لیبل مفید ہیں، لیکن یہ فطری قوانین نہیں
مصنوعی محدود ذہانت، مصنوعی عمومی ذہانت، اور مصنوعی مافوق ذہانت کو کئی صلاحیتی ابعاد پر واقع علاقوں کے طور پر سمجھنا بہتر ہے — نہ کہ تین درست طور پر نشان زد خانوں کے طور پر۔ محققین اور ادارے مختلف تعریفیں استعمال کرتے ہیں، اور کوئی سائنسی اتھارٹی موجود نہیں جو یہ سند دے سکے کہ کوئی نظام «AGI بن چکا ہے»۔ اس لیے ایک محتاط قاری کو یہ پوچھنا چاہیے کہ بولنے والا اس اصطلاح سے کیا مراد لیتا ہے اور اس درجہ بندی کی حمایت میں کیا شواہد موجود ہیں۔
مصنوعی محدود ذہانت (ANI) روایتی طور پر ایک ایسے نظام کو کہا جاتا ہے جو کسی محدود کام یا شعبے کے لیے بہتر بنایا گیا ہو: ایک شطرنج انجن، دھوکہ دہی کا پتہ لگانے والا نظام، تقریر شناخت کرنے والا نظام، یا پروٹین کی ساخت کی پیش گوئی کرنے والا نظام۔ ایسا نظام اپنے ہدف کام میں ہر انسان سے آگے نکل سکتا ہے جبکہ باقی ہر جگہ بے کار رہتا ہے۔ لیکن ہر تعینات شدہ ماڈل کو «محدود» کہنا تیزی سے گمراہ کن ہوتا جا رہا ہے۔ عمومی مقصد کی زبان اور ملٹی موڈل ماڈلز لکھ سکتے ہیں، کوڈ کر سکتے ہیں، تصاویر کا تجزیہ کر سکتے ہیں، آلات استعمال کر سکتے ہیں، اور ہدایات سے بہت سے کاموں کے مطابق ڈھل سکتے ہیں۔ وہ ایک لحاظ سے وسیع ہیں، پھر بھی ناقابلِ اعتماد، ڈھانچے پر منحصر، اور شعبوں کے درمیان غیر یکساں ہیں۔ «عمومی مقصد کا AI» یا «وسیع صلاحیت کا ماڈل» اکثر ان نظاموں کو پرانی محدود/عمومی دوہری تقسیم میں زبردستی فٹ کرنے سے کہیں زیادہ معلوماتی تفصیل ہوتی ہے۔
مصنوعی عمومی ذہانت (AGI) عام طور پر ایک ایسی مشین کو کہا جاتا ہے جس کی وسیع اہلیت غیر مانوس کاموں میں منتقل ہو سکے۔ اس بنیادی مفہوم سے آگے، تعریفیں مختلف ہو جاتی ہیں۔ کچھ تعریفیں زیادہ تر علمی کاموں میں ایک عام انسان کے مساوی کارکردگی کا تقاضا کرتی ہیں؛ کچھ مؤثر انداز میں سیکھنے کی صلاحیت کا تقاضا کرتی ہیں؛ کچھ اقتصادی طور پر قیمتی محنت پر زور دیتی ہیں؛ اور کچھ جسمانی یا ڈیجیٹل دنیا میں خودمختاری کا اضافہ کرتی ہیں۔ Google DeepMind کے محققین نے AGI کو وسعت — یہ کتنے کام کر سکتا ہے — اور گہرائی — یہ انہیں کتنی اچھی طرح انجام دیتا ہے — دونوں کے ذریعے بیان کرنے کی تجویز دی، جبکہ خودمختاری کو تعیناتی کی ایک الگ خاصیت کے طور پر رکھا گیا (DeepMind، Levels of AGI)۔ یہ فریم ورک اس ڈھونگ سے بچتا ہے کہ ایک ہی معیار (بینچ مارک) کوئی جادوئی حد پیدا کرتا ہے۔
مصنوعی مافوق ذہانت (ASI) ایک فرضی نظام ہے جو تقریباً ہر علمی طور پر قیمتی شعبے میں بہترین انسانوں سے کہیں آگے نکل جاتا ہے۔ یہ کوئی مشاہدہ شدہ ٹیکنالوجی کی قسم نہیں ہے۔ یہ ایک ایسا منظرنامہ ہے جو ان نظاموں کے بارے میں سوچنے کے لیے استعمال ہوتا ہے جو سائنس، حکمت عملی، انجینئرنگ، قائل کرنے کی صلاحیت، اور شاید AI تحقیق میں خود انسانی اداروں سے بہتر کارکردگی دکھا سکیں۔ کیا ایسا نظام ممکن ہے، یہ AGI کے کتنی جلدی بعد آ سکتا ہے، اور کیا ہر شعبے میں ذہانت کو ایک ہی نظام میں یکجا کیا جا سکتا ہے، یہ سب اب بھی متنازع سوالات ہیں۔
صلاحیت کا ایک سے زیادہ محور ہوتا ہے
ایک مفید تشخیص کم از کم پانچ خصوصیات کو الگ کرتی ہے:
- وسعت: وہ کام اور ماحول جن میں نظام قابل ہے، ان کا تنوع۔
- کارکردگی: آیا یہ ایک نوآموز، ایک عام کارکن، ایک ماہر، یا بہترین انسان کے برابر ہے۔
- اعتماديت: یہ کتنی بار کامیاب ہوتا ہے، بشمول غیر معمولی یا مخالفانہ حالات میں۔
- سیکھنا اور منتقلی: یہ کسی حقیقی طور پر نئے کام کو مخصوص دوبارہ تربیت کے بغیر کتنی آسانی سے سنبھالتا ہے۔
- خودمختاری: یہ کتنی دیر اور کتنی حفاظت کے ساتھ منصوبہ بنا سکتا ہے، عمل کر سکتا ہے، آلات استعمال کر سکتا ہے، غلطیوں سے سنبھل سکتا ہے، اور محدود نگرانی کے ساتھ کسی مقصد کا تعاقب کر سکتا ہے۔
یہ محور ڈرامائی طور پر الگ ہو سکتے ہیں۔ ایک ماڈل سینکڑوں موضوعات پر سوالات کے جواب دے سکتا ہے جبکہ ابتدائی غلطیاں کرتا رہے۔ دوسرا کسی ایک سائنسی عمل میں غیر معمولی طور پر قابلِ اعتماد ہو سکتا ہے لیکن عمومیت اختیار کرنے کے قابل نہ ہو۔ ایک گفتگو کرنے والا ماڈل بظاہر وسیع علم رکھتا نظر آ سکتا ہے جبکہ اسی ماڈل پر بنایا گیا ایک ایجنٹ ناکام ہو جاتا ہے کیونکہ وہ سیاق کھو دیتا ہے، کسی آلے کا غلط استعمال کرتا ہے، یا یہ تسلیم نہیں کر پاتا کہ اس کا منصوبہ غلط سمت جا رہا ہے۔ OECD کی AI نظام کی تعریف بھی اسی طرح تیار کردہ نتائج اور ماحول پر اثر کو خودمختاری کی مختلف سطحوں اور تعیناتی کے بعد کی موافقت پذیری سے الگ کرتی ہے (OECD AI principles)۔
یہ اس لیے اہم ہے کہ نکھری ہوئی زبان مضبوط فاعلیت جیسی نہیں ہوتی۔ انسان جیسی گفتگو انسانیت کے تصور کو تقویت دیتی ہے، جبکہ بینچ مارک اسکور احتیاط سے تیار کیے گئے پرامپٹس، صاف ڈیٹا، اور خودکار درجہ بندی پر انحصار چھپا سکتے ہیں۔ اس کے برعکس، کسی نظام کو اہم صلاحیتیں رکھنے کے لیے انسان کی طرح گفتگو کرنے کی ضرورت نہیں۔ ایک سائنسی ماڈل، تجارتی ایجنٹ، یا سائبر آلہ اس لیے اہم ہو سکتا ہے کہ وہ کیا کر سکتا ہے، نہ کہ اس لیے کہ وہ انسانی ذہن سے مشابہت رکھتا ہے۔
کوئی ایک بینچ مارک AGI ثابت کیوں نہیں کرتا
بینچ مارک مخصوص حالات کے تحت رویے کا نمونہ لیتے ہیں۔ وہ براہِ راست فہم، شعور، ارادوں، یا ہر غیر آزمائشی صورتحال میں کارکردگی کو ظاہر نہیں کرتے۔ اسکور حقیقی عمومیت، ملتے جلتے تربیتی مثالوں کی نمائش، بہتر پرامپٹنگ، آلات تک رسائی، یا ماڈل کے گرد انجینئرنگ کی وجہ سے بڑھ سکتے ہیں۔ ایک بینچ مارک سیر بھی ہو سکتا ہے: جیسے ہی سرکردہ نظام اس کی چھت کے قریب پہنچتے ہیں، چھوٹے فرق کی تشریح کرنا مشکل ہو جاتا ہے۔
یہی انتباہ اقتصادی تعریفوں پر بھی لاگو ہوتا ہے۔ «زیادہ تر ملازمتوں کو خودکار بنا سکتا ہے» ٹھوس لگتا ہے، لیکن ملازمتیں تکنیکی کاموں، سماجی مذاکرات، جوابدہی، جسمانی سرگرمی، مقامی علم، اور غلطیوں کی ذمہ داری کے مجموعے ہیں۔ خود مکتفی کاموں میں کامیابی یہ ثابت نہیں کرتی کہ کوئی نظام کسی الجھی ہوئی تنظیم میں کسی کارکن کی جگہ لے سکتا ہے۔ METR واضح طور پر کہتا ہے کہ اس کا کام مکمل کرنے کا وقتی افق سافٹ ویئر، مشین لرننگ، اور سائبر سیکیورٹی میں مرکوز ہے اور اسے ملازمت کی خودکاری کے عمومی پیمانے کے طور پر نہیں پڑھا جانا چاہیے (METR کا طریقہ کار)۔
اس لیے AGI کو ایک ایسا دعویٰ سمجھا جانا چاہیے جسے شواہد کے ایک مکمل مجموعے کی ضرورت ہو۔ کون سے شعبے آزمائے گئے؟ کام کتنے نئے تھے؟ کن آلات اور انسانی مدد کی اجازت تھی؟ کیا کارکردگی کو آزادانہ طور پر دہرایا گیا؟ کامیابی کی شرح کیا تھی؟ کیا نظام اس وقت بھی قابلِ اعتماد رہا جب مقاصد مبہم تھے یا ماحول تبدیل ہو گیا؟ ان تفصیلات کے بغیر، AGI کا اعلان برانڈنگ، پیش گوئی، یا ذاتی رائے ہے — پیمائش کا نتیجہ نہیں۔
یہ فرق پالیسی کو کیوں بدل دیتا ہے
مختلف صلاحیتی پروفائل مختلف خطرات پیدا کرتے ہیں۔ موجودہ نظام پہلے ہی دھوکہ دہی، امتیازی سلوک، پرائیویسی کی خلاف ورزی، غیر محفوظ مشورے، روزگار میں خلل، اور مصنوعی میڈیا کے ذریعے دستاویزی نقصانات پہنچا رہے ہیں۔ ان مسائل کو AGI کی ضرورت نہیں، اور انہیں کسی مستقبل کی حد تک ملتوی نہیں کیا جانا چاہیے۔ وسیع طور پر خودمختار نظام سائبر آپریشنز چلا کر، خطرناک تحقیق کو تیز کر کے، یا انسانی جائزے سے بڑے پیمانے پر اہم عمل کو کنٹرول کر کے دیگر خطرات میں اضافہ کر سکتے ہیں۔ فرضی مافوق ذہانت اس بارے میں مزید غیریقینی سوالات اٹھاتی ہے کہ آیا انسانی ادارے اپنے سے حکمت عملی میں برتر نظام کی نگرانی کر سکتے ہیں۔
یہ زمرے متناسب حفاظتی تدابیر کو بھی تشکیل دیتے ہیں۔ ایک محدود طبی درجہ بند کرنے والے نظام کو طبی توثیق، نگرانی، اور اپیل کے عمل کی ضرورت ہو سکتی ہے۔ ایک عمومی مقصد کے ماڈل کو صلاحیت کی جانچ، بدسلوکی کا پتہ لگانے، واقعے کی رپورٹنگ، اور خطرناک آلات کے گرد ضوابط کی ضرورت ہو سکتی ہے۔ ایک انتہائی خودمختار نظام جو اہم بنیادی ڈھانچہ چلاتا ہو، مضبوط تر یقین دہانی، احتواء، اور انسانی اجازت کی شرائط کا جواز فراہم کرے گا۔ «AI» کو ایک غیر تفریق شدہ زمرے کے طور پر استعمال کرنا ان فرقوں کو چھپا دیتا ہے۔
AGI کے دعووں کو پڑھنے کا ایک بہتر طریقہ
جب کوئی کہتا ہے کہ AGI آ چکا ہے — یا ناممکن ہے — تو اس دعوے کو قابلِ مشاہدہ سوالات میں ترجمہ کریں۔ کیا نظام وسیع طور پر قابل ہے یا صرف اپنے انٹرفیس میں وسیع ہے؟ کیا یہ نئے کام میں منتقل ہوتا ہے؟ یہ کتنا قابلِ اعتماد ہے؟ کیا یہ طویل، حقیقی دنیا کے منصوبے مکمل کر سکتا ہے؟ کیا اسے مسلسل انسانی تصحیح کی ضرورت ہے؟ کیا یہ تعیناتی کے بعد سیکھتا ہے؟ کیا شواہد عوامی اور آزادانہ طور پر دہرائے جانے کے قابل ہیں؟
2026 میں دیانتدارانہ نتیجہ یہ نہیں ہے کہ تمام تعینات شدہ AI محض محدود ہے، اور نہ ہی یہ کہ وسیع زبان کے ماڈلز نے کسی عالمی طور پر تسلیم شدہ AGI لکیر کو عبور کر لیا ہے۔ موجودہ نظام حیران کن وسعت کو سنگین نزاکت کے ساتھ ملاتے ہیں۔ AGI ایک متنازع تصور ہی رہتا ہے، اور ASI فرضی ہی رہتا ہے۔ اس لیے سب سے مفید «صلاحیت کی سیڑھی» ایک کثیر الابعاد نقشہ ہے جس میں تاریخ شدہ شواہد ہوں — نہ کہ تین درجوں کی سیڑھی جس پر کوئی کمپنی خود کو فاتح قرار دے سکے۔