نمبریکل کمپیوٹیشن پلیٹ فارم پر اے آئی بھی کیا جا سکتا ہے، اور یہ میٹ ل্যাব، جو اب افراد کے لیے دستیاب ہے۔
https://jp.mathworks.com/pricing-licensing.html?intendeduse=home&prodcode=ML&fbclid=IwAR0zonp3Hw92OG7K7gv_xNsfmUuq993uUwimw8D2P2FoUafKSbjT08mQ5fI
مجھے اس بات کا اندازہ نہیں تھا کہ یہ اتنی کم قیمت میں دستیاب ہے۔ اگر میں جلد جان جاتا تو... مجھے نہیں معلوم کہ "ہوم ایڈیشن" کب سے موجود ہے۔ پہلے، یہ صرف دسیوں ہزار کی قیمت پر دستیاب تھا، اس لیے افراد مفت "آر" کا استعمال کرتے تھے۔ لیکن اگر یہ سافٹ ویئر 16 ہزار کے قریب میں دستیاب ہے، تو ہر کوئی اسے منتخب کرے گا۔ یہ ایک بہترین سافٹ ویئر ہے۔ اگر آپ گہری سطح پر کام کرنا چاہتے ہیں، تو یہ شعبہ کافی مشکل ہے۔ تاہم، ایسا لگتا ہے کہ یہ 30 دنوں کے لیے مفت میں دستیاب ہے، لہذا میں اس کا استعمال کرکے اس کی کارکردگی کا دوبارہ جائزہ لوں گا، شاید کسی سادہ موضوع پر، جیسے کہ اسٹاک کی قیمت کا تجزیہ۔

■ فٹنگ
میں نے جو پرانا سیکھنے کا نمونہ بنایا تھا، وہ بغیر کسی تبدیلی کے چل گیا۔ یہ بہت اچھا ہے۔ میں زیادہ نہیں یاد رکھتا، اس لیے مجھے دوبارہ سیکھنا پڑے گا۔ مجھے لگتا ہے کہ یہ فنکشن "فٹنگ" ہے، جو کہ نائس والے دورانیہ فنکشن کے لیے "استقرا" کی کارروائی کرتا ہے اور اس کا گراف دکھاتا ہے۔ یہ نقطہ اصل ڈیٹا ہے، اور хвиج استقرا کے ذریعے تیار کردہ گراف ہے۔ ہم جواب جاننے والے مسائل پر فٹنگ کرکے طریقہ کار کی درستگی کی تصدیق کرتے ہیں۔

■ آبادیاتی معلومات
یہ ایک نمونہ ہے جو میں نے پہلے سیکھنے کے لیے بنایا تھا۔ یہ آبادیاتی معلومات سے مستقبل کے بارے میں کچھ اندازے لگاتا ہے اور انہیں گراف کے ذریعے ظاہر کرتا ہے۔

■ اسٹاک کی قیمت کا تقریب
میں انٹرنیٹ پر موجود اسٹاک کی قیمت کے چھ مہینے کے ڈیٹا کو ایک سادہ گراف کے ذریعے تقریب اور پیش گوئی کرنے کی کوشش کی، لیکن یہ واضح ہے کہ جو کام میں نے صرف ایک گھنٹے میں کیا، وہ بالکل بھی قابل استعمال نہیں ہے۔ مجھے لگتا ہے کہ مجھے مزید سنجیدگی سے مطالعہ کرنے کی ضرورت ہے۔ اگر کوئی اچھا "نظریہ" مل جائے تو اچھا ہوگا۔ یہ چیز کھیلنا تو ٹھیک ہے، لیکن اگر یہ کچھ کام میں آئے تو یہ مزید دلچسپ ہوگا۔
نیلی ڈاٹ: اصل اسٹاک کی قیمت۔
لال لائن: تقریب کردہ گراف۔
ڈیٹا: 6754 انریٹس (شرکت)

میں نے اب کچھ گھنٹے اس سے کھیلا اور اس کے ساتھ تجربہ کیا۔
■ نیلا نقطہ: اصل ماضی کے اسٹاک کی قیمتیں۔
■ سرخ لائن: ماضی کی اسٹاک کی قیمتوں کا تقریبی گراف (بائیں جانب) اور مستقبل کے تخمینے کا گراف (دائیں جانب)۔ یہ فرض کیا گیا ہے کہ صرف نیلے نقطوں کے ڈیٹا کا استعمال کرتے ہوئے مستقبل کی پیش گوئی کی جائے۔
■ پیلا: مستقبل کی اسٹاک کی قیمت کا جواب۔
اگر مستقبل کا سرخ گراف پیلے دائرے سے مطابقت رکھتا ہے، تو اس کا مطلب ہے کہ تخمینہ درست ہے۔ تاہم، یہ توقع نہیں کی جا سکتی کہ یہ فوراً بالکل مطابق ہو گا۔ چونکہ اصل ڈیٹا میں ریاضیاتی طور پر غیر معمولی (استثنائی) حرکتیں ہیں، اس لیے تقریبی گراف میں بھی غیر معمولی چیزیں ظاہر ہوتی ہیں جو خلل پیدا کرتی ہیں۔
اگر اسٹاک کی قیمتوں کا اتنا آسانی سے تخمینہ لگایا جا سکتا تو یہ بہت حیرت انگیز ہوتا۔ یہ شعبہ مشکل ہے، لیکن اگر یہ صرف تفریح ​​کے لیے ہے، تو یہ موضوع مشکل اور دلچسپ ہے۔ شاید، اگر کوئی ایسا کام نکل جائے جو استعمال کیا جا سکے (جو کہ بہت کم ہوتا ہے)، تو وہ بھی استعمال کیا جا سکتا ہے۔
بہرحال، یہ آج کے بعد ظہر کے اوقات میں تفریح ​​اور سیکھنے کے لیے ایک اچھا موضوع ہے۔
ڈیٹا: 6754 انریٹس (شرکت)

حصے کے تجزیے کے لیے استعمال ہونے والے گراف اب بتدریج ظاہر ہو رہے ہیں۔
■ دائیں جانب کا جامنی گراف: متوقع حصص کی قیمت
■ دائیں جانب کی پیلی گیند: اصل مستقبل کی حصص کی قیمت
یہ تھوڑا سا ایک جیسے لگتے ہیں۔ پیرامیٹرز کے لحاظ سے، یہ ٹھیک ہو سکتا ہے یا غلط ہو سکتا ہے، اور اس میں درستگی میں فرق ہے، لیکن یہ شام کے مقابلے میں بہت بہتر ہے۔ اگر اس طرح کی کم کوشش سے یہ درستگی حاصل ہو رہی ہے، تو یہ کافی اچھا ہے।
میں نے کافی عرصے سے ریاضی کا استعمال نہیں کیا ہے، اس لیے میں اسے بھول گیا تھا، لیکن تجربہ اور آزمائش کے ذریعے، میں اسے آہستہ آہستہ یاد کر رہا ہوں۔ بہرحال، یہ نتیجہ "گوسیان پراسیس ریگرشن" نامی ایک فارمولا سے نکالا گیا ہے، اور میں ابھی تک اسے نہیں سمجھا ہوں۔ یہ میں کی وجہ سے نہیں ہے، بلکہ MatLab کی مکمل دستاویزات بہت عمدہ ہیں۔ ویسے بھی، اگر آپ اسے نہیں سمجھتے ہیں، تو بھی نتائج مل جاتے ہیں، لیکن اس کا اطلاق کرنے کے لیے، مجھے مزید ریاضی کی تعلیم حاصل کرنے کی ضرورت ہے۔
اگر یہ ٹھیک چلتا ہے، تو میں شاید شوقیہ طور پر حصص کی قیمتوں کی پیش گوئی والی ویب سائٹ بناؤں گا۔ (حسین)

یہ تو معلوم نہیں کہ میں سنجیدگی سے یہ کروں گا یا نہیں، لیکن میں نے گوگل کو جلد سے پہچانے کے لیے ایک اسٹاک تجزیہ سائٹ کا صرف ہوم پیج بنایا ہے۔ اس قسم کی چیزیں مہینوں یا سالوں کا کام ہوتی ہیں، لہذا بہتر ہے کہ سائٹ بنا لی جائے۔ حیرت انگیز طور پر، کافی مختصر ڈومین نام دستیاب تھے اور مجھے وہ مل گئے۔
AI اسٹاک پیشن گوئیاں - https://kabu2u.com
https://kabu2u.com

■ AI کا LSTM (لانگ شٹ ٹرم میموری نیٹ ورک)
میں نے LSTM آزمایا۔
MatLab بہت شاندار ہے۔ (میں ابھی بھی ریاضی کے مواد کو نہیں سمجھ پایا ہوں) اس طرح کی چیزیں آسانی سے بنائی جا سکتی ہیں۔ (میں نے Python میں کوشش نہیں کی ہے، اس لیے موازنہ نہیں کر سکتا)
میں ابھی یوگا سے واپس آیا ہوں، اور میں سوچ رہا تھا کہ سونے سے پہلے 30 منٹ میں جلدی سے تحقیق کروں اور تجربہ کروں، لیکن MatLab جو آسانی سے بنا دیا جا سکتا ہے، یہ بہت ہی شاندار ہے۔
یہ LSTM، گہرے سیکھنے (ڈیپ لرننگ) کے لیے استعمال ہوتا ہے۔ یہ وہی چیز ہے جسے عام طور پر AI کہا جاتا ہے، لیکن یہ کارٹون میں موجود ایٹم جیسے حیرت انگیز AI نہیں ہے، بلکہ اس کی اصل چیز یہ ہے کہ یہ مشین لرننگ ہے۔
کوڈ کو براہ راست نمونے سے لیا گیا ہے، لیکن جب آپ اسے کئی بار چلاتے ہیں، تو ہر بار سیکھنے کے نتائج مختلف ہوتے ہیں، اور کبھی ایسا AI بنتا ہے جو ذہین ہوتا ہے اور کبھی ایسا ہوتا ہے جو کمزور ہوتا ہے۔ اس منسلک تصویر میں، یہ بچہ نسبتاً اچھا نتیجہ دے رہا ہے۔ پس منظر میں وہ سکرین ہے جو سیکھنے کے دوران ظاہر ہوتی ہے، اور سامنے والا گراف "Forecast" ہے جو پیشن گوئی ہے۔ یہ اصل گراف سے بہت ملتا جلتا ہے اور بہت شاندار ہے۔ البتہ، کبھی کبھار ایسا بھی ہوتا ہے کہ کوئی کمزور نتیجہ نکلتا ہے، اور یہ گہرے سیکھنے (ڈیپ لرننگ) کا ایک اچھا اور ایک برا پہلو بھی ہے۔ جب کوئی اچھا نتیجہ نکلتا ہے، تو یہ بہت حیرت انگیز ہوتا ہے۔ میں امید کرتا ہوں کہ کل سے میں اندر کیا کر رہا ہوں، اس کے بارے میں تفصیل سے دیکھوں گا۔

پہلے آدھے حصے کے ڈیٹا سے، ہم دوسرے آدھے حصے کا اندازہ لگانے کی کوشش کرتے ہیں۔ یقیناً، آخر میں غلطی بہت زیادہ ہے، لیکن جہاں دو حصے ملتے ہیں، وہاں بہت زیادہ درستگی ہے۔ اے آئی بہت شاندار ہے۔ میرا خیال ہے کہ انسان اس میں نہیں جیت سکتے۔

پچھلے دنوں، میں صرف ایک ڈیٹا (صرف اختتامی قیمت) کے ساتھ تربیت کر رہا تھا، اس لیے میں نے اختتامی قیمت کے علاوہ، ابتدائی قیمت، سب سے زیادہ قیمت، کم سے کم قیمت، اختتامی قیمت، اور ٹریڈنگ حجم کے مجموعے کے ساتھ ڈیپ لرننگ کی کوشش کی، لیکن زیادہ فرق نہیں پڑا... بلکہ، یہ بھی ممکن ہے کہ میں کہیں غلط کر رہا ہوں۔ میں اسے مکمل طور پر نہیں سمجھتا۔ اگرچہ میں ڈیپ لرننگ کے بنیادی نظریات کو سمجھ سکتا ہوں، لیکن اس طرح کے پیچیدہ الگورتھم جیسے کہ LSTM (لانگ شورٹی ٹرم میموری نیٹ ورک) کو سمجھنے کی کوشش کرتے ہوئے، میرے ذہن میں گہماگہمی سی محسوس ہوتی ہے۔
میں نے سنا ہے کہ ڈیپ لرننگ کو تربیت دینے کے لیے بہت زیادہ CPU پاور کی ضرورت ہوتی ہے، اس لیے شاید مجھے کسی قسم کا ہارڈ ویئر چپ خریدنا پڑے گا۔ فی الحال، میں ایک لیپ ٹاپ استعمال کر رہا ہوں، اس لیے میں USB کے ذریعے دستیاب چپوں کو تلاش کروں گا... کیونکہ میں گرافکس کارڈ نہیں لگا سکتا۔

ہو ہو۔ میرے "جعلی" اے آئی نے بتایا ہے کہ 1332 این کے حصص کی قیمت حال ہی میں 812 سے تھوڑی سی حرکت کے بعد مستحکم ہے۔ دائیں جانب موجود سرخ لائن والا حصہ۔ دو ہفتوں کے بعد متوقع قیمت 822 ہے، جو صرف 1 فیصد اضافہ ہے۔ اس کا مطلب ہے کہ یہ خریدنے کا موقع نہیں ہے۔ اگر آپ کے پاس یہ حصص ہیں، تو انہیں بیچ کر نقد رقم میں تبدیل کرنا بہتر ہوگا۔ (براہ کرم اس پر یقین نہ کریں۔ یہ محض مذاق ہے۔ میں اسے تفریح کے طور پر کر رہا ہوں۔ یہ ایک نیا، پیارا بچہ اے آئی ہے جو ابھی پیدا ہوا ہے۔ اگر کوئی اس پر یقین کر کے خریدتا ہے تو مجھے پریشانی ہوگی اور میں اس کی ذمہ داری نہیں لے سکتا۔)

گزشتہ رات سے، ٹوکیو اسٹاک ایکسچینج کے تمام حصص کا تجزیہ کیا جا رہا ہے۔ پچھلے 360 دنوں (زیادہ سے زیادہ) کے تجزیے میں، ہر ایک حصص کے لیے تقریباً 1 منٹ لگ رہا ہے۔ میک کے لیپ ٹاپ پر، جو کہ انٹیل کور i7 استعمال کرتا ہے، اب تک تقریباً 1200 حصص کا تجزیہ مکمل ہو چکا ہے، جبکہ ابھی 2400 حصص باقی ہیں۔ تجزیے سے پتہ چلتا ہے کہ تقریباً 10 حصوں میں 10 فیصد تک اضافہ کی توقع کی جا سکتی ہے۔ اس کا مطلب ہے کہ تقریباً 100 حصوں میں سے ایک حصہ میں اضافہ ہو سکتا ہے۔ تاہم، اے آئی کی پیشین گوئیاں میں کچھ فرق ہوتا ہے، اس لیے اگر ایک ہی حصص کا تجزیہ کئی بار کیا جائے تو کبھی کبھی نتائج مختلف ہو سکتے ہیں۔ اس لیے، میں ابھی تک مکمل طور پر اے آئی پر اعتماد نہیں کر سکتا، لیکن یہ غیر متوقع حصوں کو سامنے لانے میں مددگار ثابت ہو رہا ہے، اور میں خود ٹوکیو اسٹاک ایکسچینج کے تمام حصوں کا تجزیہ نہیں کر سکتا، اس لیے اس کا استعمال فلٹر کرنے کے لیے کیا جا سکتا ہے۔ میں 3600 حصوں میں سے تقریباً 30 حصوں کو پہلے منتخب کروں گا، اور پھر انہیں مزید محدود کر کے 10 سے کم حصوں تک لایا جا سکتا ہے، جو کہ ایک اچھا نتیجہ ہوگا۔

بیرونی تبادلہ (ایف ایکس) کا بھی اے آئی تجزیہ۔ لیکن یہ ہر کرنسی کے لیے الگ سے تجزیہ ہے، اس لیے یہ معلوم نہیں کہ یہ مفید ہے یا نہیں۔ میں صرف اس کا مشاہدہ کروں گا۔ ایف ایکس بہت مشکل ہوتا ہے۔

اپنے گھر کے کمپیوٹر پر اے آئی اسٹاک تجزیہ (جس میں وقت لگتا ہے) کروا کر، دوپہر کو تاکاؤ یامہ تک گیا۔ اس صبح تک جن اسٹاکوں میں اضافے کی توقع تھی، ان کا کارنامہ کچھ اچھا رہا ہے (لیکن میں نے انہیں نہیں خریدا)، لیکن ابھی بھی بہت زیادہ اتار چڑھاؤ ہے۔ ایک ایسا طریقہ کار بھی ہو سکتا ہے جس میں تمام اسٹاکز ایک یونٹ خرید کر، جو بھی نیچے جائے اسے فوری طور پر بیچ دیا جائے اور صرف وہی اسٹاکس رکھے جائیں جو اوپر جائیں۔ آخر میں یہ کہ کون سا اسٹاک بڑھے گا، یہ تو کوئی نہیں جانتا۔

"اومی کُجی: 'خیر۔ اب تک بہت زیادہ مشکلات تھیں، لیکن اب قسمت کھل رہی ہے، پریشانیوں سے نجات ملے گی اور ہر کام میں کامیابی حاصل ہوگی۔'"
یہ لکھا ہوا ہے۔ کیا یہ درست ہو جائے گا؟

یہ گزشتہ ایک ہفتے کی بات ہے، میں نے مصنوعی ذہانت (AI) کے ذریعے منتخب کردہ حصوں کو آزمائشی طور پر خریدا۔
AI کی پیش گوئیوں کے ذریعے تقریباً 30 حصوں کو منتخب کیا گیا، پھر میں نے خود ان کا جائزہ لیا اور انہیں 10 حصوں تک محدود کر دیا۔ اس کے بعد، میں نے ان میں سے جن کے چارٹ اچھے لگ رہے تھے، ان کو خرید لیا۔
گزشتہ ہفتے مارکیٹ کی صورتحال بھی اچھی تھی، اس لیے ان حصوں میں "عموماً مضبوطی رہی اور زیادہ نیچے نہیں گئے، کچھ حصوں میں اضافہ ہوا"، جو کہ ایک اچھا نتیجہ تھا۔ اگرچہ کوئی بڑا اضافہ نہیں ہوا، لیکن کم از کم نقصان نہیں ہوا، جو کہ ٹھیک ہے۔ مجموعی طور پر، ایک ہفتے میں تقریباً چند فیصد اضافہ ہوا۔ یہ تجربہ کافی اچھا رہا۔
لیکن، آج (پیر) نیویارک مارکیٹ کے اثرات کی وجہ سے توکیو مارکیٹ میں زبردست گراوٹ آئی، جس کی وجہ سے کچھ حصوں کو بھی اس میں شامل ہونا پڑا اور وہ واپس اپنی پرانی قیمت پر چلے گئے۔ یقیناً، AI کے باوجود، گراوٹ سے بچ نہیں سکتے... مارکیٹ کی عمومی صورتحال زیادہ مضبوط ہے۔
اس وقت، میں صرف ایک ایک حصّے کا AI تجزیہ کر رہا ہوں، اور نیویارک مارکیٹ کے ساتھ اس کا کوئی تعلق نہیں بتایا گیا ہے۔ مجھے لگتا ہے کہ AI کو اس معاملے میں بھی تربیت دینا ضروری ہے۔
اسے تعلقات یاد کرانے کے بجائے، شاید یہ کافی ہے کہ AI نیویارک مارکیٹ کا الگ سے تجزیہ کرے اور اگر شام کو گراوٹ کی توقع ہو تو پہلے سے ہی اپنے حصوں کو کم کر لیا جائے۔
(یہ تصویر خریدی گئی حصوں سے متعلق نہیں ہے۔)

■گوگل ٹی پی یو
لکھا تھا کہ ڈیلیوری میں تین ہفتے لگیں گے، لیکن درحقیقت یہ تقریباً دس دنوں میں پہنچ گیا۔ یہ توقع سے بہت جلد تھا۔ یہ MATLAB میں استعمال نہیں ہو سکتا، اس لیے میں بعد میں اسے Python میں استعمال کرنے کی کوشش کروں گا۔

■ پائتھن کے ساتھ پہلی بار
چونکہ پائتھن میرے لیے نیا ہے، اس لیے میں نے پہلے سے ہی میٹلیب میں تجزیہ شدہ ڈیٹا کو پڑھ کر اسے گراف میں دکھایا۔ یہ میٹلیب کا متبادل بن سکتا ہے۔ شاید مجھے میٹلیب خریدنے کی ضرورت نہیں ہے۔ اگر میں میٹلیب کے آزمائشی دور میں پائتھن میں منتقل ہو سکتا ہوں، تو شاید میں اسے نہیں خریدوں گا۔ لیکن میٹلیب استعمال کرنا آسان ہے، اس لیے میں اس کے بارے میں سوچ رہا ہوں۔ یہ صرف AI کے لیے ہی نہیں، بلکہ دیگر کاموں کے لیے بھی استعمال کیا جا سکتا ہے۔ گوگل کے AI چپس کا استعمال صرف پائتھن کے ساتھ ہی کیا جا سکتا ہے، میٹلیب کے ساتھ نہیں، اس لیے کسی بھی صورت میں پائتھن میں منتقل ہونا ضروری ہے۔
پائتھن میں ایک عجیب قسم کی ترکیب ہے، جو کہ دوسرے زبانوں میں کم ہی نظر آتی ہے، اور یہ دلچسپ اور ایک طرح سے غیر واضح بھی ہے، لیکن اس میں آرے استعمال کرنے کا فائدہ ہے، جس کی وجہ سے اس کی عجیب ترکیبوں کی کمزوریوں کو دور کیا جا سکتا ہے۔ ویسے بھی، یہ عادت کا مسئلہ ہے۔
اب، مجھے AI کے اہم حصے کو تبدیل کرنے کی ضرورت ہے، لیکن اس پر ابھی کام نہیں ہوا۔

حال ہی میں، میں نے MATLAB میں جو گوسیئن پراسیس ریگریشن (Gaussian Process, GP) کا تجزیہ کیا تھا، اسے Python میں لاگو کیا۔ MATLAB کے دوران، میں کچھ پارامیٹرز کو نظر انداز کر رہا تھا، لیکن یہ پارامیٹرز نتائج کو بہت متاثر کرتے ہیں، لہذا میں نے صرف سب سے آسان پارامیٹرز کے ساتھ اسے لاگو کیا۔ یہ اصل موضوع نہیں ہے، اصل موضوع AI ہے، اس لیے میں اس پر زیادہ تفصیل سے نہیں جاؤں گا۔ میں اسے کچھ دن سے استعمال کر رہا ہوں، اور میں آہستہ آہستہ Python سے واقف ہو رہا ہوں۔

ایک مشکل یہ ہے کہ Python کی کارکردگی MATLAB کے مقابلے میں کمزور ہے، اور تجزیہ کرنے میں بھی کئی سیکنڈ لگتے ہیں۔ یقیناً، MATLAB بہت اچھا ہے۔ یہ ایک عام بات ہے کہ Python سست ہے، لیکن میں نے حال ہی میں ایک AI چپ خریدا ہے، اور اس کے ذریعے AI تجزیہ بہت تیز ہونا چاہیے، لہذا Python میں کوئی مسئلہ نہیں ہونا چاہیے۔ یہ چپ خاص طور پر AI کے لیے ہے، اس لیے دیگر کاموں میں سست ہونا معمول کی بات ہے۔

■TensorFlow
آج، میں TensorFlow 2+Python 3 کے ساتھ AI کو نافذ کرنے کی کوشش کر رہا تھا، لیکن انٹرنیٹ پر موجود معلومات کا بیشتر حصہ TensorFlow 1 پر مبنی ہے، اور TensorFlow 2 کے لیے بہت کم نمونے دستیاب ہیں. میں نے آزمائش اور خطا کے ذریعے تقریباً ایک ابتدائی ورژن تیار کر لیا ہے، لیکن جو نتائج نکل رہے ہیں وہ عجیب ہیں، اور صحیح جواب نہیں مل رہے ہیں۔ MATLAB کے ساتھ، میں اسے ایک دن میں آسانی سے بنا سکتا تھا، لیکن اس میں تھوڑا زیادہ وقت لگنے والا ہے۔ یہ تو ہے کہ MATLAB ایک تجارتی پروڈکٹ ہے اور یہ استعمال میں آسان ہے۔ میں آہستہ آہستہ Python سے بھی واقف ہو رہا ہوں، اور مجھے لگتا ہے کہ یہ ٹھیک ہو جائے گا، لیکن ہر لائبریری کے اپنے قوانین اور تبدیلیاں درکار ہوتی ہیں، جو کہ ایک مشکل چیز ہے۔

اس کے علاوہ، جو Google کا AI کے لیے TPU چپ خریدا ہے، وہ Raspberry Pi کے ساتھ استعمال کرنے کے لیے بہتر ہے، لہذا میں اس Raspberry Pi کو دوبارہ ترتیب دے رہا ہوں جو میں نے پہلے خریدا تھا اور اسے چھوڑ دیا تھا۔ یہ ایک غیر متوقع طریقے سے مددگار ثابت ہو سکتا ہے۔ Raspberry Pi کے پاس پہلے کوئی کیس نہیں تھا، لیکن چونکہ میں اسے طویل عرصے تک استعمال کرنے والا ہوں، اس لیے میں ایک کیس خرید رہا ہوں۔ پہلی بار جب میں نے اسے چارج کیا، تو یہ کام نہیں کر رہا تھا، اور جب میں نے مائیکرو ایس ڈی کارڈ نکالنے کی کوشش کی، تو وہ ٹوٹ گیا، لہذا مجھے اسے نیا خریدنا پڑے گا۔ میں آپریٹنگ سسٹم کو بھی دوبارہ ترتیب دے رہا ہوں۔ یہ مشکل ہے، لیکن کوئی اور راستہ نہیں ہے۔

■ شیئر ہولڈرز کے منافع اور نقصان کا تخقیقی جائزہ
یہ ایک سادہ سا طریقہ ہے جس سے شیئر ہولڈرز کے منافع اور نقصان کا تخقیقی جائزہ لیا جاتا ہے اور اسے گراف کی شکل میں پیش کیا جاتا ہے۔
اوپر کا گراف اصل میں شیئر کی قیمت میں ہونے والی تبدیلیوں اور ایک تخمینہ لگائے گئے فارمولے کو ظاہر کرتا ہے۔ مڈل میں جو گراف شامل کیا گیا ہے، وہ منافع اور نقصان کو ظاہر کرتا ہے۔ اگر گراف صفر سے اوپر ہے، تو اس کا مطلب ہے کہ اوسطاً تمام شیئر ہولڈرز کو فائدہ ہو رہا ہے، اور اگر یہ صفر سے نیچے ہے، تو اس کا مطلب ہے کہ اوسطاً نقصان ہو رہا ہے۔ چونکہ یہ معلوم نہیں ہے کہ کس نے خرید یا فروخت کی، اس لیے یہ فرض کیا گیا ہے کہ اوسطاً تمام شیئر ہولڈرز نے ٹریڈنگ کی ہے۔ اس فرض کے باوجود، یہ گراف کافی حد تک درست نتائج ظاہر کرتا ہے۔ اگر گراف صفر سے نیچے ہے، تو سمجھ لیں کہ زیادہ لوگ نقصان میں ہیں، اور اگر یہ صفر سے اوپر ہے، تو سمجھ لیں کہ زیادہ لوگوں کو فائدہ ہوا ہے۔
اس سے یہ ظاہر ہوتا ہے کہ نومبر 2018 کے آس پاس شیئر کی قیمت میں کمی آئی تھی، جس کی وجہ سے زیادہ لوگوں کو نقصان ہوا، اور اب صورتحال نسبتاً مستحکم ہے۔ تاہم، یہ گراف یہ نہیں بتا سکتا کہ اب خرید کرنا چاہیے یا نہیں۔ بلکہ، ایسا لگتا ہے کہ یہ ایک ایسا اشارہ ہے جو خریدنے سے منع کرتا ہے۔ اپریل 2018 میں، شیئر کی قیمت میں زیادہ تبدیلی نہیں آئی تھی، لیکن کچھ لوگوں نے ریباؤنڈ کی وجہ سے منافع حاصل کیا، لیکن اس کے علاوہ زیادہ تر لوگوں کو نقصان ہوا۔
یہ مصنوعی ذہانت (AI) یا مشین لرننگ کا استعمال نہیں کیا گیا ہے، بلکہ یہ صرف ایک تخقیقی جائزہ ہے۔ تاہم، یہ ممکن ہے کہ اس طرح کے سادہ تجزیے بھی مفید ثابت ہوں۔

■ شیئر ہولڈرز کی ممکنہ منافع کی شبیہ سازی
مزید تجزیہ. شیئر ہولڈرز کے ممکنہ منافع کی شبیہ سازی کریں اور اسے گراف کے ذریعے دکھائیں۔ یہ اب آہستہ آہستہ حقیقت کے قریب ہو رہا ہے۔

اس نئے گراف میں، مثال کے طور پر، آپ کو درج ذیل چیزوں کا پتہ چل سکتا ہے:
■ قیمت کئی گنا بڑھ رہی ہے، لیکن آخر تک (تمام شیئر ہولڈرز کے اوسط) ممکنہ منافع حیرت انگیز طور پر نہیں بڑھ رہا ہے (① کی جگہ پر)।
■ آخری قیمت میں اچانک کمی کے دوران (② کی جگہ پر)، کسی وجہ سے ممکنہ منافع اتنا کم نہیں ہو رہا ہے (③ کی جگہ پر). یہ ایسا لگتا ہے جیسے لوگ اوپر سے منافع حاصل کر رہے ہیں۔
■ آخری قیمت میں اچانک کمی کے دوران، ٹریڈنگ کی مقدار میں اضافہ ہوتا ہے (④ کی جگہ پر)، اور اسی وقت ممکنہ منافع میں بھی اضافہ ہوتا ہے (⑤ کی جگہ پر). اس کا مطلب ہے کہ ممکن ہے کہ بڑے سرمایہ کاروں نے چھوٹے سرمایہ کاروں کی جانب سے فروخت کیے گئے شیئرز کو خرید لیا ہو اور ریباؤنڈ کے ذریعے منافع حاصل کر رہے ہوں۔
اب تک جو چیزیں دکھائی نہیں دے رہی تھیں، وہ اب ظاہر ہو رہی ہیں۔ تجزیہ بہت دلچسپ ہے۔

ابھی میں اس کمپنی کے حصص کا تجزیہ کر رہا ہوں۔ یہ وہ کمپنی ہے جس کے بارے میں خبروں میں بہت شور شرابہ تھا، لیکن اس کے حصص کی قیمت میں بہت زیادہ گراوٹ آئی ہے (1).
جب حصص کی قیمت میں گراوٹ آئی، تو منافع (جو کہ تخمینہ لگایا گیا تھا) بھی مسلسل کم ہوتا رہا (2). آخر میں، قیمت نے ایک کم سے کم سطح چھو لی اور پھر بحالی آئی (3). بحالی کے نتیجے میں منافع بڑھ رہا ہے (4)، لیکن اس کے باوجود، شیئر ہولڈرز کو نقصان ہو رہا ہے (5۔ مرکزی سرخ لائن سے نیچے کی قیمتیں نقصان کی نشاندہی کرتی ہیں۔) اس کا مطلب ہے کہ اگرچہ آخری بحالی کے دوران منافع عارضی طور پر بڑھا تھا، لیکن بہت سے لوگوں نے منافع حاصل کرنے کے بجائے نقصان میں حصص بیچ دیے، یہ میری رائے ہے۔ یہ صرف ایک تخیلاتی تجزیہ ہے۔
یہ نہیں کہا جا سکتا کہ یہ ایک کمپنی سب کچھ ظاہر کرتی ہے، لیکن یہ ممکن ہے کہ یہ اس بات کی نشاندہی کر رہی ہے کہ "بحالی کی امید میں سرمایہ کاری کرنے کا امکان زیادہ ہے کہ آپ کو نقصان ہو"). اس گراف سے واضح ہے کہ اگر بحالی بھی ہو، تو بھی عام شیئر ہولڈرز کو نقصان ہو سکتا ہے۔
جو لوگ حصص کی قیمت میں گراوٹ والے حصص میں بحالی کی امید میں سرمایہ کاری کرتے ہیں، ان کے لیے، اس تجزیے کے مطابق، سرمایہ کاری سے اجتناب کرنا بہتر ہو سکتا ہے۔
<یہ میری اپنی رائے ہے، اور اس میں عام تشریحات سے بہت زیادہ اختلافات ہو سکتے ہیں، لہذا براہ کرم اس کا خیال رکھیں۔ میں اسٹاک مارکیٹ کا ماہر نہیں ہوں۔>
■حرکت کرنے والا اوسط خط
حرکت کرنے والے اوسط خط (9 دن، 25 دن، 75 دن) کی اوپر اور نیچے کی حالتوں کے ذریعے خرید اور فروخت کے اشارے شامل کیے گئے۔
یہ وہ الگورتھم ہے جو "حرکت کرنے والے اوسط خط: بہترین طریقہ کار" نامی کتاب میں موجود تھا، اور اسے بالکل اسی طرح لاگو کیا گیا ہے۔
اشارے کے اوپر والے حصے میں موجود رنگ درج ذیل چیزیں ظاہر کرتے ہیں:
• گہرا سرخ رنگ: مضبوط خرید کا اشارہ
• گہرا سبز رنگ: مضبوط فروخت کا اشارہ
درمیانے رنگ اس کے درمیان ہیں۔

یہ بالکل کتاب کی طرح ہے، لیکن اگر اشارے کے ظاہر ہوتے ہی اس کے مطابق عمل کیا جائے تو کچھ فائدہ حاصل ہو سکتا ہے۔
بنیادی چیزیں بہت اہم ہیں۔

■MACD
تجزیہ کے لیے ایک معیاری ٹول، MACD (MACD خود + MACD کا اوسط + ہسٹوگرام) کو دکھائیں۔ مزید برآں، موجودہ مرحلے کو لیبل کے ساتھ ظاہر کریں۔ یہ بھی دکھانے کے لیے کہ مرحلہ کب تبدیل ہوا، لائنیں بھی شامل کی گئی ہیں۔

■RCI
ایک نیا اسٹاک انڈیکیٹر "RCI" شامل کیا گیا۔ عام RCI میں مختصر مدتی اور طویل مدتی لائنیں ہوتی ہیں، لیکن MACD کے سگنل کی طرح ایک ہسٹوگرام (باری گراف) شامل کیا گیا ہے تاکہ اسے دیکھنا آسان ہو (RCI کے علاقے میں موجود سبز باری گراف وہی ہے۔) یہ حیران کن ہے کہ اس طرح کا ڈسپلے عام اسٹاک ٹولز میں دستیاب نہیں ہے۔
مزید برآں، RCI اور MACD دونوں کو یک ساتھ دیکھنا مشکل ہوتا ہے، اس لیے جب دونوں مثبت ہوتے ہیں تو ان کے درمیان ایک سرخ نشان اور جب دونوں منفی ہوتے ہیں تو ایک سبز نشان لگایا گیا ہے تاکہ سگنل کو واضح کیا جا سکے۔
اس طرح دیکھ کر، آپ RCI کے اوپر موجود مووینگ اوسط لائن کے سگنل اور آج شامل کیے گئے سگنل (RCI اور MACD کے درمیان موجود سگنل) کے درمیان فرق کا موازنہ کر سکتے ہیں۔
یہ طویل مدتی تجزیہ اور مختصر مدتی تجزیہ کے درمیان اختلافات کو ظاہر کرتا ہے۔ یہ بہت دلچسپ ہے۔ آج شامل کیا گیا سگنل کافی قابل استعمال معلوم ہو رہا ہے۔

■ مختصر مدتی کی حرکت کا گراف
اصل شیئر کی قیمت سے، مووینگ اوسط (ٹرینڈ) کی مقدار کو کم کرکے، صرف مختصر مدتی کی حرکت کو گراف کے ذریعے دکھایا جاتا ہے۔ اس سے، ٹرینڈ کی وجہ سے ہونے والی پریشانی کم ہوتی ہے اور مختصر مدتی کی حرکت کو دیکھنا آسان ہو جاتا ہے۔
(یہ گراف اس بات پر منحصر ہے کہ کتنی دنوں کی مووینگ اوسط استعمال کی جائے، اس لیے تقریباً وہ اقدار جو افقی طور پر یکساں ہوں، انہیں خود بخود پہچانے اور دکھانے کی کوشش کی جاتی ہے۔)
یہ مثال کے طور پر، اصل شیئر کی قیمت سے 89 دنوں کی مووینگ اوسط کی مقدار کو کم کرکے، فرق کا گراف ہے۔
اصل میں، میں ٹائم سیریز تجزیہ کرنا چاہتا تھا، لیکن تجزیہ کرنے کے بعد، کوئی خاص باقاعدہ نمونہ نہیں ملا، اس لیے میں نے صرف اس مرحلے پر حاصل کردہ گراف کو دکھایا۔ یہ گراف خود ہی کافی مفید ثابت ہو سکتا ہے۔

■ ڈان چانز کے قوانین
"ڈان چانز کے قوانین" کے طور پر جانا جانے والا قاعدہ، جو کہ "چار ہفتوں میں سے، اگر سب سے زیادہ قیمت کو عبور ہو جائے تو خریدیں، اور اگر سب سے کم قیمت سے نیچے چلا جائے تو بیچیں" ہے، اس کو بصری شکل میں پیش کیا گیا ہے۔ اس میں، اگر آخری دن کی قیمت کسی خاص حد کو عبور کر جائے تو اس پر ایک نشان لگایا جاتا ہے۔ یہ بہت زیادہ واضح اور استعمال میں آسان ہے۔
اب بہت سے قوانین بن چکے ہیں، لیکن یہ جاننا ضروری ہے کہ کون سا قانون واقعی کارآمد ہے، بصورت دیگر بہت زیادہ سگنلز کی وجہ سے یہ استعمال کرنا مشکل ہو سکتا ہے۔
شاید میں مستقبل میں اس کا جائزہ لینے کے لیے سمیولیشن کروں...

■シミュレーション
سیمولیشن کے ذریعے، اگر کسی دن کی اختتامی قیمت پر خریدیں، تو یہ سرخ/ہرے رنگ میں ظاہر کیا جائے گا کہ آیا آپ 5% مثبت/منفی میں سے کس تک پہلے پہنچتے ہیں۔
اس کے ذریعے، "کجا خریدنا بہتر ہے" اور "کجا بیچنا بہتر ہے" کے بارے میں ایک اندازہ لگانا آسان ہو گیا ہے۔
یہ لگتا ہے کہ RCI کا ہسٹوگرام (بٹن گراف) کتنا "جھٹکا" دیتا ہے، یہ ایک نشان کے طور پر استعمال کیا جا سکتا ہے۔
ذرا غور کریں، یہ وہ کمپنی ہے جس کے بارے میں میں کچھ دنوں سے سوچ رہا ہوں۔ یہ وہی کمپنی ہے جس نے ایک مشہور اسپا کو خریدا تھا، اور جس کا اصل کام تھری ڈی گرافکس LSI کا تھا۔ شاید کچھ لوگ اسے جانتے ہوں گے، لیکن اس کا اسٹاک کی قیمت بہت عجیب ہے۔ 50 ارب روپے کی آمدنی کے باوجود، یہ آپریشنل خسارے میں ہے، اور اس کا مارکیٹ کیپٹلائزیشن 34 ارب روپے ہے۔ اگرچہ یہ خسارہ ہے، لیکن اس کا نقد بہاؤ بہت زیادہ مثبت ہے، اور "مرجرز کی لاگت" جو کہ 5 سال تک اکاؤنٹ میں ظاہر ہوتی رہے گی، لیکن جلد ہی ختم ہو جائے گی، اور مستقبل میں اس میں بہتری کی توقع ہے۔ اگر یہ کمپنی 50 ارب روپے کی آمدنی کے ساتھ 5 ارب روپے کا منافع حاصل کرتی ہے، تو اس کا مارکیٹ کیپٹلائزیشن 34 ارب روپے نہیں ہو سکتا، اور کم از کم یہ منافع والے نمبر تک ضرور بڑھے گا، اور عام طور پر یہ آمدنی کے برابر ہوتا ہے، لہذا مارکیٹ کیپٹلائزیشن کی حد 500 ارب روپے ہونی چاہیے۔ اس طرح، یہ ایک ممکنہ "10x" (دس گنا) کمپنی ہے۔ اگر یہ منافع میں نہیں بھی آتی، تو بھی اس سے دو گنا منافع کی توقع کی جا سکتی ہے۔ تاہم، اس میں بڑی سرمایہ کاری کی وجہ سے یہ مزید کم ہو سکتا ہے۔ چونکہ اس کا اسٹاک کی قیمت پہلے سے ہی عجیب ہے، اس لیے اگر یہ یہاں سے آدھا ہو جائے تو بھی مجھے حیرانی نہیں ہوگی۔ درحقیقت، میں 31 مارچ سے اس پر نظر رکھے ہوئے ہوں اور میں نے کئی بار اسے خریدا اور بیچا ہے، لیکن 31 مارچ کے انعامات (اسپا کے ٹکٹ) کے بعد قیمت میں بہت زیادہ گراوٹ آئی (حسین مذاق)۔ اس کے بعد، بڑی سرمایہ کاری کی وجہ سے قیمت میں 10% کی کمی آئی۔ یہ ممکن ہے کہ یہ یہاں سے مزید کم ہو جائے، لیکن اگلے مہینے میں یہ مکمل نتائج بھی سامنے آئیں گے، اور اسپا ایک ایسی کمپنی ہے جو گرمیوں میں خواتین کے لیے زیادہ مقبول ہوتی ہے (کیونکہ اس میں جلد کے ننگے حصے ہوتے ہیں، اس لیے خواتین اسپا جانا چاہتی ہیں)۔ یہ کمپنی اگلے چھ ماہ تک بہت دلچسپ ثابت ہو سکتی ہے۔
→ لیکن جب میں نے مزید تحقیق کی، تو معلوم ہوا کہ اس کی آمدنی اکاؤنٹنگ کے لحاظ سے "جھوٹی" لگ رہی ہے۔ یہ ایک مشکوک کارکردگی ہے۔

■ میٹلاب کے مساوی کارکردگی حاصل کرنا
آئی (ڈیپ لرننگ) کو پائتھن + ٹینسر فلو (ورژن 2) میں لاگو کیا گیا۔ یہ تقریباً وہی پروسیسنگ ہے جو میں میٹلاب میں کر رہا تھا۔
گراف میں دائیں جانب وسط میں موجود سبز نقطہ، آئی کی پیش گوئی کردہ مستقبل کی اسٹاک کی قیمت ہے۔ میٹلاب اور نتائج کافی ملتے جلتے ہیں، اس لیے بنیادی طور پر یہ ایک ہی ہیں۔
شروع میں، ٹینسر فلو (ورژن 2) کی مخصوص تحریکی انداز کی وجہ سے اسے بنانا مشکل تھا، لیکن جب میں نمونے تلاش کر پایا تو یہ آسانی سے بن گیا۔ ابھی تک میں گوگل ٹی پی یو چپ استعمال نہیں کر رہا ہوں، اور میک کے سی پی یو پر چلانے پر یہ یقیناً سست ہے، لیکن یہ گوگل ٹی پی یو چپ استعمال کرنے سے کتنی رفتار میں اضافہ کرے گا۔ یہ میں بعد میں بتاؤں گا۔
یہ اتنا آسان ہے، لیکن اس کے ذریعے کیا میں بھی آئی انجینئروں کے گروہ میں شامل ہو گیا ہوں؟ (ہنسی)

■ایف ایکس
ایف ایکس (بیرونی تبادلہ ڈالر) کو بھی مدنظر رکھتے ہوئے اسٹاک کی قیمتوں کے تخمینات میں تبدیلی کی گئی ہے۔ کل تک، یہ صرف متعلقہ اسٹاک کی قیمت (ایک متغیر) پر مبنی تھا، لیکن اب اسٹاک کی قیمت اور ڈالر کے بیرونی تبادلے (دو متغیرات) کو شامل کیا گیا ہے۔
تاہم، نتائج کو فوری طور پر دیکھنے پر زیادہ فرق نظر نہیں آتا... اس کی مزید تحقیق کی ضرورت ہے۔ ممکن ہے کہ ان کے درمیان زیادہ تعلق نہ ہو۔ شاید یہ بڑے اسٹاک میں ممکن ہو جو ٹوکیو اسٹاک ایکسچینج کے پہلے سیکشن میں درج ہیں۔ میں کچھ اور عناصر بھی شامل کروں گا۔

اگلا، "حصص کی قیمتیں، ٹریڈنگ کی مقدار، اور امریکی ڈالر کی کرنسی تبادلہ (ایف ایکس)" کے تین متغیرات کے ساتھ تجزیہ کیا گیا۔
چونکہ ہم ایک متغیر کو دو متغیروں میں تبدیل کرنے کی صلاحیت رکھتے ہیں، اس لیے تین متغیروں کا استعمال کرنا بہت آسان ہے۔
ٹھیک ہے، ظاہری شکل میں زیادہ فرق نہیں ہے۔
اب سوال یہ ہے کہ کیا یہ درست ہے؟
کیا ہمیں ایندیکس جیسے کہ ایندیکس کو شامل کرنا چاہیے؟



■ گوگل ٹی پی یو ایل ایس ٹی ایم کے ساتھ مطابقت نہیں رکھتا تھا۔
میں نے گوگل ٹی پی یو چپ (یو ایس بی) کو Raspberry Pi پر چلانے کی کوشش کی، لیکن اس میں جو LSTM (RNN) استعمال کرنا چاہتا تھا، وہ اس کے ساتھ مطابقت نہیں رکھتا تھا، اور یہ صرف درجہ بندی (کلاسیفیکیشن) وغیرہ کے لیے ہی دستیاب تھا۔ یہ تھوڑا مایوس کن تھا، لیکن اس سے سیکھنے کو ملا، تو ٹھیک ہے۔ اس کی وجہ یہ ہے کہ چپ سستی ہے۔ گوگل کا ہی، اتنا غیر مکمل پروڈکٹ بھی فروخت ہو جاتا ہے۔ یہ خاص ایپلی کیشنز، جیسے کہ حرکت کا پتہ لگانا، کے لیے اچھا ہو سکتا ہے۔

• TensorFlow کی لائبریری انسٹال کرنے میں 30 منٹ یا 1 گھنٹہ لگ جاتا تھا۔ Raspberry Pi بہت سست ہے۔
• یہ ڈیفالٹ طور پر TensorFlow ورژن 1 کے ساتھ آتا ہے، اور ورژن 2 کو سورس کوڈ سے بنانا پڑتا ہے۔ میں بلڈ ماحول بنانے کی کوشش کی، لیکن Bazel نامی ٹول کو بنانے میں 24 گھنٹے سے زیادہ لگ گئے، اور آخر میں پتہ چلا کہ Bazel کا تازہ ترین ورژن اس کے ساتھ مطابقت نہیں رکھتا، اس لیے مجھے دوبارہ پرانا Bazel بنانا پڑا، جو کہ ایک اضافی کام تھا۔ اس کے باوجود، TensorFlow ورژن 2 ٹھیک سے نہیں چل رہا تھا۔ بہت مایوس کن۔ Raspberry Pi کے ڈیفالٹ آپریٹنگ سسٹم کے ساتھ ناکامی کے بعد، میں نے اسے Ubuntu میں تبدیل کر کے آزمایا، لیکن نتیجہ وہی رہا۔ یہ ایک اضافی کام تھا، لیکن میں نے دوبارہ اصل آپریٹنگ سسٹم پر واپس آ گیا۔
• Raspberry Pi کا CPU Arm ہے، اس لیے گوگل ٹی پی یو کے لیے جو معیاری لائبریریاں اور Docker دستیاب ہیں، وہ براہ راست Raspberry Pi پر نہیں چلتے، اور صرف Raspberry Pi کے لیے مخصوص چیزیں ہی استعمال کی جا سکتی ہیں، جو کہ استعمال کرنے میں تکلیف دہ ہے۔
• آپریٹنگ سسٹم کا ڈیفالٹ Python ورژن 3.5 تھا، اس لیے میں نے پہلے 3.7 کو سورس کوڈ سے بنایا، لیکن TensorFlow اس کے ساتھ مطابقت نہیں رکھتا، اس لیے میں نے 3.6 انسٹال کیا، لیکن زیادہ فرق نہیں پڑا، اس لیے میں نے ڈیفالٹ 3.5 پر واپس آ گیا۔
• مجھے لگتا تھا کہ لائبریریوں میں کوئی مسئلہ ہے، اس لیے میں نے کچھ لائبریریوں کو سورس کوڈ سے بنایا، لیکن اس کے باوجود یہ نہیں چل رہا تھا۔
• آخر میں، یہ نتیجہ نکالا کہ Keras کے ذریعے TensorFlow استعمال کرنے میں ورژن 1 اور ورژن 2 کے درمیان زیادہ فرق نہیں پڑتا، اور اس بات کی تصدیق Mac پر دونوں ورژن کے ساتھ کی گئی۔
• گوگل ٹی پی یو خود "شروع سے تربیت" کو سپورٹ نہیں کرتا ہے، بلکہ صرف "ری ٹریننگ" کو سپورٹ کرتا ہے۔ اس کا مطلب ہے کہ پہلے ماڈل کو CPU پر بنایا جاتا ہے، پھر اس پر ایک خاص تبدیلی کی جاتی ہے، اور پھر اسے کلاؤڈ پر موجود صفحہ پر بھی تبدیل کیا جاتا ہے، اور اس کے بعد ہی یہ استعمال کے قابل ہوتا ہے۔ لیکن یہ پتہ چلا کہ یہ تبدیلی جو LSTM/RNN استعمال کرنا چاہتا ہوں، اس کے ساتھ مطابقت نہیں رکھتی ہے۔ بہت مایوس کن۔

اب سوال یہ ہے کہ کیا سستا پی سی اور NVIDIA کا GPU کا سیٹ خریدنا چاہیے، یا موجودہ پی سی سے کام چلانا چاہیے۔

■ اے آئی اسٹاک تجزیہ سائٹ کی تخلیق
https://kabu2u.com
https://kabu2u.com
یہ ایک سادہ اسٹاک اے آئی تجزیہ سائٹ ہے، جسے میں اپ ڈیٹ کر رہا ہوں۔ میں آہستہ آہستہ زیادہ اتار چڑھاؤ والے اسٹاکز کو شامل کر رہا ہوں۔ مجھے ابھی یہ نہیں معلوم کہ کتنی تفصیل سے معلومات شامل کی جائیں، اس لیے فی الحال، میں صرف تجزیہ کے بعد دو ہفتے گزر جانے والے پرانے ڈیٹا کو شائع کر رہا ہوں۔ میں ابھی مستقبل کی پیش گوئیاں شائع نہیں کروں گا، کیونکہ مستقبل کی پیش گوئیاں شائع کرنے کے بعد شکایات موصول ہو سکتی ہیں، اور اگر مستقبل میں یہ زیادہ درست ہو جاتی ہیں، تو مستقبل کی پیش گوئیاں کو مفت میں فراہم کرنے کے بجائے، انہیں پولیٹ کرنا ممکن ہو سکتا ہے۔ بہر حال، فی الحال، یہ اتنی اچھی درستگی نہیں ہے، اس لیے مجھے لگتا ہے کہ یہ ایک اچھا آغاز ہے۔

■ ایلیٹ ویو تجزیہ
میں ایلیٹ ویو تجزیہ کرنے کی کوشش کر رہا ہوں۔ (ایلیٹ ویو کیا ہے، یہ آپ خود تلاش کر سکتے ہیں)
میں اصل ویو فارمز سے یہ جاننے کی کوشش کر رہا تھا کہ کون سا ویو آرہا ہے، لیکن یہ بہت مشکل ثابت ہو رہا ہے، اس لیے میں نے اس میں تبدیلی کر لی۔
میں ایلیٹ ویو کو سمیولیٹ کرنے کا سوچ رہا ہوں، اور پھر سمیولیشن کے نتائج کو اے آئی کو یاد کروانے کے بعد، پیش گوئیاں کرنے کا سوچ رہا ہوں۔
سب سے پہلے، میں نے فبوناچی سیریز کو باری باری پلس اور مائナス میں تبدیل کر کے ایک گراف بنایا، جو کہ اوپر بائیں جانب ہے۔ لیکن، جیسا کہ یہ ہے، یہ منفی اقدار (جیسے کہ اسٹاک کی قیمت میں منفی نہیں ہو سکتا) پیدا کرتا ہے، اس لیے میں نے اسے اوپر دائیں جانب دکھائے گئے گراف میں، مجموعی طور پر مثبت ہونے کے لیے، ایک سیدھی لائن میں اوپر کی طرف بڑھایا۔ اوہ۔ یہ کچھ مختلف ہے۔ میں نے صرف اسے سیدھی لائن میں اوپر نہیں بڑھایا، بلکہ اسے ایک دوسرے قسم کے منحنی (quadratic curve) کے ساتھ اوپر بڑھایا، جو کہ نیچے بائیں جانب ہے۔ یہ کافی اچھا ہے، لیکن یہ کچھ مختلف لگتا ہے۔ لیکن، چونکہ اصل اسٹاک کی قیمتیں بھی بہت غیر واضح حرکتیں کرتی ہیں، اس لیے شاید یہ اتنی ہی کافی ہے۔
میں نے صرف گراف بنایا ہے، اس لیے میں اس کا استعمال کرتے ہوئے، کچھ جعلی اسٹاک کی قیمتیں بنا رہا ہوں، اور پھر اے آئی تجزیہ کر رہا ہوں۔ اس کا نتیجہ نیچے دائیں جانب دکھایا گیا ہے۔
میں نے اے آئی کو یہ یاد کرا دیا ہے، لیکن اب دیکھنا ہے کہ اس کا استعمال کرتے ہوئے، کتنی درستگی سے پیش گوئیاں کی جا سکتی ہیں۔



■ اے آئی تجزیے کے لیے مخصوص پی سی کی تعمیر
میں نے ایک چھوٹے کمپیوٹر (سب پی سی) میں Ubuntu Linux انسٹال کیا۔ اس میں پہلے سے ہی ونڈوز موجود تھا، لیکن جب میں اے آئی تجزیے کو مسلسل چلا رہا تھا، تو یہ کچھ گھنٹوں کے بعد ہی جم جاتا تھا، جس کی وجہ سے تجزیہ رک جاتا تھا۔ اس لیے، میں نے Linux Ubuntu انسٹال کیا، اور یہ بہت بہتر کام کر رہا ہے۔ ایسا لگتا ہے کہ Linux کی کارکردگی کا دور آیا ہے جو ونڈوز سے بہتر ہے۔ حالیہ ونڈوز غیر مستحکم اور سست ہیں، اور ایسا لگتا ہے جیسے میں خود اپنے لیے مشکلات پیدا کر رہا ہوں۔ چونکہ مجھے WORD/Excel کی ضرورت ہے، اس لیے مجھے ونڈوز کا استعمال کرنا پڑے گا، لیکن اس کے علاوہ، ایسا لگتا ہے کہ اب ونڈوز کی ضرورت نہیں رہی ہے۔ اگر میں اب کوئی نیا سسٹم بنا رہا ہوں، تو اگر میں اسے بنیادی طور پر ویب پر مبنی بناؤں اور Word/Excel/PowerPoint کی ضرورت کو ختم کر دوں، تو مجھے ونڈوز کی ضرورت نہیں رہے گی۔ میں بنیادی طور پر Microsoft کو پسند کرتا ہوں، لیکن حالیہ ونڈوز کی عدم استحکام کی وجہ سے میں بہت پریشان تھا۔ Linux پر بھی اس کا عمل بہت تیز ہے۔ Google TPU چپ (USB) بھی بغیر کسی مسئلہ کے کام کر رہی ہے۔

■ خصوصیات کے طور پر نکال کر تجزیہ کیا جا رہا ہے۔
ایسی خصوصیات کو نکالا جا رہا ہے جو لوگوں کے ذہن میں ہوں، اور ان کا تجزیہ کیا جا رہا ہے۔ یہ ہر کمپنی پر منحصر ہے، لیکن کبھی کبھار نتائج کافی اچھے بھی نکلتے ہیں۔
ڈپ لرننگ دراصل دماغ کے نیوران کی حرکت کی نقل ہے، اس لیے یہ منطقی ہے کہ اگر خصوصیات کو پہلے سے ہی الگ کر کے ان پٹ کے طور پر دیا جائے تو نتائج بہتر ہو سکتے ہیں۔ تاہم، اگر اس طرح مخصوص خصوصیات پر توجہ مرکوز کی جاتی ہے، تو ان خصوصیات سے لا تعلق کمپنیوں کے لیے نتائج بہت خراب ہو سکتے ہیں۔ اسٹاک مارکیٹ کا تجزیہ بذات خود بہت مشکل ہے، اس لیے شاید یہ بہتر ہے کہ اگر کوئی قابل استعمال شرط موجود ہے تو اسے اچھا سمجھا جائے۔
اگر وہ خصوصیات معنی خیز ہیں، تو ڈپ لرننگ کے دوران آہستہ آہستہ غلطیاں کم ہوتی جائیں گی اور نتیجہ نکل آئے گا، لیکن اگر نتیجہ حاصل نہیں ہو رہا ہے، تو یا تو خصوصیات کے اقدار میں کوئی غلطی ہے، یا پھر ممکن ہے کہ وہ خصوصیات دراصل بے معنی ہوں (!). یہ دوسرا پہلو ایک نئی دریافت ہے، اور یہ ممکن ہے کہ ڈپ لرننگ اس بات کا پتہ لگا رہی ہے کہ اسٹاک مارکیٹ میں عام طور پر "واضح" سمجھے جانے والے نظریات دراصل بے معنی ہیں۔ مثال کے طور پر، یہ کہا جاتا ہے کہ مختصر مدتی اوسط اور طویل مدتی اوسط کا ملنا "گولڈن کراس" ہے، جو خریدنے کا وقت ہے، اور MACD کے گولڈن کراس کے بارے میں بھی اسی طرح کی باتیں کی جاتی ہیں، لیکن ممکن ہے کہ دراصل ان میں کوئی معنی نہیں ہوں (!)، اور یہ "شاید" ڈپ لرننگ کے تجزیے کے نتائج ہیں۔ مزید تفصیلات کل۔

■ ٹرینڈ کی پیروی
چونکہ تکنیکی تجزیہ کی درستگی کم لگ رہی تھی، اس لیے میں نے ایک ایسا AI تیار کیا جو صرف ٹرینڈ کی پیروی کرتا ہے۔ اس سے تیز نزول یا تیزی کے دوران کمزور ہونا ناگزیر ہے، لیکن ٹرینڈ کی پیروی کے حوالے سے، اس نے پہلے سے بہتر نتائج دیے ہیں، اس لیے میں نے اسے اچھا سمجھا۔ موٹی سرخ لائن AI کی پیش گوئی ہے۔ شاید یہ اس قسم کے استعمال کے لیے زیادہ مناسب ہے کیونکہ یہ ایک مشین ہے۔ انسانوں کے لیے ٹرینڈ کی پیروی بورنگ ہو سکتی ہے، لیکن مشینوں کو خاموشی سے کام کرنے کے لیے بنایا گیا ہے۔

تکنیکی تجزیے میں، میں نے ان پٹ ویلیوز کو تبدیل کر کے مختلف طریقے آزمائے، لیکن یہ ٹرینڈ کی پیروی الگورتھم کے لحاظ سے بہت سادہ ہے۔ تاہم، اگر پارامیٹرز کا مجموعہ درست نہیں ہے، تو یہ ٹھیک سے کام نہیں کرتا۔ اس سے پتہ چلتا ہے کہ الگورتھم سادہ ہونے کے باوجود، بہترین نتائج حاصل کرنا مشکل ہے، اور یہی وہ چیلنج ہے جس کے لیے ڈیپ لرننگ زیادہ مناسب ہے۔

■ اے آئی سٹاک کی پیشگوئی کی ویب سائٹ کا ابتدائی ورژن
اے آئی سٹاک کی پیشگوئی - https://kabu2u.com
https://kabu2u.com
ابتدائی ورژن مکمل ہو گیا۔ اب ماڈل کو بہتر بنایا جا سکتا ہے یا مزید کمپیوٹنگ پاور استعمال کر کے گہری تجزیہ کیا جا سکتا ہے، لیکن اخراجات اور فوائد کو مدنظر رکھتے ہوئے، یہ کہ یہ ابتدائی طور پر مکمل ہونے کی حد ہے۔ آئیڈیا کے لحاظ سے، ابھی بھی بہت کچھ تجربہ کیا جا سکتا ہے، لیکن تقریباً دو ماہ اور آدھے مہینے میں بنایا گیا ہے، جو کہ مجموعی طور پر اچھا ہے۔ ایک مہینہ مختلف تجربات میں صرف ہوا۔ ایک اور مہینہ اور آدھا مہینہ سائٹ کے لیے اور مختلف تبدیلیاں کرنے میں صرف ہوا۔ درستگی کے لحاظ سے ابھی بہت کچھ باقی ہے، لیکن تجزیہ فی الحال وقت پر مبنی ہے اور یہ درمیان میں روک دیا جاتا ہے، اس لیے اب ہم دیکھیں گے کہ وقت کے ساتھ یہ کتنی درستگی تک پہنچتا ہے۔ اگر درستگی کافی نہیں ہے، تو ماڈل کو مزید بڑا کیا جا سکتا ہے، اور اس طرح کی اصلاحات جو وقت لیں گی، وہ آہستہ آہستہ کی جائیں گی۔ بنیادی چیزیں مکمل ہو چکی ہیں۔ فی الحال، یہ بہت سادہ ہے، اس لیے اس میں آہستہ آہستہ کچھ اور چیزیں شامل کی جائیں گی۔

■ سپورٹ لائنز شامل کی گئیں۔
یہ فرض کرتے ہوئے کہ پیشگوئی کی تاریخ کے اگلے دن ابتدائی قیمت پر خریدیں، سپورٹ لائنز شامل کی گئیں۔ یہ اب تھوڑا زیادہ واضح ہے۔

■ کندیل چارٹ
قیمت کی لائن گراف کو معیاری کندیل چارٹ میں تبدیل کر دیا گیا۔ یہ ضرور ایسا ہی ہونا چاہیے، ورنہ یہ کندیل چارٹ جیسا نہیں لگتا۔



■ ایئر ٹریڈ
میں نے ایئر ٹریڈ شامل کر دیا۔ اگر میں یہ دیکھوں تو مجھے لگتا ہے کہ میں زیادہ منافع کمائی سکتا ہوں، لیکن شاید میں مشینوں کے ذریعے ٹریڈ نہیں کر پاتا اور میں اپنی جذبات کو شامل کر لیتا ہوں، اس وجہ سے میرا کارنامہ اتنا اچھا نہیں ہے۔

■ الگورتھم کی بازبینی
ایئر ٹریڈ کے الگورتھم کی بازبینی کی۔ مین پیج پر تمام حصص کی ایئر ٹریڈ کے نتائج شائع کیے گئے۔

■ پرفیکٹ آرڈر کے ساتھ ایئر ٹریڈ
میں نے "پرفیکٹ آرڈر" کے نام سے جانے جانے والے حالات کے تحت، جو کہ مختصر، درمیانہ اور طویل مدتی ٹرینڈ پر مبنی ہیں، ایئر ٹریڈ کرنے کی کوشش کی، لیکن نتائج اچھے نہیں تھے۔ شاید اس کا سبب موجودہ مارکیٹ کی صورتحال ہے، یا پھر یہ تکنیکی تجزیے کی طرح ہے اور یہ ایک ایسی افسانوی کہانی ہو سکتی ہے جس میں بعد میں بنائی گئی وجوہات شامل ہیں۔
منافع اور نقصان کا اوسط +0.5%، مجموعی طور پر +0.6%۔

■ الگورتھم کا موازنہ
میں نے دو الگورتھم کا موازنہ کرنے کے لیے ایک سمیولیشن کیا: ایک الگورتھم جو AI کی پیش گوئی کے مطابق، اگر اگلے دن کی پہلی قیمت گزشتہ دن کی بند قیمت سے کچھ فیصد کم ہو تو خریدنا ہے، اور دوسرا الگورتھم جو صرف اسی صورت میں خریدے گا اگر اگلے دن کی پہلی قیمت گزشتہ دن کی بند قیمت سے زیادہ ہو۔ انسانی نقطہ نظر سے، "کم قیمت میں خریدنا" والا پہلا الگورتھم بہتر کارکردگی کا مظاہرہ کر رہا ہے، لیکن درحقیقت دوسرا الگورتھم بہتر رہا۔ یہ نتیجہ سمجھ میں آتا ہے کیونکہ حصص کی قیمتیں اکثر اوپر جاتی رہتی ہیں اور نیچے جاتی رہتی ہیں۔ منافع اور نقصان کا اوسط بالترتیب +2.0% اور +0.9% ہے، اس لیے یہ ممکن ہے کہ یہ صرف ایک غلطی ہو۔

■ ایئر ٹریڈ کی حساب میں غلطی
ایئر ٹریڈ کی حساب میں غلطی تھی۔ ہاں۔ مجھے ایسا لگا کہ نتائج بہت اچھے ہیں۔ نئے نتائج یہ ہیں: تقریباً منفی 1%۔
اس سال مارکیٹ کی صورتحال بہت خراب ہونے کے باوجود، اگر منافع اور نقصان کا تناسب منفی 1% ہے، تو اسے ایک مثبت نتیجہ بھی کہا جا سکتا ہے۔ میں امید کرتا ہوں کہ جب مارکیٹ کی صورتحال بہتر ہوگی تو یہ مثبت ہو جائے گی۔

ایئر ٹریڈ 1 [تمام شامل حصص کا اوسط] منافع اور نقصان: +0.1% (وزن کے حساب سے، حالیہ نتائج پر زیادہ توجہ)، -0.1% (اوسط، مکمل دورانیہ)، مجموعی طور پر -1.3% (مکمل دورانیہ)।
ایئر ٹریڈ 2 [تمام شامل حصص کا اوسط] منافع اور نقصان: -0.8% (وزن کے حساب سے، حالیہ نتائج پر زیادہ توجہ)، -0.7% (اوسط، مکمل دورانیہ)، مجموعی طور پر -1.5% (مکمل دورانیہ)।
ایئر ٹریڈ 3 [تمام شامل حصص کا اوسط] منافع اور نقصان: -0.8% (وزن کے حساب سے، حالیہ نتائج پر زیادہ توجہ)، -0.7% (اوسط، مکمل دورانیہ)، مجموعی طور پر -1.6% (مکمل دورانیہ)।
ایئر ٹریڈ 4 [تمام شامل حصص کا اوسط] منافع اور نقصان: -0.8% (وزن کے حساب سے، حالیہ نتائج پر زیادہ توجہ)، -0.7% (اوسط، مکمل دورانیہ)، مجموعی طور پر -2.2% (مکمل دورانیہ)।
ایئر ٹریڈ 5 [تمام شامل حصص کا اوسط] منافع اور نقصان: -0.1% (وزن کے حساب سے، حالیہ نتائج پر زیادہ توجہ)، -0.1% (اوسط، مکمل دورانیہ)، مجموعی طور پر -0.8% (مکمل دورانیہ)।

■ مارکیٹ کی صورتحال اہم ہے
آج مارکیٹ کی صورتحال بہتر تھی، اس لیے منافع میں اضافہ ہوا۔ مجھے اسے اس طرح سے تبدیل کرنا ہوگا کہ یہ مارکیٹ کی صورتحال سے قطع نظر منافع مند ہو جائے۔

ایئر ٹریڈ 1 [مستقل تمام حصص کی اوسط] منافع: +0.5% (وزن کے حساب سے اوسط، حالیہ عرصے پر زیادہ توجہ) +0.1% (اوسط، مکمل دورانیہ) مجموعی طور پر -0.0% (مکمل دورانیہ)
ایئر ٹریڈ 2 [مستقل تمام حصص کی اوسط] منافع: +0.4% (وزن کے حساب سے اوسط، حالیہ عرصے پر زیادہ توجہ) +0.2% (اوسط، مکمل دورانیہ) مجموعی طور پر -0.1% (مکمل دورانیہ)
ایئر ٹریڈ 3 [مستقل تمام حصص کی اوسط] منافع: +0.1% (وزن کے حساب سے اوسط، حالیہ عرصے پر زیادہ توجہ) -0.0% (اوسط، مکمل دورانیہ) مجموعی طور پر -0.5% (مکمل دورانیہ)
ایئر ٹریڈ 4 [مستقل تمام حصص کی اوسط] منافع: +0.4% (وزن کے حساب سے اوسط، حالیہ عرصے پر زیادہ توجہ) +0.2% (اوسط، مکمل دورانیہ) مجموعی طور پر -0.0% (مکمل دورانیہ)
ایئر ٹریڈ 5 [مستقل تمام حصص کی اوسط] منافع: -0.3% (وزن کے حساب سے اوسط، حالیہ عرصے پر زیادہ توجہ) -0.4% (اوسط، مکمل دورانیہ) مجموعی طور پر -1.4% (مکمل دورانیہ)

■ اے آئی اب بھی ایک بلیک باکس ہے۔
مجھے اب کچھ ایسے نتائج نظر آنے لگے ہیں جو کچھ حد تک اس کے مطابق ہیں، لیکن ایسے نتائج بھی نکلتے ہیں جو واضح طور پر غلط ہیں۔ لیکن، اگرچہ میں (ایک انسان) کو لگتا ہے کہ کچھ غلط ہے، لیکن اصل اسٹاک کی قیمتیں اور بھی ناقابل فہم ہوتی ہیں، اس لیے شاید یہ اس حد سے بھی آگے ہے کہ اسے سمجھا جا سکے۔ اے آئی، یا ڈیپ لرننگ کا مسئلہ یہ ہے کہ اس کے نتائج کا درمیانی حصہ بلیک باکس ہوتا ہے اور اس کے بارے میں معلومات نہیں ہوتی ہیں۔ یہ بتانا مشکل ہوتا ہے کہ ایسے نتائج کیوں نکل رہے ہیں۔ بنیادی منطق موجود ہے، اس لیے میں کچھ وضاحت کر سکتا ہوں، لیکن اے آئی کے لیے اس کی تفصیل سے وضاحت کرنا مشکل ہے۔ اس لیے، یہ دیکھنا ضروری ہے کہ نتائج اصل دنیا سے کتنے مطابقت رکھتے ہیں۔ ایسا لگتا ہے کہ اوپر اور نیچے کی سمت کی نشاندہی کچھ حد تک موجود ہے، لیکن "کب" اوپر جائے گا اور "کب" نیچے جائے گا، اس کا تعین کرنا مشکل ہے۔ کیا یہ بہتر ہے کہ اے آئی کے نتائج سے صرف سمت کا اندازہ لگایا جائے اور ٹائمنگ کو انسانوں کے ذریعے ایڈجسٹ کیا جائے؟

اس طرح کی چیزیں بناتے ہوئے، مجھے اکثر تجربہ ہوتا ہے کہ کمپنی میں، لوگ "یہ آپ کی واحد کامیابی نہیں ہے" کہتے ہیں اور نتائج کو چھین لیتے ہیں یا نتائج کا حصہ مانگتے ہیں، اور ایسے لوگ ہوتے ہیں جو بہت سی چیزوں پر اعتراض کرتے ہیں، "یہ آپ کی واحد کامیابی نہیں ہے" کہتے ہیں، اور میری شراکت کو کم کرنے کی کوشش کرتے ہیں، جیسے کہ کیڑوں کا ایک جھنڈ۔ جب میں تنہا کام کرتا ہوں، تو کوئی اور نہیں ہوتا، اور یہ واضح ہے کہ یہ سب کچھ میں نے بنایا ہے، اور کوئی ایسا شخص نہیں ہوتا جو نتائج کو کم کرے، نتائج چھینے، یا نتائج کا حصہ مانگے، اس لیے یہ بہت بہتر ہے۔ کمپنی میں، ایک ہی چیز کو ایک شخص کے بجائے دس لوگوں کے ذریعے بنانے سے زیادہ سراہا جاتا ہے، جو ایک تضاد ہے۔ اگر اخراجات کا حساب لگایا جائے تو، ایک شخص کے ذریعے بنائی گئی چیز دس گنا زیادہ موثر ہوتی ہے، لیکن ایک ہی چیز کو دس گنا زیادہ اخراجات میں بنانے سے زیادہ سراہا جاتا ہے، جو ایک تضاد ہے۔ غیر معیاری افسران جو آئی ٹی سے واقف نہیں ہیں، انہیں یہ سمجھ نہیں آتا کہ یہ ایک شخص کے ذریعے کیسے کیا جا سکتا ہے۔ کیونکہ وہ آئی ٹی سے واقف نہیں ہیں، اس لیے وہ تعداد کے بجائے نتائج کو اہمیت دیتے ہیں۔ ایسی کمپنیاں شاید عالمی مقابلے میں پیچھے رہ جائیں گی۔ آئی ٹی کے پیشہ ور افراد بھی ایسی کمپنیوں میں زیادہ دیر تک نہیں رہتے۔ میں امید کرتا ہوں کہ ایسی کمپنیاں ہر جگہ نہیں ہیں۔ آخر میں، ایسا لگتا ہے کہ لوگ تکنیک یا نتائج کو نہیں سمجھتے ہیں اور صرف لوگوں کی تعداد کو اہمیت دیتے ہیں۔ اب بھی آئی ٹی انڈسٹری "منٹھ" پر مبنی ہے، اور کسٹمز ڈویلپمنٹ میں، یہ منافع کمانے کا طریقہ نہیں ہے کہ اسے مؤثر طریقے سے بنایا جائے، بلکہ یہ ایک "رسوم" ہے کہ آئی ٹی سے ناواقف لیکن پیسے والے کسٹمر کے لیے زیادہ شور اور جلوس کے ساتھ اسے بنایا جائے۔ نتائج کے لیے ادائیگی کرنا ممکن نہیں ہے۔ اس لیے، مجھے کسٹمز ڈویلپمنٹ پسند نہیں ہے، اور میں صرف ان کمپنیوں یا افراد پر بھروسہ کرتا ہوں جو اپنے لیے آئی ٹی کا استعمال کرتے ہیں اور اپنا کاروبار چلاتے ہیں۔ شاید، اگر سبھی نتائج پر مبنی ہوتے تو بہت سے لوگ بے روزگار ہو جاتے، اس لیے شاید آئی ٹی انڈسٹری جو بیکار ہے، وہ لوگوں کو ملازمت فراہم کرنے میں مددگار ثابت ہوتی۔



■ ایئر ٹریڈ کی نگرانی جاری ہے۔
ایئر ٹریڈ 4 کا حالیہ اوسط +4.3% تک پہنچ گیا۔ نگرانی کی جانے والی کمپنیوں کی تعداد 300 سے تجاوز کر گئی ہے۔ یہ محض غلطی یا خوش قسمتی ہو سکتی ہے، اس لیے ابھی مزید جائزہ لیا جا رہا ہے۔
اے آئی ماڈل کی تربیت بھی جاری ہے۔ ہم روزانہ تھوڑا تھوڑا سا، چھوٹے چھوٹے مسائل کو درست کر رہے ہیں۔

■ ۵ فتح، ۱ شکست
گزشتہ تجزیے کے نتائج کے مطابق، ایئر ٹریڈز کا نتیجہ ۵ فتح اور ۱ شکست رہا۔ یہ برا نہیں ہے۔ چونکہ یہ ایئر ٹریڈ ہے، اس لیے میں نے اس میں اصل میں سرمایہ نہیں لگایا۔

اسی دن، مزید عجیب چیزیں ہوئیں۔ واہ۔ یہ ایئر ٹریل ہے، لیکن۔

■او سی آر
میں یہ نہیں خرید رہا، لیکن سانسان ایک افسانوی آئی پی او بننے والا ہے۔ یہ کمپنی خسارے کے ساتھ لسٹ ہوئی ہے، اس کا سیلز کم ہے، لیکن اس کا مارکیٹ کیپٹلائزیشن 1200 ارب یین ہے۔ یہ ایک عجیب لسٹنگ ہے۔
سانسان کے ڈیویڈنڈ کی شرح کی سادہ حساب کتاب، جو کہ خوش بینانہ پیشکشوں پر مبنی ہے۔ اگر یہ واقعی میں صدر کے کہنے کے مطابق بڑھتا ہے، تبھی یہ ممکن ہے۔ اگر یہ موبائل ادائیگی کی طرح ایک جنگجو دور میں داخل ہو جاتا ہے، تو ایس کی مسلسل کمی کا امکان ہے۔ تکنیکی طور پر، یہ چیزیں آسانی سے نقل کی جا سکتی ہیں، اور باقی مارکیٹنگ کا مسئلہ ہے۔ یہ اس بات پر منحصر ہے کہ بڑی کمپنیاں کیا کرتی ہیں۔ اس منافع کی شرح کو دیکھتے ہوئے، مجھے بھی اس میں سرمایہ کاری کرنے کا خیال آ رہا ہے۔

Sansan، یہ صرف OCR کے ذریعے نام کارڈ کو پڑھنے کا کام کرتا ہے۔ کیا ایسا لگتا ہے کہ اس سے بڑی کمپنیاں بن سکتی ہیں اور بہت زیادہ پیسہ کمایا جا سکتا ہے؟ یہ کہنا کہ مارکیٹنگ میں حاکمیت حاصل کرکے بہت زیادہ پیسہ کمایا جا سکتا ہے، یہ Amazon کے جیسا ہے۔ میں شاید ایک جدید AI ٹیکسٹ اسکیننگ ایپ بنانے کی کوشش کروں۔ اور "Sansan کے ساتھ مطابقت" کا دعویٰ کرتے ہوئے پورے گاہکوں کو چھین لینا (حسین مذاق)، کیا یہ بہت زیادہ ہے؟ ویسے، میں شاید فونٹ کے حروف کو تصاویر سے پہچاننے والا ایک ایپ بناؤں۔

ایسا ہی کچھ ہوتے ہوئے، میں نے Sansan پر آرٹیکلز تلاش کیے۔ وہاں ایک "جاپانی خصوصیت" ہے کہ 100% کی درستگی کے بغیر یہ مقبول نہیں ہو گا۔
https://www.itmedia.co.jp/news/spv/1906/17/news042_2.html
یہ کافی مشکل لگتا ہے۔ شاید یہی چیز اسے منفرد بناتی ہے۔ لیکن مجھے لگتا ہے کہ دنیا کے لوگ اتنی درستگی کی توقع نہیں کرتے ہیں۔
دراصل، نام کارڈ جلد ہی ختم ہو سکتے ہیں۔

گوگل کے پاس اوپن سورس OCR ہے، تو شاید میں اسے جلد ہی آزمائیں۔

■ بعد میں
AI ماڈل کی تربیت مسلسل جاری ہے، اور سائٹ کو مسلسل بہتر بنایا جا رہا ہے۔ لیکن مارکیٹ کی خراب صورتحال کے خلاف لڑنا مشکل ہے۔ نتائج کافی مشکل ہیں۔ اگر مارکیٹ اچھی ہے تو یہ 1% کے قریب ہے، لیکن جب مارکیٹ خراب ہوتی ہے تو یہ منفی ہو جاتا ہے۔ شاید اسے صرف اچھی مارکیٹ میں ہی استعمال کرنا چاہیے۔ براہ راست استعمال کرنا مشکل ہے، لیکن اگر آپ خود تمام حصوں کا تجزیہ کرتے ہیں تو یہ مشکل ہے۔ اس لیے، کچھ حد تک فلٹر کرنے کے طریقے کے طور پر اس کا استعمال کرنا ٹھیک ہو سکتا ہے۔

تیار کرنے کا عرصہ:
مارچ 2019 کے وسط میں، Matlab ڈاؤن لوڈ کیا اور تجربات شروع کیے گئے۔
اپریل کے اوائل میں، Python کے ساتھ پہلی بار تجربہ کیا۔
اپریل کے آخر میں، AI تجزیہ سائٹ کا ابتدائی ورژن تیار ہوا۔
مئی کے آخر میں، AI تجزیہ سائٹ تقریباً مکمل ہوئی۔
اس کے بعد، ماڈل کو ایک خاص کمپیوٹر پر مسلسل تربیت دی جاتی ہے۔ مسلسل اصلاح کی جاتی رہتی ہے۔