جب کاروبار تیزی سے آگے بڑھ رہا ہو تو AI اخلاقیات کیوں اہم ہیں

ٹیک کی دنیا میں آج کل رفتار ہی سب کچھ ہے۔ کمپنیاں بڑے لینگویج ماڈلز کو تیزی سے لانچ کرنے کی دوڑ میں لگی ہیں کیونکہ انہیں ڈر ہے کہ وہ اپنے حریفوں سے پیچھے نہ رہ جائیں۔ لیکن اخلاقی اصولوں کے بغیر تیزی سے آگے بڑھنا ایسا تکنیکی قرض پیدا کرتا ہے جو آخر کار پروڈکٹ کو تباہ کر دیتا ہے۔ AI میں اخلاقیات فلسفے کی کلاس کے لیے کوئی خیالی تصور نہیں ہے، بلکہ یہ پروڈکشن ماحول میں بڑی ناکامیوں کو روکنے کا ایک فریم ورک ہے۔ جب کوئی ماڈل قانونی مشورے میں غلطیاں کرتا ہے یا تجارتی راز افشا کر دیتا ہے، تو یہ ایک اخلاقی ناکامی ہے جس کی براہِ راست مالی قیمت چکانی پڑتی ہے۔ یہ مضمون اس بات کا جائزہ لیتا ہے کہ مارکیٹ میں جلدی کیوں اکثر ان خطرات کو نظر انداز کر دیتی ہے اور یہ حکمت عملی طویل مدتی ترقی کے لیے کیوں غیر پائیدار ہے۔ ہم نظریاتی بحث سے عملی حفاظت کی طرف منتقلی پر بات کر رہے ہیں۔ اگر آپ کو لگتا ہے کہ اخلاقیات صرف ٹرالی کے مسائل تک محدود ہے، تو آپ اصل بات سمجھ نہیں پا رہے۔ یہ اس بارے میں ہے کہ آیا آپ کا سافٹ ویئر حقیقی دنیا میں موجود رہنے کے لیے کافی قابلِ اعتماد ہے۔ بنیادی نکتہ سادہ ہے: اخلاقی AI ہی فعال AI ہے۔ اس سے کم کچھ بھی صرف ایک ناکام ہونے کے منتظر پروٹو ٹائپ کے سوا کچھ نہیں۔

مارکیٹنگ کے شور سے زیادہ انجینئرنگ کی دیانتداری

AI اخلاقیات کو اکثر ان کاموں کی فہرست سمجھ لیا جاتا ہے جو ڈویلپرز کو نہیں کرنے چاہئیں۔ حقیقت میں، یہ انجینئرنگ کے ایسے معیارات ہیں جو اس بات کو یقینی بناتے ہیں کہ پروڈکٹ تمام صارفین کے لیے درست طریقے سے کام کرے۔ اس میں ڈیٹا اکٹھا کرنے کا طریقہ، ماڈلز کی ٹریننگ، اور آؤٹ پٹس کی نگرانی شامل ہے۔ زیادہ تر لوگ سمجھتے ہیں کہ مسئلہ صرف جارحانہ زبان سے بچنا ہے۔ اگرچہ یہ اہم ہے، لیکن اس کا دائرہ کار بہت وسیع ہے۔ اس میں یہ شفافیت شامل ہے کہ صارف کب کسی مشین کے ساتھ بات چیت کر رہا ہے۔ اس میں ماڈل کو ٹرین کرنے کی ماحولیاتی قیمت بھی شامل ہے جو بہت زیادہ بجلی استعمال کرتی ہے۔ اس میں ان تخلیق کاروں کے حقوق بھی شامل ہیں جن کا کام ماڈل بنانے کے لیے ان کی رضامندی کے بغیر استعمال کیا گیا۔

یہ لوگوں کے ساتھ اچھا برتاؤ کرنے کے بارے میں نہیں ہے، بلکہ ڈیٹا سپلائی چین کی دیانتداری کے بارے میں ہے۔ اگر بنیاد ہی چوری شدہ یا کم معیار کے ڈیٹا پر رکھی گئی ہے، تو ماڈل آخر کار غیر قابلِ اعتماد نتائج دے گا۔ ہم انڈسٹری میں قابلِ تصدیق حفاظت کی طرف ایک تبدیلی دیکھ رہے ہیں۔ اس کا مطلب ہے کہ کمپنیوں کو یہ ثابت کرنا ہوگا کہ ان کے ماڈلز نقصان کو فروغ نہیں دیتے یا غیر قانونی کاموں کے لیے ہدایات نہیں دیتے۔ یہ ایک کھلونے اور ایک پیشہ ورانہ ٹول کے درمیان فرق ہے۔ ایک ٹول کی حدود اور حفاظتی خصوصیات ہوتی ہیں۔ ایک کھلونا صرف وہی کرتا ہے جو وہ چاہتا ہے جب تک کہ وہ ٹوٹ نہ جائے۔ جو کمپنیاں AI کو کھلونا سمجھتی ہیں، انہیں مسائل پیدا ہونے پر بھاری ذمہ داری کا سامنا کرنا پڑے گا۔

انڈسٹری بلیک باکس ماڈل سے بھی دور ہو رہی ہے۔ صارفین اور ریگولیٹرز مطالبہ کر رہے ہیں کہ یہ جاننا ضروری ہے کہ فیصلے کیسے کیے جاتے ہیں۔ اگر کوئی AI طبی کلیم مسترد کرتا ہے، تو مریض کو اس فیصلے کے پیچھے کی منطق جاننے کا حق ہے۔ اس کے لیے ایسی شفافیت درکار ہے جو بہت سے موجودہ ماڈلز میں نہیں ہے۔ سسٹم میں پہلے دن سے ہی یہ شفافیت شامل کرنا ایک اخلاقی انتخاب ہے جو قانونی تحفظ کا کام بھی کرتا ہے۔ یہ کمپنی کو آڈٹ کے دوران اپنی ٹیکنالوجی کی وضاحت کرنے سے قاصر رہنے سے بچاتا ہے۔

بکھرے ہوئے قوانین کی عالمی کشمکش

دنیا اس وقت مختلف ریگولیٹری کیمپوں میں تقسیم ہے۔ یورپی یونین نے EU AI Act کے ساتھ سخت موقف اپنایا ہے۔ یہ قانون AI سسٹمز کو خطرے کی سطح کے لحاظ سے درجہ بندی کرتا ہے اور ہائی رسک ایپلی کیشنز پر سخت تقاضے عائد کرتا ہے۔ دریں اثنا، امریکہ زیادہ تر رضاکارانہ وعدوں اور موجودہ صارفین کے تحفظ کے قوانین پر انحصار کرتا ہے۔ یہ سرحد پار کام کرنے والی کسی بھی کمپنی کے لیے ایک پیچیدہ ماحول پیدا کرتا ہے۔ اگر آپ ایسی پروڈکٹ بناتے ہیں جو سان فرانسسکو میں کام کرتی ہے لیکن پیرس میں غیر قانونی ہے، تو آپ کو ایک بڑا کاروباری مسئلہ درپیش ہے۔ عالمی اعتماد بھی داؤ پر لگا ہوا ہے کیونکہ صارفین اس بات سے زیادہ آگاہ ہو رہے ہیں کہ ان کا ڈیٹا کیسے استعمال ہوتا ہے۔

اگر کوئی برانڈ پرائیویسی کے حوالے سے اپنی ساکھ کھو دیتا ہے، تو وہ اپنے صارفین کو بھی کھو دیتا ہے۔ ڈیجیٹل تقسیم کا مسئلہ بھی موجود ہے۔ اگر AI اخلاقیات صرف مغربی اقدار پر توجہ مرکوز کرتی ہے، تو یہ گلوبل ساؤتھ کی ضروریات کو نظر انداز کرتی ہے۔ یہ ڈیجیٹل استحصال کی ایک نئی شکل کا باعث بن سکتا ہے جہاں ایک جگہ سے ڈیٹا لے کر دوسری جگہ دولت بنائی جاتی ہے بغیر کسی فائدے کے۔ عالمی اثر کا مطلب ایک ایسا معیار قائم کرنا ہے جو سب کے لیے کام کرے، نہ کہ صرف سلیکون ویلی میں کوڈ لکھنے والے لوگوں کے لیے۔ ہمیں یہ دیکھنا ہوگا کہ یہ سسٹمز ترقی پذیر ممالک میں لیبر مارکیٹ کو کیسے متاثر کرتے ہیں جہاں ڈیٹا لیبلنگ کا زیادہ تر کام ہوتا ہے۔

ٹیک سیکٹر میں اعتماد ایک نازک اثاثہ ہے۔ ایک بار جب صارف کو یہ محسوس ہو جائے کہ AI ان کے خلاف تعصب رکھتا ہے یا ان کی جاسوسی کر رہا ہے، تو وہ متبادل تلاش کرے گا۔ یہی وجہ ہے کہ NIST AI Risk Management Framework اتنا بااثر ہو گیا ہے۔ یہ کمپنیوں کو اعتماد پیدا کرنے کے لیے ایک روڈ میپ فراہم کرتا ہے۔ یہ صرف قانون پر عمل کرنے کے بارے میں نہیں ہے، بلکہ قانون سے بڑھ کر کام کرنے کے بارے میں ہے تاکہ پروڈکٹ ایک شکی مارکیٹ میں قابلِ عمل رہے۔ عالمی گفتگو اس بات سے بدل رہی ہے کہ ہم کیا بنا سکتے ہیں، اس طرف کہ ہمیں کیا بنانا چاہیے۔

جب ماڈل حقیقی دنیا سے ٹکراتا ہے

تصور کریں کہ سارہ نامی ایک ڈویلپر ایک فنٹیک اسٹارٹ اپ کے لیے کام کرتی ہے۔ اس کی ٹیم چھوٹے کاروباری قرضوں کی منظوری کے لیے ایک AI ایجنٹ بنا رہی ہے۔ بورڈ کی طرف سے دباؤ بہت زیادہ ہے۔ وہ حریف کو شکست دینے کے لیے اگلے مہینے تک فیچر لائیو دیکھنا چاہتے ہیں۔ سارہ دیکھتی ہے کہ ماڈل مسلسل مخصوص زپ کوڈز والے کاروباروں کو قرض دینے سے انکار کرتا ہے، حالانکہ ان کی مالی حالت مضبوط ہے۔ یہ تعصب کا ایک کلاسک مسئلہ ہے۔ اگر سارہ ڈیڈ لائن پوری کرنے کے لیے اسے نظر انداز کرتی ہے، تو کمپنی کو بعد میں ایک بڑے مقدمے اور PR ڈیزاسٹر کا سامنا کرنا پڑے گا۔ اگر وہ اسے ٹھیک کرنے کے لیے رکتی ہے، تو وہ لانچ ونڈو کھو دیتی ہے۔ یہیں پر اخلاقیات ایک کارپوریٹ مشن اسٹیٹمنٹ کے بجائے روزانہ کا انتخاب بن جاتی ہے۔

ایک AI پروفیشنل کی زندگی ان سمجھوتوں سے بھری ہوتی ہے۔ آپ ٹریننگ سیٹس کا جائزہ لینے میں گھنٹے گزارتے ہیں تاکہ یہ یقینی بنایا جا سکے کہ وہ حقیقی دنیا کی نمائندگی کرتے ہیں۔ آپ ایج کیسز کو ٹیسٹ کرتے ہیں جہاں AI خطرناک مالی مشورے دے سکتا ہے۔ آپ کو اسٹیک ہولڈرز کو یہ بھی سمجھانا پڑتا ہے کہ ماڈل صرف ایک بلیک باکس کیوں نہیں ہو سکتا۔ لوگوں کو یہ جاننے کی ضرورت ہے کہ انہیں قرض کے لیے کیوں مسترد کیا گیا۔ بہت سے نئے قوانین کے تحت انہیں وضاحت کا حق حاصل ہے۔ یہ صرف انصاف کے بارے میں نہیں ہے، بلکہ تعمیل کے بارے میں ہے۔ حکومتیں اب ہر کمپنی سے جو خودکار فیصلہ سازی کے سسٹمز استعمال کر رہی ہے، اس سطح کی شفافیت کا مطالبہ کر رہی ہیں۔

سارہ آخر کار لانچ میں تاخیر کرنے کا فیصلہ کرتی ہے تاکہ ماڈل کو زیادہ متنوع ڈیٹا سیٹ پر دوبارہ ٹرین کیا جا سکے۔ وہ جانتی ہے کہ تعصب زدہ لانچ طویل مدت میں زیادہ مہنگی پڑے گی۔ کمپنی کو تاخیر کے لیے کچھ منفی پریس ملی، لیکن انہوں نے ایک ایسی مکمل تباہی سے بچ لیا جو کاروبار کو ختم کر سکتی تھی۔ یہ منظر نامہ صحت کی دیکھ بھال سے لے کر بھرتی تک ہر صنعت میں پیش آتا ہے۔ جب آپ ریزیومے فلٹر کرنے کے لیے AI استعمال کرتے ہیں، تو آپ اس بارے میں اخلاقی انتخاب کر رہے ہوتے ہیں کہ نوکری کسے ملتی ہے۔ جب آپ اسے بیماری کی تشخیص کے لیے استعمال کرتے ہیں، تو آپ انتخاب کر رہے ہوتے ہیں کہ علاج کسے ملتا ہے۔ یہ وہ عملی داؤ ہیں جو انڈسٹری کو حقیقت سے جوڑے رکھتے ہیں۔

بہت سے لوگ اس موضوع پر یہ الجھن لاتے ہیں کہ اخلاقیات جدت کو سست کرتی ہے۔ حقیقت میں، یہ اس قسم کی جدت کو روکتی ہے جو مقدمات کی طرف لے جاتی ہے۔ اسے کار کے بریک کی طرح سمجھیں۔ بریک آپ کو تیز گاڑی چلانے کی اجازت دیتے ہیں کیونکہ آپ جانتے ہیں کہ ضرورت پڑنے پر آپ رک سکتے ہیں۔ ان کے بغیر، آپ کو آہستہ چلنا پڑے گا یا مہلک حادثے کا خطرہ مول لینا پڑے گا۔ AI اخلاقیات وہ بریک فراہم کرتی ہے جو کمپنیوں کو اپنی ساکھ تباہ کیے بغیر تیز رفتاری سے آگے بڑھنے کی اجازت دیتی ہے۔ ہمیں اس غلط فہمی کو دور کرنا ہوگا کہ حفاظت اور منافع ایک دوسرے کے مخالف ہیں۔ AI کے دور میں، یہ ایک ہی سکے کے دو رخ 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۔

سخت حقائق اور چھپے ہوئے سمجھوتے

AI کی موجودہ ترقی کی رفتار سے اصل میں فائدہ کسے ہوتا ہے؟ اگر ہم حفاظت کو ترجیح دیں، تو کیا ہم ان برے اداکاروں کو فائدہ پہنچاتے ہیں جنہیں اخلاقیات کی پرواہ نہیں؟ یہ وہ سوالات ہیں جو ہمیں پوچھنے چاہئیں۔ کیا واقعی ایک غیر جانبدار ماڈل کا ہونا ممکن ہے جب وہ انٹرنیٹ جس پر اسے ٹرین کیا گیا، انسانی تعصبات سے بھرا ہوا ہو؟ ہمیں یہ پوچھنا ہوگا کہ کیا AI کی سہولت پرائیویسی کے نقصان کے قابل ہے۔ اگر کسی ماڈل کو مددگار بننے کے لیے آپ کے بارے میں سب کچھ جاننے کی ضرورت ہے، تو کیا یہ کبھی واقعی محفوظ ہو سکتا ہے؟ ذمہ داری کا سوال بھی ہے۔ اگر AI کوئی ایسی غلطی کرے جس سے جان چلی جائے، تو عدالت میں کون جائے گا؟ کیا یہ ڈویلپر ہے، CEO ہے، یا وہ شخص جس نے بٹن دبایا؟

ہم اکثر AI الائنمنٹ کے بارے میں ایک تکنیکی مسئلے کے طور پر بات کرتے ہیں۔ لیکن ہم اسے کس چیز سے الائن کر رہے ہیں؟ کس کی اقدار ڈیفالٹ ہونی چاہئیں؟ اگر ایک ملک کی کمپنی کی اقدار دوسرے ملک کی کمپنی سے مختلف ہوں، تو عالمی مارکیٹ میں کس کی اخلاقیات جیتیں گی؟ یہ صرف فلسفیانہ پہیلیاں نہیں ہیں۔ یہ سسٹم کے وہ بگز ہیں جنہیں ہم نے ابھی تک ٹھیک نہیں کیا ہے۔ ہمیں کسی بھی ایسی کمپنی کے بارے میں شکی ہونا چاہیے جو دعویٰ کرتی ہے کہ ان کا AI مکمل طور پر محفوظ ہے۔ حفاظت ایک عمل ہے، منزل نہیں۔ ہمیں ان ماڈلز کی چھپی ہوئی قیمتوں کے بارے میں پوچھنا چاہیے۔ اس میں ڈیٹا کو صاف کرنے کے لیے درکار انسانی محنت اور ڈیٹا سینٹرز کا بھاری پانی کا استعمال شامل ہے۔

اگر ہم یہ سوالات ابھی نہیں پوچھیں گے، تو نتائج ناگزیر ہونے پر ہمیں ان کا جواب دینے پر مجبور کیا جائے گا۔ موجودہ رجحان پہلے لانچ کرنے اور بعد میں سوالات پوچھنے کا ہے۔ یہ طریقہ ناکام ہو رہا ہے۔ ہم اسے ڈیپ فیکس کے عروج اور خودکار غلط معلومات کے پھیلاؤ میں دیکھتے ہیں۔ ہم اسے اس طریقے میں دیکھتے ہیں جس سے AI صارفین کے رویے کو ہیرا پھیری کے لیے استعمال کیا جاتا ہے۔ ان مسائل کو لانچ کے بعد ٹھیک کرنے کی قیمت انہیں شروع میں روکنے سے کہیں زیادہ ہے۔ ہمیں صرف ایک تیز چیٹ بوٹ سے زیادہ کا مطالبہ کرنے کی ضرورت ہے۔ ہمیں انہیں بنانے والے لوگوں سے جوابدہی کا مطالبہ کرنے کی ضرورت ہے۔

اعتماد کا تکنیکی ڈھانچہ

ان سسٹمز کو بنانے والوں کے لیے، اخلاقیات کو مخصوص ٹولز اور پروٹوکولز کے ذریعے ورک فلو میں ضم کیا جاتا ہے۔ ڈویلپرز ٹریننگ شروع ہونے سے پہلے ڈیٹا سیٹس میں تعصب کا پتہ لگانے کے لیے Fairlearn جیسی لائبریریز استعمال کرتے ہیں۔ وہ Constitutional AI بھی نافذ کرتے ہیں۔ یہ ایک ایسا طریقہ ہے جہاں ایک دوسرے ماڈل کو قوانین یا آئین کے ایک سیٹ کی بنیاد پر بنیادی ماڈل کی تنقید اور رہنمائی کے لیے استعمال کیا جاتا ہے۔ یہ انسانی مداخلت کی ضرورت کو کم کرتا ہے اور حفاظتی خصوصیات کو زیادہ اسکیل ایبل بناتا ہے۔ API کی حدود ایک اور عملی اخلاقی ٹول ہیں۔ درخواستوں کی تعداد کو محدود کر کے، کمپنیاں اپنے ماڈلز کو بڑے پیمانے پر غلط معلومات کی مہمات یا خودکار سائبر حملوں کے لیے استعمال ہونے سے روکتی ہیں۔

لوکل اسٹوریج پرائیویسی کے لیے ایک بڑا رجحان بن رہا ہے۔ تمام صارف ڈیٹا کو مرکزی کلاؤڈ پر بھیجنے کے بجائے، ماڈلز کو ایج پر چلانے کے لیے بہتر بنایا جا رہا ہے۔ اس کا مطلب ہے کہ ڈیٹا صارف کے فون یا لیپ ٹاپ پر رہتا ہے۔ ہم قابلِ تصدیق واٹر مارکنگ کا عروج بھی دیکھ رہے ہیں۔ یہ صارفین کو یہ جاننے کی اجازت دیتا ہے کہ آیا کوئی مواد AI کے ذریعے تیار کیا گیا تھا۔ تکنیکی نقطہ نظر سے، اس کے لیے مضبوط میٹا ڈیٹا معیارات کی ضرورت ہوتی ہے جنہیں جعل سازی کرنا مشکل ہو۔ لوکل انفرنس قانون یا طب جیسی ہائی اسٹیک صنعتوں کے لیے گولڈ اسٹینڈرڈ ہے۔ یہ یقینی بناتا ہے کہ حساس کلائنٹ کی معلومات کبھی بھی محفوظ لوکل نیٹ ورک سے باہر نہ جائیں۔ یہ وہ تکنیکی رکاوٹیں ہیں جو AI کی اگلی نسل کی ترقی کی وضاحت کرتی ہیں۔

پاور یوزرز کو درج ذیل تکنیکی حدود پر بھی غور کرنا چاہیے:

• انفرنس کے کاربن فٹ پرنٹ کو کم کرنے کے لیے ماڈل ڈسٹلیشن۔
• اس بات کو یقینی بنانے کے لیے کہ ٹریننگ ڈیٹا کو دوبارہ تعمیر نہ کیا جا سکے، ڈیفرینشل پرائیویسی۔
• ماڈل لاجک پر مخالفانہ حملوں کو روکنے کے لیے ریٹ لمٹنگ۔
• تازہ ترین AI اخلاقیات کی رپورٹس اور بینچ مارکس کا باقاعدہ آڈٹ۔
• ہائی اسٹیک فیصلہ سازی کے لیے ہیومن ان دی لوپ سسٹمز۔

مارکیٹ کا گیک سیکشن جانتا ہے کہ پرائیویسی ایک فیچر ہے۔ اگر آپ ایسا ماڈل فراہم کر سکتے ہیں جو ڈیٹا لیک کیے بغیر 100 m² سرور اسپیس پر چلتا ہے، تو آپ کو مسابقتی فائدہ حاصل ہے۔ توجہ ماڈل کے سائز سے ہٹ کر ماڈل کی کارکردگی اور حفاظت پر مرکوز ہو رہی ہے۔ اس کے لیے اس بات کی گہری سمجھ کی ضرورت ہے کہ ویٹس اور بائیسز کیسے تقسیم کیے جاتے ہیں۔ اس کے لیے اوپن اسٹینڈرڈز کے لیے عزم کی بھی ضرورت ہے تاکہ حفاظت کا آڈٹ تیسرے فریق کر سکیں۔ مقصد ایک ایسا سسٹم بنانا ہے جو ڈیزائن کے لحاظ سے محفوظ ہو نہ کہ حادثاتی طور پر۔

طویل سفر کے لیے تعمیر

رفتار غیر محتاط انجینئرنگ کا بہانہ نہیں ہے۔ جیسے جیسے AI ہماری زندگیوں میں زیادہ ضم ہوتا جا رہا ہے، ناکامی کی قیمت بڑھتی جا رہی ہے۔ اخلاقیات وہ گارڈ ریل ہے جو انڈسٹری کو کھائی میں گرنے سے بچاتی ہے۔ یہ ایسے سسٹمز بنانے کے بارے میں ہے جو قابلِ اعتماد، شفاف اور منصفانہ ہوں۔ جو کمپنیاں ان اصولوں کو نظر انداز کرتی ہیں وہ لانچ کی دوڑ تو جیت سکتی ہیں، لیکن وہ متعلقہ رہنے کی دوڑ ہار جائیں گی۔ ٹیک کا مستقبل ان لوگوں کا ہے جو جدت اور ذمہ داری میں توازن قائم کر سکتے ہیں۔ ہمیں سخت سوالات پوچھتے رہنا ہوگا اور اپنے استعمال کردہ ٹولز سے بہتر کی توقع رکھنی ہوگی۔ مقصد صرف تیز تر AI نہیں، بلکہ بہتر AI ہے جو بغیر کسی سمجھوتے کے سب کی خدمت کرے۔ ہمیں اخلاقیات کو ایک رکاوٹ سمجھنا بند کرنا ہوگا اور اسے ہر کامیاب پروڈکٹ کی بنیاد بنانا 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۔