واپسی کو تیز کرنے کا قانون کیا ہے؟ یہ کس طرح AGI کی طرف جاتا ہے۔

ایک حالیہ انٹرویو میں جب ان سے پوچھا گیا کہ وہ مصنوعی جنرل انٹیلی جنس (AGI) کی آمد کی توقع کرتے ہیں، ایلون مسک جواب "3 سے 6 سال". گوگل کے ڈیپ مائنڈ کے سی ای او ڈیمس ہاسابیس کو اب یقین ہے کہ AGI ہے۔ "چند سال، شاید ایک دہائی کے اندر اندر" as نے کہا پر وال سٹریٹ جرنل کا فیوچر آف ایوریتھنگ فیسٹیول۔

یہ تعداد زیادہ تر AI انڈسٹری کے پنڈتوں کے مقابلے میں پرامید سمجھی جاتی ہے جو یہ سمجھتے ہیں کہ AGI اکثر ایک دہائی ہے، اگر ایک صدی دور نہیں۔ اس میں سے کچھ مایوسی ایک مختصر ٹائم لائن کے ارتکاب کے خوف سے ہے کہ آخر کار غلط ثابت ہو جائے۔ آخر کار 1956 میں، ڈارٹ ماؤتھ سمر ریسرچ پروجیکٹ میں "مصنوعی ذہانت" کی اصطلاح تیار کی گئی اور اسے ایک فیلڈ کے طور پر شروع کیا گیا، اس امید کے ساتھ کہ ایک مشین انسان کی طرح ذہین ہو۔ ایک نسل سے زیادہ میں موجود نہیں ہوگا۔ (25 سال)۔

دوسرے جیسے جیفری ہنٹن جو جانا جاتا ہے۔ جیسا کہ AI کے گاڈ فادر کے پاس ہے۔ تھوڑا سا زیادہ nuanced نقطہ نظر. "حال ہی میں، میں نے سوچا تھا کہ ہمارے پاس عام مقصد والے AI ہونے سے پہلے 20 سے 50 سال گزر جائیں گے۔ اور اب مجھے لگتا ہے کہ یہ 20 سال یا اس سے کم ہو سکتا ہے۔

AI صنعت نے پچھلے کچھ سالوں میں تیزی سے ترقی کی ہے جس کی بدولت گہری کمک سیکھنے والے الگورتھم کی تیز رفتار ترقی کی بدولت بہت سی چیزیں جو آج کی طاقت رکھتی ہیں۔ بڑے زبان کے ماڈل (LLMs)۔

بہر حال، ان تمام پیش رفتوں نے صرف AI ایپلی کیشنز جیسے کہ چیٹ بوٹس، اور زبان کے ترجمہ کو محدود کیا ہے۔ یہ AGI کے مقابلے میں ہے، مصنوعی ذہانت کی ایک قسم جو انسان کے مقابلے کی سطح پر کاموں کی ایک وسیع صف میں علم کو سمجھنے، سیکھنے اور لاگو کرنے کی صلاحیت رکھتی ہے۔

بہت سے لوگوں کے لیے AGI کا گمشدہ لنک ناقابلِ حصول معلوم ہوتا ہے، لیکن چند لوگوں کے لیے جو اس بات پر یقین رکھتے ہیں کہ "تیز واپسی کا قانون" کہلاتا ہے، یہ ناگزیر ہے کہ ہم آخر کار ایک AGI بنائیں گے۔

تیز رفتار واپسی کے قانون کا تصور کسی اور نے نہیں بلکہ رے کرزویل، مصنف، موجد، اور مستقبل کے ماہر نے کیا تھا۔ وہ آپٹیکل کریکٹر ریکگنیشن (او سی آر)، ٹیکسٹ ٹو اسپیچ سنتھیسز، اسپیچ ریکگنیشن ٹیکنالوجی جیسے شعبوں میں ملوث ہے، اور اس کی اے آئی بک شائع کرنے کے بعد گوگل نے ان کی خدمات حاصل کیں۔ "دماغ کیسے بنایا جائے۔". یہ زمینی کتاب اس کی وضاحت کرتا ہے کہ ہمیں انسانی دماغ کو سمجھنے کی ضرورت ہے تاکہ اسے حتمی سوچنے والی مشین بنانے کے لیے اسے ریورس انجینئر بنایا جا سکے۔ یہ کتاب AI کے مستقبل کے لیے اس قدر اہم تھی کہ ایرک شمٹ نے اس بنیادی کتاب کو پڑھنے کے بعد رے کرزویل کو AI پروجیکٹس پر کام کرنے کے لیے بھرتی کیا۔ 

سب سے زیادہ متعلقہ رے کرزویل کی کتاب کوئی اور نہیں بلکہ "یکسانیت قریب ہے۔2005 میں شائع ہونے کے بعد سے، اس کی پیشین گوئیوں نے گزشتہ 2 دہائیوں میں تکنیکی ترقی کی عکاسی کی ہے۔ سب سے اہم بات رے کرزویل نے پیش گوئی کی ہے کہ ہم 2029 تک AGI حاصل کر لیں گے، ایک ٹائم لائن جو ایلون مسک کی حالیہ رائے کے مطابق ہے اور ڈیمس حسابیس۔

قانون یہ کہتا ہے کہ ارتقائی نظام کی وسیع اقسام میں تبدیلی کی شرح (بشمول لیکن ٹیکنالوجیز کی ترقی تک محدود نہیں) تیزی سے بڑھ رہی ہے۔

تکنیکی ترقی کے تناظر میں، قانون کا مطلب یہ ہے کہ ہم مستقبل میں تیز رفتار تکنیکی ترقی کی توقع کر سکتے ہیں کیونکہ تکنیکی اختراع کی رفتار خود تیز ہو رہی ہے۔ Ray Kurzweil کا استدلال ہے کہ ٹیکنالوجی کی ہر نئی نسل پچھلی نسل پر استوار ہوتی ہے، جس سے جدت طرازی کی صلاحیت میں تیزی سے اضافہ ہوتا ہے۔

یہ قانون یہ ظاہر کرتا ہے کہ کس طرح تیز رفتار ٹیکنالوجیز کی ایک دھماکہ خیز نمو، جس کی قیادت فی الحال جنریٹو AI کر رہی ہے، دیگر کنورجنگ ایکسپونیشنل ٹیکنالوجیز جیسے چپ مینوفیکچرنگ، اور 3-D پرنٹنگ کی دیگر لہروں پر سوار ہو گی۔ یہ ہم آہنگی AI کے لیے اب تک کی سب سے طاقتور ایپلی کیشن بننے کے لیے کیٹپلٹ ہے۔

2001 میں، Ray Kurzweil نے مندرجہ ذیل پیش گوئی کی:

ٹکنالوجی کی تاریخ کا تجزیہ ظاہر کرتا ہے کہ تکنیکی تبدیلی تیزی سے ہوتی ہے، عام فہم "بدیہی لکیری" نقطہ نظر کے برعکس۔ لہذا ہم 100 ویں صدی میں 21 سال کی ترقی کا تجربہ نہیں کریں گے - یہ 20,000 سال کی ترقی کی طرح ہوگی (آج کی شرح پر)۔ "واپسی" جیسے چپ کی رفتار اور لاگت کی تاثیر میں بھی تیزی سے اضافہ ہوتا ہے۔ یہاں تک کہ ایکسپونیشنل نمو کی شرح میں تیزی سے اضافہ ہوتا ہے۔ چند دہائیوں کے اندر، مشینی ذہانت انسانی ذہانت سے آگے نکل جائے گی، جس کے نتیجے میں سنگولریٹی - تکنیکی تبدیلی اتنی تیز اور گہری ہے کہ یہ انسانی تاریخ کے تانے بانے میں پھٹنے کی نمائندگی کرتی ہے۔ مضمرات میں حیاتیاتی اور غیر حیاتیاتی ذہانت کا انضمام، لافانی سافٹ ویئر پر مبنی انسان، اور ذہانت کی انتہائی اعلیٰ سطحیں شامل ہیں جو روشنی کی رفتار سے کائنات میں باہر کی طرف پھیلتی ہیں۔

یہ تکنیکی دھماکے کی وجہ سے ہے۔ مور کے قانون جس نے پیش گوئی کی کہ دی گئی چپ پر ٹرانزسٹروں کی تعداد تقریباً ہر دو سال بعد دوگنی ہو جائے گی۔ یہ دوسری تکنیکی پیش رفت کے ساتھ مل کر یہ واضح کرتا ہے کہ واپسی کو تیز کرنے کا قانون فروغ پا رہا ہے۔ یہ ہیں رے Kurzweil کے مشاہدات کے لیے اس کا انسانیت کے مستقبل کے لیے کیا مطلب ہوگا:

• ارتقاء مثبت آراء کا اطلاق کرتا ہے کہ ارتقائی پیشرفت کے ایک مرحلے کے نتیجے میں آنے والے زیادہ قابل طریقے اگلے مرحلے کی تخلیق کے لیے استعمال ہوتے ہیں۔ نتیجے کے طور پر،
• ایک ارتقائی عمل کی ترقی کی شرح وقت کے ساتھ تیزی سے بڑھتی ہے۔ وقت گزرنے کے ساتھ، ارتقائی عمل میں شامل معلومات کی "ترتیب" (یعنی یہ پیمائش کہ معلومات کسی مقصد سے کتنی اچھی طرح فٹ بیٹھتی ہیں، جو کہ ارتقاء میں بقا ہے) بڑھتا ہے۔
• مندرجہ بالا مشاہدے کا ایک باہمی تعلق یہ ہے کہ کسی ارتقائی عمل کی "واپسی" (مثلاً رفتار، لاگت کی تاثیر، یا کسی عمل کی مجموعی "طاقت") وقت کے ساتھ ساتھ تیزی سے بڑھ جاتی ہے۔
• ایک اور مثبت فیڈ بیک لوپ میں، جیسا کہ ایک خاص ارتقائی عمل (مثلاً، حساب) زیادہ موثر (مثلاً، لاگت سے موثر) ہو جاتا ہے، اس عمل کی مزید پیش رفت کے لیے زیادہ وسائل لگائے جاتے ہیں۔ اس کے نتیجے میں کفایتی نمو کی دوسری سطح ہوتی ہے (یعنی، شرح نمو کی شرح خود تیزی سے بڑھتی ہے)۔
• حیاتیاتی ارتقا ایک ایسا ہی ارتقائی عمل ہے۔
• تکنیکی ارتقا ایک اور ایسا ہی ارتقائی عمل ہے۔ درحقیقت، پرجاتیوں کو تخلیق کرنے والی پہلی ٹیکنالوجی کے ظہور کے نتیجے میں ٹیکنالوجی کے نئے ارتقائی عمل کا آغاز ہوا۔ لہذا، تکنیکی ارتقاء حیاتیاتی ارتقاء کا ایک نتیجہ ہے اور اس کا تسلسل ہے۔
• ایک مخصوص نمونہ (کسی مسئلے کو حل کرنے کا طریقہ یا نقطہ نظر، مثال کے طور پر، زیادہ طاقتور کمپیوٹر بنانے کے نقطہ نظر کے طور پر مربوط سرکٹ پر ٹرانزسٹر کو سکڑنا) اس وقت تک تیزی سے ترقی کرتا ہے جب تک کہ طریقہ اپنی صلاحیت کو ختم نہ کر دے۔ جب ایسا ہوتا ہے تو، ایک پیراڈائم شفٹ (یعنی نقطہ نظر میں بنیادی تبدیلی) واقع ہوتی ہے، جو کہ تیزی سے ترقی کو جاری رکھنے کے قابل بناتی ہے۔

قارئین کو Kurzweil کے بلاگ کو پڑھنا چاہیے، اس کے بعد انہیں اس تیزی سے بڑھنے کے مضمرات پر غور کرنا چاہیے، اور یہ بلاگ کے ابتدائی طور پر شائع ہونے کے بعد سے ذاتی طور پر جو تجربہ کیا ہے اس سے یہ کیسے مماثل اور مختلف ہے۔

تیز رفتار واپسی کا قانون جب کہ مور کے قانون کی طرح مقبول نہیں تھا، آج بھی اتنا ہی متعلقہ ہے جتنا کہ ابتدائی طور پر شائع ہونے پر۔