مصنف: وِل ڈگلس ہیون
DeepFlow Tech
شین چاؤ کا خلاصہ: نینٹک نے پوکیمون گو کے صارفین کی طرف سے لی گئی 30 ارب شہری تصاویر کو ایک نئے کاروبار میں تبدیل کر دیا۔ اس کی AI ذیلی کمپنی نینٹک اسپیشل نے ان ڈیٹا کا استعمال کرتے ہوئے ایک ویژول لیکیشن سسٹم تربیت دیا ہے جو لیکیشن کی درستگی کو سینٹی میٹر کے سطح تک لے جاتا ہے، جو شہری گلیوں میں GPS کے عمل سے بہت زیادہ بہتر ہے۔ پہلا بڑا صارف کوکو روبوٹکس نامی ڈلیوری روبوٹ کمپنی ہے۔ پکاچو پکڑنے سے لے کر پیزا ڈلیور کرنے تک، یہ شاید کراؤڈ سورسڈ ڈیٹا کا سب سے حیران کن تجارتی استعمال ہے۔
مکمل متن درج ذیل ہے：
پوکیمون گو دنیا کا پہلا فینومینل AR گیم تھا۔ 2016 میں گوگل کی سہولت نینٹک نے جاری کیا، اس گیم نے پوکیمون IP پر تقویت یافتہ حقیقت کے عناصر کو جوڑ کر فوری طور پر دنیا بھر میں سنسنی پیدا کر دی۔ شیکاگو سے لے کر آسلو تک اور جنو شیما تک، کھلاڑی گلیوں پر نکل آئے، ایک پاپی، ایک جینیکار، یا (اگر ان کا بہت بہترین بھاگا تو) ایک بہت نایاب گیلیکٹک سپارک نائٹ کو پکڑنے کی امید میں — جو حقیقی دنیا کے اوپر تیر رہے تھے، اور ان تک پہنچنے کے صرف ایک چھوٹے سے فاصلے پر تھے۔
بس اس کا مطلب یہ ہے کہ لاکھوں لوگ اپنے فون سے لاکھوں عمارتوں کی تصویریں لے رہے ہیں۔ "پچاس کروڑ لوگوں نے 60 دن میں اس ایپ کو ڈاؤن لوڈ کیا"، Niantic Spatial کے سی ٹی او برائن مکلینڈن کہتے ہیں۔ Niantic Spatial Niantic کی ایک AI کمپنی ہے جو پچھلے مئی میں الگ ہوئی۔ گیم کمپنی Scopely (جو Niantic سے Pokémon Go کو اسی دوران خریدا) کے ڈیٹا کے مطابق، یہ گیم 2024 میں بھی ایک ارب سے زائد فعال صارفین کے ساتھ جاری ہے، جبکہ اس کا اطلاق تقریباً 8 سال پہلے ہوا تھا۔
اب، نینٹک اسپیشل دنیا بھر کے سو کروڑ سے زائد پوکیمون گو کھلاڑیوں کے فونوں سے حاصل کردہ شہری علامتوں کی تصاویر، جن میں انتہائی درست مقامی نشانات شامل ہیں، کو ایک عظیم گھریلو ڈیٹا کے ذخیرے کے طور پر استعمال کر رہا ہے تاکہ ایک ورلڈ ماڈل بنائے۔ یہ موجودہ دور کی ایک مقبول تکنیک ہے جس کا مقصد LLM کی ذہانت کو حقیقی دنیا کے ماحول میں مستحکم کرنا ہے۔
کمپنی کا تازہ ترین مصنوعہ ایک ماڈل ہے جو صرف کچھ عمارتوں یا دیگر علامتوں کی تصاویر کے ذریعے آپ کی نقشہ پر موقع کو کچھ سینٹی میٹر تک درست کر سکتا ہے۔ وہ اسے روبوٹس کو GPS کے غیر قابل اعتماد مقامات میں زیادہ درست نیویگیشن فراہم کرنے میں مدد دینے کے لیے استعمال کرنا چاہتے ہیں۔
ٹیکنالوجی کی پہلی بڑی تصدیق کے طور پر، نینٹک اسپیشل نے کوکو روبوٹکس کے ساتھ تعاون کیا ہے۔ کوکو ایک ایسی اسٹارٹ اپ ہے جو امریکہ اور یورپ کے کئی شہروں میں آخری کلومیٹر کے کھانے کی ڈلیوری روبوٹس تنصیب کرتی ہے۔ "سب کو لگتا تھا کہ AR مستقبل ہے، AR گلاس آنے والے ہیں،" مکلینڈن کہتے ہیں، "لیکن روبوٹس پہلے صارفین بن گئے۔"
پیکاچو سے پیزا تک
کوکو روبوٹکس نے لاس اینجلس، شیکاگو، جرسی سٹی، میامی اور هلسنکی میں تقریباً 1000 روبوٹس ڈپلوی کیے ہیں، جو ایک سامان کے سوٹ کیس کے سائز کے ہیں اور ان میں زیادہ سے زیادہ 8 بڑے پیزا یا 4 گھریلو سامان کے بیگز فٹ ہو سکتے ہیں۔ سی ای او زیک راش کے مطابق، تکنیکی نے اب تک 5 لاکھ سے زائد ڈلیوریز مکمل کر لی ہیں اور مختلف موسمی حالات میں ملینوں میل کا سفر طے کر چکے ہیں۔
لیکن انسانی سواروں کے ساتھ مقابلہ کرنے کے لیے، کوکو کے روبوٹ (جو سڑک کے کنارے تقریباً 5 میل فی گھنٹہ کی رفتار سے چلتے ہیں) کافی قابل اعتماد ہونے چاہئیں۔ "ہمارا بہترین طریقہ یہ ہے کہ آپ کو جس وقت بتایا جائے، اسی وقت پہنچ جائیں،" راش کہتے ہیں۔ اس کا مطلب ہے کہ راستہ نہ گم کریں۔
کوکو کا مسئلہ یہ ہے کہ وہ GPS پر انحصار نہیں کر سکتی۔ شہروں میں، ریڈیو سگنلز عمارتوں کے درمیان الٹ جاتے ہیں اور ایک دوسرے کو متاثر کرتے ہیں، جس سے GPS سگنل کمزور ہو جاتا ہے۔ "ہم بہت سے ایسے مکمل طور پر تعمیر شدہ علاقوں میں ڈلیوری کرتے ہیں جہاں اونچی عمارتیں، زیر زمین گلیوں اور اونچے برج ہوتے ہیں، جہاں GPS تقریباً کبھی کام نہیں کرتا"، راش کہتے ہیں۔
"شہری گھاٹی GPS کے لیے دنیا بھر میں سب سے کمزور جگہ ہے،" مکلینڈن نے کہا۔ "آپ اپنے فون پر نیلے نقطے کو دیکھتے ہیں، جو اکثر 50 میٹر تک تیرتا ہے اور آپ کو براہ راست ایک دوسرے بلوك، دوسری سمت، یا سڑک کے دوسری طرف ڈال دیتا ہے۔" یہی مسئلہ Niantic Spatial حل کرنا چاہتا ہے۔
گزشتہ کچھ سالوں میں، نینٹک اسپیشل نے پوکیمون گو اور انگریس (نینٹک کا 2013 میں جاری کیا گیا پہلا موبائل AR گیم) کے کھلاڑیوں کے ذریعہ پیدا کردہ ڈیٹا کو منظم کیا ہے، ایک ویژول پوزیشننگ سسٹم (Visual Positioning System) تعمیر کیا ہے — جو آپ کے دیکھے جانے والی چیزوں کے ذریعے آپ کی جگہ کا تعین کرتا ہے۔ "پکاچو کو سڑکوں پر حقیقی طور پر دوڑنا اور کوکو کے روبوٹ کو شہر میں محفوظ اور درست طریقے سے گھومنا، بنیادی طور پر ایک ہی مسئلہ ہے"، نینٹک اسپیشل کے سی ای او جان ہینک کہتے ہیں۔
"ویژوئل لوکیشننگ کوئی نئی ٹیکنالوجی نہیں ہے،" ڈیجیٹل میپنگ اور جیو سپیشل اینالسس کمپنی ESRI کے کونرڈ وینزل کہتے ہیں، "لیکن واضح بات ہے کہ جتنا زیادہ کیمرے باہر لگے ہوں، اتنا ہی بہتر کام کرتا ہے۔"
نیانتک اسپیشل نے شہری ماحول میں لی گئی 30 ارب تصاویر کے ساتھ ماڈل کو تربیت دیا ہے۔ ان تصاویر خاص طور پر "ہاٹ اسپاٹس" کے اردگرد زیادہ کثیف ہیں — نیانتک کے کھیلوں میں کھلاڑیوں کو جانے کے لیے متوجہ کیے جانے والے اہم مقامات، جیسے پوکیمون مقابلہ گراؤنڈز۔ "ہمارے پاس دنیا بھر میں ایک ملین سے زائد مقامات ہیں جو آپ کی موقع کو درست طور پر ٹریک کرتے ہیں،" مکلینڈن کہتے ہیں، "ہم جانتے ہیں کہ آپ کہاں کھڑے ہیں، درستگی کچھ سینٹی میٹرز تک۔ اور اہم بات یہ ہے کہ ہم جانتے ہیں کہ آپ کون سی طرف دیکھ رہے ہیں۔"
نتیجہ یہ ہے کہ ان 100 لاکھ مقامات میں سے ہر ایک کے لیے، Niantic Spatial کے پاس تقریباً ایک ہی جگہ پر، لیکن مختلف زاویوں، مختلف اوقات، اور مختلف موسمی حالات میں لی گئی ہزاروں تصاویر ہیں۔ ہر تصویر کے ساتھ تفصیلی میٹا ڈیٹا شامل ہے: فون کا فضائی مکان، اس کا رخ، وضع، حرکت میں ہونا، رفتار اور سمت وغیرہ۔
کمپنی نے اس ڈیٹا سیٹ کا استعمال کرتے ہوئے ماڈل کو ٹرین کیا کہ وہ اپنی پوزیشن کو "دیکھے گئے چیزوں" کے ذریعے درست طریقے سے پیش بینی کرے — یہاں تک کہ ان 10 لاکھ ہاٹسپاٹس کے باہر بھی جہاں تصویری اور لیکیشن ڈیٹا نسبتاً کم ہوتا ہے۔
GPS کے علاوہ، کوکو کے روبوٹ (جو 4 کیمرے سے لیس ہیں) اب اپنی موجودہ جگہ اور مقصد کا تعین اس ماڈل کے ذریعے کرتے ہیں۔ روبوٹ کے کیمرے گھٹنوں کی بلندی پر لگے ہوئے ہیں اور تمام سمتیں دیکھتے ہیں، جس کا منظر پوکیمون گو کھلاڑیوں سے مختلف ہے، لیکن راش کہتے ہیں کہ ڈیٹا کا ادلا بدلنا پیچیدہ نہیں ہے۔
دوسروں کے مقابلہ میں بھی ویژل لوکیشن سسٹم استعمال ہو رہا ہے۔ مثال کے طور پر، 2014 میں اسٹونیا میں قائم ہونے والی روبوٹ ڈلیوری کمپنی Starship Technologies کا کہنا ہے کہ ان کے روبوٹس حوالہ کے لیے اردگرد کے ماحول کا 3D نقشہ بناتے ہیں، جس میں عمارتوں کے کناروں اور لائٹ پولز کی جگہوں کو نشان زد کیا جاتا ہے۔
لیکن راش نے نینٹک اسپیشل کی ٹیکنالوجی پر یہ دعویٰ کیا کہ یہ کوکو کو فائدہ پہنچائے گی۔ وہ سمجھتا ہے کہ اس سے روبوٹس درست ڈلیوری کے مقام پر بالکل درست طریقے سے رک سکیں گے، کسی کا راستہ نہ روکیں، اور صارف کے گھر کے دروازے پر رک سکیں — جو پہلے کبھی کبھار ہوتا تھا۔
روبوٹس کا کیمبرین انفجار
نیانتک اسپیشل نے جب ویژوئل لوکیشننگ سسٹم شروع کیا، تو ہینک کے مطابق اس کا مقصد تقویتی حقیقت پر استعمال کرنا تھا۔ "اگر آپ AR گلاس پہن رہے ہیں اور چاہتے ہیں کہ ورچوئل دنیا آپ کی نظر کی طرف لکیر کی جائے، تو اس کے لیے کوئی طریقہ درکار ہے۔ لیکن اب ہم روبوٹکس کے لیے کیمبرین انفجار کا مشاہدہ کر رہے ہیں۔"
کچھ روبوٹس کو انسانوں کے ساتھ جگہ تقسیم کرنی پڑتی ہے، جیسے تعمیراتی گاڑھیاں اور پیدل راستے۔ "اگر روبوٹس کو ان ماحولات میں انسانوں کو پریشان نہ کرتے ہوئے گھل مل جانا ہے، تو انہیں انسانوں جیسی جگہ کی سمجھ کی ضرورت ہوگی"، ہینکے کہتے ہیں۔ "جب روبوٹس کو دھکا دیا جائے یا ٹکرائے جائے، تو ہم اسے درست طریقے سے اس کی جگہ دوبارہ تلاش کرنے میں مدد کر سکتے ہیں۔"
کوکو روبوٹکس کے ساتھ تعاون صرف ایک شروعات ہے۔ ہینکے کہتے ہیں کہ نینٹک اسپیشل جو بنارہا ہے، وہ اس کے کہنے کے مطابق "زندہ نقشہ" کے پہلے اجزاء ہیں: ایک超高 درجہ کی دقت والی ورچوئل دنیا کی محاکہ، جو حقیقی دنیا کے تبدیل ہونے کے ساتھ ساتھ تبدیل ہوتی رہتی ہے۔ جب کوکو اور دیگر کمپنیوں کے روبوٹ دنیا بھر میں گھومتے رہیں گے، تو وہ نئے نقشہ ڈیٹا کے ذرائع فراہم کریں گے، جس سے ڈیجیٹل دنیا کی نقل مزید تفصیلی بن جائے گی۔
ہنکے اور مکلینڈن کے خیال میں، نقشے صرف زیادہ تفصیلی ہی نہیں ہو رہے، بلکہ ان کا استعمال بھی مachines کے ذریعے بڑھ رہا ہے۔ اس سے نقشوں کے استعمال میں تبدیلی آئی ہے۔ طویل عرصے تک، نقشے انسانوں کو اپنی پوزیشن تلاش کرنے میں مدد کرتے رہے ہیں۔ 2D سے 3D اور پھر 4D (جیسے ڈیجیٹل ٹوئن جیسے ریل ٹائم سیمولیشنز) تک، بنیادی اصول وہی رہا ہے: نقشے پر نقاط فضا یا وقت میں نقاط کے مطابق ہوتے ہیں۔
لیکن مشینوں کے لیے نقشہ ایسے ہونا چاہیے جیسے گائیڈ بُک ہو، جس میں انسانوں کے لیے خود متوجہ باتوں کی مکمل تفصیل ہو۔ کمپنیاں جیسے Niantic Spatial اور ESRI نقشے پر تفصیلات شامل کرنا چاہتی ہیں تاکہ مشین کو بتایا جا سکے کہ وہ اصل میں کیا دیکھ رہی ہے، اور ہر شے کو ایک سیریز خصوصیات سے نشان زد کیا جائے۔ "اس دور کا مقصد مشینوں کے لیے مفید دنیا کی وضاحت تیار کرنا ہے،" ہینک کہتے ہیں۔ "ہمارے پاس جو ڈیٹا ہے، وہ دنیا کے منظم ربط کو سمجھنے کے لیے ایک بہترین شروعات ہے۔"
اب دنیا کے ماڈلز بہت مقبول ہیں، اور Niantic Spatial اس بات کو بہت اچھی طرح جانتا ہے۔ LLMs لگتے ہیں کہ وہ سب کچھ جانتے ہیں، لیکن روزمرہ کے ماحول کو سمجھنے اور اس کے ساتھ تعامل کرنے میں ان کے پاس تقریباً کوئی عام منطق نہیں ہے۔ دنیا کے ماڈلز کا مقصد یہی مسئلہ حل کرنا ہے۔ کچھ کمپنیاں، جیسے Google DeepMind اور World Labs، ایسے ماڈلز تیار کر رہی ہیں جو فوری طور پر ورچوئل فانتسی دنیاں بناتے ہیں، اور پھر انہیں AI ایجنس کے لیے ٹریننگ فیلڈ کے طور پر استعمال کرتے ہیں۔
نیانتک اسپیشل کا کہنا ہے کہ وہ اس مسئلے کو مختلف زاویے سے دیکھ رہے ہیں۔ اگر آپ نقشہ کو بہت زیادہ تفصیلی بنائیں، تو آپ آخرکار سب کچھ کیپچر کر لیں گے، مکلینڈن کہتے ہیں: "ہم ابھی اس مرحلے تک نہیں پہنچے، لیکن ہم وہاں پہنچنا چاہتے ہیں۔ میں اب اصل دنیا کو دوبارہ تعمیر کرنے کی کوشش میں بہت زیادہ مصروف ہوں۔"