Satya Nadella just picked a public fight with the very labs his company helped build. Microsoft’s chief executive issued

ਸਤਿਆ ਨਡੇਲਾ ਨੇ ਹੁਣੇ ਉਨ੍ਹਾਂ ਲੈਬਾਂ ਨਾਲ ਜਨਤਕ ਤੌਰ 'ਤੇ ਟਕਰਾਅ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਬਣਾਉਣ ਵਿੱਚ ਉਨ੍ਹਾਂ ਦੀ ਕੰਪਨੀ ਨੇ ਮਦਦ ਕੀਤੀ ਸੀ। ਮਾਈਕ੍ਰੋਸਾਫਟ ਦੇ ਮੁੱਖ ਕਾਰਜਕਾਰੀ ਨੇ ਇੱਕ ਸਪੱਸ਼ਟ ਚੇਤਾਵਨੀ ਜਾਰੀ ਕੀਤੀ ਹੈ ਕਿ ਕਿਵੇਂ ਸਭ ਤੋਂ ਵੱਡੀਆਂ AI ਕੰਪਨੀਆਂ ਡੇਟਾ ਮਾਲਕੀ ਦੇ ਨਿਯਮਾਂ ਨੂੰ ਮੁੜ ਲਿਖ ਰਹੀਆਂ ਹਨ, ਅਤੇ ਇਹ ਸੰਦੇਸ਼ ਬਹੁਤ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਰਿਹਾ। ਇੱਕ ਹਾਲੀਆ ਬਲੌਗ ਪੋਸਟ ਵਿੱਚ, ਨਡੇਲਾ ਨੇ OpenAI ਅਤੇ Anthropic ਸਮੇਤ ਫਰੰਟੀਅਰ ਲੈਬਾਂ 'ਤੇ ਇੱਕ ਮਿਲੀਭੁਗਤ ਵਾਲਾ ਬਾਜ਼ਾਰ (rigged marketplace) ਤਿਆਰ ਕਰਨ ਦਾ ਦੋਸ਼ ਲਾਇਆ ਹੈ। ਉਹ ਵੱਡੇ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਜਨਤਕ ਡੇਟਾ ਇਕੱਠਾ ਕਰਦੇ ਹਨ, ਫਿਰ ਉਨ੍ਹਾਂ ਦੀਆਂ ਸੇਵਾ ਦੀਆਂ ਸ਼ਰਤਾਂ (terms of service) ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕਿਸੇ ਨੂੰ ਵੀ ਉਨ੍ਹਾਂ ਮਾਡਲਾਂ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਗਏ ਨਤੀਜਿਆਂ ਤੋਂ ਸਿੱਖਣ ਤੋਂ ਰੋਕਦੇ ਹਨ। ਉਹ ਦਲੀਲ ਦਿੰਦੇ ਹਨ ਕਿ ਇਸ ਦਾ ਨਤੀਜਾ ਮੁੱਲ ਦਾ ਇੱਕ ਪਾਸੇ ਦਾ ਤਬਾਦਲਾ ਹੈ ਜੋ ਉਦਯੋਗਾਂ ਨੂੰ ਆਪਣਾ ਮਾਲਕੀ ਵਾਲਾ ਗਿਆਨ ਗੁਆ ਕੇ ਬਿੱਲ ਭਰਨ ਲਈ ਮਜਬੂਰ ਕਰਦਾ ਹੈ।

ਡਿਸਟੀਲੇਸ਼ਨ ਦਾ ਦੋਹਰਾ ਮਾਪਦੰਡ

ਸ਼ਿਕਾਇਤ ਨੂੰ ਸਮਝਣ ਲਈ, ਉਸ ਤਕਨੀਕ ਵੱਲ ਦੇਖਣਾ ਮਦਦਗਾਰ ਹੋਵੇਗਾ ਜਿਸ ਨੂੰ ਇਹ ਲੈਬਾਂ ਰੋਕਣ ਲਈ ਇੰਨੀ ਉਤਸੁਕ ਹਨ। ਡਿਸਟੀਲੇਸ਼ਨ ਇੱਕ ਆਮ ਸਿਖਲਾਈ ਵਿਧੀ ਹੈ ਜਿੱਥੇ ਇੱਕ ਛੋਟਾ, ਵਿਸ਼ੇਸ਼ ਮਾਡਲ ਸ਼ੁਰੂ ਤੋਂ ਇੰਟਰਨੈੱਟ ਦੇ ਕੱਚੇ ਟੈਕਸਟ ਨੂੰ ਅਪਣਾਉਣ ਦੀ ਬਜਾਏ ਇੱਕ ਵੱਡੇ ਮਾਡਲ ਦੇ ਨਤੀਜਿਆਂ ਤੋਂ ਸਿੱਖਦਾ ਹੈ। ਇੱਕ ਸਟਾਰਟਅੱਪ ਜਾਂ ਖੋਜ ਟੀਮ ਇੱਕ ਫਰੰਟੀਅਰ ਮਾਡਲ ਨੂੰ ਲੱਖਾਂ ਪ੍ਰੋਂਪਟ ਦੇ ਸਕਦੀ ਹੈ, ਉਨ੍ਹਾਂ ਦੇ ਜਵਾਬਾਂ ਨੂੰ ਕੈਪਚਰ ਕਰ ਸਕਦੀ ਹੈ, ਅਤੇ ਉਸ ਅਮੀਰ ਸਿਗਨਲ ਦੀ ਵਰਤੋਂ ਇੱਕ ਸੰਖੇਪ ਮਾਡਲ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਕਰ ਸਕਦੀ ਹੈ ਜੋ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਚੱਲਦਾ ਹੈ ਜਾਂ ਕਿਸੇ ਖਾਸ ਲੋੜ ਨੂੰ ਪੂਰਾ ਕਰਦਾ ਹੈ। ਇਹ ਜ਼ੀਰੋ ਤੋਂ ਇੱਕ ਫਾਊਂਡੇਸ਼ਨ ਮਾਡਲ ਬਣਾਉਣ ਨਾਲੋਂ ਸਸਤਾ ਅਤੇ ਬਹੁਤ ਘੱਟ ਊਰਜਾ ਦੀ ਵਰਤੋਂ ਵਾਲਾ ਹੈ।

OpenAI ਅਤੇ Anthropic ਦੋਵੇਂ ਆਪਣੀਆਂ ਸੇਵਾ ਦੀਆਂ ਸ਼ਰਤਾਂ ਵਿੱਚ ਇਸ ਅਭਿਆਸ ਦੀ ਮਨਾਹੀ ਕਰਦੇ ਹਨ। ਜਦੋਂ ਉਹ ਯੋਜਨਾਬੱਧ ਡਿਸਟੀਲੇਸ਼ਨ ਦਾ ਪਤਾ ਲਗਾਉਂਦੇ ਹਨ, ਤਾਂ ਉਹ ਇਸਨੂੰ ਉਲੰਘਣਾ ਵਜੋਂ ਮੰਨਦੇ ਹਨ। ਲਾਗੂ ਕਰਨਾ ਅਕਸਰ ਵਿਰੋਧੀਆਂ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਉਂਦਾ ਹੈ, ਖਾਸ ਕਰਕੇ ਚੀਨ ਵਿੱਚ ਅਧਾਰਤ AI ਕੰਪਨੀਆਂ ਨੂੰ, ਜਿਨ੍ਹਾਂ 'ਤੇ ਅਸਲ ਸਿਖਲਾਈ 'ਤੇ ਖਰਚੇ ਗਏ ਅਰਬਾਂ ਡਾਲਰਾਂ ਦੀ ਬਰਾਬਰੀ ਕੀਤੇ ਬਿਨਾਂ ਸਮਰੱਥਾ ਦੇ ਪਾੜੇ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਇਸ ਵਿਧੀ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦਾ ਦੋਸ਼ ਲਗਾਇਆ ਜਾਂਦਾ ਹੈ।

ਨਡੇਲਾ ਨੇ ਇਸ ਨੀਤੀ ਦੇ ਕੇਂਦਰ ਵਿੱਚ ਮੌਜੂਦ ਤਣਾਅ ਨੂੰ ਉਜਾਗਰ ਕੀਤਾ। ਇਹਨਾਂ ਹੀ ਲੈਬਾਂ ਨੇ ਖੁੱਲ੍ਹੇ ਵੈੱਬ ਨੂੰ ਕ੍ਰੌਲ ਕਰਕੇ, ਕਿਤਾਬਾਂ, ਫੋਰਮਾਂ, ਕੋਡ ਰਿਪੋਜ਼ਟਰੀਆਂ ਅਤੇ ਲੇਖਾਂ ਨੂੰ ਸਕ੍ਰੈਪ ਕਰਕੇ ਆਪਣੇ ਪ੍ਰਮੁੱਖ ਮਾਡਲ ਬਣਾਏ ਹਨ, ਉਹ ਵੀ ਇਸ ਕਾਨੂੰਨੀ ਦਲੀਲ ਦੇ ਤਹਿਤ ਕਿ ਜਨਤਕ ਤੌਰ 'ਤੇ ਉਪਲਬਧ ਡੇਟਾ 'ਤੇ ਸਿਖਲਾਈ ਦੇਣਾ 'fair use' ਦੇ ਅਧੀਨ ਹੈ। ਉਨ੍ਹਾਂ ਨੇ ਸਾਂਝੇ ਸਰੋਤਾਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ। ਫਿਰ ਵੀ ਉਹ ਹੁਣ ਕਿਸੇ ਨੂੰ ਬਦਲੇ ਵਿੱਚ ਆਪਣੇ ਮਾਡਲ ਦੇ ਨਤੀਜਿਆਂ ਨੂੰ ਜਨਤਕ ਸਿੱਖਿਆ ਸਮੱਗਰੀ ਵਜੋਂ ਵਰਤਣ ਤੋਂ ਰੋਕਣ ਲਈ ਕਾਨੂੰਨੀ ਰੁਕਾਵਟਾਂ ਲਗਾਉਂਦੇ ਹਨ। ਉਹ ਅਜਿਹਾ ਕਹਿੰਦੇ ਜਾਪਦੇ ਹਨ ਕਿ ਤੁਸੀਂ ਦੁਨੀਆ ਦੇ ਖੁੱਲ੍ਹੇ ਗਿਆਨ ਤੋਂ ਸਿੱਖ ਸਕਦੇ ਹੋ, ਪਰ ਕੋਈ ਵੀ ਸਾਡੇ ਤੋਂ ਨਹੀਂ ਸਿੱਖ ਸਕਦਾ।

ਉਹ ਅਸਮਾਨਤਾ ਅਕਾਦਮਿਕ ਬਹਿਸ ਤੋਂ ਪਰੇ ਵੀ ਮਹੱਤਵ ਰੱਖਦੀ ਹੈ। ਇਹ ਇੱਕ ਅਜਿਹੀ ਲੜੀ ਸਥਾਪਿਤ ਕਰਦੀ ਹੈ ਜਿੱਥੇ ਕੁਝ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਪ੍ਰਦਾਤਾ ਇਹ ਨਿਰਧਾਰਤ ਕਰਦੇ ਹਨ ਕਿ ਕਿਸ ਨੂੰ ਕੀ ਪਤਾ ਲੱਗਣਾ ਚਾਹੀਦਾ ਹੈ। ਜੇਕਰ 'fair use' ਮਨੁੱਖਤਾ ਦੀ ਪ੍ਰਕਾਸ਼ਿਤ ਬੁੱਧੀ ਨੂੰ ਅਪਣਾਉਣ ਨੂੰ ਜਾਇਜ਼ ਠਹਿਰਾਉਂਦਾ ਹੈ, ਤਾਂ ਉਹਨਾਂ ਮਾਡਲਾਂ ਦੇ ਨਤੀਜੇ ਇੱਕ ਨਿੱਜੀ ਕੀਤੇ ਗਏ ਸਾਂਝੇ ਸਰੋਤ ਵਾਂਗ ਦਿਖਾਈ ਦੇਣ ਲੱਗਦੇ ਹਨ। ਮੁਕਾਬਲੇਬਾਜ਼ਾਂ ਅਤੇ ਗਾਹਕਾਂ ਦੋਵਾਂ ਨੂੰ ਉਸ ਸਿਗਨਲ ਨੂੰ ਨਵੇਂ ਟੂਲਾਂ ਵਿੱਚ ਮੁੜ ਵਰਤਣ ਤੋਂ ਰੋਕਿਆ ਜਾਂਦਾ ਹੈ। ਸਾਰਾ ਰਸਤਾ ਸਿਰਫ਼ ਸਭ ਤੋਂ ਵੱਡੀਆਂ ਲੈਬਾਂ ਵੱਲ ਹੀ ਜਾਂਦਾ ਹੈ।

ਆਪਣੀ ਖੁਦ ਦੀ ਬੁੱਧੀ ਲਈ ਦੋ ਵਾਰ ਭੁਗਤਾਨ ਕਰਨਾ

ਨਡੇਲਾ ਨੇ ਉਸ ਆਰਥਿਕ ਜਾਲ ਲਈ ਇੱਕ ਸ਼ਬਦ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜੋ ਉਹ ਬਣਦਾ ਦੇਖ ਰਹੇ ਹਨ: "reverse information paradox"। ਉਨ੍ਹਾਂ ਦੇ ਵਿਚਾਰ ਅਨੁਸਾਰ, ਉਦਯੋਗ ਅਜੇ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਲਈ ਦੋ ਵਾਰ ਭੁਗਤਾਨ ਕਰ ਰਹੇ ਹਨ, ਅਤੇ ਉਨ੍ਹਾਂ ਵਿੱਚੋਂ ਸਿਰਫ਼ ਇੱਕ ਭੁਗਤਾਨ ਹੀ ਇਨਵੌਇਸ 'ਤੇ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ।

ਪਹਿਲੀ ਲਾਗਤ ਸਪੱਸ਼ਟ ਹੈ। ਕੰਪਨੀਆਂ API ਕ੍ਰੈਡਿਟ ਖਰੀਦਦੀਆਂ ਹਨ, Copilot ਦੀ ਸਬਸਕ੍ਰਿਪਸ਼ਨ ਲੈਂਦੀਆਂ ਹਨ, ਜਾਂ ਚੈਟਬੋਟ ਸੇਵਾਵਾਂ ਦਾ ਲਾਇਸੈਂਸ ਲੈਂਦੀਆਂ ਹਨ। ਦੂਜੀ ਲਾਗਤ ਲੁਕੀ ਹੋਈ ਹੈ। ਹਰ ਵਾਰ ਜਦੋਂ ਕੋਈ ਕਰਮਚਾਰੀ ਕਿਸੇ ਗਲਤ ਤੱਥ ਨੂੰ ਸੁਧਾਰਦਾ ਹੈ, ਕਿਸੇ ਜਵਾਬ ਨੂੰ ਮਦਦਗਾਰ ਵਜੋਂ ਰੇਟ ਕਰਦਾ ਹੈ, ਜਾਂ ਤਿਆਰ ਕੀਤੀ ਗਈ ਰਿਪੋਰਟ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਂਦਾ ਹੈ, ਤਾਂ ਉਹ ਕਾਰਵਾਈ ਉਹ ਪੈਦਾ ਕਰਦੀ ਹੈ ਜਿਸ ਨੂੰ ਨਡੇਲਾ "exhaust" ਕਹਿੰਦੇ ਹਨ। ਇਹ ਅਸਲ ਕੰਮ ਦੌਰਾਨ ਪੈਦਾ ਹੋਏ ਸੁਧਾਰਾਂ, ਪਸੰਦ ਦੇ ਡੇਟਾ ਅਤੇ ਇੰਟਰੈਕਸ਼ਨ ਲੌਗਸ ਦਾ ਇੱਕ ਦਸਤਾਵੇਜ਼ ਹੈ।

ਇਹ exhaust ਕੋਈ ਡਿਜੀਟਲ ਕੂੜਾ ਨਹੀਂ ਹੈ। ਇਸ ਵਿੱਚ ਅਕਸਰ ਮਿਹਨਤ ਨਾਲ ਪ੍ਰਾਪਤ ਕੀਤੀ ਗਈ ਬਿਜ਼ਨਸ ਲੌਜਿਕ ਹੁੰਦੀ ਹੈ। ਇੱਕ ਲੌਜਿਸਟਿਕਸ ਟੀਮ ਕਿਸੇ ਮਾਡਲ ਨੂੰ ਫਰਮ ਦੁਆਰਾ ਸਾਲਾਂ ਦੀ ਮਿਹਨਤ ਨਾਲ ਵਿਕਸਤ ਕੀਤੇ ਗਏ ਅੰਦਰੂਨੀ ਨਿਯਮਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸ਼ਿਪਿੰਗ ਰੂਟਾਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਲਈ ਪ੍ਰੋਂਪਟ ਦੇ ਸਕਦੀ ਹੈ। ਇੱਕ ਕਾਨੂੰਨੀ ਵਿਭਾਗ ਵਾਰ-ਵਾਰ ਇਕਰਾਰਨਾਮੇ ਦੀ ਭਾਸ਼ਾ ਨੂੰ ਉਦੋਂ ਤੱਕ ਸੁਧਾਰ ਸਕਦਾ ਹੈ ਜਦੋਂ ਤੱਕ ਨਤੀਜਾ ਘਰ ਦੀ ਸ਼ੈਲੀ ਨਾਲ ਮੇਲ ਨਹੀਂ ਖਾਂਦਾ। ਇੱਕ ਫਾਰਮਾਸਿਊਟੀਕਲ ਖੋਜ ਸਮੂਹ ਕਲੀਨਿਕਲ ਡੇਟਾ ਨੂੰ ਅਜਿਹੇ ਤਰੀਕਿਆਂ ਨਾਲ ਪੁੱਛ ਸਕਦਾ ਹੈ ਜੋ ਰਣਨੀਤਕ ਤਰਜੀਹਾਂ ਨੂੰ ਪ੍ਰਗਟ ਕਰਦੇ ਹਨ। ਜਦੋਂ ਉਹ ਇੰਟਰੈਕਸ਼ਨ ਇੱਕ ਤਿਰਜੀ ਪਾਰਟੀ API ਰਾਹੀਂ ਲੰਘਦੇ ਹਨ, ਤਾਂ ਪ੍ਰਦਾਤਾ ਪੂਰੀ ਜਾਣਕਾਰੀ ਦੇਖ ਸਕਦਾ ਹੈ। ਮਾਡਲ ਸਿੱਖ ਲੈਂਦਾ ਹੈ ਕਿ ਉਸ ਖਾਸ ਖੇਤਰ ਲਈ ਚੰ

ਇਸ ਨੁਕਸਾਨ ਦਾ ਤਰਕਸੰਗਤ ਜਵਾਬ ਲਰਨਿੰਗ ਲੂਪ ਉੱਤੇ ਕੰਟਰੋਲ ਮੁੜ ਹਾਸਲ ਕਰਨਾ ਹੈ। ਨਡੇਲਾ ਦਾ ਤਰਕ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ Microsoft ਨੂੰ ਇੱਕ ਵੱਖਰੇ ਕਿਸਮ ਦੇ ਮਾਲਕ ਵਜੋਂ ਪੇਸ਼ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਗਾਹਕਾਂ ਨੂੰ ਆਪਣੀ ਬੁੱਧੀ ਇੱਕ ਕੇਂਦਰੀਕ੍ਰਿਤ ਬਲੈਕ ਬਾਕਸ ਵਿੱਚ ਪਾਉਣ ਲਈ ਮਜਬੂਰ ਕਰਨ ਦੀ ਬਜਾਏ, ਉਹ ਅਜਿਹੇ ਮਾਹੌਲ ਦੀ ਵਕਾਲਤ ਕਰ ਰਹੇ ਹਨ ਜਿੱਥੇ ਚਾਬੀਆਂ ਗਾਹਕ ਕੋਲ ਹੀ ਰਹਿੰਦੀਆਂ ਹਨ।

ਇੱਥੇ ਹੀ sovereign AI ਬਾਰੇ ਹੋ ਰਹੀ ਗੱਲਬਾਤ ਨੂੰ ਵਿਹਾਰਕ ਮਹੱਤਵ ਮਿਲਦਾ ਹੈ। ਇੱਕ ਪ੍ਰਾਈਵੇਟ ਕਲਾਉਡ, ਆਨ-ਪ੍ਰੇਮਿਸ ਡਾਟਾ ਸੈਂਟਰ, ਜਾਂ ਸਖ਼ਤ ਰੂਪ ਵਿੱਚ ਨਿਯੰਤਰਿਤ ਵਰਚੁਅਲ ਨੈੱਟਵਰਕ ਦੇ ਅੰਦਰ ਮਾਡਲਾਂ ਨੂੰ ਚਲਾਉਣ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਇੰਟਰੈਕਸ਼ਨ ਡਾਟਾ ਕਦੇ ਵੀ ਸੰਸਥਾ ਦੀ ਸੀਮਾ ਤੋਂ ਬਾਹਰ ਨਹੀਂ ਜਾਂਦਾ। ਉੱਦਮ ਨੂੰ ਅਜੇ ਵੀ ਆਧੁਨਿਕ ਫਾਊਂਡੇਸ਼ਨ ਮਾਡਲਾਂ ਤੋਂ ਲਾਭ ਮਿਲਦਾ ਹੈ, ਪਰ ਵੇਟਸ, ਪ੍ਰੋਂਪਟਸ, ਅਤੇ ਪਸੰਦ ਦਾ ਡਾਟਾ ਉਸ ਸੀਮਾ ਦੇ ਅੰਦਰ ਰਹਿੰਦਾ ਹੈ ਜਿਸਦਾ ਪ੍ਰਬੰਧਨ ਕੰਪਨੀ ਕਰਦੀ ਹੈ।

Microsoft ਨੇ ਆਪਣਾ Azure ਕਲਾਉਡ ਕਾਰੋਬਾਰ ਬਿਲਕੁਲ ਇਸੇ ਪ੍ਰਾਈਵੇਟ ਡਿਪਲਾਈਮੈਂਟਸ ਅਤੇ ਖੇਤਰੀ ਡਾਟਾ ਰੈਜ਼ੀਡੈਂਸੀ ਦੇ ਵਾਅਦੇ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਬਣਾਇਆ ਹੈ। ਆਪਣੀ ਪੋਸਟ ਵਿੱਚ, ਨਡੇਲਾ ਨੇ ਸੰਕੇਤ ਦਿੱਤਾ ਕਿ Microsoft ਅਜਿਹਾ ਪਲੇਟਫਾਰਮ ਬਣਨਾ ਚਾਹੁੰਦਾ ਹੈ ਜਿੱਥੇ ਉੱਦਮ ਆਪਣੀ ਬੌਧਿਕ ਸੰਪਤੀ ਨੂੰ ਅਣਜਾਣੇ ਵਿੱਚ ਕਿਸੇ ਦੂਰ ਦੇ ਮਾਡਲ ਪ੍ਰਦਾਤਾ ਕੋਲ ਭੇਜੇ ਬਿਨਾਂ ਆਪਣੀ ਟ੍ਰੇਨਿੰਗ ਅਤੇ ਇਨਫਰੈਂਸ ਨੂੰ ਹੋਸਟ ਕਰ ਸਕਣ। ਇਹ ਪੇਸ਼ਕਸ਼ ਸਿੱਧੀ ਹੈ: ਸ਼ਕਤੀਸ਼ਾਲੀ AI ਦੀ ਵਰਤੋਂ ਕਰੋ, ਪਰ ਆਪਣਾ ਡਾਟਾ ਆਪਣੇ ਕੋਲ ਰੱਖੋ।

ਹੋਰ ਵੈਂਡਰ ਵੀ ਅਜਿਹੀਆਂ ਹੀ ਗੱਲਾਂ ਕਰ ਰਹੇ ਹਨ, ਪਰ ਨਡੇਲਾ ਦੀ ਦਖਲਅੰਦਾਜ਼ੀ ਦਾ ਵਾਧੂ ਮਹੱਤਵ ਹੈ ਕਿਉਂਕਿ Microsoft ਦੀ OpenAI ਨਾਲ ਡੂੰਘੀ ਭਾਈਵਾਲੀ ਹੈ। ਇੱਕ ਅਜਿਹੇ CEO ਲਈ ਜਿਸਦਾ