نیورل نیٹ ورکس کھولیں: AI اور web3 کا چوراہا

رشین شرما اور جیک برخمین کے ذریعہ۔

نک یاکووینکو، ڈیوڈ پاک مین، جان کوپنز، اے سی، ایون فینگ، ایڈی سائیڈمین سمیت، ہر ایک کا خصوصی شکریہ جنہوں نے اس ٹکڑے پر رائے دی۔

ماخذ: Lexica.art سے AI سے تیار کردہ تصویر، ایک مستحکم ڈفیوژن سرچ انجن

تکنیکی جدت کبھی آرام نہیں کرتی، اور یہ خاص طور پر مصنوعی ذہانت کے لیے درست ہے۔ پچھلے کچھ سالوں میں، ہم نے ڈیپ لرننگ ماڈلز کی مقبولیت کو AI میں پیش رو کے طور پر دوبارہ ابھرتے دیکھا ہے۔ بھی کہا جاتا ہے۔ نیند نیٹ ورک، یہ ماڈل نوڈس کی گھنی باہم جڑی ہوئی تہوں پر مشتمل ہیں جو معلومات کو ایک دوسرے کے ذریعے منتقل کرتے ہیں، تقریباً انسانی دماغ کی تعمیر کی نقل کرتے ہیں۔ 2010 کی دہائی کے اوائل میں، جدید ترین ماڈلز میں لاکھوں پیرامیٹرز تھے، خاص جذبات کے تجزیے اور درجہ بندی کے لیے استعمال کیے جانے والے بھاری نگرانی والے ماڈلز۔ آج کے جدید ترین ماڈلز جیسے ڈریم اسٹوڈیو, GPT-3, DALL-E2، اور تصویر ایک ٹریلین پیرامیٹرز تک پہنچ رہے ہیں اور پیچیدہ اور یہاں تک کہ تخلیقی کاموں کو پورا کر رہے ہیں جو انسانی کام کا مقابلہ کرتے ہیں۔ مثال کے طور پر، اس بلاگ پوسٹ کی ہیڈر امیج یا خلاصہ لیں۔ دونوں مصنوعی ذہانت سے تیار کیے گئے تھے۔ ہم ابھی ان ماڈلز کے سماجی اور ثقافتی مضمرات کو دیکھنا شروع کر رہے ہیں کیونکہ یہ شکل بناتے ہیں کہ ہم کس طرح نئی چیزیں سیکھتے ہیں، ایک دوسرے کے ساتھ بات چیت کرتے ہیں، اور تخلیقی طور پر اپنا اظہار کرتے ہیں۔

تاہم، زیادہ تر تکنیکی جانکاری، کلیدی ڈیٹا سیٹس، اور بڑے نیورل نیٹ ورکس کو تربیت دینے کی کمپیوٹیشنل صلاحیت آج کل بند سورس ہیں اور گوگل اور میٹا جیسی "بگ ٹیک" کمپنیوں کے ذریعے حاصل کی گئی ہیں۔ جبکہ ریپلیکا اوپن سورس ماڈل جیسے GPT-NeoX, ڈیل میگا، اور بلوم سمیت تنظیموں کی سربراہی کی گئی ہے۔ استحکام اے آئی, ایلیوتھر اے آئی، اور گلے لگانے والا چہرہ, web3 اوپن سورس AI کو مزید سپرچارج کرنے کے لیے تیار ہے۔

"AI کے لیے ایک web3 انفراسٹرکچر پرت اوپن سورس ڈویلپمنٹ، کمیونٹی کی ملکیت اور گورننس، اور آفاقی رسائی کے عناصر کو متعارف کروا سکتی ہے جو ان نئی ٹیکنالوجیز کو تیار کرنے میں نئے ماڈل اور افادیت پیدا کرتی ہے۔"

مزید، ویب 3 کے استعمال کے بہت سے اہم معاملات میں AI ٹیکنالوجیز کو اپنانے سے اضافہ کیا جائے گا۔ سے تخلیقی فن NFTs metaversal landscapes کے لیے، AI کو web3 میں استعمال کے بہت سے کیسز ملیں گے۔ اوپن سورس AI web3 کے کھلے، وکندریقرت اور جمہوری اخلاق کے اندر فٹ بیٹھتا ہے اور بگ ٹیک کے ذریعہ فراہم کردہ AI کے متبادل کی نمائندگی کرتا ہے، جس کے جلد ہی کھلنے کا امکان نہیں ہے۔

فاؤنڈیشن ماڈلز وہ اعصابی نیٹ ورک ہیں جو وسیع ڈیٹا سیٹس پر تربیت یافتہ ہیں تاکہ وہ کام انجام دے سکیں جن کے لیے عام طور پر ذہین انسانی رویے کی ضرورت ہوتی ہے۔ ان ماڈلز نے کچھ متاثر کن نتائج پیدا کیے ہیں۔

زبان کے ماڈل جیسے اوپن اے آئی GPT-3, گوگل کا LaMDA، اور Nvidia's Megatron-Turing NLG فطری زبان کو سمجھنے اور تیار کرنے، متن کا خلاصہ اور ترکیب کرنے کی صلاحیت رکھتے ہیں۔ کمپیوٹر کوڈ لکھیں.

DALLE-2 OpenAI کا ہے۔ متن سے تصویر کے پھیلاؤ کا ماڈل جو تحریری متن سے منفرد تصاویر تیار کر سکتا ہے۔ گوگل کے AI ڈویژن ڈیپ مائنڈ نے مسابقتی ماڈل تیار کیے ہیں جن میں PaLM، ایک 540B پیرامیٹر لینگویج ماڈل، اور Imagen، اس کا اپنا امیج جنریشن ماڈل ہے جو ڈرا بینچ اور COCO FID بینچ مارکس پر DALLE-2 کو پیچھے چھوڑتا ہے۔ امیجین خاص طور پر زیادہ فوٹو ریئلسٹک نتائج پیدا کرتی ہے اور اس میں ہجے کرنے کی صلاحیت ہوتی ہے۔

کمک سیکھنے کے ماڈل جیسے کہ گوگل AlphaGo کو شکست دی ہے ہیومن گو ورلڈ چیمپیئن نئی حکمت عملیوں اور کھیل کی تکنیکوں کو دریافت کرتے ہوئے جو گیم کی تین ہزار سالہ تاریخ میں سامنے نہیں آئی ہیں۔

پیچیدہ فاؤنڈیشن ماڈلز بنانے کی دوڑ بدعت میں سب سے آگے بگ ٹیک کے ساتھ شروع ہو چکی ہے۔ میدان کی ترقی جتنی پرجوش ہے، ایک اہم موضوع ہے جو تشویش کا باعث ہے۔

پچھلی دہائی کے دوران، جیسا کہ AI ماڈلز زیادہ نفیس ہو گئے ہیں، وہ بھی تیزی سے عوام کے لیے بند ہو گئے ہیں۔

ٹیک کمپنیاں ایسے ماڈل تیار کرنے اور ڈیٹا اور کوڈ کو ملکیتی ٹیکنالوجی کے طور پر برقرار رکھنے میں بہت زیادہ سرمایہ کاری کر رہی ہیں جبکہ ماڈل ٹریننگ اور کمپیوٹیشن کے لیے اپنی معیشتوں کے پیمانے کے فوائد کے ذریعے مسابقتی کھائی کو محفوظ رکھتی ہیں۔

کسی بھی فریق ثالث کے لیے، فاؤنڈیشن ماڈل تیار کرنا ایک وسائل پر مبنی عمل ہے جس میں تین بڑی رکاوٹیں ہیں: ڈیٹا، حساب، اور منیٹائزیشن.

یہ وہ جگہ ہے جہاں ہم ان مسائل میں سے کچھ کو حل کرنے میں web3 تھیمز کے ابتدائی راستے دیکھتے ہیں۔

لیبل لگا ڈیٹاسیٹس موثر ماڈلز بنانے کے لیے اہم ہیں۔ AI سسٹمز ڈیٹا سیٹس کے اندر موجود مثالوں سے عمومی طور پر سیکھتے ہیں اور وقت کے ساتھ ساتھ تربیت یافتہ ہونے کے ساتھ ساتھ مسلسل بہتری لاتے ہیں۔ تاہم، معیاری ڈیٹاسیٹ کی تالیف اور لیبلنگ کے لیے کمپیوٹیشنل وسائل کے علاوہ خصوصی علم اور پروسیسنگ کی ضرورت ہوتی ہے۔ بڑی ٹیک کمپنیوں کے پاس اکثر اندرونی ڈیٹا ٹیمیں ہوں گی جو بڑے، ملکیتی ڈیٹاسیٹس اور آئی پی سسٹمز اپنے ماڈلز کو تربیت دینے کے لیے، اور ان کے ڈیٹا کی پیداوار یا تقسیم تک رسائی کے لیے بہت کم ترغیب ہے۔

پہلے سے ہی ایسی کمیونٹیز موجود ہیں جو ماڈل ٹریننگ کو محققین کی عالمی برادری کے لیے کھلا اور قابل رسائی بنا رہی ہیں۔ یہاں کچھ مثالیں ہیں:

1. عام کرالدس سال کے انٹرنیٹ ڈیٹا کا عوامی ذخیرہ عام تربیت کے لیے استعمال کیا جا سکتا ہے۔ (اگرچہ تحقیق سے پتہ چلتا کہ زیادہ درست، پیرڈ ڈیٹاسیٹس کراس ڈومین کے عمومی علم اور ماڈلز کی بہاو کو عام کرنے کی صلاحیتوں کو بہتر بنا سکتے ہیں۔)
2. LAION ایک غیر منافع بخش تنظیم ہے جس کا مقصد بڑے پیمانے پر مشین لرننگ ماڈلز اور ڈیٹاسیٹس کو عام لوگوں کے لیے دستیاب کرنا ہے اور جاری کیا گیا ہے۔ LAION5B، 5.85 بلین CLIP فلٹر شدہ امیج ٹیکسٹ پیئر ڈیٹاسیٹ جو ریلیز ہونے پر دنیا کا سب سے بڑا کھلے عام قابل رسائی تصویری ٹیکسٹ ڈیٹاسیٹ بن گیا۔
3. ایلیوتھر اے آئی ایک وکندریقرت اجتماعی ہے جس نے سب سے بڑے اوپن سورس ٹیکسٹ ڈیٹاسیٹس کو جاری کیا۔ ڈھیر۔. The Pile زبان کی ماڈلنگ کے لیے 825.18 GiB انگریزی زبان کا ڈیٹاسیٹ ہے جو ڈیٹا کے 22 مختلف ذرائع کو استعمال کرتا ہے۔

فی الحال، یہ کمیونٹیز غیر رسمی طور پر منظم ہیں اور ایک وسیع رضاکارانہ بنیاد کے تعاون پر انحصار کرتی ہیں۔ ان کی کوششوں کو سپرچارج کرنے کے لیے، ٹوکن انعامات کو اوپن سورس ڈیٹا سیٹس بنانے کے طریقہ کار کے طور پر استعمال کیا جا سکتا ہے۔ شراکت کی بنیاد پر ٹوکنز کا اخراج کیا جا سکتا ہے، جیسے کہ ایک بڑے ٹیکسٹ امیج ڈیٹاسیٹ کا لیبل لگانا، اور DAO کمیونٹی ایسے دعووں کی توثیق کر سکتی ہے۔ بالآخر، بڑے ماڈلز ایک عام پول سے ٹوکن جاری کر سکتے ہیں، اور مذکورہ ماڈلز کے اوپر بنی مصنوعات سے نیچے کی دھارے کی آمدنی ٹوکن ویلیو تک جمع ہو سکتی ہے۔ اس طرح ڈیٹا سیٹ کے شراکت دار اپنے ٹوکنز کے ذریعے بڑے ماڈلز میں حصہ لے سکتے ہیں اور محققین کھلے عام عمارت کے وسائل کو منیٹائز کرنے کے قابل ہو جائیں گے۔

بڑے ماڈلز کے لیے تحقیقی رسائی کو وسیع کرنے اور ماڈل کی کارکردگی کو بہتر بنانے کے لیے اچھی طرح سے بنائے گئے اوپن سورس ڈیٹا سیٹس کو مرتب کرنا بہت ضروری ہے۔ متنی تصویری ڈیٹاسیٹس کو مزید عمدہ نتائج کے لیے مختلف قسم کی تصاویر کے سائز اور فلٹرز کو بڑھا کر بڑھایا جا سکتا ہے۔ قدرتی زبان کے ماڈلز کی تربیت کے لیے غیر انگریزی ڈیٹاسیٹس کی ضرورت ہوگی جسے غیر انگریزی بولنے والی آبادی استعمال کر سکتی ہے۔ وقت گزرنے کے ساتھ، ہم ویب 3 اپروچ کا استعمال کرتے ہوئے ان نتائج کو بہت تیزی سے اور زیادہ کھلے عام حاصل کر سکتے ہیں۔

بڑے پیمانے پر نیورل نیٹ ورکس کو تربیت دینے کے لیے درکار کمپیوٹ فاؤنڈیشن ماڈلز میں سب سے بڑی رکاوٹوں میں سے ایک ہے۔ پچھلی دہائی کے دوران، AI ماڈلز کی تربیت میں کمپیوٹ کی مانگ میں اضافہ ہوا ہے۔ ہر 3.4 ماہ میں دوگنا. اس عرصے کے دوران، AI ماڈلز امیج کی شناخت سے لے کر کمک سیکھنے کے الگورتھم کے استعمال سے حکمت عملی کے کھیلوں میں انسانی چیمپئنز کو شکست دینے اور زبان کے ماڈلز کو تربیت دینے کے لیے ٹرانسفارمرز کے استعمال تک چلے گئے ہیں۔ مثال کے طور پر، OpenAI کے GPT-3 کے پاس 175 بلین پیرامیٹرز تھے اور اس نے تربیت میں 3,640 petaFLOPS دن لگے۔ اس میں دنیا کے تیز ترین سپر کمپیوٹر پر دو ہفتے لگیں گے اور معیاری لیپ ٹاپ کی گنتی میں ایک ہزار سال لگیں گے۔ چونکہ ماڈل کا سائز صرف بڑھتا ہی رہتا ہے، کمپیوٹ فیلڈ کی ترقی میں رکاوٹ بنی ہوئی ہے۔

AI سپر کمپیوٹرز کو عصبی نیٹ ورکس کی تربیت کے لیے ضروری ریاضی کے کاموں کو انجام دینے کے لیے مخصوص ہارڈ ویئر کی ضرورت ہوتی ہے، جیسے کہ گرافکس پروسیسنگ یونٹس (GPUs) یا ایپلیکیشن-Specific Integrated Circuits (ASICs)۔ آج، اس قسم کی کمپیوٹیشن کے لیے زیادہ تر ہارڈ ویئر کو چند اولیگوپولسٹک کلاؤڈ سروس فراہم کنندگان جیسے گوگل کلاؤڈ، ایمیزون ویب سروسز، مائیکروسافٹ Azure، اور IBM کلاؤڈ کے ذریعے کنٹرول کیا جاتا ہے۔

یہ اگلا بڑا چوراہا ہے جہاں ہم عوامی، کھلے نیٹ ورکس کے ذریعے وکندریقرت کمپیوٹ مختص کرتے ہوئے دیکھتے ہیں۔ وکندریقرت حکمرانی کا استعمال کمیونٹی سے چلنے والے منصوبوں کو تربیت دینے کے لیے فنڈز اور وسائل مختص کرنے کے لیے کیا جا سکتا ہے۔ اس کے علاوہ، ایک وکندریقرت بازاری ماڈل جغرافیہ میں کھلے عام قابل رسائی ہو سکتا ہے جیسے کہ کوئی بھی محقق کمپیوٹ وسائل تک رسائی حاصل کر سکتا ہے۔ ایک فضلاتی نظام کا تصور کریں جو ٹوکن جاری کر کے ماڈل ٹریننگ کو کراؤڈ فنڈ فراہم کرتا ہے۔ کامیاب کراؤڈ فنڈنگز کو اپنے ماڈل کے لیے ترجیحی کمپیوٹ ملے گا اور جہاں زیادہ مانگ ہو وہاں اختراعات کو آگے بڑھایا جائے گا۔ مثال کے طور پر، اگر DAO کی طرف سے ہسپانوی یا ہندی جی پی ٹی ماڈل تیار کرنے کا اہم مطالبہ ہے تاکہ آبادی کے بڑے حصے کی خدمت کی جا سکے، تو تحقیق اس ڈومین پر مرکوز کی جا سکتی ہے۔

پہلے سے ہی، کمپنیاں پسند کرتی ہیں GenSyn گہرے سیکھنے کے کمپیوٹیشن کے لیے متبادل، کم لاگت، اور کلاؤڈ بیسڈ ہارڈ ویئر تک رسائی کو ترغیب دینے اور مربوط کرنے کے لیے پروٹوکولز شروع کرنے پر کام کر رہے ہیں۔ وقت گزرنے کے ساتھ ساتھ، web3 انفراسٹرکچر کے ساتھ بنایا گیا ایک مشترکہ، وکندریقرت عالمی کمپیوٹ نیٹ ورک ہماری پیمائش اور بہتر خدمت کرنے کے لیے زیادہ لاگت سے موثر ہو جائے گا کیونکہ ہم اجتماعی طور پر مصنوعی ذہانت کے محاذ کو تلاش کرتے ہیں۔

ڈیٹا سیٹس اور کمپیوٹ اس تھیسس کو فعال کریں گے: اوپن سورس اے آئی ماڈلز۔ پچھلے کچھ سالوں میں، بڑے ماڈل تیزی سے نجی ہو گئے ہیں کیونکہ ان کی تیاری کے لیے ضروری وسائل کی سرمایہ کاری نے منصوبوں کو بند سورس بننے کی طرف دھکیل دیا ہے۔

OpenAI لیں۔ اوپن اے آئی کی بنیاد 2015 میں رکھی گئی تھی۔ پوری انسانیت کے فائدے کے لیے مصنوعی عمومی ذہانت پیدا کرنے کے مشن کے ساتھ ایک غیر منفعتی تحقیقی تجربہ گاہ کے طور پر، اس وقت AI کے رہنماؤں، Google اور Facebook سے بالکل برعکس۔ وقت گزرنے کے ساتھ، شدید مسابقت اور فنڈنگ ​​کے لیے دباؤ نے شفافیت اور اوپن سورسنگ کوڈ کے آئیڈیل کو ختم کر دیا ہے کیونکہ OpenAI ایک منافع بخش ماڈل اور بڑے پیمانے پر دستخط کیے مائیکروسافٹ کے ساتھ 1 بلین ڈالر کا تجارتی معاہدہ. مزید، حالیہ تنازعہ نے ان کے ٹیکسٹ ٹو امیج ماڈل DALLE-2 کو گھیر لیا ہے۔ اس کی عمومی سنسرشپ کے لیے. (مثال کے طور پر، DALLE-2 نے 'بندوق، 'عمل درآمد'، 'حملہ'، 'یوکرین' کی اصطلاحات اور مشہور شخصیات کی تصاویر پر پابندی عائد کر دی ہے؛ اس طرح کی خام سنسرشپ 'لیبرون جیمز ٹوکری پر حملہ' یا 'ایک پروگرامر کو انجام دینے والے' جیسے اشارے کو روکتی ہے۔ لائن آف کوڈ'۔) ان ماڈلز کے لیے پرائیویٹ بیٹا تک رسائی مغربی صارفین کے لیے ایک واضح جغرافیائی تعصب رکھتی ہے تاکہ عالمی آبادی کے ایک بڑے حصے کو ان ماڈلز سے بات چیت اور مطلع کرنے سے روک دیا جائے۔

مصنوعی ذہانت کو اس طرح نہیں پھیلایا جانا چاہئے: چند بڑی ٹیک کمپنیوں کے ذریعہ حفاظت، پولیس، اور محفوظ۔ جیسا کہ بلاکچین کے معاملے میں، ناول ٹیکنالوجی کو ہر ممکن حد تک مساوی طور پر لاگو کیا جانا چاہئے تاکہ اس کے فوائد ان چند لوگوں میں مرکوز نہ ہوں جن تک رسائی ہے۔ مصنوعی ذہانت میں جامع پیشرفت کو مختلف صنعتوں، جغرافیوں اور کمیونٹیز میں کھلے عام استعمال کیا جانا چاہیے تاکہ اجتماعی طور پر سب سے زیادہ مشغول استعمال کے معاملات کو دریافت کیا جا سکے اور AI کے منصفانہ استعمال پر اتفاق رائے حاصل کیا جا سکے۔ فاؤنڈیشن ماڈلز کو اوپن سورس رکھنا اس بات کو یقینی بنا سکتا ہے کہ سنسرشپ کو روکا جائے اور عوام کی نظر میں تعصب کی احتیاط سے نگرانی کی جائے۔

عام فاؤنڈیشن ماڈلز کے لیے ٹوکن ڈھانچے کے ساتھ، شراکت داروں کے ایک بڑے تالاب کو جمع کرنا ممکن ہو گا جو کوڈ اوپن سورس جاری کرتے ہوئے اپنے کام سے رقم کما سکتے ہیں۔ اوپن سورس تھیسس کو ذہن میں رکھتے ہوئے OpenAI جیسے پروجیکٹس کو ہنر اور وسائل کے لیے مقابلہ کرنے کے لیے اسٹینڈ اکیلے فنڈڈ کمپنی کی طرف موڑ دینا پڑا ہے۔ Web3 اوپن سورس پروجیکٹس کو اتنا ہی مالی طور پر منافع بخش ہونے کی اجازت دیتا ہے اور ان کا مزید مقابلہ کرتا ہے جن کی قیادت Big Tech کی نجی سرمایہ کاری کرتی ہے۔ مزید یہ کہ اوپن سورس ماڈلز کے اوپر پروڈکٹس بنانے والے اختراع کار اس اعتماد کے ساتھ تعمیر کر سکتے ہیں کہ بنیادی AI میں شفافیت ہے۔ اس کا ڈاون اسٹریم اثر مصنوعی ذہانت کے استعمال کے کیسز کے لیے تیزی سے اپنانا اور مارکیٹ میں جانا ہوگا۔ ویب 3 اسپیس میں، اس میں شامل ہے۔ سیکیورٹی ایپلی کیشنز۔ جو سمارٹ کنٹریکٹ کی کمزوریوں اور رگ پلز کے لیے پیشین گوئی کرنے والے تجزیات کا انعقاد کرتا ہے، تصویری جنریٹر جو NFTs کو ٹکسال کرنے اور میٹاورس لینڈ اسکیپس بنانے کے لیے استعمال کیا جا سکتا ہے، ڈیجیٹل AI شخصیات جو انفرادی ملکیت کو محفوظ رکھنے کے لیے آن چین موجود ہو سکتا ہے، اور بہت کچھ۔

مصنوعی ذہانت آج کی تیز ترین ترقی پذیر ٹیکنالوجیز میں سے ایک ہے جس کے مجموعی طور پر ہمارے معاشرے پر بہت زیادہ اثرات مرتب ہوں گے۔ آج، اس فیلڈ پر بڑی ٹیکنالوجی کا غلبہ ہے کیونکہ ٹیلنٹ، ڈیٹا اور کمپیوٹ میں مالی سرمایہ کاری اوپن سورس کی ترقی کے لیے اہم موٹ پیدا کرتی ہے۔ AI کے بنیادی ڈھانچے کی تہہ میں ویب 3 کا انضمام ایک اہم قدم ہے اس بات کو یقینی بنانے کے لیے کہ مصنوعی ذہانت کے نظام کو اس طریقے سے بنایا گیا ہے جو منصفانہ، کھلا اور قابل رسائی ہو۔ ہم پہلے ہی دیکھ رہے ہیں کہ کھلے ماڈلز ٹویٹر اور HuggingFace جیسی کھلی جگہوں پر تیزی سے عوامی اختراع کی پوزیشن میں ہیں اور کرپٹو ان کوششوں کو آگے بڑھنے سے سپرچارج کر سکتے ہیں۔

یہ ہے CoinFund ٹیم AI اور crypto کے چوراہے پر کیا تلاش کر رہی ہے:

1. کھلی مصنوعی ذہانت والی ٹیمیں اپنے مشن کے مرکز میں ہیں۔
2. وہ کمیونٹیز جو AI ماڈلز کی تعمیر میں مدد کے لیے ڈیٹا اور کمپیوٹ جیسے عوامی وسائل کو درست کر رہی ہیں۔
3. وہ پروڈکٹس جو تخلیقی صلاحیتوں، سلامتی اور جدت کو مرکزی دھارے میں اپنانے کے لیے AI کا استعمال کر رہے ہیں۔

اگر آپ AI اور web3 کے چوراہے پر کوئی پروجیکٹ بنا رہے ہیں تو CoinFund پر رابطہ کرکے ہم سے بات کریں۔ ٹویٹر یا ای میل rishin@coinfund.io or jake@coinfund.io.