ਸਮੱਗਰੀ 'ਤੇ ਜਾਓ

ਬਣਾਵਟੀ ਬੁੱਧੀ

ਜੋੜ ਸੋਧੋ
ਵਿਕੀਪੀਡੀਆ, ਇੱਕ ਆਜ਼ਾਦ ਵਿਸ਼ਵਕੋਸ਼ ਤੋਂ
(ਮਸ਼ੀਨੀ ਬੁੱਧੀਮਾਨਤਾ ਤੋਂ ਮੋੜਿਆ ਗਿਆ)

ਮਸ਼ੀਨੀ ਬੁੱਧੀ, ਮਸ਼ੀਨੀ ਬੁੱਧੀਮਾਨਤਾ, ਮਸਨੂਈ ਬੁੱਧੀ, ਬਣਾਉਟੀ ਬੁੱਧੀ, ਬਣਾਵਟੀ ਬੌਧਿਕਤਾ, ਕ੍ਰਿਤਮ ਬੁੱਧੀ ਜਾਂ ਆਰਟੀਫੀਸ਼ਲ ਇੰਟੈਲਜੈਂਸ (ਏਆਈ), ਤਕਨੀਕ ਦੀ ਇੱਕ ਪ੍ਰਣਾਲੀ ਹੈ ਜਿਸ ਵਿੱਚ ਮਸ਼ੀਨਾਂ ਅਤੇ ਕੰਪਿਊਟਰ ਸਿਸਟਮ ਐਸੀ ਖੁਬੀਆਂ ਦੇ ਨਾਲ ਬਣਾਏ ਜਾਂਦੇ ਹਨ ਜੋ ਕਿ ਮਨੁੱਖੀ ਬੌਧਿਕਤਾ ਨੂੰ ਨਕਲ ਕਰਨ ਦੀ ਯੋਗਤਾ ਰੱਖਦੇ ਹਨ। ਇਸ ਵਿੱਚ ਮਸ਼ੀਨਾਂ ਨੂੰ ਸਿੱਖਣ, ਸਮਝਣ, ਸਵੀਕਾਰ ਕਰਨ, ਅਤੇ ਅਨੁਮਾਨ ਲਗਾਉਣ ਦੀ ਕਾਬਲੀਅਤ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ। ਮੈਕਾਰਥੀ ਦੀ ਪ੍ਰੀਭਾਸ਼ਾ ਦਾ ਭਾਵ ਮਸ਼ੀਨਾਂ ਅਤੇ ਸਾਫ਼ਟਵੇਅਰ ਵਿੱਚ ਸਥਾਪਿਤ ਬੁੱਧੀ ਹੈ। ਮਨੁੱਖ ਸੋਚਣ, ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਅਤੇ ਯਾਦ ਰੱਖਣ ਦਾ ਕੰਮ ਵੀ ਆਪਣੀ ਬੁੱਧੀ ਦੀ ਥਾਂ ਤੇ ਕੰਪਿਊਟਰ ਤੋਂ ਕਰਾਉਣ ਵੱਲ ਵਧ ਰਿਹਾ ਹੈ।

ਮਸਨੂਈ ਬੁੱਧੀ ਵਿਗਿਆਨ ਦੀ ਇੱਕ ਸ਼ਾਖਾ ਹੈ ਜਿਸ ਦਾ ਟੀਚਾ ਮਸ਼ੀਨਾਂ ਅਤੇ ਸਾਫ਼ਟਵੇਅਰ ਵਿਕਸਿਤ ਕਰਨਾ ਹੈ। 1955 ਵਿੱਚ ਜਾਨ ਮਕਾਰਤੀ ਨੇ ਇਸਨ੍ਹੂੰ ਬਣਾਉਟੀ ਬੁੱਧੀ ਦਾ ਨਾਮ ਦਿੱਤਾ ਅਤੇ ਇਸਨੂੰ "ਸੂਝਵਾਨ ਮਸ਼ੀਨਾਂ ਬਣਾਉਣ ਵਾਲਾ ਵਿਗਿਆਨ ਅਤੇ ਇੰਜੀਨਿਅਰਿੰਗ"[1] ਵਜੋਂ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ।

ਬਣਾਉਟੀ ਬੁੱਧੀ ਦੇ ਲਕਸ਼ਾਂ ਵਿੱਚ ਤਰਕ, ਗਿਆਨ ਦੀ ਯੋਜਨਾਬੰਦੀ, ਸਿੱਖਿਆ, ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਪ੍ਰੋਸੈਸਿੰਗ (ਸੰਚਾਰ), ਬੋਧ ਅਤੇ ਵਸਤਾਂ ਨੂੰ ਉਰ੍ਹਾਂ ਪਰ੍ਹਾਂ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਸ਼ਾਮਿਲ ਹਨ। ਆਮ ਬੁੱਧੀ ਦੀਰਘ ਕਾਲ ਦੇ ਟੀਚਿਆਂ ਵਿੱਚ ਸ਼ਾਮਿਲ ਹੈ। ਵਰਤਮਾਨ ਸਮੇਂ, ਇਨ੍ਹਾਂ ਟੀਚਿਆਂ ਤੱਕ ਪੁੱਜਣ ਲਈ ਸੰਖਿਅਕੀ ਵਿਧੀਆਂ, ਕੰਪਿਊਟੇਸ਼ਨਲ ਬੁੱਧੀ ਅਤੇ ਰਵਾਇਤੀ ਪ੍ਰਤੀਕਮਈ ਬਣਾਉਟੀ ਬੁੱਧੀ ਸ਼ਾਮਿਲ ਹਨ।

ਬਣਾਵਟੀ ਬੌਧਿਕਤਾ ਵਿਗਿਆਨ ਅਤੇ ਤਕਨਾਲੋਜੀ ਦਾ ਇੱਕ ਵਿਸ਼ਾਲ ਖੇਤਰ ਹੈ ਜੋ ਕਿ ਮਨੁੱਖੀ ਜੀਵਨ ਦੇ ਹਰ ਖੇਤਰ ਨੂੰ ਬਦਲ ਰਹੀ ਹੈ। ਇਸ ਦੇ ਸਹੀ ਵਰਤੋਂ ਨਾਲ, ਅਸੀਂ ਇੱਕ ਬਿਹਤਰ ਭਵਿੱਖ ਦੀ ਕਲਪਨਾ ਕਰ ਸਕਦੇ ਹਾਂ।

ਏਆਈ ਦੇ ਉੱਚ-ਪ੍ਰੋਫਾਈਲ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਉੱਨਤ ਵੈੱਬ ਖੋਜੀ ਇੰਜਣ (ਜਿਵੇਂ ਕਿ, ਗੂਗਲ ਖੋਜ); ਸਿਫਾਰਸ਼ ਪ੍ਰਣਾਲੀਆਂ (ਯੂਟਿਊਬ, ਐਮਾਜ਼ਾਨ, ਅਤੇ ਨੈਟਫ਼ਲਿਕਸ ਦੁਆਰਾ ਵਰਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ); ਵਰਚੁਅਲ ਅਸਿਸਟੈਂਟ (ਜਿਵੇਂ ਕਿ, ਗੂਗਲ ਅਸਿਸਟੈਂਟ, ਸਿਰੀ, ਅਤੇ ਅਲੈਕਸਾ); ਆਟੋਨੋਮਸ ਵਾਹਨ (ਜਿਵੇਂ ਕਿ, ਵੇਮੋ); ਜਨਰੇਟਿਵ ਅਤੇ ਰਚਨਾਤਮਕ ਟੂਲ (ਜਿਵੇਂ ਕਿ, ਭਾਸ਼ਾ ਮਾਡਲ ਅਤੇ AI ਕਲਾ); ਅਤੇ ਰਣਨੀਤੀ ਖੇਡਾਂ ਵਿੱਚ ਅਲੌਕਿਕ ਖੇਡ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ (ਜਿਵੇਂ ਕਿ, ਸ਼ਤਰੰਜ ਅਤੇ ਗੋ) ਸ਼ਾਮਲ ਹਨ। ਹਾਲਾਂਕਿ, ਬਹੁਤ ਸਾਰੀਆਂ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ AI ਨਹੀਂ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ: "ਬਹੁਤ ਸਾਰੇ ਅਤਿ-ਆਧੁਨਿਕ AI ਆਮ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਫਿਲਟਰ ਹੋ ਗਏ ਹਨ, ਅਕਸਰ ਏਆਈ ਕਹੇ ਬਿਨਾਂ ਕਿਉਂਕਿ ਇੱਕ ਵਾਰ ਜਦੋਂ ਕੋਈ ਚੀਜ਼ ਕਾਫ਼ੀ ਉਪਯੋਗੀ ਅਤੇ ਆਮ ਹੋ ਜਾਂਦੀ ਹੈ ਤਾਂ ਇਸ ਨੂੰ ਹੁਣ AI ਲੇਬਲ ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।"[2][3]

ਏਆਈ ਖੋਜ ਦੇ ਵੱਖ-ਵੱਖ ਉਪ-ਖੇਤਰ ਖ਼ਾਸ ਟੀਚਿਆਂ ਅਤੇ ਖ਼ਾਸ ਸਾਧਨਾਂ ਦੀ ਵਰਤੋਂ ਦੁਆਲੇ ਕੇਂਦਰਿਤ ਹਨ। ਏਆਈ ਖੋਜ ਦੇ ਰਵਾਇਤੀ ਟੀਚਿਆਂ ਵਿੱਚ ਸਿੱਖਣ, ਤਰਕ, ਗਿਆਨ ਪ੍ਰਤੀਨਿਧਤਾ, ਯੋਜਨਾਬੰਦੀ, ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਪ੍ਰਕਿਰਿਆ, ਧਾਰਨਾ ਅਤੇ ਰੋਬੋਟਿਕਸ ਲਈ ਸਮਰਥਨ ਸ਼ਾਮਲ ਹਨ।[lower-alpha 1] ਇਹਨਾਂ ਟੀਚਿਆਂ ਤੱਕ ਪਹੁੰਚਣ ਲਈ, ਏਆਈ ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਖੋਜ ਅਤੇ ਗਣਿਤਿਕ ਅਨੁਕੂਲਤਾ, ਰਸਮੀ ਤਰਕ, ਨਕਲੀ ਤੰਤੂ ਨੈੱਟਵਰਕ, ਅਤੇ ਅੰਕੜਿਆਂ, ਸੰਚਾਲਨ ਖੋਜ ਅਤੇ ਅਰਥ ਸ਼ਾਸਤਰ 'ਤੇ ਅਧਾਰਤ ਵਿਧੀਆਂ ਸਮੇਤ ਕਈ ਤਰ੍ਹਾਂ ਦੀਆਂ ਤਕਨੀਕਾਂ ਨੂੰ ਅਨੁਕੂਲਿਤ ਅਤੇ ਏਕੀਕ੍ਰਿਤ ਕੀਤਾ ਹੈ।[lower-alpha 2] ਏਆਈ ਮਨੋਵਿਗਿਆਨ, ਭਾਸ਼ਾ ਵਿਗਿਆਨ, ਦਰਸ਼ਨ, ਨਿਊਰੋਸਾਇੰਸ ਅਤੇ ਹੋਰ ਖੇਤਰਾਂ 'ਤੇ ਵੀ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦਾ ਹੈ।[4] ਕੁਝ ਕੰਪਨੀਆਂ, ਜਿਵੇਂ ਕਿ ਓਪਨਏਆਈ (OpenAI), ਗੂਗਲ ਡੀਪਮਾਇੰਡ (Google DeepMind) ਅਤੇ ਮੇਟਾ (Meta),[5] ਦਾ ਉਦੇਸ਼ ਆਰਟੀਫੀਸ਼ੀਅਲ ਜਨਰਲ ਇੰਟੈਲੀਜੈਂਸ (AGI)- ਏਆਈ ਬਣਾਉਣਾ ਹੈ ਜੋ ਘੱਟੋ-ਘੱਟ ਇੱਕ ਮਨੁੱਖ ਦੇ ਨਾਲ-ਨਾਲ ਲਗਭਗ ਕਿਸੇ ਵੀ ਬੋਧਾਤਮਕ ਕੰਮ ਨੂੰ ਪੂਰਾ ਕਰ ਸਕਦਾ ਹੈ।

ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੀ ਸਥਾਪਨਾ 1956 ਵਿੱਚ ਇੱਕ ਅਕਾਦਮਿਕ ਅਨੁਸ਼ਾਸਨ ਵਜੋਂ ਕੀਤੀ ਗਈ ਸੀ,[6] ਅਤੇ ਇਹ ਖੇਤਰ ਆਪਣੇ ਇਤਿਹਾਸ ਦੌਰਾਨ ਆਸ਼ਾਵਾਦ ਦੇ ਕਈ ਚੱਕਰਾਂ ਵਿੱਚੋਂ ਲੰਘਿਆ, ਜਿਸ ਤੋਂ ਬਾਅਦ ਨਿਰਾਸ਼ਾ ਅਤੇ ਫੰਡਿੰਗ ਦੇ ਨੁਕਸਾਨ ਦੇ ਦੌਰ ਆਏ, ਜਿਸ ਨੂੰ ਏਆਈ ਵਿੰਟਰਜ਼ ਵਜੋਂ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ।[7] 2012 ਤੋਂ ਬਾਅਦ ਫੰਡਿੰਗ ਅਤੇ ਦਿਲਚਸਪੀ ਵਿੱਚ ਬਹੁਤ ਵਾਧਾ ਹੋਇਆ ਜਦੋਂ ਗ੍ਰਾਫਿਕਸ ਪ੍ਰੋਸੈਸਿੰਗ ਯੂਨਿਟਾਂ ਨੂੰ ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾਣਾ ਸ਼ੁਰੂ ਹੋਇਆ, ਅਤੇ ਡੂੰਘੀ ਸਿਖਲਾਈ ਨੇ ਪਿਛਲੀਆਂ ਏਆਈ ਤਕਨੀਕਾਂ ਨੂੰ ਪਛਾੜ ਦਿੱਤਾ।[8] ਟ੍ਰਾਂਸਫਾਰਮਰ ਆਰਕੀਟੈਕਚਰ ਦੇ ਨਾਲ 2017 ਤੋਂ ਬਾਅਦ ਇਹ ਵਾਧਾ ਹੋਰ ਤੇਜ਼ ਹੋਇਆ।[9] 2020 ਦੇ ਦਹਾਕੇ ਵਿੱਚ, ਉੱਨਤ ਜਨਰੇਟਿਵ ਏਆਈ ਵਿੱਚ ਤੇਜ਼ ਤਰੱਕੀ ਦੇ ਇੱਕ ਚੱਲ ਰਹੇ ਦੌਰ ਨੂੰ ਏਆਈ ਬੂਮ ਵਜੋਂ ਜਾਣਿਆ ਜਾਣ ਲੱਗਾ। ਸਮੱਗਰੀ ਬਣਾਉਣ ਅਤੇ ਸੋਧਣ ਦੀ ਜਨਰੇਟਿਵ ਏਆਈ ਦੀ ਯੋਗਤਾ ਨੇ ਕਈ ਅਣਚਾਹੇ ਨਤੀਜੇ ਅਤੇ ਨੁਕਸਾਨ ਪੈਦਾ ਕੀਤੇ ਹਨ। ਏਆਈ ਦੇ ਲੰਬੇ ਸਮੇਂ ਦੇ ਪ੍ਰਭਾਵਾਂ ਅਤੇ ਸੰਭਾਵੀ ਹੋਂਦ ਸੰਬੰਧੀ ਜੋਖਮਾਂ ਬਾਰੇ ਨੈਤਿਕ ਚਿੰਤਾਵਾਂ ਉਠਾਈਆਂ ਗਈਆਂ ਹਨ, ਜਿਸ ਨਾਲ ਤਕਨਾਲੋਜੀ ਦੀ ਸੁਰੱਖਿਆ ਅਤੇ ਲਾਭਾਂ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਰੈਗੂਲੇਟਰੀ ਨੀਤੀਆਂ ਬਾਰੇ ਚਰਚਾਵਾਂ ਹੋਈਆਂ।

ਮੁੱਖ ਖੇਤਰ

[ਸੋਧੋ]
  1. ਮਸ਼ੀਨ ਲਰਨਿੰਗ (Machine Learning): ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਇੱਕ ਤਕਨੀਕ ਹੈ ਜੋ ਕਿ ਮਸ਼ੀਨਾਂ ਨੂੰ ਅਨੁਭਵ ਦੇ ਆਧਾਰ 'ਤੇ ਆਪਣੇ ਆਪ ਸਿੱਖਣ ਦੀ ਯੋਗਤਾ ਦਿੰਦੀ ਹੈ। ਇਸ ਵਿੱਚ ਮਸ਼ੀਨਾਂ ਨੂੰ ਬਿਨਾਂ ਮਨੁੱਖੀ ਮਦਦ ਦੇ, ਆਪਣੇ ਕੰਮਾਂ ਨੂੰ ਸੁਧਾਰਨ ਦੀ ਯੋਗਤਾ ਹੁੰਦੀ ਹੈ।
  2. ਨੈਚਰਲ ਲੈਂਗੂਏਜ ਪ੍ਰੋਸੈਸਿੰਗ (Natural Language Processing): ਇਸ ਖੇਤਰ ਵਿੱਚ ਕੰਪਿਊਟਰ ਸਿਸਟਮ ਮਨੁੱਖੀ ਭਾਸ਼ਾ ਨੂੰ ਸਮਝਣ, ਸੰਚਾਰ ਕਰਨ, ਅਤੇ ਜਵਾਬ ਦੇਣ ਵਿੱਚ ਯੋਗ ਹੁੰਦੇ ਹਨ। ਇਹ ਤਕਨੀਕ ਚੈਟਬੋਟ, ਵਰਚੁਅਲ ਅਸਿਸਟੈਂਟ, ਅਤੇ ਭਾਸ਼ਾ ਅਨੁਵਾਦ ਕਰਨ ਵਾਲੇ ਉਪਕਰਣਾਂ ਵਿੱਚ ਵਰਤੋਂ ਵਿੱਚ ਆਉਂਦੀ ਹੈ।
  3. ਕੰਪਿਊਟਰ ਵਿਜ਼ਨ (Computer Vision): ਕੰਪਿਊਟਰ ਵਿਜ਼ਨ ਵਿੱਚ ਮਸ਼ੀਨਾਂ ਨੂੰ ਦ੍ਰਿਸ਼ਟੀ ਦੇਣ ਦੀ ਯੋਗਤਾ ਹੁੰਦੀ ਹੈ। ਇਹ ਤਕਨੀਕ ਚਿੱਤਰਾਂ ਅਤੇ ਵੀਡੀਓਜ਼ ਦੀ ਵਿਸ਼ਲੇਸ਼ਣਾ ਕਰਨ ਲਈ ਵਰਤੀ ਜਾਂਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਮਸ਼ੀਨਾਂ ਨੂੰ ਵਸਤਾਂ ਦੀ ਪਹਿਚਾਣ, ਦਰਸ਼ਨ, ਅਤੇ ਨਕਸ਼ਾ ਬਣਾਉਣ ਦੀ ਯੋਗਤਾ ਹੁੰਦੀ ਹੈ।

ਲਾਭ ਅਤੇ ਚੁਣੌਤੀਆਂ

[ਸੋਧੋ]

ਲਾਭ:

[ਸੋਧੋ]
  1. ਬਿਹਤਰ ਸਟੀਕਤਾ: AI ਸਿਸਟਮ ਜ਼ਿਆਦਾਤਰ ਮਾਮਲਿਆਂ ਵਿੱਚ ਬਹੁਤ ਹੀ ਸਟਿੱਠ ਅਤੇ ਤੇਜ਼ੀ ਨਾਲ ਕੰਮ ਕਰਦੇ ਹਨ।
  2. ਆਟੋਮੇਸ਼ਨ: ਮਸ਼ੀਨਾਂ ਨਾਲ ਆਟੋਮੇਟਿਕ ਕੰਮ ਕਰਨਾ ਬਹੁਤ ਹੀ ਆਸਾਨ ਅਤੇ ਸਮੇਂ ਦੀ ਬਚਤ ਵਾਲਾ ਹੁੰਦਾ ਹੈ।
  3. ਮੁਸ਼ਕਲ ਪ੍ਰਬੰਧਨ: AI ਨੂੰ ਸਮਸਿਆਵਾਂ ਦੀ ਵਿਸ਼ਲੇਸ਼ਣਾ ਕਰਨ ਅਤੇ ਉਨ੍ਹਾਂ ਦਾ ਹੱਲ ਕਰਨ ਵਿੱਚ ਬਹੁਤ ਮਾਹਿਰ ਮੰਨਾ ਜਾਂਦਾ ਹੈ।

ਚੁਣੌਤੀਆਂ:

[ਸੋਧੋ]
  1. ਰੁਜਗਾਰ ਦੀ ਹਾਨੀ: ਕੁਝ ਖੇਤਰਾਂ ਵਿੱਚ, AI ਦੇ ਆਟੋਮੇਸ਼ਨ ਕਾਰਨ ਰੁਜ਼ਗਾਰ ਦੀ ਕਮੀ ਹੋ ਸਕਦੀ ਹੈ।
  2. ਨੈਤਿਕਤਾ ਦੇ ਮੁੱਦੇ: AI ਦੇ ਵਿਕਾਸ ਵਿੱਚ ਨੈਤਿਕ ਮਾਪਦੰਡਾਂ ਅਤੇ ਨਿਯਮਾਂ ਦੀ ਸਥਾਪਨਾ ਵੀ ਇੱਕ ਚੁਣੌਤੀ ਹੈ।
  3. ਸੁਰੱਖਿਆ ਮਸਲੇ: AI ਸਿਸਟਮਾਂ ਦੀ ਗਲਤੀ ਦੇ ਕਾਰਨ ਕਈ ਵਾਰ ਸੁਰੱਖਿਆ ਦੇ ਮੁੱਦੇ ਵੀ ਆ ਸਕਦੇ ਹਨ।

ਜੀ ਪੀ ਟੀ (GPT)

[ਸੋਧੋ]

ਜਨਰੇਟਿਵ ਪ੍ਰੀ-ਟ੍ਰੇਂਡ ਟ੍ਰਾਂਸਫਾਰਮਰ (GPT) ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲ ਲਾਰਜ ਲੈਂਗੂਏਜ ਮਾਡਿਊਲਜ (LLMs) ਹਨ ਜੋ ਵਾਕਾਂ ਵਿੱਚ ਸ਼ਬਦਾਂ ਦੇ ਵਿਚਕਾਰ ਅਰਥ ਸਬੰਧਾਂ ਦੇ ਅਧਾਰ ਤੇ ਟੈਕਸਟ ਤਿਆਰ ਕਰਦੇ ਹਨ। ਟੈਕਸਟ-ਅਧਾਰਤ GPT ਮਾਡਲ ਟੈਕਸਟ ਦੇ ਇੱਕ ਵੱਡੇ ਸੰਗ੍ਰਹਿ 'ਤੇ ਪਹਿਲਾਂ ਤੋਂ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਹੁੰਦੇ ਹਨ ਜੋ ਇੰਟਰਨੈਟ ਤੋਂ ਹੋ ਸਕਦਾ ਹੈ। ਪ੍ਰੀਟ੍ਰੇਨਿੰਗ ਵਿੱਚ ਅਗਲੇ ਟੋਕਨ (ਇੱਕ ਟੋਕਨ ਆਮ ਤੌਰ 'ਤੇ ਇੱਕ ਸ਼ਬਦ, ਸਬਵਰਡ, ਜਾਂ ਵਿਰਾਮ ਚਿੰਨ੍ਹ ਹੁੰਦਾ ਹੈ) ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨਾ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ। ਇਸ ਪ੍ਰੀਟ੍ਰੇਨਿੰਗ ਦੌਰਾਨ, GPT ਮਾਡਲ ਦੁਨੀਆ ਬਾਰੇ ਗਿਆਨ ਇਕੱਠਾ ਕਰਦੇ ਹਨ ਅਤੇ ਫਿਰ ਅਗਲੇ ਟੋਕਨ ਦੀ ਵਾਰ-ਵਾਰ ਭਵਿੱਖਬਾਣੀ ਕਰਕੇ ਮਨੁੱਖ ਵਰਗਾ ਟੈਕਸਟ ਤਿਆਰ ਕਰ ਸਕਦੇ ਹਨ। ਆਮ ਤੌਰ 'ਤੇ, ਇੱਕ ਬਾਅਦ ਵਾਲਾ ਸਿਖਲਾਈ ਪੜਾਅ ਮਾਡਲ ਨੂੰ ਵਧੇਰੇ ਸੱਚਾ, ਉਪਯੋਗੀ ਅਤੇ ਨੁਕਸਾਨ ਰਹਿਤ ਬਣਾਉਂਦਾ ਹੈ, ਆਮ ਤੌਰ 'ਤੇ ਮਨੁੱਖੀ ਫੀਡਬੈਕ ਤੋਂ ਰੀਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ (RLHF) ਨਾਮਕ ਤਕਨੀਕ ਨਾਲ। ਮੌਜੂਦਾ GPT ਮਾਡਲ "ਹੈਲੂਸੀਨੇਸ਼ਨ" ਨਾਮਕ ਝੂਠ ਪੈਦਾ ਕਰਨ ਲਈ ਸੰਭਾਵਿਤ ਹਨ, ਹਾਲਾਂਕਿ ਇਸਨੂੰ RLHF ਅਤੇ ਗੁਣਵੱਤਾ ਡੇਟਾ ਨਾਲ ਘਟਾਇਆ ਜਾ ਸਕਦਾ ਹੈ। ਉਹਨਾਂ ਦੀ ਵਰਤੋਂ ਚੈਟਬੋਟਾਂ ਵਿੱਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਜੋ ਲੋਕਾਂ ਨੂੰ ਸਧਾਰਨ ਟੈਕਸਟ ਵਿੱਚ ਇੱਕ ਸਵਾਲ ਪੁੱਛਣ ਜਾਂ ਕੰਮ ਦੀ ਬੇਨਤੀ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੇ ਹਨ।[10]

ਮੌਜੂਦਾ ਮਾਡਲਾਂ ਅਤੇ ਸੇਵਾਵਾਂ ਵਿੱਚ ਜੈਮਿਨੀ (ਪਹਿਲਾਂ ਬਾਰਡ), ਚੈਟਜੀਪੀਟੀ, ਗ੍ਰੋਕ, ਕਲਾਉਡ, ਕੋਪਾਇਲਟ, ਅਤੇ ਐਲਐਲਏਐਮਏ ਸ਼ਾਮਲ ਹਨ।ਮਲਟੀਮੋਡਲ ਜੀਪੀਟੀ ਮਾਡਲ ਵੱਖ-ਵੱਖ ਕਿਸਮਾਂ ਦੇ ਡੇਟਾ (ਵਿਧੀ) ਜਿਵੇਂ ਕਿ ਚਿੱਤਰ, ਵੀਡੀਓ, ਆਵਾਜ਼ ਅਤੇ ਟੈਕਸਟ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰ ਸਕਦੇ ਹਨ।[11]

ਐਪਲੀਕੇਸ਼ਨਾਂ

[ਸੋਧੋ]

ਏਆਈ ਅਤੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਤਕਨਾਲੋਜੀ ਦੀ ਵਰਤੋਂ 2020 ਦੇ ਦਹਾਕੇ ਦੇ ਜ਼ਿਆਦਾਤਰ ਜ਼ਰੂਰੀ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

ਏਆਈ ਦੀ ਤਾਇਨਾਤੀ ਦੀ ਨਿਗਰਾਨੀ ਇੱਕ ਮੁੱਖ ਆਟੋਮੇਸ਼ਨ ਅਫ਼ਸਰ (ਸੀਏਓ) ਦੁਆਰਾ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ।

ਵਰਤੋਂ

[ਸੋਧੋ]

ਵਪਾਰ ਦੇ ਖੇਤਰ ਵਿੱਚ

[ਸੋਧੋ]

ਏਆਈ ਅਤੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਤਕਨਾਲੋਜੀ ਦੀ ਵਰਤੋਂ 2020 ਦੇ ਦਹਾਕੇ ਦੇ ਜ਼ਿਆਦਾਤਰ ਜ਼ਰੂਰੀ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ: ਸਰਚ ਇੰਜਣ (ਜਿਵੇਂ ਕਿ ਗੂਗਲ ਸਰਚ), ਔਨਲਾਈਨ ਇਸ਼ਤਿਹਾਰਾਂ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਉਣਾ, ਸਿਫ਼ਾਰਸ਼ ਪ੍ਰਣਾਲੀਆਂ (ਨੈੱਟਫਲਿਕਸ, ਯੂਟਿਊਬ ਜਾਂ ਐਮਾਜ਼ਾਨ ਦੁਆਰਾ ਪੇਸ਼ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ), ਇੰਟਰਨੈੱਟ ਟ੍ਰੈਫਿਕ ਚਲਾਉਣਾ, ਟਾਰਗੇਟਡ ਇਸ਼ਤਿਹਾਰਬਾਜ਼ੀ (ਐਡਸੈਂਸ, ਫੇਸਬੁੱਕ), ਵਰਚੁਅਲ ਅਸਿਸਟੈਂਟ (ਜਿਵੇਂ ਕਿ ਸਿਰੀ ਜਾਂ ਅਲੈਕਸਾ), ਆਟੋਨੋਮਸ ਵਾਹਨ (ਡਰੋਨ, ਏਡੀਏਐਸ ਅਤੇ ਸਵੈ-ਡਰਾਈਵਿੰਗ ਕਾਰਾਂ ਸਮੇਤ), ਆਟੋਮੈਟਿਕ ਭਾਸ਼ਾ ਅਨੁਵਾਦ (ਮਾਈਕ੍ਰੋਸਾਫਟ ਟ੍ਰਾਂਸਲੇਟਰ, ਗੂਗਲ ਟ੍ਰਾਂਸਲੇਟ), ਚਿਹਰੇ ਦੀ ਪਛਾਣ (ਐਪਲ ਦਾ ਫੇਸ ਆਈਡੀ ਜਾਂ ਮਾਈਕ੍ਰੋਸਾਫਟ ਦਾ ਡੀਪਫੇਸ ਅਤੇ ਗੂਗਲ ਦਾ ਫੇਸਨੇਟ) ਅਤੇ ਚਿੱਤਰ ਲੇਬਲਿੰਗ (ਫੇਸਬੁੱਕ, ਐਪਲ ਦੇ ਆਈਫੋਟੋ ਅਤੇ ਟਿੱਕਟੋਕ ਦੁਆਰਾ ਵਰਤੀ ਜਾਂਦੀ ਹੈ)। ਏਆਈ ਦੀ ਤੈਨਾਤੀ ਦੀ ਨਿਗਰਾਨੀ ਇੱਕ ਮੁੱਖ ਆਟੋਮੇਸ਼ਨ ਅਫਸਰ (ਸੀਏਓ) ਦੁਆਰਾ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ।[12][13]

ਖੇਤੀਬਾੜੀ ਖੇਤਰ ਵਿੱਚ

[ਸੋਧੋ]

ਫਾਰਮ 'ਤੇ, ਸ਼ੁੱਧਤਾ ਖੇਤੀਬਾੜੀ  ਬਣਾਵਟੀ ਬੁੱਧੀ ਤਕਨਾਲੋਜੀਆਂ ਕਿਸੇ ਦਿੱਤੇ ਗਏ ਝਾੜ ਲਈ ਲੋੜੀਂਦੇ ਇਨਪੁਟਸ ਨੂੰ ਘੱਟ ਤੋਂ ਘੱਟ ਕਰ ਸਕਦੀਆਂ ਹਨ। ਉਦਾਹਰਨ ਲਈ, ਵੇਰੀਏਬਲ-ਰੇਟ ਐਪਲੀਕੇਸ਼ਨ (VRA) ਤਕਨਾਲੋਜੀਆਂ ਪਾਣੀ, ਖਾਦ, ਕੀਟਨਾਸ਼ਕ, ਜੜੀ-ਬੂਟੀਆਂ, ਆਦਿ ਦੀ ਸਹੀ ਮਾਤਰਾ ਨੂੰ ਲਾਗੂ ਕਰ ਸਕਦੀਆਂ ਹਨ। ਕਈ ਅਨੁਭਵੀ ਅਧਿਐਨਾਂ ਤੋਂ ਪਤਾ ਚੱਲਦਾ ਹੈ ਕਿ VRA ਇਨਪੁਟ ਵਰਤੋਂ ਕੁਸ਼ਲਤਾ ਵਿੱਚ ਸੁਧਾਰ ਕਰਦਾ ਹੈ। ਭੂ-ਸਥਾਨਿਕ ਮੈਪਿੰਗ ਦੇ ਨਾਲ VRA ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਕਿਸਾਨ ਆਪਣੇ ਫਾਰਮ ਦੇ ਹਾਈਪਰ-ਸਥਾਨਿਕ ਖੇਤਰਾਂ ਵਿੱਚ ਇਨਪੁਟਸ ਲਾਗੂ ਕਰ ਸਕਦੇ ਹਨ - ਕਈ ਵਾਰ ਵਿਅਕਤੀਗਤ ਪੌਦੇ ਦੇ ਪੱਧਰ ਤੱਕ। ਇਨਪੁਟ ਵਰਤੋਂ ਨੂੰ ਘਟਾਉਣ ਨਾਲ ਲਾਗਤਾਂ ਘੱਟ ਹੁੰਦੀਆਂ ਹਨ ਅਤੇ ਨਕਾਰਾਤਮਕ ਵਾਤਾਵਰਣ ਪ੍ਰਭਾਵਾਂ ਨੂੰ ਘੱਟ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਅਨੁਭਵੀ ਸਬੂਤ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਸ਼ੁੱਧਤਾ ਖੇਤੀਬਾੜੀ ਤਕਨਾਲੋਜੀਆਂ ਉਪਜ ਵਧਾ ਸਕਦੀਆਂ ਹਨ।ਅਮਰੀਕੀ ਮੂੰਗਫਲੀ ਦੇ ਖੇਤਾਂ 'ਤੇ, ਮਾਰਗਦਰਸ਼ਨ ਪ੍ਰਣਾਲੀਆਂ ਉਪਜ ਵਿੱਚ 9% ਵਾਧੇ ਨਾਲ ਜੁੜੀਆਂ ਹੋਈਆਂ ਹਨ, ਅਤੇ ਮਿੱਟੀ ਦੇ ਨਕਸ਼ੇ ਉਪਜ ਵਿੱਚ 13% ਵਾਧੇ ਨਾਲ ਜੁੜੇ ਹੋਏ ਹਨ।[14]ਅਰਜਨਟੀਨਾ ਵਿੱਚ ਇੱਕ ਅਧਿਐਨ ਵਿੱਚ ਪਾਇਆ ਗਿਆ ਕਿ ਫਸਲਾਂ ਦੇ ਸਰੀਰਕ ਸਿਧਾਂਤਾਂ 'ਤੇ ਅਧਾਰਤ ਇੱਕ ਸ਼ੁੱਧਤਾ ਖੇਤੀਬਾੜੀ ਪਹੁੰਚ ਦੇ ਨਤੀਜੇ ਵਜੋਂ 54% ਵੱਧ ਖੇਤੀ ਉਤਪਾਦਨ ਹੋ ਸਕਦਾ ਹੈ।[15] AI ਦੀ ਵਰਤੋਂ ਪਸ਼ੂਆਂ ਦੇ ਸੂਰਾਂ ਦੀਆਂ ਕਾਲ ਭਾਵਨਾਵਾਂ ਨੂੰ ਵਰਗੀਕ੍ਰਿਤ ਕਰਨ,ਗ੍ਰੀਨਹਾਉਸਾਂ ਨੂੰ ਸਵੈਚਾਲਿਤ ਕਰਨ [16]ਬਿਮਾਰੀਆਂ ਅਤੇ ਕੀੜਿਆਂ ਦਾ ਪਤਾ ਲਗਾਉਣ,ਅਤੇ ਸਿੰਚਾਈ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਲਈ ਕੀਤੀ ਗਈ ਹੈ।[17]

ਸਿਹਤ ਸੰਭਾਲ ਖੇਤਰ

[ਸੋਧੋ]

ਇੱਕ ਹੱਥ ਦਾ ਐਕਸ-ਰੇ, ਇੱਕ ਕੰਪਿਊਟਰ ਸੌਫਟਵੇਅਰ ਦੁਆਰਾ ਹੱਡੀਆਂ ਦੀ ਉਮਰ ਦੀ ਆਟੋਮੈਟਿਕ ਗਣਨਾ ਦੇ ਨਾਲ

ਹੱਥ ਦਾ X ਰੇ ਜਿਸ ਵਿੱਚ ਬੋਨਐਕਸਪਰਟ ਸਾਫਟਵੇਅਰ ਰਾ੍ਹੀਂ ਹੱਡੀ ਦੀ ਉਮਰ ਸਵੈ ਨਿਰਧਾਰਤ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।

ਸਿਹਤ ਸੰਭਾਲ ਖੇਤਰ ਵਿੱਚ ਵਿੱਚ ਬਣਾਵਟੀ ਬੁੱਧੀ , ਗੁੰਝਲਦਾਰ ਡਾਕਟਰੀ ਅਤੇ ਸਿਹਤ ਸੰਭਾਲ ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਅਤੇ ਸਮਝਣ ਲਈ ਬਣਾਵਟੀ ਬੁੱਧੀ (AI) ਦੀ ਵਰਤੋਂ ਨਾਲ ਹੈ। ਕੁਝ ਮਾਮਲਿਆਂ ਵਿੱਚ, ਇਹ ਬਿਮਾਰੀ ਦਾ ਨਿਦਾਨ, ਇਲਾਜ ਜਾਂ ਰੋਕਥਾਮ ਦੇ ਬਿਹਤਰ ਜਾਂ ਤੇਜ਼ ਤਰੀਕੇ ਪ੍ਰਦਾਨ ਕਰਕੇ ਮਨੁੱਖੀ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਪਾਰ ਕਰ ਸਕਦਾ ਹੈ ਜਾਂ ਵਧਾ ਸਕਦਾ ਹੈ।[18]

ਜਨਾਨਾ ਛਾਤੀਆਂ ਦੇ ਕੈੱਸਰ ਦਾ ਬਣਾਵਟੀ ਬੁੱਧੀ ਨਾਲ ਸ਼ੁਰੂਆਤੀ ਦੌਰ ਵਿੱਚ ਪਹਿਚਾਨ ਤੇ ਨਿਦਾਨ ਦਾ ਇੱਕ ਖੋਜ-ਪੱਤਰ ਹਵਾਲੇ ਵਿੱਚ ਹੈ।[19]

ਇਤਿਹਾਸ

[ਸੋਧੋ]
2024 ਵਿੱਚ, ਚੀਨ ਅਤੇ ਅਮਰੀਕਾ ਵਿੱਚ AI ਪੇਟੈਂਟ ਦੁਨੀਆ ਭਰ ਦੇ AI ਪੇਟੈਂਟਾਂ ਦੇ ਤਿੰਨ-ਚੌਥਾਈ ਤੋਂ ਵੱਧ ਸਨ।[20] ਹਾਲਾਂਕਿ ਚੀਨ ਕੋਲ ਜ਼ਿਆਦਾ ਏਆਈ ਪੇਟੈਂਟ ਸਨ, ਪਰ ਅਮਰੀਕਾ ਕੋਲ ਪ੍ਰਤੀ ਏਆਈ ਪੇਟੈਂਟ-ਬਿਨੈਕਾਰ ਕੰਪਨੀ ਚੀਨ ਨਾਲੋਂ 35% ਜ਼ਿਆਦਾ ਪੇਟੈਂਟ ਸਨ।[20]

ਮਕੈਨੀਕਲ ਜਾਂ "ਰਸਮੀ" ਤਰਕ ਦਾ ਅਧਿਐਨ ਪੁਰਾਤਨਤਾ ਵਿੱਚ ਦਾਰਸ਼ਨਿਕਾਂ ਅਤੇ ਗਣਿਤ ਵਿਗਿਆਨੀਆਂ ਨਾਲ ਸ਼ੁਰੂ ਹੋਇਆ ਸੀ। ਤਰਕ ਦਾ ਅਧਿਐਨ ਸਿੱਧੇ ਐਲਨ ਟਿਊਰਿੰਗ ਦੇ ਗਣਨਾ ਦੇ ਸਿਧਾਂਤ ਵੱਲ ਲੈ ਗਿਆ, ਜਿਸ ਨੇ ਸੁਝਾਅ ਦਿੱਤਾ ਕਿ ਇੱਕ ਮਸ਼ੀਨ, "0" ਅਤੇ "1" ਵਰਗੇ ਸਧਾਰਨ ਚਿੰਨ੍ਹਾਂ ਨੂੰ ਬਦਲ ਕੇ, ਗਣਿਤਿਕ ਤਰਕ ਦੇ ਕਿਸੇ ਵੀ ਕਲਪਨਾਯੋਗ ਰੂਪ ਦੀ ਨਕਲ ਕਰ ਸਕਦੀ ਹੈ।[21][22] ਇਸ ਨੇ, ਸਾਈਬਰਨੇਟਿਕਸ, ਸੂਚਨਾ ਸਿਧਾਂਤ ਅਤੇ ਨਿਊਰੋਬਾਇਓਲੋਜੀ ਵਿੱਚ ਸਮਕਾਲੀ ਖੋਜਾਂ ਦੇ ਨਾਲ, ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਇੱਕ "ਇਲੈਕਟ੍ਰਾਨਿਕ ਦਿਮਾਗ" ਬਣਾਉਣ ਦੀ ਸੰਭਾਵਨਾ 'ਤੇ ਵਿਚਾਰ ਕਰਨ ਲਈ ਪ੍ਰੇਰਿਤ ਕੀਤਾ। ਉਨ੍ਹਾਂ ਨੇ ਖੋਜ ਦੇ ਕਈ ਖੇਤਰ ਵਿਕਸਤ ਕੀਤੇ ਜੋ AI ਦਾ ਹਿੱਸਾ ਬਣਨਗੇ,[21][23]}} ਜਿਵੇਂ ਕਿ 1943 ਵਿੱਚ "ਨਕਲੀ ਨਿਊਰੋਨਸ" ਲਈ ਮੈਕਕੁਲੋਕ ਅਤੇ ਪਿਟਸ ਦਾ ਡਿਜ਼ਾਈਨ,[24] ਅਤੇ ਟਿਊਰਿੰਗ ਦਾ 1950 ਦਾ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਪੇਪਰ 'ਕੰਪਿਊਟਿੰਗ ਮਸ਼ੀਨਰੀ ਅਤੇ ਇੰਟੈਲੀਜੈਂਸ', ਜਿਸ ਨੇ ਟਿਊਰਿੰਗ ਟੈਸਟ ਪੇਸ਼ ਕੀਤਾ ਅਤੇ ਦਿਖਾਇਆ ਕਿ "ਮਸ਼ੀਨ ਇੰਟੈਲੀਜੈਂਸ" ਸੰਭਵ ਸੀ।[22]

ਏਆਈ ਖੋਜ ਦੇ ਖੇਤਰ ਦੀ ਸਥਾਪਨਾ 1956 ਵਿੱਚ ਡਾਰਟਮਾਊਥ ਕਾਲਜ ਵਿਖੇ ਇੱਕ ਵਰਕਸ਼ਾਪ ਵਿੱਚ ਕੀਤੀ ਗਈ ਸੀ।[25] 1960 ਦੇ ਦਹਾਕੇ ਵਿੱਚ ਹਾਜ਼ਰੀਨ ਏਆਈ ਖੋਜ ਦੇ ਆਗੂ ਬਣ ਗਏ।[24] ਉਨ੍ਹਾਂ ਅਤੇ ਉਨ੍ਹਾਂ ਦੇ ਵਿਦਿਆਰਥੀਆਂ ਨੇ ਅਜਿਹੇ ਪ੍ਰੋਗਰਾਮ ਤਿਆਰ ਕੀਤੇ ਜਿਨ੍ਹਾਂ ਨੂੰ ਪ੍ਰੈਸ ਨੇ "ਹੈਰਾਨੀਜਨਕ" ਦੱਸਿਆ: ਕੰਪਿਊਟਰ ਚੈਕਰ ਰਣਨੀਤੀਆਂ ਸਿੱਖ ਰਹੇ ਸਨ, ਅਲਜਬਰਾ ਵਿੱਚ ਸ਼ਬਦ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰ ਰਹੇ ਸਨ, ਲਾਜ਼ੀਕਲ ਥਿਊਰਮਾਂ ਨੂੰ ਸਾਬਤ ਕਰ ਰਹੇ ਸਨ ਅਤੇ ਅੰਗਰੇਜ਼ੀ ਬੋਲ ਰਹੇ ਸਨ।[lower-alpha 3][lower-alpha 4] 1950 ਦੇ ਅਖੀਰ ਅਤੇ 1960 ਦੇ ਦਹਾਕੇ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ ਕਈ ਬ੍ਰਿਟਿਸ਼ ਅਤੇ ਅਮਰੀਕੀ ਯੂਨੀਵਰਸਿਟੀਆਂ ਵਿੱਚ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਪ੍ਰਯੋਗਸ਼ਾਲਾਵਾਂ ਸਥਾਪਤ ਕੀਤੀਆਂ ਗਈਆਂ ਸਨ।

1960 ਅਤੇ 1970 ਦੇ ਦਹਾਕੇ ਵਿੱਚ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਯਕੀਨ ਸੀ ਕਿ ਉਨ੍ਹਾਂ ਦੇ ਤਰੀਕੇ ਅੰਤ ਵਿੱਚ ਆਮ ਬੁੱਧੀ ਨਾਲ ਇੱਕ ਮਸ਼ੀਨ ਬਣਾਉਣ ਵਿੱਚ ਸਫਲ ਹੋਣਗੇ ਅਤੇ ਇਸ ਨੂੰ ਆਪਣੇ ਖੇਤਰ ਦਾ ਟੀਚਾ ਮੰਨਦੇ ਸਨ।[28] 1965 ਵਿੱਚ ਹਰਬਰਟ ਸਾਈਮਨ ਨੇ ਭਵਿੱਖਬਾਣੀ ਕੀਤੀ ਸੀ, "ਮਸ਼ੀਨਾਂ ਵੀਹ ਸਾਲਾਂ ਦੇ ਅੰਦਰ, ਕੋਈ ਵੀ ਕੰਮ ਕਰਨ ਦੇ ਯੋਗ ਹੋ ਜਾਣਗੀਆਂ ਜੋ ਇੱਕ ਆਦਮੀ ਕਰ ਸਕਦਾ ਹੈ"।[29] 1967 ਵਿੱਚ ਮਾਰਵਿਨ ਮਿੰਸਕੀ ਸਹਿਮਤ ਹੋਏ, ਇਹ ਲਿਖਦੇ ਹੋਏ ਕਿ "ਇੱਕ ਪੀੜ੍ਹੀ ਦੇ ਅੰਦਰ ... 'ਨਕਲੀ ਬੁੱਧੀ' ਬਣਾਉਣ ਦੀ ਸਮੱਸਿਆ ਕਾਫ਼ੀ ਹੱਦ ਤੱਕ ਹੱਲ ਹੋ ਜਾਵੇਗੀ"।[30] ਹਾਲਾਂਕਿ, ਉਨ੍ਹਾਂ ਨੇ ਸਮੱਸਿਆ ਦੀ ਮੁਸ਼ਕਲ ਨੂੰ ਘੱਟ ਸਮਝਿਆ ਸੀ।[31]}} 1974 ਵਿੱਚ, ਸਰ ਜੇਮਜ਼ ਲਾਈਟਹਿਲ [370] ਦੀ ਆਲੋਚਨਾ ਅਤੇ ਅਮਰੀਕੀ ਕਾਂਗਰਸ ਵੱਲੋਂ ਵਧੇਰੇ ਉਤਪਾਦਕ ਪ੍ਰੋਜੈਕਟਾਂ ਨੂੰ ਫੰਡ ਦੇਣ ਲਈ ਚੱਲ ਰਹੇ ਦਬਾਅ ਦੇ ਜਵਾਬ ਵਿੱਚ ਖੋਜੀ ਖੋਜ ਨੂੰ ਘਟਾ ਦਿੱਤਾ।[32] ਮਿੰਸਕੀ ਅਤੇ ਪੇਪਰਟ ਦੀ ਕਿਤਾਬ ਪਰਸੈਪਟ੍ਰੋਨਸ ਨੂੰ ਇਹ ਸਾਬਤ ਕਰਨ ਵਜੋਂ ਸਮਝਿਆ ਗਿਆ ਕਿ ਨਕਲੀ ਤੰਤੂ ਨੈੱਟਵਰਕ ਅਸਲ-ਸੰਸਾਰ ਦੇ ਕੰਮਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਕਦੇ ਵੀ ਉਪਯੋਗੀ ਨਹੀਂ ਹੋਣਗੇ, ਇਸ ਤਰ੍ਹਾਂ ਪਹੁੰਚ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਬਦਨਾਮ ਕੀਤਾ ਗਿਆ।[22]

1980 ਦੇ ਦਹਾਕੇ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ, ਏਆਈ ਖੋਜ ਨੂੰ ਮਾਹਰ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਵਪਾਰਕ ਸਫਲਤਾ ਦੁਆਰਾ ਮੁੜ ਸੁਰਜੀਤ ਕੀਤਾ ਗਿਆ,[33] ਏਆਈ ਪ੍ਰੋਗਰਾਮ ਦਾ ਇੱਕ ਰੂਪ ਜੋ ਮਨੁੱਖੀ ਮਾਹਰਾਂ ਦੇ ਗਿਆਨ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਹੁਨਰਾਂ ਦੀ ਨਕਲ ਕਰਦਾ ਸੀ। 1985 ਤੱਕ, ਏਆਈ ਦਾ ਬਾਜ਼ਾਰ ਇੱਕ ਅਰਬ ਡਾਲਰ ਤੋਂ ਵੱਧ ਪਹੁੰਚ ਗਿਆ ਸੀ। ਉਸੇ ਸਮੇਂ, ਜਾਪਾਨ ਦੇ ਪੰਜਵੀਂ ਪੀੜ੍ਹੀ ਦੇ ਕੰਪਿਊਟਰ ਪ੍ਰੋਜੈਕਟ ਨੇ ਅਮਰੀਕਾ ਅਤੇ ਬ੍ਰਿਟਿਸ਼ ਸਰਕਾਰਾਂ ਨੂੰ ਅਕਾਦਮਿਕ ਖੋਜ ਲਈ ਫੰਡਿੰਗ ਬਹਾਲ ਕਰਨ ਲਈ ਪ੍ਰੇਰਿਤ ਕੀਤਾ।[34] ਹਾਲਾਂਕਿ, 1987 ਵਿੱਚ ਲਿਸਪ ਮਸ਼ੀਨ ਮਾਰਕੀਟ ਦੇ ਢਹਿ ਜਾਣ ਤੋਂ ਬਾਅਦ, AI ਇੱਕ ਵਾਰ ਫਿਰ ਬਦਨਾਮ ਹੋ ਗਿਆ, ਅਤੇ ਦੂਜੀ, ਲੰਬੇ ਸਮੇਂ ਤੱਕ ਚੱਲਣ ਵਾਲੀ ਸਰਦੀ ਸ਼ੁਰੂ ਹੋ ਗਈ।[35]

ਇਸ ਬਿੰਦੂ ਤੱਕ, ਏਆਈ ਦਾ ਜ਼ਿਆਦਾਤਰ ਫੰਡਿੰਗ ਉਹਨਾਂ ਪ੍ਰੋਜੈਕਟਾਂ ਨੂੰ ਗਿਆ ਸੀ ਜੋ ਯੋਜਨਾਵਾਂ, ਟੀਚਿਆਂ, ਵਿਸ਼ਵਾਸਾਂ ਅਤੇ ਜਾਣੇ-ਪਛਾਣੇ ਤੱਥਾਂ ਵਰਗੀਆਂ ਮਾਨਸਿਕ ਵਸਤੂਆਂ ਨੂੰ ਦਰਸਾਉਣ ਲਈ ਉੱਚ-ਪੱਧਰੀ ਚਿੰਨ੍ਹਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਸਨ। 1980 ਦੇ ਦਹਾਕੇ ਵਿੱਚ, ਕੁਝ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਸ਼ੱਕ ਹੋਣ ਲੱਗਾ ਕਿ ਇਹ ਪਹੁੰਚ ਮਨੁੱਖੀ ਬੋਧ ਦੀਆਂ ਸਾਰੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ, ਖਾਸ ਕਰਕੇ ਧਾਰਨਾ, ਰੋਬੋਟਿਕਸ, ਸਿੱਖਣ ਅਤੇ ਪੈਟਰਨ ਪਛਾਣ,[36] ਦੀ ਨਕਲ ਕਰਨ ਦੇ ਯੋਗ ਹੋਵੇਗੀ ਅਤੇ "ਉਪ-ਪ੍ਰਤੀਕ" ਪਹੁੰਚਾਂ ਦੀ ਜਾਂਚ ਕਰਨੀ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤੀ।[37] ਰੋਡਨੀ ਬਰੂਕਸ ਨੇ ਆਮ ਤੌਰ 'ਤੇ "ਪ੍ਰਤੀਨਿਧਤਾ" ਨੂੰ ਰੱਦ ਕਰ ਦਿੱਤਾ ਅਤੇ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਇੰਜੀਨੀਅਰਿੰਗ ਮਸ਼ੀਨਾਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕੀਤਾ ਜੋ ਚਲਦੀਆਂ ਅਤੇ ਬਚਦੀਆਂ ਹਨ। ਜੂਡੀਆ ਪਰਲ, ਲੋਤਫੀ ਜ਼ਾਦੇਹ, ਅਤੇ ਹੋਰਾਂ ਨੇ ਅਜਿਹੇ ਤਰੀਕੇ ਵਿਕਸਤ ਕੀਤੇ ਜੋ ਸਹੀ ਤਰਕ ਦੀ ਬਜਾਏ ਵਾਜਬ ਅਨੁਮਾਨ ਲਗਾ ਕੇ ਅਧੂਰੀ ਅਤੇ ਅਨਿਸ਼ਚਿਤ ਜਾਣਕਾਰੀ ਨੂੰ ਸੰਭਾਲਦੇ ਹਨ।[38][39][40] ਪਰ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਵਿਕਾਸ "ਕਨੈਕਸ਼ਨਿਜ਼ਮ" ਦਾ ਪੁਨਰ ਸੁਰਜੀਤੀ ਸੀ, ਜਿਸ ਵਿੱਚ ਜੈਫਰੀ ਹਿੰਟਨ ਅਤੇ ਹੋਰਾਂ ਦੁਆਰਾ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਖੋਜ ਸ਼ਾਮਲ ਸੀ।[41] 1990 ਵਿੱਚ, ਯੈਨ ਲੇਕਨ ਨੇ ਸਫਲਤਾਪੂਰਵਕ ਦਿਖਾਇਆ ਕਿ ਕਨਵੋਲਿਊਸ਼ਨਲ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਹੱਥ ਲਿਖਤ ਅੰਕਾਂ ਨੂੰ ਪਛਾਣ ਸਕਦੇ ਹਨ, ਜੋ ਕਿ ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ ਦੇ ਬਹੁਤ ਸਾਰੇ ਸਫਲ ਉਪਯੋਗਾਂ ਵਿੱਚੋਂ ਪਹਿਲਾ ਸੀ।[42]

ਇਹ ਵੀ ਵੇਖੋ

[ਸੋਧੋ]

ਹਵਾਲੇ

[ਸੋਧੋ]
  1. ↑ McCarthy's definition of AI:
  2. ↑ AI set to exceed human brain power Archived 19 February 2008 at the Wayback Machine. CNN.com (26 July 2006)
  3. ↑ Kaplan, Andreas; Haenlein, Michael (2019). "Siri, Siri, in my hand: Who's the fairest in the land? On the interpretations, illustrations, and implications of artificial intelligence". Business Horizons. 62: 15–25. doi:10.1016/j.bushor.2018.08.004. ISSN 0007-6813. S2CID 158433736. [the question of the source is a pastiche of: Snow White]
  4. ↑ Russell & Norvig (2021, §1.2).
  5. ↑ "Tech companies want to build artificial general intelligence. But who decides when AGI is attained?". AP News (in ਅੰਗਰੇਜ਼ੀ). 4 April 2024. Retrieved 20 May 2025.
  6. ↑ https://st.llnl.gov/news/look-back/birth-artificial-intelligence-ai-research
  7. ↑ https://st.llnl.gov/news/look-back/birth-artificial-intelligence-ai-research
  8. ↑ https://medium.com/@kaveh.kamali/the-revolution-of-deep-learning-in-2012-a-paradigm-shift-in-artificial-intelligence-d4fdbfa87a42
  9. ↑ Toews 2023.
  10. ↑ "Explained: Generative AI". MIT News | Massachusetts Institute of Technology (in ਅੰਗਰੇਜ਼ੀ). 2023-11-09. Retrieved 2025-02-03.
  11. ↑ "AI Writing and Content Creation Tools". MIT Sloan Teaching & Learning Technologies (in ਅੰਗਰੇਜ਼ੀ (ਅਮਰੀਕੀ)). Retrieved 2025-02-03.
  12. ↑ "ਬੀ ਬੀ ਸੀ ਦਾ ਟੈਕਨੋਲੋਜੀ ਦੀ ਵਰਤੋਂ ਬਾਰੇ ਲੇਖ". bbc.com. Retrieved 3 Feb 2025.
  13. ↑ Roy, Deepjyoti; Dutta, Mala (2022-05-03). "A systematic review and research perspective on recommender systems". Journal of Big Data. 9 (1): 59. doi:10.1186/s40537-022-00592-5. ISSN 2196-1115.{{cite journal}}: CS1 maint: unflagged free DOI (link)
  14. ↑ Ortiz, B. V.; Balkcom, K. B.; Duzy, L.; van Santen, E.; Hartzog, D. L. (2013-08-01). "Evaluation of agronomic and economic benefits of using RTK-GPS-based auto-steer guidance systems for peanut digging operations". Precision Agriculture. 14: 357–375. doi:10.1007/s11119-012-9297-y.
  15. ↑ Liundi, Nicholas; Darma, Aditya Wirya; Gunarso, Rivaldi; Warnars, Harco Leslie Hendric Spits (2019-11). "Improving Rice Productivity in Indonesia with Artificial Intelligence". 2019 7th International Conference on Cyber and IT Service Management (CITSM). 7: 1–5. doi:10.1109/CITSM47753.2019.8965385. {{cite journal}}: Check date values in: |date= (help)
  16. ↑ "Population, Poverty, Production, Food Security, Food Sovereignty, Biotechnology and Sustainable Development: Challenges for the XXI Century | Bulletin of University of Agricultural Sciences and Veterinary Medicine Cluj-Napoca. Veterinary Medicine" (in ਅੰਗਰੇਜ਼ੀ (ਅਮਰੀਕੀ)). {{cite journal}}: Cite journal requires |journal= (help)
  17. ↑ Talaviya, Tanha; Shah, Dhara; Patel, Nivedita; Yagnik, Hiteshri; Shah, Manan (2020-01-01). "Implementation of artificial intelligence in agriculture for optimisation of irrigation and application of pesticides and herbicides". Artificial Intelligence in Agriculture. 4: 58–73. doi:10.1016/j.aiia.2020.04.002. ISSN 2589-7217.
  18. ↑ Lua error in ਮੌਡਿਊਲ:Citation/CS1/Utilities at line 206: Called with an undefined error condition: maint_page_art_num.
  19. ↑ Houssami, Nehmat; Kirkpatrick-Jones, Georgia; Noguchi, Naomi; Lee, Christoph I. (2019-05-04). "Artificial Intelligence (AI) for the early detection of breast cancer: a scoping review to assess AI's potential in breast screening practice". Expert Review of Medical Devices. 16 (5): 351–362. doi:10.1080/17434440.2019.1610387. ISSN 1743-4440. PMID 30999781.
  20. ↑ 20.0 20.1 Buntz, Brian (3 November 2024). "Quality vs. quantity: US and China chart different paths in global AI patent race in 2024 / Geographical breakdown of AI patents in 2024". R&D World. Archived from the original on 9 December 2024.
  21. ↑ 21.0 21.1 Russell & Norvig 2021, p. 9.
  22. ↑ 22.0 22.1 22.2 Copeland, J., ed. (2004). The Essential Turing: the ideas that gave birth to the computer age. Oxford, England: Clarendon Press. ISBN 0-1982-5079-7.
  23. ↑ "Google books ngram". Archived from the original on 5 October 2024. Retrieved 5 October 2024.
  24. ↑ 24.0 24.1 Russell & Norvig 2021, p. 17.
  25. ↑ Crevier 1993, pp. 47–49.
  26. ↑ Russell & Norvig 2003, p. 17.
  27. ↑ Russell & Norvig 2003, p. 18.
  28. ↑ Newquist 1994, pp. 86–86.
  29. ↑ Simon (1965, p. 96) quoted in Crevier (1993, p. 109)
  30. ↑ Minsky (1967, p. 2) quoted in Crevier (1993, p. 109)
  31. ↑ Russell & Norvig 2021, p. 21.
  32. ↑ Successful programs of the 1960s: McCorduck (2004, pp. 243–252), Crevier (1993, pp. 52–107), Moravec (1988, p. 9), Russell & Norvig (2021, pp. 19–21)
  33. ↑ Expert systems: Russell & Norvig (2021, pp. 23, 292), Luger & Stubblefield (2004, pp. 227–331), Nilsson (1998, chpt. 17.4), McCorduck (2004, pp. 327–335, 434–435), Crevier (1993, pp. 145–162, 197–203), Newquist (1994, pp. 155–183)
  34. ↑ Funding initiatives in the early 1980s: Fifth Generation Project (Japan), Alvey (UK), Microelectronics and Computer Technology Corporation (US), Strategic Computing Initiative (US): McCorduck (2004, pp. 426–441), Crevier (1993, pp. 161–162, 197–203, 211, 240), Russell & Norvig (2021, p. 23), NRC (1999, pp. 210–211), Newquist (1994, pp. 235–248)
  35. ↑ First AI Winter, Lighthill report, Mansfield Amendment: Crevier (1993, pp. 115–117), Russell & Norvig (2021, pp. 21–22), NRC (1999, pp. 212–213), Howe (1994), Newquist (1994, pp. 189–201)
  36. ↑ Russell & Norvig 2021, p. 24.
  37. ↑ Nilsson 1998, p. 7.
  38. ↑ Developmental robotics: Weng et al. (2001), Lungarella et al. (2003), Asada et al. (2009), Oudeyer (2010)
  39. ↑ ਹਵਾਲੇ ਵਿੱਚ ਗ਼ਲਤੀ:Invalid <ref> tag; no text was provided for refs named Stoch
  40. ↑ Russell & Norvig 2021, p. 25.
  41. ↑ Crevier (1993, pp. 214–215), Russell & Norvig (2021, pp. 24, 26)
  42. ↑ Russell & Norvig 2021, p. 26.


ਹਵਾਲੇ ਵਿੱਚ ਗ਼ਲਤੀ:<ref> tags exist for a group named "lower-alpha", but no corresponding <references group="lower-alpha"/> tag was found

"https://pa.wikipedia.org/w/index.php?title=ਬਣਾਵਟੀ_ਬੁੱਧੀ&oldid=828071" ਤੋਂ ਲਿਆ