رچرڈ سوچر کچھ عرصے سے AI میں ایک اہم شخصیت رہے ہیں، جو ابتدائی چیٹ بوٹ اسٹارٹ اپ You.com کی بنیاد رکھنے کے لیے مشہور ہیں اور اس سے پہلے، Imagenet پر ان کے کام۔ اب، وہ تحقیق پر مبنی AI سٹارٹ اپس کی موجودہ نسل میں Recursive Superintelligence کے ساتھ شامل ہو رہا ہے، جو سان فرانسسکو میں قائم ایک سٹارٹ اپ ہے جو بُدھ کو 650 ملین ڈالر کی فنڈنگ کے ساتھ اسٹیلتھ سے باہر آیا تھا۔
Socher نئے منصوبے میں ممتاز AI محققین کے ایک گروپ نے شامل کیا ہے، بشمول پیٹر نورویگ اور کریسٹا کے شریک بانی ٹم شی۔ ایک ساتھ مل کر، وہ ایک بار بار خود کو بہتر بنانے والا AI ماڈل بنانے کے لیے کام کر رہے ہیں، جو خود مختار طور پر اپنی کمزوریوں کی نشاندہی کر سکتا ہے اور ان کو ٹھیک کرنے کے لیے خود کو از سر نو ڈیزائن کر سکتا ہے، بغیر کسی انسانی شمولیت کے - عصری AI تحقیق کا ایک طویل عرصے سے منعقدہ ہولی گریل۔
میں نے لانچ کے بعد زوم پر ان کے ساتھ بات کی، Recursive کے منفرد تکنیکی نقطہ نظر کو کھودتے ہوئے اور یہ کہ وہ اس نئے پراجیکٹ کو ایک neolab کے طور پر کیوں نہیں سوچتے، وہ AI سٹارٹ اپس کی نئی نسل کے لیے غیر رسمی اصطلاح ہے جو مصنوعات کی تعمیر پر تحقیق کو ترجیح دیتے ہیں۔
اس انٹرویو میں طوالت اور وضاحت کے لیے ترمیم کی گئی ہے۔
ہم ان دنوں تکرار کے بارے میں بہت کچھ سنتے ہیں! یہ مختلف لیبز میں ایک بہت ہی عام مقصد کی طرح محسوس ہوتا ہے۔ آپ اپنے منفرد انداز کے طور پر کیا دیکھتے ہیں؟
ہمارا انوکھا طریقہ یہ ہے کہ کھلے پن کا استعمال دوبارہ پیدا ہونے والی خود کو بہتر بنانے کے لیے استعمال کیا جائے، جو ابھی تک کسی نے حاصل نہیں کیا ہے۔ یہ بہت سارے لوگوں کے لئے ایک پرجوش مقصد ہے۔ بہت سے لوگ پہلے ہی فرض کر لیتے ہیں کہ ایسا تب ہوتا ہے جب آپ صرف خودکار تحقیق کرتے ہیں۔ آپ جانتے ہیں، آپ AI لے سکتے ہیں اور اس سے کسی اور چیز کو بہتر بنانے کے لیے کہہ سکتے ہیں، جو ایک مشین لرننگ سسٹم ہو سکتا ہے، یا صرف ایک خط جو آپ لکھتے ہیں، یا، آپ جانتے ہیں، جو بھی ہو، ٹھیک ہے؟ لیکن یہ دوبارہ پیدا ہونے والی خود کی بہتری نہیں ہے۔ یہ صرف بہتری ہے۔
ہماری بنیادی توجہ، بڑے پیمانے پر صحیح معنوں میں تکرار کرنے والی، خود کو بہتر بنانے والی سپر انٹیلی جنس بنانا ہے، جس کا مطلب ہے کہ تحقیقی نظریات کے تصور، نفاذ اور توثیق کا پورا عمل خودکار ہوگا۔
سب سے پہلے [یہ خودکار ہو جائے گا] AI ریسرچ آئیڈیاز، آخر کار کسی بھی قسم کے ریسرچ آئیڈیاز، آخر کار جسمانی ڈومینز میں۔ لیکن یہ خاص طور پر طاقتور ہوتا ہے جب یہ AI خود پر کام کر رہا ہو، اور یہ اپنی خامیوں کے بارے میں خود آگاہی کا ایک نئی قسم کا احساس پیدا کر رہا ہو۔
آپ نے اوپن اینڈڈ کی اصطلاح استعمال کی ہے - کیا اس کا کوئی خاص تکنیکی معنی ہے؟
یہ کرتا ہے. درحقیقت، ہمارے شریک بانی ٹِم راکٹشیل نے گوگل ڈیپ مائنڈ میں کھلے پن اور خود کو بہتر بنانے والی ٹیموں کی قیادت کی اور خاص طور پر عالمی ماڈل جنی 3 پر کام کیا، جو کھلے پن کی ایک بہترین مثال ہے۔ آپ اسے کوئی بھی تصور، کوئی بھی دنیا، کوئی بھی ایجنٹ بتا سکتے ہیں، اور یہ صرف اسے تخلیق کرتا ہے، اور یہ انٹرایکٹو ہے۔
حیاتیاتی ارتقاء میں، جانور ماحول کے مطابق ڈھال لیتے ہیں، اور پھر دوسرے ان موافقت کے خلاف موافقت کرتے ہیں۔ یہ صرف ایک ایسا عمل ہے جو اربوں سالوں تک تیار ہو سکتا ہے، اور دلچسپ چیزیں ہوتی رہتی ہیں، ٹھیک ہے؟ اس طرح ہم نے اپنے [سروں] میں آنکھیں تیار کیں۔
ایک اور مثال رینبو ٹیمنگ ہے، ٹم کے ایک اور مقالے سے۔ کیا آپ نے ریڈ ٹیمنگ کے بارے میں سنا ہے؟
سائبر سیکیورٹی میں، اس کا مطلب ہے --
لہذا، ریڈ ٹیمنگ کو بھی ایل ایل ایم کے تناظر میں کرنا ہوگا۔ بنیادی طور پر آپ LLM حاصل کرنے کی کوشش کرتے ہیں کہ آپ کو بم بنانے کا طریقہ بتائے، اور آپ اس بات کو یقینی بنانا چاہتے ہیں کہ ایسا نہ ہو۔
اب، انسان زیادہ دیر تک وہاں بیٹھ سکتے ہیں اور دلچسپ مثالیں پیش کر سکتے ہیں کہ AI کو کیا نہیں کہنا چاہیے۔ لیکن کیا ہوگا اگر آپ نے اس پہلے AI کو دوسرے AI کے ساتھ آزمایا، اور اس دوسرے AI کے پاس اب پہلی AI بنانے کا کام ہے [کوشش کریں] تمام ممکنہ بری باتیں کہیں۔ اور پھر وہ لاکھوں تکرار کے لیے آگے پیچھے جا سکتے ہیں۔
آپ اصل میں دو AIs کو ایک ساتھ تیار ہونے کی اجازت دے سکتے ہیں۔ ایک دوسرے پر حملہ کرتا رہتا ہے، اور پھر نہ صرف ایک زاویہ بلکہ کئی مختلف زاویوں کے ساتھ سامنے آتا ہے، اور اسی لیے قوس قزح کی تشبیہ۔ اور پھر آپ پہلے AI کو ٹیکہ لگا سکتے ہیں، اور آپ محفوظ اور محفوظ تر بن جاتے ہیں۔ یہ Tim Rocktaeschel کا ایک خیال تھا، اور اب یہ تمام بڑی لیبز میں استعمال ہوتا ہے۔
آپ کیسے جانتے ہیں کہ یہ کب ہو گیا ہے؟ مجھے لگتا ہے کہ یہ کبھی نہیں ہوا ہے۔
ان میں سے کچھ چیزیں کبھی نہیں کی جائیں گی۔ آپ ہمیشہ زیادہ ذہین بن سکتے ہیں۔ آپ پروگرامنگ اور ریاضی وغیرہ میں ہمیشہ بہتر ہوسکتے ہیں۔ ذہانت کی کچھ حدود ہیں۔ میں اصل میں ابھی ان کو باقاعدہ بنانے کی کوشش کر رہا ہوں، لیکن وہ فلکیاتی ہیں۔ ہم ان حدود سے بہت دور ہیں۔
نیو لیب کے طور پر، ایسا محسوس ہوتا ہے کہ آپ کو کچھ ایسا کرنا چاہیے جو بڑی لیبز نہیں کر رہی ہیں۔ تو یہاں مضمرات کا ایک حصہ یہ ہے کہ آپ کو یہ نہیں لگتا کہ بڑی لیبز RSI [دوبارہ خود کو بہتر بنانے] تک پہنچنے والی ہیں جو وہ کر رہے ہیں۔ کیا یہ کہنا مناسب ہے؟ میں واقعی اس پر تبصرہ نہیں کر سکتا کہ وہ کیا کر رہے ہیں، لیکن مجھے لگتا ہے کہ ہم اس سے مختلف طریقے سے رجوع کر رہے ہیں۔ ہم واقعی کھلے پن کے تصور کو قبول کرتے ہیں، اور ہماری ٹیم پوری طرح سے اس وژن پر مرکوز ہے۔ اور ٹیم اس پر تحقیق کر رہی ہے اور پچھلی دہائی سے اس جگہ پر پیپرز کر رہی ہے۔ اور ٹیم کے پاس واقعی فیلڈ کو نمایاں طور پر آگے بڑھانے اور حقیقی مصنوعات کی ترسیل کا ٹریک ریکارڈ ہے۔ آپ جانتے ہیں، ٹم شی نے کریسٹا کو ایک تنگاوالا بنایا۔ جوش ٹوبن OpenAI کے پہلے لوگوں میں سے ایک تھے اور آخر کار انہوں نے اپنی کوڈیکس ٹیموں اور گہری تحقیقی ٹیموں کی قیادت کی۔
میں درحقیقت کبھی کبھی اس نیولاب زمرے کے ساتھ تھوڑا سا جدوجہد کرتا ہوں۔ مجھے ایسا لگتا ہے جیسے ہم صرف ایک لیب نہیں ہیں۔ میں چاہتا ہوں کہ ہم واقعی ایک قابل عمل کمپنی بنیں، واقعی ایسی حیرت انگیز مصنوعات ہوں جو لوگ استعمال کرنا پسند کرتے ہیں، جو انسانیت پر مثبت اثرات مرتب کرتے ہیں۔
تو آپ اپنی پہلی پروڈکٹ کب بھیجنے کا ارادہ رکھتے ہیں؟
میں نے اس کے بارے میں بہت سوچا ہے۔ ٹیم نے بہت ترقی کی ہے، ہم اصل میں اس سے ٹائم لائنز نکال سکتے ہیں جو ہم نے شروع میں فرض کیا تھا۔ لیکن ہاں، وہاں پروڈکٹس ہوں گے، اور آپ کو سالوں کا نہیں بلکہ چوتھائی انتظار کرنا پڑے گا۔
بار بار خود کو بہتر بنانے کے بارے میں ایک خیال یہ ہے کہ، ایک بار جب ہمارے پاس اس قسم کا نظام آجائے تو، کمپیوٹ واحد اہم وسیلہ بن جاتا ہے۔ آپ جتنی تیزی سے سسٹم کو چلائیں گے، اتنی ہی تیزی سے اس میں بہتری آئے گی، اور کوئی بیرونی انسانی سرگرمی نہیں ہے جس سے واقعی فرق پڑے۔ تو دوڑ بس ہو جاتی ہے، ہم اس پر کتنی پروسیسنگ پاور پھینک سکتے ہیں؟ کیا آپ کو لگتا ہے کہ یہ وہ دنیا ہے جس کی طرف ہم جا رہے ہیں؟
کمپیوٹ کو کم نہ سمجھا جائے۔ میرے خیال میں مستقبل میں، ایک واقعی اہم سوال یہ ہوگا: انسانیت کن مسائل کو حل کرنے کے لیے کتنا خرچ کرنا چاہتی ہے؟ یہ رہا یہ کینسر اور یہ رہا وہ وائرس - آپ پہلے کس کو حل کرنا چاہتے ہیں؟ آپ اسے کتنا حساب دینا چاہتے ہیں؟ یہ آخر کار وسائل کی تقسیم کا معاملہ بن جاتا ہے۔ یہ دنیا کے سب سے بڑے سوالات میں سے ایک ہونے جا رہا ہے۔
