مصنوعی ذہانت ہماری منصوبہ بندی اور مواد تیار کرنے کے طریقے کو تبدیل کر رہا ہے۔ یہ اس بات پر بھی اثر انداز ہو رہا ہے کہ لوگ مواد کو کیسے دریافت کرتے ہیں، وہ گوگل پر کیا تلاش کرتے ہیں سے لے کر نیٹ فلکس پر کیا دیکھتے ہیں۔
مزید اہم بات یہ ہے کہ مواد کے مارکیٹرز کے لیے، یہ ٹیموں کو کچھ قسم کے مواد کی تخلیق اور موجودہ مواد کا تجزیہ کرکے ترقی کرنے کے قابل بناتا ہے تاکہ آپ جو کچھ فراہم کر رہے ہو اسے بہتر بنایا جا سکے اور کسٹمر کے ارادے سے بہتر میل ملایا جا سکے۔
اے آئی میں کئی حرکت پذیر ٹکڑے ہیں اور مشین لرننگ عمل کیا آپ نے کبھی کسی سمارٹ اسسٹنٹ (جیسے سری یا الیکسا) سے کوئی سوال پوچھا ہے؟
جواب غالباً "ہاں" ہے، جس سے پتہ چلتا ہے کہ آپ پہلے ہی کسی سطح (NLP) پر قدرتی زبان کی پروسیسنگ سے واقف ہیں۔
ایلن ٹیورنگ ایک ایسا نام ہے جس کے بارے میں ہر ٹیکنالوجی نے سنا ہوگا۔ معروف ٹیورنگ ٹیسٹ پہلی بار 1950 میں معروف ریاضی دان اور کمپیوٹر سائنس دان ایلن ٹیورنگ نے وضع کیا تھا۔
اس نے اپنے کام میں دعویٰ کیا۔ کمپیوٹنگ مشینری اور انٹیلیجنس کہ ایک مشین مصنوعی طور پر ذہین ہے اگر وہ کسی شخص سے بات کر سکتی ہے اور اسے یہ سوچنے میں دھوکہ دیتی ہے کہ وہ کسی انسان سے بات کر رہا ہے۔
اس نے NLP ٹیکنالوجی کی بنیاد کے طور پر کام کیا۔ ایک موثر NLP نظام استفسار اور اس کے سیاق و سباق کو سمجھنے، اس کا تجزیہ کرنے، عمل کا بہترین طریقہ منتخب کرنے اور اس زبان میں جواب دینے کے قابل ہو گا جسے صارف سمجھے گا۔
ڈیٹا پر کام مکمل کرنے کے عالمی معیارات میں مصنوعی ذہانت اور مشین سیکھنے کی تکنیک شامل ہیں۔ تاہم، انسانی زبان کے بارے میں کیا خیال ہے؟
نیچرل لینگویج جنریشن (NLG)، نیچرل لینگویج انڈرسٹینڈنگ (NLU)، اور نیچرل لینگویج پروسیسنگ (NLP) کے شعبوں نے حالیہ برسوں میں بہت زیادہ توجہ حاصل کی ہے۔
لیکن چونکہ تینوں کی مختلف ذمہ داریاں ہیں، اس لیے الجھن سے بچنا بہت ضروری ہے۔ بہت سے لوگوں کا خیال ہے کہ وہ ان خیالات کو پوری طرح سمجھتے ہیں۔
چونکہ قدرتی زبان پہلے سے ہی ناموں میں موجود ہے، اس لیے جو کچھ کر رہا ہے وہ اسے پروسیسنگ، سمجھنا اور تیار کرنا ہے۔ ہم نے فیصلہ کیا کہ تھوڑا سا گہرائی میں جانا مددگار ثابت ہو سکتا ہے، تاہم، یہ دیکھتے ہوئے کہ ہم ان فقروں کا کتنی بار سامنا کرتے ہیں جو ایک دوسرے کے ساتھ استعمال ہوتے ہیں۔
اس کے نتیجے میں، آئیے ان میں سے ہر ایک پر گہری نظر ڈال کر شروع کریں۔
نیچرل لینگویج پروسیسنگ کیا ہے؟
کسی بھی فطری زبان کو کمپیوٹر کے ذریعہ ایک آزاد شکل کا متن سمجھا جاتا ہے۔ اس سے پتہ چلتا ہے کہ ڈیٹا داخل کرتے وقت، مقررہ جگہوں پر کوئی مقررہ مطلوبہ الفاظ نہیں ہوتے ہیں۔ غیر ساختہ ہونے کے علاوہ، قدرتی زبان میں اظہار کے مختلف اختیارات بھی ہوتے ہیں۔ ان تین فقروں کو بطور مثال لیجئے:
- آج موسم کیسا ہے؟
- کیا آج بارش کا کوئی امکان ہے؟
- کیا آج کا تقاضا ہے کہ میں اپنی چھتری لاؤں؟
ان بیانات میں سے ہر ایک آج کے موسم کی پیشین گوئی کے بارے میں پوچھ رہا ہے، جو کہ عام فرق ہے۔
بحیثیت انسان، ہم تقریباً فوری طور پر ان بنیادی رابطوں کو دیکھ سکتے ہیں اور مناسب طریقے سے کام کر سکتے ہیں۔
تاہم ، یہ ایک ہے کمپیوٹر کے لئے چیلنج چونکہ ہر الگورتھم کو ایک مخصوص فارمیٹ کی پیروی کرنے کے لیے ان پٹ کی ضرورت ہوتی ہے، اور تینوں بیانات کے مختلف ڈھانچے اور فارمیٹس ہوتے ہیں۔
اور چیزیں بہت جلد بہت مشکل ہو جائیں گی اگر ہم کمپیوٹر کو سمجھنے میں مدد کرنے کے لیے ہر قدرتی زبان میں ہر لفظ کے مجموعے کے لیے قواعد کو وضع کرنے کی کوشش کریں۔ NLP اس صورتحال میں تصویر میں قدم رکھتا ہے۔
نیچرل لینگویج پروسیسنگ (این ایل پی)، جو کوشش کرتی ہے۔ ماڈل قدرتی انسانی زبان ڈیٹا، کمپیوٹیشنل لسانیات سے ماخوذ ہے۔
مزید برآں، NLP مشین لرننگ اور گہری سیکھنے کے طریقوں کو استعمال کرنے پر توجہ مرکوز کرتا ہے جبکہ انسانی ان پٹ کی ایک قابل ذکر مقدار پر کارروائی کرتا ہے۔ یہ اکثر فلسفہ، لسانیات، کمپیوٹر سائنس، انفارمیشن سسٹم، اور کمیونیکیشنز میں استعمال ہوتا ہے۔
کمپیوٹیشنل لسانیات، نحوی تجزیہ، اسپیچ ریکگنیشن، مشین ٹرانسلیشن، اور NLP کے دیگر ذیلی شعبے صرف چند ہیں۔ قدرتی زبان کی پروسیسنگ غیر ساختہ مواد کو کام کرنے کے لیے مناسب شکل یا ساختی متن میں تبدیل کرتی ہے۔
یہ سمجھنے کے لیے کہ جب صارف کچھ بھی کہتا ہے تو اس کا کیا مطلب ہوتا ہے، یہ الگورتھم بناتا ہے اور ڈیٹا کی وسیع مقدار کا استعمال کرتے ہوئے ماڈل کو تربیت دیتا ہے۔
یہ شناخت کے لیے الگ الگ ہستیوں کو اکٹھا کر کے کام کرتا ہے (جسے ہستی کی پہچان کہا جاتا ہے) اور الفاظ کے نمونوں کو پہچان کر۔ لفظ کے نمونوں کو تلاش کرنے کے لیے لیمیٹائزیشن، ٹوکنائزیشن، اور اسٹیمنگ تکنیک کا استعمال کیا جاتا ہے۔
معلومات نکالنا، آواز کی شناخت، پارٹ آف اسپیچ ٹیگنگ، اور پارسنگ ان کاموں میں سے کچھ ہیں جو NLP کرتا ہے۔
حقیقی دنیا میں، NLP کاموں کے لیے استعمال کیا جاتا ہے جن میں اونٹولوجی پاپولٹنگ، لینگویج ماڈلنگ، جذبات تجزیہ, موضوع نکالنا، نام کی ہستی کی شناخت، پارٹس آف اسپیچ ٹیگنگ، کنکشن نکالنا، مشین کا ترجمہ، اور خودکار سوالوں کا جواب دینا۔
فطری زبان کی سمجھ کیا ہے؟
قدرتی زبان کی پروسیسنگ کا ایک معمولی حصہ قدرتی زبان کی سمجھ ہے۔ زبان کو آسان بنانے کے بعد، کمپیوٹر سافٹ ویئر کو سمجھنا، معنی نکالنا، اور ممکنہ طور پر جذبات کا تجزیہ بھی کرنا چاہیے۔
ایک ہی متن کے کئی معنی ہو سکتے ہیں، کئی جملے ایک ہی معنی کے حامل ہو سکتے ہیں، یا حالات کے لحاظ سے معنی بدل سکتے ہیں۔
NLU الگورتھم ان پٹ ٹیکسٹ کو سمجھنے کے لیے بہت سے ذرائع سے ٹیکسٹ پر کارروائی کرنے کے لیے کمپیوٹیشنل طریقوں کا استعمال کرتے ہیں، جو اتنا ہی بنیادی ہو سکتا ہے جتنا یہ جاننا کہ کسی فقرے کا کیا مطلب ہے یا اتنا ہی پیچیدہ ہو سکتا ہے جتنا کہ دو افراد کے درمیان ہونے والی گفتگو کی تشریح کرنا۔
آپ کا متن مشین کے پڑھنے کے قابل فارمیٹ میں تبدیل ہو گیا ہے۔ نتیجے کے طور پر، NLU متن کو سمجھنے اور نتیجہ پیدا کرنے کے لیے کمپیوٹیشنل تکنیک استعمال کرتا ہے۔
NLU مختلف حالتوں میں لاگو کیا جا سکتا ہے، جیسے کہ دو لوگوں کے درمیان ہونے والی گفتگو کو سمجھنا، یہ تعین کرنا کہ کوئی شخص کسی خاص صورت حال کے بارے میں کیسا محسوس کرتا ہے، اور اسی نوعیت کے دیگر حالات۔
خاص طور پر، NLU کو سمجھنے کے لیے زبان کی چار سطحیں ہیں:
- نحو: یہ اس بات کا تعین کرنے کا عمل ہے کہ آیا گرائمر کو مناسب طریقے سے استعمال کیا جا رہا ہے اور جملوں کو کس طرح ایک ساتھ رکھا گیا ہے۔ مثال کے طور پر، کسی جملے کے سیاق و سباق اور گرامر کو مدنظر رکھنا ضروری ہے تاکہ یہ معلوم کیا جا سکے کہ آیا یہ معنی خیز ہے۔
- سیمنٹکس: جب ہم متن کا جائزہ لیتے ہیں تو سیاق و سباق کے معنی کی باریکیاں جیسے فعل کی مدت یا دو افراد کے درمیان لفظ کا انتخاب موجود ہوتا ہے۔ معلومات کے ان ٹکڑوں کو NLU الگورتھم کے ذریعے بھی استعمال کیا جا سکتا ہے تاکہ کسی بھی منظر نامے سے نتائج فراہم کیے جا سکیں جس میں ایک ہی بولا جانے والا لفظ استعمال کیا جا سکے۔
- لفظی احساس کو واضح کرنا: یہ ایک جملہ کے ہر لفظ کا مطلب جاننے کا عمل ہے۔ سیاق و سباق پر منحصر ہے، یہ ایک اصطلاح کو اس کا معنی دیتا ہے۔
- عملی تجزیہ: یہ کام کی ترتیب اور مقصد کو سمجھنے میں مدد کرتا ہے۔
NLU کے لیے اہم ہے۔ ڈیٹا سائنسدانوں کیونکہ، اس کے بغیر، ان میں چیٹ بوٹس اور اسپیچ ریکگنیشن سافٹ ویئر جیسی ٹیکنالوجیز سے معنی نکالنے کی صلاحیت نہیں ہے۔
سب کے بعد، لوگ ایک تقریر کے قابل بوٹ کے ساتھ بات چیت کرنے کے عادی ہیں؛ کمپیوٹرز، دوسری طرف، آسانی کی یہ عیش و آرام نہیں ہے.
اس کے علاوہ، NLU تقریر میں جذبات اور بے ہودہ باتوں کو بالکل اسی طرح پہچان سکتا ہے جیسے آپ کر سکتے ہیں۔ اس سے یہ ظاہر ہوتا ہے کہ ڈیٹا سائنسدان NLU کی صلاحیتوں کا استعمال کرتے ہوئے مختلف مواد کی شکلوں کی جانچ کر سکتے ہیں اور متن کی درجہ بندی کر سکتے ہیں۔
NLG قدرتی زبان کی تفہیم کے براہ راست مخالف میں کام کرتا ہے، جس کا مقصد غیر ساختہ ڈیٹا کو قابل استعمال ڈیٹا میں تبدیل کرنے کے لیے اسے منظم کرنا اور اس کا احساس دلانا ہے۔ اس کے بعد، آئیے NLG کی وضاحت کریں اور ان طریقوں کو دریافت کریں جن سے ڈیٹا سائنسدان اسے عملی استعمال کے معاملات میں استعمال کرتے ہیں۔
نیچرل لینگویج جنریشن کیا ہے؟
قدرتی زبان کی پروسیسنگ میں قدرتی زبان کی پیداوار بھی شامل ہے۔ کمپیوٹر قدرتی زبان کی پیداوار کا استعمال کرتے ہوئے لکھ سکتے ہیں، لیکن فطری زبان کی سمجھ فہم کو پڑھنے پر مرکوز ہے۔
مخصوص ڈیٹا ان پٹ کا استعمال کرتے ہوئے، NLG انسانی زبان میں ایک تحریری جواب تخلیق کرتا ہے۔ ٹیکسٹ ٹو اسپیچ سروسز اس متن کو تقریر میں تبدیل کرنے کے لیے بھی استعمال کیا جا سکتا ہے۔
جب ڈیٹا سائنسدان ڈیٹا کے ساتھ NLG سسٹم کو فراہم کرتے ہیں، تو سسٹم ڈیٹا کا تجزیہ کرتا ہے تاکہ وہ بیانیہ تیار کیا جا سکے جسے مکالمے کے ذریعے سمجھا جا سکے۔
جوہر میں، NLG ڈیٹا سیٹ کو ایک ایسی زبان میں تبدیل کرتا ہے جسے ہم دونوں سمجھتے ہیں، جسے قدرتی زبان کہتے ہیں۔ تاکہ یہ وہ پیداوار فراہم کر سکے جس کا بغور مطالعہ کیا جائے اور زیادہ سے زیادہ درست حد تک ممکن ہو، NLG کو حقیقی زندگی کے انسان کے تجربے سے نوازا گیا ہے۔
یہ طریقہ، جس کا پتہ ایلن ٹورنگ کی کچھ تحریروں سے لگایا جا سکتا ہے جن پر ہم پہلے ہی بحث کر چکے ہیں، انسانوں کو اس بات پر قائل کرنے کے لیے بہت اہم ہے کہ ایک کمپیوٹر ان کے ساتھ قابل فہم اور فطری انداز میں بات کر رہا ہے، چاہے وہ موضوع کچھ بھی ہو۔
NLG کا استعمال تنظیموں کے ذریعہ گفتگو کے بیانات تیار کرنے کے لئے کیا جاسکتا ہے جو کمپنی کے اندر ہر شخص استعمال کرسکتا ہے۔
NLG، جو اکثر کاروباری ذہانت کے ڈیش بورڈز، خودکار مواد کی تیاری، اور زیادہ موثر ڈیٹا تجزیہ کے لیے استعمال ہوتا ہے، مارکیٹنگ، انسانی وسائل، سیلز، اور انفارمیشن ٹیکنالوجی جیسے شعبوں میں کام کرنے والے پیشہ ور افراد کے لیے ایک بڑی مدد ہو سکتی ہے۔
NLU اور NGL NLP میں کیا کردار ادا کرتے ہیں؟
NLP ڈیٹا سائنسدانوں کے ذریعہ استعمال کیا جاسکتا ہے۔ مصنوعی ذہانت پیشہ ور افراد غیر ساختہ ڈیٹا سیٹ کو ان شکلوں میں تبدیل کرنے کے لیے جن کا کمپیوٹر اسپیچ اور ٹیکسٹ میں ترجمہ کر سکتا ہے - وہ ایسے جوابات بھی بنا سکتے ہیں جو آپ کے پوچھے گئے سوال کے لیے سیاق و سباق کے لحاظ سے موزوں ہوں (سری اور الیکسا جیسے ورچوئل اسسٹنٹس کے بارے میں دوبارہ سوچیں)۔
لیکن NLU اور NLG NLP میں کہاں فٹ ہوتے ہیں؟
اگرچہ یہ سب مختلف کردار ادا کرتے ہیں، ان تینوں شعبوں میں ایک چیز مشترک ہے: وہ سب فطری زبان سے نمٹتے ہیں۔ تو، تینوں کے درمیان کیا فرق ہے؟
اس پر اس طرح غور کریں: جہاں NLU کا مقصد اس زبان کو سمجھنا ہے جسے انسان استعمال کرتے ہیں، NLP انتہائی اہم ڈیٹا کی شناخت کرتا ہے اور اسے متن اور نمبر جیسی چیزوں میں ترتیب دیتا ہے۔
یہ نقصان دہ خفیہ کردہ مواصلات میں بھی مدد کرسکتا ہے۔ دوسری طرف، NLG، ایسی کہانیاں تیار کرنے کے لیے غیر ساختہ ڈیٹا کے مجموعوں کا استعمال کرتا ہے جن کی ہم معنی خیز تشریح کر سکتے ہیں۔
NLP کا مستقبل
اگرچہ NLP کے متعدد موجودہ تجارتی استعمال ہیں، لیکن بہت سے کاروباروں نے اسے وسیع پیمانے پر اپنانا مشکل محسوس کیا ہے۔
یہ زیادہ تر مندرجہ ذیل مسائل کی وجہ سے ہے: ایک مسئلہ جو اکثر تنظیموں کو متاثر کرتا ہے وہ ہے معلومات کا زیادہ بوجھ، جس کی وجہ سے ان کے لیے یہ شناخت کرنا مشکل ہو جاتا ہے کہ زیادہ ڈیٹا کے بظاہر نہ ختم ہونے والے سمندر کے درمیان کون سے ڈیٹا سیٹ اہم ہیں۔
مزید برآں، NLP کو مؤثر طریقے سے استعمال کرنے کے لیے، تنظیموں کو اکثر کچھ طریقوں اور آلات کی ضرورت ہوتی ہے جو انہیں ڈیٹا سے قیمتی معلومات نکالنے کے قابل بناتے ہیں۔
آخری لیکن کم از کم، NLP کا مطلب یہ ہے کہ اگر کمپنیاں NLP کا استعمال کرتے ہوئے ڈیٹا کے مختلف ذرائع سے ڈیٹا کو سنبھالنا اور اسے برقرار رکھنا چاہتی ہیں تو انہیں جدید مشینری کی ضرورت ہے۔
بڑی تعداد میں فرموں کو NLP اپنانے سے روکنے میں رکاوٹوں کے باوجود، ایسا لگتا ہے کہ یہی تنظیمیں بالآخر NLP، NLU، اور NLG کو اپنا لیں گی تاکہ ان کے روبوٹ کو حقیقت پسندانہ، انسان نما بات چیت اور بات چیت کو برقرار رکھنے کے قابل بنایا جا سکے۔
سیمنٹکس اور نحو تحقیق کے دو NLP ذیلی فیلڈز ہیں جن پر بہت زیادہ توجہ دی جا رہی ہے۔
نتیجہ
اب تک ہم نے جو بات چیت کی ہے اس کو مدنظر رکھتے ہوئے: آواز اور تحریر کے معنی تفویض کرتے ہوئے، NLU قدرتی زبان کو پڑھتا اور سمجھتا ہے، اور NLG مشینوں کی مدد سے نئی زبان تیار اور آؤٹ پٹ کرتا ہے۔
زبان کو NLU کے ذریعے حقائق کو نکالنے کے لیے استعمال کیا جاتا ہے، جبکہ NLG قدرتی زبان پیدا کرنے کے لیے NLU کے ذریعے حاصل کردہ بصیرت کا استعمال کرتا ہے۔
آئی ٹی انڈسٹری کے بڑے کھلاڑیوں جیسے ایپل، گوگل اور ایمیزون پر نگاہ رکھیں تاکہ وہ NLP میں سرمایہ کاری جاری رکھیں نظام تیار کریں جو انسانی رویے کی نقل کرتا ہے۔
جواب دیجئے