جنریٹیو AI کی صلاحیت، خاص طور پر خریداری کے میدان میں خود مختار کام انجام دینے کی بہت توقع کی جا رہی ہے۔ فی الحال، AI ٹولز جیسے Perplexity AI، ChatGPT، گوگل کا Gemini، Anthropic کا Claude، اور Amazon کا Rufus واقعی خود مختار خریداری معاون ہونے سے قاصر ہیں اور بنیادی طور پر پیچیدہ سرچ ٹولز کے طور پر کام کرتے ہیں جو مصنوعات کے ڈیٹا کا تجزیہ اور خلاصہ پیش کرتے ہیں۔ اگرچہ کچھ، جیسے Perplexity، جیسے "Buy with Pro" جیسے خریداری کے مخصوص خصوصیات رکھتے ہیں جو آن لائن خریداری کو آسان بنانے کے لیے ہیں، لیکن پھر بھی ادائیگی جیسے کاموں کے لیے صارف کی نمایاں ان پٹ کی ضرورت ہوتی ہے۔ ان AI ٹولز کو مختلف پلیٹ فارمز پر تعطیلات کی خریداری کے لیے آزمایا گیا۔ Perplexity AI اکثر مختلف نتائج پیدا کرتا ہے، جو کارآمد سے غیر متعلقہ آئٹمز تک ہوتے ہیں، جبکہ ChatGPT نے تخلیقی تحفے کے آئیڈیاز فراہم کیے تاہم ابتدائی طور پر براہ راست مصنوعات کے لنکس فراہم نہیں کیے۔ کچھ دیگر جیسے Claude اور Gemini میں ای کامرس کی خصوصیات کی کمی تھی یا غیر متاثر کن تجاویز دی جاتی تھیں۔ مجموعی طور پر، خریداری میں AI کی موجودہ حالت صارفین کی رہنمائی میں ہے نہ کہ خریداری کے عمل کو مکمل طور پر خود کار بنانا۔ یہ AI سسٹمز اب بھی صارف کی شمولیت پر انحصار کرتے ہیں تاکہ بہتری آئے، اور حالانکہ وہ کچھ مدد فراہم کرتے ہیں، خاص طور پر خیال (برین اسٹورمنگ) میں، وہ ابھی تک مکمل طور پر خود مختار طور پر کام انجام دینے کی صلاحیت نہیں رکھتے۔ میری خریداری کا تجربہ خود مختاری اور تخلیقی صلاحیتوں کی حدود کو اجاگر کرتا ہے، جس کی وجہ سے میں اب بھی ائیڈیا فکر، ترقی اور اصل خریداری کے عمل میں شامل رہا۔

1.

ٹیتر، جو ایک سٹیبل کوائن کمپنی اور USDT کا اجرا کرنے والا ہے، مبینہ طور پر مصنوعی ذہانت (AI) کے شعبے میں داخل ہونے کا منصوبہ بنا رہا ہے۔ بلومبرگ کے مطابق، ٹیتر کے سی ای او پاولو آردوینو نے کمپنی کی نیت ظاہر کی کہ وہ ایک ایسا پلیٹ فارم لانچ کریں گے جو اسمارٹ فون صارفین کو AI کے ساتھ بات چیت کرنے کی اجازت دے گا۔ توقع کی جا رہی ہے کہ یہ AI پلیٹ فارم 2025 کی پہلی سہ ماہی میں پیش کیا جائے گا کیونکہ ٹیتر نے اس سال $10 بلین سے زیادہ خالص منافع ہونے کی توقع کی ہے۔ آردوینو نے اشارہ دیا کہ ان منافعوں کا کم از کم نصف حصہ اگلے سال AI اور دیگر منصوبوں میں لگایا جائے گا، یہ کہتے ہوئے کہ ان کی سرمایہ کاری کی کوششیں ابھی شروع ہوئی ہیں۔ کوائن مارکیٹ کیپ کے ڈیٹا کے مطابق، USDT کا مارکیٹ کیپ تقریباً $140 بلین تک پہنچ چکا ہے، جو اس سال تقریباً $50 بلین کا اضافہ ظاہر کرتا ہے، جس کو کرپٹو مارکیٹ میں اضافہ اور بٹکوائن (BTC) کے چھ ہندسی حد عبور کرنے سے تقویت ملی۔ ٹیتر کی حالیہ رپورٹ نے 2024 میں USDT رکھنے والے والٹس کی تعداد میں 71% اضافہ ظاہر کیا۔ 2024 کی چوتھی سہ ماہی کے آغاز میں، USDT کے ساتھ 109 ملین آن چین والٹس تھے، جو بٹکوائن رکھنے والوں سے دوگنا زیادہ ہیں۔ USDT سٹیبل کوائن اپنانے میں بھی سب سے آگے ہے، جس کے والٹس کی تعداد تمام دیگر سٹیبل کوائنز کے مقابلے میں چار گنا زیادہ ہے۔ ای میل الرٹس کے لیے سبسکرائب کر کے باخبر رہیں، اور تازہ ترین معلومات کے لیے ہمیں X، فیس بک، اور ٹیلی گرام پر فالو کریں۔ ڈیلی ہڈل مکس براؤز کریں ڈس کلیمر: ڈیلی ہڈل میں اظہار کیے گئے خیالات مالی مشورہ نہیں ہیں۔ سرمایہ کاروں کو چاہیے کہ بٹکوائن، کرپٹو کرنسی، یا ڈیجیٹل اثاثوں میں ہائی رسک سرمایہ کاری کرنے سے پہلے مکمل تحقیق کریں۔ تمام تجارت اور منتقلی آپ کے اپنے رسک پر کی جاتی ہیں، اور کسی بھی نقصان کی ذمہ داری آپ کی ہے۔ ڈیلی ہڈل کرپٹو کرنسیز یا ڈیجیٹل اثاثوں کی خرید و فروخت کی سفارش نہیں کرتا اور سرمایہ کاری کا مشیر نہیں ہے۔ ڈیلی ہڈل ملحق مارکیٹنگ کی شرکت کرتا ہے۔

اپنے پورٹ فولیو کو دیکھنے کے لیے لاگ ان کریں لاگ ان کریں

ایم آئی ٹی کے انجینئرز نے 8,000 سے زائد الیکٹرک گاڑیوں (ای وی) کے ڈیزائن تیار کیے ہیں جو مصنوعی ذہانت (اے آئی) کے ساتھ مل کر مستقبل کی گاڑیاں بنانے میں تیزی سے مدد دے سکتے ہیں۔ "DrivAerNet++" نامی یہ اوپن سورس ڈیٹا بیس آج کل کی سب سے عام گاڑیوں کے ماڈلز پر مبنی ڈیزائنز پیش کرتا ہے۔ یہ 3D ماڈل ان کی ہوابازی کی خصوصیات سمیت دیگر تفصیلات فراہم کرتے ہیں۔ حالانکہ الیکٹرک کاریں ایک صدی سے زیادہ عرصے سے موجود ہیں، ان کی مقبولیت حال ہی میں بڑھ گئی ہے۔ ان گاڑیوں کی ڈیزائننگ روایتی طور پر کمپنیوں کو کئی سالوں کے وسائل طلب مراحل اور تبدیلیوں کی ضرورت ہوتی ہے تاکہ ایک حتمی ڈیزائن تیار کیا جا سکے۔ اس کی ملکیتی نوعیت کی وجہ سے، ان تجربات کی تفصیلات اور نتائج بشمول پروٹو ٹائپ کی ہوابازی کے نتائج خفیہ رہتے ہیں۔ محققین نے نوٹ کیا ہے کہ اس کا مطلب یہ ہوتا ہے کہ ای وی کے رینج یا ایندھن کی کارکردگی کو بہتر بنانے میں پیشرفت اکثر سست رہی ہے۔ تاہم، یہ نیا ڈیٹا بیس بہترین گاڑیوں کے ڈیزائن کی دریافت کو ڈرامائی طور پر تیز کرنے کی کوشش کرتا ہے۔ یہ کار ڈیزائن کے ڈیجیٹل ذخیرہ تفصیلی ڈیٹا پر مشتمل ہے جو وضاحتیں اور ہوابازی پر مشتمل ہے، جس سے اے آئی ماڈلز کو مستقبل میں نئے ڈیزائن بنانے کے قابل بنایا جا سکتا ہے، محققین نے کہا۔ انجینئرز نے ذکر کیا کہ اس روایتاً لمبی مدت کے عمل کو سادہ کر کے اب مینوفیکچرر تیزی سے ای وی ڈیزائن بنا سکتے ہیں۔ ایک متعلقہ پیش رفت میں، نئی گاڑی میں نصب اے آئی نشے میں ڈرائیوروں کو ان کے چہروں کی مستقل نگرانی کر کے شراب نوشی کی علامات کا پتا لگانے کے قابل ہے۔ 13 جون کو پری پرنٹ arXiv ڈیٹا بیس پر جمع کروائے گئے ایک مقالے میں، ٹیم نے ڈیٹا سیٹ اور اے آئی ٹیکنالوجیز کے ساتھ اس کے ممکنہ استعمال کی وضاحت کی۔ یہ کام دسمبر میں وینکوور میں NeurIPS کانفرنس میں بھی پیش کیا گیا تھا۔ چند سیکنڈ میں گاڑی کا ڈیزائن تیار کرنے کے لیے اے آئی کا استفادہ محققین کا ڈیٹا سیٹ، جو ایم آئی ٹی SuperCloud کے ساتھ بنایا گیا تھا، سائنسی تحقیق کے لیے ایک طاقتور کمپیوٹر کلسٹر ہے، نے تین ملین مرکزی پروسیسنگ یونٹ گھنٹے کھا جانے کے بعد 39 ٹیرا بائٹس کا ڈیٹا فراہم کیا۔ ٹیم نے ایک الگورتھم کا استعمال کرتے ہوئے 26 پیرامیٹرز کو منظم طریقے سے ایڈجسٹ کیا، بشمول گاڑی کی لمبائی، نچلے جسم کی خصوصیات، ٹریڈ اور وہیل کی شکلیں، اور ہر بنیادی ماڈل کے لیے ونڈشیلڈ کی ڈھلوان۔ انہوں نے یہ بھی ایک الگورتھم کو نافذ کیا تاکہ یہ یقینی بنایا جا سکے کہ نئے ڈیزائن موجودہ ڈیزائنز کی نقول نہیں بلکہ اصل ہیں۔ ہر 3D ڈیزائن کو مختلف قابل پڑھے جانے والے فارمیٹس میں ترجمہ کیا گیا—بشمول میش، پوائنٹ کلاؤڈ، یا ابعاد اور وضاحتوں کی فہرست۔ اس کے بعد، ہر ڈیزائن کے ارد گرد ہوائی بہاؤ کا جائزہ لینے کے لیے پیچیدہ سیال حرکیات کی تقلید کی گئی۔ "آگے کا عمل اتنا مہنگا ہے کہ مینوفیکچررز صرف ایک ورژن سے دوسرے ورژن میں گاڑی کو تھوڑا سا تبدیل کر سکتے ہیں،" ایم آئی ٹی کے مکینیکل انجینئرنگ کے اسسٹنٹ پروفیسر فیض احمد نے وضاحت کی۔ "لیکن وسیع ڈیٹا سیٹوں کے ساتھ جو ہر ڈیزائن کی کارکردگی کی نشاندہی کرتا ہے، مشین لرننگ ماڈلز جلدی سے تکرار کر سکتے ہیں، بہتر ڈیزائن حاصل کرنے کے امکانات میں اضافہ کرتے ہیں۔" ایم آئی ٹی مکینیکل انجینئرنگ کے طالب علم محمد الرفاعی نے ذکر کیا کہ ڈیٹا سیٹ تحقیق اور ترقیاتی اخراجات کو کم کر سکتا ہے اور پیش رفت میں تیزی لا سکتا ہے۔ ڈیزائن کے عمل کو تیز کرنے سے ماحول کو فائدہ پہنچ سکتا ہے کیونکہ زیادہ موثر گاڑیاں جلدی کسٹمرز تک پہنچ سکتی ہیں۔ ای آئی انضمام اس ڈیزائن کو تیز کرنے میں کلیدی کردار ادا کرتا ہے۔ ڈیٹا سیٹ ایک تخلیقی اے آئی ماڈل کی تربیت کو "گھنٹوں کی بجائے سیکنڈ میں" کام کرنے کی اجازت دیتا ہے، احمد نے مزید کہا۔ پہلے کی اے آئی ماڈل شاید بظاہر بہتر ڈیزائن تیار کر چکے تھے لیکن انہیں چھوٹے تربیتی ڈیٹا سیٹوں سے محدود کر دیا گیا تھا۔ نیا ڈیٹا سیٹ زیادہ قابل غور تربیتی ڈیٹا فراہم کرتا ہے، جو اے آئی ماڈل کو نیا ڈیزائن بنانے یا موجودہ ڈیزائن کی ہوابازی کو جانچنے کے قابل بناتا ہے۔ یہ پھر ای وی کی کارکردگی اور رینج کو حساب لگانے کے لیے استعمال کیا جا سکتا ہے بغیر جسمانی پروٹو ٹائپ کی ضرورت کے۔

کرسٹیئن پونس اور تھیو شیفر کی ملاقات 2023 میں "انٹرپرینیور فرسٹ" کی طرف سے منعقدہ ایک ہالووین پارٹی میں ہوئی، جہاں پونس نے انڈیانا جونز کا لباس پہنا ہوا تھا۔ شیفر، جو MIT سے فارغ التحصیل اور ناسا میں مشتری کے چاندوں کی تحقیق کرنے والے تھے، اور پونس، جو Cal Tech میں بایو انجینئرنگ کے پس منظر کے حامل ہیں، نے لیب ٹیکنیشن کے کام کی بوریت پر بات کی۔ انہوں نے جینیاتی انجینئرنگ کے دستی کام کی شکایت کی، خاص طور پر پِپِیٹ سے مائعات منتقل کرنے پر ضائع ہونے والے گھنٹوں کے بارے میں۔ ان کی اسٹارٹ اپ، ٹیٹسوان سائینٹیفک، کا مقصد سستے لیب روبوٹس کی تشکیل نو کر کے اس مسئلے کو حل کرنا تھا لیکن مئی 2024 میں اوپن اے آئی کے پروڈکٹ لانچ ایونٹ میں موجود ہو کر انہیں نیا راستہ مل گیا۔ انہوں نے بڑے زبان ماڈلز کی صلاحیتوں کو دیکھا، خاص طور پر سائنسی استدلال میں، جو ان کے لیے ایک اہم موڑ ثابت ہوا۔ پونس نے جی پی ٹی-4 کا تجربہ کرتے ہوئے اسے DNA جیل کی تصویر دکھائی، جہاں اس نے نہ صرف ایک مسئلہ — ایک ناپسندیدہ DNA ٹکڑا جسے پرائمر ڈائمر کہا جاتا ہے — کی شناخت کی بلکہ اس کا حل بھی پیش کیا۔ بنیادی چیلنج یہ تھا کہ کوئی بھی موجودہ سافٹ ویئر سائنسی نیت کو روبوٹک ایکشنز میں نہیں بدل سکتا تھا۔ روبوٹس ان مائعات کی جسمانی خصوصیات نہیں سمجھتے جن کے ساتھ وہ کام کرتے تھے، اور ٹیٹسوان کا مقصد اس خلا کو اے آئی کے ذریعے پر کرنا تھا تاکہ یہ سائنسی تجربات کو خود مختاری سے پرکھ سکیں اور مطابق تبدیلیاں کر سکیں۔ یہ روبوٹس، انسانی شکل کے برخلاف، ایک مربع شیشے کی ساخت رکھتے ہیں لیکن جدید سافٹ ویئر اور سنسرز کے ذریعے آزادانہ طور پر نتائج کی تشخیص اور ضروری تبدیلیاں کر سکتے ہیں۔ اس وقت، ٹیٹسوان سائینٹیفک لا جویا لیبز، جو آر این اے کے معالجاتی ادویات تیار کرتی ہیں، کے ساتھ کام کر رہا ہے، یہ دیکھنے میں مدد فراہم کر رہا ہے کہ دوا کی خوراک کتنی مؤثر ہے۔ کمپنی نے 2048 Ventures اور دیگر کی قیادت میں پری سیڈ راؤنڈ سے 2

ادیتیا چلاپلی اسٹینفورڈ میں آن لائن کورس پڑھاتے ہیں جس میں جینیریٹیو AI کے حوالے سے ٹیکنالوجی کے قریب پیشہ ور افراد کو سکھایا جاتا ہے۔ وہ تکنیکی مہارتوں کو بڑھانے یا AI کے ماہر بننے کے راستے شئیر کرتے ہیں۔ ChatGPT جیسے AI ٹولز کا استعمال بھی AI کے تصورات کو سمجھنے میں مددگار ثابت ہوتا ہے۔ اس مضمون کو 30 سالہ مائیکروسافٹ ملازم کے ساتھ گفتگو سے استخراج کیا گیا ہے اور وضاحت کے لیے ترمیم کی گئی ہے۔ چلاپلی کا AI میں سفر ایک دہائی قبل Uber میں بطور ڈیٹا سائنس انٹرن کے طور پر شروع ہوا، پھر McKinsey میں AI کنسلٹنگ اور اب مائیکروسافٹ میں جہاں وہ کوپائلٹ پر کام کرتے ہیں۔ چار سال پہلے انہوں نے اسٹینفورڈ میں پڑھانا شروع کیا اور "مصنوعات کی جدت طرازی کے لیے جینیریٹیو AI میں مہارت حاصل کریں" نامی کورس مشترکہ طور پر تخلیق کیا، جو اگست 2024 میں اسٹینفورڈ آن لائن پر شروع ہوا۔ یہ 300 سے زائد صارفین اور 50 ایگزیکٹوز کے ساتھ بات چیت سے حاصل بصیرتوں پر مبنی ہے۔ یہ کورس ٹیک کے قریب کرداروں جیسے کہ کسٹمر سپورٹ نمائندگان یا پروڈکٹ مینیجرز کو ہدف بناتا ہے تاکہ وہ جینیریٹیو AI کو بہتر طور پر سمجھ سکیں۔ اس میں تین ماڈیولز ہوتے ہیں: جن AI اور اس کے مواقع کا تعارف، کامیاب جن AI مصنوعات کی خصوصیات، اور ایسی مصنوعات بنانے کی حکمت عملیاں۔ چلاپلی دو مرکزی راستے بیان کرتے ہیں: 1