مصنوعی ذہانت کی دنیا میں اب مقابلہ صرف یہ نہیں رہا کہ کون سا ماڈل سب سے زیادہ ذہین ہے۔ اصل دوڑ اب اس بات پر منتقل ہوتی دکھائی دے رہی ہے کہ مختلف اے آئی ماڈلز کو ایک ساتھ ملا کر کس طرح ایک ایسا نظام بنایا جائے جو ہر مسئلے کے لیے بہترین ماہر خود منتخب کرے۔ جاپان کی کمپنی Sakana AI نے اسی تصور کو حقیقت میں بدلنے کی کوشش کرتے ہوئے Fugu اور Fugu Ultra متعارف کرائے ہیں، جنہیں کمپنی ایک “ملٹی ایجنٹ آرکسٹریشن سسٹم” قرار دیتی ہے، نہ کہ صرف ایک اور بڑا لینگویج ماڈل۔
فُوگو دراصل خود تمام کام انجام نہیں دیتا۔ اس کا بنیادی کردار ایک آرکسٹریٹر یا منتظم کا ہے۔ جب صارف کوئی پیچیدہ سوال یا طویل مرحلوں پر مشتمل کام دیتا ہے تو فُوگو پہلے اس مسئلے کا تجزیہ کرتا ہے، پھر اسے چھوٹے حصوں میں تقسیم کرتا ہے، ہر حصے کے لیے مناسب اے آئی ماڈل منتخب کرتا ہے، مختلف ماڈلز سے نتائج حاصل کرتا ہے، ان کی جانچ کرتا ہے اور آخر میں تمام معلومات کو یکجا کرکے ایک مربوط جواب فراہم کرتا ہے۔
یعنی جہاں روایتی چیٹ بوٹس ایک ہی ذہن کے ساتھ پورا مسئلہ حل کرنے کی کوشش کرتے ہیں، وہاں فُوگو مختلف “ڈیجیٹل ماہرین” کی ایک ٹیم بنا کر مسئلہ حل کرتا ہے۔ صارف کو صرف ایک ہی اے پی آئی استعمال کرنی ہوتی ہے جبکہ پس منظر میں متعدد ماڈلز مل کر کام کر رہے ہوتے ہیں۔
کمپنی نے آغاز میں اس کے دو ورژن پیش کیے ہیں۔ Fugu روزمرہ کے استعمال، کوڈنگ، چیٹ اور عمومی کاموں کے لیے تیار کیا گیا ہے، جبکہ Fugu Ultra انتہائی پیچیدہ، کثیر مرحلہ مسائل، سائنسی تحقیق، سائبر سیکیورٹی، پیٹنٹ تجزیے اور وسیع تحقیقی کاموں کے لیے ڈیزائن کیا گیا ہے۔
سب سے زیادہ توجہ اس کے بینچ مارک نتائج نے حاصل کی ہے۔ کمپنی کے مطابق LiveCodeBench جیسے جدید کوڈنگ بینچ مارک پر Fugu Ultra نے Claude Fable 5، GPT-5.5، Gemini 3.1 Pro اور Opus 4.8 سمیت کئی معروف ماڈلز سے بہتر کارکردگی دکھائی۔ اسی طرح سائنسی استدلال، پروگرامنگ اور مختلف پیچیدہ ٹیسٹوں میں بھی اس کے نتائج نمایاں رہے۔
البتہ ہر شعبے میں اسے برتری حاصل نہیں ہوئی۔ SWE Bench Pro جیسے ایسے بینچ مارک، جہاں طویل عرصے تک چلنے والے سافٹ ویئر انجینئرنگ ٹاسکس کا جائزہ لیا جاتا ہے، وہاں Claude Fable 5 اب بھی بہتر ثابت ہوا۔ اس کی ایک بڑی وجہ یہ بتائی جا رہی ہے کہ فَیبل کو خاص طور پر لانگ ہورائزن ایجنٹس کے طور پر تیار کیا گیا تھا، جبکہ فُوگو کا اصل ہدف مختلف ماڈلز کی اجتماعی ذہانت سے مشکل مسائل حل کرنا ہے۔
کمپنی نے کئی عملی تجربات بھی پیش کیے ہیں۔ ایک تجربے میں Fugu Ultra نے تقریباً چودہ گھنٹے تک خودکار انداز میں مشین لرننگ ریسرچ کرتے ہوئے سو سے زیادہ تجربات انجام دیے اور ایک چھوٹے جی پی ٹی ماڈل کی ٹریننگ بہتر بنانے کے نئے طریقے دریافت کیے۔ دوسرے تجربے میں اسے تاریخی مالیاتی ڈیٹا کی بنیاد پر سرمایہ کاری کے فیصلے کرنے کا کام دیا گیا جہاں اس نے آزمائشی ماحول میں دیگر معروف ماڈلز سے بہتر نتائج حاصل کیے۔ اسی طرح بلائنڈ فولڈ شطرنج، روبک کیوب حل کرنے اور مکینیکل انجینئرنگ ڈیزائن جیسے تجربات میں بھی کمپنی نے اس کی مضبوط کارکردگی کا دعویٰ کیا ہے۔
فُوگو کا ایک اہم نظریہ “اے آئی سوورینٹی” بھی ہے۔ اگر کسی وجہ سے کوئی مخصوص ماڈل دستیاب نہ ہو، کسی ملک میں اس پر پابندی لگ جائے یا رسائی محدود ہو جائے تو یہ نظام خودکار طور پر دوسرے دستیاب ماڈلز استعمال کرکے کام جاری رکھ سکتا ہے۔ اس طرح پورا نظام کسی ایک کمپنی یا ایک ماڈل پر انحصار نہیں کرتا۔
یہ پیش رفت مصنوعی ذہانت کی صنعت میں ایک بڑی تبدیلی کی نشاندہی کرتی ہے۔ گزشتہ چند برسوں میں تمام توجہ زیادہ بڑے اور طاقتور ماڈلز بنانے پر تھی، لیکن اب ایسا محسوس ہوتا ہے کہ مستقبل صرف ایک سپر ماڈل بنانے میں نہیں بلکہ متعدد ماڈلز کو ایک ذہین ٹیم کی طرح منظم انداز میں استعمال کرنے میں بھی ہو سکتا ہے۔
تاہم ان تمام دعوؤں کو احتیاط سے دیکھنا ضروری ہے۔ کمپنی کی جانب سے پیش کیے گئے بیشتر نتائج اس کی اپنی جانچ اور تجربات پر مبنی ہیں۔ اگرچہ استعمال کیے گئے کئی بینچ مارکس صنعت میں معروف ہیں، لیکن حقیقی برتری کا اندازہ آزاد محققین اور تیسرے فریق کی جانچ کے بعد ہی زیادہ واضح ہو سکے گا۔
اگر یہ تصور عملی دنیا میں بھی اتنا ہی مؤثر ثابت ہوتا ہے جتنا ابتدائی نتائج ظاہر کرتے ہیں، تو ممکن ہے آنے والے برسوں میں مقابلہ صرف بہترین اے آئی ماڈل بنانے کا نہ رہے، بلکہ بہترین ملٹی ایجنٹ آرکسٹریشن سسٹم تیار کرنے کا ہو۔
یہ تحریر اے آئی کی دنیا کے فیس بک پیج پر پوسٹ کی گئی ہے
