ਉਹ ਖੋਜਕਰਤਾ ਜਿਨ੍ਹਾਂ ਦਾ ਹਰ ਕੋਈ ਹਵਾਲਾ ਦਿੰਦਾ ਹੈ — ਅਤੇ ਉਹ ਮਹੱਤਵਪੂਰਨ ਕਿਉਂ ਹਨ

ਆਧੁਨਿਕ ਤਰਕ ਦੇ ਲੁਕਵੇਂ ਆਰਕੀਟੈਕਟ

ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਬਾਰੇ ਜਨਤਕ ਗੱਲਬਾਤ ਆਮ ਤੌਰ ‘ਤੇ ਕੁਝ ਚੁਣੇ ਹੋਏ ਕਰਿਸ਼ਮਈ CEOs ਅਤੇ ਅਰਬਪਤੀ ਨਿਵੇਸ਼ਕਾਂ ਦੇ ਦੁਆਲੇ ਘੁੰਮਦੀ ਹੈ। ਇਹ ਹਸਤੀਆਂ ਮਨੁੱਖਤਾ ਅਤੇ ਆਰਥਿਕਤਾ ਦੇ ਭਵਿੱਖ ਬਾਰੇ ਵੱਡੇ-ਵੱਡੇ ਦਾਅਵਿਆਂ ਨਾਲ ਨਿਊਜ਼ ਸਾਈਕਲ ‘ਤੇ ਛਾਈਆਂ ਰਹਿੰਦੀਆਂ ਹਨ। ਹਾਲਾਂਕਿ, ਇੰਡਸਟਰੀ ਦੀ ਅਸਲ ਦਿਸ਼ਾ ਖੋਜਕਰਤਾਵਾਂ ਦੇ ਇੱਕ ਬਹੁਤ ਛੋਟੇ ਅਤੇ ਸ਼ਾਂਤ ਸਮੂਹ ਦੁਆਰਾ ਤੈਅ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਜਿਨ੍ਹਾਂ ਦੇ ਨਾਮ ਮੁੱਖ ਧਾਰਾ ਦੀਆਂ ਸੁਰਖੀਆਂ ਵਿੱਚ ਘੱਟ ਹੀ ਦਿਖਾਈ ਦਿੰਦੇ ਹਨ। ਇਹ ਉਹ ਲੋਕ ਹਨ ਜੋ ਉਹ ਬੁਨਿਆਦੀ ਪੇਪਰ ਲਿਖ ਰਹੇ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਹਰ ਵੱਡੀ ਲੈਬ ਅੰਤ ਵਿੱਚ ਅਪਣਾਉਂਦੀ ਹੈ। ਉਨ੍ਹਾਂ ਦਾ ਪ੍ਰਭਾਵ ਸੋਸ਼ਲ ਮੀਡੀਆ ਫਾਲੋਅਰਜ਼ ਵਿੱਚ ਨਹੀਂ, ਸਗੋਂ ਸਿਟੇਸ਼ਨਾਂ ਅਤੇ ਉਨ੍ਹਾਂ ਬਣਤਰਗਤ ਤਬਦੀਲੀਆਂ ਵਿੱਚ ਮਾਪਿਆ ਜਾਂਦਾ ਹੈ ਜੋ ਉਹ ਟੈਕ ਇੰਡਸਟਰੀ ‘ਤੇ ਲਾਗੂ ਕਰਦੇ ਹਨ। ਜਦੋਂ ਕੋਈ ਖਾਸ ਖੋਜਕਰਤਾ ਟ੍ਰਾਂਸਫਾਰਮਰ ਕੁਸ਼ਲਤਾ ਜਾਂ ਨਿਊਰਲ ਸਕੇਲਿੰਗ ਕਾਨੂੰਨਾਂ ‘ਤੇ ਕੋਈ ਵੱਡੀ ਖੋਜ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਦਾ ਹੈ, ਤਾਂ ਪੂਰਾ ਸੈਕਟਰ ਕੁਝ ਹਫ਼ਤਿਆਂ ਦੇ ਅੰਦਰ ਆਪਣਾ ਧਿਆਨ ਬਦਲ ਲੈਂਦਾ ਹੈ। ਇਹ ਸਮਝਣਾ ਕਿ ਇਹ ਲੋਕ ਕੌਣ ਹਨ ਅਤੇ ਉਹ ਕਿਵੇਂ ਕੰਮ ਕਰਦੇ ਹਨ, ਕਿਸੇ ਵੀ ਅਜਿਹੇ ਵਿਅਕਤੀ ਲਈ ਜ਼ਰੂਰੀ ਹੈ ਜੋ ਮੌਜੂਦਾ ਦੌਰ ਦੇ ਮਾਰਕੀਟਿੰਗ ਹਾਈਪ ਤੋਂ ਪਰੇ ਦੇਖਣਾ ਚਾਹੁੰਦਾ ਹੈ।

ਇਸ ਖੇਤਰ ਵਿੱਚ ਸੇਲਿਬ੍ਰਿਟੀ ਅਤੇ ਪ੍ਰਭਾਵ ਵਿਚਕਾਰ ਅੰਤਰ ਬਹੁਤ ਸਪੱਸ਼ਟ ਹੈ। ਇੱਕ ਸੇਲਿਬ੍ਰਿਟੀ ਇੱਕ ਨਵੇਂ ਪ੍ਰੋਡਕਟ ਦਾ ਐਲਾਨ ਕਰ ਸਕਦਾ ਹੈ, ਪਰ ਇੱਕ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਖੋਜਕਰਤਾ ਉਹ ਗਣਿਤਿਕ ਸਬੂਤ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਜੋ ਉਸ ਪ੍ਰੋਡਕਟ ਨੂੰ ਸੰਭਵ ਬਣਾਉਂਦਾ ਹੈ। ਇਹ ਅੰਤਰ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ ਕਿਉਂਕਿ ਖੋਜਕਰਤਾ ਇਹ ਤੈਅ ਕਰਦੇ ਹਨ ਕਿ ਤਕਨੀਕੀ ਤੌਰ ‘ਤੇ ਕੀ ਸੰਭਵ ਹੈ। ਉਹ ਮਸ਼ੀਨ ਰੀਜ਼ਨਿੰਗ ਦੀਆਂ ਸੀਮਾਵਾਂ ਅਤੇ ਕੰਪਿਊਟੇਸ਼ਨ ਦੀ ਲਾਗਤ ਨਿਰਧਾਰਤ ਕਰਦੇ ਹਨ। ਜੇ ਤੁਸੀਂ ਇਹ ਜਾਣਨਾ ਚਾਹੁੰਦੇ ਹੋ ਕਿ ਅਗਲੇ ਤਿੰਨ ਸਾਲਾਂ ਦਾ ਸਾਫਟਵੇਅਰ ਕਿਹੋ ਜਿਹਾ ਦਿਖਾਈ ਦੇਵੇਗਾ, ਤਾਂ ਵੱਡੀਆਂ ਕਾਰਪੋਰੇਸ਼ਨਾਂ ਦੀਆਂ ਪ੍ਰੈਸ ਰਿਲੀਜ਼ਾਂ ਨੂੰ ਨਾ ਦੇਖੋ। ਤੁਸੀਂ ਉਨ੍ਹਾਂ ਪ੍ਰੀ-ਪ੍ਰਿੰਟ ਸਰਵਰਾਂ ਨੂੰ ਦੇਖੋ ਜਿੱਥੇ ਤਰਕ ਦੀ ਅਗਲੀ ਪੀੜ੍ਹੀ ਬਾਰੇ ਰੀਅਲ-ਟਾਈਮ ਵਿੱਚ ਬਹਿਸ ਚੱਲ ਰਹੀ ਹੈ। ਅਸਲ ਸ਼ਕਤੀ ਇੱਥੇ ਹੀ ਨਿਵਾਸ ਕਰਦੀ ਹੈ।

ਖੋਜ ਪੇਪਰ ਪ੍ਰੋਡਕਟ ਦੀ ਹਕੀਕਤ ਕਿਵੇਂ ਬਣਦੇ ਹਨ

ਇੱਕ ਸਿਧਾਂਤਕ ਪੇਪਰ ਤੋਂ ਲੈ ਕੇ ਤੁਹਾਡੇ ਫੋਨ ਵਿੱਚ ਮੌਜੂਦ ਇੱਕ ਟੂਲ ਤੱਕ ਦਾ ਸਫ਼ਰ ਪਹਿਲਾਂ ਨਾਲੋਂ ਕਿਤੇ ਛੋਟਾ ਹੋ ਗਿਆ ਹੈ। ਪਿਛਲੇ ਦਹਾਕਿਆਂ ਵਿੱਚ, ਕੰਪਿਊਟਰ ਸਾਇੰਸ ਵਿੱਚ ਇੱਕ ਵੱਡੀ ਖੋਜ ਨੂੰ ਵਪਾਰਕ ਐਪਲੀਕੇਸ਼ਨ ਤੱਕ ਪਹੁੰਚਣ ਵਿੱਚ ਦਸ ਸਾਲ ਲੱਗ ਸਕਦੇ ਸਨ। ਅੱਜ, ਉਹ ਸਮਾਂ ਘਟ ਕੇ ਕੁਝ ਮਹੀਨੇ ਰਹਿ ਗਿਆ ਹੈ। ਇਹ ਤੇਜ਼ੀ arxiv.org ਵਰਗੇ ਪਲੇਟਫਾਰਮਾਂ ‘ਤੇ ਖੋਜ ਸਾਂਝੀ ਕਰਨ ਦੇ ਖੁੱਲ੍ਹੇ ਸੁਭਾਅ ਦੁਆਰਾ ਚਲਾਈ ਜਾਂਦੀ ਹੈ ਜਿੱਥੇ ਨਵੇਂ ਨਤੀਜੇ ਰੋਜ਼ਾਨਾ ਪੋਸਟ ਕੀਤੇ ਜਾਂਦੇ ਹਨ। ਜਦੋਂ Google DeepMind ਜਾਂ Anthropic ਵਰਗੀ ਲੈਬ ਦਾ ਕੋਈ ਖੋਜਕਰਤਾ ਕਿਸੇ ਮਾਡਲ ਵਿੱਚ ਲੰਬੇ ਸਮੇਂ ਦੀ ਮੈਮੋਰੀ ਨੂੰ ਸੰਭਾਲਣ ਦਾ ਵਧੇਰੇ ਕੁਸ਼ਲ ਤਰੀਕਾ ਲੱਭਦਾ ਹੈ, ਤਾਂ ਉਹ ਜਾਣਕਾਰੀ ਅਕਸਰ ਅੰਦਰੂਨੀ ਰਿਪੋਰਟਾਂ ‘ਤੇ ਸਿਆਹੀ ਸੁੱਕਣ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਜਨਤਕ ਹੋ ਜਾਂਦੀ ਹੈ। ਇਹ ਇੱਕ ਵਿਲੱਖਣ ਮਾਹੌਲ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜਿੱਥੇ ਕਮਰੇ ਵਿੱਚ ਸਭ ਤੋਂ ਸ਼ਾਂਤ ਆਵਾਜ਼ਾਂ ਅਰਬਾਂ ਡਾਲਰਾਂ ਦੇ ਵੈਂਚਰ ਕੈਪੀਟਲ ਦੇ ਪ੍ਰਵਾਹ ਨੂੰ ਨਿਰਦੇਸ਼ਿਤ ਕਰਦੀਆਂ ਹਨ।

ਇਸ ਸੰਦਰਭ ਵਿੱਚ ਪ੍ਰਭਾਵ ਰੀਪ੍ਰੋਡਿਊਸੀਬਿਲਿਟੀ (ਦੁਹਰਾਉਣਯੋਗਤਾ) ਅਤੇ ਉਪਯੋਗਤਾ ‘ਤੇ ਬਣਿਆ ਹੈ। ਇੱਕ ਪੇਪਰ ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ ਜੇਕਰ ਦੂਜੇ ਖੋਜਕਰਤਾ ਕੋਡ ਲੈ ਸਕਣ ਅਤੇ ਇਸ ਦੇ ਉੱਪਰ ਕੁਝ ਬਿਹਤਰ ਬਣਾ ਸਕਣ। ਇਹੀ ਕਾਰਨ ਹੈ ਕਿ ਕੁਝ ਨਾਮ ਹਰ ਮਹੱਤਵਪੂਰਨ AI ਪ੍ਰੋਜੈਕਟ ਦੇ ਹਵਾਲਿਆਂ ਵਿੱਚ ਦਿਖਾਈ ਦਿੰਦੇ ਹਨ। ਇਹ ਖੋਜਕਰਤਾ ਕੋਈ ਸਬਸਕ੍ਰਿਪਸ਼ਨ ਵੇਚਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਨਹੀਂ ਕਰ ਰਹੇ ਹਨ। ਉਹ ਇੱਕ ਖਾਸ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੇ ਹਨ, ਜਿਵੇਂ ਕਿ ਇੱਕ ਮਾਡਲ ਨੂੰ ਟ੍ਰੇਨ ਕਰਨ ਲਈ ਲੋੜੀਂਦੀ ਊਰਜਾ ਨੂੰ ਕਿਵੇਂ ਘਟਾਇਆ ਜਾਵੇ ਜਾਂ ਸਿਸਟਮ ਨੂੰ ਵਧੇਰੇ ਇਮਾਨਦਾਰ ਕਿਵੇਂ ਬਣਾਇਆ ਜਾਵੇ। ਉਨ੍ਹਾਂ ਦਾ ਕੰਮ ਇੰਡਸਟਰੀ ਦੀ ਨੀਂਹ ਬਣਾਉਂਦਾ ਹੈ। ਉਨ੍ਹਾਂ ਦੇ ਯੋਗਦਾਨ ਤੋਂ ਬਿਨਾਂ, ਅੱਜ ਅਸੀਂ ਜੋ ਵੱਡੇ ਮਾਡਲ ਵਰਤਦੇ ਹਾਂ, ਉਹ ਚਲਾਉਣ ਲਈ ਬਹੁਤ ਮਹਿੰਗੇ ਅਤੇ ਭਰੋਸਾ ਕਰਨ ਲਈ ਬਹੁਤ ਅਨਿਸ਼ਚਿਤ ਹੋਣਗੇ। ਉਹ ਉਹ ਗਾਰਡਰੇਲ ਅਤੇ ਇੰਜਣ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਬਾਕੀ ਦੁਨੀਆ ਮਾਮੂਲੀ ਸਮਝਦੀ ਹੈ।

ਅਕਾਦਮਿਕ ਉਤਸੁਕਤਾ ਤੋਂ ਇੰਡਸਟਰੀਅਲ ਪਾਵਰਹਾਊਸ ਤੱਕ ਦੇ ਬਦਲਾਅ ਨੇ ਇਸ ਖੋਜ ਦੇ ਸੁਭਾਅ ਨੂੰ ਬਦਲ ਦਿੱਤਾ ਹੈ। ਸਭ ਤੋਂ ਵੱਧ ਹਵਾਲਾ ਦਿੱਤੇ ਗਏ ਕਈ ਵਿਅਕਤੀ ਯੂਨੀਵਰਸਿਟੀਆਂ ਤੋਂ ਪ੍ਰਾਈਵੇਟ ਲੈਬਾਂ ਵਿੱਚ ਚਲੇ ਗਏ ਹਨ ਜਿੱਥੇ ਉਨ੍ਹਾਂ ਕੋਲ ਵਿਸ਼ਾਲ ਕੰਪਿਊਟ ਸਰੋਤਾਂ ਤੱਕ ਪਹੁੰਚ ਹੈ। ਇਸ ਪਰਵਾਸ ਨੇ ਕੁਝ ਮੁੱਖ ਸਥਾਨਾਂ ‘ਤੇ ਪ੍ਰਭਾਵ ਨੂੰ ਕੇਂਦਰਿਤ ਕੀਤਾ ਹੈ। ਹਾਲਾਂਕਿ ਕੰਪਨੀਆਂ ਦੇ ਨਾਮ ਮਸ਼ਹੂਰ ਹਨ, ਪਰ ਉਨ੍ਹਾਂ ਦੇ ਅੰਦਰ ਦੀਆਂ ਖਾਸ ਟੀਮਾਂ ਹੀ ਅਸਲ ਮਿਹਨਤ ਕਰ ਰਹੀਆਂ ਹਨ। ਉਹ ਹੀ ਫੈਸਲਾ ਕਰ ਰਹੀਆਂ ਹਨ ਕਿ ਕਿਹੜੇ ਆਰਕੀਟੈਕਚਰ ਨੂੰ ਅੱਗੇ ਵਧਾਉਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਕਿਹੜੇ ਛੱਡ ਦੇਣੇ ਚਾਹੀਦੇ ਹਨ। ਪ੍ਰਤਿਭਾ ਦੇ ਇਸ ਕੇਂਦਰੀਕਰਨ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਕੁਝ ਦਰਜਨ ਲੋਕ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਭਵਿੱਖ ਦੇ ਬੌਧਿਕ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰ ਰਹੇ ਹਨ। ਡੇਟਾ ਸੈੱਟਾਂ ਅਤੇ ਐਲਗੋਰਿਦਮਿਕ ਤਰਜੀਹਾਂ ਬਾਰੇ ਉਨ੍ਹਾਂ ਦੀਆਂ ਚੋਣਾਂ ਆਉਣ ਵਾਲੇ ਦਹਾਕਿਆਂ ਤੱਕ ਤਕਨਾਲੋਜੀ ਦੇ ਹਰ ਉਪਭੋਗਤਾ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਨਗੀਆਂ।

ਬੌਧਿਕ ਪੂੰਜੀ ਵਿੱਚ ਗਲੋਬਲ ਤਬਦੀਲੀ

ਇਨ੍ਹਾਂ ਖੋਜਕਰਤਾਵਾਂ ਦਾ ਪ੍ਰਭਾਵ ਸਿਲੀਕਾਨ ਵੈਲੀ ਦੀਆਂ ਸਰਹੱਦਾਂ ਤੋਂ ਕਿਤੇ ਅੱਗੇ ਤੱਕ ਫੈਲਿਆ ਹੋਇਆ ਹੈ। ਸਰਕਾਰਾਂ ਅਤੇ ਅੰਤਰਰਾਸ਼ਟਰੀ ਸੰਸਥਾਵਾਂ ਹੁਣ ਰਾਸ਼ਟਰੀ ਸੁਰੱਖਿਆ ਅਤੇ ਆਰਥਿਕ ਨੀਤੀ ਦੇ ਮਾਮਲੇ ਵਜੋਂ ਚੋਟੀ ਦੇ AI ਪ੍ਰਤਿਭਾਸ਼ਾਲੀ ਲੋਕਾਂ ਦੀ ਗਤੀਵਿਧੀ ‘ਤੇ ਨਜ਼ਰ ਰੱਖਦੀਆਂ ਹਨ। ਕਿਸੇ ਦੇਸ਼ ਦੀ ਉੱਚ-ਪ੍ਰਭਾਵ ਵਾਲੇ ਪੇਪਰਾਂ ਦੇ ਲੇਖਕਾਂ ਨੂੰ ਆਕਰਸ਼ਿਤ ਕਰਨ ਅਤੇ ਬਰਕਰਾਰ ਰੱਖਣ ਦੀ ਸਮਰੱਥਾ ਉਸਦੀ ਭਵਿੱਖ ਦੀ ਮੁਕਾਬਲੇਬਾਜ਼ੀ ਦਾ ਇੱਕ ਪ੍ਰਮੁੱਖ ਸੰਕੇਤਕ ਹੈ। ਇਹ ਇਸ ਲਈ ਹੈ ਕਿਉਂਕਿ ਇਨ੍ਹਾਂ ਵਿਅਕਤੀਆਂ ਦੁਆਰਾ ਵਿਕਸਤ ਕੀਤਾ ਗਿਆ ਤਰਕ ਲੌਜਿਸਟਿਕਸ ਤੋਂ ਲੈ ਕੇ ਹੈਲਥਕੇਅਰ ਤੱਕ, ਰਾਸ਼ਟਰੀ ਉਦਯੋਗਾਂ ਦੀ ਕੁਸ਼ਲਤਾ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ। ਜਦੋਂ ਕੋਈ ਖੋਜਕਰਤਾ ਪ੍ਰੋਟੀਨ ਫੋਲਡਿੰਗ ਜਾਂ ਮੌਸਮ ਦੀ ਭਵਿੱਖਬਾਣੀ ਲਈ ਇੱਕ ਨਵਾਂ ਤਰੀਕਾ ਵਿਕਸਤ ਕਰਦਾ ਹੈ, ਤਾਂ ਉਹ ਸਿਰਫ਼ ਵਿਗਿਆਨ ਨੂੰ ਅੱਗੇ ਨਹੀਂ ਵਧਾ ਰਹੇ ਹੁੰਦੇ। ਉਹ ਉਸ ਸੰਸਥਾ ਨੂੰ ਮੁਕਾਬਲੇਬਾਜ਼ੀ ਦਾ ਫਾਇਦਾ ਦੇ ਰਹੇ ਹੁੰਦੇ ਹਨ ਜੋ ਉਸ ਖੋਜ ਨੂੰ ਸਭ ਤੋਂ ਪਹਿਲਾਂ ਲਾਗੂ ਕਰ ਸਕਦੀ ਹੈ। ਇਸ ਨੇ ਬੌਧਿਕ ਪੂੰਜੀ ਲਈ ਇੱਕ ਗਲੋਬਲ ਮੁਕਾਬਲੇ ਨੂੰ ਜਨਮ ਦਿੱਤਾ ਹੈ ਜੋ ਭੌਤਿਕ ਸਰੋਤਾਂ ਦੀ ਦੌੜ ਜਿੰਨਾ ਹੀ ਤੀਬਰ ਹੈ।

ਅਸੀਂ ਇੱਕ ਰੁਝਾਨ ਦੇਖ ਰਹੇ ਹਾਂ ਜਿੱਥੇ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਕੰਮ ਅੰਤਰਰਾਸ਼ਟਰੀ ਪੱਧਰ ‘ਤੇ ਵਧੇਰੇ ਸਹਿਯੋਗੀ ਹੁੰਦਾ ਜਾ ਰਿਹਾ ਹੈ, ਫਿਰ ਵੀ ਲਾਗੂਕਰਨ ਸਥਾਨਕ ਹੀ ਰਹਿੰਦਾ ਹੈ। ਮਾਂਟਰੀਅਲ ਦਾ ਇੱਕ ਖੋਜਕਰਤਾ ਲੰਡਨ ਦੀ ਇੱਕ ਟੀਮ ਨਾਲ ਮਿਲ ਕੇ ਇੱਕ ਪੇਪਰ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਫਿਰ ਟੋਕੀਓ ਵਿੱਚ ਇੱਕ ਸਟਾਰਟਅੱਪ ਦੁਆਰਾ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ। ਇਹ ਆਪਸੀ ਸੰਬੰਧ ਕਿਸੇ ਖਾਸ ਤਰੱਕੀ ਦੇ ਮੂਲ ਨੂੰ ਲੱਭਣਾ ਮੁਸ਼ਕਲ ਬਣਾਉਂਦਾ ਹੈ, ਪਰ ਮੁੱਖ ਲੇਖਕਾਂ ਦਾ ਪ੍ਰਭਾਵ ਸਪੱਸ਼ਟ ਰਹਿੰਦਾ ਹੈ। ਉਹ ਹੀ ਹਨ ਜੋ ਖੇਤਰ ਦੀ ਸ਼ਬਦਾਵਲੀ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦੇ ਹਨ। ਜਦੋਂ ਉਹ ਪੈਰਾਮੀਟਰ-ਕੁਸ਼ਲ ਫਾਈਨ-ਟਿਊਨਿੰਗ ਜਾਂ ਕੌਂਸਟੀਚਿਊਸ਼ਨਲ AI ਵਰਗੀਆਂ ਚੀਜ਼ਾਂ ਬਾਰੇ ਗੱਲ ਕਰਦੇ ਹਨ, ਤਾਂ ਉਹ ਸ਼ਬਦ ਪੂਰੇ ਗਲੋਬਲ ਕਮਿਊਨਿਟੀ ਲਈ ਮਿਆਰ ਬਣ ਜਾਂਦੇ ਹਨ। ਇਹ ਸਾਂਝੀ ਭਾਸ਼ਾ ਤੇਜ਼ੀ ਨਾਲ ਤਰੱਕੀ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ ਪਰ ਇੱਕ ਮੋਨੋਕਲਚਰ ਵੀ ਪੈਦਾ ਕਰਦੀ ਹੈ ਜਿੱਥੇ ਕੁਝ ਵਿਚਾਰਾਂ ਨੂੰ ਦੂਜਿਆਂ ਨਾਲੋਂ ਤਰਜੀਹ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ।

ਗਲੋਬਲ ਪ੍ਰਭਾਵ ਇਸ ਗੱਲ ਵਿੱਚ ਵੀ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ ਕਿ ਵੱਖ-ਵੱਖ ਖੇਤਰ ਕਿਵੇਂ ਮੁਹਾਰਤ ਹਾਸਲ ਕਰਦੇ ਹਨ। ਕੁਝ ਖੋਜ ਕੇਂਦਰ ਇਨ੍ਹਾਂ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਨੈਤਿਕਤਾ ਅਤੇ ਸੁਰੱਖਿਆ ‘ਤੇ ਧਿਆਨ ਕੇਂਦ੍ਰਤ ਕਰਦੇ ਹਨ, ਜਦੋਂ ਕਿ ਦੂਸਰੇ ਕੱਚੀ ਕਾਰਗੁਜ਼ਾਰੀ ਅਤੇ ਪੈਮਾਨੇ ਨੂੰ ਤਰਜੀਹ ਦਿੰਦੇ ਹਨ। ਇਨ੍ਹਾਂ ਕੇਂਦਰਾਂ ਦੀ ਅਗਵਾਈ ਕਰਨ ਵਾਲੇ ਖੋਜਕਰਤਾ ਆਪਣੇ ਸਬੰਧਤ ਖੇਤਰਾਂ ਲਈ ਬੌਧਿਕ ਗੇਟਕੀਪਰ ਵਜੋਂ ਕੰਮ ਕਰਦੇ ਹਨ। ਉਹ ਸਥਾਨਕ ਨਿਯਮਾਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦੇ ਹਨ ਅਤੇ ਖੇਤਰੀ ਟੈਕ ਦਿੱਗਜਾਂ ਦੇ ਨਿਵੇਸ਼ਾਂ ਦਾ ਮਾਰਗਦਰਸ਼ਨ ਕਰਦੇ ਹਨ। ਜਿਵੇਂ-ਜਿਵੇਂ ਹੋਰ ਦੇਸ਼ ਆਪਣੀ ਖੁਦ ਦੀ AI ਸਮਰੱਥਾ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੇ ਹਨ, ਉਹ ਪਾ ਰਹੇ ਹਨ ਕਿ ਉਹ ਸਿਰਫ਼ ਤਕਨਾਲੋਜੀ ਨਹੀਂ ਖਰੀਦ ਸਕਦੇ। ਉਨ੍ਹਾਂ ਨੂੰ ਉਹ ਲੋਕ ਚਾਹੀਦੇ ਹਨ ਜੋ ਅੰਤਰੀਵ ਤਰਕ ਨੂੰ ਸਮਝਦੇ ਹਨ। ਇਸ ਨੇ ਸਭ ਤੋਂ ਵੱਧ ਹਵਾਲਾ ਦਿੱਤੇ ਗਏ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਗਲੋਬਲ ਆਰਥਿਕਤਾ ਵਿੱਚ ਸਭ ਤੋਂ ਸ਼ਕਤੀਸ਼ਾਲੀ ਵਿਅਕਤੀਆਂ ਵਿੱਚੋਂ ਕੁਝ ਬਣਾ ਦਿੱਤਾ ਹੈ, ਭਾਵੇਂ ਉਹ ਕਦੇ ਬੋਰਡਰੂਮ ਵਿੱਚ ਕਦਮ ਨਾ ਰੱਖਣ ਜਾਂ ਟੈਲੀਵਿਜ਼ਨ ਇੰਟਰਵਿਊ ਨਾ ਦੇਣ।

ਐਬਸਟ੍ਰੈਕਟ ਮੈਥ ਤੋਂ ਰੋਜ਼ਾਨਾ ਵਰਕਫਲੋ ਤੱਕ

ਇਹ ਦੇਖਣ ਲਈ ਕਿ ਇਹ ਪ੍ਰਭਾਵ ਔਸਤ ਵਿਅਕਤੀ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ, ਵਿੱਚ ਸਾਰਾ ਨਾਮ ਦੀ ਇੱਕ ਮਾਰਕੀਟਿੰਗ ਮੈਨੇਜਰ ਦੇ ਇੱਕ ਆਮ ਦਿਨ ‘ਤੇ ਵਿਚਾਰ ਕਰੋ। ਸਾਰਾ ਆਪਣੀ ਸਵੇਰ ਦੀ ਸ਼ੁਰੂਆਤ ਇੱਕ ਦਰਜਨ ਲੰਬੀਆਂ ਰਿਪੋਰਟਾਂ ਦਾ ਸਾਰ ਦੇਣ ਲਈ ਇੱਕ AI ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕਰਦੀ ਹੈ। ਉਨ੍ਹਾਂ ਸਾਰਾਂ ਦੀ ਸ਼ੁੱਧਤਾ ਸਾਫਟਵੇਅਰ ‘ਤੇ ਲੱਗੇ ਬ੍ਰਾਂਡ ਦੇ ਨਾਮ ਦਾ ਨਤੀਜਾ ਨਹੀਂ ਹੈ। ਇਹ ਸਪਾਰਸ ਅਟੈਂਸ਼ਨ ਮਕੈਨਿਜ਼ਮ ਵਿੱਚ ਕੀਤੀ ਗਈ ਖੋਜ ਦਾ ਨਤੀਜਾ ਹੈ ਜਿਸਨੇ ਮਾਡਲ ਨੂੰ ਹਜ਼ਾਰਾਂ ਸ਼ਬਦਾਂ ਨੂੰ ਬਿਨਾਂ ਕਿਸੇ ਗਲਤੀ ਦੇ ਪ੍ਰੋਸੈਸ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੱਤੀ। ਇੱਕ ਖੋਜਕਰਤਾ ਜਿਸਦਾ ਨਾਮ ਉਸਨੇ ਕਦੇ ਨਹੀਂ ਸੁਣਿਆ, ਉਸਨੇ ਤਿੰਨ ਸਾਲ ਪਹਿਲਾਂ ਇੱਕ ਖਾਸ ਗਣਿਤਿਕ ਰੁਕਾਵਟ ਨੂੰ ਹੱਲ ਕੀਤਾ ਸੀ, ਅਤੇ ਹੁਣ ਸਾਰਾ ਹਰ ਸਵੇਰ ਇਸ ਕਾਰਨ ਦੋ ਘੰਟੇ ਬਚਾਉਂਦੀ ਹੈ। ਇਹ ਉੱਚ-ਪੱਧਰੀ ਖੋਜ ਦਾ ਠੋਸ, ਰੋਜ਼ਾਨਾ ਨਤੀਜਾ ਹੈ। ਇਹ ਕੋਈ ਐਬਸਟ੍ਰੈਕਟ ਸੰਕਲਪ ਨਹੀਂ ਹੈ। ਇਹ ਇੱਕ ਟੂਲ ਹੈ ਜੋ ਬਦਲਦਾ ਹੈ ਕਿ ਸਾਰਾ ਆਪਣਾ ਕੰਮ ਕਿਵੇਂ ਕਰਦੀ ਹੈ।

ਦਿਨ ਵਿੱਚ ਬਾਅਦ ਵਿੱਚ, ਸਾਰਾ ਸੋਸ਼ਲ ਮੀਡੀਆ ਮੁਹਿੰਮ ਲਈ ਚਿੱਤਰ ਬਣਾਉਣ ਲਈ ਇੱਕ ਜਨਰੇਟਿਵ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ। ਉਨ੍ਹਾਂ ਚਿੱਤਰਾਂ ਦੀ ਗਤੀ ਅਤੇ ਗੁਣਵੱਤਾ ਡਿਫਿਊਜ਼ਨ ਮਾਡਲਾਂ ਅਤੇ ਲੇਟੈਂਟ ਸਪੇਸ ‘ਤੇ ਕੀਤੇ ਗਏ ਕੰਮ ਦਾ ਸਿੱਧਾ ਨਤੀਜਾ ਹੈ। ਜਿਨ੍ਹਾਂ ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਇਨ੍ਹਾਂ ਤਰੀਕਿਆਂ ਦੀ ਸ਼ੁਰੂਆਤ ਕੀਤੀ ਸੀ, ਉਹ ਮਾਰਕੀਟਿੰਗ ਟੂਲ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਨਹੀਂ ਕਰ ਰਹੇ ਸਨ। ਉਹ ਡੇਟਾ ਦੀ ਅੰਤਰੀਵ ਜਿਓਮੈਟਰੀ ਵਿੱਚ ਦਿਲਚਸਪੀ ਰੱਖਦੇ ਸਨ। ਹਾਲਾਂਕਿ, ਉਨ੍ਹਾਂ ਦਾ ਪ੍ਰਭਾਵ ਹੁਣ ਹਰ ਉਸ ਸਿਰਜਣਹਾਰ ਦੁਆਰਾ ਮਹਿਸੂਸ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਜੋ ਇਨ੍ਹਾਂ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਸਾਰਾ ਨੂੰ ਇਸ ਤੋਂ ਲਾਭ ਲੈਣ ਲਈ ਗਣਿਤ ਨੂੰ ਸਮਝਣ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ, ਪਰ ਗਣਿਤ ਇਹ ਤੈਅ ਕਰਦਾ ਹੈ ਕਿ ਉਹ ਕੀ ਕਰ ਸਕਦੀ ਹੈ ਅਤੇ ਕੀ ਨਹੀਂ। ਜੇ ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਇੱਕ ਕਿਸਮ ਦੇ ਚਿੱਤਰ ਉਤਪਾਦਨ ਨੂੰ ਦੂਜੇ ਨਾਲੋਂ ਤਰਜੀਹ ਦੇਣ ਦਾ ਫੈਸਲਾ ਕੀਤਾ ਹੁੰਦਾ, ਤਾਂ ਸਾਰਾ ਦੇ ਰਚਨਾਤਮਕ ਵਿਕਲਪ ਵੱਖਰੇ ਹੁੰਦੇ। ਖੋਜਕਰਤਾ ਉਸਦੀ ਰਚਨਾਤਮਕ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਚੁੱਪ ਭਾਈਵਾਲ ਹਨ।

ਦੁਪਹਿਰ ਤੱਕ, ਸਾਰਾ ਕੰਪਨੀ ਦੀ ਵੈੱਬਸਾਈਟ ਨੂੰ ਅਪਡੇਟ ਕਰਨ ਵਿੱਚ ਮਦਦ ਲਈ ਇੱਕ ਕੋਡਿੰਗ ਅਸਿਸਟੈਂਟ ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੀ ਹੈ। ਇਹ ਅਸਿਸਟੈਂਟ ਵੱਡੇ ਪੱਧਰ ‘ਤੇ ਕੋਡ ਪ੍ਰੀ-ਟ੍ਰੇਨਿੰਗ ਵਿੱਚ ਖੋਜ ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਹੈ। ਮਸ਼ੀਨ ਦੀ ਉਸਦੇ ਇਰਾਦੇ ਨੂੰ ਸਮਝਣ ਅਤੇ ਕਾਰਜਸ਼ੀਲ ਕੋਡ ਪ੍ਰਦਾਨ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਉਨ੍ਹਾਂ ਖੋਜਕਰਤਾਵਾਂ ਦੇ ਕੰਮ ਦਾ ਪ੍ਰਮਾਣ ਹੈ ਜਿਨ੍ਹਾਂ ਨੇ ਇਹ ਪਤਾ ਲਗਾਇਆ ਕਿ ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਨੂੰ ਪ੍ਰੋਗਰਾਮਿੰਗ ਸਿੰਟੈਕਸ ਨਾਲ ਕਿਵੇਂ ਮੈਪ ਕਰਨਾ ਹੈ। ਹਰ ਵਾਰ ਜਦੋਂ ਅਸਿਸਟੈਂਟ ਕੋਡ ਦੀ ਇੱਕ ਸਹੀ ਲਾਈਨ ਦਾ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ, ਤਾਂ ਇਹ ਸਾਲਾਂ ਪਹਿਲਾਂ ਇੱਕ ਲੈਬ ਵਿੱਚ ਵਿਕਸਤ ਕੀਤੇ ਗਏ ਤਰਕ ਨੂੰ ਲਾਗੂ ਕਰ ਰਿਹਾ ਹੁੰਦਾ ਹੈ। ਸਾਰਾ ਦੀ ਉਤਪਾਦਕਤਾ ਉਸ ਖੋਜ ਦੀ ਗੁਣਵੱਤਾ ਦਾ ਸਿੱਧਾ ਪ੍ਰਤੀਬਿੰਬ ਹੈ। ਜੇ ਖੋਜ ਵਿੱਚ ਖਾਮੀ ਹੁੰਦੀ, ਤਾਂ ਉਸਦਾ ਕੋਡ ਬੱਗੀ ਹੁੰਦਾ। ਜੇ ਖੋਜ ਪੱਖਪਾਤੀ ਹੁੰਦੀ, ਤਾਂ ਉਸਦੀ ਵੈੱਬਸਾਈਟ ਵਿੱਚ ਪਹੁੰਚਯੋਗਤਾ ਦੇ ਮੁੱਦੇ ਹੋ ਸਕਦੇ ਸਨ। ਖੋਜਕਰਤਾ ਦਾ ਪ੍ਰਭਾਵ ਕੋਡ ਦੀ ਹਰ ਉਸ ਲਾਈਨ ਵਿੱਚ ਸ਼ਾਮਲ ਹੈ ਜੋ ਮਸ਼ੀਨ ਸੁਝਾਉਂਦੀ ਹੈ।

ਇਹ ਦ੍ਰਿਸ਼ ਹਰ ਉਦਯੋਗ ਵਿੱਚ ਖੇਡਿਆ ਜਾਂਦਾ ਹੈ। ਡਾਕਟਰ ਕੰਪਿਊਟਰ ਵਿਜ਼ਨ ਖੋਜ ‘ਤੇ ਬਣੇ ਡਾਇਗਨੌਸਟਿਕ ਟੂਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ। ਲੌਜਿਸਟਿਕਸ ਕੰਪਨੀਆਂ ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ‘ਤੇ ਬਣੇ ਰੂਟ ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਦੀਆਂ ਹਨ। ਇੱਥੋਂ ਤੱਕ ਕਿ ਜੋ ਮਨੋਰੰਜਨ ਅਸੀਂ ਵਰਤਦੇ ਹਾਂ, ਉਹ ਵੀ ਇਨ੍ਹਾਂ ਚੁੱਪ ਆਰਕੀਟੈਕਟਾਂ ਦੁਆਰਾ ਡਿਜ਼ਾਈਨ ਕੀਤੇ ਐਲਗੋਰਿਦਮ ਦੁਆਰਾ ਵੱਧ ਤੋਂ ਵੱਧ ਆਕਾਰ ਦਿੱਤਾ ਜਾ ਰਿਹਾ ਹੈ। ਪ੍ਰਭਾਵ ਵਿਆਪਕ ਅਤੇ ਅਦਿੱਖ ਹੈ। ਅਸੀਂ ਇੰਟਰਫੇਸ ਅਤੇ ਬ੍ਰਾਂਡ ‘ਤੇ ਧਿਆਨ ਕੇਂਦ੍ਰਤ ਕਰਦੇ ਹਾਂ, ਪਰ ਅਸਲ ਮੁੱਲ ਤਰਕ ਵਿੱਚ ਹੈ। ਖੋਜਕਰਤਾ ਉਹ ਹਨ ਜਿਨ੍ਹਾਂ ਨੇ ਫੈਸਲਾ ਕੀਤਾ ਹੈ ਕਿ ਉਹ ਤਰਕ ਕਿਵੇਂ ਕੰਮ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ, ਇਸ ਨੂੰ ਕੀ ਮਹੱਤਵ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ, ਅਤੇ ਇਸ ਦੀਆਂ ਸੀਮਾਵਾਂ ਕੀ ਹੋਣੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ। ਉਹ ਉਹ ਹਨ ਜੋ ਅਸਲ ਵਿੱਚ ਉਸ ਸੰਸਾਰ ਨੂੰ ਆਕਾਰ ਦੇ ਰਹੇ ਹਨ ਜਿਸ ਵਿੱਚ ਸਾਰਾ ਰਹਿੰਦੀ ਹੈ, ਇੱਕ ਸਮੇਂ ਵਿੱਚ ਇੱਕ ਪੇਪਰ।

ਇਹ ਸਮੱਗਰੀ ਵਿਸ਼ੇ ਦੀ ਵਿਆਪਕ ਕਵਰੇਜ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਇੱਕ AI ਸਿਸਟਮ ਦੀ ਸਹਾਇਤਾ ਨਾਲ ਤਿਆਰ ਕੀਤੀ ਗਈ ਸੀ।

ਐਲਗੋਰਿਦਮਿਕ ਸ਼ਕਤੀ ਦੇ ਅਣਸੁਲਝੇ ਸਵਾਲ

ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਖੋਜਕਰਤਾਵਾਂ ਦੇ ਇੱਕ ਛੋਟੇ ਸਮੂਹ ਦੇ ਕੰਮ ‘ਤੇ ਵਧੇਰੇ ਨਿਰਭਰ ਕਰਦੇ ਹਾਂ, ਸਾਨੂੰ ਇਸ ਪ੍ਰਭਾਵ ਦੀ ਲਾਗਤ ਬਾਰੇ ਮੁਸ਼ਕਲ ਸਵਾਲ ਪੁੱਛਣੇ ਚਾਹੀਦੇ ਹਨ। ਇਨ੍ਹਾਂ ਸਿਧਾਂਤਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ ਲੋੜੀਂਦੀ ਵਿਸ਼ਾਲ ਕੰਪਿਊਟ ਸ਼ਕਤੀ ਲਈ ਅਸਲ ਵਿੱਚ ਕੌਣ ਭੁਗਤਾਨ ਕਰ ਰਿਹਾ ਹੈ? ਜ਼ਿਆਦਾਤਰ ਉੱਚ-ਪੱਧਰੀ ਖੋਜ ਹੁਣ ਧਰਤੀ ਦੀਆਂ ਕੁਝ ਸਭ ਤੋਂ ਵੱਡੀਆਂ ਕਾਰਪੋਰੇਸ਼ਨਾਂ ਦੁਆਰਾ ਫੰਡ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਹ ਸਵਾਲ ਉਠਾਉਂਦਾ ਹੈ ਕਿ ਕੀ ਖੋਜ ਨੂੰ ਜਨਤਕ ਭਲੇ ਵੱਲ ਨਿਰਦੇਸ਼ਿਤ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ ਜਾਂ ਮਲਕੀਅਤ ਦੇ ਫਾਇਦੇ ਪੈਦਾ ਕਰਨ ਵੱਲ। ਜੇ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਦਿਮਾਗ ਸਾਰੇ ਬੰਦ ਦਰਵਾਜ਼ਿਆਂ ਦੇ ਪਿੱਛੇ ਕੰਮ ਕਰ ਰਹੇ ਹਨ, ਤਾਂ ਖੁੱਲ੍ਹੀ ਪੁੱਛਗਿੱਛ ਦੀ ਭਾਵਨਾ ਦਾ ਕੀ ਹੁੰਦਾ ਹੈ ਜਿਸਨੇ ਖੇਤਰ ਨੂੰ ਬਣਾਇਆ ਸੀ? ਅਸੀਂ ਵਧੇਰੇ ਗੁਪਤ ਖੋਜ ਵੱਲ ਇੱਕ ਤਬਦੀਲੀ ਦੇਖ ਰਹੇ ਹਾਂ, ਜਿੱਥੇ ਅੰਤਮ ਨਤੀਜੇ ਸਾਂਝੇ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਪਰ ਤਰੀਕੇ ਅਤੇ ਡੇਟਾ ਲੁਕੇ ਰਹਿੰਦੇ ਹਨ। ਪਾਰਦਰਸ਼ਤਾ ਦੀ ਇਹ ਘਾਟ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਲੁਕਵੀਂ ਲਾਗਤ ਹੈ।

ਗੋਪਨੀਯਤਾ ਅਤੇ ਡੇਟਾ ਦੀ ਮਾਲਕੀ ਦਾ ਸਵਾਲ ਵੀ ਹੈ। ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਆਪਣੇ ਮਾਡਲਾਂ ਨੂੰ ਟ੍ਰੇਨ ਕਰਨ ਅਤੇ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਲਈ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਡੇਟਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਹ ਡੇਟਾ ਕਿੱਥੋਂ ਆਉਂਦਾ ਹੈ, ਅਤੇ ਇਸਦੀ ਵਰਤੋਂ ਲਈ ਇਜਾਜ਼ਤ ਕਿਸਨੇ ਦਿੱਤੀ? ਖੇਤਰ ਦੇ ਬਹੁਤ ਸਾਰੇ ਬੁਨਿਆਦੀ ਪੇਪਰ ਉਨ੍ਹਾਂ ਡੇਟਾ ਸੈੱਟਾਂ ‘ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ ਜੋ ਸਿਰਜਣਹਾਰਾਂ ਦੀ ਸਪੱਸ਼ਟ ਸਹਿਮਤੀ ਤੋਂ ਬਿਨਾਂ ਇੰਟਰਨੈਟ ਤੋਂ ਸਕ੍ਰੈਪ ਕੀਤੇ ਗਏ ਸਨ। ਇਹ ਇੱਕ ਅਜਿਹੀ ਸਥਿਤੀ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜਿੱਥੇ ਖੋਜਕਰਤਾ ਦਾ ਪ੍ਰਭਾਵ ਲੱਖਾਂ ਲੋਕਾਂ ਦੀ ਬਿਨਾਂ ਮੁਆਵਜ਼ੇ ਵਾਲੀ ਮਿਹਨਤ ‘ਤੇ ਬਣਿਆ ਹੁੰਦਾ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ ਇਹ ਪ੍ਰਣਾਲੀਆਂ ਵਧੇਰੇ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੁੰਦੀਆਂ ਹਨ, ਡੇਟਾ ਦੀ ਲੋੜ ਅਤੇ ਗੋਪਨੀਯਤਾ ਦੇ ਅਧਿਕਾਰ ਵਿਚਕਾਰ ਤਣਾਅ ਸਿਰਫ ਵਧੇਗਾ। ਸਾਨੂੰ ਇਹ ਪੁੱਛਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕੀ ਇਸ ਖੋਜ ਦੇ ਲਾਭ ਵਿਅਕਤੀਗਤ ਡਿਜੀਟਲ ਅਧਿਕਾਰਾਂ ਦੇ ਖਾਤਮੇ ਤੋਂ ਵੱਧ ਹਨ।

ਅੰਤ ਵਿੱਚ, ਸਾਨੂੰ ਵਾਤਾਵਰਣ ਦੇ ਪ੍ਰਭਾਵ ‘ਤੇ ਵਿਚਾਰ ਕਰਨਾ ਪਵੇਗਾ। ਇਨ੍ਹਾਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਪੇਪਰਾਂ ਵਿੱਚ ਵਰਣਿਤ ਮਾਡਲਾਂ ਨੂੰ ਟ੍ਰੇਨ ਕਰਨ ਲਈ ਬਹੁਤ ਜ਼ਿਆਦਾ ਬਿਜਲੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇੱਕ ਸਿੰਗਲ ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਇੱਕ ਛੋਟੇ ਕਸਬੇ ਜਿੰਨੀ ਬਿਜਲੀ ਦੀ ਖਪਤ ਕਰ ਸਕਦਾ ਹੈ। ਹਾਲਾਂਕਿ ਕੁਝ ਖੋਜਕਰਤਾ ਕੁਸ਼ਲਤਾ ‘ਤੇ ਧਿਆਨ ਕੇਂਦ੍ਰਤ ਕਰ ਰਹੇ ਹਨ, ਆਮ ਰੁਝਾਨ ਵੱਡੇ ਅਤੇ ਵਧੇਰੇ ਸਰੋਤ-ਸੰਘਣੇ ਪ੍ਰਣਾਲੀਆਂ ਵੱਲ ਹੈ। ਇਨ੍ਹਾਂ ਖੋਜਾਂ ਦੇ ਕਾਰਬਨ ਫੁੱਟਪ੍ਰਿੰਟ ਲਈ ਕੌਣ ਜ਼ਿੰਮੇਵਾਰ ਹੈ? ਜਿਵੇਂ-ਜਿਵੇਂ ਦੁਨੀਆ ਵਧੇਰੇ ਟਿਕਾਊ ਭਵਿੱਖ ਵੱਲ ਵਧ ਰਹੀ ਹੈ, ਟੈਕ ਇੰਡਸਟਰੀ ਨੂੰ ਆਪਣੀ ਸਭ ਤੋਂ ਉੱਨਤ ਖੋਜ ਦੀ ਵਿਸ਼ਾਲ ਊਰਜਾ ਖਪਤ ਨੂੰ ਜਾਇਜ਼ ਠਹਿਰਾਉਣਾ ਚਾਹੀਦਾ ਹੈ। ਕੀ ਬੁੱਧੀ ਵਿੱਚ ਵਾਧਾ ਗ੍ਰਹਿ ਦੀ ਕੀਮਤ ਦੇ ਬਰਾਬਰ ਹੈ? ਇਹ ਇੱਕ ਅਜਿਹਾ ਸਵਾਲ ਹੈ ਜਿਸਨੂੰ ਖੋਜਕਰਤਾ ਖੁਦ ਆਪਣੇ ਕੰਮ ਵਿੱਚ ਹੱਲ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰ ਰਹੇ ਹਨ।

ਪਾਵਰ ਯੂਜ਼ਰ ਲਈ ਤਕਨੀਕੀ ਫਰੇਮਵਰਕ

ਉਨ੍ਹਾਂ ਲਈ ਜੋ ਸਤਹੀ ਪੱਧਰ ਤੋਂ ਅੱਗੇ ਵਧਣਾ ਚਾਹੁੰਦੇ ਹਨ, ਇਸ ਖੋਜ ਦੇ ਤਕਨੀਕੀ ਲਾਗੂਕਰਨ ਨੂੰ ਸਮਝਣਾ ਕੁੰਜੀ ਹੈ। ਪਾਵਰ ਯੂਜ਼ਰ ਸਿਰਫ਼ ਟੂਲਾਂ ਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕਰਦੇ। ਉਹ LoRA (Low-Rank Adaptation) ਵਰਗੇ ਅੰਤਰੀਵ ਆਰਕੀਟੈਕਚਰ ਨੂੰ ਸਮਝਦੇ ਹਨ ਅਤੇ ਇਹ ਕਿਵੇਂ ਉਹ ਕੁਸ਼ਲ ਮਾਡਲ ਟਿਊਨਿੰਗ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੇ ਹਨ। ਇਹ ਤਕਨੀਕਾਂ, ਜੋ ਵਿਸ਼ਾਲ ਪੈਰਾਮੀਟਰ ਗਿਣਤੀ ਦੀ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਖੋਜਕਰਤਾਵਾਂ ਦੁਆਰਾ ਵਿਕਸਤ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ, ਵਿਅਕਤੀਆਂ ਨੂੰ ਖਪਤਕਾਰ-ਗ੍ਰੇਡ ਹਾਰਡਵੇਅਰ ‘ਤੇ ਵੱਡੇ ਮਾਡਲਾਂ ਨੂੰ ਅਨੁਕੂਲਿਤ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀਆਂ ਹਨ। ਇਹ ਇਸ ਗੱਲ ਦੀ ਇੱਕ ਸੰਪੂਰਨ ਉਦਾਹਰਣ ਹੈ ਕਿ ਖੋਜ ਦਾ ਪ੍ਰਭਾਵ ਕਿਵੇਂ ਵਿਅਕਤੀਗਤ ਉਪਭੋਗਤਾ ਤੱਕ ਪਹੁੰਚਦਾ ਹੈ। LoRA ਦੇ ਪਿੱਛੇ ਦੇ ਗਣਿਤ ਨੂੰ ਸਮਝ ਕੇ, ਇੱਕ ਡਿਵੈਲਪਰ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਟੂਲ ਬਣਾ ਸਕਦਾ ਹੈ ਜੋ ਬਹੁਤ ਵੱਡੇ ਸਿਸਟਮ ਦੇ ਬਰਾਬਰ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦਾ ਹੈ, ਉਹ ਵੀ ਬਹੁਤ ਘੱਟ ਲਾਗਤ ‘ਤੇ।

ਪਾਵਰ ਯੂਜ਼ਰਾਂ ਲਈ ਇੱਕ ਹੋਰ ਮਹੱਤਵਪੂਰਨ ਖੇਤਰ API ਸੀਮਾਵਾਂ ਅਤੇ ਇਨਫਰੈਂਸ ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਦਾ ਅਧਿਐਨ ਹੈ। ਅੱਜ ਦੀ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਖੋਜ ਅਕਸਰ ਇਸ ਗੱਲ ‘ਤੇ ਕੇਂਦ੍ਰਤ ਹੁੰਦੀ ਹੈ ਕਿ ਘੱਟ ਤੋਂ ਘੱਟ ਕੰਪਿਊਟੇਸ਼ਨ ਨਾਲ ਮਾਡਲ ਤੋਂ ਵੱਧ ਤੋਂ ਵੱਧ ਕਿਵੇਂ ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾਵੇ। ਇਸ ਵਿੱਚ ਕੁਆਂਟਾਈਜ਼ੇਸ਼ਨ ਵਰਗੀਆਂ ਤਕਨੀਕਾਂ ਸ਼ਾਮਲ ਹਨ, ਜਿੱਥੇ ਮੈਮੋਰੀ ਬਚਾਉਣ ਅਤੇ ਪ੍ਰੋਸੈਸਿੰਗ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਲਈ ਮਾਡਲ ਦੇ ਵਜ਼ਨ ਦੀ ਸ਼ੁੱਧਤਾ ਨੂੰ ਘਟਾਇਆ ਜਾਂਦਾ ਹੈ। ਇੱਕ ਐਪਲੀਕੇਸ਼ਨ ਬਣਾਉਣ ਵਾਲੇ ਡਿਵੈਲਪਰ ਲਈ, ਇਹ ਖੋਜ ਪ੍ਰਾਪਤੀਆਂ ਇੱਕ ਅਜਿਹੇ ਪ੍ਰੋਡਕਟ ਜੋ ਤੇਜ਼ ਅਤੇ ਕਿਫਾਇਤੀ ਹੈ ਅਤੇ ਇੱਕ ਜੋ ਹੌਲੀ ਅਤੇ ਮਹਿੰਗਾ ਹੈ, ਵਿਚਕਾਰ ਅੰਤਰ ਹਨ। ਇਨ੍ਹਾਂ ਵਿਸ਼ਿਆਂ ‘ਤੇ ਨਵੀਨਤਮ ਇੰਡਸਟਰੀ ਇਨਸਾਈਟਸ ਨਾਲ ਜੁੜੇ ਰਹਿਣਾ ਕਿਸੇ ਵੀ ਅਜਿਹੇ ਵਿਅਕਤੀ ਲਈ ਜ਼ਰੂਰੀ ਹੈ ਜੋ ਪੇਸ਼ੇਵਰ-ਗ੍ਰੇਡ AI ਟੂਲ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਿਹਾ ਹੈ। ਖੋਜਕਰਤਾ ਇਨ੍ਹਾਂ ਓਪਟੀਮਾਈਜੇਸ਼ਨਾਂ ਲਈ ਬਲੂਪ੍ਰਿੰਟ ਪ੍ਰਦਾਨ ਕਰ ਰਹੇ ਹਨ।

ਸਥਾਨਕ ਸਟੋਰੇਜ ਅਤੇ ਡੇਟਾ ਪ੍ਰਭੂਸੱਤਾ ਵੀ ਉੱਨਤ ਖੋਜ ਵਿੱਚ ਪ੍ਰਮੁੱਖ ਵਿਸ਼ੇ ਬਣ ਰਹੇ ਹਨ। ਜਿਵੇਂ-ਜਿਵੇਂ ਉਪਭੋਗਤਾ ਗੋਪਨੀਯਤਾ ਬਾਰੇ ਵਧੇਰੇ ਚਿੰਤਤ ਹੁੰਦੇ ਹਨ, ਖੋਜਕਰਤਾ ਫੈਡਰੇਟਿਡ ਲਰਨਿੰਗ ਅਤੇ ਆਨ-ਡਿਵਾਈਸ ਪ੍ਰੋਸੈਸਿੰਗ ਲਈ ਤਰੀਕੇ ਵਿਕਸਤ ਕਰ ਰਹੇ ਹਨ। ਇਹ ਮਾਡਲ ਨੂੰ ਉਪਭੋਗਤਾ ਡੇਟਾ ਤੋਂ ਸਿੱਖਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ ਬਿਨਾਂ ਉਸ ਡੇਟਾ ਦੇ ਡਿਵਾਈਸ ਨੂੰ ਛੱਡੇ। ਪਾਵਰ ਯੂਜ਼ਰ ਲਈ, ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਮਹਿੰਗੀਆਂ ਅਤੇ ਸੰਭਾਵੀ ਤੌਰ ‘ਤੇ ਅਸੁਰੱਖਿਅਤ ਕਲਾਉਡ ਸੇਵਾਵਾਂ ਦੀ ਲੋੜ ਨੂੰ ਬਾਈਪਾਸ ਕਰਦੇ ਹੋਏ, ਸਥਾਨਕ ਤੌਰ ‘ਤੇ ਵਧੀਆ AI ਵਰਕਫਲੋ ਚਲਾਉਣ ਦੀ ਸਮਰੱਥਾ। ਉਨ੍ਹਾਂ ਖੋਜਕਰਤਾਵਾਂ ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਘੱਟ ਨਹੀਂ ਸਮਝਿਆ ਜਾ ਸਕਦਾ ਜੋ ਇਨ੍ਹਾਂ ਵਿਕੇਂਦਰੀਕ੍ਰਿਤ ਮਾਡਲਾਂ ਲਈ ਜ਼ੋਰ ਦੇ ਰਹੇ ਹਨ। ਉਹ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਆਪਣੇ ਡੇਟਾ ‘ਤੇ ਨਿਯੰਤਰਣ ਵਾਪਸ ਲੈਣ ਲਈ ਤਕਨੀਕੀ ਸਾਧਨ ਪ੍ਰਦਾਨ ਕਰ ਰਹੇ ਹਨ ਜਦੋਂ ਕਿ ਅਜੇ ਵੀ ਮਸ਼ੀਨ ਇੰਟੈਲੀਜੈਂਸ ਵਿੱਚ ਨਵੀਨਤਮ ਤਰੱਕੀ ਤੋਂ ਲਾਭ ਉਠਾ ਰਹੇ ਹਨ।

ملاحظة المحرر: لقد أنشأنا هذا الموقع كمركز إخباري وإرشادي متعدد اللغات للذكاء الاصطناعي للأشخاص الذين ليسوا خبراء في الكمبيوتر، ولكنهم ما زالوا يرغبون في فهم الذكاء الاصطناعي، واستخدامه بثقة أكبر، ومتابعة المستقبل الذي بدأ بالفعل في الوصول.

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।

ਬੌਧਿਕ ਪ੍ਰਭਾਵ ਦਾ ਭਵਿੱਖ

ਜਿਨ੍ਹਾਂ ਖੋਜਕਰਤਾਵਾਂ ਦਾ ਹਰ ਕੋਈ ਹਵਾਲਾ ਦਿੰਦਾ ਹੈ, ਉਹ ਸਿਰਫ਼ ਅਕਾਦਮਿਕ ਹਸਤੀਆਂ ਨਹੀਂ ਹਨ। ਉਹ ਆਧੁਨਿਕ ਆਰਥਿਕਤਾ ਦੇ ਪ੍ਰਾਇਮਰੀ ਚਾਲਕ ਹਨ। ਉਨ੍ਹਾਂ ਦਾ ਕੰਮ ਸਾਡੇ ਟੂਲਾਂ ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ, ਸਾਡੇ ਕਾਰੋਬਾਰਾਂ ਦੀ ਕੁਸ਼ਲਤਾ, ਅਤੇ ਸਾਡੀ ਗਲੋਬਲ ਨੀਤੀ ਦੀ ਦਿਸ਼ਾ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ। ਜਦੋਂ ਕਿ ਜਨਤਾ ਇੰਡਸਟਰੀ ਦੇ ਮਸ਼ਹੂਰ ਚਿਹਰਿਆਂ ‘ਤੇ ਕੇਂਦ੍ਰਤ ਰਹਿੰਦੀ ਹੈ, ਅਸਲ ਕੰਮ ਲੈਬਾਂ ਵਿੱਚ ਅਤੇ ਪ੍ਰੀ-ਪ੍ਰਿੰਟ ਸਰਵਰਾਂ ‘ਤੇ ਹੋ ਰਿਹਾ ਹੈ। ਇਹ ਪ੍ਰਭਾਵ ਬਣਤਰਗਤ, ਡੂੰਘਾ, ਅਤੇ ਅਕਸਰ ਅਦਿੱਖ ਹੁੰਦਾ ਹੈ। ਇਹ ਤਰਕ ਦੀ ਸਖ਼ਤ ਵਰਤੋਂ ਅਤੇ ਨਵੇਂ ਵਿਚਾਰਾਂ ਦੀ ਨਿਰੰਤਰ ਜਾਂਚ ‘ਤੇ ਬਣਿਆ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ ਅਸੀਂ ਅੱਗੇ ਵਧਦੇ ਹਾਂ, ਉਨ੍ਹਾਂ ਲੋਕਾਂ ਵਿਚਕਾਰ ਪਾੜਾ ਜੋ ਇਸ ਖੋਜ ਨੂੰ ਸਮਝਦੇ ਹਨ ਅਤੇ ਉਹ ਜੋ ਸਿਰਫ਼ ਪ੍ਰੋਡਕਟਸ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ, ਵਧਦਾ ਰਹੇਗਾ।

ਕੇਂਦਰੀ ਸਵਾਲ ਜੋ ਅਣਸੁਲਝਿਆ ਰਹਿੰਦਾ ਹੈ ਉਹ ਜਵਾਬਦੇਹੀ ਦਾ ਹੈ। ਜੇ ਕਿਸੇ ਖੋਜਕਰਤਾ ਦਾ ਪੇਪਰ ਇੱਕ ਅਜਿਹੇ ਸਿਸਟਮ ਵੱਲ ਲੈ ਜਾਂਦਾ ਹੈ ਜੋ ਪ੍ਰਣਾਲੀਗਤ ਪੱਖਪਾਤ ਜਾਂ ਆਰਥਿਕ ਵਿਘਨ ਦਾ ਕਾਰਨ ਬਣਦਾ ਹੈ, ਤਾਂ ਜ਼ਿੰਮੇਵਾਰੀ ਕਿੱਥੇ ਹੈ? ਕੀ ਇਹ ਗਣਿਤ ਦੇ ਲੇਖਕ ਨਾਲ ਹੈ, ਉਸ ਕੰਪਨੀ ਨਾਲ ਜਿਸਨੇ ਇਸਨੂੰ ਲਾਗੂ ਕੀਤਾ, ਜਾਂ ਉਸ ਸਰਕਾਰ ਨਾਲ ਜਿਸਨੇ ਇਸਨੂੰ ਨਿਯੰਤ੍ਰਿਤ ਕੀਤਾ? ਜਿਵੇਂ-ਜਿਵੇਂ ਇਨ੍ਹਾਂ ਚੁੱਪ ਆਰਕੀਟੈਕਟਾਂ ਦਾ ਪ੍ਰਭਾਵ ਵਧਦਾ ਹੈ, ਉਵੇਂ ਹੀ ਇੱਕ ਅਜਿਹੇ ਫਰੇਮਵਰਕ ਦੀ ਲੋੜ ਵੀ ਵਧਦੀ ਹੈ ਜੋ ਤਕਨੀਕੀ ਨਵੀਨਤਾ ਨੂੰ ਸਮਾਜਿਕ ਜ਼ਿੰਮੇਵਾਰੀ ਨਾਲ ਜੋੜਦਾ ਹੈ। ਅਸੀਂ ਇੱਕ ਅਜਿਹੇ ਯੁੱਗ ਵਿੱਚ ਦਾਖਲ ਹੋ ਰਹੇ ਹਾਂ ਜਿੱਥੇ ਕਮਰੇ ਵਿੱਚ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਲੋਕ ਉਹ ਹਨ ਜੋ ਗਣਿਤ ਦੀ ਵਿਆਖਿਆ ਕਰ ਸਕਦੇ ਹਨ, ਅਤੇ ਸਾਨੂੰ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਉਨ੍ਹਾਂ ਦਾ ਪ੍ਰਭਾਵ ਹਰ ਕਿਸੇ ਦੇ ਲਾਭ ਲਈ ਵਰਤਿਆ ਜਾਵੇ। ਤੁਸੀਂ ਮੌਜੂਦਾ ਸਾਲ ਵਿੱਚ ਇਹ ਭੂਮਿਕਾਵਾਂ ਕਿਵੇਂ ਵਿਕਸਤ ਹੋ ਰਹੀਆਂ ਹਨ, ਇਸ ਬਾਰੇ ਹੋਰ ਵਿਸਤ੍ਰਿਤ ਵਿਗਿਆਨਕ ਵਿਸ਼ਲੇਸ਼ਣ ਲੱਭ ਸਕਦੇ ਹੋ।

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