31/01/2025
میتھ اور AI
ذہانت تجربے سے سیکھنے کا نام ہے۔ مصنوعی ذہانت میں ایسا سسٹم ڈویلپ کرنا ہے جو تجربے سے سیکھ سکے، ایسے کام کر سکے جس کے لئے human intelligence چاہیے ۔ جیسے ہی کوئی مسئلہ درپیش ہو ، ہم وہ سیچوایشن یا حالات یاد کرتے ہیں جن میں پہلے وہ مسئلہ حل کیا ہو، اگر کوئی ایکشن لیں تو سوچتے ہیں کہ اس کے بعد کیا ہو گا، فیل ہو جائیں تو یہ سوچتے ہیں کہ کیا مختلف کر سکتے تھے، اور اس جیسے مختلف سوالات ۔۔ یہی سب کچھ کرنا ہے اور اس سب کو مشین کو سکھانا ہے۔
ایک تو کرنے سمجھنے کا کام یہ ہے کہ AI سے فرق کہاں کہاں اور کیا پڑے گا اور دوسرا کرنے سمجھنے کا کام یہ ہے کہ AI کی ٹیکنیکل سائیڈ کو سمجھا جائے ۔ کہاں فرق پڑے گا اور کیا فرق پڑے گا، اس پر تو سوشل میڈیا بھرا پڑا ہے۔ ہم دوسری سائیڈ کی بات کرتے ہیں۔ AI میں شامل ہیں وہ کمپیوٹر پروگرام (ایکسپرٹ سسٹم) جو sense کر سکیں ، reasoning کر سکیں ، پہچان سکیں ، ایکشن لے سکیں، خود کو update کرسکیں، adopt کر سکیں اور decision rules بنا سکیں ، اس کے اندر آ تی ہے پھر مشین لرننگ اور deep learning.
مشین لرننگ کے تمام الگورتھمز linear algebra, کیلکولس، optimization theory, probability theory and statistics اور پروگرامنگ سکلز کا تقاضا کرتے ہیں۔ جیسے جیسے پرابلمز specificہوتے جائیں گے تو relevant domain کا نالج اتنا ضرور ی ہوتا جائے گا۔ جب سے AI نے زور پکڑا ہے تب سے دنیا بھر کی تعلیم میں میتھ، کمپیوٹر اور سٹیٹ کا قابل استعمال علم ہر ایک شعبے کے لئے ضروری ہے چاہے کوئی میڈیکل کے شعبے میں ہی کیوں نہ ہو۔
جب میں linear algebra پڑھاؤ ں گا ، یا optimization theory پڑھاؤ ں گا تو پہلا سوال جو زیر بحث لاؤں گا وہ یہ ہے کہ یہ سب کیوں پڑھنا ہے اور اس سے فائدہ کیسے لینا ہے۔ کون سے جدید کورس اس کے علم کو استعمال میں لاتے ہیں، ماہرین اس کے علم سے بالواسطہ یا بلا واسطہ کیسے فائدے اٹھا رہے، الگورتھمز کی زبان میں کیا فائدہ دیتا ہے اور کہاں پر ہمارے دماغ کی بتی گل ہو جائے گی اور ہمیںgeneralization اور computer کا سہارا لینا ہے۔ اس سمسٹر میں optimization theory کا کورس شروع کیا ہے تو کہانی Artificial Neural Network سے شروع کی ہے۔ ANN کے fundamentals سمجھیں تو artificial neuron, input, weights, activation function, feed forward process, loss function, backpropagation, gradient descent ایک ایک ٹرم mathematical nature کی ہے۔
غور کریں linear algebra چاہیے input vector اور weight matrix کی ڈیلنگ کے لئے، calculus چاہیےactivation function, gradient descent, chain rule کے لئے ، optimization theory چاہیے loss function اور لرننگ کے لئے ، probability theory اور سٹیٹ چاہیے ڈیٹا اور stochastic issues ہینڈل کرنے کے لئے ، پروگرامنگ ا س لئے چاہیے کہ یہ سب manually ہو نہیں سکتا ۔ اس ساری کچھڑی کی ترتیب درست کرنے ،پرابلم ٹو پرابلم اس کی ایڈجسٹمنٹ کے لئے mathematical modeling چاہیے ۔
اگر میتھ ڈھنگ سے پڑھا پڑھایا جائے تو بہت سے ماڈرن کیریئر اور ڈائریکشنز۔ اس سب کے ساتھ فنانس کا تڑکا لگ جائے تو کیا بات۔ 2028 تک 33٪ گروتھ ہے میتھ کیریئرز میں ۔
تھوڑا سا حلیہ بہتر کرنا پڑے گا، بولنا سیکھنا پڑے گا، ناجائز شرافت اور ناجائز خاموشی سے نجات چاہیے ۔ سن کر مسئلہ سمجھ آ ئے اور بول کر سولیوشن سمجھا نا آ نا چاہیے ۔
ڈاکٹر عمران جاوید