ڈیپ لرننگ کا بگ بینگ

ہر شعبے میں ایک ایسا موڑ ہوتا ہے جہاں سے تبدیلی شروع ہوتی ہے۔ ڈیپ لرننگ کے لیے وہ سال 2012 ہے۔

2012 سے پہلے، کمپیوٹر ویژن کو مشکلات کا سامنا تھا۔ محققین سسٹمز کی جانچ کے لیے ImageNet نامی ڈیٹا بیس کا استعمال کرتے تھے۔ مقصد تصاویر کو 1,000 مختلف زمروں (categories) میں تقسیم کرنا تھا۔

برسوں تک، غلطی کی شرح (error rate) تقریباً 25% کے آس پاس رہی۔ ترقی رک گئی تھی۔ کسی کو معلوم نہیں تھا کہ آگے کیسے بڑھنا ہے۔

پھر، Alex Krizhevsky کی قیادت میں ایک ٹیم نے کھیل کا رخ بدل دیا۔ انہوں نے Convolutional Neural Network (CNN) کا استعمال کیا۔

انسانوں کی جانب سے تصویر کی ساخت کے لیے قواعد لکھنے کے بجائے، نیٹ ورک نے براہ راست پکسلز (pixels) سے سیکھا۔

نتائج حیران کن تھے۔ انہوں نے ایک ہی سال میں غلطی کی شرح کو تقریباً نصف کر دیا۔

اس تبدیلی نے سب کچھ بدل دیا۔ اس نے AI کو ریسرچ لیبز سے نکال کر حقیقی دنیا میں پہنچا دیا۔

اس کا اثر تیزی سے پھیلا:

  • Netflix نے اسے بہتر سفارشات (recommendations) کے لیے استعمال کیا۔
  • Siemens اور GE نے اسے میڈیکل امیجنگ کے لیے استعمال کیا۔
  • کار بنانے والوں نے اسے خودکار ڈرائیونگ (autonomous driving) کے لیے استعمال کیا۔
  • Google اور Apple جیسے ٹیکنالوجی کے بڑے اداروں نے اسے اپنے ہر پروڈکٹ میں شامل کر لیا۔

یہ کامیابی ہارڈ ویئر پر منحصر تھی۔ ان نیٹ ورکس کی تربیت کے لیے بڑے پیمانے پر ریاضیاتی حساب کتاب کی ضرورت ہوتی ہے۔ GPUs، جو اصل میں ویڈیو گیمز کے لیے بنائے گئے تھے، اس ریاضی کے لیے بہترین ثابت ہوئے۔ اسی نے NVIDIA کے عروج کو تحریک دی۔

لیکن یاد رکھیں، مارکیٹ کے رجحانات پیچیدہ ہوتے ہیں۔ NVIDIA کی ترقی کا تعلق کرپٹو مائننگ کے عروج سے بھی تھا۔ مارکیٹ میں تبدیلی کے لیے کبھی بھی کسی ایک واحد وجہ کا اندازہ نہ لگائیں۔

ڈیپ لرننگ نے گیمز پر بھی فتح حاصل کی۔

شطرنج (Chess) کو brute force کے ذریعے حل کیا گیا تھا۔ Go مختلف ہے۔ Go میں ممکنہ چالیں اتنی زیادہ ہیں کہ کوئی بھی کمپیوٹر انہیں گن نہیں سکتا۔ 2016 میں، AlphaGo نے ثابت کیا کہ ڈیپ لرننگ انسانی مدد کے بغیر حکمت عملی سیکھ سکتی ہے۔ اس نے اپنے آپ کے خلاف کھیل کر سیکھا۔

سبق سادہ ہے۔

پرانے طریقے اس لیے ناکام ہوئے کیونکہ انسانوں کو خود قواعد کوڈ کرنے پڑتے تھے۔ ہم ایک حد (ceiling) تک پہنچ گئے تھے۔ ڈیپ لرننگ نے اس حد کو توڑ دیا کیونکہ اب سسٹمز خام ڈیٹا (raw data) سے اپنے پیٹرنز خود سیکھتے ہیں۔

اس سیریز میں، میں اپنے ڈیپ لرننگ کورس کے نوٹس کی تفصیل بیان کروں گا۔ ہم دیکھیں گے کہ یہ نیٹ ورکس اصل میں کیسے کام کرتے ہیں۔

اگلے مرحلے میں، میں وضاحت کروں گا کہ جب ایک نیٹ ورک سیکھتا ہے تو اس کے اندر کیا ہوتا ہے۔

Source: https://dev.to/fahimu10/the-big-bang-of-deep-learning-how-2012-changed-everything-3lb3

Optional learning community: https://t.me/GyaanSetuAi