بالکل آج لاؤ ما کی دھماکے دار فلائنگ کار کے بہانے، پچھلے دو دنوں سے جو گڑھے کھودے تھے وہ بھر لیتا ہوں، یعنی Jev، Strata، Atlas — یہ تین حالیہ AI کی چیزیں جو مجھے بہت دلچسپ لگی ہیں میں ایک فلم کے منظر سے ان تینوں چیزوں کو جوڑ کر ساتھ سمجھاتا ہوں، تکنیکی جزئیات نہیں بتاؤں گا، دلچسپی رکھنے والے خود AI سے یا Research سے پوچھ لیں یہ منظر کیا ہے؟ — Terminator! سوچیں T-800 کو 1984 میں واپس بھیجا جاتا ہے، مشن ہے سارہ کونر کو ڈھونڈ کر ختم کرنا! اس وقت اسے تین بنیادی صلاحیتوں کی ضرورت ہے: جگہ/فضا کو سمجھنا، پل میں فیصلہ کرنا، بغیر نیٹ کے سوچنا (1984 میں تو کوئی Skynet نہیں تھا جس سے جڑ سکو) اتفاق سے یہ تینوں بالکل Atlas، Jev اور Strata کے مطابق ہیں 1. پہلے پروفیسر لی فی فی کا Atlas — جگہ/فضا کو سمجھنا شوارتزنیگر (T800) ایک کمرے میں داخل ہوتا ہے، ایک نظر میں اندازہ لگا لیتا ہے کہ دروازے کے پیچھے، میز کے نیچے تقریباً کیا ہے Atlas فی الحال یہی کام کر رہا ہے: چند تصاویر دو، یہ اندازہ لگاتا ہے کہ اگر تم جگہ بدل کر کسی اور زاویے سے دیکھو تو منظر کیسا نظر آئے گا LLM اگلا لفظ predict کرتا ہے ویڈیو ماڈل (مثلاً Seedance) وقت کے محور پر آگے کی فریمز generate کرتے ہیں Atlas نئے زاویے کو predict کرتا ہے اب بہت سے ویڈیو ماڈل خود کو world model کہتے ہیں، لی فی فی نے چند ماہ پہلے انہیں تین قسموں میں بانٹا: renderer، simulator، planner simulator، renderer بن سکتا ہے، جبکہ planner کو لازماً ایک طاقتور simulator پر مبنی ہونا پڑتا ہے T800 ایک نظر میں جان لیتا ہے کہ گھر میں تقریباً کیا کچھ ہے — یہ simulator ہے۔ یہ بھی simulator ہے کہ اگر چھلانگ لگائے تو کیا ہوگا، گولی چلائے تو کہاں لگے گی؛ جبکہ تعاقب کرے، چھپے یا گاڑی دے مارے — ان ایکشنز کے انتخاب کے لیے غالب امکان ہے کہ planner کی ضرورت ہو، renderer تو تقریباً نہیں چاہیے Atlas کا مقصد غالباً سب سے طاقتور simulator بننا ہے، آگے چل کر planner لیول تک اپ گریڈ ہونا روڈ میپ کچھ یوں ہے — جامد 3D سپیس (موجودہ) → متحرک (4D) → قابلِ تدوین → قابلِ تعامل → simulator ہی planner (آخری انجام) لمبی سفر کی ابھی پہلی قدم ہے، لیکن Terminator کو حقیقت بنانے کے لیے تم اس کے بغیر رہ ہی نہیں سکتے، صرف LLM کافی نہیں 2. اب آتا ہے Jev — پل میں فیصلہ یاد ہے وہ منظر؟ T-800 موٹل میں ہے، مینیجر دروازہ کھٹکھٹاتا ہے، اس کی ویژن میں ایک پوری قطار candidate جوابوں کی پاپ اپ ہوتی ہے، وہ ان میں سے ایک چن کر فوراً باہر بول دیتا ہے، زبان منظم ہی نہیں کرتا۔ (مجھے یاد ہے اس نے سب سے بدتمیز والا جملہ چنا تھا…) یہی Jev ہے: نہ LLM سے ایک پوری عبارت نکلوانی ہے، نہ CoT یعنی Chain-of-Thought سے سوچوانا، بس دیے گئے آپشنز میں سے انتخاب کرنا ہے اور یہ بتانا ہے کہ کتنا یقین ہے TypeSafe کا Jev یہی کرتا ہے: کوئی متن generate نہیں کرتا، صرف دیے گئے آپشنز میں سے انتخاب کرتا ہے اور calibrated probability دیتا ہے اگر کسی جواب کی probability 0.97 ہو → فوراً وہی جواب بھیج دو اگر سب سے زیادہ صرف 0.60 ہو → ابھی جواب نہ دو، اس کو زیادہ سست مگر زیادہ ذہین بڑے ماڈل کے سپرد کرو TypeSafe کی demo ویڈیو میں دکھایا کہ ایک invoice جعلی ہے یا نہیں، روایتی LLM کو 8 سیکنڈ لگے، جبکہ Jev نے صرف 0.1 سیکنڈ لیے تیز اس لیے ہے کہ صرف MCQ طرز کا انتخاب کرتا ہے، متن generate نہیں کرتا؛ درستگی کا انحصار بلیک ٹیکنالوجی RLCD پر ہے — Reinforcement Learning for Calibrated Decisions — یعنی calibrated فیصلوں کے لیے reinforcement learning آرکیٹیکچر ابھی تک پبلک نہیں، میرا اندازہ ہے بہت امکان ہے کہ نیچے Transformer ہی ہو، بس generation والا حصہ سیدھا کاٹ دیا گیا ہو۔ اسے کسی خاص سیاق میں LLM کا ASIC سمجھ سکتے ہیں — نہ چیٹ کر سکتا، نہ کوڈ لکھ سکتا، صرف high-frequency فیصلے کرتا ہے، روایتی LLM کے فیصلہ سازی کے مختلف مراحل کو سکیڑ کر ایک ہی فیصلہ یا انتخابی سوال بنا دیتا ہے، رفتار اور لاگت دونوں میں ایک سے دو آرڈر آف میگنیٹیوڈ کا فرق کچھ ویسا ہے جیسے ڈینیئل کاہنیمن کی مشہور کتاب "Thinking, Fast and Slow" میں System 1، جبکہ روایتی LLM System 2 یوں محسوس ہوتا ہے کہ generation کے علاوہ AI کی ایک نئی راہ کھل رہی ہے — Decision / Judgment ویسے اگر T-800 آج کے LLM والے فیصلہ کرنے کی رفتار پر کام کرے، تو فلم میں کوئی مشن پورا ہی نہ کر پائے، گھونگھے جیسا ہو جائے (کیسے اچانک مجھے Zootopia کے Flash کی یاد آ گئی…)، اسی لیے Jev سامنے آتا ہے، Terminator کی دوسری فنکشنل پزل پیس پوری ہو جاتی ہے 3. آخری پزل پیس — Strata — لوکل رننگ بڑا ماڈل 1984 میں انٹرنیٹ تھا تو سہی، مگر اول تو اتنا سست کہ دم نکل جائے، دوم اس وقت صرف فوج اور یونیورسٹیوں میں تھا، پھر کلاؤڈ پر بھی کوئی Skynet نہیں تھا کہ تم اسے جوڑ لو! آخرکار تمہیں T-800 کے دماغ کے اندر ایک لوکل ماڈل لگا کر ہی ٹائم ٹریول کرانا ہوگا Strata ایک 12GB ویڈیو میموری + 64GB RAM والی consumer-grade GPU پر 125B پیرامیٹر والا Qwen3.8-Flash-Next ماڈل چلنے دیتی ہے اس کی بلیک ٹیکنالوجی یہ ہے کہ پہلے quantization کے ذریعے پیرامیٹرز کو 16-bit سے 2–3-bit تک compress کیا جاتا ہے، سائز کئی گنا کم ہو جاتا ہے، پھر سب سے زیادہ استعمال ہونے والے 20% experts (کی کاپیاں) کو VRAM میں رکھا جاتا ہے، باقی تمام experts کو 64GB RAM میں، اور آخر میں 30GB کا ایک بڑا lookup table (ٹریننگ کے دوران کا quick reference manual) SSD پر مکمل آف لائن، ڈیٹا پرائیویسی برقرار، بلاشبہ compression کے باعث صلاحیت میں کچھ کمی، لمبے ڈاکیومنٹس پڑھنا بھی سست، لیکن ہائی اینڈ گیمنگ رِگ اب trillion-parameter کے قریب ماڈل چلانے کے قابل ہو گئے — یہ "from zero to one" قسم کی پیش رفت ہے T-800 کے اندر والی GPU، RAM اور CPU کے ٹھیک ٹھیک سپیکس ہمیں نہیں معلوم، مگر Strata تمہیں محدود ہارڈویئر ماحول میں زیادہ بڑے پیرامیٹر والے، MOE بیسڈ بڑے ماڈل (فی الحال صرف Qwen کو سپورٹ کرتی ہے، لیکن یہ سوچ MoE ماڈلز کے لیے عام ہے) چلانے دیتی ہے اس زاویے سے دیکھیں تو ہم گویا Skynet اور Terminator کے زمانے کے اور بھی نزدیک آ گئے ہیں! @drfeifei @theworldlabs @typesafeai P.S — کون سا امیر بھائی Roadster بک کر چکا ہے، 2028 میں ایک بار مجھے بھی ساتھ لے جا کر تجربہ کروا دینا، درخواست ہے