ہائر ایجوکیشن کمیشن نے مصنوعی ذہانت کے حوالے سے دو بڑے اقدامات اٹھائے ہیں۔ اس نے 2026 کے موسم خزاں سے شروع ہونے والے ملک میں ہر انڈر گریجویٹ اور پوسٹ گریجویٹ ڈگری کے لیے لازمی تین کریڈٹ گھنٹے کے AI کورس کو مطلع کیا ہے۔ اس نے ہماری یونیورسٹیوں میں جنریٹو AI کے استعمال سے متعلق ایک مسودہ پالیسی بھی جاری کی ہے۔ دونوں قدم خوش آئند ہیں۔
لیکن جو اصول مسودہ طلباء کے لیے مرتب کرتا ہے وہ دو خیالات پر منحصر ہے جو برقرار نہیں رہیں گے۔ یہ طلباء پر AI سے تیار کردہ کام کو اپنے طور پر جمع کرنے پر پابندی لگاتا ہے، اور یہ ان سے یہ اعلان کرنے کو کہتا ہے کہ وہ کون سے ٹولز استعمال کرتے ہیں اور کیوں۔ یہ ایماندارانہ جبلتیں ہیں۔ وہ بھی ناقابل عمل ہیں۔ کوئی بھی استاد دونوں میں سے کسی ایک کی توثیق نہیں کر سکتا، اور مسودہ اس بات کو تسلیم کرتا ہے کہ جب یہ صحیح طریقے سے اصول بنائے، کہ کسی طالب علم کو صرف AI کا پتہ لگانے کی رپورٹ کی بنیاد پر سزا نہیں دی جا سکتی۔
مسئلہ یہ نہیں ہے کہ یہ اصول غلط ہیں۔ یہ ہے کہ ان کا مقصد ایسی چیز ہے جسے ہم نہیں دیکھ سکتے۔ ہم اس بارے میں بحث کرتے رہتے ہیں کہ ایک طالب علم گھر میں کیا کر سکتا ہے، جب اس سوال کا جواب ہم اصل میں دے سکتے ہیں جو ہم گریڈ کے لیے منتخب کرتے ہیں۔ ایک دعوی کے ساتھ شروع کریں، کیونکہ باقی سب کچھ اس سے چلتا ہے. AI موجودہ صلاحیت کو بڑھاتا ہے۔ یہ اس کی مدد کرتا ہے جس کے پاس پہلے سے کچھ ہے، اور یہ صلاحیت پیدا نہیں کرتا ہے جہاں کوئی موجود نہیں ہے۔
یونیورسٹیوں کے خلاف سب سے مضبوط کیس یہ نہیں ہے کہ طلباء دھوکہ دیں گے۔ یہ ہے کہ ہم جو کچھ سکھاتے ہیں ان میں سے کچھ کو اب تعلیم کی ضرورت نہیں ہے۔ ایک جدید کوڈنگ اسسٹنٹ سے ڈیٹا سیٹ کو صاف کرنے یا پیشن گوئی کرنے والے ماڈل کو فٹ کرنے کے لیے کہیں، اور یہ کام منٹوں میں کر دے گا۔ تو کسی کو شماریات یا مشین لرننگ کے سمسٹر میں کیوں بیٹھنا چاہئے؟ اس میں سے آدھا سچ ہے۔ ایسے ماڈل کو چلانا ایک ہنر ہوا کرتا تھا۔ آج یہ ایک جملہ ہے جسے چیٹ بوٹ میں ٹائپ کیا گیا ہے۔
لیکن دعوے کی جانچ کریں۔ Kaggle پر، ایک آن لائن پلیٹ فارم جہاں ہزاروں ڈیٹا سائنسدان ایک ہی مسئلے پر مقابلہ کرتے ہیں، ہر ایک کے پاس ایک جیسا ڈیٹا اور وہی AI معاونین ہیں۔ اگر ٹول کافی ہوتا تو ہر سکور تقریباً برابر ہوتا۔ ایسا نہیں ہے، اور میرے علم کے مطابق ابھی تک مضبوط انسانی ٹیموں کے خلاف کوئی لائیو مقابلہ نہیں جیتا جا سکا ہے کہ مسئلہ کو کسی ماڈل کے حوالے کر دیا جائے اور وہاں سے چلے جائیں۔ یہ نظام نہیں سوچتے۔ وہ اس سمت میں بہت اچھی طرح سے عمل کرتے ہیں جو ایک شخص نے منتخب کیا ہے۔ کسی کو ابھی بھی یہ فیصلہ کرنا ہے کہ کون سا سوال پوچھنے کے قابل ہے، آیا ڈیٹا پر بھروسہ کیا جا سکتا ہے، اور کیا ایسا جواب جو بہترین لگتا ہے خاموشی سے غلط ہے۔ یہ ہوشیار اشارہ نہیں ہے، جو کوئی ایک دوپہر میں سیکھتا ہے۔ یہ موضوع کا علم ہے: یہ جاننا کہ جواب دیکھنے سے پہلے اسے کیسا نظر آنا چاہیے۔
تو کیوں کچھ سکھائیں جو مشین پہلے ہی کر سکتی ہے؟ معمول کا دفاع یہ ہے کہ مشینیں ابھی تک مشکل کام نہیں کر سکتیں۔ مجھے اس دلیل پر اعتماد نہیں ہے، کیونکہ اس کا مطلب ہے کہ جب بھی کوئی بہتر ماڈل ظاہر ہوتا ہے تو ہر کورس کو خود کو دوبارہ درست ثابت کرنا چاہیے۔
مضبوط زمین کی وجہ سے ہم اب بھی بچوں کو ریاضی سکھاتے ہیں جب ہر فون میں کیلکولیٹر ہوتا ہے۔ رقم کے ذریعے کام کرنا یہ ہے کہ نمبر سینس کیسے بنتا ہے، اور اس میں سے کوئی بھی کسی اور کو کرتے ہوئے دیکھنے سے نہیں آتا ہے۔ تعلیم صلاحیت پیدا کرتی ہے، اور صلاحیت کوشش سے بنتی ہے جسے آؤٹ سورس نہیں کیا جا سکتا۔ اس کا مطلب ہر چیز کو ہاتھ سے سکھانا نہیں ہے۔ ٹیسٹ یہ ہے کہ کیا کرنے سے کوئی ایسی چیز بنتی ہے جو کام سے زیادہ زندہ رہتی ہے، یہی وجہ ہے کہ ہم نے لاگ ٹیبل کو بغیر کسی نقصان کے گرا دیا اور ریاضی کو برقرار رکھا۔ ایک طالب علم جو بغیر امداد کے ایک مضمون لکھتا ہے وہ واقعی ایک مضمون تیار نہیں کر رہا ہے۔ وہ ایک ساتھ بحث کرنا سیکھ رہے ہیں۔ مضمون ڈسپوز ایبل ہے۔ عادت نہیں ہے۔ اے آئی نے ہمارے نصاب کو متروک نہیں کیا ہے۔ اس نے طلباء کی پیداوار کی قدر کو تبدیل کر دیا ہے، نہ کہ اس وجہ سے کہ ہم انہیں پڑھاتے ہیں۔
لازمی AI کورس ہماری یونیورسٹیوں نے سالوں میں کی جانے والی سب سے بڑی نصابی تبدیلی ہے، اور اس میں کیا جانا چاہیے اس کے بارے میں تقریباً کچھ نہیں کہا گیا ہے۔ بڑھنے کے لیے بائیں، یہ اشارہ دینے کا ایک کورس بن جائے گا: چیٹ بوٹ پر درخواستوں کو کیسے بیان کیا جائے، نیز مقبول ٹولز کا دورہ۔ یہ ایک اورینٹیشن سیشن ہے، کورس نہیں۔ یہ ایک سال کے اندر باسی ہو جائے گا، اور مارکیٹ اس کی قیمت ادا نہیں کرے گی، کیونکہ ہر ایک کے پاس پہلے سے موجود ہے۔ اوپن اے آئی نے فروری میں کہا تھا کہ ہر ہفتے نو سو ملین لوگ چیٹ جی پی ٹی استعمال کر رہے ہیں، اور اس کے حریف کئی ملین مزید شامل کر رہے ہیں۔ اس باکس میں درخواستیں ٹائپ کرنے کے بارے میں ایک سمسٹر جو کچھ بھی سکھا سکتا ہے، دنیا پہلے ہی خود کو مفت میں سکھا چکی ہے۔ جو چیز کم ہے وہ ان ماڈلز کے ساتھ بات چیت کرنے کے بجائے ان کے ساتھ تعمیر کرنے کی صلاحیت ہے۔ طلباء کو یہ سیکھنا چاہیے کہ API کیا ہے، نثر کے بجائے کسی ماڈل سے سٹرکچرڈ ڈیٹا کے لیے کیسے پوچھنا ہے، اور راتوں رات 50000 ریکارڈز پر ایک کام کیسے چلانا ہے۔ بنیادی باتیں کافی ہیں، کیونکہ ایک بار جب ایک طالب علم جانتا ہے کہ سسٹم کو کیا کرنا چاہیے، کوڈنگ اسسٹنٹ اسے لکھنے میں مدد کریں گے۔ ایک گریجویٹ جو ماڈل کے ساتھ چیٹ کرتا ہے ایک وقت میں ایک دستاویز کو ہینڈل کرتا ہے۔ ایک گریجویٹ جو API کو کال کرسکتا ہے وہ پوری آرکائیو کو ہینڈل کرتا ہے۔ حکومت میں، میں نے اس طرح کی پائپ لائنیں بنائی تھیں، اور جو چیز اہم تھی وہ یہ جاننا تھا کہ کام بالکل خودکار ہو سکتا ہے۔
اس سے کھلنے والے خلا پر غور کریں۔ نو سو ملین لوگ ان ماڈلز کے ساتھ چیٹ کر سکتے ہیں۔ پوچھیں کہ کتنے لوگوں نے ایک کے ساتھ کچھ بھی بنایا ہے۔ پچھلے سال آسٹریا کے ایک ڈویلپر، پیٹر سٹینبرگر نے، اپنے لیے ایک ذاتی AI اسسٹنٹ لکھا، زیادہ تر کام کے لیے OpenAI کے کوڈنگ ٹول Codex پر جھکاؤ، اور اسے OpenClaw کے نام سے اوپن سورس کے طور پر جاری کیا۔ مہینوں کے اندر یہ GitHub پر تیزی سے ترقی کرنے والے منصوبوں میں شامل تھا، اور فروری تک OpenAI نے اس کی خدمات حاصل کیں اور ایک آزاد فاؤنڈیشن کے طور پر اس منصوبے کو فنڈ دینے پر رضامندی ظاہر کی۔ غور کریں کہ اس نے کیا پیدا کیا۔ اسٹینبرجر کا اپنے پیچھے سافٹ ویئر میں کیریئر تھا اور ایسا خیال کسی اور کے پاس نہیں تھا۔ ماڈل نے بھی فراہم نہیں کیا۔ لیکن وہ اس کے بغیر بھی اس رفتار سے تعمیر نہیں کر سکتا تھا، اور یہ پوری بات ہے۔ نہ ہی اکیلے نے OpenClaw بنایا ہوگا۔ ضرب صرف اس وقت بڑی چیز حاصل کرتی ہے جب دونوں نمبر بڑے ہوں، اور ان نمبروں میں سے ایک بنانا ہی یونیورسٹی کے لیے ہے۔
اگر AI صلاحیت کو بڑھاتا ہے، تو ایک ہی ٹول کے ساتھ مختلف مراحل میں مختلف سلوک کیا جانا چاہیے۔ ڈاکٹریٹ کے طالب علم یا فیکلٹی ممبر کے پاس ضرب لگانے کی مہارت ہوتی ہے، اور یہ مسودہ تحقیق اور تدریس میں ان کے AI کے استعمال کی حوصلہ افزائی کے لیے درست ہے۔ دوسرے سمسٹر کے انڈرگریجویٹ کے پاس ابھی بہت کم ہے۔ وہی آلہ جو ایک محقق کو تیز کرتا ہے خاموشی سے طالب علم کی تعلیم کو بدل سکتا ہے۔ یہ کوئی تضاد نہیں ہے۔ یہ ایک اصول ہے جو دو مراحل میں لاگو ہوتا ہے۔
یہ ایک قابل عمل اصول دیتا ہے۔ گریڈنگ سے الگ سیکھنا۔ AI کھلی اجازت کے ساتھ اور تھوڑا سا وزن منسلک ہونے کے ساتھ، ہوم ورک پریکٹس بن جاتا ہے، کیونکہ اس کا مقصد سمجھنا ہے۔ گریڈز سیٹنگز میں منتقل ہوتے ہیں جنہیں ہم دیکھ سکتے ہیں: کلاس میں کیا گیا کام، جمع کرائے گئے کام کا مختصر زبانی دفاع، viva، پریزنٹیشن۔ ایک طالب علم جس نے اسائنمنٹ کے ذریعے سوچنے کے لیے AI کا استعمال کیا ہے وہ آسانی سے اس پر سوالات کا جواب دے گا۔ ایک طالب علم جس نے سوچنے سے بچنے کے لیے AI کا استعمال کیا ہے۔ پانچ منٹ کی پوچھ گچھ وہی کرتی ہے جو کوئی سافٹ ویئر قابل اعتماد طریقے سے نہیں کرتا، اور یہ کسی پر الزام نہیں لگاتا۔
واضح اعتراض کام کا بوجھ ہے۔ زبانی دفاع بارہویں جماعت میں ٹھیک اور اسی کے حصے میں ناممکن لگتا ہے۔ لیکن زبانی یہاں اہم آلہ نہیں ہے۔ مرکزی آلے میں کمرے میں کیے گئے تحریری کام کی نگرانی کی جاتی ہے، وقت پر اور نشان زد کیا جاتا ہے جیسا کہ یہ ہمیشہ رہا ہے۔ ملک کی ہر یونیورسٹی پہلے ہی پیمانے پر امتحانات چلاتی ہے۔ کیا تبدیلیاں لاجسٹکس نہیں بلکہ سوالات ہیں: مواد کو یاد نہیں کرنا اب کوئی بھی سیکنڈوں میں تلاش کر سکتا ہے، لیکن ایسے سوالات جو صرف اس طالب علم کے لیے معنی رکھتے ہیں جس نے کام کیا۔
زبانی دوسرا آلہ ہے، جہاں یہ سب سے زیادہ اضافہ کرتا ہے وہاں استعمال ہوتا ہے۔ پراجیکٹس، تھیسسز اور گروپ کی گذارشات پر، سوال گروپ کے بجائے ایک نامزد ممبر کے سامنے رکھیں۔ کہیں اور، اعلان کریں کہ کسی بھی طالب علم کو کسی بھی جمع کرانے کے ذریعے بات کرنے کے لیے کہا جا سکتا ہے، اور پھر نمونہ، ہر ایک گھماؤ پر پانچ منٹ۔ یہ دھوکہ دہی کا شکار نہیں ہے۔ یہ صرف یہ ہے کہ ایک طالب علم جو نہیں جانتا ہے کہ آیا ان سے پوچھا جائے گا کہ اس کے پاس جواب دینے کے قابل ہونے کی وجہ ہے۔
ٹیکنالوجی مدد کرتی ہے، لیکن مسودہ فرق کو دھندلا دیتا ہے۔ ڈیٹیکشن سافٹ ویئر کسی دستاویز کے بارے میں ممکنہ الزام لگاتا ہے جسے اس نے کبھی لکھا ہوا نہیں دیکھا۔ 2023 میں، اسٹینفورڈ کی ایک ٹیم نے وسیع پیمانے پر استعمال ہونے والے سات ڈٹیکٹرز کا تجربہ کیا اور نتائج کو جرنل پیٹرنز میں شائع کیا۔ غیر مقامی انگریزی بولنے والوں کی طرف سے لکھے گئے 91 TOEFL مضامین پر، ڈیٹیکٹرز نے غلط طریقے سے AI سے پیدا ہونے والے کام کو 61 فیصد وقت کہا، اور ان مضامین میں سے 18 پر ساتوں نے غلط فیصلے پر اتفاق کیا۔ انہی ٹولز نے امریکی اسکول کے بچوں کے مضامین کا تقریباً 95 فیصد وقت درست انداز میں فیصلہ کیا۔ وجہ الجھن تھی۔ یہ نظام سادہ اور قابل قیاس الفاظ کو سزا دیتے ہیں، جو بالکل وہی ہے جو دوسری زبان میں محتاط تحریر اکثر نظر آتی ہے۔ کچھ دکانداروں نے اس کے بعد سے اپنے ماڈلز پر نظر ثانی کی ہے اور اس بینچ مارک پر بہتر نتائج کی اطلاع دی ہے، لہذا تصویر پکڑنے والے اور زبان کے لحاظ سے مختلف ہوتی ہے۔ لیکن پاکستانی طالب علم کی تحریر پر اس طرح کے کسی نظام کی توثیق نہیں کی گئی ہے، اور جب تک ایک نہیں ہے، اسکور کسی چیز کا ثبوت نہیں ہے۔ یہاں کسی بھی طالب علم کو ڈیٹیکٹر رپورٹ پر فیصلہ نہیں کیا جانا چاہئے، اور کسی بھی یونیورسٹی کو اپنے طلباء کی تحریر پر پہلے ٹیسٹ کیے بغیر ان میں سے ایک سسٹم نہیں خریدنا چاہئے۔
تفتیش ایک الگ معاملہ ہے۔ پراکٹرڈ کمپیوٹر لیبز اور زیر نگرانی ٹرمینلز کسی پر الزام نہیں لگاتے۔ انہوں نے وہ شرائط طے کیں جن کے تحت کام تیار کیا جاتا ہے، جو کہ ایک امتحانی ہال نے ہمیشہ کیا ہے۔ کسی بھی کام کے لیے سوال یہ ہوتا ہے کہ کام مقصد ہے یا تربیت؟ اگر یہ مقصد ہے تو ٹول استعمال کریں۔ اگر یہ تربیت ہے، تو خود کرنا پوری بات ہے۔ میں کار نہیں چلا سکتا اور ایک میل چلانے کے فائدے کا دعویٰ نہیں کر سکتا۔
ایک اور چیز کوئی درآمدی پالیسی ہمیں نہیں بتائے گی۔ ہمارے گریجویٹس جس صنعت میں داخل ہوتے ہیں وہ غیر ملکی کیس اسٹڈیز کے اندازے سے گود لینے کے پہلے مرحلے پر ہے، اور ہماری کلاس کا سائز اس سے بڑا ہے جس کے لیے رہنمائی لکھی گئی تھی۔ شمالی امریکہ کے بزنس اسکول سے اٹھائی گئی پالیسی ان شرائط کے ساتھ رابطے میں نہیں رہے گی۔
میں احتیاط کے لیے بحث نہیں کر رہا ہوں۔ میں یہ نظام بناتا ہوں اور میں انہیں سکھاتا ہوں۔ میں بحث کر رہا ہوں کہ آرڈر کی اہمیت ہے۔ ہم نے شروع کیا ہے، جیسا کہ ادارے عام طور پر کرتے ہیں، کس چیز کی اجازت دی جائے اور کیا خریدنا ہے۔ پہلے سوال یہ ہے کہ ڈگری کیا تصدیق کرتی ہے۔ اگر یہ تصدیق کرتا ہے کہ ایک گریجویٹ ایک دستاویز پیش کر سکتا ہے، تو ہم پہلے ہی کھو چکے ہیں، کیونکہ دستاویزات اب مفت ہیں۔ اگر یہ اس بات کی تصدیق کرتا ہے کہ کسی شخص کو کام سے تبدیل کر دیا گیا ہے، کہ وہ ایک مسئلہ بنا سکتے ہیں، فیصلہ کر سکتے ہیں کہ آیا کوئی جواب اچھا ہے، اور اس کے پیچھے کھڑا ہو، تو ہمارا کام صرف اس درجہ بندی کرنا ہے، کمرے میں، جہاں اسے دیکھا جا سکتا ہے۔
تعلیم پہلے، AI دوسری۔ اس پالیسی کو حتمی شکل دینے سے پہلے ٹولز دوبارہ تبدیل ہو جائیں گے۔ ہم سیکھنے کے بارے میں جو یقین رکھتے ہیں وہ نہیں ہونا چاہئے۔
