جب کسی مصنوعی ذہانت کی کمپنی کا کہنا ہو کہ اس کا نیا ماڈل اربوں یا کھربوں پیرامیٹر رکھتا ہے تو اس سے مراد ماڈل کے اندر موجود وہ عددی قدریں ہوتی ہیں جو تربیت کے دوران سیکھی جاتی ہیں۔
گوگل کی مشینی سیکھنے کی لغت کے مطابق پیرامیٹر بنیادی طور پر وزن اور تعصب جیسی وہ قدریں ہیں جنہیں ماڈل تربیتی مثالوں سے سیکھتا ہے۔ اعصابی جال میں یہی قدریں طے کرتی ہیں کہ ایک داخلی اشارہ مختلف تہوں سے گزر کر کس طرح نتیجے میں تبدیل ہوگا۔
آسان مثال یوں ہے کہ پیرامیٹر کو ماڈل کے اندر موجود لاکھوں، کروڑوں یا اربوں چھوٹے قابلِ تبدیلی کنٹرول سمجھا جا سکتا ہے۔ تربیت کے دوران ماڈل بار بار اپنی غلطی ناپتا ہے اور ان قدروں کو تھوڑا تھوڑا بدلتا ہے۔ وقت کے ساتھ یہی مجموعہ اسے زبان سمجھنے، تصویر پہچاننے، سوال کا جواب دینے یا کوئی نئی تحریر بنانے کے قابل بناتا ہے۔
لیکن زیادہ پیرامیٹر کا مطلب ہمیشہ زیادہ ذہانت نہیں۔ دو ماڈل ایک ہی حجم کے ہو سکتے ہیں مگر ان کی کارکردگی مختلف ہو سکتی ہے، کیونکہ اصل نتیجے پر ساخت، تربیتی مواد، تربیت کا طریقہ، بعد کی اصلاح، یاد رکھنے کی گنجائش، بیرونی اوزار اور جواب پیدا کرنے کا طریقہ بھی اثر انداز ہوتے ہیں۔
بڑا ماڈل زیادہ مہنگا بھی ہو سکتا ہے۔ عموماً زیادہ پیرامیٹر کے لیے زیادہ حافظہ، زیادہ حسابی طاقت اور زیادہ توانائی درکار ہوتی ہے۔ تاہم جدید طریقوں میں ہر پیرامیٹر ہر وقت استعمال نہیں ہوتا، اس لیے صرف مجموعی تعداد سے حقیقی خرچ بھی معلوم نہیں کیا جا سکتا۔
پیرامیٹر اور ہائپرپیرامیٹر الگ چیزیں ہیں۔ پیرامیٹر ماڈل خود سیکھتا ہے، جبکہ سیکھنے کی رفتار جیسی ہائپرپیرامیٹر قدریں ماہرین پہلے طے کرتے ہیں۔
اس لیے اگر کسی خبر میں صرف یہ کہا جائے کہ نیا ماڈل پانچ یا دس کھرب پیرامیٹر رکھتا ہے تو یہ ایک اہم تکنیکی اطلاع ضرور ہے، مگر اسے ذہانت کا حتمی پیمانہ نہیں سمجھنا چاہیے۔ اصل موازنہ قابلِ اعتماد آزمائشوں، درستگی، حفاظت، رفتار، لاگت اور حقیقی کاموں میں کارکردگی سے ہونا چاہیے۔