ਹਾਈਪ ਤੋਂ ਬਾਅਦ ਕਿਹੜੇ AI ਡੈਮੋ ਅਜੇ ਵੀ ਅਸਲ ਲੱਗਦੇ ਹਨ?
ਸਟੇਜ ਦੀਆਂ ਲਾਈਟਾਂ ਜਗਦੀਆਂ ਹਨ ਅਤੇ ਇੱਕ ਟੈਕ ਐਗਜ਼ੀਕਿਊਟਿਵ ਇੱਕ ਸਮਾਰਟਫੋਨ ਦਿਖਾਉਂਦਾ ਹੈ ਜੋ ਇਨਸਾਨਾਂ ਵਾਂਗ ਗੱਲ ਕਰਦਾ ਹੈ। ਇਹ ਜਾਦੂ ਵਰਗਾ ਲੱਗਦਾ ਹੈ। ਪਰ ਜਦੋਂ ਤੁਸੀਂ ਆਪਣੇ ਡਿਵਾਈਸ ‘ਤੇ ਉਹ ਐਪ ਲੈਂਦੇ ਹੋ, ਤਾਂ ਇਹ ਅਕਸਰ ਅੜਕਦੀ ਹੈ ਜਾਂ ਤੁਹਾਡੀ ਬੋਲੀ ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਅਸਫਲ ਰਹਿੰਦੀ ਹੈ। ਅਸੀਂ ਇੱਕ ਅਜਿਹੇ ਯੁੱਗ ਵਿੱਚ ਦਾਖਲ ਹੋ ਗਏ ਹਾਂ ਜਿੱਥੇ ਡੈਮੋ ਉਪਯੋਗਤਾ ਦੇ ਵਾਅਦੇ ਨਾਲੋਂ ਇੱਕ ਮਾਰਕੀਟਿੰਗ ਪ੍ਰਦਰਸ਼ਨ ਜ਼ਿਆਦਾ ਹੈ। ਸਟੇਜ ਅਤੇ ਸੜਕ ਵਿਚਕਾਰ ਇਹ ਪਾੜਾ ਹੀ ਜ਼ਿਆਦਾਤਰ ਉਪਭੋਗਤਾਵਾਂ ਦੀ ਨਿਰਾਸ਼ਾ ਦਾ ਕਾਰਨ ਹੈ। ਇਹ ਇੱਕ ਫਿਲਮ ਦੇ ਟ੍ਰੇਲਰ ਅਤੇ ਅਸਲ ਫਿਲਮ ਜਿਸ ਲਈ ਤੁਸੀਂ ਪੈਸੇ ਦਿੰਦੇ ਹੋ, ਵਿਚਕਾਰਲਾ ਫਰਕ ਹੈ।
ਇੱਕ ਪ੍ਰੋਡਕਟ ਅਤੇ ਇੱਕ ਪ੍ਰਦਰਸ਼ਨ ਵਿਚਕਾਰ ਫਰਕ ਕਰਨਾ ਹੁਣ 2026 ਵਿੱਚ ਟੈਕ ਖਰੀਦਣ ਵਾਲੇ ਕਿਸੇ ਵੀ ਵਿਅਕਤੀ ਲਈ ਇੱਕ ਜ਼ਰੂਰੀ ਹੁਨਰ ਹੈ। ਕੁਝ ਡੈਮੋ ਦਿਖਾਉਂਦੇ ਹਨ ਕਿ ਜੇ ਸਭ ਕੁਝ ਸਹੀ ਰਿਹਾ ਤਾਂ ਇੱਕ ਕੰਪਿਊਟਰ ਪੰਜ ਸਾਲਾਂ ਵਿੱਚ ਕੀ ਕਰ ਸਕਦਾ ਹੈ। ਦੂਸਰੇ ਦਿਖਾਉਂਦੇ ਹਨ ਕਿ ਅੱਜ ਸਰਵਰ ‘ਤੇ ਅਸਲ ਵਿੱਚ ਕੀ ਚੱਲ ਰਿਹਾ ਹੈ। ਸਮੱਸਿਆ ਇਹ ਹੈ ਕਿ ਕੰਪਨੀਆਂ ਸ਼ਾਇਦ ਹੀ ਤੁਹਾਨੂੰ ਦੱਸਦੀਆਂ ਹਨ ਕਿ ਤੁਸੀਂ ਕੀ ਦੇਖ ਰਹੇ ਹੋ। ਉਹ ਵਰਤਮਾਨ ਦੀ ਜਵਾਬਦੇਹੀ ਤੋਂ ਬਿਨਾਂ ਭਵਿੱਖ ਦਾ ਹਾਈਪ ਚਾਹੁੰਦੇ ਹਨ। ਇਹ ਉਤਸ਼ਾਹ ਦੇ ਇੱਕ ਚੱਕਰ ਵੱਲ ਲੈ ਜਾਂਦਾ ਹੈ, ਜਿਸ ਤੋਂ ਬਾਅਦ ਜਦੋਂ ਸਾਫਟਵੇਅਰ ਅੰਤ ਵਿੱਚ ਆਉਂਦਾ ਹੈ ਤਾਂ ਡੂੰਘੀ ਨਿਰਾਸ਼ਾ ਹੁੰਦੀ ਹੈ।
ਇਹ ਗਾਈਡ ਪਿਛਲੇ ਅਠਾਰਾਂ ਮਹੀਨਿਆਂ ਦੇ ਮਸ਼ਹੂਰ AI ਸ਼ੋਅਕੇਸਾਂ ‘ਤੇ ਨਜ਼ਰ ਮਾਰਦੀ ਹੈ ਤਾਂ ਜੋ ਇਹ ਦੇਖਿਆ ਜਾ ਸਕੇ ਕਿ ਕਿਹੜੇ ਅਸਲ ਵਿੱਚ ਕੰਮ ਕਰਦੇ ਹਨ। ਅਸੀਂ ਹਾਰਡਵੇਅਰ ਦੀਆਂ ਕਮੀਆਂ ਅਤੇ ਲਾਈਵ ਪੇਸ਼ਕਾਰੀ ਦੇ ਪਰਦੇ ਪਿੱਛੇ ਲੁਕੇ ਹੋਏ ਮਨੁੱਖੀ ਆਪਰੇਟਰਾਂ ਨੂੰ ਦੇਖਦੇ ਹਾਂ। ਇਨ੍ਹਾਂ ਸ਼ੋਅ ਦੀ ਮਕੈਨਿਕਸ ਨੂੰ ਸਮਝ ਕੇ, ਤੁਸੀਂ ਆਪਣੇ ਪੈਸੇ ਅਤੇ ਸਮੇਂ ਨੂੰ ਕਿੱਥੇ ਖਰਚ ਕਰਨਾ ਹੈ, ਇਸ ਬਾਰੇ ਬਿਹਤਰ ਫੈਸਲੇ ਲੈ ਸਕਦੇ ਹੋ। ਹਰ ਚਮਕਦਾਰ ਵੀਡੀਓ ਇੱਕ ਅਜਿਹਾ ਟੂਲ ਨਹੀਂ ਹੁੰਦਾ ਜੋ ਅਸਲ ਵਿੱਚ ਤੁਹਾਡਾ ਕੰਮ ਪੂਰਾ ਕਰਨ ਜਾਂ ਤੁਹਾਡੇ ਪਰਿਵਾਰ ਨਾਲ ਜੁੜਨ ਵਿੱਚ ਮਦਦ ਕਰੇਗਾ।
ਆਧੁਨਿਕ ਟੈਕ ਸ਼ੋਅ ਦੀ ਮਕੈਨਿਕਸ
ਇੱਕ ਡੈਮੋ ਅਸਲ ਵਿੱਚ ਇੱਕ ਨਿਯੰਤਰਿਤ ਪ੍ਰਯੋਗ ਹੈ ਜੋ ਇੱਕ ਖਾਸ ਭਾਵਨਾਤਮਕ ਪ੍ਰਤੀਕਿਰਿਆ ਪੈਦਾ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਟੈਕ ਦੀ ਦੁਨੀਆ ਵਿੱਚ, ਇਹ ਦੋ ਸ਼੍ਰੇਣੀਆਂ ਵਿੱਚ ਆਉਂਦੇ ਹਨ: ਵਿਜ਼ਨ ਅਤੇ ਟੂਲ। ਇੱਕ ਵਿਜ਼ਨ ਡੈਮੋ ਇੱਕ ਅਜਿਹਾ ਭਵਿੱਖ ਦਿਖਾਉਂਦਾ ਹੈ ਜਿਸਦੇ ਪਿੱਛੇ ਸ਼ਾਇਦ ਕੋਈ ਕੋਡ ਵੀ ਨਾ ਹੋਵੇ। ਇਹ ਇੱਕ ਖਾਕਾ ਹੈ ਕਿ ਕੀ ਹੋ ਸਕਦਾ ਹੈ। ਇੱਕ ਟੂਲ ਡੈਮੋ ਇੱਕ ਅਜਿਹਾ ਪ੍ਰੋਡਕਟ ਦਿਖਾਉਂਦਾ ਹੈ ਜੋ ਤੁਹਾਡੇ ਡਾਊਨਲੋਡ ਕਰਨ ਲਈ ਤਿਆਰ ਹੈ। ਉਲਝਣ ਉਦੋਂ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ ਜਦੋਂ ਕੰਪਨੀਆਂ ਇੱਕ ਵਿਜ਼ਨ ਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਪੇਸ਼ ਕਰਦੀਆਂ ਹਨ ਜਿਵੇਂ ਕਿ ਇਹ ਇੱਕ ਟੂਲ ਹੋਵੇ, ਜਿਸ ਨਾਲ ਉਪਭੋਗਤਾ ਉਹਨਾਂ ਫੀਚਰਾਂ ਦੀ ਉਮੀਦ ਕਰਦੇ ਹਨ ਜੋ ਅਜੇ ਮੌਜੂਦ ਨਹੀਂ ਹਨ।
ਇਨ੍ਹਾਂ ਡੈਮੋ ਨੂੰ ਸਮਝਣ ਲਈ, ਸਾਨੂੰ ਲੇਟੈਂਸੀ (latency) ਅਤੇ ਇਨਫਰੈਂਸ (inference) ਬਾਰੇ ਗੱਲ ਕਰਨੀ ਪਵੇਗੀ। ਲੇਟੈਂਸੀ ਉਹ ਸਮਾਂ ਹੈ ਜੋ ਇੱਕ ਸਿਗਨਲ ਨੂੰ ਤੁਹਾਡੇ ਫੋਨ ਤੋਂ ਸਰਵਰ ਤੱਕ ਜਾਣ ਅਤੇ ਵਾਪਸ ਆਉਣ ਵਿੱਚ ਲੱਗਦਾ ਹੈ। ਇਹ ਲੰਬੀ ਦੂਰੀ ਦੀ ਫੋਨ ਕਾਲ ‘ਤੇ ਦੇਰੀ ਵਰਗਾ ਹੈ ਜਦੋਂ ਤੁਸੀਂ ਗ੍ਰਹਿ ਦੇ ਦੂਜੇ ਪਾਸੇ ਕਿਸੇ ਨਾਲ ਗੱਲ ਕਰ ਰਹੇ ਹੁੰਦੇ ਹੋ। ਜੇ ਇੱਕ ਡੈਮੋ ਤੁਰੰਤ ਜਵਾਬ ਦਿਖਾਉਂਦਾ ਹੈ ਪਰ ਅਸਲ ਪ੍ਰੋਡਕਟ ਵਿੱਚ ਤਿੰਨ ਸਕਿੰਟ ਦੀ ਦੇਰੀ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਡੈਮੋ ਇੱਕ ਪ੍ਰਦਰਸ਼ਨ ਸੀ। ਇਸਨੇ ਸ਼ਾਇਦ ਇੱਕ ਸਿੱਧਾ ਵਾਇਰਡ ਕਨੈਕਸ਼ਨ ਜਾਂ ਸਟੇਜ ਵਾਲੀ ਇਮਾਰਤ ਵਿੱਚ ਸਥਿਤ ਸਰਵਰ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਹੋਵੇਗੀ।
ਇਨਫਰੈਂਸ ਉਹ ਪ੍ਰਕਿਰਿਆ ਹੈ ਜਿਸ ਵਿੱਚ ਇੱਕ AI ਮਾਡਲ ਅਸਲ ਵਿੱਚ ਇੱਕ ਜਵਾਬ ਦੀ ਗਣਨਾ ਕਰਦਾ ਹੈ। ਇਸ ਲਈ ਬਿਜਲੀ ਦੀ ਵੱਡੀ ਮਾਤਰਾ ਅਤੇ ਵਿਸ਼ੇਸ਼ ਚਿਪਸ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਬਹੁਤ ਸਾਰੀਆਂ ਕੰਪਨੀਆਂ ਚੈਰੀ ਪਿਕਿੰਗ (cherry picking) ਦੀ ਵਰਤੋਂ ਕਰਦੀਆਂ ਹਨ ਜਿੱਥੇ ਉਹ ਸੌ ਕੋਸ਼ਿਸ਼ਾਂ ਵਿੱਚੋਂ ਸਿਰਫ ਸਭ ਤੋਂ ਵਧੀਆ ਦਿਖਾਉਂਦੀਆਂ ਹਨ। ਇਹ AI ਨੂੰ ਅਸਲੀਅਤ ਨਾਲੋਂ ਵਧੇਰੇ ਸਮਾਰਟ ਅਤੇ ਭਰੋਸੇਮੰਦ ਦਿਖਾਉਂਦਾ ਹੈ। ਜਦੋਂ ਤੁਸੀਂ ਘਰ ਵਿੱਚ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਔਸਤ ਨਤੀਜਾ ਦੇਖ ਰਹੇ ਹੁੰਦੇ ਹੋ, ਨਾ ਕਿ ਉਹ ਸੌ ਵਿੱਚੋਂ ਇੱਕ ਚਮਤਕਾਰ ਜੋ CEO ਨੇ ਵੱਡੀ ਸਕ੍ਰੀਨ ‘ਤੇ ਦਿਖਾਇਆ ਸੀ।
ਅਸੀਂ ‘ਵਿਜ਼ਾਰਡ ਆਫ ਓਜ਼’ ਡੈਮੋ ਵੀ ਦੇਖਦੇ ਹਾਂ ਜਿੱਥੇ ਇੱਕ ਇਨਸਾਨ ਗੁਪਤ ਰੂਪ ਵਿੱਚ ਮਸ਼ੀਨ ਦੀ ਮਦਦ ਕਰ ਰਿਹਾ ਹੁੰਦਾ ਹੈ। ਇਹ ਸ਼ੁਰੂਆਤੀ ਆਟੋਮੇਟਿਡ ਅਸਿਸਟੈਂਟਸ ਨਾਲ ਹੋਇਆ ਸੀ ਅਤੇ ਅੱਜ ਵੀ ਕੁਝ ਰੋਬੋਟਿਕ ਡੈਮੋ ਨਾਲ ਹੋ ਰਿਹਾ ਹੈ। ਜੇ ਡੈਮੋ ਉਸ ਹਾਰਡਵੇਅਰ ਨੂੰ ਨਿਰਧਾਰਤ ਨਹੀਂ ਕਰਦਾ ਜਿਸ ‘ਤੇ ਇਹ ਚੱਲ ਰਿਹਾ ਹੈ, ਤਾਂ ਤੁਹਾਨੂੰ ਇਹ ਮੰਨ ਲੈਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਇਹ ਇੱਕ ਵੱਡਾ ਸਰਵਰ ਫਾਰਮ ਹੈ, ਨਾ ਕਿ ਤੁਹਾਡਾ ਫੋਨ। ਇੱਕ ਡਾਟਾਬੇਸ ਇੱਕ ਫਾਈਲਿੰਗ ਕੈਬਿਨੇਟ ਵਰਗਾ ਹੈ, ਅਤੇ AI ਫਾਈਲਾਂ ਲੱਭਣ ਵਾਲਾ ਕਲਰਕ ਹੈ। ਜੇ ਡੈਮੋ ਵਿੱਚ ਕਲਰਕ ਦੀ ਮਦਦ ਕਰਨ ਲਈ ਇੱਕ ਹਜ਼ਾਰ ਸਹਾਇਕ ਹਨ, ਤਾਂ ਉਹ ਤੁਹਾਡੇ ਲੈਪਟਾਪ ‘ਤੇ ਇਕੱਲੇ ਕੰਮ ਕਰਨ ਵਾਲੇ ਕਲਰਕ ਨਾਲੋਂ ਬਹੁਤ ਤੇਜ਼ ਦਿਖਾਈ ਦੇਣਗੇ।
AI ਪਹੁੰਚਯੋਗਤਾ ਵਿੱਚ ਗਲੋਬਲ ਪਾੜਾ
ਲਾਗੋਸ ਜਾਂ ਮੁੰਬਈ ਵਿੱਚ ਇੱਕ ਉਪਭੋਗਤਾ ਲਈ, 5G ਕਨੈਕਸ਼ਨ ‘ਤੇ ਦੋ ਹਜ਼ਾਰ ਡਾਲਰ ਦੇ ਫੋਨ ‘ਤੇ ਚੱਲ ਰਿਹਾ ਡੈਮੋ ਅਪ੍ਰਸੰਗਿਕ ਹੈ। ਦੁਨੀਆ ਦਾ ਜ਼ਿਆਦਾਤਰ ਹਿੱਸਾ ਅਸੰਗਤ ਇੰਟਰਨੈਟ ਦੇ ਨਾਲ ਮਿਡ-ਰੇਂਜ ਜਾਂ ਬਜਟ ਹਾਰਡਵੇਅਰ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਜਦੋਂ ਕੋਈ ਕੰਪਨੀ ਅਜਿਹਾ ਫੀਚਰ ਦਿਖਾਉਂਦੀ ਹੈ ਜਿਸ ਲਈ ਨਿਰੰਤਰ ਹਾਈ-ਸਪੀਡ ਡੇਟਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਉਹ ਅਰਬਾਂ ਲੋਕਾਂ ਨੂੰ ਬਾਹਰ ਰੱਖ ਰਹੀ ਹੁੰਦੀ ਹੈ। ਇਹ ਇੱਕ ਡਿਜੀਟਲ ਪਾੜਾ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜਿੱਥੇ ਸਭ ਤੋਂ ਸ਼ਕਤੀਸ਼ਾਲੀ ਟੂਲ ਸਿਰਫ ਉਹਨਾਂ ਲਈ ਉਪਲਬਧ ਹੁੰਦੇ ਹਨ ਜਿਨ੍ਹਾਂ ਕੋਲ ਪਹਿਲਾਂ ਹੀ ਵਧੀਆ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਹੈ। ਡੈਮੋ ਪ੍ਰਗਤੀ ਦੀ ਬਜਾਏ ਬੇਦਖਲੀ ਦਾ ਪ੍ਰਤੀਕ ਬਣ ਜਾਂਦਾ ਹੈ।
ਕਲਾਉਡ ਵਿੱਚ ਚੱਲਣ ਵਾਲਾ AI ਪ੍ਰੋਵਾਈਡਰ ਲਈ ਮਹਿੰਗਾ ਹੁੰਦਾ ਹੈ। ਇਹ ਟੋਕਨ ਸੀਮਾਵਾਂ ਵੱਲ ਲੈ ਜਾਂਦਾ ਹੈ ਜੋ ਤੁਹਾਡੇ ਪੁਰਾਣੇ ਮੋਬਾਈਲ ਪਲਾਨ ‘ਤੇ ਡੇਟਾ ਕੈਪ ਵਰਗੇ ਹਨ। ਜੇ ਤੁਸੀਂ ਕਮਜ਼ੋਰ ਮੁਦਰਾ ਵਾਲੇ ਦੇਸ਼ ਵਿੱਚ ਰਹਿੰਦੇ ਹੋ, ਤਾਂ ਇਹਨਾਂ ਡੈਮੋ-ਗ੍ਰੇਡ ਫੀਚਰਾਂ ਤੱਕ ਪਹੁੰਚ ਕਰਨ ਲਈ ਗਾਹਕੀ ਲਈ ਮਹੀਨੇ ਦੇ ਵੀਹ ਡਾਲਰ ਦੇਣਾ ਇੱਕ ਵੱਡਾ ਬੋਝ ਹੈ। 2026 ਵਿੱਚ ਦਿਖਾਏ ਗਏ ਬਹੁਤ ਸਾਰੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਫੀਚਰ ਇਹਨਾਂ ਪੇ-ਵਾਲਾਂ ਦੇ ਪਿੱਛੇ ਲਾਕ ਹਨ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਤਕਨਾਲੋਜੀ ਦਾ ਗਲੋਬਲ ਪ੍ਰਭਾਵ ਉਪਭੋਗਤਾਵਾਂ ਦੀ ਅਮਰੀਕੀ ਡਾਲਰਾਂ ਵਿੱਚ ਭੁਗਤਾਨ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਦੁਆਰਾ ਸੀਮਿਤ ਹੈ।
ਲੋਕਲ AI ਇਸ ਵਾਤਾਵਰਣ ਵਿੱਚ ਇੱਕ ਵੱਡਾ ਬਰਾਬਰੀ ਕਰਨ ਵਾਲਾ ਹੈ। ਇਹ ਉਹਨਾਂ ਸਾਫਟਵੇਅਰਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਜੋ ਇੰਟਰਨੈਟ ਦੀ ਲੋੜ ਤੋਂ ਬਿਨਾਂ ਸਿੱਧੇ ਤੁਹਾਡੇ ਲੈਪਟਾਪ ਜਾਂ ਫੋਨ ‘ਤੇ ਚੱਲਦੇ ਹਨ। ਜੋ ਡੈਮੋ ਲੋਕਲ ਪ੍ਰੋਸੈਸਿੰਗ ‘ਤੇ ਕੇਂਦ੍ਰਿਤ ਹੁੰਦੇ ਹਨ, ਉਹ ਬਹੁਤ ਜ਼ਿਆਦਾ ਇਮਾਨਦਾਰ ਹੁੰਦੇ ਹਨ ਕਿਉਂਕਿ ਉਹ ਦਿਖਾਉਂਦੇ ਹਨ ਕਿ ਤੁਹਾਡਾ ਹਾਰਡਵੇਅਰ ਅਸਲ ਵਿੱਚ ਕੀ ਸੰਭਾਲ ਸਕਦਾ ਹੈ। ਉਹ ਕਿਸੇ ਲੁਕੇ ਹੋਏ ਸਰਵਰ ਜਾਂ ਸੰਪੂਰਨ ਫਾਈਬਰ ਆਪਟਿਕ ਕਨੈਕਸ਼ਨ ‘ਤੇ ਨਿਰਭਰ ਨਹੀਂ ਕਰਦੇ। ਵਿਕਾਸਸ਼ੀਲ ਦੇਸ਼ਾਂ ਦੇ ਉਪਭੋਗਤਾਵਾਂ ਲਈ, ਲੋਕਲ AI ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਦਾ ਇੱਕੋ ਇੱਕ ਤਰੀਕਾ ਹੈ ਕਿ ਇਹ ਟੂਲ ਉਦੋਂ ਵੀ ਉਪਲਬਧ ਰਹਿਣ ਜਦੋਂ ਇੰਟਰਨੈਟ ਬੰਦ ਹੋ ਜਾਵੇ ਜਾਂ ਗਾਹਕੀ ਬਹੁਤ ਮਹਿੰਗੀ ਹੋ ਜਾਵੇ।
ਭਾਸ਼ਾਈ ਪੱਖਪਾਤ ਦਾ ਮੁੱਦਾ ਵੀ ਹੈ। ਜ਼ਿਆਦਾਤਰ ਡੈਮੋ ਸੰਪੂਰਨ ਅਮਰੀਕੀ ਅੰਗਰੇਜ਼ੀ ਵਿੱਚ ਕੀਤੇ ਜਾਂਦੇ ਹਨ। ਇੱਕ ਗਲੋਬਲ ਦਰਸ਼ਕਾਂ ਲਈ, ਡੈਮੋ ਦੀ ਅਸਲ ਪ੍ਰੀਖਿਆ ਇਹ ਹੈ ਕਿ ਇਹ ਇੱਕ ਭਾਰੀ ਲਹਿਜ਼ੇ ਜਾਂ ਸਿੰਗਲਿਸ਼ (Singlish) ਜਾਂ ਹਿੰਗਲਿਸ਼ (Hinglish) ਵਰਗੀ ਸਥਾਨਕ ਬੋਲੀ ਨੂੰ ਕਿਵੇਂ ਸੰਭਾਲਦਾ ਹੈ। ਜੇ ਡੈਮੋ ਇਹ ਨਹੀਂ ਦਿਖਾਉਂਦਾ, ਤਾਂ ਇਹ ਇੱਕ ਗਲੋਬਲ ਪ੍ਰੋਡਕਟ ਨਹੀਂ ਹੈ। ਇਹ ਇੱਕ ਖੇਤਰੀ ਟੂਲ ਹੈ ਜਿਸਨੂੰ ਇੱਕ ਵਿਸ਼ਵਵਿਆਪੀ ਹੱਲ ਵਜੋਂ ਮਾਰਕੀਟ ਕੀਤਾ ਗਿਆ ਹੈ। ਸੱਚੀ ਨਵੀਨਤਾ ਨੂੰ ਇੱਕ ਪੇਂਡੂ ਪਿੰਡ ਦੇ ਵਿਅਕਤੀ ਲਈ ਵੀ ਉਸੇ ਤਰ੍ਹਾਂ ਕੰਮ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਜਿਵੇਂ ਇਹ ਸਿਲੀਕਾਨ ਵੈਲੀ ਦੇ ਦਫਤਰ ਵਿੱਚ ਕਿਸੇ ਵਿਅਕਤੀ ਲਈ ਕੰਮ ਕਰਦੀ ਹੈ।
ਅਸਲ ਦੁਨੀਆ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਬਨਾਮ ਸਟੇਜ ਦਾ ਜਾਦੂ
ਆਓ ਨੈਰੋਬੀ ਵਿੱਚ ਇੱਕ ਫ੍ਰੀਲਾਂਸ ਗ੍ਰਾਫਿਕ ਡਿਜ਼ਾਈਨਰ, ਅਮਾਰਾ ਦੇ ਜੀਵਨ ਵਿੱਚ ਇੱਕ ਦਿਨ ‘ਤੇ ਨਜ਼ਰ ਮਾਰੀਏ। ਉਹ ਇੱਕ ਪੁਰਾਣਾ ਲੈਪਟਾਪ ਅਤੇ ਤਿੰਨ ਸਾਲ ਪੁਰਾਣਾ ਸਮਾਰਟਫੋਨ ਵਰਤਦੀ ਹੈ। ਉਹ ਇੱਕ ਨਵੇਂ AI ਟੂਲ ਲਈ ਇੱਕ ਡੈਮੋ ਦੇਖਦੀ ਹੈ ਜੋ ਇੱਕ ਸਧਾਰਨ ਸਕੈਚ ਤੋਂ ਪੂਰੀਆਂ ਵੈਬਸਾਈਟਾਂ ਬਣਾਉਣ ਦਾ ਦਾਅਵਾ ਕਰਦਾ ਹੈ। ਵੀਡੀਓ ਵਿੱਚ ਇੱਕ ਵਿਅਕਤੀ ਨੂੰ ਕਾਗਜ਼ ਦੇ ਇੱਕ ਟੁਕੜੇ ‘ਤੇ ਇੱਕ ਡੱਬਾ ਬਣਾਉਂਦੇ ਹੋਏ ਦਿਖਾਇਆ ਗਿਆ ਹੈ ਅਤੇ ਸਕਿੰਟਾਂ ਬਾਅਦ ਇੱਕ ਸਕ੍ਰੀਨ ‘ਤੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਕਾਰਜਸ਼ੀਲ ਵੈਬਸਾਈਟ ਦਿਖਾਈ ਦਿੰਦੀ ਹੈ। ਅਮਾਰਾ ਉਤਸ਼ਾਹਿਤ ਹੈ ਕਿਉਂਕਿ ਇਹ ਉਸਨੂੰ ਹੋਰ ਗਾਹਕ ਲੈਣ ਅਤੇ ਉਸਦੇ ਛੋਟੇ ਕਾਰੋਬਾਰ ਨੂੰ ਵਧਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ।
ਡੈਮੋ ਵਿੱਚ, ਸਾਈਟ ਸਕਿੰਟਾਂ ਵਿੱਚ ਦਿਖਾਈ ਦਿੰਦੀ ਹੈ। ਅਮਾਰਾ ਇਸਨੂੰ ਇੱਕ ਗਾਹਕ ਲਈ ਵਰਤਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੀ ਹੈ। ਉਹ ਦੇਖਦੀ ਹੈ ਕਿ ਉਸਦੇ ਕਨੈਕਸ਼ਨ ‘ਤੇ, ਸਕਿੰਟ ਮਿੰਟਾਂ ਵਿੱਚ ਬਦਲ ਜਾਂਦੇ ਹਨ। AI ਉਸਦੇ ਸਕੈਚ ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਅਸਫਲ ਰਹਿੰਦਾ ਹੈ ਕਿਉਂਕਿ ਉਸਦੀ ਡਰਾਇੰਗ ਸ਼ੈਲੀ ਪੱਛਮੀ ਸਿਖਲਾਈ ਡੇਟਾ ਨਾਲ ਮੇਲ ਨਹੀਂ ਖਾਂਦੀ ਜਿਸ ‘ਤੇ ਮਾਡਲ ਬਣਾਇਆ ਗਿਆ ਸੀ। ਇੰਟਰਫੇਸ ਭਾਰੀ ਅਤੇ ਹੌਲੀ ਹੈ, ਜੋ ਇੱਕ ਹਾਈ-ਐਂਡ ਕੰਪਿਊਟਰ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ ਜੋ ਉਸ ਕੋਲ ਨਹੀਂ ਹੈ। ਡੈਮੋ ਨੇ ਇੱਕ ਅਜਿਹੇ ਟੂਲ ਦਾ ਵਾਅਦਾ ਕੀਤਾ ਸੀ ਜੋ ਉਸਦੇ ਕੰਮ ਦੇ ਘੰਟੇ ਬਚਾਏਗਾ, ਪਰ ਇਸਦੀ ਬਜਾਏ, ਉਹ ਆਪਣੀ ਦੁਪਹਿਰ ਇੱਕ ਹੌਲੀ ਵੈਬਸਾਈਟ ਨਾਲ ਲੜਨ ਅਤੇ ਗਲਤੀਆਂ ਨੂੰ ਸੁਧਾਰਨ ਵਿੱਚ ਬਿਤਾਉਂਦੀ ਹੈ।
ਇਹ ਉਮੀਦ ਦਾ ਪਾੜਾ ਹੈ। ਡੈਮੋ ਇੱਕ ਸੰਭਾਵਨਾ ਸੀ, ਪਰ ਉਸਦੇ ਲਈ, ਇਹ ਇੱਕ ਪ੍ਰੋਡਕਟ ਨਹੀਂ ਸੀ। ਇਸਨੇ ਉਸਦੇ ਹਾਰਡਵੇਅਰ ਜਾਂ ਉਸਦੀ ਇੰਟਰਨੈਟ ਸਪੀਡ ਦੀ ਅਸਲੀਅਤ ਨੂੰ ਨਹੀਂ ਸਮਝਿਆ। ਇਸ ਕਿਸਮ ਦੀ ਮਾਰਕੀਟਿੰਗ ਪਿੱਛੇ ਰਹਿ ਜਾਣ ਦੀ ਭਾਵਨਾ ਪੈਦਾ ਕਰਦੀ ਹੈ। ਜਦੋਂ ਤਕਨਾਲੋਜੀ ਇਸ਼ਤਿਹਾਰ ਅਨੁਸਾਰ ਕੰਮ ਨਹੀਂ ਕਰਦੀ, ਤਾਂ ਅਮਾਰਾ ਵਰਗੇ ਉਪਭੋਗਤਾ ਅਕਸਰ ਆਪਣੇ ਆਪ ਨੂੰ ਜਾਂ ਆਪਣੇ ਉਪਕਰਣਾਂ ਨੂੰ ਦੋਸ਼ੀ ਠਹਿਰਾਉਂਦੇ ਹਨ, ਨਾ ਕਿ ਉਸ ਕੰਪਨੀ ਨੂੰ ਜਿਸਨੇ ਇੱਕ ਗੈਰ-ਯਥਾਰਥਵਾਦੀ ਡੈਮੋ ਤਿਆਰ ਕੀਤਾ ਸੀ। ਸਾਨੂੰ ਕੰਪਨੀਆਂ ਨੂੰ ਇਹ ਦਿਖਾਉਣ ਲਈ ਜਵਾਬਦੇਹ ਬਣਾਉਣ ਦੀ ਲੋੜ ਹੈ ਕਿ ਉਹਨਾਂ ਦੇ ਟੂਲ ਗੈਰ-ਅਨੁਕੂਲ ਸਥਿਤੀਆਂ ਵਿੱਚ ਕਿਵੇਂ ਕੰਮ ਕਰਦੇ ਹਨ।
ਇਸਦੀ ਤੁਲਨਾ ChatGPT-4o ਵੌਇਸ ਮੋਡ ਦੇ ਡੈਮੋ ਨਾਲ ਕਰੋ। ਹਾਲਾਂਕਿ ਸ਼ੁਰੂਆਤੀ ਖੁਲਾਸਾ ਫਲੈਸ਼ੀ ਸੀ, ਅਸਲ ਰੋਲਆਊਟ ਨੇ ਦਿਖਾਇਆ ਕਿ ਘੱਟ ਲੇਟੈਂਸੀ ਅਸਲ ਸੀ। ਉਪਭੋਗਤਾ ਵੀਡੀਓ ਦੀ ਤਰ੍ਹਾਂ AI ਨੂੰ ਰੋਕ ਸਕਦੇ ਸਨ। ਇਹ ਡੈਮੋ ਕਾਇਮ ਰਿਹਾ ਕਿਉਂਕਿ ਕੋਰ ਟੈਕ ਅਸਲ ਵਿੱਚ ਜਨਤਾ ਲਈ ਤਿਆਰ ਸੀ। ਤੁਸੀਂ ਇਸ ਅਧਿਕਾਰਤ ਤਕਨੀਕੀ ਬ੍ਰੇਕਡਾਊਨ ਵਿੱਚ ਪੜ੍ਹ ਸਕਦੇ ਹੋ ਕਿ ਇਹ ਮਾਡਲ ਕਿਵੇਂ ਬਣਾਏ ਗਏ ਹਨ। ਇਹ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ ਜਦੋਂ ਅੰਡਰਲਾਈੰਗ ਆਰਕੀਟੈਕਚਰ ਸਹੀ ਹੁੰਦਾ ਹੈ, ਤਾਂ ਡੈਮੋ ਉਪਭੋਗਤਾ ਅਨੁਭਵ ਦੀ ਸੱਚੀ ਨੁਮਾਇੰਦਗੀ ਹੋ ਸਕਦਾ ਹੈ।
ਫਿਰ ਸਾਡੇ ਕੋਲ Humane Pin ਜਾਂ Rabbit R1 ਵਰਗੇ ਪਹਿਨਣਯੋਗ AI ਡਿਵਾਈਸ ਹਨ। ਉਹਨਾਂ ਦੇ ਡੈਮੋ ਸਿਨੇਮੈਟਿਕ ਅਤੇ ਸਲੀਕ ਸਨ। ਹਾਲਾਂਕਿ, ਜਦੋਂ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਉਹ ਮਿਲੇ, ਤਾਂ ਬੈਟਰੀ ਘੰਟਿਆਂ ਵਿੱਚ ਖਤਮ ਹੋ ਗਈ ਅਤੇ AI ਅਕਸਰ ਭਰਮ ਵਿੱਚ ਸੀ ਜਾਂ ਗਲਤ ਜਵਾਬ ਦਿੰਦਾ ਸੀ। ਇਹ ਉਹ ਪ੍ਰਦਰਸ਼ਨ ਸਨ ਜੋ ਅਸਲੀਅਤ ਦੀ ਪ੍ਰੀਖਿਆ ਵਿੱਚ ਅਸਫਲ ਰਹੇ। ਉਹ ਅਜਿਹੇ ਪ੍ਰੋਡਕਟ ਸਨ ਜਿਨ੍ਹਾਂ ਨੇ ਤਕਨਾਲੋਜੀ ਦੇ ਅਸਲ ਸੰਸਾਰ ਦੀ ਗੁੰਝਲਤਾ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਤਿਆਰ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਸਮਾਰਟਫੋਨ ਨੂੰ ਬਦਲਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕੀਤੀ। ਤੁਸੀਂ ਇਸ ਵਿਸਤ੍ਰਿਤ ਹਾਰਡਵੇਅਰ ਸਮੀਖਿਆ ਵਿੱਚ ਅਸਮਾਨਤਾ ਦੇਖ ਸਕਦੇ ਹੋ ਜੋ ਵਾਅਦੇ ਅਤੇ ਅਸਲੀਅਤ ਵਿਚਕਾਰ ਪਾੜੇ ਨੂੰ ਉਜਾਗਰ ਕਰਦੀ 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।
ਇੱਕ ਸਫਲ ਡੈਮੋ ਇਹ ਸਾਬਤ ਕਰਕੇ ਉਮੀਦਾਂ ਨੂੰ ਬਦਲਦਾ ਹੈ ਕਿ ਇੱਕ ਨਵਾਂ ਵਿਵਹਾਰ ਸੰਭਵ ਹੈ। ਜਦੋਂ Google ਨੇ Circle to Search ਦਿਖਾਇਆ, ਤਾਂ ਇਹ ਇੱਕ ਸਧਾਰਨ ਪਰਸਪਰ ਪ੍ਰਭਾਵ ਸੀ ਜੋ ਬਿਲਕੁਲ ਉਸੇ ਤਰ੍ਹਾਂ ਕੰਮ ਕਰਦਾ ਸੀ ਜਿਵੇਂ ਦਿਖਾਇਆ ਗਿਆ ਸੀ। ਇਸਨੇ ਤੁਹਾਡੀ ਜ਼ਿੰਦਗੀ ਨੂੰ ਹੱਲ ਕਰਨ ਦਾ ਵਾਅਦਾ ਨਹੀਂ ਕੀਤਾ, ਇਸਨੇ ਇੱਕ ਫੋਟੋ ਵਿੱਚ ਜੁੱਤੀਆਂ ਦਾ ਇੱਕ ਜੋੜਾ ਲੱਭਣ ਦਾ ਵਾਅਦਾ ਕੀਤਾ। ਇਹ ਇੱਕ ਪ੍ਰੋਡਕਟ ਡੈਮੋ ਹੈ। ਇਹ ਉਪਯੋਗੀ, ਭਰੋਸੇਮੰਦ ਹੈ, ਅਤੇ ਕਈ ਤਰ੍ਹਾਂ ਦੇ ਡਿਵਾਈਸਾਂ ‘ਤੇ ਕੰਮ ਕਰਦਾ ਹੈ। ਤੁਸੀਂ ਇਸ ਫੀਚਰ ਬਾਰੇ ਹੋਰ ਵੇਰਵੇ Google ਖੋਜ ਅਪਡੇਟ ਵਿੱਚ ਲੱਭ ਸਕਦੇ ਹੋ। ਇਹ ਉਹ ਕਿਸਮ ਦੇ ਡੈਮੋ ਹਨ ਜੋ ਅਸਲ ਵਿੱਚ ਔਸਤ ਉਪਭੋਗਤਾ ਲਈ ਮਾਇਨੇ ਰੱਖਦੇ ਹਨ।
ਸੁਕਰਾਤੀ ਸੰਦੇਹਵਾਦ ਅਤੇ ਹਾਈਪ ਦੀ ਕੀਮਤ
ਸਾਨੂੰ ਇਹ ਪੁੱਛਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਸੋਸ਼ਲ ਮੀਡੀਆ ‘ਤੇ ਅਸੀਂ ਜੋ ਮੁਫਤ ਡੈਮੋ ਦੇਖਦੇ ਹਾਂ, ਉਨ੍ਹਾਂ ਲਈ ਭੁਗਤਾਨ ਕੌਣ ਕਰਦਾ ਹੈ। ਜੇ ਕੋਈ ਕੰਪਨੀ ਤੁਹਾਨੂੰ ਗੱਲ ਕਰਨ ਵਾਲੀ ਬਿੱਲੀ ਦਿਖਾਉਣ ਲਈ ਬਿਜਲੀ ਵਿੱਚ ਲੱਖਾਂ ਡਾਲਰ ਸਾੜ ਰਹੀ ਹੈ, ਤਾਂ ਉਸ ਲਾਗਤ ਨੂੰ ਵਸੂਲਣ ਦੀ ਉਨ੍ਹਾਂ ਦੀ ਯੋਜਨਾ ਕੀ ਹੈ? ਆਮ ਤੌਰ ‘ਤੇ, ਜਵਾਬ ਤੁਹਾਡਾ ਨਿੱਜੀ ਡੇਟਾ ਜਾਂ ਭਵਿੱਖ ਦੀ ਗਾਹਕੀ ਫੀਸ ਹੈ ਜੋ ਬਹੁਤ ਸਾਰੇ ਲੋਕ ਬਰਦਾਸ਼ਤ ਨਹੀਂ ਕਰ ਸਕਦੇ। ਸਾਨੂੰ ਕਿਸੇ ਵੀ ਅਜਿਹੀ ਤਕਨਾਲੋਜੀ ਪ੍ਰਤੀ ਸ਼ੱਕੀ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਜੋ ਸੱਚ ਹੋਣ ਲਈ ਬਹੁਤ ਵਧੀਆ ਲੱਗਦੀ ਹੈ ਅਤੇ ਜਿਸਦੀ ਕੋਈ ਕੀਮਤ ਨਹੀਂ ਹੈ। ਹਮੇਸ਼ਾ ਇੱਕ ਲੁਕਵੀਂ ਕੀਮਤ ਹੁੰਦੀ ਹੈ, ਭਾਵੇਂ ਇਹ ਤੁਹਾਡੀ ਗੋਪਨੀਯਤਾ ਹੋਵੇ ਜਾਂ ਡੇਟਾ ਸੈਂਟਰਾਂ ਦਾ ਵਾਤਾਵਰਣ ‘ਤੇ ਪ੍ਰਭਾਵ।
ਕੀ ਤਕਨਾਲੋਜੀ ਅਸਲ ਵਿੱਚ ਪਹੁੰਚਯੋਗ ਹੈ, ਜਾਂ ਇਹ ਇੱਕ ਡਿਜੀਟਲ ਗੇਟਡ ਕਮਿਊਨਿਟੀ ਹੈ? ਜੇ ਕਿਸੇ AI ਫੀਚਰ ਲਈ ਨਵੀਨਤਮ iPhone ਜਾਂ ਹਾਈ-ਐਂਡ Nvidia GPU ਦੀ ਲੋੜ ਹੈ, ਤਾਂ ਇਹ ਮਨੁੱਖਤਾ ਲਈ ਕੋਈ ਟੂਲ ਨਹੀਂ ਹੈ। ਇਹ ਇੱਕ ਲਗਜ਼ਰੀ ਵਸਤੂ ਹੈ। ਸਾਨੂੰ ਇਹ ਸਵਾਲ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕੰਪਨੀਆਂ ਪੁਰਾਣੀ ਤਕਨੀਕ ਲਈ ਕੁਸ਼ਲ ਮਾਡਲਾਂ ਨਾਲੋਂ ਇਹਨਾਂ ਹਾਈ-ਐਂਡ ਵਰਤੋਂ ਦੇ ਮਾਮਲਿਆਂ ਨੂੰ ਤਰਜੀਹ ਕਿਉਂ ਦਿੰਦੀਆਂ ਹਨ। ਇੱਕ ਸੱਚਮੁੱਚ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਡੈਮੋ ਇੱਕ AI ਨੂੰ ਪੰਜ ਸਾਲ ਪੁਰਾਣੇ ਫੋਨ ‘ਤੇ ਮਾੜੀ ਕਨੈਕਟੀਵਿਟੀ ਵਾਲੇ ਖੇਤਰ ਵਿੱਚ ਪੂਰੀ ਤਰ੍ਹਾਂ ਚੱਲਦਾ ਦਿਖਾਏਗਾ। ਇਹ ਇੱਕ ਅਜਿਹੇ ਪ੍ਰੋਡਕਟ ਦਾ ਡੈਮੋ ਹੋਵੇਗਾ ਜੋ ਅਸਲ ਵਿੱਚ ਦੁਨੀਆ ਦੀ ਮਦਦ ਕਰਦਾ 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।ਇਨ੍ਹਾਂ ਡੈਮੋ ਦੌਰਾਨ ਵਰਤੇ ਗਏ ਡੇਟਾ ਦਾ ਕੀ ਹੁੰਦਾ ਹੈ? ਬਹੁਤ ਸਾਰੇ AI ਸਿਸਟਮ ਹਰ ਗੱਲਬਾਤ ਤੋਂ ਸਿੱਖਦੇ ਹਨ। ਜੇ ਤੁਸੀਂ ਕਿਸੇ ਕੰਮ ਦੇ ਪ੍ਰੋਜੈਕਟ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ ਡੈਮੋ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋ, ਤਾਂ ਕੀ ਉਹ ਪ੍ਰੋਜੈਕਟ ਹੁਣ ਕਾਰਪੋਰੇਟ ਡੇਟਾਬੇਸ ਦਾ ਹਿੱਸਾ ਹੈ? ਗੋਪਨੀਯਤਾ ਨੂੰ ਅਕਸਰ ਇੱਕ ਸਹਿਜ ਉਪਭੋਗਤਾ ਅਨੁਭਵ ਦੀ ਖਾਤਰ ਕੁਰਬਾਨ ਕਰ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ। ਸਾਨੂੰ ਇਹ ਪੁੱਛਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਡੇਟਾ ਕਿੱਥੇ ਜਾਂਦਾ ਹੈ ਅਤੇ ਆਉਟਪੁੱਟ ਦਾ ਮਾਲਕ ਕੌਣ ਹੈ। ਜੇ ਕੰਪਨੀ ਕੋਈ ਸਪੱਸ਼ਟ ਜਵਾਬ ਨਹੀਂ ਦੇ ਸਕਦੀ, ਤਾਂ ਡੈਮੋ ਇੱਕ ਜਾਲ ਹੈ। ਸਾਨੂੰ ਆਪਣੀ ਡਿਜੀਟਲ ਪ੍ਰਭੂਸੱਤਾ ਦੀ ਉਨੀ ਹੀ ਕਦਰ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ ਜਿੰਨੀ ਅਸੀਂ ਸਹੂਲਤ ਦੀ ਕਰਦੇ ਹਾਂ।
ਅੰਤ ਵਿੱਚ, ਸਾਨੂੰ ਇਹ ਪੁੱਛਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕੀ ਹੱਲ ਕੀਤੀ ਜਾ ਰਹੀ ਸਮੱਸਿਆ ਅਸਲ ਵਿੱਚ ਕੋਈ ਸਮੱਸਿਆ ਹੈ। ਕੀ ਸਾਨੂੰ ਅੰਡੇ ਨੂੰ ਉਬਾਲਣ ਜਾਂ ਧੰਨਵਾਦ ਨੋਟ ਲਿਖਣ ਦੇ ਤਰੀਕੇ ਬਾਰੇ ਦੱਸਣ ਲਈ AI ਦੀ ਲੋੜ ਹੈ? ਕਈ ਵਾਰ ਡੈਮੋ ਦਾ ਹਾਈਪ ਇਸ ਤੱਥ ਨੂੰ ਲੁਕਾਉਂਦਾ ਹੈ ਕਿ ਤਕਨਾਲੋਜੀ ਇੱਕ ਸਮੱਸਿਆ ਦੀ ਭਾਲ ਵਿੱਚ ਇੱਕ ਹੱਲ ਹੈ। ਸਾਨੂੰ ਉਹਨਾਂ ਟੂਲਾਂ ‘ਤੇ ਧਿਆਨ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ ਜੋ ਭਾਸ਼ਾ ਦੀਆਂ ਰੁਕਾਵਟਾਂ, ਵਿਦਿਅਕ ਪਹੁੰਚ, ਅਤੇ ਮੈਡੀਕਲ ਨਿਦਾਨ ਵਰਗੀਆਂ ਅਸਲ ਦੁਨੀਆ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਦੇ ਹਨ। ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਸਵਾਲ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਇਹ ਕੀ ਕਰ ਸਕਦਾ ਹੈ? ਪਰ ਇਹ ਕਿ ਇਸਦੀ ਹੋਂਦ ਕਿਉਂ ਜ਼ਰੂਰੀ ਹੈ?
ਪਾਵਰ ਯੂਜ਼ਰ ਲਈ ਤਕਨੀਕੀ ਸੂਝ
ਉਹਨਾਂ ਲਈ ਜੋ ਬ੍ਰਾਊਜ਼ਰ ਤੋਂ ਅੱਗੇ ਵਧਣਾ ਚਾਹੁੰਦੇ ਹਨ, API ਐਕਸੈਸ ਦੀ ਭਾਲ ਕਰੋ। ਇੱਕ API ਤੁਹਾਡੀ ਟੇਬਲ ਤੋਂ ਰਸੋਈ ਤੱਕ ਆਰਡਰ ਲੈਣ ਵਾਲੇ ਵੇਟਰ ਵਰਗਾ ਹੈ। ਇਹ ਤੁਹਾਨੂੰ ਕੰਪਨੀ ਦੀ ਅਧਿਕਾਰਤ ਐਪ ਨਾਲ ਫਸੇ ਬਿਨਾਂ ਇੱਕ ਮਾਡਲ ਦੀ ਸ਼ਕਤੀ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ। ਇਸ ਤਰ੍ਹਾਂ ਤੁਸੀਂ ਕਸਟਮ ਟੂਲ ਬਣਾਉਂਦੇ ਹੋ ਜੋ ਤੁਹਾਡੇ ਖਾਸ ਵਰਕਫਲੋ ਵਿੱਚ ਫਿੱਟ ਹੁੰਦੇ ਹਨ। Anthropic ਜਾਂ OpenAI ਵਰਗੀ ਕੰਪਨੀ ਤੋਂ API ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਤੁਹਾਨੂੰ ਆਪਣੀਆਂ ਸੀਮਾਵਾਂ ਨਿਰਧਾਰਤ ਕਰਨ ਅਤੇ ਅਕਸਰ ਆਮ ਲੋਕਾਂ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਸਾਫਟਵੇਅਰ ਦੇ ਗੜਬੜ ਵਾਲੇ ਇੰਟਰਫੇਸ ਨੂੰ ਬਾਈਪਾਸ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ।
ਲੋਕਲ ਸਟੋਰੇਜ ਅਤੇ ਆਫਲਾਈਨ ਵਿਕਲਪ ਉਹਨਾਂ ਲਈ ਵਧੇਰੇ ਵਿਹਾਰਕ ਬਣ ਰਹੇ ਹਨ ਜਿਨ੍ਹਾਂ ਕੋਲ ਸਹੀ ਹਾਰਡਵੇਅਰ ਹੈ। LM Studio ਜਾਂ Ollama ਵਰਗੇ ਟੂਲ ਤੁਹਾਨੂੰ ਆਪਣੀ ਮਸ਼ੀਨ ‘ਤੇ Llama 3 ਵਰਗੇ ਮਾਡਲ ਚਲਾਉਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੇ ਹਨ। ਇੱਕ ਡੈਮੋ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦਾ ਇਹ ਸਭ ਤੋਂ ਵਧੀਆ ਤਰੀਕਾ ਹੈ। ਜੇ ਇਹ ਤੁਹਾਡੀ ਮਸ਼ੀਨ ‘ਤੇ ਚੱਲਦਾ ਹੈ, ਤਾਂ ਇਹ ਅਸਲੀ ਹੈ। ਤੁਸੀਂ ਹੁਣ ਕਿਸੇ ਕੰਪਨੀ ਦੇ ਸਰਵਰਾਂ ਜਾਂ ਉਹਨਾਂ ਦੀਆਂ ਬਦਲਦੀਆਂ ਸੇਵਾ ਦੀਆਂ ਸ਼ਰਤਾਂ ‘ਤੇ ਨਿਰਭਰ ਨਹੀਂ ਹੋ। ਇਹ ਉਹਨਾਂ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਵਿਸ਼ੇਸ਼ ਤੌਰ ‘ਤੇ ਮਹੱਤਵਪੂਰਨ ਹੈ ਜੋ ਸੰਵੇਦਨਸ਼ੀਲ ਡੇਟਾ ਨੂੰ ਸੰਭਾਲਦੇ ਹਨ ਜਾਂ ਅਵਿਸ਼ਵਾਸਯੋਗ ਇੰਟਰਨੈਟ ਕਨੈਕਸ਼ਨ ਵਾਲੇ ਖੇਤਰਾਂ ਵਿੱਚ ਕੰਮ ਕਰਦੇ ਹਨ।
ਵਰਕਫਲੋ ਏਕੀਕਰਣ ਉਹ ਹੈ ਜਿੱਥੇ ਅਸਲ ਮੁੱਲ ਹੈ। AI ਨੂੰ ਤੁਹਾਡੀ ਈਮੇਲ ਜਾਂ ਫਾਈਲਿੰਗ ਕੈਬਿਨੇਟ ਨਾਲ ਜੋੜਨ ਲਈ Zapier ਜਾਂ Make ਵਰਗੇ ਟੂਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਕਿਸੇ ਵੀ ਫਲੈਸ਼ੀ ਡੈਮੋ ਨਾਲੋਂ ਵਧੇਰੇ ਉਪਯੋਗੀ ਹੈ। ਸੰਦਰਭ ਵਿੰਡੋਜ਼ (context windows) ਵੱਲ ਧਿਆਨ ਦਿਓ, ਜੋ ਕਿ ਉਹ ਜਾਣਕਾਰੀ ਦੀ ਮਾਤਰਾ ਹੈ ਜੋ AI ਇੱਕ ਸਮੇਂ ਵਿੱਚ ਯਾਦ ਰੱਖ ਸਕਦਾ ਹੈ। ਇੱਕ ਵੱਡੀ ਸੰਦਰਭ ਵਿੰਡੋ ਅਕਸਰ ਇੱਕ ਸਮਾਰਟ ਮਾਡਲ ਨਾਲੋਂ ਵਧੇਰੇ ਮਹੱਤਵਪੂਰਨ ਹੁੰਦੀ ਹੈ ਕਿਉਂਕਿ ਇਹ AI ਨੂੰ ਤੁਹਾਡੇ ਪ੍ਰੋਜੈਕਟ ਦੇ ਖਾਸ ਵੇਰਵਿਆਂ ਨੂੰ ਸਮਝਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ। ਤੁਸੀਂ ਇਸ AI ਵਰਕਫਲੋ ਲਈ ਵਿਆਪਕ ਗਾਈਡ ਵਿੱਚ ਇਹਨਾਂ ਏਕੀਕਰਣਾਂ ਬਾਰੇ ਹੋਰ ਜਾਣ ਸਕਦੇ ਹੋ।
ਟੈਕ ਸਟੇਜ ‘ਤੇ ਦੇਖੀ ਜਾਣ ਵਾਲੀ ਹਰ ਵੀਡੀਓ ‘ਤੇ ਵਿਸ਼ਵਾਸ ਕਰਨ ਦਾ ਯੁੱਗ ਖਤਮ ਹੋ ਗਿਆ ਹੈ। ਇੱਕ ਚੰਗਾ ਡੈਮੋ ਉਹ ਹੈ ਜਿਸਨੂੰ ਤੁਸੀਂ ਆਪਣੇ ਖੁਦ ਦੇ ਹਾਰਡਵੇਅਰ ‘ਤੇ ਆਪਣੇ ਖੁਦ ਦੇ ਗੜਬੜ ਵਾਲੇ ਡੇਟਾ ਨਾਲ ਦੁਬਾਰਾ ਬਣਾ ਸਕਦੇ ਹੋ। ਉਹਨਾਂ ਟੂਲਾਂ ਦੀ ਭਾਲ ਕਰੋ ਜੋ ਸਿਨੇਮੈਟਿਕ ਸੁਭਾਅ ਨਾਲੋਂ ਗਤੀ, ਲੋਕਲ ਪ੍ਰੋਸੈਸਿੰਗ, ਅਤੇ ਸਪੱਸ਼ਟ ਉਪਯੋਗਤਾ ਨੂੰ ਤਰਜੀਹ ਦਿੰਦੇ ਹਨ। ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਤਕਨਾਲੋਜੀ ਉਹ ਨਹੀਂ ਹੈ ਜੋ ਵੀਡੀਓ ਵਿੱਚ ਜਾਦੂ ਵਾਂਗ ਦਿਖਾਈ ਦਿੰਦੀ ਹੈ, ਪਰ ਉਹ ਹੈ ਜੋ ਅਸਲ ਵਿੱਚ ਉਦੋਂ ਕੰਮ ਕਰਦੀ ਹੈ ਜਦੋਂ ਇੰਟਰਨੈਟ ਹੌਲੀ ਹੁੰਦਾ ਹੈ ਅਤੇ ਸਮਾਂ ਸੀਮਾ ਤੰਗ ਹੁੰਦੀ ਹੈ। ਸਾਨੂੰ ਸ਼ੱਕੀ ਰਹਿਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਸਖ਼ਤ ਸਵਾਲ ਪੁੱਛਦੇ ਰਹਿਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿਉਂਕਿ ਤਕਨਾਲੋਜੀ ਬਦਲਦੀ ਰਹਿੰਦੀ ਹੈ।
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.
ਕੋਈ ਗਲਤੀ ਮਿਲੀ ਜਾਂ ਕੁਝ ਠੀਕ ਕਰਨ ਦੀ ਲੋੜ ਹੈ? ਸਾਨੂੰ ਦੱਸੋ।
