AI ਕੰਪਨੀਆਂ ਅਤੇ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਪਹਿਲਾਂ ਕੀ ਬਦਲੇਗਾ?

AI ਰੈਗੂਲੇਸ਼ਨ ਵਿੱਚ ਪਹਿਲਾ ਵੱਡਾ ਬਦਲਾਅ ਤਕਨਾਲੋਜੀ ਨੂੰ ਰੋਕਣ ਬਾਰੇ ਨਹੀਂ, ਸਗੋਂ ਇਸਨੂੰ ਪਾਰਦਰਸ਼ੀ ਬਣਾਉਣ ਬਾਰੇ ਹੈ। ਸਾਲਾਂ ਤੋਂ, ਡਿਵੈਲਪਰ ਅਜਿਹੇ ਮਾਹੌਲ ਵਿੱਚ ਕੰਮ ਕਰ ਰਹੇ ਸਨ ਜਿੱਥੇ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਡੇਟਾ ਇੱਕ ਗੁਪਤ ਵਪਾਰਕ ਰਾਜ਼ ਸੀ। ਹੁਣ ਇਹ ਖਤਮ ਹੋ ਰਿਹਾ ਹੈ। ਕੰਪਨੀਆਂ ਅਤੇ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਸਭ ਤੋਂ ਤੁਰੰਤ ਬਦਲਾਅ ਸਖ਼ਤ transparency mandates ਦਾ ਆਉਣਾ ਹੈ, ਜੋ ਬਿਲਡਰਾਂ ਨੂੰ ਇਹ ਖੁਲਾਸਾ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕਰਦਾ ਹੈ ਕਿ ਉਨ੍ਹਾਂ ਦੇ ਸਿਸਟਮਾਂ ਨੇ ਕਿਹੜੀਆਂ ਕਿਤਾਬਾਂ, ਲੇਖ ਅਤੇ ਤਸਵੀਰਾਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਹੈ। ਇਹ ਸਿਰਫ਼ ਕਾਗਜ਼ੀ ਕਾਰਵਾਈ ਨਹੀਂ ਹੈ, ਸਗੋਂ ਸਾਫਟਵੇਅਰ ਬਣਾਉਣ ਅਤੇ ਵੇਚਣ ਦੇ ਤਰੀਕੇ ਵਿੱਚ ਇੱਕ ਬੁਨਿਆਦੀ ਤਬਦੀਲੀ ਹੈ। ਜਦੋਂ ਕੋਈ ਕੰਪਨੀ ਆਪਣੇ ਸਿਖਲਾਈ ਸਰੋਤਾਂ ਨੂੰ ਲੁਕਾ ਨਹੀਂ ਸਕਦੀ, ਤਾਂ ਕਾਨੂੰਨੀ ਜੋਖਮ ਡਿਵੈਲਪਰ ਤੋਂ ਪੂਰੀ ਸਪਲਾਈ ਚੇਨ ਤੱਕ ਤਬਦੀਲ ਹੋ ਜਾਂਦਾ ਹੈ। ਉਪਭੋਗਤਾ ਜਲਦੀ ਹੀ AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੀ ਸਮੱਗਰੀ ‘ਤੇ ਭੋਜਨ ਦੇ ਪੈਕੇਟਾਂ ਵਾਂਗ ਲੇਬਲ ਦੇਖਣਗੇ। ਇਹ ਲੇਬਲ ਮਾਡਲ ਵਰਜਨ, ਡੇਟਾ ਦੀ ਉਤਪਤੀ ਅਤੇ ਸੁਰੱਖਿਆ ਜਾਂਚਾਂ ਦਾ ਵੇਰਵਾ ਦੇਣਗੇ। ਇਹ ਬਦਲਾਅ ਉਦਯੋਗ ਨੂੰ ‘ਤੇਜ਼ੀ ਨਾਲ ਅੱਗੇ ਵਧੋ ਅਤੇ ਚੀਜ਼ਾਂ ਤੋੜੋ’ ਦੇ ਦੌਰ ਤੋਂ ਕੱਢ ਕੇ ਦਸਤਾਵੇਜ਼ੀਕਰਨ ਦੇ ਦੌਰ ਵਿੱਚ ਲੈ ਜਾਵੇਗਾ। ਟੀਚਾ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਹੈ ਕਿ ਹਰ ਆਉਟਪੁੱਟ ਨੂੰ ਇੱਕ ਪ੍ਰਮਾਣਿਤ ਸਰੋਤ ਤੱਕ ਲੱਭਿਆ ਜਾ ਸਕੇ, ਜਿਸ ਨਾਲ ਜਵਾਬਦੇਹੀ ਉਦਯੋਗ ਦਾ ਨਵਾਂ ਮਿਆਰ ਬਣ ਜਾਵੇਗੀ।

ਹਾਈ-ਰਿਸਕ ਸਿਸਟਮਾਂ ਲਈ ਨਵੀਂ ਰੂਲਬੁੱਕ

ਰੈਗੂਲੇਟਰ ਹੁਣ ਵਿਆਪਕ ਪਾਬੰਦੀਆਂ ਤੋਂ ਹਟ ਕੇ ਜੋਖਮ-ਅਧਾਰਿਤ ਪ੍ਰਣਾਲੀ ਵੱਲ ਵਧ ਰਹੇ ਹਨ। ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਫਰੇਮਵਰਕ, EU AI Act, AI ਨੂੰ ਨੁਕਸਾਨ ਪਹੁੰਚਾਉਣ ਦੀ ਸਮਰੱਥਾ ਦੇ ਆਧਾਰ ‘ਤੇ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰਦਾ ਹੈ। ਭਰਤੀ, ਕ੍ਰੈਡਿਟ ਸਕੋਰਿੰਗ, ਜਾਂ ਕਾਨੂੰਨ ਲਾਗੂ ਕਰਨ ਵਿੱਚ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਸਿਸਟਮਾਂ ਨੂੰ ‘ਹਾਈ-ਰਿਸਕ’ ਵਜੋਂ ਲੇਬਲ ਕੀਤਾ ਗਿਆ ਹੈ। ਜੇਕਰ ਤੁਸੀਂ ਰੈਜ਼ਿਊਮੇ ਸਕ੍ਰੀਨ ਕਰਨ ਲਈ ਕੋਈ ਟੂਲ ਬਣਾ ਰਹੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਹੁਣ ਸਿਰਫ਼ ਇੱਕ ਸਾਫਟਵੇਅਰ ਪ੍ਰਦਾਤਾ ਨਹੀਂ ਹੋ। ਤੁਸੀਂ ਹੁਣ ਇੱਕ ਨਿਯੰਤ੍ਰਿਤ ਇਕਾਈ ਹੋ ਜੋ ਮੈਡੀਕਲ ਡਿਵਾਈਸ ਨਿਰਮਾਤਾ ਦੇ ਬਰਾਬਰ ਜਾਂਚ ਦੇ ਅਧੀਨ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਉਤਪਾਦ ਦੇ ਗਾਹਕ ਤੱਕ ਪਹੁੰਚਣ ਤੋਂ ਪਹਿਲਾਂ ਤੁਹਾਨੂੰ ਸਖ਼ਤ ਬਾਇਸ ਟੈਸਟਿੰਗ ਕਰਨੀ ਪਵੇਗੀ। ਤੁਹਾਨੂੰ ਇਹ ਵੀ ਰੱਖਣਾ ਹੋਵੇਗਾ ਕਿ AI ਫੈਸਲੇ ਕਿਵੇਂ ਲੈਂਦਾ ਹੈ। ਔਸਤ ਉਪਭੋਗਤਾ ਲਈ, ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਉਹ ਟੂਲ ਜੋ ਉਹ ਜੀਵਨ ਦੇ ਮਹੱਤਵਪੂਰਨ ਫੈਸਲਿਆਂ ਲਈ ਵਰਤਦੇ ਹਨ, ਉਹ ਵਧੇਰੇ ਅਨੁਮਾਨਯੋਗ ਹੋਣਗੇ। ਇਹ ਰੈਗੂਲੇਸ਼ਨ ਉਹਨਾਂ ‘ਡਾਰਕ ਪੈਟਰਨਾਂ’ ਨੂੰ ਵੀ ਨਿਸ਼ਾਨਾ ਬਣਾਉਂਦਾ ਹੈ ਜਿੱਥੇ AI ਦੀ ਵਰਤੋਂ ਮਨੁੱਖੀ ਵਿਵਹਾਰ ਨੂੰ ਹੇਰਾਫੇਰੀ ਕਰਨ ਲਈ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਹ ਖਪਤਕਾਰਾਂ ਦੀ ਸੁਰੱਖਿਆ ਵੱਲ ਇੱਕ ਕਦਮ ਹੈ ਜੋ AI ਨੂੰ ਇੱਕ ਖਿਡੌਣੇ ਦੀ ਬਜਾਏ ਇੱਕ ਉਪਯੋਗਤਾ ਵਜੋਂ ਦੇਖਦਾ ਹੈ। ਜੋ ਕੰਪਨੀਆਂ ਇਹਨਾਂ ਮਿਆਰਾਂ ਨੂੰ ਪੂਰਾ ਨਹੀਂ ਕਰਦੀਆਂ, ਉਹਨਾਂ ਨੂੰ ਕਰੋੜਾਂ ਡਾਲਰਾਂ ਦੇ ਜੁਰਮਾਨੇ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈ ਸਕਦਾ ਹੈ। ਇਹ ਕੋਈ ਸੁਝਾਅ ਨਹੀਂ, ਸਗੋਂ ਦੁਨੀਆ ਦੇ ਸਭ ਤੋਂ ਵੱਡੇ ਬਾਜ਼ਾਰਾਂ ਵਿੱਚ ਕਾਰੋਬਾਰ ਕਰਨ ਲਈ ਇੱਕ ਸਖ਼ਤ ਲੋੜ ਹੈ।

ਕੀ ਤੁਹਾਡੇ ਕੋਲ ਕੋਈ AI ਕਹਾਣੀ, ਟੂਲ, ਰੁਝਾਨ ਜਾਂ ਸਵਾਲ ਹੈ ਜੋ ਤੁਹਾਨੂੰ ਲੱਗਦਾ ਹੈ ਕਿ ਸਾਨੂੰ ਕਵਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ? ਸਾਨੂੰ ਆਪਣਾ ਲੇਖ ਦਾ ਵਿਚਾਰ ਭੇਜੋ — ਅਸੀਂ ਇਸਨੂੰ ਸੁਣਨਾ ਪਸੰਦ ਕਰਾਂਗੇ।

ਅਮਰੀਕਾ ਵਿੱਚ, ਫੋਕਸ ਥੋੜ੍ਹਾ ਵੱਖਰਾ ਹੈ ਪਰ ਬਰਾਬਰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੈ। ਨੈਸ਼ਨਲ ਇੰਸਟੀਚਿਊਟ ਆਫ ਸਟੈਂਡਰਡਜ਼ ਐਂਡ ਟੈਕਨਾਲੋਜੀ ਦੇ ਨਵੇਂ ਫਰੇਮਵਰਕ ਸੁਰੱਖਿਆ ਜਾਂਚ ਅਤੇ ‘ਰੈੱਡ ਟੀਮਿੰਗ’ ‘ਤੇ ਜ਼ੋਰ ਦਿੰਦੇ ਹਨ। ਇਸ ਵਿੱਚ ਹੈਕਰਾਂ ਨੂੰ ਇਹ ਲੱਭਣ ਲਈ ਨਿਯੁਕਤ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ ਕਿ AI ਨੂੰ ਕਿਵੇਂ ਅਸਫਲ ਕੀਤਾ ਜਾਵੇ ਜਾਂ ਖਤਰਨਾਕ ਜਾਣਕਾਰੀ ਪੈਦਾ ਕੀਤੀ ਜਾਵੇ। ਹਾਲਾਂਕਿ ਇਹ ਅਜੇ ਯੂਰਪੀਅਨ ਨਿਯਮਾਂ ਵਾਂਗ ਸਖ਼ਤ ਕਾਨੂੰਨ ਨਹੀਂ ਹਨ, ਪਰ ਇਹ ਸਰਕਾਰੀ ਠੇਕਿਆਂ ਲਈ ਡੀ-ਫੈਕਟੋ ਮਿਆਰ ਬਣ ਰਹੇ ਹਨ। ਜੇਕਰ ਕੋਈ ਟੈਕ ਕੰਪਨੀ ਆਪਣਾ ਸਾਫਟਵੇਅਰ ਫੈਡਰਲ ਸਰਕਾਰ ਨੂੰ ਵੇਚਣਾ ਚਾਹੁੰਦੀ ਹੈ, ਤਾਂ ਉਸਨੂੰ ਸਾਬਤ ਕਰਨਾ ਹੋਵੇਗਾ ਕਿ ਉਸਨੇ ਇਹਨਾਂ ਸੁਰੱਖਿਆ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ਾਂ ਦੀ ਪਾਲਣਾ ਕੀਤੀ ਹੈ। ਇਸ ਨਾਲ ਇੱਕ ‘ਟ੍ਰਿਕਲ-ਡਾਊਨ’ ਪ੍ਰਭਾਵ ਪੈਦਾ ਹੁੰਦਾ ਹੈ। ਛੋਟੇ ਸਟਾਰਟਅੱਪ ਜੋ ਵੱਡੀਆਂ ਫਰਮਾਂ ਦੁਆਰਾ ਐਕਵਾਇਰ ਕੀਤੇ ਜਾਣਾ ਚਾਹੁੰਦੇ ਹਨ, ਉਹਨਾਂ ਨੂੰ ਵੀ ਆਪਣੀ ਕੀਮਤ ਬਰਕਰਾਰ ਰੱਖਣ ਲਈ ਇਹਨਾਂ ਨਿਯਮਾਂ ਦੀ ਪਾਲਣਾ ਕਰਨੀ ਪਵੇਗੀ। ਨਤੀਜਾ ਮਾਨਕੀਕ੍ਰਿਤ ਸੁਰੱਖਿਆ ਪ੍ਰੋਟੋਕੋਲ ਵੱਲ ਇੱਕ ਗਲੋਬਲ ਤਬਦੀਲੀ ਹੈ ਜੋ ਰਵਾਇਤੀ ਸਾਫਟਵੇਅਰ ਵਿਕਾਸ ਨਾਲੋਂ ਹਵਾਬਾਜ਼ੀ ਸੁਰੱਖਿਆ ਵਰਗਾ ਲੱਗਦਾ ਹੈ। ਮਾਡਲ ਜਾਰੀ ਕਰਨ ਅਤੇ ਦੇਖਣ ਦਾ ਦੌਰ ਹੁਣ ਪ੍ਰੀ-ਰੀਲੀਜ਼ ਵੈਰੀਫਿਕੇਸ਼ਨ ਦੇ ਸੱਭਿਆਚਾਰ ਦੁਆਰਾ ਬਦਲਿਆ ਜਾ ਰਿਹਾ ਹੈ।

ਸਥਾਨਕ ਕਾਨੂੰਨਾਂ ਦੇ ਗਲੋਬਲ ਪ੍ਰਭਾਵ

ਇੱਕ ਆਮ ਗਲਤਫਹਿਮੀ ਇਹ ਹੈ ਕਿ ਬ੍ਰਸੇਲਜ਼ ਜਾਂ ਵਾਸ਼ਿੰਗਟਨ ਵਿੱਚ ਪਾਸ ਕੀਤਾ ਗਿਆ ਕਾਨੂੰਨ ਸਿਰਫ ਉਹਨਾਂ ਸ਼ਹਿਰਾਂ ਦੀਆਂ ਕੰਪਨੀਆਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ। ਅਸਲ ਵਿੱਚ, ਟੈਕ ਉਦਯੋਗ ਇੰਨਾ ਆਪਸ ਵਿੱਚ ਜੁੜਿਆ ਹੋਇਆ ਹੈ ਕਿ ਇੱਕ ਵੱਡਾ ਰੈਗੂਲੇਸ਼ਨ ਅਕਸਰ ਗਲੋਬਲ ਮਿਆਰ ਬਣ ਜਾਂਦਾ ਹੈ। ਇਸਨੂੰ ‘ਬ੍ਰਸੇਲਜ਼ ਇਫੈਕਟ’ ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਜਦੋਂ Google ਜਾਂ Microsoft ਵਰਗੀ ਵੱਡੀ ਕੰਪਨੀ ਯੂਰਪੀਅਨ ਕਾਨੂੰਨ ਦੀ ਪਾਲਣਾ ਕਰਨ ਲਈ ਆਪਣੇ ਡੇਟਾ ਹੈਂਡਲਿੰਗ ਅਭਿਆਸਾਂ ਨੂੰ ਬਦਲਦੀ ਹੈ, ਤਾਂ ਬਾਕੀ ਦੁਨੀਆ ਲਈ ਇੱਕ ਵੱਖਰਾ, ਘੱਟ ਸੁਰੱਖਿਅਤ ਸੰਸਕਰਣ ਬਣਾਉਣਾ ਤਰਕਪੂਰਨ ਨਹੀਂ ਹੁੰਦਾ। ਦੋ ਵੱਖ-ਵੱਖ ਸਿਸਟਮਾਂ ਨੂੰ ਬਣਾਈ ਰੱਖਣ ਦੀ ਲਾਗਤ ਪੂਰੇ ਉਤਪਾਦ ਨੂੰ ਸਖ਼ਤ ਨਿਯਮਾਂ ਦੇ ਅਨੁਕੂਲ ਬਣਾਉਣ ਨਾਲੋਂ ਵੱਧ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਦੱਖਣੀ ਅਮਰੀਕਾ ਜਾਂ ਦੱਖਣ-ਪੂਰਬੀ ਏਸ਼ੀਆ ਦੇ ਉਪਭੋਗਤਾ ਹਜ਼ਾਰਾਂ ਮੀਲ ਦੂਰ ਪਾਸ ਕੀਤੇ ਗਏ ਗੋਪਨੀਯਤਾ ਸੁਰੱਖਿਆ ਅਤੇ ਪਾਰਦਰਸ਼ਤਾ ਨਿਯਮਾਂ ਤੋਂ ਲਾਭ ਉਠਾਉਣਗੇ। ਇਹਨਾਂ ਨਿਯਮਾਂ ਦਾ ਗਲੋਬਲ ਲਾਗੂਕਰਨ ਸਾਰੇ ਆਕਾਰ ਦੀਆਂ ਕੰਪਨੀਆਂ ਲਈ ਇੱਕ ਬਰਾਬਰ ਦਾ ਮੈਦਾਨ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ।

ਇਹ ਗਲੋਬਲ ਤਾਲਮੇਲ ਇਸ ਗੱਲ ਵਿੱਚ ਵੀ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ ਕਿ ਕਾਪੀਰਾਈਟ ਨੂੰ ਕਿਵੇਂ ਸੰਭਾਲਿਆ ਜਾ ਰਿਹਾ ਹੈ। ਵੱਖ-ਵੱਖ ਅਦਾਲਤਾਂ ਇਹ ਫੈਸਲਾ ਕਰ ਰਹੀਆਂ ਹਨ ਕਿ ਕੀ AI ਕੰਪਨੀਆਂ ਇਜਾਜ਼ਤ ਤੋਂ ਬਿਨਾਂ ਕਾਪੀਰਾਈਟ ਸਮੱਗਰੀ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੀਆਂ ਹਨ। ਰੈਗੂਲੇਸ਼ਨ ਦੀ ਪਹਿਲੀ ਲਹਿਰ ਸ਼ਾਇਦ ਇੱਕ ਮੁਆਵਜ਼ਾ ਪ੍ਰਣਾਲੀ ਲਾਜ਼ਮੀ ਕਰੇਗੀ ਜਾਂ ਘੱਟੋ-ਘੱਟ ਸਿਰਜਣਹਾਰਾਂ ਲਈ ਸਿਖਲਾਈ ਸੈੱਟਾਂ ਤੋਂ ਬਾਹਰ ਹੋਣ ਦਾ ਤਰੀਕਾ ਦੇਵੇਗੀ। ਅਸੀਂ ਇੱਕ ਨਵੀਂ ਆਰਥਿਕਤਾ ਦੀ ਸ਼ੁਰੂਆਤ ਦੇਖ ਰਹੇ ਹਾਂ ਜਿੱਥੇ ਡੇਟਾ ਨੂੰ ਇੱਕ ਭੌਤਿਕ ਸੰਪੱਤੀ ਵਜੋਂ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ। ਉਪਭੋਗਤਾ ਲਈ, ਇਸਦਾ ਮਤਲਬ ਇਹ ਹੋ ਸਕਦਾ ਹੈ ਕਿ ਤੁਹਾਡੇ ਦੁਆਰਾ ਵਰਤੇ ਜਾਣ ਵਾਲੇ AI ਟੂਲ ਥੋੜੇ ਮਹਿੰਗੇ ਹੋ ਜਾਣਗੇ ਕਿਉਂਕਿ ਕੰਪਨੀਆਂ ਡੇਟਾ ਲਾਇਸੈਂਸਿੰਗ ਦੀ ਲਾਗਤ ਨੂੰ ਆਪਣੀ ਸਬਸਕ੍ਰਿਪਸ਼ਨ ਫੀਸ ਵਿੱਚ ਜੋੜਦੀਆਂ ਹਨ। ਹਾਲਾਂਕਿ, ਇਸਦਾ ਮਤਲਬ ਇਹ ਵੀ ਹੈ ਕਿ ਟੂਲ ਵਧੇਰੇ ਕਾਨੂੰਨੀ ਤੌਰ ‘ਤੇ ਸਥਿਰ ਹੋਣਗੇ। ਤੁਹਾਨੂੰ ਚਿੰਤਾ ਕਰਨ ਦੀ ਲੋੜ ਨਹੀਂ ਹੋਵੇਗੀ ਕਿ ਅੱਜ ਤੁਸੀਂ ਜੋ ਚਿੱਤਰ ਜਾਂ ਟੈਕਸਟ ਤਿਆਰ ਕਰਦੇ ਹੋ, ਉਹ ਕੱਲ੍ਹ ਮੁਕੱਦਮੇ ਦਾ ਵਿਸ਼ਾ ਬਣ ਜਾਵੇਗਾ। ਕਾਨੂੰਨੀ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਤਕਨੀਕੀ ਸਮਰੱਥਾਵਾਂ ਦੇ ਨਾਲ ਮੇਲ ਖਾ ਰਿਹਾ ਹੈ, ਜੋ ਲਗਾਤਾਰ ਮੁਕੱਦਮੇਬਾਜ਼ੀ ਦੇ ਪਰਛਾਵੇਂ ਤੋਂ ਬਿਨਾਂ ਲੰਬੇ ਸਮੇਂ ਦੇ ਵਿਕਾਸ ਲਈ ਇੱਕ ਨੀਂਹ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।

ਨਵਾਂ ਦਫਤਰੀ ਵਰਕਫਲੋ

ਨੇੜਲੇ ਭਵਿੱਖ ਵਿੱਚ ਸਾਰਾਹ ਨਾਮ ਦੀ ਇੱਕ ਮਾਰਕੀਟਿੰਗ ਮੈਨੇਜਰ ਦੇ ਇੱਕ ਆਮ ਦਿਨ ਬਾਰੇ ਸੋਚੋ। ਇਸ ਤੋਂ ਪਹਿਲਾਂ ਕਿ ਸਾਰਾਹ ਇੱਕ ਨਵੀਂ ਵਿਗਿਆਪਨ ਮੁਹਿੰਮ ਤਿਆਰ ਕਰਨ ਲਈ AI ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕੇ, ਉਸਦੀ ਕੰਪਨੀ ਦਾ ਅੰਦਰੂਨੀ ਪਾਲਣਾ ਡੈਸ਼ਬੋਰਡ ਮਾਡਲ ਨੂੰ ਹਰੀ ਝੰਡੀ ਦਿੰਦਾ ਹੈ। ਸਾਫਟਵੇਅਰ ਆਪਣੇ ਆਪ ਜਾਂਚ ਕਰਦਾ ਹੈ ਕਿ ਕੀ ਮਾਡਲ ਨੂੰ ਨਵੀਨਤਮ ਸੁਰੱਖਿਆ ਮਿਆਰਾਂ ਤਹਿਤ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਸਾਰਾਹ ਇੱਕ ਚਿੱਤਰ ਤਿਆਰ ਕਰਦੀ ਹੈ, ਤਾਂ ਸਾਫਟਵੇਅਰ ਇੱਕ ਡਿਜੀਟਲ ਵਾਟਰਮਾਰਕ ਜੋੜਦਾ ਹੈ ਜੋ ਅੱਖਾਂ ਲਈ ਅਦਿੱਖ ਹੈ ਪਰ ਕਿਸੇ ਵੀ ਬ੍ਰਾਊਜ਼ਰ ਦੁਆਰਾ ਪੜ੍ਹਨਯੋਗ ਹੈ। ਇਸ ਵਾਟਰਮਾਰਕ ਵਿੱਚ ਵਰਤੇ ਗਏ AI ਅਤੇ ਬਣਾਉਣ ਦੀ ਮਿਤੀ ਬਾਰੇ ਮੈਟਾਡੇਟਾ ਹੁੰਦਾ ਹੈ। ਇਹ ਕੋਈ ਅਜਿਹੀ ਵਿਸ਼ੇਸ਼ਤਾ ਨਹੀਂ ਹੈ ਜਿਸਨੂੰ ਉਸਨੇ ਚਾਲੂ ਕਰਨਾ ਚੁਣਿਆ ਹੈ। ਇਹ ਖੇਤਰੀ ਕਾਨੂੰਨਾਂ ਦੀ ਪਾਲਣਾ ਕਰਨ ਲਈ ਡਿਵੈਲਪਰ ਦੁਆਰਾ ਸਾਫਟਵੇਅਰ ਵਿੱਚ ਬਣਾਈ ਗਈ ਇੱਕ ਲਾਜ਼ਮੀ ਲੋੜ ਹੈ। ਜੇਕਰ ਸਾਰਾਹ ਇਸ ਚਿੱਤਰ ਨੂੰ ਸੋਸ਼ਲ ਮੀਡੀਆ ਪਲੇਟਫਾਰਮ ‘ਤੇ ਅੱਪਲੋਡ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੀ ਹੈ, ਤਾਂ ਪਲੇਟਫਾਰਮ ਵਾਟਰਮਾਰਕ ਨੂੰ ਪੜ੍ਹਦਾ ਹੈ ਅਤੇ ਆਪਣੇ ਆਪ ਇੱਕ ਲੇਬਲ ਜੋੜਦਾ ਹੈ ਜੋ ਕਹਿੰਦਾ ਹੈ ‘AI Generated’। ਇਹ ਇੱਕ ਪਾਰਦਰਸ਼ੀ ਮਾਹੌਲ ਬਣਾਉਂਦਾ ਹੈ ਜਿੱਥੇ ਮਨੁੱਖੀ ਅਤੇ ਮਸ਼ੀਨੀ ਕੰਮ ਵਿਚਕਾਰ ਰੇਖਾ ਸਪੱਸ਼ਟ ਤੌਰ ‘ਤੇ ਚਿੰਨ੍ਹਿਤ ਹੁੰਦੀ ਹੈ।

ਦਿਨ ਵਿੱਚ ਬਾਅਦ ਵਿੱਚ, ਸਾਰਾਹ ਨੂੰ ਗਾਹਕ ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਪਹਿਲਾਂ, ਉਹ ਸ਼ਾਇਦ ਇਸ ਡੇਟਾ ਨੂੰ ਇੱਕ ਪਬਲਿਕ ਚੈਟਬੋਟ ਵਿੱਚ ਪੇਸਟ ਕਰ ਦਿੰਦੀ। ਨਵੇਂ ਨਿਯਮਾਂ ਦੇ ਤਹਿਤ, ਉਸਦੀ ਕੰਪਨੀ AI ਦੇ ਇੱਕ ਸਥਾਨਕ ਸੰਸਕਰਣ ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ ਜੋ ਸਾਰਾ ਡੇਟਾ ਇੱਕ ਪ੍ਰਾਈਵੇਟ ਸਰਵਰ ‘ਤੇ ਸਟੋਰ ਕਰਦਾ ਹੈ। ਰੈਗੂਲੇਸ਼ਨ ਇਹ ਲਾਜ਼ਮੀ ਕਰਦਾ ਹੈ ਕਿ ਸੰਵੇਦਨਸ਼ੀਲ ਨਿੱਜੀ ਜਾਣਕਾਰੀ ਦੀ ਵਰਤੋਂ ਜਨਰਲ ਮਾਡਲ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਨਹੀਂ ਕੀਤੀ ਜਾ ਸਕਦੀ। ਸਾਰਾਹ ਦਾ ਵਰਕਫਲੋ ਇਹਨਾਂ ਵਾਧੂ ਕਦਮਾਂ ਕਾਰਨ ਹੌਲੀ ਹੈ, ਪਰ ਡੇਟਾ ਉਲੰਘਣਾ ਦਾ ਜੋਖਮ ਕਾਫ਼ੀ ਘੱਟ ਹੈ। ਸਾਫਟਵੇਅਰ ਇੱਕ ਆਡਿਟ ਟ੍ਰੇਲ ਵੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਜੇਕਰ ਕੋਈ ਗਾਹਕ ਪੁੱਛਦਾ ਹੈ ਕਿ ਉਹਨਾਂ ਨੂੰ ਕਿਸੇ ਖਾਸ ਵਿਗਿਆਪਨ ਨਾਲ ਕਿਉਂ ਨਿਸ਼ਾਨਾ ਬਣਾਇਆ ਗਿਆ ਸੀ, ਤਾਂ ਸਾਰਾਹ ਇੱਕ ਰਿਪੋਰਟ ਕੱਢ ਸਕਦੀ ਹੈ ਜੋ AI ਦੁਆਰਾ ਵਰਤੀ ਗਈ ਤਰਕ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ। ਇਹ ਰੈਗੂਲੇਟਿਡ AI ਦੀ ਕਾਰਜਸ਼ੀਲ ਹਕੀਕਤ ਹੈ। ਇਹ ਜਾਦੂ ਬਾਰੇ ਘੱਟ ਅਤੇ ਪ੍ਰਬੰਧਿਤ ਪ੍ਰਕਿਰਿਆਵਾਂ ਬਾਰੇ ਵਧੇਰੇ ਹੈ। ਇਹਨਾਂ ਨਿਯਮਾਂ ਦੁਆਰਾ ਪੇਸ਼ ਕੀਤੀ ਗਈ ਰੁਕਾਵਟ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਾਧਨਾਂ ਦੀ ਦੁਰਵਰਤੋਂ ਨੂੰ ਰੋਕਣ ਲਈ ਇੱਕ ਜਾਣਬੁੱਝ ਕੇ ਕੀਤੀ ਗਈ ਚੋਣ ਹੈ।

ਇਹਨਾਂ ਸਾਧਨਾਂ ਦੇ ਸਿਰਜਣਹਾਰਾਂ ਲਈ, ਪ੍ਰਭਾਵ ਹੋਰ ਵੀ ਸਿੱਧਾ ਹੈ। ਇੱਕ ਸਟਾਰਟਅੱਪ ਵਿੱਚ ਇੱਕ ਡਿਵੈਲਪਰ ਹੁਣ ਸਿਰਫ਼ ਇੰਟਰਨੈੱਟ ਤੋਂ ਡੇਟਾਸੈਟ ਨਹੀਂ ਖਿੱਚ ਸਕਦਾ ਅਤੇ ਸਿਖਲਾਈ ਸ਼ੁਰੂ ਨਹੀਂ ਕਰ ਸਕਦਾ। ਉਹਨਾਂ ਨੂੰ ਹਰ ਗੀਗਾਬਾਈਟ ਡੇਟਾ ਦੀ ਉਤਪਤੀ ਦਾ ਦਸਤਾਵੇਜ਼ੀਕਰਨ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਉਹਨਾਂ ਨੂੰ ਜ਼ਹਿਰੀਲੇ ਆਉਟਪੁੱਟ ਅਤੇ ਬਾਇਸ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ ਸਵੈਚਲਿਤ ਟੈਸਟ ਚਲਾਉਣੇ ਚਾਹੀਦੇ ਹਨ। ਜੇਕਰ ਮਾਡਲ ਨੂੰ ‘ਹਾਈ-ਰਿਸਕ’ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਉਹਨਾਂ ਨੂੰ ਆਪਣੇ ਨਤੀਜੇ ਤੀਜੀ-ਧਿਰ ਦੇ ਆਡੀਟਰ ਨੂੰ ਸੌਂਪਣੇ ਪੈਣਗੇ। ਇਹ ਟੈਕ ਕੰਪਨੀਆਂ ਦੀਆਂ ਭਰਤੀ ਲੋੜਾਂ ਨੂੰ ਬਦਲਦਾ ਹੈ। ਉਹ ਹੁਣ ਡੇਟਾ ਸਾਇੰਟਿਸਟਾਂ ਦੀ ਤਰ੍ਹਾਂ ਹੀ ਨੈਤਿਕਤਾ ਅਧਿਕਾਰੀਆਂ ਅਤੇ ਪਾਲਣਾ ਇੰਜੀਨੀਅਰਾਂ ਦੀ ਭਾਲ ਕਰ ਰਹੇ ਹਨ। ਇੱਕ ਨਵਾਂ AI ਉਤਪਾਦ ਮਾਰਕੀਟ ਵਿੱਚ ਲਿਆਉਣ ਦੀ ਲਾਗਤ ਵੱਧ ਰਹੀ ਹੈ, ਜੋ ਸ਼ਾਇਦ ਡੂੰਘੀ ਜੇਬ ਵਾਲੀਆਂ ਵੱਡੀਆਂ ਕੰਪਨੀਆਂ ਦੇ ਹੱਕ ਵਿੱਚ ਹੋਵੇ। ਇਹ ਰੈਗੂਲੇਸ਼ਨ ਦੇ ਦਿਖਾਈ ਦੇਣ ਵਾਲੇ ਵਿਰੋਧਾਭਾਸਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ। ਹਾਲਾਂਕਿ ਇਹ ਉਪਭੋਗਤਾ ਦੀ ਰੱਖਿਆ ਕਰਦਾ ਹੈ, ਇਹ ਉਸ ਮੁਕਾਬਲੇ ਨੂੰ ਵੀ ਰੋਕ ਸਕਦਾ ਹੈ ਜੋ ਨਵੀਨਤਾ ਨੂੰ ਚਲਾਉਂਦਾ ਹੈ।

ਇਹ ਤਣਾਅ ਟੈਕ ਉਦਯੋਗ ਦੇ ਅਗਲੇ ਦਹਾਕੇ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੇਗਾ ਕਿਉਂਕਿ ਅਸੀਂ ਇਹ ਫੈਸਲਾ ਕਰਦੇ ਹਾਂ ਕਿ ਅਸੀਂ ਤੇਜ਼ੀ ਨਾਲ ਤਰੱਕੀ ਦੇ ਬਦਲੇ ਕਿੰਨਾ ਜੋਖਮ ਸਵੀਕਾਰ ਕਰਨ ਲਈ ਤਿਆਰ ਹਾਂ।

ਸੰਪੂਰਨ ਸੁਰੱਖਿਆ ਦੀ ਲਾਗਤ

ਸਾਨੂੰ ਇਹ ਪੁੱਛਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕੀ ਕੁੱਲ ਸੁਰੱਖਿਆ ਲਈ ਮੁਹਿੰਮ ਸਮੱਸਿਆਵਾਂ ਦਾ ਇੱਕ ਨਵਾਂ ਸਮੂਹ ਪੈਦਾ ਕਰ ਰਹੀ ਹੈ। ਜੇਕਰ ਹਰ AI ਆਉਟਪੁੱਟ ਨੂੰ ਵਾਟਰਮਾਰਕ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਹਰ ਸਿਖਲਾਈ ਸੈੱਟ ਦਾ ਖੁਲਾਸਾ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਤਾਂ ਕੀ ਅਸੀਂ ਨਿੱਜੀ ਤੌਰ ‘ਤੇ ਨਵੀਨਤਾ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਗੁਆ ਦਿੰਦੇ ਹਾਂ? ਪਾਰਦਰਸ਼ਤਾ ਦੀ ਇੱਕ ਲੁਕਵੀਂ ਕੀਮਤ ਹੈ। ਛੋਟੇ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਦਸਤਾਵੇਜ਼ੀਕਰਨ ਦਾ ਬੋਝ ਇੰਨਾ ਜ਼ਿਆਦਾ ਲੱਗ ਸਕਦਾ ਹੈ ਕਿ ਉਹ ਬਣਾਉਣਾ ਹੀ ਬੰਦ ਕਰ ਦੇਣ। ਇਹ ਇੱਕ ਅਜਿਹੇ ਭਵਿੱਖ ਵੱਲ ਲੈ ਜਾ ਸਕਦਾ ਹੈ ਜਿੱਥੇ ਸਿਰਫ ਕੁਝ ਵੱਡੇ ਕਾਰਪੋਰੇਸ਼ਨ ਹੀ ਮੌਜੂਦ ਰਹਿ ਸਕਦੇ ਹਨ। ਕੌਣ ਫੈਸਲਾ ਕਰਦਾ ਹੈ ਕਿ ‘ਹਾਈ-ਰਿਸਕ’ ਸਿਸਟਮ ਕੀ ਹੈ? ਜੇਕਰ ਕੋਈ ਸਰਕਾਰ ਫੈਸਲਾ ਕਰਦੀ ਹੈ ਕਿ ਰਾਜਨੀਤਿਕ ਭਾਸ਼ਣ ਲਈ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ AI ਉੱਚ ਜੋਖਮ ਵਾਲਾ ਹੈ, ਤਾਂ ਕੀ ਇਹ ਸੈਂਸਰਸ਼ਿਪ ਦਾ ਸਾਧਨ ਬਣ ਜਾਂਦਾ ਹੈ? ਇਹ ਉਹ ਮੁਸ਼ਕਲ ਸਵਾਲ ਹਨ ਜਿਨ੍ਹਾਂ ਦਾ ਰੈਗੂਲੇਸ਼ਨ ਦੀ ਪਹਿਲੀ ਲਹਿਰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਜਵਾਬ ਨਹੀਂ ਦਿੰਦੀ। ਅਸੀਂ ਸੁਰੱਖਿਆ ਦੀ ਇੱਕ ਨਿਸ਼ਚਿਤ ਮਾਤਰਾ ਲਈ ਆਜ਼ਾਦੀ ਦੀ ਇੱਕ ਨਿਸ਼ਚਿਤ ਮਾਤਰਾ ਦਾ ਵਪਾਰ ਕਰ ਰਹੇ ਹਾਂ, ਪਰ ਐਕਸਚੇਂਜ ਰੇਟ ਅਜੇ ਸਪੱਸ਼ਟ ਨਹੀਂ ਹੈ।

ਗੋਪਨੀਯਤਾ ਇੱਕ ਹੋਰ ਖੇਤਰ ਹੈ ਜਿੱਥੇ ਨਿਯਮ ਉਲਟੇ ਪੈ ਸਕਦੇ ਹਨ। ਇਹ ਸਾਬਤ ਕਰਨ ਲਈ ਕਿ ਇੱਕ AI ਕਿਸੇ ਖਾਸ ਸਮੂਹ ਦੇ ਵਿਰੁੱਧ ਪੱਖਪਾਤੀ ਨਹੀਂ ਹੈ, ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਅਕਸਰ ਉਸ ਸਮੂਹ ਬਾਰੇ ਵਧੇਰੇ ਡੇਟਾ ਇਕੱਠਾ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਹ ਇੱਕ ਵਿਰੋਧਾਭਾਸ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜਿੱਥੇ ਘੱਟ ਵਿਤਕਰੇ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਵਧੇਰੇ ਨਿਗਰਾਨੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਕੀ ਇਹ ਵਪਾਰ ਮੁੱਲਵਾਨ ਹੈ? ਇਸ ਤੋਂ ਇਲਾਵਾ, ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਡੇਟਾ ਦੀ ਸੁਰੱਖਿਆ ਲਈ ਸਥਾਨਕ ਸਟੋਰੇਜ ਲੋੜਾਂ ਵੱਲ ਵਧਦੇ ਹਾਂ, ਅਸੀਂ ਇੰਟਰਨੈਟ ਦਾ ਵਿਭਾਜਨ ਦੇਖ ਸਕਦੇ ਹਾਂ। ਜੇਕਰ ਕੋਈ ਦੇਸ਼ ਇਹ ਹੁਕਮ ਦਿੰਦਾ ਹੈ ਕਿ ਉਸਦੇ ਨਾਗਰਿਕਾਂ ਲਈ ਸਾਰਾ AI ਡੇਟਾ ਉਸਦੀਆਂ ਸਰਹੱਦਾਂ ਦੇ ਅੰਦਰ ਰਹਿਣਾ ਚਾਹੀਦਾ ਹੈ, ਤਾਂ ਇਹ ਇੱਕ ਡਿਜੀਟਲ ਕੰਧ ਬਣਾਉਂਦਾ ਹੈ। ਇਹ ਉਸ ਗਲੋਬਲ ਸਹਿਯੋਗ ਨੂੰ ਰੋਕ ਸਕਦਾ ਹੈ ਜੋ ਤੀਹ ਸਾਲਾਂ ਤੋਂ ਟੈਕ ਉਦਯੋਗ ਦੀ ਵਿਸ਼ੇਸ਼ਤਾ ਰਿਹਾ ਹੈ। ਸਾਨੂੰ ਸਾਵਧਾਨ ਰਹਿਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਨਿਯਮਤ ਕਰਨ ਦੀ ਸਾਡੀ ਕਾਹਲੀ ਵਿੱਚ, ਅਸੀਂ ਅਚਾਨਕ ਵੈੱਬ ਦੇ ਖੁੱਲੇ ਸੁਭਾਅ ਨੂੰ ਨਸ਼ਟ ਨਾ ਕਰ ਦੇਈਏ।

ਪਾਲਣਾ ਦੀ ਇੰਜੀਨੀਅਰਿੰਗ

ਤਕਨੀਕੀ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਤੋਂ, ਪਾਲਣਾ ਨੂੰ API ਲੇਅਰ ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ। ਪ੍ਰਮੁੱਖ ਪ੍ਰਦਾਤਾ ਪਹਿਲਾਂ ਹੀ ਰੇਟ ਲਿਮਿਟ ਅਤੇ ਸਮੱਗਰੀ ਫਿਲਟਰ ਲਾਗੂ ਕਰ ਰਹੇ ਹਨ ਜੋ ਸਿਰਫ਼ ਸੁਰੱਖਿਆ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਤੋਂ ਵੱਧ ਹਨ। ਉਹ ਕਾਨੂੰਨੀ ਸੁਰੱਖਿਆ ਉਪਾਅ ਹਨ। ਪਾਵਰ ਉਪਭੋਗਤਾਵਾਂ ਲਈ, ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਬਿਨਾਂ ਸੈਂਸਰ ਕੀਤੇ, ਕੱਚੇ ਮਾਡਲ ਐਕਸੈਸ ਦੇ ਦਿਨ ਗਿਣੇ ਗਏ ਹਨ। ਜ਼ਿਆਦਾਤਰ ਵਪਾਰਕ API ਹੁਣ ਇੱਕ ਲਾਜ਼ਮੀ ਮੋਡਰੇਸ਼ਨ ਐਂਡਪੁਆਇੰਟ ਸ਼ਾਮਲ ਕਰਦੇ ਹਨ ਜੋ ਹਰ ਪ੍ਰੋਂਪਟ ਅਤੇ ਹਰ ਜਵਾਬ ਨੂੰ ਸਕੈਨ ਕਰਦਾ ਹੈ। ਜੇਕਰ ਤੁਸੀਂ ਇਹਨਾਂ ਮਾਡਲਾਂ ਦੇ ਸਿਖਰ ‘ਤੇ ਕੋਈ ਐਪਲੀਕੇਸ਼ਨ ਬਣਾ ਰਹੇ ਹੋ, ਤਾਂ ਤੁਹਾਨੂੰ ਉਸ ਲੇਟੈਂਸੀ ਦਾ ਹਿਸਾਬ ਰੱਖਣਾ ਚਾਹੀਦਾ ਹੈ ਜੋ ਇਹ ਜਾਂਚਾਂ ਤੁਹਾਡੇ ਸਿਸਟਮ ਵਿੱਚ ਜੋੜਦੀਆਂ ਹਨ। ਮਾਡਲ ਵਰਜਨਿੰਗ ਦਾ ਮੁੱਦਾ ਵੀ ਹੈ। ਆਡਿਟ ਲੋੜਾਂ ਦੀ ਪਾਲਣਾ ਕਰਨ ਲਈ, ਕੰਪਨੀਆਂ ਨੂੰ ਆਪਣੇ ਮਾਡਲਾਂ ਦੇ ਪੁਰਾਣੇ ਸੰਸਕਰਣਾਂ ਨੂੰ ਸਰਗਰਮ ਰੱਖਣਾ ਚਾਹੀਦਾ ਹੈ ਤਾਂ ਜੋ ਪਿਛਲੇ ਫੈਸਲਿਆਂ ਦੀ ਸਮੀਖਿਆ ਕੀਤੀ ਜਾ ਸਕੇ। ਇਹ ਪ੍ਰਦਾਤਾ ਲਈ ਸਟੋਰੇਜ ਅਤੇ ਕੰਪਿਊਟ ਲਾਗਤਾਂ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ, ਜੋ ਅੰਤ ਵਿੱਚ ਉਪਭੋਗਤਾ ਤੱਕ ਪਹੁੰਚ ਜਾਂਦਾ ਹੈ।

ਸਥਾਨਕ ਸਟੋਰੇਜ ਅਤੇ ਐਜ ਕੰਪਿਊਟਿੰਗ ਗੋਪਨੀਯਤਾ-ਸਚੇਤ ਉੱਦਮਾਂ ਲਈ ਤਰਜੀਹੀ ਹੱਲ ਬਣ ਰਹੇ ਹਨ। ਡੇਟਾ ਨੂੰ ਇੱਕ ਕੇਂਦਰੀ ਕਲਾਉਡ ‘ਤੇ ਭੇਜਣ ਦੀ ਬਜਾਏ, ਕੰਪਨੀਆਂ ਆਪਣੇ ਹਾਰਡਵੇਅਰ ‘ਤੇ ਛੋਟੇ, ਅਨੁਕੂਲਿਤ ਮਾਡਲ ਚਲਾ ਰਹੀਆਂ ਹਨ। ਇਹ ਸਰਹੱਦ ਪਾਰ ਡੇਟਾ ਟ੍ਰਾਂਸਫਰ ਦੇ ਕਾਨੂੰਨੀ ਸਿਰਦਰਦ ਤੋਂ ਬਚਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਇਹਨਾਂ ਸਥਾਨਕ ਮਾਡਲਾਂ ਵਿੱਚ ਅਕਸਰ ਉਹਨਾਂ ਦੇ ਕਲਾਉਡ-ਅਧਾਰਿਤ ਹਮਰੁਤਬਾ ਦੀ ਸ਼ਕਤੀ ਦੀ ਘਾਟ ਹੁੰਦੀ ਹੈ। ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਹੁਣ ਇੱਕ ਨਵੀਂ ਕਿਸਮ ਦੇ ਅਨੁਕੂਲਨ ਦਾ ਕੰਮ ਸੌਂਪਿਆ ਗਿਆ ਹੈ। ਉਹਨਾਂ ਨੂੰ ਇਹ ਪਤਾ ਲਗਾਉਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਇੱਕ ਸਿੰਗਲ ਸਰਵਰ ‘ਤੇ ਫਿੱਟ ਹੋਣ ਵਾਲੇ ਮਾਡਲ ਤੋਂ ਵੱਧ ਤੋਂ ਵੱਧ ਪ੍ਰਦਰਸ਼ਨ ਕਿਵੇਂ ਪ੍ਰਾਪਤ ਕਰਨਾ ਹੈ ਜਦੋਂ ਕਿ ਕਾਨੂੰਨ ਦੀਆਂ ਸਾਰੀਆਂ ਪਾਰਦਰਸ਼ਤਾ ਲੋੜਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨਾ ਹੈ। ਅਸੀਂ C2PA ਵਰਗੇ ਪ੍ਰੋਵੇਨੈਂਸ ਪ੍ਰੋਟੋਕੋਲ ਦਾ ਉਭਾਰ ਵੀ ਦੇਖ ਰਹੇ ਹਾਂ। ਇਹ ਇੱਕ ਤਕਨੀਕੀ ਮਿਆਰ ਹੈ ਜੋ ਡਿਜੀਟਲ ਸਮੱਗਰੀ ਨੂੰ ਕ੍ਰਿਪਟੋਗ੍ਰਾਫਿਕ ਤੌਰ ‘ਤੇ ਸੁਰੱਖਿਅਤ ਲੇਬਲਿੰਗ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। ਇਹ ਸਿਰਫ਼ ਇੱਕ ਟੈਗ ਜੋੜਨ ਬਾਰੇ ਨਹੀਂ ਹੈ। ਇਹ ਕੈਮਰੇ ਜਾਂ AI ਤੋਂ ਲੈ ਕੇ ਸਕ੍ਰੀਨ ਤੱਕ ਚਿੱਤਰ ਦੇ ਇਤਿਹਾਸ ਦਾ ਇੱਕ ਸਥਾਈ ਰਿਕਾਰਡ ਬਣਾਉਣ ਬਾਰੇ ਹੈ। ਗੀਕ ਸੈਕਸ਼ਨ ਲਈ, ਇਸਦਾ ਮਤਲਬ ਹੈ ਗੁੰਝਲਦਾਰ ਕੁੰਜੀ ਆਰਕੀਟੈਕਚਰ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨਾ ਅਤੇ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਕਿ ਮੈਟਾਡੇਟਾ ਸੋਸ਼ਲ ਮੀਡੀਆ ਕੰਪਰੈਸ਼ਨ ਐਲਗੋਰਿਦਮ ਦੁਆਰਾ ਹਟਾਇਆ ਨਾ ਜਾਵੇ।

ਜਵਾਬਦੇਹੀ ਵੱਲ ਤਬਦੀਲੀ

AI ਰੈਗੂਲੇਸ਼ਨ ਦੀ ਪਹਿਲੀ ਲਹਿਰ ਇੱਕ ਸਪੱਸ਼ਟ ਸੰਕੇਤ ਹੈ ਕਿ ਉਦਯੋਗ ਦਾ ਪ੍ਰਯੋਗਾਤਮਕ ਪੜਾਅ ਖਤਮ ਹੋ ਗਿਆ ਹੈ। ਅਸੀਂ ਇੱਕ ਅਜਿਹੇ ਦੌਰ ਵਿੱਚ ਦਾਖਲ ਹੋ ਰਹੇ ਹਾਂ ਜਿੱਥੇ AI ਬਣਾਉਣ ਅਤੇ ਵਰਤਣ ਦੀ operational reality ਸਿਰਫ਼ ਸਮਰੱਥਾ ਦੀ ਬਜਾਏ ਕਾਨੂੰਨ ਦੁਆਰਾ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਕੰਪਨੀਆਂ ਨੂੰ ਉਹਨਾਂ ਦੁਆਰਾ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਡੇਟਾ ਅਤੇ ਉਹਨਾਂ ਦੁਆਰਾ ਜਾਰੀ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਉਤਪਾਦਾਂ ਬਾਰੇ ਵਧੇਰੇ ਸਾਵਧਾਨ ਰਹਿਣਾ ਪਵੇਗਾ। ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਇੱਕ ਅਜਿਹੀ ਦੁਨੀਆ ਦੀ ਆਦਤ ਪਾਉਣੀ ਪਵੇਗੀ ਜਿੱਥੇ AI ਨੂੰ ਲੇਬਲ, ਟਰੈਕ ਅਤੇ ਆਡਿਟ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਹਾਲਾਂਕਿ ਇਹ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਰੁਕਾਵਟ ਪਾਉਂਦਾ ਹੈ, ਇਹ ਭਰੋਸੇ ਦੀ ਇੱਕ ਪਰਤ ਵੀ ਜੋੜਦਾ ਹੈ ਜੋ ਗਾਇਬ ਸੀ। ਟੀਚਾ ਇੱਕ ਅਜਿਹੀ ਪ੍ਰਣਾਲੀ ਬਣਾਉਣਾ ਹੈ ਜਿੱਥੇ AI ਦੇ ਲਾਭਾਂ ਦਾ ਆਨੰਦ ਬਾਇਸ, ਚੋਰੀ, ਜਾਂ ਗਲਤ ਜਾਣਕਾਰੀ ਦੇ ਲਗਾਤਾਰ ਡਰ ਤੋਂ ਬਿਨਾਂ ਲਿਆ ਜਾ ਸਕੇ। ਇਹ ਚੱਲਣ ਲਈ ਇੱਕ ਮੁਸ਼ਕਲ ਰਸਤਾ ਹੈ, ਪਰ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਦਾ ਇੱਕੋ ਇੱਕ ਤਰੀਕਾ ਹੈ ਕਿ ਇਹ ਸਾਧਨ ਸਾਡੇ ਗਲੋਬਲ ਸਮਾਜ ਦਾ ਇੱਕ ਸਥਾਈ ਅਤੇ ਸਕਾਰਾਤਮਕ ਹਿੱਸਾ ਬਣ ਜਾਣ।

Editor’s note: We created this site as a multilingual AI news and guides hub for people who are not computer geeks, but still want to understand artificial intelligence, use it with more confidence, and follow the future that is already arriving.

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