نمبرز اسٹیشن کاروباری صارفین کو اپنے ڈیٹا کے ساتھ چیٹ کرنے دیتا ہے۔

نمبر اسٹیشنایک سٹارٹ اپ جو اپنے ڈیٹا اینالیٹکس پلیٹ فارم کو طاقت دینے کے لیے بڑے لینگویج ماڈلز (LLMs) کا استعمال کر رہا ہے، آج اپنا پہلا کلاؤڈ بیسڈ پروڈکٹ لانچ کر رہا ہے: مناسب طور پر نام والے نمبرز سٹیشن کلاؤڈ، جو اب ابتدائی رسائی میں ہے۔ اس سروس کے ساتھ، کسی انٹرپرائز میں عملی طور پر کوئی بھی صارف نمبرز سٹیشن کے چیٹ انٹرفیس کا استعمال کرتے ہوئے اپنے اندرونی ڈیٹا کا تجزیہ کر سکتا ہے۔

اسی طرح کے کئی ٹولز قدرتی زبان کے سوالات کو SQL جیسی ڈیٹا بیس کی زبان میں ترجمہ کرنے پر توجہ مرکوز کرتے ہیں۔ تاہم، نمبرز سٹیشن ٹیم کا استدلال ہے کہ اس نقطہ نظر کی حدود ہیں، جزوی طور پر کیونکہ عام LLM کو اس بات کی سمجھ نہیں ہے کہ ایک دی گئی کمپنی کس طرح کام کرتی ہے، وہ اپنے ڈیٹا کو کس طرح تشکیل دیتی ہے اور کس طرح کمپنی کے اندر موجود لوگ مخصوص ڈیٹا اشیاء کا حوالہ دیتے ہیں۔

نمبرز اسٹیشن کے شریک بانی اور سی ای او کے طور پر کرس ایبرگر مجھے بتایا، وہ اس بارے میں بات کرتے ہوئے تھک گیا ہے کہ کس طرح سروس صارفین کو “اپنے ڈیٹا کے ساتھ چیٹ” کرنے کی اجازت دیتی ہے، کیونکہ اس کے ارد گرد بہت شور ہے۔ “لیکن کاروباری ایگزیکٹوز، غیر تکنیکی صارفین کی اعلیٰ سطح کی چیز، جن کے بارے میں وہ سوالات پوچھنا چاہتے ہیں، اور پھر ان کلاسک ڈھانچے والے ڈیٹا کے ذرائع پر جوابات حاصل کرنا، واقعی وہ جگہ ہے جہاں چیزیں آگے بڑھی ہیں،” اس نے مجھے بتایا۔ “ان فاؤنڈیشن ماڈلز کے ارد گرد بہت سارے ڈیٹا ماڈلنگ، ڈیٹا پلمبنگ اور ان کو کام کرنے کے لیے بڑے لینگویج ماڈلز موجود ہیں۔”

نمبرز اسٹیشن کے لیے، اس کا مطلب یہ ہے کہ انجینئرنگ کے بہت سارے وسائل اس کی تعمیر پر خرچ کیے جائیں جسے کمپنی اپنا سیمنٹک کیٹلاگ کہتی ہے۔ وہ کیٹلاگ بنیادی طور پر کمپنی کے میٹرکس اور تعریفوں کا خود بخود تیار کردہ ذریعہ ہے۔ وہ کیٹلاگ ہر کمپنی کے لیے مخصوص ہے (اور ان کے درمیان اشتراک نہیں کیا گیا)۔ ایبرجر نے کیٹلاگ کو “ایک حیوانیت والی چیز” کے طور پر بیان کیا جو، مثال کے طور پر، اس بات کو یقینی بناتا ہے کہ ماڈل کی ‘بار بار آنے والی آمدنی’ کی تعریف کمپنی کے اس اصطلاح کے استعمال کے ساتھ ہم آہنگ ہے۔

جب کہ نمبرز اسٹیشن کا پلیٹ فارم انتہائی مخصوص LLMs اور مشین لرننگ ماڈلز کے ایک سیٹ کے اوپر بیٹھا ہے، یہ کیٹلاگ ہے جو ہر چیز کو ایک ساتھ رکھتا ہے۔ نمبرز اسٹیشن کے شریک بانی اور چیف سائنسدان کے طور پر انیس چامی مجھے بتایا، ٹیم نے اصل میں پلیٹ فارم کے اس حصے کو بنانے کے چیلنج کو کم سمجھا تھا۔

“یہ کلاسیکی میں واپس جاتا ہے۔ [machine learning] اور کلاسیکی ڈیٹا انجینئرنگ: میں علم کی نمائندگی کیسے کر سکتا ہوں جسے ماڈل دراصل ان سوالات کے جوابات دینے کے لیے استعمال کر سکتا ہے،‘‘ اس نے مجھے بتایا۔ “کیونکہ ایسا کوئی طریقہ نہیں ہے کہ کوئی ماڈل ان تمام میٹرکس کو سمجھ سکے، وہ تمام چیزیں جن کے بارے میں کاروباری صارفین پوچھتے ہیں۔” یہاں تک کہ انسان بھی ہر سوال کو فوری طور پر نہیں سمجھ پاتے، آخر کار، اور ماڈل کو ان مبہم سوالات کو انتہائی ٹھوس سوالات میں تبدیل کرنا پڑتا ہے۔ نمبر سٹیشنز تحقیق ظاہر کرتا ہے کہ اس کے نقطہ نظر کے نتیجے میں زیادہ روایتی ٹیکسٹ ٹو ایس کیو ایل پائپ لائنوں کے مقابلے میں نمایاں طور پر بہتر درستگی ہوتی ہے۔

جب کہ کمپنی آج اس چیٹ سروس کو شروع کر رہی ہے، مجموعی نقطہ نظر نمایاں طور پر بڑا ہے۔

“ہم جو کچھ کر رہے ہیں، بنیادی طور پر، تجزیات کے لیے ایک AI پلیٹ فارم بنا رہا ہے،” ایبرگر نے کہا۔ “یہ ایپلی کیشنز میں سے ایک ہے۔ […]. ایک بڑا، وسیع تر کھیل ہے جس پر ہم اب بھی ایک کمپنی کے طور پر کام کر رہے ہیں، جو ڈیٹا کے مختلف مسائل کے ایک گروپ کے بعد جا رہی ہے جو یہاں سب سے اوپر ہے، جن کی مثالیں یہ ہیں: میں تیسرے فریق کے ڈیٹا سے اپنے ڈیٹا کو کیسے بہتر بنا سکتا ہوں ذرائع؟ میں ان میں سے کچھ مزید کلاسک الگورتھم کیسے کروں جیسے فجی میچنگ وغیرہ؟ تقریباً لاتعداد سپوکس ہیں جنہیں آپ اس پلیٹ فارم پر تیار کر سکتے ہیں۔

کمپنی پہلے ہی فارچیون 500 کے متعدد صارفین کو سائن اپ کر چکی ہے، بشمول عالمی رئیل اسٹیٹ سروسز فرم Jones Lang LaSalle کی پسند۔ Jones Lang LaSalle سے Work Dynamics Technology کے CEO، شرد رستوگی نے کہا، “نمبرز اسٹیشن سٹرکچرڈ ڈیٹا کے لیے انٹرپرائز AI کے جدید ترین کنارے پر ہے۔” “ہم نمبرز اسٹیشن کے قابل اعتماد اور دل چسپ پلیٹ فارم سے متاثر ہیں۔ یہ مسلسل سیکھتا ہے جیسا کہ ہم اسے استعمال کرتے ہیں، ہماری ڈیٹا ٹیموں کو مؤثر کاروباری نتائج حاصل کرنے کے لیے مفروضوں کو دریافت کرنے اور ان کی تصدیق کرنے کے قابل بناتا ہے۔