ਅੱਜ ਦੇ AI PC ਵਿੱਚ ਕੀ ਖਾਸ ਹੈ?

ਤੁਹਾਡੇ ਲੈਪਟਾਪ ਵਿੱਚ ਸਿਲੀਕਾਨ ਦਿਮਾਗ

ਟੈਕ ਇੰਡਸਟਰੀ ਅੱਜਕੱਲ੍ਹ ‘AI PC’ ਦੇ ਨਾਮ ਨਾਲ ਜਨੂੰਨੀ ਹੋਈ ਪਈ ਹੈ। ਹਰ ਵੱਡੀ ਕੰਪਨੀ ਨਵਾਂ ਹਾਰਡਵੇਅਰ ਲਿਆ ਰਹੀ ਹੈ ਜੋ ਇਹ ਵਾਅਦਾ ਕਰਦਾ ਹੈ ਕਿ ਉਹ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੇ ਕੰਮ ਤੁਹਾਡੇ ਡੈਸਕ ‘ਤੇ ਹੀ ਨਿਪਟਾ ਦੇਵੇਗਾ, ਨਾ ਕਿ ਕਿਸੇ ਦੂਰ ਦੇ ਡੇਟਾ ਸੈਂਟਰ ਵਿੱਚ। ਅਸਲ ਵਿੱਚ, ਇੱਕ AI PC ਇੱਕ ਅਜਿਹਾ ਕੰਪਿਊਟਰ ਹੈ ਜਿਸ ਵਿੱਚ Neural Processing Unit (NPU) ਨਾਮ ਦਾ ਇੱਕ ਖਾਸ ਕੰਪੋਨੈਂਟ ਲੱਗਾ ਹੁੰਦਾ ਹੈ। ਇਹ ਚਿੱਪ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਲਈ ਲੋੜੀਂਦੇ ਗਣਿਤ ਦੇ ਕੰਮਾਂ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਬਣਾਈ ਗਈ ਹੈ। ਜਿੱਥੇ ਸਟੈਂਡਰਡ ਕੰਪਿਊਟਰ ਸਾਲਾਂ ਤੋਂ CPU ਅਤੇ ਗ੍ਰਾਫਿਕਸ ਕਾਰਡ ‘ਤੇ ਨਿਰਭਰ ਸਨ, ਉੱਥੇ ਇਸ ਤੀਜੇ ਇੰਜਣ ਦਾ ਆਉਣਾ ਪਰਸਨਲ ਕੰਪਿਊਟਿੰਗ ਵਿੱਚ ਇੱਕ ਵੱਡਾ ਬਦਲਾਅ ਹੈ। ਇਸ ਦਾ ਮਕਸਦ ‘inference’ (ਜਿੱਥੇ ਮਾਡਲ ਕੋਈ ਨਤੀਜਾ ਜਾਂ ਕੰਟੈਂਟ ਬਣਾਉਂਦਾ ਹੈ) ਨੂੰ ਕਲਾਊਡ ਤੋਂ ਹਟਾ ਕੇ ਤੁਹਾਡੀ ਡਿਵਾਈਸ ‘ਤੇ ਲਿਆਉਣਾ ਹੈ। ਇਸ ਨਾਲ ਪ੍ਰਾਈਵੇਸੀ ਬਿਹਤਰ ਹੁੰਦੀ ਹੈ, ਲੈਟੈਂਸੀ ਘਟਦੀ ਹੈ ਅਤੇ ਬੈਟਰੀ ਲਾਈਫ ਵੀ ਵਧਦੀ ਹੈ। ਇਹ ਸਮਝਣ ਲਈ ਕਿ ਇਹ ਮਸ਼ੀਨਾਂ ਅੱਜ ਕੀ ਕਰ ਸਕਦੀਆਂ ਹਨ, ਸਾਨੂੰ ਮਾਰਕੀਟਿੰਗ ਦੇ ਨਾਅਰਿਆਂ ਤੋਂ ਪਰੇ ਜਾ ਕੇ ਸਿਲੀਕਾਨ ਨੂੰ ਖੁਦ ਦੇਖਣਾ ਪਵੇਗਾ।

ਲੋਕਲ ਇੰਟੈਲੀਜੈਂਸ ਦਾ ਆਰਕੀਟੈਕਚਰ

AI PC ਨੂੰ ਸਮਝਣ ਲਈ, ਤੁਹਾਨੂੰ NPU ਦੀ ਭੂਮਿਕਾ ਸਮਝਣੀ ਪਵੇਗੀ। ਰਵਾਇਤੀ ਪ੍ਰੋਸੈਸਰ ਸਭ ਕੁਝ ਕਰਨ ਵਾਲੇ ਹੁੰਦੇ ਹਨ। CPU ਆਪਰੇਟਿੰਗ ਸਿਸਟਮ ਅਤੇ ਬੇਸਿਕ ਲਾਜਿਕ ਸੰਭਾਲਦਾ ਹੈ, ਜਦਕਿ ਗ੍ਰਾਫਿਕਸ ਇੰਜਣ ਪਿਕਸਲ ਅਤੇ ਜਿਓਮੈਟਰੀ ਦਾ ਧਿਆਨ ਰੱਖਦਾ ਹੈ। ਪਰ NPU ਮੈਟ੍ਰਿਕਸ ਮਲਟੀਪਲੀਕੇਸ਼ਨ ਲਈ ਇੱਕ ਸਪੈਸ਼ਲਿਸਟ ਹੈ, ਜੋ ਕਿ ਵੱਡੇ ਲੈਂਗੂਏਜ ਮਾਡਲਾਂ ਅਤੇ ਇਮੇਜ ਰਿਕੋਗਨੀਸ਼ਨ ਦਾ ਆਧਾਰ ਹੈ। ਚਿੱਪ ਦਾ ਇੱਕ ਖਾਸ ਹਿੱਸਾ ਇਨ੍ਹਾਂ ਕੰਮਾਂ ਲਈ ਰਾਖਵਾਂ ਰੱਖ ਕੇ, ਕੰਪਿਊਟਰ ਬੈਟਰੀ ਨੂੰ ਖਤਮ ਕੀਤੇ ਬਿਨਾਂ ਜਾਂ ਫੈਨ ਚਲਾਏ ਬਿਨਾਂ AI ਫੀਚਰ ਚਲਾ ਸਕਦਾ ਹੈ। ਇਸ ਨੂੰ ‘on-device inference’ ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਤੁਹਾਡੀ ਆਵਾਜ਼ ਜਾਂ ਟੈਕਸਟ ਕਿਸੇ ਸਰਵਰ ‘ਤੇ ਭੇਜਣ ਦੀ ਬਜਾਏ, ਸਾਰਾ ਕੰਮ ਤੁਹਾਡੇ ਹਾਰਡਵੇਅਰ ‘ਤੇ ਹੁੰਦਾ ਹੈ। ਇਹ ਲੋਕਲ ਪਹੁੰਚ ਇੰਟਰਨੈੱਟ ਦੀ ਦੇਰੀ ਨੂੰ ਖਤਮ ਕਰਦੀ ਹੈ ਅਤੇ ਤੁਹਾਡਾ ਡੇਟਾ ਡਿਵਾਈਸ ਤੋਂ ਬਾਹਰ ਨਹੀਂ ਜਾਂਦਾ। Intel ਨੇ ਆਪਣੇ ਨਵੇਂ Core Ultra ਪ੍ਰੋਸੈਸਰਾਂ ਵਿੱਚ ਇਹ ਸਮਰੱਥਾ ਦਿੱਤੀ ਹੈ। Microsoft ਆਪਣੀ Copilot Plus PC ਪਹਿਲਕਦਮੀ ਰਾਹੀਂ ਇਸ ਨੂੰ ਅੱਗੇ ਵਧਾ ਰਿਹਾ ਹੈ, ਅਤੇ Qualcomm ਨੇ Snapdragon X Elite ਨਾਲ Windows ਈਕੋਸਿਸਟਮ ਵਿੱਚ ਨਵੀਂ ਕੁਸ਼ਲਤਾ ਪੈਦਾ ਕੀਤੀ ਹੈ।

• NPU ਮੁੱਖ ਪ੍ਰੋਸੈਸਰ ਤੋਂ ਭਾਰੀ ਕੰਮ ਲੈ ਕੇ ਊਰਜਾ ਬਚਾਉਂਦੇ ਹਨ।
• ਲੋਕਲ ਇਨਫਰੈਂਸ ਸੰਵੇਦਨਸ਼ੀਲ ਡੇਟਾ ਨੂੰ ਕਲਾਊਡ ਦੀ ਬਜਾਏ ਡਿਵਾਈਸ ‘ਤੇ ਰੱਖਦਾ ਹੈ।
• ਡੈਡੀਕੇਟਿਡ ਨਿਊਰਲ ਸਿਲੀਕਾਨ ਆਈ-ਟ੍ਰੈਕਿੰਗ ਅਤੇ ਵੌਇਸ ਆਈਸੋਲੇਸ਼ਨ ਵਰਗੇ ਫੀਚਰਾਂ ਨੂੰ ਹਮੇਸ਼ਾ ਚਾਲੂ ਰੱਖਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ।

ਚਿੱਪ ਰੇਸ ਵਿੱਚ ਕੁਸ਼ਲਤਾ ਅਤੇ ਪ੍ਰਾਈਵੇਸੀ

ਲੋਕਲ AI ਵੱਲ ਇਹ ਬਦਲਾਅ ਦੋ ਮੁੱਖ ਕਾਰਨਾਂ ਕਰਕੇ ਹੈ: ਊਰਜਾ ਅਤੇ ਪ੍ਰਾਈਵੇਸੀ। ਡੇਟਾ ਸੈਂਟਰ ਹਰ ਰੋਜ਼ ਅਰਬਾਂ AI ਕੁਐਰੀਆਂ ਲਈ ਬਹੁਤ ਜ਼ਿਆਦਾ ਬਿਜਲੀ ਖਪਤ ਕਰਦੇ ਹਨ। ਕੰਮ ਨੂੰ ਡਿਵਾਈਸ ‘ਤੇ ਲਿਆਉਣ ਨਾਲ ਇਹ ਬੋਝ ਵੰਡਿਆ ਜਾਂਦਾ ਹੈ। ਨਾਲ ਹੀ, ਇਹ ਡੇਟਾ ਸੋਵਰਨਟੀ (ਡੇਟਾ ਦੀ ਮਾਲਕੀ) ਦੀ ਚਿੰਤਾ ਨੂੰ ਵੀ ਹੱਲ ਕਰਦਾ ਹੈ। ਇੱਕ AI PC ਨਾਲ, ਯੂਰਪ ਜਾਂ ਏਸ਼ੀਆ ਦਾ ਕੋਈ ਪੇਸ਼ੇਵਰ ਆਪਣਾ ਡੇਟਾ ਸਰਹੱਦਾਂ ਤੋਂ ਬਾਹਰ ਭੇਜੇ ਬਿਨਾਂ ਐਡਵਾਂਸ ਟੂਲ ਵਰਤ ਸਕਦਾ ਹੈ। ਅਸੀਂ ਦੇਖ ਰਹੇ ਹਾਂ ਕਿ ਹੁਣ ਹਰ ਪ੍ਰਾਈਸ ਪੁਆਇੰਟ ‘ਤੇ ਇਹ ਫੀਚਰ ਆ ਰਿਹਾ ਹੈ। ਜਲਦੀ ਹੀ, ਬਿਨਾਂ ਨਿਊਰਲ ਇੰਜਣ ਵਾਲਾ ਕੰਪਿਊਟਰ ਪੁਰਾਣਾ ਲੱਗਣ ਲੱਗੇਗਾ। ਇਹ ਸਿਰਫ ਪਰਫਾਰਮੈਂਸ ਦੀ ਗੱਲ ਨਹੀਂ, ਸਗੋਂ ਯੂਜ਼ਰ ਅਤੇ ਸਾਫਟਵੇਅਰ ਦੇ ਰਿਸ਼ਤੇ ਨੂੰ ਬਦਲਣ ਦੀ ਗੱਲ ਹੈ।

ਮਾਰਕੀਟਿੰਗ ਤੋਂ ਅਸਲ ਵਰਤੋਂ ਤੱਕ

AI PC ਦਾ ਅਸਲ ਅਸਰ ਅਕਸਰ ਬਹੁਤ ਸੂਖਮ ਹੁੰਦਾ ਹੈ। ਇਹ ਯੂਜ਼ਰ ਦੀ ਜਗ੍ਹਾ ਨਹੀਂ ਲੈਂਦਾ, ਪਰ ਕੰਮ ਨੂੰ ਆਸਾਨ ਬਣਾਉਂਦਾ ਹੈ। ਇੱਕ ਰਿਮੋਟ ਵਰਕਰ ਨੂੰ ਦੇਖੋ ਜੋ ਵੀਡੀਓ ਕਾਨਫਰੰਸ ਕਰ ਰਿਹਾ ਹੈ। ਸਟੈਂਡਰਡ ਲੈਪਟਾਪ ‘ਤੇ ਬੈਕਗ੍ਰਾਊਂਡ ਬਲਰ ਕਰਨਾ ਸਿਸਟਮ ਨੂੰ ਹੌਲੀ ਕਰ ਸਕਦਾ ਹੈ, ਪਰ AI PC ‘ਤੇ NPU ਇਹ ਕੰਮ ਚੁੱਪਚਾਪ ਕਰ ਲੈਂਦਾ ਹੈ। ਦੁਪਹਿਰ ਵੇਲੇ, ਕੋਈ AI ਮਾਡਲ ਤੁਹਾਡੇ ਡਾਕੂਮੈਂਟਸ ਵਿੱਚੋਂ ਜਾਣਕਾਰੀ ਲੱਭ ਸਕਦਾ ਹੈ, ਉਹ ਵੀ ਬਿਨਾਂ ਇੰਟਰਨੈੱਟ ਦੇ। ਇਹ ਮਸ਼ੀਨ ਸਿਰਫ ਕੰਮ ਨੂੰ ਸੰਗਠਿਤ ਕਰਨ ਅਤੇ ਮੀਡੀਆ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰਦੀ ਹੈ ਤਾਂ ਜੋ ਤੁਸੀਂ ਆਪਣੇ ਅਸਲ ਕੰਮ ‘ਤੇ ਧਿਆਨ ਦੇ ਸਕੋ।

ਇਹ ਸਮੱਗਰੀ ਸਟੀਕਤਾ ਅਤੇ ਸਪੱਸ਼ਟਤਾ ਲਈ ਆਟੋਮੇਟਿਡ ਟੂਲਸ ਦੀ ਮਦਦ ਨਾਲ ਤਿਆਰ ਕੀਤੀ ਗਈ ਸੀ। ਵਿਕਰੇਤਾ ਹਰ ਚੀਜ਼ ਨੂੰ AI-native ਕਹਿ ਰਹੇ ਹਨ, ਪਰ ਅਸਲ ਕੀਮਤ ਇਸਦੀ ਕੁਸ਼ਲਤਾ ਵਿੱਚ ਹੈ। ਅਸੀਂ ਹੁਣ ਕਲਾਊਡ ਦੇ ਜਵਾਬ ਦੀ ਉਡੀਕ ਕਰਨ ਵਾਲੀ ਦੁਨੀਆ ਤੋਂ ਬਾਹਰ ਆ ਰਹੇ ਹਾਂ। ਇਹ ਕਨੈਕਸ਼ਨ ਦੀ ਨਿਰਾਸ਼ਾ ਅਤੇ ਡੇਟਾ ਲੀਕ ਦੀ ਚਿੰਤਾ ਨੂੰ ਘਟਾਉਂਦਾ ਹੈ। ਇਹ ਇੱਕ ਹੋਰ ਨਿਰਵਿਘਨ ਕੰਪਿਊਟਿੰਗ ਅਨੁਭਵ ਵੱਲ ਵਧਦਾ ਕਦਮ ਹੈ।

ਨਿਊਰਲ ਟੈਕਸ ਦੀ ਕੀਮਤ

ਉਤਸ਼ਾਹ ਦੇ ਬਾਵਜੂਦ, ਕੁਝ ਮੁਸ਼ਕਲ ਸਵਾਲ ਹਨ। ਕੀ NPU ਸੱਚਮੁੱਚ ਜ਼ਰੂਰੀ ਹੈ ਜਾਂ ਸਿਰਫ ਹਾਰਡਵੇਅਰ ਵੇਚਣ ਦਾ ਇੱਕ ਤਰੀਕਾ? ਬਹੁਤ ਸਾਰੇ ਕੰਮ ਜੋ ਅੱਜ AI-native ਦੱਸੇ ਜਾ ਰਹੇ ਹਨ, ਉਹ ਸਾਲਾਂ ਤੋਂ ਸਾਫਟਵੇਅਰ ਰਾਹੀਂ ਹੋ ਰਹੇ ਸਨ। ਸਾਨੂੰ ਇਹ ਵੀ ਸੋਚਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕੀ ਇਨ੍ਹਾਂ ਚਿੱਪਾਂ ਦਾ ਵਾਧੂ ਖਰਚਾ ਅਸਲ ਵਿੱਚ ਫਾਇਦੇਮੰਦ ਹੈ? ਸਾਫਟਵੇਅਰ ਸਪੋਰਟ ਦਾ ਵੀ ਮੁੱਦਾ ਹੈ। ਜੇਕਰ ਡਿਵੈਲਪਰ ਆਪਣੀ ਐਪ ਨੂੰ NPU ਲਈ ਓਪਟੀਮਾਈਜ਼ ਨਹੀਂ ਕਰਦੇ, ਤਾਂ ਹਾਰਡਵੇਅਰ ਵਿਹਲਾ ਪਿਆ ਰਹਿੰਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਈ-ਵੇਸਟ (e-waste) ਦਾ ਮੁੱਦਾ ਵੀ ਹੈ। ਕੀ ਅਸੀਂ ਥੋੜ੍ਹੇ ਜਿਹੇ ਫਾਇਦੇ ਲਈ ਪੁਰਾਣੇ ਲੈਪਟਾਪ ਸੁੱਟ ਕੇ ਵਾਤਾਵਰਣ ਨੂੰ ਨੁਕਸਾਨ ਪਹੁੰਚਾ ਰਹੇ ਹਾਂ? ਯੂਜ਼ਰਾਂ ਨੂੰ ਆਪਣੀ ਅਸਲ ਲੋੜ ਦੇਖਣੀ ਚਾਹੀਦੀ ਹੈ। ਜੇਕਰ ਤੁਹਾਡਾ ਕੰਮ ਭਾਰੀ ਮੀਡੀਆ ਪ੍ਰੋਸੈਸਿੰਗ ਵਾਲਾ ਨਹੀਂ ਹੈ, ਤਾਂ ਸ਼ਾਇਦ ਤੁਹਾਨੂੰ ਇਸਦੀ ਲੋੜ ਨਾ ਹੋਵੇ।

ਨਿਊਰਲ ਇੰਜਣ ਦੇ ਅੰਦਰ

ਪਾਵਰ ਯੂਜ਼ਰਾਂ ਲਈ, ਤਕਨੀਕੀ ਸਪੈਸੀਫਿਕੇਸ਼ਨ ਮਾਰਕੀਟਿੰਗ ਲੇਬਲਾਂ ਤੋਂ ਵੱਧ ਮਹੱਤਵਪੂਰਨ ਹਨ। NPU ਪਰਫਾਰਮੈਂਸ ਦਾ ਮੁੱਖ ਪੈਮਾਨਾ **TOPS** (Trillions of Operations Per Second) ਹੈ। ਮੌਜੂਦਾ ਚਿੱਪਾਂ 40 **TOPS** ਦਾ ਟੀਚਾ ਰੱਖ ਰਹੀਆਂ ਹਨ। ਪਰ ਮੈਮੋਰੀ ਬੈਂਡਵਿਡਥ ਅਸਲ ਰੁਕਾਵਟ ਹੈ। ਵੱਡੇ ਲੈਂਗੂਏਜ ਮਾਡਲ ਚਲਾਉਣ ਲਈ ਬਹੁਤ ਜ਼ਿਆਦਾ ਡੇਟਾ ਮੈਮੋਰੀ ਅਤੇ ਪ੍ਰੋਸੈਸਰ ਵਿਚਕਾਰ ਘੁੰਮਾਉਣਾ ਪੈਂਦਾ ਹੈ। ਇਸ ਲਈ 8GB RAM ਵਾਲਾ ਸਿਸਟਮ ਸੰਘਰਸ਼ ਕਰੇਗਾ। ਨਵੀਂ ਮਸ਼ੀਨ ਲੈਂਦੇ ਸਮੇਂ, ਇਹ ਦੇਖੋ ਕਿ NPU ਗਰਮ ਹੋਣ ‘ਤੇ ਕਿਵੇਂ ਪਰਫਾਰਮ ਕਰਦਾ ਹੈ। ਇੱਕ ਸੰਤੁਲਿਤ ਸਿਸਟਮ ਉਹ ਹੈ ਜਿੱਥੇ NPU, GPU, ਅਤੇ CPU ਬਿਨਾਂ ਕਿਸੇ ਟਕਰਾਅ ਦੇ ਕੰਮ ਸਾਂਝਾ ਕਰ ਸਕਣ।

• ਮੈਮੋਰੀ ਬੈਂਡਵਿਡਥ ਅਕਸਰ ਲੋਕਲ LLM ਜਵਾਬਾਂ ਦੀ ਅਸਲ ਗਤੀ ਨਿਰਧਾਰਤ ਕਰਦੀ ਹੈ।
• API ਅਨੁਕੂਲਤਾ ਇਹ ਤੈਅ ਕਰਦੀ ਹੈ ਕਿ ਕਿਹੜੇ ਟੂਲ NPU ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹਨ।
• ਲੰਬੇ ਕੰਮਾਂ ਦੌਰਾਨ ਥਰਮਲ ਮੈਨੇਜਮੈਂਟ ਬਹੁਤ ਜ਼ਰੂਰੀ 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।

ਸਿਲੀਕਾਨ ਹਾਈਪ ‘ਤੇ ਫੈਸਲਾ

AI PC ਹਾਰਡਵੇਅਰ ਦਾ ਇੱਕ ਤਰਕਸੰਗਤ ਵਿਕਾਸ ਹੈ। ਭਾਵੇਂ ਬ੍ਰਾਂਡਿੰਗ ਹਮਲਾਵਰ ਹੈ, ਪਰ ਅੰਡਰਲਾਈੰਗ ਟੈਕਨਾਲੋਜੀ ਵਧੇਰੇ ਨਿੱਜੀ ਅਤੇ ਕੁਸ਼ਲ ਕੰਪਿਊਟਿੰਗ ਵੱਲ ਇੱਕ ਰਾਹ ਹੈ। ਉਮੀਦ ਨਾ ਕਰੋ ਕਿ ਤੁਹਾਡਾ ਕੰਪਿਊਟਰ ਅਚਾਨਕ ਸਿਆਣਾ ਹੋ ਜਾਵੇਗਾ, ਪਰ ਇਹ ਗੁੰਝਲਦਾਰ ਬੈਕਗ੍ਰਾਊਂਡ ਕੰਮਾਂ ਨੂੰ ਬਹੁਤ ਘੱਟ ਮਿਹਨਤ ਨਾਲ ਸੰਭਾਲ ਲਵੇਗਾ। ਜਿਵੇਂ-ਜਿਵੇਂ ਸਾਫਟਵੇਅਰ ਈਕੋਸਿਸਟਮ ਇਸਦੇ ਅਨੁਕੂਲ ਹੋਵੇਗਾ, ਫਾਇਦੇ ਹੋਰ ਸਪੱਸ਼ਟ ਹੋ ਜਾਣਗੇ। ਫਿਲਹਾਲ, ਆਪਣੀ ਰੋਜ਼ਾਨਾ ਲੋੜਾਂ ਦੇ ਆਧਾਰ ‘ਤੇ ਹੀ ਫੈਸਲਾ ਲਓ। ਇਹ ਇੱਕ ਮੈਰਾਥਨ ਹੈ, ਸਪ੍ਰਿੰਟ ਨਹੀਂ।

编者按：我们创建本网站，旨在作为一个多语言人工智能新闻和指南中心，为那些并非电脑极客，但仍然希望了解人工智能、更有信心地使用它并关注正在到来的未来的人群服务。

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