ਨਵਾਂ AI ਮੈਪ: ਮਾਡਲਾਂ, ਚਿਪਸ ਅਤੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਵਿੱਚ ਕੌਣ ਅੱਗੇ ਹੈ?

AI ਦੇ ਇੱਕ ਹਲਕੇ-ਫੁਲਕੇ ਸਾਫਟਵੇਅਰ ਕਲਾਉਡ ਹੋਣ ਦਾ ਭਰਮ ਹੁਣ ਖਤਮ ਹੋ ਰਿਹਾ ਹੈ। ਇਸਦੀ ਜਗ੍ਹਾ ਸਿਲੀਕਾਨ, ਹਾਈ-ਬੈਂਡਵਿਡਥ ਮੈਮੋਰੀ ਅਤੇ ਵਿਸ਼ੇਸ਼ ਫੈਕਟਰੀਆਂ ਦੀ ਇੱਕ ਸਖ਼ਤ ਹਕੀਕਤ ਨੇ ਲੈ ਲਈ ਹੈ। ਅੱਜ ਦੇ ਦੌਰ ਵਿੱਚ ਅਸਲ ਤਾਕਤ ਉਹਨਾਂ ਕੋਲ ਨਹੀਂ ਹੈ ਜੋ ਸਭ ਤੋਂ ਵਧੀਆ ਪ੍ਰੋਂਪਟ ਲਿਖਦੇ ਹਨ, ਸਗੋਂ ਉਹਨਾਂ ਕੋਲ ਹੈ ਜੋ ਭੌਤਿਕ ਸਪਲਾਈ ਚੇਨ ਨੂੰ ਕੰਟਰੋਲ ਕਰਦੇ ਹਨ। ਨੀਦਰਲੈਂਡ ਵਿੱਚ ਅਤਿ-ਬੈਂਗਣੀ ਲਿਥੋਗ੍ਰਾਫੀ ਮਸ਼ੀਨਾਂ ਤੋਂ ਲੈ ਕੇ ਤਾਈਵਾਨ ਵਿੱਚ ਪੈਕੇਜਿੰਗ ਸੁਵਿਧਾਵਾਂ ਤੱਕ, ਪ੍ਰਭਾਵ ਦਾ ਨਕਸ਼ਾ ਮੁੜ ਤਿਆਰ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ। ਇਹ ਹਾਰਡਵੇਅਰ ਦੀਆਂ ਰੁਕਾਵਟਾਂ ਅਤੇ ਊਰਜਾ ਗਰਿੱਡਾਂ ਦੀ ਕਹਾਣੀ ਹੈ। ਜਦੋਂ ਕਿ ਆਮ ਲੋਕ ਚੈਟਬੋਟਸ ‘ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰ ਰਹੇ ਹਨ, ਉਦਯੋਗ ਦਾ ਧਿਆਨ ਐਡਵਾਂਸਡ ਲੌਜਿਕ ਚਿਪਸ ਦੀ ਪੈਦਾਵਾਰ ਅਤੇ ਬਿਜਲੀ ਦੇ ਟ੍ਰਾਂਸਫਾਰਮਰਾਂ ਦੀ ਉਪਲਬਧਤਾ ‘ਤੇ ਹੈ। ਨਿਰਮਾਣ ਦਾ ਇਹ ਕੇਂਦਰੀਕਰਨ ਦੇਸ਼ਾਂ ਅਤੇ ਕਾਰਪੋਰੇਸ਼ਨਾਂ ਦਾ ਇੱਕ ਨਵਾਂ ਦਰਜਾਬੰਦੀ ਬਣਾ ਰਿਹਾ ਹੈ। ਜੋ ਕੰਪਿਊਟ ਦੇ ਮਾਲਕ ਹਨ, ਉਹੀ ਇੰਟੈਲੀਜੈਂਸ ਦੇ ਭਵਿੱਖ ਦੇ ਮਾਲਕ ਹਨ। ਅਸੀਂ ਡੇਟਾ ਦੀ ਬਹੁਤਾਤ ਵਾਲੀ ਦੁਨੀਆ ਤੋਂ ਹਾਰਡਵੇਅਰ ਦੀ ਕਮੀ ਵਾਲੀ ਦੁਨੀਆ ਵੱਲ ਵਧ ਰਹੇ ਹਾਂ। ਇਹ ਬਦਲਾਅ ਅੱਜ ਦੀਆਂ ਵੱਡੀਆਂ ਟੈਕ ਕੰਪਨੀਆਂ ਦੁਆਰਾ ਲਏ ਗਏ ਹਰ ਰਣਨੀਤਕ ਫੈਸਲੇ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ। ਨਵੀਨਤਮ AI ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਰੁਝਾਨਾਂ ਨੂੰ ਸਮਝਣਾ ਹਰ ਉਸ ਵਿਅਕਤੀ ਲਈ ਜ਼ਰੂਰੀ ਹੈ ਜੋ ਟੈਕ ਚੱਕਰ ਦੇ ਹਾਈਪ ਤੋਂ ਅੱਗੇ ਦੇਖਣਾ ਚਾਹੁੰਦਾ ਹੈ।

ਕੋਡ ਤੋਂ ਪਰੇ: ਹਾਰਡਵੇਅਰ ਸਟੈਕ

ਆਧੁਨਿਕ AI ਸਟੈਕ ਨੂੰ ਸਮਝਣ ਲਈ, ਪ੍ਰੋਸੈਸਰ ਤੋਂ ਅੱਗੇ ਦੇਖਣਾ ਪਵੇਗਾ। ਇੱਕ ਹਾਈ-ਐਂਡ ਐਕਸਲੇਟਰ ਵੱਖ-ਵੱਖ ਕੰਪੋਨੈਂਟਸ ਦਾ ਇੱਕ ਗੁੰਝਲਦਾਰ ਜੋੜ ਹੈ। ਪਹਿਲਾਂ, ਲੌਜਿਕ ਚਿੱਪ ਹੈ, ਜੋ ਅਸਲ ਗਣਨਾ ਕਰਦੀ ਹੈ। ਇਹ ਵਰਤਮਾਨ ਵਿੱਚ Nvidia ਜਾਂ AMD ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਦੁਆਰਾ ਡਿਜ਼ਾਈਨ ਕੀਤੇ ਗਏ ਹਨ ਅਤੇ ਸਭ ਤੋਂ ਉੱਨਤ ਨੋਡਸ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਨਿਰਮਿਤ ਹਨ। ਹਾਲਾਂਕਿ, ਲੌਜਿਕ ਚਿੱਪ ਇਕੱਲੀ ਕੰਮ ਨਹੀਂ ਕਰ ਸਕਦੀ। ਇਸਨੂੰ HBM ਵਜੋਂ ਜਾਣੀ ਜਾਂਦੀ ਹਾਈ-ਬੈਂਡਵਿਡਥ ਮੈਮੋਰੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਜੋ ਪ੍ਰੋਸੈਸਰ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਡੇਟਾ ਦਿੱਤਾ ਜਾ ਸਕੇ। ਇਸ ਵਿਸ਼ੇਸ਼ ਮੈਮੋਰੀ ਤੋਂ ਬਿਨਾਂ, ਦੁਨੀਆ ਦੀ ਸਭ ਤੋਂ ਤੇਜ਼ ਚਿੱਪ ਵੀ ਵਿਹਲੀ ਰਹੇਗੀ। ਫਿਰ ਪੈਕੇਜਿੰਗ ਆਉਂਦੀ ਹੈ। ਐਡਵਾਂਸਡ ਪੈਕੇਜਿੰਗ ਤਕਨੀਕਾਂ, ਜਿਵੇਂ ਕਿ Chip on Wafer on Substrate, ਇਹਨਾਂ ਵੱਖ-ਵੱਖ ਕੰਪੋਨੈਂਟਸ ਨੂੰ ਉੱਚ ਘਣਤਾ ਨਾਲ ਜੋੜਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀਆਂ ਹਨ। ਇਹ ਪ੍ਰਕਿਰਿਆ ਵਰਤਮਾਨ ਵਿੱਚ ਉਦਯੋਗ ਵਿੱਚ ਇੱਕ ਵੱਡੀ ਰੁਕਾਵਟ ਹੈ। ਵਿਅਕਤੀਗਤ ਚਿੱਪ ਤੋਂ ਇਲਾਵਾ, ਨੈੱਟਵਰਕਿੰਗ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਹੈ। ਹਜ਼ਾਰਾਂ ਚਿਪਸ ਨੂੰ ਇੱਕ ਵੱਡੇ ਮਾਡਲ ਨੂੰ ਟ੍ਰੇਨ ਕਰਨ ਲਈ ਅਵਿਸ਼ਵਾਸ਼ਯੋਗ ਗਤੀ ਨਾਲ ਇੱਕ ਦੂਜੇ ਨਾਲ ਸੰਚਾਰ ਕਰਨਾ ਪੈਂਦਾ ਹੈ। ਇਸ ਲਈ ਵਿਸ਼ੇਸ਼ ਸਵਿੱਚਾਂ ਅਤੇ ਫਾਈਬਰ ਆਪਟਿਕ ਕੇਬਲਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਜੋ ਬਿਨਾਂ ਕਿਸੇ ਦੇਰੀ ਦੇ ਵੱਡੇ ਡੇਟਾ ਨੂੰ ਸੰਭਾਲ ਸਕਣ। ਅੰਤ ਵਿੱਚ, ਪਾਵਰ ਡਿਲੀਵਰੀ ਸਿਸਟਮ ਹੈ। ਡੇਟਾ ਸੈਂਟਰਾਂ ਨੂੰ ਹੁਣ ਗੀਗਾਵਾਟ ਪਾਵਰ ਦੀ ਲੋੜ ਹੈ, ਜਿਸ ਨਾਲ ਬਿਜਲੀ ਦੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀ ਮੰਗ ਵਿੱਚ ਵਾਧਾ ਹੋਇਆ ਹੈ, ਜਿਸਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਬਹੁਤ ਸਾਰੇ ਸ਼ਹਿਰ ਸੰਘਰਸ਼ ਕਰ ਰਹੇ ਹਨ। ਇਹ ਭੌਤਿਕ ਹਕੀਕਤ ਕਿਸੇ ਵੀ ਐਲਗੋਰਿਦਮਿਕ ਸਫਲਤਾ ਨਾਲੋਂ ਪ੍ਰਗਤੀ ਦੀ ਰਫਤਾਰ ਨੂੰ ਜ਼ਿਆਦਾ ਨਿਰਧਾਰਤ ਕਰਦੀ ਹੈ।

• ਕੱਚੀ ਪ੍ਰੋਸੈਸਿੰਗ ਪਾਵਰ ਲਈ ਲੌਜਿਕ ਚਿਪਸ
• ਤੇਜ਼ ਡੇਟਾ ਐਕਸੈਸ ਲਈ ਹਾਈ-ਬੈਂਡਵਿਡਥ ਮੈਮੋਰੀ
• ਕੰਪੋਨੈਂਟਸ ਨੂੰ ਜੋੜਨ ਲਈ ਐਡਵਾਂਸਡ ਪੈਕੇਜਿੰਗ
• ਕਲੱਸਟਰ ਸੰਚਾਰ ਲਈ ਹਾਈ-ਸਪੀਡ ਨੈੱਟਵਰਕਿੰਗ
• ਨਿਰੰਤਰ ਸੰਚਾਲਨ ਲਈ ਵਿਸ਼ਾਲ ਊਰਜਾ ਬੁਨਿਆਦੀ ਢਾਂਚਾ

ਤਾਕਤ ਦਾ ਨਵਾਂ ਭੂਗੋਲ

ਇਹਨਾਂ ਨਾਜ਼ੁਕ ਤਕਨਾਲੋਜੀਆਂ ਦੇ ਕੇਂਦਰੀਕਰਨ ਨੇ ਇੱਕ ਭੂ-ਰਾਜਨੀਤਿਕ ਖੇਤਰ ਬਣਾਇਆ ਹੈ। ਦੁਨੀਆ ਦੀਆਂ ਜ਼ਿਆਦਾਤਰ ਸਭ ਤੋਂ ਉੱਨਤ ਚਿਪਸ ਇੱਕ ਹੀ ਟਾਪੂ ਦੇਸ਼ ਵਿੱਚ ਤਿਆਰ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ, ਜੋ ਪੂਰੀ ਗਲੋਬਲ ਆਰਥਿਕਤਾ ਨੂੰ ਖੇਤਰੀ ਅਸਥਿਰਤਾ ਲਈ ਕਮਜ਼ੋਰ ਬਣਾਉਂਦਾ ਹੈ। ਇਸ ਕਾਰਨ ਤਕਨੀਕੀ ਬੜ੍ਹਤ ਬਣਾਈ ਰੱਖਣ ਲਈ ਨਿਰਯਾਤ ਨਿਯੰਤਰਣ ਅਤੇ ਪਾਬੰਦੀਆਂ ਦਾ ਦੌਰ ਸ਼ੁਰੂ ਹੋ ਗਿਆ ਹੈ। ਅਮਰੀਕੀ ਸਰਕਾਰ ਨੇ ਰਾਸ਼ਟਰੀ ਸੁਰੱਖਿਆ ਚਿੰਤਾਵਾਂ ਦਾ ਹਵਾਲਾ ਦਿੰਦੇ ਹੋਏ ਕੁਝ ਖੇਤਰਾਂ ਵਿੱਚ ਹਾਈ-ਐਂਡ AI ਚਿਪਸ ਦੀ ਵਿਕਰੀ ‘ਤੇ ਪਾਬੰਦੀ ਲਗਾ ਦਿੱਤੀ ਹੈ। ਇਹ ਨਿਯਮ ਸਿਰਫ ਚਿਪਸ ਨੂੰ ਹੀ ਨਹੀਂ, ਸਗੋਂ ਉਹਨਾਂ ਨੂੰ ਬਣਾਉਣ ਲਈ ਲੋੜੀਂਦੀ ਮਸ਼ੀਨਰੀ ਨੂੰ ਵੀ ਪ੍ਰਭਾਵਿਤ ਕਰਦੇ ਹਨ। ਉਦਾਹਰਨ ਲਈ, ਸਭ ਤੋਂ ਉੱਨਤ ਲਿਥੋਗ੍ਰਾਫੀ ਮਸ਼ੀਨਾਂ ਨੀਦਰਲੈਂਡ ਵਿੱਚ ਸਿਰਫ ਇੱਕ ਕੰਪਨੀ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ, ਅਤੇ ਉਹਨਾਂ ਦਾ ਨਿਰਯਾਤ ਸਖਤੀ ਨਾਲ ਨਿਯੰਤ੍ਰਿਤ ਹੈ। ਇਹ ਇੱਕ ਅਜਿਹੀ ਸਥਿਤੀ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜਿੱਥੇ ਕੁਝ ਕੰਪਨੀਆਂ ਅਤੇ ਦੇਸ਼ ਆਰਥਿਕ ਵਿਕਾਸ ਦੀ ਅਗਲੀ ਪੀੜ੍ਹੀ ਦੀਆਂ ਕੁੰਜੀਆਂ ਰੱਖਦੇ ਹਨ। ਦੇਸ਼ ਹੁਣ ਆਪਣੇ ਘਰੇਲੂ ਚਿੱਪ ਉਦਯੋਗ ਬਣਾਉਣ ਲਈ ਦੌੜ ਰਹੇ ਹਨ, ਪਰ ਇਹ ਇੱਕ ਅਜਿਹੀ ਪ੍ਰਕਿਰਿਆ ਹੈ ਜਿਸ ਵਿੱਚ ਦਹਾਕੇ ਅਤੇ ਅਰਬਾਂ ਡਾਲਰ ਲੱਗਦੇ ਹਨ। ਨਤੀਜਾ ਇੱਕ ਖੰਡਿਤ ਸੰਸਾਰ ਹੈ ਜਿੱਥੇ ਇੰਟੈਲੀਜੈਂਸ ਤੱਕ ਪਹੁੰਚ ਭੂਗੋਲ ਅਤੇ ਕੂਟਨੀਤਕ ਗਠਜੋੜ ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਅਸੀਂ ਇੱਕ ਗਲੋਬਲ ਟੈਕ ਮਾਰਕੀਟ ਤੋਂ ਦੂਰ ਹੋ ਕੇ ਸੁਰੱਖਿਅਤ ਡਿਜੀਟਲ ਸਾਈਲੋਜ਼ ਦੀ ਲੜੀ ਵੱਲ ਵਧ ਰਹੇ ਹਾਂ। ਇਹ ਬਦਲਾਅ ਸਿਰਫ ਅਰਥ ਸ਼ਾਸਤਰ ਬਾਰੇ ਨਹੀਂ ਹੈ। ਇਹ ਇਸ ਬਾਰੇ ਹੈ ਕਿ ਮਨੁੱਖੀ-ਮਸ਼ੀਨ ਪਰਸਪਰ ਪ੍ਰਭਾਵ ਦੇ ਭਵਿੱਖ ਲਈ ਮਾਪਦੰਡ ਕੌਣ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ। Reuters ਦੀਆਂ ਰਿਪੋਰਟਾਂ ਸੁਝਾਅ ਦਿੰਦੀਆਂ ਹਨ ਕਿ ਇਹ ਵਪਾਰਕ ਰੁਕਾਵਟਾਂ ਹੋਰ ਸਖ਼ਤ ਹੋਣਗੀਆਂ ਕਿਉਂਕਿ ਤਕਨਾਲੋਜੀ ਰਾਸ਼ਟਰੀ ਰੱਖਿਆ ਲਈ ਵਧੇਰੇ ਕੇਂਦਰੀ ਬਣ ਰਹੀ ਹੈ।

ਕੰਪਿਊਟ ਦੀ ਸੀਮਾ ਵਿੱਚ ਰਹਿਣਾ

ਇੱਕ ਵਧ ਰਹੀ ਸਟਾਰਟਅੱਪ ਵਿੱਚ ਇੱਕ ਤਕਨੀਕੀ ਲੀਡ ਲਈ, ਇਹ ਅਮੂਰਤ ਭੂ-ਰਾਜਨੀਤਿਕ ਤਬਦੀਲੀਆਂ ਰੋਜ਼ਾਨਾ ਸੰਚਾਲਨ ਦੀਆਂ ਮੁਸੀਬਤਾਂ ਵਿੱਚ ਬਦਲ ਜਾਂਦੀਆਂ ਹਨ। ਸਾਰਾਹ, ਲੰਡਨ ਵਿੱਚ ਇੱਕ ਡਿਵੈਲਪਰ, ਜੋ ਇੱਕ ਨਵਾਂ ਮੈਡੀਕਲ ਇਮੇਜਿੰਗ ਟੂਲ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੀ ਹੈ, ਬਾਰੇ ਸੋਚੋ। ਉਸਦਾ ਦਿਨ ਕੋਡਿੰਗ ਨਾਲ ਨਹੀਂ, ਸਗੋਂ ਕਲਾਉਡ ਖਰਚਿਆਂ ਦੀ ਸਪ੍ਰੈਡਸ਼ੀਟ ਨਾਲ ਸ਼ੁਰੂ ਹੁੰਦਾ ਹੈ। ਉਸਨੂੰ ਅਹਿਸਾਸ ਹੁੰਦਾ ਹੈ ਕਿ ਉਸਦੇ ਮੌਜੂਦਾ ਪ੍ਰਦਾਤਾ ਨੇ ਸਥਾਨਕ ਡੇਟਾ ਸੈਂਟਰ ਵਿੱਚ ਕਮੀ ਦੇ ਕਾਰਨ GPU ਇੰਸਟੈਂਸ ਦੀ ਕੀਮਤ ਫਿਰ ਤੋਂ ਵਧਾ ਦਿੱਤੀ ਹੈ। ਉਹ ਆਪਣੇ ਵਰਕਲੋਡ ਨੂੰ ਕਿਸੇ ਵੱਖਰੇ ਖੇਤਰ ਵਿੱਚ ਲਿਜਾਣ ਬਾਰੇ ਸੋਚਦੀ ਹੈ, ਪਰ ਫਿਰ ਉਸਨੂੰ ਡੇਟਾ ਰੈਜ਼ੀਡੈਂਸੀ ਕਾਨੂੰਨਾਂ ਅਤੇ ਸਮੁੰਦਰ ਦੇ ਪਾਰ ਡੇਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ਨਾਲ ਆਉਣ ਵਾਲੀ ਲੇਟੈਂਸੀ ਬਾਰੇ ਚਿੰਤਾ ਕਰਨੀ ਪੈਂਦੀ ਹੈ। ਜੇ ਉਹ ਆਪਣਾ ਮਾਡਲ ਟ੍ਰੇਨ ਕਰਨਾ ਚਾਹੁੰਦੀ ਹੈ, ਤਾਂ ਉਸਨੂੰ ਸਮਰਪਿਤ ਹਾਰਡਵੇਅਰ ਲਈ ਛੇ ਮਹੀਨੇ ਇੰਤਜ਼ਾਰ ਕਰਨਾ ਪੈਂਦਾ ਹੈ। ਇਹ ਕਮੀ ਉਸਨੂੰ ਸਮਝੌਤੇ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕਰਦੀ ਹੈ। ਉਹ ਛੋਟੇ, ਘੱਟ ਸਹੀ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ ਕਿਉਂਕਿ ਹਾਈ-ਐਂਡ ਮਾਡਲ ਸਕੇਲ ‘ਤੇ ਚਲਾਉਣ ਲਈ ਬਹੁਤ ਮਹਿੰਗੇ ਹਨ। ਉਸਦੀ ਟੀਮ ਅਸਲ ਉਤਪਾਦ ‘ਤੇ ਨਵੀਨਤਾ ਕਰਨ ਨਾਲੋਂ ਕੋਡ ਨੂੰ ਸੀਮਤ ਮੈਮੋਰੀ ਵਿੱਚ ਫਿੱਟ ਕਰਨ ਲਈ ਅਨੁਕੂਲ ਬਣਾਉਣ ਵਿੱਚ ਜ਼ਿਆਦਾ ਸਮਾਂ ਬਿਤਾਉਂਦੀ ਹੈ। ਇਸ ਮਾਹੌਲ ਵਿੱਚ, ਜੇਤੂ ਜ਼ਰੂਰੀ ਨਹੀਂ ਕਿ ਉਹ ਹੋਣ ਜਿਨ੍ਹਾਂ ਕੋਲ ਸਭ ਤੋਂ ਵਧੀਆ ਵਿਚਾਰ ਹਨ, ਸਗੋਂ ਉਹ ਹਨ ਜਿਨ੍ਹਾਂ ਕੋਲ ਸਭ ਤੋਂ ਵੱਧ ਪੈਸਾ ਹੈ ਜਾਂ ਕਲਾਉਡ ਪ੍ਰਦਾਤਾਵਾਂ ਨਾਲ ਸਭ ਤੋਂ ਵਧੀਆ ਸਬੰਧ ਹਨ। ਇਹ ਹਜ਼ਾਰਾਂ ਸਿਰਜਣਹਾਰਾਂ ਅਤੇ ਕੰਪਨੀਆਂ ਲਈ ਹਕੀਕਤ ਹੈ। ਉਹ ਇੱਕ ਅਜਿਹੀ ਨੀਂਹ ‘ਤੇ ਉਸਾਰੀ ਕਰ ਰਹੇ ਹਨ ਜੋ ਮਹਿੰਗੀ ਅਤੇ ਅਸੁਰੱਖਿਅਤ ਦੋਵੇਂ ਹੈ। ਨਿਰਯਾਤ ਨਿਯਮ ਵਿੱਚ ਇੱਕ ਛੋਟਾ ਜਿਹਾ ਬਦਲਾਅ ਜਾਂ ਹਜ਼ਾਰਾਂ ਮੀਲ ਦੂਰ ਇੱਕ ਫੈਕਟਰੀ ਵਿੱਚ ਨਿਰਮਾਣ ਵਿੱਚ ਦੇਰੀ ਉਹਨਾਂ ਦੇ ਪੂਰੇ ਰੋਡਮੈਪ ਨੂੰ ਪਟੜੀ ਤੋਂ ਉਤਾਰ ਸਕਦੀ ਹੈ। ਕੰਪਿਊਟ ਲਈ ਕੁਝ ਕੇਂਦਰੀਕ੍ਰਿਤ ਹੱਬਾਂ ‘ਤੇ ਨਿਰਭਰਤਾ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਕਿਸੇ ਵੀ ਰੁਕਾਵਟ ਦਾ ਲੋਕਾਂ ਦੇ ਨਵੇਂ ਟੂਲ ਬਣਾਉਣ ਅਤੇ ਵਰਤਣ ਦੀ ਸਮਰੱਥਾ ‘ਤੇ ਤੁਰੰਤ ਅਤੇ ਵਿਸ਼ਵਵਿਆਪੀ ਪ੍ਰਭਾਵ ਪੈਂਦਾ ਹੈ। ਇਹ ਦਾਖਲੇ ਲਈ ਇੱਕ ਉੱਚ ਰੁਕਾਵਟ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜੋ ਸਥਾਪਿਤ ਖਿਡਾਰੀਆਂ ਦਾ ਪੱਖ ਲੈਂਦਾ ਹੈ ਅਤੇ ਉਸ ਮੁਕਾਬਲੇ ਨੂੰ ਦਬਾਉਂਦਾ ਹੈ ਜੋ ਪ੍ਰਗਤੀ ਨੂੰ ਚਲਾਉਂਦਾ ਹੈ। Bloomberg ਦੁਆਰਾ ਵਿਸ਼ਲੇਸ਼ਣ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਕੰਪਿਊਟ ਦੀ ਲਾਗਤ ਹੁਣ AI ਸਟਾਰਟਅੱਪਸ ਲਈ ਸਭ ਤੋਂ ਵੱਡੀ ਲਾਈਨ ਆਈਟਮ ਹੈ, ਜੋ ਅਕਸਰ ਪੇਰੋਲ ਤੋਂ ਵੱਧ ਜਾਂਦੀ ਹੈ। ਇਹ ਵਿੱਤੀ ਦਬਾਅ ਉਦਯੋਗ ਦੇ ਪਰਿਪੱਕ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਇਸ ਦੇ ਇਕਸੁਰਤਾ ਲਈ ਮਜਬੂਰ ਕਰ ਰਿਹਾ ਹੈ। ਸਾਰਾਹ ਆਪਣੀ ਦੁਪਹਿਰ ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਇਹ ਸਮਝਾਉਣ ਵਿੱਚ ਬਿਤਾਉਂਦੀ ਹੈ ਕਿ ਉਸਦੇ ਮਾਰਜਿਨ ਕਿਉਂ ਘਟ ਰਹੇ ਹਨ, ਊਰਜਾ ਅਤੇ ਹਾਰਡਵੇਅਰ ਦੀ ਵਧਦੀ ਲਾਗਤ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦੀ ਹੈ। ਖੁੱਲੀ ਅਤੇ ਪਹੁੰਚਯੋਗ ਇੰਟੈਲੀਜੈਂਸ ਦਾ ਸੁਪਨਾ ਭੌਤਿਕ ਸੰਸਾਰ ਦੀਆਂ ਸਖ਼ਤ ਸੀਮਾਵਾਂ ਦੁਆਰਾ ਪਰਖਿਆ ਜਾ ਰਿਹਾ ਹੈ।

ਕੇਂਦਰੀਕ੍ਰਿਤ ਇੰਟੈਲੀਜੈਂਸ ਦੇ ਲੁਕਵੇਂ ਖਰਚੇ

ਸਾਨੂੰ ਆਪਣੇ ਆਪ ਤੋਂ ਪੁੱਛਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਇਸ ਕੇਂਦਰੀਕਰਨ ਦੇ ਲੁਕਵੇਂ ਖਰਚੇ ਕੀ ਹਨ। ਜੇ ਸਿਰਫ ਕੁਝ ਸੰਸਥਾਵਾਂ ਹਾਰਡਵੇਅਰ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਦੀਆਂ ਹਨ, ਤਾਂ ਕੀ ਉਹ AI ਦੁਆਰਾ ਕੀ ਸੋਚਿਆ ਜਾਂ ਕਿਹਾ ਜਾ ਸਕਦਾ ਹੈ, ਇਸ ਦੀਆਂ ਸੀਮਾਵਾਂ ਨੂੰ ਵੀ ਨਿਯੰਤਰਿਤ ਕਰਦੀਆਂ ਹਨ? ਜਦੋਂ ਕੰਪਿਊਟ ਇੱਕ ਦੁਰਲੱਭ ਸਰੋਤ ਹੁੰਦਾ ਹੈ, ਤਾਂ ਇਹ ਕੌਣ ਫੈਸਲਾ ਕਰਦਾ ਹੈ ਕਿ ਕਿਹੜੇ ਪ੍ਰੋਜੈਕਟ ਇਸਦੇ ਯੋਗ ਹਨ? ਅਸੀਂ ਅਕਸਰ AI ਦੇ ਲੋਕਤੰਤਰੀਕਰਨ ਬਾਰੇ ਗੱਲ ਕਰਦੇ ਹਾਂ, ਪਰ ਭੌਤਿਕ ਹਕੀਕਤ ਇਸਦੇ ਉਲਟ ਸੁਝਾਅ ਦਿੰਦੀ ਹੈ। ਵਾਤਾਵਰਣ ਦੇ ਪ੍ਰਭਾਵ ਦਾ ਸਵਾਲ ਵੀ ਹੈ। ਇਹਨਾਂ ਵਿਸ਼ਾਲ ਕਲੱਸਟਰਾਂ ਨੂੰ ਚਲਾਉਣ ਲਈ ਲੋੜੀਂਦੀ ਊਰਜਾ ਹੈਰਾਨੀਜਨਕ ਹੈ, ਜੋ ਅਕਸਰ ਸਥਾਨਕ ਆਬਾਦੀ ਦੀਆਂ ਲੋੜਾਂ ਨਾਲ ਮੁਕਾਬਲਾ ਕਰਦੀ ਹੈ। ਕੀ ਇੱਕ ਥੋੜ੍ਹਾ ਬਿਹਤਰ ਚੈਟਬੋਟ ਦਾ ਫਾਇਦਾ ਇੱਕ ਛੋਟੇ ਦੇਸ਼ ਦੇ ਕਾਰਬਨ ਫੁੱਟਪ੍ਰਿੰਟ ਦੇ ਬਰਾਬਰ ਹੈ? ਸਾਨੂੰ ਕੇਂਦਰੀਕ੍ਰਿਤ ਕੰਪਿਊਟ ਦੇ ਗੋਪਨੀਯਤਾ ਪ੍ਰਭਾਵਾਂ ‘ਤੇ ਵੀ ਵਿਚਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਜੇ ਹਰ ਕੰਪਨੀ ਨੂੰ ਆਪਣਾ ਡੇਟਾ ਪ੍ਰੋਸੈਸ ਕਰਨ ਲਈ ਉਸੇ ਕੁਝ ਕਲਾਉਡ ਪ੍ਰਦਾਤਾਵਾਂ ਨੂੰ ਭੇਜਣਾ ਪੈਂਦਾ ਹੈ, ਤਾਂ ਵੱਡੇ ਪੱਧਰ ‘ਤੇ ਨਿਗਰਾਨੀ ਜਾਂ ਡੇਟਾ ਉਲੰਘਣਾ ਦੀ ਸੰਭਾਵਨਾ ਤੇਜ਼ੀ ਨਾਲ ਵਧ ਜਾਂਦੀ ਹੈ। ਕੀ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਨੈੱਟਵਰਕਿੰਗ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਵਿੱਚ ਅਸਫਲਤਾ ਦਾ ਇੱਕ ਸਿੰਗਲ ਪੁਆਇੰਟ ਦੁਨੀਆ ਦੀਆਂ ਅੱਧੀਆਂ AI ਸੇਵਾਵਾਂ ਨੂੰ ਬੰਦ ਕਰ ਦਿੰਦਾ ਹੈ? ਅਸੀਂ ਇੱਕ ਅਜਿਹਾ ਸਿਸਟਮ ਬਣਾ ਰਹੇ ਹਾਂ ਜੋ ਬਹੁਤ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੈ ਪਰ ਬਹੁਤ ਨਾਜ਼ੁਕ ਵੀ ਹੈ। ਮੌਜੂਦਾ ਟ੍ਰੈਜੈਕਟਰੀ ਇੱਕ ਅਜਿਹੇ ਭਵਿੱਖ ਦਾ ਸੁਝਾਅ ਦਿੰਦੀ ਹੈ ਜਿੱਥੇ ਇੰਟੈਲੀਜੈਂਸ ਇੱਕ ਉਪਯੋਗਤਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਬਿਜਲੀ ਜਾਂ ਪਾਣੀ, ਪਰ ਇੱਕ ਅਜਿਹੀ ਉਪਯੋਗਤਾ ਜਿਸਦਾ ਪ੍ਰਬੰਧਨ ਜਨਤਕ ਟਰੱਸਟ ਦੀ ਬਜਾਏ ਇੱਕ ਨਿੱਜੀ ਕੁਲੀਨ ਵਰਗ ਦੁਆਰਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਸਾਨੂੰ ਇਹ ਵਿਚਾਰ ਕਰਨ ਦੀ ਲੋੜ ਹੈ ਕਿ ਕੀ ਇਹ ਉਹ ਸੰਸਾਰ ਹੈ ਜਿਸ ਵਿੱਚ ਅਸੀਂ ਰਹਿਣਾ ਚਾਹੁੰਦੇ ਹਾਂ। New York Times ਦੇ ਅਨੁਸਾਰ, ਊਰਜਾ ਦੀ ਦੌੜ ਟੈਕ ਦਿੱਗਜਾਂ ਨੂੰ ਆਪਣੇ ਖੁਦ ਦੇ ਪ੍ਰਮਾਣੂ ਰਿਐਕਟਰਾਂ ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰਨ ਲਈ ਅਗਵਾਈ ਕਰ ਰਹੀ ਹੈ, ਜਿਸ ਨਾਲ ਕੁਝ ਕਾਰਪੋਰੇਸ਼ਨਾਂ ਦੇ ਹੱਥਾਂ ਵਿੱਚ ਸ਼ਕਤੀ ਦਾ ਹੋਰ ਕੇਂਦਰੀਕਰਨ ਹੋ ਰਿਹਾ ਹੈ। ਇਹ ਸਿਰਫ ਤਕਨੀਕੀ ਸਵਾਲ ਨਹੀਂ ਹਨ। ਇਹ ਡੂੰਘੇ ਰਾਜਨੀਤਿਕ ਅਤੇ ਸਮਾਜਿਕ ਸਵਾਲ ਹਨ ਜੋ ਅਗਲੇ ਦਹਾਕੇ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨਗੇ।

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।

ਤਕਨੀਕੀ ਆਰਕੀਟੈਕਚਰ ਅਤੇ ਡੇਟਾ ਫਲੋ

ਤਕਨੀਕੀ ਲਾਗੂਕਰਨ ਨੂੰ ਦੇਖਣ ਵਾਲਿਆਂ ਲਈ, ਰੁਕਾਵਟਾਂ ਹੋਰ ਵੀ ਖਾਸ ਹਨ। API ਰੇਟ ਸੀਮਾਵਾਂ ਹੁਣ ਸਿਰਫ ਸਪੈਮ ਨੂੰ ਰੋਕਣ ਬਾਰੇ ਨਹੀਂ ਹਨ। ਉਹ ਅੰਡਰਲਾਈੰਗ ਹਾਰਡਵੇਅਰ ਦੀ ਭੌਤਿਕ ਸਮਰੱਥਾ ਦਾ ਸਿੱਧਾ ਪ੍ਰਤੀਬਿੰਬ ਹਨ। ਜਦੋਂ ਇੱਕ ਪ੍ਰਦਾਤਾ ਤੁਹਾਨੂੰ ਪ੍ਰਤੀ ਮਿੰਟ ਟੋਕਨਾਂ ਦੀ ਇੱਕ ਨਿਸ਼ਚਿਤ ਸੰਖਿਆ ਤੱਕ ਸੀਮਤ ਕਰਦਾ ਹੈ, ਤਾਂ ਉਹ ਡੇਟਾ ਸੈਂਟਰ ਵਿੱਚ ਇੱਕ ਖਾਸ ਰੈਕ ਦੀ ਗਰਮੀ ਅਤੇ ਬਿਜਲੀ ਦੀ ਖਪਤ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰ ਰਹੇ ਹੁੰਦੇ ਹਨ। ਸਥਾਨਕ ਸਟੋਰੇਜ ਅਤੇ ਐਜ ਕੰਪਿਊਟਿੰਗ ਇਹਨਾਂ ਸੀਮਾਵਾਂ ਨੂੰ ਬਾਈਪਾਸ ਕਰਨ ਦੇ ਇੱਕ ਤਰੀਕੇ ਵਜੋਂ ਵਧੇਰੇ ਆਕਰਸ਼ਕ ਬਣ ਰਹੇ ਹਨ, ਪਰ ਉਹ ਆਪਣੀਆਂ ਚੁਣੌਤੀਆਂ ਦੇ ਨਾਲ ਆਉਂਦੇ ਹਨ। ਇੱਕ ਵੱਡੇ ਮਾਡਲ ਨੂੰ ਸਥਾਨਕ ਤੌਰ ‘ਤੇ ਚਲਾਉਣ ਲਈ ਕਾਫ਼ੀ ਮਾਤਰਾ ਵਿੱਚ VRAM ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਜੋ ਕਿ ਕੰਜ਼ਿਊਮਰ ਹਾਰਡਵੇਅਰ ਵਿੱਚ ਅਜੇ ਵੀ ਇੱਕ ਪ੍ਰੀਮੀਅਮ ਵਿਸ਼ੇਸ਼ਤਾ ਹੈ। ਜ਼ਿਆਦਾਤਰ ਉਪਭੋਗਤਾ 8 ਜਾਂ 16 ਗੀਗਾਬਾਈਟ ਨਾਲ ਫਸੇ ਹੋਏ ਹਨ, ਜਦੋਂ ਕਿ ਸਭ ਤੋਂ ਸਮਰੱਥ ਮਾਡਲਾਂ ਨੂੰ ਸੈਂਕੜੇ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਸ ਨਾਲ ਕੁਆਂਟਾਈਜ਼ੇਸ਼ਨ ਵਿੱਚ ਦਿਲਚਸਪੀ ਵਧੀ ਹੈ, ਇੱਕ ਅਜਿਹੀ ਤਕਨੀਕ ਜੋ ਮਾਡਲ ਵਜ਼ਨ ਦੀ ਸ਼ੁੱਧਤਾ ਨੂੰ ਘਟਾਉਂਦੀ ਹੈ ਤਾਂ ਜੋ ਉਹਨਾਂ ਨੂੰ ਛੋਟੇ ਮੈਮੋਰੀ ਫੁੱਟਪ੍ਰਿੰਟ ਵਿੱਚ ਫਿੱਟ ਕੀਤਾ ਜਾ ਸਕੇ। ਇਹ ਮਾਡਲਾਂ ਨੂੰ ਸ਼ੁੱਧਤਾ ਦੇ ਪੂਰੇ ਨੁਕਸਾਨ ਤੋਂ ਬਿਨਾਂ ਵਧੇਰੇ ਮਾਮੂਲੀ ਹਾਰਡਵੇਅਰ ‘ਤੇ ਚੱਲਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ।

• ਮੈਮੋਰੀ ਵਰਤੋਂ ਨੂੰ ਘਟਾਉਣ ਲਈ ਕੁਆਂਟਾਈਜ਼ੇਸ਼ਨ
• ਤੇਜ਼ ਇਨਫਰੈਂਸ ਲਈ ਮਾਡਲ ਡਿਸਟਿਲੇਸ਼ਨ
• ਕੁਸ਼ਲ ਫਾਈਨ-ਟਿਊਨਿੰਗ ਲਈ ਲੋ-ਰੈਂਕ ਅਡੈਪਟੇਸ਼ਨ
• ਲੇਟੈਂਸੀ ਘਟਾਉਣ ਲਈ ਐਜ ਡਿਪਲਾਇਮੈਂਟ
• ਲਾਗਤ ਨੂੰ ਸੰਤੁਲਿਤ ਕਰਨ ਲਈ ਹਾਈਬ੍ਰਿਡ ਕਲਾਉਡ ਰਣਨੀਤੀਆਂ

ਨੈੱਟਵਰਕਿੰਗ ਵਾਲਾ ਪਾਸਾ ਵੀ ਵਿਕਸਤ ਹੋ ਰਿਹਾ ਹੈ। ਆਧੁਨਿਕ ਟ੍ਰੇਨਿੰਗ ਦੀਆਂ ਡੇਟਾ ਮੰਗਾਂ ਨਾਲ ਤਾਲਮੇਲ ਰੱਖਣ ਲਈ ਸਟੈਂਡਰਡ ਈਥਰਨੈੱਟ ਤੋਂ ਵਿਸ਼ੇਸ਼ ਇੰਟਰਕਨੈਕਟਸ ਵਿੱਚ ਤਬਦੀਲੀ ਜ਼ਰੂਰੀ ਹੈ। ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਭਵਿੱਖ ਵੱਲ ਦੇਖਦੇ ਹਾਂ, ਧਿਆਨ ਕੱਚੇ FLOPs ਤੋਂ ਮੈਮੋਰੀ ਬੈਂਡਵਿਡਥ ਅਤੇ ਇੰਟਰਕਨੈਕਟ ਸਪੀਡ ਵੱਲ ਸ਼ਿਫਟ ਹੋ ਰਿਹਾ ਹੈ। ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਆਉਣ ਵਾਲੇ ਸਾਲਾਂ ਵਿੱਚ ਅਸਲ ਪ੍ਰਦਰਸ਼ਨ ਲਾਭ ਪਾਇਆ ਜਾਵੇਗਾ। ਉਦਯੋਗ ਡੇਟਾ ਸੈਂਟਰ ਦੀ ਘਣਤਾ ਦੀਆਂ ਸੀਮਾਵਾਂ ਨਾਲ ਵੀ ਜੂਝ ਰਿਹਾ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ ਚਿਪਸ ਗਰਮ ਹੁੰਦੀਆਂ ਹਨ, ਰਵਾਇਤੀ ਏਅਰ ਕੂਲਿੰਗ ਹੁਣ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ, ਜਿਸ ਨਾਲ ਲਿਕਵਿਡ ਕੂਲਿੰਗ ਸਿਸਟਮ ਵੱਲ ਇੱਕ ਸ਼ਿਫਟ ਹੋ ਰਿਹਾ ਹੈ। ਇਹ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਵਿੱਚ ਗੁੰਝਲਤਾ ਅਤੇ ਲਾਗਤ ਦੀ ਇੱਕ ਹੋਰ ਪਰਤ ਜੋੜਦਾ ਹੈ। ਪਾਵਰ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਹੁਣ ਥਰਮਲ ਡਿਜ਼ਾਈਨ ਪਾਵਰ ਅਤੇ ਗੀਗਾਬਿਟਸ ਪ੍ਰਤੀ ਸਕਿੰਟ ਤੋਂ ਉਵੇਂ ਹੀ ਜਾਣੂ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਜਿਵੇਂ ਉਹ Python ਅਤੇ PyTorch ਨਾਲ ਹਨ। ਹਾਰਡਵੇਅਰ ਲੈਂਡਸਕੇਪ ਇੱਕ ਅਜਿਹਾ ਹੈ ਜਿੱਥੇ ਭੌਤਿਕ ਰੁਕਾਵਟਾਂ ਸਾਫਟਵੇਅਰ ਆਰਕੀਟੈਕਚਰ ਦਾ ਮੁੱਖ ਚਾਲਕ ਹਨ।

ਪ੍ਰਭੂਸੱਤਾ ਦਾ ਅਣਸੁਲਝਿਆ ਸਵਾਲ

AI ਦਾ ਨਕਸ਼ਾ ਰੀਅਲ ਟਾਈਮ ਵਿੱਚ ਮੁੜ ਤਿਆਰ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ। ਜਦੋਂ ਕਿ ਸਾਫਟਵੇਅਰ ਲੇਅਰ ਤੇਜ਼ੀ ਨਾਲ ਅੱਗੇ ਵਧ ਰਹੀ ਹੈ, ਇਹ ਹਾਰਡਵੇਅਰ ਨਿਰਮਾਣ ਦੀ ਹੌਲੀ ਅਤੇ ਮਹਿੰਗੀ ਦੁਨੀਆ ਨਾਲ ਵਧਦੀ ਜਾ ਰਹੀ ਹੈ। ਲੀਵਰੇਜ ਹੁਣ ਉਹਨਾਂ ਕੰਪਨੀਆਂ ਕੋਲ ਹੈ ਜੋ ਸਭ ਤੋਂ ਵੱਧ ਚਿਪਸ, ਸਭ ਤੋਂ ਵੱਧ ਊਰਜਾ, ਅਤੇ ਸਭ ਤੋਂ ਕੁਸ਼ਲ ਕੂਲਿੰਗ ਸਿਸਟਮ ਸੁਰੱਖਿਅਤ ਕਰ ਸਕਦੀਆਂ ਹਨ। ਇਸ ਨੇ ਕੰਪਿਊਟ-ਅਮੀਰ ਅਤੇ ਕੰਪਿਊਟ-ਗਰੀਬ ਖਿਡਾਰੀਆਂ ਦੀ ਇੱਕ ਨਵੀਂ ਸ਼੍ਰੇਣੀ ਬਣਾਈ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ ਅਸੀਂ ਅੱਗੇ ਵਧਦੇ ਹਾਂ, ਅਣਸੁਲਝਿਆ ਸਵਾਲ ਇਹ ਹੈ ਕਿ ਕੀ ਪ੍ਰਭੂਸੱਤਾ ਸੰਪੰਨ ਰਾਸ਼ਟਰ ਆਪਣਾ ਸੁਤੰਤਰ AI ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਬਣਾਉਣ ਵਿੱਚ ਸਫਲ ਹੋਣਗੇ ਜਾਂ ਕੀ ਉਹ ਕੁਝ ਗਲੋਬਲ ਪ੍ਰਦਾਤਾਵਾਂ ‘ਤੇ ਨਿਰਭਰ ਰਹਿਣਗੇ। ਉਸ ਸਵਾਲ ਦਾ ਜਵਾਬ ਅਗਲੇ ਕਈ ਦਹਾਕਿਆਂ ਲਈ ਸ਼ਕਤੀ ਦੇ ਸੰਤੁਲਨ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰੇਗਾ। ਅਸੀਂ ਇਸ ਬਦਲਾਅ ਦੀ ਸ਼ੁਰੂਆਤ ਵਿੱਚ ਹੀ ਹਾਂ, ਅਤੇ ਉਪਭੋਗਤਾਵਾਂ ਅਤੇ ਸਿਰਜਣਹਾਰਾਂ ਲਈ ਇਸਦੇ ਨਤੀਜੇ ਲੰਬੇ ਸਮੇਂ ਤੱਕ ਮਹਿਸੂਸ ਕੀਤੇ ਜਾਣਗੇ। ਇੰਟੈਲੀਜੈਂਸ ਦਾ ਭੂਗੋਲ ਹੁਣ ਸਮਤਲ ਨਹੀਂ ਹੈ। ਇਹ ਨਿਯੰਤਰਿਤ ਸਰਹੱਦਾਂ ਅਤੇ ਵਿਸ਼ੇਸ਼ ਪਹੁੰਚ ਦਾ ਇੱਕ ਉਬੜ-ਖਾਬੜ ਇਲਾਕਾ ਹੈ।

편집자 주: 저희는 컴퓨터 전문가가 아니지만 인공지능을 이해하고, 더 자신감 있게 사용하며, 이미 다가오고 있는 미래를 따라가고 싶은 사람들을 위한 다국어 AI 뉴스 및 가이드 허브로 이 사이트를 만들었습니다.