اے آئی کا سیاسی جھکاؤ: کیوں "اینٹی ووک" (Anti-Woke) چیٹ بوٹس بھی بائیں بازو کی طرف مائل ہیں
واشنگٹن پوسٹ کی ایک حالیہ تحقیقات نے LLM کی دنیا میں ایک مستقل نظریاتی رجحان کو بے نقاب کیا ہے: زیادہ تر بڑے اے آئی ماڈلز میں بائیں بازو کا نمایاں جھکاؤ پایا جاتا ہے۔ یہاں تک کہ وہ ماڈلز جنہیں خاص طور پر قدامت پسند یا "سچائی کی تلاش کرنے والے" کے طور پر مارکیٹ کیا جاتا ہے، اس نمونے سے نکلنے کے لیے جدوجہد کر رہے ہیں، جو ٹریننگ ڈیٹا اور الائنمنٹ پروٹوکولز کے گہرے اثر کو اجاگر کرتا ہے۔
بائیں بازو کے جوابات کا غلبہ
تحقیقات میں مختلف سیاسی سوالات پر چھ صف اول کے اے آئی ماڈلز کا تجربہ کیا گیا، جس سے ترقی پسند نقطہ نظر کی طرف ایک واضح جھکاؤ سامنے آیا۔ OpenAI کا GPT-5.5 سب سے زیادہ متعصب نکلا، جس کے 80% جوابات صرف بائیں بازو کے دلائل فراہم کر رہے تھے۔ یہ ماڈل اکثر امیروں پر زیادہ ٹیکس اور سنگل پےئر ہیلتھ کیئر سسٹمز جیسی پالیسیوں کی حمایت کرتا ہے۔
Deepseek کا V4 Pro اس کے فوراً بعد آیا، جس نے 70% ٹیسٹ کیسز میں صرف بائیں بازو کے جوابات دیے۔ OpenAI اور Deepseek دونوں کے ماڈلز نے مسلسل سزائے موت کے خلاف دلائل دیے، باوجود اس کے کہ Gallup کے دیرینہ ڈیٹا کے مطابق اکثریت امریکی اس عمل کی حمایت کرتی ہے۔ Anthropic کا Claude Opus 4.8 زیادہ اعتدال پسند رویہ ظاہر کرتا ہے، جو 43% مواقع پر صرف بائیں بازو کے جوابات دیتا ہے جبکہ 57% مواقع پر متوازن نقطہ نظر پیش کرتا ہے۔
"اینٹی ووک" اور قدامت پسند اے آئی کا تضاد
سب سے حیران کن نتائج میں سے ایک ان ماڈلز کی ناکامی تھی جنہیں خاص طور پر محسوس کیے جانے والے ترقی پسند جھکاؤ کا مقابلہ کرنے کے لیے ڈیزائن کیا گیا تھا۔ Elon Musk کا xAI Grok 4.3، جسے اینٹی-"ووک" اور "سچائی کی تلاش کرنے والے" چیٹ بوٹ کے طور پر مارکیٹ کیا گیا تھا، پھر بھی اکثر صرف بائیں بازو کے جوابات ہی دیتا رہا۔ اگرچہ اس نے اپنے حریفوں کے مقابلے میں زیادہ دائیں بازو کے جوابات دیے، لیکن یہ مستقل طور پر قدامت پسند موقف برقرار رکھنے میں ناکام رہا۔
تحقیقات اس کی دو ممکنہ وجوہات بتاتی ہیں: یا تو ماڈلز کو انہی بڑے پیمانے کے انٹرنیٹ ڈیٹا سیٹس پر تربیت دی گئی ہے جو ان کے حریف استعمال کرتے ہیں، یا وہ نادانستہ طور پر دوسرے اے آئی ماڈلز کے نتائج سے سیکھ رہے ہیں۔ مزید برآں، Gab کے Arya ماڈل کا معاملہ—جو دعویٰ کرتا ہے کہ اسے مسیحی اور قدامت پسند اصولوں پر بنایا گیا ہے—یہ ظاہر کرتا ہے کہ اس نے دائیں بازو کے مقابلے میں بائیں بازو کے دلائل بارہ گنا زیادہ مرتبہ دیے۔ تاہم، Grok نے ثابت کیا کہ الائنمنٹ کو دستی طور پر موڑا جا سکتا ہے؛ اس نے ٹرانس حقوق (trans rights) پر مکمل طور پر دائیں بازو کا موقف اپنایا، جو Elon Musk کے اپنے عوامی موقف کی عکاسی کرتا ہے، جس سے یہ ظاہر ہوتا ہے کہ مخصوص اہم موضوعات میں جان بوجھ کر مداخلت کی جا سکتی ہے۔
متوازن استثنا کے طور پر Google کا Gemini
جہاں پوری صنعت غیر جانبداری کے لیے جدوجہد کر رہی ہے، وہاں Google کا Gemini 3.1 Pro ایک اہم استثنا کے طور پر ابھرا۔ اس ماڈل نے توازن برقرار رکھنے کی حیرت انگیز صلاحیت کا مظاہرہ کیا، اور 93% مواقع پر کسی بھی مسئلے کے دونوں پہلو پیش کیے۔ اس کے صرف 7% جوابات بائیں بازو کے جھکاؤ والے تھے، اور یہ کبھی بھی مکمل طور پر دائیں بازو کے موقف پر مبنی نہیں رہا۔
Gemini نے متنوع نقطہ نظر تلاش کرنے کی منفرد صلاحیت بھی دکھائی، جیسے کہ معیشت کو مضبوط کرنے کے لیے فوجی توسیع کے حق میں دلیل فراہم کرنا—ایک ایسا نقطہ نظر جو دوسرے ماڈلز پیش کرنے میں ناکام رہے۔ اس سے یہ ظاہر ہوتا ہے کہ Google کا reinforcement learning from human feedback (RLHF) اور سسٹم پرامپٹنگ (system prompting) شاید کثیر جہتی استدلال کے لیے زیادہ مؤثر طریقے سے ٹیون کیا گیا ہے۔
یہ اے آئی ایکو سسٹم کے لیے کیوں اہم ہے
جیسے جیسے LLMs معلومات کے حصول کے لیے بنیادی ذریعہ بن رہے ہیں، "غیر جانبداری کا خلا" (neutrality gap) ڈویلپرز اور پالیسی سازوں کے لیے ایک اہم تشویش بن جاتا ہے۔ اگر بنیادی ڈیٹا یا فائن ٹیوننگ کے دوران لگائی گئی حفاظتی تہیں (safety layers) نظریاتی طور پر متعصب ہوں، تو اے آئی کے ایک غیر جانبدار آلے کے بجائے محض ایک "ایکو چیمبر" (echo chamber) بننے کا خطرہ ہے۔ وسیع تر منظرنامے کے لیے، یہ "حفاظتی الائنمنٹ" (safety alignment) کو "نظریاتی الائنمنٹ" (ideological alignment) سے الگ کرنے کے تکنیکی چیلنج کو اجاگر کرتا ہے، خاص طور پر جب بعض سیاسی موقف سائنسی اتفاق رائے یا انسانی حقوق سے ٹکراتے ہوں۔
اہم نکات
- بڑے پیمانے پر جھکاؤ: OpenAI (GPT-5.5) اور Deepseek (V4 Pro) نے بائیں بازو کے جھکاؤ کی بلند ترین سطح دکھائی، جو بالترتیب 80% اور 70% تھی۔
- ناکام نظریاتی تبدیلی: xAI کے Grok اور Gab کے Arya جیسے "اینٹی ووک" ماڈلز اب بھی زیادہ تر بائیں بازو کے نقطہ نظر کی طرف مائل ہیں، جس کی ممکنہ وجہ ٹریننگ ڈیٹا پر ان کا انحصار ہے۔
- غیر جانبداری کا استثنا: Google کا Gemini 3.1 Pro سب سے متوازن ماڈل ثابت ہوا، جس نے آزمائے گئے 93% منظرناموں میں دو طرفہ نقطہ نظر پیش کیے۔