AI ہائی لائٹس — مکمل منظرنامہ — 2026-10-24 (ہفتہ) روزانہ خبریں

Warp Sciences نے ایسی لیب بنانے کے لیے 215 ملین ڈالر جمع کیے ہیں جو AI اور روبوٹس کی مدد سے کیمیائی تجربات کرتی ہے۔ اسی مدت میں خبر آئی کہ American Express اپنی افرادی قوت میں 5% کمی کر رہی ہے، اور Colliers نے خبردار کیا کہ AI کے ماہرین کی کمی یورپ میں ترقی کی راہ میں رکاوٹ بن سکتی ہے۔ جہاں سرمایہ اور توقعات دونوں زیادہ ہیں، وہاں عملے کی ردوبدل اور عملے کی کمی ایک ساتھ پیش آ رہی ہیں۔ اس نصف دن میں ہم جو مضامین پڑھیں گے ان میں مشترک نکتہ یہ ہے کہ کامیابی اور ناکامی کا فرق اس بات سے کم اور اس بات سے زیادہ جڑا ہے کہ AI میں کتنا پیسہ لگایا گیا، بلکہ اس سے کہ یہ سرمایہ کاری موقع پر جانچ کے مرحلے سے کیسے گزرتی ہے اور اسے کن ہاتھوں سے چلایا جاتا ہے۔ تشخیص، تقریر کی درجہ بندی اور پیش گوئی کی تحقیق بھی قارئین کو مناسب حالات میں حاصل ہونے والے نتائج اور حقیقی ماحول کے نتائج کے فرق سے روبرو کراتی ہے۔

ادویات کی دریافت کے AI میں بھاری فنڈز جمع، شراکت داری قائم

Warp Sciences نے AI سے چلنے والی دوا سازی کی دریافت کی لیب بنانے کے لیے 215 ملین ڈالر جمع کیے (citybiz)۔ BRIDGE کے مطابق یہ کمپنی دوا کی دریافت کے لیے AI اور روبوٹس کی مدد سے کیمیائی تجربات کرتی ہے، اور اس نے Lightspeed کی قیادت میں Series A کے ذریعے فنڈنگ حاصل کی۔ Series A کے مرحلے پر 200 ملین ڈالر سے زیادہ جمع کیے گئے۔ فنڈز کا مقصد بھی دلچسپی کا نکتہ ہے۔ ہدف صرف سافٹ ویئر اور ماڈل تیار کرنا نہیں، بلکہ تجربات عملاً انجام دینے والی لیبز بنانا اور کیمیائی تجربات کو خودکار بنانا بھی ہے۔

ایک اور کمپنی، AI ڈرگ ڈسکوری کمپنی Pathos، نے 3 ارب ڈالر کی ویلیویشن پر 237 ملین ڈالر جمع کیے (STAT)۔ Reuters کے مطابق Pathos دوا کی تیاری کو آگے بڑھانے کے لیے Bristol Myers اور Tempus AI کے ساتھ شراکت کرے گی (Reuters)۔ یہاں جمع کی گئی رقم اور ویلیویشن میں ایک بڑی فارماسیوٹیکل کمپنی کے ساتھ شراکت کے عملی روابط بھی شامل ہیں۔ فنڈز جمع ہونے کی وجہ صرف AI کا وعدہ نہیں ہے۔ ایسا لگتا ہے کہ جائزے میں یہ بات بھی شامل ہوگی کہ اسے فارماسیوٹیکل کمپنیوں کے ڈیولپمنٹ پراسیس میں کیسے شامل کیا جائے گا۔

دونوں کمپنیوں کی جمع کی گئی کل رقم 452 ملین ڈالر بنتی ہے۔ یہ پیمانہ ظاہر کرتا ہے کہ ادویات کی دریافت کے AI سے توقعات الگورتھمز کی برتری سے آگے بڑھ کر تجرباتی آلات اور شراکت داروں سمیت پورے کاروبار میں سرمایہ کاری تک پھیلی ہوئی ہیں۔ قارئین کو ان اعداد و شمار سے اعلیٰ قدر پیمائی کو نہیں لینا چاہیے۔ اصل سوال یہ ہے کہ آیا فنڈز خودکار تجرباتی نظاموں یا بڑی دوا ساز کمپنیوں کے ساتھ اشتراک کی صورت میں استعمال ہو رہے ہیں۔

تاہم اس بار پیش کیا گیا تمام مواد فنڈنگ اور تعاون کے اعلانات پر مشتمل ہے، اور ڈرگ ڈسکوری کے نتائج کی رپورٹ نہیں ہے۔ فنڈز پہلے جمع ہو جائیں گے، لیکن یہ الگ سے تصدیق کرنا ضروری ہے کہ لیب چلانے کے لیے انسانی وسائل اور اصل ڈیولپمنٹ سائٹ پر تصدیق کا عمل ایک ہی رفتار سے آگے بڑھے گا یا نہیں۔

عملے میں کمی اور انسانی وسائل کی قلت ایک ساتھ بڑھ رہی ہیں

Demokratis.co.id کی رپورٹ کے مطابق American Express اپنی افرادی قوت میں 5% کمی کرے گی۔ سرخی کے مطابق اس کی وجہ AI سے مطابقت ہے۔ یہ کمی ظاہر کرتی ہے کہ AI کا استعمال صرف آپریشنل کارکردگی بہتر بنانے تک محدود نہیں رہا، بلکہ اب روزگار کی ساخت کو ازسرِنو ترتیب دینے کے مرحلے میں داخل ہو چکا ہے۔ 5% تمام ملازمین کا تناسب ہے، رقم نہیں۔ کوئی کمپنی کتنی سنجیدہ ہے، اس کا بہتر پیمانہ یہ نہیں کہ اس نے AI میں بڑی رقم لگائی یا نہیں، بلکہ یہ ہے کہ آیا وہ سرمایہ کاری عملے کی ترکیب میں تبدیلیوں کی صورت میں ظاہر ہوتی ہے۔ جب قارئین اپنی کمپنیوں اور کاروباری شراکت داروں کو دیکھیں، تو یہ پہچاننا کہ کون سی ملازمتیں کم ہو رہی ہیں اور کن کی مانگ ہے، AI سے متعلق بجٹ کی رقم کے مقابلے میں اصل صورتحال کا زیادہ درست اشارہ ہے۔

دوسری طرف، صرف افراد کی اضافی تعداد کی بات کرنا کافی نہیں ہے۔ Data Center Solutions کے مطابق، پراپرٹی سروسز کی بڑی کمپنی Colliers نے خبردار کیا ہے کہ AI ٹیلنٹ کی کمی یورپ کی AI ترقی میں رکاوٹ بن سکتی ہے۔ American Express کی 5% کٹوتی اور Colliers کا انتباہ الگ الگ رپورٹیں ہیں جو تقریباً ایک ہی وقت میں سامنے آئیں۔ تاہم، جب انہیں ساتھ رکھ کر دیکھا جائے تو ایک ہی تصویر ابھرتی ہے۔ موجودہ ملازمتیں کمی اور تنظیمِ نو کی زد میں ہیں، جبکہ میدانِ عمل میں AI کو ڈیزائن کرنے، چلانے اور برقرار رکھنے کے لیے کافی لوگ موجود نہیں ہیں۔ یہ نشاندہی کی گئی ہے کہ افرادی قوت کی فراہمی یورپی خطے میں ترقی کی بالائی حد ہو سکتی ہے، یعنی محض فنڈز اکٹھے کر لینے سے ترقی کی ضمانت نہیں ملتی۔ جب قارئین AI کو اپنانے کی منصوبہ بندی کر رہے ہوں تو انہیں آلات اور معاہدوں کو یقینی بنانے کے ساتھ ساتھ سب سے پہلے یہ دیکھنا ہوگا کہ وہ عملہ کہاں سے حاصل کریں گے۔

آلات اور ان کے استعمال کرنے والوں کے تعلق کو بدلنے کی کوششیں صنعت سے باہر بھی ہو رہی ہیں۔ Frieze نے مصور David Salle کو نمایاں کیا جو AI کو اپنے اسٹوڈیو میں مدعو کر رہے ہیں۔ اٹیلیئر وہ جگہ ہے جہاں تخلیق کار اپنے کام اپنے ہاتھوں سے مکمل کرتے ہیں۔ اس شعبے میں AI کا داخل ہونا بذاتِ خود اس بات کی علامت سمجھا جا سکتا ہے کہ کام کے ذمہ دار افراد اور ان کی مدد کرنے والے آلات کے درمیان کردار کی تقسیم پر دوبارہ غور کیا جا رہا ہے۔ اگرچہ ان تینوں معاملات کا پیمانہ مختلف ہے: کمپنیوں میں کٹوتی، مقامی افرادی قوت کی کمی، اور انفرادی تخلیقی مقامات، لیکن ان سب میں ایک بات مشترک ہے: کون کس چیز کا ذمہ دار ہے، اور AI کس حد تک ذمہ دار ہو گا۔ ان حقائق کی بنیاد پر لگتا ہے کہ ہم ایسے مرحلے کی طرف بڑھ رہے ہیں جہاں متعارف کرانے کی کامیابی یا ناکامی کا اندازہ لگائی گئی رقم کے حجم سے نہیں، بلکہ اس سے ہوتا ہے کہ آیا نتائج کو میدان میں حقیقی استعمال کے ذریعے جانچا جا سکتا ہے، اور آیا اسے انجام دے سکنے والے لوگ دستیاب کیے جا سکتے ہیں۔ اگلے حصے میں ہم دیکھیں گے کہ یہ ثبوت کس حد تک آگے بڑھ چکا ہے۔

تشخیص اور پیش گوئی میں انسانوں سے آگے نکلنے والی تصدیقات سامنے آنا شروع ہو گئی ہیں

Microsoft نے ایک مطالعہ پیش کیا جس کے مطابق ڈاکٹروں کے ایک گروہ کے طرز پر بنایا گیا AI تشخیصی درستگی میں ڈاکٹروں سے بہتر رہا (Medical Economics)۔ کہا جاتا ہے کہ اس ڈیزائن میں AI کے ذریعے علاج کے اس طریقے کو دہرایا گیا ہے جس میں متعدد ماہرین بحث کر کے کسی نتیجے پر پہنچتے ہیں۔ اب تک AI کی تشخیصی معاونت کو اکثر انفرادی ڈاکٹروں کی مدد کرنے والے ایک آلے کے طور پر بیان کیا جاتا رہا ہے۔ اس بار موازنے کا موضوع انفرادی ڈاکٹروں کے فیصلے ہیں، اور جانچ کا محور معاونت کی سہولت سے ہٹ کر خود تشخیصی درستگی کی طرف منتقل ہو گیا ہے۔ تاہم یہ نتیجہ تحقیق کے دائرے کے اندر حاصل کیا گیا ہے۔ آیا یہی درستگی حقیقی بیرونی مریضوں اور ہنگامی شعبوں میں بھی برقرار رہتی ہے، اس کے لیے مزید تصدیق کا انتظار کرنا ہو گا۔

علاج کے انتخاب کے قریب کے شعبوں میں بھی پیش گوئیوں کی جانچ شروع ہو چکی ہے۔ BostonGene اپنے AI کے ذریعے CAR-T تھراپی کی افادیت اور زہریلے پن کی پیش گوئی کرنے کی تحقیق میں تعاون کرے گا (RegMedNet)۔ CAR-T تھراپی میں علاج کے فیصلوں کا مرکز دو باتیں ہیں: ان مریضوں کی نشاندہی جن سے فائدے کی توقع کی جا سکتی ہے، اور شدید مضر اثرات کے خطرے کا پیشگی اندازہ۔ اگر پیش گوئی کا دائرہ تشخیص سے بڑھ کر علاج کی افادیت اور زہریلے پن تک پھیل جائے تو AI کا نتیجہ ڈاکٹروں کے لیے محض ایک غور طلب پہلو نہیں رہے گا، بلکہ علاج شروع کرنے یا نہ کرنے اور اس کے انتظام کے فیصلوں کی بنیاد بن جائے گا۔ مشترکہ تحقیق کی یہ صورت ظاہر کرتی ہے کہ یہ منصوبہ کسی طریقے کی پیشکش پر ختم نہیں ہوتا، بلکہ طبی پہلو کے ڈیٹا اور مہارت کو شامل کرنے اور اس کی توثیق کرنے کے مرحلے میں داخل ہو چکا ہے۔

طب کے علاوہ بھی ایسی مثالیں موجود ہیں جہاں موقع پر مشاہدے کی ذمہ داری AI کے پاس ہے۔ EdenCore نے FIRA USA (Fruit Growers News) میں اپنی AI پر مبنی پھلوں کی نگرانی کی ٹیکنالوجی کا مظاہرہ کیا۔ اب تک پھلوں کی حالت کا مسلسل مشاہدہ کرنے اور اسے سمجھنے کا کام لوگ کھیتوں میں جا کر انجام دیتے رہے ہیں۔ اگر یہ مشاہدہ AI کو سنبھالنا ہے تو اس کے استعمال کی قدر اس بات پر منحصر ہوگی کہ آیا وہ فیصلے کرنے کے لیے قابلِ استعمال معلومات مسلسل جمع کر سکتا ہے یا نہیں۔ چونکہ یہ ٹیکنالوجی صرف ایک نمائش میں پیش کی گئی ہے، اس لیے یہ دیکھنا ضروری ہے کہ اسے کیسے استعمال کیا جاتا ہے تاکہ معلوم ہو کہ کھیتوں میں نتائج سامنے آئیں گے یا نہیں۔

اگرچہ تشخیص، علاج کی پیش گوئی اور پھلوں کے مشاہدے جیسے شعبے مختلف ہیں، ان میں قدرِ مشترک یہ ہے کہ AI نے مشاہدے اور پیش گوئی کا وہ کردار سنبھالنا شروع کر دیا ہے جو انسانی فیصلے کا دروازہ ہے۔ اس معاملے میں سوال تحقیق یا نمائش کے ماحول میں کارکردگی کا نہیں، بلکہ یہ ہے کہ آیا وہی نتائج حقیقی ماحول میں دہرائے جا سکتے ہیں، اور آیا ان نتائج کو قبول کر کے استعمال کرنے والے لوگ کافی تعداد میں موجود ہوں گے۔

روزمرہ زندگی کے قریب AI اور حقیقی ماحول میں اس کی تصدیق

Bioengineer.org پر ایک AI وائس ماڈل پیش کیا گیا ہے جو حقیقی دنیا کی ریکارڈنگز کی مدد سے ڈسآرتھریا کی شدت کی درجہ بندی کرتا ہے۔ ڈسآرتھریا ایک ایسی کیفیت ہے جس میں تقریر کی وضاحت متاثر ہو جاتی ہے۔ اس رپورٹ کی قابلِ توجہ بات یہ ہے کہ اس میں طے شدہ حالات میں جمع کی گئی آڈیو کے بجائے حقیقی ماحول کی ریکارڈنگز شامل ہیں۔ گھر پر یا نرسنگ کیئر کی جگہ پر پرسکون کمرے یا مخصوص مائیکروفون کی توقع نہیں کی جا سکتی۔ آیا اسے اس صورتحال میں استعمال کیا جا سکتا ہے، اس کا انحصار اس پر ہے کہ کیا یہ شور یا بولنے والے کی آواز کے اتار چڑھاؤ پر مشتمل تقریر کی بنیاد پر درجہ بندی کر سکتا ہے۔ اسے متعارف کرانے پر غور کرنے والوں کو صرف درستگی کے اعداد و شمار دیکھنے کی ضرورت نہیں، بلکہ یہ بھی جانچنا ہوگا کہ وہ درستگی کن ریکارڈنگ حالات میں حاصل کی گئی۔

روزمرہ کے پہلو پر، AI رشتوں اور ہمارے وقت کے استعمال کے طریقوں میں پھیل رہا ہے۔ Hokuriku Regional Development Bureau کے صفحے میں AI گرل فرینڈ ایپس کی قیمتوں کا موازنہ، AI Lover کا مفت ورژن، اور احتیاطی تدابیر شامل ہیں۔ قیمتوں کے ڈھانچے اور مفت ورژن کی حدود کا موازنہ کرنے والے مضامین کا موجود ہونا ظاہر کرتا ہے کہ اس قسم کی ایپس آزمائشی استعمال سے اس مرحلے تک پہنچ گئی ہیں جہاں کچھ لوگ لاگت کے پہلو کو دیکھ کر انہیں منتخب کر رہے ہیں۔ صارفین کو الگ سے غور کرنا چاہیے کہ وہ مفت میں کیا شروع کر سکتے ہیں اور جاری رکھنے کے لیے انہیں کیا ادا کرنا پڑے گا۔ دریں اثنا، Unite.AI کی رپورٹ ہے کہ تین ہائی اسکول طلبہ نے MyDaye AI شروع کیا۔ یہ مصروف شیڈول کو روزانہ کے منصوبوں میں شامل کرنے کا ایک آلہ ہے، اور اس کے بنانے والے صارفین کے قریب کی نسل سے تعلق رکھتے ہیں۔

جذبات سے متعلق شعبوں میں ہم گاڑیوں کے بارے میں بھی بات کر سکتے ہیں۔ Yahoo! News نے Mazda کی Vision Cross Compact کو نمایاں کیا، جس سے اگلی نسل کی Mazda 2 کے بارے میں توقعات وابستہ ہیں۔ کہا جاتا ہے کہ یہ گاڑی "ہمدرد AI" سے لیس ایک "بہترین دوست" کے طور پر توجہ حاصل کر رہی ہے۔ تاہم یہ ایسی گاڑی سے متعلق توقعات ہیں جو ابھی تصوراتی مرحلے میں ہے، اور ڈرائیونگ کے دوران ہمدردی کس طرح کام کرتی ہے، اس کی ابھی تک حقیقی ڈرائیونگ میں تصدیق نہیں ہوئی ہے۔

اب تک کے چاروں واقعات مختلف صورتحال سے متعلق ہیں: طبی معاونت، محبت، تعلیمی کام اور نظام الاوقات، اور نقل و حمل۔ تاہم ان سب میں مشترک بات یہ ہے کہ AI کا استعمال لوگوں کی زندگی کی تفصیلات اور جذبات کے قریب ہونے لگا ہے۔ ایسی صورت میں اگلا سوال اس کی اعلیٰ کارکردگی سے اتنا متعلق نہیں، جتنا اس بات سے ہے کہ میدان میں اسے کون استعمال کرتا رہے گا اور اس کی ذمہ داری کون اٹھائے گا۔

پہلی نظر میں ڈرگ ڈسکوری AI کے لیے فنڈنگ کی رقم، عملے میں کمی کی شرح، تشخیصی درستگی کا موازنہ، اور حقیقی ماحول کی ریکارڈنگز کے ذریعے درجہ بندی الگ الگ موضوعات ہیں۔ تاہم ہر حصے میں جو بات مشترک تھی وہ یہ کہ نفاذ کی کامیابی یا ناکامی ناپنے کے معیار سرمایہ کاری کی رقوم اور توقعات سے ہٹ کر موقع پر عملی مظاہروں اور قیادت کرنے والے افراد کو یقینی بنانے کی طرف جا رہے تھے۔ فنڈنگ بڑی ہو بھی تو لیب تجربہ کر پائے گی یا نہیں، یہ ایک الگ سوال رہتا ہے۔ تحقیق کے دائرے میں حاصل ہونے والی درستگی آؤٹ پیشنٹ سیٹنگز یا گھر پر برقرار رہتی ہے یا نہیں، اس کی الگ تصدیق درکار ہے۔ یہی صورتحال اس حقیقت میں بھی جھلکتی ہے کہ کچھ کمپنیاں افرادی قوت کم کر رہی ہیں جبکہ دوسری انسانی وسائل کی کمی کی شکایت کر رہی ہیں۔ یہ دیکھنے کے بجائے کہ AI میں کیا لگایا گیا ہے، یہ دیکھنا کہ کن حالات میں کیا تصدیق کیا جا سکتا ہے اور اسے سنبھالنے کے لیے کافی افراد موجود ہیں یا نہیں، آئندہ اسے متعارف کرانے یا نہ کرانے کا فیصلہ کرنے میں رہنمائی دے گا۔

سوال 1: اپنے کام میں AI استعمال کرتے وقت، اس کی درستگی اور افادیت کن شرائط کے تحت جانچی گئی تھی، اور کیا آپ اسے اپنے کام کی جگہ کے حالات کی روشنی میں بیان کر سکتے ہیں؟ سوال 2: جب AI کے نتیجے پر مبنی کوئی فیصلہ غلط نکلے، تو ہم کہاں تک پیچھے جا کر دیکھ سکتے ہیں کہ ذمہ داری کس پر ہے اور تصدیق کا ریکارڈ کیا ہے؟ سوال 3: AI سے متعلق بجٹ کے علاوہ، عملے کی فراہمی اور موقع پر عملی مظاہروں کے لیے کتنے وسائل مختص کیے گئے ہیں؟ کیا آپ اس مختص کو انتظامی فیصلے کے طور پر واضح کر سکتے ہیں؟

آخر میں، تین سوالات

- زیرِ نظر کام میں AI استعمال کرتے وقت اس کی درستگی اور افادیت کن شرائط کے تحت تصدیق شدہ تھی، اور کیا آپ اسے اپنے کام کی جگہ کے حالات کی روشنی میں بیان کر سکتے ہیں؟ Q2: جب AI کے نتائج پر مبنی کوئی فیصلہ غلط ثابت ہو، تو ہم کتنا پیچھے جا کر یہ جانچ سکتے ہیں کہ ذمہ داری کہاں ہے اور تصدیق کا ریکارڈ کیا ہے؟ Q3: AI سے متعلق بجٹ کے علاوہ، افرادی قوت کی فراہمی اور موقع پر عملی مظاہروں کے لیے کتنے وسائل مختص کیے گئے ہیں؟ کیا آپ اس مختص کو ایک انتظامی فیصلے کے طور پر واضح کر سکتے ہیں؟ - جب AI کے نتائج پر مبنی کوئی فیصلہ غلط ثابت ہو، تو ہم کتنا پیچھے جا کر یہ جانچ سکتے ہیں کہ ذمہ داری کہاں ہے اور تصدیق کا ریکارڈ کیا ہے؟ Q3: AI سے متعلق بجٹ کے علاوہ، افرادی قوت کی فراہمی اور موقع پر عملی مظاہروں کے لیے کتنے وسائل مختص کیے گئے ہیں؟ کیا آپ اس مختص کو ایک انتظامی فیصلے کے طور پر واضح کر سکتے ہیں؟ - AI سے متعلق بجٹ کے علاوہ، افرادی قوت کی فراہمی اور موقع پر عملی مظاہروں کے لیے کتنے وسائل مختص کیے گئے ہیں، اور کیا اس مختص کو ایک انتظامی فیصلے کے طور پر واضح کیا جا سکتا ہے؟