ChatGPT سے چلنے والے روبوٹس تک

مدت: 45 منٹ | سطح: L1 (دستی بنیاد) | ٹیر: 1 (براؤزر)

آپ روزمرہ کی بنیاد پر ChatGPT کے ساتھ تعامل کرتے ہیں۔ آپ اس سے سوالات پوچھتے ہیں، اور یہ ملی سیکنڈز میں جواب دیتا ہے۔ یہ استدلال کرتا ہے، کوڈ تیار کرتا ہے، مضامین لکھتا ہے—یہ سب دنیا بھر میں بکھرے ہوئے سرور فارمز سے ہوتا ہے۔ لیکن کیا ہوتا ہے جب آپ ایک ایسا AI نظام چاہتے ہیں جو چل سکے، پہنچ سکے، محسوس کر سکے، اور حقیقی دنیا میں کام کر سکے؟

ChatGPT سے چلنے والے ہیومنائڈ روبوٹ تک کا چھلانگ صرف پیمانے میں اضافہ نہیں ہے۔ یہ اس بات کی بنیادی تبدیلی ہے کہ "ذہانت" کا کیا مطلب ہے جب آپ کے نظام کو کشش ثقل (gravity)، تاخیر (latency)، جسمانی حدود، اور حقیقی نتائج سے نمٹنا پڑے۔

یہ سبق اسی تبدیلی کا جائزہ لیتا ہے۔

سیکھنے کے مقاصد

اس سبق کے اختتام تک، آپ اس قابل ہو جائیں گے:

• سافٹ ویئر AI (ChatGPT، Claude) اور مجسم AI (چلنے والے روبوٹس، مینیپولیٹرز) کے درمیان فرق کرنا
• وضاحت کرنا کہ سافٹ ویئر AI کے پیٹرن جسمانی ایجنٹوں پر براہ راست کیوں منتقل نہیں ہوتے
• تین بنیادی حدود کی نشاندہی کرنا جو ڈیجیٹل کو جسمانی نظام سے الگ کرتی ہیں

سرور فارم سے جسمانی دنیا تک

ChatGPT: بغیر جسم کے ذہانت

جب آپ ChatGPT کو کوئی سوال ٹائپ کرتے ہیں:

1. آپ کے الفاظ انٹرنیٹ پر سفر کرتے ہیں (مائیکرو سیکنڈز)
2. وہ ڈیٹا سینٹر میں OpenAI کے سرورز پر پہنچتے ہیں
3. ماڈل ان پر عمل کرتا ہے (100s ملی سیکنڈز)
4. ایک جواب آپ کی سکرین پر واپس سفر کرتا ہے (مائیکرو سیکنڈز)
5. کل تاخیر (Total latency): ~500 ملی سیکنڈز سے 2 سیکنڈز

اس تاخیر سے زیادہ فرق نہیں پڑتا۔ چاہے جواب 0.5 سیکنڈ لے یا 2 سیکنڈ، آپ اسے اتنی تیزی سے پڑھ رہے ہوتے ہیں کہ قدرتی طور پر مشغول رہ سکیں۔

ChatGPT کی جسمانی موجودگی استعاراتی ہے: یہ سلیکون چپس پر برقی نمونوں کے طور پر "موجود" ہے۔ اس کے کوئی آنکھیں نہیں، کوئی ہاتھ نہیں، کوئی جسمانی کمیت نہیں، اس پر کوئی کشش ثقل عمل نہیں کر رہی۔

چلنے والا روبوٹ: جسمانی دنیا میں ذہانت

ایک ہیومنائڈ روبوٹ (جیسے Tesla Bot یا Unitree Go2) کو یہ کرنا ہوتا ہے:

1. کیمروں، LIDAR، انرشیل سینسرز کے ذریعے اپنے ماحول کا ادراک کرنا
2. فیصلہ کرنا کہ کیا کرنا ہے (توازن بنانا، چلنا، چیزوں کو سنبھالنا)
3. اپنے جوڑوں اور پہیوں کو موٹر کمانڈز بھیجنا
4. فیڈ بیک حاصل کرنا کہ حقیقت میں کیا ہوا
5. تطابق پیدا کرنا اور دہرانا

اس سائیکل میں ہر قدم وقت لیتا ہے۔ روبوٹ کے سروو موٹر کی ردعمل کی تاخیر 100-500 ملی سیکنڈ ہوتی ہے۔ یہ تاخیر کوئی خرابی نہیں—یہ طبیعیات ہے۔ آپ موٹر کو اس سے زیادہ تیزی سے رد عمل دینے پر مجبور نہیں کر سکتے جس کی اس کی مکینیکل اور برقی خصوصیات اجازت دیتی ہیں۔

یہ بنیادی فرق ہے: ChatGPT سلیکون میں مجسم ہے (عملی طور پر)۔ روبوٹ اسٹیل اور سرووز میں مجسم ہے (لفظی طور پر)۔

ساتھ ساتھ موازنہ

ChatGPT (سافٹ ویئر AI):

Your Question → Neural Network (silicon) → Answer
               Latency: ~500ms total
               No feedback loop with physical world

چلنے والا روبوٹ (Embodied AI):

Camera → Processing → Motor Command → Motor Feedback → Environment → Camera
         (onboard)    Latency: 100-500ms per step
         Continuous feedback loop with physical world

اہم بصیرت: ChatGPT عمل کرتا ہے اور جواب دیتا ہے۔ روبوٹ ادراک کرتا ہے، فیصلہ کرتا ہے، عمل کرتا ہے، فیڈ بیک حاصل کرتا ہے، اور دوبارہ لوپ کرتا ہے۔ جسمانی دنیا اس لوپ کا حصہ ہے۔

تین حدود جو اہمیت رکھتی ہیں

جب آپ سافٹ ویئر سے جسمانی موجودگی کی طرف بڑھتے ہیں، تو تین حدود ذہانت کی شکل کو بنیادی طور پر تبدیل کر دیتی ہیں۔

حد 1: کشش ثقل (Gravity)

ChatGPT کشش ثقل کا تجربہ نہیں کرتا۔ اگر آپ کا کمپیوٹر غلطی کرتا ہے تو وہ گرتا نہیں ہے۔

چلنے والے روبوٹ کے ساتھ ایسا ہوتا ہے۔ کشش ثقل مستقل، بے رحم اور ناقابل معافی ہے۔

ایک ہیومنائڈ کو چلنے کے لیے یہ کرنا ضروری ہے:

• اپنے مرکزِ کمیت (center of mass) کو اپنے پاؤں پر برقرار رکھنا
• پاؤں کے درمیان وزن کو ہموار طریقے سے منتقل کرنا
• خلل ڈالنے والی قوتوں (کسی کا ٹکرا جانا) کے خلاف توازن قائم رکھنا
• اپنی توانائی کا انتظام کرنا (کشش ثقل سے لڑنے میں مسلسل توانائی خرچ ہوتی ہے)

کشش ثقل کو سمجھے بغیر، آپ ایسا روبوٹ ڈیزائن نہیں کر سکتے جو چل سکے۔ ChatGPT کے ساتھ، آپ کشش ثقل کے بارے میں بالکل نہیں سوچتے۔

انسان محسوس کر کے چلنا سیکھتے ہیں۔ روبوٹ کو کنٹرول تھیوری، سینسر فیڈ بیک، اور مسلسل ایڈجسٹمنٹ کے ذریعے سیکھنا پڑتا ہے۔ یہ پورے مسئلے کو بدل دیتا ہے۔

حد 2: تاخیر (Latency - وقت کا فرق)

ChatGPT جتنی دیر چاہے سوچ سکتا ہے (ایک حد کے اندر)۔ آپ جواب کا انتظار کریں گے۔

روبوٹ سست سوچنے کا متحمل نہیں ہو سکتا۔ جب آپ کے روبوٹ کا پاؤں قدم کے بیچ میں ہوا میں ہوتا ہے، تو فیڈ بیک لوپ میں تاخیر عدم استحکام کا باعث بنتی ہے۔

یہاں سلسلہ وار اثر ہے:

• آپ کے روبوٹ کا IMU (حرکت سینسر) پتہ لگاتا ہے کہ یہ آگے کی طرف جھک رہا ہے
• یہ سگنل سینسر سے → CPU تک سفر کرتا ہے (1-2 ملی سیکنڈ)
• پروسیسر ایک اصلاح کا حساب لگاتا ہے (50-100 ملی سیکنڈ)
• موٹر کمانڈ وصول کرتی ہے (1-2 ملی سیکنڈ)
• موٹر حقیقت میں رد عمل ظاہر کرتی ہے (موٹر میں خود 50-200 ملی سیکنڈ کی تاخیر)
• جب تک موٹر درست کرتی ہے، 150+ ملی سیکنڈ گزر چکے ہوتے ہیں

انسان کی رفتار سے چلنے والے ہیومنائڈ کے لیے، یہ تاخیر کی کھڑکی بہت اہم ہے۔ بہت زیادہ تاخیر اور روبوٹ گر جاتا ہے۔

ChatGPT کو 150 ملی سیکنڈ کی پرواہ نہیں ہے۔ چلنے والے روبوٹ کی زندگی اس پر منحصر ہے۔

حد 3: حفاظت اور ناقابل واپسی (Safety and Irreversibility)

جب ChatGPT کوئی غلطی کرتا ہے، تو آپ حذف (delete) کا بٹن دباتے ہیں۔ کوئی نتیجہ نہیں۔

جب روبوٹ کوئی غلطی کرتا ہے، تو کچھ ٹوٹ جاتا ہے یا کوئی زخمی ہو جاتا ہے۔

ایک روبوٹ جس کا وزن 30-60+ کلوگرام ہے اور وہ حرکت میں ہے، اس کے موٹر کنٹرول میں غلطی کا نتیجہ یہ ہو سکتا ہے:

• کسی انسان سے ٹکراؤ
• خود کو نقصان (موٹر جل جانا، جوڑ ٹوٹ جانا)
• ماحولیاتی نقصان (کچھ گرا دینا، سامان توڑ دینا)

اس کا مطلب ہے کہ روبوٹ کے ہر سافٹ ویئر کے ٹکڑے کو حفاظت کو اولین ترجیح دینی ہوگی:

• ایمرجنسی اسٹاپ جو مرکزی منطق (main logic) کے ناکام ہونے پر بھی کام کرے
• ہارڈ ویئر + سافٹ ویئر میں جوڑوں کی حدیں نافذ کرنا
• خطرناک حرکتوں پر رفتار کی حدیں
• کمانڈ بھیجنے سے پہلے ان کے معقول ہونے کی توثیق کرنا

ChatGPT کو اس کی ضرورت نہیں ہے۔ روبوٹ کی زندگی اس پر منحصر ہے۔

جسمانی موجودگی کے اثرات: جسم کیوں اہم ہے

یہاں کچھ گہرا نکتہ ہے: آپ کے جسم کی شکل یہ طے کرتی ہے کہ آپ کا دماغ کیا کر سکتا ہے۔

ایک سافٹ ویئر AI نظریاتی طور پر کسی بھی چیز کے بارے میں سوالات کے جواب دے سکتا ہے۔ اس کا کوئی جسم نہیں ہے، لہذا کوئی حدود نہیں۔

ایک ہیومنائڈ روبوٹ جس کے پاس:

• 2 بازو، 2 ٹانگیں، 1 دھڑ (ہیومنائڈ شکل) → انسانی ماحول میں چلنے، انسانی اوزار سنبھالنے کے لیے ڈیزائن کیا گیا ہے
• سر کو گھمانے کا کوئی میکانزم نہیں → دھڑ کو گھمائے بغیر ارد گرد نہیں دیکھ سکتا (حد رویے کو شکل دیتی ہے)
• کندھے کی رینج ±170° تک محدود → اپنی کمر کے پیچھے نہیں پہنچ سکتا (جسم ادراک کو متعین کرتا ہے)
• زیادہ سے زیادہ جوڑ کی رفتار 10 rad/s → مکینیکل خصوصیات کی اجازت سے زیادہ تیزی سے حرکت نہیں کر سکتا

جسم پر ہر حد دماغ کو کیا کرنا چاہیے اس پر اثر انداز ہوتی ہے۔ یہ ایسے مسائل نہیں ہیں جنہیں حل کر کے ختم کرنا ہے—یہ ایسی خصوصیات ہیں جو دماغ کو مؤثر طریقے سے کام کرنے کے قابل بناتی ہیں۔

تصور کریں کہ لامحدود ٹانگوں کی رفتار کے ساتھ چلنے کی کوشش کر رہے ہیں۔ اس سے مدد نہیں ملے گی—آپ توازن کھو دیں گے۔ انسانی جسمانی موجودگی کی حدود (ٹانگ کی لمبائی، جوڑ کی حد، پٹھوں کی طاقت) دو قدمی حرکت (bipedal locomotion) کے لیے بالکل درست ترتیب دی گئی ہیں۔

روبوٹ کی جسمانی موجودگی اس کی ذہانت کا تعین کرتی ہے۔

حل شدہ مثال: سوچنے کا فاصلہ

آئیے اسے ٹھوس بناتے ہیں۔ دو منظرنامے تصور کریں:

منظر 1: ChatGPT جواب دیتا ہے

• آپ پوچھتے ہیں: "ایک ہیومنائڈ چلتے وقت توازن کیسے بنائے گا؟"
• ChatGPT سوچتا ہے (آپ کے لیے اندرونی تاخیر پوشیدہ ہے)
• آپ کو 2 سیکنڈ سے کم وقت میں جواب ملتا ہے

منظر 2: روبوٹ چلتا ہے

• روبوٹ کے سینسرز پتہ لگاتے ہیں: "میں 2 ڈگری آگے جھک رہا ہوں"
• روبوٹ کا CPU سگنل حاصل کرتا ہے (1 ملی سیکنڈ)
• CPU پروسیس کرتا ہے: "پچھلے پاؤں سے دھکا بڑھاؤ" (20 ملی سیکنڈ)
• موٹر عملدرآمد کرتی ہے (100 ملی سیکنڈ)
• روبوٹ نیا جھکاؤ محسوس کرتا ہے (1 ملی سیکنڈ)
• کل: ایک فیڈ بیک لوپ کے لیے 122 ملی سیکنڈ
• ہموار چلنے کے لیے، روبوٹ کو فی سیکنڈ 10+ لوپس کی ضرورت ہوتی ہے = 100 ملی سیکنڈ میں 10+ فیڈ بیک سائیکل

ChatGPT جتنی دیر چاہے سوچ سکتا ہے۔ روبوٹ کو حقیقی وقت میں سوچنا پڑتا ہے ورنہ وہ گر جائے گا۔

یہی وجہ ہے کہ ہم کہتے ہیں: جسمانی AI صرف روبوٹ کے جسم میں سافٹ ویئر AI نہیں ہے۔ یہ ایک مختلف قسم کی ذہانت ہے۔

گائیڈڈ پریکٹس

عکاسی کے سوالات (Reflection Prompts)

ہر منظر نامے کے بارے میں رکیں اور سوچیں:

1. ویڈیو کال کا مسئلہ: ویڈیو کال کے دوران، اگر 500 ملی سیکنڈ کی تاخیر ہو (جو خراب کنکشن پر عام ہے)، تو انسان اسے عجیب اور مایوس کن پاتے ہیں۔ یہ تاخیر روبوٹ کے لیے تباہ کن کیوں ہوگی جب وہ کسی ماحول میں چل رہا ہو؟

2. پہنچنے کا کام: اگر ایک ہیومنائڈ روبوٹ میز پر رکھے کپ تک پہنچنے کے لیے ہاتھ بڑھاتا ہے اور اس کا کندھے کا جوڑ 170° سے زیادہ نہیں گھوم سکتا، تو یہ آپ کو اس بارے میں کیا بتاتا ہے:

   • وہ کن سطحوں کے ساتھ کام کر سکتا ہے؟
   • وہ کون سے کام نہیں کر سکتا؟
   • ڈیزائنر نے سافٹ ویئر لکھنے سے مختلف انداز میں کیوں سوچا ہوگا؟

3. غلطی کی قیمت: ChatGPT کبھی کبھی غلط کوڈ تیار کرتا ہے۔ آپ اسے پڑھتے ہیں، غلطی دیکھتے ہیں، اسے چلاتے نہیں۔ اگر روبوٹ نے غلط موٹر کمانڈ تیار کی تو کیا ہو سکتا ہے؟

سوچنے کی مشق (Thought Exercise)

تصور کریں کہ آپ ایک ایسا روبوٹ بنا رہے ہیں جو ناہموار زمین (چٹانیں، مٹی) پر چل سکے۔ کشش ثقل اسے مسلسل نیچے کھینچ رہی ہے۔ ہر معمولی جھکاؤ کو ملی سیکنڈز میں درست کرنا ضروری ہے۔

اب تصور کریں کہ روبوٹ کی سینسر سے موٹر تک کی تاخیر دوگنی ہو جاتی ہے (100 ملی سیکنڈ سے 200 ملی سیکنڈ تک)۔ اس کی چلنے کی صلاحیت پر کیا اثر پڑے گا؟ یہ آپ کو کیا بتاتا ہے کہ روبوٹ کا کنٹرول ChatGPT کی استدلال سے بنیادی طور پر مختلف کیوں ہے؟

آزاد پریکٹس: خود تشخیص (Self-Assessment)

ہر بیان پر غور کریں۔ اپنے آپ سے پوچھیں: صحیح یا غلط؟

1. ChatGPT کا بنیادی چیلنج جسمانی تاخیر ہے۔ (غلط—اس کا کوئی جسم نہیں ہے)
2. روبوٹ کی جسمانی موجودگی اس بات کو متاثر کرتی ہے کہ وہ کیا سوچ سکتا ہے۔ (صحیح—جسم ادراک کو محدود کرتا ہے)
3. کشش ثقل سافٹ ویئر AI کے لیے غیر متعلق ہے لیکن مجسم AI کے لیے اہم ہے۔ (صحیح)
4. اگر روبوٹ کی تاخیر 500 ملی سیکنڈ ہے، تو بھی وہ انسان کی طرح چل سکتا ہے۔ (غلط—استحکام کے لیے سخت فیڈ بیک لوپس کی ضرورت ہوتی ہے)
5. حفاظت روبوٹس کے لیے اختیاری ہے لیکن ChatGPT کے لیے ضروری ہے۔ (غلط—یہ اس کے برعکس ہے)

عبور کا اشارہ (Mastery Signal): آپ ایک حد (کشش ثقل، تاخیر، یا حفاظت) کی وضاحت کر سکتے ہیں اور بتا سکتے ہیں کہ یہ ChatGPT میں کیوں موجود نہیں ہے لیکن چلنے والے روبوٹس کے لیے بنیادی کیوں ہے۔

عکاسی (Reflect)

جسمانی AI آپ کو ایک ہی وقت میں ایک انجینئر اور ایک فلسفی کی طرح سوچنے پر مجبور کرتا ہے۔

ایک انجینئر کے طور پر کیونکہ آپ کو تاخیر، کشش ثقل، اور حفاظت کا احترام کرنا ہوگا۔ ایک فلسفی کے طور پر کیونکہ جسمانی موجودگی ذہانت کے معنی کو بدل دیتی ہے۔

ChatGPT بے جسم ذہانت ہے۔ چلنے والا روبوٹ مجسم ذہانت ہے۔ ان کے درمیان کا فرق صرف ہارڈ ویئر نہیں ہے—یہ سوچنے کا بالکل مختلف طریقہ ہے۔

اگلے سبق میں، ہم دیکھیں گے کہ یہ جسمانی موجودگی ذہانت کی نئی شکلوں کو کیسے قابل بناتی ہے جو خالص سافٹ ویئر کبھی حاصل نہیں کر سکتا۔

---

پچھلا: باب کا جائزہ → | اگلا: سبق 1.2: مجسم ذہانت →