TechCrunch Disrupt 2026 ਨੇ ਇੱਕ “Real World AI” ਸਟੇਜ ਜੋੜੀ ਹੈ, ਜੋ ਸਟਾਰਟਅੱਪਸ ਅਤੇ ਸਥਾਪਿਤ ਖਿਡਾਰੀਆਂ ਨੂੰ ਅਜਿਹੇ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਪ੍ਰਣਾਲੀਆਂ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰਨ ਲਈ ਇੱਕ ਸਮਰਪਿਤ ਅਖਾੜਾ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ ਜੋ ਸਕ੍ਰੀਨ ਤੋਂ ਬਾਹਰ ਨਿਕਲ ਕੇ ਚੀਜ਼ਾਂ ਨੂੰ ਹਿੱਲਾਉਣਾ ਸ਼ੁਰੂ ਕਰ ਦਿੰਦੀਆਂ ਹਨ—ਚੱਲਣ ਵਾਲੇ ਰੋਬੋਟ, ਪੈਟਰੋਲ ਕਰਨ ਵਾਲੇ ਡਰੋਨ, ਅਤੇ ਜੀਨੋਮ ਨੂੰ ਐਡਿਟ ਕਰਨ ਵਾਲੇ ਐਲਗੋਰਿਦਮ। ਇਹ ਕਦਮ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ ਕਿ ਨਿਵੇਸ਼ਕ, ਪੱਤਰਕਾਰ ਅਤੇ ਨਿਯਮਕ ਹੁਣ ਹਾਰਡਵੇਅਰ-ਕੇਂਦ੍ਰਿਤ AI ਨੂੰ ਅਗਲੀ ਵਿਕਾਸ ਸੀਮਾ ਵਜੋਂ ਦੇਖਦੇ ਹਨ, ਨਾ ਕਿ ਸਿਰਫ਼ ਉਹਨਾਂ ਲਾਰਜ ਲੈਂਗੂਏਜ ਮਾਡਲਾਂ ਨੂੰ ਜਿਨ੍ਹਾਂ ਨੇ ਪਿਛਲੇ ਕੁਝ ਸਾਲਾਂ ਤੋਂ ਸੁਰਖੀਆਂ 'ਤੇ ਰਾਜ ਕੀਤਾ ਹੈ।

ਚੈਟਬੋਟਸ ਤੋਂ ਲੈ ਕੇ ਸਟੀਲ ਅਤੇ ਸਿਲੀਕਨ ਤੱਕ

ਪਿਛਲੇ ਦਹਾਕੇ ਦੇ ਜ਼ਿਆਦਾਤਰ ਹਿੱਸੇ ਵਿੱਚ AI ਦੀ ਕਥਾਨਕ (narrative) ਸਿਰਫ਼ ਸਾਫਟਵੇਅਰ ਉਤਪਾਦਾਂ 'ਤੇ ਕੇਂਦਰਿਤ ਸੀ: ਕਨਵਰਸੇਸ਼ਨਲ ਏਜੰਟਸ, ਰੈਕੋਮੈਂਡੇਸ਼ਨ ਇੰਜਣਾਂ ਅਤੇ ਕਲਾਊਡ-ਅਧਾਰਤ ਵਿਸ਼ਲੇਸ਼ਣ। Disrupt ਦੀ ਨਵੀਂ ਸਟੇਜ ਇਸ ਸਕ੍ਰਿਪਟ ਨੂੰ ਬਦਲ ਦਿੰਦੀ ਹੈ। ਆਟੋਨੋਮਸ ਵਾਹਨਾਂ, ਰੱਖਿਆ ਪਲੇਟਫਾਰਮਾਂ ਅਤੇ ਬਾਇਓ-ਇੰਜੀਨੀਅਰਿੰਗ ਟੂਲਜ਼ 'ਤੇ ਗੱਲਬਾਤ ਨੂੰ ਕੇਂਦਰਿਤ ਕਰਕੇ, ਇਹ ਕਾਨਫਰੰਸ “hard-soft” AI—ਜੋ ਕਿ ਆਮ ਸਰਵਰਾਂ 'ਤੇ ਚੱਲਣ ਵਾਲਾ ਕੋਡ ਹੈ—ਤੋਂ “hard-tech” AI ਵੱਲ ਤਬਦੀਲੀ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ, ਜਿੱਥੇ ਐਲਗੋਰਿਦਮ ਇੱਕ ਰੋਬੋਟਿਕ ਬਾਂਹ, ਜੰਗ ਦੇ ਮੈਦਾਨ ਵਾਲੇ ਡਰੋਨ ਜਾਂ ਜੀਨ-ਐਡੀਟਿੰਗ ਵਰਕਸਟੇਸ਼ਨ ਦੇ ਅੰਦਰ ਹੁੰਦਾ ਹੈ। ਇਹ ਤਬਦੀਲੀ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿਉਂਕਿ ਭੌਤਿਕ AI ਦੀ ਆਰਥਿਕਤਾ, ਜੋਖਮ ਪ੍ਰੋਫਾਈਲ ਅਤੇ ਰੈਗੂਲੇਟਰੀ ਮਾਰਗ ਇੱਕ SaaS ਉਤਪਾਦ ਦੇ ਮੁਕਾਬਲੇ ਬਿਲਕੁਲ ਵੱਖਰੇ ਹੁੰਦੇ ਹਨ।

ਸੁਰੱਖਿਆ ਇੱਕ ਵਪਾਰਕ ਮਾਪਦੰਡ ਬਣਦੀ ਹੈ

ਜਦੋਂ ਕੋਈ AI ਕਿਸੇ ਪੈਰਾਗ੍ਰਾਫ ਨੂੰ ਗਲਤ ਲੇਬਲ ਕਰਦਾ ਹੈ, ਤਾਂ ਸਭ ਤੋਂ ਮਾੜਾ ਨਤੀਜਾ ਇੱਕ ਨਾਰਾਜ਼ ਉਪਭੋਗਤਾ ਹੁੰਦਾ ਹੈ। ਪਰ ਜਦੋਂ ਉਹੀ ਐਲਗੋਰਿਦਮ ਕਿਸੇ ਡਰੋਨ ਨੂੰ ਚਲਾਉਂਦਾ ਹੈ ਜਾਂ ਲੜਾਈ ਵਾਲੇ ਜਹਾਜ਼ ਦਾ ਪਾਇਲਟ ਬਣਦਾ ਹੈ, ਤਾਂ ਇੱਕ ਸਾਫਟਵੇਅਰ ਬੱਗ ਜਾਨਲੇਵਾ ਹੋ ਸਕਦਾ ਹੈ। Real World AI ਸਟੇਜ ਇਸ ਹਕੀਕਤ ਲਈ ਇੱਕ ਪੂਰਾ ਸੈਸ਼ਨ ਸਮਰਪਿਤ ਕਰਦੀ ਹੈ, ਜਿਸ ਦੀ ਅਗਵਾਈ Shield AI ਦੇ CTO, Nate Michael ਕਰ ਰਹੇ ਹਨ। ਬੁਲਾਰੇ “ਭਰੋਸੇਯੋਗ AI” ਦੇ ਅਮੂਰਤ ਵਿਚਾਰਾਂ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ ਠੋਸ ਅਭਿਆਸਾਂ ਵੱਲ ਵਧਦੇ ਹਨ: ਹਾਰਡਵੇਅਰ-ਇਨ-ਦ-ਲੂਪ ਟੈਸਟਿੰਗ, ਕੰਟਰੋਲ ਲੂਪਸ ਦੀ ਫਾਰਮਲ ਵੈਰੀਫਿਕੇਸ਼ਨ, ਅਤੇ ਸਰਟੀਫਿਕੇਸ਼ਨ ਪ੍ਰਕਿਰਿਆਵਾਂ ਜੋ ਐਰੋਸਪੇਸ ਅਤੇ ਆਟੋਮੋਟਿਵ ਉਦਯੋਗਾਂ ਵਿੱਚ ਵਰਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ, ਉਹਨਾਂ ਦੇ ਸਮਾਨ ਹਨ।

ਰੱਖਿਆ ਅਤੇ ਉਦਯੋਗਿਕ ਆਟੋਮੇਸ਼ਨ ਵਿੱਚ ਕੰਮ ਕਰਨ ਵਾਲੇ ਸੰਸਥਾਪਕਾਂ ਨੂੰ ਹੁਣ ਇਹ ਸਾਬਤ ਕਰਨਾ ਹੋਵੇਗਾ ਕਿ ਉਹਨਾਂ ਦੀਆਂ ਪ੍ਰਣਾਲੀਆਂ ਇਲੈਕਟ੍ਰੋਮੈਗਨੈਟਿਕ ਦਖਲਅੰਦਾਜ਼ੀ, ਤੀਬਰ ਤਾਪਮਾਨ ਅਤੇ ਵਿਰੋਧੀ ਹਮਲਿਆਂ ਦਾ ਸਾਹਮਣਾ ਕਰ ਸਕਦੀਆਂ ਹਨ—ਅਤੇ ਇਹ ਸਭ ਇੱਕ ਸਾਫ਼ ਸੁਰੱਖਿਆ ਰਿਕਾਰਡ ਰੱਖਦੇ ਹੋਏ ਕਰਨਾ ਹੋਵੇਗਾ। ਦਾਅਵਾਂ ਬਹੁਤ ਉੱਚੇ ਹਨ: ਇੱਕ ਇਕੱਲੀ ਘਟਨਾ ਰੈਗੂਲੇਟਰੀ ਪਾਬੰਦੀਆਂ ਲਗਾ ਸਕਦੀ ਹੈ, ਬਾਜ਼ਾਰ ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਨੂੰ ਤਬਾਹ ਕਰ ਸਕਦੀ ਹੈ, ਅਤੇ ਮਹਿੰਗੇ ਮੁਕੱਦਮੇ ਲਿਆ ਸਕਦੀ ਹੈ।

ਐਜ ਕੰਪਿਊਟਿੰਗ: ਜਦੋਂ ਕਲਾਊਡ ਪਹੁੰਚ ਤੋਂ ਬਾਹਰ ਹੋਵੇ

ਇਸ ਸਟੇਜ 'ਤੇ ਇੱਕ ਵਾਰ-ਵਾਰ ਆਉਣ ਵਾਲਾ ਵਿਸ਼ਾ “edge AI” ਦੀ ਸਮੱਸਿਆ ਹੈ। ਅੱਜ ਦੀਆਂ ਕਈ AI ਸੇਵਾਵਾਂ ਵਿਸ਼ਾਲ ਡਾਟਾ ਸੈਂਟਰਾਂ ਨਾਲ ਲਗਾਤਾਰ, ਘੱਟ-ਲੈਟੈਂਸੀ ਕਨੈਕਟੀਵਿਟੀ ਦੀ ਮੰਗ ਕਰਦੀਆਂ ਹਨ। ਦੂਰ-ਦੁਰਾਡੇ ਦੇ ਜੰਗ ਦੇ ਮੈਦਾਨਾਂ, ਡੂੰਘੇ ਸਮੁੰਦਰ ਦੇ ਰਿਗਾਂ ਜਾਂ ਪੁਲਾੜ ਦੇ ਰਿਹਾਇਸ਼ਾਂ ਵਿੱਚ, ਇਹ ਅੰਦਾਜ਼ਾ ਗਲਤ ਸਾਬਤ ਹੁੰਦਾ ਹੈ। FieldAI, Medra ਅਤੇ Eclipse Ventures ਦੇ ਪ੍ਰਤੀਨਿਧੀ ਅਜਿਹੇ ਆਰਕੀਟੈਕਚਰਾਂ ਬਾਰੇ ਚਰਚਾ ਕਰਦੇ ਹਨ ਜੋ ਇਨਫਰੈਂਸ ਇੰਜਣਾਂ ਨੂੰ ਘੱਟ-ਪਾਵਰ ASICs ਅਤੇ ਰਗਡਾਈਜ਼ਡ GPUs 'ਤੇ ਲਿਜਾਉਂਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਮਿਲੀਸੈਕਿੰਡ ਦੇ ਅੰਦਰ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਫੈਸਲੇ ਲਏ ਜਾ ਸਕਦੇ ਹਨ।

ਇਹ ਹੱਲ ਮਾਡਲ ਦੇ ਆਕਾਰ ਦੀ ਬਜਾਏ ਭਵਿੱਖਬਾਣੀ (predictability) 'ਤੇ ਜ਼ੋਰ ਦਿੰਦੇ ਹਨ, ਜਿਸ ਲਈ ਨਵੇਂ ਸਾਫਟਵੇਅਰ ਸਟੈਕ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਜੋ ਰੁਕ-ਰੁਕ ਕੇ ਮਿਲਣ ਵਾਲੇ ਲਿੰਕਾਂ 'ਤੇ ਵੀ ਮਾਡਲਾਂ ਨੂੰ ਕੰਪਾਈਲ ਅਤੇ ਅਪਡੇਟ ਕਰ ਸਕਣ। ਇਹ ਤਬਾਦੀ ਵਪਾਰਕ ਮਾਡਲਾਂ ਨੂੰ ਨਵਾਂ ਰੂਪ ਦਿੰਦੀ ਹੈ। ਉਹ ਕੰਪਨੀਆਂ ਜੋ ਐਜ ਡਿਪਲਾਈਮੈਂਟ ਵਿੱਚ ਮਾਹਰ ਹਨ, ਉਹ “always-on” ਸਵੈ-ਚਾਲਿਤ (autonomy) ਸੇਵਾਵਾਂ ਲਈ ਉੱਚੀਆਂ ਕੀਮਤਾਂ ਵਸੂਲ ਸਕਦੀਆਂ ਹਨ; ਉਹ ਜੋ ਕਲਾਊਡ ਬੈਕ-ਐਂਡ 'ਤੇ ਨਿਰਭਰ ਹਨ, ਉਹਨਾਂ ਦੇ ਬਾਜ਼ਾਰ ਸਿਰਫ਼ ਚੰਗੀ ਤਰ੍ਹਾਂ ਕਨੈਕਟਡ ਵਾਤਾਵਰਣਾਂ ਤੱਕ ਸੀਮਤ ਹੋ ਸਕਦੇ ਹਨ।

ਪ੍ਰੋਟੋਟਾਈਪ ਤੋਂ ਉਤਪਾਦਨ ਤੱਕ: ਸਕੇਲਿੰਗ ਦਾ ਪਾੜਾ

ਲੈਬ ਵਿੱਚ ਬਣਾਏ ਗਏ ਰੋਬੋਟ ਨੂੰ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਉਤਪਾਦਨ ਵਾਲੇ ਉਤਪਾਦ ਵਿੱਚ ਬਦਲਣਾ ਅਜੇ ਵੀ ਇੱਕ ਵੱਡੀ ਚੁਣੌਤੀ ਬਣਿਆ ਹੋਇਆ ਹੈ। Bedrock Robotics, Foxglove ਅਤੇ MBRYONICS ਦੇ ਅਧਿਕਾਰੀਆਂ ਵਾਲੇ ਸੈਸ਼ਨ ਇਸ ਯਾਤਰਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੇ ਹਨ। ਵਿਸ਼ਿਆਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

  • ਸਪਲਾਈ-ਚੇਨ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰਨਾ – ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਵਿਸ਼ੇਸ਼ ਸੈਂਸਰਾਂ ਅਤੇ ਕਸਟਮ-ਮਸ਼ੀਨ ਕੀਤੇ ਫਰੇਮਾਂ ਲਈ ਸਰੋਤ ਸੁਰੱਖਿਅਤ ਕਰਨਾ।
  • ਨਿਰਮਾਣਯੋਗਤਾ ਲਈ ਡਿਜ਼ਾਈਨ – ਲਾਗਤ ਵਧਾਏ ਬਿਨਾਂ ਸਹੀ ਮਾਪ (tolerances) ਬਣਾਈ ਰੱਖਣ ਲਈ ਮਕੈਨੀਕਲ ਅਸੈਂਬਲੀ ਨੂੰ ਸਰਲ ਬਣਾਉਣਾ।
  • ਕੁਆਲਿਟੀ ਅਸ਼ੋਰੈਂਸ ਪਾਈਪਲਾਈਨਾਂ – ਅਜਿਹੇ ਆਟੋਮੇਟਡ ਫੰਕਸ਼ਨਲ ਟੈਸਟਾਂ ਨੂੰ ਜੋੜਨਾ ਜੋ ਅਸਲੀ ਦੁਨੀਆ ਦੀਆਂ ਸੰਚਾਲਨ ਸਥਿਤੀਆਂ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ।

ਇੱਕ ਸਹਿਮਤੀ ਇਹ ਹੈ ਕਿ ਇੱਕ ਸਟਾਰਟਅੱਪ ਦੀ ਵੈਲਯੂਏਸ਼ਨ ਜਲਦੀ ਹੀ ਐਲਗੋਰਿਦਮ ਦੀ ਸੁੰਦਰਤਾ ਦੀ ਬਜਾਏ ਹਜ਼ਾਰਾਂ ਭਰੋਸੇਯੋਗ ਯੂਨਿਟਾਂ ਨੂੰ ਬਿਨਾਂ ਕਿਸੇ ਵੱਡੀ ਅਸਫਲਤਾ ਦੇ ਭੇਜਣ ਦੀ ਇਸਦੀ ਯੋਗਤਾ 'ਤੇ ਨਿਰਭਰ ਕਰੇਗੀ।

AI ਜੀਵ ਵਿਗਿਆਨ ਨਾਲ ਮਿਲਦਾ ਹੈ: ਡੀ-ਐਕਸਟਿੰਕਸ਼ਨ (De-Extinction) ਚਰਚਾ ਵਿੱਚ

ਸ਼ਾਇਦ Real World AI ਸਟੇਜ 'ਤੇ ਸਭ ਤੋਂ ਉਤੇਜਕ ਸੈਸ਼ਨ Colossal Biosciences ਦੇ CEO, Ben Lamm ਦਾ ਹੈ, ਜੋ ਖਤਮ ਹੋ ਚੁੱਕੀਆਂ ਪ੍ਰਜਾਤੀਆਂ ਨੂੰ ਮੁੜ ਸੁਰਜੀਤ ਕਰਨ ਦੇ ਉਦੇਸ਼ ਨਾਲ AI-ਡਰਾਈਵਨ ਜੈਨੇਟਿਕ ਇੰਜੀਨੀਅਰਿੰਗ ਬਾਰੇ ਚਰਚਾ ਕਰ ਰਹੇ ਹਨ। ਇਹ ਸੈਸ਼ਨ ਇਸ ਗੱਲ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ ਕਿ ਕੀ ਮਸ਼ੀਨ-ਲਰਨਿੰਗ ਮਾਡਲ ਜੋ ਪ੍ਰੋਟੀਨ ਫੋਲਡਿੰਗ, ਜੀਨ ਐਕਸਪ੍ਰੈਸ਼ਨ ਅਤੇ ਵਾਤਾਵਰਣਕ ਪ੍ਰਭਾਵ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਦੇ ਹਨ, “ਡੀ-ਐਕਸਟਿੰਕਸ਼ਨ” ਪ੍ਰੋਜੈਕਟਾਂ ਨੂੰ ਤੇਜ਼ ਕਰ ਸਕਦੇ ਹਨ ਜਾਂ ਸਿਰਫ਼ ਮੌਜੂਦਾ ਵਾਤਾਵਰਣ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਬਚਾਉਣ ਤੋਂ ਸਰੋਤਾਂ ਨੂੰ ਹਟਾ ਸਕਦੇ ਹਨ। ਆਲੋਚਕਾਂ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਵਿਗਿਆਨਕ ਅਨਿਸ਼ਚਿਤਤਾਵਾਂ ਅਤੇ ਨੈਤਿਕ ਦੁਖਾਂਤ ਨਵੀਨਤਾ ਨਾਲੋਂ ਵੱਧ ਹਨ; ਸਮਰਥਕਾਂ ਦਾ ਦਾਅਵਾ ਹੈ ਕਿ ਇਹੀ AI ਪਾਈਪਲਾਈਨ ਵੈਕਸੀਨ ਡਿਜ਼ਾਈਨ, ਫਸਲ ਸੁਧਾਰ ਅਤੇ ਬਿਮਾਰੀ-ਰੋਧਕ ਪਸ਼ੂਧਨ ਦੀ ਰਫ਼ਤਾਰ ਵਧਾ ਸਕਦੀ ਹੈ। ਇਹ ਬਹਿਸ ਇੱਕ ਵਿਆਪਕ ਸਵਾਲ ਨੂੰ ਉਜਾਗਰ ਕਰਦੀ ਹੈ: ਜਦੋਂ AI ਜੀਵ ਵਿਗਿਆਨ ਨੂੰ ਮੁੜ ਲਿਖਣਾ ਸ਼ੁਰੂ ਕਰਦਾ ਹੈ, ਤਾਂ ਇਹ ਕੌਣ ਤੈਅ ਕਰਦਾ ਹੈ ਕਿ ਸਵੀਕਾਰਯੋਗ ਜੋਖਮ ਦੀਆਂ ਸੀਮਾਵਾਂ ਕੀ ਹੋਣਗੀਆਂ?

ਵਿਰੋਧੀ ਪੱਖ: ਕੀ ਹਾਰਡਵੇਅਰ ਵੱਲ ਵਧ ਰਿਹਾ ਇਹ ਵਧਾਅ ਸਮੇਂ ਤੋਂ ਪਹਿਲਾਂ ਹੈ?

ਹਰ ਕੋਈ ਇਸ ਗੱਲ ਨਾਲ ਸਹਿਮਤ ਨਹੀਂ ਹੈ ਕਿ ਉਦਯੋਗ ਨੂੰ ਹੁਣੇ ਹੀ ਫਿਜ਼ੀਕਲ AI ਵੱਲ ਤੇਜ਼ੀ ਨਾਲ ਵਧਣਾ ਚਾਹੀਦਾ ਹੈ। ਕੁਝ ਵਿਸ਼ਲੇਸ਼ਕ ਚੇਤਾਵਨੀ ਦਿੰਦੇ ਹਨ ਕਿ ਸੁਰੱਖਿਆ-ਅਹਿਮ (safety-critical) ਹਾਰਡਵੇਅਰ ਵਿੱਚ AI ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਦੀ ਕਾਹਲੀ ਵੈਰੀਫਿਕੇਸ਼ਨ ਸਟੈਂਡਰਡਸ ਦੇ ਵਿਕਾਸ ਤੋਂ ਅੱਗੇ ਨਿਕਲ ਸਕਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਅਧੂਰੇ-ਪੂਰੇ ਸੁਰੱਖਿਆ ਉਪਾਵਾਂ ਦਾ ਇੱਕ ਜਾਲ ਬਣ ਸਕਦਾ ਹੈ। ਉਹ ਆਟੋਨੋਮਸ ਵਹੀਕਲ ਟੈਸਟਿੰਗ ਵਿੱਚ ਹਾਲ ਹੀ ਵਿੱਚ ਹੋਈਆਂ ਲਗਭਗ ਹੋਣ ਵਾਲੀਆਂ ਹਾਦਸਿਆਂ (near-misses) ਦੀ ਲੜੀ ਨੂੰ ਇਸ ਗੱਲ ਦੇ ਸਬੂਤ ਵਜੋਂ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਸੌਫਟਵੇਅਰ ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਅਜੇ ਵੀ ਹਾਰਡਵੇਅਰ ਦੀਆਂ ਅਭਿਲਾਸ਼ਾਵਾਂ ਤੋਂ ਪਿੱਛੇ ਹੈ। ਉਨ੍ਹਾਂ ਦਾ ਵਿਰੋਧੀ ਤਰਕ ਇੱਕ ਵਧੇਰੇ ਸੰਜਮ ਵਾਲੇ ਪਹੁੰਚ ਦਾ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ: ਪਹਿਲਾਂ ਬੁਨਿਆਦੀ AI ਸੁਰੱਖਿਆ ਖੋਜ ਨੂੰ ਮਜ਼ਬੂਤ ​​ਕਰੋ, ਫਿਰ ਹੌਲੀ-ਹੌਲੀ ਉਨ੍ਹਾਂ ਨਤੀਜਿਆਂ ਨੂੰ ਹਾਰਡਵੇਅਰ ਪਲੇਟਫਾਰਮਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰੋ।

ਅੱਗੇ ਕੀ ਦੇਖਣਾ ਹੈ

  • ਰੇਗੂਲੇਟਰੀ ਮੀਲ ਪੱਥਰ (Regulatory milestones) – ਆਉਣ ਵਾਲੇ ਮਹੀਨਿਆਂ ਵਿੱਚ FAA, DoD ਅਤੇ ਬਾਇਓਟੈਕ ਏਜੰਸੀਆਂ ਦੁਆਰਾ AI-ਸੰਬੰਧਿਤ ਹਾਰਡਵੇਅਰ 'ਤੇ ਡਰਾਫਟ ਮਾਰਗਦਰਸ਼ਨ ਜਾਰੀ ਕਰਨ ਦੀ ਉਮੀਦ ਹੈ। ਉਹ ਕੰਪਨੀਆਂ ਜੋ ਨੀਤੀ ਘੜਨ ਵਾਲਿਆਂ ਨਾਲ ਜਲਦੀ ਜੁੜਦੀਆਂ ਹਨ, ਉਹਨਾਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਸਰਟੀਫਿਕੇਸ਼ਨ ਮਿਲ ਸਕਦੀ ਹੈ।
  • ਫੰਡਿੰਗ ਰੁਝਾਨ (Funding trends) – ਸਟੇਜ 'ਤੇ ਮੌਜੂਦ ਵੈਂਚਰ ਫਰਮਾਂ, ਜਿਵੇਂ ਕਿ Eclipse Ventures, ਐਜ-ਫੋਕਸਡ (edge-focused) AI ਸਟਾਰਟਅੱਪਸ ਲਈ ਵੱਡੇ ਨਿਵੇਸ਼ਾਂ ਦਾ ਇਸ਼ਾਰਾ ਕਰ ਰਹੀਆਂ ਹਨ, ਖਾਸ ਕਰਕੇ ਉਹਨਾਂ ਲਈ ਜਿਨ੍ਹਾਂ ਨੇ ਹਾਰਡਵੇਅਰ ਭਾਈਵਾਲੀ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ ਹੈ।
  • ਡੈਮੋ ਰੋਲਆਊਟਸ (Demo rollouts) – ਕਈ ਪ੍ਰਦਰਸ਼ਕਾਂ ਨੇ GPS-ਰਹਿਤ ਵਾਤਾਵਰਣ ਵਿੱਚ ਉੱਡਣ ਵਾਲੇ ਆਟੋਨੋਮਸ ਡਰੋਨਾਂ ਅਤੇ ਰੀਅਲ-ਟਾਈਮ ਵਿੱਚ ਜੀਨੋਮ-ਐਡੀਟਿੰਗ (genome-editing) ਕੰਮ ਕਰਨ ਵਾਲੇ ਰੋਬੋਟਿਕ ਬਾਹਾਂ ਦੇ ਲਾਈਵ ਡੈਮੋ ਦੇ ਇਸ਼ਾਰੇ ਦਿੱਤੇ ਹਨ। ਉਹ ਡੈਮੋ ਐਜ AI (edge AI) ਨੂੰ ਵਿਸਥਾਰ ਦੇਣ ਦੀ ਸੰਭਾਵਨਾ ਲਈ ਸਬੂਤ ਵਜੋਂ ਕੰਮ ਕਰਨਗੇ।

ਮੁੱਖ ਨਿਸ਼ਕਰਸ਼

TechCrunch Disrupt ਦੇ Real World AI ਸਟੇਜ ਦੀ ਸ਼ੁਰੂਆਤ ਉਦਯੋਗ ਦਾ ਇੱਕ ਸਪੱਸ਼ਟ ਸੰਕੇਤ ਹੈ: AI ਵਿਕਾਸ ਦੀ ਅਗਲੀ ਲਹਿਰ ਇਸ ਅਧਾਰ 'ਤੇ ਮਾਪੀ ਜਾਵੇਗੀ ਕਿ ਐਲਗੋਰਿਦਮ ਡਾਟਾ ਸੈਂਟਰ ਤੋਂ ਬਾਹਰ, ਸਟੀਲ ਦੇ ਢਾਂਚਿਆਂ ਵਿੱਚ, ਯੁੱਧ ਦੇ ਮੈਦਾਨਾਂ ਵਿੱਚ ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਜਿਉਂਦੇ ਸੈੱਲਾਂ ਦੇ ਅੰਦਰ ਕਿੰਨੀ ਚੰਗੀ ਤਰ੍ਹਾਂ ਕੰਮ ਕਰਦੇ ਹਨ। ਸਫਲਤਾ ਲਈ ਸਿਰਫ ਚਲਾਕ ਮਾਡਲਾਂ ਤੋਂ ਵੱਧ ਦੀ ਲੋੜ ਹੋਵੇਗੀ; ਇਸ ਲਈ ਸਖ਼ਤ ਸੁਰੱਖਿਆ ਸੱਭਿਆਚਾਰ, ਐਜ-ਰੇਡੀ (edge-ready) ਹਾਰਡਵੇਅਰ, ਅਤੇ ਸਪਲਾਈ-ਚੇਨ ਅਨੁਸ਼ਾਸਨ ਦੀ ਲੋੜ ਹੋਵੇਗੀ ਜੋ ਇੱਕ ਪ੍ਰੋਟੋਟਾਈਪ ਨੂੰ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਇੱਕ ਭਰੋਸੇਯੋਗ ਉਤਪਾਦ ਵਿੱਚ ਬਦਲ ਸਕੇ। ਉਹ ਕੰਪਨੀਆਂ ਜੋ ਇਹਨਾਂ ਪਹਿਲੂਆਂ ਵਿੱਚ ਮਾਹਰ ਹੋਣਗੀਆਂ, ਉਹਨਾਂ ਦੁਆਰਾ ਨਿਵੇਸ਼ ਅਤੇ ਮਾਰਕੀਟ ਸ਼ੇਅਰ ਦਾ ਵੱਡਾ ਹਿੱਸਾ ਹਾਸਲ ਕਰਨ ਦੀ ਸੰਭਾਵਨਾ ਹੈ ਜਿਵੇਂ ਕਿ AI ਕਲਾਉਡ ਤੋਂ ਭੌਤਿਕ ਦੁਨੀਆ ਵੱਲ ਵਧ ਰਿਹਾ ਹੈ।