AI-translated from English; not yet reviewed by a fluent editor.

# جب AI لیبز دریافتیں خفیہ رکھیں تو نتائج پر سوال کون اٹھا سکتا ہے؟

> AI کی نجی دریافتیں عوامی اختیار سے متعلق سوال اٹھاتی ہیں: شواہد کون دیکھ سکتا ہے، اگلا تحقیقی سوال کون چنتا ہے اور جوابات سے فائدہ کس کو ملتا ہے؟ اجرا کے محرکات، سائنسی فہم اور انسانی اختیار پر ایک نظر۔

By BIG CHANGE Editorial

Published: 2026-09-22T14:25:09.513Z
Updated: 2026-09-22T14:25:09.513Z
Canonical: https://bigchange.ai/blog/private-ai-discoveries-public-science

![An exposed geometric structure stands outside a partly open research chamber, with broad paths approaching from several directions.](https://bigchange.ai/api/media/file/shared-inquiry-private-system-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE. Shared evidence can give outsiders room to examine and develop an idea even when the discovery system remains private. The geometric sculpture is a conceptual form, not a depiction of a theorem or an unreleased result.

کوئی کمپنی اعلان کرسکتی ہے کہ اس کے AI نے مشکل مسئلہ حل کردیا، اس سے بہت پہلے کہ باقی دنیا جان سکے اسے کیا حاصل ہوا ہے۔ غائب چیز ثبوت، وضاحت، نظام تک رسائی یا محض کام جانچنے کا وقت ہوسکتی ہے۔ ہر کمی کمپنی کو ایک مختلف قسم کا اختیار دیتی ہے۔

چھپی ہوئی AI دریافتوں کے بارے میں حالیہ گفتگو کے پیچھے یہی مفید سوال ہے۔ 15 ستمبر کے ایک مضمون میں کمپیوٹر سائنس دان Scott Aaronson نے اطلاع دی کہ Navier–Stokes اعلان کے ردعمل کے بعد AI کمپنیوں کی جانب سے نظری کمپیوٹر سائنس کے بڑے مسائل کے حل روکنے کی افواہیں تھیں۔ انہوں نے وہ حل شائع نہیں کیے۔ ان کا بیان صرف یہ ثابت کرتا ہے کہ انہوں نے یہ دعویٰ سنا ہے، یہ نہیں کہ نامعلوم نتائج یا بیان کردہ محرکات کی تصدیق ہوئی ہے۔ [Aaronson کا مضمون](https://scottaaronson.blog/?p=10062)

ایک زیادہ ٹھوس پیش رفت بھی ہوئی ہے۔ ریاضی اور مصنوعی ذہانت کا آزاد Advisory Group on Mathematics and Artificial Intelligence کہتا ہے کہ اس کا موجودہ کام OpenAI کو ایسے اہم ریاضیاتی نتائج جاری کرنے کے بارے میں مشورہ دینا ہے جو کمپنی کے بقول اس نے اندرونی طور پر حاصل کیے ہیں۔ اس سے کمپنی کے بتائے ہوئے کام کے گرد اجرا کے تال میل کا عمل ثابت ہوتا ہے۔ مگر اس سے اجرا کے منتظر ہر نتیجے کی تصدیق نہیں ہوتی۔ [مشاورتی گروپ کا بیان](https://agmai.org/)

قارئین کے لیے یہ فرق ایک پُرجوش امکان کو حل شدہ مسائل کی فرضی فہرست بننے سے روکتا ہے۔ سائنس کے لیے اس سے بڑا سوال اٹھتا ہے: اگر دریافتیں نجی نظاموں میں مرتکز ہوجائیں تو باقی سب کے پاس کتنی آزادی باقی رہے گی؟

## بڑی تبدیلی

- **کیا بدلا:** شائع شدہ AI سے تیار کردہ proof artifacts اب کمپنی کے بتائے گئے ایسے نتائج کے ساتھ موجود ہیں جن کا اجرا باہم مشاورت سے طے ہونا باقی ہے۔ مزید خفیہ دریافتوں کے دعوے ابھی غیر مصدقہ ہیں۔
- **یہ کیوں اہم ہے:** لیبارٹریاں یہ اثرانداز ہوسکتی ہیں کہ کون سی دریافت سامنے آئے، ماہرین کب اس کا جائزہ لیں اور طریقوں کو آگے کون بڑھائے۔
- **کس بات پر نظر رکھیں:** کیا اجرا کے انتظامات بیرونی لوگوں کو قابلِاستعمال شواہد اور تنقید کی آزادی دیتے ہیں، اور ساتھ ہی سوال چننے، نتائج سمجھنے اور ان کے فوائد بانٹنے کے لیے درکار انسانی مہارت کو سہارا دیتے ہیں؟

## دریافت عام ہوسکتی ہے، مگر صلاحیت نجی رہ سکتی ہے

OpenAI کا 8 ستمبر کا Navier–Stokes اعلان انتخابی شفافیت کی ایک مثال ہے۔ کمپنی نے تحریری دلیل اور رسمی ثبوت کی فائلیں جاری کیں، جبکہ دریافت کرنے والے نظام کو GPT-6 Astra سے زیادہ صلاحیت رکھنے والا اندرونی ماڈل قرار دیا۔ نتیجہ شائع کرنا اور اسے پیدا کرنے والے نظام تک رسائی دینا دو الگ فیصلے ہیں۔ [OpenAI کا اعلان](https://openai.com/index/navier-stokes-solution/)

ریاضی کا دائرہ بھی احتیاط سے دیکھنا ضروری ہے۔ اعلان کردہ تعمیر میں بیرونی smooth forcing استعمال ہوئی ہے۔ Clay کے سرکاری مسئلے کے بیان میں forcing کو breakdown کے متبادل C اور D میں واضح طور پر اجازت دی گئی ہے؛ بغیر forcing کے global smoothness والے متبادل ایک الگ سوال کرتے ہیں۔ forcing کے ساتھ درست تعمیر بیان کردہ انعامی مسئلے کو حل کرسکتی ہے، جبکہ بغیر forcing والا سوال غیر حل شدہ رہتا ہے۔ [مسئلے کی سرکاری تشکیل](https://www.claymath.org/wp-content/uploads/2022/06/navierstokes.pdf)

11 ستمبر کو Clay نے ممکنہ حل کا خیرمقدم کیا، لیکن جائزے اور credit کے لیے جلدی نہ کرنے کا اپنا عمل برقرار رکھا۔ یہ اعلان پر ادارے کا ردعمل تھا، انعام دینے کا اعلان نہیں۔ [Clay کا ردعمل](https://www.claymath.org/news/navier-stokes-announcement/)

ہم نے وسیع تر ریاضیاتی سلسلے پر اپنی [unit distances سے Navier–Stokes تک کی رہنما](https://bigchange.ai/blog/ai-mathematics-unit-distance-navier-stokes) میں بات کی ہے۔ یہاں اہم فرق یہ ہے کہ اجرا کے بعد کون کیا کرسکتا ہے۔ کوئی بیرونی ریاضی دان ثبوت کا مطالعہ کرسکتا ہے، مگر اسی طرح قریب کے مسئلے کی تحقیق کے لیے وسائل یا ماڈل تک رسائی نہ رکھتا ہو۔ دریافت مشترک ہے؛ اگلی دریافت پیدا کرنے کے ذرائع اب بھی مرتکز ہوسکتے ہیں۔

یہ بندوبست پھر بھی قیمتی ہوسکتا ہے۔ اگر ہر محقق کو اصل تلاش دوبارہ کرنی پڑے تو بہت سے نتائج سے فائدہ اٹھانا مشکل ہوجائے گا۔ کسی خاص ثبوت کو جانچنے کے لیے متعلقہ شواہد تک رسائی اہم ہے، ضروری نہیں کہ دریافت کے لیے استعمال ہونے والا ہر tool بھی ملکیت میں ہو۔ مگر شائع شدہ جواب کی تصدیق کا اہل ہونا بیرونی لوگوں کو یہ طے کرنے میں برابر کا اثر نہیں دیتا کہ اگلا کون سا سوال حل ہوگا۔

## عوام کو اختلاف کا راستہ چاہیے

OpenAI کا عوامی repository اس کے Navier–Stokes اور Euler دعووں کو الگ پہچانتا ہے اور Comparator کے ذریعے proof checking کی تعمیراتی ہدایات اور اضافی راستہ فراہم کرتا ہے۔ یہ قابلِمعائنہ مواد ہے، محض مظاہرے کی ویڈیو نہیں۔ ہم نے دستاویزات پڑھی ہیں، مگر ثبوت دوبارہ build یا آزادانہ certify نہیں کیے۔ [ثبوت کا repository](https://github.com/openai/NavierStokesAndEuler)

Lean کی توثیق سے متعلق رہنما بتاتی ہے کہ کامیاب جانچ کا دائرہ متعین ہوتا ہے۔ جائزہ لینے والوں کو theorem کا مطلب اور مفروضے، بشمول dependencies، دیکھنے چاہییں۔ زیادہ مضبوط جانچ جمع کردہ proof کا الگ سے طے شدہ بیان سے موازنہ اور خودمختار checking software استعمال کرسکتی ہے۔ اس سے بنانے والے پر انحصار کم ہوتا ہے، مگر tools اور specification سے متعلق بیان کردہ مفروضے باقی رہتے ہیں۔ [Lean کی توثیق سے متعلق رہنما](https://lean-lang.org/doc/reference/latest/ValidatingProofs/)

امید افزا امکان بڑا ہے: کوئی نجی نظام مہنگی تلاش کرسکتا ہے، پھر ایسے شواہد جاری کرسکتا ہے جنہیں دوسرے پوری تلاش دہرائے بغیر جانچ سکیں۔ AI کی دریافتیں مشترک وسیلہ بن سکتی ہیں، چاہے بڑے پیمانے پر انہیں پیدا کرنا صرف چند اداروں کی استطاعت میں ہو۔

کمزور صورت میں لیبارٹری چند منتخب ماہرین کو نجی مظاہرہ دکھاتی ہے اور باقی سب سے حمایت پر بھروسا مانگتی ہے۔ یہ ابتدائی قدم معقول ہوسکتا ہے۔ مگر اس سے عوام کو متنازع مفروضہ ڈھونڈنے، تصحیح دیکھنے یا غیر متوقع استعمال آگے بڑھانے کا کہیں کم اختیار ملتا ہے۔ نتیجے تک رسائی اور اختلاف کی بنیاد تک رسائی الگ باتیں ہیں۔

ایک اصل فرضی مثال لیں۔ یونیورسٹی کا ایک گروپ optimization کے مسائل کے ایک زمرے پر تحقیق کررہا ہے۔ ایک کمپنی نجی طور پر ایسا طریقہ ڈھونڈتی ہے جو ایک اہم صورت بہتر کرتا ہے۔ وہ طریقہ اور عین ضمانت شائع کرسکتی ہے، یا آن لائن سروس دے سکتی ہے جو جوابات فراہم کرے مگر طریقہ نجی رکھے۔

دونوں راستے صارفین کی مدد کرسکتے ہیں۔ صرف پہلا راستہ لازماً یونیورسٹی کو ایسی چیز دیتا ہے جسے وہ سروس تک مستقل رسائی کے بغیر جانچ، سکھا اور بدل سکتی ہے۔ اگر کمپنی شرائط بدل دے، ماڈل واپس لے لے یا اس شعبے کی مدد بند کردے تو یہ فرق عملی ہوجاتے ہیں۔ مفید سروس کے ساتھ سائنسی انحصار بھی موجود ہوسکتا ہے۔

اسی لیے عوامی فائدہ صرف دریافتوں کی گنتی سے نہیں ناپا جاسکتا۔ اجرا لوگوں کے علم، کام کرنے کی صلاحیت، یا اجازت لینے کی ضرورت میں اضافہ کرسکتا ہے۔ یہ نتائج کبھی ساتھ ساتھ چلتے ہیں، کبھی نہیں۔

## وقفہ سائنس بہتر کرسکتا ہے یا ایک ادارے کی سبقت بڑھا سکتا ہے

بڑی ریلیز میں تال میل رکھنے کے معقول اسباب ہیں۔ ماہرین کو دعویٰ جانچنے، پہلے کے کام کی شناخت اور وضاحت تیار کرنے کے لیے وقت درکار ہوسکتا ہے۔ اشاعت سے پہلے تصحیح ہوجائے تو بہت سے لوگ غلطی کو آگے بڑھانے سے بچ سکتے ہیں۔ credit کا تنازع بھی اعلانوں کی دوڑ کے بجائے شواہد کا مستحق ہے۔

لیکن وہی تاخیر بیرونی لوگوں پر مختلف اثر ڈال سکتی ہے۔ فرض کریں کوئی تحقیقی گروپ یہ جانے بغیر اگلا منصوبہ چن لے کہ کمپنی کے بقول مرکزی conjecture حل ہوچکی ہے۔ وہ مہینوں پرانا سوال حل کرنے میں لگاسکتا ہے۔ یا صرف منتخب ساتھیوں کو پہلے رسائی دینے سے انہیں بعد کے نتائج تیار کرنے میں برتری مل سکتی ہے۔ یہ غیر مساوی معلومات کے ممکنہ نتائج ہیں، کسی مخصوص غیر شائع شدہ theorem کے بارے میں الزام نہیں۔

متعلقہ سوال یہ ہے کہ تاخیر سے کیا مقصد پورا ہوتا ہے اور اس کا جواب دہ کون ہے۔ ایسا جائزہ جس میں دعویٰ واضح ہو، آزاد قارئین شامل ہوں اور نتیجہ بتانے کا منصوبہ ہو، غیر معینہ رازداری اور غیر معمولی صلاحیت کے اشاروں سے مختلف ہے۔ اداروں کو کام جانچنے کی گنجائش چاہیے؛ عوام کو یہ فرق کرنے کی وجہ چاہیے کہ جانچ جاری ہے یا تشہیر ہورہی ہے۔

نیا مشاورتی گروپ ایک راستہ فراہم کرتا ہے۔ اس کے مطابق ارکان معاوضہ نہیں لیتے، سفارشات عوامی ہوں گی اور فیصلے کا اختیار کمپنیوں کے پاس رہے گا۔ اس کی آزادی مفید ہے، مگر مشورہ نتیجہ جاری کرنے کی پابندی نہیں بنتا اور نہ محققین کو رسائی دیتا ہے۔ [آزادی اور جواب دہی](https://agmai.org/)

ہمارے خیال میں مفید انتظام کو مشورے پر ردعمل واضح کرنا چاہیے۔ کمپنی بتاسکتی ہے کہ کون سی سفارش مانی، کس چیز کی جانچ جاری ہے اور جائزہ لینے والے حل طلب خدشات کیسے اٹھا سکتے ہیں۔ اس طرح باہر کے لوگ عمل کا جائزہ لے سکیں گے، بغیر اس کے کہ theorem کے تصفیے سے پہلے اسے حتمی قرار دینے کا اعلان لازم ہو۔

## سب سے مضبوط تنقید یہ مانتی ہے کہ AI کامیاب ہوسکتا ہے

11 ستمبر کا اعلامیہ *ریاضی میں AI کا شدید عدم توازن* ریاضیاتی صلاحیت میں خاطر خواہ بہتری کو کھلے عام تسلیم کرتا ہے۔ اس کا اعتراض محرکات سے متعلق ہے: مشہور مسائل کو benchmark بنانے سے خیالات کی نشوونما، نسبت اور اس تربیت کو نظرانداز کیا جاسکتا ہے جس سے لوگ نئے سوال وضع کرنا سیکھتے ہیں۔ اعلامیہ AI سے ریاضی کے مطالعے کو بہتر بنانے کی صلاحیت بھی تسلیم کرتا ہے۔ [اعلامیہ](https://www.mathandai.org/)

یہ اس سادہ بات سے زیادہ سخت دلیل ہے کہ مشین کوئی دریافت نہیں کرسکتی۔ یہ پوچھتی ہے کہ کامیاب نظام اسی نتیجے کو بہتر بنانے کے لیے کام کررہا ہے یا نہیں جس کی جواب وصول کرنے والی برادری کو ضرورت ہے۔ لیبارٹری صلاحیت کا غیر مبہم مظاہرہ چاہ سکتی ہے۔ محقق کو شاید ایسے طریقے کی زیادہ فکر ہو جو تحقیق کے کئی نئے رخ کھولے، بشمول ایسے رخ جو launch اعلان کے لیے بہت غیر معروف ہوں۔

ان مفادات کے خودبخود ایک ہونے کی کوئی وجہ نہیں۔ اور نہ ہی ان میں لازماً ٹکراؤ ہے۔ لیبارٹری اپنی دریافتوں کو مفید بنانے والی کھوج اور وضاحت پر سرمایہ لگا سکتی ہے۔ یونیورسٹیاں ایسے کام کو تسلیم کرسکتی ہیں جو طاقتور نئے طریقے کو اس شعبے میں ڈھالے جسے لیبارٹری نے ترجیح نہ دی ہو۔ اشاعتی ادارے پہلی دریافتوں کے ساتھ وضاحت اور ترکیب کے کام کو جگہ دے سکتے ہیں۔

تنقید کو بھی شواہد کے سامنے جواب دہ ہونا چاہیے۔ درست اور اہم نتیجے کو نظام کی صلاحیت کے جائزے پر اثرانداز ہونا چاہیے۔ اس کے ماخذ سے ناگواری اسے غلط نہیں کرسکتی۔ اسی طرح، متاثرکن نتیجہ صرف متاثرکن ہونے کے سبب رسائی یا credit کے سوال کا جواب نہیں دیتا۔ ان فیصلوں کو الگ رکھنے سے ریاضی کا خیرمقدم کرتے ہوئے دنیا تک پہنچنے والی شرائط پر سوال اٹھانا ممکن ہوتا ہے۔

Aaronson کا مضمون اس تناؤ کو سمیٹتا ہے: وہ حالیہ پیش رفت کو انقلابی سمجھتے ہیں اور ساتھ انسانی فہم محفوظ رکھنے کی کوشش کی حمایت کرتے ہیں۔ ان کا بیان کہ singularity کا آغاز ہوچکا، واقعات کی تعبیر ہے، سائنسی حد کا ثابت شدہ معیار نہیں۔ [ان کا بیان کردہ مؤقف](https://scottaaronson.blog/?p=10062)

## تیز دریافت اور بامعنی انسانی کام دونوں حقیقی مفادات ہیں

وسیع تر دلیل ستمبر کے اعلانات سے پہلے کی ہے۔ AI محقق Julian Togelius نے دسمبر 2025 کے مضمون میں سائنس دانوں کی مدد کرنے والے tools اور ان کی شرکت کو غیر ضروری کردینے والی automation میں فرق کیا۔ انہوں نے انسانی اختیار اور حصہ ڈالنے کے موقع کا دفاع کیا، حتیٰ کہ اس فرضی صورت میں بھی جہاں مکمل automation طبی ترقی تیز کردے۔ یہ ممکنہ مستقبل کے بارے میں اخلاقی مؤقف ہے، اس بات کا ثبوت نہیں کہ سائنسی کام اب غیرضروری ہوچکا ہے۔ [Togelius کا مضمون](https://togelius.blogspot.com/2025/12/please-dont-automate-science.html)

موجودہ کام کرنے والوں کی خوشی کی خاطر کسی سرگرمی کا دفاع کرنے کی حقیقی قیمت بھی ہے۔ اگر بہتر طریقہ تکلیف کم کرسکتا ہے تو فائدہ اٹھانے والے لوگوں کے مفادات کو بھی اتنا وزن ملنا چاہیے جتنا ان کے پیشے بدلنے والوں کو۔ بامعنی کام کا عزم مفید دریافتوں پر خودکار ویٹو نہیں بننا چاہیے۔

لیکن انتخاب ہر موجودہ کام کو بچانے اور لوگوں کو سائنس سے نکالنے کے درمیان ہونا ضروری نہیں۔ سوال کون چنتا، نظرانداز ضرورت پہچانتا، ثبوت کے اطلاق کا فیصلہ کرتا اور اس کے بعد کا قدم طے کرتا ہے؟ مشینیں بالآخر ان کے کئی تکنیکی حصوں میں بہتر ہوجائیں تب بھی یہ فیصلے عوام پر اثرانداز ہوتے ہیں۔ ان پر اثر برقرار رکھنا پیشہ ورانہ شناخت کے ساتھ حکمرانی کا مسئلہ بھی ہے۔

Dario Amodei کا اکتوبر 2024 کا مضمون AI سے حیاتیات تیز ہونے اور زندگی بہتر ہونے کا وسیع پُرامید تصور پیش کرتا ہے۔ وہ تجربات، ڈیٹا اور طبعی دنیا سے متعلق حدود بھی بتاتا ہے۔ یہ طاقتور مستقبل کے نظاموں کے بارے میں مفروضوں پر مبنی پیش گوئی ہے، ریاضی کی کسی دریافت سے طے شدہ نظام الاوقات نہیں۔ [محبت بھری مشینیں](https://darioamodei.com/essay/machines-of-loving-grace)

مساوات کا ثبوت خودبخود مؤثر علاج یا سستا توانائی نظام نہیں دکھاتا۔ ہر استعمال کے لیے مزید شواہد درکار ہیں۔ پھر بھی، تیز تر ترقی کے امکان کو قدر کی نگاہ سے دیکھنا معقول ہے: اگر مدد محققین کو غیر مفید رخ رد کرنے یا زیادہ معلوماتی تجربہ بنانے دے تو تحقیق کے خودمختار ہونے سے بہت پہلے فائدہ ہوسکتا ہے۔

تقسیم کا سوال پھر سامنے آتا ہے۔ کوئی پیش رفت سائنسی طور پر درست ہوکر بھی صرف ان لوگوں تک پہنچ سکتی ہے جو اس کی استطاعت رکھتے ہیں۔ تحقیق تیز ہوسکتی ہے اور ساتھ انہی مسائل پر مرکوز رہ سکتی ہے جنہیں مالکان اہم سمجھتے ہیں۔ تیزی کا فائدہ وسیع عوام تک پہنچے گا یا نہیں، جزوی طور پر فنڈنگ، رسائی اور تعیناتی کے انتخاب پر منحصر ہے۔ دریافتوں کی تعداد ہمارے لیے یہ فیصلے نہیں کرتی۔

## درستگی کا ثبوت اچھے فیصلے کی ضمانت نہیں

Alignment ایک اور سوال اٹھاتا ہے۔ کوئی نظام دلیل ڈھونڈنے میں بہترین ہو، مگر طویل تحقیقی منصوبے میں اپنے منتظم کی نیت پر مسلسل عمل کرنے میں ناقابلِاعتماد ہوسکتا ہے۔ جانچا ہوا ریاضیاتی نتیجہ اس نتیجے کے بارے میں کچھ ثابت کرے گا۔ وہ بذاتِ خود یہ ثابت نہیں کرتا کہ نظام اجازتوں کا مسلسل احترام کرتا، ناکامی صاف گوئی سے بتاتا یا درست اہداف پر کام کرتا ہے۔

بڑھتے ہوئے قابل نظاموں کو لیبارٹریوں میں استعمال کرنے کے لیے یہ فرق اہم ہے۔ محدود تلاش سپرد کرکے اس کے نتیجے کی جانچ کرنا، تجربوں، اخراجات یا اشاعت پر وسیع اختیار دینے سے مختلف ہے۔ سائنسی کامیابی مزید پرعزم تحقیق آزمانے کا جواز دے سکتی ہے، جبکہ ہر اجازت کے لیے الگ جواز درکار ہے۔

انسانی فہم محفوظ رکھنا یہاں مددگار ہے، مگر alignment کا عالمگیر حل نہیں۔ دریافت کے پیچھے ریاضی جاننے سے ماڈل کے ہر رویے کا پتا نہیں چلتا۔ دوسری طرف، مفید نگرانی کے لیے کسی شخص کو ہر درمیانی حساب دوبارہ بنانے کی ضرورت بھی نہیں۔ عملی مقصد اتنی آزادانہ صلاحیت اور ثبوت محفوظ رکھنا ہے کہ جب نظام کا کام مطلوبہ مقصد پورا نہ کرے تو اسے پہچانا جاسکے۔

معنی کے سوال کا جواب بھی اس وعدے سے نہیں دیا جاسکتا کہ فراغت ہر کھوئے ہوئے عہدے کا بدل بن جائے گی۔ Amodei کا کہنا ہے کہ AI سے بہتر کارکردگی کے باوجود تعلقات اور سرگرمیاں بامعنی رہ سکتی ہیں، جبکہ وہ ایسے مستقبل کے معاشی انتظامات کو غیر طے شدہ مانتے ہیں۔ یہ ایک ممکنہ نقطۂ نظر ہے، بے تکلیف تبدیلی کی ضمانت نہیں۔ [کام اور معنی](https://darioamodei.com/essay/machines-of-loving-grace)

طالب علم نتیجہ سمجھے جانے کو اس کا پہلا دریافت کنندہ بننے سے زیادہ اہم سمجھ سکتا ہے۔ کوئی برادری تعلیم، بحث اور تحقیق کو اس شرط کے بغیر اہم جان سکتی ہے کہ اس کے ارکان ہر مشین سے بہتر ہوں۔ تاہم، ان سرگرمیوں کو ممکن بنانے والے اداروں کے لیے وسائل اور فیصلے درکار ہوتے ہیں۔ ذاتی آسودگی تنہا لیبارٹری کے اخراجات نہیں دے سکتی، ماڈل تک رسائی کی ضمانت نہیں بن سکتی یا شعبہ محفوظ نہیں رکھ سکتی۔

## اجرا کا فیصلہ اس سے کریں کہ وہ کتنی آزادی پیدا کرتا ہے

کیا کوئی شخص کمپنی کے بیان پر مکمل انحصار کیے بغیر دعوے پر اعتراض کرسکتا ہے؟ کیا کوئی دوسرا گروپ ناقابلِبرداشت تلاش دہرائے بغیر نتیجہ استعمال کرسکتا ہے؟ کیا محقق ایسے follow-up سوال چن سکتے ہیں جن میں نتیجہ پیش کرنے والے کی دلچسپی کم ہو؟ کیا ایسے لوگ اور ادارے ہیں جو کام سمجھا، درست اور توجہ دوسری طرف ہونے کے بعد بھی دستیاب رکھ سکیں؟

یہ سوالات پُرامید اور مایوس کن مستقبل کو جوڑتے ہیں۔ ایک صورت میں طاقتور نجی tools علم کے بڑے مشترک ذخیرے میں حصہ ڈالتے ہیں، اور زیادہ لوگ ایسے سوالات پر تحقیق کرتے ہیں جو پہلے دسترس سے باہر تھے۔ دوسری صورت میں بیرونی لوگوں کو متاثرکن جوابات ملتے ہیں، مگر وہ چند تنظیموں پر مزید منحصر ہوجاتے ہیں کہ کون سے سوال پوچھنے کے لائق ہیں۔

ہمیں ابھی افواہ شدہ خفیہ نتائج کا مواد معلوم نہیں۔ البتہ سامنے آنے والے نتائج کے گرد بننے والے انتظامات کو جانچ سکتے ہیں۔ AI کی بڑی دریافت سے باقی سائنس کی اپنی قوتِعمل میں اضافہ ہونا چاہیے۔

## Sources

- [Scott Aaronson: حیرت اور دہشت کا دور](https://scottaaronson.blog/?p=10062) — Aaronson افواہوں کی اطلاع اور AI کی پیش رفت کی اپنی تعبیر پیش کرتے ہیں۔ وہ نامعلوم حل یا انہیں روکے رکھنے کے بیان کردہ محرک کی تفصیل یا تصدیق نہیں کرتے۔
- [ریاضی اور مصنوعی ذہانت سے متعلق Advisory Group](https://agmai.org/) — اس کے بیان کردہ دائرۂ کار اور آزادی کی وضاحت کرتا ہے۔ زیرِانتظار نتائج OpenAI کے بتائے ہوئے ہیں؛ گروپ کا بیان ان کی عوامی تصدیق نہیں۔
- [OpenAI: Navier–Stokes کے ملینیم انعام والے مسئلے پر](https://openai.com/index/navier-stokes-solution/) — کمپنی کا بیان شائع شدہ proof artifacts کو ایک اندرونی ماڈل سے جوڑتا ہے۔ بیک وقت کام کرنے والے حصے کی تازہ کاری 10 ستمبر کو ہوئی؛ یہ مضمون ماخذ کی نسبت کا فیصلہ نہیں کرتا۔
- [Clay: Navier–Stokes مسئلے کی سرکاری تشکیل](https://www.claymath.org/wp-content/uploads/2022/06/navierstokes.pdf) — forcing کے ساتھ breakdown کے متبادل اور بغیر forcing کے smoothness متبادل متعین کرتا ہے۔ یہ تجویز کردہ حل کی تصدیق نہیں بلکہ سوال کا دائرہ طے کرتا ہے۔
- [Clay: Navier–Stokes اعلان](https://www.claymath.org/news/navier-stokes-announcement/) — ادارہ جاتی اور مشروط ردعمل جائزے اور credit کے طریقۂ کار کو برقرار رکھتا ہے۔ اس میں انعام دینے کا اعلان نہیں۔
- [OpenAI: Navier–Stokes اور Euler proof repository](https://github.com/openai/NavierStokesAndEuler) — عوامی repository دونوں نتائج الگ کرتی اور تعمیر و جانچ کی ہدایات دیتی ہے۔ ہم نے ثبوت دوبارہ build یا certify کیے بغیر دستاویزات پڑھیں۔
- [Lean: Lean proof کی توثیق](https://lean-lang.org/doc/reference/latest/ValidatingProofs/) — ثبوت کی جانچ کی ضمانتوں، مفروضوں کے audit اور زیادہ مضبوط آزادانہ جانچ کی وضاحت۔ intended theorem کی درست تعبیر الگ مسئلہ رہتی ہے۔
- [ریاضی اور AI کا اعلامیہ](https://www.mathandai.org/) — محرکات، نسبت اور انسانی فہم سے متعلق خدشات کا بنیادی بیان۔ یہ AI کی پیش رفت اور ممکنہ فائدے تسلیم کرتا ہے؛ نقصان کی پیمائش نہیں کرتا۔
- [Julian Togelius: براہِ کرم، سائنس کو خودکار نہ بنائیں!](https://togelius.blogspot.com/2025/12/please-dont-automate-science.html) — اصل مضمون سائنس دانوں کی مدد اور انہیں غیرضروری بنانے میں فرق کرتا ہے۔ اس کی دلیل فرضی مستقبل میں اختیار اور معنی سے متعلق ہے، تصدیق شدہ پیش گوئی نہیں۔
- [Dario Amodei: محبت بھری مشینیں](https://darioamodei.com/essay/machines-of-loving-grace) — واضح طور پر قیاسی پُرامید مضمون جس میں عملی حدود اور غیر حل شدہ معاشی سوالات بھی ہیں۔ اس کے منظرنامے نہ کوئی نظام الاوقات طے کرتے ہیں نہ طبی نتیجہ۔