جب آپ روبوٹ تربیت کے لیے کراؤڈسورس کرتے ہیں تو ایک عجیب مسئلہ پیدا ہوتا ہے: آپ کا سب سے مشکل ڈیٹا شاید آپ کے عام شرکاء سے نہیں آنا چاہیے۔ @axisrobotics نے حال ہی میں "چیلنجر پروگرام" کا تعارف کیا ہے، اور میرے خیال میں اس کے پیچھے کا خیال نام سے زیادہ اہم ہے۔ دو روبوٹ کاموں کا تخیل کریں۔ کام A آسان ہے: ایک شے اٹھائیں اور اسے باکس میں رکھ دیں۔ کام B میں عجیب جیومیٹری، سخت ٹولرنس، متعدد مراحل اور اگر پہلا گرپ غلط ہو جائے تو ریکوری شامل ہے۔ اگر دونوں کاموں کو ایک ہی عوامی پول میں ڈال دیا جائے، تو آپ ان دونوں کو اس طرح سمجھ رہے ہیں جیسے دونوں کے لیے اپریٹر کی ایک جیسی مہارت درکار ہو۔ لیکن ایسا نہیں ہے۔ نئے شرکاء مشکل کام پر ٹک جاتے ہیں، اس پر مشکل سے کام کرتے ہیں، بھنڈار ڈیٹا جنریٹ کرتے ہیں اور شاید خود بھی برے تجربے کا شکار ہوتے ہیں۔ جبکہ تجربہ کار شرکاء، اس طرح سے مخصوص طور پر ان کاموں کی طرف رہنمائی نہیں کیے جا رہے جہاں ان کی مہارت سب سے زیادہ قابلِ استعمال ہو۔ ایکسس اب ان دونوں دنیاؤں کو الگ کرنا شروع کر رہا ہے۔ آسان کام عام پول میں رہتے ہیں۔ مشکل کامز اب ایک الگ "چیلنجر زون" میں منتقل ہو جاتے ہیں جہاں وہ شرکاء شامل ہوتے ہیں جو پلیٹ فارم استعمال کرنے کا طریقہ جانتے ہوں۔ شروع میں اس بات کا لگ رہا ہے کہ یہ صرف ایک چھوٹا سا UX اپڈیٹ ہے۔ لیکن میرے خیال میں یہ اصل میں کچھ بڑھ کر ظاہر کر رہا ہے: روبوٹ ڈیٹا میں ایک مہارت-مطابقت کا مسئلہ ہے۔ جب تک شرکاء کا نیٹ ورک بڑھ جاتا ہے، تو سوال صرف یہ نہیں رہتا: "کون اس ڈیٹا کو جنریٹ کر سکتا ہے؟" بلکہ یہ سوال بھی پیدا ہوتا ہے: "اس خاص ڈیٹا کو کون جنریٹ کرنا چاہئے؟" آسان کامز سائز کے لحاظ سے بہترین بنائے جاسکتے ہیں۔ مشکل کامز اپریٹر کی مہارت کے لحاظ سے بہترین بنائے جاسکتے ہیں۔ اور آخرکار میرا خيال ہے کہ مطابقت زائد تفصیل تک جائے گی: اس شرکاء نے درستگی سے پکڑنے میں عمدگی دکھائی دوسرے لمبے عرصے تک کاموں میں بہترین ہیں تینوں بحالی میں غیر عام طور پر اچھا پرفارم کرتا ہے چوتھا خاص طور پر اپنے جسمانی فارم مینٹ کے ساتھ اچھا پرفارم کرتا ہے اس طرح نیٹ ورک زائد تعداد میں لوگوں جھومتار نظر نہیں آئے گا… بلکہ ماہرانہ مہارت والے تقسید شدہ طاقتوں والایک ورک فورس جھومتار نظر آئے گا۔ روبوٹس کے لئے انسانی ذكاء کو بڑھانے کا یہ بھي زائد دلچسپ طريقوں ميں سے ايك هـ۔ https://t.co/4FLsS5npxd