ਕੀ ਹੋਵੇ ਜੇ ਤੁਸੀਂ ਦੇਖ ਸਕੋ ਕਿ AI ਅਸਲ ਵਿੱਚ ਕਿਵੇਂ ਸੋਚਦਾ ਹੈ?
ਲਾਖਣਿਕ ਢੰਗ ਨਾਲ ਨਹੀਂ। ਸਿਧਾਂਤਕ ਤੌਰ 'ਤੇ ਨਹੀਂ। ਸਗੋਂ ਇੱਕ ਕਾਰਗਰ ਪ੍ਰਦਰਸ਼ਨ ਰਾਹੀਂ ਜੋ ਤੁਸੀਂ ਖੁਦ ਭੌਤਿਕ ਵਸਤੂਆਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਬਣਾ ਸਕਦੇ ਹੋ—ਉਹੀ ਪਹੁੰਚ ਜੋ Donald Michie ਨੇ 1961 ਵਿੱਚ ਵਰਤੀ ਸੀ ਇਹ ਸਾਬਤ ਕਰਨ ਲਈ ਕਿ ਮਸ਼ੀਨਾਂ ਸਿੱਖ ਸਕਦੀਆਂ ਹਨ, ਮਾਚਿਸ ਦੇ ਡੱਬਿਆਂ ਨੂੰ ਟਿਕ-ਟੈਕ-ਟੋ ਜਿੱਤਣਾ ਸਿਖਾ ਕੇ।
The Wizard's Lens (ਦ ਵਿਜ਼ਰਡਸ ਲੈਂਸ) ਉਹ ਕੁਝ ਦਿਖਾਉਂਦੀ ਹੈ ਜੋ AI ਸਾਹਿਤ ਵਿੱਚ ਕਿਤੇ ਹੋਰ ਮੌਜੂਦ ਨਹੀਂ ਹੈ: ਇੱਕ ਸੰਪੂਰਨ ਵੱਡਾ ਭਾਸ਼ਾ ਮਾਡਲ (LLM) ਜਿਸ ਨੂੰ ਤੁਸੀਂ ਭੂਮੀ ਨਕਸ਼ਿਆਂ, ਟੋਕਨਾਂ, ਅਤੇ ਠੋਸ ਬਣਾਈਆਂ ਧਿਆਨ ਵਿਧੀਆਂ ਨਾਲ ਬਣਾ ਸਕਦੇ ਹੋ ਅਤੇ ਚਲਾ ਸਕਦੇ ਹੋ। ਇਹ AI ਨੂੰ ਸਮਝਣ ਲਈ ਕੋਈ ਲਾਖਣਿਕ ਗੱਲ ਨਹੀਂ ਹੈ। ਇਹੀ AI ਹੈ, ਜੋ ਭੌਤਿਕ ਲਾਗੂਕਰਨ ਰਾਹੀਂ ਦਿਖਾਇਆ ਗਿਆ ਹੈ।
ਜਦੋਂ ਕਿ ਹੋਰ ਲੋਕ AI ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਵਰਤਣ ਲਈ ਸੰਘਰਸ਼ ਕਰਦੇ ਹਨ, ਇਹ ਕਿਤਾਬ ਤੁਹਾਨੂੰ AI ਵਾਂਗ ਸੋਚਣਾ ਸਿਖਾਉਂਦੀ ਹੈ—ਪੈਟਰਨਾਂ ਨੂੰ ਦੇਖਣਾ, ਵਿਧੀਆਂ ਨੂੰ ਸਮਝਣਾ, ਅਤੇ ਅਜਿਹੀਆਂ ਸੂਝਾਂ ਲਾਗੂ ਕਰਨਾ ਜੋ ਤੁਹਾਨੂੰ ਉਹ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦੀਆਂ ਹਨ ਜੋ ਪਹਿਲਾਂ ਕਦੇ ਨਹੀਂ ਹੋਇਆ।
ਲੁਪਤ ਗਿਆਨ
Cray Research ਨੇ ਜੋ ਹਾਸਲ ਕੀਤਾ, ਉਹ ਚੰਗੀ ਤਰ੍ਹਾਂ ਦਰਜ ਹੈ: ਅਸੀਂ ਦੁਨੀਆ ਦੇ ਸਭ ਤੋਂ ਤੇਜ਼ ਸੁਪਰਕੰਪਿਊਟਰ ਬਣਾਏ ਅਤੇ ਉਸ ਨੂੰ ਬਦਲ ਦਿੱਤਾ ਜੋ ਗਣਨਾਤਮਕ ਤੌਰ 'ਤੇ ਸੰਭਵ ਸੀ। ਕਿਵੇਂ ਅਸੀਂ ਇਹ ਕੀਤਾ, ਇਹ ਪਹਿਲਾਂ ਕਦੇ ਲਿਖਿਆ ਨਹੀਂ ਗਿਆ—ਹੁਣ ਤੱਕ।
ਇਹ ਕਿਤਾਬ ਉਸ ਦੌਰ ਦੀਆਂ ਸਿਸਟਮ ਸੋਚ ਪਹੁੰਚਾਂ ਅਤੇ ਇਨਕਲਾਬੀ ਮਾਨਸਿਕਤਾ ਨੂੰ ਸਾਂਝਾ ਕਰਦੀ ਹੈ, ਜੋ ਆਧੁਨਿਕ AI 'ਤੇ ਲਾਗੂ ਕੀਤੀ ਗਈ ਹੈ। ਇਤਿਹਾਸ ਦੇ ਤੌਰ 'ਤੇ ਨਹੀਂ, ਸਗੋਂ ਵਿਹਾਰਕ ਤਰੀਕਿਆਂ ਦੇ ਤੌਰ 'ਤੇ ਜੋ ਤੁਸੀਂ ਅੱਜ ਵਰਤ ਸਕਦੇ ਹੋ। ਉਹੀ ਪਹੁੰਚਾਂ ਜਿਨ੍ਹਾਂ ਨੇ ਅਜਿਹੇ ਵਾਤਾਵਰਣਾਂ ਵਿੱਚ ਗਣਨਾਤਮਕ ਸਫਲਤਾਵਾਂ ਪੈਦਾ ਕੀਤੀਆਂ ਜਿੱਥੇ ਦੂਸਰਾ ਸਥਾਨ ਬਚਣਯੋਗ ਨਹੀਂ ਸੀ, ਹੁਣ ਦਿਖਾਉਂਦੀਆਂ ਹਨ ਕਿ AI ਨਾਲ ਅਜਿਹੇ ਢੰਗਾਂ ਨਾਲ ਕਿਵੇਂ ਕੰਮ ਕਰਨਾ ਹੈ ਜਿਨ੍ਹਾਂ ਦੀ ਨਕਲ ਹੋਰ ਲੋਕ ਨਹੀਂ ਕਰ ਸਕਦੇ।
ਜਿਹੜੇ ਲੋਕ Cray Research ਦੀ ਮਹੱਤਤਾ ਨੂੰ ਪਛਾਣਦੇ ਹਨ, ਉਨ੍ਹਾਂ ਲਈ: ਹਾਂ, ਇਹ ਉਹੀ ਗਿਆਨ ਹੈ। ਹਰ ਕਿਸੇ ਹੋਰ ਲਈ: ਤੁਸੀਂ ਅਜਿਹੀਆਂ ਪਹੁੰਚਾਂ ਸਿੱਖ ਰਹੇ ਹੋ ਜੋ ਪਹਿਲਾਂ ਹੀ ਸਾਬਤ ਕਰ ਚੁੱਕੀਆਂ ਹਨ ਕਿ ਉਹ ਅਸੰਭਵ ਨੂੰ ਸੰਭਵ ਬਣਾਉਂਦੀਆਂ ਹਨ।
ਤੁਸੀਂ ਕੀ ਖੋਜੋਗੇ
ਹੱਥੀਂ ਪ੍ਰਦਰਸ਼ਨਾਂ ਅਤੇ ਸਪੱਸ਼ਟ ਵਿਆਖਿਆਵਾਂ ਰਾਹੀਂ, ਤੁਸੀਂ ਸਿੱਖੋਗੇ:
ਟੋਕਨ ਸੰਦਰਭ ਅਤੇ ਏਮਬੈਡਿੰਗਸ - ਇੱਕ ਕਾਰਗਰ ਮਾਡਲ ਬਣਾਓ ਜੋ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ AI ਜਾਣਕਾਰੀ ਨੂੰ ਕਿਵੇਂ ਦਰਸਾਉਂਦਾ ਅਤੇ ਪ੍ਰਕਿਰਿਆ ਕਰਦਾ ਹੈ, ਭੌਤਿਕ ਟੋਕਨਾਂ ਅਤੇ ਭੂਮੀ ਨਕਸ਼ਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਜੋ ਅਮੂਰਤ ਸੰਕਲਪਾਂ ਨੂੰ ਠੋਸ ਬਣਾਉਂਦੇ ਹਨ।
ਧਿਆਨ ਵਿਧੀਆਂ - ਸਮਝੋ ਕਿ AI ਸੰਬੰਧਿਤ ਜਾਣਕਾਰੀ 'ਤੇ ਕਿਵੇਂ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦਾ ਹੈ, ਇੱਕ ਅਜਿਹੇ ਪ੍ਰਦਰਸ਼ਨ ਰਾਹੀਂ ਜਿਸਨੂੰ ਤੁਸੀਂ ਖੁਦ ਸੰਚਾਲਿਤ ਕਰ ਸਕਦੇ ਹੋ, ਜੋ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ ਕੁਝ ਪਹੁੰਚਾਂ ਕਿਉਂ ਕੰਮ ਕਰਦੀਆਂ ਹਨ ਅਤੇ ਹੋਰ ਕਿਉਂ ਅਸਫਲ ਹੁੰਦੀਆਂ ਹਨ।
ਪਿੰਗ ਪੌਂਗ ਪ੍ਰਭਾਵ - ਇੱਕ-ਵਾਰੀ ਪ੍ਰੌਮਪਟਿੰਗ ਤੋਂ ਅੱਗੇ ਵਧੋ ਅਤੇ AI ਨਾਲ ਸਹਿਯੋਗੀ ਸੰਬੰਧ ਵਿਕਸਿਤ ਕਰੋ ਜੋ ਹਰ ਪਰਸਪਰ ਕਿਰਿਆ ਨਾਲ ਹੋਰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੁੰਦੇ ਜਾਂਦੇ ਹਨ।
ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਪੈਟਰਨ ਪਛਾਣ - ਸਿੱਖੋ ਕਿ AI ਵੱਖ-ਵੱਖ ਜਾਣਕਾਰੀ ਨੂੰ ਕਿਵੇਂ ਜੋੜਦਾ ਹੈ, ਅਤੇ ਇਨ੍ਹਾਂ ਸੰਬੰਧਾਂ ਦਾ ਲਾਭ ਲੈਣ ਲਈ ਆਪਣੇ ਕੰਮ ਨੂੰ ਕਿਵੇਂ ਢਾਂਚਾਬੱਧ ਕਰਨਾ ਹੈ।
ਇਨਕਲਾਬੀ ਸੋਚ - ਉਹ ਮਾਨਸਿਕਤਾ ਵਿਕਸਿਤ ਕਰੋ ਜੋ ਤੁਹਾਨੂੰ ਉਹ ਚੁਣੌਤੀਆਂ ਲੈਣ ਦੇ ਯੋਗ ਬਣਾਉਂਦੀ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਹੋਰ ਲੋਕ ਅਸੰਭਵ ਮੰਨਦੇ ਹਨ, "ਇਹ ਨਹੀਂ ਹੋ ਸਕਦਾ" ਨੂੰ ਸਵੀਕਾਰਨ ਵਾਲੀ ਸੀਮਾ ਦੀ ਥਾਂ ਸੱਦੇ ਵਜੋਂ ਸਮਝ ਕੇ।
ਇਹ ਕਿਤਾਬ ਵੱਖਰੀ ਕਿਉਂ ਹੈ
ਜ਼ਿਆਦਾਤਰ AI ਕਿਤਾਬਾਂ ਤੁਹਾਨੂੰ ਬਿਹਤਰ ਪ੍ਰੌਮਪਟ ਲਿਖਣਾ ਸਿਖਾਉਂਦੀਆਂ ਹਨ ਜਾਂ ਸਮੀਕਰਨਾਂ ਨਾਲ ਟਰਾਂਸਫਾਰਮਰ ਢਾਂਚੇ ਦੀ ਵਿਆਖਿਆ ਕਰਦੀਆਂ ਹਨ। ਇਹ ਕਿਤਾਬ ਭੌਤਿਕ ਪ੍ਰਦਰਸ਼ਨ ਰਾਹੀਂ ਦਿਖਾਉਂਦੀ ਹੈ ਕਿ ਵਿਧੀਆਂ ਅਸਲ ਵਿੱਚ ਕਿਵੇਂ ਕੰਮ ਕਰਦੀਆਂ ਹਨ, ਫਿਰ ਤੁਹਾਨੂੰ ਉਸ ਸਮਝ ਨੂੰ ਅਜਿਹੇ ਢੰਗਾਂ ਵਿੱਚ ਲਾਗੂ ਕਰਨਾ ਸਿਖਾਉਂਦੀ ਹੈ ਜੋ ਕੋਈ ਹੋਰ ਨਹੀਂ ਕਰ ਸਕਦਾ।
ਤੁਸੀਂ AI ਨੂੰ ਅਜਿਹੇ ਢੰਗ ਨਾਲ ਵਰਤਣਾ ਸਿੱਖੋਗੇ ਜਿਵੇਂ ਤੁਹਾਥੋਂ ਪਹਿਲਾਂ ਕਿਸੇ ਨੇ ਨਹੀਂ ਵਰਤਿਆ—ਚਾਲਾਂ ਜਾਂ ਤਕਨੀਕਾਂ ਰਾਹੀਂ ਨਹੀਂ, ਸਗੋਂ ਇਸ ਬਾਰੇ ਸੱਚੀ ਸਮਝ ਰਾਹੀਂ ਕਿ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲ ਜਾਣਕਾਰੀ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਕਿਰਿਆ ਕਰਦੇ ਹਨ, ਸੰਦਰਭ ਬਣਾਈ ਰੱਖਦੇ ਹਨ, ਅਤੇ ਜਵਾਬ ਪੈਦਾ ਕਰਦੇ ਹਨ। ਇਹ ਸਮਝ ਬਦਲਦੀ ਹੈ ਕਿ ਤੁਸੀਂ AI ਨਾਲ ਕਿਵੇਂ ਸਹਿਯੋਗ ਕਰਦੇ ਹੋ, ਅਜਿਹੀਆਂ ਸੰਭਾਵਨਾਵਾਂ ਖੋਲ੍ਹਦੀ ਹੈ ਜਿਨ੍ਹਾਂ ਬਾਰੇ ਹੋਰ ਲੋਕ ਸੋਚਦੇ ਹਨ ਕਿ ਉਨ੍ਹਾਂ ਨੂੰ ਅਜੇ ਨਾ ਮੌਜੂਦ ਤਕਨਾਲੋਜੀ ਦੀ ਲੋੜ ਹੈ।
ਇਹ ਕਿਤਾਬ ਕਿਸ ਲਈ ਹੈ
ਇਹ ਕਿਤਾਬ ਕਈ ਦਰਸ਼ਕਾਂ ਦੀ ਸੇਵਾ ਕਰਦੀ ਹੈ:
ਪੇਸ਼ੇਵਰ ਅਤੇ ਗਿਆਨ ਕਾਮੇ ਜਿਨ੍ਹਾਂ ਨੂੰ AI ਨਾਲ ਗੁੰਝਲਦਾਰ ਕੰਮ ਪੂਰੇ ਕਰਨ ਦੀ ਲੋੜ ਹੈ ਅਤੇ ਜੋ ਸਮਝਦੇ ਹਨ ਕਿ ਬੁਨਿਆਦੀ ਪ੍ਰੌਮਪਟਿੰਗ ਦੀਆਂ ਬੁਨਿਆਦੀ ਸੀਮਾਵਾਂ ਹਨ।
ਡਿਵੈਲਪਰ ਅਤੇ ਤਕਨੀਕੀ ਪ੍ਰੈਕਟੀਸ਼ਨਰ ਜੋ ਗਣਿਤ ਵਿੱਚ ਡੁੱਬਣ ਤੋਂ ਬਿਨਾਂ LLM ਦੇ ਅੰਦਰੂਨੀ ਕੰਮਕਾਜ ਨੂੰ ਸਮਝਣਾ ਚਾਹੁੰਦੇ ਹਨ, ਵਿਹਾਰਕ ਸੂਝ ਹਾਸਲ ਕਰਕੇ ਜੋ ਬਿਹਤਰ ਲਾਗੂਕਰਨ ਫੈਸਲਿਆਂ ਨੂੰ ਸੂਚਿਤ ਕਰਦੀ ਹੈ।
ਰਣਨੀਤਕ ਚਿੰਤਕ ਅਤੇ ਨਵੀਨਤਾਕਾਰ ਜਿਨ੍ਹਾਂ ਨੂੰ ਉਹ ਸਮੱਸਿਆਵਾਂ ਹੱਲ ਕਰਨ ਦੀ ਲੋੜ ਹੈ ਜੋ ਪਹਿਲਾਂ ਕਦੇ ਹੱਲ ਨਹੀਂ ਹੋਈਆਂ, ਅਤੇ ਜੋ ਸਮਝਦੇ ਹਨ ਕਿ ਇਨਕਲਾਬੀ ਨਤੀਜਿਆਂ ਲਈ ਇਨਕਲਾਬੀ ਪਹੁੰਚਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
ਕੋਈ ਵੀ ਜਿਸਨੂੰ ਸ਼ੱਕ ਹੈ ਕਿ AI ਵਿੱਚ ਹੋਰ ਬਹੁਤ ਕੁਝ ਹੈ ਜੋ ਮੌਜੂਦਾ ਟਿਊਟੋਰਿਅਲ ਅਤੇ ਗਾਈਡ ਦਿਖਾਉਂਦੇ ਹਨ ਉਸ ਤੋਂ ਵੱਧ, ਅਤੇ ਜੋ ਅਜਿਹੀਆਂ ਸਮਰੱਥਾਵਾਂ ਵਿਕਸਿਤ ਕਰਨਾ ਚਾਹੁੰਦਾ ਹੈ ਜੋ ਸੱਚਾ ਪ੍ਰਤੀਯੋਗੀ ਲਾਭ ਪੈਦਾ ਕਰਦੀਆਂ ਹਨ।
ਲੇਖਕ ਦਾ ਪਿਛੋਕੜ
Edward W. Barnard ਨੇ Cray Research ਵਿੱਚ ਸਾਲ ਬਿਤਾਏ, ਉਸ ਦੌਰ ਦੌਰਾਨ ਜਦੋਂ ਅਸੀਂ ਕੰਪਿਊਟਿੰਗ ਵਿੱਚ ਉਹ ਹਾਸਲ ਕਰ ਰਹੇ ਸੀ ਜੋ ਪਹਿਲਾਂ ਕਦੇ ਨਹੀਂ ਹੋਇਆ ਸੀ। ਇਹ ਕਿਤਾਬ ਉਸ ਸਮੇਂ ਦੀਆਂ ਸਿਸਟਮ ਸੋਚ ਪਹੁੰਚਾਂ ਅਤੇ ਇਨਕਲਾਬੀ ਮਾਨਸਿਕਤਾ ਨੂੰ ਸਾਂਝਾ ਕਰਦੀ ਹੈ, ਜੋ ਹੁਣ AI ਸਹਿਯੋਗ 'ਤੇ ਲਾਗੂ ਕੀਤੀ ਗਈ ਹੈ।
ਇਹ ਸਿਧਾਂਤਕ ਢਾਂਚੇ ਨਹੀਂ ਹਨ। ਇਹ ਅਜ਼ਮਾਏ ਹੋਏ ਭਰੋਸੇਯੋਗ ਤਰੀਕੇ ਹਨ ਅਜਿਹੇ ਵਾਤਾਵਰਣਾਂ ਤੋਂ ਜਿੱਥੇ ਪ੍ਰਮਾਣ-ਪੱਤਰਾਂ ਨਾਲੋਂ ਨਤੀਜੇ ਵੱਧ ਮਹੱਤਵਪੂਰਨ ਸਨ, ਜਿੱਥੇ ਅਸੰਭਵ ਚੁਣੌਤੀਆਂ ਸਪੱਸ਼ਟ ਸੋਚ ਅਤੇ ਗੁੰਝਲਦਾਰ ਸਿਸਟਮਾਂ ਪ੍ਰਤੀ ਇਨਕਲਾਬੀ ਪਹੁੰਚਾਂ ਰਾਹੀਂ ਹੱਲ ਕੀਤੀਆਂ ਗਈਆਂ।
ਆਧੁਨਿਕ ਕੰਪਿਊਟਿੰਗ ਦੇ ਕ੍ਰਿਪਟੋਗ੍ਰਾਫਿਕ ਮੂਲ—Alan Turing ਤੋਂ Seymour Cray ਤੱਕ—ਨੇ ਜਾਣਕਾਰੀ, ਸੰਦਰਭ, ਅਤੇ ਗਣਨਾਤਮਕ ਸੰਭਾਵਨਾ ਬਾਰੇ ਸੋਚਣ ਦੇ ਖਾਸ ਤਰੀਕੇ ਪੈਦਾ ਕੀਤੇ। ਇਹ ਕਿਤਾਬ ਉਹ ਪਹੁੰਚਾਂ ਅਜਿਹੇ ਰੂਪ ਵਿੱਚ ਸਿਖਾਉਂਦੀ ਹੈ ਜਿਸਨੂੰ ਤੁਸੀਂ ਤੁਰੰਤ ਲਾਗੂ ਕਰ ਸਕਦੇ ਹੋ।
ਇਸ ਵਿੱਚ ਤੁਹਾਡੇ ਲਈ ਕੀ ਹੈ
ਤੁਰੰਤ ਸਮਰੱਥਾ - AI ਨਾਲ ਅਜਿਹੇ ਕੰਮ ਪੂਰੇ ਕਰਨਾ ਸਿੱਖੋ ਜਿਨ੍ਹਾਂ ਨੂੰ ਹੋਰ ਲੋਕ ਮੌਜੂਦਾ ਤਕਨਾਲੋਜੀ ਤੋਂ ਪਰੇ ਮੰਨਦੇ ਹਨ, ਇਹ ਸਮਝ ਕੇ ਕਿ LLM ਅਸਲ ਵਿੱਚ ਜਾਣਕਾਰੀ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਕਿਰਿਆ ਕਰਦੇ ਅਤੇ ਪੈਦਾ ਕਰਦੇ ਹਨ।
ਗਹਿਰੀ ਸਮਝ - ਖੁਦ ਇੱਕ ਕਾਰਗਰ LLM ਬਣਾਓ, ਅਮੂਰਤ ਸੰਕਲਪਾਂ ਨੂੰ ਠੋਸ ਬਣਾਓ ਅਤੇ ਦਿਖਾਓ ਕਿ ਕੁਝ ਪਹੁੰਚਾਂ ਕਿਉਂ ਸਫਲ ਹੁੰਦੀਆਂ ਹਨ ਜਦਕਿ ਹੋਰ ਅਸਫਲ ਹੁੰਦੀਆਂ ਹਨ।
ਤਬਦੀਲੀ ਯੋਗ ਹੁਨਰ - ਸਿਸਟਮ ਸੋਚ ਪਹੁੰਚਾਂ ਵਿਕਸਿਤ ਕਰੋ ਜੋ ਸਾਰੇ AI ਪਲੇਟਫਾਰਮਾਂ ਵਿੱਚ ਕੰਮ ਕਰਦੀਆਂ ਹਨ ਅਤੇ ਤਕਨਾਲੋਜੀ ਕਿਵੇਂ ਵੀ ਵਿਕਸਿਤ ਹੋਵੇ, ਕੀਮਤੀ ਰਹਿੰਦੀਆਂ ਹਨ।
ਇਨਕਲਾਬੀ ਮਾਨਸਿਕਤਾ - ਅਸੰਭਵ ਚੁਣੌਤੀਆਂ ਤੱਕ ਉਸੇ ਤਰੀਕੇ ਨਾਲ ਪਹੁੰਚਣਾ ਸਿੱਖੋ ਜਿਵੇਂ Cray Research ਵਿੱਚ ਪਹੁੰਚਿਆ ਜਾਂਦਾ ਸੀ: ਸਵੀਕਾਰਨ ਵਾਲੀਆਂ ਸੀਮਾਵਾਂ ਦੀ ਥਾਂ ਹੱਲ ਕਰਨ ਯੋਗ ਦਿਲਚਸਪ ਸਮੱਸਿਆਵਾਂ ਵਜੋਂ।
ਲੰਬੇ ਸਮੇਂ ਦੀ ਮਾਹਿਰਤਾ - ਸਮਝ 'ਤੇ ਆਧਾਰਿਤ, ਯਾਦ ਕੀਤੀਆਂ ਗਈਆਂ ਤਕਨੀਕਾਂ ਦੀ ਥਾਂ, ਆਪਣੇ AI ਸਹਿਯੋਗ ਹੁਨਰਾਂ ਨੂੰ ਲਗਾਤਾਰ ਸੁਧਾਰਨ ਲਈ ਇੱਕ ਬੁਨਿਆਦ ਬਣਾਓ।
ਭਾਵੇਂ ਤੁਸੀਂ ਸੰਚਾਲਨ ਜਟਿਲਤਾ ਵਿੱਚ ਡੁੱਬ ਰਹੇ ਹੋ, ਅਜਿਹੇ ਪ੍ਰੋਜੈਕਟਾਂ ਨਾਲ ਸੰਘਰਸ਼ ਕਰ ਰਹੇ ਹੋ ਜੋ AI ਦੀਆਂ ਮੌਜੂਦਾ ਸਮਰੱਥਾਵਾਂ ਤੋਂ ਪਰੇ ਲੱਗਦੇ ਹਨ, ਜਾਂ ਸਿਰਫ਼ ਜਾਣਦੇ ਹੋ ਕਿ ਇਨ੍ਹਾਂ ਸੰਦਾਂ ਨਾਲ ਕੰਮ ਕਰਨ ਦਾ ਇੱਕ ਬਿਹਤਰ ਤਰੀਕਾ ਹੈ, ਇਹ ਕਿਤਾਬ ਸਿਰਫ਼ ਇਹੀ ਨਹੀਂ ਬਦਲੇਗੀ ਕਿ ਤੁਸੀਂ AI ਨਾਲ ਕੀ ਹਾਸਲ ਕਰ ਸਕਦੇ ਹੋ, ਸਗੋਂ ਇਹ ਵੀ ਬਦਲੇਗੀ ਕਿ ਤੁਸੀਂ ਸੰਭਵ ਬਾਰੇ ਕਿਵੇਂ ਸੋਚਦੇ ਹੋ।
ਇਨਕਲਾਬ ਆ ਨਹੀਂ ਰਿਹਾ। ਇਹ ਇੱਥੇ ਹੈ। ਸਵਾਲ ਇਹ ਹੈ ਕਿ ਕੀ ਤੁਸੀਂ ਉਨ੍ਹਾਂ ਵਿੱਚੋਂ ਹੋਵੋਗੇ ਜੋ ਇਸਨੂੰ ਦੇਖ ਸਕਦੇ ਹਨ।
