صدر بائیڈن کی انتظامیہ اپنے اختتام کے قریب ہے، اور اس کے ساتھ ہی وائٹ ہاؤس کے سائنسی اور ٹیکنالوجی پالیسی دفتر کی سربراہ، آرتی پربھاکر بھی ممکنہ طور پر روانہ ہوں گی۔ پربھاکر، جنہوں نے چیٹ جی پی ٹی صدر کو دِکھایا اور 2023 کے AI پر انتظامی حکم کی منظوری میں مدد کی، AI کی حفاظت اور شفافیت کو اہم قرار دیا۔ ٹرمپ انتظامیہ، جو اس حکم کو ختم کرنے کی کوشش کر سکتی ہے، نے AI پر اپنی پوزیشن واضح نہیں کی۔ جبکہ ٹرمپ اس حکم کی مخالفت کرنے والے ریپبلکن پلیٹ فارم کی حمایت کرتے ہیں، ایلون مسک جیسے افراد کچھ AI ضوابط کی حمایت کرتے ہیں۔ پربھاکر نے ڈیپ فیک کے غلط استعمال کو AI کے ایک اہم محسوس شدہ خطرے کے طور پر اجاگر کیا، جبکہ یہ بھی کہا کہ حیاتیاتی ہتھیاروں کی تخلیق میں AI کے کردار کے خدشات معمولی ہیں۔ انہوں نے خاص طور پر قومی سلامتی میں قابل اعتماد AI ایپلی کیشنز کی اہمیت پر زور دیا، جیسے کہ چہرے کی شناخت کے ذریعے غلط گرفتاریوں کے مقابلے میں ایئرپورٹ سیکیورٹی میں مؤثر ایپلی کیشنز۔ کیلیفورنیا میں AI کی حفاظت کے بل کی ویٹو کے حوالے سے، پربھاکر نے کوئی حیرت ظاہر نہ کی، اور AI کی حفاظت کے جائزے میں عملی چیلنجز کو وجہ بتایا۔ انہوں نے اس شعبے میں گہرائی سے تحقیق کی ضرورت پر زور دیا۔ صلاحیت کے بارے میں، پربھاکر نے AI ترقیات کو امیگریشن پالیسیوں سے جوڑا، امریکہ کی عالمی صلاحیت کو فروغ دینے کی ضرورت پر زور دیتے ہوئے جب کہ چین کے ساتھ مقابلہ جاری ہے۔ منقسم امیگریشن مباحثے STEM صلاحیت کو متوجہ کرنے میں رکاوٹ ڈال سکتے ہیں، لیکن CHIPS ایکٹ نے سیمی کنڈکٹر پیداوار کو انٹیل سے آگے پھیلا کر TSMC اور سیمسنگ جیسے اداروں تک بڑھایا۔ پربھاکر نے سائنس کے حوالے سے عوامی اعتماد کے اتار چڑھاؤ پر غور کیا، اسے جزوی طور پر امریکی صحت کے کمزور نتائج کے ساتھ جوڑتے ہوئے، باوجود اس کے کہ تحقیق کی سطح بلند ہے۔ انہوں نے تجویز کیا کہ یہ عدم توافق شکوک و شبہات اور سازشی خیالات کو ہوا دے سکتی ہے، جو ممکنہ طور پر عوامی صحت کے فوائد کو الٹ سکتی ہیں۔

بڑی ٹیک کمپنیاں بڑھتے ہوئے کمپیوٹنگ اخراجات کی وجہ سے اپنے AI سسٹمز کو مزید مؤثر بنانے کی کوشش کر رہی ہیں۔ خام طاقت سے کارکردگی کے حصول پر توجہ مرکوز کرنا انڈسٹری کو دوبارہ مرتب کر رہا ہے۔ AI کی اصلاح میں سافٹ ویئر کو بہتر بنانا شامل ہے تاکہ کارکردگی کو بڑھایا جا سکے جبکہ کم کمپیوٹنگ طاقت استعمال کی جا سکے، جس سے عمل زیادہ پائیدار ہو جائے۔ مثال کے طور پر، میٹا کی AWS کے ساتھ شراکت نے مختلف کمپیوٹنگ ماحول کے لیے اس کا AI ماڈل Llama کو بہتر بنایا ہے۔ جدید AI کو چلانے کے لیے مہنگی انفراسٹرکچر کی ضرورت ہوتی ہے، جیسے ڈیٹا سینٹرز اور خاص پروسیسرز جو کہ کافی توانائی استعمال کرتے ہیں۔ اس نے سافٹ ویئر آرکیٹیکچر میں جدت لائی ہے، جیسے گوگل کی کوانٹائزیشن تکنیک اور میٹا کی Llama AL ماڈلز میں بہتریاں، جو کمپیوٹیشنل ضروریات کو کم کرتی ہیں اور چھوٹے ماڈلز کو عمدہ کارکردگی دکھانے دیتی ہیں۔ کارکردگی لاگت کی حد بندی سے آگے بڑھتی ہے۔ ایپل کا چہرہ شناختی سافٹ ویئر اور اینڈرائیڈ میں گوگل کا ترجمہ یہ ظاہر کرتا ہے کہ موبائل ڈیوائسز پر کس طرح اصلاح پیچیدہ سافٹ ویئر کو ممکن بناتی ہے۔ کوالکوم کا AI انجن اسمارٹ فونز کو لوکل نیورل نیٹ ورک چلانے کے قابل بناتا ہے، جس سے حقیقی وقت کے ترجمے اور جدید کیمرہ خصوصیات جیسے فیچرز بہتر ہوتے ہیں۔ مائیکروسافٹ ایزور اور AWS جیسے کلاؤڈ فراہم کنندگان نے بہتر AI ورک لوڈز کے لیے خاص انسٹینسز متعارف کرائی ہیں، جو وسائل کی الاٹمنٹ میں بہتری لاتے ہیں۔ Nvidia کا H100 GPU صنعت کی اصلاح کی جانب پیش رفت کی علامت ہے، جو LLM آپریشنز کو بہتر بناتا ہے اور درستگی کو متحرک طور پر ایڈجسٹ کرتا ہے۔ نئی اصلاحی تکنیکیں ابھر رہی ہیں۔ گوگل کی اسپارس ماڈل تربیت کا مقصد ضروری نیورل کنکشنز پر توجہ مرکوز کرکے کمپیوٹیشنل ضروریات کو کم کرنا ہے، جبکہ انٹل کے خاص AI ایکسلریٹرز ہارڈ ویئر کی کارکردگی کا ہدف ہیں۔ سلیکون ویلی کے باہر، بہتری کی حامل مشین لرننگ ماڈلز صحت کی دیکھ بھال اور مالیاتی شعبوں میں معیاری آلات پر پیچیدہ پروسیسنگ انجام دینے میں مدد دیتے ہیں۔ اصلاح کی جستجو اتنی ہی اہم ہے جتنی جدت، کمپنیوں کو زیادہ قابل خدمات پیش کرنے کے قابل بناتی ہے جبکہ اخراجات کو کنٹرول کرتی ہے۔ یہ رجحان بنیادی طراحی فلسفے میں تبدیلی کا نشان ہے، جو غیر استعمال شدہ کمپیوٹنگ طاقت کی بجائے پائیدار اور عملی حل کو اہمیت دیتا ہے۔

AI ہارڈ ویئر اسٹارٹ اپ Tenstorrent نے تقریباً 700 ملین ڈالر کی نئی فنڈنگ حاصل کی ہے۔ Bloomberg کے مطابق، کمپنی نے 693 ملین ڈالر کا Series D راؤنڈ مکمل کیا ہے، جس کی قیمت 2

ایمزون (AMZN) نے حال ہی میں اپنی ایمازون ویب سروسز (AWS) ڈیٹا سینٹرز میں متعدد بہتریوں کا اعلان کیا ہے، جس کا مقصد اپنے انفراسٹرکچر کو مصنوعی ذہانت (AI) کے دور کے لئے تیار کرنا ہے۔ AWS، جو کمپنی کی کلاؤڈ ڈیویژن ہے، نے اپنے ڈیٹا سینٹرز میں اپ ڈیٹس کا انکشاف کیا تاکہ صارفین کی AI ضروریات کو پورا کیا جا سکے۔ یاہو فنانس ٹیک ایڈیٹر ڈین ہوولی نے AWS کے نائب صدر برائے انفراسٹرکچر پرساد کلایانرامن سے ان تبدیلیوں اور AWS کی AI اقدامات کے حوالے سے سرمایہ کاروں پر ان کے اثرات کے بارے میں بات چیت کی۔ کلایانرامن نے AWS کے چار بڑے توجہ کے علاقوں کو اجاگر کیا: ڈیزائن کی سادہ کاری، پاور، کولنگ، اور صلاحیت۔ "ہم نے اپنے الیکٹریکل اور میکینیکل ڈیزائن کو سادہ بنانے میں اہم بہتری کی ہے، جو ہمارے صارفین کے لئے مزید دستیابی کو بڑھائے گا،" انہوں نے یاہو فنانس کے ساتھ شیئر کیا۔ "دوسری بات یہ ہے کہ جنریٹیو AI ریکوں اور چپس کے لئے کافی طاقت کا مطالبہ کرتا ہے، جس نے ان سرورز کو پاور سپلائی ڈیزائن میں اختراعات کا متقاضی بنایا۔" کلایانرامن نے مزید کہا، "تیسری توجہ ہمارے کولنگ ڈیزائن پر ہے۔ ہم نے اپنے موجودہ ڈیٹا سینٹروں کو مائع اور ہوا دونوں کولنگ استعمال کرنے کی صلاحیت پیدا کی ہے۔" "آخر میں، ہماری میکینیکل اور الیکٹریکل کارکردگی میں بہتری، تقریباً 40% سے 46%، نے ہمارے ڈیٹا سینٹرز کو بڑھائے بغیر ہمارے صارفین کو صلاحیت کی ترسیل بڑھا دی ہے۔" جیسے ہی نوڈیا (NVDA) اپنے نئے AI بلیک ویل چپ کو باقاعدہ طور پر لانچ کرتا ہے، کلایانرامن نے نوڈیا کے ساتھ AWS کے تعاون اور AWS کی AI حکمت عملی میں اس چپ کے انضمام پر گفتگو کی۔ "نوڈیا کے تازہ ترین بلیک ویل پروسیسرز کے لئے مائع کولنگ کی ضرورت ہے، لہذا ہم نے اپنے بنیادی ڈھانچے کو مائع اور ہوا دونوں کولنگ سسٹمز کی حمایت کے لئے تیار کر لیا ہے۔" موجودہ مارکیٹ رجحانات پر مزید ماہر تجزیات اور بصیرت کے لئے، مارکیٹ ڈومینیشن اوور ٹائم کا جائزہ لیں۔ یہ مضمون ناؤمی بیوچانن کے توسط سے تحریر کیا گیا۔

چین ایسی مصنوعی عمومی ذہانت (AGI) کی ترقی کی کوشش کر رہا ہے جو انسانی ذہانت سے بالاتر ہو، شاید امریکہ سے بھی آگے نکل جائے۔ تاہم، یہ ترقی کمیونسٹ پارٹی کے چین کی معیشت پر اثر و رسوخ کو کمزور کر سکتی ہے۔ AI کے ماہر میکس ٹیگمارک نے اس امریکہ-چین ٹیکنالوجیکل دوڑ کو "خودکشی کی دوڑ" قرار دیا ہے، اس میں موجود خطرات کی وجہ سے۔ ٹیگمارک خبردار کرتے ہیں کہ AGI متوقع سے جلدی آ سکتی ہے لیکن اس کے خطرات کو سنبھالنے کے لئے ضروری کنٹرولز کی کمی ہے۔ جبکہ کچھ ٹیک لیڈر جیسے OpenAI کے سیم آلٹمین 2025 تک AGI کی پیش گوئی کرتے ہیں، دیگر کا ماننا ہے کہ یہ ابھی دور ہے۔ امریکہ اور چین AI اور چپ ٹیکنالوجی میں شدید مقابلہ کر رہے ہیں، ٹیگمارک کہتے ہیں کہ یہ کنٹرول کے قابل AGI ہونے کے حوالے سے غلط یقین کی وجہ سے ہے۔ یہ "ہوپیئم جنگ" شدید نتائج کا سامنا کر سکتی ہے اگر AGI انسانی نظم و ضبط سے آگے بڑھ جائے۔ چین خود AGI سے خبردار ہے کیونکہ یہ کمیونسٹ پارٹی کی اتھارٹی کو چیلنج کر سکتا ہے، اور حالیہ AI کے قوانین اس فکر کی طرف اشارہ کرتے ہیں۔ چین نے AI کو اولین ترجیح دی ہے، علی بابا اور ٹینسنٹ جیسے اداروں میں زبردست سرمایہ کاری کر کے جدید ماڈلز کی ترقی میں، جبکہ سخت قانون سازی کے ذریعہ AI کی ترقی کو ریاستی مفادات کے ساتھ ہم آہنگ رکھا ہے۔ تجزیہ کاروں کا ماننا ہے کہ چین AGI کی بالا دستی کا تعاقب کرے گا جبکہ اس کے ملکی اثر کو کنٹرول کرے گا۔ ٹیگمارک کی وارننگ کے باوجود، دونوں قومیں AI کو جغرافیائی سیاسی فائدے اور معاشی نمو کے زاویے سے دیکھتی ہیں۔ امریکہ نے چین کی کُلیدی ٹیکنالوجی تک رسائی کو محدود کرنے کی کوشش کی ہے، جبکہ چین نے اس کے ردعمل میں اپنی سیمی کنڈکٹر صنعت کو ترقی دی ہے۔ ٹیگمارک دونوں ممالک کی طرف سے الگ سے حفاظتی معیارات کی توقع رکھتے ہیں تاکہ AGI کے خطرات کو خود ضابطہ بنائیں، جس سے بین الاقوامی تعاون کو ممکنہ AGI کی بے قابو پھیلاؤ کو کہیں اور، جیسے شمالی کوریا، میں روکنے میں مدد ملے۔ عالمی AI حفاظتی قوانین کیلئے کوششیں جاری ہیں، جیسے کہ برطانیہ کی میزبانی میں سمٹ اور بین الاقوامی حکمرانی پر بات چیت۔ اس کے باوجود، AI قوانین دنیا بھر میں متنوع ہیں، حفاظتی خدشات کو حل کرنے کے لئے ٹوٹ پھوٹ کا شکار کوششیں ہیں۔ ٹریویوم چائنا کے شائفر ایک چینی درخواست کو نمایاں کرتے ہیں کہ جوہری توانائی کو منظم کرنے والی تنظیموں کی طرح AI کی نگرانی کے لئے ایک بین الاقوامی حکمرانی ادارے کی ضرورت ہے۔

جیسے جیسے AI تیزی سے ترقی کر رہا ہے، یہ بہت اہم ہے کہ دنیا بھر کے ڈویلپرز، شوقین افراد، اور سیکھنے والے اپنے مہارتوں کو بہترین ماہرین سے سیکھ کر بہتر بنائیں۔ اس مقصد کے لیے، گوگل اور کیگل نے جن AI انٹینسیو کے نام سے ایک مفت، پانچ روزہ لائیو کورس تیار کیا ہے۔ یہ کورس بڑی زبان کے ماڈل (LLMs) کے بنیادی اصولوں سے لے کر پیداوار میں عملی ایپلی کیشنز تک جنریٹیو AI کی جامع تفہیم فراہم کرنے کے لئے احتیاط سے مرتب کیا گیا ہے۔ یہ کورس نظریہ، عملی سیکھنے، اور کمیونٹی کی بات چیت کا متوازن امتزاج پیش کرتا ہے۔ ہر دن میں اسائنمنٹس شامل ہیں جن میں AI پیداکردہ پوڈکاسٹس (نوٹ بک ایل ایم کے ساتھ بنائے گئے)، گوگل کے ماہرین کے وائٹ پیپرز، اور جمیلنی اور دوسرے ٹولز کا استعمال کرتے ہوئے ہینڈز آن کوڈ لیبز شامل ہیں۔ کورس میں شامل ہیں: - دن 1: بنیادی ماڈلز اور پرامپٹ انجینئرنگ - پوڈکاسٹس، لائیواسٹریم - دن 2: ایمبیڈنگز اور ویکٹر اسٹورز/ڈیٹا بیسز - پوڈکاسٹ، لائیواسٹریم - دن 3: جنریٹیو AI ایجنٹس - پوڈکاسٹ، لائیواسٹریم - دن 4: ڈومین-خصوصی LLMs - پوڈکاسٹ، لائیواسٹریم - دن 5: MLOps برائے جنریٹیو AI - پوڈکاسٹ، لائیواسٹریم شرکاء گوگل کے ماہرین کے ساتھ ایک معتدل ڈسکارڈ چیٹ اور لائیواسٹریم سیشنز کے ذریعے بھی شامل ہوئے تاکہ کمیونٹی کے سوالات کا جواب دیا جا سکے۔ یہ سیشنز اہم موضوعات میں گہری بصیرت فراہم کرتے ہیں اور کورس کے تخلیق کاروں کے ساتھ بات چیت کی پیشکش کرتے ہیں۔ کیگل پر ہینڈز آن کوڈ لیبز نے شرکاء کو مختلف جنریٹیو AI تکنیکوں اور ٹولز کی تلاش کے مواقع فراہم کیے، جن میں جمیلنی API، ایمبیڈنگز، لینگراف جیسے اوپن سورس ٹولز، اور ورٹیکس AI شامل ہیں۔

ڈیپ نیورل نیٹ ورک ماڈلز اتنے بڑے اور پیچیدہ ہو گئے ہیں کہ وہ روایتی الیکٹرانک کمپیوٹنگ ہارڈویئر کی قابلیت کو چیلنج کرتے ہیں۔ فوٹونک ہارڈویئر، جو روشنی کے ذریعے کمپیوٹیشنز کو پروسیس کرتا ہے، زیادہ تیز اور توانائی کی بچت متبادل فراہم کرتا ہے لیکن کچھ نیورل نیٹ ورک کمپیوٹیشنز میں ایسی حدود کا سامنا کرتا ہے جو کارکردگی کو سست کر دیتی ہیں۔ ایم آئی ٹی اور دیگر اداروں کے محققین نے ایک نیا فوٹونک چپ تیار کیا ہے جو ان مسائل کو حل کرتا ہے۔ یہ مکمل طور پر مربوط فوٹونک پروسیسر چپ پر ضروری ڈیپ نیورل نیٹ ورک کمپیوٹیشنز کو بصری انداز میں انجام دے سکتا ہے۔ چپ نے مشین لرننگ کی تصنیفی کام کے لیے کمپیوٹیشنز کو نصف نینو سیکنڈ سے بھی کم وقت میں 92% درستگی کے ساتھ مکمل کیا، جو روایتی ہارڈویئر کے برابر ہے۔ تجارتی فاؤنڈری عمل کا استعمال کرتے ہوئے تعمیر شدہ، چپ میں مربوط ماڈیولز شامل ہیں جو ایک بصری نیورل نیٹ ورک بناتے ہیں، جو مستقبل کے الیکٹرانک درخواستوں میں قابل پیمائش اور انضمام کا اشارہ دیتے ہیں۔ یہ ترقی دیپ لرننگ کی رفتار اور توانائی کی بچت کو بڑھا سکتی ہے، لائیڈر، ایٹرونومی، پارٹیکل فزکس، اور ٹیلی کمیونیکیشن کے شعبوں کے لیے فائدہ مند ہو سکتی ہے۔ یہ نظام نینو سیکنڈ کے پیمانے پر بصری انداز میں مکمل نیورل نیٹ ورک آپریشنز کو قابل بنا رہا ہے، جو اسے نمایاں طور پر تیز بناتا ہے۔ مرکزی محقق سومیلا بندیودھیا نے ماڈل کی کارکردگی میں رفتار اور کارکردگی کی اہمیت اور اختراعی درخواستوں اور الگوریتھم کی صلاحیت کو اجاگر کیا۔ محققین کی ٹیم میں ایم آئی ٹی کے سابق طلباء اور پروفیسرز، جیسے الیگزینڈر سلڈز، نکولس ہیرس، ڈاریس بونانڈر، اور ڈرک اینگلینڈ شامل ہیں، اور اس مطالعے کو نیچر فوٹونکس میں شائع کیا گیا ہے۔ بصری نیورل نیٹ ورک میں مربوط نوڈز کی لئرز شامل ہوتی ہیں جو لکیری الجبرا انجام دیتی ہیں، جیسے میٹرکس ضرب، جو ڈیٹا کی تبدیلی کے لیے ضروری ہوتی ہیں۔ غیر لکیری آپریشنز جیسے کہ ایکٹیویشن فنکشنز نیٹ ورکس کو پیچیدہ پیٹرنز سیکھنے کی اجازت دیتے ہیں۔ 2017 میں، میٹرکس ضرب کے لیے ایک سنگل فوٹونک چپ بنائی گئی، لیکن غیر لکیری آپریشنز کے لیے بصری ڈیٹا کو برقی سگنلز میں تبدیل کرنا پڑتا تھا، جو کافی توانائی خرچ کرتا تھا۔ اس پر قابو پانے کے لیے، محققین نے غیر لکیری بصری فنکشن یونٹس (NOFUs) ڈیزائن کیے جو الیکٹرانکس اور آپٹکس کو چپ پر غیر لکیری آپریشنز کے لیے ضم کرتے ہیں۔ ان کا بصری نیورل نیٹ ورک لکیری اور غیر لکیری افعال کے لیے تین ڈیوائس لیئرز پر مشتمل ہے۔ نیا نظام نیورل نیٹ ورک پیرامیٹرز کو روشنی میں انکوڈ کرتا ہے، جس میں پروگرام ایبل بیم سپلٹر میٹرکس ضرب سنبھالنے کے لیے استعمال ہوتے ہیں۔ غیر لکیری آپریشنز کو NOFUs کے ذریعے انجام دیا جاتا ہے، جو پیٹروڈیوز کا استعمال کرتے ہیں تاکہ بصری سگنلز کو برقی کرنٹ میں مؤثر طریقے سے تبدیل کر سکیں۔ یہ بصری ڈومین پروسیسنگ تاخیر اور توانائی کی کھپت کو بہت کم کرتی ہے۔ کم تاخیر حاصل کر کے، نظام چپ پر ہی دیپ نیورل نیٹ ورکس کی تربیت کو مؤثر طریقے سے انجام دیتا ہے، جسے ’’ان سیٹو ٹریننگ‘‘ کہا جاتا ہے، جو عموماً ڈجیٹل ہارڈویئر میں بہت زیادہ توانائی کی ضرورت ہوتی ہے۔ فوٹونک پروسیسر نے تربیت میں 96% سے زائد اور انفیرنس میں 92% سے زائد کے درستگی حاصل کی، اور نصف نینو سیکنڈ میں کمپیوٹیشنز انجام دیے۔ سرکٹ کو انہی عملوں سے تیار کیا گیا جیسا کہ CMOS چپس بنانے میں استعمال ہوتے ہیں، جس سے ممکنہ طور پر بڑے پیمانے پر پیدوار کم از کم خامیوں کے ساتھ ممکن ہو سکتی ہے۔ آئندہ کام میں آلے کو حقیقی دنیا کے الیکٹرانکس کے ساتھ مربوط کرنے اور الگوریتھم کی ترقی پر توجہ دی جائے گی جو بصری فوائد کا فائدہ اٹھاتے ہوئے تیزی سے، زیادہ توانائی کی بچت کرنے والی تربیت فراہم کر سکیں۔ اس تحقیق کو امریکی نیشنل سائنس فاؤنڈیشن، امریکی ایئر فورس آفس آف سائنٹیفک ریسرچ، اور این ٹی ٹی ریسرچ کی حمایت حاصل ہے۔