AI-translated from English; not yet reviewed by a fluent editor.

# Snorkel کی $350 ملین کی سرمایہ کاری AI کے لیے فرضی کام کی جگہوں کی تیاری میں مدد دیتی ہے

> Snorkel کی نئی سرمایہ کاری ایسی فرضی کام کی جگہوں کے لیے ہے جہاں AI ایجنٹ کمپنی کے ٹولز، قواعد اور ریکارڈ استعمال کرنے کی مشق کرسکتے ہیں، اور ان کے اقدامات و نتائج کو اسکور کیا جاتا ہے۔

By BIG CHANGE Editorial

Published: 2026-09-22T23:48:28.109Z
Updated: 2026-09-23T03:38:46.383Z
Canonical: https://bigchange.ai/blog/snorkel-ai-training-simulated-workplaces

![A blank monitor and tool tray sit inside an orange-edged controlled training workstation.](https://bigchange.ai/api/media/file/snorkel-training-room-boundary-hero-v2.png)
AI-generated conceptual illustration by BIG CHANGE. Illustration of a controlled training workstation with tools and a visible boundary. It does not show a customer system or a production result.

Snorkel AI ایجنٹس کی تربیت کے لیے فرضی کام کی جگہیں فروخت کرتا ہے۔ ان میں کمپنی کے ریکارڈ، ٹولز اور قواعد شامل ہیں، اور ایجنٹ کے اقدامات اور نتائج کو اسکور کیا جاتا ہے۔

22 ستمبر کو Snorkel نے [$350 ملین کی Series E سرمایہ کاری کا اعلان کیا، جس سے کمپنی کی مالیت $3.5 ارب قرار دی گئی](https://snorkel.ai/blog/data-2-0-and-the-research-era-of-ai-data/)۔ سرمایہ کاری نئی ہے؛ مصنوعات کی سمت نہیں۔ Snorkel نے 2025 میں ماحول بنانے کا اپنا طریقہ بیان کیا تھا، اور اس کی موجودہ Data Series میں جائیداد و حادثاتی بیمہ کی underwriting اور مالیاتی simulations شامل ہیں۔ یہ سرمایہ ایک پہلے سے موجود کاروبار کو سہارا دیتا ہے جو کام سے متعلق ماہرین کے علم کو تربیت اور جانچ کے بنیادی ڈھانچے میں بدلتا ہے۔

## بڑی تبدیلی

- **کیا بدلا:** تربیتی ڈیٹا فراہم کرنے والا کسی کمپنی کے کام کے عمل کی قابلِاستعمال simulation فروخت کرسکتا ہے۔ کامیابی کے لیے دستیاب ٹولز اور ریکارڈ استعمال کرکے workflow مکمل کرنا ضروری ہے۔
- **یہ کیوں اہم ہے:** ماحول بنانے والے لوگ یہ طے کرنے میں مدد دیتے ہیں کہ کام کی مہارت کیا ہے۔ پالیسی کی حد، لازمی منظوری یا database کی تازہ کاری اس اشارے کا حصہ بن جاتی ہے جو کسی رویے کو انعام دیتا اور دوسرے کو رد کرتا ہے۔ لہٰذا شعبہ جاتی فیصلہ سازی تربیت کا اِن پٹ ہے، صرف آخری جائزہ نہیں۔
- **کس بات پر نظر رکھیں:** Snorkel کہتا ہے کہ وہ اوپن بینچ مارکس گرانٹس میں اضافہ کرے گا۔ تجارتی ماحول کے لیے بنیادی سوال یہ ہے کہ ان کے ٹولز، قواعد اور استثنا خریدار کے حقیقی کام سے کتنے میل کھاتے ہیں، کیونکہ simulation میں کامیابی اسی بنائے گئے کام کے نمونے کے مطابق ناپی جاتی ہے۔

## فرضی کمپنی میں کیا شامل ہوتا ہے

ایک جامد ڈیٹاسیٹ سوال کو پسندیدہ جواب سے جوڑ سکتا ہے۔ ماحول میں اقدامات اور ان کے نتائج بھی شامل ہوتے ہیں۔ ایجنٹ ایک ٹول چنتا، نتیجہ دیکھتا اور اگلا قدم طے کرتا ہے۔ ڈیٹابیس بدل سکتا ہے، فرضی صارف غائب معلومات فراہم کرسکتا ہے، اور پالیسی معاملہ آگے بھیجنے کا تقاضا کرسکتی ہے۔

[Snorkel کی اگست کی وضاحت، ](https://snorkel.ai/blog/enterprise-environments-ai-agents/) کہتی ہے کہ جائزے میں جواب، نتیجے کی نظامی حالت، اجازتیں، منظوری اور شواہد جمع کرنے کا عمل دیکھا جاتا ہے۔ اس لیے کام مکمل ہونے کا دعویٰ ناکام ہوسکتا ہے اگر اصل ریکارڈ میں کوئی تبدیلی نہ آئی ہو۔

موجودہ [Enterprise Environments مصنوعات کا صفحہ](https://snorkel.ai/data-series/enterprise-environments/) underwriting اور finance ماحول دستیاب بتاتا ہے، ہر ایک میں ہزاروں کام اور فرضی صارفین ہیں۔ یہ تربیتی مواد ہیں۔

ایک ہی نمونہ دو متعلقہ مقاصد کے لیے استعمال ہوسکتا ہے۔ ٹیم اسے دہرائے جانے والے کاموں کے مقابلے میں ایجنٹ کی جانچ کے لیے استعمال کرسکتی ہے۔ یہ کام اور انعام کے اشارے reinforcement learning کے چکر میں بھی ڈالے جاسکتے ہیں، تاکہ کامیاب رویہ اگلے اقدامات پر اثرانداز ہو۔

## قواعد بھی مصنوعات کا حصہ ہیں

Snorkel کے مطابق ماہرین workflow اور کامیابی کے معیار متعین کرتے ہیں؛ انجینئر اس کے ٹولز اور ڈیٹا بناتے ہیں۔ verifiers کام کو درجہ دیتے ہیں، جبکہ ایک oracle agent جانچتا ہے کہ درست راستہ موجود ہے۔

کمپنی کے مخصوص قواعد ایجنٹ سے تقاضا کرتے ہیں کہ وہ عمومی صنعتی علم پر انحصار کرنے کے بجائے ماحول کا معائنہ کرے۔

ماحول بنانے والے طے کرتے ہیں کہ کون سے استثنا اہم ہیں، تکمیل کس چیز کو کہیں گے اور کون سے متبادل راستے قابلِقبول ہیں۔ خریداروں اور شعبہ جاتی ماہرین کو دیکھنا چاہیے کہ یہ فیصلے حقیقی کام کی عکاسی کرتے ہیں یا نہیں۔

## کنٹرول شدہ ٹیسٹ کی حدود ہوتی ہیں

Snorkel کی [2025 کی تکنیکی وضاحت](https://snorkel.ai/blog/snorkeling-in-rl-environments/) کے مطابق اس کے ماحول نمائندہ سروسز اور schemas استعمال کرتے ہیں، جبکہ زندہ نظاموں کی جگہ مصنوعی یا گمنام کردہ ڈیٹا دیا جاتا ہے۔ اس کنٹرول سے ٹیم کام دہرا سکتی ہے، database کی تبدیلیاں دیکھ سکتی ہے اور صارفین کے ریکارڈ چھوئے بغیر ممنوع اقدامات آزما سکتی ہے۔

نتیجہ اس بات کا ثبوت ہے کہ ایجنٹ درج کیے گئے workflow میں کیسا کارکردگی دکھاتا ہے۔ ماخذ کے صفحات بتاتے ہیں کہ Snorkel کام کیسے بناتا اور جانچتا ہے، لیکن وہ ان تجارتی simulations کے اسکورز کو بیمہ یا مالیات کے زندہ کاروبار میں قابلِاعتماد کارکردگی سے جوڑنے والا آزاد مطالعہ پیش نہیں کرتے۔ عملی استعمال پھر بھی اس بات پر منحصر ہے کہ simulation نے حقیقی ٹولز، ڈیٹا اور غیرمعمولی صورتوں کو درست طور پر شامل کیا یا نہیں۔

## سرمایہ کاری کس کام کو سہارا دیتی ہے

Snorkel نے آغاز میں نشان زدہ ڈیٹاسیٹ تیار کرنے کا نظام بنایا تھا۔ اس کی نئی پیش کش ماہرین کے علم کو ماحول، جانچ کے نظام اور تربیتی کاموں کی صورت میں فراہم کرتی ہے۔ اس تبدیلی سے AI کے بنیادی ڈھانچے میں ایک الگ جزو بنتا ہے: کام کا تیار کردہ نمونہ، جس میں یہ قواعد بھی شامل ہیں کہ ایجنٹ نے کام درست کیا یا نہیں۔

شعبہ جاتی ماہرین کے لیے کام کی تعریف اور تصدیق ماڈل کی تیاری کے قریب آتی ہے۔ خریداروں کے لیے معیار کی وضاحت خود خریدی جانے والی چیز کا حصہ ہے۔ Snorkel کی Open Benchmarks Grants پروگرام کو بڑھانے کا اعلان ماحول کی تیاری اور اسکورنگ کو زیادہ قابلِمعائنہ بنا سکتا ہے، مگر سرمایہ کاری کے اعلان میں اگلی گرانٹس یا ان کی شرائط کی تفصیل نہیں۔

## Sources

- [Snorkel AI: Data 2.0 اور AI ڈیٹا کا تحقیقی دور](https://snorkel.ai/blog/data-2-0-and-the-research-era-of-ai-data/) — CEO Alex Ratner نے $350 ملین Series E سرمایہ کاری اور $3.5 ارب مالیت کا اعلان کیا، اور Open Benchmarks Grants پروگرام بڑھانے کی بات کی۔ ماڈل کی صلاحیت، بار بار بہتری اور مارکیٹ کے رخ سے متعلق وسیع دعوے کمپنی کے خیالات ہیں، آزادانہ نتائج نہیں۔
- [Snorkel AI: کاروباری ماحول اور حقیقی workflows کے لیے AI ایجنٹس کی تربیت](https://snorkel.ai/blog/enterprise-environments-ai-agents/) — فرضی کمپنی کے اجزا، ماہرین اور انجینئروں کی تیاری، oracle path کی جانچ، کمپنی کے مخصوص قواعد، اور جواب، نظام کی حالت، حفاظت اور عمل کے حوالے سے جائزے کی وضاحت کرتا ہے۔ بیمہ کی مثال تربیتی نمونہ ہے، کسی زندہ کاروباری تعیناتی کی دستاویز نہیں۔
- [Snorkel Data Series: Enterprise Environments](https://snorkel.ai/data-series/enterprise-environments/) — موجودہ مصنوعات کا صفحہ جائیداد و حادثاتی بیمہ کی underwriting اور finance ماحول دستیاب بتاتا ہے، جن میں ہزاروں کام، ڈیٹابیس، پالیسی دستاویزات، شعبہ جاتی ٹولز اور فرضی صارف شامل ہیں۔ مضمون کارکردگی اور عملی منتقلی کے دعوے شامل نہیں کرتا، کیونکہ صفحہ ان کے طریقۂ کار کی کافی تفصیل نہیں دیتا۔
- [Snorkel AI: RL ماحول میں اسنارکلنگ](https://snorkel.ai/blog/snorkeling-in-rl-environments/) — ماحول کے سیاق، اقدامات، حالت اور جائزے کے اشاروں کی وضاحت کرتا ہے؛ simulated evaluation کو RL gyms سے الگ کرتا ہے؛ اور نمائندہ سروسز، schemas، مصنوعی یا گمنام کردہ ڈیٹا، verifiers اور ماہرین کے جائزے کا بیان دیتا ہے۔ یہ ظاہر کردہ طریقہ کار کی تصدیق کرتا ہے، عملی دنیا میں قابلِاعتماد ہونے کی نہیں۔