AI انجینئر سسٹم ڈیزائن انٹرویو: ایک عملی رہنما

سوال پہلی بار سنتے وقت ناقابلِ یقین حد تک وسیع لگتا ہے: ایک ریکمنڈیشن سسٹم ڈیزائن کریں، یا کمپنی کے اندرونی دستاویزات پر ایک چیٹ بوٹ ڈیزائن کریں۔ یہ حصہ بتاتا ہے کہ انٹرویو لینے والا کیا اسکور کر رہا ہے، تاکہ یہ وسعت مسئلہ بننا بند ہو جائے۔ مختصراً، وہ یہ جانچتے ہیں کہ کیا آپ کسی مبہم پروڈکٹ کی درخواست کو نمبروں کے ساتھ منسلک ایک سسٹم میں بدل سکتے ہیں۔

چار چیزیں زیادہ تر اسکور کا تعین کرتی ہیں:

• اسکوپنگ (Scoping)۔ کیا آپ کچھ بھی ڈرا کرنے سے پہلے پوچھتے ہیں کہ صارف کون ہیں، فی سیکنڈ کتنے سوالات آتے ہیں، اور کامیابی کے لیے کیا معیارِ کوالٹی درکار ہے؟
• ڈیٹا کی سمجھ بوجھ۔ ٹریننگ ڈیٹا کہاں سے آتا ہے، اسے کیسے لیبل کیا جاتا ہے، اور ٹریننگ اور سرونگ کے درمیان کیا لیک ہوتا ہے؟
• تشخیص۔ آف لائن میٹرکس کے ساتھ ایک آن لائن گارڈریل۔ بغیر تشخیصی منصوبے کے جواب جونیئر محسوس ہوتا ہے چاہے آرکیٹیکچر کتنا ہی اچھا کیوں نہ ہو۔
• پروڈکشن کی سمجھ۔ لیٹنسی بجٹ، فی درخواست لاگت، دوبارہ ٹریننگ کی تعدد، اور جب ماڈل غلط ہو تو کیا ہوتا ہے۔

پانچ قسم کے سوالات زیادہ تر AI انجینئر سسٹم ڈیزائن راؤنڈز کا احاطہ کرتے ہیں:

• نجی دستاویزات پر بازیافت سے تقویت یافتہ تخلیق (RAG)۔ چنکنگ (chunking) کی حکمتِ عملی، ایمبیڈنگ ماڈل کا انتخاب، ویکٹر انڈیکس، ری رینکنگ (reranking)، اور جب بازیافت کوئی متعلقہ نتیجہ نہ دے تو آپ کیا کرتے ہیں۔
• بڑے پیمانے پر ماڈل سرونگ۔ بیچنگ (batching)، کوانٹائزیشن (quantization)، GPUs کو مصروف رکھنا، کیشنگ، اور وہ p99 لیٹنسی ہدف جس کا آپ نے اسکوپنگ کے دوران عہد کیا تھا۔
• ریکمنڈیشن یا رینکنگ۔ پہلے امیدواروں کی تخلیق پھر رینکنگ، ایک فیچر اسٹور، ٹریننگ اور سرونگ کے درمیان فرق (skew)، کولڈ اسٹارٹ۔
• فیچر پائپ لائن۔ اسٹریمنگ بمقابلہ بیچ، پوائنٹ اِن ٹائم درستگی، بیک فلز۔
• ایجنٹک ورک فلو۔ ٹول کالنگ، اسٹیپ کی حدیں، لاگت کی چھت، اور انسان کیسے مداخلت کرتا ہے۔ زیادہ مکمل سوالات کا ذخیرہ انٹرویو اقسام کے سیکشن میں موجود ہے۔

ان میں سے ہر ایک کا ایک مشکل حصہ ہوتا ہے جس کا انٹرویو لینے والا انتظار کر رہا ہوتا ہے۔ بازیافت کے لیے یہ تشخیص ہے، کیونکہ ہر کوئی کسی ویکٹر ڈیٹابیس کا نام لے سکتا ہے لیکن بہت کم لوگ یہ بتا سکتے ہیں کہ وہ کیسے ماپیں گے کہ بازیافت بہتر ہوئی یا نہیں۔ سرونگ کے لیے یہ لاگت اور لیٹنسی کا ماڈل کے سائز کے مقابلے میں ٹریڈ آف ہے۔

پہلے پانچ منٹ ضروریات اور نمبروں پر خرچ کریں، اور انہیں وہاں لکھیں جہاں انٹرویو لینے والا انہیں دیکھ سکے: فی سیکنڈ سوالات، قابلِ قبول لیٹنسی، کوالٹی کا معیار، بجٹ۔ اس کے بعد ہر چیز انہی چار نمبروں کی طرف رجوع کرتی ہے، اور یہی وہ چیز ہے جو جواب کو اوزاروں کے دورے کے بجائے انجینئرنگ جیسا بناتی ہے۔

پھر وسعت کو پہلے اپنائیں: ڈیٹا کے ذرائع، آف لائن ٹریننگ، ایک آرٹیفیکٹ اسٹور، ایک سرونگ پاتھ، اور ایک فیڈ بیک لوپ پر مشتمل ایک ڈایاگرام۔ مکمل تصویر بننے کے بعد ہی گہرائی میں جائیں، اور انٹرویو لینے والے کو جزو منتخب کرنے دیں۔ دو ناکامی کے انداز اور ہر ایک کو پکڑنے کے لیے آپ کیا مانیٹر کریں گے یہ بتا کر اختتام کریں۔

ایک ML انجینئر جو ایک سرچ کمپنی میں سینئر عہدے کے لیے انٹرویو دے رہی تھی، اس سے سپورٹ ٹکٹس پر سیمنٹک سرچ ڈیزائن کرنے کو کہا گیا۔ اس نے چار منٹ اسکوپنگ پر خرچ کیے، p95 پر 200 ملی سیکنڈز اور ایک مقررہ ماہانہ انفرنس بجٹ کا عہد کیا، پھر دونوں نمبر استعمال کرتے ہوئے ایک بڑے ری رینکر کو مسترد کیا اور اس کی بجائے سب سے اوپر کے 50 امیدواروں پر ایک چھوٹا کراس اینکوڈر (cross-encoder) منتخب کیا۔ ماڈل کا انتخاب نہیں بلکہ یہی ٹریڈ آف تھا جسے اسکور کیا گیا۔

سسٹم ڈیزائن زبانی اور بصری ہوتا ہے، اس لیے اسسٹنٹ یہاں دوسرے راؤنڈز کی نسبت کم مدد کرتا ہے۔ یہ جو کچھ کر سکتا ہے وہ چیک لسٹ کو آپ کے سامنے رکھنا ہے۔ SubcueAI میٹنگ کا آڈیو سنتا ہے اور ایک مقامی اوورلے پر ساخت رکھتا ہے: وہ اسکوپنگ سوالات جو آپ نے ابھی تک نہیں پوچھے، وہ تشخیصی سیکشن جو آپ نے چھوڑ دیا، وہ ناکامی کے انداز جو ذکر کرنے کے قابل ہیں۔ macOS اور Windows پر ڈیسک ٹاپ ایپ سسٹم آڈیو کے ساتھ ساتھ آپ کا مائیکروفون بھی کیپچر کرتی ہے؛ براؤزر ایکسٹینشن کا سائیڈ پینل صرف میٹنگ ٹیب کا آڈیو کیپچر کرتا ہے، اس لیے یہ انٹرویو لینے والے کو سنتا ہے آپ کو ٹرانسکرائب کیے بغیر۔ کوئی بوٹ کال میں شامل نہیں ہوتا۔

اس راؤنڈ میں حدود زیادہ تر راؤنڈز کی نسبت زیادہ اہم ہیں۔ اگر آپ ڈایاگرام بنانے کے لیے اپنی اسکرین شیئر کر رہے ہیں، تو اوورلے آپ کے شیئر کیے گئے حصے کے اندر ہوتا ہے۔ زیرِ نگرانی اسیسمنٹس اور کمپنی کے زیرِ انتظام مشینیں دائرہ کار سے باہر ہیں، اور کوئی بھی ٹول عالمی طور پر ناقابلِ شناخت نہیں۔ اسسٹنٹ آرکیٹیکچر کا وہ فیصلہ بھی ایجاد نہیں کر سکتا جسے گریڈ کیا جا رہا ہے۔ مشقی انٹرویو پیج پر AI انٹرویو لینے والے کے سامنے ان سوالات کی مشق کرنا یہ صلاحیت بناتا ہے؛ اوورلے صرف آپ کو منٹ 30 پر تشخیص بھولنے سے بچاتا ہے۔