12 افراد کو ملازمت دینے والی کمپنی کو 1 بلین ڈالر کی سٹارٹ اپ فنڈنگ دینا یہ ظاہر کرتا ہے کہ سرمایہ کاروں کو اب بھی AI پر بھروسہ ہے۔ لیکن AMI Labs کے Yann LeCun، جو زیر بحث اسٹارٹ اپ کے بانی ہیں، کا خیال ہے کہ ہم فی الحال جس قسم کی ٹیکنالوجی کو بڑے لینگویج ماڈلز (AI) کہتے ہیں وہ بامعنی، طویل مدتی نتائج پیدا کرنے کا طریقہ نہیں ہے۔
Yann LeCun نے ایڈوانسڈ مشین انٹیلی جنس لیبز (AMI لیبز) کی تلاش کے لیے گزشتہ سال کے آخر میں میٹا میں چیف AI سائنسدان کی حیثیت سے اپنا عہدہ چھوڑ دیا۔ انہوں نے استدلال کیا کہ انسٹی ٹیوٹ ممکنہ طور پر ایک تحقیقی ادارہ رہے گا جس کی توقع نہیں کی جاتی کہ وہ مزید پانچ سال تک قابل فروخت مصنوعات تیار کرے گی۔ AMI لیبز کی ٹیم AI پر فوکس کرتی ہے جس میں ماڈیولر اجزاء کے مجموعے پر مشتمل ہوتا ہے جو بڑے عام مقصد کے زبان پر مبنی ماڈلز کے بجائے مخصوص استعمال کے معاملات کے لیے تربیت یافتہ اور چلائے جاتے ہیں۔
LeCun کی طرف سے تجویز کردہ مصنوعی ذہانت کا نظام درج ذیل قسم کے عناصر پر مشتمل ہے:
- ایک عالمی ماڈل جو اس ڈومین کے لیے مخصوص ہے جس میں AI کام کرتا ہے۔ یہ صنعت کے لیے مخصوص یا کردار کے لیے مخصوص ہو سکتا ہے۔
- ایک اداکار جو کلاسیکی کمک سیکھنے کی بنیاد پر اگلا قدم تجویز کرتا ہے،
- ایک نقاد، جو عالمی ماڈلز اور شارٹ ٹرم میموری کی بنیاد پر اخذ کردہ مختلف آپشنز کا تجزیہ کرتا ہے اور سخت کوڈڈ قوانین کے مطابق مجوزہ اقدامات کا جائزہ لیتا ہے۔
- AI کے استعمال کے لیے مخصوص شناختی نظام: جیسے ڈیپ لرننگ ویژن ریکگنیشن الگورتھم کا استعمال کرتے ہوئے ویڈیو یا آڈیو ڈیٹا، ٹیکسٹ، امیجز وغیرہ۔
- مختصر مدت کی یادداشت،
- ایک کنسٹرکٹر جو مندرجہ بالا اشیاء میں سے ہر ایک کے درمیان معلومات کی نقل و حرکت کو مربوط کرتا ہے۔
بڑے پیمانے پر زبان کے ماڈلز کے برعکس جو معلومات کے صرف ایک ذریعہ (انٹرنیٹ سے سکریپ شدہ متن) پر تربیت یافتہ ہوتے ہیں، LeCun AI کی ہر مثال کو صرف اس کے ماحول اور مقصد سے متعلقہ ڈائریکٹڈ ڈیٹا فراہم کیا جاتا ہے۔ ہر ماڈیول کی اہمیت ہر ورژن میں مختلف طریقے سے سیٹ کی جا سکتی ہے۔ مثال کے طور پر، حساس معلومات سے نمٹنے والے علاقوں میں کریٹیکل ماڈیول زیادہ جامع ہے، جبکہ پرسیپشن ماڈیول ان سسٹمز میں سب سے اہم ہے جنہیں حقیقی دنیا کے واقعات پر فوری رد عمل ظاہر کرنے کی ضرورت ہے۔
ہر ماڈیول کو اس طریقے سے پڑھایا جاتا ہے جو AI کے مخصوص شعبے سے متعلق ہو۔ ماضی میں اس کی کچھ کامیاب مثالیں سامنے آئی ہیں، مثال کے طور پر مشین لرننگ سسٹم جو خود کو سکھا سکتے ہیں کہ ویڈیوز یا بورڈ گیمز کیسے کھیلتے ہیں۔ یہ بڑے پیمانے پر زبان کے ماڈلز سے متصادم ہے جو ہم فی الحال AI کے بارے میں بات کرتے وقت زیادہ تر بات کرتے ہیں۔
LLMs کو جامع طور پر تربیت دی جا سکتی ہے کہ وہ جو کچھ کھا چکے ہیں اس کی بنیاد پر بہترین اندازے کے جوابات تیار کریں، جس کے بعد سافٹ ویئر ریپرز کے ذریعے فوری انجینئرنگ کے ذریعے گہری سطح پر ترمیم کی جا سکتی ہے (کلاڈ کا کوڈ ان دنوں میں سب سے زیادہ جانا جاتا ہے) یا انفرنس ماڈلز کے ذریعے (‘تھنک دی لاؤڈ’) جواب دینے کے لیے ‘آواز میں سوچیں’ کا حصہ ہے۔ اس سے پہلے کہ صارف حتمی جواب دیکھے)۔
اگر Yann LeCun کے خیالات کے نتیجہ خیز، قابل عمل نتائج برآمد ہوتے ہیں، AMI Labs کی طرف سے تجویز کردہ طریقہ کار کے ساتھ تیار کردہ AI کا مالی اثر موجودہ AI صنعت کے لیے دلچسپ ہو سکتا ہے۔ بڑے ٹیکنالوجی فراہم کنندگان (انتھروپک، میٹا، اوپن اے آئی، گوگل، وغیرہ) کے بڑے زبان کے ماڈلز نے پچھلے پانچ سالوں میں ہر تکرار کے ساتھ زیادہ وسائل استعمال کیے ہیں۔ ابتدائی مراحل میں ماڈل کے سائز میں اضافے کے علاوہ، بعد کے ورژنز کے آؤٹ پٹ کو بہتر بنانے کے لیے درکار تکراری اشارے کی وجہ سے بڑے ماڈلز کی تربیت اور چلانا مہنگا ہوتا جا رہا ہے، اور صرف بڑے ادارے ہی انہیں مالی نقصان میں چلانے کے متحمل ہو سکتے ہیں۔
AMI لیبز کے تجویز کردہ حل کے اندر چھوٹے، زیادہ توجہ مرکوز کرنے والے ماڈیولز GPU پاور کے ایک حصے پر چل سکتے ہیں جو فی الحال بڑے پیمانے پر LLMs، یا آن ڈیوائس کے لیے درکار ہے۔ مثال کے طور پر، ChatGPT کے استعمال کردہ سیکڑوں اربوں پیرامیٹرز ماڈل کے بجائے، ماہر ماڈل، جس کے لیے آپ کو عام ماہر بننے کی ضرورت نہیں ہے، صرف سینکڑوں ملین پیرامیٹرز کی ضرورت ہے۔ اس کا مطلب یہ ہے کہ مقامی، سستا، اور موروثی طور پر زیادہ درست AI شاید اس مفروضے کی وجہ سے کہ کمپیوٹنگ کے اخراجات عام طور پر گر جائیں گے۔
نئے آئیڈیاز کے ساتھ اسٹارٹ اپ اور بڑے پیمانے پر فنڈنگ حاصل کرنا حالیہ ٹیک تاریخ میں کوئی نئی بات نہیں ہے۔ لیکن LeCun کی حکمت عملی کا کم از کم ایک حصہ ان کے اس یقین پر مبنی ہے کہ موجودہ بڑے پیمانے پر زبان کے ماڈلز کو ان کے مصنفین کے خواہش مندانہ دعووں کو پورا کرنے کے لیے کافی حد تک بہتر نہیں کیا جا سکتا۔ ایسا لگتا ہے کہ AMI لیبز سرمایہ کاروں کو مستقبل قریب میں کسی مرحلے پر AI کو کامیابی کے ساتھ کارکردگی کا مظاہرہ کرنے کا ایک طریقہ پیش کر رہی ہے جو کہ موجودہ معیارات سے مختلف فن تعمیر کا استعمال کرتے ہوئے قابل انتظام قیمت پر ہے۔ اگرچہ یہ آج کے AI جنات کی میز پر موجود تجاویز سے مختلف ہے، لیکن مستقبل کی صلاحیت کے بارے میں پیغام بھی ایسا ہی ہے۔
(تصویری کریڈٹ: سائڈہائیک کے ذریعہ "ماڈیولر کنسٹرکشن پر تناظر”، CC BY-NC-SA 2.0 کے تحت لائسنس یافتہ)
صنعت کے رہنماؤں سے AI اور بڑے ڈیٹا کے بارے میں مزید جاننا چاہتے ہیں؟ ایمسٹرڈیم، کیلیفورنیا اور لندن میں اے آئی اور بگ ڈیٹا ایکسپو دیکھیں۔ 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 گیا ہے۔ دیگر آنے والے انٹرپرائز ٹیکنالوجی ایونٹس اور ویبینرز کو یہاں دریافت کریں۔