ਸਕੈਚਨੋਟ ਟੋਮੋਮੀ ਇਮੁਰਾ ਵੱਲੋਂ
ਕਿਰਤਰਿਮ ਬੁੱਧੀਮੱਤਾ ਇੱਕ ਰੋਚਕ ਵਿਗਿਆਨਕ ਵਿਸ਼ਾ ਹੈ ਜੋ ਅਧਿਐਨ ਕਰਦਾ ਹੈ ਕਿ ਅਸੀਂ ਕੰਪਿਊਟਰਾਂ ਨੂੰ ਬੁੱਧੀਮਾਨ ਵਰਤੋਂਗੇ ਕਿਵੇਂ ਸਿਖਾ ਸਕਦੇ ਹਾਂ, ਜਿਵੇਂ ਮਨੁੱਖ ਕੁਝ ਕੰਮਾਂ ਵਿੱਚ ਮਹਿਰ ਹਨ।
ਮੂਲ ਤੌਰ ਤੇ, ਕੰਪਿਊਟਰਾਂ ਦਾ ਅਵਿਸਕਾਰ ਚਾਰਲਜ਼ ਬੈਬੇਜ ਵੱਲੋਂ ਨੰਬਰਾਂ 'ਤੇ ਕੰਮ ਕਰਨ ਲਈ ਕੀਤਾ ਗਿਆ ਸੀ ਜੋ ਇੱਕ ਸੂਚਿਤ ਕਾਰਵਾਈ - ਐਲਗੋਰਿਦਮ - ਦੀ ਪਾਲਣਾ ਕਰਦੇ ਹਨ। ਅਧੁਨਿਕ ਕੰਪਿਊਟਰ, ਹਾਲਾਂਕਿ ਮੂਲ ਮਾਡਲ ਨਾਲੋਂ ਕਾਫੀ ਉੱਨਤ ਹਨ ਜੋ 19ਵੀਂ ਸਦੀ ਵਿੱਚ ਦਿੱਤਾ ਗਿਆ ਸੀ, ਫਿਰ ਵੀ ਸਮਰੱਥ ਕੰਟਰੋਲ ਕੀਤੀ ਗਈ ਗਣਨਾਵਾਂ ਦੀ ਪਾਲਣਾ ਕਰਦੇ ਹਨ। ਇਸ ਲਈ ਜੇ ਅਸੀਂ ਪਰਿਵਾਰਤਨ ਦੀ ਸਹੀ ਕ੍ਰਮਬੱਧ ਕਦਮਾਂ ਬਾਰੇ ਜਾਣਦੇ ਹਾਂ, ਤਾਂ ਕੰਪਿਊਟਰ ਨੂੰ ਕੁਝ ਕਰਨ ਲਈ ਪ੍ਰੋਗ੍ਰਾਮ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।
ਤਸਵੀਰ ਵਿੱਕੀ ਸੋਸ਼ਨਿਕੋਵਾ ਵੱਲੋਂ
✅ ਕਿਸੇ ਵਿਅਕਤੀ ਦੀ ਉਮਰ ਉਸ ਦੀ ਤਸਵੀਰ ਤੋਂ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨ ਦਾ ਕੰਮ ਸਿੱਧਾ ਪ੍ਰੋਗ੍ਰਾਮ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ, ਕਿਉਂਕਿ ਅਸੀਂ ਨਹੀਂ ਜਾਣਦੇ ਕਿ ਅਸੀਂ ਇਹ ਕੰਮ ਮਨ ਵਿੱਚ ਸੰਖਿਆ ਕਿਵੇਂ ਨਿਰਧਾਰਤ ਕਰਦੇ ਹਾਂ।
ਕੁਝ ਕੰਮ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਅਸੀਂ ਸਿਧਾ ਹੱਲ ਕਰਨ ਦਾ ਤਰੀਕਾ ਨਹੀਂ ਜਾਣਦੇ। ਉਦਾਹਰਨ ਵੱਜੋਂ, ਕਿਸੇ ਵਿਅਕਤੀ ਦੀ ਤਸਵੀਰ ਤੋਂ ਉਸ ਦੀ ਉਮਰ ਨਿਰਧਾਰਤ ਕਰਨਾ। ਅਸੀਂ ਇਸ ਨੂੰ ਕੁਝਖ ਕੁਝ ਸਿੱਖ ਜਾਂਦੇ ਹਾਂ, ਕਿਉਂਕਿ ਅਸੀਂ ਵੱਖ-ਵੱਖ ਉਮਰ ਦੇ ਬਹੁਤ ਸਾਰੇ ਉਦਾਹਰਨ ਵੇਖੇ ਹਨ, ਪਰ ਅਸੀਂ ਇਸ ਤਰੀਕੇ ਨੂੰ ਵਿਸਥਾਰ ਨਾਲ ਸਮਝਾ ਨਹੀਂ ਸਕਦੇ, ਨਾਹ ਹੀ ਇਸ ਲਈ ਕੰਪਿਊਟਰ ਨੂੰ ਪ੍ਰੋਗ੍ਰਾਮ ਕਰ ਸਕਦੇ ਹਾਂ। ਇਹ ਉਹੋ ਜਿਹਾ ਕੰਮ ਹੈ ਜਿਸ ਵਿੱਚ ਕਿਰਤਰਿਮ ਬੁੱਧੀਮੱਤਾ (ਸੰਖੇਪ ਵਿੱਚ ਏਆਈ) ਦਾ ਰੁਝਾਨ ਹੁੰਦਾ ਹੈ।
✅ ਕੁਝ ਅਜਿਹੇ ਕੰਮ ਸੋਚੋ ਜੋ ਤੁਸੀਂ ਕੰਪਿਊਟਰ ਨੂੰ ਦੇ ਸਕਦੇ ਹੋ ਜਿਹੜੇ ਏਆਈ ਤੋਂ ਲਾਭ ਪ੍ਰਾਪਤ ਕਰਨਗੇ। ਵਿੱਤ, ਚਿਕਿਤ्सा, ਅਤੇ ਕਲਾ ਦੇ ਖੇਤਰ ਵਿੱਚ ਏਆਈ ਕਿਵੇਂ ਲਾਭਕਾਰੀ ਹੈ?
| ਕਮਜ਼ੋਰ ਏਆਈ | ਮਜ਼ਬੂਤ ਏਆਈ |
|---|---|
| ਕਮਜ਼ੋਰ ਏਆਈ ਉਹ ਪ੍ਰਣਾਲੀ ਹੈ ਜੋ ਕਿਸੇ ਖਾਸ ਕੰਮ ਜਾਂ ਤੰਗ ਕੰਮਾਂ ਲਈ ਬਣਾਈ ਅਤੇ ਸਿਖਾਈ ਗਈ ਹੈ। | ਮਜ਼ਬੂਤ ਏਆਈ ਜਾਂ ਕਿਰਤਰਿਮ ਸਾਰਵਜਨਿਕ ਬੁੱਧੀਮੱਤਾ (AGI), ਉਹ ਪ੍ਰਣਾਲੀ ਹੈ ਜਿਸਦਾ ਬੁੱਧੀਮਾਨਾ ਦਰਜਾ ਅਤੇ ਸਮਝ ਮਨੁੱਖੀ ਸਮਾਨ ਹੈ। |
| ਇਹ ਪ੍ਰਣਾਲੀਆਂ ਆਮ ਤੌਰ ਤੇ ਬੁੱਧੀਮਾਨ ਨਹੀਂ ਹੁੰਦੀਆਂ; ਇਹ ਇੱਕ ਨਿਰਧਾਰਿਤ ਕੰਮ ਵਿੱਚ ਮਾਹਿਰ ਹੁੰਦੀਆਂ ਹਨ ਪਰ ਅਸਲ ਸਮਝ ਜਾਂ ਚੇਤਨਾ ਨਹੀਂ ਹੁੰਦੀ। | ਇਹ ਪ੍ਰਣਾਲੀ ਕਿਸੇ ਵੀ ਬੁੱਧੀਮਾਨ ਕੰਮ ਨੂੰ ਕਰ ਸਕਦੀਆਂ ਹਨ ਜੋ ਮਨੁੱਖ ਦੇ ਵੱਲੋਂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਵੱਖ-ਵੱਖ ਖੇਤਰਾਂ ਵਿੱਚ ਅਨੁਕੂਲਿਤ ਹੋ ਸਕਦੀਆਂ ਹਨ ਅਤੇ ਚੇਤਨਾ ਜਾਂ ਸਵੈ-ਜਾਗਰੂਕਤਾ ਰੱਖਦੀਆਂ ਹਨ। |
| ਕਮਜ਼ੋਰ ਏਆਈ ਦੇ ਉਦਾਹਰਨ ਹਨ ਵਰਚੁਅਲ ਸਹਾਇਕ ਜਿਵੇਂ ਸਿਰੀ ਜਾਂ ਅਲੇਕਸਾ, ਸਟ੍ਰੀਮਿੰਗ ਸਹੂਲਤਾਂ ਵਾਲੇ ਅਲਗੋਰਿਧਮ ਅਤੇ ਖਾਸ ਗਾਹਕ ਸੇਵਾ ਲਈ ਬਣੇ ਚੈਟਬੋਟ। | ਮਜ਼ਬੂਤ ਏਆਈ ਇੱਕ ਲੰਬੇ ਸਮੇਂ ਦੀ ਲਕੜੀ ਵਿੱਚ ਲਕੜੀ ਖੋਜ ਦਾ ਲਕੜੀ ਲਕੜੀ ਦਾ ਲਕੜੀ ਹੈ ਅਤੇ ਇਹ ਪ੍ਰਣਾਲੀ ਨੂੰ ਵਿਵਿਧ ਕੰਮਾਂ ਅਤੇ ਪ੍ਰਸੰਗਾਂ ਵਿੱਚ ਤਰਕਸ਼ੀਲ, ਸਿੱਖਣ, ਸਮਝਣ ਅਤੇ ਅਨੁਕੂਲਿਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਨਾਲ ਵਿਕਸਤ ਕਰਨਾ ਪੈਂਦਾ ਹੈ। |
| ਕਮਜ਼ੋਰ ਏਆਈ ਖਾਸ ਖੇਤਰ ਲਈ ਬਹੁਤ ਵਿਸ਼ੇਸ਼ਤ ਹੈ ਅਤੇ ਮਨੁੱਖੀ ਤਰ੍ਹਾਂ ਦਿਮਾਗੀ ਸਮਰੱਥਾਵਾਂ ਜਾਂ ਆਮ ਸਮੱਸਿਆ-ਸੁਲਝਾਉਣ ਦੀ ਖੂਬੀ ਨਹੀਂ ਰੱਖਦੀ। | ਮਜ਼ਬੂਤ ਏਆਈ ਹਾਲੇ ਤਕ ਸਿਧਾਂਤਕ ਧਾਰਣਾ ਹੈ ਅਤੇ ਕੋਈ ਵੀ ਏਆਈ ਪ੍ਰਣਾਲੀ ਇਨ੍ਹਾਂ ਪੱਧਰਾਂ ਤੱਕ ਨਹੀਂ ਪਹੁੰਚੀ। |
ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ ਕਿਰਤਰਿਮ ਸਾਰਵਜਨਿਕ ਬੁੱਧੀਮੱਤਾ (AGI) ਨੂੰ ਵੇਖੋ।
ਬੁੱਧੀਮੱਤਾ ਸ਼ਬਦ ਨਾਲ ਜੁੜੇ ਸਮੱਸਿਆਵਾਂ ਵਿੱਚੋਂ ਇੱਕ ਇਹ ਹੈ ਕਿ ਇਸਦਾ ਕੋਈ ਸਾਫ੍ਹ ਪਰਿਭਾਸ਼ਾ ਨਹੀਂ ਹੈ। ਕਈ ਕਹਿੰਦੇ ਹਨ ਕਿ ਬੁੱਧੀਮੱਤਾ ਕਿਛੁ ਸਾਰਗਰਭਿਤ ਸੋਚ ਜਾਂ ਸਵੈ-ਜਾਗਰੂਕਤਾ ਨਾਲ ਜੁੜੀ ਹੈ, ਪਰ ਅਸੀਂ ਇਸ ਨੂੰ ਠੀਕ ਤਰ੍ਹਾਂ ਪਰਿਭਾਸ਼ਿਤ ਨਹੀਂ ਕਰ ਸਕਦੇ।
ਬੁੱਧੀਮੱਤਾ ਹਨੇਰੇ ਨੂੰ ਦੇਖਣ ਲਈ ਸਵਾਲ ਦੇ ਜਵਾਬ ਦੇਖੋ: "ਕੀ ਬਿੱਲੀ ਬੁੱਧੀਮਾਨ ਹੈ?" ਵੱਖ-ਵੱਖ ਲੋਕ ਵੱਖ-ਵੱਖ ਜਵਾਬ ਦਿੰਦੇ ਹਨ ਕਿਉਂਕਿ ਕੋਈ ਸਰਵਸੰਮਤ ਟੈਸਟ ਇਸ ਗੱਲ ਨੂੰ ਸਾਬਤ ਕਰਦਾ ਨਹੀਂ। ਜੇ ਤੁਸੀਂ ਸੋਚਦੇ ਹੋ ਕਿ ਹੈ ਤਾਂ ਆਪਣੀ ਬਿੱਲੀ ਨੂੰ IQ ਟੈਸਟ ਦਿਓ...
✅ ਸੋਚੋ ਕਿ ਤੁਸੀਂ ਬੁੱਧੀਮੱਤਾ ਨੂੰ ਕਿਵੇਂ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦੇ ਹੋ। ਕੀ ਕਾਂ ਜੋ ਭੁਲੇਖਾ ਹੱਲ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਕੁਝ ਖਾਣ ਪਾ ਸਕਦਾ ਹੈ ਬੁੱਧੀਮਾਨ ਹੈ? ਕੀ ਬੱਚਾ ਬੁੱਧੀਮਾਨ ਹੈ?
AGI ਬਾਰੇ ਗੱਲ ਕਰਦੇ ਸਮੇਂ ਸਾਨੂੰ ਇਹ ਦੇਖਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਅਸੀਂ ਕਿਸੇ ਸੰਚਾਲਿਤ ਬੁੱਧੀਮਾਨ ਪ੍ਰਣਾਲੀ ਨੂੰ ਬਣਾ ਲਿਆ ਹੈ। ਅਲਨ ਟਿਊਰਿੰਗ ਨੇ ਇੱਕ ਤਰੀਕਾ ਦਿੱਤਾ, ਜਿਸਨੂੰ ਟਿਊਰਿੰਗ ਟੈਸਟ ਕਹਿੰਦੇ ਹਨ। ਇਹ ਟੈਸਟ ਕਿਸੇ ਸੰਚਾਲਿਤ ਪ੍ਰਣਾਲੀ ਨੂੰ ਇੱਕ ਮਨੁੱਖੀ ਨਾਲ ਤੁਲਨਾ ਕਰਦਾ ਹੈ ਤੇ ਮਨੁੱਖੀ ਪੁੱਛਗਿੱਛ ਕਰਨ ਵਾਲਾ ਇਸ ਗੱਲ ਨੂੰ ਪਰਖਦਾ ਹੈ ਕਿ ਕੀ ਉਹ ਕੰਪਿਊਟਰ ਅਤੇ ਮਨੁੱਖ ਦੇ ਵਿਚਕਾਰ ਅੰਤਰ ਕਰ ਸਕਦਾ ਹੈ ਜਾਂ ਨਹੀਂ। ਜੇ ਨਹੀਂ, ਤਾਂ ਪ੍ਰਣਾਲੀ ਨੂੰ ਬੁੱਧੀਮਾਨ ਸਮਝਿਆ ਜਾਂਦਾ ਹੈ।
ਚੈਟਬੋਟ ਯੂਜੀਨ ਗੂਸਟਮੈਨ ਜੋ ਸੇਂਟ ਪੀਟਰਜ਼ਬਰਗ ਵਿੱਚ ਵਿਕਸਿਤ ਕੀਤਾ ਗਿਆ, 2014 ਵਿੱਚ ਟਿਊਰਿੰਗ ਟੈਸਟ ਨੂੰ ਪਾਸ ਕਰਨ ਦੇ ਨੇੜੇ ਪਹੁੰਚਿਆ ਇਕ ਚਤੁਰ ਵਿਅਕਤੀਗਤ ਗੁਣ ਦਾ ਲਾਭ ਉਠਾ ਕੇ। ਇਹ ਪਹਿਲਾਂ ਹੀ ਕਹਿ ਦਿੰਦਾ ਸੀ ਕਿ ਉਹ ਇੱਕ 13 ਸਾਲਾਂ ਉਸਕਰੇਨ ਦਾ ਮੁੰਡਾ ਹੈ, ਜਿਸ ਦਾ ਮਤਲਬ ਸੀ ਕਿ ਉਸਨੂੰ ਕੁਝ ਜਾਣਕਾਰੀ ਨਹੀਂ ਹੈ ਜਾਂ ਕੁਝ ਟੈਕਸਟ ਵਿੱਚ ਵਿਤਕਰੇ ਹੋ ਸਕਦੇ ਹਨ। ਇਹ ਬੋਟ 5 ਮਿੰਟ ਦੀ ਗੱਲਬਾਤ ਦੌਰਾਨ 30% ਜੱਜਾਂ ਨੂੰ ਮਨੁੱਖ ਸਮਝਣ ਵਿੱਚ ਕਾਮਯਾਬ ਹੋਇਆ, ਜਿਸਦੀਆਂ ਟਿਊਰਿੰਗ ਦੀ ਭਵਿੱਖਵਾਣੀ ਦੇ ਅਨੁਸਾਰ ਸਾਲ 2000 ਤੱਕ ਮਸ਼ੀਨ ਪਾਰ ਕਰ ਸੱਕਦੀ। ਹਾਲਾਂਕਿ, ਇਹ ਨਹੀਂ ਦਰਸਾਉਂਦਾ ਕਿ ਅਸੀਂ ਸੱਚਮੁੱਚ ਇੱਕ ਬੁੱਧੀਮਾਨ ਪ੍ਰਣਾਲੀ ਬਣਾ ਲਈ ਹੈ ਜਾਂ ਇਸ ਮਸ਼ੀਨ ਨੇ ਮਨੁੱਖੀ ਪੁੱਛਤਾਛ ਕਰਨ ਵਾਲੇ ਨੂੰ ਧੋਖਾ ਦਿੱਤਾ - ਸੱਚ ਇਹ ਹੈ ਕਿ ਮਨੁੱਖਾਂ ਨੂੰ ਧੋਖਾ ਬੋਟ ਦੇ ਸਿਰਜਣਹਾਰਾਂ ਨੇ ਦਿੱਤਾ!
✅ ਕੀ ਤੁਸੀਂ ਕਦੇ ਕਿਸੇ ਚੈਟ ਬੋਟ ਦੁਆਰਾ ਧੋਖੇਬਾਜ਼ੀ ਨਾਲ ਸੋਚਿਆ ਕਿ ਤੁਸੀਂ ਕਿਸੇ ਮਨੁੱਖ ਨਾਲ ਗੱਲ ਕਰ ਰਹੇ ਹੋ? ਇਸਨੇ ਤੁਹਾਨੂੰ ਕਿਵੇਂ ਮਨਾਇਆ?
ਜੇ ਅਸੀਂ ਚਾਹੁੰਦੇ ਹਾਂ ਕਿ ਕੰਪਿਊਟਰ ਮਨੁੱਖ ਵਾਂਗ ਵਰਤੋਂ ਕਰੇ, ਤਾਂ ਸਾਨੂੰ ਆਪਣੀ ਸੋਚ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਕੰਪਿਊਟਰ ਵਿੱਚ ਮਾਡਲ ਕਰਨਾ ਪਵੇਗਾ। ਇਸ ਲਈ ਸਾਨੂੰ ਸਮਝਣਾ ਪਵੇਗਾ ਕਿ ਮਨੁੱਖ ਨੂੰ ਬੁੱਧੀਮਾਨ ਕਿਵੇਂ ਬਣਾਉਂਦਾ ਹੈ।
ਮਸ਼ੀਨ ਵਿੱਚ ਬੁੱਧੀਮੱਤਾ ਪ੍ਰੋਗ੍ਰਾਮ ਕਰਨ ਲਈ, ਸਾਨੂੰ ਪਤਾ ਲੱਗਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਆਪਣੀਆਂ ਫੈਸਲੇ ਕਰਨ ਵਾਲੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਕਿਵੇਂ ਕੰਮ ਕਰਦੀਆਂ ਹਨ। ਜੇ ਤੁਸੀਂ ਕੁਝ ਅੰਦਰੂਨੀ ਸੋਚ ਕਰੋਗੇ ਤਾਂ ਇਹ ਪਤਾ ਲੱਗੇਗਾ ਕਿ ਕੁਝ ਪ੍ਰਕਿਰਿਆਵਾਂ ਅਵਗਿਆਨਕ ਹੁੰਦੀਆਂ ਹਨ – ਉਦਾਹਰਨ ਵੱਜੋਂ, ਅਸੀ ਬਿਨਾ ਸੋਚੇ ਬਿੱਲੀ ਅਤੇ ਕੁੱਤੇ ਵਿੱਚ ਫ਼ਰਕ ਕਰ ਸਕਦੇ ਹਾਂ - ਜਦਕਿ ਹੋਰ ਇੱਕ ਤਰਕੇ ਵਿੱਚ ਤਰਕ ਜ਼ਰੂਰੀ ਹੁੰਦਾ ਹੈ।
ਇਸ ਸਮੱਸਿਆ ਲਈ ਦੋ ਸੰਭਾਵਿਤ ਤਰੀਕੇ ਹਨ:
| ਸਿਖਰ-ਥੱਲੇ ਤਰੀਕਾ (ਪ੍ਰਤੀਕਾਤਮਕ ਤਰਕ) | ਥੱਲੇ-ਉਪਰ ਤਰੀਕਾ (ਨਿਊਰਲ ਨੈੱਟਵਰਕ) |
|---|---|
| ਸਿਖਰ-ਥੱਲੇ ਤਰੀਕਾ ਇੱਕ ਵਿਅਕਤੀ ਦੇ ਤਰਕ ਕਰਨ ਦੇ ਤਰੀਕੇ ਨੂੰ ਮਾਡਲ ਕਰਦਾ ਹੈ। ਇਸ ਵਿੱਚ ਮਨੁੱਖ ਤੋਂ ਜਾਣਕਾਰੀ ਇਕੱਠੀ ਕਰਕੇ ਕੰਪਿਊਟਰ-ਪੜ੍ਹਨਯੋਗ ਰੂਪ ਵਿੱਚ ਦਰਸਾਉਂਦਾ ਹੈ। ਸਾਨੂੰ ਕੰਪਿਊਟਰ ਵਿੱਚ ਤਰਕਬੱਧਤਾ ਮਾਡਲ ਕਰਨ ਦਾ ਤਰੀਕਾ ਵੀ ਵਿਕਸਿਤ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। | ਥੱਲੇ-ਉਪਰ ਤਰੀਕਾ ਮਨੁੱਖੀ ਦਿਮਾਗ ਦਾ ਢਾਂਚਾ ਮਾਡਲ ਕਰਦਾ ਹੈ, ਜੋ ਸਾਦੇ ਤੱਤਾਂ ਨਿਊਰੋਨ ਦਾ ਇਕ ਵੱਡਾ ਜਥਾ ਹੁੰਦੇ ਹਨ। ਹਰ ਨਿਊਰੋਨ ਆਪਣੇ ਇੰਪੁੱਟ ਦਾ ਵਰ ਤੁਲਨਾਤਮਕ ਸਰਾਸਰੀ ਕਾਰਜ ਕਰਦਾ ਹੈ, ਅਤੇ ਅਸੀਂ ਨਿਊਰੋਨ ਦਾ ਜਾਲ ਤਿਆਰ ਕਰਕੇ ਸਿਖਲਾਈ ਡੇਟਾ ਦੇ ਕੇ ਸਮੱਸਿਆਵਾਂ ਹੱਲ ਕਰਨਾ ਸਿਖਾ ਸਕਦੇ ਹਾਂ। |
ਹੋਰ ਵੀ ਕੁਝ ਸੰਭਾਵਿਤ ਤਰੀਕੇ ਹਨ:
-
ਐਮਰਜੈਂਟ, ਸਿਨੈਰਜੈਟਿਕ ਜਾਂ ਮਲਟੀ-ਏਜੰਟ ਤਰੀਕੇ ਇਸ ਸੱਚਾਈ 'ਤੇ ਆਧਾਰਿਤ ਹਨ ਕਿ ਬਹੁਤ ਸਾਰੇ ਸਾਦਾ ਏਜੰਟਾਂ ਦੇ ਇੰਟਰੈਕਸ਼ਨ ਨਾਲ ਜਟਿਲ ਬੁੱਧੀਮਾਨ ਵਰਤੋਂ ਮਿਲ ਸਕਦੀ ਹੈ। ਕਰਮਿਕ ਸਾਈਬਰਨੈਟਿਕਸ ਦੇ ਅਨੁਸਾਰ, ਬੁੱਧੀਮੱਤਾ ਸਧਾਰਣ, ਪ੍ਰਤੀਕਿਰਿਆਕਾਰੀ ਵਰਤੋਂ ਤੋਂ ਉਤਪੰਨ ਹੋ ਸਕਦੀ ਹੈ ਮੈਟਾਸਿਸਟਮ ਟ੍ਰਾਂਜ਼ੀਸ਼ਨ ਦੀ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ।
-
ਵਿਕਾਸੀ ਤਰੀਕਾ, ਜਾਂ ਜੀਨੇਟਿਕ ਐਲਗੋਰਿਦਮ, ਵਿਕਾਸ ਦੇ ਸਿਧਾਂਤਾਂ 'ਤੇ ਆਧਾਰਤ ਇੱਕ ਸੁਧਾਰ ਪ੍ਰਕਿਰਿਆ ਹੈ।
ਅਸੀਂ ਇਨ੍ਹਾਂ ਤਰੀਕਿਆਂ ਨੂੰ ਕੋਰਸ ਵਿੱਚ ਬਾਅਦ ਵਿੱਚ ਛੇੜਾਂਗੇ, ਪਰ ਹੁਣ ਲਈ ਸਾਡੇ ਧਿਆਨ ਦੋ ਮੁੱਖ ਦਿਸ਼ਾਵਾਂ ਤੇ ਹੈ: ਸਿਖਰ-ਥੱਲੇ ਅਤੇ ਥੱਲੇ-ਉਪਰ।
ਇੱਕ ਸਿਖਰ-ਥੱਲੇ ਤਰੀਕੇ ਵਿੱਚ, ਅਸੀਂ ਆਪਣੀ ਤਰਕਬੱਧਤਾ ਨੂੰ ਮਾਡਲ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਾਂ। ਕਿਉਂਕਿ ਅਸੀਂ ਆਪਣੀਆਂ ਸੋਚਾਂ ਦੀ ਪਾਲਣਾ ਕਰ ਸਕਦੇ ਹਾਂ, ਅਸੀਂ ਇਸ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਰੂਪ ਵਿੱਚ ਲਿਆਉਣ ਅਤੇ ਕੰਪਿਊਟਰ ਵਿੱਚ ਪ੍ਰੋਗ੍ਰਾਮ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਾਂ। ਇਸ ਨੂੰ ਪ੍ਰਤੀਕਾਤਮਕ ਤਰਕ ਕਹਿੰਦੇ ਹਨ।
ਲੋਕਾਂ ਦੇ ਮਨ ਵਿੱਚ ਕੁਝ ਅਜੇਹੇ ਨਿਯਮ ਹੁੰਦੇ ਹਨ ਜੋ ਉਹਨਾਂ ਦੇ ਫੈਸਲੇ ਕਰਨ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਮਾਰਗਦਰਸ਼ਨ ਕਰਦੇ ਹਨ। ਉਦਾਹਰਨ ਵੱਜੋਂ, ਜਦ ਇੱਕ ਡਾਕਟਰ ਕਿਸੇ ਮਰੀਜ਼ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ, ਉਹ ਪਤਾ ਲਗਾ ਸਕਦਾ ਹੈ ਕਿ ਮਰੀਜ਼ ਨੂੰ ਬੁਖਾਰ ਹੈ, ਇਸ ਲਈ ਸਰੀਰ ਵਿੱਚ ਸੂਜੀ ਹੋ ਸਕਦੀ ਹੈ। ਕਈ ਨਿਯਮਾਂ ਨੂੰ ਲਾਗੂ ਕਰਕੇ ਡਾਕਟਰ ਅੰਤਿਮ ਨਿਰਣਾ ਕਰ ਸਕਦਾ ਹੈ।
ਇਹ ਤਰੀਕਾ ਬਹੁਤ ਜ਼ਿਆਦਾ ਜਾਣਕਾਰੀ ਦਰਸਾਅ ਅਤੇ ਤਰਕ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ। ਮਨੁੱਖੀ ਮਾਹਿਰ ਤੋਂ ਜਾਣਕਾਰੀ ਕੱਢਣਾ ਸਬ ਤੋਂ ਮੁਸ਼ਕਲ ਹਿੱਸਾ ਹੈ, ਕਿਉਂਕਿ ਕਈ ਵਾਰ ਡਾਕਟਰ ਇਸ ਗੱਲ ਨੂੰ ਨਹੀਂ ਜਾਣਦਾ ਕਿ ਉਹ ਕਿਸ ਤਰੀਕੇ ਨਾਲ ਨਿਰਣਾ ਤੱਕ ਪਹੁੰਚਦਾ ਹੈ। ਕਈ ਵਾਰ ਹੱਲ ਬਿਨਾ ਜ਼ਾਹਰ ਸੋਚੇ ਮਨ ਵਿੱਚ ਆ ਜਾਂਦਾ ਹੈ। ਕੁਝ ਕੰਮ ਜਿਵੇਂ ਕਿਸੇ ਵਿਅਕਤੀ ਦੀ ਤਸਵੀਰ ਤੋਂ ਉਮਰ ਪਤਾ ਕਰਨ ਜਿਵੇਂ ਕੰਮ ਜਾਣਕਾਰੀ ਸੰਚਾਲਨ ਨਾਲ ਸੰਪੂਰਨ ਤੌਰ 'ਤੇ ਹੱਲ ਨਹੀਂ ਕੀਤੇ ਜਾ ਸਕਦੇ।
ਵੱਖਰੇ ਤਰੀਕੇ ਨਾਲ, ਅਸੀਂ ਆਪਣੇ ਦਿਮਾਗ ਦੇ ਸਭ ਤੋਂ ਸਧਾਰਣ ਤੱਤ ਨੂੰ ਮਾਡਲ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਸਕਦੇ ਹਾਂ - ਨਿਊਰੋਨ। ਅਸੀਂ ਕੰਪਿਊਟਰ ਵਿੱਚ ਇੱਕ ਕਿਰਤ੍ਰਿਮ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਬਣਾ ਸਕਦੇ ਹਾਂ ਅਤੇ ਇਸਨੂੰ ਉਦਾਹਰਨਾਂ ਦੇ ਕੇ ਸਮੱਸਿਆਵਾਂ ਹੱਲ ਕਰਨਾ ਸਿਖਾ ਸਕਦੇ ਹਾਂ। ਇਹ ਪ੍ਰਕਿਰਿਆ ਉਸ ਤਰੀਕੇ ਨਾਲ ਮਿਲਦੀ ਹੈ ਜਿਸ ਤਰ੍ਹਾਂ ਨਵਜੰਮੇ ਬੱਚੇ ਆਪਣੇ ਆਸ ਪਾਸ ਦੇ ਮਾਹੌਲ ਬਾਰੇ ਜਾਣਨ ਲਈ ਅਵਹਾਵਾਂ ਕਰਦੇ ਹਨ।
✅ ਤੱਕੜੀ ਖੋਜ ਕਰੋ ਕਿ ਬੱਚੇ ਕਿਵੇਂ ਸਿੱਖਦੇ ਹਨ। ਬੱਚੇ ਦੇ ਦਿਮਾਗ ਦੇ ਮੁੱਖ ਤੱਤ ਕੀ ਹਨ?
ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਬਾਰੇ ਕੀ? ਕਿਰਤ੍ਰਿਮ ਬੁੱਧੀਮੱਤਾ ਦਾ ਉਹ ਹਿੱਸਾ ਜੋ ਡੇਟਾ ਦੇ ਆਧਾਰ 'ਤੇ ਸਮੱਸਿਆ ਹੱਲ ਕਰਨ ਲਈ ਕੰਪਿਊਟਰ ਸਿੱਖਣ 'ਤੇ ਆਧਾਰਤ ਹੈ, ਉਸਨੂੰ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਕਹਿੰਦੇ ਹਨ। ਅਸੀਂ ਇਸ ਕੋਰਸ ਵਿੱਚ ਕਲਾਸਿਕ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਕਵਰ ਨਹੀਂ ਕਰਾਂਗੇ – ਤੁਹਾਨੂੰ ਵੱਖਰੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਬਿਗਨਰਜ਼ ਕੋਰਸ ਵੱਲ ਰੁਝਾਨ ਕਰਦੇ ਹਾਂ।
ਕਿਰਤਰਿਮ ਬੁੱਧੀਮੱਤਾ ਨੂੰ 20ਵੀਂ ਸਦੀ ਦੇ ਮੱਧ ਵਿੱਚ ਖੇਤਰ ਵਜੋਂ ਸ਼ੁਰੂ ਕੀਤਾ ਗਿਆ। ਸ਼ੁਰੂ ਵਿੱਚ ਪ੍ਰਤੀਕਾਤਮਕ ਤਰਕ ਪ੍ਰਮੁੱਖ ਤਰੀਕਾ ਸੀ, ਜਿਸ ਨਾਲ ਕੁਝ ਮਹੱਤਵਪੂਰਨ ਸਫਲਤਾਵਾਂ ਜਿਵੇਂ ਮਾਹਿਰ ਪ੍ਰਣਾਲੀਆਂ ਬਣੀਆਂ - ਕੰਪਿਊਟਰ ਪ੍ਰੋਗਰਾਮ ਜੋ ਕਈ ਖੇਤਰਾਂ ਵਿੱਚ ਮਾਹਿਰ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਸਨ। ਪਰ ਜਲਦ ਹੀ ਇਹ ਪਤਾ ਲੱਗਾ ਕਿ ਇਹ ਤਰੀਕਾ ਸਹੀ ਤਰ੍ਹਾਂ ਵੱਡੇ ਪੱਧਰ ਉੱਤੇ ਨਹੀਂ ਚੱਲਦਾ। ਮਾਹਿਰ ਤੋਂ ਜਾਣਕਾਰੀ ਕੱਢਣਾ, ਕੰਪਿਊਟਰ ਵਿੱਚ ਦਰਸਾਉਣਾ ਅਤੇ ਇਹ ਜਾਣਕਾਰੀ ਨਿਰੰਤਰ ਅਪਡੇਟ ਰੱਖਣਾ ਬਹੁਤ ਮੁਸ਼ਕਲ ਅਤੇ ਮਹਿੰਗਾ ਸੀ। ਇਸ ਕਾਰਨ 1970 ਦੇ ਦਹਾਕੇ ਵਿੱਚ ਆਉਣ ਵਾਲਾ ਏਆਈ ਸਰਦੀ ਆਇਆ।
ਤਸਵੀਰ ਦਿਮਿਤਰੀ ਸੋਸ਼ਨਿਕੋਵ ਵੱਲੋਂ
ਸਮਾਂ ਬੀਤਣ ਦੇ ਨਾਲ ਕਿਰਤ੍ਰਿਮ ਬੁੱਧੀਮੱਤਾ ਲਈ ਕੰਪਿਊਟਿੰਗ ਸਾਧਨ ਸਸਤੇ ਹੋਏ ਅਤੇ ਵੱਧ ਡੇਟਾ ਉਪਲੱਬਧ ਹੋਇਆ, ਜਿਸ ਕਰਕੇ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਤਰੀਕਿਆਂ ਨੇ ਮਨੁੱਖਾਂ ਨਾਲ ਮੁਕਾਬਲੇ ਵਿੱਚ ਕਈ ਖੇਤਰਾਂ ਵਿੱਚ ਜਰੂਰੀ ਕਾਰਗੁਜ਼ਾਰੀ ਦਿਖਾਈ, ਜਿਵੇਂ ਕਿ ਕੰਪਿਊਟਰ ਵਿਜ਼ਨ ਜਾਂ ਬੋਲਚਾਲ ਸਮਝਣਾ। ਪਿਛਲੇ ਦਹਾਕੇ ਵਿੱਚ, ਟਰਮ “ਕਿਰਤ੍ਰਿਮ ਬੁੱਧੀਮੱਤਾ” ਜ਼ਿਆਦਾਤਰ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਦਾ ਪਰਯਾਯ ਬਣ ਗਿਆ ਹੈ, ਕਿਉਂਕਿ ਅਕਸਰ ਸਫਲਤਾਵਾਂ ਉਸ ਉੱਤੇ ਆਧਾਰਤ ਹਨ।
ਅਸੀਂ ਵੇਖ ਸਕਦੇ ਹਾਂ ਕਿ ਕਿਵੇਂ ਤਰੀਕੇ ਬਦਲੇ, ਉਦਾਹਰਨ ਵਜੋਂ ਸ਼ਤਰੰਜ ਖੇਡਣ ਵਾਲਾ ਕੰਪਿਊਟਰ ਪ੍ਰੋਗਰਾਮ ਬਣਾਉਣ ਵਿੱਚ:
- ਸ਼ਤਰੰਜ ਦੇ ਸ਼ੁਰੂਆਤੀ ਪ੍ਰੋਗਰਾਮ ਖੋਜ 'ਤੇ ਆਧਾਰਤ ਸਨ – ਪ੍ਰੋਗਰਾਮ ਵਿਰੋਧੀ ਦੇ ਸੰਭਾਵਿਤ ਚਾਲਾਂ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਂਦਾ ਅਤੇ ਕਈ ਅਗਲੀ ਚਾਲਾਂ ਵਿੱਚ ਸਭ ਤੋਂ ਵਧੀਆ ਚਾਲ ਚੁਣਦਾ। ਇਸ ਤਰੀਕੇ ਨਾਲ ਅਲਫਾ-ਬੀਟਾ ਪ੍ਰੂਨਿੰਗ ਖੋਜ ਐਲਗੋਰਿਦਮ ਵਿਕਸਤ ਹੋਇਆ।
- ਖੋਜ ਰਣਨੀਤੀਆਂ ਖੇਡ ਦੇ ਅੰਤ ਵਿੱਚ ਚੰਗੇ funcionamento ਕਰਦੀਆਂ ਹਨ ਜਿੱਥੇ ਸੰਭਾਵਿਤ ਚਾਲਾਂ ਦੀ ਗਿਣਤੀ ਘੱਟ ਹੁੰਦੀ ਹੈ। ਪਰ ਖੇਡ ਦੀ ਸ਼ੁਰੂਆਤ ਵਿੱਚ ਖੋਜ ਖੇਤਰ ਵੱਡਾ ਹੁੰਦਾ ਹੈ ਅਤੇ ਪ੍ਰੋਗਰਾਮ ਖੇਡਾਂ ਦੇ ਮੌਜੂਦਾ ਮੈਚਾਂ ਤੋਂ ਸਿੱਖ ਕੇ ਇਸਨੂੰ ਬਿਹਤਰ ਕਰ ਸਕਦਾ ਹੈ। ਅਗਲੇ ਪ੍ਰਯੋਗਾਂ ਵਿੱਚ ਕੇਸ-ਅਧਾਰਿਤ ਤਰਕ ਵਰਤੀ ਗਈ, ਜਿੱਥੇ ਪ੍ਰੋਗਰਾਮ ਮੌਜੂਦਾ ਪੋਜ਼ੀਸ਼ਨ ਨਾਲ ਮਿਲਦੇ-ਜੁਲਦੇ ਕੇਸ ਖੋਜਦਾ ਹੈ।
- ਆਧੁਨਿਕ ਪ੍ਰੋਗਰਾਮ ਜੋ ਮਨੁੱਖਾਂ ਨੂੰ ਹਰਾਉਂਦੇ ਹਨ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਅਤੇ ਮਜ਼ਬੂਤੀ ਸਿੱਖਿਆ 'ਤੇ ਧਿਆਨ ਦੇਂਦੇ ਹਨ, ਜਿੱਥੇ ਪ੍ਰੋਗਰਾਮ ਖੁਦ ਨਾਲ ਲੰਮਾ ਸਮਾਂ ਖੇਲਦੇ ਹਨ ਅਤੇ ਆਪਣੀਆਂ ਭੁੱਲਾਂ ਤੋਂ ਸਿੱਖਦੇ ਹਨ – ਜਿਸ ਤਰ੍ਹਾਂ ਮਨੁੱਖ ਸ਼ਤਰੰਜ ਸਿੱਖਦਾ ਹੈ। ਪਰ ਕੰਪਿਊਟਰ ਜ਼ਿਆਦਾ ਖੇਡਾਂ ਛੇਤੀ ਖੇਡ ਸਕਦਾ ਹੈ ਅਤੇ ਤੇਜ਼ ਸਿੱਖ ਸਕਦਾ ਹੈ।
✅ ਹੋਰ ਖੇਡਾਂ 'ਤੇ ਥੋੜਾ ਖੋਜ ਕਰੋ ਜੋ ਏਆਈ ਨੇ ਖੇਡੀਆਂ ਹਨ।
ਇਸੇ ਤਰ੍ਹਾਂ, ਅਸੀਂ ਵੇਖ ਸਕਦੇ ਹਾਂ ਕਿ “ਗੱਲ ਕਰਨ ਵਾਲੇ ਪ੍ਰੋਗਰਾਮ” ਬਣਾਉਣ ਦਾ ਤਰੀਕਾ ਜਿਹੜਾ ਟਿਊਰਿੰਗ ਟੈਸਟ ਪਾਸ ਕਰ ਸਕੇ, ਕਿਵੇਂ ਬਦਲਿਆ:
- ਸ਼ੁਰੂਆਤੀ ਇੰਨ੍ਹਾਂ ਵਿੱਚ ਐਲਿਜ਼ਾ ਵਰਗੇ ਪ੍ਰੋਗਰਾਮ ਵਧੇਰੇ ਸਾਦੇ ਵਿਆਕਰਣ ਨਿਯਮਾਂ ਅਤੇ ਇੰਪੁੱਟ ਵਾਕ ਨੂੰ ਸਵਾਲ ਵਿੱਚ ਬਦਲਨ 'ਤੇ ਆਧਾਰਿਤ ਸਨ।
- ਆਧੁਨਿਕ ਸਹਾਇਕ, ਜਿਵੇਂ ਕੋਰਟਾਨਾ, ਸਿਰੀ ਜਾਂ ਗੂਗਲ ਸਹਾਇਕ, ਸਾਰੇ ਹਾਈਬ੍ਰਿਡ ਪ੍ਰਣਾਲੀਆਂ ਹਨ ਜੋ ਸਪੀਚ ਨੂੰ ਟੈਕਸਟ ਵਿੱਚ ਬਦਲਣ ਅਤੇ ਸਾਡੇ ਮਕਸਦ ਨੂੰ ਸਮਝਣ ਲਈ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਵਰਤਦੀਆਂ ਹਨ, ਅਤੇ ਫਿਰ ਕੁਝ ਤਰਕਯੁਕਤ ਜਾਂ ਸਪਸ਼ਟ ਐਲਗੋਰਿਦਮ ਲਾਗੂ ਕਰਦੀਆਂ ਹਨ।
- ਭਵਿੱਖ ਵਿੱਚ, ਅਸੀਂ ਇੱਕ ਪੂਰਨ ਨਿਊਰਲ-ਆਧਾਰਿਤ ਮਾਡਲ ਦੀ ਉਮੀਦ ਕਰ ਸਕਦੇ ਹਾਂ ਜੋ ਗੱਲਬਾਤ ਨੂੰ ਖੁਦ ਸੰਭਾਲੇ। ਹਾਲੀਆ GPT ਅਤੇ ਟਿਊਰਿੰਗ-NLG ਪ੍ਰਬੰਧਕ ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ ਨੇ ਇਸ ਵਿੱਚ ਵੱਡੀ ਸਫਲਤਾ ਦਿਖਾਈ ਹੈ।
Dimitry Soshnikov ਵੱਲੋਂ ਚਿੱਤਰ, ਫੋਟੋ Marina Abrosimova ਵਲੋਂ, Unsplash
ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਖੋਜ ਵਿੱਚ ਵੱਡਾ ਵਿਕਾਸ ਲਗਭਗ 2010 ਵਿੱਚ ਸ਼ੁਰੂ ਹੋਇਆ, ਜਦ ਵੱਡੇ ਪਬਲਿਕ ਡੇਟਾ ਸੈੱਟ ਉਪਲੱਬਧ ਹੋਣ ਲੱਗੇ। ਇੱਕ ਵੱਡਾ ਚਿੱਤਰਾਂ ਦਾ ਸੰਗ੍ਰਹਿ ਜਿਸਨੂੰ ImageNet ਕਿਹਾ ਜਾਂਦਾ ਹੈ, ਜੋ ਲਗਭਗ 14 ਮਿਲੀਅਨ ਐਨੋਟੇਟ ਕੀਤੇ ਚਿੱਤਰਾਂ ਦਾ ਸਮੂਹ ਹੈ, ImageNet Large Scale Visual Recognition Challenge ਨੂੰ ਜਨਮ ਦਿੱਤਾ।
Dmitry Soshnikov ਵੱਲੋਂ ਚਿੱਤਰ
2012 ਵਿੱਚ, Convolutional Neural Networks ਪਹਿਲੀ ਵਾਰ ਚਿੱਤਰ ਵਰਗੀਕਰਨ ਵਿੱਚ ਵਰਤੇ ਗਏ, ਜਿਸ ਨਾਲ ਵਰਗੀਕਰਨ ਦੀਆਂ ਗਲਤੀਆਂ ਵਿੱਚ ਕਾਫੀ ਘਟੋਤਰੀ ਆਈ (ਲਗਭਗ 30% ਤੋਂ 16.4% ਤੱਕ)। 2015 ਵਿੱਚ, Microsoft ਖੋਜ ਦੀ ResNet ਆਰਕੀਟੈਕਚਰ ਨੇ [ਮਾਨਵ-ਸਤਰ ਦੀ ਸ਼ੁੱਧਤਾ] (https://doi.org/10.1109/ICCV.2015.123) ਹਾਸਲ ਕੀਤੀ।
ਉਸ ਤੋਂ ਬਾਅਦ, ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ ਨੇ ਕਈ ਕੰਮਾਂ ਵਿੱਚ ਬਹੁਤ ਸਫਲਤਾ ਦਰਸਾਈ:
| ਸਾਲ | ਮਾਨਵ ਸਮਾਨਤਾ ਪ੍ਰਾਪਤ |
|---|---|
| 2015 | ਚਿੱਤਰ ਵਰਗੀਕਰਨ |
| 2016 | ਗੱਲਬਾਤੀ ਸਪੀਚ ਰਿਕੱਗਨਿਸ਼ਨ |
| 2018 | ਆਟੋਮੈਟਿਕ ਮਸ਼ੀਨ ਅਨੁਵਾਦ (ਚੀਨੀ ਤੋਂ ਅੰਗਰੇਜ਼ੀ) |
| 2020 | ਚਿੱਤਰ ਸਿਰਲੇਖੀਕਰਨ |
ਪਿਛਲੇ ਕੁਝ ਸਾਲਾਂ ਵਿੱਚ ਅਸੀਂ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਜਿਵੇਂ ਕਿ BERT ਅਤੇ GPT-3 ਦੀਆਂ ਵੱਡੀਆਂ ਕਾਮਯਾਬੀਆਂ ਦੇਖੀਆਂ ਹਨ। ਇਹ ਮੁੱਖ ਤੌਰ ਤੇ ਇਸ ਲਈ ਹੋਇਆ ਕਿਉਂਕਿ ਬਹੁਤ ਸਾਰਾ ਆਮ ਲਿਖਤੀ ਡੇਟਾ ਉਪਲਬਧ ਹੈ ਜੋ ਸਾਨੂੰ ਮਾਡਲਾਂ ਨੂੰ ਟੈਕਸਟਾਂ ਦੀ ਸਰਚਨਾ ਅਤੇ ਅਰਥ ਸਮਝਣ ਲਈ ਪ੍ਰਸ਼ਿਖਿਅਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ, ਜਨਰਲ ਟੈਕਸਟ ਸੰਗ੍ਰਹਿ 'ਤੇ ਪ੍ਰੀ-ਟ੍ਰੇਨ ਕਰਨ ਅਤੇ ਫਿਰ ਉਨ੍ਹਾਂ ਮਾਡਲਾਂ ਨੂੰ ਜ਼ਿਆਦਾ ਵਿਸ਼ੇਸ਼ ਕੰਮਾਂ ਲਈ ਖਾਸ ਬਨਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। ਅਸੀਂ ਇਸ ਕੋਰਸ ਦੇ ਅੱਗੇ ਹਿਸਸੇ ਵਿੱਚ ਨੈਚੁਰਲ ਲੈਂਗਵੇਜ ਪ੍ਰੋਸੈਸਿੰਗ ਬਾਰੇ ਹੋਰ ਸਿੱਖਾਂਗੇ।
ਇੰਟਰਨੈਟ 'ਤੇ ਟੂਰ ਕਰੋ ਅਤੇ ਫੈਸਲਾ ਕਰੋ ਕਿ ਤੁਹਾਡੇ ਵਿਚਾਰ ਵਿੱਚ ਏਆਈ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਤੌਰ 'ਤੇ ਕਿੱਥੇ ਵਰਤੀ ਜਾ ਰਹੀ ਹੈ। ਕੀ ਇਹ ਮੈਪਿੰਗ ਐਪ ਵਿੱਚ ਹੈ, ਜਾਂ ਕਿਸੇ ਸਪੀਚ-ਟੂ-ਟੈਕਸਟ ਸੇਵਾ ਵਿੱਚ ਜਾਂ ਕਿਸੇ ਵੀਡੀਓ ਗੇਮ ਵਿੱਚ? ਸੋਧ ਕਰੋ ਕਿ ਸਿਸਟਮ ਕਿਵੇਂ ਬਣਾਇਆ ਗਿਆ ਸੀ।
ਇਸ ਪਾਠ ਨੂੰ ਪੜ੍ਹ ਕੇ ਏਆਈ ਅਤੇ ਐਮਐਲ ਦਾ ਇਤਿਹਾਸ ਸਮਝੋ। ਉਸ ਪਾਠ ਜਾਂ ਇਸ ਪਾਠ ਦੇ sketchnote ਵਿੱਚੋਂ ਕੋਈ ਇੱਕ ਤੱਤ ਚੁਣੋ ਅਤੇ ਉਸ ਦੀ ਗਹਿਰਾਈ ਵਿੱਚ ਖੋਜ ਕਰੋ ਤਾਂ ਜੋ ਇਸ ਦੇ ਵਿਕਾਸ ਦੇ ਸੱਭਿਆਚਾਰਕ ਸੰਦਰਭ ਨੂੰ ਸਮਝਿਆ ਜਾ ਸਕੇ।
ਅਸਾਈਨਮਿੰਟ: ਗੇਮ ਜੈਮ
ਅਸਵੀਕਾਰੋਪਣ: ਇਸ ਦਸਤਾਵੇਜ਼ ਦਾ ਅਨੁਵਾਦ ਏਆਈ ਅਨੁਵਾਦ ਸੇਵਾ Co-op Translator ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਅਸੀਂ ਸਹੀਤਾਵਾਂ ਲਈ ਯਤਨਸ਼ੀਲ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਰੱਖੋ ਕਿ ਸਵੈਚਾਲਿਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸਮੱਤਿਆਵਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਮੂਲ ਦਸਤਾਵੇਜ਼ ਆਪਣੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਅਧਿਕਾਰਕ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਜਰੂਰੀ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਅਸੀਂ ਇਸ ਅਨੁਵਾਦ ਦੇ ਉਪਯੋਗ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੀਆਂ ਕਿਸੇ ਵੀ ਗਲਤਫਹਿਮੀਆਂ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆਵਾਂ ਲਈ ਜਵਾਬਦੇਹ ਨਹੀਂ ਹਾਂ।