50 کروڑ صارفین کی AI تلاش پر جیو اسٹار کے مرکزی معمار
جیو اسٹار کے مرکزی معمار وجے شیشادری سے گفتگو.
ہماری ایگزیکٹو فنکشن سیریز میں ایسے قائدین کے نقطۂ نظر پیش کیے جاتے ہیں جو AI کے ذریعے تبدیلی لا رہے ہیں.
جیو اسٹار تفریح اور کھیلوں کی براہِ راست نشریات کے پلیٹ فارم چلاتا ہے، جنہیں 50 کروڑ سے زیادہ صارفین استعمال کرتے ہیں. یہ بیک وقت 7 کروڑ 25 لاکھ تک ناظرین کو کھیلوں کی براہِ راست نشریات دکھا چکا ہے. اس پیمانے پر AI کا تیز، قابلِ اعتماد اور عملی استعمال کے لیے تیار ہونا ضروری ہے.
OpenAI کی اے پی آئی استعمال کرتے ہوئے، جیو اسٹار نے جیو ہاٹ اسٹار میں ایک معاون شامل کیا جو گفتگو کے ذریعے ویڈیوز اور کرکٹ کے اعداد و شمار تلاش کرتا ہے. ناظرین اپنی عام بول چال میں فلمیں اور پروگرام، ماضی کی جھلکیاں، جاری میچ کے لمحات یا کرکٹ کے اعداد و شمار تلاش کر سکتے ہیں. نتائج تصویری انداز میں، گفتگو کے ساتھ پیش کیے جاتے ہیں.
سنگاپور میں OpenAI کی اعلیٰ انتظامی سربراہان کی کانفرنس میں، آسیان کے لیے OpenAI کے گو-ٹو-مارکیٹ سربراہ سدھارتھ شرما نے جیو اسٹار کے مرکزی معمار وجے شیشادری سے گفتگو کی. موضوع تھا تقریباً آٹھ ہفتوں میں 15 سے زیادہ زبانوں کے لیے یہ سہولت تیار کرنا، اور AI کو نمائشی مرحلے سے عملی استعمال تک لے جانے والے قائدین کے لیے اس سے حاصل ہونے والے اسباق.
گزشتہ 25 برسوں میں مواد تلاش کرنے کے طریقوں میں بہت کم تبدیلی آئی ہے. آخری بڑی تبدیلی پسند کے مطابق مواد کی سفارشات تھیں. اس کے بعد زیادہ تر کام اسی خیال کو مختلف شکلوں میں پیش کرنے تک محدود رہا.
لیکن کیا دیکھنا ہے، یہ بہت ذاتی نوعیت کا انتخاب ہے. کوئی کہہ سکتا ہے، ”میرا دل اداس ہے. مجھے کچھ ایسا دکھائیں جس سے میرا دل خوش ہو جائے.“ اس سادہ سی درخواست میں بھی کئی باریکیاں ہیں. کس طرح کی اداسی ہے. عام طور پر اس شخص کا دل کس چیز سے خوش ہوتا ہے. کیا وہ مزاحیہ پروگرام، کچھ دل کو سکون دینے والا، یا کوئی ایسی چیز دیکھنا چاہتے ہیں جو ان کا دھیان بالکل ہٹا دے.
روایتی سفارشی نظام کے لیے اس وقت کی کیفیت کو سمجھنا مشکل ہو سکتا ہے. گفتگو ناظر کو اپنی کیفیت بیان کرنے کا موقع دیتی ہے. ہم اسے صوتی و بصری واسطہ کہتے ہیں.
ہم نے اکتوبر اور نومبر میں اس تصور پر کام شروع کیا، جبکہ فروری میں ایک بڑا کرکٹ ٹورنامنٹ ہونے والا تھا. ہمارے پاس تقریباً دو ماہ تھے اور ناظرین کے دو بالکل مختلف گروہ: تفریحی مواد دیکھنے والے اور کرکٹ کے شائقین.
تفریحی مواد دیکھنے والا کوئی ناظر کہہ سکتا ہے، ”جمعے کی شام ہے—کچھ ایسا دکھائیں جو میری توقع سے ہٹ کر ہو،“ یا نام جانے بغیر کسی فلم کی تفصیل بیان کر سکتا ہے. کھیلوں کے ناظرین زیادہ مخصوص معلومات چاہ سکتے ہیں، جیسے وکٹیں گرنے کے لمحات، چھکوں کا سلسلہ یا وہ میچ جس میں کسی کھلاڑی نے ایک خاص تعداد میں رن بنائے تھے. کرکٹ کے ماہرین کو ہر گیند کے اعداد و شمار درکار ہو سکتے ہیں.
تلاش کے حوالے سے یہ بہت مختلف مسائل ہیں. ہم نے بہت کم وقت میں تفریح، کھیلوں کے لمحات اور کرکٹ کے تفصیلی اعداد و شمار کو کئی زبانوں میں ایک ہی سہولت کے ذریعے پیش کرنے پر کام کیا.
شروع ہی میں ہم نے اس مسئلے کو درستگی، جواب دینے میں لگنے والے وقت اور لاگت کے درمیان توازن قائم کرنے کے طور پر دیکھا. ہر انجینئرنگ فیصلے میں بیک وقت تینوں کا توازن برقرار رکھنا ضروری تھا.
آواز کے استعمال نے اسے خاص طور پر اہم بنا دیا. ہمارے 60% سے زیادہ صارفین لکھنے کے بجائے بول کر درخواست کرتے ہیں: لوگ جو دیکھنا چاہتے ہیں، اسے بول کر بتانا پسند کرتے ہیں. اس کے باوجود جواب متعلقہ، تیز اور بڑے پیمانے پر بھی مالی لحاظ سے قابلِ عمل ہونا چاہیے.
میں اسے دو حصوں میں دیکھتا ہوں: جانچ کا ایک لائحۂ عمل اور توثیق کی ایک تہہ. عملی استعمال شروع ہونے سے پہلے جانچ کے نتائج کی بنیاد پر تبدیلیاں ہونی چاہئیں. عملی استعمال کے دوران بازخورد کا ایک مسلسل عمل ہونا چاہیے، جو صارفین کے رویّے اور ناکامیوں کو جانچ کے نئے معاملات میں بدل دے.
یہ چکر خود کو مزید مؤثر بنا سکتا ہے، لیکن اسے درست طریقے سے قائم کرنا انتہائی مشکل ہے.
متعلقہ شعبے کے ماہرین ناگزیر ہیں. کھیلوں کے اعداد و شمار کی جانچ کے لیے ہم نے کھیلوں کے رسالوں کے مدیران جیسے لوگوں کے ساتھ کام کیا، جو سمجھتے تھے کہ سنجیدہ شائقین کیا پوچھ سکتے ہیں. آپ صرف ایک پرومپٹ سے آغاز نہیں کر سکتے؛ نظام کی بنیاد میں گہری انسانی مہارت شامل کرنا ضروری ہے.
ایک کام جو ہم نے درست کیا، وہ ٹیم کا انتخاب تھا. ہم نے مسئلہ واضح طور پر متعین کرکے ماہرینِ علمِ اعداد اور انجینئروں کی ایک چھوٹی ٹیم کے ساتھ آغاز کیا. براہِ راست ہمارے ساتھ تعینات OpenAI کے انجینئروں نے ان چند چیزوں کی مزید نشان دہی میں مدد کی جن کا درست ہونا ہر حال میں ضروری تھا.
پہلی چیز دائرۂ کار تھی. بول کر یا لکھ کر سوال کرنے کی سہولت ہو تو صارفین تقریباً کچھ بھی پوچھ سکتے ہیں، اس لیے ہم نے پہلے یہ طے کیا کہ نظام کو کن باتوں کا جواب نہیں دینا چاہیے. حفاظتی حدود کو اولین ترجیح دی گئی.
جانچ کے لیے ہم نے ایک ابتدائی مجموعۂ ڈیٹا سے آغاز کیا اور ماڈلز کی مدد سے اس میں مزید تنوع شامل کرکے اسے بڑھایا. ہم نے ایک ایسا طریقہ بنایا جسے آج آپ بنانے والے اور جانچنے والے کی جوڑی کہہ سکتے ہیں: ایک ماڈل سوال کا جواب دینے کا طریقہ طے کرنے میں مدد کرتا تھا، جبکہ دوسرا، مخالف مقصد کے ساتھ، توثیق کرتا تھا—یعنی فیصلہ کرنے والا ایک LLM.
اس سے ایک اور سوال اٹھا: فیصلہ کرنے والے کو کون جانچے گا. توثیق کرنے والے نظام کی تیاری خود جانچ کا ایک مسئلہ تھی. Codex نے جانچ کے معاملات تیار کرنے اور نظام کو تازہ کرنے جیسے کاموں میں ٹیم کی رفتار بڑھائی، لیکن تیز رفتار تیاری سے سوجھ بوجھ اور توثیق کی ضرورت ختم نہیں ہوئی.
میں عملی استعمال میں ماڈل کی مؤثریت کی نگرانی پر پہلے ہی سے وسائل لگاتا.
بنیادی تکنیکی ڈھانچے کے روایتی پیمانے، جیسے P99 تاخیر، اب بھی اہم ہیں، لیکن کافی نہیں. آپ کو عملی استعمال کے دوران ماڈل کی مؤثریت کی نگرانی بھی کرنی ہوگی.
پہلی بات یہ کہ ٹیکنالوجی کی صلاحیتوں اور کسی ادارے کے اندر کی حقیقت کے درمیان بڑا فاصلہ ہوتا ہے. اگر آپ کی کمپنی ہر جدید ترین ماڈل کے اعلان کے ساتھ قدم نہیں ملا سکی ہے تو آپ اکیلے نہیں ہیں.
دوسری بات، سرگرمی کے بجائے نتائج پر توجہ برقرار رکھیں. نظر آنے والی سرگرمی کو بامعنی پیش رفت سمجھ لینا آسان ہے، خاص طور پر جب کمپنیاں لگائے گئے وسائل اور محنت کے پیمانوں پر زور دیتی ہوں. مثلاً، تیار کردہ کوڈ کی سطروں کی تعداد یہ نہیں بتاتی کہ آپ نے کوئی حقیقی فائدہ پیدا کیا یا نہیں.
آخری بات، زیادہ تر ادارے درکار انسانی مہارت اور خود فیصلہ کرکے عمل کرنے کی صلاحیت کی اہمیت کم سمجھتے ہیں. یہ محض عمومی مہارتیں سکھانے کا پروگرام نہیں ہو سکتا. قائدین کو ایسے لوگوں کی ضرورت ہے جو ان وسائل کو سوجھ بوجھ کے ساتھ استعمال کر سکیں. ایک قابل انجینئر کو Codex جیسا وسیلہ دیں تو اس کے کام کا اثر کئی گنا بڑھ سکتا ہے؛ لیکن عملی نظاموں کی توثیق کے لیے ضروری سوجھ بوجھ نہ ہو تو خطرہ بھی کئی گنا بڑھ جاتا ہے.
آپ کے ہاتھ میں ایک راکٹ ہے. خاص طور پر عملی استعمال میں آنے والے نظاموں میں توثیق اور حفاظتی حدود ضروری ہیں، اور ان کی باگ ڈور صحیح لوگوں کے ہاتھ میں دینی چاہیے.
