23 اکتوبر کو، iRTE2026 ریئل ٹائم انٹیلیجنس کانفرنس بیجنگ میں منعقد ہوئی۔ Shengwang کے بانی اور CEO Zhao Bin نے مرکزی فورم میں "AGI سے مکالمہ: ریئل ٹائم تعامل کا اگلا باب" کے عنوان سے تقریر کی، جس میں گزشتہ ایک سال میں ریئل ٹائم تعامل، مکالماتی AI اور بنیادی انفراسٹرکچر کی اہم تبدیلیوں کا جائزہ لیا گیا، اور "پانچ سطحی مکالماتی صلاحیت" کا فریم ورک پیش کیا گیا، جس میں مکالماتی AI کے بنیادی جواب سے گہری سمجھ اور تعلقاتی رابطے کی طرف ارتقائی راستے کی خاکہ کشی کی گئی۔
Zhao Bin کا خیال ہے کہ جیسے جیسے AI سوالات کے جواب دینے سے مستقل بات چیت، سیاق و سباق کو سمجھنے اور کام انجام دینے کی طرف بڑھ رہا ہے، ریئل ٹائم تعامل کا موضوع انسان سے انسان تک سے انسان سے Agent تک پھیل رہا ہے۔ ریئل ٹائم تعامل ٹیکنالوجی کا کردار بھی اس کے ساتھ بڑھ رہا ہے: اسے نہ صرف معلومات کی منتقلی کو زیادہ مستحکم اور ہموار بنانا ہے، بلکہ AI کی ادراک، سمجھ، اظہار اور عمل کے لیے ریئل ٹائم معاونت بھی فراہم کرنی ہے۔
"ایک سوال ایک جواب" سے گہرے تعلقاتی رابطے تک: مکالماتی AGI کا پانچ سطحی ارتقا
Zhao Bin کی رائے میں، مکالماتی AI کی ترقی کو صرف جواب کی رفتار اور زبان کی فطرت سے نہیں ماپا جانا چاہیے۔ اس سے زیادہ اہم یہ ہے کہ آیا یہ مکالمے کے فریق کے ارادے، صورتحال اور تعلق کو سمجھ سکتا ہے، پیچیدہ منظرناموں میں مناسب اظہار کر سکتا ہے، اور آہستہ آہستہ طویل مدتی، گہری سمجھ بنا سکتا ہے۔
اسی فیصلے کی بنیاد پر، Zhao Bin نے تقریر میں "پانچ سطحی مکالماتی صلاحیت" کا فریم ورک پیش کیا، جس میں مکالماتی صلاحیت کو پانچ سطحوں میں تقسیم کیا گیا:
L1، اپنے نقطہ نظر کی بنیاد پر اظہار: بنیادی طور پر خود اظہاری اور غیر فعال تسلسل، "ایک سوال، ایک جواب" کا احساس۔
L2: تعامل کے قواعد کی بنیاد پر اظہار: غیر فعال جواب سے فعال اظہار کی طرف، مکالمے کو زیادہ فطری اور مربوط بنانا۔
L3: انفرادی ادراک کی بنیاد پر رابطہ: فرد کی شناخت، ارادے اور صورتحال کو سمجھنا، فرد کے مطابق مختلف رابطہ۔
L4: گروہی ادراک کی بنیاد پر رابطہ: سماجی تعلقات اور کردار کے فرق کو سمجھنا، پیچیدہ کثیر افراد مکالمے کے منظرناموں کے مطابق ڈھلنا۔
L5: گہرے تعلق کی بنیاد پر رابطہ: طویل مدتی سیاق و سباق اور تعلقات کی تبدیلی کو سمجھنا، گہری سمجھ اور فکری ہم آہنگی تشکیل دینا، رابطے کو حال کو سمجھنے سے ایک انسان کو سمجھنے تک لے جانا۔
یہ پانچ سطحیں صرف مکالماتی ٹیکنالوجی کی بتدریج مضبوطی نہیں دکھاتیں، بلکہ AI اور انسان کے درمیان تعلق کی تبدیلی بھی دکھاتی ہیں: ایک دور کے سوال جواب مکمل کرنے سے، ایک انسان کو سمجھنے تک، اور پھر انسانوں کے درمیان تعلق کو سمجھنے تک، بالآخر وقت اور سیاق و سباق سے ماورا گہرا رابطہ تشکیل پاتا ہے۔
Zhao Bin نے نشاندہی کی کہ مکالماتی AI ابتدائی غیر فعال تسلسل کے تعامل سے زیادہ فعال، زیادہ فطری فل ڈوپلیکس مکالمے کی طرف بڑھ رہا ہے، اور انسان کی شخصیت، صورتحال، جذبات اور تعلقات کو سمجھنے کی کوشش شروع کر رہا ہے۔ مستقبل کی طرف، AI کو پیچیدہ سماجی منظرناموں میں کردار کی تقسیم اور رابطے کے نظام کو عبور کرنا ہوگا، اور فرد کے طویل مدتی جمع شدہ سیاق و سباق کو مزید سمجھنا ہوگا۔ یہ بھی مکالماتی AGI کی اہم ترقی کی سمت ہے: AI نہ صرف ایک جملہ سن سکے، بلکہ مکمل سیاق و سباق کے ساتھ ایک انسان کے حقیقی ارادے کو سمجھ سکے، اور مناسب جواب دے سکے۔
Real-Time AI Infra: مکالماتی AGI کی معاونت کرنے والا کلیدی انفراسٹرکچر
مکالماتی صلاحیت کا مسلسل ارتقا بنیادی ٹیکنالوجی پر بھی اعلیٰ تقاضے رکھتا ہے۔ Zhao Bin نے تقریر میں ذکر کیا کہ گزشتہ ایک سال میں، OpenAI جیسی کمپنیوں کی WebRTC ٹیکنالوجی کو گہرائی سے اپنانے نے ریئل ٹائم تعامل ٹیکنالوجی کو مکالماتی AI کے شعبے میں زیادہ وسیع توجہ اور اطلاق حاصل کرنے میں مدد کی۔ جیسے جیسے AI یک طرفہ سوال جواب سے مستقل تعامل کی طرف بڑھ رہا ہے، ریئل ٹائم تعامل انفراسٹرکچر ماڈل، ایجنٹ رن ٹائم فریم ورک اور صارف کے درمیان رابطے کا اہم تکنیکی ستون بن رہا ہے۔
روایتی AI ایپلیکیشنز کے مقابلے میں، مکالماتی منظرناموں میں تاخیر، استحکام اور دو طرفہ تعامل پر زیادہ سخت تقاضے ہیں۔ AI کو ایک طرف صارف کا ان پٹ وصول کرنا ہوتا ہے، دوسری طرف سیاق و سباق کو سمجھنا، جواب ترتیب دینا، ضرورت پڑنے پر کسی بھی وقت مداخلت کا سامنا کرنا، اور مسلسل ٹولز کو کال کرنا اور کام آگے بڑھانا ہوتا ہے۔ کسی بھی مرحلے میں نمایاں تاخیر مکالمے کی فطرت کو خراب کر سکتی ہے، یہاں تک کہ کام کی تکمیل کو بھی متاثر کر سکتی ہے۔
ان تقاضوں کی معاونت کے لیے، Zhao Bin نے ریئل ٹائم انٹیلیجنٹ تعامل کے لیے انفراسٹرکچر کی سمت متعارف کرائی: عالمی ریئل ٹائم ٹرانسمیشن نیٹ ورک، تقسیم شدہ کلاؤڈ-ایج-ڈیوائس مشترکہ انفرنس، ریئل ٹائم آرکیسٹریشن اور فل ڈوپلیکس تعامل کی صلاحیتوں کے ذریعے، ماڈل اور Agent کو حقیقی منظرناموں میں مسلسل تعاون کرنے کے قابل بنانا۔ Shengwang مکالماتی AI انجن بھی فل ڈوپلیکس تعامل کو مرکز بنا کر، ماڈل، Agent رن ٹائم فریم ورک اور صارف کو جوڑتا ہے، اور مستحکم، ہم وقت ساز ریئل ٹائم مکالمے کے تجربے کی معاونت کرتا ہے۔
اسی وقت، Shengwang ڈویلپرز کے لیے مکالماتی AI ڈویلپمنٹ ٹولز اور ڈویلپمنٹ کٹس کو مسلسل بہتر بنا رہا ہے، SDK، Skills، CLI ٹولز اور Recipes وغیرہ کی صلاحیتوں کو ملا کر، ڈویلپرز کو مکمل منطق اور عمل کی صلاحیتوں والے Agent زیادہ مؤثر طریقے سے بنانے میں مدد کر رہا ہے۔
کسٹمر سروس، تعلیم سے لے کر AI ساتھی اور سمارٹ ویئر تک، Zhao Bin کا خیال ہے کہ مکالماتی AI مزید حقیقی منظرناموں میں داخل ہو رہا ہے۔ AI واقعی قدر پیدا کر سکتا ہے یا نہیں، یہ صرف اس بات پر منحصر نہیں کہ ماڈل "بول" سکتا ہے یا نہیں، بلکہ اس بات پر بھی منحصر ہے کہ آیا یہ ضروریات کو سمجھ سکتا ہے، فطری طور پر رابطہ کر سکتا ہے، اور مسلسل کام مکمل کر سکتا ہے۔ ریئل ٹائم تعامل ٹیکنالوجی اس عمل میں زیادہ سے زیادہ اہم کردار ادا کرے گی۔
اس کے بعد، NVIDIA کے چیف آرکیٹیکٹ اور AOMedia ویڈیو کوڈیک ورکنگ گروپ کے شریک چیئرمین Andrey Norkin نے AV2 ویڈیو کوڈیک ٹیکنالوجی کے بارے میں تقریر کی۔
گول میز گفتگو: ذاتی ایجنٹ، کیا یہ اگلی نسل کا ذاتی داخلہ بنے گا؟
Shengwang کے شریک بانی Tony Wang کی میزبانی میں پہلی گول میز میں، انٹرایکٹو میڈیا پروڈکٹ مینیجر اور ٹیک بلاگر Eugene Wei، ٹیک سیلف میڈیا شخصیت اور پوڈکاسٹ "لوان فان شو" کے میزبان Pan Luan، اور AIoT ہارڈویئر انٹرپرینیور اور ایج AI سیلف میڈیا میزبان Hua Jianxin نے "ذاتی ایجنٹ: نئے ٹول سے نئے داخلے تک؟" کے موضوع پر بحث کی۔
موبائل فون، چشمے، ائیر فون سے لے کر مزید پہننے کے آلات تک، ذاتی ایجنٹ صنعت میں اگلی نسل کے انسانی-کمپیوٹر تعامل کے داخلے کے بارے میں دوبارہ سوچ پیدا کر رہا ہے۔ Pan Luan کا خیال ہے کہ ذاتی ایجنٹ ایک نمونہ تبدیلی لا سکتا ہے: AI مصنوعات کی قدر صارف کی توجہ حاصل کرنے سے، صارف کو زیادہ مؤثر طریقے سے کام مکمل کرنے میں مدد کرنے کی طرف منتقل ہو رہی ہے۔ مستقبل کے ذاتی ایجنٹ کو نہ صرف واضح ہدایات کا جواب دینا چاہیے، بلکہ فعال طور پر کام بھی سنبھالنا چاہیے، صارف کو ان معاملات میں مدد کرنا چاہیے جن کا مقصد واضح ہے لیکن جن پر بہت زیادہ وقت لگانا ضروری نہیں۔
اگلی نسل کے ذاتی ہارڈویئر کے بارے میں، Hua Jianxin نے تجویز پیش کی کہ مستقبل کا داخلہ کسی ایک آلے کی اجارہ داری نہیں ہو سکتا، چشمے، ائیر فون اور دیگر ہارڈویئر جو ماحول کو محسوس کر سکیں اور کام انجام دے سکیں، سب کے مواقع ہیں۔ ان کا خیال ہے کہ ذاتی ایجنٹ کو نہ صرف صارف کو سمجھنا ہوگا، بلکہ جسمانی آلات کے ذریعے حقیقی دنیا کو مسلسل محسوس کرنا اور عمل کرنا ہوگا، جو مختلف شکلوں کے ہارڈویئر کے لیے نئی ترقی کی گنجائش لاتا ہے۔
Eugene Wei نے بحث کو "سیاق و سباق" کی قدر کی طرف موڑا: ذاتی ایجنٹ واقعی صارف کی دلچسپیوں، مواصلاتی ریکارڈ اور سماجی تعلقات کو سمجھ سکتا ہے یا نہیں، یہ اس بات پر اثر انداز ہوگا کہ آیا یہ قیمتی ذاتی داخلہ بن سکتا ہے۔ نئے داخلے کے قیام کا اندازہ لگانے میں، انہوں نے یہ بھی تجویز پیش کی کہ صارف روزانہ Agent کے ساتھ تعامل کی صورتحال پر توجہ دے سکتا ہے، اور یہ کہ صارف زیادہ Agent کے پاس جاتا ہے یا Agent زیادہ صارف کے پاس آتا ہے۔ گول میز نے اس سے ذاتی ایجنٹ کی مصنوعات کی قدر، ہارڈویئر کی شکل اور مستقبل کے پیمانے کے معیارات پر مزید بحث کی۔
گول میز گفتگو: "بات چیت کر سکنے" سے "کام کر سکنے" تک، مکالماتی AI حقیقی قدر کیسے پیدا کر سکتا ہے؟
Shengwang کے چیف کمرشل آفیسر Cui Bo کی میزبانی میں دوسری گول میز میں، Xiyue Intelligence کے بانی Chen Wei، Guanke Technology کے بانی Geng Xianglei، Rokid کے شریک بانی اور ایکو سسٹم سربراہ Cai Guoxiang، اور Titan Qiming کے CEO Wu Kan نے ایمبوڈیڈ انٹیلیجنس، سمارٹ ویئر، انٹرپرائز مارکیٹنگ اور AI بھرتی وغیرہ مختلف منظرناموں سے، مکالماتی AI پر بحث کی: اگلی نسل کے انسان اور Agent تعامل کو آگے بڑھانا۔
Chen Wei کا خیال ہے کہ ایمبوڈیڈ انٹیلیجنس کی کلید انسان کے ارادے کو واقعی روبوٹ کے عمل میں تبدیل کرنا ہے۔ روبوٹ کو نہ صرف صوتی ہدایات کو سمجھنا ہوگا، بلکہ بصارت، صوتی اور اپنی حالت وغیرہ کثیر الاشکال معلومات کو ملا کر، جسمانی ماحول کا ادراک، منصوبہ بندی اور فیصلہ مکمل کرنا ہوگا، اور عمل کے بعد ماحول کی تبدیلی کے مطابق کام کی انجام دہی کو مسلسل ایڈجسٹ کرنا ہوگا۔ پہلے سے مقرر مظاہرے کے کام مکمل کرنے کے مقابلے میں، روبوٹ کے لیے زیادہ اہم یہ ہے کہ کھلے ماحول میں انسان کی حقیقی ضروریات کو مسلسل سمجھے، اور عمل کو ہمیشہ انسان کے ارادے کے مطابق رکھے۔ Xiyue Intelligence Duplex Reasoning کی نئی نمونہ ایمبوڈیڈ بنیادی ماڈل تیار کر رہا ہے، جس کا مقصد روبوٹ کے تعامل اور عمل کو یکجا کرنا ہے۔
Cai Guoxiang نے AI چشموں کی مشق سے، اس بات پر زور دیا کہ مکالماتی تجربہ AI پہننے کے آلات کی بنیادی مسابقتی طاقت ہے۔ انہوں نے کہا کہ چاہے ہارڈویئر اور پیچھے کی AI صلاحیتیں کتنی ہی طاقتور ہوں، اگر مکالمہ فطری نہ ہو، تو صارف کا تجربہ براہ راست متاثر ہوگا۔ مستقبل میں، AI پہننے کے آلات کو کم تاخیر، مستحکم ریئل ٹائم تعامل، اور معنی اور طویل مدتی سیاق و سباق کی سمجھ کے ذریعے، صارف کو آہستہ آہستہ یہ محسوس نہ ہونے دینا ہوگا کہ وہ AI سے بات کر رہا ہے۔ انہوں نے Rokid AI اسسٹنٹ کے Shengwang RTC لنک سروس استعمال کرنے کی مشق بھی شیئر کی، اور امید ظاہر کی کہ AI چشمے AI دور میں اہم ذاتی داخلہ بنیں گے۔
انٹرپرائز ایپلیکیشن منظرناموں میں، Geng Xianglei نے نشاندہی کی کہ AI صوتی سیٹ کو قابل اعتماد کاروباری ترسیل کے لیے، تاخیر، مداخلت کے وقت اور انسانیت پسندی وغیرہ کے مسائل حل کرنے ہوں گے، جن میں تاخیر براہ راست کام کے نتیجے کو متاثر کر سکتی ہے۔ To B مارکیٹنگ کے لیے، AI کو صنعتی علم کے نظام اور انسانی تعاون کے ساتھ مل کر، کاروباری نتائج کو بہتر طریقے سے یقینی بنانا ہوگا۔ Wu Kan نے AI بھرتی کی مشق کے ساتھ کہا کہ مکالماتی AI بھرتی کے کاروبار کو بڑے پیمانے پر امیدواروں تک پہنچنے، سروس کی کارکردگی بڑھانے میں مدد کر سکتا ہے، نہ کہ محض انسانی محنت کی جگہ لینا۔ کاروباری بند حلقہ بنانے کے لیے، صنعتی ڈیٹا جمع کرنا ہوگا، امیدوار کو مرکز بنا کر کاروبار کو ترتیب دینا ہوگا، Agent کے لیے طویل مدتی یادداشت قائم کرنے میں مدد کرنی ہوگی، اور انٹرویو، شمولیت وغیرہ کے حقیقی کاروباری واقعات کے گرد، AI کی مسلسل تشخیص اور سروس کے معیار کی اصلاح میں مدد کرنی ہوگی۔
چار مہمانوں کی شیئرنگ سے دیکھا جا سکتا ہے کہ مختلف صنعتوں کی مکالماتی AI کے لیے ضروریات اگرچہ مختلف ہیں، لیکن سب ایک ہی سمت کی طرف اشارہ کرتی ہیں: AI کو نہ صرف بات چیت کرنی چاہیے، بلکہ حقیقی منظرناموں کو سمجھنا، موجودہ کاروباری عمل میں ضم ہونا، اور قابل اعتماد طریقے سے کام مکمل کرنا چاہیے۔ جیسے جیسے ریئل ٹائم تعامل، کثیر الاشکال ادراک اور Agent کی عمل کی صلاحیت مسلسل ترقی کر رہی ہے، مکالماتی AI تعامل کے ٹول سے آگے بڑھ کر ڈیجیٹل دنیا اور جسمانی دنیا کو جوڑنے، کاروباری عمل کو آگے بڑھانے کی اہم قوت بننے کی امید ہے۔
ریئل ٹائم تعامل سے ریئل ٹائم انٹیلیجنس کی طرف، مکالماتی AGI کا اگلا باب کھولنا
Zhao Bin کے پیش کردہ پانچ سطحی مکالماتی صلاحیت فریم ورک سے لے کر، دو گول میزوں میں ذاتی ایجنٹ اور حقیقی کاروباری اطلاق پر بحث تک، iRTE2026 مرکزی فورم ایک واضح صنعتی رجحان پیش کرتا ہے: مکالماتی AI کا مقابلہ بنیادی ماڈل کی صلاحیت سے، سیاق و سباق کی سمجھ، ریئل ٹائم تعامل، پیچیدہ تعلقاتی ادراک اور کام کی انجام دہی تک پھیل رہا ہے۔
جب AI غیر فعال جواب تک محدود نہ رہے، بلکہ انسان کو مسلسل سمجھ سکے، فعال طور پر بات چیت میں حصہ لے، اور حقیقی منظرناموں میں کام مکمل کرے، تو ریئل ٹائم تعامل ٹیکنالوجی بھی گہرا مشن ادا کرے گی۔
مکالماتی AGI کے اگلے مرحلے کی طرف، Shengwang ڈویلپرز اور صنعتی شراکت داروں کے ساتھ مل کر ریئل ٹائم تعامل اور جنریٹو AI کے انضمام کو تلاش کرتا رہے گا، اور انسان سے انسان، انسان سے Agent کے درمیان زیادہ فطری، زیادہ مؤثر ریئل ٹائم تعامل کے تجربے کو آگے بڑھائے گا۔
