرنے کی ضرورت ہوتی ہے تو ٹیمیں کلاؤڈ کو حساس تربیتی ڈیٹا بھیجنا جاری نہیں رکھ سکتیں۔ HP کا پورٹ فولیو تنظیموں کو ہارڈ ویئر کا راستہ فراہم کرتا ہے جو ورک فلو کی پختگی کے ساتھ پیمانہ بناتا ہے، ڈویلپر ڈیسک سے لے کر تقسیم شدہ آن پریمیسس کمپیوٹنگ تک۔ ہارڈ ویئر آخر کار اس خواہش سے میل کھاتا ہے کہ ان AI سسٹمز کو اصل میں کیا کرنا چاہیے۔
مصنوعی ذہانت کی خبریں: جنرل AI کمپیوٹنگ کے اخراجات بہت سی کمپنیوں کے لیے آسمان کو چھو رہے ہیں۔ جدید کلاؤڈ کارکردگی کے ساتھ بھاری اخراجات کو متوازن کرنے کے عملی حل کیا ہیں؟
لاگت کا مسئلہ ایک ساختی مسئلہ ہے، سائیکلیکل نہیں۔ انٹرپرائز GenAI کے اخراجات 2025 میں بڑھ کر 37 بلین ڈالر تک پہنچ گئے ہیں، 80% انٹرپرائزز اب بھی اپنی لاگت کی پیشن گوئی 25% سے زیادہ سے محروم ہیں۔ اہم تناؤ یہ ہے کہ یونٹ کے تخمینے کی لاگت دراصل کم ہو رہی ہے، لیکن کل اخراجات میں مسلسل اضافہ ہو رہا ہے کیونکہ لاگت میں کمی کے مقابلے استعمال تیزی سے بڑھ رہا ہے۔ کلاؤڈ API ماڈل چھوٹے، تجرباتی کام کے بوجھ کے لیے ڈیزائن کیا گیا ہے۔ اسے کبھی بھی بڑے پیمانے پر AI پیدا کرنے کے لیے اقتصادی انجن کے طور پر نہیں بنایا گیا۔
اس سے پہلے کہ بنیادی ڈھانچے کا مسئلہ ہو اصل حل نظم و ضبط کا مسئلہ ہے۔ اس کا مطلب ہے کہ ایکسپلوریشن اور پروڈکشن ورک بوجھ کے درمیان سخت لکیر کھینچنا اور دونوں کے لیے ایک ہی کمپیوٹ ماڈل کا استعمال نہ کرنا۔ ابتدائی تکرار (پروٹو ٹائپنگ، فائن ٹیوننگ، ماڈل کی تشخیص) کو مقامی ہارڈ ویئر پر چلایا جانا چاہیے، جیسے ZGX Nano یا Z8 Fury، اپنے آپریٹنگ بجٹ کو بغیر کسی واضح ROI کے تجربات پر خرچ کرنے کے بجائے ایک وقتی سرمایہ خرچ کے ساتھ۔
یہ کام کرنے والی تنظیمیں تین درجے کے ماڈل پر عمل پیرا ہیں۔ اس کا مطلب ہے کہ حقیقی دنیا کی برسٹ ٹریننگ اور فرنٹیئر ماڈلز تک رسائی کے لیے کلاؤڈ، اعلیٰ حجم کے لیے HP Z انفراسٹرکچر، قابل پیشن گوئی، اور لیٹنسی-کریٹیکل ایج کمپیوٹنگ۔ آزادانہ تجزیہ سے پتہ چلتا ہے کہ بنیاد پر پانچ سالہ لائف سائیکل میں 18x فی ملین ٹوکن تک لاگت کا فائدہ پہنچا سکتا ہے۔ ہم اپنے گاہکوں کے ساتھ جو فریم استعمال کرتے ہیں وہ آسان ہے۔ "بادل حاصل شدہ پیمانے کے بارے میں ہے، مطلوبہ پیمانے پر نہیں۔”
مصنوعی ذہانت کی خبریں: ہر کوئی چاہتا ہے کہ اس کا ملکیتی ڈیٹا ‘AI- فعال’ ہو کمپنیاں یہ کیسے کر سکتی ہیں حساس یا الگ تھلگ معلومات کو سامنے لائے بغیر؟
زیادہ تر کمپنیاں جو غلطی کرتی ہیں وہ یہ ہے کہ ‘AI-enabled data’ کو ڈیٹا انجینئرنگ کا مسئلہ سمجھنا ہے جب کہ حقیقت میں یہ ڈیٹا کی خودمختاری کا مسئلہ ہے، جس کے لیے ایک مختلف حل کی ضرورت ہے۔ پروسیسنگ کے لیے کلاؤڈ ماڈل کو ملکیتی ڈیٹا بھیجنا صرف نمائش کا خطرہ نہیں ہے، یہ حکمرانی کی ناکامی ہے جو ہونے کا انتظار کر رہی ہے۔ یہ خاص طور پر ریگولیٹڈ صنعتوں میں درست ہے جہاں بیرونی طور پر ڈیٹا بھیجنے کا عمل ہی تعمیل کی خلاف ورزیوں کا باعث بن سکتا ہے۔
اس مسئلے کو حل کرنے والا فن تعمیر Retrieval-Augmented Generation (RAG) ہے، جو مقامی انفراسٹرکچر پر چلتا ہے۔ یہ ماڈل کو اندرونی علم کی بنیاد سے متعلقہ سیاق و سباق کو بازیافت کرنے کی اجازت دیتا ہے جب تربیت حاصل کیے بغیر یا بیرونی دنیا کے سامنے لائے بغیر استفسار کیا جاتا ہے۔ آپ کا ملکیتی ڈیٹا آن پریمیسس رہتا ہے، ہارڈ ویئر کے اندر جو آپ کنٹرول کرتے ہیں۔ مثال کے طور پر، مقامی طور پر ہوسٹڈ ماڈل چلانے والا ZGX Nano یا Z8 Fury حساس اندرونی دستاویزات کے لیے عمارت سے باہر جانے یا تیسرے فریق پر ٹوکن خرچ کیے بغیر پوری RAG پائپ لائن چلا سکتا ہے۔
رسائی کنٹرول پرت وہ جگہ ہے جہاں یہ عملی طور پر سنجیدہ ہو جاتا ہے۔ ایک اچھی طرح سے ڈیزائن کیا گیا RAG نظام تلاش کی سطح پر کردار پر مبنی اجازتوں کو نافذ کرتا ہے، لہذا AI صرف وہی اجازتیں دکھاتا ہے جو مخصوص ملازمین دیکھ سکتے ہیں، اسی طرح ایک دستاویز کا انتظام کرنے والا نظام۔ مقامی کمپیوٹ، مقامی ماڈلز، مقامی تلاش، اور کنٹرول شدہ رسائی کا امتزاج وہی ہے جو اصل میں AI کو بغیر کسی نمائش کے ملکیتی ڈیٹا دستیاب کرتا ہے۔
جو کمپنیاں یہ حق حاصل کرتی ہیں وہ صرف اپنے اہم ترین جواہرات کو پروسیسنگ کے لیے کلاؤڈ کو نہیں بھیج رہی ہیں۔ وہ ڈیٹا میں ذہانت لاتے ہیں، دوسری طرف نہیں۔
مصنوعی ذہانت کی خبریں: اگلے چند سالوں میں جب آپ خود مختار AI کو ان جدید کلاؤڈ پلیٹ فارمز کے ساتھ جوڑیں گے تو انٹرپرائز IT ٹیموں کے روزمرہ کے کردار کیسا نظر آئے گا؟
میرے خیال میں جینسن ہوانگ نے اس تصور کی بہترین وضاحت کی۔ انہوں نے کہا کہ ہمارا کام اسپریڈشیٹ کے ساتھ ہلچل یا کی بورڈ پر ٹائپ کرنے کے بارے میں نہیں ہے، اور یہ کہ ہمارا کام عام طور پر اس سے زیادہ معنی خیز ہوتا ہے۔ اور اس نے اپنے پیشے کے فرائض اور مقاصد کو واضح طور پر واضح کیا۔ مثال کے طور پر، IT میں، کام سرورز کی فراہمی یا کسی واقعے کو ٹرائی کرنا ہو سکتا ہے، لیکن مقصد کاروبار کو لچکدار رکھنا اور آگے بڑھنا ہے۔ وہ تفریق وہی ہے جو ابھی چل رہا ہے۔
گارٹنر نے پیش گوئی کی ہے کہ 40% انٹرپرائز ایپلی کیشنز میں 2026 کے آخر تک AI ایجنٹس شامل ہوں گے۔ یہ صرف ایک سال پہلے کے مقابلے میں 5% سے بھی کم ہے۔ اس کا مطلب یہ ہے کہ جہاں آئی ٹی کی روزمرہ عمل درآمد کی پرت تیزی سے جذب ہو رہی ہے، گورننس اور فن تعمیر کی پرتیں بھی اتنی ہی تیزی سے پھیل رہی ہیں۔ سرکردہ تنظیموں میں پہلے سے جو کچھ ہو رہا ہے وہ آئی ٹی ٹیموں کی طرف سے کاموں کو انجام دینے والے ایجنٹوں کو ڈیزائن کرنے اور ان کا انتظام کرنے کی طرف ایک تبدیلی ہے جو ان کی طرف سے انہیں انجام دیتے ہیں۔
اہم فرق یہ ہے کہ پانچ میں سے صرف ایک کمپنی کے پاس اب بھی اس کے لیے ایک پختہ گورننس ماڈل موجود ہے۔ یہاں ایک بار پھر، لوکل فرسٹ انفراسٹرکچر اہم ہے۔ جب آٹومیشن پرت آپ کے زیر کنٹرول ہارڈ ویئر پر چلتی ہے، تو آپ کے پاس ایجنٹ کے رویے کا مکمل مشاہدہ ہوتا ہے جو آپ کو اس وقت حاصل نہیں ہو سکتا تھا جب وہ کام کے بوجھ کو کلاؤڈ پر اکٹھا کیا جاتا تھا۔ اگلے دو سالوں کے لئے آئی ٹی ٹیم ایسی نہیں ہے جو چمکتی رہے گی۔ یہ آپ کی ٹیم ہوگی جو فیصلہ کرے گی کہ کن ایجنٹوں پر بھروسہ کیا جا سکتا ہے کہ کون سے فیصلے کیے جائیں اور بنیادی ڈھانچہ درحقیقت آپ کے کاروبار کو سپورٹ کر سکتا ہے۔
(تصویر کا ذریعہ: Pixabay، لائسنس.)
صنعت کے رہنماؤں سے AI اور بڑے ڈیٹا کے بارے میں مزید جاننا چاہتے ہیں؟ AI اور بگ ڈیٹا ایکسپو ایمسٹرڈیم، کیلیفورنیا اور لندن میں AI اور بگ ڈیٹا ایکسپو کو دیکھیں۔ یہ جامع ایونٹ TechEx کا حصہ ہے اور دیگر اہم ٹیکنالوجی ایونٹس کے ساتھ منعقد کیا جاتا ہے۔ مزید معلومات کے لیے یہاں کلک کریں۔
AI News آپ کے لیے TechForge Media لایا ہے۔ دیگر آنے والے انٹرپرائز ٹیکنالوجی ایونٹس اور ویبینرز کو یہاں دریافت کریں۔