چین کے AI لیبز کے اندر کی نوٹس
ناتھن لیمبیرٹ
ترجمہ: پیگی، بلاک بیٹس
ویریٹر کا نوٹ: چین کے AI لیبز عالمی بڑے ماڈل مقابلے میں ایک ایسا طاقتور کردار بن رہے ہیں جسے نظرانداز نہیں کیا جا سکتا۔ ان کی ترجیحات صرف انسانی وسائل، انجینئرنگ کی طاقت اور تیز ترین ترقی تک محدود نہیں ہیں، بلکہ ایک بہت عملی تنظیمی طریقہ کار سے بھی آتی ہیں: مفہوموں پر کم بات کریں، ماڈلز پر زیادہ توجہ دیں؛ انفرادی ستاروں پر کم زور دیں، ٹیم کے عمل پر زیادہ زور دیں؛ بیرونی خدمات پر کم انحصار کریں، اور اپنے مرکزی ٹیکنالوجی اسٹیک کو خود حاصل کرنے کا رجحان رکھیں۔
نویسندہ ناتھن لامبرٹ نے چین کے کئی ٹاپ AI لیبز کا دورہ کیا اور پایا کہ چین کا AI ایکوسسٹم امریکہ کے مکمل طور پر مختلف ہے۔ امریکہ اصل پیمانے، سرمایہ کاری اور ٹاپ سائنسدانوں کے ذاتی اثرات پر زیادہ توجہ دیتا ہے؛ جبکہ چین پہلے سے موجود راستوں پر تیزی سے پیچھا کرنے میں ماہر ہے، جس میں اوپن سورس، انجینئرنگ بہتری اور بڑی تعداد میں نوجوان محققین کے انفرادی تعاون کے ذریعے ماڈل کی صلاحیتیں جلد ہی سرحد تک پہنچ جاتی ہیں۔
سب سے زیادہ قابل توجہ بات یہ نہیں کہ چین کا AI امریکہ سے آگے نکل گیا ہے، بلکہ یہ ہے کہ دو مختلف ترقی کے راستے تشکیل پا رہے ہیں: امریکہ زیادہ تر سرمایہ اور مشہور لیبز کے ذریعے چلنے والی ایک سرحدی مقابلہ جیسا ہے، جبکہ چین انجینئرنگ صلاحیت، اوپن سورس ایکوسسٹم اور تکنیکی خود مختاری کے احساس کے ساتھ مل کر چلنے والی ایک صنعتی مقابلہ جیسا ہے۔
اس کا مطلب یہ ہے کہ مستقبل میں AI کی مقابلہ صرف ماڈل رینکنگ کا مسئلہ نہیں ہوگا، بلکہ تنظیمی صلاحیت، ڈویلپر ایکوسسٹم اور صنعتی اجرائیہ کا بھی مسئلہ ہوگا۔ چینی AI کا اصل تبدیلی یہ ہے کہ وہ اب صرف سلیکون ویلی کی نقل نہیں کر رہا، بلکہ اپنے طریقے سے عالمی سرحدوں میں شرکت کر رہا ہے۔
نیچے متن ہے:
ہانگزو سے شنگھائی کی طرف جانے والی نئی ہائی اسپیڈ ٹرین میں بیٹھ کر، میں نے کھڑکی کے باہر دیکھا کہ پہاڑوں کے اُٹھے چڑھے ڈھلوانیں ہیں، جن پر وینڈ ٹربائنز کے ٹکڑے ہیں، جو سنگھڑ کی روشنی میں سائیلوٹس کی شکل میں نظر آ رہے ہیں۔ پہاڑوں نے پس منظر بنایا ہے، اور آگے بڑھتے ہوئے بڑے میدانوں اور بلند عمارتوں کے گروہوں کا منظر ہے۔
میں چین سے بڑی عاجزی کے ساتھ واپس آیا ہوں۔ ایک اتنی غیر مألوف جگہ پر جانا اور اتنی گرمجوشی کے ساتھ استقبال کیا جانا، ایک بہت گرم اور انسانی تجربہ تھا۔ میں نے AI ایکوسسٹم کے بہت سے لوگوں سے ملاقات کی جن کے بارے میں میں صرف دور سے جانتا تھا؛ اور انہوں نے میرا خوش آمدید کہا، میری چہروں پر چمکتی ہوئی مسکانوں اور جوش کے ساتھ، جس سے میں دوبارہ احساس کر گیا کہ میرا کام اور پورا AI ایکوسسٹم عالمی ہیں۔
چینی محققین کا رویہ
زبانی ماڈلز کی تعمیر کر رہی چینی کمپنیاں، اس ٹیکنالوجی کے لیے "تیزی سے پیچھے چلنے والے" ہونے کے لیے بہت مناسب ہیں۔ وہ چین کی طویل عرصہ سے جاری تعلیمی اور کام کی ثقافت پر مبنی ہیں، جبکہ مغرب کے مقابلے میں تکنالوجی کمپنیوں کے قیام کا اپنا الگ انداز بھی رکھتی ہیں۔
اگر صرف پیداوار، یعنی نئے اور سب سے بڑے ماڈلز، اور ان ماڈلز کی حمایت کرنے والے ایجنٹ-بنیادی عمل کو دیکھا جائے؛ اور سرمایہ کاری کے عناصر، جیسے عالِمین کی بہترین ٹیم، بڑے پیمانے پر ڈیٹا اور تیز کمپوٹنگ وسائل کو دیکھا جائے، تو چینی اور امریکی لیبارٹریاں زیادہ تر ایک جیسے نظر آتی ہیں۔ حقیقی، لمبے عرصے تک قائم رہنے والے فرق ان عناصر کے طریقہ کار اور ان کے ڈھانچے میں ظاہر ہوتے ہیں۔
میں ہمیشہ سوچتا رہا ہوں کہ چینی لیبز کی وجہ سے پیچھے رہ جانے کے باوجود انتہائی کامیابی سے پیچھے ہٹ کر اگلے سطح تک پہنچنے کا ایک سبب یہ ہے کہ ان کی ثقافت اس کام کے لیے بہت موزوں ہے۔ لیکن بغیر کسی سیدھے انسانی مکالمے کے، میں نے اپنی اس تصور کو کسی اہم اثر کی طرف منسوب کرنے کا خیال نہیں کیا۔ چین کے بڑے لیبز میں بہت سے عالِم، جو بہترین، متواضع اور کھلے ہیں، سے بات چیت کے بعد، میرے بہت سے خیالات زیادہ واضح ہو گئے۔
بہترین بڑے زبان ماڈل بنانے کے لیے، پورے ٹیکنالوجی اسٹیک کے ذریعے تفصیلی کام کرنا ضروری ہے: ڈیٹا سے لے کر اسٹرکچر کی تفصیلات اور تقویت سیکھنے کے الگورتھمز کے عمل تک۔ ماڈل کا ہر حصہ کچھ بہتری لے سکتا ہے، اور ان بہتریوں کو ایک ساتھ جوڑنا ایک پیچیدہ عمل ہے۔ اس عمل کے دوران، کچھ بہت ہوشیار افراد کا کام ضرورت کے مطابق منسوخ کر دیا جا سکتا ہے تاکہ مجموعی ماڈل متعدد مقاصد کے بہترین نتائج کے لیے بہترین طریقے سے بہتر ہو سکے۔
امریکی محققین واضح طور پر ایکل کمپوننٹس کے مسائل کو حل کرنے میں بھی بہت مہارت رکھتے ہیں، لیکن امریکہ میں ایک "اپنی آواز اٹھانے" کی ثقافت بھی ہے۔ سائنسدان کے طور پر، جب آپ اپنے کام کے لیے توجہ حاصل کرنے کے لیے خود کو آگے رکھتے ہیں، تو آپ عام طور پر زیادہ کامیاب ہوتے ہیں؛ اور جدید ثقافت ایک نئی مشہوری کا راستہ بھی فروغ دے رہی ہے، جو "ٹاپ AI سائنسدان" بننا ہے۔ اس سے ب без تنازعہ پیدا ہوگا۔
بیرونی دائرہ کار میں یہ افواہیں پھیل رہی ہیں کہ Llama گروہ نے ان مفادوں کو ہierarchical تنظیم میں شامل کرنے کے بعد سیاسی دباؤ کے باعث تباہی کا شکار ہو گیا۔ میں نے دوسرے لیبز سے بھی سننا ہے کہ کبھی کبھار ایک عظیم تحقیق کار کو "سکون" دینا ضروری ہو سکتا ہے تاکہ وہ اپنے خیالات کو آخری ماڈل میں شامل نہ ہونے کی شکایت کرے۔ چاہے یہ بالکل سچ ہو یا نہ ہو، معنی واضح ہیں: خود شعور اور پیشہ ورانہ ترقی کی خواہش، لوگوں کو بہترین ماڈل بنانے سے روکتی ہیں۔ امریکہ اور چین کے درمیان، صرف اس ثقافتی تفریق کا ایک چھوٹا سا رجحان بھی آخری پیداوار پر معنی خیز اثر ڈال سکتا ہے۔
ایک حصہ فرق چین میں ان ماڈلز کو کون بنارہا ہے، اس سے متعلق ہے۔ تمام لیبز میں ایک براہ راست حقیقت یہ ہے کہ مرکزی شرکاء میں سے بڑی تعداد ابھی تک طالب علم ہیں۔ یہ لیبز کافی نوجوان ہیں، جو میرے لیے Ai2 میں ہمارے تنظیمی طریقے کو یاد دلاتے ہیں: طالب علموں کو ساتھی کے طور پر دیکھا جاتا ہے اور انہیں بڑے زبان ماڈل ٹیموں میں ب без وابستہ کر دیا جاتا ہے۔
یہ امریکہ کے بہترین لیبز سے بہت مختلف ہے۔ امریکہ میں، OpenAI، Anthropic، Cursor جیسی کمپنیاں بالکل انٹرن شپ فراہم نہیں کرتیں۔ دیگر کمپنیاں جیسے Google کا نامی طور پر Gemini سے متعلق انٹرن شپ فراہم کرنا ہوتا ہے، لیکن بہت سے لوگ یہ خوف رکھتے ہیں کہ ان کی انٹرن شپ اصل مرکزی کام سے الگ ہو جائے گی۔
خلاصہ یہ ہے کہ اس معمولی کلچرل فرق سے ماڈل بنانے کی صلاحیت میں اضافہ ہو سکتا ہے: آخری ماڈل کو بہتر بنانے کے لیے لوگ اس قسم کے کاموں کو کرنے کو تیار ہوتے ہیں جو زیادہ نمایاں نہیں ہوتے؛ AI بنانے میں شروعات کرنے والے لوگ پچھلے AI کے چند برجھاڑوں سے متاثر نہیں ہوتے، اس لیے وہ نئی جدید ٹیکنالوجیز کو تیزی سے اپنا لیتے ہیں۔ واقعی، میں جس چینی سائنسدان سے بات کر چکا ہوں، اس نے اس بات کو واضح طور پر ایک فائدہ سمجھا؛ کم خود شعور کی وجہ سے تنظیمی ساخت تھوڑی سی آسانی سے بڑھ سکتی ہے، کیونکہ لوگ کم تر "سسٹم کو دھوکہ دینے" کی کوشش کرتے ہیں؛ بڑی تعداد میں ماہرین اس قسم کے مسائل حل کرنے کے لیے مثالی ہیں جن کا دوسری جگہوں پر پہلے ہی ثبوت موجود ہے، وغیرہ۔
یہ رجحان جو موجودہ زبان ماڈلز کی صلاحیت کو بہتر بنانے میں مدد کرتا ہے، ایک معلوم اسٹریو ٹائپ کے خلاف ہے: لوگ عام طور پر سمجھتے ہیں کہ چینی محققین کم تخلیقی تحقیق، جو نئے شعبوں کا آغاز کرتی ہے، "صفر سے ایک" تک کی تحقیق کم پیدا کرتے ہیں۔
اس سفر کے دوران کئی اکیڈمک لیب کے دوروں میں، کئی قائدین نے بتایا کہ وہ اس زیادہ طموح والے تحقیقی ثقافت کو فروغ دے رہے ہیں۔ اس کے برعکس، ہم جن تکنیکی قائدین سے بات کر چکے ہیں، وہ شک کرتے ہیں کہ کیا یہ تحقیقی طریقہ کار کا دوبارہ ڈیزائن کرنا مختصر مدت میں ممکن ہو سکتا ہے، کیونکہ اس کے لیے تعلیمی اور انعامات کے نظام کو دوبارہ ڈیزائن کرنا ضروری ہے، جو اتنی بڑی تبدیلی ہے کہ موجودہ مالی توازن کے تحت اسے حاصل کرنا مشکل ہے۔
یہ ثقافت لگتا ہے کہ "بڑے زبان ماڈل بنانے کا کھیل" میں بہت مہارت رکھنے والے طلبہ اور انجینئرز کی تربیت کر رہی ہے۔ بالکل، ان کی تعداد بھی بہت زیادہ ہے۔
ان طلبہ نے مجھے بتایا کہ امریکہ کی طرح چین میں بھی مہارت کا بہاؤ جاری ہے: بہت سے افراد جو پہلے اکیڈمک راستہ اپنانے کا خیال رکھتے تھے، اب صنعتی شعبے میں رہنا چاہتے ہیں۔ ایک تحقیق کرنے والے شخص نے جو پہلے پروفیسر بننا چاہتے تھے، ان کی سب سے دلچسپ بات یہ تھی کہ وہ پروفیسر بننا چاہتے تھے کیونکہ وہ تعلیمی نظام کے قریب رہنا چاہتے تھے؛ لیکن انہوں نے بعد میں یہ تبصرہ کیا کہ تعلیم کو بڑے زبان ماڈلز نے حل کر دیا ہے — «طلبا کو میرے ساتھ بات کرنے کی ضرورت کیوں ہے!»
طلاب بڑے زبان ماڈلز کے شعبے میں نئی نظر سے داخل ہوتے ہیں، جو ایک فائدہ ہے۔ پچھلے کچھ سالوں میں، ہم نے بڑے زبان ماڈلز کے بنیادی پیٹرن میں مسلسل تبدیلیاں دیکھی ہیں: MoE کو وسعت دینے سے لے کر تقویت سیکھنے کو وسعت دینے اور ایجنٹس کی حمایت تک۔ ان میں سے کسی ایک کو بھی اچھی طرح سے کرنے کے لیے، وسیع ادب اور اپنی کمپنی کے اندر ٹیکنالوجی سٹیک دونوں کو جلدی سے سمجھنا ضروری ہے۔
طلاب اس قسم کے کام کرنے کے عادی ہوتے ہیں اور «کیا کام کرنا چاہیے» کے تمام پہلے کے فرضیات کو عاجزی کے ساتھ چھوڑنے کو تیار ہوتے ہیں۔ وہ اس میں گھل مل جاتے ہیں، صرف ماڈل میں بہتری لانے کے لیے اپنی زندگی لگا دیتے ہیں۔
یہ طلبہ بہت حیرت انگیز طریقے سے براہ راست ہیں اور وہ کوئی فلسفیانہ بات چیت نہیں کرتے جو سائنسدانوں کو الگ کر سکتی ہے۔ جب میں نے ان سے ماڈل کے معاشی اثرات یا لمبے مدتی سماجی خطرات کے بارے میں ان کی رائے پوچھی، تو جو چینی تحقیق کار جٹل نظریات رکھتے ہیں اور ان معاملات پر اثر ڈالنا چاہتے ہیں، وہ واضح طور پر کم تھے۔ وہ اپنے کردار کو بہترین ماڈل بنانے کا سمجھتے ہیں۔
یہ فرق بہت ظریف ہے اور آسانی سے انکار کیا جا سکتا ہے۔ لیکن جب آپ ایک شیواں، ذہین اور انگریزی میں واضح طور پر بیان کرنے والے محقق کے ساتھ لمبی بات چیت کرتے ہیں، تو جب آپ AI کے بارے میں زیادہ فلسفیانہ سوالات پوچھتے ہیں، تو یہ بنیادی سوالات ہوا میں لٹک جاتے ہیں اور دوسری طرف سے ایک سادہ حیرت کا اظہار ہوتا ہے۔ ان کے لیے یہ ایک شرط کا غلط استعمال ہے۔
ایک محقق نے دان وانگ کے مشہور جملے کا حوالہ دیا: امریکہ وکلاء کی قیادت میں ہے، جبکہ چین مهندسین کی قیادت میں ہے۔ اس نے اس تشبیہ کا استعمال کرتے ہوئے ان کی تعمیر کی خواہش پر زور دیا۔ چین میں، ڈوارکش یا لیکس جیسے سپر مین مقبول پاڈکس کی طرح، چینی سائنسدانوں کے ستارہ جانے کے لیے کوئی نظاماتی راستہ نہیں ہے۔
میں چینی سائنسدانوں سے AI کی وجہ سے مستقبل کی مالیاتی عدم یقینیت، صرف AGI کی صلاحیتوں سے آگے نکلنے والے مسائل، یا ماڈل کے کس طرح پیش آنے کے اخلاقی بحثوں پر تبصرہ کرنے کی کوشش کر رہا ہوں؛ یہ تمام مسائل مجھے ان سائنسدانوں کے پس منظر اور تعلیمی پس منظر کی طرف لے جاتے ہیں (ویرایٹ کیا گیا)۔ وہ اپنے کام پر بہت زیادہ متمرکز ہیں، لیکن وہ ایسے نظام میں بڑھے جہاں معاشرے کو کس طرح تنظیم دی جائے اور کس طرح تبدیل کیا جائے، اس بارے میں بحث اور اظہار کو حوصلہ نہیں دیا جاتا تھا۔
دور کی نظر سے، خاص طور پر بیجنگ کو دیکھتے ہوئے، میرا احساس یہ ہے کہ یہ ویلی کی طرح ہے: ایک مقابلہ پر مبنی لیب جو سیر کرکے یا ٹیکسی سے صرف کچھ منٹ کے فاصلے پر ہو سکتا ہے۔ میں نے اپنی پرواز کے بعد ہوٹل جانے سے پہلے الی بابا بیجنگ کی کیمپس کا دورہ کیا۔ اگلے 36 گھنٹوں میں، ہم نے Zhipu AI، Moonshot AI، تسوہوا یونیورسٹی، Meituan، Xiaomi اور 01.ai کا دورہ کیا۔
چین میں دی دی ٹریول کا استعمال کرنا آسان ہے۔ اگر آپ XL کار چنیں، تو اکثر آپ کو مساج سیٹ والی بجلی کی چھوٹی بین گاڑی مل جاتی ہے۔ ہم نے تحقیق کاروں سے مہارت کے لیے مقابلہ پوچھا، تو انہوں نے کہا کہ یہ امریکہ میں ہمارے تجربے کے بہت قریب ہے۔ تحقیق کاروں کا جاب بدلنا عام بات ہے، اور لوگ جہاں جانا چاہتے ہیں، وہ اس بات پر منحصر ہے کہ اب کون سی جگہ کا ماحول سب سے بہتر ہے۔
چین میں، بڑے زبان ماڈل کی کمیونٹی ایک生态系统 کی طرح محسوس ہوتی ہے، نہ کہ ایک دوسرے کے خلاف لڑتی ہوئی قبائل کی۔ بہت سے غیر علیحدہ مکالموں میں، میں نے صرف ساتھیوں کے لیے احترام کی باتیں سنی ہیں۔ تمام چینی لیبز بائٹڈانس اور اس کے مقبول دوباؤ ماڈل سے خوف رکھتے ہیں، کیونکہ یہ چین کا واحد اعلیٰ سطح کا بند ماڈل لیب ہے۔ اس کے علاوہ، تمام لیبز DeepSeek کو بہت احترام دیتے ہیں اور اسے عملی سطح پر سب سے زیادہ تحقیقی ذائقہ رکھنے والے لیب کے طور پر دیکھتے ہیں۔ امریکہ میں، جب آپ لیب کے اراکین کے ساتھ غیر علیحدہ مکالمہ کرتے ہیں، تو شعلے جلد ہی اُڑنے لگتے ہیں۔
چینی محققین کی عاجزی میں، جو سب سے زیادہ میری توجہ کا مرکز ہے، وہ یہ ہے کہ وہ تجارتی سطح پر بھی اکثر کندھے اٹھا دیتے ہیں اور کہتے ہیں کہ یہ ان کا مسئلہ نہیں ہے۔ جبکہ امریکہ میں، لگتا ہے کہ ہر کوئی مختلف ایکوسسٹم کے پیمانے پر صنعتی رجحانات میں مبتلا ہے، ڈیٹا فروش سے لے کر کمپوٹنگ پاور اور فنانس تک۔
چین کے AI صنعت اور مغربی لیبز کے درمیان فرق اور مشابہتیں
آج ایک AI ماڈل بنانا اس لیے دلچسپ ہے کیونکہ یہ صرف کچھ عالِمین کو ایک ہی عمارت میں اکٹھا کرکے ایک انجینئرنگ معجزہ تخلیق کرنے کا مسئلہ نہیں رہ گیا۔ پہلے ایسا ہی تھا، لیکن AI کے کاروبار کو برقرار رکھنے کے لیے بڑے زبانی ماڈل اب ایک مخلوط چیز بن چکے ہیں: جس میں تعمیر، ڈپلومنٹ، فنانس، اور اس تخلیق کو عام کرنے کا کام شامل ہے۔
سرکاری AI کمپنیاں پیچیدہ ایکوسسٹم میں موجود ہیں۔ یہ ایکوسسٹم مسلسل سرحدوں کو آگے بڑھانے کے لیے فنڈنگ، کمپوٹیشنل پاور، ڈیٹا اور دیگر وسائل فراہم کرتے ہیں۔
مغربی ایکوسسٹم میں، بڑے زبان ماڈلز کے تشکیل اور برقرار رکھنے کے لیے درکار تمام وسائل کے ادغام کے طریقہ کار کو نسبتاً مکمل طور پر تصور کیا جا چکا ہے اور نقشہ بنایا جا چکا ہے۔ Anthropic اور OpenAI ان کے مثالی نمونے ہیں۔ اس لیے، اگر ہم یہ پائیں کہ چینی لیبز ان مسائل پر مختلف طریقے سے سوچ رہے ہیں، تو ہم یہ دیکھ سکتے ہیں کہ مختلف کمپنیاں مستقبل میں کن معنی خیز فرق پر زور دینے کا ارادہ رکھتی ہیں۔ بالکل، یہ مستقبل فنانسنگ اور/یا کمپوٹیشنل پاور کی پابندیوں سے بھی شدید طور پر متاثر ہوں گے۔
میں نے ان لیبارٹریز کے ساتھ بات چیت کے بعد حاصل کیے گئے کچھ بڑے "AI صنعتی سطح" کے نتائج درج ذیل طریقے سے ترتیب دیے ہیں:
سب سے پہلے، گھریلو AI کی مانگ میں ابھی ابتدائی علامات نظر آ رہی ہیں۔
ایک وسیع طور پر بحث کی جانے والی فرضیہ یہ ہے کہ چین کا AI مارکیٹ چھوٹا ہوگا، کیونکہ چینی کمپنیاں عام طور پر سافٹ ویئر کے لیے ادائیگی نہیں کرتیں، اس لیے ایک ایسا بڑا انفرینس مارکیٹ جو لیب کو سپورٹ کر سکے، کبھی بھی شروع نہیں ہو سکتا۔
لیکن یہ جائزہ صرف SaaS ایکوسسٹم کے مطابق نرم افزار خرچوں کے لیے لاگو ہوتا ہے۔ اور SaaS ایکوسسٹم چین کی تاریخ میں ہمیشہ چھوٹا رہا ہے۔ دوسری طرف، چین کے پاس واضح طور پر اب بھی ایک وسیع کلاؤڈ مارکیٹ ہے۔
ایک اہم اور اب تک جواب نہ دیا گیا سوال یہ ہے کہ چینی کمپنیاں AI پر خرچ کریں گی — کیا یہ SaaS مارکیٹ کی طرح ہوگا، جس کا سائز چھوٹا ہے؛ یا کلاؤڈ مارکیٹ کی طرح، جس میں بنیادی خرچ ہوگا؟ یہ سوال چینی لیبز کے اندر بھی بحث کا موضوع ہے۔ مجموعی طور پر، مجھے لگتا ہے کہ AI زیادہ تر کلاؤڈ مارکیٹ کی طرف جا رہا ہے، اور کوئی بھی نئے ٹولز پر مبنی مارکیٹ کے بڑھنے کے بارے میں واقعی فکر نہیں کر رہا۔
دوم، زیادہ تر ڈیولپرز کو کلاؤڈ کا بہت زیادہ اثر ہے۔
ہاں، ہر کوئی چین میں کلاؤڈ کو بین الاقوامی طور پر بند کردیا گیا ہے، لیکن چین کے زیادہ تر AI ڈویلپرز کلاؤڈ سے بہت متاثر ہیں اور یہ کہ اس نے ان کے سافٹ ویئر بنانے کے طریقے کو کیسے تبدیل کیا۔ صرف اس لیے کہ چین نے پہلے سافٹ ویئر خریدنے کے لیے کم تعاون کیا ہے، اس کا مطلب یہ نہیں کہ میں سمجھوں گا کہ چین میں استدلال کی مانگ میں بڑا اضافہ نہیں ہوگا۔
چینی ٹیکنیکل ٹیم بہت عملی، متواضع اور متحرک ہے۔ اس بات کا اثر میرے اُپر کسی بھی "نہیں خریدنا" کی تاریخی عادت سے زیادہ ہے۔
کچھ چینی محققین اپنے اپنے ٹولز، جیسے کہ کیمی یا جی ایل ایم کے کمانڈ لائن ٹولز کا استعمال کرنے کا ذکر کرتے ہیں، لیکن سب کو کلوڈ کا استعمال کرنے کا ذکر کرتے ہیں۔ حیرت کی بات یہ ہے کہ کوڈیکس کا ذکر بہت کم لوگ کرتے ہیں، جبکہ کوڈیکس باۓ ایریا میں واضح طور پر تیزی سے مقبول ہو رہا ہے۔
تیسری بات، چینی کمپنیوں میں ٹیکنالوجی کی ملکیت کا رویہ ہے۔
چینی ثقافت ایک دھوم دار طور پر چلنے والے معاشی انجن کے ساتھ مل کر کچھ غیر متوقع نتائج پیدا کر رہی ہے۔ میرے لیے ایک گہرا احساس یہ رہا کہ AI ماڈلز کی بہت بڑی تعداد، یہاں کے بہت سے ٹیکنالوجی کمپنیوں کی عملی توازن کی عکاسی کرتی ہے۔ کوئی مجموعی منصوبہ بندی نہیں ہے۔
یہ صنعت بائٹڈانس اور علی بابا کے لیے احترام سے ہے۔ انہیں طاقتور وسائل کے ساتھ کئی مارکیٹس جیتنے والے بڑے موجودہ کھلاڑیوں کے طور پر دیکھا جاتا ہے۔ ڈیپسیک احترام کی جانے والی ٹیکنالوجی لیڈر ہے، لیکن مارکیٹ لیڈر نہیں۔ وہ رہنمائی کرتے ہیں، لیکن مارکیٹ جیتنے کی مالی ساخت نہیں رکھتے۔
اس سے میںتوان یا انتھا گروپ جیسی کمپنیاں باقی رہ جاتی ہیں۔ مغربی لوگ ان کے اس لیے بڑے زبانی ماڈلز بنانے کے پیچھے حیران ہو سکتے ہیں۔ لیکن درحقیقت، وہ واضح طور پر بڑے زبانی ماڈلز کو مستقبل کے ٹیکنالوجی پروڈکٹس کا مرکزی عنصر سمجھتی ہیں، اس لیے انہیں ایک مضبوط بنیاد کی ضرورت ہے۔
جب وہ ایک طاقتور جامع ماڈل پر فائن ٹیوننگ کرتے ہیں، تو اوپن سورس کمیونٹی کا ماڈل پر فیڈبیک ان کے ٹیک اسٹیک کو مضبوط بناتا ہے، جبکہ وہ اپنے پروڈکٹ کے لیے اندر کی فائن ٹیونڈ ورژن بھی محفوظ رکھ سکتے ہیں۔ اس صنعت میں 'اوپن فرسٹ' کا رویہ، زیادہ تر عملیت سے تعریف کیا جاتا ہے: یہ ماڈل کو مضبوط فیڈبیک فراہم کرتا ہے، اوپن سورس کمیونٹی کو واپس دیتا ہے، اور اپنے مشن کو طاقت بخشتا ہے۔
چوتھا، حکومتی سپورٹ حقیقی ہے، لیکن اس کا پیمانہ ابھی واضح نہیں ہے۔
لوگ اکثر دعویٰ کرتے ہیں کہ چینی حکومت بڑے زبان ماڈل کے مقابلے کو فروغ دینے میں فعال طور پر مدد کر رہی ہے۔ لیکن یہ ایک کئی سطحوں پر مشتمل، نسبتاً مرکزیت سے پرہیز کرنے والی حکومتی نظام ہے، جس کی ہر سطح کے پاس اس بات کا واضح عملی دستور نہیں ہے کہ وہ خود کیا کرنا چاہتی ہے۔
بیجنگ کے مختلف علاقوں کے درمیان مقابلہ ہوتا ہے کہ وہ ٹیک کمپنیوں کو اپنے علاقے میں دفتر قائم کرنے کے لیے متوجہ کریں۔ ان کمپنیوں کو فراہم کی جانے والی "مدد" میں اکثر لائسنس جیسے دفتری پروسیجرز کو ختم کرنے کا احتمال ہوتا ہے۔ لیکن یہ مدد کتنی دور تک جا سکتی ہے؟ حکومت کے مختلف درجات کیا ماہرین کو متوجہ کرنے میں مدد کر سکتے ہیں؟ کیا وہ چپس کی تفریق میں مدد کر سکتے ہیں؟
دورانِ مکالمہ، حکومتی دلچسپی یا مدد کے بارے میں کئی اشارے ضرور کیے گئے، لیکن متعلقہ معلومات اس حد تک کم ہیں کہ میں تفصیلات کا دعویٰ کرنے کے قابل نہیں، اور نہ ہی میں یہ یقینی طور پر کہہ سکتا ہوں کہ حکومت چین کے AI ترقی کے راستے کو کس طرح تبدیل کر سکتی ہے۔
بالکل بھی کوئی نشانہ نہیں ہے کہ چینی حکومت کی سب سے اونچی سطح پر ماڈل کے کسی بھی ٹیکنیکل فیصلے پر اثر ڈال رہی ہے۔
پانچویں، ڈیٹا صنعت مغرب کے مقابلے میں کافی کم ترقی یافتہ ہے۔
ہم نے پہلے سُنا تھا کہ Anthropic یا OpenAI ایک منفرد ماحول پر 10 ملین ڈالر سے زیادہ خرچ کرتے ہیں، اور روزمرہ کی تربیت کے لیے سالانہ کروڑوں ڈالر کا خرچہ کرتے ہیں۔ اس لیے ہم جاننا چاہتے ہیں کہ کیا چینی لیب بھی امریکی کمپنیوں سے اسی قسم کے ماحول خرید رہے ہیں، یا کیا ان کے لیے ایک مرآت جیسا ملکی ایکوسسٹم موجود ہے؟
جواب مکمل طور پر “کوئی ڈیٹا صنعت نہیں” نہیں ہے، بلکہ یہ کہہ رہا ہے کہ ان کے تجربے کے مطابق، ڈیٹا صنعت کی معیار نسبتاً کم ہے، اس لیے اکثر بہتر طریقہ اندر کا ماحول یا ڈیٹا خود بنانا ہوتا ہے۔ تحقیق کار خود بہت زیادہ وقت ریئنفورسمنٹ لرننگ ٹریننگ ماحول تیار کرنے میں صرف کرتے ہیں، جبکہ بائٹڈانس اور علی بابا جیسی بڑی کمپنیاں اس کے لیے اندر کی ڈیٹا لیبلنگ ٹیم رکھ سکتی ہیں۔ یہ سب پہلے بتائے گئے “خریدنے کے بجائے خود بنائیں” والے رویے سے مطابقت رکھتا ہے۔
sixth, the demand for more NVIDIA chips is very strong.
NVIDIA کی کمپوٹنگ پاور ٹریننگ کا سونے کا معیار ہے، اور ہر کسی کی پیش رفت کمپوٹنگ پاور کی کمی کی وجہ سے محدود ہے۔ اگر فراہمی کافی ہو، تو وضاحت ہے کہ وہ خریدیں گے۔ Huawei سمیت دیگر اکسلریٹرز کو انفرینس کے لیے مثبت جائزے ملے ہیں۔ لاکھوں لیب Huawei چپس تک رسائی رکھتے ہیں۔
یہ نکات ایک بہت مختلف AI پائیداری کی تصویر کھینچتے ہیں۔ مغربی لیبز کے طریقہ کار کو چینی ساتھیوں پر فوری طور پر لاگو کرنا اکثر غلط فہمی کا باعث بن جاتا ہے۔ اہم سوال یہ ہے کہ کیا ان مختلف پائیداریوں سے اصل میں مختلف قسم کے ماڈلز نکلیں گے؛ یا پھر چینی ماڈلز ہمیشہ امریکی سرحدی ماڈلز کے 3 سے 9 ماہ پہلے کے نسخے کے طور پر تشریح کیے جائیں گے۔
نتیجہ: عالمی توازن
اس سفر سے پہلے، میں چین کے بارے میں بہت کم جانتا تھا؛ اور جب میں چلا گیا تو محسوس کیا کہ میں صرف سیکھنا شروع کر رہا تھا۔ چین ایک ایسا مقام نہیں جسے قواعد یا ریسیپی سے بیان کیا جا سکے، بلکہ ایک ایسا مقام ہے جہاں بہت مختلف ڈائنانمکس اور کیمیکل ری ایکشن ہیں۔ اس کی ثقافت اتنی پرانی، اتنی گہری ہے اور اب بھی ملک کے اندر ٹیکنالوجی کے تعمیر کے طریقے کے ساتھ مکمل طور پر گھل مل گئی ہے۔ مجھے اب بھی بہت کچھ سیکھنے کی ضرورت ہے۔
امریکہ کے موجودہ طاقت کے کئی اجزاء اپنی موجودہ چین کی سمجھ کو اپنے فیصلوں میں ایک اہم ذہنی ٹول کے طور پر استعمال کرتے ہیں۔ جب میں نے چین کے تقریباً ہر بڑے AI لیبارٹری کے ساتھ رسمی یا غیر رسمی، ذاتی ملاقاتیں کیں، تو مجھے معلوم ہوا کہ چین میں کئی خصوصیات اور جذباتی جھکاؤ ہیں جنہیں مغربی فیصلہ سازی کے طریقے مشکل سے ماڈل کر سکتے ہیں۔
حتی کہ اگر میں ان لیبز سے براہ راست پوچھوں کہ وہ اپنے سب سے طاقتور ماڈلز کو کیوں کھول کر جاری کر رہے ہیں، تو میں ابھی بھی "ملکیت کا رویہ" اور "ایکوسسٹم کی سچی حمایت" کے درمیان کنکشن مکمل طور پر نہیں بنا سکتا۔
یہاں کے لیب بہت عملی ہیں، اور مکمل طور پر اوپن سورس کے لیے انتہا پسند نہیں ہیں، جس کا مطلب یہ ہے کہ وہ ہر ماڈل کو آزادانہ طور پر جاری نہیں کرتے۔ لیکن وہ ڈویلپرز کی حمایت، ایکوسسٹم کی حمایت، اور خود کے ماڈلز کو بہتر سمجھنے کے لیے اوپننس کو ایک ذریعہ کے طور پر استعمال کرنے میں گہری نیت رکھتے ہیں۔
تقریباً ہر چینی بڑی ٹیکنالوجی کمپنی اپنا جامع بڑا زبانی ماڈل تیار کر رہی ہے۔ ہم نے دیکھا ہے کہ میانو جیسی پلیٹ فارم بنیادی خدمات کمپنیاں اور شاومی جیسی بڑی صارفین کی ٹیکنالوجی کمپنیاں نے اوپن ویٹ ماڈلز جاری کر دیے ہیں۔ امریکہ کی مماثل کمپنیاں عام طور پر صرف سروسز خریدتی ہیں۔
یہ کمپنیاں بڑے زبانی ماڈلز کو صرف مقبول نئی چیزوں میں اپنا وجود ظاہر کرنے کے لیے نہیں بناتیں، بلکہ ایک گہری اور بنیادی خواہش کے تحت: اپنی ٹیکنالوجی سٹیک پر کنٹرول رکھنا اور موجودہ کے سب سے اہم ٹیکنالوجی کو ترقی دینا۔ جب میں اپنے نوٹ بک سے سر اٹھاتا ہوں تو ہمیشہ افق پر گروہوں میں کرینز دیکھ سکتا ہوں، جو چین کی وسیع تر تعمیراتی ثقافت اور تعمیراتی توانائی کے ساتھ ملتی جلتی ہے۔
چینی محققین کی انسانیت، خوبصورتی اور سچی گرمجوشی بہت قریب آنے والی ہے۔ ذاتی سطح پر، ہم امریکہ میں جس قسم کی کرشنے والی جغرافیائی سیاست کی بحث کرتے ہیں، وہ ان پر بالکل بھی اثر نہیں کرتی۔ دنیا کو اس قسم کی سادہ مثبتیت کی مزید ضرورت ہے۔ AI کمیونٹی کا ایک رکن ہونے کے ناطے، اب میرا زیادہ خوف یہ ہے کہ قومیت کے لیبل کے حوالے سے اعضاء اور گروہوں کے درمیان دراڑیں پڑ رہی ہیں۔
اگر میں کہوں کہ میں چاhta ہوں کہ امریکی لیبز AI ٹیک اسٹیک کے ہر حصے میں واضح لیڈر نہ بنیں، تو میں جھوٹ بول رہا ہوں۔ خاص طور پر اس علاقے میں جہاں میں نے زیادہ وقت لگایا ہے، میں ایک امریکی ہوں، اور یہ ایک ایماندارانہ ترجیح ہے۔
اسی دوران، میں چاہتا ہوں کہ کھلا ہوا ایکوسسٹم عالمی سطح پر خوشحال ہو، کیونکہ اس سے دنیا کے لیے محفوظ، زیادہ قابل رسائی اور زیادہ مفید AI پیدا ہوگا۔ اور موجودہ مسئلہ یہ ہے کہ کیا امریکی لیبارٹریاں اس قیادت کا عہدہ سنبھالنے کے لیے کارروائی کریں گی۔
جب میں نے یہ مضمون لکھ لیا، تو انتظامیہ کے حکم کے اثرات کے بارے میں زیادہ افواہیں پھیل رہی ہیں۔ اس سے امریکی قیادت اور عالمی پائیدار نظام کے درمیان تعاون مزید پیچیدہ ہو سکتا ہے — جس سے میرا اعتماد کم نہیں ہوا۔
میں مہینے کے اندھیرے پہلو، زہی پو، میانو، شاؤمی، تونگی چین ون، ماؤ یان لینگ گوانگ، 01.ai اور دیگر اداروں میں میرے ساتھ بات چیت کرنے والے تمام عالموں کا شکریہ ادا کرتا ہوں۔ ہر کوئی اتنی پرجوش اور اتنی سخاوت سے اپنا وقت دے رہا تھا۔ جب میرے خیالات واضح ہوتے جائیں گے، تو میں چین کے بارے میں اپنے مشاہدات جاری رکھوں گا، جن میں وسیع ثقافتی پہلوؤں کے ساتھ ساتھ AI کے خود کے شعبے کو بھی شامل کیا جائے گا۔
واضح طور پر، یہ جانکاری AI کی سرحدی ترقی کے ساتھ جڑی کہانی سے براہ راست متعلق ہوگی۔
لیو دونگ BlockBeats کے خالی پوسٹس جاننے کے لیے کلک کریں
لیکٹ کے BlockBeats کے افسانوی گروہ میں شامل ہوں:
ٹیلیگرام سبسکرائیب گروپ：https://t.me/theblockbeats
ٹیلیگرام گروپ：https://t.me/BlockBeats_App
ٹویٹر کا افسانوی اکاؤنٹ：https://twitter.com/BlockBeatsAsia