کلود سائنس، آپ نے شاید سنہا ہو۔
اینٹروپک کا وہ سائنسی ایجنٹ جو خود کھوجیں، خود کوڈ لکھے، خود تجزیہ کرے اور خود گراف اور رپورٹس بنائے، ایک وقت تھا جب لوگ کہتے تھے کہ "یہی AI for Science کا درست انداز ہے۔"
لیکن یہ بند سورس ہے۔
اب، کسی نے اسے دوبارہ بنایا ہے — اوپن سورس، MIT لائسنس، مرکزی صفر انحصار۔
اس منصوبے کا نام OpenAI4S (Open AI for Scientist) ہے، جو پکنگ یونیورسٹی اور یوآن کونگ AI Agent مشترکہ لیب کا رسمی طور پر اوپن سورس سائنسی ایجینٹ منصوبہ ہے۔
اہم نکات: یہ صرف "Claude Science جیسا دکھائی دیتا ہے" نہیں، بلکہ Code-as-Action کے خیال کے مطابق، انجن، مستقل کرنر، host-RPC پروٹوکول اور سیکورٹی لیئر کو اوپن سورس کے ذریعے الگ الگ دوبارہ تخلیق کیا گیا ہے۔
یہ پروجیکٹ 6 جولائی 2026 کو GitHub پر MIT لائسنس کے تحت اوپن سورس ہو گیا۔
ابھی، OpenAI4S مکمل سائنسی ویب ایپلیکیشن، دہوںوں کے اندر گنجائش والے Skills، اپنی کمپوٹیشنل طاقت کا اندراج اور ورژنائزڈ سائنسی پیداوار فراہم کرتا ہے۔
یون کونگ AI سائنس: https://www.chatexcel.com/homesite/openAI4S
یہ صرف ایک درست لگنے والے جواب کے ساتھ مطمئن نہیں ہے، بلکہ یہ چاہتا ہے کہ AI حقیقی تحقیقی عمل میں داخل ہو اور ایک سوال کو "پوچھنا" سے "ختم کرنا" تک لے جائے۔
زیادہ بات چیت کرنے کے بجائے، AI کو حقیقی طور پر کام کرنے دیں
اب بہت سے AI ایجینٹس اصل میں ایک ہی کام کر رہے ہیں: ماڈل کو ایک پہلے سے تیار کی گئی "ٹولز کی فہرست" دی جاتی ہے، جس میں وہ یہ فیصلہ کرتا ہے کہ کون سا ٹول استعمال کرنا ہے، اور پھر ایک ایک کر کے آگے بڑھتا ہے۔ آسان کاموں کے لیے، یہ طریقہ کافی ہے۔
لیکن سائنسی تحقیق تین یا پانچ قدموں میں مکمل نہیں ہوتی۔
کئی ڈیٹا بیسز کی جانچ، ڈیٹا ڈاؤن لوڈ کرنا، ڈیٹا صاف کرنا، کوڈ دوبارہ تبدیل کرنا، پیشہ ورانہ الگورتھمز کو کال کرنا، GPU کی کمپوٹنگ طاقت کا استعمال کرنا، گراف بنانا، رپورٹ تیار کرنا… کسی بھی مرحلے میں مسئلہ ہونے سے آپ کو واپس جا کر دوبارہ شروع کرنا پڑ سکتا ہے۔
OpenAI4S کا جواب "کوڈ آس ایکشن" ہے، جس کا مطلب ہے "کوڈ ہی ایکشن ہے"۔
یہ ایجنٹ کو پائیتھن یا R کوڈ کو براہ راست بنانے اور ایک مستقل چلنے والے کرنل ماحول میں انجام دینے کی اجازت دیتا ہے۔
چکر، شرطی جانچ، جمعی ڈیٹا پروسیسنگ اور گراف بنانا ایک ہی اجراء میں مل کر کیا جا سکتا ہے؛ ڈیٹا اور درمیانی نتائج کو ہر مرحلے پر مدل کو دوبارہ نہیں دیا جانا چاہیے، بلکہ انہیں کام کے ماحول میں محفوظ رکھا جانا چاہیے۔
صارف کے لیے سب سے براہ راست تبدیلی صرف ایک نیا ٹیکنیکل اصطلاح کا اضافہ نہیں، بلکہ یہ ہے کہ AI لمبے اور پیچیدہ کاموں کو جوڑ سکتا ہے:
اگلے مرحلے کے لیے پہلے مرحلے میں ڈاؤن لوڈ کردہ ڈیٹا کو براہ راست فراہم کیا جا سکتا ہے؛
بنائی گئی تصاویر، ٹیبلز اور رپورٹس خودکار محفوظ ہو جائیں گی؛
تحقیق کار بھی کبھی بھی نوٹ بک کھول سکتے ہیں، کوڈ چیک کر سکتے ہیں، تجزیہ جاری رکھ سکتے ہیں یا نتائج میں تبدیلی کر سکتے ہیں۔
کوڈ ہے ایک کارروائی، اور نیوکلیس ہے ایک ماحول۔
ایک انٹرفیس میں، ڈیٹا سے نتیجہ تک کا سائنسی عمل مکمل کریں
OpenAI4S زیادہ تر ایک ایسا سائنسی کام کا میز ہے جس پر انسان اور AI ایک ساتھ کام کرتے ہیں۔
آپ ایک کام دیتے ہیں جو خود کار طور پر عوامی سائنسی ڈیٹا سورسز کو چیک کرے، تجزیاتی کوڈ لکھے اور چلائے، پیشہ ورانہ کمپوٹیشنل طاقت کو فراہم کرے، اور پھر نتائج کو تصاویر، ٹیبلز، تین ابعادی ساختوں یا مارک ڈاؤن رپورٹس کے شکل میں ترتیب دے۔
پوری پروسیس صرف مکمل کر کے ختم نہیں ہوتی۔ ہر سائنسی پیداوار کو ریکارڈ کیا جاتا ہے، محفوظ کیا جاتا ہے اور ورژن کیا جاتا ہے تاکہ بعد میں چیک، تبدیلی اور دوبارہ استعمال آسان ہو سکے۔
مثلاً، اسے ایک پروٹین کا تجزیہ کرنے دیں۔
یہ پہلے حقیقی پروٹین سیکوئنس اور سٹرکچر ڈیٹا کو ریٹریو کر سکتا ہے، پھر خصوصیات کی حساب کتاب اور ویژولائزیشن مکمل کر سکتا ہے، اور آخر میں تجزیہ کے عمل، ڈیٹا کے ذرائع اور نتائج کو ایک ساتھ تحقیقی مقالے میں شامل کر سکتا ہے۔
اہم بات یہ ہے کہ ڈیٹا حقیقی ہے اور حساب بھی حقیقی ہے۔
بیرونی سروس سے رابطہ نہیں ہو سکا، یا حساب کی شرائط پوری نہیں ہوئیں، تو وہ صاف طور پر بتائے گا کہ کہاں کام نہیں ہو رہا۔ کوئی جعلی ڈیٹا چھپا کر نہیں دے گا، اور نہ ہی کوئی نتیجہ تخلیق کر کے تحقیقی مقالہ کو جبری طور پر مکمل کرے گا۔
△
تحقیقی کام عام طور پر دوبارہ ترمیم کی ضرورت کرتا ہے۔
روایتی عمل میں، تحقیق کاروں کو گرافنگ اسکرپٹ دوبارہ تلاش کرنا پڑ سکتا ہے، پیرامیٹرز تبدیل کرنے پڑ سکتے ہیں، دوبارہ چلانا پڑ سکتا ہے اور فائلیں برآمد کرنا پڑ سکتی ہیں؛
OpenAI4S میں، آپ مطلوبہ تبدیلیوں کو قدرتی زبان میں درخواست دے سکتے ہیں، اور اسٹیلٹ آٹومیٹک طور پر موجودہ ڈیٹا اور کوڈ کے بنیاد پر نئی مصنوعات تیار کرے گا، جبکہ ورژن ہسٹری برقرار رکھے گا۔
△
دہوں کی تعداد میں سائنسی مہارتیں، ماہرانہ صلاحیتیں ایجنٹ میں شامل کریں
عام ماڈل کو سائنسی مددگار بننا ہے، صرف "چالاک" ہونا کافی نہیں۔
اسے پیشہ ورانہ ڈیٹا کہاں سے حاصل کرنا ہے، پیشہ ورانہ ٹولز کیسے استعمال کرنا ہے، اور پیچیدہ الگورتھمز کیسے چلانے ہیں، یہ سب معلوم ہونا چاہیے۔
OpenAI4S کے پہلے ورژن میں 30+ سائنسی مہارتیں شامل ہیں۔
پروٹین سٹرکچر، سیکوئنس اینالیسس، پروٹین ڈیزائن، مولیکیولر ڈاکنگ، سینگل سیل اینالیسس، لٹریچر سرچ، اوپن ڈیٹا سرچ… بنیادی طور پر کچھ عام کمپیوٹیشنل ریسرچ سیناریوز کو کور کرتا ہے۔
ان میں، 14 اسکلز وہ سائنسی کمپوٹیشن کی صلاحیتیں ہیں جن کے لیے GPU یا پیشہ ورانہ ماڈل درکار ہوتے ہیں۔
یہاں کے مہارتیں، صرف ایک سٹیٹک ٹول پیرامیٹر ٹیبل نہیں ہیں۔ وہ زیادہ تر ایک ایسے "کوڈ ریسیپی" کی طرح ہیں جنہیں ایجنٹ پڑھ سکتا، سمجھ سکتا اور انجام دے سکتا ہے۔
ڈیٹا کیا درکار ہے، کون سی سروسز کو کال کرنا ہے، کوڈ کیسے لکھنا ہے، اور نتائج کیسے چیک کرنے ہیں، سب کچھ Skill میں محفوظ کیا جا سکتا ہے۔
اگلے ڈیٹا بیس، نئے الگورتھم یا نئے تجرباتی عمل کے لیے، ڈیولپرز صرف جاری رکھ سکتے ہیں۔
یعنی، یہ صلاحیتیں ایک بار کے لیے بند نہیں ہیں؛ تحقیقی ضروریات کیسے بھی بدلیں، Skills ان کے ساتھ کیسے بھی نمو پا سکتی ہیں۔
تحقیقی ڈیٹا کو اصل کمپیوٹنگ ماحول سے جوڑنا ہے؟ اپنے GPU پر ٹاسک بھیجیں
سائنسی کمپیوٹنگ، اور ایک اور عملی مسئلہ: کمپیوٹنگ پاور۔
پروٹین فولڈنگ، میوٹیشن اسکورنگ، اور مالیکیولر سیمیولیشن جیسے کامز عام لیپ ٹاپ پر بس دو چلّانے سے مکمل نہیں ہوتے۔
اور، بہت سے پیشہ ورانہ حسابات کے پیچھے خاص ماڈلز، پیچیدہ سافٹ ویئر ماحول اور GPU وسائل پر انحصار کیا جاتا ہے۔
OpenAI4S اپنے خود کے کمپیوٹنگ ماحول سے جُڑنے کی سہولت فراہم کرتا ہے۔ مقامی طور پر انٹریکشن اور ٹاسکس کی تنظیم کی جاتی ہے، جبکہ GPU کی ضرورت والی پیچیدہ کمپیوٹنگ اپنے ہی سرورز پر ہندسہ کی جا سکتی ہے، اور نتائج کے حاصل ہونے کے بعد وہی سائنسی ورک فلو میں واپس آ جاتے ہیں۔
مثلاً پروٹین سٹرکچر پیڈکشن اور میوٹیشن ایفیکٹ سکورنگ، اصل میں مشکل بات یہ نہیں کہ کال کوڈ جنریٹ کرنا، بلکہ ان پٹ کو صحیح کمپیوٹیشنل ایونٹ میں بھیجنا اور نتائج کو مکمل طور پر ورک فلو میں واپس لانا ہے۔
آپ کو سب کچھ ایک ہی کمپیوٹر پر دباؤ نہیں دینا چاہیے، اور ایک کمپیوٹیشنل سرور جوڑنے کے لیے پورے پروسیجر کو دوبارہ لکھنے کی ضرورت نہیں، جو لیب اور ریسرچ ٹیمز کے لیے خاص طور پر اہم ہے۔
ڈیٹا، ماڈل اور کمپوٹیشنل پاور اپنے ماحول میں ہی رہ سکتے ہیں، اور ایجنٹ انہیں جوڑنے کا کام کرتا ہے۔
حقیقی ڈیٹا، حقیقی کیلکولیشن، یہ سچ ہے، یہ تخلیق نہیں کیا گیا
سستے ماڈلز کا استعمال کرکے تحقیق کرتے وقت سب سے زیادہ خوف کیا ہے؟ خوف یہ ہے کہ وہ جدّیت سے جھوٹ بول دے۔
OpenAI4S نے ایک سخت پالیسی متعارف کرائی، جسے "no-fabrication policy" (غیر موجودہ چیزوں کا جعل بنانے کی پالیسی) کہا جاتا ہے: np.random کا استعمال کرکے تجرباتی نتائج کا جعل بنانا، جعلی "احتیاطی" اقدار تخلیق کرنا، BLOSUM کو ESM کے طور پر پیش کرنا، اور مصنوعی ڈیٹا سیٹس کو حقیقی ڈیٹا کے طور پر استعمال کرنا… سب منع ہے۔
یا تو اصلی خدمت، یا صاف اور صادقانہ خطا کا اعلان۔
تو آپ اس INS کیس کو دوبارہ دیکھیں — تسلسل اصل میں UniProt سے لیا گیا ہے، ڈھانچہ اصل میں RCSB سے ڈاؤن لوڈ کیا گیا ہے، اگر انٹرنیٹ کنکشن نہیں ہے تو یہ صاف طور پر چھوٹ جاتا ہے اور کبھی بھی جھوٹا ڈیٹا نہیں دیتا۔
اگر آپ پروٹین کی ساخت کا جائزہ لینا چاہتے ہیں، تو یہ حقیقی طور پر GPU کو استعمال کرتا ہے: host.fold ایک 8×A100 والی مشین پر SSH کرے گا، ایک سیکوئنس کے لیے Protenix (AlphaFold3 لیول) انفرنس کو چلائے گا، اور pLDDT کے ساتھ ساخت واپس بھیجے گا؛ host.score_mutations اصل ESM اسکورنگ کو چلائے گا تاکہ میوٹیشنز کا انتخاب کیا جا سکے۔
کیا آپ کے پاس GPU نہیں ہے؟ تو یہ فوراً ایrror دے دے گا، اور آپ کو کوئی جعلی ساخت نہیں دے گا۔
وہ آپ کو ایک ایسا جھوٹا ڈھانچہ دینے کی بجائے "نہیں ہو سکتا" کہنا پسند کرتا ہے۔
سائنسی ایجنٹ کے لیے، یہ "ہر چیز جاننا" سے زیادہ اہم ہو سکتا ہے۔
ایک کھلا سرچھ، جو بیجنگ یونیورسٹی اور یوآن کونگ AI جوائنٹ لیب کی طرف سے صنعت، تعلیم اور تحقیق کے تعاون کو فروغ دینے کا ایک عمل ہے
OpenAI4S کی اشاعت صرف ایک اوپن سورس پروجیکٹ کو شامل کرنے تک محدود نہیں، بلکہ پکنگ یونیورسٹی اور یوان کونگ AI کے درمیان صنعت، تعلیم اور تحقیق کے تعاون کا ایک عملی اقدام بھی ہے۔
دونوں طرف کے مشترکہ لیب کی مراحل کی کامیابی کے طور پر، OpenAI4S کے ترقی اور اوپن سورس ہونے میں مشترکہ لیب کے طالب علم چانگ گونگبو کی مستقل اور اہم کوششیں اہم کردار ادا کرتی ہیں۔
چانگ گونگبو کا تحقیقی محور AI for Science پر ہے، جس نے مشترکہ پہلے مصنف کے طور پر UniGenX کو ترقی دی، جو مولیکیولز، مواد اور پروٹین کے لیے ایک جامع سائنسی بنیادی ماڈل کا جائزہ لیتا ہے۔ سائنسی ذہانت پر مبنی ان تحقیقات کا مزید اطلاق OpenAI4S کے ترقی اور عملی استعمال میں ہوا ہے۔
اسی طرح، OpenAI4S میں لی ہاؤ، وانگ یو، لیو یویانگ، لیو لیو زھنگہاؤ، ماؤ یچینگ، لین مو جیہ، پینگ شینیاؤ، جیانگ زھنگشیانگ، وانگ یمی جیسے طلباء کی مشترکہ کوششوں سے مل کر بنا ہے، جہاں فریم ورک ڈیزائن، فنکشنل ریسرچ اور اوپن سورس جاری کرنے تک ہر مرحلہ ان کے تعاون اور لگن پر منحصر ہے۔
یون کونگ AI ایک اینڈ سائیڈ AI کمپنی ہے جو ماڈل کی پوسٹ ٹریننگ، ایجینٹ رن ٹائم، لمبے عرصے تک کی یادداشت اور اینڈ سائیڈ انفرنس ٹیکنالوجی کے ذریعے AI کو مقامی اور آفلائن ماحول میں پیچیدہ کاموں کو مکمل کرنے کے لیے مخصوص ہے۔
اب تک، کمپنی نے دو مصنوعات لائنیں تیار کر لی ہیں: میٹاکون AI Work اور میٹاکون AI Science، جو ترتیبی دفتری کام اور سائنسی دریافت کے شعبوں میں داخل ہو چکی ہیں۔
اس بار کے اوپن سورس OpenAI4S کے ذریعے، یونائٹڈ لیب اور میٹاکون AI نے سائنسی ایجینٹ کے بارے میں اپنا مشترکہ جائزہ ظاہر کیا ہے:
تحقیقی ایجنٹ صرف ڈیمو تک محدود نہیں ہونے چاہئیں، بلکہ واقعی قابل اجراء، قابل چیک اور قابل توسیع تحقیقی بنیادی ڈھانچہ بننا چاہئیں۔
اس لیے، صرف نمونہ نہیں بلکہ مرکزی ڈھانچہ، سائنسی مہارتیں اور مکمل اطلاق بھی کھولے گئے ہیں۔
کالج، تحقیقی ادارے، ڈیولپرز اور صنعتی شراکت دار اس کے بنیاد پر ڈیٹا سورسز، الگورتھمز، ٹولز اور تحقیقی عملوں کو جوڑ سکتے ہیں اور سائنسی ایجینٹس کو زیادہ حقیقی کاموں میں لے جانے میں مل کر کام کر سکتے ہیں۔
اسے شروع کرنے کے لیے خوش آمدید، اور اسے آگے بڑھانے میں شامل ہوں
OpenAI4S میں شرکت کرنے کے لیے اسے چلانے سے شروع کریں۔
نصب آسان ہے، صرف تین لائنوں سے شروع کیا جا سکتا ہے:
پروجیکٹ شروع کریں، مدل کی کلید کو پہلے سے ترتیب دینے کی ضرورت نہیں۔
انٹرفیس میں داخل ہونے کے بعد، Customize → Models میں درج کریں۔
اس منصوبے میں ایک مکمل سیٹ حقیقی کیس سٹڈیز بھی شامل ہیں جن کے ساتھ آپ براہ راست کام کر سکتے ہیں: Live API ورک فلو، انسولین INS کا حقیقی ڈیٹا تجزیہ، ایک جملے سے تصویر تبدیل کرنا، اور منصوبہ بندی موڈ میں آرتیمیسین اور پاکسیٹیل کی ذوبانے کی پیش گوئی، پروٹین انجینئرنگ…
لیکن پروجیکٹ کو چلانا صرف پہلا قدم ہے۔
حقیقی سائنسی تحقیق زندگی کی سائنس، کیمیا، مواد، طب، زمینی سائنس سمیت بہت سے شعبوں پر مشتمل ہے۔
ہر سمت کے اپنے ڈیٹا بیس، ماہرانہ ماڈلز اور کمپیوٹیشنل پروسیجرز ہیں۔ اتنی وسیع صلاحیت کا نقشہ ایک ٹیم کے ذریعے ایک بار میں پورا نہیں کیا جا سکتا۔
اس لیے، OpenAI4S نے بالترتیب یونیورسٹیوں، سائنسی اداروں، ڈیولپرز اور صنعتی ٹیموں کو کال فار کنٹریبیوٹرز جاری کیا ہے۔
ابھی، TuZhan Intelligence کے Skills UI نے اس اوپن سورس پروجیکٹ کو کچھ سہولت فراہم کی ہے۔
اگر آپ کسی تحقیقی شعبے سے واقف ہیں، تو آپ اس کے لیے نئے تحقیقی مہارتیں تیار کر سکتے ہیں، جن میں پیشہ ورانہ ڈیٹا بیس، الگورتھم مدلز اور کمپوٹیشنل پلیٹ فارم شامل ہوں؛
اگر آپ ایجینٹ یا سافٹ ویئر انجینئرنگ میں ماہر ہیں، تو آپ مرکزی ساخت، ریموٹ کمپوٹنگ، سیکورٹی میکانزمز، ٹیسٹنگ اور دستاویزات کو بہتر بنانے میں شرکت کر سکتے ہیں۔
کوڈ لکھے بغیر بھی شرکت کریں۔
ایک ایشو جمع کرنا، ایک قابل دوہرائی کیس شامل کرنا، ایک ناکام کام کی رپورٹ کرنا، یا کسی برادری کو بتانا کہ کسی شعبے کو حقیقت میں کیا چاہیے، سب کچھ قیمتی اہمیت رکھتا ہے۔
اگر آپ بھی یہی سمجھتے ہیں کہ سائنسی ایجینٹ صرف ڈیمو تک محدود نہیں ہونا چاہیے، تو اسے چلائیں اور اسے آگے بڑھانے میں شامل ہوں۔
پورٹل
https://github.com/PKU-YuanGroup/OpenAI4S
https://www.chatexcel.com/homesite/openAI4S
یہ مضمون ویچن گروپ "Quantum Bit" سے ہے، مصنف: سرحدی ٹیکنالوجی پر توجہ دیں