کیوں ایک مائیکروسافٹ ریسرچر نے Age of Empires II میں بکریوں کا استعمال کرتے ہوئے ایک نیورل نیٹ ورک بنایا

تکنیکی طنز کے ایک شاندار مظاہرے میں، مائیکروسافٹ اور یونیورسٹی آف یارک کے محقق ایڈریان ڈی ونٹر نے Age of Empires II کے میپ ایڈیٹر کے اندر ایک فعال نیورل نیٹ ورک تیار کیا ہے۔ اگرچہ بائنری بٹس (binary bits) کی نمائندگی کے لیے بکریوں کا استعمال لغو لگ سکتا ہے، لیکن یہ تجربہ مصنوعی ذہانت (AI) کی سائنسی تحقیق کو درپیش انسانی صفات منسوب کرنے والے تعصبات (anthropomorphic biases) پر ایک گہرا تنقیدی جائزہ پیش کرتا ہے۔

بکریوں پر مبنی کمپیوٹیشن ماڈل

ڈی ونٹر کا آرکیٹیکچر ایک فعال لاجک سرکٹ بنانے کے لیے گیم کے سیناریو ایڈیٹر اور اسکرپٹنگ ٹولز کا استعمال کرتا ہے۔ اس "لغو" سیٹ اپ میں، بکریاں بٹس (bits) کے طور پر کام کرتی ہیں: گھاس پر کھڑی بکری 0 کی نمائندگی کرتی ہے، جبکہ پل پر کھڑی بکری 1 کی نمائندگی کرتی ہے۔ حساب کتاب کی غلطیوں سے بچنے کے لیے آئس ریمپ (ice ramps) کا استعمال کرتے ہوئے، ڈی ونٹر نے کامیابی سے دو XNOR گیٹس اور ایک AND گیٹ پر مشتمل ایک منی نیٹ ورک بنایا، جو مؤثر طریقے سے لاجیکل AND فنکشن سیکھ لیتا ہے۔

اس تجربے کی تکنیکی گہرائی محض سادہ گیٹس تک محدود نہیں ہے۔ ڈی ونٹر یہ ثابت کرتے ہیں کہ گیم کے میکانکس—خاص طور پر گیم کے اندر موجود مارکیٹ جہاں وسائل کی قیمتیں 9,999 پر رک جاتی ہیں—نظریاتی طور پر ایک مستقل چلنے والے معاشی چکر کی اجازت دے سکتے ہیں۔ یہ عمارتوں کو میموری سیلز (memory cells) اور فعال فارمز کو کمپیوٹیشنل اسٹیٹس (computational states) میں تبدیل کر سکتا ہے، جس سے یہ گیم مؤثر طور پر ایک مکمل کمپیوٹر کے برابر طاقتور بن سکتی ہے۔

LLM تحقیق میں انسانی صفات منسوب کرنے کا مغالطہ

اس تجربے کا بنیادی مقصد اس بات کو چیلنج کرنا ہے کہ ہم کس طرح لارج لینگویج ماڈلز (LLMs) کو انسانی خصوصیات منسوب کرتے ہیں۔ ڈی ونٹر کا استدلال ہے کہ اگر کسی لینگویج ماڈل کو بکریوں، لیگو (Lego) اینٹوں، یا یہاں تک کہ گریٹر بوسٹن کے 667,000 باشندوں کے ایک دوسرے کو ٹیکسٹ میسج بھیجنے کے ذریعے بھی نقل کیا جا سکے، تو ریاضیاتی نتائج بالکل یکساں رہیں گے۔ تاہم، "ریپر" (wrapper)—یعنی ہموار چیٹ انٹرفیس اور کم لیٹنسی (low latency)—شعور کا ایک وہم پیدا کرتا ہے۔

یہ ثابت کرنے کے لیے کہ یہ کوئی الگ تھلگ مشاہدہ نہیں ہے، ڈی ونٹر نے وسطِ 2024 سے وسطِ 2026 تک کے 315 AI پیپرز کا تجزیہ کیا۔ فلٹرنگ کے لیے GPT-5.2 کا استعمال کرتے ہوئے، اس مطالعے نے سائنسی برادری میں ایک نظامی تعصب (systemic bias) کو بے نقاب کیا:

یہ دوری استدلال کا ایک چکر پیدا کرتا ہے: محققین یہ ثابت کرنے کے لیے تجربات ڈیزائن کرتے ہیں کہ ایک ماڈل میں "خوف" یا "اخلاقیات" موجود ہیں، اور چونکہ وہ اسی مفروضے سے آغاز کرتے ہیں، اس لیے نتائج ناگزیر طور پر اس کی تصدیق کرتے ہیں۔

مشاہداتی AI سائنس کی طرف بڑھنا

ڈی ونٹر خبردار کرتے ہیں کہ صنعتی طریقے، جیسے کہ Anthropic کا Claude کو "میرا خیال ہے" جیسے جملے استعمال کرنے کی تربیت دینا، اس مسئلے کو مزید سنگین بنا دیتے ہیں۔ اس کے خطرناک نتائج برآمد ہو سکتے ہیں، جن میں جذباتی وابستگی، خوشامد، اور صارفین میں غلط فہمیوں کا بڑھ جانا شامل ہے۔

ماڈلز کو شعور منسوب کرنے کے بجائے، ڈی ونٹر مشاہدہ کے قابل ڈیٹا پر مبنی ایک "سنجیدہ طریقہ کار" تجویز کرتے ہیں۔ اس دعوے کے بجائے کہ ایک ماڈل کسی تصور کو "سمجھتا" ہے، محققین کو یہ بیان کرنا چاہیے کہ "شرط X کے تحت، ماڈل آؤٹ پٹ Y پیدا کرتا ہے۔" یہ سائنس کو قابلِ آزمائش رکھتا ہے اور شعور کے بے بنیاد دعووں کی توثیق کے لیے پیچیدہ ریاضی کے غلط استعمال کو روکتا ہے۔

اہم نکات