ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ AI ਡੈਮੋ — ਅਤੇ ਉਹ ਅਸਲ ਵਿੱਚ ਕੀ ਸਾਬਤ ਕਰਦੇ ਹਨ

ਪੰਜ ਮਿੰਟ ਦੀ ਪਿੱਚ ਦਾ ਵੱਡਾ ਦਾਅ

ਅੱਜ ਦੇ ਦੌਰ ਵਿੱਚ ਸ਼ਾਨਦਾਰ ਟੈਕ ਡੈਮੋ ਇੱਕ ਆਮ ਗੱਲ ਹੋ ਗਈ ਹੈ। ਅਸੀਂ ਦੇਖਦੇ ਹਾਂ ਕਿ ਇੱਕ ਪੇਸ਼ਕਾਰ ਕੰਪਿਊਟਰ ਨਾਲ ਗੱਲ ਕਰਦਾ ਹੈ ਅਤੇ ਕੰਪਿਊਟਰ ਇਨਸਾਨਾਂ ਵਾਂਗ ਚੁਸਤੀ ਨਾਲ ਜਵਾਬ ਦਿੰਦਾ ਹੈ। ਅਸੀਂ ਇੱਕੋ ਵਾਕ ਤੋਂ ਬਣਾਈਆਂ ਵੀਡੀਓ ਕਲਿੱਪਾਂ ਦੇਖਦੇ ਹਾਂ ਜੋ ਕਿਸੇ ਵੱਡੇ ਬਜਟ ਵਾਲੀ ਫ਼ਿਲਮ ਵਰਗੀਆਂ ਲੱਗਦੀਆਂ ਹਨ। ਇਹ ਪਲ ਹੈਰਾਨੀ ਪੈਦਾ ਕਰਨ ਲਈ ਬਣਾਏ ਗਏ ਹਨ। ਇਹ ਸਾਵਧਾਨੀ ਨਾਲ ਤਿਆਰ ਕੀਤੇ ਗਏ ਪ੍ਰਦਰਸ਼ਨ ਹਨ ਜਿਨ੍ਹਾਂ ਦਾ ਮਕਸਦ ਫੰਡਿੰਗ ਹਾਸਲ ਕਰਨਾ ਅਤੇ ਲੋਕਾਂ ਦਾ ਧਿਆਨ ਖਿੱਚਣਾ ਹੈ। ਪਰ ਆਮ ਯੂਜ਼ਰ ਲਈ, ਸਟੇਜ ਡੈਮੋ ਅਤੇ ਅਸਲ ਉਤਪਾਦ ਵਿਚਕਾਰ ਇੱਕ ਵੱਡੀ ਖਾਈ ਹੁੰਦੀ ਹੈ। ਇੱਕ ਡੈਮੋ ਇਹ ਸਾਬਤ ਕਰਦਾ ਹੈ ਕਿ ਸੰਪੂਰਨ ਹਾਲਾਤਾਂ ਵਿੱਚ ਕੋਈ ਖਾਸ ਨਤੀਜਾ ਸੰਭਵ ਹੈ। ਇਹ ਸਾਬਤ ਨਹੀਂ ਕਰਦਾ ਕਿ ਟੈਕਨਾਲੋਜੀ ਰੋਜ਼ਾਨਾ ਵਰਤੋਂ ਦੀ ਗੜਬੜੀ ਲਈ ਤਿਆਰ ਹੈ। ਅਸੀਂ ਅਜਿਹੇ ਸਮੇਂ ਵਿੱਚ ਰਹਿ ਰਹੇ ਹਾਂ ਜਿੱਥੇ ਸੰਭਾਵਨਾਵਾਂ ਦਾ ਦਿਖਾਵਾ ਅਸਲ ਉਪਯੋਗਤਾ ‘ਤੇ ਭਾਰੀ ਪੈ ਰਿਹਾ ਹੈ। ਇਹ ਹਾਈਪ ਦਾ ਇੱਕ ਅਜਿਹਾ ਚੱਕਰ ਬਣਾਉਂਦਾ ਹੈ ਜਿਸਨੂੰ ਸਮਝਣਾ ਤਜਰਬੇਕਾਰ ਲੋਕਾਂ ਲਈ ਵੀ ਮੁਸ਼ਕਲ ਹੈ। ਤਰੱਕੀ ਦੀ ਅਸਲ ਸਥਿਤੀ ਨੂੰ ਸਮਝਣ ਲਈ, ਸਾਨੂੰ ਸਿਨੇਮੈਟਿਕ ਲਾਈਟਿੰਗ ਅਤੇ ਸਕ੍ਰਿਪਟਡ ਗੱਲਬਾਤ ਤੋਂ ਪਰੇ ਦੇਖਣਾ ਹੋਵੇਗਾ। ਸਾਨੂੰ ਇਹ ਪੁੱਛਣ ਦੀ ਲੋੜ ਹੈ ਕਿ ਜਦੋਂ ਕੈਮਰੇ ਬੰਦ ਹੋ ਜਾਂਦੇ ਹਨ ਅਤੇ ਕੋਡ ਨੂੰ ਇੱਕ ਆਮ ਇੰਟਰਨੈਟ ਕਨੈਕਸ਼ਨ ‘ਤੇ ਚੱਲਣਾ ਪੈਂਦਾ ਹੈ, ਤਾਂ ਕੀ ਹੁੰਦਾ ਹੈ।

ਸਿੰਥੈਟਿਕ ਸੰਪੂਰਨਤਾ ਦੇ ਪਰਦੇ ਪਿੱਛੇ

ਆਧੁਨਿਕ AI ਡੈਮੋ ਹਾਈ-ਐਂਡ ਹਾਰਡਵੇਅਰ ਅਤੇ ਮਨੁੱਖੀ ਤਿਆਰੀ ਦੇ ਸੁਮੇਲ ‘ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ। ਜਦੋਂ ਕੋਈ ਕੰਪਨੀ ਰੀਅਲ-ਟਾਈਮ ਵਿੱਚ ਇੱਕ ਨਵੇਂ ਮਾਡਲ ਨੂੰ ਇੰਟਰੈਕਟ ਕਰਦੇ ਹੋਏ ਦਿਖਾਉਂਦੀ ਹੈ, ਤਾਂ ਉਹ ਅਕਸਰ ਵਿਸ਼ੇਸ਼ ਚਿਪਸ ਦੇ ਕਲੱਸਟਰਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ ਜਿਨ੍ਹਾਂ ਤੱਕ ਆਮ ਲੋਕਾਂ ਦੀ ਪਹੁੰਚ ਨਹੀਂ ਹੁੰਦੀ। ਉਹ ਮਾਡਲ ਨੂੰ ਸਹੀ ਰਸਤੇ ‘ਤੇ ਰੱਖਣ ਲਈ ਪ੍ਰੋਂਪਟ ਇੰਜੀਨੀਅਰਿੰਗ ਵਰਗੀਆਂ ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਵੀ ਕਰਦੇ ਹਨ। ਇੱਕ ਡੈਮੋ ਅਸਲ ਵਿੱਚ ਇੱਕ ਹਾਈਲਾਈਟ ਰੀਲ ਹੈ। ਡਿਵੈਲਪਰਾਂ ਨੇ ਸ਼ਾਇਦ ਉਹੀ ਪ੍ਰੋਂਪਟ ਪੰਜਾਹ ਵਾਰ ਚਲਾਇਆ ਹੋਵੇ ਤਾਂ ਜੋ ਸਕ੍ਰੀਨ ‘ਤੇ ਦਿਖਾਇਆ ਗਿਆ ਇੱਕ ਸੰਪੂਰਨ ਜਵਾਬ ਮਿਲ ਸਕੇ। ਇਹ ਜ਼ਰੂਰੀ ਨਹੀਂ ਕਿ ਧੋਖਾਧੜੀ ਹੋਵੇ, ਪਰ ਇਹ ਕਹਾਣੀ ਸੁਣਾਉਣ ਦਾ ਇੱਕ ਖਾਸ ਤਰੀਕਾ ਹੈ। MIT Technology Review ਦੀਆਂ ਰਿਪੋਰਟਾਂ ਅਨੁਸਾਰ, ਇਨ੍ਹਾਂ ਵੀਡੀਓਜ਼ ਵਿੱਚ ਦਿਖਾਈ ਦੇਣ ਵਾਲੀ ਲੇਟੈਂਸੀ ਨੂੰ ਅਕਸਰ ਐਡਿਟ ਕਰ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ। ਲਾਈਵ ਸੈਟਿੰਗ ਵਿੱਚ, ਇੱਕ ਮਾਡਲ ਨੂੰ ਗੁੰਝਲਦਾਰ ਬੇਨਤੀ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਨ ਵਿੱਚ ਕਈ ਸਕਿੰਟ ਲੱਗ ਸਕਦੇ ਹਨ। ਇੱਕ ਡੈਮੋ ਵਿੱਚ, ਉਸ ਵਿਰਾਮ ਨੂੰ ਹਟਾ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ ਤਾਂ ਜੋ ਇੰਟਰੈਕਸ਼ਨ ਤਰਲ ਮਹਿਸੂਸ ਹੋਵੇ। ਇਹ ਟੈਕਨਾਲੋਜੀ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੇ ਤਰੀਕੇ ਬਾਰੇ ਗਲਤ ਉਮੀਦ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਇੱਕ ਹੋਰ ਆਮ ਚਾਲ ਤੰਗ ਪੈਰਾਮੀਟਰਾਂ ਦੀ ਵਰਤੋਂ ਹੈ। ਇੱਕ ਮਾਡਲ ਟੋਪੀ ਪਹਿਨੇ ਬਿੱਲੀ ਦੀ ਵੀਡੀਓ ਬਣਾਉਣ ਵਿੱਚ ਸ਼ਾਨਦਾਰ ਹੋ ਸਕਦਾ ਹੈ ਕਿਉਂਕਿ ਇਸਨੂੰ ਖਾਸ ਤੌਰ ‘ਤੇ ਉਸ ਕਿਸਮ ਦੇ ਡੇਟਾ ‘ਤੇ ਟ੍ਰੇਨ ਕੀਤਾ ਗਿਆ ਸੀ। ਜਦੋਂ ਕੋਈ ਯੂਜ਼ਰ ਕੁਝ ਹੋਰ ਗੁੰਝਲਦਾਰ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ, ਤਾਂ ਸਿਸਟਮ ਅਕਸਰ ਸੰਘਰਸ਼ ਕਰਦਾ ਹੈ। ਡੈਮੋ ਇੱਕ ਅਜਿਹਾ ਉਤਪਾਦ ਦਿਖਾਉਂਦੇ ਹਨ ਜੋ ਖਾਸ ਕੰਮਾਂ ਲਈ ਅਨੁਕੂਲਿਤ ਹੁੰਦਾ ਹੈ, ਜਦੋਂ ਕਿ ਅਸਲ ਟੂਲ ਅਕਸਰ ਬਹੁਤ ਸੀਮਤ ਹੁੰਦਾ ਹੈ। ਅਸੀਂ ਇੱਕ ਅਜਿਹਾ ਬਦਲਾਅ ਦੇਖ ਰਹੇ ਹਾਂ ਜਿੱਥੇ ਡੈਮੋ ਖੁਦ ਉਤਪਾਦ ਬਣ ਗਿਆ ਹੈ, ਜੋ ਉਪਲਬਧ ਸੇਵਾ ਦੇ ਪ੍ਰੀਵਿਊ ਦੀ ਬਜਾਏ ਮਾਰਕੀਟਿੰਗ ਟੂਲ ਵਜੋਂ ਕੰਮ ਕਰ ਰਿਹਾ ਹੈ। ਇਸ ਨਾਲ ਖਪਤਕਾਰਾਂ ਲਈ ਇਹ ਜਾਣਨਾ ਔਖਾ ਹੋ ਜਾਂਦਾ ਹੈ ਕਿ ਜਦੋਂ ਉਹ ਕਿਸੇ ਨਵੇਂ ਪਲੇਟਫਾਰਮ ਲਈ ਸਾਈਨ ਅੱਪ ਕਰਦੇ ਹਨ ਤਾਂ ਉਹ ਅਸਲ ਵਿੱਚ ਕੀ ਖਰੀਦ ਰਹੇ ਹਨ।

ਵਾਇਰਲ ਵੀਡੀਓ ਦੀ ਭੂ-ਰਾਜਨੀਤੀ

ਇਨ੍ਹਾਂ ਡੈਮੋ ਦਾ ਪ੍ਰਭਾਵ ਟੈਕ ਕਮਿਊਨਿਟੀ ਤੋਂ ਕਿਤੇ ਅੱਗੇ ਤੱਕ ਫੈਲਿਆ ਹੋਇਆ ਹੈ। ਉਹ ਗਲੋਬਲ ਪੱਧਰ ‘ਤੇ ਸਾਫਟ ਪਾਵਰ ਦਾ ਇੱਕ ਰੂਪ ਬਣ ਗਏ ਹਨ। ਦੇਸ਼ ਅਤੇ ਵੱਡੀਆਂ ਕਾਰਪੋਰੇਸ਼ਨਾਂ ਇਨ੍ਹਾਂ ਪ੍ਰਦਰਸ਼ਨਾਂ ਦੀ ਵਰਤੋਂ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੇ ਖੇਤਰ ਵਿੱਚ ਆਪਣਾ ਦਬਦਬਾ ਦਿਖਾਉਣ ਲਈ ਕਰਦੀਆਂ ਹਨ। ਜਦੋਂ ਸੰਯੁਕਤ ਰਾਜ ਵਿੱਚ ਇੱਕ ਵੱਡੀ ਫਰਮ ਇੱਕ ਨਵੇਂ ਜਨਰੇਟਿਵ ਟੂਲ ਦਾ ਵਾਇਰਲ ਵੀਡੀਓ ਜਾਰੀ ਕਰਦੀ ਹੈ, ਤਾਂ ਇਹ ਯੂਰਪ ਅਤੇ ਏਸ਼ੀਆ ਵਿੱਚ ਪ੍ਰਤੀਯੋਗੀਆਂ ਤੋਂ ਪ੍ਰਤੀਕਿਰਿਆ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਇਹ ਇੱਕ ਅਜਿਹੀ ਦੌੜ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜਿੱਥੇ ਸਥਿਰਤਾ ਨਾਲੋਂ ਗਤੀ ਨੂੰ ਜ਼ਿਆਦਾ ਮਹੱਤਵ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ। ਨਿਵੇਸ਼ਕ ਕੁਝ ਮਿੰਟਾਂ ਦੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਫੁਟੇਜ ਦੇ ਆਧਾਰ ‘ਤੇ ਕੰਪਨੀਆਂ ਵਿੱਚ ਅਰਬਾਂ ਡਾਲਰ ਲਗਾਉਂਦੇ ਹਨ। ਇਹ ਮਾਰਕੀਟ ਬੁਲਬੁਲੇ ਵੱਲ ਲੈ ਜਾ ਸਕਦਾ ਹੈ ਜਿੱਥੇ ਕੰਪਨੀ ਦਾ ਮੁੱਲ ਉਸਦੇ ਅਸਲ ਮਾਲੀਏ ਜਾਂ ਉਤਪਾਦ ਦੀ ਪਰਿਪੱਕਤਾ ਨਾਲੋਂ ਵੱਖ ਹੋ ਜਾਂਦਾ ਹੈ। ਜਿਵੇਂ ਕਿ The Verge ਦੁਆਰਾ ਨੋਟ ਕੀਤਾ ਗਿਆ ਹੈ, ਪ੍ਰਦਰਸ਼ਨ ਕਰਨ ਦਾ ਇਹ ਦਬਾਅ ਨੈਤਿਕ ਸ਼ਾਰਟਕੱਟਾਂ ਵੱਲ ਲੈ ਜਾ ਸਕਦਾ ਹੈ। ਕੰਪਨੀਆਂ ਉਨ੍ਹਾਂ ਮਾਡਲਾਂ ਦੇ ਡੈਮੋ ਜਾਰੀ ਕਰਨ ਲਈ ਜਲਦਬਾਜ਼ੀ ਕਰ ਸਕਦੀਆਂ ਹਨ ਜੋ ਅਜੇ ਸੁਰੱਖਿਅਤ ਜਾਂ ਭਰੋਸੇਮੰਦ ਨਹੀਂ ਹਨ। ਗਲੋਬਲ ਦਰਸ਼ਕਾਂ ਨੂੰ ਹਰ ਕੁਝ ਮਹੀਨਿਆਂ ਵਿੱਚ ਤੇਜ਼, ਲਗਭਗ ਜਾਦੂਈ ਸਫਲਤਾਵਾਂ ਦੀ ਉਮੀਦ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ। ਇਹ ਉਨ੍ਹਾਂ ਖੋਜਕਰਤਾਵਾਂ ਅਤੇ ਇੰਜੀਨੀਅਰਾਂ ‘ਤੇ ਬਹੁਤ ਦਬਾਅ ਪਾਉਂਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਇਨ੍ਹਾਂ ਪ੍ਰਦਰਸ਼ਨਾਂ ਨੂੰ ਸਥਿਰ ਸਾਫਟਵੇਅਰ ਵਿੱਚ ਬਦਲਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨੀ ਪੈਂਦੀ ਹੈ। 2026 ਵਿੱਚ, ਅਸੀਂ ਕਈ ਅਜਿਹੇ ਮਾਮਲੇ ਦੇਖੇ ਜਿੱਥੇ ਇੱਕ ਡੈਮੋ ਨੇ ਕੰਪਨੀ ਦੇ ਸਟਾਕ ਦੀ ਕੀਮਤ ਵਿੱਚ ਭਾਰੀ ਉਛਾਲ ਲਿਆ ਦਿੱਤਾ, ਪਰ ਬਾਅਦ ਵਿੱਚ ਜਦੋਂ ਅਸਲ ਉਤਪਾਦ ਹਾਈਪ ‘ਤੇ ਖਰਾ ਨਹੀਂ ਉਤਰਿਆ ਤਾਂ ਕੀਮਤ ਡਿੱਗ ਗਈ। ਇਹ ਅਸਥਿਰਤਾ ਪੂਰੀ ਗਲੋਬਲ ਆਰਥਿਕਤਾ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦੀ ਹੈ। ਇਹ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ ਕਿ ਵੈਂਚਰ ਕੈਪੀਟਲ ਕਿੱਥੇ ਜਾਂਦਾ ਹੈ ਅਤੇ ਕਿਹੜੇ ਸਟਾਰਟਅੱਪ ਬਚਦੇ ਹਨ। ਵਾਇਰਲ ਡੈਮੋ ਟੈਕ ਨੀਤੀ ਅਤੇ ਨਿਵੇਸ਼ ਦਾ ਇੱਕ ਪ੍ਰਾਇਮਰੀ ਡਰਾਈਵਰ ਬਣ ਗਿਆ ਹੈ, ਜੋ ਇਸਨੂੰ ਅੱਜ ਦੁਨੀਆ ਵਿੱਚ ਮੀਡੀਆ ਦੇ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਰੂਪਾਂ ਵਿੱਚੋਂ ਇੱਕ ਬਣਾਉਂਦਾ ਹੈ। ਇਹ ਆਕਾਰ ਦਿੰਦਾ ਹੈ ਕਿ ਸਰਕਾਰਾਂ ਕਿਰਤ ਅਤੇ ਰਾਸ਼ਟਰੀ ਸੁਰੱਖਿਆ ਦੇ ਭਵਿੱਖ ਨੂੰ ਕਿਵੇਂ ਦੇਖਦੀਆਂ ਹਨ।

ਪ੍ਰੋਟੋਟਾਈਪ ਦੇ ਪਰਛਾਵੇਂ ਵਿੱਚ ਰਹਿਣਾ

ਸਾਰਾਹ ਦੇ ਤਜ਼ਰਬੇ ‘ਤੇ ਗੌਰ ਕਰੋ, ਜੋ ਇੱਕ ਛੋਟੀ ਏਜੰਸੀ ਲਈ ਮਾਰਕੀਟਿੰਗ ਮੈਨੇਜਰ ਹੈ। ਉਹ ਇੱਕ ਨਵੇਂ ਜਨਰੇਟਿਵ ਵੀਡੀਓ ਟੂਲ ਲਈ ਇੱਕ ਡੈਮੋ ਦੇਖਦੀ ਹੈ ਜੋ ਸਕਿੰਟਾਂ ਵਿੱਚ ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੇ ਵਿਗਿਆਪਨ ਬਣਾਉਣ ਦਾ ਵਾਅਦਾ ਕਰਦਾ ਹੈ। ਡੈਮੋ ਇੱਕ ਯੂਜ਼ਰ ਨੂੰ ਇੱਕ ਸਧਾਰਨ ਪ੍ਰੋਂਪਟ ਟਾਈਪ ਕਰਦੇ ਅਤੇ ਇੱਕ ਸੰਪੂਰਨ 30-ਸਕਿੰਟ ਦਾ ਕਮਰਸ਼ੀਅਲ ਪ੍ਰਾਪਤ ਕਰਦੇ ਦਿਖਾਉਂਦਾ ਹੈ। ਸਾਰਾਹ ਉਤਸ਼ਾਹਿਤ ਹੈ। ਉਹ ਆਪਣੇ ਗਾਹਕਾਂ ਨੂੰ ਦੱਸਦੀ ਹੈ ਕਿ ਉਹ ਆਪਣੇ ਉਤਪਾਦਨ ਦੇ ਬਜਟ ਨੂੰ ਘਟਾ ਸਕਦੇ ਹਨ ਅਤੇ ਆਪਣੀਆਂ ਸਮਾਂ-ਸੀਮਾਵਾਂ ਨੂੰ ਤੇਜ਼ ਕਰ ਸਕਦੇ ਹਨ। ਉਹ ਆਪਣੇ ਮੁਕਾਬਲੇਬਾਜ਼ਾਂ ਤੋਂ ਅੱਗੇ ਰਹਿਣ ਲਈ ਇਸ ਨਵੀਂ ਟੈਕਨਾਲੋਜੀ ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ ਵਚਨਬੱਧ ਹੈ। ਜਦੋਂ ਉਹ ਅੰਤ ਵਿੱਚ ਬੀਟਾ ਵਰਜਨ ਤੱਕ ਪਹੁੰਚ ਪ੍ਰਾਪਤ ਕਰਦੀ ਹੈ, ਤਾਂ ਅਸਲੀਅਤ ਇੱਕ ਝਟਕਾ ਹੈ। ਸਿਸਟਮ ਨੂੰ ਇੱਕ ਸਿੰਗਲ ਕਲਿੱਪ ਤਿਆਰ ਕਰਨ ਵਿੱਚ ਵੀਹ ਮਿੰਟ ਲੱਗਦੇ ਹਨ। ਵੀਡੀਓ ਵਿੱਚ ਪਾਤਰਾਂ ਦੇ ਚਿਹਰੇ ਵਿਗੜੇ ਹੋਏ ਹਨ ਅਤੇ ਬੈਕਗ੍ਰਾਉਂਡ ਬੇਤਰਤੀਬੇ ਰੰਗ ਬਦਲਦਾ ਹੈ। ਸਾਰਾਹ ਗਲਤੀਆਂ ਨੂੰ ਠੀਕ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਵਿੱਚ ਘੰਟੇ ਬਿਤਾਉਂਦੀ ਹੈ, ਸਿਰਫ ਇਹ ਮਹਿਸੂਸ ਕਰਨ ਲਈ ਕਿ ਇੱਕ ਰਵਾਇਤੀ ਐਡੀਟਰ ਨੂੰ ਨੌਕਰੀ ‘ਤੇ ਰੱਖਣਾ ਤੇਜ਼ ਹੁੰਦਾ। ਇਹ ਅਮਲ ਵਿੱਚ “ਡੈਮੋ ਗੈਪ” ਹੈ। ਸਾਰਾਹ ਦੀ ਕਹਾਣੀ ਉਨ੍ਹਾਂ ਪੇਸ਼ੇਵਰਾਂ ਵਿੱਚ ਆਮ ਹੈ ਜੋ ਇਨ੍ਹਾਂ ਟੂਲਾਂ ਨੂੰ ਆਪਣੇ ਰੋਜ਼ਾਨਾ ਦੇ ਕੰਮ ਵਿੱਚ ਜੋੜਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਨ। AI Magazine ਵਿੱਚ ਨਵੀਨਤਮ ਰੁਝਾਨ ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ ਕਿ ਹਾਲਾਂਕਿ ਟੈਕਨਾਲੋਜੀ ਵਿੱਚ ਸੁਧਾਰ ਹੋ ਰਿਹਾ ਹੈ, ਇਹ ਅਜੇ ਸਟੇਜ ‘ਤੇ ਦਿਖਾਇਆ ਗਿਆ ਸਹਿਜ ਹੱਲ ਨਹੀਂ ਹੈ।

ਯੂਜ਼ਰ ਆਪਣੇ ਆਪ ਨੂੰ AI ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਵਿੱਚ ਉਸ ਨਾਲੋਂ ਜ਼ਿਆਦਾ ਸਮਾਂ ਬਿਤਾਉਂਦੇ ਪਾਉਂਦੇ ਹਨ ਜਿੰਨਾ ਉਹ ਖੁਦ ਕੰਮ ਕਰਨ ਵਿੱਚ ਬਿਤਾਉਂਦੇ। ਇਹ ਨਿਰਾਸ਼ਾ ਅਤੇ ਬਰਨਆਉਟ ਦੀ ਭਾਵਨਾ ਵੱਲ ਲੈ ਜਾਂਦਾ ਹੈ। ਡੈਮੋ ਇੱਕ ਅਜਿਹਾ ਪੱਧਰ ਨਿਰਧਾਰਤ ਕਰਦੇ ਹਨ ਜਿਸ ਤੱਕ ਮੌਜੂਦਾ ਸਾਫਟਵੇਅਰ ਨਹੀਂ ਪਹੁੰਚ ਸਕਦਾ। ਸਾਨੂੰ ਇਹ ਸਮਝਣ ਲਈ ਕਿ ਇਹ ਕਿਉਂ ਹੁੰਦਾ ਹੈ, ਉਨ੍ਹਾਂ ਖਾਸ ਤਰੀਕਿਆਂ ਨੂੰ ਵੀ ਦੇਖਣਾ ਚਾਹੀਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਇਹ ਡੈਮੋ ਸਟੇਜ ਕੀਤੇ ਜਾਂਦੇ ਹਨ।

• ਡੈਮੋ ਅਕਸਰ ਪ੍ਰੀ-ਰੈਂਡਰਡ ਸੰਪਤੀਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ ਜੋ ਰੀਅਲ-ਟਾਈਮ ਵਿੱਚ ਤਿਆਰ ਹੋਣ ਦੀ ਬਜਾਏ ਇੱਕ ਪ੍ਰੋਂਪਟ ਦੁਆਰਾ ਟ੍ਰਿਗਰ ਕੀਤੇ ਜਾਂਦੇ ਹਨ।
• ਸਟੇਜ ਪੇਸ਼ਕਾਰੀਆਂ ਲਈ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਹਾਰਡਵੇਅਰ ਅਕਸਰ ਜਨਤਕ ਰੀਲੀਜ਼ ਲਈ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਕੰਜ਼ਿਊਮਰ-ਗ੍ਰੇਡ ਕਲਾਉਡ ਸਰਵਰਾਂ ਨਾਲੋਂ ਕਾਫ਼ੀ ਜ਼ਿਆਦਾ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੁੰਦਾ ਹੈ।
• ਸਕ੍ਰਿਪਟਡ ਇੰਟਰੈਕਸ਼ਨ ਉਨ੍ਹਾਂ ਕਿਨਾਰਿਆਂ ਦੇ ਮਾਮਲਿਆਂ ਅਤੇ “ਹੈਲੂਸੀਨੇਸ਼ਨ” ਤੋਂ ਬਚਦੇ ਹਨ ਜੋ ਅਸਲ ਵਰਤੋਂ ਨੂੰ ਪ੍ਰੇਸ਼ਾਨ ਕਰਦੇ ਹਨ।
• ਮਨੁੱਖੀ ਸੰਚਾਲਕਾਂ ਨੂੰ ਕਈ ਵਾਰ ਪਰਦੇ ਦੇ ਪਿੱਛੇ ਮਾਡਲ ਦੇ ਆਉਟਪੁੱਟ ਨੂੰ ਦਿਖਾਏ ਜਾਣ ਤੋਂ ਪਹਿਲਾਂ ਫਿਲਟਰ ਜਾਂ ਠੀਕ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ।

ਯੂਜ਼ਰ ਲਈ ਨਤੀਜਾ ਗੁੰਮਰਾਹ ਹੋਣ ਦੀ ਭਾਵਨਾ ਹੈ। ਜਦੋਂ ਟੂਲ ਇਸ਼ਤਿਹਾਰ ਅਨੁਸਾਰ ਕੰਮ ਨਹੀਂ ਕਰਦਾ, ਤਾਂ ਯੂਜ਼ਰ ਆਪਣੇ ਆਪ ਨੂੰ ਜਾਂ ਆਪਣੇ ਪ੍ਰੋਂਪਟ ਨੂੰ ਦੋਸ਼ੀ ਠਹਿਰਾਉਂਦਾ ਹੈ। ਉਹ ਨਹੀਂ ਜਾਣਦੇ ਕਿ ਡੈਮੋ ਇੱਕ ਸਾਵਧਾਨੀ ਨਾਲ ਨਿਯੰਤਰਿਤ ਪ੍ਰਯੋਗ ਸੀ। ਇਹ ਉਲਝਣ ਦਾ ਇੱਕ ਸੱਭਿਆਚਾਰ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜਿੱਥੇ ਇੱਕ ਅਸਲ ਸਫਲਤਾ ਅਤੇ ਮਾਰਕੀਟਿੰਗ ਦੇ ਇੱਕ ਚਲਾਕ ਹਿੱਸੇ ਵਿੱਚ ਫਰਕ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੁੰਦਾ ਹੈ। ਸਿਰਜਣਹਾਰਾਂ ਲਈ, ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਉਨ੍ਹਾਂ ਦੀਆਂ ਨੌਕਰੀਆਂ ਅਜਿਹੇ ਤਰੀਕਿਆਂ ਨਾਲ ਬਦਲ ਰਹੀਆਂ ਹਨ ਜੋ ਹਮੇਸ਼ਾ ਅਨੁਮਾਨਯੋਗ ਨਹੀਂ ਹੁੰਦੇ। ਉਨ੍ਹਾਂ ਨੂੰ ਦੱਸਿਆ ਜਾ ਰਿਹਾ ਹੈ ਕਿ ਉਨ੍ਹਾਂ ਦੇ ਹੁਨਰ ਇੱਕ ਡੈਮੋ ਦੁਆਰਾ ਪੁਰਾਣੇ ਹੋ ਗਏ ਹਨ, ਸਿਰਫ ਇਹ ਪਤਾ ਲਗਾਉਣ ਲਈ ਕਿ ਬਦਲਵਾਂ ਟੂਲ ਅਵਿਸ਼ਵਾਸਯੋਗ ਹੈ। ਇਹ ਅਨਿਸ਼ਚਿਤਤਾ ਭਵਿੱਖ ਲਈ ਯੋਜਨਾ ਬਣਾਉਣਾ ਜਾਂ ਨਵੇਂ ਹੁਨਰਾਂ ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰਨਾ ਮੁਸ਼ਕਲ ਬਣਾਉਂਦੀ ਹੈ। “ਵਾਹ ਫੈਕਟਰ” ‘ਤੇ ਫੋਕਸ ਉਨ੍ਹਾਂ ਲੋਕਾਂ ਦੀਆਂ ਵਿਹਾਰਕ ਲੋੜਾਂ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਅਸਲ ਵਿੱਚ ਹਰ ਰੋਜ਼ ਇਨ੍ਹਾਂ ਟੂਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ।

ਇਨਫਰੈਂਸ ਦਾ ਅਸੁਵਿਧਾਜਨਕ ਗਣਿਤ

ਸਾਨੂੰ ਇਨ੍ਹਾਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਪ੍ਰਦਰਸ਼ਨਾਂ ਦੀਆਂ ਲੁਕੀਆਂ ਹੋਈਆਂ ਲਾਗਤਾਂ ਬਾਰੇ ਮੁਸ਼ਕਲ ਸਵਾਲ ਪੁੱਛਣ ਦੀ ਲੋੜ ਹੈ। ਹਰ ਵਾਰ ਜਦੋਂ ਕੋਈ ਮਾਡਲ ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੀ ਤਸਵੀਰ ਜਾਂ ਵੀਡੀਓ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਤਾਂ ਇਹ ਬਹੁਤ ਜ਼ਿਆਦਾ ਊਰਜਾ ਦੀ ਖਪਤ ਕਰਦਾ ਹੈ। ਇਨ੍ਹਾਂ ਡੈਮੋ ਦਾ ਕਾਰਬਨ ਫੁੱਟਪ੍ਰਿੰਟ ਸ਼ਾਇਦ ਹੀ ਕਦੇ ਦੱਸਿਆ ਜਾਂਦਾ ਹੈ। ਅਸੀਂ ਡੇਟਾ ਸੈਂਟਰਾਂ ਦੀਆਂ ਬਿਜਲੀ ਦੀਆਂ ਮੰਗਾਂ ਵਿੱਚ ਭਾਰੀ ਵਾਧਾ ਦੇਖ ਰਹੇ ਹਾਂ, ਜੋ ਮੁੱਖ ਤੌਰ ‘ਤੇ ਇਨ੍ਹਾਂ ਗੁੰਝਲਦਾਰ ਮਾਡਲਾਂ ਨੂੰ ਚਲਾਉਣ ਦੀ ਲੋੜ ਦੁਆਰਾ ਚਲਾਇਆ ਜਾਂਦਾ ਹੈ। Wired ਦੇ ਅਨੁਸਾਰ, ਇੱਕ ਸਿੰਗਲ ਵਾਇਰਲ ਡੈਮੋ ਦੀ ਵਾਤਾਵਰਣਕ ਲਾਗਤ ਸੈਂਕੜੇ ਘਰਾਂ ਦੀ ਊਰਜਾ ਵਰਤੋਂ ਦੇ ਬਰਾਬਰ ਹੋ ਸਕਦੀ ਹੈ। ਡੇਟਾ ਗੋਪਨੀਯਤਾ ਦਾ ਸਵਾਲ ਵੀ ਹੈ। ਇਨ੍ਹਾਂ ਮਾਡਲਾਂ ਲਈ ਸਿਖਲਾਈ ਡੇਟਾ ਕਿੱਥੋਂ ਆਇਆ? ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਡੈਮੋ ਵਿੱਚੋਂ ਬਹੁਤ ਸਾਰੇ ਅਜਿਹੇ ਡੇਟਾਸੈਟਾਂ ‘ਤੇ ਬਣਾਏ ਗਏ ਹਨ ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਅਸਲ ਸਿਰਜਣਹਾਰਾਂ ਦੀ ਸਹਿਮਤੀ ਤੋਂ ਬਿਨਾਂ ਕਾਪੀਰਾਈਟ ਸਮੱਗਰੀ ਅਤੇ ਨਿੱਜੀ ਜਾਣਕਾਰੀ ਸ਼ਾਮਲ ਹੈ। ਇਹ ਇੱਕ ਕਾਨੂੰਨੀ ਅਤੇ ਨੈਤਿਕ ਖਾਨਾਂ ਦਾ ਖੇਤਰ ਹੈ ਜਿਸਨੂੰ ਕੰਪਨੀਆਂ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੀਆਂ ਹਨ। ਸਾਨੂੰ ਇਨਫਰੈਂਸ ਦੀ ਲਾਗਤ ‘ਤੇ ਵੀ ਵਿਚਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਇਨ੍ਹਾਂ ਮਾਡਲਾਂ ਨੂੰ ਪੈਮਾਨੇ ‘ਤੇ ਚਲਾਉਣਾ ਬਹੁਤ ਮਹਿੰਗਾ ਹੈ। ਇਨ੍ਹਾਂ ਡੈਮੋ ਨੂੰ ਦਿਖਾਉਣ ਵਾਲੀਆਂ ਜ਼ਿਆਦਾਤਰ ਕੰਪਨੀਆਂ ਹਰ ਸਵਾਲ ‘ਤੇ ਪੈਸੇ ਗੁਆ ਰਹੀਆਂ ਹਨ। ਇਹ ਇੱਕ ਟਿਕਾਊ ਕਾਰੋਬਾਰੀ ਮਾਡਲ ਨਹੀਂ ਹੈ। ਇਹ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਇੱਕ ਵਾਰ ਜਦੋਂ ਇਹ ਟੂਲ ਪੂਰੀ ਤਰ੍ਹਾਂ ਜਾਰੀ ਹੋ ਜਾਂਦੇ ਹਨ, ਤਾਂ ਉਹ ਜਾਂ ਤਾਂ ਬਹੁਤ ਮਹਿੰਗੇ ਹੋਣਗੇ ਜਾਂ ਗੁਣਵੱਤਾ ਵਿੱਚ ਕਾਫ਼ੀ ਘੱਟ ਜਾਣਗੇ। ਡੈਮੋ ਇਨ੍ਹਾਂ ਸੀਮਾਵਾਂ ਨੂੰ ਕਿਉਂ ਲੁਕਾਉਂਦੇ ਹਨ? ਜਵਾਬ ਆਮ ਤੌਰ ‘ਤੇ ਨਿਵੇਸ਼ਕਾਂ ਦੇ ਵਿਸ਼ਵਾਸ ਨਾਲ ਸਬੰਧਤ ਹੁੰਦਾ ਹੈ। ਜੇਕਰ ਕੋਈ ਕੰਪਨੀ ਇਹ ਮੰਨ ਲੈਂਦੀ ਹੈ ਕਿ ਉਨ੍ਹਾਂ ਦਾ ਮਾਡਲ ਆਮ ਲੋਕਾਂ ਲਈ ਚਲਾਉਣ ਲਈ ਬਹੁਤ ਮਹਿੰਗਾ ਹੈ, ਤਾਂ ਉਨ੍ਹਾਂ ਦਾ ਮੁੱਲ ਡਿੱਗ ਜਾਵੇਗਾ। ਸਾਨੂੰ ਇੱਕ ਅਜਿਹਾ ਭਵਿੱਖ ਦਿਖਾਇਆ ਜਾ ਰਿਹਾ ਹੈ ਜੋ ਸ਼ਾਇਦ ਆਮ ਵਿਅਕਤੀ ਲਈ ਆਰਥਿਕ ਤੌਰ ‘ਤੇ ਵਿਹਾਰਕ ਨਾ ਹੋਵੇ। ਸਾਨੂੰ ਡੈਮੋ ਵਿੱਚ ਦਿਖਾਈਆਂ ਗਈਆਂ “ਸੁਰੱਖਿਆ” ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਬਾਰੇ ਵੀ ਸ਼ੱਕੀ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਇੱਕ ਨਿਯੰਤਰਿਤ ਵਾਤਾਵਰਣ ਵਿੱਚ ਇੱਕ ਮਾਡਲ ਨੂੰ ਸੁਰੱਖਿਅਤ ਦਿਖਾਉਣਾ ਆਸਾਨ ਹੈ। ਇੱਕ ਵਾਰ ਜਦੋਂ ਇਹ ਲੱਖਾਂ ਯੂਜ਼ਰਾਂ ਦੇ ਹੱਥਾਂ ਵਿੱਚ ਹੁੰਦਾ ਹੈ ਤਾਂ ਇਸਨੂੰ ਨੁਕਸਾਨ ਪਹੁੰਚਾਉਣ ਤੋਂ ਰੋਕਣਾ ਬਹੁਤ ਔਖਾ ਹੁੰਦਾ ਹੈ। ਇਨ੍ਹਾਂ ਮੁੱਦਿਆਂ ਬਾਰੇ ਪਾਰਦਰਸ਼ਤਾ ਦੀ ਘਾਟ ਇੱਕ ਵੱਡਾ ਲਾਲ ਝੰਡਾ ਹੈ ਜਿਸਨੂੰ ਅਸੀਂ ਨਜ਼ਰਅੰਦਾਜ਼ ਨਹੀਂ ਕਰ ਸਕਦੇ।

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।

ਆਰਕੀਟੈਕਚਰ ਅਤੇ API ਸੀਲਿੰਗ

ਪਾਵਰ ਯੂਜ਼ਰਾਂ ਅਤੇ ਡਿਵੈਲਪਰਾਂ ਲਈ, ਡੈਮੋ ਦਾ ਉਤਸ਼ਾਹ ਅਕਸਰ ਤਕਨੀਕੀ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਅਸਲੀਅਤ ਦੁਆਰਾ ਘੱਟ ਜਾਂਦਾ ਹੈ। ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਮਾਡਲ ਅਕਸਰ ਪ੍ਰਤੀਬੰਧਿਤ APIs ਦੇ ਪਿੱਛੇ ਲੌਕ ਹੁੰਦੇ ਹਨ। ਇਨ੍ਹਾਂ ਇੰਟਰਫੇਸਾਂ ਦੀਆਂ ਸਖ਼ਤ ਦਰ ਸੀਮਾਵਾਂ ਅਤੇ ਉੱਚ ਲਾਗਤਾਂ ਹੁੰਦੀਆਂ ਹਨ ਜੋ ਵੱਡੇ ਪੈਮਾਨੇ ‘ਤੇ ਲਾਗੂ ਕਰਨਾ ਮੁਸ਼ਕਲ ਬਣਾਉਂਦੀਆਂ ਹਨ। ਤੁਸੀਂ ਇੱਕ ਮਾਡਲ ਦਾ ਡੈਮੋ ਦੇਖ ਸਕਦੇ ਹੋ ਜੋ ਸਕਿੰਟਾਂ ਵਿੱਚ ਇੱਕ ਹਜ਼ਾਰ ਪੰਨਿਆਂ ਦੇ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਦਾ ਹੈ, ਪਰ API ਸ਼ਾਇਦ ਤੁਹਾਨੂੰ ਇੱਕ ਸਮੇਂ ਵਿੱਚ ਸਿਰਫ ਦਸ ਪੰਨੇ ਅਪਲੋਡ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ। ਇਹ context window ਸਮੱਸਿਆ ਹੈ। ਹਾਲਾਂਕਿ ਇੱਕ ਮਾਡਲ ਦੀ ਸਿਧਾਂਤਕ ਸੀਮਾ ਬਹੁਤ ਵੱਡੀ ਹੋ ਸਕਦੀ ਹੈ, ਇੱਕ ਡਿਵੈਲਪਰ ਲਈ ਵਿਹਾਰਕ ਸੀਮਾ ਅਕਸਰ ਬਹੁਤ ਛੋਟੀ ਹੁੰਦੀ ਹੈ। ਸਥਾਨਕ ਸਟੋਰੇਜ ਅਤੇ ਪ੍ਰੋਸੈਸਿੰਗ ਦਾ ਮੁੱਦਾ ਵੀ ਹੈ। ਡੈਮੋ ਵਿੱਚ ਦਿਖਾਏ ਗਏ ਜ਼ਿਆਦਾਤਰ ਟੂਲਾਂ ਲਈ ਇੱਕ ਨਿਰੰਤਰ ਇੰਟਰਨੈਟ ਕਨੈਕਸ਼ਨ ਅਤੇ ਕਲਾਉਡ ਕੰਪਿਊਟਿੰਗ ਪਾਵਰ ਦੀ ਇੱਕ ਵੱਡੀ ਮਾਤਰਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਹ ਉਨ੍ਹਾਂ ਯੂਜ਼ਰਾਂ ਲਈ ਇੱਕ ਸਮੱਸਿਆ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਔਫਲਾਈਨ ਕੰਮ ਕਰਨ ਦੀ ਲੋੜ ਹੈ ਜਾਂ ਜਿਨ੍ਹਾਂ ਦੀਆਂ ਸਖ਼ਤ ਡੇਟਾ ਸੁਰੱਖਿਆ ਲੋੜਾਂ ਹਨ। ਸਥਾਨਕ LLMs ਵਧੇਰੇ ਪ੍ਰਸਿੱਧ ਹੋ ਰਹੇ ਹਨ, ਪਰ ਉਹ ਅਜੇ ਵੀ ਪ੍ਰਦਰਸ਼ਨ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਕਲਾਉਡ-ਅਧਾਰਿਤ ਦਿੱਗਜਾਂ ਤੋਂ ਪਿੱਛੇ ਹਨ। ਇੱਕ ਅਜਿਹਾ ਮਾਡਲ ਚਲਾਉਣ ਲਈ ਜੋ ਇੱਕ ਚੋਟੀ ਦੇ ਡੈਮੋ ਦੀ ਗੁਣਵੱਤਾ ਦੇ ਨੇੜੇ ਆਉਂਦਾ ਹੈ, ਤੁਹਾਨੂੰ ਮਲਟੀਪਲ ਹਾਈ-ਐਂਡ GPUs ਵਾਲੇ ਵਰਕਸਟੇਸ਼ਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਹ ਜ਼ਿਆਦਾਤਰ ਵਿਅਕਤੀਆਂ ਅਤੇ ਛੋਟੇ ਕਾਰੋਬਾਰਾਂ ਦੀ ਪਹੁੰਚ ਤੋਂ ਬਾਹਰ ਹੈ। ਅਸੀਂ ਉਦਯੋਗ ਵਿੱਚ ਮਾਨਕੀਕਰਨ ਦੀ ਘਾਟ ਵੀ ਦੇਖ ਰਹੇ ਹਾਂ। ਹਰ ਕੰਪਨੀ ਦਾ ਆਪਣਾ ਮਲਕੀਅਤ ਫਾਰਮੈਟ ਅਤੇ API ਹੈ, ਜਿਸ ਨਾਲ ਅਜਿਹੇ ਵਰਕਫਲੋ ਬਣਾਉਣਾ ਮੁਸ਼ਕਲ ਹੋ ਜਾਂਦਾ ਹੈ ਜੋ ਕਈ ਟੂਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ। AI ਦੀ “ਗੀਕ” ਅਸਲੀਅਤ ਅਸੰਗਤ ਸਾਫਟਵੇਅਰ ਅਤੇ ਮਹਿੰਗੇ ਹਾਰਡਵੇਅਰ ਦਾ ਇੱਕ ਖਿੰਡਿਆ ਹੋਇਆ ਲੈਂਡਸਕੇਪ ਹੈ। ਇੱਥੇ ਅੱਜ ਪਾਵਰ ਯੂਜ਼ਰਾਂ ਨੂੰ ਦਰਪੇਸ਼ ਮੁੱਖ ਤਕਨੀਕੀ ਰੁਕਾਵਟਾਂ ਹਨ।

• ਟੋਕਨ ਸੀਮਾਵਾਂ ਅਕਸਰ ਇੱਕ ਸਿੰਗਲ ਪਾਸ ਵਿੱਚ ਲੰਬੇ ਸਮੇਂ ਦੀ ਸਮੱਗਰੀ ਜਾਂ ਗੁੰਝਲਦਾਰ ਕੋਡਬੇਸ ਦੀ ਪ੍ਰੋਸੈਸਿੰਗ ਨੂੰ ਰੋਕਦੀਆਂ ਹਨ।
• API ਜਵਾਬਾਂ ਵਿੱਚ ਉੱਚ ਲੇਟੈਂਸੀ ਅਜਿਹੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਬਣਾਉਣਾ ਮੁਸ਼ਕਲ ਬਣਾਉਂਦੀ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਰੀਅਲ-ਟਾਈਮ ਫੀਡਬੈਕ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
• ਕਈ ਚੋਟੀ ਦੇ ਮਾਡਲਾਂ ਲਈ ਫਾਈਨ-ਟਿਊਨਿੰਗ ਵਿਕਲਪਾਂ ਦੀ ਘਾਟ ਯੂਜ਼ਰਾਂ ਨੂੰ ਖਾਸ ਉਦਯੋਗਾਂ ਲਈ AI ਨੂੰ ਅਨੁਕੂਲਿਤ ਕਰਨ ਤੋਂ ਰੋਕਦੀ ਹੈ।
• ਜਦੋਂ ਕਲਾਉਡ ਪ੍ਰਦਾਤਾ ਤੋਂ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਤਿਆਰ ਕੀਤੀ ਸਮੱਗਰੀ ਨੂੰ ਬਾਹਰ ਲਿਜਾਇਆ ਜਾਂਦਾ ਹੈ ਤਾਂ ਡੇਟਾ ਨਿਕਾਸ ਦੀ ਲਾਗਤ ਤੇਜ਼ੀ ਨਾਲ ਵਰਜਿਤ ਹੋ ਸਕਦੀ ਹੈ।

ਵਰਕਫਲੋ ਏਕੀਕਰਣ ਸਭ ਤੋਂ ਵੱਡੀ ਚੁਣੌਤੀ ਬਣਿਆ ਹੋਇਆ ਹੈ। ਜ਼ਿਆਦਾਤਰ AI ਟੂਲ ਅਜੇ ਵੀ ਸਟੈਂਡਅਲੋਨ ਚੈਟ ਇੰਟਰਫੇਸ ਵਜੋਂ ਤਿਆਰ ਕੀਤੇ ਗਏ ਹਨ। ਉਹ ਵੀਡੀਓ ਐਡੀਟਰਾਂ, IDEs, ਜਾਂ ਪ੍ਰੋਜੈਕਟ ਪ੍ਰਬੰਧਨ ਟੂਲਾਂ ਵਰਗੇ ਮੌਜੂਦਾ ਸਾਫਟਵੇਅਰ ਵਿੱਚ ਆਸਾਨੀ ਨਾਲ ਪਲੱਗ ਨਹੀਂ ਹੁੰਦੇ। ਇੱਕ ਡੈਮੋ ਇੱਕ ਸਹਿਜ ਇੰਟਰੈਕਸ਼ਨ ਦਿਖਾ ਸਕਦਾ ਹੈ, ਪਰ ਅਸਲ ਲਾਗੂਕਰਨ ਲਈ ਗੁੰਝਲਦਾਰ “ਗਲੂ ਕੋਡ” ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਜੋ ਟੁੱਟਣ ਦੀ ਸੰਭਾਵਨਾ ਰੱਖਦਾ ਹੈ। ਅਸੀਂ ਅਜੇ ਵੀ ਉਸ ਦਿਨ ਦੀ ਉਡੀਕ ਕਰ ਰਹੇ ਹਾਂ ਜਦੋਂ ਇਹ ਟੂਲ ਮਨੁੱਖੀ ਦਖਲ ਤੋਂ ਬਿਨਾਂ ਸੱਚਮੁੱਚ ਇੱਕ ਦੂਜੇ ਨਾਲ ਗੱਲ ਕਰ ਸਕਣ। ਉਦੋਂ ਤੱਕ, ਪਾਵਰ ਯੂਜ਼ਰ ਮੈਨੂਅਲ ਡੇਟਾ ਐਂਟਰੀ ਅਤੇ ਟ੍ਰਬਲਸ਼ੂਟਿੰਗ ਦੇ ਚੱਕਰ ਵਿੱਚ ਫਸਿਆ ਹੋਇਆ ਹੈ।

ਸਿਨੇਮੈਟਿਕ ਸ਼ੋਰ ਤੋਂ ਸਿਗਨਲ ਨੂੰ ਵੱਖ ਕਰਨਾ

ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ AI ਡੈਮੋ ਸਿਰਫ ਭਵਿੱਖ ਦੇ ਪ੍ਰੀਵਿਊ ਨਹੀਂ ਹਨ। ਉਹ ਮੀਡੀਆ ਦੀ ਇੱਕ ਖਾਸ ਕਿਸਮ ਹੈ ਜੋ ਇਸ ਬਾਰੇ ਸਾਡੀ ਧਾਰਨਾ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤੀ ਗਈ ਹੈ ਕਿ ਕੀ ਸੰਭਵ ਹੈ। ਉਹ ਸਾਬਤ ਕਰਦੇ ਹਨ ਕਿ ਟੈਕਨਾਲੋਜੀ ਨੇ ਸੂਝ-ਬੂਝ ਦੇ ਇੱਕ ਖਾਸ ਪੱਧਰ ਤੱਕ ਪਹੁੰਚ ਕੀਤੀ ਹੈ, ਪਰ ਉਹ ਇਹ ਸਾਬਤ ਨਹੀਂ ਕਰਦੇ ਕਿ ਇਹ ਦੁਨੀਆ ਲਈ ਤਿਆਰ ਹੈ। ਯੂਜ਼ਰਾਂ ਅਤੇ ਨਿਰੀਖਕਾਂ ਵਜੋਂ, ਸਾਨੂੰ ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ ਸੀਮਾਂ ਨੂੰ ਲੱਭਣਾ ਸਿੱਖਣਾ ਚਾਹੀਦਾ ਹੈ। ਸਾਨੂੰ ਹਾਰਡਵੇਅਰ, ਲਾਗਤਾਂ ਅਤੇ ਮਨੁੱਖੀ ਕੋਸ਼ਿਸ਼ਾਂ ਬਾਰੇ ਪੁੱਛਣਾ ਚਾਹੀਦਾ ਹੈ ਜੋ ਪੰਜ ਮਿੰਟ ਦੀ ਵੀਡੀਓ ਨੂੰ ਸੰਪੂਰਨ ਦਿਖਾਉਣ ਲਈ ਕੀਤੀ ਗਈ ਸੀ। AI ਵਿੱਚ ਅਸਲ ਤਰੱਕੀ ਅਕਸਰ ਬੋਰਿੰਗ ਅਪਡੇਟਾਂ ਵਿੱਚ ਪਾਈ ਜਾਂਦੀ ਹੈ। ਇਹ ਥੋੜ੍ਹਾ ਤੇਜ਼ ਇਨਫਰੈਂਸ ਸਮੇਂ, ਵਧੇਰੇ ਸਥਿਰ APIs, ਅਤੇ ਬਿਹਤਰ ਡੇਟਾ ਗੋਪਨੀਯਤਾ ਨਿਯੰਤਰਣਾਂ ਵਿੱਚ ਹੈ। ਇਹ ਵਧੀਆ ਵਾਇਰਲ ਵੀਡੀਓ ਨਹੀਂ ਬਣਾਉਂਦੇ, ਪਰ ਇਹ ਉਹ ਚੀਜ਼ਾਂ ਹਨ ਜੋ ਅਸਲ ਵਿੱਚ ਸਾਡੇ ਕੰਮ ਕਰਨ ਅਤੇ ਜੀਉਣ ਦੇ ਤਰੀਕੇ ਨੂੰ ਬਦਲਦੀਆਂ ਹਨ। ਸਾਨੂੰ “ਵਾਹ” ਕਹਿਣ ਦੇ ਯੁੱਗ ਤੋਂ ਅੱਗੇ ਵਧਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਅਜਿਹੇ ਟੂਲਾਂ ਦੀ ਮੰਗ ਕਰਨੀ ਸ਼ੁਰੂ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ ਜੋ ਭਰੋਸੇਮੰਦ, ਨੈਤਿਕ ਅਤੇ ਪਹੁੰਚਯੋਗ ਹੋਣ। ਡੈਮੋ ਅਤੇ ਉਤਪਾਦ ਵਿਚਕਾਰ ਖਾਈ ਅੰਤ ਵਿੱਚ ਬੰਦ ਹੋ ਜਾਵੇਗੀ, ਪਰ ਸਿਰਫ ਤਾਂ ਹੀ ਜੇਕਰ ਅਸੀਂ ਸਿਰਜਣਹਾਰਾਂ ਨੂੰ ਉਨ੍ਹਾਂ ਵਾਅਦਿਆਂ ਲਈ ਜਵਾਬਦੇਹ ਠਹਿਰਾਉਂਦੇ ਹਾਂ ਜੋ ਉਹ ਸਟੇਜ ‘ਤੇ ਕਰਦੇ ਹਨ। ਟੈਕਨਾਲੋਜੀ ਦੇ ਭਵਿੱਖ ਨੂੰ ਬਹੁਤ ਸਾਰੇ ਲੋਕਾਂ ਦੇ ਹੱਥਾਂ ਵਿੱਚ ਇਸਦੀ ਉਪਯੋਗਤਾ ਦੁਆਰਾ ਨਿਰਣਾ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਨਾ ਕਿ ਕੁਝ ਲੋਕਾਂ ਦੇ ਹੱਥਾਂ ਵਿੱਚ ਇਸਦੇ ਪ੍ਰਦਰਸ਼ਨ ਦੁਆਰਾ।

संपादकाची नोंद: आम्ही ही साइट बहुभाषिक AI बातम्या आणि मार्गदर्शिका केंद्र म्हणून अशा लोकांसाठी तयार केली आहे जे संगणक तज्ञ नाहीत, परंतु तरीही कृत्रिम बुद्धिमत्ता समजून घेऊ इच्छितात, अधिक आत्मविश्वासाने तिचा वापर करू इच्छितात आणि आधीच येत असलेल्या भविष्याचा मागोवा घेऊ इच्छितात.

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