iPhone 11، مشین لرننگ کی بدولت سیکھنے کے لیے ہمیشہ تیار کمپیوٹر



Jaribu Chombo Chetu Cha Kuondoa Shida

ہم نے پہلے ہی اپنے نئے آئی فون 11 اور آئی فون 11 پرو کے ساتھ پہلا رابطہ ، اور ہم پہلے ہی اس بات کی تصدیق کرنے میں کامیاب ہو چکے ہیں کہ ایپل نے ہمیں 10 ستمبر کو کلیدی نوٹ میں جن تجریدی تصورات کی وضاحت کی تھی وہ کس طرح ہماری روزمرہ کی زندگیوں میں داخل ہونے لگے ہیں جس کے بارے میں ہمیں علم نہیں ہے۔ 'الفاظ' جیسے مشین لرننگ Y ڈیپ فیوژن یہ وہ تصورات ہیں جنہیں سن کر ہم ان دنوں تھک چکے ہیں لیکن ہم ابھی تک پوری طرح سے نہیں سمجھ پائے ہیں کیونکہ ہم تصور کی سطح پر رہے ہیں۔ اگر آپ اس موضوع میں دلچسپی رکھتے ہیں، تو اس پوسٹ میں ہم اس سب کے بارے میں تھوڑا سا مزید دریافت کریں گے۔



مشین لرننگ کیا ہے اور ایپل نے A13 بایونک چپ کے ساتھ کیوں اختراع کی۔

اگر ہم لفظ کی بنیاد پر رہیں، اور اس کے محض ترجمہ پر، ہم یہ کہہ سکتے ہیں۔ مشین لرننگ (ML) صرف مشین لرننگ ہے، اور میں صرف اس لیے کہتا ہوں کہ بہت سے صارفین اس تہہ میں رہتے ہیں، کچھ تاریک اور ممنوع ہے جو سن کر ہی متاثر ہو جاتی ہے۔ واقعی، قابلیت اتنی بڑی صلاحیت میں نہیں ہے کہ آج ہمارے آئی فونز کے پاس ایسے اوقات میں بہت بڑا اور پیچیدہ حساب کتاب کرنا ہے جس کا حساب لگانا تقریباً ناممکن ہے۔ اصل قابلیت دماغی ڈویلپرز اور ٹیموں کی صلاحیت میں ہے جو اس ٹیکنالوجی کے کام کرنے کے لیے ضروری ڈیٹا کی بڑی مقدار کا انتظام کرتی ہے، جو بڑے پیمانے پر اسی طرح کام کرتی ہے جس طرح بگ ڈیٹا کرتا ہے۔





کوئی بھی اچھا پروگرامر مشین کو سکھانے کی کوشش کرتا ہے تاکہ زیادہ سے زیادہ طریقے سے یہ ہمیشہ کسی مسئلے کو بہترین طریقے سے حل کرے، لیکن جب ڈیٹا اور حسابات کی ضرورت کبھی کبھی لامحدود ہو جاتی ہے، تو آپ کو کوئی اور حکمت عملی استعمال کرنی پڑتی ہے اور اس سے بہتر کیا ہوتا ہے۔ مشین غلطیاں کرتی ہے اور خود ہی سیکھتی ہے۔ . اس کے لیے وہ بنائے گئے ہیں۔ تحقیقی فیصلے جو سافٹ ویئر کو وجدان کے ذریعے فیصلے کرنے کی صلاحیت فراہم کرنا چاہتے ہیں۔ . یہ ایک اینٹی وائرس کی تحقیقی تلاش سے ملتا جلتا ہے، یہ ممکن ہے کہ کوئی فائل بے ضابطگیوں کو پیش کرتی ہو جس کا مطلب یہ ہے کہ اگرچہ یہ کسی دوسرے متاثرہ کے مقابلے میں ایک متاثرہ فائل کے طور پر ظاہر نہیں ہوتی ہے، لیکن یہ ہمارے اینٹی وائرس سافٹ ویئر کو یہ سوچنے پر مجبور کرتا ہے کہ یہ ہو سکتا ہے اور اسٹور کرتا ہے۔ یہ قرنطینہ میں ہے۔ مختصراً، ہم سافٹ ویئر کو خود فیصلہ کرنا سکھاتے ہیں۔ , اور اگرچہ یہ شروع میں بے ترتیب ہے، لیکن اعداد و شمار ہمیں بتاتے ہیں کہ آہستہ آہستہ یہ تقریباً اتنا ہی موثر ہوگا جتنا کہ انسان فیصلے کرنے میں ہوسکتا ہے۔

مشین لرننگ الگورتھم اس طرح بنائے گئے ہیں۔ کم وسائل کے ساتھ ڈیٹا کی بڑی مقدار پر کارروائی کی جاتی ہے، اور خود ہی سیکھیں، جیسا کہ WOPR مشین وار گیمز فلم میں کرتی ہے۔

یہ کہنے کے لیے اس تصور کو سمجھنا ضروری ہے۔ ایپل نے نئے آئی فون 11 کے ساتھ جدت کی ہے۔ . اس نے فوٹو گرافی میں مصنوعی ذہانت کو لاگو کرنے کے طریقے میں جدت پیدا کی ہے۔ کوئی کہہ سکتا ہے کہ ایپل پہلی کمپنی نہیں ہے جس نے اپنے فوٹو گرافی کے علاج میں ایم ایل کو لاگو کیا ہے، اور ہم اس پر متفق ہیں، لیکن یہ پہلی کمپنی ہے جس نے اسے نافذ کیا جیسا کہ اس نے کیا ہے، حقیقی وقت میں بڑی تعداد میں تصاویر کے ساتھ کام کرنا، اس سے پہلے اور شٹر دبانے کے بعد. اس سب سے یہ پیدا ہوتا ہے کہ ایک زبردست پروسیسر کا نفاذ ضروری ہو گیا ہے۔ A13 بایونک ، جو ان کو برداشت کرنے کی صلاحیت رکھتا ہے۔ لامحدود حسابات اور کم از کم وقت میں . اس وجہ سے، اور دیگر غیر واضح وجوہات کی بنا پر، ایک iPhone XS نائٹ موڈ کو انجام دینے کے قابل نہیں ہو گا کیونکہ اس کے A12 Bionic پروسیسر میں آپریشنل لیول نہیں ہے۔



جیسا کہ ہمیشہ ہوتا ہے، 10 ستمبر کو کلیدی نوٹ میں، ایپل نے شائستگی سے غلطی کی اور وسیع پیمانے پر اس بات کی وضاحت نہیں کی کہ بیسٹائل A13 بایونک پروسیسر کیسے کام کرتا ہے۔ ایک طاقتور پروسیسر بذات خود کسی آلے کی قدر میں اضافہ نہیں کرتا، اور نہ ہی زبردست الگورتھم کرتا ہے اگر اسے منتقل کرنے کے لیے کوئی طاقت نہ ہو۔ لیکن جیسا کہ ہمیشہ ہوتا ہے، اور یہاں ہمارے پاس ثبوت ہے، ایپل اپنے سافٹ ویئر کے ساتھ ہارڈ ویئر کو مکمل طور پر ضم کرنے میں کامیاب ہوگیا ہے۔ . ایک پروسیسر جیسا کہ ایپل نے بنایا ہے، اسے ان کاموں کی تعداد کے لیے فروخت نہیں کیا جانا چاہیے جو یہ کرنے کے قابل ہے، بلکہ اس کے لیے کہ یہ سافٹ ویئر کے ساتھ کیسے مربوط ہوتا ہے، اسے منتقل کرنا پڑتا ہے۔ ایک بار پھر ہارڈ ویئر اور سافٹ ویئر کے امتزاج میں کاٹے ہوئے سیب سے فرم کی مکمل مہارت کا مظاہرہ کیا گیا ہے۔

اس لیے ہمیں یقین ہے کہ ہم ایک بار پھر زور سے کہہ سکتے ہیں۔ ایپل نے اس میں جدت پیدا کی کہ یہ چیزیں کیسے کرتا ہے۔ , الگورتھم ایجاد کرنا جن کو عام پروسیسرز کے لیے عمل میں لانا ناممکن ہے۔ ان حساب کی رفتار کو سہارا دینے کے لیے ایک نئے پروسیسر کو اپنی مرضی کے مطابق ڈیزائن کرنا محض انجینئرنگ کی مہارت ہے۔