2026 کے زہیو کانفرنس میں، چینی انجینئرنگ اکیڈمی کے اکیڈمیشن، علی بابا کلاؤڈ کے بانی وانگ جین اور زہیو انسٹیٹیوٹ کے چیئرمین ہوانگ تیئن جون نے ایک بات چیت کی۔ وانگ جین نے کہا کہ وہ یہ ماننے سے قطعی طور پر انکار کرتے ہیں کہ AI انسانوں کی جگہ لے لے گا، اور AI کے ترقی کو جانورانہ ذہانت، انسانی ذہانت اور مشینی ذہانت کے بڑے فریم ورک سے سمجھنا چاہیے۔ انہوں نے کتے کی بو لینے کی صلاحیت کا مثال دے کر بتایا کہ مشینی ذہانت انسانوں کے لیے خطرہ نہیں ہے۔ وانگ جین کا خیال ہے کہ انسانوں نے جو مسائل پیدا کیے ہیں، وہ ضرور انسانوں ہی کی طرف سے حل ہوں گے، اور انہوں نے یہ زور دیا کہ ٹوکن کو کاغذ جتنا سستا بنایا جائے۔ ہوانگ تیئن جون نے کہا کہ انسان اور AI ماں باپ اور بچوں کی طرح مل جائیں گے۔ امریکا اور چین کے درمیان AI کے فرق کے بارے میں، وانگ جین نے کہا کہ چھ سال پہلے ہم ابھی تک تیراکی کے حوض میں پھنسے ہوئے تھے، لیکن اب ہم ایک ہی سمندر دیکھ رہے ہیں، اور دور کا سفر ابھی ختم نہیں ہوا۔

مضمون کے مصنف، ذریعہ: زھی ڈونگ

چی زھی 12 جون کو رپورٹ کرتا ہے کہ آج، 2026 کی زھی یوان کانفرنس زونگگوان بین الاقوامی ایجادات سنٹر میں منعقد ہوئی، جہاں چینی انجینئرنگ اکیڈمی کے فیلوز اور علی بابا کلب کے بانی وانگ جین، اور زھی یوان انسٹیٹیوٹ کے چیئرمین ہوانگ تیئن جون نے مقامی پادکاسٹ ڈائیلاگ میں کئی سرحدی جائزے اور نئے خیالات شیئر کیے۔

آپ دوسرے لوگوں سے زیادہ جلد مستقبل دیکھنے کے لیے کیسے تیار ہو سکتے ہیں؟ وانگ جیان کا خیال ہے کہ ہمیں اپنے خیالات کو موجودہ فریم ورک سے آگے بڑھانا ہوگا۔ “jab ہم آرٹیفیشل انٹیلی جنس (AI) کے بارے میں بات کرتے ہیں، تو ہم اس لفظ سے بھی محدود ہو جاتے ہیں۔” وہ سمجھتے ہیں کہ ہمیں پہلے ٹورنگ ایوارڈ وصول کرنے والے وٹھفیلڈ ڈفی کی طرح، جانور کی ذہانت، انسانی ذہانت اور مشینی ذہانت کے بڑے فریم ورک کے اندر AI کے ناٹریشن پر غور کرنا چاہیے۔

▲ چین کے انجینئرنگ اکیڈمی کے فیلوز، علی بابا کلاؤڈ کے بانی وانگ جیان

کیا انسانوں پر مشینی ذہانت کا حکومت ہو جائے گا؟ اس کا نقطہ نظر بہت واضح ہے: "میں یقینی طور پر نہیں سمجھتا کہ AI انسانوں کی جگہ لے لے گا۔ کُتے کی ناک انسان کے مقابلے میں بہت زیادہ حساس ہے، لیکن ہم کبھی نہیں سوچتے کہ یہ انسانوں کے لیے کوئی خطرہ ہے۔"

وانگ جیان کا خیال ہے کہ جو بھی آج ہم بڑے ماڈلز کے بارے میں بات کرتے ہیں، وہ اصل میں انسانوں کی وضاحت کے لیے استعمال ہوتے تھے۔ میں ایک بے رحم مثبت سوچ والا ہوں، اس لیے میں ہمیشہ یہی坚信 کرتا رہا ہوں کہ انسانوں نے جو مسائل خود پیدا کیے ہیں، انسان ہی ان کا حل نکالیں گے۔

چینی AI کے بارے میں کہانی کے حوالے سے، ہوانگ تیہون نے نوجوان پیشہ ور افراد کو مشورہ دیا: اپنے خود کے خیالات رکھیں، اور جب فیصلہ کرنے کا وقت آئے تو فیصلہ کر لیں، اور ایسے غیر یقینی صورتحال کا مقابلہ نہ کریں جیسے آپ اپنا ہوم ورک جمع کروانا چاہتے ہوں یا یقینی کامیابی کا انتظار کر رہے ہوں۔ وانگ جین نے مزید کہا: آج چین اور امریکہ ایک ہی سمندر کو دیکھ رہے ہیں، چھ سال پہلے ہم شاید ایک تیراکی کے حوض میں پھنسے ہوئے تھے، لیکن اب ہم ایک ہی آسمان کے نیچے ہیں، اور یہ سفر ابھی ختم نہیں ہوا۔

▲ زہی یوان انسٹیٹیوٹ کے چیئرمین ہوں تیجون

جب انسان اور AI کے تعلق کے بارے میں پوچھا گیا، تو ہوانگ تیجون نے کہا کہ انسان اور AI والدین اور بچوں کی طرح مل جائیں گے اور انسان AI کے ذریعے اپنی حدود کو وسعت دیں گے۔ وانگ جیان کا خیال ہے کہ انسان فطری طور پر نئی ٹیکنالوجی سے خوف رکھتے ہیں، اور AI کا اثر تاریخ میں آگ کے اثر سے زیادہ نہیں ہو سکتا، اور انہوں نے عوام کے تحریر و قلم سے خوف کی مثال دی جو آج AI کے بارے میں ہے، اور انہوں نے "ضروری ہے کہ ٹوکن کو 'بے قیمت' بنایا جائے" کہا، تاکہ وہ کاغذ کی طرح سستا ہو جائے۔

وین جیان، ہوانگ تیجون اور میزبان وی شیجیے کے درمیان مکالمے کا مکمل خلاصہ درج ذیل ہے، جسے چی زھی نے اصل معنی کو برقرار رکھتے ہوئے ایڈٹ کیا ہے:

1۔ آپ کو کلاؤڈ کمپیوٹنگ کا باپ کہا جاتا ہے، آپ نے کلاؤڈ کمپیوٹنگ، شہری دماغ، AI انفراسٹرکچر، اور خلائی کمپیوٹنگ جیسے اہم نقطوں پر ہمیشہ دوسروں سے پہلے مستقبل دیکھا ہے، یہ سب کچھ کس بنیادی سوچ کے ماڈل پر مبنی ہے؟

وانگ جیان: اصل میں نہیں۔ آج صبح میں نے دو ٹیورن انعام یافتہ کے تقریر سنی، اور میں بہت متاثر ہوا۔ خاص طور پر دوسرے، اینڈریو بارٹو، جنہوں نے تقویتی سیکھنے کے دوران ایک نفسیات دان، سانڈک کا ذکر کیا، جس کے بارے میں ہم نے لگ بھگ 1980 کی دہائی کے شروع میں نفسیات کے کتب میں پڑھا تھا۔ تو آپ سب سوچ سکتے ہیں کہ اکثر آج یہ بات مشکل ہے کہ کوئی خیال آپ نے پہلے سوچا ہے یا کسی اور نے۔ اس لیے یہ ایک سوال بن جاتا ہے: جب آپ نے کچھ سوچا، کیا آپ نے اسے دوسروں کو بتایا؟ اور مشکل تر بات یہ ہے کہ کیا آپ میں اسے آزمانے کا جرات تھا؟ آخرکار، جب آپ کو لگے کہ کوئی امید نہیں، تو کیا آپ اپنے آپ کو ایک قدم مزید آگے بڑھانے کی استقلال رکھتے ہیں؟

2، آپ نے بہت عام جواب دیا، میں اسے ٹکڑوں میں تقسیم کرنا چاہتا ہوں۔ آپ کی کتاب میں بتایا گیا ہے کہ چیزوں کی بنیادی سطح پر کچھ مشترکہ باتیں ہیں، میں جاننا چاہتا ہوں کہ آپ مسائل کا تجزیہ کرنے کا بنیادی طریقہ کار کیا ہے؟

وانگ جیان: اصل میں سوچنے کا انداز بیان کرنا بھی مشکل ہے۔ پہلے پروفیسر وٹہیلڈ ڈفی کی بات میرے لیے بہت متاثر کن تھی۔ انہوں نے کہا کہ ہم سب AI کے بارے میں بات کر رہے ہیں، اور اس میں ایک بڑی چیلنج یہ ہے کہ اس لفظ کی وجہ سے ہم خود بخود ایک ایسا فریم ورک بنانے لگتے ہیں۔ جیسے میں اکثر کہتا ہوں، یہ میٹنگ کا ماحول ہی ہے جو ہمیں یہ طے کرتا ہے کہ ہم کیسے میٹنگ کریں گے، آپ کیا کہ سکتے ہیں، اور آپ اسے کس طرح بیان کر سکتے ہیں، اس لیے بہت کم لوگ اس بات پر سوچتے ہیں۔

تو اصل میں اب ہم جب AI کے بارے میں بات کر رہے ہیں، تو ہم آہستہ یا زور سے AI کے الفاظ کے ساتھ محدود ہو رہے ہیں۔ اس لیے آج صبح وٹیفیلڈ ڈفی پروفیسر نے جب اس بات پر بات کی، تو میرا جذبہ متاثر ہوا۔ دیکھیں، میں نے تقریباً 2017 میں گویانگ میں اسی طرح کی بات کی تھی جو آج وہ کر رہے ہیں — کیوں Animal intelligence (جانورانہ ذہانت)، Human intelligence (انسانی ذہانت) اور Machine intelligence (مشینی ذہانت) وجود رکھتی ہیں؟ اس لیے مجھے لگتا ہے کہ کسی بھی چیز کے لیے، آپ کو اپنے لیے ایک ایسا سوچنے کا فریم ورک بنانا چاہیے جو موجودہ فریم ورک سے آگے نکل جائے۔

اس لیے، میرے لیے آج کے چیلنج کو سوچنا، میں یقینی طور پر Animal intelligence، Human intelligence اور Machine intelligence کے فریم ورک کے تحت یہ سوچوں گا۔ اس لیے میں یقینی طور پر اس بات پر ایمان نہیں رکھتا کہ آج سب کہتے ہیں کہ AI انسانوں کو بدل دے گا۔

وجہ بھی بہت آسان ہے، میں اکثر کہتا ہوں کہ کُتے کی ناک انسان کی ناک سے بہت زیادہ حساس ہوتی ہے، لیکن ہم نے کبھی اس سے کوئی نقصان محسوس نہیں کیا۔ اس لیے جب آپ کے پاس ایسا فریم ورک ہوتا ہے، تو اس سے آپ کو بہت سے مسائل پر غور کرنے میں مدد ملتی ہے۔ اس لیے میں سوچتا ہوں کہ ہر کوئی اپنا ایک مستقل سوچنے کا فریم ورک بنائے، جو بہتر ہوگا۔

3۔ آپ نے کہا کہ ہمیں کچھ پر ایمان رکھنا چاہیے، اور دوسرے لوگوں کو بھی اس پر ایمان لانے کے لیے اہم ہے۔ جب ہمارے پاس علی بابا کلب کو سالانہ ایک ارب، لگاتار 10 سال تک سرمایہ کاری کرنے کا فیصلہ کیا گیا، تو اس کے لیے مکمل وسائل کی حمایت حاصل کرنا بہت اہم تھا۔ آپ اپنے ایمان کو دوسرے لوگوں تک کیسے پہنچائیں؟

وانگ جیان: کچھ چیزیں پھیلتے وقت غلط ہو جاتی ہیں۔ لیکن ایک بات یقینی ہے، ہم اس معمولی الفاظ "وسائط" کو ابھی عارضی طور پر استعمال نہیں کریں گے۔ میرا خیال ہے کہ انسان کو کام کرنے کے لیے دوسرے لوگوں کی مدد کی ضرورت ہوتی ہے، لیکن کام کرتے وقت بہت زیادہ موقع پرست نہ ہوں۔

میں نے ایک سرگرمی "2050" کی، جس میں آج کے لحاظ سے نامعلوم اور وسائل سے محروم لوگوں کو شرکت کے لیے بلایا گیا، لیکن ان کا مقصد وسائل حاصل کرنا نہیں تھا۔ درحقیقت، ہمارا ایک بہت آسان خیال تھا: جب آپ کوئی کام کرنا چاہتے ہیں یا کوئی بات کہنا چاہتے ہیں، تو اس کے لحاظ سے کہ دوسروں کو یہ صحیح لگتا ہے یا وہ کیسے محسوس کرتے ہیں، وہ ایک معنی میں اہم نہیں ہے۔ اہم بات یہ نہیں کہ اسٹیج پر بولنے والا اپنے سامنے والوں کو اپنی بات پر متقاعد کر پائے، بلکہ اہم بات یہ ہے کہ اس جوان نے اسٹیج پر اپنے خیالات، اپنے کسی کام کرنے کا عزم بیان کیا، اور آخرکار سامنے والوں کا یقین کرنا یا نہ کرنا اب اہم نہیں رہا۔ جب وہ خود اسٹیج پر یہ بات کہتا ہے، تو وہ خود اس پر یقین کر لیتا ہے۔

اس لیے میرے خیال میں بہت اہم بات یہ ہے کہ آپ کو صرف وہی باتیں کہنی چاہئیں جن پر آپ کا ایمان ہے، اور وہی کام کرنا چاہئیے جو آپ خود کریں گے۔ میں یقین کرتا ہوں کہ اگر آپ ایسا کریں گے، تو ضرور کوئی آپ کا ساتھ دے گا۔ اگر کوئی بھی اس شرط پر کام کرتا ہے کہ اگر مجھے کوئی ساتھ نہیں دے رہا تو میں کام نہیں کروں گا، تو اس صورت میں وہ تقریباً یہ سمجھے گا کہ کوئی بھی آپ کا ساتھ نہیں دے گا۔

4۔ ڈاکٹر ہوئنگ، زہی یوین کو چین کے AI دنیا کا ہوپنگ جنرل اسکول کہا جاتا ہے، اور یہ ہمارے مستقبل کے لیے مستقل AI نوآوری کا ماخذ بھی ہے۔ براہ راست بتائیں کہ چینی AI کی کہانی کس قسم کے ایمان پر مبنی ہے؟

ہوںگ ٹیجون: ہمیں بہت خوش قسمتی ہوئی کہ ہم 2018 میں قائم ہوئے، جو ایک بہت مناسب وقت تھا، اور ہمیں بہت خوش قسمتی ہوئی کہ بیجنگ نے ہمیں آزاد نظام اور لمبے عرصے تک مستقل سہولت فراہم کی؛ اور ہمیں بہت خوش قسمتی ہوئی کہ اس مناسب وقت پر ہم نے ایک صحیح کام کیا، جس میں 2020 میں سو سے زائد افراد نے بڑے ماڈل پر کام کیا۔

اس سے پہلے، گھریلو اور بیرونی دونوں طرف کئی ماہرین نے تحقیق کی اور ترقی حاصل کی تھی، لیکن کروڑوں، کئی ارب روپے کا سرمایہ لگانا ایک عزم کی بات ہے۔ اس لیے میں نے مناسب وقت پر اقدام کر لیا، اور پانچ ماہ میں 1ویں جنرل ماڈل جاری کیا، اور اس کے تین ماہ بعد 2ویں جنرل ماڈل نے بھی پیچھے نہیں چھوڑا، اس لیے مجھے لگتا ہے کہ عصر نے ہمیں ایک موقع دیا ہے۔

لیکن میں چاہتا ہوں کہ میں اس بارے میں مزید دو باتیں کہوں، یہ بھی انسانی ترقی کا ایک تدریجی عمل ہے۔ بڑے ماڈل دراصل کئی دہائیوں کے جمع کردہ اعداد و شمار پر مبنی ہیں، نیورل نیٹ ورک کی بات تو نہ کریں، صرف اگلا ٹوکن پرڈکشن (اگلا ٹوکن پیش گوئی) بھی 2000 میں پیش کر دیا گیا تھا۔ بالکل اس وقت، جب یہ تکنیکی ترقی کا حصہ تھا، تو اس کے موجد خود بھی نہیں جانتے تھے کہ اس کا اثر کیسا ہوگا، لیکن یہ طریقہ دریافت ہو گیا، اور بعد میں بہت سی تکنیکوں نے اکٹھا ہو کر اس بڑے افراط کو ممکن بنایا۔

اس لیے میں سوچتا ہوں کہ چین اب ایک ایسے نقطے پر ہے جہاں سائنسی اور ٹیکنالوجی کی نوآوری کا طوفان چل رہا ہے، جس میں بہت سے عوامل شامل ہیں۔ لیکن سب سے اہم دو باتیں ہیں۔ پہلا، آپ کے پاس اپنا خود مختار خیال ہونا چاہیے، ورنہ آپ صرف دوسرے کے ساتھ بہہ جائیں گے؛ دوسرا، جب فیصلہ کرنے کا وقت آئے تو فیصلہ کر لیں، ہم اس بات کو ایسے نہیں دیکھ سکتے جیسے ہم اپنا ہوم ورک جمع کر رہے ہوں یا یقینی کامیابی کا خیال رکھ رہے ہوں، ٹیکنالوجی کی عدم یقینی ہمیشہ موجود رہتی ہے، اس لیے خیالات ہونے چاہئیں اور جب فیصلہ کرنے کا وقت آئے تو فوراً فیصلہ کر لینا چاہئیے۔

5۔ پیچھے رہ جانے سے لے کر اپنا کہانی تعریف کرنے تک، چین کی AI کہانی کیا ہے؟

وانگ جیان: اصل میں، جس بات کو تی جون نے ابھی کہی، میں اس میں اضافہ کرنا چاہوں گا۔ میرے خیال میں زہی یوان بہت نوٹھا تھا۔ میں ہمیشہ سوچتا رہا کہ اس وقت اس سطح اور اس عزم کے ساتھ AI پر کام کرنا بہت مشکل تھا۔ اس لیے مجھے ایک لفظ یاد آیا، جسے ہم پہلے اکثر کہتے تھے — راکٹ سائنس۔ ہم یہ زور دیتے تھے کہ یہ کتنا مضبوط ہے، لیکن راکٹ سے زیادہ خطرناک اور غیر یقینی کچھ نہیں ہوسکتا۔

آج صبح ایک بات چیت میں، میزبان نے پوچھا کہ کیا سیکورٹی میں کوئی یقینیت ہوتی ہے، تو مہمان کا جواب یہ تھا کہ یقینیت کا کوئی تعین کرنا بہت مشکل ہے، نہیں؟ تو میں چاہتا ہوں کہ AI کا کام کرنے کی بات کروں، جو کہ زہ یوآن سے شروع ہوا، اور یہی وہ بات ہے جس کے لیے میں بہت متاثر ہوں۔

یہ پہلے جو ہم تحقیق کرتے تھے، اس سے مختلف ہے۔ پہلے تحقیق کا مطلب یہ تھا کہ کچھ فنڈز حاصل کریں اور کام شروع کر دیں، اگر آپ کام کر گئے تو پوری دنیا کو بتا دیں، اگر نہیں کیا تو کسی کو پتہ نہیں چلta۔ لیکن آج جب ہم ماڈل بناتے ہیں، تو یہ پہلے سے مختلف ہے۔ کیونکہ اگرچہ پورے ماڈل کی بات نہ کریں، صرف ایک درمیانی مرحلہ بھی لیجئے، جیسے آپ نے تین ماہ یا مئی تک تربیت دی، اگر نتائج اچھے نہیں ہوئے تو جتنے پیسے خرچ ہوئے، وہ ایک راکٹ کو اڑانے جتنا ہوتا ہے، تقریباً ایک ارب یا دو ارب۔ لیکن آج، جب آپ جانتے ہیں کہ اگر آپ ایک اچھی تربیت کرنا چاہتے ہیں، تو آخر میں آپ جتنی بجلی اور کمپوٹنگ طاقت کا خرچ کرتے ہیں، وہ بھی اسی سطح پر ہوتا ہے۔

تو اس جگہ پر واپس آتے ہیں، یعنی چین اور امریکہ کے AI ناٹس میں فرق، اصل میں اتنی آسان نہیں ہے، اور میں اس بارے میں کہنا مشکل سمجھتا ہوں۔ کیونکہ اس میں ایک پیش‌فرض ہے: بنیادی تحقیق دنیا بھر کی ہوتی ہے، شاید کوئی بنیادی تحقیق ایسی نہیں جو دنیا بھر کی نہ ہو۔ تو جس سے بھی آپ مضمون یا کتابوں سے واقف ہوتے ہیں، وہ چیزیں جو آپ نہیں دیکھ سکتے، وہ تقریباً سب کو دستیاب ہوتی ہیں۔ اس لحاظ سے، یہ دنیا بھر کی ہے۔ چین اور امریکہ کے AI ناٹس پر واپس آتے ہیں، لوگ پوچھتے ہیں کہ ہم ان سے کتنے پیچھے ہیں؟ میں اپنے درمیان تعلق کو اس طرح بیان کرنے سے بچنا پسند کرتا ہوں۔

اپنے الفاظ میں کہوں تو، کیونکہ پچھلے کچھ سالوں میں سب کی محنت کے باعث، میں ہمیشہ کہتا رہا ہوں کہ کم از کم چین اور امریکہ اس شعبے میں ایک ہی سمندر کو دیکھ رہے ہیں۔ اگر چھ سات سال پہلے، میرا خدشه یہ تھا کہ ہم ایک ت游泳池 دیکھ رہے ہیں، جبکہ دوسرے سمندر دیکھ رہے ہیں، حالانکہ دور سے دیکھنے پر دونوں نیلے نظر آتے ہیں، لیکن قریب سے دیکھنے پر پتہ چلتا ہے کہ یہ ایک ہی دنیا نہیں ہے۔ لیکن آج میں اب بھی کہ سکتا ہوں کہ ہم سب ایک ہی دنیا کو دیکھ رہے ہیں۔ جو بھی قریب یا دور ہے، شاید اس کا مسئلہ صرف تکنیکی ہے۔ اس مارکیٹ کے ترقی یا اس مسافت کے لحاظ سے، مجھے لگتا ہے کہ یہ صرف کچھ دن میں ختم نہیں ہو سکتی۔ تو ہمارے پاس آگے بڑھنے کے لئے اب بھی بہت لمبی راہ ہے۔

6. کیا ہمارے پاس چین کے لیے اپنے خود کے ذکی مسائل، ٹیکنالوجی کے راستوں اور نوآوری کے نمونوں کو پیش کرنے کا موقع ہے؟

ہوئے تیجون: میں سمجھتا ہوں کہ میں اس سے پہلے ڈاکٹر وانگ کے خیال سے متفق ہوں۔ موجودہ وقت میں، چین اور امریکہ دونوں بڑے ماڈلز جیسے انجینئرنگ عمل میں بہت اچھا کام کر رہے ہیں، لیکن اس مسئلے کو ایک یا دو ممالک کا مسئلہ نہیں سمجھنا چاہیے؛ یہ انسانیت کے بہت سے خیالات اور چھوٹی چھوٹی ترقیات کا ایک بڑا جمع ہے۔ بہت آسان بات ہے، آج دو تورنگ انعام یافتگان دیکھیں، وہ عام طور پر ہم جس مشہور یونیورسٹی یا ادارے کو دیکھتے ہیں، ان میں سے کوئی نہیں ہیں—Hinton اور Sutton دونوں کینیڈا میں ہیں۔ بالکل یقیناً، میرا خیال ہے کہ دنیا بھر کے اتنے سائنسدان اور تحقیق کار، اصل میں ایک بڑے باہمی تفاعل والے برادری اور کمیونٹی میں کام کر رہے ہیں۔

تو مستقبل سے، جس بات کا میں نے ابھی ذکر کیا، واقعی میں لگتا ہے کہ ہم چین میں کر رہے ہیں، اور دنیا بھر میں بھی کیا جا رہا ہے، اصل میں پچاسوں سالوں سے ایک بڑا منطق ہے۔ جب میں بند کرنے والا ہوں تو میں ایک خاص عنوان لے کر آیا ہوں جس کا نام "悟道一以貫之" ہے۔ یقیناً یہ میرا اپنا ادراک نہیں، بلکہ کنفیوشس کا کہنا ہے، اصل میں یہ راستہ ہمیشہ اسی طرح رہا ہے۔ یہ راستہ کس طرح کا ہے؟

آپ سمجھدار بننا چاہتے ہیں، تو اس کے لیے صرف دو چیزیں ہیں: ایک تو آج ہم جو بھی کہتے ہیں، ڈیٹا ڈرائیون، اگر زیادہ وسیع طور پر کہیں تو فنکشن ڈرائیون۔ آج، بالکل جیسے کہ دوں ترینگ انعام یافتہ نے کہا، آپ ان چیزوں کو جمع کرتے ہیں، پھر انہیں ٹرین کرتے ہیں، اور اس طرح ایک ایسا چیز بناتے ہیں جو انسان یا حیاتیاتی ذہانت کا تقليد کرتا ہے۔

دوسری بات یہ ہے کہ بنیادی ساخت کیا ہے؟ ہم اپنے جسم اور دماغ کا استعمال کرتے ہیں، جبکہ مشینوں میں اب Transformer ہے اور اس کے بہتر اور تبدیل کرنے والے ڈیزائن بھی ترقی کر رہے ہیں، اس لیے یہ دونوں چیزیں لگاتار ترقی کر رہی ہیں۔ میں یقین رکھتا ہوں کہ ہمارے چینی ماہرین اس دو بنیادی شعبوں میں مزید زیادہ کردار ادا کریں گے، مخصوص مثالیں میں نہیں دوں گا، وقت کم ہے، پہلے بھی ہم نے کافی کام کیا ہے، میں یقین رکھتا ہوں کہ مستقبل میں ہم مزید زیادہ کام کریں گے۔

تو خلاصہ یہ ہے کہ AI، یا جیسا کہ لوگ کہتے ہیں، AGI انسانیت کا ایک بڑا کہانی ہے، اور ہم اسے کائناتی ذہانت کی ترقی کی ایک بڑی سمت بھی کہ سکتے ہیں۔ میں چاہتا ہوں کہ ہم، چاہے ہم تحقیق کرنے والے ہوں، ڈویلپرز ہوں، یا کمپنیاں، اس عمل میں اپنا اپنا حصہ ڈالیں، اپنا اپنا ستارہ چھوڑیں، اور سب مل کر ایک وسیع کائنات بنائیں۔

وانگ جیان: اچھا، اصل میں آپ نے ایک بہت اچھا سوال پوچھا، میں سمجھتا ہوں کہ ٹی جون نے آپ کا جواب اچھی طرح نہیں دیا۔ آپ نے ذہانت کے بارے میں بات کی۔ اصل میں، "intelligence" کا لفظ کافی دلچسپ ہے، جب اسے چینی میں ترجمہ کیا جاتا ہے۔ بالکل جیسا کہ سب جانتے ہیں، اسے "ذہانت" کہا جاتا ہے۔ لیکن ایک اور، زیادہ براہ راست ترجمہ "معلومات" ہے، اس لیے CIA بھی یہی "intelligence" ہے، اس لفظ کو بہت خاص سمجھا جاتا ہے۔ میں اس لیے کہتا ہوں کہ آپ نے ایک بہت اچھا سوال پوچھا؟

سب جانتے ہیں کہ میرا پس منظر تجزیاتی نفسیات کا ہے۔ اصل میں انسانی نقطہ نظر سے اس "انٹیلی جنس" کو سمجھنا آج بھی بہت زیادہ ایک ناشناہہ ہے۔ اس لیے ابھی کیوں بات ہوئی Animal intelligence، Human intelligence اور Machine intelligence کی؟ اصل میں Animal intelligence کے بارے میں آج بھی تحقیق ایک راز ہے۔ Human intelligence تو اور بھی گہرا ہے۔ تو، تینوں رازوں کو اکٹھا کرنا اب بھی بہت پیچیدہ بات ہے۔

تو میرا خیال ہے کہ یہ ایک ایسا سوال ہے جس کا جائزہ لینے کے لیے بہت لمبا وقت ہوگا، اس میں وہ جگہیں بہت زیادہ ہیں جو ہم آج دیکھ رہے ہیں، کیونکہ ہم جو چیزیں آج دیکھ رہے ہیں، وہ سب آج کے لیے ممکن چیزیں ہیں۔ تو اب اس حالت نے عام طور پر کس قسم کے مواقع پیدا کر دیے ہیں؟ خاص طور پر نوجوان ماہرین کے لیے۔ میرا ابھی بھی خیال ہے کہ ہمیں ٹی جون کے اپنے الفاظ استعمال کرنے چاہئیں، میں نے جب اس کا بیان سننا، تو میں نے بہت کچھ سیکھا، حالانکہ میں نے بھی سوچا تھا، لیکن کبھی اس طرح بیان نہیں کیا تھا۔ اس نے کہا تھا، لیکن بعد میں، جیسے خود وہ اسے واضح نہیں کر پایا، میں ٹی جون کے الفاظ سے اس بات کو دوبارہ بیان کرتا ہوں۔

شاید آپ میں سے کوئی سن چکا ہو کہ اس نے ایک دلچسپ بات کہی تھی کہ ہوا کی گتی کے مکمل طور پر سمجھے جانے کے بغیر ہی طیارہ اڑنا شروع ہو گیا، آپ نے یہ بات کہی تھی۔ اس میں ہمیں آج کے بہت اہم سوال پر توجہ دینی ہوگی، جو یہ ہے کہ ہماری دنیا کی بنیادی سمجھ اور ہم جو کام کر رہے ہیں، وہ ضرور ایک دوسرے کے ساتھ اُچھل کر ترقی کر رہے ہیں۔

jab tak کوئی شعبہ یا مجال کافی حد تک ترقی نہیں کرتا، تو جیسے ہم آج اس تکرار سے باہر نکل سکتے ہیں۔ میری ذاتی رائے یہ ہے کہ چاہے انسانی ذہانت ہو یا مشینی ذہانت، آج بھی ہم اس کے بارے میں اپنی سمجھ بڑھا رہے ہیں، اور اس کے ساتھ انجینئرنگ کی تکرار اور اس تفاعل کے ذریعے کام کر رہے ہیں۔ اس لیے سخت الفاظ میں، جب تک طیارہ اڑ نہیں گیا، تب تک 12 سال بعد ہی ایئرکرافٹ انگینئرنگ کا شعبہ قائم ہوا، صحیح؟

ہوںگٹیئن: 30 سال سے زائد۔

وائ جیان: 30 سال سے زیادہ، ہے نا؟ تو آپ سب سوچ سکتے ہیں کہ طیارہ اُڑنے کے بعد بھی 30 سال تک اس کا ایئرکرافٹ ڈیپارٹمنٹ قائم نہیں ہوا۔ اس لحاظ سے، اگر ہم مان لیں کہ آج ہم AI کو ایک بڑی تبدیلی کہ رہے ہیں، تو شاید ہم ابھی تک اصلی AI ڈیپارٹمنٹ قائم کرنے کے مرحلے تک نہیں پہنچے، اس لیے یہ نوجوانوں کے لیے بہت زیادہ جذاب ہے۔

یعنی دنیا کے بارے میں، نہ تو کوئی مسئلہ حل ہوا ہے، نہ ہی دنیا کا آغاز بہت ابتدائی مرحلے میں ہے، اس لیے یہ تقریباً ایک شروعاتی ادھورا دور ہے، جو میری اس بات کی سمجھ ہے۔ فی جن کا طیارہ کا مثال کا ذکر، مجھے لگتا ہے کہ اس بات کو ثابت کرنے کے لیے بہتر ہے۔

تو اپنا ذکی سوال پوچھنے کا بالکل موقع ہے۔ نہ صرف بالکل موقع ہے، بلکہ اگر آپ نے سوال نہیں پوچھا تو یہ آپ کی غلطی ہے۔

7 یہ سال، تاو زھیکسین اور ڈیپ مائنڈ کے ایجینٹ AlphaEvolve نے مل کر 50 سال سے زیادہ عرصہ سے حل نہ ہونے والے عالمی ریاضی کے مسئلہ Erdős کو حل کر دیا۔ ڈاکٹر وانگ جین، آپ کے خیال میں کیا AI اب انسانی ذہانت کی سرحدوں کو آگے بڑھانے لگا ہے؟ کیا آپ نے ایک نیا طرز دیکھا ہے؟

وانگ جیان: اصل میں یہ میرے لیے بہت گہرا اثر چھوڑا۔ یعنی جب آج ہمارے پاس بڑے زبانی ماڈل یا ایسا ڈھانچہ آیا، تو بالکل پہلے ہم زبان پر نظر ڈالتے ہیں، ہے نا؟ حالانکہ اس کا آغاز صرف مشینی ترجمہ کے لیے ہوا تھا، لیکن اس نے مجھے پہلے کی یاد دلائی، تقریباً 84 یا 85 کے دوران، جب ڈارٹ ماؤتھ کے اجلاس میں شرکت کرنے والے ان دس افراد میں سے ایک، ہربرٹ سائمن، ہمارے شعبے میں AI کے بارے میں لیکچر دے رہے تھے۔ اس وقت سب کچھ منطق کے بارے میں تھا۔ جو بھی اس وقت کے AI کے مسائل تھے، وہ سب بنائے گئے مسائل تھے، اس لیے انہیں "toy problem" کہا جاتا تھا، یعنی کھلونا جیسے مسائل، چاہے مشینی نظر ثانی ہو۔

تو، آج کے دن، آپ ایک بہت بڑا تبدیلی محسوس کریں گے، نظریاتی یا انجینئرنگ کے لحاظ سے بات نہ کریں، آپ ایک بہت بڑی تبدیلی دیکھیں گے، یعنی جن مسائل کو حل کرنا ہے، وہ اب کوئی ٹوی پرابلم نہیں رہیں گے، بلکہ وہ انسانی سمجھ کے لیے بہت مشکل ہو سکتے ہیں، یہ ایک بہت بڑی تبدیلی ہے، کم از کم میرے خیال میں۔ یہ مسائل ہماری تصورات سے باہر ہو چکے ہیں، یہ پہلا نقطہ ہے۔

دوسرا، آج کے ترقی کے ساتھ، آپ دیکھ سکتے ہیں کہ ایک بہت دلچسپ بات ہے جو ڈیٹا سے متعلق ہے، کیونکہ گزشتہ بڑے زبان ماڈل کے تمام ڈیٹا اصل میں صرف متن تھے، چاہے آپ انٹرنیٹ سے لائیں۔ اس کے درمیان، ایک بہت دلچسپ بات یہ ہے کہ آج ہم جو بہت پرچلت ہو چکا ہے، وہ vibe coding ہے۔ اس کے درمیان، ایک چیز نکلی جسے کوڈ کہتے ہیں، اور اگر آپ نے کبھی کوڈ لکھا ہے تو آپ جانتے ہیں کہ کوڈ سب سے آسان شروعات یہ ہے کہ آپ Linux پر کوڈ لکھتے ہیں تو صرف ایک ٹیکسٹ ایڈیٹر استعمال کرتے ہیں۔

ٹیکسٹ ایڈیٹر سے زیادہ آسان کوئی ایڈیٹنگ نہیں ہے، اس لیے اس نقطہ نظر سے یہ اب بھی ٹیکسٹ ہے۔ لیکن اس شعبے میں کسی نے ایک جملہ کہا ہے، جس میں کہا گیا ہے کہ کوڈ کو ٹیکسٹ کی طرح مت سمجھیں، یعنی don't treat code as a text۔

اس لہجے کے مطابق، کوڈ متن نہیں ہے، اس لیے وہ کیوں اس شعبے میں ہے، جس میں ہم نے آج دیکھا کہ یہ ہمارے پروگرامرز کے کام کو کیسے تبدیل کر رہا ہے۔ حقیقت میں، AI نے ایک بڑا قدم آگے بڑھا ہے اور اس کا مطلب یہ ہے کہ وہ اس بات کو تقسیم کر سکتی ہے کہ ہم جو زبان استعمال کرتے ہیں وہ متن کیا ہے اور ہم جو کوڈ لکھتے ہیں وہ متن کیا ہے۔ آج کے تھانگ یوین اعلان میں، زندگی کی سائنس، پروٹین جیسے موضوعات پر بات ہوئی، اور اس کے بعد یہ سوال اٹھتا ہے کہ سائنسی معنی کے لحاظ سے ڈیٹا کیا ہے، جو بالکل مختلف ہے۔ اس لیے میں کبھی کبھار سوچتا ہوں کہ AI سائنس کو سمجھنے لگی ہے، لیکن اگر وہ صرف سائنسی مقالوں کے متن کا استعمال کر رہی ہے تو، مجھے لگتا ہے کہ اس میں بڑی حد تک حدود ہیں، جب تک کہ آپ حقیقی سائنسی ڈیٹا کو سمجھ نہ لیں، جس پر تھانگ یوین آج زندگی کے حوالے سے بات کر رہا ہے۔ لیکن اتفاق سے ہم نے اسے سمجھ لیا، اور اتفاق سے آج ہمارے پاس حقیقی سائنسی ڈیٹا کو سمجھنے کا موقع ملا ہے۔ اس لیے جب آپ حقیقی سائنسی ڈیٹا کو سمجھنے لگ جائیں، تو سائنس ضرور تبدیل ہو جائے گی، اور یہ ہمارے پرانے سائنسی تحقیق کے طریقے کو بالکل تبدیل کر دے گی۔

ہم نے پہلے سائنسی تحقیق کیسے کی؟ ایک سائنسدان، یا ایک سائنسدانوں کا گروپ، خود ڈیٹا جمع کرتا تھا، پھر اس ڈیٹا کو صرف ایک بار سمجھتا تھا، اور آخرکار اسے ایک تحقیقی مقالہ کے طور پر شائع کر دیتا تھا، اور یہ ڈیٹا اسی جگہ پر رہ جاتا تھا۔ اس لیے، آپ دیکھ سکتے ہیں کہ پورا منطق یہ ہے کہ ایک چھوٹے سے گروہ، یا صرف ایک شخص، نے ایک بہت مشکل سے جمع کیا گیا ڈیٹا صرف ایک بار سمجھا، اور کہانی ختم ہو جاتی تھی۔ لہذا، AI کے ساتھ ہم دیکھ سکتے ہیں کہ ہمارے پاس موجود کچھ سائنسی ڈیٹا کو مختلف لوگ مختلف طریقوں سے، اور بڑے پیمانے پر سمجھے جا سکتے ہیں، اس لیے میرا خیال ہے کہ اس کا سائنس پر بہت لمبا اثر ہوگا۔

اگر آپ تاریخی طور پر دیکھیں تو دو چیزیں دلچسپ ہیں، کیونکہ جب ہم ڈیٹا کے بارے میں بات کرتے ہیں، تو کبھی کبھی ہم خاص طور پر نئے ڈیٹا جمع کرنے کی بات کرتے ہیں۔ لیکن آپ AlphaFold دیکھیں، AlphaFold نے کبھی نئے ڈیٹا جمع نہیں کیے، اس نے صرف پہلے سے جمع ہو چکے ڈیٹا کا استعمال کیا، لیکن یہ سائنسی ترقی کی تاریخ میں اکیلا واقعہ نہیں ہے۔ گالیلیو نے بھی کبھی ڈیٹا جمع نہیں کیا، اس نے بھی دوسروں کے جمع کردہ ڈیٹا کا استعمال کیا۔

تو، میں سوچتا ہوں کہ ہم اس دور میں پہنچ گئے ہیں جہاں تمام سائنسی ڈیٹا کو AI کے ظہور کی وجہ سے دوبارہ سمجھا جائے گا۔ اس وقت، اس تبدیلی کا اندازہ لگانا آسان ہے کہ یہ کتنی بڑی ہوگی۔ اس لیے، میری سمجھ میں، سب سے پہلے سائنسی تحقیق متاثر ہوگی، جیسے جب کوڈ کو سمجھنا ممکن ہوا، تو سب سے پہلے پروگرامرز متاثر ہوئے، مجھے لگتا ہے کہ یہ منطق ایک جیسا ہے۔

8۔ جب ایجنٹ دنیا کو تبدیل کر سکے، تو ہم اس کے خطرات کو کیسے تعریف کریں گے؟ اسے ایک قابل کنٹرول حد تک کیسے محدود رکھیں گے تاکہ یہ انسانوں کے لیے فائدہ مند ہو؟

ہو ٹیئن جون: میں سمجھتا ہوں کہ جو اب تک بات ہوئی ہے، جیسے کنٹرول کرنا، یقینی بنانا وغیرہ، شاید واقعی نہیں ہو سکتے، کیونکہ یہ ایک تعامل اور بہت پیچیدہ واقعہ ہے۔ لیکن ہمیں بالکل ضرور سوچنا چاہیے کہ ہم کس طرح ساتھ رہ سکتے ہیں۔ ا智能体 بھی ا智能体 ہیں، اور ہم بھی ذہین ہیں۔ شاید مستقبل میں ہر ایک کے پاس کئی ا智能体 ہوں گے، جو آپس میں تعامل کریں گے۔ ایک ایسی پیچیدہ دنیا میں جہاں کئی ا智能体 — انسان، مشین کے ا智能体، جسمانی اور مادی ا智能体 — سب مل کر رہتے ہیں، ضرور ایک انٹرفیس اور اتفاق رائے کی ضرورت ہوگی۔ ورنہ، انسانی دنیا بھی اسی طرح ہے۔ دنیا کیا ہونی چاہیے؟ میں نے تقریباً دو تین سال پہلے ایک انٹرویو میں لکھا تھا کہ مجھے لگتا ہے کہ یہ منطقی دنیا ہونی چاہیے۔ کیونکہ ہم کہتے ہیں کہ ا智能体 ایک بلیک باکس ہوتا ہے۔ جیسا کہ اب بتایا گیا، آپ اسے سمجھ نہیں سکتے، وہ صرف جواب دے دेतا ہے، لیکن یہ نہیں بتاتا کہ وہ اس جواب تک کس طرح پہنچا۔

اسی طرح انسان بھی ہیں، ہر انسان کا مغز ایک بلیک باکس ہے۔ تو جب آپ کسی انسان کے ساتھ بات کرتے ہیں، تو کیا آپ صرف اس کے نتیجے پر یقین کرتے ہیں؟ یا پھر آپ اس سے بحث کرتے ہیں کہ آپ اس خیال تک کیسے پہنچے؟ ڈاکٹر نے مجھے جو سفارش دی، اس کے پیچھے کیا وجوہات ہیں؟ ہم یقیناً اس سوال سے دلچسپی رکھتے ہیں۔ اس لیے مستقبل میں بھی یہی بات ہوگی، ابھی اینٹیٹی صرف ایک اچھا جواب دے رہا ہے، بہت اچھا۔

لیکن اس کے بعد، میں یقین رکھتا ہوں کہ لوگ پیچھے کے "کیوں" کو سمجھنے لگیں گے، بحث کریں گے، خاص طور پر جب ہم صرف اس طرح کے محفوظ اور اہم شعبوں جیسے طب، اور بالکل اسی طرح کے پروٹین، نقصان دہ پروٹین وغیرہ پر غور کر رہے ہوں تو، ہمیں ہمیشہ ایک واضح نتیجہ ہونا چاہیے جس کے بعد ہی ہم اقدامات اور بعد کے مراحل پر جا سکیں۔ پہلے کے تمام مراحل عام طور پر ایک کھلی بحث کے طور پر ہوتے ہیں، جہاں لوگ اپنے خیالات آزادانہ طور پر شیئر کر سکتے ہیں، ایک دوسرے کے ساتھ سوچ سکتے ہیں، اور انسان اور ذكاء کے درمیان، میں یقین رکھتا ہوں کہ یہی عمل ہونا چاہیے۔ اس لیے، ایک طرف میں سمجھتا ہوں کہ اس کے کنٹرول کو مکمل طور پر ضمانت نہیں دی جا سکتی، لیکن میں سمجھتا ہوں کہ ہم مل کر ایک ایسا راستہ تلاش کر سکتے ہیں جس پر ہم اشتراک کر سکیں اور منطقی طور پر آگے بڑھ سکیں۔

وانگ جیان: اصل میں، میں سمجھتا ہوں کہ میرا نتیجہ ٹی جون کے ساتھ 100 فیصد میل Khata ہے۔ لیکن اس بات کو ظاہر کرنے کے لیے کہ میں 100 فیصد کہنے کا مطلب یہ نہیں کہ میں آرام کر رہا ہوں یا اپنا خیال ظاہر نہیں کر رہا، میں اسے اپنے طریقے سے بیان کرنا چاہتا ہوں۔ میں نے ٹی جون سے اس سوال پر کبھی بات نہیں کی، لیکن میں اس سے 100 فیصد متفق ہوں، اور میں اپنے طریقے سے اس بات کو ظاہر کرنا چاہتا ہوں۔

اصل میں لوگوں کو سوچنا چاہیے کہ جب بڑے زبانی ماڈلز آئے تو لوگ ایک چیز پر تنقید کرتے تھے — کہ اس میں الوسی ہے، ہیلوسینیشن ہے۔ شاید لوگوں نے اس بات پر غور نہیں کیا کہ 'ہیلوسینیشن' نام اصل میں انسانوں کے لیے استعمال ہوتا تھا۔ یعنی جو بھی آج ہم بڑے ماڈلز کے مسائل کے بارے میں بات کرتے ہیں، اگر آپ انہیں دیکھیں تو ان کا اصل مطلب انسانوں کے لیے تھا۔

تو، انسانوں کو یہی مسئلہ ہے۔ کبھی کبھی انسانوں کے خیالات ہماری تصور سے بھی زیادہ شدید ہو سکتے ہیں۔ میں اس بات کیوں کہتا ہوں؟ خوبصورت طور پر، میں ایک بے رحم مثبت سوچ والا ہوں، اس لیے میں ہمیشہ یہی سمجھتا ہوں کہ انسانوں نے جو مسائل خود پیدا کیے ہیں، وہ انسان ہی ان کا حل نکالیں گے—یہی میرے پیچھے کا تمام منطق ہے۔

تو، آج میں بھی ایسا ہی سمجھتا ہوں، مثلاً میں تھوڑا انتہائی کہوں تو، ہم اکثر ایک بہت بڑے شخص کی بات کرتے ہیں، جسے ہم ماہر کہہ سکتے ہیں۔ اس نے یہ بات کہی، میں نے اسے نہیں سمجھا۔ اس کے پیچھے کا مطلب، آپ سوچ سکتے ہیں کہ اس کے دماغ میں ایک سیاہ باکس ہے، جسے ہم سمجھنا مشکل ہے۔ تو آج ہم ایک نظام کا سامنا کر رہے ہیں، جس کا رویہ یا کچھ بھی، آپ اب سمجھ نہیں سکتے، میرے خیال میں یہ کوئی آفت نہیں ہے، بلکہ ہم اسے سمجھنے کی کوشش کر سکتے ہیں، جس سے مستقبل میں ہماری پوری سمجھ ایک بڑا قدم آگے بڑھ سکتی ہے، تو میں سوچتا ہوں کہ یہ بھی ایک اہم ترقی کا عمل ہوگا۔ تو میں سوچتا ہوں۔

تو آج، میں نے ایک موقع پر کہا تھا کہ ہم اس بات کے بارے میں، پورے اسمارٹ سسٹم یا آپ جو بھی کہیں اس کا نام دیتے ہیں، کا تصور، مجھے لگتا ہے کہ اب بھی دوبارہ سمجھنا ضروری ہے، چاہے آپ صرف ٹیسٹنگ کے نقطہ نظر سے دیکھیں۔ مثال کے طور پر، آج ہم جب ٹیسٹ کرتے ہیں یا رینکنگ کرتے ہیں، تو تمام ٹیسٹنگ اور رینکنگ صرف اس اسمارٹ ایجینٹ یا ماڈل کی اپنی صلاحیت کو ہی ٹیسٹ کرتی ہے۔ لیکن ہم آج تک ایک طریقہ نہیں ڈھونڈ پائے ہیں، بلکہ اس بات کو ٹیسٹ کرنے کی کوشش بھی نہیں کرتے کہ جب یہ ماڈل انسان کے ساتھ کام کرتا ہے، تو اس کی مجموعی صلاحیت کیا ہوتی ہے؟ کya آج کوئی طریقہ موجود ہے؟ تو میرے خیال میں، ہمیں حقیقت میں اچھا طریقہ تلاش کرنا چاہئے کہ ایک اسمارٹ ایجینٹ اور انسان کے مل کر کام کرنے پر اس کی مجموعی صلاحیت کو کیسے جانچا جائے۔ مجھے لگتا ہے کہ اگر اس قسم کی رینکنگ ہو تو، میرے خیال میں وہ زیادہ دلچسپ ہوگی۔

9۔ آپ کے خیال میں انسان اور AI کا تعلق کیا ہونا چاہیے؟

ہوئے تیئن جون: ایک خاص طور پر خوبصورت مل کر رہنے کا تعلق قائم ہوگا۔ یہ تھوڑا سا والدین اور بچوں جیسا ہے، AI بچہ ہے، جس میں تنازعات ہوتے ہیں لیکن الگ نہیں کیے جا سکتے۔ AI کائنات کے باہر جا سکتا ہے، جبکہ ہم اسے کرنا مشکل پاتے ہیں، ہم اس بات کے ذریعے اس سے جڑے ہوئے ہیں کہ ہم ایک بہترین پل کے طور پر کام کرتے ہیں۔

وانگ جیان: ہم پہلے تو قدرت کے بچے ہیں، دنیا کا ایک حصہ۔ جب بھی کوئی نئی ٹیکنالوجی آتی ہے، لوگ اس سے خوف کھاتے ہیں، آگ کے شروع کے وقت بھی ایسا ہی تھا۔ میرا خیال ہے کہ AI کا انسانیت پر اثر آگ سے زیادہ ہو سکتا ہے، یہ ابھی بھی ایک سوال ہے۔ جیسا کہ لوگ عام طور پر ٹیورنگ کے خیال کو نقل کرتے ہیں: ایک انسان، ایک کاغذ، ایک قلم، اور مقررہ حسابی قواعد کے ساتھ، بنیادی طور پر ایک کمپیوٹر ہے۔

لوگ ہفتاں یا آٹھاں دہائیوں کے مواد کو تھوڑا سا دیکھ سکتے ہیں، جب ایک عام چینی شہری کو ایک کاغذ یا ایک قلم دیکھنے کو ملتا تھا تو وہ دھڑکن سے کانپ جاتا تھا، اس وقت لکھنا کسی کے لیے کتنا بڑا چیلنج تھا۔ AI اب اسی مرحلے پر ہے۔

ٹیکنیکل طور پر، ہمارا ٹوکن بہت مہنگا ہے۔ ٹوکن کو "بے قیمت" بنانا ضروری ہے، جیسے ایک کاغذ کے ٹکڑے کے طور پر۔