ਇੱਕ ਤਾਜ਼ਾ dev.to ਪੋਸਟ ਚੇਤਾਵਨੀ ਦਿੰਦੀ ਹੈ ਕਿ AI, ਸਾਈਬਰ ਸੁਰੱਖਿਆ (cybersecurity) ਅਤੇ ਐਥੀਕਲ ਹੈਕਿੰਗ (ethical hacking) ਮਾਹਰ ਵਿਸ਼ਿਆਂ ਤੋਂ ਹਟ ਕੇ ਰੋਜ਼ਾਨਾ ਦੀਆਂ ਲੋੜਾਂ ਬਣ ਗਏ ਹਨ, ਅਤੇ ਹੁਣ ਕੋਈ ਵੀ ਜੋ ਈਮੇਲ ਭੇਜਦਾ ਹੈ ਜਾਂ ਆਨਲਾਈਨ ਖਰੀਦਦਾਰੀ ਕਰਦਾ ਹੈ, ਉਸਨੂੰ ਇਹਨਾਂ ਤਿੰਨਾਂ ਦੀ ਬੁਨਿਆਦੀ ਸਮਝ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ। ਲੇਖਕ ਦਾ ਤਰਕ ਹੈ ਕਿ ਉਸ ਗਿਆਨ ਤੋਂ ਬਿਨਾਂ, ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਬੇਮਿਸਾਲ ਫਿਸ਼ਿੰਗ (phishing) ਹਮਲਿਆਂ ਦਾ ਸ਼ਿਕਾਰ ਹੋਣ, ਨਿੱਜੀ ਡੇਟਾ ਦੇ ਉਜਾੜੇ ਹੋਣ ਅਤੇ ਰੁਟੀਨ ਕੰਮਾਂ ਨੂੰ ਆਟੋਮੇਟ ਕਰਨ ਦੇ ਮੌਕਿਆਂ ਨੂੰ ਗੁਆਉਣ ਦਾ ਖਤਰਾ ਰਹਿੰਦਾ ਹੈ।

ਅਸੀਂ ਇੱਥੇ ਕਿਵੇਂ ਪਹੁੰਚੇ

ਕੁਝ ਸਾਲ ਪਹਿਲਾਂ, ਜ਼ਿਆਦਾਤਰ ਲੋਕ ਸਾਈਬਰ ਸੁਰੱਖਿਆ ਨੂੰ IT ਵਿਭਾਗਾਂ ਦੀ ਸਮੱਸਿਆ, AI ਨੂੰ ਸਿਰਫ਼ ਖੋਜ (research) ਲਈ ਇੱਕ ਸਾਧਨ ਅਤੇ ਐਥੀਕਲ ਹੈਕਿੰਗ ਨੂੰ ਕੁਝ ਅਜਿਹਾ ਮੰਨਦੇ ਸਨ ਜਿਸ ਲਈ ਕਾਨੂੰਨੀ ਇਜਾਜ਼ਤ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਕਲਾਊਡ ਸੇਵਾਵਾਂ, ਮੋਬਾਈਲ ਐਪਸ ਅਤੇ ਜਨਰੇਟਿਵ-AI ਮਾਡਲਾਂ ਦੇ ਤੇਜ਼ੀ ਨਾਲ ਫੈਲਣ ਨੇ ਇਨ੍ਹਾਂ ਸਰਹੱਦਾਂ ਨੂੰ ਮਿਟਾ ਦਿੱਤਾ ਹੈ। AI ਸਹਾਇਕ ਹੁਣ ਕੋਡ ਲਿਖਦੇ ਹਨ, ਇਕਰਾਰਨਾਮੇ (contracts) ਤਿਆਰ ਕਰਦੇ ਹਨ ਅਤੇ ਇੱਕ ਸਿੰਗਲ ਪ੍ਰੋਂਪਟ ਨਾਲ ਤਸਵੀਰਾਂ ਬਣਾਉਂਦੇ ਹਨ। ਇਸੇ ਸਮੇਂ, ਹਮਲਾਵਰ ਇਨ੍ਹਾਂ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਅਜਿਹੀਆਂ ਫਿਸ਼ਿੰਗ ਈਮੇਲਾਂ ਬਣਾਉਣ ਲਈ ਕਰਦੇ ਹਨ ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਕੋਈ ਸਪੱਸ਼ਟ ਸਪੈਲਿੰਗ ਦੀ ਗਲਤੀ ਨਹੀਂ ਹੁੰਦੀ, ਜਿਸ ਕਾਰਨ ਉਹਨਾਂ ਨੂੰ ਪਛਾਣਨਾ ਮੁਸ਼ਕਲ ਹੋ ਜਾਂਦਾ ਹੈ। "AI-ਅਸਿਸਟਡ" ਘੁਟਾਲਿਆਂ ਦੇ ਵਾਧੇ ਨੇ ਸੁਰੱਖਿਆ ਟੀਮਾਂ ਲਈ ਇੱਕ ਸੀਮਤ ਚਿੰਤਾ ਨੂੰ ਆਮ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਰੋਜ਼ਾਨਾ ਦੇ ਖਤਰੇ ਵਿੱਚ ਬਦਲ ਦਿੱਤਾ ਹੈ।

ਕੀ ਖਤਰੇ ਵਿੱਚ ਹੈ

  • ਵਿਅਕਤੀਗਤ: AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਗਏ ਹਮਲਿਆਂ ਰਾਹੀਂ ਨਿੱਜੀ ਡੇਟਾ, ਬੈਂਕ ਖਾਤੇ ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਸਾਖ (reputation) ਨੂੰ ਵੀ ਖਤਰੇ ਵਿੱਚ ਪਾਇਆ ਜਾ ਸਕਦਾ ਹੈ ਜੋ ਬਿਲਕੁਲ ਅਸਲੀ ਲੱਗਦੇ ਹਨ।
  • ਕਾਰੋਬਾਰ: ਉਹ ਛੋਟੀਆਂ ਫਰਮਾਂ ਜੋ AI ਨਾਲ ਗਾਹਕਾਂ ਤੱਕ ਪਹੁੰਚ ਨੂੰ ਆਟੋਮੇਟ ਕਰਦੀਆਂ ਹਨ, ਜੇਕਰ ਉਹ ਆਉਂਦੇ ਨਤੀਜਿਆਂ ਦੀ ਜਾਂਚ ਨਹੀਂ ਕਰਦੀਆਂ, ਤਾਂ ਉਹਨਾਂ ਵੱਲੋਂ ਅਣਜਾਣੇ ਵਿੱਚ ਮਾਲੀਸ਼ੀ ਸਮੱਗਰੀ (malicious content) ਭੇਜਣ ਦਾ ਖਤਰਾ ਹੁੰਦਾ ਹੈ।
  • ਡੇਵਲਪਰ: AI ਦੀਆਂ ਸੀਮਾਵਾਂ ਨੂੰ ਸਮਝੇ ਬਿਨਾਂ ਕੋਡ ਪੜ੍ਹਨ ਜਾਂ ਲਿਖਣ ਲਈ ਇਸ 'ਤੇ ਨਿਰਭਰ ਰਹਿਣਾ ਲੁਕਵੇਂ ਬੱਗ (bugs) ਜਾਂ ਸੁਰੱਖਿਆ ਕਮੀਆਂ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ।

ਇੱਕ ਸਫਲ ਬ੍ਰੀਚ (breach) ਦੀ ਕੀਮਤ ਅਕਸਰ ਕੰਪਿਊਟਰ, ਨੈੱਟਵਰਕ ਅਤੇ ਐਨਕ੍ਰਿਪਸ਼ਨ (encryption) ਦੀਆਂ ਬੁਨਿਆਦੀ ਗੱਲਾਂ ਸਿੱਖਣ ਲਈ ਲੋੜੀਂਦੇ ਮਾਮੂਲੀ ਸਮੇਂ ਦੇ ਮੁਕਾਬਲੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੁੰਦੀ ਹੈ। ਕਈਆਂ ਲਈ, ਇਸਦਾ ਫਾਇਦਾ ਵੀ ਉਨਾ ਹੀ ਸਪੱਸ਼ਟ ਹੈ: AI ਦੁਹਰਾਉਣ ਵਾਲੇ ਕੰਮਾਂ ਦੀ ਰਫ਼ਤਾਰ ਵਧਾਉਂਦਾ ਹੈ, ਵਿਦਿਆਰਥੀਆਂ ਨੂੰ ਗੁੰਝਲਦਾਰ ਸੰਕਲਪਾਂ ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ ਅਤੇ ਉੱਦਮੀਆਂ ਨੂੰ ਫੁੱਲ-ਟਾਈਮ ਡੇਵਲਪਰ ਦੀ ਭਰਤੀ ਕੀਤੇ ਬਿਨਾਂ ਵਿਚਾਰਾਂ ਦਾ ਪ੍ਰੋਟੋਟਾਈਪ ਤਿਆਰ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ।

ਲੁਕੀਆਂ ਹੋਈਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ

ਪੋਸਟ ਇਸ ਗੱਲ 'ਤੇ ਜ਼ੋਰ ਦਿੰਦੀ ਹੈ ਕਿ ਮਾਹਰ ਹੋਣ ਦਾ ਮਤਲਬ ਬਾਜ਼ਾਰ ਵਿੱਚ ਮੌਜੂਦ ਹਰ ਸਾਧਨ ਨੂੰ ਯਾਦ ਕਰਨਾ ਨਹੀਂ ਹੈ। ਅਸਲ ਹੁਨਰ ਫੈਸਲਾ ਲੈਣ ਦੀ ਸਮਰੱਥਾ ਹੈ—ਇਹ ਜਾਣਨਾ ਕਿ ਕਦੋਂ AI ਦੇ ਸੁਝਾਅ 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ ਹੈ ਅਤੇ ਕਦੋਂ ਉਸਦੀ ਦੁਬਾਰਾ ਜਾਂਚ ਕਰਨੀ ਹੈ। ਉਦਾਹਰਨ ਲਈ, AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਕੋਡ ਸਨਿਪੈਟ (code snippet) ਕੰਪਾਈਲ ਹੋ ਸਕਦਾ ਹੈ ਪਰ ਫਿਰ ਵੀ ਇਸ ਵਿੱਚ ਇੱਕ ਬਾਰੀਕ ਇੰਜੈਕਸ਼ਨ ਕਮਜ਼ੋਰੀ (injection vulnerability) ਹੋ ਸਕਦੀ ਹੈ ਜਿਸ ਨੂੰ ਇੱਕ ਤਜਰਬੇਕਾਰ ਡੇਵਲਪਰ ਪਛਾਣ ਲਵੇਗਾ। ਇਸੇ ਤਰ੍ਹਾਂ, ਇੱਕ ਫਿਸ਼ਿੰਗ ਈਮੇਲ ਜੋ ਇੱਕ ਆਮ ਪਾਠਕ ਨੂੰ ਬਿਲਕੁਲ ਸਹੀ ਲੱਗਦੀ ਹੈ, ਉਸ ਵਿੱਚ ਅਜੇ ਵੀ ਇੱਕ ਮਾਲੀਸ਼ੀ ਲਿੰਕ ਹੋ ਸਕਦਾ ਹੈ ਜਿਸਦਾ ਪਤਾ URL ਦੀ ਬਣਤਰ ਜਾਂ ਈਮੇਲ ਹੈਡਰ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਕੇ ਲਗਾਇਆ ਜਾ ਸਕਦਾ ਹੈ।

ਐਥੀਕਲ ਹੈਕਿੰਗ, ਜਿਸ ਨੂੰ ਅਕਸਰ "ਚੀਜ਼ਾਂ ਨੂੰ ਤੋੜਨਾ" ਸਮਝਿਆ ਜਾਂਦਾ ਹੈ, ਇਜਾਜ਼ਤ ਨਾਲ ਕਮਜ਼ੋਰੀਆਂ ਲੱਭਣ ਦਾ ਇੱਕ ਅਨੁਸ਼ਾਸਿਤ ਅਭਿਆਸ ਹੈ। ਇੱਕ ਖੋਜਕਰਤਾ ਅਤੇ ਇੱਕ ਅਪਰਾਧੀ ਵਿਚਕਾਰ ਅੰਤਰ ਸਿਰਫ਼ ਸਹਿਮਤੀ ਦਾ ਹੈ। Capture-the-Flag (CTF) ਮੁਕਾਬਲੇ ਅਤੇ ਸੈਂਡਬਾਕਸ ਲੈਬਾਂ ਵਰਗੇ ਕਾਨੂੰਨੀ ਪਲੇਟਫਾਰਮ ਨਵੇਂ ਆਉਣ ਵਾਲਿਆਂ ਨੂੰ ਉਸ ਸੀਮਾ ਨੂੰ ਲੰਘੇ ਬਿਨਾਂ ਪ੍ਰਯੋਗ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੇ ਹਨ।

ਇੱਕ ਕਦਮ-ਦਰ-ਕਦਮ ਰੋਡਮੈਪ

ਲੇਖਕ ਇੱਕ ਲੇਅਰਡ ਲਰਨਿੰਗ ਪਾਥ (layered learning path) ਦਾ ਪ੍ਰਸਤਾਵ ਦਿੰਦਾ ਹੈ ਜੋ ਸਿੱਖਣ ਵਾਲੇ ਨੂੰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਬੋਝ ਪਾਏ ਬਿਨਾਂ ਯੋਗਤਾ ਬਣਾਉਂਦਾ ਹੈ:

  • ਕੰਪਿਊਟਿੰਗ ਦੇ ਮੂਲ ਸਿਧਾਂਤ – ਓਪਰੇਟਿੰਗ ਸਿਸਟਮ, ਫਾਈਲ ਬਣਤਰ ਅਤੇ ਬੇਸਿਕ ਕਮਾਂਡ-ਲਾਈਨ ਨੈਵੀਗੇਸ਼ਨ ਨੂੰ ਸਮਝੋ।
  • ਨੈੱਟਵਰਕਿੰਗ ਦੀਆਂ ਬੁਨਿਆਦੀ ਗੱਲਾਂ – ਸਿੱਖੋ ਕਿ IP ਐਡਰੈੱਸ ਅਤੇ DNS ਕੀ ਕਰਦੇ ਹਨ, ਅਤੇ ਡੇਟਾ ਇੰਟਰਨੈਟ ਰਾਹੀਂ ਕਿਵੇਂ ਸਫ਼ਰ ਕਰਦਾ ਹੈ।
  • Linux ਅਤੇ ਕਮਾਂਡ ਲਾਈਨ – ਬਹੁਤ ਸਾਰੇ ਸੁਰੱਖਿਆ ਸਾਧਨ Linux 'ਤੇ ਚੱਲਦੇ ਹਨ; ਟਰਮੀਨਲ ਨਾਲ ਜਾਣ-ਪਛਾਣ ਸਰੋਤਾਂ ਦਾ ਭੰਡਾਰ ਖੋਲ੍ਹ ਦਿੰਦੀ ਹੈ।
  • ਸੁਰੱਖਿਆ ਦੇ ਜ਼ਰੂਰੀ ਤੱਤ – ਐਨਕ੍ਰਿਪਸ਼ਨ ਸੰਕਲਪਾਂ, ਪਾਸਵਰਡ ਦੀ ਸਹੀ ਵਰਤੋਂ ਅਤੇ ਮਲਟੀ-ਫੈਕਟਰ ਅਥੈਂਟੀਕੇਸ਼ਨ (multi-factor authentication) ਨੂੰ ਸਮਝੋ।
  • ਹੱਥਾਂ-ਹਾਥ ਅਭਿਆਸ (Hands-on practice) – ਸੁਰੱਖਿਅਤ ਮਾਹੌਲ ਵਿੱਚ ਹੁਨਰਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ ਕਾਨੂੰਨੀ ਲੈਬਾਂ, CTFs ਜਾਂ ਸਿਮੂਲੇਟਡ ਵਾਤਾਵਰਣ ਦੀ ਵਰਤੋਂ ਕਰੋ।
  • ਸਿੱਖਣ ਦੇ ਸਹਾਇਕ ਵਜੋਂ AI – ਵਿਸ਼ਿਆਂ 'ਤੇ ਤੇਜ਼ੀ ਨਾਲ ਖੋਜ ਕਰਨ, ਅਧਿਆਨ ਪ੍ਰੋਂਪਟ ਤਿਆਰ ਕਰਨ ਜਾਂ ਕੋਡ ਸਨਿਪੈਟਸ ਦੀ ਸਮੀਖਿਆ ਕਰਨ ਲਈ ਜਨਰੇਟਿਵ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰੋ।

ਹਰ ਕਦਮ ਅਗਲੇ ਕਦਮ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ "ਡਿਜੀਟਲ ਸਾਖਰਤਾ" ਦੀ ਇੱਕ ਅਸਪਸ਼ਟ ਧਾਰਨਾ ਨੂੰ ਠੋਸ ਯੋਗਤਾਵਾਂ ਵਿੱਚ ਬਦਲਿਆ ਜਾ ਸਕਦਾ ਹੈ।

ਵਿਰੋਧੀ ਵਿਚਾਰ

ਕੁਝ ਆਲੋਚਕਾਂ ਦਾ ਤਰਕ ਹੈ ਕਿ ਆਮ ਲੋਕਾਂ ਵਿੱਚ AI ਸਾਖਰਤਾ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਨਾ ਉਲਟਾ ਪ੍ਰਭਾਵ ਪਾ ਸਕਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਸੁਰੱਖਿਆ ਦੀ ਇੱਕ ਝੂਠੀ ਭਾਵਨਾ ਪੈਦਾ ਹੋ ਸਕਦੀ ਹੈ। ਜੇਕਰ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਲੱਗਦਾ ਹੈ ਕਿ ਇੱਕ AI ਟੂਲ ਹਮੇਸ਼ਾ ਮਾਲੀਸ਼ੀ ਸਮੱਗਰੀ ਨੂੰ ਫਲੈਗ ਕਰੇਗਾ, ਤਾਂ ਉਹ ਆਪਣੀ ਚੌਕਸੀ ਘਟਾ ਸਕਦੇ ਹਨ ਅਤੇ ਆਸਾਨ ਨਿਸ਼ਾਨਾ ਬਣ ਸਕਦੇ ਹਨ। ਲੇਖ ਇਸ ਖਤਰੇ ਨੂੰ ਸਵੀਕਾਰ ਕਰਦਾ ਹੈ, ਅਤੇ ਪਾਠਕਾਂ ਨੂੰ AI ਨੂੰ ਇੱਕ ਸਹਾਇਕ ਵਜੋਂ ਦੇਖਣ ਲਈ ਉਤਸ਼ਾਹਿਤ ਕਰਦਾ ਹੈ, ਨਾ ਕਿ ਮਨੁੱਖੀ ਜਾਂਚ ਦੇ ਬਦਲੇ।

ਅੱਗੇ ਕੀ ਦੇਖਣਾ ਹੈ

  • ਟੂਲ ਪਾਰਦਰਸ਼ਤਾ – ਵਧੇਰੇ AI ਵਿਕਰੇਤਾਵਾਂ ਤੋਂ ਤਿਆਰ ਕੀਤੀ ਗਈ ਸਮੱਗਰੀ ਲਈ ਕਨਫੀਡੈਂਸ ਸਕੋਰ ਜਾਂ ਅਨਿਸ਼ਚਿਤਤਾ ਮੈਟ੍ਰਿਕਸ (uncertainty metrics) ਪ੍ਰਗਟ ਕਰਨ ਦੀ ਉਮੀਦ ਰੱਖੋ, ਜੋ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਭਰੋਸੇਯੋਗਤਾ ਬਾਰੇ ਸਪੱਸ਼ਟ ਸੰਕੇਤ ਦੇਣਗੇ।
  • ਨਿਯਮਾਂਤਮਕ ਮਾਰਗਦਰਸ਼ਨ – ਸਰਕਾਰਾਂ AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਗਏ ਸੰਚਾਰ ਲਈ ਮਿਆਰ ਤਿਆਰ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰ ਰਹੀਆਂ ਹਨ, ਜੋ ਫਿਸ਼ਿੰਗ ਡਿਟੈਕਸ਼ਨ ਟੂਲਜ਼ ਦੇ ਕੰਮ ਕਰਨ ਦੇ ਤਰੀਕੇ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰ ਸਕਦਾ ਹੈ।
  • ਸਿੱਖਿਆ ਇੱਕੀਕਰਣ – ਸਕੂਲ ਅਤੇ ਕਮਿਊਨਿਟੀ ਕਾਲਜ ਹੌਲੀ-ਹੌਲੀ ਸਾਈਬਰ ਸੁਰੱਖਿਆ ਮੋਡੀਊਲ ਜੋੜ ਰਹੇ ਹਨ; ਅਜਿਹੇ ਪਾਠਕ੍ਰਮਾਂ 'ਤੇ ਨਜ਼ਰ ਰੱਖੋ ਜੋ AI ਦੀਆਂ ਬੁਨਿਆਦੀ ਗੱਲਾਂ ਨੂੰ ਸੁਰੱਖਿਆ ਦੇ ਮੂਲ ਸਿਧਾਂਤਾਂ ਨਾਲ ਜੋੜਦੇ ਹਨ।

ਨਿਚੋੜ ਸੌਖਾ ਹੈ: ਭਵਿੱਖ ਇਨਸਾਨਾਂ ਅਤੇ ਮਸ਼ੀਨਾਂ ਵਿਚਕਾਰ ਕੋਈ ਟਕਰਾਅ ਨਹੀਂ ਹੋਵੇਗਾ, ਬਲਕਿ ਇੱਕ ਅਜਿਹੀ ਭਾਈਵਾਲੀ ਹੋਵੇਗੀ ਜਿੱਥੇ ਉਹ ਲੋਕ ਤਰੱਕੀ ਕਰਨਗੇ ਜੋ AI ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਨਾਲ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਸੁਰੱਖਿਆ ਦੇ ਪ੍ਰਭਾਵਾਂ ਨੂੰ ਸਮਝਦੇ ਹਨ। ਕੰਪਿਊਟਰ ਕਿਵੇਂ ਕੰਮ ਕਰਦੇ ਹਨ, ਡਾਟਾ ਕਿਵੇਂ ਚਲਦਾ ਹੈ, ਅਤੇ ਸਿਸਟਮਾਂ ਦੀ ਸੁਰੱਖਿਅਤ ਤਰੀਕੇ ਨਾਲ ਜਾਂਚ ਕਿਵੇਂ ਕਰਨੀ ਹੈ, ਇਸਦੀਆਂ ਬੁਨਿਆਦੀ ਗੱਲਾਂ ਸਿੱਖਣਾ ਕਿਸੇ ਵੀ ਵਿਅਕਤੀ ਨੂੰ ਵਧਦੇ ਜਾ ਰਹੇ ਆਟੋਮੇਟਡ ਸੰਸਾਰ ਵਿੱਚ ਭਰੋਸੇ ਨਾਲ ਚੱਲਣ ਲਈ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ।