اوبر کی خود ڈرائیونگ کار حادثہ: کیا عی ہمیں ناکام ہوگئی؟

12 مارچ کو ، ایم آئ ٹی ٹکنالوجی ریویو نے ایک کہانی چلائی جو اس طرح شروع ہوئی: "یہ سال 2023 ہے ، اور خود چلنے والی کاریں آخر کار ہمارے شہر کی سڑکوں پر گشت کرتی ہیں۔ پہلی بار ، ان میں سے کسی نے راہگیر کو ٹکر مار کر ہلاک کیا ، میڈیا کی زبردست کوریج۔ ایک اعلی سطح پر مقدمہ چلنے کا امکان ہے ، لیکن کون سے قوانین کو لاگو ہونا چاہئے؟ "

پیشن گوئی کے بارے میں سب کچھ ٹھیک تھا ، سوائے تاریخ کے۔ مضمون شائع ہونے کے ٹھیک ایک ہفتہ بعد ، ایک خود چلانے والے اوبر نے خود مختار انداز میں کام کرتے ہوئے ، ایریزونا کے ٹمپ میں ایک راہگیر کو ٹکر مار کر ہلاک کردیا۔

اگرچہ اس واقعے کی ابھی بھی تحقیقات کی جارہی ہیں ، لیکن اس کے بعد جو ہنگامہ ہوا اس سے اس بات کا اشارہ ملتا ہے کہ ہم اپنے نازک کاموں اور فیصلوں میں مصنوعی ذہانت کو کامیابی کے ساتھ مربوط کرنے سے کس حد تک دور ہیں۔

بہت سے معاملات میں ، یہ مسئلہ AI کا نہیں ہے بلکہ ہماری توقعات اور اس کی سمجھ سے ہے۔ وائرڈ کے مطابق ، صرف امریکہ میں پچھلے سال 40،000 افراد سڑک کے واقعات میں ہلاک ہوئے - جن میں سے 6،000 پیدل چلنے والے تھے۔ لیکن اوبر واقعہ کی طرح بہت ہی کم (اگر کوئی ہے) نے سرخیاں بنائیں۔

اوبر کے حادثے میں اس طرح کے ہنگامے کا سبب بننے کی ایک وجہ یہ ہے کہ ہم عام طور پر نئی ٹیکنالوجیز سے بہت زیادہ توقعات رکھتے ہیں ، یہاں تک کہ جب وہ ابھی بھی ترقی میں ہیں۔ اس فریب کے تحت کہ خالص ریاضی ریاضی اے الگورتھم چلاتا ہے ، ہم ان کے فیصلوں پر بھروسہ کرتے ہیں اور جب وہ غلطیاں کرتے ہیں تو حیران رہ جاتے ہیں۔

یہاں تک کہ خود سے چلنے والی کاروں کے پہیے کے پیچھے سیفٹی ڈرائیور بھی اپنے محافظ کو نیچے آنے دیتے ہیں۔ اوبر واقعہ سے متعلق فوٹیج میں دکھایا گیا تھا کہ حادثے کا واقعہ ہونے سے کچھ سیکنڈ پہلے نیچے دیکھا تو ڈرائیور کا رخ بگڑا ہوا تھا۔

سن 2016 میں ، آٹوپیلٹ موڈ میں چلنے والے ٹیسلا ایس ماڈل کے ڈرائیور کی گاڑی ٹرک سے ٹکرا جانے کے بعد چل بسے۔ ایک تفتیش میں پتا چلا ہے کہ تصادم کے وقت ڈرائیور ہیری پوٹر فلم دیکھ رہا ہوگا۔

کمال کی توقعات زیادہ ہیں ، اور مایوسی طاقتور ہے۔ ناقدین نے اس واقعے کے بعد اوبر کے خود سے چلانے والی کار منصوبے کو سوالیہ نشان بنادیا۔ کمپنی نے اس کے نتیجے میں خود ڈرائیونگ کار کی جانچ کو عارضی طور پر معطل کردیا ہے۔

اے آئی انسان نہیں ہے

اس حادثے کے بعد ہونے والی تنقیدوں میں ایک یہ بھی تھا کہ ایک انسانی ڈرائیور آسانی سے اس واقعے سے بچ جاتا۔

ایک ماہر نے سی این این کو بتایا ، "جھاڑیوں سے چھلانگ نہیں لگا رہی تھی۔ وہ ٹریفک کی متعدد گلیوں میں واضح پیشرفت کر رہی تھی ، جسے لینے کے لئے سسٹم کے دائرے میں رہنا چاہئے تھا۔"

وہ ٹھیک ہے۔ ممکنہ طور پر ایک تجربہ کار انسانی ڈرائیور نے اسے تلاش کیا ہوگا۔ لیکن AI الگورتھم انسان نہیں ہیں۔

سیلف ڈرائیونگ کاروں میں پائی جانے والی گہری سیکھنے کے الگورتھم اپنے ڈومین کے قواعد کو "سیکھنے" کے لئے متعدد مثالوں کا استعمال کرتے ہیں۔ جب وہ سڑک پر وقت گزارتے ہیں تو ، وہ جو معلومات اکٹھا کرتے ہیں ان کی درجہ بندی کرتے ہیں اور مختلف حالات کو سنبھالنا سیکھتے ہیں۔ لیکن اس کا لازمی مطلب یہ نہیں ہے کہ وہ وہی فیصلہ سازی کے عمل کو استعمال کرتے ہیں جیسے انسانی ڈرائیور۔ یہی وجہ ہے کہ وہ کچھ حالات میں انسانوں سے بہتر کارکردگی کا مظاہرہ کرسکتے ہیں اور ان میں ناکام ہوجاتے ہیں جو انسانوں کے لئے معمولی معلوم ہوتے ہیں۔

اس کی ایک عمدہ مثال تصویری درجہ بندی الگورتھم ہے ، جو لاکھوں لیبل لگے ہوئے تصاویر کا تجزیہ کرکے تصاویر کو پہچاننا سیکھتی ہے۔ برسوں کے دوران ، تصویری درجہ بندی انتہائی کارگر ہوچکی ہے اور بہت سی ترتیبات میں انسانوں کو پیچھے چھوڑ دیتی ہے۔ اگرچہ ، اس کا مطلب یہ نہیں ہے کہ الگورتھم تصاویر کے تناظر کو اسی طرح سمجھتے ہیں جیسے انسان کرتے ہیں۔

مثال کے طور پر ، مائیکرو سافٹ اور اسٹینفورڈ یونیورسٹی کے ماہرین کی تحقیق سے معلوم ہوا ہے کہ سفید بلیوں کی تصاویر کے ساتھ تربیت یافتہ گہری سیکھنے والا الگورتھم اعلی یقین کے ساتھ یقین کرتا ہے کہ ایک سفید کتے کی تصویر بلی کی نمائندگی کرتی ہے ، ایک ایسی غلطی جس سے انسان بچہ آسانی سے بچ سکتا ہے۔ اور ایک بدنام زمانہ صورت میں ، گوگل کی تصویری درجہ بندی الگورتھم نے غلطی سے گہری رنگ کے لوگوں کو گوریلوں کے طور پر درجہ بند کیا۔

انھیں "ایج کیسز" کہا جاتا ہے ، ایسی صورتحال جنہیں AI الگورتھم کو سنبھالنے کی تربیت نہیں دی گئی ہے ، عام طور پر اعداد و شمار کی کمی کی وجہ سے۔ اوبر حادثے کی تاحال تحقیقات جاری ہیں ، لیکن کچھ اے آئی ماہرین کا مشورہ ہے کہ یہ دوسرا واقعہ ہوسکتا ہے۔

اس سے پہلے کہ اہم حالات میں اس کا اطلاق کرنے سے پہلے گہری تعلیم کے بہت سارے چیلنجز کو دور کرنا ہے۔ لیکن اس کی ناکامیوں سے ہم پرہیز نہیں ہونا چاہئے۔ ہمیں اپنے تاثرات اور توقعات کو ایڈجسٹ کرنا چاہئے اور اس حقیقت کو اپنانا چاہئے کہ اس کی نشوونما کے دوران ہر عظیم ٹکنالوجی ناکام ہوجاتی ہے۔ AI اس سے مختلف نہیں ہے۔