ارے حبر!
ہم نوجوانوں کے لیے پیسے کمانے کے اس طرح کے ایک غیر معمولی طریقے کے بارے میں بات کرنا چاہیں گے جیسے ہیکاتھون میں حصہ لے کر۔ یہ دونوں طرح سے مالی طور پر فائدہ مند ہے اور آپ کو اسکول میں اور سمارٹ کتابیں پڑھنے کے ذریعے حاصل کردہ علم کو عملی جامہ پہنانے کی اجازت دیتا ہے۔
اس کی ایک سادہ مثال پچھلے سال کی آرٹیفیشل انٹیلی جنس اکیڈمی ہیکاتھون ہے جو اسکول کے بچوں کے لیے ہے۔ اس کے شرکاء کو ڈوٹا 2 گیم کے نتائج کی پیشین گوئی کرنی تھی۔ مقابلے کا فاتح چیلیابنسک سے تعلق رکھنے والا دسویں جماعت کا طالب علم الیگزینڈر مامایف تھا۔ اس کے الگورتھم نے لڑائی کی جیتنے والی ٹیم کا سب سے درست تعین کیا۔ اس کا شکریہ، الیگزینڈر کو کافی انعامی رقم ملی - 100 ہزار روبل۔
الیگزینڈر مامایف نے انعامی رقم کا استعمال کیسے کیا، طالب علم کو ML کے ساتھ کام کرنے کے لیے کس علم کی کمی ہے، اور وہ AI کے شعبے میں کس سمت کو سب سے زیادہ دلچسپ سمجھتا ہے - طالب علم نے ایک انٹرویو میں بتایا۔
- ہمیں اپنے بارے میں بتائیں، آپ کو AI میں دلچسپی کیسے ہوئی؟ کیا موضوع میں جانا مشکل تھا؟
— میری عمر 17 سال ہے، میں اس سال اسکول ختم کر رہا ہوں، اور میں حال ہی میں چیلیابنسک سے ڈولگوپروڈنی چلا گیا ہوں، جو ماسکو کے قریب ہے۔ میں Kapitsa Physics and Technology Lyceum میں پڑھتا ہوں، یہ ماسکو کے علاقے کے بہترین اسکولوں میں سے ایک ہے۔ میں ایک اپارٹمنٹ کرایہ پر لے سکتا ہوں، لیکن میں اسکول کے بورڈنگ اسکول میں رہتا ہوں، لائسیم کے لوگوں سے بات چیت کرنا بہتر اور آسان ہے۔
پہلی بار میں نے AI اور ML کے بارے میں سنا شاید 2016 میں، جب Prisma نمودار ہوئی۔ تب میں 8ویں جماعت میں تھا اور اولمپیاڈ پروگرامنگ کر رہا تھا، کچھ اولمپیاڈز میں شرکت کی اور پتہ چلا کہ ہم شہر میں ML میٹنگ کر رہے ہیں۔ مجھے اس کا پتہ لگانے، یہ سمجھنے میں دلچسپی تھی کہ یہ کیسے کام کرتا ہے، اور میں نے وہاں جانا شروع کیا۔ وہاں میں نے پہلی بار بنیادی باتیں سیکھیں، پھر میں نے اسے انٹرنیٹ پر مختلف کورسز میں پڑھنا شروع کیا۔
پہلے پہل، روسی زبان میں کونسٹنٹن وورونٹسوف کا صرف ایک کورس تھا، اور اس کو پڑھانے کا طریقہ سخت تھا: اس میں بہت سی اصطلاحات تھیں، اور وضاحتوں میں بہت سے فارمولے تھے۔ آٹھویں جماعت کے طالب علم کے لیے یہ بہت مشکل تھا، لیکن اب، بالکل اس لیے کہ میں شروع میں ایسے اسکول سے گزرا ہوں، اس لیے شرائط میرے لیے حقیقی مسائل میں عملی طور پر مشکلات پیدا نہیں کرتیں۔
- AI کے ساتھ کام کرنے کے لیے آپ کو کتنی ریاضی جاننے کی ضرورت ہے؟ کیا اسکول کے نصاب سے کافی علم ہے؟
— بہت سے طریقوں سے، ML گریڈ 10-11 میں اسکول کے بنیادی تصورات، بنیادی لکیری الجبرا اور تفریق پر مبنی ہے۔ اگر ہم پیداوار کے بارے میں، تکنیکی مسائل کے بارے میں بات کر رہے ہیں، تو بہت سے طریقوں سے ریاضی کی ضرورت نہیں ہے؛ بہت سے مسائل کو صرف آزمائش اور غلطی سے حل کیا جاتا ہے. لیکن اگر تحقیق کی بات کریں تو جب نئی ٹیکنالوجیز بنتی ہیں تو ریاضی کے بغیر کہیں نہیں ہوتا۔ بنیادی سطح پر ریاضی کی ضرورت ہوتی ہے، کم از کم یہ جاننے کے لیے کہ میٹرکس کو کیسے لاگو کیا جائے یا نسبتاً، مشتقات کا حساب لگایا جائے۔ یہاں کوئی فرار ریاضی نہیں ہے۔
- آپ کی رائے میں، کیا فطری تجزیاتی ذہنیت کا حامل کوئی طالب علم ایم ایل کے مسائل حل کر سکتا ہے؟
- جی ہاں. اگر کوئی شخص جانتا ہے کہ ML کے دل میں کیا مضمر ہے، اگر وہ جانتا ہے کہ ڈیٹا کی ساخت کس طرح ہے اور وہ بنیادی چالوں یا ہیکس کو سمجھتا ہے، تو اسے ریاضی کی ضرورت نہیں ہوگی، کیونکہ اس کام کے لیے بہت سے ٹولز پہلے ہی دوسرے لوگوں نے لکھے ہیں۔ یہ سب پیٹرن تلاش کرنے پر آتا ہے۔ لیکن سب کچھ، کورس کے، کام پر منحصر ہے.
- ایم ایل کے مسائل اور مقدمات کو حل کرنے میں سب سے مشکل چیز کیا ہے؟
- ہر نیا کام کچھ نیا ہوتا ہے۔ اگر مسئلہ پہلے سے اسی شکل میں موجود ہوتا تو اسے حل کرنے کی ضرورت نہیں تھی۔ کوئی عالمگیر الگورتھم نہیں ہے۔ لوگوں کی ایک بہت بڑی کمیونٹی ہے جو اپنے مسائل کو حل کرنے کی مہارتوں کو تربیت دیتی ہے، بتاتی ہے کہ انھوں نے مسائل کیسے حل کیے، اور اپنی فتوحات کی کہانیاں بیان کیں۔ اور ان کی منطق، ان کے خیالات پر عمل کرنا بہت دلچسپ ہے۔
- آپ کن معاملات اور مسائل کو حل کرنے میں سب سے زیادہ دلچسپی رکھتے ہیں؟
— میں کمپیوٹیشنل لسانیات میں مہارت رکھتا ہوں، مجھے متن، درجہ بندی کے کاموں، چیٹ بوٹس وغیرہ میں دلچسپی ہے۔
- کیا آپ اکثر AI ہیکاتھنز میں حصہ لیتے ہیں؟
- ہیکاتھون درحقیقت اولمپیاڈز کا ایک مختلف نظام ہے۔ اولمپیاڈ میں بند مسائل کا ایک مجموعہ ہے، جس کے معلوم جوابات ہیں جن کا شرکاء کو اندازہ لگانا چاہیے۔ لیکن ایسے لوگ ہیں جو بند کاموں میں اچھے نہیں ہیں، لیکن کھلے کاموں میں سب کو پھاڑ دیتے ہیں۔ لہذا آپ اپنے علم کو مختلف طریقوں سے جانچ سکتے ہیں۔ کھلے مسائل میں، ٹیکنالوجیز بعض اوقات شروع سے تخلیق کی جاتی ہیں، مصنوعات تیزی سے تیار کی جاتی ہیں، اور منتظمین بھی اکثر صحیح جواب نہیں جانتے ہیں۔ ہم اکثر ہیکاتھون میں شرکت کرتے ہیں، اور اس کے ذریعے ہم پیسے کما سکتے ہیں۔ یہ دلچسپ ہے.
- آپ اس سے کتنا کما سکتے ہیں؟ آپ اپنی انعامی رقم کیسے خرچ کرتے ہیں؟
— میں اور میرے دوست نے VKontakte hackathon میں حصہ لیا، جہاں ہم نے ہرمیٹیج میں پینٹنگز تلاش کرنے کے لیے ایک درخواست دی۔ فون کی سکرین پر ایموجیز اور ایموٹیکنز کا ایک سیٹ آویزاں تھا، اس سیٹ کا استعمال کرتے ہوئے تصویر تلاش کرنا ضروری تھا، فون کو تصویر کی طرف اشارہ کیا گیا، اسے نیورل نیٹ ورکس کے ذریعے پہچانا گیا اور اگر جواب درست تھا تو پوائنٹس دیے گئے۔ ہمیں خوشی اور دلچسپی تھی کہ ہم ایک ایسی ایپلی کیشن بنانے میں کامیاب ہو گئے جس کی مدد سے ہم موبائل ڈیوائس پر پینٹنگ کو پہچان سکیں۔ ہم عارضی طور پر پہلے نمبر پر تھے، لیکن قانونی طریقہ کار کی وجہ سے ہم 500 ہزار روبل کے انعام سے محروم ہو گئے۔ یہ شرم کی بات ہے، لیکن یہ بنیادی چیز نہیں ہے۔
اس کے علاوہ، اس نے Sberbank ڈیٹا سائنس کے سفر کے مقابلے میں حصہ لیا، جہاں اس نے 5 واں مقام حاصل کیا اور 200 ہزار روبل کمائے۔ پہلے انہوں نے دس لاکھ ادا کیے، دوسرے کے لیے 500 ہزار۔ انعامی فنڈز مختلف ہوتے ہیں، اور اب بڑھ رہے ہیں۔ ٹاپ پر ہونے کی وجہ سے آپ کو 100 سے 500 ہزار مل سکتے ہیں۔ میں تعلیم کے لیے انعامی رقم بچاتا ہوں، یہ مستقبل کے لیے میرا تعاون ہے، جو رقم میں روزمرہ کی زندگی میں خرچ کرتا ہوں، وہ خود کماتا ہوں۔
- زیادہ دلچسپ کیا ہے - انفرادی یا ٹیم ہیکاتھون؟
- اگر ہم ایک پروڈکٹ تیار کرنے کے بارے میں بات کر رہے ہیں، تو یہ ایک ٹیم ہونی چاہیے؛ ایک شخص یہ نہیں کر سکتا۔ وہ صرف تھک جائے گا اور اسے مدد کی ضرورت ہے۔ لیکن اگر ہم بات کر رہے ہیں، مثال کے طور پر، AI اکیڈمی ہیکاتھون کے بارے میں، تو وہاں کام محدود ہے، پروڈکٹ بنانے کی ضرورت نہیں ہے۔ وہاں دلچسپی مختلف ہے - دوسرے شخص کو پیچھے چھوڑنا جو اس علاقے میں بھی ترقی کر رہا ہے۔
- آپ مزید ترقی کرنے کی منصوبہ بندی کیسے کرتے ہیں؟ آپ اپنے کیریئر کو کیسے دیکھتے ہیں؟
- اب بنیادی مقصد آپ کے سنجیدہ سائنسی کام، تحقیق کو تیار کرنا ہے، تاکہ یہ دنیا کے مختلف ممالک میں ہونے والی NeurIPS یا ICML - ML کانفرنسوں جیسی اہم کانفرنسوں میں ظاہر ہو۔ کیریئر کا سوال کھلا ہے، دیکھیں کہ ایم ایل نے پچھلے 5 سالوں میں کس طرح ترقی کی ہے۔ یہ تیزی سے بدل رہا ہے، اب آگے کیا ہوگا اس کا اندازہ لگانا مشکل ہے۔ اور اگر ہم سائنسی کام کے علاوہ آئیڈیاز اور منصوبوں کی بات کریں تو شاید میں خود کو اپنے کسی پروجیکٹ میں، AI اور ML کے شعبے میں ایک اسٹارٹ اپ میں دیکھوں، لیکن یہ یقینی نہیں ہے۔
- آپ کی رائے میں، AI ٹیکنالوجی کی کیا حدود ہیں؟
— ٹھیک ہے، عام طور پر، اگر ہم AI کے بارے میں ایک ایسی چیز کے طور پر بات کریں جو کسی قسم کی ذہانت رکھتی ہے، ڈیٹا پر کارروائی کرتی ہے، تو مستقبل قریب میں، یہ ہمارے آس پاس کی دنیا کے بارے میں کسی قسم کی آگاہی ہوگی۔ اگر ہم کمپیوٹیشنل لسانیات میں نیورل نیٹ ورکس کے بارے میں بات کرتے ہیں، مثال کے طور پر، ہم ماڈل کو اپنی دنیا کے بارے میں سیاق و سباق کو سمجھائے بغیر کسی چیز کو مقامی طور پر ماڈل بنانے کی کوشش کر رہے ہیں، مثال کے طور پر، زبان۔ یعنی، اگر ہم اسے AI میں شامل کرنے میں کامیاب ہو جاتے ہیں، تو ہم ڈائیلاگ ماڈل، چیٹ بوٹس بنانے کے قابل ہو جائیں گے جو نہ صرف زبان کے ماڈلز کو جان سکیں گے، بلکہ ایک نقطہ نظر اور سائنسی حقائق کو بھی جان سکیں گے۔ اور میں مستقبل میں یہی دیکھنا چاہوں گا۔
ویسے، اکیڈمی آف آرٹیفیشل انٹیلی جنس اس وقت ایک نئے ہیکاتھون کے لیے اسکول کے بچوں کو بھرتی کر رہی ہے۔ انعامی رقم بھی کافی ہے، اور اس سال کا کام اور بھی دلچسپ ہے - آپ کو ایک الگورتھم بنانے کی ضرورت ہوگی جو ایک Dota 2 میچ کے اعدادوشمار کی بنیاد پر کھلاڑی کے تجربے کی پیش گوئی کرے۔ تفصیلات کے لیے، پر جائیں .
ماخذ: www.habr.com