مصنوعی ذہانت کا ارتقا… 12 اہم سنگِ میل
اسپیشل فیچر
مصنوعی ذہانت ( AI) اکیسویں صدی کی اہم ترین ٹیکنالوجیز میں شمار ہوتی ہے۔ آج یہ ٹیکنالوجی انسانوں کے سوالات کے جواب دینے، تصاویر بنانے، زبانوں کا ترجمہ کرنے، بیماریوں کی تشخیص میں معاونت فراہم کرنے اور پیچیدہ مسائل حل کرنے کے لیے استعمال ہو رہی ہے۔ تاہم مصنوعی ذہانت کا یہ سفر چند سالوں کی کہانی نہیں بلکہ کئی دہائیوں پر محیط سائنسی تحقیق، تجربات، ناکامیوں اور کامیابیوں کا نتیجہ ہے۔اس سفر میں بارہ ایسے اہم مراحل آئے جنہوں نے AI کی ترقی کو نئی سمت دی۔
ابتدائی تصورات سے عملی مصنوعی ذہانت تک
مصنوعی ذہانت کی تاریخ میں پہلا اہم سنگِ میل 1950ء میں آیا جب برطانوی ریاضی دان اور کمپیوٹر سائنسدان ایلن ٹیورنگ نے اپنے مقالے میں یہ سوال اٹھایا کہ کیا مشینیں سوچ سکتی ہیں؟ انہوں نے ایک تجربہ کیا جسے بعد میں ''ٹیورنگ ٹیسٹ‘‘ کہا گیا۔ اس تصور کے مطابق اگر کوئی مشین گفتگو کے دوران انسان کی طرح جواب دے اور مبصر قابلِ اعتماد طریقے سے مشین اور انسان میں فرق نہ کر سکے تو اسے ذہانت کی ایک اہم علامت سمجھا جا سکتا ہے۔اس کے چھ سال بعد، 1956ء میں امریکہ کے ڈارٹ ماؤتھ کالج میں محققین کا ایک اہم اجتماع منعقد ہوا۔ اسی موقع پر ''مصنوعی ذہانت‘‘ کی اصطلاح کو باقاعدہ سائنسی تحقیق کے میدان کے طور پر متعارف کرانے میں اہم پیش رفت ہوئی۔ جان میکارتھی، مارون منسکی اور دیگر محققین نے اس پر غور کیا کہ مشینوں کو سیکھنے، مسائل حل کرنے اور انسانی ذہانت کے بعض پہلوؤں کی نقل کرنے کے قابل کیسے بنایا جا سکتا ہے۔1966ء میں جوزف وائزن بام نے ELIZA نامی پروگرام متعارف کرایا جو ابتدائی چیٹ بوٹس میں سے ایک تھا۔ یہ پروگرام صارف کے الفاظ میں مخصوص اشارے تلاش کرکے پہلے سے طے شدہ جوابات دیتا تھا۔ اگرچہ اس کی صلاحیتیں محدود تھیں لیکن اس نے دکھایا کہ کمپیوٹر کے ساتھ بامعنی محسوس ہونے والی گفتگو ممکن ہے۔
ناکامیوں سے مشین لرننگ تک
1974ء سے 1980ء کے درمیان AI کے شعبے کو پہلی بڑی مشکلات کا سامنا کرنا پڑا۔ محققین کے بلند دعوؤں کے باوجود کمپیوٹر اس دور میں متوقع نتائج فراہم نہیں کر پا رہے تھے نتیجتاً حکومتوں اور تحقیقی اداروں نے مالی معاونت کم کر دی۔ اس مرحلے کو ''AI winter‘‘ کہا جاتا ہے۔تاہم تحقیق مکمل طور پر بند نہیں ہوئی۔ 1980ء کے آس پاس Expert Systems نے کاروباری دنیا میں توجہ حاصل کی۔ یہ ایسے کمپیوٹر پروگرام تھے جو مخصوص شعبوں کے قواعد اور ماہرین کے علم کی بنیاد پر فیصلے کرنے میں مدد دیتے تھے۔ کارنیگی میلن یونیورسٹی میں تیار کردہ R1 سسٹم نے صنعتی استعمال کے امکانات نمایاں کیے۔1986ء میں مشین لرننگ کی ترقی کے لیے ایک اور اہم پیش رفت سامنے آئی، اس کے باوجود 1987ء سے 1993ء کے درمیان مصنوعی ذہانت کو ایک بار پھر مالی اور صنعتی مشکلات کا سامنا کرنا پڑا۔ ایکسپرٹ سسٹمز کی کمزورویوں اور مہنگے ہارڈویئر نے سرمایہ کاروں کی دلچسپی کم کر دی۔ یہ دوسرا AI Winter تھا جس نے واضح کیا کہ محض بلند توقعات کافی نہیں؛ ٹیکنالوجی کو قابلِ اعتماد اور عملی طور پر مفید بھی ہونا چاہیے۔
ڈیپ لرننگ سے جدید AI تک
1997ء میں IBM کے شطرنج کھیلنے والے کمپیوٹر Deep Blue نے عالمی چیمپئن گیری کاسپاروف کو چھ مقابلوں کی سیریز میں شکست دے کر تاریخ رقم کی۔ اس کامیابی نے دنیا کو دکھایا کہ کمپیوٹر انتہائی پیچیدہ کھیل میں بھی عالمی سطح کے انسانی کھلاڑی کو مات دے سکتا ہے۔ اگرچہ یہ نظام مخصوص قواعد اور حسابی صلاحیتوں پر انحصار کرتا تھا لیکن اس نے مصنوعی ذہانت کی عملی قوت کو نمایاں کیا۔2012ء میںAlexNet نامی ڈیپ لرننگ ماڈل نے تصاویر کی شناخت کے مقابلے میں نمایاں کامیابی حاصل کی۔ اس کامیابی میں گرافکس پروسیسنگ یونٹس (GPUs) کا اہم کردار تھا۔ اس پیش رفت نے ڈیپ لرننگ کو عملی میدان میں آگے بڑھایا اور تصویر شناسی، آواز کی شناخت اور دیگر شعبوں میں نئی راہیں کھولیں۔2016ء میں گوگل ڈیپ مائنڈ کے نظام AlphaGoنے جنوبی کوریا کے ممتاز کھلاڑی لی سیڈول کو قدیم چینی کھیل ''گو‘‘ میں شکست دی۔ اس کھیل میں ممکنہ چالوں کی تعداد شطرنج کے مقابلے میں کہیں زیادہ ہے۔ AlphaGo کی کامیابی نے ظاہر کیا کہ مشینیں سیکھنے، حکمتِ عملی بنانے اور پیچیدہ فیصلے کرنے کے ایسے طریقے اپنا سکتی ہیں جو پہلے ناقابلِ تصور سمجھے جاتے تھے۔2017ء میں ٹرانسفارمر (Transformer) نامی نیورل نیٹ ورک آرکیٹیکچر متعارف ہوا۔ اس نے زبان کے مختلف حصوں کے درمیان تعلقات سمجھنے اور بڑے متنی ڈیٹا سے سیکھنے کے طریقوں میں اہم تبدیلی پیدا کی۔ بعد میں یہی طرزِ تعمیر متعدد جدید زبان ماڈلز کی بنیاد بنا۔
چیٹ جی پی ٹی اور مصنوعی ذہانت کا مستقبل
نومبر 2022ء میں ChatGPT کی لانچنگ نے مصنوعی ذہانت کو عام لوگوں کی زندگیوں کا حصہ بنانے میں اہم کردار ادا کیا۔اس تبدیلی نے تعلیم، کاروبار، صحافت، طب اور سافٹ ویئر کی تیاری سمیت متعدد شعبوں میں نئے امکانات پیدا کیے ہیں۔ مصنوعی ذہانت کی تاریخ کا بنیادی سبق یہ ہے کہ سائنسی ترقی ایک سیدھا راستہ اختیار نہیں کرتی۔ ایلن ٹیورنگ کے ابتدائی سوال سے لے کر ٹرانسفارمر ماڈلز اور ChatGPT تک ہر پیش رفت نے اگلی نسل کی ٹیکنالوجی کے لیے بنیاد فراہم کی۔ مستقبل میں AI کی کامیابی کا انحصار صرف اس کی رفتار یا ذہانت پر نہیں بلکہ اس بات پر بھی ہوگا کہ اسے کتنی ذمہ داری، شفافیت اور انسانی فلاح کے اصولوں کے مطابق استعمال کیا جاتا ہے۔
