رادھا باسو، CEO اور iMerit کی بانی – انٹرویو سیریز

رادھا باسو, iMerit کے بانی اور CEO نے HP میں اپنا کیرئیر بنایا ہے، ٹیک دیو کے ساتھ 20 سال گزارے اور آخر کار اس کے انٹرپرائز سلوشنز گروپ کی سربراہی کی۔ اس کے بعد اس نے سپورٹ ڈاٹ کام کو اس کے سی ای او کے طور پر لے لیا۔ رادھا نے 2007 میں دیپک باسو کے ساتھ مل کر اندیپ فاؤنڈیشن شروع کی اور پھر 2012 میں iMerit کی بنیاد رکھی۔ وہ ایک سرکردہ ٹیک انٹرپرینیور اور سرپرست سمجھی جاتی ہیں، اور سافٹ ویئر کے کاروبار میں ایک علمبردار سمجھی جاتی ہیں۔

iMerit اعلیٰ معیار کے ڈیٹا لیبلنگ اور ماڈل فائن ٹیوننگ کو بڑے پیمانے پر سپورٹ کرنے کے لیے آٹومیشن، ماہر انسانی تشریح، اور جدید تجزیات کو ملا کر ملٹی موڈل AI ڈیٹا سلوشنز فراہم کرتا ہے۔

ہندوستان میں HP کے آپریشنز بنانے سے لے کر بھوٹان، ہندوستان اور نیو اورلینز میں پسماندہ نوجوانوں کو ترقی دینے کے مشن کے ساتھ iMerit کی بنیاد رکھنے تک آپ کا ایک شاندار سفر رہا ہے۔ کس چیز نے آپ کو iMerit شروع کرنے کی ترغیب دی، اور ایک جامع، عالمی افرادی قوت بنانے میں آپ کو کن چیلنجوں کا سامنا کرنا پڑا؟

iMerit کی بنیاد رکھنے سے پہلے، میں SupportSoft کا چیئرمین اور CEO تھا، جہاں میں نے کمپنی کی ابتدائی اور ثانوی عوامی پیشکشوں کے ذریعے قیادت کی، اور اسے سپورٹ آٹومیشن سافٹ ویئر میں عالمی رہنما کے طور پر قائم کیا۔ اس تجربے نے مجھے پہلے دن سے ہی لوگوں اور ٹیکنالوجی کو ملانے کی طاقت دکھائی۔

جب کہ ہندوستان کی ٹیک بوم نے نئے مواقع پیدا کیے، میں نے دیکھا کہ بہت سے باصلاحیت نوجوانوں کو پسماندہ علاقوں میں پیچھے چھوڑ دیا گیا ہے۔ میں نے ان کی صلاحیت پر یقین کیا اور سیکھنے کی کوشش کی۔ ایک بار جب انہوں نے دیکھا کہ سافٹ ویئر کس طرح AI جیسی جدید ٹیکنالوجیز کو طاقت دے سکتا ہے، تو انہوں نے بے تابی سے ان کیریئر کو اپنا لیا۔

ہم نے ایک چھوٹی، متنوع ٹیم کے ساتھ iMerit کا آغاز کیا، جن میں سے نصف خواتین ہیں، اور تب سے اس میں تیزی سے اضافہ ہوا ہے۔ ہماری ٹیم کی موافقت اور کوچ کی اہلیت کلیدی رہی ہے، خاص طور پر چونکہ ڈیٹا سینٹرک AI نے ہنر مند ماہرین کی طویل مدتی مانگ میں اضافہ کیا ہے۔

آج، iMerit مشن کے اہم شعبوں جیسے خود مختار گاڑیاں، میڈیکل AI، اور ٹیکنالوجی کے لیے AI ڈیٹا سلوشنز کا عالمی فراہم کنندہ ہے۔ ہمارا کام اس بات کو یقینی بناتا ہے کہ صارفین کے AI ماڈلز اعلیٰ معیار کے، قابل بھروسہ ڈیٹا پر بنائے گئے ہیں، جو کہ ہائی اسٹیک ماحول میں ضروری ہے۔

بالآخر، ہماری طاقت مضبوط ٹیکنالوجی کی بنیادوں اور اچھی تربیت یافتہ، حوصلہ افزا ملازمین کی ایک ٹیم میں ہے جو ایک معاون، سیکھنے پر مبنی ثقافت میں پروان چڑھتی ہے۔ اس نقطہ نظر نے ہماری ترقی کو ہوا دی ہے، ہمیں نقد مثبت رکھا ہے، اور ہمیں اعلی NPS سکور اور وفادار کلائنٹس حاصل کیے ہیں۔

iMerit اب 200 سے زیادہ کلائنٹس کے ساتھ کام کرتا ہے، بشمول eBay اور Johnson & Johnson جیسی ٹیک کمپنیاں۔ کیا آپ ہمیں کمپنی کے ترقی کے سفر کے بارے میں بتا سکتے ہیں — ان ابتدائی دنوں سے لے کر AI ڈیٹا سروسز میں عالمی رہنما بننے تک؟

ہمارے پاس اپنے کلائنٹس کے AI سفر کے لیے پہلی قطار کی نشست ہے، ابتدائی تجربات سے لے کر بڑے پیمانے پر پیداوار تک شراکت داری۔ ہمارا کام سٹارٹ اپس، عالمی خود مختار گاڑیوں کے لیڈروں، اور بڑے کاروباری اداروں پر محیط ہے۔ ان کے ماڈلز کو زمین سے تربیت دے کر، ہم نے اس کے بارے میں بے مثال بصیرت حاصل کی ہے کہ حقیقی دنیا میں AI کی پیمائش کرنے کے لیے واقعی کیا ضرورت ہے۔

میدان مسلسل اور تیزی سے تیار ہوا ہے۔ اتنے کم وقت میں اتنی ڈرامائی انداز میں ٹیکنالوجی کی ترقی میں نے شاذ و نادر ہی دیکھی ہے۔ ہم نے ڈیٹا تشریح فراہم کرنے والے سے ایک مکمل اسٹیک AI ڈیٹا کمپنی میں تبدیل کر دیا ہے، پورے ہیومن-ان-دی-لوپ (HITL) لائف سائیکل میں خصوصی حل فراہم کر رہے ہیں: تشریح، توثیق، آڈٹ، اور ریڈ ٹیمنگ۔ ایج کیسز اور مستثنیات کو ہینڈل کرنا حقیقی دنیا کی تعیناتی کے لیے بہت ضروری ہے، جس کے لیے ہر قدم پر گہری مہارت اور باریک بینی کی ضرورت ہوتی ہے۔

ہمارا سب سے بڑا عمودی خود مختار نقل و حرکت ہے، جہاں ہم مسافروں، ترسیل، ٹرکنگ، اور زرعی گاڑیوں کے لیے 15 سینسروں میں سینسر فیوژن سمیت مکمل پرسیپشن اسٹیک کا انتظام کرتے ہیں۔ صحت کی دیکھ بھال میں، ہم کلینیکل امیجنگ AI چلاتے ہیں۔ ہائی ٹیک میں، ہم GenAI ٹیوننگ اور توثیق میں سب سے آگے ہیں، اپنے ورک فلو اور ٹیلنٹ میں زیادہ نفاست کا مطالبہ کرتے ہیں۔

ان ڈومینز میں کامیابی صرف ماہرین رکھنے کے بارے میں نہیں ہے- یہ مہارت کو فروغ دینے کے بارے میں ہے: AI ماڈلز کو چیلنج کرنے، کوچ کرنے اور سیاق و سباق کے مطابق بنانے کی علمی صلاحیت۔ یہ وہی ہے جو ہماری ٹیموں کو الگ کرتا ہے۔

ہماری ترقی کو طویل مدتی شراکت داریوں سے تقویت ملتی ہے، اور ہمارے ٹاپ ٹین کلائنٹس میں سے زیادہ تر پانچ سالوں سے ہمارے ساتھ ہیں۔ جیسے جیسے ان کی ضروریات زیادہ پیچیدہ ہوتی جاتی ہیں، ہم اپنے ڈومین کے علم، ٹولنگ، تربیت اور حل کو مسلسل بڑھاتے رہتے ہیں۔ ہمارے ٹیک اسٹیک اور ہمارے لوگوں دونوں کو مسلسل ترقی کرنی چاہیے۔

سافٹ ویئر، آٹومیشن، تشریح، اور تجزیات کا فیوژن، بہت لچکدار، تیز رفتار، انتہائی درست، انسانی اندر کی مداخلتوں کے لیے روبرک بناتا ہے۔ 70% نئے لوگو ہمارے اپنے ٹیک اسٹیک پر ہیں، جس کے لیے بہت بڑی اندرونی تبدیلی کی ضرورت ہے۔ ایک بار پھر، ہماری ثقافت یقینی بناتی ہے کہ ٹیمیں سیکھنے کی بھوکی ہیں اور مسلسل ترقی کرنا چاہتی ہیں۔

iMerit کی تاریخ میں سب سے اہم لمحات کون سے رہے ہیں—چاہے تکنیکی سنگ میل ہوں یا اسٹریٹجک فیصلے—جن سے کمپنی کی رفتار کو تشکیل دینے میں مدد ملی؟

ایک ایسے وقت میں جب AI ڈیٹا کے کام کو ہجوم پر مبنی ٹمٹم کے کام کے طور پر دیکھا جاتا تھا، ہم نے ابتدائی شرط لگائی کہ یہ ایک کیریئر کے طور پر ترقی کرے گا اور اس میں پیچیدگی اور انٹرپرائز فوکس کی ضرورت ہوگی۔ اعلی درجے کے استعمال کے معاملات کے لیے وقف کردہ اندرون خانہ ٹیمیں بنا کر، ہم نے اپنے کلائنٹس کو تیزی سے پیمائش کرنے کے قابل بنایا، جس کے نتیجے میں خود مختار گاڑیوں میں ہماری پہلی $1M MRR ڈیل ہوئی، یہ ایک سنگ میل ہے جس نے ہمارے نقطہ نظر کی توثیق کی۔

COVID-19 لاک ڈاؤن نے ہماری چستی کا تجربہ کیا: ہم نے بنیادی ڈھانچے، سیکورٹی اور ثقافت میں بہت زیادہ سرمایہ کاری کرتے ہوئے، تقریباً راتوں رات مکمل طور پر دفتر سے مکمل طور پر دور دراز تک منتقل کر دیا۔ ہفتوں کے اندر، کلائنٹ کی کارروائیوں میں تیزی آگئی، اور ہم نے اس سال آمدنی اور ہیڈ کاؤنٹ دونوں میں اضافہ کیا۔ آج، ہماری 70% ٹیم کے ساتھ واپس سائٹ پر، ہم ریموٹ ٹیلنٹ سے فائدہ اٹھانا جاری رکھے ہوئے ہیں، GenAI ٹیوننگ اور توثیق کے لیے ہمارے موضوع کے ماہرین کا عالمی نیٹ ورک سکالرز کو لانچ کر رہے ہیں۔ چاہے یہ ماہر امراض قلب ہو یا ہسپانوی ریاضی دان، ہماری اعلیٰ صلاحیتوں کی ثقافت ہمارے حلوں کے معیار اور مستقل مزاجی کو براہ راست بلند کرتے ہوئے اعلیٰ صلاحیتوں کو راغب کرتی ہے اور ان کی حوصلہ افزائی کرتی ہے۔

2023 میں، ہم نے AI ڈیٹا ٹولز کی اگلی نسل کو چلانے کے لیے Ango.ai، ایک AI سے چلنے والا ڈیٹا لیبلنگ اور ورک فلو آٹومیشن پلیٹ فارم حاصل کیا۔ اس اہم اقدام نے iMerit کی ڈومین کی مہارت کو Ango کی جدید ٹولنگ کے ساتھ ضم کر دیا، ریڈیوولوجی، سینسر فیوژن، اور GenAI فائن ٹیوننگ میں ہماری صلاحیتوں کو وسعت دی۔ ہم اب بھی کسٹمر ٹولز کے ساتھ بھی کام کرتے ہیں، لیکن بہت سے نئے کلائنٹس اب براہ راست انگو ہب پر جا چکے ہیں، جو کہ اس کے صارف دوست ورک فلو اور مضبوط سیکیورٹی کے ذریعے تیار کیے گئے ہیں، جو ہماری صنعت میں ضروری تقاضے ہیں۔

انٹرپرائزز مسلسل ہمیں بتاتے ہیں کہ وہ دونوں جہانوں میں بہترین کی تلاش کر رہے ہیں: معیار کو یقینی بنانے کے لیے ماہر انسانی بصیرت، ایک محفوظ، توسیع پذیر پلیٹ فارم کے ساتھ مل کر جو آٹومیشن اور تجزیات فراہم کرتا ہے۔ انگو کے ساتھ قوتوں کا امتزاج بالکل وہی فراہم کرتا ہے، جو ہمیں آج کے سب سے زیادہ مہتواکانکشی AI پروجیکٹس کے پیچیدہ تقاضوں کو پورا کرنے اور اعتماد کے ساتھ پیمانہ فراہم کرنے کے لیے منفرد مقام فراہم کرتا ہے۔

iMerit خود مختار گاڑیاں، میڈیکل AI، اور GenAI جیسے جدید ڈومینز میں گہرائی سے شامل ہے۔ ان شعبوں میں آپ کو درپیش کچھ منفرد ڈیٹا چیلنجز کیا ہیں، اور آپ ان سے کیسے نمٹتے ہیں؟

ڈیٹا سے متعلق کاموں میں عام طور پر AI پروجیکٹس پر صرف ہونے والے وقت کا تقریباً 80% حصہ ہوتا ہے، جس سے وہ پائپ لائن کا ایک اہم جزو بن جاتے ہیں۔ AI کا ڈیٹا سنٹرک حصہ وقت طلب اور مہنگا ہو سکتا ہے اگر مناسب طریقے سے اور اسکیلابلی طریقے سے ہینڈل نہ کیا جائے۔

ڈیٹا کا معیار، اور خاص طور پر سنگین غلطیوں سے بچنا، مشن کے اہم شعبوں میں ضروری ہے جن میں ہم کام کرتے ہیں۔ چاہے یہ پرسیپشن الگورتھم ہو یا ٹیومر ڈٹیکٹر، تربیت سے توثیق کے لوپ میں صاف ڈیٹا ضروری ہے۔

استثنیٰ ہینڈلنگ غیر متناسب طور پر قابل قدر ہے۔ انسانی بصیرت اس بارے میں کہ کیوں کوئی چیز معمول سے باہر ہے یا کسی منظر نامے نے ماڈل کو کیوں توڑا ہے اس سے ماڈل کو مزید مکمل اور مضبوط بنانے میں بہت زیادہ اہمیت پیدا ہوتی ہے۔

اس کے علاوہ، سیاق و سباق کی کھڑکیاں بڑی ہوتی جا رہی ہیں۔ ہم ڈاکٹر-مریض کے پورے مشورے کے کلینیکل نوٹس کا خلاصہ کر رہے ہیں اور MRIs میں نہ صرف تصویر کی بنیاد پر بلکہ مریض کے طبی سیاق و سباق پر بھی تجزیہ کر رہے ہیں۔ مضامین کے ماہرین کو اعداد و شمار کا درست تجزیہ کرنے اور معیار کو یقینی بنانے کے لیے روبرکس ترتیب دینے ہوتے ہیں۔

حفاظت، رازداری اور رازداری گرم بٹن کے موضوعات ہیں۔ ہمارے چیف سیکیورٹی آفیسر کو ڈیٹا کی غیر مجاز رسائی، حذف کرنے اور ذخیرہ کرنے کے خلاف حفاظت کرنا ہوگی۔ SOC2، HIPAA اور TISAX جیسے Infosec پروٹوکول ہمارے لیے سرمایہ کاری کے بڑے شعبے رہے ہیں۔

آخر میں، ہمارے انجینئرز اور حل آرکیٹیکٹس اپنی مرضی کے مطابق انضمام اور رپورٹس پر مسلسل کام کر رہے ہیں تاکہ گاہک کی منفرد ضروریات آخری میل میں ظاہر ہوں۔ AI میں ایک ہی سائز میں فٹ ہونے والا تمام طریقہ کار کام نہیں کرتا ہے۔

آپ نے AI کے لیے ایک محفوظ راستے کے طور پر روبوٹکس اور انسانی ذہانت کو یکجا کرنے کی بات کی ہے۔ کیا آپ اس بات کو بڑھا سکتے ہیں کہ وہ ورک فلو عملی طور پر کیسا لگتا ہے — اور آپ کیوں سمجھتے ہیں کہ یہ AI کے تخلیقی انحراف کو ختم کرنے کی کوشش کرنے سے بہتر ہے؟

AI پیمانہ فراہم کرتا ہے، اس کا مطلب یہ ہے کہ کمپنیاں روایتی طور پر انسانوں کے ذریعے کیے جانے والے طویل عمل کو خودکار بنانے کے لیے ٹولز تیار کر رہی ہیں۔ لیکن انسان لچک، یقین اور لچک کا آخری میل فراہم کرتے ہیں۔ جیسا کہ سافٹ ویئر کے ذریعے فراہم کردہ خدمات AI میں پھیلتی رہتی ہیں، سب سے زیادہ کامیاب کمپنیاں روبوٹکس کو ہیومن-ان-دی-لوپ پریکٹسز (HITL) کے ساتھ مؤثر طریقے سے جوڑیں گی۔

ہم HITL کو AI کی ترقی اور تعیناتی لائف سائیکل کے ہر مرحلے میں ایک مستقل پرت کے طور پر دیکھتے ہیں، اور اعتماد اور حفاظت کے ستون کے طور پر بھی۔ نتیجتاً، اگر ماڈلز ناکام ہو جائیں تو درست ہونے کے لیے انسانی ذہانت ضروری ہو گی۔ ان اہم ایپلی کیشنز کو انسانی دماغ کی ضرورت ہوگی تاکہ یہ تعین کیا جاسکے کہ کیا تبدیلیاں کرنے کی ضرورت ہوگی۔ یہ وہ جگہ ہے جہاں HITL خدمات اور زیادہ اہم ہو جائیں گی کیونکہ ہم AI کو پیداوار اور فیلڈ آپریشنز میں ضم کر دیتے ہیں۔

آپ کا انگو ہب پلیٹ فارم آٹومیشن کو انسانی اندر کی مہارت کے ساتھ ملا دیتا ہے۔ یہ ہائبرڈ ماڈل پروڈکشن AI سسٹمز میں ڈیٹا کے معیار اور ماڈل کی کارکردگی کو کیسے بہتر بناتا ہے؟

AI اور آٹومیشن پیمانہ اور رفتار فراہم کرتے ہیں، جبکہ انسان نزاکت، بصیرت اور نگرانی فراہم کرتے ہیں۔ HITL AI لائف سائیکل میں اہم موڑ پر انسانی شمولیت کو یقینی بناتا ہے – اعلیٰ معیار کے ان پٹس کو یقینی بنانا، آؤٹ پٹس کی تصدیق کرنا، ایج کیسز کی نشاندہی کرنا، ڈومینز کے لیے فائن ٹیوننگ ماڈلز، اور سیاق و سباق سے متعلق فیصلہ فراہم کرنا۔ انسان نقصان پہنچانے سے پہلے نتائج کا جائزہ لے کر اور ان کی تصدیق کرکے، فریب یا منطق کی غلطیوں کو پکڑ کر درستگی کو یقینی بنانے میں مدد کرتے ہیں۔ وہ اخلاقی طور پر حساس یا زیادہ خطرے والے سیاق و سباق میں بھی نگرانی فراہم کرتے ہیں جہاں LLMs کو حتمی کال نہیں کرنی چاہیے۔ زیادہ اہم بات یہ ہے کہ انسانی تاثرات مسلسل سیکھنے کو تقویت دیتے ہیں، جس سے AI سسٹمز کو وقت کے ساتھ ساتھ صارف کے اہداف کے ساتھ زیادہ قریب سے ہم آہنگ ہونے میں مدد ملتی ہے۔

HITL کئی شکلیں لیتا ہے۔ انسانی ماہرین ٹارگٹڈ تشریح میں مشغول ہوتے ہیں، پیچیدہ استدلال کو ایج کیسز پر لاگو کرتے ہیں، اور ساختی QA انٹرفیس کا استعمال کرتے ہوئے AI سے تیار کردہ مواد کا جائزہ لیتے ہیں۔ ہر فیصلے کا جائزہ لینے کے بجائے، سیاق و سباق میں اضافے کے نظام کو اکثر نافذ کیا جاتا ہے۔ یہ نظام کارکردگی کے ساتھ نگرانی کو متوازن کرتے ہوئے، انسانی جائزہ لینے والوں کے لیے صرف کم اعتمادی کے نتائج یا جھنڈے والی بے ضابطگیوں کو روٹ کرتے ہیں۔

HITL کا ایک اور اہم استعمال AI ایجنٹوں کو Reinforcement Learning from Human Feedback (RLHF) کے ذریعے ٹھیک کرنا ہے۔ انسانی جائزہ لینے والے ایجنٹ کے جوابات پر درجہ بندی، دوبارہ لکھتے یا تاثرات فراہم کرتے ہیں، جو خاص طور پر حساس ڈومینز جیسے صحت کی دیکھ بھال، قانونی خدمات، یا کسٹمر سپورٹ میں اہم ہے۔ مل کر، منظر نامے پر مبنی ٹیسٹنگ اور ریڈ ٹیمنگ انسانی تشخیص کاروں کو مخالف یا غیر معمولی حالات میں ایجنٹوں کی جانچ کرنے کی اجازت دیتی ہے تاکہ تعیناتی سے پہلے کے خطرات کی نشاندہی اور ان کو درست کیا جا سکے۔

AI کی مکمل صلاحیت کا ادراک اسی وقت ہوتا ہے جب انسان ہر ایک قدم پر رہنمائی، تصدیق اور بہتری کے لیے باخبر رہتے ہیں۔ چاہے یہ ریفائننگ ایجنٹ کے آؤٹ پٹس ہوں، ٹریننگ ایویلیویشن لوپز ہوں، یا قابل اعتماد ڈیٹا پائپ لائنوں کو درست کرنا ہو، انسانی نگرانی اس ڈھانچے میں اضافہ کرتی ہے اور جوابدہی AI کو بھروسہ مند اور موثر ہونے کی ضرورت ہے۔

جنریٹو AI ٹولز تیزی سے تیار ہو رہے ہیں، iMerit تشخیص، RLHF، اور فائن ٹیوننگ سروسز فراہم کرنے میں کس طرح آگے ہے؟

ہم نے حال ہی میں انگو ہب ڈیپ ریزننگ لیب (DRL) کا آغاز کیا، جو کہ جنریٹو AI ٹیوننگ اور AI اساتذہ کے ساتھ چین آف تھیٹ ریجننگ کی انٹرایکٹو ڈیولپمنٹ کے لیے ایک متحد پلیٹ فارم ہے۔ ہمارا DRL حقیقی وقت، باری باری کے عمل اور انسانی ترجیحات کی بنیاد پر تشخیص کو قابل بناتا ہے، جس سے پیچیدہ مسائل کے لیے زیادہ مربوط اور درست ماڈل جوابات ہوتے ہیں۔

GenAI ماڈلز اور ایپلیکیشن ڈویلپمنٹ میں پیشرفت صاف، ماہر کے تخلیق کردہ، تصدیق شدہ ڈیٹا کی قدر کو نمایاں کرتی ہے۔ انگو ہب DRL کے ساتھ، ماہرین ماڈلز کی جانچ کر سکتے ہیں، کمزوریوں کی نشاندہی کر سکتے ہیں، اور چین آف تھیٹ ریجننگ کا استعمال کرتے ہوئے صاف ڈیٹا تیار کر سکتے ہیں۔ وہ ریئل ٹائم میں ماڈلز کے ساتھ تعامل کرتے ہیں اور ایک ہی انٹرفیس میں قدم بہ قدم پرامپٹس اور اصلاحات بھیجتے ہیں۔

iMerit اسکالرز کا فائدہ اٹھاتے ہوئے، Ango Hub DRL ماڈل استدلال کے عمل کو بہتر بناتا ہے۔ یہ HITL ورک فلوز کے ساتھ iMerit کے وسیع تجربے سے فائدہ اٹھاتا ہے۔ ماہرین پیچیدہ کاموں کے لیے ملٹی سٹیپ منظرنامے ڈیزائن کرتے ہیں، جیسے کہ ریاضی کے جدید مسائل کے لیے چین آف تھیٹ پرامپٹس بنانا۔ iMerit اسکالرز آؤٹ پٹ کا جائزہ لیتے ہیں، غلطیوں کو درست کرتے ہیں، اور بغیر کسی رکاوٹ کے تعاملات کو پکڑتے ہیں۔ جادو بڑی تعداد میں اندھا دھند سوار ہونے میں نہیں ہے۔ ضروری نہیں کہ بہترین ریاضی دان بہترین استاد ہوں۔ کسی کو بھی ماہر امراض قلب کے ساتھ ٹمٹم کارکن کی طرح سلوک نہیں کرنا چاہئے۔ ان طریقوں سے سوچنے کے لیے مضامین کے ماہرین کی فٹمنٹ اور کوچنگ جو ماڈل ٹریننگ کے عمل کو سب سے زیادہ فائدہ پہنچاتی ہے، ساتھ ہی مصروفیت، فرق پیدا کرتی ہے۔

فائن ٹیوننگ جنریٹیو AI کے تناظر میں "ماہر-ان-دی-لوپ" کا کیا مطلب ہے؟ کیا آپ ایسی مثالیں شیئر کر سکتے ہیں جہاں اس انسانی مہارت نے ماڈل آؤٹ پٹ کو نمایاں طور پر بہتر کیا؟

ایکسپرٹ ان دی لوپ انسانی ذہانت کو روبوٹک انٹیلی جنس کے ساتھ جوڑتا ہے تاکہ AI کو پروڈکشن میں آگے بڑھایا جا سکے۔ اس میں انسانی ماہرین شامل ہوتے ہیں جو خودکار نظاموں کے نتائج کی توثیق، اصلاح اور اضافہ کرتے ہیں۔

خاص طور پر، ماہرین کی زیر قیادت ڈیٹا تشریح اس بات کو یقینی بناتی ہے کہ تربیتی ڈیٹا کو درست طریقے سے ڈومین سے متعلق علم کے ساتھ لیبل لگایا گیا ہے، اس طرح پیشن گوئی کرنے والے AI ماڈلز کی درستگی اور وشوسنییتا کو بہتر بنایا جاتا ہے۔ تعصبات اور غلط درجہ بندیوں کو کم کر کے، ماہر کے ذریعے چلنے والی تشریح ماڈل کی حقیقی دنیا کے منظرناموں میں مؤثر طریقے سے عام کرنے کی صلاحیت کو بڑھاتی ہے۔ اس کے نتیجے میں ایسے AI نظام ہوتے ہیں جو زیادہ قابل اعتماد، قابل تشریح اور صنعت کی مخصوص ضروریات کے ساتھ منسلک ہوتے ہیں۔

مثال کے طور پر، طبی ڈیٹا کا ایک بڑا ذخیرہ حاصل کرنے کے بعد، ایک امریکی ملٹی نیشنل ٹیکنالوجی کمپنی کو صارفین کے لیے محفوظ اور درست طبی مشورے کو یقینی بنانے کے لیے اپنے صارفین کے سامنے والے طبی چیٹ بوٹ میں استعمال کے لیے ڈیٹا کا جائزہ لینے کی ضرورت تھی۔ iMerit کی طرف رجوع کرتے ہوئے، انہوں نے امریکہ میں مقیم صحت کی دیکھ بھال کے ماہرین کے ہمارے وسیع نیٹ ورک کا فائدہ اٹھایا اور نرسوں کی ایک ٹیم کو ایک متفقہ ورک فلو میں کام کرنے کے لیے جمع کیا جس میں اضافہ اور ثالثی یو ایس بورڈ کے سرٹیفائیڈ فزیشن کے ذریعے فراہم کی گئی تھی۔ نرسوں نے درستگی اور خطرے کا اندازہ لگانے کے لیے تعریفوں کے حامل علم کی بنیاد کا جائزہ لے کر شروع کیا۔

ایج کیس ڈسکشن اور گائیڈ لائن پر نظرثانی کے ذریعے، نرسیں 99% کیسز میں اتفاق رائے تک پہنچ سکتی ہیں۔ اس نے ٹیم کو 10% آڈٹ کے ساتھ پراجیکٹ کے ڈیزائن کو سنگل ووٹ کے ڈھانچے میں نظر ثانی کرنے کی اجازت دی، اس طرح پروجیکٹ کی لاگت میں 72% سے زیادہ کمی آئی۔ iMerit کے ساتھ کام کرنے نے اس کمپنی کو اخلاقی اور مؤثر طریقے سے طبی ڈیٹا کی تشریح کی پیمائش کرنے کے طریقوں کی مسلسل نشاندہی کرنے کے قابل بنایا ہے۔

دنیا بھر میں 8,000 سے زیادہ کل وقتی ماہرین کے ساتھ، آپ معیار، کارکردگی، اور ملازمین کی ترقی کو پیمانے پر کیسے برقرار رکھتے ہیں؟

معیار کی تعریف ہمیشہ ہر کلائنٹ کے مخصوص استعمال کے معاملے کے مطابق ہوتی ہے۔ ہماری ٹیمیں کلائنٹس کے ساتھ مل کر معیار کے معیارات کی وضاحت اور کیلیبریٹ کرتی ہیں، اپنی مرضی کے عمل کو استعمال کرتی ہیں جو یقینی بناتی ہیں کہ ہر تشریح کو موضوع کے ماہرین کے ذریعے تیزی سے توثیق کیا جاتا ہے۔ اعلیٰ معیار کی AI کی ترقی کے لیے مستقل مزاجی اہم ہے۔ اس کی حمایت ملازمین کی اعلیٰ برقراری (90%) اور پیداواری تجزیات پر ایک مضبوط فوکس، انگو ہب کے ڈیزائن میں ایک کلیدی تفریق، ہماری ٹیم کے یومیہ صارف کے ان پٹ کے ذریعے کی گئی ہے۔

ہم اپنے ملکیتی iMerit One ٹریننگ پلیٹ فارم کے ذریعے آٹومیشن، آپٹیمائزیشن، اور نالج مینجمنٹ میں مسلسل سرمایہ کاری کرتے ہیں۔ سیکھنے اور ترقی کے لیے یہ عزم نہ صرف آپریشنل فضیلت کو آگے بڑھاتا ہے بلکہ ہمارے ملازمین کے لیے طویل مدتی کیرئیر کی ترقی میں معاونت کرتا ہے، جس سے مہارت اور ترقی کی ثقافت کو فروغ ملتا ہے۔

آپ AI کے خواہشمند کاروباری افراد کو کیا مشورہ دیں گے جو ٹیکنالوجی اور سماجی اثرات دونوں لحاظ سے بامعنی کچھ بنانا چاہتے ہیں؟

AI بہت تیزی سے آگے بڑھ رہا ہے۔ ٹیک اسٹیک سے آگے بڑھیں اور اپنے صارفین کو یہ سمجھنے کے لیے سنیں کہ ان کے کاروبار کے لیے کیا اہمیت ہے۔ رفتار، تبدیلی اور خطرے کے لیے ان کی بھوک کو سمجھیں۔ ابتدائی گاہک چیزوں کو آزما سکتے ہیں۔ بڑے گاہکوں کو یہ جاننے کی ضرورت ہے کہ آپ یہاں رہنے کے لیے ہیں اور آپ انہیں ترجیح دیتے رہیں گے۔ شفافیت، حفاظت اور جوابدہی کے لیے اپنے فعال نقطہ نظر سے انہیں آرام سے رکھیں۔

مزید برآں، اپنے سرمایہ کاروں اور بورڈ کے اراکین کو احتیاط سے منتخب کریں تاکہ مشترکہ اقدار اور خدشات پر صف بندی کو یقینی بنایا جا سکے۔ iMerit میں، ہم نے COVID-19 جیسے مشکل وقت کے دوران اپنے بورڈ اور سرمایہ کاروں کی طرف سے نمایاں تعاون کا تجربہ کیا، جس کا ہم اس صف بندی کو کریڈٹ دیتے ہیں۔

اہم خصوصیات جو ٹیک انڈسٹری میں ایک کاروباری شخص کی کامیابی میں اہم کردار ادا کرتی ہیں وہ خطرات سے بالاتر ہیں۔ ان میں ایک منافع بخش، جامع کمپنی بنانا شامل ہے۔

زبردست انٹرویو کے لیے آپ کا شکریہ، جو قارئین مزید جاننا چاہتے ہیں وہ ضرور تشریف لائیں۔ iMerit.