ستیا نڈیلا نے AI ماڈلز کے ارتکاز سے پیدا ہونے والے معاشی خطرے کے بارے میں خبردار کیا
مائیکروسافٹ کے سی ای او ستیا نڈیلا ڈیجیٹل معیشت کے مستقبل کے حوالے سے ایک تزویراتی خطرے کی گھنٹی بجا رہے ہیں، اور خبردار کر رہے ہیں کہ چند غالب AI سسٹمز تمام عالمی معاشی منافع پر قبضہ کر سکتے ہیں۔ جیسے جیسے انسانی ذہانت اور ڈیجیٹل سسٹمز کے درمیان فرق دھندلا رہا ہے، نڈیلا کا کہنا ہے کہ کاروباری قدر (enterprise value) کے لیے اصل میدان اب ماڈل کے انتخاب سے ہٹ کر ملکیتی لرننگ لوپس (proprietary learning loops) کی طرف منتقل ہو گیا ہے۔
ٹوکن کیپیٹل کا عروج اور کاگنیٹو لوپ
ایک حالیہ تزویراتی تناظر میں، نڈیلا نے جدید کاروباری اداروں کے لیے ایک نیا تصور پیش کیا ہے: محض انسانی سرمائے پر انحصار کرنے کے بجائے "ٹوکن کیپیٹل" (token capital) کو شامل کرنا۔ ان کا استدلال ہے کہ انسانوں اور ڈیجیٹل سسٹمز کے درمیان ایک "حقیقی کاگنیٹو لوپ" (real cognitive loop) تشکیل پا رہا ہے، جس سے کمپنیوں کے لیے اپنی AI صلاحیتوں کے مالک بننے اور انہیں کنٹرول کرنے کی ایک نئی ضرورت پیدا ہو رہی ہے۔
نڈیلا کے مطابق، AI کے دور میں مسابقتی برتری محض بہترین فاؤنڈیشن ماڈل کے انتخاب سے حاصل نہیں ہوگی—جیسے کہ OpenAI یا Anthropic کے ماڈلز—بلکہ ان کے اوپر اپنے ملکیتی لرننگ سسٹمز بنانے سے حاصل ہوگی۔ اس میں کاروباری نتائج پر نظر رکھنے کے لیے نجی جانچ (private evaluations/evals) تیار کرنا، کمپنی کے مخصوص ڈیٹا کے ساتھ ماڈلز کو بہتر بنانے کے لیے اندرونی تربیتی سیٹ اپس کا استعمال کرنا، اور ادارہ جاتی علم کو قابلِ استفسار (queryable) اور قابلِ استعمال اثاثوں میں تبدیل کرنا شامل ہے۔
علم کی کموڈٹائزیشن کے جال سے بچنا
نڈیلا کی وارننگ کا ایک بڑا حصہ "علم کی کموڈٹائزیشن" (knowledge commoditization) کے خطرے پر مرکوز ہے۔ انہیں اس منظرنامے کا ڈر ہے جہاں پوری کی پوری صنعتیں اپنی منفرد مہارتوں کو کھو دیں گی اور وہ چند بڑے AI ماڈلز میں جذب ہو جائیں گی، جس سے ان صنعتوں کے پاس کوئی معاشی دفاعی حصار (economic moat) باقی نہیں رہے گا۔
نڈیلا نے لکھا، "ہم میں سے کوئی بھی ایسی دنیا نہیں چاہتا جہاں ہر شعبے کی ہر کمپنی اپنی قدر چند ایسے ماڈلز کے حوالے کر رہی ہو جو جو کچھ دیکھتے ہیں اسے نگل جاتے ہیں۔" ان کا مشورہ ہے کہ اگر چند AI سسٹمز تمام معاشی منافع پر قبضہ کر لیتے ہیں، تو اس کے نتیجے میں پیدا ہونے والا سیاسی اور سماجی ردعمل پوری AI صنعت کی ترقی کو روک سکتا ہے۔ ان کا خیال ہے کہ کسی کمپنی کی AI حکمت عملی کا اصل امتحان یہ ہے کہ آیا کوئی ادارہ اپنے بنیادی ماڈل کو تبدیل کر سکتا ہے یا نہیں، بغیر اس ذہانت اور مخصوص علم کو کھوئے جو اس نے اس ماڈل کے اوپر تعمیر کیا ہے۔
ماڈل کموڈٹائزیشن پر بدلتے ہوئے نظریات
نڈیلا کے حالیہ تبصرے AI ماڈلز کی اہمیت کے حوالے سے ان کے بیانیے میں ایک نمایاں تبدیلی کی نشاندہی کرتے ہیں۔ مارچ 2025 میں، انہوں نے اشارہ دیا تھا کہ ماڈلز ایک عام تجارتی چیز (commoditized) بنتے جا رہے ہیں، جس کا مطلب یہ تھا کہ اصل قدر ایپلی کیشن اور سسٹم اسٹیک میں ہوگی۔ تاہم، ان کا موجودہ موقف ایک زیادہ باریک بین حقیقت کی عکاسی کرتا ہے: اگر OpenAI اور Anthropic جیسے کھلاڑیوں کے جدید ترین (frontier) ماڈلز مارکیٹ سے آگے نکلنا جاری رکھتے ہیں، تو ماڈلز کی "کموڈیٹائزیشن" توقع سے کہیں زیادہ سست ہو سکتی ہے۔
Microsoft کے لیے، یہ حکمت عملی اداروں کو Azure اور Office کے ایکو سسٹم کی طرف موڑنے کا ایک طریقہ ہے۔ "سسٹم اسٹیک" اور ملکیتی لرننگ لوپس (proprietary learning loops) کی اہمیت پر زور دے کر، Microsoft کا مقصد یہ یقینی بنانا ہے کہ اگرچہ وہ ہمیشہ ماڈل کی خام کارکردگی (raw model performance) میں سبقت باز نہ بھی ہوں، پھر بھی وہ ایک ایسا ناگزیر پلیٹ فارم بنے رہیں جہاں "ٹوکن کیپیٹل" اور انسانی ذہانت مل کر اضافہ کرتی رہیں۔
اہم نکات
- ٹوکن کیپیٹل کی طرف منتقلی: مستقبل میں کاروباری قدر محض انسانی محنت کے بجائے "ٹوکن کیپیٹل" پر منحصر ہوگی—یعنی وہ ملکیتی AI صلاحیتیں اور سیکھا ہوا ڈیٹا جس پر کوئی کمپنی قابو رکھتی ہے۔
- لرننگ لوپ کا فائدہ: کمپنیوں کو ایسے ملکیتی لوپس بنانے چاہئیں جہاں ماڈلز کو اندرونی ڈیٹا کے ذریعے مسلسل بہتر بنایا جائے، تاکہ ان کے صنعتی علم کو بیرونی ماڈل فراہم کنندگان کے ذریعے ایک عام تجارتی چیز بننے سے روکا جا سکے۔
- معاشی ارتکاز کے خطرات: نڈیلا خبردار کرتے ہیں کہ چند ماڈلز میں AI کی قدر کا شدید ارتکاز معاشرتی اور سیاسی عدم استحکام کا باعث بن سکتا ہے، جو ممکنہ طور پر پورے صنعتی شعبوں کو کھوکھلا کر سکتا ہے۔