Global Editions

مصنوعی ذہانت والی ٹیکنالوجی کو جاننے کے لئے پانچ سوالات

دو ہفتے قبل متحدہ عرب امارات نےاے آئی ایوری تھنگ (Ai Everything)کا اہتمام کیا جو کہ اس کی سب سے بڑی مصنوعی ذہانت کی کانفرنس تھی اور دنیا میں مصنوعی ذہانت کی ایپلی کیشنز کے حوالے سے بھی سب سے بڑی کانفرنسوں میں سے ایک تھی۔ اس ایونٹ میں بڑی انڈسٹریز شامل تھیں جس میں کمپنیاں مشین لرننگ کا استعمال کر رہی ہیں۔ اس ایونٹ نےاس بات کی یاد دہانی کے طور پر بھی کام کیا کہ کس طرح کاروباری دنیا کس حد پیچیدہ ہو سکتی ہے اور ٹیکنالوجی کس طرح مسائل کو حل کر سکتی ہے۔

اس کےجواب میں، میں پانچ سوالات کو مختصر طور پر بیان کرنا چاہوں گا جو میں عام طور پر کسی بھی کمپنی کے ٹیکنالوجی کے معیار اور درستی کا جائزہ لینے کے لئے استعمال کرتا ہوں:

1. یہ کس مسئلہ کو حل کرنے کی کوشش کر رہی ہے؟ میں ہمیشہ مسئلہ کے بیان سے شروع کرتا ہوں۔ کمپنی کس مسئلہ کا بتا رہی ہے کہ وہ اس کو ٹھیک کر رہی ہے اور کیا یہ مسئلہ مشین لرننگ کے حل کے قابل ہے؟ــــ شاید ہم ایفیکٹوا( (Affectiva سے بات کر رہے ہیں جو لوگوں کے موڈ کو درست طریقے سے ٹریک کرنے اور تجزیہ کرنے کے لئے جذبات کی شناخت کی ٹیکنالوجی پر کام کر رہی ہے۔ تصوراتی طور پر، یہ ایک پیٹرن کی شناخت کا مسئلہ ہے اور یہ اس طرح کا مسئلہ ہے جس کو مشین لرننگ سے نمٹا جا سکتا ہے۔اس مسئلہ تک پہنچنے کے لئےکسی اور ذریعے سے پہنچنا بہت مشکل ہے کیونکہ ایک پروگرام کے رولز تک پہنچنا بھی بہت پیچیدہ کام ہے۔

2. مشین لرننگ کے ذریعے کمپنی اس مسئلہ کو کس طرح ٹھیک کر رہی ہے؟ اب ہم اس مسئلے کے بارے میں تصوراتی مفہوم رکھتے ہیں اور ہم یہ جاننا چاہتے ہیں کہ یہ کمپنی کس طرح اس سے نمٹنے جا رہی ہے۔ ایک جذبات کی شناخت کرنے والی کمپنی اپنی مصنوعات بنانے کے لئے بہت ساری اپروچز کولے سکتی ہے۔ یہ لوگوں کے چہرے کے اظہار کے مطابق پیٹرن میچ کرنے کے لئے کمپیوٹر کے نظام کو تربیت دے سکتی ہے یا ایک آڈیو سسٹم کو پیٹرن میچ سے لوگوں کی آواز پر اس سسٹم کی ٹریننگ کرتی ہے۔ یہاں ہم یہ جاننا چاہتے ہیں کہ کس طرح کمپنی نے اس مسئلے کو مشین لرننگ سے نمٹنے کی کوشش کی ہے اور کس طرح اس بات کا تعین کرتی ہے کہ ڈیٹا کو الگورتھم میں ڈالا جائے۔

3. کمپنی کے ٹریننگ ڈیٹا کا سورس کیا ہے؟ ایک بار ہم کمپنی کے ڈیٹاکی ضروریات کے بارے میں جان لیتے ہیں تو ہم یہ مزید جاننے کی کوشش کرتے ہیں کہ کمپنی اس کو کس طرح حاصل کرتی ہے۔ زیادہ ترمصنوعی ذہانت کی ایپلی کیشنز سپروائزڈمشین لرننگ کا استعمال کرتی ہیں جس کو صاف اور اعلیٰ معیار کے لیبل کردہ ڈیٹا کی ضرورت ہوتی ہے۔ڈیٹا کو کون لیبل کرتا ہے؟ اور اگر لیبلز کسی سبجیکٹو قسم کی چیز کو لیتے ہیں جیسا کہ جذبات تو کیا وہ سائنسی معیار کی پیروی کرتے ہیں؟ایفیکٹیویاکے معاملے میں آپ کوپتا چلے گا کہ کمپنی صارفین کے آڈیو اور ویڈیو ڈیٹاکو رضاکارانہ طریقے سے اکٹھا کرتی ہے اور تربیت یافتہ ماہرین کو ڈیٹا لیبل کرنے پر لگاتی ہے۔ پائپ لائن کے اس حصے کی تفصیلات جاننے سے آپ ڈیٹا کے ممکنہ ذرائع کی شناخت یا لیبلنگ کا پتا چلاتے ہیں۔

4. کیا کمپنی اپنی مصنوعات کا آڈٹ کرانے کے عمل کی پیروی کرتی ہے؟ اب ہمیں یہ معلوم کرنا چاہئے کہ آیا کمپنی اپنی مصنوعات کوٹیسٹ کرواتی ہے۔ اس کے الگورتھمزکتنے درست ہیں؟ کیا ان کو کسی تعصب کے لئے آڈٹ کیا گیاہے؟ یہ ا پنے الگورتھمز کو کس طرح چیک کرتی ہے کہ وہ ٹھیک کام کر رہے ہیں؟اگر کمپنی کےالگورتھمز اپنی مطلوبہ درستگی یا منصفانہ حد تک کام نہیں کر رہے توکمپنی اس بات کا تعین کیسے کرتی ہے کہ ان کو دوبارہ کس طرح لگایا جائے۔

5. کیا کمپنی مسائل کے حل کے لئے مشین لرننگ کا استعمال کر رہی ہے؟ یہ ایک فیصلہ کی کال ہے۔ یہاں تک کہ اگر ایک مسئلہ کومشین لرننگ کے حل کیاجاسکتا ہے، تو یہ سوال کرنا ضروری ہے کہ کیا ایسا ہونا چاہئے۔اگر آپ نے ایک جذبات کی شناخت والاپلیٹ فارم بنا دیاجو مختلف نسلوں میں کم از کم 80فیصد درستگی تک پہنچتی ہے اور اس کا مطلب یہ نہیں کہ اس کو غلط استعمال کیا جائے گا۔ کیا اس ٹیکنالوجی کو حاصل کرنے کے فوائد انگرانی کی صورت میں ممکنہ انسانی حقوق کی خلاف ورزی تو نہیں کرتے؟ اور کیا کمپنی میں کسی ممکنہ منفی اثرات کو کم کرنے کے لئے میکانیزم موجود ہے؟

میری رائے میں،ایک کوالٹی مشین لرننگ والی کمپنی کوتمام خانوں کو چیک کرنا چاہئے: اگر مشین لرننگ کے ساتھ کوئی مسئلہ ہو تو اس سے نمٹنا چاہیے، اس کے پاس مضبوط ڈیٹا اور آڈیٹنگ کا عمل ہونا چاہیے، انتہائی درست الگورتھم یا ان کو بہتر بنانے کے لئے ایک منصوبہ ہو نا چا ہیے اور اخلاقی حوالے سے اٹھنے والےسوالات سے نمٹنا چاہیے۔ اکثر اوقات کمپنیاں چار سوالات پاس کر لیتی ہیں لیکن آخری نہیں۔ میرے لئے یہ ایک اہم سوال ہے۔ اگر کمپنی اس سوال کے بارے میں نہیں سوچ رہی تو پتا چلتا ہے کہ کمپنی کی اپروچ ٹھیک نہیں ہے اور یہ نہیں سوچ رہی کہ ٹیکنالوجی کس طرح لوگوں کی زندگی کو متاثر کرسکتی ہے۔ اگر آپ ایک ایگزیکٹو کے طور پر اپنی فرم کے لئے مشین لرننگ کے حل تلاش کر رہے ہیں، تو یہ آپ کے لئے اپنے وینڈر کے ساتھ شراکت داری کا انتباہ ہے۔

(Karen Hao) تحریر: کیرن ہائو

Read in English

Authors

*

Top