ਇੱਕ AI ਸਿਸਟਮ ਨੇ ਅੰਤ ਵਿੱਚ ਸਟ੍ਰੈਟੇਗੋ ਨੂੰ ਜਿੱਤ ਲਿਆ ਹੈ, ਕਲਾਸਿਕ ਬੋਰਡ ਗੇਮ ਜਿਸ ਨੇ ਦਹਾਕਿਆਂ ਤੱਕ ਮਸ਼ੀਨਾਂ ਨੂੰ ਸਟੰਪ ਕੀਤਾ - ਅਤੇ ਇਸ ਨੇ ਇਹ ਇੱਕ ਸ਼ੋਸਟਰਿੰਗ ਬਜਟ 'ਤੇ ਕੀਤਾ। ਕਾਰਨੇਗੀ ਮੇਲਨ ਯੂਨੀਵਰਸਿਟੀ, ਐਮਆਈਟੀ, ਨਿਊਯਾਰਕ ਯੂਨੀਵਰਸਿਟੀ ਅਤੇ ਸਟੈਨਫੋਰਡ ਯੂਨੀਵਰਸਿਟੀ ਦੇ ਖੋਜਕਰਤਾਵਾਂ ਦੀ ਇੱਕ ਟੀਮ ਨੇ ਅਟਾਰਾਕਸੋਸ ਨਾਮਕ ਇੱਕ AI ਬਣਾਇਆ ਜਿਸ ਨੇ ਪਿਮ ਨੀਮੇਈਜ਼ਰ ਨੂੰ ਹਰਾਇਆ, ਜਿਸਨੂੰ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਹੁਣ ਤੱਕ ਦਾ ਸਭ ਤੋਂ ਵਧੀਆ ਰਣਨੀਤੀ ਖਿਡਾਰੀ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ, 15 ਗੇਮਾਂ ਦੇ ਸਕੋਰ ਨਾਲ ਚਾਰ ਡਰਾਅ ਨਾਲ 1 ਨਾਲ, ਆਰਸ ਟੈਕਨੀਕਾ ਦੀ ਰਿਪੋਰਟ ਹੈ।
ਨਤੀਜਾ ਕੀਮਤ ਟੈਗ ਨਾਲੋਂ ਸਕੋਰਲਾਈਨ ਲਈ ਘੱਟ ਮਾਰ ਰਿਹਾ ਹੈ। Ataraxos ਨੇ ਲਗਭਗ ਇੱਕ ਹਫ਼ਤੇ ਲਈ ਸਿਰਫ 16 GPUs 'ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ, ਨਾਲ ਹੀ ਇੱਕ ਸਾਥੀ ਮਾਡਲ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਚਾਰ ਦਿਨਾਂ ਲਈ ਚਾਰ ਵਾਧੂ GPUs - ਇੱਕ ਦੌੜ ਟੀਮ ਕਹਿੰਦੀ ਹੈ ਕਿ ਸਿਰਫ ਕੁਝ ਹਜ਼ਾਰ ਡਾਲਰ ਦੀ ਲਾਗਤ ਹੈ। DeepMind's DeepNash, 2022 ਦਾ ਸਿਸਟਮ ਜਿਸ ਨੇ ਪਹਿਲੀ ਵਾਰ ਗੇਮ ਵੱਲ ਗੰਭੀਰ AI ਦਾ ਧਿਆਨ ਲਿਆਇਆ, ਜਿਸ ਨੂੰ Google ਦੇ ਵਿਸ਼ੇਸ਼ TPU ਚਿਪਸ ਦੇ 1,024 'ਤੇ ਦੋ ਤੋਂ ਤਿੰਨ ਮਹੀਨਿਆਂ ਲਈ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ, ਜਿਸ ਨੂੰ ਚਲਾਉਣ ਲਈ Ataraxos ਟੀਮ ਦਾ ਅੰਦਾਜ਼ਾ ਹੈ ਕਿ 2025 ਦੀਆਂ ਕੀਮਤਾਂ 'ਤੇ $3 ਮਿਲੀਅਨ ਅਤੇ $4.5 ਮਿਲੀਅਨ ਦੇ ਵਿਚਕਾਰ ਖਰਚ ਹੋਵੇਗਾ। For more context on this story, see our ongoing breaking AI news.
ਦਹਾਕਿਆਂ ਲਈ ਸਟ੍ਰੈਟੈਗੋ AI ਨੂੰ ਸਟੰਪ ਕਿਉਂ ਕੀਤਾ ਗਿਆ
ਡੀਪ ਬਲੂ ਨੇ 1997 ਵਿੱਚ ਸ਼ਤਰੰਜ ਵਿੱਚ ਗੈਰੀ ਕਾਸਪਾਰੋਵ ਨੂੰ ਹਰਾਇਆ। ਅਲਫਾਗੋ ਨੇ 2016 ਵਿੱਚ ਗੋ ਵਿੱਚ ਲੀ ਸੇਡੋਲ ਨੂੰ ਹਰਾਇਆ। ਪੋਕਰ ਬੋਟਾਂ ਨੇ ਸਾਲਾਂ ਤੋਂ ਪੇਸ਼ੇਵਰਾਂ ਨੂੰ ਹਰਾਇਆ ਹੈ। ਰਣਨੀਤੀ ਨੂੰ ਬਾਹਰ ਰੱਖਿਆ — ਇੱਥੋਂ ਤੱਕ ਕਿ DeepMind ਦੇ ਕਾਫ਼ੀ ਸਰੋਤਾਂ ਦੇ ਵਿਰੁੱਧ ਵੀ।
ਖੇਡ ਦੀ ਮੁਸ਼ਕਲ ਲੁਕੀ ਹੋਈ ਜਾਣਕਾਰੀ, ਸਕੇਲ ਅਤੇ ਲੰਬਾਈ ਦੇ ਇਸ ਦੇ ਅਸਾਧਾਰਨ ਸੁਮੇਲ ਤੋਂ ਆਉਂਦੀ ਹੈ। ਹਰ ਖਿਡਾਰੀ 40 ਟੁਕੜਿਆਂ ਦੀ ਕਮਾਂਡ ਦਿੰਦਾ ਹੈ ਜੋ ਫੌਜੀ ਰੈਂਕਾਂ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ, ਇੱਕ ਮਾਰਸ਼ਲ ਤੋਂ ਲੈ ਕੇ ਜਾਸੂਸ ਤੱਕ, ਨਾਲ ਹੀ ਬੰਬ ਅਤੇ ਇੱਕ ਝੰਡਾ। ਤੁਸੀਂ ਵਿਰੋਧੀ ਦੇ ਝੰਡੇ ਨੂੰ ਫੜ ਕੇ ਜਿੱਤ ਜਾਂਦੇ ਹੋ। ਤੁਹਾਡਾ ਵਿਰੋਧੀ ਦੇਖ ਸਕਦਾ ਹੈ ਕਿ ਤੁਹਾਡੇ ਟੁਕੜੇ ਕਿੱਥੇ ਹਨ, ਪਰ ਇਹ ਨਹੀਂ ਕਿ ਉਹ ਕੀ ਹਨ। ਪਛਾਣ ਉਦੋਂ ਹੀ ਪ੍ਰਗਟ ਹੁੰਦੀ ਹੈ ਜਦੋਂ ਦੋ ਟੁਕੜੇ ਟਕਰਾ ਜਾਂਦੇ ਹਨ, ਅਤੇ ਕਮਜ਼ੋਰ ਟੁਕੜੇ ਨੂੰ ਹਟਾ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ.
"ਸਟ੍ਰੈਟੇਗੋ ਵਿੱਚ, ਬੋਰਡ 'ਤੇ 40 ਟੁਕੜੇ ਹਨ ਜੋ ਕਿਸੇ ਵੀ ਕ੍ਰਮ ਵਿੱਚ ਹੋ ਸਕਦੇ ਹਨ," ਗੈਬਰੀਅਲ ਫਰੀਨਾ, ਇੱਕ ਐਮਆਈਟੀ ਕੰਪਿਊਟਰ ਵਿਗਿਆਨੀ ਅਤੇ ਅਧਿਐਨ ਦੇ ਸਹਿ-ਲੇਖਕ, ਨੇ ਆਰਸ ਟੈਕਨੀਕਾ ਨੂੰ ਦੱਸਿਆ। ਇਹ ਟੈਕਸਾਸ ਹੋਲਡੇਮ ਵਿੱਚ 1,326 ਸੰਭਾਵਿਤ ਹੱਥਾਂ ਨੂੰ ਬੌਣਾ ਬਣਾਉਣਾ, ਇੱਕ ਗੇਮ ਕੰਪਿਊਟਰ ਕਈ ਸਾਲ ਪਹਿਲਾਂ ਕ੍ਰੈਕ ਕੀਤਾ ਗਿਆ ਸੀ। ਲੰਬਾਈ ਸਮੱਸਿਆ ਨੂੰ ਜੋੜਦੀ ਹੈ: "ਸ਼ਤਰੰਜ ਵਿੱਚ, ਆਮ ਤੌਰ 'ਤੇ ਖੇਡ 40 ਚਾਲਾਂ ਤੱਕ ਚੱਲਦੀ ਹੈ, ਪਰ ਰਣਨੀਤੀ ਵਿੱਚ, ਇੱਕ ਖੇਡ ਆਸਾਨੀ ਨਾਲ 2,000 ਚਾਲਾਂ ਤੱਕ ਚੱਲ ਸਕਦੀ ਹੈ," ਫਰੀਨਾ ਨੇ ਕਿਹਾ।
ਫਿਰ ਬਲਫਿੰਗ ਹੁੰਦੀ ਹੈ। ਕਿਸੇ ਕਮਜ਼ੋਰ ਟੁਕੜੇ ਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਹਿਲਾਉਣਾ ਜਿਵੇਂ ਕਿ ਇਹ ਮਾਰਸ਼ਲ ਹੋਵੇ, ਵਿਰੋਧੀ ਨੂੰ ਡਰਾ ਸਕਦਾ ਹੈ, ਪਰ ਅਕਸਰ ਬੁਖਲਾਹਟ ਅਤੇ ਧਮਕੀਆਂ ਦਾ ਕੋਈ ਮਤਲਬ ਨਹੀਂ ਹੁੰਦਾ; ਕਦੇ ਬਲਫ ਨਾ ਕਰੋ ਅਤੇ ਤੁਸੀਂ ਭਵਿੱਖਬਾਣੀਯੋਗ ਬਣ ਜਾਂਦੇ ਹੋ। ਇਹ ਸੰਤੁਲਨ ਕਾਰਜ ਉਹ ਹੈ ਜਿਸ ਨੇ ਦੀਪਨੈਸ਼ ਵਰਗੇ ਪੁਰਾਣੇ ਸਿਸਟਮਾਂ ਨੂੰ ਸਿਖਰ 'ਤੇ ਪਹੁੰਚਣ ਤੋਂ ਰੋਕਿਆ।
NYU ਦੇ ਇੱਕ ਖੋਜਕਾਰ ਅਤੇ ਇੱਕ ਹੋਰ ਸਹਿ-ਲੇਖਕ, ਯੂਜੀਨ ਵਿਨਿਤਸਕੀ ਨੇ ਕਿਹਾ, "ਸਟ੍ਰੈਟੈਗੋ ਬਾਰੇ ਕੁਝ ਬਹੁਤ ਹੀ ਵਿਲੱਖਣ ਹੈ, ਜੋ ਕਿ ਇਹ ਹੈ ਕਿ ਇਹ ਇੱਕ ਬਹੁਤ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਲੁਕੀ ਹੋਈ ਜਾਣਕਾਰੀ ਹੈ ਜੋ ਬਹੁਤ ਲੰਬੇ ਸਮੇਂ ਦੇ ਪੈਮਾਨੇ 'ਤੇ ਪ੍ਰਗਟ ਹੁੰਦੀ ਹੈ," ਯੂਜੀਨ ਵਿਨਿਤਸਕੀ ਨੇ ਕਿਹਾ।
ਇੱਕ ਦੂਜਾ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਜੋ ਅਨੁਮਾਨ ਲਗਾਉਂਦਾ ਹੈ
Ataraxos ਨੇ ਉਹੀ ਬੁਨਿਆਦੀ ਤਰੀਕਾ ਸਿੱਖਿਆ ਜੋ DeepNash ਨੇ ਕੀਤਾ: ਆਪਣੇ ਆਪ ਦੇ ਵਿਰੁੱਧ ਖੇਡ ਕੇ, ਕੁੱਲ ਮਿਲਾ ਕੇ 163 ਮਿਲੀਅਨ ਗੇਮਾਂ, ਉਹਨਾਂ ਚਾਲਾਂ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰਨਾ ਜੋ ਜਿੱਤਾਂ ਦਾ ਕਾਰਨ ਬਣੀਆਂ ਅਤੇ ਜੋ ਨਹੀਂ ਹੋਈਆਂ ਉਹਨਾਂ ਨੂੰ ਗਿੱਲਾ ਕਰਨਾ। ਟੀਮ ਦਾ ਪਹਿਲਾ ਸੁਧਾਰ ਇਹ ਸੀ ਕਿ ਹਰੇਕ ਗੇਮ ਤੋਂ ਬਾਅਦ ਸਿਸਟਮ ਨੂੰ ਕਿੰਨਾ ਕੁ ਐਡਜਸਟ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਕਿਉਂਕਿ ਲੁਕਵੀਂ ਜਾਣਕਾਰੀ ਸਰਕਲਾਂ ਵਿੱਚ ਸਵੈ-ਪਲੇ ਐਲਗੋਰਿਦਮ ਭੇਜਦੀ ਹੈ। ਅਟਾਰੈਕਸੋਸ ਨੇ ਸਿਖਲਾਈ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ ਅਤੇ ਬਾਅਦ ਵਿੱਚ ਸਾਵਧਾਨੀ ਨਾਲ ਵੱਡੀਆਂ ਰਣਨੀਤੀਆਂ ਵਿੱਚ ਤਬਦੀਲੀਆਂ ਕੀਤੀਆਂ।
ਵੱਡੀ ਸਫਲਤਾ ਉਹ ਸੀ ਜੋ ਦੀਪਨੈਸ਼ ਕੋਲ ਕਦੇ ਨਹੀਂ ਸੀ: ਹਰ ਚਾਲ ਤੋਂ ਪਹਿਲਾਂ ਸੋਚਣਾ। ਐਕਟਿੰਗ ਤੋਂ ਪਹਿਲਾਂ ਖੋਜ-ਅਧਾਰਿਤ ਸੁਧਾਰ ਨੇ ਅਲਫਾਗੋ ਨੂੰ ਸ਼ਕਤੀਸ਼ਾਲੀ ਬਣਾਇਆ, ਪਰ ਡੀਪਮਾਈਂਡ ਇਸਨੂੰ ਰਣਨੀਤੀ ਵਿੱਚ ਕੰਮ ਨਹੀਂ ਕਰ ਸਕਿਆ ਕਿਉਂਕਿ ਖੋਜ ਸਪੇਸ ਬਹੁਤ ਵਿਸ਼ਾਲ ਸੀ।
ਹੱਲ ਇੱਕ ਦੂਜਾ ਨਿਊਰਲ ਨੈਟਵਰਕ ਸੀ - ਇੱਕ ਵਿਸ਼ਵਾਸ ਮਾਡਲ, ਜਿਸਨੂੰ ਵਿਰੋਧੀ ਦੇ ਲੁਕਵੇਂ ਟੁਕੜਿਆਂ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਲਈ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ ਸੀ ਕਿ ਉਹ ਕਿਵੇਂ ਅੱਗੇ ਵਧ ਰਹੇ ਸਨ। ਹਰ ਸੰਭਵ ਪ੍ਰਬੰਧ ਦੁਆਰਾ ਦੁਹਰਾਉਣ ਦੀ ਬਜਾਏ, ਅਟਾਰੈਕਸੋਸ ਪ੍ਰਸ਼ੰਸਾਯੋਗ ਨਮੂਨੇ ਲੈਂਦੇ ਹਨ, ਹਰੇਕ ਵਿੱਚ ਉਮੀਦਵਾਰ ਦੀਆਂ ਚਾਲਾਂ ਨੂੰ ਖੇਡਦੇ ਹਨ, ਅਤੇ ਨਤੀਜਿਆਂ ਦੇ ਅਧਾਰ ਤੇ ਚੋਣ ਕਰਦੇ ਹਨ। ਪ੍ਰਮੁੱਖ ਲੇਖਕ ਸੈਮੂਅਲ ਸੋਕੋਟਾ ਅਤੇ ਫਰੀਨਾ ਨੇ ਇੱਕ ਕਸਟਮ ਸਿਮੂਲੇਟਰ ਵੀ ਲਿਖਿਆ ਜੋ ਗ੍ਰਾਫਿਕਸ ਕਾਰਡਾਂ 'ਤੇ ਪ੍ਰਤੀ ਸਕਿੰਟ ਲੱਖਾਂ ਚਾਲਾਂ ਨੂੰ ਚਲਾਉਂਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਇੱਕ ਅਕਾਦਮਿਕ ਲੈਬ ਸਿਖਲਾਈ ਨੂੰ ਚਲਾਉਣ ਦੀ ਸਮਰੱਥਾ ਰੱਖ ਸਕਦੀ ਹੈ। ਫਰੀਨਾ ਨੇ ਕਿਹਾ, "ਜਿਸ ਪੱਧਰ 'ਤੇ ਅਸੀਂ ਅਕਾਦਮੀ ਵਿੱਚ ਹਾਂ, ਸਾਡੇ ਕੋਲ ਅਸਲ ਵਿੱਚ GPUs ਦੇ ਪੂਰੇ ਖੇਤਰ ਤੱਕ ਪਹੁੰਚ ਨਹੀਂ ਹੈ," ਫਰੀਨਾ ਨੇ ਕਿਹਾ।
ਮਨੁੱਖੀ ਚੈਂਪੀਅਨ ਨੇ ਇੱਕ ਵਾਪਸੀ ਕੀਤੀ
ਨੀਮੇਈਜ਼ਰ, ਜਿਸ ਨੇ ਚਾਰ ਵਿਸ਼ਵ ਚੈਂਪੀਅਨਸ਼ਿਪਾਂ ਰੱਖੀਆਂ ਹਨ ਅਤੇ ਵਿਸ਼ਵ ਦੇ ਸਿਖਰਲੇ ਦਰਜੇ ਦੇ ਖਿਡਾਰੀ ਵਜੋਂ 600 ਹਫ਼ਤਿਆਂ ਤੋਂ ਵੱਧ ਸਮਾਂ ਬਿਤਾਇਆ ਹੈ, ਨੇ ਤਿੰਨ ਹਫ਼ਤਿਆਂ ਵਿੱਚ ਅਟਾਰਾਕਸੋਸ ਦੇ ਵਿਰੁੱਧ 20 ਔਨਲਾਈਨ ਗੇਮਾਂ ਖੇਡੀਆਂ, ਹਰ ਜਿੱਤ ਲਈ $100 ਕਮਾਏ। ਉਹ ਜਾਣਦਾ ਸੀ ਕਿ ਏਆਈ ਉਸ ਦੇ ਅਨੁਕੂਲ ਨਹੀਂ ਹੋਵੇਗਾ, ਉਸ ਨੂੰ ਕਮਜ਼ੋਰੀਆਂ ਦਾ ਸ਼ਿਕਾਰ ਕਰਨ ਲਈ ਸਮਾਂ ਦੇਵੇਗਾ। ਉਹ ਬਿਲਕੁਲ ਇਕ ਵਾਰ ਜਿੱਤਣ ਵਿਚ ਕਾਮਯਾਬ ਰਿਹਾ।
ਖੋਜਕਰਤਾਵਾਂ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਇਕੱਲਾ ਨੁਕਸਾਨ ਕੋਈ ਨੁਕਸ ਨਹੀਂ ਸੀ। ਚੰਗੀ ਰਣਨੀਤੀ ਲਈ ਤੁਹਾਡੇ ਸੈੱਟਅੱਪ ਨੂੰ ਬੇਤਰਤੀਬ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਇਸ ਲਈ ਕਿਸਮਤ ਹਮੇਸ਼ਾ ਇੱਕ ਭੂਮਿਕਾ ਨਿਭਾਉਂਦੀ ਹੈ। ਫਰੀਨਾ ਨੇ ਕਿਹਾ, "ਇੱਥੋਂ ਤੱਕ ਕਿ ਇੱਕ ਸੰਪੂਰਣ ਰਣਨੀਤੀ, ਕਈ ਵਾਰ ਇਹ ਹਾਰ ਜਾਂਦੀ ਹੈ।"
2025 ਸਟ੍ਰੈਟੈਗੋ ਵਿਸ਼ਵ ਚੈਂਪੀਅਨਸ਼ਿਪ ਵਿੱਚ ਮਨੁੱਖੀ ਖਿਡਾਰੀਆਂ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਬਹੁਤ ਮਾੜਾ ਰਿਹਾ: ਅਟਾਰੈਕਸੋਸ ਨੂੰ ਚੁਣੌਤੀ ਦੇਣ ਵਾਲੇ ਹਾਜ਼ਰੀਨ ਨੇ 40 ਵਿੱਚੋਂ ਸਿਰਫ਼ 2 ਗੇਮਾਂ ਜਿੱਤੀਆਂ। ਬੋਟ ਨੇ ਇਹ ਵੀ ਬਦਲ ਦਿੱਤਾ ਹੈ ਕਿ ਲੋਕ ਕਿਵੇਂ ਖੇਡਦੇ ਹਨ, ਮੈਟਾਗੇਮ ਨੂੰ ਅਸਾਧਾਰਨ ਵਿਕਲਪਾਂ ਨਾਲ ਬਦਲਦੇ ਹੋਏ ਜਿਵੇਂ ਕਿ ਇਸਦੇ ਝੰਡੇ ਨੂੰ ਸਿਰਫ ਦੋ ਬੰਬਾਂ ਦੇ ਪਿੱਛੇ ਇੱਕ ਕੋਨੇ ਵਿੱਚ ਟਿੱਕਣਾ - ਇੱਕ ਬਹੁਤ ਘੱਟ ਖੇਡਿਆ ਜਾਣ ਵਾਲਾ ਸੈੱਟਅੱਪ।
ਸਿਸਟਮ ਦਾ ਨਾਮ ਸ਼ਾਂਤ ਲਈ ਪ੍ਰਾਚੀਨ ਯੂਨਾਨੀ ਸ਼ਬਦ ਤੋਂ ਆਇਆ ਹੈ, ਅਤੇ ਖੋਜਕਰਤਾਵਾਂ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਇਸਦੇ ਖੇਡ ਵਿੱਚ ਗੁਣਵੱਤਾ ਦਰਸਾਉਂਦੀ ਹੈ। ਜਦੋਂ ਕਿ ਇੱਕ ਮਨੁੱਖ ਘਾਟੇ ਤੋਂ ਉਭਰਨ ਲਈ ਜੰਗਲੀ ਤੌਰ 'ਤੇ ਜੂਆ ਖੇਡ ਸਕਦਾ ਹੈ, ਅਟਾਰਾਕਸੋਸ ਹੌਲੀ ਹੌਲੀ ਅਤੇ ਵਿਧੀਪੂਰਵਕ ਢੰਗ ਨਾਲ ਕੰਮ ਕਰਦਾ ਹੈ। ਵਿਨਿਤਸਕੀ ਨੇ ਕਿਹਾ, "ਅਸੀਂ ਬੋਟ 'ਬਲਫ' ਨੂੰ ਦੋ ਪ੍ਰਤੀਸ਼ਤ ਜਿੱਤ ਦੀ ਸੰਭਾਵਨਾ ਵਾਂਗ ਵਾਪਸੀ ਵੱਲ ਦੇਖਾਂਗੇ, ਬਹੁਤ ਹੀ, ਬਹੁਤ ਹੀ ਅਚਨਚੇਤ," ਵਿਨਿਤਸਕੀ ਨੇ ਕਿਹਾ।
ਬੋਰਡ ਤੋਂ ਪਰੇ ਇਸਦਾ ਕੀ ਅਰਥ ਹੈ
ਲੁਕਵੀਂ ਜਾਣਕਾਰੀ ਵਾਲੀਆਂ ਖੇਡਾਂ ਵਿੱਚ ਮਨੁੱਖਾਂ ਨੂੰ ਕੁੱਟਣਾ ਇੱਕ ਪਾਰਲਰ ਚਾਲ ਤੋਂ ਵੱਧ ਹੈ। ਕਿਸੇ ਵਿਰੋਧੀ ਦੇ ਨਿੱਜੀ ਰਾਜ ਬਾਰੇ ਤਰਕ ਕਰਨ ਦੀਆਂ ਤਕਨੀਕਾਂ ਅਸਲ ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਦਰਸਾਉਂਦੀਆਂ ਹਨ ਜਿੱਥੇ ਜਾਣਕਾਰੀ ਅਧੂਰੀ ਹੈ - ਗੱਲਬਾਤ ਪ੍ਰਣਾਲੀਆਂ, ਸਾਈਬਰ ਸੁਰੱਖਿਆ, ਆਰਥਿਕ ਮਾਡਲਿੰਗ ਅਤੇ ਮਲਟੀ-ਏਜੰਟ ਤਾਲਮੇਲ, ਕੁਝ ਨਾਮ ਕਰਨ ਲਈ।
ਕੁਸ਼ਲਤਾ ਕੋਣ ਕਹਾਣੀ ਦਾ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹਿੱਸਾ ਸਾਬਤ ਹੋ ਸਕਦਾ ਹੈ। ਇੱਕ ਫਰੰਟੀਅਰ ਲੈਬ ਨੇ 2022 ਵਿੱਚ ਇਸ ਸਮੱਸਿਆ 'ਤੇ ਕਈ ਮਹੀਨਿਆਂ ਦੀ ਗਣਨਾ ਕੀਤੀ; ਇੱਕ ਅਕਾਦਮਿਕ ਟੀਮ ਨੇ 2026 ਵਿੱਚ ਇੱਕ ਵਰਤੀ ਹੋਈ ਕਾਰ ਦੀ ਕੀਮਤ ਦੇ ਨਤੀਜੇ ਨੂੰ ਦੁਹਰਾਇਆ ਅਤੇ ਉਸ ਤੋਂ ਵੱਧ ਗਿਆ। ਜਿਵੇਂ ਕਿ AI ਖੋਜ ਵਿਸ਼ਾਲ ਗਣਨਾ ਬਜਟਾਂ ਦਾ ਸਮਾਨਾਰਥੀ ਬਣ ਜਾਂਦੀ ਹੈ, ਅਟਾਰਾਕਸੋਸ ਇੱਕ ਯਾਦ ਦਿਵਾਉਂਦਾ ਹੈ ਕਿ ਐਲਗੋਰਿਦਮਿਕ ਵਿਚਾਰ — ਇੱਥੇ, ਇੱਕ ਵਿਸ਼ਵਾਸ ਮਾਡਲ ਜੋ ਇੱਕ ਵਿਸ਼ਾਲ ਖੋਜ ਸਥਾਨ ਨੂੰ ਕਾਬੂ ਕਰਦਾ ਹੈ — ਅਜੇ ਵੀ ਕੱਚੇ ਪੈਮਾਨੇ ਤੋਂ ਵੱਧ ਮਹੱਤਵਪੂਰਨ ਹੋ ਸਕਦਾ ਹੈ।
ਟੀਮ ਦਾ ਪੇਪਰ ਇੱਕ ਅਜਿਹੀ ਮਸ਼ੀਨ ਦਾ ਵਰਣਨ ਕਰਦਾ ਹੈ ਜੋ ਅਨਿਸ਼ਚਿਤਤਾ ਵਿੱਚ ਸ਼ਾਂਤ ਰਹਿੰਦੀ ਹੈ, ਉਸ ਗਿਆਨ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਦੀ ਹੈ ਜਿਸਨੂੰ ਮਨੁੱਖ ਨਜ਼ਰਅੰਦਾਜ਼ ਨਹੀਂ ਕਰ ਸਕਦਾ ਹੈ, ਅਤੇ ਸੰਸਾਰ ਵਿੱਚ ਸਭ ਤੋਂ ਵਧੀਆ ਨਾਲੋਂ ਬਿਹਤਰ ਹੈ। ਉਹ ਲਾਭਦਾਇਕ ਹੁਨਰ ਹਨ, ਬੋਰਡ 'ਤੇ ਅਤੇ ਇਸ ਤੋਂ ਬਾਹਰ.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
