ਆਓ ਜਾਣੀਏ ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ Al (ਨਕਲੀ ਬੁੱਧੀ) ਬਾਰੇ

ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (Al) ਕੰਪਿਊਟਰ ਸਾਇੰਸ ਦੀ ਇੱਕ ਵਿਆਪਕ ਸ਼ਾਖਾ ਹੈ ਜੋ ਸਮਾਰਟ ਮਸ਼ੀਨਾਂ ਦੇ ਨਿਰਮਾਣ ਨਾਲ ਸਬੰਧਤ ਹੈ ਜੋ ਉਨ੍ਹਾਂ ਕਾਰਜਾਂ ਨੂੰ ਕਰਨ ਦੇ ਸਮਰੱਥ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਆਮ ਤੌਰ ਤੇ ਮਨੁੱਖੀ ਬੁੱਧੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

ਇਸਦੀਆਂ ਕੁਝ ਉਦਾਹਰਣਾਂ ਹਨ?

ਸਿਰੀ, ਅਲੈਕਸਾ ਅਤੇ ਹੋਰ ਸਮਾਰਟ ਸਹਾਇਕ

ਸਵੈ-ਚੱਲਣ ਵਾਲੀਆਂ ਕਾਰਾਂ

ਰੋਬੋ-ਸਲਾਹਕਾਰ

ਗੱਲਬਾਤ ਬੋਟਸ

ਈਮੇਲ ਸਪੈਮ ਫਿਲਟਰ

ਨਕਲੀ ਬੁੱਧੀ ਦਾ ਸੰਖੇਪ ਇਤਿਹਾਸ

ਬੁੱਧੀਮਾਨ ਰੋਬੋਟ ਅਤੇ ਨਕਲੀ ਜੀਵ ਸਭ ਤੋਂ ਪਹਿਲਾਂ ਪ੍ਰਾਚੀਨ ਯੂਨਾਨੀ ਮਿਥਿਹਾਸ ਵਿੱਚ ਪ੍ਰਗਟ ਹੋਏ।  ਅਰਸਤੂ ਦਾ ਸਿਲੇਜਿਜ਼ਮ ਦਾ ਵਿਕਾਸ ਅਤੇ ਇਸ ਦੇ ਕਟੌਤੀਪੂਰਨ ਤਰਕ ਦੀ ਵਰਤੋਂ ਮਨੁੱਖਜਾਤੀ ਦੀ ਆਪਣੀ ਬੁੱਧੀ ਨੂੰ ਸਮਝਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਵਿੱਚ ਇੱਕ ਮਹੱਤਵਪੂਰਣ ਪਲ ਸੀ। ਹਾਲਾਂਕਿ ਜੜ੍ਹਾਂ ਲੰਮੀਆਂ ਅਤੇ ਡੂੰਘੀਆਂ ਹਨ, ਨਕਲੀ ਬੁੱਧੀ ਦਾ ਇਤਿਹਾਸ ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਇਸ ਬਾਰੇ ਸੋਚਦੇ ਹਾਂ ਅੱਜ ਇੱਕ ਸਦੀ ਤੋਂ ਵੀ ਘੱਟ ਸਮੇਂ ਵਿੱਚ ਫੈਲਿਆ ਹੋਇਆ ਹੈ।  ਏਆਈ ਦੀਆਂ ਕੁਝ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਣ ਘਟਨਾਵਾਂ 'ਤੇ ਹੇਠਾਂ ਇੱਕ ਝਾਤ ਹੈ-

1943 ਵਿੱਚ ਵਾਰੇਨ ਮੈਕਕਲੌਫ ਅਤੇ ਵਾਲਟਰ ਪਿਟਸ ਨੇ "ਏ ਲਾਜ਼ੀਕਲ ਕੈਲਕੂਲਸ ਆਫ਼ ਆਈਡੀਆਜ਼ ਇਮਨੇਨੈਂਟ ਇਨ ਨਰਵਸ ਐਕਟੀਵਿਟੀ" ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ। ਪੇਪਰ ਨੇ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਬਣਾਉਣ ਲਈ ਗਣਿਤ ਦਾ ਪਹਿਲਾ ਮਾਡਲ ਪੇਸ਼ ਕੀਤਾ।

 1949 ਵਿੱਚ ਆਪਣੀ ਕਿਤਾਬ ਦਿ ਆਰਗੇਨਾਈਜ਼ੇਸ਼ਨ ਆਫ਼ ਬਿਹੇਵੀਅਰ: ਏ ਨਿਊਰੋਸਾਈਕਲੋਜੀਕਲ ਥਿਊਰੀ ਵਿੱਚ, ਡੌਨਲਡ ਹੇਬਬ ਨੇ ਸਿਧਾਂਤ ਦਾ ਪ੍ਰਸਤਾਵ ਦਿੱਤਾ ਕਿ ਤੰਤੂ ਮਾਰਗ ਤਜ਼ਰਬਿਆਂ ਤੋਂ ਬਣਾਏ ਜਾਂਦੇ ਹਨ ਅਤੇ ਇਹ ਕਿ ਜਿੰਨੀ ਵਾਰ ਉਹ ਵਰਤੇ ਜਾਂਦੇ ਹਨ, ਨਿਯੂਰੋਨਸ ਦੇ ਵਿਚਕਾਰ ਸੰਬੰਧ ਮਜ਼ਬੂਤ ​​ਹੁੰਦੇ ਜਾਂਦੇ ਹਨ।  

 1950 ਵਿੱਚ ਐਲਨ ਟਿਊਰਿੰਗ ਨੇ "ਕੰਪਿਊਟਿੰਗ ਮਸ਼ੀਨਰੀ ਅਤੇ ਇੰਟੈਲੀਜੈਂਸ" ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ, ਜਿਸਨੂੰ ਹੁਣ ਟਿਊਰਿੰਗ ਟੈਸਟ ਦੇ ਰੂਪ ਵਿੱਚ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ, (ਇਹ ਨਿਰਧਾਰਤ ਕਰਨ ਦਾ ਇੱਕ ਤਰੀਕਾ ਹੈ ਕਿ ਮਸ਼ੀਨ ਬੁੱਧੀਮਾਨ ਹੈ ਜਾਂ ਨਹੀਂ)।

 ਇਸੇ ਸਾਲ ਹਾਰਵਰਡ ਅੰਡਰ ਗ੍ਰੈਜੂਏਟ ਮਾਰਵਿਨ ਮਿਨਸਕੀ ਅਤੇ ਡੀਨ ਐਡਮੰਡਸ ਨੇ SNARC ਬਣਾਇਆ (ਪਹਿਲਾ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਕੰਪਿਊਟਰ)।

 (1950) ਕਲਾਉਡ ਸ਼ੈਨਨ ਨੇ "ਸ਼ਤਰੰਜ ਖੇਡਣ ਲਈ ਇੱਕ ਕੰਪਿਊਟਰ ਦਾ ਪ੍ਰੋਗਰਾਮਿੰਗ" ਪੇਪਰ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ।

 1950 ਵਿੱਚ ਹੀ ਇਸਹਾਕ ਅਸੀਮੋਵ ਨੇ "ਰੋਬੋਟਿਕਸ ਦੇ ਤਿੰਨ ਨਿਯਮ" ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤੇ।

 ਸਾਲ 1952 ਵਿੱਚ ਆਰਥਰ ਸੈਮੂਅਲ ਨੇ ਚੈਕਰਸ ਖੇਡਣ ਲਈ ਇੱਕ ਸਵੈ-ਸਿਖਲਾਈ ਪ੍ਰੋਗਰਾਮ ਵਿਕਸਤ ਕੀਤਾ।

 1954 ਵਿੱਚ ਜੌਰਜਟਾਔਨ-ਆਈਬੀਐਮ ਮਸ਼ੀਨ ਅਨੁਵਾਦ ਪ੍ਰਯੋਗ ਆਪਣੇ ਆਪ ਧਿਆਨ ਨਾਲ ਚੁਣੇ ਗਏ 60 ਰੂਸੀ ਵਾਕਾਂ ਦਾ ਅੰਗਰੇਜ਼ੀ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰਦਾ ਹੈ।

 ਇਸ ਤੋਂ ਦੋ ਸਾਲ ਬਾਅਦ 1956 ਵਿੱਚ "ਨਕਲੀ ਬੁੱਧੀ 'ਤੇ ਡਾਰਟਮਾਊਥ ਸਮਰ ਰਿਸਰਚ ਪ੍ਰੋਜੈਕਟ" ਤੇ ਬਣਾਇਆ ਗਿਆ ਹੈ।  ਜੌਨ ਮੈਕਕਾਰਥੀ ਦੀ ਅਗਵਾਈ ਵਿੱਚ, ਕਾਨਫਰੰਸ, ਜਿਸਨੇ ਏਆਈ ਦੇ ਦਾਇਰੇ ਅਤੇ ਟੀਚਿਆਂ ਨੂੰ ਪਰਿਭਾਸ਼ਤ ਕੀਤਾ ਸੀ, ਨੂੰ ਵਿਆਪਕ ਤੌਰ ਤੇ ਨਕਲੀ ਬੁੱਧੀ ਦਾ ਜਨਮ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਅੱਜ ਇਸਨੂੰ ਜਾਣਦੇ ਹਾਂ।

 1956 ਵਿੱਚ ਐਲਨ ਨੇਵੇਲ ਅਤੇ ਹਰਬਰਟ ਸਾਈਮਨ ਨੇ ਤਰਕ ਸਿਧਾਂਤ (LT) ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ, ਪਹਿਲਾ ਤਰਕਸ਼ੀਲ ਪ੍ਰੋਗਰਾਮ।

 ਸਾਲ 1958 ਵਿੱਚ ਜੌਨ ਮੈਕਕਾਰਥੀ ਨੇ ਏਆਈ ਪ੍ਰੋਗਰਾਮਿੰਗ ਭਾਸ਼ਾ ਲਿਸਪ ਵਿਕਸਤ ਕੀਤੀ ਅਤੇ "ਕਾਮਨ ਸੈਂਸ ਦੇ ਨਾਲ ਪ੍ਰੋਗਰਾਮ" ਪੇਪਰ ਪ੍ਰਕਾਸ਼ਤ ਕੀਤਾ।  ਪੇਪਰ ਨੇ ਕਾਲਪਨਿਕ ਸਲਾਹ ਦਾ ਪ੍ਰਸਤਾਵ ਕੀਤਾ, ਇੱਕ ਸੰਪੂਰਨ ਏਆਈ ਪ੍ਰਣਾਲੀ ਜਿਸਦਾ ਅਨੁਭਵ ਤੋਂ ਸਿੱਖਣ ਦੀ ਯੋਗਤਾ ਹੈ ਜਿੰਨੀ ਮਨੁੱਖਾਂ ਦੀ ਤਰ੍ਹਾਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੈ।

 1959 ਵਿੱਚ ਐਲਨ ਨਿਵੇਲ, ਹਰਬਰਟ ਸਾਈਮਨ ਅਤੇ ਜੇਸੀ ਸ਼ਾਅ ਨੇ ਆਮ ਸਮੱਸਿਆ ਹੱਲ ਕਰਨ ਵਾਲੇ (GPS) ਦਾ ਵਿਕਾਸ ਕੀਤਾ, ਇੱਕ ਪ੍ਰੋਗਰਾਮ ਜੋ ਮਨੁੱਖੀ ਸਮੱਸਿਆ-ਹੱਲ ਕਰਨ ਦੀ ਨਕਲ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ।

 ਇਸ ਸਾਲ ਵਿੱਚ ਹੀ ਹਰਬਰਟ ਗੇਲੇਂਟਰ ਨੇ ਜਿਓਮੈਟਰੀ ਥਿਊਰਮ ਪ੍ਰੋਵਰ ਪ੍ਰੋਗਰਾਮ ਵਿਕਸਤ ਕੀਤਾ।

 1959 ਵਿੱਚ ਆਰਥਰ ਸੈਮੂਅਲ ਆਈਬੀਐਮ ਦੇ ਸਮੇਂ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਸ਼ਬਦ ਦਾ ਆਰਟੀਕਲ ਬਣਾਉਂਦਾ ਹੈ।

 1959 ਵਿੱਚ ਹੀ ਜੌਨ ਮੈਕਕਾਰਥੀ ਅਤੇ ਮਾਰਵਿਨ ਮਿਨਸਕੀ ਨੇ ਐਮਆਈਟੀ ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਪ੍ਰੋਜੈਕਟ ਦੀ ਸਥਾਪਨਾ ਕੀਤੀ।

 ਸਾਲ 1963 ਵਿੱਚ ਜੌਨ ਮੈਕਕਾਰਥੀ ਨੇ ਸਟੈਨਫੋਰਡ ਵਿਖੇ ਏਆਈ ਲੈਬ ਦੀ ਸ਼ੁਰੂਆਤ ਕੀਤੀ।

 1966 ਵਿੱਚ ਯੂਐਸ ਸਰਕਾਰ ਦੁਆਰਾ ਆਟੋਮੈਟਿਕ ਲੈਂਗੂਏਜ ਪ੍ਰੋਸੈਸਿੰਗ ਐਡਵਾਈਜ਼ਰੀ ਕਮੇਟੀ (ALPAC) ਦੀ ਰਿਪੋਰਟ ਮਸ਼ੀਨ ਅਨੁਵਾਦ ਖੋਜ ਵਿੱਚ ਪ੍ਰਗਤੀ ਦੀ ਘਾਟ ਦਾ ਵੇਰਵਾ ਦਿੰਦੀ ਹੈ,  ALPAC ਦੀ ਰਿਪੋਰਟ ਸਾਰੇ ਸਰਕਾਰੀ ਫੰਡ ਵਾਲੇ ਐਮਟੀ ਪ੍ਰੋਜੈਕਟਾਂ ਨੂੰ ਰੱਦ ਕਰਨ ਵੱਲ ਲੈ ਜਾਂਦੀ ਹੈ।

 ਸਾਲ 1969 ਵਿੱਚ ਪਹਿਲੀ ਸਫਲ ਮਾਹਰ ਪ੍ਰਣਾਲੀਆਂ ਡੈਂਡਰਲ, ਇੱਕ ਐਕਸਐਕਸਐਕਸ ਪ੍ਰੋਗਰਾਮ ਅਤੇ ਮਾਈਸਿਨ ਵਿੱਚ ਵਿਕਸਤ ਕੀਤੀਆਂ ਗਈਆਂ, ਜੋ ਖੂਨ ਦੇ ਸੰਕਰਮਣਾਂ ਦੀ ਜਾਂਚ ਲਈ ਤਿਆਰ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ, ਸਟੈਨਫੋਰਡ ਵਿਖੇ ਬਣਾਈਆਂ ਗਈਆਂ।

  1972 ਵਿੱਚ ਤਰਕ ਪ੍ਰੋਗ੍ਰਾਮਿੰਗ ਭਾਸ਼ਾ ਪ੍ਰੋਲੋਗ ਬਣਾਇਆ ਗਿਆ।

 ਇਸ ਤੋਂ ਸਾਲ ਬਾਅਦ ਬ੍ਰਿਟਿਸ਼ ਸਰਕਾਰ ਦੁਆਰਾ ਏਆਈ ਖੋਜ ਵਿੱਚ ਨਿਰਾਸ਼ਾ ਦਾ ਵੇਰਵਾ ਦਿੰਦੀ "ਲਾਈਟਹਿਲ ਰਿਪੋਰਟ" ਜਾਰੀ ਕੀਤੀ ਗਈ ਹੈ ਅਤੇ ਨਕਲੀ ਬੁੱਧੀ ਪ੍ਰੋਜੈਕਟਾਂ ਲਈ ਫੰਡਾਂ ਵਿੱਚ ਭਾਰੀ ਕਟੌਤੀ ਕੀਤੀ ਗਈ।

 (1974-1980) ਏਆਈ ਵਿਕਾਸ ਦੀ ਪ੍ਰਗਤੀ ਨਾਲ ਨਿਰਾਸ਼ਾ ਅਕਾਦਮਿਕ ਗ੍ਰਾਂਟਾਂ ਵਿੱਚ ਪ੍ਰਮੁੱਖ ਡਾਰਪਾ ਕਟੌਤੀਆਂ ਵੱਲ ਲੈ ਜਾਂਦੀ ਹੈ।  ਪਿਛਲੀ ALPAC ਰਿਪੋਰਟ ਅਤੇ ਪਿਛਲੇ ਸਾਲ ਦੀ "ਲਾਈਟਹਿਲ ਰਿਪੋਰਟ" ਦੇ ਨਾਲ ਮਿਲਾ ਕੇ, ਨਕਲੀ ਬੁੱਧੀ ਫੰਡਿੰਗ ਘਟ ਜਾਂਦੀ ਹੈ ਅਤੇ ਇਸ ਅਵਧੀ ਨੂੰ "ਪਹਿਲੀ ਏਆਈ ਵਿੰਟਰ" ਵਜੋਂ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ।

1980 ਵਿੱਚ ਡਿਜੀਟਲ ਉਪਕਰਣ ਕਾਰਪੋਰੇਸ਼ਨਾਂ R1 (ਜਿਸਨੂੰ XCON ਵੀ ਕਿਹਾ ਜਾਂਦਾ ਹੈ) ਵਿਕਸਤ ਕਰਦਾ ਹੈ, ਪਹਿਲੀ ਸਫਲ ਵਪਾਰਕ ਮਾਹਰ ਪ੍ਰਣਾਲੀ। ਨਵੇਂ ਕੰਪਿਊਟਰ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਆਦੇਸ਼ਾਂ ਦੀ ਸੰਰਚਨਾ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ, ਆਰ 1 ਮਾਹਰ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਇੱਕ ਨਿਵੇਸ਼ ਦੀ ਸ਼ੁਰੂਆਤ ਕਰਦਾ ਹੈ ਜੋ ਕਿ ਬਹੁਤ ਸਾਰੇ ਦਹਾਕਿਆਂ ਤੱਕ ਰਹੇਗਾ, ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਪਹਿਲੀ "ਏਆਈ ਵਿੰਟਰ" ਨੂੰ ਖਤਮ ਕਰੇਗਾ।

 ਸਾਲ 1982 ਵਿੱਚ ਜਾਪਾਨ ਦੇ ਅੰਤਰਰਾਸ਼ਟਰੀ ਵਪਾਰ ਅਤੇ ਉਦਯੋਗ ਮੰਤਰਾਲੇ ਨੇ ਉਤਸ਼ਾਹੀ ਪੰਜਵੀਂ ਪੀੜ੍ਹੀ ਦੇ ਕੰਪਿਊਟਰ ਸਿਸਟਮ ਪ੍ਰੋਜੈਕਟ ਦੀ ਸ਼ੁਰੂਆਤ ਕੀਤੀ।  ਐਫਜੀਸੀਐਸ ਦਾ ਟੀਚਾ ਸੁਪਰ ਕੰਪਿਊਟਰ ਵਰਗੀ ਕਾਰਗੁਜ਼ਾਰੀ ਅਤੇ ਏਆਈ ਵਿਕਾਸ ਲਈ ਇੱਕ ਪਲੇਟਫਾਰਮ ਵਿਕਸਤ ਕਰਨਾ ਹੈ।

 1983 ਵਿੱਚ ਜਾਪਾਨ ਦੇ ਐਫਜੀਸੀਐਸ ਦੇ ਜਵਾਬ ਵਿੱਚ, ਯੂਐਸ ਸਰਕਾਰ ਨੇ ਐਡਵਾਂਸਡ ਕੰਪਿਊਟਿੰਗ ਅਤੇ ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਵਿੱਚ ਡੀਏਆਰਪੀਏ ਦੁਆਰਾ ਫੰਡ ਪ੍ਰਾਪਤ ਖੋਜ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਰਣਨੀਤਕ ਕੰਪਿਊਟਿੰਗ ਪਹਿਲਕਦਮੀ ਦੀ ਸ਼ੁਰੂਆਤ ਕੀਤੀ।

 1985 ਵਿੱਚ ਕੰਪਨੀਆਂ ਮਾਹਰ ਪ੍ਰਣਾਲੀਆਂ ਅਤੇ ਇੱਕ ਸਮੁੱਚੇ ਉਦਯੋਗ 'ਤੇ ਸਾਲ ਵਿੱਚ ਇੱਕ ਅਰਬ ਡਾਲਰ ਤੋਂ ਵੱਧ ਖਰਚ ਕਰ ਰਹੀਆਂ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਲਿਸਪ ਮਸ਼ੀਨ ਮਾਰਕੀਟ ਕਿਹਾ ਜਾਂਦਾ ਹੈ।  ਸਿੰਬਲਿਕਸ ਅਤੇ ਲਿਸਪ ਮਸ਼ੀਨਜ਼ ਇੰਕ. (Symbolics and Lisp Machines Inc.)  ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਏਆਈ ਪ੍ਰੋਗਰਾਮਿੰਗ ਭਾਸ਼ਾ ਲਿਸਪ 'ਤੇ ਚੱਲਣ ਲਈ ਵਿਸ਼ੇਸ਼ ਕੰਪਿਊਟਰ ਬਣਾਉਂਦੀਆਂ ਹਨ।

 (1987-1993) ਜਿਵੇਂ ਕਿ ਕੰਪਿਊਟਿੰਗ ਤਕਨਾਲੋਜੀ ਵਿੱਚ ਸੁਧਾਰ ਹੋਇਆ, ਸਸਤੇ ਵਿਕਲਪ ਸਾਹਮਣੇ ਆਏ ਅਤੇ "ਦੂਜੀ ਏਆਈ ਵਿੰਟਰ" ਦੀ ਸ਼ੁਰੂਆਤ ਕਰਦਿਆਂ 1987 ਵਿੱਚ ਲਿਸਪ ਮਸ਼ੀਨ ਬਾਜ਼ਾਰ ਰਹਿ ਗਿਆ।  ਇਸ ਮਿਆਦ ਦੇ ਦੌਰਾਨ, ਮਾਹਰ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਕਾਇਮ ਰੱਖਣਾ ਅਤੇ ਅਪਡੇਟ ਕਰਨਾ ਬਹੁਤ ਮਹਿੰਗਾ ਸਾਬਤ ਹੋਇਆ, ਆਖਰਕਾਰ ਪੱਖ ਤੋਂ ਬਾਹਰ ਹੋ ਗਿਆ।

  1991 ਵਿੱਚ ਯੂਐਸ ਫ਼ੌਜਾਂ ਨੇ ਖਾੜੀ ਯੁੱਧ ਦੇ ਦੌਰਾਨ ਡਾਰਟ, ਇੱਕ ਸਵੈਚਾਲਤ ਲੌਜਿਸਟਿਕਸ ਯੋਜਨਾਬੰਦੀ ਅਤੇ ਸਮਾਂ -ਤਹਿ ਕਰਨ ਦੇ ਸਾਧਨ ਨੂੰ ਤਾਇਨਾਤ ਕੀਤਾ।

  ਜਾਪਾਨ ਨੇ ਇੱਕ ਦਹਾਕੇ ਪਹਿਲਾਂ ਦੱਸੇ ਗਏ ਅਭਿਲਾਸ਼ੀ ਟੀਚਿਆਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਵਿੱਚ ਅਸਫਲਤਾ ਦਾ ਹਵਾਲਾ ਦਿੰਦੇ ਹੋਏ 1992 ਵਿੱਚ ਐਫਜੀਸੀਐਸ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਸਮਾਪਤ ਕਰ ਦਿੱਤਾ।

  ਡਾਰਪਾ ਨੇ ਲਗਭਗ 1 ਬਿਲੀਅਨ ਡਾਲਰ ਖਰਚ ਕਰਨ ਅਤੇ ਉਮੀਦਾਂ ਤੋਂ ਬਹੁਤ ਘੱਟ ਹੋਣ ਦੇ ਬਾਅਦ 1993 ਵਿੱਚ ਰਣਨੀਤਕ ਕੰਪਿਊਟਿੰਗ ਪਹਿਲਕਦਮੀ ਨੂੰ ਸਮਾਪਤ ਕਰ ਦਿੱਤਾ।

 1997 ਵਿੱਚ ਆਈਬੀਐਮ ਦੇ ਡੀਪ ਬਲੂ ਨੇ ਵਿਸ਼ਵ ਸ਼ਤਰੰਜ ਚੈਂਪੀਅਨ ਗੈਰੀ ਕਾਸਪਰੋਵ ਨੂੰ ਹਰਾਇਆ।

 ਸਾਲ 2005 ਦੇ ਦੌਰਾਨ ਸਟੈਨਲੀ, ਇੱਕ ਸਵੈ-ਚਲਾਉਣ ਵਾਲੀ ਕਾਰ, ਡਾਰਪਾ ਗ੍ਰੈਂਡ ਚੈਲੇਂਜ ਜਿੱਤ ਗਈ।

 2005 ਵਿੱਚ ਯੂਐਸ ਫੌਜ ਨੇ ਬੋਸਟਨ ਡਾਇਨਾਮਿਕਸ ਦੇ "ਬਿਗ ਡੌਗ" ਅਤੇ ਆਈਰੋਬੋਟ ਦੇ "ਪੈਕਬੌਟ" ਵਰਗੇ ਖੁਦਮੁਖਤਿਆਰ ਰੋਬੋਟਾਂ ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰਨਾ ਅਰੰਭ ਕੀਤਾ।

 ਸਾਲ 2008 ਵਿੱਚ ਗੂਗਲ ਬੋਲੀ ਪਛਾਣ ਵਿੱਚ ਸਫਲਤਾ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ ਅਤੇ ਆਪਣੇ ਆਈਫੋਨ ਐਪ ਵਿੱਚ ਵਿਸ਼ੇਸ਼ਤਾ ਪੇਸ਼ ਕਰਦਾ ਹੈ।

  ਸਾਲ 2011 ਵਿੱਚ ਆਈਬੀਐਮ ਦੇ ਵਾਟਸੌਂਟ ਨੇ ਖ਼ਤਰੇ 'ਤੇ ਮੁਕਾਬਲੇ ਦੀ ਘੋਸ਼ਣਾ ਕੀਤੀ।

 ਇਸ ਸਾਲ ਵਿੱਚ ਹੀ ਐਪਲ ਨੇ ਆਪਣੇ ਆਈਓਐਸ ਓਪਰੇਟਿੰਗ ਸਿਸਟਮ ਦੁਆਰਾ ਏਆਈ ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਵਰਚੁਅਲ ਸਹਾਇਕ ਸਿਰੀ(Siri) ਨੂੰ ਜਾਰੀ ਕੀਤਾ।

 2012 ਵਿੱਚ ਗੂਗਲ ਬ੍ਰੇਨ ਡੀਪ ਲਰਨਿੰਗ ਪ੍ਰੋਜੈਕਟ ਦੇ ਸੰਸਥਾਪਕ ਐਂਡਰਿਊ ਐਨਜੀ, ਇੱਕ ਸਿਖਲਾਈ ਸਮੂਹ ਦੇ ਰੂਪ ਵਿੱਚ 10 ਮਿਲੀਅਨ ਯੂਟਿਊਬ ਵਿਡੀਓਜ਼ ਦੀ ਡੂੰਘੀ ਸਿਖਲਾਈ ਐਲਗੋਰਿਦਮ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਇੱਕ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਨੂੰ ਫੀਡ ਕਰਦੇ ਹਨ।  ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਨੇ ਬਿੱਲੀ ਨੂੰ ਬਿਨਾ ਦੱਸੇ ਪਛਾਣਨਾ ਸਿੱਖ ਲਿਆ, ਬਿੱਲੀ ਕੀ ਹੈ, ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਅਤੇ ਡੂੰਘੀ ਸਿਖਲਾਈ ਫੰਡਿੰਗ ਲਈ ਸਫਲਤਾ ਦੇ ਯੁੱਗ ਦੀ ਸ਼ੁਰੂਆਤ ਕੀਤੀ।

 2014 ਵਿੱਚ ਗੂਗਲ ਸਟੇਟ ਡਰਾਈਵਿੰਗ ਟੈਸਟ ਪਾਸ ਕਰਨ ਵਾਲੀ ਪਹਿਲੀ ਸਵੈ-ਡਰਾਈਵਿੰਗ ਕਾਰ ਬਣਾਉਂਦੀ ਹੈ।

 ਸਾਲ 2014 ਐਮਾਜ਼ਾਨ ਦਾ ਅਲੈਕਸਾ, ਇੱਕ ਵਰਚੁਅਲ ਹੋਮ ਜਾਰੀ ਕੀਤਾ ਗਿਆ।

ਗੂਗਲ ਡੀਪ ਮਾਈਂਡ ਦੇ ਅਲਫ਼ਾਗੋ ਨੇ ਵਿਸ਼ਵ ਚੈਂਪੀਅਨ ਗੋ ਖਿਡਾਰੀ ਲੀ ਸੇਡੋਲ ਨੂੰ 2016 ਵਿੱਚ ਹਰਾਇਆ। ਪ੍ਰਾਚੀਨ ਚੀਨੀ ਖੇਡ ਦੀ ਗੁੰਝਲਤਾ ਨੂੰ ਏਆਈ ਵਿੱਚ ਸਾਫ ਕਰਨ ਵਿੱਚ ਇੱਕ ਵੱਡੀ ਰੁਕਾਵਟ ਵਜੋਂ ਵੇਖਿਆ ਗਿਆ ਸੀ।

 (2016) ਪਹਿਲਾ "ਰੋਬੋਟ ਨਾਗਰਿਕ", ਸੋਫੀਆ ਨਾਂ ਦਾ ਮਨੁੱਖੀ ਰੋਬੋਟ, ਹੈਨਸਨ ਰੋਬੋਟਿਕਸ ਦੁਆਰਾ ਬਣਾਇਆ ਗਿਆ ਅਤੇ ਚਿਹਰੇ ਦੀ ਪਛਾਣ, ਮੌਖਿਕ ਸੰਚਾਰ ਅਤੇ ਚਿਹਰੇ ਦੇ ਪ੍ਰਗਟਾਵੇ ਦੇ ਸਮਰੱਥ ਹੈ।

 2018 ਵਿੱਚ ਗੂਗਲ ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਪ੍ਰੋਸੈਸਿੰਗ ਇੰਜਣ ਬੀਈਆਰਟੀ ਜਾਰੀ ਕਰਦਾ ਹੈ, ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੁਆਰਾ ਅਨੁਵਾਦ ਅਤੇ ਸਮਝ ਵਿੱਚ ਰੁਕਾਵਟਾਂ ਨੂੰ ਘਟਾਉਂਦਾ ਹੈ।

 2018 ਵਿੱਚ ਹੀ ਵੇਮੋ ਨੇ ਆਪਣੀ ਵੇਮੋ ਵਨ ਸੇਵਾ ਦੀ ਸ਼ੁਰੂਆਤ ਕੀਤੀ, ਜਿਸ ਨਾਲ ਸਾਰੇ ਫੀਨਿਕਸ ਮਹਾਨਗਰ ਖੇਤਰ ਦੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਕੰਪਨੀ ਦੇ ਸਵੈ-ਚਲਾਉਣ ਵਾਲੇ ਵਾਹਨਾਂ ਵਿੱਚੋਂ ਇੱਕ ਨੂੰ ਚੁੱਕਣ ਦੀ ਬੇਨਤੀ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੱਤੀ ਗਈ।

 ਪਿਛਲੇ ਸਾਲ 2020 ਵਿੱਚ ਬੈਡੂ ਨੇ ਆਪਣੀ ਲੀਨੀਅਰਫੋਲਡ ਏਆਈ ਐਲਗੋਰਿਦਮ ਸਾਰਸ-ਕੋਵਿਡ-2 ਮਹਾਂਮਾਰੀ ਦੇ ਸ਼ੁਰੂਆਤੀ ਪੜਾਵਾਂ ਦੌਰਾਨ ਇੱਕ ਟੀਕਾ ਵਿਕਸਤ ਕਰਨ ਲਈ ਕੰਮ ਕਰ ਰਹੀਆਂ ਵਿਗਿਆਨਕ ਅਤੇ ਮੈਡੀਕਲ ਟੀਮਾਂ ਨੂੰ ਜਾਰੀ ਕੀਤਾ।  ਐਲਗੋਰਿਦਮ ਸਿਰਫ 27 ਸਕਿੰਟਾਂ ਵਿੱਚ ਵਾਇਰਸ ਦੇ ਆਰਐਨਏ ਕ੍ਰਮ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਦੇ ਯੋਗ ਹੈ, ਜੋ ਕਿ ਹੋਰ ਤਰੀਕਿਆਂ ਨਾਲੋਂ 120 ਗੁਣਾ ਤੇਜ਼ ਹੈ।

 AI ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ?

ਜਿਵੇਂ ਕਿ ਏਆਈ ਦੇ ਆਲੇ ਦੁਆਲੇ ਦੇ ਪ੍ਰਚਾਰ ਵਿੱਚ ਤੇਜ਼ੀ ਆਈ ਹੈ, ਵਿਕਰੇਤਾ ਇਸ ਗੱਲ ਨੂੰ ਉਤਸ਼ਾਹਤ ਕਰਨ ਲਈ ਘੁੰਮ ਰਹੇ ਹਨ ਕਿ ਉਨ੍ਹਾਂ ਦੇ ਉਤਪਾਦ ਅਤੇ ਸੇਵਾਵਾਂ ਏਆਈ ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰਦੇ ਹਨ। ਅਕਸਰ ਜਿਸ ਨੂੰ ਉਹ ਏਆਈ ਕਹਿੰਦੇ ਹਨ ਉਹ ਏਆਈ ਦਾ ਇੱਕ ਹਿੱਸਾ ਹੁੰਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਮਸ਼ੀਨ ਸਿਖਲਾਈ।  ਏਆਈ ਨੂੰ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਐਲਗੋਰਿਦਮ ਲਿਖਣ ਅਤੇ ਸਿਖਲਾਈ ਲਈ ਵਿਸ਼ੇਸ਼ ਹਾਰਡਵੇਅਰ ਅਤੇ ਸੌਫਟਵੇਅਰ ਦੀ ਨੀਂਹ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।  ਕੋਈ ਵੀ ਪ੍ਰੋਗਰਾਮਿੰਗ ਭਾਸ਼ਾ ਏਆਈ ਦਾ ਸਮਾਨਾਰਥੀ ਨਹੀਂ ਹੈ, ਪਰ ਪਾਇਥਨ, ਆਰ ਅਤੇ ਜਾਵਾ ਸਮੇਤ ਕੁਝ ਪ੍ਰਸਿੱਧ ਹਨ।

 ਆਮ ਤੌਰ 'ਤੇ, ਏਆਈ ਪ੍ਰਣਾਲੀਆਂ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਲੇਬਲ ਵਾਲੇ ਸਿਖਲਾਈ ਡੇਟਾ ਨੂੰ ਗ੍ਰਹਿਣ ਕਰਕੇ, ਸੰਬੰਧਾਂ ਅਤੇ ਪੈਟਰਨਾਂ ਦੇ ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਕੇ ਅਤੇ ਭਵਿੱਖ ਦੇ ਰਾਜਾਂ ਬਾਰੇ ਭਵਿੱਖਬਾਣੀਆਂ ਕਰਨ ਲਈ ਇਹਨਾਂ ਪੈਟਰਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੰਮ ਕਰਦੀਆਂ ਹਨ।  ਇਸ ਤਰ੍ਹਾਂ, ਇੱਕ ਚੈਟਬੋਟ ਜਿਸਨੂੰ ਟੈਕਸਟ ਚੈਟਸ ਦੀਆਂ ਉਦਾਹਰਣਾਂ ਦਿੱਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ, ਲੋਕਾਂ ਨਾਲ ਜੀਵਨ ਭਰ ਦੇ ਆਦਾਨ -ਪ੍ਰਦਾਨ ਨੂੰ (ਸਿੱਖਣਾ) ਸਿੱਖ ਸਕਦਾ ਹੈ, ਜਾਂ ਇੱਕ ਚਿੱਤਰ ਪਛਾਣ ਟੂਲ ਲੱਖਾਂ ਉਦਾਹਰਣਾਂ ਦੀ ਸਮੀਖਿਆ ਕਰਕੇ ਚਿੱਤਰਾਂ ਵਿੱਚ ਵਸਤੂਆਂ ਦੀ ਪਛਾਣ ਅਤੇ ਵਰਣਨ ਕਰਨਾ ਸਿੱਖ ਸਕਦਾ ਹੈ।

 ਏਆਈ ਪ੍ਰੋਗਰਾਮਿੰਗ ਤਿੰਨ ਬੋਧਾਤਮਕ ਹੁਨਰਾਂ 'ਤੇ ਕੇਂਦਰਤ ਹੈ: ਸਿੱਖਣਾ, ਤਰਕ ਅਤੇ ਸਵੈ-ਸੁਧਾਰ।

 ਸਿੱਖਣ ਦੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ- ਏਆਈ ਪ੍ਰੋਗਰਾਮਿੰਗ ਦਾ ਇਹ ਪਹਿਲੂ ਡਾਟਾ ਪ੍ਰਾਪਤ ਕਰਨ ਅਤੇ ਡੇਟਾ ਨੂੰ ਕਿਰਿਆਸ਼ੀਲ ਜਾਣਕਾਰੀ ਵਿੱਚ ਬਦਲਣ ਦੇ ਨਿਯਮ ਬਣਾਉਣ 'ਤੇ ਕੇਂਦ੍ਰਤ ਹੈ।  ਨਿਯਮ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਐਲਗੋਰਿਦਮ ਕਿਹਾ ਜਾਂਦਾ ਹੈ, ਕੰਪਿਊਟਿੰਗ ਉਪਕਰਣਾਂ ਨੂੰ ਇੱਕ ਖਾਸ ਕਾਰਜ ਨੂੰ ਕਿਵੇਂ ਪੂਰਾ ਕਰਨਾ ਹੈ ਇਸ ਬਾਰੇ ਕਦਮ-ਦਰ-ਕਦਮ ਨਿਰਦੇਸ਼ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ।

ਨਕਲੀ ਬੁੱਧੀ ਦੀਆਂ ਚਾਰ ਕਿਸਮਾਂ

1)ਪ੍ਰਤੀਕਿਰਿਆਸ਼ੀਲ ਮਸ਼ੀਨਾਂ

ਇੱਕ ਕਿਰਿਆਸ਼ੀਲ ਮਸ਼ੀਨ ਏਆਈ ਦੇ ਸਭ ਤੋਂ ਬੁਨਿਆਦੀ ਸਿਧਾਂਤਾਂ ਦੀ ਪਾਲਣਾ ਕਰਦੀ ਹੈ ਅਤੇ, ਜਿਵੇਂ ਕਿ ਇਸਦਾ ਨਾਮ ਦਰਸਾਉਂਦਾ ਹੈ, ਸਿਰਫ ਆਪਣੀ ਬੁੱਧੀ ਦੀ ਵਰਤੋਂ ਇਸ ਦੇ ਸਾਹਮਣੇ ਸੰਸਾਰ ਨੂੰ ਸਮਝਣ ਅਤੇ ਪ੍ਰਤੀਕਰਮ ਕਰਨ ਦੇ ਯੋਗ ਹੈ। ਇੱਕ ਕਿਰਿਆਸ਼ੀਲ ਮਸ਼ੀਨ ਮੈਮੋਰੀ ਨੂੰ ਸਟੋਰ ਨਹੀਂ ਕਰ ਸਕਦੀ ਅਤੇ ਨਤੀਜੇ ਵਜੋਂ ਰੀਅਲ-ਟਾਈਮ ਵਿੱਚ ਫੈਸਲੇ ਲੈਣ ਦੀ ਜਾਣਕਾਰੀ ਦੇਣ ਲਈ ਪਿਛਲੇ ਤਜ਼ਰਬਿਆਂ 'ਤੇ ਭਰੋਸਾ ਨਹੀਂ ਕਰ ਸਕਦੀ।

 ਇਸ ਦਾ ਸਿੱਧਾ ਅਰਥ ਇਹ ਹੈ ਕਿ ਪ੍ਰਤੀਕਿਰਿਆਸ਼ੀਲ ਮਸ਼ੀਨਾਂ ਸਿਰਫ ਸੀਮਤ ਗਿਣਤੀ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ ਡਿਊਟੀਆਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ।  ਕਿਸੇ ਪ੍ਰਤੀਕਿਰਿਆਸ਼ੀਲ ਮਸ਼ੀਨ ਦੇ ਵਿਸ਼ਵ ਦ੍ਰਿਸ਼ਟੀ ਨੂੰ ਜਾਣਬੁੱਝ ਕੇ ਸੰਕੁਚਿਤ ਕਰਨਾ ਕਿਸੇ ਵੀ ਤਰ੍ਹਾਂ ਦੀ ਲਾਗਤ ਘਟਾਉਣ ਵਾਲਾ ਉਪਾਅ ਨਹੀਂ ਹੈ, ਅਤੇ ਇਸਦਾ ਮਤਲਬ ਇਹ ਹੈ ਕਿ ਇਸ ਕਿਸਮ ਦਾ ਏਆਈ ਵਧੇਰੇ ਭਰੋਸੇਮੰਦ  ਹੋਵੇਗਾ-ਇਹ ਹਰ ਵਾਰ ਉਸੇ ਉਤਸ਼ਾਹ ਤੇ ਉਸੇ ਤਰ੍ਹਾਂ ਪ੍ਰਤੀਕ੍ਰਿਆ ਕਰੇਗਾ।

 ਪ੍ਰਤਿਕਿਰਿਆਸ਼ੀਲ ਮਸ਼ੀਨ ਦੀ ਇੱਕ ਮਸ਼ਹੂਰ ਉਦਾਹਰਣ ਡੀਪ ਬਲੂ ਹੈ, ਜਿਸਨੂੰ ਆਈਬੀਐਮ ਨੇ 1990 ਦੇ ਦਹਾਕੇ ਵਿੱਚ ਇੱਕ ਸ਼ਤਰੰਜ ਖੇਡਣ ਵਾਲੇ ਸੁਪਰ ਕੰਪਿਊਟਰ ਦੇ ਰੂਪ ਵਿੱਚ ਤਿਆਰ ਕੀਤਾ ਸੀ ਅਤੇ ਇੱਕ ਗੇਮ(ਸ਼ਤਰੰਜ) ਵਿੱਚ ਅੰਤਰਰਾਸ਼ਟਰੀ ਗ੍ਰੈਂਡਮਾਸਟਰ ਗੈਰੀ ਕਾਸਪਾਰੋਵ ਨੂੰ ਹਰਾਇਆ ਸੀ।  ਡੀਪ ਬਲੂ ਸਿਰਫ ਸ਼ਤਰੰਜ ਬੋਰਡ ਦੇ ਟੁਕੜਿਆਂ ਦੀ ਪਛਾਣ ਕਰਨ ਅਤੇ ਸ਼ਤਰੰਜ ਦੇ ਨਿਯਮਾਂ ਦੇ ਅਧਾਰ ਤੇ ਹਰ ਇੱਕ ਚਾਲ ਨੂੰ ਜਾਣਣ, ਹਰੇਕ ਟੁਕੜੇ ਦੀ ਮੌਜੂਦਾ ਸਥਿਤੀ ਨੂੰ ਸਵੀਕਾਰ ਕਰਨ ਅਤੇ ਇਹ ਨਿਰਧਾਰਤ ਕਰਨ ਦੇ ਸਮਰੱਥ ਸੀ ਕਿ ਉਸ ਸਮੇਂ ਸਭ ਤੋਂ ਤਰਕਪੂਰਨ ਚਾਲ ਕੀ ਹੋਵੇਗੀ।  ਕੰਪਿਊਟਰ ਆਪਣੇ ਵਿਰੋਧੀ ਦੁਆਰਾ ਭਵਿੱਖ ਦੀਆਂ ਸੰਭਾਵੀ ਚਾਲਾਂ ਦਾ ਪਿੱਛਾ ਨਹੀਂ ਕਰ ਰਿਹਾ ਸੀ ਜਾਂ ਆਪਣੇ ਖੁਦ ਦੇ ਟੁਕੜਿਆਂ ਨੂੰ ਬਿਹਤਰ ਸਥਿਤੀ ਵਿੱਚ ਰੱਖਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਨਹੀਂ ਕਰ ਰਿਹਾ ਸੀ। ਹਰ ਮੋੜ ਨੂੰ ਉਸਦੀ ਆਪਣੀ ਹਕੀਕਤ ਵਜੋਂ ਵੇਖਿਆ ਜਾਂਦਾ ਸੀ, ਕਿਸੇ ਵੀ ਹੋਰ ਚਾਲ ਤੋਂ ਵੱਖਰਾ ਜੋ ਪਹਿਲਾਂ ਕੀਤਾ ਗਿਆ ਸੀ।

 ਗੇਮ ਖੇਡਣ ਵਾਲੀ ਪ੍ਰਤੀਕਿਰਿਆਸ਼ੀਲ ਮਸ਼ੀਨ ਦੀ ਇਕ ਹੋਰ ਉਦਾਹਰਣ ਗੂਗਲ ਦੀ ਅਲਫਾਗੋ ਹੈ।  ਅਲਫ਼ਾਗੋ ਭਵਿੱਖ ਦੀਆਂ ਚਾਲਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਵਿੱਚ ਅਸਮਰੱਥ ਹੈ ਪਰ ਮੌਜੂਦਾ ਗੇਮ ਦੇ ਵਿਕਾਸ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਆਪਣੇ ਖੁਦ ਦੇ ਤੰਤੂ ਨੈੱਟਵਰਕ ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਇਸਨੂੰ ਵਧੇਰੇ ਗੁੰਝਲਦਾਰ ਗੇਮ ਵਿੱਚ ਡੀਪ ਬਲੂ ਤੋਂ ਅੱਗੇ ਲੈ ਜਾਂਦਾ ਹੈ।  ਅਲਫਾਗੋ ਨੇ ਖੇਡ ਦੇ ਵਿਸ਼ਵ ਪੱਧਰੀ ਪ੍ਰਤੀਯੋਗੀ ਵੀ ਦਿੱਤੇ, 2016 ਵਿੱਚ ਚੈਂਪੀਅਨ ਗੋ ਖਿਡਾਰੀ ਲੀ ਸੇਡੋਲ ਨੂੰ ਹਰਾਇਆ।

 ਹਾਲਾਂਕਿ ਦਾਇਰੇ ਵਿੱਚ ਸੀਮਿਤ ਅਤੇ ਅਸਾਨੀ ਨਾਲ ਬਦਲਿਆ ਨਹੀਂ ਜਾ ਸਕਦਾ, ਪ੍ਰਤਿਕਿਰਿਆਸ਼ੀਲ ਮਸ਼ੀਨ ਨਕਲੀ ਬੁੱਧੀ ਇੱਕ ਪੱਧਰ ਦੀ ਗੁੰਝਲਤਾ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੀ ਹੈ, ਅਤੇ ਦੁਹਰਾਉਣ ਯੋਗ ਕਾਰਜਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਭਰੋਸੇਯੋਗਤਾ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦੀ ਹੈ।

 2)ਸੀਮਤ ਮੈਮੋਰੀ

 ਸੀਮਤ ਮੈਮੋਰੀ ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਕੋਲ ਜਾਣਕਾਰੀ ਇਕੱਠੀ ਕਰਨ ਅਤੇ ਸੰਭਾਵਤ ਫੈਸਲਿਆਂ ਨੂੰ ਤੋਲਣ ਵੇਲੇ ਪਿਛਲੇ ਡੇਟਾ ਅਤੇ ਭਵਿੱਖਬਾਣੀਆਂ ਨੂੰ ਸਟੋਰ ਕਰਨ ਦੀ ਯੋਗਤਾ ਹੁੰਦੀ ਹੈ - ਅੱਗੇ ਕੀ ਹੋ ਸਕਦਾ ਹੈ ਇਸ ਬਾਰੇ ਸੁਰਾਗ ਲੱਭਣ ਲਈ ਅਤੀਤ ਨੂੰ ਵੇਖਣਾ।  ਸੀਮਤ ਮੈਮੋਰੀ ਨਕਲੀ ਬੁੱਧੀ ਵਧੇਰੇ ਗੁੰਝਲਦਾਰ ਹੈ ਅਤੇ ਪ੍ਰਤੀਕਿਰਿਆਸ਼ੀਲ ਮਸ਼ੀਨਾਂ ਨਾਲੋਂ ਵਧੇਰੇ ਸੰਭਾਵਨਾਵਾਂ ਪੇਸ਼ ਕਰਦੀ ਹੈ।

 ਸੀਮਤ ਮੈਮੋਰੀ ਏਆਈ ਉਦੋਂ ਬਣਾਈ ਜਾਂਦੀ ਹੈ ਜਦੋਂ ਇੱਕ ਟੀਮ ਨਿਰੰਤਰ ਮਾਡਲ ਨੂੰ ਸਿਖਲਾਈ ਦਿੰਦੀ ਹੈ ਕਿ ਨਵੇਂ ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਉਪਯੋਗ ਕਿਵੇਂ ਕਰਨਾ ਹੈ ਜਾਂ ਏਆਈ ਵਾਤਾਵਰਣ ਬਣਾਇਆ ਗਿਆ ਹੈ ਤਾਂ ਜੋ ਮਾਡਲਾਂ ਨੂੰ ਆਪਣੇ ਆਪ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾ ਸਕੇ ਅਤੇ ਨਵੀਨੀਕਰਣ ਕੀਤਾ ਜਾ ਸਕੇ।  ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਵਿੱਚ ਸੀਮਤ ਮੈਮੋਰੀ AI ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਸਮੇਂ, ਛੇ ਕਦਮਾਂ ਦੀ ਪਾਲਣਾ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ: ਸਿਖਲਾਈ ਡੇਟਾ ਤਿਆਰ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਮਾਡਲ ਬਣਾਇਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਮਾਡਲ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ, ਮਾਡਲ ਮਨੁੱਖੀ ਜਾਂ ਵਾਤਾਵਰਣ ਪ੍ਰਤੀਕਰਮ ਪ੍ਰਾਪਤ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ,  ਉਸ ਫੀਡਬੈਕ ਨੂੰ ਡਾਟਾ ਦੇ ਰੂਪ ਵਿੱਚ ਸਟੋਰ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਅਤੇ ਇਹਨਾਂ ਕਦਮਾਂ ਨੂੰ ਇੱਕ ਚੱਕਰ ਵਜੋਂ ਦੁਹਰਾਇਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।

 ਇੱਥੇ ਤਿੰਨ ਮੁੱਖ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਮਾਡਲ ਹਨ ਜੋ ਸੀਮਤ ਮੈਮੋਰੀ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ:-

 ਮਜਬੂਤ ਸਿਖਲਾਈ, ਜੋ ਵਾਰ-ਵਾਰ ਅਜ਼ਮਾਇਸ਼ ਅਤੇ ਗਲਤੀ ਦੁਆਰਾ ਬਿਹਤਰ ਭਵਿੱਖਬਾਣੀਆਂ ਕਰਨਾ ਸਿੱਖਦੀ ਹੈ।

 ਲੰਮੀ ਛੋਟੀ ਮਿਆਦ ਦੀ ਮੈਮੋਰੀ (ਐਲਐਸਟੀਐਮ), ਜੋ ਕਿ ਕ੍ਰਮ ਵਿੱਚ ਅਗਲੀ ਵਸਤੂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਵਿੱਚ ਸਹਾਇਤਾ ਲਈ ਪਿਛਲੇ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ। ਐਲਟੀਐਸਐਮ ਵਧੇਰੇ ਹਾਲੀਆ ਜਾਣਕਾਰੀ ਨੂੰ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਮੰਨਦੇ ਹਨ ਜਦੋਂ ਪਿਛਲੇ ਸਮੇਂ ਵਿੱਚ ਭਵਿੱਖਬਾਣੀਆਂ ਅਤੇ ਛੋਟਾਂ ਦੇ ਅੰਕੜਿਆਂ ਨੂੰ ਬਣਾਉਂਦੇ ਹਨ, ਹਾਲਾਂਕਿ ਅਜੇ ਵੀ ਇਸਦੀ ਵਰਤੋਂ ਸਿੱਟੇ ਬਣਾਉਣ ਲਈ ਕਰਦੇ ਹਨ।

 ਵਿਕਾਸਵਾਦੀ ਜਨਰੇਟਿਵ ਐਡਵਰਸਰੀਅਲ ਨੈਟਵਰਕਸ (ਈ-ਗੈਨ), ਜੋ ਸਮੇਂ ਦੇ ਨਾਲ ਵਿਕਸਤ ਹੁੰਦਾ ਹੈ, ਹਰ ਨਵੇਂ ਫੈਸਲੇ ਦੇ ਨਾਲ ਪਿਛਲੇ ਤਜ਼ਰਬਿਆਂ ਦੇ ਅਧਾਰ ਤੇ ਥੋੜ੍ਹੇ ਸੋਧੇ ਮਾਰਗਾਂ ਦੀ ਖੋਜ ਕਰਨ ਲਈ ਵਧਦਾ ਜਾ ਰਿਹਾ ਹੈ।  ਇਹ ਮਾਡਲ ਲਗਾਤਾਰ ਬਿਹਤਰ ਮਾਰਗ ਦੀ ਭਾਲ ਵਿੱਚ ਹੈ ਅਤੇ ਇਸਦੇ ਵਿਕਾਸਵਾਦੀ ਪਰਿਵਰਤਨ ਚੱਕਰ ਦੌਰਾਨ ਨਤੀਜਿਆਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਸਿਮੂਲੇਸ਼ਨਾਂ ਅਤੇ ਅੰਕੜਿਆਂ ਜਾਂ ਮੌਕਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈੈ।

3)ਮਨ ਦੀ ਥਿਊਰੀ

 ਮਨ ਦੀ ਥਿਊਰੀ ਸਿਰਫ ਇਹੀ ਹੈ - ਸਿਧਾਂਤਕ।  ਅਸੀਂ ਅਜੇ ਵੀ ਨਕਲੀ ਬੁੱਧੀ ਦੇ ਇਸ ਅਗਲੇ ਪੱਧਰ ਤੱਕ ਪਹੁੰਚਣ ਲਈ ਲੋੜੀਂਦੀਆਂ ਤਕਨੀਕੀ ਅਤੇ ਵਿਗਿਆਨਕ ਯੋਗਤਾਵਾਂ ਪ੍ਰਾਪਤ ਨਹੀਂ ਕਰ ਸਕੇ ਹਾਂ।

 ਇਹ ਸੰਕਲਪ ਇਹ ਸਮਝਣ ਦੇ ਮਨੋਵਿਗਿਆਨਕ ਅਧਾਰ 'ਤੇ ਅਧਾਰਤ ਹੈ ਕਿ ਹੋਰ ਜੀਵਤ ਚੀਜ਼ਾਂ ਦੇ ਵਿਚਾਰ ਅਤੇ ਭਾਵਨਾਵਾਂ ਹਨ ਜੋ ਆਪਣੇ ਆਪ ਦੇ ਵਿਵਹਾਰ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰਦੀਆਂ ਹਨ।  ਏਆਈ ਮਸ਼ੀਨਾਂ ਦੇ ਰੂਪ ਵਿੱਚ, ਇਸਦਾ ਅਰਥ ਇਹ ਹੋਵੇਗਾ ਕਿ ਏਆਈ ਸਮਝ ਸਕਦਾ ਹੈ ਕਿ ਮਨੁੱਖ, ਜਾਨਵਰ ਅਤੇ ਹੋਰ ਮਸ਼ੀਨਾਂ ਕਿਵੇਂ ਮਹਿਸੂਸ ਕਰਦੀਆਂ ਹਨ ਅਤੇ ਸਵੈ-ਪ੍ਰਤੀਬਿੰਬ ਅਤੇ ਦ੍ਰਿੜਤਾ ਦੁਆਰਾ ਫੈਸਲੇ ਲੈਂਦੀਆਂ ਹਨ, ਅਤੇ ਫਿਰ ਇਸ ਜਾਣਕਾਰੀ ਦੀ ਵਰਤੋਂ ਆਪਣੇ ਖੁਦ ਦੇ ਫੈਸਲੇ ਲੈਣ ਲਈ ਕਰੇਗੀ। ਅਸਲ ਵਿੱਚ, ਮਸ਼ੀਨਾਂ ਨੂੰ "ਮਨ" ਦੀ ਧਾਰਨਾ ਨੂੰ ਸਮਝਣ ਅਤੇ ਪ੍ਰਕਿਰਿਆ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। 

4)ਸਵੈ-ਜਾਗਰੂਕਤਾ

 ਇੱਕ ਵਾਰ ਜਦੋਂ ਮਨ ਦੀ ਥਿਊਰੀ ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਵਿੱਚ ਸਥਾਪਤ ਹੋ ਸਕਦੀ ਹੈ, ਕਿਸੇ ਸਮੇਂ ਭਵਿੱਖ ਵਿੱਚ, ਏਆਈ ਲਈ ਸਵੈ-ਜਾਗਰੂਕ ਹੋਣ ਦਾ ਅੰਤਮ ਕਦਮ ਹੋਵੇਗਾ।  ਇਸ ਕਿਸਮ ਦੀ ਨਕਲੀ ਬੁੱਧੀ ਮਨੁੱਖੀ ਪੱਧਰ ਦੀ ਚੇਤਨਾ ਰੱਖਦੀ ਹੈ ਅਤੇ ਸੰਸਾਰ ਵਿੱਚ ਆਪਣੀ ਹੋਂਦ ਦੇ ਨਾਲ ਨਾਲ ਦੂਜਿਆਂ ਦੀ ਮੌਜੂਦਗੀ ਅਤੇ ਭਾਵਨਾਤਮਕ ਸਥਿਤੀ ਨੂੰ ਸਮਝਦੀ ਹੈ।  ਇਹ ਸਮਝਣ ਦੇ ਯੋਗ ਹੋਵੇਗਾ ਕਿ ਦੂਜਿਆਂ ਨੂੰ ਉਨ੍ਹਾਂ ਨਾਲ ਕੀ ਸੰਚਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਇਸਦੇ ਅਧਾਰ ਤੇ ਨਹੀਂ ਬਲਕਿ ਉਹ ਇਸ ਨਾਲ ਕਿਵੇਂ ਸੰਚਾਰ ਕਰਦੇ ਹਨ।

 ਨਕਲੀ ਬੁੱਧੀ ਵਿੱਚ ਸਵੈ-ਜਾਗਰੂਕਤਾ ਮਨੁੱਖੀ ਖੋਜਕਰਤਾਵਾਂ 'ਤੇ ਚੇਤਨਾ ਦੇ ਅਧਾਰ ਨੂੰ ਸਮਝਣ ਅਤੇ ਫਿਰ ਇਸ ਨੂੰ ਦੁਹਰਾਉਣਾ ਸਿੱਖਣ' ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ ਤਾਂ ਜੋ ਇਸਨੂੰ ਮਸ਼ੀਨਾਂ ਵਿੱਚ ਬਣਾਇਆ ਜਾ ਸਕੇ।

ਨਕਲੀ ਬੁੱਧੀ ਆਮ ਤੌਰ ਤੇ ਤਿੰਨ ਵਿਆਪਕ ਸ਼੍ਰੇਣੀਆਂ ਦੇ ਅਧੀਨ ਆਉਂਦੀ ਹੈ:

 1)ਆਰਟੀਫਿਸ਼ੀਅਲ ਸੁਪਰ ਇੰਟੈਲੀਜੈਂਸ (ਏਐਸਆਈ) ਇੱਕ ਸੌਫਟਵੇਅਰ-ਅਧਾਰਤ ਪ੍ਰਣਾਲੀ ਹੈ ਜੋ ਬੌਧਿਕ ਸ਼ਕਤੀਆਂ ਨਾਲ ਮਨੁੱਖਾਂ ਦੀਆਂ ਸ਼ਕਤੀਆਂ ਤੋਂ ਇਲਾਵਾ ਸ਼੍ਰੇਣੀਆਂ ਅਤੇ ਕੋਸ਼ਿਸ਼ਾਂ ਦੇ ਖੇਤਰਾਂ ਦੀ ਲਗਭਗ ਵਿਆਪਕ ਸ਼੍ਰੇਣੀ ਵਿੱਚ ਹੈ।

 ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (ਏਆਈ) ਵਿੱਚ ਮਨੁੱਖੀ ਬੌਧਿਕ ਸਮਰੱਥਾਵਾਂ ਜਿਵੇਂ ਕਿ ਸਿੱਖਣਾ (ਜਾਣਕਾਰੀ ਦੀ ਪ੍ਰਾਪਤੀ ਅਤੇ ਜਾਣਕਾਰੀ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੇ ਨਿਯਮ), ਤਰਕ (ਅਨੁਮਾਨਤ ਜਾਂ ਨਿਸ਼ਚਤ ਸਿੱਟੇ ਤੇ ਪਹੁੰਚਣ ਲਈ ਨਿਯਮਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨਾ), ਅਤੇ ਸਵੈ-ਸੁਧਾਰ, ਦੇ ਸੌਫਟਵੇਅਰ-ਅਧਾਰਤ ਸਿਮੂਲੇਸ਼ਨ ਸ਼ਾਮਲ ਹਨ।  ਵਰਚੁਅਲ ਅਸਿਸਟੈਂਟਸ, ਮਾਹਰ ਪ੍ਰਣਾਲੀਆਂ ਅਤੇ ਸਵੈ-ਡ੍ਰਾਇਵਿੰਗ ਕਾਰਾਂ ਸਮੇਤ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਏਆਈ ਸਾਡੇ ਰੋਜ਼ਾਨਾ ਦੇ ਵਾਤਾਵਰਣ ਦਾ ਵੱਧਦਾ ਹਿੱਸਾ ਹੈ।  ਫਿਰ ਵੀ, ਤਕਨਾਲੋਜੀ ਅਜੇ ਵੀ ਇਸਦੇ ਵਿਕਾਸ ਦੇ ਸ਼ੁਰੂਆਤੀ ਦਿਨਾਂ ਵਿੱਚ ਹੈ। ਹਾਲਾਂਕਿ ਉਹ ਆਪਣੀ ਕਾਬਲੀਅਤ ਦੇ ਹਿਸਾਬ ਨਾਲ ਭਿੰਨ ਹੋ ਸਕਦੇ ਹਨ, ਸਾਰੇ ਮੌਜੂਦਾ ਏਆਈ ਸਿਸਟਮ ਕਮਜ਼ੋਰ ਏਆਈ ਦੀਆਂ ਉਦਾਹਰਣਾਂ ਹਨ: ਇੱਕ ਉੱਚ ਕਾਰਜਸ਼ੀਲ ਪ੍ਰਣਾਲੀ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਣ ਲਈ ਨਕਲੀ ਬੁੱਧੀ ਤਕਨਾਲੋਜੀਆਂ ਦੇ ਉਪਯੋਗ ਜੋ ਇੱਕ ਸਮਰਪਿਤ ਉਦੇਸ਼ ਲਈ ਮਨੁੱਖੀ ਬੁੱਧੀ ਨੂੰ ਦੁਹਰਾਉਂਦੇ ਹਨ-ਅਤੇ ਸ਼ਾਇਦ ਇਸ ਤੋਂ ਅੱਗੇ ਨਿਕਲ ਜਾਂਦੇ ਹਨ।

 2)ਆਰਟੀਫਿਸ਼ੀਅਲ ਜਨਰਲ ਇੰਟੈਲੀਜੈਂਸ (ਏਜੀਆਈ):- ਏਜੀਆਈ, ਜਿਸਨੂੰ ਕਈ ਵਾਰ "ਸਟਰੌਂਗ ਏਆਈ" ਕਿਹਾ ਜਾਂਦਾ ਹੈ, ਇਹ ਅਜਿਹੀ ਨਕਲੀ ਬੁੱਧੀ ਹੈ ਜੋ ਅਸੀਂ ਫਿਲਮਾਂ ਵਿੱਚ ਵੇਖਦੇ ਹਾਂ, ਜਿਵੇਂ ਵੈਸਟਵਰਲਡ ਦੇ ਰੋਬੋਟ ਜਾਂ ਸਟਾਰ ਟ੍ਰੇਕ ਤੋਂ ਡੇਟਾ: ਦ ਨੈਕਸਟ ਜਨਰੇਸ਼ਨ।  ਏਜੀਆਈ ਆਮ ਬੁੱਧੀ ਵਾਲੀ ਇੱਕ ਮਸ਼ੀਨ ਹੈ ਅਤੇ, ਮਨੁੱਖ ਵਾਂਗ, ਇਹ ਕਿਸੇ ਵੀ ਸਮੱਸਿਆ ਦੇ ਹੱਲ ਲਈ ਉਸ ਬੁੱਧੀ ਨੂੰ ਲਾਗੂ ਕਰ ਸਕਦੀ ਹੈੈ।

3) ਤੰਗ ਨਕਲੀ ਬੁੱਧੀ(ਨੈਰੋ ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ)

 ਸੰਕੁਚਿਤ ਏਆਈ ਸਾਡੇ ਆਲੇ ਦੁਆਲੇ ਹੈ ਅਤੇ ਅੱਜ ਤੱਕ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਅਸਾਨੀ ਨਾਲ ਸਫਲਤਾਪੂਰਵਕ ਪ੍ਰਾਪਤੀ ਹੈ।  ਖਾਸ ਕਾਰਜਾਂ ਨੂੰ ਨਿਭਾਉਣ 'ਤੇ ਇਸਦੇ ਫੋਕਸ ਦੇ ਨਾਲ, ਨੈਰੋ ਏਆਈ ਨੇ ਪਿਛਲੇ ਦਹਾਕੇ ਵਿੱਚ ਬਹੁਤ ਸਾਰੀਆਂ ਸਫਲਤਾਵਾਂ ਦਾ ਅਨੁਭਵ ਕੀਤਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੇ "ਮਹੱਤਵਪੂਰਣ ਸਮਾਜਕ ਲਾਭ ਪ੍ਰਾਪਤ ਕੀਤੇ ਹਨ ਅਤੇ ਦੇਸ਼ ਦੀ ਆਰਥਿਕ ਜੀਵਨਸ਼ਕਤੀ ਵਿੱਚ ਯੋਗਦਾਨ ਪਾਇਆ ਹੈ 

 ਨੈਰੋ ਏਆਈ ਦੀਆਂ ਕੁਝ ਉਦਾਹਰਣਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

 ਗੂਗਲ ਖੋਜ

 ਚਿੱਤਰ ਪਛਾਣ ਸੌਫਟਵੇਅਰ

 ਸਿਰੀ, ਅਲੈਕਸਾ ਅਤੇ ਹੋਰ ਨਿੱਜੀ ਸਹਾਇਕ

 ਸਵੈ-ਚਲਾਉਣ ਵਾਲੀਆਂ ਕਾਰਾਂ

 ਆਈਬੀਐਮ ਦੇ ਵਾਟਸਨ

 ਮਸ਼ੀਨ ਸਿਖਲਾਈ 

 ਬਹੁਤ ਜ਼ਿਆਦਾ ਨੈਰੋ ਏਆਈ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਅਤੇ ਡੂੰਘੀ ਸਿਖਲਾਈ ਵਿੱਚ ਸਫਲਤਾਵਾਂ ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਹੈ। ਨਕਲੀ ਬੁੱਧੀ, ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਅਤੇ ਡੂੰਘੀ ਸਿਖਲਾਈ ਦੇ ਵਿੱਚ ਅੰਤਰ ਨੂੰ ਸਮਝਣਾ ਉਲਝਣ ਵਾਲਾ ਹੋ ਸਕਦਾ ਹੈ। ਵੈਂਚਰ ਪੂੰਜੀਪਤੀ ਫ੍ਰੈਂਕ ਚੇਨ ਉਨ੍ਹਾਂ ਦੇ ਵਿੱਚ ਕਿਵੇਂ ਫਰਕ ਕਰਨਾ ਹੈ ਇਸ ਬਾਰੇ ਇੱਕ ਚੰਗੀ ਸੰਖੇਪ ਜਾਣਕਾਰੀ ਦਿੰਦਾ ਹੈ :-

 "ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਮਨੁੱਖੀ ਬੁੱਧੀ ਦੀ ਨਕਲ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨ ਲਈ ਐਲਗੋਰਿਦਮ ਅਤੇ ਬੁੱਧੀ ਦਾ ਇੱਕ ਸਮੂਹ ਹੈ। ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਉਹਨਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ, ਅਤੇ ਡੂੰਘੀ ਸਿਖਲਾਈ ਉਹਨਾਂ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਤਕਨੀਕਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ।"

 ਸਿੱਧੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਇੱਕ ਕੰਪਿਊਟਰ ਡੇਟਾ ਨੂੰ ਫੀਡ ਕਰਦੀ ਹੈ ਅਤੇ ਅੰਕੜੇ ਸੰਬੰਧੀ ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ ਤਾਂ ਜੋ ਇਸ ਕੰਮ ਲਈ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਪ੍ਰੋਗਰਾਮ ਕੀਤੇ ਬਿਨਾਂ, ਕਿਸੇ ਕਾਰਜ ਵਿੱਚ ਹੌਲੀ ਹੌਲੀ ਬਿਹਤਰ ਕਿਵੇਂ ਹੋਣਾ ਹੈ, ਇਸ ਬਾਰੇ "ਸਿੱਖਣ" ਵਿੱਚ ਸਹਾਇਤਾ ਕੀਤੀ ਜਾਏ, ਲੱਖਾਂ ਲਾਈਨਾਂ ਦੀ ਲਿਖਤੀ ਕੋਡ ਦੀ ਜ਼ਰੂਰਤ ਨੂੰ ਖਤਮ ਕੀਤਾ ਜਾਏ।  ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਵਿੱਚ ਨਿਗਰਾਨੀ ਅਧੀਨ ਸਿੱਖਣ (ਲੇਬਲ ਵਾਲੇ ਡੇਟਾ ਸੈਟਾਂ ਦੀ ਵਰਤੋਂ) ਅਤੇ ਨਿਗਰਾਨੀ ਰਹਿਤ ਸਿਖਲਾਈ (ਲੇਬਲ ਰਹਿਤ ਡੇਟਾ ਸੈਟਾਂ ਦੀ ਵਰਤੋਂ) ਦੋਵੇਂ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ।

 ਡੂੰਘੀ ਸਿਖਲਾਈ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਦੀ ਇੱਕ ਕਿਸਮ ਹੈ ਜੋ ਜੀਵ-ਵਿਗਿਆਨ ਦੁਆਰਾ ਪ੍ਰੇਰਿਤ ਨਿਊਰਲ ਨੈਟਵਰਕ ਆਰਕੀਟੈਕਚਰ ਦੁਆਰਾ ਇਨਪੁਟਸ ਨੂੰ ਚਲਾਉਂਦੀ ਹੈ। ਦਿਮਾਗੀ ਨੈਟਵਰਕਾਂ ਵਿੱਚ ਬਹੁਤ ਸਾਰੀਆਂ ਲੁਕੀਆਂ ਪਰਤਾਂ ਹੁੰਦੀਆਂ ਹਨ ਜਿਨ੍ਹਾਂ ਦੁਆਰਾ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਮਸ਼ੀਨ ਆਪਣੀ ਸਿਖਲਾਈ ਵਿੱਚ "ਡੂੰਘੀ" ਜਾ ਸਕਦੀ ਹੈ, ਵਧੀਆ ਨਤੀਜਿਆਂ ਲਈ ਕੁਨੈਕਸ਼ਨ ਬਣਾਉਂਦੀ ਹੈ ਅਤੇ ਭਾਰ ਵਧਾਉਂਦੀ ਹੈ।

 ਨਕਲੀ ਜਨਰਲ ਇੰਟੈਲੀਜੈਂਸ

 ਮਨੁੱਖੀ ਪੱਧਰ ਦੀ ਬੁੱਧੀ ਵਾਲੀ ਮਸ਼ੀਨ ਦੀ ਸਿਰਜਣਾ ਜੋ ਕਿਸੇ ਵੀ ਕਾਰਜ ਲਈ ਲਾਗੂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ ਬਹੁਤ ਸਾਰੇ ਏਆਈ ਖੋਜਕਰਤਾਵਾਂ ਲਈ ਪਵਿੱਤਰ ਗ੍ਰੇਲ ਹੈ, ਪਰ ਏਜੀਆਈ ਦੀ ਖੋਜ ਮੁਸ਼ਕਲ ਨਾਲ ਭਰੀ ਹੋਈ ਹੈ।

 "ਕਿਸੇ ਵੀ ਵਾਤਾਵਰਣ ਵਿੱਚ ਸਿੱਖਣ ਅਤੇ ਕੰਮ ਕਰਨ ਲਈ ਵਿਆਪਕ ਐਲਗੋਰਿਦਮ" ਦੀ ਖੋਜ, (ਰਸੇਲ ਅਤੇ ਨੌਰਵਿਗ) ਨਵੀਂ ਨਹੀਂ ਹੈ, ਪਰ ਸਮੇਂ ਨੇ ਜ਼ਰੂਰੀ ਤੌਰ ਤੇ ਬੋਧਾਤਮਕ ਯੋਗਤਾਵਾਂ ਦੇ ਪੂਰੇ ਸਮੂਹ ਦੇ ਨਾਲ ਇੱਕ ਮਸ਼ੀਨ ਬਣਾਉਣ ਦੀ ਮੁਸ਼ਕਲ ਨੂੰ ਘੱਟ ਨਹੀਂ ਕੀਤਾ।

 ਏਜੀਆਈ ਲੰਮੇ ਸਮੇਂ ਤੋਂ ਡਾਇਸਟੋਪੀਅਨ ਸਾਇੰਸ ਫਿਕਸ਼ਨ ਦਾ ਸੰਗ੍ਰਹਿ ਰਿਹਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਬਹੁਤ ਸੂਝਵਾਨ ਰੋਬੋਟ ਮਨੁੱਖਤਾ ਨੂੰ ਹਰਾ ਦਿੰਦੇ ਹਨ, ਪਰ ਮਾਹਰ ਸਹਿਮਤ ਹਨ ਕਿ ਇਹ ਉਹ ਚੀਜ਼ ਨਹੀਂ ਹੈ ਜਿਸਦੀ ਸਾਨੂੰ ਕਿਸੇ ਵੀ ਸਮੇਂ ਜਲਦੀ ਚਿੰਤਾ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਹੈ।

ਨਕਲੀ ਬੁੱਧੀ ਦੇ ਕੀ ਫਾਇਦੇ ਅਤੇ ਨੁਕਸਾਨ ਹਨ?

ਨਕਲੀ ਦਿਮਾਗੀ ਨੈਟਵਰਕ ਅਤੇ ਡੂੰਘੀ ਸਿੱਖਣ ਵਾਲੀ ਨਕਲੀ ਬੁੱਧੀ ਤਕਨਾਲੋਜੀਆਂ ਤੇਜ਼ੀ ਨਾਲ ਵਿਕਸਤ ਹੋ ਰਹੀਆਂ ਹਨ, ਮੁੱਖ ਤੌਰ ਤੇ ਕਿਉਂਕਿ ਏਆਈ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਡੇਟਾ ਨੂੰ ਬਹੁਤ ਤੇਜ਼ੀ ਨਾਲ ਸੰਸਾਧਿਤ ਕਰਦਾ ਹੈ ਅਤੇ ਭਵਿੱਖਬਾਣੀਆਂ ਨੂੰ ਮਨੁੱਖੀ ਤੌਰ ਤੇ ਸੰਭਵ ਨਾਲੋਂ ਵਧੇਰੇ ਸਟੀਕ ਬਣਾਉਂਦਾ ਹੈ।

 ਹਾਲਾਂਕਿ ਰੋਜ਼ਾਨਾ ਦੇ ਅਧਾਰ ਤੇ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਡਾਟਾ ਬਣਾਇਆ ਜਾ ਰਿਹਾ ਹੈ ਜੋ ਮਨੁੱਖੀ ਖੋਜਕਰਤਾ ਨੂੰ ਦਫਨਾ ਦੇਵੇਗਾ, ਏਆਈ ਐਪਲੀਕੇਸ਼ਨ ਜੋ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੀ ਵਰਤੋਂ ਕਰਦੀਆਂ ਹਨ ਉਹ ਡਾਟਾ ਲੈ ਸਕਦੀਆਂ ਹਨ ਅਤੇ ਇਸਨੂੰ ਜਲਦੀ ਕਾਰਵਾਈਯੋਗ ਜਾਣਕਾਰੀ ਵਿੱਚ ਬਦਲ ਸਕਦੀਆਂ ਹਨ। ਏਆਈ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦਾ ਮੁਢਲਾ ਨੁਕਸਾਨ ਇਹ ਹੈ ਕਿ ਏਆਈ ਪ੍ਰੋਗਰਾਮਿੰਗ ਨੂੰ ਲੋੜੀਂਦੀ ਮਾਤਰਾ ਵਿੱਚ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਨਾ ਮਹਿੰਗਾ ਹੁੰਦਾ ਹੈ।

AI ਦੇ ਲਾਭ

1)ਵਿਸਥਾਰ-ਅਧਾਰਤ ਨੌਕਰੀਆਂ ਵਿੱਚ ਵਧੀਆ

2)ਡਾਟਾ-ਭਾਰੀ ਕਾਰਜਾਂ ਲਈ ਸਮਾਂ ਘਟਾਉਣਾ

3)ਇਕਸਾਰ ਨਤੀਜੇ ਦਿੰਦਾ ਹੈ।

4)ਏਆਈ ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਵਰਚੁਅਲ ਏਜੰਟ ਹਮੇਸ਼ਾਂ ਉਪਲਬਧ ਹੁੰਦੇ ਹਨ।

 ਨੁਕਸਾਨ

1)ਮਹਿੰਗਾ

2)ਡੂੰਘੀ ਤਕਨੀਕੀ ਮੁਹਾਰਤ ਦੀ ਲੋੜ ਹੈ;

3) AI ਟੂਲ ਬਣਾਉਣ ਲਈ ਯੋਗ ਕਰਮਚਾਰੀਆਂ ਦੀ ਸੀਮਤ ਸਪਲਾਈ

4)ਸਿਰਫ ਇਹ ਜਾਣਦਾ ਹੈ ਕਿ ਇਹ ਕੀ ਦਿਖਾਇਆ ਗਿਆ ਹੈ

5)ਇੱਕ ਕਾਰਜ ਤੋਂ ਦੂਜੇ ਕਾਰਜ ਨੂੰ ਆਮ ਬਣਾਉਣ ਦੀ ਯੋਗਤਾ ਦੀ ਘਾਟ।

 ਨਕਲੀ ਬੁੱਧੀ ਨੇ ਕਈ ਤਰ੍ਹਾਂ ਦੇ ਬਾਜ਼ਾਰਾਂ ਵਿੱਚ ਆਪਣਾ ਰਸਤਾ ਬਣਾ ਲਿਆ ਹੈ।  ਇੱਥੇ ਕੁਝ ਉਦਾਹਰਣਾਂ ਹਨ-

1)ਸਿਹਤ ਸੰਭਾਲ ਵਿੱਚ AI-  ਸਭ ਤੋਂ ਵੱਡਾ ਸੱਟਾ ਮਰੀਜ਼ਾਂ ਦੇ ਨਤੀਜਿਆਂ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਅਤੇ ਖਰਚਿਆਂ ਨੂੰ ਘਟਾਉਣ 'ਤੇ ਹੈ।  ਕੰਪਨੀਆਂ ਮਨੁੱਖਾਂ ਨਾਲੋਂ ਬਿਹਤਰ ਅਤੇ ਤੇਜ਼ੀ ਨਾਲ ਇਲਾਜ ਕਰਨ ਲਈ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਲਾਗੂ ਕਰ ਰਹੀਆਂ ਹਨ।  ਸਭ ਤੋਂ ਮਸ਼ਹੂਰ ਸਿਹਤ ਸੰਭਾਲ ਤਕਨਾਲੋਜੀਆਂ ਵਿੱਚੋਂ ਇੱਕ ਆਈਬੀਐਮ ਵਾਟਸਨ ਹੈ।  ਇਹ ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਨੂੰ ਸਮਝਦਾ ਹੈ ਅਤੇ ਇਸ ਬਾਰੇ ਪੁੱਛੇ ਗਏ ਪ੍ਰਸ਼ਨਾਂ ਦੇ ਉੱਤਰ ਦੇ ਸਕਦਾ ਹੈੈ। ਸਿਸਟਮ ਇੱਕ ਪਰਿਕਲਪਨਾ ਬਣਾਉਣ ਲਈ ਮਰੀਜ਼ਾਂ ਦੇ ਡੇਟਾ ਅਤੇ ਹੋਰ ਉਪਲਬਧ ਡੇਟਾ ਸਰੋਤਾਂ ਦੀ ਖੁਦਾਈ ਕਰਦਾ ਹੈ, ਜਿਸਨੂੰ ਇਹ ਫਿਰ ਇੱਕ ਵਿਸ਼ਵਾਸ ਸਕੋਰਿੰਗ ਸਕੀਮਾ ਦੇ ਨਾਲ ਪੇਸ਼ ਕਰਦਾ ਹੈੈੈ। ਹੋਰ ਏਆਈ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਮਰੀਜ਼ਾਂ ਅਤੇ ਹੈਲਥਕੇਅਰ ਗਾਹਕਾਂ ਦੀ ਡਾਕਟਰੀ ਜਾਣਕਾਰੀ ਲੱਭਣ, ਮੁਲਾਕਾਤਾਂ ਦਾ ਸਮਾਂ ਤਹਿ ਕਰਨ, ਬਿਲਿੰਗ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਸਮਝਣ ਅਤੇ ਹੋਰ ਪ੍ਰਬੰਧਕੀ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਵਿੱਚ ਸਹਾਇਤਾ ਲਈ ਔਨਲਾਈਨ ਵਰਚੁਅਲ ਹੈਲਥ ਅਸਿਸਟੈਂਟਸ ਅਤੇ ਚੈਟਬੋਟਸ ਦੀ ਵਰਤੋਂ ਸ਼ਾਮਲ ਹੈੈ।  ਏਆਈ ਤਕਨਾਲੋਜੀਆਂ ਦੀ ਇੱਕ ਲੜੀ ਦਾ ਉਪਯੋਗ ਕੋਵਿਡ -19 ਵਰਗੀਆਂ ਮਹਾਂਮਾਰੀਆਂ ਦੀ ਭਵਿੱਖਬਾਣੀ, ਲੜਨ ਅਤੇ ਸਮਝਣ ਲਈ ਵੀ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ।

2)ਕਾਰੋਬਾਰ ਵਿੱਚ AI- ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਐਲਗੋਰਿਦਮ ਨੂੰ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਗਾਹਕ ਸੰਬੰਧ ਪ੍ਰਬੰਧਨ (ਸੀਆਰਐਮ) ਪਲੇਟਫਾਰਮਾਂ ਵਿੱਚ ਜੋੜਿਆ ਜਾ ਰਿਹਾ ਹੈ ਤਾਂ ਜੋ ਗਾਹਕਾਂ ਦੀ ਬਿਹਤਰ ਸੇਵਾ ਕਿਵੇਂ ਕੀਤੀ ਜਾਏ ਇਸ ਬਾਰੇ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕੀਤੀ ਜਾ ਸਕੇ। ਚੈਟਬੋਟਸ ਨੂੰ ਗਾਹਕਾਂ ਨੂੰ ਤੁਰੰਤ ਸੇਵਾ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਵੈਬਸਾਈਟਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤਾ ਗਿਆ ਹੈ। ਨੌਕਰੀਆਂ ਦੇ ਅਹੁਦਿਆਂ ਦਾ ਸਵੈਚਾਲਨ ਵਿੱਦਿਅਕਾਂ ਅਤੇ ਆਈਟੀ ਵਿਸ਼ਲੇਸ਼ਕਾਂ ਵਿੱਚ ਇੱਕ ਚਰਚਾ ਦਾ ਵਿਸ਼ਾ ਵੀ ਬਣ ਗਿਆ ਹੈ।

3)ਸਿੱਖਿਆ ਵਿੱਚ AI-  ਏਆਈ ਗਰੇਡਿੰਗ ਨੂੰ ਸਵੈਚਾਲਤ ਕਰ ਸਕਦੀ ਹੈ, ਅਧਿਆਪਕਾਂ ਨੂੰ ਵਧੇਰੇ ਸਮਾਂ ਦੇ ਸਕਦੀ ਹੈੈ।  ਇਹ ਵਿਦਿਆਰਥੀਆਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਉਹਨਾਂ ਦੀਆਂ ਜ਼ਰੂਰਤਾਂ ਦੇ ਅਨੁਕੂਲ ਹੋ ਸਕਦਾ ਹੈ, ਉਹਨਾਂ ਦੀ ਆਪਣੀ ਰਫਤਾਰ ਨਾਲ ਕੰਮ ਕਰਨ ਵਿੱਚ ਸਹਾਇਤਾ ਕਰ ਸਕਦਾ ਹੈ।  ਏਆਈ ਟਿਊਟਰ ਵਿਦਿਆਰਥੀਆਂ ਨੂੰ ਵਾਧੂ ਸਹਾਇਤਾ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੇ ਹਨ, ਇਹ ਸੁਨਿਸ਼ਚਿਤ ਕਰਦੇ ਹੋਏ ਕਿ ਉਹ ਟਰੈਕ 'ਤੇ ਰਹਿਣ।  ਅਤੇ ਇਹ ਬਦਲ ਸਕਦਾ ਹੈ ਕਿ ਵਿਦਿਆਰਥੀ ਕਿੱਥੇ ਅਤੇ ਕਿਵੇਂ ਸਿੱਖਦੇ ਹਨ, ਸ਼ਾਇਦ ਕੁਝ ਅਧਿਆਪਕਾਂ ਦੀ ਥਾਂ ਵੀ।

4)ਨਿੱਜੀ ਵਿੱਤ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਏਆਈ- ਜਿਵੇਂ ਕਿ ਇੰਟੁਇਟ ਮਿੰਟ ਜਾਂ ਟਰਬੋਟੈਕਸ, ਵਿੱਤੀ ਸੰਸਥਾਵਾਂ ਵਿੱਚ ਵਿਘਨ ਪਾ ਰਹੀ ਹੈ। ਐਪਲੀਕੇਸ਼ਨ ਜਿਵੇਂ ਕਿ ਇਹ ਨਿੱਜੀ ਡੇਟਾ ਇਕੱਤਰ ਕਰਦੇ ਹਨ ਅਤੇ ਵਿੱਤੀ ਸਲਾਹ ਦਿੰਦੇ ਹਨ। ਹੋਰ ਪ੍ਰੋਗਰਾਮਾਂ, ਜਿਵੇਂ ਕਿ ਆਈਬੀਐਮ ਵਾਟਸਨ, ਨੂੰ ਘਰ ਖਰੀਦਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਤੇ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਹੈ  ਅੱਜ, ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਸੌਫਟਵੇਅਰ ਵਾਲ ਸਟ੍ਰੀਟ ਤੇ ਬਹੁਤ ਸਾਰਾ ਵਪਾਰ ਕਰਦਾ ਹੈ।

5)ਕਾਨੂੰਨ ਵਿੱਚ AI- ਖੋਜ ਪ੍ਰਕਿਰਿਆ - ਦਸਤਾਵੇਜ਼ਾਂ ਰਾਹੀਂ ਛਾਣਬੀਣ ਕਰਨਾ - ਕਾਨੂੰਨ ਵਿੱਚ ਮਨੁੱਖਾਂ ਲਈ ਅਕਸਰ ਭਾਰੀ ਹੁੰਦਾ ਹੈ। ਕਨੂੰਨੀ ਉਦਯੋਗ ਦੀਆਂ ਕਿਰਤ-ਅਧਾਰਤ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਸਵੈਚਾਲਤ ਕਰਨ ਵਿੱਚ ਸਹਾਇਤਾ ਲਈ ਏਆਈ ਦੀ ਵਰਤੋਂ ਸਮੇਂ ਦੀ ਬਚਤ ਕਰ ਰਹੀ ਹੈ ਅਤੇ ਗਾਹਕ ਸੇਵਾ ਵਿੱਚ ਸੁਧਾਰ ਕਰ ਰਹੀ ਹੈ। ਕਨੂੰਨੀ ਕੰਪਨੀਆਂ ਡਾਟਾ ਦਾ ਵਰਣਨ ਕਰਨ ਅਤੇ ਨਤੀਜਿਆਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੀਆਂ ਹਨ।

6)ਨਿਰਮਾਣ ਵਿੱਚ AI- ਨਿਰਮਾਣ ਰੋਬੋਟਾਂ ਨੂੰ ਵਰਕਫਲੋ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰਨ ਵਿੱਚ ਸਭ ਤੋਂ ਅੱਗੇ ਰਿਹਾ ਹੈ।  ਉਦਾਹਰਣ ਦੇ ਲਈ, ਉਦਯੋਗਿਕ ਰੋਬੋਟ ਜੋ ਇੱਕ ਸਮੇਂ ਇੱਕਲੇ ਕਾਰਜਾਂ ਨੂੰ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਸਨ ਅਤੇ ਮਨੁੱਖੀ ਕਰਮਚਾਰੀਆਂ ਤੋਂ ਵੱਖ ਹੋਏ ਸਨ, ਵਧਦੇ ਹੋਏ ਕੋਬੋਟਸ ਦੇ ਰੂਪ ਵਿੱਚ ਕੰਮ ਕਰਦੇ ਹਨ: ਛੋਟੇ, ਮਲਟੀਟਾਸਕਿੰਗ ਰੋਬੋਟ ਜੋ ਮਨੁੱਖਾਂ ਦੇ ਨਾਲ ਮਿਲ ਕੇ ਕੰਮ ਕਰਦੇ ਹਨ ਅਤੇ ਗੁਦਾਮਾਂ, ਫੈਕਟਰੀ ਮੰਜ਼ਲਾਂ ਵਿੱਚ ਨੌਕਰੀ ਦੇ ਹੋਰ ਹਿੱਸਿਆਂ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਲੈਂਦੇ ਹਨ।

 7)ਬੈਂਕਿੰਗ ਵਿੱਚ ਏ.ਆਈ.-  ਬੈਂਕ ਆਪਣੇ ਗਾਹਕਾਂ ਨੂੰ ਸੇਵਾਵਾਂ ਅਤੇ ਪੇਸ਼ਕਸ਼ਾਂ ਤੋਂ ਜਾਣੂ ਕਰਾਉਣ ਅਤੇ ਉਹਨਾਂ ਟ੍ਰਾਂਜੈਕਸ਼ਨਾਂ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਸਫਲਤਾਪੂਰਵਕ ਚੈਟਬੌਟ ਲਗਾ ਰਹੇ ਹਨ ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਮਨੁੱਖੀ ਦਖਲ ਦੀ ਲੋੜ ਨਹੀਂ ਹੁੁੰਦੀ। ਏਆਈ ਵਰਚੁਅਲ ਅਸਿਸਟੈਂਟਸ ਦੀ ਵਰਤੋਂ ਬੈਂਕਿੰਗ ਨਿਯਮਾਂ ਦੀ ਪਾਲਣਾ ਦੇ ਖਰਚਿਆਂ ਨੂੰ ਸੁਧਾਰਨ ਅਤੇ ਘਟਾਉਣ ਲਈ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ।  ਬੈਂਕਿੰਗ ਸੰਸਥਾਵਾਂ ਏਆਈ ਦੀ ਵਰਤੋਂ ਕਰਜ਼ਿਆਂ ਲਈ ਆਪਣੇ ਫੈਸਲੇ ਲੈਣ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨ, ਅਤੇ ਕ੍ਰੈਡਿਟ ਸੀਮਾਵਾਂ ਨਿਰਧਾਰਤ ਕਰਨ ਅਤੇ ਨਿਵੇਸ਼ ਦੇ ਮੌਕਿਆਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਕਰ ਰਹੀਆਂ ਹਨ।

 8)ਆਵਾਜਾਈ ਵਿੱਚ ਏਆਈ- ਖੁਦਮੁਖਤਿਆਰ ਵਾਹਨਾਂ ਦੇ ਸੰਚਾਲਨ ਵਿੱਚ ਏਆਈ ਦੀ ਬੁਨਿਆਦੀ ਭੂਮਿਕਾ ਤੋਂ ਇਲਾਵਾ, ਏਆਈ ਤਕਨਾਲੋਜੀਆਂ ਦੀ ਵਰਤੋਂ ਆਵਾਜਾਈ ਦੇ ਪ੍ਰਬੰਧਨ, ਉਡਾਣਾਂ ਵਿੱਚ ਦੇਰੀ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਅਤੇ ਸਮੁੰਦਰੀ ਜਹਾਜ਼ਾਂ ਨੂੰ ਸੁਰੱਖਿਅਤ ਅਤੇ ਵਧੇਰੇ ਕੁਸ਼ਲ ਬਣਾਉਣ ਲਈ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।

 9)ਸੁਰੱਖਿਆ ਵਿੱਚ ਏਆਈ- ਏਆਈ ਅਤੇ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਬੁਜ਼ਵਰਡ ਸੂਚੀ ਦੇ ਸਿਖਰ 'ਤੇ ਹਨ ਸੁਰੱਖਿਆ ਵਿਕਰੇਤਾ ਅੱਜ ਉਨ੍ਹਾਂ ਦੀਆਂ ਪੇਸ਼ਕਸ਼ਾਂ ਨੂੰ ਵੱਖਰਾ ਕਰਨ ਲਈ ਵਰਤਦੇ ਹਨ।  ਉਹ ਸ਼ਰਤਾਂ ਸੱਚਮੁੱਚ ਵਿਹਾਰਕ ਤਕਨਾਲੋਜੀਆਂ ਨੂੰ ਵੀ ਦਰਸਾਉਂਦੀਆਂ ਹਨ।  ਸੰਸਥਾਵਾਂ ਸੁਰੱਖਿਆ ਜਾਣਕਾਰੀ ਅਤੇ ਇਵੈਂਟ ਮੈਨੇਜਮੈਂਟ (ਐਸਆਈਈਐਮ) ਸੌਫਟਵੇਅਰ ਅਤੇ ਸੰਬੰਧਤ ਖੇਤਰਾਂ ਵਿੱਚ ਮਸ਼ੀਨਾਂ ਦੀ ਵਰਤੋਂ ਵਿਗਾੜਾਂ ਦਾ ਪਤਾ ਲਗਾਉਣ ਅਤੇ ਸ਼ੱਕੀ ਗਤੀਵਿਧੀਆਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਕਰਦੀਆਂ ਹਨ ਜੋ ਧਮਕੀਆਂ ਦਾ ਸੰਕੇਤ ਦਿੰਦੀਆਂ ਹਨ।  ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਕੇ ਅਤੇ ਜਾਣੇ -ਪਛਾਣੇ ਖਤਰਨਾਕ ਕੋਡ ਨਾਲ ਸਮਾਨਤਾਵਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਤਰਕ ਦੀ ਵਰਤੋਂ ਕਰਦਿਆਂ, ਏਆਈ ਮਨੁੱਖੀ ਕਰਮਚਾਰੀਆਂ ਅਤੇ ਪਿਛਲੀ ਤਕਨਾਲੋਜੀ ਦੇ ਦੁਹਰਾਉਣ ਨਾਲੋਂ ਬਹੁਤ ਜਲਦੀ ਨਵੇਂ ਅਤੇ ਉਭਰ ਰਹੇ ਹਮਲਿਆਂ ਲਈ ਚੇਤਾਵਨੀ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੀ ਹੈ।  ਪਰਿਪੱਕ ਤਕਨਾਲੋਜੀ ਸੰਸਥਾਵਾਂ ਨੂੰ ਸਾਈਬਰ ਹਮਲਿਆਂ ਨਾਲ ਲੜਨ ਵਿੱਚ ਸਹਾਇਤਾ ਕਰਨ ਵਿੱਚ ਵੱਡੀ ਭੂਮਿਕਾ ਨਿਭਾ ਰਹੀ ਹੈੈ।