کیا ہوا؟
ساؤتھ چائنا مارننگ پوسٹ نے رپورٹ کیا ہے کہ چینی یونیورسٹیوں اور ٹیکنالوجی کمپنیوں کے محققین نے ایک مقالہ شائع کیا ہے جس میں AI نظاموں کو بہتر بنانے کے لیے استعمال کیے جانے والے طریقوں کو مستقل طور پر بہتر بنانے کے لیے انسانی ڈیزائن کردہ اپ گریڈ کو انجام دینے سے لے کر دوبارہ خود کو بہتر بنانے کے پانچ مراحل کی وضاحت کی گئی ہے۔ مقالہ اسے ایک تحقیقی سمت کے طور پر پیش کرتا ہے، نہ کہ ایک مظاہرے شدہ مصنوعہ کے طور پر۔
ساؤتھ چائنا مارننگ پوسٹ نے رپورٹ کیا ہے کہ بائٹ ڈانس، سنگھوا یونیورسٹی، شنگھائی آرٹیفیشل انٹیلی جنس لیبارٹری اور دیگر اداروں کے محققین نے "انسانوں کے ذریعہ بنایا ہوا آخری AI: حقیقی بار بار خود کو بہتر بنانے کی طرف" شائع کیا۔ یہ مقالہ بار بار خود کو بہتر بنانے، یا RSI کے لیے پانچ ترقی پسند مراحل طے کرتا ہے۔ سب سے پہلے، ایک AI انسانی انجینئروں کے ذریعہ ڈیزائن کردہ بہتری کے طریقہ کار کو انجام دے گا۔ اس کے بعد یہ اپ گریڈ کی حکمت عملیوں کا انتخاب کرے گا، اس بات کا تعین کرے گا کہ اسے کس معلومات یا تجربے کی ضرورت ہے، تعیناتی کے بعد اپنایا جائے گا، اور بالآخر خود AI کو بہتر بنانے کے لیے استعمال ہونے والے طریقوں کو بہتر بنائے گا۔
رپورٹ RSI کو چیٹ بوٹ سے ممتاز کرتی ہے جو ایک ہی جواب کو درست کرتی ہے۔ RSI کے طور پر کوالیفائی کرنے کے لیے بہتری کے لیے، تبدیلی کو ایک کام سے آگے برقرار رہنے کی ضرورت ہوگی اور جانشین نظاموں سے وراثت میں ملنا چاہیے۔ محققین کا استدلال ہے کہ تربیت، تشخیص اور فائن ٹیوننگ کے حصوں کو خودکار بنانے سے ترقی کے چکروں کو کم کیا جا سکتا ہے اور لیبر اور کمپیوٹنگ کے اخراجات کو کم کیا جا سکتا ہے، لیکن یہ فراہم کردہ رپورٹ میں آزادانہ طور پر ظاہر کیے گئے نتائج کے بجائے مصنفین کے دعوے ہیں۔
مضمون میں چینی کمپنیوں کی متعلقہ کوششوں کی بھی وضاحت کی گئی ہے۔ Z.ai مبینہ طور پر 5 بلین امریکی ڈالر کے فنڈ ریزنگ راؤنڈ سے حاصل ہونے والی تقریباً 60 فیصد رقم کو اگلی نسل کے GLM ماڈلز اور خود تربیتی نظام کی طرف بھیجنے کا ارادہ رکھتا ہے۔ MiniMax 2.7 سے وابستہ محققین نے مبینہ طور پر میموری اپ ڈیٹس اور کمک سیکھنے کے تجربات کو بیان کیا، جبکہ DeepSeek نے مبینہ طور پر ملٹی سٹیپ ٹاسک، کوڈ پر عمل درآمد اور بیرونی سافٹ ویئر کے تعامل کے لیے ایک ایجنٹ کا استعمال تیار کیا۔ یہ مثالیں یہ ثابت نہیں کرتی ہیں کہ کسی بھی کمپنی نے کاغذ کا آخری RSI مرحلہ حاصل کر لیا ہے۔
یہ کیوں اہمیت رکھتا ہے۔
AI تحقیق کے خودکار حصوں کو متاثر کر سکتا ہے کہ ڈویلپرز مستقبل کے ماڈلز کو کتنی جلدی اور سستے طریقے سے تربیت دیتے ہیں، جبکہ ماڈل کی بہتری پر زیادہ کنٹرول لوگوں سے AI سسٹمز میں منتقل کرتے ہیں۔ اس تجویز میں ایک مرکزی حفاظتی چیلنج کو بھی اجاگر کیا گیا ہے: ایسے نظام جو اپنی بہتری کے عمل کو تبدیل کرتے ہیں ان کو تعیناتی سے پہلے قابل اعتماد جانچ اور نگرانی کی ضرورت پڑ سکتی ہے۔ رپورٹ میں اس بات کا کوئی ثبوت نہیں دیا گیا کہ حتمی مراحل طے کر لیے گئے ہیں۔
اگر قابل بھروسہ ہے تو، وہ سسٹم جو AI تحقیق کے حصوں کو خود کار بناتے ہیں، ڈیولپرز کو زیادہ تجربات کرنے اور کم براہ راست انسانی محنت کے ساتھ ماڈلز کو بہتر بنانے کی اجازت دے کر ایک مسابقتی فائدہ بن سکتے ہیں۔ یہ فاؤنڈیشن ماڈل کی ترقی کی رفتار اور لاگت کو متاثر کر سکتا ہے، حالانکہ رپورٹ ان اثرات کی کوئی آزاد پیمائش فراہم نہیں کرتی ہے۔
یہ تجویز AI کی حفاظت کے لیے بھی نتیجہ خیز ہے۔ محققین کا کہنا ہے کہ حقیقی RSI کو سخت حفاظتی اقدامات اور تصدیق شدہ جانچ کے ماحول کی ضرورت ہوگی تاکہ اپ ڈیٹس کو تعیناتی سے پہلے محفوظ اور فائدہ مند دکھایا جائے۔ فراہم کردہ رپورٹ آزادانہ طور پر روڈ میپ، متعلقہ کمپنی کے دعووں، یا کسی مجوزہ حفاظتی اقدامات کی تاثیر کی تصدیق نہیں کرتی ہے۔
انٹرایکٹو میکانزم: یہ اصل میں کیسے کام کرتا ہے۔
اس ترقی کے پیچھے بنیادی ٹیکنالوجی کو انٹرایکٹو طریقے سے دریافت کریں۔
crm_get_transaction(id='4092').Which component of an AI application is the machine-learning model itself?
آگے کیا دیکھنا ہے۔
کاغذ حقیقی بار بار خود کو بہتر بنانے کے لیے کوئی ٹائم ٹیبل نہیں دیتا۔ کوئی دستاویزی مصنوعات تک رسائی، قیمتوں کا تعین، یا عام دستیابی نہیں ہے۔ کلیدی نامعلوم میں یہ شامل ہے کہ آیا مجوزہ مراحل سافٹ ویئر انجینئرنگ کے باہر قابل اعتماد طریقے سے کام کر سکتے ہیں، ان کے لیے کتنے حساب کی ضرورت ہے، اور آیا حفاظتی اقدامات نقصان دہ یا غیر موثر اپ ڈیٹس کا پتہ لگا سکتے ہیں۔
محققین حقیقی RSI حاصل کرنے کے لیے کوئی ٹائم ٹیبل فراہم نہیں کرتے، اور ساؤتھ چائنا مارننگ پوسٹ کسی ایسے کام کرنے والے نظام کی اطلاع نہیں دیتا جو آخری مرحلے پر پہنچ چکا ہو۔ بیان کردہ تحقیق تک رسائی کی وضاحت نہیں کی گئی ہے، اور کسی پروڈکٹ کی قیمت یا عام دستیابی دستاویزی نہیں ہے۔
میدان کے لحاظ سے پیشرفت کافی مختلف ہو سکتی ہے۔ مصنفین مبینہ طور پر سافٹ ویئر انجینئرنگ کو ایک واضح راستے کے طور پر دیکھتے ہیں، جبکہ روبوٹکس اور سائنسی دریافت سخت تکنیکی چیلنجز پیش کرتے ہیں۔ کمپیوٹ کی دستیابی ایک اور حد ہے: رپورٹ میں ایک ماہر کے حوالے سے کہا گیا ہے کہ امریکی کمپنیاں کئی ماہ آگے رہتی ہیں اور ان کے پاس زیادہ سے زیادہ تعیناتی کا حساب ہوتا ہے، جبکہ چینی محققین ہارڈ ویئر کی رکاوٹوں کے تحت اصلاح کرتے رہتے ہیں۔
مستقبل کی رپورٹنگ کو یہ ثابت کرنا چاہئے کہ آیا دعوی کردہ خود تربیتی نظام مستقل، دوبارہ پیدا کرنے کے قابل بہتری پیدا کرتے ہیں، کس طرح اپ ڈیٹس کا جائزہ لیا جاتا ہے، اور آیا انسانی منظوری کی ضرورت باقی ہے۔ فراہم کردہ ذریعہ میں کوئی آزاد ٹیسٹ کے نتائج فراہم نہیں کیے گئے ہیں۔