AI-For-Beginners/translations/ur/lessons/1-Intro

تصویر از دیمتری سوشنیکوف

وقت کے ساتھ ساتھ کمپیوٹنگ وسائل سستے ہو گئے اور زیادہ ڈیٹا دستیاب ہو گیا، جس کی وجہ سے نیورل نیٹ ورک کے طریقے بہت سے شعبوں میں انسانوں کے ساتھ مقابلہ کرنے میں شاندار کارکردگی دکھانے لگے، جیسے کمپیوٹر وژن یا تقریر کو سمجھنا۔ پچھلی دہائی میں، مصنوعی ذہانت کی اصطلاح زیادہ تر نیورل نیٹ ورکس کے مترادف کے طور پر استعمال کی گئی ہے، کیونکہ زیادہ تر AI کی کامیابیاں جن کے بارے میں ہم سنتے ہیں، انہی پر مبنی ہیں۔

ہم دیکھ سکتے ہیں کہ مختلف طریقے کیسے بدلے، مثال کے طور پر، شطرنج کھیلنے والے کمپیوٹر پروگرام بنانے میں:

• ابتدائی شطرنج کے پروگرام تلاش پر مبنی تھے – ایک پروگرام واضح طور پر اگلے چند چالوں کے لیے حریف کے ممکنہ اقدامات کا اندازہ لگانے کی کوشش کرتا تھا اور ایک مثالی چال کا انتخاب اس بنیاد پر کرتا تھا کہ چند چالوں میں بہترین پوزیشن حاصل کی جا سکتی ہے۔ اس سے الفا-بیٹا پروننگ تلاش کے الگورتھم کی ترقی ہوئی۔
• تلاش کی حکمت عملی کھیل کے اختتام کی طرف اچھی طرح کام کرتی ہیں، جہاں تلاش کی جگہ ممکنہ چالوں کی کم تعداد سے محدود ہوتی ہے۔ تاہم، کھیل کے آغاز میں، تلاش کی جگہ بہت بڑی ہوتی ہے، اور الگورتھم کو انسانی کھلاڑیوں کے درمیان موجودہ میچوں سے سیکھ کر بہتر بنایا جا سکتا ہے۔ بعد کے تجربات میں کیس پر مبنی استدلال کا استعمال کیا گیا، جہاں پروگرام علم کے ذخیرے میں موجودہ پوزیشن سے بہت ملتے جلتے کیسز تلاش کرتا تھا۔
• جدید پروگرام جو انسانی کھلاڑیوں کو شکست دیتے ہیں، نیورل نیٹ ورکس اور ری انفورسمنٹ لرننگ پر مبنی ہیں، جہاں پروگرام خود سے کھیل کر اور اپنی غلطیوں سے سیکھ کر کھیلنا سیکھتے ہیں – بالکل اسی طرح جیسے انسان شطرنج کھیلنا سیکھتے ہیں۔ تاہم، ایک کمپیوٹر پروگرام بہت کم وقت میں بہت زیادہ گیمز کھیل سکتا ہے، اور اس طرح بہت تیزی سے سیکھ سکتا ہے۔

✅ تحقیق کریں کہ اور کون سے کھیل ہیں جو AI کے ذریعے کھیلے گئے ہیں۔

اسی طرح، ہم دیکھ سکتے ہیں کہ "بات کرنے والے پروگرام" (جو ٹورنگ ٹیسٹ پاس کر سکتے ہیں) بنانے کے طریقے کیسے بدلے:

• اس قسم کے ابتدائی پروگرام، جیسے Eliza، بہت سادہ گرامر کے اصولوں اور ان پٹ جملے کو سوال میں دوبارہ ترتیب دینے پر مبنی تھے۔
• جدید اسسٹنٹس، جیسے Cortana، Siri یا Google Assistant، سب ہائبرڈ سسٹمز ہیں جو نیورل نیٹ ورکس کا استعمال کرتے ہیں تاکہ تقریر کو متن میں تبدیل کریں اور ہمارے ارادے کو پہچانیں، اور پھر کچھ استدلال یا واضح الگورتھمز کے ذریعے مطلوبہ اعمال انجام دیں۔
• مستقبل میں، ہم توقع کر سکتے ہیں کہ ایک مکمل نیورل پر مبنی ماڈل خود ہی مکالمے کو سنبھالے۔ حالیہ GPT اور Turing-NLG نیورل نیٹ ورکس کے خاندان اس میں بڑی کامیابی دکھا رہے ہیں۔

تصویر از دمتری سوشنیکوف، تصویر از مارینا ابروسیمووا، انسپلیش

حالیہ AI تحقیق

نیورل نیٹ ورک تحقیق میں حالیہ زبردست ترقی تقریباً 2010 کے آس پاس شروع ہوئی، جب بڑے عوامی ڈیٹا سیٹس دستیاب ہونے لگے۔ تصاویر کا ایک بڑا مجموعہ جسے ImageNet کہا جاتا ہے، جس میں تقریباً 14 ملین تشریح شدہ تصاویر شامل ہیں، نے ImageNet Large Scale Visual Recognition Challenge کو جنم دیا۔

تصویر از دمتری سوشنیکوف

2012 میں، Convolutional Neural Networks کو پہلی بار تصویر کی درجہ بندی میں استعمال کیا گیا، جس سے درجہ بندی کی غلطیوں میں نمایاں کمی ہوئی (تقریباً 30% سے 16.4% تک)۔ 2015 میں، مائیکروسافٹ ریسرچ کی ResNet آرکیٹیکچر نے انسانی سطح کی درستگی حاصل کی۔

تب سے، نیورل نیٹ ورکس نے کئی کاموں میں بہت کامیاب رویہ دکھایا ہے:

---

سال	انسانی برابری حاصل کی گئی
2015	تصویر کی درجہ بندی
2016	گفتگو کی تقریر کی شناخت
2018	خودکار مشین ترجمہ (چینی سے انگریزی)
2020	تصویر کی وضاحت

گزشتہ چند سالوں میں ہم نے بڑے زبان ماڈلز جیسے BERT اور GPT-3 کے ساتھ زبردست کامیابیاں دیکھی ہیں۔ یہ زیادہ تر اس وجہ سے ہوا کہ عام متن کے ڈیٹا کی بڑی مقدار دستیاب ہے، جو ہمیں ماڈلز کو متن کی ساخت اور معنی کو سمجھنے کے لیے تربیت دینے کی اجازت دیتی ہے، انہیں عمومی متن کے مجموعوں پر پہلے سے تربیت دیتی ہے، اور پھر ان ماڈلز کو زیادہ مخصوص کاموں کے لیے مہارت دیتی ہے۔ ہم اس کورس میں بعد میں قدرتی زبان کی پروسیسنگ کے بارے میں مزید سیکھیں گے۔

🚀 چیلنج

انٹرنیٹ کا جائزہ لیں اور یہ طے کریں کہ آپ کی رائے میں AI سب سے مؤثر طریقے سے کہاں استعمال ہو رہا ہے۔ کیا یہ کسی میپنگ ایپ میں ہے، یا کسی تقریر سے متن کی خدمت میں یا کسی ویڈیو گیم میں؟ تحقیق کریں کہ یہ نظام کیسے بنایا گیا۔

لیکچر کے بعد کا کوئز

جائزہ اور خود مطالعہ

AI اور ML کی تاریخ کا جائزہ لیں اور اس سبق کو پڑھیں۔ اس سبق یا اس سبق کے اوپر موجود اسکیچ نوٹ سے ایک عنصر لیں اور اس کے ارتقاء کو سمجھنے کے لیے اس کے ثقافتی سیاق و سباق پر مزید تحقیق کریں۔

اسائنمنٹ: گیم جام

ڈسکلیمر:
یہ دستاویز AI ترجمہ سروس Co-op Translator کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔