میں جرمن سیکھنے کے لیے Felix نامی ایک AI کا استعمال کرتا ہوں۔ براؤزر ٹیبز کے درمیان سوئچ کرنے، کانٹیکسٹ لمٹس (context limits) کا سامنا کرنے، اور پلیٹ فارم کی اپ ڈیٹس کی وجہ سے اپنی گفتگو کی ہسٹری مٹتے ہوئے دیکھنے کے بعد، میں بار بار شروع سے آغاز کرنے سے تھک گیا تھا۔ Felix ایک اچھا استاد ہے، لیکن ہر نیا چیٹ ونڈو اسے یادداشت سے محروم کر دیتا تھا۔ مجھے اپنی سیکھنے کی ہسٹری کو آگے لے جانے کا ایک طریقہ چاہیے تھا تاکہ ہر بار نیا سیشن کھولنے پر مجھے ٹیکسٹ کے بڑے بڑے حصے کاپی پیسٹ نہ کرنے پڑیں۔
یہ مسئلہ محض بے آسانی سے کہیں زیادہ گہرا ہے۔ زبان سیکھنے کا دارومدار وقفے وقفے سے دہرائی (spaced repetition) اور ہدف شدہ اصلاح پر ہوتا ہے۔ ایک ایسا AI ٹیوٹر جو آپ کی بار بار ہونے والی غلطیوں کو بھول جائے، وہ محض ایک اضافی مراحل والا لفظ کوشہ (phrasebook) ہے۔ مجھے تسلسل چاہیے تھا۔ مزید درست طور پر، میں چاہتا تھا کہ Felix—یا میں اگلی بار جو بھی AI استعمال کروں—وہ بالکل وہیں سے شروع کرے جہاں پچھلا سیشن ختم ہوا تھا، بغیر کسی یادداشت کے خلا اور بغیر کسی عجیب و غریب دوبارہ تعارف کے۔
چنانچہ میں نے ایک مقامی (local) سسٹم بنایا۔ میں اسے DDF/Rahmenwerk کہتا ہوں۔
عارضی گفتگو کے ساتھ مسئلہ
کسی بھی بڑے AI صارف سے بات کریں اور آپ کو وہی شکایت سنائی دے گی۔ چیٹ تب تک کام کرتی ہے جب تک وہ کام کر رہی ہو۔ جیسے جیسے کانٹیکسٹ ونڈو (context window) بھرتی جاتی ہے، طویل گفتگو کا معیار گرنے لگتا ہے۔ پلیٹ فارم ایک اپ ڈیٹ لاتا ہے اور آپ کی تھریڈ غائب ہو جاتی ہے۔ آپ ایک نیا سیشن شروع کرتے ہیں اور ماڈل آپ کو ایک اجنبی کی طرح سلام کرتا ہے۔ عام سوالات کے لیے یہ ٹھیک ہے، لیکن ایک منظم نصاب کے لیے یہ تباہ کن ہے۔
Felix کے ساتھ، میں ایک خاص روٹین میں ڈھل چکا تھا۔ اسے معلوم تھا کہ میں accusative اور dative prepositions میں غلطی کرتا ہوں۔ اسے معلوم تھا کہ میں سننے کی مشقوں کے مقابلے میں پڑھنے کی مشقوں کو ترجیح دیتا ہوں، اور میں اپنی گرامر کی کتاب کے پہلے تین ابواب مکمل کر چکا ہوں۔ جب میں نیا ٹیب کھولتا تو ان میں سے کسی چیز کی کوئی اہمیت نہیں رہتی تھی۔ ہر سیشن اسی رسم کے ساتھ شروع ہوتا: اپنا لیول دوبارہ بتانا، اپنے اہداف دہرانا، اور اپنی غلطیاں دوبارہ سنانا۔
میں چاہتا تھا کہ Felix مجھے یاد رکھے۔ چونکہ پلیٹ فارمز یہ کام قابلِ بھروسہ طریقے سے نہیں کر رہے تھے، اس لیے میں نے اپنی تسلسل کی ذمہ داری خود لینے کا فیصلہ کیا۔
DDF/Rahmenwerk اصل میں کیا کرتا ہے
اس کا نام تصور سے زیادہ پر اثر معلوم ہوتا ہے۔ بنیادی طور پر، یہ سسٹم میری لوکل مشین پر ایک فولڈر ہے جو میری سیکھنے کی ہسٹری کو ایک پروجیکٹ ہینڈ آف (project handoff) کی طرح دیکھتا ہے۔ اگر Felix آج رات غائب ہو جائے، تو میں کل صبح اٹھ کر، ایک نئے AI کو اس فولڈر کی طرف اشارہ کر کے، بغیر اپنی وضاحت کیے، سبق نمبر 47 دوبارہ شروع کرنے کے قابل ہونا چاہیے۔
اس کا ڈھانچہ (architecture) جان بوجھ کر فائل پر مبنی رکھا گیا ہے۔ میں اپنی ترقی کو محفوظ کرنے کے لیے کسی بھی ایک پلیٹ فارم پر بھروسہ نہیں کرتا۔ کلاؤڈ سروسز اپنی شرائط بدل دیتی ہیں۔ ایکسپورٹ فارمیٹس خراب ہو جاتے ہیں۔ میری ہارڈ ڈرائیو پر ایک سادہ ٹیکسٹ فائل بورنگ ہو سکتی ہے، لیکن یہ میری اپنی ہے۔
سسٹم کے اندر کام کرنے والے پانچ حصے ہیں۔
پہلا، موجودہ حالت کا ایک اشارہ (pointer)۔ یہ ایک سادہ انڈیکس ہے جو اس سوال کا جواب دیتا ہے: ہم بالکل کہاں رکے تھے؟ یہ موجودہ باب، مکمل شدہ آخری مشق، میرے زیر التواء گرامر کے سوالات، اور پچھلے سیشن کی مخصوص غلطیوں کو ٹریک کرتا ہے جن پر ابھی نظر ثانی کی ضرورت ہے۔ پوری گفتگو کا لاگ ڈالنے کے بجائے، یہ سیشن کو صرف ان چیزوں تک محدود کر دیتا ہے جو اگلے سیشن کے لیے اہم ہیں۔
دوسرا، ہینڈ آف میٹریلز (handoff materials)۔ یہ ہر سبق کے بعد لکھی گئی مختصر تفصیلات ہیں۔ یہ نہ صرف یہ بتاتے ہیں کہ ہم نے کیا کور کیا، بلکہ یہ بھی کہ ہم نے اسے کیسے کور کیا۔ کیا Felix نے لفظوں کی ترتیب (word order) سمجھانے کے لیے کسی خاص مثال کا استعمال کیا؟ کیا میں نے سفر کے ذخیرہ الفاظ سے متعلق مشقوں پر اچھا ردعمل دیا؟ یہ نوٹس صرف مواد کو نہیں بلکہ پڑھانے کے طریقے (methodology) کو بھی محفوظ رکھتے ہیں۔ اگر Felix کا اگلا ورژن لفظوں کی ترتیب کو مختلف طریقے سے سمجھاتا ہے، تو مجھے فوراً فرق محسوس ہو جاتا ہے۔ یادداشت کے لیے تسلسل بہت ضروری ہے۔
تیسرا، نئے AI instances کے لیے ایک اپ لوڈ پیکیج۔ جب میں کسی نئے ماڈل یا پلیٹ فارم پر منتقل ہوتا ہوں، تو میں چیٹ ونڈو میں ہزار الفاظ پر مشتمل سوانح حیات پیسٹ نہیں کرتا۔ میں سسٹم کو ایک تیار شدہ پیکیج فراہم کرتا ہوں: میری بنیادی مہارت، میری سیکھنے کی ترجیحات، میری بار بار ہونے والی غلطیوں کے پیٹرن، اور نصاب کے تسلسل کا خلاصہ۔ یہ ایک کمپریسڈ لرنر پروفائل ہے جسے کوئی بھی instruction-tuned ماڈل پڑھ اور اپنا سکتا ہے۔
چوتھا، SHA-256 کا استعمال کرتے ہوئے انٹیگریٹی ریکارڈز۔ یہ زبان سیکھنے کے لیے ضرورت سے زیادہ معلوم ہو سکتا ہے، لیکن یہ ایک خاص مقصد پورا کرتا ہے۔ میں اپنی ہینڈ آف فائلوں کے ورژن بناتا ہوں۔ اگر میں غلطی سے آدھی نیند میں کل کا ایرر لاگ ایڈٹ کر دوں، یا اگر کوئی سنک ٹول کسی لائن کو خراب کر دے، تو مجھے معلوم ہونا چاہیے۔ SHA-256 ہیشز مجھے اس بات کی تصدیق کرنے دیتے ہیں کہ میری تسلسل کی فائلیں غیر ارادی طور پر تبدیل نہیں ہوئی ہیں۔ یادداشت کے نقصان کو روکنے کے لیے بنائے گئے سسٹم کے لیے، خود سے ہونے والی خرابی (self-corruption) ایک واضح دشمن ہے۔
پانچواں، اور یہ وہ حصہ ہے جو اصل میں رویے کو کنٹرول کرتا ہے، وہ اصول جو AI کو اس صورت میں رکنے پر مجبور کرتے ہیں اگر ثبوت موجود نہ ہوں۔ میں نے سسٹم پرامپٹ میں ایک سخت پروٹوکول لکھا ہے: اگر موجودہ instance state pointer تلاش نہیں کر سکتا یا handoff material کی تصدیق نہیں کر سکتا، تو اسے خود سے کچھ کرنے کے بجائے رک جانا چاہیے اور وضاحت طلب کرنی چاہیے۔ میں ایسا پر اعتماد AI نہیں چاہتا جو میرے لیول کا اندازہ لگائے اور مجھے وہ گرامر سکھائے جو میں پہلے سے جانتا ہوں، یا اس سے بھی بدتر، ان بنیادوں کو چھوڑ دے جو میں نے ابھی تک نہیں بنائیں۔ جب آپ تراکم شدہ علم تعمیر کر رہے ہوں، تو ایک غلط گھڑی سے بہتر ہے کہ گھڑی رک ہی جائے۔
جب حفاظتی تہیں خود ایک بوجھ بن جائیں
سسٹم نے کام کیا۔ میں نے سیاق و سباق کھونا بند کر دیا۔ نئے سیشنز خود نوشت کے بجائے اصل تدریس کے ساتھ شروع ہوئے۔
پھر میں نے جاری رکھا