ਸਟਾਰਟਅੱਪ ਵਿਗਿਆਨ ਖੋਜ ਲਈ AI ਵਿਕਸਿਤ ਕਰਨ ਲਈ ਇੱਕ ਨਵੀਂ ਚਾਲ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਿਹਾ ਹੈ
ਸਟਾਰਟਅੱਪ ਵਿਗਿਆਨ ਖੋਜ ਲਈ AI ਵਿਕਸਿਤ ਕਰਨ ਲਈ ਇੱਕ ਨਵੀਂ ਚਾਲ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਿਹਾ ਹੈ
ਵਿਗਿਆਨ ਦੀ ਖੋਜ ਲਈ ਨਕਲੀ ਬੁੱਧੀ ਦਾ ਵਿਕਾਸ ਕਰਨਾ ਤਕਨੀਕੀ ਦਿੱਗਜਾਂ ਲਈ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਟੀਚਾ ਬਣ ਗਿਆ ਹੈ। ਓਪਨਏਆਈ ਅਤੇ ਐਂਥਰੋਪਿਕ ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਨੇ ਦਵਾਈ, ਜੀਵ ਵਿਗਿਆਨ ਅਤੇ ਭੌਤਿਕ ਵਿਗਿਆਨ ਵਿੱਚ AI ਸਫਲਤਾਵਾਂ ਦੇ ਵਾਅਦਿਆਂ ਦੇ ਨਾਲ ਅਰਬਾਂ ਦੇ ਫੰਡ ਪ੍ਰਾਪਤ ਕੀਤੇ ਹਨ। ਹਾਲਾਂਕਿ, ਸੱਚੀ AI-ਸੰਚਾਲਿਤ ਵਿਗਿਆਨਕ ਖੋਜ ਅਧੂਰੀ ਰਹਿੰਦੀ ਹੈ, ਜਿਵੇਂ ਕਿ ਪਿਛਲੀਆਂ ਘਟਨਾਵਾਂ ਦੁਆਰਾ ਪ੍ਰਦਰਸ਼ਿਤ ਕੀਤੀ ਗਈ ਹੈ ਜਿਵੇਂ ਕਿ ਚੈਟਜੀਪੀਟੀ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੀ ਗਣਿਤ ਖੋਜ। ਮਾਹਰਾਂ ਦੇ ਅਨੁਸਾਰ, ਮੁੱਖ ਚੁਣੌਤੀ ਇਹ ਹੈ ਕਿ ਮੌਜੂਦਾ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ (LLMs) ਵਿੱਚ ਸਵੈ-ਨਿਰਭਰ ਵਿਗਿਆਨਕ ਗਿਆਨ ਪੈਦਾ ਕਰਨ ਦੀ ਅੰਦਰੂਨੀ ਸਮਰੱਥਾ ਦੀ ਘਾਟ ਹੈ।
ਵੱਡੀਆਂ AI ਲੈਬਜ਼ ਵਿਗਿਆਨਕ ਖੋਜ ਨਾਲ ਕਿਉਂ ਸੰਘਰਸ਼ ਕਰ ਰਹੀਆਂ ਹਨ
ਮਾਰਕਸ ਬੁਹੇਲਰ, ਇੱਕ MIT ਇੰਜੀਨੀਅਰਿੰਗ ਪ੍ਰੋਫੈਸਰ, ਅੱਜ ਦੇ ਉੱਨਤ AI ਵਿੱਚ ਇੱਕ ਬੁਨਿਆਦੀ ਸੀਮਾ ਦੀ ਪਛਾਣ ਕਰਦਾ ਹੈ। ਉਹ ਦਲੀਲ ਦਿੰਦਾ ਹੈ ਕਿ ਓਪਨਏਆਈ ਅਤੇ ਐਂਥਰੋਪਿਕ ਤੋਂ ਪਾਵਰਿੰਗ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਮਾਡਲ ਅਸਲ ਖੋਜ ਲਈ ਨਹੀਂ ਬਣਾਏ ਗਏ ਹਨ। ਉਹਨਾਂ ਦਾ ਆਰਕੀਟੈਕਚਰ ਮੌਜੂਦਾ ਡੇਟਾ ਤੋਂ ਪੈਟਰਨ ਮਾਨਤਾ 'ਤੇ ਅਧਾਰਤ ਹੈ, ਨਾ ਕਿ ਨਵੇਂ ਸਿਧਾਂਤਾਂ ਜਾਂ ਅਨੁਮਾਨਾਂ ਨੂੰ ਬਣਾਉਣ 'ਤੇ।
ਇਹ ਪਿਛਲੀ ਗਿਰਾਵਟ ਵਿੱਚ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਦਰਸਾਇਆ ਗਿਆ ਸੀ ਜਦੋਂ ਚੈਟਜੀਪੀਟੀ ਦੁਆਰਾ ਇੱਕ ਕਥਿਤ ਗਣਿਤਕ ਖੋਜ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਰੱਦ ਕਰ ਦਿੱਤਾ ਗਿਆ ਸੀ। ਐਪੀਸੋਡ ਨੇ AI ਦੀ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਸ਼ਕਤੀ ਅਤੇ ਇਸਦੀ ਰਚਨਾਤਮਕ, ਖੋਜ-ਮੁਖੀ ਸੋਚ ਦੇ ਵਿਚਕਾਰ ਪਾੜੇ ਨੂੰ ਉਜਾਗਰ ਕੀਤਾ। ਇਹ ਇੱਕ ਚੁਣੌਤੀ ਹੈ ਜੋ ਹੋਰ AI ਯਤਨਾਂ ਦੀ ਯਾਦ ਦਿਵਾਉਂਦੀ ਹੈ ਜਿੱਥੇ ਤਕਨਾਲੋਜੀ ਮੌਲਿਕਤਾ ਨਾਲ ਸੰਘਰਸ਼ ਕਰਦੀ ਹੈ, ਜਿਵੇਂ ਕਿ ਅਸਲ ਰਚਨਾਤਮਕਤਾ ਦੀ ਘਾਟ ਲਈ AI 'ਅਦਾਕਾਰ' ਟਿਲੀ ਨੌਰਵੁੱਡ ਦੁਆਰਾ ਕੀਤੀ ਗਈ ਆਲੋਚਨਾ।
ਮੌਜੂਦਾ AI ਮਾਡਲਾਂ ਨਾਲ ਮੁੱਖ ਸਮੱਸਿਆ
ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲ ਪ੍ਰੋਸੈਸਿੰਗ ਅਤੇ ਜਾਣਕਾਰੀ ਨੂੰ ਦੁਬਾਰਾ ਬਣਾਉਣ ਵਿੱਚ ਉੱਤਮ ਹਨ। ਉਹ ਟੈਕਸਟ ਨੂੰ ਸੰਖੇਪ ਕਰ ਸਕਦੇ ਹਨ, ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇ ਸਕਦੇ ਹਨ, ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਉਹਨਾਂ ਦੇ ਸਿਖਲਾਈ ਡੇਟਾ ਦੇ ਅਧਾਰ ਤੇ ਕੋਡ ਵੀ ਲਿਖ ਸਕਦੇ ਹਨ। ਹਾਲਾਂਕਿ, ਉਹ ਉਸ ਸੀਮਾ ਦੇ ਅੰਦਰ ਕੰਮ ਕਰਦੇ ਹਨ ਜੋ ਉਹਨਾਂ ਨੇ ਪਹਿਲਾਂ ਹੀ ਸਿੱਖਿਆ ਹੈ.
ਵਿਗਿਆਨਕ ਖੋਜ, ਇਸਦੇ ਸੁਭਾਅ ਦੁਆਰਾ, ਅਣਜਾਣ ਵਿੱਚ ਕਦਮ ਰੱਖਣ ਦੀ ਲੋੜ ਹੈ। ਇਸ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਖੇਤਰਾਂ ਵਿੱਚ ਨਵੇਂ ਕਨੈਕਸ਼ਨ ਬਣਾਉਣਾ ਅਤੇ ਵਿਚਾਰਾਂ ਦਾ ਪ੍ਰਸਤਾਵ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ ਜੋ ਕਿਸੇ ਵੀ ਸਿਖਲਾਈ ਡੇਟਾਸੈਟ ਵਿੱਚ ਮੌਜੂਦ ਨਹੀਂ ਹਨ। ਇਹ ਇੱਕ ਛਾਲ ਹੈ ਜੋ ਸਮੱਗਰੀ ਬਣਾਉਣ ਅਤੇ ਆਟੋਮੇਸ਼ਨ 'ਤੇ ਕੇਂਦ੍ਰਿਤ ਮੌਜੂਦਾ ਜਨਰੇਟਿਵ AI, ਬਣਾਉਣ ਲਈ ਨਹੀਂ ਬਣਾਈ ਗਈ ਹੈ। ਉਦਯੋਗ ਵਿਕਸਿਤ ਹੋ ਰਿਹਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਵਰਡਪਰੈਸ ਗੁਟੇਨਬਰਗ ਅਪਡੇਟ ਵਰਗੇ ਵਿਕਾਸ ਦੇ ਨਾਲ ਦੇਖਿਆ ਗਿਆ ਹੈ ਜੋ ਏਆਈ ਪਬਲਿਸ਼ਿੰਗ ਲਈ ਆਧਾਰ ਬਣਾਉਣਾ ਹੈ, ਪਰ ਖੋਜ ਲਈ ਮੁੱਖ ਚੁਣੌਤੀ ਬਣੀ ਹੋਈ ਹੈ।
ਗੈਰ-ਵਾਜਬ ਲੈਬਾਂ ਨੂੰ ਪੇਸ਼ ਕਰਨਾ: ਵਿਗਿਆਨ ਲਈ AI ਲਈ ਇੱਕ ਨਵੀਂ ਪਹੁੰਚ
ਇਸ ਪਾੜੇ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ, ਪ੍ਰੋਫ਼ੈਸਰ ਬੁਏਹਲਰ ਨੇ ਗੂਗਲ ਡੀਪਮਾਈਂਡ ਦੇ ਸਾਬਕਾ ਸੀਨੀਅਰ ਸਟਾਫ਼ ਖੋਜ ਵਿਗਿਆਨੀ ਯੂਆਨ ਕਾਓ ਦੇ ਨਾਲ ਅਣਉਚਿਤ ਲੈਬਾਂ ਦੀ ਸਹਿ-ਸਥਾਪਨਾ ਕੀਤੀ। ਸਟਾਰਟਅਪ ਦਾ ਉਦੇਸ਼ ਵਿਗਿਆਨਕ ਖੋਜ ਲਈ AI ਨੂੰ ਵਿਕਸਤ ਕਰਨ ਲਈ ਬੁਨਿਆਦੀ ਤੌਰ 'ਤੇ ਵੱਖਰੀ ਪਹੁੰਚ ਦੀ ਅਗਵਾਈ ਕਰਨਾ ਹੈ। ਸਿਰਫ਼ ਵਿਸ਼ਾਲ ਡੇਟਾ ਗ੍ਰਹਿਣ 'ਤੇ ਨਿਰਭਰ ਕਰਨ ਦੀ ਬਜਾਏ, ਉਹ ਅੰਤਰ-ਅਨੁਸ਼ਾਸਨੀ ਤਰਕ ਦੇ ਸਮਰੱਥ ਸਿਸਟਮ ਬਣਾ ਰਹੇ ਹਨ।
ਗੈਰ-ਵਾਜਬ ਲੈਬਾਂ ਨੇ ਹਾਲ ਹੀ ਵਿੱਚ ਪਲੇਗ੍ਰਾਉਂਡ ਗਲੋਬਲ ਦੀ ਅਗਵਾਈ ਵਿੱਚ ਇੱਕ ਫੰਡਿੰਗ ਦੌਰ ਵਿੱਚ $13.5 ਮਿਲੀਅਨ ਪ੍ਰਾਪਤ ਕੀਤੇ ਹਨ। ਰਾਊਂਡ ਵਿੱਚ ਏਆਈਐਕਸ ਵੈਂਚਰਸ, ਈ14 ਫੰਡ, ਅਤੇ ਐਮਐਸਐਂਡਏਡੀ ਵੈਂਚਰਸ ਤੋਂ ਭਾਗ ਲਿਆ ਗਿਆ। ਇਹ ਮਹੱਤਵਪੂਰਨ ਨਿਵੇਸ਼ ਉਹਨਾਂ ਦੀ ਨਵੀਂ ਕਾਰਜਪ੍ਰਣਾਲੀ ਵਿੱਚ ਮਾਰਕੀਟ ਦੇ ਵਿਸ਼ਵਾਸ ਨੂੰ ਰੇਖਾਂਕਿਤ ਕਰਦਾ ਹੈ।
ਵਿਗਿਆਨ ਇਤਿਹਾਸ ਵਿੱਚ "ਆਹਾ" ਪਲਾਂ ਤੋਂ ਸਿੱਖਣਾ
ਬੁਹੇਲਰ ਦੀ ਪਰਿਕਲਪਨਾ ਇਹ ਹੈ ਕਿ ਬਹੁਤ ਸਾਰੀਆਂ ਮਹਾਨ ਖੋਜਾਂ "ਆਹਾ" ਪਲਾਂ ਤੋਂ ਪੈਦਾ ਹੁੰਦੀਆਂ ਹਨ। ਇਹ ਉਹ ਉਦਾਹਰਣ ਹਨ ਜਿੱਥੇ ਇੱਕ ਵਿਗਿਆਨੀ ਇੱਕ ਪੂਰੀ ਤਰ੍ਹਾਂ ਵੱਖਰੇ ਡੋਮੇਨ ਵਿੱਚ ਇੱਕ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਇੱਕ ਖੇਤਰ ਤੋਂ ਇੱਕ ਸਿਧਾਂਤ ਜਾਂ ਸੰਕਲਪ ਨੂੰ ਲਾਗੂ ਕਰਦਾ ਹੈ। ਵਿਚਾਰਾਂ ਦਾ ਇਹ ਅੰਤਰ-ਪਰਾਗੀਕਰਨ ਸਫਲਤਾਵਾਂ ਦੀ ਕੁੰਜੀ ਹੈ।
ਇੱਕ ਸ਼ਾਨਦਾਰ ਉਦਾਹਰਨ 1982 ਵਿੱਚ ਜੌਹਨ ਹੌਪਫੀਲਡ ਦਾ ਕੰਮ ਹੈ। ਉਸਨੇ ਸੰਘਣਾ ਪਦਾਰਥ ਭੌਤਿਕ ਵਿਗਿਆਨ ਤੋਂ ਲੈ ਕੇ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੇ ਉਸ ਸਮੇਂ ਦੇ ਨਵੇਂ ਖੇਤਰ ਵਿੱਚ ਧਾਰਨਾਵਾਂ ਨੂੰ ਲਾਗੂ ਕੀਤਾ। ਇਸ ਨਾਲ ਹੌਪਫੀਲਡ ਨੈੱਟਵਰਕਾਂ ਦਾ ਵਿਕਾਸ ਹੋਇਆ, ਇੱਕ ਕਿਸਮ ਦਾ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਜੋ ਯਾਦਾਂ ਨੂੰ ਸਿੱਖਣ ਅਤੇ ਯਾਦ ਕਰਨ ਦੇ ਸਮਰੱਥ ਹੈ। ਇਹ ਇੱਕ ਕ੍ਰਾਂਤੀਕਾਰੀ ਵਿਚਾਰ ਸੀ ਜੋ ਗੈਰ-ਸੰਬੰਧਿਤ ਅਨੁਸ਼ਾਸਨਾਂ ਨੂੰ ਜੋੜਨ ਤੋਂ ਪੈਦਾ ਹੋਇਆ ਸੀ।
ਕਿਵੇਂ ਗੈਰ-ਵਾਜਬ ਲੈਬਾਂ ਦੀ ਏਆਈ ਮੁੱਖ ਧਾਰਾ ਦੇ ਮਾਡਲਾਂ ਤੋਂ ਵੱਖਰੀ ਹੈ
ਗੈਰ-ਵਾਜਬ ਲੈਬਾਂ ਵਿੱਚ ਵਿਕਸਤ ਕੀਤੀ ਜਾ ਰਹੀ ਏਆਈ ਅੰਤਰ-ਅਨੁਸ਼ਾਸਨੀ ਸੂਝ ਲਈ ਇਸ ਮਨੁੱਖੀ ਸਮਰੱਥਾ ਦੀ ਨਕਲ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤੀ ਗਈ ਹੈ। ਉਹਨਾਂ ਦਾ ਟੀਚਾ ਇੱਕ ਵੱਡਾ ਭਾਸ਼ਾ ਮਾਡਲ ਬਣਾਉਣਾ ਨਹੀਂ ਹੈ ਪਰ ਇੱਕ ਅਜਿਹੀ ਪ੍ਰਣਾਲੀ ਦਾ ਨਿਰਮਾਣ ਕਰਨਾ ਹੈ ਜੋ ਵਿਗਿਆਨਕ ਡੋਮੇਨਾਂ ਵਿੱਚ ਤਰਕ ਕਰ ਸਕਦਾ ਹੈ।
ਅੰਤਰ-ਅਨੁਸ਼ਾਸਨੀ ਗਿਆਨ ਗ੍ਰਾਫ਼: ਇਕੱਲੇ ਪਾਠ 'ਤੇ ਸਿਖਲਾਈ ਦੇਣ ਦੀ ਬਜਾਏ, ਉਹਨਾਂ ਦਾ AI ਜੀਵ ਵਿਗਿਆਨ ਤੋਂ ਭੌਤਿਕ ਵਿਗਿਆਨ ਤੱਕ, ਕਈ ਵਿਗਿਆਨਕ ਖੇਤਰਾਂ ਤੋਂ ਢਾਂਚਾਗਤ ਗਿਆਨ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਦਾ ਹੈ। ਐਨਾਲੌਜੀਕਲ ਰੀਜ਼ਨਿੰਗ ਇੰਜਣ: ਕੋਰ ਟੈਕਨਾਲੋਜੀ ਵਿਗਿਆਨਕ ਨਵੀਨਤਾ ਦਾ ਇੱਕ ਮੁੱਖ ਡ੍ਰਾਈਵਰ ਪ੍ਰਤੀਤ ਗੈਰ-ਸੰਬੰਧਿਤ ਸੰਕਲਪਾਂ ਵਿਚਕਾਰ ਸਮਾਨਤਾਵਾਂ ਅਤੇ ਸਮਾਨਤਾਵਾਂ ਨੂੰ ਲੱਭਣ 'ਤੇ ਕੇਂਦ੍ਰਤ ਕਰਦੀ ਹੈ। ਹਾਈਪੋਥੀਸਿਸ ਜਨਰੇਸ਼ਨ: ਸਿਸਟਮ ਨੂੰ ਪਰੀਖਣਯੋਗ ਵਿਗਿਆਨਕ ਅਨੁਮਾਨਾਂ ਦਾ ਪ੍ਰਸਤਾਵ ਦੇਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ, ਨਾ ਕਿ ਕੇਵਲ ਮੌਜੂਦਾ ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ।
ਇਹ ਪਹੁੰਚ ਵੱਡੀਆਂ ਦੀ ਪ੍ਰਾਪਤੀ ਦੀਆਂ ਰਣਨੀਤੀਆਂ ਤੋਂ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਵਿਦਾਇਗੀ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈਤਕਨੀਕੀ ਫਰਮਾਂ, ਜਿਵੇਂ ਕਿ ਏਆਈ ਸਟਾਰਟਅਪ ਫੋਰਥੌਟ ਦੀ ਜ਼ੇਂਡੇਸਕ ਪ੍ਰਾਪਤੀ, ਜੋ ਅਕਸਰ ਖੋਜ ਦੇ ਨਵੇਂ ਰੂਪਾਂ ਦੀ ਅਗਵਾਈ ਕਰਨ ਦੀ ਬਜਾਏ ਮੌਜੂਦਾ ਗਾਹਕ ਸੇਵਾ ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਸੁਧਾਰਨ 'ਤੇ ਕੇਂਦ੍ਰਤ ਕਰਦੀ ਹੈ।
AI-ਚਾਲਿਤ ਖੋਜ ਦਾ ਭਵਿੱਖ
ਜੇਕਰ ਸਫਲ ਹੋ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਗੈਰ-ਵਾਜਬ ਲੈਬਾਂ ਦੀ ਤਕਨਾਲੋਜੀ ਨਾਜ਼ੁਕ ਖੇਤਰਾਂ ਵਿੱਚ ਖੋਜ ਨੂੰ ਤੇਜ਼ ਕਰ ਸਕਦੀ ਹੈ। ਇੱਕ AI ਦੀ ਕਲਪਨਾ ਕਰੋ ਜੋ ਕੈਮਿਸਟਰੀ ਅਤੇ ਜੈਨੇਟਿਕਸ ਦੇ ਸਿਧਾਂਤਾਂ ਨੂੰ ਜੋੜ ਕੇ ਇੱਕ ਨਵੇਂ ਡਰੱਗ ਮਿਸ਼ਰਣ ਦਾ ਸੁਝਾਅ ਦੇ ਸਕਦਾ ਹੈ। ਜਾਂ ਇੱਕ ਮਾਡਲ ਜੋ ਨੈਨੋ ਤਕਨਾਲੋਜੀ ਅਤੇ ਥਰਮੋਡਾਇਨਾਮਿਕਸ ਤੋਂ ਸੰਕਲਪਾਂ ਨੂੰ ਜੋੜ ਕੇ ਟਿਕਾਊ ਊਰਜਾ ਲਈ ਇੱਕ ਨਵੀਂ ਸਮੱਗਰੀ ਦਾ ਪ੍ਰਸਤਾਵ ਕਰਦਾ ਹੈ।
ਸੰਭਾਵੀ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿਸ਼ਾਲ ਹਨ, ਮੈਡੀਕਲ ਖੋਜ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਤੋਂ ਲੈ ਕੇ ਗੁੰਝਲਦਾਰ ਵਾਤਾਵਰਣ ਦੀਆਂ ਚੁਣੌਤੀਆਂ ਨੂੰ ਹੱਲ ਕਰਨ ਤੱਕ। ਇਹ AI ਲਈ ਅਗਲੀ ਸਰਹੱਦ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਮਨੁੱਖੀ ਚਤੁਰਾਈ ਵਿੱਚ ਇੱਕ ਸੱਚਾ ਭਾਈਵਾਲ ਬਣਨ ਲਈ ਆਟੋਮੇਸ਼ਨ ਤੋਂ ਅੱਗੇ ਵਧਦਾ ਹੈ।
ਸਿੱਟਾ: ਏਆਈ ਇਨੋਵੇਸ਼ਨ ਦੀ ਅਗਲੀ ਲਹਿਰ
ਵਿਗਿਆਨ ਦੀ ਖੋਜ ਲਈ AI ਨੂੰ ਵਿਕਸਤ ਕਰਨ ਦੀ ਦੌੜ ਤੇਜ਼ ਹੋ ਰਹੀ ਹੈ, ਪਰ ਅਸਲ ਸਫਲਤਾ ਗੈਰ-ਵਾਜਬ ਲੈਬਾਂ ਵਰਗੇ ਵਿਸ਼ੇਸ਼ ਸਟਾਰਟਅੱਪਾਂ ਨਾਲ ਹੋ ਸਕਦੀ ਹੈ। ਅੰਤਰ-ਅਨੁਸ਼ਾਸਨੀ ਤਰਕ 'ਤੇ ਉਨ੍ਹਾਂ ਦਾ ਧਿਆਨ ਮੌਜੂਦਾ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਦੀਆਂ ਸੀਮਾਵਾਂ ਤੋਂ ਪਰੇ ਇੱਕ ਸ਼ਾਨਦਾਰ ਮਾਰਗ ਪੇਸ਼ ਕਰਦਾ ਹੈ। ਇੱਕ AI ਬਣਾਉਣ ਦੀ ਯਾਤਰਾ ਜੋ ਸੱਚਮੁੱਚ ਖੋਜ ਸਕਦੀ ਹੈ, ਹੁਣੇ ਹੀ ਸ਼ੁਰੂ ਹੋਈ ਹੈ।
AI ਅਤੇ ਤਕਨਾਲੋਜੀ ਵਿੱਚ ਨਵੀਨਤਮ ਕਾਢਾਂ 'ਤੇ ਅੱਪਡੇਟ ਰਹੋ। ਵਧੇਰੇ ਜਾਣਕਾਰੀ ਲਈ ਅਤੇ ਇਸ ਲੇਖ ਨੂੰ ਆਸਾਨੀ ਨਾਲ ਸਾਂਝਾ ਕਰਨ ਲਈ, ਆਪਣੀ ਮਨਪਸੰਦ ਸਮੱਗਰੀ ਨੂੰ ਠੀਕ ਕਰਨ ਲਈ ਸੀਮਲੈਸ 'ਤੇ ਆਪਣਾ ਮੁਫਤ ਲਿੰਕ-ਇਨ-ਬਾਇਓ ਪੰਨਾ ਬਣਾਓ।
