سیم آلٹ مین کا دعویٰ ہے کہ اسکیلنگ کے شکوک و شبہات رکھنے والوں نے AI کی ترقی کو روکا

OpenAI کے سی ای او سیم آلٹ مین اسکیلنگ (scaling) کی طاقت پر مزید زور دے رہے ہیں، ان کا کہنا ہے کہ محققین کی پچھلی نسل نے Large Language Models (LLMs) کی صلاحیتوں کو کم تر سمجھ کر ترقی کی راہ میں رکاوٹ ڈالی۔ جیسے جیسے ٹرانسفارمر آرکیٹیکچرز (transformer architectures) کی حد کے بارے میں بحث شدت اختیار کر رہی ہے، آلٹ مین کا دعویٰ ہے کہ تجرباتی شواہد بڑی تعداد میں کمپیوٹ اور ڈیٹا کی مسلسل توسیع کے حق میں ہیں۔

فکری جمود کی قیمت

اسٹینفورڈ میں اپنی حالیہ موجودگی کے دوران، آلٹ مین نے اسکیلنگ کے حامیوں اور شکوک و شبہات رکھنے والوں کے درمیان کشیدگی پر بات کی، جس میں انہوں نے خاص طور پر میٹا کے یان لیکون (Yann LeCun) جیسے ناقدین کا حوالہ دیا، جنہوں نے مشہور طور پر LLMs کو ایک "مردہ راستہ" (dead end) قرار دیا ہے۔ آلٹ مین کا خیال ہے کہ اسکیلنگ کے مفروضے کی مزاحمت کی بڑی وجہ محققین کا اس بات پر حد سے زیادہ پراعتماد ہونا ہے کہ AI کیا نہیں کر سکتا۔

انہوں نے دلیل دی کہ صنعت کی کچھ شخصیات نے اپنی پیشہ ورانہ شناخت کو مخصوص نظریاتی موقف سے جوڑ لیا ہے، جس کی وجہ سے وہ نئے ڈیٹا کو قبول کرنے میں ہچکچاتے ہیں جو ان کے دیرینہ عقائد کے خلاف ہو۔ اگرچہ وہ تسلیم کرتے ہیں کہ روبوٹکس جیسے شعبوں میں ترقی کے لیے "ورلڈ ماڈلز" (world models) ضروری ہیں، لیکن آلٹ مین کا موقف ہے کہ LLMs کا موجودہ رخ کوئی متبادل راستہ نہیں بلکہ ذہانت کا بنیادی انجن ہے۔

تجرباتی ثبوت: پیٹرن میچنگ سے آگے کا سفر

اسکیلنگ کے دفاع میں آلٹ مین کا ایک اہم ترین نکتہ LLMs کا محض متن کی پیش گوئی کرنے والے ٹولز سے بدل کر اصل استدلال (reasoning) کے قابل ٹولز میں تبدیل ہونا ہے۔ انہوں نے ایک حالیہ سنگ میل کا حوالہ دیا جہاں OpenAI کے ایک ماڈل نے کامیابی سے ایک ایسے ریاضیاتی مفروضے (mathematical conjecture) کو غلط ثابت کیا جو طویل عرصے سے انسانی ماہرین کے لیے حل طلب رہا تھا۔

یہ پیش رفت اس لیے اہم ہے کیونکہ یہ اس بیانیے کو چیلنج کرتی ہے کہ LLMs محض "stochastic parrots" ہیں جو حقیقی دریافت کرنے سے قاصر ہیں۔ آلٹ مین نے کہا، "اس سے واضح ہے کہ LLMs نیا علم حاصل کرنے کی صلاحیت رکھتے ہیں،" انہوں نے یہ بھی نوٹ کیا کہ ریاضیاتی برادری اب AI کے ذریعے فراہم کردہ ثبوتوں کے اثرات سے فعال طور پر نمٹ رہی ہے۔ یہ تبدیلی ظاہر کرتی ہے کہ اسکیلنگ نہ صرف روانی کو بہتر بناتی ہے بلکہ علمی صلاحیتوں کے افق کو بھی وسعت دیتی ہے۔

نئی سرحد: استدلال بمقابلہ طویل مدتی کام (Long-Horizon Tasks)

اپنی خوش فہمی کے باوجود، آلٹمین ٹیکنالوجی کی موجودہ حدود کے حوالے سے حقیقت پسند رہیں۔ انہوں نے "long-horizon tasks" کے حوالے سے کارکردگی کے واضح فرق کی نشاندہی کی—یعنی وہ پیچیدہ ورک فلو جن کے لیے طویل عرصے تک مسلسل اعلیٰ درجے کے فیصلے اور کثیر مراحل پر مشتمل منصوبہ بندی کی ضرورت ہوتی ہے۔ ان مخصوص شعبوں میں، انہوں نے اعتراف کیا کہ LLMs اب بھی "لوگوں کے مقابلے میں بہت کمزور معلوم ہوتے ہیں۔"

وسیع تر AI منظرنامے کے لیے، یہ فرق تحقیق کی اگلی سرحد کا تعین کرتا ہے۔ صنعت "scaling for knowledge" کے مرحلے سے "scaling for reasoning and agency" کی طرف بڑھ رہی ہے۔ جیسے جیسے OpenAI اور Anthropic (جس کی قیادت سی ای او Dario Amodei کر رہے ہیں، جو وسعت کے حوالے سے آلٹمین کے نظریے سے اتفاق کرتے ہیں) جیسی کمپنیاں کمپیوٹ پر اربوں ڈالر خرچ کرنا جاری رکھے ہوئے ہیں، مقصد لمحاتی ذہانت اور قابل اعتماد، طویل مدتی خود مختاری کے درمیان فرق کو ختم کرنا ہے۔

اہم نکات

• Scaling بنیادی محرک ہے: آلٹمین کا استدلال ہے کہ بڑھتے ہوئے کمپیوٹ اور ڈیٹا کے اثرات کو کم تر سمجھنے سے تاریخی طور پر AI کی پیش رفت کی رفتار سست رہی ہے۔
• نقل کے بجائے دریافت: پیچیدہ ریاضیاتی مفروضوں کو حل کرنے کی OpenAI ماڈلز کی صلاحیت یہ ثابت کرتی ہے کہ LLMs حقیقی علم کی تخلیق کی طرف بڑھ رہے ہیں۔
• اگلی رکاوٹ: اگرچہ scaling بہت سے مسائل حل کر دیتی ہے، لیکن طویل مدتی اور اعلیٰ درجے کے فیصلے والے کاموں میں انسانی سطح کی کارکردگی صنعت کی اگلی بڑی رکاوٹ ہے۔