2025 ਦੇ ਅਖੀਰਲੇ ਸਮੇਂ ਨੂੰ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਲਈ ਸਪੱਸ਼ਟਤਾ ਦਾ ਸਮਾਂ ਹੋਣਾ ਚਾਹੀਦਾ ਸੀ। ਇਸ ਦੀ ਬਜਾਏ, ਇਹ ਸਮਾਨਾਂਤਰ ਇਕਾਂਤ-ਭਾਸ਼ਣਾਂ (parallel monologues) ਦਾ ਸਮਾਂ ਹੈ।

ਮੈਂ ਇੱਕ ਸਵੇਰ ਚਾਰੇ ਪਾਸੇ ਪ੍ਰਚਲਿਤ ਚਾਰ AI ਰਿਪੋਰਟਾਂ ਪੜ੍ਹਨ ਵਿੱਚ ਬਿਤਾਈ। ਮੈਂ ਮੰਨਿਆ ਸੀ ਕਿ ਉਹ ਰੈਂਕਿੰਗ ਜਾਂ ਭਵਿੱਖਬਾਣੀਆਂ 'ਤੇ ਅਸਹਿਮਤ ਹੋਣਗੀਆਂ। ਪਰ ਉਨ੍ਹਾਂ ਨੇ ਕੁਝ ਹੋਰ ਹੀ ਉਲਝਣ ਵਾਲਾ ਕੀਤਾ: ਉਨ੍ਹਾਂ ਨੇ ਖੁਦ ਵਿਸ਼ੇ ਨੂੰ ਹੀ ਮੁੜ-ਪਰਿਭਾਸ਼ਿਤ ਕਰ ਦਿੱਤਾ। ਇੱਕ ਰਿਪੋਰਟ ਦੀ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਇੱਕ ਕੋਡਿੰਗ ਸਹਾਇਕ (coding assistant) ਹੈ ਜੋ ਆਪਣੇ ਵਿਰੋਧੀ ਨਾਲੋਂ ਤੇਜ਼ੀ ਨਾਲ ਟਾਈਪ ਕਰਦਾ ਹੈ। ਦੂਜੀ ਦੀ ਇੱਕ ਕੰਜ਼ਿਊਮਰ ਮੀਡੀਆ ਫੈਕਟਰੀ ਹੈ ਜੋ ਇੱਕ ਸਟੈਟਿਕ PDF ਨੂੰ ਇੱਕ ਸਿੰਥੈਟਿਕ ਪੋਡਕਾਸਟ ਵਿੱਚ ਬਦਲ ਦਿੰਦੀ ਹੈ। ਤੀਜੀ ਸਿਰਫ਼ ਕੱਚਾ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਦੇਖਦੀ ਹੈ: ਵੈਕਟਰ ਸਟੋਰ, ਮੈਮੋਰੀ ਲੇਅਰਾਂ, ਅਤੇ ਇਨਫਰੈਂਸ ਵੈਪਰ (inference wrappers) ਜੋ GitHub ਦੇ ਸਟਾਰ ਚਾਰਟਾਂ 'ਤੇ ਚੜ੍ਹ ਰਹੇ ਹਨ। ਚੌਥੀ ਰਿਪੋਰਟ ਸਫਲਤਾ ਨੂੰ ਇੱਕੋ ਇੱਕ, ਸਿੱਧੇ ਮਾਪਦੰਡ ਨਾਲ ਮਾਪਦੀ ਹੈ—ਕੀ ਚੀਨ ਦੇ ਮੁੱਖ ਹਿੱਸੇ ਵਿੱਚ ਕੋਈ ਉਪਭੋਗਤਾ ਇੱਕ ਲਿੰਕ 'ਤੇ ਕਲਿੱਕ ਕਰਕੇ ਖਰੀਦ ਪੂਰੀ ਕਰ ਸਕਦਾ ਹੈ।

ਇੱਕੋ ਕੀਵਰਡ। ਚਾਰ ਵੱਖ-ਵੱਖ ਭਾਸ਼ਾਵਾਂ। ਅਤੇ ਕੋਈ ਵੀ ਅਨੁਵਾਦ ਨਹੀਂ ਕਰ ਰਿਹਾ।

ਚਾਰ ਰਿਪੋਰਟਾਂ, ਆਪਣੇ-ਆਪਣੇ ਕੋਨਿਆਂ ਤੱਕ ਸੀਮਤ

ਪਹਿਲੀ ਰਿਪੋਰਟ ਇੱਕ ਸਪੋਰਟਸ ਲੀਗ ਟੇਬਲ ਵਾਂਗ ਬਣਾਈ ਗਈ ਹੈ। ਇਹ Cursor ਅਤੇ Claude Code ਵਰਗੇ ਕੋਡਿੰਗ ਟੂਲਜ਼ ਨੂੰ ਟਾਇਰ ਰੈਂਕਿੰਗ ਦਿੰਦੀ ਹੈ। ਇਸ ਦੇ ਮਾਪਦੰਡ ਸੀਮਤ ਅਤੇ ਵਿਹਾਰਕ ਹਨ: ਚੈਟ ਦੀ ਰਫ਼ਤਾਰ, ਟੂਲ-ਵਰਤੋਂ ਦੀ ਸ਼ੁੱਧਤਾ, ਪ੍ਰੋਂਪਟ ਅਤੇ ਆਉਟਪੁੱਟ ਵਿਚਕਾਰ ਲੇਟੈਂਸੀ (latency)। ਜੇਕਰ ਤੁਸੀਂ IDE ਦੇ ਅੰਦਰ ਰਹਿੰਦੇ ਹੋ, ਤਾਂ ਇਹ ਸੂਚੀ ਲਾਭਦਾਇਕ ਹੈ। ਇਹ ਤੁਹਾਨੂੰ ਦੱਸਦੀ ਹੈ ਕਿ ਜਦੋਂ ਤੁਸੀਂ ਕਿਸੇ ਫੰਕਸ਼ਨ ਨੂੰ ਰੀਫੈਕਟਰ ਕਰ ਰਹੇ ਹੁੰਦੇ ਹੋ ਜਾਂ ਟੈਸਟ ਸੂਟ ਤਿਆਰ ਕਰ ਰਹੇ ਹੁੰਦੇ ਹੋ, ਤਾਂ ਕਿਹੜਾ ਸਹਾਇਕ ਸਭ ਤੋਂ ਤੇਜ਼ ਮਹਿਸੂਸ ਹੁੰਦਾ ਹੈ। ਪਰ ਇਹ AI ਨੂੰ ਇੱਕ ਤਿਆਰ ਉਪਕਰਣ ਵਜੋਂ ਮੰਨਦੀ ਹੈ, ਜਿਸਦਾ ਫੈਸਲਾ ਪੂਰੀ ਤਰ੍ਹਾਂ ਉਸ ਚਮਕਦਾਰ ਸਤਹ ਤੋਂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਜੋ ਉਪਭੋਗਤਾ ਦੇ ਸੰਪਰਕ ਵਿੱਚ ਆਉਂਦੀ ਹੈ।

ਦੂਜੀ ਰਿਪੋਰਟ Google ਤੋਂ ਆਉਂਦੀ ਹੈ। ਇਹ ਚੈਟਬੋਟਸ ਨੂੰ ਲਗਭਗ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰ ਦਿੰਦੀ ਹੈ। ਇਸ ਦੀ ਬਜਾਏ, ਇਹ NotebookLM ਅਤੇ ਇਮੇਜ ਐਡੀਟਿੰਗ ਸੂਟਾਂ ਵਰਗੀਆਂ ਉੱਚ-ਪੱਧਰੀ ਸ਼੍ਰੇਣੀਆਂ ਨੂੰ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਦੀ ਹੈ। ਇੱਥੇ, AI ਕੋਈ ਗੱਲਬਾਤ ਕਰਨ ਵਾਲਾ ਏਜੰਟ ਨਹੀਂ ਬਲਕਿ ਇੱਕ ਪ੍ਰੋਡਕਸ਼ਨ ਇੰਜਣ ਹੈ। ਰਿਪੋਰਟ ਉਸ ਚੀਜ਼ ਦਾ ਜਸ਼ਨ ਮਨਾਉਂਦੀ ਹੈ ਜੋ ਮਾਡਲ ਬਣਾਉਂਦਾ ਹੈ: ਇੱਕ ਖੋਜ ਪੱਤਰ ਦਾ ਬੋਲ ਕੇ ਸੁਣਾਇਆ ਗਿਆ ਆਡੀਓ ਵੇਰਵਾ, ਇੱਕ ਟੈਕਸਟ ਪ੍ਰੋਂਪਟ ਤੋਂ ਤਿਆਰ ਕੀਤੀ ਗਈ ਤਸਵੀਰ, ਜਾਂ ਇੱਕ ਸੰਰਚਿਤ ਸਾਰ (structured summary) ਜੋ ਪਹਿਲਾਂ ਮੌਜੂਦ ਨਹੀਂ ਸੀ। ਜੇਕਰ ਟਾਇਰ ਲਿਸਟ ਇਸ ਗੱਲ ਦੀ ਪਰਵਾਹ ਕਰਦੀ ਹੈ ਕਿ ਟੂਲ ਕਿਵੇਂ ਵਿਵਹਾਰ ਕਰਦਾ ਹੈ, ਤਾਂ Google ਦੀ ਸੂਚੀ ਇਸ ਗੱਲ ਦੀ ਪਰਵਾਹ ਕਰਦੀ ਹੈ ਕਿ ਟੂਲ ਕੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਸਹਾਇਕ ਖੁਦ ਉਸ ਨਤੀਜੇ (artifact) ਦੇ ਪਿੱਛੇ ਗਾਇਬ ਹੋ ਜਾਂਦਾ ਹੈ।

ਤੀਜੀ ਰਿਪੋਰਟ ਸ਼ੁੱਧ GitHub ਟ੍ਰੈਂਡਿੰਗ ਹੈ। ਇਹ ਪ੍ਰੋਜੈਕਟਾਂ ਨੂੰ ਇਸ आधार 'ਤੇ ਰੈਂਕ ਕਰਦੀ ਹੈ ਕਿ ਉਹ ਕਿੰਨੀ ਤੇਜ਼ੀ ਨਾਲ ਸਟਾਰ ਇਕੱਠੇ ਕਰਦੇ ਹਨ। ਇਹ ਇੰਜਣ ਰੂਮ ਤੋਂ ਦੇਖਿਆ ਗਿਆ ਦ੍ਰਿਸ਼ ਹੈ। ਤੁਹਾਨੂੰ ਮੈਮੋਰੀ ਫਰੇਮਵਰਕ, ਰੀਟ੍ਰੀਵਲ ਲੇਅਰਾਂ, ਕੰਟੈਕਸਟ ਵਿੰਡੋਜ਼, ਅਤੇ ਹਲਕੇ ਮਾਡਲ ਹੋਸਟ ਮਿਲਣਗੇ। ਇਹਨਾਂ ਰਿਪੋਜ਼ਟਰੀਆਂ ਵਿੱਚ ਬਹੁਤ ਘੱਟ ਮਾਰਕੀਟਿੰਗ ਸਾਈਟਾਂ ਹੁੰਦੀਆਂ ਹਨ। ਕੁਝ ਵਿੱਚ ਤਾਂ ਗ੍ਰਾਫਿਕਲ ਇੰਟਰਫੇਸ ਵੀ ਨਹੀਂ ਹੁੰਦਾ। ਫਿਰ ਵੀ, ਉਹ ਉਸ ਅਧਾਰ (substrate) ਦਾ ਨਿਰਮਾਣ ਕਰਦੇ ਹਨ ਜੋ ਟਾਇਰ-ਲਿਸਟ ਦੇ ਜੇਤੂਆਂ ਨੂੰ ਸੰਭਵ ਬਣਾਉਂਦਾ ਹੈ। ਇੱਕ ਉੱਚ-ਰੈਂਕ ਵਾਲਾ ਕੋਡਿੰਗ ਸਹਾਇਕ ਸ਼ਾਇਦ ਬਿਲਕੁਲ ਉਸੇ ਕਿਸਮ ਦੇ ਮੈਮੋਰੀ ਆਰਕੀਟੈਕਚਰ 'ਤੇ ਨਿਰਭਰ ਹੋ ਸਕਦਾ ਹੈ ਜੋ ਪਿਛਲੇ ਮਹੀਨੇ ਤਿੰਨ ਹਜ਼ਾਰ ਨਵੇਂ ਸਟਾਰਾਂ ਵਾਲੇ ਕਿਸੇ GitHub ਪ੍ਰੋਜੈਕਟ ਨੇ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਸੀ। ਟ੍ਰੈਂਡਿੰਗ ਲਿਸਟ ਇਹ ਜਾਣਦੀ ਹੈ। ਟਾਇਰ ਲਿਸਟ ਇਸਦਾ ਜ਼ਿਕਰ ਨਹੀਂ ਕਰਦੀ।

ਚੌਥੀ ਰਿਪੋਰਟ ਇੱਕ ਕਾਮਰਸ ਡਾਇਰੈਕਟਰੀ ਹੈ। ਇਸ ਲਈ ਮੁੱਲ ਦੀ ਪਰਿਭਾਸ਼ਾ ਪਹੁੰਚਯੋਗਤਾ ਅਤੇ ਲੈਣ-ਦੇਣ ਲਈ ਤਿਆਰੀ ਹੈ। ਕੀ ਲਿੰਕ ਕੰਮ ਕਰਦਾ ਹੈ? ਕੀ ਚੀਨ ਦੇ ਪਾਠਕਾਂ ਲਈ ਭੁਗਤਾਨ ਪ੍ਰਕਿਰਿਆ ਕਾਰਜਸ਼ੀਲ ਹੈ? ਕੀ ਟੂਲ ਨੂੰ ਬਿਨਾਂ VPN, ਕਾਰਪੋਰੇਟ ਪ੍ਰੋਕਿਉਰਮੈਂਟ ਟੀਮ, ਜਾਂ ਪੱਛਮੀ ਕ੍ਰੈਡਿਟ ਕਾਰਡ ਦੇ ਅਸਲ ਵਿੱਚ ਖਰੀਦਿਆ ਅਤੇ ਅਪਣਾਇਆ ਜਾ ਸਕਦਾ ਹੈ? ਇਸ ਰਿਪੋਰਟ ਕੋਲ ਓਪਨ-ਸੋਰਸ ਫਿਲਾਸਫੀ ਜਾਂ ਮਾਡਲ ਬੈਂਚਮਾਰਕਸ ਲਈ ਕੋਈ ਸਬਰ ਨਹੀਂ ਹੈ। ਇਹ ਸਿਰਫ਼ ਇੱਕ ਸਵਾਲ ਦਾ ਜਵਾਬ ਦਿੰਦੀ ਹੈ: ਕੀ ਤੁਸੀਂ ਇਸਨੂੰ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹੋ?

ਇਹ ਵੱਖਰੇ ਖੇਤਰ (Silos) ਸਾਨੂੰ ਅੰਨ੍ਹੇ ਕਿਉਂ ਕਰ ਰਹੇ ਹਨ

ਮੁਸ਼ਕਲ ਉਦੋਂ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ ਜਦੋਂ ਤੁਸੀਂ ਕਿਸੇ ਇੱਕ ਰਿਪੋਰਟ 'ਤੇ ਭਰੋਸਾ ਕਰਦੇ ਹੋ ਕਿ ਉਹ ਤੁਹਾਨੂੰ ਦੱਸੇਗੀ ਕਿ AI ਵਿੱਚ ਕੀ ਮਹੱਤਵਪੂਰਨ ਹੈ।

ਇੱਕ ਟੂਲ Google ਦੀਆਂ ਕੰਜ਼ਿਊਮਰ ਸ਼੍ਰੇਣੀਆਂ ਵਿੱਚ ਕਦੇ ਦਿਖਾਈ ਦਿੱਤੇ ਬਿਨਾਂ ਕੋਡਿੰਗ ਟਾਇਰ ਲਿਸਟ 'ਤੇ ਦਬਦਬਾ ਬਣਾ ਸਕਦਾ ਹੈ। ਇੱਕ GitHub ਮੈਮੋਰੀ ਪ੍ਰੋਜੈਕਟ ਅਜਿਹੇ ਉਤਪਾਦ ਨੂੰ ਚਲਾ ਸਕਦਾ ਹੈ ਜਿਸ ਨੂੰ ਲੱਖਾਂ ਉਪਭੋਗਤਾ ਜ਼ਰੂਰੀ ਮੰਨਦੇ ਹਨ, ਫਿਰ ਵੀ ਉਪਭੋਗਤਾ ਕਦੇ ਵੀ ਪ੍ਰੋਜੈਕਟ ਦਾ ਨਾਮ ਨਹੀਂ ਜਾਣਨਗੇ। ਇੱਕ ਕਾਮਰਸ ਸਾਈਟ ਕਿਸੇ ਵੈਪਰ (wrapper) ਜਾਂ ਖੇਤਰੀ ਕਲੋਨ ਨੂੰ ਸੂਚੀਬੱਧ ਕਰ ਸਕਦੀ ਹੈ ਜਦੋਂ ਕਿ ਅਸਲ GitHub ਰਿਪੋਜ਼ਟਰੀ ਉਹਨਾਂ ਲੋਕਾਂ ਲਈ ਅਦਿੱਖ ਰਹਿੰਦੀ ਹੈ ਜੋ ਸਿਰਫ਼ ਡਾਇਰੈਕਟਰੀਆਂ ਰਾਹੀਂ ਖਰੀਦਦਾਰੀ ਕਰਦੇ ਹਨ। ਹਰ ਰਿਪੋਰਟ ਇਹ ਮੰਨ ਲੈਂਦੀ ਹੈ ਕਿ ਉਸਦੀ ਆਪਣੀ ਪਰਿਭਾਸ਼ਾ ਮੁਕੰਮਲ ਹੈ। ਉਹਨਾਂ ਵਿੱਚੋਂ ਕੋਈ ਵੀ ਉਸ ਡਿਪੈਂਡੈਂਸੀ ਗ੍ਰਾਫ ਨੂੰ ਨਹੀਂ ਜੋ ਅਸਲ ਵਿੱਚ ਈਕੋਸਿਸਟਮ ਨੂੰ ਚਲਾਉਂਦਾ ਹੈ।

ਸਟੈਕ (stack) 'ਤੇ ਵਿਚਾਰ ਕਰੋ। ਜਦੋਂ ਤੁਸੀਂ ਉੱਚ-ਰੈਂਕ ਵਾਲੇ ਕੋਡਿੰਗ ਸਹਾਇਕ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਇੱਕੋ ਸਮੇਂ ਤਿੰਨ ਵੱਖ-ਵੱਖ ਲੇਅਰਾਂ ਨੂੰ ਛੂਹ ਰਹੇ ਹੁੰਦੇ ਹੋ। ਇੱਕ ਇੰਟਰਫੇਸ ਹੈ ਜੋ ਤੁਹਾਡਾ ਪ੍ਰੋਂਪਟ ਸਵੀਕਾਰ ਕਰਦਾ ਹੈ। ਇੱਕ ਮਾਡਲ ਹੈ ਜੋ ਜਵਾਬ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਅਤੇ ਇੱਕ ਮੈਮੋਰੀ ਲੇਅਰ ਹੈ ਜੋ ਇੱਕ ਲੰਬੇ ਸੈਸ਼ਨ ਦੌਰਾਨ ਕੰਟੈਕਸਟ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖਦੀ ਹੈ, ਪਹਿਲਾਂ ਦੀਆਂ ਫਾਈਲਾਂ ਤੋਂ ਸਬੰਧਤ ਹਿੱਸੇ ਲਿਆਉਂਦੀ ਹੈ। ਟਾਇਰ ਲਿਸਟ ਉਪਰਲੀ ਲੇਅਰ ਦਾ ਫੈਸਲਾ ਕਰਦੀ ਹੈ। GitHub ਹੇਠਲੀ ਲੇਅਰ ਨੂੰ ਸਾਹਮਣੇ ਲਿਆਉਂਦੀ ਹੈ। Google ਦੀ ਸੂਚੀ ਵਿਚਕਾਰਲੀ ਲੇਅਰ ਨੂੰ ਦਿਖਾ ਸਕਦੀ ਹੈ, ਪਰ ਸਿਰਫ਼ ਉਦੋਂ ਜਦੋਂ ਇਹ ਕੋਈ ਚਮਕਦਾਰ ਕੰਜ਼ਿਊਮਰ ਵਸਤੂ (artifact) ਪੈਦਾ ਕਰਦੀ ਹੈ। ਕਾਮਰਸ ਲਿਸਟ ਇਹਨਾਂ ਤਿੰਨਾਂ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰ ਦਿੰਦੀ ਹੈ ਜਦੋਂ ਤੱਕ ਪੈਕੇਜ ਖਰੀਦਿਆ ਨਾ ਜਾ ਸਕੇ। ਨਤੀਜਾ ਇੱਕ ਅਜਿਹੀ ਸਪਲਾਈ ਚੇਨ ਹੈ ਜਿਸ ਨੂੰ ਹਰ ਰਿਪੋਰਟ ਇੱਕ ਛੋਟੀ ਜਿਹੀ ਝਰਕੀ (peephole) ਰਾਹੀਂ ਦੇਖਦੀ ਹੈ, ਕਦੇ ਵੀ ਪੂਰੇ ਕਮਰੇ ਨੂੰ ਨਹੀਂ ਦੇਖਦੀ।

ਇਹ ਇਸ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿਉਂਕਿ ਖਰੀਦਣ ਦੇ ਫੈਸਲੇ, ਕਰੀਅਰ ਦੇ ਦਾਅ, ਅਤੇ ਆਰਕੀਟੈਕਚਰਲ ਚੋਣਾਂ ਸਭ ਇੱਕੋ ਜਿਹੇ ਅਧੂਰੇ ਗਿਆਨ (partial blindness) ਦਾ ਸ਼ਿਕਾਰ ਹੁੰਦੇ ਹਨ। ਇੱਕ ਡਿਵੈਲਪਰ ਸਭ ਤੋਂ ਤੇਜ਼ ਰੈਂਕ ਵਾਲਾ ਕੋਡਿੰਗ ਟੂਲ ਚੁਣ ਸਕਦਾ ਹੈ ਅਤੇ ਇਸ ਤੱਥ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰ ਸਕਦਾ ਹੈ ਕਿ ਉਸਦਾ ਮੈਮਰੀ ਸਟੈਕ GitHub 'ਤੇ ਵਧ ਰਹੇ ਇੱਕ ਓਪਨ-ਸੋਰਸ ਵਿਕਲਪ ਦੁਆਰਾ ਬੰਦ (sunsetted) ਕੀਤੇ ਜਾਣ ਵਾਲਾ ਹੈ। ਇੱਕ ਪ੍ਰੋਡਕਟ ਮੈਨੇਜਰ Google ਦੇ ਸ਼ੋਅਕੇਸ ਨੂੰ ਦੇਖ ਕੇ ਇਹ ਮੰਨ ਸਕਦਾ ਹੈ ਕਿ ਚੈਟਬੋਟਸ ਖਤਮ ਹੋ ਗਏ ਹਨ, ਇਹ ਜਾਣੇ ਬਿਨਾਂ ਕਿ ਉਹ ਸਿਰਫ਼ ਡਿਵੈਲਪਰ ਟੂਲਿੰਗ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋ ਗਏ ਹਨ। ਇੱਕ ਪ੍ਰੋਕਿਊਰਮੈਂਟ ਲੀਡ ਕਾਮਰਸ ਡਾਇਰੈਕਟਰੀ ਦੀਆਂ ਸਿਫ਼ਾਰਸ਼ਾਂ ਨੂੰ ਸਟਾਕ ਕਰ ਸਕਦਾ ਹੈ ਪਰ ਉਸ ਓਪਨ-ਕੋਰ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਮਿਸ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਅਸਲ ਵਿੱਚ ਸਭ ਤੋਂ ਭਰੋਸੇਮੰਦ ਫੀਚਰਾਂ ਨੂੰ ਚਲਾਉਂਦਾ ਹੈ।

ਉਹਨਾਂ ਨੂੰ ਚਾਰ ਵੱਖ-ਵੱਖ ਜਵਾਬਾਂ ਵਜੋਂ ਪੜ੍ਹਨਾ

ਮੈਂ ਮਾਸਟਰ ਰਿਪੋਰਟ ਦੀ ਭਾਲ ਕਰਨਾ ਬੰਦ ਕਰ ਦਿੱਤਾ ਹੈ। ਇਹ ਮੌਜੂਦ ਨਹੀਂ ਹੈ। ਇਸ ਦੀ ਬਜਾਏ, ਹੁਣ ਮੈਂ ਹਰੇਕ ਸਰੋਤ ਨੂੰ ਇੱਕ ਖਾਸ, ਸੀਮਤ ਸਵਾਲ ਦੇ ਜਵਾਬ ਵਜੋਂ ਪੜ੍ਹਦਾ ਹਾਂ।

ਜੇਕਰ ਮੈਨੂੰ ਆਪਣੀ ਟੀਮ ਲਈ ਕੋਡਿੰਗ ਟੂਲਜ਼ ਦੀ ਸ਼ਾਰਟਲਿਸਟ ਬਣਾਉਣ ਦੀ ਲੋੜ ਹੈ, ਤਾਂ ਮੈਂ ਟਾਇਰ ਰੈਂਕਿੰਗਜ਼ (tier rankings) ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹਾਂ। ਮੈਂ ਜਾਣਦਾ ਹਾਂ ਕਿ ਮੈਂ ਸਿਰਫ਼ ਸਤਹੀ ਪੱਧਰ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਦੇਖ ਰਿਹਾ ਹਾਂ, ਪਰ ਰੋਜ਼ਾਨਾ ਵਰਤੋਂ ਲਈ ਮੈਨੂੰ ਬਿਲਕੁਲ ਇਸੇ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

ਜੇਕਰ ਮੈਂ ਦੇਖਣਾ ਚਾਹੁੰਦਾ ਹਾਂ ਕਿ ਬਿਗ ਟੈਕ (Big Tech) ਕਿੱਥੇ ਆਪਣੇ ਜਨਤਕ ਦਾਅ ਲਗਾ ਰਿਹਾ ਹੈ, ਤਾਂ ਮੈਂ Google ਦੀ ਕੈਟੇਗਰੀ ਲਿਸਟ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹਾਂ। ਇਹ ਦੱਸਦੀ ਹੈ ਕਿ ਵੱਡੇ ਪਲੇਟਫਾਰਮ ਕਿਹੜੇ ਤਿਆਰ ਉਤਪਾਦਾਂ ਨੂੰ ਜਿੱਤ ਮੰਨਦੇ ਹਨ, ਅਤੇ ਕਿਹੜੇ ਯੂਜ਼ਰ ਐਕਸਪੀਰੀਐਂਸ (user experiences) ਨੂੰ ਉਹ ਪੈਕੇਜ ਕਰਨ ਅਤੇ ਪ੍ਰਮੋਟ ਕਰਨ ਲਈ ਤਿਆਰ ਹਨ। ਇਹ ਮੈਨੂੰ ਦੱਸਦਾ ਹੈ ਕਿ ਖਪਤਕਾਰਾਂ ਦੀਆਂ ਉਮੀਦਾਂ ਨੂੰ ਕਿੱਥੇ ਤਿਆਰ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ।

ਜੇਕਰ ਮੈਨੂੰ ਇਹ ਸਮਝਣ ਦੀ ਲੋੜ ਹੈ ਕਿ ਅੱਜ ਤੋਂ ਛੇ ਮਹੀਨੇ ਬਾਅਦ ਤਕਨੀਕੀ ਤੌਰ 'ਤੇ ਕੀ ਸੰਭਵ ਹੋਵੇਗਾ, ਤਾਂ ਮੈਂ GitHub trending ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹਾਂ। ਇੱਥੇ ਮੈਮਰੀ ਟੂਲਜ਼, ਆਰਕੈਸਟ੍ਰੇਸ਼ਨ ਫਰੇਮਵਰਕਸ (orchestration frameworks), ਅਤੇ ਸਮਾਲ-ਮਾਡਲ ਹੋਸਟਸ ਮਿਲਦੇ ਹਨ। ਜੇਕਰ ਇੱਥੇ ਕੋਈ ਪ੍ਰੋਜੈਕਟ ਤੇਜ਼ੀ ਨਾਲ ਪ੍ਰਸਿੱਧੀ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ, ਤਾਂ ਟਾਇਰ ਲਿਸਟਾਂ ਆਪਣੇ ਮਾਪਦੰਡਾਂ ਨੂੰ ਅਪਡੇਟ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਇਹ ਸੰਭਵ ਤੌਰ 'ਤੇ ਵਪਾਰਕ ਟੂਲਜ਼ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋ ਜਾਵੇਗਾ।

ਜੇਕਰ ਮੈਨੂੰ ਇਹ ਜਾਣਨ ਦੀ ਲੋੜ ਹੈ ਕਿ ਕੀ ਉਪਲਬਧ ਹੈ, ਖਾਸ ਕਰਕੇ ਫਾਇਰਵਾਲ (firewalls) ਅਤੇ ਭੁਗਤਾਨ ਦੀਆਂ ਸੀਮਾਵਾਂ ਦੇ ਪਾਰ, ਤਾਂ ਮੈਂ ਕਾਮਰਸ ਡਾਇਰੈਕਟਰੀ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹਾਂ। ਭੂਗੋਲਿਕ ਅਤੇ ਨਿਯਮਤ ਹਕੀਕਤ ਆਪਣੇ ਆਪ ਵਿੱਚ ਇੱਕ ਸੱਚਾਈ ਹੈ। ਇੱਕ ਅਜਿਹਾ ਟੂਲ ਜਿਸ ਤੱਕ ਪਹੁੰਚ ਨਹੀਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਜਾਂ ਜਿਸਦਾ ਬਿੱਲ ਨਹੀਂ ਭਰਿਆ ਜਾ ਸਕਦਾ, ਉਹ ਕੋਈ ਅਸਲੀ ਵਿਕਲਪ ਨਹੀਂ ਹੈ, ਚਾਹੇ ਉਸਦਾ ਆਰਕੀਟੈਕਚਰ ਕਿੰਨਾ ਵੀ ਨਵਤਾਕਾਰੀ ਕਿਉਂ ਨਾ ਹੋਵੇ।

ਤੁਹਾਨੂੰ ਇਹ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਖੁਦ ਇਕੱਠਾ ਕਰਨਾ ਪਵੇਗਾ। ਕੋਈ ਵੀ ਕਿਊਰੇਟਰ (curator) ਇਸ ਨੂੰ ਜੋੜਨ ਦਾ ਕੰਮ ਨਹੀਂ ਕਰ ਰਿਹਾ।

ਇੱਕ ਪੁਲ ਦੀ ਉਡੀਕ

ਮੈਂ ਤਿੰਨ ਮਹੀਨਿਆਂ ਬਾਅਦ ਇਹਨਾਂ ਹੀ ਚੈਨਲਾਂ ਨੂੰ ਦੁਬਾਰਾ ਚੈੱਕ ਕਰਨ ਦੀ ਯੋਜਨਾ ਬਣਾ ਰਿਹਾ ਹਾਂ। ਮੈਂ ਦੇਖਣਾ ਚਾਹੁੰਦਾ ਹਾਂ ਕਿ ਕੀ ਕੋਈ ਇੱਕ ਸਮੂਹ ਦੂਜਿਆਂ ਨੂੰ ਆਪਣੇ ਵਿੱਚ ਸਮਾਉਣਾ ਸ਼ੁਰੂ ਕਰਦਾ ਹੈ। ਸ਼ਾਇਦ ਕੋਈ ਟਾਇਰ ਲਿਸਟ ਉਹਨਾਂ GitHub substrates ਨਾਲ ਲਿੰਕ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰ ਦੇਵੇ ਜੋ ਹਰੇਕ ਰੈਂਕਡ ਟੂਲ ਨੂੰ ਚਲਾਉਂਦੇ ਹਨ। ਸ਼ਾਇਦ Google ਦੀ ਖਪਤਕਾਰ ਰਿਪੋਰਟ ਇਹ ਸਵੀਕਾਰ ਕਰੇ ਕਿ ਇਸਦੇ ਕਈ ਸੁਧਰੇ ਹੋਏ ਆਉਟਪੁੱਟ (outputs) ਉਹਨਾਂ ਕਨਵਰਸੇਸ਼ਨਲ ਇੰਜਣਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ ਜਿਨ੍ਹਾਂ ਬਾਰੇ ਉਹ ਹੁਣ ਚਰਚਾ ਨਹੀਂ ਕਰਦਾ। ਸ਼ਾਇਦ ਕੋਈ ਕਾਮਰਸ ਡਾਇਰੈਕਟਰੀ ਸਥਿਰਤਾ ਦੇ ਪ੍ਰਤੀਕ ਵਜੋਂ 'ਸਟਾਰ ਵੈਲੋਸਿਟੀ' (star velocity) ਨੂੰ ਟ੍ਰੈਕ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰ ਦੇਵੇ।

ਸਭ ਤੋਂ ਵੱਧ, ਮੈਂ ਅਜਿਹੀ ਰਿਪੋਰਟ ਦੇਖਣਾ ਚਾਹੁੰਦਾ ਹਾਂ ਜੋ AI ਨੂੰ ਇੱਕ ਸਿੰਗਲ ਪ੍ਰੋਡਕਟ ਕੈਟੇਗਰੀ ਦੀ ਬਜਾਏ ਇੱਕ ਜੁੜੇ ਹੋਏ ਸਿਸਟਮ ਵਜੋਂ ਦੇਖੇ। ਅਜਿਹੀ ਰਿਪੋਰਟ ਜੋ ਇੱਕ ਪ੍ਰੋਜੈਕਟ ਨੂੰ GitHub ਰਿਪੋਜ਼ਟਰੀ ਤੋਂ ਲੈ ਕੇ ਵੈਂਡਰ ਪਾਰਟਨਰਸ਼ਿਪ ਰਾਹੀਂ ਖਪਤਕਾਰ-ਮੁਖੀ ਫੀਚਰ ਤੱਕ ਫੋਲੋ ਕਰ ਸਕੇ, ਅਤੇ ਫਿਰ ਇਹ ਦੱਸ ਸਕੇ ਕਿ ਉਹ ਫੀਚਰ ਸ਼ੰਘਾਈ ਵਿੱਚ ਖਰੀਦਣ ਲਈ ਉਪਲਬਧ ਹੈ ਜਾਂ ਨਹੀਂ। ਅਜਿਹੀ ਰਿਪੋਰਟ ਅੰਤ ਵਿੱਚ ਇਹਨਾਂ ਚਾਰ ਪਰਿਭਾਸ਼ਾਵਾਂ ਦੇ ਵਿਚਕਾਰ ਪੁਲ ਬਣਾ ਦੇਵੇਗੀ।

ਉਦੋਂ ਤੱਕ, ਤੁਸੀਂ ਹੀ ਅਨੁਵਾਦਕ ਹੋ। ਚਾਰੇ ਨੂੰ ਪੜ੍ਹੋ। ਤੱਥਾਂ ਨੂੰ ਸਹੀ ਰੱਖੋ। ਅਤੇ ਯਾਦ ਰੱਖੋ ਕਿ ਇੱਕ ਪੰਨੇ 'ਤੇ AI ਸ਼ਬਦ ਦਾ ਮਤਲਬ ਸ਼ਾਇਦ ਅਗਲੇ ਪੰਨੇ 'ਤੇ ਬਿਲਕੁਲ ਵੱਖਰਾ ਹੋਵੇਗਾ।

ਸਰੋਤ: https://dev.to/ninghonggang/four-juejin-pieces-four-definitions-of-ai-no-shared-bridge-1fbj

ਚਰਚਾ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਵੋ: https://t.me/GyaanSetuAi