ٹورنگ ایوارڈ یافتہ Yann LeCun کا کہنا ہے کہ آج کے سب سے مشہور AI سسٹمز واقعی ذہین مشینوں کا راستہ نہیں ہیں۔ پیرس میں قائم اپنے سٹارٹ اپ میں، ایڈوانسڈ مشین انٹیلی جنس لیبز (AMI لیبز)، سابق میٹا چیف AI سائنسدان ایک بنیادی طور پر مختلف قسم کا ماڈل بنا رہے ہیں جو جسمانی دنیا کو اس طرح سمجھنے کے لیے ڈیزائن کیا گیا ہے جس طرح ایک چوہا یا چھوٹا بچہ کر سکتا ہے۔

پیرس میں VivaTech کانفرنس کے موقع پر بی بی سی سے بات کرتے ہوئے، LeCun نے دلیل دی کہ ChatGPT، Claude، اور Gemini جیسے بڑے زبان کے ماڈلز کے حقیقی استعمال ہوتے ہیں لیکن ایک سخت حد ہوتی ہے۔ AI انڈسٹری کی کوریج کے بارے میں مزید جاننے کے لیے کہ محققین اور سرمایہ کار ان حدود کے بارے میں کس طرح سوچتے ہیں، LLM دور کے بعد کیا آتا ہے اس پر وسیع تر بحث میدان میں سب سے زیادہ نتیجہ خیز سوالات میں سے ایک بن گئی ہے۔

LeCun نے کہا، "ہمارے پاس روبوٹ نہیں ہیں جو جسمانی دنیا کو چوہے کی طرح سمجھنے میں تقریباً اتنے اچھے ہیں۔" اس نے 2025 میں فیس بک کے مالک میٹا کو ایک دہائی کے بعد اس کے چیف AI سائنسدان کے طور پر چھوڑ دیا اور متبادل فن تعمیر کو آگے بڑھانے کے لیے AMI Labs کی بنیاد رکھی۔

لیکون کیوں کہتا ہے کہ ایل ایل ایم کافی نہیں ہیں۔

LeCun کا دعویٰ ہے کہ LLMs اچھی طرح سے طے شدہ، قابل پیشن گوئی کاموں جیسے کہ کوڈنگ، ریاضی کے مسائل کو حل کرنا، اور متن تیار کرنے میں سبقت لے جاتے ہیں۔ لیکن اس کا استدلال ہے کہ وہ طاقتیں ایک گہری حد کو غیر واضح کرتی ہیں: نظام حقیقت کی وجہ کے بجائے اعداد و شمار کے نمونوں میں ہیرا پھیری کرتے ہیں۔

"وہ بنیادی طور پر صرف علم جمع کرتے ہیں،" انہوں نے LLMs کے بارے میں کہا۔ "وہ کسی چیز کو ریگوریٹ کر سکتے ہیں، آپ انہیں ریگورجیٹ کرنے کی تربیت دیتے ہیں، لیکن وہ خاص طور پر ہوشیار نہیں ہیں۔ ان کے پاس کوئی بنیادی سمجھ نہیں ہے۔"

فرق کو واضح کرنے کے لیے، LeCun ایک قلم کو اپنی نوک پر سیدھا رکھتا ہے اور جانے دیتا ہے۔ یہاں تک کہ ایک چھوٹا بچہ جانتا ہے کہ قلم گر جائے گا، وہ نوٹ کرتا ہے، لیکن کوئی بھی انسان اس کے گرنے کی صحیح سمت کا اندازہ لگانے کی کوشش نہیں کرے گا، کیونکہ یہ نتیجہ حقیقی طور پر غیر یقینی ہے۔ ایک LLM، اس کے برعکس، اپنے تربیتی ڈیٹا میں نمونوں کی بنیاد پر ایک ہی پیشین گوئی پیدا کرنے کی کوشش کرے گا۔ یہ پیشین گوئی تقریباً یقینی طور پر غلط ہوگی، کیونکہ ماڈل جسمانی صورتحال کے بارے میں استدلال نہیں کر رہا ہے۔ یہ وہ چیز پیدا کر رہا ہے جو شماریاتی طور پر قابل فہم لگتا ہے۔

"ایل ایل ایمز روبوٹکس کے لیے بڑی حد تک ناامید ہیں،" LeCun نے دو ٹوک انداز میں کہا۔ "یہ دعوے کہ کسی نہ کسی طرح صرف ایل ایل ایم کو بڑھا کر، ہم سپر ہیومن انٹیلی جنس تک پہنچنے جا رہے ہیں، ایسا ہونے والا نہیں ہے۔"

JEPA کیسے کام کرتا ہے۔

اے ایم آئی لیبز جو آرکیٹیکچر تیار کر رہی ہے اسے جوائنٹ ایمبیڈنگ پریڈیکٹیو آرکیٹیکچر (JEPA) کہا جاتا ہے۔ اگلے لفظ یا پکسل کی پیشین گوئی کرنے کے بجائے، JEPA حقیقی دنیا کے تجریدات تخلیق کرتا ہے جو اسے کسی عمل کے ممکنہ نتائج کا وزن کرنے دیتا ہے۔

ان تجریدوں کو بنانے میں پیچیدہ ریاضی شامل ہے، لیکن اصول سیدھا ہے: ماڈل بیکار تفصیلات کو فلٹر کرتا ہے، جس سے دنیا کی صرف مفید نمائندگی باقی رہ جاتی ہے۔ قلمی مثال میں، JEPA پر مبنی نظام یہ سمجھے گا کہ زوال کی درست سمت کی پیشین گوئی کرنا بے معنی ہے، اور اس کے بجائے تجرید کی سطح پر صورت حال کی نمائندگی کرے گا جو حقیقت میں فیصلہ سازی کے لیے اہمیت رکھتی ہے۔

یہ نقطہ نظر AMI لیبز کو نام نہاد عالمی ماڈلز کے ارد گرد ایک بڑھتی ہوئی تحریک کے اندر رکھتا ہے، جس کا مقصد AI سسٹمز کو ماحولیات کے برتاؤ کا ایک اندرونی تخروپن دینا ہے، تاکہ وہ محض متن بنانے کے بجائے منصوبہ بندی اور عمل کر سکیں۔

ایک مسابقتی میدان

سرمایہ کار شرط لگا رہے ہیں کہ LeCun کسی چیز پر ہے۔ اس سے پہلے 2026 میں، AMI لیبز نے اعلان کیا کہ اس نے سیڈ فنڈنگ ​​راؤنڈ میں $1 بلین (£760 ملین) سے زیادہ اکٹھا کیا ہے، جس میں حمایت کرنے والوں کے ساتھ یو ایس چپ کمپنی Nvidia اور Amazon کے بانی جیف بیزوس کی نجی دولت کا انتظام کرنے والا فنڈ شامل ہے۔ یہ یورپی اسٹارٹ اپ تاریخ میں سب سے بڑے سیڈ راؤنڈز میں سے ایک تھا۔

AMI لیبز دوڑ میں تنہا نہیں ہے۔ آکسفورڈ یونیورسٹی میں، پروفیسر انگمار پوسنر اپلائیڈ اے آئی لیب کی ہدایت کاری کرتے ہیں اور تقریباً دس افراد پر مشتمل ایک ٹیم کی قیادت کر رہے ہیں جس نے ایک متبادل نقطہ نظر پر چار سال گزارے ہیں، جسے وہ ایک "میکانیسٹک ورلڈ ماڈل" کہتے ہیں، جو علم کی تشکیل کرتا ہے تاکہ AI اسے مؤثر طریقے سے یاد کر سکے، یکجا کر سکے اور اس میں ترمیم کر سکے۔

پوسنر نے بی بی سی کو بتایا کہ "میرا خیال یہ ہے کہ اگلی دہائی واقعی ایسے نظاموں کے بارے میں ہو گی جو وضاحت کر سکیں۔" "آپ کو ایسے ماڈلز کی ضرورت ہے جو سوالات کے جواب دے سکیں جیسے: کیا فرق پڑتا ہے؟ کیا وجہ ہے؟ اگر میں کچھ اور کرتا تو کیا ہوگا؟"

اس سلسلے کا پتہ ڈیوڈ ہا اور جورجین شمڈوبر کے 2018 کے ایک بااثر مقالے سے ملتا ہے، جس نے استدلال کیا کہ کمپیوٹ اور مشین لرننگ میں پیشرفت ایک AI کو دنیا کے سیکھے ہوئے ذہنی تخروپن سے خالصتاً کام سیکھنے دیتی ہے۔ اس خیال نے اس کے بعد سے اہم تحقیق کو متحرک کیا ہے، بشمول گوگل کے ڈریمر ورلڈ ماڈل، جس کی ایک قسم نے خود کو مستقبل کے منظرناموں کا تصور کرکے مائن کرافٹ میں ہیرے جمع کرنا سکھایا ہے۔ الفابیٹ کا ڈیپ مائنڈ اپنے جنی ماڈل کے ساتھ کام جاری رکھے ہوئے ہے، لندن میں مقیم Wayve میں Gaia نامی ایک نظام ہے، اور AI کے علمبردار Fei-Fei Li نے اسی طرح کے اہداف کے حصول کے لیے 2023 میں سان فرانسسکو میں ورلڈ لیبز کی بنیاد رکھی۔

روبوٹکس ضروری

عالمی ماڈلز کی طرف دھکیلنے کا عمل بڑے پیمانے پر روبوٹکس انڈسٹری کے ذریعے کیا جا رہا ہے، جس نے ہیومنائیڈ روبوٹس میں اربوں ڈالر ڈالے ہیں جن کے جسمانی کارنامے ہر سال مزید متاثر کن ہوتے ہیں۔ لیکن ان مشینوں کو گھریلو کاموں کو محفوظ طریقے سے انجام دینے کی تربیت دینا جیسے کہ ڈش واشر کو استری کرنا یا لوڈ کرنا مشکل اور مہنگا ہے، اور LeCun کا اصرار ہے کہ موجودہ AI ماڈل اس ماحول کے لیے کبھی بھی اچھے نہیں ہوں گے۔

LeCun نے کہا کہ AMI Labs 2026 کا بقیہ حصہ اپنے ماڈل کو بہتر بنانے میں گزارے گی اور امید ہے کہ 2027 میں اسے صنعتی سیٹنگز میں تعینات کرنا شروع کر دیا جائے گا۔ اگر یہ کامیاب ثابت ہوتا ہے، تو عزائم کافی حد تک پھیل جائیں گے۔

انہوں نے کہا، "بالآخر ہمارے پاس ایسے عمومی انٹیلی جنس سسٹم ہوں گے جو دنیا کی کسی بھی چیز پر کم سے کم تربیت یا ٹھیک ٹیوننگ کے ساتھ لاگو کیے جا سکتے ہیں۔"

جہاں تک اس مستقبل میں انسانوں کا کیا بنے گا، LeCun سنجیدہ ہے۔ انہوں نے کہا کہ لوگ اب بھی فیصلہ کریں گے کہ کیا بنانا ہے اور کون سے سوالات پوچھنا ہے، جب کہ AI ایک قابل نائب کے طور پر کام کرتا ہے۔

"مستقبل کے AI سسٹمز کے ساتھ ہمارا تعامل، چاہے وہ ہم سے زیادہ ہوشیار ہوں، صنعت کے کپتان یا سیاسی رہنما کے درمیان ان کے معاونین کے عملے کے ساتھ بات چیت کی طرح ہو گا، جن میں سے بہت سے ان سے زیادہ ہوشیار ہیں۔"

AI سے آگے رہیں

زبان کے ماڈلز سے عالمی ماڈلز میں تبدیلی مصنوعی ذہانت کے مسابقتی نقشے کو دوبارہ تیار کر سکتی ہے۔ اے آئی کی تازہ ترین پیشرفت کے سامنے آتے ہی ان کی پیروی کریں۔

مزید AI خبریں پڑھیں →