AI کیسے آرٹ اور موسیقی تیار کرتا ہے، اور کیوں "حقیقی تخلیق" متنازعہ رہتی ہے

Generative AI ٹولز اب ایک مختصر متن کے اشارے سے تصویریں، گانے اور مکمل ٹریکس تیار کرتے ہیں، اور ان کے پیچھے کی ٹیکنالوجی ایک زندہ قانونی اور ثقافتی جھگڑا بن گئی ہے۔ اکتوبر 2026 میں، موسیقی شائع کنندہ Reservoir نے کیلیفورنیا کے شمالی ضلع کی فیڈرل عدالت میں Suno اور Anthropic کے خلاف مقدمہ دائر کیا، دونوں کمپنیوں پر ہزاروں کاپی رائٹ شدہ ترتیبوں پر لائسنس کے بغیر AI نظام سکھانے کا الزام لگایا۔ اس جھگڑے کے ساتھ ہی، محققین ایک الگ سوال پر بحث جاری رکھتے ہیں: آیا کوئی بھی یہ آؤٹ پٹ تخلیق کے طور پر شمار ہوتا ہے، یا یہ کچھ بالکل مختلف ہے؟

AI تیار کی گئی تصویریں کیسے بنائی جاتی ہیں

Stable Diffusion، Midjourney اور DALL-E جیسے ٹولز diffusion ماڈلز پر منحصر ہیں۔ تربیت کے دوران، سسٹم کو حقیقی تصویریں دکھائی جاتی ہیں جبکہ بے ترتیب شور مرحلہ وار ان میں شامل کیا جاتا ہے جب تک اصل تصویر ناقابل شناخت نہ ہو جائے۔ ماڈل پھر الٹا عمل سیکھتا ہے — Cloudinary کی طرف سے شائع کردہ تکنیکی گائیڈ کے مطابق اس شور کو کیسے دور کریں۔ نسل اس کو الٹا کرتی ہے: سسٹم خالص بے ترتیب شور سے شروع ہوتا ہے اور مراحل میں اسے ہٹاتا ہے، ابتدائی مراحل وسیع شکلیں اور ترتیب تیار کرتے ہیں اور بعد کے مراحل بافت، روشنی اور تفصیل کو بہتر بناتے ہیں جب تک ایک منطقی تصویر ظاہر نہ ہو۔ ایک متن کا اشارہ ہر denoising مرحلہ کی رہنمائی کرتا ہے، ماڈل کو بتاتا ہے کہ کس موضوع، انداز اور ترتیب کی طرف بڑھیں۔

AI ایک متن کے اشارے سے موسیقی کیسے تیار کرتا ہے

Suno اور Udio جیسے موسیقی کے نظام تفصیل میں مختلف لیکن اصول میں ایک جیسے کام کرتے ہیں۔ کیونکہ خام آڈیو بہت زیادہ گھنا ہے — فی سیکنڈ لاکھوں نمبریں — براہ راست لینگویج سٹائل ماڈل میں ڈالنے کے لیے، یہ نظام پہلے آڈیو کو neural audio codecs استعمال کرتے ہوئے ایک چھوٹی تعداد میں علیحدہ "tokens" میں سنکیڑھتے ہیں، AI-TLDR کی تکنیکی جائزے کے مطابق تقریباً 600 گنا compression حاصل کرتے ہیں۔ ایک بار جب آڈیو tokens میں بدل جاتا ہے، ایک transformer ماڈل — بڑے لینگویج ماڈلز کے پیچھے اسی قسم کی تعمیر — اگلے token کی پیشن گوئی کرتا ہے، پھر اگلے، ایک مکمل گانا ٹکڑے ٹکڑے کر کے بناتا ہے۔ ایک متن کا اشارہ (اور کوئی بھی بول) پہلے ایک سہل منصوبہ میں بڑھایا جاتا ہے جو صنف، رفتار اور گانے کی ساخت پر غور کرتا ہے آڈیو tokens تیار ہونے سے پہلے۔ ماڈلز کو بڑی موسیقی لائبریریوں پر تربیت دی جاتی ہے اور عام طور پر کام کرتے ہیں، اس جائزے میں استعمال کی گئی تفصیل میں، "composition engines" کے طور پر جو chord progressions اور گانے کی ساخت کو جذب کرتے ہیں بجائے مخصوص موجودہ گانوں کو حاصل کرنے کے۔

ٹیکنالوجی کے پیچھے کاپی رائٹ کی لڑائی

ان نظاموں کی تربیت کے لیے بہت بڑی مقدار میں موجودہ تخلیقی کام کی ضرورت ہے، جو اب فعال مقدمہ بازی کا موضوع ہے۔ Reservoir کے اکتوبر 21، 2026 کے مقدمہ اندراج میں یہ دعویٰ کیا جاتا ہے کہ Suno نے 1,050 کاپی رائٹ شدہ موسیقی ترتیبیں استعمال کیں اور Anthropic نے 853 ترتیبوں سے بول استعمال کیے — جس میں Madonna، Johnny Cash اور Joni Mitchell کے کام شامل ہیں — بغیر اختیار کے، Law Commentary کے ذریعے جائزہ کردہ filings کے ایک خلاصے کے مطابق۔ Reservoir Suno سے تقریباً $186.4 ملین statutory damages اور Anthropic سے تقریباً $151.4 ملین مانگ رہا ہے، Digital Millennium Copyright Act کے تحت دعویوں کے علاوہ۔ Suno نے دعویٰ کیا ہے کہ AI کو کاپی رائٹ شدہ مواد پر تربیت دینا fair use کے طور پر شمار ہو سکتا ہے اور الگ سے Warner، BMG اور Believe کے ساتھ لائسنسنگ معاہدے پر دستخط کیے ہیں؛ Anthropic نے کہا کہ یہ مقدمے کا دفاع کرنے کا ارادہ رکھتا ہے۔ Reservoir کی شکایت ان لائسنسنگ معاملوں کو اس بات کے ثبوت کے طور پر حوالہ دیتی ہے کہ موسیقی کو استعمال کرنے کے لیے ایک جائز بازار پہلے سے موجود ہے۔

کیا یہ کوئی "تخلیقی" ہے؟ محققین متفق نہیں ہیں

قانونی سوال کے علاوہ، علماء اس بات پر متفق نہیں ہیں کہ آیا ان نظاموں کی پیداوار تخلیق کی کسی معقول تعریف کو پوری کرتی ہے۔ Computational linguist Emily Bender اور ہم کاری اعضاء بڑے ماڈلز کو "stochastic parrots" کے طور پر بیان کرتے ہیں جو تربیت کے اعداد و شمار میں نمونوں کو شماریاتی طور پر دہراتے ہیں بجائے خیالات کو ظاہر کرنے کے، Heidelberg Laureate Foundation کے بحث کے جائزے کے مطابق۔ Computer vision researcher Alexei Efros بند، rule-bound علاقوں جیسے شطرنج یا Go — جہاں AI نظام fixed rules میں innovation کرتے ہیں — اور کھلے علاقوں جیسے آرٹ کے درمیان فرق کرتا ہے، جہاں کوئی fixed target موجود نہیں ہے۔

دوسرے محققین ایک مختلف زاویے سے واپس دھکیلتے ہیں۔ AI researcher Selmer Bringsjord دعویٰ کرتا ہے کہ موجودہ AI output تربیت کے اعداد و شمار کو "remixing" کرنا ہے بجائے حقیقی تخلیق کے، اور انہوں نے Lovelace Test کی تجویز دی، جس میں ایک نظام صرف تب creative کے طور پر شمار ہوگا اگر یہ آؤٹ پٹ تیار کرے جو اس کے اپنے designers وضاحت نہیں کر سکتے — ایک بار جس پر وہ کہتے ہیں کہ آج کے ماڈلز نہیں کلیئر کرتے، BrainFacts.org کی طرف سے شائع ایک خلاصے کے مطابق۔ Psychologist Mark Runco اضافہ کرتے ہیں کہ intentionality انسانی تخلیق میں مرکزی ہے: لوگ شعوری طور پر بنانے کا انتخاب کرتے ہیں، جبکہ AI نظام prompts کے جواب میں ہیں جو صارف کے intent کو reflect کرتے ہیں نہ کہ ان کے اپنے۔ Testing grounds پر، ایک ہی BrainFacts.org خلاصہ نوٹ کرتا ہے کہ کچھ ماڈلز، GPT-4 سمیت، divergent-thinking tests میں اوسط انسان سے بہتر اسکور کیے جو متنوع خیالات تیار کرنے کی صلاحیت کو ماپتے ہیں — اگرچہ top human creative performers نے ابھی بھی AI نظاموں کو test کیا superior ہے۔

بحث artists اور listeners تک کہاں پہنچتی ہے

Heidelberg Laureate Foundation کے جائزے میں نوٹ کیا گیا ہے کہ، یہ دیکھتے ہوئے کہ انسانی تخلیق کی تعریف پہلے سے ہی محققین کے درمیان کتنی متنازعہ ہے، AI پر ایک حتمی جواب غیر حل شدہ رہ سکتا ہے۔ اس جائزے میں حوالہ کردہ متعدد تبصروں کاروں نے آگے کے زیادہ عملی راستے کو AI کے طور پر سمجھتے ہیں جو انسانی تخلیقی کام کو بڑھاتا ہے بجائے اپنے طور پر الگ تخلیقی agent کے — ایک فریم ورک جو ساتھ ہی ہے، لیکن حل نہیں کرتا، جاری کاپی رائٹ تنازعات پر کہ یہ نظام پہلے کی جگہ تربیت دی گئیں۔