آج، مصنوعی جنرل انٹیلی جنس (AGI) سائنسی اور صنعتی دونوں برادریوں میں ایک فوکل کلیدی لفظ بن گیا ہے۔ صرف چند سال پہلے، بہت سے لوگوں کا خیال تھا کہ AGI کو حاصل کرنے میں کم از کم 10 سے 50 سال لگیں گے، یا یہ بھی سوچا کہ یہ ناممکن ہے۔ آج کل، اس طرح کے مایوسی کے خیالات بہت کم ہیں. تاہم، تکنیکی تبدیلی کی اس لہر کے بارے میں عوام کے جوش و خروش کے مقابلے میں، بہت سے فرنٹ لائن اسکالرز اور AI فیلڈ کے صنعت کاروں کا خیال ہے کہ موجودہ AI کو AGI میں ترقی کرنے کے لیے ابھی بہت طویل سفر طے کرنا ہے۔
فوڈان یونیورسٹی کے ایک ممتاز پروفیسر، شنگھائی آرٹیفیشل انٹیلی جنس ریسرچ انسٹی ٹیوٹ (SAIRI) کے ڈائریکٹر، اور قابل اعتماد لارج ماڈل کمپنی "Infinite Lightyear" کے بانی کیو یوآن کے مطابق، "AGI کے اعلیٰ ترین مظاہر میں سے ایک نامعلوم کی دریافت ہے۔ پیچیدہ دنیا میں قوانین سادہ لفظوں میں، یہ ایک 'AI آئن اسٹائن' ہونا چاہیے۔ اس کے لیے ہم سے 'گرے باکس' کے قابل بھروسہ بڑے ماڈلز بنانے کی ضرورت ہے جو 'بلیک باکس' کی ممکنہ پیشین گوئیوں کو 'وائٹ باکس' منطقی استدلال کے ساتھ جوڑتے ہیں اور ٹیکنالوجی اور صنعت کے گہرے انضمام کے ذریعے بنیادی تحقیق، ہنر کی آبیاری اور عملی استعمال کو فروغ دیتے ہیں۔ سائنسی ذہانت کے لیے ایک جدید ماحولیاتی نظام کی تعمیر۔"
حالیہ 2024 ورلڈ آرٹیفیشل انٹیلی جنس کانفرنس (WAIC) اور مصنوعی ذہانت کی عالمی گورننس کی اعلیٰ سطحی میٹنگ میں، SAIRI نے "مصنوعی ذہانت: سائنسی تحقیق اور صنعتی ترقی میں پیراڈائم شفٹ" کے عنوان سے ایک موضوعی فورم کی کامیابی سے میزبانی کی۔ یہ WAIC میں اس نئے تحقیقی ادارے کی پہلی نمائش تھی۔ SAIRI کو شنگھائی کی اختراع پر مبنی "1+1+N" سائنسی ذہانت کے ماحولیاتی نظام کی تلاش کے لیے ایک ماڈل کے طور پر دیکھا جا سکتا ہے۔ اس ماڈل میں ایک اور "1" فوڈان یونیورسٹی، اور کئی "N" یونیورسٹیوں، تحقیقی اداروں، ٹیک کمپنیوں، اختراعی ٹیموں، کے ساتھ مل کر مجموعی طور پر سٹریٹجک منصوبہ بندی، وسائل کے انضمام، اور کلیدی ٹیکنالوجی کی تحقیق اور اختراع کے لیے ذمہ دار مرکزی مرکز کے طور پر SAIRI شامل ہے۔ اور سرمایہ کاری کے ادارے، مشترکہ طور پر سائنسی تحقیق، ہنر کی کاشت، ٹیکنالوجی کی منتقلی، اور صنعتی جدت اور اپ گریڈنگ کو فروغ دینے کے لیے۔
AGI کا معیار "AI آئن اسٹائن" بنانا ہونا چاہیے۔
تکنیکی نقطہ نظر سے، کیا زیادہ پیرامیٹرز والے بڑے ماڈلز AGI کی طرف لے جائیں گے؟ آج تک، نہ تو خود AI ٹیکنالوجی کے نقطہ نظر سے اور نہ ہی توانائی کی کھپت کے نقطہ نظر سے، ٹرانسفارمر آٹوریگریسو فن تعمیر پر مبنی بڑے ماڈل ہیں جو AGI کی طرف لے جانے کے لیے کافی ہیں۔ AI کو نئے "گرے باکس" قابل اعتماد بڑے ماڈل تیار کرنے کی ضرورت ہے۔ یہ نتیجہ کیو یوآن کے تعلیمی اور صنعت دونوں میں برسوں کے عملی تجربے پر مبنی ہے۔
دس سال پہلے، "AI کو کارآمد بنانے" کے خیال کے ساتھ، Qi Yuan نے علی بابا کے بنیادی مشین لرننگ سسٹم کو پہلی بار 2 ملین پیرامیٹرز سے کئی سو ملین پیرامیٹرز تک بڑھانے کے لیے ایک ٹیم کی قیادت کی، جس سے کاروباری کارکردگی میں نمایاں بہتری حاصل ہوئی اور ڈیٹا، الگورتھم، اور انجینئرنگ کی صلاحیتوں کی مربوط تبدیلی کا مظاہرہ کرنا۔ یہ خاص طور پر اسکیلنگ قانون کا مظہر ہے، جس کا آج کل AI کمیونٹی میں بڑے پیمانے پر تبادلہ خیال کیا جاتا ہے۔
Qi Yuan یاد کرتے ہیں کہ ٹیم نے واقعی اسکیلنگ قانون کی مٹھاس کا مزہ چکھا تھا: ماڈل پیرامیٹرز میں سو گنا اضافہ کرنے کے بعد، مجموعی اثر ڈرامائی طور پر بہتر ہوا۔ "لیکن اب میں سوچتا ہوں: اس وقت ہم نے AI ماڈلز کو اس سے بھی بڑا کیوں نہیں بنایا؟ جب ہم ایک قدم آگے بڑھ سکتے تھے تو ہم کیوں رک گئے؟" انہوں نے کہا. "بڑے ماڈلز میں بھی اربوں پیرامیٹرز کافی نہیں ہیں؛ ہمیں سینکڑوں اربوں، کھربوں، یا اس سے بھی زیادہ کی طرف بڑھنے کی ضرورت ہے۔ اس وقت، اکیڈمی اور صنعت دونوں میں کمپیوٹنگ کی طاقت کی کمی تھی، اور یہاں تک کہ صنعتی شعبے میں بھی، اتنی بلندیاں حاصل کرنا کمپیوٹنگ پاور کے لیے بہت زیادہ اخراجات کی ضرورت ہوتی ہے، اکیڈمی کا ذکر نہ کرنا۔"
Qi Yuan بتاتے ہیں کہ AGI کا معیار کیوں ایک "AI آئن اسٹائن" بنانا ہونا چاہیے، یہ ہے کہ اسے موثر اور ذہین دونوں ہونے کی ضرورت ہے۔ سب سے پہلے، آئن سٹائن نے چند اہم ڈیٹا پوائنٹس کے ذریعے "20ویں صدی کے ابتدائی طبیعیات کے بادلوں" کو دریافت کیا۔ AGI کو پیچیدہ دنیا کے نامعلوم قوانین کو بھی دریافت کرنے اور سمجھنے کے قابل ہونا چاہیے۔ تاہم، موجودہ بڑے ماڈل اس کو حاصل نہیں کر سکتے۔ مثال کے طور پر، اگرچہ بصری بڑا ماڈل SORA طبعی دنیا کو ایک بے مثال حد تک نقل کرتا ہے، لیکن یہ اب بھی دو جہتی دنیا کے تخروپن پر مبنی سہ جہتی دنیا کی تعمیر کرتا ہے اور طبعی دنیا کو اچھی طرح سے سمجھنے سے بہت دور ہے۔ دوسرا، بجلی کی کھپت کا مسئلہ ہے. انسانی دماغ تقریباً 15 واٹ پر کام کرتا ہے، جب کہ ایک جی پی یو کئی سو واٹ تک پہنچ سکتا ہے، عام بڑے ماڈلز کو تربیت دینے کے لیے درکار ہزاروں یا دسیوں ہزار GPUs کے کلسٹرز کا ذکر نہیں کرنا چاہیے۔ فی الحال، اگر ہم موجودہ فن تعمیرات کو استعمال کرتے رہیں، تو درکار بجلی کی کھپت فلکیاتی ہوگی، جس سے موثر اور ذہین ہونے کا ہدف حاصل کرنا مشکل ہوجائے گا۔
"AI آئن سٹائن" بھی AI فار سائنس (AI4S) کا ایک اہم ہدف ہے۔ سائنسی ذہانت نے معلوم جسمانی مساوات کے حل کو تیز کرنے میں ایک اہم کردار ادا کیا ہے، لیکن اسے اعداد و شمار اور کمپیوٹنگ کی طاقت پر شدید انحصار کو کم کرنے، استدلال اور پیشین گوئی کی درستگی کو بہتر بنانے، اور نئے سائنسی نظریات تجویز کرنے کے لیے معلوم قوانین کو ڈیٹا کے ساتھ جوڑنے کی بھی ضرورت ہے۔ ڈیٹا ایڈجسٹ شدہ علم کے قواعد پر مبنی۔ یہ فوڈان یونیورسٹی اور SAIRI میں Qi Yuan کے طویل مدتی مقصد کے ساتھ مطابقت رکھتا ہے- پیچیدہ دنیا کو سمجھنے اور نامعلوم قوانین کو دریافت کرنے کے لیے مصنوعی ذہانت کا استعمال کرنا۔
"گرے باکس" قابل اعتماد عمودی ڈومین کے بڑے ماڈل مختلف صنعتوں کو بااختیار بناتے ہیں۔
بڑے ماڈلز کو AI ٹولز سے نئی پیداواری قوتیں بننے کے لیے کن مسائل کو حل کرنے کی ضرورت ہے؟ Qi Yuan کے مطابق، بڑی ماڈل انڈسٹری کو بہت سے مشترکہ چیلنجز کا سامنا ہے، جس کی وجہ سے ٹیکنالوجی، مصنوعات اور مارکیٹ کی ضروریات کو سیدھ میں لانا مشکل ہو جاتا ہے۔
"آج بڑے ماڈل کے نفاذ کے ساتھ سب سے بڑا مسئلہ یہ ہے کہ یہ پہلی نظر میں مفید لگتا ہے لیکن عملی استعمال میں ناکام ہوتا ہے،" کیو یوآن بتاتے ہیں۔ آج کے بڑے زبان کے ماڈل بنیادی طور پر ایک سے زیادہ پچھلے الفاظ کی بنیاد پر اگلے لفظ کی پیشین گوئی کرتے ہیں، لیکن یہ نقطہ نظر سخت ملٹی سٹیپ استدلال کے لیے موزوں نہیں ہے۔ "زبان رابطے کا ذریعہ ہے، سوچنے کا نہیں۔" حال ہی میں، اعلیٰ تعلیمی جریدے میں MIT سمیت اداروں کی طرف سے شائع ہونے والا ایک مقالہفطرتنے نشاندہی کی کہ زبان ثقافتی علم کی ترسیل کے لیے ایک طاقتور ذریعہ ہے، اور ہو سکتا ہے کہ یہ ہماری سوچ اور استدلال کی صلاحیتوں کے ساتھ مل کر تیار ہوئی ہو، جو انسانی ادراک کی پیچیدگی کو ظاہر کرتی ہے۔ تاہم، زبان استدلال کی پیچیدگی پیدا نہیں کرتی۔
موجودہ بڑے ماڈلز کی ناقابل اعتباریت، کم تشریحی صلاحیت، اور زیادہ لاگت سے نمٹنے کے لیے، ایک مؤثر حل یہ ہے کہ ممکنہ نیورل نیٹ ورک استدلال کو منطقی علامتی حساب کے ساتھ جوڑ دیا جائے، جو کہ جبلت پر مبنی تیز سوچ اور سست سوچ کے مجموعے کے مترادف ہے جو کہ منطقی استدلال پر مبنی ہے۔ نوبل انعام یافتہ ڈینیل کاہنی مین کی کتابسوچنا، تیز اور سست. "اسے ایک 'گرے باکس' بڑا ماڈل کہا جا سکتا ہے،" کیو یوآن کا خیال ہے۔ ایک "گرے باکس" کے قابل اعتماد بڑے ماڈل میں نیورل نیٹ ورکس کے ساتھ علامتی کمپیوٹیشن کا امتزاج AI کی "فریب کاری" کو کم کر سکتا ہے اور عمودی شعبوں میں پیشہ ورانہ مسائل کو حل کر سکتا ہے، اس طرح مختلف صنعتوں کو بااختیار بناتا ہے اور بڑے ماڈلز کی پیداواری صلاحیت کو بڑھاوا دیتا ہے۔
ایک "گرے باکس" قابل اعتماد بڑا ماڈل کیا ہے؟ "اصل میں، گہری تعلیم کو 'بلیک باکس' سمجھا جاتا تھا۔ اب، منطقی استدلال کو گہری سیکھنے کے ساتھ ملا کر، ہمارے پاس ایک 'گرے باکس' ہے،" Qi Yuan بتاتے ہیں۔ "اصل 'بلیک باکس' نے لوگوں کو اس عمل سے بے خبر رکھا جس کے ذریعے ڈیٹا نے نتائج پیدا کیے، جب کہ 'گرے باکس' بڑا ماڈل، منطقی استدلال کی مدد سے، لوگوں کو 'نتائج اور ان کے پیچھے کی وجوہات دونوں کو جاننے کی اجازت دیتا ہے۔' ایک اور نقطہ نظر سے، 'گرے باکس' کے بڑے ماڈل ایسے اصولوں کو کم کرنے کے لیے گہری سیکھنے کا استعمال کر سکتے ہیں جو حقیقی دنیا کے مشاہدہ شدہ ڈیٹا کے مطابق نہیں ہیں۔"
Qi Yuan کا کہنا ہے کہ AI کے لیے مختلف صنعتوں کے پیچیدہ منظرناموں میں بنیادی کردار ادا کرنے کے لیے- چاہے وہ فنانس اور انشورنس، ونڈ پاور اور انرجی، یا سمندری جہاز رانی اور فارماسیوٹیکل شعبوں میں- اس کے لیے صنعتی علم، استدلال کی منطق، اور فیصلے کو یکجا کرنا ضروری ہے۔ -بڑے ماڈلز کے ساتھ میکانزم بنانا۔ "گرے باکس" کا بڑا ماڈل نہ صرف AGI کی سمت ہے بلکہ عمودی شعبوں میں گہرائی سے گھسنے اور حقیقی دنیا کے مسائل کو حقیقی طور پر حل کرنے کا ایک طاقتور ٹول ہے۔ "صنعتی نقطہ نظر سے، یہ تفہیم بہت بدیہی ہے،" Qi Yuan نے واضح کیا۔ ڈاکٹروں کو وکیل بننے کی ضرورت نہیں ہے اور نہ ہی وکیلوں کو سرمایہ کاری کے ماہر بننے کی ضرورت ہے۔ ہر پیشہ ورانہ کردار کو اپنے شعبے پر توجہ مرکوز کرنی چاہیے اور اپنی پیداواری صلاحیتوں کو بڑھانا چاہیے۔ تکنیکی نقطہ نظر سے، اگر ایک بڑا ماڈل غیر متعلقہ کاموں کو زیادہ سیکھتا ہے، تو اسے "تباہ کن بھول" کا سامنا کرنا پڑ سکتا ہے۔ مثال کے طور پر، اگر لی بائی شاعری لکھنے کے بجائے اپنا سارا وقت حساب کتاب میں صرف کرتے، تو اس کی شاعرانہ الہام آہستہ آہستہ ختم ہو سکتی ہے۔ "ہم نے پہلے ہی مشاہدہ کیا ہے کہ عمودی ڈومینز کے لیے بڑے ماڈلز کی تربیت کرتے وقت، اگر ماڈل بہت زیادہ غیر متعلقہ افعال سیکھتا ہے، تو یہ اس کی اصل صلاحیتوں میں مداخلت کر سکتا ہے۔ اس لیے عمودی ڈومینز کے لیے موثر 'گرے باکس' بڑے ماڈل تیار کرنا صنعتی شعبے میں بہت اہمیت کا حامل ہے۔ عمل درآمد۔"
"مجھے یقین ہے کہ 'گرے باکس' کے بڑے ماڈل AGI کے راستے میں اور عمودی ڈومین صنعتوں کے نفاذ میں تیزی سے اہم کردار ادا کریں گے۔ Bayesian طریقہ کار کے نقطہ نظر سے، یہ ہمارے معلوم علم کو ڈیٹا میں چھپی معلومات کے ساتھ جوڑتا ہے تاکہ نئے قوانین کو دریافت کیا جا سکے۔ اور سائنسی اور صنعتی مسائل کو حل کریں،" Qi Yuan نے کہا۔ مستقبل میں، "AI Einstein" بھی "AI Buffett" ہو سکتا ہے۔
جدت طرازی کی زنجیر کو جوڑنا اور سائنسی انٹیلی جنس اختراعی ماحولیاتی نظام کی تعمیر۔
اس سال کی عالمی مصنوعی ذہانت کانفرنس میں، Qi Yuan کی ٹیم نے سینکڑوں ارب پیرامیٹرز کے ساتھ قابل اعتماد مالیاتی اور طبی بڑے ماڈلز کا آغاز کیا۔ ان عمودی ڈومین بڑے ماڈلز نے آزمائش میں OpenAI کے ٹریلین پیرامیٹر ماڈل GPT-4 ٹربو کو پیچھے چھوڑ دیا، ایک بار پھر بڑے ماڈلز کے نفاذ کی طرف صنعت کی توجہ مبذول کرائی۔
"آج کی AI کامیابیاں نہ صرف بنیادی اصولوں میں اختراعات بلکہ پروڈکٹ پر مبنی طریقوں سے بھی کارفرما ہیں جو معاشرتی ضروریات کو پورا کرتی ہیں۔ پہلے اصول ایک بار جب یہ دونوں عناصر اکٹھے ہو جائیں تو ہم نیلے پانیوں تک پہنچ سکتے ہیں،" Qi Yuan کہتے ہیں۔
اکیڈمیا اور صنعت کے مختلف مشن ہیں۔ اکیڈمیا نئے مظاہر کو دریافت کرتا ہے، جبکہ صنعت بنیادی طور پر عملی مسائل کو حل کرتی ہے۔ دنیا بھر میں ایک عام مسئلہ یہ ہے کہ تحقیقی اداروں کو بہت سے تکنیکی اختراعی مسائل کو حل کرنے کی ضرورت ہے، لیکن اگر وہ پیداواری اور معاشرتی ضروریات کو نظر انداز کرتے ہیں، تو انہیں دو کوتاہیوں کا سامنا کرنا پڑتا ہے: حقیقی مسابقتی دباؤ کا فقدان، جو اختراعی ٹیکنالوجی کی تطہیر میں رکاوٹ ہے، اور موثر کی عدم موجودگی۔ تکنیکی تحقیق کی رہنمائی کے لیے مارکیٹ کی رائے۔
اس مقصد کے لیے، Qi Yuan نے طویل عرصے سے "یونیورسٹیز-ریسرچ انسٹی ٹیوٹ-اسٹارٹ اپ" کی جدت طرازی کے سلسلے کو جوڑنے کی کوشش کی ہے تاکہ ایک اچھا اختراعی ماحولیاتی نظام بنایا جا سکے جو بنیادی ٹیکنالوجی اور مارکیٹ کی ضروریات دونوں پر غور کرے۔ مصنوعات کی سمت کی رہنمائی مارکیٹ کی طلب اور منظرناموں سے ہونی چاہیے، بنیادی جدت کے ذریعے مصنوعات کی بنیادی مسابقت کی تعمیر۔
2023 میں قائم کیا گیا، SAIRI سائنس کی ایجادات کے لیے اصل AI کے لیے پرعزم ہے جو علم اور ڈیٹا کو یکجا کرتی ہے۔ حال ہی میں، SAIRI نے نئی توانائی، انشورنس، شہری نظم و نسق میں ایپلی کیشنز کے لیے موسمیاتی بڑے ماڈلز 2۔{4}} کی Fuxi سیریز کا آغاز کیا اور اسمارٹ میٹرولوجیکل انوویشن ایکو سسٹم الائنس کا آغاز کیا۔ اس اتحاد کا مقصد بتدریج فوکسی سیریز کے موسمیاتی بڑے ماڈلز 2.0 کے صنعتی اطلاق کو فروغ دینا ہے۔ "گرے باکس" کے قابل اعتماد بڑے ماڈل بھی پروڈکٹ کے نفاذ میں آگے بڑھ رہے ہیں، انفینیٹ لائٹ ایئر کے ساتھ، کیو یوآن کی طرف سے قائم کردہ قابل اعتماد بڑی ماڈل کمپنی، پہلے سے ہی قائم ہے۔
سائنسی انٹیلی جنس اختراعی ماحولیاتی نظام کو مزید فروغ دینے کے لیے، دوسرا عالمی سائنسی ذہانت کا مقابلہ، مشترکہ طور پر SAIRI اور Fudan یونیورسٹی کے زیر اہتمام، اور شنگھائی سائنس اور ٹیکنالوجی کمیٹی، شنگھائی ترقی اور اصلاحات کمیشن، شنگھائی اقتصادی اور انفارمیشن ٹیکنالوجی کمیٹی سمیت متعدد شعبہ جات کی رہنمائی میں۔ اور شنگھائی ایجوکیشن کمیٹی کا آغاز کر دیا گیا ہے۔ مقابلہ سائنسی ذہانت کے فرنٹیئر فیلڈز کو تلاش کرنے کے لیے عالمی شرکاء کو بھرتی کرنے کے لیے لاکھوں انعامات پیش کرتا ہے۔ مزید برآں، SAIRI نے ایک سائنسی ڈیٹا پلیٹ فارم تیار کیا ہے جس میں ملٹی موڈل سائنسی ڈیٹا کا احاطہ کیا گیا ہے، جو ڈیٹا اکٹھا کرنے اور پروسیسنگ سے لے کر مینجمنٹ اور ماڈلنگ تک کے مکمل سلسلے کو سپورٹ کرتا ہے، موثر ڈیٹا پروسیسنگ، اعتماد اور محفوظ مواصلات کو یقینی بناتا ہے۔ اس پلیٹ فارم کی بنیاد پر، SAIRI اور اس کے شراکت داروں نے لائف سائنسز، میٹریل سائنسز، ایٹموسفیرک سائنسز، اور دیگر شعبوں کے لیے کئی اعلیٰ معیار کے سائنسی ڈیٹا سیٹس بنائے ہیں، جو سائنسی ذہانت کی تحقیق کے لیے قیمتی وسائل فراہم کرتے ہیں۔ مزید برآں، SAIRI نے گلوبل سائنٹیفک ڈیٹا ایکو سسٹم الائنس کا آغاز کیا ہے، جس کے ابتدائی ممبران بشمول چائنا ٹیلی کام کارپوریشن، COSCO شپنگ انشورنس کیپٹیو، شنگھائی لنگانگ نیو ایریا کراس بارڈر ڈیٹا ٹیکنالوجی، اور دس سے زیادہ دیگر ادارے شامل ہیں۔ اس اتحاد کا مقصد حکومت، کاروباری اداروں، یونیورسٹیوں اور تحقیقی اداروں کے درمیان تعاون کے ذریعے ایک عالمی، ملٹی ڈومین ریسرچ بڑا ڈیٹا ریسورس اوپن اور شیئرنگ پلیٹ فارم بنانا ہے۔
"چاہے سائنسی تحقیق ہو یا صنعت میں، ہمیں اختراع کی خاطر اختراع نہیں کرنی چاہیے۔ ہم مستقبل میں AGI اور ایسی ایپلی کیشنز بنانے کی امید رکھتے ہیں جو حقیقی دنیا کے مسائل کو حل کریں،" Qi Yuan کہتے ہیں۔