ہم بڑے لینگویج ماڈلز (LLM) کو اپنانے میں تیزی سے اضافہ دیکھ رہے ہیں جو پوری صنعتوں میں AI ایپلی کیشنز کو طاقت فراہم کرتے ہیں۔ LLMs مختلف کاموں کے قابل ہوتے ہیں، جیسے تخلیقی مواد تیار کرنا، چیٹ بوٹس کے ذریعے پوچھ گچھ کا جواب دینا، کوڈ تیار کرنا، اور بہت کچھ۔
وہ تنظیمیں جو اپنی ایپلی کیشنز کو طاقت دینے کے لیے LLMs کا استعمال کرنا چاہتی ہیں ڈیٹا پرائیویسی کے بارے میں تیزی سے محتاط ہو رہی ہیں تاکہ یہ یقینی بنایا جا سکے کہ ان کی تخلیقی AI ایپلی کیشنز میں اعتماد اور حفاظت کو برقرار رکھا جائے۔ اس میں صارفین کی ذاتی طور پر قابل شناخت معلومات (PII) ڈیٹا کو مناسب طریقے سے ہینڈل کرنا شامل ہے۔ اس میں بدسلوکی اور غیر محفوظ مواد کو LLMs میں پھیلانے سے روکنا اور یہ جانچنا بھی شامل ہے کہ LLMs کے ذریعہ تیار کردہ ڈیٹا انہی اصولوں پر عمل کرتا ہے۔
اس پوسٹ میں، ہم نئی خصوصیات پر تبادلہ خیال کرتے ہیں۔ ایمیزون کی تعریف جو کہ نئی اور موجودہ جنریٹو AI ایپلی کیشنز میں ڈیٹا کی رازداری، مواد کی حفاظت، اور فوری حفاظت کو یقینی بنانے کے لیے ہموار انضمام کو قابل بناتا ہے۔
Amazon Comprehend ایک قدرتی لینگویج پروسیسنگ (NLP) سروس ہے جو مشین لرننگ (ML) کو غیر ساختہ ڈیٹا اور دستاویزات کے اندر موجود متن میں معلومات کو کھولنے کے لیے استعمال کرتی ہے۔ اس پوسٹ میں، ہم بحث کرتے ہیں کہ LLMs کے ساتھ اعتماد اور حفاظت آپ کے کام کے بوجھ کے لیے کیوں اہمیت رکھتی ہے۔ ہم اس بات کا بھی گہرائی سے جائزہ لیتے ہیں کہ ان نئی اعتدال پسند صلاحیتوں کو کس طرح مقبول تخلیقی AI ترقیاتی فریم ورک کے ساتھ استعمال کیا جاتا ہے۔ لینگ چین آپ کے استعمال کے کیس کے لیے حسب ضرورت اعتماد اور حفاظت کا طریقہ کار متعارف کرانے کے لیے۔
LLMs کے ساتھ اعتماد اور حفاظت کیوں اہم ہے۔
کسٹمر سپورٹ چیٹ بوٹس سے لے کر مواد کی تیاری تک ایپلی کیشنز کی وسیع رینج پر ان کے گہرے اثرات کی وجہ سے LLMs کے ساتھ کام کرتے وقت اعتماد اور حفاظت سب سے اہم ہے۔ چونکہ یہ ماڈلز ڈیٹا کی وسیع مقدار پر کارروائی کرتے ہیں اور انسان نما ردعمل پیدا کرتے ہیں، غلط استعمال یا غیر ارادی نتائج کے امکانات بڑھ جاتے ہیں۔ اس بات کو یقینی بنانا کہ یہ AI نظام اخلاقی اور قابل اعتماد حدود کے اندر کام کرتے ہیں، نہ صرف ان کاروباروں کی ساکھ کے لیے جو انہیں استعمال کرتے ہیں، بلکہ صارفین اور صارفین کے اعتماد کو محفوظ رکھنے کے لیے بھی۔
مزید برآں، جیسے جیسے LLMs ہمارے روزمرہ کے ڈیجیٹل تجربات میں مزید مربوط ہوتے جاتے ہیں، ہمارے تاثرات، عقائد اور فیصلوں پر ان کا اثر بڑھتا جاتا ہے۔ LLMs کے ساتھ اعتماد اور حفاظت کو یقینی بنانا صرف تکنیکی اقدامات سے بالاتر ہے۔ یہ اخلاقی معیارات کو برقرار رکھنے کے لیے AI پریکٹیشنرز اور تنظیموں کی وسیع تر ذمہ داری سے بات کرتا ہے۔ اعتماد اور حفاظت کو ترجیح دے کر، تنظیمیں نہ صرف اپنے صارفین کی حفاظت کرتی ہیں بلکہ معاشرے میں AI کی پائیدار اور ذمہ دارانہ ترقی کو بھی یقینی بناتی ہیں۔ یہ نقصان دہ مواد پیدا کرنے کے خطرے کو کم کرنے اور ریگولیٹری تقاضوں پر عمل کرنے میں بھی مدد کر سکتا ہے۔
اعتماد اور حفاظت کے دائرے میں، مواد کا اعتدال ایک ایسا طریقہ کار ہے جو مختلف پہلوؤں پر توجہ دیتا ہے، بشمول لیکن ان تک محدود نہیں:
- نجی معلومات کی حفاظتی - صارفین نادانستہ طور پر حساس معلومات پر مشتمل متن فراہم کر سکتے ہیں، جس سے ان کی رازداری کو خطرہ لاحق ہو گا۔ کسی بھی PII کا پتہ لگانا اور اس میں ترمیم کرنا ضروری ہے۔
- وینکتتا - نقصان دہ مواد کو پہچاننا اور فلٹر کرنا، جیسے نفرت انگیز تقریر، دھمکیاں، یا بدسلوکی، انتہائی اہمیت کا حامل ہے۔
- صارف کا ارادہ - اس بات کی نشاندہی کرنا کہ آیا صارف کا ان پٹ (پرامپٹ) محفوظ ہے یا غیر محفوظ بہت ضروری ہے۔ غیر محفوظ اشارے واضح طور پر یا واضح طور پر بدنیتی پر مبنی ارادے کا اظہار کر سکتے ہیں، جیسے کہ ذاتی یا نجی معلومات کی درخواست کرنا اور جارحانہ، امتیازی یا غیر قانونی مواد تیار کرنا۔ اشارے طبی، قانونی، سیاسی، متنازعہ، ذاتی، یا مالی سے متعلق مشورے کا واضح اظہار یا درخواست بھی کر سکتے ہیں۔
Amazon Comprehend کے ساتھ مواد کی اعتدال پسندی۔
اس سیکشن میں، ہم Amazon Comprehend کے ساتھ مواد میں اعتدال کے فوائد پر تبادلہ خیال کرتے ہیں۔
رازداری سے خطاب کرنا
Amazon Comprehend پہلے سے ہی اپنی موجودہ PII کا پتہ لگانے اور ترمیم کرنے کی صلاحیتوں کے ذریعے رازداری کو حل کرتا ہے۔ ڈیٹیکٹ پی آئی آئی اینٹیٹیز اور پی آئی آئی اینٹیٹیز پر مشتمل ہے۔ APIs ان دو APIs کو NLP ماڈلز کی حمایت حاصل ہے جو PII اداروں کی ایک بڑی تعداد کا پتہ لگاسکتے ہیں جیسے کہ سوشل سیکیورٹی نمبرز (SSNs)، کریڈٹ کارڈ نمبر، نام، پتے، فون نمبر وغیرہ۔ اداروں کی مکمل فہرست کے لیے، رجوع کریں۔ PII عالمگیر ہستی کی اقسام. DetectPII متن کے اندر PII ہستی کی کریکٹر لیول پوزیشن بھی فراہم کرتا ہے۔ مثال کے طور پر، جملے میں NAME ہستی (جان ڈو) کے کردار کی شروعات Jاوہ کروe” 12 ہے، اور کریکٹر کی آخری پوزیشن 19 ہے۔ ان آفسیٹس کو اقدار کی نقاب کشائی یا ترمیم کرنے کے لیے استعمال کیا جا سکتا ہے، اس طرح LLMs میں نجی ڈیٹا کے پھیلاؤ کے خطرات کو کم کیا جا سکتا ہے۔
زہریلا اور فوری حفاظت سے خطاب کرنا
آج، ہم APIs کی شکل میں Amazon Comprehend کی دو نئی خصوصیات کا اعلان کر رہے ہیں: زہریلے پن کا پتہ لگانے کے ذریعے DetectToxicContent
API، اور فوری حفاظتی درجہ بندی کے ذریعے ClassifyDocument
API. یاد رکھیں کہ DetectToxicContent
ایک نیا API ہے، جبکہ ClassifyDocument
ایک موجودہ API ہے جو اب فوری حفاظتی درجہ بندی کی حمایت کرتا ہے۔
زہریلا کا پتہ لگانا
Amazon Comprehend toxicity detection کے ساتھ، آپ ایسے مواد کی شناخت اور پرچم لگا سکتے ہیں جو نقصان دہ، جارحانہ یا نامناسب ہو سکتا ہے۔ یہ قابلیت خاص طور پر ان پلیٹ فارمز کے لیے قابل قدر ہے جہاں صارف مواد تیار کرتے ہیں، جیسے کہ سوشل میڈیا سائٹس، فورمز، چیٹ بوٹس، تبصرے کے سیکشن، اور ایپلیکیشنز جو مواد تیار کرنے کے لیے LLMs کا استعمال کرتی ہیں۔ بنیادی مقصد زہریلے مواد کے پھیلاؤ کو روک کر ایک مثبت اور محفوظ ماحول کو برقرار رکھنا ہے۔
اس کے بنیادی طور پر، زہریلے پن کا پتہ لگانے والا ماڈل متن کا تجزیہ کرتا ہے تاکہ اس میں نفرت انگیز مواد، دھمکیاں، فحاشی، یا نقصان دہ متن کی دوسری شکلوں پر مشتمل ہونے کے امکان کا تعین کیا جا سکے۔ ماڈل کو وسیع ڈیٹاسیٹس پر تربیت دی جاتی ہے جس میں زہریلے اور غیر زہریلے مواد کی مثالیں ہوتی ہیں۔ زہریلا کی درجہ بندی اور اعتماد کا سکور فراہم کرنے کے لیے زہریلا API متن کے دیئے گئے ٹکڑے کا جائزہ لیتا ہے۔ جنریٹیو AI ایپلیکیشنز اس کے بعد مناسب اقدامات کرنے کے لیے اس معلومات کا استعمال کر سکتی ہیں، جیسے کہ متن کو LLMs میں پھیلانے سے روکنا۔ اس تحریر کے مطابق، زہریلے پن کا پتہ لگانے والے API کے ذریعے پائے جانے والے لیبل ہیں۔ HATE_SPEECH
, GRAPHIC
, HARRASMENT_OR_ABUSE
, SEXUAL
, VIOLENCE_OR_THREAT
, INSULT
، اور PROFANITY
. مندرجہ ذیل کوڈ Amazon Comprehend toxicity detection کے لیے Python Boto3 کے ساتھ API کال کو ظاہر کرتا ہے:
فوری حفاظتی درجہ بندی
Amazon Comprehend کے ساتھ فوری حفاظتی درجہ بندی ان پٹ ٹیکسٹ پرامپٹ کو محفوظ یا غیر محفوظ کے طور پر درجہ بندی کرنے میں مدد کرتا ہے۔ یہ قابلیت چیٹ بوٹس، ورچوئل اسسٹنٹس، یا مواد کی اعتدال پسندی کے ٹولز جیسی ایپلی کیشنز کے لیے بہت اہم ہے جہاں پرامپٹ کی حفاظت کو سمجھنا LLMs کے ردعمل، اعمال یا مواد کی تشہیر کا تعین کر سکتا ہے۔
جوہر میں، فوری حفاظتی درجہ بندی کسی بھی واضح یا مضمر بدنیتی پر مبنی ارادے کے لیے انسانی ان پٹ کا تجزیہ کرتی ہے، جیسے کہ ذاتی یا نجی معلومات کی درخواست کرنا اور جارحانہ، امتیازی، یا غیر قانونی مواد تیار کرنا۔ یہ طبی، قانونی، سیاسی، متنازعہ، ذاتی، یا مالی موضوعات پر مشورے کی تلاش میں بھی جھنڈا لگاتا ہے۔ فوری درجہ بندی دو کلاسوں کو لوٹاتا ہے، UNSAFE_PROMPT
اور SAFE_PROMPT
، ایک منسلک متن کے لیے، ہر ایک کے لیے ایک وابستہ اعتماد سکور کے ساتھ۔ اعتماد کا سکور 0-1 کے درمیان ہے اور اس کا مجموعہ 1 تک ہو گا۔ مثال کے طور پر، کسٹمر سپورٹ چیٹ بوٹ میں، متن "میں اپنا پاس ورڈ کیسے ری سیٹ کروں؟ پاس ورڈ دوبارہ ترتیب دینے کے طریقہ کار کے بارے میں رہنمائی حاصل کرنے کے ارادے کا اشارہ کرتا ہے اور اس پر لیبل لگا ہوا ہے۔ SAFE_PROMPT
. اسی طرح ایک بیان جیسا کہ "کاش آپ کے ساتھ کچھ برا ہو جائے۔” کو ممکنہ طور پر نقصان دہ ارادے کے لیے جھنڈا لگایا جا سکتا ہے اور بطور لیبل لگایا جا سکتا ہے۔ UNSAFE_PROMPT
. یہ نوٹ کرنا ضروری ہے کہ فوری حفاظتی درجہ بندی بنیادی طور پر مشین سے تیار کردہ ٹیکسٹ (LLM آؤٹ پٹس) کے بجائے انسانی ان پٹ (پرامپٹ) سے ارادے کا پتہ لگانے پر مرکوز ہے۔ درج ذیل کوڈ یہ ظاہر کرتا ہے کہ فوری حفاظتی درجہ بندی کی خصوصیت تک کیسے رسائی حاصل کی جائے۔ ClassifyDocument
APIs:
یاد رکھیں کہ endpoint_arn
پچھلے کوڈ میں AWS فراہم کردہ ہے۔ ایمیزون ریسورس نمبر (ARN) پیٹرن کا arn:aws:comprehend:<region>:aws:document-classifier-endpoint/prompt-safety
، کہاں <region>
آپ کی پسند کا AWS علاقہ ہے جہاں Amazon Comprehend دستیاب ہے۔.
ان صلاحیتوں کو ظاہر کرنے کے لیے، ہم نے ایک نمونہ چیٹ ایپلی کیشن بنایا ہے جہاں ہم LLM سے PII اداروں جیسے ایڈریس، فون نمبر، اور SSN کو متن کے دیئے گئے ٹکڑے سے نکالنے کے لیے کہتے ہیں۔ LLM مناسب PII اداروں کو تلاش کرتا ہے اور واپس کرتا ہے، جیسا کہ بائیں جانب تصویر میں دکھایا گیا ہے۔
Amazon Comprehend اعتدال کے ساتھ، ہم ان پٹ کو LLM اور LLM سے آؤٹ پٹ میں ترمیم کر سکتے ہیں۔ دائیں طرف کی تصویر میں، SSN قدر کو بغیر کسی ترمیم کے LLM میں منتقل کرنے کی اجازت ہے۔ تاہم، LLM کے جواب میں کسی بھی SSN کی قدر کو درست کیا جاتا ہے۔
مندرجہ ذیل ایک مثال ہے کہ کس طرح PII کی معلومات پر مشتمل فوری طور پر LLM تک پہنچنے سے روکا جا سکتا ہے۔ یہ مثال ایک صارف کو ایک سوال پوچھنے کا مظاہرہ کرتی ہے جس میں PII کی معلومات ہوتی ہے۔ ہم پرامپٹ میں PII اداروں کا پتہ لگانے اور بہاؤ میں خلل ڈال کر غلطی ظاہر کرنے کے لیے Amazon Comprehend اعتدال کا استعمال کرتے ہیں۔
پچھلے چیٹ کی مثالیں یہ ظاہر کرتی ہیں کہ ایمیزون کمپریہنڈ اعتدال کس طرح LLM کو بھیجے جانے والے ڈیٹا پر پابندیوں کا اطلاق کرتا ہے۔ مندرجہ ذیل حصوں میں، ہم وضاحت کرتے ہیں کہ اس اعتدال کے طریقہ کار کو LangChain کا استعمال کرتے ہوئے کیسے لاگو کیا جاتا ہے۔
LangChain کے ساتھ انضمام
مختلف استعمال کے معاملات میں LLMs کے اطلاق کے لامتناہی امکانات کے ساتھ، تخلیقی AI ایپلی کیشنز کی ترقی کو آسان بنانا بھی اتنا ہی اہم ہو گیا ہے۔ لینگ چین ایک مقبول اوپن سورس فریم ورک ہے جو تخلیقی AI ایپلی کیشنز کو تیار کرنا آسان بناتا ہے۔ Amazon Comprehend اعتدال پسندی نے LangChain فریم ورک میں توسیع کی ہے تاکہ PII کی شناخت اور ریڈیکشن، زہریلے پن کا پتہ لگانے، اور فوری حفاظتی درجہ بندی کی صلاحیتوں کو پیش کیا جا سکے۔ AmazonComprehendModerationChain
.
AmazonComprehendModerationChain
کا اپنی مرضی کے مطابق عمل درآمد ہے۔ لینگ چین بیس چین انٹرفیس اس کا مطلب ہے کہ ایپلی کیشنز اس سلسلہ کو اپنے ساتھ استعمال کر سکتی ہیں۔ ایل ایل ایم چینز مطلوبہ اعتدال کو ان پٹ پرامپٹ کے ساتھ ساتھ LLM کے آؤٹ پٹ ٹیکسٹ پر لاگو کرنے کے لیے۔ زنجیروں کو متعدد زنجیروں کو ملا کر یا دوسرے اجزاء کے ساتھ زنجیروں کو ملا کر بنایا جاسکتا ہے۔ آپ استعمال کر سکتے ہیں AmazonComprehendModerationChain
پیچیدہ AI ایپلی کیشنز کو ماڈیولر اور لچکدار انداز میں تیار کرنے کے لیے دیگر LLM چینز کے ساتھ۔
اس کی مزید وضاحت کے لیے، ہم مندرجہ ذیل حصوں میں چند نمونے فراہم کرتے ہیں۔ کے لیے سورس کوڈ AmazonComprehendModerationChain
نفاذ کے اندر پایا جا سکتا ہے LangChain اوپن سورس ریپوزٹری. API انٹرفیس کی مکمل دستاویزات کے لیے، کے لیے LangChain API دستاویزات سے رجوع کریں۔ Amazon Comprehend اعتدال کا سلسلہ. اس اعتدال کی زنجیر کا استعمال اتنا ہی آسان ہے جتنا کہ پہلے سے طے شدہ ترتیب کے ساتھ کلاس کی ایک مثال شروع کرنا:
پردے کے پیچھے، اعتدال کا سلسلہ لگاتار تین اعتدال کی جانچ کرتا ہے، یعنی PII، زہریلا، اور فوری حفاظت، جیسا کہ مندرجہ ذیل خاکہ میں وضاحت کی گئی ہے۔ یہ اعتدال کے لیے پہلے سے طے شدہ بہاؤ ہے۔
مندرجہ ذیل کوڈ کا ٹکڑا اعتدال کی زنجیر کے ساتھ استعمال کرنے کی ایک سادہ سی مثال دکھاتا ہے۔ ایمیزون فالکن لائٹ ایل ایل ایم (جو کہ کا ایک کوانٹائزڈ ورژن ہے۔ Falcon 40B SFT OASST-TOP1 ماڈل) Hugging Face Hub میں میزبانی کی گئی:
پچھلی مثال میں، ہم اپنی زنجیر کو اس کے ساتھ بڑھاتے ہیں۔ comprehend_moderation
LLM میں جانے والے متن اور LLM کے ذریعے تیار کردہ متن دونوں کے لیے۔ یہ پہلے سے طے شدہ اعتدال کو انجام دے گا جو PII، زہریلا، اور اس ترتیب میں فوری حفاظتی درجہ بندی کی جانچ کرے گا۔
فلٹر کنفیگریشن کے ساتھ اپنے اعتدال کو حسب ضرورت بنائیں
آپ استعمال کر سکتے ہیں AmazonComprehendModerationChain
مخصوص کنفیگریشنز کے ساتھ، جو آپ کو یہ کنٹرول کرنے کی صلاحیت فراہم کرتی ہے کہ آپ اپنی تخلیقی AI پر مبنی ایپلی کیشن میں کون سی اعتدال پسندی انجام دینا چاہتے ہیں۔ کنفیگریشن کے بنیادی حصے میں، آپ کے پاس تین فلٹر کنفیگریشنز دستیاب ہیں۔
- ModerationPiiConfig - PII فلٹر کو ترتیب دینے کے لیے استعمال کیا جاتا ہے۔
- ModerationToxicityConfig - زہریلے مواد کے فلٹر کو ترتیب دینے کے لیے استعمال کیا جاتا ہے۔
- ModerationIntentConfig - ارادے کے فلٹر کو ترتیب دینے کے لیے استعمال کیا جاتا ہے۔
آپ ان میں سے ہر ایک فلٹر کنفیگریشن کو استعمال کر سکتے ہیں تاکہ آپ کے اعتدال پسندوں کے برتاؤ کے رویے کو اپنی مرضی کے مطابق بنایا جا سکے۔ ہر فلٹر کی کنفیگریشن میں کچھ عام پیرامیٹرز اور کچھ منفرد پیرامیٹرز ہوتے ہیں، جن کے ساتھ ان کا آغاز کیا جا سکتا ہے۔ کنفیگریشنز کی وضاحت کرنے کے بعد، آپ استعمال کرتے ہیں۔ BaseModerationConfig
کلاس اس ترتیب کی وضاحت کرنے کے لیے جس میں فلٹرز کو متن پر لاگو ہونا چاہیے۔ مثال کے طور پر، درج ذیل کوڈ میں، ہم سب سے پہلے تین فلٹر کنفیگریشنز کی وضاحت کرتے ہیں، اور بعد میں اس ترتیب کی وضاحت کرتے ہیں جس میں انہیں لاگو کرنا چاہیے:
آئیے یہ سمجھنے کے لیے تھوڑا گہرائی میں جائیں کہ اس ترتیب سے کیا حاصل ہوتا ہے:
- سب سے پہلے، زہریلے فلٹر کے لیے، ہم نے 0.6 کی حد متعین کی۔ اس کا مطلب یہ ہے کہ اگر متن میں دستیاب زہریلے لیبلز یا ہستیوں میں سے کوئی بھی ہے جس کا سکور حد سے زیادہ ہے، تو پوری سلسلہ میں خلل پڑ جائے گا۔
- اگر متن میں کوئی زہریلا مواد نہیں پایا جاتا ہے تو، ایک PII چیک ہے اس صورت میں، ہم یہ جانچنے میں دلچسپی رکھتے ہیں کہ آیا متن میں SSN اقدار موجود ہیں۔ کیونکہ
redact
پیرامیٹر سیٹ ہےTrue
, سلسلہ معلوم شدہ SSN اقدار (اگر کوئی ہے) کو ماسک کرے گا جہاں SSN entitiy کا اعتماد اسکور 0.5 سے زیادہ یا اس کے برابر ہے، ماسک کیریکٹر (X) کے ساتھ۔ اگرredact
کرنے کے لئے مقرر کیا گیا ہےFalse
، کسی بھی SSN کا پتہ چلنے پر سلسلہ میں خلل ڈالا جائے گا۔ - آخر میں، سلسلہ فوری طور پر حفاظتی درجہ بندی کرتا ہے، اور اگر مواد کی درجہ بندی کی جاتی ہے تو اس کو سلسلہ کے نیچے مزید پھیلنے سے روک دے گا۔
UNSAFE_PROMPT
0.8 سے زیادہ یا اس کے برابر کے اعتماد کے سکور کے ساتھ۔
درج ذیل خاکہ اس ورک فلو کو واضح کرتا ہے۔
اعتدال کے سلسلے میں رکاوٹوں کی صورت میں (اس مثال میں، زہریلا اور فوری حفاظتی درجہ بندی کے فلٹرز کے لیے لاگو ہوتا ہے)، سلسلہ ایک بڑھائے گا۔ ازگر کی رعایت، بنیادی طور پر جاری سلسلہ کو روکنا اور آپ کو استثناء کو پکڑنے کی اجازت دینا (ٹرائی کیچ بلاک میں) اور کوئی بھی متعلقہ کارروائی انجام دینا۔ تین ممکنہ استثناء کی اقسام ہیں:
ModerationPIIError
ModerationToxicityError
ModerationPromptSafetyError
آپ استعمال کرتے ہوئے ایک فلٹر یا ایک سے زیادہ فلٹر ترتیب دے سکتے ہیں۔ BaseModerationConfig
. آپ ایک ہی سلسلہ میں مختلف کنفیگریشنز کے ساتھ ایک ہی قسم کا فلٹر بھی رکھ سکتے ہیں۔ مثال کے طور پر، اگر آپ کے استعمال کا معاملہ صرف PII سے متعلق ہے، تو آپ ایک کنفیگریشن کی وضاحت کر سکتے ہیں جو SSN کا پتہ چلنے کی صورت میں سلسلہ کو روکے گی۔ بصورت دیگر، اسے عمر اور نام PII اداروں پر تخفیف کرنا ہوگی۔ اس کے لیے ایک ترتیب کو اس طرح بیان کیا جا سکتا ہے:
کال بیکس اور منفرد شناخت کنندگان کا استعمال
اگر آپ ورک فلو کے تصور سے واقف ہیں، تو آپ اس سے بھی واقف ہو سکتے ہیں۔ کال بیکس. ورک فلو کے اندر کال بیکس کوڈ کے آزاد ٹکڑے ہوتے ہیں جو ورک فلو کے اندر کچھ شرائط پوری ہونے پر چلتے ہیں۔ کال بیک یا تو ورک فلو کو مسدود یا نان بلاک کر سکتا ہے۔ LangChain زنجیریں، جوہر میں، LLMs کے لیے ورک فلو ہیں۔ AmazonComprehendModerationChain
آپ کو اپنے کال بیک افعال کی وضاحت کرنے کی اجازت دیتا ہے۔ ابتدائی طور پر، نفاذ صرف غیر مطابقت پذیر (غیر مسدود) کال بیک فنکشن تک محدود ہے۔
اس کا مؤثر طریقے سے مطلب یہ ہے کہ اگر آپ اعتدال کی زنجیر کے ساتھ کال بیکس استعمال کرتے ہیں، تو وہ اس کو بلاک کیے بغیر چین کے چلنے سے آزادانہ طور پر چلیں گے۔ اعتدال کی زنجیر کے لیے، آپ کو ہر اعتدال کو چلانے کے بعد، سلسلہ سے آزاد، کسی بھی کاروباری منطق کے ساتھ، کوڈ کے ٹکڑے چلانے کے اختیارات ملتے ہیں۔
تخلیق کرتے وقت آپ اختیاری طور پر ایک صوابدیدی منفرد شناخت کنندہ سٹرنگ بھی فراہم کر سکتے ہیں۔ AmazonComprehendModerationChain
لاگنگ اور تجزیات کو بعد میں فعال کرنے کے لیے۔ مثال کے طور پر، اگر آپ LLM سے چلنے والا چیٹ بوٹ چلا رہے ہیں، تو آپ ان صارفین کو ٹریک کرنا چاہیں گے جو مسلسل بدسلوکی کر رہے ہیں یا جان بوجھ کر یا نادانستہ ذاتی معلومات کو بے نقاب کر رہے ہیں۔ ایسے معاملات میں، یہ ضروری ہو جاتا ہے کہ اس طرح کے اشارے کی اصلیت کو ٹریک کیا جائے اور شاید انہیں ڈیٹا بیس میں محفوظ کیا جائے یا مزید کارروائی کے لیے مناسب طریقے سے لاگ ان کیا جائے۔ آپ ایک منفرد ID پاس کر سکتے ہیں جو واضح طور پر کسی صارف کی شناخت کرتی ہو، جیسے کہ اس کا صارف نام یا ای میل، یا درخواست کا نام جو پرامپٹ تیار کر رہا ہو۔
کال بیکس اور منفرد شناخت کنندگان کا امتزاج آپ کو اعتدال کی زنجیر کو نافذ کرنے کا ایک طاقتور طریقہ فراہم کرتا ہے جو آپ کے استعمال کے معاملے میں بہت زیادہ مربوط انداز میں کم کوڈ کے ساتھ فٹ بیٹھتا ہے جسے برقرار رکھنا آسان ہے۔ کال بیک ہینڈلر کے ذریعے دستیاب ہے۔ BaseModerationCallbackHandler
تین دستیاب کال بیکس کے ساتھ: on_after_pii()
, on_after_toxicity()
، اور on_after_prompt_safety()
. ان کال بیک فنکشنز میں سے ہر ایک کو سلسلہ کے اندر متعلقہ اعتدال کی جانچ پڑتال کے بعد غیر مطابقت پذیر کہا جاتا ہے۔ یہ فنکشن دو ڈیفالٹ پیرامیٹرز بھی حاصل کرتے ہیں:
- اعتدال_بیکن - ایک لغت جس میں تفصیلات شامل ہیں جیسے متن جس پر اعتدال کیا گیا تھا، Amazon Comprehend API کا مکمل JSON آؤٹ پٹ، اعتدال کی قسم، اور اگر فراہم کردہ لیبل (کنفیگریشن میں) متن کے اندر پائے گئے تھے یا نہیں
- منفرد_id - منفرد ID جو آپ نے ایک مثال کے آغاز کے دوران تفویض کی ہے۔
AmazonComprehendModerationChain
.
ذیل میں ایک مثال ہے کہ کال بیک کے ساتھ عمل درآمد کیسے کام کرتا ہے۔ اس معاملے میں، ہم نے ایک واحد کال بیک کی وضاحت کی ہے کہ ہم چاہتے ہیں کہ PII چیک کرنے کے بعد سلسلہ چلائے:
پھر ہم استعمال کرتے ہیں۔ my_callback
اعتراض کرتے ہوئے اعتدال کا سلسلہ شروع کریں اور پاس بھی کریں۔ unique_id
. آپ کال بیکس اور منفرد شناخت کنندہ کنفیگریشن کے ساتھ یا اس کے بغیر استعمال کر سکتے ہیں۔ جب آپ ذیلی کلاس کرتے ہیں۔ BaseModerationCallbackHandler
، آپ کو ان فلٹرز پر منحصر ہے جن کو آپ استعمال کرنا چاہتے ہیں ایک یا تمام کال بیک طریقوں کو لاگو کرنا ہوگا۔ اختصار کے لیے، درج ذیل مثال کال بیکس اور استعمال کرنے کا طریقہ دکھاتی ہے۔ unique_id
بغیر کسی ترتیب کے:
درج ذیل خاکہ بتاتا ہے کہ کال بیکس اور منفرد شناخت کنندگان کے ساتھ یہ اعتدال کا سلسلہ کس طرح کام کرتا ہے۔ خاص طور پر، ہم نے PII کال بیک کو لاگو کیا ہے جو میں دستیاب ڈیٹا کے ساتھ JSON فائل لکھنی چاہیے۔ moderation_beacon
اور unique_id
گزر گیا (اس معاملے میں صارف کا ای میل)۔
مندرجہ ذیل میں ازگر کی نوٹ بک، ہم نے کچھ مختلف طریقے مرتب کیے ہیں جن سے آپ مختلف LLMs کے ساتھ اعتدال کی زنجیر کو ترتیب اور استعمال کر سکتے ہیں، جیسے کہ LLM ایمیزون سیج میکر جمپ اسٹارٹ اور میزبانی کی۔ گلے لگانا چہرہ حب. ہم نے نمونہ چیٹ ایپلی کیشن کو بھی شامل کیا ہے جس پر ہم نے پہلے درج ذیل کے ساتھ تبادلہ خیال کیا تھا۔ ازگر کی نوٹ بک.
نتیجہ
بڑے زبان کے ماڈلز اور تخلیقی AI کی تبدیلی کی صلاحیت ناقابل تردید ہے۔ تاہم، ان کا ذمہ دارانہ اور اخلاقی استعمال اعتماد اور حفاظت کے خدشات کو دور کرنے پر منحصر ہے۔ چیلنجوں کو تسلیم کرنے اور خطرات کو کم کرنے کے اقدامات کو فعال طور پر نافذ کرنے سے، ڈویلپرز، تنظیمیں، اور معاشرے بڑے پیمانے پر ان ٹیکنالوجیز کے فوائد کو بروئے کار لاتے ہوئے اعتماد اور حفاظت کو برقرار رکھ سکتے ہیں جو ان کے کامیاب انضمام کی بنیاد ہے۔ کسی بھی LLM ورک فلو میں اعتماد اور حفاظت کی خصوصیات شامل کرنے کے لیے Amazon Comprehend ContentModerationChain کا استعمال کریں، بشمول Retrieval Augmented Generation (RAG) ورک فلوز LangChain میں لاگو کیے گئے ہیں۔
LangChain اور Amazon Kendra کے انتہائی درست، مشین لرننگ (ML) کا استعمال کرتے ہوئے RAG پر مبنی حل تیار کرنے کے بارے میں معلومات کے لیے ذہین تلاشدیکھیں - Amazon Kendra، LangChain، اور بڑے لینگویج ماڈلز کا استعمال کرتے ہوئے انٹرپرائز ڈیٹا پر فوری طور پر اعلی درستگی پیدا کرنے والی AI ایپلیکیشنز بنائیں. اگلے قدم کے طور پر، کا حوالہ دیں۔ کوڈ کے نمونے ہم نے LangChain کے ساتھ Amazon Comprehend اعتدال کو استعمال کرنے کے لیے بنایا ہے۔ Amazon Comprehend ماڈریشن چین API کی مکمل دستاویزات کے لیے، LangChain سے رجوع کریں۔ API دستاویزات.
مصنفین کے بارے میں
ریک تالقدار ایمیزون کمپریہنڈ سروس ٹیم کے ساتھ ایک سینئر آرکیٹیکٹ ہے۔ وہ بڑے پیمانے پر مشین لرننگ کو اپنانے میں مدد کرنے کے لیے AWS کے صارفین کے ساتھ کام کرتا ہے۔ کام سے باہر، وہ پڑھنے اور فوٹو گرافی سے لطف اندوز ہوتا ہے۔
انجان بسواس اے آئی/ایم ایل اور ڈیٹا اینالیٹکس پر توجہ کے ساتھ ایک سینئر AI سروسز سلوشنز آرکیٹیکٹ ہے۔ انجان دنیا بھر کی AI سروسز ٹیم کا حصہ ہے اور صارفین کے ساتھ کام کرتا ہے تاکہ وہ AI اور ML کے ساتھ کاروباری مسائل کو سمجھنے اور ان کے حل کو تیار کرنے میں مدد کریں۔ انجان کے پاس عالمی سپلائی چین، مینوفیکچرنگ، اور ریٹیل تنظیموں کے ساتھ کام کرنے کا 14 سال سے زیادہ کا تجربہ ہے، اور وہ صارفین کو AWS AI خدمات شروع کرنے اور اسکیل کرنے میں فعال طور پر مدد کر رہا ہے۔
نکھل جھا ایمیزون ویب سروسز میں ایک سینئر ٹیکنیکل اکاؤنٹ مینیجر ہے۔ اس کے فوکس ایریاز میں AI/ML اور تجزیات شامل ہیں۔ اپنے فارغ وقت میں، وہ اپنی بیٹی کے ساتھ بیڈمنٹن کھیلنے اور باہر کی سیر سے لطف اندوز ہوتے ہیں۔
چن رانے ایمیزون ویب سروسز میں ایک AI/ML ماہر حل آرکیٹیکٹ ہے۔ وہ لاگو ریاضی اور مشین لرننگ کے بارے میں پرجوش ہے۔ وہ AWS صارفین کے لیے ذہین دستاویز پروسیسنگ سلوشن ڈیزائن کرنے پر توجہ مرکوز کرتی ہے۔ کام سے باہر، وہ سالسا اور بچتا ڈانس سے لطف اندوز ہوتی 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/build-trust-and-safety-for-generative-ai-applications-with-amazon-comprehend-and-langchain/
- : ہے
- : ہے
- : نہیں
- :کہاں
- $UP
- 1
- 100
- 11
- 12
- 14
- 15٪
- 17
- 19
- 500
- 7
- 8
- 9
- a
- صلاحیتوں
- کی صلاحیت
- ہمارے بارے میں
- بدسلوکی
- تک رسائی حاصل
- اکاؤنٹ
- درست
- حاصل کرتا ہے
- کے پار
- عمل
- اعمال
- فعال طور پر
- شامل کریں
- پتہ
- پتے
- خطاب کرتے ہوئے
- مان لیا
- اپنانے
- منہ بولابیٹا بنانے
- مشورہ
- کے بعد
- عمر
- AI
- AI خدمات
- اے آئی سسٹمز
- AI / ML
- تمام
- کی اجازت
- اجازت دے رہا ہے
- کی اجازت دیتا ہے
- پہلے ہی
- بھی
- ایک ساتھ
- ایمیزون
- ایمیزون کی تعریف
- ایمیزون کیندر
- ایمیزون ویب سروسز
- مقدار
- an
- تجزیاتی
- تجزیہ کرتا ہے
- اور
- اعلان
- جواب
- کوئی بھی
- اے پی آئی
- APIs
- قابل اطلاق
- درخواست
- ایپلی کیشنز
- اطلاقی
- لاگو ہوتا ہے
- کا اطلاق کریں
- مناسب
- مناسب طریقے سے
- کیا
- علاقوں
- AS
- پوچھنا
- سے پوچھ
- پہلوؤں
- تفویض
- اسسٹنٹ
- منسلک
- At
- اضافہ
- اضافہ
- دستیاب
- AWS
- حمایت کی
- برا
- بیس
- کی بنیاد پر
- BE
- کیونکہ
- بن
- ہو جاتا ہے
- رویے
- کیا جا رہا ہے
- عقائد
- فوائد
- کے درمیان
- سے پرے
- بلاک
- مسدود کرنے میں
- دونوں
- حدود
- وسیع
- تعمیر
- اعتماد قائم کریں
- عمارت
- تعمیر
- کاروبار
- کاروبار
- لیکن
- by
- فون
- کال بیکس
- کہا جاتا ہے
- کر سکتے ہیں
- صلاحیتوں
- صلاحیت
- صلاحیت رکھتا
- دارالحکومت
- کارڈ
- کیس
- مقدمات
- پکڑو
- کچھ
- چین
- زنجیروں
- چیلنجوں
- کردار
- چیٹ بٹ
- چیٹ بٹس
- چیک کریں
- جانچ پڑتال
- چیک
- چن
- انتخاب
- طبقے
- کلاس
- درجہ بندی
- درجہ بندی
- درجہ بندی کرنا۔
- کلائنٹ
- کوڈ
- ہم آہنگ
- COM
- مجموعہ
- مل کر
- تبصرہ
- کامن
- پیچیدہ
- اجزاء
- سمجھو
- تصور
- متعلقہ
- اندراج
- حالات
- آپکا اعتماد
- ترتیب
- مسلسل
- مسلسل
- پر مشتمل ہے
- مواد
- مواد پیدا کرنا
- کنٹرول
- متنازعہ
- کور
- بنائی
- تخلیق
- تخلیقی
- کریڈٹ
- کریڈٹ کارڈ
- اہم
- اہم
- اپنی مرضی کے
- گاہک
- کسٹمر سپورٹ
- گاہکوں
- مرضی کے مطابق
- اپنی مرضی کے مطابق
- روزانہ
- رقص
- اعداد و شمار
- ڈیٹا تجزیات
- ڈیٹا کی رازداری
- ڈیٹا بیس
- ڈیٹاسیٹس
- فیصلے
- گہرے
- پہلے سے طے شدہ
- وضاحت
- کی وضاحت
- ڈیلے
- مظاہرہ
- ثبوت
- منحصر ہے
- ڈیزائننگ
- مطلوبہ
- تفصیلات
- کا پتہ لگانے کے
- پتہ چلا
- کھوج
- اس بات کا تعین
- ترقی
- ڈویلپرز
- ترقی
- مختلف
- ڈیجیٹل
- بات چیت
- بات چیت
- واضح طور پر
- ڈوبکی
- do
- دستاویز
- دستاویزات
- دستاویزات
- ڈو
- نیچے
- دو
- e
- ہر ایک
- اس سے قبل
- آسان
- مؤثر طریقے
- بے سہل
- یا تو
- اور
- ای میل
- کو چالو کرنے کے
- آخر
- لامتناہی
- کو یقینی بنانے کے
- کو یقینی بنانے ہے
- انٹرپرائز
- اداروں
- ہستی
- ماحولیات
- برابر
- یکساں طور پر
- خرابی
- جوہر
- ضروری
- بنیادی طور پر
- اخلاقی
- مثال کے طور پر
- مثال کے طور پر
- اس کے علاوہ
- رعایت
- موجودہ
- تجربہ
- تجربات
- وضاحت
- وضاحت کی
- بیان کرتا ہے
- واضح طور پر
- ایکسپلور
- ایکسپریس
- توسیع
- نکالنے
- چہرہ
- واقف
- نمایاں کریں
- خصوصیات
- چند
- فائل
- فلٹر
- فلٹرنگ
- فلٹر
- مالی
- مل
- پتہ ہے
- پہلا
- جھنڈا لگا ہوا
- پرچم
- لچکدار
- بہاؤ
- توجہ مرکوز
- توجہ مرکوز
- توجہ مرکوز
- کے بعد
- مندرجہ ذیل ہے
- کے لئے
- فارم
- فارمیٹ
- فارم
- فورمز
- ملا
- فریم ورک
- فرانس
- سے
- مکمل
- افعال
- مزید
- پیدا
- پیدا
- پیدا کرنے والے
- نسل
- پیداواری
- پیداواری AI۔
- حاصل
- GIF
- دے دو
- دی
- فراہم کرتا ہے
- گلوبل
- مقصد
- جاتا ہے
- جا
- اچھا
- زیادہ سے زیادہ
- بڑھتا ہے
- ترقی
- رہنمائی
- ہینڈلنگ
- ہوتا ہے
- نقصان دہ
- کنٹرول
- نفرت
- ہے
- ہونے
- he
- مدد
- مدد
- مدد کرتا ہے
- انتہائی
- قبضہ
- ان
- میزبانی کی
- کس طرح
- کیسے
- تاہم
- HTML
- HTTPS
- حب
- انسانی
- انسان جیسا
- i
- ID
- شناخت
- شناخت
- شناخت کار
- شناخت
- شناخت
- کی نشاندہی
- if
- غیر قانونی
- وضاحت کرتا ہے
- تصویر
- اثر
- پر عملدرآمد
- نفاذ
- عملدرآمد
- پر عمل درآمد
- درآمد
- اہمیت
- اہم
- in
- نادانستہ طور پر۔
- شامل
- شامل
- شامل ہیں
- سمیت
- اضافہ
- اضافہ
- دن بدن
- آزاد
- آزادانہ طور پر
- صنعتوں
- اثر و رسوخ
- معلومات
- ابتدائی طور پر
- ان پٹ
- آدانوں
- انکوائری
- مثال کے طور پر
- ضم
- انضمام
- انٹیلجنٹ
- ذہین دستاویز پروسیسنگ
- ارادہ
- ارادے
- دلچسپی
- انٹرفیس
- میں خلل
- میں
- متعارف کرانے
- IT
- میں
- جان
- جان ڈو
- فوٹو
- JSON
- صرف
- لیبل
- زبان
- بڑے
- بعد
- سیکھنے
- چھوڑ دیا
- قانونی
- کم
- کی طرح
- امکان
- لمیٹڈ
- لسٹ
- تھوڑا
- تھوڑا گہرا
- ایل ایل ایم
- لاگ ان کریں
- لاگ ان
- منطق
- تلاش
- مشین
- مشین لرننگ
- برقرار رکھنے کے
- بناتا ہے
- مینیجر
- انداز
- مینوفیکچرنگ
- ماسک
- ریاضی
- معاملہ
- مئی..
- me
- کا مطلب ہے کہ
- اقدامات
- میکانزم
- میڈیا
- طبی
- ضم
- کے ساتھ
- طریقوں
- غلط استعمال کے
- تخفیف کریں
- مخلوط
- ML
- ماڈل
- ماڈل
- اعتدال پسند
- ماڈیولر
- زیادہ
- بہت
- ضروری
- my
- نام
- یعنی
- نام
- قدرتی
- قدرتی زبان عملیات
- ضروری
- نئی
- نئی خصوصیات
- اگلے
- ویزا
- نہیں
- اب
- تعداد
- تعداد
- متعدد
- اعتراض
- of
- جارحانہ
- پیش کرتے ہیں
- آفسیٹ
- on
- ایک
- صرف
- کھول
- اوپن سورس
- کام
- کام
- آپشنز کے بھی
- or
- حکم
- تنظیمیں
- اصل
- دیگر
- دوسری صورت میں
- ہمارے
- باہر
- نتائج
- باہر
- پیداوار
- نتائج
- باہر
- پر
- خود
- پیرامیٹر
- پیرامیٹرز
- پیراماؤنٹ
- حصہ
- خاص طور پر
- منظور
- منظور
- جذباتی
- پاس ورڈ
- پاس ورڈ ری سیٹ
- پاٹرن
- انجام دیں
- کارکردگی
- کارکردگی کا مظاہرہ
- شاید
- ذاتی
- ذاتی طور پر
- فون
- فوٹو گرافی
- ٹکڑا
- ٹکڑے ٹکڑے
- پلیٹ فارم
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- کھیل
- سیاسی
- مقبول
- پوزیشن
- مثبت
- امکانات
- ممکن
- پوسٹ
- ممکنہ
- ممکنہ طور پر
- طاقت
- طاقت
- طاقتور
- محفوظ کر رہا ہے
- کی روک تھام
- بنیادی طور پر
- پرائمری
- اصولوں پر
- ترجیح
- کی رازداری
- نجی
- نجی معلومات
- مسائل
- طریقہ کار
- عمل
- پروسیسنگ
- گہرا
- پیش رفت
- مناسب طریقے سے
- حفاظت
- فراہم
- فراہم کرتا ہے
- ازگر
- سوال
- بلند
- رینج
- حدود
- تیزی سے
- بلکہ
- پہنچنا
- پڑھنا
- دائرے میں
- وصول
- تسلیم کرنا
- کو کم
- کو کم کرنے
- کا حوالہ دیتے ہیں
- خطے
- ریگولیٹری
- متعلقہ
- قابل اعتماد
- شہرت
- درخواست
- ضروریات
- وسائل
- متعلقہ
- جواب
- جوابات
- ذمہ داری
- ذمہ دار
- پابندی
- خوردہ
- واپسی
- ٹھیک ہے
- رسک
- خطرات
- رن
- s
- محفوظ
- سیفٹی
- sagemaker
- اسی
- پیمانے
- مناظر
- سکور
- ہموار
- سیکشن
- سیکشنز
- سیکورٹی
- دیکھنا
- طلب کرو
- SELF
- سینئر
- حساس
- بھیجا
- سزا
- تسلسل
- سروس
- سروسز
- مقرر
- وہ
- ہونا چاہئے
- دکھائیں
- نمائش
- دکھایا گیا
- شوز
- سگنل
- اسی طرح
- سادہ
- آسان بنانے
- ایک
- سائٹس
- ٹکڑا
- So
- سماجی
- سوشل میڈیا
- سوسائٹی
- حل
- کچھ
- کچھ
- ماخذ
- ماخذ کوڈ
- بولی
- ماہر
- مخصوص
- خاص طور پر
- مخصوص
- تقریر
- معیار
- شروع کریں
- شروع
- بیان
- مرحلہ
- بند کرو
- روکنا
- ذخیرہ
- سلک
- بعد میں
- کامیاب
- اس طرح
- فراہم کی
- فراہمی
- فراہمی کا سلسلہ
- حمایت
- کی حمایت کرتا ہے
- پائیدار
- سسٹمز
- لے لو
- کاموں
- ٹیم
- ٹیکنیکل
- ٹیکنالوجی
- سانچے
- متن
- سے
- کہ
- ۔
- دارالحکومت
- ماخذ
- ان
- ان
- تو
- وہاں.
- اس طرح
- یہ
- وہ
- اس
- خطرات
- تین
- حد
- کے ذریعے
- وقت
- کرنے کے لئے
- اوزار
- ٹریک
- تربیت یافتہ
- تبدیلی
- بھروسہ رکھو
- کوشش
- دو
- قسم
- اقسام
- بے نقاب
- ناقابل یقین
- سہارا
- سمجھ
- افہام و تفہیم
- منفرد
- یونیورسل
- اونچا
- استعمال کی شرائط
- استعمال کیس
- استعمال کیا جاتا ہے
- رکن کا
- صارفین
- استعمال
- کا استعمال کرتے ہوئے
- استعمال
- استعمال کیا
- قیمتی
- قیمت
- اقدار
- مختلف اقسام کے
- مختلف
- وسیع
- ورژن
- کی طرف سے
- مجازی
- W
- چاہتے ہیں
- تھا
- راستہ..
- طریقوں
- we
- ویب
- ویب خدمات
- اچھا ہے
- تھے
- کیا
- کیا ہے
- جب
- جبکہ
- چاہے
- جس
- جبکہ
- ڈبلیو
- پوری
- کیوں
- وسیع
- وسیع رینج
- گے
- چاہتے ہیں
- ساتھ
- کے اندر
- بغیر
- گواہ
- کام
- کام کا بہاؤ
- کام کے بہاؤ
- کام کر
- کام کرتا ہے
- لکھنا
- تحریری طور پر
- X
- سال
- تم
- اور
- زیفیرنیٹ