ستیا نڈیلا نے AI ایجنٹس کے دور میں "ٹیکن میکسینگ" (token-maxing) کے خلاف خبردار کیا
مائیکروسافٹ کے سی ای او ستیا نڈیلا نے "ٹیکن میکسینگ" (token-maxing) کے خلاف ایک چونکا دینے والی وارننگ جاری کی ہے، جس سے مراد ان کاموں کے لیے مہنگے اور جدید ترین ماڈلز کا استعمال ہے جو ان کے کمپیوٹیشنل اخراجات کے مطابق نہیں ہیں۔ طاقتور AI کی نشہ آور نوعیت کو تسلیم کرتے ہوئے، نڈیلا کا کہنا ہے کہ معاشی قدر ماڈل کے محض حجم کے بجائے کارکردگی (efficiency) سے پیدا ہونی چاہیے۔
ٹیکن میکسینگ کا معاشی جال
ایک حالیہ انٹرویو میں، نڈیلا نے موجودہ AI کے استعمال کے منظر نامے میں ایک اہم عدم توازن کی نشاندہی کی۔ انہوں نے "ٹیکن میکسینگ" کی اصطلاح ہر ممکن کام کے لیے انتہائی جدید اور زیادہ وسائل استعمال کرنے والے لارج لینگویج ماڈلز (LLMs) کے غیر ضروری استعمال کو بیان کرنے کے لیے وضع کی۔ نڈیلا کے نزدیک، یہ مسئلہ بنیادی طور پر یونٹ اکانومکس (unit economics) کا ہے: "تلخ حقیقت یہ ہے کہ پیداواری صلاحیت میں اضافے کی حاشیاتی لاگت (marginal cost) کو ٹیکن کی حاشیاتی لاگت کے برابر ہونا چاہیے۔"
اگر کوئی کمپنی کسی معمولی مسئلے کو حل کرنے کے لیے ایک بہت بڑا اور مہنگا ماڈل استعمال کرتی ہے جسے ایک چھوٹا اور مخصوص ماڈل بھی سنبھال سکتا ہے، تو "ٹیکن" کی لاگت پیداواری صلاحیت میں ہونے والے اضافے سے کہیں زیادہ ہو جاتی ہے۔ نڈیلا کا مشورہ ہے کہ AI کے ذریعے حقیقی اور پائیدار معاشی ترقی حاصل کرنے کے لیے، صنعت کو ماڈلز کے ایک زیادہ باریک بینی سے کیے گئے انتظام (orchestration) کی طرف بڑھنا چاہیے جہاں ٹول کی پیچیدگی مسئلے کی پیچیدگی کے مطابق ہو۔
کوڈنگ سے کاگنیٹو کوریج (Cognitive Coverage) کی طرف منتقلی
کارکردگی کے بارے میں اپنی وارننگ کے باوجود، سافٹ ویئر انجینئرنگ کے مستقبل کے لیے نڈیلا کا وژن انتہائی زیادہ وسائل طلب ہے۔ وہ ایک ایسی بنیادی تبدیلی (paradigm shift) کی پیش گوئی کرتے ہیں جہاں ڈویلپرز دستی طور پر کوڈ لکھنے (syntax writing) کے بجائے AI ایجنٹس کے وسیع گروہوں (swarms) کے انتظام کی طرف منتقل ہو جائیں گے۔ اس مستقبل میں، ایک واحد انجینئر سینکڑوں یا ہزاروں خود مختار ایجنٹس کی نگرانی کر سکتا ہے جو ریئل ٹائم میں کوڈ تیار کر رہے ہوں گے۔
اس صورتحال سے نمٹنے کے لیے، نڈیلا "کاگنیٹو کوریج" (cognitive coverage) کا تصور متعارف کرواتے ہیں۔ جیسے جیسے ڈویلپرز لکھنے والوں سے نگرانوں میں تبدیل ہوں گے، ان کی بنیادی مہارت اس کوڈ کو گہرائی سے سمجھنے اور اس کا آڈٹ کرنے کی صلاحیت ہوگی جو انہوں نے خود نہیں لکھا۔ نڈیلا نے نوٹ کیا، "میرے پاس ایجنٹس کے لکھے ہوئے کوڈ سے بھرا ہوا ایک ریپوزٹری (repo) ہے۔ میں ذہنی طور پر سمجھ رہا ہوں کہ کیا ہوا،" انہوں نے اس بات پر زور دیا کہ اگرچہ کوڈنگ کی دستی محنت کم ہو جائے گی، لیکن سسٹم کی سالمیت کو یقینی بنانے کے لیے کمپیوٹر سائنس کی گہری تعلیم کی ضرورت پہلے سے کہیں زیادہ رہے گی۔
یہ AI ایکو سسٹم کے لیے کیوں اہم ہے
نڈیلا کے تبصرے AI کی صنعت کے پختگی کی نشاندہی کرتے ہیں۔ ہم فرنٹیر ماڈلز (frontier models) کے "واؤ فیکٹر" (wow factor) والے مرحلے سے آگے بڑھ کر اب آپٹیمائزیشن (optimization) اور ایجنٹک ورک فلو (agentic workflows) کے دور میں داخل ہو رہے ہیں۔ ڈویلپرز اور فاؤنڈرز کے لیے سبق واضح ہے: مستقبل کی اہمیت صرف بڑے ماڈلز تک رسائی حاصل کرنے میں نہیں ہے، بلکہ ان پیچیدہ آرکیسٹریشن لیئرز (orchestration layers) کو بنانے میں ہے جو صحیح وقت پر صحیح ماڈل کو استعمال کر سکیں۔ اس شعبے میں فاتح وہ ہوں گے جو "کاگنیٹیو کوریج" (cognitive coverage) میں مہارت حاصل کریں گے اور ساتھ ہی ٹوکن میکسیگ (token-maxing) کے جال سے بچنے کے لیے مالیاتی نظم و ضبط کو برقرار رکھیں گے۔
اہم نکات
- کارکردگی سب سے اہم ہے: AI میں حقیقی معاشی ترقی کے لیے ماڈل کے ٹوکنز کی حاشیاتی لاگت (marginal cost) کو ان سے حاصل ہونے والے اصل پیداواری فوائد کے برابر لانا ضروری ہے۔
- کاگنیٹیو کوریج کا عروج: سافٹ ویئر انجینئرنگ اب دستی کوڈنگ سے ہٹ کر ایجنٹ کے ذریعے تیار کردہ وسیع کوڈ بیسز (codebases) کی اعلیٰ سطح کی نگرانی اور آڈٹ کی طرف منتقل ہو رہی ہے۔
- ایجنٹک آرکیسٹریشن: ترقی کی اگلی سرحد میں ہزاروں AI ایجنٹس کا انتظام کرنا شامل ہے، جس کے لیے کنٹرول برقرار رکھنے کے لیے کمپیوٹر سائنس (CS) کے گہرے بنیادی علم کی ضرورت ہوگی۔