▁مر ی س ٹ س

ڈیٹا اینالیٹکس اور مشین لرننگ ٹیکنالوجی کے بہت سے شعبوں میں بہت مددگار ثابت ہوئے ہیں۔ اس کا اطلاق کمیونیکیشن فیلڈ پر بھی کیا گیا ہے، جہاں سرے سے آخر تک آمنے سامنے یا چہرے سے ماسک مواصلات تیزی سے ایک معمول بنتے جا رہے ہیں۔

ٹیکنالوجی پائپ لائن میں ہے اور انٹرایکٹو مواصلات کے لئے ایک بہت مؤثر ذریعہ بن سکتا ہے. جیسا کہ ہم سب جانتے ہیں، جب کوئی شخص آمنے سامنے بات کر رہا ہوتا ہے، تو عام طور پر روشنی کے اضطراب کی وجہ سے اس کی آنکھوں کو دیکھنا مشکل ہوتا ہے۔

▁ا. اور چہرے کی شناخت کی ٹیکنالوجی آج آن لائن کمیونیکیشن انڈسٹری میں سب سے زیادہ امید افزا رجحانات میں سے ایک ہے۔ یہ اشتہارات سے لے کر سوشل میڈیا تک کاروبار اور تنظیموں کے لیے پیغام رسانی کے نظام تک ہر قسم کی ایپلی کیشنز کے لیے ایک مستقل الہام کا ذریعہ ہے۔ تاہم، ٹیکنالوجی اب بھی دو لوگوں کے درمیان آمنے سامنے یا چہرے سے ماسک مواصلات میں استعمال کرنے کے لیے تیار نہیں ہے۔ †▁ت ب

اس کام میں A.I. پر مبنی نظام تیار کرنا شامل ہو گا جو حقیقی وقت میں چہروں کو پہچان سکے اور فیس ٹائم کا استعمال کرتے ہوئے اس کے فون/ٹیبلیٹ/لیپ ٹاپ پر کیمرے کے ذریعے کسی دوسرے شخص کو بھیج سکے۔ یہ ان کلائنٹس کے لیے بھی ممکن بنائے گا جن کے پاس کیمرہ تک رسائی نہیں ہے (یا کوئی ایسا شخص جو اپنا چہرہ نہیں دکھانا چاہتا ہے) اپنے ساتھیوں کو فیس کے ذریعے میسج کرنا

رابطے میں چہرے کی شناخت کے استعمال پر تحقیق ابھی ابتدائی مرحلے میں ہے۔

چہرے کے معنی کو سمجھنے کے معاملے میں انسان اور مشین میں مختلف فرق ہیں۔ چہروں کے طرز عمل کا تجزیہ مشین لرننگ تکنیکوں کے ذریعے کیا جا سکتا ہے، جو کہ لاکھوں سال پہلے اسی مقصد کے لیے استعمال ہونے والی ڈیٹا مائننگ تکنیکوں سے براہِ راست موازنہ نہیں کی جا سکتیں۔ یہ سیکشن ان لوگوں کو درپیش اہم چیلنجوں پر توجہ مرکوز کرے گا جو چہرے کے تاثرات اور طرز عمل کا تجزیہ کرنے کے لیے اس ٹیکنالوجی کو استعمال کرنے کا ارادہ رکھتے ہیں، نیز صارفین کے لیے ممکنہ ایپلی کیشنز، بشمول ڈویلپرز، ڈیزائنرز اور محققین۔

جدید ٹیکنالوجی کی ترقی کے ساتھ، اب ہم دو لوگوں کے درمیان بہت زیادہ غیر کہی ہوئی بات چیت کے ساتھ آرام سے رہ سکتے ہیں۔

مصنوعی ذہانت کے میدان میں ہونے والی پیش رفت کی وجہ سے، بہت سے لوگ پوچھ رہے ہیں کہ "میرے لیے اپنے ورچوئل اسسٹنٹ کے ساتھ مستقل بنیادوں پر آمنے سامنے بات کرنے کے قابل ہونے میں کیا لگے گا"۔

ان میں سے ایک حل جس پر غور کیا جا رہا ہے وہ ہے چہرے کی شناخت کو آمنے سامنے مواصلات کو بہتر بنانے کے طریقے کے طور پر۔ اسے پہلے ہی کچھ ایپلی کیشنز میں استعمال کیا جا چکا ہے لیکن اس ٹیکنالوجی کے لیے پہلی پیش رفت 2020 تک متوقع تھی۔

پہلی بار، ہمارے پاس کام کرنے والا چہرے کی شناخت کا ٹرمینل ہے جو نہ صرف لوگوں کو پہچاننے کے قابل ہے۔ †▁ زی کس ی

چہرے کی شناخت کی ٹیکنالوجی کس طرح کام کرتی ہے اور اسے چہرے کی شناخت کے کاموں کو خودکار کرنے کے لیے کیسے استعمال کیا جا سکتا ہے اس کا ایک جائزہ پیش کرتا ہے۔

چہرے کی شناخت کی ٹیکنالوجی چہروں کو تصاویر یا ویڈیوز میں کیپچر کر رہی ہے، اور انہیں بائیو میٹرک ڈیٹا پوائنٹس میں تبدیل کر رہی ہے۔ ایسا کرنے کے لیے مختلف ٹیکنالوجیز کا استعمال کیا جاتا ہے، لیکن اس عمل کو خود کار طریقے سے بنایا جا سکتا ہے۔

AI کی ترقی کے ساتھ چیزیں زیادہ پیچیدہ ہوتی جارہی ہیں۔ یہ فطری بات ہے کہ وقت گزرنے کے ساتھ ساتھ مشین لرننگ سسٹم زیادہ ہوشیار ہوتے جائیں گے۔

چہرے کی شناخت کے ٹرمینلز، یا FTRs، اب کافی عرصے سے موجود ہیں۔ وہ تصویروں میں چہروں کو پہچاننے کے لیے استعمال ہوتے ہیں۔ وہ اکثر خوردہ فروشوں یا دیگر کمپنیوں کے ذریعہ استعمال ہوتے ہیں جنہیں تصویروں میں لوگوں کی شناخت کرنے کی ضرورت ہوتی ہے اس سے پہلے کہ وہ ان سے کچھ خریدیں۔ یہ ایف ٹی آر عام طور پر تصاویر لیتے ہیں، ان سے چہروں کو پڑھتے ہیں اور پھر لوگوں کے چہروں کی درست نمائندگی کرنے کے لیے ان کی تصاویر کے ڈیٹا بیس سے ان کو ملانے کی کوشش کرتے ہیں اور خریداری یا دیگر کاموں کے لیے شناختی ٹیمپلیٹس بنانے کے لیے چہرے کی شناخت کے سافٹ ویئر کے ساتھ آتے ہیں۔ گاہکوں اور دکانوں کے درمیان۔

FTRs نے حال ہی میں کافی مقبولیت حاصل کی ہے کیونکہ وہ مختصر ویڈیوز سے بھی چہروں کو پہچان سکتے ہیں۔

روبوٹ ہماری ملازمتیں سنبھال رہے ہیں، اور کاغذ پر موجود تفصیلات کو آواز کی شناخت سے بدل رہے ہیں۔

سوال: کیا آپ تصویر سے روبوٹ کی شناخت کر پائیں گے؟

▁ا ہ: ▁نہیں ، ▁ i †▁! ▁ ڈ ی و

چہرے کی شناخت کے ٹرمینل کے میدان میں مشین لرننگ اور مصنوعی ذہانت کا استعمال۔

مشین لرننگ ایپلی کیشن کی ایک مثال NASA کی طرف سے تیار کردہ چہرے کا پتہ لگانے کا نظام ہے جو متعدد الگورتھم کا استعمال کرتے ہوئے تصاویر کو 3D جگہ میں پیش کر سکتا ہے۔

چہرے کی شناخت بہت سی ایپلی کیشنز کے لیے ایک اہم پہلو ہے لیکن موجودہ ٹیکنالوجی کے ساتھ اچھا نتیجہ حاصل کرنا مشکل ہو سکتا ہے۔ چہرے کی شناخت کے نظام کو پروسیس کرنے کے لیے بہت سارے ڈیٹا کی ضرورت ہوتی ہے اور یہ دوسرے شعبوں جیسے کہ امیج پروسیسنگ، امیج ریسٹوریشن اور کمپیوٹر ویژن میں تیار کیے گئے چہرے کی شناخت کے پروگراموں کے مقابلے میں اتنے درست نہیں ہیں۔ اس نقطہ نظر کی خرابی یہ ہے کہ نظام کو ان عوامل کے حوالے سے تربیت دینے کا کوئی طریقہ نہیں ہے جو اس کی درستگی کو متاثر کرتے ہیں جیسے کہ عمر، جنس وغیرہ۔ اس سے ڈویلپرز کے لیے مختلف طریقوں کو آزمانا مشکل ہو جاتا ہے جب تک کہ انہیں کوئی ایسی چیز نہ مل جائے جس سے اچھے نتائج برآمد ہوں۔

سے یہ مسئلہ حل ہو سکتا ہے۔