28 ਅਗਸਤ ਨੂੰ ਪ੍ਰਕਾਸ਼ਿਤ ਦਿ ਡੀਕੋਡਰ ਦੀ ਰਿਪੋਰਟ ਦੇ ਅਨੁਸਾਰ, ਗੂਗਲ ਡੀਪਮਾਈਂਡ ਨੇ ਆਪਣੀ ਬਹੁ-ਏਜੰਟ AI ਸਹਿ-ਵਿਗਿਆਨੀ ਪ੍ਰਣਾਲੀ ਨੂੰ ਇੱਕ ਪਰਿਕਲਪਨਾ ਜਨਰੇਟਰ ਤੋਂ ਲੈਬ-ਏਕੀਕ੍ਰਿਤ ਖੋਜ ਭਾਗੀਦਾਰ ਵਿੱਚ ਵਿਸਤਾਰ ਕੀਤਾ ਹੈ ਜੋ ਪ੍ਰਯੋਗਾਂ ਦੀ ਯੋਜਨਾ ਬਣਾਉਂਦਾ ਹੈ, ਕੋਡ ਲਿਖਦਾ ਹੈ, ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਦੇ ਉਪਕਰਣਾਂ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਦਾ ਹੈ ਅਤੇ ਵਿਗਿਆਨਕ ਹੱਥ-ਲਿਖਤਾਂ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਵਿਗਿਆਨ, ਜੀਵ-ਵਿਗਿਆਨ ਅਤੇ ਕੰਪਿਊਟਰ ਵਿਗਿਆਨ - ਪ੍ਰਮੁੱਖ ਲੇਖਕ ਸੈਮੂਅਲ ਸ਼ਮਿਡਗਲ ਅਤੇ ਸਹਿਕਰਮੀਆਂ ਦੁਆਰਾ ਇੱਕ ਪੇਪਰ ਦੇ ਅਨੁਸਾਰ।

ਪਹਿਲੀ ਵਾਰ ਫਰਵਰੀ 2025 ਵਿੱਚ ਜੈਮਿਨੀ 2.0 'ਤੇ ਤੱਥ-ਜਾਂਚ ਅਤੇ ਸਾਹਿਤ ਸਮੀਖਿਆ ਵਿੱਚ ਜਾਣੀਆਂ-ਪਛਾਣੀਆਂ ਕਮਜ਼ੋਰੀਆਂ ਦੇ ਨਾਲ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਸੀ, ਵਿਸਤ੍ਰਿਤ ਸਹਿ-ਵਿਗਿਆਨੀ ਹੁਣ ਚਲਾਉਂਦਾ ਹੈ ਜਿਸ ਨੂੰ ਖੋਜਕਰਤਾ ਇੱਕ ਬੰਦ-ਲੂਪ ਖੋਜ ਵਰਕਫਲੋ ਕਹਿੰਦੇ ਹਨ। ਇਹ ਇੱਕ ਖੋਜ ਪ੍ਰਸ਼ਨ ਤੋਂ ਪਰਿਕਲਪਨਾ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ, ਪ੍ਰਯੋਗਾਤਮਕ ਯੋਜਨਾਵਾਂ ਜਾਂ ਮਸ਼ੀਨ-ਪੜ੍ਹਨ ਯੋਗ ਲੈਬ ਪ੍ਰੋਟੋਕੋਲ ਬਣਾਉਂਦਾ ਹੈ, ਉਹਨਾਂ ਨੂੰ ਲਾਗੂ ਕਰਦਾ ਹੈ, ਨਤੀਜਿਆਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਲਿਖਦਾ ਹੈ - ਜਦੋਂ ਕਿ ਵੱਖਰੇ ਤਸਦੀਕ ਮੋਡੀਊਲ ਇਸ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਗਏ ਕੋਡ ਦੇ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਲੌਗਸ ਦੇ ਵਿਰੁੱਧ ਟੈਕਸਟ ਵਿੱਚ ਹਰੇਕ ਸੰਖਿਆਤਮਕ ਦਾਅਵੇ ਦੀ ਕਰਾਸ-ਚੈੱਕ ਕਰਦੇ ਹਨ, ਇੱਕ ਸਿੱਧੇ ਹਮਲੇ ਨੇ ਇੱਕ ਸਵੈ-ਚਾਲਤ ਖੋਜ ਸਮੱਸਿਆ ਪੈਦਾ ਕੀਤੀ ਹੈ।

ਇਹ ਕੰਮ ਆਟੋਨੋਮਸ ਰਿਸਰਚ ਏਜੰਟਾਂ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਨਵੀਨਤਮ AI ਵਿਕਾਸ ਵਿੱਚ ਨਵੀਨਤਮ ਮੀਲ ਪੱਥਰ ਹੈ, ਅਤੇ ਇਸ ਪੱਧਰ 'ਤੇ ਭੌਤਿਕ ਲੈਬ ਹਾਰਡਵੇਅਰ ਨਾਲ ਇੱਕ LLM-ਅਧਾਰਿਤ ਸਿਸਟਮ ਨੂੰ ਜੋੜਨ ਵਾਲੇ ਪਹਿਲੇ ਲੋਕਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ।

ਕਲਪਨਾ ਤੋਂ ਲੈ ਕੇ ਗਿੱਲੇ ਲੈਬ ਪ੍ਰੋਟੋਕੋਲ ਤੱਕ

ਸਮੱਗਰੀ ਵਿਗਿਆਨ ਵਿੱਚ, DeepMind ਨੇ ਇੱਕ ਅਰਧ-ਆਟੋਮੈਟਿਕ ਉੱਚ-ਤਾਪਮਾਨ ਵਾਲੀ ਭੱਠੀ ਦੇ ਨਾਲ ਸਹਿ-ਵਿਗਿਆਨੀ ਨੂੰ ਜੋੜਿਆ। ਸਿਸਟਮ ਨੇ ਪਹਿਲਾਂ ਮੁੱਖ ਤੌਰ 'ਤੇ ਖ਼ਤਰਨਾਕ ਐਚਿੰਗ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੀ ਗਈ 2D ਸਮੱਗਰੀ ਲਈ ਇੱਕ ਸੁਰੱਖਿਅਤ ਸੰਸਲੇਸ਼ਣ ਮਾਰਗ ਲੱਭਿਆ, ਅਤੇ ਉਸ ਖਾਸ ਭੱਠੀ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਸੰਪੂਰਨ ਵਿਕਾਸ ਪਕਵਾਨਾਂ ਨੂੰ ਤਿਆਰ ਕੀਤਾ ਜਿਸ ਨਾਲ ਇਹ ਕੰਮ ਕਰ ਰਿਹਾ ਸੀ। ਮਨੁੱਖੀ ਸੁਧਾਈ ਦੇ ਨਾਲ ਦੁਹਰਾਓ ਦੇ 25 ਦੌਰ ਤੋਂ ਬਾਅਦ, ਟੀਮ ਨੇ ਲੇਅਰਡ ਬਣਤਰ ਤਿਆਰ ਕੀਤੇ ਜਿਨ੍ਹਾਂ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨਿਸ਼ਾਨਾ ਸਮੱਗਰੀ ਨਾਲ ਮਿਲਦੀਆਂ-ਜੁਲਦੀਆਂ ਹਨ - ਹਾਲਾਂਕਿ ਪਰਮਾਣੂ ਬਣਤਰ ਦੀ ਨਿਸ਼ਚਿਤ ਪੁਸ਼ਟੀ ਅਜੇ ਵੀ ਬਾਕੀ ਹੈ।

ਇੱਕ ਦੂਜੇ ਪ੍ਰਯੋਗ ਵਿੱਚ, ਪਹਿਲੀ ਕੋਸ਼ਿਸ਼ ਵਿੱਚ ਤਿੰਨ ਸੈਮੀਕੰਡਕਟਰ ਪਤਲੀਆਂ ਫਿਲਮਾਂ ਦਾ ਸਫਲਤਾਪੂਰਵਕ ਸੰਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਗਿਆ ਸੀ। ਸਿੱਧੇ ਸਾਜ਼ੋ-ਸਾਮਾਨ ਦੇ ਨਿਯੰਤਰਣ ਲਈ Gemini 3 ਡੀਪ ਥਿੰਕ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਸਹਿ-ਵਿਗਿਆਨਕ ਵਿਅੰਜਨ ਦੇ ਵਿਕਾਸ ਦੇ ਸਮੇਂ ਨੂੰ ਦਿਨਾਂ ਤੋਂ ਮਿੰਟਾਂ ਤੱਕ ਘਟਾਉਂਦੇ ਹਨ। ਮਨੁੱਖਾਂ ਨੂੰ ਅਜੇ ਵੀ ਨਮੂਨੇ ਅਤੇ ਪੂਰਵ-ਅਨੁਮਾਨ ਸਮੱਗਰੀ ਨੂੰ ਹੱਥੀਂ ਲੋਡ ਕਰਨਾ ਪਿਆ, ਅਤੇ ਤੇਜ਼ ਮੋਡ ਨੇ ਧਿਆਨ ਨਾਲ ਅਨੁਕੂਲਿਤ ਪਕਵਾਨਾਂ ਨਾਲੋਂ ਛੋਟੇ, ਘੱਟ ਇਕਸਾਰ ਕ੍ਰਿਸਟਲ ਪੈਦਾ ਕੀਤੇ - ਇੱਕ ਯਾਦ ਦਿਵਾਉਣਾ ਕਿ ਲੂਪ ਅਜੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਹੱਥ-ਬੰਦ ਨਹੀਂ ਹੋਇਆ ਹੈ।

ਜੀਵ-ਵਿਗਿਆਨ ਵਿੱਚ, ਸਿਸਟਮ ਨੇ ਖੁਦਮੁਖਤਿਆਰੀ ਨਾਲ ਇੱਕ ਚਿੱਤਰ-ਵਿਸ਼ਲੇਸ਼ਣ ਪਾਈਪਲਾਈਨ ਬਣਾਈ ਹੈ ਜੋ ਭਵਿੱਖਬਾਣੀ ਕਰਦੀ ਹੈ ਕਿ ਵੱਖ-ਵੱਖ ਰਸਾਇਣਕ ਸੰਘਣਤਾਵਾਂ 'ਤੇ ਜੈਨੇਟਿਕ ਤੌਰ 'ਤੇ ਇੰਜਨੀਅਰ ਕੀਤੇ ਗਏ ਈ. ਕੋਲੀ ਕਾਲੋਨੀਆਂ ਬਣਦੇ ਹਨ। Gemini 3 Pro ਚਿੱਤਰ ਨਾਲ ਤਿਆਰ ਕੀਤੀਆਂ ਭਵਿੱਖਬਾਣੀਆਂ ਚਾਰ ਵਿੱਚੋਂ ਤਿੰਨ ਆਕਾਰ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ 'ਤੇ ਅਣਪ੍ਰਕਾਸ਼ਿਤ ਲੈਬ ਨਤੀਜਿਆਂ ਨਾਲ ਮੇਲ ਖਾਂਦੀਆਂ ਹਨ। ਖੋਜਕਰਤਾ ਨੋਟ ਕਰਦੇ ਹਨ ਕਿ ਸਿਸਟਮ ਸਿਰਫ ਜਾਣੀਆਂ-ਪਛਾਣੀਆਂ ਸਥਿਤੀਆਂ ਦੇ ਵਿਚਕਾਰ ਕਾਰਨ ਹੈ ਅਤੇ ਅਜੇ ਤੱਕ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਵੇਂ ਪ੍ਰਯੋਗਾਤਮਕ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਵਿਵਹਾਰ ਦੀ ਭਵਿੱਖਬਾਣੀ ਨਹੀਂ ਕਰ ਸਕਦਾ ਹੈ।

ਇੱਕ ਖੁਦਮੁਖਤਿਆਰ AI ਜੋ ਕਿਸੇ ਹੋਰ AI ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਦਾ ਹੈ

ਕੰਪਿਊਟਰ ਵਿਗਿਆਨ ਦਾ ਪ੍ਰਯੋਗ ਸ਼ੁਰੂਆਤੀ ਸੈੱਟਅੱਪ ਤੋਂ ਪਰੇ ਬਿਨਾਂ ਕਿਸੇ ਮਨੁੱਖੀ ਸ਼ਮੂਲੀਅਤ ਦੇ ਚੱਲਿਆ। ਸਹਿ-ਵਿਗਿਆਨੀ ਨੇ "ਏਜੰਟ_ਐਚ," ਇੱਕ ਮੈਡੀਕਲ AI ਆਰਕੀਟੈਕਚਰ ਤਿਆਰ ਕੀਤਾ ਹੈ ਜੋ ਆਉਣ ਵਾਲੀਆਂ ਪੁੱਛਗਿੱਛਾਂ ਨੂੰ ਵਰਗੀਕ੍ਰਿਤ ਕਰਦਾ ਹੈ, ਸਮਾਨਾਂਤਰ ਵਿੱਚ ਦਰਜਨਾਂ ਪ੍ਰਤੀਕਿਰਿਆ ਉਮੀਦਵਾਰਾਂ ਨੂੰ ਤਿਆਰ ਕਰਦਾ ਹੈ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਸੁਧਾਰਦਾ ਹੈ। ਬਹੁਤ ਜ਼ਿਆਦਾ ਲੰਬੇ ਜਵਾਬਾਂ ਲਈ ਠੀਕ ਕਰਨ ਤੋਂ ਬਾਅਦ, Agent_H ਨੇ ਸਿਹਤ ਮਾਪਦੰਡਾਂ 'ਤੇ - GPT-5 ਅਤੇ ਕਲਾਉਡ ਓਪਸ 5 ਸਮੇਤ - ਛੇ ਫਰੰਟੀਅਰ ਮਾਡਲਾਂ ਨੂੰ ਪਛਾੜ ਦਿੱਤਾ।

ਫਿਰ ਅਸਲੀਅਤ ਜਾਂਚ ਆਈ. ਤਿੰਨ ਬੋਰਡ-ਪ੍ਰਮਾਣਿਤ ਡਾਕਟਰਾਂ ਨੇ ਨੌਂ ਸ਼੍ਰੇਣੀਆਂ ਵਿੱਚ ਅੰਨ੍ਹੇ ਹੋਏ ਮੁਕਾਬਲੇ ਵਿੱਚ ਜਵਾਬ ਦਿੱਤੇ, ਅਤੇ Agent_H ਨੇ ਸਿਰਫ਼ ਇੱਕ ਵਿੱਚ ਬੇਸਲਾਈਨ Gemini 3.1 Pro ਉੱਤੇ ਅੰਕੜਾਤਮਕ ਤੌਰ 'ਤੇ ਮਹੱਤਵਪੂਰਨ ਫਾਇਦਾ ਦਿਖਾਇਆ: ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ ਨੁਕਸਾਨਦੇਹ ਜਵਾਬਾਂ ਦਾ ਘੱਟ ਜੋਖਮ। ਸਵੈਚਲਿਤ ਬੈਂਚਮਾਰਕ ਮੁਲਾਂਕਣਕਰਤਾ ਡਾਕਟਰਾਂ ਦੇ ਨਿਰਣੇ ਨਾਲ ਕਮਜ਼ੋਰ ਤੌਰ 'ਤੇ ਸਬੰਧ ਰੱਖਦੇ ਹਨ।

ਬੈਂਚਮਾਰਕ ਸਕੋਰ ਅਤੇ ਕਲੀਨਿਕਲ ਉਪਯੋਗਤਾ ਦੇ ਵਿਚਕਾਰ ਇਹ ਪਾੜਾ ਦਲੀਲ ਨਾਲ ਅਧਿਐਨ ਦਾ ਸਭ ਤੋਂ ਵੱਧ ਨਤੀਜਾਕਾਰੀ ਖੋਜ ਹੈ। ਉੱਚ ਸਵੈਚਾਲਿਤ ਸਕੋਰ, ਖੋਜਕਰਤਾਵਾਂ ਦਾ ਸੁਝਾਅ ਹੈ, ਜ਼ਰੂਰੀ ਤੌਰ 'ਤੇ ਇਹ ਮਤਲਬ ਨਹੀਂ ਹੈ ਕਿ ਕੋਈ ਸਿਸਟਮ ਡਾਕਟਰੀ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਤੋਂ ਬਿਹਤਰ ਜਵਾਬ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ - ਇਸ ਬਾਰੇ ਅਸੁਵਿਧਾਜਨਕ ਸਵਾਲ ਉਠਾਉਂਦੇ ਹਨ ਕਿ AI ਬੈਂਚਮਾਰਕ ਅਸਲ ਵਿੱਚ ਕੀ ਮਾਪਦੇ ਹਨ।

ਫੈਬਰੀਕੇਸ਼ਨ ਨੂੰ 46% ਤੋਂ 4% ਤੱਕ ਕੱਟਣਾ

ਆਟੋਨੋਮਸ ਰਿਸਰਚ ਏਜੰਟਾਂ ਦੀ ਮੁੱਖ ਅਸਫਲਤਾ ਮੋਡ ਮਨਘੜਤ ਹੈ: ਜਦੋਂ ਇੱਕ ਏਜੰਟ ਨੂੰ ਚੰਗੇ ਨਤੀਜੇ ਦੇਣ ਲਈ ਇਨਾਮ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਉਹਨਾਂ ਨੂੰ ਬਣਾਉਣ ਲਈ ਇੱਕ ਪ੍ਰੇਰਣਾ ਹੁੰਦੀ ਹੈ। ਪਿਛਲਾ ਵਿਸ਼ਲੇਸ਼ਣ ਮੌਜੂਦਾ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ 80 ਤੋਂ 100 ਪ੍ਰਤੀਸ਼ਤ ਦੀਆਂ ਦਸਤਾਵੇਜ਼ੀ ਫੈਬਰੀਕੇਸ਼ਨ ਦਰਾਂ।

ਸਹਿ-ਵਿਗਿਆਨੀ ਦੋ ਵਿਧੀਆਂ ਨਾਲ ਸਮੱਸਿਆ 'ਤੇ ਹਮਲਾ ਕਰਦਾ ਹੈ। ਸਿਸਟਮ ਨੂੰ ਮਨਘੜਤ ਜਾਂ ਚੋਰੀ ਕੀਤੀ ਸਮੱਗਰੀ ਲਈ ਸਜ਼ਾ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ, ਅਤੇ ਇੱਕ ਵੱਖਰਾ ਤਸਦੀਕ ਮੋਡੀਊਲ ਇਸਦੇ ਲਾਗੂ ਕੀਤੇ ਕੋਡ ਦੇ ਅਸਲ ਨਤੀਜਿਆਂ ਦੇ ਵਿਰੁੱਧ ਹਰੇਕ ਸੰਖਿਆਤਮਕ ਦਾਅਵੇ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ। 30 ਡੋਮੇਨ ਮਾਹਿਰਾਂ ਅਤੇ 150 ਖੁਦਮੁਖਤਿਆਰੀ ਨਾਲ ਤਿਆਰ ਕੀਤੇ ਕਾਗਜ਼ਾਂ ਦੀਆਂ 450 ਸੁਤੰਤਰ ਸਮੀਖਿਆਵਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਵਾਲੇ ਇੱਕ ਡਬਲ-ਅੰਨ੍ਹੇ ਅਧਿਐਨ ਵਿੱਚ, ਨਤੀਜੇ ਸ਼ਾਨਦਾਰ ਸਨ:

  • ਕਾਗਜ਼ਾਂ ਦੇ 4% ਨੇ ਭਰੋਸੇਯੋਗਤਾ ਮੋਡੀਊਲ ਸਰਗਰਮ, ਬਨਾਮ 46% ਬਿਨਾਂ ਉਹਨਾਂ ਦੇ ਮੁੱਖ ਨਤੀਜੇ ਬਣਾਏ ਹਨ।
  • ਤੁਲਨਾ ਪ੍ਰਣਾਲੀ 90% ਕੁੰਜੀ-ਨਤੀਜੇ ਦੇ ਨਿਰਮਾਣ 'ਤੇ ਪਹੁੰਚ ਗਈ ਹੈ।
  • ਸਹਿ-ਵਿਗਿਆਨੀ ਦੇ ਆਉਟਪੁੱਟ ਵਿੱਚ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਾਲ ਘੜਿਆ ਹੋਇਆ ਡੇਟਾ ਕਦੇ ਨਹੀਂ ਪ੍ਰਗਟ ਹੋਇਆ, ਪਰ ਤੁਲਨਾ ਪ੍ਰਣਾਲੀ ਦੇ ਪੇਪਰਾਂ ਦੇ 44% ਵਿੱਚ ਦਿਖਾਇਆ ਗਿਆ।
  • ਨੇੜੇ-ਤੇੜੇ ਦੀ ਚੋਰੀ ਵਾਲੀ ਸਮੱਗਰੀ 60% ਤੋਂ ਘਟ ਕੇ 16% ਹੋ ਗਈ।
  • ਇੱਕ ਏਕੀਕ੍ਰਿਤ ਸੁਰੱਖਿਆ ਢਾਂਚੇ ਨੇ ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ ਨੁਕਸਾਨਦੇਹ ਖੋਜ ਨਿਰਦੇਸ਼ਾਂ ਦੇ 98.7% ਨੂੰ ਅਸਵੀਕਾਰ ਕੀਤਾ ਹੈ।

ਵਿਗਿਆਨੀਆਂ ਦੀ ਥਾਂ ਲੈਣ ਲਈ ਤਿਆਰ ਨਹੀਂ

ਬਾਕੀ ਦੀਆਂ ਗਲਤੀਆਂ ਰਹਿੰਦੀਆਂ ਹਨ। ਸਿਸਟਮ ਚੋਣਵੇਂ ਰਿਪੋਰਟਿੰਗ ਵੱਲ ਝੁਕਦਾ ਹੈ, ਅਤੇ ਸਮਿੱਡਗਲ ਨੇ ਸਵੀਕਾਰ ਕੀਤਾ ਕਿ ਇਹ "ਪੱਤਰ ਵਿੱਚ ਬਹੁਤ ਹੀ ਪ੍ਰਸੰਸਾਯੋਗ ਢੰਗਾਂ ਜੋ ਇਸਦੇ ਅਸਲ ਕੋਡ ਨਾਲ ਮੇਲ ਨਹੀਂ ਖਾਂਦਾ" ਲਿਖਦਾ ਹੈ। ਕੀ ਸਮੱਗਰੀ-ਵਿਗਿਆਨ ਪਕਵਾਨਾਂ ਨੂੰ ਹੋਰ ਪ੍ਰਯੋਗਸ਼ਾਲਾਵਾਂ ਵਿੱਚ ਤਬਦੀਲ ਕਰਨਾ ਇੱਕ ਖੁੱਲਾ ਸਵਾਲ ਹੈ, ਅਤੇ ਜੀਵ ਵਿਗਿਆਨ ਦੇ ਨਤੀਜੇ, ਵਾਅਦਾ ਕਰਦੇ ਹੋਏ, ਭਵਿੱਖਬਾਣੀਆਂ ਦੀ ਸਿਰਫ ਇੱਕ ਤੰਗ ਸ਼੍ਰੇਣੀ ਨੂੰ ਕਵਰ ਕਰਦੇ ਹਨ।

ਫਿਰ ਵੀ, ਚਾਲ ਸਪੱਸ਼ਟ ਹੈ. ਇੱਕ ਸਿਸਟਮ ਜੋ ਅਠਾਰਾਂ ਮਹੀਨੇ ਪਹਿਲਾਂ ਇੱਕ ਪਰਿਕਲਪਨਾ ਜਨਰੇਟਰ ਵਜੋਂ ਸ਼ੁਰੂ ਹੋਇਆ ਸੀ, ਹੁਣ ਇੱਕ ਪ੍ਰਯੋਗ ਦੀ ਯੋਜਨਾ ਬਣਾ ਸਕਦਾ ਹੈ, ਇੱਕ ਭੱਠੀ ਚਲਾ ਸਕਦਾ ਹੈ, ਆਉਟਪੁੱਟ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਇੱਕ ਖਰੜੇ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ - ਅਤੇ ਦਸਤਾਵੇਜ਼, ਲੌਗ-ਪੱਧਰ ਦੀ ਤਸਦੀਕ ਦੇ ਨਾਲ, ਜਦੋਂ ਇਸਦੇ ਆਪਣੇ ਦਾਅਵੇ ਗਲਤ ਹਨ। ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਸਹਾਇਕ ਅਤੇ ਖੁਦਮੁਖਤਿਆਰੀ ਖੋਜਕਰਤਾ ਵਿਚਕਾਰ ਪਾੜਾ ਘਟਦਾ ਜਾ ਰਿਹਾ ਹੈ, ਅਤੇ ਵਿਗਿਆਨ ਦੇ ਉਹ ਹਿੱਸੇ ਜੋ ਅੜੀਅਲ ਤੌਰ 'ਤੇ ਮਨੁੱਖੀ ਰਹਿੰਦੇ ਹਨ - ਨਿਰਣਾ, ਸੁਆਦ ਅਤੇ ਸਰੀਰਕ ਨਮੂਨਾ ਲੋਡਿੰਗ - ਨੂੰ ਸਹੀ ਤੌਰ 'ਤੇ ਦੇਖਣਾ ਆਸਾਨ ਹੋ ਰਿਹਾ ਹੈ ਕਿਉਂਕਿ ਬਾਕੀ ਨੂੰ ਸਵੈਚਲਿਤ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ।

---

AI ਤੋਂ ਅੱਗੇ ਰਹੋ

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

ਹੋਰ AI ਖਬਰਾਂ ਪੜ੍ਹੋ →