AI کے دور میں انسانی اقدار کا کیا مطلب ہے؟
غیر جانبدار کوڈ کا افسانہ
مصنوعی ذہانت (AI) کے گرد ہونے والی گفتگو اکثر تکنیکی معیارات اور پروسیسنگ پاور پر مرکوز رہتی ہے۔ ہم پیرامیٹرز اور پیٹا بائٹس کے بارے میں ایسے بات کرتے ہیں جیسے یہی واحد اہم پیمانے ہوں۔ یہ توجہ ایک زیادہ اہم حقیقت کو دھندلا دیتی ہے۔ ہر لارج لینگویج ماڈل ان انسانی ترجیحات کا آئینہ دار ہے جنہوں نے اسے تشکیل دیا ہے۔ کوئی بھی الگورتھم مکمل طور پر غیر جانبدار نہیں ہوتا۔ جب کوئی سسٹم جواب فراہم کرتا ہے، تو وہ کسی معروضی سچائی کے خلا سے نہیں آ رہا ہوتا۔ یہ ڈویلپرز اور ڈیٹا لیبلرز کی طرف سے طے کردہ مخصوص اقدار کی عکاسی کر رہا ہوتا ہے۔ بنیادی بات یہ ہے کہ ہم مشینوں کو سوچنا نہیں سکھا رہے، بلکہ انہیں اپنے مخصوص اور اکثر متضاد سماجی اصولوں کی نقل کرنا سکھا رہے ہیں۔ منطق سے اخلاقیات کی طرف یہ منتقلی انٹرنیٹ کی ایجاد کے بعد سے کمپیوٹنگ میں سب سے اہم تبدیلی ہے۔ یہ ذمہ داری کا بوجھ ہارڈویئر سے ان انسانوں پر منتقل کرتی ہے جو یہ طے کرتے ہیں کہ ایک "درست” جواب کیسا ہونا چاہیے۔
انڈسٹری نے حال ہی میں خام صلاحیت سے ہٹ کر حفاظت اور ہم آہنگی (alignment) پر توجہ مرکوز کی ہے۔ یہ ایک تکنیکی ایڈجسٹمنٹ معلوم ہوتی ہے، لیکن درحقیقت یہ ایک گہرا سیاسی عمل ہے۔ جب ہم کسی ماڈل سے مددگار، بے ضرر اور ایماندار ہونے کا مطالبہ کرتے ہیں، تو ہم ایسے الفاظ استعمال کر رہے ہوتے ہیں جن کے مختلف ثقافتوں میں مختلف معنی ہوتے ہیں۔ سان فرانسسکو کے بورڈ روم میں جو قدر عالمگیر لگتی ہے، ہو سکتا ہے جکارتہ میں اسے جارحانہ یا غیر متعلقہ سمجھا جائے۔ عالمی پیمانے اور مقامی اقدار کے درمیان کشمکش جدید ٹیکنالوجی کا بنیادی تنازعہ ہے۔ ہمیں AI کو ایک خود مختار قوت کے طور پر دیکھنا بند کرنا ہوگا اور اسے انسانی ارادے کی ایک تیار کردہ توسیع کے طور پر دیکھنا شروع کرنا ہوگا۔ اس کے لیے مارکیٹنگ کے شور سے آگے دیکھنا ضروری ہے تاکہ ان حقیقی فیصلوں کو سمجھا جا سکے جو پس پردہ کیے جا رہے ہیں۔
انسانی انتخاب کا میکانکی آئینہ
یہ سمجھنے کے لیے کہ اقدار مشین میں کیسے داخل ہوتی ہیں، آپ کو Reinforcement Learning from Human Feedback یا RLHF پر نظر ڈالنی ہوگی۔ یہ وہ عمل ہے جہاں ہزاروں انسانی کنٹریکٹرز ماڈل کے مختلف جوابات کی درجہ بندی کرتے ہیں۔ وہ ایک جواب کے دو ورژن دیکھ سکتے ہیں اور اس پر کلک کر سکتے ہیں جسے وہ زیادہ شائستہ یا درست سمجھتے ہیں۔ وقت کے ساتھ ساتھ، ماڈل ان انسانی ترجیحات کے ساتھ مخصوص پیٹرنز کو جوڑنا سیکھ جاتا ہے۔ یہ سچائی کی تلاش نہیں ہے، یہ منظوری کی تلاش ہے۔ ماڈل بنیادی طور پر اپنے انسانی تشخیص کاروں کو خوش کرنے کے لیے تربیت پا رہا ہے۔ یہ اخلاقیات کا ایک ایسا لبادہ بناتا ہے جو درحقیقت صرف اس بات کا شماریاتی تخمینہ ہے کہ لوگوں کا ایک مخصوص گروہ کیا سننا پسند کرتا ہے۔
یہ عمل بہت زیادہ موضوعیت (subjectivity) پیدا کرتا ہے۔ اگر زیادہ تر لیبلرز ایک مخصوص ڈیموگرافک سے ہوں، تو ماڈل قدرتی طور پر اس گروہ کی بول چال، سماجی اشاروں اور سیاسی تعصبات کو اپنا لے گا۔ یہی وجہ ہے کہ بہت سے مقبول ماڈلز کے ابتدائی ورژنز کو غیر مغربی سیاق و سباق کے ساتھ مشکلات کا سامنا کرنا پڑا۔ وہ ٹوٹے ہوئے نہیں تھے، وہ بس ویسے ہی کام کر رہے تھے جیسے انہیں تربیت دی گئی تھی۔ وہ ان لوگوں کی اقدار کی عکاسی کر رہے تھے جنہیں انہیں گریڈ کرنے کے لیے معاوضہ دیا گیا تھا۔ یہ وہ تہہ ہے جہاں انصاف اور تعصب جیسے تجریدی تصورات کوڈ کی ٹھوس لائنوں میں بدل جاتے ہیں۔ یہ ایک دستی اور محنت طلب عمل ہے جو اس سے بہت پہلے ہوتا ہے جب عوام چیٹ انٹرفیس دیکھتے ہیں۔ یہ جدید ذہانت کا پوشیدہ انفراسٹرکچر ہے۔
زیادہ تر لوگ اس موضوع پر یہ الجھن رکھتے ہیں کہ AI کا اپنا اندرونی اخلاقی کمپاس ہوتا ہے۔ ایسا نہیں ہے۔ اس کے پاس ایک ریوارڈ فنکشن ہوتا ہے۔ جب کوئی ماڈل کسی سوال کا جواب دینے سے انکار کرتا ہے، تو اس کی وجہ یہ نہیں کہ اسے لگتا ہے کہ موضوع غلط ہے۔ اس کی وجہ یہ ہے کہ اس کے تربیتی ڈیٹا کو اس مخصوص پیٹرن سے بچنے کے لیے بھاری وزن دیا گیا ہے۔ یہ فرق بہت اہم ہے۔ اگر ہم یہ مان لیں کہ مشین اخلاقی ہے، تو ہم ان لوگوں سے سوال کرنا بند کر دیتے ہیں جنہوں نے اصول طے کیے ہیں۔ ہمیں یہ تسلیم کرنا ہوگا کہ ہر انکار اور ہر مفید مشورہ ایک انسانی فیصلے پر مبنی پروگرام شدہ جواب ہے۔ اس کی نشاندہی کرکے، ہم یہ بہتر سوالات پوچھنا شروع کر سکتے ہیں کہ یہ اصول کون طے کر رہا ہے اور کیوں۔
لیٹنٹ اسپیس میں جغرافیائی سیاست
ان فیصلوں کا اثر عالمی ہے۔ زیادہ تر معروف AI ماڈلز کی تربیت بنیادی طور پر اوپن ویب سے حاصل کردہ انگریزی ڈیٹا پر کی جاتی ہے۔ یہ ایک ایسی ڈیجیٹل مونو کلچر پیدا کرتا ہے جہاں مغربی اقدار کو ڈیفالٹ سمجھا جاتا ہے۔ جب دنیا کے کسی دوسرے حصے میں کوئی صارف خاندانی حرکیات یا قانونی مسائل پر مشورہ مانگتا ہے، تو اسے ایک مخصوص ثقافتی عینک سے چھنے ہوئے جوابات ملتے ہیں۔ یہ صرف زبان کے ترجمے کا معاملہ نہیں ہے، یہ ثقافتی ترجمے کا معاملہ ہے۔ درجہ بندی، رازداری اور کمیونٹی کے باریک نکات پوری دنیا میں بہت مختلف ہیں، لیکن ماڈلز اکثر ایک ہی حل سب کے لیے پیش کرتے ہیں۔ "درست” سوچ کی یہ مرکزیت سافٹ پاور کی ایک نئی شکل ہے جس کے عالمی گفتگو پر بڑے اثرات مرتب ہوتے ہیں۔
ہم اس کے جواب میں خودمختار AI ماڈلز تیار کرنے کی دوڑ دیکھ رہے ہیں۔ فرانس، متحدہ عرب امارات اور بھارت جیسے ممالک اپنے انفراسٹرکچر میں سرمایہ کاری کر رہے ہیں تاکہ یہ یقینی بنایا جا سکے کہ ان کی مخصوص ثقافتی اقدار کی نمائندگی ہو۔ وہ سمجھتے ہیں کہ غیر ملکی ماڈل پر انحصار کرنے کا مطلب غیر ملکی عالمی نقطہ نظر کو درآمد کرنا ہے۔ اس میں، یہ رجحان تیز ہو گیا ہے کیونکہ حکومتیں سمجھ گئی ہیں کہ AI کی لیٹنٹ اسپیس پر کنٹرول اتنا ہی اہم ہے جتنا کہ جسمانی سرحدوں پر کنٹرول۔ ان ماڈلز کو تربیت دینے کے لیے استعمال ہونے والا ڈیٹا ایک ڈیجیٹل تاریخ کی کتاب کی طرح کام کرتا ہے۔ اگر اس کتاب میں صرف ایک نقطہ نظر ہو، تو نتیجے میں ملنے والی ذہانت فطری طور پر محدود ہوگی۔ یہی وجہ ہے کہ متنوع ڈیٹا سیٹس کے لیے زور صرف تنوع کی مہم نہیں ہے، بلکہ یہ عالمی سطح پر درستگی اور مطابقت کے لیے ایک ضرورت ہے۔
بین الاقوامی تعاون کے لیے داؤ پر بہت کچھ لگا ہے۔ اگر ہر قوم اپنے سخت اقدار کے ساتھ اپنا الگ تھلگ AI بناتی ہے، تو ہمیں ڈیجیٹل حدود کے پار بات چیت کرنا مشکل ہو سکتا ہے۔ تاہم، اس کا متبادل ایک ایسی دنیا ہے جہاں ایک وادی میں چند کمپنیاں اربوں لوگوں کے لیے اخلاقی حدود کا تعین کرتی ہیں۔ کوئی بھی راستہ مکمل نہیں ہے۔ چیلنج یہ ہے کہ بنیادی انسانی حقوق کی مشترکہ تفہیم کو برقرار رکھتے ہوئے مقامی باریکیوں کی اجازت دینے کا طریقہ تلاش کیا جائے۔ یہ ایک ایسا مسئلہ ہے جسے بہتر ہارڈویئر سے حل نہیں کیا جا سکتا۔ اس کے لیے بین الاقوامی سفارت کاری اور آج ٹیکنالوجی انڈسٹری کو چلانے والے محرکات پر واضح نظر ڈالنے کی ضرورت ہے۔ آپ AI اخلاقیات اور گورننس پر ہماری جامع گائیڈ میں ان چیلنجوں کے بارے میں مزید جان سکتے ہیں۔
فیصلہ سازی کا عمل
سارہ نامی ایک ہائرنگ مینیجر کی زندگی کا ایک دن تصور کریں۔ وہ ایک نئی انجینئرنگ رول کے لیے سینکڑوں ریزیومے اسکرین کرنے کے لیے AI ٹول کا استعمال کرتی ہے۔ ٹول کو "اعلیٰ صلاحیت” والے امیدواروں کی تلاش کے لیے تربیت دی گئی ہے۔ بظاہر یہ موثر لگتا ہے۔ لیکن انٹرفیس کے نیچے، ٹول ان اقدار کا ایک سیٹ لاگو کر رہا ہے جو اس نے پچھلے ہائرنگ ڈیٹا سے سیکھا تھا۔ اگر تاریخی ڈیٹا ظاہر کرتا ہے کہ کمپنی نے زیادہ تر تین مخصوص یونیورسٹیوں کے لوگوں کو رکھا، تو AI ان اسکولوں کو ترجیح دے گا۔ یہ انسانی معنوں میں "نسل پرست” یا "اشرافیہ پرست” نہیں بن رہا۔ یہ صرف اس پیٹرن کے لیے آپٹمائز کر رہا ہے جسے قیمتی قرار دیا گیا تھا۔ سارہ کو شاید یہ احساس بھی نہ ہو کہ ٹول غیر روایتی پس منظر کے ذہین امیدواروں کو فلٹر کر رہا ہے کیونکہ وہ تربیتی ڈیٹا کے "ویلیو” پروفائل میں فٹ نہیں بیٹھتے۔
یہ منظرنامہ ہر روز ہزاروں دفاتر میں دہرایا جاتا ہے۔ اقدار تجریدی نہیں ہیں۔ یہ نوکری ملنے اور الگورتھم کی طرف سے نظر انداز کیے جانے کے درمیان کا فرق ہیں۔ یہی منطق کریڈٹ اسکورنگ، طبی ٹریاج اور یہاں تک کہ عدالتی سزا میں بھی لاگو ہوتی ہے۔ ہر معاملے میں، "خطرے” یا "قابلیت” جیسی انسانی قدر کو ایک نمبر میں تبدیل کیا جاتا ہے۔ خطرہ یہ ہے کہ ہم ان نمبروں کو معروضی سچائیوں کے بجائے موضوعی انتخاب کے طور پر دیکھتے ہیں۔ ہم اکثر اخلاقی فیصلے کا مشکل کام مشین کے سپرد کر دیتے ہیں کیونکہ یہ تیز اور کم تکلیف دہ ہے۔ لیکن مشین صرف ہمارے موجودہ تعصبات کو ایسے پیمانے پر خودکار کر رہی ہے جس کی ہم آسانی سے نگرانی نہیں کر سکتے۔
ہم جو مصنوعات روزانہ استعمال کرتے ہیں وہ ان دلائل کو حقیقی بناتی ہیں۔ جب فوٹو ایڈیٹنگ ایپ خود بخود کسی شخص کی جلد کا رنگ ہلکا کر دیتی ہے تاکہ وہ "بہتر” نظر آئے، تو یہ ایک قدر کا اظہار کر رہی ہوتی ہے۔ جب نیویگیشن ایپ "زیادہ جرائم” والے علاقوں سے بچتی ہے، تو یہ حفاظت اور سماجی طبقے کے بارے میں ایک قدر کا فیصلہ کر رہی ہوتی ہے۔ یہ تکنیکی غلطیاں نہیں ہیں۔ یہ انسانوں کی طرف سے فراہم کردہ ڈیٹا اور ریوارڈ فنکشنز کا منطقی نتیجہ ہیں۔ ہم ایک ایسی دنیا میں رہ رہے ہیں جہاں ہمارا سافٹ ویئر ہماری طرف سے مسلسل اخلاقی انتخاب کر رہا ہے۔ زیادہ تر وقت، ہمیں اس کے ہونے کا احساس بھی نہیں ہوتا جب تک کہ کچھ غلط نہ ہو جائے۔ ہمیں ان "مفید” فیچرز کے بارے میں زیادہ تنقیدی ہونا چاہیے جو درحقیقت صرف مفروضے ہیں۔
انڈسٹری میں حالیہ تبدیلی "اسٹیئر ایبلٹی” (steerability) کی طرف ہے۔ کمپنیاں اب صارفین کو اپنے AI کی "شخصیت” یا "اقدار” پر زیادہ کنٹرول دے رہی ہیں۔ آپ ماڈل کو "زیادہ تخلیقی” یا "زیادہ پیشہ ورانہ” ہونے کا کہہ سکتے ہیں۔ اگرچہ یہ بااختیار بنانے جیسا لگتا ہے، لیکن یہ درحقیقت ذمہ داری کو واپس صارف پر ڈال دیتا ہے۔ اگر AI متعصبانہ جواب دیتا ہے، تو کمپنی دعویٰ کر سکتی ہے کہ صارف نے پیرامیٹرز صحیح طریقے سے سیٹ نہیں کیے تھے۔ یہ جوابدہی کا ایک پیچیدہ جال بناتا ہے جہاں آؤٹ پٹ کے لیے کوئی بھی واقعی ذمہ دار نہیں ہوتا۔ ہم مقررہ اقدار کی دنیا سے سیال، صارف کی متعین کردہ اقدار کی دنیا کی طرف بڑھ رہے ہیں، جو اپنے ساتھ خطرات اور انعامات لاتی ہے۔
خودکار اخلاقیات کی قیمت
ہمیں "محفوظ” AI کے تصور پر سقراطی شکوک و شبہات کا اطلاق کرنا چاہیے۔ اگر کوئی ماڈل مکمل طور پر ہم آہنگ ہے، تو یہ کن کی اقدار کے ساتھ ہم آہنگ ہے؟ آج ہمیں جو حفاظتی فلٹرز نظر آتے ہیں ان کی ایک چھپی ہوئی قیمت ہے۔ اکثر، یہ فلٹرز ترقی پذیر ممالک میں کم اجرت والی لیبر کا استعمال کرتے ہوئے بنائے جاتے ہیں۔ لوگوں کو انٹرنیٹ پر خوفناک ترین مواد پڑھنے کے لیے چند ڈالر فی گھنٹہ دیے جاتے ہیں تاکہ مشین اس سے بچنا سیکھ سکے۔ ہم بنیادی طور پر قدروں کے تعین کے نفسیاتی صدمے کو گلوبل ساؤتھ (ترقی پذیر ممالک) پر منتقل کر رہے ہیں۔ کیا AI واقعی "اخلاقی” ہے اگر اس کی حفاظت کا انحصار استحصال زدہ کارکنوں پر ہو؟ یہ ایک ایسا سوال ہے جس کا جواب ٹیکنالوجی انڈسٹری شاذ و نادر ہی براہ راست دینا پسند کرتی ہے۔
ایک اور حد "اخلاقیات کا فریب” (hallucination of morality) ہے۔ چونکہ یہ ماڈلز نقل کرنے میں بہت اچھے ہیں، اس لیے جب وہ اخلاقیات کے بارے میں بات کرتے ہیں تو وہ بہت قائل کرنے والے لگ سکتے ہیں۔ وہ فلسفیوں اور قانونی نظیروں کا آسانی سے حوالہ دے سکتے ہیں۔ لیکن وہ ان میں سے کچھ بھی نہیں سمجھتے۔ وہ صرف ایک ترتیب میں اگلے ٹوکن کی پیش گوئی کر رہے ہوتے ہیں۔
BotNews.today مواد کی تحقیق، تحریر، تدوین اور ترجمہ کے لیے AI ٹولز کا استعمال کرتا ہے۔ ہماری ٹیم معلومات کو مفید، واضح اور قابل اعتماد رکھنے کے لیے اس عمل کا جائزہ لیتی ہے اور اس کی نگرانی کرتی ہے۔
- سیاست یا مذہب جیسے موضوعی موضوعات کے لیے "زمینی سچائی” (ground truth) کا تعین کون کرتا ہے؟
- جب ایک نجی کارپوریشن کی اقدار ایک جمہوری معاشرے کی اقدار سے متصادم ہوں تو کیا ہوتا ہے؟
- ہم RLHF کے "بلیک باکس” کا آڈٹ کیسے کریں تاکہ یہ دیکھ سکیں کہ تربیت کے دوران اصل میں کس چیز کو انعام دیا گیا تھا؟
- کیا مشین کبھی واقعی "منصفانہ” ہو سکتی ہے اگر وہ دنیا جس پر اسے تربیت دی گئی ہے وہ فطری طور پر غیر منصفانہ ہے؟
رکاوٹ کا فن تعمیر
پاور صارفین کے لیے، AI کی "اقدار” اکثر سسٹم پرامپٹ اور API کنفیگریشن میں پائی جاتی ہیں۔ یہ ٹیکنالوجی کا وہ 20 فیصد حصہ ہے جو باقی 80 فیصد تجربے کو کنٹرول کرتا ہے۔ جب آپ API کے ذریعے کسی ماڈل کے ساتھ بات چیت کرتے ہیں، تو آپ "ٹمپریچر” اور "ٹاپ-پی” سیٹنگز دیکھ سکتے ہیں۔ یہ صرف تکنیکی نوبس نہیں ہیں۔ یہ کنٹرول کرتے ہیں کہ ماڈل کو سب سے زیادہ ممکنہ (اور اکثر سب سے زیادہ متعصب) جواب سے کتنا انحراف کرنے کی اجازت ہے۔ کم ٹمپریچر ماڈل کو زیادہ پیش گوئی کے قابل اور "محفوظ” بناتا ہے، جبکہ زیادہ ٹمپریچر زیادہ "تخلیقی” صلاحیت کی اجازت دیتا ہے لیکن اس میں خطرہ بھی زیادہ ہوتا ہے۔ یہ سیٹنگز ویلیو الائنمنٹ میں دفاع کی پہلی لائن ہیں۔
ورک فلو انٹیگریشن وہ جگہ ہے جہاں اصل کام ہوتا ہے۔ ڈویلپرز اب "گارڈ ریل” لیئرز بنا رہے ہیں جو صارف اور ماڈل کے درمیان بیٹھتی ہیں۔ یہ لیئرز ویلیو کی خلاف ورزیوں کے لیے ان پٹ اور آؤٹ پٹ کو چیک کرنے کے لیے ثانوی ماڈلز کا استعمال کرتی ہیں۔ یہ کنٹرول کا ایک کثیر سطحی نظام بناتا ہے۔ تاہم، ان گارڈ ریلز کی اپنی API حدود اور لیٹنسی اخراجات ہوتے ہیں۔ ایک پیچیدہ سیفٹی اسٹیک رسپانس کو کئی سیکنڈ تک سست کر سکتا ہے، جو پروڈکشن ماحول میں ایک اہم سمجھوتہ ہے۔ مزید برآں، ان ماڈلز کی مقامی اسٹوریج زیادہ عام ہو رہی ہے۔ مقامی طور پر ماڈل چلانا صارف کو کارپوریٹ فلٹرز کو بائی پاس کرنے کی اجازت دیتا ہے، لیکن اس کے لیے کافی VRAM اور GGUF یا EXL2 جیسی آپٹمائزڈ کوانٹائزیشن تکنیکوں کی ضرورت ہوتی ہے۔
اصل گیک لیول چیلنج اقدار کے لیے "فائن ٹیوننگ” ہے۔ اس میں ایک بنیادی ماڈل لینا اور اسے مخصوص مثالوں کے ایک چھوٹے، اعلیٰ معیار کے ڈیٹا سیٹ پر تربیت دینا شامل ہے۔ اسی طرح کمپنیاں ایسا AI بناتی ہیں جو ان کے مخصوص برانڈ کی آواز یا قانونی تقاضوں کی عکاسی کرے۔ یہ ماڈل کے وزن میں اقدار کو "ہارڈ کوڈ” کرنے کا ایک طریقہ ہے۔ لیکن یہ عمل مہنگا ہے اور اس کے لیے گریڈینٹ ڈیسنٹ اور لاس فنکشنز کی گہری سمجھ کی ضرورت ہے۔ زیادہ تر صارفین ایسا کبھی نہیں کریں گے، لیکن جو کرتے ہیں وہ واقعی مشین کی "اخلاقیات” کو کنٹرول کرتے ہیں۔ وہ اپنے مخصوص ڈیجیٹل ایکو سسٹم کے اندر ممکنہ حدود کا تعین کر رہے ہوتے ہیں۔ تکنیکی رکاوٹیں ہی مشین کی اخلاقیات کی اصل حدود ہیں۔
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۔
آخری انسانی استحقاق
دن کے اختتام پر، AI ایک ٹول ہے، دیوتا نہیں۔ اس کی اپنی اقدار نہیں ہیں؛ اس کے پاس ہدایات ہیں۔ انسان جیسی بات چیت کی طرف حالیہ تبدیلی نے اس حقیقت کو دھندلا دیا ہے، جس سے ہم مشین کے "فیصلے” پر بھروسہ کرنے کا زیادہ امکان رکھتے ہیں۔ ہمیں اس خواہش کے خلاف مزاحمت کرنی چاہیے۔ اخلاقی نتائج کی ذمہ داری مضبوطی سے ان انسانوں پر عائد ہوتی ہے جو ان سسٹمز کو ڈیزائن، تعینات اور استعمال کرتے ہیں۔ ہمیں "برے” AI کے بارے میں کم اور ان انسانوں کے بارے میں زیادہ فکر مند ہونا چاہیے جو اپنے تعصبات کا جواز پیش کرنے کے لیے "غیر جانبدار” AI کا استعمال کرتے ہیں۔ مشین صرف اپنے مالک کے ارادوں جتنی ہی اچھی ہوتی ہے۔
ہم شروع کرنے سے زیادہ تیز سوالات کے ساتھ رہ گئے ہیں۔ جیسے جیسے AI ہماری زندگیوں میں زیادہ مربوط ہوتا جا رہا ہے، ہمیں یہ فیصلہ کرنا ہوگا کہ ہم اپنی انسانیت کے کن حصوں کو خودکار کرنے کے لیے تیار ہیں اور کن حصوں کی حفاظت کرنی چاہیے۔ داؤ پر صرف بہتر تلاش کے نتائج یا تیز ای میلز نہیں ہیں۔ یہ اس بارے میں ہے کہ ہم ایک نوع کے طور پر کون ہیں اور ہم کیسی دنیا بنانا چاہتے ہیں۔ ہم ٹیکنالوجی کی سہولت کو اس کے استعمال کے نتائج سے اندھا نہیں ہونے دے سکتے۔ AI کا دور انسانی اقدار کا خاتمہ نہیں ہے۔ یہ ہماری تاریخ کا ایک نیا، زیادہ مشکل باب ہے۔ ہمیں اسے ارادے کے ساتھ لکھنے کے لیے تیار رہنا ہوگا۔
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۔
