لکھنے والے: ہوگو، روبونیسانس
ترجمہ: شن چاؤ ٹیکفلو
شین چاؤ کا خلاصہ: ابتدائی اٹاری گیم ایجینٹس سے لے کر ملیونوں کنٹیکسٹ ونڈوز والے بڑے زبانی ماڈلز تک، ای آئی ہمیشہ ایک بنیادی فزیکل تضاد کا سامنا کرتی رہی ہے جب وہ وقت کے ساتھ مسلسل فیصلے کرتی ہے: ماڈل انسانی جاننے والی بے شمار ساکھ معلومات کو آسانی سے شامل کر سکتا ہے، لیکن ڈائنامک انٹرایکشن کے ماحول میں، وہ گزشتہ تمام تفصیلات کو بے خطا ساتھ نہیں لے جا سکتا۔
محدود حسابی طاقت اور سیاق و سباق کی درجہ بندی کے تحت، گزشتہ کو دبائے جاتے ہوئے مستقبل کے فیصلہ کن حالت کو درست طریقے سے استخراج کرنے کا طریقہ نہ صرف "احساسی خلط" کو حل کرنے کا ٹیکنیکل نقطہِ تبدیلی ہے، بلکہ موجودہ خودمختار ایجینٹس کے لیے حقیقی مستقل یادداشت کی طرف بڑھنے کا بنیادی منطق بھی ہے۔
اسٹیل فریم کے تحت حالت کا تضاد
یہ "مشین میں یادداشت، بھول اور خود" سیریز کا تیسری ایپی سوڈ ہے: جب ایجنٹ اپنی پوری ماضی کو ساتھ نہیں لے سکتا، تو ذہانت کیسے وقت کے ساتھ کام کرتی ہے۔
کلاسک Pong بولنگ گیم کو کسی بھی فریم پر روک کر دیکھیں۔
اس تصویر میں صرف دو راکٹ، ایک گیند اور موجودہ اسکور ہی ہیں۔ اگر اب آپ سے پوچھا جائے کہ گیند کس طرف جا رہی ہے، تو آپ کوئی جواب نہیں دے سکتے، اور اگر ایک مشین کو بھی یہی سٹیٹک تصویر دی جائے تو وہ بھی اسے نہیں جان سکتی۔
سیاح میتھیو ہاسکنیچٹ اور پیٹر اسٹون نے 2015 میں ایٹاری کھیل کھیلنے والے ایجنٹ کے بارے میں اپنے مقالے میں صاف طور پر کہا کہ "موجودہ فریم کا ایک اسکرین صرف ریکٹ اور گیند کی پوزیشن ظاہر کر سکتا ہے، لیکن گیند کی رفتار نہیں۔"
انہوں نے اس کی اہمیت کی وضاحت کی: "گیند کی حرکت کی سمت جاننا، راکٹ کی بہترین پوزیشن طے کرنے کا اہم عنصر ہے۔"
یہ فریم درست ہے، اس پر موجود ہر تفصیل اپنی جگہ پر ہے۔ لیکن صرف اس ایک فریم سے، اس کھیل کو مکمل نہیں کیا جا سکتا۔
سینسر اس لمحے میں جو کچھ پکڑتا ہے، وہ صرف ایک "مشاہدہ (Observation)" ہے۔
اور اگلے ایکشن کے لیے ایجنٹ کی مکمل طور پر انحصار کرنے والی حقیقی حالت، "سسٹم کی حالت (State)" ہے۔
پونگ کھیل میں، ہر ایک فریم کے ٹکڑے پر مشاہدات اور سسٹم کی حالت آپس میں الگ ہوتی ہیں۔ کیونکہ گیند کی حرکت کی سمت پچھلے کچھ لمحات کا ایک حقیقت ہے، اور کوئی بھی منفرد لمحہ اسے الگ طور پر مشتمل نہیں کر سکتا۔
جب موجودہ فوری ان پٹ فیصلہ سازی کی ضرورت کو پورا نہ کر سکے، تو ایک اچھی طرح سے کام کرنے والا نظام اپنے ماضی سے موجودہ کے لیے معلومات لایا کرے۔
لیکن اس پر ہمیشہ مکمل ماضی نہیں ہوتا۔ اس پر صرف ایک خلاصہ ہوتا ہے، اور یہ خلاصہ اس بات پر منحصر ہوتا ہے کہ اگلے مرحلے میں اسے کیا پیش گوئی کرنی ہے۔
یہ انتخاب بعد کے لمحات کو کس معلومات کی بنیاد فراہم کرتا ہے۔ جو بھی تفصیلات خلاصہ میں چھوٹ گئیں، بعد کے لمحات ان پر کبھی بھی رد عمل نہیں کر سکتے۔
چار فریم ڈیپتھ کی یادداشت کا معاوضہ
ہاسکنیکٹ اور اسٹون کے جواب میں جو سسٹم تھا، وہ 2015 میں ڈیپ مائنڈ کے ولودیمیر منیہ اور دیگر نے نیچر جرنل میں شائع کیا گیا DQN ایجنٹ تھا۔
DQN صرف اسکرین کی تصویر کے ذریعے دہاں Atari کھیلوں کو سیکھنے میں کامیاب ہو گیا، جبکہ پیپر کے مصنفین نے ترقی کے ابتدائی مراحل میں فریزڈ فریم کی پریشانی کا سامنا کیا۔
انہوں نے اپنے مقالے کے طریقہ کار کے حصے میں لکھا ہے: "چونکہ ایجینٹ صرف موجودہ اسکرین کو دیکھ سکتا ہے، اس کام کو جزئی طور پر قابل مشاہدہ حالت کہا جاتا ہے، جس میں بہت سے سیمیولیٹر کی حالتیں حسی طور پر ایک جیسی لگتی ہیں (Perceptually Aliased)۔"
دیگر الفاظ میں، صرف موجودہ اسکرین کی تصویر کے ذریعے، ایجینٹ کو مکمل صورتحال کا اندازہ نہیں ہو سکتا۔
"感知 کا الجھنا" روزمرہ کی پریشانیوں کا ایک درست اکادمیک تصور ہے۔ دو بالکل مختلف صورتحال (مثلاً، گیند آپ کے ریکٹ کی طرف آ رہی ہے، یا گیند آپ کے ریکٹ سے دور جا رہی ہے) سٹیٹک تصویر میں بالکل ایک جیسی تصویر پیدا کرتی ہیں۔
ایک صرف تصاویر دیکھنے والا نظام انہیں ایک ہی صورتحال کے طور پر دیکھتا ہے؛ اگر ان دو صورتحالوں میں مکمل طور پر الگ الگ کام کرنے کی ضرورت ہو، تو نظام ضرور ایک صورتحال میں غلطی کرے گا۔
ان کا انتظام بہت سیدھا سادہ ہے۔ نیٹ ورک صرف ایک اسکرین شاٹ نہیں لیتا، بلکہ حالیہ کچھ فریمز کو ایک ساتھ اوورلے کرکے ان پر مبنی ہوتا ہے۔
ڈیفالٹ سیٹنگ میں 4 فریم کا استعمال کیا جاتا ہے، حالانکہ یہ الگورتھم 3 یا 5 فریم کے لیے بھی لچکدار ہے۔
چار فریمز کو ایک ساتھ رکھنے کے بعد، گیند کی حرکت براہ راست مقام کے تبدیل ہونے کے طور پر ظاہر ہو گئی۔ حرکت کی سمت اب ایک انتزاعی یادداشت کا تصور نہیں رہ گئی، بلکہ ایک ایسی براہ راست دیدہ شدہ بصری خصوصیت بن گئی جو دیکھی جا سکتی ہے۔
اس مضمون نے اس سٹیکڈ فریم سیٹ کو یادداشت نہیں کہا ہے۔ یہ بنیادی طور پر صرف ایک ایسا ان پٹ چینل ہے جو ایک منفرد لمحے سے تھوڑا زیادہ وسیع ہے۔
حسی confusion اور فزیکل هارڈ بارڈر
اس ان پٹ وائیڈتھ کے لیے بہت سخت فزیکل حدود ہیں، جن کی جگہ ہاسکنیکٹ اور اسٹون نے درست طور پر بیان کی ہے۔
انہوں نے لکھا: کیونکہ DQN کو ایک ایجنٹ کے حالیہ تجربات سے لیے گئے چار حالات کے ساتھ تربیت دی جاتی ہے، "اگر کوئی گیم کھلاڑی سے چار سکرین سے زیادہ پیچھے کے واقعات کو یاد رکھنے کی ضرورت ہو، تو DQN اس گیم کو سمجھ نہیں پائے گا۔"
DQN کے لیے، پانچویں سکرین سے پہلے کا تاریخی ڈیٹا اس کے ان پٹ رینج میں موجود نہیں ہوتا۔
اس مخصوص سرکلر ونڈو کے مکینزم سے واضح ہوتا ہے کہ ماشینی ذہانت کے وقتی سلسلوں کے معالجے میں بنیادی تنازعہ یہ ہے کہ جس قدر ونڈو بھی وسیع کی جائے، اس کی سرحدوں کے باہر کی معلومات فزیکلی حذف ہو جاتی ہیں۔