ਏਆਈ ਵਿੱਚ ਬਿਗ ਟੈਕ ਦੀ ਕੀ ਭੂਮਿਕਾ ਹੈ?

ਏਆਈ ਵਿੱਚ ਬਿਗ ਟੈਕ ਦੀ ਕੀ ਭੂਮਿਕਾ ਹੈ?

ਛੋਟਾ ਜਵਾਬ: ਬਿਗ ਟੈਕ ਏਆਈ ਵਿੱਚ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਬੇਢੰਗੇ ਜ਼ਰੂਰੀ ਚੀਜ਼ਾਂ - ਕੰਪਿਊਟ, ਕਲਾਉਡ ਪਲੇਟਫਾਰਮ, ਡਿਵਾਈਸਾਂ, ਐਪ ਸਟੋਰਾਂ ਅਤੇ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਟੂਲਿੰਗ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਦਾ ਹੈ। ਇਹ ਨਿਯੰਤਰਣ ਇਸਨੂੰ ਫਰੰਟੀਅਰ ਮਾਡਲਾਂ ਨੂੰ ਬੈਂਕਰੋਲ ਕਰਨ ਅਤੇ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਅਰਬਾਂ ਲੋਕਾਂ ਤੱਕ ਤੇਜ਼ੀ ਨਾਲ ਭੇਜਣ ਦਿੰਦਾ ਹੈ। ਜੇਕਰ ਸ਼ਾਸਨ, ਗੋਪਨੀਯਤਾ ਨਿਯੰਤਰਣ, ਅਤੇ ਅੰਤਰ-ਕਾਰਜਸ਼ੀਲਤਾ ਕਮਜ਼ੋਰ ਹਨ, ਤਾਂ ਉਹੀ ਲੀਵਰੇਜ ਲਾਕ-ਇਨ ਅਤੇ ਪਾਵਰ ਇਕਾਗਰਤਾ ਵਿੱਚ ਕੈਲਸੀਫਾਈ ਕਰਦਾ ਹੈ।

ਮੁੱਖ ਗੱਲਾਂ:

ਬੁਨਿਆਦੀ ਢਾਂਚਾ: ਕਲਾਉਡ, ਚਿਪਸ ਅਤੇ ਐਮਐਲਓਪੀ ਦੇ ਨਿਯੰਤਰਣ ਨੂੰ ਮੁੱਖ ਏਆਈ ਚੋਕਪੁਆਇੰਟ ਵਜੋਂ ਸਮਝੋ।.

ਵੰਡ: ਜ਼ਿਆਦਾਤਰ ਉਪਭੋਗਤਾਵਾਂ ਲਈ "AI" ਦਾ ਕੀ ਅਰਥ ਹੈ, ਇਹ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨ ਲਈ ਪਲੇਟਫਾਰਮ ਅੱਪਡੇਟ ਦੀ ਉਮੀਦ ਕਰੋ।

ਗੇਟਕੀਪਿੰਗ: ਐਪ ਸਟੋਰ ਦੇ ਨਿਯਮ ਅਤੇ API ਸ਼ਰਤਾਂ ਚੁੱਪਚਾਪ ਇਹ ਨਿਰਧਾਰਤ ਕਰਦੀਆਂ ਹਨ ਕਿ ਕਿਹੜੀਆਂ AI ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਉਪਲਬਧ ਹਨ।

ਉਪਭੋਗਤਾ ਨਿਯੰਤਰਣ: ਸਪੱਸ਼ਟ ਔਪਟ-ਆਉਟ, ਟਿਕਾਊ ਸੈਟਿੰਗਾਂ, ਅਤੇ ਕੰਮ ਕਰਨ ਵਾਲੇ ਐਡਮਿਨ ਨਿਯੰਤਰਣਾਂ ਦੀ ਮੰਗ ਕਰੋ।

ਜਵਾਬਦੇਹੀ: ਨੁਕਸਾਨਦੇਹ ਨਤੀਜਿਆਂ ਲਈ ਆਡਿਟ ਲੌਗ, ਪਾਰਦਰਸ਼ਤਾ ਅਤੇ ਅਪੀਲ ਮਾਰਗਾਂ ਦੀ ਲੋੜ ਹੈ।

ਏਆਈ ਵਿੱਚ ਵੱਡੇ ਤਕਨੀਕੀ ਉਦਯੋਗਾਂ ਦੀ ਕੀ ਭੂਮਿਕਾ ਹੈ? ਇਨਫੋਗ੍ਰਾਫਿਕ

🔗 ਏਆਈ ਦਾ ਭਵਿੱਖ: ਰੁਝਾਨ ਅਤੇ ਅੱਗੇ ਕੀ ਹੈ
ਅਗਲੇ ਦਹਾਕੇ ਵਿੱਚ ਮੁੱਖ ਨਵੀਨਤਾਵਾਂ, ਜੋਖਮ ਅਤੇ ਉਦਯੋਗਾਂ ਦਾ ਮੁੜ ਆਕਾਰ।.

🔗 ਜਨਰੇਟਿਵ ਏਆਈ ਵਿੱਚ ਫਾਊਂਡੇਸ਼ਨ ਮਾਡਲ: ਇੱਕ ਸਧਾਰਨ ਗਾਈਡ
ਸਮਝੋ ਕਿ ਫਾਊਂਡੇਸ਼ਨ ਮਾਡਲ ਆਧੁਨਿਕ ਜਨਰੇਟਿਵ ਏਆਈ ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਕਿਵੇਂ ਸ਼ਕਤੀ ਦਿੰਦੇ ਹਨ।.

🔗 ਏਆਈ ਕੰਪਨੀ ਕੀ ਹੈ ਅਤੇ ਇਹ ਕਿਵੇਂ ਕੰਮ ਕਰਦੀ ਹੈ
ਉਹਨਾਂ ਗੁਣਾਂ, ਟੀਮਾਂ ਅਤੇ ਉਤਪਾਦਾਂ ਬਾਰੇ ਜਾਣੋ ਜੋ AI-ਪਹਿਲੇ ਕਾਰੋਬਾਰਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦੇ ਹਨ।.

🔗 ਅਸਲ ਪ੍ਰੋਜੈਕਟਾਂ ਵਿੱਚ AI ਕੋਡ ਕਿਹੋ ਜਿਹਾ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ
AI-ਸੰਚਾਲਿਤ ਕੋਡ ਪੈਟਰਨਾਂ, ਔਜ਼ਾਰਾਂ ਅਤੇ ਵਰਕਫਲੋ ਦੀਆਂ ਉਦਾਹਰਣਾਂ ਵੇਖੋ।.

ਆਓ ਇੱਕ ਸਕਿੰਟ ਲਈ ਇਸਦਾ ਸਾਹਮਣਾ ਕਰੀਏ - ਜ਼ਿਆਦਾਤਰ "AI ਗੱਲਬਾਤ" ਕੰਪਿਊਟ, ਵੰਡ, ਖਰੀਦ, ਪਾਲਣਾ, ਅਤੇ ਇਸ ਅਜੀਬ ਹਕੀਕਤ ਤੋਂ ਪਰੇ ਲੰਘਦੀਆਂ ਹਨ ਕਿ ਕਿਸੇ ਨੂੰ GPU ਅਤੇ ਬਿਜਲੀ ਲਈ ਭੁਗਤਾਨ ਕਰਨਾ ਪੈਂਦਾ ਹੈ। ਬਿਗ ਟੈਕ ਉਨ੍ਹਾਂ ਗੈਰ-ਗਲੈਮਰਸ ਹਿੱਸਿਆਂ ਵਿੱਚ ਰਹਿੰਦਾ ਹੈ। ਇਹੀ ਕਾਰਨ ਹੈ ਕਿ ਇਹ ਇੰਨਾ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ। 😅 ( IEA - ਊਰਜਾ ਅਤੇ AI , NVIDIA - AI ਇਨਫਰੈਂਸ ਪਲੇਟਫਾਰਮ ਸੰਖੇਪ ਜਾਣਕਾਰੀ )

ਬਿਗ ਟੈਕ ਦੀ ਏਆਈ ਭੂਮਿਕਾ, ਸਾਦੀ ਭਾਸ਼ਾ ਵਿੱਚ 🧩

ਜਦੋਂ ਲੋਕ "ਬਿਗ ਟੈਕ" ਕਹਿੰਦੇ ਹਨ, ਤਾਂ ਉਹਨਾਂ ਦਾ ਮਤਲਬ ਆਮ ਤੌਰ 'ਤੇ ਉਹ ਵਿਸ਼ਾਲ ਪਲੇਟਫਾਰਮ ਕੰਪਨੀਆਂ ਹੁੰਦੀਆਂ ਹਨ ਜੋ ਆਧੁਨਿਕ ਕੰਪਿਊਟਿੰਗ ਦੀਆਂ ਮੁੱਖ ਪਰਤਾਂ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਦੀਆਂ ਹਨ:

ਇਸ ਲਈ ਭੂਮਿਕਾ ਸਿਰਫ਼ "ਉਹ ਏਆਈ ਬਣਾਉਂਦੇ ਹਨ" ਦੀ ਨਹੀਂ ਹੈ। ਇਹ ਇਸ ਤਰ੍ਹਾਂ ਹੈ ਜਿਵੇਂ ਉਹ ਹਾਈਵੇ ਬਣਾਉਂਦੇ ਹਨ, ਕਾਰਾਂ ਵੇਚਦੇ ਹਨ, ਟੋਲ ਬੂਥ ਚਲਾਉਂਦੇ ਹਨ, ਅਤੇ ਇਹ ਵੀ ਫੈਸਲਾ ਕਰਦੇ ਹਨ ਕਿ ਨਿਕਾਸ ਕਿੱਥੇ ਜਾਂਦਾ ਹੈ। ਥੋੜ੍ਹੀ ਜਿਹੀ ਅਤਿਕਥਨੀ... ਪਰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਨਹੀਂ।.

ਏਆਈ ਵਿੱਚ ਵੱਡੇ ਤਕਨੀਕੀ ਦੀ ਭੂਮਿਕਾ: ਪੰਜ ਵੱਡੇ ਕੰਮ 🏗️

ਜੇਕਰ ਤੁਸੀਂ ਇੱਕ ਸਾਫ਼-ਸੁਥਰਾ ਮਾਨਸਿਕ ਮਾਡਲ ਚਾਹੁੰਦੇ ਹੋ, ਤਾਂ ਬਿਗ ਟੈਕ ਏਆਈ ਦੁਨੀਆ ਵਿੱਚ ਪੰਜ ਓਵਰਲੈਪਿੰਗ ਕੰਮ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ:

  1. ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਪ੍ਰਦਾਤਾ
    ਡੇਟਾ ਸੈਂਟਰ, ਕਲਾਉਡ, ਨੈੱਟਵਰਕਿੰਗ, ਸੁਰੱਖਿਆ, MLOps ਟੂਲ। ਉਹ ਚੀਜ਼ਾਂ ਜੋ AI ਨੂੰ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਸੰਭਵ ਬਣਾਉਂਦੀਆਂ ਹਨ। ( Amazon SageMaker AI docs , IEA - ਊਰਜਾ ਅਤੇ AI )

  2. ਮਾਡਲ ਨਿਰਮਾਤਾ ਅਤੇ ਖੋਜ ਇੰਜਣ
    ਹਮੇਸ਼ਾ ਨਹੀਂ, ਪਰ ਅਕਸਰ - ਪ੍ਰਯੋਗਸ਼ਾਲਾਵਾਂ, ਅੰਦਰੂਨੀ ਖੋਜ ਅਤੇ ਵਿਕਾਸ, ਲਾਗੂ ਖੋਜ, ਅਤੇ "ਉਤਪਾਦਿਤ ਵਿਗਿਆਨ"। ( ਨਿਊਰਲ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਲਈ ਸਕੇਲਿੰਗ ਕਾਨੂੰਨ (arXiv) , ਸਿਖਲਾਈ ਕੰਪਿਊਟ-ਅਨੁਕੂਲ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲ (ਚਿਨਚਿਲਾ) (arXiv) )

  3. ਡਿਸਟ੍ਰੀਬਿਊਟਰ
    ਉਹ ਏਆਈ ਨੂੰ ਸਰਚ ਬਾਕਸਾਂ, ਫੋਨਾਂ, ਈਮੇਲ ਕਲਾਇੰਟਾਂ, ਵਿਗਿਆਪਨ ਪ੍ਰਣਾਲੀਆਂ ਅਤੇ ਕੰਮ ਵਾਲੀ ਥਾਂ ਦੇ ਸਾਧਨਾਂ ਵਿੱਚ ਧੱਕ ਸਕਦੇ ਹਨ। ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ ਇੱਕ ਸੁਪਰਪਾਵਰ ਹੈ।

  4. ਗੇਟਕੀਪਰ ਅਤੇ ਨਿਯਮ-ਨਿਰਧਾਰਕ
    ਐਪ ਸਟੋਰ ਨੀਤੀਆਂ, ਪਲੇਟਫਾਰਮ ਨਿਯਮ, API ਸ਼ਰਤਾਂ, ਸਮੱਗਰੀ ਸੰਚਾਲਨ, ਸੁਰੱਖਿਆ ਗੇਟ, ਐਂਟਰਪ੍ਰਾਈਜ਼ ਨਿਯੰਤਰਣ। ( ਐਪਲ ਐਪ ਸਮੀਖਿਆ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ , ਗੂਗਲ ਪਲੇ ਡਾਟਾ ਸੁਰੱਖਿਆ )

  5. ਪੂੰਜੀ ਵੰਡਣ ਵਾਲਾ
    ਉਹ ਫੰਡ ਦਿੰਦੇ ਹਨ, ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ, ਭਾਈਵਾਲ ਹੁੰਦੇ ਹਨ, ਪ੍ਰਫੁੱਲਤ ਕਰਦੇ ਹਨ। ਉਹ ਜੋ ਬਚਦਾ ਹੈ ਉਸਨੂੰ ਆਕਾਰ ਦਿੰਦੇ ਹਨ।

ਇਹ ਕਾਰਜਸ਼ੀਲ ਰੂਪ ਵਿੱਚ AI ਵਿੱਚ ਵੱਡੇ ਤਕਨੀਕੀ ਦੀ ਭੂਮਿਕਾ ਹੈ: ਉਹ AI ਦੇ ਮੌਜੂਦ ਹੋਣ ਦੀਆਂ ਸਥਿਤੀਆਂ ਪੈਦਾ ਕਰਦੇ ਹਨ - ਅਤੇ ਫਿਰ ਉਹ ਫੈਸਲਾ ਕਰਦੇ ਹਨ ਕਿ ਇਹ ਤੁਹਾਡੇ ਤੱਕ ਕਿਵੇਂ ਪਹੁੰਚਦਾ ਹੈ।.

ਬਿਗ ਟੈਕ ਦੇ ਏਆਈ ਰੋਲ ਦਾ ਇੱਕ ਚੰਗਾ ਸੰਸਕਰਣ ਕੀ ਬਣਾਉਂਦਾ ਹੈ ✅😬

ਏਆਈ ਵਿੱਚ ਬਿਗ ਟੈਕ ਦਾ "ਚੰਗਾ ਸੰਸਕਰਣ" ਸੰਪੂਰਨਤਾ ਬਾਰੇ ਨਹੀਂ ਹੈ। ਇਹ ਜ਼ਿੰਮੇਵਾਰੀ ਨਾਲ ਸੰਭਾਲੇ ਜਾਣ ਵਾਲੇ ਵਪਾਰ-ਬੰਦੂਕਾਂ ਬਾਰੇ ਹੈ, ਬਾਕੀ ਸਾਰਿਆਂ ਲਈ ਘੱਟ ਹੈਰਾਨੀਜਨਕ ਫੁੱਟ-ਗਨਾਂ ਦੇ ਨਾਲ।.

ਇੱਥੇ ਉਹ ਹੈ ਜੋ "ਮਦਦਗਾਰ ਵਿਸ਼ਾਲ" ਵਾਈਬ ਨੂੰ "ਓਹ-ਓਹ ਏਕਾਧਿਕਾਰ" ਵਾਈਬ ਤੋਂ ਵੱਖਰਾ ਕਰਦਾ ਹੈ:

  • ਬਿਨਾਂ ਕਿਸੇ ਸ਼ਬਦਾਵਲੀ ਦੇ ਪਾਰਦਰਸ਼ਤਾ
    AI ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ, ਸੀਮਾਵਾਂ, ਅਤੇ ਵਰਤੇ ਗਏ ਡੇਟਾ ਦੀ ਸਪੱਸ਼ਟ ਲੇਬਲਿੰਗ। 40-ਪੰਨਿਆਂ ਦੀ ਨੀਤੀਗਤ ਭੁੱਲ ਨਹੀਂ। ( NIST AI RMF 1.0 , ISO/IEC 42001:2023 )

  • ਅਸਲ ਉਪਭੋਗਤਾ ਨਿਯੰਤਰਣ
    ਔਪਟ-ਆਉਟ ਜੋ ਕੰਮ ਕਰਦੇ ਹਨ, ਗੋਪਨੀਯਤਾ ਸੈਟਿੰਗਾਂ ਜੋ ਰਹੱਸਮਈ ਢੰਗ ਨਾਲ ਰੀਸੈਟ ਨਹੀਂ ਹੁੰਦੀਆਂ, ਅਤੇ ਐਡਮਿਨ ਨਿਯੰਤਰਣ ਜੋ ਸਫਾਈ ਸੇਵਕ ਨਹੀਂ ਹਨ। ( GDPR - ਰੈਗੂਲੇਸ਼ਨ (EU) 2016/679 )

  • ਅੰਤਰ-ਕਾਰਜਸ਼ੀਲਤਾ ਅਤੇ ਖੁੱਲ੍ਹਾਪਣ - ਕਈ ਵਾਰ
    ਹਰ ਚੀਜ਼ ਓਪਨ-ਸੋਰਸ ਨਹੀਂ ਹੋਣੀ ਚਾਹੀਦੀ, ਪਰ ਸਾਰਿਆਂ ਨੂੰ ਹਮੇਸ਼ਾ ਲਈ ਇੱਕ ਵਿਕਰੇਤਾ ਵਿੱਚ ਬੰਦ ਕਰਨਾ... ਇੱਕ ਵਿਕਲਪ ਹੁੰਦਾ ਹੈ।

  • ਦੰਦਾਂ ਨਾਲ ਸੁਰੱਖਿਆ
    ਦੁਰਵਰਤੋਂ ਦੀ ਨਿਗਰਾਨੀ, ਰੈੱਡ-ਟੀਮਿੰਗ, ਸਮੱਗਰੀ ਨਿਯੰਤਰਣ, ਅਤੇ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਜੋਖਮ ਭਰੇ ਵਰਤੋਂ ਦੇ ਮਾਮਲਿਆਂ ਨੂੰ ਰੋਕਣ ਦੀ ਇੱਛਾ। ( NIST AI RMF 1.0 , NIST GenAI ਪ੍ਰੋਫਾਈਲ (AI RMF ਸਾਥੀ) )

  • ਸਿਹਤਮੰਦ ਈਕੋਸਿਸਟਮ
    ਸਟਾਰਟਅੱਪਸ, ਭਾਈਵਾਲਾਂ, ਖੋਜਕਰਤਾਵਾਂ ਅਤੇ ਖੁੱਲ੍ਹੇ ਮਿਆਰਾਂ ਲਈ ਸਮਰਥਨ ਤਾਂ ਜੋ ਨਵੀਨਤਾ "ਰੈਂਟ ਏ ਪਲੇਟਫਾਰਮ ਜਾਂ ਅਲੋਪ" ਨਾ ਹੋ ਜਾਵੇ। ( OECD AI ਸਿਧਾਂਤ )

ਮੈਂ ਇਸਨੂੰ ਸਾਫ਼-ਸਾਫ਼ ਕਹਾਂਗਾ: "ਚੰਗਾ ਸੰਸਕਰਣ" ਇੱਕ ਠੋਸ ਜਨਤਕ ਉਪਯੋਗਤਾ ਵਾਂਗ ਮਹਿਸੂਸ ਹੁੰਦਾ ਹੈ ਜਿਸ ਵਿੱਚ ਉਤਪਾਦ ਦਾ ਸੁਆਦ ਮਜ਼ਬੂਤ ​​ਹੁੰਦਾ ਹੈ। ਮਾੜਾ ਸੰਸਕਰਣ ਇੱਕ ਕੈਸੀਨੋ ਵਾਂਗ ਮਹਿਸੂਸ ਹੁੰਦਾ ਹੈ ਜਿੱਥੇ ਘਰ ਨਿਯਮ ਵੀ ਲਿਖਦਾ ਹੈ। 🎰

ਤੁਲਨਾ ਸਾਰਣੀ: ਚੋਟੀ ਦੀਆਂ ਵੱਡੀਆਂ ਤਕਨੀਕੀ "AI ਲੇਨਾਂ" ਅਤੇ ਉਹ ਕਿਉਂ ਕੰਮ ਕਰਦੀਆਂ ਹਨ 📊

ਔਜ਼ਾਰ (ਲੇਨ) ਦਰਸ਼ਕ ਕੀਮਤ ਇਹ ਕਿਉਂ ਕੰਮ ਕਰਦਾ ਹੈ
ਕਲਾਉਡ ਏਆਈ ਪਲੇਟਫਾਰਮ ਉੱਦਮ, ਸਟਾਰਟਅੱਪਸ ਵਰਤੋਂ-ਅਧਾਰਤ-ਇਸ਼ ਆਸਾਨ ਸਕੇਲਿੰਗ, ਇੱਕ ਇਨਵੌਇਸ, ਬਹੁਤ ਸਾਰੇ ਨੌਬ (ਬਹੁਤ ਸਾਰੇ ਨੌਬ)
ਫਰੰਟੀਅਰ ਮਾਡਲ API ਡਿਵੈਲਪਰ, ਉਤਪਾਦ ਟੀਮਾਂ ਪ੍ਰਤੀ ਟੋਕਨ / ਟਾਇਰਡ ਭੁਗਤਾਨ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਲਈ ਤੇਜ਼, ਵਧੀਆ ਬੇਸਲਾਈਨ ਕੁਆਲਿਟੀ, ਧੋਖਾ ਦੇਣ ਵਰਗਾ ਮਹਿਸੂਸ ਹੁੰਦਾ ਹੈ 😅
ਡਿਵਾਈਸ-ਏਮਬੈਡਡ AI ਖਪਤਕਾਰ, ਪ੍ਰੋਸਿਊਮਰ ਬੰਡਲ ਕੀਤਾ ਗਿਆ ਘੱਟ ਲੇਟੈਂਸੀ, ਕਈ ਵਾਰ ਗੋਪਨੀਯਤਾ-ਅਨੁਕੂਲ, ਔਫਲਾਈਨ ਵਾਂਗ ਕੰਮ ਕਰਦੀ ਹੈ
ਉਤਪਾਦਕਤਾ ਸੂਟ AI ਦਫ਼ਤਰੀ ਟੀਮਾਂ ਪ੍ਰਤੀ-ਸੀਟ ਐਡ-ਆਨ ਰੋਜ਼ਾਨਾ ਦੇ ਕੰਮ ਦੇ ਪ੍ਰਵਾਹ ਵਿੱਚ ਰਹਿੰਦਾ ਹੈ - ਦਸਤਾਵੇਜ਼, ਡਾਕ, ਮੀਟਿੰਗਾਂ, ਸਾਰਾ ਕੁਝ
ਇਸ਼ਤਿਹਾਰ + ਟਾਰਗੇਟਿੰਗ AI ਮਾਰਕਿਟ ਕਰਨ ਵਾਲੇ ਖਰਚ ਦਾ % ਵੱਡਾ ਡੇਟਾ + ਵੰਡ = ਪ੍ਰਭਾਵਸ਼ਾਲੀ, ਥੋੜ੍ਹਾ ਡਰਾਉਣਾ ਵੀ 👀
ਸੁਰੱਖਿਆ + ਪਾਲਣਾ AI ਨਿਯਮਤ ਉਦਯੋਗ ਪ੍ਰੀਮੀਅਮ "ਮਨ ਦੀ ਸ਼ਾਂਤੀ" ਵੇਚਦਾ ਹੈ - ਭਾਵੇਂ ਇਹ ਸਿਰਫ਼ ਘੱਟ ਚੇਤਾਵਨੀਆਂ ਹੀ ਕਿਉਂ ਨਾ ਹੋਣ
ਏਆਈ ਚਿੱਪਸ + ਐਕਸਲੇਟਰ ਹਰ ਕੋਈ ਉੱਪਰ ਵੱਲ ਕੈਪੈਕਸ-ਹੈਵੀ ਜੇ ਤੁਹਾਡੇ ਕੋਲ ਬੇਲਚੇ ਹਨ, ਤਾਂ ਤੁਸੀਂ ਗੋਲਡ ਰਸ਼ ਜਿੱਤਦੇ ਹੋ (ਅਣਜਾਣ ਰੂਪਕ, ਫਿਰ ਵੀ ਸੱਚ ਹੈ)
ਓਪਨ-ਇਸ਼ ਈਕੋਸਿਸਟਮ ਨਾਟਕ ਬਿਲਡਰ, ਖੋਜਕਰਤਾ ਫ੍ਰੀ-ਇਸ਼ + ਪੇਡ ਟੀਅਰ ਭਾਈਚਾਰਕ ਗਤੀ, ਤੇਜ਼ ਦੁਹਰਾਓ, ਕਈ ਵਾਰ ਬੇਕਾਬੂ ਮਜ਼ੇਦਾਰ

ਛੋਟੀ ਜਿਹੀ ਮੇਜ਼ ਦੀ ਅਜੀਬ ਗੱਲ ਦਾ ਇਕਬਾਲ: "ਮੁਫ਼ਤ-ਰਹਿਤ" ਉੱਥੇ ਬਹੁਤ ਕੰਮ ਕਰ ਰਿਹਾ ਹੈ। ਜਦੋਂ ਤੱਕ ਇਹ ਨਹੀਂ ਹੁੰਦਾ ਮੁਫ਼ਤ... ਤੁਸੀਂ ਜਾਣਦੇ ਹੋ ਕਿ ਇਹ ਕਿਵੇਂ ਚੱਲਦਾ ਹੈ।.

ਨਜ਼ਦੀਕੀ ਦ੍ਰਿਸ਼: ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦਾ ਚੋਕ ਪੁਆਇੰਟ (ਕੰਪਿਊਟ, ਕਲਾਉਡ, ਚਿਪਸ) 🧱⚙️

ਇਹ ਉਹ ਹਿੱਸਾ ਹੈ ਜਿਸ ਬਾਰੇ ਜ਼ਿਆਦਾਤਰ ਲੋਕ ਗੱਲ ਨਹੀਂ ਕਰਨਾ ਚਾਹੁੰਦੇ ਕਿਉਂਕਿ ਇਹ ਗਲੈਮਰਸ ਨਹੀਂ ਹੈ। ਪਰ ਇਹ ਏਆਈ ਦੀ ਰੀੜ੍ਹ ਦੀ ਹੱਡੀ ਹੈ।.

ਵੱਡੇ ਤਕਨੀਕੀ AI ਨੂੰ ਇਹਨਾਂ ਨੂੰ ਕੰਟਰੋਲ ਕਰਕੇ ਪ੍ਰਭਾਵਿਤ ਕਰਦੇ ਹਨ:

  • ਕੰਪਿਊਟ ਸਪਲਾਈ (GPU ਪਹੁੰਚ, ਕਲੱਸਟਰ, ਸਮਾਂ-ਸਾਰਣੀ) ( IEA - AI ਤੋਂ ਊਰਜਾ ਦੀ ਮੰਗ )

  • ਨੈੱਟਵਰਕਿੰਗ (ਉੱਚ-ਬੈਂਡਵਿਡਥ ਇੰਟਰਕਨੈਕਟ, ਘੱਟ-ਲੇਟੈਂਸੀ ਫੈਬਰਿਕ)

  • ਸਟੋਰੇਜ (ਡੇਟਾ ਝੀਲਾਂ, ਪ੍ਰਾਪਤੀ ਪ੍ਰਣਾਲੀਆਂ, ਬੈਕਅੱਪ)

  • MLOps ਪਾਈਪਲਾਈਨਾਂ (ਸਿਖਲਾਈ, ਤੈਨਾਤੀ, ਨਿਗਰਾਨੀ, ਸ਼ਾਸਨ) ( Vertex AI 'ਤੇ MLOps , Azure MLOps ਆਰਕੀਟੈਕਚਰ )

  • ਸੁਰੱਖਿਆ (ਪਛਾਣ, ਆਡਿਟ ਲੌਗ, ਇਨਕ੍ਰਿਪਸ਼ਨ, ਨੀਤੀ ਲਾਗੂਕਰਨ) ( NIST AI RMF 1.0 , ISO/IEC 42001:2023 )

ਜੇਕਰ ਤੁਸੀਂ ਕਦੇ ਕਿਸੇ ਅਸਲੀ ਕੰਪਨੀ ਵਿੱਚ AI ਸਿਸਟਮ ਲਗਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕੀਤੀ ਹੈ, ਤਾਂ ਤੁਸੀਂ ਪਹਿਲਾਂ ਹੀ ਜਾਣਦੇ ਹੋਵੋਗੇ ਕਿ "ਮਾਡਲ" ਆਸਾਨ ਹਿੱਸਾ ਹੈ। ਔਖਾ ਹਿੱਸਾ ਹੈ: ਅਨੁਮਤੀਆਂ, ਲੌਗਿੰਗ, ਡੇਟਾ ਐਕਸੈਸ, ਲਾਗਤ ਨਿਯੰਤਰਣ, ਅਪਟਾਈਮ, ਘਟਨਾ ਪ੍ਰਤੀਕਿਰਿਆ... ਬਾਲਗਾਂ ਦੀਆਂ ਚੀਜ਼ਾਂ। 😵💫

ਕਿਉਂਕਿ ਬਿਗ ਟੈਕ ਕੋਲ ਇਸਦਾ ਬਹੁਤ ਸਾਰਾ ਹਿੱਸਾ ਹੈ, ਉਹ ਡਿਫਾਲਟ ਪੈਟਰਨ ਸੈੱਟ ਕਰ ਸਕਦੇ ਹਨ:

  • ਕਿਹੜੇ ਔਜ਼ਾਰ ਮਿਆਰੀ ਬਣ ਜਾਂਦੇ ਹਨ

  • ਕਿਹੜੇ ਫਰੇਮਵਰਕ ਨੂੰ ਪਹਿਲੇ ਦਰਜੇ ਦਾ ਸਮਰਥਨ ਮਿਲਦਾ ਹੈ?

  • ਕਿਹੜੇ ਹਾਰਡਵੇਅਰ ਨੂੰ ਤਰਜੀਹ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ

  • ਕਿਹੜੇ ਕੀਮਤ ਮਾਡਲ "ਆਮ" ਬਣ ਜਾਂਦੇ ਹਨ

ਇਹ ਆਪਣੇ ਆਪ ਬੁਰਾਈ ਨਹੀਂ ਹੈ। ਪਰ ਇਹ ਸ਼ਕਤੀ ਹੈ।.

ਕਲੋਜ਼-ਅੱਪ: ਮਾਡਲ ਖੋਜ ਬਨਾਮ ਉਤਪਾਦ ਹਕੀਕਤ 🧪➡️🛠️

ਇੱਥੇ ਤਣਾਅ ਹੈ: ਬਿਗ ਟੈਕ ਡੂੰਘੀ ਖੋਜ ਲਈ ਫੰਡ ਦੇ ਸਕਦਾ ਹੈ ਅਤੇ ਇਸਨੂੰ ਤਿਮਾਹੀ ਉਤਪਾਦ ਜਿੱਤਾਂ ਦੀ ਵੀ ਲੋੜ ਹੈ। ਉਹ ਸੁਮੇਲ ਸ਼ਾਨਦਾਰ ਸਫਲਤਾਵਾਂ ਪੈਦਾ ਕਰਦਾ ਹੈ ਅਤੇ ... ਸ਼ੱਕੀ ਵਿਸ਼ੇਸ਼ਤਾ ਲਾਂਚ ਵੀ ਪੈਦਾ ਕਰਦਾ ਹੈ।.

ਬਿਗ ਟੈਕ ਆਮ ਤੌਰ 'ਤੇ ਏਆਈ ਤਰੱਕੀ ਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਅੱਗੇ ਵਧਾਉਂਦਾ ਹੈ:

ਪਰ ਉਤਪਾਦ ਦਾ ਦਬਾਅ ਚੀਜ਼ਾਂ ਨੂੰ ਬਦਲਦਾ ਹੈ:

  • ਗਤੀ ਸ਼ਾਨ ਨੂੰ ਮਾਤ ਦਿੰਦੀ ਹੈ

  • ਸ਼ਿਪਿੰਗ ਬੀਟਸ ਸਮਝਾਉਂਦੇ ਹੋਏ

  • “ਬਹੁਤ ਵਧੀਆ” ਬੀਟਸ “ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਮਝਿਆ ਗਿਆ”

ਕਈ ਵਾਰ ਇਹ ਠੀਕ ਹੁੰਦਾ ਹੈ। ਜ਼ਿਆਦਾਤਰ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਸਿਧਾਂਤਕ ਸ਼ੁੱਧਤਾ ਦੀ ਲੋੜ ਨਹੀਂ ਹੁੰਦੀ, ਉਹਨਾਂ ਨੂੰ ਆਪਣੇ ਵਰਕਫਲੋ ਦੇ ਅੰਦਰ ਇੱਕ ਸਹਾਇਕ ਸਹਾਇਕ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਪਰ ਜੋਖਮ ਇਹ ਹੈ ਕਿ "ਕਾਫ਼ੀ ਚੰਗਾ" ਸੰਵੇਦਨਸ਼ੀਲ ਸੰਦਰਭਾਂ (ਸਿਹਤ, ਭਰਤੀ, ਵਿੱਤ, ਸਿੱਖਿਆ) ਵਿੱਚ ਤੈਨਾਤ ਹੋ ਜਾਂਦਾ ਹੈ ਜਿੱਥੇ "ਕਾਫ਼ੀ ਚੰਗਾ"... ਕਾਫ਼ੀ ਚੰਗਾ ਨਹੀਂ ਹੁੰਦਾ। ( EU AI ਐਕਟ - ਰੈਗੂਲੇਸ਼ਨ (EU) 2024/1689 )

ਇਹ AI ਵਿੱਚ ਵੱਡੇ ਤਕਨੀਕੀ ਹੁਨਰ ਦੀ ਭੂਮਿਕਾ ਦਾ ਹਿੱਸਾ ਹੈ - ਅਤਿ-ਆਧੁਨਿਕ ਸਮਰੱਥਾ ਨੂੰ ਮਾਸ-ਮਾਰਕੀਟ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਵਿੱਚ ਬਦਲਣਾ, ਭਾਵੇਂ ਕਿਨਾਰੇ ਅਜੇ ਵੀ ਤਿੱਖੇ ਹੋਣ। 🔪

ਕਲੋਜ਼-ਅੱਪ: ਵੰਡ ਅਸਲ ਸੁਪਰਪਾਵਰ ਹੈ 🚀📣

ਜੇਕਰ ਤੁਸੀਂ AI ਨੂੰ ਉਹਨਾਂ ਥਾਵਾਂ ਦੇ ਅੰਦਰ ਰੱਖ ਸਕਦੇ ਹੋ ਜਿੱਥੇ ਲੋਕ ਪਹਿਲਾਂ ਹੀ ਡਿਜੀਟਲ ਤੌਰ 'ਤੇ ਰਹਿੰਦੇ ਹਨ, ਤਾਂ ਤੁਹਾਨੂੰ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ "ਮਨਾਉਣ" ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ। ਤੁਸੀਂ ਬਸ ਡਿਫਾਲਟ ਬਣ ਜਾਂਦੇ ਹੋ।.

ਵੱਡੇ ਤਕਨੀਕੀ ਵੰਡ ਚੈਨਲਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

ਇਹੀ ਕਾਰਨ ਹੈ ਕਿ ਛੋਟੀਆਂ ਏਆਈ ਕੰਪਨੀਆਂ ਅਕਸਰ ਬਿਗ ਟੈਕ ਨਾਲ ਭਾਈਵਾਲੀ ਕਰਦੀਆਂ ਹਨ ਭਾਵੇਂ ਉਹ ਇਸ ਬਾਰੇ ਘਬਰਾਉਂਦੀਆਂ ਹੋਣ। ਵੰਡ ਆਕਸੀਜਨ ਹੈ। ਇਸ ਤੋਂ ਬਿਨਾਂ, ਤੁਹਾਡੇ ਕੋਲ ਦੁਨੀਆ ਦਾ ਸਭ ਤੋਂ ਵਧੀਆ ਮਾਡਲ ਹੋ ਸਕਦਾ ਹੈ ਅਤੇ ਫਿਰ ਵੀ ਤੁਸੀਂ ਖਾਲੀ ਥਾਂ 'ਤੇ ਰੌਲਾ ਪਾ ਸਕਦੇ ਹੋ।.

ਇਸਦਾ ਇੱਕ ਸੂਖਮ ਮਾੜਾ ਪ੍ਰਭਾਵ ਵੀ ਹੈ: ਵੰਡ ਇਹ ਆਕਾਰ ਦਿੰਦੀ ਹੈ ਕਿ "AI" ਦਾ ਜਨਤਾ ਲਈ ਕੀ ਅਰਥ ਹੈ। ਜੇਕਰ AI ਮੁੱਖ ਤੌਰ 'ਤੇ ਲਿਖਣ ਵਿੱਚ ਸਹਾਇਕ ਵਜੋਂ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ, ਤਾਂ ਲੋਕ ਮੰਨਦੇ ਹਨ ਕਿ AI ਲਿਖਣ ਬਾਰੇ ਹੈ। ਜੇਕਰ ਇਹ ਫੋਟੋ ਸੰਪਾਦਨ ਵਜੋਂ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ, ਤਾਂ ਲੋਕ ਮੰਨਦੇ ਹਨ ਕਿ AI ਚਿੱਤਰਾਂ ਬਾਰੇ ਹੈ। ਪਲੇਟਫਾਰਮ ਵਾਈਬ ਦਾ ਫੈਸਲਾ ਕਰਦਾ ਹੈ।.

ਕਲੋਜ਼-ਅੱਪ: ਡੇਟਾ, ਗੋਪਨੀਯਤਾ, ਅਤੇ ਭਰੋਸੇ ਦਾ ਸੌਦਾ 🔐🧠

ਏਆਈ ਸਿਸਟਮ ਅਕਸਰ ਵਧੇਰੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਬਣ ਜਾਂਦੇ ਹਨ ਜਦੋਂ ਉਹਨਾਂ ਨੂੰ ਵਿਅਕਤੀਗਤ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ। ਵਿਅਕਤੀਗਤਕਰਨ ਲਈ ਅਕਸਰ ਡੇਟਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਅਤੇ ਡੇਟਾ ਜੋਖਮ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਉਹ ਤਿਕੋਣ ਕਦੇ ਵੀ ਦੂਰ ਨਹੀਂ ਹੁੰਦਾ।.

ਬਿਗ ਟੈਕ ਇਸ 'ਤੇ ਬੈਠਦਾ ਹੈ:

  • ਖਪਤਕਾਰ ਵਿਵਹਾਰ ਸੰਬੰਧੀ ਡੇਟਾ (ਖੋਜਾਂ, ਕਲਿੱਕਾਂ, ਤਰਜੀਹਾਂ)

  • ਐਂਟਰਪ੍ਰਾਈਜ਼ ਡੇਟਾ (ਈਮੇਲਾਂ, ਦਸਤਾਵੇਜ਼, ਚੈਟ, ਟਿਕਟਾਂ, ਵਰਕਫਲੋ)

  • ਪਲੇਟਫਾਰਮ ਡੇਟਾ (ਐਪਾਂ, ਭੁਗਤਾਨ, ਪਛਾਣ ਸੰਕੇਤ)

  • ਡਿਵਾਈਸ ਡਾਟਾ (ਸਥਾਨ, ਸੈਂਸਰ, ਫੋਟੋਆਂ, ਵੌਇਸ ਇਨਪੁੱਟ)

ਭਾਵੇਂ "ਕੱਚਾ ਡੇਟਾ" ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਨਹੀਂ ਵਰਤਿਆ ਜਾਂਦਾ, ਆਲੇ ਦੁਆਲੇ ਦਾ ਈਕੋਸਿਸਟਮ ਸਿਖਲਾਈ, ਫਾਈਨ-ਟਿਊਨਿੰਗ, ਮੁਲਾਂਕਣ ਅਤੇ ਉਤਪਾਦ ਦਿਸ਼ਾ ਨੂੰ ਆਕਾਰ ਦਿੰਦਾ ਹੈ।.

ਟਰੱਸਟ ਸੌਦਾ ਆਮ ਤੌਰ 'ਤੇ ਇਸ ਤਰ੍ਹਾਂ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ:

  • ਉਪਭੋਗਤਾ ਡੇਟਾ ਇਕੱਠਾ ਕਰਨਾ ਸਵੀਕਾਰ ਕਰਦੇ ਹਨ ਕਿਉਂਕਿ ਉਤਪਾਦ ਸੁਵਿਧਾਜਨਕ ਹੈ 🧃

  • ਜਦੋਂ ਹਾਲਾਤ ਡਰਾਉਣੇ ਹੋ ਜਾਂਦੇ ਹਨ ਤਾਂ ਰੈਗੂਲੇਟਰ ਪਿੱਛੇ ਹਟ ਜਾਂਦੇ ਹਨ 👀 ( GDPR - ਰੈਗੂਲੇਸ਼ਨ (EU) 2016/679 )

  • ਕੰਪਨੀਆਂ ਨਿਯੰਤਰਣਾਂ, ਨੀਤੀਆਂ ਅਤੇ "ਗੋਪਨੀਯਤਾ-ਪਹਿਲਾਂ" ਸੰਦੇਸ਼ਾਂ ਨਾਲ ਜਵਾਬ ਦਿੰਦੀਆਂ ਹਨ।

  • ਹਰ ਕੋਈ ਇਸ ਬਾਰੇ ਬਹਿਸ ਕਰਦਾ ਹੈ ਕਿ "ਗੋਪਨੀਯਤਾ" ਦਾ ਕੀ ਅਰਥ ਹੈ

ਇੱਕ ਵਿਹਾਰਕ ਨਿਯਮ ਜੋ ਮੈਂ ਕੰਮ ਕਰਦਾ ਦੇਖਿਆ ਹੈ: ਜੇਕਰ ਕੋਈ ਕੰਪਨੀ ਕਾਨੂੰਨੀ ਗੱਲਾਂ ਪਿੱਛੇ ਲੁਕੇ ਬਿਨਾਂ ਇੱਕ ਵਾਰ ਗੱਲਬਾਤ ਵਿੱਚ ਆਪਣੇ AI ਡੇਟਾ ਅਭਿਆਸਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰ ਸਕਦੀ ਹੈ, ਤਾਂ ਉਹ ਆਮ ਤੌਰ 'ਤੇ ਔਸਤ ਨਾਲੋਂ ਬਿਹਤਰ ਕਰ ਰਹੀ ਹੈ। ਸੰਪੂਰਨ ਨਹੀਂ - ਸਿਰਫ਼ ਬਿਹਤਰ।.

ਨਜ਼ਦੀਕੀ ਦ੍ਰਿਸ਼: ਸ਼ਾਸਨ, ਸੁਰੱਖਿਆ, ਅਤੇ ਸ਼ਾਂਤ ਪ੍ਰਭਾਵ ਵਾਲੀ ਖੇਡ 🧯📜

ਇਹ ਘੱਟ ਦਿਖਾਈ ਦੇਣ ਵਾਲੀ ਭੂਮਿਕਾ ਹੈ: ਬਿਗ ਟੈਕ ਅਕਸਰ ਉਨ੍ਹਾਂ ਨਿਯਮਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਦੀ ਪਾਲਣਾ ਹਰ ਕੋਈ ਕਰਦਾ ਹੈ।.

ਉਹ ਸ਼ਾਸਨ ਨੂੰ ਇਹਨਾਂ ਰਾਹੀਂ ਆਕਾਰ ਦਿੰਦੇ ਹਨ:

ਕਈ ਵਾਰ ਇਹ ਸੱਚਮੁੱਚ ਮਦਦਗਾਰ ਹੁੰਦਾ ਹੈ। ਬਿਗ ਟੈਕ ਸੁਰੱਖਿਆ ਟੀਮਾਂ, ਟਰੱਸਟ ਟੂਲਿੰਗ, ਦੁਰਵਰਤੋਂ ਖੋਜ, ਅਤੇ ਪਾਲਣਾ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਛੋਟੇ ਖਿਡਾਰੀ ਬਰਦਾਸ਼ਤ ਨਹੀਂ ਕਰ ਸਕਦੇ।.

ਕਈ ਵਾਰ ਇਹ ਸਵੈ-ਸੇਵਾ ਵਾਲਾ ਹੁੰਦਾ ਹੈ। ਸੁਰੱਖਿਆ ਇੱਕ ਖਾਈ ਬਣ ਸਕਦੀ ਹੈ, ਜਿੱਥੇ ਸਿਰਫ਼ ਸਭ ਤੋਂ ਵੱਡੇ ਖਿਡਾਰੀ ਹੀ ਪਾਲਣਾ ਕਰਨ ਲਈ "ਬਰਦਾਸ਼ਤ" ਕਰ ਸਕਦੇ ਹਨ। ਇਹੀ ਕੈਚ-22 ਹੈ: ਸੁਰੱਖਿਆ ਜ਼ਰੂਰੀ ਹੈ, ਪਰ ਮਹਿੰਗੀ ਸੁਰੱਖਿਆ ਗਲਤੀ ਨਾਲ ਮੁਕਾਬਲੇ ਨੂੰ ਫ੍ਰੀਜ਼ ਕਰ ਸਕਦੀ ਹੈ। ( EU AI ਐਕਟ - ਰੈਗੂਲੇਸ਼ਨ (EU) 2024/1689 )

ਇਹੀ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਸੂਖਮਤਾ ਮਾਇਨੇ ਰੱਖਦੀ ਹੈ। ਮਜ਼ੇਦਾਰ ਸੂਖਮਤਾ ਵੀ ਨਹੀਂ - ਤੰਗ ਕਰਨ ਵਾਲੀ ਕਿਸਮ। 😬

ਨਜ਼ਦੀਕੀ ਦ੍ਰਿਸ਼: ਮੁਕਾਬਲਾ, ਖੁੱਲ੍ਹਾ ਵਾਤਾਵਰਣ, ਅਤੇ ਸਟਾਰਟਅੱਪ ਗੰਭੀਰਤਾ 🧲🌱

ਏਆਈ ਵਿੱਚ ਬਿਗ ਟੈਕ ਦੀ ਭੂਮਿਕਾ ਵਿੱਚ ਬਾਜ਼ਾਰ ਦੀ ਸ਼ਕਲ ਨੂੰ ਆਕਾਰ ਦੇਣਾ ਵੀ ਸ਼ਾਮਲ ਹੈ:

  • ਪ੍ਰਾਪਤੀਆਂ (ਪ੍ਰਤਿਭਾ, ਤਕਨੀਕ, ਵੰਡ)

  • ਭਾਈਵਾਲੀ (ਕਲਾਊਡ 'ਤੇ ਹੋਸਟ ਕੀਤੇ ਮਾਡਲ, ਸਾਂਝੇ ਉੱਦਮ ਸੌਦੇ)

  • ਈਕੋਸਿਸਟਮ ਫੰਡਿੰਗ (ਕ੍ਰੈਡਿਟ, ਇਨਕਿਊਬੇਟਰ, ਬਾਜ਼ਾਰ)

  • ਓਪਨ ਟੂਲਿੰਗ (ਫਰੇਮਵਰਕ, ਲਾਇਬ੍ਰੇਰੀਆਂ, "ਓਪਨ-ਇਸ਼" ਰੀਲੀਜ਼)

ਇੱਕ ਪੈਟਰਨ ਹੈ ਜਿਸਨੂੰ ਮੈਂ ਦੁਹਰਾਉਂਦੇ ਦੇਖਿਆ ਹੈ:

  1. ਸਟਾਰਟਅੱਪ ਤੇਜ਼ੀ ਨਾਲ ਨਵੀਨਤਾ ਕਰਦੇ ਹਨ

  2. ਬਿਗ ਟੈਕ ਸਫਲ ਪੈਟਰਨ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਜਾਂ ਕਾਪੀ ਕਰਦਾ ਹੈ

  3. ਸਟਾਰਟਅੱਪਸ ਵਿਸ਼ੇਸ਼ ਸਥਾਨਾਂ ਵੱਲ ਮੁੜਦੇ ਹਨ ਜਾਂ ਪ੍ਰਾਪਤੀ ਦੇ ਟੀਚੇ ਬਣ ਜਾਂਦੇ ਹਨ

  4. "ਪਲੇਟਫਾਰਮ ਪਰਤ" ਮੋਟੀ ਹੋ ​​ਜਾਂਦੀ ਹੈ

ਇਹ ਆਪਣੇ ਆਪ ਬੁਰਾ ਨਹੀਂ ਹੈ। ਪਲੇਟਫਾਰਮ ਰਗੜ ਨੂੰ ਘਟਾ ਸਕਦੇ ਹਨ ਅਤੇ AI ਨੂੰ ਪਹੁੰਚਯੋਗ ਬਣਾ ਸਕਦੇ ਹਨ। ਪਰ ਇਹ ਵਿਭਿੰਨਤਾ ਨੂੰ ਵੀ ਘਟਾ ਸਕਦਾ ਹੈ। ਜੇਕਰ ਹਰ ਉਤਪਾਦ "ਉਸੇ ਕੁਝ API ਦੇ ਦੁਆਲੇ ਇੱਕ ਰੈਪਰ" ਬਣ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਨਵੀਨਤਾ ਉਸੇ ਅਪਾਰਟਮੈਂਟ ਵਿੱਚ ਫਰਨੀਚਰ ਨੂੰ ਮੁੜ ਵਿਵਸਥਿਤ ਕਰਨ ਵਾਂਗ ਮਹਿਸੂਸ ਹੋਣ ਲੱਗਦੀ ਹੈ।.

ਥੋੜ੍ਹਾ ਜਿਹਾ ਗੰਦਾ ਮੁਕਾਬਲਾ ਸਿਹਤਮੰਦ ਹੁੰਦਾ ਹੈ। ਖਟਾਈ ਵਾਲੇ ਸਟਾਰਟਰ ਵਾਂਗ। ਜੇ ਤੁਸੀਂ ਹਰ ਚੀਜ਼ ਨੂੰ ਨਸਬੰਦੀ ਕਰਦੇ ਹੋ, ਤਾਂ ਇਹ ਵਧਣਾ ਬੰਦ ਹੋ ਜਾਂਦਾ ਹੈ। ਉਹ ਰੂਪਕ ਥੋੜ੍ਹਾ ਅਪੂਰਣ ਹੈ, ਪਰ ਮੈਂ ਇਸ ਨਾਲ ਜੁੜਿਆ ਹੋਇਆ ਹਾਂ। 🍞

ਉਤਸ਼ਾਹ ਅਤੇ ਸਾਵਧਾਨੀ ਦੋਵਾਂ ਨਾਲ ਜੀਣਾ 😄😟

ਦੋਵੇਂ ਭਾਵਨਾਵਾਂ ਇੱਕੋ ਜਿਹੀਆਂ ਹਨ। ਉਤਸ਼ਾਹ ਅਤੇ ਸਾਵਧਾਨੀ ਇੱਕੋ ਕਮਰੇ ਵਿੱਚ ਹੋ ਸਕਦੇ ਹਨ।.

ਉਤਸ਼ਾਹਿਤ ਹੋਣ ਦੇ ਕਾਰਨ:

  • ਮਦਦਗਾਰ ਔਜ਼ਾਰਾਂ ਦੀ ਤੇਜ਼ ਤੈਨਾਤੀ

  • ਬਿਹਤਰ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਅਤੇ ਭਰੋਸੇਯੋਗਤਾ

  • ਕਾਰੋਬਾਰਾਂ ਲਈ AI ਅਪਣਾਉਣ ਲਈ ਘੱਟ ਰੁਕਾਵਟ

  • ਵਧੇਰੇ ਸੁਰੱਖਿਆ ਨਿਵੇਸ਼ ਅਤੇ ਮਾਨਕੀਕਰਨ ( NIST AI RMF 1.0 , OECD AI ਸਿਧਾਂਤ )

ਸਾਵਧਾਨ ਰਹਿਣ ਦੇ ਕਾਰਨ:

  • ਕੰਪਿਊਟ ਅਤੇ ਵੰਡ ਦਾ ਏਕੀਕਰਨ ( IEA - AI ਤੋਂ ਊਰਜਾ ਦੀ ਮੰਗ )

  • ਕੀਮਤ, API, ਅਤੇ ਈਕੋਸਿਸਟਮ ਰਾਹੀਂ ਲਾਕ-ਇਨ ਕਰੋ

  • ਗੋਪਨੀਯਤਾ ਜੋਖਮ ਅਤੇ ਨਿਗਰਾਨੀ-ਨਾਲ ਲੱਗਦੇ ਨਤੀਜੇ ( GDPR - ਰੈਗੂਲੇਸ਼ਨ (EU) 2016/679 )

  • "ਇੱਕ ਕੰਪਨੀ ਦੀ ਨੀਤੀ" ਹਰ ਕਿਸੇ ਦੀ ਹਕੀਕਤ ਬਣ ਰਹੀ ਹੈ

ਇੱਕ ਯਥਾਰਥਵਾਦੀ ਰੁਖ਼ ਇਹ ਹੈ: ਵੱਡੇ ਤਕਨੀਕੀ ਸੰਗਠਨ ਦੁਨੀਆ ਲਈ ਏਆਈ ਨੂੰ ਤੇਜ਼ ਕਰ ਸਕਦੇ ਹਨ, ਜਦੋਂ ਕਿ ਸ਼ਕਤੀ ਨੂੰ ਵੀ ਕੇਂਦਰਿਤ ਕਰ ਸਕਦੇ ਹਨ। ਇਹ ਇੱਕੋ ਸਮੇਂ ਸੱਚ ਹੋ ਸਕਦੇ ਹਨ। ਲੋਕ ਉਸ ਜਵਾਬ ਨੂੰ ਨਾਪਸੰਦ ਕਰਦੇ ਹਨ ਕਿਉਂਕਿ ਇਸ ਵਿੱਚ ਮਸਾਲੇ ਦੀ ਘਾਟ ਹੈ, ਫਿਰ ਵੀ ਇਹ ਸਬੂਤਾਂ ਦੇ ਅਨੁਕੂਲ ਹੈ।.

ਵੱਖ-ਵੱਖ ਪਾਠਕਾਂ ਲਈ ਵਿਹਾਰਕ ਸੁਝਾਅ 🎯

ਜੇਕਰ ਤੁਸੀਂ ਇੱਕ ਕਾਰੋਬਾਰੀ ਖਰੀਦਦਾਰ ਹੋ 🧾

  • ਪੁੱਛੋ ਕਿ ਤੁਹਾਡਾ ਡੇਟਾ ਕਿੱਥੇ ਜਾਂਦਾ ਹੈ, ਇਸਨੂੰ ਕਿਵੇਂ ਅਲੱਗ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਪ੍ਰਸ਼ਾਸਕ ਕੀ ਕੰਟਰੋਲ ਕਰ ਸਕਦੇ ਹਨ ( GDPR - ਰੈਗੂਲੇਸ਼ਨ (EU) 2016/679 , EU AI ਐਕਟ - ਰੈਗੂਲੇਸ਼ਨ (EU) 2024/1689 )

  • ਆਡਿਟ ਲੌਗ, ਪਹੁੰਚ ਨਿਯੰਤਰਣ, ਅਤੇ ਸਪੱਸ਼ਟ ਧਾਰਨ ਨੀਤੀਆਂ ਨੂੰ ਤਰਜੀਹ ਦਿਓ ( ISO/IEC 42001:2023 )

  • ਲੁਕਵੇਂ ਖਰਚਿਆਂ ਦੇ ਵਕਰਾਂ 'ਤੇ ਨਜ਼ਰ ਰੱਖੋ (ਵਰਤੋਂ ਦੀ ਕੀਮਤ ਤੇਜ਼ੀ ਨਾਲ ਵੱਧਦੀ ਜਾਂਦੀ ਹੈ)

ਜੇਕਰ ਤੁਸੀਂ ਇੱਕ ਡਿਵੈਲਪਰ ਹੋ 🧑💻

  • ਪੋਰਟੇਬਿਲਟੀ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖ ਕੇ ਬਣਾਓ (ਐਬਸਟ੍ਰਕਸ਼ਨ ਲੇਅਰਾਂ ਮਦਦ ਕਰਦੀਆਂ ਹਨ)

  • ਇੱਕ ਵਿਕਰੇਤਾ ਵਿਸ਼ੇਸ਼ਤਾ 'ਤੇ ਹਰ ਚੀਜ਼ ਦਾਅ ਨਾ ਲਗਾਓ ਜੋ ਅਲੋਪ ਹੋ ਸਕਦੀ ਹੈ।

  • ਦਰ ਸੀਮਾਵਾਂ, ਕੀਮਤ ਤਬਦੀਲੀਆਂ, ਅਤੇ ਨੀਤੀ ਅਪਡੇਟਾਂ ਨੂੰ ਟਰੈਕ ਕਰੋ ਜਿਵੇਂ ਇਹ ਤੁਹਾਡੇ ਕੰਮ ਦਾ ਹਿੱਸਾ ਹੈ (ਕਿਉਂਕਿ ਇਹ ਹੈ) ( ਐਪਲ ਐਪ ਸਮੀਖਿਆ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ , ਗੂਗਲ ਪਲੇ ਡੇਟਾ ਸੁਰੱਖਿਆ )

ਜੇਕਰ ਤੁਸੀਂ ਨੀਤੀ ਨਿਰਮਾਤਾ ਜਾਂ ਪਾਲਣਾ ਮੁਖੀ ਹੋ 🏛️

  • ਅੰਤਰ-ਕਾਰਜਸ਼ੀਲ ਮਿਆਰਾਂ ਅਤੇ ਪਾਰਦਰਸ਼ਤਾ ਨਿਯਮਾਂ ( OECD AI ਸਿਧਾਂਤ )

  • ਉਨ੍ਹਾਂ ਨਿਯਮਾਂ ਤੋਂ ਬਚੋ ਜਿਨ੍ਹਾਂ ਦੀ ਪਾਲਣਾ ਸਿਰਫ਼ ਦਿੱਗਜ ਹੀ ਕਰ ਸਕਦੇ ਹਨ ( EU AI ਐਕਟ - ਰੈਗੂਲੇਸ਼ਨ (EU) 2024/1689 )

  • "ਵੰਡ ਨਿਯੰਤਰਣ" ਨੂੰ ਇੱਕ ਮੁੱਖ ਮੁੱਦੇ ਵਜੋਂ ਸਮਝੋ, ਨਾ ਕਿ ਬਾਅਦ ਵਿੱਚ ਸੋਚੇ-ਸਮਝੇ ਕੀਤੇ ਮੁੱਦੇ ਵਜੋਂ।

ਜੇਕਰ ਤੁਸੀਂ ਇੱਕ ਨਿਯਮਤ ਉਪਭੋਗਤਾ ਹੋ 🙋

  • ਜਾਣੋ ਕਿ ਤੁਹਾਡੀਆਂ ਐਪਾਂ ਵਿੱਚ AI ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਕਿੱਥੇ ਰਹਿੰਦੀਆਂ ਹਨ

  • ਗੋਪਨੀਯਤਾ ਨਿਯੰਤਰਣਾਂ ਦੀ ਵਰਤੋਂ ਕਰੋ ਭਾਵੇਂ ਉਹ ਤੰਗ ਕਰਨ ਵਾਲੇ ਹੋਣ ( GDPR - ਰੈਗੂਲੇਸ਼ਨ (EU) 2016/679 )

  • "ਜਾਦੂਈ" ਨਤੀਜਿਆਂ ਪ੍ਰਤੀ ਸ਼ੱਕੀ ਰਹੋ - AI ਆਤਮਵਿਸ਼ਵਾਸੀ ਹੁੰਦਾ ਹੈ, ਹਮੇਸ਼ਾ ਸਹੀ ਨਹੀਂ ਹੁੰਦਾ 😵

ਸਮਾਪਤੀ ਸਾਰ: ਏਆਈ ਵਿੱਚ ਵੱਡੇ ਤਕਨੀਕੀ ਮਾਹਰਾਂ ਦੀ ਭੂਮਿਕਾ 🧠✨

ਏਆਈ ਵਿੱਚ ਬਿਗ ਟੈਕ ਦੀ ਭੂਮਿਕਾ ਇੱਕਲੀ ਚੀਜ਼ ਨਹੀਂ ਹੈ। ਇਹ ਭੂਮਿਕਾਵਾਂ ਦਾ ਇੱਕ ਸਮੂਹ ਹੈ: ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਮਾਲਕ, ਮਾਡਲ ਨਿਰਮਾਤਾ, ਵਿਤਰਕ, ਗੇਟਕੀਪਰ, ਅਤੇ ਮਾਰਕੀਟ ਸ਼ੇਪਰ। ਉਹ ਸਿਰਫ਼ ਏਆਈ ਵਿੱਚ ਹਿੱਸਾ ਨਹੀਂ ਲੈਂਦੇ - ਉਹ ਉਸ ਭੂਮੀ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦੇ ਹਨ ਜਿਸ 'ਤੇ ਏਆਈ ਵਧਦਾ ਹੈ।.

ਜੇਕਰ ਤੁਹਾਨੂੰ ਸਿਰਫ਼ ਇੱਕ ਲਾਈਨ ਯਾਦ ਹੈ, ਤਾਂ ਇਸਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਬਣਾਓ:

ਏਆਈ ਵਿੱਚ ਵੱਡੇ ਤਕਨੀਕੀ ਮਾਹਰਾਂ ਦੀ ਭੂਮਿਕਾ
ਇਹ ਪਾਈਪਾਂ ਦਾ ਨਿਰਮਾਣ ਕਰ ਰਿਹਾ ਹੈ, ਡਿਫਾਲਟ ਸੈੱਟ ਕਰ ਰਿਹਾ ਹੈ, ਅਤੇ ਏਆਈ ਮਨੁੱਖਾਂ ਤੱਕ ਕਿਵੇਂ ਪਹੁੰਚਦਾ ਹੈ - ਵੱਡੇ ਪੱਧਰ 'ਤੇ, ਵੱਡੇ ਨਤੀਜਿਆਂ ਦੇ ਨਾਲ। ( NIST AI RMF 1.0 , EU AI ਐਕਟ - ਰੈਗੂਲੇਸ਼ਨ (EU) 2024/1689 )

ਅਤੇ ਹਾਂ, "ਨਤੀਜੇ" ਨਾਟਕੀ ਲੱਗਦੇ ਹਨ। ਪਰ AI ਉਹਨਾਂ ਵਿਸ਼ਿਆਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ ਜਿੱਥੇ ਨਾਟਕੀ ਕਈ ਵਾਰ ਸਿਰਫ਼... ਸਹੀ ਹੁੰਦਾ ਹੈ। 😬🤖

ਅਕਸਰ ਪੁੱਛੇ ਜਾਂਦੇ ਸਵਾਲ

ਵਿਹਾਰਕ ਰੂਪ ਵਿੱਚ, AI ਵਿੱਚ ਵੱਡੇ ਤਕਨੀਕੀ ਖੇਤਰ ਦੀ ਕੀ ਭੂਮਿਕਾ ਹੈ?

ਏਆਈ ਵਿੱਚ ਬਿਗ ਟੈਕ ਦੀ ਭੂਮਿਕਾ "ਉਹ ਮਾਡਲ ਬਣਾਉਂਦੇ ਹਨ" ਘੱਟ ਅਤੇ "ਉਹ ਮਸ਼ੀਨਰੀ ਚਲਾਉਂਦੇ ਹਨ ਜੋ ਏਆਈ ਨੂੰ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਕੰਮ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕਰਦੀ ਹੈ" ਜ਼ਿਆਦਾ ਹੈ। ਉਹ ਕਲਾਉਡ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ, ਡਿਵਾਈਸਾਂ ਅਤੇ ਐਪਸ ਰਾਹੀਂ ਏਆਈ ਭੇਜਦੇ ਹਨ, ਅਤੇ ਪਲੇਟਫਾਰਮ ਨਿਯਮ ਨਿਰਧਾਰਤ ਕਰਦੇ ਹਨ ਜੋ ਬਣਾਏ ਜਾਣ ਵਾਲੇ ਪਦਾਰਥਾਂ ਨੂੰ ਆਕਾਰ ਦਿੰਦੇ ਹਨ। ਉਹ ਖੋਜ, ਭਾਈਵਾਲੀ ਅਤੇ ਪ੍ਰਾਪਤੀਆਂ ਨੂੰ ਵੀ ਫੰਡ ਦਿੰਦੇ ਹਨ ਜੋ ਪ੍ਰਭਾਵਤ ਕਰਦੇ ਹਨ ਕਿ ਕਿਹੜੇ ਪਹੁੰਚ ਬਚੇ ਹਨ। ਬਹੁਤ ਸਾਰੇ ਬਾਜ਼ਾਰਾਂ ਵਿੱਚ, ਉਹ ਡਿਫਾਲਟ ਏਆਈ ਅਨੁਭਵ ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦੇ ਹਨ।.

ਪੈਮਾਨੇ 'ਤੇ AI ਬਣਾਉਣ ਵਾਲਿਆਂ ਲਈ ਕੰਪਿਊਟ ਪਹੁੰਚ ਇੰਨੀ ਮਾਇਨੇ ਕਿਉਂ ਰੱਖਦੀ ਹੈ?

ਆਧੁਨਿਕ AI ਵੱਡੇ GPU ਕਲੱਸਟਰਾਂ, ਤੇਜ਼ ਨੈੱਟਵਰਕਿੰਗ, ਸਟੋਰੇਜ, ਅਤੇ ਭਰੋਸੇਮੰਦ MLOps ਪਾਈਪਲਾਈਨਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ - ਸਿਰਫ਼ ਚਲਾਕ ਐਲਗੋਰਿਦਮ ਹੀ ਨਹੀਂ। ਜੇਕਰ ਤੁਸੀਂ ਅਨੁਮਾਨਯੋਗ ਸਮਰੱਥਾ ਪ੍ਰਾਪਤ ਨਹੀਂ ਕਰ ਸਕਦੇ, ਤਾਂ ਸਿਖਲਾਈ, ਮੁਲਾਂਕਣ ਅਤੇ ਤੈਨਾਤੀ ਨਾਜ਼ੁਕ ਅਤੇ ਮਹਿੰਗੀ ਹੋ ਜਾਂਦੀ ਹੈ। ਬਿਗ ਟੈਕ ਅਕਸਰ "ਰੀੜ੍ਹ ਦੀ ਹੱਡੀ" ਪਰਤ (ਕਲਾਊਡ, ਚਿਪਸ ਭਾਈਵਾਲੀ, ਸਮਾਂ-ਸਾਰਣੀ, ਸੁਰੱਖਿਆ) ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਦਾ ਹੈ, ਜੋ ਛੋਟੀਆਂ ਟੀਮਾਂ ਲਈ ਕੀ ਸੰਭਵ ਹੈ ਇਹ ਸੈੱਟ ਕਰ ਸਕਦਾ ਹੈ। ਉਹ ਸ਼ਕਤੀ ਲਾਭਦਾਇਕ ਹੋ ਸਕਦੀ ਹੈ, ਪਰ ਇਹ ਸ਼ਕਤੀ ਬਣੀ ਰਹਿੰਦੀ ਹੈ।.

ਬਿਗ ਟੈਕ ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ ਰੋਜ਼ਾਨਾ ਉਪਭੋਗਤਾਵਾਂ ਲਈ "ਏਆਈ" ਦੇ ਅਰਥ ਨੂੰ ਕਿਵੇਂ ਆਕਾਰ ਦਿੰਦੀ ਹੈ?

ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ ਇੱਕ ਸੁਪਰਪਾਵਰ ਹੈ ਕਿਉਂਕਿ ਇਹ AI ਨੂੰ ਇੱਕ ਵੱਖਰੇ ਉਤਪਾਦ ਦੀ ਬਜਾਏ ਇੱਕ ਡਿਫਾਲਟ ਵਿਸ਼ੇਸ਼ਤਾ ਵਿੱਚ ਬਦਲ ਦਿੰਦਾ ਹੈ ਜੋ ਤੁਹਾਨੂੰ ਚੁਣਨਾ ਚਾਹੀਦਾ ਹੈ। ਜਦੋਂ AI ਸਰਚ ਬਾਰਾਂ, ਫੋਨਾਂ, ਈਮੇਲ, ਦਸਤਾਵੇਜ਼ਾਂ, ਮੀਟਿੰਗਾਂ ਅਤੇ ਐਪ ਸਟੋਰਾਂ ਵਿੱਚ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ, ਤਾਂ ਇਹ ਜ਼ਿਆਦਾਤਰ ਲੋਕਾਂ ਲਈ "AI ਕੀ ਹੈ" ਬਣ ਜਾਂਦਾ ਹੈ। ਇਹ ਜਨਤਕ ਉਮੀਦਾਂ ਨੂੰ ਵੀ ਘਟਾਉਂਦਾ ਹੈ: ਜੇਕਰ AI ਜ਼ਿਆਦਾਤਰ ਤੁਹਾਡੇ ਐਪਸ ਵਿੱਚ ਇੱਕ ਲਿਖਣ ਦਾ ਸਾਧਨ ਹੈ, ਤਾਂ ਉਪਭੋਗਤਾ ਮੰਨਦੇ ਹਨ ਕਿ AI ਲਿਖਣ ਦੇ ਬਰਾਬਰ ਹੈ। ਪਲੇਟਫਾਰਮ ਚੁੱਪਚਾਪ ਸੁਰ ਦਾ ਫੈਸਲਾ ਕਰਦੇ ਹਨ।.

ਪਲੇਟਫਾਰਮ ਨਿਯਮ ਅਤੇ ਐਪ ਸਟੋਰ AI ਗੇਟਕੀਪਰ ਵਜੋਂ ਕੰਮ ਕਰਨ ਦੇ ਮੁੱਖ ਤਰੀਕੇ ਕੀ ਹਨ?

ਐਪ ਸਮੀਖਿਆ ਨੀਤੀਆਂ, ਮਾਰਕੀਟਪਲੇਸ ਸ਼ਰਤਾਂ, ਸਮੱਗਰੀ ਨਿਯਮ, ਅਤੇ API ਪਾਬੰਦੀਆਂ ਇਹ ਨਿਰਧਾਰਤ ਕਰ ਸਕਦੀਆਂ ਹਨ ਕਿ ਕਿਹੜੀਆਂ AI ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਇਜਾਜ਼ਤ ਹੈ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਕਿਵੇਂ ਵਿਵਹਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਭਾਵੇਂ ਨਿਯਮਾਂ ਨੂੰ ਸੁਰੱਖਿਆ ਜਾਂ ਗੋਪਨੀਯਤਾ ਸੁਰੱਖਿਆ ਵਜੋਂ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ, ਉਹ ਪਾਲਣਾ ਅਤੇ ਲਾਗੂ ਕਰਨ ਦੀਆਂ ਲਾਗਤਾਂ ਨੂੰ ਵਧਾ ਕੇ ਮੁਕਾਬਲੇ ਨੂੰ ਵੀ ਆਕਾਰ ਦਿੰਦੇ ਹਨ। ਡਿਵੈਲਪਰਾਂ ਲਈ, ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਨੀਤੀ ਅੱਪਡੇਟ ਮਾਡਲ ਅੱਪਡੇਟਾਂ ਵਾਂਗ ਮਹੱਤਵਪੂਰਨ ਹੋ ਸਕਦੇ ਹਨ। ਅਭਿਆਸ ਵਿੱਚ, "ਕੀ ਭੇਜਦਾ ਹੈ" ਅਕਸਰ "ਕੀ ਗੇਟ ਤੋਂ ਲੰਘਦਾ ਹੈ" ਹੁੰਦਾ ਹੈ।

ਸੇਜਮੇਕਰ, ਅਜ਼ੂਰ ਐਮਐਲ, ਅਤੇ ਵਰਟੈਕਸ ਏਆਈ ਵਰਗੇ ਕਲਾਉਡ ਏਆਈ ਪਲੇਟਫਾਰਮ ਏਆਈ ਵਿੱਚ ਬਿਗ ਟੈਕ ਦੀ ਭੂਮਿਕਾ ਵਿੱਚ ਕਿਵੇਂ ਫਿੱਟ ਬੈਠਦੇ ਹਨ?

ਕਲਾਉਡ ਏਆਈ ਪਲੇਟਫਾਰਮ ਸਿਖਲਾਈ, ਤੈਨਾਤੀ, ਨਿਗਰਾਨੀ, ਸ਼ਾਸਨ ਅਤੇ ਸੁਰੱਖਿਆ ਨੂੰ ਇੱਕ ਥਾਂ 'ਤੇ ਜੋੜਦੇ ਹਨ, ਜੋ ਸਟਾਰਟਅੱਪਸ ਅਤੇ ਉੱਦਮਾਂ ਲਈ ਰਗੜ ਨੂੰ ਘਟਾਉਂਦਾ ਹੈ। ਐਮਾਜ਼ਾਨ ਸੇਜਮੇਕਰ, ਅਜ਼ੂਰ ਮਸ਼ੀਨ ਲਰਨਿੰਗ, ਅਤੇ ਵਰਟੈਕਸ ਏਆਈ ਵਰਗੇ ਟੂਲ ਇੱਕ ਸਿੰਗਲ ਵਿਕਰੇਤਾ ਸਬੰਧ ਦੁਆਰਾ ਲਾਗਤਾਂ ਨੂੰ ਸਕੇਲ ਕਰਨਾ ਅਤੇ ਪ੍ਰਬੰਧਨ ਕਰਨਾ ਆਸਾਨ ਬਣਾਉਂਦੇ ਹਨ। ਵਪਾਰ-ਬੰਦ ਇਹ ਹੈ ਕਿ ਸਹੂਲਤ ਲਾਕ-ਇਨ ਨੂੰ ਵਧਾ ਸਕਦੀ ਹੈ, ਕਿਉਂਕਿ ਵਰਕਫਲੋ, ਅਨੁਮਤੀਆਂ ਅਤੇ ਨਿਗਰਾਨੀ ਉਸ ਈਕੋਸਿਸਟਮ ਵਿੱਚ ਡੂੰਘਾਈ ਨਾਲ ਏਕੀਕ੍ਰਿਤ ਹਨ।.

ਬਿਗ ਟੈਕ ਏਆਈ ਟੂਲਸ ਅਪਣਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਇੱਕ ਕਾਰੋਬਾਰੀ ਖਰੀਦਦਾਰ ਨੂੰ ਕੀ ਪੁੱਛਣਾ ਚਾਹੀਦਾ ਹੈ?

ਡੇਟਾ ਨਾਲ ਸ਼ੁਰੂਆਤ ਕਰੋ: ਇਹ ਕਿੱਥੇ ਜਾਂਦਾ ਹੈ, ਇਸਨੂੰ ਕਿਵੇਂ ਅਲੱਗ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਕਿਹੜੇ ਧਾਰਨ ਅਤੇ ਆਡਿਟ ਨਿਯੰਤਰਣ ਮੌਜੂਦ ਹਨ। ਐਡਮਿਨ ਨਿਯੰਤਰਣਾਂ, ਲੌਗਿੰਗ, ਪਹੁੰਚ ਸੀਮਾਵਾਂ, ਅਤੇ ਤੁਹਾਡੇ ਡੋਮੇਨ ਵਿੱਚ ਜੋਖਮ ਲਈ ਮਾਡਲਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕਿਵੇਂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਬਾਰੇ ਪੁੱਛੋ। ਦਬਾਅ-ਟੈਸਟ ਕੀਮਤ ਵੀ, ਕਿਉਂਕਿ ਗੋਦ ਲੈਣ ਦੇ ਵਧਣ ਨਾਲ ਵਰਤੋਂ-ਅਧਾਰਤ ਲਾਗਤਾਂ ਵਧ ਸਕਦੀਆਂ ਹਨ। ਨਿਯੰਤ੍ਰਿਤ ਸੈਟਿੰਗਾਂ ਵਿੱਚ, ਉਮੀਦਾਂ ਨੂੰ ਉਹਨਾਂ ਫਰੇਮਵਰਕਾਂ ਅਤੇ ਪਾਲਣਾ ਜ਼ਰੂਰਤਾਂ ਨਾਲ ਇਕਸਾਰ ਕਰੋ ਜੋ ਤੁਹਾਡੀ ਸੰਸਥਾ ਪਹਿਲਾਂ ਹੀ ਵਰਤਦੀ ਹੈ।.

ਬਿਗ ਟੈਕ ਏਆਈ ਏਪੀਆਈ 'ਤੇ ਨਿਰਮਾਣ ਕਰਦੇ ਸਮੇਂ ਡਿਵੈਲਪਰ ਵਿਕਰੇਤਾ ਲਾਕ-ਇਨ ਤੋਂ ਕਿਵੇਂ ਬਚ ਸਕਦੇ ਹਨ?

ਇੱਕ ਆਮ ਪਹੁੰਚ ਪੋਰਟੇਬਿਲਟੀ ਲਈ ਡਿਜ਼ਾਈਨ ਕਰਨਾ ਹੈ: ਮਾਡਲ ਕਾਲਾਂ ਨੂੰ ਇੱਕ ਐਬਸਟਰੈਕਸ਼ਨ ਲੇਅਰ ਦੇ ਪਿੱਛੇ ਲਪੇਟੋ ਅਤੇ ਪ੍ਰੋਂਪਟ, ਨੀਤੀਆਂ, ਅਤੇ ਮੁਲਾਂਕਣ ਤਰਕ ਨੂੰ ਵਰਜਨ ਅਤੇ ਟੈਸਟੇਬਲ ਰੱਖੋ। ਇੱਕ "ਵਿਸ਼ੇਸ਼" ਵਿਕਰੇਤਾ ਵਿਸ਼ੇਸ਼ਤਾ 'ਤੇ ਨਿਰਭਰ ਕਰਨ ਤੋਂ ਬਚੋ ਜੋ ਬਦਲ ਸਕਦੀ ਹੈ ਜਾਂ ਅਲੋਪ ਹੋ ਸਕਦੀ ਹੈ। ਚੱਲ ਰਹੇ ਰੱਖ-ਰਖਾਅ ਦੇ ਹਿੱਸੇ ਵਜੋਂ ਦਰ ਸੀਮਾਵਾਂ, ਕੀਮਤ ਅੱਪਡੇਟ ਅਤੇ ਨੀਤੀ ਤਬਦੀਲੀਆਂ ਨੂੰ ਟਰੈਕ ਕਰੋ। ਪੋਰਟੇਬਿਲਟੀ ਮੁਫ਼ਤ ਨਹੀਂ ਹੈ, ਪਰ ਇਸਦੀ ਕੀਮਤ ਆਮ ਤੌਰ 'ਤੇ ਜ਼ਬਰਦਸਤੀ ਮਾਈਗ੍ਰੇਸ਼ਨ ਤੋਂ ਘੱਟ ਹੁੰਦੀ ਹੈ।.

ਗੋਪਨੀਯਤਾ ਅਤੇ ਨਿੱਜੀਕਰਨ AI ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨਾਲ "ਭਰੋਸੇ ਦਾ ਸੌਦਾ" ਕਿਵੇਂ ਬਣਾਉਂਦੇ ਹਨ?

ਨਿੱਜੀਕਰਨ ਅਕਸਰ AI ਉਪਯੋਗਤਾ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਂਦਾ ਹੈ, ਪਰ ਇਹ ਆਮ ਤੌਰ 'ਤੇ ਡੇਟਾ ਐਕਸਪੋਜ਼ਰ ਅਤੇ ਸਮਝੀ ਗਈ ਡਰਾਉਣੀਪਨ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ। ਬਿਗ ਟੈਕ ਵਿਵਹਾਰਕ, ਐਂਟਰਪ੍ਰਾਈਜ਼, ਪਲੇਟਫਾਰਮ ਅਤੇ ਡਿਵਾਈਸ ਡੇਟਾ ਦੇ ਨੇੜੇ ਬੈਠਦਾ ਹੈ, ਇਸ ਲਈ ਉਪਭੋਗਤਾ ਅਤੇ ਰੈਗੂਲੇਟਰ ਜਾਂਚ ਕਰਦੇ ਹਨ ਕਿ ਉਹ ਡੇਟਾ ਸਿਖਲਾਈ, ਫਾਈਨ-ਟਿਊਨਿੰਗ ਅਤੇ ਉਤਪਾਦ ਫੈਸਲਿਆਂ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਭਾਵਤ ਕਰਦਾ ਹੈ। ਇੱਕ ਵਿਹਾਰਕ ਮਾਪਦੰਡ ਇਹ ਹੈ ਕਿ ਕੀ ਕੋਈ ਕੰਪਨੀ ਕਾਨੂੰਨੀ ਭਾਸ਼ਾ ਦੇ ਪਿੱਛੇ ਲੁਕੇ ਬਿਨਾਂ ਆਪਣੇ AI ਡੇਟਾ ਅਭਿਆਸਾਂ ਨੂੰ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਸਮਝਾ ਸਕਦੀ ਹੈ। ਚੰਗੇ ਨਿਯੰਤਰਣ ਅਤੇ ਅਸਲ ਔਪਟ-ਆਉਟ ਮਾਇਨੇ ਰੱਖਦੇ ਹਨ।.

ਬਿਗ ਟੈਕ ਏਆਈ ਗਵਰਨੈਂਸ ਅਤੇ ਸੁਰੱਖਿਆ ਲਈ ਕਿਹੜੇ ਮਾਪਦੰਡ ਅਤੇ ਨਿਯਮ ਸਭ ਤੋਂ ਵੱਧ ਢੁਕਵੇਂ ਹਨ?

ਬਹੁਤ ਸਾਰੀਆਂ ਪਾਈਪਲਾਈਨਾਂ ਵਿੱਚ, ਸ਼ਾਸਨ ਅੰਦਰੂਨੀ ਸੁਰੱਖਿਆ ਨੀਤੀਆਂ ਨੂੰ ਬਾਹਰੀ ਢਾਂਚੇ ਅਤੇ ਕਾਨੂੰਨਾਂ ਨਾਲ ਮਿਲਾਉਂਦਾ ਹੈ। ਸੰਗਠਨ ਅਕਸਰ ਕੁਝ ਵਰਤੋਂ ਦੇ ਮਾਮਲਿਆਂ ਲਈ NIST ਦੇ AI RMF ਵਰਗੇ ਜੋਖਮ ਪ੍ਰਬੰਧਨ ਮਾਰਗਦਰਸ਼ਨ, ISO/IEC 42001 ਵਰਗੇ ਪ੍ਰਬੰਧਨ ਮਿਆਰ, ਅਤੇ GDPR ਅਤੇ EU AI ਐਕਟ ਵਰਗੇ ਖੇਤਰੀ ਨਿਯਮਾਂ ਦਾ ਹਵਾਲਾ ਦਿੰਦੇ ਹਨ। ਇਹ ਲੌਗਿੰਗ, ਆਡਿਟ, ਡੇਟਾ ਸੀਮਾਵਾਂ, ਅਤੇ ਕੀ ਬਲੌਕ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਜਾਂ ਆਗਿਆ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰਦੇ ਹਨ। ਚੁਣੌਤੀ ਇਹ ਹੈ ਕਿ ਪਾਲਣਾ ਮਹਿੰਗੀ ਹੋ ਸਕਦੀ ਹੈ, ਜੋ ਵੱਡੇ ਖਿਡਾਰੀਆਂ ਦਾ ਪੱਖ ਪੂਰ ਸਕਦੀ ਹੈ।.

ਕੀ ਮੁਕਾਬਲੇ ਅਤੇ ਈਕੋਸਿਸਟਮ 'ਤੇ ਬਿਗ ਟੈਕ ਦਾ ਪ੍ਰਭਾਵ ਹਮੇਸ਼ਾ ਮਾੜੀ ਚੀਜ਼ ਹੁੰਦੀ ਹੈ?

ਆਪਣੇ ਆਪ ਨਹੀਂ। ਪਲੇਟਫਾਰਮ ਰੁਕਾਵਟਾਂ ਨੂੰ ਘਟਾ ਸਕਦੇ ਹਨ, ਟੂਲਿੰਗ ਨੂੰ ਮਿਆਰੀ ਬਣਾ ਸਕਦੇ ਹਨ, ਅਤੇ ਸੁਰੱਖਿਆ ਅਤੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਨੂੰ ਫੰਡ ਦੇ ਸਕਦੇ ਹਨ ਜੋ ਛੋਟੀਆਂ ਟੀਮਾਂ ਬਰਦਾਸ਼ਤ ਨਹੀਂ ਕਰ ਸਕਦੀਆਂ। ਪਰ ਉਹੀ ਗਤੀਸ਼ੀਲਤਾ ਵਿਭਿੰਨਤਾ ਨੂੰ ਘਟਾ ਸਕਦੀ ਹੈ ਜੇਕਰ ਹਰ ਕੋਈ ਕੁਝ ਪ੍ਰਮੁੱਖ API, ਕਲਾਉਡ ਅਤੇ ਬਾਜ਼ਾਰਾਂ ਦੇ ਆਲੇ ਦੁਆਲੇ ਇੱਕ ਪਤਲਾ ਰੈਪਰ ਬਣ ਜਾਂਦਾ ਹੈ। ਕੰਪਿਊਟ ਅਤੇ ਵੰਡ ਦੇ ਏਕੀਕਰਨ, ਨਾਲ ਹੀ ਕੀਮਤ ਅਤੇ ਨੀਤੀ ਤਬਦੀਲੀਆਂ ਵਰਗੇ ਪੈਟਰਨਾਂ 'ਤੇ ਨਜ਼ਰ ਰੱਖੋ ਜਿਨ੍ਹਾਂ ਤੋਂ ਬਚਣਾ ਮੁਸ਼ਕਲ ਹੈ। ਸਭ ਤੋਂ ਸਿਹਤਮੰਦ ਈਕੋਸਿਸਟਮ ਆਮ ਤੌਰ 'ਤੇ ਅੰਤਰ-ਕਾਰਜਸ਼ੀਲਤਾ ਅਤੇ ਨਵੇਂ ਪ੍ਰਵੇਸ਼ ਕਰਨ ਵਾਲਿਆਂ ਲਈ ਜਗ੍ਹਾ ਰੱਖਦੇ ਹਨ।.

ਹਵਾਲੇ

  1. ਅੰਤਰਰਾਸ਼ਟਰੀ ਊਰਜਾ ਏਜੰਸੀ - ਊਰਜਾ ਅਤੇ ਏਆਈ - iea.org

  2. ਅੰਤਰਰਾਸ਼ਟਰੀ ਊਰਜਾ ਏਜੰਸੀ - AI ਤੋਂ ਊਰਜਾ ਦੀ ਮੰਗ - iea.org

  3. NVIDIA - AI ਇਨਫਰੈਂਸ ਪਲੇਟਫਾਰਮ ਸੰਖੇਪ ਜਾਣਕਾਰੀ - nvidia.com

  4. ਐਮਾਜ਼ਾਨ ਵੈੱਬ ਸੇਵਾਵਾਂ - ਐਮਾਜ਼ਾਨ ਸੇਜਮੇਕਰ ਏਆਈ ਦਸਤਾਵੇਜ਼ (ਸੇਜਮੇਕਰ ਕੀ ਹੈ?) - aws.amazon.com

  5. ਮਾਈਕ੍ਰੋਸਾਫਟ - ਅਜ਼ੂਰ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦਸਤਾਵੇਜ਼ - learn.microsoft.com

  6. ਗੂਗਲ ਕਲਾਉਡ - ਵਰਟੈਕਸ ਏਆਈ ਦਸਤਾਵੇਜ਼ - cloud.google.com

  7. ਗੂਗਲ ਕਲਾਉਡ - ਵਰਟੈਕਸ ਏਆਈ 'ਤੇ ਐਮਐਲਓਪੀਐਸ - cloud.google.com

  8. ਮਾਈਕ੍ਰੋਸਾਫਟ - ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਓਪਰੇਸ਼ਨ (MLOps) v2 ਆਰਕੀਟੈਕਚਰ ਗਾਈਡ - learn.microsoft.com

  9. ਐਪਲ ਡਿਵੈਲਪਰ - ਕੋਰ ਐਮਐਲ - developer.apple.com

  10. ਗੂਗਲ ਡਿਵੈਲਪਰਸ - ਐਮਐਲ ਕਿੱਟ - developers.google.com

  11. ਐਪਲ ਡਿਵੈਲਪਰ - ਐਪ ਸਮੀਖਿਆ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ - developer.apple.com

  12. Google Play ਕੰਸੋਲ ਮਦਦ - ਡਾਟਾ ਸੁਰੱਖਿਆ - support.google.com

  13. arXiv - ਨਿਊਰਲ ਲੈਂਗੂਏਜ ਮਾਡਲਾਂ ਲਈ ਸਕੇਲਿੰਗ ਕਾਨੂੰਨ - arxiv.org

  14. arXiv - ਸਿਖਲਾਈ ਕੰਪਿਊਟ-ਅਨੁਕੂਲ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲ (ਚਿਨਚਿਲਾ) - arxiv.org

  15. ਨੈਸ਼ਨਲ ਇੰਸਟੀਚਿਊਟ ਆਫ਼ ਸਟੈਂਡਰਡਜ਼ ਐਂਡ ਟੈਕਨਾਲੋਜੀ - ਏਆਈ ਰਿਸਕ ਮੈਨੇਜਮੈਂਟ ਫਰੇਮਵਰਕ (ਏਆਈ ਆਰਐਮਐਫ 1.0) - nist.gov

  16. ਨੈਸ਼ਨਲ ਇੰਸਟੀਚਿਊਟ ਆਫ਼ ਸਟੈਂਡਰਡਜ਼ ਐਂਡ ਟੈਕਨਾਲੋਜੀ - NIST ਜਨਰੇਟਿਵ AI ਪ੍ਰੋਫਾਈਲ (AI RMF ਸਾਥੀ) - nist.gov

  17. ਅੰਤਰਰਾਸ਼ਟਰੀ ਮਾਨਕੀਕਰਨ ਸੰਗਠਨ - ISO/IEC 42001:2023 - iso.org

  18. EUR-Lex - ਰੈਗੂਲੇਸ਼ਨ (EU) 2016/679 (GDPR) - eur-lex.europa.eu

  19. EUR-Lex - ਰੈਗੂਲੇਸ਼ਨ (EU) 2024/1689 (EU AI ਐਕਟ) - eur-lex.europa.eu

  20. OECD - OECD AI ਸਿਧਾਂਤ - oecd.ai

ਅਧਿਕਾਰਤ AI ਸਹਾਇਕ ਸਟੋਰ 'ਤੇ ਨਵੀਨਤਮ AI ਲੱਭੋ

ਸਾਡੇ ਬਾਰੇ

ਬਲੌਗ ਤੇ ਵਾਪਸ ਜਾਓ