وہ منظرنامہ جسے اس رہنما کو سنجیدگی سے لینا ضروری ہے
اس زمرے کا ہر صفحہ ایک تیزی سے آگے بڑھتے شعبے کے بارے میں استدلال کرتا ہے، اور پیش گوئی اور ڈیش بورڈ کے صفحات مسلسل تیز رفتار ترقی کو بنیادی مفروضے کے طور پر لیتے ہیں۔ یہ صفحہ اس کا توازن قائم کرنے والا وزن ہے: اگر AGI طے شدہ وقت پر نہ آئے تو کیا ہو گا؟ ایک سنجیدہ رہنما نتائج کی پوری تقسیم کے لیے منصوبہ بندی کرتا ہے، محض غالب سرخی کے لیے نہیں، اور اس تقسیم میں ٹھہراؤ بھی شامل ہے۔ یہ ایک تاریخی طور پر دستاویزی مظہر کا منظرنامہ تجزیہ ہے، یہ دعویٰ نہیں کہ ترقی رک چکی ہے۔
پچھلے دو سرد ادوار حقیقت میں کیسے تھے
یہ شعبہ پہلے بھی دو بار اس مقام سے گزر چکا ہے۔
پہلا سرد دور (تقریباً 1974-1980) ایک براہِ راست ادارہ جاتی ضربِ کاری کے بعد آیا۔ سر جیمز لائٹ ہل کی 1973 کی رپورٹ Artificial Intelligence: A General Survey، جو برطانوی سائنس ریسرچ کونسل نے تفویض کی تھی، نے یہ نتیجہ اخذ کیا کہ AI تحقیق کے بڑے وعدے — مشینی ترجمہ، روبوٹکس، عمومی مسئلہ حل کرنا — اپنے متوقع پیمانے پر پورا نہیں اترے، اور فنڈنگ کو تنگ تر کام کی طرف موڑنے کی سفارش کی۔ چند سالوں کے اندر، بحرِ اوقیانوس کے دونوں کناروں پر بڑے سرکاری فنڈرز نے ہاتھ کھینچ لیا، اور گریجویٹ پروگرام تیزی سے سکڑ گئے۔
دوسرا سرد دور (تقریباً 1987-1993) نے ایک مختلف شکار کو نگل لیا: ماہرانہ نظام (expert systems)۔ ان قاعدے پر مبنی تجارتی مصنوعات نے 1980 کی دہائی میں بے پناہ کارپوریٹ اور سرکاری سرمایہ کاری جذب کی، پھر اپنی ہی نزاکت کے بوجھ تلے دب گئیں — ایسے نظام جو سیکھ نہیں سکتے تھے، استثنائی حالات نہیں سنبھال سکتے تھے، اور جن کی دیکھ بھال مہنگی تھی۔ اس مارکیٹ کریش نے پورے علامتی-AI (symbolic-AI) نمونے کی فنڈنگ کو اپنے ساتھ نیچے کھینچ لیا۔ نیشنل اکیڈمیز کی وفاقی کمپیوٹنگ تحقیق کی تاریخ، Funding a Revolution (1999)، دستاویز کرتی ہے کہ کس طرح DARPA کی پسپائی اور Lisp مشین بنانے والی کمپنیوں کے غائب ہونے نے ایک ذیلی شعبے کی ناکامی کو پورے شعبے کی خشک سالی میں بدل دیا (National Academies Press)۔ اس کی مکمل داستانی تاریخیں Crevier کی AI: The Tumultuous History of the Search for Artificial Intelligence (1993) اور Nilsson کی The Quest for Artificial Intelligence (2009) ہیں — دونوں کو محض حقائق کے لیے نہیں بلکہ نمونے کو سمجھنے کے لیے پڑھنا مفید ہے۔
نمونہ یہ ہے: ہر سرد دور کوئی تکنیکی موت کا راستہ نہیں تھا بلکہ ساکھ اور فنڈنگ کا خاتمہ تھا۔ سائنس پسِ پردہ آگے بڑھتی رہی؛ پیسہ، ٹیلنٹ، اور عوامی صبر نے ایسا نہیں کیا۔ سرد دور اس وقت ختم ہوا جب ایک کم لاگت مظاہرے — شطرنج، پھر ImageNet — نے شعبے کو تقریباً راتوں رات دوبارہ قابلِ سرمایہ کاری بنا دیا۔
جھوٹی صبح کے حق میں دلیل
ٹھہراؤ کے مقدمے کی مضبوط ترین شکل تین ستونوں پر کھڑی ہے۔
ڈیٹا اور الگورتھمی حدود۔ Epoch کے انسانی تخلیق کردہ متن کے تجزیے نے اندازہ لگایا کہ اگر اس وقت کے رجحانات برقرار رہے تو معیاری عوامی تربیتی ڈیٹا کا ذخیرہ تقریباً ایک دہائی کے اندر ختم ہو جائے گا (Villalobos et al.، 2022)، جو مصنوعی ڈیٹا اور دیگر متبادل حلوں پر انحصار مجبور کرتا ہے جن کی طویل مدتی قدر واقعی غیر یقینی ہے۔ الگ سے، اس شعبے نے بارہا بینچ مارک کی سنترپتی کو عمومی اہلیت سمجھنے کی غلطی کی ہے — ایک انتباہ جسے اس رہنما کے ابھرتی صلاحیتیں اور ٹیورنگ ٹیسٹ کے صفحات تفصیل سے بیان کرتے ہیں۔ بینچ مارک سیر ہو سکتے ہیں جبکہ حقیقی دنیا کی اعتماديت — وہ چیز جس کے لیے معیشتیں اصل میں قیمت ادا کرتی ہیں — بری طرح پیچھے رہ جاتی ہے۔
ناہمواری فرش نہیں بلکہ چھت ہو سکتی ہے۔ یہ مستقل مشاہدہ کہ ماڈلز کچھ ابعاد پر فوق البشر ہیں اور ملحقہ ابعاد پر ناقابلِ فہم حد تک کمزور، اس کی ایک مایوس کن تعبیر ہے: کہ اگلے-ٹوکن کی پیش گوئی کرنے والے نظام کو بڑھانا وسعت خریدتا ہے مگر وہ مضبوط، مرکب استدلال نہیں خریدتا جس کی اسکیلنگ کے قوانین کے پرامید افراد پیش گوئی کرتے ہیں۔ Chollet کا یہ مؤقف کہ عصری بینچ مارک ذہانت کو بڑھا چڑھا کر پیش کرتے ہیں کیونکہ وہ نئے پن کے تحت مہارت کے حصول کا تقاضا کرنے کے بجائے یادداشت کی اجازت دیتے ہیں، اس شکوک و شبہات کا کلاسیکی بیان ہے (Chollet، 2019)۔
اووَرہینگ دونوں طرف کاٹتا ہے۔ اگر فائدے حقیقی بھی ہوں، تو ہو سکتا ہے وہ پہلے ہی نکالے جا چکے ہوں: «صلاحیتی اووَرہینگ» کی دلیل یہ کہتی ہے کہ آج کے ماڈلز اپنی تربیت سے کم کارکردگی دکھاتے ہیں کیونکہ مصنوعات، تشخیصات، اور ادارے ابھی تک ان کے برابر نہیں پہنچے۔ اگر ایسا ہے، تو مزید اسکیلنگ کم ہوتے دکھائی دینے والے فوائد دیتی ہے — جسے مارکیٹیں سطح مرتفع (plateau) سمجھتی ہیں، خواہ اصل وجہ کچھ بھی ہو۔ اسکیل کے خلاف ایک دستاویزی مظہر بھی موجود ہے: الٹا اسکیلنگ، جہاں بڑے ماڈلز کچھ کاموں پر بدتر اسکور کرتے ہیں، جیسے سچائی یا حساس استدلال کی مخصوص اقسام (McKenzie et al.، 2023)۔
سرد دور کے خلاف دلیل
سرد دور کے حامیوں کو یہ وضاحت کرنی ہو گی کہ یہ چکر پچھلے دو سے کیوں ملتا جلتا ہے، جبکہ فرق بہت بڑے ہیں۔
اس بار پیسہ حقیقی ہے۔ پچھلے سرد ادوار آمدنی کے بغیر ہائپ کے بعد آئے تھے۔ موجودہ چکر میں تعیناتی کی آمدنی سالانہ دسیوں ارب ڈالر میں ناپی جاتی ہے اور نجی جنریٹو-AI سرمایہ کاری مسلسل نئے ریکارڈ قائم کر رہی ہے — Stanford AI Index 2025 اکیلے 2024 میں 33.9 ارب ڈالر کی نجی جنریٹو-AI سرمایہ کاری بتاتا ہے، جو سال بہ سال تیزی سے بڑھی۔ اس پیمانے پر فنڈنگ اس لیے غائب نہیں ہوتی کہ بینچ مارک مایوس کرتے ہیں؛ یہ اس وقت غائب ہوتی ہے جب بیلنس شیٹس ٹوٹتی ہیں۔
ہارڈویئر کی بنیاد وسیع ہے۔ پچھلے سرد ادوار چند گرانٹس کاٹ کر شعبے کو بھوکا رکھ سکتے تھے۔ آج یہ شعبہ ایک سرمایہ گہری سیمی کنڈکٹر، کلاؤڈ، اور توانائی کی تعمیر پر سوار ہے جس کے سرمایہ کار دہائیوں کے منافع کی توقع رکھتے ہیں۔ یہ مسلسل ترقی کے لیے ایک فرش ہے — اور، مزید تاریک انداز میں، ایک ایسا حلقہ جو احتیاط کے کہنے کے باوجود دھکیلتا رہے گا۔
وسیع پیمانے پر انضمام اپنی طلب خود پیدا کرتا ہے۔ آج کروڑوں لوگ اور کمپنیوں کا ایک بڑا حصہ معمول کے کام کے لیے AI نظاموں پر منحصر ہے۔ افادیت، نیاپن کے برعکس، فیشن سے باہر نہیں ہوتی۔ ثبوت کا بوجھ سرد دور کے مقدمے پر ہے: اسے یہ ثابت کرنا ہو گا کہ ترقی نہ صرف سست ہوتی ہے بلکہ اتنی سست، اتنی دیر تک، کہ اتنے بڑے نصب شدہ بنیادی ڈھانچے کے مقابل فنڈنگ کا خاتمہ دہرائے۔
سرد دور کا کیا مطلب ہو گا
فرض کریں ٹھہراؤ ہو ہی جاتا ہے۔ اس کے بعد جو ہوتا ہے وہ واقعی دو دھاری تلوار ہے۔
ٹیلنٹ کا بکھراؤ۔ ایک سرد دور فرنٹیئر محققین کو ہیج فنڈز، بائیوٹیک، اور جو بھی اگلا گرم شعبہ ہو اس کی طرف دھکیلتا ہے۔ یہ ایک لحاظ سے حفاظت کے لیے برا ہے — علم صف بندی (alignment) کی مہارت، جو پہلے ہی پتلی اور چند لیبارٹریوں میں مرتکز ہے، بکھر جاتی ہے — اور شاید ایک اور لحاظ سے اچھا: خطرناک صلاحیتی کام سست پڑ جاتا ہے جبکہ انہی میں سے کچھ ذہن تنگ تر، زیادہ قابلِ آڈٹ مسائل پر کام کرتے ہیں۔ خالص اثر پیشگی طور پر نامعلوم ہے، لیکن صف بندی کے ٹیلنٹ کا بکھراؤ ایک حقیقی قیمت ہے جسے سرد دور کے پرامید افراد اکثر نظر انداز کر دیتے ہیں۔
ہارڈویئر اووَرہینگ۔ رکی ہوئی سافٹ ویئر ترقی چپس کو پگھلا نہیں دیتی۔ ایک ایسی دنیا جو کل فرنٹیئر ماڈلز کی تربیت روک دے، اب بھی تعینات شدہ صلاحیت کا ایک بہت بڑا ذخیرہ رکھے گی، جس کا زیادہ تر حصہ حفاظتی عملے کی برقراری کے لیے کم ترغیب یافتہ ہو گا۔ سرد دور موجودہ نظاموں کے گرد دفاع کو پتلا کرتا ہے؛ یہ نظاموں کو خود پتلا نہیں کرتا۔
غلط تعبیر کا خطرہ۔ یہ سب سے بدترین حصہ ہے۔ ایک حقیقی کئی سالہ سطح مرتفع سیاسی طور پر «خطرہ ٹل گیا» کے طور پر پڑھا جائے گا — ایک ایسا نتیجہ جو فعال طور پر غلط ہو گا۔ ترقی کا ٹھہرنا ترقی کی تردید نہیں۔ بنیادی محرکات (کمپیوٹ، الگورتھمی کارکردگی، تجارتی ترغیب) پس منظر میں بڑھتے رہیں گے، اور جب دوبارہ آغاز ہو گا، وہ غالباً زیادہ تیز اور کم نگرانی کے تحت ہو گا بہ نسبت پہلی چڑھائی کے۔ اس رہنما کا فوائد اور مواقعے کی قیمت پر مبحث بھی اسی طرح کام کرتا ہے: ایک رکی ہوئی تبدیلی بھی حقیقی فوائد رکھتی ہے، اور ایک ایسی دنیا جو جلد فتح کا اعلان کرتی ہے وہ فوائد اور چوکسی دونوں کھو دیتی ہے۔
غلط تعبیر کے خطرے پر زور دینا ضروری ہے: سب سے خطرناک سرد دور وہ ہے جو عوام کو یقین دلا دے کہ خطرہ ختم ہو چکا ہے۔ تاریخی سرد ادوار دوبارہ آغاز پر ختم ہوئے۔ ٹھہراؤ میں کچھ بھی یہ ضمانت نہیں دیتا کہ حفاظتی کام اگلی پگھلاہٹ تک زندہ رہے گا۔
سرخی نہیں، تقسیم کے لیے منصوبہ بندی کریں
اس صفحے کا دیانتدارانہ موقف وہی ہے جس سے یہ شروع ہوا تھا: تجزیے کو نہ تو مسلسل ہمہ گیر ترقی پر داؤ پر لگائیں اور نہ ٹھہراؤ پر۔ صلاحیت کے طے شدہ وقت پر آنے، دیر سے آنے، ناہموار طریقے سے آنے، اور اس سائٹ پر دیگر جگہوں پر بیان کردہ ادارہ جاتی ناکامیوں کے دوران آنے کے لیے تیار رہیں — کیونکہ وہی تیاریاں (مضبوط ادارے، محفوظ کردہ علم، منتشر ردعمل کی صلاحیت) پوری تقسیم میں فائدہ دیتی ہیں۔ ایک سرد دور وقت بندی بدل دے گا۔ یہ اس بات کو نہیں بدلے گا کہ ایک اچھی طرح تیار معاشرہ کیسا نظر آتا ہے۔