کیا GPT-4.5 ناکام تھا؟

GPT-4.5 کی وسعت اور گنجائش

GPT-4.5، OpenAI کی جانب سے اب تک کا سب سے بڑا منصوبہ ہے، خاص طور پر اس کے حجم کے لحاظ سے۔ اگرچہ اس کے architecture اور تربیتی ڈیٹا کے بارے میں تفصیلی معلومات کم ہیں، لیکن یہ معلوم ہے کہ اس کی تربیت کا عمل اتنا computationally intensive تھا کہ اسے متعدد ڈیٹا سینٹرز میں تقسیم کرنا پڑا۔ یہ اکیلا ہی اس کی تیاری میں لگائے گئے بے پناہ وسائل کی طرف اشارہ کرتا ہے۔

ماڈل کی قیمتوں کا ڈھانچہ بھی اسے ایک پریمیم پیشکش کے طور پر ظاہر کرتا ہے۔ اس کی قیمتیں اپنے پیشروؤں کے مقابلے میں نمایاں طور پر زیادہ ہیں، GPT-4o سے 15-30 گنا، o1 سے 3-5 گنا، اور Claude 3.7 Sonnet سے 10-25 گنا زیادہ۔ رسائی فی الحال ChatGPT Pro سبسکرائبرز (200 ڈالر ماہانہ) اور API کلائنٹس تک محدود ہے جو فی ٹوکن بنیاد پر ادائیگی کرنے کو تیار ہیں۔

تاہم، کارکردگی میں اضافہ، کم از کم کچھ شعبوں میں، قیمت کے مطابق نہیں ہے۔ ابتدائی benchmarks نے GPT-4o کے مقابلے میں معمولی بہتری ظاہر کی اور یہاں تک کہ GPT-4.5 کو o1 اور o3-mini جیسے ماڈلز سے پیچھے دکھایا، خاص طور پر استدلال (reasoning) کے کاموں میں۔

GPT-4.5 کے مقصود مقصد کو سمجھنا

یہ تسلیم کرنا بہت ضروری ہے کہ OpenAI نے کبھی بھی GPT-4.5 کو اپنے فلیگ شپ، ہمہ جہت ماڈل کے طور پر مارکیٹ نہیں کیا۔ درحقیقت، ان کے بلاگ پوسٹ کے ابتدائی ورژنز نے واضح کیا کہ اس کا مقصد ‘فرنٹیئر ماڈل’ نہیں تھا جو صلاحیت کی مطلق حدود کو آگے بڑھائے۔ مزید برآں، یہ بنیادی طور پر ایک استدلالی ماڈل کے طور پر ڈیزائن نہیں کیا گیا ہے، جس کی وجہ سے اس کا موازنہ ان ماڈلز سے کرنا جو اس مقصد کے لیے موزوں بنائے گئے ہیں (جیسے o3 اور DeepSeek-R1) کسی حد تک گمراہ کن ہے۔

OpenAI نے اشارہ دیا ہے کہ GPT-4.5 ان کا آخری non-chain-of-thought ماڈل ہوگا۔ اس کا مطلب ہے کہ اس کی تربیت میں دنیا کے وسیع علم کو شامل کرنے اور صارف کی ترجیحات کے ساتھ ہم آہنگ ہونے پر زیادہ توجہ دی گئی، بجائے اس کے کہ پیچیدہ استدلال کی صلاحیتوں کو فروغ دیا جائے۔

جہاں GPT-4.5 چمک سکتا ہے: علم اور باریکیاں

بڑے ماڈلز کا بنیادی فائدہ اکثر ان کی علم حاصل کرنے کی توسیع شدہ صلاحیت میں ہوتا ہے۔ GPT-4.5، اس اصول کے مطابق، اپنے چھوٹے ہم منصبوں کے مقابلے میں hallucinate کرنے کا کم رجحان ظاہر کرتا ہے۔ یہ اسے ان منظرناموں میں ممکنہ طور پر قیمتی بناتا ہے جہاں حقائق اور سیاق و سباق کی معلومات کی سختی سے پابندی انتہائی اہم ہو۔

مزید برآں، GPT-4.5 صارف کی ہدایات اور ترجیحات پر عمل کرنے کی بہتر صلاحیت کا مظاہرہ کرتا ہے۔ اس کا مظاہرہ OpenAI کی جانب سے مختلف مظاہروں میں کیا گیا ہے اور آن لائن شیئر کیے گئے صارف کے تجربات سے اس کی تصدیق ہوتی ہے۔ ماڈل صارف کے ارادے کی باریکیوں کو زیادہ مؤثر طریقے سے سمجھتا ہے، جس کی وجہ سے زیادہ موزوں اور متعلقہ نتائج برآمد ہوتے ہیں۔

نثر کے معیار پر بحث: موضوعیت اور صلاحیت

GPT-4.5 کی اعلیٰ نثر پیدا کرنے کی صلاحیت کے حوالے سے ایک جاندار بحث سامنے آئی ہے۔ OpenAI کے کچھ ایگزیکٹوز نے ماڈل کے آؤٹ پٹ کوالٹی کی تعریف کی ہے، یہاں تک کہ CEO سیم آلٹمین نے یہ بھی کہا کہ اس کے ساتھ بات چیت نے کچھ سمجھدار ٹیسٹرز کے لیے ‘AGI’ (Artificial General Intelligence) کی جھلک فراہم کی۔

تاہم، وسیع تر ردعمل یقینی طور پر ملا جلا رہا ہے۔ OpenAI کے شریک بانی Andrej Karpathy نے ان کاموں میں بہتری کی توقع کی تھی جو خالص استدلال پر کم انحصار کرتے ہیں، ‘EQ’ (جذباتی ذہانت)، تخلیقی صلاحیت، مشابہت سازی، اور مزاح جیسے شعبوں پر زور دیتے ہوئے – ایسے پہلو جو اکثر دنیا کے علم اور عمومی سمجھ بوجھ کی وجہ سے رکاوٹ بنتے ہیں۔

دلچسپ بات یہ ہے کہ Karpathy کی جانب سے کیے گئے ایک سروے میں تحریری معیار کے لحاظ سے GPT-4.5 کے جوابات پر GPT-4o کے جوابات کو عام صارف کی ترجیح ظاہر ہوئی۔ یہ نثر کا جائزہ لینے میں موروثی موضوعیت کو اجاگر کرتا ہے اور تجویز کرتا ہے کہ ہنر مند پرامپٹ انجینئرنگ چھوٹے، زیادہ موثر ماڈلز سے موازنہ معیار حاصل کر سکتی ہے۔

Karpathy نے خود نتائج کی ابہام کو تسلیم کیا، مختلف ممکنہ وضاحتیں پیش کیں: ‘اعلیٰ ذوق’ رکھنے والے ٹیسٹرز شاید لطیف ساختی بہتریوں کو محسوس کر رہے ہوں جو دوسروں سے چھوٹ گئی ہیں، آزمائے گئے نمونے شاید مثالی نہ ہوں، یا فرق محض ایک چھوٹے نمونے کے سائز میں سمجھنے کے لیے بہت لطیف ہوں۔

اسکیلنگ کی حدود اور LLMs کا مستقبل

GPT-4.5 کا اجراء، کچھ پہلوؤں سے، بڑے پیمانے پر ڈیٹا سیٹس پر تربیت یافتہ ماڈلز کو محض اسکیل کرنے کی ممکنہ حدود کو اجاگر کرتا ہے۔ Ilya Sutskever، OpenAI کے ایک اور شریک بانی اور سابق چیف سائنٹسٹ، نے NeurIPS 2024 میں مشہور طور پر کہا تھا کہ “pre-training جیسا کہ ہم جانتے ہیں بلاشبہ ختم ہو جائے گی… ہم نے peak data حاصل کر لیا ہے اور مزید کچھ نہیں ہوگا۔ ہمیں اس ڈیٹا سے نمٹنا ہوگا جو ہمارے پاس ہے۔ صرف ایک انٹرنیٹ ہے۔”

GPT-4.5 کے ساتھ مشاہدہ کیے گئے گھٹتے ہوئے نتائج عام مقصد کے ماڈلز کو اسکیل کرنے کے چیلنجوں کا ثبوت ہیں جو بنیادی طور پر انٹرنیٹ ڈیٹا پر تربیت یافتہ ہیں اور انسانی فیڈ بیک (RLHF) سے reinforcement learning کے ذریعے alignment کے لیے ٹھیک بنائے گئے ہیں۔

بڑے لسانی ماڈلز کے لیے اگلا محاذ test-time scaling (یا inference-time scaling) دکھائی دیتا ہے۔ اس میں ماڈلز کو chain-of-thought (CoT) ٹوکنز بنا کر زیادہ دیر تک “سوچنے” کی تربیت دینا شامل ہے۔ Test-time scaling ایک ماڈل کی پیچیدہ استدلال کے مسائل سے نمٹنے کی صلاحیت کو بڑھاتا ہے اور o1 اور R1 جیسے ماڈلز کی کامیابی میں ایک اہم عنصر رہا ہے۔

ناکامی نہیں، بلکہ ایک بنیاد

اگرچہ GPT-4.5 ہر کام کے لیے بہترین انتخاب نہیں ہو سکتا، لیکن مستقبل کی ترقی کے لیے ایک بنیادی عنصر کے طور پر اس کے ممکنہ کردار کو تسلیم کرنا بہت ضروری ہے۔ ایک مضبوط knowledge base زیادہ جدید استدلالی ماڈلز کی ترقی کے لیے ضروری ہے۔

یہاں تک کہ اگر GPT-4.5 خود زیادہ تر ایپلی کیشنز کے لیے go-to ماڈل نہیں بنتا ہے، تو یہ بعد کے استدلالی ماڈلز کے لیے ایک اہم بلڈنگ بلاک کے طور پر کام کر سکتا ہے۔ یہ بھی ممکن ہے کہ اسے پہلے ہی o3 جیسے ماڈلز میں استعمال کیا جا رہا ہو۔

جیسا کہ Mark Chen، OpenAI کے چیف ریسرچ آفیسر نے وضاحت کی، “آپ کو استدلال کی تعمیر کے لیے علم کی ضرورت ہے۔ ایک ماڈل اندھا دھند جا کر صرف شروع سے استدلال نہیں سیکھ سکتا۔ لہذا ہم ان دونوں نمونوں کو کافی حد تک complimentary پاتے ہیں، اور ہمیں لگتا ہے کہ ان کے ایک دوسرے پر feedback loops ہیں۔”

لہذا، GPT-4.5 کی ترقی، ایک dead end کی نمائندگی نہیں کرتی، بلکہ بڑے لسانی ماڈلز کے جاری ارتقاء میں ایک اسٹریٹجک قدم ہے۔ یہ AI تحقیق کی iterative نوعیت کا ثبوت ہے، جہاں ہر قدم، چاہے بظاہر الگ تھلگ ہی کیوں نہ ہو، زیادہ قابل اور ورسٹائل AI سسٹمز کی جانب وسیع تر پیش رفت میں حصہ ڈالتا ہے۔ اب توجہ اس مضبوط علمی بنیاد سے فائدہ اٹھانے پر مرکوز ہے تاکہ ایسے ماڈلز بنائے جائیں جو نہ صرف معلومات کو یاد کر سکیں بلکہ بے مثال تاثیر کے ساتھ استدلال اور مسائل کو حل کر سکیں۔ واقعی ذہین AI کی جانب سفر جاری ہے، اور GPT-4.5، اپنے ملے جلے استقبال کے باوجود، اس سفر میں ایک اہم حصہ ادا کرتا ہے۔
اب توجہ صرف اس بات پر نہیں ہے کہ ایک ماڈل کتنا جانتا ہے، بلکہ اس پر ہے کہ وہ اس علم کو کتنی اچھی طرح استعمال کر سکتا ہے۔ یہ بنیادی چیلنج ہے جس سے AI کمیونٹی نبرد آزما ہے، اور GPT-4.5، اگرچہ ایک بہترین حل نہیں ہے، قیمتی بصیرت اور مستقبل کی کامیابیوں کے لیے ایک ٹھوس بنیاد فراہم کرتا ہے۔ آگے کا راستہ طریقوں کے ایک مجموعہ پر مشتمل ہے: موجودہ تکنیکوں کو بہتر بنانا، نئے architectures کو تلاش کرنا، اور تربیت اور تشخیص کے لیے زیادہ جدید طریقے تیار کرنا۔ حتمی مقصد وہی رہتا ہے: ایسے AI سسٹم بنانا جو نہ صرف انسانی زبان کو سمجھ سکیں اور پیدا کر سکیں بلکہ استدلال، سیکھنے اور ان طریقوں سے مطابقت پیدا کر سکیں جو کبھی انسانی ذہانت کا خصوصی دائرہ کار سمجھا جاتا تھا۔