کیوں یہ صفحہ مختلف پڑھا جاتا ہے
اس مینوئل کا زیادہ تر حصہ غیریقینی، خطرے، اور جو کچھ تصدیق کیا جا سکتا ہے اس میں دیانتدارانہ خلا کے گرد بنایا گیا ہے۔ یہ صفحہ مختلف ہے: یہ AI سے چلنے والے سائنسی نتائج اکٹھا کرتا ہے جو تاریخ شدہ، قابلِ تصدیق ہیں، اور ایک صورت میں پہلے ہی نوبل انعام رکھتے ہیں — پھر بھی وہی تحقیقی پروگرام جس نے وہ نوبل جیتنے والا طریقہ پیدا کیا اس نے ایک باضابطہ طور پر درست کیا گیا Nature پیپر اور ایک تشخیصی آلہ بھی پیدا کیا جو لیبارٹری میں کام کر گیا اور ایک حقیقی کلینک میں لڑکھڑا گیا۔ دونوں حقائق کو بیک وقت تھامے رکھنا — حقیقی کامیابی اور حقیقی زیادہ دعویٰ، ایک ہی لیب سے، بعض اوقات ایک ہی سال میں — اسی صفحے کا مقصد ہے، حل کرنے کا کوئی تضاد نہیں۔
نیچے دی گئی ہر چیز کا تعلق تنگ، کام کے لیے مخصوص مشین لرننگ سے ہے جو کسی سائنسی یا طبی مسئلے پر لاگو کی گئی ہے، AGI سے نہیں۔ یہ کہ کوئی مستقبل کا عمومی نظام ایک ساتھ تمام سائنس کو تیز کر دے گا ایک منظرنامہ ہے، جس پر AI کے فوائد اور تاخیر کے موقع کے اخراجات پر بات کی گئی ہے؛ یہ صفحہ اس تک محدود رہتا ہے جو حقیقت میں جاری، شائع، یا ہم مرتبہ جائزہ لیا جا چکا ہے۔
پروٹین کی ساختیں، حل شدہ: AlphaFold اور 2024 کا نوبل انعام
سب سے واضح کیس پروٹین کی ساخت کی پیش گوئی ہے۔ اکتوبر 2024 میں رائل سویڈش اکیڈمی آف سائنسز نے کیمسٹری کا نوبل انعام مشترکہ طور پر Google DeepMind کے Demis Hassabis اور John Jumper کو “پروٹین کی ساخت کی پیش گوئی” کے لیے، اور University of Washington کے David Baker کو کمپیوٹیشنل پروٹین ڈیزائن کے لیے دیا (NobelPrize.org، 9 اکتوبر، 2024) — یہ میدان کا سب سے بلند اعزاز ہے، AlphaFold2 کے اصل 2020 کے نتائج کے چار سال بعد، اور اس شعبے کی تصدیق سے جس نے وہ سال دراصل آلے کو استعمال کرتے ہوئے گزارے: مبینہ طور پر 190 ممالک میں دو ملین سے زیادہ محققین نے تقریباً تمام 200 ملین معلوم پروٹینز کے لیے ساختوں کی پیش گوئی کی، مشکل اہداف پر تجرباتی طریقوں کے قریب پہنچنے والی درستگی کے ساتھ (Nature News، 9 اکتوبر، 2024)۔
ساخت سے دوا تک: Isomorphic Labs، ابھی بھی پائپ لائن میں
DeepMind کے پروٹین فولڈنگ کے کام نے Isomorphic Labs کو جنم دیا، جو ساخت کی پیش گوئی کو دوا کی دریافت تک لے جانے کے لیے بنائی گئی۔ جنوری 2024 میں اس نے Eli Lilly اور Novartis کے ساتھ مجموعی طور پر تقریباً 3 بلین ڈالر کے ممکنہ سنگِ میل کے معاہدے کیے، جن کا مقصد “غیر قابلِ علاج” چھوٹے مالیکیول اہداف تھے (TechCrunch، 7 جنوری، 2024)۔ 2026 کے اوائل تک، ثانوی رپورٹنگ نے اس تعاون کو کئی پری کلینیکل امیدواروں کی پیداوار کے طور پر بیان کیا — پھر بھی کلینیکل ٹرائل سے برسوں دور، منظور شدہ دوا کی تو بات ہی چھوڑ دیں۔ اس تحریر تک، اس شراکت کی کوئی دوا انسانی ٹرائلز میں داخل نہیں ہوئی۔
AlphaFold نے ایک طویل پائپ لائن میں ایک قدم کو تیز کیا؛ یہ ثابت نہیں ہوا کہ اس نے پائپ لائن کی پیداوار کو تیز کیا، جسے سنگِ میل کی ادائیگیوں کے بجائے منظور شدہ علاج میں ناپا جائے۔ AI کے فوائد اور تاخیر کے موقع کے اخراجات ایک ناپے گئے فائدے اور ایک متوقع فائدے کے درمیان لکیر کھینچتا ہے — یہ یقینی طور پر ایک متوقع فائدہ ہے۔
مواد کی دریافت — اور ایک اصلاح جو ثابت کرتی ہے کہ نظام کام کرتا ہے
یہاں سب سے زیادہ تعلیمی کیس مواد کی سائنس ہے، بالکل اس لیے کہ یہ ایک صاف ستھری کامیابی کی کہانی نہیں رہی۔ نومبر 2023 میں DeepMind نے Nature میں GNoME شائع کیا: ایک نظام جس نے 2.2 ملین امیدوار کرسٹل ساختوں کی پیش گوئی کی، جن میں سے تقریباً 381,000 کو مستحکم پیش گوئی کیا گیا — پوری سابقہ تاریخی ریکارڈ سے تقریباً 45 گنا زیادہ مستحکم لیکن غیر حاصل شدہ مرکبات (Merchant et al.، Nature، 29 نومبر، 2023)۔ ایک ساتھی پیپر نے ایک خودمختار روبوٹک لیبارٹری، “A-Lab” کو بیان کیا، جس نے ان پیش گوئیوں کو استعمال کرتے ہوئے سترہ دنوں میں بغیر انسانی مداخلت کے درجنوں نئے مواد کی ترکیب کی۔
2024 میں، تین بیرونی کیمیا دانوں — Robert Palgrave (UCL)، Leslie Schoop (Princeton)، اور Susan Latturner (Florida State) — نے پایا کہ A-Lab کے تقریباً دو تہائی “نئے” مرکبات دراصل پہلے سے معلوم ساختیں تھیں، غلط شناخت شدہ کیونکہ اس کے ایکس رے ڈفریکشن تجزیے نے تربیت یافتہ کرسٹالوگرافر کے استعمال کردہ محتاط Rietveld تطہیر کے بجائے نوآموز سطح کی پیٹرن میچنگ استعمال کی؛ بہت سے پہلے ہی Inorganic Crystal Structure Database میں موجود تھے۔ 19 جنوری 2026 کو، Nature نے ایک باضابطہ مصنف اصلاح شائع کی جس میں تسلیم کیا گیا کہ نیاپن کے دعوے “غلط تشریح کا شکار” ہوئے تھے — پلیٹ فارم کے اپنے کیٹلاگ کے لیے نئے، ضروری نہیں کہ سائنس کے لیے نئے۔
یہ AI کی ناکامی کے بارے میں کہانی نہیں ہے۔ GNoME کی ساختی پیش گوئیاں وہ حصہ نہیں تھیں جو غلط ثابت ہوا؛ زیادہ دعویٰ اس میں تھا کہ آگے چل کر “نیا” کیسے متعین ہوا — اور اسے عام ہم مرتبہ جائزے کے ذریعے دو سال بعد پکڑا اور باضابطہ طور پر درست کیا گیا۔ یہ نظام ہے جو ارادے کے مطابق کام کر رہا ہے: ایک Nature اشاعت مضبوط ثبوت ہے، لیکن اصلاح سے محفوظ نہیں، اور کسی دعوے کی حقیقی حیثیت وہ ہے جو جانچ سے بچ جاتی ہے، نہ کہ وہ جو پریس ریلیز نے لانچ کے ہفتے کہا تھا۔
ریاضی: AlphaProof اولمپیاڈ میں، وقت کی پابندی سے باہر
جولائی 2024 میں DeepMind نے اعلان کیا کہ AlphaProof اور AlphaGeometry 2 نے اس سال کے International Mathematical Olympiad کے چھ میں سے چار مسائل حل کیے، 42 میں سے 28 کے سکور کے ساتھ — سلور میڈل کی سطح، پہلی بار جب کسی AI نظام نے اسے حاصل کیا (DeepMind، 25 جولائی، 2024)۔ DeepMind نے خود انکشاف کیا کہ ایک مسئلہ منٹوں میں حل ہو گیا لیکن دوسروں کو تین دن تک کمپیوٹیشن لگی، جو قابلِ ذکر ہے کیونکہ انسانی مقابلہ کنندگان وہی چھ مسائل دو 4.5 گھنٹے کے سیشنز میں حل کرتے ہیں۔ یہ ایک حقیقی IMO جمع کرائی گئی چیز کے طور پر داخل یا جانچی نہیں گئی اور مقابلے کے نتیجے کے طور پر آزادانہ طور پر ہم مرتبہ جائزہ نہیں لیا گیا؛ یہ ایک کمپنی کے زیرِ انتظام بینچ مارک ہے، دیانتداری سے کیپشن کیا گیا، یہ دعویٰ نہیں کہ AI اولمپیاڈ ریاضی دانوں کا ان پابندیوں کے تحت مقابلہ کرتا ہے جن کا وہ حقیقت میں سامنا کرتے ہیں۔
موسم کی پیش گوئی: ایک کیس جسے ہم مرتبہ جائزہ پہلے ہی طے کر چکا ہے
موسم کی پیش گوئی ایک مفید تضاد ہے کیونکہ حقیقی سچائی روزانہ آتی ہے اور اسے بعد میں دھوکہ نہیں دیا جا سکتا۔ DeepMind کا GraphCast، جو نومبر 2023 میں Science میں شائع ہوا، نے یورپی موسمی ایجنسی کے آپریشنل HRES ماڈل کو ہزاروں جانچے گئے متغیر اور لیڈ ٹائم امتزاجوں کی بڑی اکثریت پر پیچھے چھوڑ دیا، اور ایک واحد TPU پر ایک منٹ سے کم میں دس دن کی عالمی پیش گوئی پیدا کرتا ہے (DeepMind، 14 نومبر، 2023)۔ پیش گوئیوں کو ہر روز حقیقی موسم کے خلاف سکور کیا جاتا ہے، اس لیے یہ زیادہ دعویٰ کرنے کے لیے مشکل ترین شعبوں میں سے ایک ہے، اور برسوں بعد بھی نتیجہ برقرار رہا ہے۔
طب، ریگولیٹری پیمانے پر: FDA کی منظوریاں کئی گنا بڑھ گئیں
کلینیکل AI نے نیاپن سے معمول کے ریگولیٹری کاروبار میں قدم رکھا ہے۔ اپریل 2018 میں، IDx-DR (اب LumineticsCore) طب میں پہلا FDA سے مجاز مکمل طور پر خودمختار AI تشخیصی نظام بن گیا، جسے ذیابیطس ریٹینوپیتھی کا پتہ لگانے کے لیے بغیر معالج کی تشریح کے منظور کیا گیا، ایک 900 مضامین کے ٹرائل پر جس نے ماہر گریڈنگ کے مقابلے میں 87.2% حساسیت اور 90.7% مخصوصیت دکھائی (npj Digital Medicine، 2018)۔ اس طرح کی منظوریاں اب معمول ہیں: AI-فعال آلات کی FDA منظوریاں 2024 کے آخر تک تقریباً 758 سے بڑھ کر دسمبر 2025 تک 1,039 ہو گئیں، رفتار تقریباً 21 سے بڑھ کر تقریباً 30 ماہانہ ہو گئی، جس کی قیادت GE HealthCare، Siemens Healthineers، Philips، اور Canon نے کی (The Imaging Wire، 11 مارچ، 2026)۔ ایک منظوری ایک حقیقی، قابلِ تصدیق حقیقت ہے — یہ اس دعوے جیسا نہیں کہ “یہ آلہ آپ کے ہسپتال میں اچھی طرح کام کرتا ہے،” جہاں سے اگلا حصہ شروع ہوتا ہے۔
لیب سے کلینک تک کا فرق: کیا ہوتا ہے جب ماڈل ایک حقیقی مریض سے ملتا ہے
توثیق شدہ درستگی اور تعینات حقیقت کے درمیان فرق کا سب سے واضح دستاویزی کیس Google Health کا ذیابیطس ریٹینوپیتھی نظام ہے، جس نے ٹرائلز میں 90% سے زیادہ حساسیت اور مخصوصیت حاصل کی۔ نومبر 2018 اور اگست 2019 کے درمیان تھائی لینڈ کے 11 کلینکس میں تعینات، اس نے نرسوں کی جمع کرائی گئی تقریباً 1,940 تصاویر میں سے تقریباً 21% کو “غیر قابلِ درجہ بندی” کے طور پر مسترد کر دیا — زیادہ تر روشنی کے حالات جنہیں ایک انسانی قاری بغیر دوسری سوچ کے قبول کر لیتا — کام کے بہاؤ میں خلل ڈالتے ہوئے اور ان مریضوں کے دوروں کو طویل کرتے ہوئے جو اکثر اسکریننگ کے لیے گھنٹوں سفر کر کے آئے تھے۔ اس نتیجے کا ہم مرتبہ جائزہ CHI 2020 میں لیا گیا، ایک معروف انسان-کمپیوٹر تعامل کا مقام، اور اس وقت MIT Technology Review نے اس کی رپورٹ دی (MIT Technology Review، 27 اپریل، 2020)۔ ریڈیالوجی AI کے بعد کے جائزے اسے ایک بار بار ہونے والے پیٹرن کے طور پر بیان کرتے ہیں: حقیقی دنیا کی کارکردگی مقامی آلات اور کام کے بہاؤ پر منحصر ہے، صرف ماڈل کے درستگی کے اعداد پر نہیں۔
ایک الگ FDA سے منظور شدہ فالج کا آلہ، Viz.ai، تقسیم کو مختلف طریقے سے دکھاتا ہے: ایک منظم جائزہ اور میٹا تجزیہ جس نے تقریباً ایک درجن مطالعات اور 15,000 سے زیادہ مریضوں کو اکٹھا کیا، نے ہسپتال کے کام کے بہاؤ کو تیز کیا بغیر ان طبی نتائج میں کسی شماریاتی طور پر اہم بہتری کے جن کو بہتر بنانے کے لیے وہ کام کے بہاؤ موجود ہیں۔ تیز ہونا خودکار طور پر بہتر نہیں ہے۔
یہ پیٹرن باقی سائٹ کے بارے میں کیا کہتا ہے
اوپر دیا گیا ہر کیس اسی چھوٹے سے فرنٹیئر لیبز کے مجموعے سے پیدا ہوا جسے یہ مینوئل کہیں اور بحث کرتا ہے — بنیادی طور پر Google DeepMind — جس کی تحقیقی ثقافت فرنٹیئر AI لیبز کیسے مختلف ہیں پر بیان کی گئی ہے، اور جس کی چند تنظیموں میں سائنسی صلاحیت کا ارتکاز خود اپنا موضوع ہے طاقت کا ارتکاز: کیوں چند لیبز اہم ہیں پر۔ وہ ارتکاز دونوں طریقوں سے کام کرتا ہے: یہی وجہ ہے کہ ایک ہی پروگرام دو سالوں میں ایک نوبل انعام، ایک سلور میڈل اولمپیاڈ کارکردگی، اور ایک درست کیا گیا Nature پیپر جمع کر سکتا ہے، اور یہی وجہ ہے کہ ان دعووں کی تشکیل پہلے ایک لیب کی اپنی تشہیر سے گزرتی ہے اور صرف بعد میں ہم مرتبہ جائزے سے جو اسے جوابدہ نہیں۔
ان میں سے کوئی بھی نتائج کو مسترد کرنے کی دلیل نہیں دیتا۔ نوبل انعام تشہیر نہیں ہے؛ ایک منٹ سے کم میں تیار کی گئی دس دن کی پیش گوئی تشہیر نہیں ہے۔ لیکن “AI سائنس کو تیز کر رہا ہے” اسی طرح سچ ہے جیسے اس ٹیکنالوجی کے بارے میں زیادہ تر پائیدار دعوے سچ ہیں: غیر مساوی طور پر، صاف، قابلِ تصدیق حقیقی سچائی والے مسائل میں واضح ترین کامیابیوں کے ساتھ — ایک تہہ شدہ پروٹین، کل کا موسم، ایک کرسٹل کی ناپی گئی استحکام — اور ایک مستقل خلا جہاں کہیں بھی آخری میل ایک گندے کلینک یا ایک غیر جانچے گئے پریس ریلیز سے گزرتا ہے۔ وہ نظم و ضبط جس نے GNoME کی غلطی کو دو سال بعد پکڑا، وہی نظم و ضبط ہے جسے یہ صفحہ قارئین سے سائٹ کے باقی ہر جگہ لاگو کرنے کے لیے کہتا ہے۔