"گی گو"

خود ساختہ اور تیار کردہ کمپیوٹر

)خود ساختہ اور تیار کردہ کمپیوٹر(
اگرچہ یہ خودکار جانچ کا سامان میں نے 1988 میں Airbus A-300 کے آٹو پائلٹ سسٹم کارڈز کو جانچنے کے لیے ڈیزائن اور تیار کیا تھا، لیکن آج تک مکمل طور پر کام کر رہا ہے کیونکہ سافٹ ویئر ڈیٹا کو صحیح طریقے سے ڈالا گیا تھا، ورنہ نتائج بالکل کوڑے دان ہوتے، جسے "GIGO" کہا جاتا ہے، کچرا اندر، کوڑا باہر کرنا۔
کہاوت "کچرا اندر، کچرا باہر" (GIGO) کا مطلب ہے کہ کسی بھی آؤٹ پٹ، نتیجہ، یا فیصلے کا معیار براہ راست ان پٹ کے معیار سے طے ہوتا ہے۔ اگر آپ کسی سسٹم، کمپیوٹر، یا پراسیس کو ناقص، متعصب، یا کم معیار کا ڈیٹا یا مواد کھلاتے ہیں، تو حتمی نتیجہ بھی اسی طرح ناقص یا بیکار ہوگا۔
کمپیوٹر سائنس اور ڈیٹا: اصل میں کمپیوٹنگ کے ابتدائی دنوں میں مقبول ہوا، GIGO ہمیں یاد دلاتا ہے کہ کمپیوٹر، سافٹ ویئر، اور مصنوعی ذہانت آزاد استدلال کے مالک نہیں ہیں۔ اگر آپ غلط ڈیٹا داخل کرتے ہیں یا غلط منطق لکھتے ہیں، تو کمپیوٹر ایمانداری سے اس پر کارروائی کرے گا اور غلط جواب تھوک دے گا۔
روزمرہ کی زندگی اور فیصلہ سازی: یہ جملہ ٹیکنالوجی سے کہیں زیادہ لاگو ہوتا ہے۔ مثال کے طور پر، اگر آپ غیر تصدیق شدہ افواہوں یا برے مشورے پر زندگی یا کاروباری فیصلے کی بنیاد رکھتے ہیں، تو ممکنہ طور پر نتیجہ ناکام ہو جائے گا۔
صحت اور عادات: آپ جو کچھ کھاتے ہیں — خواہ وہ کھانا ہو، میڈیا ہو یا معلومات — وہ آپ کی جسمانی صحت، ذہنی تندرستی، یا آپ کے کام کے معیار کو تشکیل دیتا ہے۔
"کچرا اندر، کچرا باہر" (GIGO) کا مطلب ہے کہ AI کے آؤٹ پٹ کا معیار براہ راست ان پٹ ڈیٹا کے معیار سے منسلک ہوتا ہے یا آپ کو اس میں فیڈ کرنے کا اشارہ دیتا ہے۔ اگر آپ ناقص، متعصب، نامکمل، یا گندی معلومات ("کوڑا") فراہم کرتے ہیں، تو AI ناقابل اعتبار، غلط، یا بیکار نتائج ("کچرا") پیدا کرے گا۔ یہ AI میں کیسے کام کرتا ہے۔
ٹریننگ ڈیٹا: جب مشین لرننگ ماڈلز یا بڑے لینگویج ماڈلز (LLMs) کو غیر منظم، گندے، یا متعصب انٹرنیٹ یا کمپنی کے ڈیٹا پر تربیت دی جاتی ہے، تو وہ غلط پیٹرن سیکھتے ہیں اور ان غلطیوں کو نقل کرتے ہیں۔
اشارے اور سیاق و سباق: جب آپ کسی AI ٹول جیسے ChatGPT کے ساتھ تعامل کرتے ہیں، تو مبہم، سست، یا ناقص سیاق و سباق کے اشارے سے عمومی یا فریب سے متعلق جوابات ملتے ہیں کیونکہ AI میں مخصوص تفصیلات کی کمی ہوتی ہے۔
غلطیوں کی افزائش: آٹومیشن خراب ڈیٹا کو ٹھیک نہیں کرتی ہے۔ اس کے بجائے، یہ چھوٹے ان پٹ غلطیوں کو بڑے پیمانے پر برے فیصلوں میں ترازو اور تیز کرتا ہے۔
ڈیٹا کی صفائی: ادارے خام ڈیٹا کو صاف کرنے، اس کی ساخت اور تیاری کے لیے ڈیٹا انجینئرز پر بہت زیادہ انحصار کرتے ہیں تاکہ AI اس پر بامعنی کارروائی کر سکے۔
پیچیدگی پر بحث: Reddit جیسے پلیٹ فارمز پر ہونے والی کچھ بحثیں نوٹ کرتی ہیں کہ روایتی آئٹم لیول GIGO حد سے زیادہ سادہ ہو سکتا ہے، کیونکہ جدید اعلیٰ جہتی مشین لرننگ ماڈل بعض اوقات شور یا پیچیدہ ڈیٹا سے بھی مفید نمونے نکال سکتے ہیں اگر اس کا صحیح ڈھانچہ ہو۔
جی ہاں، "کوڑا کرکٹ اندر، کچرا باہر" (GIGO) اصول مصنوعی ذہانت پر لاگو ہوتا ہے — اور بہت سے طریقوں سے، یہ روایتی سافٹ ویئر کے مقابلے میں AI کے لیے زیادہ اہمیت رکھتا ہے۔
Comments
Syed Musarrat Ali
About the Author: Syed Musarrat Ali Read More Articles by Syed Musarrat Ali: 402 Articles with 314850 views Basically Aeronautical Engineer and retired after 41 years as Senior Instructor Management Training PIA. Presently Consulting Editor Pakistan Times Ma.. View More