اے آئی کی نمایاں خبریں — مکمل تصویر — 2026-10-16 (جمعہ) شام کی خبریں

جب کٹوتیوں کے اعلانات اور مارکیٹ کی بے چینی ایک ہی دن کی سرخیوں میں ساتھ آ جائیں تو ایسا لگتا ہے کہ AI روزگار اور معیشت کو نیچے لے جا رہا ہے۔ مثال کے طور پر، CWT Italy نے 190 ملازمتیں ختم کی ہیں، اور CNBC کے مطابق Wall Street پر AI کے بارے میں خدشات پھر سے بھڑک اٹھے ہیں۔ دوسری طرف، JPMorgan کا اندازہ ہے کہ Alphabet کے حصص میں 24% اضافے کی گنجائش ہے۔ صرف سرخیاں انفرادی کٹوتیوں کی وجوہات یا مارکیٹ کے نقطہ نظر کی سمت طے نہیں کرتیں۔ اس آدھے دن میں میں یہ جاننا چاہتا ہوں کہ ٹیکنالوجی کو اپنانے پر اثر سرخیوں کے جوش کا ہے، یا بنیادی ڈھانچے کا، جیسے دوبارہ تربیت کے نظام، جانچ اور ضابطے کے نظام، اور میدان میں اسے بھروسے کے ساتھ استعمال کرنے کا طریقہ۔ آگے ہم ہر حصے کے مواد کی مدد سے ان تینوں شعبوں کی اصل پیش رفت دیکھیں گے۔

سرخیوں میں کٹوتیوں اور معیشت کی اصل تصویر کے درمیان فرق

اطلاع ہے کہ CWT Italy نے 190 ملازمتیں ختم کرنے کا فیصلہ کیا ہے اور AI پر بحث تیز ہوتی جا رہی ہے (Business Travel News Europe)۔ ویڈیو ڈسٹری بیوشن کمپنی Netflix نے بھی چھانٹیوں کا اعلان کیا، اور CNBC کی ''5 Things to Watch in the Morning'' کے مطابق Wall Street پر AI سے متعلق خدشات دوبارہ بھڑک رہے ہیں (CNBC)۔ جب ایک ہی دن کی سرخیوں میں کٹوتیوں کے اعلانات اور مارکیٹ کی بے چینی ساتھ ساتھ نظر آتی ہے تو ایسا لگتا ہے کہ AI براہ راست روزگار اور معیشت کو نیچے لا رہا ہے۔ تاہم، مواد سے ہم صرف اتنی تصدیق کر سکتے ہیں کہ کٹوتیوں اور AI سے متعلق مباحث بیک وقت ہو رہے ہیں۔ سرخیوں سے یہ واضح نہیں ہوتا کہ انفرادی کٹوتیاں AI کی وجہ سے ہیں یا دیگر حالات کی وجہ سے۔

دوسری طرف، مارکیٹ کا نقطۂ نظر یک طرفہ نہیں ہے۔ JPMorgan کا اندازہ ہے کہ Alphabet کے اسٹاک میں 24% اضافے کی گنجائش ہے (Barron's)۔ ایک ہی وقت میں جب AI کے بارے میں خدشات پر بات ہو رہی ہے، AI سے متعلق بڑی کمپنیوں کے اسٹاک کی قیمتوں کے لیے تیزی کے اندازے بھی لگائے جا رہے ہیں۔ ریاستی مالیات میں، نیویارک ریاست کے بجٹ ڈائریکٹر نے خبردار کیا ہے کہ وفاقی اقدامات اور AI کی سست روی ریاستی مالیات کو نقصان پہنچائیں گی (POLITICO Pro)۔ اس کا مطلب ہے کہ بیک وقت کچھ آوازیں AI کو تشویش کی وجہ قرار دے رہی ہیں، کچھ اسے ترقی کی گنجائش کا ثبوت سمجھ رہی ہیں، اور کچھ اسے عوامی مالیات پر نیچے کی طرف دباؤ کے طور پر دیکھ رہی ہیں۔

ان حالات میں، Federal Reserve Bank of Chicago کے صدر نے کہا، "AI کے بغیر بھی معیشت کساد بازاری میں نہیں ہے" (Yahoo Finance)۔ یہ بیان ظاہر کرتا ہے کہ ہمیں AI کی موجودگی یا غیر موجودگی سے آزاد ہو کر معیشت کی اپنی حالت کو دیکھنے کی ضرورت ہے۔ معیشت کو صرف چھانٹیوں کی تعداد یا اسٹاک کی قیمتوں کی حرکت سے پرکھنے سے AI کے اثر کو ضرورت سے زیادہ یا کم سمجھا جا سکتا ہے۔ گورنر کے ریمارکس معیشت کو دیکھنے کا محض ایک طریقہ ہیں، اور وہ کٹوتیوں یا خدشات کی رپورٹوں کو منسوخ نہیں کرتے۔ تاہم، یہ سرخیوں کے تاثرات کو معیشت کی اصل حالت سے الگ کرنے کا معیار بن سکتا ہے۔

سرمایہ کاری کے فیصلوں پر اثر انداز ہونے کے حوالے سے بتایا گیا ہے کہ CNH کی جانب سے AI سے لیس زرعی مشینری کو بہتر بنانا بھی فیصلوں پر اثر ڈال سکتا ہے (Yahoo Finance)۔ یہاں AI چھانٹیوں کی وجہ کے طور پر نہیں بلکہ مصنوعات کے اصل جوہر کے طور پر سامنے آتا ہے۔ جب سرخیاں کٹوتیوں اور حصص کی قیمتوں پر مرکوز ہیں، تو کمپنیاں درحقیقت جس چیز میں سرمایہ کاری کر رہی ہیں وہ کہیں اور دکھائی دیتی ہے۔ ایسے وقت میں جب AI کے بارے میں رائے منقسم ہے، قارئین یہ جاننا چاہتے ہیں کہ اس پر کتنا شور مچایا جا رہا ہے، یہ نہیں، بلکہ یہ کہ میدانِ عمل میں اس کے نفاذ نے کیا شکل اختیار کی ہے۔ اگلے حصے میں ہم اس انفراسٹرکچر کا جائزہ لیں گے جو اس کے متعارف کرائے جانے کو سہارا دیتا ہے۔

لوگوں کی پرورش کرنے والوں کے لیے تیاری

سرخیوں میں چھانٹیوں کے باوجود، کمپنیاں اور صنعتی تنظیمیں لوگوں کو تعیناتی سے پہلے تربیت دینے کی تیاری کر رہی ہیں۔ TechBullion کے مطابق Mohammed Shahin اے آئی کے تعارف کے لیے انسانی وسائل تیار کرنے کے ذریعے کے طور پر مہارتوں کی نئی تربیت اور ایچ آر حکمت عملیوں کی وکالت کرتے ہیں۔ یہاں مفروضہ یہ ہے کہ اے آئی متعارف کرانے سے پہلے ایچ آر کو یہ طے کرنا چاہیے کہ موجودہ ملازمین اسے کیسے اور کن کاموں میں استعمال کریں گے۔ نرسنگ کیئر کے شعبے میں بھی ایسی ہی پیش رفت ہو رہی ہے۔ AHCA/NCAL نے اے آئی اور انسانی وسائل کے موضوع پر ایک ویبینار کا اعلان کیا ہے۔ تقریب کی تاریخ کا اعلان بعد میں کیا جائے گا، اور اس وقت ہم صرف اتنی تصدیق کر سکتے ہیں کہ نرسنگ کیئر کی صنعتی تنظیموں نے اے آئی کو انسانی وسائل کا مسئلہ سمجھنا شروع کر دیا ہے۔

تعلیم کے شعبے میں بھی پیش رفت ہو رہی ہے۔ Oracle Blogs کے مطابق، Oracle Academy نے بھارت کی نیشنل ایجوکیشن کانفرنس میں AI نصاب اپنانے کی حمایت کی۔ جہاں کارپوریٹ دوبارہ تربیت موجودہ ملازمین کو ہدف بناتی ہے، وہاں یہ ایسا اقدام ہے جو تعلیمی نصاب کے مرحلے سے سیکھے گئے مواد کو شامل کرتا ہے۔ دوسرا Polytechnic University of Valencia (UPV) ہے۔ اس یونیورسٹی نے ایک ایسا AI تیار کیا ہے جو سوشل میڈیا ویڈیوز میں جنس پرستی کی نشاندہی کرتا ہے۔ یہ لوگوں کی تربیت کی کہانی نہیں، بلکہ AI کے زیرِ استعمال مواد میں تعصب تلاش کرنے کے طریقے کی کہانی ہے۔ تاہم، متعارف کرانے سے پہلے انصاف کی تصدیق کرنے والا نظام تیار کرنے کے لحاظ سے، یہ انسانی وسائل کی ترقی کی طرح ہی سمت میں جا رہا ہے۔

دونوں کو ساتھ ساتھ پڑھنے سے واضح ہوتا ہے کہ کٹوتی کے بارے میں بحث اور تربیت و تعصب کی اصلاح کے بارے میں بحث الگ الگ جگہوں پر چل رہی ہیں۔ جہاں کٹوتی کی سرخی اس پر مرکوز ہے کہ AI کتنی ملازمتوں کی جگہ لے گا، وہیں Shahin کا Retraining Theory، AHCA/NCAL Webinar، Oracle Academy کی Curriculum Support اور UPV کا Detection AI اس پر بات کرتے ہیں کہ متبادل آنے سے پہلے کس چیز کی تیاری کی جائے۔ قاری یہ دیکھنا چاہتا ہے کہ جو ادارہ AI کے نفاذ کی بات کر رہا ہے، کیا وہ تربیتی منصوبہ، افرادی قوت کی نئی تقسیم اور آؤٹ پٹ میں تعصب جانچنے کا طریقہ بھی دکھاتا ہے۔ ان تیاریوں کی موجودگی یا غیر موجودگی کا نفاذ کے نتیجے پر سرخیوں کے اعداد و شمار سے زیادہ اثر پڑ سکتا ہے۔

جہاں تیاریاں لوگوں اور انصاف پر مرکوز ہیں، وہیں AI کے دیے گئے جوابات کی تصدیق اور ان کے ضابطے کے طریقہ کار پر بھی سوال اٹھ رہے ہیں۔ اگلے حصے میں ہم تصدیق اور ضابطہ کاری کی پیش رفت کا جائزہ لیں گے۔

جانچ اور مکالمے کے ذریعے حفاظت کو جوڑنے والا ایک فریم ورک

خطرناک AI کے خلاف تیاری کو بیرونی جانچ اور بین الاقوامی مکالمے کے ذریعے سہارا دینے کی کوشش جاری ہے۔ Nvidia کے سی ای او نے خطرناک AI پر امریکہ اور چین کے درمیان مکالمے کا مطالبہ کیا (Cheddar)۔ Anthropic نے ریٹنگ ایجنسی METR کو ملازمین کی سطح تک رسائی دی ہے، جس سے وہ جدید ترین ماڈلز کا جائزہ لے سکتی ہے (TradingView)۔ پہلا ممالک کے درمیان بحث کے فورم کا مطالبہ ہے، جبکہ دوسرا ایک عملی تبدیلی ہے جو تیسرے فریق کو ڈویلپر کے اندر جیسی شرائط میں ماڈل کا معائنہ کرنے کی اجازت دیتی ہے۔ جہاں تک رپورٹ کیا گیا ہے، کوئی بھی فریق مخصوص معاہدے کی تفصیلات نہیں جانتا۔ تاہم، دیکھا جا سکتا ہے کہ تیاری پر توجہ صرف ہر کمپنی کی خود رپورٹنگ تک محدود نہیں، بلکہ بیرونی جائزوں اور مکالمے تک بھی پھیلی ہوئی ہے۔

یہ رجحان محققین کی دلچسپیوں سے بھی ملتا ہے۔ ہماری سائٹ پر نمایاں تینوں پری پرنٹس کا ابھی ہم مرتبہ جائزہ (peer review) نہیں ہوا ہے، اور بنیادی معلومات arXiv پر شائع ہیں۔ پہلا X-Ragent ہے، جو سینے کے ایکس رے کی تشریح کرنے والے ایجنٹس سے متعلق ہے۔ تصویر کی تشریح کرتے وقت صرف مشاہدات کی بنیاد پر نتیجے تک پہنچنا ممکن نہیں ہوتا، اور ایسی صورتیں ہوتی ہیں جن میں پیمائشی اقدار جیسے اضافی شواہد کو ملایا جاتا ہے۔ مصنفین نشاندہی کرتے ہیں کہ یہ سیکھنے کا نظام کہ شواہد کی ضرورت کب ہے، اور غیر متعلقہ پیمائشوں کو استنباط سے خارج کرنے کا نظام کمزور ہیں۔ اس لیے ہم ان دونوں کی الگ الگ تربیت کرتے ہیں اور ایسا انعام استعمال کرتے ہیں جو صرف اس راستے کو عملی جائزہ دیتا ہے جہاں تشخیص درست ہو۔

دوسرا Agent-Reflex اس رویے پر توجہ دیتا ہے جب ٹول خراب جواب دیتا ہے۔ حقیقی استعمال میں ایجنٹس کو غلط جوابات ملتے ہیں اور راستے میں صارفین سے اصلاحات بھی ملتی ہیں۔ مصنفین کے مطابق موجودہ طریقوں میں ایسے حالات میں ناکامی پر غور کرنے اور اس سے سنبھلنے کی تربیت کو فروغ دینے والے استاد کے اشارے محدود ہیں۔ اس لیے سیکھنے کے تیسرے مرحلے میں ہم کامیاب اور ناکام راستوں کے جوڑوں سے دوبارہ استعمال کے قابل ``غور و فکر کی مہارتیں'' نکالتے ہیں۔ تیسرا VRSD اس نکتے سے متعلق ہے کہ جب ماڈل ایسے استاد سے سیکھتا ہے جو جواب جانتا ہے تو وہ بغیر جانچے بیانات دینے لگتا ہے۔ On-policy self-distillation صرف استاد کو تصدیق شدہ جوابات جیسی مراعات یافتہ معلومات دیتی ہے۔ مصنفین کے مطابق اس سے استاد استدلال میں ایسے شارٹ کٹس کی طرف جھک جاتا ہے جن میں تصدیق یا دوبارہ سوچنا کم ہوتا ہے، اور اس سے آؤٹ پٹ کی تنوع میں تیزی سے کمی آتی ہے۔ VRSD مراعات یافتہ معلومات کو ہٹاتا نہیں، بلکہ سسٹم پرامپٹس کے ذریعے اس کے استعمال کو ایڈجسٹ کرتا ہے۔

تینوں کتابوں میں مشترک بات یہ ہے کہ وہ صرف نتائج کی درستی کی تصدیق نہیں کرتیں بلکہ رویے کو بھی پرکھتی ہیں، جیسے ثبوت کب تلاش کرنا ہے، ان پٹ خراب ہو تو کیسے رک جانا ہے، اور تصدیق کیے بغیر بیان دینا ہے یا نہیں۔ یہ وہی سوالات ہیں جو بیرونی جانچ کے فریم ورک پوچھنا چاہتے ہیں۔ جب قارئین کسی ماڈل کو اپنانے کا فیصلہ کر رہے ہوں تو درستی کے اعداد و شمار کے ساتھ یہ بھی دیکھنا مفید ہے کہ اس رویے کی تصدیق کس نے اور کن حالات میں کی۔ اگلے حصے میں ہم اس تصدیق کو موقع پر استعمال میں لانے کے طریقے پر غور کریں گے۔

ایسے استعمالات جو طبی نگہداشت، ذہن اور تعلقات تک پھیلے ہوئے ہیں

بتایا گیا ہے کہ امریکی فوڈ اینڈ ڈرگ ایڈمنسٹریشن (FDA) نے چھاتی کے کینسر کے دوبارہ لوٹنے کی پیش گوئی کرنے والے ایک AI ٹول کی منظوری دے دی ہے (ABC News)۔ یہ منظوری اس کی مثال ہے کہ AI کا نتیجہ طبی فیصلوں کے مواد کے طور پر عوامی جانچ سے گزر سکتا ہے۔ ذہنی صحت کے شعبے میں رپورٹ ہوا کہ AI سے چلنے والی ایپ استعمال کرنے والے صارفین کی سماجی فلاح و بہبود بہتر ہوئی (2 Minute Medicine)۔ ایک پیش گوئی ہے جو تشخیص سے مشابہ ہے، جبکہ دوسری روزمرہ جذباتی معاونت ہے، اور مقاصد مختلف ہیں۔ تاہم ان میں ایک بات مشترک ہے: انہیں انسانی صحت اور جذبات سے گہرے تعلق والے حالات میں عملی طور پر استعمال کیا جا رہا ہے۔ اسے اپنانے پر غور کرتے وقت قارئین کو یہ رپورٹس کہ یہ مؤثر رہا اور اس کی تصدیق کے لیے اختیار کیے گئے طریقۂ کار الگ الگ پڑھنے چاہییں۔ FDA کی منظوری بعد والی بات کی ایک مثال ہے، اور ایپ کی رپورٹنگ ایک مختلف سطح پر ہے۔

تاہم، آلہ انسانوں کے جتنا قریب ہوتا ہے، غیر مطابقت رکھنے والے استعمال کا صارف پر اتنا ہی زیادہ اثر پڑتا ہے۔ New York Post نے رپورٹ کیا کہ "AI polys"، جو تین افراد کے تعلقات میں AI چیٹ بوٹس استعمال کرتے ہیں، زیادہ عام ہوتے جا رہے ہیں، اور ماہرین ذہنی بیماری کے خطرے سے خبردار کر رہے ہیں۔ Vietnam.vn نے بتایا کہ MoMo صارفین کو برقرار رکھنے کے لیے Tesla کے فلسفے اور ہمدرد ضوابط کا استعمال کیسے کر رہا ہے۔ ہمدردی کسی سروس کی قدر ہے، اور ساتھ ہی یہ مسلسل استعمال کی حوصلہ افزائی کا ذریعہ بھی بن سکتی ہے۔ خوشی میں بہتری کی رپورٹس تعلقات کے گہرا ہونے سے متعلق انتباہات کے ساتھ ہی سامنے آتی ہیں۔ لہٰذا، صارفین کی زیادہ تعداد یا اعلیٰ تسلسل کی شرح کو اس بات کا ثبوت سمجھنے سے گریز کرنا بہتر ہے کہ صارفین کو بڑا فائدہ ہے۔

ٹیکنالوجی کے باہر سے بھی سوالات اٹھائے جا رہے ہیں۔ The Conversation نے کسان مصنف Berry کے نقطۂ نظر سے اے آئی کے دور میں کسی چیز کے جاندار یا مشین ہونے کی بحث کو پیش کیا۔ TCNJ Signal News میں ایک رائے کے مضمون میں دلیل دی گئی ہے کہ اے آئی آرٹ گاہکوں کو دور کر دے گا۔ یہ طلبہ کے میڈیا کی رائے ہے اور فروخت یا آنے والوں میں حقیقی تبدیلیاں دکھانے والا سروے نہیں ہے۔ تاہم ایسا لگتا ہے کہ اے آئی کے استعمال سے گاہکوں کے اعتماد کو نقصان پہنچنے کے خدشات پیداوار اور کسٹمر سروس کے محاذوں تک پہنچ رہے ہیں۔

طبی منظوریاں، جذباتی معاونت میں تاثیر کی رپورٹیں، تعلقات سے متعلق انتباہات اور صارفین کے ردعمل کے خدشات، سب کے لیے ٹیکنالوجی کے استعمال کے طریقے پر فیصلے درکار ہیں، چاہے اس کی کارکردگی کچھ بھی ہو۔ جن شعبوں میں انسان شامل ہوں، وہاں یہ طے کرنا کہ کون کس دائرے کا ذمہ دار ہوگا اور انسان کہاں سنبھالیں گے، اس سے زیادہ اہم ہے کہ اسے اپنایا جا سکتا ہے یا نہیں۔

چھانٹی اور اسٹاک قیمتوں کی سرخیاں توجہ کھینچتی ہیں، لیکن ان میں ہمیں یہ نظر آتا ہے کہ چھانٹی اور AI پر ایک ساتھ بات ہو رہی ہے۔ فیصلہ کن عنصر جاری دیکھ بھال تھی۔ انسانی وسائل کے شعبے میں AI متعارف کرانے سے پہلے دوبارہ تربیت کی منصوبہ بندی کا رجحان ہے، اور یہی سمت نرسنگ کیئر کی صنعتی تنظیموں اور تعلیمی نصاب میں بھی نظر آتی ہے۔ حفاظت کے لحاظ سے، ہر کمپنی کی اپنی رپورٹنگ کی تکمیل کے لیے بیرونی اداروں کی جانچ اور بین الاقوامی مکالمہ پھیل رہا ہے۔ طبی اور نفسیاتی شعبوں میں ایسے کیسز ہیں جن کی تصدیق FDA کی منظوری جیسے طریقۂ کار سے ہوتی ہے، اور ایسے بھی جو صرف صارفین کی طرف سے رپورٹ ہوئے ہیں، اور استعمال انسانوں کے جتنا قریب ہو، تضادات کا اثر اتنا ہی زیادہ ہوتا ہے۔ نفاذ پر غور کرتے وقت، توجہ سرخیوں کی گرمی سے ہٹ کر لوگوں کی تیاری، تصدیقی نظام اور استعمال کی یقینی حیثیت جیسے مواد پر مرکوز ہو جاتی ہے۔

سوال 1: اپنے کام میں اے آئی استعمال کرتے وقت یہ کون طے کرتا ہے کہ اسے کیسے استعمال کیا جائے، کون سے اقدامات کیے جائیں، اور استعمال کنندگان کی تیاری کیسے کی جاتی ہے؟ سوال 2: کیا اے آئی کے آؤٹ پٹ یا استعمال میں کوئی مسئلہ نہ ہونے کی بنیاد کی تصدیق خود رپورٹنگ کے بجائے بیرونی جانچ یا عوامی طریقہ کار سے ہوتی ہے؟ سوال 3: کیا عملے اور سرمایہ کاری کے فیصلے سرخیوں یا اسٹاک کی قیمت کی حرکت کے بجائے اس بنیاد پر کیے جاتے ہیں کہ دوبارہ تربیت اور تصدیق کے نظام موجود ہیں یا نہیں؟

آخر میں، تین سوالات

- اپنے کام میں AI استعمال کرتے وقت، اسے کیسے استعمال کرنا ہے اور کون سے اقدامات کرنے ہیں، اس کا فیصلہ کون کرتا ہے، اور صارفین کو کیسے تیار کیا جاتا ہے؟ Q2: کیا AI کے آؤٹ پٹ یا استعمال میں کوئی مسئلہ نہ ہونے کے دعوے کی بنیاد خود رپورٹنگ کے بجائے بیرونی جانچ یا عوامی طریقۂ کار کے ذریعے تصدیق شدہ ہے؟ Q3: کیا عملے اور سرمایہ کاری کے فیصلے سرخیوں یا اسٹاک کی قیمت کی حرکت کے بجائے اس بنیاد پر کیے جاتے ہیں کہ دوبارہ تربیت اور تصدیق کے نظام موجود ہیں یا نہیں؟ - کیا AI کے آؤٹ پٹ یا استعمال میں کوئی مسئلہ نہ ہونے کے دعوے کی بنیاد خود رپورٹنگ کے بجائے بیرونی جانچ یا عوامی طریقۂ کار کے ذریعے تصدیق شدہ ہے؟ Q3: کیا عملے اور سرمایہ کاری کے فیصلے سرخیوں یا اسٹاک کی قیمت کی حرکت کے بجائے اس بنیاد پر کیے جاتے ہیں کہ دوبارہ تربیت اور تصدیق کے نظام موجود ہیں یا نہیں؟ - کیا عملے اور سرمایہ کاری کے فیصلے سرخیوں یا اسٹاک کی قیمت کی حرکت کے بجائے اس بنیاد پر کیے جاتے ہیں کہ نئی مہارتیں سکھانے اور تصدیق کے نظام موجود ہیں یا نہیں؟