OpenAI کا AI اب research intern ہے، مگر فیصلے اب بھی انسان کے پاس
OpenAI نے 6 ستمبر 2026 کو اپنی research organization میں coding agents کے استعمال پر داخلی پیمائش جاری کی اور کہا کہ اس نے automated research intern کا مقررہ ہدف حاصل کر لیا ہے۔ AI Understanding کی آزاد خبر بھی اسی تاریخ، کمپنی کے اعلان اور اس محدود تعریف کی تصدیق کرتی ہے: agent انسانی ہدایت میں واضح تحقیقی کام کر سکتا ہے، مگر تحقیق کی ترجیحات اور حتمی فیصلے خود نہیں سنبھالتا۔
یہ کسی عوامی product کی release یا مکمل خودکار سائنس دان کا اعلان نہیں۔ OpenAI نے اپنی داخلی workflow کو اپنے ہی مقرر کردہ milestone پر پرکھا ہے؛ دستیاب اعداد ابتدائی، کمپنی کے اپنے systems سے حاصل کردہ اور بیرونی audit کے بغیر ہیں۔ انسان اب بھی سوال منتخب کرتے، نتیجہ جانچتے اور یہ طے کرتے ہیں کہ کام کو آگے بڑھایا، روکا یا deployment تک لے جایا جائے۔
’Research intern‘ ایک محدود صلاحیت کا نام ہے
یہاں intern سے مراد ملازمت کا مکمل انسانی کردار نہیں بلکہ کام کی ایک متعین حد ہے۔ agent کو واضح سوال، مطلوبہ نتیجہ اور انسانی سمت دی جاتی ہے؛ اس دائرے میں وہ ایسے tasks انجام دے سکتا ہے جن پر ایک ماہر محقق کے کئی دن لگ سکتے ہیں۔ اس تعریف میں خود اہم سائنسی مسئلہ چننا، تحقیق کی قدر طے کرنا یا نتیجے کو بلااجازت نافذ کرنا شامل نہیں۔
دستیاب workflow میں agents تحقیق اور infrastructure کا code لکھتے، experiments کے لیے کام تیار کرتے، داخلی خرابیوں کی تلاش میں مدد دیتے اور runs کی نگرانی کرتے ہیں۔ جنوری سے اگست 2026 کے دوران technical help، monitoring اور نسبتاً طویل tasks کی delegation بڑھی، لیکن high-level planning agent output tokens کا معمولی حصہ رہی۔ اس لیے مضبوط execution کو آزاد تحقیقی judgment کے برابر سمجھنا درست نہیں۔
3.1 agent-workdays دراصل runtime کا تناسب ہے
OpenAI کی 6 ستمبر کی تحقیقی رپورٹ میں بتایا گیا کہ اگست کے وسط تک پوری research organization ہر انسانی workday کے مقابلے میں 3.1 agent-workdays استعمال کر رہی تھی، جہاں ایک workday آٹھ گھنٹے مانا گیا۔ اسی وقت agent استعمال کے لحاظ سے median محقق روزانہ API قیمتوں پر 600 ڈالر سے زیادہ inference چلا رہا تھا؛ یہ قیمتوں پر مبنی استعمال کا تخمینہ ہے، لازماً OpenAI کا حقیقی داخلی bill نہیں۔
یہ 3.1 انسان اور agent کی یکساں پیداوار کا score نہیں۔ ایک محقق کئی sessions بیک وقت چلا سکتا ہے، جبکہ براہ راست شروع کیا گیا agent مزید subagents بنا سکتا ہے۔ یوں مجموعی runtime تیزی سے بڑھتا ہے، چاہے کچھ کوششیں ناکام ہوں، دہرائی جائیں یا انسانی review میں مسترد ہو جائیں۔
- Agent-workdays: مجموعی computational effort؛ انسانی output یا تحقیقی معیار کا مساوی پیمانہ نہیں۔
- Inference خرچ: agent استعمال کی شدت کا اشارہ؛ منظور شدہ نتائج کی قیمت یا کمپنی کے اصل اخراجات کا مکمل حساب نہیں۔
- Task horizon: اس اندازے پر مبنی کہ وہی task انسان سے کتنا وقت لیتا؛ مسلسل کئی دن کی بے نگرانی خودمختاری کا ثبوت نہیں۔
- انسانی مداخلت: گزشتہ چھ ماہ کے کامیاب چار سے آٹھ گھنٹے والے tasks میں نصف سے زیادہ کے دوران کم از کم ایک intervention ہوئی۔
یہ فرق coding agents کی productivity کے وسیع سوال میں بھی اہم ہے۔ زیادہ sessions، code یا runtime سے سرگرمی ضرور دکھائی دیتی ہے، مگر نتیجے کی درستی، سائنسی اہمیت اور اسے قبول کرنے میں صرف ہونے والی انسانی محنت الگ پیمائشیں ہیں۔
کامیابی کی پیمائش مفید ہے، مگر آزاد benchmark نہیں
جنوری سے جولائی تک ایسے tasks پر کامیابی دیکھی گئی جن کا ground-truth outcome شناخت کیا جا سکتا تھا۔ ایک agentic classifier نے outcomes کو درجہ بند کیا، غیر یقینی نتائج خارج کیے گئے، اور graphs میں وہ points شامل نہیں کیے گئے جہاں sessions یا منفرد users کی تعداد 50 سے کم تھی۔ اس طریقے سے داخلی رجحان سمجھ آتا ہے، لیکن یہ کسی معیاری بیرونی benchmark یا آزاد audit کا متبادل نہیں بنتا۔
Shadow کی الگ تشریح بھی 3.1 agent-workdays کو aggregate runtime قرار دیتی ہے، 3.1 گنا productivity نہیں، اور کامیاب طویل tasks میں انسانی steering کی موجودگی نمایاں کرتی ہے۔ یہ امتیاز اس لیے ضروری ہے کہ task آخر میں کامیاب قرار پائے تو بھی درمیان کی اصلاح، غلط راستوں اور review کی لاگت runtime کے عدد میں الگ دکھائی نہیں دیتی۔
اگست میں فی active experimenter تجربات کی تعداد جنوری 2025 میں tracking شروع ہونے کے بعد بلند ترین سطح پر پہنچی اور یہ اضافہ Codex adoption کے ساتھ دیکھا گیا۔ اسی مدت میں دستیاب compute بھی نمایاں طور پر بڑھا، اس لیے زیادہ experiments کو صرف agents کا نتیجہ کہنا دستیاب evidence سے آگے جائے گا۔ خود code کی مقدار بھی تحقیقی پیش رفت کا سیدھا پیمانہ نہیں: غلط مفروضے پر تیزی سے لکھا گیا code سرگرمی تو ہے، کامیاب تحقیق نہیں۔
فیصلہ سازی اور جواب دہی اب بھی انسانی ہے
انسانی کردار صرف ابتدائی prompt یا task لکھنے تک محدود نہیں۔ محقق طے کرتا ہے کہ کون سا مسئلہ اہم ہے، agent کو کیا حدود دینی ہیں، کون سا evidence کافی ہے، experiment دوبارہ چلانا ہے یا نہیں، اور کسی نتیجے کو model training میں شامل کیا جا سکتا ہے یا نہیں۔ task جتنا پیچیدہ ہوتا ہے، steering اور نتیجے کی تشریح اتنی ہی اہم ہو جاتی ہے۔
اسی لیے منتخب عنوان میں research intern اور انسانی فیصلے ایک دوسرے کی نفی نہیں کرتے۔ پہلی اصطلاح متعین execution capability بیان کرتی ہے، جبکہ تحقیق کی سمت، safety threshold، scaling، pause اور deployment ادارہ جاتی اختیار ہیں۔ OpenAI کے شائع کردہ اعداد یہ دکھاتے ہیں کہ automated execution بڑھا ہے؛ وہ یہ ثابت نہیں کرتے کہ judgment یا جواب دہی agent کو منتقل ہو گئی ہے۔
فی الحال تصدیق شدہ حیثیت یہی ہے کہ OpenAI نے اپنی داخلی تعریف اور ابتدائی measurements کی بنیاد پر intern-level milestone مکمل قرار دیا ہے۔ ابھی نہ عمومی دستیابی ثابت ہوئی ہے، نہ agent-workday کو انسانی output کے برابر دکھانے والی آزاد evaluation، اور نہ یہ معلوم ہے کہ کتنے agent نتائج review کے بعد حقیقی model progress میں شامل ہوئے۔ آئندہ disclosures یا بیرونی جائزوں کو accepted outcomes، error rates، rework اور انسانی review کی لاگت واضح کرنا ہوگی؛ تبھی intern سے خودکار researcher تک باقی فاصلے کا مضبوط اندازہ ہو سکے گا۔
یہ بھی پڑھیں:
ہمارا نیوز لیٹر سبسکرائب کریں
ویب 3، AI اور کرپٹو کی تازہ خبریں براہ راست اپنے اِن باکس میں پائیں۔