ایک چند سینٹ فی آرڈر والی پلیٹ فارم جس نے پورے ڈیپ لرننگ دور کو سہارا دیا۔
اب، یہ بند ہو رہا ہے۔
امیزون نے ابھی اعلان کیا ہے کہ اس کا گروہی پلیٹ فارم میکانیکل ترک 30 ستمبر 2024 تک مکمل طور پر بند ہو جائے گا۔
اپنے عروج کے دوران، پلیٹ فارم پر 50 سے زائد لاکھ لوگ آن لائن تھے جو تصاویر دیکھ رہے، درجہ بندی کر رہے اور نشان لگا رہے تھے، اور اس وقت کے کمپیوٹر جو ابھی سیکھ نہیں پا رہے تھے، ان چھوٹی باتوں کو ہر آرڈر کو ہاتھ سے مکمل کیا جاتا تھا۔
بعد میں، یہ وسیع «انسانی کمپیوٹنگ پاور» نے ImageNet ڈیٹا سیٹ کو سپورٹ کرنے میں ب без تعاون کیا—
بے MTurk، ImageNet پر کروڑوں تصاویر کا دستی نشان زد کرنا تقریباً ناممکن ہوگا۔
بے ImageNet، لی فیفی شاید ایک رات میں مشہور نہ ہو سکتی تھیں۔
ہنٹن کے شاگرد اور استاد ایک جنگ میں خدا بن نہیں سکتے، گہری سیکھنے کا شاید 2012 میں اچانک بحالی نہیں ہوئی ہو۔
21 سال بعد، اصل AI اس قسم کے ہوم ورک کو اور زیادہ اچھی طرح کرنا سیکھ جائے گا۔
اور وہ لوگ جنہوں نے ای آئی کو سمجھدار بنانے کا دعویٰ کیا تھا، اس پلیٹ فارم کے ساتھ، "سروس ختم کرنے کی نوٹیفیکیشن" کا سامنا کر رہے ہیں۔
50 لاکھ آن لائن مزدور، MTurk نے اصل افراد کو "انٹرفیس" کے طور پر متعین کیا
میکنیکل ٹرک (MTurk) 2005 میں لانچ ہوا۔
اصل میں، ایمیزون نے اس چیز کے ذریعے AI کی تاریخ کو تبدیل کرنے کا خیال نہیں کیا تھا۔
MTurk اس وقت ایک خاص طور پر عملی اور پیچیدہ مسئلہ حل کر رہا تھا: کچھ کام جو کمپیوٹر کے لیے بہت مشکل ہوتے تھے، انسانوں کے لیے بہت آسان ہوتے تھے۔
اس لیے ایمیزون نے ایک بہت سیدھا طریقہ اپنایا: اگر پروگرام کام نہیں کر رہا، تو مسئلہ کو چھوٹے چھوٹے ٹکڑوں میں تقسیم کر کے انسانوں کو دے دیا جائے!
اس طرح، ان الگ کیے گئے چھوٹے کاموں کو HIT، یعنی Human Intelligence Task کہا جاتا ہے۔
مثلاً، اگر کوئی کمپنی کے پاس 10,000 تصاویر کو درجہ بندی کرنے کے لیے ہیں، تو MTurk کا طریقہ یہ ہے کہ انہیں 10,000 الگ الگ کاموں میں تقسیم کر دیا جائے اور انہیں ایک ساتھ پلیٹ فارم پر شائع کر دیا جائے۔
100 لوگ مل کر کر سکتے ہیں، 1000 لوگ بھی، اور کئی ہزار لوگ مل کر اور تیزی سے۔
دوسرے الفاظ میں، MTurk صرف ایک فرد کو تیز تر کام کرنے کے لیے نہیں ہے، بلکہ اس نے ایک ایسا مزدوری کا کام جو صرف ایک ساتھ کیا جا سکتا تھا، اسے "عوامی طور پر متوازی" بنادیا ہے۔
حقیقی انسانی ڈیٹا فل کا عمل ہو گیا...
اور "Mechanical Turk" کا نام خود ہی اس "کھیل" کے مطابق ہے۔
18ویں صدی میں، یورپ میں ایک مشہور مکینیکل ترکی موجود تھا، جو باہر سے ایک ایسی مشین لگتی تھی جو خود بخود شطرنج کھیلتی تھی، اور جو نیپولین کے ساتھ بھی کھیل سکتی تھی۔
بعد میں لوگوں کو پتہ چلا کہ مشین کے اندر ہمیشہ ایک اصلی شطرنج کھلاڑی چھپا ہوا تھا!؟ (میں نے بڑی غلطی کر دی...)
ایمیزون نے اس کہانی کو انٹرنیٹ پر منتقل کر دیا، جو تقریباً مکمل طور پر مطابقت رکھتی ہے، جہاں پروگرام کا ظاہری طور پر خودکار طریقے سے کام کرنے جیسا اثر ہوتا ہے، لیکن اصل کام اسکرین کے پیچھے بیٹھے انسان کرتے ہیں۔
بیسوس نے اسے ایک ایسا نام دیا جو ایک پیشگوئی ثابت ہوا:
مصنوعی مصنوعی ذہانت (artificial artificial intelligence)۔
جب یہ خیال کامیاب ہو گیا، تو MTurk جلد ہی ایمیزون کے اپنے ٹول سے عالمی کrowdsourcing مارکیٹ میں تبدیل ہو گیا۔
2011 تک، MTurk پر 190 ممالک سے زیادہ سے زیادہ 500,000 ورکرز جمع ہو چکے تھے۔
جب لوگوں کی تعداد بڑھی، تو قابلِ قبول کاموں کی تعداد بھی تیزی سے بڑھنے لگی: تصاویر کا انتخاب، آواز کا متن میں تبدیل کرنا، متن کی درجہ بندی، ڈیٹا صاف کرنا، جذبات کا جائزہ لینا، اور مواد کی جانچ۔
جو کامز ہیں جن میں مشینیں دشواری کا شکار ہو جاتی ہیں لیکن انسان کو صرف کچھ سیکنڈ لگتے ہیں، وہ سب یہاں ڈال دیں۔
یہ فینک، 21 سال کا ہے۔
بے MTurk، ImageNet اور گہری سیکھنے کی انقلاب آج نہ ہوتا
2006 کے قریب کا وقت واپس آ جائے۔
پرنسٹن میں تدریس شروع کرنے کے فوراً بعد، لی فیفی نے ایک ایسا کام کرنے کا فیصلہ کیا جو اس وقت کے رجحان کے خلاف تھا—
ایک ماشین کے لیے کافی بڑی بصری دانشندی کتاب تیار کریں۔
اس وقت، معمول کے کمپیوٹر ویژن ڈیٹا سیٹس میں عام طور پر صرف ہزاروں سے لاکھوں تصاویر ہوتی تھیں، جس کی وجہ سے ڈیٹا کم تھا، اور ماڈل آسانی سے صرف امتحان کی تیاری کرنے والے بن جاتے تھے، جو تربیتی ڈیٹا سیٹ کے نمونوں کو یاد رکھ لیتے تھے لیکن حقیقی دنیا کے مختلف اشیاء کو سمجھنے میں ناکام رہتے تھے۔
اس لیے لی فیفی کی ٹیم نے ایک ایسا کام کرنے کا فیصلہ کیا جو اس وقت بہت پاگل پن بھرا تھا: مشین کے لیے ایک “کافی بڑا” بصری دنیا تخلیق کرنا۔
ImageNet ڈیٹا سیٹ، جس سے یہ بنایا گیا۔
ImageNet، WordNet کو بنیاد بناتے ہوئے، حقیقی دنیا کو ایک ایک مفہوم میں تقسیم کرتا ہے، اور ہر مفہوم کے نیچے سینکڑوں اور ہزاروں حقیقی تصاویر شامل کرتا ہے۔
کُتّے، گاڑی، سیب، کرسی، پرندہ، مچھلی… جو کچھ بھی تعریف کیا جا سکے، اسے سب ڈال دیں۔
لیکن جلد ہی، ایک زیادہ عملی مسئلہ سامنے آ گیا—
تصاویر تلاش کرنا آسان ہے، گوگل، یاہو، فلکر بھی تلاش کر سکتے ہیں، لیکن اصل پریشانی یہ ہے کہ حاصل کردہ تصاویر بالکل بھی درست نہیں ہوتیں، بلکہ بالکل غیر متعلقہ چیزیں بھی ہو سکتی ہیں!!!
اس لیے سرچ انجن کو تصویر واپس حاصل کرنے کے بعد، آخری مرحلہ کے لیے انسانی مدد کی ضرورت ہوتی ہے: ایک ایک کرکے تصدیق کرنا۔
ایک بہت بڑا عدد بتائیں تو، ImageNet کو بعد میں پردازش کے لیے 16 کروڑ سے زیادہ امیدوار تصاویر کی ضرورت تھی!!! اس سے انسانی وسائل کا مسئلہ بالکل حل نہ ہونے والا بن گیا...
جب ImageNet کو بے شمار دستی طور پر تصاویر کا انتخاب کرنا شروع ہو گیا، تو لی فیفی ٹیم نے تازہ طور پر شروع ہونے والے Amazon Mechanical Turk پر توجہ مرکوز کی۔
ImageNet ٹیم نے بہت ساری تصاویر کی فلٹرنگ کے کام کو چھوٹے چھوٹے ٹاسکس میں تقسیم کر دیا اور انہیں MTurk پلیٹ فارم پر موجود عالمی ورکرز کو تقسیم کر دیا۔
ایک وسیع AI بنیادی ڈھانچہ، اس طرح سے بار بار سب سے عام «ماوس کلک» میں تقسیم کر دیا گیا۔
2009 میں شائع ہونے والی ImageNet کی تحریر میں بیان کیا گیا کہ اس وقت ڈیٹا سیٹ میں 5,247 تصورات اور 3.2 ملین تیار کی گئی تصاویر شامل تھیں۔
ImageNet ٹیم نے بعد میں پورے منصوبے کا جائزہ لیتے ہوئے یہ اعداد شیئر کیے: 167 ممالک سے 49,000 MTurk ورکرز۔
دیگر الفاظ میں، ImageNet کے پیچھے اس چھانٹنے کے عمل کو حقیقت میں ایک عالمی سطح پر پھیلی ہوئی عارضی اینوٹیٹرز کی فوج چلا رہی تھی۔
اسی لیے MTurk نہ ہوتا تو ImageNet کبھی بنایا نہ جا سکتا تھا...
ImageNet کے بعد، اگلی کہانی کا تیزی سے آغاز ہوا۔
2010 میں، ImageNet چیلنج شروع ہوا، اور دنیا بھر کے ماڈلز ایک ہی ڈیٹا سیٹ پر تربیت حاصل کرنے لگے اور ایک ہی لسٹ پر مقابلہ کرنے لگے۔
دو سال بعد، وہ کمبو پیش آیا جسے بعد میں AI کی تاریخ میں بار بار درج کیا جائے گا—
ٹورونٹو یونیورسٹی کے جیفری ہنٹن، اور ان کے دو طلباء الیکس کریزھیوسکی، ایلیا سوتسکیور۔
تین افراد نے ایمیج نیٹ بڑے پیمانے پر ویژول شناخت چیلنج میں ایک گہرا کنولوشنل نیورل نیٹ ورک استعمال کیا۔
2012 کے ImageNet چیلنج کی Top-5 غلطی کی شرح کو براہ راست تقریباً 15% تک کم کر دیا گیا، جس سے روایتی طریقے کو بڑی فاصلے سے پیچھے چھوڑ دیا گیا۔
اس سے کمپیوٹر ویژن کے پورے شعبے نے پہلی بار براہ راست دیکھا کہ بہت زیادہ ڈیٹا، GPU کی کمپوٹنگ طاقت اور گہرے نیورل نیٹ ورکس کو ملا کر نتائج ایک پورا مرحلہ آگے بڑھ جاتے ہیں۔
بائیں سے دائیں: لیا سوتسکیور، جیفري ہنٹن اور الیکس کریزہوسکی
اس کے بعد، ایلیکس کریزہیفسکی کا نام ایلیکس نیٹ پر گاڑ دیا گیا۔
الیا بعد میں گوگل برین چلا گیا، اور اوپن اے آئی کے بانی میں شامل ہوا اور سرکاری سائنسدان بن گیا، جس کے بعد انہوں نے ایس ایس آئی کی بنیاد رکھی۔
ہنٹن جی کے بعد نے ٹیورن ایوارڈ جیتا اور انہیں ڈیپ لرننگ کے معترف شدہ ایک پیشہ ورانہ بنایا گیا۔
لی فیفی نے اسٹنفورڈ میں پڑھانے کے لیے واپسی کی، HAI کی مشترکہ قیادت کی، اور ImageNet کے ذریعے جدید کمپیوٹر ویژن کی تاریخ میں اپنا مقام قائم کیا۔
اس کے بعد، VGG آیا، GoogLeNet آیا، اور ResNet آیا۔
ImageNet لسٹ سالانہ نیچے کی طرف جا رہی ہے، ڈیپ لرننگ نے ویژل سے شروع کیا، آواز تک پہنچا، پھر قدرتی زبان کے معالجہ میں داخل ہوا، اور آج بڑے ماڈلز کے دور تک پہنچ گیا۔
دنیا واقعی عجیب ہے—
لی فیفی کی ٹیم نے MTurk کا استعمال کرتے ہوئے ImageNet تیار کیا؛ ImageNet نے لی فیفی کو مشہور بنایا؛ ہنٹن کے استاد و شاگرد نے ImageNet کے ذریعے اپنا نام روشن کیا؛ ڈیپ لرننگ نے اس فتح کے ذریعے دوبارہ زندگی پائی۔
167 ممالک سے تقریباً پانچ لاکھ عام لوگوں نے کمپیوٹر کے سامنے بیٹھ کر کروڑوں امیدوار تصاویر کو ایک ایک کر کے "کلک" کر کے ImageNet تیار کیا۔
AI نے آخرکار کام کرنا سیکھ لیا، لیکن MTurk پہلے ہی آف لائن ہو گیا
اسی لیے میکانیکل ترک کا آج بند ہونا ایک دور کا ختم ہونا لگ رہا ہے۔
亚马逊 کی سرکاری جانب سے بہت محتاط بیان دیا گیا ہے، جس میں صرف اس بات کا اعتراف کیا گیا ہے کہ وہ اپنے مصنوعات اور خدمات کا مستقل جائزہ لے رہے ہیں، اس لیے انہوں نے MTurk کو بند کرنے کا فیصلہ کیا ہے۔
CNBC نے پہلے ڈیٹا ورکر权益 اورگنائزیشن Turkopticon کی کرسٹا پاولوسکی کے حوالے سے کہا کہ گزشتہ کچھ سالوں میں MTurk کا حال خراب ہوتا جا رہا ہے، ایمازون کی طرف سے کم سے کم سرمایہ کاری ہو رہی ہے، اور نئی نسل کے ڈیٹا اینوٹیشن پلیٹ فارمز بھی کام کرنے والوں اور صارفین کو اپنی طرف متوجہ کر رہے ہیں۔
لیکن زیادہ براہ راست وجوہات یہ ہیں کہ اس کے سالوں کے سب سے قیمتی کام اب AI خود ہوتے جا رہے ہیں...
2005 میں ماشین کو یہ فیصلہ کرنا کہ ایک تصویر میں کون سا کتا ہے ایک سنجیدہ چیلنج تھا، لیکن اب یہ بہت سے ملٹی مودل ماڈلز کے لیے ایک بنیادی کام بن چکا ہے۔
اسی دوران، AI صنعت کی "انسان" کی ضروریات بھی تبدیل ہو گئی ہیں۔
آگے کے ماڈلز کے لیے پروگرامرز، ڈاکٹرز، وکلاء جیسے ماہرین کو کوڈ کا جائزہ لینا، جوابات کا جائزہ لینا، استدلال اور حفاظت کا ٹیسٹ کرنا ضروری ہے۔
اس طرح، Scale AI، Mercor، Prolific جیسے نئے پلیٹ فارمز کھڑے ہوئے، جو ماہرین کا انتخاب اور انتظام کرتے ہوئے زیادہ ماہرانہ تربیت اور جائزہ دینے کے لیے ڈیٹا فراہم کر رہے ہیں۔
اس کے برعکس، MTurk جیسا "جو بھی کر سکے وہ لے لے، ہر آرڈر صرف کچھ سینٹس" کا گروہ کام کا طریقہ بھی اب وقت کے ساتھ نہیں چل رہا...
مزید جادوئی بات یہ ہے کہ MTurk کے مزدور خود بھی AI کا استعمال شروع کر چکے ہیں!!!
2023 میں ایک سوئس اسکالرز کی تحقیق میں پایا گیا کہ مسٹرک کے شرکاء میں AI ماڈلز کا استعمال کرتے ہوئے متن کے کاموں کو مکمل کرنے کا تناسب 46 فیصد تک پہنچ سکتا ہے۔
اصل میں صارفین نے انسانی فیصلہ سازی کے لیے پیسہ خرچ کیا، لیکن کچھ مزدوروں نے شاید آرڈر لینے کے بعد سوالات کو ChatGPT جیسے ماڈلز کو جواب دینے کے لیے بھیج دیے۔
یہ بات کچھ حد تک کالا مزاح ہے...
ایم ٹرک کی قسمت، دراصل پچھلے 20 سالوں کے AI کا ایک خلاصہ ہے۔
سب سے پہلے انسانوں نے مشین کے پیچھے چھپ کر ایک تصویر کے بعد ایک تصویر کلک کر کے ImageNet تیار کیا، جس نے گہری سیکھنے کے دور کا دروازہ کھول دیا۔
بعد میں، AI نے ان ڈیٹا کے ساتھ اپنا اضافہ کیا اور آخرکار خود تصاویر دیکھنے، آوازیں سننے اور متن لکھنے کا طریقہ سیکھ لیا۔
21 سال بعد، جو لوگ AI کے لیے چالاکی کا انتظام کرتے تھے، وہ چلے گئے۔
وہ "میکنیکل ترک" جس میں ایک اصل شطرنج کھلاڑی چھپا ہوا تھا، اب آخرکار اس کے خانے کا دروازہ بند کیا جا سکتا ہے۔
حوالہ جات:
[1]https://www.cnbc.com/2026/08/25/amazon-service-that-jeff-bezos-called-artificial-ai-is-shutting-down.html
یہ مضمون ویچن گروپ "Quantum Bit" سے ہے، مصنف: میں یائو