ڈیپسیک لمبے مدتی AGI کی منصوبہ بندی کو عملی انجام کے ساتھ متوازن کرتا ہے

ڈیپسیک کا جواب صرف آسمان کو دیکھنا نہیں، اور نہ ہی صرف زمین پر قدم رکھنا، بلکہ ایک کافی دور کے مقصد کو حقیقی مسائل سے سہارا دینا ہے۔

مضمون کے مصنف، ذریعہ: 36氪

ڈیپسیک کا جواب صرف آسمان کو دیکھنا نہیں، اور نہ ہی صرف زمین پر قدم رکھنا، بلکہ ایک کافی دور کے مقصد کو حقیقی مسائل سے سہارا دینا ہے۔

لکھنے والے | جیاکسنگ لی، چینی یی

ویرایش | چانگ وی

ہیڈر تصویر کا ذریعہ | DeepSeek

کور کا ماخذ | DeepSeek

ڈیپسیک کو دوبارہ سپاٹلائٹ میں لایا گیا ہے۔

یہ کمپنی ایک وقت تک AI دنیا کی سب سے پراسرار کمپنی تھی: انجینئرنگ کلچر، چپکے سے، بانی کم از کم عوامی طور پر ظاہر ہوتے تھے، اور ٹیم عام انٹرنیٹ کمپنیوں کی طرح بار بار کہانیاں سنانے یا پروموشن نہیں کرتی تھی۔ لیکن گزشتہ سال، یہ تقریباً ہر ایک مدت کے بعد چینی ٹیکنالوجی کے دائرے کا مرکز بن گئی۔ جب مدلز جاری ہوئے تو اس نے کم لاگت اور اوپن سورس کی وجہ سے سب کو متاثر کیا؛ جب فنانسنگ کی خبریں آئیں تو اس کا اندازہ اور سرمایہ کاروں نے بحث شروع کردی؛ اور اس بار، لیانگ وینفینگ کا تقریباً 4 گھنٹے کا سرمایہ کاروں سے مکالمہ ریکارڈ لیک ہو گیا، جس نے باہر والوں کو دوبارہ اس کمپنی کا جائزہ لینے پر مجبور کر دیا۔

اس بار، باہری دنیا نے DeepSeek کو ایک مکمل اور زیادہ متضاد کے طور پر دیکھا۔

ایک طرف، ایک کافی دور کا مقصد ہے۔ لیانگ وینفینگ AGI، وژن، “دنیا کے لیے نیک نیتی”، منافع کو زیادہ سے زیادہ نہ بنانے، اور کوڈ کھولے بغیر لوگوں کو منظم نہ کرنے کی بات کرتے ہیں۔ وہ کہتے ہیں کہ DeepSeek اگلا سپر ایپ بننا نہیں چاhta، اگلا ByteDance یا Tencent نہیں بننا چاhta؛ کمپنی KPI کے بجائے وژن پر چلتی ہے، ریسرچر کے پاس بہت زیادہ آزادی سے تحقیق کا وقت ہے، اور وہ زیادہ تر دیر تک نہیں کام کرتے۔ دوسری طرف، وہ عملی ہیں۔ لیانگ وینفینگ API کی قیمت دینے کی بات بھی کرتے ہیں جس سے دس ماہ میں لاگت واپس آ جائے، فنڈنگ کیسے ٹیم کی استحکام کے خطرے کو کم کرتی ہے، پیسے جلد سے جلد کارڈ میں تبدیل ہونے چاہئیں، گھریلو کمپوٹنگ پاور کی پیداواری پابندیاں، مرکزی ریسرچرز میں سے نصف ڈیٹا لیبلنگ پر مصروف ہیں، اور کمپنی بڑھنے کے بعد اسے ادارتی ساخت مکمل کرنا ضروری ہے۔ وہ اس بات تک کہتے ہیں کہ اگر بدترین صورتحال میں API فروخت کر دی جائے تو وہ ایک لسٹڈ کمپنی کو برقرار رکھ سکتی ہے۔

ایک AI کمپنی کیسے آسمان کی طرف دیکھے اور زمین پر قدم رکھے؟ یہی ڈیپ سیک کا جواب ہے۔

انٹرنیٹ پر فاش ہونے والے "لیانگ وین فینگ انویسٹر انٹرایکشن سیشن کی آواز کی ٹرانسکرپٹ" کے مطابق، "فیچر ہیومن لیب" نے درج ذیل جائزہ تیار کیا۔

طویل مدتی مقصد AGI ہے، لیکن صرف دور کی طرف بات کرنے کے بجائے، اسے مسلسل سیڑھیوں میں تقسیم کریں

لیانگ ون فینگ نے اپنا طویل مدتی مقصد AGI کے طور پر تعریف کیا، لیکن اس نے AGI کو ایک عائم تصور کے طور پر نہیں پیش کیا، بلکہ اسے ایک مسلسل راستے میں تقسیم کیا: زبانی ماڈل، CoT، ایجنٹ، مستقل سیکھنا، خود کو دوبارہ ترتیب دینا، اور جسمانی ذہانت۔ مقصد کافی دور ہے، لیکن ہر قدم موجودہ ٹیکنالوجی کے مسائل پر ڈالا جا سکتا ہے۔

یہ ہمارا اندازہ ہے، ہمیں لگتا ہے کہ یہی ترتیب ہونی چاہیے: پہلے سیکھنے کے لیے سیکھنا، پھر اس خود تکرار کرنے والے ذہنی نقطہ تک، اور اس کے بعد جسمانی ذہانت۔ جسمانی ذہانت کے بعد، یہ حقیقی دنیا میں داخل ہو جائے گی، آپ کے گھر کے کام کر سکتی ہے، آپ کی دیکھ بھال کر سکتی ہے۔

ہمیں لگتا ہے کہ یہ ایک نسبتاً مثالی راستہ ہے، لیکن ہر کسی کا نقطہ نظر مختلف ہوتا ہے، اور اس میں صحیح یا غلط نہیں ہوتا۔ صرف ہمیں لگتا ہے کہ یہ راستہ سب سے آسان ہے۔ اس راستے کی وجہ یہ ہے کہ آپ کو ہر قدم پر نئے کام کرنے کی بہت کم ضرورت ہوتی ہے۔

AI کی ترقی کو ہم ایک سیڑھی کے طور پر سمجھ سکتے ہیں۔ گزشتہ سال ہم نے CoT، یعنی سوچ کے سلسلے کو عبور کیا۔ کیونکہ ہم نے پایا کہ سوچ کے سلسلے کے ذریعے، ذہانت کو ایک اعلیٰ سطح تک پہنچایا جا سکتا ہے۔ اپنے آپ کو سوچنے کے ذریعے، یہ حد بڑھ جاتی ہے اور AI زیادہ کام کر سکتا ہے۔

یہ ایجینٹ کا تعاقب کرتا ہے، لیکن ایجینٹ کو مقصد نہیں سمجھتا

ابھی باہر کی دنیا میں ایجنٹ پروڈکٹس اور تجارتی لاگو کرنا سب سے زیادہ چرچا میں ہیں، لیکن لیانگ وین فینگ ایجنٹ کے بعد کے رکاوٹوں، مستقل سیکھنے کے بارے میں زیادہ فکر کرتے ہیں۔ وہ موجودہ ٹیکنالوجی کے لہجے میں شرکت کرتے ہیں، لیکن موجودہ ہٹس ان کے نتیجے کو تعریف نہیں کرتے۔

ایجینٹ کے اس مقام پر، جو دیکھا جا سکتا ہے وہ اگلا瓶颈 ہے، جو مستقل سیکھنا ہے۔ اگلا حل کرنے والا مسئلہ یہ ہے کہ مستقل سیکھنا کیسے حاصل کیا جائے، یہ دیکھا جا سکتا ہے اور نسبتاً واضح ہے۔

AI آپ کے ملازمین کی جگہ نہیں لے سکتا۔ لیکن اگر AI کی مستقل سیکھنے کی صلاحیت ہے، اور وہ آپ کے ملازمین کی طرح کمپنی میں دو ماہ تک سیکھتا ہے، تو وہ دنیا بھر کے لوگوں کی جگہ لے سکتا ہے۔

ابھی سرمایہ کاروں کو زیادہ تر ایجینٹ دکھائی دیتے ہیں؛ لیکن جن لوگوں کا تحقیق کا شعبہ ہے، ان کے لیے اب زیادہ تر سیکھنا دکھائی دیتا ہے۔

لمحات کو دیکھیں، لیکن مرکزی راستے سے باہر کی ٹیکنالوجی کی سمت کو فعال طور پر نظر انداز کریں۔

ویڈیو جنریشن، 3D، ورلڈ مدلز، متعدد ماڈلز، اور جسمانی ذہانت کو مختلف ترجیحات میں رکھا گیا ہے۔ ڈیپسیک ان کا انکار نہیں کرتا، بلکہ یہ جانچتا ہے کہ کیا وہ موجودہ ذہانت کی مرکزی راہ پر ہیں۔ مستقبل کی غنی شکلوں کو دیکھتے ہوئے، ہر ٹرینڈ کے ساتھ لے جانے سے خود کو روکتا ہے۔

جب ہم باہری مسائل کے ساتھ کام کرتے ہیں، تو ہمارا رویہ یہ ہے کہ ہم صرف AGI کی مرکزی شاخ پر کام کریں گے۔ یہی وہ چیز ہے جس کا میں نے ابھی ذکر کیا، جیسے GPT، CoT، Agent وغیرہ — صرف مرکزی شاخ پر۔ AI کا شعبہ بہت وسیع ہے، اور بہت سی چیزیں ہیں جو ہمیں لگتی ہیں کہ وہ اس مرکزی شاخ سے باہر ہیں، جیسے 3D، ویڈیو جنریشن، جو میں سمجھتا ہوں کہ ذہانت کی مرکزی شاخ سے زیادہ تعلق نہیں رکھتیں، اور ہم ان پر کام نہیں کریں گے۔

لیکن کاروباری طور پر، یہ ایک اچھا کاروبار ہے، کاروباری طور پر ایک اچھا کاروبار ہے۔ لیکن اس کا کوئی تعلق ذہانت سے نہیں ہے۔ ہم اس لیے اسے نہیں کریں گے کہ یہ ایک اچھا کاروبار ہے، ہم صرف اس لیے کریں گے کہ یہ ذہانت کے راستے پر ایک چیز ہے۔

ہم ہمیشہ سے متعدد ماڈل لے آؤٹ پر کام کر رہے ہیں۔ اس کا پروڈکٹ کے لیے اہمیت ہے؛ C ڈیویلپر صارفین کے لیے اس کا اہمیت ہے۔ لیکن ذہانت کی حد کے لیے، یہ ایک کمپوننٹ ہے، یہ خود بنیادی راہ نہیں ہے۔

یہ اعلیٰ عدم یقینیت والے تحقیق کو "لٹیرا" کرنے کی اجازت دیتا ہے، لیکن ٹیکنالوجی کی کامیابی کے پیچھے بہت ساری سخت محنت کو بھی تسلیم کرتا ہے۔

اس قسم کے مسائل کو لگاتار سیکھنا، مکمل پراجیکٹ-بنیادی یا KPI-بنیادی نظام کے لیے مناسب نہیں ہے، اور اس کے لیے ضروری نہیں کہ بہت سارے کارڈ ہوں۔ لیانگ وینفینگ اسے "لوٹری" کہتے ہیں: کم رُکاوٹ، بہت سے لوگ اس پر سوچ سکتے ہیں، لیکن کامیابی غیر یقینی ہے۔ لیکن دوسری طرف، وہ ڈیٹا اینوٹیشن، پوسٹ ٹریننگ، الوسین، اور لاگت کارآمدی کے بارے میں بہت عملی طور پر بات کرتے ہیں۔ یہ صرف تخلیقی خیال پر مبنی تحقیق کا ثقافت نہیں ہے، بلکہ آزاد تلاش اور ناپسندیدہ، تھکا دینے والے کام کا امتزاج ہے۔ تحقیق کے لیے غیر یقینی جگہ چھوڑنا اور تکنیکی کامیابی کے پیچھے کے مزیدار، تھکا دینے والے محنت کو قبول کرنا۔

یہ کوئی منصوبہ نہیں ہے، بلکہ اس کے بارے میں بہت سے لوگوں کو سوچنا ہوگا۔ اس لیے اس کے لیے کوئی وسائل مختص کرنے کی ضرورت نہیں۔ صرف یہ کہ ہم دوسری کمپنیوں سے مختلف ہیں کہ ہم اس سوال پر بحث کرنے کے لیے وقت گزاریں گے، اس پر سوچیں گے، اور اسے ایک اہم بات کے طور پر سمجھیں گے۔

تو ہم اسے “لوٹ کھینچنا” کہتے ہیں۔ اس کی حد بہت کم ہے، کوئی بھی لوٹ کھینچ سکتا ہے، لیکن کون کیا نکالے گا، یہ شاید میرے لیے بھی نہیں معلوم کہ یہ صلاحیت پر ہے یا کچھ اور پر۔

تو اب بالکل دو پاؤں پر چل رہے ہیں۔ یہ نہیں کہ ہم مکمل طور پر لیبل نہیں کر سکتے، بلکہ کیونکہ لیبلنگ کے کچھ اقدار کم لاگت کے ہیں اور کچھ زیادہ لاگت کے۔ ہم پہلے کم لاگت والے لیبل کرتے ہیں۔ تو آپ یہ بھی سمجھ سکتے ہیں کہ اب ہماری کمپنی کے آدھے لوگ لیبلنگ کر رہے ہیں۔ آدھے مرکزی ریسرچر، سب سے اہم لوگ، آدھے لیبلنگ کر رہے ہیں۔

ہالوسیشن کا مسئلہ حل کرنے کا ایک طریقہ بھی ہے، لیکن یہ ایک لمبا مسئلہ ہے۔ ہالوسیشن کو بہتر پوسٹ ٹریننگ کے ذریعے حل کیا جا سکتا ہے، اور یہ ایک قابل حل، قابل بہتری والا مسئلہ ہے۔ صرف لوگ اس پر زیادہ توجہ نہیں دے رہے۔ یا میرے لیے، ہالوسیشن ایک مسئلہ ہے، لیکن ہم اسے مصنوعات کا مسئلہ سمجھتے ہیں۔ ہم اسے حل کریں گے، لیکن یہ اہم مسئلہ نہیں ہے۔

یہ اسکیلنگ پر یقین رکھتی ہے، اور یہ بھی تسلیم کرتی ہے کہ کمپوٹیشنل پاور ہی حقیقی پابندی ہے

ڈیپسیک سکیلنگ کو انکار نہیں کرتا اور امریکا اور چین کے درمیان فرق سے نہیں بچتا۔ لیانگ وینفینگ نے فرق کو بہت سیدھے طریقے سے بیان کیا: یہ صرف انسانی وسائل نہیں، بلکہ وسائل ہیں۔ اس لیے کم لاگت، ڈومیسٹک کمپوٹنگ پاور، اور بنیادی کمپائلر صرف صنعتی نعرے نہیں، بلکہ ٹیکنالوجی کے راستے کا حصہ ہیں۔ بڑے ماڈل کے اصولوں پر ایمان رکھیں، لیکن وسائل کی کمی کے تحت انفرادی ترقی کے لیے انجینئرنگ کی کارکردگی کا استعمال کریں۔

اسکیلنگ کے بارے میں، ہم اسکیلنگ پر یقین رکھتے ہیں، یقیناً جتنا بڑا سائز ہوگا، اتنا ہی بہتر نتیجہ ہوگا اور زیادہ فنکشنز کھل جائیں گے۔ ہماری اسکیلنگ کو روکنے والا واحد چیز کمپوٹیشنل پاور ہے، ہم اسکیلنگ نہیں کرنا چاہتے، بلکہ ہمارے پاس اسکیلنگ کے لیے اتنی زیادہ کمپوٹیشنل پاور نہیں ہے۔

ہمیں نہیں معلوم کہ یہ حد کہاں ہے۔ ہم اتنے بڑے ماڈل کو تربیت نہیں دے رہے کہ ہمیں لگتا ہے کہ اتنے بڑے ماڈل کافی ہیں، بلکہ کیونکہ میرے پاس اتنے وسائل موجود ہیں۔ میں اپنے وسائل کے لحاظ سے یہ طے کرتا ہوں کہ میں کتنے بڑے ماڈل کو قبول کر سکتا ہوں اور تربیت دے سکتا ہوں، اور یہی طریقہ ہے، یہ نہیں کہ یہ ماڈل کافی ہے۔

نہیں، تنظیم کی ضرورت نہیں، بلکہ ڈائنامک لمبی تنظیم ہے

ٹیکنیکل راستہ تلاش کرتے ہوئے، لیانگ وین فینگ کا خیال غیر متوقع تھا، اس نے کہا کہ اس راستہ کارٹ کو بنانے کے لیے اوور ٹائم کی ضرورت نہیں ہے، اس لیے یہ سب سے آسان راستہ ان کا ٹیکنیکل راستہ بن گیا۔ آرام اور لچک کی اس تلاش کو وہ اپنی ٹیم کے منظم کرنے اور انتظام میں بھی ظاہر کرتے ہیں، لیانگ وین فینگ کہتے ہیں کہ ان کے پاس کوئی تنظیمی ساخت نہیں ہے، ٹیم اوور ٹائم نہیں کرتی، KPI نہیں ہیں، اور کم از کم آدھے وقت تک ٹیم کے اراکین اپنے اپنے کاموں میں مصروف رہتے ہیں۔

ان کے پاس اب بھی آدھا وقت آزاد ہے، وہ جو چاہیں وہ کر سکتے ہیں۔ یہ ایک تحقیقی میدان ہے جہاں وہ اپنی مرضی سے تلاش کر سکتے ہیں، اور یہ کہ وہ کیا اہم سمجھتے ہیں، اس کے مطابق تلاش کر سکتے ہیں، کوئی پہلے سے طے شدہ ضرورت نہیں۔

بنیادی کارکن کی اقتدار ایک طرفہ فیصلوں سے نہیں، بلکہ اتفاق رائے سے آتا ہے

لیانگ ون فینگ کے خیال میں، لوگوں کو اکٹھا کرنے والا وژن ہے۔ لوگ وژن سے متاثر ہوتے ہیں، “وہ اس دنیا کے لیے بہت بڑی نیک نیتی کے ساتھ کچھ کرنا چاہتے ہیں،” اس لیے وہ آئے۔ شروع میں پچاس لوگوں نے کبھی منافع کے بارے میں نہیں سوچا، “اگر وہ ایسا سوچتے، تو وہ نہیں آتے۔” لیانگ ون فینگ کہتے ہیں۔ اس کی اپنی حکمرانی بھی اتفاق رائے سے تشکیل پائی، ایک بات آگے بڑھتی ہے، کیونکہ اس پر اتفاق رائے ہے۔

میں تمہیں ایک کہانی سناتا ہوں، جس میں ہمارا DDCP ہے، ہمارا ماڈل۔ شروع میں ہم ڈر رہے تھے کہ مانگ زیادہ ہوگی، اس لیے ہم نے قیمت ابتدائی طور پر زیادہ رکھی، جس سے ٹیم کے تمام افراد خوش نہیں تھے۔ بعد میں میں نے قیمت کم کر دی، چوتھائی تک، اور پھر سب خوش ہو گئے۔ مجھے لگتا ہے کہ یہی ہمارا اصل خیال تھا۔ جیسا کہ میں نے پہلے کہا تھا، ہمارا وژن یہ ہے کہ ہم اس چیز کو لوگوں کے لیے مفید بنانا چاہتے ہیں، نہ کہ زیادہ سے زیادہ پیسہ کمانا، بلکہ ہم ایک مناسب منافع کے ساتھ اسے سب کے لیے قابلِ دستیاب بنانا چاہتے ہیں۔ مجھے لگتا ہے کہ جب ہم نے قیمت کم کی تو، کمپنی کے دوسرے لوگوں کا خیال بھی یہی تھا — اس وقت کمپنی کے گروپ میں بہت سارے لوگ خوشی سے چلّا رہے تھے، اور سب خوش تھے۔

مثلاً، اگر میں کوئی کام کرنا چاہوں تو میں پہلے یہ دیکھوں گا کہ ہمارا مشترکہ اتفاق کیا ہے، کیا ہم سب یہ کرنا چاہتے ہیں۔ اس کے بعد شاید میرے پاس کچھ رہنمائی یا ترجیح ہو، لیکن اس رہنمائی کا اثر بہت محدود ہے، رہنمائی کا اثر بہت محدود ہے، اور یہ تمام مشترکہ اتفاق پر مبنی ہے۔ یہ فیصلہ سازی کا نظام دراصل ایک مشترکہ اتفاق حاصل کرنے کا نظام ہے، یہ میرا مطلب نہیں کہ میں کسی بات کو آگے بڑھا سکتا ہوں، بلکہ جب تک اتفاق نہ ہو، میں کچھ نہیں کر سکتا، اور جب اتفاق ہو جائے تو میں آگے بڑھتا ہوں۔

یہ ڈھیلا رہتا ہے، لیکن سست نہیں، اپنے اپنے تنظیمی طریقہ کار کے ساتھ

ٹیم صرف باتیں نہیں کرتی، عمل کرتی ہے۔ لیانگ وین فینگ کہتے ہیں کہ وژن دیوار پر لٹکا ہوا نعرہ نہیں، بلکہ یہ ہے کہ آپ کیا کرتے ہیں۔ وہ اپنے آپ کو کیا کرنا ہے، اس کا ایک واضح منصوبہ رکھتے ہیں، اور تنظیمی ساخت، انعامات کا نظام، اور ٹیم کے اہداف کو بہت واضح طور پر سمجھتے ہیں۔ ملازمین کا آدھا وقت اپنے اپنے کاموں میں لگتا ہے، جبکہ دوسرا آدھا وقت کمپنی کے اہداف پورے کرنے میں صرف ہوتا ہے۔ اوورٹائم نہ کرنا ضروری فائدہ ہے، لیکن لیانگ وین فینگ چاہتے ہیں کہ یہ تحقیق کے لیے ایک آرام دہ ماحول پیدا کرے۔ ٹیم کو کم کام کرنا پڑتا ہے، کیونکہ ان کے اہداف مرکوز ہیں — وہ AGI بنانا چاہتے ہیں۔ مستقبل میں، جب ملازمین کی تعداد بڑھے گی، تو لیانگ وین فینگ صاف طور پر تسلیم کرتے ہیں کہ کچھ شعبوں میں سخت ہیرارکی ساخت بنانے کی ضرورت ہوگی، اور حقیقت میں، تبدیلی پہلے سے شروع ہو چکی ہے۔

پھر دوسرا سوال مستقبل کی تنظیمی ساخت اور ملازمین کے منصوبہ بندی کے سائز کے بارے میں ہے۔ سب سے پہلے، ہماری پچھلی تنظیمی ساخت بہت متناثر تھی، کیونکہ کوئی تنظیمی ساخت نہیں تھی۔ لیکن جب ہم اپنے افراد کو مزید بڑھائیں گے، تو ان سب کے لیے ضروری ہوگا کہ کچھ تبدیلیاں کی جائیں۔ اب تو صرف اس بات کہہ سکتے ہیں کہ یہاں بہت ساری تبدیلیاں درکار ہوں گی، لیکن ابھی ان تمام تبدیلیوں کو ایک ساتھ ظاہر کرنا مشکل ہے۔ آخرکار، مختلف محکموں میں تقسیم ہونا ضروری ہوگا، کچھ محکمے ایسے ہوں گے جن کے لیے ہمیں زیادہ سخت درجہ بندی کی ساخت قائم کرنے کی ضرورت ہوگی۔ دوسرے محکمے، شاید اب بھی ایک نرم اور سپھل ساخت برقرار رکھیں گے۔

ہم عام طور پر زیادہ اضافی گھنٹے نہیں لگاتے۔ اضافی گھنٹے نہ لگانے کے دو اسباب ہیں۔ پہلا اسباب یہ ہے کہ تحقیق کے لیے ایک نرم ماحول درکار ہوتا ہے۔ اگر آپ زور دیں گے تو تحقیق نہیں ہو سکتی۔ کیونکہ یہ ضروری ہے کہ آپ خود کو اس میں دلچسپی رکھیں اور اپنے معمول کے مطابق ان مسائل پر سوچیں، اس لیے صرف ایک نرم ماحول میں ہی تلاش کی جا سکتی ہے۔ یہ تحقیقی ثقافت کی ضرورت کے باعث ہے۔ دوسرا اسباب یہ ہے کہ ہم بہت زیادہ مرکوز ہیں۔ مرکوز ہونے کا مطلب ہے کہ ہمارے پاس بہت کم کام ہوتا ہے۔ اس لیے میرے پاس اتنے زیادہ کام نہیں ہوتے، اور مجھے اضافی گھنٹے نہیں لگانے پڑتے۔

ٹیم کی استقراوری مثالی عمل کی بنیاد ہے

ٹیم کی استحکام اہم مفاد ہے۔ لیانگ وین فینگ کے خیال میں، بہت سی چیزیں اہم ہیں — پیسہ، کارڈ، وسائل — لیکن یہ تمام چیزیں سب سے بڑا خطرہ نہیں ہیں؛ سب سے بڑا خطرہ یہ ہے کہ لوگ الگ ہو جائیں۔ ٹیم کے ٹوٹنے سے بچنے کے لیے، لیانگ وین فینگ بے ترتیبی میں ایک ڈائنامک ٹیم کی ممکنہ شکل تلاش کرتے ہیں، جس میں درجہ بندی، ٹیکنالوجی، اور نوآوری کے نظام ان کے لیے ٹیم کے توازن کو برقرار رکھنے کے ذرائع بن سکتے ہیں۔ حالیہ وقت میں، DeepSeek نے جزوی فنانس مکمل کر لیا ہے، اور لیانگ وین فینگ کہتے ہیں کہ اب سب کو آپشن مل گئے ہیں، جس سے “لوگ الگ ہو جائیں” کا خطرہ بڑھے طور پر کم ہو گیا ہے۔

جب تک میں اپنی ٹیم کی استحکام برقرار رکھ سکوں، میں ضرور کامیاب ہو جاؤں گا، میں ضرور AGI بناؤں گا، بس یہی بات ہے۔ جب تک کوئی نہ جائے، ہم جاری رہ سکیں، میں ضرور کامیاب ہو جاؤں گا۔ اس میں بنیادی طور پر کوئی خطرہ نہیں۔ صرف اس بات پر منحصر ہے کہ جلد یا دیر سے ناکامیاں آئیں گی؛ اگر ناکامیاں آئیں اور کوئی نہ جائے، تو میں دوبارہ شروع کر سکتا ہوں۔

ٹیم کی استحکام کے لحاظ سے، جب تک کہ سب سے اہم اور سب سے پرانے ملازمین مستقل رہیں، باقی لوگ نہیں جائیں گے۔ باقی لوگوں کو چاہے آپشن کم ملیں یا آمدنی کم ہو، وہ نہیں جائیں گے کیونکہ وہ صرف پیسے کے لیے نہیں آئے ہیں، سب چاہتے ہیں کہ وہ ایک ایسے ماحول میں کام کریں جہاں AGI بنایا جا سکے۔ اس لیے، اس کے لیے صلاحیتیں اب بھی جذب کرنے والی ہیں۔

تاریخی طور پر، ہماری ملازمین کی منتقلی کم ہوتی ہے، اور صنعت کے دیگر افراد کے مقابلے میں ہماری ملازمین کی منتقلی ہمیشہ کم ہوتی ہے۔ لیکن یہ اب بھی ہمارا بڑا چیلنج ہے، اور یہ واحد چیلنج ہے، اس طرح کہا جا سکتا ہے۔

اوپن سورس کا مطلب ڈیواروں کو چھوڑنا نہیں، بلکہ ڈیواروں کو ماڈل سے لاگت اور انجینئرنگ کی کارکردگی پر منتقل کرنا ہے

لیانگ ون فینگ نے اوپن سورس کے بارے میں نہ تو صرف ایدیالوجی کی بات کی، نہ ہی صرف مارکیٹنگ۔ ان کا جائزہ یہ تھا کہ AI کا معاملہ بہت بڑا ہے اور اسے کوئی ایک کمپنی اکیلے قبضہ نہیں کر سکتی؛ اوپن سورس ایکوسسٹم کے لیے قبولیت کو فروغ دیتا ہے اور بزنس ماڈل کو قدرتی طور پر نقصان نہیں پہنچاتا، کیونکہ اصل رکاوٹیں صرف ماڈل خود نہیں، بلکہ ڈپلوئمنٹ لاگت، انجینئرنگ کارکردگی اور تنظیمی صلاحیتیں ہیں۔

ہم اس خواب کے لیے کیوں اتنی زور دے رہے ہیں کہ یہ کھلا ہو؟ کیونکہ یہ خواب خود ہی کھلے ہونے کی ضرورت رکھتا ہے۔ اگر آپ کے پاس یہ خواب نہیں، تو آپ لوگوں کو اکٹھا نہیں کر سکتے۔

پھر اوپن سورس کے معاملے میں، ہم نے شروع سے ہی بہت واضح سوچا۔ پہلا، وژن؛ دوسرا، ہم نے سمجھا کہ AI کو کاروباری طور پر کامیاب بنانے کے لیے، اوپن سورس فائدہ مند ہے۔

لیکن AI کا معاملہ کافی بڑا ہے، اور آخرکار یہ انسانی معاشرے کے GDP کا صرف دس فیصد ہو سکتا ہے، مثلاً۔ تو یہ اصل میں بہت بڑا عدد ہے۔ اس معاملے کو ایک شخص اکیلے قبضے میں نہیں رکھ سکتا، آپ کو ضرور دوسرے لوگوں کے ساتھ اسے تقسیم کرنا ہوگا، ورنہ آپ زندہ نہیں رہ سکتے۔

اگر ہم چاہیں کہ ہمیں یہ فائدہ اکیلے حاصل ہو، تو یقیناً ہم تاریخ کے ہاتھوں ترک کر دیے جائیں گے۔ میرے خیال میں، اس کا اصل سبب ایک عقلی قانون ہے، یہ ایک تاریخی نقطہ نظر ہے۔

حتیٰ کہ اگر ماڈل کو اوپن سورس کر دیا جائے اور آپ سب کچھ دوسرے کو بتا دیں، تو اس کا بہت اونچا رُکاوٹ ہے۔ دوسرے اسے استعمال کرنے کے لیے بہت اونچا رُکاوٹ ہے۔ اسے استعمال کرنا مشکل ہے؛ دوسرے، اسے استعمال کرنے کے لیے لاگت بہت کم رکھنا بھی بہت مشکل ہے، یہ آسان نہیں ہے۔

مجھ نے اسے اوپن سورس نہیں کیا، اس لیے وہ آسانی سے میری طرح ڈیپلومنٹ کی لاگت حاصل نہیں کر سکتا۔ اس میں ابھی بہت سے کام کرنے ہیں۔ حالانکہ ان کے عمل کے اصول واضح ہیں، لیکن ہر کمپنی یہ چاہتی یا اس کی صلاحیت رکھتی نہیں کہ اس مقصد تک پہنچنے کے لیے انسانی وسائل کو منظم کرے۔

میں سمجھتا ہوں کہ اوپن سورس ہونے سے ہمارے بزنس ماڈل پر کوئی اثر نہیں پڑتا، شرط یہ ہے کہ ہم صرف چھ گنا فائدہ کمائیں، جس میں لاگت دس ماہ میں واپس آ جائے، جو تقریباً چھ گنا فائدہ کے برابر ہے۔ جب ہم صرف چھ گنا فائدہ کماتے ہیں تو اوپن سورس کا کوئی اثر نہیں ہوتا۔

اور میں دوسروں کے ہمارے ماڈل کو ڈپلوی کرنے اور ہمارے ساتھ مقابلہ کرنے کے بارے میں بھی نہیں ڈرتا، بالکل نہیں۔ ہم چاہتے ہیں کہ وہ اسے ڈپلوی کریں۔

دشمن نہ بنائیں، لیکن تجارتی دفاع نہیں چھوڑیں

ڈیپسیک بڑی یا چھوٹی کمپنیوں کے مقابلے میں نہیں چاہتا، بلکہ اپنے مقابلہ کرنے والوں کی مدد بھی کرنا چاہتا ہے۔ اس رویے کا ایک پہلو اس کی آنکھوں کی آرزو سے آتا ہے، جبکہ دوسرا پہلو باہری رکاوٹوں کو کم کرتا ہے، جس سے کمپنی اپنے مرکزی مقصد پر توجہ مرکوز رکھ سکتی ہے۔ ساتھ ہی، لیانگ وین فینگ کا خیال ہے کہ بڑے ماڈلز کا مقابلہ آخرکار جادو نہیں، بلکہ لاگت، وقت اور تجربہ ہے۔ جو لوگ لاگت کو بہتر طریقے سے کنٹرول کرتے ہیں، وہ زیادہ کماوتے ہیں، جبکہ جو لوگ لاگت کو کم اچھی طرح کنٹرول کرتے ہیں، وہ کم کماوتے ہیں۔

اس لیے ہم جو بھی اب کچھ کر رہے ہیں، وہ ٹیم کی استحکام کو برقرار رکھنے کے لیے ہے۔ اس کے علاوہ، میں سمجھتا ہوں کہ باقی سب کچھ ہمیں نہیں چاہیے، اور ہمیں ان سب پر قابو رکھنا چاہیے۔ ہم ہمیشہ بہت پابند رہے ہیں اور کسی بھی انٹرنیٹ کمپنی، چاہے وہ بڑی ہو یا چھوٹی، کے ساتھ مقابلہ نہیں کرنا چاہتے۔

اس پر مبنی طور پر، ہم کسی بھی شخص، یہاں تک کہ اپنے مقابلہ کرنے والوں، جیسے علی بابا، زھی پو، مہینے کے اندھیرے پہلو کی مدد کرنے کے لیے تیار ہیں، کیونکہ ہمیں کچھ نہیں کھوتا، ہم تو اصل میں اوپن سورس ہیں۔

میں نے اپنے تجارتی مفادات کو ہماری نیک نیتی کی وجہ سے متاثر نہیں کیا، بالکل بھی متاثر نہیں ہوا، بلکہ شاید اس سے فائدہ بھی ہوا۔

صرف دو چیزیں فرق ڈالتی ہیں: ایک وقت، دوسرا لاگت۔ اس لیے کسی بھی کمپنی کو زبردست منافع نہیں ہوگا، مجھے لگتا ہے کہ زبردست منافع نہیں ہوگا۔ جو لوگ لاگت کو اچھی طرح کنٹرول کرتے ہیں، وہ تھوڑا زیادہ کما تے ہیں، اور جو لوگ لاگت کو کم اچھی طرح کنٹرول کرتے ہیں، وہ تھوڑا کم کما تے ہیں، صرف اسی حد تک۔

پوری سلسلہ وار تجارت نہیں کریں، صرف سب سے اہم مقام پر قائم رہیں

لیانگ ون فینگ نے بار بار ایک سرحدی رویہ ظاہر کیا ہے: ڈیپسیک کو ہر چیز کرنا نہیں چاہیے، اسے اپسٹریم چپس کے ساتھ عمودی اندماج نہیں کرنا چاہیے، اور نہ ہی اسے تمام ایپلیکیشن لیئر کے مواقع کو ختم کرنا چاہیے۔ اس کا خیال ہے کہ AI کا دور بہت بڑا ہے، جس میں بہت سی کمپنیاں پیدا ہوں گی، اور ڈیپسیک کو صرف ایک کمپنی بننا ہے، جو اپنے سب سے زیادہ ماہر اور سب سے مرکزی حصے پر کام کرے۔

ایک اور سوال یہ ہے کہ کیا ہم اپسٹریم میں عمودی ادغام کریں گے؟ میں امید کرتا ہوں نہیں۔ تو ایک سوال یہ ہے کہ کیا ہم اپسٹریم ایپلیکیشنز میں عمودی ادغام کریں گے؟ ہم چاہتے ہیں کہ نہیں کریں، میں چاہتا ہوں کہ دوسرے لوگ اس کام کو کریں۔ میں نہیں چاhta کہ میں سب کچھ کھا لوں، میں صرف ایک ٹکڑا ہی کھانا چاhta ہوں، میں صرف اپنے سب سے زیادہ ماہر ہونے والے حصے، یا جس حصے کو ہم اپنے لیے سب سے مرکزی سمجھتے ہیں، وہی کھانا چاhta ہوں۔

کیا مستقبل میں ہم اپنے بڑے کلسٹرز خود بنائیں گے؟ میرے خیال میں بڑے کلسٹرز خود بنانا ضروری ہے، ہم خود یہ کام کرتے رہے ہیں، ہمارے تمام کلسٹرز خود بنائے گئے ہیں۔ لیکن مستقبل میں کیا ہم اپنے چپس خود تیار کریں گے؟ یہ اس بات پر منحصر ہے کہ اس سے کتنی فائدہ حاصل ہوگا، فائدہ کتنے بڑا ہوگا۔

ہم صرف ایک ہی چیز بنانا چاہتے ہیں۔ مجھے لگتا ہے کہ AI کا معاملہ بہت بڑا ہے اور مجھے صرف ایک ہی چیز بنانے کی ضرورت نہیں ہے۔ اگر ہم توجہ مرکوز کریں اور میرا خیال ہے کہ یہاں کا کاروباری فائدہ کافی بڑا ہے، اگر AI کے دور میں کئی تریلین ڈالر کی کمپنیاں پیدا ہوں گی، تو میرا خیال ہے کہ ہم ان میں سے ایک ہیں۔

موجودہ موقع کو نہیں چھینیں، لیکن اسے اپنے ہاتھ میں آنے پر ضرور پکڑ لیں

کیا ڈیپسیک کو تجارتی بنانا چاہیے؟ ہاں، لیکن تجارتی بنانا آخری مقصد نہیں ہے۔ ڈیپسیک کا مقصد AGI بنانا ہے، اس راستے میں، لیانگ وین فینگ نے تجارتی مواقع دیکھے، اور وہ ان سے انکار نہیں کرتے، بلکہ فوراً ان کا فائدہ اٹھاتے ہیں۔ "چونکہ یہ اس طرح کے مواقع ہیں جنہیں ہم آسانی سے حاصل کر سکتے ہیں، اس لیے ہم انہیں حاصل کر لیتے ہیں،" لیانگ وین فینگ کہتے ہیں۔ وہ اسے "تھوڑے بیج اٹھانا" اور "بڑا تربوز حاصل کرنا" کا مثال سمجھتے ہیں:

میں سمجھتا ہوں کہ یہ کاروباری طور پر کام کرتا ہے اور ممکن ہے۔ اگر گزشتہ سال ہم نے بڑی رقم خرچ کرکے بائٹڈانس کے ساتھ صارفین کے لیے مقابلہ کیا ہوتا، تو یہ بھی ایک حکمت عملی ہوتی۔ لیکن ہم نے بہت محتاط طریقہ اپنایا، جس میں ہم نے اس چیز کے لیے آپ کے ساتھ مقابلہ نہیں کیا، کیونکہ پیچھے خربوزہ ہے، اور آگے والی چیزیں صرف تلّی ہیں۔

جس قدر کا کاروباری موقع ہو، آپ کے پاس ضرور طریقہ ہوگا۔ اس لیے، پیچھے کے چھوٹے چھوٹے مواقع بھی ہم اٹھاتے ہیں، لیکن ہم رک نہیں جاتے اور نہ ہی انہیں اہم بات سمجھتے ہیں۔ اس لیے، گزشتہ سال کے C-end دنیا کے روزانہ فعال صارفین، میرے خیال میں یہ ایک چھوٹی بات تھی۔ لیکن ہم نے اسے بھی اٹھایا، اور صارفین کے استعمال کو ایک نچلی لاگت پر برقرار رکھا، کیونکہ مستقبل میں یہ مفید ثابت ہو سکتا ہے۔

کاروباریت ہمیشہ موجود رہی ہے، لیکن یہ اعلیٰ مقصد نہیں ہے

لیانگ وینفینگ کے خیال میں، ToC اور ToB کے مقاصد کی ترجیح AGI بنانے کے مقابلے میں کم ہے۔ لیکن جو چیز زیادہ چاہی جائے، وہ کم ملتی ہے؛ ڈیپسیک کے اندر توجہ صرف ٹیکنالوجی کے راستے میں کھینچنے پر مرکوز تھی، لیکن غیر متوقع طور پر C اور B کے سطح کے ٹریفک اور آمدنی کو حاصل کر لیا۔ گزشتہ سال سے اب تک کے اس تجربے کو دوبارہ دیکھتے ہوئے، اس نے نتیجہ نکالا کہ یہ تھا ایک ڈائمنشنل حملہ جس نے اسے جارحانہ فائدہ دیا۔

اس میں ایک استراتیجک فائدہ ہے، جو یہ ہے کہ ہم اپنے دلوں میں AGI کو سوچ رہے ہیں اور ہم AGI کر رہے ہیں۔ اس لیے جب ہم ایپلیکیشنز، C-انڈ اور B-انڈ بناتے ہیں، تو ان چیزوں کے لیے زیادہ توجہ دینے کی ضرورت نہیں ہوتی، اصل میں بہت کم محنت سے کام چل جاتا ہے۔ میرا خیال ہے کہ جب آپ ایک ٹیکنالوجی کے بلند ترین سطح سے نسبتاً کم سطح کی ٹیکنالوجی پر کام کرتے ہیں، تو اس طرح کا "ڈائمنشنل دھکا" ہوتا ہے۔ کم از کم گزشتہ سال C-انڈ پر، ہم نے اس طرح کا عمل دیکھا۔ ہم نے C-انڈ پر زیادہ محنت نہیں کی، بلکہ کبھی کبھار ہم نے صارفین کو برقرار رکھنے کا خیال بھی نہیں کیا، لیکن صارفین جانے نہیں چاہتے تھے۔

کم قیمت نہیں ہے سوداگری، بلکہ مناسب منافع ہے

قیمت رکھنے کے معاملے میں لیانگ وین فینگ واضح ہیں، ان کا مقصد واضح ہے: API کے ذریعے دس ماہ میں ڈیوائس کا اخراج واپس حاصل کرنا۔ موجودہ قیمت منافع کو زیادہ سے زیادہ بنانے کا خیال نہیں، اور نہ ہی یہ کم سے کم قیمت ہے۔ لیانگ وین فینگ کہتے ہیں کہ قیمت کو بے حد نیچے نہیں لایا جا سکتا، کیونکہ انتہائی کم قیمت پر کمپنی قائم نہیں رہ سکتی، اور کم قیمت والے مصنوعات زیادہ سماجی فائدہ بھی نہیں دیتے۔ مناسب قیمت مناسب منافع کے دائرے میں طویل مدتی فائدہ لاتی ہے، اور وہ سمجھتے ہیں کہ AI مارکیٹ بہت بڑی ہے، صرف اسے کامیاب بنایا جائے تو مناسب منافع کافی ہے؛ اگر شروع میں زیادہ حاصل کرنے کی کوشش کی جائے تو زیادہ مقابلہ کا سامنا ہوگا۔

اگر میرا مقصد یہ ہے کہ میں AI اور پوری انسانیت کی جی ڈی پی کا پانچ فیصد قبضہ کروں، تو نظریہ طور پر یہ حساب درست ہے۔ دیکھیں، OpenAI اس حساب کو لگاتا ہے جو نظریہ طور پر ٹھیک ہے۔ لیکن اس کا ایک مسئلہ یہ ہے کہ وہ اس شخص سے شکست کھا سکتا ہے جو صرف ایک فیصد چاہتا ہے۔ کیونکہ دوسرے شخص کا کہنا ہے کہ میں اتنا اچھا کام کر رہا ہوں، لیکن میں صرف عالمی جی ڈی پی کا ایک فیصد ہی چاہتا ہوں، تو وہ اسے شکست دے دے گا۔ اس وقت اگر کوئی اور شخص آجائے جو کہہ رہا ہو کہ میں صرف صفر ایک فیصد چاہتا ہوں، تو وہ بھی پچھلے لوگوں کو شکست دے دے گا۔

مکمل طور پر، چاہے یہ فیصد کہیں سے کیوں نہ نکالا جائے، ان کے درمیان کوئی فرق نہیں، سب ایک جیسے ہیں۔ زیادہ لینے والا کم لینے والے سے شکست کھائے گا۔ اور آپ کو حقیقت میں زیادہ لینے کی ضرورت بھی نہیں ہے، اگر آپ کا خواب زیادہ لینا ہے، تو آپ کو کم لینے کا خواب رکھنے والے سے شکست کھانی پڑے گی۔ دراصل، کسی نے بھی پیسہ نہیں حاصل کیا، صرف ایک خواب ہے۔ اگر آپ کا خواب زیادہ لینا ہے، تو آپ پہلے ہی شکست کھا چکے ہیں، اور آپ کو بڑی مشکلات کا سامنا کرنا پڑے گا۔ دنیا اسی طرح چل رہی ہے۔

آپ کے لیے مثالی AGI کیا ہوگی؟

اپنے خیالات کمنٹس میں شیئر کریں~