ਰਿਪੋਰਟ, 1 ਅਗਸਤ, 2026 ਨੂੰ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤੀ ਗਈ ਅਤੇ ਦ ਡੀਕੋਡਰ ਦੁਆਰਾ ਦਸਤਾਵੇਜ਼ੀ ਰੂਪ ਵਿੱਚ ਤਿਆਰ ਕੀਤੀ ਗਈ, ਅੱਠ ਕੇਸ ਅਧਿਐਨਾਂ ਦੀ ਜਾਂਚ ਕੀਤੀ - ਜਿਆਦਾਤਰ ਜੀਵ ਵਿਗਿਆਨ ਵਿੱਚ - ਜਿਸ ਵਿੱਚ ਖੋਜ ਸਮੂਹਾਂ ਨੇ ਨਾਜ਼ੁਕ ਸੌਫਟਵੇਅਰ ਨੂੰ ਬਚਾਉਣ, ਅਨੁਕੂਲ ਬਣਾਉਣ ਅਤੇ ਮੁੜ ਲਿਖਣ ਲਈ ਕੋਡਿੰਗ ਏਜੰਟਾਂ ਜਿਵੇਂ ਕਿ ਕੋਡੈਕਸ ਅਤੇ ਕਲਾਉਡ ਕੋਡ ਦੀ ਵਰਤੋਂ ਕੀਤੀ। ਵਿਗਿਆਨ ਅਤੇ ਉਦਯੋਗ ਨੂੰ ਮੁੜ ਆਕਾਰ ਦੇਣ ਵਾਲੇ ਟੂਲਸ 'ਤੇ ਚੱਲ ਰਹੀ ਰਿਪੋਰਟਿੰਗ ਲਈ, ਸਾਡੀ ਨਵੀਨਤਮ AI ਖਬਰਾਂ ਦੀ ਪਾਲਣਾ ਕਰੋ।
ਵਿਗਿਆਨਕ ਸੌਫਟਵੇਅਰ ਵਿੱਚ ਇੱਕ ਸ਼ਾਂਤ ਸੰਕਟ
ਆਧੁਨਿਕ ਖੋਜ ਨੂੰ ਆਧਾਰ ਬਣਾਉਣ ਵਾਲੇ ਜ਼ਿਆਦਾਤਰ ਸੌਫਟਵੇਅਰ ਇੱਕ ਪੇਪਰ ਲਈ ਸਹਾਇਕ ਕੋਡ ਵਜੋਂ ਸ਼ੁਰੂ ਹੋਏ। ਛੋਟੀਆਂ ਅਕਾਦਮਿਕ ਟੀਮਾਂ ਨੇ ਸਹੀ ਟੈਸਟਿੰਗ, ਰੱਖ-ਰਖਾਅ, ਜਾਂ ਅਨੁਕੂਲਤਾ ਲਈ ਸਰੋਤਾਂ ਤੋਂ ਬਿਨਾਂ ਇਹਨਾਂ ਸਾਧਨਾਂ ਦਾ ਨਿਰਮਾਣ ਕੀਤਾ। ਨਤੀਜਾ ਇੱਕ ਨਾਜ਼ੁਕ ਬੁਨਿਆਦ ਹੈ: ਪ੍ਰੋਗਰਾਮ ਜੋ ਪੂਰੇ ਖੇਤਰਾਂ ਲਈ ਮਹੱਤਵਪੂਰਨ ਰਹਿੰਦੇ ਹਨ ਪਰ ਲਗਾਤਾਰ ਮੁਰੰਮਤ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਓਪਨਏਆਈ ਫੀਲਡ ਰਿਪੋਰਟ ਸੁਝਾਅ ਦਿੰਦੀ ਹੈ ਕਿ ਏਆਈ ਕੋਡਿੰਗ ਏਜੰਟ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਚੱਲ ਰਹੇ ਪਾੜੇ ਨੂੰ ਪੂਰਾ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੇ ਹਨ।
ਪ੍ਰੋਜੈਕਟਾਂ ਵਿੱਚ ਰੁਟੀਨ ਰੱਖ-ਰਖਾਅ ਤੋਂ ਲੈ ਕੇ ਆਧੁਨਿਕ ਪ੍ਰੋਗਰਾਮਿੰਗ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਪੂਰੀ ਤਰ੍ਹਾਂ ਮੁੜ ਲਿਖਣ ਤੱਕ, ਅਤੇ ਕਈਆਂ ਨੇ ਧਿਆਨ ਖਿੱਚਣ ਵਾਲੇ ਪ੍ਰਦਰਸ਼ਨ ਲਾਭ ਪ੍ਰਦਾਨ ਕੀਤੇ।
ਜੰਗਾਲ ਵਿੱਚ ਸਟਾਰ ਦਾ ਮੁੜ ਨਿਰਮਾਣ
ਸਭ ਤੋਂ ਵੱਧ ਅਭਿਲਾਸ਼ੀ ਪ੍ਰੋਜੈਕਟਾਂ ਵਿੱਚੋਂ ਇੱਕ, ਰਸਟਾਰ-ਅਲਾਈਨਰ, ਰਸਟ ਵਿੱਚ ਸ਼ੁਰੂ ਤੋਂ ਸਟਾਰ ਨੂੰ ਦੁਬਾਰਾ ਬਣਾਇਆ ਗਿਆ। STAR ਇੱਕ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਟੂਲ ਹੈ ਜੋ ਇੱਕ ਜੀਨੋਮ ਵਿੱਚ ਸੈੱਲਾਂ ਤੋਂ ਉਹਨਾਂ ਦੇ ਅਨੁਸਾਰੀ ਟਿਕਾਣਿਆਂ ਤੱਕ ਰੀਡ ਦੀ ਤਰਤੀਬ ਨੂੰ ਮੈਪ ਕਰਦਾ ਹੈ। ਅਸਲ ਪ੍ਰੋਗਰਾਮ ਵਿੱਚ C ਅਤੇ C++ ਦੀਆਂ 20,000 ਤੋਂ ਵੱਧ ਲਾਈਨਾਂ ਹਨ ਅਤੇ ਹੁਣ ਇਸਨੂੰ ਸਰਗਰਮੀ ਨਾਲ ਸੰਭਾਲਿਆ ਨਹੀਂ ਜਾਂਦਾ ਹੈ, ਭਾਵੇਂ ਇਹ ਬਹੁਤ ਸਾਰੀਆਂ ਖੋਜ ਪਾਈਪਲਾਈਨਾਂ ਵਿੱਚ ਏਮਬੇਡ ਰਹਿੰਦਾ ਹੈ।
ਮੁੜ ਲਿਖਣ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਲਈ, ਟੀਮ ਨੇ ਖਮੀਰ ਸੈੱਲਾਂ ਤੋਂ 10,000 ਛੋਟੇ ਕ੍ਰਮਵਾਰ ਰੀਡਾਂ 'ਤੇ ਦੋਵਾਂ ਸਾਧਨਾਂ ਦੀ ਜਾਂਚ ਕੀਤੀ। ਸਿੰਗਲ-ਐਂਡ ਰੀਡਜ਼ ਲਈ, ਰਸਟਾਰ-ਅਲਾਈਨਰ ਨੇ 99.815 ਪ੍ਰਤੀਸ਼ਤ ਕੇਸਾਂ ਵਿੱਚ STAR ਵਾਂਗ ਹੀ ਨਤੀਜਾ ਪੇਸ਼ ਕੀਤਾ। ਪੇਅਰਡ-ਐਂਡ ਰੀਡਜ਼ ਲਈ, ਸਮਝੌਤੇ ਦੀ ਦਰ 99.883 ਪ੍ਰਤੀਸ਼ਤ ਸੀ। ਤੁਲਨਾ ਮੈਪ ਕੀਤੇ ਸਥਾਨਾਂ ਤੋਂ ਅੱਗੇ ਵਧੀ ਹੈ ਤਾਂ ਕਿ ਕਈ ਹੋਰ ਮੁੱਖ ਖੇਤਰਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕੀਤਾ ਜਾ ਸਕੇ ਜੋ ਦੋਵੇਂ ਪ੍ਰੋਗਰਾਮ ਹਰੇਕ ਰੀਡ ਲਈ ਤਿਆਰ ਕਰਦੇ ਹਨ, ਅਤੇ ਨਾ ਹੀ ਟੂਲ ਨੇ ਕਿਸੇ ਵੀ ਰੀਡ ਨੂੰ ਮੈਪ ਕੀਤਾ ਹੈ ਕਿ ਦੂਜਾ ਮੈਪ ਕਰਨ ਵਿੱਚ ਅਸਫਲ ਰਿਹਾ।
ਇੱਕ 60-ਫੋਲਡ ਸਪੀਡਅੱਪ
RustQC ਨੇ ਇੱਕ ਪ੍ਰੋਗਰਾਮ ਵਿੱਚ 15 ਵੱਖਰੇ ਗੁਣਵੱਤਾ-ਨਿਯੰਤਰਣ ਸਾਧਨਾਂ ਨੂੰ ਜੋੜ ਕੇ ਸਭ ਤੋਂ ਵੱਡੀ ਗਤੀ ਪ੍ਰਦਾਨ ਕੀਤੀ। ਇੱਕ ਵੱਡੇ ਡੇਟਾਸੈਟ 'ਤੇ, ਰਨਟਾਈਮ 15 ਘੰਟੇ ਅਤੇ 34 ਮਿੰਟਾਂ ਤੋਂ ਘਟ ਕੇ ਸਿਰਫ 14 ਮਿੰਟ ਅਤੇ 54 ਸਕਿੰਟ ਹੋ ਗਿਆ — 60 ਗੁਣਾ ਤੋਂ ਵੱਧ ਦੀ ਗਤੀ।ਇੱਕ ਹੋਰ ਪ੍ਰੋਜੈਕਟ, HelixForge, ਨੇ ਇੱਕ GPU-ਐਕਸਲਰੇਟਿਡ ਸੰਸਕਰਣ ਨਾਲ ਸਿੰਥੈਟਿਕ ਜੀਨੋਮਿਕ ਡੇਟਾ ਤਿਆਰ ਕਰਨ ਲਈ ਇੱਕ ਟੂਲ ਨੂੰ ਬਦਲ ਦਿੱਤਾ ਹੈ। ਇੱਕ ਦਾਨੀ ਅਤੇ ਜੀਨੋਮ ਦੇ ਇੱਕ 10-ਮਿਲੀਅਨ-ਬੇਸ-ਪੇਅਰ ਸੈਕਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਇੱਕ ਟੈਸਟ ਵਿੱਚ, HelixForge ਨੇ ਅਸਲ BamSurgeon ਨਾਲੋਂ 59.6 ਗੁਣਾ ਤੇਜ਼ ਪੂਰੀ ਪਾਈਪਲਾਈਨ ਨੂੰ ਪੂਰਾ ਕੀਤਾ, ਇਕੱਲੇ ਮੁੱਖ ਕੰਪਿਊਟ ਪੜਾਅ 98.6 ਗੁਣਾ ਤੇਜ਼ੀ ਨਾਲ ਚੱਲ ਰਿਹਾ ਹੈ।
ਵਧੇਰੇ ਪਰੰਪਰਾਗਤ ਆਧੁਨਿਕੀਕਰਨ ਵਿੱਚ, GPT-5.5 ਨੇ cyvcf2 ਦੀ ਪੁਰਾਣੀ ਬਿਲਡ ਅਤੇ ਇੰਸਟਾਲੇਸ਼ਨ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਬਦਲ ਦਿੱਤਾ, ਜੈਨੇਟਿਕ ਡੇਟਾ ਨੂੰ ਪੜ੍ਹਨ ਲਈ ਪਾਈਥਨ ਲਾਇਬ੍ਰੇਰੀ। TensorFlow ਤੋਂ PyTorch ਤੱਕ ਕੋਡ ਦੀਆਂ ਲਗਭਗ 10,000 ਲਾਈਨਾਂ ਨੂੰ ਪੋਰਟ ਕਰਦੇ ਸਮੇਂ ਵਧੇਰੇ ਸ਼ਾਮਲ MHCflurry ਮਾਈਗ੍ਰੇਸ਼ਨ ਨੇ ਵਿਕਾਸਕਾਰ ਅਤੇ ਸਮੀਖਿਅਕ ਦੀਆਂ ਭੂਮਿਕਾਵਾਂ ਦੇ ਵਿਚਕਾਰ ਕਲਾਉਡ ਕੋਡ ਅਤੇ ਕੋਡੈਕਸ ਨੂੰ ਵਿਕਲਪਿਕ ਰੂਪ ਵਿੱਚ ਦੇਖਿਆ। MHCflurry ਇੱਕ ਇਮਯੂਨੋਲੋਜੀ ਮਾਡਲ ਹੈ ਜੋ ਭਵਿੱਖਬਾਣੀ ਕਰਦਾ ਹੈ ਕਿ ਕਿਹੜੇ ਟੀਚੇ ਇਮਿਊਨ ਸੈੱਲਾਂ ਦੀ ਪਛਾਣ ਕਰਨਗੇ।
'ਭਰੋਸੇ ਨਾਲ ਗਲਤ'
ਸਿਰਲੇਖ ਦੀ ਖੋਜ, ਹਾਲਾਂਕਿ, ਇੱਕ ਗੰਭੀਰ ਸੀ. ਪੂਰੇ ਕੇਸ ਸਟੱਡੀਜ਼ ਵਿੱਚ, ਏਜੰਟਾਂ ਨੇ ਚੰਗੀ ਤਰ੍ਹਾਂ ਪਰਿਭਾਸ਼ਿਤ ਕੰਮਾਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਪੂਰਾ ਕੀਤਾ ਪਰ ਭਰੋਸੇਯੋਗਤਾ ਨਾਲ ਨਿਰਣਾ ਨਹੀਂ ਕਰ ਸਕੇ ਕਿ ਕੀ ਉਨ੍ਹਾਂ ਦਾ ਕੰਮ ਵਿਗਿਆਨਕ ਤੌਰ 'ਤੇ ਸਹੀ ਸੀ। ਇੱਥੋਂ ਤੱਕ ਕਿ ਜਦੋਂ ਉਹਨਾਂ ਦੇ ਕੋਡ ਵਿੱਚ ਗਲਤੀਆਂ ਹੁੰਦੀਆਂ ਹਨ, ਸਿਸਟਮ ਅਕਸਰ ਇਸਨੂੰ ਪੂਰੇ ਭਰੋਸੇ ਨਾਲ ਪੇਸ਼ ਕਰਦੇ ਹਨ।
brent Pedersen, cyvcf2 ਦੇ ਡਿਵੈਲਪਰ, ਨੇ ਰਿਪੋਰਟ ਵਿੱਚ ਤਣਾਅ ਨੂੰ ਹਾਸਲ ਕੀਤਾ: "ਕੋਡਿੰਗ ਏਜੰਟਾਂ ਦੇ ਨਾਲ, ਤੇਜ਼ੀ ਨਾਲ ਜਾਣਾ ਕਾਫ਼ੀ ਆਸਾਨ ਹੈ; ਹੁਣ ਲਈ, ਵਿਗਿਆਨ ਵਿੱਚ ਬਹੁਤ ਦੂਰ ਜਾਣ ਲਈ, ਅਜੇ ਵੀ ਮਾਹਰ ਮਾਰਗਦਰਸ਼ਨ, ਸਮਝ, ਸੁਆਦ ਅਤੇ ਦੇਖਭਾਲ ਦੀ ਲੋੜ ਹੈ।"
ਫਿਲਿਪ ਈਵੇਲਜ਼, ਜਿਸਨੇ RustQC ਪ੍ਰੋਜੈਕਟ ਦੀ ਅਗਵਾਈ ਕੀਤੀ, ਧੁੰਦਲਾ ਸੀ। ਉਸਨੇ ਏਜੰਟਾਂ ਨੂੰ "ਵਚਿੱਤਰ, ਯਕੀਨਨ, ਅਤੇ ਭਰੋਸੇ ਨਾਲ ਗਲਤ ਤਰੀਕਿਆਂ ਨਾਲ ਗਲਤ ਦੱਸਿਆ ਹੈ ਜੋ ਗੁਆਉਣੇ ਆਸਾਨ ਹਨ।" ਈਵੇਲਸ ਨੇ ਕਦੇ ਵੀ ਮਾਡਲਾਂ ਨੂੰ ਉਹਨਾਂ ਦੇ ਆਪਣੇ ਕੰਮ ਦੀ ਸ਼ੁੱਧਤਾ ਦਾ ਨਿਰਣਾ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਨਹੀਂ ਦਿੱਤੀ, ਇਸਦੀ ਬਜਾਏ ਉਹਨਾਂ ਦੀਆਂ ਗਲਤੀਆਂ ਨੂੰ ਫੜਨ ਲਈ ਇੱਕ ਸੁਤੰਤਰ ਟੈਸਟ ਹਾਰਨੈਸ ਬਣਾਉਣਾ.
ਸਾਦੀ ਨਜ਼ਰ ਵਿੱਚ ਛੁਪੀਆਂ ਗਲਤੀਆਂ
ਬੇਸਮ ਕੇਸ ਸਟੱਡੀ ਨੇ ਦਰਸਾਇਆ ਹੈ ਕਿ ਇਹਨਾਂ ਤਰੁਟੀਆਂ ਨੂੰ ਫੜਨਾ ਕਿੰਨਾ ਔਖਾ ਹੋ ਸਕਦਾ ਹੈ। ਇਸ ਦਾ ਜੰਗਾਲ ਰੀਰਾਈਟ ਮੂਲ ਨਾਲੋਂ ਦੋ ਤੋਂ ਵੀਹ ਗੁਣਾ ਤੇਜ਼ੀ ਨਾਲ ਚੱਲਿਆ, ਪਰ ਦੋ ਉੱਨਤ ਤਰੀਕਿਆਂ ਦੇ ਪਹਿਲੇ ਸੰਸਕਰਣਾਂ ਵਿੱਚ ਸੂਖਮ ਨੁਕਸ ਸਨ। ਇੱਕ ਵਿੱਚ, ਏਜੰਟ ਨੇ ਇੱਕ ਕੁੰਜੀ ਨਿਯੰਤਰਣ ਪੈਰਾਮੀਟਰ ਨੂੰ ਉਲਟਾ ਦਿੱਤਾ, ਜਿਸ ਨਾਲ ਪ੍ਰੋਗਰਾਮ ਨੂੰ ਉਦੇਸ਼ਿਤ ਮੁੱਲਾਂ ਦੇ ਪਰਸਪਰ ਉਪਯੋਗ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇੱਕ ਵੱਖਰੇ ਬੱਗ ਨੇ ਖੁਦ ਗਣਨਾ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕੀਤਾ। ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਜਾਣੇ-ਪਛਾਣੇ ਨਤੀਜਿਆਂ ਵਾਲੇ ਹਜ਼ਾਰਾਂ ਸਿੰਥੈਟਿਕ ਡੇਟਾਸੈਟਾਂ ਦੇ ਵਿਰੁੱਧ ਵਿਸਤ੍ਰਿਤ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਟੈਸਟ ਚਲਾਉਣ ਤੋਂ ਬਾਅਦ ਹੀ ਦੋਵਾਂ ਮੁੱਦਿਆਂ ਦੀ ਖੋਜ ਕੀਤੀ।ਐਪੀਸੋਡ ਇੱਕ ਢਾਂਚਾਗਤ ਤਬਦੀਲੀ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਕਿਵੇਂ ਵਿਗਿਆਨੀ AI ਦੇ ਨਾਲ ਕੰਮ ਕਰ ਸਕਦੇ ਹਨ: ਕੋਡ ਲਿਖਣ ਦੀ ਬਜਾਏ, ਉਹਨਾਂ ਦਾ ਕੇਂਦਰੀ ਕੰਮ ਸਖ਼ਤੀ ਨਾਲ ਨਤੀਜਿਆਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ - ਇੱਕ ਭੂਮਿਕਾ ਜੋ ਡੂੰਘੀ ਡੋਮੇਨ ਮਹਾਰਤ ਦੀ ਮੰਗ ਕਰਦੀ ਹੈ ਜੋ ਏਜੰਟ ਖੁਦ ਸਪਲਾਈ ਨਹੀਂ ਕਰ ਸਕਦੇ ਹਨ।
ਵਿਗਿਆਨ ਲਈ ਇਸਦਾ ਕੀ ਅਰਥ ਹੈ
ਖੋਜਾਂ ਇਸ ਗੱਲ 'ਤੇ ਡੂੰਘੀ ਬਹਿਸ ਦੇ ਇੱਕ ਪਲ 'ਤੇ ਉਤਰਦੀਆਂ ਹਨ ਕਿ ਉੱਚ-ਦਾਅ ਵਾਲੇ ਡੋਮੇਨਾਂ ਵਿੱਚ ਏਆਈ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਕਿੰਨੀ ਖੁਦਮੁਖਤਿਆਰੀ ਦਿੱਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ। ਸਪੀਡਅਪ ਅਸਲ ਵਿੱਚ ਪਰਿਵਰਤਨਸ਼ੀਲ ਹਨ - ਰਨਟਾਈਮ ਵਿੱਚ 60-ਗੁਣਾ ਦੀ ਕਮੀ ਇੱਕ ਰਾਤੋ ਰਾਤ ਦੀ ਨੌਕਰੀ ਨੂੰ ਕੌਫੀ ਬਰੇਕ ਵਿੱਚ ਬਦਲ ਸਕਦੀ ਹੈ। ਪਰ ਰਿਪੋਰਟ ਦਾ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਯੋਗਦਾਨ ਸੀਮਾਵਾਂ ਬਾਰੇ ਇਸਦੀ ਇਮਾਨਦਾਰੀ ਹੋ ਸਕਦੀ ਹੈ। ਏਜੰਟ ਜੋ ਤੇਜ਼, ਰਵਾਨਗੀ, ਅਤੇ ਪ੍ਰੇਰਕ ਹੁੰਦੇ ਹਨ, ਪਰ ਵਿਗਿਆਨਕ ਪ੍ਰਮਾਣਿਕਤਾ ਦਾ ਸਵੈ-ਮੁਲਾਂਕਣ ਕਰਨ ਵਿੱਚ ਅਸਮਰੱਥ ਹੁੰਦੇ ਹਨ, ਕੇਵਲ ਉਹਨਾਂ ਮਾਹਰਾਂ ਦੇ ਹੱਥਾਂ ਵਿੱਚ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਾਧਨ ਹੁੰਦੇ ਹਨ ਜੋ ਜਾਣਦੇ ਹਨ ਕਿ ਕੀ ਜਾਂਚ ਕਰਨੀ ਹੈ।
ਇਸ ਵਿੱਚ ਸ਼ਾਮਲ ਖੋਜਕਰਤਾਵਾਂ ਲਈ, ਸਬਕ ਸਪੱਸ਼ਟ ਹੈ: ਏਆਈ ਵਿਗਿਆਨ ਦੇ ਸਕੈਫੋਲਡਿੰਗ ਨੂੰ ਸ਼ਾਨਦਾਰ ਗਤੀ ਨਾਲ ਦੁਬਾਰਾ ਬਣਾ ਸਕਦਾ ਹੈ, ਪਰ ਮਨੁੱਖੀ ਨਿਰਣਾ ਲੋਡ-ਬੇਅਰਿੰਗ ਰਹਿੰਦਾ ਹੈ।
AI ਤੋਂ ਅੱਗੇ ਰਹੋ
ਖੋਜ ਸਫਲਤਾਵਾਂ ਤੋਂ ਲੈ ਕੇ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਤੈਨਾਤੀਆਂ ਤੱਕ, ਪਰਿਵਰਤਨ ਦੀ ਗਤੀ ਨਿਰੰਤਰ ਹੈ। ਬੁੱਕਮਾਰਕ AI Buzz Wire ਚੱਲ ਰਹੀ, ਤੱਥ-ਜਾਂਚ ਕੀਤੀ ਕਵਰੇਜ ਲਈ ਕਿ ਕਿਵੇਂ ਨਕਲੀ ਬੁੱਧੀ ਵਿਗਿਆਨ, ਕਾਰੋਬਾਰ ਅਤੇ ਸਮਾਜ ਨੂੰ ਮੁੜ ਆਕਾਰ ਦੇ ਰਹੀ ਹੈ।
ਹੋਰ AI ਖੋਜ ਖ਼ਬਰਾਂ ਪੜ੍ਹੋ →
