اوپن اے آئی کی اسٹرا، اے آئی کا فوکس جواب دینے سے لمبے مدتی کاموں کی انجام دہی پر منتقل کر رہی ہے

ايسٹرا کا اصل اہم نقطہ یہ نہیں کہ وہ کسی خاص ریاضی کا مسئلہ کتنے اچھے سے حل کرتی ہے، بلکہ یہ ہے کہ OpenAI آگے کے ماڈلز کو "فوری جواب نظام" سے تبدیل کر رہا ہے تاکہ وہ گھنٹوں تک یا اس سے زیادہ وقت تک، اپنے آپ ٹاسکز کو تقسیم کر سکیں اور حقیقی سافٹ ویئر کو آپریٹ کر سکیں۔

مضمون کے مصنف، ماخذ: 0x9999in1، ME News



• ايسٹرا کا اصل اہم نقطہ یہ نہیں کہ وہ کسی خاص ریاضی کا مسئلہ کتنے اچھے سے حل کرتی ہے، بلکہ یہ ہے کہ OpenAI آگے کے ماڈلز کو "فوری جواب نظام" سے تبدیل کر رہا ہے تاکہ وہ گھنٹوں تک یا اس سے زیادہ وقت تک، اپنے آپ ٹاسکز کو تقسیم کر سکیں اور حقیقی سافٹ ویئر کو آپریٹ کر سکیں۔
• 16 ایجینٹس کا گروہ ریاضی کے مسائل کو ثابت کرتا ہے، کمپیوٹر پر براہ راست عمل کرتا ہے، "AI ریسرچ انٹرن" — یہ سب نمائشیں ایک ہی تبدیلی کی طرف اشارہ کرتی ہیں: AI مقابلے کا مرکزی معیار اب ایک منفرد جواب کی معیار سے، متعدد اور کتنے طویل اور پیچیدہ کام کے سلسلے کو مستقل طور پر سنبھالنے کی صلاحیت کی طرف منتقل ہو رہا ہے۔
• اگر اس صلاحیت کو مستقل طور پر لاگو کیا جا سکے، تو کاروباروں کے AI خریدنے کا منطق بھی تبدیل ہو جائے گا: گزشتہ وقت میں صرف سافٹ ویئر سیٹ اور کوپائلٹ خریدے جاتے تھے، مستقبل میں یہ "ڈیجیٹل مزدوری" اور ٹاسک تھروپٹ کی خریداری کے قریب آتے جائیں گے۔
• لیکن بند دروازے کے تحت ڈیمو پیداواری ماحول نہیں ہے۔ اسٹرا اب تک عوامی طور پر جاری نہیں کیا گیا ہے، اور "تحقیقی انٹرن" کا کہنا OpenAI کا اندر کا معیار ہے، ریاضی کے ڈیمو سے حاصل ہونے والے ثبوت صرف امیدوار ثبوت ہیں، نہ کہ ان کی سائنسی درستگی کی مستقل تصدیق۔
• مزید احتیاط کی ضرورت ہے کہ صلاحیتوں میں اضافہ شروع ہو چکا ہے اور یہ OpenAI کی اپنی ترقی کی رفتار کو محدود کر رہا ہے۔ اگست میں، OpenAI نے تسلیم کیا کہ Astra اپنی اعلیٰ ترین “کرٹیکل” سائبر سیکیورٹی صلاحیتوں کی سرحد کو چھو سکتا ہے، اور اس لیے اس نے کچھ تربیت اور جائزہ لینے کے افعال روک دیے۔
• تو، کیا ایسٹرا ای جی آئی ہے، اس پر اب بحث کا کوئی فائدہ نہیں۔ اصلی اہم سوال یہ بن چکا ہے: جب AI پہلی بار "آپ کے سوال کا جواب دینے" سے "آپ کے لیے مستقل کام کرنے، اور حتیٰ کہ اگلی نسل کے AI کے تحقیق میں مدد کرنے" تک اپ گریڈ ہونے کا موقع پائے گا، تو کاروبار، مزدور بازار اور AI کمپنیوں کے مالی ماڈل کیا ہوں گے۔

اگر سطحی طور پر دیکھا جائے تو، اسٹرا کا بند دریچہ پیش منظر مڈل کے ایک اور اطلاق سے پہلے کی ترویج کے طور پر سمجھا جا سکتا ہے۔

کئی دہائیوں کے OpenAI کے اہم صارفین کے ایگزیکٹو سین فرانسیسکو میں نئے MB0 آفس میں آئے۔ باہر، "Stop the AI Race" کے مظاہرین اب بھی موجود ہیں؛ اندر، ایک پوری دیوار سبز پودوں سے ڈھک گئی ہے جو دونوں طرف کی نظر کو روک رہی ہے۔ سام الٹمن واشنگٹن سے واپس آئے ہیں، جہاں انہوں نے ابھی تک شائع نہیں ہونے والے ماڈل فیملی کے بارے میں امریکی حکومت کے افسران کو آگاہ کیا تھا۔

یہ منظر اصل میں آج کے AI صنعت کو کسی بھی پریزینٹیشن سے زیادہ درست طریقے سے خلاصہ کرتا ہے: سرمایہ کار، صارفین اور حکومتیں اس صلاحیت کے آگے بڑھنے کا انتظار کر رہی ہیں، جبکہ دوسرے لوگ اس کے زیادہ تیزی سے آگے بڑھنے کی فکر کر رہے ہیں۔

لیکن ایسٹرا کی اصل اہمیت یہ نہیں کہ "مڈل نے کتنے فیصد بہتری حاصل کی"۔

پہلا ڈیمو جس میں 16 AI ایجینٹس ایک ریسرچ لیول کے ریاضی کے سوال کا مقابلہ کر رہے ہیں۔ وہ خود کو مسئلہ کو متعدد ذیلی مسائل میں تقسیم کرتے ہیں، ان پر الگ الگ کوشش کرتے ہیں، نتائج کو ہم آہنگ کرتے ہیں، اور ایک امیدوار ثابت کرنے کا اقدام کرتے ہیں۔ یہاں "امیدوار" کے الفاظ کو واضح طور پر سمجھنا ضروری ہے: یہ کوئی نیا ریاضیاتی نظریہ نہیں ہے جس کی عوامی تصدیق کی گئی ہو، اور 16 ایجینٹس کے ساتھ کام کرنے سے خود بخود 16 بہترین ریاضیدانوں کی تحقیقی ٹیم کے برابر نہیں ہوتا۔ متعدد ماڈل ممکنہ طور پر ایک ہی غلطی کو شیئر کر سکتے ہیں، اور ایجینٹس کی تعداد میں اضافہ خود بخود درستگی میں لینئر اضافہ نہیں لاتا۔

لیکن یہ اب بھی اہم ہے۔

کیونکہ گزشتہ زمانے میں ہم نے بڑے ماڈلز کا جائزہ لینے کے لیے صرف ایک سوال پر توجہ دی: کیا وہ جواب دے سکتے ہیں؟

اوسٹرا کوشش کر رہا ہے کہ مسئلہ کو دوسرے میں بدل دے: کیا یہ اپنے آپ کام کو منظم کر سکتا ہے اور ایک پیچیدہ کام کو لگاتار جاری رکھ سکتا ہے؟

دونوں کا ظاہری طور پر صرف ایک قدم کا فرق ہے، لیکن تجارتی معنیات ایک دور کا فرق ہو سکتے ہیں۔

چیٹ جی پی ٹی کے ابتدائی دور میں سب سے عام تعامل کا طریقہ یہ تھا کہ انسان سوال پوچھتا تھا اور مشین جواب دیتی تھی؛ اس کے بعد کوپائلٹ پروگرامنگ، آفس اور تخلیقی عمل میں داخل ہوا، جہاں انسان لگاتار ہدایات دیتا رہتا تھا اور AI لگاتار مدد کرتی رہی۔ ایجنٹ اگلے مرحلے پر جاتا ہے، جہاں انسان صرف مقصد دیتا ہے، اور مشین خود مراحل طے کرتی ہے، ٹولز منتخب کرتی ہے، درمیانی نتائج کا جائزہ لیتی ہے، اور آگے بڑھتی رہتی ہے۔

اس لیے دوسری ڈیمو کو کاروباری ایگزیکٹو کو مزید غور سے دیکھنا چاہیے، جو ریاضی کے سوال سے بھی زیادہ اہم ہے۔

ایسٹرا کمپیوٹر کو ب без ترکیب کے استعمال کرتی ہے، متعدد عام دیسک ٹاپ سافٹ ویئرز کے درمیان سوئچ کرتی ہے، مواد بناتی اور تبدیل کرتی ہے، اور کام کو بہت تیزی سے مکمل کرتی ہے۔ الٹمن نے کہا کہ مدلز کو "سوپرمان جیسا، بہت تیز" طریقے سے کمپیوٹر استعمال کرتے دیکھنا OpenAI کے عملے کے لیے حالیہ وقت میں سب سے زیادہ حیران کن چیزوں میں سے ایک تھا۔

کمپیوٹر کا استعمال کیوں اہم ہے؟

کیونکہ کاروباری دنیا کا زیادہ تر کام، چیٹ باکس میں ڈالے جانے والی ایک خوبصورت سوال نہیں ہے۔

حقیقی کام براؤزر، ایکسل، ای میل، کوڈ ریپوزٹری، ERP، CRM، ڈیزائن سافٹ ویئر، اندر کے ڈیٹا بیس اور منظوری سسٹم کے درمیان بکھرے ہوئے ہوتے ہیں۔ ایک ملازم کی قیمت صرف "جواب جاننا" نہیں ہوتی، بلکہ اس کا مطلب ہے کہ وہ دسوں سسٹمز کے درمیان معلومات منتقل کرے، فیصلے کرے، فائلوں میں تبدیلی کرے، عمل کو آگے بڑھائے، اور آخرکار کام مکمل کرے۔

جب تک AI اس حد کو عبور نہیں کرتا، تو یہ اب بھی ایک معلوماتی ٹول کے طور پر رہے گا۔

جب وہ عبور کر لیا جائے، تو وہ پہلی بار "مزدوری" کے قریب آتا ہے۔

الٹمن نے اسٹرا کے لیے مرکزی مصنوعات کے طور پر پرسسٹنٹ ایجینٹس کا تصور پیش کیا ہے — مستقل طور پر موجود، طویل مدت تک کام کرنے والے ایجینٹس۔

یہ لفظ AGI جتنا دلچسپ نہیں لگتا، لیکن یہ اگلے کچھ سالوں میں کاروباری منافع اور نقصان کے بیان کو حقیقت میں متاثر کرنے والی چیز کے قریب تر ہو سکتا ہے۔

اوپن اے آئی کے سربراہ سائنسدان جاکوب پیچوکی نے TIME کو بتایا کہ اسٹرا نے کمپنی کے اندر طے کیے گئے "آٹومیٹڈ AI ریسرچ انٹرن" کے معیار کو حاصل کر لیا ہے: اسے ایک تجرباتی خیال دیں، وہ OpenAI کے اپنے کوڈ بیس میں جا کر حل لاگو کر سکتی ہے، تجربات چلا سکتی ہے اور نتائج واپس کر سکتی ہے؛ اسے ایک ریسرچ پیپر دیں، وہ وہ مزید کام کر سکتی ہے جو پہلے انسانی ریسرچر کے لیے تقریباً ایک ہفتہ لینے والا تھا۔

یہ ابھی تک صرف OpenAI کا اندر کا جائزہ ہے، کوئی مستقل تیسری طرف کی تصدیق نہیں، اور نہ ہی اس کا آسان نتیجہ یہ نکالا جا سکتا ہے کہ "Astra اب ریسرچر کی جگہ لے سکتی ہے"۔ لیکن اس سے جو سگنل ملتا ہے وہ کافی واضح ہے: OpenAI کا اہداف اب token، جوابات اور مکالموں سے ٹاسک کی مدت کی طرف منتقل ہو رہا ہے۔

یہ رجحان OpenAI نے خود اچانک نہیں بنایا۔

مستقل جائزہ کرنے والی ادارہ METR نے پچھلے کچھ سالوں سے ایجینٹ کی صلاحیت کو "ٹاسک-کمپلیشن ٹائم ہورائزِن" کے ذریعے ناپنے کی کوشش کی ہے: یہ نہیں پوچھنا کہ ماڈل ایک خاص سوال کو حل کر سکتا ہے یا نہیں، بلکہ یہ دیکھنا کہ وہ کتنے کامیابی کے ساتھ ایسا کام مکمل کر سکتا ہے جو انسانی ماہرین کو مکمل کرنے میں کتنی دیر لگتی ہے۔

2026 کے اپ ڈیٹ کے بعد بھی METR کے ڈیٹا میں واضح طور پر ایک اسٹیج فی ترقی کا رجحان نظر آتا ہے۔ لمبے مدتی طور پر، سامنے والے ماڈلز کے سافٹ ویئر اور تحقیق کے کاموں کا دور تقریباً 6 سے 7 ماہ میں دگنا ہوتا ہے؛ صرف 2023 کے بعد کے ڈیٹا کو دیکھیں تو، رفتار اور بھی تیز ہے۔ اس سال مئی تک، کچھ نئے ترین عوامی ماڈلز پہلے سے موجود ٹیسٹ سیٹس کے 16 گھنٹوں کے مؤثر ناپ کے قریب یا اس سے زیادہ پہنچ چکے ہیں، جس کی وجہ سے METR نے خصوصی طور پر اس بات کی ہدایت کی ہے کہ اس لمبائی سے زیادہ کے ڈیٹا کو زیادہ توجہ نہ دی جائے۔

یہی وجہ ہے کہ اسٹرا ظاہر ہوا۔

جب ماڈل کی وہ صلاحیت جو کچھ منٹوں تک مستقل رہتی تھی، وہ کئی گھنٹوں تک پہنچ گئی، اور پھر ایک دن یا اس سے زیادہ تک پہنچ گئی، تو مصنوعات کا رūp ضرور تبدیل ہو جائے گا۔ آپ کو اب اس کے ساتھ چیٹ ونڈو کے پاس مستقل بیٹھنے کی ضرورت نہیں رہی جس سے آپ اسے درست کریں، بلکہ آپ اب ایسے ہی کہنے لگے گئے جیسے آپ اپنے ساتھی کو کام سونپ رہے ہوں: "اس مسئلے کی تحقیق کریں، تین منصوبوں کا ٹیسٹ کریں، ڈیٹا کو ترتیب دیں، اور کل میرے پاس نتائج دے دیں۔"

"وائرچل کولیگ" کہلانے والی چیز کا اصل تقسیمی خطہ یہ نہیں کہ وہ انسان کی طرح بولے گی یا نہیں۔

لیکن جب تم چلے جاؤ گے تو کیا یہ کام جاری رکھے گا۔

یہ ایسٹرا کا سب سے زیادہ نظرانداز کیا جانے والا مالی مطلب بھی ہے۔

گزشتہ تین سالوں میں، صنعتی سطح پر جنریٹو AI کے خریداری کا بنیادی نمونہ روایتی SaaS ماڈل کا ایک اضافہ ہے: ہر ملازم کے لیے ایک AI سیٹ جوڑنا، جس سے ہر ماہ کچھ دہاڑوں ڈالر زیادہ ادا کرنے پڑتے ہیں۔ Microsoft Copilot اسی طرح ہے، ChatGPT کا کاروباری ورژن اسی طرح ہے، اور بہت سے AI SaaS بھی اسی طرح ہیں۔

لیکن جب پرسسٹنٹ ایجنٹ بالغ ہو جائے گا، تو یہ قیمت متعین کرنے کا منطق ہر دن زیادہ عجیب لگنے لگے گا۔

کیوں؟

کیونکہ کاروبار اب "کسی ملازم کے AI استعمال کا اجازت نامہ" نہیں خرید رہے، بلکہ AI کی خود کام کرنے کی صلاحیت خرید رہے ہیں۔

فرض کریں کہ ایک فنانس ٹیم کو ڈیٹا انجمن، رپورٹس کا پہلا خاکہ، غیر معمولی چیکنگ اور سسٹم کے درمیان ڈیٹا درج کرنے کے لیے اصل میں 10 افراد کی ضرورت تھی۔ مستقبل کے مینیجرز کے سامنے سوال شاید "کیا میں 10 افراد کے لیے ہر ایک کے لیے ایک Copilot خریدوں؟" نہیں بلکہ "میں ان کاموں کو مکمل کرنے کے لیے کتنے Agent کا کام خریدوں؟" ہوگا۔

اس وقت، AI کا مقابلہ صرف سافٹ ویئر بجٹ سے نہیں ہو رہا ہے۔

یہ انسانی وسائل کے بجٹ میں شامل ہو رہا ہے۔

2026 کے اسٹنفورڈ AI انڈیکس کے ڈیٹا میں یہ تضاد ظاہر ہوا ہے۔ ایک طرف، کاروباری AI کی استعمال کی شرح جاری ہے: 2025 میں، سروے میں شامل اداروں میں سے 88% نے کم از کم ایک شعبے میں AI کا استعمال شروع کر دیا ہے، اور 70% نے جنریٹو AI کا استعمال کیا ہے؛ دوسری طرف، ایجینٹس کو حقیقی طور پر لاگو کرنے والے کاروبار صرف اکثر کاروباری فنکشنز میں گنتی کے تناسب میں ہیں۔

دوسرا لفظ میں، لوگوں نے "AI کا استعمال کرنا" بہت زیادہ تیاری سے کیا ہے، لیکن ابھی تک "چیزوں کو AI کو سونپنا" بڑے پیمانے پر تیار نہیں ہیں۔

یہی وہ فاصلہ ہے جسے اسٹرا پار کرنے کی کوشش کر رہا ہے۔

جب یہ پار کر لیا جائے گا، تو اس کا اثر صرف ٹیکنالوجی کمپنیوں تک محدود نہیں رہے گا۔ اسٹینفورڈ کے اعداد و شمار کے مطابق، 2024 کے بعد سے امریکہ میں 22 سے 25 سال کے سافٹ ویئر ڈویلپرز کی ملازمت میں تقریباً 20 فیصد کمی آئی ہے؛ اسی دوران، تقریباً ایک تہائی سوال کیے گئے کاروباروں کا خیال ہے کہ اگلے سال AI کی وجہ سے ملازمتیں کم ہوں گی، جبکہ موجودہ مجموعی ملازمت کے مارکیٹ میں اب تک اس قدر کی جامع بے روزگاری نہیں دیکھی گئی ہے۔

یہ ظاہر کرتا ہے کہ AI کا مزدوری کے بازار پر اثر شاید ایک ایسے مجموعی سوئچ کو ایک بار دبائے جانے کی طرح نہیں ہوگا، بلکہ پہلے نوکریوں کے دروازے، ابتدائی عہدوں، اور معیاری علمی کاموں کی حدی اہمیت کو تبدیل کرے گا۔

اسی لیے، "AI ریسرچ انٹرن" کا لفظ بہت ظریف ہے۔

آج، یہ پہلے ریسرچر کے لیے وہ تجربات مکمل کر سکتا ہے جن میں ایک ہفتہ لگتا ہے لیکن مقصد نسبتاً واضح ہوتا ہے؛ کل کمپنی یہ پوچھے گی: فنانشل اینالسٹ کا ابتدائی ماڈلنگ؟ کنسلٹنٹ کی معلومات کی جمع کاری؟ پروگرامر کا معمولی ترقی؟ مارکیٹنگ ڈیپارٹمنٹ کا سسٹم کے درمیان اجراء؟

ہم نے پہلے ہمیشہ بات کی کہ AI کیا ایک پیشہ کو "بدل دے گا"۔

زیادہ واقعیاتی عمل یہ ہوگا کہ AI پہلے ایک پیشے کے وہ آسان ترین، سب سے زیادہ تصدیق شدہ اور زیادہ وقت لینے والے کاموں کے ماڈیولز ایک ایک کرکے لے لے گا۔ نوکری کسی صبح اچانک ختم نہیں ہو جائے گی، لیکن ایک کمپنی جسے اب تک دس نئے ملازمین کی ضرورت تھی، وہ آہستہ آہستہ صرف چھ، چار افراد اور ایک گروپ ایجنٹس کے ساتھ کام مکمل کرنے لگے گی۔

نکات کے مارکیٹ کو حقیقی طور پر تبدیل کرنے والا عام طور پر "AI اچانک سب کچھ کرنا شروع کر دے" نہیں ہوتا۔

بلکہ کمپنیاں دریافت کرتی ہیں کہ اگلے ملازم کو فوری طور پر نہیں رکھنا چاہیے۔

اگر کہانی یہیں ختم ہو جائے، تو اسٹرا صرف ایک بہت ہی تجارتی تخیل والا مصنوعہ ہوگا۔

مسئلہ یہ ہے کہ OpenAI خود ثابت کر چکا ہے کہ یہ بات اتنی آسان نہیں ہے۔

8 جولائی کو، OpenAI نے علیحدگی سے اعلان کیا کہ اندرونی تازہ ترین جائزے کے مطابق، کمپنی Astra کو اپنے Preparedness Framework میں "Critical" سائبر سیکیورٹی صلاحیت کے درجے تک پہنچنے سے نہیں روک سکتی۔

یہ حد "ماڈل کمپیریسن کوڈ لکھ سکتا ہے" نہیں ہے۔

اوپن اے آئی کی اپنی تعریف کے مطابق، کرٹیکل سطح کا مطلب ہے کہ ماڈل انسانی مداخلت کے بغیر، بڑی تعداد میں مضبوط کردہ حقیقی اہم نظاموں میں مختلف شدت کے زیرو ڈے خامیاں تلاش کر سکتا ہے اور ترقی دے سکتا ہے، یا صرف ایک اعلیٰ سطح کے مقصد کے مطابق، مضبوط مقاصد کے لیے خودکار طور پر نئے اینڈ تو اینڈ حملوں کا ڈیزائن کر سکتا ہے اور انہیں نفاذ کر سکتا ہے۔

اوپن اے آئی نے زور دیا ہے کہ ابھی تک صرف اس درجے کو مسترد نہیں کیا جا سکتا، بلکہ اس بات کی تصدیق نہیں ہوئی ہے کہ اسٹرا کے پاس اوپر بیان کردہ تمام صلاحیتیں ہیں؛ اس کے علاوہ، اسٹرا پہلے اوپن اے آئی کے Hugging Face کے سیکورٹی واقعے سے بھی متعلق نہیں ہے۔

لیکن کمپنی کی پ्रتیکری کافی ثابت ہو چکی ہے۔

اوپن اے آئی نے نیٹ ورک ایزولیشن، سینڈ باکس، ماڈل وزن کی حفاظت اور مکمل پروسیس مانیٹرنگ کو مضبوط کیا ہے، اور نئی سیکورٹی معیاروں کے مطابق نہ ہونے والی اسٹرا سرگرمیوں کو روک دیا ہے۔ 18 اگست کو، کمپنی نے مزید اعلان کیا کہ ماحول کو مضبوط بنانے اور مانیٹرنگ کے دائرے کو وسعت دینے کے لیے، تازہ ماڈل کے لیے طے پائے گئے تقویتی سیکھنے کے تربیتی عمل کو دو ہفتے تک روک دیا گیا تھا، اور سب سے بڑا سامنے والے RL تربیتی عمل اب بھی روکا ہوا ہے، اور اسٹرا سے متعلق بہت ساری تربیت اور جائزہ لینے کی سرگرمیاں اب تک واپس نہیں ہوئی ہیں۔

حتیٰ کہ خود حفاظت بھی ایک مہنگا کمپیوٹیشنل اخراج بن گئی ہے۔

اوپن اے آئی کا اندازہ ہے کہ اسی مانیٹرنگ سسٹم کو ابھی تقریباً 20 فیصد اضافی کمپوٹیشنل پاور درکار ہوگی، جو مانیٹر کیے جانے والے انفرینس کمپوٹیشن کے برابر ہے۔

یہ اعداد و شمار کاروباری سرمایہ کے لیے یاد رکھنے کے قابل ہیں۔

گزشتہ کچھ سالوں میں AI صنعت کی کہانی یہ رہی ہے: جتنا طاقتور ماڈل، اتنا زیادہ تجارتی قیمت، اس لیے مزید GPU، ڈیٹا سینٹر اور بجلی میں سرمایہ کاری کرنے کے قابل۔ لیکن اسٹرا شروع ہو رہا ہے ایک دوسری لاگت منحنی کو ظاہر کرتے ہوئے — جتنا طاقتور ماڈل، صرف تربیت کی لاگت ہی نہیں بڑھ رہی، بلکہ حفاظت، الگ کرنا، نگرانی اور حکمرانی خود بھی کمپوٹنگ طاقت کو نگل رہے ہیں۔

اس کا مطلب یہ ہے کہ نسل بعد کے AI کا مالیاتی ماڈل صرف “ہر ملین ٹوکن کی قیمت” کو نہیں گن سکتا۔

انہیں بے کنٹرول خطرہ، سیکورٹی ریڈنڈنسی، انسانی منظوری، اختیارات کی علیحدگی اور غلطیوں کے نتیجے میں ہونے والے حقیقی نقصان کو بھی شامل کیا جانا چاہئے۔

ایک ایسا ماڈل جو آپ کے لیے ای میل لکھتا ہے، اگر غلطی کرے تو صرف尴尬 کا سبب بن سکتا ہے۔

ایک ایجنٹ جس کے پاس لمبے وقت کی یادداشت، کوڈ ایکزیکیشن کی صلاحیت، اور ویب تک رسائی ہے، جو کئی گھنٹوں تک کاروباری سسٹم کو خودکار طور پر چلا سکتا ہے، اس کی خرابی کا طبع بالکل مختلف ہے۔

جتنی زیادہ صلاحیت "ملازم" کے قریب ہوگی، اس کے اجازت کنٹرول کو بھی "ملازم" کے قریب رکھنا ہوگا؛ اگر صلاحیت عام ملازم سے زیادہ ہو گئی تو حفاظتی ضروریات ملازم سے بھی زیادہ ہونی چاہئیں۔

تو اسٹرا کی حقیقی چیلنج OpenAI کے لیے شاید "کیا یہ بنایا جا سکتا ہے" نہیں ہے۔

لیکن کیا ایسا سسٹم کسی کاروبار کو پیداواری ماحول میں استعمال کرنے کے لیے متاثر کر سکتا ہے؟

الٹمن نے بند دریچہ پریویو میں سب سے زیادہ دور کی بات یہ کہ وہ توقع کرتے ہیں کہ اسٹرا پہلا ماڈل بن سکتا ہے جو "اصلی اہمیت کے ساتھ نئی چیزیں ایجاد کر سکے" اور اس صلاحیت کو "AGI جیسی بات" کہا۔

یہ جملہ بالکل الٹمن کا انداز ہے۔

آج تک کوئی علیحدہ ثبوت نہیں ہے کہ اسٹرا نے مستقل طور پر معاون تحقیق سے گزر چکی اہم سائنسی نئی معلومات پیدا کر لی ہیں، اور اوپن اے آئی نے بھی کافی بیرونی ٹیسٹ نتائج شائع نہیں کیے ہیں۔ اس لیے، اسٹرا کو براہ راست "AGI آ چکا ہے" کہنا، نہ تو ضروری ہے اور نہ ہی اس کا کوئی حقیقی بنیاد ہے۔

لیکن الٹمن نے خاص طور پر "نئی معلومات کی دریافت" پر زور کیوں ڈالا، اس کا جائزہ لینا ضروری ہے۔

کیونکہ یہی وہ جگہ ہے جہاں AI صنعت کا حقیقی طور پر ایک اسٹیج کا تبدیلی ہو سکتی ہے۔

اگر AI صرف انسانوں کو کوڈ لکھنے، ڈیزائن کرنے اور فائلوں کا تجزیہ کرنے کی کارکردگی بڑھانے میں مدد کرتا ہے، تو پورا صنعت اتنی ہی جارحانہ ہونے کے باوجود، بنیادی طور پر پیداواری صلاحیت کی انقلاب ہے۔ یہ معاشی کارکردگی کو بڑھا سکتا ہے، لیکن اب بھی انسانوں پر انحصار کرتا ہے کہ اگلی تحقیق کیا ہوگی، تجربات کیسے ڈیزائن کیے جائیں، اور اگلی نسل کی ٹیکنالوجی کیسے تخلیق کی جائے۔

اگر AI خود AI کی تحقیق میں شریک ہو سکتا ہے، تو منطق بدل جاتا ہے۔

ایک ایسا ایجینٹ جو پیپر پڑھ سکے، تجرباتی منصوبے تیار کر سکے، بڑے کوڈ بیس میں تبدیلی کر سکے، خود تجربات چلا سکے اور نتائج کا تجزیہ کر سکے، اگر صرف ایک عالِمہ انٹرن کی بہترین سطح تک پہنچ جائے تو اس سے ایک ٹاپ لیب کی مؤثر تحقیقی صلاحیت میں اضافہ ہو سکتا ہے۔

آج 100 تحقیق کاروں کے پاس شاید 500 ایجنٹس چل رہے ہوں؛ مستقبل میں، ہر تحقیق کار کے دن بھر میں ایک ساتھ کتنے تجربات چلائے جا سکتے ہیں، اس کا تعین صرف 24 گھنٹوں پر نہیں بلکہ کمپوٹیشنل پاور، تجربات کی لاگت اور تصدیق کی صلاحیت پر زیادہ منحصر ہوگا۔

اس طرح، ایک ایسا پہلے بہت انتزاعی تصور جو "AI بہتر AI کی ترقی میں مدد کرتا ہے" — شروع ہو گیا۔

یہی ایسٹرا کا سب سے زیادہ قابل توجہ اور سب سے زیادہ سامنے آنے کی ضرورت والی بات ہے۔

کیونکہ "دوسروں کے ڈیزائن کردہ تجربات مکمل کرنے" سے "فعالانہ قیمتی نئے تحقیقی رجحانات پیش کرنے" کے درمیان ابھی بھی بڑا فرق ہے؛ "ایک منطقی لگنے والی نئی خیال پیدا کرنے" سے "قابل دہرائی جانے والی، تصدیق شدہ، اور حقیقی طور پر سائنسی ترقی کو آگے بڑھانے والی نئی علمی معلومات پیدا کرنے" کا فرق اور بھی زیادہ ہے۔

16 ایجینٹس ایک ساتھ کام کر سکتے ہیں، لیکن اس کا مطلب 16 گنا نوآوری نہیں ہے۔

ہر روز لاکھوں تجربات کرنے کا مطلب یہ نہیں کہ آپ کو قدرتی طور پر ایک کامیابی مل جائے گی۔

سائنس میں کبھی فرضیات کی کمی نہیں ہوتی، اصل میں کمی اس بات کی ہوتی ہے کہ آپ جانیں کہ کون سا سوال پوچھنا ہے اور کون سا نتیجہ حقیقی طور پر اہم ہے۔

آسٹرا نے کیا اس لائن کو عبور کر لیا ہے، ابھی کوئی بھی ایک بند دریاز کے ڈیمو سے نتیجہ نہیں نکال سکتا۔

تو، اب اس بات پر بحث کرنا کہ آیا اسٹرا AGI ہے، کچھ زیادہ ہی جلد بازی ہے۔

AGI کے لیے تعریف اصل میں بہت ادھوری ہے۔ OpenAI کی طرف سے طویل عرصے تک استعمال کی جانے والی تعریف، ایک ایسا انتہائی خودمختار نظام ہے جو زیادہ تر مالی طور پر قیمتی کاموں میں انسانوں سے آگے نکل جائے؛ دیگر لیبارٹریوں، ماہرین اور عوام کے لیے اس کے لیے مکمل طور پر مختلف معیار ہیں۔

ایک لیبل پر بحث کرنے کے بجائے، تین زیادہ مخصوص مسائل پر نظر ڈالیں۔

سب سے پہلے، ایسٹرا کتنی دیر تک اپنے آپ پر منحصر ہونے والے کاموں کو جاری رکھ سکتی ہے اور اس کی قابلیت کتنی ہے؟

دوم، جب اسے کاروباری پیداواری ماحول میں داخل کیا جائے، تو انسانوں کو چیک اور درست کرنے میں کتنی دیر لگتی ہے؟ اگر ایک ایجنٹ آپ کے لیے آٹھ گھنٹے کام کرتا ہے لیکن انجینئرز کو تصدیق کے لیے تین گھنٹے اور لگتے ہیں، تو اس کی حقیقی پیداواری میں اضافہ بالکل ڈیمو ویڈیو سے مختلف ہے۔

تیسری، اور سب سے اہم بات: کیا یہ خودکار تحقیق کو "تجربات کا انجام دینا" سے آگے بڑھا کر "حقیقی طور پر قیمتی نئی معلومات کی دریافت" تک لے جا سکتا ہے؟

دو پہلے سوالات یہ طے کرتے ہیں کہ اسٹرا ایک بڑا کاروبار ہے یا نہیں۔

تیسرا سوال، یہ فیصلہ کرنے کے لیے کہ کیا یہ ایک دور کا موڑ ہے۔

اس منظر سے، MB0 کے دروازے پر لائی گئی ہری دیوار کا ایک علامتی مطلب ہے۔ ایک طرف، کئی دہائیوں تک ان کی مدد کرنے والے ڈیجیٹل ایجینٹس کو پہلی بار دیکھنے والے دہائیوں کے صارفین کے اعلیٰ انتظامی افسران ہیں؛ دوسری طرف، پورے صنعت کو AI مقابلے سے روکنے کا مطالبہ کرنے والے مظاہرین۔ دونوں طرف کے مستقبل کے جائزے بالکل مختلف ہیں، لیکن وہ دونوں ایک ہی بات تسلیم کرتے ہیں: یہ ٹیکنالوجی پہلے سے زیادہ طاقتور ہو رہی ہے۔

اوسٹرا ابھی تک عوامی طور پر جاری نہیں کیا گیا ہے، اور اس کی داخلی صلاحیتیں بھی کافی حد تک باہری طور پر تصدیق نہیں ہوئی ہیں۔ اس میں تاخیر ہو سکتی ہے، اس میں حقیقی ماحول میں بہت سے قابلیت کے مسائل ظاہر ہو سکتے ہیں، یا یہ نتیجہ نکل سکتا ہے کہ یہ الٹمن کے بیان کردہ AGI کے قریب نہیں ہے۔

یہ تمام ممکنہ صورتیں برقرار رکھی جانی چاہئیں۔

لیکن اب ایک بات ہر روز زیادہ واضح ہوتی جا رہی ہے۔

بڑے ماڈل کی مقابلے کے پچھلے مراحل میں، یہ تھا کہ کون دنیا کو پہلے سے معلوم سوالات کا زیادہ درست جواب دے سکتا ہے؛ جبکہ اسٹرا کی نمائندگی کرتا ہوا اگلا مرحلہ، اس بات پر توجہ دے رہا ہے کہ کون مستقل طور پر کام کر سکتا ہے، پیچیدہ کاموں کو خود سے مکمل کر سکتا ہے، اور آخرکار انسانوں کو ان مسائل کی تلاش میں مدد دے سکتا ہے جن کے جوابات دنیا ابھی تک نہیں جانتی۔

چیٹ بوٹ سے لے کر ورچوئل کولیگ تک، قابلیت، حفاظت، لاگت اور تنظیمی اعتماد کی چار بلند دیواریں ہیں۔

اپنی اصلی کوشش کا مرکز اسٹرا ہے جو ایک ایک کر کے سب کچھ پار کرے۔

اور اگر وہ واقعی پار ہو جائے، تو لوگ 2026 کو پیچھے کی طرف دیکھتے ہوئے، شاید کسی ماڈل کے لسٹ میں کتنے اسکورز سے آگے نکلنا اہم نہیں ہوگا۔

بلکہ مشین پہلی بار ایک ایسی صلاحیت حاصل کر رہی ہے جو پہلے صرف انسانوں کے لیے مخصوص تھی: کوئی کام ملنے پر اسے خود کار طور پر جاری رکھنا۔

1. الیکس ہیتھ، "اوپن اے آئی کی دوبارہ شروعات کے اندر"، ٹائم، 2026ء کی 26 اگست (Yahoo Tech کے ذریعے نقل شدہ)۔(雅虎科技)
2. اوپن اے آئی، "اگلے اہم سائبر صلاحیتوں کے جواب میں"، 7 اگست 2026۔(OpenAI)
3. اوپن اے آئی، "سائبر-اہم صلاحیتوں کے دور میں ماڈل ترقی کو تیزی سے بڑھانا"، 18 اگست 2026۔ (OpenAI)
4. کیٹ زاکریفسکی، آئین ڈنکن، رائلی بیگن، "سام الٹمن اوپنای آئی کی طرف سے ایک طاقتور نئے AI کی حمایت کے لیے واشنگٹن کو کورٹ کر رہے ہیں"، دی واشنگٹن پوسٹ، 2026ء کی 31 جولائی۔ (The Washington Post)
5. 斯坦福人本人工智能研究所，2026年AI指數報告——經濟，2026年۔(斯坦福HAI)
6. METR، "سرحدی AI ماڈلز کا کام مکمل کرنے کا وقت کا دور"، 8 مئی، 2026 کو اپڈیٹ کیا گیا۔ (METR)
7. METR، "ٹائم ہورائزن 1.1"، 29 جنوری 2026ء۔ (METR)
8. ای آئی کے مقابلے کو روکیں، “اوکیوپائی اوپنای آئی / ای آئی کے مقابلے کو روکیں”，2026ء۔(stoptherace.ai)