10 AI ਕਹਾਣੀਆਂ ਜੋ 2026 ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰ ਸਕਦੀਆਂ ਹਨ

ਜਨਰੇਟਿਵ ਟੂਲਜ਼ ਲਈ ਹਨੀਮੂਨ ਪੀਰੀਅਡ ਖਤਮ ਹੋ ਰਿਹਾ ਹੈ। 2026 ਤੱਕ, ਧਿਆਨ ਚੈਟ ਇੰਟਰਫੇਸਾਂ ਦੀ ਨਵੀਨਤਾ ਤੋਂ ਹਟ ਕੇ ਉਸ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਵੱਲ ਜਾਵੇਗਾ ਜੋ ਉਹਨਾਂ ਨੂੰ ਸਪੋਰਟ ਕਰਦਾ ਹੈ। ਅਸੀਂ ਇੱਕ ਅਜਿਹੇ ਯੁੱਗ ਵਿੱਚ ਦਾਖਲ ਹੋ ਰਹੇ ਹਾਂ ਜਿੱਥੇ ਮੁੱਖ ਚਿੰਤਾ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਸਾਫਟਵੇਅਰ ਕੀ ਕਹਿ ਸਕਦਾ ਹੈ, ਸਗੋਂ ਇਹ ਹੈ ਕਿ ਇਹ ਕਿਵੇਂ ਚੱਲਦਾ ਹੈ, ਇਸਦੇ ਵੇਟਸ (weights) ਦਾ ਮਾਲਕ ਕੌਣ ਹੈ, ਅਤੇ ਡੇਟਾ ਕਿੱਥੇ ਰਹਿੰਦਾ ਹੈ। ਇੰਡਸਟਰੀ ਹੁਣ ਜਾਣਕਾਰੀ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਨ ਅਤੇ ਵੰਡਣ ਦੇ ਤਰੀਕੇ ਵਿੱਚ ਇੱਕ ਢਾਂਚਾਗਤ ਬਦਲਾਅ ਵੱਲ ਵਧ ਰਹੀ ਹੈ। ਇਹ ਹੁਣ ਸਿਰਫ਼ ਪ੍ਰਯੋਗਾਤਮਕ ਬੋਟਸ ਬਾਰੇ ਨਹੀਂ ਹੈ। ਇਹ ਇੰਟਰਨੈੱਟ ਦੀਆਂ ਮੁੱਖ ਤਾਰਾਂ ਅਤੇ ਭੌਤਿਕ ਪਾਵਰ ਗਰਿੱਡ ਵਿੱਚ ਮਸ਼ੀਨ ਇੰਟੈਲੀਜੈਂਸ ਨੂੰ ਜੋੜਨ ਬਾਰੇ ਹੈ। ਨਿਵੇਸ਼ਕ ਅਤੇ ਯੂਜ਼ਰਸ ਹੁਣ ਸ਼ੁਰੂਆਤੀ ਉਤਸ਼ਾਹ ਤੋਂ ਪਰੇ ਦੇਖ ਰਹੇ ਹਨ ਤਾਂ ਜੋ ਸੰਚਾਲਨ ਦੀਆਂ ਵਧਦੀਆਂ ਲਾਗਤਾਂ ਅਤੇ ਮੌਜੂਦਾ ਹਾਰਡਵੇਅਰ ਦੀਆਂ ਸੀਮਾਵਾਂ ਨੂੰ ਸਮਝ ਸਕਣ। ਆਉਣ ਵਾਲੇ ਮਹੀਨਿਆਂ ਵਿੱਚ ਉਹ ਕਹਾਣੀਆਂ ਭਾਰੂ ਰਹਿਣਗੀਆਂ ਜੋ ਇਹਨਾਂ ਬੁਨਿਆਦੀ ਰੁਕਾਵਟਾਂ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰਦੀਆਂ ਹਨ। ਅਸੀਂ ਸੈਂਟਰਲਾਈਜ਼ਡ ਕਲਾਉਡ ਦੇ ਦਬਦਬੇ ਤੋਂ ਦੂਰ ਹੋ ਕੇ ਇੱਕ ਵਧੇਰੇ ਖਿੰਡੇ ਹੋਏ ਅਤੇ ਵਿਸ਼ੇਸ਼ ਵਾਤਾਵਰਣ ਵੱਲ ਵਧ ਰਹੇ ਹਾਂ। ਜੇਤੂ ਉਹ ਹੋਣਗੇ ਜੋ ਵੱਡੀਆਂ ਊਰਜਾ ਲੋੜਾਂ ਅਤੇ ਟ੍ਰੇਨਿੰਗ ਡੇਟਾ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਵਧਦੀ ਗੁੰਝਲਦਾਰ ਕਾਨੂੰਨੀ ਸਥਿਤੀ ਨੂੰ ਸੰਭਾਲ ਸਕਦੇ ਹਨ।

ਮਸ਼ੀਨ ਇੰਟੈਲੀਜੈਂਸ ਵਿੱਚ ਢਾਂਚਾਗਤ ਬਦਲਾਅ

ਪਹਿਲੀ ਵੱਡੀ ਕਹਾਣੀ ਮਾਡਲ ਪਾਵਰ ਦੇ ਕੇਂਦਰੀਕਰਨ ਨਾਲ ਜੁੜੀ ਹੈ। ਕੰਪਨੀਆਂ ਦਾ ਇੱਕ ਛੋਟਾ ਸਮੂਹ ਵਰਤਮਾਨ ਵਿੱਚ ਸਭ ਤੋਂ ਉੱਨਤ ਫਰੰਟੀਅਰ ਮਾਡਲਾਂ ਨੂੰ ਕੰਟਰੋਲ ਕਰਦਾ ਹੈ। ਇਹ ਇਨੋਵੇਸ਼ਨ ਲਈ ਇੱਕ ਰੁਕਾਵਟ ਪੈਦਾ ਕਰਦਾ ਹੈ ਕਿਉਂਕਿ ਛੋਟੇ ਖਿਡਾਰੀਆਂ ਨੂੰ ਇਹਨਾਂ ਮਲਕੀਅਤ ਪ੍ਰਣਾਲੀਆਂ ‘ਤੇ ਨਿਰਭਰ ਰਹਿਣਾ ਪੈਂਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਅਸੀਂ ਓਪਨ ਵੇਟ ਮਾਡਲਾਂ ਲਈ ਇੱਕ ਦਬਾਅ ਦੇਖ ਰਹੇ ਹਾਂ ਜੋ ਸੰਸਥਾਵਾਂ ਨੂੰ ਆਪਣੇ ਖੁਦ ਦੇ ਹਾਰਡਵੇਅਰ ‘ਤੇ ਉੱਚ ਪ੍ਰਦਰਸ਼ਨ ਵਾਲੇ ਸਿਸਟਮ ਚਲਾਉਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੇ ਹਨ। ਬੰਦ ਅਤੇ ਖੁੱਲੇ ਸਿਸਟਮਾਂ ਵਿਚਕਾਰ ਇਹ ਤਣਾਅ ਇੱਕ ਨਾਜ਼ੁਕ ਮੋੜ ‘ਤੇ ਪਹੁੰਚ ਜਾਵੇਗਾ ਕਿਉਂਕਿ ਕੰਪਨੀਆਂ ਇਹ ਫੈਸਲਾ ਕਰਨਗੀਆਂ ਕਿ ਕੀ ਉੱਚ ਸਬਸਕ੍ਰਿਪਸ਼ਨ ਫੀਸਾਂ ਦੇਣੀਆਂ ਹਨ ਜਾਂ ਆਪਣੇ ਖੁਦ ਦੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰਨਾ ਹੈ। ਇਸ ਦੇ ਨਾਲ ਹੀ, ਹਾਰਡਵੇਅਰ ਮਾਰਕੀਟ ਵਿਭਿੰਨ ਹੋ ਰਹੀ ਹੈ। ਜਦੋਂ ਕਿ ਇੱਕ ਕੰਪਨੀ ਨੇ ਸਾਲਾਂ ਤੋਂ ਚਿੱਪ ਮਾਰਕੀਟ ‘ਤੇ ਦਬਦਬਾ ਬਣਾਇਆ ਹੈ, ਮੁਕਾਬਲੇਬਾਜ਼ ਅਤੇ ਵੱਡੇ ਕਲਾਉਡ ਪ੍ਰਦਾਤਾਵਾਂ ਦੇ ਅੰਦਰੂਨੀ ਸਿਲੀਕਾਨ ਪ੍ਰੋਜੈਕਟ ਵਿਕਲਪ ਪ੍ਰਦਾਨ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰ ਰਹੇ ਹਨ। ਸਪਲਾਈ ਚੇਨ ਵਿੱਚ ਇਹ ਬਦਲਾਅ ਇਨਫਰੈਂਸ ਦੀ ਲਾਗਤ ਨੂੰ ਘਟਾਉਣ ਅਤੇ ਔਸਤ ਕਾਰੋਬਾਰ ਲਈ ਵੱਡੇ ਪੱਧਰ ‘ਤੇ ਤੈਨਾਤੀ ਨੂੰ ਟਿਕਾਊ ਬਣਾਉਣ ਲਈ ਜ਼ਰੂਰੀ ਹੈ।

ਇੱਕ ਹੋਰ ਮਹੱਤਵਪੂਰਨ ਵਿਕਾਸ ਸਰਚ (search) ਵਿੱਚ ਵਿਘਨ ਹੈ। ਦਹਾਕਿਆਂ ਤੋਂ, ਸਰਚ ਬਾਰ ਇੰਟਰਨੈੱਟ ਦਾ ਪ੍ਰਵੇਸ਼ ਦੁਆਰ ਸੀ। ਹੁਣ, ਡਾਇਰੈਕਟ ਆਨਸਰ ਇੰਜਣ ਲਿੰਕਾਂ ਦੀ ਰਵਾਇਤੀ ਸੂਚੀ ਦੀ ਥਾਂ ਲੈ ਰਹੇ ਹਨ। ਇਹ ਵੈੱਬ ਦੇ ਅਰਥ ਸ਼ਾਸਤਰ ਨੂੰ ਬਦਲਦਾ ਹੈ। ਜੇਕਰ ਕਿਸੇ ਯੂਜ਼ਰ ਨੂੰ AI ਤੋਂ ਪੂਰਾ ਜਵਾਬ ਮਿਲ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਉਹਨਾਂ ਕੋਲ ਕਿਸੇ ਸਰੋਤ ਵੈੱਬਸਾਈਟ ‘ਤੇ ਕਲਿੱਕ ਕਰਨ ਦਾ ਕੋਈ ਕਾਰਨ ਨਹੀਂ ਹੁੰਦਾ। ਇਹ ਉਹਨਾਂ ਪ੍ਰਕਾਸ਼ਕਾਂ ਅਤੇ ਸਮੱਗਰੀ ਨਿਰਮਾਤਾਵਾਂ ਲਈ ਸੰਕਟ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜੋ ਮਾਲੀਏ ਲਈ ਟ੍ਰੈਫਿਕ ‘ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ। ਅਸੀਂ ਲੋਕਲ AI ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਵਿੱਚ ਵੀ ਵਾਧਾ ਦੇਖ ਰਹੇ ਹਾਂ। ਹਰ ਕੁਐਰੀ ਨੂੰ ਰਿਮੋਟ ਸਰਵਰ ‘ਤੇ ਭੇਜਣ ਦੀ ਬਜਾਏ, ਲੈਪਟਾਪਾਂ ਅਤੇ ਫੋਨਾਂ ਵਿੱਚ ਨਵੇਂ ਪ੍ਰੋਸੈਸਰ ਪ੍ਰਾਈਵੇਟ, ਤੇਜ਼ ਅਤੇ ਆਫਲਾਈਨ ਪ੍ਰੋਸੈਸਿੰਗ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੇ ਹਨ। ਐਜ (edge) ਵੱਲ ਇਹ ਅੰਦੋਲਨ ਘੱਟ ਲੇਟੈਂਸੀ ਦੀ ਲੋੜ ਅਤੇ ਡੇਟਾ ਪ੍ਰਾਈਵੇਸੀ ਦੀ ਵਧਦੀ ਮੰਗ ਦੋਵਾਂ ਦੁਆਰਾ ਚਲਾਇਆ ਜਾ ਰਿਹਾ ਹੈ। ਸੰਸਥਾਵਾਂ ਨੂੰ ਅਹਿਸਾਸ ਹੋ ਰਿਹਾ ਹੈ ਕਿ ਸੰਵੇਦਨਸ਼ੀਲ ਕਾਰਪੋਰੇਟ ਡੇਟਾ ਨੂੰ ਤੀਜੀ ਧਿਰ ਦੇ ਕਲਾਉਡ ‘ਤੇ ਭੇਜਣਾ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਜੋਖਮ ਹੈ ਜਿਸਨੂੰ ਲੋਕਲ ਹਾਰਡਵੇਅਰ ਹੱਲਾਂ ਰਾਹੀਂ ਘੱਟ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।

ਆਟੋਮੇਟਿਡ ਸਿਸਟਮਾਂ ਦਾ ਵਿਸ਼ਵਵਿਆਪੀ ਪ੍ਰਭਾਵ

ਇਹਨਾਂ ਤਕਨਾਲੋਜੀਆਂ ਦਾ ਪ੍ਰਭਾਵ ਟੈਕ ਸੈਕਟਰ ਤੋਂ ਕਿਤੇ ਅੱਗੇ ਤੱਕ ਫੈਲਿਆ ਹੋਇਆ ਹੈ। ਸਰਕਾਰਾਂ ਹੁਣ AI ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਰਾਸ਼ਟਰੀ ਸੁਰੱਖਿਆ ਦਾ ਮਾਮਲਾ ਮੰਨ ਰਹੀਆਂ ਹਨ। ਇਸ ਨਾਲ ਸਿਲੀਕਾਨ ਪ੍ਰਭੂਸੱਤਾ ਲਈ ਦੌੜ ਸ਼ੁਰੂ ਹੋ ਗਈ ਹੈ, ਜਿੱਥੇ ਦੇਸ਼ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਅਰਬਾਂ ਦਾ ਨਿਵੇਸ਼ ਕਰ ਰਹੇ ਹਨ ਕਿ ਉਹਨਾਂ ਕੋਲ ਘਰੇਲੂ ਚਿੱਪ ਉਤਪਾਦਨ ਹੋਵੇ। ਅਸੀਂ ਸਖ਼ਤ ਨਿਰਯਾਤ ਨਿਯੰਤਰਣ ਅਤੇ ਵਪਾਰਕ ਬਲਾਕ ਦੇਖ ਰਹੇ ਹਾਂ ਜੋ ਵਿਰੋਧੀਆਂ ਨੂੰ ਸਭ ਤੋਂ ਉੱਨਤ ਹਾਰਡਵੇਅਰ ਤੱਕ ਪਹੁੰਚਣ ਤੋਂ ਰੋਕਣ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਹਨ। ਇਹ ਭੂ-ਰਾਜਨੀਤਿਕ ਤਣਾਅ ਰੈਗੂਲੇਟਰੀ ਖੇਤਰ ਵਿੱਚ ਵੀ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ। ਯੂਰਪੀਅਨ ਯੂਨੀਅਨ ਅਤੇ ਵੱਖ-ਵੱਖ ਸੰਯੁਕਤ ਰਾਜ ਦੀਆਂ ਏਜੰਸੀਆਂ ਇਹ ਨਿਯਮ ਬਣਾ ਰਹੀਆਂ ਹਨ ਕਿ ਮਾਡਲਾਂ ਨੂੰ ਕਿਵੇਂ ਟ੍ਰੇਨ ਅਤੇ ਤੈਨਾਤ ਕੀਤਾ ਜਾਵੇ। ਇਹ ਨਿਯਮ ਪਾਰਦਰਸ਼ਤਾ, ਪੱਖਪਾਤ, ਅਤੇ ਵਿੱਤ ਅਤੇ ਸਿਹਤ ਸੰਭਾਲ ਵਰਗੇ ਨਾਜ਼ੁਕ ਖੇਤਰਾਂ ਵਿੱਚ ਦੁਰਵਰਤੋਂ ਦੀ ਸੰਭਾਵਨਾ ‘ਤੇ ਕੇਂਦ੍ਰਿਤ ਹਨ। ਟੀਚਾ ਇੱਕ ਅਜਿਹਾ ਫਰੇਮਵਰਕ ਬਣਾਉਣਾ ਹੈ ਜੋ ਵਿਕਾਸ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ ਜਦੋਂ ਕਿ ਆਟੋਮੇਟਿਡ ਫੈਸਲੇ ਲੈਣ ਦੇ ਸਭ ਤੋਂ ਖਤਰਨਾਕ ਨਤੀਜਿਆਂ ਨੂੰ ਰੋਕਿਆ ਜਾ ਸਕੇ।

ਊਰਜਾ ਦਾ ਦਬਾਅ ਇੰਡਸਟਰੀ ਦਾ ਚੁੱਪ ਸੰਕਟ ਹੈ। ਡੇਟਾ ਸੈਂਟਰਾਂ ਤੋਂ ਬਿਜਲੀ ਦੀ ਮੰਗ ਬੇਮਿਸਾਲ ਦਰ ਨਾਲ ਵਧਣ ਦਾ ਅਨੁਮਾਨ ਹੈ। ਇਹ ਟੈਕ ਕੰਪਨੀਆਂ ਨੂੰ ਊਰਜਾ ਪ੍ਰਦਾਤਾ ਬਣਨ ਲਈ ਮਜਬੂਰ ਕਰ ਰਿਹਾ ਹੈ, ਜੋ ਆਪਣੇ ਸਰਵਰਾਂ ਨੂੰ ਚਲਾਉਣ ਲਈ ਨਿਊਕਲੀਅਰ ਪਾਵਰ ਅਤੇ ਵਿਸ਼ਾਲ ਸੋਲਰ ਫਾਰਮਾਂ ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰ ਰਹੇ ਹਨ। ਕੁਝ ਖੇਤਰਾਂ ਵਿੱਚ, ਗਰਿੱਡ ਮੰਗ ਦੇ ਨਾਲ ਨਹੀਂ ਚੱਲ ਸਕਦਾ, ਜਿਸ ਨਾਲ ਡੇਟਾ ਸੈਂਟਰ ਦੇ ਨਿਰਮਾਣ ਵਿੱਚ ਦੇਰੀ ਹੋ ਰਹੀ ਹੈ। ਇਹ ਭੂਗੋਲਿਕ ਤਬਦੀਲੀ ਪੈਦਾ ਕਰਦਾ ਹੈ ਕਿ ਟੈਕ ਕਿੱਥੇ ਬਣਾਈ ਜਾਂਦੀ ਹੈ, ਜੋ ਸਸਤੀ ਅਤੇ ਭਰਪੂਰ ਬਿਜਲੀ ਵਾਲੇ ਖੇਤਰਾਂ ਦਾ ਪੱਖ ਲੈਂਦੀ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਫੌਜੀ ਸੰਦਰਭਾਂ ਵਿੱਚ ਆਟੋਮੇਟਿਡ ਸਿਸਟਮਾਂ ਦੀ ਵਰਤੋਂ ਤੇਜ਼ ਹੋ ਰਹੀ ਹੈ। ਆਟੋਨੋਮਸ ਡਰੋਨ ਤੋਂ ਲੈ ਕੇ ਰਣਨੀਤਕ ਵਿਸ਼ਲੇਸ਼ਣ ਟੂਲਸ ਤੱਕ, ਰੱਖਿਆ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਮਸ਼ੀਨ ਇੰਟੈਲੀਜੈਂਸ ਦਾ ਏਕੀਕਰਣ ਸੰਘਰਸ਼ ਦੀ ਪ੍ਰਕਿਰਤੀ ਨੂੰ ਬਦਲ ਰਿਹਾ ਹੈ। ਇਹ ਘਾਤਕ ਫੈਸਲਿਆਂ ਵਿੱਚ ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ਦੀ ਭੂਮਿਕਾ ਅਤੇ ਆਟੋਮੇਟਿਡ ਯੁੱਧ ਦੇ ਦ੍ਰਿਸ਼ਾਂ ਵਿੱਚ ਤੇਜ਼ੀ ਨਾਲ ਵਾਧੇ ਦੀ ਸੰਭਾਵਨਾ ਬਾਰੇ ਜ਼ਰੂਰੀ ਨੈਤਿਕ ਸਵਾਲ ਉਠਾਉਂਦਾ ਹੈ।

ਅਸਲ ਸੰਸਾਰ ਏਕੀਕਰਣ ਅਤੇ ਰੋਜ਼ਾਨਾ ਜੀਵਨ

2026 ਤੱਕ ਇੱਕ ਆਮ ਦਿਨ ਵਿੱਚ, ਇੱਕ ਪੇਸ਼ੇਵਰ ਆਪਣੇ ਫੋਨ ‘ਤੇ ਇੱਕ ਲੋਕਲ ਮਾਡਲ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਰਾਤ ਭਰ ਦੇ ਸੰਚਾਰਾਂ ਦੇ ਸਾਰ ਦੀ ਸਮੀਖਿਆ ਕਰਕੇ ਆਪਣੀ ਸਵੇਰ ਦੀ ਸ਼ੁਰੂਆਤ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ ਡਿਵਾਈਸ ਤੋਂ ਕੋਈ ਵੀ ਡੇਟਾ ਬਾਹਰ ਨਿਕਲੇ ਬਿਨਾਂ ਹੁੰਦਾ ਹੈ, ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਪ੍ਰਾਈਵੇਟ ਸ਼ਡਿਊਲ ਅਤੇ ਕਲਾਇੰਟ ਦੇ ਨਾਮ ਸੁਰੱਖਿਅਤ ਰਹਿਣ। ਮੀਟਿੰਗ ਦੌਰਾਨ, ਇੱਕ ਵਿਸ਼ੇਸ਼ ਏਜੰਟ ਗੱਲਬਾਤ ਨੂੰ ਸੁਣ ਸਕਦਾ ਹੈ ਅਤੇ ਅਸਲ ਸਮੇਂ ਵਿੱਚ ਅੰਦਰੂਨੀ ਕੰਪਨੀ ਡੇਟਾਬੇਸ ਨਾਲ ਚਰਚਾ ਨੂੰ ਕ੍ਰਾਸ-ਰੈਫਰੈਂਸ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ ਏਜੰਟ ਸਿਰਫ਼ ਟ੍ਰਾਂਸਕ੍ਰਾਈਬ ਨਹੀਂ ਕਰਦਾ। ਇਹ ਪ੍ਰੋਜੈਕਟ ਟਾਈਮਲਾਈਨਾਂ ਵਿੱਚ ਵਿਰੋਧਾਭਾਸਾਂ ਦੀ ਪਛਾਣ ਕਰਦਾ ਹੈ ਅਤੇ ਪਿਛਲੇ ਸਫਲ ਵਰਕਫਲੋ ਦੇ ਆਧਾਰ ‘ਤੇ ਹੱਲ ਸੁਝਾਉਂਦਾ ਹੈ। ਇਹ ਏਜੰਟਿਕ ਸ਼ਿਫਟ ਦੀ ਅਸਲੀਅਤ ਹੈ, ਜਿੱਥੇ ਸਾਫਟਵੇਅਰ ਇੱਕ ਪੈਸਿਵ ਸਹਾਇਕ ਹੋਣ ਤੋਂ ਲੈ ਕੇ ਕੰਮ ਦੀ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਇੱਕ ਸਰਗਰਮ ਭਾਗੀਦਾਰ ਬਣ ਜਾਂਦਾ ਹੈ।

ਧਿਆਨ ਆਮ ਗੱਲਬਾਤ ਦੀ ਬਜਾਏ ਤੰਗ, ਉੱਚ ਭਰੋਸੇਯੋਗਤਾ ਵਾਲੇ ਕੰਮਾਂ ‘ਤੇ ਹੈ। ਇਹ ਤਬਦੀਲੀ ਪ੍ਰਬੰਧਕੀ ਓਵਰਹੈੱਡ ‘ਤੇ ਬਿਤਾਏ ਗਏ ਸਮੇਂ ਨੂੰ ਘਟਾਉਂਦੀ ਹੈ ਪਰ ਕਰਮਚਾਰੀਆਂ ‘ਤੇ ਇਹਨਾਂ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਆਉਟਪੁੱਟ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਦਾ ਦਬਾਅ ਵਧਾਉਂਦੀ ਹੈ।

ਮੀਡੀਆ ਅਤੇ ਜਾਣਕਾਰੀ ‘ਤੇ ਪ੍ਰਭਾਵ ਬਰਾਬਰ ਡੂੰਘਾ ਹੈ। ਡੀਪਫੇਕਸ (Deepfakes) ਸਧਾਰਨ ਫੇਸ ਸਵੈਪ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ ਉੱਚ-ਫਿਡੇਲਿਟੀ ਵੀਡੀਓ ਅਤੇ ਆਡੀਓ ਤੱਕ ਪਹੁੰਚ ਗਏ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਅਸਲੀਅਤ ਤੋਂ ਵੱਖ ਕਰਨਾ ਲਗਭਗ ਅਸੰਭਵ ਹੈ। ਇਸ ਨਾਲ ਡਿਜੀਟਲ ਸਮੱਗਰੀ ਵਿੱਚ ਵਿਸ਼ਵਾਸ ਦਾ ਸੰਕਟ ਪੈਦਾ ਹੋ ਗਿਆ ਹੈ। ਇਸ ਦਾ ਮੁਕਾਬਲਾ ਕਰਨ ਲਈ, ਅਸੀਂ ਪ੍ਰਮਾਣਿਕ ਮੀਡੀਆ ਲਈ ਕ੍ਰਿਪਟੋਗ੍ਰਾਫਿਕ ਦਸਤਖਤਾਂ ਨੂੰ ਅਪਣਾਉਂਦੇ ਦੇਖ ਰਹੇ ਹਾਂ। ਸਮਾਰਟਫੋਨ ‘ਤੇ ਲਈ ਗਈ ਹਰ ਫੋਟੋ ਜਾਂ ਵੀਡੀਓ ਜਲਦੀ ਹੀ ਇੱਕ ਡਿਜੀਟਲ ਵਾਟਰਮਾਰਕ ਲੈ ਸਕਦੀ ਹੈ ਜੋ ਇਸਦੀ ਉਤਪਤੀ ਨੂੰ ਸਾਬਤ ਕਰਦਾ ਹੈ। ਪ੍ਰਮਾਣਿਕਤਾ ਲਈ ਇਹ ਲੜਾਈ ਪੱਤਰਕਾਰੀ, ਰਾਜਨੀਤੀ, ਜਾਂ ਮਨੋਰੰਜਨ ਵਿੱਚ ਸ਼ਾਮਲ ਕਿਸੇ ਵੀ ਵਿਅਕਤੀ ਲਈ ਇੱਕ ਪ੍ਰਮੁੱਖ ਕਹਾਣੀ ਹੈ। ਖਪਤਕਾਰ ਆਨਲਾਈਨ ਜੋ ਦੇਖਦੇ ਹਨ ਉਸ ਬਾਰੇ ਵਧੇਰੇ ਸ਼ੱਕੀ ਹੋ ਰਹੇ ਹਨ, ਜਿਸ ਨਾਲ ਭਰੋਸੇਮੰਦ ਬ੍ਰਾਂਡਾਂ ਅਤੇ ਪ੍ਰਮਾਣਿਤ ਸਰੋਤਾਂ ਦੀ ਕੀਮਤ ਵਿੱਚ ਵਾਧਾ ਹੋ ਰਿਹਾ ਹੈ। ਜਾਣਕਾਰੀ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦੀ ਲਾਗਤ ਵਧ ਰਹੀ ਹੈ, ਅਤੇ ਜੋ ਲੋਕ ਸਿੰਥੈਟਿਕ ਮੀਡੀਆ ਦੇ ਯੁੱਗ ਵਿੱਚ ਨਿਸ਼ਚਤਤਾ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੇ ਹਨ, ਉਹ ਮਹੱਤਵਪੂਰਨ ਸ਼ਕਤੀ ਰੱਖਣਗੇ।

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।

ਸਾਨੂੰ ਲੇਬਰ ਮਾਰਕੀਟ ‘ਤੇ ਪ੍ਰਭਾਵ ‘ਤੇ ਵੀ ਵਿਚਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਜਦੋਂ ਕਿ ਕੁਝ ਨੌਕਰੀਆਂ ਖਤਮ ਹੋ ਰਹੀਆਂ ਹਨ, ਦੂਜੀਆਂ ਬਦਲ ਰਹੀਆਂ ਹਨ। ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਅੰਦੋਲਨ ਮਿਡਲ ਮੈਨੇਜਮੈਂਟ ਲੇਅਰ ਵਿੱਚ ਹੈ, ਜਿੱਥੇ AI ਸ਼ਡਿਊਲਿੰਗ, ਰਿਪੋਰਟਿੰਗ, ਅਤੇ ਬੁਨਿਆਦੀ ਪ੍ਰਦਰਸ਼ਨ ਟ੍ਰੈਕਿੰਗ ਨੂੰ ਸੰਭਾਲ ਸਕਦਾ ਹੈ। ਇਹ ਮਨੁੱਖੀ ਲੀਡਰਸ਼ਿਪ ਕਿਹੋ ਜਿਹੀ ਦਿਖਦੀ ਹੈ, ਇਸ ਦੇ ਮੁੜ-ਮੁਲਾਂਕਣ ਲਈ ਮਜਬੂਰ ਕਰਦਾ ਹੈ। ਮੁੱਲ ਭਾਵਨਾਤਮਕ ਬੁੱਧੀ, ਗੁੰਝਲਦਾਰ ਸਮੱਸਿਆ-ਹੱਲ, ਅਤੇ ਨੈਤਿਕ ਨਿਰਣੇ ਵੱਲ ਵਧ ਰਿਹਾ ਹੈ। ਕਰਮਚਾਰੀਆਂ ਨੂੰ ਡਿਜੀਟਲ ਏਜੰਟਾਂ ਦੇ ਫਲੀਟਾਂ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨ ਲਈ ਕਿਹਾ ਜਾ ਰਿਹਾ ਹੈ, ਜਿਸ ਲਈ ਤਕਨੀਕੀ ਅਤੇ ਪ੍ਰਬੰਧਕੀ ਹੁਨਰਾਂ ਦੇ ਇੱਕ ਨਵੇਂ ਸੈੱਟ ਦੀ ਲੋੜ ਹੈ। ਇਹ ਤਬਦੀਲੀ ਵਿਦਿਅਕ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਅਨੁਕੂਲ ਹੋਣ ਨਾਲੋਂ ਤੇਜ਼ੀ ਨਾਲ ਹੋ ਰਹੀ ਹੈ, ਇੱਕ ਪ੍ਰਤਿਭਾ ਪਾੜਾ ਪੈਦਾ ਕਰ ਰਹੀ ਹੈ ਜਿਸਨੂੰ ਕੰਪਨੀਆਂ ਅੰਦਰੂਨੀ ਸਿਖਲਾਈ ਪ੍ਰੋਗਰਾਮਾਂ ਨਾਲ ਭਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੀਆਂ ਹਨ। ਜੋ ਲੋਕ ਇਹਨਾਂ ਟੂਲਸ ਦੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਜੋ ਨਹੀਂ ਕਰ ਸਕਦੇ, ਉਹਨਾਂ ਵਿਚਕਾਰ ਪਾੜਾ ਵਧ ਰਿਹਾ ਹੈ, ਜਿਸ ਨਾਲ ਆਰਥਿਕ ਅਸਮਾਨਤਾ ਦੇ ਨਵੇਂ ਰੂਪ ਪੈਦਾ ਹੋ ਰਹੇ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਸਰਕਾਰਾਂ ਹੁਣੇ ਹੀ ਹੱਲ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰ ਰਹੀਆਂ ਹਨ।

ਸੁਕਰਾਤੀ ਸੰਦੇਹਵਾਦ ਅਤੇ ਲੁਕੀਆਂ ਹੋਈਆਂ ਲਾਗਤਾਂ

ਸਾਨੂੰ ਪੁੱਛਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਇਸ ਤੇਜ਼ੀ ਨਾਲ ਅਪਣਾਉਣ ਦੀ ਅਸਲ ਕੀਮਤ ਕੀ ਹੈ। ਜੇਕਰ ਅਸੀਂ ਆਪਣੇ ਬੋਧਾਤਮਕ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਲਈ ਤਿੰਨ ਜਾਂ ਚਾਰ ਵੱਡੀਆਂ ਕੰਪਨੀਆਂ ‘ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਾਂ, ਤਾਂ ਕੀ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਉਹਨਾਂ ਦੇ ਹਿੱਤ ਜਨਤਕ ਭਲੇ ਤੋਂ ਵੱਖ ਹੋ ਜਾਂਦੇ ਹਨ? ਇੰਟੈਲੀਜੈਂਸ ਦਾ ਕੇਂਦਰੀਕਰਨ ਇੱਕ ਅਜਿਹਾ ਜੋਖਮ ਹੈ ਜਿਸ ਬਾਰੇ ਬਹੁਤ ਘੱਟ ਲੋਕ ਡੂੰਘਾਈ ਨਾਲ ਚਰਚਾ ਕਰ ਰਹੇ ਹਨ। ਅਸੀਂ ਕਲਾਉਡ-ਅਧਾਰਿਤ ਸਹੂਲਤ ਲਈ ਲੋਕਲ ਕੰਟਰੋਲ ਦਾ ਵਪਾਰ ਕਰ ਰਹੇ ਹਾਂ, ਪਰ ਉਸ ਸਹੂਲਤ ਦੀ ਕੀਮਤ ਪ੍ਰਾਈਵੇਸੀ ਦਾ ਪੂਰਾ ਨੁਕਸਾਨ ਅਤੇ ਸਬਸਕ੍ਰਿਪਸ਼ਨ ਮਾਡਲਾਂ ‘ਤੇ ਨਿਰਭਰਤਾ ਹੈ ਜੋ ਕਿਸੇ ਵੀ ਸਮੇਂ ਬਦਲ ਸਕਦੇ ਹਨ। ਡੇਟਾ ਬਾਰੇ ਵੀ ਸਵਾਲ ਹੈ। ਜ਼ਿਆਦਾਤਰ ਮਾਡਲ ਮਨੁੱਖੀ ਸੱਭਿਆਚਾਰ ਦੇ ਸਮੂਹਿਕ ਆਉਟਪੁੱਟ ‘ਤੇ ਟ੍ਰੇਨ ਕੀਤੇ ਜਾਂਦੇ ਹਨ। ਕੀ ਕਿਸੇ ਕਾਰਪੋਰੇਸ਼ਨ ਲਈ ਉਸ ਮੁੱਲ ਨੂੰ ਹਾਸਲ ਕਰਨਾ ਅਤੇ ਅਸਲ ਸਿਰਜਣਹਾਰਾਂ ਨੂੰ ਮੁਆਵਜ਼ਾ ਦਿੱਤੇ ਬਿਨਾਂ ਸਾਨੂੰ ਵਾਪਸ ਵੇਚਣਾ ਨੈਤਿਕ ਹੈ? ਕਾਪੀਰਾਈਟ ‘ਤੇ ਮੌਜੂਦਾ ਕਾਨੂੰਨੀ ਲੜਾਈਆਂ ਜਾਣਕਾਰੀ ਦੀ ਮਾਲਕੀ ਬਾਰੇ ਬਹੁਤ ਵੱਡੀ ਗੱਲਬਾਤ ਦੀ ਸਿਰਫ ਸ਼ੁਰੂਆਤ ਹਨ।

ਇਹਨਾਂ ਪ੍ਰਣਾਲੀਆਂ ਦੀਆਂ ਨੇੜਲੇ ਭਵਿੱਖ ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਵਧਾ-ਚੜ੍ਹਾ ਕੇ ਪੇਸ਼ ਕਰਨ ਦੀ ਪ੍ਰਵਿਰਤੀ ਹੈ ਜਦੋਂ ਕਿ ਉਹਨਾਂ ਦੇ ਲੰਬੇ ਸਮੇਂ ਦੇ ਢਾਂਚਾਗਤ ਪ੍ਰਭਾਵ ਨੂੰ ਘੱਟ ਸਮਝਿਆ ਜਾਂਦਾ ਹੈ। ਲੋਕ ਇੱਕ ਜਨਰਲ ਇੰਟੈਲੀਜੈਂਸ ਦੀ ਉਮੀਦ ਕਰਦੇ ਹਨ ਜੋ ਕਿਸੇ ਵੀ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰ ਸਕਦੀ ਹੈ, ਪਰ ਜੋ ਸਾਨੂੰ ਮਿਲ ਰਿਹਾ ਹੈ ਉਹ ਬਹੁਤ ਕੁਸ਼ਲ, ਤੰਗ ਟੂਲਸ ਦੀ ਇੱਕ ਲੜੀ ਹੈ ਜੋ ਸਾਡੇ ਮੌਜੂਦਾ ਸਾਫਟਵੇਅਰ ਵਿੱਚ ਏਕੀਕ੍ਰਿਤ ਹਨ। ਖਤਰਾ ਕੋਈ ਬਾਗੀ ਮਸ਼ੀਨ ਨਹੀਂ ਹੈ, ਸਗੋਂ ਇੱਕ ਮਾੜੀ ਸਮਝੀ ਗਈ ਐਲਗੋਰਿਦਮ ਹੈ ਜੋ ਕ੍ਰੈਡਿਟ ਸਕੋਰ, ਨੌਕਰੀ ਦੀਆਂ ਅਰਜ਼ੀਆਂ, ਜਾਂ ਡਾਕਟਰੀ ਇਲਾਜਾਂ ਬਾਰੇ ਫੈਸਲੇ ਲੈ ਰਹੀ ਹੈ। ਅਸੀਂ ਇੱਕ ਅਜਿਹੀ ਦੁਨੀਆ ਬਣਾ ਰਹੇ ਹਾਂ ਜਿੱਥੇ ਮਸ਼ੀਨ ਦਾ ਤਰਕ ਅਕਸਰ ਉਹਨਾਂ ਲੋਕਾਂ ਲਈ ਅਸਪਸ਼ਟ ਹੁੰਦਾ ਹੈ ਜੋ ਇਸਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ। ਜੇਕਰ ਅਸੀਂ ਇਹ ਨਹੀਂ ਦੱਸ ਸਕਦੇ ਕਿ ਕਿਸੇ ਸਿਸਟਮ ਨੇ ਕੋਈ ਖਾਸ ਸਿੱਟਾ ਕਿਉਂ ਕੱਢਿਆ ਤਾਂ ਅਸੀਂ ਉਸਨੂੰ ਜਵਾਬਦੇਹ ਕਿਵੇਂ ਠਹਿਰਾ ਸਕਦੇ ਹਾਂ? ਇਹ ਸਿਰਫ਼ ਤਕਨੀਕੀ ਸਮੱਸਿਆਵਾਂ ਨਹੀਂ ਹਨ। ਇਹ ਬੁਨਿਆਦੀ ਸਵਾਲ ਹਨ ਕਿ ਅਸੀਂ ਚਾਹੁੰਦੇ ਹਾਂ ਕਿ ਸਾਡਾ ਸਮਾਜ ਕਿਵੇਂ ਕੰਮ ਕਰੇ। ਸਾਨੂੰ ਇਹ ਫੈਸਲਾ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕੀ ਕੁਸ਼ਲਤਾ ਦੇ ਲਾਭ ਪਾਰਦਰਸ਼ਤਾ ਅਤੇ ਮਨੁੱਖੀ ਏਜੰਸੀ ਦੇ ਨੁਕਸਾਨ ਦੇ ਬਰਾਬਰ ਹਨ।

ਪਾਵਰ ਯੂਜ਼ਰ ਸੈਕਸ਼ਨ

ਇਹਨਾਂ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਬਣਾਉਣ ਅਤੇ ਪ੍ਰਬੰਧਿਤ ਕਰਨ ਵਾਲਿਆਂ ਲਈ, ਧਿਆਨ ਵਰਕਫਲੋ ਏਕੀਕਰਣ ਅਤੇ ਲੋਕਲ ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਵੱਲ ਬਦਲ ਗਿਆ ਹੈ। ਸਿਰਫ਼ ਇੱਕ ਵਿਸ਼ਾਲ API ਨੂੰ ਕਾਲ ਕਰਨ ਦੇ ਯੁੱਗ ਨੂੰ ਵਧੀਆ ਆਰਕੈਸਟ੍ਰੇਸ਼ਨ ਲੇਅਰਾਂ ਦੁਆਰਾ ਬਦਲਿਆ ਜਾ ਰਿਹਾ ਹੈ। ਪਾਵਰ ਯੂਜ਼ਰਸ ਹੁਣ ਹੇਠ ਲਿਖੀਆਂ ਤਕਨੀਕੀ ਰੁਕਾਵਟਾਂ ਨੂੰ ਦੇਖ ਰਹੇ ਹਨ:

• API ਰੇਟ ਲਿਮਿਟਸ ਅਤੇ ਲੰਬੇ ਸੰਦਰਭ ਮਾਡਲਾਂ ਲਈ ਟੋਕਨ ਵਿੰਡੋਜ਼ ਦੀ ਲਾਗਤ।
• ਸ਼ੁੱਧਤਾ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਨੁਕਸਾਨ ਦੇ ਬਿਨਾਂ ਕੰਜ਼ਿਊਮਰ ਗ੍ਰੇਡ ਹਾਰਡਵੇਅਰ ‘ਤੇ ਵੱਡੇ ਮਾਡਲਾਂ ਨੂੰ ਚਲਾਉਣ ਲਈ ਕੁਆਂਟਾਈਜ਼ੇਸ਼ਨ (quantization) ਦੀ ਵਰਤੋਂ।
• ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਰਿਟਰੀਵਲ ਆਗਮੈਂਟਡ ਜਨਰੇਸ਼ਨ (Retrieval Augmented Generation) ਦਾ ਲਾਗੂਕਰਨ ਕਿ ਮਾਡਲਾਂ ਕੋਲ ਨਵੀਨਤਮ ਅੰਦਰੂਨੀ ਡੇਟਾ ਤੱਕ ਪਹੁੰਚ ਹੋਵੇ।
• ਤੇਜ਼ ਅਤੇ ਪ੍ਰਾਈਵੇਟ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤੀ ਲਈ ਲੋਕਲ ਵੈਕਟਰ ਡੇਟਾਬੇਸ ਦਾ ਪ੍ਰਬੰਧਨ।

ਵਰਕਫਲੋ ਆਟੋਮੇਸ਼ਨ ਹੁਣ ਸਧਾਰਨ ਟ੍ਰਿਗਰਸ ਬਾਰੇ ਨਹੀਂ ਹੈ। ਇਸ ਵਿੱਚ ਕਈ ਮਾਡਲਾਂ ਨੂੰ ਇਕੱਠੇ ਜੋੜਨਾ ਸ਼ਾਮਲ ਹੈ, ਜਿੱਥੇ ਇੱਕ ਛੋਟਾ, ਤੇਜ਼ ਮਾਡਲ ਸ਼ੁਰੂਆਤੀ ਰੂਟਿੰਗ ਨੂੰ ਸੰਭਾਲਦਾ ਹੈ ਅਤੇ ਇੱਕ ਵੱਡਾ, ਵਧੇਰੇ ਸਮਰੱਥ ਮਾਡਲ ਗੁੰਝਲਦਾਰ ਤਰਕ ਨੂੰ ਸੰਭਾਲਦਾ ਹੈ। ਲਾਗਤਾਂ ਅਤੇ ਲੇਟੈਂਸੀ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਲਈ ਇਹ ਪੱਧਰੀ ਪਹੁੰਚ ਜ਼ਰੂਰੀ ਹੈ। ਅਸੀਂ NPUs (ਨਿਊਰਲ ਪ੍ਰੋਸੈਸਿੰਗ ਯੂਨਿਟਸ) ਵਰਗੇ ਵਿਸ਼ੇਸ਼ ਹਾਰਡਵੇਅਰ ਵੱਲ ਵੀ ਵਧ ਰਹੇ ਹਾਂ ਜੋ ਸਾਰੇ ਨਵੇਂ ਕੰਪਿਊਟਿੰਗ ਡਿਵਾਈਸਾਂ ਵਿੱਚ ਮਿਆਰੀ ਬਣ ਰਹੇ ਹਨ। ਇਹ ਨਿਰੰਤਰ, ਘੱਟ ਪਾਵਰ ਵਾਲੇ AI ਫੀਚਰਸ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ ਜੋ ਓਪਰੇਟਿੰਗ ਸਿਸਟਮ ਦੇ ਬੈਕਗ੍ਰਾਉਂਡ ਵਿੱਚ ਚੱਲਦੇ ਹਨ। ਡਿਵੈਲਪਰਾਂ ਲਈ, ਚੁਣੌਤੀ ਹੁਣ ਸਿਰਫ਼ ਕੋਡ ਲਿਖਣਾ ਨਹੀਂ ਹੈ, ਸਗੋਂ ਇਹਨਾਂ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਫਾਈਨ-ਟਿਊਨ ਕਰਨ ਲਈ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਡੇਟਾ ਦੇ ਜੀਵਨ ਚੱਕਰ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨਾ ਹੈ। 20 ਪ੍ਰਤੀਸ਼ਤ ਯੂਜ਼ਰਸ ਜੋ ਇਹਨਾਂ ਅੰਡਰਲਾਈੰਗ ਮਕੈਨਿਕਸ ਨੂੰ ਸਮਝਦੇ ਹਨ, ਉਹ ਹੀ ਹੋਣਗੇ ਜੋ ਸਾਫਟਵੇਅਰ ਆਰਕੀਟੈਕਚਰ ਦੀ ਅਗਲੀ ਪੀੜ੍ਹੀ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨਗੇ।

• NVMe ਸਟੋਰੇਜ ਸਪੀਡ ਮੈਮੋਰੀ ਵਿੱਚ ਵੱਡੇ ਮਾਡਲ ਵੇਟਸ ਨੂੰ ਲੋਡ ਕਰਨ ਲਈ ਇੱਕ ਰੁਕਾਵਟ ਬਣ ਰਹੀ ਹੈ।
• ਕਈ ਇਨਫਰੈਂਸ ਕੰਮਾਂ ਲਈ ਮੈਮੋਰੀ ਬੈਂਡਵਿਡਥ ਕੱਚੀ ਕੰਪਿਊਟ ਪਾਵਰ ਨਾਲੋਂ ਵਧੇਰੇ ਮਹੱਤਵਪੂਰਨ ਹੈ।
• ਛੋਟੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ (SLMs) ਦਾ ਉਭਾਰ ਜੋ ਖਾਸ ਕੰਮਾਂ ‘ਤੇ ਪੁਰਾਣੇ ਵੱਡੇ ਮਾਡਲਾਂ ਵਾਂਗ ਹੀ ਵਧੀਆ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦੇ ਹਨ।

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.

ਸਿੱਟਾ

ਅਗਲੇ ਦੋ ਸਾਲ ਵਿਹਾਰਕਤਾ ਵੱਲ ਵਧਣ ਦੁਆਰਾ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤੇ ਜਾਣਗੇ। ਇੰਡਸਟਰੀ