AI ਨੂੰ ਸਮਝਣਾ: ਆਧੁਨਿਕ ਤਕਨੀਕੀ ਯੁੱਗ ਲਈ ਇੱਕ ਜ਼ਰੂਰੀ ਸ਼ਬਦਾਵਲੀ

ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਦੇ ਤੇਜ਼ੀ ਨਾਲ ਹੋ ਰਹੇ ਵਿਕਾਸ ਨੇ ਇੱਕ ਬਿਲਕੁਲ ਨਵੀਂ ਸ਼ਬਦਾਵਲੀ ਨੂੰ ਜਨਮ ਦਿੱਤਾ ਹੈ ਜੋ ਤਜਰਬੇਕਾਰ ਪੇਸ਼ੇਵਰਾਂ ਨੂੰ ਵੀ ਉਲਝਣ ਵਿੱਚ ਪਾ ਸਕਦੀ ਹੈ। AGI ਦੀਆਂ ਉੱਚ-ਪੱਧਰੀ ਇੱਛਾਵਾਂ ਤੋਂ ਲੈ ਕੇ API endpoints ਦੀਆਂ ਬਾਰੀਕ ਮਕੈਨਿਕਸ ਤੱਕ, ਤਕਨਾਲੋਜੀ ਦੇ ਭਵਿੱਖ ਨੂੰ ਬਣਾਉਣ ਜਾਂ ਉਸ ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰਨ ਵਾਲਿਆਂ ਲਈ ਇਹਨਾਂ ਸ਼ਬਦਾਂ ਨੂੰ ਸਮਝਣਾ ਹੁਣ ਕੋਈ ਵਿਕਲਪ ਨਹੀਂ ਰਿਹਾ।

ਟੀਚੇ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨਾ: AGI ਅਤੇ ਬੁੱਧੀ ਦਾ ਵਿਜ਼ਨ

AI ਚਰਚਾ ਦੇ ਸਿਖਰ 'ਤੇ Artificial General Intelligence (AGI) ਹੈ। ਹਾਲਾਂਕਿ ਇੱਕ ਸਹਿਮਤ ਪਰਿਭਾਸ਼ਾ ਅਜੇ ਵੀ ਦੂਰ ਹੈ, ਉਦਯੋਗ ਦੇ ਲੀਡਰ ਵੱਖ-ਵੱਖ ਮਾਪਦੰਡ ਪੇਸ਼ ਕਰਦੇ ਹਨ। OpenAI ਦੇ CEO Sam Altman AGI ਨੂੰ ਇੱਕ "ਔਸਤ ਮਨੁੱਖ ਦੇ ਬਰਾਬਰ" ਵਜੋਂ ਦਰਸਾਉਂਦੇ ਹਨ ਜੋ ਇੱਕ ਸਹਿ-ਕਰਮਚਾਰੀ ਵਜੋਂ ਕੰਮ ਕਰ ਸਕਦਾ ਹੈ, ਜਦੋਂ ਕਿ ਕੰਪਨੀ ਦਾ ਅਧਿਕਾਰਤ ਚਾਰਟਰ ਇਸਨੂੰ ਅਜਿਹੇ ਉੱਚ-ਪੱਧਰੀ ਖੁਦਮੁਖਤਿਆਰ ਸਿਸਟਮਾਂ ਵਜੋਂ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦਾ ਹੈ ਜੋ ਜ਼ਿਆਦਾਤਰ ਆਰਥਿਕ ਤੌਰ 'ਤੇ ਕੀਮਤੀ ਕੰਮਾਂ ਵਿੱਚ ਮਨੁੱਖਾਂ ਤੋਂ ਬਿਹਤਰ ਪ੍ਰਦਰਸ਼ਨ ਕਰਨ ਦੇ ਸਮਰੱਥ ਹਨ। ਇਸ ਦੇ ਉਲਟ, Google DeepMind AGI ਨੂੰ ਇੱਕ ਬੌਧਿਕ ਨਜ਼ਰੀਏ ਤੋਂ ਦੇਖਦਾ ਹੈ, ਅਤੇ ਇਸਨੂੰ ਅਜਿਹੀ AI ਵਜੋਂ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦਾ ਹੈ ਜੋ ਜ਼ਿਆਦਾਤਰ ਬੌਧਿਕ ਕੰਮਾਂ ਵਿੱਚ ਮਨੁੱਖਾਂ ਦੇ ਬਰਾਬਰ ਜਾਂ ਉਸ ਤੋਂ ਵੀ ਵੱਧ ਸਮਰੱਥ ਹੈ। ਇੱਕ ਸਾਂਝੀ ਪਰਿਭਾਸ਼ਾ ਦੀ ਕਮੀ ਇਹ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ ਇਹ ਖੇਤਰ ਅਜੇ ਵੀ ਸੱਚੀ ਮਸ਼ੀਨੀ ਬੁੱਧੀ ਦੀ ਸੀਮਾ ਨੂੰ ਲੱਭਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਿਹਾ ਹੈ।

ਖੁਦਮੁਖਤਿਆਰੀ ਵੱਲ ਤਬਦੀਲੀ: AI Agents ਅਤੇ ਕੋਡਿੰਗ ਮਾਹਰ

ਅਸੀਂ ਸਧਾਰਨ ਚੈਟਬੋਟਸ ਦੇ ਯੁੱਗ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ AI agents ਦੇ ਯੁੱਗ ਵਿੱਚ ਪ੍ਰਵੇਸ਼ ਕਰ ਰਹੇ ਹਾਂ। ਸਧਾਰਨ LLMs ਦੇ ਉਲਟ ਜੋ ਸਿਰਫ਼ ਪ੍ਰੋਂਪਟਸ (prompts) ਦਾ ਜਵਾਬ ਦਿੰਦੇ ਹਨ, ਇੱਕ AI agent ਇੱਕ ਖੁਦਮੁਖਤਿਆਰ ਸਿਸਟਮ ਹੈ ਜੋ ਕਈ AI ਸਿਸਟਮਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਬਹੁ-ਪੜਾਅ ਵਾਲੇ ਕੰਮਾਂ—ਜਿਵੇਂ ਕਿ ਯਾਤਰਾ ਬੁੱਕ ਕਰਨਾ ਜਾਂ ਖਰਚਿਆਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨਾ—ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ।

ਇਸ ਦਾ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਹਿੱਸਾ "coding agent" ਹੈ। ਜਿੱਥੇ ਰਵਾਇਤੀ AI ਕੋਡ ਦਾ ਇੱਕ ਛੋਟਾ ਜਿਹਾ ਹਿੱਸਾ (snippet) ਸੁਝਾਅ ਦੇ ਸਕਦਾ ਹੈ, ਉੱਥੇ ਇੱਕ coding agent ਸੌਫਟਵੇਅਰ ਨੂੰ ਖੁਦਮੁਖਤਿਆਰ ਤਰੀਕੇ ਨਾਲ ਲਿਖਣ, ਟੈਸਟ ਕਰਨ ਅਤੇ ਡੀਬੱਗ (debug) ਕਰਨ ਲਈ ਪੂਰੇ codebase 'ਤੇ ਕੰਮ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ ਇੱਕ ਮਨੁੱਖੀ ਡਿਵੈਲਪਰ ਦੇ ਵਾਰ-ਵਾਰ ਕੋਸ਼ਿਸ਼ ਕਰਨ ਵਾਲੇ (trial-and-error) ਕੰਮ ਦੇ ਤਰੀਕੇ ਦੀ ਨਕਲ ਕਰਦਾ ਹੈ, ਜੋ ਇੱਕ ਅਣਥੱਕ, ਬਹੁਤ ਕੁਸ਼ਲ ਇੰਟਰਨ ਵਾਂਗ ਕੰਮ ਕਰਦਾ ਹੈ ਜਿਸ ਨੂੰ ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਪਰ ਇਹ ਉਤਪਾਦਨ ਦੀ ਗਤੀ ਨੂੰ ਕਾਫ਼ੀ ਵਧਾ ਦਿੰਦਾ ਹੈ।

ਤਰਕ ਦੀ ਮਕੈਨਿਕਸ: Chain of Thought ਅਤੇ Deep Learning

ਵਧੇਰੇ ਸ਼ੁੱਧਤਾ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ, ਆਧੁਨਿਕ ਮਾਡਲ ਲਗਾਤਾਰ "Chain of Thought" (CoT) ਤਰਕ ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹਨ। ਜਿਵੇਂ ਇੱਕ ਮਨੁੱਖ ਗੁੰਝਲਦਾਰ ਗਣਿਤ ਦੀ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਕਲਮ ਅਤੇ ਕਾਗਜ਼ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ, CoT Large Language Models (LLMs) ਨੂੰ ਗੁੰਝਲਦਾਰ ਤਰਕ ਜਾਂ ਕੋਡਿੰਗ ਚੁਣੌਤੀਆਂ ਨੂੰ ਛੋਟੇ, ਵਿਚਕਾਰਲੇ ਪੜਾਵਾਂ ਵਿੱਚ ਤੋੜਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ। ਹਾਲਾਂਕਿ ਇਸ ਪ੍ਰਕਿਰਿਆ ਨਾਲ ਲੇਟੈਂਸੀ (latency) ਵਧ ਸਕਦੀ ਹੈ, ਪਰ ਇਹ ਆਉਟਪੁੱਟ ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਵਿੱਚ ਭਾਰੀ ਸੁਧਾਰ ਕਰਦੀ ਹੈ।

ਇਹਨਾਂ ਯੋਗਤਾਵਾਂ ਦੇ ਪਿੱਛੇ Deep Learning ਹੈ, ਜੋ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦਾ ਇੱਕ ਹਿੱਸਾ ਹੈ ਅਤੇ ਮਲਟੀ-ਲੇਅਰਡ ਆਰਟੀਫੀਸ਼ੀਅਲ ਨਿਊਰਲ ਨੈੱਟਵਰਕਸ (ANNs) ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਮਨੁੱਖੀ ਦਿਮਾਗ ਤੋਂ ਪ੍ਰੇਰਿਤ, deep learning ਮਾਡਲਾਂ ਨੂੰ ਮੈਨੂਅਲ ਫੀਚਰ ਇੰਜੀਨੀਅਰਿੰਗ ਤੋਂ ਬਿਨਾਂ ਡੇਟਾ ਦੇ ਅੰਦਰ ਗੁੰਝਲਦਾਰ ਸਬੰਧਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਇਸ ਸ਼ਕਤੀ ਦੀ ਇੱਕ ਕੀਮਤ ਹੈ: ਇਹਨਾਂ ਸਿਸਟਮਾਂ ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਵਿਸ਼ਾਲ ਡੇਟਾਸੈਟਾਂ—ਅਕਸਰ ਲੱਖਾਂ ਵਿੱਚ—ਅਤੇ ਮਹੱਤਵਪੂਰਨ "compute" (GPU, CPU, ਅਤੇ TPU ਹਾਰਡਵੇਅਰ ਪਾਵਰ) ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

ਕਨੈਕਟੀਵਿਟੀ ਅਤੇ ਕੰਟਰੋਲ: API Endpoints

AI agents ਨੂੰ ਅਸਲ ਦੁਨੀਆ ਨਾਲ ਗੱਲਬਾਤ ਕਰਨ ਲਈ API endpoints 'ਤੇ ਨਿਰਭਰ ਕਰਨਾ ਪੈਂਦਾ ਹੈ। ਇਹਨਾਂ ਨੂੰ ਡਿਜੀਟਲ "ਬਟਨਾਂ" ਵਜੋਂ ਸਮਝੋ ਜੋ ਇੱਕ ਸਾਫਟਵੇਅਰ ਪ੍ਰੋਗਰਾਮ ਨੂੰ ਦੂਜੇ ਵਿੱਚ ਕਾਰਵਾਈਆਂ ਸ਼ੁਰੂ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੇ ਹਨ। ਜਿਵੇਂ-ਜਿਵੇਂ agents ਵਧੇਰੇ ਉੱਨਤ ਹੁੰਦੇ ਜਾ ਰਹੇ ਹਨ, ਉਹ ਤੀਜੀ-ਪਾਰਟੀ ਸੇਵਾਵਾਂ ਨੂੰ ਕੰਟਰੋਲ ਕਰਨ ਲਈ ਸੁਤੰਤਰ ਰੂਪ ਵਿੱਚ ਇਹਨਾਂ endpoints ਨੂੰ ਲੱਭਣ ਅਤੇ ਵਰਤਣ ਦੇ ਸਮਰੱਥ ਹੋ ਰਹੇ ਹਨ, ਜਿਸ ਨਾਲ ਕਨੈਕਟਡ ਪਲੇਟਫਾਰਮਾਂ ਅਤੇ ਸਮਾਰਟ ਡਿਵਾਈਸਾਂ ਵਿੱਚ ਨਿਰਵਿਘਨ ਆਟੋਮੇਸ਼ਨ ਸੰਭਵ ਹੋ ਜਾਂਦੀ ਹੈ।

ਮੁੱਖ ਗੱਲਾਂ

• ਚੈਟਬੋਟਸ ਤੋਂ Agents ਤੱਕ: ਉਦਯੋਗ ਸਥਿਰ ਗੱਲਬਾਤ ਮਾਡਲਾਂ ਤੋਂ ਖੁਦਮੁਖਤਿਆਰ AI agents ਅਤੇ coding agents ਵੱਲ ਵਧ ਰਿਹਾ ਹੈ ਜੋ ਗੁੰਝਲਦਾਰ, ਬਹੁ-ਪੜਾਅ ਵਾਲੇ ਵਰਕਫਲੋ ਨੂੰ ਚਲਾ ਸਕਦੇ ਹਨ।
• ਜਵਾਬ ਦੀ ਬਜਾਏ ਤਰਕ: Chain of Thought ਵਰਗੀਆਂ ਤਕਨੀਕਾਂ AI ਨੂੰ ਸਧਾਰਨ ਪੈਟਰਨ ਮੈਚਿੰਗ ਤੋਂ ਭਰੋਸੇਯੋਗ ਤਰਕਸ਼ੀਲਤਾ ਵੱਲ ਲੈ ਜਾਣ ਲਈ ਜ਼ਰੂਰੀ ਹਨ।
• ਕੰਪਿਊਟ ਬੋਟਲਨੇਕ (Compute Bottleneck): Deep learning ਦੀ ਤਰੱਕੀ "compute" ਨਾਲ ਅਟੁੱਟ ਰੂਪ ਵਿੱਚ ਜੁੜੀ ਹੋਈ ਹੈ—ਜੋ ਕਿ ਵਿਸ਼ਾਲ ਡੇਟਾਸੈਟਾਂ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਨ ਲਈ ਲੋੜੀਂਦਾ ਵਿਸ਼ੇਸ਼ ਹਾਰਡਵੇਅਰ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਹੈ।