گزشتہ 24 اکتوبر کو کوریا ایسوسی ایشن فار انڈسٹریل انٹیلیجنٹائزیشن (KOIIA) کی دعوت پر ’2025 درمیانے درجے کی کمپنیوں کے بنیادی انسانی وسائل کی ترقی کی اکیڈمی، مستقبل کی صنعتوں سے نمٹنے کی حکمتِ عملی کا سیمینار‘ میں شرکت کی، جہاں CLEVI کے نمائندہ ڈائریکٹر Lee Hwan-ho نے کلیدی خطاب کیا۔
ہم نے ’AI ٹیکنالوجی کے نفاذ کی مثالیں اور DX کے عملی امور کی حکمتِ عملی‘ کے سیشن میں ’Physical AI کے استعمال کی مثالیں، RAG ایجنٹ کے نفاذ کے عمل میں ناکامی کے عوامل اور بہتری کی حکمتِ عملی‘ کے موضوع پر شرکت کی۔
حالیہ عرصے میں AI ایجنٹس میں دلچسپی بڑھنے کے ساتھ ساتھ، AI متعارف کرانے پر غور کرنے والی کمپنیوں کی تعداد بھی بڑھ رہی ہے۔ معلوم ہوتا ہے کہ بہت سے اداروں اور کمپنیوں نے پہلے ہی AI کو آزمائشی طور پر متعارف کرا کے استعمال کرنا شروع کر دیا ہے۔
تاہم، افسوس ناک طور پر، تحقیقات سے معلوم ہوا ہے کہ بہت سی کمپنیوں اور اداروں میں مطلوبہ ROI حاصل نہیں ہو رہا، یا وہ فیچرز جو PoC میں کام کرتے تھے، اصل منصوبے یا عملی میدان میں درست جوابات نہیں دے رہے یا کام ہی نہیں کر رہے۔
ان معلومات کی وجہ سے بہت سی کمپنیاں AI کو عجلت میں متعارف کرانے سے گریز کر رہی ہیں۔
اس لیکچر میں CLEVI کے نمائندہ ڈائریکٹر Lee Hwan-ho نے عجلت میں AI متعارف کرانے کی ایک نمایاں وجہ، یعنی RAG سسٹم کی حدود، اور اوپن سورس ماڈلز یا سمال LLM (SLM) کے بارے میں تفصیل سے وضاحت کی، اور بتایا کہ سابقہ نفاذ کی مثالیں کیوں ناکام ہوئیں۔
آخرکار، AI استعمال کرنے کی وجہ یہ ہے کہ ہم توقع کرتے ہیں کہ یہ انسانوں کا کام سنبھالے گا یا انسانوں سے بہتر کارکردگی دکھائے گا۔
تاہم، وہ عملی عملہ جو آج AI متعارف کرا چکی کمپنیوں میں کام کرتا ہے، AI کے جوابات کے معیار پر اعتماد نہیں کر پاتا، اس لیے AI کے جوابات کو ایک ایک کر کے جانچنے کی وجہ سے کام کم ہونے کے بجائے بڑھ رہا ہے، اور اس حوالے سے شکایات سامنے آ رہی ہیں۔
اس کی وجہ یہ ہے کہ زیادہ تر کمپنیاں اوپن سورس SLM ماڈلز کو فائن ٹیون کر کے بطور حل استعمال کر رہی ہیں۔
ظاہری طور پر یہ سوچا جاتا ہے کہ اگر AI نئی تعلیم حاصل کرے گا تو وہ زیادہ ذہین ہو جائے گا، لیکن اس کے برعکس، AI کو نیا علم سکھانے سے اس کی سابقہ یادداشت، یعنی من مانی پیرامیٹر ویٹنگز، ضائع ہو جاتی ہیں۔
اس سے بھی زیادہ سنگین مسئلہ یہ ہے کہ کسی کو معلوم نہیں ہوتا کہ کون سی معلومات یا علم ضائع ہو گیا ہے۔
چونکہ AI متعارف کروانا معمولی وسائل صرف ہونے والا کام نہیں ہے، اس لیے آپ نے PoC کے مرحلے سے ہی کافی جانچ کی ہوگی۔
تو پھر اس وقت یہ مسئلہ کیوں ظاہر نہیں ہوا؟ یقیناً اس کی وجہ یہ ہے کہ اسے ہدفی معلومات کے ذریعے دوبارہ تربیت دی گئی تھی۔
جس AI کو صرف اعداد کا علم تھا، اسے حروفِ تہجی سکھائے گئے اور اس کے بعد صرف حروفِ تہجی سے متعلق سوالات کیے گئے، اس لیے ظاہر ہے کہ وہ اچھے جوابات دے گا۔ لیکن عملی میدان میں کیا ہمیں صرف ایسے ماڈلز کی ضرورت ہے جو کسی مخصوص ڈومین کے لیے اختصاص رکھتے ہوں؟
ہمارے عملی میدان کو ہر روز نئے ماحول اور نئے ڈیٹا کا سامنا کرنا پڑتا ہے۔ لیکن موجودہ معلومات کو بے ترتیب طریقے سے تباہ کرتے ہوئے تربیت پانے والا AI نہ صرف عمومیت بلکہ درستگی کی بھی ضمانت نہیں دے سکتا۔
لہٰذا From-scratch Foundation کے بڑے زبان ماڈل کی ملکیت رکھنا، یا ایسا ماڈل بنانے کی ٹیکنالوجی کا ہونا ضروری ہے۔
کیونکہ ان ماڈلز کے پاس دنیا کے تقریباً تمام علوم موجود ہوتے ہیں، اس لیے نہ صرف جوابات کا معیار بلکہ درستگی بھی بلند ہوتی ہے۔
خصوصی ڈومینز کے لیے SFT(Supervised Fine-Tuning) نامی ٹیکنالوجی استعمال کی جا سکتی ہے، جبکہ کم مقدار میں ڈیٹا ہونے کی صورت میں RAG سسٹم یا CLEVI کے تیار کردہ انٹیلیجنس ڈیٹابیس سسٹم، یعنی Semantic Database ٹیکنالوجی، استعمال کرنے سے Fine-tuned SLM کی خامیوں پر قابو پایا جا سکتا ہے۔
چونکہ حکومت بھی ایسے Foundation ماڈلز کی اہمیت سے آگاہ ہے، اس لیے وہ بھرپور معاونت فراہم کر رہی ہے۔
یہی National Representative AI Project ہے۔ اس منصوبے کا سب سے بڑا مقصد غالباً ڈیجیٹل خودمختاری حاصل کرنا ہے۔
ہم CLEVI میں بھی اوپن سورس ماڈلز کے استعمال کی مہلک خامیوں سے واقف تھے، اس لیے ہم نے ڈیٹا جمع کرنے سے لے کر آرکیٹیکچر ڈیزائن کرنے تک سب کچھ خود تیار کیا اور CLEVI کے ماڈلز کو تربیت دی۔
موجودہ CLEVI ماڈلز دنیا کے ممتاز AI سسٹمز سے مقابلہ کرنے کے باوجود کارکردگی میں کسی طرح پیچھے نہیں ہیں۔
خصوصاً چونکہ ہمارے پاس اپنے ماڈلز موجود ہیں، اس لیے بیرونی ماڈلز کے استعمال سے پیدا ہونے والے انحصار کے مسئلے کا CLEVI پر کوئی اثر نہیں پڑتا۔
اب AI متعارف کروانا اختیاری نہیں بلکہ لازمی بنتا جا رہا ہے۔ تاہم صرف جدید ترین ٹیکنالوجی متعارف کروانے سے مطلوبہ نتائج حاصل کرنا مشکل ہے۔
حقیقی جدت اسی وقت شروع ہوتی ہے جب ہم ٹیکنالوجی کی حدود کو درست طور پر سمجھیں اور اپنی تنظیم کے ماحول اور اہداف کے مطابق بہترین حکمتِ عملی وضع کریں۔
CLEVI اپنی منفرد بڑی زبان کے ماڈل اور Semantic Database جیسی امتیازی ٹیکنالوجیز کے ذریعے، کمپنیوں کی جانب سے AI متعارف کروانے کے عمل میں پیش آنے والی آزمائشوں، غلطیوں اور خطرات کو کم سے کم کر رہا ہے۔
ہم آئندہ بھی میدانِ عمل کی آوازوں پر کان دھرتے رہیں گے اور مزید کمپنیوں کے لیے ایک قابلِ اعتماد AI پارٹنر بننے کی پوری کوشش کریں گے۔ ہم امید کرتے ہیں کہ آپ AI کے نفاذ کی حقیقی کامیابی CLEVI کے ساتھ مل کر حاصل کریں گے۔