ਸਮਾਰਟਫ਼ੋਨਾਂ 'ਤੇ ਆਟੋਕੰਪਲੀਟ ਸੁਵਿਧਾਜਨਕ ਹੈ, ਪਰ ਕਈ ਵਾਰ ਇਹ ਅਣਚਾਹੇ ਗਲਤੀਆਂ ਦਾ ਕਾਰਨ ਬਣਦਾ ਹੈ। ਆਓ ਦੇਖੀਏ ਕਿ AI ਆਟੋਕੰਪਲੀਟ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ ਅਤੇ ਇਸ ਦੀਆਂ ਸੀਮਾਵਾਂ ਕੀ ਹਨ।
ਜੇਕਰ ਤੁਸੀਂ ਕਦੇ ਸਮਾਰਟਫੋਨ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਹੈ, ਤਾਂ ਤੁਸੀਂ ਸ਼ਾਇਦ ਆਟੋਕੰਪਲੀਟ ਤੋਂ ਨਿਰਾਸ਼ ਹੋਏ ਹੋਵੋਗੇ। ਆਟੋਕੰਪਲੀਟ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਦੀ ਇੱਕ ਸ਼ਾਖਾ ਹੈ ਜੋ ਲੋਕਾਂ ਦੇ ਜੀਵਨ ਨੂੰ ਆਸਾਨ ਬਣਾਉਣ ਲਈ ਤਿਆਰ ਕੀਤੀ ਗਈ ਹੈ, ਤਾਂ ਅਸੀਂ ਇਸਨੂੰ ਨਿਰਾਸ਼ਾਜਨਕ ਕਿਉਂ ਸਮਝਦੇ ਹਾਂ? ਆਟੋਕੰਪਲੀਟ ਦੀ ਅਸੁਵਿਧਾ ਸਾਨੂੰ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੀ ਅਸਲੀਅਤ ਦੀ ਯਾਦ ਦਿਵਾਉਂਦੀ ਹੈ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਨੂੰ ਪਹਿਲੀ ਵਾਰ 1956 ਵਿੱਚ ਜੌਨ ਮੈਕਕਾਰਥੀ ਦੁਆਰਾ ਪ੍ਰਸਤਾਵਿਤ ਕੀਤਾ ਗਿਆ ਸੀ।
ਇਹ ਕੰਪਿਊਟਰ ਪ੍ਰੋਗਰਾਮਾਂ ਦੀ ਮਨੁੱਖਾਂ ਵਾਂਗ ਸਿੱਖਣ ਅਤੇ ਤਰਕ ਕਰਨ ਦੀ ਯੋਗਤਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਸਭ ਤੋਂ ਕੀਮਤੀ ਹੁੰਦੀ ਹੈ ਜਦੋਂ ਇਸਨੂੰ ਹੋਰ ਵਿਗਿਆਨਕ ਅਤੇ ਸਮਾਜਿਕ ਖੇਤਰਾਂ ਵਿੱਚ ਲਾਗੂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। AlphaGo, ਜਿਸ ਨੇ ਪਿਛਲੇ ਸਾਲ ਵਿਸ਼ਵਵਿਆਪੀ ਧਿਆਨ ਖਿੱਚਿਆ, Go 'ਤੇ ਲਾਗੂ ਕੀਤੀ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਇੱਕ ਉਦਾਹਰਣ ਹੈ। ਇਹਨਾਂ ਅਤਿ-ਆਧੁਨਿਕ ਖੇਡਾਂ ਤੋਂ ਇਲਾਵਾ, AI ਸਿਹਤ ਸੰਭਾਲ, ਵਿੱਤ, ਆਵਾਜਾਈ ਅਤੇ ਹੋਰ ਬਹੁਤ ਕੁਝ ਵਰਗੇ ਉਦਯੋਗਾਂ ਨੂੰ ਵੀ ਬਦਲ ਰਿਹਾ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਹੈਲਥਕੇਅਰ ਵਿੱਚ, ਮਰੀਜ਼ਾਂ ਲਈ ਨਿਦਾਨ ਅਤੇ ਇਲਾਜ ਦੀ ਯੋਜਨਾ ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ ਏਆਈ ਪ੍ਰਣਾਲੀਆਂ ਵਿਕਸਿਤ ਕੀਤੀਆਂ ਜਾ ਰਹੀਆਂ ਹਨ, ਅਤੇ ਵਿੱਤ ਵਿੱਚ, ਐਲਗੋਰਿਦਮ ਦੀ ਵਰਤੋਂ ਮਾਰਕੀਟ ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਅਤੇ ਨਿਵੇਸ਼ ਰਣਨੀਤੀਆਂ ਦਾ ਸੁਝਾਅ ਦੇਣ ਲਈ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ।
ਵਾਸਤਵ ਵਿੱਚ, AI ਬਹੁਤ ਸਾਰੇ ਵੱਖ-ਵੱਖ ਖੇਤਰਾਂ ਵਿੱਚ ਮੌਜੂਦ ਹੈ ਅਤੇ ਖੁਫੀਆ ਜਾਣਕਾਰੀ ਦੀਆਂ ਵੱਖ-ਵੱਖ ਡਿਗਰੀਆਂ ਹਨ। ਇਸ ਲਈ, AI ਨੂੰ ਦੋ ਕਿਸਮਾਂ ਵਿੱਚ ਸ਼੍ਰੇਣੀਬੱਧ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ: ਮਜ਼ਬੂਤ AI ਅਤੇ ਕਮਜ਼ੋਰ AI। ਮਜ਼ਬੂਤ AI ਉਹ AI ਹੈ ਜੋ ਅਸਲ ਵਿੱਚ ਸੋਚ ਸਕਦਾ ਹੈ ਅਤੇ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰ ਸਕਦਾ ਹੈ। ਕਮਜ਼ੋਰ ਨਕਲੀ ਬੁੱਧੀ ਉਦੋਂ ਹੁੰਦੀ ਹੈ ਜਦੋਂ ਸਿਸਟਮ ਵਿੱਚ ਭਾਵਨਾ ਨਹੀਂ ਹੁੰਦੀ, ਪਰ ਇਹ ਭਾਵਨਾ ਦੀ ਨਕਲ ਕਰਦੀ ਹੈ। ਤੁਸੀਂ AI ਬਾਰੇ ਸੋਚ ਸਕਦੇ ਹੋ ਜੋ ਮਨੁੱਖਾਂ ਨਾਲ ਕੁਦਰਤੀ ਤੌਰ 'ਤੇ ਮਜ਼ਬੂਤ AI ਦੇ ਰੂਪ ਵਿੱਚ ਗੱਲ ਕਰ ਸਕਦਾ ਹੈ, ਅਤੇ AI ਜੋ ਸਿਰਫ ਕਮਜ਼ੋਰ AI ਦੇ ਰੂਪ ਵਿੱਚ ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰ ਸਕਦਾ ਹੈ। ਫਿਲਮ "ਆਇਰਨ ਮੈਨ" ਵਿੱਚ, ਟੋਨੀ ਸਟਾਰਕ ਦਾ ਸਹਾਇਕ ਜਾਰਵਿਸ ਇੱਕ ਮਜ਼ਬੂਤ AI ਹੈ, ਜਦੋਂ ਕਿ AI ਜਿਵੇਂ ਕਿ ਸਮਾਰਟਫ਼ੋਨ 'ਤੇ ਆਟੋਕੰਪਲੀਟ ਇੱਕ ਕਮਜ਼ੋਰ AI ਹੈ।
ਤਾਂ ਉਹ ਕੀ ਹੈ ਜੋ AI ਨੂੰ ਇੱਕ ਵਿਲੱਖਣ ਤਕਨਾਲੋਜੀ ਬਣਾਉਂਦਾ ਹੈ? ਇਹ ਮਸ਼ੀਨ ਲਰਨਿੰਗ, ਜਾਂ 'ਮਸ਼ੀਨ ਲਰਨਿੰਗ' ਹੈ। ਮਸ਼ੀਨ ਲਰਨਿੰਗ "ਐਲਗੋਰਿਦਮ ਅਤੇ ਤਕਨੀਕਾਂ ਵਿਕਸਤ ਕਰਨ ਦਾ ਖੇਤਰ ਹੈ ਜੋ ਕੰਪਿਊਟਰਾਂ ਨੂੰ ਸਿੱਖਣ ਦੇ ਯੋਗ ਬਣਾਉਂਦੇ ਹਨ।" 1959 ਵਿੱਚ, ਆਰਥਰ ਸੈਮੂਅਲ ਨੇ ਸਭ ਤੋਂ ਪਹਿਲਾਂ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਨੂੰ "ਅਧਿਐਨ ਦੇ ਖੇਤਰ ਵਜੋਂ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਜੋ ਐਲਗੋਰਿਦਮ ਵਿਕਸਤ ਕਰਦਾ ਹੈ ਜੋ ਮਸ਼ੀਨਾਂ ਨੂੰ ਡੇਟਾ ਤੋਂ ਸਿੱਖਣ ਅਤੇ ਕੋਡ ਵਿੱਚ ਨਿਰਧਾਰਤ ਨਾ ਕੀਤੇ ਗਏ ਵਿਵਹਾਰਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ।" ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਸਿਖਲਾਈ ਡੇਟਾ ਤੋਂ ਸਿੱਖੀਆਂ ਗਈਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੇ ਅਧਾਰ ਤੇ ਭਵਿੱਖਬਾਣੀਆਂ ਕਰਨ 'ਤੇ ਕੇਂਦ੍ਰਤ ਕਰਦੀ ਹੈ।
ਮੌਜੂਦਾ ਵਪਾਰਕ AI ਵਿੱਚ, ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਮੁੱਖ ਤੌਰ 'ਤੇ ਪੈਟਰਨ ਮੈਚਿੰਗ ਨਾਮਕ ਇੱਕ ਵਿਧੀ ਦੁਆਰਾ ਪੂਰੀ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਪੈਟਰਨ ਮੈਚਿੰਗ ਇੱਕ ਤਰੀਕਾ ਹੈ ਇਹ ਪਤਾ ਲਗਾਉਣ ਦਾ ਕਿ ਤੁਸੀਂ ਪਹਿਲਾਂ ਹੀ ਕਿਸੇ ਸਮੱਸਿਆ ਬਾਰੇ ਕੀ ਜਾਣਦੇ ਹੋ ਅਤੇ ਫਿਰ ਇੱਕ ਜਾਣਿਆ-ਪਛਾਣਿਆ ਹੱਲ ਅਜ਼ਮਾਉਂਦੇ ਹੋ। ਤੁਹਾਡੇ ਸਮਾਰਟਫੋਨ ਦੀ ਆਟੋਕੰਪਲੀਟ ਵਿਸ਼ੇਸ਼ਤਾ ਪੈਟਰਨ ਮੈਚਿੰਗ ਦੀ ਇੱਕ ਉਦਾਹਰਣ ਹੈ। ਇਹ ਟਾਈਪ ਕੀਤੇ ਜਾ ਰਹੇ ਅੱਖਰਾਂ ਬਾਰੇ ਸਿੱਖਦਾ ਹੈ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਸੰਬੰਧਿਤ ਟੈਕਸਟ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਇਸ ਤਕਨਾਲੋਜੀ ਦੀਆਂ ਆਪਣੀਆਂ ਸੀਮਾਵਾਂ ਹਨ। ਬਹੁਤ ਸਾਰੇ ਲੋਕ ਆਪਣੇ ਸਮਾਰਟਫੋਨ 'ਤੇ ਪੈਟਰਨ ਮੈਚਿੰਗ ਦੀ ਵਰਤੋਂ ਵਿਆਕਰਣ ਦੀਆਂ ਗਲਤੀਆਂ ਨੂੰ ਠੀਕ ਕਰਨ ਲਈ ਕਰਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ ਉੱਪਰਲੇ ਸਟ੍ਰੋਫ ਨੂੰ ਛੱਡਣਾ, ਜਾਂ ਅਣਜਾਣੇ ਸ਼ਬਦਾਂ ਨੂੰ ਆਟੋਕੰਪਲੀਟ ਕਰਨਾ।
ਪੈਟਰਨ ਮੈਚਿੰਗ ਦਾ ਇੱਕ ਹੋਰ ਉਦਾਹਰਨ ਫੇਸਬੁੱਕ ਦੀ ਸਮੱਗਰੀ ਸਿਫ਼ਾਰਸ਼ਾਂ ਹੈ। ਜੇਕਰ ਤੁਸੀਂ ਕਦੇ Facebook 'ਤੇ ਗਏ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਸ਼ਾਇਦ ਦੇਖਿਆ ਹੋਵੇਗਾ ਕਿ ਤੁਹਾਡੀ ਨਿਊਜ਼ਫੀਡ ਵਿੱਚ ਵੀਡੀਓ ਦੇਖਣ ਤੋਂ ਬਾਅਦ, ਵੀਡੀਓ ਦੇ ਹੇਠਾਂ ਹੋਰ ਵੀਡੀਓ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਹਾਲਾਂਕਿ, ਇਹ ਉਦਾਹਰਨ ਪੈਟਰਨ ਮੈਚਿੰਗ ਦੀਆਂ ਸੀਮਾਵਾਂ ਨੂੰ ਵੀ ਦਰਸਾਉਂਦੀ ਹੈ। ਸਮੱਗਰੀ ਦੀ ਸਿਫ਼ਾਰਿਸ਼ ਕਰਦੇ ਸਮੇਂ, ਇਹ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਉਹੀ ਕੰਮ ਕਰਦਾ ਰਹਿੰਦਾ ਹੈ। ਤੁਸੀਂ ਨਹੀਂ ਜਾਣਦੇ ਕਿ ਉਪਭੋਗਤਾ ਤੁਹਾਡੀਆਂ ਸਿਫ਼ਾਰਸ਼ਾਂ 'ਤੇ ਕਿਵੇਂ ਪ੍ਰਤੀਕਿਰਿਆ ਕਰਦੇ ਹਨ, ਅਤੇ ਤੁਹਾਨੂੰ ਜ਼ਿਆਦਾ ਫੀਡਬੈਕ ਨਹੀਂ ਮਿਲਦਾ ਹੈ।
ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਪੈਟਰਨ ਮਾਨਤਾ ਪੈਟਰਨ ਮੈਚਿੰਗ ਦੀਆਂ ਸੀਮਾਵਾਂ ਨੂੰ ਦੂਰ ਕਰਨ ਲਈ ਆਉਂਦੀ ਹੈ। ਪੈਟਰਨ ਪਛਾਣ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਸੌਫਟਵੇਅਰ ਉਪਭੋਗਤਾ ਵਿਵਹਾਰ ਦੀ ਨਿਗਰਾਨੀ ਕਰਕੇ ਨਵੇਂ ਪੈਟਰਨਾਂ ਦਾ ਪਤਾ ਲਗਾਉਂਦਾ ਹੈ। ਜਦੋਂ ਕਿ ਪੈਟਰਨ ਮੇਲ ਇੱਕ ਵਾਰ ਵਿੱਚ ਸਾਰੇ ਉਪਭੋਗਤਾਵਾਂ 'ਤੇ ਲਾਗੂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਪੈਟਰਨ ਮਾਨਤਾ ਉਪਭੋਗਤਾ-ਦਰ-ਉਪਭੋਗਤਾ ਦੇ ਅਧਾਰ 'ਤੇ ਪੈਟਰਨਾਂ ਦੀ ਪਛਾਣ ਅਤੇ ਸੁਧਾਰ ਕਰਦੀ ਹੈ। ਮੌਜੂਦਾ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਆਟੋਮੈਟਿਕ ਡਾਕ ਮੇਲ ਪਛਾਣ ਅਤੇ ਆਟੋਮੈਟਿਕ ਫਿੰਗਰਪ੍ਰਿੰਟ ਪਛਾਣ ਸ਼ਾਮਲ ਹੈ। ਕੁਝ ਸਮਾਰਟਫ਼ੋਨਾਂ ਵਿੱਚ ਪਹਿਲਾਂ ਹੀ ਇੱਕ ਉਪਭੋਗਤਾ-ਵਿਸ਼ੇਸ਼ ਆਟੋਕੰਪਲੀਟ ਵਿਸ਼ੇਸ਼ਤਾ ਹੈ। ਇਹ ਤੁਹਾਡੇ ਦੁਆਰਾ ਟਾਈਪ ਕੀਤੇ ਅੱਖਰਾਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਇਕੱਠੀ ਕਰਦਾ ਹੈ ਅਤੇ ਅੱਗੇ ਕੀ ਆਉਂਦਾ ਹੈ ਇਸਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ। ਰਵਾਇਤੀ ਪੈਟਰਨ ਮੈਚਿੰਗ ਦੇ ਉਲਟ, ਆਟੋਕੰਪਲੀਟ ਉਪਭੋਗਤਾ-ਵਿਸ਼ੇਸ਼ ਹੈ, ਜੋ ਇਸਨੂੰ ਸਾਡੇ ਲਈ ਥੋੜਾ ਹੋਰ ਸੁਵਿਧਾਜਨਕ ਬਣਾਉਂਦਾ ਹੈ।
ਜਿਵੇਂ ਪੈਟਰਨ ਮੈਚਿੰਗ ਨੇ ਪੈਟਰਨ ਪਛਾਣ ਨੂੰ ਰਾਹ ਦਿੱਤਾ, ਉਸੇ ਤਰ੍ਹਾਂ ਸਿਸਟਮ ਵਿੱਚ ਵੀ ਸੁਧਾਰ ਹੁੰਦਾ ਰਹਿੰਦਾ ਹੈ, ਪਰ ਇਸ ਪਾੜੇ ਨੂੰ ਪਾਰ ਕਰਨ ਵਿੱਚ ਕਾਫ਼ੀ ਸਮਾਂ ਲੱਗਦਾ ਹੈ। ਇਹ ਅਜੇ ਵੀ ਗੁੰਝਲਦਾਰ ਵਾਕਾਂਸ਼ਾਂ ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਸੰਘਰਸ਼ ਕਰਦਾ ਹੈ, ਅਤੇ ਬੋਲੀ ਪਛਾਣ ਦੇ ਮਾਮਲੇ ਵਿੱਚ, ਇਹ ਵੱਖ-ਵੱਖ ਲਹਿਜ਼ੇ ਅਤੇ ਉਚਾਰਨਾਂ ਨੂੰ ਪਛਾਣਨ ਵਿੱਚ ਅਸਫਲ ਰਹਿੰਦਾ ਹੈ। ਇਹ ਮੁੱਦੇ ਸਿਰਫ਼ ਉਦੋਂ ਹੀ ਬਿਹਤਰ ਹੋਣਗੇ ਜਦੋਂ ਹੋਰ ਡੇਟਾ ਇਕੱਠਾ ਕੀਤਾ ਜਾਵੇਗਾ। ਹੁਣ ਲਈ, ਸਾਡੀਆਂ ਜ਼ਿਆਦਾਤਰ ਅਸਲ-ਜੀਵਨ ਦੀਆਂ ਸਥਿਤੀਆਂ ਕਮਜ਼ੋਰ AI ਹਨ, ਅਤੇ ਮਜ਼ਬੂਤ AI 'ਤੇ ਖੋਜ ਜਾਰੀ ਹੈ। AI ਅਚਾਨਕ ਸਭ ਤੋਂ ਵੱਧ ਪ੍ਰਸਿੱਧ ਹੈ, ਪਰ ਇਸਦੀ ਤਰੱਕੀ ਸਾਡੇ ਸੋਚਣ ਨਾਲੋਂ ਹੌਲੀ ਹੋ ਸਕਦੀ ਹੈ।
ਇਹ ਤਕਨੀਕੀ ਤਰੱਕੀ ਸਿਰਫ਼ ਇੱਕ ਤਕਨੀਕੀ ਸਫਲਤਾ ਤੋਂ ਵੱਧ ਹੈ; ਇਹ ਆਪਣੇ ਨਾਲ ਸਮਾਜਿਕ ਅਤੇ ਨੈਤਿਕ ਮੁੱਦੇ ਵੀ ਲਿਆਉਂਦੀ ਹੈ। AI ਦੇ ਕਿਰਤ ਬਾਜ਼ਾਰ ਵਿੱਚ ਵਿਘਨ ਪਾਉਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਹੌਲੀ-ਹੌਲੀ ਮਨੁੱਖੀ ਨੌਕਰੀਆਂ ਦੀ ਥਾਂ ਲੈਂਦਾ ਹੈ, ਅਤੇ ਸਾਨੂੰ ਇਹਨਾਂ ਤਕਨੀਕੀ ਤਰੱਕੀਆਂ ਦੇ ਸਮਾਜਿਕ ਪ੍ਰਭਾਵਾਂ 'ਤੇ ਵਿਚਾਰ ਕਰਨ ਅਤੇ ਉਨ੍ਹਾਂ ਲਈ ਤਿਆਰੀ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਭਵਿੱਖ ਲਈ ਤਿਆਰੀ ਕਰਨਾ ਮਹੱਤਵਪੂਰਨ ਹੈ ਅਤੇ AI ਸਾਡੀ ਜ਼ਿੰਦਗੀ ਨੂੰ ਕਿਵੇਂ ਬਦਲੇਗਾ।
