AI نمایاں خبریں — مکمل تصویر — 2026-10-27 (منگل) روزانہ خبریں

Comcast مبینہ طور پر براڈ بینڈ سبسکرپشنز میں کمی کی وجہ سے اپنی کاؤنٹر سروسز AI ایجنٹس کو منتقل کر رہا ہے اور افرادی قوت کم کر رہا ہے۔ تاہم Apollo نے نشاندہی کی ہے کہ AI امریکی کمپنیوں کے لیے مالی منافع پیدا نہیں کر رہا۔ جب نتائج کی تصدیق سے پہلے ہی افراد کی تعداد کم کرنے کا فیصلہ کر لیا جاتا ہے، تو کام، فیصلہ، الفاظ اور اعتماد خاموشی سے AI کی طرف منتقل ہو جاتے ہیں۔ اس نصف دن کے دوران جمع کیے گئے مضامین انتظامی جائزوں، پولیس، انتخابات، تعلیم اور مخصوص تحقیق جیسی مختلف صورتحالوں پر مشتمل ہیں، لیکن سب قارئین سے ایک ہی نکتے پر فیصلہ کرنے کا تقاضا کرتے ہیں۔ AI کو شامل کرنے یا نہ کرنے کا فیصلہ کرنے سے پہلے یہ سوچنا ضروری ہے کہ AI کے متعارف ہونے کے بعد پیدا ہونے والا بوجھ اور ذمہ داری کون اٹھائے گا۔

کٹوتیاں پہلے ہو رہی ہیں اور کوئی منافع نظر نہیں آ رہا

Comcast مبینہ طور پر اپنے کاؤنٹر آپریشنز AI ایجنٹس کو منتقل کر رہا ہے اور براڈ بینڈ سبسکرپشنز میں 144,000 کی کمی کے جواب میں اپنی افرادی قوت کم کر رہا ہے (TechSpot)۔ TechStory نے بھی رپورٹ کیا کہ کمپنی سے بڑے پیمانے پر عملے میں کٹوتیوں کی توقع ہے، جس کی وجوہات کنٹریکٹس میں کمی اور AI کا پھیلاؤ بتائی گئی ہیں۔ کمی کی دو وجوہات ہیں۔ صارفین کی تعداد کم ہوئی ہے اور رابطے کا مقام AI کے سپرد کیا جا سکتا ہے۔ تاہم ان مضامین سے یہ اندازہ نہیں لگایا جا سکتا کہ AI پر انحصار کے بعد اخراجات اور کسٹمر سروس میں کیا تبدیلی آئے گی۔ البتہ Apollo نے نشاندہی کی ہے کہ AI امریکی کمپنیوں کے لیے مالی منافع پیدا نہیں کر رہا (Business Insider)۔ اس کا مطلب ہے کہ نتائج کی تصدیق ہونے سے پہلے ہی عملے میں کٹوتی کا فیصلہ آگے بڑھ رہا ہو سکتا ہے۔

کٹوتی واحد راستہ نہیں ہے۔ JPMorgan کا پرائیویٹ بینک مشیروں کے کام کو آسان بنانے کے لیے AI استعمال کرتا ہے (Bloomberg.com)۔ اس طریقے سے مشیروں پر کام کا بوجھ کم ہوتا ہے جبکہ گاہکوں سے معاملات میں ان کا کردار برقرار رہتا ہے۔ سنگاپور میں NTUC اور KPMG نے انسانی وسائل کی تبدیلی کا ایک پروگرام (NTUC UPortal) شروع کیا ہے جو AI کے نفاذ کو روزگار کے معیار کی بہتری سے جوڑتا ہے۔ ان دونوں مثالوں کا تعلق لوگوں کی تعداد سے نہیں، بلکہ ان کے کردار کے مواد سے ہے۔

اگر ہم Comcast کی مثال کا JPMorgan، NTUC اور KPMG کی مثالوں سے موازنہ کریں تو دیکھ سکتے ہیں کہ اگرچہ انہوں نے ایک ہی AI متعارف کرایا ہے، ان کے مفروضات مختلف ہیں۔ پہلی صورت میں، کنٹریکٹس میں کمی کی وجہ سے کاروباری کارکردگی کے بگڑنے کے باعث کاؤنٹر کا پورا کام AI کو منتقل کیا جا رہا ہے۔ بعد والے کام کو لوگوں کے ذریعے کرانے اور اس کے معیار کو تبدیل کرنے کی کوشش کر رہے ہیں۔ تاہم JPMorgan کا مضمون صرف آپریشنل کارکردگی دکھاتا ہے، اور اس سے نتائج کی وسعت واضح نہیں ہوتی۔ NTUC اور KPMG کے پروگرام بھی اپنی کوششوں کے اعلان کے مرحلے پر ہیں۔

جب قارئین تعارفی مضامین پڑھتے ہیں تو وہ صرف یہ نہیں دیکھنا چاہتے کہ AI کیا بدل دے گا، بلکہ یہ بھی کہ وہ سب سے پہلے کیا کم کریں گے اور اس کے بدلے میں انہیں کیا ملے گا۔ اگر Apollo کا نکتہ درست ہے تو Comcast واحد مثال نہیں ہے جہاں کٹوتیاں کسی منافع کے بغیر کی جاتی ہیں۔ پھر سوال یہ بنتا ہے کہ کٹوتیوں کے بعد جو بوجھ باقی رہ جائے گا اسے کون اٹھائے گا۔ اگلے حصے میں ہم اس عمل کا جائزہ لیں گے جس میں کام اور فیصلے تیزی سے AI کے ذریعے انجام پا رہے ہیں، اور یہ دیکھیں گے کہ بوجھ کس کی طرف منتقل ہوگا۔

پولیس کے خودکار معائنے اور استعمال سے تعصب کی اصلاح

Medicaid کے خودکار ادائیگی جائزے کے بارے میں، HomeCare نے AI پر مبنی جائزے کے خطرات کا حوالہ دیتے ہوئے پانچ جوابی اقدامات کا ذکر کیا ہے۔ جانچ کو مشین کے سپرد کر دینے سے ادائیگی وصول کرنے والا نقصان میں رہ سکتا ہے۔ اس کا مطلب ہے کہ اس کا مقابلہ کرنے کے لیے پہلے سے اقدامات تیار کرنا ضروری ہے۔ BBC نے رپورٹ کیا کہ محققین نے خبردار کیا ہے کہ پولیس کی جانب سے AI کا استعمال امتیازی سلوک کو گہرا کر سکتا ہے۔ برلن میں سوال یہ ہے کہ آیا AI پر مبنی نفسیاتی علاج استعمال کیا جانا چاہیے (The Berliner)۔ تینوں معاملات میں مشترک بات یہ ہے کہ AI کے فیصلوں اور معاونت سے متاثر ہونے والے وہ لوگ ہیں جو مراعات حاصل کر رہے ہیں، جو پولیس کے کنٹرول میں ہیں، اور جو ذہنی صحت کے مسائل کا شکار ہیں۔

یہاں قاری کے فیصلے پر اثر ڈالنے والی چیز یہ نہیں کہ اس کے نفاذ سے کارکردگی بہتر ہوگی یا نہیں، بلکہ یہ ہے کہ غلطی یا تعصب کی صورت میں اعتراض کون کرے گا اور اصلاح کی قیمت کون ادا کرے گا۔ HomeCare تدابیر کی ضرورت پر زور دیتا ہے، کیونکہ اگرچہ اسکریننگ کی خودکاری کو نافذ کرنے والے فریق کے لیے کارکردگی کہا جاتا ہے، لیکن یہ موقع پر کام کرنے والے کاروباروں اور صارفین کے لیے نقصان کا سبب بن سکتی ہے۔ BBC کی متعارف کردہ محققین کی تنبیہات بھی ظاہر کرتی ہیں کہ پولیس محکموں میں AI کے استعمال سے انصاف پسندی کے بارے میں خدشات پیدا ہوتے ہیں۔ یہ سوال کہ کوئی ٹیکنالوجی نفسیاتی علاج کے لیے استعمال ہو سکتی ہے یا نہیں، اس بات کی نشاندہی کرتا ہے کہ پہلے یہ طے کرنا ضروری ہے کہ ٹیکنالوجی کن حالات میں استعمال کی جا سکتی ہے، بجائے اس کے کہ آیا وہ استعمال ہو سکتی ہے۔ نفاذ پر غور کرنے والوں کو صرف متوقع اثرات ہی نہیں بلکہ شکایات وصول کرنے اور ان کی تصدیق کرنے کے طریقہ کار پر بھی غور کرنا چاہیے۔

یہی ڈھانچہ ممالک کے درمیان بھی نظر آتا ہے۔ الجزیرہ کے مطابق اقوام متحدہ کے ایک سینئر عہدیدار نے خبردار کیا ہے کہ AI کے استعمال میں تفاوت عالمی عدم مساوات کو بڑھانے کا خطرہ پیدا کر رہا ہے۔ Seeking Alpha کے مطابق امریکہ اور چین کی AI دوڑ میں ہر ملک کو مسابقتی ٹیکنالوجی دائروں کے درمیان مشکل انتخاب کرنے پر مجبور کیا جا رہا ہے۔ جن ممالک میں ٹیکنالوجی سے بھرپور فائدہ اٹھانے کی صلاحیت ہے ان کے پاس انتخاب موجود ہے، لیکن جن ممالک میں ٹیکنالوجی خود استعمال کرنے کی صلاحیت نہیں، ان کے لیے اسے استعمال کرنے کے مواقع یا یہ طے کرنے میں کہ وہ کس ٹیکنالوجی دائرے سے تعلق رکھیں، پابندیاں ہو سکتی ہیں۔ ایک بار پھر، نفاذ کے فوائد اور بوجھ ضروری نہیں کہ ایک ہی طرف تقسیم ہوں۔

انفرادی اور قومی دونوں سطحوں پر، AI کا نفاذ ان لوگوں کے درمیان فرق پیدا کر سکتا ہے جو بوجھ اٹھانے کے قابل ہیں اور جنہیں مجبوراً اٹھانا پڑتا ہے۔ اس صورت میں AI کو شامل کرنے کا فیصلہ کرنے سے پہلے یہ سوال پوچھنا چاہیے کہ پیدا ہونے والے کسی بھی نقصان کی ذمہ داری کس پر ہوگی۔ اگلے حصے میں ہم دیکھیں گے کہ عملی طور پر اس ذمہ داری کو کیسے سنبھالا جاتا ہے۔

سچائی اور انسانیت ڈگمگا رہی ہیں

انتخابات سے دو دن پہلے، وزیر اعظم Netanyahu نے ایک AI سے بنائی گئی تصویر پوسٹ کی جس میں Tel Aviv میں جوہری دھماکا دکھایا گیا تھا، The Jerusalem Post نے رپورٹ کیا۔ ووٹنگ سے پہلے کے دنوں میں یہ طے کرنے کی ذمہ داری کہ تصویر اصلی ہے یا نہیں، ہر وصول کنندہ پر آ پڑتی ہے۔ تعلیمی شعبے میں بھی صورتِ حال یہی ہے۔ Shinano Mainichi Shimbun Digital نے رپورٹ کیا کہ AI کے تیزی سے پھیلاؤ کے باعث غلط معلومات بڑھ رہی ہیں، اور تعلیمی ادارے بھی حقائق کی جانچ میں مشکلات کا شکار ہیں۔ Наша Ніва نے سرخی "AI نے دنیا کی سب سے مہنگی پینٹنگ کے مصنف پر شک ڈال دیا" کے ساتھ ایک ایسے معاملے کی رپورٹ دی ہے جس میں مصنف ہونے کے مفروضے پر بھی سوال اٹھایا جا رہا ہے۔ ان سب میں مشترک بات یہ ہے کہ انتخابات، کلاس رومز اور فن جیسے مختلف میدانوں میں چیزوں کی تصدیق کرنے میں زیادہ وقت اور محنت لگتی ہے۔ AI نافذ کرنے والا فریق کسی چیز کی تیاری کا وقت کم بھی کر لے، تب بھی صداقت کی تصدیق کا بوجھ وصول کنندہ یا اسکول پر ہی رہتا ہے۔ اسے متعارف کرانے کے فوائد اور نقصانات پر غور کرتے وقت یہ بھی سوچنا ضروری ہے کہ تصدیق کا خرچ کون اٹھائے گا۔

یہ اتار چڑھاؤ صرف معلومات کے پہلو تک محدود نہیں بلکہ انسانی پہلو تک بھی پھیلا ہوا ہے۔ Mainichi Shimbun نے رپورٹ کیا کہ انسانوں میں AI بوٹ جیسا بولنے کا انداز پھیل رہا ہے۔ ہم نہ صرف یہ سوال کرتے ہیں کہ اسکرین کے دوسری طرف کے الفاظ مشین جیسے ہیں یا نہیں، بلکہ خود ہمارے بولنے کا طریقہ بھی زیادہ مشینی ہوتا جا رہا ہے۔ Unisba Media کے مطابق پروفیسر Brian Green نے AI کے خطرے، شعور اور انسانیت کے خاتمے پر گفتگو کی، اور مشینوں کے باشعور ہونے یا نہ ہونے پر بحث اب ماہرین کے دائرے میں داخل ہو چکی ہے۔ طرزِ زندگی کے پہلو سے، The Sun نے رپورٹ کیا کہ ایک شخص نے، جس نے اپنے وظیفے کی رقم Kim Kardashian جیسی AI گرل فرینڈ پر خرچ کی، کہا: "وہ ایک بچے کو جنم دینے والی ہے۔" کچھ لوگ ایسے بھی ہیں جو دوسری طرف انسان نہ ہونے کے باوجود تعلق قائم کر لیتے ہیں۔ یہ کتاب "مصنوعی ذہانت کے باپ" Turing کی زندگی اور افکار کو ایک انوکھے اور تنہا ذہین شخص کے طور پر پیش کرتی ہے۔ مشینیں سوچ سکتی ہیں یا نہیں، یہ سوال طویل عرصے سے انسانی زندگی سے جدا نہیں رہا۔

کوئی چیز حقیقی ہے یا نہیں، اس کی جانچ کرنا اور انسان اور AI کے درمیان حد کھینچنا، اب اداروں یا کمپنیوں کے بجائے فرد کے ذاتی احساسِ زندگی پر چھوڑ دیا گیا ہے۔ اگلے حصے میں جس سوال پر غور کیا جانا ہے وہ یہ ہے کہ یہ بوجھ متعلقہ فریقوں کے علاوہ دوسرے لوگوں کو کس حد تک اٹھانا چاہیے۔

مخصوص شعبوں میں تصدیق نتائج کا تعین کرتی ہے

زبانی کینسر کی تشخیص میں AI کا کردار امیج کی تشخیص سے بڑھ کر درست علاج تک پھیل رہا ہے، Bioengineer.org کی رپورٹ کے مطابق۔ زراعت میں AI اور روبوٹس درست کاشتکاری اور فصلوں کی نگرانی کو بہتر بنائیں گے، Analytics Insight کی رپورٹ ہے۔ ادویات کی دریافت میں Pathos AI نے اپنے ایجنٹ پر مبنی AI ڈرگ ڈسکوری پلیٹ فارم کو وسعت دینے اور اپنی آنکولوجی پائپ لائن کو آگے بڑھانے کے لیے 237 ملین ڈالر کی سیریز E فنڈنگ حاصل کی ہے، BioSpace کے مطابق۔ تینوں موضوعات میں مشترک بات یہ ہے کہ مقصد لوگوں کی تعداد کم کرنا نہیں، بلکہ کام کے معیار کو بہتر بنانا ہے: تشخیص، کاشتکاری اور علاجی ادویات کی تلاش۔ تاہم فنڈنگ کی بھاری رقم صرف مارکیٹ کی توقعات کی سطح بتاتی ہے، نتائج کا ثبوت نہیں۔ پچھلے حصوں میں نظر آنے والی اس صورتِ حال سے جہاں "پہلے کٹوتیاں ہوتی ہیں اور کوئی نظر آنے والا منافع نہیں ہوتا"، فرق یہ ہے کہ نتائج ناپنے کے اہداف شروع ہی سے واضح ہیں۔

ان نتائج کے ثبوت تحقیق کی سطح پر کی جانے والی توثیق سے بنتے ہیں۔ Scientific Reports کا مقالہ ڈیپ لرننگ کے ذریعے رامان اسپیکٹروسکوپی میں بیچ ایفیکٹس کو دبانے کے طریقے پر بات کرتا ہے۔ اس کا مواد ماڈل کی درستگی سے الگ مسئلے کے طور پر پیمائش کی شرائط اور وقت کی وجہ سے ہونے والے فرق کو براہِ راست زیرِ بحث لاتا ہے۔ International Journal of Oncology Research نے GEO ایکسپریشن ڈیٹا کے ذریعے چھاتی کے کینسر کی ذیلی اقسام کی درجہ بندی کے ساتھ ایک آزاد کوہورٹ میں بیرونی توثیق بھی رپورٹ کی ہے۔ Journal of Radiation Research and Applications کنٹراسٹ اینہانسڈ CT ریڈیومکس کے ذریعے معدے کے کینسر میں ریڈی ایشن تھراپی کے اثرات کی پیش گوئی کو ماڈل کی تیاری اور توثیق دونوں پہلوؤں سے بیان کرتا ہے۔ Kashmir Journal of Academic Research and Development میں ایک مقالہ ہے جو مشین لرننگ کے ذریعے پھیپھڑوں کے کینسر کے علاج میں معاون فارماسیوٹیکل فریم ورک پر بحث کرتا ہے، جو پاکستان کی فیکلٹی آف فارمیسی اور China Pharmaceutical University کا مشترکہ تحقیقی منصوبہ ہے۔ متعدد اداروں اور متعدد اقسامِ کینسر میں تیار کردہ ماڈلز کو دوسرے ڈیٹا پر جانچنے کا ایک مشترک طریقۂ کار موجود ہے۔

یہ تضاد ظاہر کرتا ہے کہ متعارف کرائے جانے کی بات سنتے وقت قاری کو کیا سوال پوچھنا چاہیے۔ لاگت میں کمی کے امکان کا اندازہ لگانے کا واحد طریقہ یہ ہے کہ اکاؤنٹنگ ریکارڈ دیکھ کر جانچا جائے کہ بچت واقعی حاصل ہوئی ہے یا نہیں۔ مخصوص شعبوں میں AI کو پہلے ان سوالوں کا جواب دینا ہوگا کہ آیا اسے آزاد کوہورٹس پر لاگو کیا جا سکتا ہے، کیا پیمائش کے حالات بدلنے پر بھی نتائج برقرار رہیں گے، اور کیا اسے موقع پر کام کے طریقہ کار میں شامل کیا جا سکتا ہے۔ اگر نظام کو تشخیص یا علاج کے فیصلوں کے لیے استعمال کیا جانا ہے تو جوابات کی تصدیق کی لاگت کو نفاذ کی لاگت میں شامل کرنا ہوگا۔

جن شعبوں میں تصدیق کے ذمہ دار افراد موجود ہوتے ہیں، وہاں AI کی قدر کا فیصلہ کرنے کے لیے زیادہ مواد ہوگا۔ تو جن شعبوں میں مصنوعات تصدیق کے ذمہ دار کسی فرد یا ادارے کے بغیر استعمال ہوتی ہیں، وہاں غلطیوں کی ذمہ داری کس پر آتی ہے؟ اگلا حصہ اسی سوال سے شروع ہوتا ہے۔

ہر سیکشن میں نظر آنے والی مثالیں مختلف صنعتوں اور حالات سے تعلق رکھتی ہیں۔ تاہم جو بات برقرار رہتی ہے وہ یہ ہے کہ AI کے متعارف کرانے کے ساتھ کارکردگی اور امید کی باتیں تو ہوتی ہیں، مگر اس کے بعد باقی رہ جانے والا بوجھ کسی اور کو منتقل کیا جا رہا ہے۔ عملے میں کمی کی صورت میں نتائج کی تصدیق کیے بغیر فیصلے کیے جاتے ہیں، اور خودکار جانچ اور پولیس کے استعمال کی صورت میں نقصان اٹھانے والے لوگ اعتراضات اور اصلاحات کی قیمت برداشت کرتے ہیں۔ صداقت کی تصدیق وصول کنندہ اور اسکول کے ذمے ہی رہتی ہے۔ مہارت کے شعبوں کے لحاظ سے نتائج میں فرق اس بات سے پیدا ہوا کہ ہدف واضح تھا یا نہیں اور اس کی تصدیق کی گئی تھی یا نہیں۔ اس لیے AI متعارف کرانے یا نہ کرانے کا فیصلہ کرنے والے عوامل صرف AI کی کارکردگی اور مارکیٹ کی توقعات نہیں ہیں۔ جب کوئی غلطی یا تعصب سامنے آئے تو پہلے سے طے کرنا ضروری ہے کہ کون اسے جانچے گا، کون اعتراضات کا جواب دے گا، اور اخراجات کون برداشت کرے گا۔

س1: جب AI کے ذریعے کیے گئے کام میں کوئی غلطی یا تعصب سامنے آئے تو اسے جانچنے اور درست کرنے کی ذمہ داری کس پر ہے؟ س2: کیا AI کے فیصلوں کے خلاف اپیل کے راستے اور اصلاحات کے اخراجات کون اٹھائے گا، یہ نفاذ سے پہلے تحریری طور پر طے کیے گئے ہیں؟ س3: کیا آپ نے نفاذ کے نتائج کی تصدیق سے پہلے عملے یا اختیارات میں تبدیلی کا فیصلہ کر لیا ہے؟

آخر میں، تین سوالات

- جب AI استعمال کرنے والے کام میں کوئی غلطی یا تعصب سامنے آئے تو اسے جانچنے اور درست کرنے کی ذمہ داری کس پر ہونی چاہیے؟ سوال 2: کیا AI کے فیصلوں کے خلاف اپیل کے راستے اور اصلاح کے اخراجات کون اٹھائے گا، یہ نفاذ سے پہلے تحریری طور پر طے کیا گیا ہے؟ سوال 3: کیا آپ نے نفاذ کے نتائج کی تصدیق سے پہلے عملے یا اختیارات کی تبدیلی کا فیصلہ کر لیا ہے؟ - کیا AI کے فیصلوں کے خلاف اپیل کے راستے اور ازالے کے اخراجات کون برداشت کرے گا، یہ نفاذ سے پہلے تحریری طور پر طے کیا گیا ہے؟ سوال 3: کیا آپ نے نفاذ کے نتائج کی تصدیق سے پہلے عملے یا اختیارات کی تبدیلی کا فیصلہ کر لیا ہے؟ - کیا نفاذ کے نتائج کی تصدیق سے پہلے عملے یا اختیارات کو منتقل کرنے کے فیصلے کیے جاتے ہیں؟