Slack Amazon SageMaker JumpStart کے ذریعے طاقت یافتہ مقامی اور محفوظ جنریٹو AI فراہم کرتا ہے | ایمیزون ویب سروسز

یہ پوسٹ جیکی روکا، پروڈکٹ کے VP، AI at Slack کے شریک مصنف ہیں۔

سست وہ جگہ ہے جہاں کام ہوتا ہے۔ یہ کام کے لیے AI سے چلنے والا پلیٹ فارم ہے جو لوگوں، بات چیت، ایپس اور سسٹمز کو ایک جگہ سے جوڑتا ہے۔ نئے لانچ کے ساتھ سلیک اے آئی- ایک قابل اعتماد، مقامی، تخلیقی مصنوعی ذہانت (AI) کا تجربہ جو براہ راست Slack میں دستیاب ہے—صارفین معلومات کو سطح اور ترجیح دے سکتے ہیں تاکہ وہ اپنی توجہ تلاش کر سکیں اور اپنا سب سے زیادہ نتیجہ خیز کام کر سکیں۔

ہم یہ اعلان کرتے ہوئے پرجوش ہیں کہ Salesforce کمپنی Slack نے اس کے ساتھ تعاون کیا ہے۔ ایمیزون سیج میکر جمپ اسٹارٹ Slack AI کی ابتدائی تلاش اور خلاصہ کی خصوصیات کو طاقتور بنانے کے لیے اور Slack کو بڑے لینگویج ماڈلز (LLMs) کو زیادہ محفوظ طریقے سے استعمال کرنے کے لیے حفاظتی اقدامات فراہم کرتے ہیں۔ Slack نے SageMaker JumpStart کے ساتھ صنعت کے معروف تھرڈ پارٹی LLMs کی میزبانی کے لیے کام کیا تاکہ ڈیٹا کو تھرڈ پارٹی ماڈل فراہم کنندگان کے زیر ملکیت انفراسٹرکچر کے ساتھ شیئر نہ کیا جائے۔

یہ گاہک کے ڈیٹا کو ہر وقت سلیک میں رکھتا ہے اور انہی حفاظتی طریقوں اور تعمیل کے معیارات کو برقرار رکھتا ہے جس کی توقع گاہک خود Slack سے کرتے ہیں۔ سلیک بھی استعمال کر رہا ہے۔ ایمیزون سیج میکر بہترین کارکردگی، تاخیر، اور تھرو پٹ کے ساتھ صارفین کے لیے حل کو پیمانہ کرنے کے لیے جدید روٹنگ کی حکمت عملیوں کے لیے اندازہ کی صلاحیتیں۔

"Amazon SageMaker JumpStart کے ساتھ، Slack سیکورٹی اور رازداری کو ترجیح دیتے ہوئے، Slack AI کو طاقت دینے کے لیے جدید ترین فاؤنڈیشن ماڈلز تک رسائی حاصل کر سکتا ہے۔ سست گاہکوں کو اب زیادہ ہوشیار تلاش کر سکتے ہیں، فوری طور پر بات چیت کا خلاصہ کر سکتے ہیں، اور سب سے زیادہ نتیجہ خیز ہو سکتے ہیں۔

- جیکی روکا، وی پی پروڈکٹ، سلیک میں اے آئی

سیج میکر جمپ اسٹارٹ میں فاؤنڈیشن ماڈل

SageMaker JumpStart ایک مشین لرننگ (ML) مرکز ہے جو آپ کے ML سفر کو تیز کرنے میں مدد کر سکتا ہے۔ SageMaker JumpStart کے ساتھ، آپ مضمون کا خلاصہ اور تصویر بنانے جیسے کاموں کو انجام دینے کے لیے پہلے سے طے شدہ معیار اور ذمہ داری کے میٹرکس کی بنیاد پر تیزی سے فاؤنڈیشن ماڈلز (FMs) کا جائزہ، موازنہ اور انتخاب کر سکتے ہیں۔ پہلے سے تربیت یافتہ ماڈلز آپ کے ڈیٹا کے ساتھ آپ کے استعمال کے معاملے کے لیے مکمل طور پر حسب ضرورت ہیں، اور آپ انہیں آسانی سے یوزر انٹرفیس یا SDK کے ساتھ پروڈکشن میں تعینات کر سکتے ہیں۔ اس کے علاوہ، آپ عام استعمال کے معاملات کو حل کرنے کے لیے پہلے سے تعمیر شدہ حل تک رسائی حاصل کر سکتے ہیں اور ML ماڈلز اور نوٹ بکس سمیت ML ماڈلز اور نوٹ بک کو اپنی تنظیم کے اندر شیئر کر سکتے ہیں تاکہ ML ماڈل کی تعمیر اور تعیناتی کو تیز کیا جا سکے۔ آپ کا کوئی بھی ڈیٹا بنیادی ماڈلز کی تربیت کے لیے استعمال نہیں ہوتا ہے۔ تمام ڈیٹا کو انکرپٹ کیا گیا ہے اور اسے کبھی بھی فریق ثالث کے دکانداروں کے ساتھ شیئر نہیں کیا جاتا ہے تاکہ آپ اعتماد کر سکیں کہ آپ کا ڈیٹا نجی اور خفیہ رہے گا۔

دیکھو سیج میکر جمپ اسٹارٹ ماڈل پیج دستیاب ماڈلز کے لیے۔

سلیک اے آئی

سلیک نے مقامی تخلیقی AI صلاحیتیں فراہم کرنے کے لیے Slack AI کا آغاز کیا تاکہ صارفین آسانی سے بڑی مقدار میں معلومات تلاش کر سکیں اور استعمال کر سکیں، جس سے وہ Slack میں اپنے مشترکہ علم سے اور زیادہ قدر حاصل کر سکیں۔ مثال کے طور پر، صارفین سادہ زبان میں سوال پوچھ سکتے ہیں اور بہتر تلاش کے ساتھ فوری طور پر واضح اور جامع جوابات حاصل کر سکتے ہیں۔ وہ بات چیت کے خلاصوں کے ساتھ ایک کلک میں چینلز اور تھریڈز کو دیکھ سکتے ہیں۔ اور وہ نئے لانچ کردہ ریکیپس کے ساتھ منتخب چینلز میں کیا ہو رہا ہے اس کے ذاتی نوعیت کے، روزانہ ڈائجسٹ تک رسائی حاصل کر سکتے ہیں۔

چونکہ اعتماد Slack کی سب سے اہم قدر ہے، Slack AI ایک انٹرپرائز-گریڈ انفراسٹرکچر پر چلتا ہے جو انہوں نے AWS پر بنایا تھا، اسی کو برقرار رکھتے ہوئے حفاظتی طریقوں اور تعمیل کے معیارات جس کی گاہک توقع کرتے ہیں۔ Slack AI سیکیورٹی کے حوالے سے شعور رکھنے والے صارفین کے لیے بنایا گیا ہے اور اسے ڈیزائن کے لحاظ سے محفوظ بنانے کے لیے بنایا گیا ہے — کسٹمر کا ڈیٹا اندرون خانہ رہتا ہے، ڈیٹا LLM ٹریننگ کے مقاصد کے لیے استعمال نہیں کیا جاتا، اور ڈیٹا خاموش رہتا ہے۔

حل جائزہ

SageMaker JumpStart بہت سے LLMs تک رسائی فراہم کرتا ہے، اور Slack صحیح FMs کا انتخاب کرتا ہے جو ان کے استعمال کے معاملات میں فٹ بیٹھتے ہیں۔ چونکہ یہ ماڈلز Slack کے ملکیتی AWS انفراسٹرکچر پر ہوسٹ کیے گئے ہیں، اس لیے درخواست کے دوران ماڈلز کو بھیجا جانے والا ڈیٹا Slack کے AWS انفراسٹرکچر کو نہیں چھوڑتا ہے۔ اس کے علاوہ، ایک محفوظ حل فراہم کرنے کے لیے، SageMaker ماڈلز کی درخواست کے لیے بھیجے گئے ڈیٹا کو ٹرانزٹ میں انکرپٹ کیا جاتا ہے۔ SageMaker جمپ سٹارٹ اینڈ پوائنٹس کو ماڈلز کے لیے بھیجے گئے ڈیٹا کو بیس ماڈلز کی تربیت کے لیے استعمال نہیں کیا جاتا ہے۔ SageMaker JumpStart Slack کو سیکورٹی اور ڈیٹا پرائیویسی کے لیے اعلیٰ معیارات کی حمایت کرنے کی اجازت دیتا ہے، جبکہ جدید ترین ماڈلز کا استعمال بھی کرتا ہے جو Slack AI کو سلیک صارفین کے لیے بہترین کارکردگی کا مظاہرہ کرنے میں مدد کرتا ہے۔

SageMaker جمپ سٹارٹ اینڈ پوائنٹس جو سلیک بزنس ایپلی کیشنز پیش کرتے ہیں AWS مثالوں کے ذریعہ تقویت یافتہ ہیں۔ سیج میکر سپورٹ کرتا ہے a مثال کی اقسام کی وسیع رینج ماڈل کی تعیناتی کے لیے، جو Slack کو وہ مثال منتخب کرنے کی اجازت دیتا ہے جو Slack AI کے استعمال کے معاملات میں تاخیر اور اسکیل ایبلٹی کی ضروریات کو سپورٹ کرنے کے لیے بہترین ہے۔ Slack AI کو اپنے SageMaker JumpStart ماڈلز کی میزبانی کے لیے ملٹی-GPU پر مبنی مثالوں تک رسائی حاصل ہے۔ ایک سے زیادہ GPU مثالیں Slack AI کے اختتامی نقطہ کی حمایت کرنے والی ہر مثال کو ایک ماڈل کی متعدد کاپیوں کی میزبانی کرنے کی اجازت دیتی ہیں۔ یہ وسائل کے استعمال کو بہتر بنانے اور ماڈل کی تعیناتی کی لاگت کو کم کرنے میں مدد کرتا ہے۔ مزید معلومات کے لیے رجوع کریں۔ ایمیزون سیج میکر نے فاؤنڈیشن ماڈل کی تعیناتی کے اخراجات اور تاخیر کو کم کرنے میں مدد کے لیے نئی انفرنس صلاحیتوں کا اضافہ کیا ہے۔.

مندرجہ ذیل خاکہ حل کے فن تعمیر کی وضاحت کرتا ہے۔

مثالوں کو زیادہ مؤثر طریقے سے استعمال کرنے اور ہم آہنگی اور تاخیر کے تقاضوں کی حمایت کرنے کے لیے، Slack نے SageMaker کی پیش کردہ روٹنگ کی حکمت عملیوں کو اپنے SageMaker اینڈ پوائنٹس کے ساتھ استعمال کیا۔ پہلے سے طے شدہ طور پر، سیج میکر اینڈ پوائنٹ یکساں طور پر آنے والی درخواستوں کو ML مثالوں میں تقسیم کرتا ہے جس کو راؤنڈ رابن الگورتھم روٹنگ حکمت عملی کہا جاتا ہے۔ RANDOM. تاہم، تخلیقی AI کام کے بوجھ کے ساتھ، درخواستیں اور جوابات انتہائی متغیر ہو سکتے ہیں، اور بے ترتیب بوجھ کے توازن کے بجائے مثال کی صلاحیت اور استعمال پر غور کر کے توازن کو لوڈ کرنا ضروری ہے۔ اختتامی نقطوں کی حمایت کرنے والی مثالوں میں درخواستوں کو مؤثر طریقے سے تقسیم کرنے کے لیے، Slack استعمال کرتا ہے۔ LEAST_OUTSTANDING_REQUESTS (LAR) روٹنگ کی حکمت عملی۔ یہ حکمت عملی درخواستوں کو ان مخصوص مثالوں کی طرف لے جاتی ہے جن میں کسی بھی دستیاب مثال کو تصادفی طور پر منتخب کرنے کی بجائے درخواستوں پر کارروائی کرنے کی زیادہ صلاحیت ہوتی ہے۔ LAR حکمت عملی زیادہ یکساں بوجھ میں توازن اور وسائل کا استعمال فراہم کرتی ہے۔ نتیجتاً، Slack AI کو فعال کرتے وقت ان کے p39 لیٹنسی نمبرز میں 95% سے زیادہ تاخیر کی کمی دیکھی گئی۔ LEAST_OUTSTANDING_REQUESTS رینڈم کے مقابلے میں۔

SageMaker روٹنگ کی حکمت عملیوں کے بارے میں مزید تفصیلات کے لیے، دیکھیں Amazon SageMaker روٹنگ کی حکمت عملیوں کا استعمال کرتے ہوئے حقیقی وقت کے تخمینہ میں تاخیر کو کم سے کم کریں۔.

نتیجہ

سلیک مقامی تخلیقی AI صلاحیتیں فراہم کر رہا ہے جو ان کے صارفین کو زیادہ پیداواری ہونے اور آسانی سے اجتماعی علم کو حاصل کرنے میں مدد دے گی جو ان کی سلیک گفتگو میں شامل ہے۔ FMs کے ایک بڑے انتخاب تک تیز رسائی اور SageMaker JumpStart کے ذریعے وقف شدہ مثالوں میں میزبانی کی جانے والی جدید لوڈ بیلنسنگ صلاحیتوں کے ساتھ، Slack AI Slack کے اعتماد اور حفاظتی معیارات کو برقرار رکھتے ہوئے، زیادہ مضبوط اور تیز تر انداز میں AI خصوصیات فراہم کرنے کے قابل ہے۔

کے بارے میں مزید معلومات حاصل کریں سیج میکر جمپ اسٹارٹ, سلیک اے آئی اور کس طرح Slack ٹیم نے Slack AI کو محفوظ اور نجی بنانے کے لیے بنایا. تبصرے کے سیکشن میں اپنے خیالات اور سوالات چھوڑیں۔

---

مصنفین کے بارے میں

جیکی روکا۔ Slack میں پروڈکٹ کی VP ہے، جہاں وہ Slack AI کے وژن اور اس پر عمل درآمد کی نگرانی کرتی ہے، جو Slack کے صارف کے تجربے میں مقامی اور محفوظ طریقے سے تخلیقی AI لاتا ہے۔ اب وہ ایک مشن پر ہے تاکہ صارفین کو ان کی پیداواری صلاحیت کو تیز کرنے اور ان کی گفتگو، ڈیٹا، اور تخلیقی AI کے ساتھ اجتماعی علم سے اور بھی زیادہ اہمیت حاصل کرنے میں مدد کرے۔ سلیک میں اپنے وقت سے پہلے، جیکی گوگل میں چھ سال سے زیادہ عرصے تک پروڈکٹ مینیجر تھیں، جہاں اس نے Youtube TV کو لانچ کرنے اور اسے بڑھانے میں مدد کی۔ جیکی سان فرانسسکو بے ایریا میں مقیم ہیں۔

رچنا چڈا AWS میں اسٹریٹجک اکاؤنٹس میں ایک پرنسپل سولیوشن آرکیٹیکٹ AI/ML ہے۔ رچنا ایک پر امید ہیں جو اس بات پر یقین رکھتی ہیں کہ AI کا اخلاقی اور ذمہ دارانہ استعمال مستقبل میں معاشرے کو بہتر بنا سکتا ہے اور معاشی اور سماجی خوشحالی لا سکتا ہے۔ اپنے فارغ وقت میں، رچنا اپنے خاندان کے ساتھ وقت گزارنا، پیدل سفر کرنا اور موسیقی سننا پسند کرتی ہے۔

مارک کارپ ایمیزون سیج میکر سروس ٹیم کے ساتھ ایم ایل آرکیٹیکٹ ہے۔ وہ گاہک کو پیمانے پر ایم ایل ورک بوجھ کو ڈیزائن کرنے، تعینات کرنے اور ان کا انتظام کرنے میں مدد کرنے پر توجہ مرکوز کرتا ہے۔ اپنے فارغ وقت میں، وہ سفر کرنے اور نئی جگہوں کی تلاش کا لطف اٹھاتا ہے۔

منیندر (مانی) کور AWS میں اسٹریٹجک ISVs کے لیے AI/ML ماہر لیڈ ہے۔ اپنے گاہک کے لیے پہلے نقطہ نظر کے ساتھ، منی اسٹریٹجک صارفین کو ان کی AI/ML حکمت عملی، ایندھن کی جدت طرازی، اور ان کے AI/ML سفر کو تیز کرنے میں مدد کرتی ہے۔ مانی اخلاقی اور ذمہ دار AI پر پختہ یقین رکھتی ہے، اور اس بات کو یقینی بنانے کی کوشش کرتی ہے کہ اس کے صارفین کے AI حل ان اصولوں کے مطابق ہوں۔

جین ٹنگ AWS میں پرنسپل سولیوشن آرکیٹیکٹ ہیں۔ وہ انٹرپرائز کے صارفین کو AWS پر محفوظ طریقے سے کام کا بوجھ بنانے اور چلانے میں مدد کرنے پر مرکوز ہے۔ اپنے فارغ وقت میں، جین بچوں کو ٹیکنالوجی اور کھیل سکھانے کے ساتھ ساتھ سائبرسیکیوریٹی سے متعلق تازہ ترین چیزوں کی پیروی کرنے سے لطف اندوز ہوتا ہے۔

ایلن ٹین SageMaker کے ساتھ ایک سینئر پروڈکٹ مینیجر ہے، جو بڑے ماڈل کے تخمینے کی کوششوں میں سرفہرست ہے۔ وہ تجزیات کے شعبے میں مشین لرننگ کو لاگو کرنے کا شوق رکھتا ہے۔ کام سے باہر، وہ باہر سے لطف اندوز ہوتا ہے۔

• 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://aws.amazon.com/blogs/machine-learning/slack-delivers-native-and-secure-generative-ai-powered-by-amazon-sagemaker-jumpstart/