ای آئی اور تخلیقیت: جب ہم 'بیکار کام' کو آؤٹ سورس کرتے ہیں تو کیا ہوتا ہے؟

ای آئی اپنی لمحاتِ ابہام کو چھین رہی ہے۔

مضمون کا مصنف، ذریعہ: یوان زینگ کامرسی نوٹس

گزشتہ دو سالوں میں، تقریباً ہر AI کمپنی ایک ہی کہانی سنارہی تھی:

دہرائی جانے والی مصروفیات کو AI کے سپرد کر دیں، تاکہ انسان وقت حاصل کر سکیں اور زیادہ تخلیقی کاموں پر توجہ دے سکیں۔

یہ بات سننے میں بہت مناسب لگتی ہے۔ AI کو معلومات کو ترتیب دینے، ٹیبلز کو سنبھالنے اور میٹنگ کے نوٹس لکھنے کے لیے چھوڑ دیں، اور انسانوں کو حکمت عملی، مصنوعات اور تخلیقی خیالات پر غور کرنے دیں، یہ ایک مکمل سماجی تقسیمِ کام ہے۔

لیکن اس نے ایک پیش‌فرض چھپا رکھا ہے: دہرائی جانے والی مزدوری اور تخلیقی کام، دو الگ الگ چیزیں ہیں جنہیں ایک ہی طرح سے تقسیم کیا جا سکتا ہے۔

تاریخی طور پر دیے گئے جوابات اتنے واضح نہیں تھے۔

بہت سے اصلی ایجادیں، دہرائے جانے والے کام کے ختم ہونے کے بعد نہیں، بلکہ دہرائے جانے، ناکامی اور ذہن کے بھٹک جانے کے درمیان کی خالی جگہوں میں ہوتی ہیں۔ آپ ایک مسئلے کے ساتھ لمبا وقت لڑتے ہیں، بار بار حساب لگاتے، نگاہ رکھتے اور تبدیلیاں کرتے ہیں، اور پھر ایک عام لمحے میں اچانک سب کچھ جُڑ جاتا ہے۔

اگر AI ہم سب بےکار محنت کو لے لے، تو اس سے صرف وقت ہی نہیں، بلکہ کچھ اور بھی آزاد ہو سکتا ہے۔

یہ اس کے لیے جگہ بھی لے سکتا ہے جہاں سے حوصلہ افزائی کا عمل شروع ہوتا ہے۔

نیوٹن اور سیب کی کہانی، انسانی تاریخ کی سب سے کامیاب "نوآوری کی افسانہ" ہے۔

ایک سیب درخت سے گر کر نیوٹن پر گرا۔ نیوٹن کو ایک تیز خیال آیا اور انہوں نے گرانیٹیشن کا قانون دریافت کیا۔

حقیقی ورژن اتنی آسان نہیں ہوتا۔

نیوٹن کے دوست ویلیم اسٹکلی نے اپنی یادداشتوں میں درج کیا کہ 1726 میں، دونوں ایک سیب کے درخت کے نیچے چائے پی رہے تھے۔ نیوٹن نے یاد کیا کہ اس وقت وہ غور و فکر میں مبتلا تھے، جب انہوں نے دیکھا کہ ایک سیب گرا، تو انہوں نے سوچا: سیب ہمیشہ زمین کی طرف عمودی طور پر کیوں گرتا ہے، نہ کہ اوپر یا جانب کی طرف؟ اس کے بعد، وہ " gradually " اس طاقت کو زمین، چاند اور دیگر آسمانی جسموں تک پھیلا دیا۔[1]

تصویر 1｜ ایپل نے جواب نہیں دیا، بلکہ صرف نیوٹن کی لمبے عرصے تک کی سوچ اور جمع کردہ معلومات کو جلا دیا۔

سیب نے نیوٹن کو نہیں مارا، اور نہ ہی اس سے براہ راست ایک قانون نکلا۔

یہ ایک مچھلی کی طرح ہے جو پہلے سے سامان سے بھرے ہوئے ایک گودام میں گر گئی۔

ریاضیدان پوانکارے کا تجربہ زیادہ معمولی ہے۔

اس نے ایک قسم کے فنکشن پر لگاتار تحقیق کی، بہت سارے حسابات کیے، اور بار بار ناکامی کا شکار ہوا۔ بعد میں، اس نے اپنا کام عارضی طور پر چھوڑ دیا اور سفر پر نکل گیا۔ جس لمحے اس نے ایک بس میں سوار ہونا شروع کیا، اس کے دماغ میں ایک اہم ربط اچانک آ گیا: اس کے تحقیق کیے جانے والے تبدیلیاں، غیر اقلیدسی هندسہ میں تبدیلیوں کے ایک ہی قسم تھیں۔

یہ خیال بہت جلد آ گیا، حتیٰ کہ اسے فوری طور پر منطقی طور پر نہیں سمجھا گیا۔ سفر کے بعد، پوانکارے نے اپنے میز کے پاس واپس جا کر اسے مکمل طور پر تصدیق کرنے میں وقت گزارا۔

اس نے بعد میں تخلیقی عمل کو کئی مراحل میں تقسیم کیا: پہلے سوچی سمجھی مشقت، پھر ایک ایسی مدت جس میں لگتا تھا کہ کچھ نہیں ہو رہا، اس کے بعد اچانک روشنی، اور آخر میں سخت تصدیق پر واپسی۔[2]

فیرما کے آخری نظریہ کا ثبوت بھی ایسا ہی ہے۔

اینڈریو وائلز نے سات سال تک چھپ کر کام کیا، 1993 میں انہوں نے ثابت کرنے کی کامیابی کا اعلان کیا، لیکن کچھ ماہ بعد ایک خامی دریافت ہو گئی۔ وہ ایک سال مزید کام کرتے رہے اور اپنے طالب علم رچرڈ ٹیلر کے ساتھ روزمرہ کی طرح راستے تلاش کرتے رہے، جب تک کہ ستمبر 1994 میں انہوں نے خامی کو دور نہیں کر لیا۔[3]

لوگ آخری لمحے کو یاد رکھتے ہیں، لیکن ریاضیدان کو ہزاروں بے نتیجہ حسابات، ناکام راستوں اور دوبارہ شروع کرنے کا تجربہ ہوتا ہے۔

ہر ایک لمحہِ ادراک آسمان سے نہیں گرta۔ یہ بے شمار محنت کے بعد دماغ کی طرف سے دی جانے والی تاخیر شدہ قیمت ہے۔

ہم آج اپنے کام کو دو کیٹیگریز میں تقسیم کرنے کا لطف اٹھاتے ہیں: کم قیمت والے کاموں کو مشینوں کو دے دیں اور زیادہ قیمت والے کاموں کو انسانوں کے لیے برقرار رکھیں۔

مسئلہ یہ ہے کہ انسانی دماغ مشورہ کی رپورٹ کے ٹیبلز کے مطابق کام نہیں کرتا۔

ایک صحافی کئی دہائیوں کے فنانشل رپورٹس کو ترتیب دیتے ہوئے شاید دو سیٹس کے اعداد و شمار میں عدم مطابقت پائے؛ ایک پروڈکٹ مینیجر جب تفصیل سے منفی جائزے دیکھ رہا ہو تو شاید اسے احساس ہو جائے کہ صارفین کی شکایت کا اصل سبب فنکشن نہیں ہے؛ ایک ڈاکٹر جب بار بار ایکس رے دیکھ رہا ہو تو اسے غیر معمولی باتوں کے لیے ایک انٹیویشن تعمیر ہوتا ہے۔

یہ کاموں کو الگ الگ دیکھنے پر اعلیٰ نہیں لگتے، بلکہ بہت بے رونق بھی لگتے ہیں۔ لیکن یہ دماغ میں بہت سارے چھوٹے پیٹرنز چھوڑ جاتے ہیں۔

انٹیویشن کا مطلب کبھی کبھی صرف اس تجربے کا ہوتا ہے جو اتنی مہارت حاصل کر چکا ہوتا ہے کہ اسے الفاظ میں بیان نہیں کیا جا سکتا۔

پینسیلین کی دریافت اسی طرح ہوئی۔

1928ء میں، فلمنگ نے چھٹیوں سے واپسی کے بعد ایک سٹیفیلوکوکس کے پالیش کو مائلڈ سے آلودہ پایا، جہاں مائلڈ کے اردگرد جراثیم نہیں بڑھے۔ آلودگی بے ترتیب تھی، لیکن دریافت نہیں۔ ایک ایسا شخص جو جراثیم کا طویل عرصہ مشاہدہ نہ کرتا، صرف ایک ایسا گندہ برتن دیکھتا جسے فوراً پھینک دینا چاہیے۔

جسے زیادہ تر نظرانداز کیا جاتا ہے، وہ یہ ہے کہ فلمنگ نے فوراً دوا تیار نہیں کی۔ تقریباً دس سال بعد، فلوری، چین اور ایک ٹیم نے اس تحقیق کو دوبارہ شروع کیا۔ انہوں نے مولڈ کو دودھ کے بیگل، کھانے کے ڈبے اور یہاں تک کہ باتھ ٹب میں اگایا، اور امریکہ میں زیادہ پیداوار والے جنگلی طرز تلاش کیے، جس کے نتیجے میں لیب میں ایک صدف کو ایک صنعتی مصنوعات میں تبدیل کر دیا گیا جو زندگی بچا سکتی تھی۔[4]

تصویر 2｜ آلودگی اتفاقی ہوتی ہے، لیکن دریافت لمبے عرصے تک مشاہدے پر منحصر ہوتی ہے؛ دواں زیادہ تر اگلے دہائی کے انجینئرنگ پر مبنی ہوتی ہیں۔

تاریخ "یوریکا" (یونانی عبارت جس کا مطلب ہے "میں نے تلاش کر لیا" یا "میں نے دریافت کر لیا") کی کہانیاں پسند کرتی ہے، لیکن صنعت کا اصلی اعتماد "یوریکا" کے بعد کی لمبی، دہرائی جانے والی، اور خوبصورت نہ ہونے والی انجینئرنگ پر ہے۔

جب اینسٹائن نے ریاضیدان ایڈامار کو اپنے سوچنے کے طریقے کے بارے میں بیان کیا، تو انہوں نے کہا کہ سب سے پہلے مکمل زبان نہیں، بلکہ تصاویر، علامات اور حرکت کا احساس والے عناصر ظاہر ہوتے ہیں۔ وہ ان عناصر کو دہراتا رہتا تھا، اور زبان بعد میں آتی تھی۔[5]

تخلیق صرف خالی سے پیدا کرنے کی نہیں، بلکہ دوبارہ مرتب کرنے جیسی ہے۔

آپ نے کیا دیکھا، کیا کیا، اور کہاں ناکام رہے، اس سے آپ کے دماغ میں کیا چیزیں دوبارہ جُڑ سکتی ہیں، یہ طے ہوتا ہے۔

اگر ہمیشہ معلومات کا خلاصہ AI کرے، ہمیشہ پہلا مسودہ AI تیار کرے، اور ہمیشہ ڈیٹا کو AI صاف کرے، تو انسانوں کے لیے بہت آسان ہو جائے گا۔ لیکن وقت کے ساتھ، ہم جو چیزیں دیکھیں گے وہ صرف مشین کے ذریعے پروسیس کیے گئے نتائج ہوں گے، نہ کہ خام، متناقض اور نویسن والی س原材料۔

کارکردگی بہتر ہو گئی، لیکن احساسات شاید کم حساس ہو گئے۔

والٹر ایسکسن نے اپنی کتاب "انویٹرز" میں ایک سوال پوچھا: کمپیوٹر اور انٹرنیٹ کا ایجاد کار کون ہے؟

آخر کار اس نے پایا کہ اس سوال کا جواب ایک شخص کے نام سے نہیں دیا جا سکتا۔

ڈیجیٹل انقلاب کسی عظیم شخصیت کے گاریج میں اچانک نہیں بنایا گیا۔ ابتدائی کمپیوٹر، ٹرانزسٹر، چپس، سافٹ ویئر اور انٹرنیٹ، سب ایک نسل کے بعد دوسری نسل کے بہتری کے نتیجے میں آئے۔ کسی نے تصور پیش کیا، کسی نے سرکٹس کو جوڑا، کسی نے پروگرام لکھا، اور کسی نے مہنگے پروٹو ٹائپس کو عام لوگوں کے لیے استعمال کے قابل بنایا۔

جب کتاب میں ہارورڈ مارک I کمپیوٹر کا ذکر ہوتا ہے، تو گریس ہاپر کی نقل میں ہاورڈ ایکن پر زور دیا جاتا ہے، جبکہ آئی بی ایم کے ورژن میں ان انجینئرز پر زور دیا جاتا ہے جن کے نام بھول گئے گئے: کاؤنٹر، ریڈر وغیرہ جیسے بہت سے تدریجی بہتریوں نے آخری مشین کو تشکیل دیا۔[6]

شکل 3｜ انویٹرز: ڈیجیٹل انقلاب کئی افراد، کئی مراحل اور تدریجی تعاون سے آتا ہے۔

یہ عقلمندی کو انکار نہیں کر رہا، بلکہ نوآوری کی حقیقی ساخت کو واپس لے رہا ہے۔

ایک نوٹیابی واقعہ، جس میں عام طور پر کچھ لوگوں کی تخلیقی خیالات اور زیادہ تر لوگوں کی محنت کی ضرورت ہوتی ہے۔ پہلے والے راستہ بدلتے ہیں، جبکہ دوسرے نئے راستے کو حقیقت میں تبدیل کرتے ہیں۔ دونوں کے درمیان متبادل تعلق نہیں ہے۔

AI کی سب سے زیادہ کشش یہ ہے کہ وہ ایک ساتھ دونوں کردار ادا کرنے کا مظاہرہ کرتی ہے: ایک طرف خیالات دیتی ہے اور دوسری طرف ان کا انجام بھی دیتی ہے۔

لیکن یہاں بھی نئی مسائل ظاہر ہوئے ہیں۔

2024 میں، سائنسی ترقیات میں جنریٹو AI اور تحریر پر ایک تجربہ شائع ہوا۔ AI کے آئیڈیاز کی مدد حاصل کرنے والوں نے اوسطاً زیادہ خیالی اور زیادہ مکمل کہانیاں لکھیں، خاص طور پر ابتدائی طور پر کم خیالی لوگوں کے لیے فائدہ واضح تھا؛ لیکن تمام کاموں کو ایک ساتھ دیکھا جائے تو، AI کی مدد سے لکھی گئی کہانیاں ایک دوسرے کے زیادہ مشابہ تھیں۔ [7]

ای آئی نے فرد کی حد کو بڑھایا اور گروہ کے درمیان فرق کو کم کر دیا۔

یہ آج کے کنٹینٹ پلیٹ فارم جیسا ہے: ہر کوئی پہلے سے زیادہ اچھی طرح لکھ رہا ہے، عنوان، ساخت، اور اہم جملے ایک بھی کم نہیں؛ دس مضامین پڑھنے کے بعد بھی لگتا ہے جیسے صرف ایک ہی پڑھا ہو۔

جب سب کو ایک ہی ماڈل سے "پہلا خیال" مانگا جائے، تو ہم خالی صفحات کو چھوڑ دیتے ہیں اور شاید اس آسان ترین پیش گوئی والے جواب کی طرف ایک ساتھ چل پڑتے ہیں۔

اس کا مطلب یہ نہیں کہ انسانوں کو AI کو مسترد کرنا چاہیے اور کاپی پیسٹ اور مکینیکل ٹائپ سیٹنگ پر وقت ضائع کرنا چاہیے۔

کیلکولیٹر نے ریاضی کو نہیں تباہ کیا، اور سرچ انجن نے علم کو نہیں تباہ کیا۔ ٹولز کا اصل اثر یہ ہے کہ انسان کو کون سی صلاحیت برقرار رکھنی ہوگی۔

ای آئی ہمیں اینٹیں چڑھانے میں مدد کر سکتی ہے، لیکن انسان کو یہ نہیں بھولنا چاہیے کہ دیوار یہاں کیوں بنائی گئی ہے۔

یہ خدشہ صرف فلسفیانہ بحث نہیں رہ گیا۔ 2025 میں، مائیکروسافٹ ریسرچ جیسے اداروں نے 319 معلوماتی ملازمین کا جائزہ لیا اور 936 حقیقی AI استعمال کے کیسز جمع کیے۔ نتائج نے ظاہر کیا کہ جتنا لوگ AI پر زیادہ بھروسہ کرتے ہیں، اتنا ہی ان کا کام میں تنقیدی سوچ (Critical thinking، ایک منطقی اور خود پر غور کرنے والا طریقہ) کم ہوتا جاتا ہے؛ جتنا اپنے ماہرانہ ججمنٹ پر بھروسہ کرتے ہیں، اتنا ہی تنقیدی سوچ زیادہ ہوتی ہے۔ AI نے سوچ کو غائب نہیں کیا، بلکہ اسے "خود تخلیق کرنا" سے "جائزہ لینا، ادغام کرنا اور نگرانی کرنا" کی طرف منتقل کر دیا۔ مسئلہ یہ ہے کہ اگر لوگ صرف ایک چست حاصل شدہ پیداوار دیکھتے ہیں، تو جائزہ لینا آسانی سے صرف سر ہلانے میں تبدیل ہو سکتا ہے۔[8]

زیادہ مستقیم سگنلز لکھنے اور پروگرامنگ سے آتے ہیں۔ مسچوسٹس انسٹیٹیوٹ آف ٹیکنالوجی کے میڈیا لیب میں 54 افراد پر ہونے والے ایک عقلی لکھنے کے تجربے میں پایا گیا کہ جن افراد نے لگاتار بڑے ماڈلز کا استعمال کیا، ان کے دماغی نیٹ ورک کنکشنز سب سے کمزور تھے، اور انہیں مضمون کے مواد کو یاد رکھنے اور “یہ میرا کام ہے” کا جذبہ بھی کم تھا؛ تاہم، یہ تحقیق ابھی تک ایک چھوٹے نمونے کا پری پرینٹ ہے، اس لئے اس سے یہ نتیجہ نہیں نکالا جا سکتا کہ AI لوگوں کو مستقل طور پر بے وقوف بنائے گا۔[9] METR نے 16 ماہر اوپن سورس ڈویلپرز اور 246 حقیقی کاموں پر رینڈم ٹرائلز کرتے ہوئے پایا کہ 2025 کے شروع میں AI ٹولز کے استعمال کے بعد، ڈویلپرز کو کام مکمل کرنے میں 19 فیصد زیادہ وقت لگا۔ سب سے دلچسپ بات یہ ہے کہ انہوں نے پہلے سے ہی توقع کی تھی کہ AI انہیں تیز تر بنائے گا۔[10] METR نے 2026 میں اپنے نگرانی کے دوران جائزہ لیا کہ نئی نسل کے ٹولز نے شاید تیزی لانے میں مدد کی ہے، لیکن شرکاء اور کاموں میں واضح انتخابی جھکاؤ کی وجہ سے اس کا اندازہ لگانا اب بھی قابل اعتماد نہیں۔[11] AI جو پہلے کمزور کر رہا ہے، شاید صرف صلاحیت نہیں بلکہ انسان کا یہ جائزہ لینا ہے کہ وہ اب بھی سوچ رہا ہے یا نہیں۔

انفرادی طور پر، کم از کم تین چیزیں جو آپ آسانی سے باہر نہیں کرنا چاہیں۔

سب سے پہلے، سوال کہاں سے آتا ہے۔

AI سے شروع میں یہ نہ پوچھیں کہ “میں کیا لکھوں؟” یا “میں کیا تحقیق کروں؟”۔ پہلے صارف کے مقام پر جائیں، پہلے اصل مواد پڑھیں، اور خود کو یہ محسوس کریں کہ کہاں کچھ غلط ہے۔ ایک اچھا سوال عام طور پر اس بات پر آتا ہے جسے دوسرے نے تھک جانے کی وجہ سے نظر انداز کر دیا ہوتا ہے۔

دوم، پہلے مرحلے کا فیصلہ کہاں سے آتا ہے۔

AI کو وسعت دینے، رد کرنے اور معلومات جوڑنے کی اجازت دی جا سکتی ہے، لیکن سب سے پہلے ایک ایسا خام ورژن چھوڑنا بہتر ہے جس پر مدل نے کوئی عمل نہ کیا ہو۔ چاہے صرف کچھ جملے ہی کیوں نہ ہوں، اپنی اصل رائے کو جاننا ضروری ہے۔ ورنہ انسان اور AI کا تعاون آسانی سے انسان کے AI کے لیے تحریری تبدیلی کرنا بن جائے گا۔

تیسری بات، نتائج کس کی ذمہ داری ہیں۔

جب تک آپ نے بنیادی کام نہیں کیا، آپ AI کی غلطیوں کو نہیں جان سکتے۔ جو شخص کبھی کوڈ نہیں لکھا، وہ اس بات کا جائزہ نہیں لے سکتا کہ کوڈ صرف چل رہا ہے یا اسے لائیو کیا جا سکتا ہے؛ اور جو شخص کبھی فنانشل اسٹیٹمنٹس نہیں پڑھا، وہ ایک خوبصورت تجزیہ میں چھپے ہوئے معايروں کی غلطی کو نہیں پہچان سکتا۔

تو، AI کو کیا سونپا جا سکتا ہے؟

معیار یہ نہیں ہے کہ "کیا تخلیقی ہے" یا "کیا دہرایا گیا ہے"، بلکہ تین باتیں ہیں: قبولیت کے معیارات واضح ہیں، عمل قابلِ رجوع ہے، اور غلطی کے بعد واپس جانے کا انتظام ہے۔ معلومات کی تحریر، فارمیٹ کی ترتیب، معلوم قواعد کے تحت ڈیٹا کی صفائی، کوڈ کے نمونے اور ٹیسٹ کیسز، ایک ہی موضوع پر متعدد ورژنز اور ڈیزائن اسکچرز، سب AI کو سونپے جانے کے لائق ہیں۔ حکمت عملی کے فیصلے، حقائق کا معیار، برانڈ کا اسٹائل، سسٹم کی ساخت اور آخری دستخط، صرف اس لئے کہ AI تیز ہے، انہیں اکٹھا نہیں بھیجا جانا چاہئے۔

جس کے بعد، انسان کو AI کے ساتھ "بائیں اور دائیں ہاتھ کی لڑائی" کرنی ہوگی۔ عمل شروع کرنے سے پہلے، اپنے جائزہ اور معیار لکھ لیں؛ جب AI سے پیداوار حاصل کریں، تو اسے مخالف رائے، ناکامی کی شرائط اور ثبوت کے حوالہ جات بھی فراہم کریں؛ پیداوار کے بعد، انسان اصل مواد پر واپس آئے، حقائق کی چیکنگ کریں، اہم اعداد و شمار دوبارہ گنتی کریں، اور اہم ٹیسٹ چلائیں؛ کچھ عرصہ بعد، AI کے استعمال کے بغیر "بے ہتھیار تربیت" کا اہتمام کریں۔ مصنفین کو انفرادی انٹرویوز اور پہلا مسودہ برقرار رکھنا چاہئے، پروگرامرز کو کوڈ ریویو اور خرابیوں کی تشخیص برقرار رکھنا چاہئے، ڈیزائنرز کو تصورات کا انتخاب اور آخری ویژول ججمنٹ برقرار رکھنا چاہئے۔ صرف وہی لوگ جو چیک کر سکتے ہیں، مسترد کرنے کا ساہس رکھتے ہیں، اور ذمہ داری سنبھال سکتے ہیں، وہی AI کو اپنا کام سونپنے کے حق دار ہیں۔

کمپنی کے لیے اصل میں یہ خطرہ یہ نہیں کہ ملازمین کتنے AI استعمال کر رہے ہیں، بلکہ یہ ہے کہ تنظیم اب بھی اپنی پہلی ہاتھ کی تجربات پیدا کر رہی ہے یا نہیں۔

اگر نوجوانوں نے بنیادی تجزیہ نہیں کیا، صارفین کے تقاضوں کو نہیں سمجھا، اور پہلی منصوبہ بندی میں ناکامیوں کا تجربہ نہیں کیا، تو کمپنی کو مختصر مدت میں تیز تر ڈیلیوری ملے گی، لیکن لمبی مدت میں ججمنٹ کی صلاحیت کو فروغ دینے کا راستہ ضائع ہو سکتا ہے۔

پہلے، ایک نیا آدمی تین سال کی محنت سے آہستہ آہستہ ایک جذباتی ماہر بن جاتا تھا۔ اب، AI نیا آدمی کو پہلے دن ہی ساتھ کے درجے کا جواب دینے کی اجازت دیتا ہے۔

لیکن ستر سے نوے تک پہنچنے کے لیے اسے اپنی آنکھوں سے مسائل دیکھنے، غلطیاں کرنے، اور نتائج کے لیے قیمت ادا کرنی پڑی۔

ای آئی حقیقت میں تخلیقی صلاحیت کو بڑھا رہی ہے یا کم کر رہی ہے؟

جواب یہ ہے کہ ہم اسے کہاں رکھتے ہیں۔

جہاں آپ نے پہلے ہی سوچ لیا ہو کہ کیا دہرایا جائے، وہاں AI کو اس کام کے لیے استعمال کریں — یہ ایک لیوریج ہے؛ لیکن اگر آپ AI کو حقیقت سے رابطہ قائم کرنے، مسائل بنانے اور پہلی مرحلے کے فیصلوں کے لیے استعمال کریں گے، تو یہ آہستہ آہستہ ایک ٹھاٹھ بن جائے گا۔

حقیقی تخلیقی صلاحیت صرف "ایک خیال سوچنا" نہیں ہوتی۔

اس میں مواد کی تفصیل سے آشنا ہونا، غیر معمولی باتوں کی حساسیت، لمبے وقت تک جواب کے بغیر برداشت کرنا، اور جب کوئی خیال آئے تو اسے بار بار تصدیق کرنا شامل ہے۔

یہ حصے بہت سست ہیں اور بے ادب بھی ہیں، اور انہیں پرفارمنس رپورٹ میں شامل کرنا بھی مشکل ہے۔ لیکن تاریخ کے بڑے نظریات، سائنسی دریافتوں اور صنعتی نوآوریاں تقریباً یہیں سے نکلی ہیں۔

ای آئی ہمیں سیب اُٹھانے میں ضرور مدد کر سکتی ہے۔

لیکن درخت کے نیچے اس شخص کو گравیٹی کے بارے میں سوچنے کی صلاحیت، اس بات پر منحصر ہے کہ سیب گرنے سے پہلے وہ کتنے دیر تک سوچ رہا تھا۔

حوالہ جات

[1] ویلیم اسٹکلی، سر آئیزک نیوٹن کی زندگی کے مемوار، نیوٹن پروجیکٹ (اوکسفورڈ یونیورسٹی)۔

[2] انری پوانکارے، “ریاضی کی ایجادات”، 1908ء۔

[3] اکس فورڈ یونیورسٹی میتھمیٹکس ریسرچ انسٹی ٹیوٹ، برسٹل یونیورسٹی کی طرف سے اینڈریو وائلز اور فرما کے آخری نظریہ کے بارے میں معلومات۔

[4] سائنس میوزیم گروپ، "پینیسیلین کیسے ترقی دیا گیا؟"

[5] جاکس ہڈامر، ریاضی دان کا دماغ: ریاضیاتی شعبے میں ایجاد کا نفسیاتی پہلو۔

[6] والٹر آئسکسن، انویٹرز: کیسے ایک ہیکرز، جینیئس اور جیکس کا گروپ نے ڈیجیٹل انقلاب پیدا کیا۔

[7] انیل آر. دوشی اور oliver p. hauser، "جینریٹو AI انفرادی تخلیقیت کو بڑھاتی ہے لیکن نئے مواد کی جمعی تنوع کو کم کرتی ہے،" سائنس ایڈوانسز، 2024۔

[8] ہاؤ-پنگ لی اور دیگر، "جینریٹو AI کا تنقیدی سوچ پر اثر"، CHI 2025۔

[9] ناتالیا کوسمنا اور دیگر، "چیٹ جی پی ٹی پر آپ کا دماغ: مضمون لکھنے کے کام کے لیے ای آئی اسسٹنٹ کے استعمال سے معرفتی قرض کا تجمع"، 2025 کا پری پرنٹ۔

[10] جوئل بیکر و دیگر، "میٹر، 2025 میں ایکسپیریئنسڈ اوپن سورس ڈویلپر پراڈکٹوٹی پر ایارلی-2025 AI کے اثر کا جائزہ لینا"

[11] جوئل بیکر و دیگر، "ہم اپنے ڈویلپر پراڈکٹیوٹی تجربے کے ڈیزائن میں تبدیلی لائ رہے ہیں"، METR، 2026۔