اس سائٹ اور خبروں میں استعمال ہونے والی AI اور AGI کی اصطلاحات کے لیے ایک سادہ زبان کا حوالہ — 200 سے زیادہ اصطلاحات، انگریزی حروفِ تہجی کی ترتیب میں، بغیر کسی تکنیکی پس منظر کے فرض کے۔ اگر آپ نے کوئی اصطلاح سنی ہے جو ابھی یہاں موجود نہیں، تو نئے حصے لکھے جانے کے ساتھ اسے شامل کر دیا جائے گا۔
A
- مخالفانہ حملہ (Adversarial attack) — ایک جان بوجھ کر تیار کیا گیا ان پٹ جو کسی AI ماڈل کو دھوکہ دینے کے لیے ڈیزائن کیا گیا ہو تاکہ وہ کوئی غلطی کرے یا کوئی غیر ارادی نتیجہ پیدا کرے۔
- ایجنٹک AI (Agentic AI) — ایک AI نظام جسے کسی مقصد کی طرف کثیر مرحلہ اعمال (براؤزنگ، کوڈ چلانا، آلات استعمال کرنا) کرنے کے لیے کچھ خودمختاری دی گئی ہو، نہ کہ صرف ایک سوال کا جواب دینا۔
- الگورتھم (Algorithm) — کسی مسئلے کو حل کرنے یا کوئی حساب انجام دینے کا ایک متعین، مرحلہ وار طریقہ کار؛ وہ عمومی اصطلاح جس پر ہر AI تکنیک قائم ہے۔
- مصنوعی ذہانت (AI) — مشینیں بنانے کا وسیع شعبہ جو عام طور پر انسانی ذہانت کا تقاضا کرنے والے کام انجام دیتی ہیں، سادہ قاعدہ پر مبنی پروگراموں سے لے کر فرنٹیئر زبان کے ماڈلز تک ہر چیز کا احاطہ کرتا ہے۔
- AGI (مصنوعی عمومی ذہانت) — وسیع صلاحیت کے حامل AI کے لیے ایک متنازع اصطلاح، جس میں عام طور پر غیر مانوس علمی کاموں میں مضبوط کارکردگی اور منتقلی شامل ہوتی ہے؛ کوئی عالمگیر طور پر تسلیم شدہ ٹیسٹ یا حد موجود نہیں۔ دیکھیں AGI، محدود AI، اور مافوق ذہانت۔
- AI ایکٹ (EU AI Act) — یورپی یونین کا پابند قانون جو خطرے کے زمرے کے حساب سے AI کو منظم کرتا ہے، بشمول سب سے بڑے ماڈلز کے لیے کمپیوٹ پر مبنی رپورٹنگ کی حدیں۔ دیکھیں کمپیوٹ گورننس۔
- AI Safety Institute — ایک سرکاری ادارہ (برطانیہ اور امریکہ دونوں کے پاس ایک ہے) جو ریلیز سے پہلے یا بعد فرنٹیئر AI ماڈلز کو خطرناک صلاحیتوں کے لیے آزادانہ طور پر جانچتا ہے۔
- صف بندی (Alignment) — یہ یقینی بنانے کا مسئلہ کہ کسی AI نظام کے مقاصد اور رویہ اس کے آپریٹرز کے حقیقی ارادے سے میل کھاتے ہیں، نہ کہ صرف وہی جو کوئی تربیتی مقصد لفظی طور پر انعام دیتا ہے۔
- ANI (مصنوعی محدود ذہانت) — AI جو ایک محدود شعبے کے اندر اچھی کارکردگی دکھاتا ہے لیکن اس سے باہر ناقص طور پر منتقل ہوتا ہے۔ جدید عمومی مقصد کے ماڈلز پرانی ANI/AGI دوہری تقسیم کو پیچیدہ بناتے ہیں کیونکہ وہ وسیع مگر ناہموار اہلیت دکھاتے ہیں۔
- Anthropic — ایک AI حفاظت پر مرکوز لیبارٹری، Claude خاندان کے ماڈلز کی تخلیق کار، جو اپنی Responsible Scaling Policy شائع کرنے کے لیے جانی جاتی ہے۔
- انسان نمائی (Anthropomorphism) — کسی AI نظام کو انسان جیسے احساسات، ارادوں، یا فہم سے منسوب کرنے کا رجحان جو اس کے پاس اصل میں نہیں ہوتے۔
- API (Application Programming Interface) — کسی سافٹ ویئر کے ایک حصے کے دوسرے کو درخواستیں بھیجنے کا ایک متعین طریقہ؛ زیادہ تر AI ماڈلز صارف ایپ کے بجائے API کے ذریعے استعمال ہوتے ہیں۔
- ASI (مصنوعی مافوق ذہانت) — ایک نظام جو تقریباً تمام علمی طور پر قیمتی شعبوں میں بہترین انسانی کارکردگی سے آگے نکل جاتا ہے۔
- توجہ کا میکانزم (Attention mechanism) — ٹرانسفارمر ماڈل کا وہ حصہ جو اسے یہ وزن کرنے دیتا ہے کہ کسی عبارت میں ہر دوسرا لفظ کسی مخصوص لفظ کی تعبیر یا تخلیق کرتے وقت کتنا متعلقہ ہے۔
- خودمختار نظام (Autonomous system) — ایک مشین (سافٹ ویئر یا جسمانی) جو کسی انسان کے ہر مرحلے کو براہِ راست کنٹرول کیے بغیر فیصلے کر سکتی ہے اور ان پر عمل کر سکتی ہے۔
- خودمختار ہتھیار (Autonomous weapon) — ایک ہتھیار نظام جو کم یا بغیر حقیقی وقت کی انسانی کنٹرول کے اہداف منتخب اور ان سے مصروف ہو سکتا ہے۔ دیکھیں خودمختار ہتھیار اور فوجی اضافہ۔
- خودکاری (Automation) — کسی ایسے کام کو انجام دینے کے لیے مشین یا پروگرام استعمال کرنا جو پہلے کسی انسان کا تقاضا کرتا تھا۔
B
- بیک پروپیگیشن (Backpropagation) — نیورل نیٹ ورکس کی تربیت کے لیے استعمال ہونے والا بنیادی الگورتھم، جو اندرونی وزن کو اس بنیاد پر ایڈجسٹ کرتا ہے کہ ماڈل کا نتیجہ کتنا غلط تھا۔
- بینچ مارک (Benchmark) — ایک معیاری ٹیسٹ جو کسی مخصوص کام پر AI ماڈل کی کارکردگی کو ناپنے اور موازنہ کرنے کے لیے استعمال ہوتا ہے۔
- تعصب (الگورتھمی) (Bias) — کسی ماڈل کے نتائج میں ایک منظم جھکاؤ، عام طور پر اس کے تربیتی ڈیٹا کے نمونوں سے وراثت میں ملا ہوا، جو کچھ گروہوں یا کیسز کے لیے غیر منصفانہ یا غلط نتائج پیدا کرتا ہے۔
- Bletchley اعلامیہ (Bletchley Declaration) — 2023 کا ایک بیان جس پر 28 ممالک اور EU نے محفوظ AI ترقی کے عزم پر دستخط کیے، اس پیمانے پر اپنی نوعیت کا پہلا معاہدہ۔ دیکھیں بین الاقوامی معاہدے اور اجلاس۔
- بوٹ (Bot) — ایک سافٹ ویئر پروگرام جو خودکار کام چلاتا ہے، اکثر آن لائن انسانی صارف کی نقالی کے لیے ڈیزائن کیا جاتا ہے۔
C
- صلاحیتی حد (Capability threshold) — AI کارکردگی کی ایک مخصوص سطح (کسی کام یا بینچ مارک پر) جو عبور ہونے پر کوئی پالیسی، حفاظتی، یا تشخیصی تقاضا متحرک کرتی ہے۔
- تباہ کن خطرہ (Catastrophic risk) — ایک ایسا خطرہ جس میں بڑے پیمانے پر ہلاکتوں یا تہذیبی سطح کے نقصان کا امکان ہو، جو معمول کے، محدود، یا قابلِ واپسی نقصانات سے الگ ہے۔
- زنجیرِ فکر پرامپٹنگ (Chain-of-thought prompting) — کسی ماڈل سے حتمی جواب دینے سے پہلے اپنے درمیانی استدلالی مراحل لکھنے کو کہنا، جو اکثر پیچیدہ مسائل پر درستگی بہتر بناتا ہے۔
- چیٹ بوٹ (Chatbot) — ایک پروگرام جو کسی انسان کے ساتھ متن یا آواز کی گفتگو رکھنے کے لیے ڈیزائن کیا گیا ہو، سادہ اسکرپٹڈ نظاموں سے لے کر مکمل زبان کے ماڈلز تک۔
- کلاسیفائر (Classifier) — ایک ماڈل جو ان پٹس کو پہلے سے متعین زمروں میں چھانٹنے کے لیے تربیت یافتہ ہو، جیسے کسی ای میل کو اسپیم یا غیر اسپیم قرار دینا۔
- علمی کام (Cognitive task) — کوئی بھی کام، جیسے استدلال، منصوبہ بندی، یا زبان کی سمجھ، جس میں جسمانی عمل کے بجائے ذہنی پروسیسنگ شامل ہو۔
- مواد کی نگرانی (AI-معاون) (Content moderation) — کسی پلیٹ فارم پر نقصان دہ، غیر قانونی، یا پالیسی کی خلاف ورزی کرنے والے مواد کو خودکار طور پر شناخت اور فلٹر کرنے کے لیے AI ماڈلز استعمال کرنا۔
- ChatGPT — OpenAI کا صارف کے سامنے آنے والا گفتگو کرنے والا AI معاون، وہ مصنوعات میں سے ایک جس نے بڑے زبان کے ماڈلز کو مقبول بنایا۔
- Claude — Anthropic کا بڑے زبان کے ماڈلز کا خاندان اور گفتگو کرنے والا AI معاون۔
- کلاؤڈ کمپیوٹنگ (Cloud computing) — مقامی آلے کے بجائے انٹرنیٹ پر رسائی حاصل کردہ دور دراز سرورز پر سافٹ ویئر چلانا اور ڈیٹا ذخیرہ کرنا — وہ بنیادی ڈھانچہ جس پر تقریباً تمام بڑے AI ماڈلز چلتے ہیں۔
- کمپیوٹ (Compute) — کمپیوٹنگ طاقت کا مختصر نام: وہ پروسیسنگ صلاحیت (فی سیکنڈ عملیات میں ناپی گئی) جو کسی AI ماڈل کو تربیت دینے یا چلانے کے لیے استعمال ہوتی ہے۔
- کمپیوٹ گورننس (Compute governance) — پالیسی آلات جو فرنٹیئر AI ماڈلز کی تربیت کے لیے درکار کمپیوٹنگ ہارڈویئر تک رسائی کو منظم کرتے ہیں، جو خود صلاحیت کو ریگولیٹ کرنے کے متبادل نشان کے طور پر استعمال ہوتے ہیں۔ دیکھیں کمپیوٹ گورننس۔
- کمپیوٹر وژن (Computer vision) — AI کا وہ ذیلی شعبہ جو تصاویر اور ویڈیو کی تعبیر پر مرکوز ہے۔
- مواد کی اصلیت (Content provenance) — میڈیا (تصویر، ویڈیو، آڈیو) سے منسلک تکنیکی میٹا ڈیٹا جو ریکارڈ کرتا ہے کہ یہ کیسے اور کب بنایا یا ترمیم کیا گیا، جو حقیقی اور AI کی تخلیق کردہ مواد میں فرق کرنے کے لیے استعمال ہوتا ہے۔
- سیاقی ونڈو (Context window) — وہ متن کی مقدار (ٹوکنز میں ناپی گئی) جسے کوئی زبان کا ماڈل جواب تخلیق کرتے وقت ایک ساتھ زیرِ غور لا سکتا ہے؛ اس سے باہر کچھ بھی مؤثر طور پر بھلا دیا جاتا ہے۔
- گفتگو کرنے والا AI (Conversational AI) — AI نظام جو خاص طور پر کسی انسان کے ساتھ فطری آگے پیچھے مکالمہ رکھنے کے لیے ڈیزائن کیے گئے ہیں۔
- Copilot — Microsoft کی AI معاون مصنوعاتی لائن، جو اس کے سافٹ ویئر میں مربوط ہے اور کسی دوسرے آلے میں شامل AI مددگار کے لیے ایک عمومی اصطلاح کے طور پر استعمال ہوتی ہے۔
- قابلِ اصلاح ہونا (Corrigibility) — کسی نظام کا ڈیزائن کردہ رجحان کہ وہ اپنے آپریٹرز سے تصحیح، ترمیم، یا بندش قبول کرے نہ کہ اس کی مزاحمت کرے۔ دیکھیں قابلِ اصلاح ہونا اور آف سوئچز۔
- سائبر حملہ (AI-فعال) (Cyberattack) — کمپیوٹر نظاموں یا بنیادی ڈھانچے پر حملہ جہاں AI کو نگرانی، خامی کی نشوونما، یا عمل درآمد کو خودکار بنانے کے لیے استعمال کیا جاتا ہے۔ دیکھیں بنیادی ڈھانچے پر AI-فعال سائبر حملے۔
D
- خطرناک صلاحیت کی تشخیص (Dangerous capability evaluation) — ریلیز سے پہلے کسی ماڈل پر چلایا جانے والا ایک منظم ٹیسٹ تاکہ چیک کیا جا سکے کہ آیا وہ ہتھیاروں کی تیاری یا بڑے پیمانے پر سائبر حملوں جیسے کاموں میں معنی خیز مدد کر سکتا ہے۔
- ڈیٹا سینٹر (Data center) — ایک سہولت جہاں بڑی تعداد میں کمپیوٹرز (اکثر GPUs یا TPUs) رکھے جاتے ہیں جو AI ماڈلز کو تربیت دینے اور چلانے کے لیے استعمال ہوتے ہیں۔
- ڈیٹا سیٹ (Dataset) — مثالوں کا مجموعہ (متن، تصاویر، یا دیگر ڈیٹا) جو کسی AI ماڈل کو تربیت دینے یا جانچنے کے لیے استعمال ہوتا ہے۔
- دھوکہ دہی پر مبنی صف بندی (Deceptive alignment) — ایک فرضی ناکامی کا انداز جس میں کوئی ماڈل تربیت یا تشخیص کے دوران محفوظ رویہ رکھنا سیکھ لیتا ہے جبکہ تعیناتی کے بعد مختلف مقاصد کا تعاقب کرتا ہے۔
- ڈیپ لرننگ (Deep learning) — مشین لرننگ کی ایک شاخ جو کئی تہوں کے ساتھ نیورل نیٹ ورکس استعمال کرتی ہے، جو حالیہ زیادہ تر AI ترقی کی ذمہ دار ہے۔
- ڈیپ فیک (Deepfake) — AI کی تخلیق کردہ یا ترمیم شدہ مصنوعی تصویر، آڈیو، یا ویڈیو جو کسی ایسی چیز کو قائل کن انداز میں دکھاتی ہے جو نہیں ہوئی۔ دیکھیں ڈیپ فیک اور مشترکہ حقائقی بنیاد۔
- DeepMind (Google DeepMind) — Google کی AI تحقیقی لیبارٹری، جدید ترین صلاحیتی تحقیق اور شائع شدہ AI حفاظتی کام دونوں کے لیے جانی جاتی ہے۔
- ڈفیوژن ماڈل (Diffusion model) — ایک قسم کا جنریٹو AI ماڈل، جو عام طور پر تصاویر کے لیے استعمال ہوتا ہے، جو کسی بے ترتیب ابتدائی نمونے سے شور کو بتدریج ہٹا کر نتیجہ تخلیق کرتا ہے۔
- ڈیجیٹل واٹر مارک (Digital watermark) — میڈیا کے کسی ٹکڑے میں ایک شامل، اکثر پوشیدہ اشارہ جو اسے AI کی تخلیق کردہ شناخت کرنے یا اس کی اصلیت تلاش کرنے کے لیے استعمال ہوتا ہے۔
- غلط معلومات جان بوجھ کر (Disinformation) — دھوکہ دینے کے لیے جان بوجھ کر پھیلائی گئی جھوٹی معلومات، جو misinformation سے الگ ہے، جو دھوکہ دینے کے ارادے کے بغیر پھیلائی گئی جھوٹی معلومات ہے۔
- فیصلہ درخت (Decision tree) — ایک سادہ، قابلِ تعبیر مشین لرننگ ماڈل جو اگر/تو سوالات کی ایک شاخ در شاخ سیریز کی پیروی کر کے پیش گوئیاں کرتا ہے۔
- شعبہ موافقت (Domain adaptation) — کسی ایک سیاق (یا ڈیٹا سیٹ) میں تربیت یافتہ ماڈل کو کسی متعلقہ مگر مختلف سیاق میں اچھی کارکردگی کے لیے ایڈجسٹ کرنا۔
- دوہرے استعمال کی ٹیکنالوجی (Dual-use technology) — ایک ایسی ٹیکنالوجی جس کے جائز فائدہ مند استعمال ہوں لیکن جسے سنگین نقصان پہنچانے کے لیے بھی غلط استعمال کیا جا سکے۔
E
- ایج AI (Edge AI) — کلاؤڈ کے بجائے کسی مقامی آلے (فون، کیمرہ، یا سینسر) پر براہِ راست AI ماڈل چلانا۔
- ایمبیڈنگ (Embedding) — کسی لفظ، تصویر، یا تصور کی ایک عددی نمائندگی جو اس کے معنی کو ایسی شکل میں قید کرتی ہے جسے کوئی ماڈل ریاضیاتی طور پر پروسیس کر سکے۔
- ابھرتی صلاحیت (Emergent capability) — ایک ایسی صلاحیت جو تربیت میں براہِ راست ہدف نہیں تھی، یا جو نظاموں کے اسکیل ہونے کے ساتھ کسی خاص پیمانے کے تحت اچانک ظاہر ہوتی ہے۔ کچھ بظاہر چھلانگیں مختلف طریقے سے ناپنے پر بتدریج ہو جاتی ہیں۔ دیکھیں ابھرتی صلاحیتیں۔
- انکوڈر/ڈی کوڈر (Encoder/decoder) — بہت سے AI آرکیٹیکچرز میں دو حصوں کا ڈھانچہ جہاں ایک انکوڈر ان پٹ کو ایک اندرونی نمائندگی میں دباتا ہے اور ایک ڈی کوڈر اس نمائندگی کو واپس نتیجے میں بدل دیتا ہے۔
- ایپوک (Epoch) — ماڈل کی تربیت کے دوران پورے تربیتی ڈیٹا سیٹ کا ایک مکمل گزر۔
- اخلاقیات (AI ethics) — وہ شعبہ جو یہ مطالعہ کرتا ہے کہ AI نظاموں کو انسانی اقدار سے ہم آہنگ رہنے اور نقصان سے بچنے کے لیے کیسے ڈیزائن اور استعمال کیا جانا چاہیے۔
- سرے سے سرے تک لرننگ (End-to-end learning) — ایک واحد ماڈل کو خام ان پٹ سے براہِ راست حتمی نتیجے تک جانے کی تربیت دینا، بغیر ہاتھ سے ڈیزائن کیے گئے درمیانی مراحل کے۔
- تشخیص (ماڈل تشخیص) (Evaluation) — کسی AI ماڈل کی کارکردگی، حفاظت، یا رویے کو متعین بینچ مارکس یا معیارات کے خلاف منظم طور پر جانچنا۔
- وجودی خطرہ (x-risk) — ایک خطرہ جو انسانیت کی صلاحیت کو مستقل اور شدید طور پر محدود کر سکتا ہے، معدومیت تک اور بشمول۔
- ماہرانہ نظام (Expert system) — AI کا ایک پرانا انداز جو انسانی ماہرانہ علم کو واضح قواعد کے طور پر انکوڈ کرتا ہے، جسے زیادہ تر کاموں کے لیے مشین لرننگ نے بڑی حد تک تبدیل کر دیا ہے۔
- برآمدی کنٹرول (Export controls) — مخصوص ممالک کو جدید AI چپس یا ٹیکنالوجی فروخت کرنے پر سرکاری پابندیاں، جو حریف کی صلاحیتی ترقی کو سست کرنے کے لیے استعمال ہوتی ہیں۔
F
- چہرہ شناخت (Facial recognition) — AI ٹیکنالوجی جو کسی شخص کے چہرے کی تصویر سے اس کی شناخت یا تصدیق کرتی ہے۔
- کم مثالوں سے سیکھنا (Few-shot learning) — کسی ماڈل کی استعمال کے وقت دی گئی چند مثالوں سے، بغیر دوبارہ تربیت کے، کوئی نیا کام سیکھنے کی صلاحیت۔
- فائن ٹیوننگ (Fine-tuning) — کسی پہلے سے تربیت یافتہ ماڈل پر اضافی تربیت لگانا تاکہ اسے کسی مخصوص کام یا رویے کے لیے مخصوص بنایا جائے۔
- FLOP / FLOPS — فلوٹنگ-پوائنٹ عملیات (فی سیکنڈ)؛ کسی ماڈل کو تربیت دینے یا چلانے کے لیے استعمال ہونے والی خام کمپیوٹیشن ناپنے کی معیاری اکائی۔
- فاؤنڈیشن ماڈل (Foundation model) — وسیع ڈیٹا پر تربیت یافتہ ایک بڑا ماڈل جسے بہت سے نچلی سطح کے کاموں کے لیے موافق بنایا جا سکتا ہے، نہ کہ ایک تنگ مقصد کے لیے بنایا گیا۔
- فرنٹیئر AI لیبارٹری (Frontier AI lab) — ان چند اداروں میں سے ایک (جیسے OpenAI، Anthropic، اور Google DeepMind) جو کسی بھی وقت سب سے قابل AI ماڈلز تیار کرتے ہیں۔
- فیڈ بیک لوپ (Feedback loop) — ایک چکر جہاں کسی نظام کا نتیجہ اس کے مستقبل کے ان پٹ کو متاثر کرتا ہے، جو وقت کے ساتھ چھوٹے اثرات کو بڑھا سکتا ہے — ماڈل کی تربیت اور تجویز کردہ الگورتھم دونوں سے متعلقہ۔
- فلٹر بلبلہ (Filter bubble) — ایک تنگ معلوماتی ماحول جو اس وقت پیدا ہوتا ہے جب کوئی تجویز کردہ الگورتھم بار بار کسی صارف کو ایسا مواد دکھاتا ہے جو اس کے پہلے کے تعامل جیسا ہو۔
- فرنٹیئر ماڈل (Frontier model) — ایک AI ماڈل جو موجودہ صلاحیتی چھت پر یا اس کے قریب ہو، عام طور پر بڑی لیبارٹریوں کے سب سے بڑے اور حال ہی میں تربیت یافتہ نظام۔
G
- GAN (Generative Adversarial Network) — ایک پرانا جنریٹو AI آرکیٹیکچر جو نتیجے کے معیار کو بہتر بنانے کے لیے دو مقابل نیٹ ورکس — ایک جعلی چیزیں بناتا ہے، دوسرا انہیں پکڑتا ہے — استعمال کرتا ہے۔
- Gemini — Google کا بڑے زبان کے ماڈلز کا خاندان اور AI معاون۔
- عمومیت (Generalization) — کسی ماڈل کی ایسی نئی مثالوں پر اچھی کارکردگی دکھانے کی صلاحیت جن پر اسے براہِ راست تربیت نہیں دی گئی، محض تربیتی ڈیٹا کو یاد رکھنے کے برعکس۔
- جنریٹو AI (Generative AI) — AI جو نیا مواد تخلیق کرتا ہے — متن، تصاویر، آڈیو، ویڈیو، یا کوڈ — نہ کہ صرف موجودہ مواد کی درجہ بندی یا تجزیہ۔
- GPU (Graphics Processing Unit) — ایک چپ جو اصل میں گرافکس رینڈرنگ کے لیے ڈیزائن کی گئی تھی، اب اپنی متوازی پروسیسنگ طاقت کی وجہ سے AI ماڈلز کی تربیت اور چلانے کے لیے غالب ہارڈویئر ہے۔
- بتدریج بااختیاریت کا خاتمہ (Gradual disempowerment) — انفرادی طور پر معقول AI-محرک فیصلوں کے جمع ہونے کے ذریعے انسانوں کا کلیدی اداروں پر معنی خیز کنٹرول کھو دینا، بغیر کسی ایک قبضے کے واقعے کے۔ دیکھیں بتدریج بااختیاریت کا خاتمہ۔
- Grok — xAI کا بڑے زبان کے ماڈلز کا خاندان اور AI معاون۔
- بنیادی حقیقت (Ground truth) — تصدیق شدہ، درست جواب جس کے خلاف کسی ماڈل کے نتیجے کا موازنہ کیا جاتا ہے جب درستگی ناپی جائے۔
- گارڈ ریلز (Guardrails) — کسی AI نظام میں شامل تکنیکی یا پالیسی پابندیاں جو مخصوص نقصان دہ، غیر محفوظ، یا غیر ارادی رویوں کو روکنے کے لیے ہوں۔
H
- فریب کاری (Hallucination) — ایک پراعتماد لگنے والا مگر حقائقی طور پر غلط یا گھڑا ہوا بیان جو کسی AI ماڈل نے تیار کیا ہو۔
- ہارڈویئر ایکسلریٹر (Hardware accelerator) — خصوصی کمپیوٹر چپس (GPUs، TPUs) جو AI ماڈلز کو درکار مخصوص ریاضیاتی عملیات کو تیز کرنے کے لیے بنائی گئی ہیں۔
- انسان-لوپ میں (Human-in-the-loop) — ایک نظام ڈیزائن جہاں کوئی انسان کسی AI کے نتیجے کے نافذ ہونے سے پہلے اس کا جائزہ لیتا یا اسے منظور کرتا ہے، نہ کہ AI کو مکمل طور پر خودمختاری سے عمل کرنے دینا۔
- انسانی سطح کا AI (Human-level AI) — ایک AI نظام جو کسی مخصوص کام یا کاموں کی رینج میں تقریباً ایک ماہر انسان کی سطح پر کارکردگی دکھاتا ہے۔
- ہیورسٹک (Heuristic) — کوئی فیصلہ جلدی کرنے کے لیے استعمال ہونے والا عملی، اندازے پر مبنی مختصر راستہ، جو بہترین نتیجے کی ضمانت نہیں دیتا۔
- ہائپر پیرامیٹر (Hyperparameter) — ایک تربیتی سیٹنگ (جیسے لرننگ ریٹ یا ماڈل کا حجم) جسے ماڈل بنانے والے لوگ منتخب کرتے ہیں، نہ کہ ماڈل خود سیکھتا ہے۔
I
- تصویر شناخت (Image recognition) — AI ٹیکنالوجی جو کسی ساکن تصویر میں اشیاء، مناظر، یا لوگوں کی شناخت کرتی ہے۔
- سیاق میں لرننگ (In-context learning) — کسی ماڈل کا پرامپٹ میں دی گئی مثالوں یا ہدایات کی بنیاد پر ایک ہی گفتگو کے اندر اپنا رویہ ڈھالنا، بغیر کسی دوبارہ تربیت کے۔
- استدلال (Inference) — کسی پہلے سے تربیت یافتہ AI ماڈل کے کسی دیے گئے ان پٹ سے نتیجہ پیدا کرنے کا عمل؛ تربیت کے برعکس، جو پہلے ماڈل بناتی ہے۔
- معلوماتی سالمیت (Information integrity) — ایک مشترکہ، قابلِ اعتماد حقائقی ماحول کا وسیع تر تصور، جسے ڈیپ فیکس، غلط معلومات، اور AI-محرک ہیرا پھیری سے خطرہ لاحق ہے۔
- آلاتی ہم آہنگی (Instrumental convergence) — قابل، مقصد پر مبنی نظاموں کا رجحان کہ وہ تقریباً کسی بھی مقصد کا قابلیت سے تعاقب کرنے کے ضمنی اثر کے طور پر کچھ ذیلی مقاصد (خود کو محفوظ رکھنا، وسائل حاصل کرنا، بندش کی مزاحمت) کا تعاقب کریں۔
- ذہانت کا دھماکہ (Intelligence explosion) — AI صلاحیت میں ایک فرضی تیز، خود کو تقویت دینے والا اضافہ، جو ممکنہ طور پر کسی AI نظام کے اپنے جانشینوں کو بہتر بنانے سے متحرک ہو۔
- تشریح پذیری (Interpretability) — یہ جانچنے کی تحقیق کہ کوئی ماڈل اندرونی طور پر اصل میں کیا نمائندگی کرتا ہے اور «منصوبہ بندی» کرتا ہے، نہ کہ صرف اس کے نتائج سے فیصلہ کرنا۔ دیکھیں تشریح پذیری، وضاحت کے ساتھ۔
- ذہین ایجنٹ (Intelligent agent) — ایک نظام جو اپنے ماحول کو محسوس کرتا ہے اور کسی مقصد کو حاصل کرنے کے لیے اعمال کرتا ہے، ایک عمومی تصور جو ایک سادہ تھرموسٹیٹ سے لے کر AGI تک ہر چیز کا احاطہ کرتا ہے۔
- تکرار (تربیت) (Iteration) — ماڈل کی تربیت کے دوران ایک واحد اپ ڈیٹ مرحلہ، جہاں ماڈل ڈیٹا کا ایک بیچ پروسیس کرتا ہے اور اپنے پیرامیٹرز کو قدرے ایڈجسٹ کرتا ہے۔
J
- جیل بریک (AI) (Jailbreak) — ایک تکنیک یا پرامپٹ جو کسی AI ماڈل کی حفاظتی پابندیوں کو نظرانداز کرنے اور اسے وہ مواد تیار کرنے کے لیے ڈیزائن کیا گیا ہو جسے پیدا کرنے سے انکار کرنے کی تربیت دی گئی تھی۔
K
- Know Your Customer (KYC) — بینکنگ سے مستعار ایک تصدیقی عمل، جو تیزی سے کلاؤڈ-کمپیوٹ اور DNA-ترکیب فراہم کنندگان پر لاگو کیا جا رہا ہے تاکہ محدود کرداروں کو خطرناک صلاحیت تک رسائی سے روکا جا سکے۔
- علمی بنیاد (Knowledge base) — حقائق اور معلومات کا ایک ساختہ مجموعہ جس پر کوئی AI نظام سوالات کے جواب دینے یا اپنے جوابات کی بنیاد رکھنے کے لیے انحصار کر سکتا ہے۔
- علمی گراف (Knowledge graph) — ایک ساختہ ڈیٹا بیس جو حقائق کو جڑے ہوئے اداروں اور تعلقات کے نیٹ ورک کے طور پر پیش کرتا ہے، بعض اوقات AI ماڈلز کے جوابات کی بنیاد رکھنے کے لیے ان کے ساتھ استعمال ہوتا ہے۔
L
- لیبلنگ (ڈیٹا لیبلنگ) (Labeling) — خام ڈیٹا (تصاویر، متن) کو درست جوابات کے ساتھ ٹیگ کرنے کا عمل جو کسی نگرانی شدہ لرننگ ماڈل کو تربیت دینے کے لیے استعمال ہوتا ہے۔
- بڑا زبان کا ماڈل (LLM) — ایک AI ماڈل جو زبان کی پیش گوئی اور تخلیق کے لیے بہت بڑی مقدار میں متن پر تربیت یافتہ ہو، وہ ٹیکنالوجی جو زیادہ تر جدید چیٹ بوٹس کے پیچھے ہے۔
- تاخیر (Latency) — کسی AI نظام کو درخواست بھیجنے اور اس کا جواب موصول ہونے کے درمیان تاخیر۔
- تہہ (نیورل نیٹ ورک) (Layer) — نیورل نیٹ ورک کے اندر پروسیسنگ کا ایک مرحلہ؛ ڈیپ لرننگ ماڈلز تیزی سے مجرد نمائندگیاں بنانے کے لیے کئی تہیں جمع کرتے ہیں۔
- لرننگ ریٹ (Learning rate) — ایک تربیتی سیٹنگ جو یہ کنٹرول کرتی ہے کہ ماڈل کے اندرونی پیرامیٹرز تربیتی ڈیٹا کے ہر بیچ کے جواب میں کتنا بدلتے ہیں۔
- لائسنسنگ نظام (AI) (Licensing regime) — ایک تجویز کردہ یا حقیقی سرکاری تقاضا کہ ڈویلپرز کو کسی مخصوص صلاحیتی سطح سے اوپر ماڈلز کی تربیت یا تعیناتی سے پہلے لائسنس حاصل کرنا ہو۔
- نقصان کا فنکشن (Loss function) — وہ ریاضیاتی فارمولا جسے کوئی ماڈل تربیت کے دوران کم سے کم کرنے کی کوشش کرتا ہے، جو ناپتا ہے کہ اس کی پیش گوئیاں کتنی غلط ہیں۔
- کنٹرول کا نقصان (Loss of control) — عمومی ناکامی کا انداز جس میں کوئی AI نظام ایسے نتائج کا تعاقب کرنے لگتا ہے جن کی ہدایت کسی نے نہیں دی اور انسان اسے قابلِ اعتماد طریقے سے مزید درست نہیں کر سکتے۔ دیکھیں کنٹرول کے نقصان کا میکانزم۔
- LSTM (Long Short-Term Memory) — ڈیٹا کے تسلسل کو سنبھالنے کے لیے ڈیزائن کیا گیا ایک پرانا نیورل نیٹ ورک آرکیٹیکچر، جسے زبان کے کاموں کے لیے ٹرانسفارمرز نے بڑی حد تک تبدیل کر دیا ہے۔
M
- مشین لرننگ (Machine learning) — ایسے نظام بنانے کا وسیع شعبہ جو واضح طور پر پروگرام شدہ قواعد کی پیروی کرنے کے بجائے ڈیٹا سے سیکھ کر کسی کام میں بہتر ہوتے ہیں۔
- میسا-اوپٹیمائزیشن (Mesa-optimization) — ایک فرضی صورتحال جس میں کوئی تربیت یافتہ ماڈل اپنا اندرونی اصلاحی عمل تیار کر لیتا ہے جو اس مقصد سے مختلف مقصد کا تعاقب کرتا ہے جس پر اسے تربیت دی گئی تھی۔
- Meta AI — Meta (فیس بک کی مادر کمپنی) کا AI تحقیقی شعبہ، جو اوپن-ویٹ Llama ماڈل خاندان تیار کرنے کے لیے جانا جاتا ہے۔
- METR — ایک غیر منافع بخش ادارہ جو فرنٹیئر AI ماڈلز پر آزادانہ صلاحیتی اور حفاظتی تشخیصات چلاتا ہے۔
- بے میلی (Misalignment) — کسی AI نظام کے حقیقی رویے یا مقاصد اور اس کے ڈیزائنرز یا صارفین کے ارادے کے درمیان عدم مطابقت۔
- غلط معلومات (Misinformation) — دھوکہ دینے کے جان بوجھ کر ارادے کے بغیر پھیلائی گئی جھوٹی معلومات، جو disinformation سے الگ ہے۔
- ماہرین کا امتزاج (Mixture of experts) — ایک ماڈل آرکیٹیکچر جو ہر ان پٹ کو مکمل ماڈل کے ذریعے پروسیس کرنے کے بجائے خصوصی اندرونی ذیلی نیٹ ورکس کے ایک ذیلی سیٹ کی طرف بھیجتا ہے۔
- ماڈل کارڈ (Model card) — ایک شائع شدہ دستاویز جو کسی AI ماڈل کی صلاحیتوں، حدود، تربیتی ڈیٹا، اور تشخیصی نتائج بیان کرتی ہے۔
- ماڈل تعیناتی (Model deployment) — کسی تربیت یافتہ AI ماڈل کو حقیقی دنیا کے استعمال کے لیے دستیاب بنانے کا عمل، چاہے API، ایپ، یا کسی شامل شدہ مصنوعات کے ذریعے۔
- ماڈل کے وزن (Model weights) — وہ عددی پیرامیٹرز جو ایک نیورل نیٹ ورک تربیت کے دوران سیکھتا ہے، جو مل کر اس کے رویے کا تعین کرتے ہیں۔
- ملٹی موڈل AI (Multimodal AI) — ایک ماڈل جو ایک سے زیادہ قسم کے ڈیٹا — جیسے متن، تصاویر، اور آڈیو — کو ایک ساتھ پروسیس یا تخلیق کر سکتا ہے۔
- کثیر قطبی جال (Multipolar trap) — ایک صورتحال جہاں مقابل کردار انفرادی طور پر ایک خطرناک انتخاب کی طرف دباؤ میں ہوتے ہیں کیونکہ انہیں خوف ہوتا ہے کہ کوئی حریف پہلے یہ کر لے گا، حالانکہ سب یہ ترجیح دیں گے کہ سب باز رہیں۔ دیکھیں کثیر قطبی اور کثیر ایجنٹ تباہ کن حرکیات۔
- میٹا ڈیٹا (Metadata) — دیگر ڈیٹا کے بارے میں وضاحتی ڈیٹا، جیسے کسی فائل کی تخلیق کی تاریخ یا کسی تصویر کا مقام — اکثر AI کی تخلیق کردہ مواد کا پتہ لگانے کے لیے استعمال ہوتا ہے۔
- ماڈل ڈرفٹ (Model drift) — وقت کے ساتھ کسی AI ماڈل کی درستگی میں کمی جیسے جیسے حقیقی دنیا کے حالات اس سے دور ہوتے جائیں جس پر اسے اصل میں تربیت دی گئی تھی۔
N
- قدرتی زبان کی تخلیق (NLG) — AI ٹیکنالوجی جو خاص طور پر انسان کے پڑھنے کے قابل متن تیار کرنے پر مرکوز ہے۔
- قدرتی زبان کی پروسیسنگ (NLP) — AI کا وسیع تر شعبہ جو انسانی زبان کو سمجھنے اور تخلیق کرنے سے متعلق ہے۔
- نیورل نیٹ ورک (Neural network) — ایک مشین لرننگ ماڈل جو دماغ سے ڈھیلے طور پر متاثر ہے، باہم جڑے نوڈز کی تہوں سے بنا ہے جو ڈیٹا سے نمونے سیکھتے ہیں۔
O
- اشیاء کی تشخیص (Object detection) — کمپیوٹر وژن کا ایک کام جو کسی تصویر کے اندر مخصوص اشیاء کی شناخت اور ان کا محل وقوع بتاتا ہے۔
- آف سوئچ کا مسئلہ (Off-switch problem) — ایک AI نظام بنانے کا تکنیکی چیلنج جو قابلِ اعتماد طریقے سے بند کیے جانے کو قبول کرے، اس بات کو دیکھتے ہوئے کہ کوئی قابل، مقصد پر مبنی نظام اس کی مزاحمت کر سکتا ہے۔ دیکھیں قابلِ اصلاح ہونا اور آف سوئچز۔
- OpenAI — وہ AI لیبارٹری جو ChatGPT اور GPT ماڈل خاندان کے پیچھے ہے۔
- اوپن-ویٹ ماڈل (Open-weight model) — ایک AI ماڈل جس کے تربیت یافتہ پیرامیٹرز عوامی طور پر شائع کیے جاتے ہیں، جو کسی کو بھی اسے چلانے یا تبدیل کرنے دیتا ہے، اس بند ماڈل کے برعکس جو صرف API کے ذریعے قابلِ رسائی ہو۔ دیکھیں اوپن سورس AI بحث۔
- آرتھوگونیلٹی مقالہ (Orthogonality thesis) — یہ خیال کہ کسی AI نظام کی ذہانت کی سطح اور جس کا وہ تعاقب کرتا ہے وہ مقاصد آزاد ہیں — ایک انتہائی قابل نظام خود بخود ایک نیک نیت نظام نہیں ہوتا۔
- بیرونی صف بندی (Outer alignment) — یہ یقینی بنانا کہ جس مقصد پر کسی ماڈل کو تربیت دی جاتی ہے وہ اصل میں اس سے میل کھاتا ہے جو اس کے ڈیزائنرز واقعی چاہتے ہیں، اندرونی صف بندی (یہ یقینی بنانا کہ ماڈل قابلِ اعتماد طریقے سے اس مقصد کا تعاقب کرتا ہے) کے برعکس۔
- اصلاح (Optimization) — تربیت کے دوران غلطی کو کم سے کم یا کسی ہدف مقصد کو زیادہ سے زیادہ کرنے کے لیے کسی ماڈل کے پیرامیٹرز کو ایڈجسٹ کرنے کا ریاضیاتی عمل۔
- اووَر فٹنگ (Overfitting) — جب کوئی ماڈل اپنے تربیتی ڈیٹا کی مخصوص خصوصیات کو بہت قریب سے سیکھ لیتا ہے اور نتیجتاً نئے، غیر دیکھے ڈیٹا پر ناقص کارکردگی دکھاتا ہے۔
P
- پیرامیٹر (Parameter) — نیورل نیٹ ورک کی اندرونی عددی قدروں میں سے ایک جسے تربیت کے دوران ایڈجسٹ کیا جاتا ہے؛ ماڈل کا حجم اکثر پیرامیٹر کی تعداد سے بیان کیا جاتا ہے۔
- نمونہ شناخت (Pattern recognition) — ڈیٹا میں باقاعدگیوں یا ساخت کی شناخت کی عمومی صلاحیت، جو زیادہ تر مشین لرننگ کاموں کی بنیاد ہے۔
- طاقت کا ارتکاز (Power concentration) — یہ خطرہ کہ جدید ترین AI صلاحیت چند کمپنیوں، افراد، یا ریاستوں میں مرتکز ہو جائے، نتیجتاً غیر معمولی اثر و رسوخ کے ساتھ۔ دیکھیں طاقت کا ارتکاز۔
- پری ٹریننگ (Pretraining) — ابتدائی، بڑے پیمانے کا تربیتی مرحلہ جہاں کوئی ماڈل کسی کام مخصوص فائن ٹیوننگ سے پہلے وسیع ڈیٹا سے عمومی نمونے سیکھتا ہے۔
- پرامپٹ (Prompt) — وہ متن (یا دیگر ان پٹ) جو صارف کسی AI ماڈل کو جواب حاصل کرنے کے لیے فراہم کرتا ہے۔
- پرامپٹ انجینئرنگ (Prompt engineering) — کسی AI ماڈل سے قابلِ اعتماد طریقے سے بہتر یا زیادہ مخصوص نتائج حاصل کرنے کے لیے پرامپٹس کو احتیاط سے لکھنے کا عمل۔
- پرامپٹ انجیکشن (Prompt injection) — ایک حملہ جہاں بدنیتی پر مبنی ہدایات کسی AI ماڈل کے پروسیس کردہ مواد کے اندر چھپائی جاتی ہیں، تاکہ اس کی اصل ہدایات کو ختم کیا جا سکے۔
- ذاتی سازی الگورتھم (Personalization algorithm) — ایک AI نظام جو مواد، تجاویز، یا جوابات کو کسی فرد صارف کی اندازہ لگائی گئی ترجیحات یا تاریخ کے مطابق ڈھالتا ہے۔
- درستگی اور یاد (Precision and recall) — کسی کلاسیفائر کو جانچنے کے دو معیاری پیمانے: درستگی ناپتی ہے کہ اس کی کتنی مثبت پیش گوئیاں درست تھیں، یاد ناپتی ہے کہ اس نے کتنے حقیقی مثبت کیسز تلاش کیے۔
- پرائیویسی محفوظ رکھنے والا AI (Privacy-preserving AI) — ایسی تکنیکیں (جیسے آن-ڈیوائس پروسیسنگ یا تفریقی پرائیویسی) جو افراد کے خام ذاتی ڈیٹا کو ظاہر کیے بغیر AI ماڈلز کو تربیت دینے یا چلانے کے لیے ڈیزائن کی گئی ہیں۔
Q
- کوانٹائزیشن (Quantization) — ایک تکنیک جو کسی ماڈل کے عددی وزن کی درستگی کو کم کرتی ہے تاکہ اسے چلانے کے لیے چھوٹا اور تیز تر بنایا جا سکے، عام طور پر درستگی میں معمولی سمجھوتے کے ساتھ۔
R
- دوڑ کی حرکیات (Race dynamics) — کمپنیوں یا قوموں کے درمیان AI کو تیزی سے تیار کرنے کا مسابقتی دباؤ، جو حفاظت پر کٹوتی کرنے کی ترغیب دے سکتا ہے۔ دیکھیں جغرافیائی سیاسی دوڑ کی حرکیات۔
- تجویز کردہ الگورتھم (Recommendation algorithm) — ایک AI نظام جو ایسے مواد (ویڈیوز، مصنوعات، پوسٹس) کو منتخب اور درجہ بند کرتا ہے جن کے بارے میں پیش گوئی کی جاتی ہے کہ وہ کسی صارف کی توجہ یا دلچسپی برقرار رکھیں گے۔
- تکراری انعامی ماڈلنگ (Recursive reward modeling) — ایک قابلِ توسیع نگرانی کی تکنیک جو انسانوں کو ایسے کاموں پر نتائج جانچنے میں مدد دینے کے لیے AI معاونت استعمال کرتی ہے جو بغیر مدد کے فیصلہ کرنے کے لیے بہت پیچیدہ ہیں۔ دیکھیں قابلِ توسیع نگرانی۔
- تکراری خود بہتری (Recursive self-improvement) — کوئی نظام کسی زیادہ قابل جانشین نظام کے ڈیزائن یا تربیت میں خاطر خواہ حد تک حصہ ڈالتا ہے۔
- ریڈ ٹیمنگ (Red teaming) — تعیناتی سے پہلے یا بعد میں کسی AI نظام کو کمزوریوں، غیر محفوظ رویوں، یا قابلِ استحصال خامیوں کے لیے جان بوجھ کر جانچنا۔
- کمک آموزی (Reinforcement learning) — ایک تربیتی طریقہ جہاں کوئی ماڈل اعمال کر کے اور انعامات یا سزائیں وصول کر کے سیکھتا ہے، لیبل شدہ مثالوں سے سیکھنے کے بجائے۔
- انسانی فیڈ بیک سے کمک آموزی (RLHF) — ایک تربیتی تکنیک جو ماڈل کے نتائج کی انسانی درجہ بندی استعمال کرتی ہے تاکہ ماڈل کو زیادہ مددگار یا ترجیحی رویے کی طرف رہنمائی کی جا سکے۔
- رپورٹنگ کی حد (Reporting threshold) — کمپیوٹ یا صلاحیت کی ایک سطح جس سے اوپر ڈویلپرز کو قانونی طور پر کسی تربیتی رن کو ریگولیٹرز کے سامنے ظاہر کرنا لازمی ہے۔
- Responsible Scaling Policy — Anthropic کا شروع کردہ ایک فریم ورک، جو مسلسل سخت تر حفاظتی اقدامات کو کسی ماڈل کی ناپی گئی صلاحیتی سطح سے جوڑتا ہے۔
- انعامی ہیرا پھیری (Reward hacking) — کوئی AI نظام ڈیزائنر کے اصل ارادے کو شکست دیتے ہوئے اپنے بیان کردہ مقصد پر اعلیٰ اسکور حاصل کرنے کا کوئی طریقہ تلاش کر لیتا ہے۔ دیکھیں انعامی ہیرا پھیری اور تفصیلاتی کھیل۔
- انعامی ماڈل (Reward model) — ایک الگ ماڈل جسے یہ پیش گوئی کرنے کے لیے تربیت دی گئی ہو کہ کوئی نتیجہ کتنا اچھا یا ترجیحی ہے، جو کمک آموزی کی رہنمائی کے لیے استعمال ہوتا ہے۔
- روبوٹکس (Robotics) — وہ شعبہ جو AI کو جسمانی مشینوں کے ساتھ ملاتا ہے جو حقیقی دنیا میں محسوس اور عمل کر سکتی ہیں۔
S
- سینڈ بیگنگ (Sandbagging) — کسی ماڈل کا اپنی حقیقی صلاحیتی سطح چھپانے کے لیے تشخیص کے دوران جان بوجھ کر کم کارکردگی دکھانا۔
- قابلِ توسیع نگرانی (Scalable oversight) — ایسی تکنیکیں جو کسی کم قابل نگران (بشمول انسان) کو زیادہ قابل AI نظام کی معنی خیز نگرانی کرنے دیتی ہیں۔ دیکھیں قابلِ توسیع نگرانی۔
- اسکیلنگ کا قانون (Scaling law) — کسی ماڈل کے کمپیوٹ، ڈیٹا، اور پیرامیٹر کی تعداد اور اس کی نتیجتاً صلاحیت کے درمیان تجرباتی تعلق۔ دیکھیں کمپیوٹ اور اسکیلنگ کے قوانین۔
- خود نگرانی شدہ لرننگ (Self-supervised learning) — ایک تربیتی طریقہ جہاں کوئی ماڈل خام، غیر لیبل شدہ ڈیٹا سے اپنے خود کے لیبل تخلیق کرتا ہے (مثال کے طور پر، کسی جملے میں اگلا لفظ پیش گوئی کرنا)۔
- جذباتی تجزیہ (Sentiment analysis) — ایک NLP کام جو کسی متن کے ٹکڑے کا جذباتی لہجہ (مثبت، منفی، غیر جانبدار) طے کرتا ہے۔
- سنگولیریٹی (Singularity) — ایک فرضی مستقبل کا نقطہ جس پر AI-محرک تبدیلی اتنی تیز اور تبدیلی آور ہو جائے کہ یہ پیش گوئی کرنا مشکل یا ناممکن ہو کہ آگے کیا ہو گا۔
- سیاقی آگاہی (AI) (Situational awareness) — کسی ماڈل کی اندرونی سمجھ کہ وہ ایک ایسا ماڈل ہے جسے تربیت یا جانچا جا رہا ہے، جو اصولی طور پر اسے ٹیسٹ کے دوران تعیناتی سے مختلف طریقے سے برتاؤ کرنے دے سکتی ہے۔
- تفصیلاتی کھیل (Specification gaming) — کوئی AI نظام کسی مقصد کے لفظی الفاظ کو پورا کرتا ہے جبکہ اس کے ڈیزائنر کے اصل ارادے کی خلاف ورزی کرتا ہے۔ دیکھیں انعامی ہیرا پھیری اور تفصیلاتی کھیل۔
- تقریر شناخت (Speech recognition) — AI ٹیکنالوجی جو بولی گئی آڈیو کو متن میں تبدیل کرتی ہے۔
- اسٹوکاسٹک طوطا (Stochastic parrot) — ایک تنقیدی اصطلاح جو بڑے زبان کے ماڈلز کو ایسے نظام کے طور پر بیان کرتی ہے جو حقیقی سمجھ کے بغیر تربیتی متن کے نمونوں کو روانی سے دوبارہ جوڑتے ہیں۔
- مافوق ذہانت (Superintelligence) — ایک ذہانت جو تقریباً ہر دلچسپی کے شعبے میں بہترین انسانی کارکردگی سے کہیں آگے نکل جائے؛ ASI بھی دیکھیں۔
- نگرانی شدہ لرننگ (Supervised learning) — ایک تربیتی طریقہ جہاں کوئی ماڈل درست جواب کے ساتھ واضح طور پر لیبل شدہ ڈیٹا سے سیکھتا ہے۔
- مصنوعی میڈیا (Synthetic media) — کوئی بھی تصویر، آڈیو، یا ویڈیو جو AI کے ذریعے تخلیق یا خاطر خواہ حد تک ترمیم شدہ ہو، چاہے یہ دھوکہ دہی سے استعمال ہو یا نہ ہو۔
- نظامی خطرہ (AI) (Systemic risk) — کسی AI ماڈل کے حجم یا رسائی سے پیدا ہونے والا خطرہ جو مارکیٹوں، بنیادی ڈھانچے، یا معاشرے کو وسیع پیمانے پر متاثر کر سکتا ہے، نہ کہ صرف اس کے فوری صارفین کو۔
- معنوی تلاش (Semantic search) — تلاش کا ایک طریقہ جو عین کلیدی الفاظ کی مطابقت کے بجائے معنی اور سیاق سے نتائج ملاتا ہے، عام طور پر ایمبیڈنگز سے چلتا ہے۔
- سمولیشن (Simulation) — کسی حقیقی دنیا کے نظام یا ماحول کا ایک ماڈل جو حقیقی دنیا کی تعیناتی سے پہلے AI رویے کو محفوظ طریقے سے جانچنے کے لیے استعمال ہوتا ہے۔
- ساختہ ڈیٹا (Structured data) — قابلِ پیش گوئی، جدولی شکل (جیسے کوئی اسپریڈ شیٹ) میں منظم معلومات، غیر ساختہ ڈیٹا جیسے آزاد متن یا تصاویر کے برعکس۔
- نگرانی (AI-فعال) (Surveillance) — لوگوں کو بڑے پیمانے پر مانیٹر کرنے کے لیے چہرہ شناخت یا رویہ جاتی تجزیے جیسی AI ٹیکنالوجیز استعمال کرنا۔
T
- درجہ حرارت (AI) (Temperature) — ایک سیٹنگ جو یہ کنٹرول کرتی ہے کہ کسی زبان کے ماڈل کا نتیجہ کتنا بے ترتیب یا پیش گوئی کے قابل ہے؛ زیادہ درجہ حرارت زیادہ متنوع، کم قطعی جوابات پیدا کرتا ہے۔
- متن-سے-تصویر (Text-to-image) — ایک جنریٹو AI نظام جو تحریری وضاحت سے تصویر تخلیق کرتا ہے۔
- متن-سے-تقریر (Text-to-speech) — AI ٹیکنالوجی جو تحریری متن کو بولی گئی آڈیو میں تبدیل کرتی ہے۔
- ٹوکن (Token) — متن کی بنیادی اکائی (تقریباً ایک لفظ یا لفظ کا ٹکڑا) جسے کوئی زبان کا ماڈل ایک وقت میں پروسیس کرتا ہے۔
- ٹوکنائزیشن (Tokenization) — کسی ماڈل کے پروسیس کرنے سے پہلے متن کو ٹوکنز میں تقسیم کرنے کا عمل۔
- تربیتی ڈیٹا (Training data) — وہ مثالیں جن سے کوئی AI ماڈل تربیت کے دوران سیکھتا ہے۔
- تربیتی رن (Training run) — کسی ماڈل کو تربیت دینے کے لیے استعمال ہونے والے عمل کا ایک واحد، مکمل عمل درآمد، جو فرنٹیئر ماڈلز کے لیے ہفتوں یا مہینوں لے سکتا ہے۔
- منتقلی لرننگ (Transfer learning) — کسی ایک کام پر تربیت یافتہ ماڈل کو کسی متعلقہ کام کی تربیت کے لیے آغاز کے نقطے کے طور پر دوبارہ استعمال کرنا، وقت اور ڈیٹا بچاتے ہوئے۔
- تبدیلی آور AI (Transformative AI) — ایسا AI جو زرعی یا صنعتی انقلابات کے پیمانے کے مقابل سماجی تبدیلی لانے کے قابل ہو۔
- ٹرانسفارمر (Transformer) — نیورل نیٹ ورک آرکیٹیکچر، جو 2017 میں متعارف کرایا گیا، جو تقریباً تمام جدید بڑے زبان کے ماڈلز کی بنیاد ہے۔
- غداری کا موڑ (Treacherous turn) — ایک فرضی لمحہ جب کوئی AI نظام جو کمزور ہونے کے دوران محفوظ رویہ رکھتا تھا، اچانک مختلف مقاصد پر عمل کرنے لگتا ہے جب اسے روکے بغیر ایسا کرنے کے لیے کافی طاقت مل جائے۔
- TPU (Tensor Processing Unit) — Google کی ڈیزائن کردہ ایک چپ جو خاص طور پر AI ماڈل کی تربیت اور استدلال کو تیز کرنے کے لیے بنائی گئی ہے۔
- ٹیورنگ ٹیسٹ (Turing test) — یہ جانچنے کے لیے ایک تجویز کردہ ٹیسٹ کہ آیا کسی مشین کی گفتگو کسی انسان کی گفتگو سے ناقابلِ امتیاز ہے۔ دیکھیں ٹیورنگ ٹیسٹ اور اس کے جانشین۔
- ٹیسٹ سیٹ (Test set) — ڈیٹا کا وہ حصہ جسے تربیت سے روک کر رکھا جاتا ہے اور صرف کسی مکمل ماڈل کی حقیقی دنیا کی کارکردگی ناپنے کے لیے استعمال کیا جاتا ہے۔
- خطرے کا ماڈل (Threat model) — کون کسی نظام پر حملہ کر سکتا ہے، کیسے، اور وہ کیا حاصل کر سکتے ہیں اس کی ایک منظم وضاحت، جو دفاع ڈیزائن کرنے کے لیے استعمال ہوتی ہے۔
- اعتماد اور حفاظت (Trust and safety) — کسی AI یا ٹیک کمپنی کے اندر وہ فنکشن جو اس کے پلیٹ فارم پر بدسلوکی، نقصان، اور پالیسی کی خلاف ورزیوں کو روکنے کا ذمہ دار ہے۔
U
- پراسرار وادی (Uncanny valley) — کسی مصنوعی چہرے، آواز، یا اینیمیشن سے لوگوں کو ہونے والا بے چینی کا احساس جو تقریباً، لیکن بالکل نہیں، انسان جیسا لگتا ہے۔
- غیر نگرانی شدہ لرننگ (Unsupervised learning) — ایک تربیتی طریقہ جہاں کوئی ماڈل بغیر کسی لیبل شدہ درست جواب کے ڈیٹا میں نمونے یا ساخت تلاش کرتا ہے۔
V
- قدری صف بندی (Value alignment) — کسی AI نظام کو اس طرح ڈیزائن کرنا کہ اس کا رویہ محض ایک لفظی تربیتی مقصد کے بجائے حقیقی انسانی اقدار کی عکاسی کرے۔
- ویکٹر ڈیٹا بیس (Vector database) — ایمبیڈنگز کو ذخیرہ کرنے اور تلاش کرنے کے لیے بہتر بنایا گیا ڈیٹا بیس، جو عام طور پر زبان کے ماڈلز کو بیرونی علم تک رسائی دینے کے لیے استعمال ہوتا ہے۔
- ورچوئل اسسٹنٹ (Virtual assistant) — ایک سافٹ ویئر ایجنٹ (جیسے کسی اسمارٹ اسپیکر کا وائس اسسٹنٹ) جو صارف کی جانب سے کام انجام دینے یا سوالات کے جواب دینے کے لیے ڈیزائن کیا گیا ہو۔
- وژن-زبان ماڈل (Vision-language model) — ایک AI ماڈل جو تصاویر اور متن کو مشترکہ طور پر پروسیس کر سکتا ہے، جیسے کسی تصویر کے بارے میں سوالات کے جواب دینا۔
- آواز کلوننگ (Voice cloning) — کسی مختصر آڈیو نمونے سے کسی مخصوص شخص کی آواز کو دوبارہ پیدا کرنے کے لیے AI استعمال کرنا۔ دیکھیں ڈیپ فیک اور آواز-کلون سے دفاع۔
W
- کمزور-سے-مضبوط عمومیت (Weak-to-strong generalization) — یہ مطالعہ کہ آیا کسی کمزور ماڈل کا نگرانی کا اشارہ پھر بھی کسی مضبوط ماڈل کے رویے کو درست سمت میں قابلِ اعتماد طریقے سے رہنمائی کر سکتا ہے۔
- ویب اسکریپنگ (Web scraping) — ویب سائٹس سے بڑی مقدار میں ڈیٹا خودکار طور پر نکالنا، AI تربیتی ڈیٹا سیٹس بنانے کا ایک عام طریقہ۔
- وسل بلوور تحفظات (Whistleblower protections) — کسی AI کمپنی کے اندر حفاظتی خدشات کی رپورٹ کرنے والے ملازمین کے لیے قانونی یا پالیسی تحفظات، بغیر انتقامی کارروائی کا سامنا کیے۔ دیکھیں وسل بلوور تحفظات۔
- دنیا کا ماڈل (World model) — کسی AI نظام کی اندرونی نمائندگی کہ اس کا ماحول کیسے کام کرتا ہے، جو اعمال کے اثرات کی پیش گوئی کے لیے استعمال ہوتی ہے۔
Z
- زیرو-شاٹ لرننگ (Zero-shot learning) — کوئی ماڈل کسی کام کو صرف عمومی علم پر انحصار کرتے ہوئے، تربیت کے دوران اس مخصوص کام کی کوئی مثال دیکھے بغیر، درست طریقے سے انجام دیتا ہے۔