مشین لرننگ

مشین لرننگ نے تصویر پہچاننے اور ترجمے کو بدل دیا۔ مالیات میں اس کی کامیابیاں جتنا لوگ سمجھتے ہیں اس سے زیادہ ناہموار ہیں۔

چار میدان ہیں۔ قیمتوں کی پیش گوئی، آرڈر پورے کرنا، دھوکے پکڑنا، اور انسان کی جگہ فیصلہ کرنا۔

پہلا میدان قیمتوں کی پیش گوئی ہے۔ یہی خواب ہے۔ اور یہی سب سے زیادہ مایوس کرنے والا میدان ہے۔

بلی کی تصویر بلی کی تصویر ہی رہتی ہے۔ بازار تو بدل جاتا ہے جیسے ہی اس کا اصول مل جائے، کیونکہ دوسرے فوراً اس سے فائدہ اٹھانے لگتے ہیں۔

اشارہ کمزور ہے، تاریخ مختصر ہے، اور ماضی دہرایا نہیں جاتا۔ طاقتور ماڈل وہاں زیادہ تر شور ہی سیکھتا ہے۔

دوسرا میدان آرڈر پورے کرنا ہے۔ کم چمکدار، لیکن کہیں زیادہ نفع بخش۔

ایک ساتھ دس لاکھ حصص خریدیں تو قیمت اپنے ہی خلاف چڑھ جاتی ہے۔ آرڈر کو ٹکڑوں میں بانٹنا پڑتا ہے، صحیح رفتار سے۔

مثال کے طور پر، دس کروڑ یورو کے آرڈر پر لاگت میں ایک دسواں فیصد بچانے کا مطلب ہے ایک لاکھ یورو کی بچت۔

ہر روز ہزاروں آرڈروں پر یہ دہرایا جائے تو دولت بنتی ہے۔ اور یہاں ماڈل کے پاس سیکھنے کے لیے لاکھوں مثالیں ہوتی ہیں۔

ایپ میں یہ باب متحرک اور بیان کردہ ہے، کارڈ بہ کارڈ۔ مفت ٹرائل شروع کریں.

ڈاؤن لوڈ کریںApp Store

تیسرا میدان دھوکے کی نشاندہی ہے۔ یہاں یہ واقعی چلتی ہے۔

کارڈ کی ہر ادائیگی ایک سیکنڈ کے ذرا سے حصے میں جانچی جاتی ہے۔ جگہ، رقم، وقت، عادتیں: سب کا موازنہ ہوتا ہے۔

عام جال: فرض کریں ہزار ادائیگیوں میں ایک دھوکا ہے۔ جو ماڈل ہمیشہ کہے کہ دھوکا نہیں، وہ ننانوے اعشاریہ نو فیصد وقت درست ہے۔

اور وہ کسی کام کا نہیں۔ اصل بات یہ ہے کہ وہ کتنے دھوکے پکڑتا ہے، اور کتنے ایماندار گاہکوں کو روکتا ہے۔

مثال کے طور پر: دس لاکھ ادائیگیاں، ہزار دھوکے۔ ماڈل نو سو پکڑ لیتا ہے، اور ایماندار ادائیگیوں میں سے آدھے فیصد پر غلطی کرتا ہے۔

یہ چار ہزار نو سو پچانوے جھوٹے الارم بنتے ہیں۔ بمشکل چھ میں سے ایک الارم سچا دھوکا ہوتا ہے۔

چوتھا میدان کالا ڈبہ ہے۔ ایک ماڈل قرض سے انکار کر دیتا ہے۔ کیوں؟ اکثر اس کے بنانے والے بھی اسے سادگی سے نہیں بتا پاتے۔

جبکہ بہت سے ملکوں میں قانون کہتا ہے کہ قرض کے انکار کی وضاحت ممکن ہو۔ اور ریگولیٹر فیصلہ ماننے سے پہلے اسے سمجھنا چاہتا ہے۔

ماڈل اپنے ڈیٹا کا تعصب بھی دہرا سکتا ہے۔ اگر وہ ناانصاف فیصلوں سے سیکھے تو انہیں بہت تیزی سے دہراتا ہے۔

اس لیے بینک توازن رکھتے ہیں: ذرا کم درست مگر سمجھایا جا سکنے والا ماڈل، گونگے غیب گو کے بجائے۔

یاد رکھیے: مشین وہاں اچھی ہے جہاں مثالیں بہت ہوں اور اصول مستقل ہوں۔ جہاں مستقبل ماضی جیسا نہ ہو، وہاں مایوس کرتی ہے۔

اس لیے ہر اس مصنوعی ذہانت سے ہوشیار رہیں جو بازارِ حصص کی پیش گوئی کا وعدہ کرے۔ یہی وہ میدان ہے جہاں وہ سب سے کم چمکتی ہے۔