پرانے ٹیک بومز ہمیں AI کے بارے میں کیا سکھا سکتے ہیں

انفراسٹرکچر کا چکر دہرایا جاتا ہے

سلیکون ویلی اکثر دعویٰ کرتی ہے کہ اس کی تازہ ترین کامیابی بے مثال ہے۔ ایسا نہیں ہے۔ موجودہ مصنوعی ذہانت (AI) کا عروج 1800 کی دہائی میں ریل روڈ کی توسیع اور 1990 کی دہائی کے آخر میں ڈاٹ کام بوم کی عکاسی کرتا ہے۔ ہم دیکھ رہے ہیں کہ سرمایہ کیسے بہتا ہے اور کمپیوٹ پاور کو کیسے مرکزی بنایا جا رہا ہے۔ یہ اس بارے میں ہے کہ مستقبل کے انفراسٹرکچر کا مالک کون ہے۔ امریکہ اس لیے آگے ہے کیونکہ اس کے پاس سب سے زیادہ سرمایہ اور سب سے جارحانہ کلاؤڈ فراہم کرنے والے موجود ہیں۔ تاریخ بتاتی ہے کہ جو لوگ پٹریوں یا فائبر آپٹک کیبلز کو کنٹرول کرتے ہیں، وہی آخرکار دوسروں کے لیے شرائط طے کرتے ہیں۔ AI اس سے مختلف نہیں ہے۔ یہ انفراسٹرکچر کی تعمیر اور اس کے بعد تیزی سے استحکام کے ایک پرانے راستے پر چلتا ہے۔ اس پیٹرن کو سمجھنا ہمیں ہائپ سے آگے دیکھنے اور یہ شناخت کرنے میں مدد کرتا ہے کہ اس نئے چکر میں اصل طاقت کہاں ہے۔ بنیادی بات یہ ہے کہ ہم صرف ہوشیار سافٹ ویئر نہیں بنا رہے ہیں۔ ہم ایک ایسی نئی یوٹیلیٹی بنا رہے ہیں جو بجلی یا انٹرنیٹ کی طرح بنیادی ہوگی۔ فاتح وہ ہوں گے جو فزیکل ہارڈویئر اور ان سسٹمز کو چلانے کے لیے درکار بڑے ڈیٹا سیٹس کو کنٹرول کریں گے۔

اسٹیل کی پٹریوں سے نیورل نیٹ ورکس تک

آج AI کو سمجھنے کے لیے، امریکی ریل روڈ بوم کو دیکھیں۔ 1800 کی دہائی کے وسط میں، براعظم بھر میں پٹریاں بچھانے کے لیے بڑی مقدار میں سرمایہ لگایا گیا۔ بہت سی کمپنیاں دیوالیہ ہو گئیں، لیکن پٹریاں باقی رہیں۔ ان پٹریوں نے اگلی صدی کی اقتصادی ترقی کی بنیاد رکھی۔ AI فی الحال پٹری بچھانے کے مرحلے میں ہے۔ اسٹیل اور بھاپ کے بجائے، ہم سلیکون اور بجلی کا استعمال کر رہے ہیں۔ مائیکروسافٹ اور گوگل جیسی کمپنیوں کی طرف سے بھاری سرمایہ کاری ان کمپیوٹ کلچرز کو بنا رہی ہے جو ہر دوسری صنعت کو سپورٹ کریں گے۔ یہ ایک کلاسک انفراسٹرکچر پلے ہے۔ جب کسی ٹیکنالوجی کو شروع کرنے کے لیے بہت زیادہ سرمائے کی ضرورت ہوتی ہے، تو یہ قدرتی طور پر بڑے، قائم شدہ کھلاڑیوں کے حق میں ہوتی ہے۔ یہی وجہ ہے کہ امریکہ میں چند فرمیں اس شعبے پر حاوی ہیں۔ ان کے پاس چپس خریدنے کے لیے پیسہ اور ڈیٹا سینٹرز بنانے کے لیے زمین ہے۔ ان کے پاس اپنے ماڈلز کو بڑے پیمانے پر ٹیسٹ کرنے کے لیے موجودہ یوزر بیس بھی ہے۔ یہ ایک فیڈ بیک لوپ بناتا ہے جہاں سب سے بڑے کھلاڑیوں کو زیادہ ڈیٹا ملتا ہے، جس سے ان کے ماڈلز بہتر ہوتے ہیں، جو زیادہ صارفین کو اپنی طرف متوجہ کرتے ہیں۔

لوگ اکثر AI کو ایک اسٹینڈ لون پروڈکٹ سمجھتے ہیں۔ اسے ایک پلیٹ فارم کے طور پر دیکھنا زیادہ درست ہے۔ جس طرح انٹرنیٹ کو ملٹری پروجیکٹ سے عالمی یوٹیلیٹی بننے کے لیے [external-link] انٹرنیٹ کی تاریخ کی ضرورت تھی، اسی طرح AI ریسرچ لیبز سے کاروباری آپریشنز کی ریڑھ کی ہڈی بن رہا ہے۔ یہ تبدیلی پچھلے چکروں کے مقابلے میں تیزی سے ہو رہی ہے کیونکہ ڈسٹری بیوشن نیٹ ورک پہلے سے موجود ہے۔ ہمیں صارفین تک پہنچنے کے لیے نئی کیبلز بچھانے کی ضرورت نہیں ہے۔ ہمیں صرف لائنوں کے آخر میں سرورز کو اپ گریڈ کرنے کی ضرورت ہے۔ یہ رفتار ہی ہے جو موجودہ لمحے کو مختلف محسوس کراتی ہے، حالانکہ بنیادی معاشی پیٹرن جانے پہچانے ہیں۔ طاقت کا ارتکاز اس مرحلے کی ایک خصوصیت ہے، کوئی خرابی نہیں۔ تاریخ بتاتی ہے کہ ایک بار جب انفراسٹرکچر سیٹ ہو جاتا ہے، تو توجہ سسٹمز بنانے سے ہٹ کر ان سے قدر نکالنے پر مرکوز ہو جاتی ہے۔ ہم اب اس اہم موڑ کے قریب پہنچ رہے ہیں۔

امریکی سرمائے کا فائدہ

AI کا عالمی اثر براہ راست اس سے جڑا ہے کہ بل کون ادا کر سکتا ہے۔ ابھی، یہ بنیادی طور پر امریکہ ہے۔ امریکی کیپٹل مارکیٹس کی گہرائی خطرے کی اس سطح کی اجازت دیتی ہے جس کا مقابلہ کرنے کے لیے دوسرے خطے جدوجہد کرتے ہیں۔ یہ پلیٹ فارم پاور میں ایک اہم خلا پیدا کرتا ہے۔ جب مٹھی بھر کمپنیاں کلاؤڈ کو کنٹرول کرتی ہیں، تو وہ مؤثر طریقے سے باقی سب کے لیے راستے کے اصول طے کرتی ہیں۔ اس کے قومی خودمختاری اور عالمی مسابقت کے لیے گہرے مضمرات ہیں۔ جن ممالک کے پاس اپنا بڑے پیمانے پر کمپیوٹ انفراسٹرکچر نہیں ہے، انہیں اسے امریکی فراہم کنندگان سے کرائے پر لینا پڑتا ہے۔ یہ ایک نئی قسم کی انحصار پیدا کرتا ہے۔ یہ اب صرف سافٹ ویئر لائسنس کے بارے میں نہیں ہے۔ یہ جدید معیشت کو چلانے کے لیے درکار پروسیسنگ پاور تک رسائی کے بارے میں ہے۔ طاقت کا یہ ارتکاز ٹیک کی تاریخ میں ایک بار بار آنے والا موضوع ہے۔

اس طاقت کے چند ہاتھوں میں مرکوز رہنے کی تین بڑی وجوہات ہیں:

• ایک لیڈنگ ماڈل کی ٹریننگ کی لاگت اب اربوں ڈالر تک پہنچ گئی ہے۔
• درکار خصوصی ہارڈویئر مینوفیکچررز کی بہت کم تعداد کی طرف سے تیار کیا جاتا ہے۔
• ڈیٹا سینٹرز کے لیے توانائی کی بھاری ضروریات مستحکم اور سستے پاور گرڈ والے خطوں کے حق میں ہیں۔

یہ حقیقت اس خیال کی تردید کرتی ہے کہ AI ایک زبردست مساوات لانے والا ہوگا۔ اگرچہ ٹولز افراد کے لیے زیادہ قابل رسائی ہو رہے ہیں، بنیادی کنٹرول پہلے سے کہیں زیادہ مستحکم ہے۔ حکومتیں اس عدم توازن کو نوٹ کرنا شروع کر رہی ہیں۔ وہ [external-link] شیرمین اینٹی ٹرسٹ ایکٹ جیسے تاریخی نظیروں کو دیکھ رہی ہیں تاکہ یہ دیکھا جا سکے کہ کیا پرانے قوانین نئے اجارہ داریوں کو سنبھال سکتے ہیں۔ تاہم، صنعتی رفتار فی الحال پالیسی سے آگے نکل رہی ہے۔ جب تک کسی ضابطے پر بحث اور اسے پاس کیا جاتا ہے، ٹیکنالوجی اکثر دو نسلیں آگے بڑھ چکی ہوتی ہے۔ یہ ایک مستقل وقفہ پیدا کرتا ہے جہاں قانون ہمیشہ اس حقیقت پر ردعمل ظاہر کر رہا ہوتا ہے جو پہلے ہی بدل چکی ہے۔

جب سافٹ ویئر قانون سے تیز چلتا ہے

اس رفتار کا حقیقی اثر اس بات میں نظر آتا ہے کہ کاروبار کیسے اپنانے پر مجبور ہیں۔ شکاگو میں ایک چھوٹی مارکیٹنگ فرم کی زندگی کا ایک دن تصور کریں۔ پانچ سال پہلے، انہوں نے کاپی لکھنے کے لیے جونیئر رائٹرز اور رجحانات تلاش کرنے کے لیے محققین کی خدمات حاصل کی تھیں۔ آج، مالک اس ورک لوڈ کے ستر فیصد کو سنبھالنے کے لیے ایک AI پلیٹ فارم کی واحد سبسکرپشن کا استعمال کرتا ہے۔ صبح کا آغاز عالمی مارکیٹ کی تبدیلیوں کے AI سے تیار کردہ خلاصے کے ساتھ ہوتا ہے۔ دوپہر تک، سسٹم نے ان تبدیلیوں کی بنیاد پر تیس مختلف اشتہاری تغیرات تیار کر لیے ہیں۔ انسانی عملہ اب تخلیق کاروں کے بجائے ایڈیٹرز اور حکمت عملی سازوں کے طور پر کام کرتا ہے۔ یہ تبدیلی قانون سے لے کر طب تک ہر شعبے میں ہو رہی ہے۔ یہ کارکردگی میں اضافہ کرتا ہے، لیکن یہ پلیٹ فارم فراہم کنندہ پر ایک بڑی انحصار بھی پیدا کرتا ہے۔ اگر فراہم کنندہ اپنی قیمتوں یا سروس کی شرائط کو تبدیل کرتا ہے، تو مارکیٹنگ فرم کے پاس تعمیل کرنے کے سوا کوئی چارہ نہیں ہوتا۔ انہوں نے ٹول کو اپنے ورک فلو میں اتنی گہرائی سے ضم کر لیا ہے کہ وہ آسانی سے دستی مزدوری پر واپس نہیں جا سکتے۔

یہ منظر نامہ ظاہر کرتا ہے کہ پالیسی کیوں ساتھ چلنے کے لیے جدوجہد کرتی ہے۔ ریگولیٹرز ابھی بھی ڈیٹا پرائیویسی اور کاپی رائٹ کے بارے میں فکر مند ہیں، جبکہ انڈسٹری پہلے ہی خود مختار ایجنٹس کی طرف بڑھ رہی ہے جو مالی فیصلے کر سکتے ہیں۔ AI ڈویلپمنٹ کی صنعتی رفتار مارکیٹ شیئر کی دوڑ سے چلتی ہے۔ کمپنیاں اب چیزوں کو توڑنے اور بعد میں ٹھیک کرنے کے لیے تیار ہیں کیونکہ انفراسٹرکچر کی دوڑ میں دوسرے نمبر پر ہونا اکثر آخری ہونے کے مترادف ہے۔ ہم نے یہ براؤزر وارز اور سوشل میڈیا کے عروج کے ساتھ دیکھا۔ فاتح وہ ہیں جو ڈیفالٹ اسٹینڈرڈ بننے کے لیے کافی تیزی سے حرکت کرتے ہیں۔ ایک بار جب آپ اسٹینڈرڈ بن جاتے ہیں، تو آپ کو ہٹانا بہت مشکل ہوتا ہے۔ یہ ایک ایسی صورتحال پیدا کرتا ہے جہاں عوامی مفاد اکثر پیمانے کی دوڑ میں ثانوی ہوتا ہے۔ تضاد یہ ہے کہ ہم ٹیکنالوجی کے فوائد چاہتے ہیں، لیکن ہم اس طاقت سے محتاط ہیں جو یہ چند کارپوریشنز کو دیتی ہے۔

[internal-link] تازہ ترین AI انڈسٹری تجزیہ بتاتا ہے کہ ہم گہرے انضمام کے مرحلے میں داخل ہو رہے ہیں۔ یہ وہ جگہ ہے جہاں ٹیکنالوجی ایک نیاپن بننا چھوڑ دیتی ہے اور ایک ضرورت بننا شروع ہو جاتی ہے۔ ایک کاروبار کے لیے، AI کا استعمال نہ کرنا جلد ہی 2010 میں انٹرنیٹ استعمال نہ کرنے جیسا ہوگا۔ یہ ممکن ہو سکتا ہے، لیکن یہ ناقابل یقین حد تک غیر موثر ہوگا۔ اپنانے کا یہ دباؤ ہی تیزی سے ترقی کو آگے بڑھاتا ہے، تب بھی جب طویل مدتی نتائج غیر واضح ہوں۔ ہم 2000 کی دہائی کے اوائل کا اعادہ دیکھ رہے ہیں جب کمپنیاں سیکیورٹی یا پرائیویسی کے خطرات کو مکمل طور پر سمجھے بغیر آن لائن ہونے کے لیے بھاگی تھیں۔ آج فرق یہ ہے کہ پیمانہ بہت بڑا ہے اور داؤ پر لگا ہوا ہے۔ ہم جو سسٹمز اب بنا رہے ہیں وہ غالباً اگلی چند دہائیوں تک ہمارے کام کرنے اور بات چیت کرنے کے طریقے کو کنٹرول کریں گے۔

کمپیوٹ دور کے لیے مشکل سوالات

ہمیں موجودہ بوم پر سقراطی شکوک و شبہات کا اطلاق کرنا چاہیے۔ اس تیز رفتار توسیع کی پوشیدہ قیمتیں کیا ہیں؟ سب سے واضح ماحولیاتی اثر ہے۔ [external-link] ڈیٹا سینٹرز پر بین الاقوامی توانائی ایجنسی کی رپورٹ اس بات کو اجاگر کرتی ہے کہ یہ سسٹمز کتنی بجلی استعمال کرتے ہیں۔ جیسے جیسے ہم مزید ڈیٹا سینٹرز بناتے ہیں، ہم عمر رسیدہ پاور گرڈز پر مزید دباؤ ڈالتے ہیں۔ اس انفراسٹرکچر کے لیے کون ادائیگی کرتا ہے؟ کیا یہ وہ کمپنیاں ہیں جو اربوں کما رہی ہیں، یا ٹیکس دہندگان جو گرڈ شیئر کرتے ہیں؟ ڈیٹا لیبر کا سوال بھی ہے۔ یہ ماڈلز انسانیت کی اجتماعی پیداوار پر تربیت یافتہ ہیں، اکثر رضامندی یا معاوضے کے بغیر۔ کیا چند کمپنیوں کے لیے عوامی ڈیٹا کی قدر کو پرائیویٹائز کرنا منصفانہ ہے؟ ہمیں یہ پوچھنے کی ضرورت ہے کہ اس کارکردگی سے حقیقت میں کون فائدہ اٹھاتا ہے۔ اگر کوئی کام جس میں دس گھنٹے لگتے تھے اب دس منٹ میں ہو جاتا ہے، تو کیا کارکن کو زیادہ فارغ وقت ملتا ہے، یا انہیں صرف دس گنا زیادہ کام ملتا ہے؟

پرائیویسی ایک اور شعبہ ہے جہاں اخراجات اکثر پوشیدہ ہوتے ہیں۔ AI کو زیادہ مفید بنانے کے لیے، ہم اسے اپنی ذاتی اور پیشہ ورانہ زندگیوں تک زیادہ رسائی دیتے ہیں۔ ہم سہولت کے لیے اپنا ڈیٹا تجارت کر رہے ہیں۔ تاریخ بتاتی ہے کہ ایک بار جب پرائیویسی دے دی جاتی ہے، تو اسے واپس حاصل کرنا تقریباً ناممکن ہوتا ہے۔ ہم نے یہ اشتہار پر مبنی انٹرنیٹ کے عروج کے ساتھ دیکھا۔ جو معلومات تلاش کرنے کے طریقے کے طور پر شروع ہوا وہ ایک عالمی نگرانی کے نظام میں بدل گیا۔ AI میں اسے مزید آگے لے جانے کی صلاحیت ہے۔ اگر AI جانتا ہے کہ آپ کیسے سوچتے ہیں اور کیسے کام کرتے ہیں، تو یہ آپ کے فیصلوں کو ایسے طریقوں سے متاثر کر سکتا ہے جن کا پتہ لگانا مشکل ہے۔ یہ صرف تکنیکی مسائل نہیں ہیں۔ یہ سماجی اور اخلاقی مخمصے ہیں جن کے لیے صرف سافٹ ویئر پیچ سے زیادہ کی ضرورت ہے۔ ہمیں فیصلہ کرنا ہوگا کہ کیا ترقی کی رفتار انفرادی خودمختاری کے نقصان کے قابل ہے۔ ان سوالات کے جوابات اس بات کا تعین کریں گے کہ جب AI بوم اپنے پختہ مرحلے میں داخل ہوگا تو ہم کس قسم کے معاشرے میں رہیں گے۔

ماڈل لیئر کی میکانکس

تکنیکی پہلو کو دیکھنے والوں کے لیے، توجہ ماڈل کے سائز سے ورک فلو انضمام کی طرف منتقل ہو رہی ہے۔ ہم بڑے، عمومی مقصد کے ماڈلز سے چھوٹے، خصوصی ماڈلز کی طرف بڑھتے ہوئے دیکھ رہے ہیں جو مقامی ہارڈویئر پر چل سکتے ہیں۔ یہ کلاؤڈ بیسڈ APIs کی زیادہ لاگت اور لیٹنسی کا جواب ہے۔ پاور یوزرز تیزی سے ان حدود کو نظرانداز کرنے کے طریقے تلاش کر رہے ہیں جو بڑے فراہم کنندگان نے عائد کی ہیں۔ اس میں API ریٹ کی حدود کا انتظام کرنا اور پرائیویسی اور رفتار کو یقینی بنانے کے لیے ڈیٹا کو مقامی طور پر ذخیرہ کرنے کے طریقے تلاش کرنا شامل ہے۔ موجودہ ٹولز میں AI کا انضمام وہ جگہ ہے جہاں اصل کام ہو رہا ہے۔ یہ بوٹ کے ساتھ چیٹ کرنے کے بارے میں نہیں ہے۔ یہ ایک ایسا ماڈل رکھنے کے بارے میں ہے جو آپ کی مقامی فائلیں پڑھ سکے، آپ کے مخصوص کوڈنگ اسٹائل کو سمجھ سکے، اور حقیقی وقت میں تبدیلیاں تجویز کر سکے۔ اس کے لیے عوامی ویب ٹولز کے لیے استعمال ہونے والے آرکیٹیکچر سے مختلف قسم کے آرکیٹیکچر کی ضرورت ہوتی ہے۔

اگلے چند سالوں کے لیے تکنیکی چیلنجوں میں شامل ہیں:

• ماڈلز کو کنزیومر گریڈ GPUs پر چلانے کے لیے بہتر بنانا بغیر درستگی کھوئے۔
• AI ایجنٹس میں طویل مدتی میموری کو سنبھالنے کے بہتر طریقے تیار کرنا تاکہ وہ ہفتوں یا مہینوں تک سیاق و سباق کو یاد رکھ سکیں۔
• مختلف AI سسٹمز کے ایک دوسرے کے ساتھ بات چیت کرنے کے لیے معیاری پروٹوکول بنانا۔

ہم حساس ڈیٹا پر کنٹرول برقرار رکھنے کے طریقے کے طور پر *لوکل انفرنس* میں بھی اضافہ دیکھ رہے ہیں۔ مقامی مشین پر ماڈلز چلا کر، صارف اس بات کو یقینی بنا سکتا ہے کہ ان کی ملکیتی معلومات کبھی بھی ان کی عمارت سے باہر نہ جائیں۔ یہ قانون اور مالیات جیسی صنعتوں کے لیے خاص طور پر اہم ہے جہاں ڈیٹا سیکیورٹی سب سے اہم ہے۔ تاہم، مقامی ہارڈویئر اب بھی کلاؤڈ جائنٹس کی ملکیت والے بڑے کلچرز سے پیچھے ہے۔ یہ دو سطحی نظام بناتا ہے۔ سب سے طاقتور ماڈلز کلاؤڈ میں رہیں گے، جبکہ زیادہ موثر، کم قابل ورژن مقامی طور پر چلیں گے۔ ان دو دنیاؤں کو متوازن کرنا ڈویلپرز کے لیے اگلا بڑا چیلنج ہے۔ انہیں یہ فیصلہ کرنا ہوگا کہ کلاؤڈ کی خام طاقت کا استعمال کب کرنا ہے اور مقامی کمپیوٹ کی پرائیویسی اور رفتار کو کب ترجیح دینی ہے۔ یہ تکنیکی تناؤ آنے والے سالوں میں بہت زیادہ جدت کو آگے بڑھائے گا۔

کیا آپ کے پاس کوئی AI کہانی، ٹول، رجحان، یا سوال ہے جس کے بارے میں آپ کو لگتا ہے کہ ہمیں اسے شامل کرنا چاہیے؟ ہمیں اپنے مضمون کا خیال بھیجیں — ہمیں اسے سن کر خوشی ہوگی۔

پیمانے کی ادھوری کہانی

ٹیکنالوجی کی تاریخ استحکام کی تاریخ ہے۔ ریل روڈ سے لے کر انٹرنیٹ تک، ہم دھماکے کے بعد کنٹرول کا پیٹرن دیکھتے ہیں۔ AI فی الحال اس چکر کے درمیان میں ہے۔ امریکی زاویہ غالب ہے کیونکہ ترقی کے اس مرحلے کے لیے درکار وسائل وہاں مرکوز ہیں۔ تاہم، کہانی ختم نہیں ہوئی ہے۔ جیسے جیسے ٹیکنالوجی پختہ ہوتی ہے، ہم اس پلیٹ فارم پاور کے لیے نئے چیلنجز دیکھیں گے۔ چاہے یہ ریگولیشن، نئی تکنیکی کامیابیوں، یا اس بات میں تبدیلی سے آئے کہ ہم اپنے ڈیٹا کی قدر کیسے کرتے ہیں، یہ دیکھنا باقی ہے۔ زندہ سوال یہ ہے کہ کیا ہم اس مسابقت اور پرائیویسی کو کھوئے بغیر اس نئے انفراسٹرکچر کے فوائد سے لطف اندوز ہو سکتے ہیں جو ایک صحت مند معیشت کو ممکن بناتا ہے۔ ہم اگلی صدی کی بنیاد رکھ رہے ہیں۔ ہمیں بہت محتاط رہنا چاہیے کہ اس کی چابیاں کس کے پاس ہیں۔

ایڈیٹر کا نوٹ: ہم نے یہ سائٹ ایک کثیر لسانی AI خبروں اور گائیڈز کے مرکز کے طور پر ان لوگوں کے لیے بنائی ہے جو کمپیوٹر گیکس نہیں ہیں، لیکن پھر بھی مصنوعی ذہانت کو سمجھنا چاہتے ہیں، اسے زیادہ اعتماد کے ساتھ استعمال کرنا چاہتے ہیں، اور اس مستقبل کی پیروی کرنا چاہتے ہیں جو پہلے ہی آ رہا ہے۔