گوگل ڈیپ مائنڈ (Google DeepMind) کے سابق محقق اینڈریو ڈائی (Andrew Dai) نے وینچر کیپیٹل کی دنیا میں ایک نایاب کارنامہ انجام دیا ہے، انہوں نے کوئی پروڈکٹ لانچ کرنے سے پہلے ہی 300 ملین ڈالر کی حیران کن ویلیویشن پر 55 ملین ڈالر کا سیڈ راؤنڈ (seed round) حاصل کر لیا ہے۔ ان کا نیا منصوبہ، Elorian، مصنوعی ذہانت (AI) میں موجود خلا کو پر کرنے کے لیے صنعت کی سب سے بڑی رکاوٹ: ویژول ریزننگ (visual reasoning) کو حل کرنے کا ہدف رکھتا ہے۔

اگلے سنگ میل کو نشانہ بنانا: Visual AGI

اگرچہ موجودہ AI منظر نامہ بڑے لینگویج ماڈلز (LLMs) میں ہونے والی پیش رفت سے مسخر ہے جو پیچیدہ ریاضی، فزکس اور کوڈنگ کے مسائل حل کرنے کی صلاحیت رکھتے ہیں، ڈائی کا کہنا ہے کہ دیگر شعبوں میں ترقی "انتہائی غیر متوازن" رہی ہے۔ ChatGPT کی ترقی میں معاون ثابت ہونے والی تحقیق میں حصہ لینے کے بعد، ڈائی اب اپنی توجہ اگلے بڑے سنگ میل یعنی ویژول انڈرسٹینڈنگ (visual understanding) کی طرف موڑ رہے ہیں۔

Elorian میں مشن محض تصویروں کی شناخت سے آگے بڑھ کر حقیقی Visual AGI (Artificial General Intelligence) کی طرف جانا ہے۔ اس میں ایسے ماڈلز تیار کرنا شامل ہے جو پیچیدہ ویژول ریزننگ (visual reasoning) کی صلاحیت رکھتے ہوں—یعنی بصری دنیا کی تشریح کرنے، اسے سمجھنے اور اس کے ساتھ اسی باریکی سے تعامل کرنے کی صلاحیت جو موجودہ ماڈلز متن (text) کے لیے استعمال کرتے ہیں۔ ڈویلپرز اور بانیوں کے لیے، یہ اشارہ ہے کہ AI کی جنگ اب خالص لسانی ذہانت سے بدل کر ملٹی ماڈل مہارت (multimodal mastery) کی طرف منتقل ہو رہی ہے۔

زیادہ سے زیادہ ویلیویشن کے بجائے اسٹریٹجک کیپیٹل

Elorian کے فنڈ ریزنگ کے سفر کا ایک سب سے نمایاں پہلو سرمایہ کاری کے بارے میں ڈائی کا فلسفہ ہے۔ 300 ملین ڈالر کی بھاری بھرکم پری سیڈ (pre-seed) ویلیویشن کے باوجود، ڈائی اس بات پر زور دیتے ہیں کہ ایک فرنٹیئر AI اسٹارٹ اپ کے لیے ہمیشہ سب سے زیادہ قیمت حاصل کرنا حتمی مقصد نہیں ہوتا۔ اس کے بجائے، انہوں نے اپنے سرمایہ کاروں کے گروپ میں اسٹریٹجک ہم آہنگی اور تکنیکی مہارت کو ترجیح دی۔

Nvidia اور Menlo Ventures جیسے شراکت داروں کو حاصل کر کے، Elorian نے محض نقد رقم (liquidity) ہی نہیں بلکہ ہارڈ ویئر ایکو سسٹم اور اس وینچر کی مہارت بھی حاصل کر لی ہے جو کمپیوٹ انٹینسیو (compute-intensive) ماڈلز بنانے کے لیے ضروری ہے۔ فرنٹیئر AI کی اس پرخطر دنیا میں، جہاں GPUs تک رسائی اور صنعت کی گہری معلومات کسی کمپنی کو کامیاب یا ناکام بنا سکتی ہے، "مہنگی رقم" کے بجائے "سمارٹ منی" کا انتخاب کرنا ایک اہم اسٹریٹجک قدم ہے۔

فرنٹیئر AI اسٹارٹ اپس کے چیلنجز سے نمٹنا

بڑی ٹیک کمپنیوں (Big Tech giants) کے سائے میں اسٹارٹ اپ بنانا محض ایک مضبوط تکنیکی روڈ میپ سے کہیں زیادہ تقاضا کرتا ہے۔ ڈائی جدید AI بانیوں کے لیے کامیابی کے کئی ستونوں کی نشاندہی کرتے ہیں:

  • پیچیدگی کی وضاحت: انتہائی تکنیکی اور تحقیق پر مبنی وژن کو ایسی دلچسپ کہانیوں میں تبدیل کرنے کی صلاحیت جسے غیر تکنیکی سرمایہ کار سائنسی جوہر کو کھوئے بغیر سمجھ سکیں۔
  • ٹیلنٹ کی جنگ: گوگل اور میٹا (Meta) جیسے قائم شدہ اداروں سے عالمی معیار کے محققین کو اپنی طرف راغب کرنے کے لیے ایک ایسے مشن کی ضرورت ہے جو زیادہ خودمختاری اور تیز تر عمل (iteration cycles) فراہم کرے۔
  • رفتار بطور دفاع (Moat): ایک ایسے مارکیٹ میں جہاں ماڈلز کی صلاحیتیں ہفتہ وار بنیادوں پر بدلتی رہتی ہیں، کام کی رفتار (execution speed) ایک بنیادی مسابقتی فائدہ ہے۔

جیسے جیسے صنعت ملٹی ماڈل سسٹمز کی طرف بڑھ رہی ہے، Elorian کا جارحانہ آغاز ایک وسیع تر رجحان کو اجاگر کرتا ہے: مخصوص AI شعبوں (niches) میں سرمایے کا بڑے پیمانے پر بہاؤ جو مشین کی ذہانت کے اگلے درجے کو کھولنے کا وعدہ کرتے ہیں۔

اہم نکات

  • ویژول گیپ: اگرچہ LLMs متن اور کوڈ میں مہارت رکھتے ہیں، لیکن ویژول ریزننگ اب بھی ایک ایسا غیر تسکین بخش شعبہ ہے جسے Elorian Visual AGI کے ذریعے فتح کرنے کا ارادہ رکھتا ہے۔
  • اسٹریٹجک سرمایہ کاروں کا انتخاب: فرنٹیئر AI کمپنیوں کے لیے، Nvidia جیسے ہارڈ ویئر لیڈرز کے ساتھ شراکت داری اکثر ویلیویشن کو زیادہ سے زیادہ بڑھانے سے زیادہ قیمتی ہوتی ہے۔
  • پیچیدگی کا انتظام: کامیاب بانیوں کو بڑے سیڈ راؤنڈز حاصل کرنے کے لیے غیر تکنیکی وینچر کیپیٹلسٹ کو اعلیٰ سطح کی تکنیکی تحقیق پیش کرنے کے فن میں مہارت حاصل کرنی چاہیے۔

خلاصہ

Elorian کا سیڈ راؤنڈ ظاہر کرتا ہے کہ سرمایہ کار ویژول ریزننگ پر بڑا جوا کھیلنے کے لیے تیار ہیں، لیکن کامیابی محض رقم تک محدود نہیں ہوگی۔ ہارڈ ویئر تک رسائی، گہری تحقیق کو ایک پرکشش کہانی میں بدلنے کی صلاحیت، اور قائم شدہ کھلاڑیوں سے آگے نکلنے کی رفتار یہ طے کرے گی کہ آیا یہ اسٹارٹ اپ ایک بلند ویلیویشن کو ٹھوس، ملٹی ماڈل AI میں بدل سکتا ہے جو مشینوں کے دنیا کو دیکھنے کے انداز کو بدل دے۔