(پینتیس اقساط پر مشتمل سریز جو بچوں اور نئے سیکھنے والوں کو انتہائی آسان انداز میں اے آئی کی دنیا سے متعارف کرائے گی)
قسط نمبر 7: ری انفورسمنٹ لرننگ کیا ہوتی ہے؟
ہم نے پچھلی قسطوں میں سپر وائزڈ اور اَن سپر وائزڈ لرننگ کے بارے میں سیکھا۔یعنی کیسے مشین کو کبھی واضح جواب دیے جاتے ہیں اور کبھی آزادی کے ساتھ خود سمجھنے کا موقع دیا جاتا ہے۔آج ہم ایک اور نہایت دلچسپ طریقہ سیکھنے جا رہے ہیں، جس کا نام ہے: ری انفورسمنٹ لرننگ۔
ری انفورسمنٹ کا یہاں مفہوم ہے انعام دینا یا سزا دینا۔
ذرا سوچئے کہ جب کوئی بچہ پہلی بار سائیکل سیکھتا ہے، تو اگر وہ صحیح طریقے سے چلاتا ہے تو سب تالیاں بجاتے ہیں اور خوشی کا اظہار کرتے ہیں۔اگر وہ غلط سمت میں چلا جائے یا گر جائے تو نرمی سے سمجھایا جاتا ہے۔بچہ جلدی سیکھ جاتا ہے کہ کون سا عمل اچھا ہے (جس پر انعام ملا) اور کون سا عمل غلط ہے (جس پر روکا گیا)۔
ری انفورسمنٹ لرننگ میں بھی بالکل یہی ہوتا ہے۔
مشین کو ایک خاص ماحول میں چھوڑ دیا جاتا ہے، جہاں اسے خود کوشش کرنی ہوتی ہے کہ وہ صحیح کام کرے۔جب مشین کوئی اچھا فیصلہ لیتی ہے، تو اسے انعام دیا جاتا ہے — ایک پوائنٹ یا کوئی مثبت سگنل۔جب مشین کوئی غلطی کرتی ہے تو یا تو اسے کچھ نہیں ملتا یا کبھی کبھی ایک منفی سگنل دیا جاتا ہے تاکہ اسے اپنی غلطی کا احساس ہو۔
فرض کریں آپ کے پاس ایک روبوٹ ہے جسے ایک بھول بھلیاں (Maze) میں راستہ تلاش کرنا ہے۔
شروع میں وہ کئی بار غلط موڑ مڑے گا، دیواروں سے ٹکرائے گا، لیکن جب کبھی وہ صحیح راستہ اختیار کرے گا تو اسے ایک چھوٹا سا انعام ملے گا۔وقت کے ساتھ ساتھ وہ سیکھ جائے گا کہ کون سے راستے انعام کی طرف لے جاتے ہیں اور کون سے راستے ناکامی کی طرف۔
ری انفورسمنٹ لرننگ میں ایک خاص بات یہ ہے کہ مشین کو بار بار آزمائش سے گزرنا پڑتا ہے۔
ہر بار غلطی کرنے اور سیکھنے کے بعد وہ اپنے طریقے کو بہتر بناتی ہے۔یہ بالکل ایسا ہی ہے جیسے کوئی بچہ کھیل کھیل میں قواعد خود سیکھ لے، بغیر ہر بار کتاب سے دیکھنے کے۔
یہ طریقہ خاص طور پر ان جگہوں پر کام آتا ہے جہاں مشین کو بار بار فیصلے کرنے ہوتے ہیں اور ہر فیصلے کا کوئی نتیجہ نکلتا ہے۔جیسے شطرنج کھیلنے والا کمپیوٹر، خودکار گاڑیاں، یا ویڈیو گیمز میں ذہین حریف۔
ری انفورسمنٹ لرننگ میں مشین کا صبر اور مستقل مزاجی بہت ضروری ہوتی ہے۔
کیونکہ کئی بار مسلسل ناکامیوں کے بعد ہی درست راستہ سیکھا جاتا ہے۔
اسی لیے اس طریقے میں وقت لگتا ہے مگر جب مشین سیکھ جاتی ہے تو اس کی کارکردگی حیران کن حد تک زبردست ہو سکتی ہے۔
آج کی قسط میں ہم نے جانا کہ ری انفورسمنٹ لرننگ میں مشین خود اپنے تجربات سے سیکھتی ہے، اچھے فیصلوں پر انعام پاتی ہے اور غلط فیصلوں سے سبق حاصل کرتی ہے۔
اگلی قسط میں ہم ڈیٹا کی دنیا میں مزید گہرائی میں اتریں گے اور جانیں گے کہ "ڈیٹا سیٹ" کیا ہوتا ہے اور مشینوں کے لیے کیوں اتنا اہم ہے۔
یہ تحریر اے آئی کی دنیا کے فیس بک پیج پر پوسٹ کی گئی ہے۔ اس کی تمام اقساط آپ (#AiKiDuniyaKidsSeries) ہیش ٹیگ پر کلک کر کے پڑھ سکتے ہیں۔
