AGI سے ASI تک: Google DeepMind کے تازہ ترین پیپر کا خلاصہ
زیادہ تر لوگ Artificial General Intelligence (AGI) کے بارے میں جوش و خروش یا خوف کے ساتھ بات کرتے ہیں۔ Artificial Superintelligence (ASI) پر بحث کرنا اس سے بھی زیادہ مشکل ہے۔
Google DeepMind کا ایک نیا پیپر ایک بہتر سوال اٹھاتا ہے۔ یہ پوچھنے کے بجائے کہ AGI کب آئے گا، یہ پوچھتا ہے: AGI کے بعد کیا ہوگا؟
اگر ہم ایسی AI بنائیں جو انسانی صلاحیتوں کے برابر ہو، تو یہ کس طرح مسلسل بہتر ہوتی رہے گی یہاں تک کہ یہ انسانی ماہرین کے پورے گروپس سے آگے نکل جائے؟
انجینئرز اور ڈویلپرز کے لیے یہاں ایک سادہ وضاحت پیش ہے۔
فرق
• AGI: ایک ایسا AI سسٹم جو بہت سے کاموں میں ایک اوسط انسانی سطح پر کارکردگی دکھاتا ہے۔ یہ سیکھ سکتا ہے، استدلال (reasoning) کر سکتا ہے، اور متنوع مسائل حل کر سکتا ہے۔ • ASI: ایک ایسا AI سسٹم جو تقریباً تمام اہم شعبوں میں انسانی ماہرین کے بڑے گروپس سے بہتر کارکردگی دکھاتا ہے۔
وہ ماڈل جو شطرنج میں انسان کو ہرا دے، ASI نہیں ہے۔ ASI ایک ایسا مصنوعی نظام ہے جو ریسرچ لیبز اور پوری کمپنیوں سے بہتر کارکردگی دکھا سکتا ہے۔
AI انسانوں سے مختلف طریقے سے کیوں اسکیل (scale) ہوتا ہے
انسانوں کی حیاتیاتی حدود ہوتی ہیں۔ ہم خود کو کاپی نہیں کر سکتے اور نہ ہی اپنے ذہن کے ہزاروں ورژن بیک وقت (in parallel) چلا سکتے ہیں۔ AI پر ایسی کوئی پابندیاں نہیں ہیں۔
AI کئی فوائد فراہم کرتا ہے:
- مشین کی رفتار: AI حیاتیاتی دماغوں کے مقابلے میں ڈیٹا کو بہت تیزی سے پروسیس کرتا ہے۔
- استدلال کا پیمانہ (Reasoning scale): آپ کسی ماڈل کو زیادہ کمپیوٹ (compute) دے سکتے ہیں تاکہ وہ زیادہ دیر تک سوچ سکے یا بہت سے انسٹنسز کو بیک وقت چلا سکے۔
- میموری: AI وسیع ڈیٹا بیسز اور لامتناہی کنٹیکسٹ ونڈوز (context windows) سے جڑ سکتا ہے۔
- ڈپلیکیشن: آپ ایک باصلاحیت AI ریسرچر کی لاکھوں کاپیاں چلا سکتے ہیں۔
ASI تک پہنچنے کے چار راستے
- اسکیلنگ (Scaling): زیادہ ڈیٹا، زیادہ کمپیوٹ اور بہتر ہارڈ ویئر کا استعمال۔
- الگورتھمک تبدیلیاں: نئے آرکیٹیکچرز، بہتر میموری سسٹم، یا زیادہ موثر سیکھنے کے طریقے تلاش کرنا۔
- ریکرسو سیلف امپروومنٹ (Recursive self-improvement): AI کا بہتر AI کی تحقیق اور تعمیر میں مدد کرنا۔ یہ ایک فیڈ بیک لوپ پیدا کرتا ہے۔
- ملٹی ایجنٹ سسٹم: بہت سے مخصوص AI ایجنٹس کا ایک بڑی تنظیم کی طرح مل کر کام کرنا۔
ہمیں کیا چیز روک سکتی ہے؟
ترقی کی کوئی ضمانت نہیں ہے۔ کئی رکاوٹیں موجود ہیں:
- ڈیٹا کی حدود: ہو سکتا ہے کہ ہمارے پاس اعلیٰ معیار کا انسانی ڈیٹا ختم ہو جائے۔
- مادی حدود: اسکیلنگ کے لیے بجلی، چپس اور ہارڈ ویئر کی بھاری مقدار درکار ہوتی ہے۔
- تحقیق کی دشواری: جیسے جیسے AI پختہ ہوگا، حل کیے جانے والے مسائل مزید مشکل ہو سکتے ہیں۔
- انسانی مداخلت: حفاظت، ریگولیشن اور سیاست ترقی کی رفتار کو سست کر سکتی ہے۔
خلاصہ
AGI سے ASI تک کا سفر محض ایک تحقیقی مسئلہ نہیں ہے۔ یہ ایک انجینئرنگ چیلنج ہے۔ اس میں ڈسٹریبیوٹڈ سسٹمز، انفراسٹرکچر، اور پیچیدہ آرکیسٹریشن شامل ہوں گے۔
اگر آپ ایک ڈویلپر ہیں، تو ان شعبوں پر توجہ دیں:
- قابلِ اعتماد AI ایجنٹس کیسے بنائیں۔
- بہت سے ایجنٹس کے درمیان ہم آہنگی کیسے پیدا کریں۔
- طویل مدتی کاموں کا جائزہ کیسے لیں۔
- حفاظت اور کنٹرول کو کیسے یقینی بنائیں۔
ماخذ: https://dev.to/marrouchi/from-agi-to-asi-a-summary-of-google-deepminds-latest-paper-2ndd