ਬੁੱਧਵਾਰ ਨੂੰ ਪ੍ਰਕਾਸ਼ਿਤ ਅਤੇ ਰਾਇਟਰਜ਼ ਦੁਆਰਾ ਕੀਤੀ ਗਈ ਜਾਣਕਾਰੀ ਦੀ ਇੱਕ ਰਿਪੋਰਟ ਦੇ ਅਨੁਸਾਰ, ਚੀਨੀ AI ਡਿਵੈਲਪਰ ਡੀਪਸੀਕ ਅਤੇ ਮੂਨਸ਼ੌਟ ਏਆਈ ਨੇ ਆਪਣੇ ਨਵੀਨਤਮ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਓਪਨਏਆਈ ਦੇ GPT-6 ਐਸਟਰਾ ਮਾਡਲ ਦੇ ਆਉਟਪੁੱਟ 'ਤੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਭਰੋਸਾ ਕੀਤਾ। ਰਿਪੋਰਟ ਵਿੱਚ ਮਾਮਲੇ ਦੀ ਸਿੱਧੀ ਜਾਣਕਾਰੀ ਵਾਲੇ ਲੋਕਾਂ ਦਾ ਹਵਾਲਾ ਦਿੱਤਾ ਗਿਆ ਹੈ, ਅਤੇ ਜ਼ੋਰ ਦਿੱਤਾ ਗਿਆ ਹੈ ਕਿ Astra ਆਉਟਪੁੱਟ ਦੀ ਕਥਿਤ ਵਰਤੋਂ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਸਥਾਪਿਤ ਨਹੀਂ ਕੀਤੀ ਗਈ ਹੈ।

ਜੇਕਰ ਸਹੀ ਹੈ, ਤਾਂ ਦਾਅਵੇ ਓਪਨਏਆਈ ਨੂੰ ਉਸੇ ਡਿਸਟਿਲੇਸ਼ਨ ਵਿਵਾਦ ਦੇ ਕੇਂਦਰ ਵਿੱਚ ਰੱਖਣਗੇ ਜੋ ਪਹਿਲਾਂ ਹੀ ਇਸਦੇ ਮੁੱਖ ਵਿਰੋਧੀ ਨੂੰ ਫਸ ਚੁੱਕਾ ਹੈ। ਮਾਡਲ ਮੁਕਾਬਲੇ ਅਤੇ ਸਿਖਲਾਈ ਅਭਿਆਸਾਂ 'ਤੇ AI ਖਬਰਾਂ ਨੂੰ ਟਰੈਕ ਕਰਨ ਵਾਲੇ ਪਾਠਕਾਂ ਲਈ, ਇਹ ਕਹਾਣੀ ਐਨਥ੍ਰੋਪਿਕ ਦੁਆਰਾ ਜਨਤਕ ਤੌਰ 'ਤੇ ਉਨ੍ਹਾਂ ਹੀ ਦੋ ਚੀਨੀ ਲੈਬਾਂ — ਅਲੀਬਾਬਾ ਦੇ ਨਾਲ — ਆਪਣੇ ਕਲਾਉਡ ਮਾਡਲਾਂ ਨੂੰ ਡਿਸਟਿਲ ਕਰਨ ਦਾ ਦੋਸ਼ ਲਗਾਉਣ ਦੇ ਸਿਰਫ ਤਿੰਨ ਮਹੀਨਿਆਂ ਬਾਅਦ ਆਈ ਹੈ।

ਕਿਹੜੇ ਮਾਡਲ ਫਸੇ ਹੋਏ ਹਨ?

ਜਾਣਕਾਰੀ ਦੀ ਰਿਪੋਰਟਿੰਗ ਦੋ ਖਾਸ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਨਾਮ ਦਿੰਦੀ ਹੈ। Moonshot AI ਦੇ Kimi K3.1 Pro, ਪਿਛਲੇ ਹਫਤੇ ਰਿਲੀਜ਼ ਹੋਏ, ਅਤੇ DeepSeek ਦੇ ਅੱਪਗਰੇਡ ਕੀਤੇ V4.1-Flash 1017, 17 ਅਕਤੂਬਰ ਨੂੰ ਲਾਂਚ ਕੀਤੇ ਗਏ, ਨੂੰ OpenAI ਦੇ ਫਰੰਟੀਅਰ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਡਿਸਟਿਲੇਸ਼ਨ ਤੋਂ ਫਾਇਦਾ ਹੋਇਆ ਦੱਸਿਆ ਜਾਂਦਾ ਹੈ। ਨਾ ਤਾਂ ਡੀਪਸੀਕ ਅਤੇ ਨਾ ਹੀ ਮੂਨਸ਼ੌਟ ਨੇ ਅਭਿਆਸ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਹੈ, ਅਤੇ ਰਿਪੋਰਟ ਖੁਦ ਚੇਤਾਵਨੀ ਦਿੰਦੀ ਹੈ ਕਿ ਐਸਟਰਾ ਆਉਟਪੁੱਟ ਦੀ ਵਰਤੋਂ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਸਥਾਪਿਤ ਨਹੀਂ ਕੀਤੀ ਗਈ ਹੈ।

ਡਿਸਟਿਲੇਸ਼ਨ, ਉਦਯੋਗ ਦੀ ਵਰਤੋਂ ਵਿੱਚ, ਦਾ ਮਤਲਬ ਹੈ ਇੱਕ ਮਾਡਲ ਨੂੰ ਵਧੇਰੇ ਸਮਰੱਥ ਦੇ ਆਉਟਪੁੱਟ 'ਤੇ ਸਿਖਲਾਈ ਦੇਣਾ ਤਾਂ ਜੋ ਵਿਦਿਆਰਥੀ ਅਧਿਆਪਕ ਦੇ ਜਵਾਬਾਂ ਨੂੰ ਦੁਬਾਰਾ ਤਿਆਰ ਕਰਨਾ ਸਿੱਖੇ। ਇੱਕ ਸੁਤੰਤਰ ਸਿਖਲਾਈ ਰਨ ਦੁਆਰਾ ਹਰ ਸਮਰੱਥਾ ਲਈ ਭੁਗਤਾਨ ਕਰਨ ਦੀ ਬਜਾਏ, ਇੱਕ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਇੱਕ ਪ੍ਰਮੁੱਖ ਪ੍ਰਣਾਲੀ ਦੀ ਪੁੱਛਗਿੱਛ ਕਰ ਸਕਦੀ ਹੈ ਅਤੇ ਇਸਦੇ ਜਵਾਬਾਂ ਨੂੰ ਉੱਚ-ਗੁਣਵੱਤਾ ਸਿਖਲਾਈ ਸਿਗਨਲ ਵਜੋਂ ਵਰਤ ਸਕਦੀ ਹੈ — ਸਸਤਾ, ਤੇਜ਼, ਅਤੇ ਪ੍ਰਤੀਯੋਗੀ ਮਾਡਲ ਕਿਵੇਂ ਬਣਾਏ ਜਾਂਦੇ ਹਨ।

ਦੋਸ਼ਾਂ ਦਾ ਇੱਕ ਪੈਟਰਨ — ਅਤੇ ਨਵੇਂ ਬਚਾਅ

ਰਿਪੋਰਟ ਮਾਡਲ ਕੱਢਣ 'ਤੇ ਵਧਦੇ ਦਾਅਵਿਆਂ ਦੇ ਇੱਕ ਸਾਲ ਦੇ ਵਿਚਕਾਰ ਆਈ ਹੈ। ਸਤੰਬਰ ਵਿੱਚ, ਯੂਐਸ ਸਰਕਾਰ ਨੇ ਕਿਹਾ ਕਿ ਅਮਰੀਕੀ ਏਆਈ ਕੰਪਨੀਆਂ ਦੇ ਵਿਰੁੱਧ ਚੀਨੀ ਕੰਪਨੀਆਂ ਦੁਆਰਾ ਇੱਕ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਡਿਸਟਿਲੇਸ਼ਨ ਮੁਹਿੰਮ ਚਲਾਈ ਗਈ ਸੀ - ਇੱਕ ਬਿਆਨ ਸੂਚਨਾ ਨੋਟਸ ਖਾਸ ਤੌਰ 'ਤੇ GPT-6 ਐਸਟਰਾ 'ਤੇ ਆਪਣੀ ਨਵੀਂ ਰਿਪੋਰਟਿੰਗ ਤੋਂ ਵੱਖਰਾ ਹੈ। ਐਂਥਰੋਪਿਕ ਦਾ ਅਗਸਤ ਇਲਜ਼ਾਮ ਹੈ ਕਿ ਅਲੀਬਾਬਾ, ਡੀਪਸੀਕ ਅਤੇ ਮੂਨਸ਼ੌਟ ਨੇ ਕਲੌਡ ਮਾਡਲਾਂ ਨੂੰ ਡਿਸਟਿਲ ਕੀਤਾ ਸੀ ਮੌਜੂਦਾ ਲੜਾਈ ਲਈ ਟੈਂਪਲੇਟ ਸੈੱਟ ਕੀਤਾ।

ਰੱਖਿਆ ਵੀ ਸਖ਼ਤ ਹੋ ਰਹੇ ਹਨ। ਇਸ ਮਹੀਨੇ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ, ਐਂਥਰੋਪਿਕ ਨੇ ਕਿਹਾ ਕਿ ਵਿਰੋਧੀਆਂ ਨੂੰ ਕਲਾਉਡ ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਦੀ ਨਕਲ ਕਰਨ ਤੋਂ ਰੋਕਣ ਲਈ ਬਣਾਏ ਗਏ ਨਵੇਂ ਉਪਾਵਾਂ ਨੇ ਅਖੌਤੀ ਡਿਸਟਿਲੇਸ਼ਨ ਹਮਲਿਆਂ ਦੁਆਰਾ ਪ੍ਰਾਪਤ ਕੀਤੇ ਡੇਟਾ ਨੂੰ ਲਗਭਗ 90 ਤੋਂ 99 ਪ੍ਰਤੀਸ਼ਤ ਤੱਕ ਘਟਾ ਦਿੱਤਾ ਹੈ। ਅੰਕੜਾ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਪੁੱਛਗਿੱਛ ਦੇ ਪੈਟਰਨਾਂ ਦੀ ਨਿਗਰਾਨੀ, ਪਹੁੰਚ ਨੂੰ ਸੀਮਤ ਕਰਨਾ, ਅਤੇ ਸ਼ੱਕੀ ਗਤੀਵਿਧੀ ਦੀ ਦਰ ਨੂੰ ਸੀਮਤ ਕਰਨਾ ਕੱਢਣ ਦੀ ਲਾਗਤ ਨੂੰ ਮਾਪਿਆ ਜਾ ਸਕਦਾ ਹੈ - ਹਾਲਾਂਕਿ ਸੁਰੱਖਿਆ ਉਪਾਅ ਉਦੋਂ ਤੱਕ ਕੰਮ ਕਰਦੇ ਹਨ ਜਦੋਂ ਤੱਕ ਹਮਲਾਵਰ ਅਨੁਕੂਲ ਨਹੀਂ ਹੋ ਜਾਂਦੇ।

ਓਪਨਏਆਈ ਨੇ ਇਹ ਨਹੀਂ ਕਿਹਾ ਹੈ ਕਿ ਕੀ ਉਸਨੇ GPT-6 ਐਸਟਰਾ ਦੇ ਵਿਰੁੱਧ ਸਮਾਨ ਪੈਟਰਨਾਂ ਦਾ ਪਤਾ ਲਗਾਇਆ ਹੈ ਜਾਂ ਕੀ ਇਹ ਰਿਪੋਰਟ ਦੇ ਜਵਾਬ ਵਿੱਚ ਨੀਤੀਗਤ ਤਬਦੀਲੀਆਂ ਦੀ ਯੋਜਨਾ ਬਣਾਉਂਦਾ ਹੈ। ਕੰਪਨੀ ਦੀਆਂ ਸੇਵਾ ਦੀਆਂ ਸ਼ਰਤਾਂ, ਇਸਦੇ ਵਿਰੋਧੀਆਂ ਵਾਂਗ, ਮੁਕਾਬਲੇ ਵਾਲੇ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਆਉਟਪੁੱਟ ਦੀ ਵਰਤੋਂ ਕਰਨ 'ਤੇ ਪਾਬੰਦੀ ਲਗਾਉਂਦੀਆਂ ਹਨ।

ਡਿਸਟਿਲੇਸ਼ਨ ਕੀ ਕਰ ਸਕਦੀ ਹੈ ਅਤੇ ਕੀ ਨਹੀਂ ਕਰ ਸਕਦੀ

ਤਕਨੀਕੀ ਹਕੀਕਤ ਸੁਰਖੀਆਂ ਦੇ ਸੁਝਾਅ ਨਾਲੋਂ ਵਧੇਰੇ ਸੂਖਮ ਹੈ. ਆਉਟਪੁੱਟ ਉਪਯੋਗੀ ਸਿਖਲਾਈ ਸਿਗਨਲ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੇ ਹਨ, ਪਰ ਉਹ ਇੱਕ ਮਾਡਲ ਦੇ ਆਰਕੀਟੈਕਚਰ, ਇਸਦੇ ਸਿਖਲਾਈ ਡੇਟਾ, ਇਸਦੇ ਅੰਦਰੂਨੀ ਮਾਪਦੰਡਾਂ, ਜਾਂ ਇਸਦੀ ਹਰ ਇੱਕ ਸਮਰੱਥਾ ਨੂੰ ਟ੍ਰਾਂਸਫਰ ਨਹੀਂ ਕਰਦੇ ਹਨ। ਡਿਸਟਿਲੇਸ਼ਨ ਦੀ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਕਟਾਈ ਦੀਆਂ ਉਦਾਹਰਣਾਂ ਦੀ ਗੁਣਵੱਤਾ ਅਤੇ ਵਿਭਿੰਨਤਾ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਵਾਲੀ ਸਿਖਲਾਈ ਪ੍ਰਕਿਰਿਆ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ। ਇੱਕ ਡਿਸਟਿਲਡ ਮਾਡਲ ਮਾਪਦੰਡਾਂ 'ਤੇ ਇੱਕ ਅਧਿਆਪਕ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ ਜੋ ਹੋਰ ਕਿਤੇ ਕਮਜ਼ੋਰ ਰਹਿੰਦੇ ਹੋਏ ਕਟਾਈ ਕੀਤੇ ਡੇਟਾ ਦੇ ਸਮਾਨ ਹੁੰਦਾ ਹੈ।

ਉਹ ਸੂਖਮਤਾ ਦੋਵਾਂ ਤਰੀਕਿਆਂ ਨੂੰ ਕੱਟਦੀ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਇੱਕ ਰਿਪੋਰਟ ਕੀਤੀ ਡਿਸਟਿਲੇਸ਼ਨ ਮੁਹਿੰਮ ਇਹ ਨਹੀਂ ਦੱਸਦੀ ਹੈ ਕਿ ਇੱਕ ਵਿਰੋਧੀ ਮਾਡਲ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਅਸਲ ਵਿੱਚ ਐਕਸਟਰੈਕਸ਼ਨ ਤੋਂ ਕਿੰਨੀ ਹੈ, ਕੀ ਸੇਵਾ ਦੀਆਂ ਸ਼ਰਤਾਂ ਦੀ ਉਲੰਘਣਾ ਕੀਤੀ ਗਈ ਸੀ, ਜਾਂ ਕੀ ਨਤੀਜੇ ਵਜੋਂ ਸਮਰੱਥਾਵਾਂ ਕਿਸੇ ਵੀ ਤਰ੍ਹਾਂ ਉਭਰੀਆਂ ਹੋਣਗੀਆਂ। ਪਰ ਇਸਦਾ ਇਹ ਵੀ ਮਤਲਬ ਹੈ ਕਿ ਵੱਡੇ ਪੈਮਾਨੇ 'ਤੇ ਵਾਢੀ ਇੱਕ ਪ੍ਰਤੀਯੋਗੀ ਨੂੰ ਖਾਸ ਸਮਰੱਥਾਵਾਂ ਲਈ ਇੱਕ ਤੇਜ਼ ਰਸਤਾ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੀ ਹੈ - ਖਾਸ ਤੌਰ 'ਤੇ ਕੋਡਿੰਗ ਅਤੇ ਤਰਕ, ਜਿੱਥੇ ਫਰੰਟੀਅਰ ਅਤੇ ਤੇਜ਼-ਫਾਲੋਅਰ ਮਾਡਲਾਂ ਵਿਚਕਾਰ ਪਾੜਾ ਸਾਰਾ ਸਾਲ ਘੱਟ ਗਿਆ ਹੈ।

ਉਦਯੋਗ ਲਈ ਇੱਕ ਮੁਸ਼ਕਲ ਸੰਤੁਲਨ

ਇਸ ਵਿਵਾਦ ਦਾ ਕੋਈ ਵੀ ਪੱਖ ਅਭਿਆਸ ਨੂੰ ਸਧਾਰਨ ਨਹੀਂ ਸਮਝਦਾ। ਡਿਸਟਿਲੇਸ਼ਨ ਖੁਦ ਕੁਦਰਤੀ ਤੌਰ 'ਤੇ ਗਲਤ ਨਹੀਂ ਹੈ - AI ਡਿਵੈਲਪਰ ਨਿਯਮਤ ਤੌਰ 'ਤੇ ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ ਜੋ ਉਨ੍ਹਾਂ ਦੇ ਆਪਣੇ ਮਾਡਲਾਂ ਵਿਚਕਾਰ ਗਿਆਨ ਦਾ ਤਬਾਦਲਾ ਕਰਦੇ ਹਨ - ਅਤੇ ਪ੍ਰਮੁੱਖ ਪ੍ਰਣਾਲੀਆਂ ਤੱਕ ਵਿਆਪਕ ਪਹੁੰਚ ਉਹ ਹੈ ਜੋ ਸਟਾਰਟਅਪਸ, ਖੋਜਕਰਤਾਵਾਂ ਅਤੇ ਕਾਰੋਬਾਰਾਂ ਨੂੰ ਉਤਪਾਦ ਬਣਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ। ਤਣਾਅ ਪੈਮਾਨੇ 'ਤੇ ਪੈਦਾ ਹੁੰਦਾ ਹੈ: ਅਪ੍ਰਬੰਧਿਤ ਪਹੁੰਚ ਕਿਸੇ ਤੀਜੀ ਧਿਰ ਲਈ ਉਹਨਾਂ ਉਦੇਸ਼ਾਂ ਲਈ ਆਉਟਪੁੱਟ ਦੇ ਵੱਡੇ ਡੇਟਾਸੈਟਾਂ ਨੂੰ ਇਕੱਠਾ ਕਰਨਾ ਬਹੁਤ ਸੌਖਾ ਬਣਾਉਂਦੀ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਪ੍ਰਦਾਤਾ ਨੇ ਕਦੇ ਅਧਿਕਾਰਤ ਨਹੀਂ ਕੀਤਾ ਹੈ।

ਸੁਰੱਖਿਆ ਉਪਾਅ ਜੋ ਪ੍ਰਦਾਤਾ ਜਵਾਬ ਵਿੱਚ ਤੈਨਾਤ ਕਰਦੇ ਹਨ ਉਹਨਾਂ ਦੇ ਆਪਣੇ ਖਰਚੇ ਹੁੰਦੇ ਹਨ। ਅਸਧਾਰਨ ਪੁੱਛਗਿੱਛ ਪੈਟਰਨਾਂ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨਾ, ਕੁਝ ਸਮਰੱਥਾਵਾਂ ਤੱਕ ਪਹੁੰਚ ਨੂੰ ਸੀਮਤ ਕਰਨਾ, ਵਰਤੋਂ ਦੀਆਂ ਸੀਮਾਵਾਂ ਲਗਾਉਣਾ, ਅਤੇ ਬਲਕ ਸੰਗ੍ਰਹਿ ਦੀ ਜਾਂਚ ਕਰਨਾ ਇਹ ਸਭ ਕੱਢਣ ਦੀ ਕੀਮਤ ਨੂੰ ਵਧਾਉਂਦੇ ਹਨ - ਪਰ ਉਹ ਜਾਇਜ਼ ਡਿਵੈਲਪਰਾਂ ਅਤੇ ਉੱਦਮਾਂ ਲਈ ਕਾਰਜਸ਼ੀਲ ਰਗੜ ਵੀ ਪੈਦਾ ਕਰਦੇ ਹਨ ਜੋ ਸਥਿਰ API ਪਹੁੰਚ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ। ਉਦਯੋਗ, ਅਸਲ ਵਿੱਚ, ਗੱਲਬਾਤ ਕਰ ਰਿਹਾ ਹੈ ਜਿੱਥੇ ਜਾਇਜ਼ ਮਾਡਲ ਵਿਕਾਸ ਖਤਮ ਹੁੰਦਾ ਹੈ ਅਤੇ ਅਣਅਧਿਕਾਰਤ ਨਿਕਾਸੀ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ, ਇੱਕ ਸਮੇਂ ਵਿੱਚ ਇੱਕ ਨੀਤੀ ਬਦਲਦੀ ਹੈ।

ਲੜਾਈ ਪਿੱਛੇ ਅਰਥ ਸ਼ਾਸਤਰ

ਪ੍ਰਯੋਗਸ਼ਾਲਾਵਾਂ ਦੀ ਦੇਖਭਾਲ ਦਾ ਕਾਰਨ ਗਣਿਤ ਹੈ। ਇੱਕ ਫਰੰਟੀਅਰ ਮਾਡਲ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਗਣਨਾ ਅਤੇ ਖੋਜ ਵਿੱਚ ਅਰਬਾਂ ਡਾਲਰ ਖਰਚ ਹੁੰਦੇ ਹਨ। ਜੇਕਰ ਕੋਈ ਪ੍ਰਤੀਯੋਗੀ API ਕੀਮਤਾਂ 'ਤੇ ਮੌਜੂਦਾ ਮਾਡਲ ਦੀ ਤਰਤੀਬਵਾਰ ਪੁੱਛਗਿੱਛ ਕਰਕੇ ਮਹੱਤਵਪੂਰਨ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਦੁਬਾਰਾ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ, ਤਾਂ ਫਰੰਟੀਅਰ ਸਿਸਟਮ ਨੂੰ ਬਣਾਉਣ ਦਾ ਵਿੱਤੀ ਫਾਇਦਾ ਸੁੰਗੜਦਾ ਹੈ - ਅਤੇ ਇਸ ਨੂੰ ਬਣਾਉਣਾ ਜਾਰੀ ਰੱਖਣ ਲਈ ਪ੍ਰੇਰਣਾ ਇਸਦੇ ਨਾਲ ਸੁੰਗੜ ਜਾਂਦੀ ਹੈ। ਇਹ ਤਰਕ ਦੱਸਦਾ ਹੈ ਕਿ ਅਮਰੀਕੀ ਪ੍ਰਯੋਗਸ਼ਾਲਾਵਾਂ ਨੇ 2026 ਨੂੰ ਆਪਣੇ ਬਚਾਅ ਪੱਖ ਨੂੰ ਸਖ਼ਤ ਕਰਨ ਲਈ ਕਿਉਂ ਖਰਚ ਕੀਤਾ ਹੈ, ਅਤੇ ਕਿਉਂ ਹਰੇਕ ਨਵਾਂ ਇਲਜ਼ਾਮ ਬਕਾਇਆ ਆਰਥਿਕ ਯੁੱਧ ਵਿੱਚ ਡੇਟਾ ਪੁਆਇੰਟ ਦੀ ਬਜਾਏ ਗੱਪਾਂ ਦੇ ਰੂਪ ਵਿੱਚ ਘੱਟ ਹੈ।

ਚੀਨੀ ਡਿਵੈਲਪਰਾਂ ਲਈ, ਕੈਲਕੂਲਸ ਵੱਖਰਾ ਹੈ। ਸਭ ਤੋਂ ਉੱਨਤ ਚਿਪਸ ਤੱਕ ਪਹੁੰਚ ਪ੍ਰਤਿਬੰਧਿਤ ਹੈ, ਅਤੇ ਡਿਸਟਿਲੇਸ਼ਨ ਗਣਨਾ ਬਜਟਾਂ ਨਾਲ ਮੇਲ ਕੀਤੇ ਬਿਨਾਂ ਪ੍ਰਤੀਯੋਗੀ ਪ੍ਰਦਰਸ਼ਨ ਲਈ ਇੱਕ ਮਾਰਗ ਪੇਸ਼ ਕਰਦੀ ਹੈ। ਸੂਚਨਾ ਦੀ ਰਿਪੋਰਟ ਸੁਝਾਅ ਦਿੰਦੀ ਹੈ ਕਿ ਇਹ ਮਾਰਗ ਓਪਨਏਆਈ ਦੇ ਆਪਣੇ ਫਲੈਗਸ਼ਿਪ ਦੁਆਰਾ ਚੱਲਿਆ ਸੀ - ਉਹੀ ਇਲਜ਼ਾਮ, ਇੱਕ ਵੱਖਰੇ ਨਿਸ਼ਾਨੇ 'ਤੇ ਸੀ।

---

AI ਤੋਂ ਅੱਗੇ ਰਹੋ

ਨਵੀਨਤਮ AI ਖਬਰਾਂ, ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਸਫਲਤਾਵਾਂ ਪ੍ਰਾਪਤ ਕਰੋ - ਸਭ ਇੱਕ ਥਾਂ 'ਤੇ।

ਹੋਰ AI ਖਬਰਾਂ ਪੜ੍ਹੋ →