ابھرتی صلاحیتیں: کیا ظاہر ہوتا ہے، کیا صرف اچانک نظر آتا ہے

دو معنی اکثر گڈمڈ کر دیے جاتے ہیں

کوئی AI صلاحیت کم از کم دو معنوں میں «ابھرتی» ہو سکتی ہے۔ وسیع معنی میں، کوئی ماڈل ایسا مفید رویہ ظاہر کرتا ہے جو کوئی واضح، کام مخصوص تربیتی مقصد نہیں تھا۔ ایک زبان کا ماڈل جو بنیادی طور پر ٹوکنز کی پیش گوئی کے لیے تربیت یافتہ ہے وہ ترجمہ کر سکتا ہے، کوڈ لکھ سکتا ہے، قانون کا خلاصہ کر سکتا ہے، یا کچھ حسابی مسائل حل کر سکتا ہے۔ یہ صلاحیتیں اس لیے پیدا ہو سکتی ہیں کیونکہ تربیتی ڈیٹا اور مقصد دوبارہ قابلِ استعمال اندرونی نمونوں کو انعام دیتے ہیں۔

مضبوط معنی میں، ابھار کا مطلب ہے کہ کوئی صلاحیت اسکیل بڑھنے کے ساتھ اچانک ظاہر ہوتی ہے: چھوٹے ماڈل ناکام رہتے ہیں، پھر کوئی بڑا ماڈل اچانک کامیاب ہو جاتا ہے۔ 2022 کے ایک وسیع پیمانے پر زیرِ بحث آنے والے مقالے نے ماڈل خاندانوں اور کاموں میں ایسی چھلانگوں کی مثالیں رپورٹ کیں (Wei et al.، 2022)۔ یہ فرق اہم ہے۔ غیر منصوبہ بند صلاحیت کا وجود اچھی طرح ثابت ہے؛ آیا کسی ناپی گئی صلاحیت میں حقیقی انقطاع ہوا، یہ پیمانے، ڈیٹا، اور نمونہ گیری پر منحصر ہے۔

کوئی بھی معنی شعور، ارادے، یا جادو کی نشاندہی نہیں کرتا۔ پیچیدہ نظام عمومی مقصد کی نمائندگیاں حاصل کر سکتے ہیں بغیر کسی ڈیزائنر کے ہر استعمال کے لیے ایک ماڈیول لکھے۔ سائنسی سوال یہ ہے کہ رویہ تربیت اور نظام کے ڈیزائن کے ساتھ کیسے بدلتا ہے، اور ہم اس کا کتنی اچھی طرح پیشگی اندازہ لگا سکتے ہیں۔

کچھ چھلانگیں پیمائش کا نقص کیوں ہیں

فرض کریں کہ کسی ماڈل کی حسابی درستگی بتدریج 20 سے 30 سے 40 فیصد تک بڑھتی ہے۔ ایک بینچ مارک جو صرف اس وقت ایک پوائنٹ دیتا ہے جب درستگی 35 فیصد سے بڑھ جائے وہ صفر، صفر، پھر ایک دکھائے گا — ایک انقطاع جو اسکورنگ نے پیدا کیا۔ یہی اثر اس وقت ہوتا ہے جب عین مطابقت کی گریڈنگ تقریباً درست جواب کا کوئی کریڈٹ نہیں دیتی یا جب کسی کام کو کئی ذیلی مہارتوں کی ضرورت ہو اور اگر کوئی ایک غائب ہو تو ناکام ہو جائے۔

Schaeffer، Miranda، اور Koyejo نے رپورٹ شدہ کیسز کا دوبارہ تجزیہ کیا اور دکھایا کہ بہت سے اچانک انتقالات ہموار ہو گئے جب انہیں مسلسل، غیر خطی، یا غلطی سے حساس پیمانوں سے ناپا گیا («Are Emergent Abilities of Large Language Models a Mirage?»)۔ یہ ثابت نہیں کرتا کہ حقیقی انقطاعات کبھی نہیں ہوتے۔ یہ دکھاتا ہے کہ کوئی بینچ مارک گراف پیمانے کے اثرات، تنگ نمونہ گیری، اور ماڈل خاندان کے فرق کو خارج کیے بغیر ایک قائم نہیں کر سکتا۔

اسکیل بھی واحد بدلتا ہوا متغیر نہیں۔ بڑے ماڈلز مختلف ڈیٹا، تربیتی نسخے، ٹوکنائزرز، ہدایتی ٹیوننگ، آلات، یا استدلالی بجٹ استعمال کر سکتے ہیں۔ نام رکھے گئے مصنوعات کا موازنہ کرنا کسی نظام کی سطح کی انجینئرنگ بہتری کو خالص پیرامیٹر حد کے ساتھ الجھا سکتا ہے۔ محققین کو میکانزم شناخت کرنے کے لیے کنٹرول شدہ اسکیلنگ سیریز، گھنے چیک پوائنٹس، اور کئی پیمانوں کی ضرورت ہے۔

کیا اب بھی واقعی پیش گوئی کرنا مشکل ہے

یہاں تک کہ ہموار بنیادی بہتری بھی ایک اہم حد پیدا کر سکتی ہے۔ ایک سائبر ایجنٹ جو 40 سے 60 فیصد کامیابی کی طرف بڑھتا ہے وہ اس نقطے کو عبور کر سکتا ہے جہاں تعیناتی معاشی طور پر قابلِ عمل بن جاتی ہے۔ کسی ماڈل کی انفرادی طور پر کمزور ذیلی مہارتوں کو جوڑنے کی صلاحیت کسی ورک فلو کو کھول سکتی ہے۔ بیرونی نظام چھوٹی بہتریوں کو بڑھا سکتے ہیں: آلات اعمال فراہم کرتے ہیں، میموری سیاق کو بڑھاتی ہے، اور بار بار نمونہ لینا کوئی کامیاب جواب تلاش کر لیتا ہے۔

ڈویلپرز ہر ممکن کام کی مکمل جانچ بھی نہیں کر سکتے۔ ماڈلز کو وسیع ڈیٹا پر تربیت دی جاتی ہے اور لاکھوں صارفین کو تعینات کیا جاتا ہے جو ایسی ایپلیکیشنز اور ناکامیاں دریافت کرتے ہیں جن کا جانچنے والوں نے تصور بھی نہیں کیا تھا۔ اس لیے کوئی صلاحیت لیبارٹری کے لیے حیران کن ہو سکتی ہے چاہے وہ بتدریج ہی کیوں نہ تیار ہوئی ہو۔ حیرانی محدود پیمائش کی عکاسی کر سکتی ہے نہ کہ کسی ریاضیاتی طور پر تیز مرحلہ وار تبدیلی کی، لیکن یہ عملی طور پر پھر بھی اہم ہے۔

2026 کی International AI Safety Report زور دیتی ہے کہ فرنٹیئر تشخیصات کی بیرونی درستگی محدود ہو سکتی ہے اور نظاموں اور اسکیفولڈز کے بدلنے کے ساتھ ہی جلد پرانی ہو سکتی ہے (International AI Safety Report 2026)۔ یہ ایک عملی غیریقینی کا دعویٰ ہے، یہ ثبوت نہیں کہ ہر خوفزدہ کرنے والا رویہ خود بخود ظاہر ہو گا۔

صلاحیت رجحان نہیں

کوئی ماڈل کسی عمل کے لیے قابل ہو سکتا ہے جب جان بوجھ کر پرامپٹ کیا جائے بغیر اس کے کہ وہ خود سے ایسا کرنے کا رجحان رکھتا ہو۔ حفاظتی تجزیے کو صلاحیت — آیا نظام کچھ کر سکتا ہے — کو رجحان سے الگ کرنا چاہیے — آیا وہ متعلقہ حالات میں ایسا کرنے کا رجحان رکھتا ہے۔ کوئی ماڈل جو کسی رول پلے میں دھوکہ دہی پر مبنی منصوبہ تیار کر سکتا ہے اس سے یہ ثابت نہیں ہوتا کہ وہ تعیناتی کے دوران دھوکہ دہی کا تعاقب کرتا ہے۔ اس کے برعکس، کوئی کم ناپا گیا رجحان کسی ایسی تشخیص کی عکاسی کر سکتا ہے جس نے صحیح محرک پیدا نہیں کیا۔

یہی فرق سیاقی آگاہی، حفاظتی تدابیر سے بچاؤ، خود کو محفوظ رکھنے، اور حکمتِ عملی پر مبنی رویے پر لاگو ہوتا ہے۔ یہ فعال تحقیقی موضوعات اور ممکنہ خطرے کے ماڈل کے اجزاء ہیں۔ یہ کہنا غلط ہے کہ وہ ابھرنے کے لیے مقدر ہیں محض اس لیے کہ ترجمہ یا حساب نے ایسا کیا۔ شواہد کو آزمائے گئے ماڈل، پرامپٹ، ماحول، تعدد، اور متبادل وضاحتوں کی نشاندہی کرنی چاہیے۔

انسان نما زبان الجھن بڑھاتی ہے۔ ماڈلز زندہ رہنے کی خواہش کے بارے میں بیانات تخلیق کر سکتے ہیں کیونکہ ملتی جلتی زبان ان کے تربیتی ڈیٹا میں ظاہر ہوتی ہے یا کیونکہ تعامل کسی شخصیت کو انعام دیتا ہے۔ ایسا متن تحقیق کے قابل رویہ ہے؛ یہ کسی مستحکم اندرونی مقصد تک براہِ راست رسائی نہیں۔ محرکات کے بارے میں دعووں کو ایک گفتگو کے اقتباسات سے زیادہ مضبوط شواہد درکار ہیں۔

ابھار اب بھی حفاظت سے متعلق کیوں ہے

معقول حفاظتی سبق یہ نہیں کہ «کچھ بھی اچانک ہو سکتا ہے»۔ یہ ہے کہ وسیع تربیت ڈیزائنرز کی واضح طور پر گنی گئی صلاحیتوں سے زیادہ رویے پیدا کرتی ہے، اور موجودہ تشخیص نامکمل احاطہ فراہم کرتی ہے۔ یہ مرحلہ وار جانچ، نگرانی، اور گہرائی میں دفاع کا جواز پیش کرتا ہے۔ یہ اس فرض سے بھی خبردار کرتا ہے کہ ایک بینچ مارک پر غیر موجودگی کا مطلب ہر اسکیفولڈ یا پرامپٹ کے تحت غیر موجودگی ہے۔

تشخیص کو تربیت کے دوران ہی شروع ہونا چاہیے، چیک پوائنٹس استعمال کرتے ہوئے حتمی رن سے پہلے رجحانات ناپنے کے لیے۔ ٹیمیں سائبر، حیاتیاتی معاونت، قائل کرنے، خودمختاری، اور ماڈل کنٹرول کے خطرات کے لیے سوٹ برقرار رکھ سکتی ہیں، جبکہ غیر متوقع رویہ تلاش کرنے کے لیے کھلے عام ریڈ ٹیمنگ شامل کر سکتی ہیں۔ نجی ٹیسٹ آلودگی کم کرتے ہیں؛ بیرونی جانچنے والے ادارہ جاتی اندھے دھبوں کو کم کرتے ہیں۔ تعیناتی کے بعد واقعے کی رپورٹنگ ایسی ناکامیاں پکڑتی ہے جنہیں لیبارٹری کے کام چھوڑ دیتے ہیں۔

حد کی پالیسیوں کو ابھار کے بارے میں فلسفیانہ اتفاقِ رائے کی ضرورت کے بغیر ثابت شدہ صلاحیت کا جواب دینا چاہیے۔ اگر کوئی نظام کسی شدید نقصان کی رکاوٹوں کو خاطر خواہ حد تک کم کر سکتا ہے، تو متعلقہ حفاظتی تدابیر لاگو ہونی چاہئیں چاہے وکر ہموار تھا یا اچانک۔ اگر شواہد کمزور ہیں، تو رپورٹ کو غیریقینی بیان کرنا چاہیے نہ کہ خاموشی سے کسی فرضی رویے کو مشاہدہ شدہ سمجھنا۔

پیش گوئی کے قابلیت تہوں میں آتی ہے

کچھ ماڈل خصوصیات دوسروں سے زیادہ پیش گوئی کے قابل ہیں۔ کسی ڈیٹا تقسیم پر مجموعی نقصان اکثر ہموار اسکیلنگ کے قوانین کی پیروی کرتا ہے۔ کسی مستحکم بینچ مارک پر کارکردگی محدود دائرے میں پیش گوئی کے قابل ہو سکتی ہے۔ کسی گندے ماحول میں کامیابی آلات، اعتماديت، اور تعاملات پر منحصر ہوتی ہے جن کا نمونہ بنانا مشکل ہے۔ سماجی اثر اپنانے، ترغیبات، اداروں، اور مخالفین کو شامل کرتا ہے، جو اسے مزید مشکل بناتا ہے۔

یہ درجہ بندی ایک عام استخراجی غلطی کو روکتی ہے: پیش گوئی کے قابل تربیتی نقصان ہر نچلی سطح کی صلاحیت کو پیش گوئی کے قابل نہیں بناتا، لیکن حیران کن نچلی سطح کا رویہ اسکیلنگ کے قوانین کو باطل نہیں کرتا۔ محققین کسی اوسط کی پیش گوئی کر سکتے ہیں جبکہ نایاب ناکامیوں یا مخصوص کاموں کے بارے میں غیریقینی رہتے ہیں۔

تشریح پذیری (interpretability) بالآخر پیش گوئیوں کو بہتر بنا سکتی ہے نمائندگیوں یا میکانزم کو رویے میں واضح طور پر ظاہر ہونے سے پہلے بے نقاب کر کے۔ آج، تاہم، تشریح پذیری کے طریقے یہ مکمل نہیں بتاتے کہ کوئی ماڈل کیا «جانتا» ہے یا کیا کرے گا، بلکہ جزوی شواہد فراہم کرتے ہیں۔ رویہ جاتی تشخیص اور حقیقی دنیا کے کنٹرول ضروری رہتے ہیں۔

ابھار کے دعوے کو کیسے پڑھیں

پوچھیں کہ موازنے میں کیا بدلا: پیرامیٹرز، کمپیوٹ، ڈیٹا، تربیتی مقصد، آلات، یا پرامپٹنگ۔ جانچیں کہ آیا پیمانہ مسلسل ہے، آیا درمیانی چیک پوائنٹس موجود ہیں، اور آیا غیریقینی کی حدیں اوورلیپ کرتی ہیں۔ چیک کریں کہ آیا کام تربیتی ڈیٹا میں تھا اور آیا آزادانہ محققین نے نتیجہ دہرایا۔ سب سے اہم، «مصنفین کے لیے غیر متوقع» کو «سائنسی طور پر غیر متصل» سے الگ کریں۔

ابھرتی صلاحیت ایک مفید تصور ہے جب احتیاط سے استعمال کیا جائے۔ وسیع طور پر تربیت یافتہ ماڈل ایسی صلاحیتیں حاصل کرتے ہیں جو کسی انجینئر نے ایک ایک کر کے متعین نہیں کیں۔ کچھ صلاحیتیں صرف اس وقت نظر آتی ہیں جب نظام عملی حدیں عبور کرتے ہیں۔ لیکن بہت سی مشہور کھائیاں جزوی طور پر اس بات کا نقص ہیں کہ ہم رویے کو کیسے اسکور کرتے ہیں۔ درست نتیجہ نہ تو یہ ہے کہ ابھار ایک وہم ہے اور نہ یہ کہ اسکیل کسی بھی صلاحیت کو ناقابلِ پیش گوئی طریقے سے بلا لیتی ہے۔ یہ ہے کہ صلاحیت کی نشوونما صرف جزوی طور پر سمجھی جاتی ہے، پیمائش کے انتخاب اہم ہیں، اور حفاظتی پالیسی کو بتدریج اور حیران کن دونوں تبدیلیوں کے لیے مضبوط ہونا چاہیے۔