Nvidia کا نیا میڈیکل فزکس سمولیشن فریم ورک میڈیکل روبوٹس کو فزیکل AI سسٹم کے طور پر مانتا ہے جس کو سیکھنے کے لیے محض کوڈ کی بجائے مجسم تجربے کی ضرورت ہوتی ہے۔
فزیکل AI ایک Nvidia اصطلاح ہے جسے اب زیادہ تر روبوٹکس انڈسٹری مشینوں کی وضاحت کے لیے استعمال کرتی ہے جن کو یہ سیکھنا چاہیے کہ دنیا صرف متن یا تصاویر کے بجائے رابطے، قوتوں اور نتائج کے ذریعے کیسے برتاؤ کرتی ہے۔
زبان کے ماڈل متن سے سیکھتے ہیں۔ جسمانی AI نظام سیکھتے ہیں کہ جب کیتھیٹر خون کی نالی کی دیوار کو چھوتا ہے یا روبوٹک بازو نرم بافتوں پر بہت زیادہ دباؤ ڈالتا ہے تو کیا ہوتا ہے۔ اس قسم کے سیکھنے کے لیے عام طور پر جسمانی دنیا میں کام کرنے والے جسمانی جسم کی ضرورت ہوتی ہے، یا اسے تبدیل کرنے کے لیے کافی تفصیلی تخروپن کی ضرورت ہوتی ہے۔
طبی روبوٹس کے لیے، حقیقی دنیا کے طریقہ کار میں کام کرنے والے ادارے نایاب، سختی سے منظم، اور مختلف قسم کے منظرنامے پیدا کرنے میں سست ہیں جو روبوٹ کو عملی طور پر دیکھنے کی ضرورت ہے۔ میڈیکل فزکس سمولیشن Nvidia کی کمپیوٹرز پر مجسم تجربات تخلیق کرنے کی کوشش ہے۔
کمپنی کے آئزاک فار ہیلتھ کیئر پلیٹ فارم میں اوپن سورس کے اضافے کے طور پر اعلان کیا گیا، یہ فریم ورک جراحی یا تشخیصی روبوٹ کو جسمانی تعاملات تخلیق کرنے کی اجازت دیتا ہے جس کے لیے کئی سالوں کی طبی نمائش کی ضرورت ہوتی ہے، جیسے کہ خون کی نالیوں کی دیوار پر گائیڈ وائر پکڑنا، غیر معمولی زاویے پر گردے کی پتھری، یا صرف نرم عمل میں نرم ٹائی کا ایک چھوٹا سا عمل ظاہر ہوتا ہے۔
ان انتہائی صورتوں میں سے کسی میں بھی کوئی شیڈول کے مطابق آپریٹنگ روم میں نہیں پہنچتا ہے۔ تخروپن ڈویلپرز کو ضرورت کے مطابق نقلی تخلیق کرنے کی اجازت دیتا ہے۔
اسکیلپل کے شامل ہونے سے پہلے جسمانی انتشار پیدا کریں۔
فریم ورک ماڈلنگ کے دو طریقوں کو یکجا کرتا ہے کہ ایک آلہ جسم کے اندر کیسے کام کرتا ہے۔
کلاسیکی طبیعیات کی نقلیں معروف میکانیکل اصولوں کو بیان کرتی ہیں، جیسے کہ کیتھیٹر کس طرح جھکتا ہے، برتن کی دیوار پر اس کا اطلاق مزاحمت کی ڈگری، اور جب آلہ ٹشو سے گزرتا ہے تو رابطہ قوتیں کس طرح حرکت کرتی ہیں۔ جنریٹو AI ان حصوں کو سنبھالتا ہے جن کو براہ راست کوڈ کرنا مشکل ہے: بصری منظر کی حرکیات ایک جزو کے ذریعے فراہم کردہ طریقہ کار کے ڈیٹا سے سیکھی گئی ہے جسے Nvidia Cosmos-H Dreams کہتے ہیں۔
مجموعہ چھوٹے میں ایک جسمانی AI تجویز ہے۔ کلاسیکی نقلیں طبیعیات فراہم کرتی ہیں جو روبوٹ کی پالیسیوں کے مطابق ہونی چاہئیں۔ تخلیقی نقالی عمومی بنانے کے لیے درکار بصری اور جسمانی تغیرات کی حد فراہم کرتے ہیں۔ Nvidia’s Warp اور Newton لائبریریوں کا استعمال کرتے ہوئے GPUs پر پیمانے پر چلنا اور انضمام کرنا فریم ورک کو ایک وقت میں ایک منظر کے بجائے بڑی تعداد میں متوازی تربیتی ماحول چلانے کی اجازت دیتا ہے۔
Nvidia نے کہا کہ بینچ مارک، 8,192 متوازی ماحول چلا رہا ہے، تربیت کا وقت پانچ گھنٹے سے کم کر کے دو منٹ سے کم کر دیتا ہے۔ تاہم، یہ تھرو پٹ کو ظاہر کرتا ہے، طبی اعتبار سے نہیں، اور اس کے بارے میں کچھ نہیں کہتا کہ اس طرح سے تربیت یافتہ پالیسی نامکمل امیجز، تاخیر سے سنسر ریڈ آؤٹس، اور یہاں تک کہ اناٹومیوں کے ساتھ کیسے کام کرے گی جو نقلی ماڈل سے ہٹ جاتی ہیں۔
ایج کیس میں، ایک کم کارکردگی کا مظاہرہ کرنے والا لینگویج ماڈل غلط جوابات دے رہا ہے، لیکن ایج کیس میں، مریض کے اندر ایک کم کارکردگی کا مظاہرہ کرنے والا فزیکل اے آئی سسٹم کام کر رہا ہے۔ متوازی نقلی نقطہ نظر اس بات میں ایک حقیقی پیشرفت ہے کہ ڈویلپرز ناکامی کے طریقوں کو کتنی جلدی دریافت کر سکتے ہیں۔ آیا نقلی ناکامی کے طریقے آپریٹنگ روم میں درحقیقت غلط ہونے والی چیزوں سے میل کھاتے ہیں یہ ایک الگ سوال ہے۔
جہاں نفاذ کے طریقوں کی جانچ کی جاتی ہے۔
وہ تنظیمیں جن کو Nvidia ابتدائی اپنانے والوں کا لیبل لگاتی ہے وہ مختلف گہرائیوں تک جسمانی AI اپروچز کا اطلاق کر رہی ہیں، اور اس فہرست کو یکساں تعیناتی کی فہرست کے طور پر سمجھنے کی بجائے اسے ذہن میں رکھتے ہوئے پڑھنے کے قابل ہے۔
کیمبرج کنسلٹنٹس، ایک انجینئرنگ فرم جس کی ملکیت CMR سرجیکل اور Capgemini ہے، ڈیٹا کے محاذ پر سب سے زیادہ ترقی یافتہ ہے۔ CMR نے اپنے Versius سرجیکل روبوٹک سسٹم سے تقریباً 500 گھنٹے کا گمنام طبی ڈیٹا فراہم کیا ہے جس میں cholecystectomy، prostatectomy، ہرنیا کی مرمت اور hysterectomy کے طریقہ کار کو Open-H مثال کے ڈیٹاسیٹ میں شامل کیا گیا ہے، اور یہ جوڑا Cosmos-H Dreams کا استعمال کر رہا ہے تاکہ مریض کے نرم بافتوں کے نمونے بنانے اور نرم بافتوں کی تشکیل کے لیے Cosmos-H Dreams کا استعمال کیا جا سکے۔
سی ایم آر سرجیکل کے سی ٹی او کرس فریر نے کہا، "اوپن سورس ماڈل مشترکہ علم کی بنیاد پر ذمہ دارانہ اختراع کو تیز کرنے اور بالآخر دنیا بھر کے مریضوں کے لیے زیادہ مستقل نگہداشت اور بہتر نتائج فراہم کرنے کی صلاحیت پیش کرتا ہے۔”
Johnson & Johnson MedTech اس فریم ورک کا استعمال کر رہا ہے، ایک Cosmos پر مبنی فاؤنڈیشنل ماڈل کے ساتھ، اپنے intraluminal MONARCH پلیٹ فارم کا ایک ڈیجیٹل جڑواں بنانے کے لیے جو یورولوجی میں گردے کی پتھری کے منظرناموں پر مرکوز ہے۔
XCath اس کا اطلاق انٹراواسکولر خود مختاری کی پالیسی کی تربیت پر کرتا ہے، نظام کو انسانی ہاتھ کے کنٹرول کے بغیر خون کی نالیوں کو نیویگیٹ کرنے کے جسمانی اعمال کی تعلیم دیتا ہے۔ اندرونی منطق نے کہا کہ یہ آلہ کے طریقہ کار کی توثیق کرنے کے لیے مصنوعی ڈیٹا تیار کر رہا ہے اور ریگولیٹری گذارشات کی حمایت کے لیے سلیکو شواہد تیار کرنے کا ارادہ رکھتا ہے، حالانکہ اس ثبوت کی بنیاد پر جمع کرانے کی عوامی طور پر تصدیق نہیں کی گئی ہے۔
میڈٹرونک سٹرکچرل ہارٹ گروپ میں پہلا ہے جس نے کیتھیٹر نیویگیشن اسٹڈیز کے لیے نقلی ایکس رے کا پتہ لگایا ہے۔
ان میں سے ہر ایک تربیتی مشق یا ڈیٹا سیٹ کا تعاون ہے۔ اس طرح سے سیکھی گئی پالیسیوں کا استعمال کرتے ہوئے مریضوں پر کام کرنے والا کوئی تعینات نظام نہیں ہے، اور Nvidia دوسری صورت میں دعوی نہیں کرتا ہے۔
فزیکل AI سسٹمز کے لیے اوپن سورس کیس
میڈیکل روبوٹکس گورننس کے تقاضوں کو پورا کرتا ہے جس میں صنعتی اور گودام روبوٹکس سمیت زیادہ تر جسمانی AI ایپلی کیشنز کو ایک ہی ڈگری کا سامنا نہیں کرنا پڑتا ہے۔ ریگولیٹرز اور کلینیکل ریویو بورڈز کو نہ صرف اس بات کا تعین کرنے کی ضرورت ہے کہ آیا ٹیسٹنگ میں برتاؤ قابل قبول معلوم ہوتا ہے، بلکہ یہ بھی کہ سسٹم اس رویے پر کیسے پہنچا۔
اوپن سورس فریم ورک ڈویلپرز کو تخروپن کے اندر جسمانی مفروضوں کی جانچ پڑتال کرنے، مختلف قسم کے اناٹومیوں میں نتائج کو دوبارہ پیش کرنے، اور FDA یا اس کے مساوی کو جمع کرانے کے لیے موزوں ثبوت کی ٹریل بنانے کی اجازت دیتا ہے۔
یہ زیادہ تر سافٹ ویئر کیٹیگریز کے مقابلے میں فزیکل AI کی کشادگی کے لیے ایک مضبوط دلیل ہے، جہاں بند وینڈر پائپ لائنز ان مفروضوں کو چھپاتی ہیں جن کی ٹیموں کو ریگولیٹرز سے دفاع کرنے کی ضرورت ہوتی ہے۔ توثیق کے سوالات خود حل نہیں کرتے ہیں۔
اوپن کوڈ بیرونی جائزہ لینے والوں کو ماڈل کی منطق کی جانچ کرنے کی اجازت دیتا ہے، لیکن یہ اس بات کو یقینی نہیں بناتا کہ ماڈل کا جسمانی رویہ جسم میں ہونے والی چیزوں سے میل کھاتا ہے، اور یہ تصدیق ان ٹیسٹوں کے ذریعے ہونی چاہیے جو ان کمپنیوں میں سے کسی نے ابھی تک شائع نہیں کیے ہیں۔
Nvidia نے ایک ایسا انفراسٹرکچر بنایا ہے جو جراحی اور تشخیصی روبوٹس کے لیے جسمانی AI کی ترقی کے پہلے سے ہارڈ ویئر کے مرحلے کو تیز کر سکتا ہے، اور اس پیمانے پر متوازی طور پر چلانے کی تربیت کسی بھی ورک فلو کے لیے حسب ضرورت نقلی مناظر کی تشکیل نو کے ساتھ شروع ہوتی ہے۔
آپ یہاں اس موضوع کے بارے میں مزید سن سکتے ہیں: فزکس اے آئی ایکسپو.
حوالہ: Bristol Myers Squibb نے نئی ادویات تیار کرنے کے لیے Nvidia AI سسٹمز حاصل کیے ہیں۔
صنعت کے رہنماؤں سے AI اور بڑے ڈیٹا کے بارے میں مزید جاننا چاہتے ہیں؟ ایمسٹرڈیم، کیلیفورنیا اور لندن میں ہونے والے AI اور بگ ڈیٹا ایکسپو کو دیکھیں۔ جامع ایونٹ TechEx کا حصہ ہے اور اس کا انعقاد سائبرسیکیوریٹی اور کلاؤڈ ایکسپو سمیت دیگر اہم ٹیکنالوجی ایونٹس کے ساتھ 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۔