ਜਦੋਂ ਬੁੱਧੀ ਇੱਕ ਵਸਤੂ ਬਣ ਜਾਂਦੀ ਹੈ: ਕਲਾਉਡ ਸੋਨੇਟ 4.6 ਅਤੇ AI ਉਦਯੋਗ ਵਿੱਚ ਕੁਸ਼ਲਤਾ ਦਾ ਮੋੜ

ਐਂਥਰੋਪਿਕ ਨੇ ਦੋ ਹਫ਼ਤਿਆਂ ਵਿੱਚ ਦੂਜਾ ਵੱਡਾ ਅਪਡੇਟ ਜਾਰੀ ਕੀਤਾ ਹੈ। ਕਲਾਉਡ ਸੋਨੇਟ 4.6 ਦਾ ਜਾਰੀ ਹੋਣਾ ਸਿਰਫ਼ ਇੱਕ ਸੰਸਕਰਣ ਦਾ ਦੁਹਰਾਓ ਨਹੀਂ ਹੈ, ਸਗੋਂ AI ਉਦਯੋਗ ਦੇ ਮੁਕਾਬਲੇਬਾਜ਼ੀ ਤਰਕ ਵਿੱਚ ਤਬਦੀਲੀ ਦਾ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਘਟਨਾਕ੍ਰਮ ਹੈ।

ਪ੍ਰਦਰਸ਼ਨ ਮੁਕਾਬਲੇ ਤੋਂ ਕੁਸ਼ਲਤਾ ਮੁਕਾਬਲੇ ਤੱਕ

ਪਿਛਲੇ ਦੋ ਸਾਲਾਂ ਵਿੱਚ, AI ਉਦਯੋਗ ਦੀ ਮੁੱਖ ਕਹਾਣੀ "ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ ਸਫਲਤਾ" ਰਹੀ ਹੈ। ਕੌਣ ਸਭ ਤੋਂ ਹੁਸ਼ਿਆਰ ਮਾਡਲ ਬਣਾ ਸਕਦਾ ਹੈ? ਕੌਣ ਬੈਂਚਮਾਰਕ ਟੈਸਟਾਂ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਸਕੋਰ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦਾ ਹੈ? GPT-4 ਨੇ ਇੱਕ ਸਾਲ ਲਈ ਅਗਵਾਈ ਕੀਤੀ, ਅਤੇ ਫਿਰ ਹਰ ਕਿਸੇ ਨੇ ਇਸਦਾ ਪਿੱਛਾ ਕੀਤਾ। ਕਲਾਉਡ ਓਪਸ, ਜੇਮਿਨੀ ਅਲਟਰਾ, GPT-5 ਇੱਕ ਤੋਂ ਬਾਅਦ ਇੱਕ ਆਏ, ਅਤੇ ਪ੍ਰਦਰਸ਼ਨ ਕਰਵ ਤੇਜ਼ੀ ਨਾਲ ਉੱਪਰ ਵੱਲ ਵਧਿਆ।

ਪਰ ਸੋਨੇਟ 4.6 ਦੇ ਜਾਰੀ ਹੋਣ ਨੇ ਇੱਕ ਵੱਖਰੀ ਰਣਨੀਤਕ ਦਿਸ਼ਾ ਦਾ ਖੁਲਾਸਾ ਕੀਤਾ: ਜਦੋਂ ਮਾਡਲ ਪ੍ਰਦਰਸ਼ਨ ਇੱਕੋ ਜਿਹਾ ਹੋ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਲਾਗਤ ਮੁਕਾਬਲੇ ਦਾ ਕੇਂਦਰ ਬਣ ਜਾਂਦੀ ਹੈ।

ਇਹ ਸਿਰਫ਼ ਇੱਕ ਕੀਮਤ ਨਿਰਧਾਰਨ ਰਣਨੀਤੀ ਨਹੀਂ ਹੈ, ਸਗੋਂ ਉਦਯੋਗ ਦੀ ਪਰਿਪੱਕਤਾ ਦਾ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਸੰਕੇਤ ਹੈ। ਜਦੋਂ ਕੋਈ ਤਕਨਾਲੋਜੀ "ਮੋਹਰੀ" ਤੋਂ "ਬੁਨਿਆਦੀ ਢਾਂਚਾ" ਬਣ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਕੁਸ਼ਲਤਾ ਪ੍ਰਦਰਸ਼ਨ ਦੀ ਥਾਂ ਮੁੱਖ ਮੁਕਾਬਲੇਬਾਜ਼ੀ ਮਾਪਦੰਡ ਬਣ ਜਾਂਦੀ ਹੈ। ਕਲਾਉਡ ਕੰਪਿਊਟਿੰਗ ਇਸ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚੋਂ ਗੁਜ਼ਰ ਚੁੱਕੀ ਹੈ, ਮੋਬਾਈਲ ਚਿੱਪਾਂ ਇਸ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚੋਂ ਗੁਜ਼ਰ ਚੁੱਕੀਆਂ ਹਨ, ਅਤੇ ਹੁਣ AI ਮਾਡਲਾਂ ਦੀ ਵਾਰੀ ਹੈ।

ਸੋਨੇਟ 4.6 "ਓਪਸ ਦੇ ਨੇੜੇ ਦੀ ਬੁੱਧੀ" ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਪਰ ਲਾਗਤ 50% ਘੱਟ ਹੈ। ਇਹ ਸਿਰਫ਼ ਇੱਕ ਸਧਾਰਨ ਕੀਮਤ ਵਿੱਚ ਕਟੌਤੀ ਦੀ ਤਰੱਕੀ ਨਹੀਂ ਹੈ, ਸਗੋਂ ਮਾਰਕੀਟ ਢਾਂਚੇ ਦੀ ਮੁੜ ਪਰਿਭਾਸ਼ਾ ਹੈ।

ਟਰਮੀਨਲ ਇੱਕ IDE ਹੈ: ਡਿਵੈਲਪਰ ਵਰਕਫਲੋ ਵਿੱਚ ਪੈਰਾਡਾਈਮ ਤਬਦੀਲੀ

X 'ਤੇ ਚਰਚਾ ਇੱਕ ਹੋਰ ਡੂੰਘੀ ਤਬਦੀਲੀ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ: ਕਲਾਉਡ ਕੋਡ ਡਿਵੈਲਪਰਾਂ ਦੇ ਕੰਮ ਕਰਨ ਦੇ ਵਾਤਾਵਰਣ ਨੂੰ ਮੁੜ ਪਰਿਭਾਸ਼ਿਤ ਕਰ ਰਿਹਾ ਹੈ।

ਰਵਾਇਤੀ ਤੌਰ 'ਤੇ, IDE (ਇੰਟੀਗ੍ਰੇਟਿਡ ਡਿਵੈਲਪਮੈਂਟ ਐਨਵਾਇਰਨਮੈਂਟ) ਡਿਵੈਲਪਰਾਂ ਦਾ ਮੁੱਖ ਖੇਤਰ ਹੈ। VSCode, Cursor, JetBrains ਨੇ ਇੱਕ ਸੰਪੂਰਨ ਟੂਲ ਈਕੋਸਿਸਟਮ ਬਣਾਇਆ ਹੈ। ਪਰ ਕਲਾਉਡ ਕੋਡ ਦਾ ਉਭਾਰ ਇੱਕ ਵੱਖਰੇ ਭਵਿੱਖ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦਾ ਹੈ: ਟਰਮੀਨਲ ਇੱਕ ਨਵਾਂ IDE ਬਣ ਰਿਹਾ ਹੈ।

ਇਹ ਤਕਨਾਲੋਜੀ ਦਾ ਇੱਕ ਸਧਾਰਨ ਪਰਵਾਸ ਨਹੀਂ ਹੈ, ਸਗੋਂ ਕੰਮ ਕਰਨ ਦੇ ਤਰੀਕੇ ਦਾ ਇੱਕ ਬੁਨਿਆਦੀ ਪੁਨਰਗਠਨ ਹੈ। ਜਦੋਂ AI ਏਜੰਟ ਕੋਡ ਬੇਸ ਨੂੰ ਸਮਝਣ, ਗੁੰਝਲਦਾਰ ਕੰਮਾਂ ਨੂੰ ਕਰਨ ਅਤੇ ਕਈ ਫੰਕਸ਼ਨ ਮੋਡੀਊਲਾਂ ਨੂੰ ਸਮਾਨਾਂਤਰ ਰੂਪ ਵਿੱਚ ਪ੍ਰੋਸੈਸ ਕਰਨ ਦੇ ਯੋਗ ਹੁੰਦੇ ਹਨ, ਤਾਂ ਡਿਵੈਲਪਰ ਦੀ ਭੂਮਿਕਾ "ਕੋਡ ਲਿਖਣ ਵਾਲੇ ਵਿਅਕਤੀ" ਤੋਂ "ਡਿਜੀਟਲ ਵਰਕਫੋਰਸ ਨੂੰ ਤਾਲਮੇਲ ਕਰਨ ਵਾਲੇ ਵਿਅਕਤੀ" ਵਿੱਚ ਬਦਲ ਜਾਂਦੀ ਹੈ।

ਜਾਪਾਨੀ ਡਿਵੈਲਪਰ @yshiiya ਦੁਆਰਾ ਦਰਸਾਇਆ ਗਿਆ ਏਜੰਟ ਟੀਮਾਂ + ਡੈਲੀਗੇਟ ਮੋਡ ਪੈਟਰਨ ਖਾਸ ਤੌਰ 'ਤੇ ਧਿਆਨ ਦੇਣ ਯੋਗ ਹੈ: ਇੱਕ ਲੀਡਰ ਏਜੰਟ ਕੰਮ ਦੀ ਵੰਡ ਅਤੇ ਪ੍ਰਗਤੀ ਪ੍ਰਬੰਧਨ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਹੈ, ਅਤੇ ਕਈ ਵਰਕਰ ਏਜੰਟ ਕੋਡ ਲਿਖਣ ਨੂੰ ਸਮਾਨਾਂਤਰ ਰੂਪ ਵਿੱਚ ਕਰਦੇ ਹਨ। ਇਹ ਹੁਣ ਮਨੁੱਖਾਂ ਨੂੰ ਵਧਾਉਣ ਵਾਲਾ ਟੂਲ ਨਹੀਂ ਹੈ, ਸਗੋਂ ਮਨੁੱਖਾਂ ਦੁਆਰਾ AI ਟੀਮਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨਾ ਹੈ।

ਕਾਰੋਬਾਰੀ ਅਪਣਾਉਣਾ: ਪ੍ਰਯੋਗ ਤੋਂ ਸੰਚਾਲਨ ਤੱਕ

ਦਿ ਇਨਫਰਮੇਸ਼ਨ ਨੇ ਰਿਪੋਰਟ ਦਿੱਤੀ ਹੈ ਕਿ ਐਂਥਰੋਪਿਕ ਨੇ 2029 ਤੱਕ AWS, Google Cloud ਅਤੇ Azure 'ਤੇ ਕਲਾਉਡ ਨੂੰ ਚਲਾਉਣ ਲਈ ਘੱਟੋ-ਘੱਟ $80 ਬਿਲੀਅਨ ਦਾ ਨਿਵੇਸ਼ ਕਰਨ ਦੀ ਯੋਜਨਾ ਬਣਾਈ ਹੈ। ਇਹ ਅੰਕੜਾ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਇੱਕ ਚੀਜ਼: ਕਾਰੋਬਾਰੀ AI "ਪ੍ਰਯੋਗ ਦੇ ਪੜਾਅ" ਤੋਂ "ਸੰਚਾਲਨ ਦੇ ਪੜਾਅ" ਵਿੱਚ ਦਾਖਲ ਹੋ ਗਿਆ ਹੈ।

ਇਹ ਕਿਸੇ ਇੱਕ ਕੰਪਨੀ ਦਾ ਇਕੱਲਾ ਫੈਸਲਾ ਨਹੀਂ ਹੈ। ਮਾਈਕ੍ਰੋਸਾਫਟ ਰਿਸਰਚ ਤੋਂ ਲੈ ਕੇ ਸੇਲਜ਼ਫੋਰਸ ਤੱਕ, ਭਾਰਤੀ IT ਆਊਟਸੋਰਸਿੰਗ ਦਿੱਗਜਾਂ ਤੋਂ ਲੈ ਕੇ ਜਾਪਾਨੀ ਮੈਡੀਕਲ ਸਿਸਟਮਾਂ ਤੱਕ, ਕਲਾਉਡ ਨੂੰ ਕਾਰੋਬਾਰੀ ਤੌਰ 'ਤੇ ਅਪਣਾਉਣ ਦੀ ਰਫ਼ਤਾਰ ਤੇਜ਼ ਹੋ ਰਹੀ ਹੈ। ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਵੀ ਸਪੱਸ਼ਟ ਹਨ:

• ਕਰਮਚਾਰੀਆਂ ਨੂੰ ਬਦਲਣਾ ਨਹੀਂ, ਸਗੋਂ ਮੌਜੂਦਾ ਕਰਮਚਾਰੀਆਂ ਦੇ ਉਤਪਾਦਨ ਨੂੰ ਕਈ ਗੁਣਾ ਵਧਾਉਣਾ
• ਇੱਕ ਸਿੰਗਲ ਫੰਕਸ਼ਨ ਨਹੀਂ, ਸਗੋਂ ਐਂਡ-ਟੂ-ਐਂਡ ਕਾਰੋਬਾਰੀ ਪ੍ਰਕਿਰਿਆਵਾਂ
• ਅੰਦਰੂਨੀ ਟੂਲ ਨਹੀਂ, ਸਗੋਂ ਗਾਹਕ-ਮੁਖੀ ਉਤਪਾਦ ਦਾ ਮੁੱਖ ਹਿੱਸਾ

ਇਸ ਤਰ੍ਹਾਂ ਦੇ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਤਾਇਨਾਤੀ ਦਾ ਮਤਲਬ ਹੈ ਕਿ AI ਮਾਡਲਾਂ ਦੀ ਚੋਣ ਹੁਣ ਸਿਰਫ਼ ਇੱਕ ਤਕਨੀਕੀ ਫੈਸਲਾ ਨਹੀਂ ਹੈ, ਸਗੋਂ ਇੱਕ ਕਾਰੋਬਾਰੀ ਰਣਨੀਤੀ ਦਾ ਫੈਸਲਾ ਹੈ।

ਕੰਪਿਊਟਰ ਦੀ ਵਰਤੋਂ: ਚੈਟ ਤੋਂ ਓਪਰੇਸ਼ਨ ਤੱਕ

ਸੋਨੇਟ 4.6 ਦਾ ਇੱਕ ਹੋਰ ਮੁੱਖ ਸੁਧਾਰ "ਕੰਪਿਊਟਰ ਦੀ ਵਰਤੋਂ" ਦੀ ਸਮਰੱਥਾ ਹੈ। ਸਧਾਰਨ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਇਹ AI ਨੂੰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਕੰਪਿਊਟਰ ਨੂੰ ਚਲਾਉਣ ਦੀ ਸਮਰੱਥਾ ਪ੍ਰਦਾਨ ਕਰਨਾ ਹੈ।

ਇਹ ਕੋਈ ਨਵਾਂ ਸੰਕਲਪ ਨਹੀਂ ਹੈ, ਪਰ ਇਸ ਵਾਰ ਦਾ ਡਾਟਾ ਧਿਆਨ ਦੇਣ ਯੋਗ ਹੈ। ਪਹਿਲਾਂ, ਕਲਾਉਡ ਦੇ ਕੰਪਿਊਟਰ ਦੀ ਵਰਤੋਂ ਦੇ ਮੁਲਾਂਕਣ ਦਾ ਸਕੋਰ 72.5% ਸੀ, ਅਤੇ ਸੋਨੇਟ 4.6 ਨੂੰ ਇਸ ਤੋਂ ਵੀ ਵੱਧ ਸਕੋਰ ਮਿਲਣਾ ਚਾਹੀਦਾ ਹੈ। ਇਸ ਤੋਂ ਵੀ ਮਹੱਤਵਪੂਰਨ ਗੱਲ ਇਹ ਹੈ ਕਿ ਅਸਲ ਦੁਨੀਆ ਦੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੇ ਕੇਸ ਸਾਹਮਣੇ ਆ ਰਹੇ ਹਨ:

• ਜਾਪਾਨੀ ਉਪਭੋਗਤਾਵਾਂ ਨੇ ਕਲਾਉਡ ਨੂੰ ਆਪਣੇ ਆਪ WordPress ਨੂੰ ਕੌਂਫਿਗਰ ਕਰਨ ਦਿੱਤਾ
• ਡਿਵੈਲਪਰਾਂ ਨੇ ਕਲਾਉਡ ਦੀ ਵਰਤੋਂ SEO ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਬੈਚ ਵਿੱਚ ਹੱਲ ਕਰਨ ਲਈ ਕੀਤੀ
• ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਕਲਾਉਡ ਦੀ ਵਰਤੋਂ 100 ਅਕਾਦਮਿਕ ਪੇਪਰਾਂ ਦਾ ਸਾਰ ਦੇਣ ਲਈ ਕੀਤੀ

ਪਰ ਕੁਝ ਲੋਕਾਂ ਨੇ ਇੱਕ ਅਹਿਮ ਸਵਾਲ ਵੀ ਉਠਾਇਆ ਹੈ: ਕੀ ਲੈਬਾਰਟਰੀ ਸਕੋਰ ਅਸਲ ਦਫਤਰੀ ਦ੍ਰਿਸ਼ਾਂ ਵਿੱਚ ਕਿੰਨਾ ਕੁ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੋਵੇਗਾ?

ਇਹ ਸਵਾਲ AI ਮੁਲਾਂਕਣ ਦੀ ਮੁੱਖ ਦੁਬਿਧਾ ਨੂੰ ਛੂੰਹਦਾ ਹੈ। ਬੈਂਚਮਾਰਕ ਟੈਸਟ ਮਾਡਲ ਦੀ ਸਮਰੱਥਾ ਨੂੰ ਮਾਪ ਸਕਦੇ ਹਨ, ਪਰ ਅਸਲ ਦ੍ਰਿਸ਼ਾਂ ਵਿੱਚ ਅਸਧਾਰਨ ਸਥਿਤੀਆਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਨਹੀਂ ਕਰ ਸਕਦੇ। ਜਦੋਂ AI ਨੂੰ ਗੈਰ-ਮਿਆਰੀ ਫਾਈਲ ਨਾਮਾਂ, ਖਰਾਬ ਡਾਟਾ ਫਾਰਮੈਟਾਂ ਅਤੇ ਵਿਰੋਧੀ ਹਦਾਇਤਾਂ ਨਾਲ ਨਜਿੱਠਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ ਗਿਰਾਵਟ ਉਮੀਦ ਨਾਲੋਂ ਵੱਧ ਗੰਭੀਰ ਹੋ ਸਕਦੀ ਹੈ।

ਕੀ ਸੁਰੱਖਿਆ ਖਾਈ ਗਾਇਬ ਹੋ ਰਹੀ ਹੈ?

ਇੱਕ ਦਿਲਚਸਪ ਵਰਤਾਰਾ ਵਾਪਰ ਰਿਹਾ ਹੈ: ਵੱਖ-ਵੱਖ ਮਾਡਲਾਂ ਵਿਚਕਾਰ ਪਾੜਾ ਘੱਟ ਰਿਹਾ ਹੈ।

ਜਾਪਾਨੀ ਡਾਕਟਰ GENSHI AI ਦੇ CEO ਨੇ ਇੱਕ ਪ੍ਰਯੋਗ ਕੀਤਾ, ਜਿਸ ਵਿੱਚ ਵੱਖ-ਵੱਖ AI ਨੂੰ ਡਾਕਟਰਾਂ ਦੀ ਰਾਸ਼ਟਰੀ ਪ੍ਰੀਖਿਆ ਵਿੱਚ ਹਿੱਸਾ ਲੈਣ ਦਿੱਤਾ ਗਿਆ। ਨਤੀਜਾ ਇਹ ਨਿਕਲਿਆ ਕਿ ਕਲਾਉਡ > ChatGPT > Gemini, ਪਰ ਅੰਤਰ ਇੰਨਾ ਵੱਡਾ ਨਹੀਂ ਸੀ ਕਿ "ਸਾਰੇ ਵਰਤੋਂ ਯੋਗ" ਸਨ। ਇਹ ਇੱਕ ਸਾਲ ਪਹਿਲਾਂ ਦੀ ਸਥਿਤੀ ਤੋਂ ਬਿਲਕੁਲ ਵੱਖਰਾ ਹੈ।

ਜਦੋਂ ਮਾਡਲ ਦੀ ਸਮਰੱਥਾ ਇੱਕੋ ਜਿਹੀ ਹੋ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਸੁਰੱਖਿਆ ਖਾਈ ਕੀ ਬਣਾ ਸਕਦੀ ਹੈ?

• ਈਕੋਸਿਸਟਮ: ਕਲਾਉਡ ਕੋਡ, MCP ਪ੍ਰੋਟੋਕੋਲ, Figma ਏਕੀਕਰਣ
• ਕਾਰੋਬਾਰੀ ਸਬੰਧ: ਮਾਈਕ੍ਰੋਸਾਫਟ, Google, Amazon ਦੀ ਕਲਾਉਡ ਸੇਵਾ ਬਾਈਡਿੰਗ
• ਬ੍ਰਾਂਡ ਮਾਨਤਾ: ਸੁਰੱਖਿਅਤ, ਭਰੋਸੇਮੰਦ ਕਾਰੋਬਾਰੀ ਚਿੱਤਰ

ਇਹ ਮਾਡਲ ਦੀਆਂ ਆਪਣੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨਹੀਂ ਹਨ, ਸਗੋਂ ਮਾਡਲ ਦੇ ਆਲੇ ਦੁਆਲੇ ਬਣਾਇਆ ਗਿਆ ਵਪਾਰਕ ਢਾਂਚਾ ਹੈ। ਐਂਥਰੋਪਿਕ ਇਸ ਸਬੰਧ ਵਿੱਚ ਆਪਣੀ ਤਾਇਨਾਤੀ ਨੂੰ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਤੇਜ਼ ਕਰ ਰਿਹਾ ਹੈ।

ਚੀਨ ਅਤੇ ਭਾਰਤ ਵਿੱਚ ਸਥਾਨਕਕਰਨ ਦੀਆਂ ਚੁਣੌਤੀਆਂ

ਬਲੂਮਬਰਗ ਨੇ ਰਿਪੋਰਟ ਦਿੱਤੀ ਹੈ ਕਿ ਭਾਰਤੀ ਸਟਾਰਟਅੱਪ ਸਰਵਮ ਸਥਾਨਕ ਬਾਜ਼ਾਰਾਂ ਲਈ AI ਮਾਡਲ ਵਿਕਸਤ ਕਰ ਰਿਹਾ ਹੈ, ਜਿਸਦਾ ਦਾਅਵਾ ਹੈ ਕਿ ਇਹ ChatGPT ਅਤੇ ਕਲਾਉਡ ਨਾਲੋਂ ਭਾਰਤ ਦੀ ਭਾਸ਼ਾ ਅਤੇ ਸੱਭਿਆਚਾਰ ਲਈ ਵਧੇਰੇ ਢੁਕਵਾਂ ਹੈ। ਇਹ ਗਲੋਬਲ AI ਮੁਕਾਬਲੇ ਦਾ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਪਹਿਲੂ ਹੈ।

AI ਮਾਡਲਾਂ ਦਾ "ਸਥਾਨਕਕਰਨ" ਸਿਰਫ਼ ਭਾਸ਼ਾ ਸਹਾਇਤਾ ਨਹੀਂ ਹੈ। ਇਸ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

• ਸਿਖਲਾਈ ਡਾਟਾ ਦਾ ਸਥਾਨਕਕਰਨ
• ਸੱਭਿਆਚਾਰਕ ਸੰਦਰਭ ਦੀ ਸਮਝ
• ਰੈਗੂਲੇਟਰੀ ਪਾਲਣਾ ਦੀਆਂ ਲੋੜਾਂ
• ਕੀਮਤ ਦਾ ਸਥਾਨਕ ਅਨੁਕੂਲਨ

ਕਲਾਉਡ ਅਤੇ GPT ਨੇ ਅੰਗਰੇਜ਼ੀ ਦੁਨੀਆ ਵਿੱਚ ਇੱਕ ਫਾਇਦਾ ਸਥਾਪਿਤ ਕੀਤਾ ਹੈ, ਪਰ ਕੀ ਇਹ ਫਾਇਦਾ ਦੂਜੇ ਬਾਜ਼ਾਰਾਂ ਵਿੱਚ ਦੁਹਰਾਇਆ ਜਾ ਸਕਦਾ ਹੈ, ਇਹ ਅਜੇ ਵੀ ਇੱਕ ਖੁੱਲ੍ਹਾ ਸਵਾਲ ਹੈ।

ਉਦਯੋਗ ਦਾ ਮੋੜ

ਪਿਛਲੇ ਦੋ ਹਫ਼ਤਿਆਂ ਦੀ ਚਰਚਾ 'ਤੇ ਨਜ਼ਰ ਮਾਰੀਏ, ਤਾਂ ਇੱਕ ਹੋਰ ਸਪੱਸ਼ਟ ਤਸਵੀਰ ਸਾਹਮਣੇ ਆਉਂਦੀ ਹੈ:

AI ਉਦਯੋਗ "ਤਕਨੀਕੀ ਸਫਲਤਾ ਦੁਆਰਾ ਸੰਚਾਲਿਤ" ਤੋਂ "ਵਪਾਰਕ ਕੁਸ਼ਲਤਾ ਦੁਆਰਾ ਸੰਚਾਲਿਤ" ਵੱਲ ਵਧ ਰਿਹਾ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਤਕਨੀਕੀ ਤਰੱਕੀ ਰੁਕ ਗਈ ਹੈ, ਸਗੋਂ ਇਹ ਹੈ ਕਿ ਤਕਨੀਕੀ ਤਰੱਕੀ ਦੇ ਲਾਭਾਂ ਨੂੰ ਵਧੇਰੇ ਕੁਸ਼ਲਤਾ ਨਾਲ ਵਪਾਰਕ ਬਣਾਇਆ ਜਾ ਰਿਹਾ ਹੈ।

ਸੋਨੇਟ 4.6 ਦਾ ਮਹੱਤਵ ਇਸ ਗੱਲ ਵਿੱਚ ਨਹੀਂ ਹੈ ਕਿ ਇਹ ਓਪਸ ਨਾਲੋਂ ਵਧੇਰੇ ਹੁਸ਼ਿਆਰ ਹੈ, ਸਗੋਂ ਇਸ ਗੱਲ ਵਿੱਚ ਹੈ ਕਿ ਇਹ "ਕਾਫ਼ੀ ਹੁਸ਼ਿਆਰ" ਨੂੰ ਕਾਫ਼ੀ ਸਸਤਾ ਬਣਾਉਂਦਾ ਹੈ। ਜਦੋਂ ਬੁੱਧੀ ਇੱਕ ਵਸਤੂ ਬਣ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਮੁਕਾਬਲਾ ਇਸ ਗੱਲ 'ਤੇ ਚਲਾ ਜਾਂਦਾ ਹੈ ਕਿ ਕੌਣ ਬੁੱਧੀ ਨੂੰ ਕਾਰੋਬਾਰੀ ਪ੍ਰਕਿਰਿਆਵਾਂ ਵਿੱਚ ਵਧੇਰੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਏਕੀਕ੍ਰਿਤ ਕਰ ਸਕਦਾ ਹੈ, ਕੌਣ ਤੇਜ਼ੀ ਨਾਲ ਈਕੋਸਿਸਟਮ ਬਣਾ ਸਕਦਾ ਹੈ, ਅਤੇ ਕੌਣ ਕਾਰੋਬਾਰੀ ਗਾਹਕਾਂ ਨੂੰ ਵਧੇਰੇ ਡੂੰਘਾਈ ਨਾਲ ਜੋੜ ਸਕਦਾ ਹੈ।

ਇਹ AI ਉਦਯੋਗ ਦਾ ਅੰਤ ਨਹੀਂ ਹੈ, ਸਗੋਂ ਇੱਕ ਨਵੇਂ ਪੜਾਅ ਦੀ ਸ਼ੁਰੂਆਤ ਹੈ। ਇਸ ਪੜਾਅ ਵਿੱਚ, ਤਕਨਾਲੋਜੀ ਕੰਪਨੀਆਂ ਨੂੰ ਰਵਾਇਤੀ ਕਾਰੋਬਾਰੀ ਸੇਵਾ ਕੰਪਨੀਆਂ ਵਾਂਗ ਸੋਚਣ ਦੀ ਲੋੜ ਹੈ: ਸਿਰਫ਼ ਸਭ ਤੋਂ ਵਧੀਆ ਉਤਪਾਦ ਬਣਾਉਣ ਦੀ ਬਜਾਏ, ਸਭ ਤੋਂ ਮਜ਼ਬੂਤ ਵਪਾਰਕ ਢਾਂਚਾ ਬਣਾਉਣ ਦੀ ਲੋੜ ਹੈ।

ਐਂਥਰੋਪਿਕ ਨੂੰ ਸ਼ਾਇਦ ਇਸ ਗੱਲ ਦਾ ਅਹਿਸਾਸ ਹੋ ਗਿਆ ਹੈ। ਸਵਾਲ ਇਹ ਹੈ ਕਿ ਦੂਜਿਆਂ ਦਾ ਕੀ?