README.md

جنریٹو AI اور بڑے زبان کے ماڈلز کا تعارف

جنریٹو AI مصنوعی ذہانت ہے جو متن، تصاویر اور دیگر اقسام کی مواد تخلیق کرنے کی صلاحیت رکھتی ہے۔ اسے شاندار ٹیکنالوجی بناتی ہے کیونکہ یہ AI کو عوامی بناتی ہے، کوئی بھی اسے صرف ایک متن پرومپٹ، ایک جملہ جو قدرتی زبان میں لکھا گیا ہو، کے ساتھ استعمال کر سکتا ہے۔ آپ کو جاوا یا SQL جیسی زبان سیکھنے کی ضرورت نہیں، آپ کو صرف اپنی زبان استعمال کرنی ہے، جو چاہیں بتائیں اور AI ماڈل سے ایک تجویز سامنے آتی ہے۔ اس کے اطلاق اور اثرات بہت بڑے ہیں، آپ رپورٹیں لکھ یا سمجھ سکتے ہیں، ایپلیکیشنز لکھ سکتے ہیں اور بہت کچھ، سب کچھ سیکنڈوں میں۔

اس نصاب میں، ہم دیکھیں گے کہ ہمارا اسٹارٹ اپ جنریٹو AI کو تعلیمی دنیا میں نئے مناظر کھولنے کے لئے کس طرح استعمال کرتا ہے اور اس کے اطلاق کے سماجی اثرات اور تکنیکی محدودیتوں سے جڑے چیلنجز کو کیسے حل کرتا ہے۔

تعارف

یہ سبق شامل کرے گا:

• کاروباری منظرنامے کا تعارف: ہمارے اسٹارٹ اپ کا خیال اور مشن۔
• جنریٹو AI اور ہم موجودہ تکنیکی منظرنامے پر کیسے پہنچے۔
• بڑے زبان ماڈل کا اندرونی کام۔
• بڑے زبان ماڈلز کی اہم صلاحیتیں اور عملی استعمال کے کیسز۔

سیکھنے کے اہداف

اس سبق کو مکمل کرنے کے بعد، آپ سمجھیں گے:

• جنریٹو AI کیا ہے اور بڑے زبان ماڈلز کیسے کام کرتے ہیں۔
• آپ بڑے زبان ماڈلز کو مختلف استعمال کے کیسز کے لئے کیسے استعمال کر سکتے ہیں، تعلیمی منظرنامے پر توجہ کے ساتھ۔

منظرنامہ: ہمارا تعلیمی اسٹارٹ اپ

جنریٹو مصنوعی ذہانت (AI) AI ٹیکنالوجی کا اعلیٰ مقام ہے، جو ایک بار ناممکن سمجھا جانے والے حدود کو پھیلتا ہے۔ جنریٹو AI ماڈلز کے کئی صلاحیتیں اور اطلاقات ہیں، لیکن اس نصاب کے لئے ہم دیکھیں گے کہ یہ تعلیم کو کس طرح انقلاب میں بدل رہا ہے ایک خیالی اسٹارٹ اپ کے ذریعے۔ ہم اس اسٹارٹ اپ کو ہمارا اسٹارٹ اپ کہیں گے۔ ہمارا اسٹارٹ اپ تعلیم کے میدان میں کام کرتا ہے جس کے بلند مشن بیان کے ساتھ:

سیکھنے میں رسائی کو بہتر بنانا، عالمی پیمانے پر، تعلیم کی مساوی رسائی کو یقینی بنانا اور ہر سیکھنے والے کو ان کی ضروریات کے مطابق ذاتی سیکھنے کے تجربات فراہم کرنا۔

ہمارا اسٹارٹ اپ ٹیم جانتی ہے کہ ہم اس مقصد کو حاصل نہیں کر سکیں گے بغیر جدید دور کے سب سے طاقتور آلات میں سے ایک کو استعمال کیے بغیر – بڑے زبان ماڈلز (LLMs)۔

جنریٹو AI آج کے سیکھنے اور تعلیم دینے کے طریقے کو انقلاب میں بدلنے کی توقع ہے، طالب علموں کے پاس 24 گھنٹے کے ورچوئل اساتذہ ہوں گے جو وسیع مقدار میں معلومات اور مثالیں فراہم کریں گے، اور اساتذہ انوکھے آلات کو استعمال کر کے اپنے طالب علموں کا جائزہ لے سکتے ہیں اور فیڈبیک دے سکتے ہیں۔

شروع کرنے کے لئے، آئیے کچھ بنیادی تصورات اور اصطلاحات کی وضاحت کریں جو ہم نصاب میں استعمال کریں گے۔

ہمیں جنریٹو AI کیسے ملا؟

جنریٹو AI ماڈلز کے اعلان سے حال ہی میں پیدا ہونے والے غیر معمولی ہائپ کے باوجود، یہ ٹیکنالوجی دہائیوں سے بن رہی ہے، پہلی تحقیق کی کوششیں 60 کی دہائی میں شروع ہوئیں۔ ہم اب ایک ایسے مقام پر ہیں جہاں AI انسانی علمی صلاحیتیں رکھتا ہے، جیسے کہ گفتگو جیسا کہ مثال کے طور پر OpenAI ChatGPT یا Bing Chat، جو ویب سرچ Bing گفتگو کے لئے بھی GPT ماڈل استعمال کرتا ہے۔

کچھ پیچھے ہٹتے ہوئے، AI کے ابتدائی پروٹوٹائپ ٹائپ رائٹن چیٹ بوٹس پر مشتمل تھے، جو ماہرین کے گروپ سے نکالی گئی معلومات کی بنیاد پر انٹرپریٹڈ تھے۔ معلومات کی بنیاد میں موجود جوابات ان پٹ متن میں ظاہر ہونے والے کلیدی الفاظ کے ذریعے فعال کیے گئے تھے۔ تاہم، جلد ہی یہ واضح ہو گیا کہ ایسا طریقہ، ٹائپ رائٹن چیٹ بوٹس کا استعمال، اچھی طرح سے پیمانہ نہیں کرتا۔

AI کے لئے ایک شماریاتی طریقہ: مشین لرننگ

90 کی دہائی کے دوران ایک اہم موڑ آیا، جب متن کے تجزیہ کے لئے شماریاتی طریقہ کا اطلاق ہوا۔ اس نے نئے الگوریتھمز کی ترقی کی قیادت کی – جسے مشین لرننگ کہا جاتا ہے – جو بغیر کسی خاص پروگرامنگ کے ڈیٹا سے نمونے سیکھنے کی صلاحیت رکھتے ہیں۔ یہ طریقہ مشینوں کو انسانی زبان کی تفہیم کو نقل کرنے کی اجازت دیتا ہے: ایک شماریاتی ماڈل متن-لیبل جوڑوں پر تربیت یافتہ ہوتا ہے، ماڈل کو نامعلوم ان پٹ متن کو ایک پیش گی لیبل کے ساتھ درجہ بندی کرنے کی اجازت دیتا ہے جو پیغام کی نیت کو ظاہر کرتا ہے۔

نیورل نیٹ ورک اور جدید ورچوئل اسسٹنٹس

حالیہ برسوں میں، ہارڈ ویئر کی تکنیکی ترقی، جو بڑے مقدار میں ڈیٹا اور زیادہ پیچیدہ حسابات کو ہینڈل کرنے کی صلاحیت رکھتی ہے، AI میں تحقیق کو بڑھاوا دیتی ہے، جس کے نتیجے میں جدید مشین لرننگ الگوریتھمز کی ترقی ہوتی ہے جسے نیورل نیٹ ورک یا ڈیپ لرننگ الگوریتھمز کہا جاتا ہے۔

نیورل نیٹ ورک (اور خاص طور پر ری کرنٹ نیورل نیٹ ورک – RNNs) نے قدرتی زبان کے پراسیسنگ کو بہت بہتر بنایا، متن کے معنی کی نمائندگی کو زیادہ معقول طریقے سے ممکن بنایا، جملے میں لفظ کے سیاق و سباق کی قدر کو بڑھایا۔

یہ وہ ٹیکنالوجی ہے جو نئے صدی کے پہلے عشرے میں پیدا ہونے والے ورچوئل اسسٹنٹس کو طاقت دیتی ہے، جو انسانی زبان کی تشریح کرنے، ضرورت کی شناخت کرنے اور اسے پورا کرنے کے لئے کارروائی کرنے میں بہت ماہر ہیں – جیسے کہ پیش گی اسکرپٹ کے ساتھ جواب دینا یا 3rd پارٹی سروس کا استعمال کرنا۔

موجودہ دن، جنریٹو AI

تو یہ ہے کہ ہم آج جنریٹو AI تک کیسے پہنچے، جسے ڈیپ لرننگ کا ایک ذیلی سیٹ کے طور پر دیکھا جا سکتا ہے۔

AI کے میدان میں دہائیوں کی تحقیق کے بعد، ایک نیا ماڈل معماری – جسے Transformer کہا جاتا ہے – RNNs کی حدود کو ختم کر دیا، بہت طویل متن کی تسلسل کو ان پٹ کے طور پر حاصل کرنے کی صلاحیت رکھتا ہے۔ Transformers توجہ کے میکانزم پر مبنی ہیں، ماڈل کو ان پٹ پر مختلف وزن دینے کی اجازت دیتے ہیں، جہاں سب سے زیادہ متعلقہ معلومات مرکوز ہوتی ہیں وہاں 'زیادہ توجہ' دیتے ہیں، بغیر ان کے ترتیب کے متن کی تسلسل میں۔

زیادہ تر حالیہ جنریٹو AI ماڈلز – جنہیں بڑے زبان ماڈلز (LLMs) بھی کہا جاتا ہے، چونکہ وہ متن کی ان پٹ اور آؤٹ پٹ کے ساتھ کام کرتے ہیں – دراصل اس معماری پر مبنی ہیں۔ ان ماڈلز کے بارے میں دلچسپ بات یہ ہے – جو مختلف ذرائع جیسے کتابیں، مضامین اور ویب سائٹس سے بڑے مقدار میں غیر لیبل شدہ ڈیٹا پر تربیت یافتہ ہیں – کہ وہ مختلف کاموں کے لئے ڈھالے جا سکتے ہیں اور تخلیقی ظاہری کے ساتھ گرامر کی صحیح متن تخلیق کر سکتے ہیں۔ تو نہ صرف انہوں نے مشین کی ان پٹ متن کو 'سمجھنے' کی صلاحیت کو بہت بہتر بنایا، بلکہ انہوں نے انسانی زبان میں ایک اصل جواب تخلیق کرنے کی صلاحیت کو ممکن بنایا۔

بڑے زبان ماڈلز کیسے کام کرتے ہیں؟

اگلے باب میں ہم مختلف قسم کے جنریٹو AI ماڈلز کی تحقیق کریں گے، لیکن ابھی کے لئے آئیے دیکھیں کہ بڑے زبان ماڈلز کیسے کام کرتے ہیں، OpenAI GPT (Generative Pre-trained Transformer) ماڈلز پر توجہ کے ساتھ۔

• ٹوکینائزر، متن کو نمبروں میں تبدیل کرنا: بڑے زبان ماڈلز ایک متن کو ان پٹ کے طور پر وصول کرتے ہیں اور ایک متن کو آؤٹ پٹ کے طور پر تخلیق کرتے ہیں۔ تاہم، چونکہ وہ شماریاتی ماڈلز ہیں، وہ نمبروں کے ساتھ متن کی تسلسل سے بہتر کام کرتے ہیں۔ یہی وجہ ہے کہ ماڈل کے ہر ان پٹ کو ایک ٹوکینائزر کے ذریعے پروسیس کیا جاتا ہے، ماڈل کے کور کے ذریعے استعمال ہونے سے پہلے۔ ایک ٹوکن متن کا ایک ٹکڑا ہوتا ہے – جو مختلف تعداد کے حروف پر مشتمل ہوتا ہے، تو ٹوکینائزر کا بنیادی کام ان پٹ کو ٹوکینز کی ایک صف میں تقسیم کرنا ہوتا ہے۔ پھر، ہر ٹوکن کو ایک ٹوکن انڈیکس کے ساتھ میپ کیا جاتا ہے، جو اصل متن کے ٹکڑے کا انٹیجر انکوڈنگ ہوتا ہے۔

• آؤٹ پٹ ٹوکینز کی پیش گوئی کرنا: دیے گئے n ٹوکینز کو ان پٹ کے طور پر (زیادہ سے زیادہ n ماڈل سے دوسرے ماڈل تک مختلف ہوتا ہے)، ماڈل ایک ٹوکن کو آؤٹ پٹ کے طور پر پیش گوئی کرنے کی صلاحیت رکھتا ہے۔ یہ ٹوکن پھر اگلی تکرار کے ان پٹ میں شامل ہوتا ہے، ایک بڑھتے ہوئے ونڈو پیٹرن میں، ایک بہتر صارف تجربے کو ممکن بناتا ہے کہ جواب کے طور پر ایک (یا متعدد) جملہ حاصل ہو۔ یہ وضاحت کرتا ہے کہ اگر آپ نے کبھی ChatGPT کے ساتھ کھیل کھیلا ہو، تو آپ نے دیکھا ہوگا کہ کبھی کبھی ایسا لگتا ہے کہ یہ جملے کے درمیان میں رک جاتا ہے۔

• انتخابی عمل، احتمال کی تقسیم: آؤٹ پٹ ٹوکن ماڈل کے ذریعے منتخب کیا جاتا ہے اس کے احتمال کے مطابق جو موجودہ متن کی تسلسل کے بعد ہوتا ہے۔ یہ اس لئے ہوتا ہے کیونکہ ماڈل تمام ممکنہ 'اگلے ٹوکینز' پر احتمال کی تقسیم کی پیش گوئی کرتا ہے، جو اس کی تربیت کے بنیاد پر حساب کیا جاتا ہے۔ تاہم، ہمیشہ نہیں ہوتا کہ سب سے زیادہ احتمال والا ٹوکن نتیجہ تقسیم سے منتخب کیا جاتا ہے۔ اس انتخاب میں کچھ حد تک بے ترتیبی شامل کی جاتی ہے، ایک طرح سے کہ ماڈل غیر متعین انداز میں کام کرتا ہے - ہمیں ایک ہی ان پٹ کے لئے بالکل وہی آؤٹپٹ نہیں ملتا۔ اس بے ترتیبی کی حد کو ایک ماڈل پیرامیٹر جسے درجہ حرارت کہا جاتا ہے کے ذریعے ٹون کیا جا سکتا ہے۔

ہمارا اسٹارٹ اپ بڑے زبان ماڈلز کو کیسے استعمال کر سکتا ہے؟

اب جب کہ ہمیں بڑے زبان ماڈل کے اندرونی کام کی بہتر سمجھ حاصل ہو گئی ہے، آئیے کچھ عملی مثالیں دیکھیں جو سب سے عام کاموں کو وہ بہت اچھے طریقے سے انجام دے سکتے ہیں، ہمارے کاروباری منظرنامے کی نظر کے ساتھ۔ ہم نے کہا کہ بڑے زبان ماڈل کی بنیادی صلاحیت ہے قدرتی زبان میں لکھے گئے متن کی ان پٹ سے شروع کر کے مکمل طور پر نیا متن تخلیق کرنا۔

لیکن کس قسم کی متن کی ان پٹ اور آؤٹ پٹ؟ بڑے زبان ماڈل کی ان پٹ کو پرومپٹ کہا جاتا ہے، جبکہ آؤٹ پٹ کو کمپلیشن کہا جاتا ہے، جو ماڈل میکانزم کے اگلے ٹوکن کو موجودہ ان پٹ کو مکمل کرنے کے لئے تخلیق کرنے کی طرف اشارہ کرتا ہے۔ ہم پرومپٹ کیا ہے اور اس کو کس طرح ڈیزائن کرنا ہے تاکہ ہمارے ماڈل سے زیادہ سے زیادہ فائدہ حاصل کیا جا سکے اس پر گہرائی سے غور کریں گے۔ لیکن ابھی کے لئے، آئیے یہ کہیں کہ ایک پرومپٹ شامل کر سکتا ہے:

• ایک ہدایت جو ماڈل سے متوقع آؤٹ پٹ کی قسم کی وضاحت کرتی ہے۔ یہ ہدایت بعض اوقات کچھ مثالیں یا کچھ اضافی ڈیٹا بھی شامل کر سکتی ہے۔

  1. ایک مضمون، کتاب، پروڈکٹ کے جائزے اور مزید کی خلاصہ کے ساتھ غیر ساختہ ڈیٹا سے بصیرت نکالنا۔

  2. ایک مضمون، ایک مقالہ، ایک اسائنمنٹ یا مزید کی تخلیقی تصنیف اور ڈیزائن۔

• ایک سوال، ایک ایجنٹ کے ساتھ گفتگو کی شکل میں پوچھا گیا۔

• ایک مکمل کرنے کے لئے متن کا ٹکڑا، جو ضمنی طور پر لکھنے کی مدد کے لئے درخواست ہے۔

• ایک کوڈ کا ٹکڑا ساتھ ہی اس کی وضاحت اور دستاویز کرنے کی درخواست، یا ایک تبصرہ جو مخصوص کام انجام دینے کے لئے کوڈ کا ٹکڑا تخلیق کرنے کی درخواست کرتا ہے۔

اوپر دی گئی مثالیں کافی سادہ ہیں اور بڑے زبان ماڈلز کی صلاحیتوں کی مکمل مظاہرے کے لئے نہیں ہیں۔ وہ جنریٹو AI کے استعمال کے ممکنات کو ظاہر کرنے کے لئے ہیں، خاص طور پر لیکن تعلیمی سیاق و سباق تک محدود نہیں۔

اس کے علاوہ، جنریٹو AI ماڈل کا آؤٹپٹ کامل نہیں ہے اور کبھی کبھار ماڈل کی تخلیقی صلاحیت اس کے خلاف کام کر سکتی ہے، نتیجے میں آؤٹپٹ جو انسانی صارف کے ذریعہ حقیقت کی غلط تشریح کے طور پر سمجھا جا سکتا ہے، یا یہ توہین آمیز ہو سکتا ہے۔ جنریٹو AI ذہین نہیں ہے - کم از کم ذہانت کی زیادہ جامع تعریف میں، جس میں تنقیدی اور تخلیقی استدلال یا جذباتی ذہانت شامل ہے؛ یہ متعین نہیں ہے، اور یہ قابل اعتماد نہیں ہے، کیونکہ غلط حوالہ جات، مواد، اور بیانات صحیح معلومات کے ساتھ ملا کر، اور ایک قائل اور پراعتماد انداز میں پیش کیے جا سکتے ہیں۔ اگلے اسباق میں، ہم ان تمام محدودیتوں سے نمٹیں گے اور دیکھیں گے کہ ہم ان کو کیسے کم کر سکتے ہیں۔

اسائنمنٹ

آپ کا اسائنمنٹ یہ ہے کہ جنریٹو AI پر مزید پڑھیں اور ایک ایسا علاقہ شناخت کریں جہاں آپ آج جنریٹو AI شامل کریں گے جو ابھی نہیں ہے۔ "پرانے طریقے" سے کرنے کے مقابلے میں اثر کس طرح مختلف ہوگا، کیا آپ کچھ ایسا کر سکتے ہیں جو آپ پہلے نہیں کر سکتے تھے، یا آپ تیز ہیں؟ اپنے خواب AI اسٹارٹ اپ کیسا ہوگا اس پر 300 الفاظ کا خلاصہ لکھیں اور "مسئلہ"، "میں AI کیسے استعمال کروں گا"، "اثر" جیسے سرخی شامل کریں اور اختیاری طور پر ایک کاروباری منصوبہ۔

اگر آپ نے یہ کام کیا ہے، تو آپ مائیکروسافٹ کے انکیوبیٹر میں درخواست دینے کے لئے تیار ہو سکتے ہیں، Microsoft for Startups Founders Hub ہم Azure، OpenAI، مشاورت اور بہت کچھ کے لئے کریڈٹس پیش کرتے ہیں، چیک کریں!

علم کی جانچ

بڑے زبان ماڈلز کے بارے میں کیا صحیح ہے؟

1. آپ کو ہر بار بالکل وہی جواب ملتا ہے۔
2. یہ چیزوں کو بالکل صحیح کرتا ہے، اعداد کو جمع کرنے، کام کرنے والے کوڈ کو تخلیق کرنے وغیرہ میں بہت اچھا ہے۔
3. جواب مختلف ہو سکتا ہے باوجود کہ ایک ہی پرومپٹ استعمال کر رہے ہیں۔ یہ آپ کو کسی چیز کا پہلا مسودہ دینے میں بھی بہت اچھا ہے، چاہے وہ متن ہو یا کوڈ۔ لیکن آپ کو نتائج کو بہتر بنانا ہوتا ہے۔

A: 3، ایک LLM غیر متعین ہے، جواب مختلف ہوتا ہے، تاہم، آپ اس کی مختلفیت کو درجہ حرارت کی ترتیب کے ذریعے کنٹرول کر سکتے ہیں۔ آپ کو یہ بھی توقع نہیں کرنی چاہئے کہ یہ چیزوں کو بالکل صحیح کرے، یہ آپ کے لئے بھاری کام کرنے کے لئے یہاں ہے جس کا مطلب اکثر ہوتا ہے کہ آپ کو کسی چیز کی ایک اچھی پہلی کوشش ملتی ہے جسے آپ کو بتدریج بہتر بنانا ہوتا ہے۔

زبردست کام! سفر جاری رکھیں

اس سبق کو مکمل کرنے کے بعد، ہمارے جنریٹو AI سیکھنے کی کلیکشن کو چیک کریں تاکہ آپ جنریٹو AI کے علم کو بڑھا سکیں!

سبق 2 کی طرف جائیں جہاں ہم دیکھیں گے کہ مختلف LLM اقسام کو کیسے تلاش کریں اور ان کا موازنہ کریں!

ڈس کلیمر:
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 غلط بیانی ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ورانہ 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۔