ماخذ: خام پکسل ڈاٹ کام
Conversational AI LLMs کی ایک ایپلی کیشن ہے جس نے بہت ساری صنعتوں اور استعمال کے معاملات میں اپنی توسیع پذیری کی وجہ سے بہت زیادہ توجہ اور توجہ کا مرکز بنایا ہے۔ اگرچہ بات چیت کے نظام کئی دہائیوں سے موجود ہیں، LLMs نے وہ معیار بڑھایا ہے جو ان کے بڑے پیمانے پر اپنانے کے لیے درکار تھا۔ اس آرٹیکل میں، ہم تصویر 1 میں دکھائے گئے ذہنی ماڈل کو استعمال کریں گے تاکہ بات چیت کی AI ایپلی کیشنز (cf. ایک مکمل ذہنی ماڈل کے ساتھ AI مصنوعات کی تعمیر ذہنی ماڈل کے تعارف کے لیے)۔ مارکیٹ کے مواقع اور بات چیت کے AI سسٹمز کی کاروباری قدر پر غور کرنے کے بعد، ہم ڈیٹا، LLM فائن ٹیوننگ، اور بات چیت کے ڈیزائن کے حوالے سے اضافی "مشینری" کی وضاحت کریں گے جو بات چیت کو نہ صرف ممکن بنانے کے لیے ترتیب دینے کی ضرورت ہے بلکہ مفید بھی۔ اور لطف اندوز.
1. موقع، قدر، اور حدود
روایتی UX ڈیزائن مصنوعی UX عناصر، سوائپس، ٹیپس اور کلکس کی ایک بڑی تعداد کے ارد گرد بنایا گیا ہے، جس میں ہر نئی ایپ کے لیے سیکھنے کے منحنی خطوط کی ضرورت ہوتی ہے۔ بات چیت کے AI کا استعمال کرتے ہوئے، ہم اس مصروفیت کو دور کر سکتے ہیں، اسے قدرتی طور پر بہتی ہوئی گفتگو کے خوبصورت تجربے سے بدل سکتے ہیں جس میں ہم مختلف ایپس، ونڈوز اور ڈیوائسز کے درمیان ہونے والی تبدیلیوں کو بھول سکتے ہیں۔ ہم مختلف ورچوئل اسسٹنٹس (VAs) کے ساتھ بات چیت کرنے اور اپنے کاموں کو پورا کرنے کے لیے، مواصلات کے لیے اپنے آفاقی اور مانوس پروٹوکول کا استعمال کرتے ہیں۔
بات چیت کے UI بالکل نئی گرم چیزیں نہیں ہیں۔ انٹرایکٹو وائس رسپانس سسٹمز (IVRs) اور چیٹ بوٹس 1990 کی دہائی سے موجود ہیں، اور NLP میں بڑی پیش رفت آواز اور چیٹ انٹرفیس کے لیے امید اور ترقی کی لہروں کے قریب سے عمل پیرا ہے۔ تاہم، LLMs کے وقت سے پہلے، زیادہ تر نظام علامتی تمثیل میں لاگو کیے جاتے تھے، اصولوں، مطلوبہ الفاظ اور بات چیت کے نمونوں پر انحصار کرتے تھے۔ وہ "قابلیت" کے ایک مخصوص، پہلے سے طے شدہ ڈومین تک بھی محدود تھے، اور ان سے باہر نکلنے والے صارفین جلد ہی ختم ہو جائیں گے۔ مجموعی طور پر، ان سسٹمز کو ناکامی کے ممکنہ نکات کے ساتھ کان کنی کیا گیا تھا، اور کچھ مایوس کن کوششوں کے بعد، بہت سے صارفین ان کے پاس واپس نہیں آئے۔ مندرجہ ذیل تصویر ایک مثال کے مکالمے کی وضاحت کرتی ہے۔ ایک صارف جو کسی مخصوص کنسرٹ کے ٹکٹ کا آرڈر دینا چاہتا ہے صبر کے ساتھ تفصیلی پوچھ گچھ کے بہاؤ سے گزرتا ہے، صرف آخر میں یہ معلوم کرنے کے لیے کہ کنسرٹ فروخت ہو گیا ہے۔
ایک قابل بنانے والی ٹیکنالوجی کے طور پر، LLMs بات چیت کے انٹرفیس کو معیار اور صارف کے اطمینان کی نئی سطحوں تک لے جا سکتے ہیں۔ بات چیت کے نظام اب بہت وسیع تر عالمی علم، لسانی قابلیت، اور بات چیت کی صلاحیت کو ظاہر کر سکتے ہیں۔ پہلے سے تربیت یافتہ ماڈلز کا فائدہ اٹھاتے ہوئے، انہیں بہت کم وقت میں بھی تیار کیا جا سکتا ہے کیونکہ قواعد، کلیدی الفاظ، اور ڈائیلاگ فلو کو مرتب کرنے کے تھکا دینے والے کام کی جگہ اب LLM کے شماریاتی علم نے لے لی ہے۔ آئیے دو نمایاں ایپلی کیشنز کو دیکھتے ہیں جہاں بات چیت کی AI پیمانے پر قدر فراہم کر سکتی ہے:
- کسٹمر سپورٹ اور، عام طور پر، ایسی ایپلی کیشنز جو صارفین کی ایک بڑی تعداد کے ذریعہ استعمال ہوتی ہیں جو اکثر اسی طرح کی درخواستیں کرتے ہیں۔ یہاں، کسٹمر سپورٹ فراہم کرنے والی کمپنی کو صارف پر معلومات کا واضح فائدہ حاصل ہے اور وہ اس کا فائدہ اٹھا کر صارف کے زیادہ بدیہی اور پر لطف تجربہ پیدا کر سکتی ہے۔ فلائٹ کی ری بکنگ کے معاملے پر غور کریں۔ میرے لیے، ایک بار بار پرواز کرنے والا، یہ وہ چیز ہے جو سال میں 1-2 بار ہوتی ہے۔ درمیان میں، میں عمل کی تفصیلات کو بھول جاتا ہوں، نہ کہ کسی مخصوص ایئر لائن کے یوزر انٹرفیس کی بات کرنا۔ اس کے برعکس، ایئر لائن کے کسٹمر سپورٹ کے پاس اپنے آپریشنز کے سامنے اور مرکز میں ری بکنگ کی درخواستیں ہوتی ہیں۔ ایک پیچیدہ گرافیکل انٹرفیس کے ذریعے دوبارہ بکنگ کے عمل کو سامنے لانے کے بجائے، اس کی منطق کو سپورٹ سے رابطہ کرنے والے صارفین سے "پوشیدہ" کیا جا سکتا ہے، اور وہ اپنی ری بکنگ کرنے کے لیے زبان کو قدرتی چینل کے طور پر استعمال کر سکتے ہیں۔ یقیناً، اب بھی کم مانوس درخواستوں کی ایک "لمبی دم" باقی رہے گی۔ مثال کے طور پر، ایک بے ساختہ موڈ سوئنگ کا تصور کریں جو ایک کاروباری گاہک کو اپنے پیارے کتے کو بک کی ہوئی پرواز میں اضافی سامان کے طور پر شامل کرنے پر مجبور کرتا ہے۔ یہ مزید انفرادی درخواستیں انسانی ایجنٹوں تک پہنچائی جا سکتی ہیں یا ورچوئل اسسٹنٹ سے منسلک اندرونی نالج مینجمنٹ سسٹم کے ذریعے کور کی جا سکتی ہیں۔
- نالج کا انتظام جو ڈیٹا کی ایک بڑی مقدار پر مبنی ہے۔ بہت سی جدید کمپنیوں کے لیے، اندرونی علم جو وہ برسوں کے دوران آپریٹنگ، تکرار، اور سیکھنے کے دوران جمع کرتے ہیں ایک بنیادی اثاثہ اور تفریق ہے — اگر اسے محفوظ، منظم، اور موثر طریقے سے حاصل کیا جائے۔ ڈیٹا کی ایک دولت پر بیٹھ کر جو تعاون کے ٹولز، اندرونی ویکیز، نالج بیسز وغیرہ میں پوشیدہ ہے، وہ اکثر اسے قابل عمل علم میں تبدیل کرنے میں ناکام رہتے ہیں۔ جیسے ہی ملازمین کے چلے جاتے ہیں، نئے ملازمین کو آن بورڈ کیا جاتا ہے، اور آپ کبھی بھی اس دستاویزی صفحہ کو حتمی شکل دینے کے لیے نہیں آتے جو آپ نے تین ماہ قبل شروع کیا تھا، قیمتی علم اینٹروپی کا شکار ہو جاتا ہے۔ اندرونی ڈیٹا بھولبلییا کے ذریعے راستہ تلاش کرنا اور کسی مخصوص کاروباری صورت حال میں درکار معلومات کے بٹس پر ہاتھ اٹھانا مشکل تر ہوتا چلا جاتا ہے۔ اس سے علمی کارکنوں کی کارکردگی میں بہت زیادہ نقصان ہوتا ہے۔ اس مسئلے کو حل کرنے کے لیے، ہم اندرونی ڈیٹا کے ذرائع پر سیمنٹک تلاش کے ساتھ LLMs کو بڑھا سکتے ہیں۔ ایل ایل ایم اس ڈیٹا بیس کے خلاف سوالات پوچھنے کے لیے پیچیدہ رسمی سوالات کے بجائے قدرتی زبان کے سوالات استعمال کرنے کی اجازت دیتے ہیں۔ اس طرح صارفین علم کی بنیاد کے ڈھانچے یا کسی استفسار کی زبان جیسے ایس کیو ایل کے نحو کی بجائے اپنی معلومات کی ضروریات پر توجہ مرکوز کر سکتے ہیں۔ متن پر مبنی ہونے کے ناطے، یہ سسٹمز ایک بھرپور سیمنٹک جگہ میں ڈیٹا کے ساتھ کام کرتے ہیں، بامعنی کنکشن بنا کر "ہڈ کے نیچے"۔
ایپلی کیشن کے ان بڑے علاقوں سے ہٹ کر، بہت سی دوسری ایپلی کیشنز ہیں، جیسے ٹیلی ہیلتھ، دماغی صحت کے معاونین، اور تعلیمی چیٹ بوٹس، جو UX کو ہموار کر سکتے ہیں اور اپنے صارفین کو تیزی سے اور زیادہ موثر طریقے سے قدر فراہم کر سکتے ہیں۔
اگر یہ گہرائی والا تعلیمی مواد آپ کے لیے مفید ہے، تو آپ کر سکتے ہیں۔ ہماری AI ریسرچ میلنگ لسٹ کو سبسکرائب کریں۔ جب ہم نیا مواد جاری کرتے ہیں تو متنبہ کیا جائے۔
2 ڈیٹا
LLMs کو اصل میں روانی سے چھوٹی چھوٹی باتوں یا زیادہ اہم بات چیت میں مشغول ہونے کی تربیت نہیں دی جاتی ہے۔ بلکہ، وہ ہر قیاس قدم پر درج ذیل ٹوکن بنانا سیکھتے ہیں، جس کے نتیجے میں ایک مربوط متن ہوتا ہے۔ یہ نچلی سطح کا مقصد انسانی گفتگو کے چیلنج سے مختلف ہے۔ بات چیت انسانوں کے لیے ناقابل یقین حد تک بدیہی ہے، لیکن جب آپ کسی مشین کو یہ کرنا سکھانا چاہتے ہیں تو یہ ناقابل یقین حد تک پیچیدہ اور باریک ہو جاتا ہے۔ مثال کے طور پر، آئیے ارادوں کے بنیادی تصور کو دیکھتے ہیں۔ جب ہم زبان استعمال کرتے ہیں، تو ہم ایسا کسی خاص مقصد کے لیے کرتے ہیں، جو کہ ہمارا بات چیت کا ارادہ ہے — یہ معلومات پہنچانا، سماجی بنانا، یا کسی کو کچھ کرنے کے لیے کہنا ہو سکتا ہے۔ جب کہ پہلے دو ایل ایل ایم کے لیے بالکل سیدھے ہیں (جب تک اس نے ڈیٹا میں مطلوبہ معلومات دیکھی ہیں)، مؤخر الذکر پہلے سے زیادہ چیلنجنگ ہے۔ ایل ایل ایم کو نہ صرف متعلقہ معلومات کو مربوط طریقے سے یکجا کرنے اور اس کی تشکیل کرنے کی ضرورت ہے، بلکہ اسے رسمی، تخلیقی صلاحیت، مزاح وغیرہ جیسے نرم معیار کے لحاظ سے صحیح جذباتی لہجہ بھی ترتیب دینے کی ضرورت ہے۔ یہ بات چیت کے ڈیزائن کے لیے ایک چیلنج ہے۔ (cf. سیکشن 5)، جو کہ فائن ٹیوننگ ڈیٹا بنانے کے کام کے ساتھ جڑا ہوا ہے۔
کلاسیکی زبان کی نسل سے مخصوص مواصلاتی ارادوں کو پہچاننے اور اس کا جواب دینے کی طرف منتقلی بہتر استعمال اور بات چیت کے نظام کی قبولیت کی طرف ایک اہم قدم ہے۔ جہاں تک تمام فائن ٹیوننگ کوششوں کا تعلق ہے، یہ ایک مناسب ڈیٹاسیٹ کی تالیف سے شروع ہوتا ہے۔
فائن ٹیوننگ ڈیٹا کو (مستقبل کے) حقیقی دنیا کے ڈیٹا کی تقسیم کے ہر ممکن حد تک قریب آنا چاہیے۔ سب سے پہلے، یہ بات چیت (مکالمہ) ڈیٹا ہونا چاہئے. دوسرا، اگر آپ کا ورچوئل اسسٹنٹ کسی مخصوص ڈومین میں مہارت حاصل کرے گا، تو آپ کو فائن ٹیوننگ ڈیٹا کو جمع کرنے کی کوشش کرنی چاہیے جو ضروری ڈومین کے علم کی عکاسی کرے۔ تیسرا، اگر آپ کی درخواست میں عام بہاؤ اور درخواستیں بار بار آتی رہیں گی، جیسا کہ کسٹمر سپورٹ کے معاملے میں، اپنے تربیتی ڈیٹا میں ان کی مختلف مثالیں شامل کرنے کی کوشش کریں۔ مندرجہ ذیل جدول سے بات چیت کے فائن ٹیوننگ ڈیٹا کا ایک نمونہ دکھاتا ہے۔ ChatBot کے لیے 3K بات چیت کا ڈیٹا سیٹ، جو Kaggle پر آزادانہ طور پر دستیاب ہے:
دستی طور پر بات چیت کا ڈیٹا بنانا ایک مہنگا کام بن سکتا ہے — کراؤڈ سورسنگ اور ڈیٹا بنانے میں آپ کی مدد کے لیے LLMs کا استعمال پیمانے کو بڑھانے کے دو طریقے ہیں۔ ڈائیلاگ ڈیٹا اکٹھا کرنے کے بعد، بات چیت کا اندازہ لگانے اور تشریح کرنے کی ضرورت ہے۔ یہ آپ کو اپنے ماڈل میں مثبت اور منفی دونوں مثالیں دکھانے اور اسے "صحیح" گفتگو کی خصوصیات لینے کی طرف دھکیلنے کی اجازت دیتا ہے۔ تشخیص یا تو مطلق سکور یا ایک دوسرے کے درمیان مختلف اختیارات کی درجہ بندی کے ساتھ ہو سکتا ہے۔ مؤخر الذکر نقطہ نظر زیادہ درست فائن ٹیوننگ ڈیٹا کی طرف لے جاتا ہے کیونکہ انسان عام طور پر تنہائی میں ان کا جائزہ لینے کے بجائے متعدد اختیارات کی درجہ بندی میں بہتر ہوتے ہیں۔
آپ کے ڈیٹا کی جگہ کے ساتھ، آپ اپنے ماڈل کو بہتر بنانے اور اسے اضافی صلاحیتوں سے مالا مال کرنے کے لیے تیار ہیں۔ اگلے حصے میں، ہم ٹھیک ٹیوننگ، میموری اور سیمنٹک سرچ سے اضافی معلومات کو ضم کرنے، اور ایجنٹوں کو آپ کے بات چیت کے نظام سے منسلک کرنے پر غور کریں گے تاکہ اسے مخصوص کاموں کو انجام دینے کے لیے بااختیار بنایا جا سکے۔
3. بات چیت کے نظام کو جمع کرنا
ایک عام بات چیت کا نظام ایک بات چیت کے ایجنٹ کے ساتھ بنایا گیا ہے جو نظام کے اجزاء اور صلاحیتوں جیسے ایل ایل ایم، میموری، اور بیرونی ڈیٹا کے ذرائع کو ترتیب دیتا ہے اور ان کو مربوط کرتا ہے۔ بات چیت کے AI سسٹمز کی ترقی ایک انتہائی تجرباتی اور تجرباتی کام ہے، اور آپ کے ڈیولپرز آپ کے ڈیٹا کو بہتر بنانے، فائن ٹیوننگ کی حکمت عملی کو بہتر بنانے، اضافی اجزاء اور اضافہ کے ساتھ کھیلنے، اور نتائج کی جانچ کے درمیان مسلسل آگے پیچھے ہوں گے۔ . غیر تکنیکی ٹیم کے اراکین، بشمول پروڈکٹ مینیجرز اور UX ڈیزائنرز، بھی مسلسل پروڈکٹ کی جانچ کرتے رہیں گے۔ ان کی گاہک کی دریافت کی سرگرمیوں کی بنیاد پر، وہ مستقبل کے صارفین کے گفتگو کے انداز اور مواد کا اندازہ لگانے کے لیے ایک بہترین پوزیشن میں ہیں اور انہیں فعال طور پر اس علم میں حصہ ڈالنا چاہیے۔
3.1 اپنے LLM کو گفتگو کی مہارتیں سکھانا
فائن ٹیوننگ کے لیے، آپ کو اپنے فائن ٹیوننگ ڈیٹا (سی ایف سیکشن 2) اور پہلے سے تربیت یافتہ ایل ایل ایم کی ضرورت ہے۔ LLM پہلے ہی زبان اور دنیا کے بارے میں بہت کچھ جانتے ہیں، اور ہمارا چیلنج انہیں بات چیت کے اصول سکھانا ہے۔ فائن ٹیوننگ میں، ٹارگٹ آؤٹ پٹ ٹیکسٹ ہوتے ہیں، اور ماڈل کو ایسے ٹیکسٹس تیار کرنے کے لیے بہتر بنایا جائے گا جو اہداف سے زیادہ سے زیادہ ملتے جلتے ہوں۔ زیر نگرانی فائن ٹیوننگ کے لیے، آپ کو پہلے بات چیت کے AI کام کی واضح طور پر وضاحت کرنے کی ضرورت ہے جو آپ چاہتے ہیں کہ ماڈل انجام دے، ڈیٹا اکٹھا کرے، اور فائن ٹیوننگ کے عمل پر چلائے اور اعادہ کرے۔
LLMs کے ارد گرد hype کے ساتھ، مختلف قسم کے فائن ٹیوننگ کے طریقے سامنے آئے ہیں۔ بات چیت کے لیے فائن ٹیوننگ کی بجائے روایتی مثال کے لیے، آپ LaMDA ماڈل کی تفصیل کا حوالہ دے سکتے ہیں۔[1] LaMDA کو دو مراحل میں ٹھیک بنایا گیا تھا۔ سب سے پہلے، مکالمے کے اعداد و شمار کا استعمال ماڈل کو گفتگو کی مہارت ("جنریٹیو" فائن ٹیوننگ) سکھانے کے لیے کیا جاتا ہے۔ پھر، اعداد و شمار کی تشخیص کے دوران تشریح کاروں کے ذریعہ تیار کردہ لیبل درجہ بندی کرنے والوں کو تربیت دینے کے لیے استعمال کیے جاتے ہیں جو مطلوبہ صفات کے ساتھ ماڈل کے نتائج کا اندازہ لگا سکتے ہیں، جس میں سمجھداری، مخصوصیت، دلچسپی، اور حفاظت ("امتیازی" فائن ٹیوننگ) شامل ہیں۔ ان درجہ بندیوں کو پھر ماڈل کے رویے کو ان صفات کی طرف لے جانے کے لیے استعمال کیا جاتا ہے۔
مزید برآں، حقائق پر مبنی بنیاد - قابل اعتماد بیرونی معلومات میں ان کے نتائج کو گراؤنڈ کرنے کی صلاحیت - LLMs کا ایک اہم وصف ہے۔ حقائق کی بنیاد کو یقینی بنانے اور فریب کاری کو کم سے کم کرنے کے لیے، LaMDA کو ایک ڈیٹاسیٹ کے ساتھ ٹھیک بنایا گیا تھا جس میں جب بھی بیرونی معلومات کی ضرورت ہوتی ہے، ایک بیرونی معلومات کی بازیافت کے نظام کو کال کرنا شامل ہوتا ہے۔ اس طرح، ماڈل نے سب سے پہلے حقائق پر مبنی معلومات کو دوبارہ حاصل کرنا سیکھا جب بھی صارف کوئی استفسار کرتا ہے جس کے لیے نئے علم کی ضرورت ہوتی ہے۔
ایک اور مشہور فائن ٹیوننگ تکنیک ہے Reinforcement Learning from Human Feedback (RLHF)[2]۔ RLHF LLM کے سیکھنے کے عمل کو سیدھی لیکن مصنوعی اگلی ٹوکن پیشن گوئی کے کام سے "ری ڈائریکٹ" کرتا ہے تاکہ کسی دی گئی بات چیت کی صورتحال میں انسانی ترجیحات کو سیکھنے کی طرف۔ یہ انسانی ترجیحات براہ راست تربیتی ڈیٹا میں انکوڈ ہوتی ہیں۔ تشریح کے عمل کے دوران، انسانوں کو اشارے کے ساتھ پیش کیا جاتا ہے اور وہ مطلوبہ جواب لکھتے ہیں یا موجودہ جوابات کی ایک سیریز کی درجہ بندی کرتے ہیں۔ ایل ایل ایم کے رویے کو پھر انسانی ترجیحات کی عکاسی کرنے کے لیے بہتر بنایا جاتا ہے۔
3.2 بیرونی ڈیٹا اور سیمنٹک تلاش شامل کرنا
ماڈل کو ٹھیک کرنے کے لیے بات چیت کو مرتب کرنے کے علاوہ، آپ اپنے سسٹم کو خصوصی ڈیٹا کے ساتھ بڑھانا چاہیں گے جس سے گفتگو کے دوران فائدہ اٹھایا جا سکتا ہے۔ مثال کے طور پر، آپ کے سسٹم کو بیرونی ڈیٹا تک رسائی کی ضرورت ہو سکتی ہے، جیسے پیٹنٹ یا سائنسی کاغذات، یا اندرونی ڈیٹا، جیسے کسٹمر پروفائلز یا آپ کی تکنیکی دستاویزات۔ یہ عام طور پر معنوی تلاش کے ذریعے کیا جاتا ہے (جسے بازیافت بڑھا ہوا نسل، یا RAG بھی کہا جاتا ہے)[3]۔ اضافی ڈیٹا کو ڈیٹا بیس میں سیمنٹک ایمبیڈنگز کی شکل میں محفوظ کیا جاتا ہے (cf. اس مضمون سرایت اور مزید حوالہ جات کی وضاحت کے لیے)۔ جب صارف کی درخواست آتی ہے، تو اسے پہلے سے پروسیس کیا جاتا ہے اور سیمنٹک ایمبیڈنگ میں تبدیل کر دیا جاتا ہے۔ معنوی تلاش پھر ان دستاویزات کی شناخت کرتی ہے جو درخواست سے سب سے زیادہ متعلقہ ہیں اور انہیں فوری طور پر سیاق و سباق کے طور پر استعمال کرتی ہے۔ معنوی تلاش کے ساتھ اضافی ڈیٹا کو ضم کر کے، آپ فریب کو کم کر سکتے ہیں اور زیادہ مفید، حقیقت پر مبنی جوابات فراہم کر سکتے ہیں۔ ایمبیڈنگ ڈیٹا بیس کو مسلسل اپ ڈیٹ کرتے ہوئے، آپ اپنے فائن ٹیوننگ کے عمل کو مسلسل دوبارہ چلائے بغیر اپنے سسٹم کے علم اور جوابات کو بھی اپ ٹو ڈیٹ رکھ سکتے ہیں۔
3.3 یادداشت اور سیاق و سباق سے آگاہی
کسی پارٹی میں جانے اور پیٹر، ایک وکیل سے ملنے کا تصور کریں۔ آپ پرجوش ہو جاتے ہیں اور اس قانونی چیٹ بوٹ کو تیار کرنا شروع کر دیتے ہیں جسے آپ فی الحال بنانے کا سوچ رہے ہیں۔ پیٹر دلچسپی سے دیکھتا ہے، آپ کی طرف جھکتا ہے، اوہام اور سر ہلاتا ہے۔ کسی وقت، آپ اس کی رائے چاہتے ہیں کہ آیا وہ آپ کی ایپ استعمال کرنا چاہے گا۔ ایک معلوماتی بیان کے بجائے جو آپ کی فصاحت کی تلافی کرے گا، آپ سنتے ہیں: "احم… یہ ایپ دوبارہ کیا کر رہی تھی؟"
انسانوں کے درمیان مواصلات کا غیر تحریری معاہدہ یہ قیاس کرتا ہے کہ ہم اپنے گفتگو کے شراکت داروں کو سن رہے ہیں اور اس سیاق و سباق پر اپنی تقریر کے عمل کو تشکیل دے رہے ہیں جو ہم تعامل کے دوران مشترکہ طور پر تشکیل دے رہے ہیں۔ سماجی ماحول میں، اس مشترکہ مفاہمت کا ظہور ایک نتیجہ خیز، افزودہ گفتگو کی خصوصیت رکھتا ہے۔ ریستوران کی میز کو محفوظ کرنا یا ٹرین کا ٹکٹ خریدنا جیسے زیادہ دنیاوی ترتیبات میں، یہ کام کو پورا کرنے اور صارف کو متوقع قیمت فراہم کرنے کے لیے ایک مطلق ضرورت ہے۔ اس کے لیے آپ کے اسسٹنٹ کو موجودہ گفتگو کی تاریخ، بلکہ ماضی کی بات چیت کی بھی جاننا ضروری ہے — مثال کے طور پر، اسے صارف کے نام اور دیگر ذاتی تفصیلات کو بار بار نہیں پوچھنا چاہیے جب بھی وہ کوئی بات چیت شروع کرتے ہیں۔
سیاق و سباق کی آگاہی کو برقرار رکھنے کے چیلنجوں میں سے ایک کورفرنس ریزولوشن ہے، یعنی یہ سمجھنا کہ ضمیر کے ذریعہ کن اشیاء کا حوالہ دیا جاتا ہے۔ جب وہ زبان کی تشریح کرتے ہیں تو انسان بدیہی طور پر بہت سارے سیاق و سباق کے اشارے استعمال کرتے ہیں - مثال کے طور پر، آپ ایک چھوٹے بچے سے پوچھ سکتے ہیں، "براہ کرم سرخ باکس سے سبز گیند نکال کر میرے پاس لاؤ" اور بچہ جان لے گا کہ آپ کا مطلب گیند سے ہے۔ ، باکس نہیں۔ ورچوئل اسسٹنٹس کے لیے، یہ کام کافی مشکل ہو سکتا ہے، جیسا کہ درج ذیل مکالمے سے واضح ہوتا ہے:
معاون: شکریہ، اب میں آپ کی فلائٹ بک کروں گا۔ کیا آپ بھی اپنی پرواز کے لیے کھانے کا آرڈر دینا چاہیں گے؟
یوزر: Uhh… کیا میں بعد میں فیصلہ کر سکتا ہوں کہ میں یہ چاہتا ہوں؟
معاون: معذرت، اس پرواز کو بعد میں تبدیل یا منسوخ نہیں کیا جا سکتا۔
یہاں، اسسٹنٹ اس ضمیر کو پہچاننے میں ناکام رہتا ہے۔ it صارف سے مراد فلائٹ نہیں بلکہ کھانے کی طرف ہے، اس طرح اس غلط فہمی کو دور کرنے کے لیے ایک اور تکرار کی ضرورت ہوتی ہے۔
3.4 اضافی گارڈریلز
وقتاً فوقتاً، یہاں تک کہ بہترین ایل ایل ایم بھی بدتمیزی کرے گا اور فریب کا شکار ہوگا۔ بہت سے معاملات میں، فریب کاری سادہ درستگی کے مسائل ہیں - اور، ٹھیک ہے، آپ کو یہ قبول کرنا ہوگا کہ کوئی بھی AI 100% درست نہیں ہے۔ دوسرے AI سسٹمز کے مقابلے میں، صارف اور AI کے درمیان "فاصلہ" صارف اور AI کے درمیان بہت کم ہے۔ ایک سادہ درستگی کا مسئلہ تیزی سے کسی ایسی چیز میں بدل سکتا ہے جسے زہریلا، امتیازی، یا عام طور پر نقصان دہ سمجھا جاتا ہے۔ مزید برآں، چونکہ LLMs کو پرائیویسی کی موروثی سمجھ نہیں ہے، اس لیے وہ حساس ڈیٹا جیسے کہ ذاتی طور پر قابل شناخت معلومات (PII) کو بھی ظاہر کر سکتے ہیں۔ آپ اضافی گارڈریلز کا استعمال کرکے ان رویوں کے خلاف کام کر سکتے ہیں۔ ٹولز جیسے Guardrails AI، Rebuff، NeMo Guardrails، اور Microsoft Guidance آپ کو LLM آؤٹ پٹس پر اضافی تقاضے بنا کر اور ناپسندیدہ آؤٹ پٹ کو بلاک کر کے اپنے سسٹم کو خطرے سے بچانے کی اجازت دیتے ہیں۔
بات چیت کے AI میں متعدد فن تعمیرات ممکن ہیں۔ مندرجہ ذیل اسکیما ایک سادہ سی مثال دکھاتا ہے کہ کس طرح فائن ٹیونڈ LLM، ایکسٹرنل ڈیٹا اور میموری کو بات چیت کرنے والے ایجنٹ کے ذریعے مربوط کیا جا سکتا ہے، جو کہ فوری تعمیر اور چوکیوں کے لیے بھی ذمہ دار ہے۔
4. صارف کا تجربہ اور بات چیت کا ڈیزائن
بات چیت کے انٹرفیس کی توجہ مختلف ایپلی کیشنز میں ان کی سادگی اور یکسانیت میں ہے۔ اگر یوزر انٹرفیس کا مستقبل یہ ہے کہ تمام ایپس کم و بیش ایک جیسی نظر آتی ہیں، تو کیا UX ڈیزائنر کا کام برباد ہے؟ یقینی طور پر نہیں — گفتگو کرنا ایک فن ہے جسے آپ کے LLM کو سکھایا جاتا ہے تاکہ یہ ایسی گفتگو کر سکے جو آپ کے صارفین کے لیے مددگار، قدرتی اور آرام دہ ہوں۔ جب ہم انسانی نفسیات، لسانیات، اور UX ڈیزائن کے بارے میں اپنے علم کو یکجا کرتے ہیں تو اچھا مکالماتی ڈیزائن ابھرتا ہے۔ مندرجہ ذیل میں، بات چیت کا نظام بناتے وقت ہم سب سے پہلے دو بنیادی انتخابوں پر غور کریں گے، یعنی آیا آپ آواز اور/یا چیٹ استعمال کریں گے، نیز اپنے سسٹم کے بڑے سیاق و سباق پر۔ اس کے بعد، ہم خود گفتگو کو دیکھیں گے، اور دیکھیں گے کہ آپ اپنے معاون کی شخصیت کو کس طرح ڈیزائن کر سکتے ہیں اور اسے مددگار اور تعاون پر مبنی گفتگو میں مشغول ہونا سکھاتے ہیں۔
4.1 وائس بمقابلہ چیٹ
بات چیت کے انٹرفیس کو چیٹ یا آواز کا استعمال کرتے ہوئے لاگو کیا جا سکتا ہے. مختصراً، آواز تیز ہے جبکہ چیٹ صارفین کو نجی رہنے اور افزودہ UI فعالیت سے فائدہ اٹھانے کی اجازت دیتی ہے۔ آئیے دو اختیارات میں تھوڑا سا گہرائی میں غوطہ لگائیں کیونکہ یہ پہلا اور سب سے اہم فیصلوں میں سے ایک ہے جس کا سامنا آپ کو ایک مکالماتی ایپ بناتے وقت کرنا پڑے گا۔
دو متبادلوں میں سے انتخاب کرنے کے لیے، اس فزیکل سیٹنگ پر غور کرنا شروع کریں جس میں آپ کی ایپ استعمال کی جائے گی۔ مثال کے طور پر، کاروں میں تقریباً تمام بات چیت کے نظام، جیسے کہ Nuance Communications کی طرف سے پیش کردہ آواز پر مبنی کیوں ہوتے ہیں؟ کیونکہ ڈرائیور کے ہاتھ پہلے ہی مصروف ہیں اور وہ اسٹیئرنگ وہیل اور کی بورڈ کے درمیان مسلسل سوئچ نہیں کر سکتے۔ یہ کھانا پکانے جیسی دیگر سرگرمیوں پر بھی لاگو ہوتا ہے، جہاں صارفین آپ کی ایپ کا استعمال کرتے ہوئے اپنی سرگرمی کے بہاؤ میں رہنا چاہتے ہیں۔ کاریں اور کچن زیادہ تر پرائیویٹ سیٹنگز ہوتے ہیں، اس لیے صارفین رازداری کے بارے میں فکر کیے بغیر یا دوسروں کو پریشان کیے بغیر صوتی تعامل کی خوشی کا تجربہ کر سکتے ہیں۔ اس کے برعکس، اگر آپ کی ایپ پبلک سیٹنگ جیسے دفتر، لائبریری، یا ٹرین اسٹیشن میں استعمال کی جانی ہے، تو آواز آپ کی پہلی پسند نہیں ہوسکتی ہے۔
جسمانی ترتیب کو سمجھنے کے بعد، جذباتی پہلو پر غور کریں۔ آواز کو جان بوجھ کر لہجے، موڈ اور شخصیت کو منتقل کرنے کے لیے استعمال کیا جا سکتا ہے — کیا یہ آپ کے سیاق و سباق میں قدر میں اضافہ کرتا ہے؟ اگر آپ تفریح کے لیے اپنی ایپ بنا رہے ہیں، تو آواز تفریحی عنصر کو بڑھا سکتی ہے، جب کہ ذہنی صحت کے لیے ایک معاون زیادہ ہمدردی کو جگہ دے سکتا ہے اور ممکنہ طور پر پریشان صارف کو اظہار کی ایک بڑی صلاحیت فراہم کر سکتا ہے۔ اس کے برعکس، اگر آپ کی ایپ ٹریڈنگ یا کسٹمر سروس جیسی پیشہ ورانہ ترتیب میں صارفین کی مدد کرے گی، تو زیادہ گمنام، متن پر مبنی تعامل زیادہ معروضی فیصلوں میں حصہ ڈال سکتا ہے اور آپ کو ضرورت سے زیادہ جذباتی تجربہ ڈیزائن کرنے کی پریشانی سے بچا سکتا ہے۔
اگلے قدم کے طور پر، فعالیت کے بارے میں سوچیں۔ متن پر مبنی انٹرفیس آپ کو دوسرے میڈیا جیسے تصاویر اور گرافیکل UI عناصر جیسے بٹن کے ساتھ بات چیت کو بہتر بنانے کی اجازت دیتا ہے۔ مثال کے طور پر، ایک ای کامرس اسسٹنٹ میں، ایک ایپ جو پروڈکٹس کی تصاویر اور ساختی وضاحتیں پوسٹ کرکے تجویز کرتی ہے، اس سے کہیں زیادہ صارف دوست ہوگی جو آواز کے ذریعے مصنوعات کی وضاحت کرتی ہے اور ممکنہ طور پر ان کے شناخت کنندگان فراہم کرتی ہے۔
آخر میں، آئیے صوتی UI بنانے کے اضافی ڈیزائن اور ترقی کے چیلنجوں کے بارے میں بات کرتے ہیں:
- اسپیچ ریکگنیشن کا ایک اضافی مرحلہ ہے جو اس سے پہلے ہوتا ہے کہ ایل ایل ایم اور نیچرل لینگویج پروسیسنگ (NLP) کے ساتھ صارف کے ان پٹ پر کارروائی کی جائے۔
- آواز مواصلت کا ایک زیادہ ذاتی اور جذباتی ذریعہ ہے — اس طرح، آپ کے ورچوئل اسسٹنٹ کے پیچھے ایک مستقل، مناسب اور پر لطف شخصیت کو ڈیزائن کرنے کے تقاضے زیادہ ہیں، اور آپ کو "وائس ڈیزائن" کے اضافی عوامل جیسے ٹمبرے کو مدنظر رکھنا ہوگا۔ ، تناؤ، لہجہ، اور بولنے کی رفتار۔
- صارفین توقع کرتے ہیں کہ آپ کی صوتی گفتگو اسی رفتار سے آگے بڑھے گی جس طرح انسانی گفتگو۔ آواز کے ذریعے قدرتی تعامل پیش کرنے کے لیے، آپ کو چیٹ کے مقابلے میں بہت کم تاخیر کی ضرورت ہے۔ انسانی گفتگو میں، موڑ کے درمیان عام وقفہ 200 ملی سیکنڈ ہے — یہ فوری ردعمل اس لیے ممکن ہے کیونکہ ہم اپنے ساتھی کی تقریر سنتے ہوئے اپنی موڑیں بنانا شروع کر دیتے ہیں۔ آپ کے صوتی معاون کو تعامل میں اس حد تک روانی کے ساتھ مطابقت رکھنے کی ضرورت ہوگی۔ اس کے برعکس، چیٹ بوٹس کے لیے، آپ سیکنڈوں کے وقت کے ساتھ مقابلہ کرتے ہیں، اور کچھ ڈویلپرز گفتگو کو انسانوں کے درمیان ٹائپ شدہ چیٹ کی طرح محسوس کرنے کے لیے ایک اضافی تاخیر بھی پیش کرتے ہیں۔
- آواز کے ذریعے مواصلت ایک لکیری، یک طرفہ انٹرپرائز ہے — اگر آپ کے صارف کو آپ کی بات سمجھ نہیں آتی ہے، تو آپ ایک تکلیف دہ، غلطی کا شکار وضاحتی لوپ کے لیے تیار ہیں۔ اس طرح، آپ کے موڑ کو ممکنہ حد تک جامع، واضح اور معلوماتی ہونے کی ضرورت ہے۔
اگر آپ آواز کے حل کے لیے جاتے ہیں، تو یقینی بنائیں کہ آپ چیٹ کے مقابلے میں نہ صرف فوائد کو واضح طور پر سمجھتے ہیں، بلکہ آپ کے پاس ان اضافی چیلنجوں سے نمٹنے کے لیے مہارت اور وسائل بھی ہیں۔
4.2 آپ کا مکالماتی AI کہاں رہے گا؟
اب، آئیے اس بڑے سیاق و سباق پر غور کریں جس میں آپ بات چیت کے AI کو مربوط کر سکتے ہیں۔ ہم سب کمپنی کی ویب سائٹس پر چیٹ بوٹس سے واقف ہیں — وہ ویجٹس جو آپ کی سکرین کے دائیں طرف ہوتے ہیں جو کہ جب ہم کسی کاروبار کی ویب سائٹ کھولتے ہیں تو پاپ اپ ہوتے ہیں۔ ذاتی طور پر، زیادہ کثرت سے، میرا بدیہی ردعمل بند بٹن کو تلاش کرنا ہے۔ ایسا کیوں ہے؟ ان بوٹس کے ساتھ "بات چیت" کرنے کی ابتدائی کوششوں کے ذریعے، میں نے سیکھا ہے کہ وہ مزید مخصوص معلومات کے تقاضوں کو پورا نہیں کر سکتے، اور آخر میں، مجھے اب بھی ویب سائٹ کے ذریعے کنگھی کرنے کی ضرورت ہے۔ کہانی کی اخلاقیات؟ چیٹ بوٹ نہ بنائیں کیونکہ یہ ٹھنڈا اور جدید ہے — بلکہ اسے بنائیں کیونکہ آپ کو یقین ہے کہ یہ آپ کے صارفین کے لیے اضافی قدر پیدا کر سکتا ہے۔
کمپنی کی ویب سائٹ پر متنازعہ ویجیٹ کے علاوہ، ان عام چیٹ بوٹس کو ضم کرنے کے لیے کئی دلچسپ سیاق و سباق موجود ہیں جو LLMs کے ساتھ ممکن ہو چکے ہیں:
- copilots: یہ معاونین پروگرامنگ کے لیے GitHub CoPilot جیسے مخصوص عمل اور کاموں کے ذریعے آپ کی رہنمائی اور مشورہ دیتے ہیں۔ عام طور پر، copilots ایک مخصوص ایپلی کیشن (یا متعلقہ ایپلی کیشنز کا ایک چھوٹا سا مجموعہ) سے "بندھے" ہوتے ہیں۔
- مصنوعی انسان (ڈیجیٹل انسان بھی): یہ مخلوق ڈیجیٹل دنیا میں حقیقی انسانوں کی "انقلابی" کرتی ہے۔ وہ انسانوں کی طرح نظر آتے ہیں، کام کرتے ہیں اور بات کرتے ہیں اور اس طرح انہیں گفتگو کی بھرپور صلاحیتوں کی بھی ضرورت ہوتی ہے۔ مصنوعی انسان اکثر عمیق ایپلی کیشنز جیسے گیمنگ، اور بڑھا ہوا اور ورچوئل رئیلٹی میں استعمال ہوتے ہیں۔
- ڈیجیٹل جڑواں بچے: ڈیجیٹل جڑواں بچے حقیقی دنیا کے عمل اور اشیاء کی ڈیجیٹل "کاپیاں" ہیں، جیسے فیکٹریاں، کاریں، یا انجن۔ ان کا استعمال اصلی چیز کے ڈیزائن اور رویے کی نقالی، تجزیہ اور اصلاح کے لیے کیا جاتا ہے۔ ڈیجیٹل جڑواں بچوں کے ساتھ قدرتی زبان کے تعاملات ڈیٹا اور ماڈلز تک ہموار اور زیادہ ورسٹائل رسائی کی اجازت دیتے ہیں۔
- ڈیٹا بیس: آج کل، ڈیٹا کسی بھی موضوع پر دستیاب ہے، چاہے وہ سرمایہ کاری کی سفارشات ہوں، کوڈ کے ٹکڑوں، یا تعلیمی مواد۔ جو چیز اکثر مشکل ہوتی ہے وہ ہے وہ مخصوص ڈیٹا تلاش کرنا جس کی صارفین کو مخصوص صورتحال میں ضرورت ہوتی ہے۔ ڈیٹا بیس کے گرافیکل انٹرفیس یا تو بہت موٹے ہوتے ہیں یا لامتناہی تلاش اور فلٹر ویجٹ سے ڈھکے ہوتے ہیں۔ ورسٹائل استفسار کی زبانیں جیسے کہ SQL اور GraphQL صرف متعلقہ مہارتوں کے حامل صارفین کے لیے قابل رسائی ہیں۔ بات چیت کے حل صارفین کو قدرتی زبان میں ڈیٹا سے استفسار کرنے کی اجازت دیتے ہیں، جب کہ درخواستوں پر کارروائی کرنے والا LLM خود بخود انہیں متعلقہ استفسار کی زبان (cf. اس مضمون Text2SQL کی وضاحت کے لیے)۔
4.3 اپنے اسسٹنٹ پر ایک شخصیت کو امپرنٹ کرنا
بحیثیت انسان، ہم انسان کی شکل اختیار کرنے کے لیے جڑے ہوئے ہیں، یعنی جب ہم کوئی ایسی چیز دیکھتے ہیں جو مبہم طور پر انسان سے مشابہت رکھتی ہو تو اضافی انسانی خصلتوں کو جنم دیتے ہیں۔ زبان بنی نوع انسان کی سب سے منفرد اور دلکش صلاحیتوں میں سے ایک ہے، اور بات چیت کی مصنوعات خود بخود انسانوں سے وابستہ ہو جائیں گی۔ لوگ اپنی اسکرین یا ڈیوائس کے پیچھے کسی شخص کا تصور کریں گے — اور یہ اچھا عمل ہے کہ اس مخصوص شخص کو اپنے صارفین کے تخیلات کے موقع پر نہ چھوڑیں، بلکہ اسے ایک مستقل شخصیت دیں جو آپ کے پروڈکٹ اور برانڈ سے ہم آہنگ ہو۔ اس عمل کو "شخصی ڈیزائن" کہا جاتا ہے۔
شخصیت کے ڈیزائن کا پہلا مرحلہ ان کردار کی خصوصیات کو سمجھنا ہے جو آپ اپنی شخصیت کو ظاہر کرنا چاہتے ہیں۔ مثالی طور پر، یہ تربیتی اعداد و شمار کی سطح پر پہلے سے ہی ہو چکا ہے — مثال کے طور پر، RLHF استعمال کرتے وقت، آپ اپنے تشریح کاروں سے ڈیٹا کی درجہ بندی کرنے کے لیے کہہ سکتے ہیں جیسے کہ مددگار، شائستگی، تفریح وغیرہ، تاکہ ماڈل کی طرف تعصب کیا جا سکے۔ مطلوبہ خصوصیات. ان خصوصیات کو آپ کے برانڈ کی خصوصیات کے ساتھ ملایا جا سکتا ہے تاکہ ایک مستقل تصویر بنائی جا سکے جو مصنوعات کے تجربے کے ذریعے آپ کی برانڈنگ کو مسلسل فروغ دیتی ہے۔
عمومی خصوصیات سے ہٹ کر، آپ کو یہ بھی سوچنا چاہیے کہ آپ کا ورچوئل اسسٹنٹ "خوشی کے راستے" سے آگے مخصوص حالات سے کیسے نمٹے گا۔ مثال کے طور پر، یہ صارف کی درخواستوں کا جواب کیسے دے گا جو اس کے دائرہ کار سے باہر ہیں، اپنے بارے میں سوالات کے جوابات دیں گے، اور بدسلوکی یا بد زبانی سے نمٹیں گے؟
یہ ضروری ہے کہ آپ اپنی شخصیت پر واضح داخلی رہنما خطوط تیار کریں جنہیں ڈیٹا تشریح کرنے والے اور گفتگو کے ڈیزائنرز استعمال کر سکتے ہیں۔ یہ آپ کو اپنی شخصیت کو ایک بامقصد طریقے سے ڈیزائن کرنے اور اسے اپنی ٹیم میں اور وقت کے ساتھ ساتھ برقرار رکھنے کی اجازت دے گا، کیونکہ آپ کی درخواست متعدد تکرار اور تطہیر سے گزرتی ہے۔
4.4 بات چیت کو "تعاون کے اصول" کے ساتھ مددگار بنانا
کیا آپ کو کبھی اینٹوں کی دیوار سے بات کرنے کا تاثر ملا ہے جب آپ واقعی کسی انسان سے بات کر رہے تھے؟ بعض اوقات، ہم دیکھتے ہیں کہ ہمارے گفتگو کے شراکت دار گفتگو کو کامیابی کی طرف لے جانے میں دلچسپی نہیں رکھتے ہیں۔ خوش قسمتی سے، زیادہ تر معاملات میں، چیزیں ہموار ہیں، اور انسان بدیہی طور پر "تعاون کے اصول" کی پیروی کریں گے جسے زبان کے فلسفی پال گرائس نے متعارف کرایا تھا۔ اس اصول کے مطابق، جو انسان ایک دوسرے سے کامیابی کے ساتھ بات چیت کرتے ہیں وہ چار مادّوں کی پیروی کرتے ہیں، یعنی مقدار، معیار، مطابقت اور انداز۔
زیادہ سے زیادہ مقدار
زیادہ سے زیادہ مقدار اسپیکر کو معلوماتی ہونے اور ضرورت کے مطابق ان کی شراکت کو معلوماتی بنانے کو کہتی ہے۔ ورچوئل اسسٹنٹ کی طرف، اس کا مطلب یہ بھی ہے کہ گفتگو کو فعال طور پر آگے بڑھانا۔ مثال کے طور پر، ای کامرس فیشن ایپ سے اس ٹکڑوں پر غور کریں:
معاون: آپ کس قسم کے لباس کی اشیاء تلاش کر رہے ہیں؟
یوزر: میں نارنجی رنگ کا لباس تلاش کر رہا ہوں۔
اسسٹنٹ: مت کرو: معذرت، ہمارے پاس اس وقت نارنجی رنگ کے کپڑے نہیں ہیں۔
کریں: معذرت، ہمارے پاس نارنجی رنگ کے کپڑے نہیں ہیں، لیکن ہمارے پاس پیلے رنگ کا یہ زبردست اور بہت آرام دہ لباس ہے: …
صارف کو امید ہے کہ وہ آپ کی ایپ کو کسی مناسب آئٹم کے ساتھ چھوڑ دے گا۔ بات چیت کو روکنا کیونکہ آپ کے پاس ایسی اشیاء نہیں ہیں جو درست وضاحت کے مطابق ہوں، کامیابی کے امکانات کو ختم کر دیتا ہے۔ تاہم، اگر آپ کی ایپ متبادل آئٹمز کے بارے میں تجاویز پیش کرتی ہے، تو یہ زیادہ مددگار نظر آئے گی اور کامیاب تعامل کا آپشن کھلا چھوڑ دے گی۔
خاص طور پر صوتی تعاملات میں، یہ ضروری ہے کہ وہ تمام معلومات فراہم کرنے کے درمیان صحیح توازن تلاش کریں جن کی صارف کو کامیابی کے لیے ضرورت ہو سکتی ہے جبکہ ان کو غیر ضروری معلومات سے مغلوب نہ کریں جو تعامل کو بادل میں ڈال سکتی ہے۔
معیار کی زیادہ سے زیادہ
معیار کا زیادہ سے زیادہ بولنے والوں سے کہتا ہے کہ وہ سچے ہوں اور وہ باتیں نہ کہیں جن پر وہ یقین رکھتے ہیں کہ وہ جھوٹے ہیں یا جس کے لیے ان کے پاس مناسب ثبوت نہیں ہیں۔ یہاں بہت زیادہ سبجیکٹیوٹی اور ذاتی عقیدہ شامل ہے - اس طرح، اس زیادہ سے زیادہ کو براہ راست LLMs پر پیش نہیں کیا جا سکتا۔ جیسا کہ ہم نے دیکھا ہے، LLMs میں فریب نظر آتا ہے، اور یہ خطرہ خاص طور پر اس وقت زیادہ ہوتا ہے جب بات چیت کم مانوس علاقوں میں چلی جاتی ہے۔ گمراہ کن بیانات سے بچنے اور گفتگو کو دوبارہ پٹری پر لانے کے لیے اضافی چوکیوں کا استعمال کیا جا سکتا ہے۔
زیادہ سے زیادہ مطابقت
مطابقت کی زیادہ سے زیادہ ہم سے پوچھتا ہے - اچھی طرح سے، متعلقہ. پیشگی شرط کے طور پر، ورچوئل اسسٹنٹ کو صارف کے حقیقی ارادے کو سمجھنا ہوگا۔ یہاں ایک ایئر لائن اسسٹنٹ کی ایک مثال ہے جو اس اصول کی خلاف ورزی کرتا ہے:
یوزر: مجھے کل صبح برلن سے زیورخ کے لیے فلائٹ کی ضرورت ہے۔
معاون: ٹھیک ہے، مجھے کل صبح برلن سے زیورخ کے لیے درج ذیل پروازیں مل گئیں۔ پرواز BZ36294 صبح 6.30 بجے برلن سے روانہ ہوتی ہے اور صبح 8 بجے زیورخ پہنچتی ہے۔ پرواز BZ96294 برلن سے صبح 8 بجے روانہ ہوتی ہے اور صبح 9.30 بجے پہنچتی ہے۔ پرواز BZ96294 برلن سے صبح 8 بجے روانہ ہوتی ہے اور صبح 9.30 بجے زیورخ پہنچتی ہے۔ فلائٹ BZ95614 برلن سے صبح 11 بجے روانہ ہوتی ہے اور 12.30 بجے زیورخ پہنچتی ہے۔ کنیکٹنگ فلائٹ کا بھی امکان ہے، ایسی صورت میں آپ برلن صبح 11.45 بجے روانہ ہوں گے اور سہ پہر 3 بجے زیورخ پہنچیں گے۔
یوزر: معذرت… کیا آپ اسے دوبارہ دہرا سکتے ہیں؟
معاون تفصیلی معلومات کے ساتھ صارف کو مغلوب کر رہا ہے جو شاید متعلقہ نہ ہو۔ اس کو توڑ کر اور صارف کو ان کی تلاش کی جگہ کو محدود کرنے کے لیے رہنمائی کرنے سے، ڈائیلاگ کو ہضم کرنا بہت آسان ہو جاتا ہے:
یوزر: مجھے کل صبح برلن سے زیورخ کے لیے فلائٹ کی ضرورت ہے۔
معاون: ٹھیک ہے، مجھے 6.30، 8 اور 11 بجے روانہ ہونے والی پروازیں معلوم ہوئیں۔ آپ کس وقت چھوڑنا پسند کریں گے؟
یوزر: مجھے صبح 9 بجے سے پہلے زیورخ میں ہونا ضروری ہے۔
معاون: ٹھیک ہے، لہذا آپ پرواز BZ36294 لے سکتے ہیں۔ یہ 6.30 پر روانہ ہوتی ہے اور صبح 8 بجے پہنچتی ہے۔ کیا مجھے آپ کے لیے ٹکٹ خریدنا چاہیے؟
یوزر: جی ہاں شکریہ.
انداز کا زیادہ سے زیادہ
آخر میں، اسلوب کا سب سے بڑا مطلب یہ ہے کہ ہماری تقریر کے اعمال واضح، جامع اور منظم ہونے چاہئیں، ابہام اور اظہار کے مبہم ہونے سے گریز کریں۔ آپ کے ورچوئل اسسٹنٹ کو تکنیکی یا داخلی اصطلاحات سے گریز کرنا چاہیے، اور سادہ، عالمی طور پر قابل فہم فارمولیشنوں کی حمایت کرنی چاہیے۔
اگرچہ Grice کے اصول ایک مخصوص ڈومین سے آزادانہ طور پر تمام گفتگو کے لیے درست ہیں، LLMs جو بات چیت کے لیے خاص طور پر تربیت یافتہ نہیں ہیں اکثر ان کو پورا کرنے میں ناکام رہتے ہیں۔ اس طرح، اپنے تربیتی ڈیٹا کو مرتب کرتے وقت، یہ ضروری ہے کہ مکالمے کے کافی نمونے ہوں جو آپ کے ماڈل کو ان اصولوں کو سیکھنے دیں۔
بات چیت کے ڈیزائن کا ڈومین تیزی سے ترقی کر رہا ہے۔ چاہے آپ پہلے سے ہی AI پروڈکٹس بنا رہے ہوں یا AI میں اپنے کیریئر کے راستے کے بارے میں سوچ رہے ہوں، میں آپ کو اس موضوع کی گہرائی میں جانے کی ترغیب دیتا ہوں (cf. [5] اور [6] میں بہترین تعارف)۔ جیسا کہ AI ایک کموڈٹی میں تبدیل ہو رہا ہے، ایک قابل دفاع ڈیٹا حکمت عملی کے ساتھ اچھا ڈیزائن AI مصنوعات کے لیے دو اہم فرق بن جائے گا۔
خلاصہ
آئیے مضمون سے اہم نکات کا خلاصہ کرتے ہیں۔ مزید برآں، اعداد و شمار 5 اہم نکات کے ساتھ ایک "چیٹ شیٹ" پیش کرتا ہے جسے آپ بطور حوالہ ڈاؤن لوڈ کر سکتے ہیں۔
- LLMs بات چیت کے AI کو بڑھاتے ہیں: بڑے زبان کے ماڈلز (LLMs) نے مختلف صنعتوں اور استعمال کے معاملات میں بات چیت کی AI ایپلی کیشنز کے معیار اور اسکیل ایبلٹی کو نمایاں طور پر بہتر کیا ہے۔
- بات چیت سے متعلق AI ایپلی کیشنز میں بہت زیادہ قدر کا اضافہ کر سکتا ہے جس میں بہت ساری صارف کی درخواستیں ہیں (مثلاً، کسٹمر سروس) یا جنہیں غیر ساختہ ڈیٹا کی ایک بڑی مقدار تک رسائی کی ضرورت ہے (مثلاً علم کا انتظام)۔
- ڈیٹا: بات چیت کے کاموں کے لیے LLMs کو ٹھیک کرنے کے لیے اعلیٰ معیار کے بات چیت کے ڈیٹا کی ضرورت ہوتی ہے جو حقیقی دنیا کے تعاملات کو قریب سے آئینہ دار کرتا ہے۔ کراؤڈ سورسنگ اور ایل ایل ایم سے تیار کردہ ڈیٹا ڈیٹا اکٹھا کرنے کے لیے قیمتی وسائل ہو سکتے ہیں۔
- سسٹم کو ایک ساتھ رکھنا: بات چیت کے AI سسٹمز کو تیار کرنا ایک تکراری اور تجرباتی عمل ہے جس میں ڈیٹا کی مستقل اصلاح، فائن ٹیوننگ کی حکمت عملی، اور اجزاء کا انضمام شامل ہے۔
- LLMs کو گفتگو کی مہارتیں سکھانا: Fine-tuning LLMs میں انہیں مخصوص بات چیت کے ارادوں اور حالات کو پہچاننے اور ان کا جواب دینے کی تربیت دینا شامل ہے۔
- سیمینٹک تلاش کے ساتھ بیرونی ڈیٹا شامل کرنا: سیمینٹک تلاش کا استعمال کرتے ہوئے خارجی اور اندرونی ڈیٹا کے ذرائع کو مربوط کرنے سے زیادہ سیاق و سباق سے متعلقہ معلومات فراہم کرکے AI کے جوابات میں اضافہ ہوتا ہے۔
- یادداشت اور سیاق و سباق سے آگاہی: بامعنی اور مربوط جوابات فراہم کرنے کے لیے موثر گفتگو کے نظام کو سیاق و سباق سے آگاہی برقرار رکھنا چاہیے، بشمول موجودہ گفتگو اور ماضی کے تعاملات کی تاریخ کا سراغ لگانا۔
- چوکیوں کی ترتیب: ذمہ دارانہ رویے کو یقینی بنانے کے لیے، بات چیت کے AI نظاموں کو غلطیاں، فریب کاری، اور رازداری کی خلاف ورزیوں کو روکنے کے لیے گارڈریلز کا استعمال کرنا چاہیے۔
- شخصی ڈیزائن: ایک مربوط اور برانڈڈ صارف کا تجربہ تخلیق کرنے کے لیے اپنے بات چیت کے معاون کے لیے ایک مستقل شخصیت کو ڈیزائن کرنا ضروری ہے۔ شخصیت کی خصوصیات کو آپ کے پروڈکٹ اور برانڈ کی خصوصیات کے مطابق ہونا چاہیے۔
- وائس بمقابلہ چیٹ: آواز اور چیٹ انٹرفیس کے درمیان انتخاب جسمانی ترتیب، جذباتی سیاق و سباق، فعالیت، اور ڈیزائن کے چیلنجز جیسے عوامل پر منحصر ہے۔ اپنے گفتگوی AI کے لیے انٹرفیس کا فیصلہ کرتے وقت ان عوامل پر غور کریں۔
- مختلف سیاق و سباق میں انضمام: بات چیت کے AI کو مختلف سیاق و سباق میں ضم کیا جا سکتا ہے، بشمول copilots، مصنوعی انسان، ڈیجیٹل جڑواں، اور ڈیٹا بیس، ہر ایک کے استعمال کے مخصوص معاملات اور ضروریات کے ساتھ۔
- تعاون کے اصول کا مشاہدہ: بات چیت میں مقدار، معیار، مطابقت اور انداز کے اصولوں پر عمل کرنے سے بات چیت کے AI کے ساتھ تعاملات زیادہ مددگار اور صارف دوست بن سکتے ہیں۔
حوالہ جات
[1] Heng-Tze Chen et al. 2022۔ LaMDA: ہر چیز کے لیے محفوظ، زمینی، اور اعلیٰ معیار کے ڈائیلاگ ماڈلز کی طرف.
[2] اوپن اے آئی۔ 2022. چیٹ جی پی ٹی: مکالمے کے لیے زبان کے ماڈلز کو بہتر بنانا. 13 جنوری 2022 کو حاصل کیا گیا۔
[3] پیٹرک لیوس وغیرہ۔ 2020 علم پر مبنی این ایل پی ٹاسکس کے لیے بازیافت سے بڑھا ہوا جنریشن.
[4] پال گرائس۔ 1989. الفاظ کے راستے میں مطالعہ.
[5] کیتھی پرل۔ 2016. وائس یوزر انٹرفیس ڈیزائن کرنا۔
[6] مائیکل کوہن وغیرہ۔ 2004. وائس یوزر انٹرفیس ڈیزائن۔
نوٹ: تمام تصاویر مصنف کی ہیں، سوائے اس کے کہ دوسری صورت میں نوٹ کیا جائے۔
یہ مضمون اصل میں شائع کیا گیا تھا ڈیٹا سائنس کی طرف اور مصنف کی اجازت سے TOPBOTS پر دوبارہ شائع کیا گیا۔
اس مضمون کا لطف اٹھائیں؟ مزید AI ریسرچ اپ ڈیٹس کے لیے سائن اپ کریں۔
جب ہم اس جیسے مزید خلاصہ مضامین جاری کریں گے تو ہم آپ کو بتائیں گے۔
متعلقہ
- SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
- پلیٹو ڈیٹا ڈاٹ نیٹ ورک ورٹیکل جنریٹو اے آئی۔ اپنے آپ کو بااختیار بنائیں۔ یہاں تک رسائی حاصل کریں۔
- پلیٹوآئ اسٹریم۔ ویب 3 انٹیلی جنس۔ علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
- پلیٹو ای ایس جی۔ کاربن، کلین ٹیک، توانائی ، ماحولیات، شمسی، ویسٹ مینجمنٹ یہاں تک رسائی حاصل کریں۔
- پلیٹو ہیلتھ۔ بائیوٹیک اینڈ کلینیکل ٹرائلز انٹیلی جنس۔ یہاں تک رسائی حاصل کریں۔
- ماخذ: https://www.topbots.com/redefining-conversational-ai-with-large-language-models/
- : ہے
- : ہے
- : نہیں
- :کہاں
- $UP
- 1
- 10
- 11
- 12
- 125
- 13
- 14
- 17
- 200
- 2016
- 2020
- 2022
- 30
- 32
- 35٪
- 41
- 7
- 70
- 8
- 9
- a
- صلاحیتوں
- کی صلاحیت
- ہمارے بارے میں
- مطلق
- قبول کریں
- قبولیت
- تک رسائی حاصل
- رسائی
- قابل رسائی
- ایڈجسٹ کریں
- پورا
- کے مطابق
- اکاؤنٹ
- جمع کرنا
- درستگی
- درست
- کے پار
- ایکٹ
- فعال طور پر
- سرگرمیوں
- سرگرمی
- کام کرتا ہے
- اصل میں
- شامل کریں
- انہوں نے مزید کہا
- ایڈیشنل
- اضافی معلومات
- اس کے علاوہ
- پتہ
- منہ بولابیٹا بنانے
- ترقی
- فائدہ
- فوائد
- مشورہ
- کے بعد
- پھر
- کے خلاف
- ایجنٹ
- ایجنٹ
- پہلے
- AI
- عی تحقیق
- اے آئی سسٹمز
- ایئر لائن
- AL
- سیدھ کریں
- منسلک
- تمام
- کی اجازت
- کی اجازت دیتا ہے
- تقریبا
- ساتھ
- پہلے ہی
- بھی
- متبادل
- متبادلات
- am
- محیط
- کے درمیان
- an
- تجزیے
- اور
- گمنام
- ایک اور
- اندازہ
- کوئی بھی
- اپلی کیشن
- ظاہر
- درخواست
- ایپلی کیشنز
- لاگو ہوتا ہے
- نقطہ نظر
- مناسب
- ایپس
- کیا
- علاقوں
- ارد گرد
- پہنچ
- فن
- مضمون
- مضامین
- مصنوعی
- AS
- پوچھنا
- سے پوچھ
- تشخیص کریں
- کا تعین کیا
- تشخیص
- اثاثے
- مدد
- اسسٹنٹ
- اسسٹنٹ
- منسلک
- At
- کوششیں
- توجہ
- اوصاف
- اضافہ
- اضافہ
- مصنف
- خود کار طریقے سے
- دستیاب
- سے اجتناب
- گریز
- کے بارے میں شعور
- دور
- واپس
- ٹریک پر واپس
- متوازن
- گیند
- بیس
- کی بنیاد پر
- بنیادی
- BE
- کیونکہ
- بن
- ہو جاتا ہے
- رہا
- اس سے پہلے
- رویے
- رویے
- پیچھے
- کیا جا رہا ہے
- یقین
- یقین ہے کہ
- محبوب
- فائدہ
- برلن
- BEST
- بہترین طریقوں
- بہتر
- کے درمیان
- سے پرے
- تعصب
- بٹ
- مسدود کرنے میں
- کتاب
- دونوں
- خودکار صارف دکھا ئیں
- باکس
- برانڈ
- برانڈڈ
- برانڈ
- خلاف ورزیوں
- توڑ
- لانے
- وسیع
- لایا
- تعمیر
- عمارت
- تعمیر
- کاروبار
- مصروف
- لیکن
- بٹن
- خرید
- خرید
- by
- کہا جاتا ہے
- کالز
- آیا
- کر سکتے ہیں
- نہیں کر سکتے ہیں
- صلاحیتوں
- کیریئر کے
- کاریں
- کیس
- مقدمات
- کیٹی
- سینٹر
- چیلنج
- چیلنجوں
- چیلنج
- موقع
- تبدیل کر دیا گیا
- چینل
- کردار
- خصوصیات
- خصوصیات
- چیٹ بٹ
- چیٹ بٹس
- چیٹ جی پی ٹی
- چن
- بچے
- انتخاب
- انتخاب
- منتخب کریں
- واضح
- واضح طور پر
- کلوز
- قریب سے
- کپڑے.
- بادل
- کوڈ
- کوہن
- مربوط
- ہم آہنگ
- تعاون
- مجموعہ
- جمع
- کس طرح
- آتا ہے
- آرام دہ اور پرسکون
- شے
- ابلاغ
- مواصلات
- کموینیکیشن
- کمپنیاں
- کمپنی کے
- مقابلے میں
- مقابلہ
- پیچیدہ
- جزو
- اجزاء
- کنسرٹ
- جامع
- سلوک
- منسلک
- مربوط
- کنکشن
- غور کریں
- پر غور
- متواتر
- مسلسل
- مسلسل
- تعمیر
- تعمیر
- رابطہ کریں
- مواد
- سیاق و سباق
- سیاق و سباق
- متعلقہ
- مسلسل
- کنٹریکٹ
- اس کے برعکس
- شراکت
- تعاون کرنا
- شراکت
- متنازعہ
- بات چیت
- سنوادی
- بات چیت AI
- مکالمات
- ٹھنڈی
- تعاون
- تعاون پر مبنی
- کور
- اسی کے مطابق
- سکتا ہے
- جوڑے
- کورس
- احاطہ کرتا ہے
- تخلیق
- تخلیق
- تخلیقی
- مخلوق
- معتبر
- معیار
- crowdsourcing
- موجودہ
- اس وقت
- وکر
- گاہک
- کسٹمر سروس
- کسٹمر سپورٹ
- گاہکوں
- اعداد و شمار
- ڈیٹا کی حکمت عملی
- ڈیٹا بیس
- ڈیٹا بیس
- مردہ
- نمٹنے کے
- دہائیوں
- فیصلہ کرنا
- فیصلہ کرنا
- فیصلے
- گہرے
- وضاحت
- ضرور
- ڈگری
- تاخیر
- انحصار کرتا ہے
- تفصیل
- ڈیزائن
- ڈیزائنر
- ڈیزائنرز
- ڈیزائننگ
- مطلوبہ
- تفصیلی
- تفصیلات
- ترقی
- ترقی یافتہ
- ڈویلپرز
- ترقی
- ترقی
- آلہ
- کے الات
- مکالمے کے
- مکالمے کے
- مختلف
- فرق کرنے والا
- مشکل
- ڈی آئی جی
- ڈائجسٹ
- ڈیجیٹل
- ڈیجیٹل جڑواں بچے
- ڈیجیٹل دنیا
- براہ راست
- دریافت
- دکھائیں
- تقسیم
- ڈوبکی
- do
- دستاویزات
- دستاویزات
- کرتا
- کتا
- کر
- ڈومین
- کیا
- نہیں
- برباد
- ڈاؤن لوڈ، اتارنا
- ڈرائیور
- دو
- کے دوران
- e
- ای کامرس
- ای اینڈ ٹی
- ہر ایک
- آسان
- تعلیمی
- موثر
- کارکردگی
- ہنر
- یا تو
- عناصر
- سرایت کرنا
- ابھرتی ہوئی
- خروج
- ابھرتا ہے
- ہمدردی
- ملازمین
- بااختیار
- کو فعال کرنا
- کی حوصلہ افزائی
- آخر
- کوششیں
- لامتناہی
- مشغول
- انجن
- بڑھانے کے
- اضافہ
- بڑھاتا ہے
- آننددایک
- کافی
- افزودگی
- افزودہ
- افزودہ
- کو یقینی بنانے کے
- انٹرپرائز
- خاص طور پر
- ضروری
- وغیرہ
- کا جائزہ لینے
- بھی
- آخر میں
- کبھی نہیں
- ثبوت
- بالکل
- مثال کے طور پر
- مثال کے طور پر
- بہترین
- اس کے علاوہ
- اضافی
- بہت پرجوش
- دلچسپ
- عملدرآمد
- موجودہ
- توقع ہے
- توقع
- مہنگی
- تجربہ
- تجرباتی
- وضاحت
- وضاحت
- اظہار
- بیرونی
- چہرہ
- عنصر
- فیکٹریوں
- عوامل
- FAIL
- ناکام رہتا ہے
- ناکامی
- آبشار
- جھوٹی
- واقف
- دلچسپ
- فیشن
- تیز تر
- آراء
- محسوس
- اعداد و شمار
- فلٹر
- حتمی شکل دیں
- مل
- پہلا
- فٹ
- درست کریں
- پرواز
- پروازیں
- بہاؤ
- بہہ رہا ہے
- بہنا
- توجہ مرکوز
- پر عمل کریں
- پیچھے پیچھے
- کے بعد
- کے لئے
- فارم
- رسمی طور پر
- تشکیل
- خوش قسمتی سے
- آگے
- ملا
- چار
- بار بار اس
- اکثر
- سے
- سامنے
- مایوس کن
- پورا کریں
- مزہ
- فعالیت
- بنیادی
- مزید
- مستقبل
- گیمنگ
- فرق
- جمع
- جنرل
- عام طور پر
- پیدا
- نسل
- حاصل
- GitHub کے
- دی
- Go
- جاتا ہے
- جا
- اچھا
- عظیم
- سبز
- گراؤنڈ
- رہنمائی
- رہنمائی
- ہدایات
- تھا
- ہاتھوں
- ہو
- ہوتا ہے
- ہارڈ
- نقصان دہ
- ہے
- he
- صحت
- سن
- مدد
- مدد گار
- اس کی
- یہاں
- پوشیدہ
- ہائی
- اعلی معیار کی
- اعلی
- انتہائی
- ان
- تاریخ
- مارو
- کلی
- امید ہے کہ
- امید ہے
- HOT
- کس طرح
- تاہم
- HTML
- HTTP
- HTTPS
- بھاری
- انسانی
- انسان
- مزاحیہ
- ہائپ
- i
- مثالی طور پر
- شناخت کار
- شناخت
- if
- وضاحت کرتا ہے
- تصویر
- تصاویر
- imaginations
- تصور
- عمیق
- عملدرآمد
- اہم
- بہتر
- کو بہتر بنانے کے
- in
- میں گہرائی
- شامل
- سمیت
- شامل
- اضافہ
- ناقابل یقین حد تک
- آزادانہ طور پر
- انفرادی
- صنعتوں
- لگانا
- معلومات
- معلوماتی
- ذاتی، پیدائشی
- ابتدائی
- شروع
- آدانوں
- کے بجائے
- ضم
- ضم
- انضمام کرنا
- انضمام
- ارادے
- جان بوجھ کر
- بات چیت
- بات چیت
- بات چیت
- انٹرایکٹو
- انٹرایکٹو وائس رسپانس سسٹم
- دلچسپی
- انٹرفیس
- انٹرفیسز
- اندرونی
- آپس میں مبتلا
- میں
- متعارف کرانے
- متعارف
- تعارف
- تعارف
- بدیہی
- سرمایہ کاری
- سرمایہ کاری کی سفارشات
- ملوث
- شامل
- تنہائی
- مسئلہ
- مسائل
- IT
- اشیاء
- تکرار
- تکرار
- میں
- خود
- IVRs
- جنوری
- شبدجال
- ایوب
- مشترکہ
- فوٹو
- صرف
- رکھیں
- کلیدی
- مطلوبہ الفاظ
- بچے
- جان
- علم
- علم مینجمنٹ
- جانا جاتا ہے
- لیبل
- نہیں
- زبان
- زبانیں
- بڑے
- بڑے پیمانے پر
- بڑے
- تاخیر
- بعد
- وکیل
- معروف
- لیڈز
- جانیں
- سیکھا ہے
- سیکھنے
- چھوڑ دو
- چھوڑ کر
- کی وراست
- قانونی
- قرض دو
- کم
- دو
- سطح
- سطح
- لیوریج
- لیورڈڈ
- لیورنگنگ
- لیوس
- لائبریری
- جھوٹ ہے
- کی طرح
- LIMIT
- لمیٹڈ
- سن
- رہتے ہیں
- ایل ایل ایم
- منطق
- لانگ
- دیکھو
- تلاش
- دیکھنا
- نقصانات
- بہت
- لاٹوں
- مشین
- بنا
- میلنگ
- مین
- برقرار رکھنے کے
- برقرار رکھنے
- اہم
- بنا
- بناتا ہے
- بنانا
- میں کامیاب
- انتظام
- مینیجر
- انداز
- بہت سے
- مارکیٹ
- مارکیٹ کے مواقع
- میچ
- ملا
- مواد
- مواد
- زیادہ سے زیادہ چوڑائی
- میکسم
- me
- مطلب
- بامعنی
- کا مطلب ہے کہ
- میڈیا
- درمیانہ
- اجلاس
- اراکین
- یاد داشت
- ذہنی
- دماغی صحت
- طریقوں
- مائیکل
- مائیکروسافٹ
- شاید
- ملیسیکنڈ
- کان کنی
- گمراہ کرنا
- غلط فہمی
- ماڈل
- ماڈل
- جدید
- لمحہ
- ماہ
- اخلاقی
- زیادہ
- زیادہ موثر
- صبح
- سب سے زیادہ
- زیادہ تر
- منتقل
- بہت
- ایک سے زیادہ
- بھیڑ
- ضروری
- my
- خود
- نام
- یعنی
- قدرتی
- قدرتی زبان عملیات
- ضروری
- ضرورت
- ضرورت ہے
- ضرورت
- ضروریات
- منفی
- کبھی نہیں
- نئی
- نیا اے پی پی
- اگلے
- ویزا
- نہیں
- غیر تکنیکی
- کوئی بھی نہیں
- عام طور پر
- کا کہنا
- تصور
- اب
- Nuance ہم
- تعداد
- متعدد
- مختصر
- اعتراض
- مقصد
- اشیاء
- of
- بند
- پیش کرتے ہیں
- کی پیشکش کی
- تجویز
- دفتر
- اکثر
- on
- ایک بار
- ایک
- صرف
- پر
- کھول
- اوپنائی
- کام
- آپریشنز
- رائے
- مواقع
- مواقع
- اصلاح کے
- کی اصلاح کریں
- اصلاح
- اصلاح
- اختیار
- آپشنز کے بھی
- or
- اورنج
- حکم
- اصل میں
- دیگر
- دیگر
- دوسری صورت میں
- ہمارے
- باہر
- نتائج
- باہر
- پر
- زبردست
- خود
- صفحہ
- کاغذات
- پیرا میٹر
- شراکت داروں کے
- پارٹی
- منظور
- گزشتہ
- پیٹنٹ
- راستہ
- صبر سے
- پیٹرک
- پیٹرن
- پال
- لوگ
- فی
- سمجھا
- انجام دیں
- اجازت
- انسان
- ذاتی
- شخصیت
- ذاتی طور پر
- پیٹر
- جسمانی
- لینے
- تصاویر
- پچنگ
- مقام
- سادہ
- منصوبہ بندی
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- کھیل
- پوائنٹ
- پوائنٹس
- غریب
- پاپ آؤٹ
- مقبول
- پوزیشن
- مثبت
- امکان
- ممکن
- ممکنہ
- ممکنہ طور پر
- پریکٹس
- طریقوں
- کی پیشن گوئی
- ترجیحات
- پیش
- کی روک تھام
- اصول
- اصولوں پر
- کی رازداری
- نجی
- آگے بڑھو
- عمل
- عملدرآمد
- عمل
- پروسیسنگ
- تیار
- مصنوعات
- حاصل
- پیشہ ورانہ
- پروفائلز
- پروگرامنگ
- متوقع
- ممتاز
- فروغ دیتا ہے
- پروٹوکول
- فراہم
- فراہم کرتا ہے
- فراہم کرنے
- نفسیات
- عوامی
- شائع
- مقصد
- پش
- دھکا
- معیار
- مقدار
- سوالات
- سوالات
- جلدی سے
- درجہ بندی
- رینکنگ
- بلکہ
- رد عمل
- تیار
- اصلی
- حقیقی دنیا
- حقیقت
- تسلیم
- تسلیم
- تسلیم کرنا
- سفارشات
- بار بار چلنے والی
- ریڈ
- دوبارہ وضاحت کرنا
- کو کم
- کا حوالہ دیتے ہیں
- حوالہ
- حوالہ جات
- کہا جاتا ہے
- مراد
- کی عکاسی
- کی عکاسی کرتا ہے
- متعلقہ
- جاری
- مطابقت
- متعلقہ
- یقین ہے
- رہے
- دوبارہ
- کی جگہ
- جواب
- درخواست
- درخواستوں
- ضرورت
- ضروریات
- کی ضرورت ہے
- تحقیق
- اسی طرح
- قرارداد
- وسائل
- جواب
- جواب دیں
- جواب
- جوابات
- ذمہ دار
- ریستوران میں
- نتیجے
- نتائج کی نمائش
- ظاہر
- امیر
- ٹھیک ہے
- رسک
- حکمرانی
- قوانین
- رن
- محفوظ
- سیفٹی
- کہا
- اسی
- کی اطمینان
- محفوظ
- کا کہنا ہے کہ
- اسکیل ایبلٹی
- پیمانے
- سکیلنگ
- سائنسی
- گنجائش
- سکرین
- تلاش کریں
- دوسری
- سیکنڈ
- سیکشن
- دیکھنا
- دیکھا
- حساس
- سیریز
- سروس
- مقرر
- قائم کرنے
- ترتیبات
- کئی
- ہونا چاہئے
- دکھائیں
- دکھایا گیا
- شوز
- کی طرف
- سائن ان کریں
- نمایاں طور پر
- اسی طرح
- سادہ
- سادگی
- بعد
- بیٹھنا
- صورتحال
- حالات
- مہارت
- چھوٹے
- ہموار
- ٹکڑا
- So
- سماجی
- سماجی
- سافٹ
- فروخت
- حل
- حل
- کچھ
- کسی
- کچھ
- کبھی کبھی
- جلد ہی
- ذرائع
- خلا
- پھیلا ہوا ہے
- بات
- اسپیکر
- مقررین
- بات
- خصوصی
- مخصوص
- خاص طور پر
- نردجیکرن
- تقریر
- تقریر کی شناخت
- تیزی
- شروع کریں
- شروع
- شروع ہوتا ہے
- بیان
- بیانات
- امریکہ
- سٹیشن
- شماریات
- رہنا
- راستے پر لانا
- اسٹیئرنگ
- مرحلہ
- مراحل
- ابھی تک
- روکنا
- ذخیرہ
- کہانی
- براہ راست
- حکمت عملیوں
- حکمت عملی
- کارگر
- کشیدگی
- ساخت
- منظم
- مطالعہ
- سٹائل
- کافی
- کامیابی
- کامیاب
- کامیابی کے ساتھ
- اس طرح
- پتہ چلتا ہے
- موزوں
- سویٹ
- مختصر
- خلاصہ
- حمایت
- اس بات کا یقین
- سوئنگ
- سوئچ کریں
- علامتی
- نحو
- مصنوعی
- کے نظام
- سسٹمز
- ٹیبل
- لے لو
- Takeaways
- بات
- بات کر
- نلیاں
- ہدف
- اہداف
- ٹاسک
- کاموں
- سکھایا
- پڑھانا
- ٹیم
- ٹیم کے ارکان
- ٹیکنیکل
- تکنیک
- ٹیکنالوجی
- ٹیلی ویژن
- شرائط
- خطے
- ٹیسٹنگ
- متن
- سے
- شکریہ
- کہ
- ۔
- مستقبل
- کے بارے میں معلومات
- دنیا
- ان
- ان
- خود
- تو
- وہاں.
- یہ
- وہ
- چیزیں
- لگتا ہے کہ
- سوچنا
- تھرڈ
- اس
- ان
- تین
- کے ذریعے
- اس طرح
- ٹکٹ
- ٹکٹ
- وقت
- اوقات
- کرنے کے لئے
- مل کر
- ٹوکن
- کل
- سر
- بھی
- اوزار
- ٹاپ بوٹس
- موضوع
- کی طرف
- کی طرف
- ٹریک
- ٹریکنگ
- ٹریڈنگ
- روایتی
- ٹرین
- تربیت یافتہ
- ٹریننگ
- تبدیل
- تبدیل
- منتقلی
- منتقلی
- ترسیل
- متحرک
- سچ
- کوشش
- ٹرن
- ٹرننگ
- دیتا ہے
- پیٹ میں جڑواں بچے
- دو
- ٹھیٹھ
- ui
- گزرتا ہے
- سمجھ
- فہم
- افہام و تفہیم
- منفرد
- یونیورسل
- عالمی طور پر
- غیر ضروری
- اپ ڈیٹ کرنے کے لئے
- تازہ ترین معلومات
- اپ ڈیٹ
- us
- استعمالی
- استعمال کی شرائط
- استعمال کیا جاتا ہے
- رکن کا
- صارف کا تجربہ
- صارف مواجہ
- صارف انٹرفیس ڈیزائن
- صارف دوست
- صارفین
- استعمال
- کا استعمال کرتے ہوئے
- ux
- یو ایکس ڈیزائن
- ux ڈیزائنر
- ux ڈیزائنرز
- درست
- قیمتی
- قیمت
- مختلف اقسام کے
- مختلف
- ورسٹائل
- بنام
- بہت
- کی طرف سے
- وکٹم
- مجازی
- ورچوئل اسسٹنٹ
- مجازی حقیقت
- وائس
- vs
- اسبی
- W3
- دیوار
- چاہتے ہیں
- چاہتا ہے
- تھا
- لہروں
- راستہ..
- طریقوں
- we
- ویلتھ
- ویب سائٹ
- ویب سائٹ
- اچھا ہے
- تھے
- کیا
- کیا ہے
- وہیل
- جب
- جب بھی
- چاہے
- جس
- جبکہ
- ڈبلیو
- کیوں
- گے
- کھڑکیاں
- ساتھ
- بغیر
- الفاظ
- کام
- کارکنوں
- دنیا
- فکر مند
- گا
- لکھنا
- سال
- سال
- تم
- نوجوان
- اور
- زیفیرنیٹ
- زیورخ