AI لغت: سادہ زبان میں 55 اصطلاحات

بنیادی باتیں

یہ حوالہ ورژن ہے: 55 اصطلاحات، پہلے تعریف، پھر تفصیل۔ اگر آپ صرف ان الفاظ کا نرم دورہ چاہتے ہیں جو آپ کے پہلے ہفتے میں اہم ہیں، تو اس کے بجائے AI terms explained پڑھیں اور جب یہاں کوئی اصطلاح آپ کو بھیجے تو واپس آئیں۔

Artificial intelligence

آرٹیفیشل انٹیلیجنس وہ سافٹ ویئر ہے جو ایسے کام انجام دیتا ہے جن کے لیے عام طور پر انسانی فیصلے کی ضرورت ہوتی ہے، جیسے لکھنا، استدلال کرنا، یا کسی تصویر میں کیا ہے یہ پہچاننا۔

2026 میں روزمرہ استعمال میں، "AI" تقریباً ہمیشہ وسیع تر علمی شعبے کے بجائے بڑے لینگویج ماڈلز پر بنے چیٹ اسسٹنٹس کا مطلب رکھتا ہے۔

Machine learning

مشین لرننگ سافٹ ویئر کو قواعد کے ساتھ پروگرام کرنے کے بجائے اسے مثالیں دکھا کر سکھانے کی تکنیک ہے۔

ہر جدید AI اسسٹنٹ اسی طرح بنایا جاتا ہے: رویہ ٹریننگ ڈیٹا کے پیٹرنز سے آتا ہے، اسی لیے ایک ہی ماڈل عام کاموں پر شاندار اور نایاب کاموں پر کمزور ہو سکتا ہے۔

Model

ایک ماڈل ایک مخصوص تربیت یافتہ AI سسٹم ہے، وہ چیز جسے آپ اصل میں پرامپٹ بھیجتے ہیں۔

GPT، Claude، اور Gemini ماڈل فیملیز ہیں؛ ایک فیملی میں مختلف سائز، رفتار، اور قیمتوں کے انفرادی ماڈلز شامل ہوتے ہیں۔ فی کام ان کے درمیان چننا AI کو اچھی طرح استعمال کرنے کی بنیادی مہارت ہے۔

LLM (large language model)

ایک LLM، یا بڑا لینگویج ماڈل، ایک ایسا ماڈل ہے جسے یہ پیشگوئی کرنے کے لیے متن کی بہت بڑی مقدار پر تربیت دی جاتی ہے کہ آگے کون سا متن آنا چاہیے۔

یہی ایک چال، بڑے پیمانے پر کی گئی، وہ ہے جو جوابات، ڈرافٹس، کوڈ، اور خلاصے پیدا کرتی ہے۔ "بڑا" ٹریننگ ڈیٹا اور پیرامیٹر کی گنتی دونوں کی طرف اشارہ کرتا ہے۔

Chatbot

ایک چیٹ بوٹ ایک ماڈل کے گرد لپٹا ہوا گفتگو کا انٹرفیس ہے، وہ چیز جس میں میسج باکس ہوتا ہے۔

پروڈکٹس کا موازنہ کرتے وقت یہ فرق اہم ہوتا ہے: دو چیٹ بوٹس ایک ہی ماڈل کو لپیٹ سکتے ہیں اور مختلف محسوس ہو سکتے ہیں، اور ایک چیٹ بوٹ کئی ماڈلز پیش کر سکتا ہے، جیسے Whizi کام کرتا ہے۔

Prompt

ایک پرامپٹ وہ سب کچھ ہے جو آپ ماڈل کو بھیجتے ہیں: سوال، ہدایات، اور کوئی بھی متن یا فائلیں جو آپ شامل کرتے ہیں۔

جواب کا معیار پرامپٹ کے معیار کے قریب سے چلتا ہے۔ سیاق و سباق، حدود، اور آپ جو آؤٹ پٹ فارمیٹ چاہتے ہیں یہ تین چیزیں ہیں جو ابتدائی افراد اکثر چھوڑ دیتے ہیں۔

Token

ایک ٹوکن متن کا وہ چھوٹا ٹکڑا ہے جسے ایک ماڈل اصل میں پڑھتا اور لکھتا ہے، اوسطاً تقریباً ایک انگریزی لفظ کے تین چوتھائی حصے کے برابر۔

قیمتیں، رفتار، اور کانٹیکسٹ ونڈوز سب ٹوکنز میں ماپی جاتی ہیں، اسی لیے یہ لفظ ہر AI قیمتوں کے صفحے پر نظر آتا ہے۔ 1,000 الفاظ کی دستاویز تقریباً 1,300 ٹوکنز ہوتی ہے۔

Context window

ایک کانٹیکسٹ ونڈو متن کی زیادہ سے زیادہ مقدار ہے، ٹوکنز میں ماپی گئی، جسے ایک ماڈل ایک وقت میں مدنظر رکھ سکتا ہے۔

آپ کا پرامپٹ، اب تک کی گفتگو، منسلک دستاویزات، اور جواب سب اسے شیئر کرتے ہیں۔ context window comparison ٹیبل ہر بڑے ماڈل کا موجودہ عدد درج کرتا ہے، اور explainer بتاتا ہے کہ یہ زیادہ تر "AI بھول گیا" شکایات کی وضاحت کیوں کرتا ہے۔

Parameters

پیرامیٹرز وہ اندرونی نمبرز ہیں جو ایک ماڈل نے تربیت کے دوران سیکھے، اور اس کے سائز کا معمول کا پیمانہ ہیں۔

بلینز میں شمار کیے جاتے ہیں، زیادہ پیرامیٹرز کا ڈھیلے طور پر مطلب زیادہ صلاحیت اور زیادہ لاگت ہے۔ یہ اکیلے ایک کمزور خریداری کا پیمانہ ہے؛ بینچ مارکس اور آپ کے اپنے ٹیسٹ پیرامیٹر کی گنتی کو مات دیتے ہیں۔

Response

ایک رسپانس ایک پرامپٹ کے لیے ماڈل کا آؤٹ پٹ ہے، جسے completion بھی کہا جاتا ہے۔

رسپانسز ہر بار تازہ تیار کیے جاتے ہیں، اسی لیے ایک ہی پرامپٹ کو دوبارہ جنریٹ کرنا مختلف الفاظ اور کبھی کبھار مختلف جواب دیتا ہے۔

ایک ماڈل سے بات کرنا

System prompt

ایک سسٹم پرامپٹ وہ مستقل ہدایت ہے جو ایک ماڈل کو آپ کے پیغام سے پہلے ملتی ہے، جو اس کا کردار، لہجہ، اور قواعد طے کرتی ہے۔

ہر پروڈکٹ کے پاس ایک ہوتا ہے چاہے آپ اسے دیکھ نہ سکیں۔ جب کوئی چیٹ بوٹ "شخصیت رکھتا ہے"، تو سسٹم پرامپٹ عام طور پر وہیں رہتا ہے۔

Prompt engineering

پرامپٹ انجینئرنگ قابل بھروسہ طریقے سے بہتر آؤٹ پٹ حاصل کرنے کے لیے جان بوجھ کر پرامپٹس لکھنے کی مشق ہے۔

بڑے نام کے باوجود، اس کا زیادہ تر حصہ عام وضاحت ہے: مقصد بیان کریں، سیاق و سباق دیں، ایک مثال دکھائیں، فارمیٹ کا نام لیں۔ beginner guide ان تکنیکوں کا احاطہ کرتا ہے جو واقعی نتائج بدلتی ہیں۔

Zero-shot

Zero-shot کا مطلب ہے کسی ماڈل سے کوئی مثال دیے بغیر ایک کام کرنے کو کہنا۔

جدید ماڈلز زیادہ تر روزمرہ کام zero-shot طریقے سے سنبھال لیتے ہیں۔ یہ اصطلاح زیادہ تر few-shot پرامپٹنگ کے مقابلے کے طور پر باقی ہے۔

Few-shot

Few-shot کا مطلب ہے پرامپٹ میں چند کام کی گئی مثالیں شامل کرنا تاکہ ماڈل پیٹرن کاپی کرے۔

فارمیٹنگ کے لحاظ سے حساس کام کے لیے یہ سب سے سستا اعتماد کا اضافہ ہے: ان پٹ اور مطلوبہ آؤٹ پٹ کی دو یا تین مثالیں ایک پیراگراف کی وضاحت کو مات دیتی ہیں۔

Chain of thought

Chain of thought ایک ماڈل کا حتمی جواب دینے سے پہلے درمیانی مراحل سے گزرنا ہے۔

ایک ماڈل سے قدم بہ قدم استدلال کرنے کو کہنا مشکل مسائل کو قابل پیمائش طور پر بہتر بناتا ہے، اور ریزننگ ماڈلز اب اس کا ایک ورژن ڈیفالٹ کے طور پر اندرونی طور پر کرتے ہیں۔

Temperature

Temperature وہ سیٹنگ ہے جو کنٹرول کرتی ہے کہ ماڈل ہر اگلا ٹوکن چنتے وقت کتنی بے ترتیبی شامل کرتا ہے۔

کم temperature مستقل، محتاط آؤٹ پٹ دیتا ہے؛ زیادہ temperature تنوع اور کبھی کبھار بکواس دیتا ہے۔ چیٹ پروڈکٹس عام طور پر آپ کے لیے ایک درمیانی قدر چنتی ہیں۔

Streaming

Streaming ماڈل کا اپنا جواب ٹوکن بہ ٹوکن بھیجنا ہے جیسے جیسے یہ جنریٹ کرتا ہے، اس کے بجائے کہ ختم ہونے پر ایک ساتھ بھیجے۔

یہی وجہ ہے کہ جوابات خود ٹائپ ہوتے نظر آتے ہیں، اور کیوں ایک برے جواب کو انتظار کرنے کے بجائے جلدی روکا جا سکتا ہے۔

Regenerate

Regenerate کا مطلب ہے ایک ہی پرامپٹ کے لیے ایک تازہ رسپانس مانگنا۔

چونکہ جنریشن امکانی ہے، ایک regenerate واقعی ایک نیا ڈرا ہے، ایک ہی حساب کی دوبارہ کوشش نہیں۔ دو ڈرا کا، یا دو ماڈلز پر ایک ہی پرامپٹ کا موازنہ کرنا، ایک تیز معیار چیک ہے۔

ماڈلز کیسے بنتے ہیں

Training

ٹریننگ ایک ماڈل کے پیرامیٹرز کو ڈیٹا کے خلاف اس وقت تک ایڈجسٹ کرنے کا عمل ہے جب تک اس کی پیشگوئیاں اچھی نہ ہو جائیں۔

یہ آپ کے ماڈل سے کبھی ملنے سے پہلے ہوتا ہے اور پرووائیڈر کو بے پناہ کمپیوٹ لاگت دیتا ہے۔ چیٹ میں آپ جو کچھ ٹائپ کرتے ہیں وہ اسی وقت ماڈل کو دوبارہ تربیت نہیں دیتا، اگرچہ پرووائیڈرز اپنی پالیسی کے مطابق مستقبل کے ورژنز کو تربیت دینے کے لیے گفتگوئیں استعمال کر سکتے ہیں۔

Training data

ٹریننگ ڈیٹا وہ متن اور دیگر مواد ہے جس سے ایک ماڈل نے سیکھا۔

اس کی وسعت بتاتی ہے کہ ماڈل کیا جانتا ہے، اس کے خلا منظم اندھے دھبوں کی وضاحت کرتے ہیں، اور اس کی تاریخوں کی حد نالج کٹ آف طے کرتی ہے۔

Pretraining

Pretraining تربیت کا پہلا، سب سے بڑا مرحلہ ہے، جہاں ایک ماڈل بڑی مقدار میں متن سے زبان اور دنیا کا علم سیکھتا ہے۔

نتیجہ قابل مگر خام ہوتا ہے۔ وہ سب کچھ جو ایک ماڈل کو مددگار اسسٹنٹ کی طرح برتاؤ کرواتا ہے بعد میں آتا ہے۔

Fine-tuning

Fine-tuning ایک پہلے سے تربیت یافتہ ماڈل کو مخصوص بنانے یا ڈھالنے کے لیے ایک تنگ تر ڈیٹاسیٹ پر اضافی تربیت ہے۔

پرووائیڈرز مددگاری اور حفاظت کے لیے fine-tune کرتے ہیں؛ کمپنیاں ڈومین کاموں کے لیے fine-tune کرتی ہیں۔ زیادہ تر صارفین کے لیے، اچھی پرامپٹنگ کے ساتھ ایک قابل عمومی ماڈل fine-tune کے لیے ادائیگی کرنے کو مات دیتا ہے۔

RLHF

RLHF، یعنی انسانی فیڈبیک سے ریانفورسمنٹ لرننگ، ایک ماڈل کو اس کے جوابات کی انسانی درجہ بندیوں کے خلاف تربیت دینا ہے۔

یہ اس کی بڑی وجہ ہے کہ جدید اسسٹنٹس شائستہ، منظم، اور محتاط ہوتے ہیں۔ زیادہ کیا جائے تو یہ وہ ہچکچاہٹ بھی پیدا کرتا ہے جو کچھ ماڈلز کو انکار یا ٹال مٹول کرواتی ہے۔

Alignment

Alignment ایک ماڈل کے رویے کو انسانی ارادے اور اقدار سے ملانے کا کام ہے۔

عملی طور پر یہ نقصان دہ درخواستوں سے انکار سے لے کر محض ہدایات پر درستگی سے عمل کرنے تک ہر چیز کا احاطہ کرتا ہے۔ جب ایک ماڈل تکنیکی طور پر متاثر کن مگر ناپسندیدہ کچھ کرتا ہے، تو یہ ایک alignment خلا ہے۔

Inference

Inference ایک تربیت یافتہ ماڈل کو جواب پیدا کرنے کے لیے چلانا ہے، اسے تربیت دینے کے برعکس۔

آپ کا بھیجا گیا ہر پیغام inference کو متحرک کرتا ہے، اور inference کی لاگت وہی ہے جو ٹوکن قیمتیں ماپتی ہیں۔ چلانے میں سستے ماڈلز حیرت انگیز طور پر قابل ہو سکتے ہیں؛ AI Model Cost Index ایک 2,000 گنا قیمت کا پھیلاؤ دکھاتا ہے۔

Transformer

ٹرانسفارمر وہ نیورل نیٹ ورک آرکیٹیکچر ہے جو بنیادی طور پر ہر جدید لینگویج ماڈل کے پیچھے ہے۔

اس کا کلیدی میکانزم، attention، ماڈل کو ان پٹ کے ہر حصے کو ہر دوسرے حصے کے خلاف تولنے دیتا ہے۔ آپ کو کبھی تفصیلات کی ضرورت نہیں، لیکن یہ لفظ AI تحریر میں ہر جگہ موجود ہے۔

جب چیزیں غلط ہو جائیں

Hallucination

ایک hallucination ایک ماڈل کا مکمل اعتماد کے ساتھ کوئی غلط بات کہنا ہے۔

یہ کوئی بگ نہیں جسے اگلی ریلیز میں ٹھیک کر دیا جائے گا؛ یہ اس بات سے نکلتا ہے کہ جنریشن کیسے کام کرتی ہے۔ تعدد ماڈل اور کام کے لحاظ سے بہت مختلف ہوتا ہے۔ کسی بھی مخصوص حقیقت، نمبر، یا حوالے کو چیک ہونے تک غیر تصدیق شدہ سمجھیں۔ Why AI gets things wrong میکانکس کا احاطہ کرتا ہے۔

Grounding

Grounding ایک ماڈل کو یاداشت پر انحصار کرنے دینے کے بجائے اسے جواب دینے کے لیے مستند مواد دینا ہے۔

معاہدہ پیسٹ کرنا، رپورٹ منسلک کرنا، یا ویب سرچ فعال کرنا سب grounding ہیں۔ یہ hallucination کے خلاف سب سے مؤثر روزمرہ دفاع ہے۔

Bias

Bias ایک ماڈل کا اپنے آؤٹ پٹس کو منظم طریقے سے ان طریقوں سے موڑنا ہے جو ٹریننگ ڈیٹا سے وراثت میں ملے۔

یہ لوگوں، جگہوں، اور ڈیفالٹس کے بارے میں مفروضوں کی شکل میں ظاہر ہوتا ہے۔ اہم فیصلوں کے لیے، AI آؤٹ پٹ کا جائزہ ویسے لیں جیسے آپ ایک ذہین مگر غیر جانچے گئے انٹرن کے کام کا جائزہ لیتے۔

Guardrails

Guardrails وہ پابندیاں ہیں جو ایک پرووائیڈر نقصان دہ یا پالیسی کے خلاف آؤٹ پٹ روکنے کے لیے ایک ماڈل کے گرد بناتا ہے۔

مختلف پرووائیڈرز حدیں مختلف طریقے سے کھینچتے ہیں، جو ایک حقیقی پروڈکٹ فرق ہے: ایک ہی درخواست کا جواب ایک ماڈل دے سکتا ہے اور دوسرا انکار کر سکتا ہے۔

Jailbreak

ایک jailbreak ایک ایسا پرامپٹ ہے جو ایک ماڈل کو اس کے guardrails نظرانداز کرنے پر دھوکہ دینے کے لیے بنایا گیا ہو۔

پرووائیڈرز انہیں مسلسل پیچ کرتے ہیں۔ عام صارفین کے لیے یہ اصطلاح زیادہ تر ایک حفاظتی تصور کے طور پر اہم ہے: کوئی بھی چیز جس پر ایک ماڈل کو راضی کیا جا سکے، کوئی نہ کوئی اسے راضی کرنے کی کوشش کرے گا۔

Red teaming

Red teaming ریلیز سے پہلے نقصان دہ ناکامی کے طریقے تلاش کرنے کے لیے جان بوجھ کر ایک ماڈل پر حملہ کرنا ہے۔

پرووائیڈرز اندرونی اور بیرونی red teams چلاتے ہیں، اور شائع شدہ ماڈل کارڈز اکثر بتاتے ہیں کہ انہیں کیا ملا۔ یہ پینیٹریشن ٹیسٹنگ کا AI کے برابر ہے۔

Knowledge cutoff

ایک knowledge cutoff وہ تاریخ ہے جس کے بعد ایک ماڈل کا ٹریننگ ڈیٹا ختم ہوتا ہے۔

اس سے زیادہ حالیہ کسی بھی چیز کے بارے میں پوچھیں اور ماڈل یا تو لاعلمی تسلیم کرتا ہے، اگر کر سکے تو ویب براؤز کرتا ہے، یا hallucinate کرتا ہے۔ آپ جس ماڈل کا استعمال کر رہے ہیں اس کا cutoff جاننا غلطیوں کی ایک پوری قسم کو روکتا ہے۔

ریٹریول اور آپ کا ڈیٹا

RAG (retrieval augmented generation)

RAG، یعنی retrieval augmented generation، پہلے متعلقہ دستاویزات حاصل کرنا اور ماڈل کو ان سے جواب دلوانا ہے۔

یہی ہے کہ "اپنے نالج بیس سے چیٹ کریں" پروڈکٹس اندر سے کیسے کام کرتی ہیں، اور وہ ذرائع کا حوالہ کیوں دے سکتی ہیں۔ RAG hallucination کم کرتا ہے مگر جو کچھ بھی حاصل کرتا ہے اس کا معیار وراثت میں لیتا ہے۔

Embedding

ایک embedding نمبروں کی ایک فہرست ہے جو متن کے ایک ٹکڑے کے معنی کی نمائندگی کرتی ہے۔

ملتے جلتے معنی والے متن قریبی نمبر پاتے ہیں، جو سافٹ ویئر کو ریاضیاتی طور پر متعلقہ حصے تلاش کرنے دیتا ہے۔ Embeddings سیمینٹک سرچ اور RAG کے پیچھے کی مشینری ہیں۔

Vector database

ایک vector database ایک ایسا ڈیٹابیس ہے جو embeddings محفوظ کرنے اور قریب ترین کو تیزی سے تلاش کرنے کے لیے بنایا گیا ہے۔

اگر کوئی پروڈکٹ کہے کہ اس نے AI سرچ کے لیے آپ کی دستاویزات کو "انڈیکس" کیا، تو ہر ٹکڑے کے لیے ایک embedding ان میں سے کسی ایک میں بیٹھا ہے۔

Semantic search

Semantic search کلیدی الفاظ ملانے کے بجائے معنی کے ذریعے متن تلاش کرنا ہے۔

"money problems" تلاش کرنا cash flow strain کے بارے میں ایک حصہ سامنے لا سکتا ہے حالانکہ کوئی لفظ نہیں ملتا۔ یہ embeddings کو کام پر لگانا ہے۔

Chunking

Chunking لمبی دستاویزات کو اتنے چھوٹے ٹکڑوں میں تقسیم کرنا ہے کہ وہ اچھی طرح embed اور retrieve ہو سکیں۔

یہ پلمبنگ جیسا لگتا ہے اور ہے بھی، لیکن بری chunking ایک عام وجہ ہے کہ document-chat ٹولز فائل کے غلط حصے سے جواب دیتے ہیں۔

Web search (in AI)

AI میں web search کا مطلب ہے ماڈل کا جواب دینے سے پہلے موجودہ صفحات حاصل کرنا، ٹریننگ یاداشت پر انحصار کرنے کے بجائے۔

یہ رفتار کو تازگی کے بدلے دیتا ہے اور جوابات کو ایسے حوالے دیتا ہے جنہیں آپ کھول سکتے ہیں۔ ماڈل کے knowledge cutoff کے بعد کسی بھی چیز کے لیے، یہ ایک جواب اور ایک اندازے کے درمیان فرق ہے۔

Knowledge base

ایک knowledge base دستاویزات کا وہ منتخب مجموعہ ہے جو ایک کمپنی اپنے AI کو جواب دینے کے لیے دیتی ہے۔

معیار اندر، معیار باہر: ایک اسسٹنٹ جو ایک باسی wiki پر grounded ہو پراعتماد طریقے سے باسی جوابات دیتا ہے، حوالوں کے ساتھ۔

اس لغت میں تین اصطلاحات ایک ہی سوال کے مقابلہ کرتے جوابات کا نام لیتی ہیں، ایک ماڈل کو آپ کے کام میں بہتر کیسے بنایا جائے، اور انہیں گڈمڈ کرنا پروڈکٹ میٹنگز میں سب سے عام جارگن غلطی ہے۔ ساتھ ساتھ:

طریقہ	کیا بدلتا ہے	لاگت اور رفتار	یہ کب جیتتا ہے
بہتر پرامپٹنگ (zero-shot، few-shot)	صرف وہ متن جو آپ بھیجتے ہیں	مفت، منٹ لیتا ہے	تقریباً ہمیشہ پہلا قدم؛ دو یا تین کام کی گئی مثالیں زیادہ تر فارمیٹنگ کے مسائل حل کر دیتی ہیں
RAG	ماڈل جواب دینے سے پہلے کیا پڑھتا ہے	بنانے میں معتدل، دوبارہ تربیت نہیں	ایسے جوابات جو موجودہ رہنے چاہئیں یا آپ کی اپنی دستاویزات کا حوالہ دیں
Fine-tuning	ماڈل کے اپنے پیرامیٹرز	سست اور مہنگا، پھر مقررہ	بڑے پیمانے پر مستحکم انداز اور فارمیٹ کی ضروریات، تقریباً کبھی ایک فرد کے لیے نہیں

متن سے آگے

Multimodal

Multimodal کا مطلب ہے ایک ماڈل جو ایک سے زیادہ میڈیم پر کام کرتا ہے، جیسے متن کے ساتھ تصاویر، آڈیو، یا ویڈیو۔

یہی وجہ ہے کہ آپ ایک ایرر کا اسکرین شاٹ لے کر پوچھ سکتے ہیں کہ کیا غلط ہے۔ multimodal AI guide اس کا احاطہ کرتا ہے کہ آج اصل میں کیا کام کرتا ہے۔

Vision model

ایک vision model ایک ایسا ماڈل ہے جو تصاویر کی تشریح کر سکتا ہے: تصویریں، اسکرین شاٹس، چارٹس، اور دستاویزات۔

پڑھنا جنریٹ کرنے جیسا نہیں؛ ایک ماڈل آپ کے ڈایاگرام کو بالکل بیان کر سکتا ہے اور پھر بھی ایک بنانے کے قابل نہیں ہو سکتا۔

Image generation

Image generation ایک متنی وضاحت سے نئی تصاویر بنانا ہے۔

معیار، انداز کی رینج، اور تصاویر کے اندر متن رینڈرنگ جنریٹرز کے درمیان تیزی سے مختلف ہوتی ہے، اسی لیے سنجیدہ صارفین کئی کا موازنہ کرتے ہیں۔ image generator roundup اس شعبے پر تازہ ترین رہتا ہے۔

Diffusion model

ایک diffusion model شور سے شروع ہو کر اور اسے قدم بہ قدم وضاحت کی طرف بہتر بنا کر تصاویر جنریٹ کرتا ہے۔

یہ جدید امیج جنریٹرز کے پیچھے غالب تکنیک ہے۔ یہ لفظ زیادہ تر اس لیے اہم ہے تاکہ پروڈکٹ کے نام میں "diffusion" آپ کو بتائے کہ پروڈکٹ کیا کرتی ہے۔

Speech to text

Speech to text بولے گئے آڈیو کو تحریری الفاظ میں ٹرانسکرائب کرنا ہے۔

جدید ٹرانسکرپشن اتنی درست ہے کہ میٹنگز، وائس نوٹس، اور انٹرویوز کو تلاش کے قابل بنا دیتی ہے، اور یہی طریقہ ہے جس سے چیٹ ایپس میں وائس ان پٹ کام کرتا ہے۔

Text to speech

Text to speech تحریری الفاظ سے بولی جانے والی آڈیو تیار کرنا ہے۔

موجودہ سسٹمز قدرتی، اظہار خیز آوازیں پیدا کرتے ہیں، جو پڑھ کر سنانے کے فیچرز اور AI وائس گفتگوؤں کو طاقت دیتے ہیں۔

ایکو سسٹم

API

ایک API وہ پروگرام کے قابل دروازہ ہے جسے ڈویلپرز اپنے سافٹ ویئر سے ایک ماڈل کو پرامپٹس بھیجنے کے لیے استعمال کرتے ہیں۔

API کی قیمت فی ٹوکن ہوتی ہے، جہاں سے ہر AI پروڈکٹ کی فی جواب اکنامکس بالآخر آتی ہے۔

Open weights

Open weights کا مطلب ہے ایک ماڈل کے تربیت یافتہ پیرامیٹرز کسی کے بھی ڈاؤن لوڈ اور چلانے کے لیے شائع کیے جاتے ہیں۔

یہ سیلف ہوسٹنگ کو ممکن بناتا ہے اور دوسرے پرووائیڈرز کو اپنے انفراسٹرکچر پر ماڈل پیش کرنے دیتا ہے۔ DeepSeek اور Llama مشہور مثالیں ہیں۔

Open-source model

ایک open-source model ڈھیلے طور پر، عوامی استعمال اور ترمیم کے لیے جاری کیا گیا ماڈل ہے، اگرچہ لائسنس بہت مختلف ہوتے ہیں۔

عملی سوالات ہمیشہ وہی دو ہوتے ہیں: کیا آپ اسے کمرشل طور پر استعمال کر سکتے ہیں، اور کون آپ کے لیے اسے ہوسٹ کر رہا ہے۔ open weights ecosystem سب سے زیادہ اہم ہے جب پرائیویسی یا لاگت ہوسٹڈ فلیگ شپس کو خارج کر دے۔

Benchmark

ایک benchmark ماڈلز کو نمبر دینے اور موازنہ کرنے کے لیے استعمال ہونے والا معیاری ٹیسٹ ہے۔

پہلی جھلک کے لیے مفید، مارکیٹنگ میں معمول کے مطابق زیادہ فٹ کیا گیا۔ ایک ماڈل جو benchmark میں سرفہرست ہو پھر بھی آپ کے اصل کام پر ہار سکتا ہے، اسی لیے اپنا تین کام کا موازنہ چلانا چارٹس پڑھنے کو مات دیتا ہے۔

Agent

ایک agent ایک AI سسٹم ہے جو صرف ایک بار جواب دینے کے بجائے کسی مقصد کی طرف مراحل میں اقدامات کرتا ہے۔

بکنگ، تحقیق، کوڈنگ، اور ٹکٹ فائل کرنا agent کا علاقہ ہیں۔ صلاحیت حقیقی ہے اور تیزی سے بہتر ہو رہی ہے؛ ایسی ہی اس بات کی ضرورت بھی ہے کہ اس کے اہم ہونے سے پہلے agent نے کیا کیا اس کا جائزہ لیا جائے۔

Tool use

Tool use، یا function calling، ایک ماڈل کا سرچ، کیلکولیٹرز، کوڈ، یا آپ کے کیلنڈر جیسی بیرونی صلاحیتوں کو استعمال کرنا ہے۔

یہی وہ طریقہ ہے جس سے چیٹ اسسٹنٹس صرف دنیا کو بیان کرنے کے بجائے اس پر عمل کرتے ہیں، اور یہ agents کے پیچھے کا میکانزم ہے۔

Reasoning model

ایک reasoning model وہ ہے جو جواب دینے سے پہلے اندرونی طور پر کسی مسئلے کو سوچنے میں اضافی کمپیوٹ خرچ کرتا ہے۔

تبادلہ مشکل مسائل پر درستگی کے لیے وقت اور لاگت ہے۔ سادہ سوالات کے لیے اضافی سوچنا کچھ نہیں دیتا، جو فی کام ماڈلز بدلنے کی ایک اور دلیل ہے۔

Latency

Latency وہ وقت ہے جب تک آپ پرامپٹ بھیجنے اور جواب آنے یا اسٹریم شروع ہونے کے درمیان انتظار کرتے ہیں۔

یہ ماڈل کے سائز، لوڈ، اور آیا ماڈل reasoning model ہے کے لحاظ سے مختلف ہوتی ہے۔ انٹرایکٹو کام کے لیے، ایک تیز کافی اچھا ماڈل اکثر ایک سست شاندار ماڈل کو مات دیتا ہے۔

Rate limit

ایک rate limit وہ حد ہے جو ایک پرووائیڈر اس پر لگاتا ہے کہ آپ ایک ٹائم ونڈو میں کتنی درخواستیں یا ٹوکنز استعمال کر سکتے ہیں۔

ایک تک پہنچنا وہ عام وجہ ہے جس سے ایک چیٹ پروڈکٹ آپ کو انتظار کرنے یا اپ گریڈ کرنے کو کہتی ہے۔ سبسکرپشن پلانز پر میسج کیپس زیادہ دوستانہ برانڈنگ کے ساتھ rate limits ہیں۔

لغت کو کارآمد رکھنا

اس شعبے میں اصطلاحات تیزی سے پرانی ہوتی ہیں۔ یہ صفحہ ایک حوالے کے طور پر برقرار رکھا جاتا ہے: جب استعمال بدلتا ہے تو اندراجات دوبارہ لکھے جاتے ہیں، اور لنک شدہ گہرائی والی گائیڈز وہ تفصیل رکھتی ہیں جو ایک تعریف میں فٹ نہیں ہوتی۔

اگر آپ کو کہیں ملنے والی کوئی اصطلاح یہاں غائب ہو، تو سب سے تیز راستہ یہ ہے کہ جس جملے میں آپ کو ملی وہ ایک قابل ماڈل میں پیسٹ کریں اور سیاق و سباق میں تعریف مانگیں۔ Whizi میں آپ ایک ساتھ دو ماڈلز سے پوچھ سکتے ہیں اور نوٹ کر سکتے ہیں کہ وہ کب اختلاف کرتے ہیں، جو نئے جارگن کے لیے حیرت انگیز طور پر اکثر ہوتا ہے۔