Microsoft Ignite 2024 میں، کمپنی نے خود مختار AI ایجنٹس کی طرف ایک اسٹریٹجک پیشرفت کی اہمیت کو اجاگر کیا، جو مختلف شعبوں میں آپریٹنگ کی کارکردگی کو بڑھاتی ہے۔ اس کا مرکزی عنصر کوپائلٹ کی ایجنٹ پر مبنی سسٹمز کے ساتھ انٹگریشن ہے، جو مائیکروسافٹ کی شفٹ کی نمائندگی کرتا ہے کہ سپورٹیو ٹولز سے خودکار ایجنٹس کی طرف جو پیچیدہ کاموں میں کم سے کم انسانی مداخلت کی ضرورت رکھتے ہیں۔ 1

عام تاثر یہ ہے کہ مصنوعی ذہانت (AI) جیسے جیسے خودمختاری سے چلنے کی صلاحیت حاصل کرتی ہے، انسانی ملازمتوں کو ختم کر دے گی۔ تاہم، AI بڑی حد تک "حیومنس ان دی لوپ" کے نام سے جانے جانے والی عالمی افرادی قوت کی انسانی مداخلت پر انحصار کرتی ہے، جو کمپنیوں جیسے کہ میٹا، اوپن اے آئی، مائیکروسوفٹ، اور گوگل کے لیے AI نظاموں کو بہتر بنانے کے لیے ڈیٹا کی جانچ اور ترتیب میں مصروف ہیں۔ AI کی ممکنہ صلاحیت کے باوجود، نئے آلات اور ایجادات کی لیبلنگ جیسے کاموں کے لیے انسانی مداخلت ضروری ہے۔ کینیا میں، جہاں بیروزگاری زیادہ ہے، نفتالی وامبالو دیگر افراد کے ساتھ AI کی تربیت کے لیے ڈیٹا کی لیبلنگ کے ڈیجیٹل کام میں مشغول ہیں۔ تاہم، شہری حقوق کے کارکنان جیسے کہ نریما واکو اوجیوا نے ان ملازمتوں کو استحصال پذیر قرار دیا ہے، کیونکہ یہ ناقص ملازمت تحفظ اور کم تنخواہوں کی پیشکش کرتی ہیں۔ بیرون ملک خدمات فراہم کرنے والی کمپنیاں ٹیک دیو کمپنیوں کی طرف سے کارکنان کی خدمات حاصل کرتی ہیں اور اکثر ان کو کم ادائیگی کرتی ہیں باوجودیکہ کمپنیوں کی طرف سے ادائیگیاں زیادہ ہوتی ہیں۔ نفتالی جیسے کارکنان مشکل حالات کا سامنا کرتے ہیں، خاص طور پر وہ لوگ جو گرافک مواد کو معتدل بناتے ہیں، جس کے نتیجے میں شدید جذباتی پریشانی ہو سکتی ہے۔ یہ استحصال ان ممالک میں بھی پھیل جاتا ہے جہاں سستی مزدور مارکیٹیں ہیں، کیونکہ قومی لیبر قوانین ڈیجیٹل مزدوروں کے تحفظ میں پیچھے ہیں۔ شکایات اور مکمل کی گئی کاموں کی عدم ادائیگی جیسے مسائل کے باوجود، کمپنیاں اکثر ذمہ داری و نگرانی سے بچ نکلتی ہیں۔ لیسلے اسٹال کینیا جیسے ممالک میں ملازمت کے مواقع کی شدید ضرورت کو سامنے لاتے ہیں، جہاں حکومت تکنیکی سرمایہ کاری کی حوصلہ افزائی کرتی ہے۔ تاہم، کارکن مساوات کی حالتوں پر زور دیتے ہیں، اس بات پر تنقید کرتے ہوئے کہ بڑی ٹیک کمپنیاں عالمی لیبر عدم مساوات کا استحصال کرتی ہیں۔ جبکہ ٹیک دیو کمپنیاں منصفانہ حالات کو یقینی بنانے کا دعویٰ کرتی ہیں، چیلنجز برقرار ہیں، جس سے ڈیجیٹل کارکنان کو استحصالی طریقوں کے خلاف مقدمے دائر کرنے پر مجبور کرتی ہیں۔ یہ صورتحال انٹرنیشنل لیبر عدم مساوات کے وسیع تر نمونہ کو اجاگر کرتی ہے جسے ٹیک کمپنیاں اپنی لاگت کم کرنے کے لیے استعمال کرتی ہیں۔

بعد میں، CHF85 ماہانہ۔ کسی بھی ڈیوائس پر اعلی معیار کی FT جرنلزم کی مکمل ڈیجیٹل رسائی کا لطف اٹھائیں۔ آپ اپنے ٹرائل کے دوران کسی بھی وقت منسوخ کر سکتے ہیں۔

ہمارے سلسلے کے پہلے حصے میں، ہم نے مصنوعی ذہانت کے ایجنٹوں کے ذریعے ادارے کی کارکردگی بہتر بنانے کی حکمت عملیوں کا جائزہ لیا۔ یہ ایجنٹ خود کار ماڈلز کے برعکس، کاموں کو سیاق و سباق اور ٹولز کے ساتھ بہتر بناتے ہیں، جیسے کوڈ کی تخلیق میں بہتری۔ ملٹی ایجنٹ سسٹمز محکموں کے درمیان رابطے کو سہل بنا سکتے ہیں، جس سے بڑھتی ہوئی پیداواری صلاحیت، لچک اور تیزی سے اپ گریڈ ممکن ہو جاتے ہیں۔ کامیابی کے اہم عوامل میں کرداروں اور ورک فلو کا نقشہ تیار کرنا اور انسانی نگرانی اور غلطی کی جانچ جیسی حفاظتی تدابیر کا نفاذ شامل ہے تاکہ محفوظ آپریشن کو یقینی بنایا جا سکے۔ آئیے ان اہم عناصر کا معائنہ کریں۔ **حفاظتی تدابیر اور خود مختاری:** ایجنٹ، جو کہ خود مختار ہیں، کو خود مختاری سے چلتے وقت غلطیوں، فضلہ، قانونی خطرات یا مضر اثرات کو کم کرنے کے لیے مختلف حفاظتی تدابیر کی ضرورت ہوتی ہے۔ اگرچہ ان تمام حفاظتی تدابیر کا اطلاق زیادہ ہو سکتا ہے، ہر ایجنٹ کے لیے ان کی ضرورت کا جائزہ لینا ضروری ہے۔ اگر ان میں سے کوئی بھی شرط پوری ہو تو ایجنٹ کو خود مختار طریقے سے کام نہیں کرنا چاہیے۔ **انسانی مداخلت کی شرائط:** پہلے سے طے شدہ اصولوں کو تعین کرنا چاہیے کہ کب انسانی تصدیق کی ضرورت ہے۔ یہ قواعد ہر معاملے کے لیے خاص ہیں اور انہیں ایجنٹ کے پرامپٹ میں شامل یا خارجی کوڈ کے ذریعے نافذ کیا جا سکتا ہے۔ مثلاً، خریداری کا ایجنٹ تمام کاروائیوں کی تصدیق انسان سے کروا کے آگے بڑھے۔ **حفاظتی ایجنٹس:** کسی ایجنٹ کو غیر اخلاقی یا خطرناک برتاؤ سے روکا جا سکتا ہے اگر اس کے ساتھ ایک حفاظتی ایجنٹ کی جوڑی بنائی جائے۔ ایجنٹ کو حفاظتی ایجنٹ کی منظوری کے ساتھ اپنی کارروائیوں کی تصدیق کرنی ہوگی۔ **غیر یقینی صورتحال کا انتظام:** ہمارے لیب نے بڑے زبان ماڈلز (LLMs) سے پیداوار میں غیر یقینی صورتحال کو کم کرنے کے لیے ایک تکنیک تیار کی، جس سے وہم کے امکانات کم ہو جاتے ہیں۔ اگرچہ یہ اعتبار بڑھاتا ہے، لیکن یہ اخراجات میں اضافہ اور سسٹم کو سست کر دیتا ہے، لہذا یہ صرف اہم ایجنٹس کے لیے تجویز کیا جاتا ہے۔ **موقوف بٹن:** نظام میں مخالفت یا غلطیاں پکڑنے پر خودکار عملوں کو روکنے کا طریقہ ضروری ہے، تاکہ اہم کام مکمل طور پر دستی نہ بن جائیں۔ **ایجنٹ کے تیار کردہ ورک آرڈرز:** فوراً تمام ایجنٹس کو ایپلی کیشنز اور اے پی آئیز میں مکمل طور پر ضم کرنے کی ضرورت نہیں ہے۔ عارضی اوزار رپورٹ یا ورک آرڈر تیار کر سکتے ہیں جن پر دستی عمل درآمد کیا جا سکتا ہے، جو ایجنٹ نیٹ ورکس کی فوری ترقی میں مؤثر ثابت ہوتا ہے۔ **پیمائش:** اگرچہ LLM پر مبنی ایجنٹس مضبوط ہوتے ہیں، مگر ان میں مستقل مزاجی اور شفافیت کی کمی ہوتی ہے، جو ایک موزوں آزمائشی حکمت عملی کی ضرورت پیدا کرتی ہے۔ جنریٹو AI ٹیسٹ کیسز بنا سکتا ہے، اور سینڈ باکسنگ سسٹمز کی محفوظ اور کنٹرول اسکلیٹنگ ممکن بناتی ہے۔ **فائن ٹوننگ:** یہ خیال غلط ہے کہ صرف استعمال سے جنریٹو AI بہتر ہو جاتا ہے۔ ایجنٹس کے لاگز اور لیبل شدہ ترجیحات کے ذریعے LLMs کو بہتر بنایا جا سکتا ہے۔ **پھنسنے کے خطرات:** ملٹی ایجنٹ سسٹمز بغیر حرکت میں آ سکتے ہیں، اور اس کے لیے ٹائم آؤٹ میکانزم کی ضرورت ہوتی ہے۔ ایجنٹس کو طویل ہدایات یا متوقعات سے اوورلوڈ نہ کریں۔ ایجنٹس کو منظم کاموں میں تقسیم کر کے ان مسائل کو کم کیا جا سکتا ہے۔ سسٹمز اکثر کوآرڈینیٹر ایجنٹ استعمال کرتے ہیں، جس سے ناکامی کا ایک اہم نقطہ پیدا ہو سکتا ہے۔ ایک پائپ لائن ورک فلو، جہاں ایجنٹس سلسلہ وار کام ایک دوسرے کو دیتے ہیں، سفارش کی جاتی ہے۔ اوورلوڈ کرنے والے ایجنٹس بہت زیادہ سیاق و سباق سے الجھ سکتے ہیں۔ ایجنٹس کو ان کا سیاق و سباق برقرار رکھنے کی اجازت دینا، جیسے ویب سائٹ سیشن، مشورے کے مطابق ہے۔ آخر میں، LLM کی صلاحیتوں کو ایک نسبتاً اعلیٰ معیار پورا کرنا چاہیے۔ نئے تجارتی اور اوپن سورس ایجنٹس اس معیار کو پورا کرتے ہیں، حالانکہ وہ روایتی سافٹ ویئر سسٹمز سے زیادہ مہنگے اور سستے ہیں۔ ملٹی ایجنٹ سسٹمز کی مؤثریت کے لیے لاگت اور رفتار کے حوالے سے توقعات کو ایڈجسٹ کرنا ضروری ہوتا ہے۔

AI رہنما بڑے زبان کے ماڈلز کے ڈیٹا پر مبنی تربیتی طریقوں کا دوبارہ جائزہ لے رہے ہیں کیونکہ روایتی ماڈلز، جو ڈیٹا کے ساتھ خطی طور پر بڑھتے ہیں، ممکنہ طور پر اپنی حد تک پہنچ چکے ہیں۔ صنعت اب چھوٹے، زیادہ مؤثر ماڈلز اور جدید تربیتی طریقوں کی حمایت کر رہی ہے۔ برسوں سے، کمپنیاں جیسے OpenAI, Meta, اور Google نے بڑے پیمانے کے ڈیٹا سیٹس جمع کیے، اس مفروضے پر کہ زیادہ ڈیٹا، زیادہ سمجھدار ماڈلز پیدا کرتا ہے۔ تاہم، روایتی خیالات کا دوبارہ جائزہ لیا جا رہا ہے۔ تحقیق اشارہ کرتی ہے کہ ٹرانسفارمرز، جو ان ماڈلز کے پیچھے نیورل نیٹ ورکس ہیں، وہ ملنے والے ڈیٹا اور حسابی طاقت کے مطابق بڑھتے ہیں۔ محمد بن زاید یونیورسٹی آف آرٹیفیشل انٹیلیجنس کے کنسلٹنٹ الیکس وویسکا نے وضاحت کی کہ روایتی ٹرانسفارمر ماڈلز اس خطی تعلق کی پیروی کرتے ہیں۔ لیکن انتظامیہ اس طریقہ کار میں حدود کو دیکھتی ہے اور ٹیکنالوجی کو آگے بڑھانے کے نئے طریقے تلاش کر رہی ہے۔ AI میں بڑے پیمانے پر سرمایہ کاری اس یقین پر منحصر رہی ہے کہ یہ ترازو برقرار رہے گا، جسے Scale AI کے سی ای او الیگزینڈر وانگ نے "صنعت کا سب سے بڑا سوال" قرار دیا۔ کچھ لوگ موجودہ طریقہ کار کو سادہ قرار دیتے ہیں؛ Cohere کے سی ای او ایڈن گومز دعویٰ کرتے ہیں کہ محض ماڈل کے سائز اور حساب کو بڑھانا زیادہ قابل انحصار اور ماڈلز کو بہتر کرنے کا سب سے کم تخلیقی طریقہ ہے۔ گومز چھوٹے، لاگت موثر ماڈلز کی تشہیر کرتے ہیں، جس سے صنعت کی حمایت حاصل ہوتی ہے۔ تاہم، اس نقطۂ نظر سے مصنوعی عمومی ذہانت، جو انسان کے ہم سطح ذہانت کی حامل AI کی شکل ہو، حاصل کرنے میں ناکامی پر خدشات باقی رہتے ہیں، جو بڑی AI کمپنیاں تیار کرنے کا ارادہ رکھتی ہیں۔ بڑے زبان کے ماڈلز کو "ایک سلسلے میں اگلا ٹوکن پیش کرنے" کے لیے تربیت دی جاتی ہے، جیسا کہ You

2024 میں، سرمایہ کاروں نے AI انفراسٹرکچر کمپنیوں میں نمایاں سرمایہ کاری کی، جس سے ان کی مارکیٹ میں موجودگی کو تقویت ملی۔ گولڈ مین سیکس کی توقع ہے کہ وہ کمپنیاں جو AI کا استعمال کرکے آمدنی بڑھا رہی ہیں، 2025 میں کامیاب ہوں گی۔ اس سال، AI نے اسٹاک مارکیٹ پر بڑا اثر ڈالا ہے، جس کی بنیاد پر سات اہم اسٹاکز — ایمیزون، ایپل، الفابیٹ، مائیکروسافٹ، میٹا، این ویڈیا، اور ٹیسلا، جنہیں مجموعی طور پر "دی میگنیفیسنٹ سیون" کے نام سے جانا جاتا ہے — رکھی گئی۔ ان کمپنیوں نے S&P 500 کے باقی حصے سے بہت بہتر کارکردگی کا مظاہرہ کیا ہے۔ دریں اثنا، ورٹو اور ڈیجیٹل ریئلٹی جیسی ڈیٹا سینٹر کمپنیوں نے AI کی بڑھتی ہوئی مانگ سے فائدہ اٹھایا ہے۔ گولڈ مین سیکس 2025 میں AI انفراسٹرکچر سرمایہ کاری سے AI کی مدد سے آمدنی میں اضافہ کرنے والی کمپنیوں کی طرف تبدیلی کی پیش گوئی کرتا ہے۔ ChatGPT اور ایسی دیگر ٹیکنالوجیز کے پختہ ہونے کے ساتھ، نئے آمدنی پیدا کرنے والے AI کیسز ابھر رہے ہیں۔ حالانکہ میگنیفیسنٹ سیون کی کامیابیوں نے ان کے طویل المیعاد ترقی کی گنجائش کو نہیں بنایا۔ گولڈ مین توقع کرتا ہے کہ یہ بڑی کمپنیاں بدستور بہتر کارکردگی دکھائیں گی، لیکن حال ہی میں دیکھے جانے والے غیر معمولی مارجن کے ساتھ نہیں۔ توجہ "فیز 3" AI اسٹاکس پر منتقل ہو رہی ہے، جو میگنیفیسنٹ سیون کے مقابلے میں زیادہ معقول قیمت لگائے گئے ہیں، اور AI ٹیکنالوجی کو نافذ کرکے پرکشش سرمایہ کاری کی صلاحیت پیش کر رہے ہیں۔ اگرچہ AI کے لئے جوش کچھ کم ہو گیا ہے، جس سے فیز 3 اسٹاکس کے لئے توقعات کم ہو گئی ہیں، اس سے انہیں سرمایہ کاروں کی توقعات کو آسانی سے پار کرنے کا موقع مل سکتا ہے۔ اس کے برعکس، زیادہ توقعات نے این ویڈیا جیسی کمپنیوں کو منفی طور پر متاثر کیا ہے۔ گولڈ مین سیکس نے 11 کمپنیوں کی نشاندہی کی ہے جو آمدنی بڑھانے کے لئے AI کو اپنا رہی ہیں، ان کا مشورہ ہے کہ یہ کمپنیاں نمایاں ترقی دیکھ سکتی ہیں۔ انہوں نے کمپنی مینجمنٹ کی AI کو اپنانے کے حوالے سے کی جانے والی بات چیت اور حالیہ آمدنی کالز کا تجزیہ کرکے ان کمپنیوں کو اجاگر کیا جو مؤثر طریقے سے AI ٹیکنالوجی کا فائدہ اٹھا رہی ہیں۔

آج کے کالم میں، میں ذہنی دھند کے بڑھتے ہوئے مسئلے پر غور کرتا ہوں، یہ ایک اصطلاح ہے جو دن بدن مقبول ہو رہی ہے اور ذہنی مشکلات جیسے کہ مبہم سوچ اور یادداشت کے نقصانات کے لیے استعمال ہوتی ہے۔ ذہنی دھند کی شدت اور مدت مختلف ہوتی ہے، جو جسمانی، نفسیاتی، یا طرز زندگی کے عوامل جیسے کہ ذہنی دباؤ، نیند کی کمی، یا خوراک سے پیدا ہوتی ہے۔ دلچسپ بات یہ ہے کہ AI ٹولز، جیسے کہ جنریٹیو AI اور بڑے لینگویج ماڈلز (LLMs)، ذہنی دھند سے نمٹنے میں مدد فراہم کر سکتے ہیں۔ اگرچہ یہ کوئی مکمل علاج نہیں ہیں، لیکن AI تفصیلی، انٹرایکٹو گفتگو کے ذریعے بصیرت فراہم کر سکتا ہے جو افراد کو ممکنہ وجوہات اور حلوں کی نشاندہی کرنے میں مدد دے سکتا ہے، جیسے بہتر نیند یا دباؤ کا انتظام۔ تاہم، AI مدد کو پیشہ ورانہ طبی مشورے کے ساتھ جوڑنا انتہائی ضروری ہے۔ Laura McWhirter اور دیگر محققین کی جانب سے "ذہنی دھند کیا ہے؟" عنوانی تحقیق میں ذہنی دھند کی متنوع تجربات اور اس اصطلاح کے استعمال کا جائزہ لیا گیا ہے۔ یہ چیلنجز جیسے کٹاؤ اور تھکان کو اجاگر کرتی ہے، جو اکثر مختلف صحت کی حالتوں اور طرز عمل سے تعلق رکھتی ہیں۔ AI کی ذہنی دھند کے مسئلے پر کردار کو دیکھتے ہوئے، صارفین کو مشورہ دیا جاتا ہے کہ AI کے ساتھ مکالمہ جاری رکھیں تاکہ سمجھداری سے تجاویز حاصل کی جا سکیں لیکن AI سے دی گئی معلومات کی ہمیشہ تصدیق کریں۔ AI کی بصیرت اور پیشہ ورانہ مشورے سے آگاہ کردہ عادات میں ایک منظم تبدیلی کے ساتھ ذہنی دھند کا سامنا کرنا علامات کو کم کرنے میں مددگار ثابت ہو سکتا ہے۔ مزید سیکھنے کے لیے، تکنیکی آلات کو روایتی حکمت کے ساتھ اپنائیں، جیسے کہ تھامس ایڈیسن کا واضح سوچ کے لیے تنہائی تلاش کرنے کا مشورہ۔ جدید حکمت عملیوں کو قدیم طریقوں کے ساتھ متوازن رکھنا ذہنی وضاحت کو برقرار رکھنے میں مدد دے سکتا ہے۔