تجربات میں انسان: اخلاقیات، رازداری، ذمہ داری اور اختتام سے آخر تک ورک فلو

فائدہ:

• تجربے میں انسانی اصول کو آخر سے آخر تک ورک فلو میں ضم کرنا اور ہر مرحلے پر مصنوعی ذہانت/انسانی کردار کو الگ کرنے کے قابل ہونا
• عام مصنوعی ذہانت کو خفیہ ڈھانچہ اور ڈیٹا دیے بغیر عام پراکسی مثالوں کے ساتھ کام کرنے کی صلاحیت
• اہم مقامات پر انسانی منظوری کے دروازے لگانے اور شفافیت اور ٹریس ایبلٹی کے ساتھ حتمی ذمہ داری قبول کرنے کی صلاحیت

اس حتمی یونٹ میں ہم پورے ماڈیول کو ایک فریم ورک میں جوڑ دیتے ہیں: ہیومن-ان-دی-لوپ۔ یہ اصول کہتا ہے کہ AI چاہے کتنا ہی قابل کیوں نہ ہو، انسان کو کیمیائی فیصلے کے ہر نازک موڑ پر سمجھنا، کنٹرول کرنا اور منظور کرنا چاہیے۔ اس یونٹ میں، ہم سب سے پہلے اخلاقی اور رازداری کے پہلوؤں کو واضح کریں گے، پھر آخر سے آخر تک کام کا فلو قائم کریں گے جو ایک مالیکیول کو خیال سے رپورٹ تک لے جاتا ہے، اور دیکھیں گے کہ AI اور انسان ہر مرحلے پر محنت کو کس طرح تقسیم کرتے ہیں۔ مقصد یہ ہے کہ آپ نے جو کچھ بھی سیکھا ہے اسے ایک ایسے نظام میں تبدیل کرنا ہے جو روزمرہ کے کام میں فٹ بیٹھتا ہے۔

رازداری: AI کو کیا نہیں دینا ہے؟

کیمسٹری اکثر خفیہ معلومات کے ساتھ کام کرتی ہے: غیر پیٹنٹ مالیکیولز، کمپنی کے خفیہ ترکیب کے راستے، غیر مطبوعہ ڈیٹا، مریض کے نمونے۔ پبلک AI سروس میں آپ جو ٹیکسٹ داخل کرتے ہیں اسے سروس کی پالیسی کے مطابق اسٹور یا پروسیس کیا جا سکتا ہے۔ لہذا:

• عوامی AI کو غیر مطبوعہ اصلی ڈھانچے (پیٹنٹ سے پہلے کے مالیکیول) جاری کرنے سے پہلے اپنی ادارہ جاتی پالیسی چیک کریں۔
• کبھی بھی ذاتی/مریض کا ڈیٹا (طبی نمونے) کسی قابل شناخت شکل میں درج نہ کریں۔
• تجارتی خفیہ ترکیب کے راستوں کا اشتراک کرنے سے پہلے رازداری کے معاہدوں کا جائزہ لیں۔
• جب ضروری ہو تو اندرون خانہ/ اپنی مرضی کے مطابق تعیناتی AI ٹولز کا انتخاب کریں۔

احتیاط: کسی عام AI سے کسی مالیکیول کے بارے میں پوچھنے کا مطلب اس مالیکیول کی ساخت کو ظاہر کرنا ہو سکتا ہے۔ ایک منفرد ڈھانچے کے لیے جسے پیٹنٹ نہیں کیا گیا ہے، یہ آپ کی ترجیح (پیٹنٹ کا حق) کو خطرے میں ڈال سکتا ہے۔ عام/سروگیٹ مثالوں کے ساتھ پوشیدہ ڈھانچے کے بارے میں پوچھیں۔

اخلاقیات: چار اصول

1. شفافیت: جہاں آپ AI استعمال کرتے ہیں اسے مت چھپائیں۔ اشاعت اور ادارہ جاتی پالیسیوں کی تعمیل کریں۔
2. ذمہ داری: انسان حتمی فیصلے کا ذمہ دار ہے۔ "AI تجویز کردہ" سیکیورٹی یا سالمیت کی خلاف ورزی کو معاف نہیں کرتا ہے۔
3. غیر خرابی: خطرناک/غیر قانونی ترکیب، دوہری استعمال (ہتھیاروں کی صلاحیت) ایپلی کیشنز کے لیے AI کا استعمال نہ کریں۔
4. صداقت اور ایمانداری: ڈیٹا کو مسخ نہ کریں، نتائج کو زیب تن نہ کریں، انتسابات نہ بنائیں۔

اینڈ ٹو اینڈ ورک فلو: مالیکیول → رپورٹ

اب آئیے پورے ماڈیول کو ایک فلو میں جوڑتے ہیں۔ ہر مرحلے پر، AI کیا کرتا ہے اور انسان کیا کرتا ہے اس کے درمیان فرق پر توجہ دیں۔

اسٹیج

AI کا کردار

انسانوں کا (تنقیدی) کردار

1. خیال/ادب

تصور کا خلاصہ، تلاش کی اصطلاح

اصل ماخذ تلاش کرنا، انتساب کی تصدیق

2. ساخت کی تفصیل

مسکراہٹیں پیدا کرنا

RDKit، InChIKey کے ساتھ تصدیق

3. ترکیب کا منصوبہ

Retrosynthesis، متبادل

ادب کی تصدیق، راستے کا انتخاب

4. سیکورٹی

SDS کا خلاصہ، ابتدائی مماثلت

ایس ڈی ایس پڑھنا، منظوری، پی پی ای کا فیصلہ

5. درخواست

(کوئی نہیں)

تمام لیبارٹری کا کام

6. تجزیہ

سپیکٹرم تبصرہ کی حمایت

حتمی ساخت کی تفویض

7. ڈیٹا پروسیسنگ

تحریری کوڈ

کوڈ چلائیں، نتیجہ کی تصدیق کریں۔

8. دستاویزات

فارمیٹنگ، کنٹرول

مشاہدہ، انحراف، دستخط

9. رپورٹنگ

مسودہ متن

نمبر/حوالہ کی تصدیق، احتساب

یہ جدول دکھاتا ہے کہ کس طرح ماڈیول کی 11 اکائیوں کو ایک کام میں ترتیب دیا گیا ہے۔ AI تیز کرتا ہے؛ لوگ تصدیق کرتے ہیں اور مالک ہیں۔

مرحلہ وار: ورک فلو ترتیب دینا

1. کردار واضح کریں: ہر کام کے لیے، "کیا AI فیصلہ کرتا ہے یا انسان؟" شروع سے تعین کریں.
2. رازداری کا فلٹر ترتیب دیں: AI کو کچھ دیے بغیر آپ پوچھ سکتے ہیں "کیا یہ نجی/پرائیویٹ ہے؟" پوچھنا
3. تصدیقی دروازے لگائیں: ہر مرحلے کے آخر میں ایک تصدیقی مرحلہ (یونٹ 10 میں جدول)۔
4. ٹریس ایبلٹی رکھیں: AI سے کیا آؤٹ پٹ آیا، اس کی تصدیق کیسے ہوئی، کس نے اسے منظور کیا۔
5. منظوری کے نکات طے کریں: حفاظتی اور حتمی نتیجہ جیسے اہم نکات پر انسانی منظوری لازمی ہے۔
6. تاثرات: پکڑی گئی ہر غلطی کو ریکارڈ کریں اور ورک فلو کو بہتر بنائیں۔

چار کاپی کرنے کے قابل ٹیمپلیٹس

1) پرائیویسی پری فلٹر:

سوال پوچھنے سے پہلے، اس پر غور کریں: مواد: [میں کیا پوچھ رہا ہوں]ٹاسک: کیا اس مواد میں غیر مطبوعہ اصلی نمونے، ذاتی ڈیٹا، یا تجارتی راز شامل ہیں؟ اگر ایسا ہوتا ہے تو تجویز کریں کہ میں سوال کو ایک عام/سروگیٹ مثال کے ساتھ کیسے لکھ سکتا ہوں جو ساخت کو چھپا دے گا۔

2) مرحلے کی تصدیق کے دروازے کا اختتام:

میں نے درج ذیل مرحلہ مکمل کر لیا ہے: [PHASE، جیسے ترکیب منصوبہ]۔ٹاسک: ان تمام عناصر کی فہرست بنائیں جن کی اس مرحلے سے نکل کر تصدیق کرنے کی ضرورت ہے (نمبر، حوالہ، ساخت، حفاظتی دعویٰ)۔ ہر ایک کے لیے، تصدیق کا طریقہ لکھیں اور کس کو اس کی تصدیق کرنی چاہیے۔ کسی بھی کھلے آئٹم کو نشان زد کریں جنہیں اگلے مرحلے پر جانے سے پہلے بند کرنے کی ضرورت ہے۔

3) انسانی AI کردار کی تقسیم کا منصوبہ:

میرا پروجیکٹ: [مختصر تفصیل]۔ٹاسک: اس پروجیکٹ کو مراحل میں تقسیم کریں۔ ہر مرحلے کے لیے، ان میں فرق کریں: - AI کیا کر سکتا ہے (مسودہ، کوڈ، خلاصہ) - انسان کو کیا فیصلہ کرنا چاہیے (سیکیورٹی، نتیجہ، منظوری)۔ ان اہم نکات کو نشان زد کریں جہاں حتمی ذمہ داری انسان پر عائد ہوتی ہے۔

4) سالمیت کی جانچ کی اطلاع دیں:

ذیل میں میری رپورٹ کا مسودہ ہے:[DRAFT]ٹاسک: درج ذیل کو چیک کریں اور نشان زد کریں:1) کیا کوئی غیر تصدیق شدہ نمبر/حوالہ جات ہیں؟ 2) کیا AI کا استعمال شفاف طریقے سے بیان کیا گیا ہے؟ [چیک کریں] جہاں آپ کو یقین نہیں ہے۔

کمزور فوری / مضبوط اشارہ

کمزور:

ہماری کمپنی کے نئے خفیہ مالیکیول کی ترکیب کا بہترین طریقہ کیا ہے؟[اصل اصل ڈھانچہ]

اس سے پیٹنٹ سے پہلے کے اصل ڈھانچے کو عام سروس کے سامنے آ جاتا ہے۔ یہ ترجیح اور رازداری کو خطرے میں ڈالتا ہے۔

مضبوط:

میں خوشبودار کیٹونز کی کلاس کی ایک جیسی ساخت کے لیے عمومی ریٹرو سنتھیسز کی حکمت عملی سیکھنا چاہوں گا۔ کنکریٹ، اصل ڈھانچہ بتائے بغیر ایک عام مثال (ایسیٹوفینون مشتق) کے ذریعے وضاحت کریں۔ میں حکمت عملی کو اپنے اندرون ملک مالیکیول پر لاگو کروں گا۔

فرق: پوشیدہ ڈھانچے کو ظاہر کیے بغیر، وہی سیکھنے کو حاصل کیا گیا جیسا کہ عام سروگیٹ مثال کے ساتھ۔

چھوٹے مقدمات

کیس 1 - اصل ساخت کا انکشاف۔ ایک ٹیم نے پیٹنٹ کے لیے درخواست دینے سے پہلے ایک جنرل AI سے ایک منفرد مالیکیول کے بارے میں پوچھا۔ قانونی یونٹ نے کہا کہ اس سے ترجیح سوال میں آسکتی ہے۔ عمل میں تاخیر ہوئی۔ سبق: عام پراکسی کے ساتھ منفرد ڈھانچے طلب کریں، رازداری کی پالیسی کا احترام کریں۔

کیس 2 - انسانی رضامندی نے حادثے کو روکا۔ ایک خودکار ورک فلو میں، AI نے ایک مسودہ طریقہ کار تیار کیا اور اسے براہ راست لاگو کیا جانا تھا۔ لیکن ایک تجربہ کار کیمسٹ نے بہاؤ کے ذریعے "حفاظتی کلیئرنس" گیٹ پر ری ایجنٹس کا ایک غیر مطابقت پذیر جوڑا پکڑا۔ سبق: نازک موڑ پر، انسانی منظوری کے دروازے جان بچاتے ہیں۔

کیس 3 - اختتام سے آخر تک نظم و ضبط۔ ایک ماسٹر کے طالب علم نے پورے ماڈیول کو ایک پروجیکٹ میں لاگو کیا: ادب کا خلاصہ + AI کے ساتھ اصل حوالہ کی تصدیق، RDKit کے ساتھ ساخت کی تصدیق، کوڈ کے ساتھ ڈیٹا کا تجزیہ، SDS کے ساتھ سیکیورٹی، ایماندارانہ دستاویزات، شفاف رپورٹنگ۔ نتیجہ دونوں تیز اور زیادہ مضبوط تھا۔ تھیسس ڈیفنس میں "آپ نے AI کی تصدیق کیسے کی؟" اس نے سوال کا صاف جواب دیا۔ سبق: AI + تصدیقی نظم و ضبط ایک ساتھ بہترین کام کرتا ہے۔

عام غلطیاں

• جنرل AI کو اویکت ڈھانچہ دینا۔ یہ پیٹنٹ کی ترجیح اور تجارتی راز سے سمجھوتہ کرتا ہے۔
• قابل شناخت ذاتی/مریض کا ڈیٹا درج کرنا۔ رازداری کی خلاف ورزی اور قانونی خطرہ۔
• منظوری کے دروازوں کو نظرانداز کرنا۔ سلامتی اور بالآخر انسانی منظوری کے بغیر آگے بڑھنا۔
• AI کو ذمہ داری منتقل کرنا۔ "AI تجویز کردہ" کسی غلطی کو معاف نہیں کرتا ہے۔
• شفافیت سے گریز۔ AI کے استعمال کو چھپانا سالمیت کو نقصان پہنچاتا ہے۔
• دوہری استعمال کے خطرے کو نظر انداز کرنا۔ نقصان دہ ایپلی کیشنز کے لیے AI کا استعمال غیر اخلاقی ہے۔

ٹپ: اپنے ورک فلو کو "ہر اہم فیصلہ جو انسان روکتا ہے اور منظور کرتا ہے" کے ساتھ ڈیزائن کریں۔ AI کو ایک ایسا لنک بنائیں جو سلسلہ کو تیز کرتا ہے، اور زنجیر کو پکڑنے والا نوڈ ہمیشہ انسانی ہوتا ہے۔

خلاصہ میں

• تجربات میں انسانی اصول: ہر اہم کیمیائی فیصلے میں، انسان سمجھتا ہے، نگرانی کرتا ہے اور منظور کرتا ہے۔
• رازداری: عوامی AI کو منفرد نمونے، ذاتی ڈیٹا اور تجارتی راز فراہم نہ کریں؛ عام پراکسی استعمال کریں۔
• اخلاقیات: شفافیت، ذمہ داری، عدم بددیانتی، ایمانداری چار بنیادی اصول ہیں۔
• اختتام سے آخر تک کام کے فلو میں، AI ہر مرحلے پر تیز ہوتا ہے۔ لوگ تصدیق کرتے ہیں اور مالک ہیں۔
• انسانی منظوری کے دروازے اہم مقامات پر رکھیں (سیکیورٹی، حتمی نتیجہ) اور ٹریس ایبلٹی کو برقرار رکھیں۔

درخواست کا کام

اپنا ایک پروجیکٹ منتخب کریں (حقیقی یا فرضی) اور شروع سے آخر تک ایک AI-انسانی ورک فلو ڈیزائن کریں۔ اوپر والے 9-اسٹیج ٹیبل کو اپنے پروجیکٹ کے مطابق ڈھالیں: ہر مرحلے پر AI کیا کرے گا، انسان کیا منظور کرے گا؟ پرائیویسی پری فلٹر لگائیں: آپ AI کو کون سی معلومات نہیں دیتے، آپ اسے کیسے عام کرتے ہیں؟ کم از کم دو انسانی منظوری کے دروازے اور ایک ٹریس ایبلٹی طریقہ کی وضاحت کریں۔ ایک صفحے کا "ورک فلو اور تصدیقی منصوبہ" لکھیں۔

چیک لسٹ

• تجربے میں، میں نے انسانی اصول کو سمجھا اور یہ کیوں ضروری تھا۔
• میں پوشیدہ ڈھانچے/ڈیٹا کو عام AI کو دیے بغیر اسے عام کرتا ہوں۔
• [ ] میں شفافیت، ذمہ داری، عدم بددیانتی اور ایمانداری کے اصولوں کی تعمیل کرتا ہوں۔
• [ ] میں نے AI/انسانی کردار کو آخر سے آخر تک کام کے بہاؤ میں الگ کر دیا۔
• میں نے انسانی منظوری کے دروازے اہم مقامات پر لگائے ہیں۔
• [ ] میں ٹریک کرتا ہوں کہ AI سے کیا آؤٹ پٹ آتا ہے اور اس کی تصدیق کیسے ہوتی ہے۔

ماڈیول امتحان

1. کیمسٹری میں مصنوعی ذہانت کے لیے درج ذیل میں سے کون سی پوزیشننگ سب سے زیادہ درست ہے؟

• A) مصنوعی ذہانت ایک کوڈ، ڈرافٹ اور ایڈیٹنگ اسسٹنٹ ہے۔ ساخت، تعداد، وسائل، سلامتی اور اخلاقی فیصلوں کی ذمہ داری انسانوں پر ہے ✔
• ب) مصنوعی ذہانت ایک کیمسٹری انجن ہے اور یہ جو مالیکیولر وزن دیتا ہے وہ ہمیشہ درست ہوتا ہے۔
• C) مصنوعی ذہانت صرف لٹریچر ریویو میں کام کرتی ہے، اس کا تجزیہ اور تحفظ سے کوئی تعلق نہیں ہے۔
• D) چونکہ مصنوعی ذہانت انسانوں سے زیادہ غیر جانبدار ہے، اس لیے حفاظتی فیصلے اس پر چھوڑ دئیے جائیں۔

تفصیل: مصنوعی ذہانت؛ یہ ایک اسسٹنٹ ہے جو کوڈ لکھتا ہے، ڈرافٹ تیار کرتا ہے، ایک ریٹرو سنتھیسس سکیلیٹن بناتا ہے، سپیکٹرم کی تشریح میں مدد کرتا ہے اور اسے منظم کرتا ہے۔ تاہم، مالیکیولر وزن اور سٹوچیومیٹری کا تعینی حساب، RDKit کے ساتھ ساخت کی تصدیق، ڈیٹا بیس میں حوالہ جات کی تصدیق، SDS/GHS کے ساتھ حفاظت کا فیصلہ اور حتمی ذمہ داری قابل کیمیا دان کی ہے۔ بڑی زبان کا ماڈل کیلکولیٹر یا کیمسٹری انجن نہیں ہے۔ یہ ایک ٹیکسٹ جنریٹر ہے جو 'اگلا ممکنہ لفظ' تیار کرتا ہے اور اس کی غیر تصدیق شدہ آؤٹ پٹ غلط ساخت، نمبر یا خطرہ کا باعث بن سکتی ہے۔

2. مصنوعی ذہانت میں مالیکیول کو بیان کرنے کا سب سے قابل اعتماد طریقہ کیا ہے؟

• الف) صرف عام ترک نام لکھنا
• ب) SMILES جیسی ساخت کی نمائندگی کرنا اور InChIKey کے ساتھ شناخت کی تصدیق کرنا ✔
• ج) صرف سالماتی وزن بتانا
• D) ٹریڈ مارک لکھنا کافی ہے۔

وضاحت: نام (خاص طور پر تجارتی اور مترادف نام) مبہم ہیں اور غلط مالیکیول کا باعث بن سکتے ہیں۔ مالیکیول کو ساختی اشارے دینا جیسے کہ SMILES درستگی فراہم کرتا ہے۔ InChIKey کے ڈیٹا بیس میں اس کی شناخت کی تصدیق ہوتی ہے۔ اس کے علاوہ، مصنوعی ذہانت کے ذریعے دی گئی مسکراہٹوں کو RDKit کے ساتھ پارس کیا جانا چاہیے اور کینونیکلائزیشن کے ذریعے ان کی تصدیق ہونی چاہیے۔

3. آپ کو مصنوعی ذہانت کے ذریعہ دیا گیا مالیکیولر وزن کیسے استعمال کرنا چاہئے؟

• A) اسے براہ راست استعمال کرنا، کیونکہ AI تعداد میں قابل اعتماد ہے۔
• ب) فارمولے سے دستی طور پر یا RDKit ✔ کے ساتھ آزادانہ طور پر حساب لگائیں اور تصدیق کریں۔
• ج) صرف ایک اور مصنوعی ذہانت سے پوچھنا اور موازنہ کرنا کافی ہے۔
• D) مالیکیولر وزن غیر اہم ہے، تصدیق کی ضرورت نہیں۔

وضاحت: مالیکیولر وزن ایک مقدار ہے جو مالیکیولر فارمولے سے طے شدہ طور پر شمار کی جاتی ہے۔ لہٰذا زبان کا نمونہ پوچھنا سب سے کمزور طریقہ ہے۔ اسے آزادانہ طور پر RDKit جیسے ٹول سے یا کسی فارمولے سے دستی طور پر حساب لگا کر تصدیق کی جانی چاہیے۔ زبان کا ماڈل ایسے نمبروں کو 'ممکنہ نظر آنے والی' قدر کے ساتھ فٹ کر سکتا ہے۔

4. آرٹیفیشل انٹیلی جنس کے ذریعے لوٹائے گئے لٹریچر کا حوالہ (آرٹیکل/DOI) استعمال کرنے سے پہلے کیا کرنا چاہیے؟

• A) کچھ نہیں؛ اگر مصنوعی ذہانت کا حوالہ دیا جائے تو یہ حقیقی ہے۔
• ب) صرف عنوان کو دیکھ کر اسے قائل کرنے کے لیے کافی ہے۔
• C) ہر ایک حوالہ اور DOI کو ڈیٹا بیس (doi.org، Crossref) میں ڈی کوڈ کرکے تصدیق کرنا ✔
• D) طویل DOI نمبر ثابت کرتا ہے کہ یہ حقیقی ہے۔

تفصیل: زبان کا ماڈل ایسے مضامین، مصنفین، اور DOIs بنا سکتا ہے جو حقیقت پسند نظر آتے ہیں لیکن موجود نہیں ہیں (جعلی حوالہ)۔ صرف اس لیے کہ یہ DOI دیتا ہے اس کا مطلب یہ نہیں ہے کہ یہ درست ہے۔ ہر اقتباس کی تصدیق ڈیٹا بیس جیسے doi.org، Crossref، یا پبلشر کی سائٹ میں ریزولیوشن کے ذریعے ہونی چاہیے۔ انسان کے لیے سب سے محفوظ بہاؤ یہ ہے کہ وہ اصلی مضمون کو تلاش کرے اور متن کا خلاصہ مصنوعی ذہانت سے کرے۔

5. کس علاقے میں مصنوعی ذہانت سب سے کمزور ہے اور رد عمل کی منصوبہ بندی میں تصدیق کی ضرورت ہے؟

• A) یہ پہچاننے میں کہ ردعمل کا تعلق کس عام طبقے سے ہے۔
• ب) درست حالت نمبر، پیداوار کی قدریں اور ریجنٹ/کیٹالسٹ کے نام ✔
• ج) سادہ زبان میں طریقہ کار کی وضاحت
• D) متبادل راستوں کے لیے ذہن سازی کرنا

وضاحت: AI عام طور پر رد عمل کی قسم اور اچھی طرح سے دستاویزی رد عمل کی اہم پیداوار کی پیش گوئی کرتا ہے۔ تاہم، درست حالت نمبر (درجہ حرارت، وقت، مساوی)، پیداوار کی قدریں، نایاب رد عمل، اور ریجنٹ/کیٹالسٹ کے نام سب سے کمزور اور من گھڑت ہونے کا شکار ہیں۔ ان کی تصدیق ادب اور کیٹلاگ سے کی جانی چاہیے۔

6. سپیکٹرم کی تشریح میں مصنوعی ذہانت کو استعمال کرنے کا سب سے قابل اعتماد طریقہ کیا ہے؟

• A) صرف چند چوٹیاں دیں اور پوچھیں 'یہ کیا سپیکٹرم ہے؟' پوچھنا
• ب) متوقع ڈھانچہ اور مکمل خام ڈیٹا دینا اور مستقل مزاجی کی جانچ کرنا (مفروضے کی جانچ) ✔
• C) انضمام اور تقسیم کیے بغیر صرف شفٹ ویلیوز لکھنا
• D) ایک ہی تکنیک کے ساتھ مکمل ڈھانچہ تفویض کرنا (صرف IR)

تفصیل: AI سے پوچھیں 'یہ سپیکٹرم کون سا مرکب ہے؟' شروع سے پوچھنا غلطی کی شرح کو بڑھاتا ہے۔ سب سے قابل اعتماد طریقہ یہ ہے کہ متوقع ڈھانچہ (SMILES) اور خام ڈیٹا (انضمام، تقسیم، حل کرنے والا، چوٹی کی فہرست) کو ایک ساتھ دیں اور پوچھیں 'کیا یہ ڈیٹا اس ڈھانچے سے مطابقت رکھتا ہے؟' پوچھنا ہے یعنی مصنوعی ذہانت کو مفروضے کے ٹیسٹر کے طور پر استعمال کرنا۔ حتمی اسائنمنٹ تجرباتی سپیکٹرم کی جانچ کرنے والے کیمسٹ کے لیے ہے۔

7. کیمیائی حساب کتاب کا نتیجہ حاصل کرنے کا سب سے قابل اعتماد طریقہ کیا ہے (مثلاً فیصد پیداوار)؟

• الف) مصنوعی ذہانت سے براہ راست زبانی طور پر نتیجہ کی درخواست کرنا
• ب) اکاؤنٹ کا Python کوڈ پرنٹ کریں اور چلائیں اور اسے ایک معروف مثال کے ساتھ ٹیسٹ کریں ✔
• ج) ایک ہی سوال کو کئی بار پوچھیں اور وہ نمبر حاصل کریں جو اکثر آتا ہے۔
• D) یونٹ کی وضاحت کیے بغیر تیزی سے تخمینہ لگانا

وضاحت: زبان کا ماڈل 'ممکنہ نتائج کی پیشن گوئی' کرکے ریاضی کرتا ہے اور بہت آسان ضرب کے ساتھ بھی غلط ہوسکتا ہے۔ سب سے قابل اعتماد طریقہ یہ ہے کہ AI اپنا کوڈ لکھے (مثال کے طور پر Python)، نہ کہ خود اکاؤنٹ، اور اس کوڈ کو چلائے۔ کوڈ تعییناتی اور قابل سماعت ہے۔ کوڈ کو ایک چھوٹے سے نمونے سے بھی جانچنا چاہیے جس کا جواب معلوم ہو۔

8. مالیکیولر پراپرٹی کی پیشن گوئی میں 'ڈومین آف اپلیکشن' کے تصور کا کیا مطلب ہے؟

• A) کمپیوٹر کی پروسیسنگ پاور جس پر ماڈل چلتا ہے۔
• B) تربیتی اعداد و شمار سے ملتا جلتا مالیکیولر خطہ، جہاں ماڈل قابل اعتماد پیشین گوئیاں دیتا ہے ✔
• C) یقین دہانی کا علاقہ جہاں ماڈل کے ذریعہ دیا گیا نمبر ہمیشہ درست ہوتا ہے۔
• D) درجہ حرارت کی حد جس میں انو لیبارٹری میں ترکیب کیا جا سکتا ہے۔

وضاحت: QSAR/پیش گوئی ماڈل ان مالیکیولز پر اچھی طرح کام کرتا ہے جو ان مالیکیولز سے ملتے جلتے ہیں جن پر اسے تربیت دی گئی تھی۔ ایک مالیکیول کو دیکھتے ہوئے جو تربیتی ڈیٹا سے بہت مختلف ہے، ماڈل اب بھی ایک عدد پیدا کرتا ہے، لیکن یہ ناقابل اعتبار ہے۔ اسے 'قابل اطلاق کے دائرہ سے باہر ہونا' کہا جاتا ہے۔ ماڈل ہمیشہ ایک جواب دیتا ہے؛ یہ انسان پر منحصر ہے کہ آیا اس کا جواب قابل اعتماد ہے یا نہیں۔

9. تجرباتی دستاویزات میں مشاہدات سے نمٹنے کا صحیح طریقہ کیا ہے؟

• A) وقت بچانے کے لیے مصنوعی ذہانت پر مشاہدات لکھنا
• ب) تجربہ کرنے والا شخص مشاہدات لکھتا ہے۔ AI صرف فارمیٹس اور چیک کرتا ہے ✔
• C) مشاہدات کو ریکارڈ نہ کرنا ہی کافی ہے، صرف حتمی نتیجہ لکھیں۔
• D) رپورٹ کو اچھی لگنے کے لیے منصوبے سے انحراف کو چھپانا۔

وضاحت: مصنوعی ذہانت نہیں جانتی کہ یہ کیا ہے؛ مشاہدات (رنگ کی تبدیلی، گیس کے اخراج وغیرہ) کو اس میں فٹ کرنے سے ایسے ریکارڈ تیار ہوتے ہیں جو قابل فہم لگتے ہیں لیکن ایسا نہیں ہوا اور یہ سائنسی فراڈ ہے۔ AI ریکارڈنگ کو فارمیٹ کرتا ہے، گمشدہ فیلڈز کو یاد کرتا ہے، اور ریپیٹ ایبلٹی کی جانچ کرتا ہے۔ لیکن انسانی تجربہ کار کو مشاہدات اور حقائق فراہم کرنے چاہئیں۔ پلان سے انحراف کو بھی ریکارڈ کیا جانا چاہیے۔

10. لیبارٹری کی حفاظت اور سچائی کے ماخذ میں مصنوعی ذہانت کا کیا کردار ہے؟

• الف) اگر مصنوعی ذہانت 'محفوظ' کہتی ہے تو کسی اور ذریعہ کی ضرورت نہیں ہے۔
• ب) سچائی کا ماخذ SDS اور GHS ہے۔ AI مددگار ہے لیکن حتمی نہیں کہہ سکتا ✔
• ج) حفاظتی فیصلے مکمل طور پر مصنوعی ذہانت کو سونپے جا سکتے ہیں۔
• D) SDS غیر ضروری ہے۔ انٹرنیٹ فورمز کافی معلومات فراہم کرتے ہیں۔

تفصیل: کیمسٹری میں حفاظت سب سے زیادہ ترجیح ہے، اور مصنوعی ذہانت یہاں کبھی بھی آخری لفظ نہیں ہو سکتی۔ اصل حفاظتی معلومات کا ذریعہ SDS (سیفٹی ڈیٹا شیٹ) اور GHS درجہ بندی ہے جو مینوفیکچرر کی طرف سے فراہم کی گئی ہے۔ AI SDS ٹیکسٹ کا خلاصہ کر سکتا ہے، فارم ڈرافٹ تیار کر سکتا ہے اور ابتدائی عدم تعمیل کی جانچ کر سکتا ہے۔ تاہم، تمام دعووں کی تصدیق SDS سے ہونی چاہیے اور طریقہ کار کو ایک تجربہ کار شخص/سیکیورٹی افسر سے منظور کیا جانا چاہیے۔

11. ری ایجنٹس کے مندرجہ ذیل مجموعوں میں سے کون سا معلوم مؤثر (غیر موافق) میچ ہے؟

• ا) پانی اور نمک ملانا
• ب) تیزابی محلول کو ہائپوکلورائٹ (کلورین گیس کا خطرہ) والے محلول کے ساتھ ملانا ✔
• ج) ایتھنول اور پانی کو ملانا
• D) چینی اور پانی کو تحلیل کرنا

وضاحت: اگرچہ کچھ کیمیکل اکیلے نسبتاً محفوظ ہیں، وہ ایک ساتھ خطرناک ہیں۔ تیزاب اور ہائپوکلورائٹ کو ملانے سے کلورین گیس نکلتی ہے۔ آکسیڈائزر + نامیاتی آگ/دھماکے، پانی + رد عمل والی دھاتی حرارت/ہائیڈروجن کا خطرہ لاحق ہے۔ اگرچہ AI ان میں سے زیادہ تر مرکبات کو جانتا ہے، لیکن یہ ان سب کی ضمانت نہیں دیتا اور بعض اوقات معصوم زبان میں خطرناک تجویز پیش کر سکتا ہے۔ SDS کی عدم تعمیل کے لیے ہر طریقہ کار کی جانچ کی جانی چاہیے۔

12. 'ہیلوسینیشن' (من گھڑت معلومات تیار کرنے والی مصنوعی ذہانت) کا سب سے درست اظہار کیا ہے؟

• A) یہ سافٹ ویئر کی ایک نادر غلطی ہے اور اسے اپ ڈیٹ کے ساتھ مکمل طور پر ختم کر دیا جاتا ہے۔
• ب) یہ زبان کے ماڈل میں موروثی رویہ ہے۔ حل یہ ہے کہ ہر آؤٹ پٹ کی آزادانہ طور پر تصدیق کی جائے ✔
• C) یہ صرف غلط لکھے ہوئے اشارے میں ظاہر ہوتا ہے، کبھی بھی درست اشارے میں نہیں۔
• D) اگر مصنوعی ذہانت محفوظ زبان میں بولے تو یہ فریب نہیں ہے۔

وضاحت: ہیلوسینیشن کوئی خرابی نہیں ہے بلکہ زبان کے ماڈل کی نوعیت کا نتیجہ ہے جو 'اگلا ممکنہ لفظ' پیدا کرتا ہے۔ ماڈل کا مقصد ممکن ہے، سچ نہیں۔ سب سے مکروہ حصہ یہ ہے کہ یہ جھوٹی معلومات کو اسی پر اعتماد زبان میں پیش کرتا ہے جس طرح سچائی ہوتی ہے۔ حل یہ نہیں ہے کہ ماڈل کو ٹھیک کرنے کی کوشش کی جائے، بلکہ ہر آؤٹ پٹ کے ارد گرد ایک قسم کے لیے موزوں توثیق کا شیل بنانا ہے۔ روانی کبھی بھی درستگی کا ثبوت نہیں ہے۔

13. ایک اہم قدر (مثلاً سالماتی وزن) کی تصدیق کرنے کے لیے 'مثلثی' کا کیا مطلب ہے؟

• الف) ایک ہی مصنوعی ذہانت سے تین بار ایک ہی سوال پوچھنا
• ب) ایک سے زیادہ آزادانہ طریقے سے موازنہ کرنا اور ایک ہی نتیجے پر پہنچنا ✔
• ج) ایک ہی وقت میں تین مختلف مالیکیولز کے وزن کا حساب لگانا
• D) نتیجہ کو تین اعشاریہ پر گول کرنا

تشریح: مثلث متعدد آزاد راستوں کے ذریعے ایک ہی نتیجے پر پہنچ رہا ہے۔ مثال کے طور پر، مصنوعی ذہانت، RDKit کیلکولیشن اور دستی حساب کتاب کے مطابق مالیکیولر وزن کا موازنہ کرنا۔ اگر دو آزاد راستے آپس میں مل جاتے ہیں تو اعتماد زیادہ ہوتا ہے۔ اگر کوئی انحراف کرتا ہے تو اسے روک کر تفتیش کی جاتی ہے۔ کسی ایک ذریعہ پر بھروسہ کرنے کے بجائے کم از کم دو آزاد طریقے تلاش کیے جائیں۔

14. ایک عام AI سروس سے ایسے منفرد مالیکیول کے بارے میں پوچھنے کا صحیح طریقہ کیا ہے جس کا پیٹنٹ نہیں کیا گیا ہے؟

• A) اصل ڈھانچہ براہ راست دینا، کیونکہ رفتار اہم ہے۔
• ب) اصل ساخت کو ظاہر کیے بغیر عام/سروگیٹ مثال کے ذریعے حکمت عملی سیکھنا ✔
• C) ڈھانچہ دینا کوئی مسئلہ نہیں ہے، AI کبھی بھی معلومات کو نہیں چھپاتا
• D) مالیکیول کا نام نہ دینا بلکہ صرف اس کی پوری مسکراہٹیں شیئر کرنا کافی تحفظ ہے۔

تفصیل: عام مصنوعی ذہانت کی خدمت میں داخل کردہ مواد کو خدمت کی پالیسی کے مطابق ذخیرہ یا پروسیس کیا جا سکتا ہے۔ اصل ڈھانچہ دینے سے رازداری اور پیٹنٹ کی ترجیح کو خطرہ لاحق ہوتا ہے۔ درست نقطہ نظر یہ ہے کہ حکمت عملی کو عام/سروگیٹ مثال (ڈھانچے کی اسی طرح کی کلاس) سے سیکھیں اور اصل ساخت کو ظاہر کیے بغیر اسے اپنے اندر کے مالیکیول پر لاگو کریں۔ ذاتی/مریض کا ڈیٹا بھی قابل شناخت شکل میں درج نہیں کیا جانا چاہیے۔