AI ਟ੍ਰੇਨਿੰਗ ਬਾਰੇ ਕਾਪੀਰਾਈਟ ਦਾ ਮਸਲਾ: ਸੌਖੀ ਸਮਝ

ਹੈਲੋ ਦੋਸਤੋ! ਜੇ ਤੁਸੀਂ ਅੱਜਕੱਲ੍ਹ ਇੰਟਰਨੈੱਟ ‘ਤੇ ਘੁੰਮ ਰਹੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਬਹੁਤ ਸਾਰੀਆਂ ਸ਼ਾਨਦਾਰ ਚੀਜ਼ਾਂ ਦੇਖੀਆਂ ਹੋਣਗੀਆਂ। AI ਹੁਣ ਇੱਕ ਵਧੀਆ ਗੀਤ ਲਿਖ ਸਕਦਾ ਹੈ, ਤੁਹਾਨੂੰ ਇੱਕ ਵੈੱਬਸਾਈਟ ਕੋਡ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ, ਜਾਂ ਪੁਲਾੜ ਵਿੱਚ ਸਾਈਕਲ ਚਲਾਉਂਦੀ ਬਿੱਲੀ ਦੀ ਤਸਵੀਰ ਵੀ ਬਣਾ ਸਕਦਾ ਹੈ। ਇਹ ਥੋੜ੍ਹਾ ਜਾਦੂ ਵਰਗਾ ਲੱਗਦਾ ਹੈ, ਹੈ ਨਾ? ਪਰ ਇਸ ਜਾਦੂ ਦੇ ਪਿੱਛੇ ਇੱਕ ਬਹੁਤ ਵੱਡਾ ਅਤੇ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਸਵਾਲ ਹੈ ਜਿਸ ਬਾਰੇ ਹਰ ਕੋਈ ਗੱਲ ਕਰ ਰਿਹਾ ਹੈ। ਇਹ ਸਾਰਾ ਗਿਆਨ ਕਿੱਥੋਂ ਆਉਂਦਾ ਹੈ? ਇਹਨਾਂ ਟੂਲਜ਼ ਨੂੰ ਇੰਨਾ ਸਮਾਰਟ ਬਣਾਉਣ ਲਈ, ਕੰਪਨੀਆਂ ਨੂੰ ਉਹਨਾਂ ਨੂੰ ਲੱਖਾਂ ਲੇਖਾਂ, ਫੋਟੋਆਂ ਅਤੇ ਕਿਤਾਬਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸਿਖਾਉਣਾ ਪਿਆ। ਇਸ ਨਾਲ ਇਸ ਬਾਰੇ ਇੱਕ ਵੱਡੀ ਬਹਿਸ ਸ਼ੁਰੂ ਹੋ ਗਈ ਹੈ ਕਿ ਉਸ content ਦਾ ਮਾਲਕ ਕੌਣ ਹੈ ਅਤੇ ਕੀ ਇਸਨੂੰ ਬਣਾਉਣ ਵਾਲੇ ਲੋਕਾਂ ਨੂੰ ਭੁਗਤਾਨ ਮਿਲਣਾ ਚਾਹੀਦਾ ਹੈ। AI news ਅਤੇ updates ਦਾ ਪਾਲਣ ਕਰਨ ਲਈ ਇਹ ਇੱਕ ਦਿਲਚਸਪ ਸਮਾਂ ਹੈ ਕਿਉਂਕਿ ਇੰਟਰਨੈੱਟ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੇ ਨਿਯਮ ਜਿਵੇਂ ਅਸੀਂ ਗੱਲ ਕਰ ਰਹੇ ਹਾਂ, ਦੁਬਾਰਾ ਲਿਖੇ ਜਾ ਰਹੇ ਹਨ। ਮੁੱਖ ਗੱਲ ਇਹ ਹੈ ਕਿ ਅਸੀਂ ਇੱਕ ਅਜਿਹੀ ਦੁਨੀਆ ਵੱਲ ਵਧ ਰਹੇ ਹਾਂ ਜਿੱਥੇ tech companies ਅਤੇ creators ਇਕੱਠੇ ਕੰਮ ਕਰਨ ਦਾ ਤਰੀਕਾ ਲੱਭਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੇ ਹਨ ਤਾਂ ਜੋ ਹਰ ਕੋਈ ਜਿੱਤੇ। ਇਹ ਇੱਕ ਦਿਲਚਸਪ ਬਦਲਾਅ ਹੈ ਜੋ ਸਾਡੇ ਰੋਜ਼ਾਨਾ ਵਰਤੋਂ ਵਾਲੇ ਟੂਲਜ਼ ਨੂੰ ਹੋਰ ਵੀ ਬਿਹਤਰ ਅਤੇ ਭਰੋਸੇਮੰਦ ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰੇਗਾ।

ਤੁਸੀਂ ਸੋਚ ਰਹੇ ਹੋਵੋਗੇ ਕਿ ਇੱਕ AI ਅਸਲ ਵਿੱਚ ਕਿਵੇਂ ਸਿੱਖਦਾ ਹੈ ਕਿ ਉਹ ਕੀ ਕਰਦਾ ਹੈ। ਇਸਨੂੰ ਇੱਕ ਵਿਸ਼ਾਲ ਲਾਇਬ੍ਰੇਰੀ ਵਿੱਚ ਇੱਕ ਵਿਦਿਆਰਥੀ ਵਾਂਗ ਸੋਚੋ। ਮਨੁੱਖ ਵਾਂਗ ਲਿਖਣਾ ਸਿੱਖਣ ਲਈ, AI ਵਿਦਿਆਰਥੀ ਉਸ ਲਾਇਬ੍ਰੇਰੀ ਵਿੱਚ ਲਗਭਗ ਸਭ ਕੁਝ ਪੜ੍ਹਦਾ ਹੈ। ਇਸ ਵਿੱਚ news stories, blog posts, ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ public social media updates ਵੀ ਸ਼ਾਮਲ ਹਨ। ਇਸ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਅਕਸਰ training ਕਿਹਾ ਜਾਂਦਾ ਹੈ। AI ਸਿਰਫ਼ ਉਹ ਨਹੀਂ ਕਰਦਾ ਜੋ ਉਹ ਪੜ੍ਹਦਾ ਹੈ, ਉਸਨੂੰ copy-paste ਨਹੀਂ ਕਰਦਾ। ਇਸ ਦੀ ਬਜਾਏ, ਇਹ patterns ਲੱਭਦਾ ਹੈ। ਇਹ ਸਿੱਖਦਾ ਹੈ ਕਿ ਸ਼ਬਦ ‘apple’ ਅਕਸਰ ‘juicy’ ਜਾਂ ‘red’ ਸ਼ਬਦ ਦੇ ਨੇੜੇ ਆਉਂਦਾ ਹੈ। ਇਹ ਸਿੱਖਦਾ ਹੈ ਕਿ ਇੱਕ sunset ਵਿੱਚ ਆਮ ਤੌਰ ‘ਤੇ ਸੰਤਰੀ ਅਤੇ ਗੁਲਾਬੀ ਰੰਗ ਦੇ ਸ਼ੇਡ ਹੁੰਦੇ ਹਨ। ਅਰਬਾਂ ਉਦਾਹਰਣਾਂ ਨੂੰ ਦੇਖ ਕੇ, ਇਹ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਵਿੱਚ ਮਾਹਰ ਬਣ ਜਾਂਦਾ ਹੈ ਕਿ ਅੱਗੇ ਕੀ ਆਉਣਾ ਚਾਹੀਦਾ ਹੈ। ਇਸ ਤਰ੍ਹਾਂ ਇਹ ਕੁਝ ਨਵਾਂ ਬਣਾਉਂਦਾ ਹੈ ਜੋ ਬਹੁਤ ਮਨੁੱਖੀ ਲੱਗਦਾ ਹੈ। ਲੰਬੇ ਸਮੇਂ ਤੋਂ, ਇਸਨੂੰ ਸਿਰਫ਼ ਇੱਕ cool science project ਵਜੋਂ ਦੇਖਿਆ ਜਾਂਦਾ ਸੀ। ਪਰ ਹੁਣ ਜਦੋਂ ਇਹ ਟੂਲਜ਼ ਵੱਡੇ businesses ਬਣ ਗਏ ਹਨ, ਤਾਂ ਉਸ ਲਾਇਬ੍ਰੇਰੀ ਵਿੱਚ ਕਿਤਾਬਾਂ ਲਿਖਣ ਵਾਲੇ ਅਤੇ ਫੋਟੋਆਂ ਖਿੱਚਣ ਵਾਲੇ ਲੋਕ ਇਹ ਪੁੱਛਣੇ ਸ਼ੁਰੂ ਕਰ ਰਹੇ ਹਨ ਕਿ ਉਹਨਾਂ ਦੇ ਕੰਮ ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ।

ਇੱਕ ਆਮ ਗਲਤਫਹਿਮੀ ਇਹ ਹੈ ਕਿ AI ਸਿਰਫ਼ ਚੋਰੀ ਕੀਤੇ ਕੰਮ ਦਾ ਇੱਕ ਵਿਸ਼ਾਲ database ਹੈ। ਇਹ ਬਿਲਕੁਲ ਸਹੀ ਨਹੀਂ ਹੈ। AI ਅਸਲ files ਨੂੰ store ਨਹੀਂ ਕਰਦਾ। ਇਹ ਉਹਨਾਂ ਤੋਂ ਸਿੱਖੇ ਗਏ patterns ਨੂੰ store ਕਰਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਤਣਾਅ ਇਸ ਗੱਲ ਤੋਂ ਆਉਂਦਾ ਹੈ ਕਿ ਉਹ ਜਾਣਕਾਰੀ ਪਹਿਲੀ ਥਾਂ ‘ਤੇ ਕਿਵੇਂ ਇਕੱਠੀ ਕੀਤੀ ਗਈ ਸੀ। ਇਸ ਪ੍ਰਕਿਰਿਆ ਨੂੰ data scraping ਵਜੋਂ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ। ਇੱਕ ਵਿਸ਼ਾਲ digital vacuum cleaner ਦੀ ਕਲਪਨਾ ਕਰੋ ਜੋ web ‘ਤੇ ਘੁੰਮਦਾ ਹੈ ਅਤੇ ਜਨਤਕ data ਦੇ ਹਰ ਬਿੱਟ ਨੂੰ ਚੂਸ ਲੈਂਦਾ ਹੈ ਜੋ ਉਹ ਲੱਭ ਸਕਦਾ ਹੈ। ਸ਼ੁਰੂਆਤੀ ਦਿਨਾਂ ਵਿੱਚ, ਇਸਨੂੰ ਜ਼ਿਆਦਾਤਰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕੀਤਾ ਜਾਂਦਾ ਸੀ। ਪਰ ਹਾਲ ਹੀ ਵਿੱਚ, ਚੀਜ਼ਾਂ ਬਦਲ ਗਈਆਂ। ਰਚਨਾਤਮਕ ਸੰਸਾਰ ਦੇ ਵੱਡੇ ਨਾਮ, ਮਸ਼ਹੂਰ ਲੇਖਕਾਂ ਤੋਂ ਲੈ ਕੇ ਪ੍ਰਮੁੱਖ news outlets ਤੱਕ, ਇਹ ਕਹਿਣਾ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤਾ ਹੈ ਕਿ ਇਹ ‘ਵੈਕਿਊਮਿੰਗ’ ਮੁਫਤ ਨਹੀਂ ਹੋਣੀ ਚਾਹੀਦੀ। ਉਹ ਦਲੀਲ ਦਿੰਦੇ ਹਨ ਕਿ ਉਹਨਾਂ ਦੇ ਕੰਮ ਦਾ ਮੁੱਲ ਹੈ ਅਤੇ ਜੇਕਰ ਇੱਕ tech company ਉਹਨਾਂ ਦੇ data ‘ਤੇ trained ਇੱਕ tool ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਪੈਸਾ ਕਮਾਉਣ ਜਾ ਰਹੀ ਹੈ, ਤਾਂ ਉਹਨਾਂ ਨੂੰ ਵੀ ਕੁਝ ਹਿੱਸਾ ਮਿਲਣਾ ਚਾਹੀਦਾ ਹੈ। ਇਹ ਬਹਿਸ ਦਾ ਕੇਂਦਰ ਹੈ। ਇਹ innovation ਦੀ ਗਤੀ ਅਤੇ ਉਹਨਾਂ ਲੋਕਾਂ ਦੇ ਅਧਿਕਾਰਾਂ ਵਿਚਕਾਰ ਇੱਕ ਖਿੱਚੋਤਾਣ ਹੈ ਜੋ ਉਸ innovation ਲਈ ਕੱਚਾ ਮਾਲ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ।

AI ਦੇ ਦਿਮਾਗ ਦਾ ਮਾਲਕ ਕੌਣ ਹੈ, ਇਹ ਵੱਡਾ ਸਵਾਲ

ਇਹ ਗੱਲਬਾਤ ਪੂਰੀ ਦੁਨੀਆ ਵਿੱਚ ਹੋ ਰਹੀ ਹੈ, ਅਤੇ ਇਹ ਅਸਲ ਵਿੱਚ ਇੰਟਰਨੈੱਟ ਦੇ ਭਵਿੱਖ ਲਈ ਬਹੁਤ ਵਧੀਆ ਖ਼ਬਰ ਹੈ। ਕਿਉਂ? ਕਿਉਂਕਿ ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਅਸੀਂ ਆਖਰਕਾਰ ਇਹ ਪਤਾ ਲਗਾ ਰਹੇ ਹਾਂ ਕਿ digital work ਨੂੰ ਆਧੁਨਿਕ ਯੁੱਗ ਲਈ ਸਮਝਦਾਰੀ ਨਾਲ ਕਿਵੇਂ ਮੁੱਲ ਦੇਣਾ ਹੈ। United States ਵਰਗੀਆਂ ਥਾਵਾਂ ‘ਤੇ, ਅਦਾਲਤਾਂ fair use ਨਾਮਕ ਕਿਸੇ ਚੀਜ਼ ‘ਤੇ ਵਿਚਾਰ ਕਰ ਰਹੀਆਂ ਹਨ। ਇਹ ਇੱਕ ਕਾਨੂੰਨੀ ਵਿਚਾਰ ਹੈ ਜੋ ਕਹਿੰਦਾ ਹੈ ਕਿ ਤੁਸੀਂ copyrighted material ਦੀ ਇਜਾਜ਼ਤ ਤੋਂ ਬਿਨਾਂ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹੋ ਜੇਕਰ ਤੁਸੀਂ ਇਸਨੂੰ ਕੁਝ ਨਵਾਂ ਬਣਾ ਰਹੇ ਹੋ ਅਤੇ ਅਸਲ creator ਨੂੰ ਨੁਕਸਾਨ ਨਹੀਂ ਪਹੁੰਚਾ ਰਹੇ ਹੋ। Tech companies ਦਲੀਲ ਦਿੰਦੀਆਂ ਹਨ ਕਿ AI training fair use ਦਾ ਅੰਤਮ ਰੂਪ ਹੈ। ਉਹ ਕਹਿੰਦੇ ਹਨ ਕਿ ਉਹ ਅਸਲ data ਤੋਂ ਬਿਲਕੁਲ ਵੱਖਰੀ ਚੀਜ਼ ਬਣਾ ਰਹੇ ਹਨ। ਦੂਜੇ ਪਾਸੇ, creators ਕਹਿੰਦੇ ਹਨ ਕਿ ਜੇਕਰ ਇੱਕ AI ਕਿਸੇ ਖਾਸ ਲੇਖਕ ਦੀ ਸ਼ੈਲੀ ਵਿੱਚ ਇੱਕ ਕਹਾਣੀ ਲਿਖ ਸਕਦਾ ਹੈ, ਤਾਂ ਇਹ ਯਕੀਨੀ ਤੌਰ ‘ਤੇ ਉਸ ਲੇਖਕ ਨਾਲ ਮੁਕਾਬਲਾ ਕਰ ਰਿਹਾ ਹੈ। ਇਹ ਸਿਰਫ਼ US ਵਿੱਚ ਨਹੀਂ ਹੋ ਰਿਹਾ। European Union ਅਤੇ Japan ਵਰਗੇ ਦੇਸ਼ ਵੀ ਆਪਣੇ ਨਿਯਮ ਬਣਾ ਰਹੇ ਹਨ। ਕੁਝ AI companies ਲਈ ਵਿਕਾਸ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਨ ਲਈ ਬਹੁਤ ਦੋਸਤਾਨਾ ਹਨ, ਜਦੋਂ ਕਿ ਦੂਸਰੇ ਆਪਣੇ ਸਥਾਨਕ artists ਅਤੇ journalists ਦੀ ਰੱਖਿਆ ਲਈ guardrails ਲਗਾ ਰਹੇ ਹਨ।

ਇਹਨਾਂ ਫੈਸਲਿਆਂ ਦਾ global impact ਬਹੁਤ ਵੱਡਾ ਹੋਵੇਗਾ। ਜੇਕਰ ਹਰ ਦੇਸ਼ ਦੇ ਵੱਖਰੇ ਨਿਯਮ ਹਨ, ਤਾਂ ਹਰ ਜਗ੍ਹਾ ਕੰਮ ਕਰਨ ਵਾਲੀਆਂ companies ਲਈ ਇਹ ਬਹੁਤ ਉਲਝਣ ਵਾਲਾ ਹੋ ਸਕਦਾ ਹੈ। ਇਸੇ ਲਈ ਬਹੁਤ ਸਾਰੇ ਲੋਕ World Intellectual Property Organization ਵੱਲ ਦੇਖ ਰਹੇ ਹਨ ਤਾਂ ਜੋ ਇੱਕ standard ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕੀਤੀ ਜਾ ਸਕੇ ਜਿਸਦਾ ਹਰ ਕੋਈ ਪਾਲਣ ਕਰ ਸਕੇ। ਇਹ ਸਿਰਫ਼ ਵੱਡੇ lawsuits ਬਾਰੇ ਨਹੀਂ ਹੈ। ਇਹ ਇੱਕ sustainable system ਬਣਾਉਣ ਬਾਰੇ ਹੈ। ਅਸੀਂ ਪਹਿਲਾਂ ਹੀ ਕੁਝ ਦਿਲਚਸਪ ਤਰੱਕੀ ਦੇਖ ਰਹੇ ਹਾਂ। ਕੁਝ tech giants ਨੇ ਵੱਡੇ publishers ਨਾਲ licensing deals ‘ਤੇ ਦਸਤਖਤ ਕਰਨੇ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤੇ ਹਨ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਉਹ ਆਪਣੇ models ਨੂੰ train ਕਰਨ ਲਈ high quality data ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੇ ਅਧਿਕਾਰ ਲਈ ਭੁਗਤਾਨ ਕਰ ਰਹੇ ਹਨ। ਇਹ journalism ਅਤੇ art ਨੂੰ ਸਮਰਥਨ ਦੇਣ ਦਾ ਇੱਕ ਸ਼ਾਨਦਾਰ ਤਰੀਕਾ ਹੋ ਸਕਦਾ ਹੈ ਜਦੋਂ ਕਿ AI technology ਨੂੰ ਤੇਜ਼ ਰਫ਼ਤਾਰ ਨਾਲ ਅੱਗੇ ਵਧਣ ਦਿੱਤਾ ਜਾਵੇ। ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਸਾਨੂੰ cool tech ਅਤੇ fair pay ਵਿਚਕਾਰ ਚੋਣ ਕਰਨ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ। ਅਸੀਂ ਦੋਵੇਂ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹਾਂ! licensing ਵੱਲ ਇਹ ਬਦਲਾਅ ਸਿਰਫ਼ ਇੱਕ ਜਾਂ ਦੋ ਸਾਲ ਪਹਿਲਾਂ ਤੋਂ ਇੱਕ ਵੱਡਾ ਬਦਲਾਅ ਹੈ ਜਦੋਂ ਜ਼ਿਆਦਾਤਰ companies ਬਿਨਾਂ ਪੁੱਛੇ ਜੋ ਕੁਝ ਵੀ ਲੱਭ ਸਕਦੀਆਂ ਸਨ, ਉਸਨੂੰ scrape ਕਰ ਲੈਂਦੀਆਂ ਸਨ।

Digital Vacuum Cleaner ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ

ਕਿਸੇ business ਲਈ, ਇਹ legal uncertainty ਥੋੜ੍ਹਾ ਸਿਰਦਰਦ ਹੋ ਸਕਦੀ ਹੈ। ਕਲਪਨਾ ਕਰੋ ਕਿ ਤੁਸੀਂ ਇੱਕ ਛੋਟੀ company ਹੋ ਜੋ AI ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇੱਕ ਨਵਾਂ app ਬਣਾਉਣਾ ਚਾਹੁੰਦੀ ਹੈ। ਜੇਕਰ ਤੁਹਾਨੂੰ ਨਹੀਂ ਪਤਾ ਕਿ ਤੁਸੀਂ ਜਿਸ AI ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹੋ, ਉਸਨੂੰ ਕਾਨੂੰਨੀ ਤੌਰ ‘ਤੇ train ਕੀਤਾ ਗਿਆ ਸੀ, ਤਾਂ ਤੁਹਾਨੂੰ ਬਾਅਦ ਵਿੱਚ ਮੁਕੱਦਮਾ ਕੀਤੇ ਜਾਣ ਬਾਰੇ ਚਿੰਤਾ ਹੋ ਸਕਦੀ ਹੈ। ਇਹ uncertainty ਚੀਜ਼ਾਂ ਨੂੰ ਹੌਲੀ ਕਰ ਸਕਦੀ ਹੈ। Companies ਨਵੀਆਂ ਚੀਜ਼ਾਂ ਬਣਾਉਣ ਦੀ ਬਜਾਏ ਪਾਸੇ ਖੜ੍ਹੇ ਰਹਿ ਸਕਦੀਆਂ ਹਨ। ਇਸੇ ਲਈ clear rules ਇੰਨੇ ਮਹੱਤਵਪੂਰਨ ਹਨ। ਜਦੋਂ rules ਸਪੱਸ਼ਟ ਹੁੰਦੇ ਹਨ, ਤਾਂ businesses ਭਰੋਸੇ ਨਾਲ invest ਕਰ ਸਕਦੇ ਹਨ। ਉਹਨਾਂ ਨੂੰ ਪਤਾ ਹੋਵੇਗਾ ਕਿ ਕਾਨੂੰਨ ਦੇ ਸਹੀ ਪਾਸੇ ਰਹਿਣ ਲਈ ਉਹਨਾਂ ਨੂੰ ਬਿਲਕੁਲ ਕੀ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਇਸਦਾ ਮਤਲਬ licensed AI models ਲਈ ਥੋੜ੍ਹਾ ਹੋਰ ਭੁਗਤਾਨ ਕਰਨਾ ਹੋ ਸਕਦਾ ਹੈ, ਪਰ ਮਨ ਦੀ ਸ਼ਾਂਤੀ ਇਸਦੇ ਯੋਗ ਹੈ। ਇਹ ਹੋਰ ethical AI tools ਬਣਾਉਣ ਨੂੰ ਵੀ ਉਤਸ਼ਾਹਿਤ ਕਰਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ businesses ਵਰਤਣ ‘ਤੇ ਮਾਣ ਮਹਿਸੂਸ ਕਰ ਸਕਦੇ ਹਨ। ਅਸੀਂ ਤੇਜ਼ੀ ਨਾਲ ਅੱਗੇ ਵਧਣ ਅਤੇ ਚੀਜ਼ਾਂ ਨੂੰ ਤੋੜਨ ਦੇ ਪੁਰਾਣੇ ਵਿਚਾਰ ਤੋਂ ਦੂਰ ਹੁੰਦੇ ਦੇਖ ਰਹੇ ਹਾਂ। ਹੁਣ, ਟੀਚਾ ਤੇਜ਼ੀ ਨਾਲ ਅੱਗੇ ਵਧਣਾ ਹੈ ਜਦੋਂ ਕਿ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਹੈ ਕਿ ਤੁਹਾਡੇ ਕੋਲ ਸਹੀ permissions ਮੌਜੂਦ ਹਨ। ਇਹ ਇੱਕ ਲੰਬੇ ਸਮੇਂ ਦੇ industry ਨੂੰ ਬਣਾਉਣ ਦਾ ਇੱਕ ਬਿਹਤਰ ਤਰੀਕਾ ਹੈ ਜਿਸ ‘ਤੇ ਹਰ ਕੋਈ ਭਰੋਸਾ ਕਰ ਸਕਦਾ ਹੈ।

ਪੂਰੀ ਦੁਨੀਆ ਅਦਾਲਤਾਂ ਵੱਲ ਕਿਉਂ ਦੇਖ ਰਹੀ ਹੈ

ਆਓ ਦੇਖੀਏ ਕਿ ਇਹ ਇੱਕ ਅਸਲ ਵਿਅਕਤੀ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ। ਮਾਈਕ ਨੂੰ ਮਿਲੋ। ਮਾਈਕ ਇੱਕ ਛੋਟੀ advertising agency ਚਲਾਉਂਦਾ ਹੈ। ਉਹ ਆਪਣੇ clients ਲਈ ideas brainstorm ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਪਸੰਦ ਕਰਦਾ ਹੈ। ਪਹਿਲਾਂ, ਉਸਨੇ ਕਦੇ ਨਹੀਂ ਸੋਚਿਆ ਸੀ ਕਿ AI ਨੂੰ ਉਸਦੇ ideas ਕਿੱਥੋਂ ਮਿਲੇ। ਪਰ ਹਾਲ ਹੀ ਵਿੱਚ, ਉਸਦੇ clients ਸਵਾਲ ਪੁੱਛ ਰਹੇ ਹਨ। ਉਹ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਚਾਹੁੰਦੇ ਹਨ ਕਿ ਮਾਈਕ ਉਹਨਾਂ ਨੂੰ ਜੋ images ਅਤੇ text ਦਿੰਦਾ ਹੈ, ਉਹ ਕਾਨੂੰਨੀ ਮੁਸੀਬਤ ਦਾ ਕਾਰਨ ਨਹੀਂ ਬਣਨਗੇ। industry ਵਿੱਚ ਹਾਲ ਹੀ ਵਿੱਚ ਹੋਏ ਬਦਲਾਵਾਂ ਕਾਰਨ, ਮਾਈਕ ਹੁਣ AI tools ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਚੋਣ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਸਿਰਫ਼ licensed data ‘ਤੇ train ਕਰਦੇ ਹਨ। ਇਹ ਉਸਦੇ ਲਈ ਇੱਕ ਵੱਡੀ ਜਿੱਤ ਹੈ। ਉਹ ਆਪਣੇ clients ਨੂੰ ਦੱਸ ਸਕਦਾ ਹੈ ਕਿ ਸਭ ਕੁਝ 100 ਪ੍ਰਤੀਸ਼ਤ legal ਅਤੇ ethical ਹੈ। ਇਹ ਉਸਨੂੰ ਇੱਕ competitive edge ਦਿੰਦਾ ਹੈ। ਦੁਨੀਆ ਦੇ ਦੂਜੇ ਪਾਸੇ, ਏਲੇਨਾ ਨਾਮ ਦੀ ਇੱਕ writer ਵੀ ਲਾਭ ਦੇਖ ਰਹੀ ਹੈ। ਉਹ ਇੱਕ ਸਮੂਹ ਨਾਲ ਸਬੰਧਤ ਹੈ ਜਿਸਨੇ ਹੁਣੇ ਇੱਕ ਪ੍ਰਮੁੱਖ AI company ਨਾਲ ਇੱਕ deal ‘ਤੇ ਦਸਤਖਤ ਕੀਤੇ ਹਨ। ਹੁਣ, ਹਰ ਵਾਰ ਜਦੋਂ AI ਉਸਦੇ ਕੰਮ ਦੀ ਵਰਤੋਂ ਸਿੱਖਣ ਲਈ ਕਰਦਾ ਹੈ, ਤਾਂ ਉਸ ਵਰਗੇ writers ਲਈ ਇੱਕ fund ਵਿੱਚ ਥੋੜ੍ਹੀ ਜਿਹੀ ਰਕਮ ਜਾਂਦੀ ਹੈ। ਇਹ ਉਸਨੂੰ ਉਹ ਕਰਦੇ ਰਹਿਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ ਜੋ ਉਹ ਪਸੰਦ ਕਰਦੀ ਹੈ ਜਦੋਂ ਕਿ technology ਦੀ ਦੁਨੀਆ ਉਸਦੇ ਆਲੇ ਦੁਆਲੇ ਬਦਲਦੀ ਰਹਿੰਦੀ ਹੈ।

ਇੱਕ ਆਧੁਨਿਕ Creator ਦੇ ਜੀਵਨ ਵਿੱਚ ਇੱਕ ਦਿਨ

ਏਲੇਨਾ ਜਾਂ ਮਾਈਕ ਵਰਗੇ ਕਿਸੇ ਵਿਅਕਤੀ ਲਈ ਇੱਕ ਆਮ ਦਿਨ ਹੁਣ ਪਹਿਲਾਂ ਨਾਲੋਂ ਬਹੁਤ ਜ਼ਿਆਦਾ ਸਪੱਸ਼ਟਤਾ ਨਾਲ ਭਰਿਆ ਹੋਇਆ ਹੈ। ਏਲੇਨਾ ਆਪਣੀ ਸਵੇਰ ਦੀ ਸ਼ੁਰੂਆਤ ਆਪਣੇ dashboard ਦੀ ਜਾਂਚ ਕਰਕੇ ਕਰਦੀ ਹੈ ਕਿ ਉਸਦਾ content ਕਿਵੇਂ ਵਰਤਿਆ ਜਾ ਰਿਹਾ ਹੈ। ਉਹ ਸਤਿਕਾਰ ਮਹਿਸੂਸ ਕਰਦੀ ਹੈ ਕਿਉਂਕਿ ਉਸ ਕੋਲ opt-out ਕਰਨ ਜਾਂ licensing program ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਣ ਦੀ ਚੋਣ ਸੀ। ਇਸ ਦੌਰਾਨ, ਮਾਈਕ ਇੱਕ AI tool ਦੀ ਵਰਤੋਂ ਕਰ ਰਿਹਾ ਹੈ ਜਿਸ ‘ਤੇ ਇੱਕ ਸਪੱਸ਼ਟ badge ਹੈ ਜੋ ਕਹਿੰਦਾ ਹੈ ਕਿ ਇਸਨੂੰ authorized data ‘ਤੇ train ਕੀਤਾ ਗਿਆ ਸੀ। ਉਹ ਆਪਣੀ ਦੁਪਹਿਰ ਇੱਕ ਸਥਾਨਕ bakery ਲਈ ਇੱਕ ਸੁੰਦਰ campaign ਬਣਾਉਣ ਵਿੱਚ ਬਿਤਾਉਂਦਾ ਹੈ, ਇਹ ਜਾਣਦੇ ਹੋਏ ਕਿ ਉਹ ਉਹਨਾਂ artists ਦਾ ਸਮਰਥਨ ਕਰ ਰਿਹਾ ਹੈ ਜਿਨ੍ਹਾਂ ਦੇ ਕੰਮ ਨੇ AI ਨੂੰ ਸਿੱਖਣ ਵਿੱਚ ਮਦਦ ਕੀਤੀ। ਇਹ copyright war ਦਾ ਅਸਲ ਸੰਸਾਰੀ impact ਹੈ। ਇਹ ਸਿਰਫ਼ suits ਵਿੱਚ lawyers ਬਾਰੇ ਨਹੀਂ ਹੈ। ਇਹ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਬਾਰੇ ਹੈ ਕਿ ਜੋ ਲੋਕ ਇੰਟਰਨੈੱਟ ਨੂੰ ਇੱਕ ਮਜ਼ੇਦਾਰ ਅਤੇ ਦਿਲਚਸਪ ਜਗ੍ਹਾ ਬਣਾਉਂਦੇ ਹਨ, ਉਹ ਆਪਣਾ ਕੰਮ ਕਰਦੇ ਰਹਿ ਸਕਣ। innovation ਅਤੇ ownership ਵਿਚਕਾਰ ਤਣਾਅ ਅਜੇ ਵੀ ਮੌਜੂਦ ਹੈ, ਪਰ ਇਹ ਇੱਕ ਉਤਪਾਦਕ ਤਣਾਅ ਬਣ ਰਿਹਾ ਹੈ। ਇਹ ਸਾਨੂੰ ਰਚਨਾਤਮਕ solutions ਲੱਭਣ ਲਈ ਪ੍ਰੇਰਿਤ ਕਰ ਰਿਹਾ ਹੈ ਜਿਨ੍ਹਾਂ ਬਾਰੇ ਅਸੀਂ ਸ਼ਾਇਦ ਪਹਿਲਾਂ ਨਹੀਂ ਸੋਚਿਆ ਹੋਵੇਗਾ।

ਕੋਈ ਇਹ ਸੋਚ ਸਕਦਾ ਹੈ ਕਿ ਇਸ ਸਾਰੀ legal checking ਦੀਆਂ ਲੁਕੀਆਂ ਹੋਈਆਂ costs ਕੀ ਹਨ ਅਤੇ ਕੀ ਇਹ ਸਾਡੇ ਪਸੰਦੀਦਾ tools ਨੂੰ ਹੋਰ ਮਹਿੰਗੇ ਬਣਾ ਦੇਵੇਗਾ। ਇਹ ਪੁੱਛਣ ਲਈ ਇੱਕ ਬਹੁਤ ਹੀ fair ਸਵਾਲ ਹੈ। ਜੇਕਰ companies ਨੂੰ data ਦੇ ਹਰ ਟੁਕੜੇ ਲਈ ਭੁਗਤਾਨ ਕਰਨਾ ਪੈਂਦਾ ਹੈ, ਤਾਂ ਕੀ ਉਹ ਉਹ costs ਸਾਨੂੰ ਦੇਣਗੇ? ਸਾਨੂੰ ਇਹ ਵੀ ਸੋਚਣਾ ਪਵੇਗਾ ਕਿ ਕੀ ਇਹ ਸਭ ਤੋਂ ਵੱਡੀਆਂ tech companies ਨੂੰ ਇੱਕ ਵੱਡਾ advantage ਦੇਵੇਗਾ ਜਿਨ੍ਹਾਂ ਕੋਲ licenses ਲਈ ਭੁਗਤਾਨ ਕਰਨ ਲਈ ਸਭ ਤੋਂ ਵੱਧ ਪੈਸਾ ਹੈ। ਇਹ ਹੱਲ ਕਰਨ ਲਈ ਇੱਕ ਦਿਲਚਸਪ puzzle ਹੈ ਕਿਉਂਕਿ ਅਸੀਂ AI ਨੂੰ ਸਿਰਫ਼ ਅਮੀਰਾਂ ਲਈ ਨਹੀਂ, ਸਗੋਂ ਹਰ ਕਿਸੇ ਲਈ accessible ਰੱਖਣਾ ਚਾਹੁੰਦੇ ਹਾਂ। ਸਾਨੂੰ privacy ਬਾਰੇ ਵੀ ਉਤਸੁਕ ਰਹਿਣਾ ਪਵੇਗਾ। ਜੇਕਰ ਇੱਕ AI ਨੂੰ public data ‘ਤੇ train ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਸਾਨੂੰ ਹਮੇਸ਼ਾ ਇਹ ਪੁੱਛਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਸਾਡੀ personal information ਨੂੰ ਕਿਵੇਂ ਸੰਭਾਲਿਆ ਜਾ ਰਿਹਾ ਹੈ। ਇਹ ਚਿੰਤਾ ਕਰਨ ਦੇ ਕਾਰਨ ਨਹੀਂ ਹਨ, ਪਰ ਇਹ ਬਹੁਤ ਵਧੀਆ ਚੀਜ਼ਾਂ ਹਨ ਜਿਨ੍ਹਾਂ ‘ਤੇ ਸਾਨੂੰ ਸਾਰਿਆਂ ਨੂੰ ਇਕੱਠੇ ਸਿੱਖਦੇ ਹੋਏ ਨਜ਼ਰ ਰੱਖਣੀ ਚਾਹੀਦੀ ਹੈ। ਉਤਸੁਕ ਹੋਣਾ ਸਾਨੂੰ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ ਕਿ technology ਲੰਬੇ ਸਮੇਂ ਵਿੱਚ ਹਰ ਕਿਸੇ ਲਈ ਮਦਦਗਾਰ ਅਤੇ ਦੋਸਤਾਨਾ ਰਹੇ।

Legal Compliance ਦਾ ਤਕਨੀਕੀ ਪੱਖ

ਹੁਣ, ਉਹਨਾਂ ਲਈ ਜੋ nitty gritty details ਵਿੱਚ ਜਾਣਾ ਪਸੰਦ ਕਰਦੇ ਹਨ, ਆਓ ਗੱਲ ਕਰੀਏ ਕਿ ਇਹ technical level ‘ਤੇ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ। Developers copyright ਨੂੰ ਸੰਭਾਲਣ ਦੇ ਕੁਝ ਬਹੁਤ ਹੀ ਚਲਾਕ ਤਰੀਕੇ ਬਣਾ ਰਹੇ ਹਨ। ਸਭ ਤੋਂ ਵੱਡੇ trends ਵਿੱਚੋਂ ਇੱਕ ਛੋਟੇ, specialized models ਦੀ ਵਰਤੋਂ ਹੈ। ਇੱਕ ਵਿਸ਼ਾਲ AI ਦੀ ਬਜਾਏ ਜੋ ਸਭ ਕੁਝ ਜਾਣਦਾ ਹੈ, companies ਛੋਟੇ models ਬਣਾ ਰਹੀਆਂ ਹਨ ਜੋ ਬਹੁਤ ਖਾਸ, licensed datasets ‘ਤੇ train ਕੀਤੇ ਜਾਂਦੇ ਹਨ। ਇਹ ਜਾਣਕਾਰੀ ਕਿੱਥੋਂ ਆਈ ਹੈ, ਇਸਨੂੰ track ਕਰਨਾ ਬਹੁਤ ਸੌਖਾ ਬਣਾਉਂਦਾ ਹੈ। ਅਸੀਂ API limits ਅਤੇ data provenance ‘ਤੇ ਵੀ ਬਹੁਤ ਕੰਮ ਦੇਖ ਰਹੇ ਹਾਂ। Provenance ਸਿਰਫ਼ ਇੱਕ fancy ਸ਼ਬਦ ਹੈ ਜਿਸਦਾ ਅਰਥ ਹੈ ਕਿ data ਦਾ ਇੱਕ ਟੁਕੜਾ ਕਿੱਥੋਂ ਸ਼ੁਰੂ ਹੋਇਆ ਸੀ। blockchain ਜਾਂ ਹੋਰ digital signatures ਦੀ ਵਰਤੋਂ ਕਰਕੇ, developers ਇਹ ਸਾਬਤ ਕਰ ਸਕਦੇ ਹਨ ਕਿ training data ਦਾ ਇੱਕ ਟੁਕੜਾ ਇਜਾਜ਼ਤ ਨਾਲ ਵਰਤਿਆ ਗਿਆ ਸੀ। ਇਹ ਬਹੁਤ ਸਾਰੀਆਂ AI teams ਲਈ workflow ਦਾ ਇੱਕ standard ਹਿੱਸਾ ਬਣ ਰਿਹਾ ਹੈ। ਇਹ ਸਭ creator ਤੋਂ AI output ਤੱਕ ਇੱਕ transparent pipeline ਬਣਾਉਣ ਬਾਰੇ ਹੈ।

tech ਦਾ ਇੱਕ ਹੋਰ cool ਟੁਕੜਾ Retrieval-Augmented Generation ਕਹਾਉਂਦਾ ਹੈ। ਇਹ ਇੱਕ AI ਲਈ training ਦੌਰਾਨ ਸਿੱਖੀਆਂ ਗੱਲਾਂ ‘ਤੇ ਭਰੋਸਾ ਕਰਨ ਦੀ ਬਜਾਏ ਇੱਕ ਖਾਸ, trusted source ਤੋਂ real time ਵਿੱਚ ਜਾਣਕਾਰੀ ਲੱਭਣ ਦਾ ਇੱਕ ਤਰੀਕਾ ਹੈ। ਇਹ legal ਰਹਿਣ ਲਈ ਬਹੁਤ ਵਧੀਆ ਹੈ ਕਿਉਂਕਿ company ਬਿਲਕੁਲ ਨਿਯੰਤਰਣ ਕਰ ਸਕਦੀ ਹੈ ਕਿ AI ਨੂੰ ਕਿਹੜੇ documents ਦੇਖਣ ਦੀ ਇਜਾਜ਼ਤ ਹੈ। ਇਹ local storage ਵਿੱਚ ਵੀ ਮਦਦ ਕਰਦਾ ਹੈ। ਬਹੁਤ ਸਾਰੇ businesses ਹੁਣ ਆਪਣੇ servers ‘ਤੇ ਆਪਣੇ private data ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਆਪਣੇ AI models ਨੂੰ ਚਲਾਉਣ ਦੀ ਚੋਣ ਕਰ ਰਹੇ ਹਨ। ਇਹ ਪੂਰੀ public scraping ਬਹਿਸ ਤੋਂ ਬਚਦਾ ਹੈ। ਉਹ ਇੱਕ base model ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹਨ ਜੋ ਪਹਿਲਾਂ ਹੀ ਵਰਤੋਂ ਲਈ ਸਾਫ਼ ਕੀਤਾ ਗਿਆ ਹੈ ਅਤੇ ਫਿਰ ਆਪਣੀ ‘secret sauce’ ਉੱਪਰ ਜੋੜ ਸਕਦੇ ਹਨ। innovative ਰਹਿੰਦੇ ਹੋਏ ਸਭ ਕੁਝ safe and sound ਰੱਖਣ ਦਾ ਇਹ ਇੱਕ ਬਹੁਤ ਹੀ smart ਤਰੀਕਾ ਹੈ। U.S. Copyright Office ਇਹਨਾਂ technical methods ‘ਤੇ ਆਪਣੀ guidance ਨੂੰ ਲਗਾਤਾਰ update ਕਰ ਰਿਹਾ ਹੈ, ਇਸ ਲਈ ਉਹਨਾਂ ਦੀਆਂ reports ‘ਤੇ ਨਜ਼ਰ ਰੱਖਣਾ ਇੱਕ ਚੰਗਾ ਵਿਚਾਰ ਹੈ।

ਅਸੀਂ synthetic data ਦੀ ਦੁਨੀਆ ਵਿੱਚ ਵੀ ਬਹੁਤ ਵਾਧਾ ਦੇਖ ਰਹੇ ਹਾਂ। ਇਹ ਉਹ data ਹੈ ਜੋ ਕਿਸੇ ਹੋਰ AI ਦੁਆਰਾ ਖਾਸ ਤੌਰ ‘ਤੇ training purposes ਲਈ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ। ਕਿਉਂਕਿ ਇੱਕ machine ਨੇ ਇਸਨੂੰ ਬਣਾਇਆ ਹੈ, ਇਸ ਲਈ ਮਨੁੱਖੀ copyright issues ਬਾਰੇ ਚਿੰਤਾ ਕਰਨ ਦੀ ਕੋਈ ਲੋੜ ਨਹੀਂ! ਹਾਲਾਂਕਿ, ਤੁਹਾਨੂੰ ਅਜੇ ਵੀ ਕੰਮ ਸ਼ੁਰੂ ਕਰਨ ਲਈ ਕੁਝ ਅਸਲ human data ਦੀ ਲੋੜ ਹੈ। ਅਸਲ human creativity ਅਤੇ synthetic data ਦੀ ਵਰਤੋਂ ਵਿਚਕਾਰ ਸੰਤੁਲਨ ਇਸ ਸਮੇਂ researchers ਲਈ ਇੱਕ ਮੁੱਖ ਫੋਕਸ ਹੈ। ਬਿਹਤਰ robots.txt files ਲਈ ਵੀ ਇੱਕ ਵੱਡਾ ਜ਼ੋਰ ਹੈ। ਇਹ websites ‘ਤੇ ਉਹ ਛੋਟੀਆਂ files ਹਨ ਜੋ search engines ਨੂੰ ਦੱਸਦੀਆਂ ਹਨ ਕਿ ਉਹ ਕੀ ਦੇਖ ਸਕਦੇ ਹਨ ਅਤੇ ਕੀ ਨਹੀਂ। ਇਹਨਾਂ files ਦੇ ਨਵੇਂ versions AI scrapers ਨੂੰ ਬਿਲਕੁਲ ਇਹ ਦੱਸਣ ਲਈ ਤਿਆਰ ਕੀਤੇ ਜਾ ਰਹੇ ਹਨ ਕਿ ਉਹਨਾਂ ਨੂੰ ਕੀ ਵਰਤਣ ਦੀ ਇਜਾਜ਼ਤ ਹੈ। ਇਹ ਇੱਕ ਬਹੁਤ ਹੀ ਮਨੁੱਖੀ ਸਮੱਸਿਆ ਦਾ ਇੱਕ technical solution ਹੈ, ਅਤੇ ਇਹ ਹਰ ਕਿਸੇ ਲਈ ਇੱਕ ਹੋਰ polite ਅਤੇ respectful ਇੰਟਰਨੈੱਟ ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰ ਰਿਹਾ ਹੈ। ਇਹਨਾਂ developments ਬਾਰੇ ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ, ਤੁਸੀਂ New York Times lawsuit ‘ਤੇ ਨਵੀਨਤਮ updates ਦੇਖ ਸਕਦੇ ਹੋ ਜੋ ਇਹਨਾਂ ਵਿਚਾਰਾਂ ਲਈ ਇੱਕ ਪ੍ਰਮੁੱਖ test case 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.

ਮੁੱਖ ਗੱਲ ਇਹ ਹੈ ਕਿ AI ਦੀ ਦੁਨੀਆ ਵੱਡੀ ਹੋ ਰਹੀ ਹੈ। ਅਸੀਂ ਉਸ ਪੜਾਅ ਤੋਂ ਅੱਗੇ ਵਧ ਰਹੇ ਹਾਂ ਜਿੱਥੇ ਸਭ ਕੁਝ ਥੋੜ੍ਹਾ ਗੜਬੜ ਵਾਲਾ ਸੀ ਅਤੇ ਇੱਕ ਅਜਿਹੇ ਸਮੇਂ ਵਿੱਚ ਆ ਰਹੇ ਹਾਂ ਜਿੱਥੇ ਹਰ ਕਿਸੇ ਲਈ ਸਪੱਸ਼ਟ ਰਸਤੇ ਹਨ। ਇਹ copyright conversation ਇੱਕ ਸੰਕੇਤ ਹੈ ਕਿ AI ਸਾਡੇ ਸਮਾਜ ਦਾ ਇੱਕ ਸਥਾਈ ਅਤੇ ਸਤਿਕਾਰਤ ਹਿੱਸਾ ਬਣ ਰਿਹਾ ਹੈ। ਇਹ ਸਾਨੂੰ ਇਹ ਸੋਚਣ ਲਈ ਮਜਬੂਰ ਕਰ ਰਿਹਾ ਹੈ ਕਿ ਇੱਕ creator ਹੋਣ ਦਾ ਕੀ ਮਤਲਬ ਹੈ ਅਤੇ ਅਸੀਂ ਆਪਣੀਆਂ ਬਣਾਈਆਂ ਚੀਜ਼ਾਂ ਦੀ ਕਿਵੇਂ ਰੱਖਿਆ ਕਰ ਸਕਦੇ ਹਾਂ। ਭਾਵੇਂ ਤੁਸੀਂ ਇੱਕ tech fan ਹੋ, ਇੱਕ business owner ਹੋ, ਜਾਂ ਇੱਕ artist ਹੋ, ਇਹ ਸਭ ਬਹੁਤ ਸਕਾਰਾਤਮਕ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਅਸੀਂ ਜੋ tools ਵਰਤਦੇ ਹਾਂ ਉਹ fairness ਅਤੇ respect ਦੀ ਨੀਂਹ ‘ਤੇ ਬਣਾਏ ਜਾਣਗੇ। ਜਿਵੇਂ ਅਸੀਂ ਅੱਗੇ ਵਧਦੇ ਹਾਂ, ਅਸੀਂ ਹੋਰ ਵੀ ਸ਼ਾਨਦਾਰ inventions ਦੇਖਾਂਗੇ ਜੋ ਸਾਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਕੰਮ ਕਰਨ ਅਤੇ ਹੋਰ ਰਚਨਾਤਮਕ ਬਣਨ ਵਿੱਚ ਮਦਦ ਕਰਨਗੇ। technology ਲਈ ਇਹ ਇੱਕ ਉੱਜਵਲ ਅਤੇ sunny ਭਵਿੱਖ ਹੈ, ਅਤੇ ਅਸੀਂ ਸਾਰੇ ਇਸ journey ਦਾ ਹਿੱਸਾ ਹਾਂ। ਉਤਸੁਕ ਰਹੋ ਅਤੇ ਖੋਜ ਕਰਦੇ ਰਹੋ, ਕਿਉਂਕਿ ਸਭ ਤੋਂ ਵਧੀਆ ਅਜੇ ਆਉਣਾ ਬਾਕੀ ਹੈ!