Google DeepMind ਨੇ 27 ਅਗਸਤ ਨੂੰ ਘੋਸ਼ਣਾ ਕੀਤੀ ਜਿਸ ਨੂੰ ਇਹ ਇੱਕ ਮਲਕੀਅਤ, ਸਰਹੱਦੀ-ਸ਼੍ਰੇਣੀ ਦੇ AI ਮਾਡਲ ਦੇ ਵਿਸ਼ਵ ਦੇ ਪਹਿਲੇ ਦੋਹਰੇ-ਅੰਨ੍ਹੇ ਮੁਲਾਂਕਣ ਨੂੰ ਕਹਿੰਦੇ ਹਨ — ਇੱਕ ਕ੍ਰਿਪਟੋਗ੍ਰਾਫਿਕ ਸੈੱਟਅੱਪ ਬਾਹਰੀ ਮਾਹਰਾਂ ਨੂੰ Google ਦੇ ਮਾਡਲਾਂ ਨੂੰ ਬਿਨਾਂ ਕਿਸੇ ਦੂਜੇ ਦੇ ਭੇਦ ਦੇਖੇ ਬਿਨਾਂ ਤਣਾਅ-ਪਰੀਖਣ ਕਰਨ ਦੇਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ।

ਪਾਇਲਟ, ਵਿਲੀਅਮ ਆਈਜ਼ੈਕ, ਸੋਲ ਮੇਸਿੰਗ ਅਤੇ ਕ੍ਰਿਸਟੀਅਨ ਲਮ ਦੁਆਰਾ ਇੱਕ ਡੀਪਮਾਈਂਡ ਬਲੌਗ ਪੋਸਟ ਵਿੱਚ ਵਰਣਨ ਕੀਤਾ ਗਿਆ ਹੈ, ਇੱਕ ਕ੍ਰਿਪਟੋਗ੍ਰਾਫਿਕ ਤੌਰ 'ਤੇ ਸੁਰੱਖਿਅਤ ਵਾਤਾਵਰਣ ਦੇ ਅੰਦਰ ਗੁਪਤ ਮਾਪਦੰਡਾਂ ਦੁਆਰਾ ਇੱਕ ਜੈਮਿਨੀ ਫਲੈਸ਼ ਲਾਈਟ ਮਾਡਲ ਚਲਾਉਂਦਾ ਹੈ। Google DeepMind ਇਸ ਕੋਸ਼ਿਸ਼ 'ਤੇ ਸਿੰਗਾਪੁਰ AI ਸੇਫਟੀ ਇੰਸਟੀਚਿਊਟ, OpenMined, AVERI ਅਤੇ MLCommons ਨਾਲ ਸਾਂਝੇਦਾਰੀ ਕਰ ਰਿਹਾ ਹੈ, ਅਤੇ ਇਸ ਨੇ ਕਾਰਜਪ੍ਰਣਾਲੀ ਦਾ ਵਰਣਨ ਕਰਨ ਵਾਲੀ ਇੱਕ ਤਕਨੀਕੀ ਰਿਪੋਰਟ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤੀ ਹੈ।

ਘੋਸ਼ਣਾ AI ਮੁਲਾਂਕਣ ਵਿੱਚ ਸਭ ਤੋਂ ਲਗਾਤਾਰ ਕਮਜ਼ੋਰੀਆਂ ਵਿੱਚੋਂ ਇੱਕ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰਦੀ ਹੈ: ਬੈਂਚਮਾਰਕ ਗੰਦਗੀ। AI ਰਿਸਰਚ ਨਿਊਜ਼ ਨੂੰ ਟਰੈਕ ਕਰਨ ਵਾਲੇ ਪਾਠਕਾਂ ਲਈ, ਇਹ ਤੀਜੀ-ਧਿਰ ਦੇ ਮਾਡਲ ਟੈਸਟਿੰਗ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਤੌਰ 'ਤੇ ਸਾਫ਼ ਕਰਨ ਲਈ ਵਧੇਰੇ ਠੋਸ ਕੋਸ਼ਿਸ਼ਾਂ ਵਿੱਚੋਂ ਇੱਕ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।

ਗੰਦਗੀ ਦੀ ਸਮੱਸਿਆ, ਵਿਆਖਿਆ ਕੀਤੀ

ਡੀਪਮਾਈਂਡ ਕਲਾਸਰੂਮ ਸਮਾਨਤਾ ਨਾਲ ਆਪਣੀ ਘੋਸ਼ਣਾ ਨੂੰ ਖੋਲ੍ਹਦਾ ਹੈ। ਜੇਕਰ ਕੋਈ ਵਿਦਿਆਰਥੀ ਗਲਤੀ ਨਾਲ ਇਮਤਿਹਾਨ ਦੇ ਸਵਾਲਾਂ ਨੂੰ ਪਹਿਲਾਂ ਹੀ ਦੇਖ ਲੈਂਦਾ ਹੈ, ਤਾਂ ਸੰਪੂਰਨ ਸਕੋਰ ਦਾ ਕੋਈ ਮਤਲਬ ਨਹੀਂ ਹੁੰਦਾ। ਇਹੀ ਤਰਕ ਫਰੰਟੀਅਰ ਮਾਡਲਾਂ 'ਤੇ ਲਾਗੂ ਹੁੰਦਾ ਹੈ: ਜੇਕਰ ਇੱਕ ਮਾਡਲ ਪਹਿਲਾਂ ਹੀ ਇੱਕ ਬੈਂਚਮਾਰਕ ਵਿੱਚ ਪ੍ਰਸ਼ਨਾਂ ਦੇ ਸਾਹਮਣੇ ਆ ਚੁੱਕਾ ਹੈ — ਸਿਖਲਾਈ ਡੇਟਾ, ਲੀਕ ਕੀਤੇ ਈਵਲ ਸੈੱਟ ਜਾਂ ਪੁਰਾਣੇ ਅਨੁਕੂਲਤਾ ਦੁਆਰਾ — ਨਤੀਜੇ ਵਜੋਂ ਸਕੋਰ ਅਸਲ ਸਮਰੱਥਾ ਨੂੰ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਵਧਾ ਸਕਦੇ ਹਨ।

ਇਹ ਕੋਈ ਕਾਲਪਨਿਕ ਚਿੰਤਾ ਨਹੀਂ ਹੈ। ਬੈਂਚਮਾਰਕ ਗੰਦਗੀ ਨੇ ਕਈ ਸਾਲਾਂ ਤੋਂ ਖੇਤਰ ਨੂੰ ਘੇਰਿਆ ਹੋਇਆ ਹੈ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਵਾਰ-ਵਾਰ ਦਿਖਾਇਆ ਹੈ ਕਿ ਪ੍ਰਸਿੱਧ ਟੈਸਟ ਸੈੱਟ ਵੈਬ-ਸਕੇਲ ਸਿਖਲਾਈ ਕਾਰਪੋਰਾ ਵਿੱਚ ਲੀਕ ਹੁੰਦੇ ਹਨ, ਅਤੇ ਇਹ ਮਾਡਲਾਂ ਨੂੰ ਜਾਣੇ-ਪਛਾਣੇ ਮੁਲਾਂਕਣਾਂ 'ਤੇ ਵਧੀਆ ਪ੍ਰਦਰਸ਼ਨ ਕਰਨ ਲਈ ਚੁੱਪਚਾਪ ਟਿਊਨ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਜਦੋਂ ਸਰਕਾਰਾਂ ਅਤੇ ਉੱਦਮ ਖਰੀਦ ਅਤੇ ਨੀਤੀਗਤ ਫੈਸਲੇ ਲੈਣ ਲਈ ਬੈਂਚਮਾਰਕ ਸਕੋਰਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ, ਤਾਂ ਵਧੇ ਹੋਏ ਸੰਖਿਆਵਾਂ ਦੇ ਅਸਲ ਨਤੀਜੇ ਨਿਕਲਦੇ ਹਨ।

ਜਿਵੇਂ ਕਿ ਮਾਡਲ ਵਧੇਰੇ ਸਮਰੱਥ ਹੁੰਦੇ ਹਨ, ਡੀਪਮਾਈਂਡ ਦਲੀਲ ਦਿੰਦਾ ਹੈ, ਸੰਵੇਦਨਸ਼ੀਲ ਮੁਲਾਂਕਣ ਸ਼੍ਰੇਣੀਆਂ ਲਈ ਦਾਅ ਸਭ ਤੋਂ ਵੱਧ ਹਨ - ਸਾਈਬਰ ਸੁਰੱਖਿਆ ਟੈਸਟਿੰਗ ਅਤੇ ਸਰਕਾਰੀ ਮੁਲਾਂਕਣਾਂ ਦੇ ਮੁੱਖ ਉਹਨਾਂ ਵਿੱਚ - ਜਿੱਥੇ ਇੱਕ ਦੂਸ਼ਿਤ ਸਕੋਰ ਨਾ ਸਿਰਫ਼ ਗੁੰਮਰਾਹਕੁੰਨ ਹੈ ਪਰ ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ ਖ਼ਤਰਨਾਕ ਹੈ।

ਪੁਰਾਣਾ ਵਪਾਰ: ਤੁਹਾਡੇ ਪ੍ਰੋਂਪਟ ਜਾਂ ਸਾਡਾ ਵਜ਼ਨ

ਇਤਿਹਾਸਕ ਤੌਰ 'ਤੇ, ਉੱਚ-ਦਾਅ ਵਾਲੇ ਬਾਹਰੀ ਮੁਲਾਂਕਣਾਂ ਨੇ ਇੱਕ ਅਸੁਵਿਧਾਜਨਕ ਚੋਣ ਲਈ ਮਜਬੂਰ ਕੀਤਾ। ਜਾਂ ਤਾਂ ਮੁਲਾਂਕਣਕਰਤਾ ਨੇ ਆਪਣੇ ਟੈਸਟਿੰਗ ਪ੍ਰੋਂਪਟਾਂ ਨੂੰ ਮਾਡਲ ਪ੍ਰਦਾਤਾ ਨੂੰ ਸੌਂਪ ਦਿੱਤਾ - ਇਹ ਜੋਖਮ ਲੈ ਕੇ ਕਿ ਪ੍ਰਦਾਤਾ ਟੈਸਟ ਦੇ ਪ੍ਰਸ਼ਨਾਂ ਨੂੰ ਪਹਿਲਾਂ ਹੀ ਦੇਖ ਲਵੇਗਾ - ਜਾਂ ਪ੍ਰਦਾਤਾ ਨੇ ਮੁਲਾਂਕਣਕਰਤਾ ਨੂੰ ਮਾਡਲ ਵੇਟ ਸੌਂਪੇ - ਇਸਦੀ ਸਭ ਤੋਂ ਕੀਮਤੀ ਬੌਧਿਕ ਸੰਪੱਤੀ ਦੇ ਨੁਕਸਾਨ ਦਾ ਖਤਰਾ ਹੈ।

ਜ਼ੀਰੋ-ਲੌਗਿੰਗ ਪ੍ਰੋਟੋਕੋਲ ਅਤੇ ਸਖ਼ਤ ਇਕਰਾਰਨਾਮੇ ਦੀ ਸੁਰੱਖਿਆ ਨੇ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਬਾਹਰੀ ਟੈਸਟ ਪ੍ਰੋਂਪਟਾਂ ਨੂੰ ਗੁਪਤ ਰੱਖਿਆ ਹੈ, ਡੀਪ ਮਾਈਂਡ ਲਿਖਦਾ ਹੈ, ਪਰ ਇਹ ਗਣਿਤ ਦੀ ਬਜਾਏ ਨੀਤੀ ਦੁਆਰਾ ਲਾਗੂ ਕੀਤੇ ਵਾਅਦੇ ਹਨ। ਡਬਲ-ਅੰਨ੍ਹੇ ਮੁਲਾਂਕਣ ਉਸ ਭਰੋਸੇ ਨੂੰ ਕ੍ਰਿਪਟੋਗ੍ਰਾਫਿਕ ਸਬੂਤ ਨਾਲ ਬਦਲ ਦਿੰਦੇ ਹਨ।

ਕ੍ਰਿਪਟੋਗ੍ਰਾਫਿਕ ਬਾਕਸ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ

ਪਾਇਲਟ ਗੋਪਨੀਯ ਸਪੇਸ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ, ਜੋ ਕਿ Google ਕਲਾਊਡ ਦੇ ਗੁਪਤ ਕੰਪਿਊਟਿੰਗ ਪੋਰਟਫੋਲੀਓ ਦਾ ਹਿੱਸਾ ਹੈ, ਜਿਸਨੂੰ ਡੀਪਮਾਈਂਡ ਇੱਕ ਕ੍ਰਿਪਟੋਗ੍ਰਾਫਿਕ "ਬਾਕਸ" ਵਜੋਂ ਵਰਣਨ ਕਰਦਾ ਹੈ। ਇਸਦੇ ਅੰਦਰ, ਇੱਕ ਮੁਲਾਂਕਣ ਦੇ ਦੋਵੇਂ ਹਿੱਸੇ - ਗੁਪਤ ਬੈਂਚਮਾਰਕ ਅਤੇ ਮਲਕੀਅਤ ਮਾਡਲ - ਉਹਨਾਂ ਦੇ ਸਬੰਧਤ ਮਾਲਕਾਂ ਲਈ ਨਿੱਜੀ ਰਹਿੰਦੇ ਹਨ, ਅਤੇ ਵਾਤਾਵਰਣ ਕ੍ਰਿਪਟੋਗ੍ਰਾਫਿਕ ਤੌਰ 'ਤੇ ਇਸ ਤੱਥ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ।

ਨਤੀਜਾ ਸੱਚਮੁੱਚ ਦੋਹਰਾ-ਅੰਨ੍ਹਾ ਹੈ: ਬਾਹਰੀ ਮੁਲਾਂਕਣ ਕਰਨ ਵਾਲਾ ਜੇਮਿਨੀ ਮਾਡਲ ਵਜ਼ਨ ਨਹੀਂ ਦੇਖ ਸਕਦਾ, ਅਤੇ Google ਮੁਲਾਂਕਣਕਰਤਾ ਦੇ ਟੈਸਟ ਪ੍ਰੋਂਪਟਾਂ ਨੂੰ ਨਹੀਂ ਦੇਖ ਸਕਦਾ। ਕਿਸੇ ਵੀ ਪੱਖ ਨੂੰ ਦੂਜੇ ਦੇ ਵਾਅਦਿਆਂ 'ਤੇ ਭਰੋਸਾ ਨਹੀਂ ਕਰਨਾ ਚਾਹੀਦਾ, ਕਿਉਂਕਿ ਆਰਕੀਟੈਕਚਰ ਆਪਣੇ ਆਪ ਵਿੱਚ ਲੀਕੇਜ ਨੂੰ ਸਿਧਾਂਤ ਵਿੱਚ ਅਸੰਭਵ ਬਣਾਉਂਦਾ ਹੈ। ਆਲੋਚਨਾਤਮਕ ਤੌਰ 'ਤੇ, ਸੈੱਟਅੱਪ ਭਵਿੱਖ ਦੇ ਟੈਸਟਿੰਗ ਤੋਂ ਪਹਿਲਾਂ ਮਾਡਲ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਲਈ ਮੁਲਾਂਕਣ ਡੇਟਾ ਨੂੰ ਬਾਅਦ ਵਿੱਚ ਵਰਤੇ ਜਾਣ ਤੋਂ ਵੀ ਰੋਕਦਾ ਹੈ - ਲੂਪ ਨੂੰ ਬੰਦ ਕਰਨਾ ਜਿਸ ਰਾਹੀਂ ਗੰਦਗੀ ਆਮ ਤੌਰ 'ਤੇ ਵਾਪਸ ਆ ਜਾਂਦੀ ਹੈ।

ਇਹ AI ਨਿਗਰਾਨੀ ਲਈ ਮਹੱਤਵਪੂਰਨ ਕਿਉਂ ਹੈ

ਵਿਆਪਕ ਮਹੱਤਤਾ ਇੱਕ ਜੈਮਿਨੀ ਮਾਡਲ ਤੋਂ ਪਰੇ ਹੈ। ਸੁਤੰਤਰ ਸੰਸਥਾਵਾਂ - AI ਸੁਰੱਖਿਆ ਸੰਸਥਾਵਾਂ, ਅਕਾਦਮਿਕ ਪ੍ਰਯੋਗਸ਼ਾਲਾਵਾਂ, ਰੈਗੂਲੇਟਰਾਂ - ਨੇ ਬੰਦ ਸਰਹੱਦੀ ਮਾਡਲਾਂ ਦਾ ਸਖਤੀ ਨਾਲ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਸਾਲਾਂ ਤੋਂ ਸੰਘਰਸ਼ ਕੀਤਾ ਹੈ, ਬਿਲਕੁਲ ਇਸ ਲਈ ਕਿਉਂਕਿ ਪ੍ਰਦਾਤਾ ਵਜ਼ਨ ਨਹੀਂ ਸੌਂਪ ਸਕਦੇ ਅਤੇ ਮੁਲਾਂਕਣਕਰਤਾ ਬੈਂਚਮਾਰਕ ਨਹੀਂ ਸੌਂਪਣਗੇ। ਫਰੰਟੀਅਰ ਲੈਬਾਂ ਦੇ ਨਾਲ ਮੁਲਾਂਕਣ ਸਮਝੌਤਿਆਂ 'ਤੇ ਹਸਤਾਖਰ ਕਰਨ ਵੇਲੇ ਹਰੇਕ ਪ੍ਰਮੁੱਖ AI ਸੁਰੱਖਿਆ ਸੰਸਥਾ ਨੇ ਇਸ ਸਮੱਸਿਆ ਦੇ ਸੰਸਕਰਣਾਂ ਨਾਲ ਜੂਝਿਆ ਹੈ।

ਜੇ ਪਾਇਲਟ ਰੋਕਦਾ ਹੈ, ਤਾਂ ਇਹ ਇੱਕ ਟੈਂਪਲੇਟ ਪੇਸ਼ ਕਰਦਾ ਹੈ ਜਿਸ ਦੇ ਤਹਿਤ ਡੇਟਾ ਦੀ ਪ੍ਰਭੂਸੱਤਾ ਅਤੇ ਬੌਧਿਕ ਸੰਪੱਤੀ ਸੁਤੰਤਰ ਜਾਂਚ ਨਾਲ ਸੰਪਰਕ ਵਿੱਚ ਰਹਿੰਦੀ ਹੈ। ਡੀਪਮਾਈਂਡ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਇਹ ਉਮੀਦ ਕਰਦਾ ਹੈ ਕਿ ਪਾਇਲਟ "ਮਾਡਲ ਨਿਗਰਾਨੀ ਲਈ ਇੱਕ ਨਵਾਂ ਮੋਰਚਾ ਸਥਾਪਤ ਕਰੇਗਾ, ਵਿਆਪਕ ਉਦਯੋਗ ਨੂੰ ਸੁਰੱਖਿਅਤ, ਵਧੇਰੇ ਭਰੋਸੇਮੰਦ, ਅਤੇ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਭਰੋਸੇਮੰਦ AI ਸਿਸਟਮ ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰੇਗਾ।"

ਸਾਥੀ ਸੂਚੀ ਆਪਣੇ ਆਪ ਵਿੱਚ ਜ਼ਿਕਰਯੋਗ ਹੈ। ਸਿੰਗਾਪੁਰ ਏਆਈ ਸੇਫਟੀ ਇੰਸਟੀਚਿਊਟ ਸਭ ਤੋਂ ਵੱਧ ਸਰਗਰਮ ਰਾਸ਼ਟਰੀ ਮੁਲਾਂਕਣ ਸੰਸਥਾਵਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ; OpenMined ਗੋਪਨੀਯਤਾ ਨੂੰ ਸੁਰੱਖਿਅਤ ਰੱਖਣ ਵਾਲੀ ਗਣਨਾ ਟੂਲਿੰਗ ਬਣਾਉਂਦਾ ਹੈ; MLcommons ਉਦਯੋਗ ਬੈਂਚਮਾਰਕਿੰਗ ਨੂੰ ਮਾਨਕੀਕਰਨ ਕਰਦਾ ਹੈ। AVERI ਸਰਕਾਰ, ਅਕਾਦਮਿਕ ਅਤੇ ਉਦਯੋਗ ਦੇ ਮਿਆਰਾਂ ਦੀਆਂ ਸੰਸਥਾਵਾਂ ਵਿੱਚ ਫੈਲੇ ਇੱਕ ਕੰਸੋਰਟੀਅਮ ਨੂੰ ਪੂਰਾ ਕਰਦਾ ਹੈ - ਉਹ ਹਲਕਿਆਂ ਜਿਨ੍ਹਾਂ ਨੂੰ ਪ੍ਰਦਰਸ਼ਨ ਦੀ ਬਜਾਏ ਇੱਕ ਆਦਰਸ਼ ਬਣਨ ਲਈ ਦੋਹਰੇ ਅੰਨ੍ਹੇ ਮੁਲਾਂਕਣ ਨੂੰ ਅਪਣਾਉਣ ਦੀ ਲੋੜ ਹੋਵੇਗੀ।

ਮੁਲਾਂਕਣ ਇਕਸਾਰਤਾ ਉੱਤੇ ਹਥਿਆਰਾਂ ਦੀ ਦੌੜ

ਇਹ ਘੋਸ਼ਣਾ ਏਆਈ ਕੰਪਨੀਆਂ ਆਪਣੇ ਆਪ ਨੂੰ ਕਿਵੇਂ ਦਰਜਾ ਦਿੰਦੀਆਂ ਹਨ, ਇਸ ਗੱਲ ਦੀ ਵੱਧ ਰਹੀ ਜਾਂਚ ਦੇ ਵਿਚਕਾਰ ਆਉਂਦੀ ਹੈ। ਲੈਬਾਂ ਨੂੰ ਚੈਰੀ-ਚੋਣ ਦੇ ਅਨੁਕੂਲ ਬੈਂਚਮਾਰਕਾਂ ਦੇ ਵਧ ਰਹੇ ਦੋਸ਼ਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ, ਅਤੇ ਸੁਤੰਤਰ ਲੀਡਰਬੋਰਡ ਬਿਲਕੁਲ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਬਣ ਗਏ ਹਨ ਕਿਉਂਕਿ ਉਹ ਵਿਕਰੇਤਾਵਾਂ ਦੇ ਨਿਯੰਤਰਣ ਤੋਂ ਬਾਹਰ ਬੈਠਦੇ ਹਨ। ਡਬਲ-ਅੰਨ੍ਹੇ ਮੁਲਾਂਕਣ ਵਿਕਰੇਤਾ ਦੇ ਆਪਣੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਅੰਦਰ ਉਸ ਸੁਤੰਤਰਤਾ ਦੀ ਲਹਿਰ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ - ਉਹਨਾਂ ਕੰਪਨੀਆਂ ਲਈ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਤਬਦੀਲੀ ਜਿਹਨਾਂ ਨੇ ਇਤਿਹਾਸਕ ਤੌਰ 'ਤੇ ਉਹਨਾਂ ਦੇ ਮਾਡਲਾਂ ਦੀ ਜਾਂਚ ਕਿਵੇਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਦੇ ਹਰ ਵੇਰਵੇ ਨੂੰ ਕੰਟਰੋਲ ਕਰਨ 'ਤੇ ਜ਼ੋਰ ਦਿੱਤਾ ਹੈ।

ਫਿਲਹਾਲ, ਪਾਇਲਟ ਇੱਕ ਮਾਡਲ ਅਤੇ ਗੁਪਤ ਮਾਪਦੰਡਾਂ ਦੇ ਇੱਕ ਸੈੱਟ ਨੂੰ ਕਵਰ ਕਰਦਾ ਹੈ। ਪਰ ਜੇਕਰ ਕ੍ਰਿਪਟੋਗ੍ਰਾਫਿਕ ਤੌਰ 'ਤੇ ਤਸਦੀਕ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਗੰਦਗੀ-ਮੁਕਤ ਮੁਲਾਂਕਣ ਤਕਨੀਕੀ ਤੌਰ 'ਤੇ ਰੁਟੀਨ ਬਣ ਜਾਂਦਾ ਹੈ, ਇਹ ਬਦਲ ਸਕਦਾ ਹੈ ਕਿ ਉੱਦਮ ਅਤੇ ਰੈਗੂਲੇਟਰ ਹਰ ਫਰੰਟੀਅਰ ਲੈਬ ਤੋਂ ਕੀ ਉਮੀਦ ਕਰਦੇ ਹਨ - ਅਤੇ ਪ੍ਰਮਾਣਿਤ ਦਾਅਵਿਆਂ 'ਤੇ ਵਧਦੀ ਹੋਈ ਮਾਰਕੀਟ ਵਿੱਚ "ਸਾਡੇ ਸਕੋਰ 'ਤੇ ਭਰੋਸਾ ਕਰੋ" ਨੂੰ ਇੱਕ ਮੁਸ਼ਕਲ ਵਿਕਰੀ ਬਣਾ ਸਕਦੇ ਹਨ।

---

AI ਤੋਂ ਅੱਗੇ ਰਹੋ

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

ਹੋਰ AI ਖਬਰਾਂ ਪੜ੍ਹੋ →