کوانٹم ٹکنالوجی کے اندر "اندر سکوپ:" کوانٹم اور چیٹ جی پی ٹی

کوانٹم ٹکنالوجی کے اندر "اندر سکوپ:" کوانٹم اور چیٹ جی پی ٹی

ٹائم سٹیمپ: 3 مارچ 2023 صبح 8:51 بجے
ChatGPT ہم اپنی ٹیکنالوجی کو کس طرح استعمال کرتے ہیں اس میں ایک مثالی تبدیلی پیدا کر رہا ہے، لیکن کیا کوانٹم کمپیوٹنگ کی طاقت سے یہ اور بھی طاقتور ہو سکتا ہے؟
By کینا ہیوز-کیسل بیری پوسٹ کیا گیا 03 مارچ 2023

اگرچہ اسے صرف چند مہینوں کے لیے استعمال کیا گیا ہے، ChatGPT پہلے ہی کچھ بنا رہا ہے۔ اہم لہریں صنعتوں بھر میں. خبروں کے مضامین لکھنے سے لے کر کمپیوٹر کوڈ کی فراہمی تک، اے آئی چیٹ بوٹ ایسا لگتا ہے کہ پہلے ہی بہت سے مختلف قسم کی ملازمتوں کو تبدیل کر رہا ہے۔ اگرچہ یہ نئی ٹیکنالوجی بہت سی مختلف صنعتوں کے لیے ایک مثالی تبدیلی پیدا کر رہی ہے، چیٹ جی پی ٹی کو اب بھی بہتر اور ترقی دی جا رہی ہے، جیسا کہ گوگل کی طرح اس کے ہم منصب ہیں۔ بارڈ پروگرام ان AI چیٹ بوٹس کو مزید بہتر بنانے کا ایک طریقہ درخواست دے کر ہو سکتا ہے۔ کمانٹم کمپیوٹنگ ٹیکنالوجی کوانٹم کمپیوٹنگ کے تیز تر ڈیٹا تجزیہ اور مزید مکمل کے وعدے کے ساتھ اصلاح کے الگورتھم، ان دو نوزائیدہ ٹیکنالوجیز کا امتزاج اس سے بھی زیادہ نئی چیز بنا سکتا ہے جو ہم نے ابھی دیکھا ہے۔

کچھ آسان فوائد

کوانٹم کمپیوٹنگ کے ممکنہ فوائد کو سمجھنے کا خود ChatGPT سے پوچھنے سے بہتر اور کیا طریقہ ہے؟ جب میں نے پروگرام سے یہ سوال پوچھا تو اس نے مندرجہ ذیل کے ساتھ جواب دیا: "سب سے پہلے، کوانٹم کمپیوٹنگ ممکنہ طور پر تربیت اور تخمینہ کے عمل کو تیز کر سکتی ہے۔ مشین لرننگ الگورتھم، جو ChatGPT کے جوابات کو تیز تر اور زیادہ درست بنا سکتے ہیں۔ دوم، کوانٹم کمپیوٹنگ قدرتی لینگویج پروسیسنگ کے کاموں کو بہتر بنانے میں مدد کر سکتی ہے، جو ChatGPT کی انسان جیسی زبان کو سمجھنے اور تخلیق کرنے کی صلاحیت کو بڑھا سکتی ہے۔ تیسرا، کوانٹم کمپیوٹنگ پیچیدہ اصلاحی مسائل کو حل کرنے کے نئے طریقے فراہم کر سکتی ہے، جس سے ChatGPT کو فیصلہ سازی اور سفارش کی صلاحیتوں کو بہتر بنانے میں مدد مل سکتی ہے۔"

کیو ایم ایل خلا کو پر کر سکتی ہے۔

چیٹ جی پی ٹی کو کوانٹم کمپیوٹنگ سے مربوط کرنے کے لیے، بہت سے ماہرین اس سافٹ ویئر کو پیش کرتے ہیں، جیسے کوانٹم مشین لرننگ (کیو ایم ایل) الگورتھم، پہلی ترجیح ہونی چاہیے۔ "اگرچہ میں یہ کہوں گا کہ دکانداروں کے درمیان بہت زیادہ اعتماد ہے کہ QML کلاسیکی پر برتری دکھائے گا، تاہم، اور جنریٹو AI (جیسے ChatGPT کے لیے استعمال کیا جاتا ہے) QML کے لیے مواقع کا ایک اچھا علاقہ ہو گا،" بیان کرتا ہے۔ سیم لوسیرو، چیف کوانٹم کمپیوٹنگ تجزیہ کار اومیڈیا. QML ممکنہ طور پر AI اور کوانٹم کمپیوٹنگ کی صلاحیتوں کے درمیان فرق کو ختم کر سکتا ہے اور کچھ اہم فوائد پیش کر سکتا ہے۔ لوسیرو کے مطابق: "نظریاتی طور پر، کیو ایم ایل (شاید تیزی سے) کے حجم کو کم کرنے کی صلاحیت فراہم کر سکتا ہے۔ تربیتی ڈیٹا کلاسیکی جنریٹو AI کے مقابلے میں اسی سطح کا اندازہ لگانے کی صلاحیت حاصل کرنے کی ضرورت ہے۔ یہ اپنے آپ میں کلیدی ہے کیونکہ چیٹ جی پی ٹی جیسے بڑے بنیادی ماڈلز بہت زیادہ، مہنگے (ملین ڈالر) ہیں، ٹریننگ کرنے میں کافی وقت لگتا ہے (مہینوں)، اور توانائی کی ضرورت ہے، جو پائیداری کے نقطہ نظر سے بہت اچھا نہیں ہے (میگا واٹ ڈیٹا سینٹر کو طاقت دینے کے لیے بجلی)۔ اس کے علاوہ، ڈیٹا کی دستیابی کی تشویش بھی ہے: ChatGPT کو بنیادی طور پر 'انٹرنیٹ' پر تربیت دی جاتی ہے، لیکن بہت سے ادارے یہ چاہیں گے کہ تربیت کے لیے صرف اپنا اندرونی ڈیٹا استعمال کریں، لیکن پھر بھی اندازہ لگانے میں اسی سطح کی کارکردگی حاصل کریں۔ یہ لاگت، وقت، پائیداری وغیرہ کے لحاظ سے فائدہ کے علاوہ، استعمال کے معاملے کا فائدہ، یا ایک ریگولیٹری فائدہ (یعنی تربیت کے لیے HIPAA سے محفوظ ڈیٹا کا استعمال) ہو سکتا ہے۔ QML نہ صرف مستقبل کے ChatGPT کے لیے زیادہ سرمایہ کاری مؤثر ماڈل پیش کرے گا، بلکہ یہ تیز رفتاری سے بھی چل سکتا ہے اور ڈیٹا کے لیے زیادہ صلاحیت رکھتا ہے، جو زیادہ طاقتور حل فراہم کرتا ہے۔ QML ماڈل کو چلانے کے لیے ڈیٹا کی ایک وسیع رینج بھی شامل کر سکتا ہے۔ لوسیرو کا کہنا ہے کہ "جنریٹیو AI کے لیے QML کلاسیکی ML کے مقابلے میں وسیع تر تلاش کی جگہ کو تلاش کرنے کے قابل ہے۔" "عملی طور پر، اس کا مطلب یہ ہے کہ QML کو بہتر ہونا چاہیے، مثال کے طور پر، محاوراتی زبان کا ترجمہ کرنا، یا دو زبانوں کے درمیان ترجمہ کرنا جو بنیادی گرائمر کی سطح پر بہت مختلف ہیں۔" سیاست اور بین الاقوامی ترجمے کے آلات سے لے کر کھوئی ہوئی زبانوں کی تعمیر نو کے بشریات تک اس کے بہت سے مختلف شعبوں پر بہت زیادہ اثرات مرتب ہوتے ہیں۔

یہ فوائد AI چیٹ بوٹس کے لیے تربیت کے وقت کو نصف کرنے میں بھی مدد کر سکتے ہیں۔ "ChatGPT کی سب سے اہم خصوصیات میں سے ایک یہ ہے کہ یہ انسانی تاثرات (RLHF) سے کمک سیکھنے سے لیس ہے، جو بنیادی طور پر انعام پر مبنی تعلیم ہے،" سائنس اور ٹیکنالوجی مصنف آیوش جین شامل کرتا ہے "اس کو استعمال کرنے کے لیے ایک اہم چیلنج یہ ہے کہ ماڈل کو بہت زیادہ آزمائش اور غلطی سے گزرنا پڑتا ہے اس سے پہلے کہ وہ یہ جان سکے کہ انعام یافتہ سلوک کیا ہے - جس کا مطلب ہے کہ صرف وہی ادارے جو ماڈل کو اس کی ابتدائی خامیوں کے باوجود عوام میں تربیت دینے کی استطاعت رکھتے ہیں۔ کھیل جیتو. لیکن، یہ بدل سکتا ہے۔ ایک مطالعہ کچھ سال پہلے سے یہ ظاہر ہوا کہ ہائبرڈ سسٹمز میں، کمک سیکھنے والی AI اپنے غیر کوانٹم ہم منصب کے مقابلے میں 60 فیصد تیزی سے سیکھنے کے قابل تھی۔ کوانٹم لینگویج ماڈل دراصل پہلے ہی کام میں ہیں۔ جیسا کہ جین بیان کرتا ہے: "ہم نے ایسی کمپنیاں دیکھی ہیں۔ کیمبرج کوانٹم قدرتی زبان کی پروسیسنگ کے لیے سافٹ ویئر ٹول کٹ اور لائبریری تیار کی ہے۔ کیمبرج کوانٹم (اب کوانٹینیم) بیک وقت کوانٹم کمپیوٹرز تیار کرتے ہوئے AI کے لینگویج ماڈلز کو دیکھ کر ایک رجحان شروع کر سکتا ہے۔

کوانٹم کے ساتھ ChatGPT کے انضمام کے لیے موجودہ حدود

اگرچہ یہ فوائد AI چیٹ بوٹ کے لیے گیم بدلنے والے ہو سکتے ہیں، لیکن دونوں ٹیکنالوجیز کو یکجا کرنے کا اصل عمل بہت زیادہ پیچیدہ ہے۔ جین جیسے کچھ ماہرین کا خیال ہے کہ سب سے فطری اگلا مرحلہ کلاسیکل کمپیوٹنگ اے آئی ماڈلز کو کوانٹم کمپیوٹنگ کے ساتھ ہائبرڈ پلیٹ فارم میں جوڑنا ہے۔ "ہائبرڈ ماڈل کوانٹم کمپیوٹرز کا استعمال کرتے ہوئے کلاسیکی ڈیٹا پر سیکھنے کو لاگو کرنے کی تکنیکوں پر توجہ مرکوز کرتا ہے، جیسا کہ کوانٹم ڈیٹا کے ساتھ کام کرنے والے مکمل کوانٹم الگورتھم تیار کرنے کے برخلاف،" جین بتاتے ہیں۔ "اور پلیٹ فارم جیسے NVIDIA QODA اور دوسروں نے پہلے ہی – کسی حد تک سیکھنے کے منحنی خطوط کو ہموار کر دیا ہے کیونکہ ہائبرڈ کوانٹم کلاسیکل سسٹمز کی ترقی موجودہ کلاسیکی سوفٹ ویئر اسٹیک، پروگرامنگ ماڈلز اور لائبریریوں کا فائدہ اٹھا سکتی ہے، جو کوانٹم کمپیوٹنگ کو اپنانے میں تیزی لانے میں مدد کر سکتی ہے۔ چونکہ کوانٹم کمپیوٹرز ابھی تک تیار کیے جا رہے ہیں، اور یہ کافی نازک اور نازک ہیں، اس لیے یہ کہنا مشکل ہے کہ یہ اگلی نسل کی ٹیکنالوجی کب ChatGPT کا مقابلہ کرنے کے لیے تیار ہوگی۔ اگر دونوں آخرکار اکٹھے ہو جائیں، تو شاید اسی طرح کی پیراڈائم شفٹ، جیسا کہ ہم اس وقت تجربہ کر رہے ہیں، ہو سکتا ہے، جو ایک بار پھر ہمیں اپنی ہمیشہ سے ابھرتی ہوئی ٹیکنالوجی کے مطابق ڈھالنے پر مجبور کرے۔

Kenna Hughes-Castleberry Inside Quantum Technology اور JILA (یونیورسٹی آف کولوراڈو بولڈر اور NIST کے درمیان شراکت) میں سائنس کمیونیکیٹر کی اسٹاف رائٹر ہے۔ اس کی تحریری دھڑکنوں میں گہری ٹیک، میٹاورس، اور کوانٹم ٹیکنالوجی شامل ہیں۔

ٹائم اسٹیمپ:

سے زیادہ کوانٹم ٹیکنالوجی کے اندر