ਇੱਕ ਓਪਨ-ਸੋਰਸ ਪ੍ਰੋਜੈਕਟ ਨੇ ਇੱਕ ਮਾਈਕ੍ਰੋਕੰਟਰੋਲਰ ਉੱਤੇ ਇੱਕ 28.9-ਮਿਲੀਅਨ-ਪੈਰਾਮੀਟਰ ਭਾਸ਼ਾ ਮਾਡਲ ਨੂੰ ਨਿਚੋੜਿਆ ਹੈ ਜਿਸਦੀ ਕੀਮਤ ਲਗਭਗ $8 ਹੈ, ਜੋ ਕਿ ਕਿਸੇ ਵੀ ਨੈਟਵਰਕ ਕਨੈਕਸ਼ਨ ਦੇ ਬਿਨਾਂ ਲਗਭਗ ਨੌਂ ਟੋਕਨ ਪ੍ਰਤੀ ਸਕਿੰਟ ਦੀ ਦਰ ਨਾਲ ਚਿਪ ਉੱਤੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਟੈਕਸਟ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਪ੍ਰਦਰਸ਼ਨ, GitHub 'ਤੇ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਹੈ ਅਤੇ ਤੇਜ਼ੀ ਨਾਲ ਹੈਕਰ ਨਿਊਜ਼ ਦੇ ਪਹਿਲੇ ਪੰਨੇ 'ਤੇ ਚੜ੍ਹਦਾ ਹੈ, ਇਹ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ ਛੋਟੇ, ਸਥਾਨਕ AI ਦੀ ਸਰਹੱਦ ਸਿਰਫ ਥੋੜ੍ਹੇ ਸਮੇਂ ਵਿੱਚ ਕਿੰਨੀ ਦੂਰ ਗਈ ਹੈ।
ਕੰਮ ESP32-S3 'ਤੇ ਕੇਂਦਰਿਤ ਹੈ, ਇੱਕ ਸਸਤੀ ਏਮਬੈਡਡ ਚਿੱਪ ਜੋ ਸ਼ੌਕੀਨਾਂ ਅਤੇ ਹਾਰਡਵੇਅਰ ਨਿਰਮਾਤਾਵਾਂ ਵਿੱਚ ਪ੍ਰਸਿੱਧ ਹੈ। ਸਿਲੀਕਾਨ ਦੇ ਅਜਿਹੇ ਛੋਟੇ ਜਿਹੇ ਟੁਕੜੇ 'ਤੇ 28.9-ਮਿਲੀਅਨ-ਪੈਰਾਮੀਟਰ ਮਾਡਲ ਨੂੰ ਚਲਾਉਣਾ ਬਹੁਤ ਸਮਾਂ ਪਹਿਲਾਂ ਅਸੰਭਵ ਜਾਪਦਾ ਸੀ, ਅਤੇ ਇਹ ਪ੍ਰੋਜੈਕਟ ਔਨ-ਡਿਵਾਈਸ AI ਵੱਲ ਵਿਆਪਕ ਪੁਸ਼ ਦਾ ਇੱਕ ਸਪਸ਼ਟ ਦ੍ਰਿਸ਼ਟਾਂਤ ਪੇਸ਼ ਕਰਦਾ ਹੈ ਜਿਸ ਨੂੰ ਅਸੀਂ ਆਪਣੇ ਰੋਜ਼ਾਨਾ AI ਉਦਯੋਗ ਕਵਰੇਜ ਵਿੱਚ ਟਰੈਕ ਕਰਦੇ ਹਾਂ। ਜਿੱਥੇ ਕਲਾਉਡ ਨੂੰ ਇੱਕ ਵਾਰ ਕਿਸੇ ਵੀ ਅਸਲ ਭਾਸ਼ਾ ਮਾਡਲ ਲਈ ਲਾਜ਼ਮੀ ਮਹਿਸੂਸ ਹੋਇਆ, ਵਧਦੀ ਸਮਰੱਥਾ ਵਾਲੇ ਸਿਸਟਮ ਕਿਨਾਰੇ 'ਤੇ ਘਰ ਲੱਭ ਰਹੇ ਹਨ।
ਬਿਲਡ ਦੇ ਪਿੱਛੇ ਨੰਬਰ
ਪ੍ਰੋਜੈਕਟ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਆਪਣੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਮਾਡਲ 28.9 ਮਿਲੀਅਨ ਪੈਰਾਮੀਟਰ ਸਟੋਰ ਕਰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚੋਂ ਲਗਭਗ 25 ਮਿਲੀਅਨ ਫਲੈਸ਼ ਲੁੱਕਅਪ ਟੇਬਲ ਵਿੱਚ ਰਹਿੰਦੇ ਹਨ। ਇਹ 512KB ਤੇਜ਼ SRAM, 8MB PSRAM, ਅਤੇ 16MB ਫਲੈਸ਼ ਸਟੋਰੇਜ ਨਾਲ ESP32-S3 ਚਿੱਪ 'ਤੇ ਚੱਲਦਾ ਹੈ। ਅਭਿਆਸ ਵਿੱਚ ਇਹ ਲਗਭਗ 9.5 ਟੋਕਨ ਪ੍ਰਤੀ ਸਕਿੰਟ ਦੇ ਸਿਰੇ ਤੋਂ ਅੰਤ ਤੱਕ, ਜਾਂ ਸ਼ੁੱਧ ਗਣਨਾ ਦੇ 9.7 ਟੋਕਨ ਪ੍ਰਤੀ ਸਕਿੰਟ ਤੱਕ ਪਹੁੰਚਦਾ ਹੈ, ਅਤੇ 4-ਬਿੱਟ ਸ਼ੁੱਧਤਾ 'ਤੇ ਸਟੋਰ ਕੀਤੇ ਜਾਣ 'ਤੇ ਪੂਰਾ ਮਾਡਲ ਸਿਰਫ 14.9 ਮੈਗਾਬਾਈਟ ਰੱਖਦਾ ਹੈ।
ਸਭ ਤੋਂ ਦਿਲਚਸਪ ਉਹ ਤੁਲਨਾ ਹੈ ਜੋ ਲੇਖਕ ਨੇ ਪੁਰਾਣੇ ਕੰਮ ਨਾਲ ਖਿੱਚਿਆ ਹੈ। ਇਸ ਕਲਾਸ ਵਿੱਚ ਇੱਕ ਚਿੱਪ 'ਤੇ ਚੱਲਣ ਲਈ ਜਾਣੇ ਜਾਂਦੇ ਆਖਰੀ ਭਾਸ਼ਾ ਮਾਡਲ ਵਿੱਚ ਸਿਰਫ਼ 260,000 ਪੈਰਾਮੀਟਰ ਸਨ। ਨਵਾਂ ਬਿਲਡ ਲਗਭਗ ਸੌ ਗੁਣਾ ਜ਼ਿਆਦਾ ਰੱਖਦਾ ਹੈ, ਇੱਕ ਛਾਲ ਜੋ ਕਿ ਇੱਕ ਵੱਡੀ ਚਿੱਪ ਤੋਂ ਨਹੀਂ, ਬਲਕਿ ਮਾਡਲ ਦਾ ਡੇਟਾ ਅਸਲ ਵਿੱਚ ਕਿੱਥੇ ਰਹਿੰਦਾ ਹੈ ਇਸ ਬਾਰੇ ਮੁੜ ਵਿਚਾਰ ਕਰਨ ਨਾਲ ਆਉਂਦਾ ਹੈ।
ਜੇਮਾ ਤੋਂ ਉਧਾਰ ਲਈ ਗਈ ਇੱਕ ਯਾਦਦਾਸ਼ਤ ਚਾਲ
ਮੁੱਖ ਸਮੱਸਿਆ ਇਹ ਹੈ ਕਿ ਇੱਕ ਮਾਈਕ੍ਰੋਕੰਟਰੋਲਰ ਕੋਲ ਲਗਭਗ ਕੋਈ ਤੇਜ਼ ਮੈਮੋਰੀ ਨਹੀਂ ਹੈ। ESP32-S3 ਸਿਰਫ਼ 512KB SRAM ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ, ਅਤੇ ਰਵਾਇਤੀ ਤੌਰ 'ਤੇ ਪੂਰੇ ਮਾਡਲ ਨੂੰ ਉੱਥੋਂ ਤੱਕ ਪਹੁੰਚਣ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ, ਇਸੇ ਕਰਕੇ ਪਿਛਲੀਆਂ ਕੋਸ਼ਿਸ਼ਾਂ ਕੁਝ ਲੱਖ ਪੈਰਾਮੀਟਰਾਂ 'ਤੇ ਅਟਕ ਗਈਆਂ ਸਨ।
ਹੱਲ ਇੱਕ ਸਧਾਰਨ ਨਿਰੀਖਣ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ. ਭਾਸ਼ਾ ਮਾਡਲ ਦੇ ਜ਼ਿਆਦਾਤਰ ਮਾਪਦੰਡ ਇੱਕ ਏਮਬੈਡਿੰਗ ਟੇਬਲ ਵਿੱਚ ਬੈਠਦੇ ਹਨ, ਜਿਸਨੂੰ ਮਾਡਲ ਗਣਨਾ ਕਰਨ ਦੀ ਬਜਾਏ ਪੜ੍ਹਦਾ ਹੈ। ਇਸ ਲਈ ਉਸ ਵਿਸ਼ਾਲ 25-ਮਿਲੀਅਨ-ਕਤਾਰ ਟੇਬਲ ਨੂੰ ਦੁਰਲੱਭ ਤੇਜ਼ ਮੈਮੋਰੀ ਵਿੱਚ ਮਜਬੂਰ ਕਰਨ ਦੀ ਬਜਾਏ, ਪ੍ਰੋਜੈਕਟ ਇਸਨੂੰ ਹੌਲੀ ਫਲੈਸ਼ ਸਟੋਰੇਜ ਵਿੱਚ ਛੱਡ ਦਿੰਦਾ ਹੈ ਅਤੇ ਹਰੇਕ ਟੋਕਨ ਨੂੰ ਅਸਲ ਵਿੱਚ ਲੋੜੀਂਦੇ ਸਿਰਫ ਮੁੱਠੀ ਭਰ ਕਤਾਰਾਂ ਨੂੰ ਖਿੱਚਦਾ ਹੈ, ਇੱਕ ਸਮੇਂ ਵਿੱਚ ਲਗਭਗ 450 ਬਾਈਟਸ। ਮਾਡਲ ਦਾ ਛੋਟਾ ਹਿੱਸਾ ਜੋ ਅਸਲ ਗਣਨਾ ਕਰਦਾ ਹੈ ਤੇਜ਼ ਮੈਮੋਰੀ ਵਿੱਚ ਰਹਿੰਦਾ ਹੈ, ਜਦੋਂ ਕਿ ਭਾਰ ਦਾ ਵੱਡਾ ਹਿੱਸਾ ਫਲੈਸ਼ ਵਿੱਚ ਉਡੀਕ ਕਰਦਾ ਹੈ, ਇੱਕ ਸਮੇਂ ਵਿੱਚ ਥੋੜ੍ਹਾ ਜਿਹਾ ਨਮੂਨਾ ਲਿਆ ਜਾਂਦਾ ਹੈ।
ਉਸ ਤਕਨੀਕ ਨੂੰ ਪ੍ਰਤੀ-ਲੇਅਰ ਏਮਬੈਡਿੰਗਜ਼ ਵਜੋਂ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਇਹ ਗੂਗਲ ਦੇ ਜੇਮਾ ਮਾਡਲਾਂ, ਖਾਸ ਤੌਰ 'ਤੇ ਜੇਮਾ 3 ਐਨ ਅਤੇ ਜੇਮਾ 4 ਨਾਲ ਸ਼ੁਰੂ ਹੋਈ ਹੈ, ਜਿੱਥੇ ਇਹ ਫੋਨਾਂ ਅਤੇ ਜੀਪੀਯੂ ਲਈ ਤਿਆਰ ਕੀਤੀ ਗਈ ਸੀ। ਪ੍ਰੋਜੈਕਟ ਦੇ ਲੇਖਕ ਦੇ ਅਨੁਸਾਰ, ਕਿਸੇ ਨੇ ਪਹਿਲਾਂ ਇਸ ਛੋਟੀ ਜਿਹੀ ਚਿੱਪ 'ਤੇ ਪਹੁੰਚ ਦੀ ਕੋਸ਼ਿਸ਼ ਨਹੀਂ ਕੀਤੀ ਸੀ.
ਇਹ ਕੀ ਕਰ ਸਕਦਾ ਹੈ, ਅਤੇ ਕੀ ਨਹੀਂ ਕਰ ਸਕਦਾ
ਮਾਡਲ ਨੂੰ TinyStories 'ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ ਸੀ, ਸਧਾਰਨ ਬੱਚਿਆਂ ਦੀਆਂ ਕਹਾਣੀਆਂ ਦਾ ਇੱਕ ਡੇਟਾਸੈਟ, ਇਸਲਈ ਇਸ ਦੀਆਂ ਯੋਗਤਾਵਾਂ ਨੂੰ ਜਾਣਬੁੱਝ ਕੇ ਤੰਗ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਹ ਛੋਟੀਆਂ, ਜਿਆਦਾਤਰ ਤਾਲਮੇਲ ਵਾਲੀਆਂ ਕਹਾਣੀਆਂ ਲਿਖਦਾ ਹੈ, ਪਰ ਇਹ ਤੱਥਾਂ ਦੇ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਨਹੀਂ ਦੇਵੇਗਾ, ਗੁੰਝਲਦਾਰ ਨਿਰਦੇਸ਼ਾਂ ਦੀ ਪਾਲਣਾ ਕਰੇਗਾ, ਕੋਡ ਲਿਖੇਗਾ, ਜਾਂ ਸੰਸਾਰ ਬਾਰੇ ਤਰਕ ਨਹੀਂ ਦੇਵੇਗਾ। ਲੇਖਕ ਸਪੱਸ਼ਟ ਹੈ ਕਿ ਇਹ ਸੀਮਾ ਮਾਡਲ ਦੇ ਛੋਟੇ ਤਰਕ ਵਾਲੇ ਹਿੱਸੇ ਤੋਂ ਪੈਦਾ ਹੁੰਦੀ ਹੈ, ਅਤੇ ਇਹ ਕਿ ਮੈਮੋਰੀ ਟ੍ਰਿਕ ਇਸ ਨੂੰ ਨਹੀਂ ਬਦਲਦੀ।
ਕਿਹੜੀ ਚੀਜ਼ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਦਿਲਚਸਪ ਬਣਾਉਂਦੀ ਹੈ ਇਸ ਲਈ ਇਸਦਾ ਆਉਟਪੁੱਟ ਗੁਣਵੱਤਾ ਨਹੀਂ ਬਲਕਿ ਇਸਦਾ ਆਰਕੀਟੈਕਚਰ ਹੈ। ਪ੍ਰਾਪਤੀ ਇਸ ਛੋਟੇ ਜਿਹੇ ਚਿੱਪ 'ਤੇ ਇਸ ਵੱਡੇ ਮਾਡਲ ਨੂੰ ਫਿੱਟ ਕਰ ਰਹੀ ਹੈ, ਇਹ ਸਾਬਤ ਕਰਦੀ ਹੈ ਕਿ ਫ਼ੋਨਾਂ ਅਤੇ ਸਰਵਰਾਂ 'ਤੇ ਕੁਸ਼ਲ ਮਾਡਲਾਂ ਨੂੰ ਪਾਵਰ ਦੇਣ ਵਾਲੀਆਂ ਉਹੀ ਤਕਨੀਕਾਂ ਨੂੰ ਹਾਰਡਵੇਅਰ ਤੱਕ ਹੇਠਾਂ ਧੱਕਿਆ ਜਾ ਸਕਦਾ ਹੈ ਜਿਸਦੀ ਕੀਮਤ ਸੈਂਡਵਿਚ ਤੋਂ ਘੱਟ ਹੈ।
ਡਿਵਾਈਸ 'ਤੇ AI ਮਹੱਤਵਪੂਰਨ ਕਿਉਂ ਹੈ
ਪ੍ਰਭਾਵ ਇੱਕ ਸਾਫ਼-ਸਾਫ਼ ਤਕਨੀਕੀ ਡੈਮੋ ਤੋਂ ਪਰੇ ਪਹੁੰਚਦੇ ਹਨ। ਕਿਉਂਕਿ ਮਾਡਲ ਪੂਰੀ ਤਰ੍ਹਾਂ ਚਿੱਪ 'ਤੇ ਚੱਲਦਾ ਹੈ, ਸਰਵਰ ਨੂੰ ਕਦੇ ਵੀ ਕੁਝ ਨਹੀਂ ਭੇਜਿਆ ਜਾਂਦਾ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਉਸਾਰੀ ਦੁਆਰਾ ਪੂਰੀ ਗੋਪਨੀਯਤਾ, ਕੋਈ ਡਾਟਾ ਡਿਵਾਈਸ ਨੂੰ ਨਹੀਂ ਛੱਡਦਾ, ਅਤੇ ਭੁਗਤਾਨ ਕਰਨ ਲਈ ਕੋਈ ਕਲਾਉਡ ਬਿੱਲ ਨਹੀਂ ਹੈ। ਦੂਰ-ਦੁਰਾਡੇ ਦੇ ਖੇਤਰਾਂ, ਘੱਟ-ਪਾਵਰ ਡਿਵਾਈਸਾਂ, ਜਾਂ ਸੈਟਿੰਗਾਂ ਜਿੱਥੇ ਕਨੈਕਟੀਵਿਟੀ ਭਰੋਸੇਯੋਗ ਨਹੀਂ ਹੈ, ਵਿੱਚ ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ, ਇਹ ਸੁਮੇਲ ਅਸਲ ਵਿੱਚ ਉਪਯੋਗੀ ਹੈ।
ਇਹ ਇੱਕ ਅਜਿਹੇ ਭਵਿੱਖ ਵੱਲ ਵੀ ਇਸ਼ਾਰਾ ਕਰਦਾ ਹੈ ਜਿਸ ਵਿੱਚ ਛੋਟੇ, ਵਿਸ਼ੇਸ਼ ਮਾਡਲਾਂ ਨੂੰ ਮੁੱਠੀ ਭਰ ਵਿਸ਼ਾਲ ਡੇਟਾ ਸੈਂਟਰਾਂ ਵਿੱਚ ਕੇਂਦ੍ਰਿਤ ਕਰਨ ਦੀ ਬਜਾਏ ਅਰਬਾਂ ਸਸਤੇ ਏਮਬੇਡਡ ਡਿਵਾਈਸਾਂ ਵਿੱਚ ਵੰਡਿਆ ਜਾਂਦਾ ਹੈ। ਉਹੀ ਦਬਾਅ ਜੋ ਲੈਪਟਾਪਾਂ ਅਤੇ ਫ਼ੋਨਾਂ 'ਤੇ ਸਥਾਨਕ AI ਵਿੱਚ ਦਿਲਚਸਪੀ ਪੈਦਾ ਕਰਦੇ ਹਨ, ਅਰਥਾਤ ਘੱਟ ਲੇਟੈਂਸੀ, ਘੱਟ ਲਾਗਤ, ਅਤੇ ਮਜ਼ਬੂਤ ਗੋਪਨੀਯਤਾ, ਮਾਈਕ੍ਰੋਕੰਟਰੋਲਰ ਸਕੇਲ 'ਤੇ ਹੋਰ ਵੀ ਜ਼ੋਰਦਾਰ ਢੰਗ ਨਾਲ ਲਾਗੂ ਹੁੰਦੇ ਹਨ।
ਟਿੰਕਰ ਨੂੰ ਖੁੱਲਾ ਸੱਦਾ
ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਮਨਜ਼ੂਰਸ਼ੁਦਾ MIT ਲਾਇਸੈਂਸ ਦੇ ਤਹਿਤ ਜਾਰੀ ਕੀਤਾ ਗਿਆ ਹੈ, ਅਤੇ ਲੇਖਕ ਨੇ ਵਿਸਤ੍ਰਿਤ ਦਸਤਾਵੇਜ਼ਾਂ ਅਤੇ ਬੈਂਚਮਾਰਕ ਨਤੀਜਿਆਂ ਦੇ ਨਾਲ GitHub 'ਤੇ ਪੂਰਾ ਕੋਡ ਸਾਂਝਾ ਕੀਤਾ ਹੈ। ਉਸ ਖੁੱਲੇਪਣ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਹੋਰ ਹਾਰਡਵੇਅਰ ਡਿਵੈਲਪਰ ਪਹੁੰਚ ਦਾ ਅਧਿਐਨ ਕਰ ਸਕਦੇ ਹਨ, ਇਸਨੂੰ ਹੋਰ ਚਿਪਸ ਦੇ ਅਨੁਕੂਲ ਬਣਾ ਸਕਦੇ ਹਨ, ਜਾਂ ਪੈਰਾਮੀਟਰ ਦੀ ਗਿਣਤੀ ਨੂੰ ਹੋਰ ਵੀ ਉੱਚਾ ਕਰ ਸਕਦੇ ਹਨ।
ਹੈਂਡਲ slvDev ਦੇ ਅਧੀਨ ਜਾਰੀ ਕੀਤਾ ਗਿਆ, ਕੰਮ ਨੇ ਡਿਵੈਲਪਰ ਕਮਿਊਨਿਟੀ ਦੇ ਨਾਲ ਜ਼ੋਰਦਾਰ ਗੂੰਜਿਆ, ਹੈਕਰ ਨਿਊਜ਼ 'ਤੇ ਸੈਂਕੜੇ ਅਪਵੋਟਸ ਇਕੱਠੇ ਕੀਤੇ ਅਤੇ ਇਸ ਬਾਰੇ ਚਰਚਾ ਕੀਤੀ ਕਿ ਤਕਨੀਕ ਅੱਗੇ ਕਿੱਥੇ ਯਾਤਰਾ ਕਰ ਸਕਦੀ ਹੈ। ਜੇਕਰ ਇਹ ਰੁਝਾਨ ਕਾਇਮ ਰਹਿੰਦਾ ਹੈ, ਤਾਂ "ਭਾਸ਼ਾ ਮਾਡਲ" ਅਤੇ ਏਮਬੈਡਡ ਸੌਫਟਵੇਅਰ ਦੇ ਇੱਕ ਆਮ ਟੁਕੜੇ ਦੇ ਵਿਚਕਾਰ ਦੀ ਲਾਈਨ ਬਹੁਤ ਜ਼ਿਆਦਾ ਧੁੰਦਲੀ ਹੋਣ ਵਾਲੀ ਹੈ।
AI ਤੋਂ ਅੱਗੇ ਰਹੋ
$8 ਚਿਪਸ ਤੋਂ ਲੈ ਕੇ ਬਿਲੀਅਨ ਡਾਲਰ ਦੇ ਡੇਟਾ ਸੈਂਟਰਾਂ ਤੱਕ, ਇਹ ਸਵਾਲ ਕਿ AI ਕਿੱਥੇ ਚੱਲਦਾ ਹੈ ਓਨਾ ਹੀ ਮਹੱਤਵਪੂਰਨ ਹੁੰਦਾ ਜਾ ਰਿਹਾ ਹੈ ਜਿੰਨਾ ਕਿ AI ਕੀ ਕਰ ਸਕਦਾ ਹੈ। ਹਾਰਡਵੇਅਰ ਪਰਤ ਜ਼ਿਆਦਾਤਰ ਲੋਕਾਂ ਦੇ ਅਹਿਸਾਸ ਨਾਲੋਂ ਤੇਜ਼ੀ ਨਾਲ ਵਿਕਸਤ ਹੋ ਰਹੀ ਹੈ, ਅਤੇ ਪ੍ਰੋਜੈਕਟ ਜੋ ਅੱਜ ਉਤਸੁਕਤਾ ਵਰਗੇ ਦਿਖਾਈ ਦਿੰਦੇ ਹਨ ਅਕਸਰ ਕੱਲ੍ਹ ਦੀ ਮੁੱਖ ਧਾਰਾ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦੇ ਹਨ। AI Buzz Wire' ਤੇ ਹੋਰ AI ਖਬਰਾਂ ਪੜ੍ਹੋ ਕਿਨਾਰੇ ਕੰਪਿਊਟਿੰਗ, ਮਾਡਲ ਕੁਸ਼ਲਤਾ, ਅਤੇ ਡਿਵਾਈਸ ਇੰਟੈਲੀਜੈਂਸ ਵਿੱਚ ਹਰ ਸਫਲਤਾ ਦੀ ਪਾਲਣਾ ਕਰਨ ਲਈ।
AI ਹਾਰਡਵੇਅਰ ਕ੍ਰਾਂਤੀ ਨਾਲ ਜੁੜੇ ਰਹੋ — AI Buzz Wire 'ਤੇ ਜਾਓ
