مواد
- کمک سیکھنا کیا ہے؟
- کوئی کیڑے نہیں ، کوئی تناؤ نہیں - آپ کی زندگی کو تباہ کیے بغیر زندگی کو تبدیل کرنے والے سافٹ ویئر تخلیق کرنے کے لئے مرحلہ وار گائیڈ
- مارکیٹرز کے لئے مشینیں
- جلد آرہا ہے
- بڑا سوچ رہا ہے
- گود لینے کا راستہ
ماخذ: جولیاٹیمچینکو / ڈریم ٹائم ڈاٹ کام
ٹیکا وے:
کمک سیکھنا مصنوعی ذہانت اور مشین لرننگ کا ایک ذیلی سیٹ ہے جو نتائج کی پیش گوئی کرسکتا ہے اور صارفین کو بہتر فیصلے کرنے میں مدد فراہم کرتا ہے۔
جب تیزی سے مسابقتی مارکیٹنگ کے حالات میں کنارے حاصل کرنے کی کوشش کی جا رہی ہو تو مارکیٹرز مسلسل توسیع پزیر اور ذہین حل تلاش کرتے ہیں۔ یہ کوئی تعجب کی بات نہیں ہے کہ اب برانڈز اور ان کی مارکیٹنگ کی تنظیموں کے ذریعہ مصنوعی ذہانت (اے آئی) اور مشین لرننگ (ایم ایل) کو اپنایا جارہا ہے۔ (ایم ایل کی بنیادی باتوں کے بارے میں مزید معلومات کے ل Machine ، مشین لرننگ 101 دیکھیں۔)
غیر منقطع کے لئے ، اے آئی کو عام طور پر ایک ٹکنالوجی کے طور پر سمجھا جاسکتا ہے جب ایک کمپیوٹر اس طرح کے کاموں کو خود کار طریقے سے خود کار کرتا ہے جو انسان بصورت دیگر انجام دیتا ہے۔ مشینی سیکھنے ، AI کے اندر اندر ایک فنکشنل ایریا کے طور پر ، جب ایک کمپیوٹر کو ایک آخری مقصد دیا جاتا ہے ، لیکن اسے خود ہی بہترین راستے کا حساب لگانے کی ضرورت ہوتی ہے۔
آج ، ہم ان ٹیکنالوجیز کو دیکھ رہے ہیں - خاص طور پر مشین لرننگ - مارکیٹنگ کے بہت سارے شعبوں میں تعی deployedن شدہ ، بشمول اشتہاری دھوکہ دہی کا پتہ لگانے ، صارفین کے سلوک کی پیش گوئی ، سفارش کے نظام ، تخلیقی نوعیت کی شخصیت اور مزید بہت کچھ۔
اگرچہ یہ سب اچھی اور عمدہ ہے ، لیکن یہاں ایک نئی آفشوٹ ٹکنالوجی موجود ہے ، جو ، مارکیٹرز کے لئے ، مشین سیکھنے کی مانگ کو صحیح معنوں میں پیش کرنے جا رہی ہے۔ اس کو "کمک سیکھنے" (RL) کہتے ہیں۔
کمک سیکھنا کیا ہے؟
ML سے RL میں قدم تبدیل صرف ایک خط سے زیادہ ہے۔ مشین سیکھنے کے حوالے کیے گئے زیادہ تر کاموں میں ایک ہی قدم کا استعمال شامل ہے ، جیسے "اس شبیہہ کو پہچاننا" ، "کتاب کے مواد کو سمجھنا" یا "دھوکہ دہی کو پکڑو۔" مارکیٹر کے لئے ، "صارفین کو راغب کرنا ، برقرار رکھنا اور اس سے منسلک کرنا" جیسے کاروباری مقصد ہے۔ فطری طور پر ایک ملٹی مرحلہ اور طویل مدتی والا ، مشین سیکھنے کے ساتھ آسانی سے حاصل نہیں ہوتا ہے۔
یہاں سے ہی کمک سیکھنے کی تعلیم آتی ہے۔ آر ایل الگورتھم سب ایک آشکار اور بدلتے ہوئے سفر کے ل journey اصلاح کے بارے میں ہیں - ایک ایسی جگہ جہاں متحرک مسائل پیش آئیں۔ ہر ترتیب کے نتائج کا حساب کتاب کرنے کے لئے ریاضی کی "انعامی تقریب" کو ملازمت دے کر ، RL مستقبل میں دیکھ سکتا ہے اور صحیح کال کرسکتا ہے۔
آج ، اس جدید ٹیکنالوجی کا بہترین مجسم کھیل اور خود چلانے والی کاروں میں دیکھا جاسکتا ہے۔ جب پچھلے سال گوگل کے الفاگو سسٹم نے بورڈ گیم گو کے دنیا کے بہترین پلیئر کو شکست دی تھی تو ، ان کی خفیہ چٹنی کمک سیکھنے کی تھی۔ جب کہ کھیلوں نے قواعد طے کردیئے ہیں ، بورڈ کے حالت کی بنیاد پر فتح کے راستے کے لئے ایک کھلاڑی کے اختیارات متحرک طور پر تبدیل ہوتے ہیں۔ کمک سیکھنے کے ساتھ ، نظام ہر ممکن اجازت کے لئے حساب دیتا ہے جو ہر اگلی اقدام کی بنیاد پر تبدیل ہوسکتا ہے۔
اسی طرح ، ایک خود سے چلنے والی کار سفر پر چلتی ہے جس میں سڑک کے اصول اور منزل کے مقام مقررہ رہتے ہیں ، لیکن راستے میں متغیر ped پیدل چلنے والوں سے لے کر روڈ بلاکس تک سائیکل سواروں تک - متحرک طور پر تبدیل ہوتے ہیں۔ اسی لئے ٹیسلا کی ایلون مسک کے ذریعہ قائم کردہ تنظیم اوپنAIی ، اپنی گاڑیوں کے ل advanced اعلی درجے کی RL الگورتھم کو ملازمت دیتی ہے۔
کوئی کیڑے نہیں ، کوئی تناؤ نہیں - آپ کی زندگی کو تباہ کیے بغیر زندگی کو تبدیل کرنے والے سافٹ ویئر تخلیق کرنے کے لئے مرحلہ وار گائیڈ
جب آپ سافٹ ویئر کے معیار کی پرواہ نہیں کرتے ہیں تو آپ اپنی پروگرامنگ کی مہارت کو بہتر نہیں کرسکتے ہیں۔
مارکیٹرز کے لئے مشینیں
مارکیٹرز کے لئے اس میں سے کسی کا کیا مطلب ہے؟
بہت سارے مارکیٹرز کے بنیادی چیلنجز اس حقیقت کے ذریعہ تخلیق کیے جاتے ہیں کہ کاروبار کی حالت ہر وقت بدلی جاتی ہے۔ جیتنے والی مہم کی حکمت عملی وقت کے ساتھ ناپسندیدہ ہوسکتی ہے ، جبکہ ایک پرانی حکمت عملی سے نئے سرے سے فائدہ اٹھانا پڑسکتا ہے۔ آر ایل حقیقی انسانی ذہانت کی نقالی کرنے کی سمت ایک قدم ہے جہاں ہم متعدد نتائج کی کامیابی اور / یا ناکامی سے سبق سیکھتے ہیں اور مستقبل کی جیت کی حکمت عملی تشکیل دیتے ہیں۔ مجھے کچھ مثالیں دیتے ہیں:
1. صارف کی مصروفیت میں اضافہ
آئیے ایک ریسٹورینٹ چین کے لئے صارفین کی مصروفیت پر توجہ دیں ، اور اگلے سال میں اس کو دس گنا بڑھانے کا ایک مقصد۔ آج ، ایک مارکیٹنگ مہم میں رعایت کی پیش کش کے ساتھ سالگرہ مبارکباد دینا شامل ہوسکتا ہے ، یہاں تک کہ کھانے کی ترجیحات پر مبنی۔ یہ خطی سوچ ہے جہاں مارکیٹر نے آغاز اور اختتامی نقطہ کی تعریف کی ہے۔
مصروف دنیا میں ، گاہکوں کی زندگی مستقل طور پر حقیقی وقت میں تبدیل ہوتی رہتی ہے - کبھی کبھی وہ زیادہ مشغول رہتے ہیں ، کبھی کم۔ کمک سیکھنے میں ، ایک ایسا نظام مستقل طور پر بازیافت ہوتا ہے جس میں مارکیٹنگ کے اسلحہ سازی کی تدبیریں ، کسی بھی لمحے میں ، وصول کنندہ کو 10x مشغولیت کے حتمی مقصد کی طرف بڑھنے کا بہترین موقع ہے۔
2. متحرک بجٹ مختص
اب ایک اشتہاری منظر نامے کا تصور کریں جس میں آپ کے پاس million 1 ملین ڈالر کا بجٹ ہے اور اس کو چار مختلف چینلز میں مختص چار مہینوں کے اختتام تک ہر دن کچھ خرچ کرنے کی ضرورت ہے: ٹی وی ، وفاداری پروموشنز ، اور گوگل۔ آپ یہ کیسے یقینی بناسکتے ہیں کہ آپ بجٹ کو زیادہ سے زیادہ بہتر طریقے سے خرچ کررہے ہیں؟ اس کا جواب دن ، ہدف کے استعمال کنندہ ، انوینٹری کی قیمت اور دیگر بہت سے عوامل پر منحصر ہے۔
کمک سیکھنے میں ، الگورتھم انعام کے افعال کو لکھنے کے لئے تاریخی اشتہار کے نتائج کے اعداد و شمار کا استعمال کریں گے جو اخراجات کے کچھ فیصلے کرتے ہیں۔ لیکن یہ قیمتیں لگانے اور اہداف کے اہتمام والے ممبر کی طرف سے مثبت استقبال کے امکان جیسے حقیقی وقت کے عوامل کا بھی حامل ہے۔ تکراری سیکھنے کے ذریعہ ، پورے مہینے میں اشتہاری اخراجات کی تقسیم متحرک طور پر تبدیل ہوجاتی ہے۔ اگرچہ حتمی مقصد طے ہوچکا ہے ، لیکن تمام منظرناموں کے ذریعہ آر ایل نے بہترین انداز میں بجٹ مختص کیا ہوگا۔ (مارکیٹنگ میں اے آئی سے متعلق مزید معلومات کے لئے دیکھیں کہ مصنوعی ذہانت کس طرح فروخت کی صنعت میں انقلاب لائے گی۔)
جلد آرہا ہے
کمک سیکھنا پیچیدگی کو تسلیم کرتا ہے اور پہچانتا ہے کہ لوگ متضاد ہیں اور ان سچائیوں کا محاسبہ کرتے ہیں ، وقت کے ساتھ ساتھ ہر اگلی کارروائی کو بہتر بناتے ہیں کیونکہ آپ کے گیم بورڈ کے ٹکڑے اس کے آس پاس بدل جاتے ہیں۔
کمک سیکھنے میں اب بھی بڑے پیمانے پر تحقیقی منصوبوں اور اہم رہنماؤں کو محفوظ کرنا ہے۔ ریاضی کا تصور اور تکنیک 40 سال سے زیادہ عرصے سے چل رہی ہے ، لیکن تین رجحانات کی بدولت نسبتا recently حالیہ عرصہ تک تعی forن کے لئے یہ ممکن نہیں تھا:
- اعلی طاقت والے گرافکس پروسیسنگ یونٹوں (جی پی یو) کے ذریعہ کمپیوٹنگ طاقت کا پھیلاؤ۔
- کلاؤڈ کمپیوٹنگ اعلی کے آخر میں پروسیسر کی طاقت کو خود جی پی یو خریدنے کی لاگت کے حصول پر دستیاب بناتا ہے ، اور تیسرے فریق کو جی پی یو کو اپنے آر ایل ماڈل کو کئی گھنٹے ، دن یا ہفتوں تک نسبتا سودے بازیمنٹ قیمت پر تربیت دینے کی اجازت دیتا ہے۔
- ہندسوں کے الگورتھم یا ہوشیار ہورسٹکس میں بہتری۔ ایک RL الگورتھم میں کچھ اہم عددی اقدامات اب زیادہ تیز رفتار سے ملنے کے قابل ہیں۔ ان جادوئی عددی چالوں کے بغیر ، وہ آج کے سب سے طاقت ور کمپیوٹرز کے باوجود بھی اس قابل عمل نہیں ہوں گے۔
بڑا سوچ رہا ہے
ان سبھی کا مطلب ہے کہ کمک سیکھنے کی نئی طاقتیں جلد ہی برانڈ اور مارکیٹرز کو پیمانے پر دستیاب ہونے والی ہیں۔ تاہم ، اس کو قبول کرنے کے لئے ذہنیت میں تبدیلی کی ضرورت ہوگی۔ مارکیٹنگ کے منیجر کے لئے ، اس ٹیکنالوجی کا مطلب ہے پہیے سے ہاتھ لینے کی صلاحیت۔
ہر کاروبار کا ایک مقصد ہوتا ہے ، لیکن جب آپ خندق کی گہرائی میں ہوتے ہیں تو ، اس مقصد کی طرف اٹھائے جانے والے روزانہ اقدامات مبہم ہوجاتے ہیں۔ اب آر ایل ٹکنالوجی فیصلہ سازوں کو اپنا مقصد طے کرنے کی اجازت دے گی ، اور اسے زیادہ اعتماد ہوگا کہ سسٹم اس کی طرف اپنا بہترین راستہ تیار کرے گا۔
مثال کے طور پر ، اشتہار میں ، ان دنوں بہت سارے لوگوں کو یہ احساس ہوا ہے کہ کلک تھرو ریٹ (CTR) جیسے پیمائش محض حقیقی کاروباری نتائج کے لئے پراکسی ہیں ، صرف اس وجہ سے کہ وہ گنتی کے قابل ہیں۔ آر ایل سے چلنے والے مارکیٹنگ سسٹم اس طرح کے بیچوان میٹرکس اور ان سے وابستہ تمام بھاری لفٹنگ کو ڈی پر زور دیں گے ، جس سے مالکان مقاصد پر توجہ مرکوز کرسکیں گے۔
اس کے لئے کاروباری اداروں کو زیادہ سے زیادہ فعال اور طویل مدتی طریقے سے اپنے بڑے مسائل کے بارے میں سوچنے کی ضرورت ہوگی۔ جب ٹیک پختہ ہوجائے گا ، وہ اپنا مقصد حاصل کرلیں گے۔
گود لینے کا راستہ
کمک سیکھنے ابھی تک برانڈز کے ذریعہ بڑے پیمانے پر استعمال کے لئے تیار نہیں ہے۔ تاہم ، مارکیٹرز کو اس نئے تصور کو سمجھنے کے لئے وقت نکالنا چاہئے جو برانڈ سیکھنے کے کچھ ابتدائی وعدوں کو پورا کرنے کے ساتھ ، برانڈز کی مارکیٹنگ کے طریقے میں انقلاب لاسکے۔
جب بجلی آجائے گی ، تو یہ صارف کے انٹرفیس کے ساتھ مارکیٹنگ والے سافٹ ویئر میں آئے گی ، لیکن اس سافٹ ویئر کے ذریعہ مطلوبہ کاموں کو یکسر آسان بنایا جائے گا۔ عملے کے ل moving ، کم حرکت پذیر سوئچز اور ان پٹانگ نمبر ہوں گے ، نیز تجزیات کی رپورٹیں کم پڑھیں گے اور ان پر عمل کریں گے۔ ڈیش بورڈ کے پیچھے ، الگورتھم اس میں سے بیشتر کو سنبھالے گا۔
اس کا امکان نہیں ہے کہ آر ایل گیٹ سے بالکل ہی انسانی ذہانت سے مل سکے۔ اس کی ترقی کی رفتار کا انحصار مارکیٹرز کے تاثرات اور مشوروں پر ہوگا۔ ہمیں اس بات کو یقینی بنانا چاہئے کہ ہم کسی کمپیوٹر سے صحیح مسئلے کو حل کرنے کے لئے کہہ رہے ہیں ، اور جب ایسا نہیں ہوتا ہے تو اس کو سزا دینا ہے۔ ایسی آوازیں آتی ہیں کہ آپ اپنے بچے کو کیسے پڑھائیں گے ، نہیں؟