ਐਂਥਰੋਪਿਕ ਨੇ ਖੋਜ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤੀ ਹੈ ਜੋ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ ਆਟੋਮੇਟਿਡ AI ਪ੍ਰਣਾਲੀਆਂ ਇੱਕ ਮਾਡਲ ਦੀ ਅਲਾਈਨਮੈਂਟ ਅਸਫਲਤਾਵਾਂ ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਨਾਲ ਮੁਰੰਮਤ ਕਰ ਸਕਦੀਆਂ ਹਨ, ਇੱਕ ਨਤੀਜਾ ਇਹ ਮੁੜ ਆਕਾਰ ਦੇ ਸਕਦਾ ਹੈ ਕਿ AI ਉਦਯੋਗ ਦੇ ਕੇਂਦਰ ਵਿੱਚ ਸੁਰੱਖਿਆ ਦਾ ਕੰਮ ਕਿਵੇਂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਪੇਪਰ, ਜਿਸਦਾ ਸਿਰਲੇਖ ਹੈ, "ਆਟੋਮੇਟਿਡ ਖੋਜਕਰਤਾ ਭਰੋਸੇਯੋਗਤਾ ਨਾਲ ਅਲਾਈਨਮੈਂਟ ਅਸਫਲਤਾਵਾਂ ਨੂੰ ਘਟਾ ਸਕਦੇ ਹਨ," ਸ਼ੁੱਕਰਵਾਰ ਨੂੰ ਜਾਰੀ ਕੀਤਾ ਗਿਆ ਸੀ ਅਤੇ TechCrunch ਦੁਆਰਾ ਵਿਸਤ੍ਰਿਤ ਕੀਤਾ ਗਿਆ ਸੀ।
ਖੋਜ ਐਂਥਰੋਪਿਕ ਦੇ ਫੈਲੋ ਪ੍ਰੋਗਰਾਮ ਤੋਂ ਬਾਹਰ ਆਉਂਦੀ ਹੈ ਅਤੇ ਇਸ ਦੀ ਅਗਵਾਈ ਚੇਨ ਯੂਏਹ-ਹਾਨ ਦੁਆਰਾ ਕੀਤੀ ਗਈ ਸੀ। ਇਸਦਾ ਕੇਂਦਰੀ ਦਾਅਵਾ ਹੈਰਾਨਕੁੰਨ ਹੈ: ਜਦੋਂ ਕੰਪਨੀ ਦੇ ਸਵੈਚਾਲਤ ਖੋਜ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਖਾਸ ਗਲਤ ਵਿਵਹਾਰਾਂ ਨੂੰ ਮਾਪਣ ਵਾਲੇ ਦਸ ਮਾਪਦੰਡਾਂ 'ਤੇ ਇਸ਼ਾਰਾ ਕੀਤਾ ਗਿਆ ਸੀ, ਤਾਂ ਉਹਨਾਂ ਨੇ ਮਾਡਲ ਦੀ ਸਮੁੱਚੀ ਸਮਰੱਥਾ ਨੂੰ ਘਟਾਏ ਬਿਨਾਂ - ਹਰ ਇੱਕ 'ਤੇ ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ ਸੁਧਾਰ ਕੀਤਾ। ਇੱਕ ਖੇਤਰ ਲਈ ਜਿਸ ਨੇ ਸੁਰੱਖਿਆ ਦੇ ਕੰਮ ਨੂੰ ਮਾਡਲ ਪੈਮਾਨੇ ਦੇ ਨਾਲ ਕਦਮ ਰੱਖਣ ਲਈ ਸੰਘਰਸ਼ ਕੀਤਾ ਹੈ, ਇਹ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਨਤੀਜਾ ਹੈ। For more context on this story, see our ongoing more AI stories.
ਕਹਾਣੀ ਏਆਈ ਸੁਰੱਖਿਆ ਕਵਰੇਜ ਲਈ ਇੱਕ ਵਿਅਸਤ ਖਿੱਚ ਦੇ ਦੌਰਾਨ ਉਤਰੀ। ਇਹ ਇੱਕ ਗਰਮੀ ਤੋਂ ਬਾਅਦ ਹੈ ਜਿਸ ਵਿੱਚ ਏਜੰਟ ਦੇ ਦੁਰਵਿਵਹਾਰ ਨੇ ਸੁਰਖੀਆਂ ਵਿੱਚ ਹਾਵੀ ਰਿਹਾ ਹੈ, ਇਨਾਮ-ਹੈਕਿੰਗ ਏਜੰਟਾਂ ਬਾਰੇ ਓਪਨਏਆਈ ਦੀ ਅੰਦਰੂਨੀ ਰਿਪੋਰਟ ਤੋਂ ਲੈ ਕੇ ਹੱਗਿੰਗ ਫੇਸ ਉਲੰਘਣਾ ਦੀ ਸੁਤੰਤਰ ਜਾਂਚ ਦੀ ਮੰਗ ਤੱਕ। ਐਂਥਰੋਪਿਕ ਦਾ ਨਵਾਂ ਪੇਪਰ ਉਲਟ ਦਿਸ਼ਾ ਤੋਂ ਸਮੱਸਿਆ ਤੱਕ ਪਹੁੰਚਦਾ ਹੈ: ਇਹ ਪੁੱਛਣ ਦੀ ਬਜਾਏ ਕਿ ਏਜੰਟ ਕਿਵੇਂ ਦੁਰਵਿਵਹਾਰ ਕਰਦੇ ਹਨ, ਇਹ ਪੁੱਛਦਾ ਹੈ ਕਿ ਕੀ ਉਨ੍ਹਾਂ ਨੂੰ ਠੀਕ ਕਰਨ ਲਈ ਹੋਰ ਏਜੰਟਾਂ 'ਤੇ ਭਰੋਸਾ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।
ਪੇਪਰ ਅਸਲ ਵਿੱਚ ਕੀ ਰਿਪੋਰਟ ਕਰਦਾ ਹੈ
ਪੇਪਰ ਵਿੱਚ ਵਰਣਿਤ ਸਿਸਟਮ ਨੂੰ ਇੱਕ ਆਟੋਮੇਟਿਡ ਅਲਾਈਨਮੈਂਟ ਖੋਜਕਰਤਾ, ਜਾਂ AAR ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਖੋਜ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਬਦਲਣ ਦੀ ਬਜਾਏ, AAR ਇਸਦਾ ਬਹੁਤਾ ਹਿੱਸਾ ਦੁਹਰਾਉਂਦਾ ਹੈ: ਹਰੇਕ ਆਟੋਮੇਟਿਡ ਸਿਸਟਮ ਉਪਲਬਧ ਸਾਹਿਤ ਦੀ ਖੋਜ ਕਰਦਾ ਹੈ, ਇੱਕ ਵਿਧੀ ਦਾ ਪ੍ਰਸਤਾਵ ਦਿੰਦਾ ਹੈ, ਅਤੇ ਲਗਭਗ 30 ਮਿੰਟਾਂ ਲਈ ਉਸ ਵਿਧੀ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਮਾਡਲ ਨੂੰ ਸਿਖਲਾਈ ਦਿੰਦਾ ਹੈ। ਪ੍ਰਕਿਰਿਆ ਫਿਰ ਕਈ ਦੁਹਰਾਓ ਵਿੱਚ ਦੁਹਰਾਉਂਦੀ ਹੈ।
ਚੋਣ ਵਿਧੀ ਸਧਾਰਨ ਹੈ. ਬੈਂਚਮਾਰਕ ਨੂੰ ਹਿਲਾਉਣ ਵਾਲੇ ਢੰਗਾਂ ਨੂੰ ਸੁਰੱਖਿਅਤ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ; ਤਰੀਕੇ ਜੋ ਰੱਦ ਨਹੀਂ ਕੀਤੇ ਜਾਂਦੇ ਹਨ। ਇਹ ਲੂਪ ਸਿਸਟਮ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਕੰਮ ਕਰਨ ਦਿੰਦਾ ਹੈ ਅਤੇ ਇੱਕ ਪੈਮਾਨੇ 'ਤੇ ਕੋਈ ਵੀ ਮਨੁੱਖੀ ਟੀਮ ਮੇਲ ਨਹੀਂ ਖਾਂਦੀ, ਸਮਾਨਾਂਤਰ ਵਿੱਚ ਬਹੁਤ ਸਾਰੀਆਂ ਖੋਜ ਦਿਸ਼ਾਵਾਂ ਦੀ ਜਾਂਚ ਕਰਦੀ ਹੈ ਅਤੇ ਸਿਰਫ਼ ਉਹੀ ਕੰਮ ਕਰਦੀ ਹੈ ਜੋ ਕੰਮ ਕਰਦੀ ਹੈ।
ਪੇਪਰ ਦੇ ਅਨੁਸਾਰ, ਨਤੀਜੇ ਬੋਰਡ ਭਰ ਵਿੱਚ ਇਕਸਾਰ ਸਨ. ਖਾਸ ਗਲਤ ਵਿਵਹਾਰਾਂ ਨੂੰ ਕਵਰ ਕਰਨ ਵਾਲੇ ਸਾਰੇ ਦਸ ਮਾਪਦੰਡਾਂ 'ਤੇ, ਆਟੋਮੇਟਿਡ ਸਿਸਟਮਾਂ ਨੇ ਸਮੁੱਚੇ ਮਾਡਲ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਨੁਕਸਾਨ ਪਹੁੰਚਾਏ ਬਿਨਾਂ ਮਾਪਣਯੋਗ ਸੁਧਾਰ ਕੀਤੇ - ਆਮ ਵਪਾਰ-ਬੰਦ ਜੋ ਅਲਾਈਨਮੈਂਟ ਦੇ ਕੰਮ ਨੂੰ ਮੁਸ਼ਕਲ ਬਣਾਉਂਦਾ ਹੈ।
"ਕੁੱਲ ਮਿਲਾ ਕੇ, ਇਹ ਨਤੀਜੇ ਸ਼ੁਰੂਆਤੀ ਸਬੂਤ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ ਕਿ ਆਟੋਮੇਟਿਡ ਅਲਾਈਨਮੈਂਟ ਪੋਸਟ-ਟ੍ਰੇਨਿੰਗ ਨੇੜੇ ਦੇ ਸਮੇਂ ਵਿੱਚ ਵਿਹਾਰਕ ਬਣ ਸਕਦੀ ਹੈ," ਪੇਪਰ ਕਹਿੰਦਾ ਹੈ।
ਇਨਸਾਨਾਂ ਨੂੰ ਕੁੱਟਣਾ, 1/37 ਦੀ ਕੀਮਤ 'ਤੇ
ਪੇਪਰ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਹਵਾਲਾ ਦਿੱਤੇ ਗਏ ਹਵਾਲੇ ਉਹ ਹਨ ਜਿੱਥੇ ਇਹ AAR ਦੀ ਤੁਲਨਾ ਇਸਦੇ ਮਨੁੱਖੀ ਹਮਰੁਤਬਾ ਨਾਲ ਕਰਦਾ ਹੈ। ਐਂਥਰੋਪਿਕ ਨੇ ਤੁਲਨਾ 'ਤੇ ਹੇਜ ਨਹੀਂ ਕੀਤਾ।
ਪੇਪਰ ਪੜ੍ਹਦਾ ਹੈ, "ਸਭ ਤੋਂ ਵਧੀਆ AAR ਵਿਧੀ ਅਨੁਭਵੀ ਮਨੁੱਖਾਂ ਦੁਆਰਾ ਪ੍ਰਸਤਾਵਿਤ ਕੀਤੇ ਗਏ ਪ੍ਰਸਤਾਵਾਂ ਨੂੰ ਔਸਤਨ ਛੇ ਘੰਟਿਆਂ ਦੇ ਅੰਦਰ ਹਰਾ ਦਿੰਦੀ ਹੈ," ਪੇਪਰ ਪੜ੍ਹਦਾ ਹੈ। ਇਹ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਜੋੜਦਾ ਹੈ, ਕਿ "ਮਨੁੱਖੀ ਨਿਰਦੇਸ਼ਿਤ ਖੋਜ ਦਿਸ਼ਾਵਾਂ ਮਜ਼ਬੂਤ ਪ੍ਰਦਰਸ਼ਨ ਵੱਲ ਅਗਵਾਈ ਨਹੀਂ ਕਰਦੀਆਂ."
ਅਰਥ-ਵਿਵਸਥਾ ਉਸੇ ਤਰ੍ਹਾਂ ਹੀ ਧੁੰਦਲੀ ਹੈ। ਲੇਖਕ ਲਿਖਦੇ ਹਨ, "ਇੱਕ AAR ਦੀ ਕੀਮਤ ਲਗਭਗ $4 ਪ੍ਰਤੀ ਘੰਟਾ API ਅਨੁਮਾਨ ਵਿੱਚ $150 ਪ੍ਰਤੀ ਘੰਟਾ ਹੈ ਜੋ ਅਸੀਂ ਆਪਣੇ ਮਨੁੱਖੀ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਅਦਾ ਕਰਦੇ ਹਾਂ।" ਇਹ ਲਗਭਗ 40 ਗੁਣਾ ਦੀ ਲਾਗਤ ਦਾ ਅੰਤਰ ਹੈ, ਅਤੇ ਇਹ ਦੱਸਦਾ ਹੈ ਕਿ ਲੈਬਾਂ ਸਵੈਚਲਿਤ ਖੋਜ ਨੂੰ ਇੱਕ ਉਤਸੁਕਤਾ ਤੋਂ ਵੱਧ ਗੰਭੀਰਤਾ ਨਾਲ ਕਿਉਂ ਲੈ ਰਹੀਆਂ ਹਨ।
ਲਾਗਤ ਅੰਤਰ ਕਿਉਂ ਮਾਅਨੇ ਰੱਖਦਾ ਹੈ
ਅਲਾਈਨਮੈਂਟ ਖੋਜ ਇਸ ਤਰੀਕੇ ਨਾਲ ਮਹਿੰਗੀ ਹੈ ਜਿਸਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣਾ ਆਸਾਨ ਹੈ। ਹਰੇਕ ਉਮੀਦਵਾਰ ਦੀ ਦਖਲਅੰਦਾਜ਼ੀ ਨੂੰ ਲਾਗੂ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ, ਅਤੇ ਬੈਂਚਮਾਰਕਾਂ ਦੇ ਵਿਰੁੱਧ ਮੁਲਾਂਕਣ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਜ਼ਿਆਦਾਤਰ ਉਮੀਦਵਾਰ ਅਸਫਲ ਹੋ ਜਾਂਦੇ ਹਨ। ਜੇਕਰ ਕੋਈ ਸਿਸਟਮ API ਕਾਲਾਂ ਦੀ ਕੀਮਤ ਲਈ ਉਸ ਖੋਜ ਲੂਪ ਨੂੰ ਲਗਾਤਾਰ ਚਲਾ ਸਕਦਾ ਹੈ, ਤਾਂ ਇੱਕ ਹੋਰ ਵਿਚਾਰ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨ ਦੀ ਮਾਮੂਲੀ ਲਾਗਤ ਜ਼ੀਰੋ ਤੱਕ ਪਹੁੰਚ ਜਾਂਦੀ ਹੈ। ਸੀਮਾ ਹੈੱਡਕਾਉਂਟ ਤੋਂ ਗਣਨਾ ਵਿੱਚ ਬਦਲ ਜਾਂਦੀ ਹੈ।
ਸੀਮਾਵਾਂ ਐਂਥ੍ਰੋਪਿਕ ਖੁਦ ਫਲੈਗ ਕੀਤੀਆਂ
ਪੇਪਰ ਇਸ ਬਾਰੇ ਸਪੱਸ਼ਟ ਹੈ ਕਿ ਨਤੀਜਾ ਕੀ ਸਥਾਪਿਤ ਨਹੀਂ ਕਰਦਾ. ਆਟੋਮੇਟਿਡ ਸਿਸਟਮ ਸਿਰਫ਼ ਉਦੋਂ ਹੀ ਕੰਮ ਕਰਦਾ ਹੈ ਕਿਉਂਕਿ ਬੈਂਚਮਾਰਕ ਅਸਲ ਵਿੱਚ ਅਲਾਈਨਮੈਂਟ ਟੀਚਿਆਂ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ ਜੋ ਮਹੱਤਵਪੂਰਨ ਹੁੰਦੇ ਹਨ - ਅਤੇ ਅਸਲ-ਸੰਸਾਰ ਦੇ ਦੁਰਵਿਵਹਾਰ ਨੂੰ ਹਾਸਲ ਕਰਨ ਵਾਲੇ ਬੈਂਚਮਾਰਕਾਂ ਨੂੰ ਬਣਾਉਣਾ ਅਤੇ ਕਾਇਮ ਰੱਖਣਾ ਖੇਤਰ ਵਿੱਚ ਇੱਕ ਖੁੱਲ੍ਹੀ ਸਮੱਸਿਆ ਬਣੀ ਹੋਈ ਹੈ।
ਇੱਕ ਨਿਰਭਰਤਾ ਵੀ ਹੈ ਜਿਸਨੂੰ ਮਿਸ ਕਰਨਾ ਆਸਾਨ ਹੈ: ਸਵੈਚਾਲਿਤ ਖੋਜਕਰਤਾ ਤਰੀਕਿਆਂ ਦੇ ਇੱਕ ਮੌਜੂਦਾ ਸਾਹਿਤ ਨੂੰ ਖਿੱਚਦੇ ਹਨ. ਉਸ ਸਾਹਿਤ ਨੂੰ ਕਾਇਮ ਰੱਖਣਾ ਅਤੇ ਵਿਸਤਾਰ ਕਰਨਾ ਆਪਣੇ ਆਪ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਕੰਮ ਹੈ, ਅਤੇ ਇੱਕ ਪ੍ਰਣਾਲੀ ਜੋ ਸਿਰਫ ਜਾਣੀਆਂ-ਪਛਾਣੀਆਂ ਤਕਨੀਕਾਂ ਨੂੰ ਰੀਮਿਕਸ ਕਰਦੀ ਹੈ, ਇੱਕ ਅਜਿਹੀ ਹੱਦ ਨੂੰ ਮਾਰ ਸਕਦੀ ਹੈ ਜੋ ਮਨੁੱਖੀ ਰਚਨਾਤਮਕਤਾ ਨਹੀਂ ਕਰੇਗੀ।
ਉਹ ਚੇਤਾਵਨੀਆਂ ਮਾਇਨੇ ਰੱਖਦੀਆਂ ਹਨ ਕਿਉਂਕਿ ਖੋਜ ਦੀ ਲੰਮੀ ਮਿਆਦ ਦੀ ਮਹੱਤਤਾ ਉਹਨਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ। ਜੇਕਰ ਬੈਂਚਮਾਰਕ ਗਲਤ ਚੀਜ਼ਾਂ ਨੂੰ ਮਾਪਦੇ ਹਨ, ਤਾਂ ਇੱਕ AAR ਮਜ਼ਬੂਤ ਸੰਖਿਆਵਾਂ ਲਈ ਆਪਣੇ ਤਰੀਕੇ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾ ਸਕਦਾ ਹੈ ਜਦੋਂ ਕਿ ਅੰਡਰਲਾਈੰਗ ਜੋਖਮ ਅਛੂਤੇ ਰਹਿੰਦੇ ਹਨ। ਐਂਥਰੋਪਿਕ ਦਾ ਫਰੇਮਿੰਗ - "ਸ਼ੁਰੂਆਤੀ ਸਬੂਤ," ਕੋਈ ਹੱਲ ਨਹੀਂ - ਉਸ ਅਨਿਸ਼ਚਿਤਤਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।
ਆਵਰਤੀ ਸਵੈ-ਸੁਧਾਰ ਵੱਲ ਇੱਕ ਕਦਮ
ਇਹ ਪੇਪਰ ਆਵਰਤੀ ਸਵੈ-ਸੁਧਾਰ ਬਾਰੇ ਇੱਕ ਵੱਡੀ ਬਹਿਸ ਨੂੰ ਵੀ ਫੀਡ ਕਰਦਾ ਹੈ, ਇਹ ਵਿਚਾਰ ਕਿ AI ਸਿਸਟਮ ਆਖਰਕਾਰ ਉਹਨਾਂ ਨੂੰ ਪੈਦਾ ਕਰਨ ਵਾਲੀਆਂ ਬਹੁਤ ਹੀ ਸਿਖਲਾਈ ਪ੍ਰਕਿਰਿਆਵਾਂ ਵਿੱਚ ਸੁਧਾਰ ਕਰ ਸਕਦੇ ਹਨ। ਹੋਰ ਏਆਈ ਮਾਡਲਾਂ ਦੇ ਨਾਲ AI ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣਾ ਫਰੰਟੀਅਰ ਲੈਬਾਂ ਲਈ ਇੱਕ ਪ੍ਰਸਿੱਧ ਟੀਚਾ ਬਣ ਗਿਆ ਹੈ, ਅਤੇ ਐਂਥਰੋਪਿਕ ਦਾ ਨਤੀਜਾ ਇੱਕ ਸ਼ੁਰੂਆਤੀ, ਠੋਸ ਨਜ਼ਰ ਹੈ ਜੋ ਇੱਕ ਤੰਗ ਡੋਮੇਨ ਵਿੱਚ ਕਿਹੋ ਜਿਹਾ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ।
ਤਰਕ ਸਿੱਧਾ ਹੈ। ਜੇਕਰ ਮਾਡਲ ਭਰੋਸੇਯੋਗ ਤੌਰ 'ਤੇ ਆਪਣੀ ਖੁਦ ਦੀ ਅਲਾਈਨਮੈਂਟ ਸਿਖਲਾਈ ਵਿੱਚ ਸੁਧਾਰ ਕਰ ਸਕਦੇ ਹਨ, ਤਾਂ ਉਹੀ ਮਸ਼ੀਨਰੀ ਨੂੰ ਸਿਖਲਾਈ ਦੇ ਅਭਿਆਸਾਂ ਵੱਲ ਵਧੇਰੇ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਸੰਕੇਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ - ਸਮਰੱਥਾ ਦਾ ਕੰਮ ਸ਼ਾਮਲ ਹੈ। TechCrunch ਇਸ ਗੱਲ ਨੂੰ ਨੋਟ ਕਰਦਾ ਹੈ ਕਿ ਮਨੁੱਖੀ AI ਖੋਜਕਰਤਾ ਆਖਰਕਾਰ ਪ੍ਰਕਿਰਿਆ ਲਈ ਘੱਟ ਕੇਂਦਰੀ ਬਣ ਸਕਦੇ ਹਨ, ਇੱਕ ਸੰਭਾਵਨਾ ਜਿਸ ਨਾਲ ਪੇਪਰ ਆਪਣੇ ਆਪ ਵਿੱਚ ਬਚਣ ਦੀ ਬਜਾਏ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ।
ਅੱਗੇ ਕੀ ਦੇਖਣਾ ਹੈ
ਤਿੰਨ ਸਵਾਲ ਇਹ ਨਿਰਧਾਰਤ ਕਰਨਗੇ ਕਿ ਕੀ ਇਹ ਨਤੀਜਾ ਸਧਾਰਣ ਹੈ। ਪਹਿਲਾਂ, ਕੀ ਪਹੁੰਚ ਐਂਥਰੋਪਿਕ ਟੈਸਟ ਕੀਤੇ ਗਏ ਦਸ ਮਾਪਦੰਡਾਂ ਤੋਂ ਬਾਹਰ ਹੈ, ਅਸਫਲ ਮੋਡਾਂ 'ਤੇ ਜੋ ਗੜਬੜ ਵਾਲੇ ਅਤੇ ਘੱਟ ਚੰਗੀ ਤਰ੍ਹਾਂ ਪਰਿਭਾਸ਼ਿਤ ਹਨ। ਦੂਜਾ, ਕੀ ਸਵੈਚਾਲਤ ਖੋਜ ਨੂੰ ਇਮਾਨਦਾਰ ਰੱਖਣ ਲਈ ਬੈਂਚਮਾਰਕ-ਸੰਭਾਲ ਸਮੱਸਿਆ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਹੱਲ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਤੀਜਾ, ਕੀ ਹੋਰ ਪ੍ਰਯੋਗਸ਼ਾਲਾਵਾਂ ਤੁਲਨਾਤਮਕ ਨਤੀਜੇ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਦੀਆਂ ਹਨ, ਜੋ ਇੱਕ ਇੱਕਲੇ ਪੇਪਰ ਨੂੰ ਉਦਯੋਗ ਦੀ ਦਿਸ਼ਾ ਵਿੱਚ ਬਦਲ ਦਿੰਦੀਆਂ ਹਨ।
ਹੁਣ ਲਈ, ਖੋਜ ਤੰਗ ਹੈ ਪਰ ਅਸਲ ਹੈ: ਐਂਥਰੋਪਿਕ ਟੈਸਟ ਕੀਤੇ ਗਏ ਖਾਸ ਅਲਾਈਨਮੈਂਟ ਕਾਰਜਾਂ 'ਤੇ, ਸਵੈਚਾਲਿਤ ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਤਜਰਬੇਕਾਰ ਮਨੁੱਖਾਂ ਨੂੰ ਪਛਾੜ ਦਿੱਤਾ, ਤੇਜ਼ ਅਤੇ ਬਹੁਤ ਸਸਤਾ। AI ਉਦਯੋਗ ਦਾ ਸੁਰੱਖਿਆ ਪੱਖ ਉਹ ਪਹਿਲਾ ਸਥਾਨ ਹੋ ਸਕਦਾ ਹੈ ਜਿੱਥੇ AI ਖੋਜਕਰਤਾ - ਮਨੁੱਖੀ ਨਹੀਂ - ਜ਼ਿਆਦਾਤਰ ਕੰਮ ਕਰਦੇ ਹਨ।
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
