جو AI آپ پہلے سے استعمال کر چکے ہیں وہ چیزوں کو ترتیب دیتا تھا۔ Generative AI چیزیں بناتا ہے
بیس سالوں تک، روزمرہ زندگی میں موجود AI پوشیدہ تھا اور یہ صرف درجہ بندی کرتا تھا۔ سپیم فلٹر فیصلہ کرتا تھا سپیم ہے یا نہیں۔ فوٹو ایپ فیصلہ کرتی تھی کون سا چہرہ کس کا ہے۔ بینک فیصلہ کرتا تھا دھوکہ ہے یا نہیں۔ سفارشی انجن ترتیب دیتا تھا آگے کیا دکھانا ہے۔ ان میں سے ہر ایک کوئی موجود چیز لیتا ہے اور اس پر لیبل یا اسکور لگا دیتا ہے۔ AI کیا ہے اس وسیع تر خاندان کا احاطہ کرتا ہے۔
Generative AI اس سمت کو الٹ دیتا ہے۔ کسی تصویر کو لے کر "بلی" آؤٹ پٹ دینے کے بجائے، یہ "شام کے وقت کھڑکی پر بیٹھی ایک بلی" لیتا ہے اور ایک تصویر بناتا ہے۔ کسی ای میل کو اسکور دینے کے بجائے، یہ ایک لکھ دیتا ہے۔ ماڈل نے لاکھوں مثالوں کے پیٹرن اتنی اچھی طرح سیکھ لیے ہیں کہ وہ ایک نئی چیز بنا سکے جو ان سے میل کھائے۔
یہی الٹ پھیر اس بات کی پوری وجہ ہے کہ یہ ٹیکنالوجی عوام تک پہنچی۔ درجہ بندی کسی اور کی پروڈکٹ کے اندر ایک فیچر ہے۔ جنریشن خود ایک الگ پروڈکٹ ہے: ایک درخواست ٹائپ کریں، ایک چیز حاصل کریں۔ ChatGPT 30 نومبر 2022 کو لانچ ہوا اور جنوری 2023 تک، یعنی لانچ کے دو مہینے بعد، اندازاً 10 کروڑ ماہانہ فعال صارفین تک پہنچ گیا، جیسا کہ 1 فروری 2023 کو Reuters کی رپورٹ کردہ UBS کی تجزیاتی رپورٹ میں بتایا گیا، جو اس وقت کسی بھی صارف ایپلیکیشن کے مقابلے میں تیز ترین تھا، کیونکہ پہلی بار ماڈل کا آؤٹ پٹ ہی اصل مقصد تھا۔
اس کے بعد جو ہوا وہ کوئی معمولی سلسلہ نہیں تھا۔ ماڈل ریلیز ٹائم لائن اس دن سے اب تک 41 بڑی لانچز کو ٹریک کرتی ہے، اور ان میں سے 31 سال 2025 اور 2026 میں سامنے آئیں۔ نارنجی رنگ کسی reasoning ماڈل یا ایسے خاندان کو ظاہر کرتا ہے جو thinking mode کے ساتھ آتا ہے؛ شیڈ شدہ حصہ o1-preview سے شروع ہوتا ہے۔
ہر generative ماڈل سیکھتا ہے کہ ایک قابل قبول مثال کیسی لگتی ہے، پھر ایک بناتا ہے
ہر generative ماڈل بنیادی طور پر ایک ہی طریقے سے تربیت یافتہ ہوتا ہے: اسے بے شمار مثالیں دکھائیں اور اسے سکھائیں کہ ایک قابل قبول مثال کیسی لگتی ہے۔ پھر، استعمال کے وقت، اس سے کہیں کہ وہ ایک نیا نمونہ بنائے جو پیٹرن اور پرامپٹ سے میل کھائے۔
ٹیکسٹ کے لیے، ماڈل اگلا ٹوکن پیشگوئی کرنا سیکھتا ہے، اور ایک وقت میں ایک ٹوکن کر کے جواب بناتا ہے۔ LLM کیا ہے اس کی مکمل تفصیل ہے۔ تصاویر اور ویڈیو کے لیے، سب سے زیادہ رائج طریقہ diffusion ہے: ماڈل چھوٹے مراحل میں کسی تصویر سے شور ہٹانا سیکھتا ہے، اور جنریشن کے وقت خالص شور سے شروع ہو کر مرحلہ بہ مرحلہ اسے ہٹاتا ہے جبکہ ایک ٹیکسٹ تفصیل اس بات کی رہنمائی کرتی ہے کہ کیا سامنے آئے۔ زیادہ تر تصویری ماڈلز 2020 کے Denoising Diffusion Probabilistic Models کے مقالے (Ho، Jain اور Abbeel کا) والا نسخہ استعمال کرتے ہیں؛ جس طریقے کی جگہ اس نے لی، یعنی generative adversarial networks، اس کا تعلق 2014 میں Goodfellow et al. سے ہے۔ موسیقی جنریٹرز زیادہ تر ان دونوں میں سے کسی ایک کو اپناتے ہیں۔
جو نتیجہ ذہن میں رکھنا ضروری ہے وہ یہ ہے کہ یہ سب وہ پیدا کرتے ہیں جو میل کھائے، نہ کہ جو سچ ہو۔ ایک ٹیکسٹ ماڈل ایک ایسا حوالہ بنائے گا جو حوالے کی شکل سے میل کھاتا ہو۔ ایک تصویری ماڈل ایک ایسا ہاتھ بنائے گا جو ہاتھوں کے پیٹرن سے میل کھاتا ہو، کبھی کبھار چھ انگلیوں کے ساتھ۔ روانی اور غلطیاں دونوں ایک ہی جگہ سے آتی ہیں، اور AI hallucination کیا ہے اس کے ٹیکسٹ ورژن کا تفصیل سے احاطہ کرتا ہے۔
چار میڈیمز، چار قسم کے ماڈلز، ایک ونڈو
2022 میں generative AI کا مطلب تھا ٹیکسٹ اور، الگ سے، تصاویر۔ 2026 تک ایک ہی چیٹ پروڈکٹ چار قسم کے جنریٹرز کی طرف رہنمائی کرتا ہے، اور ہر ایک کے پیچھے موجود ماڈل مختلف ہے۔
| میڈیم | آپ کیا ٹائپ کرتے ہیں | کیا واپس آتا ہے | ماڈل کی قسم | Whizi پکر میں مثالیں |
|---|---|---|---|---|
| ٹیکسٹ اور کوڈ | ایک سوال یا ہدایت | نثر، ایک ٹیبل، ایک پروگرام | زبان کا ماڈل | GPT، Claude، Gemini، DeepSeek اور 280+ دیگر |
| تصاویر | ایک تفصیل، یا ایک تصویر اور اس میں ایڈٹ | ایک نئی یا ایڈٹ شدہ تصویر | Diffusion ماڈل | Whizi Image، Nano Banana، Flux، Stable Diffusion |
| ویڈیو | ایک تفصیل یا ایک ابتدائی تصویر | ایک مختصر کلپ | ویڈیو diffusion ماڈل | Whizi Video AI |
| موسیقی | ایک انداز، ایک موڈ، کبھی کبھار بول | ایک آڈیو ٹریک | آڈیو جنریشن ماڈل | Whizi Music AI |
اس کے پیچھے پروڈکٹ کا فیصلہ یہ ہے کہ انہیں مختلف طریقے سے میٹر کیا جاتا ہے کیونکہ ان کو چلانے کی قیمت مختلف ہے۔ ایک ٹیکسٹ جواب ایک سینٹ کا معمولی سا حصہ ہے۔ ایک تصویر ایک الگ کاؤنٹر ہے۔ ویڈیو اور موسیقی سب سے مہنگی قسمیں ہیں اور سب سے اوپر والے پلان میں شامل ہیں۔
تصویری جنریشن Starter میں شامل نہیں ہے، Pro پر ماہانہ 100 اور Powerhouse پر ماہانہ 500 ہے، اور ویڈیو اور موسیقی جنریشن Powerhouse کے فیچرز ہیں، Whizi کریڈٹس کیسے کام کرتے ہیں کے مطابق۔ ایک ٹیکسٹ جواب اور ایک ویڈیو کلپ کے درمیان فرق 500 ٹوکنز بنانے اور کئی سیکنڈز کے فریمز بنانے کے درمیان فرق ہے، اور قیمت کمپیوٹ کے مطابق طے ہوتی ہے۔
Generative AI کس چیز کے لیے اچھا ہے، اور اس کی ایماندارانہ حد
یہ کسی بھی معلوم شکل والی چیز کے پہلے ڈرافٹ کے لیے اچھا ہے: ایک ای میل، ایک خلاصہ، ایک فنکشن، ایک پروڈکٹ فوٹو، ایک بیک گراؤنڈ ٹریک۔ یہ تبدیلی میں اچھا ہے، یعنی کوئی موجودہ چیز لے کر اسے کسی اور شکل میں پیش کرنا: ترجمہ شدہ، مختصر، مختلف قاری کے لیے دوبارہ لکھا گیا، دوبارہ اسٹائل کیا گیا۔ اور یہ حجم میں اچھا ہے، بیس ورژن بنانا جہاں ایک انسان دو بناتا۔
یہ، بنیادی طور پر، تین چیزوں میں کمزور ہے۔ وہ حقائق جو اسے نہیں دیے گئے، کیونکہ یہ وہ پیدا کرتا ہے جو میل کھائے نہ کہ جو ہو۔ لانگ ٹیل میں درستگی: چھٹی انگلی، وہ کوڈ جو کمپائل تو ہوتا ہے مگر غلط کام کرتا ہے۔ اور یہ فیصلہ کہ آؤٹ پٹ اچھا ہے یا نہیں، جو اس شخص کے پاس رہتا ہے جس نے درخواست کی۔ AI کیسے استعمال کریں گائیڈ ان حدود کے اندر کام کرنے کا عملی ورژن ہے۔
فیصلہ کرنے کا اصول: generative AI صحیح ٹول ہے جب آپ ایک اچھے نتیجے کو اسے خود بنانے سے زیادہ تیزی سے پہچان سکتے ہیں۔ اگر آپ اچھے اور برے آؤٹ پٹ میں فرق نہیں کر سکتے، تو یہ ابھی اس کام کے لیے صحیح ٹول نہیں ہے۔
Generative AI مشین لرننگ کی ایک شاخ ہے، جو AI کی ایک شاخ ہے
مصنوعی ذہانت (Artificial intelligence) ایک چھتری اصطلاح ہے: کوئی بھی سافٹ ویئر جو ایسا کچھ کرے جسے ہم ذہین کہتے اگر کوئی انسان کرتا۔ مشین لرننگ وہ طریقہ ہے جسے زیادہ تر جدید AI استعمال کرتا ہے، یعنی ڈیٹا سے قواعد سیکھنا بجائے اس کے کہ انہیں پروگرام کیا جائے۔ Generative AI مشین لرننگ کی وہ شاخ ہے جس کا آؤٹ پٹ نیا مواد ہوتا ہے۔ ایک بڑا زبان ماڈل (large language model) ٹیکسٹ کے لیے generative ماڈل ہے۔ ایک چیٹ بوٹ اس کے اردگرد لپٹی ہوئی ایپ ہے۔ ہر ایک اپنے سے پہلے والی چیز کا ایک ذیلی سیٹ ہے، اور AI glossary میں تمام اصطلاحات ایک ہی جگہ موجود ہیں۔
عملی پڑھت: جب کوئی پروڈکٹ کہے کہ وہ "AI استعمال کرتی ہے"، تو پوچھیں کہ کون سی قسم۔ اگر یہ ترتیب دیتی، درجہ بندی کرتی یا پیشگوئی کرتی ہے، تو یہ پرانی قسم ہے اور غالباً اچھی طرح کام کرتی ہے۔ اگر یہ کچھ بناتی ہے، تو یہ نئی قسم ہے اور اسے آؤٹ پٹ چیک کرنے والے شخص کی ضرورت ہے۔
- پوچھیں کہ آیا کوئی پروڈکٹ درجہ بندی کرتی ہے یا کچھ بناتی ہے؛ صرف دوسری قسم کے آؤٹ پٹ کو چیک کرنے کی ضرورت ہوتی ہے
- معلوم شکل والی چیزوں کے پہلے ڈرافٹس اور تبدیلیوں کے لیے generative AI استعمال کریں
- بنائے گئے ٹیکسٹ میں موجود کسی بھی حقیقت، نمبر یا حوالے کو کسی ایسے ذریعے سے چیک کریں جسے آپ خود کھول سکیں
- تفصیلات میں درستگی کی غلطیوں کی توقع رکھیں: ہاتھ اور کوڈ میں غیر معمولی صورتیں
- میڈیم کو پلان سے میل کھائیں: ٹیکسٹ ہر جگہ سستا ہے، تصاویر اور ویڈیو الگ سے میٹر ہوتی ہیں
عمومی سوالات
AI اور generative AI میں کیا فرق ہے؟
AI اس سافٹ ویئر کے لیے چھتری اصطلاح ہے جو وہ کام کرتا ہے جنہیں ہم ذہانت سے جوڑتے ہیں۔ 2022 سے پہلے زیادہ تر AI درجہ بندی، درجہ بندی یا پیشگوئی کرتا تھا: سپیم فلٹرز، چہرہ شناخت، سفارشی انجن۔ Generative AI وہ شاخ ہے جو نیا مواد بناتی ہے، جیسے ٹیکسٹ، تصاویر، ویڈیو اور موسیقی، مثالوں کے پیٹرن سیکھ کر اور انہی سے میل کھاتے نئے نمونے بنا کر۔
Generative AI کی مثالیں کیا ہیں؟
ٹیکسٹ اور کوڈ کے لیے ChatGPT، Claude اور Gemini؛ تصویر بنانے والے ٹولز جیسے Flux، Stable Diffusion اور Nano Banana؛ ویڈیو جنریٹرز جو کسی تفصیل یا سٹِل تصویر کو کلپ میں تبدیل کرتے ہیں؛ اور موسیقی جنریٹرز جو کسی انداز اور موڈ سے ٹریک بناتے ہیں۔ Whizi جیسا ملٹی ماڈل ورک اسپیس یہ چاروں ایک ہی چیٹ ونڈو کے پیچھے رکھ دیتا ہے۔
Generative AI کیسے کام کرتا ہے؟
ایک ماڈل کو بہت زیادہ مثالوں پر اس وقت تک تربیت دی جاتی ہے جب تک وہ سیکھ نہ لے کہ ایک قابل قبول مثال کیسی لگتی ہے، پھر اسے کہا جاتا ہے کہ وہ کوئی نئی چیز بنائے جو کسی پرامپٹ سے میل کھائے۔ ٹیکسٹ ماڈلز اگلے ٹوکن کی پیشگوئی کر کے ایک وقت میں ایک ٹوکن بناتے ہیں۔ تصویر اور ویڈیو ماڈلز زیادہ تر diffusion استعمال کرتے ہیں، بے ترتیب شور کو مرحلہ بہ مرحلہ تصویر میں بدلتے ہوئے جبکہ ایک ٹیکسٹ تفصیل نتیجے کی رہنمائی کرتی ہے۔
کیا ChatGPT generative AI ہے؟
جی ہاں۔ ChatGPT ایک چیٹ ایپ ہے جو ایک بڑے زبان ماڈل پر بنائی گئی ہے، جو ٹیکسٹ کے لیے generative ماڈل ہے۔ یہ 30 نومبر 2022 کو لانچ ہوا اور جنوری 2023 تک اندازاً 10 کروڑ ماہانہ فعال صارفین تک پہنچ گیا، Reuters کی رپورٹ کردہ UBS کی تجزیاتی رپورٹ کے مطابق، جو وہ لمحہ ہے جب generative AI ایک تحقیقی میدان سے صارف کیٹیگری بن گیا۔
Generative AI غلطیاں کیوں کرتا ہے؟
کیونکہ یہ وہ پیدا کرتا ہے جو اس کے تربیتی ڈیٹا کے پیٹرن سے میل کھائے، نہ کہ جو سچ ہو۔ ایک ٹیکسٹ ماڈل ایک ایسا حوالہ بناتا ہے جو حوالے جیسا لگے چاہے ماخذ موجود ہو یا نہ ہو؛ ایک تصویری ماڈل ایک ایسا ہاتھ بناتا ہے جو ہاتھ جیسا لگے، کبھی کبھار چھ انگلیوں کے ساتھ۔ ماڈل کو کسی ماخذ سے جوڑنا اور آؤٹ پٹ چیک کرنا اس کا حل ہے، اور یہ ذمہ داری استعمال کرنے والے شخص کی ہے۔
