گارٹنر کا چارٹ ٹیک انڈسٹری کے لوگوں کے لیے ایک اعلیٰ فیشن شو جیسا ہے۔ اسے دیکھ کر، آپ پہلے ہی جان سکتے ہیں کہ اس سیزن میں کون سے الفاظ سب سے زیادہ بولے گئے ہیں اور آپ آنے والی تمام کانفرنسوں میں کیا سنیں گے۔

ہم نے اس گراف میں خوبصورت الفاظ کے پیچھے کیا ہے اس کی وضاحت کی ہے تاکہ آپ زبان بھی بول سکیں۔

شروع کرنے کے لیے، یہ کس قسم کا گراف ہے کے بارے میں صرف چند الفاظ۔ ہر سال اگست میں، مشاورتی ایجنسی گارٹنر ایک رپورٹ جاری کرتی ہے - Gartner Hype Curve. روسی میں، یہ ایک "ہائپ وکر" ہے، یا، زیادہ آسان، ہائپ۔ 30 سال پہلے، گروپ پبلک اینیمی کے ریپرز نے گایا تھا: "ہائپ پر یقین نہ کریں۔" یقین کریں یا نہ کریں، یہ ایک ذاتی سوال ہے، لیکن اگر آپ ٹیکنالوجی کے میدان میں کام کرتے ہیں اور عالمی رجحانات جاننا چاہتے ہیں تو کم از کم ان کلیدی الفاظ کو جاننا ضروری ہے۔

یہ ایک مخصوص ٹیکنالوجی سے عوامی توقعات کا گراف ہے۔ گارٹنر کے مطابق، مثالی طور پر، ٹیکنالوجی 5 مراحل سے گزرتی ہے: ٹیکنالوجی کا آغاز، توقعات کی بلندی، مایوسی کی وادی، روشن خیالی کی ڈھلوان، پیداواری صلاحیت کا مرتفع۔ لیکن ایسا بھی ہوتا ہے کہ یہ "مایوسی کی وادی" میں ڈوب جاتا ہے - آپ خود مثالیں بہت آسانی سے یاد کر سکتے ہیں، وہی بٹ کوائنز لے سکتے ہیں: ابتدائی طور پر "مستقبل کا پیسہ" کے طور پر چوٹی کو چھوتے ہوئے، ٹیکنالوجی کی کوتاہیوں کی وجہ سے وہ تیزی سے نیچے گر جاتے ہیں۔ واضح ہو گیا، سب سے پہلے لین دین کی تعداد اور بٹ کوائنز (جس میں پہلے سے ہی ماحولیاتی مسائل شامل ہیں) پیدا کرنے کے لیے درکار بجلی کی بہت زیادہ مقدار پر پابندی ہے۔ اور یقینا، ہمیں یہ نہیں بھولنا چاہیے کہ گارٹنر کا چارٹ صرف ایک پیشن گوئی ہے: یہاں، مثال کے طور پر، آپ تفصیلی پڑھ سکتے ہیں۔ مضمون، جہاں سب سے زیادہ حیرت انگیز نامکمل پیشین گوئیوں کو ترتیب دیا گیا ہے۔

تو، آئیے نئے گارٹنر چارٹ کو دیکھتے ہیں۔ ٹیکنالوجیز کو 5 بڑے موضوعاتی گروپوں میں تقسیم کیا گیا ہے:

1. اعلی درجے کی AI اور تجزیات
2. پوسٹ کلاسیکل کمپیوٹ اور کمیس
3. سینسنگ اور موبلٹی
4. بڑھا ہوا انسان
5. ڈیجیٹل ماحولیاتی نظام

1. اعلی درجے کی AI اور Analytics

پچھلے 10 سالوں میں ہم نے گہری سیکھنے کا بہترین وقت دیکھا ہے۔ یہ نیٹ ورک اپنے کاموں کی حد کے لیے واقعی موثر ہیں۔ 2018 میں، Yann LeCun، Geoffrey Hinton اور Yoshua Bengio کو ان کی دریافتوں کے لیے ٹورنگ ایوارڈ ملا - جو کمپیوٹر سائنس میں نوبل انعام کے مترادف سب سے باوقار ایوارڈ ہے۔ لہذا، اس علاقے کے اہم رجحانات، جو چارٹ پر دکھائے گئے ہیں:

1.1 ٹرانسفر لرننگ

آپ شروع سے نیورل نیٹ ورک کو تربیت نہیں دیتے ہیں، لیکن پہلے سے تربیت یافتہ کو لیں اور اسے ایک مختلف مقصد تفویض کریں۔ بعض اوقات اس کے لیے نیٹ ورک کے کچھ حصے کو دوبارہ تربیت دینے کی ضرورت ہوتی ہے، لیکن پورے نیٹ ورک کی نہیں، جو بہت تیز ہے۔ مثال کے طور پر، امیج نیٹ 50 ڈیٹاسیٹ پر تربیت یافتہ ایک ریڈی میڈ نیورل نیٹ ورک ResNet1000 لینے سے، آپ کو ایک الگورتھم ملے گا جو ایک تصویر میں بہت سی مختلف اشیاء کو بہت گہرے درجے پر درجہ بندی کر سکتا ہے (1000 کلاسز جو کہ نیورل کی 50 تہوں سے تیار کردہ خصوصیات پر مبنی ہیں) نیٹ ورک)۔ لیکن آپ کو اس پورے نیٹ ورک کو تربیت دینے کی ضرورت نہیں ہے، جس میں مہینوں لگیں گے۔

В آن لائن کورس سام سنگ "نیورل نیٹ ورکس اور کمپیوٹر ویژن"، مثال کے طور پر، فائنل میں Kaggle کام پلیٹوں کی صاف اور گندی میں درجہ بندی کے ساتھ، ایک نقطہ نظر کا مظاہرہ کیا جاتا ہے کہ 5 منٹ میں آپ کو آپ کے اختیار میں ایک گہرا نیورل نیٹ ورک فراہم کرتا ہے جو گندی پلیٹوں کو صاف سے ممتاز کرنے کی صلاحیت رکھتا ہے، جو اوپر بیان کیے گئے فن تعمیر کے مطابق بنایا گیا ہے۔ اصل نیٹ ورک کو معلوم نہیں تھا کہ پلیٹیں کیا ہیں، اس نے صرف پرندوں کو کتوں سے الگ کرنا سیکھا (دیکھیں امیج نیٹ)۔

ماخذ: آن لائن کورس سام سنگ "نیورل نیٹ ورکس اور کمپیوٹر ویژن"

ٹرانسفر لرننگ کے لیے آپ کو یہ جاننے کی ضرورت ہے کہ کون سے طریقے کام کرتے ہیں اور کون سے ریڈی میڈ بنیادی فن تعمیرات دستیاب ہیں۔ مجموعی طور پر، یہ مشین لرننگ کی عملی ایپلی کیشنز کے ظہور کو بہت تیز کرتا ہے۔

1.2 جنریٹو ایڈورسریل نیٹ ورکس (GAN)

یہ ان صورتوں کے لیے ہے جب ہمارے لیے سیکھنے کا ہدف بنانا بہت مشکل ہوتا ہے۔ یہ کام حقیقی زندگی کے جتنا قریب ہے، ہمارے لیے یہ اتنا ہی زیادہ سمجھ میں آتا ہے ("بیڈ سائیڈ ٹیبل لائیں")، لیکن اسے ایک تکنیکی کام کے طور پر وضع کرنا اتنا ہی مشکل ہے۔ GAN ہمیں اس مسئلے سے بچانے کی صرف ایک کوشش ہے۔

یہاں دو نیٹ ورک کام کر رہے ہیں: ایک جنریٹر (Generative)، دوسرا discriminator (Adversarial)۔ ایک نیٹ ورک مفید کام کرنا سیکھتا ہے (تصاویر کی درجہ بندی کرنا، آوازوں کو پہچاننا، کارٹون بنانا)۔ اور ایک اور نیٹ ورک اس نیٹ ورک کو سکھانا سیکھتا ہے: اس میں حقیقی مثالیں ہیں، اور یہ نیٹ ورک کے تخلیقی حصے کی مصنوعات کا حقیقی دنیا کی اشیاء (ٹریننگ سیٹ) کے ساتھ موازنہ کرنے کے لیے پہلے سے نامعلوم پیچیدہ فارمولہ تلاش کرنا سیکھتا ہے جو واقعی اہم گہری خصوصیات پر مبنی ہے۔ : آنکھوں کی تعداد، میازاکی کے انداز سے قربت، درست انگریزی تلفظ۔

anime حروف پیدا کرنے کے لیے نیٹ ورک کے نتیجے کی ایک مثال۔ ماخذ

لیکن یقیناً وہاں فن تعمیر کی تعمیر مشکل ہے۔ صرف نیوران پھینک دینا کافی نہیں ہے، انہیں تیار رہنے کی ضرورت ہے۔ اور آپ کو ہفتوں تک مطالعہ کرنا ہوگا۔ Samsung Artificial Intelligence Center میں میرے ساتھی GAN موضوع پر کام کر رہے ہیں؛ یہ ان کے اہم تحقیقی سوالات میں سے ایک ہے۔ مثلاً اس طرح ترقی: متغیر پوز والے لوگوں کی حقیقت پسندانہ تصاویر کی ترکیب کے لیے جنریٹو نیٹ ورکس کا استعمال کرتے ہوئے - مثال کے طور پر، ایک ورچوئل فٹنگ روم بنانا، یا چہرے کی ترکیب کرنا، جس سے معلومات کی مقدار کو کم کیا جا سکتا ہے جسے اعلیٰ معیار کی ویڈیو کو یقینی بنانے کے لیے ذخیرہ یا منتقل کرنے کی ضرورت ہے۔ مواصلات، نشریات یا ذاتی ڈیٹا کا تحفظ۔

ماخذ

1.3 قابل وضاحت AI

کچھ نایاب کاموں کے لیے، گہرے فن تعمیر میں پیشرفت نے اچانک گہرے نیورل نیٹ ورکس کی صلاحیتوں کو انسانی صلاحیتوں کے قریب لایا ہے۔ اب ایسے کاموں کا دائرہ بڑھانے کی جنگ جاری ہے۔ مثال کے طور پر، ایک روبوٹ ویکیوم کلینر آسانی سے بلی کو کتے سے الگ کر سکتا ہے۔ لیکن زیادہ تر زندگی کے حالات میں، وہ کتان یا فرنیچر کے درمیان سوتی ہوئی بلی کو تلاش نہیں کر سکے گا (تاہم، ہماری طرح، زیادہ تر معاملات میں...)۔

ڈیپ نیورل نیٹ ورکس کی کامیابی کی وجہ کیا ہے؟ وہ "ننگی آنکھوں سے نظر آنے والی" معلومات (فوٹو پکسلز، آواز کے حجم میں تبدیلی...) کی بنیاد پر نہیں بلکہ عصبی نیٹ ورک کی کئی سو تہوں کے ذریعے اس معلومات کو پہلے سے پروسیس کرنے کے بعد حاصل کردہ خصوصیات پر مبنی مسئلہ کی نمائندگی تیار کرتے ہیں۔ بدقسمتی سے، یہ تعلقات بے معنی، متضاد، یا اصل ڈیٹا سیٹ میں خامیوں کے نشانات بھی لے سکتے ہیں۔ مثال کے طور پر، ایک چھوٹا کمپیوٹر گیم ہے جس کے بارے میں بھرتی میں AI کا سوچے سمجھے استعمال سے کیا ہو سکتا ہے۔ بہترین فٹ کی بقا.

تصویری ٹیگنگ سسٹم نے کھانا پکانے والے شخص کو عورت کے طور پر لیبل کیا ہے، حالانکہ تصویر میں موجود شخص دراصل ایک مرد ہے (ماخذ)۔ یہ محسوس کیا ورجینیا انسٹی ٹیوٹ میں

پیچیدہ اور گہرے رشتوں کا تجزیہ کرنے کے لیے جنہیں ہم اکثر خود نہیں بنا سکتے، قابل وضاحت AI طریقوں کی ضرورت ہے۔ وہ گہرے اعصابی نیٹ ورکس کی خصوصیات کو منظم کرتے ہیں تاکہ تربیت کے بعد، ہم نیٹ ورک نے سیکھی ہوئی اندرونی نمائندگی کا تجزیہ کر سکیں، بجائے اس کے کہ اس کے فیصلے پر بھروسہ کیا جائے۔

1.4 ایج اینالیٹکس / اے آئی

لفظ Edge کے ساتھ ہر چیز کا لفظی معنی درج ذیل ہے: کلاؤڈ/سرور سے اینڈ ڈیوائس/گیٹ وے لیول پر الگورتھم کا کچھ حصہ منتقل کرنا۔ ایسا الگورتھم تیزی سے کام کرے گا اور اس کے آپریشن کے لیے کسی مرکزی سرور سے کنکشن کی ضرورت نہیں ہوگی۔ اگر آپ "پتلے کلائنٹ" کے تجرید سے واقف ہیں تو یہاں ہم اس کلائنٹ کو تھوڑا موٹا بنا رہے ہیں۔
یہ چیزوں کے انٹرنیٹ کے لیے اہم ہو سکتا ہے۔ مثال کے طور پر، اگر کوئی مشین زیادہ گرم ہو جائے اور اسے ٹھنڈک کی ضرورت ہو، تو یہ سمجھ میں آتا ہے کہ اس کو فوری طور پر، پلانٹ کی سطح پر، ڈیٹا کے بادل پر جانے اور وہاں سے شفٹ فورمین تک جانے کا انتظار کیے بغیر۔ یا ایک اور مثال: سیلف ڈرائیونگ کاریں کسی مرکزی سرور سے رابطہ کیے بغیر خود ہی ٹریفک کی صورتحال کا اندازہ لگا سکتی ہیں۔

ماخذ

یا سیکیورٹی کے نقطہ نظر سے یہ کیوں ضروری ہے اس کی ایک اور مثال: جب آپ اپنے فون پر ٹیکسٹ ٹائپ کرتے ہیں، تو یہ وہ الفاظ یاد رکھتا ہے جو آپ کے لیے عام ہیں، تاکہ بعد میں فون کی بورڈ آپ کو آسانی سے ان کے ساتھ اشارہ کر سکے - اسے پیشین گوئی کہا جاتا ہے۔ ٹیکسٹ ان پٹ اپنے کی بورڈ پر جو کچھ بھی آپ ٹائپ کرتے ہیں اسے ڈیٹا سینٹر میں بھیجنا آپ کی رازداری کی خلاف ورزی اور محض غیر محفوظ ہوگا۔ لہذا، کی بورڈ کی تربیت صرف آپ کے آلے میں ہی ہوتی ہے۔

1.5 AI پلیٹ فارم بطور سروس (AI PaaS)

PaaS - Platform-as-a-Service ایک کاروباری ماڈل ہے جس میں ہم ایک مربوط پلیٹ فارم تک رسائی حاصل کرتے ہیں، بشمول اس کے کلاؤڈ بیسڈ ڈیٹا اسٹوریج اور ریڈی میڈ طریقہ کار۔ اس طرح، ہم بنیادی ڈھانچے کے کاموں سے خود کو آزاد کر سکتے ہیں اور کچھ مفید بنانے پر پوری توجہ مرکوز کر سکتے ہیں۔ AI کاموں کے لیے PaaS پلیٹ فارمز کی مثال: IBM Cloud، Microsoft Azure، Amazon Machine Learning، Google AI پلیٹ فارم۔

1.6۔ اڈاپٹیو مشین لرننگ (اڈاپٹیو ایم ایل)

کیا ہوگا اگر ہم مصنوعی ذہانت کو اپنانے دیں... آپ پوچھیں - یعنی کیسے؟... کیا یہ پہلے سے ہی کام کے مطابق نہیں ہوتا؟ مسئلہ یہ ہے: ہم اس طرح کے ہر مسئلے کو حل کرنے کے لیے مصنوعی ذہانت کا الگورتھم بنانے سے پہلے بڑی محنت سے ڈیزائن کرتے ہیں۔ وہ آپ کو جواب دیں گے - یہ پتہ چلتا ہے کہ اس سلسلہ کو آسان بنایا جا سکتا ہے.

روایتی مشین لرننگ اوپن لوپ کے اصول پر کام کرتی ہے: آپ ڈیٹا تیار کرتے ہیں، نیورل نیٹ ورک (یا کچھ بھی) کے ساتھ آتے ہیں، ٹرین کرتے ہیں، پھر کئی اشارے دیکھیں، اور اگر آپ کو سب کچھ پسند ہے، تو آپ نیورل نیٹ ورک کو اسمارٹ فونز پر بھیج سکتے ہیں۔ - صارف کے مسائل حل کریں۔ لیکن ایپلی کیشنز میں جہاں بہت زیادہ ڈیٹا ہوتا ہے اور اس کی نوعیت بتدریج بدل جاتی ہے، دوسرے طریقوں کی ضرورت ہوتی ہے۔ ایسے نظام، جو خود کو ڈھالتے اور سکھاتے ہیں، بند، سیلف لرننگ لوپس (کلوزڈ لوپ) میں منظم ہوتے ہیں، اور انہیں آسانی سے کام کرنا چاہیے۔

ایپلی کیشنز - یہ سٹریم اینالیٹکس (اسٹریم اینالیٹکس) ہو سکتا ہے، جس کی بنیاد پر بہت سے تاجر فیصلے کرتے ہیں، یا انکولی پروڈکشن مینجمنٹ۔ موجودہ ایپلی کیشنز کے پیمانے پر اور انسانوں کو بہتر طور پر سمجھے جانے والے خطرات کو دیکھتے ہوئے، اس مسئلے کا حل بنانے والی تکنیکوں کو اڈاپٹیو اے آئی کے تحت جمع کیا گیا ہے۔

ماخذ

اس تصویر کو دیکھ کر، اس احساس سے جان چھڑانا مشکل ہے کہ مستقبل کے ماہرین کو روٹی نہ کھلائیں - انہیں ایک روبوٹ کو سانس لینا سکھانے دیں...

پوسٹ کلاسیکل کمپیوٹ اور کمیس

2.1 پانچویں نسل کے موبائل مواصلات (5G)

یہ اتنا دلچسپ موضوع ہے کہ ہم فوری طور پر آپ کو ہماری طرف رجوع کرتے ہیں۔ آرٹیکل. ٹھیک ہے، یہاں ایک مختصر خلاصہ ہے. 5G، ڈیٹا ٹرانسمیشن کی فریکوئنسی کو بڑھا کر، انٹرنیٹ کی رفتار کو غیر حقیقی طور پر تیز کر دے گا۔ چھوٹی لہروں کے لیے رکاوٹوں سے گزرنا زیادہ مشکل ہے، اس لیے نیٹ ورکس کا ڈیزائن بالکل مختلف ہوگا: 500 گنا زیادہ بیس اسٹیشنوں کی ضرورت ہے۔

رفتار کے ساتھ ساتھ، ہمیں نئے مظاہر بھی ملیں گے: اصل وقتی گیمز میں اضافہ شدہ حقیقت کے ساتھ، پیچیدہ کاموں (جیسے سرجری) کو ٹیلی پریزنس کے ذریعے انجام دینا، مشینوں کے درمیان رابطے کے ذریعے سڑکوں پر حادثات اور مشکل حالات کو روکنا۔ مزید پراسیک نوٹ پر: موبائل انٹرنیٹ آخر کار بڑے پیمانے پر ہونے والے واقعات کے دوران گرنا بند کر دے گا، جیسے کہ اسٹیڈیم میں میچ۔

تصویری ماخذ - رائٹرز، نائنٹک

2.2 اگلی نسل کی یادداشت

یہاں ہم رام کی پانچویں جنریشن – DDR5 کے بارے میں بات کر رہے ہیں۔ سام سنگ نے اعلان کیا کہ DDR2019 پر مبنی مصنوعات 5 کے آخر تک دستیاب ہوں گی۔ امید کی جا رہی ہے کہ نئی میموری دوگنا تیز اور اسی فارم فیکٹر کو برقرار رکھتے ہوئے دوگنا گنجائش والی ہو گی، یعنی ہم اپنے کمپیوٹر کے لیے 32GB تک کی صلاحیت کے ساتھ میموری سٹکس حاصل کر سکیں گے۔ مستقبل میں، یہ خاص طور پر اسمارٹ فونز (نئی میموری کم طاقت والے ورژن میں ہوگی) اور لیپ ٹاپس (جہاں DIMM سلاٹس کی تعداد محدود ہے) کے لیے موزوں ہوگی۔ اور مشین لرننگ کے لیے بھی بڑی مقدار میں RAM کی ضرورت ہوتی ہے۔

2.3 لو ارتھ آربٹ سیٹلائٹ سسٹم

بھاری، مہنگے، طاقتور سیٹلائٹس کو چھوٹے اور سستے سیٹلائٹس سے تبدیل کرنے کا خیال بہت دور کا ہے اور 90 کی دہائی میں ظاہر ہوا تھا۔ کس بارے میں "ایلون مسک جلد ہی سیٹلائٹ سے ہر ایک کو انٹرنیٹ تقسیم کرے گا" اب صرف سستوں نے نہیں سنا۔ یہاں کی سب سے مشہور کمپنی Iridium ہے، جو 90 کی دہائی کے آخر میں دیوالیہ ہو گئی تھی، لیکن اسے امریکی محکمہ دفاع کے خرچ پر بچایا گیا تھا (iRidium، روسی سمارٹ ہوم سسٹم کے ساتھ الجھن میں نہ پڑیں)۔ ایلون مسک کا پروجیکٹ (اسٹار لنک) صرف ایک سے بہت دور ہے - رچرڈ برانسن (ون ویب - 1440 مجوزہ سیٹلائٹس)، بوئنگ (3000 سیٹلائٹس)، سام سنگ (4600 سیٹلائٹس)، اور دیگر سیٹلائٹ ریس میں حصہ لے رہے ہیں۔

اس علاقے میں چیزیں کیسی ہیں، وہاں کی معیشت کیسی دکھتی ہے۔ جائزہ لیں. اور ہم پہلے صارفین کے ذریعے ان سسٹمز کے پہلے ٹیسٹ کا انتظار کر رہے ہیں، جو اگلے سال ہونے چاہئیں۔

2.4 نانوسکل تھری ڈی پرنٹنگ

3D پرنٹنگ، اگرچہ یہ ہر شخص کی زندگی میں داخل نہیں ہوئی ہے (ایک انفرادی گھریلو پلاسٹک فیکٹری کی طرف سے وعدہ کردہ شکل میں)، اس کے باوجود بہت پہلے گیکس کے لئے ٹیکنالوجی کی جگہ چھوڑ دی گئی ہے. آپ اس حقیقت سے اندازہ لگا سکتے ہیں کہ اسکول کا ہر بچہ کم از کم 3D مجسمہ شدہ قلم کے وجود کے بارے میں جانتا ہے، اور بہت سے لوگوں کا خواب ہے کہ وہ رنرز اور ایکسٹروڈر کے ساتھ ایک باکس خریدنے کا... "بالکل اسی طرح" (یا پہلے ہی اسے خرید چکے ہیں)۔

سٹیریو لیتھوگرافی (لیزر تھری ڈی پرنٹرز) انفرادی فوٹونز کے ساتھ پرنٹنگ کی اجازت دیتی ہے: نئے پولیمر کی کھوج کی جا رہی ہے جن کو مضبوط کرنے کے لیے صرف دو فوٹونز کی ضرورت ہوتی ہے۔ یہ، غیر لیبارٹری حالات میں، مکمل طور پر نئے فلٹرز، ماؤنٹس، اسپرنگس، کیپلریز، لینز اور... بنانے کی اجازت دے گا تبصرے میں آپ کے اختیارات! اور یہاں یہ فوٹوپولیمرائزیشن سے زیادہ دور نہیں ہے - صرف یہ ٹیکنالوجی ہمیں پروسیسرز اور کمپیوٹنگ سرکٹس کو "پرنٹ" کرنے کی اجازت دیتی ہے۔ اس کے علاوہ، یہ پہلا سال نہیں ہے کہ وہاں کیا گیا ہے گرافین 500 این ایم تین جہتی ڈھانچے کو پرنٹ کرنے کے لئے ٹیکنالوجی، لیکن بنیاد پرست ترقی کے بغیر۔

ماخذ

3. سینسنگ اور موبلٹی

3.1 خود مختار ڈرائیونگ لیول 4 اور 5

اصطلاحات میں الجھن میں نہ پڑنے کے لیے، یہ سمجھنے کے قابل ہے کہ خودمختاری کی کن سطحوں کو ممتاز کیا جاتا ہے (تفصیل سے لیا گیا مضامین، جس میں ہم تمام دلچسپی رکھنے والوں کا حوالہ دیتے ہیں):

لیول 1: کروز کنٹرول: انتہائی محدود حالات میں ڈرائیور کی مدد کرتا ہے (مثال کے طور پر، ڈرائیور کے پیڈل سے پاؤں ہٹانے کے بعد گاڑی کو مقررہ رفتار سے پکڑنا)
لیول 2: اسٹیئرنگ اور بریک لگانے میں محدود مدد۔ ڈرائیور کو تقریباً فوری طور پر قابو پانے کے لیے تیار ہونا چاہیے۔ اس کے ہاتھ اسٹیئرنگ وہیل پر ہیں، اس کی آنکھیں سڑک کی طرف ہیں۔ یہ وہ چیز ہے جو ٹیسلا اور جنرل موٹرز کے پاس پہلے سے موجود ہے۔
لیول 3: ڈرائیور کو اب مسلسل سڑک پر نظر نہیں رکھنی ہوگی۔ لیکن اسے چوکنا رہنا چاہیے اور قابو پانے کے لیے تیار رہنا چاہیے۔ یہ وہ چیز ہے جو تجارتی طور پر دستیاب کاروں کے پاس ابھی تک نہیں ہے۔ موجودہ تمام موجودہ سطح 1-2 پر ہیں۔
لیول 4: حقیقی آٹو پائلٹ، لیکن پابندیوں کے ساتھ: صرف ایک ایسے علاقے میں سفر جو احتیاط سے نقشہ بنائے گئے ہوں اور عام طور پر سسٹم کو معلوم ہوں، اور بعض شرائط کے تحت: مثال کے طور پر، برف کی غیر موجودگی میں۔ Waymo اور General Motors کے پاس اس قسم کے پروٹوٹائپز ہیں، اور وہ انہیں کئی شہروں میں لانچ کرنے اور حقیقی ماحول میں جانچنے کا ارادہ رکھتے ہیں۔ Yandex کے Skolkovo اور Innopolis میں بغیر پائلٹ ٹیکسیوں کے لیے ٹیسٹ زون ہیں: یہ سفر مسافر کی سیٹ پر بیٹھے انجینئر کی نگرانی میں ہوتا ہے۔ سال کے آخر تک، کمپنی اپنے بیڑے کو 100 بغیر پائلٹ گاڑیوں تک بڑھانے کا ارادہ رکھتی ہے۔
لیول 5: مکمل خودکار ڈرائیونگ، لائیو ڈرائیور کا مکمل متبادل۔ اس طرح کے نظام موجود نہیں ہیں، اور آنے والے سالوں میں ان کے ظاہر ہونے کا امکان نہیں ہے۔

یہ سب کچھ مستقبل قریب میں دیکھنا کتنا حقیقت پسندانہ ہے؟ یہاں میں قارئین کو مضمون کی طرف بھیجنا چاہوں گا۔ "کیوں 2020 تک روبوٹیکس شروع کرنا ناممکن ہے، جیسا کہ ٹیسلا کا وعدہ ہے". یہ جزوی طور پر 5G کنیکٹیویٹی کی کمی کی وجہ سے ہے: دستیاب 4G رفتار کافی نہیں ہے۔ جزوی طور پر خود مختار کاروں کی بہت زیادہ قیمت کی وجہ سے: وہ ابھی تک منافع بخش نہیں ہیں، کاروباری ماڈل واضح نہیں ہے۔ ایک لفظ میں، یہاں "سب کچھ پیچیدہ ہے"، اور یہ کوئی اتفاق نہیں ہے کہ گارٹنر لکھتے ہیں کہ سطح 4 اور 5 کے بڑے پیمانے پر نفاذ کی پیشن گوئی 10 سالوں سے پہلے کی نہیں ہے۔

3.2 3D سینسنگ کیمرے

آٹھ سال پہلے، مائیکروسافٹ کے Kinect گیمنگ کنٹرولر نے 3D وژن کے لیے قابل رسائی اور نسبتاً سستا حل پیش کرکے لہریں بنائیں۔ اس کے بعد سے، کائنیکٹ کے ساتھ جسمانی تعلیم اور رقص کے کھیلوں نے اپنے مختصر عروج اور زوال کا تجربہ کیا، لیکن 3D کیمرے صنعتی روبوٹس، بغیر پائلٹ گاڑیوں اور چہرے کی شناخت کے لیے موبائل فونز میں استعمال ہونے لگے۔ ٹیکنالوجی سستی، زیادہ کمپیکٹ اور زیادہ قابل رسائی ہو گئی ہے۔

سام سنگ S10 فون میں ٹائم آف فلائٹ کیمرہ ہے جو توجہ مرکوز کرنے کو آسان بنانے کے لیے کسی چیز کے فاصلے کی پیمائش کرتا ہے۔ ماخذ

اگر آپ اس موضوع میں دلچسپی رکھتے ہیں، تو ہم آپ کو گہرائی والے کیمروں کے بہت اچھے تفصیلی جائزے پر بھیجیں گے: . 1, . 2.

3.3 چھوٹے کارگو کی ترسیل کے لیے ڈرونز (ہلکے کارگو ڈیلیوری ڈرونز)

اس سال، ایمیزون نے اس وقت لہریں مچا دی جب اس نے شو میں ایک نیا اڑنے والا ڈرون دکھایا جو 2 کلو تک کا چھوٹا بوجھ اٹھا سکتا ہے۔ ٹریفک جام والے شہر کے لیے، یہ ایک مثالی حل لگتا ہے۔ آئیے دیکھتے ہیں کہ یہ ڈرون مستقبل قریب میں کیسی کارکردگی دکھاتے ہیں۔ شاید یہاں محتاط طور پر شکوک و شبہات کے قابل ہے: ڈرون کی آسانی سے چوری کے امکان سے شروع ہونے والے اور UAVs پر قانونی پابندیوں کے ساتھ ختم ہونے والے بہت سے مسائل ہیں۔ ایمیزون پرائم ایئر کو چھ سال ہو چکے ہیں لیکن ابھی بھی آزمائشی مرحلے میں ہے۔

ایمیزون کا نیا ڈرون، اس موسم بہار میں دکھایا گیا۔ اس کے بارے میں کچھ اسٹار وار ہے۔ ماخذ

ایمیزون کے علاوہ، اس مارکیٹ میں دوسرے کھلاڑی بھی ہیں (وہاں ایک تفصیلی ہے۔ جائزہ)، لیکن ایک بھی تیار شدہ مصنوعات نہیں: سب کچھ جانچ اور مارکیٹنگ کی مہمات کے مرحلے پر ہے۔ علیحدہ طور پر، یہ کافی دلچسپ انتہائی خصوصی طبی نوٹنگ کے قابل ہے .ы افریقہ میں: گھانا میں عطیہ کردہ خون کی ترسیل (14 ڈیلیوری، زپ لائن کمپنی) اور روانڈا (میٹرنیٹ کمپنی)۔

3.4 اڑنے والی خود مختار گاڑیاں

یہاں قطعی طور پر کچھ کہنا مشکل ہے۔ گارٹنر کے مطابق، یہ 10 سال سے پہلے ظاہر نہیں ہوگا۔ عام طور پر، یہاں بھی وہی مسائل ہیں جیسے خود چلانے والی کاروں میں، صرف وہ ایک نئی جہت حاصل کرتے ہیں - عمودی۔ پورش، بوئنگ اور اوبر نے فلائنگ ٹیکسی بنانے کے اپنے عزائم کا اعلان کیا ہے۔

3.5 Augmented Reality Cloud (AR Cloud)

حقیقی دنیا کی ایک مستقل ڈیجیٹل کاپی، آپ کو حقیقت کی ایک نئی پرت بنانے کی اجازت دیتی ہے جو تمام صارفین کے لیے عام ہے۔ مزید تکنیکی اصطلاحات میں، ہم ایک کھلا کلاؤڈ پلیٹ فارم بنانے کے بارے میں بات کر رہے ہیں جس میں ڈویلپر اپنی AR ایپلیکیشنز کو ضم کر سکتے ہیں۔ منیٹائزیشن ماڈل واضح ہے؛ یہ سٹیم کا ایک قسم کا اینالاگ ہے۔ یہ خیال اتنا مضبوط ہو گیا ہے کہ اب کچھ لوگوں کا خیال ہے کہ بادل کے بغیر اے آر محض بیکار ہے۔

مستقبل میں یہ کیسا نظر آئے گا اسے ایک مختصر ویڈیو میں دکھایا گیا ہے۔ بلیک مرر کی ایک اور قسط کی طرح لگتا ہے:

پر بھی پڑھ سکتے ہیں۔ بیان کی جانچ.

4. بڑھا ہوا انسان

4.1 جذبات AI

انسانی جذبات کی پیمائش، نقالی اور جواب کیسے دیا جائے؟ یہاں کے کچھ کلائنٹس ایسی کمپنیاں ہیں جو ایمیزون الیکسا جیسے وائس اسسٹنٹ بناتی ہیں۔ وہ صحیح معنوں میں گھروں کے عادی ہو سکتے ہیں اگر وہ مزاج کو پہچاننا سیکھ لیں: صارف کے عدم اطمینان کی وجہ کو سمجھیں، اور صورتحال کو درست کرنے کی کوشش کریں۔ عام طور پر، پیغام کے مقابلے میں سیاق و سباق میں بہت زیادہ معلومات ہوتی ہیں۔ اور سیاق و سباق چہرے کے تاثرات، لہجے، اور غیر زبانی سلوک ہے۔

دیگر عملی ایپلی کیشنز: ملازمت کے انٹرویو کے دوران جذبات کا تجزیہ (ویڈیو انٹرویوز پر مبنی)، اشتہارات یا دیگر ویڈیو مواد (مسکراہٹ، ہنسی) پر ردعمل کا اندازہ لگانا، سیکھنے میں مدد (مثال کے طور پر، عوامی تقریر کے فن میں آزادانہ مشق کے لیے)۔

اس موضوع پر 6 منٹ کی مختصر فلم کے مصنف سے بہتر بات کرنا مشکل ہے۔ Ur Feeling چوری کرنا. دلچسپ اور سجیلا ویڈیو دکھاتا ہے کہ آپ مارکیٹنگ کے مقاصد کے لیے ہمارے جذبات کی پیمائش کیسے کر سکتے ہیں، اور اپنے چہرے کے لمحاتی رد عمل سے معلوم کریں کہ آیا آپ کو پیزا، کتے، کینی ویسٹ، اور یہاں تک کہ آپ کی آمدنی کی سطح اور تخمینی IQ کیا ہے۔ اوپر دیے گئے لنک کا استعمال کرتے ہوئے فلم کی ویب سائٹ پر جا کر، آپ اپنے لیپ ٹاپ کے بلٹ ان کیمرہ کا استعمال کرتے ہوئے ایک انٹرایکٹو ویڈیو میں حصہ لینے والے بن جاتے ہیں۔ یہ فلم پہلے ہی کئی فلمی میلوں میں دکھائی جا چکی ہے۔

ماخذ

یہاں تک کہ ایک ایسا دلچسپ مطالعہ ہے: متن میں طنز کو کیسے پہچانا جائے۔ ہم نے #sarcasm ہیش ٹیگ کے ساتھ ٹویٹس کیے اور طنز کے ساتھ 25 ٹویٹس اور سورج کے نیچے ہر چیز کے بارے میں 000 باقاعدہ ٹویٹس کا ایک تربیتی سیٹ بنایا۔ ہم نے TensorFlow لائبریری کا استعمال کیا، سسٹم کو تربیت دی، اور نتیجہ یہ ہے:

ماخذ

لہذا، اب، اگر آپ کو اپنے ساتھی یا دوست کے بارے میں یقین نہیں ہے - اس نے آپ کو سنجیدگی سے یا طنزیہ انداز میں کچھ کہا، تو آپ پہلے ہی استعمال کر سکتے ہیں۔ تربیت یافتہ عصبی نیٹ ورک!

4.2 بڑھی ہوئی ذہانت

مشین سیکھنے کے طریقوں کا استعمال کرتے ہوئے دانشورانہ کام کی آٹومیشن۔ ایسا لگتا ہے کہ کوئی نئی بات نہیں ہے؟ لیکن الفاظ خود یہاں اہم ہیں، خاص طور پر چونکہ یہ مصنوعی ذہانت کے مخفف میں موافق ہے۔ یہ ہمیں "مضبوط" اور "کمزور" AI کے بارے میں بحث میں واپس لاتا ہے۔
Strong AI سائنس فکشن فلموں کی وہی مصنوعی ذہانت ہے جو مکمل طور پر انسانی ذہن کے مساوی ہے اور ایک فرد کے طور پر اپنے آپ سے آگاہ ہے۔ یہ ابھی تک موجود نہیں ہے اور یہ واضح نہیں ہے کہ یہ بالکل موجود ہوگا یا نہیں۔

کمزور AI ایک آزاد شخص نہیں ہے، لیکن ایک انسانی معاون ہے۔ وہ انسانوں جیسی سوچ رکھنے کا دعویٰ نہیں کرتا، لیکن صرف معلومات کے مسائل کو حل کرنے کا طریقہ جانتا ہے، مثال کے طور پر اس بات کا تعین کرنا کہ تصویر میں کیا دکھایا گیا ہے یا متن کا ترجمہ کرنا ہے۔

ماخذ

اس لحاظ سے، Augmented Intelligence اپنی خالص ترین شکل میں "کمزور AI" ہے، اور یہ فارمولیشن کامیاب معلوم ہوتی ہے، کیونکہ یہ یہاں وہی "مضبوط AI" دیکھنے کے لیے ابہام اور لالچ کو متعارف نہیں کراتی جس کا ہر کوئی خواب دیکھتا ہے (یا ڈرتا ہے، اگر ہم "بغاوت کاروں" کے بارے میں متعدد مباحثوں کو یاد کریں)۔ Augmented Intelligence کے اظہار کا استعمال کرتے ہوئے، ہم فوری طور پر ایک اور فلم کے ہیرو بن جاتے ہیں: سائنس فکشن سے (جیسے عاصموف کی "I، Robot") ہم خود کو سائبر پنک میں پاتے ہیں (اس صنف میں "اضافہ" ہر قسم کے امپلانٹس ہیں جو انسانی صلاحیتوں کو بڑھاتے ہیں)۔

جیسا کہ کہا Erik Brynjolfsson اور Andrew McAffee: "اگلے 10 سالوں میں، ایسا ہی ہوگا۔ AI مینیجرز کو تبدیل نہیں کرے گا، لیکن وہ مینیجرز جو AI استعمال کرتے ہیں ان کی جگہ لے لیں گے جنہوں نے ابھی تک اسے نہیں بنایا ہے۔

مثالیں:

• میڈیسن: سٹینفورڈ یونیورسٹی نے تیار کیا۔ الگورتھم، جو سینے کے ایکس رے پر پیتھالوجیز کو پہچاننے کے کام کا مقابلہ اوسطاً اتنی ہی کامیابی سے کرتا ہے جتنا زیادہ تر ڈاکٹر کرتے ہیں
• تعلیم: طلباء اور اساتذہ کی مدد، مواد پر طلباء کے ردعمل کا تجزیہ، انفرادی سیکھنے کی رفتار کی تعمیر۔
• کاروباری تجزیات: اعداد و شمار کے مطابق ڈیٹا پری پروسیسنگ میں ایک محقق کا 80% وقت لگتا ہے، اور تجربہ کا صرف 20%

4.3 بایوچپس

یہ تمام سائبر پنک فلموں اور کتابوں کا پسندیدہ تھیم ہے۔ عام طور پر، پالتو جانوروں کو مائیکروچپ کرنا کوئی نیا عمل نہیں ہے۔ لیکن اب یہ چپس لوگوں میں لگائی جانے لگی ہیں۔

اس معاملے میں، ہائپ کا تعلق امریکی کمپنی تھری اسکوائر مارکیٹ کے سنسنی خیز معاملے سے ہے۔ وہاں، آجر نے فیس کے عوض جلد کے نیچے چپس لگانے کی پیشکش شروع کی۔ چپ آپ کو دروازے کھولنے، کمپیوٹر میں لاگ ان کرنے، وینڈنگ مشین سے اسنیکس خریدنے کی اجازت دیتی ہے - یعنی ایسا یونیورسل ملازم کارڈ۔ مزید یہ کہ ایسی چپ بالکل شناختی کارڈ کے طور پر کام کرتی ہے؛ اس میں GPS ماڈیول نہیں ہے، اس لیے اسے استعمال کرنے والے کسی کو ٹریک کرنا ناممکن ہے۔ اور اگر کوئی شخص اپنے بازو سے چپ ہٹانا چاہے تو ڈاکٹر کی مدد سے 5 منٹ لگتے ہیں۔

چپس عام طور پر انگوٹھے اور شہادت کی انگلی کے درمیان لگائے جاتے ہیں۔ ماخذ

مزید پڑھ مضمون دنیا میں چپنگ کے ساتھ معاملات کی حالت کے بارے میں۔

4.4 عمیق ورک اسپیس

"Imersive" ایک اور نیا لفظ ہے جس سے بچنے کا کوئی راستہ نہیں ہے۔ یہ ہر جگہ ہے۔ عمیق تھیٹر، نمائش، سنیما۔ آپ کا کیا مطلب ہے؟ وسرجن ایک عمیق اثر کی تخلیق ہے، جب مصنف اور ناظرین، مجازی اور حقیقی دنیا کے درمیان کی حد ختم ہو جاتی ہے۔ کام کی جگہ پر، غالباً، اس کا مطلب ہے کرنے والے اور شروع کرنے والے کے درمیان لائن کو دھندلا کرنا اور ملازمین کو اپنے ماحول کو دوبارہ ترتیب دینے کے ذریعے زیادہ فعال پوزیشن لینے کی ترغیب دینا۔

چونکہ اب ہمارے پاس ہر جگہ چست، لچکدار اور قریبی تعاون ہے، اس لیے کام کی جگہوں کو ہر ممکن حد تک آسانی سے قابل ترتیب ہونا چاہیے اور گروپ کے کام کی حوصلہ افزائی کرنی چاہیے۔ معیشت اپنی شرائط کا حکم دیتی ہے: زیادہ عارضی ملازمین ہیں، دفتر کی جگہ کرائے پر لینے کی لاگت بڑھ رہی ہے، اور ایک مسابقتی لیبر مارکیٹ میں، IT کمپنیاں تفریحی مقامات اور دیگر فوائد بنا کر کام سے ملازمین کا اطمینان بڑھانے کی کوشش کر رہی ہیں۔ اور یہ سب کام کی جگہوں کے ڈیزائن میں جھلکتا ہے۔

میں سے رپورٹ نوول

4.5 شخصیت سازی

ہر کوئی جانتا ہے کہ اشتہارات میں پرسنلائزیشن کیا ہوتی ہے۔ یہ اس وقت ہوتا ہے جب آج آپ کسی ساتھی سے بات کر رہے ہوتے ہیں کہ کمرے میں ہوا کچھ خشک ہے، اور آپ کو دفتر کے لیے ایک ہیومیڈیفائر خریدنا چاہیے، اور اگلے دن آپ کو اپنے سوشل نیٹ ورک پر ایک اشتہار نظر آتا ہے - "ایک humidifier خریدیں" (a حقیقی واقعہ جو میرے ساتھ پیش آیا)۔

ماخذ

پرسنلائزیشن، جیسا کہ گارٹنر نے بیان کیا ہے، اشتہاری مقاصد کے لیے اپنے ذاتی ڈیٹا کے استعمال کے بارے میں صارفین کے بڑھتے ہوئے خدشات کا جواب ہے۔ مقصد ایک ایسا نقطہ نظر تیار کرنا ہے جس میں ہمیں اشتہارات دکھائے جائیں جو اس سیاق و سباق سے متعلق ہو جس میں ہم خود کو پاتے ہیں، نہ کہ ذاتی طور پر ہمارے لیے۔ مثال کے طور پر، ہمارا مقام، ڈیوائس کی قسم، دن کا وقت، موسمی حالات - یہ ایسی چیز ہے جو ہمارے ذاتی ڈیٹا کی خلاف ورزی نہیں کرتی ہے، اور ہم "سروے" ہونے کا ناخوشگوار احساس محسوس نہیں کرتے ہیں۔

ان دو تصورات کے درمیان فرق کے بارے میں پڑھیں ایک نوٹ اینڈریو فرینک گارٹنر کی ویب سائٹ پر بلاگ کرتے ہیں۔ اس میں اتنا لطیف فرق اور اس سے ملتے جلتے الفاظ ہیں کہ آپ، فرق کو نہ جانتے ہوئے، اپنے مکالمہ کرنے والے کے ساتھ طویل عرصے تک بحث کرنے کا خطرہ مول لیتے ہیں، اور یہ شک نہیں کرتے کہ، عام طور پر، دونوں صحیح ہیں (اور یہ بھی ایک حقیقی واقعہ ہے جو اس کے ساتھ پیش آیا تھا۔ مصنف)۔

4.6 بائیوٹیک - مہذب یا مصنوعی ٹشو

یہ سب سے پہلے مصنوعی گوشت اگانے کا خیال ہے۔ ایک ہی وقت میں، دنیا بھر میں کئی ٹیمیں لیبارٹری "Meat 2.0" تیار کرنے میں مصروف ہیں - توقع ہے کہ یہ معمول سے سستا ہو جائے گا، اور فاسٹ فوڈز اور پھر سپر مارکیٹیں اس کی طرف جائیں گی۔ اس ٹیکنالوجی میں سرمایہ کاری کرنے والوں میں بل گیٹس، سرجی برن، رچرڈ برانسن اور دیگر شامل ہیں۔

ماخذ

ہر کسی کی مصنوعی گوشت میں اتنی دلچسپی کی وجوہات:

1. گلوبل وارمنگ: کھیتوں سے میتھین کا اخراج۔ یہ گیسوں کے عالمی حجم کا 18% ہے جو آب و ہوا کو متاثر کرتی ہے۔
2. آبادی میں اضافہ. گوشت کی مانگ بڑھ رہی ہے، اور قدرتی گوشت کے ساتھ ہر کسی کو کھانا کھلانا ممکن نہیں ہوگا - یہ صرف مہنگا ہے۔
3. جگہ کی کمی. ایمیزون کے 70 فیصد جنگلات چراگاہ کے لیے پہلے ہی کاٹ دیے گئے ہیں۔
4. اخلاقی تحفظات۔ وہ لوگ ہیں جن کے لیے یہ اہم ہے۔ جانوروں کے حقوق کی تنظیم پیٹا پہلے ہی اس سائنسدان کو 1 لاکھ ڈالر کے انعام کی پیشکش کر چکی ہے جو مصنوعی مرغی کا گوشت مارکیٹ میں لاتا ہے۔

اصلی گوشت کو سویا کے ساتھ تبدیل کرنا ایک جزوی حل ہے، کیونکہ لوگ ذائقہ اور ساخت میں فرق کی تعریف کر سکتے ہیں، اور سویا کے حق میں سٹیک کو ترک کرنے کا امکان نہیں ہے۔ لہذا آپ کو اصلی، نامیاتی طور پر اگائے گئے گوشت کی ضرورت ہے۔ اب، بدقسمتی سے، مصنوعی گوشت بہت مہنگا ہے: $12 فی کلوگرام سے۔ یہ اس طرح کے گوشت کو اگانے کے پیچیدہ تکنیکی عمل کی وجہ سے ہے۔ اس کے بارے میں سب پڑھیں مضمون.

اگر ہم بافتوں کی نشوونما کے دوسرے معاملات کے بارے میں بات کرتے ہیں - پہلے سے ہی دوائی میں - تو مصنوعی اعضاء کا موضوع دلچسپ ہے: مثال کے طور پر، دل کے پٹھوں کے لئے ایک "پیچ"، چھپی ہوئی ایک خصوصی 3D پرنٹر۔ جانا جاتا ہے۔ کہانیاں مصنوعی طور پر بڑھے ہوئے ماؤس دل کی طرح، لیکن عام طور پر سب کچھ اب بھی کلینیکل ٹرائلز کے دائرہ کار میں ہے۔ لہذا ہمیں آنے والے سالوں میں فرینکنسٹین کو دیکھنے کا امکان نہیں ہے۔

یہاں گارٹنر اپنے اندازوں میں بہت محتاط ہیں، بظاہر ان کی 2015 کی ناکام پیشین گوئی کو ذہن میں رکھتے ہوئے کہ 2019 میں ترقی یافتہ ممالک میں 10% آبادی کے پاس 3D پرنٹڈ میڈیکل ڈیوائس ایمپلانٹ ہوگی۔ لہذا، اس کا مطلب ہے کہ پیداواری سطح تک پہنچنے کا وقت کم از کم 10 سال ہے۔

5. ڈیجیٹل ماحولیاتی نظام

5.1 وکندریقرت ویب

یہ تصور ویب کے موجد، ٹورنگ ایوارڈ یافتہ سر ٹم برنرز لی کے نام سے گہرا تعلق ہے۔ اس کے لیے کمپیوٹر سائنس میں اخلاقیات کے سوالات ہمیشہ اہم تھے اور انٹرنیٹ کا اجتماعی جوہر اہم تھا: ہائپر ٹیکسٹ کی بنیاد رکھتے ہوئے، وہ اس بات پر قائل تھا کہ نیٹ ورک کو ایک ویب کی طرح کام کرنا چاہیے، نہ کہ درجہ بندی کی طرح۔ نیٹ ورک کی ترقی کے ابتدائی مرحلے میں یہ معاملہ تھا۔ تاہم، جیسے جیسے انٹرنیٹ بڑھتا گیا، اس کا ڈھانچہ متعدد وجوہات کی بنا پر مرکزیت اختیار کر گیا۔ یہ پتہ چلا کہ پورے ملک کے لیے نیٹ ورک تک رسائی کو صرف چند فراہم کنندگان کی مدد سے آسانی سے بلاک کیا جا سکتا ہے۔ اور صارف کا ڈیٹا انٹرنیٹ کمپنیوں کے لیے طاقت اور آمدنی کا ذریعہ بن گیا ہے۔

برنرز لی کہتے ہیں، "انٹرنیٹ پہلے سے ہی وکندریقرت زدہ ہے۔ "مسئلہ یہ ہے کہ ایک سرچ انجن، ایک بڑا سوشل نیٹ ورک، ایک مائکروبلاگنگ پلیٹ فارم غالب ہے۔ ہمارے پاس تکنیکی مسائل نہیں ہیں، لیکن ہمارے پاس سماجی مسائل ہیں۔

اس میں کھلا خط ورلڈ وائڈ ویب کی 30 ویں سالگرہ کے موقع پر، ویب کے خالق نے انٹرنیٹ کے تین اہم مسائل کا خاکہ پیش کیا:

1. ٹارگٹڈ نقصان جیسے کہ ریاست کے زیر اہتمام ہیکنگ، جرم، اور آن لائن ہراساں کرنا
2. سسٹم کا بالکل ڈیزائن، جو صارف کو نقصان پہنچاتا ہے، اس طرح کے میکانزم کے لیے بنیاد بناتا ہے جیسے: کلک بیٹ کے لیے مالی مراعات اور غلط معلومات کا وائرل پھیلاؤ
3. سسٹم ڈیزائن کے غیر ارادی نتائج جو تنازعات کا باعث بنتے ہیں اور آن لائن بحث کے معیار کو کم کرتے ہیں۔

اور ٹِم برنرز لی کے پاس پہلے سے ہی ایک جواب ہے کہ "ایک صحت مند شخص کا انٹرنیٹ" کن اصولوں پر مبنی ہو سکتا ہے، مسئلہ نمبر 2 سے خالی: "بہت سے صارفین کے لیے، اشتہاری آمدنی انٹرنیٹ کے ساتھ بات چیت کا واحد نمونہ ہے۔ یہاں تک کہ اگر لوگ خوفزدہ ہیں کہ ان کے ڈیٹا کا کیا ہوتا ہے، وہ مفت میں مواد حاصل کرنے کے موقع کے لیے مارکیٹنگ مشین کے ساتھ معاہدہ کرنے کو تیار ہیں۔ ایک ایسی دنیا کا تصور کریں جہاں سامان اور خدمات کی ادائیگی دونوں فریقوں کے لیے آسان اور لطف اندوز ہو۔ اس کو کس طرح ترتیب دیا جا سکتا ہے اس کے اختیارات میں سے: موسیقار اپنی ریکارڈنگ کو ثالثوں کے بغیر آئی ٹیونز کی شکل میں فروخت کر سکتے ہیں، اور نیوز سائٹیں اشتہارات سے پیسہ کمانے کے بجائے، ایک مضمون پڑھنے کے لیے مائیکرو پیمنٹس کا نظام استعمال کر سکتی ہیں۔

اس نئے انٹرنیٹ کے تجرباتی پروٹو ٹائپ کے طور پر، Tim Berners-lee نے SOLID پروجیکٹ کا آغاز کیا، جس کا خلاصہ یہ ہے کہ آپ اپنا ڈیٹا ایک "pod" یعنی ایک انفارمیشن اسٹور میں اسٹور کرتے ہیں، اور یہ ڈیٹا تھرڈ پارٹی ایپلی کیشنز کو فراہم کر سکتے ہیں۔ لیکن اصولی طور پر، آپ خود اپنے ڈیٹا کے مالک ہیں۔ ان سب کا گہرا تعلق پیئر ٹو پیئر نیٹ ورکس کے تصور سے ہے، یعنی آپ کا کمپیوٹر نہ صرف خدمات کی درخواست کرتا ہے، بلکہ انہیں فراہم بھی کرتا ہے، تاکہ واحد چینل کے طور پر ایک سرور پر انحصار نہ کیا جائے۔

ماخذ

5.2 وکندریقرت خود مختار تنظیمیں۔

یہ ایک ایسی تنظیم ہے جو کمپیوٹر پروگرام کی شکل میں لکھے گئے قواعد کے تحت چلتی ہے۔ اس کی مالی سرگرمیاں بلاک چین پر مبنی ہیں۔ ایسی تنظیموں کو بنانے کا مقصد ریاست کو ثالث کے کردار سے ہٹا کر ہم منصبوں کے لیے ایک مشترکہ قابل اعتماد ماحول پیدا کرنا ہے، جو انفرادی طور پر کسی کی ملکیت نہیں، بلکہ سب مل کر اس کی ملکیت ہیں۔ یعنی نظریہ میں، اگر یہ خیال جڑ پکڑتا ہے تو، نوٹریوں اور دیگر معمول کی تصدیقی اداروں کو ختم کر دینا چاہیے۔

ایسی تنظیم کی سب سے مشہور مثال وینچر پر مرکوز The DAO تھی، جس نے 2016 میں 150 ملین ڈالر اکٹھے کیے، جن میں سے $50 فوری طور پر قوانین میں قانونی سوراخ کے ذریعے چوری کر لیے گئے۔ فوری طور پر ایک مشکل مخمصہ پیدا ہوا: یا تو رول بیک کریں اور رقم واپس کردیں، یا تسلیم کریں کہ رقم کی واپسی قانونی تھی، کیونکہ اس سے پلیٹ فارم کے قوانین کی خلاف ورزی نہیں ہوئی۔ نتیجے کے طور پر، سرمایہ کاروں کو رقم واپس کرنے کے لیے، تخلیق کاروں کو The DAO کو تباہ کرنا پڑا، بلاکچین کو دوبارہ لکھنا اور اس کے بنیادی اصول - ناقابل تغیر کی خلاف ورزی کرنا پڑی۔

ایتھریم (بائیں) اور ڈی اے او (دائیں) کے بارے میں مزاحیہ۔ ماخذ

اس پوری کہانی نے DAO کے خیال کی ساکھ کو برباد کر دیا ہے۔ وہ پروجیکٹ Ethereum cryptocurrency کی بنیاد پر بنایا گیا تھا، ورژن Ether 2.0 اگلے سال متوقع ہے - شاید مصنفین (مشہور Vitalik Buterin سمیت) غلطیوں کو مدنظر رکھیں گے اور کچھ نیا دکھائیں گے۔ شاید اسی لیے گارٹنر نے ڈی اے او کو اپ لائن پر رکھا۔

5.3.Synthetics ڈیٹا

اعصابی نیٹ ورکس کو تربیت دینے کے لیے بڑی مقدار میں ڈیٹا کی ضرورت ہوتی ہے۔ ڈیٹا کو دستی طور پر لیبل لگانا ایک بہت بڑا کام ہے جو صرف انسان ہی کر سکتا ہے۔ لہذا، مصنوعی ڈیٹا سیٹ بنانا ممکن ہے. مثال کے طور پر، سائٹ پر انسانی چہروں کے وہی مجموعے۔ https://generated.photos. وہ GAN کا استعمال کرتے ہوئے بنائے گئے ہیں - وہ الگورتھم جن کا اوپر پہلے ذکر کیا گیا ہے۔

یہ چہرے لوگوں سے تعلق نہیں رکھتے۔ ماخذ

اس طرح کے ڈیٹا کا بڑا فائدہ یہ ہے کہ اسے استعمال کرنے میں کوئی قانونی مشکلات نہیں ہیں: ذاتی ڈیٹا کی پروسیسنگ کے لیے رضامندی دینے والا کوئی نہیں ہے۔

5.4 ڈیجیٹل آپریشنز

لاحقہ "Ops" ناقابل یقین حد تک فیشن بن گیا ہے جب سے DevOps نے ہماری تقریر میں جڑ پکڑ لی ہے۔ اب اس بارے میں کہ DigitalOps کیا ہے - یہ صرف DevOps، DesignOps، MarketingOps کا ایک عام ہونا ہے... کیا آپ ابھی تک بور ہیں؟ مختصراً، یہ سافٹ ویئر ایریا سے کاروبار کے دیگر تمام پہلوؤں - مارکیٹنگ، ڈیزائن وغیرہ میں DevOps اپروچ کی منتقلی ہے۔

ماخذ

DevOps کا خیال یہ تھا کہ ترقی اور آپریشنز (کاروباری عمل) کے درمیان حائل رکاوٹوں کو دور کیا جائے، مشترکہ ٹیموں کی تشکیل کے ذریعے، جہاں پروگرامرز، ٹیسٹرز، سیکیورٹی ماہرین، اور منتظمین ہوں؛ بعض طریقوں کا نفاذ: مسلسل انضمام، کوڈ کے طور پر بنیادی ڈھانچہ، فیڈ بیک چینز میں کمی اور مضبوطی۔ مقصد مارکیٹ میں مصنوعات کے وقت کو تیز کرنا تھا۔ اگر آپ کو لگتا ہے کہ یہ فرتیلی سے ملتا جلتا ہے، تو آپ صحیح تھے۔ اب ذہنی طور پر اس نقطہ نظر کو سافٹ ویئر ڈویلپمنٹ کے میدان سے عام طور پر ترقی میں منتقل کریں - اور آپ سمجھتے ہیں کہ DigitalOps کیا ہے۔

5.5 نالج گرافس

مشین لرننگ الگورتھم کا استعمال سمیت علم کے علاقے کو ماڈل کرنے کا ایک سافٹ ویئر طریقہ۔ تمام معلومات کو آپس میں جوڑنے کے لیے موجودہ ڈیٹا بیس کے اوپر ایک علمی گراف بنایا گیا ہے: دونوں ساختہ (واقعات یا لوگوں کی فہرست) اور غیر ساختہ (مضمون کا متن)۔

سب سے آسان مثال وہ کارڈ ہے جسے آپ گوگل سرچ کے نتائج میں دیکھ سکتے ہیں۔ اگر آپ کسی شخص یا ادارے کو تلاش کر رہے ہیں، تو آپ کو دائیں طرف ایک کارڈ نظر آئے گا:


براہ کرم نوٹ کریں کہ "آنے والے واقعات" Google Maps سے معلومات کی کاپی نہیں ہے، بلکہ Yandex.Afisha کے ساتھ شیڈول کا انضمام ہے: اگر آپ واقعات پر کلک کرتے ہیں تو آپ اسے آسانی سے دیکھ سکتے ہیں۔ یعنی یہ متعدد ڈیٹا ذرائع کا ایک ساتھ مجموعہ ہے۔

اگر آپ فہرست طلب کرتے ہیں - مثال کے طور پر، "مشہور ہدایت کار" - آپ کو ایک carousel دکھایا جائے گا:

آخر تک پڑھنے والوں کے لیے بونس

اور اب جب کہ ہم نے اپنے لیے ہر ایک نکتے کا مطلب واضح کر دیا ہے، ہم اسی تصویر کو دیکھ سکتے ہیں، لیکن روسی میں:

اسے سوشل نیٹ ورکس پر آزادانہ طور پر شیئر کریں!

Tatyana Volkova - سام سنگ اکیڈمی میں انٹرنیٹ آف تھنگز IT ٹریک کے تربیتی پروگرام کی مصنفہ، سام سنگ ریسرچ سینٹر میں کارپوریٹ سماجی ذمہ داری کے پروگراموں کی ماہر


ماخذ: www.habr.com