نیورو علامتی AI: ایک مشین جو آخر کار منطق اور سیکھنے دونوں کو سنبھال سکتی ہے۔

• مصنف:
• مصنف کا نام

  Quantumrun دور اندیشی
• اپریل 13، 2023

مشین لرننگ (ML) ہمیشہ سے اپنے منفرد چیلنجوں کے ساتھ ایک امید افزا ٹیکنالوجی رہی ہے، لیکن محققین منطق پر مبنی ایک ایسا نظام بنانے کی کوشش کر رہے ہیں جو بڑے ڈیٹا سے باہر ہو۔ منطق پر مبنی نظام کو علامتی نمائندگی اور استدلال کے ساتھ کام کرنے کے لیے ڈیزائن کیا گیا ہے، جو نظام کے فیصلہ سازی کے عمل کو سمجھنے کا زیادہ شفاف اور قابل تشریح طریقہ فراہم کر سکتا ہے۔ 

نیورو علامتی AI سیاق و سباق

نیورو علامتی AI (جسے کمپوزٹ AI بھی کہا جاتا ہے) مصنوعی ذہانت (AI) کی دو شاخوں کو یکجا کرتا ہے۔ سب سے پہلے علامتی AI ہے، جو رشتوں اور قواعد کو سمجھنے کے لیے علامتوں کا استعمال کرتا ہے (یعنی کسی چیز کا رنگ اور شکل)۔ علامتی AI کے کام کرنے کے لیے، علم کی بنیاد قطعی، تفصیلی، اور مکمل ہونی چاہیے۔ اس ضرورت کا مطلب یہ ہے کہ وہ خود سیکھ نہیں سکتا اور علم کی بنیاد کو اپ ڈیٹ کرنے کے لیے انسانی مہارت پر منحصر ہے۔ 

نیورو علامتی AI کا دوسرا جزو ڈیپ نیورل نیٹ ورک (ڈیپ نیٹ) یا ڈیپ لرننگ (DL) ہے۔ یہ ٹیک نوڈس کی متعدد تہوں کا استعمال کرتی ہے جو انسانی دماغ کے نیوران کی نقل کرتے ہیں تاکہ بڑے ڈیٹاسیٹس پر کارروائی کرنے کے لیے خود سیکھیں۔ مثال کے طور پر، گہرے جال بلیوں اور کتوں کی مختلف تصاویر کے ذریعے درست طریقے سے شناخت کر سکتے ہیں کہ کون سا ہے، اور وہ وقت کے ساتھ ساتھ بہتر ہوتے ہیں۔ تاہم، جو گہرے جال نہیں کر سکتے وہ ہے پیچیدہ تعلقات پر کارروائی۔ علامتی AI اور گہرے جالوں کو ملا کر، محققین DL کا استعمال کرتے ہوئے بڑی مقدار میں ڈیٹا کو علم کی بنیاد میں منتقل کرتے ہیں، جس کے بعد علامتی AI اصولوں اور رشتوں کا اندازہ یا شناخت کر سکتا ہے۔ یہ مجموعہ زیادہ موثر اور درست علم کی دریافت اور فیصلہ سازی کی اجازت دیتا ہے۔

ایک اور شعبہ جو نیورو علامتی AI ایڈریس کرتا ہے وہ گہری نیٹ کا مہنگا تربیتی عمل ہے۔ مزید برآں، گہرے جال چھوٹے ان پٹ ڈیٹا کی تبدیلیوں کے لیے حساس ہو سکتے ہیں، جس کی وجہ سے درجہ بندی کی غلطیاں ہوتی ہیں۔ وہ تجریدی استدلال کے ساتھ بھی جدوجہد کرتے ہیں اور زیادہ تربیتی ڈیٹا کے بغیر سوالات کے جوابات دیتے ہیں۔ مزید برآں، ان نیٹ ورکس کا اندرونی کام پیچیدہ اور انسانوں کے لیے سمجھنا مشکل ہے، جس کی وجہ سے ان کی پیشین گوئیوں کے پیچھے استدلال کی تشریح کرنا ایک چیلنج بنتا ہے۔

خلل ڈالنے والا اثر

اسٹینفورڈ یونیورسٹی کے محققین نے بنیادی 100,000D شکلوں (مربع، دائرے، سلنڈر وغیرہ) کی 3 تصاویر کا استعمال کرتے ہوئے جامع AI کا ابتدائی مطالعہ کیا اور پھر انہوں نے ہائبرڈ کو ڈیٹا پر کارروائی کرنے اور تعلقات کا اندازہ لگانے کے لیے مختلف سوالات کا استعمال کیا (مثال کے طور پر، کیا کیوبز سرخ ہیں؟ )۔ انہوں نے پایا کہ نیورو علامتی AI ان سوالوں کا 98.9 فیصد صحیح جواب دے سکتا ہے۔ مزید برآں، ہائبرڈ کو حل تیار کرنے کے لیے صرف 10 فیصد تربیتی ڈیٹا کی ضرورت ہوتی ہے۔ 

چونکہ علامتیں یا قواعد گہرے جالوں کو کنٹرول کرتے ہیں، محققین آسانی سے دیکھ سکتے ہیں کہ وہ کیسے "سیکھ رہے ہیں" اور کہاں خرابی واقع ہوتی ہے۔ اس سے پہلے، یہ گہرے جالوں کی کمزوریوں میں سے ایک رہا ہے، پیچیدہ کوڈز اور الگورتھم کی تہوں اور تہوں کی وجہ سے ٹریک کرنے سے قاصر ہے۔ سڑک پر موجود اشیاء اور ماحول میں ہونے والی کسی بھی تبدیلی کو پہچاننے کے لیے خود سے چلنے والی گاڑیوں میں نیورو سمبلک AI کا تجربہ کیا جا رہا ہے۔ اس کے بعد اسے ان بیرونی عوامل پر مناسب ردعمل ظاہر کرنے کی تربیت دی جاتی ہے۔ 

تاہم، اس بارے میں مختلف آراء ہیں کہ آیا علامتی AI اور ڈیپ نیٹس کا امتزاج زیادہ جدید AI کی طرف بہترین راستہ ہے۔ کچھ محققین، جیسے کہ براؤن یونیورسٹی سے تعلق رکھنے والے، کا خیال ہے کہ یہ ہائبرڈ نقطہ نظر انسانی ذہنوں کے ذریعے حاصل کردہ تجریدی استدلال کی سطح سے میل نہیں کھا سکتا۔ انسانی ذہن کسی مخصوص علامتی جزو کی ضرورت کے بغیر، حیاتیاتی عصبی نیٹ ورکس کا استعمال کرتے ہوئے، اشیاء کی علامتی نمائندگی کر سکتا ہے اور ان علامتوں کو استعمال کرتے ہوئے مختلف قسم کے استدلال انجام دے سکتا ہے۔ کچھ ماہرین کا کہنا ہے کہ متبادل طریقے، جیسے گہرے جالوں میں ایسی خصوصیات شامل کرنا جو انسانی صلاحیتوں کی نقل کرتے ہیں، AI کی صلاحیتوں کو بڑھانے میں زیادہ کارگر ثابت ہو سکتے ہیں۔

نیورو علامتی AI کے لیے درخواستیں۔

نیورو علامتی AI کے لیے کچھ ایپلی کیشنز میں شامل ہو سکتے ہیں:

• بوٹس، جیسے چیٹ بوٹس، جو انسانی احکامات اور محرکات کو بہتر طور پر سمجھ سکتے ہیں، زیادہ درست جوابات اور خدمات پیدا کرتے ہیں۔
• اس کا اطلاق زیادہ پیچیدہ اور حساس مسئلہ حل کرنے والے منظرناموں میں ہوتا ہے جیسے طبی تشخیص، علاج کی منصوبہ بندی، اور منشیات کی نشوونما۔ اس ٹیکنالوجی کو نقل و حمل، توانائی اور مینوفیکچرنگ جیسے شعبوں کے لیے سائنسی اور تکنیکی تحقیق کو تیز کرنے کے لیے بھی لاگو کیا جا سکتا ہے۔ 
• فیصلہ سازی کے عمل کی آٹومیشن جو فی الحال انسانی فیصلے کی ضرورت ہے۔ نتیجے کے طور پر، ایسی ایپلی کیشنز کسٹمر سروس جیسے مخصوص شعبوں میں ہمدردی اور جوابدہی کے نقصان کا باعث بن سکتی ہیں۔
• زیادہ بدیہی سمارٹ ایپلائینسز اور ورچوئل اسسٹنٹس جو مختلف منظرناموں پر کارروائی کر سکتے ہیں، جیسے کہ فعال طور پر بجلی کا تحفظ اور حفاظتی اقدامات کو نافذ کرنا۔
• نئے اخلاقی اور قانونی سوالات، جیسے رازداری، ملکیت، اور ذمہ داری سے متعلق مسائل۔
• حکومت اور دیگر سیاسی تناظر میں بہتر فیصلہ سازی۔ اس ٹیکنالوجی کو زیادہ ٹارگٹڈ اشتہارات اور ہائپر پرسنلائزڈ اشتہارات اور میڈیا کی نسل کے ذریعے رائے عامہ پر اثر انداز ہونے کے لیے بھی استعمال کیا جا سکتا ہے۔

غور کرنے کے لیے سوالات۔

• آپ کے خیال میں نیورو علامتی AI ہماری روزمرہ کی زندگیوں کو کیسے متاثر کرے گا؟
• اس ٹیکنالوجی کو دوسری صنعتوں میں کیسے استعمال کیا جا سکتا ہے؟