اسکائینٹ حقیقی ہے ، لیکن یہ ہمیں تباہ نہیں کرے گی (امید ہے)

یہ عجیب و غریب طور پر موزوں تھا کہ ڈائریکٹر جیمز کیمرون نے 1984 میں دنیا کو اسکائینٹ سے تعارف کرایا ، جو خیالی سپر اے آئی نے انسانیت کو ختم کرنے کی کوشش کی۔

ٹرمینیٹر لوری کے مطابق ، اسکائینٹ کو 1990 کے اس وقت کے اسوقت میں انسانی عنصر کو امریکی جوہری دفاع سے دور کرنے کے لئے تشکیل دیا گیا تھا۔ لیکن پھر اسکائینٹ نے خود آگاہی حاصل کی ، ایک عالمی جوہری ہولوکاسٹ شروع کیا ، اور بچ جانے والے افراد کو نکالنے کے لئے قاتل بوٹس کی فوج تشکیل دی ، یدہ یدہ یدہ۔

یقینا، ، اس مستقبل کے ڈسٹوپیا کا تصور کافی عرصہ پہلے ہی قابل روبوٹ یا مصنوعی ذہانت جیسی کوئی چیز موجود ہونے سے پہلے ہی کر لیا گیا تھا۔ 2017 میں تیزی سے آگے بڑھنا اور انسانی اختیاری تکنیک صرف حقیقی دنیا میں ہی نہیں ، بلکہ انجینئر انھیں مزید ذمہ داریاں دینے کے ل ways طریقوں کو وضع کرنے میں گھوم رہے ہیں۔ پوری دنیا میں ، خودمختار منی اسکائینٹس (امید ہے کہ فلاحی؟) حقیقت بن رہی ہے۔

اگرچہ ہم جلد ہی کسی بھی طرح جوہری لانچ کوڈ کو الگورتھم کے حوالے سے اتنا خطرناک چیز نہیں دے رہے ہیں ، لیکن معاشرہ دوسرے اہم کاموں کو چلانے کے لئے ٹکنالوجی پر تیزی سے انحصار کررہا ہے۔ در حقیقت ، یہ دنیا اتنی پیچیدہ ہوگئی ہے کہ عملی طور پر یہ ایک ضرورت ہے۔ ہمارا انفراسٹرکچر صرف آن لائن نہیں آرہا ہے ، یہ توقع کرنے اور رد عمل ظاہر کرنے کی صلاحیت حاصل کر رہا ہے۔ ہم نے اپنے الگورتھم کو پیچیدہ نظاموں میں سیکیورٹی کی خلاف ورزیوں کے ساتھ کام کرنے کا کام سونپا ہے ، دنیا کے بیشتر اسٹاک میں تجارت کی ہے ، اور یہاں تک کہ پیش گوئی کی ہے کہ ہوائی جہاز کے انجن کے پرزے جیسی چیزیں اس سے پہلے ہی ٹوٹ سکتی ہیں۔

اس مقصد کے لئے ، انجینئر پیش گوئیاں اور فیصلے کرنے میں مدد کے لئے "ڈیجیٹل جڑواں" جیسی چیزوں کا تیزی سے استعمال کررہے ہیں۔ ڈیجیٹل جڑواں حقیقی چیزوں کی مجازی نمائشیں ہیں (عام طور پر اہم انفراسٹرکچر جیسے بجلی گھر میں ٹربائنز)۔ یہ جڑواں افراد پیش گوئی کرنے کے لئے ریئل ٹائم ڈیٹا کا استعمال کرتے ہیں جب کوئی چیز ناکام ہوسکتی ہے (اس طرح دیکھ بھال کرنے والوں allowing جو خود تیزی سے خود بخود ہوتے ہیں problems مسائل پیدا ہونے سے پہلے ہی ان کو حل کرنے کی اجازت دیتے ہیں)۔ لیکن اگر اے آئی عقل کی ایک قسم ہے تو کیا ڈیجیٹل جڑواں بچوں کو تخیل کی ایک شکل کے طور پر بیان کرنا درست ہوگا؟

"جی ہاں ، یہ ہے۔ لیکن یہ ایک خیالی مرکز ہے جس کے بارے میں یہ حقیقت میں جانتا ہے اور اس کی ماضی کی تاریخ ، اسی طرح ماحولیات اور آپ اسے کس طرح استعمال کررہے ہیں" کے بارے میں ، "جنرل الیکٹرک میں سافٹ ویئر ریسرچ کے وی پی ، ڈاکٹر کولن پیرس کی وضاحت کرتے ہیں اور ڈیجیٹل جڑواں ٹیک کا ایک معروف ڈویلپر جو پی سی میگ کی انٹرویو سیریز ، کونوو میں حالیہ مہمان تھا۔ "یہ تصور اس کو بتاتا ہے 'اس ڈیٹا کی بنیاد پر ، مجھے اس وقت برقرار رکھنے کی ضرورت پڑسکتی ہے۔"

لیکن ڈیجیٹل جڑواں افراد کو کسی ایک ذریعہ سے ان پٹ نہیں بنایا جاسکتا - وہ پورے بیڑے کے تجربات کو بروئے کار لانے کے اہل ہیں۔ اگر الگورتھم ، مثال کے طور پر ، مشاہدہ کیا گیا ہے کہ بارش کے حالات میں طیارے کے ایک مخصوص حصے میں 2،000 لینڈنگ کے بعد پہناوے کا تجربہ کرنا شروع ہوجاتا ہے ، تو اگلی بار جب طیارے کی خدمت میں داخل ہوتا ہے تو یہ دیکھ بھال کرنے والے عملے کو پنگ دے سکتا ہے۔ لیکن سسٹم کو حقیقی انٹلیجنس دینا آپ کی گاڑی کے ڈیش بورڈ پر "چیک اپ کے وقت" سے زیادہ روشنی ہے۔ یہ وقت گزرنے کے ساتھ اپنی صلاحیت کو بہتر بنانے کے بارے میں ہے۔

اے آئی کا ایک فیلڈ جسے "مشین لرننگ" کہا جاتا ہے ، وہ کمپیوٹرز کو انسانیت سے آزاد کاموں میں مہارت حاصل کرنے کی اجازت دیتا ہے۔ جمع شدہ تجربات کو اکٹھا کرتے ہوئے یہ سلائی ایک چھتے دماغ کو سہولت فراہم کرتی ہے جو عقل کا فقدان ہے۔ اس ڈیجیٹل زیتجیسٹ کے بغیر ، خود سے چلانے والی کاروں جیسی پیچیدہ ٹکنالوجی کبھی بھی ممکن نہیں ہوگی۔

ایک بھی انسانی پروگرامر - یا پروگرامروں کی ایک فوج never کبھی بھی سوفٹ ویئر تیار نہیں کرسکتی ہے تاکہ ہر دنیا کے سڑک کے منظر نامے کی توقع کی جاسکے ، لیکن خود چلانے والی کاریں مشاہدے کے ذریعہ سیکھ سکتی ہیں۔ مثال کے طور پر ، خود گاڑی چلانے والی کار شاید وہیل چیئر والے کسی فرد کو نہیں پہچان سکتی ہے ، لیکن یہ دیکھ کر کہ انسان اس ناول کی شکل پر کس طرح کا رد thatعمل ظاہر کرتا ہے جس میں ایک شخص اور ایک کار کے ساتھ خصوصیات ملتی ہیں ، سافٹ ویئر یہ سیکھ سکتا ہے کہ یہ ایک قسم کا پیدل چلنے والا ہے جسے اس طرح سلوک کیا جائے۔

سافٹ ویئر نہ صرف انسانی ڈرائیوروں کے سلوک کو دیکھ کر بہتر ہوتا ہے ، بلکہ یہ بھی ریکارڈ کرتا ہے کہ جب خود گاڑی چلانے والی دوسری کاریں سڑک پر تھیں (اور شاید اس سے بھی اہم بات یہ نہیں تھی کہ) کیا کام کیا ہے۔ یہ فرقہ وارانہ تعلیم مشینوں کو بہت سے غیر متوقع متغیرات والی ایک پیچیدہ دنیا میں جانے کی سہولت فراہم کرتی ہے۔

جب آپ روبوٹکس میں پیشرفت کے ساتھ ورچوئل ماڈلنگ اور پیش گوئی کرنے والی ٹکنالوجیوں کو جوڑ دیتے ہیں تو ، آپ دیکھ سکتے ہیں کہ کس طرح انفراسٹرکچر مزید خودمختار آگے بڑھتا جائے گا۔ یہ آٹومیشن بے روزگاری کے نظارے سے پریشان کن ہے ، لیکن ضروری نہیں کہ انسانیت کا مکمل نقصان ہو۔

"کچھ ایسی ملازمتیں ہیں جو سست ، گندا اور خطرناک ہیں۔ میں اس بات کو یقینی بنانا چاہتا ہوں کہ ہم ان ملازمتوں میں انسانوں کو کثرت سے نہ رکھیں۔" "میں آپ کو ایک مثال پیش کروں گا۔ ہمارے پاس سمندر کے وسط میں تیل کی رسیاں نکالی گئیں ہیں جن میں دیواروں کے ذخیرے ہیں جو وہ ایندھن کو جلانے کے لئے استعمال کرتے ہیں۔ کسی کو ان ڈھیروں پر جاکر دیکھنا پڑتا ہے کہ اس میں زنگ آلود ہے یا نہیں۔ یہ 200 ہے۔ ہوا میں پاؤں ، وہ رسی کے ساتھ لٹکے ہوئے ہیں ، وہاں ہلکی سی تیز ہوائیں چل رہی ہیں۔ غلطی کے امکانات بہت زیادہ ہیں۔ لیکن اب ہمارے پاس ڈرون ہیں۔ ڈرون وہاں اڑتے ہیں اور ایک دائرے میں اڑتے ہیں اور تصاویر کھینچتے ہیں۔ یہ سافٹ ویئر تجزیہ کرتا ہے کہ زنگ اور نقصان کہاں ہے۔ لہذا اب ہمیں انسانوں کو کسی خطرناک جگہ پر نہیں ڈالنا ہے۔

جیسے جیسے روبوٹ کمتر ، ہوشیار اور زیادہ قابل ہوجاتے ہیں ، آپ دیکھ سکتے ہیں کہ جس نظام پر تہذیب انحصار کرتی ہے وہ خود کو برقرار رکھنے (اور ممکنہ طور پر مرمت اور تعمیر) بھی سیکھ سکتی ہے۔ یہ تقریبا ایسا ہی ہے جیسے وہ زندگی جیسے نظاموں میں ترقی کر رہے ہیں ، جو سیکھ سکتے ہیں ، تصور کرسکتے ہیں اور تخمینہ لگ سکتے ہیں۔ امید ہے کہ وہ ایک دن ہمیں تباہ کرنے کا فیصلہ نہیں کریں گے۔