مصنوعی ذہانت (AI) صنعتوں میں بہت سی بات چیت میں سب سے آگے ہے۔ اور کیوں نہیں؟ یہ ہمارے لیے وسیع حل لے کر آیا ہے، جس سے بنی نوع انسان کا بہت زیادہ وقت بچا ہے۔ لیکن ہر چیز کی طرح، اس کی حدود ہیں، خاص طور پر عام AI، جو اکثر
کچھ سپیکر فون کے ذریعے قابل رسائی عام الگورتھم کے لیے کیچ آل اصطلاح کی طرح محسوس ہوتا ہے جو کچھ بھی کر سکتا ہے۔
جب AI کو بہت ساری چیزوں کے حل کے طور پر hyped کیا جاتا ہے، تو یہ مجھے سوچنے پر مجبور کرتا ہے، آپ اس ہائپ کو کہاں تک چلا سکتے ہیں؟ 'اسکول آف لائف' سے ایک مشہور گفتگوتم غلط آدمی سے شادی کیوں کرو گے؟ ایک سوال کو متاثر کیا، 'کیا آپ چاہیں گے؟
اے آئی کو منتخب کرنے دیں کہ آپ کس سے شادی کریں گے؟' کیا یہ صحیح ازدواجی انتخاب کرنے میں مدد کر سکتا ہے؟
اگرچہ AI انتہائی پیچیدہ تعلقات کے معاملات کا مکمل طور پر جواب نہیں دے سکتا، لیکن یہ آپ کو کافی حد تک جواب تلاش کرنے کے قریب لے جا سکتا ہے۔ ہم مالیاتی دنیا میں اکثر اس کا سامنا کرتے ہیں۔ کیا AI اگلے معاہدے کی پیشن گوئی کرنے کے قابل ہے؟ جواب ہے نہیں، یہ ابھی ممکن نہیں ہے۔
تاہم، AI کو بہتر تجزیاتی اور پیشین گوئی کی صلاحیتوں کے ساتھ ماڈلز بنانے کے لیے استعمال کیا جا سکتا ہے، جو آنے والی چیزوں کے بارے میں واضح خیال فراہم کرنے کے لیے بہت گہری بصیرتیں اور نمونوں کو بے نقاب کرتا ہے۔
فیصلوں پر AI کا اطلاق کرنا
آئیے فیصلہ سازی کے تناظر میں اس پر غور کریں۔ ایک آسان طریقے سے ہمارے پاس دو طرح کے فیصلے ہوتے ہیں:
- جنہیں ہم کثرت سے بناتے ہیں، اور اس لیے بہت سارے فیڈ بیک لوپس کے ساتھ۔ مثلاً: دودھ خریدنا۔ میرے خاندان کو یہ دریافت کرنے میں چند مہینے لگے کہ ہمیں ہفتے میں چار بوتلوں کی ضرورت ہے جو کہ ٹھنڈا نہ ہو اور ہفتے کے آخر میں، جب ہر ایک کو چند اضافی 'گرم کپاس' کی ضرورت ہو۔
AI ممکنہ طور پر ہمارے لیے جلد ہی اسے حل کر سکتا تھا، جب تک کہ ہم پیٹرن کو تلاش کرنے کے لیے اسے موسم کا ڈیٹا فراہم کرتے۔
-دوسری قسم کا فیصلہ وہ ہے جو ہم کبھی کبھار کرتے ہیں۔ ممکنہ طور پر، زندگی میں صرف ایک بار ہمارے فیصلے کے نتائج کی بنیاد پر اصلاح کرنے کا بہت کم موقع ہے۔ مثال کے طور پر: کسی پیشے کا انتخاب، یونیورسٹی کی ڈگری، پہلی نوکری، یا
LOL، شادی کرنے کا فیصلہ کر رہے ہیں۔
بے شک، ہم اپنے انتخاب کے نتیجے میں رہتے ہیں، لیکن ان سے سیکھنے اور دوسرے فیصلے کرنے کے مواقع محدود اور اکثر مہنگے ہوتے ہیں۔
والدین کی ایک کتاب جو میں نے پڑھی ہے اس میں ان خطوط پر ایک انتباہ ہے: "جب کہ ہم مندرجہ ذیل ابواب میں والدین کے مشورے کی حمایت کرتے ہیں، ہم تسلیم کرتے ہیں کہ بچے پر والدین کے مختلف طریقوں کو آزمانا اور نتائج کا موازنہ کرنا ممکن نہیں ہے"۔ سادہ لفظوں میں، نہیں ہے
مختلف فیصلوں کو آزمانے اور نتائج کا موازنہ کرنے کا طریقہ۔ صرف ایک اور چیز جو ظاہر کرتی ہے کہ والدین مشکل ہے۔
اور یہ واضح کرتا ہے کہ پیٹرن دیکھنے کے لیے کافی ڈیٹا کا ہونا کتنا ضروری ہے۔
مشین لرننگ چیلنجز
مشین لرننگ، AI کی ایک مقبول شکل، کو کچھ عرصے سے پیچیدہ مسائل کے 'جادوئی حل' کے طور پر دیکھا جاتا ہے۔ بہت سارے ڈیٹا کو جذب کرنے اور اس میں احساس تلاش کرنے کی کوشش کرنے کے قابل ہونے کی کشش ایک خاص اپیل ہے۔ ایسا کیوں نہیں ہوگا؟ ٹیکنالوجی کا وعدہ
کوئی پیچیدہ چیز لینا اور بہترین حل کے ساتھ آنا کسی بھی فیصلہ ساز کو اپیل کرے گا۔
مشین لرننگ سلوشنز کا چیلنج پیچیدہ ان پٹ معلومات سے آسان فیصلہ کرنے میں مدد کر رہا ہے۔ ڈیٹا کی ناقابل یقین مقدار، اندرونی اور بیرونی، اور پھر آؤٹ پٹ کو کیسے بتایا جاتا ہے۔ . دو قسم کے فیصلوں کی مندرجہ بالا مثالوں میں،
مشین لرننگ الگورتھم امید ہے کہ دودھ خریدنے کے سوال کو تیزی سے حل کر دیں گے۔
یہ فرض کرتے ہوئے کہ ہم خریدی گئی مقداروں اور باہر کے موسم کا ڈیٹا فراہم کرتے ہیں – ماڈل آگے بڑھ کر ایک اچھی پیشن گوئی پیدا کرے گا۔ تنظیمیں جیسے سیاحتی مقامات، ریستوراں کی زنجیریں، ایئر لائنز، لاجسٹکس کمپنیاں اور بہت کچھ وصول کرتی ہیں
تجزیات جو موسم کی بنیاد پر روزانہ، ہفتہ وار، اور موسمی حجم کی پیش گوئی کرنے کے لیے استعمال کیے جا سکتے ہیں، اور یہاں تک کہ تجویز کرتے ہیں کہ اس طلب کو پورا کرنے کے لیے انہیں کتنے وسائل کی ضرورت ہو سکتی ہے۔ اضافی متغیر ماڈل میں مزید پیچیدگی کا اضافہ کرتے ہیں اور ممکنہ اضافی تخلیق کرتے ہیں۔
دوسرے سوالات کے جوابات دینے اور مزید متغیرات شامل کرنے کی ضرورت ہے (مثال کے طور پر، وہ ہفتے جو کلینر آتا ہے بمقابلہ نہیں)۔
AI کو یہ فیصلہ کرنے کی اجازت دینے کے بنیادی سوال پر واپس جائیں کہ آپ کس سے شادی کرتے ہیں۔ یقینا، بہت سارے ڈیٹا پوائنٹس ہیں - لاکھوں یا اربوں شادیاں۔ متعلقہ آدانوں کا صدیوں سے محققین اور میچ میکرز دونوں نے مطالعہ کیا ہے۔ وہاں ہے
بہت سارے آؤٹ پٹ.
تو ، کیا مسئلہ ہے؟
- اگرچہ بہت سے ڈیٹا پوائنٹس ہیں، ہر منفرد فیصلہ ساز کی اپنی منفرد ترجیحات ہوں گی – اس لیے ماڈلنگ کی دنیا میں، ہمیں ہر اس فرد کے لیے ایک الگ الگورتھم بنانے کی ضرورت ہوگی جسے ازدواجی زندگی کے لیے مماثل ہونا چاہیے۔ یہ پیچیدہ ہے، لیکن ممکن ہے
مستقبل میں. غور کریں کہ Apple Music اور Pandora جیسے سفارشی انجن آپ کے رد عمل کی بنیاد پر آپ کو تجویز کردہ موسیقی کی اقسام کو کیسے تیار کرتے رہتے ہیں۔ اس طرح کے حل جہاں ہر فیصلہ منفرد طور پر بہتر بنائے گئے ماڈل کے ذریعہ کیا جاتا ہے پہلے ہی تعینات کیا جاتا ہے۔
کاروباری دنیا میں - دوم، ہمیں صحیح اور متعلقہ ڈیٹا پوائنٹس کو پکڑنے اور 'شور' کو کم کرنے کی ضرورت ہے۔ اگرچہ کچھ لوگ نیلی آنکھوں والے برونیٹ یا بھوری آنکھوں والے گورے کو ترجیح دے سکتے ہیں، لیکن "ترجیحی قسموں" پر مبنی شادیاں دوسروں کے مقابلے میں زیادہ کامیاب ثابت ہوتی ہیں۔ ڈیٹنگ
ایپس اس طرح کے میچوں کے لیے صحیح فارمولہ تلاش کرنے کی امید میں اپنے الگورتھم کو بہتر بناتی رہتی ہیں۔ پھر بھی، آپ کو تاریخوں پر جانا ہوگا اور دیکھنا ہوگا۔ - آخر میں، غلط فیصلہ کرنے کی قیمت زیادہ ہے. اگرچہ فیصلے کرنے والے افراد پر چھوڑنے سے بہترین نتائج برآمد نہیں ہوسکتے ہیں، لیکن مشین لرننگ حل بنانے والی ماہر ٹیم ان فیصلے کرنے کی ذمہ داری نہیں چاہتی۔
کیریئر کی ذمہ داری کا خطرہ ہے جس پر کام کرنے کی ضرورت ہے۔ کاروباری سیاق و سباق میں - ماہرین کو فیصلہ کرنے دینا بہتر ہو سکتا ہے اس بات پر اصرار کرنے سے کہ 'بلیک باکس' سب سے بہتر جانتا ہے۔
بلائنڈ ٹرسٹ سے بچنا
لہذا، شادی کے چیلنجوں پر واپس. سکول آف لائف کی مشہور تقریر صرف یہ کہتی ہے کہ ہم یقیناً ایسے شخص سے شادی کریں گے جو ہمارے لیے کسی نہ کسی طرح غلط ہے۔ "وہ شخص جو ہمارے لئے سب سے موزوں ہے وہ شخص نہیں ہے جو ہمارے ہر ذائقے کو بانٹتا ہے (وہ ایسا نہیں کرتے ہیں۔
موجود ہے)، لیکن وہ شخص جو ذہانت کے ساتھ اختلافات پر بات چیت کر سکتا ہے — وہ شخص جو اختلاف میں اچھا ہے۔
کامل تکمیل کے کچھ تصوراتی خیال کے بجائے، یہ سخاوت کے ساتھ اختلافات کو برداشت کرنے کی صلاحیت ہے جو کہ 'زیادہ سے زیادہ غلط نہیں' شخص کا حقیقی نشان ہے۔ مطابقت محبت کا ایک کارنامہ ہے۔ یہ اس کی پیشگی شرط نہیں ہونی چاہیے۔"
مشین لرننگ کی زبان میں ایک وسیع تر عمومی سیاق و سباق کی طرف جانا - ممکنہ امیدوار کے بارے میں ہم وقت سے پہلے جو معیاری متغیر جانتے ہیں ان میں سے کوئی بھی فیصلہ غلط ہونے کی پیشین گوئی کرنے میں ہماری مدد کر سکتا ہے۔ ہم 'کھانا کھلانے سے بہت دور ہیں۔
مشین بہت سارے ڈیٹا' اور اس سے اس کا احساس دلانے کی توقع کرنا۔ درحقیقت یہ انسانی مداخلت کے بغیر کبھی نہیں ہو سکتا۔ ہم زیادہ محفوظ محسوس کرتے ہیں جب پائلٹ ہنگامہ خیزی کے دوران آٹو پائلٹ کو بند کر دیتا ہے، اور ایک اچھی وجہ سے۔
اگرچہ مشین لرننگ اور AI ہماری زندگیوں کو آسان بنا سکتے ہیں، لیکن یہ کہنا محفوظ ہے کہ ہم اپنے لیے زندگی بدل دینے والے فیصلے کرنے کے لیے ان ٹیکنالوجیز پر اندھا اعتماد نہیں کریں گے۔ اس سے لے کر، ہم اہم کاروباری فیصلے کرنے والے صنعت کے ماہرین کو کیا کہہ سکتے ہیں؟ استعمال کریں۔
AI اور ML آپ کو آپ کے مقصد تک آدھے راستے پر لے جانے کے لیے – لیکن ڈیٹا کا تجزیہ کرنے اور آخری مراحل میں آپ کی رہنمائی کے لیے اپنے بہترین فیصلے کو سیاق و سباق کے ساتھ استعمال کرنے کے لیے اپنے ماہرین کو پکڑیں۔ ہم یقینی طور پر اس پر کام کر رہے ہیں۔
