کھلے ذریعے AI کی اہمیت پہلے سے کہیں زیادہ ہے، Hugging Face کے Clem Delangue کے مطابق

Anthropic نے اپنی Fable ریلیز کو محدود کرنے کی کوشش کی۔ Hugging Face کے CEO نے اس کا نوٹس لیا — اور وہ خاموش نہیں رہ رہے۔ Clem Delangue TechCrunch کے Equity پوڈ کاسٹ پر گئے تاکہ یہ دلیل دیں کہ کھلے ذریعے AI کی اہمیت پہلے سے کہیں زیادہ ہے، اور ان کی دلیل ایشیا میں ابھی کام کر رہے ہر ڈویلپر کے لیے حقیقی وزن رکھتی ہے۔

Hugging Face خاموشی سے دنیا کی AI ترقی کے ایک اہم حصے کے تحت بنیادی ڈھانچہ بن گیا ہے۔ اسے AI کے لیے GitHub کے طور پر سوچیں: ایک پلیٹ فارم جہاں تعمیر کار کھلے ماڈل، ڈیٹاسیٹ، اور ہر چیز شیئر اور ڈاؤن لوڈ کرتے ہیں۔ TechCrunch Equity پوڈ کاسٹ کے مطابق، Fortune 500 میں سے تقریباً نصف اب Hugging Face استعمال کرتے ہیں۔ یہ اب کوئی خاص کھلے ذریعے کا منصوبہ نہیں ہے — یہ اہم بنیادی ڈھانچہ ہے۔ اور Delangue کی فکر سیدھی ہے: اگر چند طاقتور کمپنیاں بنیادی AI ماڈلز کو کنٹرول کریں جن پر سب منحصر ہیں، تو پورا ماحول کچھ ایسا کھو دیتا ہے جو آسانی سے واپس نہیں مل سکتا۔

کیا ہوا

Delangue کی Equity پر ظہور کا فوری محرک Anthropic کی روکی گئی Fable ریلیز تھی۔ اگرچہ Fable کی صورتحال کی مکمل تفصیلات محدود رہتی ہیں، لیکن وہ وسیع تر نمونہ جو Delangue بیان کرتے ہیں AI انڈسٹری کو قریب سے دیکھنے والے کسی کے لیے بھی واقف ہے: ایک کمپنی ایک طاقتور ماڈل تیار کرتی ہے، پھر فیصلہ کرتی ہے — ایسی وجوہات کے لیے جو شاذ و نادر ہی مکمل طور پر شفاف ہوں — عوام تک رسائی کو محدود یا تاخیر سے روکنا۔ چاہے جواز حفاظت، مسابقتی فائدہ، یا ریگولیٹری احتیاط ہو، نتیجہ ایک جیسا ہے۔ ڈویلپرز جنہوں نے اس ماڈل کے ارد گرد کے کام کو بنایا ہے اچانک اپنے اپنے اسٹیک پر کم کنٹرول رکھتے ہیں۔

Delangue کی متبادل داستان ایک نمونے پر بنی ہے جو انہوں نے Hugging Face کے صارفین میں بار بار دیکھا ہے۔ کمپنیاں اپنی AI کا سفر سرحدی بند APIs سے شروع کرتی ہیں — یہ کام کرنے والے نمونے کا تیز ترین راستہ ہے۔ لیکن جیسے جیسے وہ بڑھتے ہیں، معیشت میں ڈرامائی تبدیلی آتی ہے۔ Inference کی لاگتیں بڑھتی ہیں، شرح کی حدود ایک حقیقی آپریشنل رکاوٹ بن جاتی ہیں، اور ماڈل کو ٹیون یا معائنہ کرنے میں ناکامی اس پر ایک حد لگاتی ہے جو واقعی حاصل کیا جا سکتا ہے۔ یہ وہ لمحہ ہے، Delangue کہتے ہیں، جب ٹیمز کھلے ذریعے کے ماڈلز کی طرف منتقل ہوتے ہیں۔ بند API ایک بہترین آن رمپ ہے؛ یہ ایک خراب طویل مدتی بنیاد ہے۔

بات چیت سے زیادہ حیران کن ڈیٹا پوائنٹس میں سے ایک: چینی لیبز اب Hugging Face پر ڈاؤن لوڈ کیے جانے والے کھلے ماڈلز کی اکثریت تیار کر رہی ہیں۔ یہ تکنیکی جتنا ہی جیو پولیٹیکل اشارہ ہے۔ کھلے AI ترقی میں ثقل کا مرکز منتقل ہو رہا ہے، اور یہ ایشیا کی طرف منتقل ہو رہا ہے۔

ایشیا کے لیے یہ کیوں اہم ہے

جنوب مشرقی ایشیا، مشرقی ایشیا، اور جنوبی ایشیا میں ڈویلپرز اور بانیوں کے لیے، کھلے ذریعے AI کی تحریک صرف فلسفیانہ طور پر اپیل کرنے والی نہیں ہے — یہ ساختی طور پر ضروری ہے۔ ایشیا کی ٹیک ایکوسسٹمز Silicon Valley کے اسٹارٹ اپس سے مختلف حدود کے تحت کام کرتی ہیں جن کے پاس US پر مبنی وینچر کیپیٹل اور انٹرپرائز سیلز پائپ لائنز تک آسان رسائی ہے۔

پہلے معیشت پر غور کریں۔ جکارتہ یا ہو چی منہ سٹی میں ایک اسٹارٹ اپ بڑے پیمانے پر OpenAI API کریڈٹ کو جلا رہا ہے ایسے مارجن کے ساتھ کام کر رہا ہے جو اچھی طرح سے فنڈ شدہ US ہم منصب کے لیے اسی طریقے سے موجود نہیں ہیں۔ کھلے ذریعے کے ماڈلز — مقامی بنیادی ڈھانچے پر یا لاگت سے موثر کلاؤڈ علاقوں پر تعینات — اس مساوات کو بنیادی طور پر بدل دیتے ہیں۔ اپنی شرائط پر، اپنے ڈیٹا کے لیے ٹیون شدہ، ایک قابل ماڈل کو چلانے کی صلاحیت، بغیر فی ٹوکن فیس کے جو لامحدود بڑھتی ہے، ایک حقیقی مسابقتی کھول ہے۔

پھر لسانی جہت ہے۔ غالب بند ماڈلز انگریزی کے لیے بہتر بنائے گئے ہیں۔ وہ Mandarin اور Japanese کو معقول طریقے سے سنبھالتے ہیں، دستیاب تربیتی ڈیٹا کی مقدار کو دیکھتے ہوئے۔ لیکن Bahasa Indonesia، Thai، Vietnamese، Tagalog، Bengali — یہ زبانیں بند سرحدی ماڈلز کے ذریعے ایسے طریقوں سے کم خدمت حاصل کرتی ہیں جو مقامی صارفین کے لیے بنائے گئے مصنوعات کے لیے بہت اہم ہیں۔ کھلے ذریعے کے ماڈلز کو مقامی زبان کے ڈیٹاسیٹ پر ٹیون کیا جا سکتا ہے۔ بند APIs بڑی حد تک نہیں ہو سکتے، یا کم از کم اس طریقے سے نہیں جو ڈویلپرز کو آؤٹ پٹ پر معنی خیز کنٹرول دیتے ہیں۔

یہ حقیقت کہ چینی لیبز Hugging Face پر کھلے ماڈل ریلیز کی قیادت کر رہی ہیں بھی احتیاط سے پڑھنے کے قابل ہے۔ یہ اشارہ کرتا ہے کہ AI میں مغربی تکنیکی بالادستی کا فرض پہلے سے ہی پرانا ہے۔ ایشیائی ڈویلپرز کو ایک قابل کھلے ذریعے کے ماڈل کے لیے US لیب کے انتظار میں نہیں ہے — کھلے AI کے لیے سپلائی چین تیزی سے علاقائی ہے۔ یہ تعمیر کاروں کے لیے ایک ساختی فائدہ ہے جو توجہ دے رہے ہیں۔

AI-native ترقی کے پلیٹ فارم کے نقطہ نظر سے، یہ تبدیلی اہم ہے کیونکہ ٹولنگ لیئر کو ماڈل لیئر کے ساتھ ساتھ تیار ہونا ہے۔ جب ڈویلپرز بند APIs سے خود میزبانی والے کھلے ماڈلز کی طرف منتقل ہوتے ہیں، انہیں ایسے بنیادی ڈھانچے کی ضرورت ہوتی ہے جو ماڈل کے انتخاب، تعیناتی، اور انضمام کی پیچیدگی کو سنبھالے بغیر ہفتوں کی انجینئرنگ کے سربوہ شامل کیے۔

ڈویلپرز کے لیے اس کا مطلب کیا ہے

Delangue کی دلیل میں ایک عملی مطلب ہے جو اگر آپ کھلے بمقابلہ بند کی نظریات پر توجہ مرکوز ہیں تو آسانی سے غائب ہو سکتا ہے: جو ڈویلپرز اب کھلے ماڈلز کے ساتھ کام کرنا سیکھتے ہیں انہیں ایک دیرپا مہارت کا فائدہ ہوگا جیسے جیسے انڈسٹری پختہ ہوتی ہے۔

کھلے ماڈلز کے ساتھ کام کرنا API کو کال کرنے سے زیادہ مطالبہ ہے۔ آپ کو ماڈل کوانٹائزیشن، Inference کی بہتری، ماڈل خاندانوں میں فوری فارمیٹنگ میں فرق، اور ماڈل کے سائز اور Latency کے درمیان تبادلوں کو سمجھنے کی ضرورت ہے۔ یہ ناقابل حل چیلنجز نہیں ہیں — کھلے ماڈلز کے ارد گرد ٹولنگ ایکوسسٹم نے نمایاں طور پر پختہ ہو گیا ہے — لیکن انہیں حقیقی تکنیکی سرمایہ کاری کی ضرورت ہے۔

یہاں یہ سرمایہ کاری عملی طور پر کیسی لگتی ہے:

• ماڈل کا انتخاب: ہر کھلا ماڈل ہر کام کے لیے صحیح نہیں ہے۔ ایک 7B پیرامیٹر ماڈل کوڈ پر ٹیون شدہ ایک 70B عام ماڈل کو مخصوص کوڈنگ کاموں پر بہتر کارکردگی دے گا۔ اپنے حقیقی استعمال کے معاملے کے خلاف ماڈلز کا جائزہ لینا سیکھنا — بینچ مارک لیڈر بورڈز نہیں — ایک بنیادی مہارت ہے۔
• مقامی ڈیٹا پر ٹیون کرنا: کھلے ماڈلز میں حقیقی فائدہ ٹیون کرنے کی صلاحیت ہے۔ ایشیائی ڈویلپرز کے لیے مقامی بازاروں کے لیے مصنوعات بناتے ہوئے، اس کا مطلب مقامی زبان کے ڈیٹا، ڈومین کی مخصوص اصطلاحات، اور ثقافتی طور پر متعلقہ مثالوں پر تربیت ہے۔ ایک Thai ای کامرس چیٹ بوٹ اصل Thai کسٹمر سروس کی بات چیت پر ٹیون شدہ اس مخصوص کام پر کسی بھی آف دی شیلف بند ماڈل سے بہتر کارکردگی دے گا۔
• تعیناتی کی تعمیر: پروڈکشن کے پیمانے پر کھلے ماڈلز کو چلانے کے لیے کوانٹائزیشن (GGUF، AWQ، GPTQ)، سروننگ فریم ورکس (vLLM، Ollama، TGI)، اور ہارڈ ویئر کے انتخاب کے بارے میں فیصلوں کی ضرورت ہے۔ ان فیصلوں کے اہم لاگت کے اثرات ہیں۔
• انضمام کے نمونے: کھلے ماڈلز کو اپنے اسٹیک کے باقی حصے سے جڑنے کی ضرورت ہے — ڈیٹا بیسز، APIs، سامنے کی طرف کی ایپلیکیشنز۔ connectors اور انضمام کے نمونے جو آپ کھلے ماڈل کے ارد گرد بناتے ہیں اکثر وہ ہوتے ہیں جہاں حقیقی مصنوعات میں فرق رہتا ہے۔

وسیع تر نقطہ یہ ہے کہ کھلے ذریعے AI ان ڈویلپرز کے لیے فائدہ بناتا ہے جو اسے سمجھنے میں سرمایہ کاری کرتے ہیں۔ بند APIs ماڈل لیئر کو عام بناتے ہیں — سب کے پاس ایک جیسا GPT-4 یا Claude ہے۔ کھلے ماڈلز ٹیون کرنے، حسب ضرورت تعیناتی، اور ملکیتی ڈیٹا کے ساتھ گہری انضمام کے ذریعے فرق کی اجازت دیتے ہیں۔ ایشیا میں بانیوں کے لیے، جہاں مقامی بازار کی معلومات ایک حقیقی خندق ہے، یہ فرق اہم ہے۔

ایک خطرے کی انتظامیہ کی دلیل بھی ہے۔ Delangue کی فکر چند کمپنیوں کے بنیادی AI کو کنٹرول کرنے کے بارے میں فرضی نہیں ہے — یہ بند ماڈل مارکیٹ کی موجودہ حالت کی تفصیل ہے۔ کوئی بھی اسٹارٹ اپ جس نے اپنی بنیادی مصنوعات کو ایک بند API پر بنایا ہے ایک انحصار کا خطرہ ہے جو ظاہر نہیں ہوتا