🤖 السلام علیکم، CLEVI ہے۔
20 سے 22 جنوری تک جیونبک نیشنل یونیورسٹی کے زیرِ اہتمام 「2025 JBNU ریسرچ فیئر ویک (Research Fair Week)」 تقریب میں شرکت کی۔
یہ تقریب جیونبک نیشنل یونیورسٹی کی شاندار تحقیقی کامیابیوں کو مرکز بناتے ہوئے، صنعت اور قومی حکمتِ عملی سے منسلک مستقبل کی ٹیکنالوجی کی سمت پیش کرنے اور صنعت، اکیڈمیا، تحقیق اور حکومتی اداروں کے باہمی تبادلے کا موقع فراہم کرنے والی ایک بامعنی نشست تھی۔
خاص طور پر، CLEVI کے نمائندہ لی ہوان ہُو کو 20 تاریخ کو منعقد ہونے والی افتتاحی تقریب میں VIP لیکچرر کے طور پر مدعو کیا گیا تھا! 👏
آئیے اس دن کے ماحول کو ایک بار پھر محسوس کرتے ہیں!
یہ وہ منظر ہے جب تقریب شروع ہونے سے پہلے نمائندہ لی ہوان ہُو لیکچر کی تیاری کر رہے تھے؛ ان کے انداز سے ظاہر ہوتا ہے کہ وہ سوچ رہے ہیں کہ لیکچر کو مزید جامع اور آسان کیسے بنایا جائے۔
تقریب شروع ہوئی اور افتتاحی تقریب کا آغاز ہوا۔
سب سے پہلے، جیونبک نیشنل یونیورسٹی کے ایک طالب علم نے موقع پر مکمل کیے گئے لائیو آرٹ پرفارمنس کے ذریعے تقریب کا شاندار افتتاح کیا۔
پہلے کلیدی خطاب کے بعد، ہمارے CLEVI کے نمائندہ لی ہوان ہُو نے دوسرے کلیدی خطاب میں “AI کو طبعی واسطے کی ضرورت کیوں ہے” کے موضوع پر گفتگو کی۔ آئیے مختصراً جائزہ لیتے ہیں!
آخر AI دنیا کو کس طریقے سے سمجھتا ہے،
جملے بناتا ہے، اور یہاں تک کہ عمل بھی کرتا ہے؟
ہم روزانہ استعمال ہونے والے ChatGPT یا Claude جیسے بڑے زبان کے ماڈلز (LLM) آخر کس اصول کے تحت جملوں کو سمجھتے اور بناتے ہیں، آئیے ان کے 'دماغ کے اندر' ایک ساتھ جھانکتے ہیں۔
- نام کا لیبل لگانا (Token ID): AI سب سے پہلے ہر لفظ کو '5'، '8' جیسے منفرد نمبروں سے شناخت کر کے منظم کرتا ہے۔
- نقشے پر پتہ درج کرنا (Vector): لیکن صرف نمبروں سے معنی معلوم نہیں کیے جا سکتے، اس لیے ہر لفظ کو سینکڑوں نمبروں پر مشتمل 'تفصیلی پتہ (کوآرڈینیٹس)' دیا جاتا ہے۔
- پڑوسی تلاش کرنا: یکساں معنی رکھنے والے الفاظ (مثلاً 'the'، 'a') اس نقشے پر ایک دوسرے کے بہت قریب 'پڑوسیوں' کی طرح رہنے لگتے ہیں۔
تو AI اگلے لفظ کا اندازہ کیسے لگاتا ہے؟
اب جبکہ ہم بنیادی ڈیٹا کی تبدیلی کو سمجھ چکے ہیں، آئیے دیکھتے ہیں کہ یہ اعداد حقیقی جملے میں کیسے تبدیل ہوتے ہیں۔ فرض کریں کہ ہمارے پاس یہاں "Paris is the city..." نامی ان پٹ موجود ہے۔
Tokenizer (حصوں میں تقسیم کرنا): جیسا کہ ہم نے پہلے دیکھا، ہمارے داخل کردہ جملے Tokenizer کے ذریعے اعداد (Token ID) میں تبدیل ہو جاتے ہیں۔ "Paris" نمبر 1652، "is" نمبر 5... اسی طرح۔
LLM (بہت بڑا کیلکولیٹر): یہ عددی مجموعے LLM (تصویر میں موجود Bloom ماڈل) نامی ایک بہت بڑے کیلکولیٹر میں داخل ہوتے ہیں۔ یہاں پہلے سیکھے گئے 'ویکٹر' کے حساب کے ذریعے سیاق و سباق کو سمجھا جاتا ہے۔ یعنی، 'آہا، ابھی پیرس نامی شہر کے بارے میں بات ہو رہی ہے!'
Logits & Softmax (احتمال کا حساب): حساب مکمل کرنے کے بعد AI اگلے ممکنہ آنے والے دسیوں ہزار الفاظ کے امیدواروں کو اسکور دیتا ہے۔ پھر 'Softmax' نامی فلٹر کے ذریعے انہیں ہمارے لیے آسان **'احتمال'** میں تبدیل کر دیتا ہے۔
حتمی انتخاب: دائیں طرف موجود گراف دیکھیں۔
- of → 33.7%
- that → 15.3%
- where → 9.4%
آخرکار AI سب سے زیادہ احتمال رکھنے والے **'of'** کو منتخب کرکے "Paris is the city of..." جملہ مکمل کرتا ہے۔ پھر اس عمل کو دسیوں ہزار بار دہرا کر ہمارے سامنے آنے والے طویل جوابات تیار کرتا ہے۔
خلاصہ یہ کہ AI کے لیے کسی لفظ کو یاد رکھنے کا مطلب حروف کو حفظ کرنا نہیں، بلکہ معانی کے ایک بہت بڑے نقشے پر یہ 'پتہ' یاد رکھنا ہے کہ وہ لفظ کہاں رہتا ہے۔
LLM کو بصارت، روبوٹس اور رویّاتی سیکھنے تک توسیع دی جا سکتی ہے۔
معنی کو سمجھنے، دیکھنے اور سمجھنے، اور عمل کرنے والی AI۔
AI کو بازو اور ٹانگیں دینا زبان سے ادراک کی طرف، اور اس سے آگے عمل کی طرف جانے والی ذہانت کی توسیع کو ظاہر کرتا ہے۔
AI اب مزید خیالات یا تخیل کے دائرے تک محدود نہیں، بلکہ نفاذ اور حقیقت کے مرحلے میں داخل ہو چکی ہے۔
کلیوی کا اگلا قدم
کلیوی آئندہ بھی مزید لوگوں کو یہ تجربہ براہِ راست کرنے کے قابل بنانے کے لیے کہ AI ٹیکنالوجی حقیقی دنیا میں کیسے کام کرتی ہے، کیمپس کے اندر اور باہر ورکشاپس، عملی منصوبوں، تجرباتی بوتھس اور دیگر مختلف مواقع کو وسعت دینے کا منصوبہ رکھتی ہے۔
جس طرح جیون بُک نیشنل یونیورسٹی کا یہ لیکچر طلبہ اور ہمارے درمیان ایک قیمتی پل بنا، اسی طرح آئندہ بھی ہم ٹیکنالوجی ماہرین اور صارفین، اور академی دنیا اور صنعتی دنیا کے درمیان رابطہ کار کا کردار ادا کرتے رہیں گے۔