ਛੋਟਾ ਜਵਾਬ: AI ਦਾ ਭਵਿੱਖ ਸਖ਼ਤ ਉਮੀਦਾਂ ਦੇ ਨਾਲ ਵਧੇਰੇ ਸਮਰੱਥਾ ਨੂੰ ਮਿਲਾਉਂਦਾ ਹੈ: ਇਹ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣ ਤੋਂ ਲੈ ਕੇ ਇੱਕ ਕਿਸਮ ਦੇ "ਸਹਿਕਰਮੀ" ਵਜੋਂ ਕਾਰਜਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਵੱਲ ਵਧੇਗਾ, ਜਦੋਂ ਕਿ ਛੋਟੇ ਔਨ-ਡਿਵਾਈਸ ਮਾਡਲ ਗਤੀ ਅਤੇ ਗੋਪਨੀਯਤਾ ਲਈ ਫੈਲਦੇ ਹਨ। ਜਿੱਥੇ AI ਉੱਚ-ਦਾਅ ਵਾਲੇ ਫੈਸਲਿਆਂ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰਦਾ ਹੈ, ਉੱਥੇ ਵਿਸ਼ਵਾਸ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ - ਆਡਿਟ, ਜਵਾਬਦੇਹੀ, ਅਤੇ ਅਰਥਪੂਰਨ ਅਪੀਲਾਂ - ਗੈਰ-ਗੱਲਬਾਤਯੋਗ ਬਣ ਜਾਣਗੀਆਂ।
ਮੁੱਖ ਗੱਲਾਂ:
ਏਜੰਟ: ਸਿਰੇ ਤੋਂ ਅੰਤ ਤੱਕ ਦੇ ਕੰਮਾਂ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰੋ, ਜਾਣਬੁੱਝ ਕੇ ਜਾਂਚਾਂ ਦੇ ਨਾਲ ਤਾਂ ਜੋ ਅਸਫਲਤਾਵਾਂ ਅਣਦੇਖੀਆਂ ਨਾ ਰਹਿ ਜਾਣ।
ਇਜਾਜ਼ਤ: ਡੇਟਾ ਪਹੁੰਚ ਨੂੰ ਗੱਲਬਾਤ ਵਾਲੀ ਚੀਜ਼ ਵਜੋਂ ਸਮਝੋ; ਸਹਿਮਤੀ ਲਈ ਸੁਰੱਖਿਅਤ, ਕਾਨੂੰਨੀ, ਸਾਖ ਦੇ ਤੌਰ 'ਤੇ ਸੁਰੱਖਿਅਤ ਰਸਤੇ ਬਣਾਓ।
ਬੁਨਿਆਦੀ ਢਾਂਚਾ: ਉਤਪਾਦਾਂ ਵਿੱਚ AI ਨੂੰ ਇੱਕ ਡਿਫਾਲਟ ਪਰਤ ਵਜੋਂ ਯੋਜਨਾ ਬਣਾਓ, ਜਿਸ ਵਿੱਚ ਅਪਟਾਈਮ ਅਤੇ ਏਕੀਕਰਣ ਨੂੰ ਪਹਿਲੀ-ਕ੍ਰਮ ਦੀਆਂ ਤਰਜੀਹਾਂ ਵਜੋਂ ਮੰਨਿਆ ਜਾਵੇ।
ਭਰੋਸਾ: ਉੱਚ-ਨਤੀਜੇ ਵਾਲੇ ਫੈਸਲਿਆਂ ਨੂੰ ਲਾਗੂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਟਰੇਸੇਬਿਲਟੀ, ਗਾਰਡਰੇਲ ਅਤੇ ਇੱਕ ਮਨੁੱਖੀ ਓਵਰਰਾਈਡ ਰੱਖੋ।
ਹੁਨਰ: ਕਾਰਜ ਸੰਕੁਚਨ ਨੂੰ ਘਟਾਉਣ ਅਤੇ ਗੁਣਵੱਤਾ ਨੂੰ ਸੁਰੱਖਿਅਤ ਰੱਖਣ ਲਈ ਟੀਮਾਂ ਨੂੰ ਸਮੱਸਿਆ-ਫਰੇਮਿੰਗ, ਤਸਦੀਕ ਅਤੇ ਨਿਰਣੇ ਵੱਲ ਤਬਦੀਲ ਕਰੋ।
ਇਸ ਤੋਂ ਬਾਅਦ ਤੁਸੀਂ ਜੋ ਲੇਖ ਪੜ੍ਹਨਾ ਪਸੰਦ ਕਰ ਸਕਦੇ ਹੋ:
🔗 ਜਨਰੇਟਿਵ AI ਵਿੱਚ ਫਾਊਂਡੇਸ਼ਨ ਮਾਡਲਾਂ ਦੀ ਵਿਆਖਿਆ ਕੀਤੀ ਗਈ
ਫਾਊਂਡੇਸ਼ਨ ਮਾਡਲਾਂ, ਉਨ੍ਹਾਂ ਦੀ ਸਿਖਲਾਈ, ਅਤੇ ਜਨਰੇਟਿਵ ਏਆਈ ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਸਮਝੋ।.
🔗 ਏਆਈ ਵਾਤਾਵਰਣ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ
AI ਦੀ ਊਰਜਾ ਵਰਤੋਂ, ਨਿਕਾਸ, ਅਤੇ ਸਥਿਰਤਾ ਵਪਾਰ-ਆਫ ਦੀ ਪੜਚੋਲ ਕਰੋ।.
🔗 ਇੱਕ AI ਕੰਪਨੀ ਕੀ ਹੈ?
ਜਾਣੋ ਕਿ ਇੱਕ AI ਕੰਪਨੀ ਅਤੇ ਮੁੱਖ ਕਾਰੋਬਾਰੀ ਮਾਡਲਾਂ ਨੂੰ ਕੀ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦਾ ਹੈ।.
🔗 ਏਆਈ ਅਪਸਕੇਲਿੰਗ ਕਿਵੇਂ ਕੰਮ ਕਰਦੀ ਹੈ
ਦੇਖੋ ਕਿ ਕਿਵੇਂ AI-ਸੰਚਾਲਿਤ ਵੇਰਵੇ ਜਨਰੇਸ਼ਨ ਨਾਲ ਅਪਸਕੇਲਿੰਗ ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਂਦੀ ਹੈ।.
"AI ਦਾ ਭਵਿੱਖ ਕੀ ਹੈ?" ਅਚਾਨਕ ਜ਼ਰੂਰੀ ਕਿਉਂ ਜਾਪਦਾ ਹੈ 🚨
ਇਸ ਸਵਾਲ ਦੇ ਟਰਬੋ ਮੋਡ 'ਤੇ ਆਉਣ ਦੇ ਕੁਝ ਕਾਰਨ:
-
ਏਆਈ ਨਵੀਨਤਾ ਤੋਂ ਉਪਯੋਗਤਾ ਵਿੱਚ ਤਬਦੀਲ ਹੋ ਗਿਆ। ਇਹ ਹੁਣ "ਕੂਲ ਡੈਮੋ" ਨਹੀਂ ਰਿਹਾ, ਇਹ "ਇਹ ਮੇਰੇ ਇਨਬਾਕਸ ਵਿੱਚ ਹੈ, ਮੇਰੇ ਫੋਨ ਵਿੱਚ ਹੈ, ਮੇਰੇ ਕੰਮ ਵਾਲੀ ਥਾਂ 'ਤੇ ਹੈ, ਮੇਰੇ ਬੱਚੇ ਦਾ ਹੋਮਵਰਕ ਹੈ" 😬 (ਸਟੈਨਫੋਰਡ ਏਆਈ ਇੰਡੈਕਸ ਰਿਪੋਰਟ 2025)
-
ਗਤੀ ਭਟਕਾਉਣ ਵਾਲੀ ਹੈ। ਮਨੁੱਖਾਂ ਨੂੰ ਹੌਲੀ-ਹੌਲੀ ਤਬਦੀਲੀ ਪਸੰਦ ਹੈ। ਏਆਈ ਵਧੇਰੇ ਪਸੰਦ ਹੈ - ਹੈਰਾਨੀ! ਨਵੇਂ ਨਿਯਮ।
-
ਦਾਅ ਨਿੱਜੀ ਹੋ ਗਏ। ਜੇਕਰ AI ਤੁਹਾਡੀ ਨੌਕਰੀ, ਤੁਹਾਡੀ ਗੋਪਨੀਯਤਾ, ਤੁਹਾਡੀ ਸਿੱਖਿਆ, ਤੁਹਾਡੇ ਡਾਕਟਰੀ ਫੈਸਲਿਆਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ... ਤਾਂ ਤੁਸੀਂ ਇਸਨੂੰ ਇੱਕ ਗੈਜੇਟ ਵਾਂਗ ਸਮਝਣਾ ਬੰਦ ਕਰ ਦਿਓ। (ਪਿਊ ਰਿਸਰਚ ਸੈਂਟਰ ਔਨ AI ਐਟ ਕੰਮ)
ਅਤੇ ਸ਼ਾਇਦ ਸਭ ਤੋਂ ਵੱਡੀ ਤਬਦੀਲੀ ਤਕਨੀਕੀ ਵੀ ਨਹੀਂ ਹੈ। ਇਹ ਮਨੋਵਿਗਿਆਨਕ ਹੈ। ਲੋਕ ਇਸ ਵਿਚਾਰ ਦੇ ਅਨੁਕੂਲ ਹੋ ਰਹੇ ਹਨ ਕਿ ਜਦੋਂ ਤੁਸੀਂ ਸੌਂ ਰਹੇ ਹੋ ਤਾਂ ਬੁੱਧੀ ਨੂੰ ਪੈਕ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਕਿਰਾਏ 'ਤੇ ਲਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਏਮਬੈਡ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਅਤੇ ਚੁੱਪਚਾਪ ਸੁਧਾਰਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਇਹ ਭਾਵਨਾਤਮਕ ਤੌਰ 'ਤੇ ਚਬਾਉਣ ਲਈ ਬਹੁਤ ਕੁਝ ਹੈ, ਭਾਵੇਂ ਤੁਸੀਂ ਆਸ਼ਾਵਾਦੀ ਹੋ।.
ਭਵਿੱਖ ਨੂੰ ਆਕਾਰ ਦੇਣ ਵਾਲੀਆਂ ਵੱਡੀਆਂ ਤਾਕਤਾਂ (ਭਾਵੇਂ ਕੋਈ ਧਿਆਨ ਨਾ ਦੇਵੇ) ⚙️🧠
ਜੇਕਰ ਅਸੀਂ ਜ਼ੂਮ ਆਊਟ ਕਰੀਏ, ਤਾਂ "AI ਦਾ ਭਵਿੱਖ" ਕੁਝ ਕੁ ਗੁਰੂਤਾ-ਖੂਹ ਬਲਾਂ ਦੁਆਰਾ ਖਿੱਚਿਆ ਜਾ ਰਿਹਾ ਹੈ:
1) ਸਹੂਲਤ ਹਮੇਸ਼ਾ ਜਿੱਤਦੀ ਹੈ... ਜਦੋਂ ਤੱਕ ਇਹ ਨਹੀਂ ਹੁੰਦੀ 😌
ਲੋਕ ਉਹੀ ਅਪਣਾਉਂਦੇ ਹਨ ਜੋ ਸਮਾਂ ਬਚਾਉਂਦਾ ਹੈ। ਜੇਕਰ AI ਤੁਹਾਨੂੰ ਤੇਜ਼, ਸ਼ਾਂਤ, ਅਮੀਰ, ਜਾਂ ਘੱਟ ਪਰੇਸ਼ਾਨ ਕਰਦਾ ਹੈ - ਤਾਂ ਇਸਦੀ ਵਰਤੋਂ ਹੋ ਜਾਂਦੀ ਹੈ। ਭਾਵੇਂ ਨੈਤਿਕਤਾ ਧੁੰਦਲੀ ਹੋਵੇ। (ਹਾਂ, ਇਹ ਅਸਹਿਜ ਹੈ।)
2) ਡੇਟਾ ਅਜੇ ਵੀ ਬਾਲਣ ਹੈ, ਪਰ "ਇਜਾਜ਼ਤ" ਨਵੀਂ ਮੁਦਰਾ ਹੈ 🔐
ਭਵਿੱਖ ਸਿਰਫ਼ ਇਸ ਬਾਰੇ ਨਹੀਂ ਹੈ ਕਿ ਕਿੰਨਾ ਡੇਟਾ ਮੌਜੂਦ ਹੈ - ਇਹ ਇਸ ਬਾਰੇ ਹੈ ਕਿ ਕਿਹੜਾ ਡੇਟਾ ਕਾਨੂੰਨੀ, ਸੱਭਿਆਚਾਰਕ ਅਤੇ ਸਾਖ ਦੇ ਤੌਰ 'ਤੇ ਬਿਨਾਂ ਕਿਸੇ ਨੁਕਸਾਨ ਦੇ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ। (ਕਾਨੂੰਨੀ ਆਧਾਰ 'ਤੇ ICO ਮਾਰਗਦਰਸ਼ਨ)
3) ਮਾਡਲ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਬਣ ਰਹੇ ਹਨ 🏗️
ਏਆਈ "ਬਿਜਲੀ" ਦੀ ਭੂਮਿਕਾ ਵਿੱਚ ਖਿਸਕ ਰਿਹਾ ਹੈ - ਸ਼ਾਬਦਿਕ ਤੌਰ 'ਤੇ ਨਹੀਂ, ਸਗੋਂ ਸਮਾਜਿਕ ਤੌਰ 'ਤੇ। ਕੁਝ ਅਜਿਹਾ ਜਿਸਦੀ ਤੁਸੀਂ ਉੱਥੇ ਹੋਣ ਦੀ ਉਮੀਦ ਕਰਦੇ ਹੋ। ਕੁਝ ਅਜਿਹਾ ਜਿਸਦੇ ਉੱਪਰ ਤੁਸੀਂ ਨਿਰਮਾਣ ਕਰਦੇ ਹੋ। ਕੁਝ ਅਜਿਹਾ ਜਿਸਨੂੰ ਤੁਸੀਂ ਸਰਾਪ ਦਿੰਦੇ ਹੋ ਜਦੋਂ ਇਹ ਬੰਦ ਹੁੰਦਾ ਹੈ।.
4) ਟਰੱਸਟ ਇੱਕ ਉਤਪਾਦ ਵਿਸ਼ੇਸ਼ਤਾ ਬਣ ਜਾਵੇਗਾ (ਫੁਟਨੋਟ ਨਹੀਂ) ✅
ਜਿੰਨਾ ਜ਼ਿਆਦਾ AI ਅਸਲ ਜ਼ਿੰਦਗੀ ਦੇ ਫੈਸਲਿਆਂ ਨੂੰ ਛੂੰਹਦਾ ਹੈ, ਓਨਾ ਹੀ ਜ਼ਿਆਦਾ ਅਸੀਂ ਮੰਗ ਕਰਾਂਗੇ:
-
ਟ੍ਰੇਸੇਬਿਲਿਟੀ
-
ਭਰੋਸੇਯੋਗਤਾ
-
ਇਕਸਾਰਤਾ
-
ਗਾਰਡਰੇਲ
-
ਅਤੇ ਕੁਝ ਕਿਸਮ ਦੀ ਜਵਾਬਦੇਹੀ ਜੋ ਚੀਜ਼ਾਂ ਗਲਤ ਹੋਣ 'ਤੇ ਖਤਮ ਨਹੀਂ ਹੁੰਦੀ (NIST AI ਜੋਖਮ ਪ੍ਰਬੰਧਨ ਫਰੇਮਵਰਕ 1.0, OECD AI ਸਿਧਾਂਤ)
AI ਦੇ ਭਵਿੱਖ ਦਾ ਇੱਕ ਚੰਗਾ ਸੰਸਕਰਣ ਕੀ ਬਣਾਉਂਦਾ ਹੈ? ✅ (ਉਹ ਹਿੱਸਾ ਜਿਸਨੂੰ ਲੋਕ ਛੱਡ ਦਿੰਦੇ ਹਨ)
ਇੱਕ "ਚੰਗਾ" ਭਵਿੱਖੀ AI ਸਿਰਫ਼ ਸਮਾਰਟ ਨਹੀਂ ਹੁੰਦਾ। ਇਹ ਬਿਹਤਰ ਵਿਵਹਾਰ ਵਾਲਾ, ਵਧੇਰੇ ਪਾਰਦਰਸ਼ੀ, ਅਤੇ ਮਨੁੱਖਾਂ ਦੇ ਜੀਵਨ ਦੇ ਤਰੀਕੇ ਨਾਲ ਵਧੇਰੇ ਮੇਲ ਖਾਂਦਾ ਹੈ। ਜੇਕਰ ਮੈਨੂੰ ਇਸਨੂੰ ਉਬਾਲਣਾ ਪਵੇ, ਤਾਂ ਭਵਿੱਖੀ AI ਦੇ ਇੱਕ ਚੰਗੇ ਸੰਸਕਰਣ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:
-
ਚਮਕਦਾਰ ਆਤਮਵਿਸ਼ਵਾਸ ਉੱਤੇ ਵਿਹਾਰਕ ਸ਼ੁੱਧਤਾ 😵💫
-
ਸਪੱਸ਼ਟ ਸੀਮਾਵਾਂ - ਇਸਨੂੰ ਪਤਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਇਹ ਕੀ ਨਹੀਂ ਕਰ ਸਕਦਾ।
-
ਡਿਫਾਲਟ ਤੌਰ 'ਤੇ ਗੋਪਨੀਯਤਾ (ਜਾਂ ਘੱਟੋ-ਘੱਟ ਗੋਪਨੀਯਤਾ ਜਿਸ ਲਈ ਪੀਐਚਡੀ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ) (GDPR ਆਰਟੀਕਲ 25: ਡਿਜ਼ਾਈਨ ਅਤੇ ਡਿਫਾਲਟ ਤੌਰ 'ਤੇ ਡੇਟਾ ਸੁਰੱਖਿਆ)
-
ਮਨੁੱਖੀ ਓਵਰਰਾਈਡ ਜੋ ਸੱਚਮੁੱਚ ਕੰਮ ਕਰਦਾ ਹੈ (EU AI ਐਕਟ: ਰੈਗੂਲੇਸ਼ਨ (EU) 2024/1689)
-
ਘੱਟ ਰਗੜ ਜਵਾਬਦੇਹੀ - ਤੁਸੀਂ ਆਉਟਪੁੱਟ ਨੂੰ ਚੁਣੌਤੀ ਦੇ ਸਕਦੇ ਹੋ, ਨੁਕਸਾਨ ਦੀ ਰਿਪੋਰਟ ਕਰ ਸਕਦੇ ਹੋ, ਅਤੇ ਗਲਤੀਆਂ ਨੂੰ ਠੀਕ ਕਰ ਸਕਦੇ ਹੋ (NIST AI ਜੋਖਮ ਪ੍ਰਬੰਧਨ ਫਰੇਮਵਰਕ 1.0)
-
ਪਹੁੰਚਯੋਗਤਾ ਇਸ ਲਈ ਲਾਭ ਸਿਰਫ਼ ਕੁਝ ਜ਼ਿਪ ਕੋਡਾਂ ਵਿੱਚ ਕੇਂਦ੍ਰਿਤ ਨਹੀਂ ਹੁੰਦੇ
-
ਊਰਜਾ ਦੀ ਸਮਝਦਾਰੀ - ਕਿਉਂਕਿ ਹਾਂ, ਬਿਜਲੀ ਦੀ ਵਰਤੋਂ ਮਾਇਨੇ ਰੱਖਦੀ ਹੈ, ਭਾਵੇਂ ਇਹ "ਸੈਕਸੀ" ਨਾ ਹੋਵੇ (IEA: ਊਰਜਾ ਅਤੇ AI (ਕਾਰਜਕਾਰੀ ਸੰਖੇਪ))
ਇੱਕ ਮਾੜਾ ਭਵਿੱਖ "AI ਬੁਰਾਈ ਬਣ ਜਾਂਦਾ ਹੈ" ਨਹੀਂ ਹੈ। ਇਹ ਫਿਲਮੀ ਦਿਮਾਗ ਹੈ। ਇੱਕ ਮਾੜਾ ਭਵਿੱਖ ਵਧੇਰੇ ਆਮ ਹੁੰਦਾ ਹੈ - AI ਸਰਵ ਵਿਆਪਕ, ਥੋੜ੍ਹਾ ਭਰੋਸੇਯੋਗ, ਸਵਾਲ ਕਰਨਾ ਔਖਾ, ਅਤੇ ਉਹਨਾਂ ਪ੍ਰੋਤਸਾਹਨਾਂ ਦੁਆਰਾ ਨਿਯੰਤਰਿਤ ਹੋ ਜਾਂਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਲਈ ਤੁਸੀਂ ਵੋਟ ਨਹੀਂ ਪਾਈ। ਇੱਕ ਵੈਂਡਿੰਗ ਮਸ਼ੀਨ ਵਾਂਗ ਜੋ ਦੁਨੀਆ ਚਲਾਉਂਦੀ ਹੈ। ਬਹੁਤ ਵਧੀਆ।.
ਇਸ ਲਈ ਜਦੋਂ ਤੁਸੀਂ ਪੁੱਛਦੇ ਹੋ ਕਿ AI ਦਾ ਭਵਿੱਖ ਕੀ ਹੈ?,ਤਾਂ ਤਿੱਖਾ ਕੋਣ ਉਹ ਭਵਿੱਖ ਹੈ ਜਿਸਨੂੰ ਅਸੀਂ ਸਹਿਣ ਕਰਦੇ ਹਾਂ, ਅਤੇ ਜਿਸ 'ਤੇ ਅਸੀਂ ਜ਼ੋਰ ਦਿੰਦੇ ਹਾਂ।
ਤੁਲਨਾ ਸਾਰਣੀ: AI ਦੇ ਭਵਿੱਖ ਦੇ ਸਭ ਤੋਂ ਸੰਭਾਵਿਤ "ਰਸਤੇ" 📊🤝
ਇੱਥੇ ਇੱਕ ਤੇਜ਼, ਥੋੜ੍ਹੀ ਜਿਹੀ ਅਪੂਰਣ ਸਾਰਣੀ ਹੈ (ਕਿਉਂਕਿ ਜ਼ਿੰਦਗੀ ਥੋੜ੍ਹੀ ਜਿਹੀ ਅਪੂਰਣ ਹੈ) ਕਿ AI ਕਿੱਥੇ ਜਾ ਰਿਹਾ ਹੈ। ਕੀਮਤਾਂ ਜਾਣਬੁੱਝ ਕੇ ਅਸਪਸ਼ਟ ਹਨ ਕਿਉਂਕਿ... ਖੈਰ... ਕੀਮਤ ਮਾਡਲ ਮੂਡ ਸਵਿੰਗ ਵਾਂਗ ਬਦਲਦੇ ਹਨ।.
| ਵਿਕਲਪ / “ਟੂਲ ਦਿਸ਼ਾ” | (ਦਰਸ਼ਕਾਂ) ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ | ਕੀਮਤ ਦਾ ਮਾਹੌਲ | ਇਹ ਕਿਉਂ ਕੰਮ ਕਰਦਾ ਹੈ (ਅਤੇ ਇੱਕ ਛੋਟੀ ਜਿਹੀ ਚੇਤਾਵਨੀ) |
|---|---|---|---|
| ਏਆਈ ਏਜੰਟ ਜੋ ਕੰਮ ਕਰਦੇ ਹਨ 🧾 | ਟੀਮਾਂ, ਓਪਸ, ਵਿਅਸਤ ਮਨੁੱਖ | ਗਾਹਕੀ-ਰੂਪ | ਵਰਕਫਲੋ ਨੂੰ ਸਿਰੇ ਤੋਂ ਸਿਰੇ ਤੱਕ ਸਵੈਚਾਲਿਤ ਕਰਦਾ ਹੈ - ਪਰ ਜੇਕਰ ਜਾਂਚ ਨਾ ਕੀਤੀ ਗਈ ਤਾਂ ਚੀਜ਼ਾਂ ਨੂੰ ਚੁੱਪਚਾਪ ਤੋੜ ਸਕਦਾ ਹੈ... (ਸਰਵੇਖਣ: LLM-ਅਧਾਰਤ ਆਟੋਨੋਮਸ ਏਜੰਟ) |
| ਡਿਵਾਈਸ 'ਤੇ ਛੋਟਾ AI 📱 | ਗੋਪਨੀਯਤਾ-ਪਹਿਲਾਂ ਉਪਭੋਗਤਾ, ਐਜ ਡਿਵਾਈਸਾਂ | ਬੰਡਲ / ਮੁਫ਼ਤ-ਇਸ਼ | ਤੇਜ਼, ਸਸਤਾ, ਵਧੇਰੇ ਨਿੱਜੀ - ਪਰ ਕਲਾਉਡ ਜਾਇੰਟਸ ਨਾਲੋਂ ਘੱਟ ਸਮਰੱਥ ਹੋ ਸਕਦਾ ਹੈ (TinyML ਸੰਖੇਪ ਜਾਣਕਾਰੀ) |
| ਮਲਟੀਮੋਡਲ ਏਆਈ (ਟੈਕਸਟ + ਵਿਜ਼ਨ + ਆਡੀਓ) 👀🎙️ | ਸਿਰਜਣਹਾਰ, ਸਹਾਇਤਾ, ਸਿੱਖਿਆ | ਫ੍ਰੀਮੀਅਮ ਤੋਂ ਐਂਟਰਪ੍ਰਾਈਜ਼ | ਅਸਲ-ਸੰਸਾਰ ਦੇ ਸੰਦਰਭ ਨੂੰ ਬਿਹਤਰ ਢੰਗ ਨਾਲ ਸਮਝਦਾ ਹੈ - ਨਿਗਰਾਨੀ ਜੋਖਮ ਨੂੰ ਵੀ ਵਧਾਉਂਦਾ ਹੈ, ਹਾਂ (GPT-4o ਸਿਸਟਮ ਕਾਰਡ) |
| ਉਦਯੋਗ-ਵਿਸ਼ੇਸ਼ ਮਾਡਲ 🏥⚖️ | ਨਿਯਮਤ ਸੰਸਥਾਵਾਂ, ਮਾਹਰ | ਮਹਿੰਗਾ, ਮਾਫ਼ ਕਰਨਾ | ਤੰਗ ਖੇਤਰਾਂ ਵਿੱਚ ਉੱਚ ਸ਼ੁੱਧਤਾ - ਪਰ ਇਸਦੇ ਲੇਨ ਤੋਂ ਬਾਹਰ ਕਮਜ਼ੋਰ ਹੋ ਸਕਦੀ ਹੈ। |
| ਖੁੱਲ੍ਹੇ-ਡੁੱਲ੍ਹੇ ਵਾਤਾਵਰਣ 🧩 | ਡਿਵੈਲਪਰ, ਟਿੰਕਰਰ, ਸਟਾਰਟਅੱਪਸ | ਮੁਫ਼ਤ + ਕੰਪਿਊਟ | ਨਵੀਨਤਾ ਦੀ ਗਤੀ ਬਹੁਤ ਤੇਜ਼ ਹੈ - ਗੁਣਵੱਤਾ ਵੱਖ-ਵੱਖ ਹੁੰਦੀ ਹੈ, ਜਿਵੇਂ ਕਿ ਕਿਫਾਇਤੀ ਖਰੀਦਦਾਰੀ |
| ਏਆਈ ਸੁਰੱਖਿਆ + ਸ਼ਾਸਨ ਪਰਤਾਂ 🛡️ | ਉੱਦਮ, ਜਨਤਕ ਖੇਤਰ | "ਭਰੋਸੇ ਲਈ ਭੁਗਤਾਨ ਕਰੋ" | ਜੋਖਮ ਘਟਾਉਂਦਾ ਹੈ, ਆਡਿਟਿੰਗ ਜੋੜਦਾ ਹੈ - ਪਰ ਤੈਨਾਤੀ ਨੂੰ ਹੌਲੀ ਕਰਦਾ ਹੈ (ਜੋ ਕਿ ਇੱਕ ਤਰ੍ਹਾਂ ਦਾ ਮੁੱਦਾ ਹੈ) (NIST AI RMF, EU AI ਐਕਟ) |
| ਸਿੰਥੈਟਿਕ ਡਾਟਾ ਪਾਈਪਲਾਈਨਾਂ 🧪 | ਐਮਐਲ ਟੀਮਾਂ, ਉਤਪਾਦ ਨਿਰਮਾਤਾ | ਟੂਲਿੰਗ + ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਲਾਗਤਾਂ | ਹਰ ਚੀਜ਼ ਨੂੰ ਸਕ੍ਰੈਪ ਕੀਤੇ ਬਿਨਾਂ ਸਿਖਲਾਈ ਦੇਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ - ਪਰ ਲੁਕਵੇਂ ਪੱਖਪਾਤ ਨੂੰ ਵਧਾ ਸਕਦਾ ਹੈ (ਡਿਫਰੈਂਸ਼ੀਅਲਲੀ ਪ੍ਰਾਈਵੇਟ ਸਿੰਥੈਟਿਕ ਡੇਟਾ 'ਤੇ NIST) |
| ਮਨੁੱਖੀ-ਏਆਈ ਸਹਿਯੋਗ ਟੂਲ ✍️ | ਹਰ ਕੋਈ ਗਿਆਨ ਦਾ ਕੰਮ ਕਰ ਰਿਹਾ ਹੈ | ਘੱਟ ਤੋਂ ਦਰਮਿਆਨਾ | ਆਉਟਪੁੱਟ ਗੁਣਵੱਤਾ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ - ਪਰ ਜੇਕਰ ਤੁਸੀਂ ਕਦੇ ਅਭਿਆਸ ਨਹੀਂ ਕਰਦੇ ਤਾਂ ਹੁਨਰਾਂ ਨੂੰ ਕਮਜ਼ੋਰ ਕਰ ਸਕਦਾ ਹੈ (AI 'ਤੇ OECD ਅਤੇ ਹੁਨਰ ਦੀ ਮੰਗ ਵਿੱਚ ਤਬਦੀਲੀ) |
ਜੋ ਗੁੰਮ ਹੈ ਉਹ ਇੱਕ ਸਿੰਗਲ "ਜੇਤੂ" ਹੈ। ਭਵਿੱਖ ਇੱਕ ਗੁੰਝਲਦਾਰ ਮਿਸ਼ਰਣ ਹੋਵੇਗਾ। ਇੱਕ ਬੁਫੇ ਵਾਂਗ ਜਿੱਥੇ ਤੁਸੀਂ ਅੱਧੇ ਪਕਵਾਨ ਨਹੀਂ ਮੰਗੇ ਪਰ ਤੁਸੀਂ ਫਿਰ ਵੀ ਉਨ੍ਹਾਂ ਨੂੰ ਖਾ ਰਹੇ ਹੋ।.
ਨੇੜਿਓਂ ਦੇਖੋ: AI ਤੁਹਾਡਾ ਸਹਿਕਰਮੀ ਬਣ ਜਾਂਦਾ ਹੈ (ਤੁਹਾਡਾ ਰੋਬੋਟ ਨੌਕਰ ਨਹੀਂ) 🧑💻🤖
ਸਭ ਤੋਂ ਵੱਡੀਆਂ ਤਬਦੀਲੀਆਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ AI ਦਾ "ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣ" ਤੋਂ ਕੰਮ ਕਰਨ। (ਸਰਵੇਖਣ: LLM-ਅਧਾਰਤ ਆਟੋਨੋਮਸ ਏਜੰਟ)
ਇਹ ਇਸ ਤਰ੍ਹਾਂ ਦਿਖਦਾ ਹੈ:
-
ਤੁਹਾਡੇ ਸਾਰੇ ਔਜ਼ਾਰਾਂ ਵਿੱਚ ਡਰਾਫਟ ਤਿਆਰ ਕਰਨਾ, ਸੰਪਾਦਨ ਕਰਨਾ ਅਤੇ ਸੰਖੇਪ ਕਰਨਾ
-
ਗਾਹਕਾਂ ਦੇ ਸੁਨੇਹਿਆਂ ਨੂੰ ਟ੍ਰਾਈਜ ਕਰਨਾ
-
ਕੋਡ ਲਿਖਣਾ, ਫਿਰ ਇਸਦੀ ਜਾਂਚ ਕਰਨਾ, ਫਿਰ ਇਸਨੂੰ ਅੱਪਡੇਟ ਕਰਨਾ
-
ਸਮਾਂ-ਸਾਰਣੀ ਦੀ ਯੋਜਨਾ ਬਣਾਉਣਾ, ਟਿਕਟਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨਾ, ਸਿਸਟਮਾਂ ਵਿਚਕਾਰ ਜਾਣਕਾਰੀ ਨੂੰ ਤਬਦੀਲ ਕਰਨਾ
-
ਡੈਸ਼ਬੋਰਡਾਂ ਨੂੰ ਦੇਖਣਾ ਅਤੇ ਫੈਸਲੇ ਲੈਣੇ
ਪਰ ਇੱਥੇ ਮਨੁੱਖੀ ਸੱਚਾਈ ਹੈ: ਸਭ ਤੋਂ ਵਧੀਆ AI ਸਹਿਕਰਮੀ ਜਾਦੂ ਵਰਗਾ ਮਹਿਸੂਸ ਨਹੀਂ ਕਰੇਗਾ। ਇਹ ਇਸ ਤਰ੍ਹਾਂ ਮਹਿਸੂਸ ਹੋਵੇਗਾ:
-
ਇੱਕ ਯੋਗ ਸਹਾਇਕ ਜੋ ਕਈ ਵਾਰ ਅਜੀਬ ਤਰ੍ਹਾਂ ਦਾ ਸ਼ਾਬਦਿਕ ਹੁੰਦਾ ਹੈ
-
ਬੋਰਿੰਗ ਕੰਮਾਂ ਵਿੱਚ ਤੇਜ਼
-
ਕਈ ਵਾਰ ਆਤਮਵਿਸ਼ਵਾਸੀ ਜਦੋਂ ਕਿ ਗਲਤ (ਉਫ਼) (ਸਰਵੇਖਣ: ਐਲਐਲਐਮ ਵਿੱਚ ਭਰਮ)
-
ਅਤੇ ਇਹ ਇਸ ਗੱਲ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ ਕਿ ਤੁਸੀਂ ਇਸਨੂੰ ਕਿਵੇਂ ਸੈੱਟ ਕਰਦੇ ਹੋ
ਕੰਮ ਵਾਲੀ ਥਾਂ 'ਤੇ AI ਦਾ ਭਵਿੱਖ "AI ਸਾਰਿਆਂ ਦੀ ਥਾਂ ਲੈਂਦਾ ਹੈ" ਘੱਟ ਅਤੇ "AI ਕੰਮ ਨੂੰ ਪੈਕ ਕਰਨ ਦੇ ਤਰੀਕੇ ਨੂੰ ਬਦਲਦਾ ਹੈ" ਜ਼ਿਆਦਾ ਹੋਵੇਗਾ। ਤੁਸੀਂ ਦੇਖੋਗੇ:
-
ਘੱਟ ਸ਼ੁੱਧ ਐਂਟਰੀ-ਲੈਵਲ "ਗਰੰਟ" ਭੂਮਿਕਾਵਾਂ
-
ਹੋਰ ਹਾਈਬ੍ਰਿਡ ਭੂਮਿਕਾਵਾਂ ਜੋ ਨਿਗਰਾਨੀ + ਰਣਨੀਤੀ + ਟੂਲ ਵਰਤੋਂ ਨੂੰ ਮਿਲਾਉਂਦੀਆਂ ਹਨ
-
ਨਿਰਣੇ, ਸੁਆਦ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰੀ 'ਤੇ ਜ਼ਿਆਦਾ ਜ਼ੋਰ
ਇਹ ਹਰ ਕਿਸੇ ਨੂੰ ਇੱਕ ਪਾਵਰ ਟੂਲ ਦੇਣ ਵਰਗਾ ਹੈ। ਹਰ ਕੋਈ ਤਰਖਾਣ ਨਹੀਂ ਬਣਦਾ, ਪਰ ਹਰ ਕਿਸੇ ਦੀ ਨੌਕਰੀ ਵਾਲੀ ਥਾਂ ਬਦਲ ਜਾਂਦੀ ਹੈ।.
ਨਜ਼ਦੀਕੀ ਝਲਕ: ਛੋਟੇ AI ਮਾਡਲ ਅਤੇ ਡਿਵਾਈਸ 'ਤੇ ਇੰਟੈਲੀਜੈਂਸ 📱⚡
ਹਰ ਚੀਜ਼ ਵਿਸ਼ਾਲ ਕਲਾਉਡ ਬ੍ਰੇਨ ਨਹੀਂ ਹੋਵੇਗੀ। AI ਦਾ ਭਵਿੱਖ ਕੀ ਹੈ? ਕੀ AI ਛੋਟਾ, ਸਸਤਾ, ਅਤੇ ਤੁਹਾਡੇ ਸਥਾਨ ਦੇ ਨੇੜੇ ਹੋ ਰਿਹਾ ਹੈ। (TinyML ਸੰਖੇਪ ਜਾਣਕਾਰੀ)
ਡਿਵਾਈਸ 'ਤੇ AI ਦਾ ਅਰਥ ਹੈ:
-
ਤੇਜ਼ ਜਵਾਬ (ਘੱਟ ਉਡੀਕ)
-
ਵਧੇਰੇ ਗੋਪਨੀਯਤਾ ਸੰਭਾਵਨਾ (ਡੇਟਾ ਸਥਾਨਕ ਰਹਿੰਦਾ ਹੈ)
-
ਇੰਟਰਨੈੱਟ ਪਹੁੰਚ 'ਤੇ ਘੱਟ ਨਿਰਭਰਤਾ
-
ਹੋਰ ਨਿੱਜੀਕਰਨ ਜਿਸ ਲਈ ਤੁਹਾਡੀ ਪੂਰੀ ਜ਼ਿੰਦਗੀ ਸਰਵਰ ਤੇ ਭੇਜਣ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ
ਅਤੇ ਹਾਂ, ਕੁਝ ਬਦਲਾਵ ਵੀ ਹਨ:
-
ਛੋਟੇ ਮਾਡਲ ਗੁੰਝਲਦਾਰ ਤਰਕ ਨਾਲ ਸੰਘਰਸ਼ ਕਰ ਸਕਦੇ ਹਨ
-
ਅੱਪਡੇਟ ਹੌਲੀ ਹੋ ਸਕਦੇ ਹਨ
-
ਡਿਵਾਈਸ ਸੀਮਾਵਾਂ ਮਾਇਨੇ ਰੱਖਦੀਆਂ ਹਨ
ਫਿਰ ਵੀ, ਇਸ ਦਿਸ਼ਾ ਨੂੰ ਘੱਟ ਸਮਝਿਆ ਜਾਂਦਾ ਹੈ। ਇਹ "AI ਇੱਕ ਵੈੱਬਸਾਈਟ ਹੈ ਜਿਸ 'ਤੇ ਤੁਸੀਂ ਜਾਂਦੇ ਹੋ" ਅਤੇ "AI ਇੱਕ ਵਿਸ਼ੇਸ਼ਤਾ ਹੈ ਜਿਸ 'ਤੇ ਤੁਹਾਡੀ ਜ਼ਿੰਦਗੀ ਚੁੱਪਚਾਪ ਨਿਰਭਰ ਕਰਦੀ ਹੈ" ਵਿੱਚ ਅੰਤਰ ਹੈ। ਆਟੋਕਰੈਕਟ ਵਾਂਗ, ਪਰ... ਵਧੇਰੇ ਸਮਝਦਾਰ। ਅਤੇ ਉਮੀਦ ਹੈ ਕਿ ਤੁਹਾਡੇ ਸਭ ਤੋਂ ਚੰਗੇ ਦੋਸਤ ਦੇ ਨਾਮ ਬਾਰੇ ਘੱਟ ਗਲਤੀ ਹੋਵੇਗੀ 😵
ਨੇੜਿਓਂ ਦੇਖੋ: ਮਲਟੀਮੋਡਲ AI - ਜਦੋਂ AI ਦੇਖ, ਸੁਣ ਅਤੇ ਵਿਆਖਿਆ ਕਰ ਸਕਦਾ ਹੈ 🧠👀🎧
ਟੈਕਸਟ-ਓਨਲੀ AI ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੈ, ਪਰ ਮਲਟੀਮੋਡਲ AI ਗੇਮ ਨੂੰ ਬਦਲਦਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਵਿਆਖਿਆ ਕਰ ਸਕਦਾ ਹੈ:
-
ਤਸਵੀਰਾਂ (ਸਕ੍ਰੀਨਸ਼ਾਟ, ਡਾਇਗ੍ਰਾਮ, ਉਤਪਾਦ ਫੋਟੋਆਂ)
-
ਆਡੀਓ (ਮੀਟਿੰਗਾਂ, ਕਾਲਾਂ, ਅੰਬੀਨਟ ਸੰਕੇਤ)
-
ਵੀਡੀਓ (ਪ੍ਰਕਿਰਿਆਵਾਂ, ਹਰਕਤਾਂ, ਘਟਨਾਵਾਂ)
-
ਅਤੇ ਮਿਸ਼ਰਤ ਸੰਦਰਭ (ਜਿਵੇਂ ਕਿ "ਇਸ ਫਾਰਮ ਅਤੇ ਇਸ ਗਲਤੀ ਸੁਨੇਹੇ ਵਿੱਚ ਕੀ ਗਲਤ ਹੈ") (GPT-4o ਸਿਸਟਮ ਕਾਰਡ)
ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ AI ਮਨੁੱਖਾਂ ਨੂੰ ਦੁਨੀਆਂ ਪ੍ਰਤੀ ਕਿਵੇਂ ਸਮਝਦਾ ਹੈ, ਉਸ ਦੇ ਨੇੜੇ ਜਾਂਦਾ ਹੈ। ਜੋ ਕਿ ਦਿਲਚਸਪ ਹੈ... ਅਤੇ ਥੋੜ੍ਹਾ ਡਰਾਉਣਾ ਵੀ।.
ਉਲਟਾ:
-
ਬਿਹਤਰ ਟਿਊਸ਼ਨ ਅਤੇ ਪਹੁੰਚਯੋਗਤਾ ਸਾਧਨ
-
ਬਿਹਤਰ ਮੈਡੀਕਲ ਟ੍ਰਾਈਏਜ ਸਹਾਇਤਾ (ਸਖਤ ਸੁਰੱਖਿਆ ਉਪਾਵਾਂ ਦੇ ਨਾਲ)
-
ਵਧੇਰੇ ਕੁਦਰਤੀ ਇੰਟਰਫੇਸ
-
ਘੱਟ "ਸ਼ਬਦਾਂ ਵਿੱਚ ਸਮਝਾਓ" ਵਾਲੀਆਂ ਰੁਕਾਵਟਾਂ
ਨੁਕਸਾਨ:
-
ਨਿਗਰਾਨੀ ਆਸਾਨ ਹੋ ਜਾਂਦੀ ਹੈ
-
ਗਲਤ ਜਾਣਕਾਰੀ ਹੋਰ ਵੀ ਯਕੀਨਨ ਹੋ ਜਾਂਦੀ ਹੈ
-
ਨਿੱਜੀ ਅਤੇ ਜਨਤਕ ਵਿਚਕਾਰ ਸੀਮਾ ਧੁੰਦਲੀ ਹੁੰਦੀ ਜਾ ਰਹੀ ਹੈ (NIST: ਸਿੰਥੈਟਿਕ ਸਮੱਗਰੀ ਦੁਆਰਾ ਪੈਦਾ ਕੀਤੇ ਗਏ ਜੋਖਮਾਂ ਨੂੰ ਘਟਾਉਣਾ)
ਇਹ ਉਹ ਹਿੱਸਾ ਹੈ ਜਿੱਥੇ ਸਮਾਜ ਨੂੰ ਇਹ ਫੈਸਲਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ ਕਿ ਕੀ ਸਹੂਲਤ ਵਪਾਰ ਦੇ ਯੋਗ ਹੈ। ਅਤੇ ਸਮਾਜ, ਇਤਿਹਾਸਕ ਤੌਰ 'ਤੇ, ਲੰਬੇ ਸਮੇਂ ਦੀ ਸੋਚ ਵਿੱਚ ਵਧੀਆ ਨਹੀਂ ਹੈ। ਅਸੀਂ ਜ਼ਿਆਦਾ ਪਸੰਦ ਕਰਦੇ ਹਾਂ - ਓਹ ਚਮਕਦਾਰ! 😬✨
ਭਰੋਸੇ ਦੀ ਸਮੱਸਿਆ: ਸੁਰੱਖਿਆ, ਸ਼ਾਸਨ, ਅਤੇ "ਸਬੂਤ" 🛡️🧾
ਇੱਥੇ ਇੱਕ ਸਪੱਸ਼ਟ ਗੱਲ ਹੈ: AI ਦਾ ਭਵਿੱਖ ਵਿਸ਼ਵਾਸ। (NIST AI ਜੋਖਮ ਪ੍ਰਬੰਧਨ ਫਰੇਮਵਰਕ 1.0)
ਕਿਉਂਕਿ ਜਦੋਂ AI ਛੂੰਹਦਾ ਹੈ:
-
ਭਰਤੀ
-
ਉਧਾਰ ਦੇਣਾ
-
ਸਿਹਤ ਮਾਰਗਦਰਸ਼ਨ
-
ਕਾਨੂੰਨੀ ਫੈਸਲੇ
-
ਸਿੱਖਿਆ ਦੇ ਨਤੀਜੇ
-
ਸੁਰੱਖਿਆ ਪ੍ਰਣਾਲੀਆਂ
-
ਜਨਤਕ ਸੇਵਾਵਾਂ
…ਤੁਸੀਂ ਸਿਰਫ਼ ਮੋਢੇ ਨਹੀਂ ਚੁੱਕ ਕੇ ਇਹ ਨਹੀਂ ਕਹਿ ਸਕਦੇ ਕਿ "ਮਾਡਲ ਭਰਮ ਵਿੱਚ ਹੈ।" ਇਹ ਸਵੀਕਾਰਯੋਗ ਨਹੀਂ ਹੈ। (EU AI ਐਕਟ: ਰੈਗੂਲੇਸ਼ਨ (EU) 2024/1689)
ਤਾਂ ਅਸੀਂ ਹੋਰ ਦੇਖਾਂਗੇ:
-
ਆਡਿਟ (ਮਾਡਲ ਵਿਵਹਾਰ ਟੈਸਟਿੰਗ)
-
ਪਹੁੰਚ ਨਿਯੰਤਰਣ (ਕੌਣ ਕੀ ਕਰ ਸਕਦਾ ਹੈ)
-
ਨਿਗਰਾਨੀ (ਦੁਰਵਰਤੋਂ ਅਤੇ ਵਹਾਅ ਲਈ)
-
ਵਿਆਖਿਆਯੋਗਤਾ ਪਰਤਾਂ (ਸੰਪੂਰਨ ਨਹੀਂ, ਪਰ ਕੁਝ ਵੀ ਨਾ ਹੋਣ ਨਾਲੋਂ ਬਿਹਤਰ)
-
ਮਨੁੱਖੀ ਸਮੀਖਿਆ ਪਾਈਪਲਾਈਨਾਂ ਜਿੱਥੇ ਇਹ ਸਭ ਤੋਂ ਵੱਧ ਮਾਇਨੇ ਰੱਖਦੀਆਂ ਹਨ (NIST AI RMF)
ਅਤੇ ਹਾਂ, ਕੁਝ ਲੋਕ ਸ਼ਿਕਾਇਤ ਕਰਨਗੇ ਕਿ ਇਹ ਨਵੀਨਤਾ ਨੂੰ ਹੌਲੀ ਕਰਦਾ ਹੈ। ਪਰ ਇਹ ਸੀਟਬੈਲਟਾਂ ਦੀ ਸ਼ਿਕਾਇਤ ਕਰਨ ਵਾਂਗ ਹੈ ਕਿ ਡਰਾਈਵਿੰਗ ਹੌਲੀ ਹੋ ਜਾਂਦੀ ਹੈ। ਤਕਨੀਕੀ ਤੌਰ 'ਤੇ... ਬਿਲਕੁਲ... ਪਰ ਆਓ।.
ਨੌਕਰੀਆਂ ਅਤੇ ਹੁਨਰ: ਅਜੀਬ ਵਿਚਕਾਰਲਾ ਪੜਾਅ (ਜਿਸਨੂੰ ਹੁਣ ਊਰਜਾ ਕਿਹਾ ਜਾਂਦਾ ਹੈ) 💼😵💫
ਬਹੁਤ ਸਾਰੇ ਲੋਕ ਇਸ ਬਾਰੇ ਇੱਕ ਸਾਫ਼ ਜਵਾਬ ਚਾਹੁੰਦੇ ਹਨ ਕਿ ਕੀ AI ਉਨ੍ਹਾਂ ਦਾ ਕੰਮ ਲੈਂਦਾ ਹੈ।.
ਸਿੱਧਾ ਜਵਾਬ ਇਹ ਹੈ: AI ਬਦਲ , ਅਤੇ ਕੁਝ ਭੂਮਿਕਾਵਾਂ ਲਈ, ਉਹ ਤਬਦੀਲੀ ਬਦਲ ਵਾਂਗ ਮਹਿਸੂਸ ਹੋਵੇਗੀ ਭਾਵੇਂ ਇਹ ਤਕਨੀਕੀ ਤੌਰ 'ਤੇ "ਪੁਨਰਗਠਨ" ਹੋਵੇ। (ਇਹ ਕਾਰਪੋਰੇਟ-ਭਾਸ਼ਾ ਹੈ, ਅਤੇ ਇਸਦਾ ਸੁਆਦ ਗੱਤੇ ਵਰਗਾ ਹੈ।) (ILO ਵਰਕਿੰਗ ਪੇਪਰ: ਜਨਰੇਟਿਵ AI ਅਤੇ ਨੌਕਰੀਆਂ)
ਤੁਸੀਂ ਤਿੰਨ ਪੈਟਰਨ ਵੇਖੋਗੇ:
1) ਟਾਸਕ ਕੰਪਰੈਸ਼ਨ
ਇੱਕ ਭੂਮਿਕਾ ਜੋ ਪਹਿਲਾਂ 5 ਲੋਕਾਂ ਨੂੰ ਮਿਲਦੀ ਸੀ ਹੁਣ 2 ਲੋਕਾਂ ਨੂੰ ਮਿਲਦੀ ਹੈ, ਕਿਉਂਕਿ AI ਦੁਹਰਾਉਣ ਵਾਲੇ ਕੰਮਾਂ ਨੂੰ ਸਮੇਟ ਦਿੰਦਾ ਹੈ। (ILO ਵਰਕਿੰਗ ਪੇਪਰ: ਜਨਰੇਟਿਵ AI ਅਤੇ ਨੌਕਰੀਆਂ)
2) ਨਵੇਂ ਹਾਈਬ੍ਰਿਡ ਰੋਲ
ਜੋ ਲੋਕ AI ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਨਿਰਦੇਸ਼ਤ ਕਰ ਸਕਦੇ ਹਨ ਉਹ ਮਲਟੀਪਲਾਇਰ ਬਣ ਜਾਂਦੇ ਹਨ। ਇਸ ਲਈ ਨਹੀਂ ਕਿ ਉਹ ਪ੍ਰਤਿਭਾਵਾਨ ਹਨ, ਪਰ ਇਸ ਲਈ ਕਿਉਂਕਿ ਉਹ ਕਰ ਸਕਦੇ ਹਨ:
-
ਨਤੀਜਿਆਂ ਨੂੰ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਦੱਸੋ
-
ਨਤੀਜਿਆਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ
-
ਗਲਤੀਆਂ ਫੜੋ
-
ਡੋਮੇਨ ਨਿਰਣਾ ਲਾਗੂ ਕਰੋ
-
ਅਤੇ ਨਤੀਜਿਆਂ ਨੂੰ ਸਮਝੋ
3) ਹੁਨਰ ਧਰੁਵੀਕਰਨ
ਜਿਹੜੇ ਅਨੁਕੂਲ ਹੁੰਦੇ ਹਨ ਉਹ ਲਾਭ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ। ਜੋ ਨਹੀਂ ਕਰਦੇ... ਉਹ ਦਬਾਏ ਜਾਂਦੇ ਹਨ। ਮੈਨੂੰ ਇਹ ਕਹਿਣਾ ਨਫ਼ਰਤ ਹੈ, ਪਰ ਇਹ ਅਸਲ ਹੈ। (ਏਆਈ ਅਤੇ ਬਦਲਦੇ ਹੁਨਰ ਦੀ ਮੰਗ 'ਤੇ ਓਈਸੀਡੀ)
ਵਿਹਾਰਕ ਹੁਨਰ ਜੋ ਵਧੇਰੇ ਕੀਮਤੀ ਹੋ ਜਾਂਦੇ ਹਨ:
-
ਸਮੱਸਿਆ ਦਾ ਹੱਲ (ਟੀਚੇ ਨੂੰ ਸਾਫ਼-ਸਾਫ਼ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨਾ)
-
ਸੰਚਾਰ (ਹਾਂ, ਫਿਰ ਵੀ)
-
QA ਮਾਨਸਿਕਤਾ (ਮਸਲਿਆਂ ਨੂੰ ਪਛਾਣਨਾ, ਆਉਟਪੁੱਟ ਦੀ ਜਾਂਚ)
-
ਨੈਤਿਕ ਤਰਕ ਅਤੇ ਜੋਖਮ ਜਾਗਰੂਕਤਾ
-
ਡੋਮੇਨ ਮੁਹਾਰਤ - ਅਸਲ, ਜ਼ਮੀਨੀ ਗਿਆਨ
-
ਦੂਜਿਆਂ ਨੂੰ ਸਿਖਾਉਣ ਅਤੇ ਸਿਸਟਮ ਬਣਾਉਣ ਦੀ ਯੋਗਤਾ (ਏਆਈ 'ਤੇ ਓਈਸੀਡੀ ਅਤੇ ਹੁਨਰ ਦੀ ਮੰਗ ਵਿੱਚ ਤਬਦੀਲੀ)
ਭਵਿੱਖ ਉਨ੍ਹਾਂ ਲੋਕਾਂ ਦਾ ਪੱਖ ਪੂਰਦਾ ਹੈ ਜੋ ਸਿਰਫ਼ ਕੰਮ ਹੀ ਨਹੀਂ, ਸਗੋਂ ਅਗਵਾਈ ਵੀ ਕਰ ਸਕਦੇ ਹਨ ।
ਕਾਰੋਬਾਰੀ ਭਵਿੱਖ: AI ਏਮਬੈਡਡ, ਬੰਡਲਡ, ਅਤੇ ਚੁੱਪਚਾਪ ਏਕਾਧਿਕਾਰ ਬਣ ਜਾਂਦਾ ਹੈ 🧩💰
ਏਆਈ ਦਾ ਭਵਿੱਖ ਕੀ ਹੈ? ਦਾ ਇੱਕ ਸੂਖਮ ਹਿੱਸਾ ਇਹ ਹੈ ਕਿ ਏਆਈ ਨੂੰ ਕਿਵੇਂ ਵੇਚਿਆ ਜਾਵੇਗਾ।
ਜ਼ਿਆਦਾਤਰ ਉਪਭੋਗਤਾ "AI ਨਹੀਂ ਖਰੀਦਣਗੇ।" ਉਹ ਖਰੀਦਣਗੇ:
-
ਸਾਫਟਵੇਅਰ ਜਿਸ ਵਿੱਚ AI ਸ਼ਾਮਲ ਹੈ
-
ਪਲੇਟਫਾਰਮ ਜਿੱਥੇ AI ਇੱਕ ਵਿਸ਼ੇਸ਼ਤਾ ਹੈ
-
ਉਹ ਡਿਵਾਈਸਾਂ ਜਿੱਥੇ AI ਪਹਿਲਾਂ ਤੋਂ ਲੋਡ ਹੁੰਦਾ ਹੈ
-
ਸੇਵਾਵਾਂ ਜਿੱਥੇ AI ਲਾਗਤ ਘਟਾਉਂਦਾ ਹੈ (ਅਤੇ ਉਹ ਤੁਹਾਨੂੰ ਦੱਸ ਵੀ ਨਹੀਂ ਸਕਦੇ)
ਕੰਪਨੀਆਂ ਹੇਠ ਲਿਖੇ ਵਿਸ਼ਿਆਂ 'ਤੇ ਮੁਕਾਬਲਾ ਕਰਨਗੀਆਂ:
-
ਭਰੋਸੇਯੋਗਤਾ
-
ਏਕੀਕਰਨ
-
ਡਾਟਾ ਪਹੁੰਚ
-
ਗਤੀ
-
ਸੁਰੱਖਿਆ
-
ਅਤੇ ਬ੍ਰਾਂਡ ਟਰੱਸਟ (ਜੋ ਕਿ ਉਦੋਂ ਤੱਕ ਨਰਮ ਲੱਗਦਾ ਹੈ ਜਦੋਂ ਤੱਕ ਤੁਸੀਂ ਇੱਕ ਵਾਰ ਸੜ ਨਹੀਂ ਜਾਂਦੇ)
ਇਸ ਤੋਂ ਇਲਾਵਾ, ਹੋਰ "AI ਮਹਿੰਗਾਈ" ਦੀ ਉਮੀਦ ਕਰੋ - ਜਿੱਥੇ ਹਰ ਚੀਜ਼ AI-ਸੰਚਾਲਿਤ ਹੋਣ ਦਾ ਦਾਅਵਾ ਕਰਦੀ ਹੈ, ਭਾਵੇਂ ਇਹ ਮੂਲ ਰੂਪ ਵਿੱਚ ਇੱਕ ਫੈਂਸੀ ਟੋਪੀ ਪਹਿਨ ਕੇ ਸਵੈ-ਸੰਪੂਰਨ ਹੋਵੇ 🎩🤖
ਇਸਦਾ ਰੋਜ਼ਾਨਾ ਜੀਵਨ ਲਈ ਕੀ ਅਰਥ ਹੈ - ਸ਼ਾਂਤ, ਨਿੱਜੀ ਤਬਦੀਲੀਆਂ 🏡📲
ਰੋਜ਼ਾਨਾ ਜ਼ਿੰਦਗੀ ਵਿੱਚ, ਏਆਈ ਦਾ ਭਵਿੱਖ ਘੱਟ ਨਾਟਕੀ ਪਰ ਵਧੇਰੇ ਨਜ਼ਦੀਕੀ ਲੱਗਦਾ ਹੈ:
-
ਨਿੱਜੀ ਸਹਾਇਕ ਜੋ ਸੰਦਰਭ ਯਾਦ ਰੱਖਦੇ ਹਨ
-
ਸਿਹਤ ਸੰਬੰਧੀ ਰੁਕਾਵਟਾਂ (ਨੀਂਦ, ਭੋਜਨ, ਤਣਾਅ) ਜੋ ਮੂਡ ਦੇ ਆਧਾਰ 'ਤੇ ਸਹਾਇਕ ਜਾਂ ਤੰਗ ਕਰਨ ਵਾਲੀਆਂ ਮਹਿਸੂਸ ਹੁੰਦੀਆਂ ਹਨ
-
ਤੁਹਾਡੀ ਗਤੀ ਦੇ ਅਨੁਕੂਲ ਸਿੱਖਿਆ ਸਹਾਇਤਾ
-
ਖਰੀਦਦਾਰੀ ਅਤੇ ਯੋਜਨਾਬੰਦੀ ਜੋ ਫੈਸਲੇ ਲੈਣ ਦੀ ਥਕਾਵਟ ਨੂੰ ਘਟਾਉਂਦੀ ਹੈ
-
ਸਮੱਗਰੀ ਫਿਲਟਰ ਜੋ ਇਹ ਫੈਸਲਾ ਕਰਦੇ ਹਨ ਕਿ ਤੁਸੀਂ ਕੀ ਦੇਖਦੇ ਹੋ ਅਤੇ ਕੀ ਨਹੀਂ ਦੇਖਦੇ (ਵੱਡੀ ਗੱਲ)
-
ਡਿਜੀਟਲ ਪਛਾਣ ਚੁਣੌਤੀਆਂ ਕਿਉਂਕਿ ਨਕਲੀ ਮੀਡੀਆ ਤਿਆਰ ਕਰਨਾ ਆਸਾਨ ਹੋ ਜਾਂਦਾ ਹੈ (NIST: ਸਿੰਥੈਟਿਕ ਸਮੱਗਰੀ ਦੁਆਰਾ ਪੈਦਾ ਕੀਤੇ ਗਏ ਜੋਖਮਾਂ ਨੂੰ ਘਟਾਉਣਾ)
ਭਾਵਨਾਤਮਕ ਪ੍ਰਭਾਵ ਵੀ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ। ਜੇਕਰ AI ਇੱਕ ਡਿਫਾਲਟ ਸਾਥੀ ਬਣ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਕੁਝ ਲੋਕ ਘੱਟ ਅਲੱਗ-ਥਲੱਗ ਮਹਿਸੂਸ ਕਰਨਗੇ। ਕੁਝ ਹੇਰਾਫੇਰੀ ਮਹਿਸੂਸ ਕਰਨਗੇ। ਕੁਝ ਇੱਕੋ ਹਫ਼ਤੇ ਦੋਵੇਂ ਮਹਿਸੂਸ ਕਰਨਗੇ।.
ਮੇਰਾ ਅੰਦਾਜ਼ਾ ਹੈ ਕਿ ਮੈਂ ਇਹ ਕਹਿ ਰਿਹਾ ਹਾਂ ਕਿ - ਏਆਈ ਦਾ ਭਵਿੱਖ ਸਿਰਫ਼ ਇੱਕ ਤਕਨੀਕੀ ਕਹਾਣੀ ਨਹੀਂ ਹੈ। ਇਹ ਇੱਕ ਰਿਸ਼ਤੇ ਦੀ ਕਹਾਣੀ ਹੈ। ਅਤੇ ਰਿਸ਼ਤੇ ਗੁੰਝਲਦਾਰ ਹੁੰਦੇ ਹਨ... ਭਾਵੇਂ ਇੱਕ ਪਾਸਾ ਕੋਡ ਹੋਵੇ।.
"AI ਦਾ ਭਵਿੱਖ ਕੀ ਹੈ?" ਬਾਰੇ ਸਮਾਪਤੀ ਸਾਰ 🧠✅
ਏਆਈ ਦਾ ਭਵਿੱਖ ਇੱਕ ਅੰਤਮ ਬਿੰਦੂ ਨਹੀਂ ਹੈ। ਇਹ ਟ੍ਰੈਜੈਕਟਰੀਆਂ ਦਾ ਇੱਕ ਸਮੂਹ ਹੈ:
-
ਏਆਈ ਇੱਕ ਸਹਿਕਰਮੀ ਜੋ ਸਿਰਫ਼ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਨਹੀਂ ਦਿੰਦਾ, ਸਗੋਂ ਕਾਰਜਾਂ ਨੂੰ ਪੂਰਾ ਕਰਦਾ ਹੈ 🤝 (ਸਰਵੇਖਣ: ਐਲਐਲਐਮ-ਅਧਾਰਤ ਆਟੋਨੋਮਸ ਏਜੰਟ)
-
ਛੋਟੇ ਮਾਡਲ ਡਿਵਾਈਸਾਂ 'ਤੇ AI ਨੂੰ ਧੱਕਦੇ ਹਨ, ਇਸਨੂੰ ਤੇਜ਼ ਅਤੇ ਵਧੇਰੇ ਨਿੱਜੀ 📱 (TinyML ਸੰਖੇਪ ਜਾਣਕਾਰੀ)
-
ਮਲਟੀਮੋਡਲ ਏਆਈ ਸਿਸਟਮਾਂ ਨੂੰ ਅਸਲ-ਸੰਸਾਰ ਸੰਦਰਭ ਬਾਰੇ ਵਧੇਰੇ ਜਾਣੂ 👀 (GPT-4o ਸਿਸਟਮ ਕਾਰਡ)
-
ਵਿਸ਼ਵਾਸ, ਸ਼ਾਸਨ, ਅਤੇ ਸੁਰੱਖਿਆ ਕੇਂਦਰੀ ਬਣ ਜਾਂਦੇ ਹਨ - ਵਿਕਲਪਿਕ ਨਹੀਂ 🛡️ (NIST AI RMF, EU AI ਐਕਟ)
-
ਨੌਕਰੀਆਂ ਨਿਰਣੇ, ਨਿਗਰਾਨੀ ਅਤੇ ਸਮੱਸਿਆ-ਫਰੇਮਿੰਗ 💼 (ILO ਵਰਕਿੰਗ ਪੇਪਰ: ਜਨਰੇਟਿਵ AI ਅਤੇ ਨੌਕਰੀਆਂ)
-
AI ਉਤਪਾਦਾਂ ਵਿੱਚ ਉਦੋਂ ਤੱਕ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਤੱਕ ਇਹ ਪਿਛੋਕੜ ਵਾਲੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਵਰਗਾ ਮਹਿਸੂਸ ਨਹੀਂ ਹੁੰਦਾ 🏗️
ਅਤੇ ਫੈਸਲਾਕੁੰਨ ਕਾਰਕ ਕੱਚੀ ਬੁੱਧੀ ਨਹੀਂ ਹੈ। ਇਹ ਇਸ ਗੱਲ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ ਕਿ ਕੀ ਅਸੀਂ ਇੱਕ ਅਜਿਹਾ ਭਵਿੱਖ ਬਣਾਉਂਦੇ ਹਾਂ ਜਿੱਥੇ AI ਹੋਵੇ:
-
ਜਵਾਬਦੇਹ
-
ਸਮਝਣ ਯੋਗ
-
ਮਨੁੱਖੀ ਕਦਰਾਂ-ਕੀਮਤਾਂ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ
-
ਅਤੇ ਨਿਰਪੱਖਤਾ ਨਾਲ ਵੰਡਿਆ ਗਿਆ (ਸਿਰਫ ਪਹਿਲਾਂ ਤੋਂ ਹੀ ਸ਼ਕਤੀਸ਼ਾਲੀ ਲੋਕਾਂ ਨੂੰ ਨਹੀਂ) (OECD AI ਸਿਧਾਂਤ)
ਤਾਂ ਜਦੋਂ ਤੁਸੀਂ ਪੁੱਛਦੇ ਹੋ ਕਿ AI ਦਾ ਭਵਿੱਖ ਕੀ ਹੈ?... ਤਾਂ ਸਭ ਤੋਂ ਠੋਸ ਜਵਾਬ ਹੈ: ਇਹ ਉਹ ਭਵਿੱਖ ਹੈ ਜਿਸਨੂੰ ਅਸੀਂ ਸਰਗਰਮੀ ਨਾਲ ਆਕਾਰ ਦਿੰਦੇ ਹਾਂ। ਜਾਂ ਜਿਸ ਵਿੱਚ ਅਸੀਂ ਨੀਂਦ ਵਿੱਚ ਚੱਲਦੇ ਹਾਂ। ਆਓ ਪਹਿਲੇ ਵਾਲੇ ਲਈ ਟੀਚਾ ਰੱਖੀਏ 😅
ਅਸਲ-ਸੰਸਾਰ ਦੀ ਉਦਾਹਰਣ: ਗਾਹਕ ਸਹਾਇਤਾ ਟ੍ਰਾਈਏਜ ਲਈ ਇੱਕ AI ਸਹਿਕਰਮੀ ਬਣਾਉਣਾ 🤝📩
ਦ੍ਰਿਸ਼
ਇੱਕ ਛੋਟੀ ਜਿਹੀ SaaS ਕੰਪਨੀ ਦੀ ਕਲਪਨਾ ਕਰੋ ਜਿਸਦੀ ਪੰਜ-ਵਿਅਕਤੀਆਂ ਦੀ ਸਹਾਇਤਾ ਟੀਮ ਹੈ। ਉਹਨਾਂ ਨੂੰ ਈਮੇਲ, ਲਾਈਵ ਚੈਟ, ਅਤੇ ਇੱਕ ਹੈਲਪਡੈਸਕ ਟੂਲ ਰਾਹੀਂ ਪ੍ਰਤੀ ਦਿਨ ਲਗਭਗ 120 ਗਾਹਕ ਸੁਨੇਹੇ ਪ੍ਰਾਪਤ ਹੁੰਦੇ ਹਨ।.
ਏਆਈ ਤੋਂ ਪਹਿਲਾਂ, ਪਹਿਲਾ ਸਹਾਇਤਾ ਏਜੰਟ ਹਰ ਸਵੇਰ ਟਿਕਟਾਂ ਨੂੰ ਸ਼੍ਰੇਣੀਆਂ ਵਿੱਚ ਛਾਂਟਣ ਵਿੱਚ 60-90 ਮਿੰਟ ਬਿਤਾਉਂਦਾ ਹੈ: ਬਿਲਿੰਗ, ਲੌਗਇਨ ਮੁੱਦੇ, ਬੱਗ, ਵਿਸ਼ੇਸ਼ਤਾ ਬੇਨਤੀਆਂ, ਰੱਦ ਕਰਨਾ, ਅਤੇ ਜ਼ਰੂਰੀ ਖਾਤਾ ਸਮੱਸਿਆਵਾਂ। ਇਹ ਛਾਂਟੀ ਕਰਨਾ ਔਖਾ ਹੈ, ਪਰ ਇਹ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ। ਜੇਕਰ ਕੋਈ ਬਿਲਿੰਗ ਵਿਵਾਦ ਜਾਂ ਸੁਰੱਖਿਆ-ਸਬੰਧਤ ਲੌਗਇਨ ਮੁੱਦਾ ਖੁੰਝ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਕੰਪਨੀ ਤੇਜ਼ੀ ਨਾਲ ਵਿਸ਼ਵਾਸ ਗੁਆ ਸਕਦੀ ਹੈ।.
ਇਸ ਲਈ ਟੀਮ ਇੱਕ ਸਧਾਰਨ AI ਟ੍ਰਾਈਏਜ ਸਹਾਇਕ ਬਣਾਉਂਦੀ ਹੈ। ਇਹ ਗਾਹਕਾਂ ਨੂੰ ਆਪਣੇ ਆਪ ਜਵਾਬ ਨਹੀਂ ਦਿੰਦਾ। ਇਸਦਾ ਕੰਮ ਛੋਟਾ ਹੈ: ਆਉਣ ਵਾਲੀਆਂ ਟਿਕਟਾਂ ਨੂੰ ਪੜ੍ਹੋ, ਉਹਨਾਂ ਨੂੰ ਲੇਬਲ ਕਰੋ, ਤਰਜੀਹ ਸੁਝਾਓ, ਇੱਕ ਛੋਟਾ ਅੰਦਰੂਨੀ ਸਾਰਾਂਸ਼ ਤਿਆਰ ਕਰੋ, ਅਤੇ ਕਿਸੇ ਵੀ ਚੀਜ਼ ਨੂੰ ਫਲੈਗ ਕਰੋ ਜਿਸਨੂੰ ਮਨੁੱਖੀ ਸਮੀਖਿਆ ਦੀ ਲੋੜ ਹੈ।.
ਇਹ ਛੋਟੇ ਰੂਪ ਵਿੱਚ ਕੰਮ ਕਰਨ ਵਾਲੀ ਏਆਈ ਦਾ ਭਵਿੱਖ ਹੈ: ਟੀਮ ਦੀ ਥਾਂ ਲੈਣ ਵਾਲਾ ਰੋਬੋਟ ਨਹੀਂ, ਸਗੋਂ ਇੱਕ ਸਹਿਕਰਮੀ ਹੈ ਜੋ ਪਹਿਲੇ ਪਾਸ ਨੂੰ ਸੰਭਾਲ ਰਿਹਾ ਹੈ ਤਾਂ ਜੋ ਮਨੁੱਖ ਨਿਰਣੇ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰ ਸਕਣ।.
ਸਹਾਇਕ ਨੂੰ ਕੀ ਚਾਹੀਦਾ ਹੈ
ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ, ਸਹਾਇਕ ਨੂੰ ਸਿਰਫ਼ ਸੁਨੇਹਿਆਂ ਤੱਕ ਪਹੁੰਚ ਦੀ ਨਹੀਂ, ਸਗੋਂ ਸਪੱਸ਼ਟ ਸੀਮਾਵਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।.
ਮਦਦਗਾਰ ਇਨਪੁਟਸ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:
-
ਕੰਪਨੀ ਦੀਆਂ ਟਿਕਟ ਸ਼੍ਰੇਣੀਆਂ ਅਤੇ ਤਰਜੀਹੀ ਨਿਯਮ
-
"ਹਮੇਸ਼ਾ ਵਧਦੀਆਂ" ਸਥਿਤੀਆਂ ਦੀ ਸੂਚੀ, ਜਿਵੇਂ ਕਿ ਭੁਗਤਾਨ ਵਿਵਾਦ, ਸੁਰੱਖਿਆ ਚਿੰਤਾਵਾਂ, ਕਾਨੂੰਨੀ ਧਮਕੀਆਂ, ਗੁੱਸੇ ਨਾਲ ਰੱਦ ਕਰਨ ਵਾਲੇ ਸੁਨੇਹੇ, ਜਾਂ ਕਮਜ਼ੋਰ ਗਾਹਕ ਸਥਿਤੀਆਂ।
-
ਸਹੀ ਢੰਗ ਨਾਲ ਲੇਬਲ ਕੀਤੀਆਂ ਪਿਛਲੀਆਂ ਟਿਕਟਾਂ ਦੀਆਂ 20-30 ਉਦਾਹਰਣਾਂ
-
ਇੱਕ ਗੋਪਨੀਯਤਾ ਨਿਯਮ: ਸੰਖੇਪਾਂ ਵਿੱਚ ਪੂਰੇ ਭੁਗਤਾਨ ਵੇਰਵੇ, ਪਾਸਵਰਡ, ਨਿੱਜੀ ਦਸਤਾਵੇਜ਼, ਜਾਂ ਬੇਲੋੜੇ ਸੰਵੇਦਨਸ਼ੀਲ ਡੇਟਾ ਦਾ ਖੁਲਾਸਾ ਨਾ ਕਰੋ।
-
ਇਜਾਜ਼ਤ ਸੀਮਾਵਾਂ, ਜਿਵੇਂ ਕਿ "ਲੇਬਲ ਅਤੇ ਡਰਾਫਟ ਕਰ ਸਕਦਾ ਹੈ, ਪਰ ਜਵਾਬ ਨਹੀਂ ਭੇਜ ਸਕਦਾ, ਰਿਫੰਡ ਜਾਰੀ ਨਹੀਂ ਕਰ ਸਕਦਾ, ਟਿਕਟਾਂ ਬੰਦ ਨਹੀਂ ਕਰ ਸਕਦਾ, ਜਾਂ ਖਾਤਾ ਸੈਟਿੰਗਾਂ ਬਦਲ ਸਕਦਾ ਹੈ"
-
ਜ਼ਰੂਰੀ, ਸੰਵੇਦਨਸ਼ੀਲ, ਜਾਂ ਅਨਿਸ਼ਚਿਤ ਮਾਮਲਿਆਂ ਲਈ ਇੱਕ ਮਨੁੱਖੀ ਸਮੀਖਿਅਕ
ਉਦਾਹਰਨ ਹਦਾਇਤ
ਤੁਸੀਂ ਇੱਕ SaaS ਕੰਪਨੀ ਲਈ ਇੱਕ ਸਹਾਇਤਾ ਟ੍ਰਾਈਏਜ ਸਹਾਇਕ ਹੋ। ਹਰੇਕ ਨਵੇਂ ਗਾਹਕ ਟਿਕਟ ਨੂੰ ਪੜ੍ਹੋ ਅਤੇ ਚਾਰ ਚੀਜ਼ਾਂ ਵਾਪਸ ਕਰੋ: ਸ਼੍ਰੇਣੀ, ਤਰਜੀਹ, ਅੰਦਰੂਨੀ ਸੰਖੇਪ, ਅਤੇ ਸਿਫ਼ਾਰਸ਼ ਕੀਤਾ ਅਗਲਾ ਕਦਮ।.
ਸਿਰਫ਼ ਇਹਨਾਂ ਸ਼੍ਰੇਣੀਆਂ ਦੀ ਵਰਤੋਂ ਕਰੋ: ਬਿਲਿੰਗ, ਲੌਗਇਨ/ਪਹੁੰਚ, ਬੱਗ ਰਿਪੋਰਟ, ਵਿਸ਼ੇਸ਼ਤਾ ਬੇਨਤੀ, ਰੱਦ ਕਰਨਾ, ਖਾਤਾ ਸੁਰੱਖਿਆ, ਆਮ ਸਵਾਲ, ਹੋਰ।.
ਜੇਕਰ ਟਿਕਟ ਵਿੱਚ ਭੁਗਤਾਨ ਅਸਫਲਤਾ, ਖਾਤਾ ਲਾਕਆਉਟ, ਸੁਰੱਖਿਆ, ਕਾਨੂੰਨੀ ਕਾਰਵਾਈ, ਡੇਟਾ ਦਾ ਨੁਕਸਾਨ, ਗੁੱਸੇ ਨਾਲ ਰੱਦ ਕਰਨਾ, ਜਾਂ ਕਿਸੇ ਜ਼ਰੂਰੀ ਕਾਰੋਬਾਰੀ ਪ੍ਰਭਾਵ ਦਾ ਜ਼ਿਕਰ ਹੈ, ਤਾਂ ਉਸਨੂੰ ਉੱਚ ਤਰਜੀਹ ਵਜੋਂ ਚਿੰਨ੍ਹਿਤ ਕਰੋ।.
ਗਾਹਕਾਂ ਨੂੰ ਸੁਨੇਹੇ ਨਾ ਭੇਜੋ। ਰਿਫੰਡ, ਫਿਕਸ, ਛੋਟ, ਜਾਂ ਸਮਾਂ-ਸੀਮਾਵਾਂ ਦਾ ਵਾਅਦਾ ਨਾ ਕਰੋ। ਜੇਕਰ ਤੁਹਾਨੂੰ ਯਕੀਨ ਨਹੀਂ ਹੈ, ਤਾਂ ਟਿਕਟ ਨੂੰ "ਮਨੁੱਖੀ ਸਮੀਖਿਆ ਦੀ ਲੋੜ ਹੈ" ਵਜੋਂ ਚਿੰਨ੍ਹਿਤ ਕਰੋ।.
ਸਾਰਾਂਸ਼ 40 ਸ਼ਬਦਾਂ ਤੋਂ ਘੱਟ ਰੱਖੋ। ਬੇਲੋੜੇ ਨਿੱਜੀ ਵੇਰਵੇ ਹਟਾਓ।.
ਇਸਨੂੰ ਕਿਵੇਂ ਟੈਸਟ ਕਰਨਾ ਹੈ
ਲਾਈਵ ਟਿਕਟਾਂ ਨਾਲ ਜੋੜਨ ਤੋਂ ਪਹਿਲਾਂ ਇੱਕ ਛੋਟੇ ਟੈਸਟ ਸੈੱਟ ਨਾਲ ਸ਼ੁਰੂਆਤ ਕਰੋ।.
50 ਪੁਰਾਣੇ ਸਹਾਇਤਾ ਟਿਕਟਾਂ ਦੀ ਵਰਤੋਂ ਕਰੋ ਜੋ ਪਹਿਲਾਂ ਹੀ ਟੀਮ ਦੁਆਰਾ ਸੰਭਾਲੀਆਂ ਜਾ ਚੁੱਕੀਆਂ ਹਨ। ਅਸਲ ਲੇਬਲਾਂ ਨੂੰ ਲੁਕਾਓ, ਸਹਾਇਕ ਨੂੰ ਉਹਨਾਂ ਨੂੰ ਟ੍ਰਾਈਜ ਕਰਨ ਦਿਓ, ਫਿਰ ਇਸਦੇ ਆਉਟਪੁੱਟ ਦੀ ਮਨੁੱਖੀ ਲੇਬਲਾਂ ਨਾਲ ਤੁਲਨਾ ਕਰੋ।.
ਚੰਗੇ ਟੈਸਟ ਪ੍ਰਸ਼ਨਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:
-
ਕੀ ਇਸਨੇ ਜ਼ਰੂਰੀ ਬਿਲਿੰਗ ਅਤੇ ਖਾਤਾ ਸੁਰੱਖਿਆ ਮੁੱਦਿਆਂ ਦੀ ਸਹੀ ਪਛਾਣ ਕੀਤੀ?
-
ਕੀ ਇਸਨੇ ਨੁਕਸਾਨਦੇਹ ਸੁਨੇਹਿਆਂ ਨੂੰ ਜ਼ਿਆਦਾ ਤਰਜੀਹ ਦਿੱਤੀ?
-
ਕੀ ਇਸ ਤੋਂ ਕੋਈ ਗੁੱਸੇ ਵਾਲਾ ਜਾਂ ਰੱਦ ਕਰਨ ਨਾਲ ਸਬੰਧਤ ਸੁਨੇਹਾ ਖੁੰਝ ਗਿਆ?
-
ਕੀ ਇਸ ਵਿੱਚ ਸੰਖੇਪਾਂ ਵਿੱਚ ਸੰਵੇਦਨਸ਼ੀਲ ਗਾਹਕ ਡੇਟਾ ਸ਼ਾਮਲ ਸੀ?
-
ਕੀ ਸਿਫ਼ਾਰਸ਼ ਕੀਤਾ ਗਿਆ ਅਗਲਾ ਕਦਮ ਕੰਪਨੀ ਦੀ ਨੀਤੀ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਸੀ?
-
ਕੀ ਇਸ ਵਿੱਚ "ਮਨੁੱਖੀ ਸਮੀਖਿਆ ਦੀ ਲੋੜ ਹੈ" ਕਿਹਾ ਗਿਆ ਸੀ ਜਦੋਂ ਸੁਨੇਹਾ ਅਸਪਸ਼ਟ ਸੀ?
ਇੱਕ ਠੋਸ ਨਿਯਮ: ਸਹਾਇਕ ਨੂੰ ਸਾਵਧਾਨ ਰਹਿਣ ਦੀ ਇਜਾਜ਼ਤ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ। ਇੱਕ ਗਲਤ ਵਾਧਾ ਤੰਗ ਕਰਨ ਵਾਲਾ ਹੁੰਦਾ ਹੈ। ਖੁੰਝੀ ਹੋਈ ਸੁਰੱਖਿਆ ਜਾਂ ਬਿਲਿੰਗ ਸਮੱਸਿਆ ਹੋਰ ਵੀ ਬਦਤਰ ਹੁੰਦੀ ਹੈ।.
ਨਤੀਜਾ
ਵਰਕਫਲੋ ਦੀ ਵਰਤੋਂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਅਤੇ ਬਾਅਦ ਵਿੱਚ 50-ਟਿਕਟ ਟੈਸਟ ਦੇ ਸਮੇਂ ਦੇ ਆਧਾਰ 'ਤੇ ਉਦਾਹਰਣ ਵਜੋਂ ਨਤੀਜਾ:
50 ਟਿਕਟਾਂ ਲਈ ਹੱਥੀਂ ਟ੍ਰਾਈਏਜ ਵਿੱਚ 72 ਮਿੰਟ ਲੱਗੇ, ਜਾਂ ਪ੍ਰਤੀ ਟਿਕਟ ਲਗਭਗ 1.4 ਮਿੰਟ।.
ਏਆਈ-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਟ੍ਰਾਈਏਜ ਵਿੱਚ 19 ਮਿੰਟ ਲੱਗੇ, ਜਿਸ ਵਿੱਚ ਫਲੈਗ ਕੀਤੀਆਂ ਟਿਕਟਾਂ ਦੀ ਮਨੁੱਖੀ ਸਮੀਖਿਆ ਸ਼ਾਮਲ ਸੀ, ਜਾਂ ਪ੍ਰਤੀ ਟਿਕਟ ਲਗਭਗ 23 ਸਕਿੰਟ।.
ਇਹ ਟ੍ਰਾਈਏਜ ਸਮੇਂ ਵਿੱਚ ਅੰਦਾਜ਼ਨ 74% ਕਮੀ ਹੈ।.
ਉਸੇ ਟੈਸਟ ਵਿੱਚ, ਸਹਾਇਕ ਨੇ 50 ਵਿੱਚੋਂ 43 ਟਿਕਟਾਂ 'ਤੇ ਟੀਮ ਦੀ ਅਸਲ ਸ਼੍ਰੇਣੀ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਪਾਇਆ। ਪੰਜ ਟਿਕਟਾਂ ਨੂੰ "ਮਨੁੱਖੀ ਸਮੀਖਿਆ ਦੀ ਲੋੜ ਹੈ" ਵਜੋਂ ਚਿੰਨ੍ਹਿਤ ਕੀਤਾ ਗਿਆ ਸੀ। ਦੋ ਨੂੰ ਗਲਤ ਲੇਬਲ ਕੀਤਾ ਗਿਆ ਸੀ ਅਤੇ ਗਾਹਕ ਦੇ ਕਿਸੇ ਵੀ ਜਵਾਬ ਨੂੰ ਭੇਜਣ ਤੋਂ ਪਹਿਲਾਂ ਸਹਾਇਤਾ ਲੀਡ ਦੁਆਰਾ ਠੀਕ ਕੀਤਾ ਗਿਆ ਸੀ।.
ਮਹੱਤਵਪੂਰਨ ਅੰਕੜਾ ਸਿਰਫ਼ ਗਤੀ ਨਹੀਂ ਹੈ। ਇਹ ਗਤੀ ਅਤੇ ਫੜਨਯੋਗਤਾ ਦਾ ਸੁਮੇਲ ਹੈ। ਕਿਉਂਕਿ ਸਹਾਇਕ ਨੇ ਜਵਾਬ ਨਹੀਂ ਭੇਜੇ ਜਾਂ ਟਿਕਟਾਂ ਬੰਦ ਨਹੀਂ ਕੀਤੀਆਂ, ਇਸ ਲਈ ਗਾਹਕਾਂ ਤੱਕ ਪਹੁੰਚਣ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਇਸ ਦੀਆਂ ਗਲਤੀਆਂ ਦਿਖਾਈ ਦਿੰਦੀਆਂ ਸਨ।.
ਕੀ ਗਲਤ ਹੋ ਸਕਦਾ ਹੈ?
ਸਭ ਤੋਂ ਖ਼ਤਰਨਾਕ ਅਸਫਲਤਾ ਚੁੱਪ ਆਤਮਵਿਸ਼ਵਾਸ ਹੈ। ਜੇਕਰ ਸਹਾਇਕ ਚੁੱਪਚਾਪ ਕਿਸੇ ਜ਼ਰੂਰੀ ਟਿਕਟ ਨੂੰ "ਆਮ ਸਵਾਲ" ਵਜੋਂ ਗਲਤ ਲੇਬਲ ਕਰਦਾ ਹੈ, ਤਾਂ ਟੀਮ ਬਹੁਤ ਦੇਰ ਨਾਲ ਜਵਾਬ ਦੇ ਸਕਦੀ ਹੈ।.
ਆਮ ਗਲਤੀਆਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:
-
ਟੈਸਟ ਕੀਤੇ ਜਾਣ ਤੋਂ ਪਹਿਲਾਂ ਸਹਾਇਕ ਨੂੰ ਜਵਾਬ ਭੇਜਣ ਦੀ ਇਜਾਜ਼ਤ ਦੇਣਾ
-
ਉਦਾਹਰਣਾਂ ਤੋਂ ਬਿਨਾਂ "ਮਹੱਤਵਪੂਰਨ" ਜਾਂ "ਆਮ" ਵਰਗੀਆਂ ਅਸਪਸ਼ਟ ਸ਼੍ਰੇਣੀਆਂ ਦੀ ਵਰਤੋਂ ਕਰਨਾ
-
ਐਸਕੇਲੇਸ਼ਨ ਨਿਯਮਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨਾ ਭੁੱਲ ਜਾਣਾ
-
ਇਸਨੂੰ ਸੰਵੇਦਨਸ਼ੀਲ ਜਾਣਕਾਰੀ ਨੂੰ ਬਹੁਤ ਖੁੱਲ੍ਹ ਕੇ ਸੰਖੇਪ ਕਰਨ ਦੇਣਾ
-
ਮਾਪਣ ਨਾਲ ਸਿਰਫ਼ ਸਮਾਂ ਬਚਦਾ ਹੈ, ਗਲਤੀ ਦਰ ਨਹੀਂ
-
ਉਤਪਾਦਾਂ, ਨੀਤੀਆਂ, ਜਾਂ ਕੀਮਤਾਂ ਵਿੱਚ ਤਬਦੀਲੀ ਹੋਣ 'ਤੇ ਦੁਬਾਰਾ ਜਾਂਚ ਕਰਨ ਵਿੱਚ ਅਸਫਲ ਰਹਿਣਾ
ਸਹਾਇਕ ਦੀ ਵੀ ਡ੍ਰਿਫਟ ਲਈ ਜਾਂਚ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ। ਇੱਕ ਵਰਕਫਲੋ ਜੋ ਜਨਵਰੀ ਵਿੱਚ ਵਧੀਆ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦਾ ਹੈ, ਇੱਕ ਨਵੇਂ ਉਤਪਾਦ ਲਾਂਚ, ਕੀਮਤ ਵਿੱਚ ਤਬਦੀਲੀ, ਜਾਂ ਬੱਗ ਸਪਾਈਕ ਤੋਂ ਬਾਅਦ ਮਾੜਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰ ਸਕਦਾ ਹੈ।.
ਵਿਹਾਰਕ ਉਪਾਅ
ਏਆਈ ਦਾ ਨੇੜਲਾ ਭਵਿੱਖ ਸ਼ਾਇਦ ਬਹੁਤ ਸਾਰੀਆਂ ਟੀਮਾਂ ਲਈ ਇਸ ਤਰ੍ਹਾਂ ਦਾ ਮਹਿਸੂਸ ਕਰੇਗਾ: ਛੋਟੇ, ਵਿਹਾਰਕ ਪ੍ਰਣਾਲੀਆਂ ਜੋ ਆਮ ਕੰਮ ਦੇ ਅੰਦਰ ਬੈਠਦੀਆਂ ਹਨ ਅਤੇ ਕੋਸ਼ਿਸ਼ ਦੀ ਪਹਿਲੀ ਪਰਤ ਨੂੰ ਹਟਾ ਦਿੰਦੀਆਂ ਹਨ।.
ਜਿੱਤ "AI ਦੁਆਰਾ ਚਲਾਇਆ ਜਾਂਦਾ ਸਮਰਥਨ" ਨਹੀਂ ਹੈ। ਜਿੱਤ ਇਹ ਹੈ ਕਿ ਮਨੁੱਖ ਦਿਨ ਦੀ ਸ਼ੁਰੂਆਤ ਸਾਫ਼ ਕਤਾਰਾਂ, ਸਪਸ਼ਟ ਤਰਜੀਹਾਂ ਅਤੇ ਘੱਟ ਦੁਹਰਾਉਣ ਵਾਲੇ ਫੈਸਲਿਆਂ ਨਾਲ ਕਰਦੇ ਹਨ। ਪਰ ਵਿਸ਼ਵਾਸ ਪਰਤ ਮਾਇਨੇ ਰੱਖਦੀ ਹੈ। ਲੌਗ, ਸੀਮਾਵਾਂ, ਸਮੀਖਿਆ ਕਦਮ, ਅਤੇ ਵਾਧਾ ਨਿਯਮ ਉਹ ਹਨ ਜੋ ਇੱਕ AI ਸਹਾਇਕ ਨੂੰ ਇੱਕ ਜੋਖਮ ਭਰੇ ਸ਼ਾਰਟਕੱਟ ਤੋਂ ਇੱਕ ਭਰੋਸੇਯੋਗ ਸਹਿਕਰਮੀ ਵਿੱਚ ਬਦਲਦੇ ਹਨ।.
ਅਕਸਰ ਪੁੱਛੇ ਜਾਂਦੇ ਸਵਾਲ
ਅਗਲੇ ਕੁਝ ਸਾਲਾਂ ਵਿੱਚ ਏਆਈ ਦਾ ਭਵਿੱਖ ਕੀ ਹੈ?
ਨੇੜਲੇ ਭਵਿੱਖ ਵਿੱਚ, AI ਦਾ ਭਵਿੱਖ "ਸਮਾਰਟ ਚੈਟ" ਵਰਗਾ ਘੱਟ ਅਤੇ ਇੱਕ ਵਿਹਾਰਕ ਸਹਿਕਰਮੀ ਵਰਗਾ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ। ਸਿਸਟਮ ਜਵਾਬਾਂ 'ਤੇ ਰੁਕਣ ਦੀ ਬਜਾਏ, ਟੂਲਸ ਵਿੱਚ ਸਿਰੇ ਤੋਂ ਅੰਤ ਤੱਕ ਕੰਮ ਕਰਨਗੇ। ਸਮਾਨਾਂਤਰ, ਉਮੀਦਾਂ ਹੋਰ ਵੀ ਮਜ਼ਬੂਤ ਹੋਣਗੀਆਂ: ਭਰੋਸੇਯੋਗਤਾ, ਟਰੇਸੇਬਿਲਟੀ, ਅਤੇ ਜਵਾਬਦੇਹੀ ਵਧੇਰੇ ਮਾਇਨੇ ਰੱਖਦੀ ਹੈ ਕਿਉਂਕਿ AI ਅਸਲ ਫੈਸਲਿਆਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰਦਾ ਹੈ। ਦਿਸ਼ਾ ਸਪੱਸ਼ਟ ਹੈ - ਸਖ਼ਤ ਮਾਪਦੰਡਾਂ ਦੇ ਨਾਲ ਜੋੜੀ ਗਈ ਵਧੇਰੇ ਸਮਰੱਥਾ।.
ਏਆਈ ਏਜੰਟ ਅਸਲ ਵਿੱਚ ਰੋਜ਼ਾਨਾ ਦੇ ਕੰਮ ਨੂੰ ਕਿਵੇਂ ਬਦਲਣਗੇ?
ਏਆਈ ਏਜੰਟ ਕੰਮ ਨੂੰ ਹਰ ਕਦਮ ਹੱਥੀਂ ਕਰਨ ਤੋਂ ਹਟਾ ਕੇ ਐਪਸ ਅਤੇ ਸਿਸਟਮਾਂ ਵਿੱਚ ਜਾਣ ਵਾਲੇ ਵਰਕਫਲੋ ਦੀ ਨਿਗਰਾਨੀ ਵੱਲ ਤਬਦੀਲ ਕਰ ਦੇਣਗੇ। ਆਮ ਵਰਤੋਂ ਵਿੱਚ ਡਰਾਫਟਿੰਗ, ਸੁਨੇਹਿਆਂ ਨੂੰ ਟ੍ਰਾਈਏਜ ਕਰਨਾ, ਟੂਲਸ ਵਿਚਕਾਰ ਡੇਟਾ ਨੂੰ ਹਿਲਾਉਣਾ ਅਤੇ ਤਬਦੀਲੀਆਂ ਲਈ ਡੈਸ਼ਬੋਰਡਾਂ ਨੂੰ ਦੇਖਣਾ ਸ਼ਾਮਲ ਹੈ। ਸਭ ਤੋਂ ਵੱਡਾ ਜੋਖਮ ਚੁੱਪ ਅਸਫਲਤਾ ਹੈ, ਇਸ ਲਈ ਮਜ਼ਬੂਤ ਸੈੱਟਅੱਪਾਂ ਵਿੱਚ ਜਾਣਬੁੱਝ ਕੇ ਜਾਂਚ, ਲੌਗਿੰਗ ਅਤੇ ਮਨੁੱਖੀ ਸਮੀਖਿਆ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ ਜਦੋਂ ਨਤੀਜੇ ਜ਼ਿਆਦਾ ਹੁੰਦੇ ਹਨ। "ਡੈਲੀਗੇਸ਼ਨ" ਬਾਰੇ ਸੋਚੋ, "ਆਟੋਪਾਇਲਟ" ਬਾਰੇ ਨਹੀਂ।
ਛੋਟੇ ਔਨ-ਡਿਵਾਈਸ ਮਾਡਲ AI ਦੇ ਭਵਿੱਖ ਦਾ ਇੱਕ ਵੱਡਾ ਹਿੱਸਾ ਕਿਉਂ ਬਣ ਰਹੇ ਹਨ?
ਡਿਵਾਈਸ 'ਤੇ AI ਵਧ ਰਿਹਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਤੇਜ਼ ਅਤੇ ਵਧੇਰੇ ਨਿੱਜੀ ਹੋ ਸਕਦਾ ਹੈ, ਇੰਟਰਨੈੱਟ ਪਹੁੰਚ 'ਤੇ ਘੱਟ ਨਿਰਭਰਤਾ ਦੇ ਨਾਲ। ਡੇਟਾ ਨੂੰ ਸਥਾਨਕ ਰੱਖਣ ਨਾਲ ਐਕਸਪੋਜ਼ਰ ਘੱਟ ਸਕਦਾ ਹੈ ਅਤੇ ਨਿੱਜੀਕਰਨ ਨੂੰ ਸੁਰੱਖਿਅਤ ਮਹਿਸੂਸ ਹੋ ਸਕਦਾ ਹੈ। ਸਮਝੌਤਾ ਇਹ ਹੈ ਕਿ ਛੋਟੇ ਮਾਡਲ ਵੱਡੇ ਕਲਾਉਡ ਸਿਸਟਮਾਂ ਦੇ ਮੁਕਾਬਲੇ ਗੁੰਝਲਦਾਰ ਤਰਕ ਨਾਲ ਸੰਘਰਸ਼ ਕਰ ਸਕਦੇ ਹਨ। ਬਹੁਤ ਸਾਰੇ ਉਤਪਾਦ ਸੰਭਾਵਤ ਤੌਰ 'ਤੇ ਦੋਵਾਂ ਨੂੰ ਮਿਲਾਉਣਗੇ: ਗਤੀ ਅਤੇ ਗੋਪਨੀਯਤਾ ਲਈ ਸਥਾਨਕ, ਭਾਰੀ ਲਿਫਟਿੰਗ ਲਈ ਕਲਾਉਡ।.
ਏਆਈ ਡੇਟਾ ਐਕਸੈਸ ਲਈ "ਇਜਾਜ਼ਤ ਨਵੀਂ ਮੁਦਰਾ ਹੈ" ਦਾ ਕੀ ਅਰਥ ਹੈ?
ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਸਵਾਲ ਸਿਰਫ਼ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਕਿਹੜਾ ਡੇਟਾ ਮੌਜੂਦ ਹੈ, ਸਗੋਂ ਕਿਹੜਾ ਡੇਟਾ ਕਾਨੂੰਨੀ ਤੌਰ 'ਤੇ ਅਤੇ ਸਾਖ ਪ੍ਰਤੀਕਿਰਿਆ ਤੋਂ ਬਿਨਾਂ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਬਹੁਤ ਸਾਰੀਆਂ ਪਾਈਪਲਾਈਨਾਂ ਵਿੱਚ, ਪਹੁੰਚ ਨੂੰ ਗੱਲਬਾਤ ਵਜੋਂ ਮੰਨਿਆ ਜਾਵੇਗਾ: ਸਪੱਸ਼ਟ ਸਹਿਮਤੀ ਮਾਰਗ, ਪਹੁੰਚ ਨਿਯੰਤਰਣ, ਅਤੇ ਨੀਤੀਆਂ ਜੋ ਕਾਨੂੰਨੀ ਅਤੇ ਸੱਭਿਆਚਾਰਕ ਉਮੀਦਾਂ ਨਾਲ ਮੇਲ ਖਾਂਦੀਆਂ ਹਨ। ਮਨਜ਼ੂਰਸ਼ੁਦਾ ਰੂਟਾਂ ਨੂੰ ਜਲਦੀ ਬਣਾਉਣਾ ਬਾਅਦ ਵਿੱਚ ਵਿਘਨ ਨੂੰ ਰੋਕ ਸਕਦਾ ਹੈ ਕਿਉਂਕਿ ਮਿਆਰ ਸਖ਼ਤ ਹੁੰਦੇ ਹਨ। ਇਹ ਇੱਕ ਰਣਨੀਤੀ ਬਣ ਰਹੀ ਹੈ, ਕਾਗਜ਼ੀ ਕਾਰਵਾਈ ਨਹੀਂ।.
ਉੱਚ-ਦਾਅ ਵਾਲੇ AI ਲਈ ਕਿਹੜੀਆਂ ਟਰੱਸਟ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਗੈਰ-ਸਮਝੌਤਾਯੋਗ ਬਣ ਜਾਣਗੀਆਂ?
ਜਦੋਂ AI ਭਰਤੀ, ਉਧਾਰ, ਸਿਹਤ, ਸਿੱਖਿਆ, ਜਾਂ ਸੁਰੱਖਿਆ ਨੂੰ ਛੂੰਹਦਾ ਹੈ, ਤਾਂ "ਮਾਡਲ ਗਲਤ ਸੀ" ਸਵੀਕਾਰਯੋਗ ਨਹੀਂ ਹੋਵੇਗਾ। ਟਰੱਸਟ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਵਿੱਚ ਆਮ ਤੌਰ 'ਤੇ ਆਡਿਟ ਅਤੇ ਟੈਸਟਿੰਗ, ਆਉਟਪੁੱਟ ਦੀ ਟਰੇਸੇਬਿਲਟੀ, ਗਾਰਡਰੇਲ ਅਤੇ ਇੱਕ ਅਸਲ ਮਨੁੱਖੀ ਓਵਰਰਾਈਡ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ। ਇੱਕ ਅਰਥਪੂਰਨ ਅਪੀਲ ਪ੍ਰਕਿਰਿਆ ਵੀ ਮਾਇਨੇ ਰੱਖਦੀ ਹੈ, ਇਸ ਲਈ ਲੋਕ ਨਤੀਜਿਆਂ ਨੂੰ ਚੁਣੌਤੀ ਦੇ ਸਕਦੇ ਹਨ ਅਤੇ ਗਲਤੀਆਂ ਨੂੰ ਸੁਧਾਰ ਸਕਦੇ ਹਨ। ਉਦੇਸ਼ ਜਵਾਬਦੇਹੀ ਹੈ ਜੋ ਕੁਝ ਟੁੱਟਣ 'ਤੇ ਵਾਸ਼ਪੀਕਰਨ ਨਹੀਂ ਹੁੰਦੀ।.
ਮਲਟੀਮੋਡਲ ਏਆਈ ਉਤਪਾਦਾਂ ਅਤੇ ਜੋਖਮ ਨੂੰ ਕਿਵੇਂ ਬਦਲੇਗਾ?
ਮਲਟੀਮੋਡਲ ਏਆਈ ਟੈਕਸਟ, ਚਿੱਤਰਾਂ, ਆਡੀਓ ਅਤੇ ਵੀਡੀਓ ਦੀ ਇਕੱਠੇ ਵਿਆਖਿਆ ਕਰ ਸਕਦਾ ਹੈ, ਜੋ ਰੋਜ਼ਾਨਾ ਮੁੱਲ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਂਦਾ ਹੈ - ਜਿਵੇਂ ਕਿ ਸਕ੍ਰੀਨਸ਼ੌਟ ਤੋਂ ਫਾਰਮ ਗਲਤੀ ਦਾ ਨਿਦਾਨ ਕਰਨਾ ਜਾਂ ਮੀਟਿੰਗਾਂ ਦਾ ਸਾਰ ਦੇਣਾ। ਇਹ ਟਿਊਸ਼ਨ ਅਤੇ ਪਹੁੰਚਯੋਗਤਾ ਟੂਲਸ ਨੂੰ ਵਧੇਰੇ ਕੁਦਰਤੀ ਮਹਿਸੂਸ ਕਰਵਾ ਸਕਦਾ ਹੈ। ਨਨੁਕਸਾਨ ਵਧੀ ਹੋਈ ਨਿਗਰਾਨੀ ਅਤੇ ਵਧੇਰੇ ਭਰੋਸੇਮੰਦ ਸਿੰਥੈਟਿਕ ਮੀਡੀਆ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ ਮਲਟੀਮੋਡਲ ਫੈਲਦਾ ਹੈ, ਗੋਪਨੀਯਤਾ ਸੀਮਾ ਨੂੰ ਸਪੱਸ਼ਟ ਨਿਯਮਾਂ ਅਤੇ ਮਜ਼ਬੂਤ ਨਿਯੰਤਰਣਾਂ ਦੀ ਲੋੜ ਹੋਵੇਗੀ।.
ਕੀ ਏਆਈ ਨੌਕਰੀਆਂ ਲਵੇਗਾ, ਜਾਂ ਉਨ੍ਹਾਂ ਨੂੰ ਬਦਲ ਦੇਵੇਗਾ?
ਵਧੇਰੇ ਯਥਾਰਥਵਾਦੀ ਪੈਟਰਨ ਟਾਸਕ ਕੰਪ੍ਰੈਸ਼ਨ ਹੈ: ਦੁਹਰਾਉਣ ਵਾਲੇ ਕੰਮ ਲਈ ਘੱਟ ਲੋਕਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਕਿਉਂਕਿ AI ਕਦਮਾਂ ਨੂੰ ਢਾਹ ਦਿੰਦਾ ਹੈ। ਇਹ ਬਦਲ ਵਾਂਗ ਮਹਿਸੂਸ ਹੋ ਸਕਦਾ ਹੈ ਭਾਵੇਂ ਇਸਨੂੰ ਪੁਨਰਗਠਨ ਵਜੋਂ ਬਣਾਇਆ ਗਿਆ ਹੋਵੇ। ਨਵੀਆਂ ਹਾਈਬ੍ਰਿਡ ਭੂਮਿਕਾਵਾਂ ਨਿਗਰਾਨੀ, ਰਣਨੀਤੀ ਅਤੇ ਟੂਲ ਵਰਤੋਂ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਵਧਦੀਆਂ ਹਨ, ਜਿੱਥੇ ਲੋਕ ਸਿਸਟਮਾਂ ਨੂੰ ਨਿਰਦੇਸ਼ਤ ਕਰਦੇ ਹਨ ਅਤੇ ਨਤੀਜਿਆਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਦੇ ਹਨ। ਫਾਇਦਾ ਉਨ੍ਹਾਂ ਨੂੰ ਜਾਂਦਾ ਹੈ ਜੋ ਨਿਰਣੇ ਨੂੰ ਚਲਾ ਸਕਦੇ ਹਨ, ਤਸਦੀਕ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਲਾਗੂ ਕਰ ਸਕਦੇ ਹਨ।.
ਜਦੋਂ AI ਇੱਕ "ਸਹਿਕਰਮੀ" ਬਣਦਾ ਹੈ ਤਾਂ ਕਿਹੜੇ ਹੁਨਰ ਸਭ ਤੋਂ ਵੱਧ ਮਾਇਨੇ ਰੱਖਦੇ ਹਨ?
ਸਮੱਸਿਆ-ਫਰੇਮਿੰਗ ਮਹੱਤਵਪੂਰਨ ਬਣ ਜਾਂਦੀ ਹੈ: ਨਤੀਜਿਆਂ ਨੂੰ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨਾ ਅਤੇ ਇਹ ਪਤਾ ਲਗਾਉਣਾ ਕਿ ਕੀ ਗਲਤ ਹੋ ਸਕਦਾ ਹੈ। ਤਸਦੀਕ ਹੁਨਰ ਵੀ ਵਧਦੇ ਹਨ - ਆਉਟਪੁੱਟ ਦੀ ਜਾਂਚ ਕਰਨਾ, ਗਲਤੀਆਂ ਫੜਨਾ, ਅਤੇ ਇਹ ਜਾਣਨਾ ਕਿ ਮਨੁੱਖਾਂ ਤੱਕ ਕਦੋਂ ਪਹੁੰਚਣਾ ਹੈ। ਨਿਰਣਾ ਅਤੇ ਡੋਮੇਨ ਮੁਹਾਰਤ ਵਧੇਰੇ ਮਾਇਨੇ ਰੱਖਦੀ ਹੈ ਕਿਉਂਕਿ AI ਭਰੋਸੇ ਨਾਲ ਗਲਤ ਹੋ ਸਕਦਾ ਹੈ। ਟੀਮਾਂ ਨੂੰ ਜੋਖਮ ਜਾਗਰੂਕਤਾ ਦੀ ਵੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਖਾਸ ਕਰਕੇ ਜਿੱਥੇ ਫੈਸਲੇ ਲੋਕਾਂ ਦੇ ਜੀਵਨ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰਦੇ ਹਨ। ਗੁਣਵੱਤਾ ਨਿਗਰਾਨੀ ਤੋਂ ਆਉਂਦੀ ਹੈ, ਸਿਰਫ਼ ਗਤੀ ਤੋਂ ਨਹੀਂ।.
ਕੰਪਨੀਆਂ ਨੂੰ ਉਤਪਾਦ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਵਜੋਂ AI ਲਈ ਕਿਵੇਂ ਯੋਜਨਾ ਬਣਾਉਣੀ ਚਾਹੀਦੀ ਹੈ?
ਏਆਈ ਨੂੰ ਇੱਕ ਪ੍ਰਯੋਗ ਦੀ ਬਜਾਏ ਇੱਕ ਡਿਫੌਲਟ ਪਰਤ ਵਾਂਗ ਸਮਝੋ: ਅਪਟਾਈਮ, ਨਿਗਰਾਨੀ, ਏਕੀਕਰਨ ਅਤੇ ਸਪਸ਼ਟ ਮਾਲਕੀ ਲਈ ਯੋਜਨਾ ਬਣਾਓ। ਸੁਰੱਖਿਅਤ ਡੇਟਾ ਮਾਰਗ ਅਤੇ ਪਹੁੰਚ ਨਿਯੰਤਰਣ ਬਣਾਓ ਤਾਂ ਜੋ ਅਨੁਮਤੀਆਂ ਬਾਅਦ ਵਿੱਚ ਰੁਕਾਵਟ ਨਾ ਬਣ ਜਾਣ। ਸ਼ਾਸਨ ਨੂੰ ਜਲਦੀ ਸ਼ਾਮਲ ਕਰੋ - ਲੌਗ, ਮੁਲਾਂਕਣ, ਅਤੇ ਰੋਲਬੈਕ ਯੋਜਨਾਵਾਂ - ਖਾਸ ਕਰਕੇ ਜਿੱਥੇ ਆਉਟਪੁੱਟ ਫੈਸਲਿਆਂ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰਦੇ ਹਨ। ਜੇਤੂ ਸਿਰਫ਼ "ਸਮਾਰਟ" ਨਹੀਂ ਹੋਣਗੇ, ਉਹ ਭਰੋਸੇਮੰਦ ਅਤੇ ਚੰਗੀ ਤਰ੍ਹਾਂ ਏਕੀਕ੍ਰਿਤ ਹੋਣਗੇ।.
ਹਵਾਲੇ
-
ਸਟੈਨਫੋਰਡ HAI - ਸਟੈਨਫੋਰਡ AI ਸੂਚਕਾਂਕ ਰਿਪੋਰਟ 2025 - hai.stanford.edu
-
ਪਿਊ ਰਿਸਰਚ ਸੈਂਟਰ - ਅਮਰੀਕੀ ਕਾਮੇ ਭਵਿੱਖ ਵਿੱਚ ਕੰਮ ਵਾਲੀ ਥਾਂ 'ਤੇ ਏਆਈ ਦੀ ਵਰਤੋਂ ਬਾਰੇ ਉਮੀਦ ਨਾਲੋਂ ਜ਼ਿਆਦਾ ਚਿੰਤਤ ਹਨ - pewresearch.org
-
ਸੂਚਨਾ ਕਮਿਸ਼ਨਰ ਦਫ਼ਤਰ (ICO) - ਕਾਨੂੰਨੀ ਆਧਾਰ ਲਈ ਇੱਕ ਗਾਈਡ - ico.org.uk
-
ਨੈਸ਼ਨਲ ਇੰਸਟੀਚਿਊਟ ਆਫ਼ ਸਟੈਂਡਰਡਜ਼ ਐਂਡ ਟੈਕਨਾਲੋਜੀ (NIST) - AI ਜੋਖਮ ਪ੍ਰਬੰਧਨ ਢਾਂਚਾ 1.0 (NIST AI 100-1) - nvlpubs.nist.gov
-
ਆਰਥਿਕ ਸਹਿਯੋਗ ਅਤੇ ਵਿਕਾਸ ਸੰਗਠਨ (OECD) - OECD AI ਸਿਧਾਂਤ (OECD ਕਾਨੂੰਨੀ ਸਾਧਨ 0449) - oecd.org
-
ਯੂਕੇ ਕਾਨੂੰਨ - GDPR ਧਾਰਾ 25: ਡਿਜ਼ਾਈਨ ਅਤੇ ਡਿਫਾਲਟ ਦੁਆਰਾ ਡੇਟਾ ਸੁਰੱਖਿਆ - legislation.gov.uk
-
EUR-Lex - EU AI ਐਕਟ: ਰੈਗੂਲੇਸ਼ਨ (EU) 2024/1689 - eur-lex.europa.eu
-
ਅੰਤਰਰਾਸ਼ਟਰੀ ਊਰਜਾ ਏਜੰਸੀ (IEA) - ਊਰਜਾ ਅਤੇ AI (ਕਾਰਜਕਾਰੀ ਸਾਰ) - iea.org
-
arXiv - ਸਰਵੇਖਣ: LLM-ਅਧਾਰਤ ਆਟੋਨੋਮਸ ਏਜੰਟ - arxiv.org
-
ਹਾਰਵਰਡ ਔਨਲਾਈਨ (ਹਾਰਵਰਡ/edX) - TinyML ਦੇ ਮੁੱਢਲੇ ਸਿਧਾਂਤ - plll.harvard.edu
-
ਓਪਨਏਆਈ - ਜੀਪੀਟੀ-4ਓ ਸਿਸਟਮ ਕਾਰਡ - openai.com
-
arXiv - ਸਰਵੇਖਣ: LLM ਵਿੱਚ ਭਰਮ - arxiv.org
-
ਨੈਸ਼ਨਲ ਇੰਸਟੀਚਿਊਟ ਆਫ਼ ਸਟੈਂਡਰਡਜ਼ ਐਂਡ ਟੈਕਨਾਲੋਜੀ (NIST) - AI ਜੋਖਮ ਪ੍ਰਬੰਧਨ ਢਾਂਚਾ - nist.gov
-
ਨੈਸ਼ਨਲ ਇੰਸਟੀਚਿਊਟ ਆਫ਼ ਸਟੈਂਡਰਡਜ਼ ਐਂਡ ਟੈਕਨਾਲੋਜੀ (NIST) - ਸਿੰਥੈਟਿਕ ਸਮੱਗਰੀ ਦੁਆਰਾ ਪੈਦਾ ਹੋਣ ਵਾਲੇ ਜੋਖਮਾਂ ਨੂੰ ਘਟਾਉਣਾ (NIST AI 100-4, IPD) - airc.nist.gov
-
ਅੰਤਰਰਾਸ਼ਟਰੀ ਕਿਰਤ ਸੰਗਠਨ (ILO) - ਵਰਕਿੰਗ ਪੇਪਰ: ਜਨਰੇਟਿਵ AI ਅਤੇ ਨੌਕਰੀਆਂ (WP140) - ilo.org
-
ਨੈਸ਼ਨਲ ਇੰਸਟੀਚਿਊਟ ਆਫ਼ ਸਟੈਂਡਰਡਜ਼ ਐਂਡ ਟੈਕਨਾਲੋਜੀ (NIST) - ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਨਿੱਜੀ ਸਿੰਥੈਟਿਕ ਡੇਟਾ - nist.gov
-
ਆਰਥਿਕ ਸਹਿਯੋਗ ਅਤੇ ਵਿਕਾਸ ਸੰਗਠਨ (OECD) - ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਅਤੇ ਕਿਰਤ ਬਾਜ਼ਾਰ ਵਿੱਚ ਹੁਨਰਾਂ ਦੀ ਬਦਲਦੀ ਮੰਗ - oecd.org