ਫੌਜੀ AI ਬਾਰੇ ਇਸ ਸਮੇਂ ਦੇ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਸਵਾਲ

ਇਹ ਬਹਿਸ ਕਰਨ ਦਾ ਦੌਰ ਖਤਮ ਹੋ ਗਿਆ ਹੈ ਕਿ ਕੀ AI ਨੂੰ ਜੰਗ ਦੇ ਮੈਦਾਨ ਵਿੱਚ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਜਾਂ ਨਹੀਂ। ਸਰਕਾਰਾਂ ਹੁਣ ਇਸ ਲਈ ਖੁੱਲ੍ਹੇ ਦਿਲ ਨਾਲ ਫੰਡ ਦੇ ਰਹੀਆਂ ਹਨ। ਖਰੀਦਦਾਰੀ ਹੁਣ ਪ੍ਰਯੋਗਾਤਮਕ ਲੈਬਾਂ ਤੋਂ ਨਿਕਲ ਕੇ ਰੱਖਿਆ ਦੇ ਸਟੈਂਡਰਡ ਕੰਟਰੈਕਟਸ ਤੱਕ ਪਹੁੰਚ ਗਈ ਹੈ। ਇਹ ਤਬਦੀਲੀ AI ਨੂੰ ਇੱਕ ਭਵਿੱਖਮੁਖੀ ਸੰਕਲਪ ਤੋਂ ਹਟਾ ਕੇ ਰਾਸ਼ਟਰੀ ਬਜਟ ਦਾ ਇੱਕ ਅਹਿਮ ਹਿੱਸਾ ਬਣਾਉਂਦੀ ਹੈ। ਹੁਣ ਧਿਆਨ ਸੋਚਣ ਵਾਲੇ ਰੋਬੋਟਾਂ ‘ਤੇ ਨਹੀਂ, ਸਗੋਂ ਵੱਡੇ ਪੱਧਰ ‘ਤੇ ਡੇਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ‘ਤੇ ਹੈ। ਫੌਜੀ ਅਧਿਕਾਰੀ ਅਜਿਹੇ ਸਿਸਟਮ ਚਾਹੁੰਦੇ ਹਨ ਜੋ ਇਨਸਾਨਾਂ ਨਾਲੋਂ ਤੇਜ਼ੀ ਨਾਲ ਨਿਸ਼ਾਨੇ ਦੀ ਪਛਾਣ ਕਰ ਸਕਣ। ਉਹ ਅਜਿਹਾ ਸਾਫਟਵੇਅਰ ਲੱਭ ਰਹੇ ਹਨ ਜੋ ਲੌਜਿਸਟਿਕਸ ਦੀਆਂ ਖਾਮੀਆਂ ਨੂੰ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਭਾਂਪ ਲਵੇ। ਇਹ ਤਬਦੀਲੀ ਗਲੋਬਲ ਸੁਰੱਖਿਆ ਲਈ ਇੱਕ ਨਵੀਂ ਹਕੀਕਤ ਪੈਦਾ ਕਰਦੀ ਹੈ। ਇਹ ਇਸ ਗੱਲ ‘ਤੇ ਮੁੜ ਵਿਚਾਰ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕਰਦੀ ਹੈ ਕਿ ਜੰਗਾਂ ਕਿਵੇਂ ਸ਼ੁਰੂ ਹੁੰਦੀਆਂ ਹਨ ਅਤੇ ਕਿਵੇਂ ਖਤਮ ਹੁੰਦੀਆਂ ਹਨ। ਫੈਸਲੇ ਲੈਣ ਦੀ ਰਫਤਾਰ ਮਨੁੱਖੀ ਸਮਝ ਤੋਂ ਪਰੇ ਤੇਜ਼ ਹੋ ਰਹੀ ਹੈ। ਇਹ ਸਾਇੰਸ ਫਿਕਸ਼ਨ ਬਾਰੇ ਨਹੀਂ ਹੈ। ਇਹ ਮੌਜੂਦਾ ਸੈਂਸਰਾਂ ਅਤੇ ਹਥਿਆਰਾਂ ਵਿੱਚ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਨੂੰ ਤੁਰੰਤ ਸ਼ਾਮਲ ਕਰਨ ਬਾਰੇ ਹੈ। ਦਾਅ ‘ਤੇ ਸਿਰਫ ਹਾਰਡਵੇਅਰ ਨਹੀਂ, ਸਗੋਂ ਅੰਤਰਰਾਸ਼ਟਰੀ ਸਥਿਰਤਾ ਦਾ ਮੂਲ ਤਰਕ ਹੈ। ਅਗਲੇ ਕੁਝ ਸਾਲਾਂ ਵਿੱਚ ਲਏ ਗਏ ਫੈਸਲੇ ਦਹਾਕਿਆਂ ਤੱਕ ਦੁਨੀਆ ਦੀ ਸੁਰੱਖਿਆ ਨੂੰ ਤੈਅ ਕਰਨਗੇ। ਨੈਤਿਕਤਾ ਦੀਆਂ ਗੱਲਾਂ ਹੁਣ ਮੁਕਾਬਲੇ ਦੀ ਹਕੀਕਤ ਨਾਲ ਟਕਰਾ ਰਹੀਆਂ ਹਨ।

ਲੈਬ ਤੋਂ ਬਜਟ ਤੱਕ ਦਾ ਸਫਰ

ਮਿਲਟਰੀ AI ਅਸਲ ਵਿੱਚ ਰੱਖਿਆ ਦੇ ਰਵਾਇਤੀ ਕੰਮਾਂ ਵਿੱਚ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਨੂੰ ਲਾਗੂ ਕਰਨਾ ਹੈ। ਇਹ ਕੋਈ ਇੱਕ ਕਾਢ ਨਹੀਂ ਹੈ, ਸਗੋਂ ਸਮਰੱਥਾਵਾਂ ਦਾ ਇੱਕ ਸਮੂਹ ਹੈ। ਇਸ ਵਿੱਚ ਡਰੋਨ ਫੀਡ ਲਈ ਕੰਪਿਊਟਰ ਵਿਜ਼ਨ, ਇੰਟਰਸੈਪਟ ਕੀਤੇ ਸਿਗਨਲਾਂ ਲਈ ਨੈਚੁਰਲ ਲੈਂਗੂਏਜ ਪ੍ਰੋਸੈਸਿੰਗ, ਅਤੇ ਜ਼ਮੀਨੀ ਵਾਹਨਾਂ ਲਈ ਆਟੋਨੋਮਸ ਨੈਵੀਗੇਸ਼ਨ ਸ਼ਾਮਲ ਹਨ। ਪਹਿਲਾਂ ਇਹ ਸਿਰਫ ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਸਨ, ਪਰ ਅੱਜ ਇਹ ਪ੍ਰਸਤਾਵਾਂ ਦੀਆਂ ਲੋੜਾਂ ਬਣ ਗਏ ਹਨ। ਟੀਚਾ ਸੈਂਸਰ ਫਿਊਜ਼ਨ ਹੈ, ਜਿਸਦਾ ਮਤਲਬ ਹੈ ਸੈਟੇਲਾਈਟਾਂ, ਰਾਡਾਰਾਂ ਅਤੇ ਜ਼ਮੀਨੀ ਸੈਨਿਕਾਂ ਤੋਂ ਡੇਟਾ ਲੈ ਕੇ ਉਸਨੂੰ ਇੱਕ ਤਸਵੀਰ ਵਿੱਚ ਜੋੜਨਾ। ਜਦੋਂ ਇੱਕ ਸਿਸਟਮ ਇੱਕ ਸਕਿੰਟ ਵਿੱਚ ਲੱਖਾਂ ਡੇਟਾ ਪੁਆਇੰਟਾਂ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰ ਸਕਦਾ ਹੈ, ਤਾਂ ਇਹ ਉਹ ਪੈਟਰਨ ਲੱਭ ਲੈਂਦਾ ਹੈ ਜੋ ਇੱਕ ਮਨੁੱਖੀ ਵਿਸ਼ਲੇਸ਼ਕ ਤੋਂ ਖੁੰਝ ਸਕਦੇ ਹਨ। ਇਸਨੂੰ ਅਕਸਰ ਐਲਗੋਰਿਦਮਿਕ ਵਾਰਫੇਅਰ ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਇਹ ਇਤਿਹਾਸਕ ਲੜਾਈ ਅਤੇ ਭੂਮੀ ਦੀ ਜਾਣਕਾਰੀ ਦੇ ਵਿਸ਼ਾਲ ਡੇਟਾਸੈਟਾਂ ‘ਤੇ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਦੀ ਸਮਰੱਥਾ ‘ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ। ਸਾਫਟਵੇਅਰ-ਅਧਾਰਿਤ ਰੱਖਿਆ ਵੱਲ ਇਹ ਤਬਦੀਲੀ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਇੱਕ ਟੈਂਕ ਜਾਂ ਜੈੱਟ ਉਨਾ ਹੀ ਵਧੀਆ ਹੈ ਜਿੰਨਾ ਉਸ ਵਿੱਚ ਚੱਲ ਰਿਹਾ ਕੋਡ। ਇਹ ਕੰਪਨੀਆਂ ਦੇ ਹਾਰਡਵੇਅਰ ਬਣਾਉਣ ਦੇ ਤਰੀਕੇ ਨੂੰ ਬਦਲ ਰਿਹਾ ਹੈ। ਉਹ ਹੁਣ ਰਵਾਇਤੀ ਬਖਤਰਬੰਦ ਜਾਂ ਗਤੀ ਨਾਲੋਂ ਕੰਪਿਊਟ ਪਾਵਰ ਅਤੇ ਡੇਟਾ ਥਰੂਪੁੱਟ ਨੂੰ ਤਰਜੀਹ ਦਿੰਦੇ ਹਨ। ਆਧੁਨਿਕ ਖਰੀਦਦਾਰੀ ਇਸ ਗੱਲ ‘ਤੇ ਕੇਂਦ੍ਰਿਤ ਹੈ ਕਿ ਇੱਕ ਸਿਸਟਮ ਕਿੰਨੀ ਆਸਾਨੀ ਨਾਲ ਓਵਰ-ਦੀ-ਏਅਰ ਅਪਡੇਟ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦਾ ਹੈ। ਜੇ ਕੋਈ ਮਾਡਲ ਪੁਰਾਣਾ ਹੋ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਹਾਰਡਵੇਅਰ ਇੱਕ ਦੇਣਦਾਰੀ ਬਣ ਜਾਂਦਾ ਹੈ। ਇਸੇ ਲਈ ਰੱਖਿਆ ਵਿਭਾਗ ਸਿਲੀਕਾਨ ਵੈਲੀ ਨੂੰ ਲੁਭਾ ਰਹੇ ਹਨ। ਉਨ੍ਹਾਂ ਨੂੰ ਵਿਰੋਧੀਆਂ ਤੋਂ ਅੱਗੇ ਰਹਿਣ ਲਈ ਵਪਾਰਕ ਸਾਫਟਵੇਅਰ ਵਿਕਾਸ ਦੀ ਚੁਸਤੀ ਦੀ ਲੋੜ ਹੈ। ਪ੍ਰੋਟੋਟਾਈਪ ਅਤੇ ਤਾਇਨਾਤ ਸਿਸਟਮ ਵਿਚਕਾਰ ਦਾ ਪਾੜਾ ਘਟ ਰਿਹਾ ਹੈ। ਅਸੀਂ ਸਾਫਟਵੇਅਰ-ਪਹਿਲੀ ਫੌਜ ਦਾ ਉਭਾਰ ਦੇਖ ਰਹੇ ਹਾਂ। ਇਹ ਅੰਦੋਲਨ ਸਿਰਫ ਹਥਿਆਰਾਂ ਬਾਰੇ ਨਹੀਂ ਹੈ, ਇਹ ਪੇਰੋਲ ਤੋਂ ਲੈ ਕੇ ਪਾਰਟਸ ਮੈਨੇਜਮੈਂਟ ਤੱਕ, ਫੌਜੀ ਮਸ਼ੀਨ ਦੇ ਪੂਰੇ ਬੈਕਐਂਡ ਬਾਰੇ ਹੈ। ਸੰਗਠਨ ਦਾ ਹਰ ਪਹਿਲੂ ਇੱਕ ਡੇਟਾ ਸਮੱਸਿਆ ਬਣ ਰਿਹਾ ਹੈ।

ਗਲੋਬਲ ਖਿੱਚੋਤਾਣ ਅਤੇ ਨਵੀਂ ਹਥਿਆਰਾਂ ਦੀ ਦੌੜ

ਇਸ ਤਬਦੀਲੀ ਦਾ ਗਲੋਬਲ ਪ੍ਰਭਾਵ ਅਸਮਾਨ ਹੈ। ਜਦੋਂ ਕਿ ਅਮਰੀਕਾ ਅਤੇ ਚੀਨ ਨਿਵੇਸ਼ ਵਿੱਚ ਅੱਗੇ ਹਨ, ਦੂਜੇ ਦੇਸ਼ਾਂ ਨੂੰ ਆਪਣੇ ਸਿਸਟਮ ਵਿਕਸਤ ਕਰਨ ਜਾਂ ਲੀਡਰਾਂ ਤੋਂ ਖਰੀਦਣ ਵਿਚਕਾਰ ਚੋਣ ਕਰਨੀ ਪੈ ਰਹੀ ਹੈ। ਇਹ ਨਵੀਆਂ ਨਿਰਭਰਤਾਵਾਂ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਜੋ ਦੇਸ਼ AI-ਚਾਲਿਤ ਡਰੋਨ ਫਲੀਟ ਖਰੀਦਦਾ ਹੈ, ਉਹ ਸਪਲਾਇਰ ਦਾ ਡੇਟਾ ਪਾਈਪਲਾਈਨ ਅਤੇ ਸਿਖਲਾਈ ਮਾਡਲ ਵੀ ਖਰੀਦ ਰਿਹਾ ਹੁੰਦਾ ਹੈ। ਇਹ ਸਾਫਟ ਪਾਵਰ ਦਾ ਇੱਕ ਨਵਾਂ ਰੂਪ ਹੈ ਅਤੇ ਅਸਥਿਰਤਾ ਦਾ ਇੱਕ ਸਰੋਤ ਵੀ ਹੈ। ਜਦੋਂ ਦੋ AI-ਚਾਲਿਤ ਫੌਜਾਂ ਇੱਕ ਦੂਜੇ ਦੇ ਸਾਹਮਣੇ ਹੁੰਦੀਆਂ ਹਨ, ਤਾਂ ਅਚਾਨਕ ਤਣਾਅ ਵਧਣ ਦਾ ਖਤਰਾ ਵੱਧ ਜਾਂਦਾ ਹੈ। ਮਸ਼ੀਨਾਂ ਉਸ ਰਫਤਾਰ ਨਾਲ ਪ੍ਰਤੀਕਿਰਿਆ ਕਰਦੀਆਂ ਹਨ ਜੋ ਮਨੁੱਖੀ ਕੂਟਨੀਤੀ ਲਈ ਸਮਾਂ ਨਹੀਂ ਦਿੰਦੀਆਂ। ਜੇ ਇੱਕ ਸਿਸਟਮ ਸਿਖਲਾਈ ਅਭਿਆਸ ਨੂੰ ਹਮਲਾ ਸਮਝ ਲੈਂਦਾ ਹੈ, ਤਾਂ ਜਵਾਬੀ ਕਾਰਵਾਈ ਮਿਲੀਸਕਿੰਟ ਵਿੱਚ ਹੁੰਦੀ ਹੈ। ਇਹ ਨੇਤਾਵਾਂ ਲਈ ਗੱਲਬਾਤ ਕਰਨ ਅਤੇ ਤਣਾਅ ਘਟਾਉਣ ਲਈ ਉਪਲਬਧ ਸਮੇਂ ਨੂੰ ਘਟਾ ਦਿੰਦਾ ਹੈ। ਰੈਟੋਰਿਕ ਅਤੇ ਤਾਇਨਾਤੀ ਵਿਚਕਾਰ ਦਾ ਪਾੜਾ ਵੀ ਇੱਕ ਵੱਡਾ ਕਾਰਕ ਹੈ। ਨੇਤਾ ਅਕਸਰ ਜਨਤਕ ਤੌਰ ‘ਤੇ ਅਰਥਪੂਰਨ ਮਨੁੱਖੀ ਨਿਯੰਤਰਣ ਬਾਰੇ ਗੱਲ ਕਰਦੇ ਹਨ, ਪਰ ਖਰੀਦਦਾਰੀ ਦਾ ਤਰਕ ਮੁਕਾਬਲੇਬਾਜ਼ੀ ਬਣੇ ਰਹਿਣ ਲਈ ਵਧੇਰੇ ਖੁਦਮੁਖਤਿਆਰੀ ਦੀ ਮੰਗ ਕਰਦਾ ਹੈ। ਜੇ ਦੁਸ਼ਮਣ ਦਾ ਸਿਸਟਮ ਦਸ ਗੁਣਾ ਤੇਜ਼ ਹੈ, ਤਾਂ ਤੁਸੀਂ ਲੂਪ ਵਿੱਚ ਮਨੁੱਖ ਨੂੰ ਨਹੀਂ ਰੱਖ ਸਕਦੇ। ਇਹ ਸੁਰੱਖਿਆ ਮਾਪਦੰਡਾਂ ਲਈ ਇੱਕ ਨਵੀਂ ਦੌੜ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਹੇਠਾਂ ਦਿੱਤੇ ਖੇਤਰ ਇਸ ਗਲੋਬਲ ਤਬਦੀਲੀ ਤੋਂ ਸਭ ਤੋਂ ਵੱਧ ਪ੍ਰਭਾਵਿਤ ਹਨ:

• ਡੇਟਾ ਅਤੇ ਰੱਖਿਆ ਐਲਗੋਰਿਦਮ ਉੱਤੇ ਰਾਸ਼ਟਰੀ ਪ੍ਰਭੂਸੱਤਾ।
• ਤੇਜ਼ ਫੈਸਲੇ ਲੈਣ ਦੇ ਯੁੱਗ ਵਿੱਚ ਪ੍ਰਮਾਣੂ ਨਿਰੋਧ ਦੀ ਸਥਿਰਤਾ।
• ਤਕਨੀਕੀ-ਭਾਰੀ ਫੌਜਾਂ ਅਤੇ ਰਵਾਇਤੀ ਫੌਜਾਂ ਵਿਚਕਾਰ ਆਰਥਿਕ ਪਾੜਾ।
• ਅੰਤਰਰਾਸ਼ਟਰੀ ਸੰਘਰਸ਼ ਅਤੇ ਜੰਗੀ ਅਪਰਾਧਾਂ ਨੂੰ ਨਿਯੰਤ੍ਰਿਤ ਕਰਨ ਵਾਲੇ ਕਾਨੂੰਨੀ ਢਾਂਚੇ।
• ਰਾਸ਼ਟਰੀ ਸੁਰੱਖਿਆ ਫੈਸਲਿਆਂ ਵਿੱਚ ਨਿੱਜੀ ਕਾਰਪੋਰੇਸ਼ਨਾਂ ਦੀ ਭੂਮਿਕਾ।

ਛੋਟੇ ਦੇਸ਼ ਖਾਸ ਤੌਰ ‘ਤੇ ਕਮਜ਼ੋਰ ਹਨ। ਉਹ ਆਪਣੇ ਆਪ ਨੂੰ ਨਵੀਂ ਤਕਨਾਲੋਜੀ ਲਈ ਟੈਸਟਿੰਗ ਗਰਾਊਂਡ ਵਜੋਂ ਪਾ ਸਕਦੇ ਹਨ। ਨਵੀਨਤਾ ਦੀ ਗਤੀ ਅੰਤਰਰਾਸ਼ਟਰੀ ਸੰਸਥਾਵਾਂ ਦੀ ਨਿਯਮ ਲਿਖਣ ਦੀ ਸਮਰੱਥਾ ਤੋਂ ਅੱਗੇ ਨਿਕਲ ਜਾਂਦੀ ਹੈ। ਇਹ ਇੱਕ ਅਜਿਹਾ ਖਲਾਅ ਛੱਡਦਾ ਹੈ ਜਿੱਥੇ ਸਭ ਤੋਂ ਮਜ਼ਬੂਤ ਤਕਨੀਕ ਕਾਨੂੰਨੀ ਲਾਗਤ ਦੀ ਪਰਵਾਹ ਕੀਤੇ ਬਿਨਾਂ ਜਿੱਤ ਜਾਂਦੀ ਹੈ। ਇਹ ਨਵੀਨਤਮ ਰੱਖਿਆ ਰਿਪੋਰਟਿੰਗ ਵਿੱਚ ਪ੍ਰਤੀਬਿੰਬਤ ਹੁੰਦਾ ਹੈ ਜੋ ਸਰਗਰਮ ਸੰਘਰਸ਼ ਖੇਤਰਾਂ ਵਿੱਚ ਆਟੋਨੋਮਸ ਸਿਸਟਮਾਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਅਪਣਾਉਣ ਨੂੰ ਉਜਾਗਰ ਕਰਦਾ ਹੈ।

ਖਰੀਦ ਦਫਤਰ ਵਿੱਚ ਇੱਕ ਮੰਗਲਵਾਰ

ਕਲਪਨਾ ਕਰੋ ਕਿ ਸਾਰਾਹ ਨਾਮ ਦੀ ਇੱਕ ਖਰੀਦ ਅਫਸਰ 2026 ਵਿੱਚ ਇੱਕ ਆਧੁਨਿਕ ਰੱਖਿਆ ਮੰਤਰਾਲੇ ਵਿੱਚ ਕੰਮ ਕਰ ਰਹੀ ਹੈ। ਉਸਦਾ ਦਿਨ ਨਵੀਆਂ ਰਾਈਫਲਾਂ ਦੇ ਬਲੂਪ੍ਰਿੰਟ ਦੇਖਣ ਵਿੱਚ ਨਹੀਂ ਬੀਤਦਾ, ਸਗੋਂ ਉਹ ਆਪਣੀ ਸਵੇਰ ਕਲਾਉਡ ਸਰਵਿਸ ਸਮਝੌਤਿਆਂ ਅਤੇ API ਡੌਕੂਮੈਂਟੇਸ਼ਨ ਦੀ ਸਮੀਖਿਆ ਕਰਨ ਵਿੱਚ ਬਿਤਾਉਂਦੀ ਹੈ। ਉਸਨੂੰ ਇਹ ਫੈਸਲਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ ਕਿ ਨਵੇਂ ਸਰਵਿਲੇਂਸ ਡਰੋਨ ਫਲੀਟ ਲਈ ਕਿਹੜਾ ਕੰਪਿਊਟਰ ਵਿਜ਼ਨ ਮਾਡਲ ਖਰੀਦਣਾ ਹੈ। ਇੱਕ ਵਿਕਰੇਤਾ 99 ਪ੍ਰਤੀਸ਼ਤ ਸ਼ੁੱਧਤਾ ਦਰ ਦਾ ਵਾਅਦਾ ਕਰਦਾ ਹੈ ਪਰ ਇੱਕ ਕੇਂਦਰੀ ਸਰਵਰ ਨਾਲ ਨਿਰੰਤਰ ਕਨੈਕਸ਼ਨ ਦੀ ਮੰਗ ਕਰਦਾ ਹੈ। ਦੂਜਾ 85 ਪ੍ਰਤੀਸ਼ਤ ਸ਼ੁੱਧਤਾ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ ਪਰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਡਰੋਨ ‘ਤੇ ਹੀ ਚੱਲਦਾ ਹੈ। ਸਾਰਾਹ ਜਾਣਦੀ ਹੈ ਕਿ ਅਸਲ ਸੰਘਰਸ਼ ਵਿੱਚ, ਸਰਵਰ ਨਾਲ ਕਨੈਕਸ਼ਨ ਜਾਮ ਹੋ ਜਾਵੇਗਾ। ਉਸਨੂੰ ਸ਼ੁੱਧਤਾ ਦੀ ਕੀਮਤ ਨੂੰ ਜੰਗ ਦੇ ਮੈਦਾਨ ਦੀ ਹਕੀਕਤ ਦੇ ਮੁਕਾਬਲੇ ਤੋਲਣਾ ਪੈਂਦਾ ਹੈ। ਦੁਪਹਿਰ ਤੱਕ, ਉਹ ਡੇਟਾ ਅਧਿਕਾਰਾਂ ਬਾਰੇ ਇੱਕ ਮੀਟਿੰਗ ਵਿੱਚ ਹੁੰਦੀ ਹੈ। AI ਪ੍ਰਦਾਨ ਕਰਨ ਵਾਲੀ ਕੰਪਨੀ ਡਰੋਨਾਂ ਦੁਆਰਾ ਇਕੱਤਰ ਕੀਤੇ ਡੇਟਾ ਨੂੰ ਆਪਣੇ ਭਵਿੱਖ ਦੇ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਰੱਖਣਾ ਚਾਹੁੰਦੀ ਹੈ। ਸਾਰਾਹ ਜਾਣਦੀ ਹੈ ਕਿ ਇਹ ਇੱਕ ਸੁਰੱਖਿਆ ਜੋਖਮ ਹੈ। ਜੇ ਕੰਪਨੀ ਹੈਕ ਹੋ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਦੁਸ਼ਮਣ ਨੂੰ ਪਤਾ ਲੱਗ ਜਾਵੇਗਾ ਕਿ ਡਰੋਨਾਂ ਨੇ ਕੀ ਦੇਖਿਆ। ਇਹ ਫੌਜੀ ਯੋਜਨਾਬੰਦੀ ਦਾ ਨਵਾਂ ਚਿਹਰਾ ਹੈ। ਇਹ ਪ੍ਰਦਰਸ਼ਨ ਅਤੇ ਸੁਰੱਖਿਆ ਵਿਚਕਾਰ ਇੱਕ ਨਿਰੰਤਰ ਵਪਾਰ-ਬੰਦ ਹੈ। ਪ੍ਰਾਪਤੀ ਚੱਕਰ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਦਾ ਦਬਾਅ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੈ। ਉਸਦੇ ਉੱਚ ਅਧਿਕਾਰੀ ਨਵੀਨਤਮ ਤਕਨੀਕ ਹੁਣ ਚਾਹੁੰਦੇ ਹਨ, ਪੰਜ ਸਾਲਾਂ ਵਿੱਚ ਨਹੀਂ। ਉਹ ਦੇਖ ਰਹੇ ਹਨ ਕਿ ਮੌਜੂਦਾ ਸੰਘਰਸ਼ਾਂ ਵਿੱਚ ਕੀ ਹੋ ਰਿਹਾ ਹੈ ਜਿੱਥੇ ਸਸਤੇ ਡਰੋਨ ਅਤੇ ਸਮਾਰਟ ਸਾਫਟਵੇਅਰ ਮਹਿੰਗੇ ਪੁਰਾਣੇ ਸਿਸਟਮਾਂ ਨੂੰ ਪਛਾੜ ਰਹੇ ਹਨ। ਦੁਪਹਿਰ ਨੂੰ, ਸਾਰਾਹ ਮਾਡਲ ਡ੍ਰਿਫਟ ‘ਤੇ ਇੱਕ ਰਿਪੋਰਟ ਦੀ ਸਮੀਖਿਆ ਕਰਦੀ ਹੈ। ਜਿਸ AI ਨੇ ਵਾਹਨਾਂ ਦੀ ਪਛਾਣ ਕਰਨੀ ਸੀ, ਉਹ ਫੇਲ ਹੋਣਾ ਸ਼ੁਰੂ ਹੋ ਰਿਹਾ ਹੈ ਕਿਉਂਕਿ ਵਾਤਾਵਰਣ ਬਦਲ ਗਿਆ ਹੈ। ਮੌਸਮ ਬਦਲ ਗਏ ਹਨ, ਅਤੇ ਪਰਛਾਵੇਂ ਵੱਖਰੇ ਹਨ। ਮਸ਼ੀਨ ਚਿੱਕੜ ਤੋਂ ਉਲਝ ਗਈ ਹੈ। ਸਾਰਾਹ ਨੂੰ ਨੈੱਟਵਰਕ ਨੂੰ ਬੇਨਕਾਬ ਕੀਤੇ ਬਿਨਾਂ ਖੇਤਰ ਵਿੱਚ ਮਾਡਲਾਂ ਨੂੰ ਅਪਡੇਟ ਕਰਨ ਦਾ ਤਰੀਕਾ ਲੱਭਣਾ ਪਵੇਗਾ। ਇਹ ਕੋਈ ਵੀਡੀਓ ਗੇਮ ਨਹੀਂ ਹੈ। ਇਹ ਇੱਕ ਉੱਚ-ਦਾਅ ਵਾਲਾ ਲੌਜਿਸਟਿਕਲ ਡਰਾਉਣਾ ਸੁਪਨਾ ਹੈ। ਕੋਡ ਵਿੱਚ ਇੱਕ ਗਲਤੀ ਦੋਸਤਾਨਾ ਫਾਇਰ ਘਟਨਾ ਜਾਂ ਖੁੰਝੇ ਹੋਏ ਖਤਰੇ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦੀ ਹੈ। ਦਿਨ ਦੇ ਅੰਤ ਵਿੱਚ, ਸਾਰਾਹ ਨੂੰ ਯਕੀਨ ਨਹੀਂ ਹੈ ਕਿ ਉਹ ਇੱਕ ਹਥਿਆਰ ਖਰੀਦ ਰਹੀ ਹੈ ਜਾਂ ਸਬਸਕ੍ਰਿਪਸ਼ਨ ਸੇਵਾ। ਇੱਕ ਰੱਖਿਆ ਠੇਕੇਦਾਰ ਅਤੇ ਸਾਫਟਵੇਅਰ ਪ੍ਰਦਾਤਾ ਵਿਚਕਾਰ ਲਾਈਨ ਗਾਇਬ ਹੋ ਗਈ ਹੈ। ਇਹ ਤਬਦੀਲੀ ਫੈਕਟਰੀ ਫਲੋਰ ਤੋਂ ਲੈ ਕੇ ਫਰੰਟ ਲਾਈਨ ਤੱਕ ਹਰ ਕੋਈ ਮਹਿਸੂਸ ਕਰਦਾ ਹੈ। ਸੈਨਿਕਾਂ ਨੂੰ ਹੁਣ ਸਰਕਟਾਂ ਦੇ ਇੱਕ ਡੱਬੇ ‘ਤੇ ਭਰੋਸਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ ਕਿ ਉਹ ਦੱਸਣ ਕਿ ਕੌਣ ਦੋਸਤ ਹੈ ਅਤੇ ਕੌਣ ਦੁਸ਼ਮਣ। ਇਸ ਤਬਦੀਲੀ ਦੇ ਮਨੋਵਿਗਿਆਨਕ ਪ੍ਰਭਾਵ ਨੂੰ ਸਮਝਣਾ ਹੁਣੇ ਸ਼ੁਰੂ ਹੋਇਆ ਹੈ।

ਇਸੇ ਲਈ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਵਿੱਚ ਨਵੀਨਤਮ ਵਿਕਾਸ ਨੂੰ ਸਮਝਣਾ ਗਲੋਬਲ ਸੁਰੱਖਿਆ ਦਾ ਪਾਲਣ ਕਰਨ ਵਾਲੇ ਕਿਸੇ ਵੀ ਵਿਅਕਤੀ ਲਈ ਮਹੱਤਵਪੂਰਨ 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।

ਐਲਗੋਰਿਦਮਿਕ ਭਰੋਸੇ ਦੀਆਂ ਲੁਕੀਆਂ ਹੋਈਆਂ ਲਾਗਤਾਂ

ਸਾਨੂੰ ਇਸ ਤਬਦੀਲੀ ਦੀਆਂ ਲੁਕੀਆਂ ਹੋਈਆਂ ਲਾਗਤਾਂ ਬਾਰੇ ਮੁਸ਼ਕਲ ਸਵਾਲ ਪੁੱਛਣੇ ਚਾਹੀਦੇ ਹਨ। ਜਦੋਂ ਕੋਈ ਮਸ਼ੀਨ ਗਲਤੀ ਕਰਦੀ ਹੈ ਤਾਂ ਜਵਾਬਦੇਹੀ ਦਾ ਕੀ ਹੁੰਦਾ ਹੈ? ਜੇ ਕੋਈ ਆਟੋਨੋਮਸ ਸਿਸਟਮ ਨਾਗਰਿਕ ਟੀਚੇ ‘ਤੇ ਹਮਲਾ ਕਰਦਾ ਹੈ, ਤਾਂ ਕੌਣ ਜ਼ਿੰਮੇਵਾਰ ਹੈ? ਕੀ ਇਹ ਪ੍ਰੋਗਰਾਮਰ, ਖਰੀਦ ਅਫਸਰ, ਜਾਂ ਕਮਾਂਡਰ ਹੈ ਜਿਸਨੇ ਇਸਨੂੰ ਚਾਲੂ ਕੀਤਾ? ਮੌਜੂਦਾ ਕਾਨੂੰਨੀ ਢਾਂਚੇ ਇਸ ਲਈ ਤਿਆਰ ਨਹੀਂ ਹਨ। ਗੋਪਨੀਯਤਾ ਦਾ ਸਵਾਲ ਵੀ ਹੈ। ਮਿਲਟਰੀ ਸਰਵਿਲੇਂਸ AI ਸਰਹੱਦ ‘ਤੇ ਨਹੀਂ ਰੁਕਦਾ। ਬਾਗੀਆਂ ਨੂੰ ਟਰੈਕ ਕਰਨ ਲਈ ਵਰਤੀ ਜਾਣ ਵਾਲੀ ਉਹੀ ਤਕਨੀਕ ਘਰੇਲੂ ਆਬਾਦੀ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨ ਲਈ ਵਰਤੀ ਜਾ ਸਕਦੀ ਹੈ। AI ਦੀ ਦੋਹਰੀ-ਵਰਤੋਂ ਵਾਲੀ ਪ੍ਰਕਿਰਤੀ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਹਰ ਫੌਜੀ ਤਰੱਕੀ ਰਾਜ ਦੀ ਨਿਗਰਾਨੀ ਲਈ ਇੱਕ ਸੰਭਾਵੀ ਸਾਧਨ ਹੈ। ਸਾਨੂੰ ਡੇਟਾ ਦੀ ਲਾਗਤ ‘ਤੇ ਵੀ ਵਿਚਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਇਹਨਾਂ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਡੇਟਾ ਸੈਂਟਰਾਂ ਲਈ ਬਿਜਲੀ ਅਤੇ ਪਾਣੀ ਦੀ ਭਾਰੀ ਮਾਤਰਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਹ ਵਾਤਾਵਰਣਕ ਲਾਗਤਾਂ ਰੱਖਿਆ ਬਜਟ ਵਿੱਚ ਘੱਟ ਹੀ ਸ਼ਾਮਲ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ। ਬਲੈਕ ਬਾਕਸ ਫੈਸਲੇ ਲੈਣ ਦਾ ਜੋਖਮ ਵੀ ਹੈ। ਜੇ ਕੋਈ ਜਨਰਲ ਇਹ ਨਹੀਂ ਦੱਸ ਸਕਦਾ ਕਿ AI ਨੇ ਕਿਸੇ ਖਾਸ ਹਮਲੇ ਦੀ ਸਿਫਾਰਸ਼ ਕਿਉਂ ਕੀਤੀ, ਤਾਂ ਕੀ ਅਸੀਂ ਸਿਫਾਰਸ਼ ‘ਤੇ ਭਰੋਸਾ ਕਰ ਸਕਦੇ ਹਾਂ? ਡੀਪ ਲਰਨਿੰਗ ਮਾਡਲਾਂ ਵਿੱਚ ਪਾਰਦਰਸ਼ਤਾ ਦੀ ਘਾਟ ਫੌਜੀ ਸੰਦਰਭ ਵਿੱਚ ਇੱਕ ਬੁਨਿਆਦੀ ਨੁਕਸ ਹੈ। ਅਸੀਂ ਅਜਿਹੇ ਸਿਸਟਮ ਬਣਾ ਰਹੇ ਹਾਂ ਜਿਨ੍ਹਾਂ ਨੂੰ ਅਸੀਂ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਹੀਂ ਸਮਝਦੇ। ਇਹ ਇੱਕ ਕਮਜ਼ੋਰ ਸੁਰੱਖਿਆ ਵਾਤਾਵਰਣ ਬਣਾਉਂਦਾ ਹੈ। ਜੇ ਕੋਈ ਵਿਰੋਧੀ ਸਿਖਲਾਈ ਡੇਟਾ ਨੂੰ ਜ਼ਹਿਰੀਲਾ ਕਰਨ ਦਾ ਤਰੀਕਾ ਲੱਭ ਲੈਂਦਾ ਹੈ, ਤਾਂ ਉਹ ਬਿਨਾਂ ਗੋਲੀ ਚਲਾਏ ਸਿਸਟਮ ਨੂੰ ਹਰਾ ਸਕਦੇ ਹਨ। ਇਹ ਇੱਕ ਨਵੀਂ ਕਿਸਮ ਦੀ ਕਮਜ਼ੋਰੀ ਹੈ। ਅਸੀਂ ਇਹ ਕਿਵੇਂ ਤਸਦੀਕ ਕਰੀਏ ਕਿ ਮਾਡਲ ਨਾਲ ਛੇੜਛਾੜ ਨਹੀਂ ਕੀਤੀ ਗਈ ਹੈ? ਅਸੀਂ ਇਹ ਕਿਵੇਂ ਯਕੀਨੀ ਬਣਾਈਏ ਕਿ AI ਜੰਗ ਦੇ ਹਫੜਾ-ਦਫੜੀ ਦੌਰਾਨ ਮਨੁੱਖੀ ਕਦਰਾਂ-ਕੀਮਤਾਂ ਨਾਲ ਜੁੜਿਆ ਰਹੇ? ਇਹ ਸਿਰਫ ਤਕਨੀਕੀ ਸਮੱਸਿਆਵਾਂ ਨਹੀਂ ਹਨ, ਇਹ ਨੈਤਿਕ ਅਤੇ ਹੋਂਦ ਸੰਬੰਧੀ ਹਨ। AI ਨੂੰ ਤਾਇਨਾਤ ਕਰਨ ਦੀ ਕਾਹਲੀ ਉਹਨਾਂ ਸਮੱਸਿਆਵਾਂ ਨਾਲੋਂ ਵੱਧ ਸਮੱਸਿਆਵਾਂ ਪੈਦਾ ਕਰ ਰਹੀ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਇਹ ਹੱਲ ਕਰਦੀ ਹੈ। ਅਸੀਂ ਮਸ਼ੀਨ ਦੀ ਗਤੀ ਲਈ ਮਨੁੱਖੀ ਨਿਰਣੇ ਦਾ ਵਪਾਰ ਕਰ ਰਹੇ ਹਾਂ, ਪਰ ਅਸੀਂ ਨਤੀਜਿਆਂ ‘ਤੇ ਆਪਣੀ ਪਕੜ ਗੁਆ ਸਕਦੇ ਹਾਂ। ਬਰੂਕਿੰਗਜ਼ ਇੰਸਟੀਚਿਊਸ਼ਨ ਵਰਗੀਆਂ ਸੰਸਥਾਵਾਂ ਇਹਨਾਂ ਮੁੱਦਿਆਂ ਬਾਰੇ ਚੇਤਾਵਨੀ ਦੇ ਰਹੀਆਂ ਹਨ।

ਟੈਕਟੀਕਲ ਇਨਫਰੈਂਸ ਦੇ ਅੰਦਰ

ਮਿਲਟਰੀ AI ਦੀ ਤਕਨੀਕੀ ਹਕੀਕਤ ਬਜਟ ਦੇ ਗੀਕ ਸੈਕਸ਼ਨ ਵਿੱਚ ਮਿਲਦੀ ਹੈ। ਇਹ ਇਨਫਰੈਂਸ ਐਟ ਦ ਐਜ ਬਾਰੇ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਕਲਾਉਡ ਕਨੈਕਸ਼ਨ ਤੋਂ ਬਿਨਾਂ ਛੋਟੇ, ਮਜ਼ਬੂਤ ਹਾਰਡਵੇਅਰ ‘ਤੇ ਗੁੰਝਲਦਾਰ ਮਾਡਲ ਚਲਾਉਣਾ। ਇੰਜੀਨੀਅਰ ਮਾਡਲਾਂ ਨੂੰ ਡਰੋਨ ਜਾਂ ਹੈਂਡਹੈਲਡ ਡਿਵਾਈਸ ਦੀ ਸੀਮਤ ਮੈਮੋਰੀ ਵਿੱਚ ਫਿੱਟ ਕਰਨ ਲਈ ਅਨੁਕੂਲ ਬਣਾਉਣ ‘ਤੇ ਕੇਂਦ੍ਰਿਤ ਹਨ। ਉਹ ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ ਦੇ ਆਕਾਰ ਨੂੰ ਸੁੰਗੜਨ ਲਈ ਕੁਆਂਟਾਈਜ਼ੇਸ਼ਨ ਅਤੇ ਪ੍ਰੂਨਿੰਗ ਵਰਗੀਆਂ ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ। API ਸੀਮਾਵਾਂ ਉਹਨਾਂ ਸਿਸਟਮਾਂ ਲਈ ਇੱਕ ਵੱਡੀ ਚਿੰਤਾ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਫੌਜ ਦੀਆਂ ਵੱਖ-ਵੱਖ ਸ਼ਾਖਾਵਾਂ ਵਿੱਚ ਸੰਚਾਰ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਜੇ ਨੇਵੀ AI ਇੱਕ ਮਲਕੀਅਤ ਇੰਟਰਫੇਸ ਕਾਰਨ ਏਅਰ ਫੋਰਸ AI ਨਾਲ ਗੱਲ ਨਹੀਂ ਕਰ ਸਕਦਾ, ਤਾਂ ਸਿਸਟਮ ਫੇਲ ਹੋ ਜਾਂਦਾ ਹੈ। ਇਸ ਨੇ ਫੌਜੀ ਸਾਫਟਵੇਅਰ ਵਿੱਚ ਓਪਨ ਸਟੈਂਡਰਡਾਂ ਲਈ ਇੱਕ ਦਬਾਅ ਪੈਦਾ ਕੀਤਾ ਹੈ। ਲੋਕਲ ਸਟੋਰੇਜ ਇੱਕ ਹੋਰ ਰੁਕਾਵਟ ਹੈ। ਇੱਕ ਸਰਵਿਲੇਂਸ ਫਲਾਈਟ ਟੈਰਾਬਾਈਟ ਡੇਟਾ ਤਿਆਰ ਕਰ ਸਕਦੀ ਹੈ। ਇਸ ਡੇਟਾ ਨੂੰ ਸਥਾਨਕ ਤੌਰ ‘ਤੇ ਪ੍ਰੋਸੈਸ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੈ ਕਿਉਂਕਿ ਲੜਾਈ ਦੇ ਖੇਤਰ ਵਿੱਚ ਬੈਂਡਵਿਡਥ ਸੀਮਤ ਹੈ। ਹਾਰਡਵੇਅਰ ਨੂੰ MIL-SPEC ਵੀ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ, ਮਤਲਬ ਕਿ ਇਹ ਬਹੁਤ ਜ਼ਿਆਦਾ ਗਰਮੀ, ਵਾਈਬ੍ਰੇਸ਼ਨ ਅਤੇ ਇਲੈਕਟ੍ਰੋਮੈਗਨੈਟਿਕ ਪਲਸ ਨੂੰ ਸਹਿ ਸਕਦਾ ਹੈ। ਕੰਪਨੀਆਂ ਹੁਣ ਚਿਪਸ ਅਤੇ ਡੇਟਾ ਇੰਟੀਗ੍ਰੇਸ਼ਨ ਲੇਅਰ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਮੁਕਾਬਲਾ ਕਰ ਰਹੀਆਂ ਹਨ ਜੋ ਐਲਗੋਰਿਦਮਿਕ ਵਾਰਫੇਅਰ ਨੂੰ ਸੰਭਵ ਬਣਾਉਂਦੀਆਂ ਹਨ। ਵਰਕਫਲੋ ਵਿੱਚ ਕਈ ਖਾਸ ਕਦਮ ਸ਼ਾਮਲ ਹਨ:

• ਵਿਭਿੰਨ ਸੈਂਸਰ ਐਰੇ ਤੋਂ ਡੇਟਾ ਇਨਜੈਸ਼ਨ।
• ਸ਼ੋਰ ਨੂੰ ਫਿਲਟਰ ਕਰਨ ਲਈ ਡਿਵਾਈਸ-ਤੇ ਪ੍ਰੀ-ਪ੍ਰੋਸੈਸਿੰਗ।
• ਘੱਟ-ਲੇਟੈਂਸੀ ਨਿਊਰਲ ਇੰਜਣਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇਨਫਰੈਂਸ।
• ਮਨੁੱਖੀ-ਮਸ਼ੀਨ ਇੰਟਰਫੇਸ ਨੂੰ ਦਿੱਤਾ ਗਿਆ ਕਾਰਵਾਈਯੋਗ ਆਉਟਪੁੱਟ।
• ਮਾਡਲ ਰੀਟ੍ਰੇਨਿੰਗ ਲਈ ਪੋਸਟ-ਮਿਸ਼ਨ ਡੇਟਾ ਬੈਕਹੌਲ।

ਸੀਮਾ ਅਕਸਰ ਐਲਗੋਰਿਦਮ ਨਹੀਂ, ਸਗੋਂ ਹਾਰਡਵੇਅਰ ਦੀ ਬੈਟਰੀ ਲਾਈਫ ਅਤੇ ਗਰਮੀ ਦਾ ਨਿਕਾਸ ਹੁੰਦੀ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ ਮਾਡਲ ਵੱਡੇ ਹੁੰਦੇ ਹਨ, ਬਿਜਲੀ ਦੀਆਂ ਲੋੜਾਂ ਵਧਦੀਆਂ ਹਨ। ਇਹ ਫਰੰਟ ਲਾਈਨ ‘ਤੇ ਤਾਇਨਾਤ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਚੀਜ਼ਾਂ ਲਈ ਇੱਕ ਸੀਮਾ ਬਣਾਉਂਦਾ ਹੈ। ਇੰਜੀਨੀਅਰ ਹੁਣ ਇਸ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਵਿਸ਼ੇਸ਼ ASICs ਵੱਲ ਦੇਖ ਰਹੇ ਹਨ। ਇਹ ਚਿਪਸ ਇੱਕ ਕੰਮ ਲਈ ਤਿਆਰ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ, ਜਿਵੇਂ ਕਿ ਆਬਜੈਕਟ ਡਿਟੈਕਸ਼ਨ, ਅਤੇ ਜਨਰਲ-ਪਰਪਜ਼ ਪ੍ਰੋਸੈਸਰਾਂ ਨਾਲੋਂ ਬਹੁਤ ਜ਼ਿਆਦਾ ਕੁਸ਼ਲ ਹਨ। ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਅਸਲ ਦੌੜ ਚੱਲ ਰਹੀ ਹੈ। ਇਹ ਕੁਸ਼ਲਤਾ ਅਤੇ ਥਰਮਲ ਪ੍ਰਬੰਧਨ ਦੀ ਲੜਾਈ ਹੈ। ਤੁਸੀਂ ਇਹਨਾਂ ਹਾਰਡਵੇਅਰ ਚੁਣੌਤੀਆਂ ਬਾਰੇ ਨਿਊਯਾਰਕ ਟਾਈਮਜ਼ ਟੈਕਨਾਲੋਜੀ ਸੈਕਸ਼ਨ ਵਿੱਚ ਹੋਰ ਪੜ੍ਹ ਸਕਦੇ ਹੋ।

ਅੰਤਿਮ ਸੀਮਾ ਦਾ ਸਵਾਲ

ਸਿੱਟਾ ਇਹ ਹੈ ਕਿ ਮਿਲਟਰੀ AI ਹੁਣ ਇੱਕ ਵਿਕਲਪ ਨਹੀਂ ਹੈ। ਇਹ ਇੱਕ ਢਾਂਚਾਗਤ ਹਕੀਕਤ ਹੈ। ਪ੍ਰਯੋਗਾਤਮਕ ਤਕਨੀਕ ਤੋਂ ਮੁੱਖ ਖਰੀਦਦਾਰੀ ਤੱਕ ਦੀ ਤਬਦੀਲੀ ਪਿਛਲੇ ਕੁਝ ਸਾਲਾਂ ਵਿੱਚ ਹੋਈ ਹੈ। ਇਸਨੇ ਫੋਕਸ ਨੂੰ ਇਸ ਗੱਲ ਤੋਂ ਬਦਲ ਦਿੱਤਾ ਹੈ ਕਿ ਕੀ ਸਾਨੂੰ AI ਦੀ ਵਰਤੋਂ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ, ਇਸ ਗੱਲ ਵੱਲ ਕਿ ਅਸੀਂ ਇਸਨੂੰ ਕਿਵੇਂ ਨਿਯੰਤਰਿਤ ਕਰ ਸਕਦੇ ਹਾਂ। ਜੋ ਲੋਕ ਸੋਚਦੇ ਹਨ ਕਿ ਕੀ ਹੋ ਰਿਹਾ ਹੈ ਅਤੇ ਜੋ ਅਸਲ ਵਿੱਚ ਹੋ ਰਿਹਾ ਹੈ, ਵਿਚਕਾਰ ਦਾ ਪਾੜਾ ਬਹੁਤ ਵੱਡਾ ਹੈ। ਲੋਕ ਸਾਇੰਸ-ਫਿਕਸ਼ਨ ਰੋਬੋਟਾਂ ਦੀ ਉਮੀਦ ਕਰਦੇ ਹਨ, ਪਰ ਹਕੀਕਤ ਹਰ ਸੈਂਸਰ ਅਤੇ ਰੇਡੀਓ ਦਾ ਇੱਕ ਸ਼ਾਂਤ, ਡੇਟਾ-ਸੰਚਾਲਿਤ ਪਰਿਵਰਤਨ ਹੈ। ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਜੋਖਮ ਕੋਈ ਬਾਗੀ AI ਨਹੀਂ ਹੈ, ਸਗੋਂ ਇੱਕ ਤੇਜ਼ੀ ਨਾਲ ਵਧਣ ਵਾਲਾ ਤਣਾਅ ਹੈ ਜਿਸਨੂੰ ਕੋਈ ਇਨਸਾਨ ਨਹੀਂ ਰੋਕ ਸਕਦਾ। ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਇਹਨਾਂ ਸਿਸਟਮਾਂ ਨੂੰ ਸਾਡੇ ਕਮਾਂਡ ਢਾਂਚੇ ਵਿੱਚ ਡੂੰਘਾਈ ਨਾਲ ਜੋੜਦੇ ਹਾਂ, ਸਾਨੂੰ ਇੱਕ ਆਖਰੀ ਸਵਾਲ ਪੁੱਛਣਾ ਚਾਹੀਦਾ ਹੈ। ਉਹ ਲਾਈਨ ਕਿੱਥੇ ਹੈ ਜਿਸਨੂੰ ਅਸੀਂ ਕਦੇ ਵੀ ਮਸ਼ੀਨ ਨੂੰ ਪਾਰ ਨਹੀਂ ਕਰਨ ਦੇਵਾਂਗੇ? 2026 ਤੱਕ, ਉਹ ਲਾਈਨ ਅਜੇ ਵੀ ਪਰਿਭਾਸ਼ਿਤ ਨਹੀਂ ਹੈ।

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।