ਏਆਈ ਸਿਖਲਾਈ ਡੇਟਾ ਖਤਮ ਹੋ ਗਿਆ ਹੈ: ਮਸਕ ਦਾ ਨਜ਼ਰੀਆ

ਏਆਈ ਸਿਖਲਾਈ ਡੇਟਾ ਦੀ ਘਾਟ: ਮਸਕ ਦਾ ਨਜ਼ਰੀਆ

ਏਲੋਨ ਮਸਕ, ਜੋ ਕਿ ਇੱਕ ਮਸ਼ਹੂਰ ਤਕਨੀਕੀ ਕਾਰੋਬਾਰੀ ਹੈ, ਅਤੇ ਕਈ ਹੋਰ ਨਕਲੀ ਬੁੱਧੀ (AI) ਮਾਹਿਰਾਂ ਨੇ ਇਸ ਗੱਲ 'ਤੇ ਸਹਿਮਤੀ ਜਤਾਈ ਹੈ ਕਿ ਅਸਲ ਦੁਨੀਆ ਤੋਂ ਡਾਟਾ, ਜੋ ਕਿ AI ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ, ਲਗਭਗ ਖਤਮ ਹੋ ਗਿਆ ਹੈ। ਮਸਕ ਨੇ ਸਟੈਗਵੈਲ ਦੇ ਚੇਅਰਮੈਨ ਮਾਰਕ ਪੇਨ ਨਾਲ ਇੱਕ ਲਾਈਵ ਗੱਲਬਾਤ ਦੌਰਾਨ ਦੱਸਿਆ ਕਿ ਮਨੁੱਖੀ ਗਿਆਨ ਦਾ ਕੁੱਲ ਜੋੜ AI ਸਿਖਲਾਈ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਲਗਭਗ ਖਤਮ ਹੋ ਗਿਆ ਹੈ, ਅਤੇ ਇਹ ਸਥਿਤੀ ਪਿਛਲੇ ਸਾਲ ਦੇ ਆਸ-ਪਾਸ ਆਈ ਸੀ।

ਮਸਕ, ਜੋ ਕਿ AI ਕੰਪਨੀ xAI ਦੇ ਮੁਖੀ ਵੀ ਹਨ, ਨੇ OpenAI ਦੇ ਸਾਬਕਾ ਮੁੱਖ ਵਿਗਿਆਨੀ ਇਲਿਆ ਸੁਤਸਕੇਵਰ ਦੁਆਰਾ NeurIPS ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਕਾਨਫਰੰਸ ਵਿੱਚ ਦਿੱਤੇ ਵਿਚਾਰਾਂ ਨਾਲ ਸਹਿਮਤੀ ਜਤਾਈ। ਸੁਤਸਕੇਵਰ ਨੇ ਵੀ ਕਿਹਾ ਕਿ AI ਉਦਯੋਗ ਇੱਕ 'ਡਾਟਾ ਸਿਖਰ' 'ਤੇ ਪਹੁੰਚ ਗਿਆ ਹੈ, ਅਤੇ ਸਿਖਲਾਈ ਡੇਟਾ ਦੀ ਘਾਟ ਮਾਡਲ ਵਿਕਾਸ ਦੇ ਤਰੀਕਿਆਂ ਵਿੱਚ ਇੱਕ ਬੁਨਿਆਦੀ ਤਬਦੀਲੀ ਲਿਆਵੇਗੀ।

ਸਿੰਥੈਟਿਕ ਡੇਟਾ: ਏਆਈ ਦਾ ਭਵਿੱਖ

ਮਸਕ ਨੇ ਸੁਝਾਅ ਦਿੱਤਾ ਕਿ ਸਿੰਥੈਟਿਕ ਡੇਟਾ, ਜੋ ਕਿ AI ਮਾਡਲਾਂ ਦੁਆਰਾ ਆਪਣੇ ਆਪ ਤਿਆਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਮੌਜੂਦਾ ਡਾਟਾ ਦੀ ਘਾਟ ਨੂੰ ਹੱਲ ਕਰਨ ਦਾ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਤਰੀਕਾ ਹੈ। ਉਨ੍ਹਾਂ ਦਾ ਮੰਨਣਾ ਹੈ ਕਿ ਅਸਲ ਦੁਨੀਆ ਦੇ ਡਾਟਾ ਨੂੰ ਪੂਰਾ ਕਰਨ ਦਾ ਸਿਰਫ ਇੱਕ ਹੀ ਤਰੀਕਾ ਹੈ ਕਿ AI ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸਿਖਲਾਈ ਡੇਟਾ ਤਿਆਰ ਕੀਤਾ ਜਾਵੇ, ਜਿਸ ਨਾਲ AI ਆਪਣੇ ਆਪ ਨੂੰ ਸਿਖਲਾਈ ਦੇ ਸਕੇ ਅਤੇ ਆਪਣੇ ਆਪ ਨੂੰ ਮੁਲਾਂਕਣ ਕਰ ਸਕੇ।

ਮੌਜੂਦਾ ਸਮੇਂ ਵਿੱਚ, ਮਾਈਕ੍ਰੋਸਾਫਟ, ਮੈਟਾ, OpenAI ਅਤੇ Anthropic ਵਰਗੀਆਂ ਵੱਡੀਆਂ ਤਕਨੀਕੀ ਕੰਪਨੀਆਂ ਨੇ ਆਪਣੇ ਮੁੱਖ AI ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਸਿੰਥੈਟਿਕ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕਰਨੀ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤੀ ਹੈ। ਗਾਰਟਨਰ ਦੀ ਭਵਿੱਖਬਾਣੀ ਦੇ ਅਨੁਸਾਰ, 2024 ਤੱਕ, AI ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਪ੍ਰੋਜੈਕਟਾਂ ਲਈ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਡੇਟਾ ਦਾ 60% ਸਿੰਥੈਟਿਕ ਤੌਰ 'ਤੇ ਤਿਆਰ ਕੀਤਾ ਜਾਵੇਗਾ।

• ਮਾਈਕ੍ਰੋਸਾਫਟ ਦਾ Phi-4: ਇਹ ਓਪਨ ਸੋਰਸ ਮਾਡਲ ਸਿੰਥੈਟਿਕ ਡੇਟਾ ਅਤੇ ਅਸਲ-ਦੁਨੀਆ ਦੇ ਡੇਟਾ ਨੂੰ ਮਿਲਾ ਕੇ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ।
• ਗੂਗਲ ਦਾ Gemma ਮਾਡਲ: ਇਹ ਵੀ ਮਿਸ਼ਰਤ ਡੇਟਾ ਸਿਖਲਾਈ ਵਿਧੀ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ।
• Anthropic ਦਾ Claude 3.5 Sonnet: ਇਹ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਿਸਟਮ ਵੀ ਕੁਝ ਹੱਦ ਤੱਕ ਸਿੰਥੈਟਿਕ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ।
• ਮੈਟਾ ਦਾ Llama ਸੀਰੀਜ਼ ਮਾਡਲ: ਇਹ AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਬਿਹਤਰ ਕੀਤਾ ਗਿਆ ਹੈ।

ਸਿੰਥੈਟਿਕ ਡੇਟਾ ਦੇ ਫਾਇਦੇ ਅਤੇ ਚੁਣੌਤੀਆਂ

ਡਾਟਾ ਦੀ ਕਮੀ ਨੂੰ ਦੂਰ ਕਰਨ ਤੋਂ ਇਲਾਵਾ, ਸਿੰਥੈਟਿਕ ਡੇਟਾ ਲਾਗਤ ਨੂੰ ਕੰਟਰੋਲ ਕਰਨ ਵਿੱਚ ਵੀ ਮਹੱਤਵਪੂਰਨ ਫਾਇਦੇ ਦਰਸਾਉਂਦਾ ਹੈ। ਉਦਾਹਰਣ ਵਜੋਂ, AI ਸਟਾਰਟਅੱਪ ਕੰਪਨੀ Writer ਨੇ ਦੱਸਿਆ ਹੈ ਕਿ ਉਨ੍ਹਾਂ ਦਾ Palmyra X 004 ਮਾਡਲ ਲਗਭਗ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਿੰਥੈਟਿਕ ਡੇਟਾ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ ਅਤੇ ਇਸਨੂੰ ਵਿਕਸਿਤ ਕਰਨ ਦੀ ਲਾਗਤ ਸਿਰਫ $700,000 ਹੈ, ਜੋ ਕਿ OpenAI ਦੇ ਇਸੇ ਆਕਾਰ ਦੇ ਮਾਡਲ ਦੀ ਅਨੁਮਾਨਿਤ$4.6 ਮਿਲੀਅਨ ਲਾਗਤ ਤੋਂ ਬਹੁਤ ਘੱਟ ਹੈ।

ਹਾਲਾਂਕਿ, ਸਿੰਥੈਟਿਕ ਡੇਟਾ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨੁਕਸ-ਰਹਿਤ ਨਹੀਂ ਹੈ। ਖੋਜ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ ਸਿੰਥੈਟਿਕ ਡੇਟਾ ਮਾਡਲ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਨੂੰ ਘਟਾ ਸਕਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਇਸਦੀ ਆਉਟਪੁੱਟ ਘੱਟ ਰਚਨਾਤਮਕ ਹੋ ਸਕਦੀ ਹੈ ਅਤੇ ਇਹ ਪੱਖਪਾਤ ਨੂੰ ਵੀ ਵਧਾ ਸਕਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਇਸਦੇ ਕੰਮ ਕਰਨ ਦੀ ਸਮਰੱਥਾ 'ਤੇ ਗੰਭੀਰ ਅਸਰ ਪੈ ਸਕਦਾ ਹੈ। ਇਹ ਇਸ ਲਈ ਹੈ ਕਿਉਂਕਿ ਜੇਕਰ ਮਾਡਲ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਡੇਟਾ ਖੁਦ ਹੀ ਪੱਖਪਾਤੀ ਅਤੇ ਸੀਮਤ ਹੈ, ਤਾਂ ਮਾਡਲ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਸਿੰਥੈਟਿਕ ਡੇਟਾ ਵੀ ਇਹਨਾਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਅੱਗੇ ਲੈ ਕੇ ਜਾਵੇਗਾ।

ਸਿੰਥੈਟਿਕ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੇ ਬਾਵਜੂਦ, ਇਸਦੀਆਂ ਕਈ ਚੁਣੌਤੀਆਂ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਣਾ ਜ਼ਰੂਰੀ ਹੈ। ਖਾਸ ਤੌਰ 'ਤੇ, ਜੇਕਰ ਸਿੰਥੈਟਿਕ ਡੇਟਾ ਵਿੱਚ ਪਹਿਲਾਂ ਤੋਂ ਹੀ ਕੋਈ ਪੱਖਪਾਤ ਮੌਜੂਦ ਹੈ, ਤਾਂ ਇਹ ਮਾਡਲ ਵਿੱਚ ਵੀ ਆ ਸਕਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਨਤੀਜੇ ਗਲਤ ਅਤੇ ਨੁਕਸਾਨਦੇਹ ਹੋ ਸਕਦੇ ਹਨ। ਇਸ ਲਈ, ਸਿੰਥੈਟਿਕ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਸਮੇਂ ਬਹੁਤ ਸਾਵਧਾਨ ਰਹਿਣ ਦੀ ਲੋੜ ਹੈ ਅਤੇ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਦੀ ਲੋੜ ਹੈ ਕਿ ਡੇਟਾ ਵਿੱਚ ਕਿਸੇ ਵੀ ਤਰ੍ਹਾਂ ਦਾ ਪੱਖਪਾਤ ਨਾ ਹੋਵੇ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇਹ ਵੀ ਧਿਆਨ ਰੱਖਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਸਿੰਥੈਟਿਕ ਡੇਟਾ ਅਸਲ ਦੁਨੀਆ ਦੇ ਡੇਟਾ ਜਿੰਨਾ ਵਧੀਆ ਨਹੀਂ ਹੋ ਸਕਦਾ, ਅਤੇ ਇਸ ਨਾਲ ਮਾਡਲ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਘੱਟ ਹੋ ਸਕਦੀ ਹੈ।

ਇਸ ਸਭ ਦੇ ਬਾਵਜੂਦ, ਸਿੰਥੈਟਿਕ ਡੇਟਾ AI ਦੇ ਭਵਿੱਖ ਲਈ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਹਿੱਸਾ ਹੈ। ਇਹ ਡੇਟਾ ਦੀ ਘਾਟ ਨੂੰ ਪੂਰਾ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ AI ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਦੇ ਤਰੀਕਿਆਂ ਵਿੱਚ ਕ੍ਰਾਂਤੀ ਲਿਆ ਸਕਦਾ ਹੈ। ਪਰ ਇਸਦੀ ਵਰਤੋਂ ਸਾਵਧਾਨੀ ਨਾਲ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ ਅਤੇ ਇਸ ਨਾਲ ਜੁੜੀਆਂ ਚੁਣੌਤੀਆਂ ਨੂੰ ਸਮਝਣਾ ਚਾਹੀਦਾ ਹੈ। AI ਮਾਹਿਰਾਂ ਨੂੰ ਇਸ ਗੱਲ 'ਤੇ ਧਿਆਨ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਸਿੰਥੈਟਿਕ ਡੇਟਾ ਨੂੰ ਕਿਵੇਂ ਬਿਹਤਰ ਬਣਾਇਆ ਜਾ ਸਕਦਾ ਹੈ ਅਤੇ ਇਸਦੀ ਵਰਤੋਂ ਨਾਲ ਹੋਣ ਵਾਲੀਆਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਕਿਵੇਂ ਦੂਰ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।

ਇਸ ਤੋਂ ਇਲਾਵਾ, AI ਸਿਖਲਾਈ ਲਈ ਹੋਰ ਵਿਕਲਪਾਂ 'ਤੇ ਵੀ ਵਿਚਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਅਸਲ-ਦੁਨੀਆ ਦੇ ਡੇਟਾ ਨੂੰ ਇਕੱਠਾ ਕਰਨ ਦੇ ਨਵੇਂ ਤਰੀਕੇ ਲੱਭਣੇ ਅਤੇ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਘੱਟ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੇ ਤਰੀਕੇ ਲੱਭਣੇ। ਇਹ ਸਭ ਮਿਲ ਕੇ AI ਦੇ ਭਵਿੱਖ ਨੂੰ ਸੁਰੱਖਿਅਤ ਅਤੇ ਲਾਭਕਾਰੀ ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੇ ਹਨ।

ਮਸਕ ਅਤੇ ਹੋਰ AI ਮਾਹਿਰਾਂ ਦੀ ਇਸ ਚਿੰਤਾ ਨੇ AI ਉਦਯੋਗ ਵਿੱਚ ਇੱਕ ਨਵੀਂ ਚਰਚਾ ਛੇੜ ਦਿੱਤੀ ਹੈ। ਇਹ ਦੇਖਣਾ ਦਿਲਚਸਪ ਹੋਵੇਗਾ ਕਿ ਆਉਣ ਵਾਲੇ ਸਮੇਂ ਵਿੱਚ AI ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਕਿਹੜੇ ਨਵੇਂ ਤਰੀਕੇ ਵਿਕਸਿਤ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਕੀ ਸਿੰਥੈਟਿਕ ਡੇਟਾ ਇਸ ਸਮੱਸਿਆ ਦਾ ਇੱਕ ਸਥਾਈ ਹੱਲ ਬਣ ਸਕਦਾ ਹੈ। ਅਜੋਕੇ ਸਮੇਂ ਵਿੱਚ, AI ਤਕਨਾਲੋਜੀ ਤੇਜ਼ੀ ਨਾਲ ਵਿਕਸਿਤ ਹੋ ਰਹੀ ਹੈ, ਅਤੇ ਇਹ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿ ਅਸੀਂ ਇਸ ਤਕਨਾਲੋਜੀ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੇ ਸਹੀ ਤਰੀਕਿਆਂ ਬਾਰੇ ਸੋਚਦੇ ਰਹੀਏ ਤਾਂ ਜੋ ਇਸਦੇ ਲਾਭਾਂ ਨੂੰ ਵੱਧ ਤੋਂ ਵੱਧ ਕੀਤਾ ਜਾ ਸਕੇ ਅਤੇ ਇਸਦੇ ਨੁਕਸਾਨਾਂ ਨੂੰ ਘੱਟ ਕੀਤਾ ਜਾ ਸਕੇ।

ਇਸ ਲੇਖ ਵਿੱਚ ਦੱਸੇ ਗਏ ਸਾਰੇ ਵਿਚਾਰਾਂ ਅਤੇ ਤੱਥਾਂ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦੇ ਹੋਏ, ਇਹ ਸਪੱਸ਼ਟ ਹੈ ਕਿ AI ਸਿਖਲਾਈ ਡੇਟਾ ਦੀ ਘਾਟ ਇੱਕ ਅਸਲੀ ਚੁਣੌਤੀ ਹੈ ਜਿਸਦਾ AI ਉਦਯੋਗ ਨੂੰ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈ ਰਿਹਾ ਹੈ। ਸਿੰਥੈਟਿਕ ਡੇਟਾ ਇਸ ਸਮੱਸਿਆ ਦਾ ਇੱਕ ਸੰਭਾਵੀ ਹੱਲ ਹੋ ਸਕਦਾ ਹੈ, ਪਰ ਇਸਦੇ ਨਾਲ ਜੁੜੀਆਂ ਚੁਣੌਤੀਆਂ ਨੂੰ ਵੀ ਸਮਝਣਾ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਦੂਰ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੈ।