ਸਾਰੀ ਬੁੱਧੀਮਾਨ ਇਸਤਰ੍ਹਾਂ ਕੀ ਸਾਂਝੇ ਕਰਦੇ ਹਨ?

ਯਾਨ ਲੈਕੁਨ ਦੇ ਅਨੁਸਾਰ, ਜੋ ਮੈਟਾ ਦੇ ਮੁੱਖ ਏਆਈ ਵਿਗਿਆਨੀ ਹਨ, ਚਾਰ ਮੁੱਖ ਲੱਛਣ ਹਨ। ਪੈਰਿਸ ਵਿਚ ਸਾਲ ਦਰ ਸਾਲ ਅਯਾਈ ਐਕਸ਼ਨ ਸਮਿੱਟ ਵਿੱਚ, ਰਾਜਨੀਤਿਕ ਨੇਤਾਵਾਂ ਅਤੇ ਏਆਈ ਵਿਦਵਾਨ ਇਕੱਠੇ ਹੋਏ ਸੀਤ ਬਨਾਉਂਦੇ ਹੋਏ ਏਆਈ ਵਿਕਾਸ ਬਾਰੇ ਗੱਲਬਾਤ ਕੀਤੀ। ਇਸ ਦੌਰਾਨ, ਲੈਕੁਨ ਨੇ IBM ਦੇ ਏਆਈ ਲੀਡਰ ਐਂਥਨੀ ਐਨਜ਼ੂਆਟਾ ਨੂੰ ਆਪਣੀ ਮੁੱਖ ਬੁੱਧੀਮਾਨੀ ਦੀ ਪਰਿਭਾਸ਼ਾ ਸੁੰਨਾਈ। "ਬੁੱਧੀਮਾਨ ਵਰਤਾਰਿਆਂ ਦੇ ਚਾਰ ਆਪਣੀਹ ਲੱਛਣ ਹਨ ਜੋ ਹਰ ਜੰਮੂ ਜਾਂ ਲਗਭਗ ਚਮਤਕਾਰ ਜਾਨਵਰ—ਅਤੇ ਜੋ ਨਿਸ਼ਚਿਤ ਹੀ ਮਾਨਵਾਂ ਵਿੱਚ ਵੀ ਹੁੰਦੇ ਹਨ, " ਉਸ ਨੇ ਸਮਝਾਇਆ। "ਇਹ ਹਨ ਭੌਤਿਕ ਸੰਸਾਰ ਨੂੰ ਸਮਝਣਾ, ਲਗਾਤਾਰ ਯਾਦ ਰੱਖਣਾ, ਤਰਕ ਕਰਨ ਦੀ ਯੋਗਤਾ, ਅਤੇ ਯੋਜਨਾ ਬਣਾਉਣ ਦੀ ਸਮਰੱਥਾ, ਖਾਸ ਕਰਕੇ ਵਡੇਰੇ ਪੱਧਰ ਤੇ ਯੋਜਨਾਬੰਧੀ ਕਰਨਾ।" ਲੈਕੁਨ ਨੇ ਜ਼ਿਕਰ ਕੀਤਾ ਕਿ ਏਆਈ, ਖਾਸ ਕਰਕੇ ਵੱਡੀਆਂ ਭਾਸ਼ਾ ਮਾਡਲ, ਅਜੇ ਇਸ ਪੱਧਰ ਤਕ ਨਹੀਂ ਪੁੱਜੇ ਹਨ ਅਤੇ ਇਹ ਯੋਗਤਾਵਾਂ ਸ਼ਾਮਲ ਕਰਨ ਲਈ ਉਹਨਾਂ ਦੀ ਸਿਖਲਾਈ ਵਿਚ ਤਬਦੀਲੀ ਲਾਜ਼ਮੀ ਹੋਏਗੀ। ਇਹ ਵਜ੍ਹਾ ਹੈ ਕਿ ਹੁਣ ਕਈ ਪ੍ਰਮੁੱਖ ਟੈਕ ਨਿਗਮ ਮੌਜੂਦਾ ਮਾਡਲਾਂ ਨੂੰ ਨਵੇਂ ਕਾਬਿਲੀਅਤਾਂ ਦੇ ਨਾਲ ਜੋੜ ਰਹੇ ਹਨ, ਜਿਵੇਂ ਕਿ ਉਹ ਏਆਈ ਖੇਤਰ ਵਿੱਚ ਅਗੂਆਂ ਪਦਰੀ ਲੈਣਾ ਚਾਹੁੰਦੇ ਹਨ। "ਭੌਤਿਕ ਸੰਸਾਰ ਨੂੰ ਸਮਝਣ ਲਈ, ਤੁਸੀਂ ਇੱਕ ਵੱਖਰੀ ਵੀਜ਼ਨ ਸਿਸਟਮ ਸਿਖਾਉਦੇ ਹੋ ਅਤੇ ਫिर ਇਸ ਨੂੰ ਵੱਡੀ ਭਾਸ਼ਾ ਮਾਡਲ ਨਾਲ ਜੋੜਦੇ ਹੋ। ਯਾਦ ਰੱਖਣ ਲਈ, ਤੁਸੀਂ ਰੀਟਰੀਵ ਅਗਮੈਂਟੇਡ ਜeneration (ਰੈਗ) ਵਰਤੋਂਦੇ ਹੋ, ਕੁਝ ਸੰਬੰਧਤ ਯਾਦ ਸ਼ਾਮਲ ਕਰਦੇ ਹੋ, ਜਾਂ ਸਿੱਧਾ ਮਾਡਲ ਨੂੰ ਵਧਾਉਂਦੇ ਹੋ, " ਉਸ ਨੇ ਕਿਹਾ। (ਰੈਗ ਇੱਕ ਤਕਨੀਕ ਹੈ ਜੋ ਮੈਟਾ ਵਿੱਚ ਵਿਕਸਿਤ ਕੀਤੀ ਗਈ ਹੈ, ਜਿਸਦਾ ਉਦਦੇਸ਼ ਵੱਡੀ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਨੂੰ ਬਾਹਰੀ ਜਾਣਕਾਰੀ ਸਰੋਤਾਂ ਸ਼ਾਮਲ ਕਰਕੇ ਸੁਧਾਰਨਾ ਹੈ।) ਤਦਪਿ, ਲੈਕੁਨ ਇਹ ਸਭ ਕੋਸ਼ਿਸ਼ਾਂ ਨੂੰ ਸਿਰਫ਼ "ਹੈਕ" ਮੰਨਦਾ ਹੈ। ਉਹ ਨੇਦਾਂ ਵਿਅਕਤ ਕੀਤਾ ਹੈ ਕਿ ਵਿਸ਼ਵ-ਅਧਾਰਿਤ ਮਾਡਲਾਂ ਬਾਰੇ ਇਕ ਵੱਖਰਾ ਤਰੀਕਾ ਹੈ, ਜੋ ਅਸਲੀ ਸੰਸਾਰਕ ਪਰਿਸਥਿਤੀਆਂ 'ਚ ਪ੍ਰਸ਼ਿਕਸ਼ਿਤ ਹੁੰਦੇ ਹਨ ਅਤੇ ਸਿਰਫ਼ ਪੈਟਰਨ ਚਿਹਰੇ ਪ੍ਰਤੀ ਪ੍ਰਤੀ ਲੱਛਣ ਤੋਂ ਕੁਝ ਵਧ ਕੇ ਉੱਚ ਸ਼ਕਤੀਵਾਨ ਬੁੱਧੀਮਾਨੀ ਦੀ ਪ੍ਰਗਟਤਾ ਦਿੰਦੇ ਹਨ। ਆਪਣੀ ਗੱਲਬਾਤ ਵਿੱਚ, ਉਸ ਨੇ ਇਸ ਸੰਕਲਪ ਵਿਸਥਾਰ ਨਾਲ ਸਮਝਾਇਆ। "ਤੁਸੀਂ ਕਿਸੇ ਖਾਸ ਸਮੇਂ T ਤੇ ਸੰਸਾਰ ਦੀ ਹਾਲਤ ਦੀ ਇੱਕ ਧਾਰਣਾ ਨਾਲ ਸ਼ੁਰੂ ਕਰਦੇ ਹੋ, ਇੱਕ ਕਰਵਾਈ ਦੀ ਕਲਪਨਾ ਕਰਦੇ ਹੋ, ਅਤੇ ਫਿਰ ਸੰਸਾਰ ਮਾਡਲ ਅਨੁਮਾਨ ਲਾਉਂਦਾ ਹੈ ਕਿ ਇਸ ਕਰਵਾਈ ਦੇ ਪ੍ਰਤੀ ਸੰਸਾਰ ਦੀ ਹਾਲਤ ਕਿਵੇਂ ਬਦਲੇਗੀ, " ਉਸ ਨੇ ਸਮਝਾਇਆ। ਹਾਲਾਂਕਿ, ਕਿਉਂਕਿ ਸੰਸਾਰ ਬੇਗ਼ੁਣਾਂ ਅਣਪੇਖੀ ਸੰਭਾਵਨਾਵਾਂ ਰਾਹੀਂ ਵਿਕਾਸ ਕਰਦਾ ਹੈ, ਇਸ ਤਰ੍ਹਾਂ ਮਾਡਲਾਂ ਨੂੰ ਪ੍ਰਸ਼ਿਕਸ਼ਿਤ ਕਰਨ ਦਾ ਇਕੋ ਪੱਧਤ ਢੰਗ ਹੇਠਾਂ ਦਿੱਖਦਾ ਹੈ, ਜੋ abstractions (ਸੰਕੇਤ) ਰਾਹੀਂ ਹੈ। ਮੈਟਾ ਇਸ ਸੰਕਲਪ ਦੀ ਖੋਜ ਪਹਿਲਾਂ ਹੀ ਕਰ ਰਿਹਾ ਹੈ V-JEPA ਨਾਲ, ਜੋ ਫਰਵਰੀ 'ਚ ਸਰਬਜਨਿਕ ਰੂਪ ਵਿੱਚ ਰਿਲੀਜ਼ ਹੋਇਆ ਸੀ। ਇਸ ਨੂੰ ਇੱਕ ਨਾ-ਪੈਦਾ ਮਾਡਲ ਵਜੋਂ ਵੇਖਿਆ ਜਾਂਦਾ ਹੈ ਜੋ ਵੀਡੀਓ ਵਿੱਚ ਗੁੰਮ ਜਾਂ ਲੁਕਾਈ ਗਈ ਹਿੱਸਿਆਂ ਦੀ ਅਨੁਮਾਣ ਲਗਾ ਕੇ ਸਿੱਖਦਾ ਹੈ। "ਮੁੱਖ ਵਿਚਾਰ ਇਹ ਹੈ ਕਿ ਤੁਸੀਂ ਸਿੱਧਾ ਪਿਕਸਲ ਪੱਧਰ ਉੱਤੇ ਅਨੁਮਾਨ ਨਹੀਂ ਲਗਾਉਦੇ। ਇਸਦੀ ਬਜਾਏ, ਤੁਸੀਂ ਇੱਕ ਪ੍ਰਣਾਲੀ ਨੂੰ ਅਧਾਰਿਤ ਪ੍ਰਤੀਨಿಧੀ ਰੂਪ ਵਿੱਚ ਕੰਮ ਕਰਨ ਲਈ ਸਿਖਾਉਦੇ ਹੋ, ਜੋ ਅਨੁਮਾਨ ਲਗਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ। ਆਦਰਸ਼ ਵਜੋਂ, ਇਹ ਪ੍ਰਤੀਨਿਧੀ ਅਣਪੇਖੇ ਵੇਰਵੇ ਨੂੰ ਛਾਂਟਣ ਤੋਂ ਲਗਦੀ ਹੈ, " ਲੈਕੁਨ ਕਿਹਾ। ਇਹ ਤਰੀਕਾ ਉਹਦਾ ਹੀ ਹੈ ਜੋ ਰਸਾਇਣਸ਼ਾਸ਼ਤਰੀਆਂ ਨੇ ਮਕਹਾਨ ਦੀ ਬੁੰਨੀਦੀ ਢਾਂਚਾ ਸਥਾਪਿਤ ਕਰਨ ਲਈ ਵਰਤਿਆ ਸੀ। "ਅਸੀਂ ਸੰਕੇਤ ਬਣਾਏ: ਕਣ, ਜਿਸ ਦੇ ਉੱਪਰ ਪਰਮਾਣੂ ਹਨ, ਫਿਰ ਅણੂ, ਫਿਰ ਅਣੂ, ਅਤੇ ਆਖ਼ਿਰਕਾਰ ਸਮੱਗਰੀ, " ਉਸ ਨੇ ਕਿਹਾ। "ਹਰ ਇੱਕ ਪਰਤ ਥੱਲੇ ਵਾਲੀ ਜਾਣਕਾਰੀ ਵਿੱਚੋਂ ਬਹੁਤ ਕੁਝ ਗੈਰ-ਲਾਜ਼ਮੀ ਜਾਣਕਾਰੀ ਨੂੰ ਛਾਂਟ ਸੁਕਦੀ ਹੈ, ਜਿਸਵਾਲ ਕੰਮ ਨੁੰਨਹਾ ਹੁੰਦਾ ਹੈ।" ਮੂਲ ਤੌਰ 'ਤੇ, ਇਹ ਮਤਲਬ ਹੈ ਕਿ ਅਸੀਂ ਭੌਤਿਕ ਸੰਸਾਰ ਨੂੰ ਸਮਝਦੇ ਹਾਂ ਜਦੋਂ ਅਸੀਂ ਹਾਇਰਾਰਕੀ ਬਣਾਉਂਦੇ ਹਾਂ, ਜੋ ਬੁੱਧੀਮਾਨੀ ਦਾ ਅੱਧਾਰ ਹੈ।