سمفونک انٹیلی جنس کا دور

جدید کاروباری عمل میں، جنریٹو AI کا استعمال صرف ایک ٹول کے طور پر رہنے کے بجائے اب نظام سازی کے مرحلے میں داخل ہو رہا ہے۔

اور اس سے آگے، "سمفونک انٹیلی جنس" نامی ذہانت کا ایک نیا دور منتظر ہے۔

یہ مضمون جنریٹو AI کے استعمال کی موجودہ صورتحال اور مستقبل کے امکانات کو دو نقطہ نظر سے پیش کرتا ہے: تکراری کام اور فلو ورک۔

تکراری کام

ایک پچھلے مضمون میں، میں نے جنریٹو AI کو کام انجام دینے کے قابل بنانے کے نقطہ نظر سے، تکراری کام اور اوزار، اور فلو ورک اور سسٹمز کے نقطہ نظر کا تجزیہ کیا تھا۔

تکراری کام سے مراد وہ کام ہیں جو انسان نیم لاشعوری طور پر متعدد مختلف ٹھوس کاموں کو یکجا کرکے اور آزمائش اور غلطی کے ذریعے آگے بڑھتے ہیں۔

اور اس تکراری کام کے لیے، اوزار بہترین ہیں۔ مختلف کاموں کے مطابق اوزار کا انتخاب کرکے، کام کو مؤثر طریقے سے آگے بڑھایا جا سکتا ہے۔ اس لیے، ضروری ٹول کٹ تیار کرنا اور اس کے استعمال میں مہارت حاصل کرنا ضروری ہے۔

فی الحال، جب جنریٹو AI کو کاروبار میں استعمال کیا جاتا ہے، تو زیادہ تر معاملات میں جنریٹو AI کو ایک ٹول کے طور پر شامل کیا جاتا ہے۔

جنریٹو AI کے ساتھ کاروباری کارکردگی کو بہتر بنانے کے بارے میں زیادہ تر بحثیں انسانوں کے اپنے تکراری کام کے لیے استعمال ہونے والے موجودہ ٹول کٹ میں اس نئے اور طاقتور ٹول کو شامل کرنے کی طرف اشارہ کرتی ہیں۔

تکراری کام کے مسائل

دوسری جانب، جیسا کہ ایک پچھلے مضمون میں نشاندہی کی گئی تھی، تکراری کام میں ٹولز سے حاصل ہونے والے کارکردگی کے فوائد نسبتاً محدود ہیں۔

جیسے جیسے ٹولز زیادہ کارآمد ہوتے جاتے ہیں، آخر کار انسان ہی رکاوٹ بن جاتا ہے۔ ہم بالآخر انسانی کام کے اوقات کی حد کو عبور نہیں کر سکتے۔

مزید برآں، تجربہ کار ملازمین اور نئے بھرتی ہونے والوں کے درمیان تکراری کام کی کارکردگی اور درستگی میں نمایاں فرق ہوتا ہے، اور اس خلا کو پُر کرنا مشکل ہوتا ہے۔ نتیجتاً، اگر کوئی اگلے مہینے کام کا بوجھ دوگنا کرنے کا ارادہ بھی رکھتا ہے، تو اسے تجربہ کار کی مہارت رکھنے والے اہلکاروں کے بغیر سنبھالا نہیں جا سکتا۔

انسانوں کے رکاوٹ بننے کے مسئلے کو حل کرنے کے لیے، حتمی حل یہ ہوگا کہ ہر چیز کو مصنوعی ذہانت سے بدل دیا جائے۔

تاہم، موجودہ جنریٹو AI میں ابھی تک اس سطح کی کارکردگی نہیں ہے۔

مزید برآں، بظاہر سادہ تکراری کام بھی، جب گہرائی سے جانچا جائے، تو اس میں بہت سے لاشعوری ذیلی کام شامل ہوتے ہیں۔

اسی وجہ سے، ان کاموں کو روایتی آئی ٹی سسٹمز یا پیروی کرنے میں آسان دستورالعمل میں تقسیم نہیں کیا جا سکا، اور اس کے بجائے انسانی مہارت پر انحصار کیا گیا۔

جب تک مہارت کے متقاضی ان بے شمار لاشعوری کاموں کو منظم نہیں کیا جاتا، اور ہر ایک کے لیے ضروری معلومات کو علم میں نہیں بدلا جاتا، جنریٹو AI، چاہے اس کی کارکردگی کتنی ہی بہتر ہو جائے، انسانوں کے متبادل کے طور پر کام انجام دینے کے قابل نہیں ہو گا۔

فلو ورک کنورژن اور سسٹمائزیشن

جنریٹو AI کی موجودہ کارکردگی کی حدود کے اندر کاموں کو تقسیم کرنے، اور لاشعوری کاموں کو منظم کرنے اور نو ہاؤ کو علم میں تبدیل کرنے کے مقاصد کو پورا کرنے کے لیے، تجرباتی اور تکراری کام کو معیاری فلو ورک میں منظم کرنا انتہائی اہمیت کا حامل ہے۔

معیاری فلو ورک نہ صرف ٹولز کے لیے بلکہ سسٹمز کے لیے بھی موزوں ہے۔

فلو ورک کے اندر، جنریٹو AI کے لیے کام ہیں اور انسانوں کے لیے بھی کام ہیں۔ ان کو ایک سسٹم سے جوڑ کر، پورا فلو ورک قابل عمل بن جاتا ہے۔

فلو ورک کنورژن اور سسٹمائزیشن کئی اہم فوائد حاصل کرتے ہیں:

پہلا، چونکہ جنریٹو AI ہر انفرادی کام کے لیے مخصوص ہوتا ہے، اس لیے ہر کام کے لیے اس کی کارکردگی اور درستگی کو بہتر بنانا واضح ہو جاتا ہے۔

دوسرا، متعدد کارکن جنریٹو AI میں علم شامل کر سکتے ہیں، اور اس کے فوائد سب تک پہنچتے ہیں۔

تیسرا، اس کام کے اندر کاموں کی تقسیم کو بتدریج جنریٹو AI کی طرف منتقل کرنا آسان ہو جاتا ہے۔

تکراری کام کو فلو ورک میں تبدیل کرکے اور ہر کام کے لیے جنریٹو AI کے لیے درکار علم کو ایک سسٹم کے طور پر جمع کرکے، فکری کام خودکاریت کے قریب آ جاتا ہے، بالکل فیکٹری کی پیداواری لائن کی طرح۔

اور جنریٹو AI کی بہتر ہوتی ہوئی بنیادی کارکردگی کو شامل کرکے، جو وقت کے ساتھ ارتقاء پذیر ہوتا ہے، اور مختلف کاموں کے لیے مخصوص جمع شدہ علم کا استعمال کرکے، یہ ممکن ہو جائے گا کہ پورے فلو ورک کو جنریٹو AI کے ذریعے خودکار عمل میں تبدیل کر دیا جائے۔

ورچوئل انٹیلی جنس

اب تک کا تجزیہ تکراری کام اور ٹولز، اور فلو ورک اور سسٹمز کے نقطہ نظر سے رہا ہے۔

ایک اور حالیہ مضمون اس بحث کو مزید آگے بڑھاتا ہے۔

اس مضمون میں، میں نے ورچوئل انٹیلی جنس کے ذریعے آرکیسٹریشن کے موضوع پر بات کی تھی۔

فی الحال، اور بہت جلد مستقبل قریب میں، کارکردگی کی حدود کی وجہ سے، جنریٹو AI مخصوص کاموں پر توجہ مرکوز کرنے پر زیادہ کارآمد اور درست ہوتا ہے۔

اس لیے، جیسا کہ فلو ورک اور سسٹمز کے ساتھ پہلے بحث کی گئی، ہر انفرادی کام کے لیے خصوصی جنریٹو AI کو آپس میں جوڑنے والا ایک طریقہ کار مثالی تھا۔

تاہم، یہاں تک کہ اگر جنریٹو AI کی کارکردگی میں نمایاں بہتری آتی ہے، تو بھی ایک ہی عمل میں کرداروں کو تبدیل کرکے اور علم کو استعمال کرکے کاموں کو پروسیس کرنا، بجائے اس کے کہ ایک ساتھ مختلف کاموں کو سنبھالا جائے، ممکنہ طور پر زیادہ کارکردگی اور درستگی کا باعث بن سکتا ہے۔

یہ طریقہ کار جنریٹو AI کو آپس میں جوڑنے کے لیے کسی سسٹم کی ضرورت کو ختم کر دیتا ہے۔ سسٹم انٹیگریشن جیسے آپریشنز خود جنریٹو AI کے اندر ہی ہوں گے۔

مزید برآں، یہ خود جنریٹو AI کے اندر لچکدار ردعمل کی اجازت دیتا ہے، ایسی صورتحال سے ہٹ کر جہاں سسٹم میں ترمیم کیے بغیر کاموں کو تبدیل یا شامل نہیں کیا جا سکتا۔

اس کا مطلب ہے کہ منظم فلو ورک کو دوبارہ تکراری کام میں واپس لانا ہے۔

تاہم، یہ تکراری کام، جو نظام سازی اور فلو ورک کنورژن سے گزر چکا ہے، اب ایسی حالت میں ہے جہاں دوبارہ استعمال کے قابل علم کی تشکیل کی جا سکتی ہے، چاہے جنریٹو AI کی تعداد میں اضافہ ہو یا ورژنز تبدیل کیے جائیں۔

یہ انسانی تکراری کام کے مسائل کو حل کرتا ہے، جس سے انسانوں کے کام کی طرح لچکدار کام ممکن ہوتا ہے۔

یہاں، میں جنریٹو AI کی ایک ہی عمل کے دوران کرداروں اور علم کو تبدیل کرنے کی صلاحیت کو ورچوئل انٹیلی جنس کہتا ہوں۔ یہ کمپیوٹر کے ورچوئل مشین کے مشابہ ہے۔

جس طرح ورچوئل مشین ٹیکنالوجی ایک ہی ہارڈویئر پر چلنے والے بالکل مختلف کمپیوٹرز کی نقالی کرتی ہے، اسی طرح ایک واحد جنریٹو AI متعدد کرداروں کے درمیان تبدیل کرکے کاموں کو پروسیس کرتا ہے۔

موجودہ جنریٹو AI نے پہلے ہی قدرتی طور پر یہ ورچوئل انٹیلی جنس کی صلاحیت حاصل کر لی ہے۔ اسی وجہ سے، جنریٹو AI متعدد لوگوں کے درمیان بحث و مباحثے کی نقالی کر سکتا ہے اور متعدد کرداروں پر مشتمل ناول تخلیق کر سکتا ہے۔

اگر یہ ورچوئل انٹیلی جنس کی صلاحیت بہتر ہوتی ہے اور کافی علم فراہم کیا جاتا ہے، تو تکراری کام انجام دینا ممکن ہو جائے گا۔

انٹیلی جنس آرکیسٹریشن

مزید برآں، میں متعدد کرداروں اور علم کو اس طرح آزادانہ طور پر یکجا کرکے کام انجام دینے کی صلاحیت کو انٹیلی جنس آرکیسٹریشن کہتا ہوں۔

یہ آرکیسٹریشن ٹیکنالوجی کی طرح ہے جو متعدد ورچوئل مشینوں کا انتظام کرتی ہے۔

جس طرح آرکیسٹریشن ٹیکنالوجی ضرورت پڑنے پر ضروری ورچوئل مشینوں کو لانچ کرکے سسٹمز کو مؤثر طریقے سے چلاتی ہے، اسی طرح ایک جنریٹو AI، جو بہتر انٹیلی جنس آرکیسٹریشن کی مہارتوں — یعنی ورچوئل انٹیلی جنس کی صلاحیت — سے لیس ہو، متعدد کرداروں اور علم کا مناسب طریقے سے انتظام کرتے ہوئے اور کارکردگی و درستگی کو برقرار رکھتے ہوئے، لچکدار طریقے سے تکراری کام انجام دینے کے قابل ہو گا۔

سمفونک انٹیلی جنس

جنریٹو AI جو اس مرحلے پر پہنچ جاتا ہے اسے سمفونک انٹیلی جنس کہا جا سکتا ہے۔

جس طرح ایک آرکسٹرا، جو ہر آلے کو بجانے میں ماہر ہوتا ہے، اپنے متعلقہ کردار ادا کرتے ہوئے موسیقی کا ایک ٹکڑا پیش کرتا ہے، اسی طرح سمفونک انٹیلی جنس فکری کاموں کی ایک سمفونی پیش کر سکتی ہے۔

یہ سمفونک انٹیلی جنس ایک نیا تصور ہے، جو جنریٹو AI کے لیے عروج کے نکات میں سے ایک کی نمائندگی کرتا ہے۔

تاہم، سمفونک انٹیلی جنس خود پہلے سے موجود ہے۔

یہ ہماری انسانی ذہانت ہے۔

یہ بالکل اسی لیے ہے کہ ہم سمفونک انٹیلی جنس رکھتے ہیں کہ ہم لاشعوری طور پر اور لچکدار طریقے سے تکراری کام کے ذریعے متعدد پیچیدہ فکری کام انجام دے سکتے ہیں، جو معلومات کے وسیع ذخیرے سے فائدہ اٹھاتے ہیں۔

آخر میں: AGI کی شکل

سمفونک انٹیلی جنس کی نقل کرنے کی صلاحیت رکھنے والے جنریٹو AI کو دیگر کاموں کے لیے فلو ورک اور نالج بیس فراہم کرنے سے، وہ متعدد تکراری کاموں کو سنبھالنے کے قابل ہو جائے گا۔

ایک بار جب وہ متعدد مختلف تکراری کاموں کو سنبھالنے کے قابل ہو جائے گا، تو وہ ان کاموں کے درمیان مشترکہ اصولوں اور علم کے اندر ساختی نمونوں کو سمجھنے کے قابل ہو جائے گا۔

اس مقام پر، بالکل نامعلوم تکراری کاموں کے لیے، انسان کی صرف ایک مختصر وضاحت کے ساتھ، AI صرف یہ دیکھ کر کہ ایک انسان اسے کیسے انجام دیتا ہے، اس کام کا نو ہاؤ سیکھنے کے قابل ہو جائے گا۔

یہ حقیقی سمفونک انٹیلی جنس ہے۔ ایک بار جب یہ مرحلہ حاصل ہو جائے گا، تو انسانوں کو کام کو فلو پروسیسز میں تبدیل کرنے یا نو ہاؤ کو علم میں بدلنے پر کوشش کرنے کی ضرورت نہیں پڑے گی۔

مزید برآں، جنریٹو AI کے ذریعے اس طرح خودکار طور پر جمع شدہ علم کو دیگر جنریٹو AIs کے درمیان شیئر کیا جا سکتا ہے۔

اگر ایسا ہوتا ہے، تو جنریٹو AI کی سیکھنے کی صلاحیت انسانوں کی صلاحیت سے کہیں زیادہ ہو جائے گی۔

اسے AGI کی ایک شکل سمجھا جا سکتا ہے۔