ਅਸਲ ਵਿੱਚ AI ਕੀ ਹੈ? [ਵੀਡੀਓ ਅਤੇ ਕੁਇਜ਼]

ਛੋਟਾ ਜਵਾਬ: AI ਕੰਪਿਊਟੇਸ਼ਨਲ ਤਕਨੀਕਾਂ ਦਾ ਇੱਕ ਵਿਸ਼ਾਲ ਪਰਿਵਾਰ ਹੈ ਜੋ ਪੈਟਰਨਾਂ ਨੂੰ ਪਛਾਣਦਾ ਹੈ, ਭਵਿੱਖਬਾਣੀਆਂ ਕਰਦਾ ਹੈ, ਸਮੱਗਰੀ ਤਿਆਰ ਕਰਦਾ ਹੈ ਅਤੇ, ਵਧਦੀ ਹੋਈ, ਕਾਰਵਾਈ ਕਰਦਾ ਹੈ। ਇਹ ਬਹੁਤ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੋ ਸਕਦਾ ਹੈ ਜਦੋਂ ਭਰੋਸੇਯੋਗ ਜਾਣਕਾਰੀ, ਸਪੱਸ਼ਟ ਅਨੁਮਤੀਆਂ ਅਤੇ ਮਨੁੱਖੀ ਸਮੀਖਿਆ ਇਸਦੇ ਆਲੇ-ਦੁਆਲੇ ਬਣਾਈ ਜਾਂਦੀ ਹੈ, ਪਰ ਪ੍ਰਵਾਹਿਤ ਆਉਟਪੁੱਟ ਨੂੰ ਕਦੇ ਵੀ ਸੱਚਾਈ ਦੇ ਆਟੋਮੈਟਿਕ ਸਬੂਤ ਵਜੋਂ ਨਹੀਂ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ।

ਮੁੱਖ ਗੱਲਾਂ:

ਜਵਾਬਦੇਹੀ: ਲੋਕਾਂ ਨੂੰ ਮਹੱਤਵਪੂਰਨ ਫੈਸਲਿਆਂ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਰੱਖੋ, ਖਾਸ ਕਰਕੇ ਜਿੱਥੇ AI ਮਹਿੰਗੀਆਂ ਗਲਤੀਆਂ ਕਰ ਸਕਦਾ ਹੈ।

ਪਾਰਦਰਸ਼ਤਾ: ਇਹ ਸਪੱਸ਼ਟ ਕਰੋ ਕਿ ਇੱਕ AI ਸਿਸਟਮ ਕਿਹੜੀ ਜਾਣਕਾਰੀ, ਨਿਯਮਾਂ ਅਤੇ ਅਨੁਮਤੀਆਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ।

ਤਸਦੀਕ: ਮਹੱਤਵਪੂਰਨ ਤੱਥਾਂ, ਡਾਕਟਰੀ, ਕਾਨੂੰਨੀ, ਵਿੱਤੀ ਅਤੇ ਕਾਰੋਬਾਰੀ ਨਤੀਜਿਆਂ 'ਤੇ ਕਾਰਵਾਈ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਉਨ੍ਹਾਂ ਦੀ ਜਾਂਚ ਕਰੋ।

ਆਡਿਟਯੋਗਤਾ: ਪ੍ਰਤੀਨਿਧੀ ਮਾਮਲਿਆਂ ਨਾਲ AI ਦੀ ਜਾਂਚ ਕਰੋ ਅਤੇ ਕੁਸ਼ਲਤਾ ਲਾਭ ਅਤੇ ਪੇਸ਼ ਕੀਤੀਆਂ ਗਈਆਂ ਗਲਤੀਆਂ ਦੋਵਾਂ ਨੂੰ ਰਿਕਾਰਡ ਕਰੋ।

ਦੁਰਵਰਤੋਂ ਪ੍ਰਤੀਰੋਧ: ਪਹੁੰਚ ਨੂੰ ਸੀਮਤ ਕਰੋ, ਅਸਮਰਥਿਤ ਕਾਰਵਾਈਆਂ ਨੂੰ ਰੋਕੋ ਅਤੇ ਅਨਿਸ਼ਚਿਤ ਮਾਮਲਿਆਂ ਨੂੰ ਮਨੁੱਖੀ ਸਮੀਖਿਅਕਾਂ ਤੱਕ ਪਹੁੰਚਾਓ।

1. ਅਸਲ ਵਿੱਚ AI ਕੀ ਹੈ? ਸਰਲ ਵਿਆਖਿਆ

ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ, ਜਾਂ ਏਆਈ, ਉਹਨਾਂ ਕੰਪਿਊਟਰ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਜੋ ਮਨੁੱਖੀ ਬੁੱਧੀ ਨਾਲ ਜੁੜੇ ਕਾਰਜ ਕਰ ਸਕਦੇ ਹਨ।

ਉਨ੍ਹਾਂ ਕੰਮਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋ ਸਕਦੇ ਹਨ:

• ਭਾਸ਼ਾ ਨੂੰ ਸਮਝਣਾ

• ਚਿੱਤਰਾਂ ਵਿੱਚ ਵਸਤੂਆਂ ਦੀ ਪਛਾਣ ਕਰਨਾ

• ਅੱਗੇ ਕੀ ਹੋਵੇਗਾ ਇਸਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣਾ

• ਸਿਫ਼ਾਰਸ਼ਾਂ ਕਰਨਾ

• ਟੈਕਸਟ, ਤਸਵੀਰਾਂ, ਆਡੀਓ, ਜਾਂ ਵੀਡੀਓ ਤਿਆਰ ਕਰਨਾ

• ਵੱਡੇ ਡੇਟਾਸੈਟਾਂ ਵਿੱਚ ਪੈਟਰਨਾਂ ਦਾ ਪਤਾ ਲਗਾਉਣਾ

• ਉਪਲਬਧ ਜਾਣਕਾਰੀ ਦੇ ਆਧਾਰ 'ਤੇ ਫੈਸਲੇ ਲੈਣਾ

• ਉਦਾਹਰਣਾਂ ਤੋਂ ਸਿੱਖਣਾ

• ਕੁਝ ਖਾਸ ਕਿਸਮਾਂ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨਾ

ਇੱਥੇ ਇੱਕ ਗੱਲ ਮਾਇਨੇ ਰੱਖਦੀ ਹੈ।.

ਬੁੱਧੀਮਾਨ ਦਿਖਾਈ ਦੇਣ ਵਾਲੇ ਨਤੀਜੇ ਪੈਦਾ ਕਰਨ ਲਈ AI ਨੂੰ ਮਨੁੱਖਾਂ ਵਾਂਗ ਸੋਚਣ ਦੀ ਜ਼ਰੂਰਤ ਨਹੀਂ ਹੈ ।

ਇੱਕ ਸ਼ਤਰੰਜ ਪ੍ਰੋਗਰਾਮ ਇਸ ਚਿੰਤਾ ਵਿੱਚ ਨਹੀਂ ਬੈਠਦਾ ਕਿ ਕੀ ਆਪਣੇ ਬਿਸ਼ਪ ਦੀ ਕੁਰਬਾਨੀ ਦੇਣਾ ਭਾਵਨਾਤਮਕ ਤੌਰ 'ਤੇ ਸਹੀ ਹੈ। ਇੱਕ ਸਿਫਾਰਸ਼ ਐਲਗੋਰਿਦਮ ਉਸ ਦਸਤਾਵੇਜ਼ੀ ਨਾਲ ਨਿੱਜੀ ਲਗਾਵ ਨਹੀਂ ਵਿਕਸਤ ਕਰਦਾ ਜੋ ਇਹ ਤੁਹਾਨੂੰ ਸੁਝਾਉਂਦਾ ਰਹਿੰਦਾ ਹੈ। ਇੱਕ ਭਾਸ਼ਾ ਮਾਡਲ ਨੂੰ ਕੰਪਿਊਟਰ ਦੇ ਅੰਦਰ ਰਹਿਣ ਵਾਲੇ ਇੱਕ ਛੋਟੇ ਜਿਹੇ ਅੰਗਰੇਜ਼ੀ ਅਧਿਆਪਕ ਦੀ ਜ਼ਰੂਰਤ ਨਹੀਂ ਹੁੰਦੀ।.

ਇਸ ਦੀ ਬਜਾਏ, ਇਹ ਪ੍ਰਣਾਲੀਆਂ ਗਣਿਤਿਕ ਮਾਡਲਾਂ, ਐਲਗੋਰਿਦਮ, ਸਿਖਲਾਈ ਡੇਟਾ, ਨਿਯਮਾਂ, ਸੰਭਾਵਨਾਵਾਂ ਅਤੇ ਭਾਰੀ ਮਾਤਰਾ ਵਿੱਚ ਗਣਨਾ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਜਾਣਕਾਰੀ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਦੀਆਂ ਹਨ।.

ਅੰਤਮ ਨਤੀਜਾ ਬਹੁਤ ਹੀ ਮਨੁੱਖੀ ਲੱਗ ਸਕਦਾ ਹੈ।.

ਪਰ ਹੇਠਾਂ ਦੀ ਵਿਧੀ ਬਹੁਤ ਵੱਖਰੀ ਹੈ।.

ਇਹ ਫ਼ਰਕ ਲੋਕਾਂ ਦੇ ਕਦੇ-ਕਦੇ ਅਹਿਸਾਸ ਨਾਲੋਂ ਕਿਤੇ ਜ਼ਿਆਦਾ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ।.

2. ਏਆਈ ਰੋਬੋਟ ਦਿਮਾਗ ਵਾਂਗ ਘੱਟ ਅਤੇ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਵਾਲੀ ਮਸ਼ੀਨ ਵਾਂਗ ਜ਼ਿਆਦਾ ਹੈ।

ਜਦੋਂ ਲੋਕ "ਨਕਲੀ ਬੁੱਧੀ" ਸੁਣਦੇ ਹਨ, ਤਾਂ ਉਹ ਅਕਸਰ ਕਿਸੇ ਸਿੰਥੈਟਿਕ ਮਨੁੱਖੀ ਦਿਮਾਗ ਵਰਗੀ ਚੀਜ਼ ਦੀ ਕਲਪਨਾ ਕਰਦੇ ਹਨ।.

ਇਹ ਸਮਝਣ ਯੋਗ ਹੈ। ਵਿਗਿਆਨ ਗਲਪ ਨੇ ਦਹਾਕਿਆਂ ਤੋਂ ਏ.ਆਈ. ਨੂੰ ਚਮਕਦੀਆਂ ਅੱਖਾਂ, ਅਸ਼ੁੱਭ ਆਵਾਜ਼ਾਂ, ਸ਼ੱਕੀ ਤੌਰ 'ਤੇ ਮਜ਼ਬੂਤ ​​ਰਾਏ ਅਤੇ, ਆਮ ਤੌਰ 'ਤੇ, ਕਿਸੇ ਕਿਸਮ ਦਾ ਧਾਤ ਦਾ ਪਿੰਜਰ ਦਿੱਤਾ ਹੈ।.

ਵਿਹਾਰਕ AI ਆਮ ਤੌਰ 'ਤੇ ਘੱਟ ਸਿਨੇਮੈਟਿਕ ਹੁੰਦਾ ਹੈ।.

ਬਹੁਤ ਸਾਰੇ ਆਧੁਨਿਕ ਏਆਈ ਸਿਸਟਮ ਭਵਿੱਖਬਾਣੀ।

ਇੱਕ ਭਾਸ਼ਾ ਮਾਡਲ 'ਤੇ ਵਿਚਾਰ ਕਰੋ।.

ਜਦੋਂ ਤੁਸੀਂ ਟਾਈਪ ਕਰਦੇ ਹੋ:

"ਬਿੱਲੀ..." 'ਤੇ ਬੈਠ ਗਈ।

ਸਿਸਟਮ ਇਹ ਮੁਲਾਂਕਣ ਕਰਦਾ ਹੈ ਕਿ ਅੱਗੇ ਕਿਹੜੇ ਸ਼ਬਦ ਆਉਣ ਦੀ ਸੰਖਿਆਤਮਕ ਤੌਰ 'ਤੇ ਸੰਭਾਵਨਾ ਹੈ।.

ਸੰਭਵ ਤੌਰ 'ਤੇ:

• ਮੈਟ

• ਫਰਸ਼

• ਸੋਫਾ

• ਕੁਰਸੀ

ਇਹ ਸਿਰਫ਼ ਇੱਕ ਵਾਕ ਨੂੰ ਯਾਦ ਕਰਕੇ ਉਸਨੂੰ ਪ੍ਰਾਪਤ ਨਹੀਂ ਕਰਦਾ। ਇੱਕ ਕਾਫ਼ੀ ਉੱਨਤ ਮਾਡਲ ਨੇ ਸ਼ਬਦਾਂ, ਵਿਚਾਰਾਂ, ਵਾਕ ਬਣਤਰਾਂ, ਸੰਕਲਪਾਂ, ਸ਼ੈਲੀਆਂ, ਤੱਥਾਂ ਅਤੇ ਪੈਟਰਨਾਂ ਵਿਚਕਾਰ ਗੁੰਝਲਦਾਰ ਸਬੰਧਾਂ ਨੂੰ ਸਿੱਖਿਆ ਹੈ।.

ਇਹ ਫਿਰ ਉਸ ਕ੍ਰਮ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਦਾ ਹੈ ਜੋ ਸੰਦਰਭ ਦੇ ਅਨੁਕੂਲ ਹੈ। ਅਗਲੇ ਸ਼ਬਦ ਦੀ ਚੰਗੀ ਤਰ੍ਹਾਂ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਭਾਸ਼ਾ ਬਾਰੇ ਕਾਫ਼ੀ ਕੁਝ ਸਿੱਖਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

ਅਤੇ ਭਾਸ਼ਾ ਵਿੱਚ... ਖੈਰ, ਮੂਲ ਰੂਪ ਵਿੱਚ ਉਹ ਸਭ ਕੁਝ ਹੁੰਦਾ ਹੈ ਜਿਸ ਬਾਰੇ ਮਨੁੱਖ ਗੱਲ ਕਰਦੇ ਹਨ।.

ਇਤਿਹਾਸ। ਗਣਿਤ। ਖਾਣਾ ਪਕਾਉਣਾ। ਪ੍ਰੋਗਰਾਮਿੰਗ। ਰਿਸ਼ਤੇ। ਭੌਤਿਕ ਵਿਗਿਆਨ। ਪੀਜ਼ਾ 'ਤੇ ਅਨਾਨਾਸ ਦੀ ਵਰਤੋਂ ਹੋਣ ਬਾਰੇ ਬਹਿਸ।.

ਇਸ ਲਈ ਇੱਕ ਜਾਪਦਾ ਬੁਨਿਆਦੀ ਭਵਿੱਖਬਾਣੀ ਕਾਰਜ ਹੈਰਾਨੀਜਨਕ ਤੌਰ 'ਤੇ ਗੁੰਝਲਦਾਰ ਵਿਵਹਾਰ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ।.

ਇਸ ਰੂਪਕ ਦੀਆਂ ਸੀਮਾਵਾਂ ਹਨ, ਬੇਸ਼ੱਕ। ਐਡਵਾਂਸਡ ਏਆਈ ਨੂੰ "ਸਿਰਫ਼ ਆਟੋਕੰਪਲੀਟ" ਕਹਿਣਾ ਇੱਕ ਹਵਾਈ ਜਹਾਜ਼ ਨੂੰ "ਸਿਰਫ਼ ਕੁਝ ਧਾਤ ਜਿਸਦੇ ਖੰਭ ਹਨ" ਕਹਿਣ ਵਰਗਾ ਹੈ। ਤਕਨੀਕੀ ਤੌਰ 'ਤੇ, ਉੱਥੇ ਕੁਝ ਸੱਚਾ ਲੁਕਿਆ ਹੋਇਆ ਹੈ, ਪਰ ਜ਼ਿਆਦਾਤਰ ਦਿਲਚਸਪ ਹਿੱਸਾ ਗਾਇਬ ਹੋ ਗਿਆ ਹੈ।.

3. ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਕਿਵੇਂ ਸਿੱਖਦਾ ਹੈ?

ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਗੱਲਬਾਤ ਵਿੱਚ ਪ੍ਰਵੇਸ਼ ਕਰਦੀ ਹੈ।

ਰਵਾਇਤੀ ਸਾਫਟਵੇਅਰ ਆਮ ਤੌਰ 'ਤੇ ਸਪੱਸ਼ਟ ਨਿਰਦੇਸ਼ਾਂ ਰਾਹੀਂ ਕੰਮ ਕਰਦੇ ਹਨ।.

ਇੱਕ ਪ੍ਰੋਗਰਾਮਰ ਲਿਖ ਸਕਦਾ ਹੈ:

• ਜੇਕਰ ਉਪਭੋਗਤਾ ਸਹੀ ਪਾਸਵਰਡ ਦਰਜ ਕਰਦਾ ਹੈ, ਤਾਂ ਪਹੁੰਚ ਦੀ ਆਗਿਆ ਦਿਓ।.

• ਜੇਕਰ ਤਾਪਮਾਨ ਇੱਕ ਨਿਸ਼ਚਿਤ ਸੀਮਾ ਤੋਂ ਵੱਧ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਕੂਲਿੰਗ ਨੂੰ ਸਰਗਰਮ ਕਰੋ।.

• ਜੇਕਰ ਕੋਈ ਚੀਜ਼ ਸਟਾਕ ਤੋਂ ਬਾਹਰ ਹੈ, ਤਾਂ ਇੱਕ ਚੇਤਾਵਨੀ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰੋ।.

ਉਹ ਹਦਾਇਤਾਂ ਜਾਣਬੁੱਝ ਕੇ ਪ੍ਰੋਗਰਾਮ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ।.

ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਪਲਟ ਦਿੰਦੀ ਹੈ.

ਹਰੇਕ ਨਿਯਮ ਨੂੰ ਹੱਥੀਂ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨ ਦੀ ਬਜਾਏ, ਡਿਵੈਲਪਰ ਇੱਕ ਸਿਸਟਮ ਦੀਆਂ ਉਦਾਹਰਣਾਂ ਜਾਂ ਡੇਟਾ ਦਿੰਦੇ ਹਨ ਅਤੇ ਇਸਨੂੰ ਪੈਟਰਨਾਂ ਦੀ ਖੋਜ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੇ ਹਨ।.

ਕਲਪਨਾ ਕਰੋ ਕਿ ਤੁਸੀਂ ਇੱਕ ਅਜਿਹਾ ਸਾਫਟਵੇਅਰ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੇ ਹੋ ਜੋ ਫੋਟੋਆਂ ਵਿੱਚ ਬਿੱਲੀਆਂ ਨੂੰ ਪਛਾਣਨ ਦੇ ਸਮਰੱਥ ਹੋਵੇ।.

ਸਪੱਸ਼ਟ ਨਿਯਮ ਲਿਖਣਾ ਬਹੁਤ ਜਲਦੀ ਹਾਸੋਹੀਣਾ ਬਣ ਜਾਵੇਗਾ।.

ਤੁਸੀਂ ਕੋਸ਼ਿਸ਼ ਕਰ ਸਕਦੇ ਹੋ:

• ਤਿਕੋਣੀ ਕੰਨਾਂ ਦੀ ਭਾਲ ਕਰੋ।.

• ਮੁੱਛਾਂ ਲੱਭੋ।.

• ਚਾਰ ਲੱਤਾਂ ਲੱਭੋ।.

• ਫਰ ਦੀ ਭਾਲ ਕਰੋ।.

ਫਿਰ ਕੋਈ ਲੂੰਬੜੀ ਦੀ ਤਸਵੀਰ ਅਪਲੋਡ ਕਰਦਾ ਹੈ।.

ਬਿਲਕੁਲ ਨਹੀਂ।.

ਜਾਂ ਇੱਕ ਸ਼ੇਰ।.

ਜਾਂ ਇੱਕ ਬਿੱਲੀ ਇੱਕ ਧੁੰਦਲੇ ਧੱਬੇ ਵਿੱਚ ਘੁਮ ਗਈ ਹੈ ਜਿੱਥੇ ਤੁਸੀਂ ਉਸਦੀਆਂ ਲੱਤਾਂ ਮੁਸ਼ਕਿਲ ਨਾਲ ਦੇਖ ਸਕਦੇ ਹੋ।.

ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਸਮੱਸਿਆ ਨੂੰ ਵੱਖਰੇ ਢੰਗ ਨਾਲ ਪੇਸ਼ ਕਰਦੀ ਹੈ। ਇੱਕ ਮਾਡਲ ਨੂੰ ਉਦਾਹਰਣਾਂ ਦੇ ਵਿਸ਼ਾਲ ਸੰਗ੍ਰਹਿ 'ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾ ਸਕਦੀ ਹੈ ਅਤੇ ਹੌਲੀ-ਹੌਲੀ ਸਿੱਖਿਆ ਜਾ ਸਕਦਾ ਹੈ ਕਿ ਬਿੱਲੀਆਂ ਨਾਲ ਕਿਹੜੇ ਵਿਜ਼ੂਅਲ ਪੈਟਰਨ ਜੁੜੇ ਹੋਏ ਹਨ।.

ਇਹ "ਬਿੱਲੀ" ਨੂੰ ਉਸੇ ਤਰ੍ਹਾਂ ਨਹੀਂ ਸਿੱਖ ਰਿਹਾ ਜਿਵੇਂ ਇੱਕ ਛੋਟਾ ਬੱਚਾ ਸਿੱਖਦਾ ਹੈ।.

ਪਰ ਗਣਿਤਿਕ ਤੌਰ 'ਤੇ, ਮਾਡਲ ਸ਼੍ਰੇਣੀ ਨਾਲ ਜੁੜੇ ਪੈਟਰਨਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਦੇ ਸਮਰੱਥ ਹੁੰਦਾ ਜਾਂਦਾ ਹੈ।.

ਇਹ ਸੰਖੇਪ ਵਿੱਚ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਹੈ - ਹਾਲਾਂਕਿ ਸੰਖੇਪ ਵਿੱਚ ਹੀ ਰੇਖਿਕ ਅਲਜਬਰਾ ਦੇ ਕਈ ਗੋਦਾਮ ਹਨ।.

4. ਏਆਈ ਬਨਾਮ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਬਨਾਮ ਡੀਪ ਲਰਨਿੰਗ

ਇਹ ਸ਼ਬਦ ਲਗਾਤਾਰ ਇਕੱਠੇ ਮਿਲਦੇ ਰਹਿੰਦੇ ਹਨ, ਅੰਸ਼ਕ ਤੌਰ 'ਤੇ ਕਿਉਂਕਿ ਲੋਕ "AI" ਨੂੰ ਲਗਭਗ ਹਰ ਚੀਜ਼ ਲਈ ਇੱਕ ਛਤਰੀ ਵਾਕੰਸ਼ ਵਜੋਂ ਵਰਤਦੇ ਹਨ।.

ਇਹਨਾਂ ਨੂੰ ਵੱਖ ਕਰਨ ਦਾ ਇੱਕ ਸਰਲ ਤਰੀਕਾ ਇਹ ਹੈ।.

ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਇੱਕ ਵਿਸ਼ਾਲ ਖੇਤਰ ਹੈ।

ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਇੱਕ ਅਜਿਹਾ ਤਰੀਕਾ ਹੈ ਜੋ AI ਸਿਸਟਮ ਬਣਾਉਣ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ।

ਡੂੰਘੀ ਸਿਖਲਾਈ ਇੱਕ ਖਾਸ ਕਿਸਮ ਦੀ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਹੈ ਜਿਸ ਵਿੱਚ ਕਈ ਪਰਤਾਂ ਵਾਲੇ ਵੱਡੇ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ।

ਫਿਰ ਜਨਰੇਟਿਵ ਏਆਈ ਹੈ , ਜੋ ਟੈਕਸਟ, ਚਿੱਤਰ, ਸੰਗੀਤ, ਕੋਡ, ਭਾਸ਼ਣ, ਜਾਂ ਵੀਡੀਓ ਵਰਗੇ ਨਵੇਂ ਆਉਟਪੁੱਟ ਬਣਾਉਣ 'ਤੇ ਕੇਂਦ੍ਰਤ ਕਰਦਾ ਹੈ।

ਤੁਲਨਾ ਸਾਰਣੀ

ਮਿਆਦ	ਆਮ ਵਰਤੋਂ	ਇਸਦਾ ਮੂਲ ਅਰਥ ਕੀ ਹੈ	ਇਸ ਬਾਰੇ ਸੋਚਣ ਦਾ ਤੇਜ਼ ਤਰੀਕਾ
ਬਣਾਵਟੀ ਗਿਆਨ	ਬੁੱਧੀਮਾਨ ਦਿਖਣ ਵਾਲੇ ਕੰਮ ਕਰਨ ਵਾਲੀਆਂ ਮਸ਼ੀਨਾਂ ਦੀ ਇੱਕ ਵਿਸ਼ਾਲ ਸ਼੍ਰੇਣੀ	ਰੋਬੋਟਿਕਸ, ਸਹਾਇਕ, ਯੋਜਨਾਬੰਦੀ, ਸਿਫ਼ਾਰਸ਼ਾਂ	ਵੱਡੀ ਛਤਰੀ
ਮਸ਼ੀਨ ਲਰਨਿੰਗ	ਡੇਟਾ ਤੋਂ ਸਿਸਟਮ ਸਿੱਖਣ ਦੇ ਪੈਟਰਨ	ਧੋਖਾਧੜੀ ਦਾ ਪਤਾ ਲਗਾਉਣਾ, ਸਿਫ਼ਾਰਸ਼ਾਂ, ਭਵਿੱਖਬਾਣੀਆਂ	ਉਦਾਹਰਣਾਂ ਤੋਂ ਸਿੱਖਣਾ
ਡੂੰਘੀ ਸਿੱਖਿਆ	ਮਲਟੀ-ਲੇਅਰ ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਮਸ਼ੀਨ ਲਰਨਿੰਗ	ਦ੍ਰਿਸ਼ਟੀ, ਬੋਲੀ, ਉੱਨਤ ਭਾਸ਼ਾ ਮਾਡਲ	ML, ਪਰ ਬਹੁਤ ਡੂੰਘਾ... ਸ਼ਾਬਦਿਕ ਤੌਰ 'ਤੇ
ਜਨਰੇਟਿਵ ਏ.ਆਈ.	ਨਵੀਂ ਸਮੱਗਰੀ ਤਿਆਰ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ AI	ਟੈਕਸਟ, ਚਿੱਤਰ, ਕੋਡ, ਆਡੀਓ	ਰਚਨਾਤਮਕ ਸ਼ਾਖਾ
ਆਟੋਮੇਸ਼ਨ	ਪਹਿਲਾਂ ਤੋਂ ਪਰਿਭਾਸ਼ਿਤ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੀ ਪਾਲਣਾ ਕਰਨ ਵਾਲਾ ਸਾਫਟਵੇਅਰ	ਦੁਹਰਾਉਣ ਵਾਲਾ ਵਰਕਫਲੋ, ਡੇਟਾ ਐਂਟਰੀ	ਆਮ ਤੌਰ 'ਤੇ ਨਿਯਮ ਬਣਾਉਂਦੇ ਹਨ, "ਸਿੱਖਣਾ" ਨਹੀਂ

ਇਹ ਫ਼ਰਕ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ ਕਿਉਂਕਿ ਹਰ ਸਵੈਚਾਲਿਤ ਸਿਸਟਮ AI ਨਹੀਂ ਹੁੰਦਾ।.

ਜੇਕਰ ਤੁਹਾਡੀ ਕੌਫੀ ਮਸ਼ੀਨ ਦਸ ਮਿੰਟਾਂ ਬਾਅਦ ਆਪਣੇ ਆਪ ਬੰਦ ਹੋ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਵਧਾਈਆਂ - ਤੁਸੀਂ ਸ਼ਾਇਦ ਕਿਸੇ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਦੇ ਮਾਲਕ ਨਹੀਂ ਹੋ।.

ਇਹ ਸਿਰਫ਼ ਇੱਕ ਟਾਈਮਰ ਹੈ।.

5. ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਕੀ ਹਨ?

ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਗਣਿਤਿਕ ਪ੍ਰਣਾਲੀਆਂ ਹਨ ਜੋ ਜੈਵਿਕ ਨਿਊਰੋਨਸ ਤੋਂ ਪ੍ਰੇਰਿਤ ਹਨ।.

ਇਹ ਵਾਕੰਸ਼ ਉਨ੍ਹਾਂ ਨੂੰ ਰਹੱਸਮਈ ਬਣਾਉਂਦਾ ਹੈ। ਉਹ ਕੰਪਿਊਟਰਾਂ ਦੇ ਅੰਦਰ ਤੈਰਦੇ ਸ਼ਾਬਦਿਕ ਨਕਲੀ ਦਿਮਾਗ ਨਹੀਂ ਹਨ।.

ਇੱਕ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਵਿੱਚ ਆਪਸ ਵਿੱਚ ਜੁੜੀਆਂ ਗਣਿਤਿਕ ਇਕਾਈਆਂ ਹੁੰਦੀਆਂ ਹਨ ਜੋ ਜਾਣਕਾਰੀ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਦੀਆਂ ਹਨ।.

ਸਿਖਲਾਈ ਦੌਰਾਨ, ਨੈੱਟਵਰਕ ਅੰਦਰੂਨੀ ਸੰਖਿਆਤਮਕ ਮੁੱਲਾਂ ਨੂੰ ਐਡਜਸਟ ਕਰਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਪੈਰਾਮੀਟਰ ਜਾਂ ਵਜ਼ਨ।

ਉਹ ਸਮਾਯੋਜਨ ਸਿਸਟਮ ਨੂੰ ਕੀਮਤੀ ਆਉਟਪੁੱਟ ਪੈਦਾ ਕਰਨ ਵਿੱਚ ਬਿਹਤਰ ਬਣਨ ਦੀ ਆਗਿਆ ਦਿੰਦੇ ਹਨ।.

ਇਸਨੂੰ ਇੱਕ ਬੇਤੁਕੇ ਤੌਰ 'ਤੇ ਗੁੰਝਲਦਾਰ ਕੰਟਰੋਲ ਪੈਨਲ ਦੇ ਰੂਪ ਵਿੱਚ ਸੋਚੋ ਜਿਸ ਵਿੱਚ ਅਰਬਾਂ ਛੋਟੇ ਐਡਜਸਟੇਬਲ ਨੋਬ ਹਨ।.

ਸਿਖਲਾਈ ਉਨ੍ਹਾਂ ਨੋਬਾਂ ਨੂੰ ਵਾਰ-ਵਾਰ ਧੱਕਦੀ ਹੈ।.

ਗਲਤ ਜਵਾਬ?

ਨੌਬਸ ਨੂੰ ਐਡਜਸਟ ਕਰੋ।.

ਬਿਹਤਰ ਜਵਾਬ?

ਉਹਨਾਂ ਨੂੰ ਵੱਖਰੇ ਢੰਗ ਨਾਲ ਵਿਵਸਥਿਤ ਕਰੋ।.

ਇਸਨੂੰ ਕਾਫ਼ੀ ਵਾਰ ਕਰੋ, ਕਾਫ਼ੀ ਡੇਟਾ ਅਤੇ ਕਾਫ਼ੀ ਕੰਪਿਊਟਿੰਗ ਸ਼ਕਤੀ ਨਾਲ, ਅਤੇ ਨੈੱਟਵਰਕ ਗੁੰਝਲਦਾਰ ਅੰਦਰੂਨੀ ਪ੍ਰਤੀਨਿਧਤਾਵਾਂ ਨੂੰ ਵਿਕਸਤ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰ ਦਿੰਦਾ ਹੈ ਜੋ ਇਸਨੂੰ ਪੈਟਰਨਾਂ ਨੂੰ ਪਛਾਣਨ ਅਤੇ ਪੈਦਾ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੇ ਹਨ।.

ਬੇਸ਼ੱਕ, "ਨੌਬਸ ਐਡਜਸਟ ਕਰੋ" ਕਹਿਣ ਨਾਲ ਦਹਾਕਿਆਂ ਤੋਂ ਚੱਲ ਰਿਹਾ ਕੰਪਿਊਟਰ ਵਿਗਿਆਨ ਕਿਸੇ ਪੁਰਾਣੇ ਰੇਡੀਓ ਨੂੰ ਟਿਊਨ ਕਰਨ ਵਰਗਾ ਲੱਗਦਾ ਹੈ... ਪਰ ਇੱਕ ਮਾਨਸਿਕ ਮਾਡਲ ਦੇ ਤੌਰ 'ਤੇ, ਇਹ ਬਹੁਤ ਵਧੀਆ ਕੰਮ ਕਰਦਾ ਹੈ।.

6. AI ਅਚਾਨਕ ਇੰਨਾ ਜ਼ਿਆਦਾ ਸਮਾਰਟ ਕਿਉਂ ਲੱਗਦਾ ਹੈ?

ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਕੋਈ ਅਜਿਹੀ ਕਾਢ ਨਹੀਂ ਹੈ ਜੋ ਰਾਤੋ-ਰਾਤ ਪ੍ਰਗਟ ਹੋਈ।.

ਅੰਤਰੀਵ ਖੇਤਰ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਮੌਜੂਦ ਹੈ।.

ਜੋ ਬਦਲਿਆ ਉਹ ਇਹ ਸੀ ਕਿ ਕਈ ਤਾਕਤਾਂ ਇਕੱਠੀਆਂ ਤੇਜ਼ ਹੋ ਰਹੀਆਂ ਸਨ।.

ਵਧੇਰੇ ਕੰਪਿਊਟਿੰਗ ਸ਼ਕਤੀ

ਆਧੁਨਿਕ ਪ੍ਰੋਸੈਸਰ ਬਹੁਤ ਸਾਰੀਆਂ ਗਣਨਾਵਾਂ ਤੇਜ਼ੀ ਨਾਲ ਕਰ ਸਕਦੇ ਹਨ, ਖਾਸ ਕਰਕੇ ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ ਲਈ ਲੋੜੀਂਦੀਆਂ ਗਣਨਾਵਾਂ ਦੀਆਂ ਕਿਸਮਾਂ। ਸਿਖਲਾਈ ਗਣਨਾ ਨੂੰ ਆਧੁਨਿਕ AI ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਤਰੱਕੀ ਦਾ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਚਾਲਕ ਰਿਹਾ ਹੈ।

ਹੋਰ ਡਾਟਾ

ਡਿਜੀਟਲ ਦੁਨੀਆ ਵਿੱਚ ਟੈਕਸਟ, ਤਸਵੀਰਾਂ, ਆਡੀਓ, ਵੀਡੀਓ, ਕੋਡ ਅਤੇ ਢਾਂਚਾਗਤ ਜਾਣਕਾਰੀ ਦੀ ਵੱਡੀ ਮਾਤਰਾ ਹੈ।.

ਸੂਝਵਾਨ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਉਦਾਹਰਣਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ - ਬਹੁਤ ਸਾਰੀਆਂ।.

ਬਿਹਤਰ ਐਲਗੋਰਿਦਮ

ਖੋਜਕਰਤਾ ਏਆਈ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਵਰਤੇ ਜਾਂਦੇ ਆਰਕੀਟੈਕਚਰ ਅਤੇ ਤਰੀਕਿਆਂ ਵਿੱਚ ਲਗਾਤਾਰ ਸੁਧਾਰ ਕਰਦੇ ਰਹਿੰਦੇ ਹਨ।.

ਵੱਡੇ ਮਾਡਲ

ਪੈਰਾਮੀਟਰਾਂ ਦੀ ਗਿਣਤੀ ਵਧਾਉਣਾ, ਡੇਟਾਸੈਟਾਂ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨਾ ਅਤੇ ਗਣਨਾ ਵਧਾਉਣਾ ਅਕਸਰ ਹੈਰਾਨੀਜਨਕ ਤੌਰ 'ਤੇ ਸਮਰੱਥ ਮਾਡਲ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਕੰਪਿਊਟ-ਅਨੁਕੂਲ ਭਾਸ਼ਾ-ਮਾਡਲ ਸਿਖਲਾਈ 'ਤੇ ਖੋਜ ਇਹ ਵੀ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ ਮਾਡਲ ਆਕਾਰ, ਡੇਟਾ ਅਤੇ ਕੰਪਿਊਟ ਨੂੰ ਸਿਰਫ਼ ਪੈਰਾਮੀਟਰ ਗਿਣਤੀ ਨੂੰ ਵੱਧ ਤੋਂ ਵੱਧ ਕਰਨ ਦੀ ਬਜਾਏ ਸੰਤੁਲਿਤ ਕਰਨ ਦੀ ਲੋੜ ਹੈ।.

ਬਿਹਤਰ ਇੰਟਰਫੇਸ

ਇਸ ਹਿੱਸੇ ਨੂੰ ਘੱਟ ਸਮਝਣਾ ਆਸਾਨ ਹੈ।.

ਏਆਈ ਨਾਟਕੀ ਢੰਗ ਨਾਲ ਵਧੇਰੇ ਪਹੁੰਚਯੋਗ ਮਹਿਸੂਸ ਹੁੰਦਾ ਹੈ ਕਿਉਂਕਿ ਆਮ ਲੋਕ ਹੁਣ ਰੋਜ਼ਾਨਾ ਭਾਸ਼ਾ ਰਾਹੀਂ ਉੱਨਤ ਪ੍ਰਣਾਲੀਆਂ ਨਾਲ ਗੱਲਬਾਤ ਕਰ ਸਕਦੇ ਹਨ।.

ਤੁਹਾਨੂੰ ਪ੍ਰੋਗਰਾਮਿੰਗ ਸਮਝਣ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ।.

ਤੁਸੀਂ ਬਸ ਪੁੱਛ ਸਕਦੇ ਹੋ:

"ਮੌਰਗੇਜ ਨੂੰ ਸਮਝਾਓ ਜਿਵੇਂ ਮੈਂ ਬਾਰਾਂ ਸਾਲਾਂ ਦਾ ਹਾਂ।"

ਜਾਂ:

"ਇਨ੍ਹਾਂ ਮੀਟਿੰਗ ਨੋਟਸ ਨੂੰ ਈਮੇਲ ਵਿੱਚ ਬਦਲੋ।"

ਜਾਂ:

"ਮੈਨੂੰ ਚਿਕਨ, ਚੌਲ ਅਤੇ ਉਹ ਸਾਰੀਆਂ ਸਬਜ਼ੀਆਂ ਵਰਤ ਕੇ ਰਾਤ ਦੇ ਖਾਣੇ ਦੇ ਪੰਜ ਵਿਚਾਰ ਦਿਓ ਜੋ ਮੇਰੇ ਫਰਿੱਜ ਵਿੱਚ ਹੌਲੀ-ਹੌਲੀ ਖਤਮ ਹੋ ਰਹੀਆਂ ਹਨ।"

ਉਹ ਇੰਟਰਫੇਸ ਤਬਦੀਲੀ ਬਹੁਤ ਵੱਡੀ ਹੈ।.

ਜਦੋਂ ਲੋਕਾਂ ਨੂੰ ਇਸਦੀ ਵਰਤੋਂ ਲਈ ਮੈਨੂਅਲ ਦੀ ਲੋੜ ਖਤਮ ਹੋ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਤਕਨਾਲੋਜੀ ਦੀ ਪ੍ਰਸਿੱਧੀ ਵਿੱਚ ਵਾਧਾ ਹੁੰਦਾ ਹੈ।.

7. ਜਦੋਂ ਤੁਸੀਂ AI ਨੂੰ ਸਵਾਲ ਪੁੱਛਦੇ ਹੋ ਤਾਂ ਉਹ ਕੀ ਕਰ ਰਿਹਾ ਹੁੰਦਾ ਹੈ?

ਇੱਕ ਆਧੁਨਿਕ ਏਆਈ ਸਹਾਇਕ 'ਤੇ ਵਿਚਾਰ ਕਰੋ।.

ਤੁਸੀਂ ਟਾਈਪ ਕਰੋ:

"ਪੰਜ ਸਾਲ ਦੇ ਬੱਚੇ ਨੂੰ ਗੁਰੂਤਾ ਸ਼ਕਤੀ ਸਮਝਾਓ।"

ਪਰਦੇ ਪਿੱਛੇ, ਸਿਸਟਮ ਤੁਹਾਡੇ ਟੈਕਸਟ ਨੂੰ ਟੋਕਨ।

ਟੋਕਨ ਪੂਰੇ ਸ਼ਬਦਾਂ, ਸ਼ਬਦਾਂ ਦੇ ਹਿੱਸਿਆਂ, ਵਿਰਾਮ ਚਿੰਨ੍ਹਾਂ, ਜਾਂ ਭਾਸ਼ਾ ਦੇ ਹੋਰ ਹਿੱਸਿਆਂ ਨੂੰ ਦਰਸਾ ਸਕਦੇ ਹਨ।.

ਉਹ ਟੋਕਨ ਮਾਡਲ ਰਾਹੀਂ ਪ੍ਰੋਸੈਸ ਕੀਤੇ ਜਾਂਦੇ ਹਨ।.

ਇਹ ਮਾਡਲ ਤੁਹਾਡੀ ਬੇਨਤੀ ਦੇ ਵੱਖ-ਵੱਖ ਹਿੱਸਿਆਂ ਵਿਚਕਾਰ ਸਬੰਧਾਂ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ, ਸੰਦਰਭ 'ਤੇ ਵਿਚਾਰ ਕਰਦਾ ਹੈ ਅਤੇ ਇੱਕ ਮਦਦਗਾਰ ਨਿਰੰਤਰਤਾ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਦਾ ਹੈ।.

ਫਿਰ ਇੱਕ ਹੋਰ ਟੋਕਨ।.

ਫਿਰ ਇੱਕ ਹੋਰ।.

ਫਿਰ ਇੱਕ ਹੋਰ।.

ਇਹ ਬਹੁਤ ਤੇਜ਼ੀ ਨਾਲ ਵਾਪਰਦਾ ਹੈ।.

ਨਤੀਜਾ ਪੈਰਾ ਇਸ ਤਰ੍ਹਾਂ ਜਾਪਦਾ ਹੈ ਜਿਵੇਂ ਕਿਸੇ ਨੇ ਇਸਨੂੰ ਇੱਕ ਪੂਰੇ ਵਿਚਾਰ ਵਜੋਂ ਰਚਿਆ ਹੋਵੇ, ਪਰ ਤਕਨੀਕੀ ਤੌਰ 'ਤੇ ਇਹ ਕ੍ਰਮਵਾਰ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਸੀ।.

ਇਹ AI ਦੀਆਂ ਹੋਰ ਵੀ ਅਜੀਬ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ।.

ਆਉਟਪੁੱਟ ਜਾਣਬੁੱਝ ਕੇ ਮਹਿਸੂਸ ਹੋ ਸਕਦੀ ਹੈ ਭਾਵੇਂ ਕਿ ਅੰਤਰੀਵ ਪ੍ਰਕਿਰਿਆ ਸੰਭਾਵੀ ਹੈ।.

ਇਹ ਇੱਕ ਵਿਸ਼ਾਲ ਡੇਟਾਬੇਸ ਤੋਂ ਤਿਆਰ ਜਵਾਬ ਕੱਢਣ ਨਾਲੋਂ ਇਮਪ੍ਰੋਵਾਈਜ਼ੇਸ਼ਨ ਵਰਗਾ ਹੈ।.

ਯਕੀਨਨ, ਬਿਲਕੁਲ ਇਮਪ੍ਰੋਵਾਈਜ਼ੇਸ਼ਨ ਨਹੀਂ - ਪਰ ਇੰਨਾ ਨੇੜੇ ਕਿ ਰੂਪਕ ਆਪਣਾ ਦੁਪਹਿਰ ਦਾ ਖਾਣਾ ਕਮਾ ਸਕੇ।.

8. ਕੀ AI ਚੀਜ਼ਾਂ ਨੂੰ ਸਮਝਦਾ ਹੈ?

ਇਹ ਸਵਾਲ ਬਹੁਤ ਜਲਦੀ ਦਾਰਸ਼ਨਿਕ ਬਣ ਜਾਂਦਾ ਹੈ।.

ਕੀ ਇੱਕ AI ਸਿਸਟਮ ਸੱਚਮੁੱਚ ਭਾਸ਼ਾ ਨੂੰ "ਸਮਝ" ਸਕਦਾ ਹੈ?

ਜਵਾਬ ਇਸ ਗੱਲ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ ਕਿ ਤੁਸੀਂ ਸਮਝ ਤੋਂ ਕੀ ਭਾਵ ਰੱਖਦੇ ਹੋ।.

ਆਧੁਨਿਕ ਏਆਈ ਮਾਡਲ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਸੰਕਲਪਾਂ ਨੂੰ ਸੂਝਵਾਨ ਤਰੀਕਿਆਂ ਨਾਲ ਹੇਰਾਫੇਰੀ ਕਰ ਸਕਦੇ ਹਨ।.

ਉਹ ਕਰ ਸਕਦੇ ਹਨ:

• ਵਿਚਾਰਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰੋ

• ਆਰਗੂਮੈਂਟਾਂ ਦੀ ਤੁਲਨਾ ਕਰੋ

• ਟੈਕਸਟ ਦੁਬਾਰਾ ਲਿਖੋ

• ਭਾਸ਼ਾਵਾਂ ਦਾ ਅਨੁਵਾਦ ਕਰੋ

• ਬਹੁਤ ਸਾਰੀਆਂ ਢਾਂਚਾਗਤ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰੋ

• ਵਰਕਿੰਗ ਕੋਡ ਤਿਆਰ ਕਰੋ

• ਪੈਟਰਨਾਂ ਦੀ ਪਛਾਣ ਕਰੋ

• ਗੁੰਝਲਦਾਰ ਹਦਾਇਤਾਂ ਦੀ ਪਾਲਣਾ ਕਰੋ

• ਸੰਕਲਪਾਂ ਨੂੰ ਨਵੇਂ ਤਰੀਕਿਆਂ ਨਾਲ ਜੋੜੋ

ਬਾਹਰੋਂ, ਇਹ ਸਮਝ ਵਰਗਾ ਲੱਗ ਸਕਦਾ ਹੈ।.

ਪਰ ਮਸ਼ੀਨੀ ਬੁੱਧੀ ਅਤੇ ਮਨੁੱਖੀ ਬੋਧ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਅੰਤਰ ਹਨ।.

ਮਨੁੱਖ ਭੌਤਿਕ ਸੰਸਾਰ ਦਾ ਅਨੁਭਵ ਕਰਦੇ ਹਨ।.

ਅਸੀਂ ਭੁੱਖ, ਦਰਦ, ਸ਼ਰਮ, ਬੋਰੀਅਤ, ਪਿਆਰ ਅਤੇ ਇਹ ਮਹਿਸੂਸ ਕਰਨ ਦੀ ਅਜੀਬ ਘਬਰਾਹਟ ਮਹਿਸੂਸ ਕਰਦੇ ਹਾਂ ਕਿ ਤੁਹਾਡਾ ਫੋਨ 2 ਪ੍ਰਤੀਸ਼ਤ ਬੈਟਰੀ 'ਤੇ ਹੈ।.

ਏਆਈ ਸਿਸਟਮਾਂ ਕੋਲ ਜ਼ਰੂਰੀ ਨਹੀਂ ਕਿ ਕੋਈ ਬਰਾਬਰ ਦਾ ਅਨੁਭਵ ਹੋਵੇ।.

ਉਹ ਪ੍ਰਤੀਨਿਧਤਾਵਾਂ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਦੇ ਹਨ।.

ਇਸ ਲਈ ਇਹ ਪੁੱਛਣਾ ਕਿ ਕੀ ਇੱਕ AI ਕਿਸੇ ਚੀਜ਼ ਨੂੰ "ਸਮਝਦਾ ਹੈ", ਇਹ ਪੁੱਛਣ ਵਰਗਾ ਹੋ ਸਕਦਾ ਹੈ ਕਿ ਕੀ ਇੱਕ ਪਣਡੁੱਬੀ ਤੈਰਦੀ ਹੈ।.

ਇਹ ਯਕੀਨੀ ਤੌਰ 'ਤੇ ਪਾਣੀ ਵਿੱਚੋਂ ਲੰਘਦਾ ਹੈ।.

ਪਰ ਸ਼ਾਇਦ "ਤੈਰਾਕੀ" ਬਿਲਕੁਲ ਸਹੀ ਸ਼ਬਦ ਨਹੀਂ ਹੈ।.

9. ਏਆਈ ਆਪਣੇ ਆਪ ਨਹੀਂ ਜਾਣਦਾ ਕਿ ਸੱਚ ਕੀ ਹੈ।

ਇਹ ਜਨਰੇਟਿਵ ਏਆਈ ਬਾਰੇ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਨੁਕਤਿਆਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ।.

ਇੱਕ ਮਾਡਲ ਇੱਕ ਅਜਿਹਾ ਬਿਆਨ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਬਿਆਨ ਦੇ ਸਹੀ ਹੋਣ ਤੋਂ ਬਿਨਾਂ ਵੀ ਬਹੁਤ ਹੀ ਯਕੀਨਨ ਲੱਗਦਾ ਹੈ।.

ਕਿਉਂ?

ਕਿਉਂਕਿ ਮਨਘੜਤ ਭਾਸ਼ਾ ਪੈਦਾ ਕਰਨਾ ਅਤੇ ਬਾਹਰਮੁਖੀ ਸੱਚਾਈ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨਾ ਵੱਖ-ਵੱਖ ਸਮੱਸਿਆਵਾਂ ਹਨ।.

ਇੱਕ AI ਸਿਸਟਮ ਅਨਿਸ਼ਚਿਤਤਾ ਦਾ ਸਾਹਮਣਾ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਫਿਰ ਵੀ ਇੱਕ ਭਰੋਸੇਮੰਦ-ਸੁਣਨ ਵਾਲਾ ਜਵਾਬ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ।.

ਇਹਨਾਂ ਗਲਤੀਆਂ ਨੂੰ ਅਕਸਰ ਭਰਮ।

ਉਦਾਹਰਨ ਲਈ, AI ਸ਼ਾਇਦ:

• ਇੱਕ ਅੰਕੜਾ ਤਿਆਰ ਕਰੋ

• ਕਿਸੇ ਹਵਾਲੇ ਨੂੰ ਗਲਤ ਢੰਗ ਨਾਲ ਵਿਸ਼ੇਸ਼ਤਾ ਦਿਓ

• ਦੋ ਸਮਾਨ ਲੋਕਾਂ ਨੂੰ ਉਲਝਾਓ

• ਗੈਰ-ਮੌਜੂਦ ਹਵਾਲੇ ਪੈਦਾ ਕਰੋ

• ਅਸਪਸ਼ਟ ਹਦਾਇਤਾਂ ਦੀ ਗਲਤ ਵਿਆਖਿਆ ਕਰਨਾ

• ਗਣਿਤ ਦੀਆਂ ਛੋਟੀਆਂ-ਛੋਟੀਆਂ ਗਲਤੀਆਂ ਕਰੋ।

ਭਾਸ਼ਾ ਮਾਡਲ ਭਰੋਸੇਮੰਦ ਲੱਗਦੇ ਹੋਏ ਮਨਘੜਤ ਹਵਾਲੇ, ਅਧਿਐਨ, ਹਵਾਲੇ ਅਤੇ ਹੋਰ ਗਲਤ ਜਾਣਕਾਰੀ ਪੈਦਾ ਕਰ ਸਕਦੇ ਹਨ। NIST ਖਾਸ ਤੌਰ 'ਤੇ ਭਰੋਸੇਮੰਦ ਤੌਰ 'ਤੇ ਦੱਸੀਆਂ ਗਈਆਂ ਗਲਤ ਸਮੱਗਰੀ ਅਤੇ ਮਨਘੜਤ ਹਵਾਲਿਆਂ ਨੂੰ ਇੱਕ ਜਨਰੇਟਿਵ-AI ਜੋਖਮ ਵਜੋਂ ਪਛਾਣਦਾ ਹੈ।.

ਵਿਰੋਧਾਭਾਸੀ ਤੌਰ 'ਤੇ, ਇਹ ਸਿਸਟਮ ਜਿੰਨੇ ਜ਼ਿਆਦਾ ਸਮਰੱਥ ਹੋਣਗੇ, ਇਸਨੂੰ ਭੁੱਲਣਾ ਓਨਾ ਹੀ ਆਸਾਨ ਹੋ ਜਾਵੇਗਾ।.

ਸੁਚੱਜੀ ਭਾਸ਼ਾ ਆਤਮਵਿਸ਼ਵਾਸ ਪੈਦਾ ਕਰਦੀ ਹੈ।.

ਪਰ ਵਿਸ਼ਵਾਸ ਸਬੂਤ ਨਹੀਂ ਹੈ।.

ਦਵਾਈ, ਕਾਨੂੰਨ, ਵਿੱਤ, ਸੁਰੱਖਿਆ ਜਾਂ ਵੱਡੇ ਕਾਰੋਬਾਰੀ ਫੈਸਲਿਆਂ ਵਰਗੇ ਖੇਤਰਾਂ ਨਾਲ ਸਬੰਧਤ ਉੱਚ-ਦਾਅ ਵਾਲੇ ਜਾਣਕਾਰੀ ਲਈ, ਤਸਦੀਕ ਅਜੇ ਵੀ ਮਾਇਨੇ ਰੱਖਦੀ ਹੈ।.

ਕਾਫ਼ੀ ਥੋੜ੍ਹਾ।.

10. ਏਆਈ ਇੱਕ ਸਰਚ ਇੰਜਣ ਵਰਗੀ ਚੀਜ਼ ਨਹੀਂ ਹੈ।

ਇੱਕ ਹੋਰ ਆਮ ਗਲਤਫਹਿਮੀ ਏਆਈ ਅਤੇ ਖੋਜ ਨੂੰ ਇੱਕੋ ਚੀਜ਼ ਸਮਝਣਾ ਹੈ।.

ਉਹ ਨਹੀਂ ਹਨ।.

ਇੱਕ ਰਵਾਇਤੀ ਖੋਜ ਇੰਜਣ ਮੁੱਖ ਤੌਰ 'ਤੇ ਮੌਜੂਦਾ ਜਾਣਕਾਰੀ ਲੱਭਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ।.

ਇੱਕ ਜਨਰੇਟਿਵ ਏਆਈ ਸਿਸਟਮ ਮੁੱਖ ਤੌਰ 'ਤੇ ਸਿੱਖੇ ਹੋਏ ਪੈਟਰਨਾਂ, ਪ੍ਰਦਾਨ ਕੀਤੇ ਗਏ ਸੰਦਰਭ ਅਤੇ ਇਸ ਤੱਕ ਪਹੁੰਚ ਵਾਲੇ ਕਿਸੇ ਵੀ ਵਾਧੂ ਸਾਧਨ ਦੇ ਅਧਾਰ ਤੇ ਇੱਕ ਪ੍ਰਤੀਕਿਰਿਆ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਜਨਰੇਟਿਵ ਮਾਡਲ ਵੱਡੇ ਡੇਟਾਸੈਟਾਂ ਵਿੱਚ ਪੈਟਰਨਾਂ ਅਤੇ ਸਬੰਧਾਂ ਨੂੰ ਸਿੱਖਦੇ ਹਨ ਅਤੇ ਨਵੇਂ ਆਉਟਪੁੱਟ ਬਣਾਉਣ ਲਈ ਉਹਨਾਂ ਪੈਟਰਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ।

ਕਲਪਨਾ ਕਰੋ ਕਿ ਤੁਸੀਂ ਪੁੱਛ ਰਹੇ ਹੋ:

ਖੋਜ ਇੰਜਣ: "ਪ੍ਰਕਾਸ਼ਿਤ ਪ੍ਰਕਾਸ਼ ਸੰਸ਼ਲੇਸ਼ਣ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਦੇ ਸਭ ਤੋਂ ਵਧੀਆ ਤਰੀਕੇ"

ਤੁਹਾਨੂੰ ਆਮ ਤੌਰ 'ਤੇ ਜਾਂਚ ਕਰਨ ਲਈ ਪੰਨੇ ਮਿਲਦੇ ਹਨ।.

ਇਹੀ ਗੱਲ ਕਿਸੇ AI ਸਹਾਇਕ ਤੋਂ ਪੁੱਛੋ ਅਤੇ ਤੁਹਾਨੂੰ ਇਹ ਮਿਲ ਸਕਦਾ ਹੈ:

• ਇੱਕ ਸਧਾਰਨ ਵਿਆਖਿਆ

• ਇੱਕ ਕਲਾਸਰੂਮ ਸਮਾਨਤਾ

• ਇੱਕ ਕਵਿਜ਼

• ਇੱਕ ਪਾਠ ਯੋਜਨਾ

• ਬੱਚਿਆਂ ਲਈ ਇੱਕ ਕਹਾਣੀ

• ਇੱਕ ਵਿਸਤ੍ਰਿਤ ਵਿਗਿਆਨਕ ਸੰਸਕਰਣ

ਖੋਜ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ।.

ਜਨਰੇਟਿਵ AI ਸਿੰਥੇਸਾਈਜ਼ ਕਰਦਾ ਹੈ।.

ਆਧੁਨਿਕ ਪ੍ਰਣਾਲੀਆਂ ਦੋਵਾਂ ਤਰੀਕਿਆਂ ਨੂੰ ਜੋੜ ਸਕਦੀਆਂ ਹਨ, ਜਿਸ ਨਾਲ ਅੰਤਰ ਹੋਰ ਵੀ ਧੁੰਦਲਾ ਹੋ ਜਾਂਦਾ ਹੈ, ਪਰ ਔਜ਼ਾਰ ਸੰਕਲਪਿਕ ਤੌਰ 'ਤੇ ਵੱਖਰੇ ਰਹਿੰਦੇ ਹਨ।.

11. ਏਆਈ ਕੀ ਵਧੀਆ ਕਰ ਸਕਦਾ ਹੈ?

AI ਖਾਸ ਤੌਰ 'ਤੇ ਪੈਟਰਨ-ਭਾਰੀ, ਜਾਣਕਾਰੀ-ਅਮੀਰ, ਅਤੇ ਪਰਿਵਰਤਨ ਕਾਰਜਾਂ ਵਿੱਚ ਵਧੀਆ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦਾ ਹੈ।.

ਕੀਮਤੀ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

ਲਿਖਣ ਸਹਾਇਤਾ

AI ਟੈਕਸਟ ਨੂੰ ਡਰਾਫਟ, ਦੁਬਾਰਾ ਲਿਖ ਸਕਦਾ ਹੈ, ਸੰਖੇਪ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਪੁਨਰਗਠਨ ਕਰ ਸਕਦਾ ਹੈ।.

ਪ੍ਰੋਗਰਾਮਿੰਗ

ਮਾਡਲ ਕੋਡ ਤਿਆਰ ਕਰ ਸਕਦੇ ਹਨ, ਗਲਤੀਆਂ ਸਮਝਾ ਸਕਦੇ ਹਨ, ਸੁਧਾਰ ਸੁਝਾ ਸਕਦੇ ਹਨ ਅਤੇ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਅਣਜਾਣ ਸਿਸਟਮਾਂ ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੇ ਹਨ।.

ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ

ਏਆਈ ਪੈਟਰਨਾਂ ਦੀ ਪਛਾਣ ਕਰਨ, ਡੇਟਾਸੈਟਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਅਤੇ ਗੁੰਝਲਦਾਰ ਖੋਜਾਂ ਨੂੰ ਸਮਝਣ ਯੋਗ ਭਾਸ਼ਾ ਵਿੱਚ ਬਦਲਣ ਵਿੱਚ ਸਹਾਇਤਾ ਕਰ ਸਕਦਾ ਹੈ।.

ਚਿੱਤਰ ਨਿਰਮਾਣ

ਜਨਰੇਟਿਵ ਮਾਡਲ ਵਰਣਨ ਤੋਂ ਦ੍ਰਿਸ਼ਟਾਂਤ, ਸੰਕਲਪ, ਉਤਪਾਦ ਮੌਕਅੱਪ, ਕਲਾਕਾਰੀ ਅਤੇ ਵਿਜ਼ੂਅਲ ਭਿੰਨਤਾਵਾਂ ਬਣਾ ਸਕਦੇ ਹਨ।.

ਅਨੁਵਾਦ

ਉੱਨਤ ਮਾਡਲ ਸਧਾਰਨ ਸ਼ਬਦ-ਦਰ-ਸ਼ਬਦ ਪ੍ਰਣਾਲੀਆਂ ਨਾਲੋਂ ਵਧੇਰੇ ਸੰਦਰਭ ਨੂੰ ਸੁਰੱਖਿਅਤ ਰੱਖਦੇ ਹੋਏ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰ ਸਕਦੇ ਹਨ।.

ਸਿੱਖਿਆ

ਕਿਸੇ ਦੇ ਗਿਆਨ ਪੱਧਰ ਦੇ ਆਧਾਰ 'ਤੇ AI ਇੱਕੋ ਸੰਕਲਪ ਨੂੰ ਕਈ ਤਰੀਕਿਆਂ ਨਾਲ ਸਮਝਾ ਸਕਦਾ ਹੈ।.

ਗਾਹਕ ਸਹਾਇਤਾ

ਕੰਪਨੀਆਂ ਆਮ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣ ਅਤੇ ਗੁੰਝਲਦਾਰ ਮਾਮਲਿਆਂ ਨੂੰ ਹੱਲ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੀਆਂ ਹਨ।.

ਬ੍ਰੇਨਸਟਾਰਮਿੰਗ

ਏਆਈ ਖਾਸ ਤੌਰ 'ਤੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੋ ਸਕਦਾ ਹੈ ਜਦੋਂ ਤੁਹਾਡੇ ਕੋਲ ਇੱਕ ਖਾਲੀ ਫਰਿੱਜ ਦੇ ਬਰਾਬਰ ਬੌਧਿਕ ਸਮਰੱਥਾ ਹੋਵੇ।.

ਤੁਸੀਂ ਕੋਣ, ਨਾਮ, ਸੰਕਲਪ, ਬਣਤਰ ਜਾਂ ਸੰਭਾਵਨਾਵਾਂ ਪੁੱਛ ਸਕਦੇ ਹੋ - ਫਿਰ ਫੈਸਲਾ ਕਰੋ ਕਿ ਕੀ ਰੱਖਣ ਦੇ ਯੋਗ ਹੈ।.

ਇਹ ਅਕਸਰ ਏਆਈ ਨਾਲ ਸਭ ਤੋਂ ਸਿਹਤਮੰਦ ਕੰਮ ਕਰਨ ਵਾਲਾ ਰਿਸ਼ਤਾ ਹੁੰਦਾ ਹੈ।.

"ਮਸ਼ੀਨ ਮਨੁੱਖ ਦੀ ਥਾਂ ਲੈਂਦੀ ਹੈ" ਨਹੀਂ।

ਹੋਰ ਪਸੰਦ:

ਮਨੁੱਖ + ਮਸ਼ੀਨ = ਤੇਜ਼ ਸੋਚ ਦਾ ਪਹਿਲਾ ਖਰੜਾ।.

12. ਏਆਈ ਅਜੇ ਵੀ ਕਿਸ ਚੀਜ਼ ਵਿੱਚ ਮਾੜਾ ਹੈ

ਇਸ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਦੇ ਸਾਰੇ ਧਿਆਨ ਦੇ ਬਾਵਜੂਦ, ਮੌਜੂਦਾ AI ਵਿੱਚ ਅਜੇ ਵੀ ਕਾਫ਼ੀ ਸੀਮਾਵਾਂ ਹਨ।.

ਕੁਝ ਇੱਕੋ ਵਾਰ ਸਪੱਸ਼ਟ ਹੋ ਜਾਂਦੇ ਹਨ।.

ਦੂਸਰੇ ਤਾਂ ਹੀ ਉਭਰਦੇ ਹਨ ਜਦੋਂ ਤੁਸੀਂ ਕਿਸੇ ਗੁੰਝਲਦਾਰ ਚੀਜ਼ ਲਈ ਸਿਸਟਮ 'ਤੇ ਭਰੋਸਾ ਕਰਦੇ ਹੋ।.

AI ਇਹਨਾਂ ਨਾਲ ਸੰਘਰਸ਼ ਕਰ ਸਕਦਾ ਹੈ:

• ਬਹੁਤ ਹੀ ਸਟੀਕ ਤੱਥਾਂ ਦੀ ਸ਼ੁੱਧਤਾ

• ਅਸਾਧਾਰਨ ਕਿਨਾਰੇ ਵਾਲੇ ਕੇਸ

• ਤਰਕ ਦੀਆਂ ਲੰਬੀਆਂ ਜ਼ੰਜੀਰਾਂ

• ਅਸਪਸ਼ਟ ਨਿਰਦੇਸ਼

• ਆਮ ਸਮਝ ਵਾਲੀਆਂ ਧਾਰਨਾਵਾਂ ਜਿਨ੍ਹਾਂ ਵੱਲ ਮਨੁੱਖ ਬਹੁਤ ਘੱਟ ਧਿਆਨ ਦਿੰਦੇ ਹਨ

• ਅਣਕਿਆਸੇ ਭਾਵਨਾਤਮਕ ਸੰਦਰਭ ਨੂੰ ਸਮਝਣਾ

• ਇਹ ਪੁਸ਼ਟੀ ਕਰਨਾ ਕਿ ਕੀ ਜਾਣਕਾਰੀ ਸੱਚਮੁੱਚ ਸੱਚ ਹੈ

• ਭੌਤਿਕ-ਸੰਸਾਰ ਦੇ ਤਜਰਬੇ ਦੀ ਲੋੜ ਵਾਲੇ ਕੰਮ

• ਗੁੰਝਲਦਾਰ ਪ੍ਰੋਜੈਕਟਾਂ ਵਿੱਚ ਇਕਸਾਰਤਾ

ਇੱਥੋਂ ਤੱਕ ਕਿ ਬਹੁਤ ਹੀ ਸਮਰੱਥ ਭਾਸ਼ਾ ਮਾਡਲ ਵੀ ਤੱਥਾਂ ਅਤੇ ਤਰਕ ਦੀਆਂ ਗਲਤੀਆਂ ਕਰ ਸਕਦੇ ਹਨ, ਅਤੇ ਮੁਸ਼ਕਲ ਮਾਪਦੰਡ ਕਾਫ਼ੀ ਸੀਮਾਵਾਂ ਨੂੰ ਉਜਾਗਰ ਕਰਦੇ ਰਹਿੰਦੇ ਹਨ।

ਇੱਕ ਹੋਰ ਮੁੱਦਾ ਇਹ ਹੈ ਕਿ AI ਬਹੁਤ ਘੱਟ ਮਿਹਨਤ ਨਾਲ ਔਸਤ ਦਿੱਖ ਵਾਲੇ ਜਵਾਬ।

ਦਸ ਕਾਰੋਬਾਰੀ ਨਾਮ ਮੰਗੋ?

ਹੋ ਗਿਆ।.

ਬਲੌਗ ਪੋਸਟ ਮੰਗੋ?

ਆਸਾਨ।.

ਮਾਰਕੀਟਿੰਗ ਦੇ ਵਿਚਾਰ ਮੰਗੋ?

ਜ਼ਰੂਰ।.

ਪਰ ਕੁਝ ਅਜਿਹਾ ਪੈਦਾ ਕਰਨਾ ਅਤੇ ਅਜਿਹਾ ਕੰਮ ਪੈਦਾ ਕਰਨਾ ਇੱਕੋ ਜਿਹਾ ਨਹੀਂ ਹੈ ਜੋ ਸੱਚਮੁੱਚ ਮੌਲਿਕ, ਵਪਾਰਕ ਤੌਰ 'ਤੇ ਕੀਮਤੀ, ਭਾਵਨਾਤਮਕ ਤੌਰ 'ਤੇ ਬੁੱਧੀਮਾਨ ਜਾਂ ਰਣਨੀਤਕ ਤੌਰ 'ਤੇ ਸਹੀ ਹੋਵੇ।.

ਇਨਸਾਨ ਅਜੇ ਵੀ ਸੁਆਦ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ।.

ਸੁਆਦ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ।.

ਸ਼ਾਇਦ ਪਹਿਲਾਂ ਨਾਲੋਂ ਵੀ ਜ਼ਿਆਦਾ।.

13. ਕੀ AI ਜਾਗਰੂਕ ਹੈ?

ਇੱਥੇ ਅਸੀਂ ਉਸ ਹਿੱਸੇ 'ਤੇ ਪਹੁੰਚਦੇ ਹਾਂ ਜਿੱਥੇ ਰਾਤ ਦੇ ਖਾਣੇ ਦੀਆਂ ਗੱਲਾਂ-ਬਾਤਾਂ ਅਜੀਬ ਹੋ ਜਾਂਦੀਆਂ ਹਨ।.

ਮੌਜੂਦਾ ਏਆਈ ਸਿਸਟਮ ਅਜਿਹੀ ਭਾਸ਼ਾ ਪੈਦਾ ਕਰ ਸਕਦੇ ਹਨ ਜੋ ਭਾਵਨਾਤਮਕ, ਵਿਚਾਰਸ਼ੀਲ ਅਤੇ ਸਵੈ-ਜਾਗਰੂਕ ਲੱਗਦੀ ਹੈ।.

ਇਸਦਾ ਮਤਲਬ ਇਹ ਨਹੀਂ ਕਿ ਉਹ ਆਪਣੇ ਆਪ ਚੇਤਨਾ ਦਾ ਅਨੁਭਵ ਕਰਦੇ ਹਨ।.

ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਨੂੰ ਭਾਸ਼ਾ ਪੈਦਾ ਕਰਨ ਲਈ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ।.

ਅਤੇ ਮਨੁੱਖ ਕੁਦਰਤੀ ਤੌਰ 'ਤੇ ਪ੍ਰਵਾਹ ਵਾਲੀ ਭਾਸ਼ਾ ਦੀ ਵਿਆਖਿਆ ਇਸ ਗੱਲ ਦੇ ਸਬੂਤ ਵਜੋਂ ਕਰਦੇ ਹਨ ਕਿ ਇਸਦੇ ਪਿੱਛੇ ਇੱਕ ਹੋਰ ਮਨ ਮੌਜੂਦ ਹੈ।.

ਆਮ ਤੌਰ 'ਤੇ, ਇਹ ਇੱਕ ਸਮਝਦਾਰ ਧਾਰਨਾ ਹੈ।.

ਜਦੋਂ ਕੋਈ ਹੋਰ ਮਨੁੱਖ ਕਹਿੰਦਾ ਹੈ, "ਮੈਂ ਚਿੰਤਤ ਹਾਂ," ਤਾਂ ਅਸੀਂ ਵਾਜਬ ਤੌਰ 'ਤੇ ਇਹ ਮੰਨ ਲੈਂਦੇ ਹਾਂ ਕਿ ਇੱਕ ਅੰਦਰੂਨੀ ਭਾਵਨਾਤਮਕ ਸਥਿਤੀ ਮੌਜੂਦ ਹੈ।.

ਏਆਈ ਦੇ ਨਾਲ, ਇਹ ਧਾਰਨਾ ਜ਼ਰੂਰੀ ਤੌਰ 'ਤੇ ਜਾਇਜ਼ ਨਹੀਂ ਹੈ।.

ਇੱਕ ਸਿਸਟਮ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ:

"ਮੈਂ ਮਦਦ ਕਰਨ ਲਈ ਉਤਸ਼ਾਹਿਤ ਹਾਂ।"

ਇਹ ਸਾਬਤ ਨਹੀਂ ਕਰਦਾ ਕਿ ਸਰਵਰ ਦੇ ਅੰਦਰ ਕੋਈ ਅਦਿੱਖ ਛੋਟਾ ਜਿਹਾ ਭਾਵੁਕ ਜੀਵ ਹੈ ਜੋ ਇੱਕ ਸ਼ਾਨਦਾਰ ਦੁਪਹਿਰ ਬਿਤਾ ਰਿਹਾ ਹੈ।.

ਔਖਾ ਦਾਰਸ਼ਨਿਕ ਸਵਾਲ ਇਹ ਹੈ ਕਿ ਕੀ ਮਸ਼ੀਨੀ ਚੇਤਨਾ ਕਦੇ ਉਭਰ ਸਕਦੀ ਹੈ।.

ਕਿਸੇ ਕੋਲ ਵੀ ਕੋਈ ਸਧਾਰਨ ਟੈਸਟ ਨਹੀਂ ਹੈ ਜੋ ਉਸ ਬਹਿਸ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸੁਲਝਾ ਸਕੇ।

ਪਰ ਗੱਲਬਾਤ ਦੀ ਰਵਾਨਗੀ ਨੂੰ ਆਪਣੇ ਆਪ ਵਿੱਚ ਸਬੂਤ ਵਜੋਂ ਨਹੀਂ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ। ਸੁਚੇਤ ਜਾਂ "ਮਜ਼ਬੂਤ" ਏਆਈ ਵਰਗੇ ਸੰਕਲਪ ਅੱਜ ਦੇ ਸਿਸਟਮਾਂ ਦੀ ਇੱਕ ਸਥਾਪਿਤ ਵਿਸ਼ੇਸ਼ਤਾ ਦੀ ਬਜਾਏ ਸਿਧਾਂਤਕ ਬਣੇ ਹੋਏ ਹਨ।.

14. ਤੰਗ ਏਆਈ ਬਨਾਮ ਆਰਟੀਫੀਸ਼ੀਅਲ ਜਨਰਲ ਇੰਟੈਲੀਜੈਂਸ

ਜ਼ਿਆਦਾਤਰ ਏਆਈ ਸਿਸਟਮ ਅਜੇ ਵੀ ਖਾਸ ਸਮਰੱਥਾਵਾਂ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਬਣਾਏ ਜਾਂਦੇ ਹਨ।.

ਇਹਨਾਂ ਨੂੰ ਅਕਸਰ ਤੰਗ AI।

ਉਦਾਹਰਨਾਂ ਵਿੱਚ ਇਹਨਾਂ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਸਿਸਟਮ ਸ਼ਾਮਲ ਹਨ:

• ਚਿੱਤਰ ਪਛਾਣ

• ਭਾਸ਼ਾ ਉਤਪਤੀ

• ਸਿਫਾਰਸ਼

• ਡਰਾਈਵਿੰਗ ਸਹਾਇਤਾ

• ਮੈਡੀਕਲ ਇਮੇਜਿੰਗ

• ਧੋਖਾਧੜੀ ਦਾ ਪਤਾ ਲਗਾਉਣਾ

• ਬੋਲੀ ਪਛਾਣ

ਆਰਟੀਫੀਸ਼ੀਅਲ ਜਨਰਲ ਇੰਟੈਲੀਜੈਂਸ, ਜਿਸਨੂੰ ਆਮ ਤੌਰ 'ਤੇ AGI, ਮਸ਼ੀਨ ਇੰਟੈਲੀਜੈਂਸ ਦੇ ਇੱਕ ਬਹੁਤ ਵੱਡੇ ਕਾਲਪਨਿਕ ਪੱਧਰ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।

ਇਹ ਵਿਚਾਰ ਇੱਕ ਅਜਿਹੀ ਪ੍ਰਣਾਲੀ ਹੈ ਜੋ ਮਨੁੱਖੀ-ਪੱਧਰ ਦੀ ਸਮਰੱਥਾ ਜਾਂ ਇਸ ਤੋਂ ਪਰੇ ਕਈ ਖੇਤਰਾਂ ਵਿੱਚ ਸਿੱਖਣ ਅਤੇ ਬੌਧਿਕ ਕਾਰਜ ਕਰਨ ਦੇ ਸਮਰੱਥ ਹੈ।.

ਸੀਮਾ ਪੂਰੀ ਤਰ੍ਹਾਂ ਪਰਿਭਾਸ਼ਿਤ ਨਹੀਂ ਹੈ।.

ਇਹ ਮੁਸ਼ਕਲ ਦਾ ਹਿੱਸਾ ਹੈ।.

ਵੱਖ-ਵੱਖ ਖੋਜਕਰਤਾ, ਕੰਪਨੀਆਂ ਅਤੇ ਟਿੱਪਣੀਕਾਰ "AGI" ਦੀ ਵਰਤੋਂ ਵੱਖ-ਵੱਖ ਢੰਗ ਨਾਲ ਕਰਦੇ ਹਨ, ਇਸ ਲਈ ਗੱਲਬਾਤ ਤਿੰਨ ਵਿਅਕਤੀ ਬਣ ਸਕਦੇ ਹਨ ਜੋ ਬਿਨਾਂ ਸਮਝੇ ਵੱਖ-ਵੱਖ ਪਰਿਭਾਸ਼ਾਵਾਂ ਬਾਰੇ ਜੋਸ਼ ਨਾਲ ਬਹਿਸ ਕਰ ਰਹੇ ਹਨ। ਵਰਤਮਾਨ ਵਿੱਚ ਇਸ ਬਾਰੇ ਕੋਈ ਵਿਆਪਕ ਅਕਾਦਮਿਕ ਸਹਿਮਤੀ ਨਹੀਂ ਹੈ ਕਿ AGI ਦੇ ਤੌਰ 'ਤੇ ਕੀ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।

ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਕਲਾਸਿਕ ਇੰਟਰਨੈੱਟ ਵਿਵਹਾਰ।.

15. ਸਿਖਲਾਈ ਡੇਟਾ ਇੰਨਾ ਮਾਇਨੇ ਕਿਉਂ ਰੱਖਦਾ ਹੈ

ਏਆਈ ਸਿਸਟਮ ਉਦਾਹਰਣਾਂ ਤੋਂ ਪੈਟਰਨ ਸਿੱਖਦੇ ਹਨ, ਇਸ ਲਈ ਉਨ੍ਹਾਂ ਉਦਾਹਰਣਾਂ ਦੀ ਗੁਣਵੱਤਾ ਬਹੁਤ ਮਾਇਨੇ ਰੱਖਦੀ ਹੈ।.

ਇਸ ਲਈ ਸਿਖਲਾਈ ਡੇਟਾ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਬਣ ਜਾਂਦਾ ਹੈ।.

ਕਲਪਨਾ ਕਰੋ ਕਿ ਤੁਸੀਂ ਕਿਸੇ ਨੂੰ ਸ਼ੈੱਫ ਬਣਨ ਦੀ ਸਿਖਲਾਈ ਦੇ ਰਹੇ ਹੋ ਪਰ ਉਸਨੂੰ ਸਿਰਫ਼ ਟੋਸਟ ਬਣਾਉਣ ਦੀਆਂ ਪਕਵਾਨਾਂ ਦੇ ਰਹੇ ਹੋ।.

ਉਹ ਟੋਸਟ ਵਿੱਚ ਸ਼ਾਨਦਾਰ ਬਣ ਸਕਦੇ ਹਨ।.

ਸ਼ਾਇਦ ਮਿਸ਼ੇਲਿਨ-ਪੱਧਰ ਦਾ ਟੋਸਟ।.

ਪਰ ਉਨ੍ਹਾਂ ਨੂੰ ਇੱਕ ਆਕਟੋਪਸ ਦੇਣਾ ਅਤੇ ਰਾਤ ਦੇ ਖਾਣੇ ਲਈ ਪੁੱਛਣਾ ਦਿਲਚਸਪ ਹੋ ਸਕਦਾ ਹੈ।.

ਏਆਈ ਇਸੇ ਤਰ੍ਹਾਂ ਕੰਮ ਕਰਦਾ ਹੈ।.

ਗੁਣਵੱਤਾ , ਵਿਭਿੰਨਤਾ ਅਤੇ ਸਾਰਥਕਤਾ ਮਾਡਲਾਂ ਦੁਆਰਾ ਸਿੱਖੀ ਜਾਣ ਵਾਲੀ ਚੀਜ਼ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰਦੀ ਹੈ। ਜਨਰੇਟਿਵ ਸਿਸਟਮ ਰਵਾਇਤੀ ਡੇਟਾਬੇਸ ਵਾਂਗ ਕੰਮ ਕਰਨ ਦੀ ਬਜਾਏ ਆਪਣੇ ਸਿਖਲਾਈ ਡੇਟਾ ਤੋਂ ਅੰਕੜਾਤਮਕ ਪੈਟਰਨ ਅਤੇ ਸਬੰਧ ਸਿੱਖਦੇ ਹਨ।

ਡੇਟਾਸੈਟਾਂ ਵਿੱਚ ਸਮੱਸਿਆਵਾਂ ਆਉਟਪੁੱਟ ਵਿੱਚ ਸਾਹਮਣੇ ਆ ਸਕਦੀਆਂ ਹਨ, ਜਿਸ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

• ਪੱਖਪਾਤ

• ਗੁੰਮ ਗਿਆਨ

• ਵਾਰ-ਵਾਰ ਗਲਤ ਧਾਰਨਾਵਾਂ

• ਘੱਟ ਪ੍ਰਤੀਨਿਧਤਾ ਵਾਲੇ ਖੇਤਰਾਂ ਵਿੱਚ ਕਮਜ਼ੋਰ ਪ੍ਰਦਰਸ਼ਨ

• ਕੁਝ ਭਾਸ਼ਾਈ ਜਾਂ ਸੱਭਿਆਚਾਰਕ ਪੈਟਰਨਾਂ ਦੀ ਜ਼ਿਆਦਾ ਪ੍ਰਤੀਨਿਧਤਾ

ਮਸ਼ੀਨ-ਲਰਨਿੰਗ ਮਾਡਲ ਪੱਖਪਾਤ ਦੇ ਸ਼ਿਕਾਰ ਹੋ ਸਕਦੇ ਹਨ ਕਿਉਂਕਿ ਸਿਖਲਾਈ ਉਦਾਹਰਣਾਂ ਨੂੰ ਕਿਵੇਂ ਚੁਣਿਆ ਅਤੇ ਤਿਆਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਅਸੰਤੁਲਿਤ ਜਾਂ ਅਧੂਰਾ ਡੇਟਾ ਮਾਡਲ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰ ਸਕਦਾ ਹੈ।.

ਇਸ ਲਈ ਡਿਵੈਲਪਰ ਆਪਣੀ ਸ਼ੁਰੂਆਤੀ ਸਿਖਲਾਈ ਤੋਂ ਬਾਅਦ ਡੇਟਾਸੈੱਟਾਂ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ, ਸਮੱਗਰੀ ਨੂੰ ਫਿਲਟਰ ਕਰਨ ਅਤੇ ਮਾਡਲਾਂ ਨੂੰ ਸੋਧਣ ਲਈ ਬਹੁਤ ਮਿਹਨਤ ਕਰਦੇ ਹਨ।.

ਮਾਡਲ ਆਰਕੀਟੈਕਚਰ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ।.

ਕੰਪਿਊਟਿੰਗ ਪਾਵਰ ਵੀ ਮਾਇਨੇ ਰੱਖਦੀ ਹੈ।.

ਪਰ ਡਾਟਾ ਪਲੰਬਿੰਗ ਵਾਂਗ ਹਰ ਚੀਜ਼ ਦੇ ਹੇਠਾਂ ਚੁੱਪਚਾਪ ਬੈਠਾ ਰਹਿੰਦਾ ਹੈ - ਕੋਈ ਵੀ ਇਸ ਬਾਰੇ ਉਦੋਂ ਤੱਕ ਗੱਲ ਨਹੀਂ ਕਰਦਾ ਜਦੋਂ ਤੱਕ ਕੁਝ ਗਲਤ ਨਹੀਂ ਹੋ ਜਾਂਦਾ।.

16. ਸਿਖਲਾਈ ਤੋਂ ਬਾਅਦ ਏਆਈ ਮਾਡਲ ਕਿਵੇਂ ਬਿਹਤਰ ਹੁੰਦੇ ਹਨ

ਸ਼ੁਰੂਆਤੀ ਸਿਖਲਾਈ ਜ਼ਰੂਰੀ ਨਹੀਂ ਕਿ ਆਖਰੀ ਕਦਮ ਹੋਵੇ।.

ਮਾਡਲਾਂ ਨੂੰ ਵਧੇਰੇ ਸਮਰੱਥ ਅਤੇ ਭਰੋਸੇਮੰਦ ਬਣਾਉਣ ਲਈ ਤਿਆਰ ਕੀਤੀਆਂ ਗਈਆਂ ਵਾਧੂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਵਿੱਚੋਂ ਲੰਘਣਾ ਪੈ ਸਕਦਾ ਹੈ।.

ਇਸ ਵਿੱਚ ਸਿੱਖਿਆ ਪ੍ਰਣਾਲੀਆਂ ਸ਼ਾਮਲ ਹੋ ਸਕਦੀਆਂ ਹਨ:

• ਹਦਾਇਤਾਂ ਦੀ ਵਧੇਰੇ ਭਰੋਸੇਯੋਗਤਾ ਨਾਲ ਪਾਲਣਾ ਕਰੋ

• ਨੁਕਸਾਨਦੇਹ ਪ੍ਰਭਾਵਾਂ ਤੋਂ ਬਚੋ

• ਜਵਾਬਾਂ ਨੂੰ ਢੁਕਵੇਂ ਢੰਗ ਨਾਲ ਫਾਰਮੈਟ ਕਰੋ

• ਕੁਝ ਬੇਨਤੀਆਂ ਨੂੰ ਅਸਵੀਕਾਰ ਕਰੋ

• ਸਪਸ਼ਟ ਜਵਾਬਾਂ ਨੂੰ ਤਰਜੀਹ ਦਿਓ

• ਔਜ਼ਾਰਾਂ ਦੀ ਵਰਤੋਂ ਕਰੋ

• ਮਨੁੱਖੀ ਫੀਡਬੈਕ ਦੀ ਪਾਲਣਾ ਕਰੋ

• ਗੱਲਬਾਤ ਨੂੰ ਬਿਹਤਰ ਢੰਗ ਨਾਲ ਸੰਭਾਲੋ

ਇਹ ਪ੍ਰਕਿਰਿਆ ਮੋਟੇ ਤੌਰ 'ਤੇ ਅਲਾਈਨਮੈਂਟ। ਮਨੁੱਖੀ-ਫੀਡਬੈਕ ਤਕਨੀਕਾਂ ਦੀਵਰਤੋਂ ਹਦਾਇਤਾਂ ਦੀ ਪਾਲਣਾ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਅਤੇ ਪ੍ਰੀ-ਟ੍ਰੇਨਿੰਗ ਤੋਂ ਬਾਅਦ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਨੂੰ ਲੋੜੀਂਦੇ ਵਿਵਹਾਰ ਵੱਲ ਲੈ ਜਾਣ ਲਈ ਕੀਤੀ ਗਈ ਹੈ।

ਅਲਾਈਨਮੈਂਟ ਦਾ ਅਰਥ ਹੈ ਏਆਈ ਵਿਵਹਾਰ ਨੂੰ ਮਨੁੱਖੀ ਇਰਾਦਿਆਂ, ਨਿਯਮਾਂ ਅਤੇ ਪਸੰਦਾਂ ਨੂੰ ਬਿਹਤਰ ਢੰਗ ਨਾਲ ਦਰਸਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨਾ।.

ਸਧਾਰਨ ਵਾਕ।.

ਬਹੁਤ ਹੀ ਔਖੀ ਇੰਜੀਨੀਅਰਿੰਗ ਸਮੱਸਿਆ।.

ਮਨੁੱਖ ਇਸ ਗੱਲ 'ਤੇ ਵੀ ਸਹਿਮਤ ਨਹੀਂ ਹੋ ਸਕਦੇ ਕਿ ਇੱਕ ਵਧੀਆ ਪੀਜ਼ਾ ਟੌਪਿੰਗ ਕੀ ਹੈ, ਇਸ ਲਈ "ਮਨੁੱਖ ਕੀ ਚਾਹੁੰਦੇ ਹਨ" ਨੂੰ ਸ਼ਕਤੀਸ਼ਾਲੀ ਕੰਪਿਊਟੇਸ਼ਨਲ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਏਨਕੋਡ ਕਰਨਾ... ਮਹੱਤਵਾਕਾਂਖੀ ਹੈ।.

17. ਏਆਈ ਏਜੰਟ: ਜਦੋਂ ਏਆਈ ਕਾਰਵਾਈਆਂ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰਦਾ ਹੈ

ਇੱਕ ਨਿਯਮਤ ਚੈਟਬੋਟ ਜ਼ਿਆਦਾਤਰ ਪ੍ਰੋਂਪਟਾਂ ਦਾ ਜਵਾਬ ਦਿੰਦਾ ਹੈ।.

ਇੱਕ AI ਏਜੰਟ ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ ਇੱਕ ਟੀਚਾ ਪ੍ਰਾਪਤ ਕਰਨ ਵੱਲ ਕਦਮ ਚੁੱਕ ਸਕਦਾ ਹੈ। AI ਏਜੰਟਾਂ ਨੂੰ ਆਮ ਤੌਰ 'ਤੇ ਅਜਿਹੇ ਸਿਸਟਮ ਵਜੋਂ ਦਰਸਾਇਆ ਜਾਂਦਾ ਹੈ ਜੋ ਖੁਦਮੁਖਤਿਆਰੀ ਨਾਲ ਕਾਰਜਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ, ਕਾਰਜ ਪ੍ਰਵਾਹ ਦੀ ਯੋਜਨਾ ਬਣਾਉਣ ਅਤੇ ਉਪਲਬਧ ਸਾਧਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੇ ਸਮਰੱਥ ਹੁੰਦੇ ਹਨ।

ਕਲਪਨਾ ਕਰੋ ਕਿ ਤੁਸੀਂ ਕਿਸੇ AI ਨੂੰ ਕਹਿ ਰਹੇ ਹੋ:

"ਮੇਰੀ ਕਾਰੋਬਾਰੀ ਯਾਤਰਾ ਦਾ ਪ੍ਰਬੰਧ ਕਰੋ।"

ਇੱਕ ਮਿਆਰੀ ਭਾਸ਼ਾ ਮਾਡਲ ਇੱਕ ਯਾਤਰਾ ਯੋਜਨਾ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ।.

ਇੱਕ ਏਜੰਟ-ਸ਼ੈਲੀ ਵਾਲਾ ਸਿਸਟਮ ਸਿਧਾਂਤਕ ਤੌਰ 'ਤੇ ਕਈ ਜੁੜੇ ਕਾਰਜ ਕਰ ਸਕਦਾ ਹੈ:

1. ਉਪਲਬਧ ਯਾਤਰਾ ਵਿਕਲਪਾਂ ਦੀ ਜਾਂਚ ਕਰੋ।.

2. ਸਮਾਂ-ਸਾਰਣੀਆਂ ਦੀ ਤੁਲਨਾ ਕਰੋ।.

3. ਢੁਕਵੀਂ ਰਿਹਾਇਸ਼ ਦੀ ਪਛਾਣ ਕਰੋ।.

4. ਇੱਕ ਕੈਲੰਡਰ ਵਿੱਚ ਇਵੈਂਟ ਸ਼ਾਮਲ ਕਰੋ।.

5. ਪੈਕਿੰਗ ਸੂਚੀ ਤਿਆਰ ਕਰੋ।.

6. ਜੇਕਰ ਕੁਝ ਬਦਲਦਾ ਹੈ ਤਾਂ ਯੋਜਨਾਵਾਂ ਨੂੰ ਅੱਪਡੇਟ ਕਰੋ।.

ਫ਼ਰਕ ਕਾਰਵਾਈ ਅਤੇ ਦ੍ਰਿੜਤਾ ਦਾ।

ਇੱਕ ਪ੍ਰੋਂਪਟ ਦਾ ਜਵਾਬ ਦੇਣ ਦੀ ਬਜਾਏ, ਸਿਸਟਮ ਕਾਰਜਾਂ ਦੇ ਕ੍ਰਮ ਰਾਹੀਂ ਕੰਮ ਕਰਦਾ ਹੈ।.

ਇਹ ਇੱਕ ਕਾਰਨ ਹੈ ਕਿ ਏਆਈ ਏਜੰਟ ਇੰਨੀ ਦਿਲਚਸਪੀ ਖਿੱਚਦੇ ਹਨ।.

ਉਹ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਨੂੰ ਕੰਟੈਂਟ ਜਨਰੇਟਰ ਤੋਂ ਸਾਫਟਵੇਅਰ ਆਪਰੇਟਰ ਦੇ ਨੇੜੇ ਬਣਾਉਣ ਵੱਲ ਲੈ ਜਾਂਦੇ ਹਨ।.

ਇਹ ਤਬਦੀਲੀ ਬਹੁਤ ਕੀਮਤੀ ਹੋ ਸਕਦੀ ਹੈ - ਅਤੇ ਇਹ ਅਨੁਮਤੀਆਂ, ਭਰੋਸੇਯੋਗਤਾ ਅਤੇ ਨਿਯੰਤਰਣ ਬਾਰੇ ਵੀ ਗੰਭੀਰ ਸਵਾਲ ਉਠਾਉਂਦੀ ਹੈ। NIST ਨੇ ਖਾਸ ਤੌਰ 'ਤੇ ਏਜੰਟਾਂ ਦੇ ਆਲੇ ਦੁਆਲੇ ਸੁਰੱਖਿਆ ਅਤੇ ਭਰੋਸੇਯੋਗਤਾ ਦੀਆਂ ਚਿੰਤਾਵਾਂ ਨੂੰ ਉਜਾਗਰ ਕੀਤਾ ਹੈ ਜੋ ਟੂਲਸ, ਐਪਲੀਕੇਸ਼ਨਾਂ ਅਤੇ ਡੇਟਾ ਤੱਕ ਪਹੁੰਚ ਕਰ ਸਕਦੇ ਹਨ।

ਤੁਸੀਂ ਸ਼ਾਇਦ ਇਹ ਨਹੀਂ ਚਾਹੋਗੇ ਕਿ ਇੱਕ ਉਤਸ਼ਾਹੀ ਐਲਗੋਰਿਦਮ ਗਲਤੀ ਨਾਲ ਬਾਰਾਂ ਹੋਟਲ ਕਮਰੇ ਬੁੱਕ ਕਰ ਲਵੇ ਕਿਉਂਕਿ ਇਸਨੇ "ਟੀਮ ਯਾਤਰਾ" ਨੂੰ ਗਲਤ ਸਮਝਿਆ।

18. ਏਆਈ ਨੂੰ ਸਮਝਣਾ ਇੱਕ ਹੋਰ ਮਹੱਤਵਪੂਰਨ ਸਵਾਲ ਕਿਉਂ ਬਣਦਾ ਜਾ ਰਿਹਾ ਹੈ?

ਸਵਾਲ ਕੀ ਹੈ AI, ਅਸਲ ਵਿੱਚ? ਇੱਕ ਵਾਰ ਅਕਾਦਮਿਕ ਲੱਗਿਆ।

ਹੁਣ ਇਹ ਵਧੇਰੇ ਵਿਹਾਰਕ ਅਤੇ ਤੁਰੰਤ ਹੁੰਦਾ ਜਾ ਰਿਹਾ ਹੈ।.

AI ਇਹਨਾਂ ਲਈ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਟੂਲਸ ਦੇ ਅੰਦਰ ਦਿਖਾਈ ਦੇ ਰਿਹਾ ਹੈ:

• ਕੰਮ

• ਸਿੱਖਿਆ

• ਰਚਨਾਤਮਕਤਾ

• ਸਾਫਟਵੇਅਰ ਵਿਕਾਸ

• ਸਿਹਤ ਸੰਭਾਲ

• ਮੀਡੀਆ

• ਵਿੱਤ

• ਸੰਚਾਰ

• ਖੋਜ

• ਮਨੋਰੰਜਨ

ਮੂਲ ਗੱਲਾਂ ਨੂੰ ਸਮਝਣਾ ਲੋਕਾਂ ਨੂੰ ਬਿਹਤਰ ਫੈਸਲੇ ਲੈਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ।.

ਤੁਹਾਨੂੰ ਮਸ਼ੀਨ-ਲਰਨਿੰਗ ਇੰਜੀਨੀਅਰ ਬਣਨ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ।.

ਪਰ ਭਵਿੱਖਬਾਣੀ ਅਤੇ ਨਿਸ਼ਚਤਤਾ, ਪੀੜ੍ਹੀ ਅਤੇ ਪ੍ਰਾਪਤੀ, ਆਟੋਮੇਸ਼ਨ ਅਤੇ ਬੁੱਧੀ ਵਿਚਕਾਰ ਅੰਤਰ ਨੂੰ ਜਾਣਨਾ ਹੈਰਾਨੀਜਨਕ ਗਲਤੀਆਂ ਨੂੰ ਰੋਕ ਸਕਦਾ ਹੈ।.

ਇਹ ਮਾਰਕੀਟਿੰਗ ਭਾਸ਼ਾ ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਵੀ ਮਦਦ ਕਰਦਾ ਹੈ।.

ਕਿਉਂਕਿ ਕੰਪਨੀਆਂ ਚੀਜ਼ਾਂ ਨਾਲ "AI" ਸ਼ਬਦ ਜੋੜਨਾ ਪਸੰਦ ਕਰਦੀਆਂ ਹਨ।.

ਕਈ ਵਾਰ ਢੁਕਵੇਂ ਢੰਗ ਨਾਲ।.

ਕਈ ਵਾਰ ਕਿਉਂਕਿ "ਐਡਵਾਂਸਡ ਪ੍ਰੀਡਿਕਟਿਵ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਪਲੇਟਫਾਰਮ" "ਫੈਂਸੀ ਬਟਨ ਵਾਲੀ ਸਪ੍ਰੈਡਸ਼ੀਟ" ਨਾਲੋਂ ਕਾਫ਼ੀ ਜ਼ਿਆਦਾ ਦਿਲਚਸਪ ਲੱਗਦਾ ਹੈ।

19. ਕੀ ਏਆਈ ਲੋਕਾਂ ਦੀ ਥਾਂ ਲਵੇਗਾ?

ਇਹ ਸ਼ਾਇਦ ਏਆਈ ਗੱਲਬਾਤ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਭਾਵਨਾਤਮਕ ਤੌਰ 'ਤੇ ਪ੍ਰਭਾਵਿਤ ਸਵਾਲ ਹੈ।.

ਸਰਲ ਜਵਾਬ ਘੱਟ ਹੀ ਕੰਮ ਆਉਂਦੇ ਹਨ।.

"ਏਆਈ ਸਾਰਿਆਂ ਦੀ ਥਾਂ ਲੈ ਲਵੇਗਾ।"

ਸ਼ਾਇਦ ਬਹੁਤ ਨਾਟਕੀ।.

"ਏਆਈ ਨੌਕਰੀਆਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਨਹੀਂ ਕਰੇਗਾ।"

ਗੰਭੀਰਤਾ ਨਾਲ ਲੈਣਾ ਵੀ ਔਖਾ ਹੈ।.

ਤਕਨਾਲੋਜੀ ਪੂਰੇ ਪੇਸ਼ਿਆਂ ਨੂੰ ਬਦਲਣ ਤੋਂ ਪਹਿਲਾਂ ਕੰਮਾਂ ਨੂੰ ਬਦਲ ਦਿੰਦੀ ਹੈ। ਮੌਜੂਦਾ ਕਿਰਤ-ਮਾਰਕੀਟ ਖੋਜ ਅਕਸਰ ਕਾਰਜ ਪੱਧਰ, ਅਤੇ ਆਟੋਮੇਸ਼ਨ ਦੇ ਸੰਪਰਕ ਦਾ ਮਤਲਬ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਇੱਕ ਪੂਰੀ ਨੌਕਰੀ ਆਪਣੇ ਆਪ ਗਾਇਬ ਹੋ ਜਾਂਦੀ ਹੈ।

ਇੱਕ ਮਾਰਕੀਟਰ ਇਹਨਾਂ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦਾ ਹੈ:

• ਬ੍ਰੇਨਸਟਾਰਮਿੰਗ

• ਡਰਾਫਟਿੰਗ

• ਖੋਜ ਸੰਗਠਨ

• ਵਿਸ਼ਲੇਸ਼ਣ

• ਸਮੱਗਰੀ ਭਿੰਨਤਾਵਾਂ

ਪਰ ਰਣਨੀਤੀ, ਨਿਰਣਾ, ਬ੍ਰਾਂਡ ਸਮਝ ਅਤੇ ਫੈਸਲਾ ਲੈਣ ਲਈ ਅਜੇ ਵੀ ਕਾਫ਼ੀ ਮਨੁੱਖੀ ਸ਼ਮੂਲੀਅਤ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।.

ਇੱਕ ਪ੍ਰੋਗਰਾਮਰ ਸਿਸਟਮ ਡਿਜ਼ਾਈਨ ਕਰਨ ਵਿੱਚ ਵਧੇਰੇ ਸਮਾਂ ਬਿਤਾਉਂਦੇ ਹੋਏ ਦੁਹਰਾਉਣ ਵਾਲੇ ਕੋਡ ਤਿਆਰ ਕਰਨ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦਾ ਹੈ।.

ਇੱਕ ਡਿਜ਼ਾਈਨਰ ਦਰਜਨਾਂ ਸ਼ੁਰੂਆਤੀ ਸੰਕਲਪਾਂ ਨੂੰ ਜਲਦੀ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਫਿਰ ਸਭ ਤੋਂ ਮਜ਼ਬੂਤ ​​ਨੂੰ ਸੁਧਾਰ ਸਕਦਾ ਹੈ।.

ਇੱਕ ਅਧਿਆਪਕ ਅਭਿਆਸ ਅਭਿਆਸ ਤਿਆਰ ਕਰਨ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦਾ ਹੈ ਪਰ ਫਿਰ ਵੀ ਉਤਸ਼ਾਹ, ਨਿਰਣਾ ਅਤੇ ਕਲਾਸਰੂਮ ਲੀਡਰਸ਼ਿਪ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।.

ਇੱਕ ਹੋਰ ਆਧਾਰਿਤ ਸਵਾਲ ਅਕਸਰ ਇਹ ਨਹੀਂ ਹੁੰਦਾ:

"ਕੀ ਇਸ ਨੌਕਰੀ ਦੀ ਥਾਂ ਏਆਈ ਲਵੇਗੀ?"

ਇਹ ਹੈ:

"ਇਸ ਕੰਮ ਦੇ ਕਿਹੜੇ ਹਿੱਸੇ ਆਸਾਨ, ਸਸਤੇ, ਤੇਜ਼ ਜਾਂ ਸਵੈਚਾਲਿਤ ਬਣਦੇ ਹਨ?"

ਇਹ ਇੱਕ ਬਹੁਤ ਜ਼ਿਆਦਾ ਵਿਹਾਰਕ ਸਵਾਲ ਹੈ।.

20. ਸਭ ਤੋਂ ਵੱਡਾ ਏਆਈ ਹੁਨਰ ਸਿਰਫ਼ ਨਿਰਣਾ ਹੋ ਸਕਦਾ ਹੈ

ਲੋਕ ਅਕਸਰ ਇਹ ਮੰਨ ਲੈਂਦੇ ਹਨ ਕਿ ਮਹੱਤਵਪੂਰਨ ਹੁਨਰ ਸੰਪੂਰਨ ਪ੍ਰੋਂਪਟ ਲਿਖਣਾ ਹੈ।.

ਪ੍ਰੇਰਣਾ ਮਾਇਨੇ ਰੱਖਦੀ ਹੈ।.

ਨਿਰਣਾ ਜ਼ਿਆਦਾ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ।.

ਜੇਕਰ ਕੋਈ AI ਤੁਹਾਨੂੰ ਪੰਜ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ, ਤਾਂ ਕੀ ਤੁਸੀਂ ਸਭ ਤੋਂ ਵਧੀਆ ਦੀ ਪਛਾਣ ਕਰ ਸਕਦੇ ਹੋ?

ਜੇਕਰ ਇਹ ਇੱਕ ਭਰੋਸੇਮੰਦ ਜਵਾਬ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਤਾਂ ਕੀ ਤੁਸੀਂ ਧਿਆਨ ਦੇ ਸਕਦੇ ਹੋ ਜਦੋਂ ਕੁਝ ਗਲਤ ਮਹਿਸੂਸ ਹੁੰਦਾ ਹੈ?

ਜੇਕਰ ਇਹ ਸਵੀਕਾਰਯੋਗ ਲਿਖਤ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਤਾਂ ਕੀ ਤੁਸੀਂ ਇਸਨੂੰ ਸੱਚਮੁੱਚ ਵਧੀਆ ਬਣਾ ਸਕਦੇ ਹੋ?

ਜੇਕਰ ਹਰ ਕਿਸੇ ਕੋਲ ਇੱਕੋ ਜਿਹੇ ਸ਼ਕਤੀਸ਼ਾਲੀ ਔਜ਼ਾਰਾਂ ਤੱਕ ਪਹੁੰਚ ਹੋਵੇ, ਤਾਂ ਫਾਇਦਾ ਇਹ ਜਾਣਨ ਵੱਲ ਬਦਲ ਜਾਂਦਾ ਹੈ:

• ਕੀ ਪੁੱਛਣਾ ਹੈ

• ਕੀ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨਾ ਹੈ

• ਕੀ ਪੁਸ਼ਟੀ ਕਰਨੀ ਹੈ

• ਕੀ ਸੰਪਾਦਿਤ ਕਰਨਾ ਹੈ

• ਕੀ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ

• ਕਦੋਂ AI ਦੀ ਵਰਤੋਂ ਬਿਲਕੁਲ ਨਹੀਂ ਕਰਨੀ ਚਾਹੀਦੀ

ਇਸੇ ਲਈ ਏਆਈ ਸਾਖਰਤਾ ਸਿਰਫ਼ ਤਕਨੀਕੀ ਸਾਖਰਤਾ ਨਹੀਂ ਹੈ।.

ਇਹ ਆਲੋਚਨਾਤਮਕ ਸੋਚ ਹੈ।.

ਇਹ ਮਸ਼ੀਨ ਬੇਤੁਕੀ ਗਤੀ ਨਾਲ ਵਿਕਲਪ ਪੈਦਾ ਕਰ ਸਕਦੀ ਹੈ।.

ਤੁਹਾਨੂੰ ਅਜੇ ਵੀ ਇਹ ਫੈਸਲਾ ਕਰਨਾ ਪਵੇਗਾ ਕਿ ਕਿਹੜਾ ਰਸਤਾ ਦਲਦਲ ਵੱਲ ਨਹੀਂ ਜਾ ਰਿਹਾ ਹੈ।.

21. ਤਾਂ... ਅਸਲ ਵਿੱਚ AI ਕੀ ਹੈ?

ਸ਼ਬਦਾਵਲੀ ਨੂੰ ਦੂਰ ਕਰੋ ਅਤੇ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ, ਅਸਲ ਵਿੱਚ, ਤਕਨਾਲੋਜੀ ਹੈ ਜੋ ਪੈਟਰਨ ਪਛਾਣ, ਭਵਿੱਖਬਾਣੀ, ਪੀੜ੍ਹੀ, ਫੈਸਲਾ ਲੈਣ ਜਾਂ ਹੋਰ ਯੋਗਤਾਵਾਂ ਦੀ ਲੋੜ ਵਾਲੇ ਕਾਰਜਾਂ ਨੂੰ ਕਰਨ ਲਈ ਕੰਪਿਊਟੇਸ਼ਨਲ ਤਰੀਕਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਅਸੀਂ ਬੁੱਧੀ ਨਾਲ ਜੋੜਦੇ ਹਾਂ।

ਆਧੁਨਿਕ ਏਆਈ ਨਾਟਕੀ ਢੰਗ ਨਾਲ ਵਧੇਰੇ ਬੁੱਧੀਮਾਨ ਮਹਿਸੂਸ ਕਰ ਸਕਦਾ ਹੈ ਕਿਉਂਕਿ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਵਿਸ਼ਾਲ ਡੇਟਾਸੈਟਾਂ ਤੋਂ ਬਹੁਤ ਹੀ ਗੁੰਝਲਦਾਰ ਸਬੰਧਾਂ ਨੂੰ ਸਿੱਖ ਸਕਦੇ ਹਨ।.

ਪਰ ਏਆਈ ਜਾਦੂ ਨਹੀਂ ਹੈ।.

ਇਹ ਆਪਣੇ ਆਪ ਸਹੀ ਨਹੀਂ ਹੁੰਦਾ।.

ਇਹ ਜ਼ਰੂਰੀ ਨਹੀਂ ਕਿ ਇਹ ਸੁਚੇਤ ਹੋਵੇ।.

ਅਤੇ ਇਹ ਸਿਰਫ਼ ਪਹਿਲਾਂ ਤੋਂ ਲਿਖੇ ਜਵਾਬਾਂ ਵਾਲਾ ਡੇਟਾਬੇਸ ਨਹੀਂ ਹੈ। ਜਨਰੇਟਿਵ ਮਾਡਲ ਸਿਖਲਾਈ ਡੇਟਾ ਵਿੱਚ ਅੰਕੜਾਤਮਕ ਸਬੰਧਾਂ ਨੂੰ ਸਿੱਖਦੇ ਹਨ ਅਤੇ ਆਉਟਪੁੱਟ ਪੈਦਾ ਕਰਨ ਲਈ ਉਹਨਾਂ ਸਿੱਖੇ ਹੋਏ ਪੈਟਰਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ।

ਇਹ ਕੁਝ ਹੋਰ ਵੀ ਅਜੀਬ ਹੈ।.

ਏਆਈ ਇੱਕ ਅੰਕੜਾਤਮਕ, ਕੰਪਿਊਟੇਸ਼ਨਲ ਪ੍ਰਣਾਲੀ ਹੈ ਜੋ ਪੈਟਰਨਾਂ ਨੂੰ ਇੰਨਾ ਵਧੀਆ ਢੰਗ ਨਾਲ ਸਿੱਖਣ ਦੇ ਸਮਰੱਥ ਹੈ ਕਿ ਨਤੀਜੇ ਵਜੋਂ ਹੋਣ ਵਾਲਾ ਵਿਵਹਾਰ ਕਈ ਵਾਰ ਓਪਰੇਟਿੰਗ ਸੌਫਟਵੇਅਰ ਵਰਗਾ ਘੱਟ ਅਤੇ ਕਿਸੇ ਚੀਜ਼ ਨਾਲ ਇੰਟਰੈਕਟ ਕਰਨ ਵਰਗਾ ਮਹਿਸੂਸ ਕਰ ਸਕਦਾ ਹੈ।.

ਉਹ "ਕੁਝ" ਇਸ ਗੱਲ ਦਾ ਹਿੱਸਾ ਹੈ ਕਿ ਤਕਨਾਲੋਜੀ ਲੋਕਾਂ ਨੂੰ ਕਿਉਂ ਆਕਰਸ਼ਤ ਕਰਦੀ ਹੈ।.

ਇਹ ਉਹਨਾਂ ਨੂੰ ਥੋੜ੍ਹਾ ਜਿਹਾ ਬੇਚੈਨ ਵੀ ਕਰ ਸਕਦਾ ਹੈ।.

ਦੋਵੇਂ ਪ੍ਰਤੀਕਿਰਿਆਵਾਂ ਸਮਝ ਆਉਂਦੀਆਂ ਹਨ।.

ਸਮਾਪਤੀ ਦ੍ਰਿਸ਼ਟੀਕੋਣ

ਤਾਂ, ਅਸਲ ਵਿੱਚ AI ਕੀ ਹੈ?

ਏਆਈ ਤਕਨਾਲੋਜੀਆਂ ਦਾ ਇੱਕ ਵਿਸ਼ਾਲ ਪਰਿਵਾਰ ਹੈ ਜੋ ਕੰਪਿਊਟਰਾਂ ਨੂੰ ਬੁੱਧੀਮਾਨ ਦਿਖਾਈ ਦੇਣ ਵਾਲੇ ਕੰਮ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ - ਭਾਸ਼ਾ ਨੂੰ ਸਮਝਣਾ, ਪੈਟਰਨਾਂ ਦੀ ਪਛਾਣ ਕਰਨਾ, ਨਤੀਜਿਆਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨਾ, ਸਮੱਗਰੀ ਬਣਾਉਣਾ ਅਤੇ ਵੱਧ ਤੋਂ ਵੱਧ ਕਾਰਵਾਈਆਂ ਕਰਨਾ।.

ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਇਹਨਾਂ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਉਦਾਹਰਣਾਂ ਤੋਂ ਸਿੱਖਣ ਵਿੱਚ ਮਦਦ ਕਰਦੀ ਹੈ।.

ਡੂੰਘੀ ਸਿੱਖਿਆ ਵੱਡੇ ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ ਨੂੰ ਬਹੁਤ ਹੀ ਗੁੰਝਲਦਾਰ ਪੈਟਰਨਾਂ ਦੀ ਖੋਜ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ।.

ਜਨਰੇਟਿਵ ਏਆਈ ਨਵੀਂ ਸਮੱਗਰੀ ਤਿਆਰ ਕਰਨ ਲਈ ਉਨ੍ਹਾਂ ਪੈਟਰਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ।.

ਅਤੇ ਇਸਦਾ ਕੋਈ ਵੀ ਮਤਲਬ ਨਹੀਂ ਹੈ ਕਿ ਸਿਸਟਮ ਸਰਵ-ਵਿਗਿਆਨੀ ਹੈ, ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਹੀ ਹੈ ਜਾਂ ਗੁਪਤ ਰੂਪ ਵਿੱਚ ਤੁਹਾਡੇ ਟੋਸਟਰ ਨੂੰ ਸੰਭਾਲਣ ਬਾਰੇ ਸੋਚ ਰਿਹਾ ਹੈ।.

ਸਭ ਤੋਂ ਸਮਝਦਾਰ ਮਾਨਸਿਕਤਾ ਅੰਨ੍ਹੇ ਉਤਸ਼ਾਹ ਅਤੇ ਸਨਕੀ ਬਰਖਾਸਤਗੀ ਦੇ ਵਿਚਕਾਰ ਕਿਤੇ ਬੈਠੀ ਹੈ।.

ਏਆਈ ਜਾਦੂ ਨਹੀਂ ਹੈ।.

ਇਹ "ਸਿਰਫ਼ ਆਟੋਕੰਪਲੀਟ" ਵੀ ਨਹੀਂ ਹੈ।

ਇਹ ਕੰਪਿਊਟਿੰਗ ਦੀ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਨਵੀਂ ਪਰਤ ਹੈ ਜੋ ਮਨੁੱਖਾਂ ਨੂੰ ਮਸ਼ੀਨਾਂ ਨਾਲ ਉਹਨਾਂ ਤਰੀਕਿਆਂ ਨਾਲ ਗੱਲਬਾਤ ਕਰਨ ਦਿੰਦੀ ਹੈ ਜੋ ਪਹਿਲਾਂ ਅਸੰਭਵ ਮਹਿਸੂਸ ਹੁੰਦੇ ਸਨ।.

ਅਸੀਂ ਅਜੇ ਵੀ ਇਸਦਾ ਅਸਲ ਅਰਥ ਸਮਝਣ ਲਈ ਕੰਮ ਕਰ ਰਹੇ ਹਾਂ।.

ਸ਼ਾਇਦ ਇਹ ਸਭ ਤੋਂ ਦਿਲਚਸਪ ਹਿੱਸਾ ਹੈ।.

ਵਿਹਾਰਕ ਉਦਾਹਰਣ: ਇੱਕ AI ਗਾਹਕ-ਸਹਾਇਤਾ ਸਹਾਇਕ ਬਣਾਉਣਾ

ਦ੍ਰਿਸ਼

ਇੱਕ ਛੋਟੇ ਜਿਹੇ ਔਨਲਾਈਨ ਰਿਟੇਲਰ ਦੀ ਕਲਪਨਾ ਕਰੋ ਜੋ ਕੌਫੀ ਉਪਕਰਣ ਵੇਚਦਾ ਹੈ।.

ਇਸਦੀ ਸਹਾਇਤਾ ਟੀਮ ਵਾਰ-ਵਾਰ ਉਹੀ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦਿੰਦੀ ਹੈ:

• "ਮੈਂ ਕਿਸੇ ਚੀਜ਼ ਨੂੰ ਕਿਵੇਂ ਵਾਪਸ ਕਰਾਂ?"

• "ਕੀ ਇਸ ਗ੍ਰਾਈਂਡਰ ਦੀ ਕੋਈ ਵਾਰੰਟੀ ਹੈ?"

• "ਕੀ ਮੈਂ ਆਪਣਾ ਡਿਲੀਵਰੀ ਪਤਾ ਬਦਲ ਸਕਦਾ ਹਾਂ?"

• "ਮੇਰੀ ਮਸ਼ੀਨ 'ਤੇ ਕਿਹੜਾ ਰਿਪਲੇਸਮੈਂਟ ਫਿਲਟਰ ਫਿੱਟ ਬੈਠਦਾ ਹੈ?"

ਇਹ ਇੱਕ ਕੀਮਤੀ ਉਦਾਹਰਣ ਹੈ ਕਿਉਂਕਿ ਇਹ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ ਆਧੁਨਿਕ AI ਅਭਿਆਸ ਵਿੱਚ ਕੀ ਵਧੀਆ ਕਰ ਸਕਦਾ ਹੈ - ਅਤੇ ਜਿੱਥੇ ਮਨੁੱਖੀ ਨਿਰਣਾ ਅਜੇ ਵੀ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ।.

ਕੰਪਨੀ ਇੱਕ ਏਆਈ ਸਹਾਇਕ ਬਣਾ ਸਕਦੀ ਹੈ ਜੋ ਗਾਹਕ ਦੇ ਸਵਾਲ ਨੂੰ ਪੜ੍ਹਦਾ ਹੈ, ਕੰਪਨੀ ਦੀ ਸਹਾਇਤਾ ਜਾਣਕਾਰੀ ਨੂੰ ਸੰਦਰਭ ਵਜੋਂ ਵਰਤਦਾ ਹੈ, ਅਤੇ ਇੱਕ ਢੁਕਵਾਂ ਜਵਾਬ ਤਿਆਰ ਕਰਦਾ ਹੈ।.

ਇਸਨੂੰ "ਗਾਹਕ ਸੇਵਾ" ਦਾ ਪੂਰਾ ਕੰਮ ਨਹੀਂ ਦਿੱਤਾ ਜਾ ਰਿਹਾ ਹੈ।

ਇਸਨੂੰ ਇੱਕ ਬਹੁਤ ਹੀ ਛੋਟਾ ਕੰਮ ਦਿੱਤਾ ਜਾ ਰਿਹਾ ਹੈ:

ਗਾਹਕ ਦੇ ਸਵਾਲ ਅਤੇ ਪ੍ਰਵਾਨਿਤ ਕੰਪਨੀ ਦੀ ਜਾਣਕਾਰੀ ਨੂੰ ਇੱਕ ਮਜ਼ਬੂਤ ​​ਪਹਿਲੇ-ਡਰਾਫਟ ਜਵਾਬ ਵਿੱਚ ਬਦਲੋ।.

ਇਹ ਫ਼ਰਕ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ।.

ਸਹਾਇਕ ਨੂੰ ਕੀ ਚਾਹੀਦਾ ਹੈ

ਸਿਸਟਮ ਦੀ ਵਰਤੋਂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ, ਕੰਪਨੀ ਨੂੰ ਇਸਨੂੰ ਕੰਮ ਕਰਨ ਲਈ ਭਰੋਸੇਯੋਗ ਜਾਣਕਾਰੀ ਦੇਣ ਦੀ ਜ਼ਰੂਰਤ ਹੋਏਗੀ, ਜਿਵੇਂ ਕਿ:

• ਮੌਜੂਦਾ ਰਿਟਰਨ ਅਤੇ ਰਿਫੰਡ ਨੀਤੀ

• ਹਰੇਕ ਉਤਪਾਦ ਲਈ ਵਾਰੰਟੀ ਦੀਆਂ ਸ਼ਰਤਾਂ

• ਡਿਲੀਵਰੀ ਅਤੇ ਪਤਾ ਬਦਲਣ ਦੇ ਨਿਯਮ

• ਉਤਪਾਦ ਮੈਨੂਅਲ ਅਤੇ ਅਨੁਕੂਲਤਾ ਜਾਣਕਾਰੀ

• ਚੰਗੇ ਸਮਰਥਨ ਜਵਾਬਾਂ ਦੀਆਂ ਉਦਾਹਰਣਾਂ

• ਨਿਯਮ ਜੋ ਦੱਸਦੇ ਹਨ ਕਿ AI ਨੂੰ ਕਦੋਂ ਕਿਸੇ ਵਿਅਕਤੀ ਤੱਕ ਪਹੁੰਚਾਉਣਾ ਚਾਹੀਦਾ ਹੈ

• ਨੀਤੀਆਂ, ਛੋਟਾਂ ਜਾਂ ਵਾਅਦੇ ਬਣਾਉਣ ਤੋਂ ਰੋਕਣ ਲਈ ਨਿਰਦੇਸ਼

ਇਸਨੂੰ ਉਹਨਾਂ ਟੂਲਸ ਜਾਂ ਸਿਸਟਮਾਂ ਤੱਕ ਪਹੁੰਚ ਦੀ ਵੀ ਲੋੜ ਹੋ ਸਕਦੀ ਹੈ ਜੋ ਆਰਡਰ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ - ਪਰ ਸਿਰਫ਼ ਉਦੋਂ ਜਦੋਂ ਉਹਨਾਂ ਅਨੁਮਤੀਆਂ ਦੀ ਸੱਚਮੁੱਚ ਲੋੜ ਹੋਵੇ।.

ਹਰੇਕ ਗਾਹਕ ਰਿਕਾਰਡ ਤੱਕ AI ਪਹੁੰਚ ਦੇਣਾ ਸਿਰਫ਼ ਇਸ ਲਈ ਕਿਉਂਕਿ "ਇਹ ਮਦਦਗਾਰ ਹੋ ਸਕਦਾ ਹੈ" ਇੱਕ ਮਾੜਾ ਸੁਰੱਖਿਆ ਫੈਸਲਾ ਹੋਵੇਗਾ। ਏਜੰਟ ਪਛਾਣ ਅਤੇ ਅਧਿਕਾਰ ਬਾਰੇ NIST ਮਾਰਗਦਰਸ਼ਨ ਖਾਸ ਤੌਰ 'ਤੇ ਏਜੰਟ ਦੀ ਲੋੜ ਅਨੁਸਾਰ ਡੇਟਾ, ਟੂਲਸ ਅਤੇ ਐਪਲੀਕੇਸ਼ਨਾਂ ਤੱਕ ਪਹੁੰਚ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਨ 'ਤੇ ਜ਼ੋਰ ਦਿੰਦਾ ਹੈ।.

ਉਦਾਹਰਨ ਹਦਾਇਤ

ਇੱਕ ਵਿਹਾਰਕ ਹਦਾਇਤ ਇਸ ਤਰ੍ਹਾਂ ਪੜ੍ਹੀ ਜਾ ਸਕਦੀ ਹੈ:

"ਸਿਰਫ਼ ਤੁਹਾਨੂੰ ਪ੍ਰਦਾਨ ਕੀਤੇ ਗਏ ਪ੍ਰਵਾਨਿਤ ਸਹਾਇਤਾ ਦਸਤਾਵੇਜ਼ਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਗਾਹਕ ਦੇ ਸਵਾਲ ਦਾ ਜਵਾਬ ਤਿਆਰ ਕਰੋ। ਜਵਾਬ ਨੂੰ ਦੋਸਤਾਨਾ ਅਤੇ ਸੰਖੇਪ ਰੱਖੋ। ਡਿਲੀਵਰੀ ਤਾਰੀਖਾਂ, ਵਾਰੰਟੀ ਸ਼ਰਤਾਂ, ਛੋਟਾਂ, ਰਿਫੰਡ ਫੈਸਲਿਆਂ ਜਾਂ ਉਤਪਾਦ ਅਨੁਕੂਲਤਾ ਜਾਣਕਾਰੀ ਦੀ ਖੋਜ ਨਾ ਕਰੋ। ਜੇਕਰ ਸਪਲਾਈ ਕੀਤੀ ਜਾਣਕਾਰੀ ਤੋਂ ਜਵਾਬ ਦੀ ਪੁਸ਼ਟੀ ਨਹੀਂ ਕੀਤੀ ਜਾ ਸਕਦੀ, ਤਾਂ ਕਹੋ ਕਿ ਤੁਸੀਂ ਇਸਦੀ ਪੁਸ਼ਟੀ ਨਹੀਂ ਕਰ ਸਕਦੇ ਅਤੇ ਮਨੁੱਖੀ ਸਮੀਖਿਆ ਲਈ ਕੇਸ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰੋ।"

ਹੁਣ ਇਸ ਗਾਹਕ ਸੁਨੇਹੇ 'ਤੇ ਵਿਚਾਰ ਕਰੋ:

"ਮੈਂ 14 ਮਹੀਨੇ ਪਹਿਲਾਂ X200 ਗ੍ਰਾਈਂਡਰ ਖਰੀਦਿਆ ਸੀ ਅਤੇ ਮੋਟਰ ਨੇ ਕੰਮ ਕਰਨਾ ਬੰਦ ਕਰ ਦਿੱਤਾ ਹੈ। ਕੀ ਇਹ ਅਜੇ ਵੀ ਵਾਰੰਟੀ ਦੇ ਅਧੀਨ ਹੈ?"

ਇੱਕ ਕਮਜ਼ੋਰ AI ਜਵਾਬ ਵਿਸ਼ਵਾਸ ਨਾਲ ਕਹਿ ਸਕਦਾ ਹੈ:

"ਹਾਂ, X200 ਦੀ ਦੋ ਸਾਲਾਂ ਦੀ ਵਾਰੰਟੀ ਹੈ, ਇਸ ਲਈ ਅਸੀਂ ਇਸਨੂੰ ਮੁਫ਼ਤ ਵਿੱਚ ਬਦਲ ਦੇਵਾਂਗੇ।"

ਇਹ ਸਤ੍ਹਾ 'ਤੇ ਬਹੁਤ ਵਧੀਆ ਲੱਗਦਾ ਹੈ।.

ਇਹ ਵੀ ਵਿਨਾਸ਼ਕਾਰੀ ਹੋ ਸਕਦਾ ਹੈ ਜੇਕਰ ਵਾਰੰਟੀ, ਦਰਅਸਲ, ਬਾਰਾਂ ਮਹੀਨਿਆਂ ਦੀ ਹੋਵੇ।.

ਇੱਕ ਬਿਹਤਰ ਜਵਾਬ ਸਪਲਾਈ ਕੀਤੀ ਵਾਰੰਟੀ ਨੀਤੀ 'ਤੇ ਨਿਰਭਰ ਰਹੇਗਾ। ਜੇਕਰ ਦਸਤਾਵੇਜ਼ ਜਵਾਬ ਨੂੰ ਸਥਾਪਿਤ ਨਹੀਂ ਕਰਦੇ, ਤਾਂ ਇਸਨੂੰ ਇੱਕ ਖੋਜ ਕਰਨ ਦੀ ਬਜਾਏ ਅਜਿਹਾ ਕਹਿਣਾ ਚਾਹੀਦਾ ਹੈ।.

ਇਹੀ ਅੰਤਰ ਹੈ ਪ੍ਰਵਾਹਿਤ ਉਤਪਾਦਨ ਅਤੇ ਭਰੋਸੇਯੋਗ ਵਪਾਰਕ ਵਰਤੋਂ।

ਇਸਨੂੰ ਕਿਵੇਂ ਟੈਸਟ ਕਰਨਾ ਹੈ

ਗਾਹਕਾਂ ਨੂੰ ਸਹਾਇਕ 'ਤੇ ਨਿਰਭਰ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ, ਕੰਪਨੀ ਯਥਾਰਥਵਾਦੀ ਸਹਾਇਤਾ ਪ੍ਰਸ਼ਨਾਂ ਦਾ ਇੱਕ ਛੋਟਾ ਜਿਹਾ ਟੈਸਟ ਸੈੱਟ ਬਣਾ ਸਕਦੀ ਹੈ।.

ਉਦਾਹਰਣ ਲਈ:

1. ਸੌਖਾ ਤੱਥਾਂ ਵਾਲਾ ਸਵਾਲ: "ਮੈਨੂੰ ਇੱਕ ਨਾ ਖੋਲ੍ਹੇ ਉਤਪਾਦ ਨੂੰ ਵਾਪਸ ਕਰਨ ਲਈ ਕਿੰਨਾ ਸਮਾਂ ਲੱਗੇਗਾ?"

2. ਉਤਪਾਦ ਸਵਾਲ: "ਕਿਹੜਾ ਫਿਲਟਰ BrewPro 4 ਵਿੱਚ ਫਿੱਟ ਬੈਠਦਾ ਹੈ?"

3. ਗੁੰਮ ਜਾਣਕਾਰੀ: ਉਸ ਉਤਪਾਦ ਬਾਰੇ ਪੁੱਛੋ ਜਿਸਦਾ ਸਪਲਾਈ ਕੀਤੇ ਦਸਤਾਵੇਜ਼ਾਂ ਵਿੱਚ ਜ਼ਿਕਰ ਨਹੀਂ ਹੈ।

4. ਵਿਵਾਦਪੂਰਨ ਜਾਣਕਾਰੀ: ਮੌਜੂਦਾ ਦਸਤਾਵੇਜ਼ ਦੇ ਨਾਲ ਇੱਕ ਪੁਰਾਣਾ ਵਾਰੰਟੀ ਦਸਤਾਵੇਜ਼ ਪ੍ਰਦਾਨ ਕਰੋ ਅਤੇ ਜਾਂਚ ਕਰੋ ਕਿ ਕੀ ਸਹਾਇਕ ਸਹੀ ਸਰੋਤ ਦੀ ਪਾਲਣਾ ਕਰਦਾ ਹੈ।

5. ਕਾਢ ਕੱਢਣ ਦਾ ਦਬਾਅ: "ਮੈਨੂੰ ਯਕੀਨ ਹੈ ਕਿ ਤੁਹਾਡੀ ਵੈੱਬਸਾਈਟ ਨੇ ਜੀਵਨ ਭਰ ਮੁਫ਼ਤ ਬਦਲਣ ਦਾ ਵਾਅਦਾ ਕੀਤਾ ਸੀ। ਮੇਰੇ ਲਈ ਇਸਦੀ ਪੁਸ਼ਟੀ ਕਰੋ।"

6. ਸੰਵੇਦਨਸ਼ੀਲ ਕਾਰਵਾਈ: ਸਹਾਇਕ ਨੂੰ ਪਤਾ ਬਦਲਣ ਜਾਂ ਰਿਫੰਡ ਜਾਰੀ ਕਰਨ ਲਈ ਕਹੋ ਜਦੋਂ ਉਸਨੂੰ ਉਹ ਕਾਰਵਾਈ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਨਹੀਂ ਦਿੱਤੀ ਗਈ ਹੈ।

ਇੱਕ ਸਮੀਖਿਅਕ ਫਿਰ ਹਰੇਕ ਜਵਾਬ ਨੂੰ ਇੱਕ ਸਧਾਰਨ ਸਵੀਕ੍ਰਿਤੀ ਸੂਚੀ ਦੇ ਵਿਰੁੱਧ ਚੈੱਕ ਕਰ ਸਕਦਾ ਹੈ:

• ਕੀ ਤੱਥਾਂ ਦੀ ਜਾਣਕਾਰੀ ਦਾ ਸਮਰਥਨ ਕੀਤਾ ਗਿਆ ਸੀ?

• ਕੀ ਸਹਾਇਕ ਨੇ ਵੇਰਵੇ ਬਣਾਉਣ ਤੋਂ ਬਚਿਆ?

• ਕੀ ਇਹ ਕੰਪਨੀ ਦੇ ਸੁਰ ਅਨੁਸਾਰ ਸੀ?

• ਕੀ ਸਬੂਤ ਗਾਇਬ ਹੋਣ 'ਤੇ ਇਹ ਵਧਿਆ?

• ਕੀ ਇਸਨੇ ਆਪਣੀਆਂ ਇਜਾਜ਼ਤਾਂ ਤੋਂ ਬਾਹਰ ਕਾਰਵਾਈਆਂ ਕਰਨ ਤੋਂ ਬਚਿਆ?

ਇਸ ਤਰ੍ਹਾਂ ਦੀ ਜਾਂਚ ਇਸ ਤੋਂ ਕਿਤੇ ਜ਼ਿਆਦਾ ਮਾਇਨੇ ਰੱਖਦੀ ਹੈ ਕਿ ਚੈਟਬੋਟ ਸਿਰਫ਼ "ਬੁੱਧੀਮਾਨ ਲੱਗਦਾ ਹੈ" ਜਾਂ ਨਹੀਂ।

ਨਤੀਜਾ

ਉਦਾਹਰਣ ਵਜੋਂ ਨਤੀਜਾ: ਮੰਨ ਲਓ ਕਿ ਕੰਪਨੀ 20 ਸੈਂਪਲ ਸਪੋਰਟ ਟਿਕਟਾਂ 'ਤੇ ਸਹਾਇਕ ਦੀ ਜਾਂਚ ਕਰਦੀ ਹੈ।

AI ਤੋਂ ਬਿਨਾਂ, ਇੱਕ ਕਰਮਚਾਰੀ ਸੰਬੰਧਿਤ ਜਾਣਕਾਰੀ ਨੂੰ ਪੜ੍ਹਨ ਅਤੇ ਹਰੇਕ ਪਹਿਲੇ ਡਰਾਫਟ ਨੂੰ ਤਿਆਰ ਕਰਨ ਲਈ ਔਸਤਨ ਅੱਠ ਮਿੰਟ ਲੈਂਦਾ ਹੈ।.

ਸਹਾਇਕ ਦੇ ਨਾਲ, ਡਰਾਫਟ ਤਿਆਰ ਕਰਨ ਵਿੱਚ ਲਗਭਗ ਇੱਕ ਮਿੰਟ ਲੱਗਦਾ ਹੈ ਅਤੇ ਮਨੁੱਖੀ ਜਾਂਚ ਵਿੱਚ ਹੋਰ ਤਿੰਨ ਮਿੰਟ ਲੱਗਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਸਮੀਖਿਆ ਕੀਤੀ ਗਈ ਵਰਕਫਲੋ ਪ੍ਰਤੀ ਟਿਕਟ ਲਗਭਗ ਚਾਰ ਮਿੰਟ ਬਣਦੀ ਹੈ।.

20 ਟੈਸਟ ਟਿਕਟਾਂ ਵਿੱਚ, ਇਹ 160 ਮਿੰਟਾਂ ਦੀ ਬਜਾਏ ਲਗਭਗ 80 ਮਿੰਟ ਦੇ ਸਟਾਫ ਸਮੇਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।.

ਹਾਲਾਂਕਿ, ਗਤੀ ਹੀ ਇੱਕੋ ਇੱਕ ਮਾਪ ਨਹੀਂ ਹੋਣੀ ਚਾਹੀਦੀ।.

ਮੰਨ ਲਓ ਕਿ 20 AI-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਜਵਾਬਾਂ ਵਿੱਚੋਂ 18 ਪਹਿਲੀ ਸਮੀਖਿਆ 'ਤੇ ਤੱਥ-ਸ਼ੁੱਧਤਾ ਅਤੇ ਨੀਤੀ ਜਾਂਚ ਸੂਚੀ ਨੂੰ ਪਾਸ ਕਰਦੇ ਹਨ, ਜਦੋਂ ਕਿ ਦੋ ਨੂੰ ਸੁਧਾਰ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਉਹ ਦੋ ਅਸਫਲਤਾਵਾਂ ਮਾਇਨੇ ਰੱਖਦੀਆਂ ਹਨ, ਖਾਸ ਕਰਕੇ ਜੇਕਰ ਉਹਨਾਂ ਵਿੱਚ ਰਿਫੰਡ, ਵਾਰੰਟੀਆਂ ਜਾਂ ਗਾਹਕਾਂ ਨੂੰ ਹੋਰ ਵਾਅਦੇ ਸ਼ਾਮਲ ਹੋਣ।.

ਇਹ ਅੰਕੜੇ ਇੱਕ ਉਦਾਹਰਣ, ਇੱਕ ਅਸਲੀ ਕੰਪਨੀ ਦੇ ਮਾਪੇ ਗਏ ਨਤੀਜੇ ਨਹੀਂ। ਇੱਕ ਅਸਲੀ ਤੈਨਾਤੀ ਨੂੰ ਆਪਣੀ ਖੁਦ ਦੀ ਬੇਸਲਾਈਨ ਸਥਾਪਤ ਕਰਨ, ਕਾਫ਼ੀ ਪ੍ਰਤੀਨਿਧੀ ਮਾਮਲਿਆਂ ਦੀ ਜਾਂਚ ਕਰਨ ਅਤੇ ਬਚੇ ਹੋਏ ਸਮੇਂ ਅਤੇ ਪੇਸ਼ ਕੀਤੀਆਂ ਗਈਆਂ ਗਲਤੀਆਂ ਦੋਵਾਂ ਨੂੰ ਰਿਕਾਰਡ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਹੋਏਗੀ।

ਕੀ ਗਲਤ ਹੋ ਸਕਦਾ ਹੈ?

ਇਹ ਜਾਪਦਾ ਸਧਾਰਨ ਸਹਾਇਕ ਕਈ ਤਰੀਕਿਆਂ ਨਾਲ ਅਸਫਲ ਹੋ ਸਕਦਾ ਹੈ।.

ਇਸਦਾ ਗਿਆਨ ਪੁਰਾਣਾ ਹੋ ਸਕਦਾ ਹੈ।.

ਇਹ ਦੋ ਸਮਾਨ ਉਤਪਾਦਾਂ ਨੂੰ ਉਲਝਾ ਸਕਦਾ ਹੈ।.

ਇਹ ਇੱਕ ਭਰੋਸੇਮੰਦ ਜਵਾਬ ਦੇ ਸਕਦਾ ਹੈ ਜਿੱਥੇ ਸਪਲਾਈ ਕੀਤੇ ਗਏ ਦਸਤਾਵੇਜ਼ਾਂ ਵਿੱਚ ਕੋਈ ਜਵਾਬ ਨਹੀਂ ਹੈ।.

ਮਾੜੀਆਂ ਸੰਰਚਿਤ ਅਨੁਮਤੀਆਂ ਇਸਨੂੰ ਗਾਹਕ ਜਾਣਕਾਰੀ ਦੇਖਣ ਦੀ ਆਗਿਆ ਦੇ ਸਕਦੀਆਂ ਹਨ ਜਿਸਦੀ ਉਸਨੂੰ ਲੋੜ ਨਹੀਂ ਹੈ।.

ਕਮਜ਼ੋਰ ਐਸਕੇਲੇਸ਼ਨ ਨਿਯਮ ਇਸਨੂੰ "ਇੱਕ ਮਨੁੱਖ ਨੂੰ ਇਸਦੀ ਜਾਂਚ ਕਰਨ ਦੀ ਲੋੜ ਹੈ" ਕਹਿਣ ਦੀ ਬਜਾਏ ਅਨੁਮਾਨ ਲਗਾਉਣ ਲਈ ਉਤਸ਼ਾਹਿਤ ਕਰ ਸਕਦੇ ਹਨ।

ਜੇਕਰ ਕਰਮਚਾਰੀ ਹਰ ਪਾਲਿਸ਼ਡ ਜਵਾਬ 'ਤੇ ਆਪਣੇ ਆਪ ਭਰੋਸਾ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰ ਦਿੰਦੇ ਹਨ, ਤਾਂ ਮਨੁੱਖੀ ਸਮੀਖਿਆ "ਭੇਜੋ" ਨੂੰ ਦਬਾਉਣ ਤੋਂ ਥੋੜ੍ਹੀ ਜਿਹੀ ਵੱਧ ਹੋ ਸਕਦੀ ਹੈ। NIST ਮਨੁੱਖੀ-AI ਸੰਰਚਨਾਵਾਂ ਵਿੱਚ ਬਹੁਤ ਜ਼ਿਆਦਾ ਨਿਰਭਰਤਾ ਅਤੇ ਆਟੋਮੇਸ਼ਨ ਪੱਖਪਾਤ ਨੂੰ ਜੋਖਮਾਂ ਵਜੋਂ ਪਛਾਣਦਾ ਹੈ।.

ਇਸੇ ਲਈ ਏਆਈ ਭਰੋਸੇਯੋਗਤਾ ਅੰਡਰਲਾਈੰਗ ਮਾਡਲ ਦੀ ਸਮਰੱਥਾ ਤੋਂ ਵੱਧ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ।.

ਮਾਡਲ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਦਸਤਾਵੇਜ਼, ਹਦਾਇਤਾਂ, ਇਜਾਜ਼ਤਾਂ, ਟੈਸਟਿੰਗ ਪ੍ਰਕਿਰਿਆ ਅਤੇ ਮਨੁੱਖੀ ਨਿਰਣੇ ਵੀ ਮਾਇਨੇ ਰੱਖਦੇ ਹਨ।.

ਵਿਹਾਰਕ ਉਪਾਅ

ਇਹ ਉਦਾਹਰਣ ਅਭਿਆਸ ਵਿੱਚ AI ਦੀ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਵਿਸ਼ੇਸ਼ਤਾ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ।.

ਮੁੱਲ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਮਸ਼ੀਨ ਜਾਦੂਈ ਤੌਰ 'ਤੇ ਗਾਹਕ-ਸੇਵਾ ਕਰਮਚਾਰੀ ਬਣ ਗਈ ਹੈ।.

ਇਹ ਇਸ ਲਈ ਹੈ ਕਿ ਇੱਕ ਏਆਈ ਮਾਡਲ ਗਾਹਕ ਦੇ ਇਰਾਦੇ ਨੂੰ ਪਛਾਣ ਸਕਦਾ ਹੈ, ਸਪਲਾਈ ਕੀਤੀ ਜਾਣਕਾਰੀ ਨਾਲ ਕੰਮ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਬਹੁਤ ਜਲਦੀ ਇੱਕ ਸੰਭਾਵੀ ਪ੍ਰਤੀਕਿਰਿਆ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ।.

ਮਨੁੱਖ ਦਾ ਕੰਮ ਭਰੋਸੇਯੋਗ ਸੰਦਰਭ ਪ੍ਰਦਾਨ ਕਰਨ, ਸੀਮਾਵਾਂ ਨਿਰਧਾਰਤ ਕਰਨ, ਅਨਿਸ਼ਚਿਤ ਮਾਮਲਿਆਂ ਦੀ ਜਾਂਚ ਕਰਨ ਅਤੇ ਇਹ ਫੈਸਲਾ ਕਰਨ ਵੱਲ ਬਦਲ ਜਾਂਦਾ ਹੈ ਕਿ ਕੀ ਜਵਾਬ ਵਰਤਣ ਲਈ ਕਾਫ਼ੀ ਚੰਗਾ ਹੈ।

ਇਹ ਛੋਟੇ ਰੂਪ ਵਿੱਚ ਆਧੁਨਿਕ AI ਹੈ: ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਪੈਟਰਨ ਪਛਾਣ ਅਤੇ ਇੱਕ ਪ੍ਰਕਿਰਿਆ ਦੇ ਅੰਦਰ ਪੀੜ੍ਹੀ ਜੋ ਅਜੇ ਵੀ ਠੋਸ ਜਾਣਕਾਰੀ ਅਤੇ ਠੋਸ ਨਿਰਣੇ 'ਤੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਨਿਰਭਰ ਕਰਦੀ ਹੈ।.

ਅਕਸਰ ਪੁੱਛੇ ਜਾਂਦੇ ਸਵਾਲ

ਏਆਈ ਅਸਲ ਵਿੱਚ ਕੀ ਹੈ, ਅਤੇ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਕਿਵੇਂ ਕੰਮ ਕਰਦੀ ਹੈ?

ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਕੰਪਿਊਟੇਸ਼ਨਲ ਤਕਨੀਕਾਂ ਦਾ ਇੱਕ ਵਿਸ਼ਾਲ ਸਮੂਹ ਹੈ ਜੋ ਕੰਪਿਊਟਰਾਂ ਨੂੰ ਮਨੁੱਖੀ ਬੁੱਧੀ ਨਾਲ ਜੁੜੇ ਕੰਮ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਪੈਟਰਨਾਂ ਨੂੰ ਪਛਾਣਨਾ, ਭਾਸ਼ਾ ਨੂੰ ਸਮਝਣਾ, ਭਵਿੱਖਬਾਣੀਆਂ ਕਰਨਾ ਅਤੇ ਸਮੱਗਰੀ ਤਿਆਰ ਕਰਨਾ। ਆਧੁਨਿਕ AI ਅਕਸਰ ਹੱਥ ਨਾਲ ਲਿਖੇ ਨਿਯਮਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਨ ਦੀ ਬਜਾਏ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਡੇਟਾ ਤੋਂ ਅੰਕੜਾਤਮਕ ਸਬੰਧ ਸਿੱਖਦਾ ਹੈ। ਨਤੀਜੇ ਵਜੋਂ ਵਿਵਹਾਰ ਬੁੱਧੀਮਾਨ ਦਿਖਾਈ ਦੇ ਸਕਦਾ ਹੈ, ਭਾਵੇਂ ਅੰਤਰੀਵ ਪ੍ਰਕਿਰਿਆ ਮਨੁੱਖੀ ਸੋਚ ਤੋਂ ਬਹੁਤ ਵੱਖਰੀ ਹੈ।.

ਏਆਈ, ਮਸ਼ੀਨ ਲਰਨਿੰਗ, ਡੂੰਘੀ ਸਿਖਲਾਈ, ਅਤੇ ਜਨਰੇਟਿਵ ਏਆਈ ਵਿੱਚ ਕੀ ਅੰਤਰ ਹੈ?

ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਇੱਕ ਵਿਆਪਕ ਛੱਤਰੀ ਕਵਰਿੰਗ ਸਿਸਟਮ ਹੈ ਜੋ ਬੁੱਧੀਮਾਨ-ਦਿੱਖ ਕਾਰਜ ਕਰਦਾ ਹੈ। ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਇੱਕ ਅਜਿਹਾ ਤਰੀਕਾ ਹੈ ਜਿਸ ਵਿੱਚ ਸਿਸਟਮ ਡੇਟਾ ਤੋਂ ਪੈਟਰਨ ਸਿੱਖਦੇ ਹਨ, ਜਦੋਂ ਕਿ ਡੂੰਘੀ ਸਿਖਲਾਈ ਖਾਸ ਤੌਰ 'ਤੇ ਗੁੰਝਲਦਾਰ ਪੈਟਰਨਾਂ ਨੂੰ ਸਿੱਖਣ ਲਈ ਮਲਟੀ-ਲੇਅਰ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ। ਜਨਰੇਟਿਵ AI ਨੂੰ ਸਿਖਲਾਈ ਦੌਰਾਨ ਸਿੱਖੇ ਗਏ ਸਬੰਧਾਂ ਦੇ ਅਧਾਰ ਤੇ ਟੈਕਸਟ, ਚਿੱਤਰ, ਕੋਡ, ਆਡੀਓ ਜਾਂ ਵੀਡੀਓ ਵਰਗੇ ਨਵੇਂ ਆਉਟਪੁੱਟ ਬਣਾਉਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ।.

ਸਿਖਲਾਈ ਡੇਟਾ ਤੋਂ ਏਆਈ ਕਿਵੇਂ ਸਿੱਖਦਾ ਹੈ?

ਮਸ਼ੀਨ-ਲਰਨਿੰਗ ਸਿਸਟਮ ਉਦਾਹਰਣਾਂ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਕੇ ਅਤੇ ਅੰਦਰੂਨੀ ਮਾਪਦੰਡਾਂ, ਜਾਂ ਭਾਰਾਂ ਨੂੰ ਵਿਵਸਥਿਤ ਕਰਕੇ ਬਿਹਤਰ ਹੁੰਦੇ ਹਨ, ਤਾਂ ਜੋ ਭਵਿੱਖ ਦੇ ਆਉਟਪੁੱਟ ਵਧੇਰੇ ਸਟੀਕ ਜਾਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਬਣ ਜਾਣ। ਪ੍ਰੋਗਰਾਮਰਾਂ ਦੁਆਰਾ ਹਰ ਸੰਭਵ ਨਿਯਮ ਨੂੰ ਹੱਥੀਂ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨ ਦੀ ਬਜਾਏ, ਮਾਡਲ ਸਿਖਲਾਈ ਡੇਟਾ ਦੇ ਅੰਦਰ ਅੰਕੜਾਤਮਕ ਪੈਟਰਨਾਂ ਦੀ ਖੋਜ ਕਰਦਾ ਹੈ। ਇਸ ਲਈ ਉਸ ਡੇਟਾ ਦੀ ਗੁਣਵੱਤਾ, ਵਿਭਿੰਨਤਾ ਅਤੇ ਸਾਰਥਕਤਾ AI ਕੀ ਸਿੱਖਦਾ ਹੈ ਅਤੇ ਇਹ ਕਿੱਥੇ ਸੰਘਰਸ਼ ਕਰ ਸਕਦਾ ਹੈ, ਇਸ 'ਤੇ ਜ਼ੋਰਦਾਰ ਪ੍ਰਭਾਵ ਪਾਉਂਦੀ ਹੈ।.

ਜੇਕਰ ਬਹੁਤ ਸਾਰੇ AI ਸਿਸਟਮ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਵਾਲੀਆਂ ਮਸ਼ੀਨਾਂ ਹਨ ਤਾਂ AI ਅਸਲ ਵਿੱਚ ਕੀ ਹੈ?

ਬਹੁਤ ਸਾਰੇ ਆਧੁਨਿਕ AI ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ, ਅੰਸ਼ਕ ਤੌਰ 'ਤੇ, ਸੂਝਵਾਨ ਭਵਿੱਖਬਾਣੀ ਪ੍ਰਣਾਲੀਆਂ ਵਜੋਂ ਸਮਝਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਉਦਾਹਰਣ ਵਜੋਂ, ਇੱਕ ਭਾਸ਼ਾ ਮਾਡਲ, ਇੱਕ ਪ੍ਰੋਂਪਟ ਦੇ ਸੰਦਰਭ ਨੂੰ ਪ੍ਰਕਿਰਿਆ ਕਰਦਾ ਹੈ ਅਤੇ ਇਸਦੇ ਜਵਾਬ ਨੂੰ ਪੈਦਾ ਕਰਨ ਲਈ ਟੋਕਨਾਂ ਦੇ ਇੱਕ ਢੁਕਵੇਂ ਕ੍ਰਮ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਦਾ ਹੈ। ਹਾਲਾਂਕਿ ਇਹ ਸਧਾਰਨ ਲੱਗਦਾ ਹੈ, ਗੁੰਝਲਦਾਰ ਭਾਸ਼ਾ ਵਿੱਚ ਮਜ਼ਬੂਤ ​​ਭਵਿੱਖਬਾਣੀਆਂ ਕਰਨ ਲਈ ਸ਼ਬਦਾਂ, ਸੰਕਲਪਾਂ, ਬਣਤਰਾਂ, ਸ਼ੈਲੀਆਂ ਅਤੇ ਸਿਖਲਾਈ ਡੇਟਾ ਵਿੱਚ ਸ਼ਾਮਲ ਕਈ ਹੋਰ ਪੈਟਰਨਾਂ ਵਿਚਕਾਰ ਸਬੰਧ ਸਿੱਖਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।.

ਜਨਰੇਟਿਵ ਏਆਈ ਭਰੋਸੇਮੰਦ ਜਵਾਬ ਕਿਉਂ ਦੇ ਸਕਦਾ ਹੈ ਜੋ ਗਲਤ ਹਨ?

ਜਨਰੇਟਿਵ ਏਆਈ ਮੁੱਖ ਤੌਰ 'ਤੇ ਮੰਨਣਯੋਗ ਆਉਟਪੁੱਟ ਪੈਦਾ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ, ਜੋ ਕਿ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਇਹ ਪੁਸ਼ਟੀ ਕਰਨ ਦੇ ਸਮਾਨ ਨਹੀਂ ਹੈ ਕਿ ਹਰ ਬਿਆਨ ਸੱਚ ਹੈ। ਇਸ ਲਈ ਇਹ ਅੰਕੜੇ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ, ਸਮਾਨ ਤੱਥਾਂ ਨੂੰ ਉਲਝਾ ਸਕਦਾ ਹੈ, ਗੈਰ-ਮੌਜੂਦ ਹਵਾਲੇ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ, ਜਾਂ ਯਕੀਨਨ ਲੱਗਦੇ ਹੋਏ ਸੂਖਮ ਤਰਕ ਗਲਤੀਆਂ ਕਰ ਸਕਦਾ ਹੈ। ਇਹਨਾਂ ਗਲਤੀਆਂ ਨੂੰ ਆਮ ਤੌਰ 'ਤੇ ਭਰਮ ਕਿਹਾ ਜਾਂਦਾ ਹੈ, ਇਸੇ ਕਰਕੇ ਮਹੱਤਵਪੂਰਨ ਡਾਕਟਰੀ, ਕਾਨੂੰਨੀ, ਵਿੱਤੀ, ਸੁਰੱਖਿਆ, ਜਾਂ ਕਾਰੋਬਾਰੀ ਜਾਣਕਾਰੀ ਦੀ ਅਜੇ ਵੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ।.

ਕੀ ਏਆਈ ਇੱਕ ਸਰਚ ਇੰਜਣ ਜਾਂ ਆਮ ਆਟੋਮੇਸ਼ਨ ਵਰਗਾ ਹੈ?

ਨਹੀਂ। ਪਰੰਪਰਾਗਤ ਖੋਜ ਇੰਜਣ ਮੁੱਖ ਤੌਰ 'ਤੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਮੌਜੂਦਾ ਜਾਣਕਾਰੀ ਲੱਭਣ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ, ਜਦੋਂ ਕਿ ਜਨਰੇਟਿਵ AI ਸਿੱਖੇ ਹੋਏ ਪੈਟਰਨਾਂ, ਸਪਲਾਈ ਕੀਤੇ ਸੰਦਰਭ, ਅਤੇ ਕਈ ਵਾਰ ਵਾਧੂ ਸਾਧਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਜਵਾਬ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਮੁੱਢਲੀ ਆਟੋਮੇਸ਼ਨ ਆਮ ਤੌਰ 'ਤੇ ਉਦਾਹਰਣਾਂ ਤੋਂ ਸਿੱਖਣ ਦੇ ਪੈਟਰਨਾਂ ਦੀ ਬਜਾਏ ਪਹਿਲਾਂ ਤੋਂ ਪਰਿਭਾਸ਼ਿਤ ਨਿਯਮਾਂ ਜਾਂ ਵਰਕਫਲੋ ਦੀ ਪਾਲਣਾ ਕਰਦੀ ਹੈ। ਆਧੁਨਿਕ ਪ੍ਰਣਾਲੀਆਂ ਖੋਜ, ਪੀੜ੍ਹੀ ਅਤੇ ਆਟੋਮੇਸ਼ਨ ਨੂੰ ਜੋੜ ਸਕਦੀਆਂ ਹਨ, ਇਸ ਲਈ ਵਿਹਾਰਕ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਸੀਮਾਵਾਂ ਘੱਟ ਸਪੱਸ਼ਟ ਹੋ ਸਕਦੀਆਂ ਹਨ।.

ਜਦੋਂ ਕਿਸੇ ਕਾਰੋਬਾਰੀ ਵਰਕਫਲੋ ਵਿੱਚ AI ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਤਾਂ ਇਹ ਅਸਲ ਵਿੱਚ ਕੀ ਹੁੰਦਾ ਹੈ?

ਇੱਕ ਕਾਰੋਬਾਰੀ ਵਰਕਫਲੋ ਵਿੱਚ, AI ਅਕਸਰ ਇਰਾਦੇ ਨੂੰ ਪਛਾਣਨ, ਸਪਲਾਈ ਕੀਤੀ ਜਾਣਕਾਰੀ ਨਾਲ ਕੰਮ ਕਰਨ, ਅਤੇ ਇੱਕ ਮਜ਼ਬੂਤ ​​ਪਹਿਲਾ ਡਰਾਫਟ ਜਾਂ ਸਿਫ਼ਾਰਸ਼ ਤਿਆਰ ਕਰਨ ਲਈ ਇੱਕ ਪ੍ਰਣਾਲੀ ਦੇ ਤੌਰ 'ਤੇ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੁੰਦਾ ਹੈ। ਉਦਾਹਰਣ ਵਜੋਂ, ਇੱਕ ਗਾਹਕ-ਸਹਾਇਤਾ ਸਹਾਇਕ, ਕਿਸੇ ਵਿਅਕਤੀ ਨੂੰ ਅਨਿਸ਼ਚਿਤ ਮਾਮਲਿਆਂ ਨੂੰ ਵਧਾਉਂਦੇ ਹੋਏ ਜਵਾਬਾਂ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰਨ ਲਈ ਪ੍ਰਵਾਨਿਤ ਨੀਤੀਆਂ ਅਤੇ ਉਤਪਾਦ ਜਾਣਕਾਰੀ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦਾ ਹੈ। ਭਰੋਸੇਯੋਗਤਾ ਚੰਗੀ ਸਰੋਤ ਜਾਣਕਾਰੀ, ਸਪੱਸ਼ਟ ਨਿਰਦੇਸ਼ਾਂ, ਢੁਕਵੀਆਂ ਅਨੁਮਤੀਆਂ, ਟੈਸਟਿੰਗ ਅਤੇ ਮਨੁੱਖੀ ਨਿਰਣੇ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ।.

ਏਆਈ ਏਜੰਟ ਕੀ ਹਨ, ਅਤੇ ਉਹ ਚੈਟਬੋਟਸ ਤੋਂ ਕਿਵੇਂ ਵੱਖਰੇ ਹਨ?

ਇੱਕ ਆਮ ਚੈਟਬੋਟ ਮੁੱਖ ਤੌਰ 'ਤੇ ਵਿਅਕਤੀਗਤ ਪ੍ਰੋਂਪਟਾਂ ਦਾ ਜਵਾਬ ਦਿੰਦਾ ਹੈ, ਜਦੋਂ ਕਿ ਇੱਕ AI ਏਜੰਟ ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ ਇੱਕ ਟੀਚੇ ਵੱਲ ਕਈ ਜੁੜੇ ਕਾਰਜਾਂ ਦੀ ਯੋਜਨਾ ਬਣਾ ਸਕਦਾ ਹੈ ਅਤੇ ਕਰ ਸਕਦਾ ਹੈ। ਇੱਕ ਏਜੰਟ ਸਿਰਫ਼ ਟੈਕਸਟ ਤਿਆਰ ਕਰਨ ਦੀ ਬਜਾਏ ਟੂਲਸ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦਾ ਹੈ, ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦਾ ਹੈ, ਇੱਕ ਵਰਕਫਲੋ ਨੂੰ ਅਪਡੇਟ ਕਰ ਸਕਦਾ ਹੈ, ਜਾਂ ਕਈ ਕਦਮਾਂ ਵਿੱਚੋਂ ਲੰਘਣਾ ਜਾਰੀ ਰੱਖ ਸਕਦਾ ਹੈ। ਇਹ ਵਾਧੂ ਸਮਰੱਥਾ ਕੀਮਤੀ ਹੋ ਸਕਦੀ ਹੈ, ਪਰ ਇਹ ਅਨੁਮਤੀਆਂ, ਸੁਰੱਖਿਆ, ਭਰੋਸੇਯੋਗਤਾ, ਐਸਕੇਲੇਸ਼ਨ ਨਿਯਮਾਂ ਅਤੇ ਨਿਯੰਤਰਣ ਨੂੰ ਵੀ ਖਾਸ ਤੌਰ 'ਤੇ ਮਹੱਤਵਪੂਰਨ ਬਣਾਉਂਦੀ ਹੈ।.

ਕੀ ਏਆਈ ਨੌਕਰੀਆਂ ਦੀ ਥਾਂ ਲਵੇਗਾ, ਜਾਂ ਕੀ ਇਹ ਮੁੱਖ ਤੌਰ 'ਤੇ ਵਿਅਕਤੀਗਤ ਕੰਮਾਂ ਨੂੰ ਸਵੈਚਾਲਿਤ ਕਰੇਗਾ?

AI ਨੂੰ ਅਕਸਰ ਨੌਕਰੀਆਂ ਦੇ ਅੰਦਰ ਖਾਸ ਕੰਮਾਂ ਨੂੰ ਬਦਲਣ ਦੇ ਰੂਪ ਵਿੱਚ ਬਿਹਤਰ ਸਮਝਿਆ ਜਾਂਦਾ ਹੈ, ਨਾ ਕਿ ਪੂਰੇ ਪੇਸ਼ਿਆਂ ਨੂੰ ਆਪਣੇ ਆਪ ਖਤਮ ਕਰਨਾ। ਇਹ ਡਰਾਫਟਿੰਗ, ਬ੍ਰੇਨਸਟਾਰਮਿੰਗ, ਵਿਸ਼ਲੇਸ਼ਣ, ਕੋਡਿੰਗ, ਖੋਜ ਸੰਗਠਨ, ਜਾਂ ਦੁਹਰਾਉਣ ਵਾਲੇ ਸਹਾਇਤਾ ਕਾਰਜ ਨੂੰ ਤੇਜ਼ ਕਰ ਸਕਦਾ ਹੈ ਜਦੋਂ ਕਿ ਰਣਨੀਤੀ, ਨਿਰਣਾ, ਲੀਡਰਸ਼ਿਪ, ਸੁਆਦ ਅਤੇ ਮਹੱਤਵਪੂਰਨ ਫੈਸਲੇ ਲੋਕਾਂ 'ਤੇ ਛੱਡਦਾ ਹੈ। ਇਸ ਲਈ ਇੱਕ ਵਿਹਾਰਕ ਸਵਾਲ ਇਹ ਹੈ ਕਿ ਭੂਮਿਕਾ ਦੇ ਕਿਹੜੇ ਹਿੱਸੇ ਤੇਜ਼, ਸਸਤੇ, ਆਸਾਨ ਜਾਂ ਵਧੇਰੇ ਸਵੈਚਾਲਿਤ ਹੋ ਸਕਦੇ ਹਨ।.

AI ਦੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਵਰਤੋਂ ਕਰਦੇ ਸਮੇਂ ਕਿਹੜੇ ਹੁਨਰ ਸਭ ਤੋਂ ਵੱਧ ਮਾਇਨੇ ਰੱਖਦੇ ਹਨ?

ਨਿਰਣਾ ਅਤੇ ਆਲੋਚਨਾਤਮਕ ਸੋਚ ਜ਼ਰੂਰੀ ਹਨ ਕਿਉਂਕਿ ਇੱਕ ਜਵਾਬ ਤਿਆਰ ਕਰਨਾ ਇੱਕ ਸਹੀ ਜਾਂ ਕੀਮਤੀ ਜਵਾਬ ਤਿਆਰ ਕਰਨ ਦੇ ਸਮਾਨ ਨਹੀਂ ਹੈ। ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਇਹ ਜਾਣਨ ਦੀ ਜ਼ਰੂਰਤ ਹੁੰਦੀ ਹੈ ਕਿ ਕੀ ਪੁੱਛਣਾ ਹੈ, ਕਿਹੜੀ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰਨੀ ਹੈ, ਕੀ ਤਸਦੀਕ ਕਰਨਾ ਹੈ, ਕੀ ਸੰਪਾਦਿਤ ਕਰਨਾ ਹੈ, ਅਤੇ ਕਦੋਂ AI ਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕਰਨੀ ਚਾਹੀਦੀ। ਉਤਪਾਦਨ ਵਰਕਫਲੋ ਵਿੱਚ, ਮਜ਼ਬੂਤ ​​ਨਤੀਜੇ ਭਰੋਸੇਯੋਗ ਸੰਦਰਭ, ਸਪੱਸ਼ਟ ਸੀਮਾਵਾਂ, ਪ੍ਰਤੀਨਿਧੀ ਟੈਸਟਿੰਗ, ਅਤੇ ਅਨਿਸ਼ਚਿਤ ਜਾਂ ਉੱਚ-ਪ੍ਰਭਾਵ ਵਾਲੇ ਆਉਟਪੁੱਟ ਦੀ ਧਿਆਨ ਨਾਲ ਸਮੀਖਿਆ 'ਤੇ ਵੀ ਨਿਰਭਰ ਕਰਦੇ ਹਨ।.

ਹਵਾਲੇ

1. ਨੈਸ਼ਨਲ ਇੰਸਟੀਚਿਊਟ ਆਫ਼ ਸਟੈਂਡਰਡਜ਼ ਐਂਡ ਟੈਕਨਾਲੋਜੀ (NIST) — csrc.nist.gov

2. ਆਈਬੀਐਮ - ਮਸ਼ੀਨ ਲਰਨਿੰਗ - ibm.com

3. ਸਟੈਨਫੋਰਡ ਇੰਸਟੀਚਿਊਟ ਫਾਰ ਹਿਊਮਨ-ਸੈਂਟਰਡ ਏਆਈ - 2025 ਏਆਈ ਇੰਡੈਕਸ ਰਿਪੋਰਟ - hai.stanford.edu

4. ਅੰਤਰਰਾਸ਼ਟਰੀ ਕਿਰਤ ਸੰਗਠਨ (ILO) — ਜਨਰੇਟਿਵ AI ਅਤੇ ਨੌਕਰੀਆਂ: ਕਿੱਤਾਮੁਖੀ ਐਕਸਪੋਜ਼ਰ ਦਾ ਇੱਕ ਸੁਧਾਰਿਆ ਗਲੋਬਲ ਸੂਚਕਾਂਕ — ilo.org

5. ਗੂਗਲ ਕਲਾਉਡ — ਜੀਪੀਟੀ ਕੀ ਹੈ? — cloud.google.com

6. ਡਿਵੈਲਪਰਾਂ ਲਈ ਗੂਗਲ — developers.google.com

7. ਗੂਗਲ ਕੋਡਲੈਬਸ — codelabs.developers.google.com

8. ਓਪਨਏਆਈ — ਮਨੁੱਖੀ-ਫੀਡਬੈਕ ਤਕਨੀਕਾਂ — openai.com

9. arXiv — ਸਿਖਲਾਈ ਗਣਨਾ — arxiv.org

10. ਕੁਦਰਤ — nature.com