AI میں مغربی تعصب: عالمی تناظر کیوں غائب ہے۔

An اے آئی اسسٹنٹ ایک سادہ سوال کا غیر متعلقہ یا مبہم جواب دیتا ہے، جو ایک اہم مسئلہ کو ظاہر کرتا ہے کیونکہ یہ اپنی تربیت سے باہر ثقافتی باریکیوں یا زبان کے نمونوں کو سمجھنے کے لیے جدوجہد کرتا ہے۔ یہ منظر نامہ ان اربوں لوگوں کے لیے مخصوص ہے جو صحت کی دیکھ بھال، تعلیم، یا ملازمت کی مدد جیسی ضروری خدمات کے لیے AI پر انحصار کرتے ہیں۔ بہت سے لوگوں کے لیے، یہ ٹولز کم پڑ جاتے ہیں، اکثر غلط بیانی کرتے ہیں یا ان کی ضروریات کو مکمل طور پر خارج کر دیتے ہیں۔

AI نظام بنیادی طور پر مغربی زبانوں، ثقافتوں اور نقطہ نظر سے چلتے ہیں، جس سے دنیا کی ایک تنگ اور نامکمل نمائندگی ہوتی ہے۔ متعصب ڈیٹاسیٹس اور الگورتھم پر بنائے گئے یہ نظام عالمی آبادی کے تنوع کی عکاسی کرنے میں ناکام رہتے ہیں۔ اس کا اثر تکنیکی حدود سے آگے بڑھتا ہے، سماجی عدم مساوات کو تقویت دیتا ہے اور تقسیم کو گہرا کرتا ہے۔ صرف چند مراعات یافتہ افراد کی بجائے پوری انسانیت کی خدمت کرنے کے لیے AI کی صلاحیت کو محسوس کرنے اور استعمال کرنے کے لیے اس عدم توازن کو دور کرنا ضروری ہے۔

AI تعصب کی جڑوں کو سمجھنا

AI تعصب محض ایک غلطی یا نگرانی نہیں ہے۔ یہ اس سے پیدا ہوتا ہے کہ AI سسٹمز کو کس طرح ڈیزائن اور تیار کیا جاتا ہے۔ تاریخی طور پر، AI تحقیق اور جدت طرازی بنیادی طور پر مغربی ممالک میں مرکوز رہی ہے۔ اس ارتکاز کے نتیجے میں تعلیمی اشاعتوں، ڈیٹاسیٹس، اور تکنیکی فریم ورک کے لیے بنیادی زبان کے طور پر انگریزی کا غلبہ ہوا ہے۔ نتیجتاً، AI سسٹمز کا بنیادی ڈیزائن اکثر عالمی ثقافتوں اور زبانوں کے تنوع کو شامل کرنے میں ناکام ہو جاتا ہے، جس سے وسیع خطوں کی نمائندگی کم رہ جاتی ہے۔

AI میں تعصب کو عام طور پر الگورتھمک تعصب اور ڈیٹا پر مبنی تعصب میں درجہ بندی کیا جا سکتا ہے۔ الگورتھمک تعصب اس وقت ہوتا ہے جب AI ماڈل کے اندر منطق اور اصول مخصوص نتائج یا آبادی کے حق میں ہوتے ہیں۔ مثال کے طور پر، تاریخی روزگار کے اعداد و شمار پر تربیت یافتہ الگورتھم کی خدمات حاصل کرنا نادانستہ طور پر مخصوص ڈیموگرافکس کی حمایت کر سکتا ہے، جس سے نظامی امتیاز کو تقویت ملتی ہے۔

دوسری طرف، ڈیٹا پر مبنی تعصب، ڈیٹا سیٹس کے استعمال سے پیدا ہوتا ہے جو موجودہ سماجی عدم مساوات کی عکاسی کرتے ہیں۔ چہرے کی شناخت ٹیکنالوجی، مثال کے طور پر، ہلکی جلد والے افراد پر اکثر بہتر کارکردگی کا مظاہرہ کرتی ہے کیونکہ تربیتی ڈیٹا سیٹس بنیادی طور پر مغربی علاقوں کی تصاویر پر مشتمل ہوتے ہیں۔

2023 کی ایک رپورٹ۔ اے آئی ناؤ انسٹی ٹیوٹ مغربی ممالک میں AI کی ترقی اور طاقت کے ارتکاز پر روشنی ڈالی، خاص طور پر ریاستہائے متحدہ اور یورپ، جہاں بڑی ٹیک کمپنیاں اس شعبے پر حاوی ہیں۔ اسی طرح، د سٹینفورڈ یونیورسٹی کے ذریعہ 2023 AI انڈیکس رپورٹ عالمی AI تحقیق اور ترقی میں ان خطوں کی نمایاں شراکت کو اجاگر کرتا ہے، جو ڈیٹا سیٹس اور اختراعات میں واضح مغربی تسلط کی عکاسی کرتا ہے۔

یہ ساختی عدم توازن AI نظاموں کی فوری ضرورت کا تقاضا کرتا ہے کہ وہ مزید جامع انداز اپنائے جو عالمی آبادی کے متنوع تناظر اور حقائق کی نمائندگی کرتے ہیں۔

AI میں ثقافتی اور جغرافیائی تفاوت کا عالمی اثر

مغربی-مرکزی ڈیٹاسیٹس کے غلبے نے AI نظاموں میں اہم ثقافتی اور جغرافیائی تعصبات پیدا کیے ہیں، جس نے متنوع آبادیوں کے لیے ان کی تاثیر کو محدود کر دیا ہے۔ ورچوئل اسسٹنٹسمثال کے طور پر، مغربی معاشروں میں عام محاوراتی تاثرات یا حوالہ جات کو آسانی سے پہچان سکتے ہیں لیکن اکثر دوسرے ثقافتی پس منظر کے صارفین کو درست جواب دینے میں ناکام رہتے ہیں۔ مقامی روایت کے بارے میں ایک سوال کو مبہم یا غلط جواب مل سکتا ہے، جو نظام کی ثقافتی بیداری کی کمی کو ظاہر کرتا ہے۔

یہ تعصبات ثقافتی غلط بیانی سے آگے بڑھتے ہیں اور جغرافیائی تفاوت کی وجہ سے اس میں مزید اضافہ ہوتا ہے۔ زیادہ تر AI ٹریننگ ڈیٹا شمالی امریکہ اور یورپ کے شہری، اچھی طرح سے جڑے ہوئے علاقوں سے آتا ہے اور اس میں دیہی علاقوں اور ترقی پذیر ممالک کو کافی حد تک شامل نہیں کیا جاتا ہے۔ اس کے اہم شعبوں میں سنگین نتائج ہیں۔

فصل کی پیداوار کی پیشن گوئی کرنے یا کیڑوں کا پتہ لگانے کے لیے بنائے گئے زرعی AI ٹولز اکثر سب صحارا افریقہ یا جنوب مشرقی ایشیا جیسے خطوں میں ناکام ہو جاتے ہیں کیونکہ یہ نظام ان علاقوں کے منفرد ماحولیاتی حالات اور کاشتکاری کے طریقوں کے مطابق نہیں ہوتے ہیں۔ اسی طرح، صحت کی دیکھ بھال کے AI نظام، عام طور پر مغربی ہسپتالوں کے ڈیٹا پر تربیت یافتہ، دنیا کے دیگر حصوں میں آبادی کے لیے درست تشخیص فراہم کرنے کے لیے جدوجہد کرتے ہیں۔ تحقیق سے پتہ چلتا ہے کہ جلد کے ہلکے رنگوں پر تربیت یافتہ ڈرمیٹولوجی AI ماڈلز کی جلد کی مختلف اقسام پر جانچ کی جانے پر وہ نمایاں طور پر بدتر کارکردگی کا مظاہرہ کرتے ہیں۔ مثال کے طور پر، ایک 2021 مطالعہ پتہ چلا کہ جلد کی بیماری کا پتہ لگانے کے لیے AI ماڈلز کی درستگی میں 29-40% کمی واقع ہوئی جب ڈیٹاسیٹس پر لاگو کیا گیا جس میں جلد کے گہرے رنگ شامل تھے۔ یہ مسائل تکنیکی حدود سے تجاوز کرتے ہیں، جان بچانے اور صحت کے عالمی نتائج کو بہتر بنانے کے لیے مزید جامع ڈیٹا کی فوری ضرورت کی عکاسی کرتے ہیں۔

اس تعصب کے معاشرتی مضمرات بہت دور رس ہیں۔ افراد کو بااختیار بنانے کے لیے بنائے گئے AI نظام اکثر اس کی بجائے رکاوٹیں پیدا کرتے ہیں۔ AI کے ذریعے چلنے والے تعلیمی پلیٹ فارم مغربی نصاب کو ترجیح دیتے ہیں، جس سے دوسرے خطوں میں طلباء کو متعلقہ یا مقامی وسائل تک رسائی کے بغیر چھوڑ دیا جاتا ہے۔ زبان کے اوزار مقامی بولیوں اور ثقافتی تاثرات کی پیچیدگی کو پکڑنے میں اکثر ناکام رہتے ہیں، اور انہیں عالمی آبادی کے وسیع حصوں کے لیے غیر موثر بنا دیتے ہیں۔

AI میں تعصب نقصان دہ مفروضوں کو تقویت دے سکتا ہے اور نظامی عدم مساوات کو گہرا کر سکتا ہے۔ مثال کے طور پر، چہرے کی شناخت کی ٹیکنالوجی کو نسلی اقلیتوں میں غلطی کی زیادہ شرح کے لیے تنقید کا سامنا کرنا پڑا ہے، جس کے حقیقی دنیا کے سنگین نتائج برآمد ہوئے ہیں۔ 2020 میں، رابرٹ ولیمز، ایک سیاہ فام آدمی، کو غلط طور پر ڈیٹرائٹ میں چہرے کی شناخت کے غلط میچ کی وجہ سے گرفتار کیا گیا تھا، جو اس طرح کے تکنیکی تعصبات کے سماجی اثرات کو نمایاں کرتا ہے۔

معاشی طور پر، AI کی ترقی میں عالمی تنوع کو نظر انداز کرنا جدت کو محدود کر سکتا ہے اور مارکیٹ کے مواقع کو کم کر سکتا ہے۔ وہ کمپنیاں جو متنوع نقطہ نظر کا محاسبہ کرنے میں ناکام رہتی ہیں وہ ممکنہ صارفین کے بڑے طبقات کو الگ کرنے کا خطرہ رکھتی ہیں۔ ایک 2023 McKinsey رپورٹ اندازہ لگایا گیا ہے کہ تخلیقی AI عالمی معیشت میں سالانہ 2.6 ٹریلین اور 4.4 ٹریلین ڈالر کے درمیان حصہ ڈال سکتا ہے۔ تاہم، اس صلاحیت کو محسوس کرنے کا انحصار AI کے جامع نظام بنانے پر ہے جو دنیا بھر میں متنوع آبادیوں کو پورا کرتا ہے۔

تعصبات کو دور کرنے اور AI کی ترقی میں نمائندگی کو بڑھا کر، کمپنیاں نئی ​​منڈیاں دریافت کر سکتی ہیں، جدت طرازی کو آگے بڑھا سکتی ہیں، اور اس بات کو یقینی بنا سکتی ہیں کہ AI کے فوائد کو تمام خطوں میں مساوی طور پر بانٹ دیا جائے۔ یہ ایسے AI نظاموں کی تعمیر کی معاشی ضرورت کو اجاگر کرتا ہے جو عالمی آبادی کی مؤثر عکاسی اور خدمت کرتے ہیں۔

شمولیت کی راہ میں رکاوٹ کے طور پر زبان

زبانیں ثقافت، شناخت اور برادری سے گہرا تعلق رکھتی ہیں، پھر بھی AI نظام اکثر اس تنوع کی عکاسی کرنے میں ناکام رہتے ہیں۔ زیادہ تر AI ٹولز، بشمول ورچوئل اسسٹنٹس اور چیٹ بوٹس، کچھ وسیع پیمانے پر بولی جانے والی زبانوں میں اچھی کارکردگی کا مظاہرہ کرتے ہیں اور کم نمائندگی کرنے والی زبانوں کو نظر انداز کرتے ہیں۔ اس عدم توازن کا مطلب یہ ہے کہ مقامی زبانوں، علاقائی بولیوں، اور اقلیتی زبانوں کو شاذ و نادر ہی سہارا دیا جاتا ہے، جو انہیں بولنے والی برادریوں کو مزید پسماندہ کر دیتے ہیں۔

اگرچہ گوگل ٹرانسلیٹ جیسے ٹولز نے مواصلات کو تبدیل کر دیا ہے، لیکن وہ اب بھی بہت سی زبانوں کے ساتھ جدوجہد کر رہے ہیں، خاص طور پر پیچیدہ گرامر یا محدود ڈیجیٹل موجودگی کے ساتھ۔ اس اخراج کا مطلب یہ ہے کہ AI سے چلنے والے لاکھوں ٹولز ناقابل رسائی یا غیر موثر رہتے ہیں، جو ڈیجیٹل تقسیم کو وسیع کرتے ہیں۔ اے یونیسکو کی رپورٹ 2023 انکشاف کیا کہ دنیا کی 40% سے زیادہ زبانیں معدوم ہونے کے خطرے سے دوچار ہیں، اور AI سسٹمز سے ان کی عدم موجودگی اس نقصان کو بڑھاتی ہے۔

AI سسٹمز دنیا کے لسانی تنوع کے صرف ایک چھوٹے سے حصے کو ترجیح دے کر ٹیکنالوجی میں مغربی تسلط کو تقویت دیتے ہیں۔ اس خلا کو پورا کرنا اس بات کو یقینی بنانے کے لیے ضروری ہے کہ AI واقعی جامع بن جائے اور پوری دنیا کی کمیونٹیز کی خدمت کرے، چاہے وہ کسی بھی زبان میں بولیں۔

AI میں مغربی تعصب سے خطاب

AI میں مغربی تعصب کو ٹھیک کرنے کے لیے نمایاں طور پر تبدیل کرنے کی ضرورت ہے کہ AI سسٹمز کو کس طرح ڈیزائن اور تربیت دی جاتی ہے۔ پہلا قدم مزید متنوع ڈیٹاسیٹس بنانا ہے۔ AI کو دنیا بھر میں لوگوں کی خدمت کے لیے کثیر لسانی، کثیر الثقافتی اور علاقائی نمائندہ ڈیٹا کی ضرورت ہے۔ جیسے پروجیکٹس مساخانے، جو افریقی زبانوں کو سپورٹ کرتا ہے، اور اے آئی 4 بھارتجو ہندوستانی زبانوں پر توجہ مرکوز کرتا ہے، اس بات کی بہترین مثالیں ہیں کہ کس طرح جامع AI ترقی کامیاب ہو سکتی ہے۔

ٹیکنالوجی مسئلے کو حل کرنے میں بھی مدد کر سکتی ہے۔ فیڈریٹڈ لرننگ رازداری کو خطرے میں ڈالے بغیر کم نمائندگی والے علاقوں سے ڈیٹا اکٹھا کرنے اور تربیت کی اجازت دیتا ہے۔ قابل وضاحت AI۔ ٹولز اصل وقت میں تعصبات کو نشان زد اور درست کرنا آسان بناتے ہیں۔ تاہم، صرف ٹیکنالوجی کافی نہیں ہے. حکومتوں، نجی اداروں اور محققین کو اس خلا کو پر کرنے کے لیے مل کر کام کرنا چاہیے۔

قانون اور پالیسیاں بھی کلیدی کردار ادا کرتی ہیں۔ حکومتوں کو ایسے قوانین کو نافذ کرنا چاہیے جن کے لیے AI ٹریننگ میں متنوع ڈیٹا کی ضرورت ہوتی ہے۔ انہیں کمپنیوں کو جانبدارانہ نتائج کے لیے جوابدہ ٹھہرانا چاہیے۔ ایک ہی وقت میں، وکالت گروپ بیداری بڑھا سکتے ہیں اور تبدیلی کے لیے زور دے سکتے ہیں۔ یہ کارروائیاں اس بات کو یقینی بناتی ہیں کہ AI نظام دنیا کے تنوع کی نمائندگی کرتے ہیں اور ہر ایک کی منصفانہ خدمت کرتے ہیں۔

مزید یہ کہ تعاون اتنا ہی اہم ہے جتنا کہ ٹیکنالوجی اور ضوابط۔ غیر محفوظ علاقوں کے ڈویلپرز اور محققین کو AI تخلیق کے عمل کا حصہ ہونا چاہیے۔ ان کی بصیرت اس بات کو یقینی بناتی ہے کہ AI ٹولز ثقافتی طور پر متعلقہ اور مختلف کمیونٹیز کے لیے عملی ہیں۔ ٹیک کمپنیوں کی بھی ذمہ داری ہے کہ وہ ان خطوں میں سرمایہ کاری کریں۔ اس کا مطلب ہے کہ مقامی تحقیق کو فنڈز فراہم کرنا، متنوع ٹیموں کی خدمات حاصل کرنا، اور شمولیت پر توجہ مرکوز کرنے والی شراکتیں بنانا۔

نیچے کی لکیر

AI میں زندگیوں کو تبدیل کرنے، خلا کو پر کرنے اور مواقع پیدا کرنے کی صلاحیت ہے، لیکن صرف اس صورت میں جب یہ سب کے لیے کام کرے۔ جب AI سسٹمز دنیا بھر میں ثقافتوں، زبانوں اور تناظر کے بھرپور تنوع کو نظر انداز کرتے ہیں، تو وہ اپنے وعدے کو پورا کرنے میں ناکام رہتے ہیں۔ AI میں مغربی تعصب کا مسئلہ صرف ایک تکنیکی خرابی نہیں ہے بلکہ ایک ایسا مسئلہ ہے جو فوری توجہ کا متقاضی ہے۔ ڈیزائن، ڈیٹا اور ڈیولپمنٹ میں شمولیت کو ترجیح دے کر، AI ایک ایسا آلہ بن سکتا ہے جو تمام کمیونٹیز کو ترقی دیتا ہے، نہ کہ صرف چند مراعات یافتہ افراد۔