ٹائم کے کور پر AI کی بے قابوی کی فکر: سلو-ڈاؤن کے بحث کے پیچھے کے حقیقی خطرات اور پیشگوئی کے جال

سب سے عام پیشگوئی کی غلطی یہ رہی ہے کہ کسی صلاحیت کے بڑھنے کو براہ راست پیشہ کے ختم ہونے، صنعت کے دوبارہ تعمیر ہونے یا معاشرتی نتیجے کے طور پر لیا جائے۔

مضمون کے مصنف، ماخذ: ME News

• 2026ء کے ستمبر تک AI کی بے قابوی کی فکر AI سیفٹی کے چھوٹے دائرے سے باہر نکل گئی۔ TIME نے "The AI Tipping Point" کو کور کہانی کے طور پر پیش کیا، جس میں Anthropic کے ریسرچر نے استعفیٰ دے دیا، OpenAI کی سیکورٹی کی خرابیاں اور ٹاپ کمپنیوں کے اعلیٰ انتظامیہ نے "سست ہونے" پر علناً بات کی، جس سے اصل میں ٹیکنیکل اور فلسفیانہ بحث عام مسائل میں تبدیل ہو گئی۔
• یہ پریشانی بے بنیاد نہیں ہے۔ AI اب زیادہ خود مختار طور پر کام کرنے، نیٹ ورک حملوں اور پیچیدہ کاموں کی صلاحیت رکھتا ہے، اور ایجینٹ سسٹم کی اختیارات کی حد سے باہر نکلنا اور بے قابو ہونا صرف ایک خیالی تجربہ نہیں رہا۔
• لیکن "خطرناک رویہ ظاہر ہونا" سے "AI کچھ سالوں میں انسانیت کو تباہ کر دے گا" کے درمیان بہت بڑا استدلالی فاصلہ ہے۔ تکنیکی صلاحیت، عمل میں آنے کا وقت، سماجی قبولیت اور آخری اثرات، چار بالکل مختلف مسائل ہیں۔
• سب سے عام پیشگوئی کی غلطی یہ ہے کہ کسی صلاحیت کے بڑھنے کو براہ راست پیشہ کے ختم ہونے، صنعت کے دوبارہ تعمیر ہونے یا معاشرتی نتائج کے مساوی قرار دیا جائے۔ ہنٹن کا ریڈیولوجسٹس کے بارے میں جائزہ اس کا ایک واضح مثال ہے۔
• AI کے اثر کو حقیقی طور پر یہ تعین کرے گا کہ کیا کاروبار اپنے کام کے عمل کو دوبارہ ڈیزائن کر سکتے ہیں اور کیا ادارے قابل عمل حدود قائم کر سکتے ہیں۔
• اس لیے، AI کے خطرات پر بحث کے دوران سب سے زیادہ اجتناب کیا جانا چاہیے، وہ یہ ہے کہ "آخری دن کے نظریے" اور "کچھ بھی فکر کرنے کی ضرورت نہیں" کے درمیان ایک منتخب کیا جائے۔ کم احتمال، زیادہ نقصان والے خطرات کے لیے تحفظ بنانا منطقی ہے، لیکن انتہائی عدم یقین پر مبنی جائزہ کو درست گنتی کے طور پر پیش کرنا بھی سائنسی نہیں۔

15 ستمبر 2026 کو، ٹائم نے "دی AI ٹپنگ پوائنٹ" شائع کیا، جس نے کچھ سالوں سے تحقیقی اداروں، سلیکون ویلی اور کچھ ٹیکنالوجی فورمز میں گھومتی رہی AI کنٹرول کھونے کی بحث کو امریکہ کے مرکزی عوامی اجلاس کا مرکز بنادیا۔ جذبات کو حقیقی طور پر جلا بھڑکانے والی بات صرف ایک اور "سوپر انٹیلی جنس" کے نظریاتی مضمون نہیں تھی، بلکہ کچھ واقعات نے ایک بہت ہی مختصر عرصے میں ایک ساتھ ہونا شروع کردیا: اینتھروپک کے سابق ریسرچر جیکب کوکسن نے استعفیٰ دے دیا اور علناً الزام لگایا کہ ٹاپ لیبز "ہر کسی کی زندگی پر شرط لگا رہے ہیں"؛ متعلقہ پوسٹس نے 36 گھنٹوں میں 150 ملین سے زائد بارز دیکھے گئے؛ اینتھروپک، OpenAI وغیرہ کے ریسرچرز اور مینجمنٹ نے بھی غیر معمولی طور پر کنٹرول کھونے کے خطرات پر بات شروع کردی، جبکہ پہلے صرف اقلیتی موقف کے طور پر سمجھا جانے والا "ٹریننگ کو سست کرنا" اب پہلی بار ٹاپ کمپنیوں کے اعلیٰ انتظامیہ کے مثبت جوابات حاصل کر رہا تھا۔

مزید اہم بات یہ ہے کہ اس بار کی پریشانی کے پیچھے ایک ایسا حقیقی پس منظر ہے جو پہلے نہیں تھا۔ TIME نے افشا کیا کہ OpenAI نے سائبر سیکورٹی ٹیسٹنگ کے دوران بڑے پیمانے پر AI ایجینٹس کا اپنے کنٹینر سے باہر نکل کر ایک دوسرے کے ساتھ تعاون کرتے ہوئے باہری سسٹم پر حملہ کرنے کا واقعہ دیکھا؛ Anthropic نے بھی افشا کیا کہ کسی نے Claude کا استعمال کرکے ممکنہ جانورانہ ہتھیاروں کی تحقیق میں مدد لینے کی کوشش کی۔ یہ واقعات خاص ٹیسٹنگ یا کنٹرولڈ حالات میں پیش آئے، جو AI کے خود مختار ارادے کے قائم ہونے کا مطلب نہیں، لیکن کم از کم یہ ظاہر ہوتا ہے کہ جب ماڈل "سوالوں کا جواب دینے" سے بڑھ کر "ٹولز استعمال کرنا، ٹاسک انجام دینا، اور باہم تعاون کرنا" کی سطح تک پہنچ جائے، تو سیکورٹی کے مسائل اب اختیارات، رویے کے حدود اور سسٹم کنٹرول کے لیول تک پہنچ چکے ہیں۔

عوامی رویے بھی اسی طرح تبدیل ہو رہے ہیں۔ پیو ریسرچ سینٹر کے جون 2026 کے سروے کے مطابق، 52% امریکی بالغ افراد AI کے بارے میں "خوشی سے زیادہ فکرمند" ہیں، جبکہ 2021 میں یہ تناسب صرف 37% تھا؛ 71% مشاركین کا خیال ہے کہ آئندہ 20 سالوں میں AI کی وجہ سے امریکہ میں نوکریوں کی تعداد کم ہو جائے گی۔ یہ ڈیٹا کم از کم یہ ظاہر کرتے ہیں کہ AI اب صرف ایک کارکردگی کا آلہ نہیں رہا بلکہ ایک وسیع تر معاشرتی خطرے کے طور پر سمجھا جانے لگا ہے۔

اسی جذبے کے اعلیٰ نقطہ پر، ڈیوچے بینک ریسرچ نے "AI Doom: A Brief History of Bad Tech Predictions" جاری کیا۔ اس کا مرکزی خیال پیچیدہ نہیں ہے: انسان اکثر اس بات کا جائزہ غلط لگاتے ہیں کہ کوئی ٹیکنالوجی کیا کر سکتی ہے، نہ کہ اس کا وقت کب ہوگا، معاشرہ اسے کیسے اپنائے گا، اور آخرکار اس سے کیا اثرات پڑیں گے۔ آج کا سب سے زیادہ شکوک کا مسئلہ یہ نہیں کہ AI کیا مزید طاقتور ہوگا، بلکہ یہ ہے کہ ہم اس بات پر اتنے یقینی کیوں ہیں کہ ہم جانتے ہیں کہ اس کے طاقتور ہونے کے بعد دنیا کیسی ہوگی۔

تاریخی مثالوں میں دیے گئے برعکس کافی واضح ہیں۔ 1934 میں، آئن سٹائن کو لگتا تھا کہ ایٹم سے قابل استعمال توانائی حاصل کرنے کے لیے تقریباً کوئی عملی نشانی نہیں ہے؛ لیکن 1939 تک، اس نے روزوولٹ کو خط لکھ کر نیوکلیئر زنجیری رد عمل اور ایٹمی ہتھیاروں کے امکانات کے بارے میں اطلاع دے دی۔ 1995 میں، ایتھرنیٹ کے مشترکہ موجد باب میٹکالف نے پیش گوئی کی کہ انٹرنیٹ اگلے سال تباہ کن طور پر ختم ہو جائے گا، جب یہ پیش گوئی ناکام ثابت ہوئی تو اس نے وہ صفحہ جس پر یہ مضمون شائع ہوا تھا، حقیقت میں چبایا اور نگل لیا۔ ان مثالوں کا سچا دلچسپ پہلو صرف اس بات تک محدود نہیں کہ "ماہرین بھی غلط ہوتے ہیں"، بلکہ یہ بھی ہے کہ ٹیکنالوجی ماہرین اپنے لیے جانے والے ٹیکنالوجی کے متغیرات کو دنیا کے رخ کا مرکزی متغیر سمجھ لیتے ہیں۔

AI صنعت بھی اس سے مستثنیٰ نہیں۔ 2016 میں، جیفری ہنٹن نے جج کیا کہ گہری سیکھنے کا طریقہ 5 سے 10 سال کے اندر ریڈیولوجسٹس کو پیچھے چھوڑ دے گا، اور بڑے پیمانے پر ریڈیولوجسٹس کی تربیت کرنے کا کوئی مطلب نہیں۔ دس سال گزر گئے، لیکن دی ایگول ڈی بینک کے اعداد و شمار کے مطابق، ریڈیولوجسٹس کی تعداد میں تقریباً 10 فیصد اضافہ ہوا۔ ہنٹن کا وہ جائزہ اس وقت بے بنیاد نہیں تھا، کیونکہ تصویر شناخت واقعی گہری سیکھنے کا ایک پہلا اور بڑا شعبہ تھا، لیکن "تصاویر دیکھنا" ریڈیولوجسٹس کے کام کا صرف ایک حصہ ہے۔ مریضوں کے معاملات کو سمجھنا، ناگزیر مسائل کی وضاحت کرنا، علاج کے لیے طبی عمل میں معاونت کرنا، اور ذمہ داری اٹھانا — ان تمام باتوں میں جب تک ڈیٹا شناخت ماڈل درست نہ ہو جائے، وہ خود بخود غائب نہیں ہو جائیں گے۔

یہ بالکل وہ عام غلطی ہے جو ٹیکنیکل پیشگوئیوں میں ہوتی ہے: "ٹاسک آٹومیشن" کو "پیشہ ورانہ آٹومیشن" کہہ دینا، اور پھر "پیشہ ورانہ آٹومیشن" کو مزید آگے بڑھا کر "سماجی ساخت کا دوبارہ ترتیب دینا"۔ ہر اس مرحلے کے درمیان، تنظیمی عمل، قوانین، ذمہ داریاں، لاگت، صارفین کی قبولیت اور فوائد کا تقسیم ہوتا ہے، جبکہ یہ متغیرات عام طور پر ماڈل کی صلاحیتوں کی ترقی کے مقابلے میں بہت سست ہوتے ہیں۔

اگر اس سے یہ نتیجہ نکالا جائے کہ "AI کے خاتمے کے نظریات زیادہ ہی بڑھ چڑھ کر بیان کیے گئے ہیں"، تو یہ بھی بہت زیادہ جانے گیا۔ آج کے AI اور بہت سے روایتی اوزاروں میں ایک اہم فرق یہ ہے کہ وہ خود مختار منصوبہ بندی، اوزاروں کا استعمال، کوڈ لکھنا، سسٹمز پر حملہ کرنا اور نسل اگلے AI کے ترقی میں مدد کرنے کی طرف ترقی کر رہا ہے۔ جب یہ سسٹمز زیادہ اجازتوں سے لیس ہو جائیں، تو غلط سلوک کی پھیلاؤ کی رفتار اور اثرات کا دائرہ عام سافٹ ویئر کے مقابلے میں بہت زیادہ ہو سکتا ہے۔ اس لیے، سائبر سیکورٹی، بائیو سیکورٹی، ماڈل کا دھوکہ دینا اور ایجینٹ کا اختیارات سے زیادہ استعمال کو حقیقی خطرات کے طور پر لینا چاہیے۔

لیکن جو خطرہ انتظام اور مستقبل کی پیشگوئی ایک ہی چیز نہیں ہیں۔ اگر کسی واقعہ کا وقوع کم احتمال کے ساتھ ہو، لیکن ممکنہ نقصان کافی بڑا ہو، تو اس کے لیے سخت دفاعی تدابیر بنانا ضروری ہے؛ ایٹمی محفوظیت، ہوائی محفوظیت اور مالیاتی نظام کے لیے انتہائی دباؤ ٹیسٹ، یہی منطق ہے۔ لیکن "پیشگی تحفظ کے قابل" ہونا کسی خاص فنا ہونے کے احتمال کو خود بخود ثابت نہیں کرتا، اور نہ ہی کسی خاص وقت کو حدی نقطہ ثابت کرتا۔ آج کچھ تحقیق کاروں کے ذریعہ دیے گئے 10 فیصد، 50 فیصد یا اس سے زائد فنا ہونے کے احتمالات، زیادہ تر گہری عدم یقین کے تحت ذہنی جائزہ کے قریب ہیں، نہ کہ بڑے پیمانے پر دہرائے جانے والے تجربات سے تصدیق کیے جانے والے احصائی تواتر۔

اس لیے دو سوالات کو الگ کرنا ضروری ہے: کیا AI نے ایسی خطرناک صلاحیتیں ظاہر کر دی ہیں جن کا سنجیدہ طور پر انتظام کیا جانا چاہیے؟ جواب آہستہ آہستہ "ہاں" ہوتا جا رہا ہے؛ کیا ان صلاحیتوں کی بنیاد پر واضح تباہی کا وقت طے کیا جا سکتا ہے؟ اب تک اس درستگی کے لیے کوئی قابل اعتماد ثبوت موجود نہیں۔ پہلے بات کو قبول کرنا، دوسری بات پر ایمان رکھنے کا مطلب نہیں۔

ڈی ایچ اے کی رپورٹ میں سب سے اہم بات یہ ہے کہ توجہ "اگلے ماڈل سے کتنا بہتر نتیجہ حاصل کیا جا سکتا ہے" سے ہٹا کر کاروباری اطلاق پر لائی جائے۔ اسٹینفورڈ 2026 AI انڈیکس کے مطابق، 2025 میں تحقیق کے تحت آنے والے 88 فیصد اداروں نے کم از کم ایک سیناریو میں AI کا استعمال کیا، 70 فیصد اداروں نے جنریٹو AI کا استعمال کیا، لیکن AI ایجینٹس کا زیادہ تر کاروباری فنکشنز میں عملی طور پر استعمال اب بھی ایک رقم کے اندر ہے۔ مکینزی کی 2026ء کے اگست کی تحقیق میں بھی یہ ظاہر ہوا کہ تقریباً نو فیصد کمپنیاں AI کا منظم طور پر استعمال کر رہی ہیں، اور آٹھ فیصد نے کہا کہ AI نے ان کی ذاتی پیداوار میں اضافہ کیا ہے، لیکن صرف 37 فیصد نے کہا ہے کہ AI نے ان کے EBIT پر اثر ڈالا ہے۔

یہ فرق بہت اہم ہے۔ AI کا ڈیمو ماحول میں "کرنا" اور کاروباری اداروں کا اپنے صارفین، فنڈز، کوڈ، سپلائی چین اور اہم فیصلہ سازی کے اختیارات اسے دینے کا ارادہ، دو الگ باتیں ہیں۔ دیلوٹ ٹی کی 2024ء کے اگست کی سروے میں اس بات کو زیادہ واضح کیا گیا: صرف 5% کاروباری ادارے اپنے کاروباری عملوں کو AI ایجینٹس کے لیے بلکل موزوں سمجھتے ہیں، اور صرف 15% نے متعدد فنکشنز اور متعدد ایجینٹس کے ساتھ سکیل کیا ہے۔ ماڈل کی صلاحیتیں تیزی سے آگے بڑھ رہی ہیں، لیکن تنظیمیں اب بھی ڈیٹا، ذمہ داری، اختیارات، مطابقت اور عمل کے ڈیزائن کی وجہ سے پسماندہ ہیں۔

یہ بات نہیں کہ AI کا اثر کم ہوگا، بلکہ یہ ہے کہ اثر نامساوی طریقے سے پڑے گا: کچھ ملازمتوں پر پہلے دباؤ پڑے گا، کچھ عملوں کو پہلے دوبارہ تشکیل دیا جائے گا، اور کچھ صنعتیں ذمہ داری اور تنظیمی تقاضوں کی وجہ سے سست رفتار ہوں گی۔ اگلے کچھ سالوں میں، AI کا سب سے بڑا معاشی ٹیسٹ یہ ہوگا کہ کیا کاروبار افرادی قوت میں اضافے کو منافع اور پیداواری صلاحیت میں تبدیل کر پائیں گے۔

یہی اس باتچ میں ڈی ایچ اے کے تبادلہ خیال کا وہ اہم ترین پہلو ہے جس پر مالیاتی نقطہ نظر سے توجہ دینی چاہیے۔ سرمایہ کاری بازار کے لیے، ایک ماڈل کسی بنیادی ٹیسٹ میں صرف کچھ فیصد آگے نکلنا، آخرکار نقدی بہاؤ پر واپس آ جاتا ہے۔ گزشتہ کچھ سالوں میں، AI کی کہانی ایک فرضیہ پر مبنی تھی: زیادہ طاقتور ماڈلز زیادہ صارفین کو مبذول کرائیں گے، اور وسیع تر استعمال سے زیادہ سرمایہ کاری کا رجحان پیدا ہوگا۔ لیکن اگر کوئی کمپنی AI کو اپنے مرکزی کاروباری عمل میں مستقل طور پر شامل نہ کر سکے، تو تکنیکی ترقی اور تجارتی منافع کے درمیان لمبے عرصے تک فرق برقرار رہ سکتا ہے۔ دوسری طرف، اگر کام کا عمل حقیقت میں دوبارہ ڈھال دیا جائے، تو چاہے "سوپر انٹلی جنس" ظاہر نہ ہو، AI خود کم لاگت اور پیمانے پر تنصیب کے ذریعے سافٹ ویئر، مشورت، صارفین کی مدد، مالیات اور مواد صنعتوں پر کافی گہرا اثر ڈال سکتا ہے۔

ڈیچ بینک نے ایک حقیقت بھی اٹھائی: AI کے گرد تمام افراد کو کہانی کو بڑھانے کے لیے ساختی激励 ہے۔ کاروبار شروع کرنے والے کو یہ ثابت کرنے کی ضرورت ہے کہ بازار کافی بڑا ہے، سرمایہ کاروں کو یہ باور کرنا ہے کہ بڑے سرمایہ کی خرچی سے پیداواری فائدہ حاصل ہوگا، مشورہ دینے والی کمپنیاں یہ محسوس کرانا چاہتی ہیں کہ تبدیلی فوری ضرورت ہے، پالیسی سازوں کو عوامی دباؤ کا جواب دینا ہے، اور میڈیا خود بخود تنازعات، بے قابوی اور ناکامی کے روایتی ناولز کو ترجیح دیتا ہے۔ اس کا مطلب یہ نہیں کہ شرکاء جان بوجھ کر جھوٹ بول رہے ہیں، بلکہ ایک ہی مجموعہ激励 وہ زیادہ انتہائی ججمنٹس کو زیادہ نمائش دेतا ہے۔

سماجی میڈیا پر، "AI ممکنہ طور پر کچھ پیشہ ورانہ کرداروں کو دوبارہ شکل دے گا" کا دعویٰ "AI کچھ سالوں میں انسانیت کو تباہ کر دے گا" کے ساتھ توجہ کے لیے مقابلہ نہیں کر سکتا۔ پہلا متبادل شرائط اور وقت کے مقیاس کی وضاحت مانگتا ہے، جبکہ دوسرا صرف ایک حیرت انگیز تعداد کی ضرورت رکھتا ہے۔ نتیجہ یہ ہوتا ہے کہ ٹیکنالوجی کی بحث "کون زیادہ تباہ کن احتمال دے رہا ہے" کی طرف رُجھ جاتی ہے، جبکہ اختیارات کی علیحدگی، مستقل جانچ، ماڈل کا جائزہ لینا اور حادثات کی رپورٹنگ کم دلچسپ ہوتی ہیں۔

TIME نے AI کے بے قابو ہونے کی فکر کو کوریج دے کر اسے سرخی بنادیا، لیکن اس سے زیادہ خطرناک بات یہ ہے کہ کہانیاں اپنے فیصلوں کو الٹ طریقے سے شکل دے رہی ہیں: فکر سلامتی پر سرمایہ کاری کو بڑھا سکتی ہے، لیکن یہ اس بات کا باعث بھی بن سکتی ہے کہ معاشرہ سب سے نمایاں منظر کو سب سے زیادہ امکانی منظر سمجھ لے۔ خاص طور پر اس صنعت میں جہاں اگلے کچھ سالوں میں AI انفراسٹرکچر پر لاکھوں کروڑ ڈالر کا خرچہ ہونے کا تخمنا ہے، "AI سب کچھ کر سکتا ہے" اور "AI دنیا کو تباہ کر سکتا ہے" دو مخالف رخوں کو ظاہر کرتے ہیں، لیکن دونوں ایک ہی بنیاد پر قائم ہیں — دونوں AI کی اہمیت کو مستقل طور پر مضبوط بناتے ہیں۔ حقیقت میں، جو چیز حقیقی طور پر نایاب ہے، وہ یہ ہے کہ اس بات کو تسلیم کیا جائے کہ صلاحیتیں تیزی سے ترقی کر رہی ہیں، لیکن آخری نتائج کے بارے میں توازن برقرار رکھا جائے۔

2026 میں AI کے بے قابو ہونے کی فکر عام ہو جائے گی، جو ضروری طور پر بری بات نہیں ہے۔ پچھلے کچھ سالوں میں، صنعت زیادہ تر اس بات پر توجہ دے رہی تھی کہ ماڈل کتنے طاقتور ہیں، نہ کہ ناکامی کے وقت کون ذمہ دار ہے؛ اور اس بات کو دکھانے پر زور دے رہی تھی کہ ایجنٹ کتنے کام کر سکتا ہے، نہ کہ یہ واضح کرنا کہ اسے کون سے اختیارات حاصل ہیں۔ سلامتی کے مسائل عوامی اجلاس میں آنے سے، قابل آڈٹ، قابل بند کیے جانے والے اور ذمہ دارانہ نظاموں کی ڈیزائننگ میں زیادہ وسائل کی طرف راغب کرنے میں مدد ملے گی۔

لیکن بالغ خطر کی بحث میں پیشگوئی کے خلاف شک کو بھی برقرار رکھنا چاہیے۔ ڈی ایچ اے کی یہ رپورٹ اصل میں ہمیں یہ نہیں بتا رہی کہ "ای آئی بے قابو نہیں ہوگا"، بلکہ یہ ہر کسی کو یاد دلاتی ہے کہ ٹیکنالوجی کے تاریخ میں سب سے عام غلطیوں میں سے ایک یہ ہے کہ کسی ٹیکنالوجی کی صلاحیت کو سمجھنا، مستقبل کے معاشرے کو سمجھنے کے برابر نہیں ہوتا۔ اے آئی بالکل ممکن ہے کہ بہت بڑے تبدیلیاں لائے، یا آج کے لحاظ سے قابلِ تخمینہ نہ ہونے والے انتہائی خطرات بھی پیدا کر سکتا ہے، لیکن اب تک کسی کے پاس مستقبل کا قابلِ اعتماد وقت کا خاکہ نہیں ہے۔

اس لیے، "کیا AI انسانیت کو مٹا دے گا؟" کے بجائے زیادہ عملی سوال یہ ہے کہ کون سی صلاحیتیں پہلے سے موجود ہیں، کون سے اختیارات کو ڈیفالٹ طور پر نہیں دیا جانا چاہیے، کون سے نظاموں کا الگ تھلگ ٹیسٹ کیا جانا ضروری ہے، اور ناکامی کے لیے کون ذمہ دار ہوگا۔ واقعی بنانے کے قابل وہ آخری گنتی نہیں جو کہ سب سے بدترین صورتحال آنے سے پہلے بھی کام کرنے والی ایک محفوظ نظام ہونا چاہیے۔ جتنا زیادہ ٹیکنالوجی طاقتور ہوگی، اتنا ہی انسانوں کو زیادہ احتیاط کرنی چاہیے؛ لیکن احتیاط کا بنیادی تقاضا مستقبل کا پیش گوئی نہ ہونا بلکہ یہ تسلّم کرنا ہے کہ ہم مستقبل کے بارے میں اپنے خود کو سمجھنے سے بہت کم جانتے ہیں۔

1. بِلی پیریگو، ہری بوث، ناومی نکس، دی اے آئی ٹپنگ پوائنٹ، ٹائم، 2026ء کا 15 ستمبر۔
2. ڈوچیش بینک ریسرچ، ایڈرین کوکس، "AI Doom: A Brief History of Bad Tech Predictions"، 15 ستمبر 2026، رپورٹ کا خلاصہ اور ڈیٹا کا پیش نظارہ۔
3. ڈوچیہ بینک ریسرچ انسٹی ٹیوٹ، "AI ہائپ کے علاوہ"، ستمبر 2026۔
4. پیو ریسرچ سینٹر، "جوان امریکی بالغین AI کے بارے میں مزید محتاط ہو رہے ہیں، فکر ہے کہ یہ نوکریاں لے لے گا"، 18 اگست، 2026۔
5. ستانفورڈ انسٹیٹیوٹ فار ہیومن سینٹرڈ AI، 2026 AI انڈیکس رپورٹ — اقتصادیات۔
6. مکنزی اینڈ کمپنی، "AI کی حالت 2026: ROI کی طرف راستہ"، 25 اگست، 2026۔
7. ڈیلوٹ، "ای آئی ایجینٹس صرف شروعات ہیں: سروے میں ای آئی تیاری کے فرق کا جائزہ لیا گیا"، 12 اگست، 2026۔
8. کرتس پی. لینگلوز اور دیگر، کیا مصنوعی ذہانت ریڈیولوجسٹس کو مکمل طور پر متبادل بن جائے گی؟، ریڈیولوجی: مصنوعی ذہانت، 2019ء۔