20 اکتوبر، 2026 کا شمارہ

مصنوعی ذہانت سے "ایک نرس" یا "ایک وکیل" مانگیں۔ آپ شکل و صورت کا کوئی ذکر نہیں کرتے۔ کارنیل یونیورسٹی کی قیادت میں ایک ٹیم نے 27 امیج جنریٹرز کے ساتھ یہی کیا اور 51,300 چہرے حاصل کیے۔

550 لوگوں کی درجہ بندی میں، وہ تمام 23 جنریٹرز جن کی کافی تصاویر کو درجہ دیا گیا، کشش میں اصلی تصاویر سے آگے نکل گئے۔ عورت کے طور پر مانگے گئے چہروں میں سے 37% نے خودکار اسکور میں درمیانی فیشن ماڈل کو پیچھے چھوڑ دیا۔ نائجیرین، سیاہ فام یا ایتھوپین کے طور پر مانگے گئے چہروں کو سب سے کم اسکور ملا۔

پھر 570 لوگوں نے نوکری کے امیدواروں کی جانچ کی۔ کچھ نے پہلے مصنوعی ذہانت کے بہت پرکشش چہرے دیکھے۔ اس کے بعد انہوں نے انہی اصلی امیدواروں کو نوکری کے لیے کم موزوں اور کم قابلِ اعتماد قرار دیا۔ کم لوگوں کو انٹرویو کے لیے بلایا گیا: 72.5% بمقابلہ 77.4%۔

تصویر کی روایتی ریٹچنگ سے کچھ نہیں بدلا۔ مصنفین ابھی نہیں بتا سکتے کہ مصنوعی ذہانت کے چہرے فرق کیوں ڈالتے ہیں۔ لیکن مصنوعی لوگ اشتہارات، ویب سائٹس اور اسٹاک تصاویر میں بھرتے جا رہے ہیں۔

ماخذ: Generative AI Produces and Transmits Beauty Bias, https://arxiv.org/abs/2610.22553

ایک گول ٹریک پر کئی دوڑنے والوں کا تصور کریں۔ ایک ہی آغاز، ہر ایک اپنی مستقل رفتار سے۔ کیا ہر دوڑنے والا کسی لمحے باقی سب سے دور ہوگا؟ یہ تنہا دوڑنے والے کا قیاس ہے۔

n + 1 دوڑنے والوں کے ساتھ یہ کم از کم 1/(n + 1) چکر کے فاصلے کی پیش گوئی کرتا ہے۔ گنتی کی ایک سادہ دلیل اس کا صرف آدھا ضمانت دیتی ہے۔ دہائیوں تک، دوڑنے والوں کے اضافے کے ساتھ اس آسان حد پر حاصل ہونے والے فائدے سکڑ کر صفر ہو جاتے تھے۔

Xiyu Hu اور Yifan Jing نے اب ایک ایسا فائدہ ثابت کیا ہے جو کبھی ماند نہیں پڑتا: آسان حد سے ایک مقررہ کسر زیادہ، دوڑنے والوں کی کسی بھی تعداد کے لیے۔ اوزار: اوورلیپ کی ایک نئی عدم مساوات اور مشترک قاسموں کے بارے میں دلائل۔

مصنفین نے ثبوتوں کی جانچ اور انہیں نکھارنے کے لیے ChatGPT 6 استعمال کیا۔ وہ لکھتے ہیں کہ ماڈلز خود سے حد کو بہتر نہیں کر سکے۔

ماخذ: Near optimal gap in the Lonely Runner Conjecture, https://arxiv.org/abs/2610.23790

موسمیاتی ماڈلز دنیا کے چند سب سے بڑے سپر کمپیوٹرز پر چلتے ہیں۔ لیکن کمپیوٹنگ کا ہر اضافی حصہ کتنی درستگی خریدتا ہے؟ 24 محققین کی ایک ٹیم نے 1995 سے بنائے گئے 159 موسمیاتی ماڈلز کی جانچ کی۔

ان کا جواب حیرت انگیز طور پر مستقل ہے۔ کمپیوٹنگ کے ہر دُگنے ہونے نے ماڈل کی غلطی تقریباً 13.5% کم کی ہے۔ آج کی غلطی کو آدھا کرنے کے لیے تقریباً 28 گنا زیادہ کمپیوٹنگ درکار ہوگی۔

فائدے غیر مساوی ہیں۔ پہلی نسل سے اب تک ہوا کے دباؤ کی غلطیاں 3.5 گنا اور سطحی درجۂ حرارت کی غلطیاں 2.7 گنا کم ہوئیں۔ بارش کی غلطیاں صرف 7% کم ہوئیں۔

مصنوعی ذہانت کے موسمی ماڈل اب بہترین پیش گوئیوں کے برابر ہیں۔ پھر بھی ان میں سے کوئی بھی اپنی ناپی گئی توانائی شائع نہیں کرتا۔ تربیت کو شامل کریں تو ان میں سے ایک کارکردگی میں دوسرے نمبر سے آخری نمبر پر آ جاتا ہے۔ ٹیم مطالبہ کرتی ہے کہ توانائی کو درستگی کے ساتھ رپورٹ کیا جائے۔

ماخذ: Energy-Aware Earth System Science: A Community Roadmap, https://arxiv.org/abs/2610.23216

روزانہ بارش کا ریکارڈ رکھیں اور ہر ریکارڈ نوٹ کریں: ایسا دن جو اپنے سے پہلے کے تمام دنوں سے زیادہ گیلا ہو۔ بہت سے ریکارڈز کا مطلب یقیناً ایک بلند آخری چوٹی ہونا چاہیے؟ تین ماہرینِ طبیعیات نے درست ریاضی سے اس کی جانچ کی۔

کسی بھی ہموار تقسیم سے لی گئی بے ترتیب قدروں کے لیے جواب ہے: نہیں۔ ریکارڈز کی تعداد اور سب سے بڑی قدر کا آپس میں کوئی تعلق نہیں۔ ایک کو جاننے سے دوسرے کے بارے میں کچھ پتا نہیں چلتا، سلسلہ کتنا ہی لمبا ہو۔

خشک دن، یعنی صفر بارش والے دن، شامل کریں تو ایک تعلق ابھر آتا ہے۔ خشک دنوں کے ایک فیصلہ کن تناسب سے اوپر یہ پہلے بڑھتا ہے، پھر ماند پڑتا ہے۔ اس سے نیچے یہ صرف ماند پڑتا ہے۔ اس حد کا ایک درست فارمولا ہے۔

ٹیم نے اسے جرمن موسمیاتی اسٹیشنوں کے روزانہ بارش کے ریکارڈز پر آزمایا۔ ایک گروپ حد سے اوپر تھا، دوسرا نیچے۔ دونوں نے پیش گوئی کردہ شکل کی پیروی کی، کسی پیرامیٹر کو ایڈجسٹ کیے بغیر۔

ماخذ: Emergence of Correlations Between Records and Maximum in Random Time Series, https://arxiv.org/abs/2610.23217

اسٹرن اسکلنگ (stern-sculling) ایک اکیلے چپو سے کشتی چلانے کا ایک پرانا طریقہ ہے۔ چپو کشتی کے پچھلے سرے پر ایک کھانچے میں ٹکا ہوتا ہے، اور اس کا پھل ہمیشہ پانی کے اندر رہتا ہے۔ چپو چلانے والے کے ہاتھ لامتناہیت کا نشان بناتے ہیں۔

ایک فرانسیسی ٹیم نے 4.7 میٹر کی ایک کشتی پر قوت پیما، حرکت کے سینسر اور رفتار پیما لگائے۔ پھر دو تجربہ کار چپو بازوں نے پرسکون پانی پر اسے ساکن حالت سے انتہائی رفتار تک پہنچایا۔

دائیں بائیں ضربوں کے دوران چپو کا پھل پر کی طرح کام کرتا ہے۔ اٹھان (lift) کشتی کو آگے دھکیلتی ہے۔ ہر موڑ پر پھل کا تیزی سے پلٹنا پانی کو پیچھے دھکیلتا ہے۔ ضرب کے چاروں مراحل آگے بڑھاتے ہیں۔

کارکردگی 1.2 میٹر فی سیکنڈ کی معتدل رفتار پر تقریباً 65% کی چوٹی پر پہنچتی ہے۔ 2 میٹر فی سیکنڈ پر یہ گر کر تقریباً 25% رہ جاتی ہے۔ تب کشتی کا ڈھانچہ اپنی فیصلہ کن رفتار کے قریب ہوتا ہے، اور لہریں محنت کو کھا جاتی ہیں۔

ماخذ: Hydrodynamics and propulsive efficiency of stern-sculling propulsion, https://arxiv.org/abs/2610.23444

ہمارے نظامِ شمسی کے چاروں دیوہیکل سیاروں کے حلقے ہیں۔ پھر بھی کسی دوسرے ستارے کے کسی بالغ سیارے کے گرد کبھی کسی حلقے کی تصدیق نہیں ہوئی۔ کیا وہ نایاب ہیں، یا بس انہیں دیکھنا مشکل ہے؟

رومن خلائی دوربین میں ایک کوروناگراف ہے جو ستارے کی روشنی کو روک دیتا ہے۔ اسے دیوہیکل سیاروں کو ان کی منعکس کردہ ستاروں کی روشنی سے دیکھ لینا چاہیے۔ یونیورسٹی آف مشی گن کی ایک ٹیم نے ماڈل بنایا کہ حلقے اس میں کیا اضافہ کریں گے۔

حلقے اپنے سیارے سے دس سے سو گنا تک زیادہ چمکدار ہو سکتے ہیں۔ اور وہ ایک نشان چھوڑتے ہیں: مدار کے ساتھ چمک میں دو کے بجائے چار اتار چڑھاؤ۔

ٹیم نے رومن کے ایک اہم ہدف ایپسیلون ایریڈانی b کی نقل (simulation) تیار کی۔ حلقے کے بغیر یہ اکثر شناخت کی حد سے نیچے چلا جاتا ہے۔ زحل جیسے حلقے کے ساتھ یہ دو گنا تک زیادہ چمکتا ہے اور تقریباً اپنے پورے مدار پر نظر آتا رہتا ہے۔

ماخذ: Detecting Exoplanetary Rings with Roman CGI Reflected Light Phase Curve Observations, https://arxiv.org/abs/2610.23835

گرڈ کی بجلی 50 یا 60 ہرٹز پر چلتی ہے، مگر کبھی بالکل ٹھیک نہیں۔ اس کی فریکوئنسی ڈگمگاتی ہے، اور پورے گرڈ میں ایک ہی طرح۔ لیمپ اس کے ساتھ ٹمٹماتے ہیں، اور کیمرے اس ٹمٹماہٹ کو ریکارڈ کرتے ہیں۔

ساؤتھیمپٹن سولینٹ یونیورسٹی کے دو محققین کو امید تھی کہ مصنوعی ذہانت کی ویڈیوز میں یہ ٹمٹماہٹ نہیں ہوگی۔ حیرت: جنریٹرز اسے اصلی فوٹیج جتنی ہی شدت سے پیدا کرتے ہیں۔ اس کی موجودگی کچھ ثابت نہیں کرتی۔

چنانچہ وہ اس ڈگمگاہٹ کا موازنہ گرڈ کے ایک آزاد ریکارڈ سے کرتے ہیں۔ ان کے نظام نے 93% اصلی آڈیو کلپس اور 100% اصلی ویڈیوز کو قبول کیا۔ یہ ایک دن کے اندر کسی آواز کی ریکارڈنگ کا وقت تقریباً ایک سیکنڈ کی درستگی سے بتا سکتا ہے۔

ایک اصلی منظر کی مصنوعی ذہانت سے بنائی گئی دو نقول 60 ہرٹز پر ٹمٹما رہی تھیں، جبکہ دعویٰ کی گئی جگہ 50 پر چلتی ہے۔ کمزور پہلو باقی ہے: اصلی فوٹیج میں بدلا گیا چہرہ اصلی بھنبھناہٹ ہی رکھتا ہے۔

ماخذ: An Agentic ENF Framework for Forensic Video Authentication Against Generative AI, https://arxiv.org/abs/2610.22440

گلوآنز مضبوط قوت کو منتقل کرتے ہیں، وہی قوت جو کوارکس کو جوڑ کر رکھتی ہے۔ انہیں کافی گرم کریں تو وہ ایک پلازما بنا لیتے ہیں۔ یہ کتنا دباؤ ڈالتا ہے؟ ماہرینِ طبیعیات اس کا جواب قدم بہ قدم نکالتے ہیں، اور ہر قدم ایک زیادہ باریک تصحیح ہوتا ہے۔

ایک قدم، جسے g⁶ اصطلاح کہا جاتا ہے، بیس سال سے زیادہ عرصے تک پہنچ سے باہر رہا۔ اس کے لیے 65 الجھے ہوئے ڈایاگرام درکار ہیں، جن میں سے ہر ایک میں چار لوپ ہیں۔

ہیلسنکی، ترکو، چلی اور برن کی ایک ٹیم نے آخرکار اسے مکمل کر لیا۔ انہوں نے ایک نئے طریقے سے نو نامعلوم انٹیگرلز حل کیے، اور اس پر سپر کمپیوٹرز پر تقریباً دس لاکھ پروسیسر گھنٹے صرف ہوئے۔

نتیجہ: پچھلے قدم پلازما کی کمپیوٹر سمولیشنز سے کبھی اوپر اور کبھی نیچے جھولتے تھے۔ نئی اصطلاح کے ساتھ نظریہ اور سمولیشن متفق ہو جاتے ہیں، اس درجۂ حرارت کے چند گنا تک جس پر گلوآنز آزاد ہو جاتے ہیں۔ اگلا ہدف: کوارکس کو شامل کرنا، نیوٹران ستاروں کے انضمام کے لیے۔

ماخذ: Complete g⁶ pressure of hot Yang-Mills theory, https://arxiv.org/abs/2610.23675

ہندوستان میں روزمرہ خریداری کا بڑا حصہ چھوٹی جنرل اسٹورز میں ہوتا ہے جنہیں کریانہ دکانیں کہتے ہیں۔ کیا مصنوعی ذہانت ایک ایسی دکان چلا سکتی ہے؟ BITS Pilani کی ایک ٹیم نے یہ جاننے کے لیے ایک فرضی دکان بنائی۔

ایک ہی مصنوعی ذہانت ماڈل چاروں ملازمین کا کردار ادا کرتا ہے: منیجر، کیشیئر، مددگار اور منشی۔ منیجر کبھی دکان نہیں دیکھتا، صرف عملے کی رپورٹیں۔ گاہک اور سپلائرز انگریزی، ہندی یا ہنگلش بولتے ہیں۔

چار اوپن مصنوعی ذہانت ماڈلز نے اسے 30 فرضی دنوں تک چلایا۔ اصولوں پر چلنے والے ایک سادہ دکاندار نے تقریباً 103,000 روپے کمائے۔ بہترین ماڈل کی اوسط تقریباً 13,700 رہی۔ دو ماڈلز نے اس دکان سے بھی زیادہ نقصان کیا جسے کوئی نہیں چلا رہا تھا۔

ناکامیوں کے نام ہیں۔ ایسے سپلائرز کو ای میلز جو وجود ہی نہیں رکھتے۔ ایک ادائیگی جو کبھی ہوئی ہی نہیں۔ دو بار ادا کیے گئے آرڈر۔ ایک ماڈل کی 42% ہندی ای میلز ناقابلِ فہم کہہ کر واپس کر دی گئیں۔

ماخذ: KiranaBench: Can a Language Model Run a Neighbourhood Shop?, https://arxiv.org/abs/2610.22980

صحت کی ایپس آپ کی دل کی دھڑکن، آپ کا گلوکوز، اور کبھی کبھی آپ کی ذہنی صحت پر نظر رکھتی ہیں۔ امریکہ اور کینیڈا کی جامعات کی ایک ٹیم نے گوگل پلے پر ان میں سے 10,000 سے زیادہ کا جائزہ لیا۔

69% کم از کم ایک ایسی اجازت مانگتی ہیں جس کا جواز ان کی تفصیل میں نہیں۔ تقریباً آدھی کسی بیان کردہ وجہ کے بغیر آپ کا مقام یا کیمرا چاہتی ہیں۔ ایک تہائی مائیکروفون چاہتی ہیں۔

ٹیم نے یہ ایپس آزمائشی فونز پر چلائیں۔ جو 3,599 چل سکیں، ان میں سے 93% نے رضامندی کی کوئی اسکرین نہیں دکھائی۔ اس کے باوجود بہت سی نے فون کی اشتہاری شناخت (advertising ID) بھیج دی۔

جب رضامندی کا فارم ظاہر ہوتا ہے تو ایپس زیادہ تر اپنی بات پر قائم رہتی ہیں: 14 میں سے 1 نے کچھ ایسا جمع کیا جس کا اس نے ذکر نہیں کیا تھا۔ بڑے اور وسائل سے مالا مال ڈویلپرز بھی چوک گئے۔ مصنفین مطالبہ کرتے ہیں کہ کسی ایپ کے اسٹور تک پہنچنے سے پہلے رازداری کی خودکار جانچ کی جائے۔

ماخذ: Bad Diagnosis: Analyzing Consent and Data Collection Practices of Mobile Medical Apps, https://arxiv.org/abs/2610.23851