یہ متن سائنسی تحقیق کا نتیجہ نہیں ہے بلکہ ہماری فوری تکنیکی ترقی کے حوالے سے بہت سی آراء میں سے ایک ہے۔ اور ساتھ ہی بحث کی دعوت۔
نیویارک یونیورسٹی کے پروفیسر گیری مارکس کا خیال ہے کہ گہری تعلیم AI کی ترقی میں اہم کردار ادا کرتی ہے۔ لیکن اس کا یہ بھی ماننا ہے کہ اس تکنیک کے لیے ضرورت سے زیادہ جوش اس کی بدنامی کا باعث بن سکتا ہے۔
اپنی کتاب میں۔ AI کو دوبارہ شروع کرنا: مصنوعی ذہانت کی تعمیر جس پر ہم بھروسہ کر سکتے ہیں۔ مارکس، تربیت کے ذریعے ایک نیورو سائنس دان جس نے جدید ترین AI تحقیق پر اپنا کیریئر بنایا ہے، تکنیکی اور اخلاقی پہلوؤں پر توجہ دیتا ہے۔ ٹکنالوجی کے نقطہ نظر سے، گہرائی سے سیکھنے سے ہمارے دماغ کے انجام دینے والے ادراک کے کاموں کی کامیابی سے نقل ہو سکتی ہے، جیسے تصویر یا تقریر کی شناخت۔ لیکن دوسرے کاموں کے لیے، جیسے کہ بات چیت کو سمجھنا یا وجہ اور اثر کے تعلقات کا تعین کرنا، گہری تعلیم مناسب نہیں ہے۔ مزید جدید ذہین مشینیں بنانے کے لیے جو مسائل کی ایک وسیع رینج کو حل کر سکیں — جنہیں اکثر مصنوعی جنرل انٹیلی جنس کہا جاتا ہے — گہری سیکھنے کو دیگر تکنیکوں کے ساتھ جوڑنے کی ضرورت ہے۔
اگر کوئی AI سسٹم اپنے کاموں یا اپنے اردگرد کی دنیا کو صحیح معنوں میں نہیں سمجھتا ہے، تو یہ خطرناک نتائج کا باعث بن سکتا ہے۔ نظام کے ماحول میں معمولی غیر متوقع تبدیلیاں بھی غلط رویے کا باعث بن سکتی ہیں۔ ایسی بہت سی مثالیں پہلے ہی موجود ہیں: نامناسب تاثرات کے تعین کرنے والے جن کو دھوکہ دینا آسان ہے۔ ملازمت کی تلاش کے نظام جو مستقل طور پر امتیازی سلوک کرتے ہیں۔ ڈرائیور کے بغیر کاریں جو ٹکرا جاتی ہیں اور بعض اوقات ڈرائیور یا پیدل چلنے والوں کو مار دیتی ہیں۔ مصنوعی جنرل انٹیلی جنس تخلیق کرنا صرف ایک دلچسپ تحقیقی مسئلہ نہیں ہے، اس کے بہت سے مکمل طور پر عملی اطلاقات ہیں۔
اپنی کتاب میں، مارکس اور اس کے شریک مصنف ارنسٹ ڈیوس ایک مختلف راستے پر بحث کرتے ہیں۔ ان کا ماننا ہے کہ ہم ابھی تک جنرل AI بنانے سے بہت دور ہیں، لیکن انہیں یقین ہے کہ جلد یا بدیر اسے بنانا ممکن ہو جائے گا۔
ہمیں جنرل AI کی ضرورت کیوں ہے؟ خصوصی ورژن پہلے ہی بنائے جا چکے ہیں اور بہت سے فوائد لاتے ہیں۔
یہ ٹھیک ہے، اور اس سے بھی زیادہ فائدے ہوں گے۔ لیکن ایسے بہت سے مسائل ہیں جنہیں خصوصی AI آسانی سے حل نہیں کر سکتا۔ مثال کے طور پر، عام تقریر کو سمجھنا، یا ورچوئل دنیا میں عمومی مدد، یا ایک روبوٹ جو صفائی اور کھانا پکانے میں مدد کرتا ہے۔ اس طرح کے کام خصوصی AI کی صلاحیتوں سے باہر ہیں۔ ایک اور دلچسپ عملی سوال: کیا خصوصی AI کا استعمال کرتے ہوئے ایک محفوظ سیلف ڈرائیونگ کار بنانا ممکن ہے؟ تجربہ بتاتا ہے کہ اس طرح کے AI کو اب بھی غیر معمولی حالات میں رویے کے ساتھ بہت سے مسائل درپیش ہوتے ہیں، یہاں تک کہ گاڑی چلاتے ہوئے بھی، جو صورت حال کو بہت پیچیدہ بنا دیتا ہے۔
میرا خیال ہے کہ ہم سب AI کا حامل ہونا چاہیں گے جو طب میں بڑی نئی دریافتوں میں ہماری مدد کر سکے۔ یہ واضح نہیں ہے کہ آیا موجودہ ٹیکنالوجیز اس کے لیے موزوں ہیں، کیونکہ حیاتیات ایک پیچیدہ شعبہ ہے۔ آپ کو بہت ساری کتابیں پڑھنے کے لیے تیار رہنے کی ضرورت ہے۔ سائنسدان نیٹ ورکس اور مالیکیولز کے تعامل میں وجہ اور اثر کے تعلقات کو سمجھتے ہیں، سیاروں کے بارے میں نظریات تیار کر سکتے ہیں، وغیرہ۔ تاہم، خصوصی AI کے ساتھ، ہم ایسی مشینیں نہیں بنا سکتے جو ایسی دریافتوں کے قابل ہوں۔ اور جنرل AI کے ساتھ، ہم سائنس، ٹیکنالوجی اور طب میں انقلاب برپا کر سکتے ہیں۔ میری رائے میں، جنرل AI بنانے کے لیے کام جاری رکھنا بہت ضروری ہے۔
ایسا لگتا ہے جیسے "جنرل" سے آپ کا مطلب مضبوط AI ہے؟
"جنرل" سے میرا مطلب ہے کہ AI پرواز پر نئے مسائل کے بارے میں سوچنے اور حل کرنے کے قابل ہو جائے گا۔ اس کے برعکس، کہو، جاؤ، جہاں گزشتہ 2000 سالوں سے مسئلہ تبدیل نہیں ہوا ہے۔
جنرل AI کو سیاست اور طب دونوں میں فیصلے کرنے کے قابل ہونا چاہیے۔ یہ انسانی صلاحیت کے مطابق ہے۔ کوئی بھی سمجھدار آدمی بہت کچھ کر سکتا ہے۔ آپ ناتجربہ کار طلباء کو لیتے ہیں اور چند دنوں کے اندر انہیں قانونی مسئلہ سے لے کر طبی مسئلہ تک تقریباً کسی بھی چیز پر کام کرنے دیتے ہیں۔ اس کی وجہ یہ ہے کہ وہ دنیا کے بارے میں عام فہم رکھتے ہیں اور پڑھ سکتے ہیں، اور اس وجہ سے وہ سرگرمیوں کی ایک بہت وسیع رینج میں حصہ ڈال سکتے ہیں۔
ایسی ذہانت اور مضبوط ذہانت کے درمیان تعلق یہ ہے کہ ایک غیر مضبوط ذہانت شاید عام مسائل کو حل نہیں کر پائے گی۔ بدلتی ہوئی دنیا سے نمٹنے کے لیے کافی مضبوط چیز بنانے کے لیے، آپ کو کم از کم عام ذہانت سے رجوع کرنے کی ضرورت پڑ سکتی ہے۔
لیکن اب ہم اس سے بہت دور ہیں۔ AlphaGo 19x19 بورڈ پر اچھی طرح سے کھیل سکتا ہے، لیکن اسے مستطیل بورڈ پر کھیلنے کے لیے دوبارہ تربیت دینے کی ضرورت ہے۔ یا اوسط گہرے سیکھنے کے نظام کو لیں: یہ ہاتھی کو پہچان سکتا ہے اگر وہ اچھی طرح سے روشن ہو اور اس کی جلد کی ساخت نظر آ رہی ہو۔ اور اگر صرف ہاتھی کی تصویر نظر آتی ہے تو شاید سسٹم اسے پہچان نہیں پائے گا۔
آپ کی کتاب میں، آپ نے ذکر کیا ہے کہ گہری تعلیم عام AI کی صلاحیتوں کو حاصل نہیں کر سکتی کیونکہ یہ گہری تفہیم کے قابل نہیں ہے۔
علمی سائنس میں وہ مختلف علمی ماڈلز کی تشکیل کے بارے میں بات کرتے ہیں۔ میں ایک ہوٹل کے کمرے میں بیٹھا ہوں اور میں سمجھتا ہوں کہ وہاں ایک الماری ہے، ایک بستر ہے، ایک ٹی وی ہے جو غیر معمولی طریقے سے لٹکا ہوا ہے۔ میں ان تمام اشیاء کو جانتا ہوں، میں صرف ان کی شناخت نہیں کرتا۔ میں یہ بھی سمجھتا ہوں کہ وہ کس طرح ایک دوسرے سے جڑے ہوئے ہیں۔ میرے ارد گرد کی دنیا کے کام کے بارے میں خیالات ہیں۔ وہ کامل نہیں ہیں۔ وہ غلط ہوسکتے ہیں، لیکن وہ بہت اچھے ہیں. اور ان کی بنیاد پر، میں بہت سارے نتائج اخذ کرتا ہوں جو میرے روزمرہ کے اعمال کے لیے رہنما اصول بن جاتے ہیں۔
دوسری انتہا ڈیپ مائنڈ کے ذریعے بنائے گئے اٹاری گیم سسٹم کی طرح تھی، جس میں اس نے یاد کیا کہ جب اسے اسکرین پر مخصوص جگہوں پر پکسلز دیکھنے کی ضرورت تھی تو اسے کیا کرنے کی ضرورت تھی۔ اگر آپ کو کافی ڈیٹا ملتا ہے، تو آپ کو لگتا ہے کہ آپ کو سمجھ ہے، لیکن حقیقت میں یہ بہت سطحی ہے۔ اس کا ثبوت یہ ہے کہ اگر آپ اشیاء کو تین پکسلز سے حرکت دیتے ہیں تو AI زیادہ خراب کھیلتا ہے۔ تبدیلیاں اسے پریشان کرتی ہیں۔ یہ گہری تفہیم کے برعکس ہے۔
اس مسئلے کو حل کرنے کے لیے، آپ کلاسیکل AI پر واپس جانے کی تجویز کرتے ہیں۔ ہمیں کن فوائد کو استعمال کرنے کی کوشش کرنی چاہیے؟
کئی فائدے ہیں۔
سب سے پہلے، کلاسیکی AI دراصل دنیا کے علمی ماڈلز بنانے کا ایک فریم ورک ہے، جس کی بنیاد پر نتیجہ اخذ کیا جا سکتا ہے۔
دوم، کلاسیکی AI اصولوں کے ساتھ بالکل مطابقت رکھتا ہے۔ اس وقت گہری سیکھنے کا ایک عجیب رجحان ہے جہاں ماہرین قوانین سے بچنے کی کوشش کر رہے ہیں۔ وہ نیورل نیٹ ورکس پر سب کچھ کرنا چاہتے ہیں اور ایسا کچھ نہیں کرنا چاہتے جو کلاسیکل پروگرامنگ کی طرح نظر آئے۔ لیکن ایسے مسائل ہیں جو سکون سے اس طرح حل ہو گئے اور کسی نے اس پر توجہ نہیں دی۔ مثال کے طور پر، Google Maps میں راستے بنانا۔
درحقیقت ہمیں دونوں طریقوں کی ضرورت ہے۔ مشین لرننگ ڈیٹا سے سیکھنے میں اچھی ہے، لیکن تجرید کی نمائندگی کرنے میں بہت کم ہے جو کہ کمپیوٹر پروگرام ہے۔ کلاسک AI تجریدات کے ساتھ اچھی طرح کام کرتا ہے، لیکن اسے مکمل طور پر ہاتھ سے پروگرام کیا جانا چاہیے، اور ان سب کو پروگرام کرنے کے لیے دنیا میں بہت زیادہ علم موجود ہے۔ واضح طور پر ہمیں دونوں طریقوں کو یکجا کرنے کی ضرورت ہے۔
یہ اس باب سے تعلق رکھتا ہے جس میں آپ بات کرتے ہیں کہ ہم انسانی ذہن سے کیا سیکھ سکتے ہیں۔ اور سب سے پہلے اس تصور کے بارے میں جس کی بنیاد اوپر بیان کی گئی ہے کہ ہمارا شعور بہت سے مختلف نظاموں پر مشتمل ہے جو مختلف طریقوں سے کام کرتے ہیں۔
میرے خیال میں اس کی وضاحت کرنے کا ایک اور طریقہ یہ ہے کہ ہمارے پاس موجود ہر علمی نظام واقعی ایک مختلف مسئلہ حل کرتا ہے۔ AI کے ایک جیسے حصوں کو مختلف مسائل کو حل کرنے کے لیے ڈیزائن کیا جانا چاہیے جن کی خصوصیات مختلف ہیں۔
اب ہم ایک دوسرے سے یکسر مختلف مسائل کو حل کرنے کے لیے کچھ ہمہ جہت ٹیکنالوجیز استعمال کرنے کی کوشش کر رہے ہیں۔ کسی جملے کو سمجھنا کسی چیز کو پہچاننے کے مترادف نہیں ہے۔ لیکن لوگ دونوں صورتوں میں گہری تعلیم کو استعمال کرنے کی کوشش کر رہے ہیں۔ علمی نقطہ نظر سے، یہ معیار کے لحاظ سے مختلف کام ہیں۔ میں صرف اس بات پر حیران ہوں کہ گہری سیکھنے والی کمیونٹی میں کلاسیکی AI کی کتنی کم تعریف ہے۔ چاندی کی گولی کے ظاہر ہونے کا انتظار کیوں؟ یہ ناقابل حصول ہے، اور بے نتیجہ تلاشیں ہمیں AI بنانے کے کام کی مکمل پیچیدگی کو سمجھنے کی اجازت نہیں دیتی ہیں۔
آپ یہ بھی بتاتے ہیں کہ وجہ اور اثر کے تعلقات کو سمجھنے کے لیے AI سسٹمز کی ضرورت ہے۔ کیا آپ کو لگتا ہے کہ گہری تعلیم، کلاسیکی AI، یا کوئی بالکل نئی چیز اس میں ہماری مدد کرے گی؟
یہ ایک اور علاقہ ہے جہاں گہری تعلیم اچھی طرح سے موزوں نہیں ہے۔ یہ بعض واقعات کے اسباب کی وضاحت نہیں کرتا، لیکن دی گئی شرائط کے تحت کسی واقعہ کے امکان کا حساب لگاتا ہے۔
ہم کیا بات کر رہے ہیں؟ آپ کچھ مخصوص منظرنامے دیکھتے ہیں، اور آپ سمجھتے ہیں کہ ایسا کیوں ہوتا ہے اور اگر کچھ حالات بدل جاتے ہیں تو کیا ہو سکتا ہے۔ میں اس اسٹینڈ کو دیکھ سکتا ہوں جس پر ٹی وی بیٹھا ہے اور تصور کر سکتا ہوں کہ اگر میں اس کی ایک ٹانگ کاٹ دوں تو اسٹینڈ سرک جائے گا اور ٹی وی گر جائے گا۔ یہ ایک وجہ اور اثر کا رشتہ ہے۔
کلاسک AI ہمیں اس کے لیے کچھ ٹولز دیتا ہے۔ وہ تصور کر سکتا ہے، مثال کے طور پر، سہارا کیا ہے اور زوال کیا ہے۔ لیکن میں زیادہ تعریف نہیں کروں گا۔ مسئلہ یہ ہے کہ کلاسیکی AI بڑی حد تک اس کے بارے میں مکمل معلومات پر منحصر ہے کہ کیا ہو رہا ہے، اور میں صرف اسٹینڈ کو دیکھ کر کسی نتیجے پر پہنچا ہوں۔ میں کسی طرح عام کر سکتا ہوں، اسٹینڈ کے ان حصوں کا تصور کر سکتا ہوں جو مجھے نظر نہیں آتے۔ ہمارے پاس ابھی تک اس پراپرٹی کو نافذ کرنے کے لیے ٹولز نہیں ہیں۔
آپ یہ بھی کہتے ہیں کہ لوگوں کے پاس فطری علم ہے۔ یہ AI میں کیسے لاگو کیا جا سکتا ہے؟
پیدائش کے وقت، ہمارا دماغ پہلے سے ہی ایک بہت وسیع نظام ہے۔ یہ طے نہیں ہے؛ فطرت نے پہلا، کچا مسودہ بنایا۔ اور پھر سیکھنے سے ہمیں زندگی بھر اس مسودے پر نظر ثانی کرنے میں مدد ملتی ہے۔
دماغ کے کسی نہ کسی طرح کے مسودے میں پہلے سے ہی کچھ صلاحیتیں ہوتی ہیں۔ ایک نوزائیدہ پہاڑی بکری چند گھنٹوں کے اندر اندر پہاڑ کے کنارے سے بے ساختہ نیچے اترنے کے قابل ہوتی ہے۔ یہ ظاہر ہے کہ اسے پہلے سے ہی تین جہتی خلا، اس کے جسم اور ان کے درمیان تعلق کی سمجھ ہے۔ ایک بہت پیچیدہ نظام۔
جزوی طور پر یہی وجہ ہے کہ مجھے یقین ہے کہ ہمیں ہائبرڈ کی ضرورت ہے۔ یہ تصور کرنا مشکل ہے کہ کوئی ایک ایسا روبوٹ کیسے بنا سکتا ہے جو ایک ایسی دنیا میں اچھی طرح سے کام کرتا ہے جس کے بارے میں اسی طرح کے علم کے بغیر کہ کہاں سے شروع کرنا ہے، بجائے اس کے کہ خالی سلیٹ سے شروع ہو اور طویل، وسیع تجربے سے سیکھے۔
جہاں تک انسانوں کا تعلق ہے، ہمارا فطری علم ہمارے جینوم سے آتا ہے، جو ایک طویل عرصے سے تیار ہوا ہے۔ لیکن اے آئی سسٹم کے ساتھ ہمیں ایک مختلف راستہ جانا پڑے گا۔ اس کا ایک حصہ ہمارے الگورتھم بنانے کے اصول ہو سکتے ہیں۔ اس کا ایک حصہ ڈیٹا کے ڈھانچے بنانے کے اصول ہو سکتے ہیں جن میں یہ الگورتھم ہیرا پھیری کرتے ہیں۔ اور اس کا ایک حصہ علم ہو سکتا ہے کہ ہم مشینوں میں براہ راست سرمایہ کاری کریں گے۔
یہ دلچسپ ہے کہ کتاب میں آپ اعتماد اور اعتماد کے نظام کی تخلیق کا خیال پیش کرتے ہیں۔ آپ نے یہ خاص معیار کیوں منتخب کیا؟
مجھے یقین ہے کہ آج یہ سب ایک گیند کا کھیل ہے۔ مجھے ایسا لگتا ہے کہ ہم تاریخ کے ایک عجیب لمحے سے گزر رہے ہیں، بہت سارے سافٹ ویئر پر بھروسہ کر رہے ہیں جو قابل اعتبار نہیں ہے۔ مجھے لگتا ہے کہ آج ہمیں جو پریشانیاں ہیں وہ ہمیشہ نہیں رہیں گی۔ سو سالوں میں، AI ہمارے اعتماد کو درست ثابت کرے گا، اور شاید اس سے بھی جلد۔
لیکن آج AI خطرناک ہے۔ اس معنی میں نہیں جس سے ایلون مسک ڈرتا ہے، لیکن اس معنی میں کہ ملازمت کے انٹرویو کے نظام خواتین کے ساتھ امتیازی سلوک کرتے ہیں، قطع نظر اس کے کہ پروگرامرز کیا کرتے ہیں، کیونکہ ان کے اوزار بہت آسان ہیں۔
کاش ہمارے پاس بہتر AI ہوتا۔ میں ایسا "AI ونٹر" نہیں دیکھنا چاہتا جہاں لوگوں کو احساس ہو کہ AI کام نہیں کرتا اور یہ بالکل خطرناک ہے اور اسے ٹھیک نہیں کرنا چاہتے۔
کچھ طریقوں سے، آپ کی کتاب بہت پر امید نظر آتی ہے۔ آپ فرض کرتے ہیں کہ قابل اعتماد AI بنانا ممکن ہے۔ ہمیں صرف ایک مختلف سمت میں دیکھنے کی ضرورت ہے۔
یہ ٹھیک ہے، کتاب مختصر مدت میں بہت مایوسی اور طویل مدتی میں بہت پر امید ہے۔ ہم سمجھتے ہیں کہ ہم نے جو بھی مسائل بیان کیے ہیں ان کا ایک وسیع جائزہ لے کر حل کیا جا سکتا ہے کہ صحیح جوابات کیا ہونے چاہئیں۔ اور ہم سمجھتے ہیں کہ اگر ایسا ہوتا ہے تو دنیا ایک بہتر جگہ ہوگی۔
ماخذ: www.habr.com