اے آئی کی عالمی صلاحیت: ترقی اور افرادی قوت

اسٹنفورڈ ایچ اے آئی انڈیکس مصنوعی ذہانت (artificial intelligence) میں ہونے والی اہم پیش رفتوں کو ظاہر کرتا ہے، جس کے عالمی سطح پر معاشروں پر گہرے اثرات مرتب ہوتے ہیں، خاص طور پر گلوبل ساؤتھ (Global South) کے ترقی پذیر علاقوں میں۔ ان بصیرتوں کا جائزہ لیتے ہوئے، ہم اس بات کا ادراک کرتے ہیں کہ اے آئی کس طرح صنعتوں میں انقلاب برپا کر رہی ہے، نئے مواقع پیدا کر رہی ہے اور معاشی ترقی کو فروغ دے رہی ہے۔ اے آئی کی جانب سے پیش کردہ مواقع غیر معمولی ہیں، اور ہم پر یہ ذمہ داری عائد ہوتی ہے کہ اس بات کو یقینی بنائیں کہ اس کے فوائد سب کے لیے قابلِ رسائی ہوں۔

اخراجات اور رکاوٹوں میں نمایاں کمی

سب سے اہم تبدیلیوں میں سے ایک اے آئی ماڈل کے استعمال سے وابستہ اخراجات میں ڈرامائی کمی ہے۔ جی پی ٹی 3.5 (GPT-3.5) کے مساوی کارکردگی والے اے آئی ماڈل سے سوال کرنے کی لاگت میں نمایاں کمی واقع ہوئی ہے۔ یہ کمی محض ایک تکنیکی کامیابی نہیں ہے؛ یہ وسیع تر رسائی کے لیے ایک دروازہ فراہم کرتی ہے۔ محدود وسائل والے علاقوں میں اختراع کار اور کاروباری افراد اب ان طاقتور ٹولز سے فائدہ اٹھا سکتے ہیں جو کبھی دنیا کی سب سے بڑی کارپوریشنوں کے لیے مخصوص تھے، اور ان کو صحت کی دیکھ بھال، زراعت، تعلیم اور عوامی خدمت جیسے شعبوں میں مقامی چیلنجوں سے نمٹنے کے لیے استعمال کر سکتے ہیں۔ اے آئی ٹیکنالوجی کی یہ جمہوری کاری افراد اور تنظیموں کو اپنی مخصوص ضروریات اور حالات کے مطابق حل تیار کرنے، معاشی ترقی اور سماجی ترقی کو فروغ دینے کے لیے بااختیار بناتی ہے۔

اے آئی ماڈل کے استعمال کی کم قیمت کے دور رس نتائج ہیں۔ یہ ترقی پذیر ممالک میں چھوٹے کاروباروں اور اسٹارٹ اپس (startups) کو بڑی، زیادہ قائم کمپنیوں کے ساتھ مقابلہ کرنے کی اجازت دیتا ہے، اختراع اور انٹرپرینیورشپ (entrepreneurship) کو فروغ دیتا ہے۔ یہ محققین اور ماہرین تعلیم کو اے آئی کے تجربات سے وابستہ بھاری اخراجات کے بغیر جدید تحقیق کرنے کے قابل بھی بناتا ہے۔ مزید برآں، یہ پسماندہ کمیونٹیز (communities) میں اے آئی سے چلنے والے حل کی تعیناتی کو آسان بناتا ہے، اہم ضروریات کو پورا کرتا ہے اور کمزور آبادیوں کے لیے زندگی کے معیار کو بہتر بناتا ہے۔

کارکردگی کے فرق کو ختم کرنا

اوپن ویٹ (open-weight) اور ملکیتی کلوزڈ ویٹ (proprietary closed-weight) ماڈلز کے درمیان کارکردگی کا فرق نمایاں طور پر کم ہوا ہے۔ 2024 تک، اوپن ویٹ ماڈلز اپنے تجارتی ہم منصبوں کا مقابلہ کرتے ہیں، جو پورے ایکو سسٹم (ecosystem) میں مسابقت اور اختراع کو فروغ دیتے ہیں۔ بیک وقت، ٹاپ فرنٹئیر (frontier) ماڈلز کے درمیان کارکردگی کا فرق بھی کم ہو گیا ہے۔ چھوٹے ماڈلز ایسے نتائج حاصل کر رہے ہیں جنہیں کبھی بڑے پیمانے پر سسٹمز (systems) کے لیے خاص سمجھا جاتا تھا۔ مثال کے طور پر، مائیکروسافٹ (Microsoft) کا فائی-3-منی (Phi-3-mini) 142 گنا بڑے ماڈلز کے مقابلے میں کارکردگی فراہم کرتا ہے، جو محدود وسائل والے ماحول میں طاقتور اے آئی کو پہنچاتا ہے۔ کارکردگی میں یہ یکسانیت جدید اے آئی صلاحیتوں تک رسائی کو جمہوری بناتی ہے، جس سے صارفین کی ایک وسیع رینج (range) کو اپنی کمپیوٹیشنل (computational) وسائل سے قطع نظر، مختلف ایپلی کیشنز (applications) کے لیے اے آئی سے فائدہ اٹھانے کے قابل بناتی ہے۔

اوپن ویٹ ماڈلز کی بڑھتی ہوئی صلاحیتیں خاص طور پر ان محققین اور ڈویلپرز (developers) کے لیے اہم ہیں جو اے آئی سسٹمز پر شفافیت اور کنٹرول (control) چاہتے ہیں۔ اوپن ویٹ ماڈلز اے آئی کمیونٹی (community) میں زیادہ جانچ پڑتال اور تخصیص کی اجازت دیتے ہیں، اختراع اور تعاون کو فروغ دیتے ہیں۔ مزید برآں، چھوٹے، زیادہ موثر ماڈلز کی دستیابی ایج ڈیوائسز (edge devices) پر اے آئی کی تعیناتی کو قابل بناتیہے، ریئل ٹائم (real-time) پروسیسنگ (processing) کو آسان بناتی ہے اور کلاؤڈ انفراسٹرکچر (cloud infrastructure) پر انحصار کو کم کرتی ہے۔ اس کے خود مختار گاڑیوں، روبوٹکس (robotics) اور آئی او ٹی (IoT) ڈیوائسز جیسی ایپلی کیشنز پر اثرات مرتب ہوتے ہیں۔

جاری چیلنجز: استدلال اور ڈیٹا کی حدود

قابل ذکر پیش رفت کے باوجود، چیلنجز برقرار ہیں۔ اے آئی سسٹمز اب بھی اعلیٰ ترتیب کے استدلال، جیسے کہ ریاضی اور اسٹریٹجک پلاننگ (strategic planning) کے ساتھ جدوجہد کر رہے ہیں، یہ صلاحیتیں ان ڈومینز (domains) میں اہم ہیں جہاں قابل اعتمادی سب سے اہم ہے۔ ان حدود پر قابو پانے کے لیے مسلسل تحقیق اور ذمہ دارانہ اطلاق ضروری ہے۔ زیادہ مضبوط اور قابل اعتماد اے آئی سسٹمز کی ترقی کے لیے استدلال اور مسئلہ حل کرنے میں ان بنیادی چیلنجوں سے نمٹنا ضروری ہے۔

ایک اور ابھرتی ہوئی تشویش عوامی طور پر قابل رسائی ڈیٹا کی دستیابی میں تیزی سے کمی ہے جو اے آئی ماڈلز کو تربیت دینے کے لیے استعمال ہوتا ہے۔ چونکہ ویب سائٹس (websites) ڈیٹا اسکریپنگ (scraping) پر تیزی سے پابندی عائد کر رہی ہیں، اس لیے ماڈل کی کارکردگی اور عمومیت کو نقصان پہنچ سکتا ہے، خاص طور پر ان سیاق و سباق میں جہاں لیبل والے ڈیٹا سیٹس (datasets) پہلے ہی محدود ہیں۔ اس رجحان کے لیے ڈیٹا سے محدود ماحول کے مطابق بنائے گئے نئے سیکھنے کے طریقوں کی ترقی کی ضرورت پڑ سکتی ہے۔ موثر اے آئی ماڈلز کو تربیت دینے کے لیے اعلیٰ معیار کا ڈیٹا ضروری ہے، اور ڈیٹا تک رسائی پر بڑھتی ہوئی پابندیاں اے آئی کی مسلسل ترقی کے لیے ایک اہم چیلنج ہیں۔

• استدلال کی حدود: اعلیٰ ترتیب کے استدلال، ریاضی اور اسٹریٹجک پلاننگ کے ساتھ اے آئی کی جدوجہد کے لیے مزید تحقیق اور ذمہ دارانہ اطلاق کی ضرورت ہے، خاص طور پر قابل اعتمادی کے لحاظ سے اہم ڈومینز میں۔
• ڈیٹا کی قلت: ویب سائٹ کی پابندیوں کی وجہ سے عوامی طور پر دستیاب تربیتی ڈیٹا میں کمی ماڈل کی کارکردگی اور عمومیت کو روک سکتی ہے، جس کے لیے ڈیٹا سے محدود ماحول کے لیے نئے سیکھنے کے طریقوں کی ضرورت ہے۔

پیداواری صلاحیت اور افرادی قوت پر حقیقی دنیا کا اثر

سب سے دلچسپ پیش رفتوں میں سے ایک انسانی پیداواری صلاحیت پر اے آئی کا ٹھوس اثر ہے۔ فالو اپ (follow-up) مطالعات نے ابتدائی نتائج کی تصدیق اور توسیع کی ہے، خاص طور پر حقیقی دنیا کے کام کی جگہ کے ماحول میں۔ یہ مطالعات پیداواری صلاحیت کو بڑھانے اور کام کے معیار کو بہتر بنانے کے لیے اے آئی کی تبدیلی کی صلاحیت کا زبردست ثبوت فراہم کرتے ہیں۔

اس طرح کے ایک مطالعہ میں ایک جنریٹیو اے آئی (generative AI) اسسٹنٹ (assistant) استعمال کرنے والے 5,000 سے زائد کسٹمر سپورٹ (customer support) ایجنٹوں کا سراغ لگایا گیا۔ اس ٹول نے پیداواری صلاحیت میں 15% اضافہ کیا، جس میں سب سے اہم بہتری کم تجربہ کار کارکنوں اور ہنر مند تجارتی کارکنوں میں دیکھی گئی، جنہوں نے اپنے کام کے معیار کو بھی بہتر بنایا۔ مزید برآں، اے آئی کی مدد نے ملازمین کو کام پر سیکھنے میں مدد کی، بین الاقوامی ایجنٹوں میں انگریزی کی روانی کو بہتر بنایا اور یہاں تک کہ کام کے ماحول کو بھی بہتر بنایا۔ جب اے آئی شامل تھا تو گاہک زیادہ شائستہ تھے اور مسائل کو بڑھانے کا امکان کم تھا۔ یہ مطالعہ کارکنوں کو بااختیار بنانے، ان کی مہارتوں کو بہتر بنانے اور کام کا زیادہ مثبت ماحول پیدا کرنے کے لیے اے آئی کی صلاحیت کو ظاہر کرتا ہے۔

ان نتائج کی تکمیل کرتے ہوئے، مائیکروسافٹ کی اے آئی اور پیداواری صلاحیت پر اندرونی تحقیقی اقدام نے ایک درجن سے زائد کام کی جگہ کے مطالعات سے نتائج مرتب کیے، بشمول جنریٹیو اے آئی انضمام کا سب سے بڑا معلوم بے ترتیب کنٹرولڈ ٹرائل (randomized controlled trial)۔ مائیکروسافٹ کوپائلٹ (Microsoft Copilot) جیسے ٹولز پہلے ہی کارکنوں کو مختلف کرداروں اور صنعتوں میں زیادہ موثر طریقے سے کام مکمل کرنے کے قابل بنا رہے ہیں۔ تحقیق اس بات پر زور دیتی ہے کہ اے آئی کا اثر سب سے زیادہ ہوتا ہے جب ٹولز کو حکمت عملی کے ساتھ اپنایا اور مربوط کیا جاتا ہے، اور یہ صلاحیت صرف اس وقت بڑھے گی جب تنظیمیں ان نئی صلاحیتوں سے مکمل فائدہ اٹھانے کے لیے ورک فلو (workflow) کو دوبارہ ترتیب دیں گی۔ یہ تحقیق کام کی جگہ پر اے آئی ٹولز تعینات کرتے وقت اسٹریٹجک پلاننگ اور سوچ سمجھ کر انضمام کی اہمیت کو اجاگر کرتی ہے۔

• پیداواری صلاحیت میں اضافہ: اے آئی اسسٹنٹس نے کسٹمر سپورٹ ایجنٹ کی پیداواری صلاحیت میں 15% اضافہ کیا، خاص طور پر کم تجربہ کار اور ہنر مند تجارتی کارکنوں کو فائدہ پہنچایا، جبکہ کام کے معیار اور ملازمین کی مہارتوں کو بھی بہتر بنایا۔
• اسٹریٹجک انضمام: مائیکروسافٹ کی تحقیق مختلف کرداروں اور صنعتوں میں پیداواری صلاحیت میں اضافے کو زیادہ سے زیادہ کرنے کے لیے اسٹریٹجک اے آئی ٹول کو اپنانے اور ورک فلو کو دوبارہ ترتیب دینے کی اہمیت پر زور دیتی ہے۔

کمپیوٹر سائنس کی تعلیم تک رسائی کو بڑھانا

چونکہ اے آئی تیزی سے روزمرہ کی زندگی میں مربوط ہو رہی ہے، اس لیے کمپیوٹر سائنس کی تعلیم پہلے سے کہیں زیادہ ضروری ہے۔ حوصلہ افزا بات یہ ہے کہ دو تہائی ممالک اب کے-12 (K-12) کمپیوٹر سائنس کی تعلیم پیش کرتے ہیں یا پیش کرنے کا منصوبہ بنا رہے ہیں، یہ اعداد و شمار 2019 سے دوگنا ہو گیا ہے۔ افریقی اور لاطینی امریکی ممالک نے رسائی کو بڑھانے میں سب سے اہم پیش رفت کی ہے۔ تاہم، اس پیش رفت کے فوائد ابھی تک عالمگیر نہیں ہیں۔ افریقہ بھر میں بہت سے طلباء کو اب بھی کمپیوٹر سائنس کی تعلیم تک رسائی حاصل نہیں ہے کیونکہ بنیادی انفراسٹرکچر میں خلا ہے، جس میں اسکولوں میں بجلی کی کمی بھی شامل ہے۔ اس ڈیجیٹل تقسیم کو ختم کرنا اگلی نسل کو نہ صرف اے آئی استعمال کرنے بلکہ اسے تشکیل دینے کے لیے تیار کرنے کے لیے ضروری ہے۔ کمپیوٹر سائنس کی تعلیم کی توسیع اس بات کو یقینی بنانے کے لیے بہت ضروری ہے کہ افراد کے پاس اے آئی سے چلنے والی معیشت میں حصہ لینے اور ذمہ دار اور اخلاقی اے آئی سسٹمز کی ترقی میں حصہ ڈالنے کے لیے ضروری مہارتیں اور علم موجود ہو۔

دنیا کے بہت سے حصوں میں کمپیوٹر سائنس کی تعلیم تک رسائی کی کمی عدم مساوات کو برقرار رکھتی ہے اور افراد کے لیے ڈیجیٹل معیشت میں حصہ لینے کے مواقع کو محدود کرتی ہے۔ اس ڈیجیٹل تقسیم سے نمٹنے کے لیے انفراسٹرکچر میں سرمایہ کاری کرنے، اساتذہ کی تربیت فراہم کرنے اور ثقافتی طور پر متعلقہ نصاب تیار کرنے کی مشترکہ کوشش کی ضرورت ہے۔ کمپیوٹر سائنس کی تعلیم تک رسائی کو بڑھا کر، ہم افراد کو اے آئی کے میدان میں تخلیق کار اور اختراع کار بننے کے لیے بااختیار بنا سکتے ہیں، نہ کہ محض اے آئی ٹیکنالوجی کے غیر فعال صارفین۔

• عالمی توسیع: دو تہائی ممالک اب کے-12 کمپیوٹر سائنس کی تعلیم پیش کرتے ہیں یا پیش کرنے کا منصوبہ بنا رہے ہیں، 2019 سے اس اعداد و شمار کو دوگنا کر دیا گیا ہے، افریقہ اور لاطینی امریکہ میں اہم پیش رفت کے ساتھ۔
• ڈیجیٹل تقسیم: بہت سے افریقی طلباء کو ابھی تک انفراسٹرکچر میں خلا کی وجہ سے کمپیوٹر سائنس کی تعلیم تک رسائی حاصل نہیں ہے، جو اے آئی کو تشکیل دینے کے لیے اگلی نسل کو تیار کرنے کے لیے ڈیجیٹل تقسیم کو ختم کرنے کی ضرورت پر زور دیتا ہے۔

اے آئی کے دور میں مشترکہ ذمہ داری

اے آئی میں پیش رفت پیداواری صلاحیت کو بہتر بنانے، حقیقی دنیا کے چیلنجوں سے نمٹنے اور معاشی ترقی کو متحرک کرنے کا ایک قابل ذکر موقع فراہم کرتی ہے۔ تاہم، اس صلاحیت کو سمجھنے کے لیے مضبوط انفراسٹرکچر، اعلیٰ معیار کی تعلیم اور اے آئی ٹیکنالوجیز کی ذمہ دارانہ تعیناتی میں مسلسل سرمایہ کاری کی ضرورت ہے۔ یہ لازمی ہے کہ ہم اے آئی سسٹمز کی ترقی اور تعیناتی میں اخلاقی تحفظات، انصاف اور شفافیت کو ترجیح دیں۔

اے آئی کی تبدیلی کی صلاحیت سے پوری طرح فائدہ اٹھانے کے لیے، ہمیں کارکنوں کو اپنی ملازمتوں میں اے آئی کو مؤثر طریقے سے لاگو کرنے کے لیے نئی مہارتیں اور ٹولز حاصل کرنے میں مدد کرنے کو ترجیح دینی چاہیے۔ وہ ممالک اور کاروبار جو اے آئی کی مہارت میں سرمایہ کاری کریں گے وہ اختراع کو فروغ دیں گے اور زیادہ لوگوں کے لیے مضبوط معیشت میں حصہ ڈالنے والے بامعنی کیریئر بنانے کے دروازے کھولیں گے۔ مقصد واضح ہے: تکنیکی کامیابیوں کو پیمانے پر عملی اثر میں تبدیل کرنا۔ تعلیم اور تربیت میں سرمایہ کاری کرکے، ہم اس بات کو یقینی بنا سکتے ہیں کہ افراد کے پاس اے آئی سے چلنے والی معیشت میں ترقی کرنے اور اختراعی حل کی ترقی میں حصہ ڈالنے کے لیے ضروری مہارتیں موجود ہوں جو پورے معاشرے کو فائدہ پہنچائیں۔

اے آئی کی ذمہ دارانہ ترقی اور تعیناتی کے لیے حکومتوں، کاروباروں، محققین اور سول سوسائٹی تنظیموں کی مشترکہ کوشش کی ضرورت ہے۔ مل کر کام کرکے، ہم اس بات کو یقینی بنا سکتے ہیں کہ اے آئی کو دنیا کے اہم چیلنجوں سے نمٹنے، معاشی ترقی کو فروغ دینے اور سب کے لیے زندگی کے معیار کو بہتر بنانے کے لیے استعمال کیا جائے۔ یہ ضروری ہے کہ ہم اے آئی سسٹمز کی ترقی اور تعیناتی میں اخلاقی تحفظات، انصاف اور شفافیت کو ترجیح دیں تاکہ اس بات کو یقینی بنایا جا سکے کہ ان کا استعمال اس طرح کیا جائے جو پورے معاشرے کو فائدہ پہنچائے۔