ٹیک نیوز کا چکر تیزی سے بدلتا ہے، لیکن یہ ہفتہ مختلف محسوس ہوا۔ مصنوعی ذہانت (AI) اب محض ایک پروڈکٹ ریلیز یا تحقیقی مقالہ نہیں رہی۔ یہ خارجہ پالیسی میں ایک سودے بازی کا آلہ بن چکی ہے۔ حکومتیں ماڈل کے ویٹس (weights) کو افزود شدہ یورینیم کی طرح سمجھنے لگی ہیں: مرکوز، غلط استعمال پر خطرناک، اور اگر کوئی حریف انہیں ذخیرہ کر لے تو نظر انداز کرنا ناممکن۔ مقابلہ اب اس بات پر نہیں ہے کہ کون سا ماڈل بینچ مارک پر زیادہ اسکور کرتا ہے۔ بلکہ یہ اس بارے میں ہے کہ انہیں کون بنائے گا، انہیں تربیت دینے کے لیے درکار مواد پر کس کا کنٹرول ہوگا، اور وہ ڈیٹا کس کا ہے جس سے انہوں نے سیکھا ہے۔
ڈسٹلیشن کا الزام
اس ہفتے، ایک امریکی اہلکار نے Moonshot AI پر Anthropic کے Fable ماڈل کو چرانے کا الزام لگایا۔ مخصوص دعویٰ یہ ہے کہ Moonshot نے اپنا Kimi K3 سسٹم بنانے کے لیے ڈسٹلیشن (distillation) کا استعمال کیا۔ ان قارئین کے لیے جو تربیت کے طریقوں پر گہری نظر نہیں رکھتے، ڈسٹلیشن ایک بڑے اور قابل ماڈل کو استعمال کرتے ہوئے ایک چھوٹے یا نئے ماڈل کو سکھانے کا عمل ہے۔ اجازت کے ساتھ کیے جانے پر یہ قانونی اور عام ہے۔ لیکن جب کوئی کمپنی کسی حریف کے ملکیتی (proprietary) سسٹم سے بغیر اجازت علم حاصل کرتی ہے، تو یہ چوری بن جاتی ہے۔
الزام کے مطابق، ثبوت طرزِ عمل پر مبنی ہے۔ محققین نے دیکھا ہے کہ Kimi K3 بہت زیادہ بار خود کو Anthropic کے اسسٹنٹ، Claude کے طور پر متعارف کرواتا ہے۔ اپنے تربیتی پس منظر والے ماڈل کو اپنا نام معلوم ہونا چاہیے۔ جب یہ بار بار ایک حریف پروڈکٹ ہونے کا دعویٰ کرتا ہے، تو یہ محض اتفاق کے بجائے ایک ایسے طالب علم کی طرح لگتا ہے جس نے استاد کے امتحانی جوابات لفظ بہ لفظ یاد کر لیے ہوں۔ اگر Moonshot نے واقعی Kimi K3 کو تربیت دینے کے لیے Anthropic کے ماڈل سے نتائج (outputs) نکالے ہیں، تو اس کے دانشورانہ ملکیت (intellectual property) کے اثرات سلیکون ویلی کی عدالتوں سے کہیں آگے تک پھیلے ہوئے ہیں۔ یہ برآمدی کنٹرولز اور قومی سلامتی کی بریفنگز تک پہنچتے ہیں۔
سستے ماڈلز کا عروج
جب ڈسٹلیشن کی لڑائی گرم ہے، چینی لیبارٹریز ایسے فرنٹیر (frontier) ماڈلز فراہم کر رہی ہیں جن کی رفتار اور قیمت امریکی اسٹیبلشمنٹ کو پریشان کر رہی ہے۔ DeepSeek V4 اور Kimi K3 ایک دوسرے کے چند ہی دنوں کے فرق سے آئے ہیں۔ دونوں ایسے صلاحیتوں کا دعویٰ کرتے ہیں جو عوامی لیڈر بورڈز میں سب سے اوپر ہیں، پھر بھی وہ اپنے امریکی ہم منصبوں کے مقابلے میں بہت کم قیمت پر چلتے ہیں۔
یہ پیٹرن نیا نہیں ہے، لیکن یہ تیز ہو رہا ہے۔ چینی لیبارٹریوں کے پچھلے جھٹکوں نے وال اسٹریٹ کو پہلے ہی یہ سوال کرنے پر مجبور کر دیا تھا کہ کیا فرنٹیر ماڈل کی تربیت کے لیے واقعی دس ارب ڈالر درکار ہوتے ہیں۔ DeepSeek V4 اور Kimi K3 اس دباؤ کو مزید بڑھاتے ہیں۔ وہ یہ بتاتے ہیں کہ انجینئرنگ کی مہارت، ڈیٹا کی بہتر ترتیب (curation)، اور ہارڈ ویئر کے متبادل طریقے، بھاری سرمایہ کاری کا نعم البدل بن سکتے ہیں۔ ان امریکی لیبارٹریوں کے لیے جو 'اسکیلنگ موٹ' (scaling moat) پر بھروسہ کر رہی ہیں، پیغام واضح ہے: اعلیٰ کارکردگی اب سستی ہو رہی ہے، اور پریمیم قیمتوں کا دور ختم ہو رہا ہے۔
انٹرپرائز ایجنٹ کی جنگ
اس ہفتے کی ہر سرخی جغرافیائی سیاست کے بارے میں نہیں تھی۔ OpenAI نے Presence لانچ کیا، جو کاروباروں کو AI ایجنٹس تعینات کرنے میں مدد دینے کے لیے ایک پروڈکٹ ہے۔ یہ اقدام OpenAI کو Google، Meta، اور NVIDIA کے ساتھ براہ راست مقابلے میں لا کھڑا کرتا ہے۔ یہ تمام کمپنیاں ایک ہی موقع دیکھ رہی ہیں: ماڈل خود ایک کموڈٹی (commodity) بن رہا ہے، لیکن وہ پلیٹ فارم جو اصل ورک فلو کو خودکار بناتا ہے، وہ بے قیمت ہے۔
چیٹ بوٹس کے بعد ایجنٹس اگلا منطقی قدم ہیں۔ ایک چیٹ بوٹ سوالات کے جوابات دیتا ہے۔ ایک ایجنٹ پروازیں بک کرتا ہے، اخراجات کی رپورٹیں فائل کرتا ہے، یا گودام کے انوینٹری کا توازن برقرار رکھتا ہے۔ ان کاموں کو خودکار بنانے کی دوڑ اس لیے تیز ہو رہی ہے کیونکہ وہیں سے انٹرپرائز کا مستقل ریونیو حاصل ہوتا ہے۔ OpenAI صرف انجن نہیں بیچنا چاہتا؛ وہ پوری کار بیچنا چاہتا ہے۔ Google چاہتا ہے کہ Workspace آپ کے میٹنگز چلائے۔ Meta اپنے سوشل گراف کے اندر ایجنٹس چاہتا ہے۔ NVIDIA ان سب کے نیچے انفراسٹرکچر لیئر کو طاقت دینا چاہتا ہے۔ فاتح لازمی طور پر وہ لیب نہیں ہوگی جس کے پاس بہترین ماڈل ہو، بلکہ وہ ہوگی جو آئی ٹی (IT) ڈیپارٹمنٹس کو اپنے اندرونی نظام کی چابیاں سونپنے پر آمادہ کر لے۔
جب کنکریٹ رکاوٹ بن جائے
یہ تمام سافٹ ویئر کے عزائم اب بھی مادی اشیاء پر منحصر ہیں۔ OpenAI نے یہ بات تب واضح کر دی جب اس نے جارجیا میں تیس ارب ڈالر کا ڈیٹا سینٹر کیمپس، Project Camellia شروع کیا۔ تیس ارب ڈالر محض سہولیات کا بجٹ نہیں ہے۔ یہ ایک بیان ہے کہ AI کی اہم حدود اب الگورتھم یا GPUs نہیں ہیں۔ بلکہ وہ بجلی اور کنکریٹ ہیں۔
آپ ایک سرور کلوزٹ (server closet) میں فرنٹیر ماڈل کی تربیت نہیں کر سکتے۔ آپ کو ہزاروں ایسے ایکسلیریٹرز کی ضرورت ہے جو ایک ساتھ کام کر رہے ہوں اور ایک درمیانے درجے کے شہر سے زیادہ بجلی استعمال کر رہے ہوں۔ آپ کو فائبر، کولنگ کے لیے پانی، اسٹیل اور سالوں کے اجازت ناموں کی ضرورت ہے۔ یہی وجہ ہے کہ BlackRock اور MGX جیسے اثاثہ جات کے مینیجر ڈیٹا سینٹر کے منصوبوں میں اربوں ڈالر لگا رہے ہیں۔ وہ کسی ایپ پر جوا نہیں لگا رہے، بلکہ وہ اے آئی (AI) کے دور کی ریلوے اور کوئلے کی کانیں خرید رہے ہیں۔ اگر بجلی کی پیداوار اور تعمیرات کی سپلائی چین ساتھ نہیں چل پاتی، تو بڑے ماڈلز کا پورا روڈ میپ پیچھے رہ جائے گا، چاہے ریاضی کتنی ہی خوبصورت کیوں نہ ہو۔
عدالتیں، کاپی رائٹ اور سرمایہ
قانونی نظام بھی اس ہفتے توجہ کا مرکز رہا۔ ایک جج نے Anthropic کے ان مصنفین کے ساتھ 1.5 بلین ڈالر کے تصفیہ کی منظوری دی جنہوں نے کمپنی پر ان کی کتابوں کو Claude کی تربیت کے لیے اجازت کے بغیر استعمال کرنے کا الزام لگایا تھا۔ یہ تصفیہ اے آئی کی تاریخ میں کاپی رائٹ کے سب سے بڑے دعووں میں سے ایک کا حل ہے۔
چیک کی رقم اتنی ہی اہمیت رکھتی ہے جتنا کہ فیصلہ۔ یہ ہر دوسرے لیب کو بتاتا ہے کہ ٹریننگ ڈیٹا انٹرنیٹ سے مفت حاصل کیا جانے والا کوئی ذریعہ نہیں ہے۔ یہ ایک ممکنہ واجب الادا رقم (contingent liability) ہے جو آخر کار بیلنس شیٹ میں ظاہر ہو سکتی ہے۔ 1.5 بلین ڈالر کا ایک آئٹم فنانس ٹیموں کے پری ٹریننگ بجٹ کے بارے میں سوچنے کے انداز کو بدل دیتا ہے۔ یہ مصنفین اور پبلشرز کو مستقبل کے مقدمات کے لیے ایک واضح مثال بھی فراہم کرتا ہے۔ اگر آپ آج کوئی ماڈل بنا رہے ہیں، تو آپ اب یہ فرض نہیں کر سکتے کہ آپ کا ٹریننگ کورپس (training corpus) آڈٹ سے بچ جائے گا۔
اسکرین سے پرے اے آئی
آخر میں، اس ہفتے فنڈنگ کے دو مجموعی اعداد و شمار نے سب کو یاد دلایا کہ اے آئی صرف چیٹ ونڈوز تک محدود نہیں ہے۔ اس ماہ دفاعی اے آئی کی فنڈنگ 3 بلین ڈالر تک پہنچ گئی، جبکہ اے آئی پر مبنی ادویات کی دریافت (drug discovery) میں سرمایہ کاری 2 بلین ڈالر تک پہنچ گئی۔
دفاع کے شعبے میں، پیسہ ان سسٹمز میں لگایا جا رہا ہے جو سیٹلائٹ امیجری کا تجزیہ کر سکتے ہیں، ڈرون سویرمز (drone swarms) کو مربوط کر سکتے ہیں، اور میدانِ جنگ میں فیصلے کے دورانیے کو کم کر سکتے ہیں۔ فارما میں، اے آئی کے نئے ٹولز ادویات کی تیاری کے دورانیے کو سالوں سے مہینوں میں بدل رہے ہیں۔ محققین اب کسی بھی ویٹ لیب (wet lab) میں جانے سے پہلے سلیکون میں ممکنہ مالیکیولز تیار اور اسکرین کر سکتے ہیں۔ ٹیکنالوجی کی دوہرے استعمال کی نوعیت پوری طرح سامنے آ رہی ہے۔ وہی بنیادی طریقے جو کسٹمر سروس بوٹ کو بہتر بناتے ہیں، وہی میزائل ٹارگٹنگ اور اینٹی باڈی ڈیزائن کو بھی تیز کرتے ہیں۔ جیسے جیسے پیسہ آ رہا ہے، تجارتی اور اسٹریٹجک اے آئی کے درمیان اخلاقی اور ریگولیٹری لکیریں دھندلی ہوتی جا رہی ہیں۔
ستمبر کی بات چیت اور نیا اسکور بورڈ
یہ تمام دھاگے ایک ملاقات میں جمع ہوتے ہیں: امریکہ اور چین ستمبر میں باقاعدہ اے آئی مذاکرات کریں گے۔ وہ فوجی اے آئی اور چپس تک رسائی پر بحث کرنے کا ارادہ رکھتے ہیں۔ یہ دو ایجنڈا آئٹمز ہی آپ کو بتا دیتے ہیں کہ ہم کھلی تحقیق کے دور سے کتنا آگے نکل چکے ہیں۔
پرانی مسابقت سادہ تھی۔ آپ نے ایک ماڈل جاری کیا، میں نے ایک ماڈل جاری کیا، اور MMLU یا HumanEval پر بہتر اسکور جیتنے والا ہفتے کا فاتح بن گیا۔ وہ کھیل ختم ہو رہا ہے۔ نئے سوالات کو ناپنا مشکل ہے اور انہیں سافٹ ویئر اپ ڈیٹ کے ذریعے ٹھیک کرنا ناممکن ہے:
- کس نے کس ڈیٹا پر تربیت حاصل کی، اور کیا انہوں نے اس کے لیے ادائیگی کی؟
- کون کون سے چپس خرید سکتا ہے، اور کسے سپلائی چین سے روک دیا گیا ہے؟
- بجلی کی فراہمی پر کس کا کنٹرول ہے جو ڈیٹا سینٹرز کو چلائے رکھتی ہے؟
بینچ مارکس مل رہے ہیں۔ صلاحیتیں ایک دوسرے کے قریب آ رہی ہیں۔ لیکن سیاست تقسیم کر رہی ہے۔ دو متوازی نظام (ecosystems) بن رہے ہیں، جو ایکسپورٹ لائسنس، انرجی گرڈز اور قانونی نظاموں کے ذریعے الگ الگ ہیں۔
اصل سبق
اگر آپ ایک ڈیولپر، فاؤنڈر، یا انٹرپرائز خریدار ہیں، تو اے آئی کا جائزہ صرف لیڈر بورڈ اسکورز پر لینا بند کریں۔ سپلائی چین اور سیاسی خطرات کو انجینئرنگ کی حدود (engineering constraints) کے طور پر دیکھنا شروع کریں۔ آج آپ جو ماڈل استعمال کر رہے ہیں، کل اس پر ایکسپورٹ کی پابندی لگ سکتی ہے۔ اس کے پیچھے موجود ٹریننگ ڈیٹا پر اربوں ڈالر کا قانونی بل آ سکتا ہے۔ اسے چلانے والا ڈیٹا سینٹر مقامی یوٹیلیٹی گرڈ کی وجہ سے محدود ہو سکتا ہے، نہ کہ ان محققین کی ذہانت کی وجہ سے جنہوں نے اسے بنایا ہے۔ اپنی آرکیٹیکچر کو ایسے بنائیں جیسے آپ کے استعمال ہونے والے ٹولز پر پابندی لگ سکتی ہے، ان پر مقدمہ ہو سکتا ہے، یا ان کی بجلی کاٹے جا سکتی ہے—کیونکہ اس ہفتے نے یہ واضح کر دیا ہے کہ یہ تینوں اب حقیقی امکانات ہیں۔