18 KiB
مشین لرننگ کی تاریخ
خاکہ: Tomomi Imura
لیکچر سے پہلے کا کوئز
🎥 اوپر دی گئی تصویر پر کلک کریں تاکہ اس سبق پر مبنی مختصر ویڈیو دیکھ سکیں۔
اس سبق میں، ہم مشین لرننگ اور مصنوعی ذہانت کی تاریخ کے اہم مراحل کا جائزہ لیں گے۔
مصنوعی ذہانت (AI) کی تاریخ مشین لرننگ کی تاریخ سے جڑی ہوئی ہے، کیونکہ وہ الگورتھمز اور کمپیوٹیشنل ترقیات جو مشین لرننگ کو بنیاد فراہم کرتی ہیں، AI کی ترقی میں بھی مددگار ثابت ہوئیں۔ یہ یاد رکھنا مفید ہے کہ، اگرچہ یہ شعبے 1950 کی دہائی میں الگ الگ تحقیقی میدان کے طور پر واضح ہونے لگے، اہم الگورتھمک، شماریاتی، ریاضیاتی، کمپیوٹیشنل اور تکنیکی دریافتیں اس دور سے پہلے اور اس کے ساتھ ساتھ موجود تھیں۔ حقیقت میں، لوگ ان سوالات پر سینکڑوں سالوں سے غور کر رہے ہیں: یہ مضمون 'سوچنے والی مشین' کے تصور کی تاریخی فکری بنیادوں پر بحث کرتا ہے۔
قابل ذکر دریافتیں
- 1763، 1812 بیز تھیورم اور اس کے پیشرو۔ یہ تھیورم اور اس کے اطلاقات استنباط کی بنیاد فراہم کرتے ہیں، جو کسی واقعے کے وقوع پذیر ہونے کے امکان کو پہلے سے موجود معلومات کی بنیاد پر بیان کرتے ہیں۔
- 1805 لیسٹ اسکوائر تھیوری فرانسیسی ریاضی دان Adrien-Marie Legendre کی دریافت۔ یہ تھیوری، جس کے بارے میں آپ ہمارے ریگریشن یونٹ میں سیکھیں گے، ڈیٹا فٹنگ میں مدد کرتی ہے۔
- 1913 مارکوف چینز، روسی ریاضی دان Andrey Markov کے نام سے منسوب، ایک سابقہ حالت کی بنیاد پر ممکنہ واقعات کی ترتیب کو بیان کرنے کے لیے استعمال ہوتی ہیں۔
- 1957 پرسپٹرون ایک قسم کا لکیری درجہ بندی کرنے والا الگورتھم ہے جسے امریکی ماہر نفسیات Frank Rosenblatt نے ایجاد کیا، اور یہ ڈیپ لرننگ میں ترقیات کی بنیاد فراہم کرتا ہے۔
- 1967 نیرسٹ نیبر ایک الگورتھم ہے جو اصل میں راستے نقشہ بنانے کے لیے ڈیزائن کیا گیا تھا۔ مشین لرننگ کے تناظر میں یہ پیٹرنز کا پتہ لگانے کے لیے استعمال ہوتا ہے۔
- 1970 بیک پروپیگیشن فیڈ فارورڈ نیورل نیٹ ورکس کو تربیت دینے کے لیے استعمال ہوتا ہے۔
- 1982 ریکَرَنٹ نیورل نیٹ ورکس فیڈ فارورڈ نیورل نیٹ ورکس سے ماخوذ مصنوعی نیورل نیٹ ورکس ہیں جو وقتی گراف بناتے ہیں۔
✅ تھوڑا تحقیق کریں۔ مشین لرننگ اور AI کی تاریخ میں کون سے دیگر اہم تاریخیں نمایاں ہیں؟
1950: سوچنے والی مشینیں
ایلن ٹورنگ، ایک واقعی غیر معمولی شخصیت، جسے 2019 میں عوامی ووٹ کے ذریعے 20ویں صدی کا سب سے بڑا سائنسدان قرار دیا گیا، 'سوچنے والی مشین' کے تصور کی بنیاد رکھنے میں مدد کرنے کا سہرا ان کے سر جاتا ہے۔ انہوں نے اس تصور کے لیے تجرباتی ثبوت کی ضرورت اور ناقدین کے ساتھ بحث کرتے ہوئے ٹورنگ ٹیسٹ تخلیق کیا، جسے آپ ہمارے NLP اسباق میں دریافت کریں گے۔
1956: ڈارٹماؤتھ سمر ریسرچ پروجیکٹ
"ڈارٹماؤتھ سمر ریسرچ پروجیکٹ مصنوعی ذہانت کے میدان کے لیے ایک اہم واقعہ تھا"، اور یہیں پر 'مصنوعی ذہانت' کی اصطلاح وضع کی گئی (ماخذ)۔
سیکھنے یا ذہانت کی کسی بھی خصوصیت کو اصولی طور پر اتنا واضح طور پر بیان کیا جا سکتا ہے کہ ایک مشین اسے نقل کر سکے۔
مرکزی محقق، ریاضی کے پروفیسر John McCarthy، نے امید ظاہر کی کہ "سیکھنے یا ذہانت کی کسی بھی خصوصیت کو اصولی طور پر اتنا واضح طور پر بیان کیا جا سکتا ہے کہ ایک مشین اسے نقل کر سکے۔" شرکاء میں اس میدان کے ایک اور ممتاز شخصیت Marvin Minsky بھی شامل تھے۔
یہ ورکشاپ کئی مباحثوں کو شروع کرنے اور حوصلہ افزائی کرنے کا سہرا رکھتی ہے، جن میں "علامتی طریقوں کا عروج، محدود ڈومینز پر مرکوز نظام (ابتدائی ماہر نظام)، اور استنتاجی نظام بمقابلہ استقرائی نظام" شامل ہیں۔ (ماخذ)۔
1956 - 1974: "سنہری دور"
1950 کی دہائی سے لے کر 70 کی دہائی کے وسط تک، AI کے ذریعے کئی مسائل حل کرنے کی امید میں خوشی کا دور تھا۔ 1967 میں، Marvin Minsky نے پُر اعتماد انداز میں کہا کہ "ایک نسل کے اندر ... 'مصنوعی ذہانت' تخلیق کرنے کا مسئلہ بنیادی طور پر حل ہو جائے گا۔" (Minsky, Marvin (1967), Computation: Finite and Infinite Machines, Englewood Cliffs, N.J.: Prentice-Hall)
قدرتی زبان کی پروسیسنگ کی تحقیق میں ترقی ہوئی، تلاش کو بہتر اور زیادہ طاقتور بنایا گیا، اور 'مائیکرو ورلڈز' کا تصور تخلیق کیا گیا، جہاں سادہ کاموں کو عام زبان کی ہدایات کے ذریعے مکمل کیا جا سکتا تھا۔
تحقیق کو حکومتی ایجنسیوں نے اچھی طرح سے فنڈ کیا، کمپیوٹیشن اور الگورتھمز میں ترقی ہوئی، اور ذہین مشینوں کے پروٹوٹائپس بنائے گئے۔ ان مشینوں میں شامل ہیں:
-
شیکی روبوٹ، جو 'ذہانت' کے ساتھ کام انجام دینے کے لیے حرکت کر سکتا تھا۔
شیکی 1972 میں
-
ایلیزا، ایک ابتدائی 'چیٹربوٹ'، لوگوں سے بات چیت کر سکتی تھی اور ایک ابتدائی 'تھراپسٹ' کے طور پر کام کر سکتی تھی۔ آپ ایلیزا کے بارے میں NLP اسباق میں مزید سیکھیں گے۔
ایلیزا کا ایک ورژن، چیٹ بوٹ
-
"بلاکس ورلڈ" ایک مائیکرو ورلڈ کی مثال تھی جہاں بلاکس کو ترتیب دیا جا سکتا تھا، اور مشینوں کو فیصلے کرنے کی تعلیم دینے کے تجربات کیے جا سکتے تھے۔ SHRDLU جیسی لائبریریوں کے ساتھ بنائی گئی ترقیات نے زبان کی پروسیسنگ کو آگے بڑھانے میں مدد دی۔
🎥 اوپر دی گئی تصویر پر کلک کریں تاکہ ویڈیو دیکھ سکیں: بلاکس ورلڈ SHRDLU کے ساتھ
1974 - 1980: "AI کا سرد دور"
1970 کی دہائی کے وسط تک، یہ واضح ہو گیا کہ 'ذہین مشینیں' بنانے کی پیچیدگی کو کم سمجھا گیا تھا اور اس کے وعدے، دستیاب کمپیوٹ پاور کے پیش نظر، زیادہ بڑھا چڑھا کر پیش کیے گئے تھے۔ فنڈنگ ختم ہو گئی اور میدان میں اعتماد کم ہو گیا۔ کچھ مسائل جنہوں نے اعتماد کو متاثر کیا، شامل ہیں:
- حدود۔ کمپیوٹ پاور بہت محدود تھی۔
- کمبینٹوریل دھماکہ۔ کمپیوٹرز سے زیادہ مطالبہ کرنے پر تربیت کے لیے درکار پیرامیٹرز کی تعداد تیزی سے بڑھ گئی، جبکہ کمپیوٹ پاور اور صلاحیت میں متوازی ترقی نہیں ہوئی۔
- ڈیٹا کی کمی۔ ڈیٹا کی کمی نے الگورتھمز کی جانچ، ترقی، اور بہتر بنانے کے عمل کو روکا۔
- کیا ہم صحیح سوالات پوچھ رہے ہیں؟۔ وہی سوالات جو پوچھے جا رہے تھے، ان پر سوال اٹھایا جانے لگا۔ محققین کو اپنے طریقوں پر تنقید کا سامنا کرنا پڑا:
- ٹورنگ ٹیسٹ کو 'چینی کمرہ تھیوری' جیسے خیالات کے ذریعے سوالات کا سامنا کرنا پڑا، جس نے یہ دعویٰ کیا کہ "ڈیجیٹل کمپیوٹر کو پروگرام کرنا زبان کو سمجھنے کا تاثر دے سکتا ہے لیکن حقیقی سمجھ پیدا نہیں کر سکتا۔" (ماخذ)
- مصنوعی ذہانت جیسے "تھراپسٹ" ایلیزا کو معاشرے میں متعارف کرانے کے اخلاقیات پر سوال اٹھایا گیا۔
اسی وقت، مختلف AI کے نظریاتی اسکول بننے لگے۔ "سکریفی" بمقابلہ "نیٹ AI" طریقوں کے درمیان ایک تقسیم قائم ہوئی۔ سکریفی لیبز نے مطلوبہ نتائج حاصل کرنے کے لیے پروگراموں کو گھنٹوں تک ایڈجسٹ کیا۔ نیٹ لیبز "منطق اور رسمی مسئلہ حل کرنے" پر مرکوز تھیں۔ ایلیزا اور SHRDLU معروف سکریفی نظام تھے۔ 1980 کی دہائی میں، جب مشین لرننگ کے نظاموں کو قابل تکرار بنانے کی مانگ پیدا ہوئی، نیٹ طریقہ کار آہستہ آہستہ سامنے آیا کیونکہ اس کے نتائج زیادہ قابل وضاحت ہیں۔
1980 کی دہائی: ماہر نظام
جیسے جیسے میدان بڑھا، اس کے کاروباری فوائد واضح ہونے لگے، اور 1980 کی دہائی میں 'ماہر نظام' کی کثرت بھی بڑھ گئی۔ "ماہر نظام مصنوعی ذہانت (AI) سافٹ ویئر کی پہلی واقعی کامیاب شکلوں میں شامل تھے۔" (ماخذ)۔
یہ قسم کا نظام دراصل ہائبرڈ ہے، جو جزوی طور پر کاروباری ضروریات کو بیان کرنے والے قواعد کے انجن پر مشتمل ہے، اور ایک استنباطی انجن جو قواعد کے نظام کو استعمال کرتے ہوئے نئے حقائق اخذ کرتا ہے۔
اس دور میں نیورل نیٹ ورکس پر بھی بڑھتی ہوئی توجہ دی گئی۔
1987 - 1993: AI کا 'ٹھنڈا دور'
ماہر نظام کے خصوصی ہارڈویئر کی کثرت کا بدقسمتی سے اثر یہ ہوا کہ وہ بہت زیادہ مخصوص ہو گئے۔ ذاتی کمپیوٹرز کے عروج نے ان بڑے، مخصوص، مرکزی نظاموں کے ساتھ مقابلہ کیا۔ کمپیوٹنگ کی جمہوریت کا آغاز ہوا، اور یہ بالآخر بڑے ڈیٹا کے جدید دھماکے کے لیے راہ ہموار کر گیا۔
1993 - 2011
اس دور میں مشین لرننگ اور AI کے لیے ایک نیا دور آیا تاکہ وہ پہلے کے مسائل کو حل کر سکیں جو ڈیٹا اور کمپیوٹ پاور کی کمی کی وجہ سے پیدا ہوئے تھے۔ ڈیٹا کی مقدار تیزی سے بڑھنے لگی اور زیادہ وسیع پیمانے پر دستیاب ہو گئی، اچھے اور برے دونوں پہلوؤں کے ساتھ، خاص طور پر 2007 کے آس پاس اسمارٹ فون کے آغاز کے ساتھ۔ کمپیوٹ پاور نے تیزی سے ترقی کی، اور الگورتھمز بھی ساتھ ساتھ ارتقاء پذیر ہوئے۔ میدان نے پختگی حاصل کرنا شروع کی کیونکہ ماضی کے آزادانہ دن ایک حقیقی ڈسپلن میں تبدیل ہونے لگے۔
آج
آج مشین لرننگ اور AI ہماری زندگی کے تقریباً ہر حصے کو چھوتے ہیں۔ یہ دور ان الگورتھمز کے انسانی زندگیوں پر اثرات اور خطرات کو سمجھنے کے لیے محتاط غور و فکر کا مطالبہ کرتا ہے۔ جیسا کہ مائیکروسافٹ کے Brad Smith نے کہا ہے، "انفارمیشن ٹیکنالوجی ایسے مسائل کو جنم دیتی ہے جو بنیادی انسانی حقوق کے تحفظات جیسے پرائیویسی اور اظہار کی آزادی کے دل میں جاتے ہیں۔ یہ مسائل ان ٹیک کمپنیوں کے لیے ذمہ داری کو بڑھاتے ہیں جو یہ مصنوعات تخلیق کرتی ہیں۔ ہماری نظر میں، یہ سوچے سمجھے حکومتی ضوابط اور قابل قبول استعمال کے ارد گرد اصولوں کی ترقی کا مطالبہ کرتے ہیں" (ماخذ)۔
یہ دیکھنا باقی ہے کہ مستقبل کیا لاتا ہے، لیکن ان کمپیوٹر سسٹمز اور سافٹ ویئر اور الگورتھمز کو سمجھنا ضروری ہے جو وہ چلاتے ہیں۔ ہمیں امید ہے کہ یہ نصاب آپ کو بہتر سمجھ حاصل کرنے میں مدد دے گا تاکہ آپ خود فیصلہ کر سکیں۔
🎥 اوپر دی گئی تصویر پر کلک کریں تاکہ ویڈیو دیکھ سکیں: Yann LeCun اس لیکچر میں ڈیپ لرننگ کی تاریخ پر بات کرتے ہیں
🚀چیلنج
ان تاریخی لمحات میں سے کسی ایک میں گہرائی سے تحقیق کریں اور ان کے پیچھے موجود لوگوں کے بارے میں مزید جانیں۔ یہ دلچسپ شخصیات ہیں، اور کوئی بھی سائنسی دریافت کبھی بھی ثقافتی خلا میں تخلیق نہیں کی گئی۔ آپ کیا دریافت کرتے ہیں؟
لیکچر کے بعد کا کوئز
جائزہ اور خود مطالعہ
یہاں دیکھنے اور سننے کے لیے کچھ آئٹمز ہیں:
یہ پوڈکاسٹ جہاں Amy Boyd AI کے ارتقاء پر بات کرتی ہیں
اسائنمنٹ
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۔