چیٹ بوٹس سے آگے: اے آئی کو جواب دینے کے بجائے کام کرنے کی طرف کیوں بڑھنا چاہیے

ری ایکٹو (reactive) اے آئی کا دور ختم ہو رہا ہے۔ ہم صرف معقول متن تیار کرنے والے Large Language Models (LLMs) سے نکل کر ایسے خود مختار ایجنٹس (autonomous agents) کی طرف بڑھ رہے ہیں جو مستقل ڈیجیٹل ماحول میں پیچیدہ اور کثیر مرحلہ وار ورک فلو (workflows) کو مکمل کرنے کی صلاحیت رکھتے ہیں۔

تیز وجدان سے سست استدلال تک

اے آئی کا موجودہ ارتقاء کمپیوٹیشنل منطق میں ایک بنیادی تبدیلی سے عبارت ہے۔ روایتی چیٹ بوٹس "System 1" سوچ پر کام کرتے تھے—جو کہ تیز، وجدانی، اور شماریاتی امکانات (statistical probability) کی بنیاد پر ٹوکن بہ ٹوکن متن کی تخلیق ہے۔ یہ ماڈلز فوری جوابات تو فراہم کرتے تھے لیکن ان میں اپنی منطق کی تصدیق کرنے یا عمل کے دوران غلطیوں کی اصلاح کرنے کی صلاحیت نہیں تھی۔

"thinking LLMs" کا ظہور، جس کی قیادت OpenAI کے o1 اور DeepSeek-R1 جیسے ماڈلز کر رہے ہیں، نے "System 2" استدلال (reasoning) متعارف کرایا ہے۔ انفرنس ٹائم (inference time) پر زیادہ کمپیوٹیشن استعمال کر کے، یہ ماڈلز سوچ کی طویل زنجیریں (chains of thought) تیار کرنے کے لیے reinforcement learning کا استعمال کرتے ہیں۔ یہ حل کے راستوں کی تلاش کرتے ہیں، درمیانی مراحل کی تصدیق کرتے ہیں، اور خود سے اصلاح کرتے ہیں، تاکہ اس بات کو یقینی بنایا جا سکے کہ صرف تصدیق شدہ درست حل ہی پیش کیے جائیں۔ یہ تبدیلی ایک ماڈل کو سرچ انجن کے متبادل سے ایک استدلال انجن (reasoning engine) میں تبدیل کرنے کی طرف پہلا قدم ہے۔

OpenClaw کا دور: ورک سپیس اور اسکل انٹیگریشن

اگرچہ استدلال اہم ہے، لیکن صرف استدلال سے کام مکمل نہیں ہوتا۔ محققین کا کہنا ہے کہ اگلی بڑی چھلانگ—یعنی "OpenClaw" کا دور—نازک اور وقتی ٹول کالز (tool calls) سے نکل کر مستقل اور محفوظ ورک سپیسز (workspaces) کی طرف منتقلی کا تقاضا کرتا ہے۔

اس میں بڑی کامیابی Workspace اور Skill کے ملاپ میں پنہاں ہے:

  • The Workspace: ایک مستقل ماحول جس میں فائلیں، ٹرمینلز، لاگز اور براؤزرز شامل ہوتے ہیں۔ ابتدائی ایجنٹس کے برعکس جو مراحل کے درمیان سیاق و سباق (context) کھو دیتے تھے، ایک ورک سپیس "state" فراہم کرتی ہے، جس کا مطلب ہے کہ اے آئی ایک مستحکم ماحول کے ساتھ بات چیت کر سکتا ہے جہاں اقدامات کے دیرپا نتائج ہوتے ہیں۔
  • Skills: سادہ پرامپٹس سے آگے بڑھتے ہوئے، "skills" آپریشنل علم کے ماڈیولر اور دوبارہ استعمال کے قابل بنڈلز ہیں۔ مثال کے طور پر، Anthropic کے Agent Skills، ہدایات اور اسکرپٹس کو پیک کرنے کے لیے SKILL.md فائلوں کا استعمال کرتے ہیں۔ یہ اداروں کو ہر پرامپٹ کے ساتھ ورک فلو کو دوبارہ ایجاد کرنے کے بجائے، اپنے ادارہ جاتی تجربے (institutional know-how) کو ایک پورٹیبل فارمیٹ میں محفوظ کرنے کی اجازت دیتا ہے۔

کامیابی کی نئی تعریف: ٹاسک کلوزر بمقابلہ جواب کی درستگی

جیسے جیسے اے آئی ورک سپیسز میں داخل ہو رہا ہے، "ذہانت" کے پیمانے تبدیل ہونے چاہئیں۔ چیٹ بوٹ کے دور میں، ماڈلز کو ان کے جوابات کی درستگی پر پرکھا جاتا تھا۔ ایجنٹک دور (agentic era) میں، کامیابی کا اندازہ task closure سے لگایا جاتا ہے: یعنی کسی ہدف شدہ ماحول کو تصدیق شدہ آخری حالت (end state) تک پہنچانے کی صلاحیت۔

اس تبدیلی کا ثبوت جدید بینچ مارکس کی پیچیدگی سے ملتا ہے۔ اگرچہ GPT-4 متن کے معاملے میں بہترین ہے، لیکن اس نے شروع میں WebArena بینچ مارک میں صرف 14% ٹاسک مکمل کیے، جو حقیقی دنیا کے ویب ماحول کی نقل کرتا ہے۔ اب کامیابی کے لیے صرف آؤٹ پٹ پڑھنا کافی نہیں بلکہ "state-action-observation trajectories" کا تجزیہ کرنا ضروری ہے—یعنی یہ دیکھنا کہ ایک ایجنٹ سسٹم کے اندر کیسے حرکت کرتا ہے۔

سیکیورٹی اور گورننس کی نئی سرحدیں

بڑھتی ہوئی خود مختاری کے ساتھ خطرات بھی بڑھ جاتے ہیں۔ چونکہ ورک سپیس پر مبنی ایجنٹس کے پاس کریڈنشلز، آئیڈنٹیٹی ٹوکنز اور حساس ریپوزٹریز تک رسائی ہوتی ہے، اس لیے وہ اے آئی کے حملے کے دائرے (attack surface) کو وسیع کر دیتے ہیں۔ OpenClaw PRISM اور ClawGuard جیسے ابھرتے ہوئے فریم ورکس ایسے "harnesses" بنانے پر توجہ مرکوز کر رہے ہیں جن میں اجازت کے کنٹرولز (permission controls)، ماخذ کی ٹریکنگ (provenance tracking) اور سینڈ باکسنگ (sandboxing) شامل ہیں۔ اے آئی کو ایک حقیقی ساتھی بنانے کے لیے، ڈویلپرز کو رول بیک (rollback)، ڈیٹا کی خودمختاری (data sovereignty) اور ورک سپیس کی صفائی (workspace hygiene) کے مسائل حل کرنے ہوں گے تاکہ اس بات کو یقینی بنایا جا سکے کہ ایجنٹ کی غلطی ایک مستقل تعمیراتی نقص (architectural flaw) نہ بن جائے۔

اہم نکات

  • Reasoning Shift: اے آئی "System 1" (تیز، ری ایکٹو) سے "System 2" (سست، سوچ سمجھ کر کیا جانے والا) استدلال کی طرف بڑھ رہا ہے، اور خود سے اصلاح کے لیے انفرنس ٹائم پر اضافی کمپیوٹیشن کا استعمال کر رہا ہے۔
  • Workspace + Skill: حقیقی خود مختاری کے لیے ایک مستقل ڈیجیٹل ورک سپیس اور اس کے ساتھ ماڈیولر، دوبارہ استعمال کے قابل "skills" کی ضرورت ہے تاکہ ورک فلو کو بار بار دہرایا جا سکے اور اسے وسعت دی جا سکے۔
  • New Evaluation Metrics: کامیابی اب محض ایک ٹیکسٹ جواب کے معقول ہونے کے بارے میں نہیں ہے، بلکہ "task closure" کے بارے میں ہے—یعنی ایک پیچیدہ ماحول کے اندر ورک فلو کو تصدیق کے ساتھ مکمل کرنا۔