اس سال کی AAAS سالانہ کانفرنس میں CCC نے تین سائنسی سیشنز کی حمایت کی، اور اگر آپ ذاتی طور پر شرکت کرنے کے قابل نہیں تھے، تو ہم ہر سیشن کو دوبارہ ترتیب دیں گے۔ اس ہفتے، ہم سیشن کے پینلسٹ پریزنٹیشنز کی جھلکیوں کا خلاصہ کریں گے، "بڑی زبان کے ماڈل: مددگار معاون، رومانوی شراکت دار یا کون فنکار؟یہ پینل، معتدل ڈاکٹر ماریہ گینی, CCC کونسل کے رکن اور مینیسوٹا یونیورسٹی میں کمپیوٹر سائنس اور انجینئرنگ کے پروفیسر، نمایاں ڈاکٹر ای سی ای کمار، مائیکروسافٹ ریسرچ میں اے آئی فرنٹیئرز کے منیجنگ ڈائریکٹر، ڈاکٹر Hal Daumé III، یونیورسٹی آف میری لینڈ میں کمپیوٹر سائنس کے پروفیسر، اور ڈاکٹر جوناتھن مے، یونیورسٹی آف سدرن کیلیفورنیا انفارمیشن سائنسز انسٹی ٹیوٹ میں کمپیوٹر سائنس کے پروفیسر۔
بڑے زبان کے ماڈلز آج معاشرے میں بات چیت میں سب سے آگے ہیں، اور جیوری اس بات سے باہر ہے کہ آیا وہ اپنے اردگرد کے ہائپ کے مطابق زندگی گزار رہے ہیں۔ اس AAAS سیشن کے پینلسٹس نے LLMs کے امکانات، چیلنجز اور صلاحیتوں پر روشنی ڈالی۔
پہلے پینلسٹ ڈاکٹر ای سی کمار (مائیکروسافٹ ریسرچ) تھے۔ اس نے AI کی موجودہ حیثیت کو "فیز ٹرانزیشن" کے طور پر بیان کیا۔ اس نے ایک ایسے شخص کے طور پر ایک منفرد نقطہ نظر فراہم کیا جس نے صنعت میں AI میں ہونے والی تبدیلیوں کو دیکھا ہے، اور گہری سیکھنے کے ماڈلز میں تیزی سے اضافہ جس کی بہت کم لوگوں نے توقع کی تھی کہ 2024 تک جاری رہے گی۔
ترقی ڈیٹا کی مقدار میں اضافے کی وجہ سے ہوئی جس پر LLMs کو تربیت دی جاتی ہے، اور بڑے فن تعمیر کو ٹرانسفارمرز کہتے ہیں۔ گراف پر ایک دلچسپ بصیرت جو ڈاکٹر کمار نے شیئر کی ہے وہ یہ ہے کہ ماڈلز اتنی تیزی سے سکیل کر رہے ہیں کیونکہ ابتدائی طور پر انہیں صرف ایک خاص کام کے لیے تربیت دی گئی تھی۔ ایک کام جو وہ قابل اعتماد طریقے سے انجام دے سکتے ہیں۔ ChatGPT نے ظاہر کیا کہ اگر آپ کافی بڑے پیمانے پر، بشمول ایک ماڈل کے پیرامیٹرز کی تعداد کو مدنظر رکھتے ہیں، تو ماڈلز ایک ماڈل کی اسی طرح کی کارکردگی پر کام مکمل کرنا شروع کر سکتے ہیں جسے خاص طور پر انہی کاموں کو مکمل کرنے کے لیے تربیت دی گئی تھی۔
یہ LLM مرحلے کی منتقلی کی تعریف ہے: ماڈلز کو اب کسی خاص کام کے لیے خاص طور پر تربیت یافتہ ہونے کی ضرورت نہیں ہے، لیکن انہیں عام طور پر تربیت دی جا سکتی ہے اور پھر بہت سے کام انجام دیے جا سکتے ہیں۔ اور اس بات کے کوئی آثار نہیں ہیں کہ ان صلاحیتوں کی نشوونما سست ہو رہی ہے۔
ڈاکٹر کمار کو GPT-4 تک ابتدائی رسائی حاصل تھی، اور اس کی جانچ کرنے کے اپنے وسیع وقت کے دوران، وہ اسکیل اور ڈیٹا کے ساتھ آنے والی نمایاں بہتریوں اور اس حقیقت سے متاثر ہوئیں کہ یہ مختلف کاموں کو ہم آہنگی سے انجام دے سکتا ہے۔
ان LLMs کا مستقبل کیا ہے؟ ڈاکٹر کمار کا اندازہ ہے کہ ایل ایل ایم انسانی زبان سے آگے بڑھیں گے، اور مشینی زبان سیکھیں گے اور دو زبانوں کے درمیان ترجمہ کرنے کے قابل ہوں گے۔ اس سے ان پٹ اور آؤٹ پٹ میں طریقوں کی صلاحیتوں میں اضافہ ہوگا، جس کی وجہ سے ماڈلز صرف زبان ہی نہیں بلکہ طرز عمل میں اعمال اور پیشین گوئیاں پیدا کرنے کے قابل ہوسکتے ہیں۔
اس کے بعد، ڈاکٹر کمار نے کمپیوٹنگ میں ہونے والے اہم مرحلے کی منتقلی پر روشنی ڈالی۔ سسٹمز آج بہت مختلف طریقے سے تیار کیے جا رہے ہیں، اور اس ترقی کے لیے ایک نیا کمپیوٹنگ پیراڈائم بنانے کی ضرورت ہوگی جس کی ہم نے اس وقت صرف سطح کو کھرچ لیا ہے۔ جس طرح سے ہم کمپیوٹر کے ساتھ بات چیت کرتے ہیں وہ آنے والے سالوں میں بہت مختلف نظر آنے والا ہے، اور اس کے لیے ہیومن کمپیوٹر انٹرایکشن (HCI) پر دوبارہ سوچنے کی ضرورت ہوگی۔
ایک اور تبدیلی یہ ہے کہ انسان آگے بڑھ کر کام کرے گا۔ مائیکروسافٹ نے مطالعہ کیا ہے کہ کارکنوں کی پیداواری صلاحیت AI کی مدد سے لکھے گئے کوڈ کی لائنوں کے لحاظ سے دوگنی ہو سکتی ہے۔ یہ ایک ناقابل یقین کارنامہ ہے، لیکن اس ٹیکنالوجی کے کام کرنے کا طریقہ اور اس کی ذہانت کہاں سے آتی ہے، اس کا زیادہ تر علم نہیں ہے، اس لیے اس علاقے میں تحقیقی سوالات کی ایک بہت بڑی تعداد موجود ہے۔
اس طرح کے LLMs کے ممکنہ غلط استعمال کے بارے میں بھی بہت سارے سوالات ہیں۔ انصاف پسندی، مختلف آبادیاتی خطرات، اور اس سے بھی زیادہ سخت نتائج کے بارے میں خدشات ہیں۔ اگرچہ سائنسی دریافت کی بڑی صلاحیت ہے، نقصان کا بھی بڑا امکان ہے۔ مثال کے طور پر والدین کو قائل کرنا کہ وہ اپنے بچوں کو ٹیکے نہ لگائیں، بچے کو کچھ برا کرنے کے لیے، یا کسی کو یہ باور کرانا کہ دنیا ہموار ہے۔ LLMs کی ترقی میں بہت سی حفاظتی کوششیں کی گئی ہیں، اور اوپن سورسنگ اس شعبے میں بھی پیش رفت کرنے میں بہت مددگار ثابت ہو سکتی ہے۔
ڈاکٹر کمار نے پھر سائنسی برادری کے سامنے سوالات کیے:
- AI خلل کے ساتھ سائنس کیسے بدلے گی؟
- کیا ہم آنے والی نسل کو تعلیم اور تربیت دینے کے طریقے کو تبدیل کرنے کے لیے اقدامات کر رہے ہیں؟
- کیا آپ اس مرحلے کی منتقلی سے فائدہ اٹھانے کے لیے تکنیکی انفراسٹرکچر بنا رہے ہیں؟
- کیا ہم آنے والی نسلوں کو نئی دنیا کے لیے تیار کر رہے ہیں؟
آخر میں، ڈاکٹر کمار نے اس بات پر زور دیا کہ مرحلے کی منتقلی کے بنیادی پہلوؤں میں سے ایک جو قابل ذکر ہے وہ رفتار ہے جس میں ایل ایل ایم ترقی کر رہے ہیں۔ یہ ماڈل بہت کم وقت میں نمایاں طور پر بہتر ہو رہے ہیں، اور کمپیوٹنگ کے محققین کو بہت کچھ کرنا ہے۔
دوسرے پینلسٹ، ڈاکٹر ہال داؤمی III (یونیورسٹی آف میری لینڈ) نے اپنی بات کا آغاز یہ بتاتے ہوئے کیا کہ لوگوں کو وہ کام کرنے میں مدد دینے کے لیے AI ماڈل تیار کیے جانے چاہئیں جو وہ کرنا چاہتے ہیں۔ انسانی کام کو بڑھاو، خودکار نہیں۔ آٹومیشن کا یہ وژن 60 کی دہائی سے معاشرے میں پھیل چکا ہے۔ لوگوں کو شطرنج کو بہتر طریقے سے کھیلنے میں مدد کرنے کے بجائے، سائنسدانوں نے ایک ایسا نظام ڈیزائن کیا جو خود ہی شطرنج کھیلتا ہے۔
یہ فلسفہ کہیں نہیں جا رہا ہے۔ AI آج بھی خبروں کے قابل ہے جب یہ اتنا ذہین ہو کہ کوئی کام خود کر لے۔ یہ AI کے خون میں گہرا ہے۔ کسی نظام کو خودکار بنانے پر وقت اور پیسہ خرچ کرنے سے پہلے، ہمیں پہلے توقف کرنا چاہیے اور پوچھنا چاہیے کہ کیا یہ ہمارے مفاد میں ہے؟
ڈاکٹر ڈومی نے افزائش کے تصور کو آگے بڑھایا: AI کو ایک آلے کے طور پر کیسے استعمال کیا جا سکتا ہے؟ Github copilot جیسے نظام پیداواری صلاحیت میں اضافہ کرتے ہیں، لیکن پیداواری صلاحیت میں اضافہ کافی نہیں ہے۔ سسٹم کے ایک صارف نے کہا کہ یہ انہیں کوڈنگ کے ان حصوں پر توجہ مرکوز کرنے دیتا ہے جو تفریحی تھے، جو کہ AI کو کیسے بنایا جانا چاہیے اس کے مطابق ہے۔
اے آئی کے محققین کو کسی شخص کے کام کے ان حصوں کو نہیں ہٹانا چاہئے جو تفریحی ہیں۔ انہیں مشکل کو دور کرنے کو ترجیح دینی چاہیے۔ اسے کسی کمپنی کے لیے نچلی لائن کو بہتر بنانے کے بجائے انسانی زندگیوں کو بہتر بنانا چاہیے۔
ڈاکٹر Daumé نے ان نکات کو اٹھاتے ہوئے ایک مقالے کی شریک تصنیف کی، اور جوابی دلیل یہ سامنے آئی کہ تکنیکی نقطہ نظر سے، خاص طور پر مشین لرننگ ٹیکنالوجی کا استعمال کرتے ہوئے سسٹمز کی تعمیر کو بڑھانے کے بجائے خودکار کرنا بہت آسان ہوتا ہے۔ اس کی وجہ یہ ہے کہ ایسے نظام کو تربیت دینے کے لیے ضروری ڈیٹا جو سسٹم کو تربیت دے گا، آسانی سے آنا ہے۔ ہم یہ معلومات اپنے کام کر کے فراہم کرتے ہیں، اور انسانی رویے کی تقلید کے لیے ML کو تربیت دینا آسان ہے۔ کسی کو کسی کام کو مکمل کرنے میں مدد کرنے کے لیے نظام سکھانا بہت مشکل ہے۔ یہ معلومات NSF کی طرف سے لٹریچر کے جائزوں میں بکھری ہوئی ہے، کسی پروگرامر کی طرف سے کاغذ کے ٹکڑے پر لکھنا وغیرہ۔ انسان کو کام کرنے میں مدد کرنے کے لیے ضروری ڈیٹا ریکارڈ نہیں کیا جاتا ہے۔
مددگار نظاموں کی تعمیر کا ایک اور اہم پہلو صارف سے پوچھنا ہے کہ کون سے نظام ان کی زندگی کے لیے مددگار ثابت ہوں گے۔ مثال کے طور پر، نابینا افراد کی ضروریات بینائی والے لوگوں کی ضروریات سے بہت مختلف ہوتی ہیں (جو کہ بینائی والے لوگوں سے بھی مختلف ہوتی ہیں۔ لگتا ہے کہ نابینا افراد کی ضروریات ہیں)۔ ڈاکٹر ڈومی نے ایک مثال شیئر کی کہ ایک بصری نظام یہ ظاہر کر سکتا ہے کہ کوئی چیز سوڈا کا کین ہے، لیکن ایک نابینا شخص عام طور پر خود ہی بتا سکتا ہے۔ سوڈا کے اجزاء ان کے لیے بہت زیادہ مفید ہوں گے۔ رسائی کے سوالات کو حل کرنے کے لیے صرف سوالات کو سمجھنے کے لیے سسٹمز کے جوابات کے معیار کے درمیان ایک بہت بڑا فرق ہے، اور یہ خلا وسیع ہوتا جا رہا ہے۔
کمیونٹی کی "مدد" کرنے کے لیے ٹیکنالوجی بنانے سے پہلے ضرورتوں کا تعین کرنے کی اہمیت کی ایک اضافی مثال مواد میں اعتدال ہے۔ بہت سے رضاکار مواد کے ماڈریٹرز اس کام میں مشغول ہوتے ہیں کیونکہ وہ دنیا کو ایک بہتر جگہ بنانا چاہتے ہیں، اور ایک ایسی کمیونٹی بنانے میں مدد کرتے ہیں جسے وہ اہم سمجھتے ہیں۔ جب ان سے پوچھا گیا کہ وہ کس قسم کے ٹول سے اپنے کردار میں مدد کرنا چاہتے ہیں، تو وہ اکثر نہیں چاہتے کہ ان کا کام مکمل طور پر خودکار ہو، وہ صرف بورنگ حصے چاہتے ہیں جیسے چیٹ کی تاریخ کو تلاش کرنا آسان ہو۔
ڈاکٹر ڈومی اس بحث کو اپنی کار سے محبت کرنے والی ماں کی آخری مثال کے ساتھ سمیٹتے ہیں جو کاروں سے محبت کرتی ہے، اور خودکار کاریں چلانے سے انکار کرتی ہے۔ وہ دستی ٹرانسمیشن کا انتخاب کرتی ہے، اور اس کے لیے یہ انتخاب کرنا واقعی اہم ہے۔ لوگوں کو اس بات کا کنٹرول ہونا چاہئے کہ آیا وہ چاہتے ہیں کہ ان کے کام خودکار ہوں یا نہیں۔
ڈاکٹر داؤمی رسائی کی ٹیکنالوجی کے لیے موجودہ طریقوں کے متبادل پیش کرتے ہوئے گفتگو کو جاری رکھتے ہیں۔ مثال کے طور پر، اشاروں کی زبان کی شناخت کے ارد گرد ایک ٹول بناتے وقت، دستخط کرنے والے لوگوں کی ویڈیوز کے لیے انٹرنیٹ کو اسکریپ کرنے کی بجائے (جس میں بہت زیادہ رضامندی اور رازداری کے خدشات ہوتے ہیں، نیز ان میں سے زیادہ تر ویڈیوز پیشہ ور افراد کی ہیں اور پس منظر کے شور/خفشانی کے بغیر ہیں t حقیقت پسندانہ)، کمیونٹی تک پہنچیں اور ایک ایسا پروجیکٹ شروع کریں جو انہیں ٹولز کو تربیت دینے کے لیے ویڈیوز جمع کرانے کا اختیار دیتا ہے۔ اس طرح کی کمیونٹی کی پہلی حکمت عملی زیادہ اخلاقی اور ذمہ دار ہوتی ہے، اور صارفین کو زیادہ کنٹرول دیتی ہے۔
LLMs اور دیگر ٹولز کو افادیت کو ترجیح دینے کے لیے تیار کیا جانا چاہیے، نہ کہ ذہانت کو، ڈاکٹر ڈومی نے نتیجہ اخذ کیا۔ یہ جتنا زیادہ کارآمد ہے، اتنا ہی زیادہ یہ لوگوں کو کچھ ایسا کرنے میں مدد کر سکتا ہے جو وہ نہیں کر سکتے یا نہیں کرنا چاہتے، بجائے اس کے کہ کسی ایسی چیز کو خودکار بنائیں جو لوگ پہلے سے ہی اچھی طرح کر رہے ہیں اور لطف اندوز ہو رہے ہیں۔
ڈاکٹر جوناتھن مے (یونیورسٹی آف سدرن کیلیفورنیا انفارمیشن سائنسز انسٹی ٹیوٹ) اگلے مقرر تھے، اور انہوں نے کانفرنس کے موضوع پر غور کرتے ہوئے اپنی بات کا آغاز کیا: "دیواروں کے بغیر سائنس کی طرف۔" انہوں نے کہا کہ حال ہی میں ایل ایل ایم کی ترقی کچھ لوگوں کے لیے دیواریں گرا رہی ہے، لیکن یہ بہت سے لوگوں کے لیے دیواریں بنا رہی ہے۔
وہ سب سے پہلے اس بات پر بحث کرتا ہے کہ کس طرح انٹرنیٹ نے تحقیق کرنے میں بہت سی رکاوٹوں کو کم کیا۔ جب وہ 17 سال کا تھا تو اس نے سوچا کہ سٹار وارز اور لارڈ آف دی رِنگز کے پلاٹ ایک جیسے کیوں ہیں، اور اسے لائبریری جانا پڑا اور جواب کے ساتھ کتاب ڈھونڈنی پڑی۔ انہوں نے اپنے پی ایچ ڈی کے مقالے کے لیے اعلیٰ سطحی لیکن اتنی ہی مشکل تحقیق کی، لیکن مطالعہ کے اختتام تک اس موضوع پر ایک ویکیپیڈیا صفحہ بنایا گیا، اور پھر انٹرنیٹ پر تلاش، اور اب کار کے بغیر تحقیق کا رواج ہے۔
ڈاکٹر مے نے یہ کہتے ہوئے جاری رکھا کہ وہ LLMs کے ہدف والے سامعین کے لیے آبادیاتی لحاظ سے فخر محسوس کرتی ہیں۔ وہ اکثر کوڈ نہیں کرتا اور کبھی کوڈنگ کی بہت زیادہ مہارتیں نہیں سیکھتا، لیکن جب اسے اپنے کام کے لیے اس کی ضرورت ہو تو وہ ChatGPT سے پوچھ سکتا ہے اور یہ بہت اچھا کام کرتا ہے۔
تاہم، LLMs کی افادیت کو وسیع تر بنانے کے لیے بہت سی دیواریں ہیں:
- زبان کی دیواریں: ماڈلز بہتر کام کرتے ہیں جتنا زیادہ ڈیٹا پر انہیں تربیت دی جاتی ہے۔ اگرچہ آج کے تجارتی LLMs کثیر لسانی ہیں، لیکن ان کا وزن انگریزی کی طرف بہت زیادہ ہے۔ مثال کے طور پر، ChatGPT کو 92% انگریزی زبان میں تربیت دی جاتی ہے۔ مزید، ہدایات کے اعداد و شمار، جو LLMs کی "خفیہ چٹنی" ہے، زیادہ تر انگریزی ہے (مثال کے طور پر ChatGPT کا 96%)۔ موجودہ ٹیسٹوں میں نظامی کارکردگی کے فرق کے باوجود ان ماڈلز کی بین لسانی کارکردگی کو بہتر بنانے کے لیے فی الحال بہت کم کوششیں کی جا رہی ہیں، جو کہ ایک عام اتفاق رائے کی وجہ سے سمجھ میں آتی ہے کہ مشینی ترجمہ (MT) "حل" ہو گیا ہے اور کوششوں کو دوسرے کاموں پر مرکوز رکھنا چاہیے۔
- شناختی دیواریں: اگر آپ ChatGPT سے پوچھتے ہیں کہ آپ کو کرسمس پر کیا کرنا چاہیے، تو یہ مختلف سرگرمیوں اور روایات پر توجہ مرکوز کرتا ہے جن میں آپ مشغول ہو سکتے ہیں۔ اس میں یہ ذکر نہیں ہے کہ آپ کام پر جا سکتے ہیں۔ ایل ایل ایم کو مختلف آبادیاتی گروپوں کی وضاحت کرتے وقت مختلف طریقے سے برتاؤ کرتے ہوئے دکھایا گیا ہے، زیادہ منفی جذبات کا اظہار کرتے ہیں اور بعض صورتوں میں سراسر زہریلا بھی۔ دقیانوسی جملوں کے امکانات ہیں جو LGBTQ+ یا یہودی جیسی کمیونٹیز میں نقصان کا باعث بن سکتے ہیں۔ پورے بورڈ میں بہت زیادہ تعصب ہے اور اس کا نتیجہ فیصلہ سازی پر ہوتا ہے۔ اس میں کچھ حفاظتی تدابیر موجود ہیں، اور زیادہ واضح تحقیقاتی سوالات کے زہریلے جوابات ملنے کا امکان کم ہوتا ہے، لیکن ماڈل ممکنہ طور پر دقیانوسی بیانات اور نتائج کو ترجیح دیتے ہیں، اور یہ وہ جگہ ہے جہاں نقصانات ہوتے ہیں خاص طور پر جب ماڈلز کو نیچے کی دھارے کی صلاحیتوں میں استعمال کرتے ہوئے جہاں آپ کو نظر نہیں آتا۔ آؤٹ پٹ (یعنی قرض کی اہلیت)۔ انہوں نے LLMs کی مثال دی جو ان کی ملازمت کی بنیاد پر افراد کے چہرے پیدا کرتے وقت تعصب کا مظاہرہ کرتے ہیں۔ کم تنخواہ والی ملازمتوں کو خواتین اور اقلیتوں کے طور پر دکھایا گیا ہے، جب کہ زیادہ تنخواہ والی ملازمتیں سفید فام مردوں کی ہیں۔
- ماحولیاتی دیواریں (سافٹ ویئر): LLMs کو پیدا کرنے اور چلانے کے لیے کافی مقدار میں توانائی درکار ہوتی ہے۔ یہاں تک کہ سب سے زیادہ "معمولی" LM ایک فرد کے استعمال سے 3 گنا زیادہ سالانہ توانائی استعمال کرتے ہیں۔ ChatGPT جیسے سب سے بڑے لینگویج ماڈلز کے ڈیٹا میں بھی کافی فرق ہے، لیکن ان کی مالک کمپنیاں واضح طور پر اپنی توانائی کی کھپت تک رسائی سے انکار کرتی ہیں۔
- ماحولیاتی دیواریں (ہارڈ ویئر): چپس تیار کرنے کے لیے، جس کی تمام LLM کو ضرورت ہوتی ہے، آپ کو "تنازعاتی مواد" جیسے ٹینٹلم (کانگو میں کان کنی) اور ہافنیم (سینیگال اور روس میں کان کنی) کی ضرورت ہوتی ہے۔ امریکہ میں، کمپنیوں کو متنازعہ معدنیات کی مقدار کی اطلاع دینا ہوتی ہے جو وہ استعمال کرتے ہیں، لیکن امریکہ عوامی طور پر ان مواد کے استعمال میں کمی کو ظاہر کر رہا ہے، جو درست نہیں ہو سکتا۔ اس کے علاوہ، بہت سارے سماجی و سیاسی مسائل ہیں جیسے چین نے امریکی برآمدات کی پابندیوں کے جواب میں جرمینیم اور گیلیم پر پابندی لگادی ہے۔
ڈاکٹر مے نے اظہار کیا کہ یہ زمرے ایل ایل ایم کی وجہ سے ہونے والے نقصانات اور ایسے واقعات کو ظاہر کرتے ہیں جن سے لوگ فائدہ نہیں اٹھا رہے ہیں۔ تشویش کی وجہ ہے، لیکن تحقیق اور/یا رویے میں تبدیلی کے مواقع بھی موجود ہیں جو ان نقصانات میں سے کچھ کو کم کریں گے:
- زبان: کثیر لسانی کے لیے مزید تحقیقی فنڈز مختص کریں (صرف انگریزی میں اور اس سے ہیجیمونک ترجمہ نہیں)۔
- شناخت: نیچے سے اوپر اور کمیونٹی میں شامل تحقیق۔ تعیناتی سے پہلے ماڈل میں ترمیم اور جانچ
- ماحولیات: الگورتھم کی ترقی جو کم ڈیٹا استعمال کرتی ہے اور کم پیرامیٹرز کو تبدیل کرتی ہے (مثلاً LoRA، اڈاپٹر، غیر RL PO)۔ حساب کے بارے میں باضمیر رہیں اور ریگولیٹری سطحوں پر کھلے پن پر اصرار کریں۔
ڈاکٹر مے نے ڈاکٹر ڈومی کے اس نکتے کا اعادہ کرتے ہوئے پینل کو سمیٹ لیا کہ ایل ایل ایم کے ساتھ بات چیت کرتے وقت لوگوں کو اس طرح سے فائدہ اٹھایا جانا چاہئے جس طرح وہ فائدہ اٹھانا چاہتے ہیں، اور ترقی کے مرحلے پر اس کو ذہن میں رکھنے کی ضرورت ہے۔
پڑھنے کے لیے آپ کا بہت بہت شکریہ، اور براہ کرم سیشن کے سوال و جواب کے حصے کو پڑھنے کے لیے کل سے رابطہ کریں۔
- 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://feeds.feedblitz.com/~/874484594/0/cccblog~CCC-AAAS-Large-Language-Models-Helpful-Assistants-Romantic-Partners-or-Con-Artists-Part-One/
- : ہے
- : ہے
- : نہیں
- :کہاں
- $UP
- 1
- 17
- 2024
- 225
- 300
- 7
- a
- قابلیت
- ہمارے بارے میں
- تک رسائی حاصل
- رسائی پذیری
- پورا
- اکاؤنٹ
- کے پار
- اعمال
- سرگرمیوں
- ایڈیشنل
- خطاب کیا
- خطاب کرتے ہوئے
- AI
- صنعت میں AI
- اے آئی ماڈلز
- یلگورتم
- تمام
- پہلے ہی
- بھی
- متبادلات
- کے درمیان
- رقم
- an
- اور
- سالانہ
- جواب
- جواب
- متوقع
- متوقع ہے
- کہیں
- نقطہ نظر
- فن تعمیر
- کیا
- رقبہ
- ارد گرد
- آرٹسٹ
- AS
- پوچھنا
- سے پوچھ
- پہلو
- پہلوؤں
- مدد
- اسسٹنٹ
- مدد
- At
- توقع
- سامعین
- اضافہ
- خود کار طریقے سے
- آٹومیٹڈ
- خودکار
- خودکار
- میشن
- پس منظر
- برا
- راہ میں حائل رکاوٹیں
- کی بنیاد پر
- BE
- کیونکہ
- رہا
- اس سے پہلے
- شروع ہوا
- رویے
- رویے
- کیا جا رہا ہے
- فائدہ
- فائدہ مند
- بہتر
- کے درمیان
- سے پرے
- تعصب
- بلاگ
- خون
- بورڈ
- کتاب
- بورنگ
- پایان
- تعمیر
- عمارت
- تعمیر
- لیکن
- by
- کیلی فورنیا
- کہا جاتا ہے
- آیا
- کر سکتے ہیں
- نہیں کر سکتے ہیں
- صلاحیتوں
- کاریں
- کیس
- مقدمات
- اقسام
- کیونکہ
- وجہ
- CCC
- سی سی سی بلاگ
- سی سی سی کونسل
- چیلنجوں
- تبدیل
- تبدیلیاں
- چیٹ
- چیٹ جی پی ٹی
- شطرنج
- بچے
- چین
- چپس
- انتخاب
- انتخاب کرتا ہے
- کرسمس
- کوڈ
- کوڈنگ
- کس طرح
- آتا ہے
- آنے والے
- تجارتی
- کمیونٹی
- کمیونٹی
- کمپنیاں
- کمپنی کے
- مکمل
- مکمل کرنا
- کمپیوٹنگ
- کمپیوٹر
- کمپیوٹر سائنس
- کمپیوٹر
- کمپیوٹنگ
- تصور
- اندیشہ
- اندراج
- اختتام
- منعقد
- چل رہا ہے
- کانفرنس
- تنازعہ
- کانگو
- اتفاق رائے
- رضامندی
- نتائج
- کھپت
- مواد
- جاری
- جاری رہی
- جاری ہے
- کنٹرول
- بات چیت
- مکالمات
- کور
- سکتا ہے
- کونسل
- بنائی
- تخلیق
- موجودہ
- اس وقت
- اعداد و شمار
- فیصلہ کرنا
- کمی
- گہری
- گہری سیکھنے
- تعریف
- آبادیاتی
- تعینات
- بیان کیا
- بیان
- ڈیزائن
- کے باوجود
- کا تعین کرنے
- ترقی یافتہ
- ترقی
- ترقی
- DID
- مختلف
- مختلف
- ڈائریکٹر
- دریافت
- بحث
- بحث
- خلل
- do
- کرتا
- نہیں کرتا
- کر
- نہیں
- دوگنا
- نیچے
- dr
- ڈرائیو
- دو
- کے دوران
- e
- ہر ایک
- ابتدائی
- آسان
- آسان
- تعلیم
- کوششوں
- اہلیت
- ابھرتی ہوئی
- پر زور دیا
- بااختیار بنانا
- آخر
- توانائی
- توانائی کی کھپت
- مشغول
- انجنیئرنگ
- انگریزی
- بڑھانے کے
- لطف اندوز
- بہت بڑا
- کافی
- یکساں طور پر
- خاص طور پر
- وغیرہ
- اخلاقی
- بھی
- مثال کے طور پر
- موجودہ
- توسیع
- کی وضاحت
- واضح طور پر
- ظالمانہ
- اسیاتی اضافہ
- برآمد
- اظہار
- کا اظہار
- وسیع
- چہرے
- حقیقت یہ ہے
- انصاف
- کارنامے
- شامل
- خرابی
- چند
- کم
- فائنل
- مل
- پہلا
- فلیٹ
- توجہ مرکوز
- توجہ مرکوز
- توجہ مرکوز
- کے لئے
- سب سے اوپر
- آگے
- سے
- سرحدوں
- مکمل طور پر
- مزہ
- فنڈنگ
- مزید
- مستقبل
- فرق
- فرق
- دی
- جنرل
- عام طور پر
- پیدا
- پیدا کرنے والے
- نسل
- نسلیں
- GitHub کے
- دے دو
- Go
- جا
- گئے
- گراف
- عظیم
- گروپ کا
- ترقی
- تھا
- مشکل
- ہارڈ ویئر
- نقصان پہنچانے
- نقصان پہنچتا
- ہے
- یچسییل
- he
- بھاری
- مدد
- مدد گار
- مدد
- اس کی
- ہائی
- اعلی
- پر روشنی ڈالی گئی
- ان
- تاریخ
- پکڑو
- کس طرح
- HTTPS
- انسانی
- انسان
- ہائپ
- i
- if
- اہمیت
- اہم
- متاثر
- کو بہتر بنانے کے
- بہتری
- کو بہتر بنانے کے
- in
- سمیت
- اضافہ
- اضافہ
- ناقابل اعتماد
- افراد
- صنعت
- معلومات
- انفراسٹرکچر
- ابتدائی طور پر
- شروع
- ان پٹ
- بصیرت
- مثال کے طور پر
- کے بجائے
- انسٹی ٹیوٹ
- انٹیلی جنس
- انٹیلجنٹ
- بات چیت
- بات چیت
- بات چیت
- دلچسپی
- دلچسپ
- انٹرنیٹ
- میں
- مسائل
- IT
- میں
- یہوش
- ایوب
- نوکریاں
- جوناتھن
- JPEG
- صرف
- کلیدی
- بچوں
- بچے
- زبان
- زبانیں
- بڑے
- بڑے پیمانے پر
- بڑے
- سب سے بڑا
- قیادت
- جانیں
- سیکھا ہے
- سیکھنے
- کم
- دو
- لائبریری
- زندگی
- کی طرح
- امکان
- لائن
- لائنوں
- ادب
- زندگی
- رہ
- ایل ایل ایم
- قرض
- اب
- دیکھو
- تلاش
- حلقے کے رب
- بہت
- سے محبت کرتا ہے
- کم
- کم
- مشین
- مشین لرننگ
- اکثریت
- بنا
- بناتا ہے
- بنانا
- مینیجنگ
- منیجنگ ڈائریکٹر
- دستی
- بہت سے
- مریم
- میری لینڈ
- مواد
- زیادہ سے زیادہ چوڑائی
- مئی..
- رکن
- ذکر
- مائیکروسافٹ
- شاید
- برا
- کان کنی
- افروز معدنیات
- اقلیتوں
- غلط استعمال کے
- تخفیف کریں
- ML
- ماڈل
- ماڈل
- اعتدال پسند
- ماں
- قیمت
- زیادہ
- سب سے زیادہ
- منتقل
- MT
- بہت
- ضروری
- ضرورت ہے
- ضروریات
- منفی
- کبھی نہیں
- نئی
- خبرنامہ
- اگلے
- نہیں
- اب
- NSF
- تعداد
- اعتراض
- واقع ہو رہا ہے
- of
- کی پیشکش
- اکثر
- on
- ایک بار
- ایک
- صرف
- کھول
- اوپنپن
- مواقع
- or
- حکم
- دیگر
- ہمارے
- باہر
- نتائج
- پیداوار
- بالکل
- خود
- صفحہ
- پینل
- کاغذ.
- پیرا میٹر
- پیرامیٹرز
- والدین
- حصہ
- خاص طور پر
- شراکت داروں کے
- حصے
- روکنے
- ادائیگی
- لوگ
- انجام دیں
- کارکردگی
- مدت
- انسان
- نقطہ نظر
- پھیلا ہوا
- مرحلہ
- پی ایچ ڈی
- فلسفہ
- ٹکڑا
- مقام
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- کھیلیں
- ادا کرتا ہے
- مہربانی کرکے
- علاوہ
- PO
- پوائنٹ
- پوائنٹس
- حصہ
- درپیش
- امکانات
- ممکنہ
- پیشن گوئی
- کو ترجیح دیتے ہیں
- کی تیاری
- پیش پیش
- پہلے
- ترجیح دیں
- کی رازداری
- امتیازی سلوک
- ممکنہ طور پر
- امکانات
- مسائل
- پیدا
- پیداوری
- پیشہ ور ماہرین
- ٹیچر
- پروگرامر
- پیش رفت
- منصوبے
- فراہم
- عوامی طور پر
- دھکیل دیا
- سوال و جواب
- معیار
- سوالات
- بلند
- میں تیزی سے
- بلکہ
- تک پہنچنے
- پڑھیں
- پڑھنا
- حقیقت
- واقعی
- ریپپ
- وصول
- حال ہی میں
- تسلیم
- درج
- عکاسی کرنا۔
- ریگولیٹری
- ریفیٹنگ
- قابل ذکر
- ہٹا
- کو ہٹانے کے
- رپورٹ
- کی ضرورت
- تحقیق
- محققین
- جوابات
- ذمہ دار
- پابندی لگانا
- پابندی
- ظاہر
- جائزہ
- خطرات
- کردار
- رن
- روس
- تحفظات
- سیفٹی
- اسی
- یہ کہہ
- پیمانے
- سکیلنگ
- بکھرے ہوئے
- سائنس
- سائنس
- سائنسی
- سائنسدانوں
- تلاش کریں
- دوسری
- دیکھنا
- دیکھا
- احساس
- جذبات
- اجلاس
- سیشن
- مشترکہ
- وہ
- مختصر
- ہونا چاہئے
- سے ظاہر ہوا
- ظاہر
- دکھایا گیا
- سائن ان کریں
- اہم
- نمایاں طور پر
- دستخط کی
- نشانیاں
- اسی طرح
- صرف
- بعد
- ایک
- مہارت
- دھیرے دھیرے
- So
- سوسائٹی
- سافٹ ویئر کی
- کچھ
- کسی
- کچھ
- سورسنگ
- جنوبی
- اسپیکر
- مخصوص
- خاص طور پر
- تیزی
- خرچ کرنا۔
- اسٹیج
- سٹار
- سٹار وار
- شروع کریں
- شروع
- بیانات
- درجہ
- مراحل
- ابھی تک
- حکمت عملیوں
- مطالعہ
- مطالعہ
- جمع
- مختصر
- فراہمی
- تائید
- سمجھا
- سطح
- ارد گرد
- کے نظام
- نظام پسند
- سسٹمز
- لیتا ہے
- لینے
- بات
- ہدف
- ٹاسک
- کاموں
- ٹیکنیکل
- تکنیکی
- ٹیکنالوجی
- بتا
- شرائط
- ٹیسٹنگ
- ٹیسٹ
- سے
- کہ
- ۔
- مستقبل
- گراف
- دنیا
- ان
- ان
- موضوع
- تو
- وہاں.
- یہ
- مقالہ
- وہ
- چیزیں
- لگتا ہے کہ
- اس
- اس ہفتے
- تین
- وقت
- کرنے کے لئے
- آج
- آج کا
- کل
- کے آلے
- اوزار
- سب سے اوپر
- موضوع
- کی طرف
- ٹرین
- تربیت یافتہ
- تبدیل
- ٹرانسفارمرز
- منتقلی
- ترجمہ کریں
- ترجمہ
- ٹرانسمیشن
- سچ
- دھن
- دو
- عام طور پر
- افہام و تفہیم
- منفرد
- یونیورسٹی
- نامعلوم
- us
- استعمال کی شرائط
- استعمال کیا جاتا ہے
- مفید
- رکن کا
- صارفین
- استعمال
- کا استعمال کرتے ہوئے
- وسیع
- بہت
- ویڈیوز
- نقطہ نظر
- بصری
- رضاکارانہ
- چاہتے ہیں
- تھا
- راستہ..
- we
- ہفتے
- اچھا ہے
- تھے
- کیا
- جب
- جبکہ
- جس
- جبکہ
- سفید
- ڈبلیو
- کیوں
- وسیع پیمانے پر
- وکیپیڈیا
- گے
- ساتھ
- بغیر
- خواتین
- کام
- کام کرتا ہے
- دنیا
- گا
- لپیٹ
- تحریری طور پر
- لکھا
- سال
- تم
- زیفیرنیٹ