ਗਾਰਟਨਰ ਦਾ ਚਾਰਟ ਤਕਨੀਕੀ ਉਦਯੋਗ ਵਿੱਚ ਉਹਨਾਂ ਲਈ ਇੱਕ ਉੱਚ ਫੈਸ਼ਨ ਸ਼ੋਅ ਵਰਗਾ ਹੈ। ਇਸ ਨੂੰ ਦੇਖ ਕੇ, ਤੁਸੀਂ ਪਹਿਲਾਂ ਹੀ ਪਤਾ ਲਗਾ ਸਕਦੇ ਹੋ ਕਿ ਇਸ ਸੀਜ਼ਨ ਵਿੱਚ ਕਿਹੜੇ ਸ਼ਬਦ ਸਭ ਤੋਂ ਵੱਧ ਹਾਈਪ ਕੀਤੇ ਗਏ ਹਨ ਅਤੇ ਤੁਸੀਂ ਆਉਣ ਵਾਲੀਆਂ ਸਾਰੀਆਂ ਕਾਨਫਰੰਸਾਂ ਵਿੱਚ ਕੀ ਸੁਣੋਗੇ।

ਅਸੀਂ ਸਮਝ ਲਿਆ ਹੈ ਕਿ ਇਸ ਗ੍ਰਾਫ਼ ਵਿੱਚ ਸੁੰਦਰ ਸ਼ਬਦਾਂ ਦੇ ਪਿੱਛੇ ਕੀ ਹੈ ਤਾਂ ਜੋ ਤੁਸੀਂ ਭਾਸ਼ਾ ਵੀ ਬੋਲ ਸਕੋ।

ਸ਼ੁਰੂ ਕਰਨ ਲਈ, ਇਹ ਕਿਸ ਕਿਸਮ ਦਾ ਗ੍ਰਾਫ ਹੈ ਇਸ ਬਾਰੇ ਕੁਝ ਸ਼ਬਦ। ਹਰ ਸਾਲ ਅਗਸਤ ਵਿੱਚ, ਸਲਾਹਕਾਰ ਏਜੰਸੀ ਗਾਰਟਨਰ ਇੱਕ ਰਿਪੋਰਟ ਜਾਰੀ ਕਰਦੀ ਹੈ - ਗਾਰਟਨਰ ਹਾਈਪ ਕਰਵ। ਰੂਸੀ ਵਿੱਚ, ਇਹ ਇੱਕ "ਹਾਈਪ ਕਰਵ" ਜਾਂ, ਹੋਰ ਸਧਾਰਨ ਰੂਪ ਵਿੱਚ, ਹਾਈਪ ਹੈ। 30 ਸਾਲ ਪਹਿਲਾਂ, ਸਮੂਹ ਪਬਲਿਕ ਐਨੀਮੀ ਦੇ ਰੈਪਰਾਂ ਨੇ ਗਾਇਆ: "ਹਾਈਪ 'ਤੇ ਵਿਸ਼ਵਾਸ ਨਾ ਕਰੋ।" ਇਸ 'ਤੇ ਵਿਸ਼ਵਾਸ ਕਰੋ ਜਾਂ ਨਾ ਕਰੋ, ਇਹ ਇੱਕ ਨਿੱਜੀ ਸਵਾਲ ਹੈ, ਪਰ ਜੇ ਤੁਸੀਂ ਟੈਕਨਾਲੋਜੀ ਖੇਤਰ ਵਿੱਚ ਕੰਮ ਕਰਦੇ ਹੋ ਅਤੇ ਗਲੋਬਲ ਰੁਝਾਨਾਂ ਨੂੰ ਜਾਣਨਾ ਚਾਹੁੰਦੇ ਹੋ ਤਾਂ ਘੱਟੋ-ਘੱਟ ਇਹਨਾਂ ਕੀਵਰਡਸ ਨੂੰ ਜਾਣਨਾ ਮਹੱਤਵਪੂਰਣ ਹੈ।

ਇਹ ਕਿਸੇ ਖਾਸ ਤਕਨਾਲੋਜੀ ਤੋਂ ਜਨਤਕ ਉਮੀਦਾਂ ਦਾ ਗ੍ਰਾਫ ਹੈ। ਗਾਰਟਨਰ ਦੇ ਅਨੁਸਾਰ, ਆਦਰਸ਼ਕ ਤੌਰ 'ਤੇ, ਤਕਨਾਲੋਜੀ 5 ਪੜਾਵਾਂ ਵਿੱਚੋਂ ਲੰਘਦੀ ਹੈ: ਤਕਨਾਲੋਜੀ ਦੀ ਸ਼ੁਰੂਆਤ, ਵਧੀਆਂ ਉਮੀਦਾਂ ਦੀ ਸਿਖਰ, ਨਿਰਾਸ਼ਾ ਦੀ ਘਾਟੀ, ਗਿਆਨ ਦੀ ਢਲਾਣ, ਉਤਪਾਦਕਤਾ ਦਾ ਪਠਾਰ। ਪਰ ਇਹ ਵੀ ਹੁੰਦਾ ਹੈ ਕਿ ਇਹ "ਨਿਰਾਸ਼ਾ ਦੀ ਘਾਟੀ" ਵਿੱਚ ਡੁੱਬ ਜਾਂਦਾ ਹੈ - ਤੁਸੀਂ ਆਪਣੇ ਆਪ ਨੂੰ ਬਹੁਤ ਆਸਾਨੀ ਨਾਲ ਉਦਾਹਰਣਾਂ ਨੂੰ ਯਾਦ ਕਰ ਸਕਦੇ ਹੋ, ਉਹੀ ਬਿਟਕੋਇਨ ਲੈ ਸਕਦੇ ਹੋ: ਸ਼ੁਰੂ ਵਿੱਚ "ਭਵਿੱਖ ਦੇ ਪੈਸੇ" ਦੇ ਰੂਪ ਵਿੱਚ ਸਿਖਰ 'ਤੇ ਪਹੁੰਚਦੇ ਹੋਏ, ਉਹ ਤੇਜ਼ੀ ਨਾਲ ਹੇਠਾਂ ਖਿਸਕ ਜਾਂਦੇ ਹਨ ਜਦੋਂ ਤਕਨਾਲੋਜੀ ਦੀਆਂ ਕਮੀਆਂ ਸਪੱਸ਼ਟ ਹੋ ਗਿਆ, ਸਭ ਤੋਂ ਪਹਿਲਾਂ ਟ੍ਰਾਂਜੈਕਸ਼ਨਾਂ ਦੀ ਗਿਣਤੀ ਅਤੇ ਬਿਟਕੋਇਨ (ਜੋ ਪਹਿਲਾਂ ਹੀ ਵਾਤਾਵਰਣ ਸੰਬੰਧੀ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ) ਪੈਦਾ ਕਰਨ ਲਈ ਲੋੜੀਂਦੀ ਬਿਜਲੀ ਦੀ ਵੱਡੀ ਮਾਤਰਾ 'ਤੇ ਪਾਬੰਦੀਆਂ ਹਨ। ਅਤੇ ਬੇਸ਼ੱਕ, ਸਾਨੂੰ ਇਹ ਨਹੀਂ ਭੁੱਲਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਗਾਰਟਨਰ ਦਾ ਚਾਰਟ ਸਿਰਫ ਇੱਕ ਪੂਰਵ ਅਨੁਮਾਨ ਹੈ: ਇੱਥੇ, ਉਦਾਹਰਨ ਲਈ, ਤੁਸੀਂ ਇੱਕ ਵਿਸਤ੍ਰਿਤ ਪੜ੍ਹ ਸਕਦੇ ਹੋ ਲੇਖ, ਜਿੱਥੇ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਅਧੂਰੀਆਂ ਪੂਰਵ-ਅਨੁਮਾਨਾਂ ਨੂੰ ਛਾਂਟਿਆ ਜਾਂਦਾ ਹੈ।

ਇਸ ਲਈ, ਆਓ ਨਵੇਂ ਗਾਰਟਨਰ ਚਾਰਟ 'ਤੇ ਚੱਲੀਏ। ਤਕਨਾਲੋਜੀਆਂ ਨੂੰ 5 ਵੱਡੇ ਥੀਮੈਟਿਕ ਸਮੂਹਾਂ ਵਿੱਚ ਵੰਡਿਆ ਗਿਆ ਹੈ:

1. ਐਡਵਾਂਸਡ ਏਆਈ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ
2. ਪੋਸਟ-ਕਲਾਸੀਕਲ ਗਣਨਾ ਅਤੇ Comms
3. ਸੰਵੇਦਨਾ ਅਤੇ ਗਤੀਸ਼ੀਲਤਾ
4. ਵਧਿਆ ਹੋਇਆ ਮਨੁੱਖ
5. ਡਿਜੀਟਲ ਈਕੋਸਿਸਟਮ

1. ਐਡਵਾਂਸਡ AI ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ

ਪਿਛਲੇ 10 ਸਾਲਾਂ ਵਿੱਚ ਅਸੀਂ ਡੂੰਘੀ ਸਿਖਲਾਈ ਦਾ ਸਭ ਤੋਂ ਵਧੀਆ ਸਮਾਂ ਦੇਖਿਆ ਹੈ। ਇਹ ਨੈਟਵਰਕ ਉਹਨਾਂ ਦੇ ਕਾਰਜਾਂ ਦੀ ਰੇਂਜ ਲਈ ਅਸਲ ਵਿੱਚ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹਨ. 2018 ਵਿੱਚ, Yann LeCun, Geoffrey Hinton ਅਤੇ Yoshua Bengio ਨੂੰ ਉਹਨਾਂ ਦੀਆਂ ਖੋਜਾਂ ਲਈ ਟਿਊਰਿੰਗ ਅਵਾਰਡ ਮਿਲਿਆ - ਕੰਪਿਊਟਰ ਵਿਗਿਆਨ ਵਿੱਚ ਨੋਬਲ ਪੁਰਸਕਾਰ ਦੇ ਸਮਾਨ ਸਭ ਤੋਂ ਵੱਕਾਰੀ ਪੁਰਸਕਾਰ। ਇਸ ਲਈ, ਇਸ ਖੇਤਰ ਵਿੱਚ ਮੁੱਖ ਰੁਝਾਨ, ਜੋ ਕਿ ਚਾਰਟ 'ਤੇ ਦਿਖਾਇਆ ਗਿਆ ਹੈ:

1.1 ਟਰਾਂਸਫਰ ਲਰਨਿੰਗ

ਤੁਸੀਂ ਸਕ੍ਰੈਚ ਤੋਂ ਇੱਕ ਨਿਊਰਲ ਨੈਟਵਰਕ ਨੂੰ ਸਿਖਲਾਈ ਨਹੀਂ ਦਿੰਦੇ ਹੋ, ਪਰ ਪਹਿਲਾਂ ਤੋਂ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਇੱਕ ਲਓ ਅਤੇ ਇਸਨੂੰ ਇੱਕ ਵੱਖਰਾ ਟੀਚਾ ਨਿਰਧਾਰਤ ਕਰੋ। ਕਈ ਵਾਰ ਇਸ ਲਈ ਨੈੱਟਵਰਕ ਦੇ ਹਿੱਸੇ ਨੂੰ ਦੁਬਾਰਾ ਸਿਖਲਾਈ ਦੇਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਪਰ ਪੂਰੇ ਨੈੱਟਵਰਕ ਨੂੰ ਨਹੀਂ, ਜੋ ਕਿ ਬਹੁਤ ਤੇਜ਼ ਹੁੰਦਾ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਇਮੇਜਨੈੱਟ 50 ਡੇਟਾਸੈਟ 'ਤੇ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਇੱਕ ਰੈਡੀਮੇਡ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ResNet1000 ਨੂੰ ਲੈ ਕੇ, ਤੁਹਾਨੂੰ ਇੱਕ ਐਲਗੋਰਿਦਮ ਮਿਲੇਗਾ ਜੋ ਬਹੁਤ ਡੂੰਘੇ ਪੱਧਰ 'ਤੇ ਇੱਕ ਚਿੱਤਰ ਵਿੱਚ ਬਹੁਤ ਸਾਰੀਆਂ ਵੱਖ-ਵੱਖ ਵਸਤੂਆਂ ਨੂੰ ਵਰਗੀਕ੍ਰਿਤ ਕਰ ਸਕਦਾ ਹੈ (ਨਿਊਰਲ ਦੀਆਂ 1000 ਪਰਤਾਂ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੇ ਆਧਾਰ 'ਤੇ 50 ਕਲਾਸਾਂ) ਨੈੱਟਵਰਕ)। ਪਰ ਤੁਹਾਨੂੰ ਉਸ ਪੂਰੇ ਨੈੱਟਵਰਕ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ, ਜਿਸ ਵਿੱਚ ਮਹੀਨੇ ਲੱਗ ਜਾਣਗੇ।

В ਆਨਲਾਈਨ ਕੋਰਸ ਸੈਮਸੰਗ “ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਅਤੇ ਕੰਪਿਊਟਰ ਵਿਜ਼ਨ”, ਉਦਾਹਰਨ ਲਈ, ਫਾਈਨਲ ਵਿੱਚ ਕਾਗਲ ਟਾਸਕ ਪਲੇਟਾਂ ਦੇ ਸਾਫ਼ ਅਤੇ ਗੰਦੇ ਵਿੱਚ ਵਰਗੀਕਰਣ ਦੇ ਨਾਲ, ਇੱਕ ਪਹੁੰਚ ਪ੍ਰਦਰਸ਼ਿਤ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਕਿ 5 ਮਿੰਟ ਵਿੱਚ ਤੁਹਾਨੂੰ ਇੱਕ ਡੂੰਘਾ ਨਿਊਰਲ ਨੈਟਵਰਕ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਜੋ ਉੱਪਰ ਦੱਸੇ ਗਏ ਆਰਕੀਟੈਕਚਰ ਦੇ ਅਨੁਸਾਰ, ਸਾਫ਼ ਪਲੇਟਾਂ ਤੋਂ ਗੰਦੀਆਂ ਪਲੇਟਾਂ ਨੂੰ ਵੱਖ ਕਰਨ ਦੇ ਸਮਰੱਥ ਹੁੰਦਾ ਹੈ। ਅਸਲੀ ਨੈੱਟਵਰਕ ਨੂੰ ਪਤਾ ਨਹੀਂ ਸੀ ਕਿ ਪਲੇਟਾਂ ਕੀ ਸਨ, ਇਸ ਨੇ ਸਿਰਫ ਕੁੱਤਿਆਂ ਤੋਂ ਪੰਛੀਆਂ ਨੂੰ ਵੱਖ ਕਰਨਾ ਸਿੱਖਿਆ (ਇਮੇਜਨੈੱਟ ਦੇਖੋ)।

ਸਰੋਤ: ਆਨਲਾਈਨ ਕੋਰਸ ਸੈਮਸੰਗ "ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਅਤੇ ਕੰਪਿਊਟਰ ਵਿਜ਼ਨ"

ਟਰਾਂਸਫਰ ਲਰਨਿੰਗ ਲਈ ਤੁਹਾਨੂੰ ਇਹ ਜਾਣਨ ਦੀ ਲੋੜ ਹੈ ਕਿ ਕਿਹੜੀਆਂ ਪਹੁੰਚਾਂ ਕੰਮ ਕਰਦੀਆਂ ਹਨ ਅਤੇ ਕਿਹੜੀਆਂ ਤਿਆਰ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਉਪਲਬਧ ਹਨ। ਕੁੱਲ ਮਿਲਾ ਕੇ, ਇਹ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਦੇ ਵਿਹਾਰਕ ਕਾਰਜਾਂ ਦੇ ਉਭਾਰ ਨੂੰ ਬਹੁਤ ਤੇਜ਼ ਕਰਦਾ ਹੈ।

1.2 ਜਨਰੇਟਿਵ ਐਡਵਰਸੇਰੀਅਲ ਨੈੱਟਵਰਕ (GAN)

ਇਹ ਉਹਨਾਂ ਮਾਮਲਿਆਂ ਲਈ ਹੈ ਜਦੋਂ ਸਾਡੇ ਲਈ ਸਿੱਖਣ ਦਾ ਟੀਚਾ ਬਣਾਉਣਾ ਬਹੁਤ ਮੁਸ਼ਕਲ ਹੁੰਦਾ ਹੈ। ਕੰਮ ਅਸਲ ਜੀਵਨ ਦੇ ਜਿੰਨਾ ਨੇੜੇ ਹੈ, ਸਾਡੇ ਲਈ ਇਹ ਓਨਾ ਹੀ ਜ਼ਿਆਦਾ ਸਮਝ ਵਿੱਚ ਆਉਂਦਾ ਹੈ ("ਬੈੱਡਸਾਈਡ ਟੇਬਲ ਲਿਆਓ"), ਪਰ ਇਸ ਨੂੰ ਤਕਨੀਕੀ ਕੰਮ ਵਜੋਂ ਤਿਆਰ ਕਰਨਾ ਓਨਾ ਹੀ ਮੁਸ਼ਕਲ ਹੁੰਦਾ ਹੈ। GAN ਸਾਨੂੰ ਇਸ ਸਮੱਸਿਆ ਤੋਂ ਬਚਾਉਣ ਦੀ ਇੱਕ ਕੋਸ਼ਿਸ਼ ਹੈ।

ਇੱਥੇ ਦੋ ਨੈੱਟਵਰਕ ਕੰਮ ਕਰ ਰਹੇ ਹਨ: ਇੱਕ ਜਨਰੇਟਰ (ਉਤਪਾਦਕ) ਹੈ, ਦੂਜਾ ਇੱਕ ਵਿਤਕਰਾ ਕਰਨ ਵਾਲਾ (ਵਿਰੋਧੀ) ਹੈ। ਇੱਕ ਨੈੱਟਵਰਕ ਲਾਭਦਾਇਕ ਕੰਮ ਕਰਨਾ ਸਿੱਖਦਾ ਹੈ (ਤਸਵੀਰਾਂ ਦਾ ਵਰਗੀਕਰਨ, ਆਵਾਜ਼ਾਂ ਨੂੰ ਪਛਾਣਨਾ, ਕਾਰਟੂਨ ਖਿੱਚਣਾ)। ਅਤੇ ਇੱਕ ਹੋਰ ਨੈਟਵਰਕ ਉਸ ਨੈਟਵਰਕ ਨੂੰ ਸਿਖਾਉਣਾ ਸਿੱਖਦਾ ਹੈ: ਇਸ ਵਿੱਚ ਅਸਲ ਉਦਾਹਰਣਾਂ ਹਨ, ਅਤੇ ਇਹ ਅਸਲ ਵਿੱਚ ਮਹੱਤਵਪੂਰਣ ਡੂੰਘੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੇ ਅਧਾਰ ਤੇ ਅਸਲ-ਸੰਸਾਰ ਵਸਤੂਆਂ (ਸਿਖਲਾਈ ਸੈੱਟ) ਦੇ ਨਾਲ ਨੈਟਵਰਕ ਦੇ ਉਤਪੰਨ ਹਿੱਸੇ ਦੇ ਉਤਪਾਦਾਂ ਦੀ ਤੁਲਨਾ ਕਰਨ ਲਈ ਇੱਕ ਪਹਿਲਾਂ ਤੋਂ ਅਣਜਾਣ ਗੁੰਝਲਦਾਰ ਫਾਰਮੂਲਾ ਲੱਭਣਾ ਸਿੱਖਦਾ ਹੈ. : ਅੱਖਾਂ ਦੀ ਗਿਣਤੀ, ਮਿਆਜ਼ਾਕੀ ਦੀ ਸ਼ੈਲੀ ਨਾਲ ਨੇੜਤਾ, ਸਹੀ ਅੰਗਰੇਜ਼ੀ ਉਚਾਰਨ।

ਐਨੀਮੇ ਅੱਖਰ ਬਣਾਉਣ ਲਈ ਇੱਕ ਨੈੱਟਵਰਕ ਦੇ ਨਤੀਜੇ ਦੀ ਇੱਕ ਉਦਾਹਰਨ. ਸਰੋਤ

ਪਰ, ਬੇਸ਼ੱਕ, ਉੱਥੇ ਆਰਕੀਟੈਕਚਰ ਬਣਾਉਣਾ ਮੁਸ਼ਕਲ ਹੈ. ਸਿਰਫ ਨਿਊਰੋਨਸ ਸੁੱਟਣਾ ਹੀ ਕਾਫੀ ਨਹੀਂ ਹੈ, ਉਹਨਾਂ ਨੂੰ ਤਿਆਰ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਅਤੇ ਤੁਹਾਨੂੰ ਹਫ਼ਤਿਆਂ ਲਈ ਅਧਿਐਨ ਕਰਨਾ ਪਏਗਾ. ਸੈਮਸੰਗ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਸੈਂਟਰ ਦੇ ਮੇਰੇ ਸਾਥੀ GAN ਵਿਸ਼ੇ 'ਤੇ ਕੰਮ ਕਰ ਰਹੇ ਹਨ; ਇਹ ਉਹਨਾਂ ਦੇ ਮੁੱਖ ਖੋਜ ਸਵਾਲਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਇਸ ਤਰ੍ਹਾਂ ਵਿਕਾਸ: ਵੇਰੀਏਬਲ ਪੋਜ਼ ਵਾਲੇ ਲੋਕਾਂ ਦੀਆਂ ਯਥਾਰਥਵਾਦੀ ਫੋਟੋਆਂ ਨੂੰ ਸੰਸਲੇਸ਼ਣ ਕਰਨ ਲਈ ਜਨਰੇਟਿਵ ਨੈੱਟਵਰਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨਾ - ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਵਰਚੁਅਲ ਫਿਟਿੰਗ ਰੂਮ ਬਣਾਉਣ ਲਈ, ਜਾਂ ਇੱਕ ਚਿਹਰੇ ਦਾ ਸੰਸਲੇਸ਼ਣ ਕਰਨਾ, ਜੋ ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੇ ਵੀਡੀਓ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਸਟੋਰ ਜਾਂ ਪ੍ਰਸਾਰਿਤ ਕਰਨ ਦੀ ਲੋੜ ਵਾਲੀ ਜਾਣਕਾਰੀ ਦੀ ਮਾਤਰਾ ਨੂੰ ਘਟਾ ਸਕਦਾ ਹੈ। ਸੰਚਾਰ, ਪ੍ਰਸਾਰਣ ਜਾਂ ਨਿੱਜੀ ਡਾਟਾ ਸੁਰੱਖਿਆ।

ਸਰੋਤ

1.3 ਵਿਆਖਿਆਯੋਗ ਏ.ਆਈ

ਕੁਝ ਦੁਰਲੱਭ ਕੰਮਾਂ ਲਈ, ਡੂੰਘੇ ਆਰਕੀਟੈਕਚਰ ਵਿੱਚ ਤਰੱਕੀ ਨੇ ਅਚਾਨਕ ਡੂੰਘੇ ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਮਨੁੱਖੀ ਸਮਰੱਥਾਵਾਂ ਦੇ ਨੇੜੇ ਲਿਆ ਦਿੱਤਾ ਹੈ। ਹੁਣ ਅਜਿਹੇ ਕੰਮਾਂ ਦਾ ਦਾਇਰਾ ਵਧਾਉਣ ਦੀ ਲੜਾਈ ਜਾਰੀ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਰੋਬੋਟ ਵੈਕਿਊਮ ਕਲੀਨਰ ਹੈੱਡ-ਆਨ ਮੀਟਿੰਗ ਵਿੱਚ ਇੱਕ ਬਿੱਲੀ ਨੂੰ ਕੁੱਤੇ ਤੋਂ ਆਸਾਨੀ ਨਾਲ ਵੱਖ ਕਰ ਸਕਦਾ ਹੈ। ਪਰ ਜ਼ਿਆਦਾਤਰ ਜੀਵਨ ਦੀਆਂ ਸਥਿਤੀਆਂ ਵਿੱਚ, ਉਹ ਲਿਨਨ ਜਾਂ ਫਰਨੀਚਰ (ਹਾਲਾਂਕਿ, ਸਾਡੇ ਵਾਂਗ, ਜ਼ਿਆਦਾਤਰ ਮਾਮਲਿਆਂ ਵਿੱਚ...) ਵਿੱਚ ਸੌਂ ਰਹੀ ਇੱਕ ਬਿੱਲੀ ਨੂੰ ਲੱਭਣ ਵਿੱਚ ਅਸਮਰੱਥ ਹੋਵੇਗਾ।

ਡੂੰਘੇ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਦੀ ਸਫਲਤਾ ਦਾ ਕਾਰਨ ਕੀ ਹੈ? ਉਹ "ਨੰਗੀ ਅੱਖ ਨੂੰ ਦਿਖਾਈ ਦੇਣ ਵਾਲੀ" ਜਾਣਕਾਰੀ (ਫੋਟੋ ਪਿਕਸਲ, ਧੁਨੀ ਵਾਲੀਅਮ ਵਿੱਚ ਬਦਲਾਅ...) ਦੇ ਆਧਾਰ 'ਤੇ ਸਮੱਸਿਆ ਦੀ ਪ੍ਰਤੀਨਿਧਤਾ ਵਿਕਸਿਤ ਕਰਦੇ ਹਨ, ਪਰ ਇੱਕ ਨਿਊਰਲ ਨੈਟਵਰਕ ਦੀਆਂ ਕਈ ਸੌ ਪਰਤਾਂ ਦੁਆਰਾ ਇਸ ਜਾਣਕਾਰੀ ਨੂੰ ਪ੍ਰੀਪ੍ਰੋਸੈਸ ਕਰਨ ਤੋਂ ਬਾਅਦ ਪ੍ਰਾਪਤ ਕੀਤੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ 'ਤੇ ਅਧਾਰਤ ਹੁੰਦੇ ਹਨ। ਬਦਕਿਸਮਤੀ ਨਾਲ, ਇਹ ਰਿਸ਼ਤੇ ਅਰਥਹੀਣ, ਅਸੰਗਤ ਹੋ ਸਕਦੇ ਹਨ, ਜਾਂ ਮੂਲ ਡੇਟਾ ਸੈੱਟ ਵਿੱਚ ਕਮੀਆਂ ਦੇ ਨਿਸ਼ਾਨ ਵੀ ਲੈ ਸਕਦੇ ਹਨ। ਉਦਾਹਰਨ ਲਈ, ਇੱਥੇ ਇੱਕ ਛੋਟੀ ਕੰਪਿਊਟਰ ਗੇਮ ਹੈ ਕਿ ਭਰਤੀ ਵਿੱਚ AI ਦੀ ਬੇਲੋੜੀ ਵਰਤੋਂ ਕੀ ਹੋ ਸਕਦੀ ਹੈ ਸਰਵਾਈਵਲ ਆਫ ਦਿ ਬੈਸਟ ਫਿੱਟ.

ਚਿੱਤਰ ਟੈਗਿੰਗ ਪ੍ਰਣਾਲੀ ਨੇ ਖਾਣਾ ਬਣਾਉਣ ਵਾਲੇ ਵਿਅਕਤੀ ਨੂੰ ਇੱਕ ਔਰਤ ਵਜੋਂ ਲੇਬਲ ਕੀਤਾ, ਭਾਵੇਂ ਤਸਵੀਰ ਵਿੱਚ ਵਿਅਕਤੀ ਅਸਲ ਵਿੱਚ ਇੱਕ ਆਦਮੀ ਹੈ (ਸਰੋਤ). ਇਹ ਦੇਖਿਆ ਵਰਜੀਨੀਆ ਇੰਸਟੀਚਿਊਟ ਵਿਖੇ

ਗੁੰਝਲਦਾਰ ਅਤੇ ਡੂੰਘੇ ਸਬੰਧਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਜੋ ਅਸੀਂ ਅਕਸਰ ਆਪਣੇ ਆਪ ਨੂੰ ਤਿਆਰ ਨਹੀਂ ਕਰ ਸਕਦੇ, ਵਿਆਖਿਆ ਕਰਨ ਯੋਗ AI ਵਿਧੀਆਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਉਹ ਡੂੰਘੇ ਤੰਤੂ ਨੈੱਟਵਰਕਾਂ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਸੰਗਠਿਤ ਕਰਦੇ ਹਨ ਤਾਂ ਜੋ ਸਿਖਲਾਈ ਤੋਂ ਬਾਅਦ, ਅਸੀਂ ਆਪਣੇ ਫੈਸਲੇ 'ਤੇ ਭਰੋਸਾ ਕਰਨ ਦੀ ਬਜਾਏ, ਨੈੱਟਵਰਕ ਦੁਆਰਾ ਸਿੱਖੀ ਗਈ ਅੰਦਰੂਨੀ ਪ੍ਰਤੀਨਿਧਤਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰ ਸਕੀਏ।

1.4 ਕਿਨਾਰੇ ਵਿਸ਼ਲੇਸ਼ਣ / ਏ.ਆਈ

ਐਜ ਸ਼ਬਦ ਦੇ ਨਾਲ ਹਰ ਚੀਜ਼ ਦਾ ਸ਼ਾਬਦਿਕ ਅਰਥ ਹੈ: ਕਲਾਉਡ/ਸਰਵਰ ਤੋਂ ਅੰਤਮ ਡਿਵਾਈਸ/ਗੇਟਵੇ ਪੱਧਰ ਤੱਕ ਐਲਗੋਰਿਦਮ ਦੇ ਹਿੱਸੇ ਨੂੰ ਟ੍ਰਾਂਸਫਰ ਕਰਨਾ। ਅਜਿਹਾ ਐਲਗੋਰਿਦਮ ਤੇਜ਼ੀ ਨਾਲ ਕੰਮ ਕਰੇਗਾ ਅਤੇ ਇਸਦੇ ਸੰਚਾਲਨ ਲਈ ਕਿਸੇ ਕੇਂਦਰੀ ਸਰਵਰ ਨਾਲ ਕੁਨੈਕਸ਼ਨ ਦੀ ਲੋੜ ਨਹੀਂ ਹੋਵੇਗੀ। ਜੇਕਰ ਤੁਸੀਂ "ਪਤਲੇ ਕਲਾਇੰਟ" ਦੇ ਐਬਸਟਰੈਕਸ਼ਨ ਤੋਂ ਜਾਣੂ ਹੋ, ਤਾਂ ਇੱਥੇ ਅਸੀਂ ਇਸ ਕਲਾਇੰਟ ਨੂੰ ਥੋੜਾ ਮੋਟਾ ਬਣਾ ਰਹੇ ਹਾਂ।
ਇਹ ਚੀਜ਼ਾਂ ਦੇ ਇੰਟਰਨੈਟ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੋ ਸਕਦਾ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਜੇਕਰ ਕੋਈ ਮਸ਼ੀਨ ਜ਼ਿਆਦਾ ਗਰਮ ਹੋ ਜਾਂਦੀ ਹੈ ਅਤੇ ਇਸਨੂੰ ਕੂਲਿੰਗ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਇਹ ਤੁਰੰਤ, ਪਲਾਂਟ ਪੱਧਰ 'ਤੇ, ਡੇਟਾ ਦੇ ਕਲਾਉਡ ਅਤੇ ਉੱਥੋਂ ਸ਼ਿਫਟ ਫੋਰਮੈਨ ਤੱਕ ਜਾਣ ਦੀ ਉਡੀਕ ਕੀਤੇ ਬਿਨਾਂ, ਇਸ ਨੂੰ ਸੰਕੇਤ ਕਰਨਾ ਸਮਝਦਾਰ ਹੈ। ਜਾਂ ਇੱਕ ਹੋਰ ਉਦਾਹਰਨ: ਸਵੈ-ਡਰਾਈਵਿੰਗ ਕਾਰਾਂ ਕੇਂਦਰੀ ਸਰਵਰ ਨਾਲ ਸੰਪਰਕ ਕੀਤੇ ਬਿਨਾਂ, ਆਪਣੇ ਆਪ ਟ੍ਰੈਫਿਕ ਸਥਿਤੀ ਦਾ ਪਤਾ ਲਗਾ ਸਕਦੀਆਂ ਹਨ।

ਸਰੋਤ

ਜਾਂ ਸੁਰੱਖਿਆ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਤੋਂ ਇਹ ਮਹੱਤਵਪੂਰਨ ਕਿਉਂ ਹੈ ਇਸਦੀ ਇੱਕ ਹੋਰ ਉਦਾਹਰਨ: ਜਦੋਂ ਤੁਸੀਂ ਆਪਣੇ ਫ਼ੋਨ 'ਤੇ ਟੈਕਸਟ ਟਾਈਪ ਕਰਦੇ ਹੋ, ਤਾਂ ਇਹ ਉਹਨਾਂ ਸ਼ਬਦਾਂ ਨੂੰ ਯਾਦ ਰੱਖਦਾ ਹੈ ਜੋ ਤੁਹਾਡੇ ਲਈ ਆਮ ਹਨ, ਤਾਂ ਜੋ ਬਾਅਦ ਵਿੱਚ ਫ਼ੋਨ ਕੀਬੋਰਡ ਤੁਹਾਨੂੰ ਉਹਨਾਂ ਨਾਲ ਸੁਵਿਧਾਜਨਕ ਤੌਰ 'ਤੇ ਪੁੱਛ ਸਕੇ - ਇਸ ਨੂੰ ਭਵਿੱਖਬਾਣੀ ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਟੈਕਸਟ ਇੰਪੁੱਟ। ਤੁਹਾਡੇ ਕੀਬੋਰਡ 'ਤੇ ਜੋ ਵੀ ਤੁਸੀਂ ਟਾਈਪ ਕਰਦੇ ਹੋ, ਉਹ ਸਭ ਕੁਝ ਕਿਸੇ ਡਾਟਾ ਸੈਂਟਰ ਨੂੰ ਭੇਜਣਾ ਤੁਹਾਡੀ ਗੋਪਨੀਯਤਾ ਦੀ ਉਲੰਘਣਾ ਹੋਵੇਗੀ ਅਤੇ ਸਿਰਫ਼ ਅਸੁਰੱਖਿਅਤ ਹੋਵੇਗੀ। ਇਸ ਲਈ, ਕੀਬੋਰਡ ਸਿਖਲਾਈ ਸਿਰਫ ਤੁਹਾਡੀ ਡਿਵਾਈਸ ਦੇ ਅੰਦਰ ਹੀ ਹੁੰਦੀ ਹੈ।

1.5 ਏਆਈ ਪਲੇਟਫਾਰਮ ਇੱਕ ਸੇਵਾ ਵਜੋਂ (AI PaaS)

PaaS - ਪਲੇਟਫਾਰਮ-ਏ-ਏ-ਸਰਵਿਸ ਇੱਕ ਵਪਾਰਕ ਮਾਡਲ ਹੈ ਜਿਸ ਵਿੱਚ ਅਸੀਂ ਇੱਕ ਏਕੀਕ੍ਰਿਤ ਪਲੇਟਫਾਰਮ ਤੱਕ ਪਹੁੰਚ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਾਂ, ਇਸਦੇ ਕਲਾਉਡ-ਅਧਾਰਿਤ ਡੇਟਾ ਸਟੋਰੇਜ ਅਤੇ ਤਿਆਰ ਪ੍ਰਕਿਰਿਆਵਾਂ ਸਮੇਤ। ਇਸ ਤਰ੍ਹਾਂ, ਅਸੀਂ ਆਪਣੇ ਆਪ ਨੂੰ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਕੰਮਾਂ ਤੋਂ ਮੁਕਤ ਕਰ ਸਕਦੇ ਹਾਂ ਅਤੇ ਕੁਝ ਲਾਭਦਾਇਕ ਪੈਦਾ ਕਰਨ 'ਤੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਧਿਆਨ ਦੇ ਸਕਦੇ ਹਾਂ। AI ਕਾਰਜਾਂ ਲਈ PaaS ਪਲੇਟਫਾਰਮਾਂ ਦੀ ਉਦਾਹਰਨ: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI ਪਲੇਟਫਾਰਮ।

1.6 ਅਡੈਪਟਿਵ ਮਸ਼ੀਨ ਲਰਨਿੰਗ (ਅਡੈਪਟਿਵ ML)

ਕੀ ਹੋਵੇਗਾ ਜੇਕਰ ਅਸੀਂ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਨੂੰ ਢਾਲਣ ਦਿੰਦੇ ਹਾਂ... ਤੁਸੀਂ ਪੁੱਛਦੇ ਹੋ - ਯਾਨੀ ਕਿ ਕਿਵੇਂ?... ਕੀ ਇਹ ਪਹਿਲਾਂ ਹੀ ਕੰਮ ਦੇ ਅਨੁਕੂਲ ਨਹੀਂ ਹੈ? ਸਮੱਸਿਆ ਇਹ ਹੈ: ਅਸੀਂ ਹਰ ਅਜਿਹੀ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਇੱਕ ਨਕਲੀ ਬੁੱਧੀ ਐਲਗੋਰਿਦਮ ਬਣਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਬੜੀ ਮਿਹਨਤ ਨਾਲ ਡਿਜ਼ਾਈਨ ਕਰਦੇ ਹਾਂ। ਉਹ ਤੁਹਾਨੂੰ ਜਵਾਬ ਦੇਣਗੇ - ਇਹ ਪਤਾ ਚਲਦਾ ਹੈ ਕਿ ਇਸ ਲੜੀ ਨੂੰ ਸਰਲ ਬਣਾਇਆ ਜਾ ਸਕਦਾ ਹੈ.

ਰਵਾਇਤੀ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਇੱਕ ਓਪਨ-ਲੂਪ ਦੇ ਸਿਧਾਂਤ 'ਤੇ ਕੰਮ ਕਰਦੀ ਹੈ: ਤੁਸੀਂ ਡੇਟਾ ਤਿਆਰ ਕਰਦੇ ਹੋ, ਇੱਕ ਨਿਊਰਲ ਨੈਟਵਰਕ (ਜਾਂ ਕੁਝ ਵੀ) ਦੇ ਨਾਲ ਆਉਂਦੇ ਹੋ, ਟ੍ਰੇਨ ਕਰਦੇ ਹੋ, ਫਿਰ ਕਈ ਸੂਚਕਾਂ ਨੂੰ ਦੇਖੋ, ਅਤੇ ਜੇਕਰ ਤੁਸੀਂ ਸਭ ਕੁਝ ਪਸੰਦ ਕਰਦੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਨੂੰ ਸਮਾਰਟਫ਼ੋਨਾਂ ਵਿੱਚ ਭੇਜ ਸਕਦੇ ਹੋ। - ਉਪਭੋਗਤਾ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰੋ. ਪਰ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਜਿੱਥੇ ਬਹੁਤ ਸਾਰਾ ਡੇਟਾ ਹੁੰਦਾ ਹੈ ਅਤੇ ਇਸਦਾ ਸੁਭਾਅ ਹੌਲੀ ਹੌਲੀ ਬਦਲਦਾ ਹੈ, ਹੋਰ ਤਰੀਕਿਆਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ. ਅਜਿਹੀਆਂ ਪ੍ਰਣਾਲੀਆਂ, ਜੋ ਆਪਣੇ ਆਪ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਂਦੀਆਂ ਹਨ ਅਤੇ ਸਿਖਾਉਂਦੀਆਂ ਹਨ, ਬੰਦ, ਸਵੈ-ਸਿਖਲਾਈ ਲੂਪਾਂ (ਬੰਦ-ਲੂਪ) ਵਿੱਚ ਸੰਗਠਿਤ ਹੁੰਦੀਆਂ ਹਨ, ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਸੁਚਾਰੂ ਢੰਗ ਨਾਲ ਕੰਮ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।

ਐਪਲੀਕੇਸ਼ਨ - ਇਹ ਸਟ੍ਰੀਮ ਵਿਸ਼ਲੇਸ਼ਣ (ਸਟ੍ਰੀਮ ਵਿਸ਼ਲੇਸ਼ਣ) ਹੋ ਸਕਦਾ ਹੈ, ਜਿਸ ਦੇ ਆਧਾਰ 'ਤੇ ਬਹੁਤ ਸਾਰੇ ਕਾਰੋਬਾਰੀ ਫੈਸਲੇ ਲੈਂਦੇ ਹਨ, ਜਾਂ ਅਨੁਕੂਲ ਉਤਪਾਦਨ ਪ੍ਰਬੰਧਨ. ਵਰਤਮਾਨ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੇ ਪੈਮਾਨੇ 'ਤੇ ਅਤੇ ਮਨੁੱਖਾਂ ਨੂੰ ਬਿਹਤਰ ਸਮਝੇ ਗਏ ਜੋਖਮਾਂ ਦੇ ਮੱਦੇਨਜ਼ਰ, ਤਕਨੀਕਾਂ ਜੋ ਇਸ ਸਮੱਸਿਆ ਦਾ ਹੱਲ ਬਣਾਉਂਦੀਆਂ ਹਨ, ਸਭ ਨੂੰ ਛਤਰੀ ਸ਼ਬਦ ਅਡੈਪਟਿਵ ਏਆਈ ਦੇ ਅਧੀਨ ਇਕੱਠਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

ਸਰੋਤ

ਇਸ ਤਸਵੀਰ ਨੂੰ ਦੇਖਦੇ ਹੋਏ, ਇਸ ਭਾਵਨਾ ਤੋਂ ਛੁਟਕਾਰਾ ਪਾਉਣਾ ਮੁਸ਼ਕਲ ਹੈ ਜੋ ਭਵਿੱਖ ਵਿਗਿਆਨੀਆਂ ਨੂੰ ਰੋਟੀ ਨਹੀਂ ਖੁਆਉਦਾ - ਉਹਨਾਂ ਨੂੰ ਇੱਕ ਰੋਬੋਟ ਨੂੰ ਸਾਹ ਲੈਣਾ ਸਿਖਾਉਣ ਦਿਓ ...

ਪੋਸਟ-ਕਲਾਸੀਕਲ ਗਣਨਾ ਅਤੇ Comms

2.1 ਪੰਜਵੀਂ ਪੀੜ੍ਹੀ ਦੇ ਮੋਬਾਈਲ ਸੰਚਾਰ (5G)

ਇਹ ਇੰਨਾ ਦਿਲਚਸਪ ਵਿਸ਼ਾ ਹੈ ਕਿ ਅਸੀਂ ਤੁਹਾਨੂੰ ਤੁਰੰਤ ਸਾਡੇ ਕੋਲ ਭੇਜਦੇ ਹਾਂ ਲੇਖ. ਖੈਰ, ਇੱਥੇ ਇੱਕ ਛੋਟਾ ਸਾਰ ਹੈ। 5G, ਡੇਟਾ ਟ੍ਰਾਂਸਮਿਸ਼ਨ ਦੀ ਬਾਰੰਬਾਰਤਾ ਨੂੰ ਵਧਾ ਕੇ, ਇੰਟਰਨੈਟ ਦੀ ਗਤੀ ਨੂੰ ਅਵਿਸ਼ਵਾਸੀ ਤੌਰ 'ਤੇ ਤੇਜ਼ ਬਣਾ ਦੇਵੇਗਾ। ਛੋਟੀਆਂ ਤਰੰਗਾਂ ਲਈ ਰੁਕਾਵਟਾਂ ਵਿੱਚੋਂ ਲੰਘਣਾ ਵਧੇਰੇ ਮੁਸ਼ਕਲ ਹੈ, ਇਸਲਈ ਨੈੱਟਵਰਕਾਂ ਦਾ ਡਿਜ਼ਾਈਨ ਪੂਰੀ ਤਰ੍ਹਾਂ ਵੱਖਰਾ ਹੋਵੇਗਾ: 500 ਗੁਣਾ ਜ਼ਿਆਦਾ ਬੇਸ ਸਟੇਸ਼ਨਾਂ ਦੀ ਲੋੜ ਹੈ।

ਗਤੀ ਦੇ ਨਾਲ, ਅਸੀਂ ਨਵੇਂ ਵਰਤਾਰੇ ਪ੍ਰਾਪਤ ਕਰਾਂਗੇ: ਸੰਸ਼ੋਧਿਤ ਹਕੀਕਤ ਨਾਲ ਅਸਲ-ਸਮੇਂ ਦੀਆਂ ਖੇਡਾਂ, ਟੈਲੀਪ੍ਰੇਜ਼ੈਂਸ ਰਾਹੀਂ ਗੁੰਝਲਦਾਰ ਕੰਮ (ਜਿਵੇਂ ਕਿ ਸਰਜਰੀ) ਕਰਨਾ, ਮਸ਼ੀਨਾਂ ਵਿਚਕਾਰ ਸੰਚਾਰ ਦੁਆਰਾ ਸੜਕਾਂ 'ਤੇ ਦੁਰਘਟਨਾਵਾਂ ਅਤੇ ਮੁਸ਼ਕਲ ਸਥਿਤੀਆਂ ਨੂੰ ਰੋਕਣਾ। ਇੱਕ ਹੋਰ ਵਿਅੰਗਾਤਮਕ ਨੋਟ 'ਤੇ: ਮੋਬਾਈਲ ਇੰਟਰਨੈਟ ਅੰਤ ਵਿੱਚ ਜਨਤਕ ਸਮਾਗਮਾਂ, ਜਿਵੇਂ ਕਿ ਇੱਕ ਸਟੇਡੀਅਮ ਵਿੱਚ ਮੈਚ ਦੇ ਦੌਰਾਨ ਡਿੱਗਣਾ ਬੰਦ ਕਰ ਦੇਵੇਗਾ।

ਚਿੱਤਰ ਸਰੋਤ - ਰਾਇਟਰਜ਼, ਨਿਆਂਟਿਕ

2.2 ਅਗਲੀ ਪੀੜ੍ਹੀ ਦੀ ਮੈਮੋਰੀ

ਇੱਥੇ ਅਸੀਂ ਰੈਮ - DDR5 ਦੀ ਪੰਜਵੀਂ ਪੀੜ੍ਹੀ ਬਾਰੇ ਗੱਲ ਕਰ ਰਹੇ ਹਾਂ। ਸੈਮਸੰਗ ਨੇ ਘੋਸ਼ਣਾ ਕੀਤੀ ਕਿ DDR2019- ਅਧਾਰਿਤ ਉਤਪਾਦ 5 ਦੇ ਅੰਤ ਤੱਕ ਉਪਲਬਧ ਹੋਣਗੇ। ਇਹ ਉਮੀਦ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਕਿ ਨਵੀਂ ਮੈਮੋਰੀ ਉਸੇ ਫਾਰਮ ਫੈਕਟਰ ਨੂੰ ਕਾਇਮ ਰੱਖਦੇ ਹੋਏ ਦੁੱਗਣੀ ਤੇਜ਼ ਅਤੇ ਸਮਰੱਥਾ ਨਾਲੋਂ ਦੁੱਗਣੀ ਹੋਵੇਗੀ, ਯਾਨੀ ਅਸੀਂ ਆਪਣੇ ਕੰਪਿਊਟਰ ਲਈ 32GB ਤੱਕ ਦੀ ਸਮਰੱਥਾ ਵਾਲੇ ਮੈਮੋਰੀ ਸਟਿਕਸ ਪ੍ਰਾਪਤ ਕਰਨ ਦੇ ਯੋਗ ਹੋਵਾਂਗੇ। ਭਵਿੱਖ ਵਿੱਚ, ਇਹ ਖਾਸ ਤੌਰ 'ਤੇ ਸਮਾਰਟਫ਼ੋਨਾਂ ਲਈ ਢੁਕਵਾਂ ਹੋਵੇਗਾ (ਨਵੀਂ ਮੈਮੋਰੀ ਇੱਕ ਘੱਟ-ਪਾਵਰ ਸੰਸਕਰਣ ਵਿੱਚ ਹੋਵੇਗੀ) ਅਤੇ ਲੈਪਟਾਪਾਂ ਲਈ (ਜਿੱਥੇ DIMM ਸਲਾਟਾਂ ਦੀ ਗਿਣਤੀ ਸੀਮਤ ਹੈ) ਲਈ। ਅਤੇ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਲਈ ਵੀ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ RAM ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

2.3 ਲੋਅ-ਅਰਥ-ਆਰਬਿਟ ਸੈਟੇਲਾਈਟ ਸਿਸਟਮ

ਭਾਰੀ, ਮਹਿੰਗੇ, ਸ਼ਕਤੀਸ਼ਾਲੀ ਸੈਟੇਲਾਈਟਾਂ ਨੂੰ ਛੋਟੇ ਅਤੇ ਸਸਤੇ ਲੋਕਾਂ ਦੇ ਝੁੰਡ ਨਾਲ ਬਦਲਣ ਦਾ ਵਿਚਾਰ ਨਵਾਂ ਨਹੀਂ ਹੈ ਅਤੇ 90 ਦੇ ਦਹਾਕੇ ਵਿੱਚ ਵਾਪਸ ਪ੍ਰਗਟ ਹੋਇਆ ਸੀ। ਕਿਸ ਬਾਰੇ ਵਿਚ "ਐਲੋਨ ਮਸਕ ਜਲਦੀ ਹੀ ਸੈਟੇਲਾਈਟ ਤੋਂ ਹਰ ਕਿਸੇ ਨੂੰ ਇੰਟਰਨੈਟ ਵੰਡੇਗਾ" ਹੁਣ ਸਿਰਫ਼ ਆਲਸੀ ਨਹੀਂ ਸੁਣਿਆ। ਇੱਥੇ ਸਭ ਤੋਂ ਮਸ਼ਹੂਰ ਕੰਪਨੀ ਇਰੀਡੀਅਮ ਹੈ, ਜੋ ਕਿ 90 ਦੇ ਦਹਾਕੇ ਦੇ ਅਖੀਰ ਵਿੱਚ ਦੀਵਾਲੀਆ ਹੋ ਗਈ ਸੀ, ਪਰ ਯੂਐਸ ਡਿਪਾਰਟਮੈਂਟ ਆਫ਼ ਡਿਫੈਂਸ (ਆਈਰੀਡੀਅਮ, ਰੂਸੀ ਸਮਾਰਟ ਹੋਮ ਸਿਸਟਮ ਨਾਲ ਉਲਝਣ ਵਿੱਚ ਨਾ ਹੋਣ) ਦੇ ਖਰਚੇ 'ਤੇ ਬਚਾਈ ਗਈ ਸੀ। ਐਲੋਨ ਮਸਕ ਦਾ ਪ੍ਰੋਜੈਕਟ (ਸਟਾਰਲਿੰਕ) ਸਿਰਫ ਇੱਕ ਤੋਂ ਦੂਰ ਹੈ - ਰਿਚਰਡ ਬ੍ਰੈਨਸਨ (ਵਨਵੈਬ - 1440 ਪ੍ਰਸਤਾਵਿਤ ਸੈਟੇਲਾਈਟ), ਬੋਇੰਗ (3000 ਸੈਟੇਲਾਈਟ), ਸੈਮਸੰਗ (4600 ਸੈਟੇਲਾਈਟ), ਅਤੇ ਹੋਰ ਸੈਟੇਲਾਈਟ ਰੇਸ ਵਿੱਚ ਹਿੱਸਾ ਲੈ ਰਹੇ ਹਨ।

ਇਸ ਖੇਤਰ ਵਿੱਚ ਚੀਜ਼ਾਂ ਕਿਵੇਂ ਖੜ੍ਹੀਆਂ ਹਨ, ਉੱਥੇ ਦੀ ਆਰਥਿਕਤਾ ਕਿਵੇਂ ਦਿਖਾਈ ਦਿੰਦੀ ਹੈ - ਵਿੱਚ ਪੜ੍ਹੋ ਸਮੀਖਿਆ. ਅਤੇ ਅਸੀਂ ਪਹਿਲੇ ਉਪਭੋਗਤਾਵਾਂ ਦੁਆਰਾ ਇਹਨਾਂ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਪਹਿਲੇ ਟੈਸਟਾਂ ਦੀ ਉਡੀਕ ਕਰ ਰਹੇ ਹਾਂ, ਜੋ ਅਗਲੇ ਸਾਲ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ.

2.4 ਨੈਨੋਸਕੇਲ 3D ਪ੍ਰਿੰਟਿੰਗ

3D ਪ੍ਰਿੰਟਿੰਗ, ਹਾਲਾਂਕਿ ਇਹ ਹਰੇਕ ਵਿਅਕਤੀ ਦੇ ਜੀਵਨ ਵਿੱਚ ਦਾਖਲ ਨਹੀਂ ਹੋਇਆ ਹੈ (ਇੱਕ ਵਿਅਕਤੀਗਤ ਘਰੇਲੂ ਪਲਾਸਟਿਕ ਫੈਕਟਰੀ ਦੁਆਰਾ ਵਾਅਦਾ ਕੀਤੇ ਗਏ ਰੂਪ ਵਿੱਚ), ਫਿਰ ਵੀ ਬਹੁਤ ਸਮਾਂ ਪਹਿਲਾਂ ਗੀਕਸ ਲਈ ਤਕਨਾਲੋਜੀ ਦਾ ਸਥਾਨ ਛੱਡ ਦਿੱਤਾ ਗਿਆ ਹੈ. ਤੁਸੀਂ ਇਸ ਤੱਥ ਦੁਆਰਾ ਨਿਰਣਾ ਕਰ ਸਕਦੇ ਹੋ ਕਿ ਹਰ ਸਕੂਲੀ ਬੱਚਾ ਘੱਟੋ-ਘੱਟ 3D ਕਲਮਾਂ ਦੀ ਮੌਜੂਦਗੀ ਬਾਰੇ ਜਾਣਦਾ ਹੈ, ਅਤੇ ਬਹੁਤ ਸਾਰੇ ਲੋਕਾਂ ਦਾ ਸੁਪਨਾ ਹੈ ਕਿ ਉਹ ਦੌੜਾਕਾਂ ਦੇ ਨਾਲ ਇੱਕ ਬਾਕਸ ਖਰੀਦਣ ਅਤੇ ਇਸਦੇ ਲਈ ਇੱਕ ਐਕਸਟਰੂਡਰ ... "ਬਿਲਕੁਲ ਉਸੇ ਤਰ੍ਹਾਂ" (ਜਾਂ ਪਹਿਲਾਂ ਹੀ ਇਸਨੂੰ ਖਰੀਦ ਚੁੱਕੇ ਹਨ)।

ਸਟੀਰੀਓਲੀਥੋਗ੍ਰਾਫੀ (ਲੇਜ਼ਰ 3D ਪ੍ਰਿੰਟਰ) ਵਿਅਕਤੀਗਤ ਫੋਟੌਨਾਂ ਨਾਲ ਛਪਾਈ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ: ਨਵੇਂ ਪੋਲੀਮਰਾਂ ਦੀ ਖੋਜ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਮਜ਼ਬੂਤ ​​ਕਰਨ ਲਈ ਸਿਰਫ਼ ਦੋ ਫੋਟੌਨਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਹ ਗੈਰ-ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਸਥਿਤੀਆਂ ਵਿੱਚ, ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਵੇਂ ਫਿਲਟਰ, ਮਾਊਂਟ, ਸਪ੍ਰਿੰਗਸ, ਕੇਸ਼ੀਲਾਂ, ਲੈਂਸਾਂ ਅਤੇ... ਟਿੱਪਣੀਆਂ ਵਿੱਚ ਤੁਹਾਡੇ ਵਿਕਲਪਾਂ ਨੂੰ ਬਣਾਉਣ ਦੀ ਇਜਾਜ਼ਤ ਦੇਵੇਗਾ! ਅਤੇ ਇੱਥੇ ਇਹ ਫੋਟੋਪੋਲੀਮਰਾਈਜ਼ੇਸ਼ਨ ਤੋਂ ਬਹੁਤ ਦੂਰ ਨਹੀਂ ਹੈ - ਸਿਰਫ ਇਹ ਤਕਨਾਲੋਜੀ ਸਾਨੂੰ ਪ੍ਰੋਸੈਸਰਾਂ ਅਤੇ ਕੰਪਿਊਟਿੰਗ ਸਰਕਟਾਂ ਨੂੰ "ਪ੍ਰਿੰਟ" ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ. ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇਹ ਪਹਿਲਾ ਸਾਲ ਨਹੀਂ ਹੈ ਜੋ ਉੱਥੇ ਹੋਇਆ ਹੈ ਗ੍ਰਾਫੀਨ 500 nm ਤਿੰਨ-ਅਯਾਮੀ ਢਾਂਚੇ ਨੂੰ ਛਾਪਣ ਲਈ ਤਕਨਾਲੋਜੀ, ਪਰ ਰੈਡੀਕਲ ਵਿਕਾਸ ਦੇ ਬਿਨਾਂ.

ਸਰੋਤ

3. ਸੈਂਸਿੰਗ ਅਤੇ ਗਤੀਸ਼ੀਲਤਾ

3.1 ਆਟੋਨੋਮਸ ਡਰਾਈਵਿੰਗ ਲੈਵਲ 4 ਅਤੇ 5

ਪਰਿਭਾਸ਼ਾ ਵਿੱਚ ਉਲਝਣ ਵਿੱਚ ਨਾ ਪੈਣ ਲਈ, ਇਹ ਸਮਝਣ ਯੋਗ ਹੈ ਕਿ ਖੁਦਮੁਖਤਿਆਰੀ ਦੇ ਕਿਹੜੇ ਪੱਧਰਾਂ ਨੂੰ ਵੱਖ ਕੀਤਾ ਜਾਂਦਾ ਹੈ (ਵਿਸਥਾਰ ਤੋਂ ਲਿਆ ਗਿਆ ਹੈ) ਲੇਖ, ਜਿਸ ਵਿੱਚ ਅਸੀਂ ਸਾਰੇ ਦਿਲਚਸਪੀ ਰੱਖਦੇ ਹਾਂ):

ਪੱਧਰ 1: ਕਰੂਜ਼ ਕੰਟਰੋਲ: ਬਹੁਤ ਹੀ ਸੀਮਤ ਸਥਿਤੀਆਂ ਵਿੱਚ ਡਰਾਈਵਰ ਦੀ ਸਹਾਇਤਾ ਕਰਦਾ ਹੈ (ਉਦਾਹਰਣ ਵਜੋਂ, ਡਰਾਈਵਰ ਦੁਆਰਾ ਪੈਡਲ ਤੋਂ ਪੈਰ ਕੱਢਣ ਤੋਂ ਬਾਅਦ ਇੱਕ ਦਿੱਤੀ ਗਤੀ ਤੇ ਕਾਰ ਨੂੰ ਫੜਨਾ)
ਪੱਧਰ 2: ਸੀਮਤ ਸਟੀਅਰਿੰਗ ਅਤੇ ਬ੍ਰੇਕਿੰਗ ਸਹਾਇਤਾ। ਡਰਾਈਵਰ ਨੂੰ ਲਗਭਗ ਤੁਰੰਤ ਕੰਟਰੋਲ ਕਰਨ ਲਈ ਤਿਆਰ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਉਸ ਦੇ ਹੱਥ ਸਟੀਅਰਿੰਗ ਵ੍ਹੀਲ 'ਤੇ ਹਨ, ਉਸ ਦੀਆਂ ਅੱਖਾਂ ਸੜਕ ਵੱਲ ਹਨ। ਇਹ ਉਹ ਚੀਜ਼ ਹੈ ਜੋ ਟੇਸਲਾ ਅਤੇ ਜਨਰਲ ਮੋਟਰਜ਼ ਕੋਲ ਪਹਿਲਾਂ ਹੀ ਹੈ.
ਲੈਵਲ 3: ਡਰਾਈਵਰ ਨੂੰ ਹੁਣ ਲਗਾਤਾਰ ਸੜਕ 'ਤੇ ਨਜ਼ਰ ਨਹੀਂ ਰੱਖਣੀ ਪਵੇਗੀ। ਪਰ ਉਸਨੂੰ ਸੁਚੇਤ ਰਹਿਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਕਾਬੂ ਕਰਨ ਲਈ ਤਿਆਰ ਰਹਿਣਾ ਚਾਹੀਦਾ ਹੈ। ਇਹ ਉਹ ਚੀਜ਼ ਹੈ ਜੋ ਵਪਾਰਕ ਤੌਰ 'ਤੇ ਉਪਲਬਧ ਕਾਰਾਂ ਕੋਲ ਅਜੇ ਨਹੀਂ ਹੈ। ਮੌਜੂਦਾ ਸਾਰੇ ਮੌਜੂਦਾ ਪੱਧਰ 1-2 'ਤੇ ਹਨ।
ਪੱਧਰ 4: ਸਹੀ ਆਟੋਪਾਇਲਟ, ਪਰ ਪਾਬੰਦੀਆਂ ਦੇ ਨਾਲ: ਸਿਰਫ਼ ਇੱਕ ਜਾਣੇ-ਪਛਾਣੇ ਖੇਤਰ ਵਿੱਚ ਯਾਤਰਾਵਾਂ ਜੋ ਧਿਆਨ ਨਾਲ ਮੈਪ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ ਅਤੇ ਆਮ ਤੌਰ 'ਤੇ ਸਿਸਟਮ ਨੂੰ ਜਾਣੀਆਂ ਜਾਂਦੀਆਂ ਹਨ, ਅਤੇ ਕੁਝ ਸ਼ਰਤਾਂ ਅਧੀਨ: ਉਦਾਹਰਨ ਲਈ, ਬਰਫ਼ ਦੀ ਅਣਹੋਂਦ ਵਿੱਚ। ਵੇਮੋ ਅਤੇ ਜਨਰਲ ਮੋਟਰਜ਼ ਕੋਲ ਅਜਿਹੇ ਪ੍ਰੋਟੋਟਾਈਪ ਹਨ, ਅਤੇ ਉਹ ਇਹਨਾਂ ਨੂੰ ਕਈ ਸ਼ਹਿਰਾਂ ਵਿੱਚ ਲਾਂਚ ਕਰਨ ਅਤੇ ਅਸਲ ਵਾਤਾਵਰਣ ਵਿੱਚ ਉਹਨਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਦੀ ਯੋਜਨਾ ਬਣਾ ਰਹੇ ਹਨ। ਯਾਂਡੇਕਸ ਕੋਲ ਸਕੋਲਕੋਵੋ ਅਤੇ ਇਨੋਪੋਲਿਸ ਵਿੱਚ ਮਾਨਵ ਰਹਿਤ ਟੈਕਸੀਆਂ ਲਈ ਟੈਸਟ ਜ਼ੋਨ ਹਨ: ਯਾਤਰਾ ਯਾਤਰੀ ਦੀ ਸੀਟ 'ਤੇ ਬੈਠੇ ਇੱਕ ਇੰਜੀਨੀਅਰ ਦੀ ਨਿਗਰਾਨੀ ਹੇਠ ਹੁੰਦੀ ਹੈ; ਸਾਲ ਦੇ ਅੰਤ ਤੱਕ, ਕੰਪਨੀ ਨੇ ਆਪਣੇ ਫਲੀਟ ਨੂੰ 100 ਮਾਨਵ ਰਹਿਤ ਵਾਹਨਾਂ ਤੱਕ ਵਧਾਉਣ ਦੀ ਯੋਜਨਾ ਬਣਾਈ ਹੈ।
ਪੱਧਰ 5: ਪੂਰੀ ਆਟੋਮੈਟਿਕ ਡਰਾਈਵਿੰਗ, ਲਾਈਵ ਡਰਾਈਵਰ ਦੀ ਪੂਰੀ ਬਦਲੀ। ਅਜਿਹੀਆਂ ਪ੍ਰਣਾਲੀਆਂ ਮੌਜੂਦ ਨਹੀਂ ਹਨ, ਅਤੇ ਆਉਣ ਵਾਲੇ ਸਾਲਾਂ ਵਿੱਚ ਉਹਨਾਂ ਦੇ ਦਿਖਾਈ ਦੇਣ ਦੀ ਸੰਭਾਵਨਾ ਨਹੀਂ ਹੈ.

ਇਹ ਸਭ ਕੁਝ ਆਉਣ ਵਾਲੇ ਭਵਿੱਖ ਵਿੱਚ ਦੇਖਣਾ ਕਿੰਨਾ ਕੁ ਯਥਾਰਥਵਾਦੀ ਹੈ? ਇੱਥੇ ਮੈਂ ਪਾਠਕ ਨੂੰ ਲੇਖ ਵੱਲ ਰੀਡਾਇਰੈਕਟ ਕਰਨਾ ਚਾਹਾਂਗਾ "2020 ਤੱਕ ਰੋਬੋਟੈਕਸੀ ਲਾਂਚ ਕਰਨਾ ਅਸੰਭਵ ਕਿਉਂ ਹੈ, ਜਿਵੇਂ ਕਿ ਟੇਸਲਾ ਨੇ ਵਾਅਦਾ ਕੀਤਾ ਹੈ". ਇਹ ਅੰਸ਼ਕ ਤੌਰ 'ਤੇ 5G ਕਨੈਕਟੀਵਿਟੀ ਦੀ ਘਾਟ ਕਾਰਨ ਹੈ: ਉਪਲਬਧ 4G ਸਪੀਡ ਕਾਫ਼ੀ ਨਹੀਂ ਹਨ। ਅੰਸ਼ਕ ਤੌਰ 'ਤੇ ਖੁਦਮੁਖਤਿਆਰ ਕਾਰਾਂ ਦੀ ਬਹੁਤ ਉੱਚ ਕੀਮਤ ਦੇ ਕਾਰਨ: ਉਹ ਅਜੇ ਵੀ ਲਾਭਦਾਇਕ ਨਹੀਂ ਹਨ, ਕਾਰੋਬਾਰੀ ਮਾਡਲ ਅਸਪਸ਼ਟ ਹੈ. ਇੱਕ ਸ਼ਬਦ ਵਿੱਚ, ਇੱਥੇ "ਸਭ ਕੁਝ ਗੁੰਝਲਦਾਰ ਹੈ", ਅਤੇ ਇਹ ਕੋਈ ਇਤਫ਼ਾਕ ਨਹੀਂ ਹੈ ਕਿ ਗਾਰਟਨਰ ਲਿਖਦਾ ਹੈ ਕਿ ਪੱਧਰ 4 ਅਤੇ 5 ਦੇ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਲਾਗੂ ਕਰਨ ਦੀ ਭਵਿੱਖਬਾਣੀ 10 ਸਾਲਾਂ ਤੋਂ ਪਹਿਲਾਂ ਨਹੀਂ ਹੈ।

3.2 3D ਸੈਂਸਿੰਗ ਕੈਮਰੇ

ਅੱਠ ਸਾਲ ਪਹਿਲਾਂ, ਮਾਈਕਰੋਸਾਫਟ ਦੇ Kinect ਗੇਮਿੰਗ ਕੰਟਰੋਲਰ ਨੇ 3D ਵਿਜ਼ਨ ਲਈ ਇੱਕ ਪਹੁੰਚਯੋਗ ਅਤੇ ਮੁਕਾਬਲਤਨ ਸਸਤੇ ਹੱਲ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਕੇ ਲਹਿਰਾਂ ਬਣਾਈਆਂ। ਉਦੋਂ ਤੋਂ, Kinect ਦੇ ਨਾਲ ਸਰੀਰਕ ਸਿੱਖਿਆ ਅਤੇ ਡਾਂਸ ਗੇਮਾਂ ਨੇ ਆਪਣੇ ਥੋੜ੍ਹੇ ਜਿਹੇ ਵਾਧੇ ਅਤੇ ਗਿਰਾਵਟ ਦਾ ਅਨੁਭਵ ਕੀਤਾ ਹੈ, ਪਰ 3D ਕੈਮਰੇ ਉਦਯੋਗਿਕ ਰੋਬੋਟਾਂ, ਮਾਨਵ ਰਹਿਤ ਵਾਹਨਾਂ ਅਤੇ ਚਿਹਰੇ ਦੀ ਪਛਾਣ ਲਈ ਮੋਬਾਈਲ ਫੋਨਾਂ ਵਿੱਚ ਵਰਤੇ ਜਾਣ ਲੱਗੇ। ਤਕਨਾਲੋਜੀ ਸਸਤੀ, ਵਧੇਰੇ ਸੰਖੇਪ ਅਤੇ ਵਧੇਰੇ ਪਹੁੰਚਯੋਗ ਬਣ ਗਈ ਹੈ।

ਸੈਮਸੰਗ S10 ਫੋਨ ਵਿੱਚ ਇੱਕ ਟਾਈਮ-ਆਫ-ਫਲਾਈਟ ਕੈਮਰਾ ਹੈ ਜੋ ਫੋਕਸ ਕਰਨਾ ਆਸਾਨ ਬਣਾਉਣ ਲਈ ਕਿਸੇ ਵਸਤੂ ਦੀ ਦੂਰੀ ਨੂੰ ਮਾਪਦਾ ਹੈ। ਸਰੋਤ

ਜੇਕਰ ਤੁਸੀਂ ਇਸ ਵਿਸ਼ੇ ਵਿੱਚ ਦਿਲਚਸਪੀ ਰੱਖਦੇ ਹੋ, ਤਾਂ ਅਸੀਂ ਤੁਹਾਨੂੰ ਡੂੰਘਾਈ ਵਾਲੇ ਕੈਮਰਿਆਂ ਦੀ ਇੱਕ ਬਹੁਤ ਵਧੀਆ ਵਿਸਤ੍ਰਿਤ ਸਮੀਖਿਆ ਵੱਲ ਭੇਜਾਂਗੇ: 1, 2.

3.3 ਛੋਟੇ ਮਾਲ ਦੀ ਸਪੁਰਦਗੀ ਲਈ ਡਰੋਨ (ਲਾਈਟ ਕਾਰਗੋ ਡਿਲਿਵਰੀ ਡਰੋਨ)

ਇਸ ਸਾਲ, ਐਮਾਜ਼ਾਨ ਨੇ ਲਹਿਰਾਂ ਪੈਦਾ ਕੀਤੀਆਂ ਜਦੋਂ ਇਸ ਨੇ ਸ਼ੋਅ ਵਿੱਚ ਇੱਕ ਨਵਾਂ ਫਲਾਇੰਗ ਡਰੋਨ ਦਿਖਾਇਆ ਜੋ 2 ਕਿਲੋਗ੍ਰਾਮ ਤੱਕ ਦਾ ਛੋਟਾ ਭਾਰ ਚੁੱਕ ਸਕਦਾ ਹੈ। ਟ੍ਰੈਫਿਕ ਜਾਮ ਵਾਲੇ ਸ਼ਹਿਰ ਲਈ, ਇਹ ਇੱਕ ਆਦਰਸ਼ ਹੱਲ ਜਾਪਦਾ ਹੈ। ਆਓ ਦੇਖੀਏ ਕਿ ਇਹ ਡਰੋਨ ਆਉਣ ਵਾਲੇ ਸਮੇਂ ਵਿੱਚ ਕਿਵੇਂ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦੇ ਹਨ। ਸ਼ਾਇਦ ਇਹ ਇੱਥੇ ਸਾਵਧਾਨੀ ਨਾਲ ਸੰਦੇਹਵਾਦੀ ਹੋਣ ਦੇ ਯੋਗ ਹੈ: ਇੱਥੇ ਬਹੁਤ ਸਾਰੀਆਂ ਸਮੱਸਿਆਵਾਂ ਹਨ, ਡਰੋਨ ਦੀ ਅਸਾਨੀ ਨਾਲ ਚੋਰੀ ਹੋਣ ਦੀ ਸੰਭਾਵਨਾ ਤੋਂ ਸ਼ੁਰੂ ਹੋ ਕੇ, ਅਤੇ UAVs 'ਤੇ ਕਾਨੂੰਨੀ ਪਾਬੰਦੀਆਂ ਦੇ ਨਾਲ ਖਤਮ ਹੁੰਦੀ ਹੈ। ਐਮਾਜ਼ਾਨ ਪ੍ਰਾਈਮ ਏਅਰ ਨੂੰ ਲਗਭਗ ਛੇ ਸਾਲ ਹੋ ਗਏ ਹਨ ਪਰ ਅਜੇ ਵੀ ਟੈਸਟਿੰਗ ਪੜਾਅ ਵਿੱਚ ਹੈ।

ਐਮਾਜ਼ਾਨ ਦਾ ਨਵਾਂ ਡਰੋਨ, ਇਸ ਬਸੰਤ ਨੂੰ ਦਿਖਾਇਆ ਗਿਆ। ਉਸ ਬਾਰੇ ਕੁਝ ਸਟਾਰ ਵਾਰਜ਼ ਹੈ। ਸਰੋਤ

ਐਮਾਜ਼ਾਨ ਤੋਂ ਇਲਾਵਾ, ਇਸ ਮਾਰਕੀਟ ਵਿੱਚ ਹੋਰ ਖਿਡਾਰੀ ਵੀ ਹਨ (ਇੱਕ ਵਿਸਤ੍ਰਿਤ ਹੈ ਸਮੀਖਿਆ), ਪਰ ਇੱਕ ਵੀ ਮੁਕੰਮਲ ਉਤਪਾਦ ਨਹੀਂ: ਸਭ ਕੁਝ ਟੈਸਟਿੰਗ ਅਤੇ ਮਾਰਕੀਟਿੰਗ ਮੁਹਿੰਮਾਂ ਦੇ ਪੜਾਅ 'ਤੇ ਹੈ। ਵੱਖਰੇ ਤੌਰ 'ਤੇ, ਇਹ ਬਹੁਤ ਦਿਲਚਸਪ ਉੱਚ ਵਿਸ਼ੇਸ਼ ਮੈਡੀਕਲ ਧਿਆਨ ਦੇਣ ਯੋਗ ਹੈ ਪ੍ਰੋਜੈਕਟ ਅਫਰੀਕਾ ਵਿੱਚ: ਘਾਨਾ ਵਿੱਚ ਦਾਨ ਕੀਤੇ ਖੂਨ ਦੀ ਡਿਲਿਵਰੀ (14 ਡਿਲੀਵਰੀ, ਜ਼ਿਪਲਾਈਨ ਕੰਪਨੀ) ਅਤੇ ਰਵਾਂਡਾ (ਮੈਟਰਨੈਟ ਕੰਪਨੀ)।

3.4 ਉੱਡਣ ਆਟੋਨੋਮਸ ਵਾਹਨ

ਇੱਥੇ ਕੁਝ ਵੀ ਪੱਕਾ ਕਹਿਣਾ ਮੁਸ਼ਕਲ ਹੈ। ਗਾਰਟਨਰ ਦੇ ਅਨੁਸਾਰ, ਇਹ 10 ਸਾਲਾਂ ਤੋਂ ਪਹਿਲਾਂ ਨਹੀਂ ਦਿਖਾਈ ਦੇਵੇਗਾ. ਆਮ ਤੌਰ 'ਤੇ, ਇੱਥੇ ਸਾਰੀਆਂ ਸਮੱਸਿਆਵਾਂ ਹਨ ਜਿਵੇਂ ਕਿ ਸਵੈ-ਡ੍ਰਾਈਵਿੰਗ ਕਾਰਾਂ ਵਿੱਚ, ਸਿਰਫ ਉਹ ਇੱਕ ਨਵਾਂ ਮਾਪ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ - ਲੰਬਕਾਰੀ. ਪੋਰਸ਼, ਬੋਇੰਗ ਅਤੇ ਉਬੇਰ ਨੇ ਫਲਾਇੰਗ ਟੈਕਸੀ ਬਣਾਉਣ ਦੀਆਂ ਆਪਣੀਆਂ ਇੱਛਾਵਾਂ ਦਾ ਐਲਾਨ ਕੀਤਾ ਹੈ।

3.5 ਔਗਮੈਂਟੇਡ ਰਿਐਲਿਟੀ ਕਲਾਊਡ (ਏਆਰ ਕਲਾਊਡ)

ਅਸਲ ਸੰਸਾਰ ਦੀ ਇੱਕ ਸਥਾਈ ਡਿਜੀਟਲ ਕਾਪੀ, ਤੁਹਾਨੂੰ ਸਾਰੇ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਸਾਂਝੀ ਅਸਲੀਅਤ ਦੀ ਇੱਕ ਨਵੀਂ ਪਰਤ ਬਣਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ। ਹੋਰ ਤਕਨੀਕੀ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਅਸੀਂ ਇੱਕ ਓਪਨ ਕਲਾਉਡ ਪਲੇਟਫਾਰਮ ਬਣਾਉਣ ਬਾਰੇ ਗੱਲ ਕਰ ਰਹੇ ਹਾਂ ਜਿਸ ਵਿੱਚ ਡਿਵੈਲਪਰ ਆਪਣੀਆਂ AR ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰ ਸਕਦੇ ਹਨ। ਮੁਦਰੀਕਰਨ ਮਾਡਲ ਸਪਸ਼ਟ ਹੈ; ਇਹ ਭਾਫ਼ ਦਾ ਇੱਕ ਕਿਸਮ ਦਾ ਐਨਾਲਾਗ ਹੈ। ਇਹ ਵਿਚਾਰ ਇੰਨਾ ਪ੍ਰਚਲਿਤ ਹੋ ਗਿਆ ਹੈ ਕਿ ਕੁਝ ਹੁਣ ਮੰਨਦੇ ਹਨ ਕਿ ਕਲਾਉਡ ਤੋਂ ਬਿਨਾਂ ਏਆਰ ਸਿਰਫ਼ ਬੇਕਾਰ ਹੈ।

ਇਹ ਭਵਿੱਖ ਵਿੱਚ ਕਿਹੋ ਜਿਹਾ ਦਿਖਾਈ ਦੇ ਸਕਦਾ ਹੈ ਇੱਕ ਛੋਟੀ ਵੀਡੀਓ ਵਿੱਚ ਦਿਖਾਇਆ ਗਿਆ ਹੈ। ਬਲੈਕ ਮਿਰਰ ਦਾ ਇੱਕ ਹੋਰ ਐਪੀਸੋਡ ਜਾਪਦਾ ਹੈ:

'ਤੇ ਵੀ ਪੜ੍ਹ ਸਕਦੇ ਹੋ ਸਮੀਖਿਆ ਲੇਖ.

4. ਵਧਿਆ ਹੋਇਆ ਮਨੁੱਖ

4.1 ਭਾਵਨਾ ਏ.ਆਈ

ਮਨੁੱਖੀ ਭਾਵਨਾਵਾਂ ਨੂੰ ਕਿਵੇਂ ਮਾਪਣਾ, ਨਕਲ ਕਰਨਾ ਅਤੇ ਜਵਾਬ ਦੇਣਾ ਹੈ? ਇੱਥੇ ਕੁਝ ਗਾਹਕ ਅਜਿਹੀਆਂ ਕੰਪਨੀਆਂ ਹਨ ਜੋ ਅਮੇਜ਼ਨ ਅਲੈਕਸਾ ਵਰਗੇ ਵੌਇਸ ਅਸਿਸਟੈਂਟ ਬਣਾਉਂਦੀਆਂ ਹਨ। ਉਹ ਅਸਲ ਵਿੱਚ ਘਰਾਂ ਵਿੱਚ ਆਦੀ ਹੋ ਸਕਦੇ ਹਨ ਜੇਕਰ ਉਹ ਮੂਡ ਨੂੰ ਪਛਾਣਨਾ ਸਿੱਖਦੇ ਹਨ: ਉਪਭੋਗਤਾ ਦੀ ਅਸੰਤੁਸ਼ਟੀ ਦੇ ਕਾਰਨ ਨੂੰ ਸਮਝੋ, ਅਤੇ ਸਥਿਤੀ ਨੂੰ ਠੀਕ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ। ਆਮ ਤੌਰ 'ਤੇ, ਸੰਦੇਸ਼ ਦੇ ਮੁਕਾਬਲੇ ਸੰਦਰਭ ਵਿੱਚ ਬਹੁਤ ਜ਼ਿਆਦਾ ਜਾਣਕਾਰੀ ਹੁੰਦੀ ਹੈ। ਅਤੇ ਪ੍ਰਸੰਗ ਚਿਹਰੇ ਦੇ ਪ੍ਰਗਟਾਵੇ, ਧੁਨ, ਅਤੇ ਗੈਰ-ਮੌਖਿਕ ਵਿਵਹਾਰ ਹੈ।

ਹੋਰ ਵਿਹਾਰਕ ਐਪਲੀਕੇਸ਼ਨਾਂ: ਨੌਕਰੀ ਦੀ ਇੰਟਰਵਿਊ ਦੌਰਾਨ ਭਾਵਨਾਵਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ (ਵੀਡੀਓ ਇੰਟਰਵਿਊ ਦੇ ਅਧਾਰ ਤੇ), ਵਪਾਰਕ ਜਾਂ ਹੋਰ ਵੀਡੀਓ ਸਮੱਗਰੀ (ਮੁਸਕਰਾਹਟ, ਹਾਸਾ), ਸਿੱਖਣ ਵਿੱਚ ਸਹਾਇਤਾ (ਉਦਾਹਰਨ ਲਈ, ਜਨਤਕ ਬੋਲਣ ਦੀ ਕਲਾ ਵਿੱਚ ਸੁਤੰਤਰ ਅਭਿਆਸ ਲਈ) ਪ੍ਰਤੀ ਪ੍ਰਤੀਕਰਮਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨਾ।

6 ਮਿੰਟ ਦੀ ਛੋਟੀ ਫਿਲਮ ਦੇ ਲੇਖਕ ਨਾਲੋਂ ਇਸ ਵਿਸ਼ੇ 'ਤੇ ਬਿਹਤਰ ਬੋਲਣਾ ਮੁਸ਼ਕਲ ਹੈ ਉਰ ਭਾਵਨਾ ਨੂੰ ਚੋਰੀ ਕਰਨਾ. ਮਜ਼ੇਦਾਰ ਅਤੇ ਸਟਾਈਲਿਸ਼ ਵੀਡੀਓ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ ਤੁਸੀਂ ਮਾਰਕੀਟਿੰਗ ਦੇ ਉਦੇਸ਼ਾਂ ਲਈ ਸਾਡੀਆਂ ਭਾਵਨਾਵਾਂ ਨੂੰ ਕਿਵੇਂ ਮਾਪ ਸਕਦੇ ਹੋ, ਅਤੇ ਤੁਹਾਡੇ ਚਿਹਰੇ ਦੀਆਂ ਪਲ-ਪਲ ਪ੍ਰਤੀਕ੍ਰਿਆਵਾਂ ਤੋਂ, ਇਹ ਪਤਾ ਲਗਾਓ ਕਿ ਕੀ ਤੁਹਾਨੂੰ ਪੀਜ਼ਾ, ਕੁੱਤੇ, ਕੈਨਯ ਵੈਸਟ, ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਤੁਹਾਡੀ ਆਮਦਨੀ ਦਾ ਪੱਧਰ ਅਤੇ ਅੰਦਾਜ਼ਨ IQ ਕੀ ਹੈ। ਉੱਪਰ ਦਿੱਤੇ ਲਿੰਕ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਫਿਲਮ ਦੀ ਵੈੱਬਸਾਈਟ 'ਤੇ ਜਾ ਕੇ, ਤੁਸੀਂ ਆਪਣੇ ਲੈਪਟਾਪ ਦੇ ਬਿਲਟ-ਇਨ ਕੈਮਰੇ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇੱਕ ਇੰਟਰਐਕਟਿਵ ਵੀਡੀਓ ਵਿੱਚ ਭਾਗੀਦਾਰ ਬਣ ਜਾਂਦੇ ਹੋ। ਇਹ ਫਿਲਮ ਪਹਿਲਾਂ ਵੀ ਕਈ ਫਿਲਮ ਮੇਲਿਆਂ 'ਚ ਦਿਖਾਈ ਜਾ ਚੁੱਕੀ ਹੈ।

ਸਰੋਤ

ਇੱਥੇ ਇੱਕ ਅਜਿਹਾ ਦਿਲਚਸਪ ਅਧਿਐਨ ਵੀ ਹੈ: ਪਾਠ ਵਿੱਚ ਵਿਅੰਗ ਨੂੰ ਕਿਵੇਂ ਪਛਾਣਨਾ ਹੈ. ਅਸੀਂ #sarcasm ਹੈਸ਼ਟੈਗ ਦੇ ਨਾਲ ਟਵੀਟ ਕੀਤੇ ਅਤੇ 25 ਟਵੀਟਾਂ ਦਾ ਇੱਕ ਸਿਖਲਾਈ ਸੈੱਟ ਬਣਾਇਆ, ਵਿਅੰਗ ਨਾਲ ਅਤੇ ਸੂਰਜ ਦੇ ਹੇਠਾਂ ਹਰ ਚੀਜ਼ ਬਾਰੇ 000 ਨਿਯਮਤ ਟਵੀਟਸ। ਅਸੀਂ TensorFlow ਲਾਇਬ੍ਰੇਰੀ ਦੀ ਵਰਤੋਂ ਕੀਤੀ, ਸਿਸਟਮ ਨੂੰ ਸਿਖਲਾਈ ਦਿੱਤੀ, ਅਤੇ ਨਤੀਜਾ ਇਹ ਹੈ:

ਸਰੋਤ

ਇਸ ਲਈ, ਹੁਣ, ਜੇ ਤੁਸੀਂ ਆਪਣੇ ਸਾਥੀ ਜਾਂ ਦੋਸਤ ਬਾਰੇ ਯਕੀਨੀ ਨਹੀਂ ਹੋ - ਉਸਨੇ ਤੁਹਾਨੂੰ ਗੰਭੀਰਤਾ ਨਾਲ ਜਾਂ ਵਿਅੰਗਾਤਮਕ ਤੌਰ 'ਤੇ ਕੁਝ ਕਿਹਾ ਹੈ, ਤਾਂ ਤੁਸੀਂ ਪਹਿਲਾਂ ਹੀ ਵਰਤ ਸਕਦੇ ਹੋ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਨਿਊਰਲ ਨੈੱਟਵਰਕ!

4.2 ਵਧੀ ਹੋਈ ਬੁੱਧੀ

ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਦੇ ਤਰੀਕਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਬੌਧਿਕ ਕੰਮ ਦਾ ਸਵੈਚਾਲਨ। ਇਹ ਕੁਝ ਨਵਾਂ ਨਹੀਂ ਜਾਪਦਾ ਹੈ? ਪਰ ਇੱਥੇ ਸ਼ਬਦਾਵਲੀ ਆਪਣੇ ਆਪ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਹੈ, ਖਾਸ ਕਰਕੇ ਕਿਉਂਕਿ ਇਹ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੇ ਸੰਖੇਪ ਰੂਪ ਵਿੱਚ ਮੇਲ ਖਾਂਦਾ ਹੈ। ਇਹ ਸਾਨੂੰ "ਮਜ਼ਬੂਤ" ਅਤੇ "ਕਮਜ਼ੋਰ" AI ਬਾਰੇ ਬਹਿਸ ਵਿੱਚ ਵਾਪਸ ਲਿਆਉਂਦਾ ਹੈ।
ਸਟ੍ਰੋਂਗ ਏਆਈ ਵਿਗਿਆਨ ਗਲਪ ਫਿਲਮਾਂ ਤੋਂ ਉਹੀ ਨਕਲੀ ਬੁੱਧੀ ਹੈ ਜੋ ਪੂਰੀ ਤਰ੍ਹਾਂ ਮਨੁੱਖੀ ਦਿਮਾਗ ਦੇ ਬਰਾਬਰ ਹੈ ਅਤੇ ਇੱਕ ਵਿਅਕਤੀ ਵਜੋਂ ਆਪਣੇ ਆਪ ਨੂੰ ਜਾਣਦਾ ਹੈ। ਇਹ ਅਜੇ ਮੌਜੂਦ ਨਹੀਂ ਹੈ ਅਤੇ ਇਹ ਅਸਪਸ਼ਟ ਹੈ ਕਿ ਇਹ ਮੌਜੂਦ ਹੋਵੇਗਾ ਜਾਂ ਨਹੀਂ।

ਕਮਜ਼ੋਰ AI ਇੱਕ ਸੁਤੰਤਰ ਵਿਅਕਤੀ ਨਹੀਂ ਹੈ, ਪਰ ਇੱਕ ਮਨੁੱਖੀ ਸਹਾਇਕ ਹੈ। ਉਹ ਮਨੁੱਖ ਵਰਗੀ ਸੋਚ ਰੱਖਣ ਦਾ ਦਾਅਵਾ ਨਹੀਂ ਕਰਦਾ, ਪਰ ਸਿਰਫ਼ ਜਾਣਕਾਰੀ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨਾ ਜਾਣਦਾ ਹੈ, ਉਦਾਹਰਣ ਵਜੋਂ, ਇਹ ਨਿਰਧਾਰਤ ਕਰੋ ਕਿ ਤਸਵੀਰ ਵਿੱਚ ਕੀ ਦਿਖਾਇਆ ਗਿਆ ਹੈ ਜਾਂ ਟੈਕਸਟ ਦਾ ਅਨੁਵਾਦ ਕਰੋ।

ਸਰੋਤ

ਇਸ ਅਰਥਾਂ ਵਿੱਚ, ਔਗਮੈਂਟੇਡ ਇੰਟੈਲੀਜੈਂਸ ਆਪਣੇ ਸ਼ੁੱਧ ਰੂਪ ਵਿੱਚ "ਕਮਜ਼ੋਰ AI" ਹੈ, ਅਤੇ ਇਹ ਫਾਰਮੂਲੇ ਸਫਲ ਜਾਪਦਾ ਹੈ, ਕਿਉਂਕਿ ਇਹ ਉਲਝਣ ਅਤੇ ਇੱਥੇ ਉਹੀ "ਮਜ਼ਬੂਤ ​​AI" ਦੇਖਣ ਦਾ ਲਾਲਚ ਪੇਸ਼ ਨਹੀਂ ਕਰਦਾ ਜਿਸਦਾ ਹਰ ਕੋਈ ਸੁਪਨਾ ਲੈਂਦਾ ਹੈ (ਜਾਂ ਡਰਦਾ ਹੈ, ਜੇਕਰ ਅਸੀਂ "ਬਾਗ਼ੀ ਕਾਰਾਂ" ਬਾਰੇ ਬਹੁਤ ਸਾਰੀਆਂ ਚਰਚਾਵਾਂ ਨੂੰ ਯਾਦ ਕਰੋ)। ਐਗਮੈਂਟੇਡ ਇੰਟੈਲੀਜੈਂਸ ਦੇ ਸਮੀਕਰਨ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਅਸੀਂ ਤੁਰੰਤ ਇੱਕ ਹੋਰ ਫਿਲਮ ਦੇ ਹੀਰੋ ਬਣ ਜਾਂਦੇ ਹਾਂ: ਵਿਗਿਆਨਕ ਕਲਪਨਾ ਤੋਂ (ਜਿਵੇਂ ਕਿ ਅਸੀਮੋਵ ਦੀ "ਆਈ, ਰੋਬੋਟ") ਅਸੀਂ ਆਪਣੇ ਆਪ ਨੂੰ ਸਾਈਬਰਪੰਕ ਵਿੱਚ ਪਾਉਂਦੇ ਹਾਂ (ਇਸ ਸ਼ੈਲੀ ਵਿੱਚ "ਵਧਾਉਣ" ਹਰ ਕਿਸਮ ਦੇ ਇਮਪਲਾਂਟ ਹਨ ਜੋ ਮਨੁੱਖੀ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਵਧਾਉਂਦੇ ਹਨ)।

ਕਰਨਾ ਨੇ ਕਿਹਾ ਏਰਿਕ ਬ੍ਰਾਇਨਜੋਲਫਸਨ ਅਤੇ ਐਂਡਰਿਊ ਮੈਕਾਫੀ: “ਅਗਲੇ 10 ਸਾਲਾਂ ਵਿੱਚ, ਅਜਿਹਾ ਹੀ ਹੋਵੇਗਾ। AI ਪ੍ਰਬੰਧਕਾਂ ਦੀ ਥਾਂ ਨਹੀਂ ਲਵੇਗਾ, ਪਰ ਉਹ ਪ੍ਰਬੰਧਕ ਜੋ AI ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ ਉਹਨਾਂ ਦੀ ਥਾਂ ਲੈਣਗੇ ਜਿਨ੍ਹਾਂ ਨੇ ਅਜੇ ਤੱਕ ਇਸਨੂੰ ਨਹੀਂ ਬਣਾਇਆ ਹੈ।

ਉਦਾਹਰਣ:

• ਦਵਾਈ: ਸਟੈਨਫੋਰਡ ਯੂਨੀਵਰਸਿਟੀ ਨੇ ਵਿਕਸਤ ਕੀਤਾ ਐਲਗੋਰਿਦਮ, ਜੋ ਜ਼ਿਆਦਾਤਰ ਡਾਕਟਰਾਂ ਵਾਂਗ ਔਸਤ ਤੌਰ 'ਤੇ ਛਾਤੀ ਦੇ ਐਕਸ-ਰੇ 'ਤੇ ਰੋਗ ਵਿਗਿਆਨ ਨੂੰ ਪਛਾਣਨ ਦੇ ਕੰਮ ਨਾਲ ਨਜਿੱਠਦਾ ਹੈ।
• ਸਿੱਖਿਆ: ਵਿਦਿਆਰਥੀਆਂ ਅਤੇ ਅਧਿਆਪਕਾਂ ਲਈ ਸਹਾਇਤਾ, ਸਮੱਗਰੀ ਪ੍ਰਤੀ ਵਿਦਿਆਰਥੀਆਂ ਦੇ ਜਵਾਬਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ, ਵਿਅਕਤੀਗਤ ਸਿੱਖਣ ਦੇ ਟ੍ਰੈਜੈਕਟਰੀ ਦਾ ਨਿਰਮਾਣ।
• ਵਪਾਰਕ ਵਿਸ਼ਲੇਸ਼ਣ: ਅੰਕੜਿਆਂ ਦੇ ਅਨੁਸਾਰ, ਡੇਟਾ ਪ੍ਰੀਪ੍ਰੋਸੈਸਿੰਗ, ਖੋਜਕਰਤਾ ਦੇ ਸਮੇਂ ਦਾ 80% ਲੈਂਦਾ ਹੈ, ਅਤੇ ਪ੍ਰਯੋਗ ਦਾ ਸਿਰਫ 20%

4.3 ਬਾਇਓਚਿਪਸ

ਇਹ ਸਾਰੀਆਂ ਸਾਈਬਰਪੰਕ ਫਿਲਮਾਂ ਅਤੇ ਕਿਤਾਬਾਂ ਦਾ ਮਨਪਸੰਦ ਥੀਮ ਹੈ। ਆਮ ਤੌਰ 'ਤੇ, ਪਾਲਤੂ ਜਾਨਵਰਾਂ ਨੂੰ ਮਾਈਕ੍ਰੋਚਿਪ ਕਰਨਾ ਕੋਈ ਨਵਾਂ ਅਭਿਆਸ ਨਹੀਂ ਹੈ। ਪਰ ਹੁਣ ਇਹ ਚਿਪਸ ਲੋਕਾਂ ਵਿੱਚ ਲਗਾਏ ਜਾਣ ਲੱਗ ਪਏ ਹਨ।

ਇਸ ਮਾਮਲੇ ਵਿੱਚ, ਹਾਈਪ ਸੰਭਾਵਤ ਤੌਰ 'ਤੇ ਅਮਰੀਕੀ ਕੰਪਨੀ ਥ੍ਰੀ ਸਕੁਏਅਰ ਮਾਰਕੀਟ ਵਿੱਚ ਸਨਸਨੀਖੇਜ਼ ਮਾਮਲੇ ਨਾਲ ਜੁੜਿਆ ਹੋਇਆ ਹੈ। ਉੱਥੇ, ਮਾਲਕ ਨੇ ਫੀਸ ਦੇ ਬਦਲੇ ਚਮੜੀ ਦੇ ਹੇਠਾਂ ਚਿਪਸ ਲਗਾਉਣ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਨੀ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤੀ। ਚਿੱਪ ਤੁਹਾਨੂੰ ਦਰਵਾਜ਼ੇ ਖੋਲ੍ਹਣ, ਕੰਪਿਊਟਰਾਂ ਵਿੱਚ ਲੌਗਇਨ ਕਰਨ, ਵੈਂਡਿੰਗ ਮਸ਼ੀਨ ਤੋਂ ਸਨੈਕਸ ਖਰੀਦਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ - ਯਾਨੀ ਕਿ ਅਜਿਹਾ ਯੂਨੀਵਰਸਲ ਕਰਮਚਾਰੀ ਕਾਰਡ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਅਜਿਹੀ ਚਿੱਪ ਇੱਕ ਸ਼ਨਾਖਤੀ ਕਾਰਡ ਦੇ ਤੌਰ ਤੇ ਕੰਮ ਕਰਦੀ ਹੈ; ਇਸ ਵਿੱਚ ਕੋਈ GPS ਮੋਡੀਊਲ ਨਹੀਂ ਹੈ, ਇਸਲਈ ਇਸਦੀ ਵਰਤੋਂ ਕਰਨ ਵਾਲੇ ਕਿਸੇ ਵੀ ਵਿਅਕਤੀ ਨੂੰ ਟਰੈਕ ਕਰਨਾ ਅਸੰਭਵ ਹੈ। ਅਤੇ ਜੇਕਰ ਕੋਈ ਵਿਅਕਤੀ ਆਪਣੀ ਬਾਂਹ ਤੋਂ ਚਿਪ ਨੂੰ ਹਟਾਉਣਾ ਚਾਹੁੰਦਾ ਹੈ, ਤਾਂ ਡਾਕਟਰ ਦੀ ਮਦਦ ਨਾਲ 5 ਮਿੰਟ ਲੱਗਦੇ ਹਨ।

ਚਿਪਸ ਆਮ ਤੌਰ 'ਤੇ ਅੰਗੂਠੇ ਅਤੇ ਇੰਡੈਕਸ ਉਂਗਲ ਦੇ ਵਿਚਕਾਰ ਲਗਾਏ ਜਾਂਦੇ ਹਨ। ਸਰੋਤ

ਹੋਰ ਪੜ੍ਹੋ ਲੇਖ ਦੁਨੀਆ ਵਿੱਚ ਚਿੱਪਿੰਗ ਦੇ ਨਾਲ ਮਾਮਲਿਆਂ ਦੀ ਸਥਿਤੀ ਬਾਰੇ।

4.4 ਇਮਰਸਿਵ ਵਰਕਸਪੇਸ

"ਇਮਰਸਿਵ" ਇੱਕ ਹੋਰ ਨਵਾਂ ਸ਼ਬਦ ਹੈ ਜਿਸਦਾ ਕੋਈ ਬਚਣਾ ਨਹੀਂ ਹੈ। ਇਹ ਹਰ ਥਾਂ ਹੈ। ਇਮਰਸਿਵ ਥੀਏਟਰ, ਪ੍ਰਦਰਸ਼ਨੀ, ਸਿਨੇਮਾ। ਕੀ ਮਤਲਬ ਤੁਹਾਡਾ? ਇਮਰਸ਼ਨ ਇੱਕ ਇਮਰਸਿਵ ਪ੍ਰਭਾਵ ਦੀ ਸਿਰਜਣਾ ਹੈ, ਜਦੋਂ ਲੇਖਕ ਅਤੇ ਦਰਸ਼ਕ, ਵਰਚੁਅਲ ਅਤੇ ਅਸਲ ਸੰਸਾਰ ਵਿਚਕਾਰ ਸੀਮਾ ਖਤਮ ਹੋ ਜਾਂਦੀ ਹੈ. ਕੰਮ ਵਾਲੀ ਥਾਂ 'ਤੇ, ਸੰਭਾਵਤ ਤੌਰ 'ਤੇ, ਇਸਦਾ ਅਰਥ ਹੈ ਕਰਤਾ ਅਤੇ ਸ਼ੁਰੂਆਤ ਕਰਨ ਵਾਲੇ ਵਿਚਕਾਰ ਲਾਈਨ ਨੂੰ ਧੁੰਦਲਾ ਕਰਨਾ ਅਤੇ ਕਰਮਚਾਰੀਆਂ ਨੂੰ ਉਨ੍ਹਾਂ ਦੇ ਵਾਤਾਵਰਣ ਨੂੰ ਮੁੜ ਫਾਰਮੈਟ ਕਰਨ ਦੁਆਰਾ ਵਧੇਰੇ ਸਰਗਰਮ ਸਥਿਤੀ ਲੈਣ ਲਈ ਉਤਸ਼ਾਹਿਤ ਕਰਨਾ।

ਕਿਉਂਕਿ ਸਾਡੇ ਕੋਲ ਹੁਣ ਹਰ ਥਾਂ ਚੁਸਤ, ਲਚਕਤਾ, ਅਤੇ ਨਜ਼ਦੀਕੀ ਸਹਿਯੋਗ ਹੈ, ਕੰਮ ਦੇ ਸਥਾਨਾਂ ਨੂੰ ਜਿੰਨਾ ਸੰਭਵ ਹੋ ਸਕੇ ਆਸਾਨੀ ਨਾਲ ਸੰਰਚਨਾਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਸਮੂਹ ਦੇ ਕੰਮ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਆਰਥਿਕਤਾ ਇਸ ਦੀਆਂ ਸ਼ਰਤਾਂ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦੀ ਹੈ: ਇੱਥੇ ਵਧੇਰੇ ਅਸਥਾਈ ਕਰਮਚਾਰੀ ਹਨ, ਦਫਤਰ ਦੀ ਜਗ੍ਹਾ ਕਿਰਾਏ 'ਤੇ ਲੈਣ ਦੀ ਲਾਗਤ ਵੱਧ ਰਹੀ ਹੈ, ਅਤੇ ਇੱਕ ਪ੍ਰਤੀਯੋਗੀ ਲੇਬਰ ਮਾਰਕੀਟ ਵਿੱਚ, ਆਈਟੀ ਕੰਪਨੀਆਂ ਮਨੋਰੰਜਨ ਖੇਤਰ ਅਤੇ ਹੋਰ ਲਾਭ ਬਣਾ ਕੇ ਕੰਮ ਤੋਂ ਕਰਮਚਾਰੀਆਂ ਦੀ ਸੰਤੁਸ਼ਟੀ ਵਧਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੀਆਂ ਹਨ। ਅਤੇ ਇਹ ਸਭ ਕੰਮ ਦੇ ਸਥਾਨਾਂ ਦੇ ਡਿਜ਼ਾਈਨ ਵਿੱਚ ਝਲਕਦਾ ਹੈ.

ਤੋਂ ਰਿਪੋਰਟ ਨੋਲ

4.5 ਸ਼ਖਸੀਅਤ

ਹਰ ਕੋਈ ਜਾਣਦਾ ਹੈ ਕਿ ਇਸ਼ਤਿਹਾਰਬਾਜ਼ੀ ਵਿੱਚ ਵਿਅਕਤੀਗਤਕਰਨ ਕੀ ਹੈ। ਇਹ ਉਦੋਂ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਤੁਸੀਂ ਅੱਜ ਕਿਸੇ ਸਹਿਕਰਮੀ ਨਾਲ ਚਰਚਾ ਕਰ ਰਹੇ ਹੋ ਕਿ ਕਮਰੇ ਵਿੱਚ ਹਵਾ ਕੁਝ ਖੁਸ਼ਕ ਹੈ, ਅਤੇ ਤੁਹਾਨੂੰ ਦਫਤਰ ਲਈ ਇੱਕ ਹਿਊਮਿਡੀਫਾਇਰ ਖਰੀਦਣਾ ਚਾਹੀਦਾ ਹੈ, ਅਤੇ ਅਗਲੇ ਦਿਨ ਤੁਸੀਂ ਆਪਣੇ ਸੋਸ਼ਲ ਨੈਟਵਰਕ 'ਤੇ ਇੱਕ ਇਸ਼ਤਿਹਾਰ ਦੇਖਦੇ ਹੋ - "ਇੱਕ ਹਿਊਮਿਡੀਫਾਇਰ ਖਰੀਦੋ" (ਏ. ਅਸਲ ਘਟਨਾ ਜੋ ਮੇਰੇ ਨਾਲ ਵਾਪਰੀ ਸੀ)।

ਸਰੋਤ

ਵਿਅਕਤੀਗਤਕਰਨ, ਜਿਵੇਂ ਕਿ ਗਾਰਟਨਰ ਦੁਆਰਾ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਹੈ, ਵਿਗਿਆਪਨ ਦੇ ਉਦੇਸ਼ਾਂ ਲਈ ਉਹਨਾਂ ਦੇ ਨਿੱਜੀ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਬਾਰੇ ਉਪਭੋਗਤਾਵਾਂ ਦੀਆਂ ਵੱਧ ਰਹੀਆਂ ਚਿੰਤਾਵਾਂ ਦਾ ਜਵਾਬ ਹੈ। ਟੀਚਾ ਇੱਕ ਅਜਿਹੀ ਪਹੁੰਚ ਵਿਕਸਿਤ ਕਰਨਾ ਹੈ ਜਿਸ ਵਿੱਚ ਸਾਨੂੰ ਵਿਗਿਆਪਨ ਦਿਖਾਇਆ ਜਾਂਦਾ ਹੈ ਜੋ ਉਸ ਸੰਦਰਭ ਨਾਲ ਸੰਬੰਧਿਤ ਹੈ ਜਿਸ ਵਿੱਚ ਅਸੀਂ ਆਪਣੇ ਆਪ ਨੂੰ ਲੱਭਦੇ ਹਾਂ, ਨਾ ਕਿ ਸਾਡੇ ਲਈ ਨਿੱਜੀ ਤੌਰ 'ਤੇ। ਉਦਾਹਰਨ ਲਈ, ਸਾਡਾ ਸਥਾਨ, ਡਿਵਾਈਸ ਦੀ ਕਿਸਮ, ਦਿਨ ਦਾ ਸਮਾਂ, ਮੌਸਮ ਦੀਆਂ ਸਥਿਤੀਆਂ - ਇਹ ਉਹ ਚੀਜ਼ ਹੈ ਜੋ ਸਾਡੇ ਨਿੱਜੀ ਡੇਟਾ ਦੀ ਉਲੰਘਣਾ ਨਹੀਂ ਕਰਦੀ ਹੈ, ਅਤੇ ਅਸੀਂ "ਨਿਰੀਖਣ" ਹੋਣ ਦੀ ਕੋਝਾ ਭਾਵਨਾ ਮਹਿਸੂਸ ਨਹੀਂ ਕਰਦੇ ਹਾਂ।

ਇਹਨਾਂ ਦੋ ਸੰਕਲਪਾਂ ਵਿੱਚ ਅੰਤਰ ਬਾਰੇ ਪੜ੍ਹੋ ਨੋਟ ਐਂਡਰਿਊ ਫਰੈਂਕ ਗਾਰਟਨਰ ਦੀ ਵੈੱਬਸਾਈਟ 'ਤੇ ਬਲੌਗ ਕਰਦਾ ਹੈ। ਇੰਨਾ ਸੂਖਮ ਅੰਤਰ ਅਤੇ ਅਜਿਹੇ ਸਮਾਨ ਸ਼ਬਦ ਹਨ ਕਿ ਤੁਸੀਂ, ਅੰਤਰ ਨੂੰ ਨਾ ਜਾਣਦੇ ਹੋਏ, ਆਪਣੇ ਵਾਰਤਾਕਾਰ ਨਾਲ ਲੰਬੇ ਸਮੇਂ ਤੱਕ ਬਹਿਸ ਕਰਨ ਦਾ ਜੋਖਮ ਲੈਂਦੇ ਹੋ, ਇਹ ਸ਼ੱਕ ਨਹੀਂ ਕਰਦੇ ਕਿ, ਆਮ ਤੌਰ 'ਤੇ, ਦੋਵੇਂ ਸਹੀ ਹਨ (ਅਤੇ ਇਹ ਵੀ ਇੱਕ ਅਸਲ ਘਟਨਾ ਹੈ ਜੋ ਲੇਖਕ)।

4.6 ਬਾਇਓਟੈਕ - ਸੰਸਕ੍ਰਿਤ ਜਾਂ ਨਕਲੀ ਟਿਸ਼ੂ

ਇਹ, ਸਭ ਤੋਂ ਪਹਿਲਾਂ, ਨਕਲੀ ਮੀਟ ਨੂੰ ਵਧਾਉਣ ਦਾ ਵਿਚਾਰ ਹੈ. ਉਸੇ ਸਮੇਂ, ਦੁਨੀਆ ਭਰ ਦੀਆਂ ਕਈ ਟੀਮਾਂ ਪ੍ਰਯੋਗਸ਼ਾਲਾ "ਮੀਟ 2.0" ਨੂੰ ਵਿਕਸਤ ਕਰਨ ਵਿੱਚ ਰੁੱਝੀਆਂ ਹੋਈਆਂ ਹਨ - ਇਹ ਉਮੀਦ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਕਿ ਇਹ ਆਮ ਨਾਲੋਂ ਸਸਤਾ ਹੋ ਜਾਵੇਗਾ, ਅਤੇ ਫਾਸਟ ਫੂਡ ਅਤੇ ਫਿਰ ਸੁਪਰਮਾਰਕੀਟਾਂ ਇਸ ਵਿੱਚ ਬਦਲ ਜਾਣਗੀਆਂ। ਇਸ ਤਕਨਾਲੋਜੀ ਵਿੱਚ ਨਿਵੇਸ਼ਕਾਂ ਵਿੱਚ ਬਿਲ ਗੇਟਸ, ਸਰਗੇਈ ਬ੍ਰਿਨ, ਰਿਚਰਡ ਬ੍ਰੈਨਸਨ ਅਤੇ ਹੋਰ ਸ਼ਾਮਲ ਹਨ।

ਸਰੋਤ

ਹਰ ਕੋਈ ਨਕਲੀ ਮੀਟ ਵਿੱਚ ਇੰਨੀ ਦਿਲਚਸਪੀ ਕਿਉਂ ਰੱਖਦਾ ਹੈ:

1. ਗਲੋਬਲ ਵਾਰਮਿੰਗ: ਖੇਤਾਂ ਤੋਂ ਮੀਥੇਨ ਨਿਕਾਸ। ਇਹ ਜਲਵਾਯੂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਨ ਵਾਲੀਆਂ ਗੈਸਾਂ ਦੀ ਗਲੋਬਲ ਮਾਤਰਾ ਦਾ 18% ਹੈ।
2. ਆਬਾਦੀ ਦਾ ਵਾਧਾ. ਮੀਟ ਦੀ ਮੰਗ ਵਧ ਰਹੀ ਹੈ, ਅਤੇ ਹਰ ਕਿਸੇ ਨੂੰ ਕੁਦਰਤੀ ਮੀਟ ਨਾਲ ਭੋਜਨ ਦੇਣਾ ਸੰਭਵ ਨਹੀਂ ਹੋਵੇਗਾ - ਇਹ ਮਹਿੰਗਾ ਹੈ.
3. ਥਾਂ ਦੀ ਘਾਟ। ਐਮਾਜ਼ਾਨ ਦੇ 70% ਜੰਗਲ ਪਹਿਲਾਂ ਹੀ ਚਰਾਗਾਹ ਲਈ ਕੱਟੇ ਜਾ ਚੁੱਕੇ ਹਨ।
4. ਨੈਤਿਕ ਵਿਚਾਰ. ਉਹ ਹਨ ਜਿਨ੍ਹਾਂ ਲਈ ਇਹ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਪਸ਼ੂ ਅਧਿਕਾਰ ਸੰਗਠਨ ਪੇਟਾ ਨੇ ਪਹਿਲਾਂ ਹੀ ਉਸ ਵਿਗਿਆਨੀ ਨੂੰ 1 ਮਿਲੀਅਨ ਡਾਲਰ ਦੇ ਇਨਾਮ ਦੀ ਪੇਸ਼ਕਸ਼ ਕੀਤੀ ਹੈ ਜੋ ਨਕਲੀ ਚਿਕਨ ਮੀਟ ਨੂੰ ਮਾਰਕੀਟ ਵਿੱਚ ਲਿਆਉਂਦਾ ਹੈ।

ਅਸਲ ਮੀਟ ਨੂੰ ਸੋਇਆ ਨਾਲ ਬਦਲਣਾ ਇੱਕ ਅੰਸ਼ਕ ਹੱਲ ਹੈ, ਕਿਉਂਕਿ ਲੋਕ ਸੁਆਦ ਅਤੇ ਬਣਤਰ ਵਿੱਚ ਅੰਤਰ ਦੀ ਕਦਰ ਕਰ ਸਕਦੇ ਹਨ, ਅਤੇ ਸੋਇਆ ਦੇ ਹੱਕ ਵਿੱਚ ਸਟੀਕ ਨੂੰ ਛੱਡਣ ਦੀ ਸੰਭਾਵਨਾ ਨਹੀਂ ਹੈ। ਇਸ ਲਈ ਤੁਹਾਨੂੰ ਅਸਲੀ, ਜੈਵਿਕ ਤੌਰ 'ਤੇ ਵਧੇ ਹੋਏ ਮੀਟ ਦੀ ਲੋੜ ਹੈ। ਹੁਣ, ਬਦਕਿਸਮਤੀ ਨਾਲ, ਨਕਲੀ ਮੀਟ ਬਹੁਤ ਮਹਿੰਗਾ ਹੈ: $12 ਪ੍ਰਤੀ ਕਿਲੋਗ੍ਰਾਮ ਤੋਂ। ਇਹ ਅਜਿਹੇ ਮੀਟ ਨੂੰ ਵਧਣ ਦੀ ਗੁੰਝਲਦਾਰ ਤਕਨੀਕੀ ਪ੍ਰਕਿਰਿਆ ਦੇ ਕਾਰਨ ਹੈ. ਇਸ ਬਾਰੇ ਸਭ ਪੜ੍ਹੋ ਲੇਖ.

ਜੇ ਅਸੀਂ ਟਿਸ਼ੂ ਵਧਣ ਦੇ ਹੋਰ ਮਾਮਲਿਆਂ ਬਾਰੇ ਗੱਲ ਕਰਦੇ ਹਾਂ - ਪਹਿਲਾਂ ਹੀ ਦਵਾਈ ਵਿੱਚ - ਤਾਂ ਨਕਲੀ ਅੰਗਾਂ ਵਾਲਾ ਵਿਸ਼ਾ ਦਿਲਚਸਪ ਹੈ: ਉਦਾਹਰਨ ਲਈ, ਦਿਲ ਦੀ ਮਾਸਪੇਸ਼ੀ ਲਈ ਇੱਕ "ਪੈਚ", ਛਾਪਿਆ ਇੱਕ ਵਿਸ਼ੇਸ਼ 3D ਪ੍ਰਿੰਟਰ। ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ ਕਹਾਣੀਆਂ ਇੱਕ ਨਕਲੀ ਤੌਰ 'ਤੇ ਵਧੇ ਹੋਏ ਮਾਊਸ ਦਿਲ ਦੀ ਤਰ੍ਹਾਂ, ਪਰ ਆਮ ਤੌਰ 'ਤੇ ਸਭ ਕੁਝ ਅਜੇ ਵੀ ਕਲੀਨਿਕਲ ਅਜ਼ਮਾਇਸ਼ਾਂ ਦੇ ਦਾਇਰੇ ਵਿੱਚ ਹੈ। ਇਸ ਲਈ ਸਾਨੂੰ ਆਉਣ ਵਾਲੇ ਸਾਲਾਂ ਵਿੱਚ ਫ੍ਰੈਂਕਨਸਟਾਈਨ ਦੇਖਣ ਦੀ ਸੰਭਾਵਨਾ ਨਹੀਂ ਹੈ।

ਇੱਥੇ ਗਾਰਟਨਰ ਆਪਣੇ ਅਨੁਮਾਨਾਂ ਵਿੱਚ ਬਹੁਤ ਸਾਵਧਾਨ ਹੈ, ਜ਼ਾਹਰ ਤੌਰ 'ਤੇ ਉਸਦੀ 2015 ਦੀ ਅਸਫਲ ਭਵਿੱਖਬਾਣੀ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦੇ ਹੋਏ ਕਿ 2019 ਵਿੱਚ, ਵਿਕਸਤ ਦੇਸ਼ਾਂ ਵਿੱਚ 10% ਆਬਾਦੀ ਕੋਲ 3D ਪ੍ਰਿੰਟਿਡ ਮੈਡੀਕਲ ਡਿਵਾਈਸ ਇਮਪਲਾਂਟ ਹੋਵੇਗੀ। ਇਸ ਲਈ, ਇਸਦਾ ਅਰਥ ਹੈ ਕਿ ਉਤਪਾਦਕਤਾ ਪਠਾਰ ਤੱਕ ਪਹੁੰਚਣ ਦਾ ਸਮਾਂ ਘੱਟੋ ਘੱਟ 10 ਸਾਲ ਹੈ।

5. ਡਿਜੀਟਲ ਈਕੋਸਿਸਟਮ

5.1 ਵਿਕੇਂਦਰੀਕ੍ਰਿਤ ਵੈੱਬ

ਇਹ ਸੰਕਲਪ ਵੈੱਬ ਦੇ ਖੋਜੀ, ਟਿਊਰਿੰਗ ਅਵਾਰਡ ਜੇਤੂ ਸਰ ਟਿਮ ਬਰਨਰਸ-ਲੀ ਦੇ ਨਾਮ ਨਾਲ ਨੇੜਿਓਂ ਜੁੜਿਆ ਹੋਇਆ ਹੈ। ਉਸਦੇ ਲਈ, ਕੰਪਿਊਟਰ ਵਿਗਿਆਨ ਵਿੱਚ ਨੈਤਿਕਤਾ ਦੇ ਸਵਾਲ ਹਮੇਸ਼ਾ ਮਹੱਤਵਪੂਰਨ ਸਨ ਅਤੇ ਇੰਟਰਨੈਟ ਦਾ ਸਮੂਹਿਕ ਤੱਤ ਮਹੱਤਵਪੂਰਨ ਸੀ: ਹਾਈਪਰਟੈਕਸਟ ਦੀ ਨੀਂਹ ਰੱਖਦੇ ਹੋਏ, ਉਸਨੂੰ ਯਕੀਨ ਸੀ ਕਿ ਨੈੱਟਵਰਕ ਨੂੰ ਇੱਕ ਵੈੱਬ ਵਾਂਗ ਕੰਮ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ, ਨਾ ਕਿ ਇੱਕ ਲੜੀ ਵਾਂਗ। ਇਹ ਨੈੱਟਵਰਕ ਵਿਕਾਸ ਦੇ ਸ਼ੁਰੂਆਤੀ ਪੜਾਅ 'ਤੇ ਕੇਸ ਸੀ. ਹਾਲਾਂਕਿ, ਜਿਵੇਂ-ਜਿਵੇਂ ਇੰਟਰਨੈੱਟ ਵਧਿਆ, ਇਸਦੀ ਬਣਤਰ ਕਈ ਕਾਰਨਾਂ ਕਰਕੇ ਕੇਂਦਰੀਕ੍ਰਿਤ ਹੋ ਗਈ। ਇਹ ਸਾਹਮਣੇ ਆਇਆ ਕਿ ਪੂਰੇ ਦੇਸ਼ ਲਈ ਨੈੱਟਵਰਕ ਤੱਕ ਪਹੁੰਚ ਨੂੰ ਸਿਰਫ਼ ਕੁਝ ਪ੍ਰਦਾਤਾਵਾਂ ਦੀ ਮਦਦ ਨਾਲ ਆਸਾਨੀ ਨਾਲ ਬਲੌਕ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਅਤੇ ਉਪਭੋਗਤਾ ਡੇਟਾ ਇੰਟਰਨੈਟ ਕੰਪਨੀਆਂ ਲਈ ਸ਼ਕਤੀ ਅਤੇ ਆਮਦਨ ਦਾ ਸਰੋਤ ਬਣ ਗਿਆ ਹੈ.

"ਇੰਟਰਨੈੱਟ ਪਹਿਲਾਂ ਹੀ ਵਿਕੇਂਦਰੀਕ੍ਰਿਤ ਹੈ," ਬਰਨਰਜ਼-ਲੀ ਕਹਿੰਦਾ ਹੈ। “ਸਮੱਸਿਆ ਇਹ ਹੈ ਕਿ ਇੱਕ ਖੋਜ ਇੰਜਣ, ਇੱਕ ਵੱਡਾ ਸੋਸ਼ਲ ਨੈਟਵਰਕ, ਇੱਕ ਮਾਈਕ੍ਰੋਬਲਾਗਿੰਗ ਪਲੇਟਫਾਰਮ ਹਾਵੀ ਹੈ। ਸਾਡੇ ਕੋਲ ਤਕਨੀਕੀ ਸਮੱਸਿਆਵਾਂ ਨਹੀਂ ਹਨ, ਪਰ ਸਾਡੇ ਕੋਲ ਸਮਾਜਿਕ ਸਮੱਸਿਆਵਾਂ ਹਨ। ”

ਉਸ ਵਿਚ ਖੁੱਲਾ ਪੱਤਰ ਵਰਲਡ ਵਾਈਡ ਵੈੱਬ ਦੀ 30ਵੀਂ ਵਰ੍ਹੇਗੰਢ ਲਈ, ਵੈੱਬ ਦੇ ਸਿਰਜਣਹਾਰ ਨੇ ਇੰਟਰਨੈਟ ਦੀਆਂ ਤਿੰਨ ਮੁੱਖ ਸਮੱਸਿਆਵਾਂ ਦੀ ਰੂਪਰੇਖਾ ਦਿੱਤੀ ਹੈ:

1. ਨਿਸ਼ਾਨਾ ਨੁਕਸਾਨ ਜਿਵੇਂ ਕਿ ਰਾਜ-ਪ੍ਰਯੋਜਿਤ ਹੈਕਿੰਗ, ਅਪਰਾਧ ਅਤੇ ਔਨਲਾਈਨ ਪਰੇਸ਼ਾਨੀ
2. ਸਿਸਟਮ ਦਾ ਬਹੁਤ ਹੀ ਡਿਜ਼ਾਇਨ, ਜੋ ਉਪਭੋਗਤਾ ਦੇ ਨੁਕਸਾਨ ਲਈ, ਅਜਿਹੀਆਂ ਵਿਧੀਆਂ ਲਈ ਆਧਾਰ ਬਣਾਉਂਦਾ ਹੈ ਜਿਵੇਂ ਕਿ: ਕਲਿਕਬਾਟ ਲਈ ਵਿੱਤੀ ਪ੍ਰੋਤਸਾਹਨ ਅਤੇ ਗਲਤ ਜਾਣਕਾਰੀ ਦਾ ਵਾਇਰਲ ਫੈਲਣਾ
3. ਸਿਸਟਮ ਡਿਜ਼ਾਈਨ ਦੇ ਅਣਇੱਛਤ ਨਤੀਜੇ ਜੋ ਵਿਵਾਦ ਅਤੇ ਔਨਲਾਈਨ ਚਰਚਾ ਦੀ ਗੁਣਵੱਤਾ ਨੂੰ ਘਟਾਉਂਦੇ ਹਨ

ਅਤੇ ਟਿਮ ਬਰਨਰਸ-ਲੀ ਕੋਲ ਪਹਿਲਾਂ ਹੀ ਇਸ ਗੱਲ ਦਾ ਜਵਾਬ ਹੈ ਕਿ "ਇੱਕ ਸਿਹਤਮੰਦ ਵਿਅਕਤੀ ਦਾ ਇੰਟਰਨੈਟ" ਕਿਹੜੇ ਸਿਧਾਂਤਾਂ 'ਤੇ ਅਧਾਰਤ ਹੋ ਸਕਦਾ ਹੈ, ਸਮੱਸਿਆ ਨੰਬਰ 2 ਤੋਂ ਰਹਿਤ: "ਬਹੁਤ ਸਾਰੇ ਉਪਭੋਗਤਾਵਾਂ ਲਈ, ਵਿਗਿਆਪਨ ਦੀ ਆਮਦਨੀ ਇੰਟਰਨੈਟ ਨਾਲ ਗੱਲਬਾਤ ਕਰਨ ਦਾ ਇੱਕੋ ਇੱਕ ਮਾਡਲ ਹੈ। ਭਾਵੇਂ ਲੋਕ ਡਰਦੇ ਹਨ ਕਿ ਉਨ੍ਹਾਂ ਦੇ ਡੇਟਾ ਦਾ ਕੀ ਹੁੰਦਾ ਹੈ, ਉਹ ਮੁਫਤ ਸਮੱਗਰੀ ਪ੍ਰਾਪਤ ਕਰਨ ਦੇ ਮੌਕੇ ਲਈ ਮਾਰਕੀਟਿੰਗ ਮਸ਼ੀਨ ਨਾਲ ਸੌਦਾ ਕਰਨ ਲਈ ਤਿਆਰ ਹਨ। ਅਜਿਹੀ ਦੁਨੀਆਂ ਦੀ ਕਲਪਨਾ ਕਰੋ ਜਿੱਥੇ ਚੀਜ਼ਾਂ ਅਤੇ ਸੇਵਾਵਾਂ ਲਈ ਭੁਗਤਾਨ ਕਰਨਾ ਦੋਵਾਂ ਧਿਰਾਂ ਲਈ ਆਸਾਨ ਅਤੇ ਆਨੰਦਦਾਇਕ ਹੋਵੇ। ਇਸ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਬੰਧਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਦੇ ਵਿਕਲਪਾਂ ਵਿੱਚੋਂ: ਸੰਗੀਤਕਾਰ ਆਪਣੀ ਰਿਕਾਰਡਿੰਗ ਨੂੰ ਬਿਨਾਂ ਕਿਸੇ ਵਿਚੋਲੇ ਦੇ iTunes ਦੇ ਰੂਪ ਵਿੱਚ ਵੇਚ ਸਕਦੇ ਹਨ, ਅਤੇ ਨਿਊਜ਼ ਸਾਈਟਾਂ ਇਸ਼ਤਿਹਾਰਬਾਜ਼ੀ ਤੋਂ ਪੈਸਾ ਕਮਾਉਣ ਦੀ ਬਜਾਏ ਇੱਕ ਲੇਖ ਨੂੰ ਪੜ੍ਹਨ ਲਈ ਮਾਈਕ੍ਰੋਪੇਮੈਂਟ ਦੀ ਇੱਕ ਪ੍ਰਣਾਲੀ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੀਆਂ ਹਨ।

ਇਸ ਨਵੇਂ ਇੰਟਰਨੈਟ ਲਈ ਇੱਕ ਪ੍ਰਯੋਗਾਤਮਕ ਪ੍ਰੋਟੋਟਾਈਪ ਦੇ ਰੂਪ ਵਿੱਚ, ਟਿਮ ਬਰਨਰਸ-ਲੀ ਨੇ SOLID ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਲਾਂਚ ਕੀਤਾ, ਜਿਸਦਾ ਸਾਰ ਇਹ ਹੈ ਕਿ ਤੁਸੀਂ ਇੱਕ "ਪੋਡ" - ਇੱਕ ਜਾਣਕਾਰੀ ਸਟੋਰ ਵਿੱਚ ਆਪਣਾ ਡੇਟਾ ਸਟੋਰ ਕਰਦੇ ਹੋ, ਅਤੇ ਇਹ ਡੇਟਾ ਤੀਜੀ-ਧਿਰ ਦੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੇ ਹੋ। ਪਰ ਸਿਧਾਂਤ ਵਿੱਚ, ਤੁਸੀਂ ਖੁਦ ਆਪਣੇ ਡੇਟਾ ਦੇ ਮਾਲਕ ਹੋ। ਇਹ ਸਭ ਪੀਅਰ-ਟੂ-ਪੀਅਰ ਨੈਟਵਰਕਸ ਦੇ ਸੰਕਲਪ ਨਾਲ ਨੇੜਿਓਂ ਜੁੜਿਆ ਹੋਇਆ ਹੈ, ਯਾਨੀ ਤੁਹਾਡਾ ਕੰਪਿਊਟਰ ਨਾ ਸਿਰਫ਼ ਸੇਵਾਵਾਂ ਦੀ ਬੇਨਤੀ ਕਰਦਾ ਹੈ, ਸਗੋਂ ਉਹਨਾਂ ਨੂੰ ਪ੍ਰਦਾਨ ਵੀ ਕਰਦਾ ਹੈ, ਤਾਂ ਜੋ ਇੱਕ ਸਰਵਰ 'ਤੇ ਇੱਕੋ ਇੱਕ ਚੈਨਲ ਵਜੋਂ ਭਰੋਸਾ ਨਾ ਕੀਤਾ ਜਾਵੇ।

ਸਰੋਤ

5.2 ਵਿਕੇਂਦਰੀਕ੍ਰਿਤ ਖੁਦਮੁਖਤਿਆਰ ਸੰਸਥਾਵਾਂ

ਇਹ ਇੱਕ ਅਜਿਹੀ ਸੰਸਥਾ ਹੈ ਜੋ ਕੰਪਿਊਟਰ ਪ੍ਰੋਗਰਾਮ ਦੇ ਰੂਪ ਵਿੱਚ ਲਿਖੇ ਨਿਯਮਾਂ ਦੁਆਰਾ ਨਿਯੰਤਰਿਤ ਹੁੰਦੀ ਹੈ। ਇਸ ਦੀਆਂ ਵਿੱਤੀ ਗਤੀਵਿਧੀਆਂ ਬਲਾਕਚੈਨ 'ਤੇ ਅਧਾਰਤ ਹਨ। ਅਜਿਹੀਆਂ ਸੰਸਥਾਵਾਂ ਬਣਾਉਣ ਦਾ ਮਕਸਦ ਰਾਜ ਨੂੰ ਵਿਚੋਲੇ ਦੀ ਭੂਮਿਕਾ ਤੋਂ ਦੂਰ ਕਰਨਾ ਅਤੇ ਵਿਰੋਧੀ ਧਿਰਾਂ ਲਈ ਇੱਕ ਸਾਂਝਾ ਭਰੋਸੇਮੰਦ ਮਾਹੌਲ ਪੈਦਾ ਕਰਨਾ ਹੈ, ਜਿਸਦੀ ਮਲਕੀਅਤ ਵਿਅਕਤੀਗਤ ਤੌਰ 'ਤੇ ਕਿਸੇ ਦੀ ਨਹੀਂ, ਸਗੋਂ ਸਾਰਿਆਂ ਦੀ ਮਲਕੀਅਤ ਹੈ। ਭਾਵ, ਸਿਧਾਂਤ ਵਿੱਚ, ਇਹ ਚਾਹੀਦਾ ਹੈ, ਜੇਕਰ ਇਹ ਵਿਚਾਰ ਜੜ੍ਹ ਲੈਂਦਾ ਹੈ, ਨੋਟਰੀਆਂ ਅਤੇ ਹੋਰ ਆਮ ਤਸਦੀਕ ਸੰਸਥਾਵਾਂ ਨੂੰ ਖਤਮ ਕਰ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ.

ਅਜਿਹੀ ਸੰਸਥਾ ਦੀ ਸਭ ਤੋਂ ਮਸ਼ਹੂਰ ਉਦਾਹਰਣ ਉੱਦਮ-ਕੇਂਦ੍ਰਿਤ The DAO ਸੀ, ਜਿਸ ਨੇ 2016 ਵਿੱਚ $150 ਮਿਲੀਅਨ ਇਕੱਠੇ ਕੀਤੇ, ਜਿਸ ਵਿੱਚੋਂ $50 ਤੁਰੰਤ ਨਿਯਮਾਂ ਵਿੱਚ ਇੱਕ ਕਾਨੂੰਨੀ ਛੇਕ ਦੁਆਰਾ ਚੋਰੀ ਹੋ ਗਏ ਸਨ। ਇੱਕ ਮੁਸ਼ਕਲ ਦੁਬਿਧਾ ਤੁਰੰਤ ਪੈਦਾ ਹੋ ਗਈ: ਜਾਂ ਤਾਂ ਵਾਪਸ ਜਾਓ ਅਤੇ ਪੈਸੇ ਵਾਪਸ ਕਰੋ, ਜਾਂ ਸਵੀਕਾਰ ਕਰੋ ਕਿ ਪੈਸੇ ਕਢਵਾਉਣਾ ਕਾਨੂੰਨੀ ਸੀ, ਕਿਉਂਕਿ ਇਸ ਨੇ ਪਲੇਟਫਾਰਮ ਦੇ ਨਿਯਮਾਂ ਦੀ ਉਲੰਘਣਾ ਨਹੀਂ ਕੀਤੀ। ਨਤੀਜੇ ਵਜੋਂ, ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਪੈਸੇ ਵਾਪਸ ਕਰਨ ਲਈ, ਸਿਰਜਣਹਾਰਾਂ ਨੂੰ ਡੀਏਓ ਨੂੰ ਨਸ਼ਟ ਕਰਨਾ ਪਿਆ, ਬਲਾਕਚੈਨ ਨੂੰ ਦੁਬਾਰਾ ਲਿਖਣਾ ਅਤੇ ਇਸਦੇ ਬੁਨਿਆਦੀ ਸਿਧਾਂਤ ਦੀ ਉਲੰਘਣਾ ਕਰਨਾ - ਅਟੱਲਤਾ।

Ethereum (ਖੱਬੇ) ਅਤੇ DAO (ਸੱਜੇ) ਬਾਰੇ ਕਾਮਿਕ। ਸਰੋਤ

ਇਸ ਸਾਰੀ ਕਹਾਣੀ ਨੇ ਡੀਏਓ ਦੇ ਵਿਚਾਰ ਦੀ ਸਾਖ ਨੂੰ ਵਿਗਾੜ ਦਿੱਤਾ ਹੈ। ਉਹ ਪ੍ਰੋਜੈਕਟ Ethereum cryptocurrency ਦੇ ਆਧਾਰ 'ਤੇ ਬਣਾਇਆ ਗਿਆ ਸੀ, ਸੰਸਕਰਣ ਈਥਰ 2.0 ਅਗਲੇ ਸਾਲ ਦੀ ਉਮੀਦ ਹੈ - ਸ਼ਾਇਦ ਲੇਖਕ (ਮਸ਼ਹੂਰ ਵਿਟਾਲਿਕ ਬੁਟੇਰਿਨ ਸਮੇਤ) ਗਲਤੀਆਂ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਣਗੇ ਅਤੇ ਕੁਝ ਨਵਾਂ ਦਿਖਾਉਣਗੇ। ਸ਼ਾਇਦ ਇਸੇ ਕਰਕੇ ਗਾਰਟਨਰ ਨੇ ਡੀਏਓ ਨੂੰ ਅਪਲਾਈਨ 'ਤੇ ਰੱਖਿਆ।

5.3.ਸਿੰਥੇਟਿਕਸ ਡੇਟਾ

ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ, ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਡੇਟਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਡੇਟਾ ਨੂੰ ਹੱਥੀਂ ਲੇਬਲ ਕਰਨਾ ਇੱਕ ਬਹੁਤ ਵੱਡਾ ਕੰਮ ਹੈ ਜੋ ਸਿਰਫ ਇੱਕ ਮਨੁੱਖ ਦੁਆਰਾ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਇਸ ਲਈ, ਨਕਲੀ ਡਾਟਾ ਸੈੱਟ ਬਣਾਉਣਾ ਸੰਭਵ ਹੈ. ਉਦਾਹਰਨ ਲਈ, ਸਾਈਟ 'ਤੇ ਮਨੁੱਖੀ ਚਿਹਰਿਆਂ ਦੇ ਸਮਾਨ ਸੰਗ੍ਰਹਿ https://generated.photos. ਉਹ GAN ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਬਣਾਏ ਗਏ ਹਨ - ਐਲਗੋਰਿਦਮ ਜੋ ਪਹਿਲਾਂ ਹੀ ਉੱਪਰ ਦੱਸੇ ਗਏ ਸਨ।

ਇਹ ਚਿਹਰੇ ਲੋਕਾਂ ਦੇ ਨਹੀਂ ਹਨ। ਸਰੋਤ

ਅਜਿਹੇ ਡੇਟਾ ਦਾ ਵੱਡਾ ਫਾਇਦਾ ਇਹ ਹੈ ਕਿ ਇਸਦੀ ਵਰਤੋਂ ਕਰਨ ਵਿੱਚ ਕੋਈ ਕਾਨੂੰਨੀ ਮੁਸ਼ਕਲ ਨਹੀਂ ਹੈ: ਨਿੱਜੀ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਲਈ ਸਹਿਮਤੀ ਦੇਣ ਵਾਲਾ ਕੋਈ ਨਹੀਂ ਹੈ।

5.4.ਡਿਜੀਟਲ ਓਪਸ

ਜਦੋਂ ਤੋਂ DevOps ਨੇ ਸਾਡੇ ਭਾਸ਼ਣ ਵਿੱਚ ਜੜ੍ਹ ਫੜ ਲਈ ਹੈ, "ਓਪਸ" ਪਿਛੇਤਰ ਬਹੁਤ ਹੀ ਫੈਸ਼ਨਯੋਗ ਬਣ ਗਿਆ ਹੈ। ਹੁਣ ਡਿਜੀਟਲਓਪਸ ਕੀ ਹੈ ਇਸ ਬਾਰੇ - ਇਹ ਕੇਵਲ DevOps, DesignOps, MarketingOps ਦਾ ਇੱਕ ਆਮਕਰਨ ਹੈ... ਕੀ ਤੁਸੀਂ ਅਜੇ ਵੀ ਬੋਰ ਹੋ? ਸੰਖੇਪ ਵਿੱਚ, ਇਹ ਸੌਫਟਵੇਅਰ ਖੇਤਰ ਤੋਂ ਵਪਾਰ ਦੇ ਹੋਰ ਸਾਰੇ ਪਹਿਲੂਆਂ - ਮਾਰਕੀਟਿੰਗ, ਡਿਜ਼ਾਈਨ, ਆਦਿ ਵਿੱਚ DevOps ਪਹੁੰਚ ਦਾ ਤਬਾਦਲਾ ਹੈ।

ਸਰੋਤ

DevOps ਦਾ ਵਿਚਾਰ ਆਮ ਟੀਮਾਂ ਦੀ ਸਿਰਜਣਾ ਦੁਆਰਾ, ਜਿੱਥੇ ਪ੍ਰੋਗਰਾਮਰ, ਟੈਸਟਰ, ਸੁਰੱਖਿਆ ਮਾਹਰ ਅਤੇ ਪ੍ਰਸ਼ਾਸਕ ਹਨ, ਵਿਕਾਸ ਖੁਦ ਅਤੇ ਆਪਰੇਸ਼ਨਾਂ (ਕਾਰੋਬਾਰੀ ਪ੍ਰਕਿਰਿਆਵਾਂ) ਵਿਚਕਾਰ ਰੁਕਾਵਟਾਂ ਨੂੰ ਦੂਰ ਕਰਨਾ ਸੀ; ਕੁਝ ਅਭਿਆਸਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨਾ: ਨਿਰੰਤਰ ਏਕੀਕਰਣ, ਕੋਡ ਦੇ ਰੂਪ ਵਿੱਚ ਬੁਨਿਆਦੀ ਢਾਂਚਾ, ਫੀਡਬੈਕ ਚੇਨਾਂ ਦੀ ਕਮੀ ਅਤੇ ਮਜ਼ਬੂਤੀ। ਟੀਚਾ ਉਤਪਾਦ ਦੇ ਮਾਰਕੀਟ ਲਈ ਸਮੇਂ ਨੂੰ ਤੇਜ਼ ਕਰਨਾ ਸੀ। ਜੇ ਤੁਸੀਂ ਸੋਚਦੇ ਹੋ ਕਿ ਇਹ ਐਗਿਲ ਵਰਗਾ ਸੀ, ਤਾਂ ਤੁਸੀਂ ਸਹੀ ਸੀ। ਹੁਣ ਮਾਨਸਿਕ ਤੌਰ 'ਤੇ ਇਸ ਪਹੁੰਚ ਨੂੰ ਸੌਫਟਵੇਅਰ ਡਿਵੈਲਪਮੈਂਟ ਦੇ ਖੇਤਰ ਤੋਂ ਆਮ ਤੌਰ' ਤੇ ਵਿਕਾਸ ਲਈ ਟ੍ਰਾਂਸਫਰ ਕਰੋ - ਅਤੇ ਤੁਸੀਂ ਸਮਝਦੇ ਹੋ ਕਿ DigitalOps ਕੀ ਹੈ.

5.5 ਗਿਆਨ ਗ੍ਰਾਫ਼

ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਐਲਗੋਰਿਦਮ ਦੀ ਵਰਤੋਂ ਸਮੇਤ ਗਿਆਨ ਖੇਤਰ ਨੂੰ ਮਾਡਲ ਬਣਾਉਣ ਦਾ ਇੱਕ ਸੌਫਟਵੇਅਰ ਤਰੀਕਾ। ਸਾਰੀ ਜਾਣਕਾਰੀ ਨੂੰ ਜੋੜਨ ਲਈ ਮੌਜੂਦਾ ਡੇਟਾਬੇਸ ਦੇ ਸਿਖਰ 'ਤੇ ਇੱਕ ਗਿਆਨ ਗ੍ਰਾਫ਼ ਬਣਾਇਆ ਗਿਆ ਹੈ: ਦੋਵੇਂ ਢਾਂਚਾਗਤ (ਇਵੈਂਟਾਂ ਜਾਂ ਲੋਕਾਂ ਦੀ ਸੂਚੀ) ਅਤੇ ਗੈਰ-ਸੰਗਠਿਤ (ਇੱਕ ਲੇਖ ਦਾ ਪਾਠ)।

ਸਭ ਤੋਂ ਸਰਲ ਉਦਾਹਰਨ ਕਾਰਡ ਹੈ ਜੋ ਤੁਸੀਂ Google ਖੋਜ ਨਤੀਜਿਆਂ ਵਿੱਚ ਦੇਖ ਸਕਦੇ ਹੋ। ਜੇਕਰ ਤੁਸੀਂ ਕਿਸੇ ਵਿਅਕਤੀ ਜਾਂ ਸੰਸਥਾ ਨੂੰ ਲੱਭ ਰਹੇ ਹੋ, ਤਾਂ ਤੁਹਾਨੂੰ ਸੱਜੇ ਪਾਸੇ ਇੱਕ ਕਾਰਡ ਦਿਖਾਈ ਦੇਵੇਗਾ:


ਕਿਰਪਾ ਕਰਕੇ ਨੋਟ ਕਰੋ ਕਿ "ਆਗਾਮੀ ਸਮਾਗਮ" Google ਨਕਸ਼ੇ ਤੋਂ ਜਾਣਕਾਰੀ ਦੀ ਇੱਕ ਕਾਪੀ ਨਹੀਂ ਹੈ, ਪਰ Yandex.Afisha ਨਾਲ ਅਨੁਸੂਚੀ ਦਾ ਏਕੀਕਰਣ ਹੈ: ਜੇਕਰ ਤੁਸੀਂ ਇਵੈਂਟਾਂ 'ਤੇ ਕਲਿੱਕ ਕਰਦੇ ਹੋ ਤਾਂ ਤੁਸੀਂ ਇਸਨੂੰ ਆਸਾਨੀ ਨਾਲ ਦੇਖ ਸਕਦੇ ਹੋ। ਭਾਵ, ਇਹ ਕਈ ਡੇਟਾ ਸਰੋਤਾਂ ਦਾ ਇੱਕਠੇ ਸੁਮੇਲ ਹੈ।

ਜੇ ਤੁਸੀਂ ਇੱਕ ਸੂਚੀ ਮੰਗਦੇ ਹੋ - ਉਦਾਹਰਨ ਲਈ, "ਮਸ਼ਹੂਰ ਨਿਰਦੇਸ਼ਕ" - ਤੁਹਾਨੂੰ ਇੱਕ ਕੈਰੋਸਲ ਦਿਖਾਇਆ ਜਾਵੇਗਾ:

ਉਹਨਾਂ ਲਈ ਬੋਨਸ ਜੋ ਅੰਤ ਤੱਕ ਪੜ੍ਹਦੇ ਹਨ

ਅਤੇ ਹੁਣ ਜਦੋਂ ਅਸੀਂ ਆਪਣੇ ਲਈ ਹਰੇਕ ਬਿੰਦੂ ਦੇ ਅਰਥ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰ ਦਿੱਤਾ ਹੈ, ਅਸੀਂ ਉਸੇ ਤਸਵੀਰ ਨੂੰ ਦੇਖ ਸਕਦੇ ਹਾਂ, ਪਰ ਰੂਸੀ ਵਿੱਚ:

ਇਸਨੂੰ ਸੋਸ਼ਲ ਨੈਟਵਰਕਸ ਤੇ ਸੁਤੰਤਰ ਰੂਪ ਵਿੱਚ ਸਾਂਝਾ ਕਰੋ!

ਟੈਟਿਆਨਾ ਵੋਲਕੋਵਾ - ਸੈਮਸੰਗ ਅਕੈਡਮੀ ਵਿਖੇ ਇੰਟਰਨੈਟ ਆਫ਼ ਥਿੰਗਜ਼ ਆਈਟੀ ਟਰੈਕ ਲਈ ਸਿਖਲਾਈ ਪ੍ਰੋਗਰਾਮ ਦੀ ਲੇਖਕ, ਸੈਮਸੰਗ ਰਿਸਰਚ ਸੈਂਟਰ ਵਿਖੇ ਕਾਰਪੋਰੇਟ ਸਮਾਜਿਕ ਜ਼ਿੰਮੇਵਾਰੀ ਪ੍ਰੋਗਰਾਮਾਂ ਦੀ ਮਾਹਰ।


ਸਰੋਤ: www.habr.com