کیا مصنوعی ذہانت بغیر ڈیٹا کے سیکھ سکتی ہے؟

مصنوعی ذہانت اور ڈیٹا کے تعلق کو سمجھنا

کیا آپ سوچ رہے ہیں، "کیا مصنوعی ذہانت بغیر کسی ڈیٹا کے خود سے سیکھ سکتی ہے؟" سب سے مفصل اور معقول جواب حاصل کرنے کے لیے، آئیے INVIAI کے ساتھ اس موضوع کو گہرائی میں دیکھتے ہیں۔

مثال کے طور پر، نگرانی شدہ سیکھنے میں، مصنوعی ذہانت بڑے ڈیٹا سیٹس سے سیکھتی ہے جنہیں انسانوں نے لیبل کیا ہوتا ہے (تصاویر، متن، آڈیو وغیرہ) تاکہ پیٹرنز کی شناخت کی جا سکے۔

یہاں تک کہ بغیر نگرانی کے سیکھنے میں بھی، مصنوعی ذہانت کو خام، بغیر لیبل کے ڈیٹا کی ضرورت ہوتی ہے تاکہ وہ خود سے اس ڈیٹا میں چھپے ہوئے ڈھانچے یا پیٹرنز دریافت کر سکے۔

لہٰذا، طریقہ کار کی پرواہ کیے بغیر، مصنوعی ذہانت کو ڈیٹا سے "غذا" ملنی چاہیے—چاہے وہ لیبل شدہ ڈیٹا ہو، خود لیبل کردہ ڈیٹا (خود نگرانی شدہ)، یا حقیقی دنیا کے ماحول سے حاصل کردہ ڈیٹا۔ بغیر کسی ان پٹ ڈیٹا کے، نظام کچھ نیا سیکھ نہیں سکتا۔

عام مصنوعی ذہانت کے سیکھنے کے طریقے

آج، مصنوعی ذہانت کے ماڈلز بنیادی طور پر درج ذیل طریقوں سے سیکھتے ہیں:

ری انفورسمنٹ لرننگ ایک سافٹ ویئر ایجنٹ کو یہ سکھانا ہے کہ وہ ماحول میں کیسے برتاؤ کرے، اس کے اعمال کے نتائج سے آگاہ کر کے۔

— ویکیپیڈیا

ایک AI ماڈل کو تربیت دی جاتی ہے تاکہ وہ ایسے اشیاء/تصورات کو پہچانے یا درجہ بندی کرے جن کی مثالیں اس نے پہلے کبھی نہیں دیکھی ہوں۔

— IBM، زیرو شاٹ لرننگ کی تعریف

خلاصہ: یہ تمام طریقے ظاہر کرتے ہیں کہ مصنوعی ذہانت کے لیے بغیر ڈیٹا کے سیکھنے کا کوئی جادوئی طریقہ نہیں ہے—کسی نہ کسی شکل میں۔ مصنوعی ذہانت انسانی لیبل شدہ ڈیٹا پر انحصار کم کر سکتی ہے یا تجربے سے سیکھ سکتی ہے، لیکن وہ کچھ بھی نہ سیکھ سکتی۔

مشہور مصنوعی ذہانت کے سیکھنے کے طریقے

جدید رجحانات: جامد ڈیٹا کی بجائے "تجربے" سے سیکھنا

محققین اب ایسے طریقے تلاش کر رہے ہیں جن سے مصنوعی ذہانت انسانی فراہم کردہ ڈیٹا پر کم انحصار کرے۔ مثال کے طور پر، ڈیپ مائنڈ نے حال ہی میں "تجربہ پر مبنی AI" کے دور میں ایک "streams" ماڈل پیش کیا ہے، جہاں مصنوعی ذہانت بنیادی طور پر دنیا کے ساتھ اپنے تعاملات سے سیکھتی ہے نہ کہ انسانوں کے بنائے ہوئے مسائل اور سوالات سے۔

ہم یہ اس طرح حاصل کر سکتے ہیں کہ ایجنٹس کو مسلسل اپنے تجربات سے سیکھنے کی اجازت دی جائے—یعنی وہ ڈیٹا جو ایجنٹ خود ماحول کے ساتھ تعامل کرتے ہوئے پیدا کرتا ہے… تجربہ بہتری کا بنیادی ذریعہ بن جائے گا، جو آج کے انسانی فراہم کردہ ڈیٹا کے پیمانے سے بڑھ کر ہوگا۔

— ڈیپ مائنڈ ریسرچ، وینچر بیٹ کے حوالے سے

دوسرے الفاظ میں، مستقبل میں مصنوعی ذہانت خود تجربات، مشاہدات، اور عمل کی اصلاح کے ذریعے اپنا ڈیٹا پیدا کرے گی—بالکل اسی طرح جیسے انسان حقیقی دنیا کے تجربے سے سیکھتے ہیں۔

قابل ذکر بات یہ ہے کہ بیرونی تربیتی ڈیٹا استعمال نہ کرنے کے باوجود، AZR ریاضی اور پروگرامنگ کے کاموں میں اعلیٰ کارکردگی دکھاتا ہے، یہاں تک کہ ہزاروں لیبل شدہ مثالوں پر تربیت یافتہ ماڈلز سے بھی بہتر۔ یہ ظاہر کرتا ہے کہ مصنوعی ذہانت مسلسل چیلنجز پیدا کر کے اور حل کر کے اپنا "ڈیٹا سیٹ" خود بنا سکتی ہے۔

جدید رجحان - جامد ڈیٹا کی بجائے "تجربے" سے سیکھنا

اہم نکات

اس کے بجائے، مصنوعی ذہانت انسانی فراہم کردہ ڈیٹا سے کم سیکھ سکتی ہے:

• بغیر لیبل کے ڈیٹا استعمال کر کے (بغیر نگرانی کے سیکھنا)
• ماحولیاتی رائے سے سیکھ کر (ری انفورسمنٹ لرننگ)
• اپنے چیلنجز خود بنا کر (مثلاً AZR ماڈل)

بہت سے ماہرین کا ماننا ہے کہ مستقبل میں مصنوعی ذہانت زیادہ تر اپنے جمع کردہ تجربے سے سیکھے گی، جو اس کی بہتری میں بنیادی "ڈیٹا" کا کردار ادا کرے گا۔