AI صرف سافٹ ویئر نہیں، ہارڈ ویئر کی کہانی بھی ہے

مصنوعی ذہانت (AI) کے بارے میں عام تاثر مکمل طور پر کوڈ پر مرکوز ہے۔ لوگ لارج لینگویج ماڈلز کے بارے میں ایسے بات کرتے ہیں جیسے وہ خالص منطق کے خلا میں موجود ہوں۔ وہ الگورتھم کی ذہانت یا چیٹ بوٹ کے جوابات کی باریکیوں پر بحث کرتے ہیں۔ یہ نقطہ نظر ٹیکنالوجی کے موجودہ دور کے سب سے اہم عنصر کو نظر انداز کرتا ہے۔ AI صرف سافٹ ویئر کی کہانی نہیں ہے۔ یہ بھاری صنعت کی کہانی ہے۔ یہ بجلی کی بھاری کھپت اور سلیکون کی طبعی حدود کے بارے میں ہے۔ جب بھی کوئی صارف چیٹ بوٹ سے کوئی سوال پوچھتا ہے، تو میلوں دور ایک ڈیٹا سینٹر میں طبعی واقعات کا ایک سلسلہ شروع ہوتا ہے۔ اس عمل میں خصوصی چپس شامل ہوتی ہیں جو اس وقت زمین پر سب سے قیمتی اشیاء ہیں۔ اگر آپ یہ سمجھنا چاہتے ہیں کہ کچھ کمپنیاں کیوں جیت رہی ہیں اور دوسری کیوں ناکام ہو رہی ہیں، تو آپ کو ہارڈ ویئر کو دیکھنا ہوگا۔ سافٹ ویئر اسٹیئرنگ وہیل ہے، لیکن ہارڈ ویئر انجن اور ایندھن ہے۔ طبعی انفراسٹرکچر کے بغیر، دنیا کا جدید ترین ماڈل صرف بیکار ریاضی کا مجموعہ ہے۔

سلیکون کی حد

کئی دہائیوں تک، سافٹ ویئر ڈویلپمنٹ نے ایک پیش قیاسی راستے پر عمل کیا۔ آپ کوڈ لکھتے تھے، اور یہ معیاری سینٹرل پروسیسنگ یونٹس یا CPUs پر چلتا تھا۔ یہ چپس عام مقاصد کے لیے تھیں۔ وہ ایک کے بعد ایک مختلف کام انجام دے سکتی تھیں۔ تاہم، AI نے تقاضوں کو بدل دیا۔ جدید ماڈلز کو جنرلِسٹ کی ضرورت نہیں ہے۔ انہیں ایک ایسے ماہر کی ضرورت ہے جو ایک ہی وقت میں اربوں سادہ ریاضیاتی آپریشن انجام دے سکے۔ اسے پیرل پروسیسنگ کہا جاتا ہے۔ انڈسٹری نے اپنی توجہ گرافکس پروسیسنگ یونٹس یا GPUs پر مرکوز کر دی۔ یہ چپس اصل میں ویڈیو گیمز کو رینڈر کرنے کے لیے ڈیزائن کی گئی تھیں، لیکن محققین نے دریافت کیا کہ وہ میٹرکس ضرب کے لیے بہترین ہیں جو نیورل نیٹ ورکس کو چلاتی ہے۔ اس تبدیلی نے ایک بہت بڑی رکاوٹ پیدا کی۔ آپ صرف زیادہ ذہانت ڈاؤن لوڈ نہیں کر سکتے۔ آپ کو اسے ایسے طبعی اجزاء کے ساتھ بنانا ہوگا جنہیں بنانا ناقابل یقین حد تک مشکل ہے۔ دنیا فی الحال ایک ایسی حقیقت کا سامنا کر رہی ہے جہاں AI کی ترقی کی رفتار اس بات سے طے ہوتی ہے کہ TSMC جیسی کمپنیاں کتنی تیزی سے سلیکون ویفرز پر سرکٹس کندہ کر سکتی ہیں۔

اس طبعی رکاوٹ نے ٹیک دنیا میں ایک نئی قسم کا طبقاتی نظام پیدا کیا ہے۔ ایک طرف کمپیوٹ میں امیر اور دوسری طرف کمپیوٹ میں غریب ہیں۔ دس ہزار ہائی اینڈ چپس والی کمپنی ایک ایسا ماڈل ٹرین کر سکتی ہے جسے سو چپس والی کمپنی شروع بھی نہیں کر سکتی۔ یہ ٹیلنٹ یا ہوشیار کوڈنگ کا معاملہ نہیں ہے۔ یہ خام طاقت کا معاملہ ہے۔ یہ غلط فہمی کہ AI ایک مساوی میدان ہے جہاں لیپ ٹاپ والا کوئی بھی شخص مقابلہ کر سکتا ہے، ختم ہو رہی ہے۔ AI ڈویلپمنٹ کے ٹاپ ٹیر کے لیے داخلے کی قیمت اب اربوں ڈالر کے ہارڈ ویئر میں ماپی جاتی ہے۔ یہی وجہ ہے کہ ہم دنیا کی سب سے بڑی ٹیک کمپنیوں کو انفراسٹرکچر پر غیر معمولی رقم خرچ کرتے ہوئے دیکھ رہے ہیں۔ وہ صرف سرورز نہیں خرید رہے ہیں۔ وہ مستقبل کی فیکٹریاں بنا رہے ہیں۔ ہارڈ ویئر وہ خندق ہے جو ان کے بزنس ماڈلز کی حفاظت کرتی ہے۔

ریت اور طاقت کی جغرافیائی سیاست

ہارڈ ویئر سینٹرک AI کی طرف منتقلی نے ٹیک انڈسٹری کے لیے کشش ثقل کا مرکز بدل دیا ہے۔ اب یہ صرف سلیکون ویلی کے بارے میں نہیں ہے۔ یہ تائیوان آبنائے اور شمالی ورجینیا کے پاور گرڈز کے بارے میں ہے۔ جدید ترین AI چپس کے لیے مینوفیکچرنگ کا عمل اتنا پیچیدہ ہے کہ صرف ایک کمپنی، TSMC، اسے بڑے پیمانے پر کر سکتی ہے۔ یہ پوری عالمی معیشت کے لیے ناکامی کا ایک واحد نقطہ پیدا کرتا ہے۔ اگر تائیوان میں پیداوار رک جاتی ہے، تو AI کی ترقی رک جاتی ہے۔ یہی وجہ ہے کہ حکومتیں اب چپ مینوفیکچرنگ کو قومی سلامتی کا معاملہ سمجھ رہی ہیں۔ وہ نئی فیکٹریوں کی تعمیر کے لیے سبسڈی دے رہی ہیں اور ہائی اینڈ ہارڈ ویئر پر برآمدی کنٹرول لگا رہی ہیں۔ مقصد یہ یقینی بنانا ہے کہ ان کی مقامی صنعتوں کو مسابقتی رہنے کے لیے درکار طبعی اجزاء تک رسائی حاصل ہو۔

چپس کے علاوہ، توانائی کا مسئلہ بھی ہے۔ AI ماڈلز بجلی کے لیے ناقابل یقین حد تک پیاسے ہیں۔ ایک ہی سوال معیاری سرچ انجن کی درخواست سے نمایاں طور پر زیادہ بجلی استعمال کر سکتا ہے۔ یہ مقامی پاور گرڈز پر بہت زیادہ دباؤ ڈال رہا ہے۔ جہاں ڈیٹا سینٹرز مرکوز ہیں، وہاں بجلی کی مانگ رسد سے زیادہ تیزی سے بڑھ رہی ہے۔ اس کی وجہ سے جوہری توانائی اور دیگر ہائی کیپیسٹی پاور ذرائع میں دلچسپی دوبارہ پیدا ہوئی ہے۔ انٹرنیشنل انرجی ایجنسی نے نوٹ کیا ہے کہ ڈیٹا سینٹرز اپنی بجلی کی کھپت کو دوگنا کر سکتے ہیں۔ یہ کوئی ایسا سافٹ ویئر مسئلہ نہیں ہے جسے بہتر کوڈ کے ساتھ حل کیا جا سکے۔ یہ ان سسٹمز کے کام کرنے کی طبعی حقیقت ہے۔ AI کا ماحولیاتی اثر کوڈ کی لائنوں میں نہیں بلکہ کولنگ سسٹمز اور پاور پلانٹس کے کاربن فٹ پرنٹ میں پایا جاتا ہے جو سرورز کو چلاتے ہیں۔ تنظیموں کو اپنے AI اقدامات کی قدر کا حساب لگاتے وقت ان طبعی اخراجات کا حساب رکھنا چاہیے۔

ہر پرامپٹ کی بھاری قیمت

ہارڈ ویئر کی رکاوٹوں کے عملی اثرات کو سمجھنے کے لیے، موجودہ مارکیٹ میں ایک اسٹارٹ اپ فاؤنڈر کی زندگی کا ایک دن دیکھیں۔ فرض کریں اس کا نام سارہ ہے۔ سارہ کے پاس طبی تشخیصی ٹول کے لیے ایک شاندار آئیڈیا ہے۔ اس کے پاس ڈیٹا اور ٹیلنٹ ہے۔ تاہم، اسے جلد ہی احساس ہوتا ہے کہ اس کی سب سے بڑی رکاوٹ الگورتھم نہیں ہے۔ یہ انفیرنس کی قیمت ہے۔ ہر بار جب کوئی ڈاکٹر اس کا ٹول استعمال کرتا ہے، تو اسے کلاؤڈ میں ہائی اینڈ GPU پر وقت کے لیے ادائیگی کرنی پڑتی ہے۔ یہ اخراجات مستقل نہیں ہیں۔ وہ عالمی مانگ کی بنیاد پر اتار چڑھاؤ کا شکار ہوتے ہیں۔ مصروف اوقات کے دوران، کمپیوٹ کی قیمت بڑھ سکتی ہے، جو اس کے مارجن کو کھا جاتی ہے۔ وہ طبی تحقیق کے بجائے اپنے کلاؤڈ کریڈٹس کو منظم کرنے اور ہارڈ ویئر کے استعمال کو بہتر بنانے میں زیادہ وقت صرف کرتی ہے۔ آج ہزاروں تخلیق کاروں کے لیے یہی حقیقت ہے۔ وہ ہارڈ ویئر کی طبعی دستیابی سے جڑے ہوئے ہیں۔

عام صارف کے لیے، یہ لیٹنسی اور حدود کے طور پر ظاہر ہوتا ہے۔ کیا آپ نے کبھی محسوس کیا ہے کہ چیٹ بوٹ دن کے کچھ اوقات میں سست یا کم قابل ہو جاتا ہے؟ یہ اکثر اس لیے ہوتا ہے کیونکہ فراہم کنندہ ہارڈ ویئر کی حد تک پہنچ رہا ہے۔ وہ بوجھ کو سنبھالنے کے لیے اپنے دستیاب کمپیوٹ کو راشن کر رہے ہیں۔ یہ AI کی طبعی نوعیت کا براہ راست نتیجہ ہے۔ روایتی سافٹ ویئر کے برعکس، جسے تقریباً صفر مارجنل قیمت پر کاپی اور تقسیم کیا جا سکتا ہے، AI ماڈل کے ہر چلنے والے انسٹینس کے لیے ہارڈ ویئر کے ایک سرشار ٹکڑے کی ضرورت ہوتی ہے۔ یہ اس بات پر ایک حد پیدا کرتا ہے کہ کتنے لوگ ایک ساتھ ان ٹولز کا استعمال کر سکتے ہیں۔ یہ اس بات کی بھی وضاحت کرتا ہے کہ کیوں بہت سی کمپنیاں چھوٹے ماڈلز کی طرف بڑھ رہی ہیں جو فون یا لیپ ٹاپ جیسے مقامی آلات پر چل سکتے ہیں۔ وہ اپنے ڈیٹا سینٹرز سے ہارڈ ویئر کا بوجھ اینڈ یوزر پر منتقل کرنے کی کوشش کر رہے ہیں۔ یہ تبدیلی صارفین کے ہارڈ ویئر اپ گریڈز کے ایک نئے دور کو آگے بڑھا رہی ہے۔ لوگ نئے کمپیوٹر اس لیے نہیں خرید رہے کہ ان کے پرانے ٹوٹ چکے ہیں، بلکہ اس لیے کہ ان کے پرانے کمپیوٹرز میں جدید AI فیچرز کو مقامی طور پر چلانے کے لیے درکار خصوصی چپس کی کمی ہے۔

یہ اس بات کے بارے میں ہماری سوچ میں ایک بڑی تبدیلی ہے کہ ہمارے آلات اور ہماری استعمال کردہ خدمات کے درمیان کیا تعلق ہے۔

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۔

کاروباری طاقت کی حرکیات بھی بدل رہی ہیں۔ ماضی میں، ایک سافٹ ویئر کمپنی بہت چھوٹے طبعی فٹ پرنٹ کے ساتھ عالمی سطح پر پھیل سکتی تھی۔ آج، سب سے زیادہ طاقت رکھنے والی کمپنیاں وہ ہیں جو انفراسٹرکچر کی مالک ہیں۔ یہی وجہ ہے کہ NVIDIA دنیا کی سب سے قیمتی کمپنیوں میں سے ایک بن گئی ہے۔ وہ AI گولڈ رش کے لیے کدال اور بیلچے فراہم کرتے ہیں۔ یہاں تک کہ سب سے کامیاب AI سافٹ ویئر کمپنیاں بھی اکثر اپنے بڑے حریفوں کے ڈیٹا سینٹرز میں کرایہ دار ہوتی ہیں۔ یہ ایک غیر یقینی صورتحال پیدا کرتا ہے۔ اگر مالک مکان کرایہ بڑھانے یا اپنے اندرونی پروجیکٹس کو ترجیح دینے کا فیصلہ کرتا ہے، تو سافٹ ویئر کمپنی کے پاس جانے کے لیے کوئی اور جگہ نہیں ہوتی۔ طبعی پرت جدید ٹیک معیشت میں فائدہ اٹھانے کا حتمی ذریعہ ہے۔ یہ مسابقت کی ایک زیادہ صنعتی شکل کی طرف واپسی ہے جہاں پیمانہ اور طبعی اثاثے ہوشیار آئیڈیاز سے زیادہ اہمیت رکھتے ہیں۔

وہ سوالات جو ہم نہیں پوچھ رہے

جیسے جیسے ہم اس ہارڈ ویئر پر منحصر دور میں گہرائی میں جا رہے ہیں، ہمیں چھپے ہوئے اخراجات کے بارے میں مشکل سوالات پوچھنے ہوں گے۔ جب داخلے کی رکاوٹیں اتنی زیادہ ہوں تو حقیقی فائدہ کسے ہوتا ہے؟ اگر صرف چند کمپنیاں ہی جدید ترین ماڈلز بنانے کے لیے درکار ہارڈ ویئر کی استطاعت رکھتی ہیں، تو اس کا مسابقت اور جدت کے لیے کیا مطلب ہے؟ ہم طاقت کا ایک ایسا ارتکاز دیکھ رہے ہیں جو ٹیکنالوجی کی تاریخ میں بے مثال ہے۔ یہ مرکزیت پرائیویسی اور سنسرشپ کے لیے ایک بہت بڑا خطرہ پیدا کرتی ہے۔ اگر تمام AI پروسیسنگ تین یا چار کمپنیوں کی ملکیت والے چند ہزار سرورز پر ہوتی ہے، تو ان کمپنیوں کا اس بات پر مکمل کنٹرول ہوتا ہے کہ ٹیکنالوجی کے ساتھ کیا کہا جا سکتا ہے اور کیا کیا جا سکتا ہے۔ ان چھوٹے ممالک کی خودمختاری کا کیا ہوگا جو اپنا AI انفراسٹرکچر بنانے کی استطاعت نہیں رکھتے؟

ان مشینوں کو بنانے کے لیے درکار طبعی مواد کا بھی سوال ہے۔ AI ہارڈ ویئر نایاب زمینی معدنیات اور پیچیدہ سپلائی چینز پر منحصر ہے جو اکثر غیر مستحکم خطوں میں واقع ہوتے ہیں۔ ان مواد کی کان کنی کی ماحولیاتی قیمت پر AI کی ترقی کے تناظر میں شاذ و نادر ہی بحث کی جاتی ہے۔ ہم ماڈل کی خوبصورتی کے بارے میں بات کرتے ہیں جبکہ مینوفیکچرنگ کے عمل کے دوران پیدا ہونے والی کھلی کانوں اور زہریلے فضلے کو نظر انداز کرتے ہیں۔ کیا تھوڑا بہتر چیٹ بوٹ کا فائدہ اس ماحولیاتی نقصان کے قابل ہے جو اس کے لیے درکار ہارڈ ویئر کی وجہ سے ہوتا ہے؟ مزید برآں، ہمیں موجودہ توانائی کی کھپت کے رجحانات کی طویل مدتی پائیداری پر غور کرنا چاہیے۔ انٹرنیشنل انرجی ایجنسی کی رپورٹس کے مطابق، ڈیٹا سینٹر کی بجلی کی مانگ میں اضافہ پہلے ہی کچھ خطوں میں قابل تجدید توانائی کے اضافے سے زیادہ ہے۔ کیا ہم ایک ایسا تکنیکی مستقبل بنا رہے ہیں جسے سیارہ حقیقت میں سہارا نہیں دے سکتا؟ یہ ٹھیک کیے جانے والے تکنیکی بگز نہیں ہیں۔ یہ بنیادی تجارتی سمجھوتہ ہیں جو اس پیمانے پر AI کو آگے بڑھانے کے فیصلے کے ساتھ آتے ہیں۔ ہمیں اس حقیقت کے بارے میں ایماندار ہونے کی ضرورت ہے کہ AI دنیا میں ایک طبعی مداخلت ہے، نہ کہ صرف ایک ڈیجیٹل۔

آرکیٹیکچر اور لیٹنسی

پاور یوزرز اور ڈویلپرز کے لیے، ہارڈ ویئر کی کہانی اور بھی مخصوص ہو جاتی ہے۔ یہ صرف GPU رکھنے کے بارے میں نہیں ہے۔ یہ اس GPU کے مخصوص آرکیٹیکچر کے بارے میں ہے۔ جدید AI میں سب سے بڑی رکاوٹوں میں سے ایک پروسیسر کی رفتار نہیں، بلکہ میموری کی رفتار ہے۔ اسے میموری وال کہا جاتا ہے۔ ہائی بینڈوڈتھ میموری یا HBM پروسیسر کو ڈیٹا فراہم کرنے کے لیے ضروری ہے۔ اگر میموری بہت سست ہے، تو پروسیسر بیکار بیٹھ جاتا ہے، جس سے مہنگا کمپیوٹ ضائع ہوتا ہے۔ یہی وجہ ہے کہ بڑے مینوفیکچررز کی تازہ ترین چپس میموری بینڈوڈتھ اور صلاحیت پر اتنا زیادہ توجہ مرکوز کرتی ہیں۔ اگر آپ مقامی ماڈل چلا رہے ہیں، تو آپ کے کارڈ پر VRAM کی مقدار واحد سب سے اہم عنصر ہے۔ یہ اس ماڈل کے سائز کا تعین کرتی ہے جسے آپ لوڈ کر سکتے ہیں اور اس رفتار کا جس پر یہ ٹیکسٹ تیار کر سکتا ہے۔

ورک فلو انٹیگریشن بھی ایک ہارڈ ویئر کا مسئلہ بن رہا ہے۔ بہت سے پیشہ ورانہ ٹولز اب AI فیچرز کو مربوط کر رہے ہیں جن کے لیے مخصوص API حدود یا مقامی ایکسلریشن کی ضرورت ہوتی ہے۔ اگر آپ کلاؤڈ بیسڈ API استعمال کر رہے ہیں، تو آپ فراہم کنندہ کے ہارڈ ویئر کی دستیابی کے تابع ہیں۔ یہ غیر متوقع لیٹنسی کا باعث بن سکتا ہے جو صارف کے تجربے کو خراب کر دیتا ہے۔ مقامی اسٹوریج کے لیے، تقاضے بھی بڑھ رہے ہیں۔ بڑے ماڈلز اور انہیں فائن ٹیون کرنے کے لیے استعمال ہونے والے ڈیٹا سیٹس کو ذخیرہ کرنے کے لیے ٹیرا بائٹس فاسٹ NVMe اسٹوریج کی ضرورت ہوتی ہے۔ ہم NVLink جیسے خصوصی انٹرکونیکٹس کا عروج بھی دیکھ رہے ہیں، جو متعدد GPUs کو ناقابل یقین رفتار سے ایک دوسرے سے بات کرنے کی اجازت دیتے ہیں۔ یہ ضروری ہے کیونکہ سب سے بڑے ماڈلز اب ایک چپ پر فٹ نہیں ہوتے۔ انہیں درجنوں یا سینکڑوں چپس پر پھیلانا پڑتا ہے، جو سب کامل ہم آہنگی کے ساتھ کام کر رہے ہوتے ہیں۔ اگر ان چپس کے درمیان طبعی کنکشن بہت سست ہے، تو پورا سسٹم ٹوٹ جاتا ہے۔ ہارڈ ویئر کی یہ پیچیدگی محض ایک اسکرپٹ لکھنے اور اسے لیپ ٹاپ پر چلانے کے دنوں سے بہت دور ہے۔ آپ AI Magazine ویب سائٹ پر اپنے مقامی سیٹ اپ کو بہتر بنانے کے بارے میں مزید تفصیلی گائیڈز تلاش کر سکتے ہیں۔ ان تکنیکی خصوصیات کو سمجھنا اب کسی ایسے شخص کے لیے اختیاری نہیں ہے جو اس میدان کے کنارے پر کام کرنا چاہتا ہے۔ کامیاب تعیناتی اور ناکامی کے درمیان فرق اکثر اس بات پر آتا ہے کہ آپ اپنے ہارڈ ویئر اسٹیک کی طبعی رکاوٹوں کو کتنی اچھی طرح سے منظم کرتے ہیں۔

طبعی حقیقت

AI کے خالصتاً ڈیجیٹل رجحان ہونے کا بیانیہ مر چکا ہے۔ حقیقت یہ ہے کہ AI ایک طبعی صنعت ہے جس کے لیے زمین، پانی، توانائی اور سلیکون کی بھاری مقدار درکار ہے۔ آنے والے سالوں میں ہم جو پیش رفت دیکھیں گے اس کا تعین مٹیریل سائنس اور بجلی کی پیداوار میں کامیابیوں سے اتنا ہی ہوگا جتنا کہ مشین لرننگ میں کامیابیوں سے۔ ہم ایک ایسے دور میں داخل ہو رہے ہیں جہاں طبعی دنیا ڈیجیٹل دنیا پر اپنا غلبہ دوبارہ قائم کر رہی ہے۔ جو کمپنیاں اسے سمجھتی ہیں اور اپنے ہارڈ ویئر اور توانائی کی سپلائی میں سرمایہ کاری کرتی ہیں، وہی آگے رہیں گی۔ جو ہارڈ ویئر کو بعد کا خیال سمجھتی ہیں وہ خود کو مارکیٹ سے باہر پائیں گی۔ یاد رکھنے والی سب سے اہم بات یہ ہے کہ ڈیجیٹل ذہانت کے ہر حصے کا ایک طبعی گھر ہوتا ہے۔ AI دنیا کا نقشہ دنیا کے سب سے طاقتور صنعتی مراکز کے نقشے جیسا نظر آئے گا۔ سلیکون کی حد حقیقی ہے، اور ہم سب اس کے نیچے رہ رہے 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۔

کوئی غلطی یا اصلاح طلب چیز ملی ہے؟ ہمیں بتائیں۔