6 اکتوبر کو OpenAI نے AI سے تیار کردہ ریاضیاتی کاموں کا بڑا مجموعہ جاری کیا۔ اس میں مسودے، دعویٰ کردہ نتائج کا جائزہ اور بعض نتائج کے رسمی ثبوت کی فائلیں شامل ہیں۔ OpenAI کے اعلان کے مطابق نتائج اندرونی ماڈل نے تیار کیے اور کمپنی ریاضی دانوں کی مدد کے لیے ورکشاپس کا ارادہ رکھتی ہے۔ اشاعت نے ایک بڑا جائزے کا کام بھی سامنے رکھا: کن نتائج پر بھروسا اور کنہیں استعمال کیا جا سکتا ہے۔

AI ممکنہ نتائج موجودہ سائنسی برادریوں کی سمجھنے کی رفتار سے تیزی سے پیدا کر سکتا ہے۔ یہ خطرے کی مثال ہے، پورے نظام کا ناپا ہوا نتیجہ نہیں۔ اداروں کو تصدیق، وضاحت اور آزادانہ پیروی کو اہم تحقیقی کام سمجھ کر افراد اور فنڈ مختص کرنا چاہیے۔ طویل فہرست یہ کام نہیں کر سکتی۔

بڑی تبدیلی

  • کیا بدلا: ایک کمپنی بیک وقت برادری کے سامنے AI کے بنائے سیکڑوں ریاضیاتی مسودے رکھ سکتی ہے۔ دستاویزات دستیاب ہیں مگر ہر دعوے کا الگ جائزہ ضروری ہے۔
  • یہ کیوں اہم ہے: محققین کو دعوے کے مفروضوں، ثبوت اور سابقہ کام سے تعلق کی جانچ کرنا ہوگی۔ اگر نتائج جانچ کی گنجائش سے تیزی سے بڑھیں تو اصلاحات یا مفید خیالات دب سکتے ہیں۔
  • کس بات پر نظر رکھیں: فیصلوں میں اشاعت کے ساتھ آزادانہ جانچ اور وضاحت کی مدد بھی شامل ہے۔ OpenAI نے ورکشاپس کا وعدہ کیا؛ آزاد مشاورتی گروپ برادری کی قیادت میں فنڈنگ اور واضح ماخذ کی سفارش کرتا ہے۔

مسودوں کی تعداد مبصرین سے کیا تقاضا کرتی ہے

ایک 6 اکتوبر کے محفوظ شدہ ذخیرے کے الگ معائنے میں BIG CHANGE نے 372 نتیجہ جاتی خاندانوں میں 722 مسودے گنے۔ ایک خاندان میں متعلقہ مضامین ہو سکتے ہیں۔ یہ ایک نسخے کی فائلیں ہیں، ثابت شدہ 722 دریافتیں نہیں۔ پچھلا مضمون مسودے سے رسمی بیان اور جانچ کی ترتیب تک پہنچنے کا طریقہ دکھاتا ہے۔ سوال ہے کہ بڑھتے دعووں کے لیے کافی اہل قارئین کیسے مہیا ہوں۔ رسمی شکل دینا مددگار ہے۔ کمپیوٹر متعین تعریفوں، انحصارات اور اصولوں کے تحت ثبوت کی جانچ کر سکتا ہے۔ پھر بھی بیان کا دعوے سے میل، مفروضوں کی موزونیت اور سابقہ کام سے تعلق دیکھنا ہوگا۔ بعض مضامین رسمی شکل میں نہیں؛ ایک دعوے کی Lean فائل پورے مسودے کی جانچ نہیں کرتی۔ ذخیرے کا معائنہ

ایک 6 اکتوبر کے محفوظ شدہ ذخیرے کے الگ معائنےمیں BIG CHANGE نے 372 نتیجہ جاتی خاندانوں میں 722 مسودے گنے۔ ایک خاندان میں کئی متعلقہ مضامین ہو سکتے ہیں۔ یہ مجموعے کے ایک نسخے کی فائلیں ہیں، 722 آزادانہ طور پر ثابت شدہ دریافتیں نہیں۔ پچھلا مضمون دکھاتا ہے کہ مسودے سے رسمی بیان اور جانچ کی ترتیب تک کیسے پہنچا جا سکتا ہے۔ سوال یہ ہے کہ دعوے بڑھنے کے ساتھ کافی اہل قارئین کیسے دستیاب ہوں۔

رسمی صورت دینا مددگار ہو سکتا ہے۔ کمپیوٹر جانچ سکتا ہے کہ متعین تعریفوں، انحصارات اور اصولوں کے تحت تجویز کردہ ثبوت درست بیان ثابت کرتا ہے یا نہیں۔ کسی کو یہ بھی دیکھنا ہوگا کہ بیان مقالے کے دعوے سے میل کھاتا ہے، مفروضے مناسب ہیں اور سابقہ کام سے تعلق کیا ہے۔ بعض مضامین رسمی شکل میں نہیں؛ ایک بیان کی Lean فائل پورے مسودے کا جائزہ نہیں لیتی۔ ذخیرے کا معائنہ ان حدود کو بیان کرتا ہے، یہ دعویٰ کیے بغیر کہ جانچ کا پروگرام چلایا گیا۔

ستمبر کا Navier–Stokes اعلان بتاتا ہے کہ یہ فرق ذخیرے کی فہرست سے آگے کیوں اہم ہے۔ OpenAI نے کہا کہ اس کے اندرونی نظام نے محدود توانائی کے ساتھ جبری انہدام کی ساخت دریافت کی، جو Clay کی سرکاری صورت بندیمیں C اور D متبادل سے متعلق ہے، اور ایک مقالہ اور Lean رسمی صورت جاری کی۔ 11 ستمبر کو Clay نے کہا کہ مسئلہ ’’بظاہر‘‘ حل ہو گیا ہے اور جانچ و علمی نسبت میں جلدبازی نہیں ہوگی۔ اس جواب میں کوئی انعام نہیں دیا گیا۔ BIG CHANGE کا ریاضیاتی واقعات کا پچھلا بیان تکنیکی پس منظر دیتا ہے۔ اہم بات اعلان اور محتاط فیصلے کے درمیان وقفہ ہے۔

جانچ کے لیے الگ وسائل اور اعتراف دیں

آزاد ریاضی اور مصنوعی ذہانت کا مشاورتی گروپ کہتا ہے کہ اشاعت انسانی فہم کے کام کا آغاز ہے۔ اس کی 29 ستمبر کی سفارشات اداروں سے ادب اور نسبت کی جانچ، واضح ثبوت، ماڈل کے استعمال اور ناکام کوششوں کی معلومات، اور ممکن ہو تو رسمی صورت بندی مانگتی ہیں۔ وہ نتائج سمجھنے اور استعمال کرنے کے لیے کمیونٹی کے کام کی مالی مدد بھی چاہتی ہیں۔ 6 اکتوبر کے جوابمیں گروپ نے کہا کہ اس کا مشاورتی کردار OpenAI کے طریقے کی توثیق یا نتائج کے اثر کا فیصلہ نہیں ہے۔

میں اس مدد کو تحقیقی فنڈنگ اور جائزے کا معمول کا حصہ بناؤں گا۔ دعوے کے ساتھ اس کا نسخہ، AI کا حصہ، مفروضے، معاون مواد اور اصلاح کی اطلاع دینے کا طریقہ ہونا چاہیے۔ آزاد ماہرین ممکنہ اہمیت اور غلطی کے نتائج کے مطابق کام کو ترجیح دے سکتے ہیں۔ دوسرے ثبوتوں کے لیے بنیادی نتیجے کو محدود حساب سے مختلف جانچ درکار ہے۔ وضاحت، تکرار، ناکام جانچ اور محتاط اصلاحات بھی علمی حصہ شمار ہوں، خواہ وہ پہلا نتیجہ نہ ہوں۔

یہ اداروں سے زیادہ تقاضا کرتا ہے، مگر یہ فرض نہیں کرتا کہ ماہرین یکساں طور پر مخالف یا سست ہیں۔ ریاضیاتی جائزہ علمی نسبت محفوظ رکھتا اور غلطیاں پکڑتا ہے؛ جب کوئی نتیجہ مزید کام کی بنیاد ہو تو ذمہ دارانہ احتیاط مفید ہے۔ ممکنہ نتیجہ بنانا اور اس پر معقول اعتماد حاصل کرنا الگ محنتیں ہیں۔ بڑا اجرا اچھا کام کرنے والے اداروں پر بھی بوجھ ڈال سکتا ہے۔

عملی استعمال اپنے دائرے میں قدر آزما سکتا ہے

تحقیق پر مبنی کمپنیاں ابتدائی عملی آزمائشیں دے سکتی ہیں۔ نفاذ دکھا سکتا ہے کہ خیال مخصوص کام میں مدد دیتا ہے، جبکہ ناکامی غلط مفروضہ ظاہر کر سکتی ہے۔ مشاہدات طریقوں اور حدود کے ساتھ شائع ہوں تاکہ دوسرے جانچیں۔ صرف کاروباری کامیابی ریاضیاتی قضیہ یا عمومی سائنسی دعویٰ ثابت نہیں کرتی۔

یہ فرق شعبے کے مطابق بدلتا ہے۔ ریاضی میں چلتا ہوا مصنوعہ ثبوت طے نہیں کرتا؛ درست قضیے کے لیے ماہر جانچ اور مناسب ہو تو رسمی پڑتال چاہیے۔ حسابی سائنس میں نتیجہ دہرانے اور حساسیت جانچنے کے لیے کوڈ، ڈیٹا اور ترتیبات درکار ہیں۔ حیاتیات اور طب میں الگ شہادت کے مراحل ہیں، جہاں موزوں ہو تجربہ گاہ سے جانوروں اور انسانی مطالعات تک۔ طبیعیات میں نظریے یا سیمولیشن کی پیش گوئیوں کو مشاہدات یا تجربات جانچتے ہیں۔ کمپنی کسی مرحلے میں حصہ لے سکتی ہے، مگر ایک مرحلے کے ثبوت کو اگلے کا ثبوت نہیں بنایا جا سکتا۔

نجی AI دریافتوں اور عوامی سائنس پر BIG CHANGE کی سابقہ رائے نے نتائج اور آلات تک رسائی پر اختیار پر غور کیا۔ عوامی اجرا کے بعد بھی سوال ہے: کیا محققین کے پاس وقت، آزادی اور ترغیب ہے کہ ممکنہ نتیجے کو قابلِ اعتماد علم بنائیں؟ جواب مالی اعانت سے تکرار، عوامی وضاحتوں اور تسلیم شدہ اصلاحات میں دکھنا چاہیے، صرف اگلی مسودہ گنتی میں نہیں۔

ماخذ اور مزید مطالعہ