اے آئی تک علامتی اور غیر علامتی نقطہ نظر کے مابین کیا فرق ہے؟


جواب 1:

مختصرا، ، فرق یہ ہے کہ اے آئی کس طرح سیکھتا ہے اور جو کچھ جانتا ہے اس کا حوالہ دیتا ہے۔

علامتی نقطہ نظر کا کہنا ہے کہ اے آئی کو تعلیم دینے کا سب سے بہتر طریقہ یہ ہے کہ آپ اس کے متعلق انسانی پڑھنے کے قابل معلومات سے متعلق معلومات فراہم کریں جو آپ کے خیال میں اسے جاننے کی ضرورت ہے۔ اگر آپ کسی ڈاکٹر کو تبدیل کرنے کے لئے اے آئی بنانا چاہتے ہیں تو آپ اسے ایک ٹن میڈیکل درسی کتابیں کھلاتے ہیں اور اس سے ان نصابی کتب کے جوابات تلاش کرکے سوالات کا جواب مل جاتا ہے۔

نونسمبولک نقطہ نظر یہ تسلیم کرتا ہے کہ انسانی بنیاد پر مبنی معلومات کی شکلیں ہمیشہ AI کے لئے بہترین فٹ نہیں ہوتی ہیں ، اور AI میں خام معلومات پلانے کی ترغیب دیتی ہیں کہ وہ اس کے بارے میں اپنا ہی مضم علم تجزیہ اور تشکیل دے سکتی ہے۔

اب ، اس کا اصل معنی کیا ہے؟

جس نظریے کو میں نے بہت زیادہ دیکھا ہے وہ زبان کا ترجمہ ہے۔ تصور کیجیے ، مثال کے طور پر ، آپ کے پاس ایک شخص کمرے میں چھپا ہوا ہے جو آپ کے متن کا ترجمہ کرتا ہے۔ اس کمرے میں ہزاروں اور ہزاروں فقروں کی ترجمانی ہر زبان میں اور اس سے ہوتی ہے۔

آپ انگریزی سے مینڈارن میں ایک جملے کا ترجمہ کرنا چاہتے ہیں۔ آپ اپنے انگریزی جملے کو کمرے کے آدمی کے دروازے کے نیچے ایک نوٹ پر بھیج دیتے ہیں ، اور اس کا مطلب یہ ہے کہ اس کا ترجمہ مانندری زبان میں کیا جائے اور جیسے ہی اس کا کام ہو جائے آپ اپنا جواب پھسل دیں۔

اس مشابہت میں ، اگر وہ شخص علامتی اے آئی ہوتا ، تو وہ آپ کے کاغذ کو دیکھتا اور دیکھتا کہ آپ کے پاس انگریزی کا ایک جملہ ہے اور اس کا ترجمہ مینڈارن میں کرنا چاہتے ہیں۔ وہ چینی کتابوں کی الماریوں پر چلے گا اور چند مینڈارن کے فقروں کی کتابیں پکڑ لے گا ، آپ کے انگریزی جملے ملاحظہ کریں اور مینڈارن میں مساوی فقرے لکھ لیں۔ تھوڑی دیر کے بعد ، وہ آپ کے دروازے کے نیچے ترجمہ شدہ کاغذ کو واپس سلائڈ کرے گا۔

آپ کے نقطہ نظر سے ، ایسا لگتا ہے جیسے دروازے کے پیچھے والا آدمی مینڈارن جانتا ہے ، لیکن اصل میں وہ نہیں جانتا ہے۔ تاہم ، یہ نقطہ نظر اسے کم سے کم سیٹ اپ کے ساتھ کسی بھی زبان میں اور اس سے ترجمہ کرنے کی اجازت دیتا ہے: صرف کمروں کی کتابوں سے بھرا ہوا ایک کمرہ بھریں اور آپ جانا اچھا ہو۔ اس نقطہ نظر کا نچلا حصہ یہ ہے کہ ہر ترجمہ میں اس سے متعدد اقدامات سے گزرنا پڑتا ہے تاکہ صحیح معلومات کی بازیافت کی جاسکے اور یہ کہ حتمی ترجمہ لازمی طور پر 100٪ درست نہیں ہوسکتا ہے جب تک کہ اس زبان کا ترجمہ / ترجمہ کیا جاسکتا ہے۔

دوسری طرف ، اگر دروازے کے پیچھے والا شخص ایک غیر سنجیدہ AI تھا ، تو اسے دروازے کے نیچے کاغذ موصول ہوتا ، دیکھیں گے کہ آپ انگریزی سے مینڈارن میں ترجمہ کرنا چاہتے ہیں ، اور صرف ترجمہ لکھ کر فوری طور پر اسے واپس بھیج دیں۔

یہاں بڑا فرق یہ ہے کہ آپ نے حقیقت میں یہ سکھایا ہے کہ AI اس کے سیاق و سباق کو سمجھنا ہے (اس معاملے میں ، وہ زبانیں جو اس میں اور اس سے ترجمہ ہو گی) یہ جاننے کے لئے اے آئی کو فطری طور پر سمجھنے کے ل time وقت اور کوشش کی ضرورت ہے ، لیکن اس کے نتیجے میں ان زبانوں کی تیز رفتار اور زیادہ درست ترجمانی ہوتی ہے جن کو وہ جانتا ہے۔ یہاں بھی مضمرات موجود ہیں اور یہ بھی ہے کہ علامتی نقطہ نظر میں پیمائش کرنے میں زیادہ وقت لگتا ہے (مثال کے طور پر ، اس آدمی کو ہر نئی زبان کی تعلیم دینا جس میں آپ / سے ترجمہ کرنا چاہتے ہیں ، نیز وہ تصورات جن کا وہ ترجمہ کررہے ہیں تاکہ وہ ان کو ہر زبان کے درمیان جوڑ سکے)۔ زبانیں وہی عام فریم ورک استعمال کرسکتی ہیں (صحیح کتاب ڈھونڈیں اور جملے تلاش کریں) جس زبان کے لئے معلومات دستیاب ہیں۔


جواب 2:

میں AI کے بارے میں سوچنا پسند کرتا ہوں جیسے دو کیمپ لگے ہوں۔

ایک جس کو میں 'علم سے مالا مال' کہتا ہوں اس کے ڈومین کے زیادہ سے زیادہ معلومات کو نظام میں بنائے جانے میں انکوڈ کرتا ہے۔ خیال یہ ہے کہ آپ صرف کچھ نیا سیکھتے ہیں جب آپ پہلے ہی جانتے ہو اس سے تھوڑا سا ہی زیادہ ہوتا ہے۔ اس علاقے میں ، ماہر سسٹمز ، کیس پر مبنی استدلال ، کچھ قدرتی زبان پروسیسنگ وغیرہ شامل ہیں۔

AI کی اس شاخ میں مسئلہ اور بہت زیادہ ڈومین علم کو واضح طور پر استعمال شدہ الگورتھم میں انکوڈ کیا گیا ہے۔ یہ علامتی اے کیمپ ہے۔

HTTP: //web.media.mit.edu/~minsky ...

اس کے برعکس اے آئی کی 'نالج فری' برانچ اے آئی کو دیکھتی ہے جیسے ماہر علم کی ضرورت نہیں ، صرف سیکھنے کی صلاحیت کی ضرورت ہے۔ اس علاقے میں جینیٹک الگورتھم ، نیورل نیٹ ورکس (اے این این) اور چیونٹی کالونی اور دیگر حیاتیاتی لحاظ سے متاثر تکنیک شامل ہیں۔

یہاں مرکزی خیال کی نمائندگی کرنا ہے جس میں جوابات میں مسئلے ڈومین کی کوئی واضح نمائندگی نظر نہیں آتی ہے۔ مثال کے طور پر اے این این میں وزن کا ایک سیٹ ہے جس کی تلاش کی جارہی ہے۔ یہ وزن ، کم از کم جب ہم سیکھنے کے عمل کو شروع کرتے ہیں تو ، اس سے ہمارا کیا سیکھنے کی کوشش کر رہے ہیں یا جو جوابات ہم پیدا کرنے کی کوشش کر رہے ہیں اس سے کوئی رشتہ نہیں ہوتا ہے۔

قدرتی زبان کے ترجمہ میں یہ کس طرح مختلف ہے اس کی ایک اور اچھی مثال۔ روایتی کمپیوٹر لسانیات میں ہم اپنے سسٹم میں بہت زیادہ گھماؤ پھراؤ اور الفاظ استعمال کرتے ہیں۔ غیر علامتی AI نظاموں میں ہم متن کی بڑی مثالوں میں متفقہ اعدادوشمار کی طرح کچھ استعمال کرتے ہیں جن کا ترجمہ کیا گیا ہے۔ یوروپی یونین اور کینیڈا کے سرکاری دستاویزات جیسی تحریریں۔

رینڈر میٹریکس ، انکارپوریٹڈ


جواب 3:

میں AI کے بارے میں سوچنا پسند کرتا ہوں جیسے دو کیمپ لگے ہوں۔

ایک جس کو میں 'علم سے مالا مال' کہتا ہوں اس کے ڈومین کے زیادہ سے زیادہ معلومات کو نظام میں بنائے جانے میں انکوڈ کرتا ہے۔ خیال یہ ہے کہ آپ صرف کچھ نیا سیکھتے ہیں جب آپ پہلے ہی جانتے ہو اس سے تھوڑا سا ہی زیادہ ہوتا ہے۔ اس علاقے میں ، ماہر سسٹمز ، کیس پر مبنی استدلال ، کچھ قدرتی زبان پروسیسنگ وغیرہ شامل ہیں۔

AI کی اس شاخ میں مسئلہ اور بہت زیادہ ڈومین علم کو واضح طور پر استعمال شدہ الگورتھم میں انکوڈ کیا گیا ہے۔ یہ علامتی اے کیمپ ہے۔

HTTP: //web.media.mit.edu/~minsky ...

اس کے برعکس اے آئی کی 'نالج فری' برانچ اے آئی کو دیکھتی ہے جیسے ماہر علم کی ضرورت نہیں ، صرف سیکھنے کی صلاحیت کی ضرورت ہے۔ اس علاقے میں جینیٹک الگورتھم ، نیورل نیٹ ورکس (اے این این) اور چیونٹی کالونی اور دیگر حیاتیاتی لحاظ سے متاثر تکنیک شامل ہیں۔

یہاں مرکزی خیال کی نمائندگی کرنا ہے جس میں جوابات میں مسئلے ڈومین کی کوئی واضح نمائندگی نظر نہیں آتی ہے۔ مثال کے طور پر اے این این میں وزن کا ایک سیٹ ہے جس کی تلاش کی جارہی ہے۔ یہ وزن ، کم از کم جب ہم سیکھنے کے عمل کو شروع کرتے ہیں تو ، اس سے ہمارا کیا سیکھنے کی کوشش کر رہے ہیں یا جو جوابات ہم پیدا کرنے کی کوشش کر رہے ہیں اس سے کوئی رشتہ نہیں ہوتا ہے۔

قدرتی زبان کے ترجمہ میں یہ کس طرح مختلف ہے اس کی ایک اور اچھی مثال۔ روایتی کمپیوٹر لسانیات میں ہم اپنے سسٹم میں بہت زیادہ گھماؤ پھراؤ اور الفاظ استعمال کرتے ہیں۔ غیر علامتی AI نظاموں میں ہم متن کی بڑی مثالوں میں متفقہ اعدادوشمار کی طرح کچھ استعمال کرتے ہیں جن کا ترجمہ کیا گیا ہے۔ یوروپی یونین اور کینیڈا کے سرکاری دستاویزات جیسی تحریریں۔

رینڈر میٹریکس ، انکارپوریٹڈ


جواب 4:

میں AI کے بارے میں سوچنا پسند کرتا ہوں جیسے دو کیمپ لگے ہوں۔

ایک جس کو میں 'علم سے مالا مال' کہتا ہوں اس کے ڈومین کے زیادہ سے زیادہ معلومات کو نظام میں بنائے جانے میں انکوڈ کرتا ہے۔ خیال یہ ہے کہ آپ صرف کچھ نیا سیکھتے ہیں جب آپ پہلے ہی جانتے ہو اس سے تھوڑا سا ہی زیادہ ہوتا ہے۔ اس علاقے میں ، ماہر سسٹمز ، کیس پر مبنی استدلال ، کچھ قدرتی زبان پروسیسنگ وغیرہ شامل ہیں۔

AI کی اس شاخ میں مسئلہ اور بہت زیادہ ڈومین علم کو واضح طور پر استعمال شدہ الگورتھم میں انکوڈ کیا گیا ہے۔ یہ علامتی اے کیمپ ہے۔

HTTP: //web.media.mit.edu/~minsky ...

اس کے برعکس اے آئی کی 'نالج فری' برانچ اے آئی کو دیکھتی ہے جیسے ماہر علم کی ضرورت نہیں ، صرف سیکھنے کی صلاحیت کی ضرورت ہے۔ اس علاقے میں جینیٹک الگورتھم ، نیورل نیٹ ورکس (اے این این) اور چیونٹی کالونی اور دیگر حیاتیاتی لحاظ سے متاثر تکنیک شامل ہیں۔

یہاں مرکزی خیال کی نمائندگی کرنا ہے جس میں جوابات میں مسئلے ڈومین کی کوئی واضح نمائندگی نظر نہیں آتی ہے۔ مثال کے طور پر اے این این میں وزن کا ایک سیٹ ہے جس کی تلاش کی جارہی ہے۔ یہ وزن ، کم از کم جب ہم سیکھنے کے عمل کو شروع کرتے ہیں تو ، اس سے ہمارا کیا سیکھنے کی کوشش کر رہے ہیں یا جو جوابات ہم پیدا کرنے کی کوشش کر رہے ہیں اس سے کوئی رشتہ نہیں ہوتا ہے۔

قدرتی زبان کے ترجمہ میں یہ کس طرح مختلف ہے اس کی ایک اور اچھی مثال۔ روایتی کمپیوٹر لسانیات میں ہم اپنے سسٹم میں بہت زیادہ گھماؤ پھراؤ اور الفاظ استعمال کرتے ہیں۔ غیر علامتی AI نظاموں میں ہم متن کی بڑی مثالوں میں متفقہ اعدادوشمار کی طرح کچھ استعمال کرتے ہیں جن کا ترجمہ کیا گیا ہے۔ یوروپی یونین اور کینیڈا کے سرکاری دستاویزات جیسی تحریریں۔

رینڈر میٹریکس ، انکارپوریٹڈ