Insights AI

حیاتیاتی اور ڈیجیٹل دماغوں کے درمیان فرق کو سمجھنا: مصنوعی ذہانت کی حتمی سمت پر ایلیا سٹسکیور کا نقطۂ نظر

پوڈکاسٹ · سنیں (19 منٹ)

Ilya Sutskever: AI Will Do Everything You Can in 3-10 Years

فہرست
  1. 1. بنیادی نظریہ: ڈیجیٹل کمپیوٹر انسانی صلاحیت کا مقابلہ کیوں کریں گے
  2. 2. رفتار بڑھانے کا طریقۂ کار: تحقیق و ترقی کا بازخوردی چکر
  3. 3. صنعت اور معاشی اثرات: پیشہ ورانہ موافقت سے آگے
  4. 4. بنیادی حدود، ہم آہنگی کے خطرات، اور کھلے سوالات
  5. اہم اعداد
  6. کون سی چیزیں اس منظرنامے کو بدل سکتی ہیں
  7. حوالہ جات

6 جون، 2025 کو یونیورسٹی آف ٹورنٹو میں اعزازی ڈگری کی تقریب سے اپنے خطاب میں، مصنوعی ذہانت کے محقق Ilya Sutskever نے اس امر کی بنیادی نظریاتی دلیل پیش کی کہ مصنوعی کمپیوٹنگ بالآخر انسانی کاموں کی مکمل وسعت کو کیوں انجام دے گی: انسانی ادراک مکمل طور پر ایک حیاتیاتی کمپیوٹر پر کام کرتا ہے، جس کا مطلب ہے کہ ڈیجیٹل ہارڈویئر اور سافٹ ویئر کے ڈھانچے بالآخر اس کی بنیادی صلاحیتوں کی نقل کر سکتے ہیں۔ Sutskever کے تجزیے سے سامنے آنے والا ایک اہم تزویراتی نتیجہ یہ ہے کہ جب جدید ترین ماڈلز کو معاشی پیداوار میں شامل کیا جائے گا اور ان کے حاصل کردہ وسائل کو بار بار مصنوعی ذہانت کی خصوصی تحقیق و ترقی میں دوبارہ لگایا جائے گا، تو تکنیکی پیش رفت کی رفتار انتہائی تیزی سے بڑھے گی۔ ادارہ جاتی سرمایہ کاروں، کاروباری حکمتِ عملی سازوں اور پالیسی رہنماؤں کے لیے یہ سمت افرادی قوت کی نظام گیر ازسرِنو تقسیم، مہارتوں کی بدلتی قدر، اور سافٹ ویئر کے ذریعے صلاحیت بڑھانے سے خودمختار ادراکی عمل درآمد کی طرف کلان معاشی منتقلی کی تیاری کی فوری ضرورت کو نمایاں کرتی ہے۔

1. بنیادی نظریہ: ڈیجیٹل کمپیوٹر انسانی صلاحیت کا مقابلہ کیوں کریں گے

مصنوعی ذہانت کی طویل مدتی صلاحیت کی سمت کا جائزہ لینے کے لیے موجودہ عملی خامیوں کو بنیادی اصولوں پر مبنی کمپیوٹنگ کی حدود کے مقابل متوازن کرنا ضروری ہے۔ مصنوعی ذہانت کے موجودہ جدید ترین ماڈلز صارفین کے لیے انتہائی متاثر کن صلاحیتیں ظاہر کرتے ہیں: وہ قدرتی آواز میں روانی سے گفتگو کرتے ہیں، پیچیدہ کثیرنوعی سیاق کو سمجھتے ہیں، اور قابلِ عمل سافٹ ویئر کوڈ تیار کرتے ہیں۔ تاہم، ان پیش رفتوں کے باوجود، آج کے نظام استدلال اور عمل درآمد کے متعدد کاموں میں شدید محدود ہیں، جس سے ایسے نمایاں عملی خلا باقی رہتے ہیں جو موجودہ آلات کو عمومی انسانی ذہانت سے الگ کرتے ہیں۔

ان قلیل مدتی خامیوں کے باوجود، Ilya Sutskever بنیادی اصولوں پر مبنی ایک قطعی مقدمہ پیش کرتے ہیں کہ مصنوعی کمپیوٹنگ انسانی کارکنوں کے ساتھ کام انجام دینے کی مکمل برابری کیوں حاصل کرے گی: انسانی دماغ بنیادی طور پر ایک حیاتیاتی کمپیوٹر ہے۔ جس طرح حیاتیاتی عصبی نیٹ ورک زندہ عصبی خلیوں کے درمیان کھربوں عصبی اتصالوں سے منتقل ہونے والے برقی و کیمیائی اشاروں کے ذریعے معلومات پر عمل کرتے ہیں، اسی طرح ڈیجیٹل کمپیوٹنگ نظام اربوں نیم موصل ٹرانزسٹروں میں برقی پوٹینشل کے ذریعے معلومات پر عمل کرتے ہیں۔ چونکہ دونوں مادی بنیادیں کمپیوٹنگ اور نظریۂ معلومات کے یکساں طبیعی قوانین کی پابند ہیں، اس لیے ڈیجیٹل کمپیوٹروں—جو مصنوعی دماغوں کے طور پر کام کرتے ہیں—کا ڈھانچہ بالآخر اس طرح بنایا جا سکتا ہے کہ وہ سیکھنے کے ہر عمل یا ادراکی کام کی نقل کر سکیں جو انسانی حیاتیاتی دماغ حاصل کر سکتا ہے۔ مصنوعی ذہانت کے موجودہ آلات بڑی حد تک گفتگو کے تبادلوں اور محدود دائرے کے کاموں کی تکمیل تک مقید ہیں، لیکن بنیادی طبیعی منطق ایک ایسی مستقبل کی حالت کا تقاضا کرتی ہے جہاں ڈیجیٹل نظام محض ادراکی کاموں کا ایک حصہ نہیں، بلکہ ہر وہ کام انجام دیں جو انسان سیکھ کر مہارت سے کر سکتا ہے۔

یہ بنیادی نظریہ یونیورسٹی آف ٹورنٹو میں Sutskever کے دس سالہ تعلیمی عرصے کی عکاسی کرتا ہے، جہاں انہوں نے چار ڈگریاں حاصل کیں، اور تقریباً 2005 سے 2015 کے دوران ان کا ڈاکٹریٹ کا کام اس عرصے کا نقطۂ عروج بنا۔ اس دہائی کے دوران یونیورسٹی آف ٹورنٹو مصنوعی ذہانت کی دنیا کی بعض انقلابی ترین تحقیقات کر رہی تھی۔ Sutskever نے مصنوعی ذہانت کے علمبردار Geoff Hinton کی براہِ راست نگرانی میں تعلیم حاصل کی—ایک ایسا موقع جسے Sutskever واضح طور پر اپنی زندگی کی سب سے بڑی خوش قسمتیوں میں شمار کرتے ہیں—اور وہ تجرباتی بنیاد استوار کی جس نے گہری مشینی تعلم میں ابتدائی اہم پیش رفتوں کو آگے بڑھایا۔

2. رفتار بڑھانے کا طریقۂ کار: تحقیق و ترقی کا بازخوردی چکر

مخصوص شعبوں کے معاون ماڈلز سے مکمل انسانی سطح کی صلاحیت کی طرف منتقلی سافٹ ویئر کے اجرا کے کسی خطی چکر کی پیروی نہیں کرتی۔ اس کے بجائے، پیش رفت ایک ایسے بڑھتے اثر والے بازخوردی چکر کے تحت ہوتی ہے جو تین الگ عملی مراحل کے ذریعے ترقی کے اوقات کو نہایت مختصر کر دیتا ہے:

  1. ابتدائی پیداواری صلاحیت اور معاشی انضمام: مصنوعی ذہانت کے جدید ترین ماڈلز کاروباری عمل کے مختلف سلسلوں میں تعینات کیے جاتے ہیں تاکہ معمول کے انتظامی کام خودکار بنائے جائیں، محنت کی پیداواری صلاحیت بڑھائی جائے، اور فوری کلان معاشی پیداوار کو فروغ دیا جائے۔
  2. جدید ترین تحقیق و ترقی میں دوبارہ سرمایہ کاری: ابتدائی معاشی فوائد سے پیدا ہونے والا سرمایہ اور کمپیوٹنگ کی گنجائش منظم انداز میں سائنسی تحقیق و ترقی میں واپس لگائی جاتی ہے، جس میں خاص طور پر ماڈل کے ڈھانچے کی بہتری، الگورتھم کی عملی پیداوار کی شرح، اور خودکار سافٹ ویئر انجینئرنگ کو ہدف بنایا جاتا ہے۔
  3. تکراری انداز میں مدت کا اختصار: جیسے جیسے مصنوعی ذہانت کے نظام خود مصنوعی ذہانت کی جدید ترین تحقیق میں کامیابی سے استعمال ہوتے ہیں، جدت کی رفتار انتہائی تیزی سے بڑھتی ہے، اور ایک ایسا خود تقویت پانے والا تکراری نظام قائم ہوتا ہے جو ڈھانچے میں بڑی پیش رفت حاصل کرنے کے لیے درکار وقت کو نمایاں طور پر کم کر دیتا ہے۔

سافٹ ویئر کے پرانے طریقۂ کار کے برعکس، جو ہر سافٹ ویئر تازہ کاری کے لیے مکمل طور پر انسانی انجینئرنگ کی گنجائش پر انحصار کرتے تھے، تحقیق و ترقی کا یہ خود رفتار بڑھانے والا چکر مصنوعی ذہانت کے نظاموں کو اپنی ترقی کی رفتار خود آگے بڑھانے کے قابل بناتا ہے۔ اگرچہ صنعت کے مبصرین مختلف مدتوں کے اندازے پیش کرتے ہیں—جو 3، 5، سے 10 سال تک پھیلے ہوئے ہیں—اور اہم پیش رفتوں کی درست تاریخوں کی پیش گوئی میں بنیادی دشواری کو تسلیم کرتے ہیں، تاہم خود کو بہتر بنانے والی تحقیق و ترقی کی نظامی منطق مکمل ادراکی خودکاری کی طرف تیزی سے بڑھتے رجحان کا تقاضا کرتی ہے۔

3. صنعت اور معاشی اثرات: پیشہ ورانہ موافقت سے آگے

مصنوعی کمپیوٹنگ کی مسلسل ترقی تعلیم، محنت کی منڈیوں اور مصنوعات کے ڈیزائن کے طریقۂ کار میں گہری ساختی تبدیلیاں پیدا کرتی ہے۔ مصنوعی ذہانت کے موجودہ نظام پہلے ہی تعلیمی ماحول کو بنیادی طور پر بدل چکے ہیں، اور اس طریقے کو نئی شکل دے رہے ہیں جس سے طلبہ معلومات حاصل کرتے اور بنیادی تجزیاتی مہارتیں پیدا کرتے ہیں۔ ساتھ ہی، مصنوعی ذہانت کی تعیناتی پیشہ ورانہ مہارتوں کی قدر کو غیر متوقع انداز میں بگاڑنا شروع کر رہی ہے، جس سے علم پر مبنی کام کرنے والے افراد مسلسل اس امر کا ازسرِنو جائزہ لینے پر مجبور ہیں کہ کون سی صلاحیتیں منڈی میں قابلِ تحفظ قدر برقرار رکھتی ہیں۔

اگرچہ فوری معاشی تجزیہ اس بات پر مرکوز ہے کہ مصنوعی ذہانت موجودہ افرادی قوت کے کرداروں کو کس طرح تقویت دیتی ہے، لیکن بنیادی تزویراتی چیلنج لازماً اس بات کو سیکھنے سے منتقل ہو جائے گا کہ مصنوعی ذہانت کو پیداواری صلاحیت کے آلے کے طور پر کیسے استعمال کیا جائے، اور ایسی معیشت میں کام کرنے کی طرف جائے گا جہاں مصنوعی نظام تمام ادراکی محنت انجام دیتے ہیں۔ ایک معروف سیاسی کہاوت کا حوالہ دیتے ہوئے، Sutskever ایک ناگزیر حقیقت نمایاں کرتے ہیں: "ممکن ہے آپ سیاست میں دلچسپی نہ لیں، لیکن سیاست آپ میں دلچسپی لے گی۔ لہٰذا یہی بات مصنوعی ذہانت پر کئی گنا زیادہ لاگو ہوتی ہے۔" کاروباری فیصلہ ساز اور انفرادی پیشہ ور افراد مصنوعی ذہانت کو اپنانے کو اختیاری حکمتِ عملی نہیں سمجھ سکتے؛ منڈی کے غیر فعال شرکا کے کاروباری نمونے اور پیشہ ورانہ راستے ان کی فعال شرکت سے قطع نظر براہِ راست متاثر ہوں گے۔

نتیجتاً، مصنوعات کی انجینئرنگ کے طریقۂ کار میں ساختی تبدیلی آئے گی۔ سافٹ ویئر اطلاقیے جامد تصویری صارف واسطوں اور بنیادی گفتگویی ہدایات سے مکمل خودمختار معاشی عاملوں کی طرف منتقل ہوں گے، جو انسانی نگرانی کے بغیر کاموں کو ابتدا سے اختتام تک انجام دینے کے قابل ہوں گے۔

4. بنیادی حدود، ہم آہنگی کے خطرات، اور کھلے سوالات

انسانی سطح کی مصنوعی ذہانت کی طرف منتقلی کو سنبھالنے کے لیے اہم تکنیکی حدود، وجودی نوعیت کے ہم آہنگی کے خطرات، اور تنظیمی عمل درآمد کے چیلنجوں کا سامنا کرنا ضروری ہے:

  • موجودہ عملی خامیاں: موجودہ جدید ترین ماڈلز سنگین عملی خلا ظاہر کرتے ہیں۔ قدرتی زبان کو سمجھنے اور کوڈ تیار کرنے میں اعلیٰ کارکردگی کے باوجود، آج کے ماڈلز طویل مدتی مضبوط منصوبہ بندی، مکانی استدلال، اور حقیقی دنیا میں قابلِ اعتماد کارکردگی سے محروم ہیں، جو فوری طور پر ابتدا سے اختتام تک کاروباری خودکاری کو روکتی ہیں۔
  • فوق انسانی ذہانت کی ہم آہنگی اور فریب دہ پردہ پوشی: جب مصنوعی نظام انسانی صلاحیت سے آگے بڑھتے ہیں، تو ہم آہنگی مرکزی تکنیکی رکاوٹ بن جاتی ہے۔ فوق انسانی ذہانت کے حامل نظاموں کو ہم آہنگ رکھنے کے لیے مکمل شفافیت ضروری ہے، تاکہ ماڈلز مستقل طور پر اپنی حقیقی داخلی حالت بیان کریں اور فریب دہ عملی پردہ پوشی نہ کریں—یا، جیسا کہ Sutskever زور دیتے ہیں، یہ یقینی بنایا جائے کہ نظام "جو کہتے ہیں وہی کہیں اور کچھ اور ہونے کا دکھاوا نہ کریں۔" Sutskever واضح طور پر مصنوعی ذہانت کی ہم آہنگی کے مسئلے پر قابو پانے کو "انسانیت کا اب تک کا سب سے بڑا چیلنج" قرار دیتے ہیں، اور کہتے ہیں کہ اسے کامیابی سے حل کرنے سے "سب سے بڑا انعام" حاصل ہوگا۔
  • براہِ راست تجربے سے تجرباتی بصیرت: تجریدی تحقیقی مقالے اور نظریاتی مضامین مصنوعی ذہانت کی صلاحیتوں کی رفتار کو گہرائی سے سمجھنے کے لیے کافی نہیں ہیں۔ جیسا کہ Sutskever کہتے ہیں، "مضامین اور وضاحتوں کی کوئی بھی مقدار اس کا مقابلہ نہیں کر سکتی جو ہم اپنے حواس سے، اپنی دونوں آنکھوں سے دیکھتے ہیں۔" 1-سے-3-سال کی مدت میں بہتر ہوتے ماڈلز کے ساتھ براہِ راست عملی تعامل وہ تجرباتی بصیرت پیدا کرتا ہے جو تجریدی خطرے کو ٹھوس حقیقت میں بدلنے کے لیے ضروری ہے، اور پیچیدہ ہم آہنگی اور تحفظ کے چیلنجوں کو حل کرنے کے لیے درکار نفسیاتی توجہ اور انسانی توانائی پیدا کرتا ہے۔
  • انتہائی غیر یقینی ماحول کے لیے عملی ذہنیت: گہری تکنیکی تبدیلیوں کو سنبھالنے کے لیے Sutskever ایک عملی ذہنی لائحۂ عمل کی حمایت کرتے ہیں: حقیقت کو جیسا ہے ویسا قبول کریں، ماضی کی غلطیوں یا ناموافق حالات میں الجھے رہنے سے گریز کریں، اور پوری توجہ اگلے بہترین قدم پر عمل کرنے پر رکھیں۔ کاروباری رہنماؤں اور ادارہ جاتی فیصلہ سازوں کے لیے یہ ذہنیت اپنانا ایک عملی ضرورت ہے، جو تنظیموں کو منڈی کی بنیادی تبدیلی کے دوران تزویراتی وضاحت اور فیصلہ کن عمل درآمد برقرار رکھنے کے قابل بناتی ہے۔

اہم اعداد

  • 6 جون، 2025: یونیورسٹی آف ٹورنٹو میں Ilya Sutskever کے اعزازی ڈگری کے خطاب کی تاریخ۔
  • 20 سال: یونیورسٹی آف ٹورنٹو سے Sutskever کی بیچلر ڈگری حاصل کرنے کے بعد گزرا ہوا وقت (تقریباً 2005)۔
  • 4 ڈگریاں: یونیورسٹی آف ٹورنٹو سے Sutskever کی حاصل کردہ ڈگریوں کی کل تعداد۔
  • 10 سال: یونیورسٹی آف ٹورنٹو میں بیچلر اور اعلیٰ تعلیم کے طالب علم کی حیثیت سے Sutskever کی تعلیم کی کل مدت۔
  • 3، 5، سے 10 سال: مصنوعی ذہانت کی ترقی یافتہ صلاحیتوں کے اہم مراحل کے لیے صنعت کے مبصرین کے پیش کردہ زمانی اندازے۔
  • 1 سے 3 سال: وہ مدت جس کے دوران بہتر ہوتے مصنوعی ذہانت کے نظاموں کے ساتھ عملی بصیرت ان کے حقیقی دنیا کے اثرات کو نمایاں طور پر واضح کرے گی۔

کون سی چیزیں اس منظرنامے کو بدل سکتی ہیں

  1. مصنوعی ذہانت سے چلنے والی تحقیق و ترقی میں جمود: ایسے شواہد کہ مصنوعی ذہانت کی تحقیق میں موجودہ مصنوعی ذہانت کے ماڈلز کا استعمال ماڈل کے ڈھانچے یا تربیتی کارکردگی میں اہم پیش رفتوں کو تیز کرنے میں ناکام رہتا ہے۔
  2. فریب/ہم آہنگی کے مسائل کا حل: قابلِ تصدیق ریاضیاتی یا ساختی ضمانتوں کا مظاہرہ، جو فوق انسانی ذہانت کی حامل مصنوعی ذہانت کو اپنی حالت یا ارادوں کی غلط نمائندگی سے روکیں۔
  3. ہارڈویئر اور کمپیوٹنگ کی رکاوٹیں: طبیعی یا حیاتیاتی کمپیوٹنگ کو وسعت دینے کی ایسی حدود جو ڈیجیٹل کمپیوٹروں کو انسانی حیاتیاتی دماغ کی توانائی کی کارکردگی اور کثافت کے برابر پہنچنے سے روکیں۔
  4. کئی سالہ مدتوں کی تجرباتی تصدیق: اگلے 1 سے 3 سال کے دوران پیچیدہ طبیعی اور ادراکی شعبوں میں کاموں کی خودکاری کے معیارات کی رفتار میں اضافہ یا کمی۔

مصنوعی ذہانت کے جدید ترین ڈھانچوں اور تجرباتی معیارات کے بارے میں زیادہ گہری، مبالغے سے پاک بصیرت حاصل کرنے کے لیے، DeepValues Research کی ویب سائٹ پر مزید کھلے ماخذ کی تحقیق دریافت کریں یا DeepValues ایپ آزمائیں۔

حوالہ جات

Ilya Sutskever, U of T honorary degree recipient, June 6, 2025, University of Toronto YouTube Channel

دیکھیں

ماخذ کے لنکس

دیکھیں اور سنیں

تحقیقی متن کا لائسنس: CC BY 4.0، حوالہ یوں دیں: DeepValues Research, حیاتیاتی اور ڈیجیٹل دماغوں کے درمیان فرق کو سمجھنا: مصنوعی ذہانت کی حتمی سمت پر ایلیا سٹسکیور کا نقطۂ نظر, https://research.deepvalues.ai/insights/2026-10-25-navigating-the-ai-era-ur/

مفت ہفتہ وار ای میل

Margin of Safety Weekly

ہر سنیچر: مارکیٹ کا درجۂ حرارت، بڑے سرمایہ کاروں نے کیا خریدا اور بیچا (13F فائلنگز)، ہفتے کی نئی تحقیق، اور ہماری ویڈیوز اور پوڈکاسٹس — مفت، اکاؤنٹ کی ضرورت نہیں۔

Send me the DeepValues Margin of Safety Weekly, one email every Saturday. I can unsubscribe at any time. Information only, not investment advice. رازداری

مزید جانیں

کسی بھی شیئر کا یہ تجزیہ 2 منٹ میں کریں

اس رپورٹ کو تیار کرنے والا متعدد ایجنٹس پر مشتمل مصنوعی ذہانت کا تجزیہ کار، Deep Value Intelligence، کسی بھی اسٹاک ایکسچینج میں درج کمپنی کے لیے درخواست پر ایسی ہی رپورٹ تیار کرتا ہے۔

Deep Value Intelligence کھولیں

DeepValues ایپ میں 300+ شیئرز پر نظر رکھیں

آرا، حقیقی قدر اور تازہ رپورٹس، آپ کے فون پر۔

ڈویلپرز: API سے آرا اور رپورٹس حاصل کریں

ان صفحات کی بنیاد بننے والے بنیادی مالی اعداد، حقیقی قدریں، آرا اور رپورٹ لنکس، JSON کی صورت میں۔

API دستاویزات

گفتگو کریں