ਪੁਰਾਣੇ ਟੈਕ ਬੂਮ ਤੋਂ AI ਬਾਰੇ ਅਸੀਂ ਕੀ ਸਿੱਖ ਸਕਦੇ ਹਾਂ

ਇਨਫ੍ਰਾਸਟ੍ਰਕਚਰ ਦਾ ਚੱਕਰ ਦੁਹਰਾਇਆ ਜਾਂਦਾ ਹੈ

ਸਿਲੀਕਾਨ ਵੈਲੀ ਅਕਸਰ ਦਾਅਵਾ ਕਰਦੀ ਹੈ ਕਿ ਉਨ੍ਹਾਂ ਦੀ ਨਵੀਨਤਮ ਖੋਜ ਬੇਮਿਸਾਲ ਹੈ। ਅਜਿਹਾ ਨਹੀਂ ਹੈ। ਮੌਜੂਦਾ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਦਾ ਉਛਾਲ 1800 ਦੇ ਦਹਾਕੇ ਦੇ ਰੇਲਵੇ ਵਿਸਤਾਰ ਅਤੇ 1990 ਦੇ ਦਹਾਕੇ ਦੇ ਅਖੀਰ ਦੇ ਡਾਟ-ਕਾਮ ਬੂਮ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਅਸੀਂ ਦੇਖ ਰਹੇ ਹਾਂ ਕਿ ਪੂੰਜੀ ਕਿਵੇਂ ਵਗਦੀ ਹੈ ਅਤੇ ਕੰਪਿਊਟ ਪਾਵਰ ਨੂੰ ਕਿਵੇਂ ਕੇਂਦਰਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਇਹ ਇਸ ਬਾਰੇ ਹੈ ਕਿ ਭਵਿੱਖ ਦੇ ਇਨਫ੍ਰਾਸਟ੍ਰਕਚਰ ਦਾ ਮਾਲਕ ਕੌਣ ਹੈ। ਅਮਰੀਕਾ ਅੱਗੇ ਹੈ ਕਿਉਂਕਿ ਇਸ ਕੋਲ ਸਭ ਤੋਂ ਵੱਧ ਪੈਸਾ ਅਤੇ ਸਭ ਤੋਂ ਹਮਲਾਵਰ ਕਲਾਉਡ ਪ੍ਰੋਵਾਈਡਰ ਹਨ। ਇਤਿਹਾਸ ਦੱਸਦਾ ਹੈ ਕਿ ਜੋ ਲੋਕ ਪਟੜੀਆਂ ਜਾਂ ਫਾਈਬਰ ਆਪਟਿਕ ਕੇਬਲਾਂ ਨੂੰ ਕੰਟਰੋਲ ਕਰਦੇ ਹਨ, ਉਹ ਅੰਤ ਵਿੱਚ ਬਾਕੀ ਸਾਰਿਆਂ ਲਈ ਸ਼ਰਤਾਂ ਤੈਅ ਕਰਦੇ ਹਨ। AI ਵੀ ਇਸ ਤੋਂ ਵੱਖਰਾ ਨਹੀਂ ਹੈ। ਇਹ ਇਨਫ੍ਰਾਸਟ੍ਰਕਚਰ ਬਣਾਉਣ ਅਤੇ ਫਿਰ ਤੇਜ਼ੀ ਨਾਲ ਇਕਸਾਰ ਹੋਣ ਦੇ ਇੱਕ ਪੁਰਾਣੇ ਰਾਹ ‘ਤੇ ਚੱਲਦਾ ਹੈ। ਇਸ ਪੈਟਰਨ ਨੂੰ ਸਮਝਣਾ ਸਾਨੂੰ ਹਾਈਪ ਤੋਂ ਪਰੇ ਦੇਖਣ ਅਤੇ ਇਹ ਪਛਾਣਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ ਕਿ ਇਸ ਨਵੇਂ ਚੱਕਰ ਵਿੱਚ ਅਸਲ ਸ਼ਕਤੀ ਕਿੱਥੇ ਹੈ। ਮੁੱਖ ਗੱਲ ਇਹ ਹੈ ਕਿ ਅਸੀਂ ਸਿਰਫ਼ ਸਮਾਰਟ ਸਾਫਟਵੇਅਰ ਨਹੀਂ ਬਣਾ ਰਹੇ ਹਾਂ। ਅਸੀਂ ਇੱਕ ਨਵੀਂ ਸਹੂਲਤ ਬਣਾ ਰਹੇ ਹਾਂ ਜੋ ਬਿਜਲੀ ਜਾਂ ਇੰਟਰਨੈਟ ਜਿੰਨੀ ਹੀ ਬੁਨਿਆਦੀ ਹੋਵੇਗੀ। ਜੇਤੂ ਉਹ ਹੋਣਗੇ ਜੋ ਭੌਤਿਕ ਹਾਰਡਵੇਅਰ ਅਤੇ ਇਹਨਾਂ ਸਿਸਟਮਾਂ ਨੂੰ ਚਲਾਉਣ ਲਈ ਲੋੜੀਂਦੇ ਵਿਸ਼ਾਲ ਡੇਟਾਸੈਟਾਂ ਨੂੰ ਕੰਟਰੋਲ ਕਰਦੇ ਹਨ।

ਸਟੀਲ ਦੀਆਂ ਪਟੜੀਆਂ ਤੋਂ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਤੱਕ

ਅੱਜ AI ਨੂੰ ਸਮਝਣ ਲਈ, ਅਮਰੀਕੀ ਰੇਲਵੇ ਬੂਮ ਨੂੰ ਦੇਖੋ। 1800 ਦੇ ਦਹਾਕੇ ਦੇ ਮੱਧ ਵਿੱਚ, ਮਹਾਂਦੀਪ ਭਰ ਵਿੱਚ ਪਟੜੀਆਂ ਵਿਛਾਉਣ ਲਈ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਪੂੰਜੀ ਲਗਾਈ ਗਈ ਸੀ। ਬਹੁਤ ਸਾਰੀਆਂ ਕੰਪਨੀਆਂ ਦੀਵਾਲੀਆ ਹੋ ਗਈਆਂ, ਪਰ ਪਟੜੀਆਂ ਉੱਥੇ ਹੀ ਰਹੀਆਂ। ਉਹਨਾਂ ਪਟੜੀਆਂ ਨੇ ਆਰਥਿਕ ਵਿਕਾਸ ਦੀ ਅਗਲੀ ਸਦੀ ਲਈ ਨੀਂਹ ਰੱਖੀ। AI ਇਸ ਸਮੇਂ ਪਟੜੀ ਵਿਛਾਉਣ ਦੇ ਪੜਾਅ ਵਿੱਚ ਹੈ। ਸਟੀਲ ਅਤੇ ਭਾਫ਼ ਦੀ ਬਜਾਏ, ਅਸੀਂ ਸਿਲੀਕਾਨ ਅਤੇ ਬਿਜਲੀ ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹਾਂ। ਮਾਈਕ੍ਰੋਸਾਫਟ ਅਤੇ ਗੂਗਲ ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਦੁਆਰਾ ਕੀਤੇ ਗਏ ਵੱਡੇ ਨਿਵੇਸ਼ ਉਹ ਕੰਪਿਊਟ ਕਲੱਸਟਰ ਬਣਾ ਰਹੇ ਹਨ ਜੋ ਹਰ ਦੂਜੇ ਉਦਯੋਗ ਦਾ ਸਮਰਥਨ ਕਰਨਗੇ। ਇਹ ਇੱਕ ਕਲਾਸਿਕ ਇਨਫ੍ਰਾਸਟ੍ਰਕਚਰ ਖੇਡ ਹੈ। ਜਦੋਂ ਕਿਸੇ ਤਕਨਾਲੋਜੀ ਨੂੰ ਸ਼ੁਰੂ ਕਰਨ ਲਈ ਬਹੁਤ ਜ਼ਿਆਦਾ ਪੂੰਜੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਇਹ ਕੁਦਰਤੀ ਤੌਰ ‘ਤੇ ਵੱਡੇ, ਸਥਾਪਿਤ ਖਿਡਾਰੀਆਂ ਦਾ ਪੱਖ ਲੈਂਦੀ ਹੈ। ਇਹੀ ਕਾਰਨ ਹੈ ਕਿ ਅਮਰੀਕਾ ਵਿੱਚ ਕੁਝ ਫਰਮਾਂ ਇਸ ਖੇਤਰ ਵਿੱਚ ਹਾਵੀ ਹਨ। ਉਨ੍ਹਾਂ ਕੋਲ ਚਿਪਸ ਖਰੀਦਣ ਲਈ ਪੈਸਾ ਅਤੇ ਡੇਟਾ ਸੈਂਟਰ ਬਣਾਉਣ ਲਈ ਜ਼ਮੀਨ ਹੈ। ਉਨ੍ਹਾਂ ਕੋਲ ਆਪਣੇ ਮਾਡਲਾਂ ਨੂੰ ਵੱਡੇ ਪੱਧਰ ‘ਤੇ ਟੈਸਟ ਕਰਨ ਲਈ ਮੌਜੂਦਾ ਉਪਭੋਗਤਾ ਅਧਾਰ ਵੀ ਹਨ। ਇਹ ਇੱਕ ਫੀਡਬੈਕ ਲੂਪ ਬਣਾਉਂਦਾ ਹੈ ਜਿੱਥੇ ਸਭ ਤੋਂ ਵੱਡੇ ਖਿਡਾਰੀਆਂ ਨੂੰ ਵਧੇਰੇ ਡੇਟਾ ਮਿਲਦਾ ਹੈ, ਜੋ ਉਨ੍ਹਾਂ ਦੇ ਮਾਡਲਾਂ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਂਦਾ ਹੈ, ਜੋ ਵਧੇਰੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਆਕਰਸ਼ਿਤ ਕਰਦਾ ਹੈ।

ਲੋਕ ਅਕਸਰ AI ਨੂੰ ਇੱਕ ਸਟੈਂਡਅਲੋਨ ਉਤਪਾਦ ਸਮਝ ਲੈਂਦੇ ਹਨ। ਇਸ ਨੂੰ ਇੱਕ ਪਲੇਟਫਾਰਮ ਵਜੋਂ ਦੇਖਣਾ ਵਧੇਰੇ ਸਹੀ ਹੈ। ਜਿਵੇਂ ਇੰਟਰਨੈਟ ਨੂੰ ਫੌਜੀ ਪ੍ਰੋਜੈਕਟ ਤੋਂ ਗਲੋਬਲ ਸਹੂਲਤ ਤੱਕ ਜਾਣ ਲਈ [external-link] ਇੰਟਰਨੈਟ ਦੇ ਇਤਿਹਾਸ ਦੀ ਲੋੜ ਸੀ, AI ਰਿਸਰਚ ਲੈਬਾਂ ਤੋਂ ਕਾਰੋਬਾਰੀ ਕਾਰਜਾਂ ਦੀ ਰੀੜ੍ਹ ਦੀ ਹੱਡੀ ਵੱਲ ਵਧ ਰਿਹਾ ਹੈ। ਇਹ ਤਬਦੀਲੀ ਪਿਛਲੇ ਚੱਕਰਾਂ ਨਾਲੋਂ ਤੇਜ਼ੀ ਨਾਲ ਹੋ ਰਹੀ ਹੈ ਕਿਉਂਕਿ ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ ਨੈੱਟਵਰਕ ਪਹਿਲਾਂ ਹੀ ਮੌਜੂਦ ਹੈ। ਸਾਨੂੰ ਉਪਭੋਗਤਾਵਾਂ ਤੱਕ ਪਹੁੰਚਣ ਲਈ ਨਵੀਆਂ ਕੇਬਲਾਂ ਵਿਛਾਉਣ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ। ਸਾਨੂੰ ਸਿਰਫ਼ ਲਾਈਨਾਂ ਦੇ ਅੰਤ ‘ਤੇ ਸਰਵਰਾਂ ਨੂੰ ਅਪਗ੍ਰੇਡ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਇਹ ਗਤੀ ਹੀ ਹੈ ਜੋ ਮੌਜੂਦਾ ਪਲ ਨੂੰ ਵੱਖਰਾ ਮਹਿਸੂਸ ਕਰਾਉਂਦੀ ਹੈ, ਭਾਵੇਂ ਕਿ ਅੰਤਰੀਵ ਆਰਥਿਕ ਪੈਟਰਨ ਜਾਣੇ-ਪਛਾਣੇ ਹਨ। ਸ਼ਕਤੀ ਦਾ ਕੇਂਦਰੀਕਰਨ ਇਸ ਪੜਾਅ ਦੀ ਇੱਕ ਵਿਸ਼ੇਸ਼ਤਾ ਹੈ, ਕੋਈ ਬੱਗ ਨਹੀਂ। ਇਤਿਹਾਸ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਇੱਕ ਵਾਰ ਜਦੋਂ ਇਨਫ੍ਰਾਸਟ੍ਰਕਚਰ ਸੈੱਟ ਹੋ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਫੋਕਸ ਸਿਸਟਮ ਬਣਾਉਣ ਤੋਂ ਹਟ ਕੇ ਉਨ੍ਹਾਂ ਤੋਂ ਮੁੱਲ ਕੱਢਣ ਵੱਲ ਬਦਲ ਜਾਂਦਾ ਹੈ। ਅਸੀਂ ਹੁਣ ਉਸ ਮੋੜ ‘ਤੇ ਪਹੁੰਚ ਰਹੇ ਹਾਂ।

ਅਮਰੀਕੀ ਪੂੰਜੀ ਦਾ ਫਾਇਦਾ

AI ਦਾ ਵਿਸ਼ਵਵਿਆਪੀ ਪ੍ਰਭਾਵ ਸਿੱਧੇ ਤੌਰ ‘ਤੇ ਇਸ ਨਾਲ ਜੁੜਿਆ ਹੋਇਆ ਹੈ ਕਿ ਬਿੱਲ ਦਾ ਭੁਗਤਾਨ ਕੌਣ ਕਰ ਸਕਦਾ ਹੈ। ਫਿਲਹਾਲ, ਇਹ ਮੁੱਖ ਤੌਰ ‘ਤੇ ਅਮਰੀਕਾ ਹੈ। ਅਮਰੀਕੀ ਪੂੰਜੀ ਬਾਜ਼ਾਰਾਂ ਦੀ ਡੂੰਘਾਈ ਜੋਖਮ ਦੇ ਉਸ ਪੱਧਰ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ ਜਿਸਦਾ ਮੁਕਾਬਲਾ ਕਰਨ ਲਈ ਦੂਜੇ ਖੇਤਰ ਸੰਘਰਸ਼ ਕਰਦੇ ਹਨ। ਇਹ ਪਲੇਟਫਾਰਮ ਸ਼ਕਤੀ ਵਿੱਚ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਪਾੜਾ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਜਦੋਂ ਕੁਝ ਕੰਪਨੀਆਂ ਕਲਾਉਡ ਨੂੰ ਕੰਟਰੋਲ ਕਰਦੀਆਂ ਹਨ, ਤਾਂ ਉਹ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਬਾਕੀ ਸਾਰਿਆਂ ਲਈ ਸੜਕ ਦੇ ਨਿਯਮਾਂ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਦੀਆਂ ਹਨ। ਇਸ ਦੇ ਰਾਸ਼ਟਰੀ ਪ੍ਰਭੂਸੱਤਾ ਅਤੇ ਗਲੋਬਲ ਮੁਕਾਬਲੇ ਲਈ ਡੂੰਘੇ ਪ੍ਰਭਾਵ ਹਨ। ਜਿਨ੍ਹਾਂ ਦੇਸ਼ਾਂ ਕੋਲ ਆਪਣਾ ਵੱਡੇ ਪੱਧਰ ਦਾ ਕੰਪਿਊਟ ਇਨਫ੍ਰਾਸਟ੍ਰਕਚਰ ਨਹੀਂ ਹੈ, ਉਨ੍ਹਾਂ ਨੂੰ ਇਸ ਨੂੰ ਅਮਰੀਕੀ ਪ੍ਰੋਵਾਈਡਰਾਂ ਤੋਂ ਕਿਰਾਏ ‘ਤੇ ਲੈਣਾ ਪੈਂਦਾ ਹੈ। ਇਹ ਇੱਕ ਨਵੀਂ ਕਿਸਮ ਦੀ ਨਿਰਭਰਤਾ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਇਹ ਹੁਣ ਸਿਰਫ਼ ਸਾਫਟਵੇਅਰ ਲਾਇਸੰਸ ਬਾਰੇ ਨਹੀਂ ਹੈ। ਇਹ ਆਧੁਨਿਕ ਅਰਥਵਿਵਸਥਾ ਨੂੰ ਚਲਾਉਣ ਲਈ ਲੋੜੀਂਦੀ ਪ੍ਰੋਸੈਸਿੰਗ ਪਾਵਰ ਤੱਕ ਪਹੁੰਚ ਬਾਰੇ ਹੈ। ਸ਼ਕਤੀ ਦਾ ਇਹ ਕੇਂਦਰੀਕਰਨ ਤਕਨੀਕੀ ਇਤਿਹਾਸ ਵਿੱਚ ਇੱਕ ਆਵਰਤੀ ਵਿਸ਼ਾ ਹੈ।

ਇੱਥੇ ਤਿੰਨ ਮੁੱਖ ਕਾਰਨ ਹਨ ਕਿ ਇਹ ਸ਼ਕਤੀ ਕੁਝ ਹੱਥਾਂ ਵਿੱਚ ਕਿਉਂ ਕੇਂਦਰਿਤ ਰਹਿੰਦੀ ਹੈ:

• ਇੱਕ ਪ੍ਰਮੁੱਖ ਮਾਡਲ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਦੀ ਲਾਗਤ ਹੁਣ ਅਰਬਾਂ ਡਾਲਰ ਤੱਕ ਪਹੁੰਚ ਗਈ ਹੈ।
• ਲੋੜੀਂਦਾ ਵਿਸ਼ੇਸ਼ ਹਾਰਡਵੇਅਰ ਬਹੁਤ ਘੱਟ ਨਿਰਮਾਤਾਵਾਂ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
• ਡੇਟਾ ਸੈਂਟਰਾਂ ਲਈ ਵਿਸ਼ਾਲ ਊਰਜਾ ਲੋੜਾਂ ਸਥਿਰ ਅਤੇ ਸਸਤੇ ਪਾਵਰ ਗਰਿੱਡ ਵਾਲੇ ਖੇਤਰਾਂ ਦਾ ਪੱਖ ਲੈਂਦੀਆਂ ਹਨ।

ਇਹ ਹਕੀਕਤ ਇਸ ਵਿਚਾਰ ਦਾ ਖੰਡਨ ਕਰਦੀ ਹੈ ਕਿ AI ਇੱਕ ਬਹੁਤ ਵੱਡਾ ਸਮਾਨਤਾਵਾਦੀ ਹੋਵੇਗਾ। ਹਾਲਾਂਕਿ ਟੂਲ ਵਿਅਕਤੀਆਂ ਲਈ ਵਧੇਰੇ ਪਹੁੰਚਯੋਗ ਹੋ ਰਹੇ ਹਨ, ਪਰ ਅੰਤਰੀਵ ਨਿਯੰਤਰਣ ਪਹਿਲਾਂ ਨਾਲੋਂ ਕਿਤੇ ਜ਼ਿਆਦਾ ਮਜ਼ਬੂਤ ​​ਹੈ। ਸਰਕਾਰਾਂ ਇਸ ਅਸੰਤੁਲਨ ਨੂੰ ਦੇਖਣਾ ਸ਼ੁਰੂ ਕਰ ਰਹੀਆਂ ਹਨ। ਉਹ ਇਤਿਹਾਸਕ ਮਿਸਾਲਾਂ ਜਿਵੇਂ ਕਿ [external-link] ਸ਼ਰਮਨ ਐਂਟੀ-ਟਰੱਸਟ ਐਕਟ ਨੂੰ ਦੇਖ ਰਹੀਆਂ ਹਨ ਕਿ ਕੀ ਪੁਰਾਣੇ ਕਾਨੂੰਨ ਨਵੇਂ ਏਕਾਧਿਕਾਰ ਨੂੰ ਸੰਭਾਲ ਸਕਦੇ ਹਨ। ਹਾਲਾਂਕਿ, ਉਦਯੋਗਿਕ ਗਤੀ ਇਸ ਸਮੇਂ ਨੀਤੀ ਤੋਂ ਅੱਗੇ ਨਿਕਲ ਰਹੀ ਹੈ। ਜਦੋਂ ਤੱਕ ਕਿਸੇ ਨਿਯਮ ‘ਤੇ ਬਹਿਸ ਹੁੰਦੀ ਹੈ ਅਤੇ ਪਾਸ ਹੁੰਦਾ ਹੈ, ਤਕਨਾਲੋਜੀ ਅਕਸਰ ਦੋ ਪੀੜ੍ਹੀਆਂ ਅੱਗੇ ਵਧ ਚੁੱਕੀ ਹੁੰਦੀ ਹੈ। ਇਹ ਇੱਕ ਸਥਾਈ ਪਛੜ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜਿੱਥੇ ਕਾਨੂੰਨ ਹਮੇਸ਼ਾ ਉਸ ਹਕੀਕਤ ‘ਤੇ ਪ੍ਰਤੀਕਿਰਿਆ ਕਰ ਰਿਹਾ ਹੁੰਦਾ ਹੈ ਜੋ ਪਹਿਲਾਂ ਹੀ ਬਦਲ ਚੁੱਕੀ ਹੈ।

ਜਦੋਂ ਸਾਫਟਵੇਅਰ ਕਾਨੂੰਨ ਨਾਲੋਂ ਤੇਜ਼ ਚੱਲਦਾ ਹੈ

ਇਸ ਗਤੀ ਦਾ ਅਸਲ-ਸੰਸਾਰ ਪ੍ਰਭਾਵ ਇਸ ਗੱਲ ਵਿੱਚ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ ਕਿ ਕਾਰੋਬਾਰਾਂ ਨੂੰ ਕਿਵੇਂ ਅਨੁਕੂਲ ਹੋਣ ਲਈ ਮਜਬੂਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਸ਼ਿਕਾਗੋ ਵਿੱਚ ਇੱਕ ਛੋਟੀ ਮਾਰਕੀਟਿੰਗ ਫਰਮ ਦੇ ਇੱਕ ਦਿਨ ਬਾਰੇ ਸੋਚੋ। ਪੰਜ ਸਾਲ ਪਹਿਲਾਂ, ਉਨ੍ਹਾਂ ਨੇ ਕਾਪੀ ਲਿਖਣ ਲਈ ਜੂਨੀਅਰ ਲੇਖਕਾਂ ਅਤੇ ਰੁਝਾਨਾਂ ਨੂੰ ਲੱਭਣ ਲਈ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਨਿਯੁਕਤ ਕੀਤਾ ਸੀ। ਅੱਜ, ਮਾਲਕ ਉਸ ਵਰਕਲੋਡ ਦੇ ਸੱਤਰ ਪ੍ਰਤੀਸ਼ਤ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਇੱਕ AI ਪਲੇਟਫਾਰਮ ਦੀ ਇੱਕ ਸਿੰਗਲ ਸਬਸਕ੍ਰਿਪਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਸਵੇਰ ਦੀ ਸ਼ੁਰੂਆਤ ਗਲੋਬਲ ਮਾਰਕੀਟ ਤਬਦੀਲੀਆਂ ਦੇ AI-ਜਨਰੇਟਿਡ ਸਾਰਾਂਸ਼ ਨਾਲ ਹੁੰਦੀ ਹੈ। ਦੁਪਹਿਰ ਤੱਕ, ਸਿਸਟਮ ਨੇ ਉਨ੍ਹਾਂ ਤਬਦੀਲੀਆਂ ਦੇ ਆਧਾਰ ‘ਤੇ ਤੀਹ ਵੱਖ-ਵੱਖ ਵਿਗਿਆਪਨ ਭਿੰਨਤਾਵਾਂ ਤਿਆਰ ਕੀਤੀਆਂ ਹਨ। ਮਨੁੱਖੀ ਸਟਾਫ ਹੁਣ ਸਿਰਜਣਹਾਰਾਂ ਦੀ ਬਜਾਏ ਸੰਪਾਦਕਾਂ ਅਤੇ ਰਣਨੀਤੀਕਾਰਾਂ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ। ਇਹ ਤਬਦੀਲੀ ਕਾਨੂੰਨ ਤੋਂ ਲੈ ਕੇ ਦਵਾਈ ਤੱਕ ਹਰ ਖੇਤਰ ਵਿੱਚ ਹੋ ਰਹੀ ਹੈ। ਇਹ ਕੁਸ਼ਲਤਾ ਵਧਾਉਂਦੀ ਹੈ, ਪਰ ਇਹ ਪਲੇਟਫਾਰਮ ਪ੍ਰੋਵਾਈਡਰ ‘ਤੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਨਿਰਭਰਤਾ ਵੀ ਪੈਦਾ ਕਰਦੀ ਹੈ। ਜੇਕਰ ਪ੍ਰੋਵਾਈਡਰ ਆਪਣੀ ਕੀਮਤ ਜਾਂ ਸੇਵਾ ਦੀਆਂ ਸ਼ਰਤਾਂ ਬਦਲਦਾ ਹੈ, ਤਾਂ ਮਾਰਕੀਟਿੰਗ ਫਰਮ ਕੋਲ ਪਾਲਣਾ ਕਰਨ ਤੋਂ ਇਲਾਵਾ ਕੋਈ ਚਾਰਾ ਨਹੀਂ ਹੈ। ਉਨ੍ਹਾਂ ਨੇ ਟੂਲ ਨੂੰ ਆਪਣੇ ਵਰਕਫਲੋ ਵਿੱਚ ਇੰਨੀ ਡੂੰਘਾਈ ਨਾਲ ਜੋੜਿਆ ਹੈ ਕਿ ਉਹ ਆਸਾਨੀ ਨਾਲ ਮੈਨੂਅਲ ਲੇਬਰ ‘ਤੇ ਵਾਪਸ ਨਹੀਂ ਜਾ ਸਕਦੇ।

ਇਹ ਦ੍ਰਿਸ਼ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ ਨੀਤੀ ਕਿਉਂ ਪਛੜ ਰਹੀ ਹੈ। ਰੈਗੂਲੇਟਰ ਅਜੇ ਵੀ ਡੇਟਾ ਗੋਪਨੀਯਤਾ ਅਤੇ ਕਾਪੀਰਾਈਟ ਬਾਰੇ ਚਿੰਤਤ ਹਨ, ਜਦੋਂ ਕਿ ਉਦਯੋਗ ਪਹਿਲਾਂ ਹੀ ਆਟੋਨੋਮਸ ਏਜੰਟਾਂ ਵੱਲ ਵਧ ਰਿਹਾ ਹੈ ਜੋ ਵਿੱਤੀ ਫੈਸਲੇ ਲੈ ਸਕਦੇ ਹਨ। AI ਵਿਕਾਸ ਦੀ ਉਦਯੋਗਿਕ ਗਤੀ ਮਾਰਕੀਟ ਸ਼ੇਅਰ ਲਈ ਦੌੜ ਦੁਆਰਾ ਚਲਾਈ ਜਾਂਦੀ ਹੈ। ਕੰਪਨੀਆਂ ਹੁਣ ਚੀਜ਼ਾਂ ਨੂੰ ਤੋੜਨ ਅਤੇ ਬਾਅਦ ਵਿੱਚ ਉਨ੍ਹਾਂ ਨੂੰ ਠੀਕ ਕਰਨ ਲਈ ਤਿਆਰ ਹਨ ਕਿਉਂਕਿ ਇਨਫ੍ਰਾਸਟ੍ਰਕਚਰ ਦੀ ਦੌੜ ਵਿੱਚ ਦੂਜੇ ਨੰਬਰ ‘ਤੇ ਹੋਣਾ ਅਕਸਰ ਆਖਰੀ ਹੋਣ ਦੇ ਬਰਾਬਰ ਹੁੰਦਾ ਹੈ। ਅਸੀਂ ਇਹ ਬ੍ਰਾਊਜ਼ਰ ਯੁੱਧਾਂ ਅਤੇ ਸੋਸ਼ਲ ਮੀਡੀਆ ਦੇ ਉਭਾਰ ਨਾਲ ਦੇਖਿਆ ਹੈ। ਜੇਤੂ ਉਹ ਹਨ ਜੋ ਡਿਫੌਲਟ ਸਟੈਂਡਰਡ ਬਣਨ ਲਈ ਕਾਫ਼ੀ ਤੇਜ਼ੀ ਨਾਲ ਅੱਗੇ ਵਧਦੇ ਹਨ। ਇੱਕ ਵਾਰ ਜਦੋਂ ਤੁਸੀਂ ਸਟੈਂਡਰਡ ਬਣ ਜਾਂਦੇ ਹੋ, ਤਾਂ ਤੁਹਾਨੂੰ ਹਟਾਉਣਾ ਬਹੁਤ ਮੁਸ਼ਕਲ ਹੁੰਦਾ ਹੈ। ਇਹ ਇੱਕ ਅਜਿਹੀ ਸਥਿਤੀ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜਿੱਥੇ ਜਨਤਕ ਹਿੱਤ ਅਕਸਰ ਪੈਮਾਨੇ ਦੀ ਦੌੜ ਵਿੱਚ ਗੌਣ ਹੁੰਦਾ ਹੈ। ਵਿਰੋਧਾਭਾਸ ਇਹ ਹੈ ਕਿ ਅਸੀਂ ਤਕਨਾਲੋਜੀ ਦੇ ਲਾਭ ਚਾਹੁੰਦੇ ਹਾਂ, ਪਰ ਅਸੀਂ ਉਸ ਸ਼ਕਤੀ ਤੋਂ ਸੁਚੇਤ ਹਾਂ ਜੋ ਇਹ ਕੁਝ ਕਾਰਪੋਰੇਸ਼ਨਾਂ ਨੂੰ ਦਿੰਦੀ ਹੈ।

[internal-link] ਨਵੀਨਤਮ AI ਉਦਯੋਗ ਵਿਸ਼ਲੇਸ਼ਣ ‘ਤੇ ਨਵੀਨਤਮ AI ਉਦਯੋਗ ਵਿਸ਼ਲੇਸ਼ਣ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਅਸੀਂ ਡੂੰਘੇ ਏਕੀਕਰਣ ਦੇ ਪੜਾਅ ਵਿੱਚ ਦਾਖਲ ਹੋ ਰਹੇ ਹਾਂ। ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਤਕਨਾਲੋਜੀ ਇੱਕ ਨਵੀਨਤਾ ਹੋਣਾ ਬੰਦ ਕਰ ਦਿੰਦੀ ਹੈ ਅਤੇ ਇੱਕ ਲੋੜ ਬਣਨਾ ਸ਼ੁਰੂ ਕਰ ਦਿੰਦੀ ਹੈ। ਇੱਕ ਕਾਰੋਬਾਰ ਲਈ, AI ਦੀ ਵਰਤੋਂ ਨਾ ਕਰਨਾ ਜਲਦੀ ਹੀ 2010 ਵਿੱਚ ਇੰਟਰਨੈਟ ਦੀ ਵਰਤੋਂ ਨਾ ਕਰਨ ਵਰਗਾ ਹੋਵੇਗਾ। ਇਹ ਸੰਭਵ ਹੋ ਸਕਦਾ ਹੈ, ਪਰ ਇਹ ਬਹੁਤ ਹੀ ਅਕੁਸ਼ਲ ਹੋਵੇਗਾ। ਅਪਣਾਉਣ ਦਾ ਇਹ ਦਬਾਅ ਹੀ ਤੇਜ਼ੀ ਨਾਲ ਵਿਕਾਸ ਨੂੰ ਚਲਾਉਂਦਾ ਹੈ, ਭਾਵੇਂ ਲੰਬੇ ਸਮੇਂ ਦੇ ਨਤੀਜੇ ਅਸਪਸ਼ਟ ਹੋਣ। ਅਸੀਂ 2000 ਦੇ ਦਹਾਕੇ ਦੇ ਸ਼ੁਰੂਆਤੀ ਸਮੇਂ ਨੂੰ ਦੁਹਰਾਉਂਦੇ ਹੋਏ ਦੇਖ ਰਹੇ ਹਾਂ ਜਦੋਂ ਕੰਪਨੀਆਂ ਸੁਰੱਖਿਆ ਜਾਂ ਗੋਪਨੀਯਤਾ ਦੇ ਜੋਖਮਾਂ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਮਝੇ ਬਿਨਾਂ ਆਨਲਾਈਨ ਹੋਣ ਲਈ ਕਾਹਲੀ ਕਰ ਰਹੀਆਂ ਸਨ। ਅੱਜ ਫਰਕ ਇਹ ਹੈ ਕਿ ਪੈਮਾਨਾ ਬਹੁਤ ਵੱਡਾ ਹੈ ਅਤੇ ਦਾਅ ਉੱਚੇ ਹਨ। ਅਸੀਂ ਹੁਣ ਜੋ ਸਿਸਟਮ ਬਣਾ ਰਹੇ ਹਾਂ, ਉਹ ਸੰਭਾਵਤ ਤੌਰ ‘ਤੇ ਅਗਲੇ ਕਈ ਦਹਾਕਿਆਂ ਤੱਕ ਸਾਡੇ ਕੰਮ ਕਰਨ ਅਤੇ ਸੰਚਾਰ ਕਰਨ ਦੇ ਤਰੀਕੇ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਨਗੇ।

ਕੰਪਿਊਟ ਯੁੱਗ ਲਈ ਔਖੇ ਸਵਾਲ

ਸਾਨੂੰ ਮੌਜੂਦਾ ਬੂਮ ਲਈ ਸੁਕਰਾਤੀ ਸੰਦੇਹਵਾਦ ਨੂੰ ਲਾਗੂ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਇਸ ਤੇਜ਼ੀ ਨਾਲ ਵਿਸਤਾਰ ਦੀਆਂ ਲੁਕੀਆਂ ਹੋਈਆਂ ਲਾਗਤਾਂ ਕੀ ਹਨ? ਸਭ ਤੋਂ ਸਪੱਸ਼ਟ ਵਾਤਾਵਰਣ ਪ੍ਰਭਾਵ ਹੈ। [external-link] ਡੇਟਾ ਸੈਂਟਰਾਂ ‘ਤੇ ਅੰਤਰਰਾਸ਼ਟਰੀ ਊਰਜਾ ਏਜੰਸੀ ਦੀ ਰਿਪੋਰਟ ਉਜਾਗਰ ਕਰਦੀ ਹੈ ਕਿ ਇਹ ਸਿਸਟਮ ਕਿੰਨੀ ਬਿਜਲੀ ਦੀ ਖਪਤ ਕਰਦੇ ਹਨ। ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਹੋਰ ਡੇਟਾ ਸੈਂਟਰ ਬਣਾਉਂਦੇ ਹਾਂ, ਅਸੀਂ ਪੁਰਾਣੇ ਪਾਵਰ ਗਰਿੱਡਾਂ ‘ਤੇ ਵਧੇਰੇ ਦਬਾਅ ਪਾਉਂਦੇ ਹਾਂ। ਉਸ ਇਨਫ੍ਰਾਸਟ੍ਰਕਚਰ ਲਈ ਕੌਣ ਭੁਗਤਾਨ ਕਰਦਾ ਹੈ? ਕੀ ਇਹ ਉਹ ਕੰਪਨੀਆਂ ਹਨ ਜੋ ਅਰਬਾਂ ਕਮਾ ਰਹੀਆਂ ਹਨ, ਜਾਂ ਟੈਕਸਦਾਤਾ ਜੋ ਗਰਿੱਡ ਨੂੰ ਸਾਂਝਾ ਕਰਦੇ ਹਨ? ਡੇਟਾ ਲੇਬਰ ਦਾ ਸਵਾਲ ਵੀ ਹੈ। ਇਹ ਮਾਡਲ ਅਕਸਰ ਸਹਿਮਤੀ ਜਾਂ ਮੁਆਵਜ਼ੇ ਤੋਂ ਬਿਨਾਂ ਮਨੁੱਖਤਾ ਦੇ ਸਮੂਹਿਕ ਆਉਟਪੁੱਟ ‘ਤੇ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ। ਕੀ ਕੁਝ ਕੰਪਨੀਆਂ ਲਈ ਜਨਤਕ ਡੇਟਾ ਦੇ ਮੁੱਲ ਦਾ ਨਿੱਜੀਕਰਨ ਕਰਨਾ ਨਿਰਪੱਖ ਹੈ? ਸਾਨੂੰ ਇਹ ਪੁੱਛਣ ਦੀ ਲੋੜ ਹੈ ਕਿ ਇਸ ਕੁਸ਼ਲਤਾ ਤੋਂ ਅਸਲ ਵਿੱਚ ਕਿਸ ਨੂੰ ਫਾਇਦਾ ਹੁੰਦਾ ਹੈ। ਜੇਕਰ ਕੋਈ ਕੰਮ ਜਿਸ ਵਿੱਚ ਦਸ ਘੰਟੇ ਲੱਗਦੇ ਸਨ, ਹੁਣ ਦਸ ਮਿੰਟ ਲੱਗਦੇ ਹਨ, ਤਾਂ ਕੀ ਵਰਕਰ ਨੂੰ ਜ਼ਿਆਦਾ ਖਾਲੀ ਸਮਾਂ ਮਿਲਦਾ ਹੈ, ਜਾਂ ਕੀ ਉਨ੍ਹਾਂ ਨੂੰ ਸਿਰਫ਼ ਦਸ ਗੁਣਾ ਜ਼ਿਆਦਾ ਕੰਮ ਮਿਲਦਾ ਹੈ?

ਗੋਪਨੀਯਤਾ ਇੱਕ ਹੋਰ ਖੇਤਰ ਹੈ ਜਿੱਥੇ ਲਾਗਤਾਂ ਅਕਸਰ ਲੁਕੀਆਂ ਹੁੰਦੀਆਂ ਹਨ। AI ਨੂੰ ਵਧੇਰੇ ਉਪਯੋਗੀ ਬਣਾਉਣ ਲਈ, ਅਸੀਂ ਇਸਨੂੰ ਆਪਣੇ ਨਿੱਜੀ ਅਤੇ ਪੇਸ਼ੇਵਰ ਜੀਵਨ ਤੱਕ ਵਧੇਰੇ ਪਹੁੰਚ ਦਿੰਦੇ ਹਾਂ। ਅਸੀਂ ਸਹੂਲਤ ਲਈ ਆਪਣਾ ਡੇਟਾ ਵਪਾਰ ਕਰ ਰਹੇ ਹਾਂ। ਇਤਿਹਾਸ ਦੱਸਦਾ ਹੈ ਕਿ ਇੱਕ ਵਾਰ ਗੋਪਨੀਯਤਾ ਦੇ ਦਿੱਤੀ ਗਈ, ਤਾਂ ਇਸਨੂੰ ਵਾਪਸ ਪ੍ਰਾਪਤ ਕਰਨਾ ਲਗਭਗ ਅਸੰਭਵ ਹੈ। ਅਸੀਂ ਇਹ ਇਸ਼ਤਿਹਾਰ-ਸਮਰਥਿਤ ਇੰਟਰਨੈਟ ਦੇ ਉਭਾਰ ਨਾਲ ਦੇਖਿਆ ਹੈ। ਜੋ ਜਾਣਕਾਰੀ ਲੱਭਣ ਦੇ ਤਰੀਕੇ ਵਜੋਂ ਸ਼ੁਰੂ ਹੋਇਆ ਸੀ, ਉਹ ਇੱਕ ਗਲੋਬਲ ਨਿਗਰਾਨੀ ਪ੍ਰਣਾਲੀ ਵਿੱਚ ਬਦਲ ਗਿਆ। AI ਵਿੱਚ ਇਸਨੂੰ ਹੋਰ ਅੱਗੇ ਲਿਜਾਣ ਦੀ ਸਮਰੱਥਾ ਹੈ। ਜੇਕਰ ਕੋਈ AI ਜਾਣਦਾ ਹੈ ਕਿ ਤੁਸੀਂ ਕਿਵੇਂ ਸੋਚਦੇ ਹੋ ਅਤੇ ਤੁਸੀਂ ਕਿਵੇਂ ਕੰਮ ਕਰਦੇ ਹੋ, ਤਾਂ ਇਹ ਤੁਹਾਡੇ ਫੈਸਲਿਆਂ ਨੂੰ ਅਜਿਹੇ ਤਰੀਕਿਆਂ ਨਾਲ ਪ੍ਰਭਾਵਿਤ ਕਰ ਸਕਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਲੱਭਣਾ ਮੁਸ਼ਕਲ ਹੈ। ਇਹ ਸਿਰਫ਼ ਤਕਨੀਕੀ ਸਮੱਸਿਆਵਾਂ ਨਹੀਂ ਹਨ। ਇਹ ਸਮਾਜਿਕ ਅਤੇ ਨੈਤਿਕ ਦੁਬਿਧਾਵਾਂ ਹਨ ਜਿਨ੍ਹਾਂ ਲਈ ਸਿਰਫ਼ ਇੱਕ ਸਾਫਟਵੇਅਰ ਪੈਚ ਤੋਂ ਵੱਧ ਦੀ ਲੋੜ ਹੈ। ਸਾਨੂੰ ਇਹ ਫੈਸਲਾ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕੀ ਪ੍ਰਗਤੀ ਦੀ ਗਤੀ ਵਿਅਕਤੀਗਤ ਖੁਦਮੁਖਤਿਆਰੀ ਦੇ ਨੁਕਸਾਨ ਦੇ ਯੋਗ ਹੈ। ਇਹਨਾਂ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਇਹ ਨਿਰਧਾਰਤ ਕਰਨਗੇ ਕਿ ਅਸੀਂ ਕਿਸ ਤਰ੍ਹਾਂ ਦੇ ਸਮਾਜ ਵਿੱਚ ਰਹਿੰਦੇ ਹਾਂ ਜਦੋਂ AI ਬੂਮ ਆਪਣੇ ਪਰਿਪੱਕ ਪੜਾਅ ਵਿੱਚ ਸੈਟਲ ਹੋ ਜਾਂਦਾ ਹੈ।

ਮਾਡਲ ਲੇਅਰ ਦੀ ਮਕੈਨਿਕਸ

ਤਕਨੀਕੀ ਪੱਖ ਨੂੰ ਦੇਖਣ ਵਾਲਿਆਂ ਲਈ, ਫੋਕਸ ਮਾਡਲ ਦੇ ਆਕਾਰ ਤੋਂ ਵਰਕਫਲੋ ਏਕੀਕਰਣ ਵੱਲ ਬਦਲ ਰਿਹਾ ਹੈ। ਅਸੀਂ ਵਿਸ਼ਾਲ, ਆਮ-ਉਦੇਸ਼ ਵਾਲੇ ਮਾਡਲਾਂ ਤੋਂ ਦੂਰ ਛੋਟੇ, ਵਿਸ਼ੇਸ਼ ਮਾਡਲਾਂ ਵੱਲ ਵਧ ਰਹੇ ਹਾਂ ਜੋ ਸਥਾਨਕ ਹਾਰਡਵੇਅਰ ‘ਤੇ ਚੱਲ ਸਕਦੇ ਹਨ। ਇਹ ਕਲਾਉਡ-ਅਧਾਰਿਤ APIs ਦੀਆਂ ਉੱਚ ਲਾਗਤਾਂ ਅਤੇ ਲੇਟੈਂਸੀ ਦਾ ਜਵਾਬ ਹੈ। ਪਾਵਰ ਉਪਭੋਗਤਾ ਵੱਧ ਤੋਂ ਵੱਧ ਉਨ੍ਹਾਂ ਸੀਮਾਵਾਂ ਨੂੰ ਬਾਈਪਾਸ ਕਰਨ ਦੇ ਤਰੀਕੇ ਲੱਭ ਰਹੇ ਹਨ ਜੋ ਪ੍ਰਮੁੱਖ ਪ੍ਰੋਵਾਈਡਰਾਂ ਦੁਆਰਾ ਲਗਾਈਆਂ ਗਈਆਂ ਹਨ। ਇਸ ਵਿੱਚ API ਰੇਟ ਸੀਮਾਵਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨਾ ਅਤੇ ਗੋਪਨੀਯਤਾ ਅਤੇ ਗਤੀ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਡੇਟਾ ਨੂੰ ਸਥਾਨਕ ਤੌਰ ‘ਤੇ ਸਟੋਰ ਕਰਨ ਦੇ ਤਰੀਕੇ ਲੱਭਣਾ ਸ਼ਾਮਲ ਹੈ। ਮੌਜੂਦਾ ਟੂਲਾਂ ਵਿੱਚ AI ਦਾ ਏਕੀਕਰਣ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਅਸਲ ਕੰਮ ਹੋ ਰਿਹਾ ਹੈ। ਇਹ ਬੋਟ ਨਾਲ ਗੱਲਬਾਤ ਕਰਨ ਬਾਰੇ ਨਹੀਂ ਹੈ। ਇਹ ਇੱਕ ਅਜਿਹਾ ਮਾਡਲ ਰੱਖਣ ਬਾਰੇ ਹੈ ਜੋ ਤੁਹਾਡੀਆਂ ਸਥਾਨਕ ਫਾਈਲਾਂ ਨੂੰ ਪੜ੍ਹ ਸਕਦਾ ਹੈ, ਤੁਹਾਡੀ ਖਾਸ ਕੋਡਿੰਗ ਸ਼ੈਲੀ ਨੂੰ ਸਮਝ ਸਕਦਾ ਹੈ, ਅਤੇ ਅਸਲ ਸਮੇਂ ਵਿੱਚ ਬਦਲਾਅ ਦਾ ਸੁਝਾਅ ਦੇ ਸਕਦਾ ਹੈ। ਇਸ ਲਈ ਜਨਤਕ ਵੈੱਬ ਟੂਲਾਂ ਲਈ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਆਰਕੀਟੈਕਚਰ ਨਾਲੋਂ ਇੱਕ ਵੱਖਰੀ ਕਿਸਮ ਦੇ ਆਰਕੀਟੈਕਚਰ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

ਅਗਲੇ ਕੁਝ ਸਾਲਾਂ ਲਈ ਤਕਨੀਕੀ ਚੁਣੌਤੀਆਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

• ਸ਼ੁੱਧਤਾ ਗੁਆਏ ਬਿਨਾਂ ਕੰਜ਼ਿਊਮਰ-ਗ੍ਰੇਡ GPUs ‘ਤੇ ਚੱਲਣ ਲਈ ਮਾਡਲਾਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣਾ।
• AI ਏਜੰਟਾਂ ਵਿੱਚ ਲੰਬੇ ਸਮੇਂ ਦੀ ਮੈਮੋਰੀ ਨੂੰ ਸੰਭਾਲਣ ਦੇ ਬਿਹਤਰ ਤਰੀਕੇ ਵਿਕਸਿਤ ਕਰਨਾ ਤਾਂ ਜੋ ਉਹ ਹਫ਼ਤਿਆਂ ਜਾਂ ਮਹੀਨਿਆਂ ਵਿੱਚ ਸੰਦਰਭ ਨੂੰ ਯਾਦ ਰੱਖ ਸਕਣ।
• ਵੱਖ-ਵੱਖ AI ਸਿਸਟਮਾਂ ਲਈ ਇੱਕ ਦੂਜੇ ਨਾਲ ਸੰਚਾਰ ਕਰਨ ਲਈ ਪ੍ਰਮਾਣਿਤ ਪ੍ਰੋਟੋਕੋਲ ਬਣਾਉਣਾ।

ਅਸੀਂ ਸੰਵੇਦਨਸ਼ੀਲ ਡੇਟਾ ‘ਤੇ ਨਿਯੰਤਰਣ ਬਣਾਈ ਰੱਖਣ ਦੇ ਇੱਕ ਤਰੀਕੇ ਵਜੋਂ *ਲੋਕਲ ਇਨਫਰੈਂਸ* ਵਿੱਚ ਵਾਧਾ ਵੀ ਦੇਖ ਰਹੇ ਹਾਂ। ਸਥਾਨਕ ਮਸ਼ੀਨ ‘ਤੇ ਮਾਡਲ ਚਲਾ ਕੇ, ਇੱਕ ਉਪਭੋਗਤਾ ਇਹ ਯਕੀਨੀ ਬਣਾ ਸਕਦਾ ਹੈ ਕਿ ਉਨ੍ਹਾਂ ਦੀ ਮਲਕੀਅਤ ਵਾਲੀ ਜਾਣਕਾਰੀ ਕਦੇ ਵੀ ਉਨ੍ਹਾਂ ਦੀ ਇਮਾਰਤ ਤੋਂ ਬਾਹਰ ਨਾ ਜਾਵੇ। ਇਹ ਕਾਨੂੰਨ ਅਤੇ ਵਿੱਤ ਵਰਗੇ ਉਦਯੋਗਾਂ ਲਈ ਵਿਸ਼ੇਸ਼ ਤੌਰ ‘ਤੇ ਮਹੱਤਵਪੂਰਨ ਹੈ ਜਿੱਥੇ ਡੇਟਾ ਸੁਰੱਖਿਆ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਹਾਲਾਂਕਿ, ਸਥਾਨਕ ਹਾਰਡਵੇਅਰ ਅਜੇ ਵੀ ਕਲਾਉਡ ਦਿੱਗਜਾਂ ਦੀ ਮਲਕੀਅਤ ਵਾਲੇ ਵਿਸ਼ਾਲ ਕਲੱਸਟਰਾਂ ਤੋਂ ਪਿੱਛੇ ਹੈ। ਇਹ ਦੋ-ਪੱਧਰੀ ਸਿਸਟਮ ਬਣਾਉਂਦਾ ਹੈ। ਸਭ ਤੋਂ ਸ਼ਕਤੀਸ਼ਾਲੀ ਮਾਡਲ ਕਲਾਉਡ ਵਿੱਚ ਰਹਿਣਗੇ, ਜਦੋਂ ਕਿ ਵਧੇਰੇ ਕੁਸ਼ਲ, ਘੱਟ ਸਮਰੱਥ ਸੰਸਕਰਣ ਸਥਾਨਕ ਤੌਰ ‘ਤੇ ਚੱਲਣਗੇ। ਇਹਨਾਂ ਦੋ ਸੰਸਾਰਾਂ ਨੂੰ ਸੰਤੁਲਿਤ ਕਰਨਾ ਡਿਵੈਲਪਰਾਂ ਲਈ ਅਗਲੀ ਵੱਡੀ ਚੁਣੌਤੀ ਹੈ। ਉਨ੍ਹਾਂ ਨੂੰ ਇਹ ਫੈਸਲਾ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕਲਾਉਡ ਦੀ ਕੱਚੀ ਸ਼ਕਤੀ ਦੀ ਵਰਤੋਂ ਕਦੋਂ ਕਰਨੀ ਹੈ ਅਤੇ ਸਥਾਨਕ ਕੰਪਿਊਟ ਦੀ ਗੋਪਨੀਯਤਾ ਅਤੇ ਗਤੀ ਨੂੰ ਕਦੋਂ ਤਰਜੀਹ ਦੇਣੀ ਹੈ। ਇਹ ਤਕਨੀਕੀ ਤਣਾਅ ਆਉਣ ਵਾਲੇ ਸਾਲਾਂ ਵਿੱਚ ਬਹੁਤ ਸਾਰੀ ਨਵੀਨਤਾ ਨੂੰ ਅੱਗੇ ਵਧਾਏਗਾ।

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।

ਪੈਮਾਨੇ ਦੀ ਅਧੂਰੀ ਕਹਾਣੀ

ਤਕਨਾਲੋਜੀ ਦਾ ਇਤਿਹਾਸ ਇਕਸਾਰਤਾ ਦਾ ਇਤਿਹਾਸ ਹੈ। ਰੇਲਵੇ ਤੋਂ ਲੈ ਕੇ ਇੰਟਰਨੈਟ ਤੱਕ, ਅਸੀਂ ਵਿਸਫੋਟ ਤੋਂ ਬਾਅਦ ਨਿਯੰਤਰਣ ਦਾ ਪੈਟਰਨ ਦੇਖਦੇ ਹਾਂ। AI ਇਸ ਸਮੇਂ ਇਸ ਚੱਕਰ ਦੇ ਵਿਚਕਾਰ ਹੈ। ਅਮਰੀਕੀ ਕੋਣ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੈ ਕਿਉਂਕਿ ਵਿਕਾਸ ਦੇ ਇਸ ਪੜਾਅ ਲਈ ਲੋੜੀਂਦੇ ਸਰੋਤ ਉੱਥੇ ਕੇਂਦਰਿਤ ਹਨ। ਹਾਲਾਂਕਿ, ਕਹਾਣੀ ਖਤਮ ਨਹੀਂ ਹੋਈ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ ਤਕਨਾਲੋਜੀ ਪਰਿਪੱਕ ਹੁੰਦੀ ਹੈ, ਅਸੀਂ ਇਸ ਪਲੇਟਫਾਰਮ ਸ਼ਕਤੀ ਲਈ ਨਵੀਆਂ ਚੁਣੌਤੀਆਂ ਦੇਖਾਂਗੇ। ਭਾਵੇਂ ਇਹ ਨਿਯਮ, ਨਵੀਆਂ ਤਕਨੀਕੀ ਸਫਲਤਾਵਾਂ, ਜਾਂ ਅਸੀਂ ਆਪਣੇ ਡੇਟਾ ਨੂੰ ਕਿਵੇਂ ਮੁੱਲ ਦਿੰਦੇ ਹਾਂ, ਇਸ ਵਿੱਚ ਤਬਦੀਲੀ ਤੋਂ ਆਉਂਦਾ ਹੈ, ਇਹ ਦੇਖਣਾ ਬਾਕੀ ਹੈ। ਲਾਈਵ ਸਵਾਲ ਇਹ ਹੈ ਕਿ ਕੀ ਅਸੀਂ ਮੁਕਾਬਲੇ ਅਤੇ ਗੋਪਨੀਯਤਾ ਨੂੰ ਛੱਡੇ ਬਿਨਾਂ ਇਸ ਨਵੇਂ ਇਨਫ੍ਰਾਸਟ੍ਰਕਚਰ ਦੇ ਲਾਭਾਂ ਦਾ ਆਨੰਦ ਲੈ ਸਕਦੇ ਹਾਂ ਜੋ ਇੱਕ ਸਿਹਤਮੰਦ ਅਰਥਵਿਵਸਥਾ ਨੂੰ ਸੰਭਵ ਬਣਾਉਂਦੇ ਹਨ। ਅਸੀਂ ਅਗਲੀ ਸਦੀ ਦੀ ਨੀਂਹ ਰੱਖ ਰਹੇ ਹਾਂ। ਸਾਨੂੰ ਬਹੁਤ ਸਾਵਧਾਨ ਰਹਿਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਇਸ ਦੀਆਂ ਚਾਬੀਆਂ ਕਿਸ ਕੋਲ ਹਨ।

Poznámka redakce: Tuto stránku jsme vytvořili jako vícejazyčné centrum zpráv a průvodců o umělé inteligenci pro lidi, kteří nejsou počítačoví maniaci, ale přesto chtějí porozumět umělé inteligenci, používat ji s větší jistotou a sledovat budoucnost, která již přichází.