10 ਡੈਮੋ ਜੋ 100 ਲੇਖਾਂ ਨਾਲੋਂ ਬਿਹਤਰ ਢੰਗ ਨਾਲ ਆਧੁਨਿਕ AI ਨੂੰ ਸਮਝਾਉਂਦੇ ਹਨ

ਬੁੱਧੀ ਦਾ ਵਿਜ਼ੂਅਲ ਸਬੂਤ

AI ਬਾਰੇ ਪੜ੍ਹਨ ਦਾ ਦੌਰ ਖਤਮ ਹੋ ਗਿਆ ਹੈ। ਹੁਣ ਅਸੀਂ ਇਸਨੂੰ ਦੇਖਣ ਦੇ ਦੌਰ ਵਿੱਚ ਦਾਖਲ ਹੋ ਗਏ ਹਾਂ। ਸਾਲਾਂ ਤੱਕ, ਉਪਭੋਗਤਾ ਇਸ ਗੱਲ ‘ਤੇ ਨਿਰਭਰ ਰਹੇ ਕਿ ਲਾਰਜ ਲੈਂਗੂਏਜ ਮਾਡਲ ਕੀ ਕਰ ਸਕਦੇ ਹਨ। ਹੁਣ, OpenAI ਅਤੇ Google ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਦੇ ਹਾਈ-ਪ੍ਰੋਫਾਈਲ ਵੀਡੀਓ ਡੈਮੋ ਨੇ ਗੱਲਬਾਤ ਦਾ ਰੁਖ ਬਦਲ ਦਿੱਤਾ ਹੈ। ਇਹ ਕਲਿੱਪ ਅਜਿਹੇ ਸਾਫਟਵੇਅਰ ਦਿਖਾਉਂਦੇ ਹਨ ਜੋ ਰੀਅਲ ਟਾਈਮ ਵਿੱਚ ਦੇਖ, ਸੁਣ ਅਤੇ ਬੋਲ ਸਕਦੇ ਹਨ। ਉਹ ਵੀਡੀਓ ਜਨਰੇਟਰ ਦਿਖਾਉਂਦੇ ਹਨ ਜੋ ਇੱਕ ਵਾਕ ਤੋਂ ਸਿਨੇਮੈਟਿਕ ਦੁਨੀਆ ਬਣਾਉਂਦੇ ਹਨ। ਇਹ ਡੈਮੋ ਰਿਸਰਚ ਪੇਪਰਾਂ ਅਤੇ ਅਸਲ ਉਤਪਾਦਾਂ ਵਿਚਕਾਰ ਇੱਕ ਪੁਲ ਦਾ ਕੰਮ ਕਰਦੇ ਹਨ। ਉਹ ਇੱਕ ਅਜਿਹੇ ਭਵਿੱਖ ਦੀ ਝਲਕ ਦਿੰਦੇ ਹਨ ਜਿੱਥੇ ਕੰਪਿਊਟਰ ਸਿਰਫ਼ ਇੱਕ ਟੂਲ ਨਹੀਂ, ਸਗੋਂ ਇੱਕ ਸਹਿਯੋਗੀ ਹੈ। ਹਾਲਾਂਕਿ, ਇੱਕ ਡੈਮੋ ਇੱਕ ਪ੍ਰਦਰਸ਼ਨ ਹੈ। ਇਹ ਇੱਕ ਅਜਿਹੀ ਟੈਕਨਾਲੋਜੀ ਦੀ ਧਿਆਨ ਨਾਲ ਤਿਆਰ ਕੀਤੀ ਗਈ ਖਿੜਕੀ ਹੈ ਜੋ ਸ਼ਾਇਦ ਜਨਤਾ ਲਈ ਤਿਆਰ ਨਾ ਹੋਵੇ।

ਇੰਡਸਟਰੀ ਦੀ ਮੌਜੂਦਾ ਸਥਿਤੀ ਨੂੰ ਸਮਝਣ ਲਈ, ਸਾਨੂੰ ਚਮਕਦਾਰ ਪਿਕਸਲ ਤੋਂ ਪਰੇ ਦੇਖਣਾ ਹੋਵੇਗਾ। ਸਾਨੂੰ ਇਹ ਪੁੱਛਣਾ ਹੋਵੇਗਾ ਕਿ ਇਹ ਵੀਡੀਓ ਕੀ ਸਾਬਤ ਕਰਦੇ ਹਨ ਅਤੇ ਕੀ ਲੁਕਾਉਂਦੇ ਹਨ। ਟੀਚਾ ਇੰਜੀਨੀਅਰਿੰਗ ਦੀਆਂ ਪ੍ਰਾਪਤੀਆਂ ਨੂੰ ਮਾਰਕੀਟਿੰਗ ਦੇ ਡਰਾਮੇ ਤੋਂ ਵੱਖ ਕਰਨਾ ਹੈ। ਇਹ ਅੰਤਰ ਹਰ ਵੱਡੀ ਟੈਕ ਕੰਪਨੀ ਲਈ ਮੌਜੂਦਾ ਦੌਰ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦਾ ਹੈ। ਅਸੀਂ ਹੁਣ ਮਾਡਲਾਂ ਨੂੰ ਸਿਰਫ਼ ਉਹਨਾਂ ਦੇ ਬੈਂਚਮਾਰਕਾਂ ਦੁਆਰਾ ਨਹੀਂ ਪਰਖ ਰਹੇ ਹਾਂ। ਅਸੀਂ ਉਹਨਾਂ ਨੂੰ ਲੈਂਸ ਜਾਂ ਮਾਈਕ੍ਰੋਫੋਨ ਰਾਹੀਂ ਭੌਤਿਕ ਸੰਸਾਰ ਨਾਲ ਗੱਲਬਾਤ ਕਰਨ ਦੀ ਉਹਨਾਂ ਦੀ ਯੋਗਤਾ ਦੁਆਰਾ ਪਰਖ ਰਹੇ ਹਾਂ। ਇਹ ਤਬਦੀਲੀ ਮਲਟੀਮੋਡਲ ਯੁੱਗ ਦੀ ਸ਼ੁਰੂਆਤ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ ਜਿੱਥੇ ਇੰਟਰਫੇਸ ਓਨਾ ਹੀ ਮਹੱਤਵਪੂਰਨ ਹੈ ਜਿੰਨੀ ਇਸਦੇ ਪਿੱਛੇ ਦੀ ਬੁੱਧੀ।

ਸਟੇਜਡ ਹਕੀਕਤ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ

ਇੱਕ ਆਧੁਨਿਕ AI ਡੈਮੋ ਸਾਫਟਵੇਅਰ ਇੰਜੀਨੀਅਰਿੰਗ ਅਤੇ ਫਿਲਮ ਨਿਰਮਾਣ ਦਾ ਮਿਸ਼ਰਣ ਹੈ। ਜਦੋਂ ਕੋਈ ਕੰਪਨੀ ਕਿਸੇ ਮਾਡਲ ਨੂੰ ਇਨਸਾਨ ਨਾਲ ਗੱਲਬਾਤ ਕਰਦੇ ਹੋਏ ਦਿਖਾਉਂਦੀ ਹੈ, ਤਾਂ ਉਹ ਅਕਸਰ ਸੰਪੂਰਨ ਸਥਿਤੀਆਂ ਵਿੱਚ ਵਧੀਆ ਹਾਰਡਵੇਅਰ ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹੁੰਦੇ ਹਨ। ਇਹ ਡੈਮੋ ਆਮ ਤੌਰ ‘ਤੇ ਤਿੰਨ ਸ਼੍ਰੇਣੀਆਂ ਵਿੱਚ ਆਉਂਦੇ ਹਨ। ਪਹਿਲਾ ਉਤਪਾਦ ਡੈਮੋ ਹੈ। ਇਹ ਇੱਕ ਅਜਿਹੀ ਵਿਸ਼ੇਸ਼ਤਾ ਦਿਖਾਉਂਦਾ ਹੈ ਜੋ ਤੁਰੰਤ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਰੋਲ ਆਊਟ ਹੋ ਰਹੀ ਹੈ। ਦੂਜਾ ਸੰਭਾਵਨਾ ਡੈਮੋ ਹੈ। ਇਹ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ Google DeepMind ਦੇ ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਲੈਬ ਦੇ ਵਾਤਾਵਰਣ ਵਿੱਚ ਕੀ ਪ੍ਰਾਪਤ ਕੀਤਾ ਹੈ ਪਰ ਅਜੇ ਲੱਖਾਂ ਉਪਭੋਗਤਾਵਾਂ ਤੱਕ ਨਹੀਂ ਪਹੁੰਚ ਸਕਦੇ। ਤੀਜਾ ਪ੍ਰਦਰਸ਼ਨ ਹੈ। ਇਹ ਭਵਿੱਖ ਦਾ ਇੱਕ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਹੈ ਜੋ ਭਾਰੀ ਐਡੀਟਿੰਗ ਜਾਂ ਖਾਸ ਪ੍ਰੋਂਪਟਾਂ ‘ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਤੱਕ ਜਨਤਾ ਪਹੁੰਚ ਨਹੀਂ ਕਰ ਸਕਦੀ।

ਉਦਾਹਰਨ ਲਈ, ਜਦੋਂ ਅਸੀਂ ਇੱਕ ਮਾਡਲ ਨੂੰ ਕੈਮਰਾ ਲੈਂਸ ਰਾਹੀਂ ਵਸਤੂਆਂ ਦੀ ਪਛਾਣ ਕਰਦੇ ਦੇਖਦੇ ਹਾਂ, ਤਾਂ ਅਸੀਂ ਮਲਟੀਮੋਡਲ ਪ੍ਰੋਸੈਸਿੰਗ ਵਿੱਚ ਇੱਕ ਵੱਡੀ ਛਾਲ ਦੇਖ ਰਹੇ ਹੁੰਦੇ ਹਾਂ। ਮਾਡਲ ਨੂੰ ਵੀਡੀਓ ਫਰੇਮਾਂ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਨਾ, ਉਹਨਾਂ ਨੂੰ ਡੇਟਾ ਵਿੱਚ ਬਦਲਣਾ ਅਤੇ ਮਿਲੀਸਕਿੰਟ ਵਿੱਚ ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਵਿੱਚ ਜਵਾਬ ਦੇਣਾ ਹੁੰਦਾ ਹੈ। ਇਹ ਸਾਬਤ ਕਰਦਾ ਹੈ ਕਿ ਲੈਟੈਂਸੀ ਦੀ ਰੁਕਾਵਟ ਘੱਟ ਰਹੀ ਹੈ। ਇਹ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ ਆਰਕੀਟੈਕਚਰ ਉੱਚ ਬੈਂਡਵਿਡਥ ਇਨਪੁਟ ਨੂੰ ਸੰਭਾਲ ਸਕਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਜੋ ਅਣਪ੍ਰਮਾਣਿਤ ਰਹਿੰਦਾ ਹੈ ਉਹ ਇਹਨਾਂ ਸਿਸਟਮਾਂ ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਹੈ। ਇੱਕ ਡੈਮੋ ਉਹ ਦਸ ਵਾਰ ਨਹੀਂ ਦਿਖਾਉਂਦਾ ਜਦੋਂ ਮਾਡਲ ਵਸਤੂ ਨੂੰ ਪਛਾਣਨ ਵਿੱਚ ਅਸਫਲ ਰਿਹਾ। ਇਹ ਉਹ ਹਲੂਸੀਨੇਸ਼ਨ ਨਹੀਂ ਦਿਖਾਉਂਦਾ ਜਿੱਥੇ AI ਭਰੋਸੇ ਨਾਲ ਇੱਕ ਬਿੱਲੀ ਨੂੰ ਟੋਸਟਰ ਵਜੋਂ ਪਛਾਣ ਲੈਂਦਾ ਹੈ।

ਜਨਤਾ ਇਹਨਾਂ ਟੂਲਾਂ ਦੀ ਤਿਆਰੀ ਨੂੰ ਵਧਾ-ਚੜ੍ਹਾ ਕੇ ਪੇਸ਼ ਕਰਦੀ ਹੈ ਜਦੋਂ ਕਿ ਉਹਨਾਂ ਨੂੰ ਇੱਕ ਵਾਰ ਵੀ ਕੰਮ ਕਰਨ ਲਈ ਲੋੜੀਂਦੀ ਕੱਚੀ ਤਕਨੀਕੀ ਪ੍ਰਾਪਤੀ ਨੂੰ ਘੱਟ ਸਮਝਦੀ ਹੈ। ਟੈਕਸਟ ਤੋਂ ਇੱਕ ਤਾਲਮੇਲ ਵਾਲਾ ਵੀਡੀਓ ਬਣਾਉਣਾ ਇੱਕ ਬਹੁਤ ਵੱਡੀ ਗਣਿਤਿਕ ਚੁਣੌਤੀ ਹੈ। ਇਸਨੂੰ ਅਜਿਹੇ ਤਰੀਕੇ ਨਾਲ ਕਰਨਾ ਜੋ ਭੌਤਿਕ ਵਿਗਿਆਨ ਦੇ ਨਿਯਮਾਂ ਦੀ ਪਾਲਣਾ ਕਰਦਾ ਹੈ, ਹੋਰ ਵੀ ਔਖਾ ਹੈ। ਅਸੀਂ ਵਰਲਡ ਸਿਮੂਲੇਟਰਾਂ ਦਾ ਜਨਮ ਦੇਖ ਰਹੇ ਹਾਂ। ਇਹ ਸਿਰਫ਼ ਵੀਡੀਓ ਪਲੇਅਰ ਨਹੀਂ ਹਨ। ਇਹ ਉਹ ਇੰਜਣ ਹਨ ਜੋ ਭਵਿੱਖਬਾਣੀ ਕਰਦੇ ਹਨ ਕਿ ਰੋਸ਼ਨੀ ਅਤੇ ਗਤੀ ਕਿਵੇਂ ਕੰਮ ਕਰਦੀ ਹੈ। ਭਾਵੇਂ ਨਤੀਜੇ ਵਰਤਮਾਨ ਵਿੱਚ ਸਟੇਜ ਕੀਤੇ ਗਏ ਹਨ, ਅੰਤਰੀਵ ਸਮਰੱਥਾ ਕੰਪਿਊਟਿੰਗ ਵਿੱਚ ਇੱਕ ਵੱਡੀ ਤਬਦੀਲੀ ਦਾ ਸੰਕੇਤ ਹੈ।

ਗਲੋਬਲ ਲੇਬਰ ਸ਼ਿਫਟ

ਇਹਨਾਂ ਪ੍ਰਦਰਸ਼ਨਾਂ ਦਾ ਪ੍ਰਭਾਵ ਸਿਲੀਕਾਨ ਵੈਲੀ ਤੋਂ ਕਿਤੇ ਅੱਗੇ ਤੱਕ ਪਹੁੰਚਦਾ ਹੈ। ਗਲੋਬਲ ਪੱਧਰ ‘ਤੇ, ਇਹ ਸਮਰੱਥਾਵਾਂ ਬਦਲ ਰਹੀਆਂ ਹਨ ਕਿ ਰਾਸ਼ਟਰ ਕਿਰਤ ਅਤੇ ਸਿੱਖਿਆ ਬਾਰੇ ਕਿਵੇਂ ਸੋਚਦੇ ਹਨ। ਉਹਨਾਂ ਦੇਸ਼ਾਂ ਵਿੱਚ ਜੋ ਬਿਜ਼ਨਸ ਪ੍ਰੋਸੈਸ ਆਊਟਸੋਰਸਿੰਗ ‘ਤੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਨਿਰਭਰ ਕਰਦੇ ਹਨ, AI ਨੂੰ ਰੀਅਲ ਟਾਈਮ ਵਿੱਚ ਗੁੰਝਲਦਾਰ ਗਾਹਕ ਸੇਵਾ ਕਾਲਾਂ ਨੂੰ ਸੰਭਾਲਦੇ ਦੇਖਣਾ ਇੱਕ ਚੇਤਾਵਨੀ ਹੈ। ਇਹ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਸਵੈਚਲਿਤ ਬੁੱਧੀ ਦੀ ਲਾਗਤ ਵਿਕਾਸਸ਼ੀਲ ਅਰਥਵਿਵਸਥਾਵਾਂ ਵਿੱਚ ਮਨੁੱਖੀ ਕਿਰਤ ਦੀ ਲਾਗਤ ਤੋਂ ਘੱਟ ਹੋ ਰਹੀ ਹੈ। ਇਹ ਸਰਕਾਰਾਂ ‘ਤੇ ਆਪਣੀਆਂ ਆਰਥਿਕ ਰਣਨੀਤੀਆਂ ‘ਤੇ ਮੁੜ ਵਿਚਾਰ ਕਰਨ ਲਈ ਇੱਕ ਨਵੀਂ ਕਿਸਮ ਦਾ ਦਬਾਅ ਪੈਦਾ ਕਰਦਾ ਹੈ।

ਇਸ ਦੇ ਨਾਲ ਹੀ, ਇਹ ਡੈਮੋ ਅੰਤਰਰਾਸ਼ਟਰੀ ਮੁਕਾਬਲੇ ਵਿੱਚ ਇੱਕ ਨਵਾਂ ਮੋਰਚਾ ਪੇਸ਼ ਕਰਦੇ ਹਨ। Anthropic ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਦੇ ਸਭ ਤੋਂ ਉੱਨਤ ਮਾਡਲਾਂ ਤੱਕ ਪਹੁੰਚ ਰਾਸ਼ਟਰੀ ਸੁਰੱਖਿਆ ਦਾ ਮਾਮਲਾ ਬਣ ਰਹੀ ਹੈ। ਜੇਕਰ ਕੋਈ ਮਾਡਲ ਕੋਡ ਲਿਖਣ ਜਾਂ ਹਾਰਡਵੇਅਰ ਡਿਜ਼ਾਈਨ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ, ਤਾਂ ਸਭ ਤੋਂ ਵਧੀਆ ਮਾਡਲ ਵਾਲੇ ਦੇਸ਼ ਦਾ ਸਪੱਸ਼ਟ ਫਾਇਦਾ ਹੈ। ਇਸ ਨਾਲ ਕੰਪਿਊਟ ਸਰੋਤਾਂ ਅਤੇ ਡੇਟਾ ਪ੍ਰਭੂਸੱਤਾ ਲਈ ਦੌੜ ਸ਼ੁਰੂ ਹੋ ਗਈ ਹੈ। ਅਸੀਂ ਸਥਾਨਕ ਮਾਡਲਾਂ ਵੱਲ ਇੱਕ ਕਦਮ ਦੇਖ ਰਹੇ ਹਾਂ ਜੋ ਗੋਪਨੀਯਤਾ ਦੀ ਰੱਖਿਆ ਕਰਨ ਅਤੇ ਨਿਯੰਤਰਣ ਬਣਾਈ ਰੱਖਣ ਲਈ ਕਿਸੇ ਖਾਸ ਦੇਸ਼ ਦੀਆਂ ਸਰਹੱਦਾਂ ਦੇ ਅੰਦਰ ਚੱਲ ਸਕਦੇ ਹਨ।

ਗਲੋਬਲ ਦਰਸ਼ਕ ਰਚਨਾਤਮਕਤਾ ਦਾ ਲੋਕਤੰਤਰੀਕਰਨ ਵੀ ਦੇਖ ਰਹੇ ਹਨ। ਇੱਕ ਦੂਰ-ਦੁਰਾਡੇ ਦੇ ਪਿੰਡ ਵਿੱਚ ਸਮਾਰਟਫੋਨ ਵਾਲਾ ਵਿਅਕਤੀ ਹੁਣ ਹਾਲੀਵੁੱਡ ਦੇ ਸਟੂਡੀਓ ਵਾਂਗ ਹੀ ਰਚਨਾਤਮਕ ਸ਼ਕਤੀ ਤੱਕ ਪਹੁੰਚ ਕਰ ਸਕਦਾ ਹੈ। ਇਸ ਵਿੱਚ ਰਚਨਾਤਮਕ ਅਰਥਵਿਵਸਥਾ ਨੂੰ ਬਰਾਬਰ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਹੈ। ਇਹ ਕਹਾਣੀਆਂ ਅਤੇ ਵਿਚਾਰਾਂ ਦੀ ਵਿਭਿੰਨਤਾ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ ਜੋ ਪਹਿਲਾਂ ਉੱਚ ਪ੍ਰਵੇਸ਼ ਲਾਗਤਾਂ ਦੁਆਰਾ ਬਲੌਕ ਕੀਤੇ ਗਏ ਸਨ। ਹਾਲਾਂਕਿ, ਇਹ ਗਲਤ ਜਾਣਕਾਰੀ ਦੇ ਜੋਖਮ ਵੀ ਲਿਆਉਂਦਾ ਹੈ। ਉਹੀ ਟੈਕਨਾਲੋਜੀ ਜੋ ਇੱਕ ਸੁੰਦਰ ਡੈਮੋ ਬਣਾਉਂਦੀ ਹੈ, ਇੱਕ ਯਕੀਨੀ ਝੂਠ ਵੀ ਬਣਾ ਸਕਦੀ ਹੈ। ਗਲੋਬਲ ਕਮਿਊਨਿਟੀ ਨੂੰ ਹੁਣ ਇਸ ਹਕੀਕਤ ਨਾਲ ਜੂਝਣਾ ਪਵੇਗਾ ਕਿ ਦੇਖਣਾ ਹੁਣ ਵਿਸ਼ਵਾਸ ਕਰਨਾ ਨਹੀਂ ਰਿਹਾ। ਇੰਟਰਨੈਟ ਕਨੈਕਸ਼ਨ ਵਾਲੇ ਹਰ ਵਿਅਕਤੀ ਲਈ ਦਾਅ ਵਿਹਾਰਕ ਅਤੇ ਤੁਰੰਤ ਹਨ।

ਸਿੰਥੈਟਿਕ ਸਹਿਕਰਮੀਆਂ ਨਾਲ ਰਹਿਣਾ

ਨੇੜਲੇ ਭਵਿੱਖ ਵਿੱਚ ਸਾਰਾਹ ਨਾਮ ਦੀ ਇੱਕ ਮਾਰਕੀਟਿੰਗ ਮੈਨੇਜਰ ਦੇ ਦਿਨ ਬਾਰੇ ਸੋਚੋ। ਉਹ ਆਪਣੀ ਸਵੇਰ ਦੀ ਸ਼ੁਰੂਆਤ ਇੱਕ AI ਅਸਿਸਟੈਂਟ ਖੋਲ੍ਹ ਕੇ ਕਰਦੀ ਹੈ ਜਿਸਨੇ ਉਸਦਾ ਸ਼ਡਿਊਲ ਅਤੇ ਉਸਦੀਆਂ ਈਮੇਲਾਂ ਦੇਖੀਆਂ ਹਨ। ਉਹ ਟਾਈਪ ਨਹੀਂ ਕਰਦੀ। ਉਹ ਕੌਫੀ ਬਣਾਉਂਦੇ ਸਮੇਂ ਅਸਿਸਟੈਂਟ ਨਾਲ ਗੱਲ ਕਰਦੀ ਹੈ। AI ਤਿੰਨ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਕੰਮਾਂ ਦਾ ਸਾਰ ਦਿੰਦਾ ਹੈ ਅਤੇ ਪ੍ਰੋਜੈਕਟ ਪ੍ਰਸਤਾਵ ਲਈ ਇੱਕ ਡਰਾਫਟ ਦਾ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ। ਸਾਰਾਹ AI ਨੂੰ ਇੱਕ ਪ੍ਰਤੀਯੋਗੀ ਦੇ ਉਤਪਾਦ ਦਾ ਵੀਡੀਓ ਦੇਖਣ ਅਤੇ ਮੁੱਖ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਕਹਿੰਦੀ ਹੈ। AI ਇਹ ਸਕਿੰਟਾਂ ਵਿੱਚ ਕਰਦਾ ਹੈ, ਇੱਕ ਤੁਲਨਾ ਸਾਰਣੀ ਬਣਾਉਂਦਾ ਹੈ ਜਿਸਦੀ ਵਰਤੋਂ ਸਾਰਾਹ ਆਪਣੀ ਮੀਟਿੰਗ ਵਿੱਚ ਕਰ ਸਕਦੀ ਹੈ।

ਬਾਅਦ ਵਿੱਚ ਉਸ ਦੁਪਹਿਰ, ਸਾਰਾਹ ਨੂੰ ਇੱਕ ਨਵੀਂ ਮੁਹਿੰਮ ਲਈ ਇੱਕ ਛੋਟੀ ਪ੍ਰੋਮੋਸ਼ਨਲ ਕਲਿੱਪ ਬਣਾਉਣ ਦੀ ਲੋੜ ਹੈ। ਇੱਕ ਪ੍ਰੋਡਕਸ਼ਨ ਕਰੂ ਨੂੰ ਨਿਯੁਕਤ ਕਰਨ ਦੀ ਬਜਾਏ, ਉਹ ਇੱਕ ਵੀਡੀਓ ਜਨਰੇਸ਼ਨ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ। ਉਹ ਦ੍ਰਿਸ਼, ਰੋਸ਼ਨੀ ਅਤੇ ਮੂਡ ਦਾ ਵਰਣਨ ਕਰਦੀ ਹੈ। ਟੂਲ ਕਲਿੱਪ ਦੇ ਚਾਰ ਵੱਖ-ਵੱਖ ਸੰਸਕਰਣ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਉਹ ਇੱਕ ਚੁਣਦੀ ਹੈ ਅਤੇ AI ਨੂੰ ਕੰਪਨੀ ਦੀ ਬ੍ਰਾਂਡਿੰਗ ਨਾਲ ਮੇਲ ਕਰਨ ਲਈ ਅਦਾਕਾਰ ਦੀ ਕਮੀਜ਼ ਦਾ ਰੰਗ ਬਦਲਣ ਲਈ ਕਹਿੰਦੀ ਹੈ। ਐਡਿਟ ਤੁਰੰਤ ਹੋ ਜਾਂਦੀ ਹੈ। ਇਹ ਉਹਨਾਂ ਡੈਮੋ ਦੀ ਵਿਹਾਰਕ ਵਰਤੋਂ ਹੈ ਜੋ ਅਸੀਂ ਅੱਜ ਦੇਖਦੇ ਹਾਂ। ਇਹ ਸਾਰਾਹ ਨੂੰ ਬਦਲਣ ਬਾਰੇ ਨਹੀਂ ਹੈ। ਇਹ ਉਸਦੇ ਵਿਚਾਰ ਅਤੇ ਅੰਤਿਮ ਉਤਪਾਦ ਦੇ ਵਿਚਕਾਰ ਰਗੜ ਨੂੰ ਦੂਰ ਕਰਨ ਬਾਰੇ ਹੈ।

ਹਾਲਾਂਕਿ, ਵਿਰੋਧਾਭਾਸ ਦਿਖਾਈ ਦਿੰਦੇ ਹਨ। ਜਦੋਂ ਕਿ AI ਮਦਦਗਾਰ ਹੈ, ਸਾਰਾਹ ਕੰਪਨੀ ਦੀ ਕਾਨੂੰਨੀ ਪਾਲਣਾ ਬਾਰੇ ਮਾਡਲ ਦੁਆਰਾ ਕੀਤੀ ਗਈ ਗਲਤੀ ਨੂੰ ਸੁਧਾਰਨ ਵਿੱਚ ਤੀਹ ਮਿੰਟ ਬਿਤਾਉਂਦੀ ਹੈ। ਮਾਡਲ ਭਰੋਸੇਮੰਦ ਸੀ ਪਰ ਗਲਤ ਸੀ। ਉਹ ਇਹ ਵੀ ਦੇਖਦੀ ਹੈ ਕਿ AI ਦੱਖਣ-ਪੂਰਬੀ ਏਸ਼ੀਆ ਵਿੱਚ ਉਸਦੇ ਟਾਰਗੇਟ ਮਾਰਕੀਟ ਦੀਆਂ ਖਾਸ ਸੱਭਿਆਚਾਰਕ ਬਾਰੀਕੀਆਂ ਨਾਲ ਸੰਘਰਸ਼ ਕਰਦਾ ਹੈ। ਡੈਮੋ ਨੇ ਇੱਕ ਸਰਵਵਿਆਪੀ ਬੁੱਧੀ ਦਿਖਾਈ, ਪਰ ਹਕੀਕਤ ਇੱਕ ਖਾਸ ਡੇਟਾ ‘ਤੇ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਟੂਲ ਹੈ ਜਿਸ ਵਿੱਚ ਖਾਮੀਆਂ ਹਨ।

ਉਮੀਦਾਂ ਵਿੱਚ ਤਬਦੀਲੀ ਸਪੱਸ਼ਟ ਹੈ। ਉਪਭੋਗਤਾ ਹੁਣ ਉਮੀਦ ਕਰਦੇ ਹਨ ਕਿ ਉਹਨਾਂ ਦਾ ਸਾਫਟਵੇਅਰ ਕਿਰਿਆਸ਼ੀਲ ਹੋਵੇ। ਉਹ ਉਮੀਦ ਕਰਦੇ ਹਨ ਕਿ ਇਹ ਬਿਨਾਂ ਦੱਸੇ ਸੰਦਰਭ ਨੂੰ ਸਮਝੇ। ਇਹ ਬਦਲਦਾ ਹੈ ਕਿ ਅਸੀਂ ਵੈੱਬਸਾਈਟਾਂ ਅਤੇ ਐਪਸ ਕਿਵੇਂ ਬਣਾਉਂਦੇ ਹਾਂ। ਅਸੀਂ ਬਟਨਾਂ ਅਤੇ ਮੀਨੂ ਤੋਂ ਦੂਰ ਕੁਦਰਤੀ ਗੱਲਬਾਤ ਵੱਲ ਵਧ ਰਹੇ ਹਾਂ। ਇਸ ਤਬਦੀਲੀ ਨੂੰ ਸਮਝਣ ਲਈ, ਕਿਸੇ ਨੂੰ ਵਧੇਰੇ ਵਿਸਤ੍ਰਿਤ ਤਕਨੀਕੀ ਬ੍ਰੇਕਡਾਊਨ ਲਈ ਆਧੁਨਿਕ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਰੁਝਾਨਾਂ ਨੂੰ ਦੇਖਣਾ ਚਾਹੀਦਾ ਹੈ।

ਸਾਰਾਹ ਦਾ ਅਨੁਭਵ ਉਹਨਾਂ ਦੋ ਮੁੱਖ ਚੀਜ਼ਾਂ ਨੂੰ ਉਜਾਗਰ ਕਰਦਾ ਹੈ ਜੋ ਲੋਕ AI ਬਾਰੇ ਗਲਤ ਸਮਝਦੇ ਹਨ:

• ਉਹ ਇਸ ਗੱਲ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਂਦੇ ਹਨ ਕਿ AI ਉਸ ਕੰਮ ਦੇ ਅਰਥ ਨੂੰ ਕਿੰਨਾ ਸਮਝਦਾ ਹੈ ਜੋ ਉਹ ਕਰ ਰਿਹਾ ਹੈ।
• ਉਹ ਇਸ ਗੱਲ ਦਾ ਅੰਦਾਜ਼ਾ ਘੱਟ ਲਗਾਉਂਦੇ ਹਨ ਕਿ ਉਹ ਦੁਹਰਾਉਣ ਵਾਲੇ ਕੰਮਾਂ ‘ਤੇ ਕਿੰਨਾ ਸਮਾਂ ਬਚਾਉਣਗੇ।

ਜਾਦੂ ਦੀ ਉੱਚ ਕੀਮਤ

ਇਹਨਾਂ ਡੈਮੋ ਦੇ ਆਲੇ ਦੁਆਲੇ ਦਾ ਉਤਸ਼ਾਹ ਅਕਸਰ ਉਹਨਾਂ ਦੀ ਲੰਬੇ ਸਮੇਂ ਦੀ ਸਥਿਰਤਾ ਬਾਰੇ ਮੁਸ਼ਕਲ ਸਵਾਲਾਂ ਨੂੰ ਲੁਕਾਉਂਦਾ ਹੈ। ਸਾਨੂੰ ਤਰੱਕੀ ਦੇ ਬਿਰਤਾਂਤ ‘ਤੇ ਸ਼ੱਕ ਦਾ ਇੱਕ ਪੱਧਰ ਲਾਗੂ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਪਹਿਲਾਂ, ਇਹਨਾਂ ਮਾਡਲਾਂ ਨੂੰ ਚਲਾਉਣ ਲਈ ਲੋੜੀਂਦੀਆਂ ਭਾਰੀ ਕੰਪਿਊਟ ਲਾਗਤਾਂ ਦਾ ਭੁਗਤਾਨ ਕੌਣ ਕਰ ਰਿਹਾ ਹੈ? ਹਰ ਵਾਰ ਜਦੋਂ ਕੋਈ ਉਪਭੋਗਤਾ ਮਲਟੀਮੋਡਲ AI ਨਾਲ ਗੱਲਬਾਤ ਕਰਦਾ ਹੈ, ਤਾਂ ਇਹ ਮਹਿੰਗੀਆਂ GPU ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੀ ਇੱਕ ਲੜੀ ਨੂੰ ਚਾਲੂ ਕਰਦਾ ਹੈ। ਮੌਜੂਦਾ ਬਿਜ਼ਨਸ ਮਾਡਲ ਅਕਸਰ ਇਹਨਾਂ ਲਾਗਤਾਂ ਨੂੰ ਕਵਰ ਨਹੀਂ ਕਰਦੇ, ਜਿਸ ਨਾਲ ਵੈਂਚਰ ਕੈਪੀਟਲ ਜਾਂ ਵੱਡੀ ਕਾਰਪੋਰੇਟ ਸਬਸਿਡੀਆਂ ‘ਤੇ ਨਿਰਭਰਤਾ ਵਧਦੀ ਹੈ। ਇਹ ਸਵਾਲ ਖੜ੍ਹਾ ਕਰਦਾ ਹੈ ਕਿ ਜਦੋਂ ਸਬਸਿਡੀਆਂ ਖਤਮ ਹੋ ਜਾਣਗੀਆਂ ਤਾਂ ਕੀ ਹੋਵੇਗਾ। ਕੀ ਇਹ ਟੂਲ ਕੁਝ ਲੋਕਾਂ ਲਈ ਐਸ਼ੋ-ਆਰਾਮ ਬਣ ਜਾਣਗੇ?

ਦੂਜਾ, ਸਾਨੂੰ ਡੇਟਾ ਦੀ ਲੁਕਵੀਂ ਕੀਮਤ ‘ਤੇ ਵਿਚਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਜ਼ਿਆਦਾਤਰ ਮਾਡਲਾਂ ਨੂੰ ਇੰਟਰਨੈਟ ਦੇ ਸਮੂਹਿਕ ਆਉਟਪੁੱਟ ‘ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ। ਇਸ ਵਿੱਚ ਕਾਪੀਰਾਈਟ ਕੀਤੀਆਂ ਰਚਨਾਵਾਂ, ਨਿੱਜੀ ਡੇਟਾ ਅਤੇ ਲੱਖਾਂ ਲੋਕਾਂ ਦੀ ਰਚਨਾਤਮਕ ਕਿਰਤ ਸ਼ਾਮਲ ਹੈ ਜਿਨ੍ਹਾਂ ਨੇ ਕਦੇ ਵੀ ਆਪਣੇ ਕੰਮ ਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਵਰਤੇ ਜਾਣ ਲਈ ਸਹਿਮਤੀ ਨਹੀਂ ਦਿੱਤੀ। ਜਿਵੇਂ-ਜਿਵੇਂ ਮਾਡਲ ਵਧੇਰੇ ਸਮਰੱਥ ਹੁੰਦੇ ਜਾਂਦੇ ਹਨ, ਉੱਚ ਗੁਣਵੱਤਾ ਵਾਲੇ ਮਨੁੱਖੀ ਡੇਟਾ ਦੀ ਸਪਲਾਈ ਘਟ ਰਹੀ ਹੈ। ਕੁਝ ਕੰਪਨੀਆਂ ਹੁਣ ਹੋਰ AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਡੇਟਾ ‘ਤੇ AI ਨੂੰ ਸਿਖਲਾਈ ਦੇ ਰਹੀਆਂ ਹਨ। ਇਸ ਨਾਲ ਗੁਣਵੱਤਾ ਵਿੱਚ ਗਿਰਾਵਟ ਜਾਂ ਗਲਤੀਆਂ ਦਾ ਇੱਕ ਫੀਡਬੈਕ ਲੂਪ ਹੋ ਸਕਦਾ ਹੈ।

ਤੀਜਾ, ਗੋਪਨੀਯਤਾ ਦਾ ਮੁੱਦਾ ਹੈ। AI ਨੂੰ ਸੱਚਮੁੱਚ ਮਦਦਗਾਰ ਬਣਨ ਲਈ, ਇਸਨੂੰ ਉਹ ਦੇਖਣ ਦੀ ਲੋੜ ਹੈ ਜੋ ਤੁਸੀਂ ਦੇਖਦੇ ਹੋ ਅਤੇ ਉਹ ਸੁਣਨ ਦੀ ਲੋੜ ਹੈ ਜੋ ਤੁਸੀਂ ਸੁਣਦੇ ਹੋ। ਇਸ ਲਈ ਨਿਗਰਾਨੀ ਦੇ ਇੱਕ ਅਜਿਹੇ ਪੱਧਰ ਦੀ ਲੋੜ ਹੈ ਜੋ ਪਹਿਲਾਂ ਅਸੰਭਵ ਸੀ। ਕੀ ਅਸੀਂ ਇੱਕ ਬਿਹਤਰ ਅਸਿਸਟੈਂਟ ਦੇ ਬਦਲੇ ਸਾਡੇ ਰੋਜ਼ਾਨਾ ਜੀਵਨ ਦੀ ਰੀਅਲ ਟਾਈਮ ਫੀਡ ਰੱਖਣ ਵਾਲੀ ਕਾਰਪੋਰੇਸ਼ਨ ਨਾਲ ਸਹਿਜ ਹਾਂ? ਡੈਮੋ ਸਹੂਲਤ ਦਿਖਾਉਂਦੇ ਹਨ ਪਰ ਉਹ ਘੱਟ ਹੀ ਉਹ ਡੇਟਾ ਸੈਂਟਰ ਦਿਖਾਉਂਦੇ ਹਨ ਜਿੱਥੇ ਇਹ ਜਾਣਕਾਰੀ ਸਟੋਰ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਸਾਨੂੰ ਇਹ ਪੁੱਛਣ ਦੀ ਲੋੜ ਹੈ ਕਿ ਇਹਨਾਂ ਮਾਡਲਾਂ ਦੇ ਵਜ਼ਨ ਦਾ ਮਾਲਕ ਕੌਣ ਹੈ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਬੰਦ ਕਰਨ ਦੀ ਸ਼ਕਤੀ ਕਿਸ ਕੋਲ ਹੈ। ਦਾਅ ਸਿਰਫ਼ ਉਤਪਾਦਕਤਾ ਬਾਰੇ ਨਹੀਂ ਹਨ। ਉਹ ਇੱਕ ਨਿੱਜੀ ਜੀਵਨ ਦੇ ਬੁਨਿਆਦੀ ਅਧਿਕਾਰ ਬਾਰੇ ਹਨ। ਇਹ ਸ਼ਕਤੀ ਦਾ ਸਵਾਲ ਹੈ।

ਏਜੰਟਿਕ ਯੁੱਗ ਦੇ ਹੁੱਡ ਦੇ ਹੇਠਾਂ

ਪਾਵਰ ਯੂਜ਼ਰ ਲਈ, ਦਿਲਚਸਪੀ ਉਸ ਤਕਨੀਕੀ ਪਲੰਬਿੰਗ ਵਿੱਚ ਹੈ ਜੋ ਇਹਨਾਂ ਡੈਮੋ ਨੂੰ ਸੰਭਵ ਬਣਾਉਂਦੀ ਹੈ। ਅਸੀਂ ਏਜੰਟਿਕ ਵਰਕਫਲੋ ਦੀ ਦੁਨੀਆ ਵੱਲ ਵਧ ਰਹੇ ਹਾਂ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ AI ਸਿਰਫ਼ ਟੈਕਸਟ ਤਿਆਰ ਨਹੀਂ ਕਰਦਾ। ਇਹ ਟੂਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਇਹ API ਨੂੰ ਕਾਲ ਕਰਦਾ ਹੈ, ਲੋਕਲ ਸਟੋਰੇਜ ਵਿੱਚ ਲਿਖਦਾ ਹੈ ਅਤੇ ਹੋਰ ਸਾਫਟਵੇਅਰ ਨਾਲ ਗੱਲਬਾਤ ਕਰਦਾ ਹੈ। ਮੌਜੂਦਾ ਰੁਕਾਵਟ ਮਾਡਲ ਦੀ ਬੁੱਧੀ ਨਹੀਂ, ਸਗੋਂ ਸਿਸਟਮ ਦੀ *ਲੈਟੈਂਸੀ* ਹੈ। ਇੱਕ ਡੈਮੋ ਨੂੰ ਤਰਲ ਦਿਖਾਉਣ ਲਈ, ਡਿਵੈਲਪਰ ਅਕਸਰ ਵਿਸ਼ੇਸ਼ ਹਾਰਡਵੇਅਰ ਜਾਂ ਅਨੁਕੂਲਿਤ ਇਨਫਰੈਂਸ ਇੰਜਣਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ।

ਇਹਨਾਂ ਮਾਡਲਾਂ ਨੂੰ ਇੱਕ ਪੇਸ਼ੇਵਰ ਵਰਕਫਲੋ ਵਿੱਚ ਜੋੜਦੇ ਸਮੇਂ, ਕਈ ਕਾਰਕ ਮਹੱਤਵਪੂਰਨ ਹੋ ਜਾਂਦੇ ਹਨ:

• ਸੰਦਰਭ ਵਿੰਡੋ ਸੀਮਾਵਾਂ: ਸਭ ਤੋਂ ਵਧੀਆ ਮਾਡਲ ਵੀ ਬਹੁਤ ਲੰਬੀ ਗੱਲਬਾਤ ਵਿੱਚ ਜਾਣਕਾਰੀ ਦਾ ਟਰੈਕ ਗੁਆ ਸਕਦੇ ਹਨ।
• API ਰੇਟ ਸੀਮਾਵਾਂ: ਉੱਚ ਗੁਣਵੱਤਾ ਵਾਲੇ ਮਾਡਲਾਂ ਨੂੰ ਅਕਸਰ ਥ੍ਰੋਟਲ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਉਹਨਾਂ ਨੂੰ ਭਾਰੀ ਉਤਪਾਦਨ ਕੰਮਾਂ ਲਈ ਵਰਤਣਾ ਮੁਸ਼ਕਲ ਹੋ ਜਾਂਦਾ ਹੈ।
• ਲੋਕਲ ਬਨਾਮ ਕਲਾਉਡ: ਮੈਕ ਜਾਂ ਪੀਸੀ ‘ਤੇ ਸਥਾਨਕ ਤੌਰ ‘ਤੇ ਮਾਡਲ ਚਲਾਉਣਾ ਗੋਪਨੀਯਤਾ ਅਤੇ ਗਤੀ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ ਪਰ ਇਸ ਲਈ ਮਹੱਤਵਪੂਰਨ VRAM ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

ਵਿੱਚ, ਅਸੀਂ ਛੋਟੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਦਾ ਉਭਾਰ ਦੇਖਿਆ ਜੋ ਖਪਤਕਾਰ ਹਾਰਡਵੇਅਰ ‘ਤੇ ਚੱਲ ਸਕਦੇ ਹਨ। ਇਹ ਮਾਡਲ ਅਕਸਰ ਵੱਡੇ ਸੰਸਕਰਣਾਂ ਤੋਂ ਡਿਸਟਿਲ ਕੀਤੇ ਜਾਂਦੇ ਹਨ, ਜੋ ਕਿ ਫੁੱਟਪ੍ਰਿੰਟ ਨੂੰ ਘਟਾਉਂਦੇ ਹੋਏ ਤਰਕ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖਦੇ ਹਨ। ਇਹ ਉਹਨਾਂ ਡਿਵੈਲਪਰਾਂ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੈ ਜੋ ਅਜਿਹੀਆਂ ਐਪਸ ਬਣਾਉਣਾ ਚਾਹੁੰਦੇ ਹਨ ਜੋ ਨਿਰੰਤਰ ਇੰਟਰਨੈਟ ਕਨੈਕਸ਼ਨ ‘ਤੇ ਨਿਰਭਰ ਨਹੀਂ ਕਰਦੇ ਹਨ। JSON ਮੋਡ ਅਤੇ ਸਟ੍ਰਕਚਰਡ ਆਉਟਪੁੱਟ ਵੱਲ ਤਬਦੀਲੀ ਨੇ AI ਲਈ ਰਵਾਇਤੀ ਡੇਟਾਬੇਸ ਨਾਲ ਗੱਲ ਕਰਨਾ ਵੀ ਆਸਾਨ ਬਣਾ ਦਿੱਤਾ ਹੈ।

ਹਾਲਾਂਕਿ, ਡੈਮੋ ਤੋਂ ਇੱਕ ਸਥਿਰ ਉਤਪਾਦ ਵਿੱਚ ਤਬਦੀਲੀ ਮੁਸ਼ਕਲ ਬਣੀ ਹੋਈ ਹੈ। ਇੱਕ ਡੈਮੋ ਕਿਨਾਰੇ ਦੇ ਮਾਮਲਿਆਂ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰ ਸਕਦਾ ਹੈ। ਇੱਕ ਉਤਪਾਦਨ ਵਾਤਾਵਰਣ ਅਜਿਹਾ ਨਹੀਂ ਕਰ ਸਕਦਾ। ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਮਾਡਲ ਪ੍ਰਤੀਕਿਰਿਆਵਾਂ ਦੇ ਡ੍ਰਿਫਟ ਅਤੇ ਗੈਰ-ਨਿਰਧਾਰਤ ਸਾਫਟਵੇਅਰ ਦੀ ਅਨਿਸ਼ਚਿਤਤਾ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਇੰਡਸਟਰੀ ਦਾ ਗੀਕ ਸੈਕਸ਼ਨ ਵਰਤਮਾਨ ਵਿੱਚ ਇਹਨਾਂ ਮਾਡਲਾਂ ਨੂੰ ਅਸਲ ਸੰਸਾਰ ਦੇ ਤੱਥਾਂ ਵਿੱਚ ਆਧਾਰਿਤ ਕਰਨ ਦੇ ਇੱਕ ਤਰੀਕੇ ਵਜੋਂ ਰੀਟ੍ਰੀਵਲ ਆਗਮੈਂਟੇਡ ਜਨਰੇਸ਼ਨ ਨਾਲ ਜਨੂੰਨੀ ਹੈ। ਇਹ ਕੰਮ ਵਿੱਚ ਜਾਰੀ ਹੈ ਕਿਉਂਕਿ ਹਾਰਡਵੇਅਰ ਸਾਫਟਵੇਅਰ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ।

ਹਾਈਪ ‘ਤੇ ਫੈਸਲਾ

ਜੋ ਡੈਮੋ ਸਾਡੇ ਮੌਜੂਦਾ ਪਲ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦੇ ਹਨ, ਉਹ ਸਿਰਫ਼ ਮਾਰਕੀਟਿੰਗ ਤੋਂ ਵੱਧ ਹਨ। ਉਹ ਟੈਕਨਾਲੋਜੀ ਨਾਲ ਰਹਿਣ ਦੇ ਇੱਕ ਨਵੇਂ ਤਰੀਕੇ ਲਈ ਇੱਕ ਸੰਕਲਪ ਦਾ ਸਬੂਤ ਹਨ। ਉਹ ਦਿਖਾਉਂਦੇ ਹਨ ਕਿ ਮਨੁੱਖੀ ਇਰਾਦੇ ਅਤੇ ਮਸ਼ੀਨ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਵਿਚਕਾਰ ਰੁਕਾਵਟਾਂ ਖਤਮ ਹੋ ਰਹੀਆਂ ਹਨ। ਪਰ ਸਾਨੂੰ ਆਲੋਚਨਾਤਮਕ ਰਹਿਣਾ ਚਾਹੀਦਾ ਹੈ। ਇੱਕ ਡੈਮੋ ਇੱਕ ਵਾਅਦਾ ਹੈ, ਇੱਕ ਮੁਕੰਮਲ ਉਤਪਾਦ ਨਹੀਂ। ਇਹ ਇੱਕ ਅਜਿਹੇ ਟੂਲ ਦਾ ਸਭ ਤੋਂ ਵਧੀਆ ਸੰਸਕਰਣ ਦਿਖਾਉਂਦਾ ਹੈ ਜੋ ਅਜੇ ਵੀ ਵਿਕਾਸ ਅਧੀਨ ਹੈ। ਸਾਨੂੰ ਡੈਮੋ ਨੂੰ ਇਸ ਗੱਲ ਦੁਆਰਾ ਪਰਖਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਇਹ ਜਾਂਚ ਦੇ ਤਹਿਤ ਕੀ ਸਾਬਤ ਕਰਦਾ ਹੈ ਅਤੇ ਕੈਮਰੇ ਲਈ ਕੀ ਸਟੇਜ ਕੀਤਾ ਗਿਆ ਹੈ।

הערת העורך: יצרנו אתר זה כמרכז חדשות ומדריכים רב-לשוני בנושא בינה מלאכותית עבור אנשים שאינם "גיקים" של מחשבים, אך עדיין רוצים להבין בינה מלאכותית, להשתמש בה בביטחון רב יותר, ולעקוב אחר העתיד שכבר מגיע.

ਇਹਨਾਂ ਡੈਮੋ ਦੀ ਅਸਲ ਕੀਮਤ ਇਹ ਹੈ ਕਿ ਉਹ ਸਾਡੀਆਂ ਉਮੀਦਾਂ ਨੂੰ ਕਿਵੇਂ ਬਦਲਦੇ ਹਨ। ਉਹ ਸਾਨੂੰ ਇੱਕ ਅਜਿਹੀ ਦੁਨੀਆ ਦੀ ਕਲਪਨਾ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕਰਦੇ ਹਨ ਜਿੱਥੇ ਕੰਪਿਊਟਰ ਸਾਡੀਆਂ ਸ਼ਰਤਾਂ ‘ਤੇ ਸਾਨੂੰ ਸਮਝਦਾ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ ਅਸੀਂ ਅੱਗੇ ਵਧਦੇ ਹਾਂ, ਫੋਕਸ ਇਸ ਗੱਲ ਤੋਂ ਬਦਲ ਜਾਵੇਗਾ ਕਿ AI ਵੀਡੀਓ ਵਿੱਚ ਕੀ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਉਹ ਸਾਡੇ ਡੈਸਕ ‘ਤੇ ਕੀ ਕਰ ਸਕਦਾ ਹੈ। ਪਾਲਿਸ਼ਡ ਪ੍ਰਦਰਸ਼ਨ ਅਤੇ ਗੜਬੜ ਵਾਲੀ ਹਕੀਕਤ ਵਿਚਕਾਰ ਵਿਰੋਧਾਭਾਸ ਇੰਡਸਟਰੀ ਦੇ ਅਗਲੇ ਪੜਾਅ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨਗੇ। ਡੈਮੋ ਨੂੰ ਇਸ ਗੱਲ ਦੁਆਰਾ ਪਰਖੋ ਕਿ ਇਹ ਕੀ ਸਾਬਤ ਕਰਦਾ ਹੈ, ਪਰ ਟੂਲ ਦੀ ਵਰਤੋਂ ਉਸ ਲਈ ਕਰੋ ਜੋ ਇਹ ਅਸਲ ਵਿੱਚ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।

ਕੋਈ ਗਲਤੀ ਮਿਲੀ ਜਾਂ ਕੁਝ ਠੀਕ ਕਰਨ ਦੀ ਲੋੜ ਹੈ? ਸਾਨੂੰ ਦੱਸੋ।