پیشہ ورانہ گالف کی دنیا، جسے اکثر ٹورنامنٹ لیڈرز پر مرکوز ٹیلی ویژن نشریات کے تنگ نظریے سے دیکھا جاتا ہے، اس سے کہیں زیادہ وسیع ڈرامے پر محیط ہے۔ وسیع و عریض کورسز پر، درجنوں مدمقابل بیک وقت چیلنجز سے نمٹتے ہیں، شاندار شاٹس لگاتے ہیں، اور موسموں سے لڑتے ہیں۔ اس مقابلے کی مکمل وسعت کو قید کرنا طویل عرصے سے ایک لاجسٹک اور وسائل طلب چیلنج رہا ہے۔ اب، جدید ڈیٹا اکٹھا کرنے اور جدید ترین مصنوعی ذہانت کا امتزاج اسکرپٹ کو دوبارہ لکھ رہا ہے، جس سے PGA TOUR شائقین کو تفصیل اور بیانیہ کے سیاق و سباق کی بے مثال سطح فراہم کرنے کی اجازت دے رہا ہے، جو روایتی کوریج کی حدود سے کہیں آگے بڑھ رہا ہے۔ THE PLAYERS Championship کے دوران ایک شاندار مظاہرے میں، جنریٹو AI کو 30,000 سے زیادہ انفرادی گالف شاٹس کے لیے منفرد تحریری تفصیلات تیار کرنے کے لیے تعینات کیا گیا، جس سے پیروکاروں کو پورے میدان میں ہونے والے ایکشن کی زیادہ بھرپور، زیادہ جامع تفہیم پیش کی گئی۔
دائمی چیلنج: جامع گالف کوریج کو بڑھانا
کئی دہائیوں سے، پیشہ ورانہ گالف ٹورنامنٹ کا بیانیہ بڑی حد تک روایتی میڈیا کی رکاوٹوں سے طے ہوتا رہا ہے۔ انسانی مبصرین اور پروڈکشن عملہ قدرتی طور پر لیڈر بورڈ میں سرفہرست کھلاڑیوں یا قائم شدہ اسٹار پاور والے کھلاڑیوں کی طرف راغب ہوتے ہیں۔ اگرچہ یہ نقطہ نظر زبردست جھلکیاں پیش کرتا ہے، لیکن یہ لامحالہ مقابلے کے وسیع حصوں کو غیر دستاویزی چھوڑ دیتا ہے۔ اکثر 140 سے زیادہ کھلاڑیوں کے میدانوں کے ساتھ، ہر ایک چار دنوں میں فی راؤنڈ 70 سے زیادہ شاٹس لیتا ہے، ایکشن کا سراسر حجم بہت زیادہ ہے۔
PGA TOUR میں ڈیجیٹل اور براڈکاسٹ ٹیکنالوجیز کے سینئر نائب صدر Scott Gutterman، بنیادی مسئلے کو واضح کرتے ہیں: ‘عام طور پر، ہمارا عملہ 25 یا 30 گالفرز کا احاطہ کر سکتا ہے۔’ اس آپریشنل حقیقت کا مطلب یہ تھا کہ ممکنہ طور پر درجنوں دیگر کھلاڑیوں کی کہانیاں - ان کی کامیابیاں، جدوجہد، اور اہم لمحات - بڑی حد تک ان کہی رہ گئیں، اگر بالکل بھی قابل رسائی تھیں تو صرف خام اعدادوشمار کے ذریعے۔ سرکردہ پیک سے باہر مخصوص کھلاڑیوں کی پیروی کرنے والے شائقین کو اکثر ان کی کارکردگی کا ایک بکھرا ہوا نظارہ ملتا تھا۔
PGA TOUR کے اندر عزائم واضح تھے: ShotLink کے ذریعے فراہم کردہ ناقابل یقین حد تک بھرپور ڈیٹا اسٹریم کا فائدہ اٹھانا، جو CDW کے ذریعے تقویت یافتہ ہے، جو لیے گئے ہر شاٹ پر قطعی تفصیلات حاصل کرتا ہے، تاکہ ایک زیادہ مساوی اور مکمل بیانیہ منظر نامہ بنایا جا سکے۔ چیلنج ڈیٹا کی کمی نہیں تھی، بلکہ اس ڈیٹا کو ہر کھلاڑی اور ہر شاٹ کا احاطہ کرنے کے لیے درکار پیمانے پر ایک زبردست، بیانیہ کی شکل میں پروسیس کرنے، تشریح کرنے اور پیش کرنے میں ناکامی تھی۔ انسانی وسائل محض اس خلا کو مؤثر طریقے سے یا معاشی طور پر پُر نہیں کر سکتے تھے۔ خواہش بنیادی میٹرکس سے آگے بڑھنے کی تھی - ‘JJ Spaun نے 300 گز کی ڈرائیو ماری اور سوراخ تک 125 گز باقی ہیں’ - جو، Gutterman نوٹ کرتے ہیں، برسوں سے معیار رہا تھا۔ مقصد ان ڈیٹا پوائنٹس کو معنی اور سیاق و سباق سے بھرنا تھا، خام نمبروں کو ہر مدمقابل کے لیے دلکش کہانی سنانے والے عناصر میں تبدیل کرنا تھا۔
جنریٹو AI کا داخلہ: تبدیلی کے لیے تکنیکی محرک
اسکیلنگ چیلنج پر قابو پانے کے لیے مصنوعی ذہانت کی صلاحیت کو تسلیم کرتے ہوئے، PGA TOUR نے تقریباً دو سال قبل جنریٹو AI کی صلاحیتوں کی ایک وقف شدہ تلاش شروع کی۔ یہ محض ایک علمی مشق نہیں تھی۔ یہ ایک بنیادی سوال سے کارفرما تھا: یہ تیزی سے ابھرتی ہوئی ٹیکنالوجی مواد کی تخلیق کو کیسے بڑھا سکتی ہے اور، اہم بات یہ ہے کہ، بنیادی اسٹیک ہولڈرز - شائقین، کھلاڑیوں، اور خود ٹورنامنٹس - کی بہتر خدمت کیسے کر سکتی ہے؟
اس سفر میں ایک کلیدی ٹیکنالوجی پارٹنر، Amazon Web Services (AWS) کے ساتھ قریبی تعاون شامل تھا۔ TOUR، AWS Bedrock کے لیے ایک بنیادی پارٹنر بن گیا، جو ایک منظم سروس ہے جو ایک واحد API کے ذریعے مختلف قسم کے معروف فاؤنڈیشن ماڈلز (FMs) تک رسائی فراہم کرتی ہے۔ Gutterman اسٹریٹجک فائدے کی وضاحت کرتے ہیں: ‘Bedrock مؤثر طریقے سے آپ کو تقریباً کسی بھی جنریٹو-AI ماڈل اور اس قسم کے تجربات تخلیق کرنے کے لیے ٹولز کا ایک مجموعہ استعمال کرنے کی اجازت دیتا ہے۔’ اس پلیٹ فارم اپروچ نے لچک اور مستقبل کی پروفنگ فراہم کی، کسی ایک AI فراہم کنندہ یا ماڈل آرکیٹیکچر پر انحصار سے گریز کیا۔
وضاحتی متن تیار کرنے کے مخصوص کام کے لیے، TOUR نے Anthropic کے تیار کردہ ماڈلز کا انتخاب کیا، جو Bedrock کے ذریعے قابل رسائی ہیں۔ ‘ہم اس قسم کے تجربات تخلیق کرنے کے لیے Anthropic کے Claude ماڈلز استعمال کر رہے ہیں۔ خاص طور پر، ہم Anthropic Claude 3.5 Sonnet استعمال کر رہے ہیں،’ Gutterman وضاحت کرتے ہیں۔ پچھلا سال ایک اہم منتقلی کا نشان تھا، جو ابتدائی پروف آف کانسیپٹ (POCs) سے آگے بڑھ کر مکمل آپریشنلائزیشن کی طرف بڑھ رہا تھا۔ اس میں لائیو ٹورنامنٹ کوریج میں AI کو قابل اعتماد طریقے سے اور پیمانے پر ضم کرنے کے لیے درکار مضبوط انفراسٹرکچر اور ورک فلو بنانا شامل تھا۔ توجہ امکان ظاہر کرنے سے ہٹ کر ایک عملی، دہرائے جانے کے قابل نظام کو نافذ کرنے پر مرکوز ہو گئی جو پیشہ ورانہ گالف ٹورنامنٹ کے متحرک، زیادہ حجم والے ماحول کو سنبھالنے کے قابل ہو۔ Claude 3.5 Sonnet کا انتخاب اس کی سمجھی جانے والی طاقتوں کی بنیاد پر ایک انتخاب کی عکاسی کرتا ہے جو کھیلوں کی کمنٹری کے لیے موزوں، سیاق و سباق سے آگاہ متن تیار کرنے میں ہے۔
بیانیہ تیار کرنا: AI پردے کے پیچھے ایک نظر
ہزاروں منفرد، درست، اور سیاق و سباق کے لحاظ سے متعلقہ شاٹ تفصیلات قریب قریب حقیقی وقت میں تیار کرنا ایک پیچیدہ ترتیب ہے۔ اس میں صرف خام ڈیٹا کو AI ماڈل میں فیڈ کرنے سے کہیں زیادہ شامل ہے۔ PGA TOUR نے AWS کے ساتھ مل کر، ShotLink ڈیٹا کو زبردست بیانیوں میں تبدیل کرنے کے لیے ایک جدید پائپ لائن تیار کی۔
1. ڈیٹا انجیشن اور سیاق و سباق سازی:
یہ عمل ShotLink سے ڈیٹا کے سلسلے سے شروع ہوتا ہے۔ یہ صرف ایک شاٹ کا اختتامی نقطہ نہیں ہے، بلکہ اس میں جھوٹ، فاصلہ، استعمال شدہ کلب، اور مزید جیسی تفصیلات شامل ہیں۔ تاہم، خام ڈیٹا میں بیانیہ کی طاقت کا فقدان ہے۔ اگلا اہم مرحلہ سیاق و سباق کی خدمات کا ایک سیٹ شامل کرتا ہے۔ یہ خدمات ایک تشریحی پرت کے طور پر کام کرتی ہیں، آنے والے ڈیٹا کا قواعد کے انجن کے خلاف تجزیہ کرتی ہیں۔
2. قواعد کا انجن: ذہانت شامل کرنا:
یہ انجن اس بات کو یقینی بنانے کے لیے اہم ہے کہ تیار کردہ متن بامعنی ہو اور عام خرابیوں سے بچے۔ Gutterman مثالیں فراہم کرتے ہیں: ‘ایک کھلاڑی کے پہلے سوراخ سے دن کا پہلا ٹی شاٹ مارنے کے بعد، یہ نہیں لکھتا کہ کھلاڑی نے دن کی سب سے لمبی ڈرائیو ماری۔’ قواعد ترجیحات کا تعین کرتے ہیں، تنوع اور مطابقت کو یقینی بناتے ہیں۔ ‘مثال کے طور پر، ہم اسے ہر تین بیانیوں پر اپروچ شاٹس پر ریگولیشنز میں گرینز کے بارے میں بات کرنے کے لیے کہہ سکتے ہیں تاکہ متن تمام کھلاڑیوں میں بے کار نہ ہو جائے۔’ سسٹم کو اسی طرح کے اعمال کے لیے تفصیلات بیان کرنے کے مختلف طریقے بھی سکھائے جاتے ہیں - اس بات کو یقینی بنانا کہ ڈرائیو کو ہر بار یکساں طور پر بیان نہ کیا جائے، یا اسی طرح جس طرح پٹ کو بیان کیا جائے گا۔ اس میں گالف کے علم اور بیانیہ کی بہترین طریقوں کو سسٹم کی منطق میں انکوڈ کرنا شامل ہے۔
3. پرامپٹ انجینئرنگ:
ڈیٹا اور سیاق و سباق کے قواعد سے لیس، ایک پرامپٹ انجن AI ماڈل کو دی گئی مخصوص ہدایت تیار کرتا ہے۔ یہ پرامپٹ مؤثر طریقے سے AI سے فراہم کردہ ڈیٹا پوائنٹس کو شامل کرتے ہوئے اور سیاق و سباق کے رہنما خطوط پر عمل کرتے ہوئے ایک بیانیہ تیار کرنے کو کہتا ہے۔ مؤثر پرامپٹس تیار کرنا جنریٹو AI کے ساتھ کام کرنے میں ایک اہم مہارت ہے، جو آؤٹ پٹ کے انداز، لہجے اور مواد کو تشکیل دیتی ہے۔
4. AI بیانیہ جنریشن:
احتیاط سے تیار کردہ پرامپٹ پھر AWS Bedrock پلیٹ فارم کے ذریعے Anthropic Claude 3.5 Sonnet ماڈل کو بھیجا جاتا ہے۔ AI درخواست پر کارروائی کرتا ہے اور وضاحتی متن - شاٹ بیانیہ - تیار کرتا ہے، جس میں حقائق اور مطلوبہ سیاق و سباق شامل ہوتے ہیں۔ مثال کے طور پر، صرف گز کا فاصلہ بتانے کے بجائے، یہ شامل کر سکتا ہے، ‘اس نے ابھی دن کی اپنی سب سے لمبی ڈرائیو ماری ہے’ یا شماریاتی سیاق و سباق فراہم کر سکتا ہے جیسے، ‘125 گز باہر، وہ 20% وقت میں سوراخ کے 10 فٹ کے اندر پہنچ جاتا ہے۔’ معلومات کی یہ تہہ بندی ہی آؤٹ پٹ کو سادہ ڈیٹا رپورٹنگ سے بلند کرتی ہے۔
5. سخت توثیق:
کسی بھی AI سے تیار کردہ متن کے عوام تک پہنچنے سے پہلے، یہ درستگی اور معیار کو یقینی بنانے کے لیے کثیر مرحلہ توثیقی عمل سے گزرتا ہے۔
- DataVerification: آؤٹ پٹ بیانیے کو ان پٹ ShotLink ڈیٹا کے خلاف چیک کیا جاتا ہے۔ ‘Claude 3.5 Sonnet سے آؤٹ پٹ بیانیہ ایک توثیقی سروس سے گزرتا ہے تاکہ یہ یقینی بنایا جا سکے کہ آؤٹ پٹ میں حوالہ دیا گیا ShotLink ڈیٹا اس سے میل کھاتا ہے جو سسٹم میں ان پٹ کیا گیا تھا (مثال کے طور پر، ڈرائیو کا فاصلہ)،’ Gutterman وضاحت کرتے ہیں۔ یہ قدم ممکنہ AI ‘ہیلو سینیشنز’ یا حقائق کی غلطیوں سے بچاتا ہے۔
- Cosine Similarity: ایک زیادہ باریک بینی سے جانچ پڑتال ہوتی ہے، جس میں کوزائن سمیلیرٹی تجزیہ استعمال کیا جاتا ہے۔ یہ تکنیک تیار کردہ متن اور دی گئی قسم کے شاٹ کے لیے قابل قبول تفصیلات کے کارپس کے درمیان معنوی مماثلت کی پیمائش کرتی ہے۔ ‘سسٹم اس بات کو یقینی بناتا ہے کہ متن اس حد کے اندر آتا ہے کہ کوئی ڈرائیو کے بارے میں کیسے بات کرے گا،’ Gutterman مزید کہتے ہیں۔ یہ یقینی بناتا ہے کہ لہجہ اور جملہ بندی مناسب ہو اور اس کے مطابق ہو کہ گالف کے اعمال کو عام طور پر کیسے بیان کیا جاتا ہے۔
- پبلشنگ انجن چیکس: اگر بیانیہ ان ٹیسٹوں کو پاس کر لیتا ہے، تو یہ پبلشنگ انجن کی طرف بڑھتا ہے، جہاں حتمی جانچ پڑتال ہوتی ہے اس سے پہلے کہ اسے TOURCAST ایپ جیسے پلیٹ فارمز میں ضم کیا جائے۔
یہ محتاط عمل درستگی اور وشوسنییتا کے عزم کو واضح کرتا ہے، جو کھیلوں کی معلومات کی فراہمی میں ساکھ برقرار رکھنے کے لیے ضروری ہے۔
حقیقی دنیا کا نفاذ: THE PLAYERS Championship میں کامیابی
اس AI سے چلنے والے نظام کی نظریاتی صلاحیت کو THE PLAYERS Championship کے دوران ایک اہم حقیقی دنیا کی آزمائش میں ڈالا گیا، جو PGA TOUR کیلنڈر کے فلیگ شپ ایونٹس میں سے ایک ہے۔ یہ کوئی چھوٹے پیمانے کی آزمائش نہیں تھی۔ سسٹم کو تمام چار راؤنڈز میں پورے فیلڈ کے لیے بیانیے تیار کرنے کے لیے تعینات کیا گیا تھا۔
نتائج متاثر کن تھے۔ جنریٹو AI سسٹم نے ٹورنامنٹ ہفتے کے دوران 30,000 سے زیادہ انفرادی شاٹس کے لیے کامیابی سے وضاحتی متن تیار کیا۔ یہ کوریج کی گہرائی میں ایک یادگار چھلانگ کی نمائندگی کرتا ہے، جو مؤثر طریقے سے ہر مدمقابل کے ذریعے لیے گئے ہر ایک شاٹ کے لیے بیانیہ بصیرت فراہم کرتا ہے۔
اتنا ہی اہم نظام کی وشوسنییتا تھی۔ ‘THE PLAYERS Championship کے دوران، 30,000 شاٹس پر درستگی تقریباً 96% تھی، جو وہیں تھی جہاں ہم نے سوچا تھا کہ ہم ہوں گے،’ Gutterman رپورٹ کرتے ہیں۔ لائیو، متحرک کھیلوں کے ایونٹ میں درستگی کی اس سطح کو حاصل کرنا، جہاں ڈیٹا مسلسل بہہ رہا ہے اور سیاق و سباق تیزی سے بدلتا ہے، بنیادی ٹیکنالوجی کی مضبوطی اور توثیقی عمل کی مکمل پن کا ثبوت ہے۔ اگرچہ 96% کا مطلب ہے کہ ایک چھوٹا فیصد جائزہ لینے یا مسترد کرنے کی ضرورت ہے، مجموعی کامیابی کی شرح نے بڑے پیمانے پر تعیناتی کے لیے نظام کی قابل عملیت کا مظاہرہ کیا۔ اس کامیابی نے دو سال کی ترقی کی توثیق کی اور TOUR کی مواد کی حکمت عملی میں ایک اہم سنگ میل کی نشاندہی کی۔
مستقبل کی منصوبہ بندی: متن سے آگے اور ذاتی نوعیت کی طرف
متن پر مبنی بیانیوں کا کامیاب نفاذ PGA TOUR کے AI سے فائدہ اٹھانے کے وژن کا صرف آغاز ہے۔ موجودہ نظام بنیادی طور پر متن پر مرکوز ہے کیونکہ حقیقی وقت میں لائیو ویڈیو اور آڈیو اسٹریمز پر کارروائی اور تشریح کرنے کے قابل AI ماڈلز ابھی پختہ ہو رہے ہیں۔ تاہم، روڈ میپ واضح طور پر زیادہ عمیق، کثیر حسی مستقبل کی طرف اشارہ کرتا ہے۔
ملٹی موڈل AI انٹیگریشن:
‘ہم ایک ایسے دن کی طرف بڑھ رہے ہیں جب یہ لائیو ڈیٹا، لائیو آڈیو، لائیو ویڈیو کا مجموعہ ہوگا اور پھر ویڈیو بنانے اور آواز پیدا کرنے کے لیے ملٹی موڈل آؤٹ پٹ کا استعمال ہوگا،’ Gutterman تصور کرتے ہیں۔ یہ ایک ایسے مستقبل کی تجویز کرتا ہے جہاں AI ممکنہ طور پر سوئنگ میکینکس پر تبصرہ کرنے، کھلاڑیوں کے رد عمل کی تشریح کرنے، یا یہاں تک کہ ہجوم کے شور کا اندازہ لگانے کے لیے ویڈیو فیڈز کا تجزیہ کر سکتا ہے، ان مشاہدات کو ShotLink ڈیٹا کے ساتھ ضم کر کے اور بھی زیادہ بھرپور مواد کے تجربات تخلیق کر سکتا ہے، شاید AI سے تیار کردہ وائس اوور کے ساتھ خودکار ویڈیو ہائی لائٹس بھی۔
مصنوعی آواز کی کمنٹری:
ایک زیادہ فوری مقصد شائقین کے لیے دستیاب متعدد ‘Every Shot Live’ اسٹریمز پر کمنٹری کی کمی کو دور کرنا ہے۔ برسوں سے، یہ فیڈز، جن کی تعداد اکثر 50 بیک وقت اسٹریمز کے قریب ہوتی ہے، میں صرف قدرتی آواز اور شماریاتی اوورلیز شامل ہوتے ہیں۔ ‘ہمارا مقصد ہمیشہ ایک انسان کا کہانی سنانا ہوتا ہے، لیکن دن بھر 48 اسٹریمز پر دو مبصرین کا ہونا لاگت کے لحاظ سے ممنوع ہے،’ Gutterman تسلیم کرتے ہیں۔ جنریٹو AI ایک قابل توسیع حل پیش کرتا ہے۔ ‘ہم AWS کے ساتھ ایک مصنوعی آواز پر کام کر رہے ہیں جو پرامپٹس [بیانیے] کو پڑھ سکتی ہے۔ AI کے ساتھ، ناظر اسی طرح کمنٹری آن کر سکتا ہے جس طرح وہ کلوزڈ کیپشننگ آن کرتے ہیں۔’ یہ صلاحیت آسانی سے متعدد زبانوں تک بھی پھیل سکتی ہے، مثال کے طور پر، ایک سوئچ کے فلک پر ہسپانوی میں کمنٹری پیش کرنا، رسائی میں ڈرامائی طور پر اضافہ کرنا۔
اسٹریٹجک ماڈل اگنوسٹک ازم:
ان مستقبل کی پیشرفتوں کی بنیاد AWS Bedrock کی طرف سے فراہم کردہ اسٹریٹجک فائدہ ہے - ماڈل اگنوسٹک ازم۔ TOUR کسی ایک AI ماڈل فراہم کنندہ تک محدود نہیں ہے۔ ‘Bedrock PGA TOUR کو ماڈل-اگنوسٹک ہونے اور کام کے لیے بہترین ماڈل تلاش کرنے کی اجازت دیتا ہے،’ Gutterman زور دیتے ہیں۔ یہ لچک تیزی سے ابھرتے ہوئے AI منظر نامے میں اہم ہے۔ ‘اگر مستقبل کے ماڈلز کم قیمت پر کوئی فنکشن انجام دے سکتے ہیں، تو Tour بغیر کسی مسئلے کے اس کی طرف محور ہو سکتا ہے۔’ وہ ایک واحد، ہمہ گیر ماڈل کے تصور کو مسترد کرتے ہوئے مشاہدہ کرتے ہیں، ‘جو ہم دیکھ رہے ہیں وہ یہ ہے کہ ایسا نہیں ہے۔’ حکمت عملی کام کے لیے بہترین ٹول استعمال کرنا ہے: باریک بینی سے متن تیار کرنے کے لیے Anthropic کا Claude، ممکنہ طور پر تصویری شناخت کے کاموں کے لیے نیا AWS Nova ماڈل، اور شاید ترجمہ جیسے افعال کے لیے دیگر خصوصی ماڈلز۔ یہ نقطہ نظر طویل مدتی میں لاگت اور کارکردگی کو بہتر بناتے ہوئے صلاحیت کو زیادہ سے زیادہ کرتا ہے۔
حتمی انعام: انتہائی ذاتی نوعیت کے پرستار کے تجربات
اگرچہ تکنیکی ترقی اپنے طور پر متاثر کن ہے، PGA TOUR کی جنریٹو AI پہل کے پیچھے محرک قوت بنیادی طور پر تبدیل شدہ پرستار کے تجربے کا حصول ہے: انتہائی ذاتی نوعیت۔
ہر شاٹ کے لیے بیانیہ سیاق و سباق پیدا کرنے کی صلاحیت انفرادی ترجیحات کے مطابق مواد فراہم کرنے کی بنیاد رکھتی ہے۔ ‘یہ ہمیں انتہائی ذاتی نوعیت کی راہ پر گامزن کرتا ہے، جہاں ایک پرستار دن کے اختتام پر اپنے پسندیدہ کھلاڑیوں کی بہترین ویڈیو کے ساتھ ایک کہانی حاصل کر سکتا ہے،’ Gutterman وضاحت کرتے ہیں۔ تصور کریں کہ ایک ایپ خود بخود آپ کے پسندیدہ گالفر کے کھیلے گئے ہر اہم شاٹ پر مشتمل ایک ہائی لائٹ ریل مرتب کرتی ہے، جو سیاق و سباق کی بیانیہ تفصیلات کے ساتھ مکمل ہوتی ہے، ان کے راؤنڈ کے اختتام کے فوراً بعد فراہم کی جاتی ہے۔
یہ سادہ کیوریشن سے آگے بڑھتا ہے۔ TOUR پیش گوئی کی مصروفیت کے قابل نظاموں کا تصور کرتا ہے۔ ‘ایپ پہلے سے ہی جانتی ہے کہ آپ کو کیا پسند ہے اور صرف آپ کو وہ پیش کرتی ہے جو آپ چاہتے ہیں،’ Gutterman تجویز کرتے ہیں۔ پرستار کی ترجیحات سیکھ کر - پسندیدہ کھلاڑی، مخصوص اعدادوشمار میں دلچسپی (جیسے ڈرائیونگ کا فاصلہ یا پٹنگ کی کارکردگی)، یا یہاں تک کہ ترجیحی مواد کی شکلیں - پلیٹ فارم فعال طور پر سب سے زیادہ متعلقہ معلومات اور کہانیاں فراہم کر سکتا ہے، شاید کسی پرستار کو اس وقت بھی آگاہ کر سکتا ہے جب ان کا پسندیدہ کھلاڑی ایک اہم پٹ کا سامنا کر رہا ہو یا تاریخی طور پر چیلنجنگ پوزیشن سے شاٹ کی کوشش کر رہا ہو۔
ذاتی نوعیت کی یہ سطح مصروفیت کو گہرا کرنے، گالف مواد کے استعمال کو زیادہ متعلقہ، موثر، اور بالآخر ہر انفرادی پرستار کے لیے زیادہ اطمینان بخش بنانے کا ہدف رکھتی ہے۔ اپنے وسیع ڈیٹا ذخائر میں چھپی بیانیہ صلاحیت کو کھولنے کے لیے جنریٹو AI کا فائدہ اٹھا کر، PGA TOUR نہ صرف اپنی کوریج کو بڑھا رہا ہے؛ یہ ایک ایسے مستقبل کا آغاز کر رہا ہے جہاں ٹیکنالوجی کھیل کی کہانی کو ہر پیروکار کے منفرد نقطہ نظر کے مطابق ڈھالتی ہے۔ ایک ہی براڈکاسٹ فیڈ کو غیر فعال طور پر وصول کرنے کا دور کھیل کے ساتھ ایک متحرک، ذاتی نوعیت کے، اور ڈیٹا سے بھرپور مشغولیت کو راستہ دے رہا ہے۔