جیسا کہ صنعتوں میں پیشہ ور افراد مصنوعی ذہانت کے ٹولز کو اپنانے کی دوڑ میں لگے ہوئے ہیں، ایک پریشان کن سوال قیاس آرائیوں سے ماپا شواہد کے دائرے کی طرف بڑھ رہا ہے: کیا ہم ان مہارتوں کو کھو رہے ہیں جن کا مقصد مدد کرنا تھا؟

نیچر میں شائع ہونے والی ایک رپورٹ سے پتہ چلتا ہے کہ ابتدائی نتائج سامنے آ رہے ہیں - اور وہ حوصلہ افزا نہیں ہیں۔ AI سے چلنے والے نظاموں پر انحصار ڈاکٹروں، سافٹ ویئر انجینئرز اور دیگر ہنر مند کارکنوں کی صلاحیتوں کو ختم کرنا شروع کر رہا ہے، جس سے اس بارے میں فوری سوالات اٹھ رہے ہیں کہ آٹومیشن کے دور میں انسانی مہارت کو کیسے محفوظ رکھا جائے۔ For more context on this story, see our ongoing breaking AI news.

ڈاکٹر AI کے بغیر بدتر کارکردگی کا مظاہرہ کرتے ہیں۔

سب سے واضح مثالوں میں سے ایک دوا سے آتا ہے. اینڈو سکوپی میں مہارت رکھنے والے پولش معالجین کے ایک مطالعے میں اس بات کا جائزہ لیا گیا کہ جب تجربہ کار ڈاکٹر AI اسسٹنٹ کے عادی ہو جاتے ہیں اور پھر اس تک رسائی کھو دیتے ہیں تو کیا ہوتا ہے۔

معالجین، جن میں سے سبھی نے اپنے کیریئر کے دوران کم از کم 2,000 کالونوسکوپیز کی تھیں، کو ایک AI نظام دیا گیا تھا جو کالونیسکوپی کی تصویروں کا حقیقی وقت میں تجزیہ کرتا ہے اور آنتوں کے ایک قسم کے غیر معمولی زخم کو ظاہر کرتا ہے جسے اڈینوما کہتے ہیں۔ یہ ٹول کچھ دنوں پر دستیاب تھا لیکن دوسروں پر نہیں، ایک قدرتی تجربہ بنا۔

نتائج سخت تھے۔ اے آئی ٹول متعارف ہونے سے پہلے تین ماہ کی مدت کے دوران، ماہرین نے 28.4 فیصد کالونیسکوپیوں کے دوران کم از کم ایک ایڈینوما پایا۔ ٹول متعارف کرائے جانے کے بعد، کالونیسکوپیوں کے لیے ایڈینوما کا پتہ لگانے کی شرح **بغیر AI مدد کے 22.4 فیصد تک گر گئی۔

دوسرے لفظوں میں، ایک بار جب ڈاکٹروں نے AI سسٹم پر بھروسہ کرنا شروع کر دیا، تو ان کی اپنی تشخیصی کارکردگی میں کمی آئی جب یہ دستیاب نہ تھا۔ یہ نتائج گزشتہ اکتوبر میں The Lancet Gastroenterology and Hepatology میں شائع ہوئے تھے۔

مطالعہ کے مصنفین نے یہ نتیجہ اخذ کیا کہ اس طرح کے ٹولز کی مسلسل نمائش سے معالجین "اے آئی کی مدد کے بغیر علمی فیصلے کرتے وقت "کم حوصلہ افزائی، کم توجہ مرکوز اور کم ذمہ دار" بن سکتے ہیں۔

ایک سروے سے پتہ چلتا ہے کہ تشویش وسیع ہے۔

مہارت کے نقصان کا خوف صرف چند مطالعات تک محدود نہیں ہے۔ جون کے اوائل میں شائع ہونے والے امریکی صحت کی دیکھ بھال کرنے والے کارکنوں کے ایک سروے سے پتا چلا ہے کہ 70 فیصد نرسیں اور 77 فیصد معالج اے آئی سسٹمز پر زیادہ انحصار کی وجہ سے اپنی صلاحیتیں کھونے کے بارے میں پریشان ہیں۔

یہ تشویش ابھرتے ہوئے اعداد و شمار سے جائز معلوم ہوتی ہے۔ جیسا کہ زیادہ پیشہ ور افراد AI کو اپنے روزمرہ کے کام کے بہاؤ میں ضم کرتے ہیں، اس ٹیکنالوجی کے ساتھ وہ کیا کر سکتے ہیں اور اس کے بغیر وہ کیا کر سکتے ہیں کے درمیان فرق بڑھتا جا سکتا ہے۔

سائراکیز یونیورسٹی کے ایک انفارمیشن سائنس دان کیون کراؤسٹن نے اس چیلنج کو واضح طور پر تیار کیا: "صرف اس بات سے آگاہ ہونا کہ یہ رجحان موجود ہے امید ہے کہ لوگ اس کے بارے میں کچھ خود عکاسی کو اکساتے ہیں کہ لوگ کن مہارتوں کو برقرار رکھنا چاہتے ہیں اور کن کو وہ آؤٹ سورس کرنے کے لیے تیار ہیں"۔

سافٹ ویئر انجینئر اسی طرح کے پیٹرن دکھاتے ہیں۔

deskilling اثر دوا تک محدود نہیں ہے. یہ جاننے کے لیے کہ آیا کمپیوٹر سائنس میں مہارتیں ضائع ہو رہی ہیں، AI فرم Anthropic کے محققین نے 52 سافٹ ویئر انجینئرز پر مشتمل ایک بے ترتیب کنٹرول ٹرائل ڈیزائن کیا۔

تمام شرکاء سے کوڈنگ کا بنیادی کام انجام دینے کو کہا گیا۔ ہر انجینئر ویب کو تلاش کر سکتا ہے اور اسے مکمل کرنے کے طریقے سے متعلق ہدایات تک رسائی حاصل کر سکتا ہے۔ نصف کو AI اسسٹنٹ استعمال کرنے کا بھی کہا گیا۔ مطالعہ، ایک پری پرنٹ کے طور پر جاری کیا گیا تھا، بنیادی کوڈنگ کی صلاحیت پر AI امداد کے اثر کو الگ کرنے کے لیے ڈیزائن کیا گیا تھا۔

ان نتائج سے شواہد کے بڑھتے ہوئے جسم میں اضافہ ہوتا ہے کہ AI پر معمول کے علمی کام کو آف لوڈ کرنا ان بنیادی صلاحیتوں کو کمزور کر سکتا ہے جو پیشہ ور افراد نے بار بار مشق کے ذریعے تیار کی تھیں۔ جب AI بھاری لفٹنگ کو سنبھالتا ہے، تو انسانی پریکٹیشنر کو مہارت بنانے اور برقرار رکھنے کے کم مواقع ملتے ہیں۔

Deskilling کی میکینکس

محققین ڈیسکلنگ کو بتدریج عمل کے طور پر بیان کرتے ہیں۔ جب کوئی ٹول قابل اعتماد طریقے سے کسی کام کو سنبھالتا ہے تو، بنیادی مہارت کے ساتھ کارکن کی مصروفیت کم ہو جاتی ہے۔ وقت گزرنے کے ساتھ، برسوں کی مشق کے ذریعے حاصل کیے گئے اعصابی راستے اور فیصلے ختم ہونے لگتے ہیں۔

ادویات میں، یہ خاص طور پر خطرناک ہو سکتا ہے. ایک معالج جس نے ایک بار مشتبہ بافتوں کو تلاش کرنے کے لئے گہری بصری فیصلے پر انحصار کیا تھا، مہینوں کی AI مدد کے بعد، سسٹم کے اشارے پر منحصر ہو سکتا ہے۔ اگر سسٹم ناکام ہو جاتا ہے یا دستیاب نہیں ہوتا ہے، تو ڈاکٹر کی غیر امدادی کارکردگی اس معیار پر پوری نہیں اتر سکتی جو اس نے پہلے کی تھی۔

یوچی موری، جو اوسلو یونیورسٹی کے ایک معالج-محقق ہیں اور کالونوسکوپی کے مطالعے کے شریک مصنف ہیں، خبردار کرتے ہیں کہ جو لوگ AI ٹولز استعمال کرتے ہیں انہیں اس بات سے آگاہ ہونا چاہیے کہ وہ اپنی کچھ مہارتیں کھو سکتے ہیں۔ انہوں نے کہا کہ "ڈیسکلنگ کے خلاف ابھی کوئی طے شدہ حل نہیں ہے۔" "اگلی دہائی میں یہ ایک بہت ہی گرم تحقیقی موضوع ہونا چاہیے۔"

کیوں معیاری ٹیسٹنگ مسئلہ سے محروم ہے۔

ڈیسکلنگ کو ایڈریس کرنے میں مشکل کا ایک حصہ یہ ہے کہ جب تک AI کو ہٹا نہیں دیا جاتا ہے یہ پوشیدہ ہے۔ جب ٹول استعمال میں ہو تو کارکردگی کے میٹرکس مضبوط نظر آتے ہیں، جو انسانی صلاحیت کے بتدریج کٹاؤ کو چھپاتا ہے۔

یہ ایک فیڈ بیک لوپ بناتا ہے۔ کارکن AI کے ساتھ بہتر کارکردگی کا مظاہرہ کرتے ہیں، اس لیے وہ اسے زیادہ استعمال کرتے ہیں۔ جتنا زیادہ وہ اسے استعمال کرتے ہیں، اتنا ہی کم وہ غیر مدد یافتہ مہارت کی مشق کرتے ہیں۔ جب تک کمی واضح ہو جاتی ہے — جب ٹول بند ہو، ریٹائر ہو جائے، یا تبدیل ہو جائے — ہو سکتا ہے کہ مہارت پہلے ہی ختم ہو چکی ہو۔

یہ رجحان اس بارے میں بھی سوالات اٹھاتا ہے کہ تنظیموں کو تربیت اور تشخیص کی تشکیل کیسے کرنی چاہیے۔ اگر AI امداد کے فعال ہونے کے دوران پیشہ ورانہ قابلیت کو تیزی سے ماپا جاتا ہے، تو اندازہ اس بات کو بڑھاوا دے سکتا ہے کہ کارکنان اپنے طور پر کیا کر سکتے ہیں۔

انسانی مہارت کا تحفظ

محققین اور کام کی جگہ کے ماہرین اب بحث کر رہے ہیں کہ AI دور میں اہم انسانی صلاحیتوں کو کیسے محفوظ رکھا جائے۔ حل ابھی واضح نہیں ہیں، لیکن کئی اصول ابھر رہے ہیں۔

سب سے پہلے، آگاہی اہمیت رکھتی ہے۔ بس اس بات کو تسلیم کرنا کہ deskilling ہو سکتا ہے افراد اور تنظیموں کو جان بوجھ کر غیر معاون پریکٹس کو برقرار رکھنے پر آمادہ کر سکتا ہے۔ دوسرا، پیشہ ور افراد کو اس بارے میں شعوری طور پر انتخاب کرنے کی ضرورت پڑسکتی ہے کہ کون سی مہارت کو تیز رکھنا ہے اور کن کو سونپنا ہے۔ ہر مہارت کو پوری طاقت کے ساتھ محفوظ رکھنے کے قابل نہیں ہے، لیکن کچھ - خاص طور پر جو حفاظت، تشخیص، اور تنقیدی فیصلے سے منسلک ہیں - واضح طور پر ہیں۔

تیسرا، تنظیموں کو ورک فلو کو نئے سرے سے ڈیزائن کرنے کی ضرورت پڑسکتی ہے تاکہ بنیادی علمی کام کو تبدیل کرنے کے بجائے AI میں اضافہ ہو۔ ٹول کو سوچنے دینے کی بجائے، AI کو انسانی فیصلے پر ایک چیک کے طور پر رکھا جا سکتا ہے، جس کے لیے پیشہ ور کو سسٹم سے مشورہ کرنے سے پہلے جواب پر پہنچنے کی ضرورت ہوتی ہے۔

AI دور کے لیے ایک واضح چیلنج

نیچر رپورٹ یہ واضح کرتی ہے کہ ڈیسکلنگ اب فرضی تشویش نہیں ہے۔ شواہد، ابتدائی ہونے کے باوجود، تمام شعبوں میں یکساں ہیں: جب انسان علمی کام AI کے حوالے کرتے ہیں، تو بنیادی مہارتیں کمزور ہو سکتی ہیں۔

لاکھوں پیشہ ور افراد کے لیے جو اب AI کو اپنے روزمرہ کے معمولات میں ضم کر رہے ہیں، داؤ پر ذاتی اور سماجی بھی ہیں۔ ایک سرجن جو ٹیومر کو پہچاننے کے لیے رابطے سے محروم ہو جاتا ہے، ایک انجینئر جو بھول جاتا ہے کہ اسسٹنٹ کے بغیر کیسے ڈیبگ کرنا ہے، ایک نرس جس کی طبی بصیرت مدھم ہو جاتی ہے — یہ تجریدی خطرات نہیں ہیں۔

جیسا کہ موری نے نوٹ کیا، ابھی تک کوئی طے شدہ حل نہیں ہے۔ لیکن پہلا قدم، محققین متفق ہیں، خطرے کو سنجیدگی سے لے رہے ہیں۔ ابتدائی نتائج سامنے آچکے ہیں، اور وہ ایک انتباہ ہیں: ہمیں بہتر بنانے کے لیے بنائے گئے ٹولز، اگر لاپرواہی سے استعمال کیے جائیں، تو ہمیں پہلے سے کم قابل چھوڑ سکتے ہیں۔

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →