AI ਇੰਟਰਵਿਊਜ਼ ਜਿਨ੍ਹਾਂ ਨੇ ਬਹਿਸ ਦਾ ਰੁਖ ਬਦਲ ਦਿੱਤਾ
ਪ੍ਰੋਡਕਟ ਡੈਮੋ ਦੇ ਯੁੱਗ ਦਾ ਅੰਤ
ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਬਾਰੇ ਗੱਲਬਾਤ ਹੁਣ ਤਕਨੀਕੀ ਸੰਭਾਵਨਾਵਾਂ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ ਰਾਜਨੀਤਿਕ ਜ਼ਰੂਰਤ ਬਣ ਗਈ ਹੈ। ਸਾਲਾਂ ਤੱਕ, ਲੋਕਾਂ ਨੇ ਸਿਰਫ ਸ਼ਾਨਦਾਰ ਡੈਮੋ ਅਤੇ ਸੋਚੇ-ਸਮਝੇ ਕੀਨੋਟਸ ਹੀ ਦੇਖੇ ਸਨ। ਪਰ ਇਹ ਉਦੋਂ ਬਦਲ ਗਿਆ ਜਦੋਂ ਸਭ ਤੋਂ ਸ਼ਕਤੀਸ਼ਾਲੀ ਲੈਬਾਂ ਦੇ ਮੁਖੀਆਂ ਨੇ ਲੰਬੀਆਂ ਇੰਟਰਵਿਊਜ਼ ਦਾ ਸਿਲਸਿਲਾ ਸ਼ੁਰੂ ਕੀਤਾ। ਪੱਤਰਕਾਰਾਂ ਅਤੇ ਪੋਡਕਾਸਟਰਾਂ ਨਾਲ ਇਹ ਮੁਲਾਕਾਤਾਂ ਸਿਰਫ ਮਾਰਕੀਟਿੰਗ ਨਹੀਂ ਸਨ। ਇਹ ਨਿਵੇਸ਼ਕਾਂ ਅਤੇ ਰੈਗੂਲੇਟਰਾਂ ਲਈ ਇੱਕ ਸੰਕੇਤ ਸੀ ਕਿ ਭਵਿੱਖ ਵਿੱਚ ਕੰਪਿਊਟਿੰਗ ਉੱਤੇ ਕਿਸਦਾ ਕੰਟਰੋਲ ਹੋਵੇਗਾ। ਅਸੀਂ ਹੁਣ ਇਹ ਬਹਿਸ ਨਹੀਂ ਕਰ ਰਹੇ ਕਿ ਟੈਕਨਾਲੋਜੀ ਕੰਮ ਕਰਦੀ ਹੈ ਜਾਂ ਨਹੀਂ, ਸਗੋਂ ਇਹ ਬਹਿਸ ਕਰ ਰਹੇ ਹਾਂ ਕਿ ਸਾਡੀ ਦੁਨੀਆ ਨੂੰ ਚਲਾਉਣ ਵਾਲੀ ਇੰਟੈਲੀਜੈਂਸ ਦਾ ਮਾਲਕ ਕੌਣ ਹੋਵੇਗਾ। ਇਹ ਬਦਲਾਅ ਸਾਫ਼ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ ਕਿ ਕਿਵੇਂ ਐਗਜ਼ੈਕਟਿਵਜ਼ ਹੁਣ ਫੀਚਰਸ ਤੋਂ ਹਟ ਕੇ ਗਵਰਨੈਂਸ ਵੱਲ ਧਿਆਨ ਦੇ ਰਹੇ ਹਨ। ਉਹ ਇੰਜੀਨੀਅਰਾਂ ਤੋਂ ਰਾਜਨੇਤਾਵਾਂ ਵਰਗਾ ਵਿਵਹਾਰ ਕਰਨ ਲੱਗੇ ਹਨ। ਇਹ ਤਬਦੀਲੀ ਇੱਕ ਨਵੇਂ ਪੜਾਅ ਦੀ ਸ਼ੁਰੂਆਤ ਹੈ ਜਿੱਥੇ ਮੁੱਖ ਉਤਪਾਦ ਮਾਡਲ ਨਹੀਂ, ਸਗੋਂ ਲੋਕਾਂ ਦਾ ਭਰੋਸਾ ਅਤੇ ਸਰਕਾਰ ਦੀ ਮਨਜ਼ੂਰੀ ਹੈ।
ਐਗਜ਼ੈਕਟਿਵ ਸਕ੍ਰਿਪਟ ਨੂੰ ਸਮਝਣਾ
AI ਦੀ ਮੌਜੂਦਾ ਸਥਿਤੀ ਨੂੰ ਸਮਝਣ ਲਈ ਤੁਹਾਨੂੰ ਇਹ ਦੇਖਣਾ ਪਵੇਗਾ ਕਿ ਕੀ ਨਹੀਂ ਕਿਹਾ ਜਾ ਰਿਹਾ ਹੈ। ਹਾਲੀਆ ਹਾਈ-ਪ੍ਰੋਫਾਈਲ ਇੰਟਰਵਿਊਜ਼ ਵਿੱਚ OpenAI ਅਤੇ Anthropic ਦੇ CEOs ਨੇ ਮੁਸ਼ਕਲ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣ ਦਾ ਇੱਕ ਖਾਸ ਤਰੀਕਾ ਵਿਕਸਿਤ ਕੀਤਾ ਹੈ। ਜਦੋਂ ਟ੍ਰੇਨਿੰਗ ਡੇਟਾ ਬਾਰੇ ਪੁੱਛਿਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਉਹ ਅਕਸਰ ਸਪੱਸ਼ਟ ਸਰੋਤ ਦੱਸੇ ਬਿਨਾਂ ‘ਫੇਅਰ ਯੂਜ਼’ (fair use) ਦਾ ਹਵਾਲਾ ਦਿੰਦੇ ਹਨ। ਜਦੋਂ ਊਰਜਾ ਦੀ ਖਪਤ ਬਾਰੇ ਪੁੱਛਿਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਉਹ ਮੌਜੂਦਾ ਗਰਿੱਡ ਦੇ ਦਬਾਅ ਦੀ ਬਜਾਏ ਭਵਿੱਖ ਦੀ ਫਿਊਜ਼ਨ ਪਾਵਰ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦੇ ਹਨ। ਇਹ ਇੱਕ ਰਣਨੀਤਕ ਟਾਲ-ਮਟੋਲ ਹੈ ਤਾਂ ਜੋ ਧਿਆਨ ਉਸ ਦੂਰ ਦੇ ਭਵਿੱਖ ‘ਤੇ ਰਹੇ ਜਿੱਥੇ ਸਮੱਸਿਆਵਾਂ ਉਸੇ ਟੈਕਨਾਲੋਜੀ ਦੁਆਰਾ ਹੱਲ ਕੀਤੀਆਂ ਜਾਣਗੀਆਂ ਜੋ ਉਹ ਅੱਜ ਬਣਾ ਰਹੇ ਹਨ। ਇਹ ਇੱਕ ਚੱਕਰਦਾਰ ਤਰਕ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜਿੱਥੇ AI ਦੇ ਖਤਰਿਆਂ ਨੂੰ ਹੋਰ ਵੀ ਸ਼ਕਤੀਸ਼ਾਲੀ AI ਬਣਾਉਣ ਲਈ ਇੱਕ ਬਹਾਨੇ ਵਜੋਂ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ।
ਇਹ ਇੰਟਰਵਿਊਜ਼ ਵੱਡੇ ਖਿਡਾਰੀਆਂ ਵਿਚਕਾਰ ਵਧਦੀ ਦੂਰੀ ਨੂੰ ਵੀ ਉਜਾਗਰ ਕਰਦੀਆਂ ਹਨ। ਇੱਕ ਪੱਖ ਦਾ ਮੰਨਣਾ ਹੈ ਕਿ ਮਾਡਲਾਂ ਨੂੰ ਗਲਤ ਹੱਥਾਂ ਵਿੱਚ ਜਾਣ ਤੋਂ ਰੋਕਣ ਲਈ ਉਹਨਾਂ ਨੂੰ ਬੰਦ ਰੱਖਣਾ ਚਾਹੀਦਾ ਹੈ। ਦੂਜਾ ਪੱਖ ਕਹਿੰਦਾ ਹੈ ਕਿ ਡੈਮੋਕ੍ਰੇਟਿਕ ਐਕਸੈਸ ਲਈ ਓਪਨ ਵੇਟਸ ਹੀ ਇੱਕੋ ਰਸਤਾ ਹਨ। ਹਾਲਾਂਕਿ, ਦੋਵੇਂ ਪੱਖ ਇਸ ਬਾਰੇ ਜਾਣਬੁੱਝ ਕੇ ਅਸਪਸ਼ਟ ਹਨ ਕਿ ਕੋਈ ਮਾਡਲ ਕਦੋਂ ਇੰਨਾ ਖਤਰਨਾਕ ਹੋ ਜਾਂਦਾ ਹੈ ਕਿ ਉਸਨੂੰ ਸਾਂਝਾ ਨਹੀਂ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ। ਇਹ ਅਸਪਸ਼ਟਤਾ ਅਚਾਨਕ ਨਹੀਂ ਹੈ; ਇਹ ਕੰਪਨੀਆਂ ਨੂੰ ਆਪਣੀ ਸਮਰੱਥਾ ਵਧਣ ਦੇ ਨਾਲ-ਨਾਲ ਨਿਯਮ ਬਦਲਣ ਦੀ ਆਜ਼ਾਦੀ ਦਿੰਦੀ ਹੈ। ਇਹਨਾਂ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟਾਂ ਨੂੰ ਰਣਨੀਤਕ ਦਸਤਾਵੇਜ਼ਾਂ ਵਜੋਂ ਦੇਖਣ ਨਾਲ ਸਾਨੂੰ ਇੱਕ ਸਪੱਸ਼ਟ ਪੈਟਰਨ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ। ਟੀਚਾ ਇਹ ਹੈ ਕਿ ਜਨਤਾ ਦੇ ਸਮਝਣ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਬਹਿਸ ਦੀਆਂ ਸ਼ਰਤਾਂ ਤੈਅ ਕਰ ਦਿੱਤੀਆਂ ਜਾਣ। ਇਸੇ ਲਈ ਹੁਣ ਫੋਕਸ ਮਾਡਲ ਦੀ ਸਮਰੱਥਾ ਤੋਂ ਹਟ ਕੇ ਇਸ ਗੱਲ ‘ਤੇ ਆ ਗਿਆ ਹੈ ਕਿ ਉਹਨਾਂ ਨੂੰ ਕਿਵੇਂ ਰੈਗੂਲੇਟ ਕੀਤਾ ਜਾਵੇ। ਇਹ ਰੈਗੂਲੇਟਰੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਸ਼ੁਰੂ ਵਿੱਚ ਹੀ ਕਾਬੂ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਹੈ।
ਵਿਦੇਸ਼ੀ ਰਾਜਧਾਨੀਆਂ ਕਿਉਂ ਸੁਣ ਰਹੀਆਂ ਹਨ
ਇਹਨਾਂ ਇੰਟਰਵਿਊਜ਼ ਦਾ ਪ੍ਰਭਾਵ ਸਿਲੀਕਾਨ ਵੈਲੀ ਤੋਂ ਕਿਤੇ ਵੱਧ ਹੈ। ਯੂਰਪ ਅਤੇ ਏਸ਼ੀਆ ਦੀਆਂ ਸਰਕਾਰਾਂ ਇਹਨਾਂ ਜਨਤਕ ਬਿਆਨਾਂ ਦੀ ਵਰਤੋਂ ਆਪਣੀ AI ਸੇਫਟੀ ਫਰੇਮਵਰਕ ਬਣਾਉਣ ਲਈ ਕਰ ਰਹੀਆਂ ਹਨ। ਜਦੋਂ ਕੋਈ CEO ਪੋਡਕਾਸਟ ਵਿੱਚ ਕਿਸੇ ਖਾਸ ਖਤਰੇ ਦਾ ਜ਼ਿਕਰ ਕਰਦਾ ਹੈ, ਤਾਂ ਉਹ ਇੱਕ ਹਫ਼ਤੇ ਬਾਅਦ ਬ੍ਰਸੇਲਜ਼ ਵਿੱਚ ਪਾਲਿਸੀ ਬ੍ਰੀਫਿੰਗ ਦਾ ਹਿੱਸਾ ਬਣ ਜਾਂਦਾ ਹੈ। ਇਹ ਇੱਕ ਫੀਡਬੈਕ ਲੂਪ ਬਣਾਉਂਦਾ ਹੈ ਜਿੱਥੇ ਇੰਡਸਟਰੀ ਅਸਲ ਵਿੱਚ ਆਪਣੇ ਨਿਯਮ ਖੁਦ ਲਿਖ ਰਹੀ ਹੈ। ਗਲੋਬਲ ਦਰਸ਼ਕ ਸਿਰਫ ਟੈਕ ਸਪੈਕਸ ਨਹੀਂ ਲੱਭ ਰਹੇ, ਉਹ ਇਹ ਸੁਰਾਗ ਲੱਭ ਰਹੇ ਹਨ ਕਿ ਅਗਲੇ ਡੇਟਾ ਸੈਂਟਰ ਕਿੱਥੇ ਬਣਨਗੇ ਅਤੇ ਕਿਹੜੀਆਂ ਭਾਸ਼ਾਵਾਂ ਨੂੰ ਤਰਜੀਹ ਦਿੱਤੀ ਜਾਵੇਗੀ। ਇਹਨਾਂ ਮਾਡਲਾਂ ਵਿੱਚ ਅੰਗਰੇਜ਼ੀ ਦਾ ਦਬਦਬਾ ਇੱਕ ਵੱਡਾ ਤਣਾਅ ਹੈ ਜਿਸਨੂੰ ਅਕਸਰ ਅਮਰੀਕੀ ਇੰਟਰਵਿਊਜ਼ ਵਿੱਚ ਘਟਾ ਕੇ ਪੇਸ਼ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਇਹ ਭੁੱਲ ਪੱਛਮੀ ਬਾਜ਼ਾਰਾਂ ‘ਤੇ ਨਿਰੰਤਰ ਫੋਕਸ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ, ਜਦੋਂ ਕਿ ਬਾਕੀ ਦੁਨੀਆ ਦੇ ਸੱਭਿਆਚਾਰਕ ਪਹਿਲੂਆਂ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
ਸੋਵਰੇਨ AI ਦਾ ਮੁੱਦਾ ਵੀ ਹੈ। ਦੇਸ਼ ਸਮਝ ਰਹੇ ਹਨ ਕਿ ਆਪਣੇ ਬੌਧਿਕ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਲਈ ਕੁਝ ਨਿੱਜੀ ਕੰਪਨੀਆਂ ‘ਤੇ ਨਿਰਭਰ ਰਹਿਣਾ ਇੱਕ ਖਤਰਾ ਹੈ। ਹਾਲੀਆ ਇੰਟਰਵਿਊਜ਼ ਨੇ ਰਾਸ਼ਟਰੀ ਸਰਕਾਰਾਂ ਨਾਲ ਅਜਿਹੀਆਂ ਸਾਂਝੇਦਾਰੀ ਦਾ ਸੰਕੇਤ ਦਿੱਤਾ ਹੈ ਜੋ ਸਧਾਰਨ ਕਲਾਊਡ ਕੰਟਰੈਕਟਸ ਤੋਂ ਅੱਗੇ ਜਾਂਦੀਆਂ ਹਨ। ਇਹ ਸੰਕੇਤ ਇੱਕ ਅਜਿਹੇ ਭਵਿੱਖ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦੇ ਹਨ ਜਿੱਥੇ AI ਲੈਬਾਂ ਉਪਯੋਗਤਾਵਾਂ ਜਾਂ ਡਿਫੈਂਸ ਕੰਟਰੈਕਟਰਾਂ ਵਾਂਗ ਕੰਮ ਕਰਨਗੀਆਂ। ਇਹ ਗੱਲਬਾਤ ਦੱਸਦੀ ਹੈ ਕਿ ਸੁਤੰਤਰ ਟੈਕ ਸਟਾਰਟਅੱਪ ਦਾ ਯੁੱਗ ਖਤਮ ਹੋ ਗਿਆ ਹੈ। ਅਸੀਂ ਵੱਡੀ ਟੈਕ ਅਤੇ ਰਾਸ਼ਟਰੀ ਹਿੱਤਾਂ ਦੇ ਡੂੰਘੇ ਏਕੀਕਰਣ ਦੇ ਦੌਰ ਵਿੱਚ ਦਾਖਲ ਹੋ ਰਹੇ ਹਾਂ। ਇਸਦੇ ਗਲੋਬਲ ਵਪਾਰ ਅਤੇ ਡਿਜੀਟਲ ਪਾੜੇ ‘ਤੇ ਵੱਡੇ ਪ੍ਰਭਾਵ ਪੈਣਗੇ। ਪਹੁੰਚ ਨੂੰ ਲੋਕਤੰਤਰੀ ਬਣਾਉਣ ਦੀ ਗੱਲ ਅਕਸਰ ਉੱਚ ਕੀਮਤਾਂ ਅਤੇ ਪ੍ਰਤਿਬੰਧਿਤ ਲਾਇਸੈਂਸਿੰਗ ਦੀ ਅਸਲੀਅਤ ਨਾਲ ਟਕਰਾਉਂਦੀ ਹੈ।
CEO ਪੋਡਕਾਸਟ ਦੇ ਪ੍ਰਭਾਵ ਹੇਠ ਜੀਣਾ
ਇੱਕ ਮੱਧਮ ਆਕਾਰ ਦੀ ਸਾਫਟਵੇਅਰ ਫਰਮ ਦੇ ਪ੍ਰੋਡਕਟ ਮੈਨੇਜਰ ਬਾਰੇ ਸੋਚੋ। ਹਰ ਵਾਰ ਜਦੋਂ ਕੋਈ ਵੱਡਾ AI ਲੀਡਰ ਤਿੰਨ ਘੰਟੇ ਦੀ ਇੰਟਰਵਿਊ ਦਿੰਦਾ ਹੈ, ਤਾਂ ਪੂਰੀ ਕੰਪਨੀ ਦਾ ਰੋਡਮੈਪ ਬਦਲ ਸਕਦਾ ਹੈ। ਜੇ ਕੋਈ CEO ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ ਕਿ ਅਗਲੇ ਸਾਲ ਕੋਈ ਖਾਸ ਫੀਚਰ ਕੋਰ ਮਾਡਲ ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤਾ ਜਾਵੇਗਾ, ਤਾਂ ਉਸ ਫੀਚਰ ਨੂੰ ਬਣਾਉਣ ਵਾਲੇ ਸਟਾਰਟਅੱਪ ਦੀ ਕੀਮਤ ਰਾਤੋ-ਰਾਤ ਖਤਮ ਹੋ ਜਾਂਦੀ ਹੈ। ਇਹ ਮੌਜੂਦਾ ਬਾਜ਼ਾਰ ਦੀ ਅਸਲੀਅਤ ਹੈ। ਡਿਵੈਲਪਰ ਸਿਰਫ APIs ‘ਤੇ ਨਹੀਂ ਬਣਾ ਰਹੇ, ਉਹ ਉਹਨਾਂ ਕੁਝ ਵਿਅਕਤੀਆਂ ਦੀਆਂ ਇੱਛਾਵਾਂ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੇ ਹਨ ਜੋ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਨੂੰ ਕੰਟਰੋਲ ਕਰਦੇ ਹਨ। ਇੱਕ ਆਧੁਨਿਕ ਟੈਕ ਵਰਕਰ ਦਾ ਦਿਨ ਇਹਨਾਂ ਇੰਟਰਵਿਊਜ਼ ਨੂੰ ਖੰਗਾਲਣ ਵਿੱਚ ਲੰਘਦਾ ਹੈ ਕਿ ਕਿਤੇ ਰੇਟ ਲਿਮਿਟਸ ਜਾਂ ਕੰਟੈਕਸਟ ਵਿੰਡੋਜ਼ ਵਿੱਚ ਕੋਈ ਬਦਲਾਅ ਤਾਂ ਨਹੀਂ ਆ ਰਿਹਾ। ਟੈਕਸਟ ਤੋਂ ਵੀਡੀਓ ਵੱਲ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨ ਬਾਰੇ ਇੱਕ ਵਾਕ ਵੀ ਲੱਖਾਂ ਡਾਲਰਾਂ ਦੇ ਡਿਵੈਲਪਮੈਂਟ ਸਮੇਂ ਨੂੰ ਬਰਬਾਦ ਕਰ ਸਕਦਾ ਹੈ।
ਔਸਤ ਉਪਭੋਗਤਾ ਲਈ ਪ੍ਰਭਾਵ ਵਧੇਰੇ ਸੂਖਮ ਪਰ ਡੂੰਘਾ ਹੈ। ਤੁਸੀਂ ਦੇਖਿਆ ਹੋਵੇਗਾ ਕਿ ਇੱਕ ਵੱਡੇ ਸੇਫਟੀ ਐਲਾਨ ਤੋਂ ਬਾਅਦ ਤੁਹਾਡਾ AI ਅਸਿਸਟੈਂਟ ਵਧੇਰੇ ਸਾਵਧਾਨ ਜਾਂ ਵਧੇਰੇ ਵਿਸਤ੍ਰਿਤ ਹੋ ਜਾਂਦਾ ਹੈ। ਇਹ ਬਦਲਾਅ ਅਕਸਰ ਇਹਨਾਂ ਇੰਟਰਵਿਊਜ਼ ਦੁਆਰਾ ਪੈਦਾ ਕੀਤੇ ਜਨਤਕ ਦਬਾਅ ਦਾ ਸਿੱਧਾ ਨਤੀਜਾ ਹੁੰਦੇ ਹਨ। ਜਦੋਂ ਕੋਈ ਲੀਡਰ ਸੁਰੱਖਿਆ ਦੇ ਨਿਯਮਾਂ ਦੀ ਲੋੜ ਬਾਰੇ ਗੱਲ ਕਰਦਾ ਹੈ, ਤਾਂ ਇੰਜੀਨੀਅਰਿੰਗ ਟੀਮਾਂ ਉਹਨਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨ ਲਈ ਤੇਜ਼ੀ ਨਾਲ ਕੰਮ ਕਰਦੀਆਂ ਹਨ। ਇਸਦਾ ਨਤੀਜਾ ਅਕਸਰ ਇੱਕ ਖਰਾਬ ਯੂਜ਼ਰ ਅਨੁਭਵ ਹੁੰਦਾ ਹੈ ਜਿੱਥੇ ਟੂਲ ਨੁਕਸਾਨ ਰਹਿਤ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣ ਤੋਂ ਵੀ ਇਨਕਾਰ ਕਰ ਦਿੰਦਾ ਹੈ। ਇੱਕ ਉਪਯੋਗੀ ਅਸਿਸਟੈਂਟ ਅਤੇ ਇੱਕ ਸੁਰੱਖਿਅਤ ਅਸਿਸਟੈਂਟ ਹੋਣ ਵਿਚਕਾਰ ਤਣਾਅ ਹਾਲੀਆ ਚਰਚਾ ਦਾ ਇੱਕ ਸਥਾਈ ਵਿਸ਼ਾ ਹੈ।
BotNews.today ਸਮੱਗਰੀ ਦੀ ਖੋਜ, ਲਿਖਣ, ਸੰਪਾਦਨ ਅਤੇ ਅਨੁਵਾਦ ਕਰਨ ਲਈ AI ਟੂਲਸ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਸਾਡੀ ਟੀਮ ਜਾਣਕਾਰੀ ਨੂੰ ਉਪਯੋਗੀ, ਸਪਸ਼ਟ ਅਤੇ ਭਰੋਸੇਮੰਦ ਰੱਖਣ ਲਈ ਪ੍ਰਕਿਰਿਆ ਦੀ ਸਮੀਖਿਆ ਅਤੇ ਨਿਗਰਾਨੀ ਕਰਦੀ ਹੈ।
ਕੰਪਨੀਆਂ ਵੀ ਬਦਲਦੀਆਂ ਉਮੀਦਾਂ ਨਾਲ ਤਾਲਮੇਲ ਬਿਠਾਉਣ ਲਈ ਸੰਘਰਸ਼ ਕਰ ਰਹੀਆਂ ਹਨ। ਇੱਕ ਕਾਰੋਬਾਰ ਜਿਸਨੇ ਕਿਸੇ ਖਾਸ AI ਆਰਕੀਟੈਕਚਰ ਵਿੱਚ ਭਾਰੀ ਨਿਵੇਸ਼ ਕੀਤਾ ਹੈ, ਉਹ ਪੁਰਾਣਾ ਹੋ ਸਕਦਾ ਹੈ ਜੇਕਰ ਇੰਡਸਟਰੀ ਕਿਸੇ ਵੱਖਰੇ ਸਟੈਂਡਰਡ ਵੱਲ ਵਧਦੀ ਹੈ। ਇੰਟਰਵਿਊਜ਼ ਅਕਸਰ ਇਹਨਾਂ ਬਦਲਾਵਾਂ ਦੇ ਪਹਿਲੇ ਸੰਕੇਤ ਦਿੰਦੀਆਂ ਹਨ। ਉਦਾਹਰਣ ਵਜੋਂ, ਸਿਰਫ ਚੈਟਬੋਟਸ ਦੀ ਬਜਾਏ ਏਜੰਟਾਂ ‘ਤੇ ਹਾਲੀਆ ਫੋਕਸ ਨੇ ਹਰ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਸਾਫਟਵੇਅਰ ਕੰਪਨੀ ਨੂੰ ਆਪਣੀਆਂ ਪੇਸ਼ਕਸ਼ਾਂ ਅਪਡੇਟ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕਰ ਦਿੱਤਾ ਹੈ। ਇਹ ਇੱਕ ਉੱਚ ਦਬਾਅ ਵਾਲਾ ਮਾਹੌਲ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜਿੱਥੇ ਐਗਜ਼ੈਕਟਿਵ ਭਾਸ਼ਾ ਨੂੰ ਸਮਝਣ ਦੀ ਸਮਰੱਥਾ ਕੋਡ ਲਿਖਣ ਜਿੰਨੀ ਹੀ ਕੀਮਤੀ ਹੈ। ਨਤੀਜੇ ਸਿਰਜਣਹਾਰਾਂ ਲਈ ਵੀ ਅਸਲ ਹਨ। ਲੇਖਕ ਅਤੇ ਕਲਾਕਾਰ ਇਹ ਦੇਖਣ ਲਈ ਇੰਟਰਵਿਊਜ਼ ਦੇਖਦੇ ਹਨ ਕਿ ਕੀ ਉਹਨਾਂ ਦਾ ਕੰਮ ਸੁਰੱਖਿਅਤ ਰਹੇਗਾ ਜਾਂ ਕੀ ਇਸਨੂੰ ਮਾਡਲਾਂ ਦੀ ਅਗਲੀ ਪੀੜ੍ਹੀ ਲਈ ਬਾਲਣ ਵਜੋਂ ਵਰਤਿਆ ਜਾਵੇਗਾ। ਇਹਨਾਂ ਮੁਲਾਕਾਤਾਂ ਵਿੱਚ ਕਾਪੀਰਾਈਟ ਬਾਰੇ ਟਾਲ-ਮਟੋਲ ਰਚਨਾਤਮਕ ਵਰਗ ਲਈ ਲਗਾਤਾਰ ਚਿੰਤਾ ਦਾ ਵਿਸ਼ਾ ਹੈ।
AI ਬੂਮ ਦੇ ਅਣਸੁਲਝੇ ਸਵਾਲ
ਸਾਨੂੰ ਇਹਨਾਂ ਜਨਤਕ ਮੰਚਾਂ ‘ਤੇ ਕੀਤੇ ਗਏ ਦਾਅਵਿਆਂ ਪ੍ਰਤੀ ਸ਼ੱਕੀ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਸਭ ਤੋਂ ਮੁਸ਼ਕਲ ਸਵਾਲਾਂ ਵਿੱਚੋਂ ਇੱਕ ਡੇਟਾ ਦੀ ਲੁਕਵੀਂ ਕੀਮਤ ਬਾਰੇ ਹੈ। ਜੇਕਰ ਇੰਟਰਨੈੱਟ ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੇ ਟੈਕਸਟ ਤੋਂ ਖਾਲੀ ਹੋ ਰਿਹਾ ਹੈ, ਤਾਂ ਅਗਲੇ ਟ੍ਰਿਲੀਅਨ ਟੋਕਨ ਕਿੱਥੋਂ ਆਉਣਗੇ? ਇੰਟਰਵਿਊਜ਼ ਵਿੱਚ ਨਿੱਜੀ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਨੈਤਿਕਤਾ ਜਾਂ ਟ੍ਰੇਨਿੰਗ ਲਈ ਲੋੜੀਂਦੇ ਵਿਸ਼ਾਲ ਡੇਟਾ ਸੈਂਟਰਾਂ ਨੂੰ ਠੰਡਾ ਕਰਨ ਦੇ ਵਾਤਾਵਰਣਕ ਪ੍ਰਭਾਵ ਬਾਰੇ ਘੱਟ ਹੀ ਗੱਲ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। AI ਬਾਰੇ ਇੱਕ ਸਾਫ਼ ਅਤੇ ਅਲੌਕਿਕ ਸ਼ਕਤੀ ਵਜੋਂ ਗੱਲ ਕਰਨ ਦਾ ਰੁਝਾਨ ਹੈ, ਜਦੋਂ ਕਿ ਇਹ ਅਸਲ ਵਿੱਚ ਇੱਕ ਭਾਰੀ ਉਦਯੋਗਿਕ ਪ੍ਰਕਿਰਿਆ ਹੈ। ਸਰਵਰਾਂ ਨੂੰ ਠੰਡਾ ਕਰਨ ਲਈ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਅਰਬਾਂ ਗੈਲਨ ਪਾਣੀ ਦਾ ਭੁਗਤਾਨ ਕੌਣ ਕਰਦਾ ਹੈ? ਮਨੁੱਖਤਾ ਦੇ ਸਮੂਹਿਕ ਗਿਆਨ ‘ਤੇ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਮਾਡਲ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੀ ਗਈ ਬੌਧਿਕ ਸੰਪੱਤੀ ਦਾ ਮਾਲਕ ਕੌਣ ਹੈ? ਇਹ ਸਿਰਫ ਤਕਨੀਕੀ ਸਮੱਸਿਆਵਾਂ ਨਹੀਂ ਹਨ, ਇਹ ਸਰੋਤਾਂ ਦੀ ਵੰਡ ਅਤੇ ਮਾਲਕੀ ਬਾਰੇ ਬੁਨਿਆਦੀ ਸਵਾਲ ਹਨ।
ਇੱਕ ਹੋਰ ਚਿੰਤਾ ਦਾ ਵਿਸ਼ਾ ਅੰਦਰੂਨੀ ਟੈਸਟਿੰਗ ਬਾਰੇ ਪਾਰਦਰਸ਼ਤਾ ਦੀ ਘਾਟ ਹੈ। ਸਾਨੂੰ ਅਕਸਰ ਦੱਸਿਆ ਜਾਂਦਾ ਹੈ ਕਿ ਇੱਕ ਮਾਡਲ ਨੂੰ ਮਹੀਨਿਆਂ ਤੱਕ ‘ਰੈੱਡ ਟੀਮ’ (red teamed) ਕੀਤਾ ਗਿਆ ਹੈ, ਪਰ ਸਾਨੂੰ ਉਹਨਾਂ ਟੈਸਟਾਂ ਦੇ ਨਤੀਜੇ ਘੱਟ ਹੀ ਦਿਖਾਏ ਜਾਂਦੇ ਹਨ। ਉਪਭੋਗਤਾ ਦੀ ਗੋਪਨੀਯਤਾ ਵੀ ਇੱਕ ਵੱਡਾ ਅੰਨ੍ਹਾ ਸਥਾਨ ਹੈ। ਹਾਲਾਂਕਿ ਕੰਪਨੀਆਂ ਡੇਟਾ ਨੂੰ ਅਗਿਆਤ ਕਰਨ ਦਾ ਦਾਅਵਾ ਕਰਦੀਆਂ ਹਨ, ਪਰ ਵੱਡੇ ਪੱਧਰ ‘ਤੇ ਡੇਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ਦੀ ਅਸਲੀਅਤ ਸੱਚੀ ਗੋਪਨੀਯਤਾ ਪ੍ਰਾਪਤ ਕਰਨਾ ਮੁਸ਼ਕਲ ਬਣਾਉਂਦੀ ਹੈ। ਸਾਨੂੰ ਪੁੱਛਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕੀ ਇਹਨਾਂ ਟੂਲਸ ਦੀ ਸਹੂਲਤ ਸਾਡੀ ਡਿਜੀਟਲ ਗੋਪਨੀਯਤਾ ਦੇ ਖਾਤਮੇ ਦੇ ਬਰਾਬਰ ਹੈ। ਗਲੋਬਲ ਪੱਧਰ ‘ਤੇ ਮਨੁੱਖੀ ਸੋਚ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਨ ਦੀ ਸ਼ਕਤੀ ਇੱਕ ਅਜਿਹੀ ਜ਼ਿੰਮੇਵਾਰੀ ਹੈ ਜੋ ਚੁਣੇ ਹੋਏ ਐਗਜ਼ੈਕਟਿਵਜ਼ ਦੇ ਹੱਥਾਂ ਵਿੱਚ ਨਹੀਂ ਛੱਡੀ ਜਾਣੀ ਚਾਹੀਦੀ। ਮੌਜੂਦਾ ਬਹਿਸ ਟੈਕਨਾਲੋਜੀ ਦੇ ਲਾਭਾਂ ਵੱਲ ਜ਼ਿਆਦਾ ਝੁਕੀ ਹੋਈ ਹੈ, ਜਦੋਂ ਕਿ ਸਮਾਜ ਲਈ ਲੰਬੇ ਸਮੇਂ ਦੇ ਖਰਚਿਆਂ ਨੂੰ ਗੌਣ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ। ਸਾਨੂੰ ਇਸ ਗੱਲ ‘ਤੇ ਠੋਸ ਜਵਾਬਾਂ ਲਈ ਜ਼ੋਰ ਦੇਣ ਦੀ ਲੋੜ ਹੈ ਕਿ ਇਹ ਕੰਪਨੀਆਂ ਆਪਣੇ ਸਿਸਟਮਾਂ ਦੀਆਂ ਅਟੱਲ ਅਸਫਲਤਾਵਾਂ ਨੂੰ ਕਿਵੇਂ ਸੰਭਾਲਣ ਦੀ ਯੋਜਨਾ ਬਣਾ ਰਹੀਆਂ ਹਨ।
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।
ਹਾਈਪ ਦੇ ਪਿੱਛੇ ਆਰਕੀਟੈਕਚਰ ਅਤੇ ਲੇਟੈਂਸੀ
ਤਕਨੀਕੀ ਵੇਰਵਿਆਂ ਵਿੱਚ ਜਾਣ ‘ਤੇ, ਇਹ ਸਪੱਸ਼ਟ ਹੈ ਕਿ ਇੰਡਸਟਰੀ ਕੁਝ ਭੌਤਿਕ ਸੀਮਾਵਾਂ ਤੱਕ ਪਹੁੰਚ ਰਹੀ ਹੈ। ਹਾਲਾਂਕਿ ਇੰਟਰਵਿਊਜ਼ ਅਸੀਮਤ ਵਿਕਾਸ ਦੀ ਸੰਭਾਵਨਾ ‘ਤੇ ਕੇਂਦ੍ਰਿਤ ਹਨ, ਪਰ ਅਸਲੀਅਤ GPU ਦੀ ਉਪਲਬਧਤਾ ਅਤੇ ਪਾਵਰ ਦੀਆਂ ਸੀਮਾਵਾਂ ਦੁਆਰਾ ਨਿਯੰਤਰਿਤ ਹੈ। ਪਾਵਰ ਯੂਜ਼ਰਸ ਲਈ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਮੈਟ੍ਰਿਕਸ ਸਿਰਫ ਮਾਡਲ ਦਾ ਆਕਾਰ ਨਹੀਂ, ਸਗੋਂ API ਦੀ ਲੇਟੈਂਸੀ ਅਤੇ ਆਉਟਪੁੱਟ ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਹੈ। ਅਸੀਂ ਛੋਟੇ ਅਤੇ ਵਧੇਰੇ ਕੁਸ਼ਲ ਮਾਡਲਾਂ ਵੱਲ ਇੱਕ ਤਬਦੀਲੀ ਦੇਖ ਰਹੇ ਹਾਂ ਜੋ ਸਥਾਨਕ ਤੌਰ ‘ਤੇ ਚੱਲ ਸਕਦੇ ਹਨ। ਇਹ ਕਲਾਊਡ ਇਨਫਰੈਂਸ ਦੀ ਉੱਚ ਕੀਮਤ ਅਤੇ ਬਿਹਤਰ ਡੇਟਾ ਗੋਪਨੀਯਤਾ ਦੀ ਲੋੜ ਦਾ ਸਿੱਧਾ ਜਵਾਬ ਹੈ। ਵੇਟਸ ਦੀ ਸਥਾਨਕ ਸਟੋਰੇਜ ਉਹਨਾਂ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਇੱਕ ਤਰਜੀਹ ਬਣ ਰਹੀ ਹੈ ਜੋ ਸੰਵੇਦਨਸ਼ੀਲ ਡੇਟਾ ਨੂੰ ਤੀਜੀ ਧਿਰ ਦੇ ਸਰਵਰ ਨੂੰ ਭੇਜਣ ਦਾ ਜੋਖਮ ਨਹੀਂ ਲੈ ਸਕਦੇ। ਇਹ ਰੁਝਾਨ ਅਕਸਰ ਮੁੱਖ ਧਾਰਾ ਦੇ ਮੀਡੀਆ ਵਿੱਚ ਨਜ਼ਰਅੰਦਾਜ਼ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਪਰ ਇਹ ਡਿਵੈਲਪਰ ਸਰਕਲਾਂ ਵਿੱਚ ਚਰਚਾ ਦਾ ਇੱਕ ਵੱਡਾ ਵਿਸ਼ਾ ਹੈ।
ਵਰਕਫਲੋ ਏਕੀਕਰਣ ਅਗਲੀ ਵੱਡੀ ਰੁਕਾਵਟ ਹੈ। ਚੈਟ ਇੰਟਰਫੇਸ ਹੋਣਾ ਇੱਕ ਗੱਲ ਹੈ, ਪਰ ਇੱਕ ਅਜਿਹਾ AI ਹੋਣਾ ਜੋ ਗੁੰਝਲਦਾਰ ਸਾਫਟਵੇਅਰ ਸੂਟ ਨਾਲ ਇੰਟਰੈਕਟ ਕਰ ਸਕੇ, ਦੂਜੀ ਗੱਲ ਹੈ। ਮੌਜੂਦਾ API ਸੀਮਾਵਾਂ ਸੂਝਵਾਨ ਏਜੰਟ ਬਣਾਉਣ ਲਈ ਇੱਕ ਵੱਡੀ ਰੁਕਾਵਟ ਹਨ। ਰੇਟ ਲਿਮਿਟਸ ਅਤੇ ਟੋਕਨ ਦੀਆਂ ਕੀਮਤਾਂ ਉਹਨਾਂ ਰੀਕਰਸਿਵ ਕਾਰਜਾਂ ਨੂੰ ਚਲਾਉਣਾ ਮਹਿੰਗਾ ਬਣਾਉਂਦੀਆਂ ਹਨ ਜਿਹਨਾਂ ਲਈ ਮਾਡਲ ਨੂੰ ਕਈ ਵਾਰ ਕਾਲ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਅਸੀਂ ‘ਰਿਟਰੀਵਲ ਆਗਮੈਂਟਡ ਜਨਰੇਸ਼ਨ’ (retrieval augmented generation) ਵਰਗੀਆਂ ਨਵੀਆਂ ਤਕਨੀਕਾਂ ਦਾ ਉਭਾਰ ਵੀ ਦੇਖ ਰਹੇ ਹਾਂ ਤਾਂ ਜੋ ਮਾਡਲਾਂ ਨੂੰ ਲਗਾਤਾਰ ਰੀਟ੍ਰੇਨਿੰਗ ਦੀ ਲੋੜ ਤੋਂ ਬਿਨਾਂ ਅਪਡੇਟ ਰੱਖਿਆ ਜਾ ਸਕੇ। ਇਹ ਪਹੁੰਚ ਮਾਡਲ ਨੂੰ ਸਥਾਨਕ ਡੇਟਾਬੇਸ ਵਿੱਚ ਜਾਣਕਾਰੀ ਲੱਭਣ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ, ਜੋ ਹੈਲੂਸੀਨੇਸ਼ਨ ਦੀ ਸੰਭਾਵਨਾ ਨੂੰ ਘਟਾਉਂਦੀ ਹੈ। ਗੀਕ ਸੈਕਸ਼ਨ ਲਈ, ਅਸਲ ਕਹਾਣੀ ਮੋਨੋਲਿਥਿਕ ਮਾਡਲਾਂ ਤੋਂ ਦੂਰ ਅਤੇ ਵਧੇਰੇ ਮਾਡਿਊਲਰ ਆਰਕੀਟੈਕਚਰ ਵੱਲ ਜਾਣ ਦੀ ਹੈ। ਇਹ ਤੇਜ਼ੀ ਨਾਲ ਸੁਧਾਰ ਕਰਨ ਅਤੇ ਵਧੇਰੇ ਵਿਸ਼ੇਸ਼ ਟੂਲਸ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ ਜੋ ਖਾਸ ਕਾਰਜਾਂ ਵਿੱਚ ਆਮ-ਉਦੇਸ਼ ਵਾਲੇ ਮਾਡਲਾਂ ਨੂੰ ਪਛਾੜ ਸਕਦੇ ਹਨ।
