2026 ਵਿੱਚ AI ਨੂੰ ਆਕਾਰ ਦੇਣ ਵਾਲੇ 20 ਲੋਕ
ਤਰਕ ਦੇ ਨਵੇਂ ਆਰਕੀਟੈਕਟ
ਤਕਨਾਲੋਜੀ ਦੇ ਖੇਤਰ ਵਿੱਚ ਤਾਕਤ ਦਾ ਕੇਂਦਰ ਹੁਣ ਕੋਡ ਲਿਖਣ ਵਾਲਿਆਂ ਤੋਂ ਬਦਲ ਕੇ ਉਨ੍ਹਾਂ ਲੋਕਾਂ ਕੋਲ ਚਲਾ ਗਿਆ ਹੈ ਜੋ ਸੋਚਣ ਦੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਮਾਲਕ ਹਨ। ਅੱਜ ਦੇ ਦੌਰ ਵਿੱਚ, ਪ੍ਰਭਾਵ ਨੂੰ ਸੋਸ਼ਲ ਮੀਡੀਆ ਫਾਲੋਅਰਜ਼ ਜਾਂ ਜਨਤਕ ਦਿੱਖ ਨਾਲ ਨਹੀਂ ਮਾਪਿਆ ਜਾਂਦਾ। ਇਹ flops, ਕਿਲੋਵਾਟ ਅਤੇ ਮਲਕੀਅਤ ਵਾਲੇ ਡੇਟਾ ਸੈੱਟਾਂ ਵਿੱਚ ਮਾਪਿਆ ਜਾਂਦਾ ਹੈ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੀ ਦਿਸ਼ਾ ਤੈਅ ਕਰਨ ਵਾਲੇ ਇਹ ਵੀਹ ਵਿਅਕਤੀ ਸਾਰੇ ਜਾਣੇ-ਪਛਾਣੇ ਨਾਮ ਨਹੀਂ ਹਨ। ਕੁਝ ਬ੍ਰਸੇਲਜ਼ ਵਿੱਚ ਰੈਗੂਲੇਟਰ ਹਨ, ਤਾਂ ਕੁਝ ਤਾਈਵਾਨ ਵਿੱਚ ਸਪਲਾਈ ਚੇਨ ਮੈਨੇਜਰ। ਉਹ ਸਾਰੇ ਇੱਕ ਗੱਲ ਸਾਂਝੀ ਰੱਖਦੇ ਹਨ: ਉਹ ਉਦਯੋਗਿਕ ਯੁੱਗ ਤੋਂ ਬਾਅਦ ਦੇ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਤਕਨੀਕੀ ਬਦਲਾਅ ਦੇ ਅਹਿਮ ਹਿੱਸਿਆਂ ਨੂੰ ਕੰਟਰੋਲ ਕਰਦੇ ਹਨ। ਅਸੀਂ ਚੁਟਕਲੇ ਸੁਣਾਉਣ ਵਾਲੇ ਚੈਟ ਬੋਟਸ ਦੇ ਦੌਰ ਤੋਂ ਅੱਗੇ ਨਿਕਲ ਚੁੱਕੇ ਹਾਂ। ਹੁਣ ਅਸੀਂ ਅਜਿਹੇ ਏਜੰਟਿਕ ਸਿਸਟਮਾਂ ਦੇ ਦੌਰ ਵਿੱਚ ਹਾਂ ਜੋ ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ਤੋਂ ਬਿਨਾਂ ਗੁੰਝਲਦਾਰ ਕੰਮ ਕਰਦੇ ਹਨ। ਇਸ ਬਦਲਾਅ ਨੇ ਤਾਕਤ ਨੂੰ ਪਹਿਲਾਂ ਨਾਲੋਂ ਕਿਤੇ ਘੱਟ ਹੱਥਾਂ ਵਿੱਚ ਇਕੱਠਾ ਕਰ ਦਿੱਤਾ ਹੈ। ਇਸ ਛੋਟੇ ਸਮੂਹ ਦੁਆਰਾ ਲਏ ਗਏ ਫੈਸਲੇ ਇਹ ਤੈਅ ਕਰਨਗੇ ਕਿ ਅਗਲੇ ਦਹਾਕੇ ਵਿੱਚ ਦੌਲਤ ਕਿਵੇਂ ਵੰਡੀ ਜਾਵੇਗੀ ਅਤੇ ਸੱਚਾਈ ਦੀ ਪੁਸ਼ਟੀ ਕਿਵੇਂ ਹੋਵੇਗੀ। ਹੁਣ ਧਿਆਨ ਇਸ ਗੱਲ ‘ਤੇ ਹੈ ਕਿ ਇਹ ਸਿਸਟਮ ਕੀ ਕਰ ਸਕਦੇ ਹਨ, ਨਾ ਕਿ ਇਹ ਕਿ ਕੀ ਕਹਿ ਸਕਦੇ ਹਨ। ਇਹ ਗਲੋਬਲ ਪ੍ਰਭਾਵ ਦੀ ਨਵੀਂ ਹਕੀਕਤ ਹੈ।
ਰਿਸਰਚ ਲੈਬ ਤੋਂ ਪਰੇ
ਆਮ ਲੋਕ ਅਕਸਰ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਨੂੰ ਇੱਕ ਸਥਿਰ ਖੇਤਰ ਵਜੋਂ ਦੇਖਦੇ ਹਨ ਜਿੱਥੇ ਤਰੱਕੀ ਅਚਾਨਕ ਛਾਲਾਂ ਮਾਰਦੀ ਹੈ। ਅਸਲੀਅਤ ਇਹ ਹੈ ਕਿ ਇਹ ਆਪਟੀਮਾਈਜ਼ੇਸ਼ਨ ਅਤੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਨੂੰ ਵਧਾਉਣ ਦੀ ਇੱਕ ਨਿਰੰਤਰ ਪ੍ਰਕਿਰਿਆ ਹੈ। ਇਸ ਖੇਤਰ ਨੂੰ ਆਕਾਰ ਦੇਣ ਵਾਲੇ ਲੋਕ ਹੁਣ ਵੱਡੇ ਲੈਂਗੂਏਜ ਮਾਡਲਾਂ ਤੋਂ ਏਜੰਟਿਕ ਵਰਕਫਲੋ ਵੱਲ ਤਬਦੀਲੀ ‘ਤੇ ਧਿਆਨ ਦੇ ਰਹੇ ਹਨ। ਕੁਝ ਸਾਲ ਪਹਿਲਾਂ, ਮੁੱਖ ਟੀਚਾ ਮਸ਼ੀਨ ਨੂੰ ਇਨਸਾਨਾਂ ਵਾਂਗ ਬੁਲਵਾਉਣਾ ਸੀ। ਅੱਜ, ਟੀਚਾ ਮਸ਼ੀਨ ਨੂੰ ਇੱਕ ਭਰੋਸੇਮੰਦ ਕਰਮਚਾਰੀ ਵਾਂਗ ਕੰਮ ਕਰਵਾਉਣਾ ਹੈ। ਇਸ ਬਦਲਾਅ ਨੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਲੋਕਾਂ ਦੀ ਸੂਚੀ ਵੀ ਬਦਲ ਦਿੱਤੀ ਹੈ। ਅਸੀਂ 2010 ਦੇ ਦਹਾਕੇ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ ਹਾਵੀ ਰਹਿਣ ਵਾਲੇ ਖੋਜ ਵਿਗਿਆਨੀਆਂ ਤੋਂ ਦੂਰ ਜਾ ਰਹੇ ਹਾਂ। ਨਵੇਂ ਪਾਵਰ ਪਲੇਅਰ ਉਹ ਹਨ ਜੋ ਇੱਕ ਕੱਚੇ ਮਾਡਲ ਅਤੇ ਤਿਆਰ ਉਤਪਾਦ ਵਿਚਕਾਰ ਪਾੜੇ ਨੂੰ ਭਰ ਸਕਦੇ ਹਨ। ਉਹ ਉਹ ਲੋਕ ਹਨ ਜੋ ਇਹ ਸਮਝ ਰਹੇ ਹਨ ਕਿ ਇਨ੍ਹਾਂ ਮਾਡਲਾਂ ਨੂੰ ਲੋਕਲ ਹਾਰਡਵੇਅਰ ‘ਤੇ ਕਿਵੇਂ ਚਲਾਉਣਾ ਹੈ ਅਤੇ API ਕਾਲਾਂ ਦੀ ਲੇਟੈਂਸੀ ਨੂੰ ਲਗਭਗ ਜ਼ੀਰੋ ਤੱਕ ਕਿਵੇਂ ਘਟਾਉਣਾ ਹੈ। ਉਹ ਉਹ ਲੋਕ ਵੀ ਹਨ ਜੋ ਡੇਟਾ ਸੈਂਟਰਾਂ ਨੂੰ ਚਲਾਉਣ ਲਈ ਲੋੜੀਂਦੇ ਭਾਰੀ ਊਰਜਾ ਸਮਝੌਤਿਆਂ ‘ਤੇ ਗੱਲਬਾਤ ਕਰ ਰਹੇ ਹਨ।
ਜਨਤਕ ਧਾਰਨਾ ਅਤੇ ਉਦਯੋਗ ਦੀ ਅਸਲੀਅਤ ਵਿੱਚ ਇੱਕ ਵੱਡਾ ਅੰਤਰ ਹੈ। ਜ਼ਿਆਦਾਤਰ ਲੋਕ ਅਜੇ ਵੀ ਮੰਨਦੇ ਹਨ ਕਿ ਅਸੀਂ ਇੱਕ ਸਿੰਗਲ, ਸੈਂਟੀਐਂਟ ਸੁਪਰਇੰਟੈਲੀਜੈਂਸ ਵੱਲ ਵਧ ਰਹੇ ਹਾਂ। ਅਸਲੀਅਤ ਬਹੁਤ ਜ਼ਿਆਦਾ ਖਿੰਡੀ ਹੋਈ ਹੈ। ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹਸਤੀਆਂ ਅਸਲ ਵਿੱਚ ਹਜ਼ਾਰਾਂ ਵਿਸ਼ੇਸ਼, ਸੀਮਤ ਏਜੰਟ ਬਣਾ ਰਹੀਆਂ ਹਨ। ਇਹ ਏਜੰਟ ਮਨੁੱਖੀ ਅਰਥਾਂ ਵਿੱਚ ਨਹੀਂ ਸੋਚਦੇ। ਉਹ ਖਾਸ ਕੰਮਾਂ ਜਿਵੇਂ ਕਿ ਕਾਨੂੰਨੀ ਖੋਜ, ਪ੍ਰੋਟੀਨ ਫੋਲਡਿੰਗ, ਜਾਂ ਲੌਜਿਸਟਿਕਸ ਰੂਟਿੰਗ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਂਦੇ ਹਨ। ਉਦਯੋਗ ਨੇ ਆਮ ਉਦੇਸ਼ ਵਾਲੇ ਟੂਲਸ ਤੋਂ ਉੱਚ-ਸ਼ੁੱਧਤਾ ਵਾਲੇ ਯੰਤਰਾਂ ਵੱਲ ਕਦਮ ਵਧਾਇਆ ਹੈ। ਇਹ ਬਦਲਾਅ ਕਿਸੇ ਮਸ਼ੀਨੀ ਦੇਵਤੇ ਦੇ ਜਨਮ ਨਾਲੋਂ ਘੱਟ ਨਾਟਕੀ ਹੈ, ਪਰ ਗਲੋਬਲ ਆਰਥਿਕਤਾ ਲਈ ਇਹ ਕਿਤੇ ਜ਼ਿਆਦਾ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੈ। ਇਸ ਮੁਹਿੰਮ ਦੀ ਅਗਵਾਈ ਕਰਨ ਵਾਲੇ ਉਹ ਲੋਕ ਹਨ ਜੋ ਸਮਝਦੇ ਹਨ ਕਿ ਉਪਯੋਗਤਾ ਹਮੇਸ਼ਾ ਨਵੀਨਤਾ ਤੋਂ ਅੱਗੇ ਹੁੰਦੀ ਹੈ। ਉਹ ਕੱਚੀ ਕੰਪਿਊਟ ਡੈਨਸਿਟੀ ਨੂੰ ਦੁਨੀਆ ਦੀਆਂ ਸਭ ਤੋਂ ਵੱਡੀਆਂ ਕਾਰਪੋਰੇਸ਼ਨਾਂ ਲਈ ਠੋਸ ਆਰਥਿਕ ਮੁੱਲ ਵਿੱਚ ਬਦਲ ਰਹੇ ਹਨ।
ਕੰਪਿਊਟ ਦੀ ਭੂ-ਰਾਜਨੀਤੀ
AI ਵਿੱਚ ਪ੍ਰਭਾਵ ਹੁਣ ਰਾਸ਼ਟਰੀ ਸੁਰੱਖਿਆ ਅਤੇ ਗਲੋਬਲ ਵਪਾਰ ਤੋਂ ਵੱਖ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ। ਇਸ ਸੂਚੀ ਵਿੱਚ ਸਭ ਤੋਂ ਉੱਪਰ ਉਹ ਸਰਕਾਰੀ ਅਧਿਕਾਰੀ ਸ਼ਾਮਲ ਹਨ ਜੋ ਇਹ ਫੈਸਲਾ ਕਰਦੇ ਹਨ ਕਿ ਕਿਹੜੇ ਦੇਸ਼ ਨਵੀਨਤਮ ਚਿਪਸ ਖਰੀਦ ਸਕਦੇ ਹਨ। ਇਸ ਵਿੱਚ NVIDIA ਅਤੇ TSMC ਵਰਗੀਆਂ ਫਰਮਾਂ ਦੇ ਕਾਰਜਕਾਰੀ ਵੀ ਸ਼ਾਮਲ ਹਨ ਜੋ ਇੰਟੈਲੀਜੈਂਸ ਦੇ ਭੌਤਿਕ ਉਤਪਾਦਨ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਦੇ ਹਨ। ਦੁਨੀਆ ਇਸ ਸਮੇਂ ਉਨ੍ਹਾਂ ਲੋਕਾਂ ਵਿੱਚ ਵੰਡੀ ਹੋਈ ਹੈ ਜੋ ਉੱਚ-ਅੰਤ ਵਾਲੇ ਸੈਮੀਕੰਡਕਟਰ ਪੈਦਾ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਜੋ ਨਹੀਂ ਕਰ ਸਕਦੇ। ਇਹ ਵੰਡ ਇੱਕ ਨਵੀਂ ਕਿਸਮ ਦੀ ਤਾਕਤ ਪੈਦਾ ਕਰਦੀ ਹੈ। ਵਾਸ਼ਿੰਗਟਨ ਜਾਂ ਬੀਜਿੰਗ ਵਿੱਚ ਇੱਕ ਸਿੰਗਲ ਨੀਤੀਗਤ ਬਦਲਾਅ ਰਾਤੋ-ਰਾਤ ਪੂਰੇ ਸਾਫਟਵੇਅਰ ਈਕੋਸਿਸਟਮ ਦੀ ਪ੍ਰਗਤੀ ਨੂੰ ਰੋਕ ਸਕਦਾ ਹੈ। ਇਹੀ ਕਾਰਨ ਹੈ ਕਿ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਲੋਕਾਂ ਦੀ ਸੂਚੀ ਵਿੱਚ ਪੰਜ ਸਾਲ ਪਹਿਲਾਂ ਨਾਲੋਂ ਜ਼ਿਆਦਾ ਡਿਪਲੋਮੈਟ ਅਤੇ ਸਪਲਾਈ ਚੇਨ ਮਾਹਰ ਸ਼ਾਮਲ ਹਨ। ਉਹ ਭੌਤਿਕ ਪਰਤ ਦੇ ਗੇਟਕੀਪਰ ਹਨ। ਉਨ੍ਹਾਂ ਦੇ ਸਹਿਯੋਗ ਤੋਂ ਬਿਨਾਂ, ਸਭ ਤੋਂ ਉੱਨਤ ਐਲਗੋਰਿਦਮ ਸਿਰਫ ਕੋਡ ਦੀਆਂ ਲਾਈਨਾਂ ਹਨ ਜਿਨ੍ਹਾਂ ਕੋਲ ਚੱਲਣ ਲਈ ਕੋਈ ਥਾਂ ਨਹੀਂ ਹੈ।
ਇਨ੍ਹਾਂ ਵੀਹ ਵਿਅਕਤੀਆਂ ਦਾ ਗਲੋਬਲ ਪ੍ਰਭਾਵ ਲੇਬਰ ਮਾਰਕੀਟ ਤੱਕ ਫੈਲਿਆ ਹੋਇਆ ਹੈ। ਅਸੀਂ ਵ੍ਹਾਈਟ-ਕਾਲਰ ਉਦਯੋਗਾਂ ਵਿੱਚ ਢਾਂਚਾਗਤ ਵਿਸਥਾਪਨ ਦੇ ਪਹਿਲੇ ਅਸਲ ਸੰਕੇਤ ਦੇਖ ਰਹੇ ਹਾਂ। OpenAI ਅਤੇ Anthropic ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਦੇ ਆਗੂ ਸਿਰਫ਼ ਟੂਲ ਨਹੀਂ ਬਣਾ ਰਹੇ ਹਨ। ਉਹ ਪੇਸ਼ੇਵਰ ਹੋਣ ਦੇ ਅਰਥਾਂ ਨੂੰ ਮੁੜ ਪਰਿਭਾਸ਼ਿਤ ਕਰ ਰਹੇ ਹਨ। ਪ੍ਰਬੰਧਨ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀਆਂ ਵਿਚਕਾਰਲੀਆਂ ਪਰਤਾਂ ਨੂੰ ਸਵੈਚਾਲਿਤ ਕਰਕੇ, ਉਹ ਸਰਕਾਰਾਂ ਨੂੰ ਸਿੱਖਿਆ ਅਤੇ ਸਮਾਜਿਕ ਸੁਰੱਖਿਆ ਜਾਲਾਂ ਬਾਰੇ ਮੁੜ ਸੋਚਣ ਲਈ ਮਜਬੂਰ ਕਰ ਰਹੇ ਹਨ। ਇਹ ਭਵਿੱਖ ਲਈ ਕੋਈ ਸਿਧਾਂਤਕ ਸਮੱਸਿਆ ਨਹੀਂ ਹੈ। ਇਹ ਹੁਣ ਵਾਪਰ ਰਿਹਾ ਹੈ ਕਿਉਂਕਿ ਕੰਪਨੀਆਂ ਇਨ੍ਹਾਂ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਆਪਣੇ ਮੁੱਖ ਕਾਰਜਾਂ ਵਿੱਚ ਜੋੜ ਰਹੀਆਂ ਹਨ। ਇਨ੍ਹਾਂ ਵੀਹ ਲੋਕਾਂ ਦਾ ਪ੍ਰਭਾਵ ਹਰ Fortune 500 ਕੰਪਨੀ ਦੇ ਬੋਰਡਰੂਮ ਵਿੱਚ ਮਹਿਸੂਸ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਉਹ ਬਦਲਾਅ ਦੀ ਰਫਤਾਰ ਤੈਅ ਕਰ ਰਹੇ ਹਨ, ਅਤੇ ਉਹ ਰਫਤਾਰ ਇਸ ਸਮੇਂ ਜ਼ਿਆਦਾਤਰ ਸੰਸਥਾਵਾਂ ਦੀ ਅਨੁਕੂਲ ਹੋਣ ਦੀ ਸਮਰੱਥਾ ਤੋਂ ਵੱਧ ਹੈ। ਤੇਜ਼ ਅਤੇ ਹੌਲੀ ਲੋਕਾਂ ਵਿਚਕਾਰ ਪਾੜਾ ਵਧ ਰਿਹਾ ਹੈ, ਅਤੇ ਇਹ ਆਰਕੀਟੈਕਟ ਹੀ ਹਨ ਜੋ ਨਕਸ਼ਾ ਸੰਭਾਲੀ ਬੈਠੇ ਹਨ।
ਏਜੰਟਾਂ ਨਾਲ ਰਹਿਣਾ
ਇਨ੍ਹਾਂ ਵਿਅਕਤੀਆਂ ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਸਮਝਣ ਲਈ, ਇੱਕ ਵੱਡੀ ਫਰਮ ਵਿੱਚ ਇੱਕ ਆਮ ਪ੍ਰੋਜੈਕਟ ਮੈਨੇਜਰ ਦੇ ਦਿਨ ਬਾਰੇ ਸੋਚੋ। ਪੰਜ ਸਾਲ ਪਹਿਲਾਂ, ਇਹ ਵਿਅਕਤੀ ਈਮੇਲਾਂ ਲਿਖਣ, ਮੀਟਿੰਗਾਂ ਤੈਅ ਕਰਨ ਅਤੇ ਰਿਪੋਰਟਾਂ ਤਿਆਰ ਕਰਨ ਵਿੱਚ ਘੰਟੇ ਬਿਤਾਉਂਦਾ ਸੀ। ਅੱਜ, ਉਹ ਕੰਮ ਇਨ੍ਹਾਂ ਵੀਹ ਲੋਕਾਂ ਦੁਆਰਾ ਬਣਾਏ ਗਏ ਪਲੇਟਫਾਰਮਾਂ ਦੁਆਰਾ ਤਾਲਮੇਲ ਵਾਲੇ ਏਜੰਟਾਂ ਦੇ ਨੈਟਵਰਕ ਦੁਆਰਾ ਸੰਭਾਲੇ ਜਾਂਦੇ ਹਨ। ਜਦੋਂ ਮੈਨੇਜਰ ਉੱਠਦਾ ਹੈ, ਤਾਂ ਇੱਕ ਏਜੰਟ ਨੇ ਪਹਿਲਾਂ ਹੀ ਉਨ੍ਹਾਂ ਦੇ ਇਨਬਾਕਸ ਨੂੰ ਛਾਂਟ ਲਿਆ ਹੁੰਦਾ ਹੈ ਅਤੇ ਪਿਛਲੇ ਗੱਲਬਾਤ ਦੇ ਆਧਾਰ ‘ਤੇ ਜਵਾਬ ਤਿਆਰ ਕਰ ਲਏ ਹੁੰਦੇ ਹਨ। ਇੱਕ ਹੋਰ ਏਜੰਟ ਨੇ ਸਾਫਟਵੇਅਰ ਬਿਲਡ ਦੀ ਪ੍ਰਗਤੀ ਦੀ ਨਿਗਰਾਨੀ ਕੀਤੀ ਹੁੰਦੀ ਹੈ ਅਤੇ ਸਪਲਾਈ ਚੇਨ ਵਿੱਚ ਸੰਭਾਵੀ ਦੇਰੀ ਨੂੰ ਫਲੈਗ ਕੀਤਾ ਹੁੰਦਾ ਹੈ। ਇਹ ਜਾਦੂ ਨਹੀਂ ਹੈ। ਇਹ ਏਜੰਟਿਕ ਵਰਕਫਲੋ ਦਾ ਨਤੀਜਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਕਾਰੋਬਾਰ ਦੀਆਂ ਖਾਸ ਲੋੜਾਂ ਅਨੁਸਾਰ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਮੈਨੇਜਰ ਹੁਣ ਸਿਰਫ ਕੰਮ ਕਰਨ ਵਾਲਾ ਨਹੀਂ ਰਿਹਾ। ਉਹ ਇੱਕ ਸੰਪਾਦਕ ਅਤੇ ਫੈਸਲਾ ਲੈਣ ਵਾਲਾ ਹੈ। ਰੋਜ਼ਾਨਾ ਜੀਵਨ ਵਿੱਚ ਇਹ ਬਦਲਾਅ ਉਦਯੋਗ ਦੇ ਆਗੂਆਂ ਦੁਆਰਾ ਕੀਤੇ ਜਾ ਰਹੇ ਕੰਮ ਦਾ ਸਭ ਤੋਂ ਸਪੱਸ਼ਟ ਨਤੀਜਾ ਹੈ। ਉਨ੍ਹਾਂ ਨੇ ਸਫਲਤਾਪੂਰਵਕ ਤਕਨਾਲੋਜੀ ਨੂੰ ਬ੍ਰਾਊਜ਼ਰ ਟੈਬ ਤੋਂ ਸਾਡੇ ਜੀਵਨ ਦੇ ਪਿਛੋਕੜ ਵਿੱਚ ਤਬਦੀਲ ਕਰ ਦਿੱਤਾ ਹੈ।
ਇਸ ਦਾ ਪ੍ਰਭਾਵ ਸਿਰਜਣਹਾਰਾਂ ਅਤੇ ਡਿਵੈਲਪਰਾਂ ਲਈ ਵੀ ਬਰਾਬਰ ਡੂੰਘਾ ਹੈ। ਅੱਜ ਇੱਕ ਸਾਫਟਵੇਅਰ ਇੰਜੀਨੀਅਰ ਅਜਿਹੇ ਟੂਲਸ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਜੋ ਕੋਡ ਦੇ ਪੂਰੇ ਬਲਾਕਾਂ ਦਾ ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ ਅਤੇ ਪਹਿਲੇ ਟੈਸਟ ਰਨ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਬੱਗ ਫੜ ਲੈਂਦੇ ਹਨ। ਇਸ ਨੇ ਉਤਪਾਦਕਤਾ ਨੂੰ ਕਈ ਗੁਣਾ ਵਧਾ ਦਿੱਤਾ ਹੈ, ਪਰ ਇਸ ਨੇ ਦਾਖਲੇ ਲਈ ਮਾਪਦੰਡ ਵੀ ਉੱਚੇ ਕਰ ਦਿੱਤੇ ਹਨ। ਇਸ ਖੇਤਰ ਨੂੰ ਆਕਾਰ ਦੇਣ ਵਾਲੇ ਉਹ ਲੋਕ ਹਨ ਜਿਨ੍ਹਾਂ ਨੇ ਫੈਸਲਾ ਕੀਤਾ ਕਿ ਇਨ੍ਹਾਂ ਟੂਲਸ ਨੂੰ ਕਿਵੇਂ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ ਅਤੇ ਉਨ੍ਹਾਂ ਨੂੰ ਕਿਹੜੇ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ। ਇਹ ਸਾਨੂੰ ਡੇਟਾ ਦੀ ਪ੍ਰਮਾਣਿਕਤਾ ਦੇ ਮੁੱਦੇ ‘ਤੇ ਲਿਆਉਂਦਾ ਹੈ। ਇਨ੍ਹਾਂ ਵੀਹ ਲੋਕਾਂ ਦਾ ਪ੍ਰਭਾਵ ਕਾਪੀਰਾਈਟ ਅਤੇ ਬੌਧਿਕ ਸੰਪੱਤੀ ਨੂੰ ਲੈ ਕੇ ਕਾਨੂੰਨੀ ਲੜਾਈਆਂ ਵਿੱਚ ਵੀ ਦੇਖਿਆ ਜਾਂਦਾ ਹੈ। ਉਹ ਉਹ ਲੋਕ ਹਨ ਜਿਨ੍ਹਾਂ ਨੇ ਫੈਸਲਾ ਕੀਤਾ ਕਿ ਪੂਰਾ ਇੰਟਰਨੈਟ ਇੱਕ ਸਿਖਲਾਈ ਸੈੱਟ ਹੈ। ਇਸ ਫੈਸਲੇ ਦੇ ਇਸ ਗੱਲ ‘ਤੇ ਸਥਾਈ ਨਤੀਜੇ ਹਨ ਕਿ ਅਸੀਂ ਮਨੁੱਖੀ ਰਚਨਾਤਮਕਤਾ ਨੂੰ ਕਿਵੇਂ ਮੁੱਲ ਦਿੰਦੇ ਹਾਂ। ਹਰ ਵਾਰ ਜਦੋਂ ਕੋਈ ਡਿਜ਼ਾਈਨਰ ਜਨਰੇਟਿਵ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ, ਤਾਂ ਉਹ ਕੁਝ ਵਿਅਕਤੀਆਂ ਦੇ ਫੈਸਲਿਆਂ ‘ਤੇ ਬਣੇ ਸਿਸਟਮ ਨਾਲ ਗੱਲਬਾਤ ਕਰ ਰਿਹਾ ਹੁੰਦਾ ਹੈ। ਇੱਥੇ ਹੀ ਤਾਕਤ ਹੈ। ਇਹ ਪੂਰੀ ਰਚਨਾਤਮਕ ਆਰਥਿਕਤਾ ਲਈ ਡਿਫੌਲਟ ਸੈੱਟ ਕਰਨ ਦੀ ਤਾਕਤ ਹੈ। ਇਨ੍ਹਾਂ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਵਰਤੀ ਜਾਣ ਵਾਲੀ ਜਾਣਕਾਰੀ ਨਵਾਂ ਸੋਨਾ ਹੈ, ਅਤੇ ਖਾਣਾਂ ਨੂੰ ਕੰਟਰੋਲ ਕਰਨ ਵਾਲੇ ਲੋਕ ਦੁਨੀਆ ਦੇ ਸਭ ਤੋਂ ਸ਼ਕਤੀਸ਼ਾਲੀ ਲੋਕ ਹਨ।
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।
ਇਸ ਪ੍ਰਭਾਵ ਦੀ ਅਸਲੀਅਤ ਅਕਸਰ ਸਾਫ਼ ਇੰਟਰਫੇਸ ਅਤੇ ਸਧਾਰਨ ਐਪਸ ਦੇ ਪਿੱਛੇ ਲੁਕੀ ਹੁੰਦੀ ਹੈ। ਪਰਦੇ ਦੇ ਪਿੱਛੇ, ਇਨ੍ਹਾਂ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਸ਼ੁੱਧਤਾ ਅਤੇ ਸੁਰੱਖਿਆ ਨੂੰ ਬਣਾਈ ਰੱਖਣ ਲਈ ਇੱਕ ਵਿਸ਼ਾਲ ਕਾਰਵਾਈ ਚੱਲ ਰਹੀ ਹੈ। ਪ੍ਰਮੁੱਖ ਲੈਬਾਂ ਵਿੱਚ ਸੁਰੱਖਿਆ ਅਤੇ ਅਲਾਈਨਮੈਂਟ ਟੀਮਾਂ ਦੀ ਅਗਵਾਈ ਕਰਨ ਵਾਲੇ ਵਿਅਕਤੀ CEOs ਜਿੰਨੇ ਹੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹਨ। ਉਹ ਉਹ ਲੋਕ ਹਨ ਜੋ ਇਹ ਫੈਸਲਾ ਕਰਦੇ ਹਨ ਕਿ AI ਨੂੰ ਕੀ ਕਹਿਣ ਦੀ ਇਜਾਜ਼ਤ ਹੈ ਅਤੇ ਕੀ ਇਨਕਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਉਹ ਇੱਕ ਅਜਿਹੀ ਮਸ਼ੀਨ ਦੇ ਨੈਤਿਕ ਸਾਲਸ ਹਨ ਜਿਸਦੀ ਆਪਣੀ ਕੋਈ ਨੈਤਿਕਤਾ ਨਹੀਂ ਹੈ। ਇਹ ਇੱਕ ਭਾਰੀ ਜ਼ਿੰਮੇਵਾਰੀ ਹੈ ਜਿਸਨੂੰ ਅਕਸਰ ਆਮ ਲੋਕ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰ ਦਿੰਦੇ ਹਨ। ਜਦੋਂ ਇੱਕ AI ਕਿਸੇ ਨੁਕਸਾਨਦੇਹ ਚਿੱਤਰ ਜਾਂ ਪੱਖਪਾਤੀ ਰਿਪੋਰਟ ਨੂੰ ਤਿਆਰ ਕਰਨ ਤੋਂ ਇਨਕਾਰ ਕਰਦਾ ਹੈ, ਤਾਂ ਇਹ ਬਹੁਤ ਘੱਟ ਲੋਕਾਂ ਦੇ ਇੱਕ ਸਮੂਹ ਦੁਆਰਾ ਲਿਖੇ ਗਏ ਨਿਯਮਾਂ ਦੀ ਪਾਲਣਾ ਕਰ ਰਿਹਾ ਹੁੰਦਾ ਹੈ। ਉਨ੍ਹਾਂ ਦਾ ਪ੍ਰਭਾਵ ਅਦਿੱਖ ਪਰ ਪੂਰਨ ਹੈ। ਉਹ ਡਿਜੀਟਲ ਸੰਸਾਰ ਵਿੱਚ ਕੀ ਸੰਭਵ ਹੈ, ਇਸ ਦੀਆਂ ਸੀਮਾਵਾਂ ਨੂੰ ਆਕਾਰ ਦੇ ਰਹੇ ਹਨ। ਇਹ ਸਿਰਫ਼ ਇੱਕ ਤਕਨੀਕੀ ਚੁਣੌਤੀ ਨਹੀਂ ਹੈ। ਇਹ ਇੱਕ ਦਾਰਸ਼ਨਿਕ ਚੁਣੌਤੀ ਹੈ ਜੋ ਆਉਣ ਵਾਲੇ ਦਹਾਕਿਆਂ ਲਈ ਇਨਸਾਨਾਂ ਅਤੇ ਮਸ਼ੀਨਾਂ ਵਿਚਕਾਰ ਸਬੰਧਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੇਗੀ।
ਇੰਟੈਲੀਜੈਂਸ ਦੀ ਕੀਮਤ
ਇਨ੍ਹਾਂ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਭਾਰੀ ਊਰਜਾ ਦੀ ਖਪਤ ਲਈ ਭੁਗਤਾਨ ਕੌਣ ਕਰਦਾ ਹੈ? ਇਹ ਉਹ ਸਵਾਲ ਹੈ ਜਿਸਦਾ ਜਵਾਬ ਉਦਯੋਗ ਦੇ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਵਿਅਕਤੀ ਇਸ ਸਮੇਂ ਦੇਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੇ ਹਨ। ਇੱਕ ਸਿੰਗਲ AI ਕੁਐਰੀ ਦੀ ਲੁਕਵੀਂ ਕੀਮਤ ਰਵਾਇਤੀ ਖੋਜ ਨਾਲੋਂ ਕਾਫ਼ੀ ਜ਼ਿਆਦਾ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ ਇਹ ਸਿਸਟਮ ਸਾਡੇ ਜੀਵਨ ਵਿੱਚ ਵਧੇਰੇ ਏਕੀਕ੍ਰਿਤ ਹੁੰਦੇ ਜਾਂਦੇ ਹਨ, ਪਾਵਰ ਗਰਿੱਡ ‘ਤੇ ਦਬਾਅ ਇੱਕ ਮੁੱਖ ਚਿੰਤਾ ਬਣ ਜਾਂਦਾ ਹੈ। ਛੋਟੇ ਮਾਡਯੂਲਰ ਰਿਐਕਟਰਾਂ ਅਤੇ ਵਿਸ਼ੇਸ਼ AI ਊਰਜਾ ਹੱਲਾਂ ਲਈ ਜ਼ੋਰ ਦੇਣ ਵਾਲੇ ਵਿਅਕਤੀ ਨਵੇਂ ਪਾਵਰ ਪਲੇਅਰ ਬਣ ਰਹੇ ਹਨ। ਸਾਨੂੰ ਇਹ ਪੁੱਛਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕੀ ਇੱਕ ਆਟੋਮੇਟਿਡ ਸਹਾਇਕ ਦੀ ਸਹੂਲਤ ਇਸ ਨੂੰ ਚਲਾਉਣ ਲਈ ਲੋੜੀਂਦੇ ਡੇਟਾ ਸੈਂਟਰਾਂ ਦੇ ਵਾਤਾਵਰਣ ਪ੍ਰਭਾਵ ਦੇ ਬਰਾਬਰ ਹੈ। ਗੋਪਨੀਯਤਾ ਦਾ ਸਵਾਲ ਵੀ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ ਅਸੀਂ ਵਧੇਰੇ ਵਿਅਕਤੀਗਤ ਏਜੰਟਾਂ ਵੱਲ ਵਧਦੇ ਹਾਂ, ਇਨ੍ਹਾਂ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਸਾਡੇ ਨਿੱਜੀ ਡੇਟਾ ਦੇ ਵਧੇਰੇ ਹਿੱਸੇ ਤੱਕ ਪਹੁੰਚ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇੱਕ ਵਾਰ ਜਦੋਂ ਡੇਟਾ ਕਿਸੇ ਮਾਡਲ ਦੁਆਰਾ ਪ੍ਰੋਸੈਸ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਉਸਦਾ ਮਾਲਕ ਕੌਣ ਹੁੰਦਾ ਹੈ? ਕੀ ਇਸਨੂੰ ਕਦੇ ਵੀ ਸੱਚਮੁੱਚ ਮਿਟਾਇਆ ਜਾ ਸਕਦਾ ਹੈ? ਇਹ ਉਹ ਮੁਸ਼ਕਲ ਸਵਾਲ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਉਦਯੋਗ ਅਕਸਰ ਤਕਨਾਲੋਜੀ ਦੇ ਲਾਭਾਂ ਬਾਰੇ ਗੱਲ ਕਰਨ ਦੇ ਹੱਕ ਵਿੱਚ ਟਾਲ ਦਿੰਦਾ ਹੈ।
ਚੋਟੀ ਦੇ ਵੀਹ ਲੋਕਾਂ ਦਾ ਪ੍ਰਭਾਵ ਇਸ ਗੱਲ ਵਿੱਚ ਵੀ ਦੇਖਿਆ ਜਾਂਦਾ ਹੈ ਕਿ ਉਹ ਤਕਨਾਲੋਜੀ ਦੀਆਂ ਸੀਮਾਵਾਂ ਨੂੰ ਕਿਵੇਂ ਸੰਭਾਲਦੇ ਹਨ। ਅਸੀਂ ਇਸ ਸਮੇਂ ਰਵਾਇਤੀ ਮਾਡਲਾਂ ਦੇ ਸਕੇਲਿੰਗ ਵਿੱਚ ਇੱਕ ਪਠਾਰ ਦੇਖ ਰਹੇ ਹਾਂ। ਅਗਲੀ ਵੱਡੀ ਛਾਲ ਸ਼ਾਇਦ ਹੋਰ GPUs ਜੋੜਨ ਦੀ ਬਜਾਏ ਐਲਗੋਰਿਦਮਿਕ ਕੁਸ਼ਲਤਾ ਤੋਂ ਆਵੇਗੀ। ਜੋ ਲੋਕ ਘੱਟ ਨਾਲ ਜ਼ਿਆਦਾ ਕਰਨ ਦੇ ਤਰੀਕੇ ਲੱਭ ਰਹੇ ਹਨ, ਉਹ ਹੀ ਵਿਕਾਸ ਦੇ ਅਗਲੇ ਪੜਾਅ ਦੀ ਅਗਵਾਈ ਕਰਨਗੇ। ਉਹ ਹੀ AI ਨੂੰ ਛੋਟੀਆਂ ਕੰਪਨੀਆਂ ਅਤੇ ਵਿਕਾਸਸ਼ੀਲ ਦੇਸ਼ਾਂ ਲਈ ਪਹੁੰਚਯੋਗ ਬਣਾਉਣਗੇ। ਇਹ ਵਿਕਾਸ ਦਾ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਬਿੰਦੂ ਹੈ। ਜੇਕਰ ਤਕਨਾਲੋਜੀ ਸਭ ਤੋਂ ਵੱਡੀਆਂ ਕਾਰਪੋਰੇਸ਼ਨਾਂ ਤੋਂ ਇਲਾਵਾ ਕਿਸੇ ਹੋਰ ਲਈ ਬਹੁਤ ਮਹਿੰਗੀ ਰਹਿੰਦੀ ਹੈ, ਤਾਂ ਇਹ ਗਲੋਬਲ ਅਸਮਾਨਤਾ ਵਿੱਚ ਭਾਰੀ ਵਾਧਾ ਕਰੇਗੀ। ਇਨ੍ਹਾਂ ਟੂਲਸ ਤੱਕ ਪਹੁੰਚ ਨੂੰ ਲੋਕਤੰਤਰੀ ਬਣਾਉਣ ਲਈ ਕੰਮ ਕਰਨ ਵਾਲੇ ਲੋਕ ਉਨ੍ਹਾਂ ਲੋਕਾਂ ਜਿੰਨੇ ਹੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹਨ ਜਿਨ੍ਹਾਂ ਨੇ ਪਹਿਲੇ ਵਿਸ਼ਾਲ ਮਾਡਲ ਬਣਾਏ ਸਨ। ਉਹ ਇਹ ਤੈਅ ਕਰਨਗੇ ਕਿ ਕੀ ਇਹ ਤਕਨਾਲੋਜੀ ਬਹੁਤਿਆਂ ਲਈ ਇੱਕ ਸਾਧਨ ਹੈ ਜਾਂ ਕੁਝ ਲੋਕਾਂ ਲਈ ਇੱਕ ਹਥਿਆਰ। ਖੁੱਲ੍ਹਾ ਸਵਾਲ ਇਹ ਹੈ: ਕੀ ਅਸੀਂ ਇੱਕ ਅਜਿਹਾ ਸਿਸਟਮ ਬਣਾ ਸਕਦੇ ਹਾਂ ਜੋ ਸ਼ਕਤੀਸ਼ਾਲੀ ਅਤੇ ਸੱਚਮੁੱਚ ਵਿਕੇਂਦਰੀਕ੍ਰਿਤ ਦੋਵੇਂ ਹੋਵੇ?
ਇਨਫਰਾਸਟ੍ਰਕਚਰ ਸਟੈਕ
ਪਾਵਰ ਯੂਜ਼ਰ ਲਈ, ਇਨ੍ਹਾਂ ਵੀਹ ਲੋਕਾਂ ਦਾ ਪ੍ਰਭਾਵ ਉਨ੍ਹਾਂ ਟੂਲਸ ਦੀਆਂ ਤਕਨੀਕੀ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਵਿੱਚ ਮਹਿਸੂਸ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਜੋ ਉਹ ਹਰ ਰੋਜ਼ ਵਰਤਦੇ ਹਨ। ਅਸੀਂ ਮਾਡਲਾਂ ਦੇ ਲੋਕਲ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਵੱਲ ਵਧ ਰਹੇ ਹਾਂ। ਇਹ ਘੱਟ ਲੇਟੈਂਸੀ ਅਤੇ ਬਿਹਤਰ ਗੋਪਨੀਯਤਾ ਦੀ ਲੋੜ ਦੁਆਰਾ ਚਲਾਇਆ ਜਾਂਦਾ ਹੈ। ਲੈਪਟਾਪਾਂ ਅਤੇ ਫੋਨਾਂ ਲਈ ਅਗਲੀ ਪੀੜ੍ਹੀ ਦੇ NPU ਹਾਰਡਵੇਅਰ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨ ਵਾਲੇ ਵਿਅਕਤੀ ਇਸ ਬਦਲਾਅ ਦੇ ਕੇਂਦਰ ਵਿੱਚ ਹਨ। ਉਹ ਹੀ ਹਨ ਜੋ ਤੁਹਾਡੀ ਜੇਬ ਵਿੱਚ ਫਿੱਟ ਹੋਣ ਵਾਲੀ ਡਿਵਾਈਸ ‘ਤੇ ਇੱਕ ਬਿਲੀਅਨ ਪੈਰਾਮੀਟਰ ਮਾਡਲ ਚਲਾਉਣਾ ਸੰਭਵ ਬਣਾ ਰਹੇ ਹਨ। ਇਸ ਲਈ ਹਾਰਡਵੇਅਰ ਅਤੇ ਸਾਫਟਵੇਅਰ ਵਿਚਕਾਰ ਡੂੰਘੇ ਏਕੀਕਰਣ ਦੀ ਲੋੜ ਹੈ। ਇਸ ਪਾੜੇ ਨੂੰ ਭਰਨ ਵਾਲੇ ਲੋਕ ਹੀ ਭਵਿੱਖ ਦੇ ਉਪਭੋਗਤਾ ਅਨੁਭਵ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨਗੇ। ਅਸੀਂ ਇਹ ਵੀ ਦੇਖ ਰਹੇ ਹਾਂ ਕਿ API ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਬਦਲ ਰਹੀ ਹੈ। ਧਿਆਨ ਸਧਾਰਨ ਬੇਨਤੀ ਅਤੇ ਜਵਾਬ ਪੈਟਰਨਾਂ ਤੋਂ ਹਟ ਕੇ ਲੰਬੇ ਸਮੇਂ ਤੱਕ ਚੱਲਣ ਵਾਲੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਵੱਲ ਜਾ ਰਿਹਾ ਹੈ ਜੋ ਘੰਟਿਆਂ ਜਾਂ ਦਿਨਾਂ ਵਿੱਚ ਗੁੰਝਲਦਾਰ ਕੰਮਾਂ ਨੂੰ ਸੰਭਾਲ ਸਕਦੀਆਂ ਹਨ। ਇਸ ਲਈ ਇੱਕ ਨਵੀਂ ਕਿਸਮ ਦੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀ ਲੋੜ ਹੈ ਜੋ ਕਈ ਸੈਸ਼ਨਾਂ ਵਿੱਚ ਸਥਿਤੀ ਅਤੇ ਸੰਦਰਭ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰ ਸਕੇ।
ਮੌਜੂਦਾ API ਦੀਆਂ ਸੀਮਾਵਾਂ ਡਿਵੈਲਪਰਾਂ ਲਈ ਇੱਕ ਵੱਡੀ ਰੁਕਾਵਟ ਹਨ। ਅਗਲੀ ਪੀੜ੍ਹੀ ਦੇ ਆਰਕੈਸਟ੍ਰੇਸ਼ਨ ਲੇਅਰ ਬਣਾਉਣ ਵਾਲੇ ਵਿਅਕਤੀ ਹੀ ਇਸ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਨਗੇ। ਉਹ ਅਜਿਹੀਆਂ ਪ੍ਰਣਾਲੀਆਂ ਬਣਾ ਰਹੇ ਹਨ ਜੋ ਕੰਮ ਦੇ ਆਧਾਰ ‘ਤੇ ਵੱਖ-ਵੱਖ ਮਾਡਲਾਂ ਵਿਚਕਾਰ ਆਪਣੇ ਆਪ ਸਵਿਚ ਕਰ ਸਕਦੀਆਂ ਹਨ। ਇਸਨੂੰ ਮਾਡਲ ਰਾਊਟਿੰਗ ਕਿਹਾ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਇਹ ਆਧੁਨਿਕ AI ਸਟੈਕ ਦਾ ਇੱਕ ਮੁੱਖ ਹਿੱਸਾ ਹੈ। ਇਹ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਰੀਅਲ ਟਾਈਮ ਵਿੱਚ ਲਾਗਤ, ਗਤੀ ਅਤੇ ਸ਼ੁੱਧਤਾ ਨੂੰ ਸੰਤੁਲਿਤ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ। ਇੱਕ ਹੋਰ ਖੇਤਰ ਜਿਸ ‘ਤੇ ਤੀਬਰ ਧਿਆਨ ਹੈ, ਉਹ ਹੈ ਲੋਕਲ ਸਟੋਰੇਜ ਅਤੇ ਰੀਟਰੀਵਲ। ਵੈਕਟਰ ਡੇਟਾਬੇਸ ਅਤੇ ਰੀਟਰੀਵਲ ਆਗਮੈਂਟਡ ਜਨਰੇਸ਼ਨ ਦੀ ਵਰਤੋਂ ਇੱਕ ਮਿਆਰੀ ਅਭਿਆਸ ਬਣ ਗਈ ਹੈ। ਇਨ੍ਹਾਂ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਵਾਲੇ ਲੋਕ ਹੀ AI ਨੂੰ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਮਲਕੀਅਤ ਵਾਲੇ ਡੇਟਾ ਵਾਲੇ ਕਾਰੋਬਾਰਾਂ ਲਈ ਉਪਯੋਗੀ ਬਣਾ ਰਹੇ ਹਨ। ਉਹ ਇੱਕ ਆਮ ਉਦੇਸ਼ ਵਾਲੇ ਮਾਡਲ ਨੂੰ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਟੂਲ ਵਿੱਚ ਬਦਲ ਰਹੇ ਹਨ ਜੋ ਕਿਸੇ ਖਾਸ ਕੰਪਨੀ ਬਾਰੇ ਸਭ ਕੁਝ ਜਾਣਦਾ ਹੈ। ਇਹ ਉਹ ਕੰਮ ਹੈ ਜੋ ਤਕਨਾਲੋਜੀ ਨੂੰ ਉੱਦਮ ਲਈ ਅਸਲ ਬਣਾਉਂਦਾ ਹੈ। ਇਹ ਉਨ੍ਹਾਂ ਆਰਕੀਟੈਕਟਾਂ ਦਾ ਕੰਮ ਹੈ ਜੋ ਨਵੀਂ ਡਿਜੀਟਲ ਆਰਥਿਕਤਾ ਦੀ ਨੀਂਹ ਰੱਖ ਰਹੇ ਹਨ।
ਅਗਲਾ ਵਿਕਾਸ
AI ਨੂੰ ਆਕਾਰ ਦੇਣ ਵਾਲੇ ਵਿਅਕਤੀ ਸਿਰਫ਼ ਸਾਫਟਵੇਅਰ ਨਹੀਂ ਬਣਾ ਰਹੇ ਹਨ। ਉਹ ਮਨੁੱਖੀ ਕੰਮ ਦੇ ਭਵਿੱਖ ਲਈ ਓਪਰੇਟਿੰਗ ਸਿਸਟਮ ਬਣਾ ਰਹੇ ਹਨ। ਉਹ ਜਿਸ ਪ੍ਰਭਾਵ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ ਉਹ ਬੇਮਿਸਾਲ ਹੈ, ਅਤੇ ਇਹ ਜ਼ਿੰਮੇਵਾਰੀ ਦੇ ਇੱਕ ਅਜਿਹੇ ਪੱਧਰ ਦੇ ਨਾਲ ਆਉਂਦਾ ਹੈ ਜਿਸਨੂੰ ਅਸੀਂ ਹੁਣੇ ਸਮਝਣਾ ਸ਼ੁਰੂ ਕੀਤਾ ਹੈ। ਅਸੀਂ ਸ਼ੁਰੂਆਤੀ ਉਤਸ਼ਾਹ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ ਗੰਭੀਰ ਲਾਗੂਕਰਨ ਦੇ ਪੜਾਅ ਵਿੱਚ ਦਾਖਲ ਹੋ ਗਏ ਹਾਂ। ਹੁਣ ਧਿਆਨ ਭਰੋਸੇਯੋਗਤਾ, ਸੁਰੱਖਿਆ ਅਤੇ ਪੈਮਾਨੇ ‘ਤੇ ਹੈ। ਜੋ ਲੋਕ ਇਨ੍ਹਾਂ ਮੋਰਚਿਆਂ ‘ਤੇ ਡਿਲੀਵਰ ਕਰ ਸਕਦੇ ਹਨ, ਉਹ ਹੀ ਸੂਚੀ ਵਿੱਚ ਸਭ ਤੋਂ ਉੱਪਰ ਰਹਿਣਗੇ। ਉਹ ਹੀ ਤੈਅ ਕਰਨਗੇ ਕਿ ਅਸੀਂ ਤਕਨਾਲੋਜੀ ਨਾਲ ਅਤੇ ਇੱਕ ਦੂਜੇ ਨਾਲ ਕਿਵੇਂ ਗੱਲਬਾਤ ਕਰਦੇ ਹਾਂ। ਯਾਦ ਰੱਖਣ ਵਾਲੀ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਗੱਲ ਇਹ ਹੈ ਕਿ ਇਹ ਅਜੇ ਵੀ ਇੱਕ ਵਿਕਾਸਸ਼ੀਲ ਖੇਤਰ ਹੈ। ਨਿਯਮ ਭਵਿੱਖ ਦੇ ਇੱਕ ਬਹੁਤ ਹੀ ਖਾਸ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਵਾਲੇ ਲੋਕਾਂ ਦੇ ਇੱਕ ਛੋਟੇ ਸਮੂਹ ਦੁਆਰਾ ਰੀਅਲ ਟਾਈਮ ਵਿੱਚ ਲਿਖੇ ਜਾ ਰਹੇ ਹਨ। ਕੀ ਉਹ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਬਾਕੀ ਦੁਨੀਆ ਦੀਆਂ ਲੋੜਾਂ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ, ਇਹ ਸਾਡੇ ਸਮੇਂ ਦਾ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਸਵਾਲ ਹੈ। ਇਸ ਤਕਨਾਲੋਜੀ ਦਾ ਵਿਕਾਸ ਸਾਨੂੰ ਹੈਰਾਨ ਕਰਨਾ ਜਾਰੀ ਰੱਖੇਗਾ, ਪਰ ਇਸਦੇ ਪਿੱਛੇ ਦੇ ਲੋਕ ਇਸਦੀ ਸਫਲਤਾ ਜਾਂ ਅਸਫਲਤਾ ਵਿੱਚ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਕਾਰਕ ਬਣੇ ਰਹਿਣਗੇ।
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।
編者按： 我們創建這個網站，是為了那些不是電腦高手，但仍希望了解人工智慧、更自信地使用它，並追隨已經到來的未來的人們，提供一個多語言的人工智慧新聞和指南中心。
ਕੋਈ ਗਲਤੀ ਮਿਲੀ ਜਾਂ ਕੁਝ ਠੀਕ ਕਰਨ ਦੀ ਲੋੜ ਹੈ? ਸਾਨੂੰ ਦੱਸੋ।
