یہ دیکھنے کے لیے کہ مستقبل کیسا نظر آتا ہے، ہماری تاریخ کا مطالعہ کرنا اکثر مددگار ثابت ہوتا ہے۔ میں اس مضمون میں یہی کروں گا۔ میں کمپیوٹر کی مختصر تاریخ کو دوبارہ حاصل کرتا ہوں اور مصنوعی ذہانت یہ دیکھنے کے لیے کہ ہم مستقبل کے لیے کیا امید کر سکتے ہیں۔
ہم یہاں کیسے پہنچے؟
دنیا کتنی تیزی سے تبدیل ہوئی ہے اس سے یہ واضح ہو جاتا ہے کہ کمپیوٹر کی جدید ٹیکنالوجی بھی آج ہمیں کتنی قدیم محسوس کرتی ہے۔ 90 کی دہائی میں موبائل فون چھوٹے چھوٹے سبز ڈسپلے کے ساتھ بڑی اینٹوں کے تھے۔ اس سے دو دہائیاں پہلے کمپیوٹرز کے لیے بنیادی ذخیرہ پنچ کارڈز تھے۔
مختصر عرصے میں کمپیوٹرز اتنی تیزی سے تیار ہوئے اور ہماری روزمرہ کی زندگی کا ایک لازمی حصہ بن گئے کہ یہ بھولنا آسان ہے کہ یہ ٹیکنالوجی کتنی جدید ہے۔ پہلا ڈیجیٹل کمپیوٹر صرف آٹھ دہائیوں پہلے ایجاد ہوا تھا، جیسا کہ ٹائم لائن سے پتہ چلتا ہے۔
اس تاریخ کے ابتدائی دنوں سے، کمپیوٹر کے کچھ سائنسدانوں نے مشینوں کو انسانوں کی طرح ذہین بنانے کی کوشش کی ہے۔ اگلی ٹائم لائن کچھ قابل ذکر مصنوعی ذہانت کے نظاموں کو دکھاتی ہے اور بیان کرتی ہے کہ وہ کس قابل تھے۔
پہلا نظام جس کا میں ذکر کرتا ہوں تھیسس ہے۔ اسے کلاڈ شینن نے 1950 میں بنایا تھا اور یہ ایک ریموٹ کنٹرول ماؤس تھا جو بھولبلییا سے نکلنے کا راستہ تلاش کرنے کے قابل تھا اور اپنا راستہ یاد رکھ سکتا تھا۔1 سات دہائیوں میں مصنوعی ذہانت کی صلاحیتوں نے ایک طویل سفر طے کیا ہے۔
اے آئی سسٹمز کی زبان اور تصویری شناخت کی صلاحیتیں اب انسانوں کے مقابلے ہیں۔
اے آئی سسٹمز کی زبان اور تصویر کی شناخت کی صلاحیتیں بہت تیزی سے تیار ہوئی ہیں۔
چارٹ دکھاتا ہے کہ ہم گزشتہ دو دہائیوں کی AI ترقی کو زوم کرکے یہاں کیسے پہنچے۔ پلاٹ شدہ ڈیٹا متعدد ٹیسٹوں سے حاصل ہوتا ہے جس میں ہینڈ رائٹنگ کی پہچان سے لے کر زبان کی سمجھ تک پانچ مختلف ڈومینز میں انسانی اور AI کارکردگی کا جائزہ لیا گیا۔
پانچوں ڈومینز میں سے ہر ایک کے اندر اے آئی سسٹم کی ابتدائی کارکردگی -100 پر سیٹ کی گئی ہے، اور ان ٹیسٹوں میں انسانی کارکردگی کو بیس لائن کے طور پر استعمال کیا جاتا ہے جو صفر پر سیٹ ہے۔ اس کا مطلب یہ ہے کہ جب ماڈل کی کارکردگی صفر کی لکیر کو عبور کرتی ہے تو وہ ہوتا ہے جب AI سسٹم نے متعلقہ ٹیسٹ میں ان انسانوں سے زیادہ پوائنٹس حاصل کیے جنہوں نے اسی ٹیسٹ میں کیا تھا۔2
صرف 10 سال پہلے، کوئی بھی مشین قابل اعتماد طریقے سے انسانی سطح پر زبان یا تصویر کی شناخت فراہم نہیں کر سکتی تھی۔ لیکن، جیسا کہ چارٹ سے ظاہر ہوتا ہے، اے آئی سسٹم مستقل طور پر زیادہ قابل ہو گئے ہیں اور اب انسانوں کو شکست دے رہے ہیں۔ ٹیسٹ ان تمام ڈومینز میں۔
ان معیاری ٹیسٹوں کے باہر ان AIs کی کارکردگی ملی جلی ہے۔ کچھ حقیقی دنیا کے معاملات میں یہ نظام اب بھی انسانوں سے کہیں زیادہ خراب کارکردگی کا مظاہرہ کر رہے ہیں۔ دوسری طرف، اس طرح کے AI سسٹمز کے کچھ نفاذ پہلے ہی اتنے سستے ہیں کہ وہ آپ کی جیب میں موجود فون پر دستیاب ہیں: تصویر کی شناخت آپ کی تصاویر کی درجہ بندی کرتی ہے اور اسپیچ ریکگنیشن آپ کے حکم کی نقل کرتی ہے۔
تصویری شناخت سے لے کر امیج جنریشن تک
پچھلے چارٹ میں مصنوعی ذہانت کی ادراک کی صلاحیتوں میں تیزی سے پیش رفت کو دکھایا گیا تھا۔ اے آئی سسٹم بھی تصاویر بنانے کے بہت زیادہ قابل ہو گئے ہیں۔
نو امیجز کا یہ سلسلہ پچھلے نو سالوں میں ہونے والی ترقی کو ظاہر کرتا ہے۔ ان تصاویر میں سے کوئی بھی موجود نہیں ہے۔ ان سب کو ایک AI سسٹم کے ذریعے بنایا گیا تھا۔
یہ سلسلہ 2014 کی ایک تصویر کے ساتھ شروع ہوتا ہے جو اوپر بائیں طرف ہے، سیاہ اور سفید میں ایک پکسلیٹڈ چہرے کی قدیم تصویر۔ جیسا کہ دوسری قطار میں پہلی تصویر سے پتہ چلتا ہے، صرف تین سال بعد AI سسٹم پہلے سے ہی ایسی تصاویر بنانے کے قابل ہو گئے تھے جن کو تصویر سے الگ کرنا مشکل تھا۔
حالیہ برسوں میں، اے آئی سسٹمز کی صلاحیت اب بھی بہت زیادہ متاثر کن ہو گئی ہے۔ جب کہ ابتدائی نظاموں نے چہروں کی تصاویر بنانے پر توجہ مرکوز کی، ان نئے ماڈلز نے تقریباً کسی بھی اشارے کی بنیاد پر اپنی صلاحیتوں کو متن سے تصویر بنانے تک وسیع کیا۔ نیچے دائیں طرف کی تصویر سے پتہ چلتا ہے کہ یہاں تک کہ سب سے زیادہ چیلنج کرنے والے اشارے — جیسے "ایک Pomeranian بادشاہ کے تخت پر تاج پہنے بیٹھا ہے۔ دو شیر سپاہی تخت کے پاس کھڑے ہیں"-سیکنڈوں میں فوٹو ریئلسٹک امیجز میں تبدیل ہو جاتے ہیں۔4
زبان کی پہچان اور پیداوار تیزی سے ترقی کر رہی ہے۔
تصویر بنانے والے AIs کی پیشرفت اتنی ہی حیرت انگیز ہے کہ ایسے نظاموں کی تیز رفتار ترقی ہے جو انسانی زبان کو پارس اور جواب دیتے ہیں۔
تصویر میں دکھائے گئے ایک AI سسٹم کی مثالیں ہیں جسے گوگل نے PaLM کہا ہے۔ ان چھ مثالوں میں، نظام سے چھ مختلف لطیفوں کی وضاحت کرنے کو کہا گیا تھا۔ مجھے نیچے دائیں طرف کی وضاحت خاص طور پر قابل ذکر معلوم ہوتی ہے: AI ایک مخالف لطیفے کی وضاحت کرتا ہے جو خاص طور پر سننے والوں کو الجھانے کے لیے ہوتا ہے۔
زبان پیدا کرنے والے AIs نے پچھلے کچھ سالوں میں کئی طریقوں سے ہماری دنیا میں داخل کیا ہے۔ ای میلز خود بخود مکمل ہو جاتی ہیں، بڑی تعداد میں آن لائن متن کا ترجمہ ہو جاتا ہے، ویڈیوز خود بخود نقل ہو جاتی ہیں، سکول کے بچے اپنا ہوم ورک کرنے کے لیے لینگویج ماڈل استعمال کرتے ہیں، رپورٹیں خود بخود تیار ہوتی ہیں، اور میڈیا آؤٹ لیٹس شائع AI سے تیار کردہ صحافت۔
اے آئی سسٹم ابھی تک طویل، مربوط متن تیار کرنے کے قابل نہیں ہیں۔ مستقبل میں، ہم دیکھیں گے کہ آیا حالیہ پیش رفت سست ہو جائے گی — یا ختم ہو جائے گی — یا کیا ہم ایک دن ایک AI کا لکھا ہوا سب سے زیادہ فروخت ہونے والا ناول پڑھیں گے۔
ہم اب کہاں ہیں: AI یہاں ہے۔
AI صلاحیتوں میں ان تیز رفتار ترقیوں نے نئے ڈومینز کی ایک وسیع رینج میں مشینوں کا استعمال ممکن بنا دیا ہے:
جب آپ فلائٹ بک کرتے ہیں، تو یہ اکثر مصنوعی ذہانت ہوتی ہے، اور اب انسان نہیں رہتی فیصلہ کرتا ہے۔ جو آپ ادا کرتے ہیں۔ جب آپ ہوائی اڈے پر پہنچتے ہیں، تو یہ ایک AI سسٹم ہوتا ہے۔ نظر رکھتا ہے آپ ہوائی اڈے پر کیا کرتے ہیں. اور ایک بار جب آپ جہاز پر ہوتے ہیں، تو ایک AI سسٹم پائلٹ کی مدد کرتا ہے۔ پرواز آپ اپنی منزل کی طرف۔
AI نظام بھی تیزی سے اس بات کا تعین کرتے ہیں کہ آیا آپ قرض لو، ہیں اہل فلاح و بہبود کے لیے، یا حاصل کریں۔ ملازمین کسی خاص کام کے لیے۔ تیزی سے وہ اس بات کا تعین کرنے میں مدد کرتے ہیں کہ کون ملتا ہے۔ جیل سے رہائی.
کئی حکومتیں خرید رہی ہیں۔ خود مختار ہتھیاروں کے نظام جنگ کے لیے، اور کچھ کے لیے AI نظام استعمال کر رہے ہیں۔ نگرانی اور جبر.
اے آئی سسٹمز مدد آپ جو سافٹ ویئر استعمال کرتے ہیں اسے پروگرام کرنے کے لیے اور ترجمہ کریں متن جو آپ پڑھتے ہیں۔ ورچوئل اسسٹنٹساسپیچ ریکگنیشن کے ذریعے چلائے جانے والے، پچھلی دہائی کے دوران بہت سے گھرانوں میں داخل ہوئے ہیں۔ ابھی خود ڈرائیونگ کاروں ایک حقیقت بن رہے ہیں.
گزشتہ چند سالوں میں، AI نظام مدد کرنے کے لئے بنا ترقی سائنس کے کچھ مشکل ترین مسائل پر۔
بڑے AIs کہا جاتا ہے۔ سفارش کرنے والے نظام اس بات کا تعین کریں کہ آپ سوشل میڈیا پر کیا دیکھتے ہیں، آن لائن دکانوں میں آپ کو کون سی مصنوعات دکھائی جاتی ہیں، اور YouTube پر آپ کو کیا تجویز کیا جاتا ہے۔ تیزی سے وہ صرف ہمارے استعمال کردہ میڈیا کی سفارش نہیں کر رہے ہیں، بلکہ تصاویر اور متن بنانے کی صلاحیت کی بنیاد پر، وہ تخلیق میڈیا جو ہم استعمال کرتے ہیں۔
مصنوعی ذہانت اب مستقبل کی ٹیکنالوجی نہیں رہی۔ AI یہاں ہے، اور جو کچھ اب حقیقت ہے اس میں سے کچھ ابھی حال ہی میں سائنس فائی کی طرح نظر آئے گا۔ یہ ایک ایسی ٹیکنالوجی ہے جو پہلے ہی ہم سب کو متاثر کرتی ہے، اور اوپر کی فہرست میں اس میں سے چند ایک شامل ہیں۔ بہت سے ایپلی کیشنز.
درج کردہ ایپلیکیشنز کی وسیع رینج واضح کرتی ہے کہ یہ ایک بہت عام ٹیکنالوجی ہے جسے لوگ کچھ انتہائی اچھے مقاصد کے لیے استعمال کر سکتے ہیں — اور کچھ غیر معمولی طور پر برے مقاصد کے لیے بھی۔ ایسی 'دوہری استعمال کی ٹیکنالوجیز' کے لیے، یہ ضروری ہے کہ ہم سب اس بات کی سمجھ پیدا کریں کہ کیا ہو رہا ہے اور ہم چاہتے ہیں کہ ٹیکنالوجی کا استعمال کیسے ہو۔
صرف دو دہائیاں پہلے دنیا بہت مختلف تھی۔ مستقبل میں AI ٹیکنالوجی کیا کرنے کے قابل ہو سکتی ہے؟
آ گےکیاہے؟
ہم نے ابھی جن AI سسٹمز پر غور کیا ہے وہ AI ٹیکنالوجی میں کئی دہائیوں کی مسلسل ترقی کا نتیجہ ہیں۔
ذیل میں بڑا چارٹ گزشتہ آٹھ دہائیوں کی اس تاریخ کو تناظر میں لاتا ہے۔ یہ Jaime Sevilla اور ساتھیوں کے تیار کردہ ڈیٹاسیٹ پر مبنی ہے۔7
اس چارٹ میں ہر چھوٹا دائرہ ایک AI نظام کی نمائندگی کرتا ہے۔ افقی محور پر دائرے کی پوزیشن اس بات کی نشاندہی کرتی ہے کہ AI نظام کب بنایا گیا تھا، اور عمودی محور پر اس کی پوزیشن اس حساب کی مقدار کو ظاہر کرتی ہے جو مخصوص AI نظام کو تربیت دینے کے لیے استعمال کی گئی تھی۔
تربیتی حساب کتاب میں ماپا جاتا ہے۔ فلوٹنگ پوائنٹ آپریشنز، یا مختصر کے لیے FLOP۔ ایک FLOP دو اعشاریہ نمبروں کے ایک اضافے، گھٹاؤ، ضرب، یا تقسیم کے برابر ہے۔
مشین لرننگ پر انحصار کرنے والے تمام AI سسٹمز کو تربیت دینے کی ضرورت ہے، اور ان سسٹمز میں ٹریننگ کمپیوٹیشن ان تین بنیادی عوامل میں سے ایک ہے جو سسٹم کی صلاحیتوں کو آگے بڑھا رہے ہیں۔ دیگر دو عوامل الگورتھم اور ہیں۔ استعمال شدہ ان پٹ ڈیٹا تربیت کے لئے. تصور سے پتہ چلتا ہے کہ جیسے جیسے ٹریننگ کمپیوٹیشن میں اضافہ ہوا ہے، AI سسٹمز زیادہ سے زیادہ طاقتور ہو گئے ہیں۔
ٹائم لائن 1940 کی دہائی تک واپس جاتی ہے، الیکٹرانک کمپیوٹرز کا آغاز۔ پہلا دکھایا گیا AI سسٹم 'Theseus' ہے، 1950 کا کلاڈ شینن کا روبوٹک ماؤس جس کا میں نے شروع میں ذکر کیا تھا۔ ٹائم لائن کے دوسرے سرے پر آپ کو DALL-E اور PaLM جیسے AI سسٹمز ملتے ہیں، جن کی فوٹو ریئلسٹک تصاویر بنانے اور زبان کی تشریح اور تخلیق کرنے کی صلاحیتیں جو ہم نے ابھی دیکھی ہیں۔ وہ ان AI سسٹمز میں شامل ہیں جنہوں نے آج تک کی سب سے بڑی تعداد میں تربیتی کمپیوٹیشن کا استعمال کیا۔
ٹریننگ کمپیوٹیشن کو لوگارتھمک پیمانے پر بنایا گیا ہے، تاکہ ہر گرڈ لائن سے اگلی تک یہ 100 گنا اضافہ دکھائے۔ یہ طویل مدتی نقطہ نظر مسلسل اضافہ کو ظاہر کرتا ہے۔ پہلی چھ دہائیوں کے لئے، تربیتی حساب میں اضافہ ہوا مور کے قانونتقریباً ہر 20 ماہ بعد دوگنا ہو رہا ہے۔ تقریباً 2010 کے بعد سے یہ تیزی سے بڑھی ہے، صرف 6 ماہ کے دوگنا وقت تک۔ یہ حیرت انگیز طور پر تیز رفتار ترقی کی شرح ہے۔8
تیزی سے دوگنا ہونے کے اوقات میں بہت زیادہ اضافہ ہوا ہے۔ PaLM کی ٹریننگ کمپیوٹیشن 2.5 بلین petaFLOP تھی، جو صرف 5 سال پہلے کی سب سے بڑی ٹریننگ کمپیوٹیشن والی AI AlexNet کے مقابلے میں 10 ملین گنا زیادہ تھی۔9
اسکیل اپ پہلے سے ہی تیز تھا اور پچھلی دہائی کے دوران اس میں کافی تیزی آئی ہے۔ ہم AI کے مستقبل کے لیے اس تاریخی ترقی سے کیا سیکھ سکتے ہیں؟
AI کے مستقبل کی پیشین گوئی کے لیے طویل مدتی رجحانات کا مطالعہ کرنا
AI محققین ان طویل مدتی رجحانات کا مطالعہ کرتے ہیں تاکہ یہ معلوم ہو سکے کہ مستقبل میں کیا ممکن ہے۔11
شاید اس قسم کا سب سے زیادہ زیر بحث مطالعہ AI محقق اجیا کوٹرا نے شائع کیا تھا۔ اس نے ٹریننگ کمپیوٹیشن میں اضافے کا مطالعہ کیا تاکہ یہ پوچھا جا سکے کہ اے آئی سسٹم کو تربیت دینے کے لیے حساب کتاب انسانی دماغ سے کس وقت مماثل ہو سکتی ہے۔ خیال یہ ہے کہ اس وقت اے آئی سسٹم انسانی دماغ کی صلاحیتوں سے میل کھاتا ہے۔ اپنی تازہ ترین تازہ کاری میں، کوٹرا نے 50% امکان کا تخمینہ لگایا ہے کہ اس طرح کی "تبدیلی AI" سال 2040 تک تیار ہو جائے گی، اب سے دو دہائیوں سے بھی کم وقت میں۔12
In ایک متعلقہ مضمون، میں اس بات پر بحث کرتا ہوں کہ دنیا کے لیے تبدیلی کی AI کا کیا مطلب ہوگا۔ مختصراً، خیال یہ ہے کہ ایسا AI نظام اتنا طاقتور ہو گا کہ دنیا کو 'معیاری طور پر مختلف مستقبل' میں لے جا سکے۔ یہ انسانی تاریخ میں پہلے کی دو بڑی تبدیلیوں، زرعی اور صنعتی انقلابات کے پیمانے پر تبدیلی کا باعث بن سکتا ہے۔ یہ یقینی طور پر ہماری زندگیوں میں سب سے اہم عالمی تبدیلی کی نمائندگی کرے گا۔
کوٹرا کا کام اس تناظر میں خاص طور پر متعلقہ ہے کیونکہ اس نے اپنی پیشن گوئی کی بنیاد تربیتی کمپیوٹیشن کے تاریخی طویل مدتی رجحان پر رکھی ہے جس کا ہم نے ابھی مطالعہ کیا ہے۔ لیکن یہ بات قابل غور ہے کہ دوسرے پیشین گوئی کرنے والے جو مختلف باتوں پر انحصار کرتے ہیں وہ بڑے پیمانے پر ایک جیسے نتائج پر پہنچتے ہیں۔ جیسا کہ میں دکھاتا ہوں۔ AI ٹائم لائنز پر میرا مضمون، بہت سے AI ماہرین کا خیال ہے کہ اس بات کا حقیقی امکان ہے کہ اگلی دہائیوں میں انسانی سطح کی مصنوعی ذہانت تیار ہو جائے گی، اور کچھ کا خیال ہے کہ یہ بہت جلد وجود میں آئے گی۔
ضروری عوامی گفتگو کو فعال کرنے کے لیے عوامی وسائل کی تعمیر
کمپیوٹرس اور مصنوعی ذہانت نے ہماری دنیا کو بے حد بدل دیا ہے، لیکن ہم ابھی بھی اس تاریخ کے ابتدائی مراحل میں ہیں۔ چونکہ یہ ٹیکنالوجی بہت جانی پہچانی محسوس ہوتی ہے، اس لیے یہ بھولنا آسان ہے کہ یہ تمام ٹیکنالوجیز جن کے ساتھ ہم بات چیت کرتے ہیں وہ بہت ہی حالیہ اختراعات ہیں، اور یہ کہ زیادہ تر تبدیلیاں ابھی آنا باقی ہیں۔
مصنوعی ذہانت نے پہلے ہی تبدیل کر دیا ہے کہ ہم کیا دیکھتے ہیں، کیا جانتے ہیں اور کیا کرتے ہیں۔ اور یہ اس حقیقت کے باوجود ہے کہ اس ٹیکنالوجی کی صرف ایک مختصر تاریخ رہی ہے۔
ایسے کوئی آثار نہیں ہیں کہ یہ رجحانات کسی بھی وقت جلد ہی کسی حد کو چھو رہے ہیں۔ اس کے برعکس، خاص طور پر پچھلی دہائی کے دوران، بنیادی رجحانات میں تیزی آئی ہے: AI ٹیکنالوجی میں سرمایہ کاری تیزی سے اضافہ ہوا، اور ٹریننگ کمپیوٹیشن کا دگنا وقت صرف چھ ماہ رہ گیا ہے۔
تمام بڑی تکنیکی ایجادات مثبت اور منفی نتائج کی ایک حد تک لے جاتی ہیں۔ یہ مصنوعی ذہانت کے بارے میں پہلے ہی سچ ہے۔ جیسا کہ یہ ٹیکنالوجی زیادہ سے زیادہ طاقتور ہوتی جا رہی ہے، ہمیں توقع کرنی چاہیے کہ اس کے اثرات اب بھی زیادہ ہوں گے۔
AI کی اہمیت کی وجہ سے، ہم سب کو اس بات پر رائے قائم کرنے کے قابل ہونا چاہیے کہ یہ ٹیکنالوجی کس طرف جا رہی ہے اور یہ سمجھنے کے لیے کہ یہ ترقی ہماری دنیا کو کیسے بدل رہی ہے۔ اس مقصد کے لیے، ہم AI سے متعلقہ میٹرکس کا ایک ذخیرہ بنا رہے ہیں، جسے آپ تلاش کر سکتے ہیں۔ OurWorldinData.org/artificial-intelligence.
ہم ابھی اس تاریخ کے ابتدائی مراحل میں ہیں اور جو کچھ ممکن ہو سکے گا اس کا بہت کچھ آنا باقی ہے۔ اتنی ہی طاقتور تکنیکی ترقی ہماری توجہ کا مرکز ہونی چاہیے۔ ہماری دنیا کا مستقبل - اور ہماری زندگیوں کا مستقبل - کس طرح کھیلے گا اس کے لئے بہت کم اہم ہوسکتا ہے۔
منظوری: میں اپنے ساتھیوں نتاشا آہوجا، ڈینیئل بچلر، جولیا بروڈن، چارلی گیاٹینو، باسٹین ہیرے، ایڈورڈ میتھیو، اور آئیک سانڈرز کا اس مضمون کے مسودوں پر مفید تبصروں اور تصورات کی تیاری میں ان کے تعاون کے لیے شکریہ ادا کرنا چاہوں گا۔
یہ مضمون اصل میں شائع کیا گیا تھا ڈیٹا میں ہماری دنیا اور یہاں تخلیقی العام لائسنس کے تحت دوبارہ شائع کیا گیا ہے۔ پڑھو اصل مضمون.
تصویری کریڈٹ: Deepmind / Unsplash سے
