صرف ڈیجیٹل اے آئی کا دور اب بدل رہا ہے کیونکہ اسٹارٹ اپس سافٹ ویئر کی ذہانت اور جسمانی عمل کے درمیان فرق کو ختم کرنے کی کوشش کر رہے ہیں۔ Perceptron، جو کہ Meta AI کے سابق محققین کا ایک نیا منصوبہ ہے، ایسے جدید ترین ویژن ماڈلز تیار کر کے اس میدان میں پیش پیش ہے جو مشینوں کو حقیقی دنیا میں راستہ تلاش کرنے اور اس کے ساتھ تعامل کرنے میں مدد دیتے ہیں۔

دو حصوں میں تقسیم کو ختم کرنا: ہمہ گیر بمقابلہ محدود ماڈلز

برسوں سے، صنعتی خودکاری (industrial automation) ایک تکنیکی تعطل کا شکار رہی ہے۔ ڈویلپرز کو عام طور پر یا تو ان بڑے، ہمہ گیر فاؤنڈیشن ماڈلز کا انتخاب کرنا پڑتا تھا جن کے لیے ہر بار مہنگے اور مخصوص کلاؤڈ GPUs کی ضرورت ہوتی ہے، یا پھر ان محدود اور مخصوص ماڈلز کا جو ادراک یا کنٹرول تو سنبھال سکتے ہیں لیکن دونوں صلاحیتوں سے محروم ہوتے ہیں۔

Perceptron کے شریک بانی، Armen Aghajanyan اور Akshat Shrivastava—جو دونوں Meta کے Fundamental AI Research (FAIR) ڈویژن کے سابق رکن ہیں—اپنے نئے ماڈل، Isaac 0.5 کے ذریعے اس مسئلے کو حل کرنے کی کوشش کر رہے ہیں۔ یکساں اور بار بار کیے جانے والے کاموں کے لیے ڈیزائن کیے گئے موجودہ سافٹ ویئر کے برعکس، Isaac 0.5 ایک ہمہ گیر مقصد کا ماڈل ہے۔ یہ روبوٹس کو "ادراک، استدلال اور عمل" (perceive, reason, and act) کی صلاحیت فراہم کرتا ہے، جس سے وہ کسی ایک مخصوص حرکت کے لیے پروگرام ہونے کے بجائے مختلف ماحول کے مطابق خود کو ڈھال سکتے ہیں۔

جسمانی ذہانت کے میکانکس

Perceptron کے طریقہ کار کی پیچیدگی کو سمجھنے کے لیے، کسی عام گودام کے کام، جیسے کہ پیکجز کی چھانٹی کو دیکھنا ضروری ہے۔ ایک روبوٹ صرف "باکس اٹھا" نہیں سکتا؛ اسے پہلے لیبل پڑھنے ہوں گے، اپنے ارد گرد کے ماحول کا نقشہ بنانے کے لیے مکانی تجزیہ (spatial analysis) کرنا ہوگا، پیکنگ کے بہترین ترتیب کا فیصلہ کرنا ہوگا، اور اپنے جسمانی راستے کی منصوبہ بندی کرنی ہوگی۔

Isaac 0.5 کو ان کثیر الجہتی علمی عملوں کو سنبھالنے کے لیے ڈیزائن کیا گیا ہے۔ اس ماڈل کو بڑے پیمانے پر تربیت دی گئی ہے، جس میں متنوع ماحول اور منظرناموں کو پہچاننے کے لیے دس لاکھ گھنٹوں کے عمومی ویڈیو ڈیٹا کا استعمال کیا گیا ہے۔ جسمانی مہارت حاصل کرنے کے لیے، کمپنی نے "ego video" (پہننے والے کیمروں سے پہلے شخص کے نقطہ نظر سے لی گئی ویڈیوز) اور UMI ویڈیو (انسانی اعمال کی بار بار کی جانے والی ریکارڈنگز) کا استعمال کیا ہے تاکہ اے آئی کو یہ سکھایا جا سکے کہ حرکت کس طرح کام کی تکمیل میں تبدیل ہوتی ہے۔ Shrivastava نے نوٹ کیا کہ کمپنی نے اس سطح کی "الگورتھمک کیمسٹری" (algorithmic alchemy) حاصل کرنے کے لیے تصاویر، متن، ویڈیو اور روبوٹک راستوں پر مشتمل پیٹا بائٹ پیمانے کے ڈیٹا سیٹس تیار کیے ہیں۔

اوپن ویٹ حکمت عملی اور مارکیٹ کا پھیلاؤ

شفافیت اور ڈویلپرز کی حوصلہ افزائی کے لیے، Perceptron Isaac 0.5 کو ایک اوپن ویٹ ماڈل کے طور پر جاری کر رہا ہے۔ یہ محققین اور انجینئرز کو اس کے پیرامیٹرز اور تربیتی مواد کا معائنہ کرنے کی اجازت دیتا ہے، جو کہ ان صنعتی ماحول میں اے آئی کو شامل کرنے کے لیے ایک اہم قدم ہے جہاں پیش گوئی (predictability) انتہائی ضروری ہے۔

Bessemer Venture Partners کی قیادت میں 21 ملین ڈالر کے فنڈنگ راؤنڈ کے تعاون سے، Perceptron خود کو مختلف شعبوں کے لیے ایک ذہانت کی تہہ (intelligence layer) کے طور پر پیش کر رہا ہے۔ اگرچہ بنیادی توجہ لاجسٹکس اور مینوفیکچرنگ پر ہے، لیکن کمپنی سیکورٹی، موبلٹی، اور یہاں تک کہ میڈیا اور تفریح میں بھی فوری اطلاق دیکھتی ہے۔ ایک لچکدار ذہانت کی تہہ فراہم کر کے، Perceptron کا مقصد عالمی صنعتی منظر نامے میں ویژن گائیڈڈ روبوٹس کے کام کرنے کے طریقے کو تبدیل کرنا ہے۔

اہم نکات

  • خلا کو پُر کرنا: Isaac 0.5 ایک ہمہ گیر "ادراک، استدلال اور عمل" کا فریم ورک پیش کر کے وسائل سے بھرپور ہمہ گیر ماڈلز اور محدود ماڈلز کے درمیان انتخاب کے مسئلے کو ختم کرنے کا ہدف رکھتا ہے۔
  • تربیت کا وسیع پیمانہ: یہ ماڈل روبوٹس کو پیچیدہ مکانی اور دستی کام سکھانے کے لیے دس لاکھ گھنٹوں کے ویڈیو ڈیٹا، بشمول ego-centric اور UMI ویڈیو کا استعمال کرتا ہے۔
  • اوپن ویٹ تک رسائی: Isaac 0.5 کو اوپن ویٹس کے ساتھ جاری کر کے، Perceptron صنعتی ورک فلو میں جدید ترین ویژن اے آئی کے گہرے معائنے اور تیز رفتار انضمام کو ممکن بناتا ہے۔

Perceptron نے Isaac 0.5 کا انکشاف کیا ہے، جو کہ ایک اوپن ویٹ ویژن ماڈل ہے اور روبوٹس کو ایک متحد "ادراک-استدلال-عمل" والا دماغ دینے کا وعدہ کرتا ہے۔ اسٹارٹ اپ نے Bessemer Venture Partners کی قیادت میں 21 ملین ڈالر جمع کیے ہیں، اور اس ماڈل کو لاجسٹکس، مینوفیکچرنگ اور دیگر جسمانی خودکاری کے بازاروں کے لیے ایک ڈراپ ان انٹیلیجنس لیئر کے طور پر پیش کر رہا ہے۔

یہ لانچ کیوں اہم ہے

صنعتی روبوٹس کو طویل عرصے سے ایک مشکل انتخاب کا سامنا ہے۔ اگر آپ ایک بڑا، ہمہ گیر فاؤنڈیشن ماڈل استعمال کرتے ہیں تو آپ کو مسلسل کلاؤڈ GPU تک رسائی کے لیے ادائیگی کرنی پڑتی ہے؛ اور اگر آپ ایک محدود، کام کے لیے مخصوص ویژن سسٹم پر قائم رہتے ہیں تو ماحول بدلنے پر آپ لچک کھو دیتے ہیں۔ Isaac 0.5 کو ایک درمیانی راستے کے طور پر مارکیٹ کیا جا رہا ہے—ایک ایسا ماڈل جو ہر بار کلاؤڈ کمپیوٹ کی ضرورت کے بغیر ادراک، منصوبہ بندی اور کنٹرول کو سنبھال سکتا ہے۔

آج کے روبوٹک دماغوں کا مسئلہ

ایک عام ویئر ہاؤس روبوٹ صرف ایک باکس پکڑنے سے کہیں زیادہ کام کرتا ہے۔ اسے لیبل پڑھنا، بکھرے ہوئے سامان میں سے چیز تلاش کرنا، اٹھانے کا بہترین تسلسل طے کرنا، اور ٹکراؤ سے پاک بازو کا راستہ (trajectory) حساب کرنا ہوتا ہے—وہ بھی ریئل ٹائم میں۔ موجودہ حل عام طور پر ان مراحل کو الگ الگ سافٹ ویئر اجزاء میں تقسیم کرتے ہیں: لیبل کے لیے ایک ہلکا پھلکا ڈیٹیکٹر، حرکت کے لیے ایک ہاتھ سے تیار کردہ پلانر، اور عمل درآمد کے لیے ایک رول بیسڈ کنٹرولر۔ یہ تقسیم انٹیگریشن کے بوجھ کو بڑھاتی ہے اور نئی پروڈکٹ، پیکجنگ کے انداز یا لے آؤٹ کے سامنے آنے پر روبوٹ کی مطابقت پیدا کرنے کی صلاحیت کو محدود کرتی ہے۔

Isaac 0.5 اس فرق کو کیسے ختم کرنے کی کوشش کرتا ہے

Perceptron کے شریک بانیوں، Armen Aghajanyan اور Akshat Shrivastava نے، جو کہ Meta FAIR کے سابق محققین ہیں، Isaac 0.5 کو ایک واحد، اینڈ ٹو اینڈ نیٹ ورک کے طور پر بنایا ہے۔ اس ماڈل کو تقریباً دس لاکھ گھنٹوں کے عمومی ویڈیو ڈیٹا پر تربیت دی گئی ہے، جس میں انڈور اور آؤٹ ڈور مناظر کی ایک وسیع اقسام شامل ہیں۔ اہم بات یہ ہے کہ ٹریننگ سیٹ میں "ego video" (پہلے شخص کے نقطہ نظر سے پہنی جانے والی کیمروں سے لی گئی فوٹیج) اور "UMI video" (انسانی اعمال کی بار بار کی جانے والی ریکارڈنگز) بھی شامل ہیں۔ نیٹ ورک کو روبوٹک ٹریجیکٹری ڈیٹا کے ساتھ بصری اسٹریمز فراہم کر کے، Perceptron کا دعویٰ ہے کہ ماڈل یہ سیکھتا ہے کہ بصری اشارے کس طرح جسمانی حرکات میں تبدیل ہوتے ہیں۔

کمپنی کا کہنا ہے کہ اس کا ڈیٹا سیٹ پیٹا بائٹس کی تصاویر، متن، ویڈیو اور روبوٹک ٹریجیکٹریز پر مشتمل ہے۔ اس وسعت کا مقصد Isaac 0.5 کو ایک نئی چیز کو پہچاننے، اس کی affordances (کہ اسے کیسے پکڑا جا سکتا ہے) کا اندازہ لگانے، اور ایک موشن پلان تیار کرنے کی صلاحیت دینا ہے، اور وہ بھی کسی الگ کنٹرول ماڈیول کے بغیر۔

اوپن ویٹ ماڈل: شفافیت اور عملیت کا ملاپ

زیادہ تر تجارتی AI پیشکشوں کے برعکس جو صرف ایک API فراہم کرتی ہیں، Perceptron Isaac 0.5 کو اوپن ویٹس (open weights) کے ساتھ جاری کر رہا ہے۔ انجینئرز پیرامیٹرز کا معائنہ کر سکتے ہیں، پراپرائٹری ڈیٹا پر نیٹ ورک کو فائن ٹیون کر سکتے ہیں، یا ماڈل کو براہ راست ایج ہارڈ ویئر (edge hardware) پر ایمبیڈ کر سکتے ہیں۔