ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (ਏ.ਆਈ.) ਪੂਰੀ ਦੁਨੀਆ ਨੂੰ ਹਲੂਣ ਰਹੀ ਹੈ। ਇਹ ਜੀਵਨ ਦੇ ਹਰ ਖੇਤਰ ਨੂੰ ਬਦਲ ਰਿਹਾ ਹੈ ਅਤੇ ਇਸ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਸਮਾਜ ਅਤੇ ਮਨੁੱਖਤਾ ਦੇ ਭਵਿੱਖ ਲਈ ਪ੍ਰਮੁੱਖ ਨੈਤਿਕ ਚਿੰਤਾਵਾਂ ਨੂੰ ਵਧਾ ਰਿਹਾ ਹੈ। ChatGPT, ਜੋ ਕਿ ਸੋਸ਼ਲ ਮੀਡੀਆ 'ਤੇ ਹਾਵੀ ਹੈ, ਇੱਕ AI-ਸੰਚਾਲਿਤ ਚੈਟਬੋਟ ਹੈ ਜੋ OpenAI ਦੁਆਰਾ ਵਿਕਸਤ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਹ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦਾ ਸਬਸੈੱਟ ਹੈ ਅਤੇ ਇਸ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ ਜਿਸਨੂੰ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲ ਕਿਹਾ ਜਾਂਦਾ ਹੈ ਜੋ ਮਨੁੱਖਾਂ ਵਾਂਗ ਪ੍ਰਤੀਕਿਰਿਆਵਾਂ ਪੈਦਾ ਕਰ ਸਕਦੇ ਹਨ। ਅਜਿਹੀ ਤਕਨਾਲੋਜੀ ਲਈ ਸੰਭਾਵੀ ਐਪਲੀਕੇਸ਼ਨ ਅਸਲ ਵਿੱਚ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੈ, ਇਸੇ ਕਰਕੇ ChatGPT ਵਰਗੇ AI ਨੂੰ ਨਿਯਮਤ ਕਰਨ ਲਈ ਪਹਿਲਾਂ ਹੀ ਕਾਲਾਂ ਹਨ।
ਕੀ AI ਮਨੁੱਖਾਂ ਨੂੰ ਪਛਾੜ ਸਕਦਾ ਹੈ? ਕੀ ਇਹ ਜਨਤਕ ਖਤਰੇ ਪੈਦਾ ਕਰਦਾ ਹੈ? ਦਰਅਸਲ, ਕੀ ਏਆਈ ਇੱਕ ਹੋਂਦ ਦਾ ਖ਼ਤਰਾ ਬਣ ਸਕਦਾ ਹੈ? ਸੰਸਾਰ ਦੇ ਪ੍ਰਮੁੱਖ ਭਾਸ਼ਾ ਵਿਗਿਆਨੀ ਨੋਆਮ ਚੋਮਸਕੀ, ਅਤੇ ਹਰ ਸਮੇਂ ਦੇ ਸਭ ਤੋਂ ਸਤਿਕਾਰਤ ਜਨਤਕ ਬੁੱਧੀਜੀਵੀਆਂ ਵਿੱਚੋਂ ਇੱਕ, ਜਿਸ ਦੇ ਬੌਧਿਕ ਕੱਦ ਦੀ ਤੁਲਨਾ ਗੈਲੀਲੀਓ, ਨਿਊਟਨ ਅਤੇ ਡੇਸਕਾਰਟਸ ਨਾਲ ਕੀਤੀ ਗਈ ਹੈ, ਨੇ ਇਸ ਇੰਟਰਵਿਊ ਵਿੱਚ ਇਹਨਾਂ ਪਰੇਸ਼ਾਨ ਕਰਨ ਵਾਲੇ ਸਵਾਲਾਂ ਨਾਲ ਨਜਿੱਠਿਆ ਹੈ।
ਸੀਜੇ ਪੋਲੀਕ੍ਰੋਨੀਉ: ਇੱਕ ਵਿਗਿਆਨਕ ਅਨੁਸ਼ਾਸਨ ਵਜੋਂ, ਨਕਲੀ ਬੁੱਧੀ (AI) 1950 ਦੇ ਦਹਾਕੇ ਦੀ ਹੈ, ਪਰ ਪਿਛਲੇ ਕੁਝ ਦਹਾਕਿਆਂ ਤੋਂ ਇਹ ਬੈਂਕਿੰਗ, ਬੀਮਾ, ਆਟੋ ਨਿਰਮਾਣ, ਸੰਗੀਤ ਅਤੇ ਰੱਖਿਆ ਸਮੇਤ ਸਾਰੇ ਖੇਤਰਾਂ ਵਿੱਚ ਪ੍ਰਵੇਸ਼ ਕਰ ਰਹੀ ਹੈ। ਵਾਸਤਵ ਵਿੱਚ, AI ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਮਨੁੱਖੀ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਪਾਰ ਕਰਨ ਲਈ ਕੁਝ ਮਾਮਲਿਆਂ ਵਿੱਚ ਦਿਖਾਈ ਗਈ ਹੈ, ਜਿਵੇਂ ਕਿ ਸ਼ਤਰੰਜ ਦੀ ਖੇਡ ਵਿੱਚ। ਕੀ ਮਸ਼ੀਨਾਂ ਮਨੁੱਖਾਂ ਨਾਲੋਂ ਚੁਸਤ ਬਣਨ ਦੀ ਸੰਭਾਵਨਾ ਹੈ?
ਨੋਆਮ ਚੋਮਸਕੀ: ਸਿਰਫ਼ ਸ਼ਬਦਾਵਲੀ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰਨ ਲਈ, ਇੱਥੇ "ਮਸ਼ੀਨ" ਸ਼ਬਦ ਦਾ ਅਰਥ ਹੈ ਪ੍ਰੋਗਰਾਮ ਦੇ, ਮੂਲ ਰੂਪ ਵਿੱਚ ਇੱਕ ਸੰਕੇਤ ਵਿੱਚ ਲਿਖਿਆ ਇੱਕ ਸਿਧਾਂਤ ਜੋ ਇੱਕ ਕੰਪਿਊਟਰ ਦੁਆਰਾ ਚਲਾਇਆ ਜਾ ਸਕਦਾ ਹੈ–ਅਤੇ ਇੱਕ ਅਸਾਧਾਰਨ ਕਿਸਮ ਦੀ ਥਿਊਰੀ ਨੂੰ ਦਿਲਚਸਪ ਤਰੀਕਿਆਂ ਨਾਲ ਅਸੀਂ ਇੱਥੇ ਇੱਕ ਪਾਸੇ ਰੱਖ ਸਕਦੇ ਹਾਂ।
ਅਸੀਂ ਸ਼ੁੱਧ ਇੰਜਨੀਅਰਿੰਗ ਅਤੇ ਵਿਗਿਆਨ ਵਿੱਚ ਇੱਕ ਮੋਟਾ ਫਰਕ ਕਰ ਸਕਦੇ ਹਾਂ। ਇੱਥੇ ਕੋਈ ਤਿੱਖੀ ਸੀਮਾ ਨਹੀਂ ਹੈ, ਪਰ ਇਹ ਇੱਕ ਉਪਯੋਗੀ ਪਹਿਲਾ ਅਨੁਮਾਨ ਹੈ। ਸ਼ੁੱਧ ਇੰਜੀਨੀਅਰਿੰਗ ਇੱਕ ਉਤਪਾਦ ਪੈਦਾ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੀ ਹੈ ਜੋ ਕੁਝ ਉਪਯੋਗੀ ਹੋ ਸਕਦੀ ਹੈ। ਵਿਗਿਆਨ ਸਮਝ ਭਾਲਦਾ ਹੈ। ਜੇਕਰ ਵਿਸ਼ਾ ਮਨੁੱਖੀ ਬੁੱਧੀ, ਜਾਂ ਹੋਰ ਜੀਵਾਂ ਦੀ ਬੋਧਾਤਮਕ ਸਮਰੱਥਾ ਹੈ, ਤਾਂ ਵਿਗਿਆਨ ਇਹਨਾਂ ਜੈਵਿਕ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਸਮਝਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ।
ਜਿਵੇਂ ਕਿ ਮੈਂ ਉਹਨਾਂ ਨੂੰ ਸਮਝਦਾ ਹਾਂ, ਏਆਈ-ਐਲਨ ਟਿਊਰਿੰਗ, ਹਰਬਰਟ ਸਾਈਮਨ, ਮਾਰਵਿਨ ਮਿਨਸਕੀ, ਅਤੇ ਹੋਰਾਂ- ਦੇ ਸੰਸਥਾਪਕਾਂ ਨੇ ਇਸਨੂੰ ਵਿਗਿਆਨ ਮੰਨਿਆ, ਉਸ ਸਮੇਂ ਦੇ ਉਭਰ ਰਹੇ ਬੋਧਾਤਮਕ ਵਿਗਿਆਨ ਦਾ ਹਿੱਸਾ, ਗਣਨਾ ਦੇ ਗਣਿਤ ਦੇ ਸਿਧਾਂਤ ਵਿੱਚ ਨਵੀਆਂ ਤਕਨੀਕਾਂ ਅਤੇ ਖੋਜਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ। ਅਗਾਊਂ ਸਮਝ. ਸਾਲਾਂ ਦੌਰਾਨ ਇਹ ਚਿੰਤਾਵਾਂ ਫਿੱਕੀਆਂ ਹੋ ਗਈਆਂ ਹਨ ਅਤੇ ਇੱਕ ਇੰਜੀਨੀਅਰਿੰਗ ਸਥਿਤੀ ਦੁਆਰਾ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਵਿਸਥਾਪਿਤ ਹੋ ਗਈਆਂ ਹਨ। ਪਹਿਲਾਂ ਦੀਆਂ ਚਿੰਤਾਵਾਂ ਨੂੰ ਹੁਣ ਆਮ ਤੌਰ 'ਤੇ ਖਾਰਜ ਕਰ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ, ਕਈ ਵਾਰ ਉਦਾਸੀਨਤਾ ਨਾਲ, GOFAI-ਚੰਗੇ ਪੁਰਾਣੇ ਜ਼ਮਾਨੇ ਵਾਲੇ AI ਵਜੋਂ।
ਸਵਾਲ ਨੂੰ ਜਾਰੀ ਰੱਖਦੇ ਹੋਏ, ਕੀ ਇਹ ਸੰਭਾਵਨਾ ਹੈ ਕਿ ਅਜਿਹੇ ਪ੍ਰੋਗਰਾਮ ਤਿਆਰ ਕੀਤੇ ਜਾਣਗੇ ਜੋ ਮਨੁੱਖੀ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਪਾਰ ਕਰਦੇ ਹਨ? ਸਾਨੂੰ "ਸਮਰੱਥਾ" ਸ਼ਬਦ ਬਾਰੇ ਸਾਵਧਾਨ ਰਹਿਣਾ ਚਾਹੀਦਾ ਹੈ, ਜਿਨ੍ਹਾਂ ਕਾਰਨਾਂ ਕਰਕੇ ਮੈਂ ਵਾਪਸ ਆਵਾਂਗਾ। ਪਰ ਜੇ ਅਸੀਂ ਮਨੁੱਖੀ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਦਰਸਾਉਣ ਲਈ ਸ਼ਬਦ ਲੈਂਦੇ ਹਾਂ, ਤਾਂ ਜਵਾਬ ਹੈ: ਨਿਸ਼ਚਤ ਤੌਰ 'ਤੇ ਹਾਂ. ਵਾਸਤਵ ਵਿੱਚ, ਉਹ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਮੌਜੂਦ ਹਨ: ਇੱਕ ਲੈਪਟਾਪ ਵਿੱਚ ਕੈਲਕੁਲੇਟਰ, ਉਦਾਹਰਨ ਲਈ. ਇਹ ਉਸ ਤੋਂ ਕਿਤੇ ਵੱਧ ਹੋ ਸਕਦਾ ਹੈ ਜੋ ਮਨੁੱਖ ਕਰ ਸਕਦਾ ਹੈ, ਜੇਕਰ ਸਿਰਫ ਸਮੇਂ ਅਤੇ ਯਾਦਦਾਸ਼ਤ ਦੀ ਘਾਟ ਕਾਰਨ. ਸ਼ਤਰੰਜ ਵਰਗੀਆਂ ਬੰਦ ਪ੍ਰਣਾਲੀਆਂ ਲਈ, 50 ਦੇ ਦਹਾਕੇ ਵਿੱਚ ਇਹ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸਮਝਿਆ ਗਿਆ ਸੀ ਕਿ ਜਲਦੀ ਜਾਂ ਬਾਅਦ ਵਿੱਚ, ਵਿਸ਼ਾਲ ਕੰਪਿਊਟਿੰਗ ਸਮਰੱਥਾਵਾਂ ਅਤੇ ਤਿਆਰੀ ਦੇ ਲੰਬੇ ਸਮੇਂ ਦੇ ਨਾਲ, ਇੱਕ ਗ੍ਰੈਂਡਮਾਸਟਰ ਨੂੰ ਹਰਾਉਣ ਲਈ ਇੱਕ ਪ੍ਰੋਗਰਾਮ ਤਿਆਰ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਜੋ ਯਾਦਦਾਸ਼ਤ ਦੇ ਨਾਲ ਖੇਡ ਰਿਹਾ ਹੈ। ਅਤੇ ਸਮਾਂ। ਸਾਲਾਂ ਬਾਅਦ ਪ੍ਰਾਪਤੀ IBM ਲਈ ਬਹੁਤ ਜ਼ਿਆਦਾ PR ਸੀ. ਬਹੁਤ ਸਾਰੇ ਜੈਵਿਕ ਜੀਵ ਬਹੁਤ ਡੂੰਘੇ ਤਰੀਕਿਆਂ ਨਾਲ ਮਨੁੱਖੀ ਬੋਧਾਤਮਕ ਸਮਰੱਥਾ ਨੂੰ ਪਾਰ ਕਰਦੇ ਹਨ। ਮੇਰੇ ਵਿਹੜੇ ਵਿੱਚ ਮਾਰੂਥਲ ਕੀੜੀਆਂ ਦਾ ਦਿਮਾਗ ਬਹੁਤ ਘੱਟ ਹੈ, ਪਰ ਸਿਧਾਂਤਕ ਤੌਰ 'ਤੇ, ਸਿਰਫ ਪ੍ਰਦਰਸ਼ਨ ਹੀ ਨਹੀਂ, ਮਨੁੱਖੀ ਨੈਵੀਗੇਸ਼ਨ ਸਮਰੱਥਾ ਤੋਂ ਕਿਤੇ ਵੱਧ ਹੈ। ਸਿਖਰ 'ਤੇ ਮਨੁੱਖਾਂ ਦੇ ਨਾਲ ਹੋਣ ਦੀ ਕੋਈ ਮਹਾਨ ਲੜੀ ਨਹੀਂ ਹੈ।
AI ਇੰਜੀਨੀਅਰਿੰਗ ਦੇ ਉਤਪਾਦਾਂ ਦੀ ਵਰਤੋਂ ਬਹੁਤ ਸਾਰੇ ਖੇਤਰਾਂ ਵਿੱਚ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ, ਬਿਹਤਰ ਜਾਂ ਮਾੜੇ ਲਈ। ਇੱਥੋਂ ਤੱਕ ਕਿ ਸਧਾਰਨ ਅਤੇ ਜਾਣੂ ਵੀ ਕਾਫ਼ੀ ਲਾਭਦਾਇਕ ਹੋ ਸਕਦੇ ਹਨ: ਭਾਸ਼ਾ ਖੇਤਰ ਵਿੱਚ, ਆਟੋਫਿਲ, ਲਾਈਵ ਟ੍ਰਾਂਸਕ੍ਰਿਪਸ਼ਨ, ਗੂਗਲ ਟ੍ਰਾਂਸਲੇਟ ਵਰਗੇ ਪ੍ਰੋਗਰਾਮਾਂ, ਹੋਰਾਂ ਵਿੱਚ। ਬਹੁਤ ਜ਼ਿਆਦਾ ਕੰਪਿਊਟਿੰਗ ਸ਼ਕਤੀ ਅਤੇ ਵਧੇਰੇ ਸੂਝਵਾਨ ਪ੍ਰੋਗਰਾਮਿੰਗ ਦੇ ਨਾਲ, ਵਿਗਿਆਨ ਵਿੱਚ ਵੀ ਹੋਰ ਉਪਯੋਗੀ ਉਪਯੋਗ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ। ਪਹਿਲਾਂ ਹੀ ਕੁਝ ਹੋ ਚੁੱਕੇ ਹਨ: ਪ੍ਰੋਟੀਨ ਫੋਲਡਿੰਗ ਦੇ ਅਧਿਐਨ ਵਿੱਚ ਸਹਾਇਤਾ ਕਰਨਾ ਇੱਕ ਤਾਜ਼ਾ ਮਾਮਲਾ ਹੈ ਜਿੱਥੇ ਵਿਸ਼ਾਲ ਅਤੇ ਤੇਜ਼ ਖੋਜ ਤਕਨਾਲੋਜੀ ਨੇ ਵਿਗਿਆਨੀਆਂ ਨੂੰ ਇੱਕ ਨਾਜ਼ੁਕ ਅਤੇ ਬੇਲੋੜੀ ਸਮੱਸਿਆ ਨਾਲ ਨਜਿੱਠਣ ਵਿੱਚ ਮਦਦ ਕੀਤੀ ਹੈ।
ਇੰਜੀਨੀਅਰਿੰਗ ਪ੍ਰੋਜੈਕਟ ਲਾਭਦਾਇਕ ਜਾਂ ਨੁਕਸਾਨਦੇਹ ਹੋ ਸਕਦੇ ਹਨ। ਇੰਜਨੀਅਰਿੰਗ ਏਆਈ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਦੋਵੇਂ ਸਵਾਲ ਉੱਠਦੇ ਹਨ। ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ (LLMs) ਦੇ ਨਾਲ ਮੌਜੂਦਾ ਕੰਮ, ਚੈਟਬੋਟਸ ਸਮੇਤ, ਗਲਤ ਜਾਣਕਾਰੀ, ਮਾਣਹਾਨੀ, ਅਤੇ ਅਣਜਾਣ ਲੋਕਾਂ ਨੂੰ ਗੁੰਮਰਾਹ ਕਰਨ ਲਈ ਟੂਲ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਧਮਕੀਆਂ ਨੂੰ ਉਦੋਂ ਵਧਾਇਆ ਜਾਂਦਾ ਹੈ ਜਦੋਂ ਉਹਨਾਂ ਨੂੰ ਨਕਲੀ ਚਿੱਤਰਾਂ ਅਤੇ ਆਵਾਜ਼ ਦੀ ਨਕਲ ਨਾਲ ਜੋੜਿਆ ਜਾਂਦਾ ਹੈ। ਵੱਖ-ਵੱਖ ਚਿੰਤਾਵਾਂ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦੇ ਹੋਏ, ਹਜ਼ਾਰਾਂ AI ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਹਾਲ ਹੀ ਵਿੱਚ ਬੁਲਾਇਆ ਸੰਭਾਵੀ ਖ਼ਤਰਿਆਂ ਦੇ ਕਾਰਨ ਵਿਕਾਸ 'ਤੇ ਰੋਕ ਲਈ।
ਹਮੇਸ਼ਾਂ ਵਾਂਗ, ਤਕਨਾਲੋਜੀ ਦੇ ਸੰਭਾਵੀ ਲਾਭਾਂ ਨੂੰ ਸੰਭਾਵੀ ਲਾਗਤਾਂ ਦੇ ਮੁਕਾਬਲੇ ਤੋਲਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
ਜਦੋਂ ਅਸੀਂ ਏਆਈ ਅਤੇ ਵਿਗਿਆਨ ਵੱਲ ਮੁੜਦੇ ਹਾਂ ਤਾਂ ਕਾਫ਼ੀ ਵੱਖਰੇ ਸਵਾਲ ਪੈਦਾ ਹੁੰਦੇ ਹਨ। ਬਹੁਤ ਜ਼ਿਆਦਾ ਅਤੇ ਲਾਪਰਵਾਹੀ ਵਾਲੇ ਦਾਅਵਿਆਂ ਦੇ ਕਾਰਨ ਇੱਥੇ ਸਾਵਧਾਨੀ ਜ਼ਰੂਰੀ ਹੈ, ਜੋ ਅਕਸਰ ਮੀਡੀਆ ਵਿੱਚ ਵਧਾਇਆ ਜਾਂਦਾ ਹੈ। ਮੁੱਦਿਆਂ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰਨ ਲਈ, ਆਓ ਕੇਸਾਂ 'ਤੇ ਵਿਚਾਰ ਕਰੀਏ, ਕੁਝ ਕਾਲਪਨਿਕ, ਕੁਝ ਅਸਲ।
ਮੈਂ ਕੀਟ ਨੈਵੀਗੇਸ਼ਨ ਦਾ ਜ਼ਿਕਰ ਕੀਤਾ, ਜੋ ਕਿ ਇੱਕ ਹੈਰਾਨੀਜਨਕ ਪ੍ਰਾਪਤੀ ਹੈ। ਕੀਟ ਵਿਗਿਆਨੀਆਂ ਨੇ ਇਸ ਗੱਲ ਦਾ ਅਧਿਐਨ ਕਰਨ ਵਿੱਚ ਬਹੁਤ ਤਰੱਕੀ ਕੀਤੀ ਹੈ ਕਿ ਇਹ ਕਿਵੇਂ ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਹਾਲਾਂਕਿ ਨਿਯੂਰੋਫਿਜ਼ੀਓਲੋਜੀ, ਇੱਕ ਬਹੁਤ ਮੁਸ਼ਕਲ ਮਾਮਲਾ, ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਵਿਕਾਸ ਦੇ ਨਾਲ, ਅਣਜਾਣ ਰਹਿੰਦਾ ਹੈ। ਇਹੀ ਗੱਲ ਪੰਛੀਆਂ ਅਤੇ ਸਮੁੰਦਰੀ ਕੱਛੂਆਂ ਦੇ ਅਦਭੁਤ ਕਾਰਨਾਮੇ ਬਾਰੇ ਵੀ ਸੱਚ ਹੈ ਜੋ ਹਜ਼ਾਰਾਂ ਮੀਲ ਦਾ ਸਫ਼ਰ ਤੈਅ ਕਰਦੇ ਹਨ ਅਤੇ ਅਚਾਨਕ ਮੂਲ ਸਥਾਨ ਤੇ ਵਾਪਸ ਆਉਂਦੇ ਹਨ।
ਮੰਨ ਲਓ ਕਿ ਟੌਮ ਜੋਨਸ, ਇੰਜਨੀਅਰਿੰਗ ਏਆਈ ਦੇ ਸਮਰਥਕ, ਨਾਲ ਆਉਂਦਾ ਹੈ ਅਤੇ ਕਹਿੰਦਾ ਹੈ: “ਤੁਹਾਡੇ ਕੰਮ ਦਾ ਖੰਡਨ ਕੀਤਾ ਗਿਆ ਹੈ। ਸਮੱਸਿਆ ਹੱਲ ਹੋ ਗਈ ਹੈ। ਵਪਾਰਕ ਏਅਰਲਾਈਨ ਪਾਇਲਟ ਹਰ ਸਮੇਂ ਇੱਕੋ ਜਿਹੇ ਜਾਂ ਬਿਹਤਰ ਨਤੀਜੇ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ।
ਜੇ ਜਵਾਬ ਦੇਣ ਦੀ ਵੀ ਪਰੇਸ਼ਾਨੀ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਅਸੀਂ ਹੱਸਦੇ ਹਾਂ.
ਪੌਲੀਨੇਸ਼ੀਅਨਾਂ ਦੇ ਸਮੁੰਦਰੀ ਕਾਰਨਾਮਿਆਂ ਦਾ ਮਾਮਲਾ ਲਓ, ਜੋ ਅਜੇ ਵੀ ਸਵਦੇਸ਼ੀ ਕਬੀਲਿਆਂ ਵਿੱਚ ਜ਼ਿੰਦਾ ਹਨ, ਸੈਂਕੜੇ ਮੀਲ ਦੂਰ ਇੱਕ ਮਨੋਨੀਤ ਥਾਂ 'ਤੇ ਆਪਣੀਆਂ ਡੰਗੀਆਂ ਨੂੰ ਉਤਾਰਨ ਲਈ ਤਾਰਿਆਂ, ਹਵਾ, ਕਰੰਟ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ। ਇਹ ਵੀ ਇਹ ਪਤਾ ਲਗਾਉਣ ਲਈ ਬਹੁਤ ਖੋਜ ਦਾ ਵਿਸ਼ਾ ਰਿਹਾ ਹੈ ਕਿ ਉਹ ਇਹ ਕਿਵੇਂ ਕਰਦੇ ਹਨ। ਟੌਮ ਜੋਨਸ ਦਾ ਜਵਾਬ ਹੈ: "ਆਪਣਾ ਸਮਾਂ ਬਰਬਾਦ ਕਰਨਾ ਬੰਦ ਕਰੋ; ਸਮੁੰਦਰੀ ਜਹਾਜ਼ ਹਰ ਸਮੇਂ ਅਜਿਹਾ ਕਰਦੇ ਹਨ। ”
ਉਹੀ ਜਵਾਬ.
ਚਲੋ ਹੁਣ ਇੱਕ ਅਸਲੀ ਮਾਮਲੇ, ਭਾਸ਼ਾ ਦੀ ਪ੍ਰਾਪਤੀ ਵੱਲ ਮੁੜਦੇ ਹਾਂ। ਇਹ ਹਾਲ ਹੀ ਦੇ ਸਾਲਾਂ ਵਿੱਚ ਵਿਆਪਕ ਅਤੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਰੌਸ਼ਨ ਕਰਨ ਵਾਲੀ ਖੋਜ ਦਾ ਵਿਸ਼ਾ ਰਿਹਾ ਹੈ, ਜੋ ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਬੱਚਿਆਂ ਨੂੰ ਅੰਬੀਨਟ ਭਾਸ਼ਾ (ਜਾਂ ਭਾਸ਼ਾਵਾਂ) ਦਾ ਬਹੁਤ ਜ਼ਿਆਦਾ ਗਿਆਨ ਹੁੰਦਾ ਹੈ, ਜੋ ਉਹ ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਦੇ ਹਨ। ਇਹ ਥੋੜ੍ਹੇ ਜਿਹੇ ਸਬੂਤਾਂ ਨਾਲ ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਕੁਝ ਮਹੱਤਵਪੂਰਨ ਮਾਮਲਿਆਂ ਵਿੱਚ ਕੋਈ ਵੀ ਨਹੀਂ। ਸਭ ਤੋਂ ਵਧੀਆ, ਜਿਵੇਂ ਕਿ ਸਾਵਧਾਨ ਅੰਕੜਿਆਂ ਦੇ ਅਧਿਐਨਾਂ ਨੇ ਦਿਖਾਇਆ ਹੈ, ਉਪਲਬਧ ਡੇਟਾ ਬਹੁਤ ਘੱਟ ਹਨ, ਖਾਸ ਤੌਰ 'ਤੇ ਜਦੋਂ ਰੈਂਕ-ਫ੍ਰੀਕੁਐਂਸੀ (“ਜ਼ਿਪ ਦਾ ਕਾਨੂੰਨ”) ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ।
ਟੌਮ ਜੋਨਸ ਦਰਜ ਕਰੋ: "ਤੁਹਾਨੂੰ ਇਨਕਾਰ ਕੀਤਾ ਗਿਆ ਹੈ. ਤੁਹਾਡੀਆਂ ਖੋਜਾਂ 'ਤੇ ਕੋਈ ਧਿਆਨ ਨਾ ਦਿੰਦੇ ਹੋਏ, LLM ਜੋ ਖਗੋਲ-ਵਿਗਿਆਨਕ ਮਾਤਰਾ ਵਿੱਚ ਡੇਟਾ ਨੂੰ ਸਕੈਨ ਕਰਦੇ ਹਨ, ਅੰਕੜਾਤਮਕ ਨਿਯਮਿਤਤਾ ਲੱਭ ਸਕਦੇ ਹਨ ਜੋ ਉਹਨਾਂ ਡੇਟਾ ਦੀ ਨਕਲ ਕਰਨਾ ਸੰਭਵ ਬਣਾਉਂਦੇ ਹਨ ਜਿਸ 'ਤੇ ਉਹਨਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ, ਅਜਿਹਾ ਕੁਝ ਪੈਦਾ ਕਰਦੇ ਹਨ ਜੋ ਆਮ ਮਨੁੱਖੀ ਵਿਵਹਾਰ ਵਰਗਾ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ। ਚੈਟਬੋਟਸ।"
ਇਹ ਕੇਸ ਬਾਕੀਆਂ ਨਾਲੋਂ ਵੱਖਰਾ ਹੈ। ਪਹਿਲੀ, ਇਹ ਅਸਲੀ ਹੈ. ਦੂਜਾ, ਲੋਕ ਹੱਸਦੇ ਨਹੀਂ ਹਨ; ਅਸਲ ਵਿੱਚ, ਬਹੁਤ ਸਾਰੇ ਹੈਰਾਨ ਹਨ। ਤੀਜਾ, ਕਲਪਨਾਤਮਕ ਮਾਮਲਿਆਂ ਦੇ ਉਲਟ, ਅਸਲ ਨਤੀਜੇ ਦਾਅਵੇ ਤੋਂ ਬਹੁਤ ਦੂਰ ਹਨ।
ਇਹ ਵਿਚਾਰ ਮੌਜੂਦਾ LLM ਉਤਸ਼ਾਹ ਦੇ ਨਾਲ ਇੱਕ ਮਾਮੂਲੀ ਸਮੱਸਿਆ ਲਿਆਉਂਦੇ ਹਨ: ਇਸਦੀ ਕੁੱਲ ਬੇਹੂਦਾਤਾ, ਜਿਵੇਂ ਕਿ ਕਾਲਪਨਿਕ ਮਾਮਲਿਆਂ ਵਿੱਚ ਜਿੱਥੇ ਅਸੀਂ ਇਸਨੂੰ ਇੱਕ ਵਾਰ ਵਿੱਚ ਪਛਾਣਦੇ ਹਾਂ। ਪਰ ਮੂਰਖਤਾ ਨਾਲੋਂ ਬਹੁਤ ਜ਼ਿਆਦਾ ਗੰਭੀਰ ਸਮੱਸਿਆਵਾਂ ਹਨ.
ਇੱਕ ਇਹ ਹੈ ਕਿ LLM ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਇਸ ਤਰੀਕੇ ਨਾਲ ਡਿਜ਼ਾਇਨ ਕੀਤਾ ਗਿਆ ਹੈ ਕਿ ਉਹ ਸਾਨੂੰ ਭਾਸ਼ਾ, ਸਿੱਖਣ, ਜਾਂ ਬੋਧ ਦੇ ਹੋਰ ਪਹਿਲੂਆਂ ਬਾਰੇ ਕੁਝ ਨਹੀਂ ਦੱਸ ਸਕਦੇ, ਸਿਧਾਂਤ ਦਾ ਮਾਮਲਾ, ਅਟੱਲ ਹੈ। ਸਕੈਨ ਕੀਤੇ ਡੇਟਾ ਦੇ ਟੈਰਾਬਾਈਟ ਨੂੰ ਦੁੱਗਣਾ ਕਰੋ, ਇੱਕ ਹੋਰ ਟ੍ਰਿਲੀਅਨ ਪੈਰਾਮੀਟਰ ਜੋੜੋ, ਕੈਲੀਫੋਰਨੀਆ ਦੀ ਊਰਜਾ ਦੀ ਹੋਰ ਵੀ ਵਰਤੋਂ ਕਰੋ, ਅਤੇ ਵਿਵਹਾਰ ਦੀ ਸਿਮੂਲੇਸ਼ਨ ਵਿੱਚ ਸੁਧਾਰ ਹੋਵੇਗਾ, ਜਦੋਂ ਕਿ ਕਿਸੇ ਵੀ ਸਮਝ ਨੂੰ ਪੈਦਾ ਕਰਨ ਲਈ ਪਹੁੰਚ ਦੇ ਸਿਧਾਂਤ ਵਿੱਚ ਅਸਫਲਤਾ ਨੂੰ ਵਧੇਰੇ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਪ੍ਰਗਟ ਕੀਤਾ ਜਾਵੇਗਾ। ਕਾਰਨ ਮੁਢਲਾ ਹੈ: ਪ੍ਰਣਾਲੀਆਂ ਅਸੰਭਵ ਭਾਸ਼ਾਵਾਂ ਦੇ ਨਾਲ ਵੀ ਕੰਮ ਕਰਦੀਆਂ ਹਨ ਜੋ ਬੱਚੇ ਪ੍ਰਾਪਤ ਨਹੀਂ ਕਰ ਸਕਦੇ ਜਿਵੇਂ ਕਿ ਉਹ ਤੇਜ਼ੀ ਨਾਲ ਅਤੇ ਅਸਲ ਵਿੱਚ ਪ੍ਰਤੀਬਿੰਬਤਾ ਨਾਲ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ।
ਇਹ ਇਸ ਤਰ੍ਹਾਂ ਹੈ ਜਿਵੇਂ ਇੱਕ ਜੀਵ-ਵਿਗਿਆਨੀ ਇਹ ਕਹਿਣਾ ਸੀ: “ਮੇਰੇ ਕੋਲ ਜੀਵਾਂ ਦਾ ਇੱਕ ਮਹਾਨ ਨਵਾਂ ਸਿਧਾਂਤ ਹੈ। ਇਹ ਬਹੁਤ ਸਾਰੇ ਹਨ ਜੋ ਮੌਜੂਦ ਹਨ ਅਤੇ ਬਹੁਤ ਸਾਰੇ ਜੋ ਸੰਭਵ ਤੌਰ 'ਤੇ ਮੌਜੂਦ ਨਹੀਂ ਹੋ ਸਕਦੇ ਹਨ, ਅਤੇ ਮੈਂ ਤੁਹਾਨੂੰ ਅੰਤਰ ਬਾਰੇ ਕੁਝ ਨਹੀਂ ਦੱਸ ਸਕਦਾ ਹਾਂ।
ਦੁਬਾਰਾ, ਅਸੀਂ ਹੱਸਾਂਗੇ. ਜਾਂ ਚਾਹੀਦਾ ਹੈ।
ਟੌਮ ਜੋਨਸ ਨਹੀਂ - ਹੁਣ ਅਸਲ ਮਾਮਲਿਆਂ ਦਾ ਹਵਾਲਾ ਦੇ ਰਿਹਾ ਹੈ। ਵਿਗਿਆਨ ਤੋਂ ਆਪਣੇ ਕੱਟੜਪੰਥੀ ਵਿਦਾਇਗੀ 'ਤੇ ਕਾਇਮ ਰਹਿੰਦੇ ਹੋਏ, ਟੌਮ ਜੋਨਸ ਜਵਾਬ ਦਿੰਦਾ ਹੈ: "ਤੁਸੀਂ ਇਸ ਵਿੱਚੋਂ ਕਿਸੇ ਨੂੰ ਕਿਵੇਂ ਜਾਣਦੇ ਹੋ ਜਦੋਂ ਤੱਕ ਤੁਸੀਂ ਸਾਰੀਆਂ ਭਾਸ਼ਾਵਾਂ ਦੀ ਜਾਂਚ ਨਹੀਂ ਕਰ ਲੈਂਦੇ?" ਇਸ ਮੌਕੇ 'ਤੇ ਸਾਧਾਰਨ ਵਿਗਿਆਨ ਦਾ ਤਿਆਗ ਹੋਰ ਵੀ ਸਪੱਸ਼ਟ ਹੋ ਜਾਂਦਾ ਹੈ। ਦਲੀਲ ਦੀ ਸਮਾਨਤਾ ਦੁਆਰਾ, ਅਸੀਂ ਜੈਨੇਟਿਕਸ ਅਤੇ ਮੋਲੀਕਿਊਲਰ ਬਾਇਓਲੋਜੀ, ਵਿਕਾਸਵਾਦ ਦੇ ਸਿਧਾਂਤ, ਅਤੇ ਬਾਕੀ ਜੀਵ ਵਿਗਿਆਨਾਂ ਨੂੰ ਬਾਹਰ ਕੱਢ ਸਕਦੇ ਹਾਂ, ਜਿਨ੍ਹਾਂ ਨੇ ਜੀਵਾਂ ਦੇ ਇੱਕ ਛੋਟੇ ਜਿਹੇ ਹਿੱਸੇ ਤੋਂ ਵੱਧ ਨਮੂਨਾ ਨਹੀਂ ਲਿਆ ਹੈ। ਅਤੇ ਚੰਗੇ ਮਾਪ ਲਈ, ਅਸੀਂ ਸਾਰੇ ਭੌਤਿਕ ਵਿਗਿਆਨ ਨੂੰ ਬਾਹਰ ਕੱਢ ਸਕਦੇ ਹਾਂ। ਗਤੀ ਦੇ ਨਿਯਮਾਂ ਵਿੱਚ ਵਿਸ਼ਵਾਸ ਕਿਉਂ ਹੈ? ਕਿੰਨੀਆਂ ਵਸਤੂਆਂ ਨੂੰ ਅਸਲ ਵਿੱਚ ਗਤੀ ਵਿੱਚ ਦੇਖਿਆ ਗਿਆ ਹੈ?
ਇਸ ਤੋਂ ਇਲਾਵਾ, ਸਬੂਤ ਦੇ ਬੋਝ ਦਾ ਛੋਟਾ ਜਿਹਾ ਮਾਮਲਾ ਹੈ। ਜਿਹੜੇ ਲੋਕ ਇੱਕ ਸਿਧਾਂਤ ਦਾ ਪ੍ਰਸਤਾਵ ਕਰਦੇ ਹਨ ਉਹਨਾਂ ਦੀ ਇਹ ਦਿਖਾਉਣ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਹੁੰਦੀ ਹੈ ਕਿ ਇਹ ਕੁਝ ਅਰਥ ਰੱਖਦਾ ਹੈ, ਇਸ ਮਾਮਲੇ ਵਿੱਚ, ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਇਹ ਅਸੰਭਵ ਭਾਸ਼ਾਵਾਂ ਲਈ ਅਸਫਲ ਹੈ। ਪ੍ਰਸਤਾਵ ਦਾ ਖੰਡਨ ਕਰਨਾ ਦੂਜਿਆਂ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਨਹੀਂ ਹੈ, ਹਾਲਾਂਕਿ ਇਸ ਸਥਿਤੀ ਵਿੱਚ ਅਜਿਹਾ ਕਰਨਾ ਕਾਫ਼ੀ ਆਸਾਨ ਜਾਪਦਾ ਹੈ।
ਆਉ ਆਮ ਵਿਗਿਆਨ ਵੱਲ ਧਿਆਨ ਦੇਈਏ, ਜਿੱਥੇ ਮਾਮਲੇ ਦਿਲਚਸਪ ਬਣ ਜਾਂਦੇ ਹਨ। ਇੱਥੋਂ ਤੱਕ ਕਿ ਭਾਸ਼ਾ ਪ੍ਰਾਪਤੀ ਦੀ ਇੱਕ ਵੀ ਉਦਾਹਰਨ ਸੰਭਵ ਅਤੇ ਅਸੰਭਵ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਅੰਤਰ ਦੀ ਭਰਪੂਰ ਸਮਝ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੀ ਹੈ।
ਕਾਰਨ ਸਿੱਧੇ, ਅਤੇ ਜਾਣੂ ਹਨ। ਸਾਰੇ ਵਿਕਾਸ ਅਤੇ ਵਿਕਾਸ, ਜਿਸ ਵਿੱਚ "ਸਿੱਖਣ" ਕਿਹਾ ਜਾਂਦਾ ਹੈ, ਇੱਕ ਪ੍ਰਕਿਰਿਆ ਹੈ ਜੋ ਜੀਵ ਦੀ ਇੱਕ ਅਵਸਥਾ ਨਾਲ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ ਅਤੇ ਇਸਨੂੰ ਕਦਮ-ਦਰ-ਕਦਮ ਬਾਅਦ ਦੇ ਪੜਾਵਾਂ ਵਿੱਚ ਬਦਲਦੀ ਹੈ।
ਭਾਸ਼ਾ ਦੀ ਪ੍ਰਾਪਤੀ ਅਜਿਹੀ ਪ੍ਰਕਿਰਿਆ ਹੈ। ਸ਼ੁਰੂਆਤੀ ਅਵਸਥਾ ਭਾਸ਼ਾ ਦੀ ਫੈਕਲਟੀ ਦੀ ਜੀਵ-ਵਿਗਿਆਨਕ ਨਿਦਾਨ ਹੈ, ਜੋ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਮੌਜੂਦ ਹੈ, ਭਾਵੇਂ ਇਹ, ਜਿਵੇਂ ਕਿ ਕੁਝ ਮੰਨਦੇ ਹਨ, ਹੋਰ ਸਮਰੱਥਾਵਾਂ ਦਾ ਇੱਕ ਖਾਸ ਸੁਮੇਲ ਹੈ। ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਸਮਝੇ ਜਾਣ ਵਾਲੇ ਕਾਰਨਾਂ ਕਰਕੇ ਇਹ ਬਹੁਤ ਅਸੰਭਵ ਹੈ, ਪਰ ਇਹ ਇੱਥੇ ਸਾਡੀਆਂ ਚਿੰਤਾਵਾਂ ਨਾਲ ਸੰਬੰਧਿਤ ਨਹੀਂ ਹੈ, ਇਸਲਈ ਅਸੀਂ ਇਸਨੂੰ ਇੱਕ ਪਾਸੇ ਰੱਖ ਸਕਦੇ ਹਾਂ। ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਭਾਸ਼ਾ ਦੇ ਮਨੁੱਖੀ ਫੈਕਲਟੀ ਲਈ ਇੱਕ ਜੀਵ-ਵਿਗਿਆਨਕ ਅਡੋਲਮੈਂਟ ਹੈ। ਸਿਰਫ਼ ਸੱਚਾਈ।
ਪਰਿਵਰਤਨ ਇੱਕ ਮੁਕਾਬਲਤਨ ਸਥਿਰ ਅਵਸਥਾ ਵਿੱਚ ਅੱਗੇ ਵਧਦਾ ਹੈ, ਸਿਰਫ ਸਤਹੀ ਤੌਰ 'ਤੇ ਬਦਲਿਆ ਜਾਂਦਾ ਹੈ: ਭਾਸ਼ਾ ਦਾ ਗਿਆਨ। ਬਾਹਰੀ ਡਾਟਾ ਟਰਿੱਗਰ ਅਤੇ ਅੰਸ਼ਕ ਤੌਰ 'ਤੇ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਆਕਾਰ ਦਿੰਦਾ ਹੈ। ਪ੍ਰਾਪਤ ਅਵਸਥਾ (ਭਾਸ਼ਾ ਦਾ ਗਿਆਨ) ਅਤੇ ਬਾਹਰੀ ਅੰਕੜਿਆਂ ਦਾ ਅਧਿਐਨ ਕਰਨ ਨਾਲ, ਅਸੀਂ ਸ਼ੁਰੂਆਤੀ ਅਵਸਥਾ ਬਾਰੇ ਦੂਰਗਾਮੀ ਸਿੱਟੇ ਕੱਢ ਸਕਦੇ ਹਾਂ, ਜੀਵ-ਵਿਗਿਆਨਕ ਅਧਿਕਾਰ ਜੋ ਭਾਸ਼ਾ ਦੀ ਪ੍ਰਾਪਤੀ ਨੂੰ ਸੰਭਵ ਬਣਾਉਂਦਾ ਹੈ। ਸ਼ੁਰੂਆਤੀ ਸਥਿਤੀ ਬਾਰੇ ਸਿੱਟੇ ਸੰਭਵ ਅਤੇ ਅਸੰਭਵ ਭਾਸ਼ਾਵਾਂ ਵਿਚਕਾਰ ਅੰਤਰ ਨੂੰ ਲਾਗੂ ਕਰਦੇ ਹਨ। ਅੰਤਰ ਉਹਨਾਂ ਸਾਰਿਆਂ ਲਈ ਰੱਖਦਾ ਹੈ ਜੋ ਸ਼ੁਰੂਆਤੀ ਅਵਸਥਾ ਨੂੰ ਸਾਂਝਾ ਕਰਦੇ ਹਨ - ਸਾਰੇ ਮਨੁੱਖ, ਜਿੱਥੋਂ ਤੱਕ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ; ਮੌਜੂਦਾ ਮਨੁੱਖੀ ਸਮੂਹਾਂ ਵਿੱਚ ਭਾਸ਼ਾ ਪ੍ਰਾਪਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਵਿੱਚ ਕੋਈ ਅੰਤਰ ਨਹੀਂ ਜਾਪਦਾ।
ਇਹ ਸਭ ਆਮ ਵਿਗਿਆਨ ਹੈ, ਅਤੇ ਇਸਨੇ ਬਹੁਤ ਸਾਰੇ ਨਤੀਜੇ ਪ੍ਰਾਪਤ ਕੀਤੇ ਹਨ।
ਪ੍ਰਯੋਗ ਨੇ ਦਿਖਾਇਆ ਹੈ ਕਿ ਸਥਿਰ ਅਵਸਥਾ ਤਿੰਨ ਤੋਂ ਚਾਰ ਸਾਲ ਦੀ ਉਮਰ ਤੱਕ ਬਹੁਤ ਜਲਦੀ ਪ੍ਰਾਪਤ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਹ ਵੀ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸਥਾਪਿਤ ਹੈ ਕਿ ਭਾਸ਼ਾ ਦੀ ਫੈਕਲਟੀ ਵਿੱਚ ਮਨੁੱਖਾਂ ਲਈ ਵਿਸ਼ੇਸ਼ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਹਨ, ਇਸਲਈ ਇਹ ਇੱਕ ਸੱਚੀ ਸਪੀਸੀਜ਼ ਜਾਇਦਾਦ ਹੈ: ਮਨੁੱਖੀ ਸਮੂਹਾਂ ਲਈ ਆਮ ਅਤੇ ਬੁਨਿਆਦੀ ਤਰੀਕਿਆਂ ਨਾਲ ਇੱਕ ਵਿਲੱਖਣ ਮਨੁੱਖੀ ਗੁਣ।
ਇਸ ਯੋਜਨਾਬੱਧ ਖਾਤੇ ਵਿੱਚ ਬਹੁਤ ਕੁਝ ਛੱਡਿਆ ਗਿਆ ਹੈ, ਖਾਸ ਤੌਰ 'ਤੇ ਵਿਕਾਸ ਅਤੇ ਵਿਕਾਸ ਵਿੱਚ ਕੁਦਰਤੀ ਕਾਨੂੰਨ ਦੀ ਭੂਮਿਕਾ: ਭਾਸ਼ਾ ਵਰਗੀ ਕੰਪਿਊਟੇਸ਼ਨਲ ਪ੍ਰਣਾਲੀ ਦੇ ਮਾਮਲੇ ਵਿੱਚ, ਕੰਪਿਊਟੇਸ਼ਨਲ ਕੁਸ਼ਲਤਾ ਦੇ ਸਿਧਾਂਤ। ਪਰ ਇਹ ਗੱਲ ਦਾ ਸਾਰ ਹੈ। ਦੁਬਾਰਾ ਫਿਰ, ਆਮ ਵਿਗਿਆਨ.
ਗਿਆਨ ਦੇ ਕਬਜ਼ੇ ਅਤੇ ਗਿਆਨ ਦੀ ਵਰਤੋਂ (ਸਮਕਾਲੀ ਸ਼ਬਦਾਵਲੀ, ਯੋਗਤਾ ਅਤੇ ਕਾਰਗੁਜ਼ਾਰੀ ਵਿੱਚ) ਵਿੱਚ ਅਰਸਤੂ ਦੇ ਅੰਤਰ ਬਾਰੇ ਸਪਸ਼ਟ ਹੋਣਾ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਭਾਸ਼ਾ ਦੇ ਮਾਮਲੇ ਵਿੱਚ, ਪ੍ਰਾਪਤ ਕੀਤੀ ਸਥਿਰ ਅਵਸਥਾ ਗਿਆਨ ਦਾ ਕਬਜ਼ਾ ਹੈ, ਦਿਮਾਗ ਵਿੱਚ ਕੋਡਬੱਧ. ਅੰਦਰੂਨੀ ਪ੍ਰਣਾਲੀ ਸੰਰਚਨਾਬੱਧ ਸਮੀਕਰਨਾਂ ਦੀ ਇੱਕ ਬੇਅੰਤ ਲੜੀ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦੀ ਹੈ, ਜਿਨ੍ਹਾਂ ਵਿੱਚੋਂ ਹਰ ਇੱਕ ਨੂੰ ਅਸੀਂ ਇੱਕ ਵਿਚਾਰ ਤਿਆਰ ਕਰਨ ਦੇ ਰੂਪ ਵਿੱਚ ਸਮਝ ਸਕਦੇ ਹਾਂ, ਹਰ ਇੱਕ ਕੁਝ ਸੰਵੇਦਕ ਪ੍ਰਣਾਲੀ ਵਿੱਚ ਬਾਹਰੀਕਰਣਯੋਗ, ਆਮ ਤੌਰ 'ਤੇ ਧੁਨੀ ਭਾਵੇਂ ਇਹ ਸਾਈਨ ਜਾਂ (ਮੁਸ਼ਕਿਲ ਨਾਲ) ਛੂਹ ਵੀ ਹੋ ਸਕਦਾ ਹੈ।
ਅੰਦਰੂਨੀ ਕੋਡਿਡ ਸਿਸਟਮ ਨੂੰ ਗਿਆਨ (ਕਾਰਗੁਜ਼ਾਰੀ) ਦੀ ਵਰਤੋਂ ਵਿੱਚ ਐਕਸੈਸ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ ਵਿਚਾਰ ਵਿੱਚ ਭਾਸ਼ਾ ਦੀ ਅੰਦਰੂਨੀ ਵਰਤੋਂ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ: ਪ੍ਰਤੀਬਿੰਬ, ਯੋਜਨਾਬੰਦੀ, ਯਾਦ ਅਤੇ ਹੋਰ ਬਹੁਤ ਕੁਝ। ਅੰਕੜਿਆਂ ਦੀ ਗੱਲ ਕਰੀਏ ਤਾਂ ਇਹ ਭਾਸ਼ਾ ਦੀ ਬਹੁਤ ਜ਼ਿਆਦਾ ਵਰਤੋਂ ਹੈ। ਇਹ ਆਤਮ-ਨਿਰੀਖਣ ਲਈ ਪਹੁੰਚਯੋਗ ਨਹੀਂ ਹੈ, ਹਾਲਾਂਕਿ ਅਸੀਂ ਵਿਗਿਆਨ ਦੇ ਆਮ ਤਰੀਕਿਆਂ ਦੁਆਰਾ, "ਬਾਹਰੋਂ," ਅਲੰਕਾਰਿਕ ਤੌਰ 'ਤੇ ਬੋਲਦੇ ਹੋਏ ਇਸ ਬਾਰੇ ਬਹੁਤ ਕੁਝ ਸਿੱਖ ਸਕਦੇ ਹਾਂ। ਜਿਸ ਨੂੰ "ਅੰਦਰੂਨੀ ਭਾਸ਼ਣ" ਕਿਹਾ ਜਾਂਦਾ ਹੈ, ਅਸਲ ਵਿੱਚ, ਬਾਹਰੀ ਭਾਸ਼ਾ ਦੇ ਟੁਕੜੇ ਹਨ, ਜਿਸ ਵਿੱਚ ਬੋਲਣ ਵਾਲੇ ਉਪਕਰਨ ਨੂੰ ਮਿਊਟ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਇਹ ਭਾਸ਼ਾ ਦੀ ਅੰਦਰੂਨੀ ਵਰਤੋਂ ਦਾ ਸਿਰਫ ਇੱਕ ਰਿਮੋਟ ਪ੍ਰਤੀਬਿੰਬ ਹੈ, ਮਹੱਤਵਪੂਰਨ ਮਾਮਲੇ ਜਿਨ੍ਹਾਂ ਦਾ ਮੈਂ ਇੱਥੇ ਪਿੱਛਾ ਨਹੀਂ ਕਰ ਸਕਦਾ।
ਭਾਸ਼ਾ ਦੀ ਵਰਤੋਂ ਦੇ ਹੋਰ ਰੂਪ ਹਨ ਧਾਰਨਾ (ਪਾਰਸਿੰਗ) ਅਤੇ ਉਤਪਾਦਨ, ਬਾਅਦ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਦੇ ਹਨ ਜੋ ਅੱਜ ਸਾਡੇ ਲਈ ਰਹੱਸਮਈ ਹਨ ਜਿਵੇਂ ਕਿ ਆਧੁਨਿਕ ਵਿਗਿਆਨ ਦੀ ਸ਼ੁਰੂਆਤ ਵਿੱਚ ਗੈਲੀਲੀਓ ਅਤੇ ਉਸਦੇ ਸਮਕਾਲੀਆਂ ਦੁਆਰਾ ਉਹਨਾਂ ਨੂੰ ਹੈਰਾਨੀ ਅਤੇ ਹੈਰਾਨੀ ਨਾਲ ਸਮਝਿਆ ਜਾਂਦਾ ਸੀ।
ਵਿਗਿਆਨ ਦਾ ਮੁੱਖ ਟੀਚਾ ਅੰਦਰੂਨੀ ਪ੍ਰਣਾਲੀ ਦੀ ਖੋਜ ਕਰਨਾ ਹੈ, ਭਾਸ਼ਾ ਦੇ ਮਨੁੱਖੀ ਫੈਕਲਟੀ ਵਿੱਚ ਇਸਦੀ ਸ਼ੁਰੂਆਤੀ ਸਥਿਤੀ ਵਿੱਚ ਅਤੇ ਵਿਸ਼ੇਸ਼ ਰੂਪਾਂ ਵਿੱਚ ਜੋ ਇਹ ਗ੍ਰਹਿਣ ਵਿੱਚ ਗ੍ਰਹਿਣ ਕਰਦਾ ਹੈ। ਜਿਸ ਹੱਦ ਤੱਕ ਇਸ ਅੰਦਰੂਨੀ ਪ੍ਰਣਾਲੀ ਨੂੰ ਸਮਝਿਆ ਜਾਂਦਾ ਹੈ, ਅਸੀਂ ਜਾਂਚ ਕਰਨ ਲਈ ਅੱਗੇ ਵਧ ਸਕਦੇ ਹਾਂ ਕਿ ਇਹ ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ ਕਿਵੇਂ ਪ੍ਰਵੇਸ਼ ਕਰਦਾ ਹੈ, ਭਾਸ਼ਾ ਦੀ ਵਰਤੋਂ ਵਿੱਚ ਦਾਖਲ ਹੋਣ ਵਾਲੇ ਕਈ ਹੋਰ ਕਾਰਕਾਂ ਨਾਲ ਪਰਸਪਰ ਪ੍ਰਭਾਵ ਪਾਉਂਦਾ ਹੈ।
ਪ੍ਰਦਰਸ਼ਨ ਦਾ ਡੇਟਾ ਅੰਦਰੂਨੀ ਪ੍ਰਣਾਲੀ ਦੀ ਪ੍ਰਕਿਰਤੀ ਬਾਰੇ ਸਬੂਤ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਖਾਸ ਤੌਰ 'ਤੇ ਜਦੋਂ ਉਹ ਪ੍ਰਯੋਗ ਦੁਆਰਾ ਸ਼ੁੱਧ ਕੀਤੇ ਜਾਂਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ ਸਟੈਂਡਰਡ ਫੀਲਡ ਵਰਕ ਵਿੱਚ। ਪਰ ਡੇਟਾ ਦਾ ਸਭ ਤੋਂ ਵਿਸ਼ਾਲ ਸੰਗ੍ਰਹਿ ਵੀ ਜ਼ਰੂਰੀ ਤਰੀਕਿਆਂ ਨਾਲ ਗੁੰਮਰਾਹਕੁੰਨ ਹੈ। ਇਹ ਉਸ ਚੀਜ਼ ਨੂੰ ਰੱਖਦਾ ਹੈ ਜੋ ਆਮ ਤੌਰ 'ਤੇ ਪੈਦਾ ਹੁੰਦਾ ਹੈ, ਦਿਮਾਗ ਵਿੱਚ ਕੋਡਬੱਧ ਭਾਸ਼ਾ ਦਾ ਗਿਆਨ ਨਹੀਂ, ਉਹਨਾਂ ਲਈ ਜਾਂਚ ਅਧੀਨ ਪ੍ਰਾਇਮਰੀ ਵਸਤੂ ਜੋ ਭਾਸ਼ਾ ਦੀ ਪ੍ਰਕਿਰਤੀ ਅਤੇ ਇਸਦੀ ਵਰਤੋਂ ਨੂੰ ਸਮਝਣਾ ਚਾਹੁੰਦੇ ਹਨ। ਉਹ ਅੰਦਰੂਨੀ ਵਸਤੂ ਇੱਕ ਕਿਸਮ ਦੀਆਂ ਬੇਅੰਤ ਬਹੁਤ ਸਾਰੀਆਂ ਸੰਭਾਵਨਾਵਾਂ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦੀ ਹੈ ਜੋ ਭਾਸ਼ਾ ਲਈ ਅਪ੍ਰਸੰਗਿਕ ਕਾਰਕਾਂ ਦੇ ਕਾਰਨ, ਥੋੜ੍ਹੇ ਸਮੇਂ ਲਈ ਮੈਮੋਰੀ ਸੀਮਾਵਾਂ, 60 ਸਾਲ ਪਹਿਲਾਂ ਅਧਿਐਨ ਕੀਤੇ ਗਏ ਵਿਸ਼ਿਆਂ ਦੇ ਕਾਰਨ ਆਮ ਵਿਵਹਾਰ ਵਿੱਚ ਨਹੀਂ ਵਰਤੀ ਜਾਵੇਗੀ। ਨਿਰੀਖਣ ਕੀਤੇ ਡੇਟਾ ਵਿੱਚ ਬਹੁਤ ਕੁਝ ਸ਼ਾਮਲ ਹੋਵੇਗਾ ਜੋ ਦਿਮਾਗ ਵਿੱਚ ਕੋਡ ਕੀਤੇ ਸਿਸਟਮ ਤੋਂ ਬਾਹਰ ਹੈ, ਅਕਸਰ ਭਾਸ਼ਾ ਦੀ ਅਜਿਹੇ ਤਰੀਕਿਆਂ ਨਾਲ ਸੁਚੇਤ ਵਰਤੋਂ ਜੋ ਅਲੰਕਾਰਿਕ ਉਦੇਸ਼ਾਂ ਲਈ ਨਿਯਮਾਂ ਦੀ ਉਲੰਘਣਾ ਕਰਦੇ ਹਨ। ਇਹ ਸਾਰੇ ਫੀਲਡ ਵਰਕਰਾਂ ਲਈ ਜਾਣੇ ਜਾਂਦੇ ਸੱਚ ਹਨ, ਜੋ ਮੁਢਲੇ ਤੌਰ 'ਤੇ ਤਜਰਬੇ ਕਰਨ ਵਾਲੇ ਮੁਖ਼ਬਰਾਂ ਦੇ ਨਾਲ ਇਲੀਟੇਸ਼ਨ ਤਕਨੀਕਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ, ਇੱਕ ਸ਼ੁੱਧ ਕਾਰਪਸ ਪੈਦਾ ਕਰਨ ਲਈ, ਜੋ ਅਪ੍ਰਸੰਗਿਕ ਪਾਬੰਦੀਆਂ ਅਤੇ ਭਟਕਣ ਵਾਲੇ ਸਮੀਕਰਨਾਂ ਨੂੰ ਬਾਹਰ ਰੱਖਦਾ ਹੈ। ਇਹੀ ਸੱਚ ਹੈ ਜਦੋਂ ਭਾਸ਼ਾ ਵਿਗਿਆਨੀ ਆਪਣੇ ਆਪ ਨੂੰ ਜਾਣਕਾਰੀ ਦੇਣ ਵਾਲੇ ਵਜੋਂ ਵਰਤਦੇ ਹਨ, ਇੱਕ ਬਿਲਕੁਲ ਸਮਝਦਾਰ ਅਤੇ ਆਮ ਪ੍ਰਕਿਰਿਆ, ਜੋ ਕਿ ਮਨੋਵਿਗਿਆਨ ਦੇ ਇਤਿਹਾਸ ਵਿੱਚ ਵਰਤਮਾਨ ਸਮੇਂ ਤੱਕ ਆਮ ਹੈ।
ਸਾਧਾਰਨ ਵਿਗਿਆਨ ਦੇ ਨਾਲ ਅੱਗੇ ਵਧਦੇ ਹੋਏ, ਅਸੀਂ ਦੇਖਦੇ ਹਾਂ ਕਿ ਭਾਸ਼ਾ ਦੀਆਂ ਅੰਦਰੂਨੀ ਪ੍ਰਕਿਰਿਆਵਾਂ ਅਤੇ ਤੱਤਾਂ ਨੂੰ ਨਿਰੀਖਣ ਕੀਤੇ ਵਰਤਾਰਿਆਂ ਦੇ ਨਿਰੀਖਣ ਦੁਆਰਾ ਖੋਜਿਆ ਨਹੀਂ ਜਾ ਸਕਦਾ ਹੈ। ਅਕਸਰ ਇਹ ਤੱਤ ਭਾਸ਼ਣ (ਜਾਂ ਲਿਖਤ) ਵਿੱਚ ਵੀ ਦਿਖਾਈ ਨਹੀਂ ਦਿੰਦੇ, ਹਾਲਾਂਕਿ ਇਹਨਾਂ ਦੇ ਪ੍ਰਭਾਵਾਂ, ਅਕਸਰ ਸੂਖਮ, ਖੋਜੇ ਜਾ ਸਕਦੇ ਹਨ। ਇਹ ਇੱਕ ਹੋਰ ਕਾਰਨ ਹੈ ਕਿ ਦੇਖਿਆ ਗਿਆ ਵਰਤਾਰੇ 'ਤੇ ਪਾਬੰਦੀ, ਜਿਵੇਂ ਕਿ LLM ਪਹੁੰਚਾਂ ਵਿੱਚ, ਅੰਦਰੂਨੀ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੀ ਸਮਝ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਸੀਮਤ ਕਰਦਾ ਹੈ ਜੋ ਭਾਸ਼ਾ ਦੀ ਪ੍ਰਕਿਰਤੀ, ਇਸਦੀ ਪ੍ਰਾਪਤੀ ਅਤੇ ਵਰਤੋਂ ਦੀ ਜਾਂਚ ਦੇ ਮੁੱਖ ਵਸਤੂ ਹਨ। ਪਰ ਇਹ ਢੁਕਵਾਂ ਨਹੀਂ ਹੈ ਜੇਕਰ ਵਿਗਿਆਨ ਅਤੇ ਸਮਝ ਦੀ ਚਿੰਤਾ ਨੂੰ ਦੂਜੇ ਟੀਚਿਆਂ ਦੇ ਪੱਖ ਵਿੱਚ ਛੱਡ ਦਿੱਤਾ ਗਿਆ ਹੈ।
ਆਮ ਤੌਰ 'ਤੇ ਵਿਗਿਆਨ ਵਿੱਚ, ਹਜ਼ਾਰਾਂ ਸਾਲਾਂ ਤੋਂ, ਪ੍ਰਯੋਗਾਂ ਦੁਆਰਾ ਸਿੱਟੇ ਕੱਢੇ ਜਾਂਦੇ ਹਨ-ਅਕਸਰ ਵਿਚਾਰ ਪ੍ਰਯੋਗਾਂ-ਹਰੇਕ ਵਰਤਾਰੇ ਤੋਂ ਇੱਕ ਮੂਲ ਅਮੂਰਤ। ਪ੍ਰਯੋਗ ਸਿਧਾਂਤ-ਸੰਚਾਲਿਤ ਹੁੰਦੇ ਹਨ, ਅਣਗਿਣਤ ਅਪ੍ਰਸੰਗਿਕ ਕਾਰਕਾਂ ਨੂੰ ਰੱਦ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਨ ਜੋ ਦੇਖੇ ਗਏ ਵਰਤਾਰੇ ਵਿੱਚ ਦਾਖਲ ਹੁੰਦੇ ਹਨ - ਜਿਵੇਂ ਕਿ ਭਾਸ਼ਾਈ ਪ੍ਰਦਰਸ਼ਨ। ਇਹ ਸਭ ਕੁਝ ਇੰਨਾ ਮੁਢਲਾ ਹੈ ਕਿ ਇਸ 'ਤੇ ਘੱਟ ਹੀ ਚਰਚਾ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਅਤੇ ਜਾਣੂ. ਜਿਵੇਂ ਕਿ ਨੋਟ ਕੀਤਾ ਗਿਆ ਹੈ, ਬੁਨਿਆਦੀ ਅੰਤਰ ਅਰਸਤੂ ਦੇ ਗਿਆਨ ਦੇ ਕਬਜ਼ੇ ਅਤੇ ਗਿਆਨ ਦੀ ਵਰਤੋਂ ਵਿਚਕਾਰ ਅੰਤਰ ਵੱਲ ਵਾਪਸ ਜਾਂਦਾ ਹੈ। ਪਹਿਲਾ ਅਧਿਐਨ ਦਾ ਕੇਂਦਰੀ ਉਦੇਸ਼ ਹੈ। ਸੈਕੰਡਰੀ (ਅਤੇ ਕਾਫ਼ੀ ਗੰਭੀਰ) ਅਧਿਐਨ ਇਸ ਗੱਲ ਦੀ ਜਾਂਚ ਕਰਦੇ ਹਨ ਕਿ ਗਿਆਨ ਦੀ ਅੰਦਰੂਨੀ ਤੌਰ 'ਤੇ ਸਟੋਰ ਕੀਤੀ ਪ੍ਰਣਾਲੀ ਨੂੰ ਕਾਰਗੁਜ਼ਾਰੀ ਵਿੱਚ ਕਿਵੇਂ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ, ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਦੇਖਿਆ ਗਿਆ ਹੈ ਵਿੱਚ ਦਾਖਲ ਹੋਣ ਤੋਂ ਇਲਾਵਾ ਬਹੁਤ ਸਾਰੇ ਗੈਰ-ਭਾਸ਼ਾਈ ਕਾਰਕਾਂ ਦੇ ਨਾਲ।
ਅਸੀਂ ਵਿਕਾਸਵਾਦੀ ਜੀਵ-ਵਿਗਿਆਨੀ ਥੀਓਡੋਸੀਅਸ ਡੋਬਜ਼ਾਂਸਕੀ ਦੇ ਇੱਕ ਨਿਰੀਖਣ ਨੂੰ ਵੀ ਯਾਦ ਕਰ ਸਕਦੇ ਹਾਂ, ਜੋ ਮੁੱਖ ਤੌਰ 'ਤੇ ਡਰੋਸੋਫਿਲਾ ਨਾਲ ਆਪਣੇ ਕੰਮ ਲਈ ਮਸ਼ਹੂਰ ਹੈ: ਹਰ ਇੱਕ ਪ੍ਰਜਾਤੀ ਵਿਲੱਖਣ ਹੈ, ਅਤੇ ਮਨੁੱਖ ਸਭ ਤੋਂ ਵਿਲੱਖਣ ਹਨ। ਜੇਕਰ ਅਸੀਂ ਇਹ ਸਮਝਣ ਵਿੱਚ ਦਿਲਚਸਪੀ ਰੱਖਦੇ ਹਾਂ ਕਿ ਅਸੀਂ ਕਿਸ ਕਿਸਮ ਦੇ ਜੀਵ ਹਾਂ - 2,500 ਸਾਲ ਪਹਿਲਾਂ ਡੇਲਫਿਕ ਓਰੇਕਲ ਦੇ ਹੁਕਮ ਦਾ ਪਾਲਣ ਕਰਦੇ ਹੋਏ - ਅਸੀਂ ਮੁੱਖ ਤੌਰ 'ਤੇ ਇਸ ਗੱਲ ਨਾਲ ਚਿੰਤਤ ਹੋਵਾਂਗੇ ਕਿ ਕੀ ਮਨੁੱਖਾਂ ਨੂੰ ਸਭ ਤੋਂ ਵਿਲੱਖਣ ਬਣਾਉਂਦਾ ਹੈ, ਮੁੱਖ ਤੌਰ 'ਤੇ ਭਾਸ਼ਾ ਅਤੇ ਵਿਚਾਰ, ਨੇੜਿਓਂ ਜੁੜੇ ਹੋਏ, ਜਿਵੇਂ ਕਿ ਇੱਕ ਵਿੱਚ ਮਾਨਤਾ ਪ੍ਰਾਪਤ ਹੈ। ਸ਼ਾਨਦਾਰ ਪਰੰਪਰਾ ਕਲਾਸੀਕਲ ਗ੍ਰੀਸ ਅਤੇ ਭਾਰਤ ਵਿੱਚ ਵਾਪਸ ਜਾ ਰਹੀ ਹੈ। ਜ਼ਿਆਦਾਤਰ ਵਿਵਹਾਰ ਕਾਫ਼ੀ ਰੁਟੀਨ ਹੈ, ਇਸਲਈ ਕੁਝ ਹੱਦ ਤੱਕ ਅਨੁਮਾਨ ਲਗਾਇਆ ਜਾ ਸਕਦਾ ਹੈ। ਜੋ ਚੀਜ਼ ਸਾਨੂੰ ਵਿਲੱਖਣ ਬਣਾਉਂਦੀ ਹੈ ਉਸ ਬਾਰੇ ਅਸਲ ਸਮਝ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ ਉਹ ਹੈ ਜੋ ਰੁਟੀਨ ਨਹੀਂ ਹੈ, ਜੋ ਅਸੀਂ ਲੱਭਦੇ ਹਾਂ, ਕਦੇ ਪ੍ਰਯੋਗ ਦੁਆਰਾ, ਕਦੇ ਨਿਰੀਖਣ ਦੁਆਰਾ, ਆਮ ਬੱਚਿਆਂ ਤੋਂ ਲੈ ਕੇ ਮਹਾਨ ਕਲਾਕਾਰਾਂ ਅਤੇ ਵਿਗਿਆਨੀਆਂ ਤੱਕ।
ਇਸ ਸਬੰਧ ਵਿੱਚ ਇੱਕ ਅੰਤਮ ਟਿੱਪਣੀ. ਸਮਾਜ ਨੂੰ ਵਿਗਿਆਨ ਲਈ ਨਫ਼ਰਤ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਨ ਲਈ ਵਿਸ਼ਾਲ ਕਾਰਪੋਰੇਟ ਮੁਹਿੰਮਾਂ ਦੁਆਰਾ ਇੱਕ ਸਦੀ ਤੋਂ ਦੁਖੀ ਕੀਤਾ ਗਿਆ ਹੈ, ਨਾਓਮੀ ਓਰੇਸਕੇਸ ਦੁਆਰਾ ਹੋਰਾਂ ਵਿੱਚ ਚੰਗੀ ਤਰ੍ਹਾਂ ਅਧਿਐਨ ਕੀਤੇ ਗਏ ਵਿਸ਼ੇ। ਇਹ ਉਹਨਾਂ ਕਾਰਪੋਰੇਸ਼ਨਾਂ ਨਾਲ ਸ਼ੁਰੂ ਹੋਇਆ ਜਿਨ੍ਹਾਂ ਦੇ ਉਤਪਾਦ ਕਾਤਲ ਹਨ: ਲੀਡ, ਤੰਬਾਕੂ, ਐਸਬੈਸਟਸ, ਬਾਅਦ ਵਿੱਚ ਜੈਵਿਕ ਇੰਧਨ। ਉਨ੍ਹਾਂ ਦੇ ਇਰਾਦੇ ਸਮਝਣ ਯੋਗ ਹਨ। ਪੂੰਜੀਵਾਦੀ ਸਮਾਜ ਵਿੱਚ ਵਪਾਰ ਦਾ ਟੀਚਾ ਮੁਨਾਫਾ ਹੁੰਦਾ ਹੈ, ਮਨੁੱਖੀ ਭਲਾਈ ਨਹੀਂ। ਇਹ ਇੱਕ ਸੰਸਥਾਗਤ ਤੱਥ ਹੈ: ਖੇਡ ਨਾ ਖੇਡੋ ਅਤੇ ਤੁਸੀਂ ਬਾਹਰ ਹੋ, ਕਿਸੇ ਵਿਅਕਤੀ ਦੁਆਰਾ ਬਦਲਿਆ ਜਾਵੇਗਾ ਜੋ ਕਰੇਗਾ.
ਕਾਰਪੋਰੇਟ ਪੀਆਰ ਵਿਭਾਗਾਂ ਨੇ ਛੇਤੀ ਹੀ ਪਛਾਣ ਲਿਆ ਸੀ ਕਿ ਉਹਨਾਂ ਦੇ ਉਤਪਾਦਾਂ ਦੇ ਘਾਤਕ ਪ੍ਰਭਾਵਾਂ ਦੇ ਵਧ ਰਹੇ ਵਿਗਿਆਨਕ ਸਬੂਤਾਂ ਤੋਂ ਇਨਕਾਰ ਕਰਨਾ ਇੱਕ ਗਲਤੀ ਹੋਵੇਗੀ। ਇਹ ਆਸਾਨੀ ਨਾਲ ਰੱਦ ਕੀਤਾ ਜਾਵੇਗਾ. ਸੰਦੇਹ ਬੀਜਣਾ, ਅਨਿਸ਼ਚਿਤਤਾ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਨਾ, ਇਹਨਾਂ ਨੁਕੀਲੇ-ਸਿਰ ਵਾਲੇ ਸੂਟਾਂ ਲਈ ਨਫ਼ਰਤ ਕਰਨਾ ਬਿਹਤਰ ਹੈ ਜਿਨ੍ਹਾਂ ਨੇ ਕਦੇ ਘਰ ਪੇਂਟ ਨਹੀਂ ਕੀਤਾ ਹੈ ਪਰ ਵਾਸ਼ਿੰਗਟਨ ਤੋਂ ਹੇਠਾਂ ਆ ਕੇ ਮੈਨੂੰ ਇਹ ਕਹਿਣ ਲਈ ਕਿ ਲੀਡ ਪੇਂਟ ਦੀ ਵਰਤੋਂ ਨਾ ਕਰੋ, ਮੇਰੇ ਕਾਰੋਬਾਰ ਨੂੰ ਤਬਾਹ ਕਰ ਦਿਓ (ਇੱਕ ਅਸਲ ਕੇਸ, ਆਸਾਨੀ ਨਾਲ ਗੁਣਾ)। ਇਹ ਸਭ ਬਹੁਤ ਵਧੀਆ ਕੰਮ ਕੀਤਾ ਹੈ. ਇਸ ਸਮੇਂ ਇਹ ਸਾਨੂੰ ਧਰਤੀ 'ਤੇ ਸੰਗਠਿਤ ਮਨੁੱਖੀ ਜੀਵਨ ਦੇ ਵਿਨਾਸ਼ ਦੇ ਰਾਹ 'ਤੇ ਲੈ ਜਾ ਰਿਹਾ ਹੈ।
ਬੌਧਿਕ ਹਲਕਿਆਂ ਵਿੱਚ, ਵਿਗਿਆਨ ਦੀ ਉੱਤਰ-ਆਧੁਨਿਕ ਆਲੋਚਨਾ ਦੁਆਰਾ ਸਮਾਨ ਪ੍ਰਭਾਵ ਪੈਦਾ ਕੀਤੇ ਗਏ ਹਨ, ਭੰਗ ਜੀਨ ਬ੍ਰਿਕਮੋਂਟ ਅਤੇ ਐਲਨ ਸੋਕਲ ਦੁਆਰਾ, ਪਰ ਅਜੇ ਵੀ ਕੁਝ ਸਰਕਲਾਂ ਵਿੱਚ ਬਹੁਤ ਜ਼ਿਆਦਾ ਜ਼ਿੰਦਾ ਹੈ।
ਸਵਾਲ ਦਾ ਸੁਝਾਅ ਦੇਣਾ ਬੇਰਹਿਮ ਹੋ ਸਕਦਾ ਹੈ, ਪਰ ਇਹ ਪੁੱਛਣਾ ਉਚਿਤ ਹੈ, ਮੇਰੇ ਖਿਆਲ ਵਿੱਚ, ਕੀ ਟੌਮ ਜੋਨਸ ਅਤੇ ਉਹ ਲੋਕ ਜੋ ਬੇਲੋੜੇ ਤੌਰ 'ਤੇ ਦੁਹਰਾਉਂਦੇ ਹਨ ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਉਨ੍ਹਾਂ ਦੀਆਂ ਲਾਪਰਵਾਹੀ ਵਾਲੀਆਂ ਘੋਸ਼ਣਾਵਾਂ ਨੂੰ ਵਧਾ ਦਿੰਦੇ ਹਨ, ਉਹੀ ਗੰਦੀ ਪ੍ਰਵਿਰਤੀਆਂ ਵਿੱਚ ਯੋਗਦਾਨ ਪਾ ਰਹੇ ਹਨ।
ਸੀ.ਜੇ.ਪੀ: ChatGPT ਇੱਕ ਕੁਦਰਤੀ-ਭਾਸ਼ਾ-ਸੰਚਾਲਿਤ ਚੈਟਬੋਟ ਹੈ ਜੋ ਮਨੁੱਖਾਂ ਵਰਗੀ ਗੱਲਬਾਤ ਦੀ ਇਜਾਜ਼ਤ ਦੇਣ ਲਈ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਵਿੱਚ ਇੱਕ ਤਾਜ਼ਾ ਲੇਖ ਵਿੱਚ ਨਿਊਯਾਰਕ ਟਾਈਮਜ਼, ਦੋ ਹੋਰ ਲੇਖਕਾਂ ਦੇ ਨਾਲ, ਤੁਸੀਂ ਨਵੇਂ ਚੈਟਬੋਟਸ ਨੂੰ ਹਾਈਪ ਦੇ ਤੌਰ 'ਤੇ ਬੰਦ ਕਰ ਦਿੰਦੇ ਹੋ ਕਿਉਂਕਿ ਉਹ ਸਿਰਫ਼ ਮਨੁੱਖਾਂ ਦੀ ਭਾਸ਼ਾਈ ਯੋਗਤਾ ਨਾਲ ਮੇਲ ਨਹੀਂ ਖਾਂਦੇ। ਕੀ ਇਹ ਸੰਭਵ ਨਹੀਂ ਹੈ ਕਿ AI ਵਿੱਚ ਭਵਿੱਖ ਦੀਆਂ ਨਵੀਨਤਾਵਾਂ ਇੰਜਨੀਅਰਿੰਗ ਪ੍ਰੋਜੈਕਟ ਤਿਆਰ ਕਰ ਸਕਦੀਆਂ ਹਨ ਜੋ ਮੇਲ ਖਾਂਦੀਆਂ ਹਨ ਅਤੇ ਸ਼ਾਇਦ ਮਨੁੱਖੀ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਵੀ ਪਾਰ ਕਰ ਸਕਦੀਆਂ ਹਨ?
NC: ਲੇਖ ਦਾ ਕ੍ਰੈਡਿਟ ਅਸਲ ਲੇਖਕ, ਜੈਫਰੀ ਵਾਟੁਮੁਲ, ਇੱਕ ਵਧੀਆ ਗਣਿਤ-ਸ਼ਾਸਤਰੀ-ਭਾਸ਼ਾ-ਵਿਗਿਆਨੀ-ਦਾਰਸ਼ਨਿਕ ਨੂੰ ਦਿੱਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਦੋ ਸੂਚੀਬੱਧ ਸਹਿ-ਲੇਖਕ ਸਲਾਹਕਾਰ ਸਨ, ਜੋ ਲੇਖ ਨਾਲ ਸਹਿਮਤ ਹਨ ਪਰ ਇਸ ਨੂੰ ਨਹੀਂ ਲਿਖਿਆ।
ਇਹ ਸੱਚ ਹੈ ਕਿ ਉੱਪਰ ਦੁਹਰਾਏ ਗਏ ਕਾਰਨਾਂ ਕਰਕੇ, ਚੈਟਬੋਟਸ ਸਿਧਾਂਤਕ ਤੌਰ 'ਤੇ ਮਨੁੱਖਾਂ ਦੀ ਭਾਸ਼ਾਈ ਯੋਗਤਾ ਨਾਲ ਮੇਲ ਨਹੀਂ ਖਾਂਦੇ। ਉਹਨਾਂ ਦਾ ਮੂਲ ਡਿਜ਼ਾਇਨ ਉਹਨਾਂ ਨੂੰ ਮਨੁੱਖੀ ਭਾਸ਼ਾ ਦੇ ਸਿਧਾਂਤ ਲਈ ਅਨੁਕੂਲਤਾ ਦੀ ਨਿਊਨਤਮ ਸਥਿਤੀ ਤੱਕ ਪਹੁੰਚਣ ਤੋਂ ਰੋਕਦਾ ਹੈ: ਅਸੰਭਵ ਭਾਸ਼ਾਵਾਂ ਤੋਂ ਸੰਭਵ ਨੂੰ ਵੱਖ ਕਰਨਾ। ਕਿਉਂਕਿ ਇਹ ਡਿਜ਼ਾਈਨ ਦੀ ਵਿਸ਼ੇਸ਼ਤਾ ਹੈ, ਇਸ ਲਈ ਇਸ ਕਿਸਮ ਦੀ AI ਵਿੱਚ ਭਵਿੱਖ ਦੀਆਂ ਨਵੀਨਤਾਵਾਂ ਦੁਆਰਾ ਇਸਨੂੰ ਦੂਰ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਇਹ ਬਹੁਤ ਸੰਭਵ ਹੈ ਕਿ ਭਵਿੱਖ ਦੇ ਇੰਜਨੀਅਰਿੰਗ ਪ੍ਰੋਜੈਕਟ ਮਨੁੱਖੀ ਸਮਰੱਥਾਵਾਂ ਨਾਲ ਮੇਲ ਖਾਂਦੇ ਹਨ ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਮਨੁੱਖੀ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਵੀ ਪਾਰ ਕਰਦੇ ਹਨ, ਜੇਕਰ ਸਾਡਾ ਮਤਲਬ ਹੈ ਕੰਮ ਕਰਨ ਦੀ ਮਨੁੱਖੀ ਸਮਰੱਥਾ, ਪ੍ਰਦਰਸ਼ਨ। ਜਿਵੇਂ ਕਿ ਉੱਪਰ ਦੱਸਿਆ ਗਿਆ ਹੈ, ਕੁਝ ਨੇ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਅਜਿਹਾ ਕੀਤਾ ਹੈ: ਉਦਾਹਰਨ ਲਈ ਆਟੋਮੈਟਿਕ ਕੈਲਕੁਲੇਟਰ। ਵਧੇਰੇ ਦਿਲਚਸਪ ਗੱਲ ਇਹ ਹੈ ਕਿ, ਜਿਵੇਂ ਕਿ ਜ਼ਿਕਰ ਕੀਤਾ ਗਿਆ ਹੈ, ਮਾਮੂਲੀ ਦਿਮਾਗ ਵਾਲੇ ਕੀੜੇ ਯੋਗਤਾ ਵਜੋਂ ਸਮਝੀ ਜਾਣ ਵਾਲੀ ਮਨੁੱਖੀ ਸਮਰੱਥਾ ਨੂੰ ਪਾਰ ਕਰਦੇ ਹਨ।
ਸੀ.ਜੇ.ਪੀ: ਉਪਰੋਕਤ ਲੇਖ ਵਿੱਚ, ਇਹ ਵੀ ਦੇਖਿਆ ਗਿਆ ਸੀ ਕਿ ਅੱਜ ਦੇ ਏਆਈ ਪ੍ਰੋਜੈਕਟਾਂ ਵਿੱਚ ਮਨੁੱਖੀ ਨੈਤਿਕ ਫੈਕਲਟੀ ਨਹੀਂ ਹੈ। ਕੀ ਇਹ ਸਪੱਸ਼ਟ ਤੱਥ ਏਆਈ ਰੋਬੋਟਾਂ ਨੂੰ ਮਨੁੱਖ ਜਾਤੀ ਲਈ ਖ਼ਤਰੇ ਤੋਂ ਘੱਟ ਬਣਾਉਂਦਾ ਹੈ? ਮੈਂ ਮੰਨਦਾ ਹਾਂ ਕਿ ਇਹ ਦਲੀਲ ਇਹ ਹੋ ਸਕਦੀ ਹੈ ਕਿ ਇਹ ਉਹਨਾਂ ਨੂੰ ਸ਼ਾਇਦ ਹੋਰ ਵੀ ਜ਼ਿਆਦਾ ਬਣਾਉਂਦਾ ਹੈ.
NC: ਇਹ ਸੱਚਮੁੱਚ ਇੱਕ ਸਪੱਸ਼ਟ ਤੱਥ ਹੈ, "ਨੈਤਿਕ ਫੈਕਲਟੀ" ਨੂੰ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਸਮਝਣਾ। ਜਦੋਂ ਤੱਕ ਧਿਆਨ ਨਾਲ ਨਿਯੰਤਰਿਤ ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ, AI ਇੰਜੀਨੀਅਰਿੰਗ ਗੰਭੀਰ ਖਤਰੇ ਪੈਦਾ ਕਰ ਸਕਦੀ ਹੈ। ਮੰਨ ਲਓ, ਉਦਾਹਰਨ ਲਈ, ਮਰੀਜ਼ਾਂ ਦੀ ਦੇਖਭਾਲ ਸਵੈਚਲਿਤ ਸੀ। ਮਨੁੱਖੀ ਨਿਰਣੇ ਦੁਆਰਾ ਦੂਰ ਕੀਤੀਆਂ ਜਾਣ ਵਾਲੀਆਂ ਅਟੱਲ ਗਲਤੀਆਂ ਇੱਕ ਡਰਾਉਣੀ ਕਹਾਣੀ ਪੈਦਾ ਕਰ ਸਕਦੀਆਂ ਹਨ। ਜਾਂ ਮੰਨ ਲਓ ਕਿ ਆਟੋਮੇਟਿਡ ਮਿਜ਼ਾਈਲ-ਰੱਖਿਆ ਪ੍ਰਣਾਲੀਆਂ ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਖ਼ਤਰਿਆਂ ਦੇ ਮੁਲਾਂਕਣ ਤੋਂ ਮਨੁੱਖਾਂ ਨੂੰ ਹਟਾ ਦਿੱਤਾ ਗਿਆ ਸੀ। ਇੱਕ ਹੈਰਾਨ ਕਰਨ ਵਾਲੇ ਇਤਿਹਾਸਕ ਰਿਕਾਰਡ ਵਜੋਂ ਜਾਣਕਾਰੀ ਦਿੰਦਾ ਹੈ ਸਾਨੂੰ, ਜੋ ਕਿ ਮਨੁੱਖੀ ਸਭਿਅਤਾ ਦਾ ਅੰਤ ਹੋਵੇਗਾ.
ਜਦੋਂ ਤੱਕ ਧਿਆਨ ਨਾਲ ਨਿਯੰਤਰਿਤ ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ, AI ਇੰਜੀਨੀਅਰਿੰਗ ਗੰਭੀਰ ਖਤਰੇ ਪੈਦਾ ਕਰ ਸਕਦੀ ਹੈ।
ਸੀ.ਜੇ.ਪੀ: ਯੂਰਪ ਵਿੱਚ ਰੈਗੂਲੇਟਰ ਅਤੇ ਕਾਨੂੰਨ ਲਾਗੂ ਕਰਨ ਵਾਲੀਆਂ ਏਜੰਸੀਆਂ ChatGPT ਦੇ ਫੈਲਣ ਬਾਰੇ ਚਿੰਤਾਵਾਂ ਵਧਾ ਰਹੀਆਂ ਹਨ ਜਦੋਂ ਕਿ ਯੂਰਪੀਅਨ ਯੂਨੀਅਨ ਦੇ ਕਾਨੂੰਨ ਦਾ ਇੱਕ ਹਾਲ ਹੀ ਵਿੱਚ ਸਪੁਰਦ ਕੀਤਾ ਗਿਆ ਹਿੱਸਾ ਉਹਨਾਂ ਦੇ ਸਮਝੇ ਗਏ ਜੋਖਮ ਦੇ ਪੱਧਰ ਦੇ ਅਨੁਸਾਰ ਅਜਿਹੇ ਸਾਧਨਾਂ ਨੂੰ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰਕੇ AI ਨਾਲ ਨਜਿੱਠਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਿਹਾ ਹੈ। ਕੀ ਤੁਸੀਂ ਉਹਨਾਂ ਲੋਕਾਂ ਨਾਲ ਸਹਿਮਤ ਹੋ ਜੋ ਚਿੰਤਤ ਹਨ ਕਿ ChatGPT ਇੱਕ ਗੰਭੀਰ ਜਨਤਕ ਖ਼ਤਰਾ ਹੈ? ਇਸ ਤੋਂ ਇਲਾਵਾ, ਕੀ ਤੁਸੀਂ ਸੱਚਮੁੱਚ ਸੋਚਦੇ ਹੋ ਕਿ ਏਆਈ ਟੂਲਸ ਦੇ ਹੋਰ ਵਿਕਾਸ ਨੂੰ ਉਦੋਂ ਤੱਕ ਰੋਕਿਆ ਜਾ ਸਕਦਾ ਹੈ ਜਦੋਂ ਤੱਕ ਸੁਰੱਖਿਆ ਨੂੰ ਪੇਸ਼ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ?
NC: ਮੈਂ ਇਸ ਕੇਸ ਸਮੇਤ ਉੱਨਤ ਤਕਨਾਲੋਜੀ ਦੁਆਰਾ ਪੈਦਾ ਹੋਏ ਖਤਰਿਆਂ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਨ ਦੀਆਂ ਕੋਸ਼ਿਸ਼ਾਂ ਦੇ ਨਾਲ ਆਸਾਨੀ ਨਾਲ ਹਮਦਰਦੀ ਕਰ ਸਕਦਾ ਹਾਂ। ਹਾਲਾਂਕਿ, ਮੈਂ ਅਜਿਹਾ ਕਰਨ ਦੀ ਸੰਭਾਵਨਾ ਬਾਰੇ ਸ਼ੱਕੀ ਹਾਂ। ਮੈਨੂੰ ਸ਼ੱਕ ਹੈ ਕਿ ਜੀਨ ਬੋਤਲ ਤੋਂ ਬਾਹਰ ਹੈ. ਭੈੜੇ ਅਭਿਨੇਤਾ-ਸੰਸਥਾਗਤ ਜਾਂ ਵਿਅਕਤੀਗਤ-ਸੰਭਵ ਤੌਰ 'ਤੇ ਸੁਰੱਖਿਆ ਤੋਂ ਬਚਣ ਦੇ ਤਰੀਕੇ ਲੱਭ ਸਕਦੇ ਹਨ। ਅਜਿਹੇ ਸ਼ੰਕੇ ਬੇਸ਼ੱਕ ਕੋਸ਼ਿਸ਼ ਨਾ ਕਰਨ ਅਤੇ ਚੌਕਸੀ ਵਰਤਣ ਦਾ ਕੋਈ ਕਾਰਨ ਨਹੀਂ ਹਨ।
ZNetwork ਨੂੰ ਸਿਰਫ਼ ਇਸਦੇ ਪਾਠਕਾਂ ਦੀ ਉਦਾਰਤਾ ਦੁਆਰਾ ਫੰਡ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
ਦਾਨ