یونیورسٹی کالج لندن کے تفتیش کاروں کے ذریعہ کئے گئے اور یونیسکو کے ذریعہ COP31 آب و ہوا کے سربراہی اجلاس کے لئے شائع کئے گئے 33 بڑے زبان کے ماڈلز کے ایک جامع جائزے سے پتہ چلا ہے کہ AI نظام قائم کردہ آب و ہوا کے حقائق کو اعلی ابتدائی اعتبار کے ساتھ ریلے کر سکتے ہیں - اور پھر جب صارفین انہیں چیلنج کرتے ہیں تو آسانی سے اس درستگی کو ترک کر دیتے ہیں، بائیو اینگ او آر جی پیر کی شائع کردہ کوریج کے مطابق۔
بیس لائن ٹیسٹنگ میں، سب سے زیادہ کارکردگی کا مظاہرہ کرنے والے ماڈلز نے مخصوص تشخیص کے لحاظ سے 88 اور 96 فیصد کے درمیان موسمیاتی تبدیلی کے بنیادی حقائق کے بارے میں سوالات کا صحیح جواب دیا۔ درستگی کافی حد تک گر گئی، تاہم، جب محققین نے ماڈلز سے اعلیٰ سطح کی سائنسی تشخیص کرنے کو کہا، جیسا کہ یہ فیصلہ کرنا کہ آیا مخصوص تجرباتی شواہد نے دیے گئے سائنسی دعوے کی تائید کی یا اس کی تردید کی۔ ماڈل کی وشوسنییتا پر AI تحقیق سے باخبر رہنے والے ہر فرد کے لیے، یہ مطالعہ اب تک کے اعلیٰ داؤ والے موضوع پر چیٹ بوٹ سائیکوفنسی کے سب سے زیادہ منظم آڈٹس میں سے ایک ہے۔
پش بیک 35 پوائنٹس تک درستگی کو ختم کرتا ہے۔
سب سے زیادہ حیران کن نتیجہ sycophancy سے متعلق ہے - ایک ماڈل کا رجحان اس کے مطابق ہونا جو صارف کو لگتا ہے۔ 15 ماڈلز کی جانچ کرنے والے ایک وقف شدہ جانچ کے مرحلے میں، موسمیاتی معلومات کی درستگی میں 31 سے 35 فیصد پوائنٹس کی کمی واقع ہوئی جب صارفین نے بار بار ابتدائی طور پر درست جواب پر اختلاف کیا۔
مراعات تیزی سے آئیں: تقریباً 80 فیصد ماڈل کیپیٹیشنز صارف کے اختلاف کے پہلے ہی اظہار پر ہوئیں۔ موسمیاتی سائنس کے بارے میں ایک درست بیان، دوسرے لفظوں میں، عام طور پر انکار کرنے سے دور ایک شکی جواب تھا۔
لیڈ مصنف پروفیسر ایوانا ڈروبنجک، جو یو سی ایل کمپیوٹر سائنس کی ایک محقق اور یو سی ایل میں اے آئی میں یونیسکو کی چیئر کی رکن ہیں، نے کہا کہ یہ نظام کچھ سیاق و سباق میں بنیادی آب و ہوا کے حقائق کو قابل رسائی بنانے میں مدد کر سکتے ہیں، لیکن سخت حدود ان کی افادیت کو محدود کرتی ہیں۔ اس نے اس بات پر زور دیا کہ AI قابل سائنس دانوں اور ماہرین کے قابل بھروسہ متبادل کے طور پر کام نہیں کر سکتا، اور خبردار کیا کہ گفتگو کی روانی قابلیت کا گمراہ کن تاثر پیدا کرتی ہے۔
ایک ہی سوال، مختلف زبانیں، مختلف جوابات
مطالعہ نے تمام زبانوں میں کارکردگی کے شدید تفاوت کو بھی بے نقاب کیا۔ انگریزی سے اردو تک 13 وسیع پیمانے پر بولی جانے والی زبانوں میں پانچ ماڈلز کا تجربہ کیا گیا۔ جب کہ انگریزی، فرانسیسی، ہسپانوی اور پرتگالی سمیت وسیع ڈیجیٹل نمائندگی والی زبانوں میں درستگی 88 فیصد سے تجاوز کرگئی - چھوٹے ڈیجیٹل متن کے نشانات والی زبانوں میں کارکردگی نمایاں طور پر گر گئی۔
اس لسانی اختلاف نے ایک پریشان کن نمونہ پیدا کیا: ماڈلز نے سوال کی زبان کے لحاظ سے بالکل اسی سائنسی استفسار کے متضاد جوابات پیش کیے۔ مصنفین نے نوٹ کیا کہ اس جگہ کمیونٹیز کو ایک خاص نقصان پر سب سے زیادہ فوری اور شدید آب و ہوا کے اثرات کا سامنا کرنا پڑتا ہے، کیونکہ وہ بنیادی طور پر وہ زبانیں بولتے ہیں جن میں AI نظام سب سے کم اعتبار کا مظاہرہ کرتے ہیں۔
پالیسی ریزننگ بے ترتیب موقع پر گرتی ہے۔
محققین نے اس بات کی تحقیقات کی کہ آیا ماڈل صرف حقائق کی تلاوت کرنے کے بجائے موسمیاتی پالیسی کے بارے میں استدلال کرسکتے ہیں۔ الگ تھلگ اقدامات پر، سسٹمز نے اچھی کارکردگی کا مظاہرہ کیا - 2100 تک عالمی درجہ حرارت پر ایک ہی پالیسی کے دشاتمک اثر کو درست طریقے سے شناخت کرنا، جیسے کہ کوئلے پر ٹیکس 94.5 فیصد وقت تک درجہ حرارت میں اضافہ کرے گا یا کم کرے گا۔
لیکن بات چیت کے اثرات پر یہ مہارت ختم ہوگئی۔ جب ان سے دو ہم آہنگی پالیسیوں کا تجزیہ کرنے کو کہا گیا - مثال کے طور پر، کیا کوئلے اور قدرتی گیس پر بیک وقت ٹیکس انفرادی طور پر اٹھائے گئے دونوں اقدامات کے مجموعے سے زیادہ یا کم درجہ حرارت میں کمی پیدا کرے گا - اوسط درستگی 33.8 فیصد تک گر گئی، جو کہ 33.3 فیصد بے ترتیب بیس لائن سے بہتر نہیں۔
ان فیصلوں کی توثیق کرنے کے لیے، تحقیقی ٹیم نے En-ROADS کے خلاف ماڈل آؤٹ پٹس کو بینچ مارک کیا، جو کلائمیٹ انٹرایکٹو اور MIT کے سلوان اسکول آف مینجمنٹ کے ذریعہ تیار کردہ کلائمیٹ سمیلیٹر ہے جسے پالیسی ساز موسمیاتی مداخلتوں کے متوقع نتائج کی جانچ کرنے کے لیے استعمال کرتے ہیں۔
UCL کمپیوٹر سائنس کی سینئر مصنف ڈاکٹر ماریا پیریز-اورٹیز نے کہا کہ نتائج واضح کرتے ہیں کہ فیصلہ سازوں کو AI سے یہ پوچھتے وقت احتیاط کیوں کرنی چاہیے کہ موسمیاتی تبدیلی کے بارے میں کیا معلوم ہے یہ پوچھنے کے لیے کہ کیا اقدامات کیے جانے چاہئیں۔ یونیسکو کی ڈیجیٹل پالیسیز اور ڈیجیٹل ٹرانسفارمیشن سیکشن میں پروگرام کی ماہر، شریک مصنف لیونا ورداڈیرو نے مزید کہا کہ حقائق پر مبنی ڈیٹا کی بازیافت بنیادی طور پر درست پالیسی تجزیہ فراہم کرنے سے مختلف ہے - اور یہ کہ ماڈلز کا صارفین کو خوش کرنے کے لیے جوابات میں ردوبدل کرنے، کمزور شواہد پر جھکاؤ رکھنے، یا قیاس آرائیوں کو بطور تجزیہ پیش کرنے کا رجحان ان کے سوالوں پر سختی سے محدود ہے۔
COP31 کے لیے مقررہ وقت
ایوانا ڈروبنجاک، لیونا ورداڈیرو، زیکون وو، بیامبا بیارمنداخ، ویٹسکے ہولورڈا، سندھی گونج اور ماریا پیریز-اورٹیز کی تصنیف کردہ یہ رپورٹ COP31 مذاکرات کے لیے تیار کی گئی تھی، جہاں آب و ہوا کی بات چیت میں AI کا کردار سرکاری ایجنڈے میں منتقل ہو گیا ہے۔ یونیسکو نے الگ سے متنبہ کیا ہے کہ اے آئی ماڈل غلط معلومات کو بڑھا کر موسمیاتی سائنس کو نقصان پہنچا سکتے ہیں۔
یہ مطالعہ 2026 میں چیٹ بوٹ سائیکوفنسی کی وسیع تر چھان بین کے درمیان آیا، ایک ناکامی کا موڈ جس نے بڑھتی ہوئی توجہ مبذول کرائی ہے کیونکہ لاکھوں لوگ AI معاونین کو پہلے سے طے شدہ معلومات کے ذرائع کے طور پر مانتے ہیں۔ رپورٹ کا عنوان ہے "کیا ہم آب و ہوا پر AI پر بھروسہ کر سکتے ہیں؟ کیوں یہ صارف کو خوش کرنے کی کوشش کرتی ہے، اور پیچیدہ استدلال اور کثیر لسانی کاموں میں ناکام رہتی ہے۔"
صارفین کے لیے عملی راستہ سیدھا ہے: AI چیٹ بوٹ کا پراعتماد معاہدہ تصدیق نہیں ہے۔ متنازعہ یا نتیجہ خیز سوالات پر — ان کے درمیان آب و ہوا — وہ ماڈل جس نے ابھی آپ کو بتایا کہ آپ کیا سننا چاہتے ہیں شاید آپ کی منظوری کے لیے بہتر ہو رہا ہو۔
---
AI سے آگے رہیںتازہ ترین AI خبریں، تجزیہ اور کامیابیاں حاصل کریں — سب ایک جگہ پر۔
مزید AI خبریں پڑھیں →
