AI پر توجہ مرکوز کرنے والی خواتین ماہرین تعلیم اور دیگر افراد کو ان کی اچھی طرح سے مستحق — اور واجب الادا — وقت کی روشنی میں دینے کے لیے، TechCrunch ایک لانچ کر رہا ہے۔ انٹرویوز کا سلسلہ قابل ذکر خواتین پر توجہ مرکوز کرنا جنہوں نے AI انقلاب میں اپنا حصہ ڈالا ہے۔ ہم سال بھر میں کئی ٹکڑوں کو شائع کریں گے کیونکہ AI بوم جاری رہے گا، جس میں اہم کام کو نمایاں کیا جائے گا جو اکثر غیر تسلیم شدہ ہو جاتا ہے۔ مزید پروفائلز پڑھیں یہاں.
اروشی انیجا ڈیجیٹل فیوچر لیب کی بانی ڈائریکٹر ہیں، ایک بین الضابطہ تحقیقی کوشش جو گلوبل ساؤتھ میں ٹیکنالوجی اور معاشرے کے درمیان تعامل کو جانچنے کی کوشش کرتی ہے۔ وہ لندن میں قائم ایک آزاد پالیسی انسٹی ٹیوٹ چیتھم ہاؤس میں ایشیا پیسیفک پروگرام میں ایک ایسوسی ایٹ فیلو بھی ہیں۔
انیجا کی موجودہ تحقیق ہندوستان میں الگورتھمک فیصلہ سازی کے نظام کے سماجی اثرات پر مرکوز ہے، جہاں وہ مقیم ہیں، اور پلیٹ فارم گورننس۔ انیجا نے حال ہی میں ہندوستان میں AI کے موجودہ استعمال پر ایک مطالعہ لکھا ہے، جس میں پولیسنگ اور زراعت سمیت تمام شعبوں میں استعمال کے معاملات کا جائزہ لیا گیا ہے۔
سوال و جواب
مختصراً، آپ نے AI میں اپنی شروعات کیسے کی؟ کس چیز نے آپ کو میدان کی طرف راغب کیا؟
میں نے اپنے کیریئر کا آغاز انسانی ہمدردی کے شعبے میں تحقیق اور پالیسی کی مصروفیت میں کیا۔ کئی سالوں تک، میں نے کم وسائل والے سیاق و سباق میں طویل بحرانوں میں ڈیجیٹل ٹیکنالوجیز کے استعمال کا مطالعہ کیا۔ میں نے جلدی سے سیکھا کہ جدت اور تجربہ کے درمیان ایک عمدہ لکیر ہے، خاص طور پر جب کمزور آبادیوں سے نمٹنا ہو۔ اس تجربے سے حاصل ہونے والی معلومات نے مجھے ڈیجیٹل ٹیکنالوجیز، خاص طور پر AI کی صلاحیت کے ارد گرد تکنیکی حل پسند بیانیوں کے بارے میں گہری تشویش میں مبتلا کر دیا۔ اس کے ساتھ ہی ہندوستان نے اس کا آغاز کیا تھا۔ ڈیجیٹل انڈیا مشن اور مصنوعی ذہانت کے لیے قومی حکمت عملی. میں ان غالب بیانیوں سے پریشان تھا جنہوں نے AI کو ہندوستان کے پیچیدہ سماجی و اقتصادی مسائل کے لیے چاندی کی گولی کے طور پر دیکھا، اور اس مسئلے کے گرد تنقیدی گفتگو کی مکمل کمی۔
آپ کو کس کام پر سب سے زیادہ فخر ہے (AI فیلڈ میں)؟
مجھے فخر ہے کہ ہم AI پیداوار کی سیاسی معیشت کے ساتھ ساتھ سماجی انصاف، مزدور تعلقات اور ماحولیاتی پائیداری کے وسیع تر مضمرات کی طرف توجہ مبذول کرانے میں کامیاب رہے ہیں۔ AI پر اکثر بیانات مخصوص ایپلی کیشنز کے فوائد اور بہترین طور پر اس ایپلی کیشن کے فوائد اور خطرات پر فوکس کرتے ہیں۔ لیکن اس سے درختوں کے جنگل کی کمی محسوس ہوتی ہے – ایک پروڈکٹ پر مبنی لینس وسیع تر ساختی اثرات کو دھندلا دیتا ہے جیسے کہ علمی ناانصافی میں AI کا تعاون، محنت کی مہارت اور اکثریتی دنیا میں غیر احتسابی طاقت کا مستقل رہنا۔ مجھے اس بات پر بھی فخر ہے کہ ہم ان خدشات کو ٹھوس پالیسی اور ضابطے میں ترجمہ کرنے میں کامیاب رہے ہیں – چاہے پبلک سیکٹر میں AI کے استعمال کے لیے پروکیورمنٹ گائیڈ لائنز ڈیزائن کرنا ہوں یا گلوبل ساؤتھ میں Big Tech کمپنیوں کے خلاف قانونی کارروائی میں ثبوت فراہم کرنا ہوں۔
آپ مردوں کے غلبہ والی ٹیک انڈسٹری کے چیلنجز، اور توسیع کے لحاظ سے، مردوں کی اکثریت والی AI انڈسٹری کے چیلنجوں کو کیسے نیویگیٹ کرتے ہیں؟
اپنے کام کو بات کرنے دے کر۔ اور مسلسل پوچھ کر: کیوں؟
اے آئی فیلڈ میں آنے کی خواہشمند خواتین کو آپ کیا مشورہ دیں گے؟
اپنے علم اور مہارت کو فروغ دیں۔ یقینی بنائیں کہ مسائل کے بارے میں آپ کی تکنیکی سمجھ درست ہے، لیکن صرف AI پر توجہ مرکوز نہ کریں۔ اس کے بجائے، وسیع پیمانے پر مطالعہ کریں تاکہ آپ مختلف شعبوں اور شعبوں میں رابطہ قائم کر سکیں۔ کافی لوگ AI کو ایک سماجی-تکنیکی نظام کے طور پر نہیں سمجھتے جو تاریخ اور ثقافت کی پیداوار ہے۔
AI کے تیار ہونے کے ساتھ ہی اسے درپیش سب سے زیادہ اہم مسائل کیا ہیں؟
میرے خیال میں سب سے اہم مسئلہ مٹھی بھر ٹیکنالوجی کمپنیوں کے اندر طاقت کا ارتکاز ہے۔ اگرچہ نیا نہیں ہے، یہ مسئلہ بڑے لینگویج ماڈلز اور جنریٹیو اے آئی میں ہونے والی نئی پیش رفت سے بڑھ گیا ہے۔ ان میں سے بہت سی کمپنیاں اب AI کے وجودی خطرات کے گرد خوف پھیلا رہی ہیں۔ یہ نہ صرف موجودہ نقصانات سے خلفشار ہے، بلکہ یہ ان کمپنیوں کو AI سے متعلقہ نقصانات سے نمٹنے کے لیے ضروری قرار دیتا ہے۔ بہت سے طریقوں سے، ہم “ٹیک لیش” کی کچھ رفتار کھو رہے ہیں جو کیمبرج اینالیٹیکا ایپی سوڈ کے بعد پیدا ہوا تھا۔ ہندوستان جیسی جگہوں پر، مجھے اس بات کی بھی فکر ہے کہ AI کو سماجی و اقتصادی ترقی کے لیے ضروری قرار دیا جا رہا ہے، جو مستقل چیلنجوں سے چھلانگ لگانے کا ایک موقع فراہم کرتا ہے۔ یہ نہ صرف AI کی صلاحیت کو بڑھا چڑھا کر پیش کرتا ہے، بلکہ یہ اس نکتے کو بھی نظر انداز کرتا ہے کہ حفاظتی اقدامات تیار کرنے کے لیے درکار ادارہ جاتی ترقی کو چھلانگ لگانا ممکن نہیں ہے۔ ایک اور مسئلہ جس پر ہم کافی سنجیدگی سے غور نہیں کر رہے ہیں وہ ہے AI کے ماحولیاتی اثرات – موجودہ رفتار کے غیر پائیدار ہونے کا امکان ہے۔ موجودہ ماحولیاتی نظام میں، وہ لوگ جو موسمیاتی تبدیلیوں کے اثرات کا سب سے زیادہ شکار ہیں، ان کے AI اختراع کے مستفید ہونے کا امکان نہیں ہے۔
AI صارفین کو کن مسائل سے آگاہ ہونا چاہیے؟
صارفین کو آگاہ کرنے کی ضرورت ہے کہ AI جادو نہیں ہے اور نہ ہی انسانی ذہانت کے قریب کوئی چیز ہے۔ یہ کمپیوٹیشنل اعدادوشمار کی ایک شکل ہے جس کے بہت سے فائدہ مند استعمال ہوتے ہیں، لیکن یہ حتمی طور پر تاریخی یا پچھلے نمونوں کی بنیاد پر صرف ایک امکانی اندازہ ہے۔ مجھے یقین ہے کہ بہت سے دوسرے مسائل ہیں جن کے بارے میں صارفین کو بھی آگاہ ہونا ضروری ہے، لیکن میں خبردار کرنا چاہتا ہوں کہ ہمیں ذمہ داری کو صارفین پر منتقل کرنے کی کوششوں سے ہوشیار رہنا چاہیے۔ میں نے یہ حال ہی میں اکثریتی دنیا میں کم وسائل والے سیاق و سباق میں جنریٹو اے آئی ٹولز کے استعمال کے ساتھ دیکھا ہے – ان تجرباتی اور ناقابل اعتماد ٹیکنالوجیز کے بارے میں محتاط رہنے کے بجائے، توجہ اکثر اس طرف منتقل ہوتی ہے کہ آخر صارفین، جیسے کسان یا فرنٹ لائن۔ صحت کے کارکنوں، اپ مہارت کی ضرورت ہے.
ذمہ داری سے AI بنانے کا بہترین طریقہ کیا ہے؟
یہ سب سے پہلے AI کی ضرورت کا اندازہ لگانے کے ساتھ شروع ہونا چاہئے۔ کیا کوئی مسئلہ ہے جسے AI منفرد طریقے سے حل کر سکتا ہے یا دیگر ذرائع ممکن ہیں؟ اور اگر ہم AI بنانا چاہتے ہیں تو کیا ایک پیچیدہ، بلیک باکس ماڈل ضروری ہے، یا کیا ایک آسان منطق پر مبنی ماڈل بھی ایسا ہی کر سکتا ہے؟ ہمیں AI کی تعمیر میں ڈومین کے علم کو دوبارہ مرکز کرنے کی بھی ضرورت ہے۔ بڑے ڈیٹا کے جنون میں، ہم نے تھیوری کو قربان کر دیا ہے — ہمیں ڈومین کے علم کی بنیاد پر تبدیلی کا نظریہ بنانے کی ضرورت ہے اور یہ ان ماڈلز کی بنیاد ہونی چاہیے جو ہم بنا رہے ہیں، نہ کہ صرف بڑا ڈیٹا۔ یہ یقیناً اہم مسائل کے علاوہ ہے جیسے شرکت، شمولیتی ٹیمیں، مزدوروں کے حقوق وغیرہ۔
سرمایہ کار ذمہ دار AI کے لیے کس طرح بہتر طریقے سے دباؤ ڈال سکتے ہیں؟
سرمایہ کاروں کو AI پروڈکشن کے پورے لائف سائیکل پر غور کرنے کی ضرورت ہے — نہ صرف AI ایپلی کیشنز کے نتائج یا نتائج۔ اس کے لیے بہت سے مسائل کو دیکھنے کی ضرورت ہوگی جیسے کہ کیا لیبر کی قدر کی جاتی ہے، ماحولیاتی اثرات، کمپنی کا کاروباری ماڈل (یعنی کیا یہ تجارتی نگرانی پر مبنی ہے؟) اور کمپنی کے اندر جوابدہی کے اندرونی اقدامات۔ سرمایہ کاروں کو AI کے متوقع فوائد کے بارے میں بہتر اور زیادہ سخت ثبوت مانگنے کی بھی ضرورت ہے۔
Source link
techcrunch.com