فزیکل اے آئی کا فرنٹیئر سان لینڈرو، کیلیفورنیا میں ایک گودام میں ایک جینگا گیم ہے۔
اس گودام پر Encord، ایک کمپنی کا قبضہ ہے جو AI ماڈلز کو تربیت دینے کے لیے استعمال ہونے والی ڈیٹا ٹولنگ بناتی ہے۔ اینڈریو سیجا ایک پائلٹ ہے — جو کمپنی کی اصطلاح اس کے روبوٹک ٹرینرز کے لیے ہے — اور وہ کیمرہ کے ساتھ ہیڈسیٹ پہنے ہوئے ایک ٹاورنگ ٹاور سے لکڑی کے بلاکس کو احتیاط سے کھینچ رہا ہے جو اسے دیکھتا ہے۔ روبوٹ کی تربیت کا ڈیٹا اکٹھا کرنے کے لیے یہ اکیلا عام ہے، لیکن اس ہیڈسیٹ میں ایسے سینسرز شامل ہیں جو اس کے دماغ کی لہروں کی پیمائش کرتے ہیں جب وہ بلاک ٹاور کو احتیاط سے الگ کرتا ہے۔
Encord اسٹارٹ اپس کی ایک چھوٹی لیکن بڑھتی ہوئی تعداد میں سے ایک ہے جو یہ شرط لگا رہا ہے کہ ہیومنائڈ اور ویئر ہاؤس روبوٹکس پر اگلی اصل رکاوٹ ماڈل فن تعمیر نہیں ہوگی بلکہ حقیقی دنیا کے جسمانی تربیتی ڈیٹا کی سراسر کمی ہوگی۔ صرف روبوٹکس کمپنیوں کو ان کے پاس موجود ڈیٹا کو منظم کرنے میں مدد کرنے کے بجائے، Encord اس ڈیٹا کو تیار کرنے کے ارد گرد ایک کاروبار بنا رہا ہے جو ان کے پاس نہیں ہے۔
دماغی لہر کا ہیڈسیٹ Ceja جو پہن رہا ہے اسے Zander Labs نے بنایا تھا، جو ایک جرمن نیورو سائنس اسٹارٹ اپ ہے جو دماغی سرگرمی کی پیمائش کرنے پر شرط لگا رہا ہے - غلطی، ارادے اور حیرت جیسی ذہنی حالتوں کو نکالنے کے لیے - ماڈلز کو تربیت دینے کے لیے زیادہ مفید ڈیٹا سیٹ بنا سکتا ہے۔ Encord کا Zander کے ساتھ کام فی الحال ایک آزمائشی دوڑ ہے۔ Encord کا کہنا ہے کہ اس کا مقصد ایک ابتدائی دماغی لہر ٹیگ شدہ ڈیٹا سیٹ بنانا ہے، اسے کسٹمر روبوٹکس ماڈلز کے ذریعے چلانا ہے، اور اس بات کا اندازہ لگانا ہے کہ آیا اس کو بڑھانے کا فیصلہ کرنے سے پہلے یہ واقعی کارکردگی کو بہتر بناتا ہے یا نہیں۔
کام کی نگرانی کرنے والے زینڈر نیورو سائنس دان لوکاس گیہرکے کہتے ہیں کہ کسی بھی کام کے دوران کسی بھی وقت استعمال ہونے والی دماغی سرگرمی کی مقدار ماڈل بنانے والوں کے لیے یہ پتہ لگانے کی کوشش کر رہی ہے کہ انہیں اپنے اعلیٰ ترین کوششوں والے ماڈلز کو کب تعینات کرنے کی ضرورت ہے۔
Encord کے روبوٹ سیکھنے کے سربراہ ونیت ویلمورگن کے مطابق، یہ روبوٹکس ڈیٹا کی رکاوٹ کو حل کرنے کی کوشش کا "خون بہہ رہا ہے" ہے۔ OpenAI کی روبوٹ لیب کے ایک تجربہ کار اور Berkshire Grey، ویئر ہاؤس آٹومیشن فرم، Velmurugan نے کمپنی کی اندرونی ڈیٹا بنانے والی ٹیم کی تعمیر کے لیے Encord میں شمولیت اختیار کی۔
Encord کی بنیاد مشین وژن ایپلی کیشنز بنانے والی کمپنیوں کو ڈیٹا کی تشریح اور ماڈلز کا جائزہ لینے میں مدد کے لیے رکھی گئی تھی۔ ان کے صارفین کے طور پر — ویلمورگن کا کہنا ہے کہ وہ بہت سی سرکردہ روبوٹکس فرموں کے ساتھ کام کرتے ہیں لیکن یہ کہ وہ ان کا نام لینے کا مجاز نہیں ہے — روبوٹک ہیرا پھیری کے کاموں کے لیے آخر سے آخر تک سیکھنے کو لاگو کرنا شروع کر دیا، ایگزیکٹوز نے محسوس کیا کہ انہیں تربیت کا ڈیٹا خود تیار کرنا پڑے گا، بجائے اس کے کہ اسے منظم کریں۔ ویلمورگن نے کہا کہ "ڈیٹا صرف موجود نہیں ہے۔"
وہ شرط جو جنریٹو AI روبوٹ کے لیے کر سکتا ہے جو اس نے چیٹ بوٹس کے لیے کیا ہے اسی دیوار میں چلتا رہتا ہے۔ LLMs پورے انٹرنیٹ کے متن پر بنائے گئے تھے، اور مزید۔ اعصابی نیٹ ورکس کو جسمانی ہیرا پھیری کے بارے میں سکھانے کے لیے وہی خام مال تلاش کرنا مشکل ہے: خود چلانے والی کار کمپنیاں خود اسے اکٹھا کرتی ہیں، لیکن اس کی پیمائش کرنا مشکل ہے۔ ویڈیو سے تربیت کام کر سکتی ہے، لیکن اس میں حقیقی دنیا کے ڈیٹا کی وفاداری کا فقدان ہے۔ ویلموروگن کا کہنا ہے کہ اس کو توڑنے کے لیے یوٹیوب کے ویڈیو کارپس کے سائز سے پانچ گنا زیادہ ڈیٹا سیٹ کی ضرورت ہوگی — ایک ایسا پیمانہ جو اس بات کی وضاحت کرنے میں مدد کرتا ہے کہ کیوں ڈیٹا جنریشن خود ایک کاروبار بن گیا ہے نہ کہ صرف تحقیق کا مسئلہ۔
روبوٹ دماغ بنانے والی کمپنیاں اب دو اہم ذرائع کی طرف متوجہ ہو رہی ہیں: کیمرے پہنے ہوئے کارکنوں کے ذریعے جمع کی گئی "Egocentric" ویڈیو، جو اکثر کیمرے کے اضافی زاویوں اور دیگر میٹرکس کے ساتھ بڑھایا جاتا ہے، اور دور سے چلنے والے روبوٹس سے ڈیٹا اکٹھا کرنا۔ Encord دونوں کام کرتا ہے، دنیا بھر کی متعدد فیکٹریوں سے انا پر مبنی ڈیٹا کھینچتا ہے، اور اپنی San Leandro سہولت کا استعمال کرتے ہوئے دماغ کی لہروں جیسے نئے طریقوں کے ساتھ تجربہ کرتا ہے، یا ٹھیک ٹیوننگ کے لیے مخصوص مہارتوں کے گرد ڈیٹا سیٹ اکٹھا کرتا ہے۔
جب TechCrunch نے دورہ کیا، پائلٹ لیڈر فالوور رگس کا استعمال کر رہے تھے — جوڑا بنائے ہوئے روبوٹک ہتھیار، ایک جو براہ راست انسانی آپریٹر کے ذریعے کنٹرول کیا جاتا ہے اور ایک جو اس کی نقل و حرکت کی نقل کرتا ہے — ایک برتن سے کافی کو مگ میں ڈالنے جیسے کاموں کے بارے میں ڈیٹا تیار کرنے کے لیے (بہت سست) اور پوکر چپس کو اسٹیک کرنا۔ ویلمورگن کا کہنا ہے کہ "ہر ہیومینائڈ کمپنی نے ہم سے ان ٹکڑوں کے لیے کہا ہے۔
سٹوریج ریک میں گلدانوں، کتابوں، پلاسٹک کی سبزیوں، کٹی لیٹر ٹرے اور اسکوپس، بیگ اور تاروں کے بنڈلوں میں جعلی پھولوں کے کارٹن رکھے ہوئے تھے، گھریلو کاموں کے لیے ہیرا پھیری کرنے والوں کی تربیت کے لیے تجارت کا ذخیرہ۔ ان اسٹیشنوں میں سے ایک پر، ایک اور پائلٹ، صوفیہ انفینٹے، سرور کے پچھلے حصے سے ایتھرنیٹ کیبلز کو پلگ اور ان پلگ کرنے کے لیے روبوٹک ہتھیاروں کا استعمال کرتا ہے — اس قسم کے کام کے ڈیٹا سینٹر آپریٹرز خودکار ہونا پسند کریں گے، اگر صرف روبوٹس مطلوبہ درستگی کے ساتھ ان میں ہیرا پھیری کر سکیں۔ کنٹرول کے پیچھے گھومتے ہوئے، میں یہ دیکھنے کے قابل تھا کہ یہ ابھی تک پہنچ سے باہر کیوں ہے: پنسر انسانی انگلیوں کے مقابلے میں بہت کم ہنر مند ہیں اور ان میں آزادی کی وہ ڈگریاں نہیں ہیں جو ہم اپنے بازوؤں میں قبول کرتے ہیں۔
ایک اور نیا ڈیٹا موڈلیٹی جو Encord تیار کر رہا ہے پٹھوں میں برقی سگنل کا پتہ لگانے کے لیے بازو پر پٹے ہوئے سینسر کا ایک سیٹ استعمال کرتا ہے۔ انسانی ہاتھوں سے بنائی گئی وڈیو جس میں اشیاء کو جوڑ توڑ کرتے ہوئے عام طور پر پورے ہاتھ کو پکڑا نہیں جاتا، لیکن ویلمورگن کو امید ہے کہ بازو کے سینسر کی بنیاد پر ایک 3D تصویر کشی کی جائے گی، جس سے ماڈلز کے لیے زیادہ مضبوط سمجھ پیدا ہوگی۔
Encord کے ڈیٹا سیٹس کو جسمانی وضاحتوں کے ساتھ تشریح کیا جاتا ہے کہ ہر ویڈیو میں کیا ہوتا ہے—"دائیں ہاتھ کا بولٹ مضبوط کرتا ہے"— یہ سمجھنے میں LLM پر مبنی ماڈلز کی مدد کرنے کے لیے کہ کیا ہو رہا ہے۔ ویلموروگن کا اندازہ ہے کہ اس قسم کی گھنی تشریح مخصوص کاموں کی تربیت کے لیے "فضول ایگو ڈیٹا" سے 100 گنا زیادہ ہے، اور اس کی تیاری میں صرف 20 گنا زیادہ لاگت آتی ہے، جو کہ کاغذ پر ایک اچھی تجارت ہے۔
لیکن "20 گنا زیادہ" ابھی بھی حقیقی رقم ہے، اور یہی کیچ ہے: انٹرنیٹ سے متن کو کھرچنا، جس طرح سے LLM بنانے والوں نے Stack Overflow اور باقی ویب سے کھینچ کر اپنے ماڈل بنائے، فرنٹیئر لیبز کی قیمت کچھ بھی نہیں ہے۔ جسمانی تربیت کا ڈیٹا تیار کرنا ایسا نہیں کرتا، اور یہ جسمانی-AI-as-LLM موازنہ کی حد ہے۔ اس قسم کے ڈیٹا کو تیار کرنا ہوتا ہے، نہ صرف اکٹھا کیا جاتا ہے، اور اس سے ان ماڈلز کی تعمیر کی معاشیات بدل جاتی ہے۔
ویلموروگن کا کہنا ہے کہ پیش رفت ہو رہی ہے- پوری صنعت میں پروگراموں میں Encord کی مرئیت کے ساتھ، وہ سٹارٹ اپس اور فرنٹیئر لیبز کو یکساں طور پر دیکھنے کے قابل ہے کہ جسمانی AI ماڈلز کو بہتر بنانے کے لیے کیا کام کرتا ہے اور کیا نہیں۔ وہ مقام جو کہ بہت سی روبوٹکس کمپنیوں کے درمیان بیک وقت بیٹھنا بھی Encord کی پچ کا حصہ ہے۔ یہ اس بات کا پتہ لگا سکتا ہے کہ کون سی ڈیٹا تکنیک کسی ایک صارف کے کرنے سے پہلے پوری صنعت میں کرشن حاصل کر رہی ہے۔
یہ Encord کی سہولت پر درجن بھر پائلٹوں کو مصروف رکھے گا۔ Infante اور Ceja دونوں ایک بڑھتی ہوئی افرادی قوت کا حصہ ہیں جو عصبی نیٹ ورکس کے لیے بلڈنگ بلاکس تیار کر رہے ہیں۔ انہوں نے Encord میں شامل ہونے سے پہلے اسکیل، ایک اور AI ڈیٹا تشریحی فرم میں کام کیا۔
سیجا نے ایک ویسٹ مینجمنٹ کمپنی میں کام کیا تھا جہاں ٹیکنالوجی میں اس کی دلچسپی نے اسے روبوٹک کوڑے دان کی چھانٹنے والے کو اچھے کام کی ترتیب میں رکھنے کا ذمہ دار پایا۔ اب، جیسا کہ جینگا ٹاور گر رہا ہے، وہ کہتے ہیں کہ وہ روبوٹس کے لیے تربیتی کاموں کو حل کرنے کے چیلنج سے لطف اندوز ہوتے ہیں —"یہ ہر روز کچھ نیا ہوتا ہے!"
