MIT ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਇੱਕ ਸਿਖਲਾਈ ਤਕਨੀਕ ਵਿਕਸਿਤ ਕੀਤੀ ਹੈ ਜੋ ਆਮ ਤੌਰ 'ਤੇ ਲੋੜੀਂਦੇ ਡੇਟਾ ਦੇ ਇੱਕ ਹਿੱਸੇ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਤੇਜ਼, ਅਨੁਕੂਲ AI ਜਲਵਾਯੂ ਮਾਡਲਾਂ ਦਾ ਉਤਪਾਦਨ ਕਰਦੀ ਹੈ, ਇੱਕ ਕਦਮ ਜੋ ਉਹਨਾਂ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਇਹਨਾਂ ਸਾਧਨਾਂ ਦੇ ਉਤਪਾਦਨ ਦੇ ਸਮੇਂ ਨੂੰ ਮਹੀਨਿਆਂ ਜਾਂ ਸਾਲਾਂ ਤੋਂ ਘਟਾ ਕੇ ਨੀਤੀਗਤ ਫੈਸਲਿਆਂ ਲਈ ਬਹੁਤ ਜ਼ਿਆਦਾ ਉਪਯੋਗੀ ਹੋ ਸਕਦਾ ਹੈ। ਖੋਜ ਇਸ ਹਫ਼ਤੇ ਨੈਸ਼ਨਲ ਅਕੈਡਮੀ ਆਫ਼ ਸਾਇੰਸਿਜ਼ ਦੀ ਕਾਰਵਾਈ ਵਿੱਚ ਪ੍ਰਗਟ ਹੁੰਦੀ ਹੈ।

ਪ੍ਰਸ਼ਨ ਵਿੱਚ ਮਾਡਲ ਜਲਵਾਯੂ ਇਮੂਲੇਟਰ ਹਨ: ਸੰਖੇਪ AI ਸਰੋਗੇਟ ਸਿਸਟਮ ਜੋ ਫੁੱਲ-ਸਕੇਲ ਅਰਥ ਸਿਸਟਮ ਮਾਡਲਾਂ (ESMs) ਦੇ ਵਿਵਹਾਰ ਦੀ ਨਕਲ ਕਰਦੇ ਹਨ। ESMs ਜਲਵਾਯੂ ਵਿਗਿਆਨ ਦੇ ਕੰਮ ਕਰਨ ਵਾਲੇ ਘੋੜੇ ਹਨ - ਬਹੁਤ ਸਾਰੇ ਭੌਤਿਕ ਵਿਗਿਆਨ-ਅਧਾਰਿਤ ਸਿਮੂਲੇਸ਼ਨ ਜੋ ਇਹ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਕਿਵੇਂ ਤਾਪਮਾਨ, ਵਰਖਾ ਅਤੇ ਸਮੁੰਦਰੀ ਪੱਧਰ ਗ੍ਰੀਨਹਾਉਸ ਗੈਸਾਂ ਦੇ ਨਿਕਾਸ ਨੂੰ ਪ੍ਰਤੀਕਿਰਿਆ ਕਰਦੇ ਹਨ - ਪਰ ਇੱਕ ਇੱਕਲੇ ਭਵਿੱਖ ਦੇ ਦ੍ਰਿਸ਼ ਨੂੰ ਸੁਪਰ ਕੰਪਿਊਟਰਾਂ ਦੇ ਸਮੂਹ 'ਤੇ ਚੱਲਣ ਵਿੱਚ ਮਹੀਨੇ ਲੱਗ ਸਕਦੇ ਹਨ। ਇਮੂਲੇਟਰ, ਇਸਦੇ ਉਲਟ, ਸਕਿੰਟਾਂ ਵਿੱਚ ਚੱਲਦੇ ਹਨ, ਵਿਗਿਆਨੀਆਂ ਨੂੰ ਹਜ਼ਾਰਾਂ ਦ੍ਰਿਸ਼ਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਦਿੰਦੇ ਹਨ, ਖੇਤਰੀ ਪ੍ਰਭਾਵਾਂ ਅਤੇ ਖਾਸ ਪ੍ਰਦੂਸ਼ਕਾਂ ਦੀ ਜਾਂਚ ਕਰਦੇ ਹਨ, ਅਤੇ ਨੀਤੀਗਤ ਦਖਲਅੰਦਾਜ਼ੀ ਦੇ ਅਚਾਨਕ ਨਤੀਜਿਆਂ ਨੂੰ ਫਲੈਗ ਕਰਦੇ ਹਨ। ਵਿਗਿਆਨ ਵਿੱਚ AI ਦੀ ਵਿਸਤ੍ਰਿਤ ਭੂਮਿਕਾ ਦੀ ਚੱਲ ਰਹੀ ਕਵਰੇਜ ਲਈ, ਸਾਡੀ AI ਖੋਜ ਖਬਰਾਂ ਦੀ ਪਾਲਣਾ ਕਰੋ।

ਸਮੱਸਿਆ: ਯਥਾਰਥਵਾਦੀ ਸਿਖਲਾਈ ਡੇਟਾ ਕਮਜ਼ੋਰ ਮਾਡਲ ਬਣਾਉਂਦਾ ਹੈ

ਜਦੋਂ ਖੋਜਕਰਤਾ ਇੱਕ ਜਲਵਾਯੂ ਇਮੂਲੇਟਰ ਬਣਾਉਂਦੇ ਹਨ, ਤਾਂ ਉਹ ਆਮ ਤੌਰ 'ਤੇ ਇਸ ਨੂੰ ਛੇ ਤੋਂ ਅੱਠ ਭਵਿੱਖ ਦੇ ਨਿਕਾਸ ਦ੍ਰਿਸ਼ਾਂ 'ਤੇ ਸਿਖਲਾਈ ਦਿੰਦੇ ਹਨ ਜੋ ਯਥਾਰਥਵਾਦੀ ਚਾਲ-ਚਲਣ ਦਾ ਪਾਲਣ ਕਰਦੇ ਹਨ। ਸਿਖਲਾਈ ਡੇਟਾ ਤਿਆਰ ਕਰਨ ਲਈ ਹਰੇਕ ਨੂੰ ਇੱਕ ਪੂਰੇ ESM ਦੁਆਰਾ ਚਲਾਇਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਜੋ ਕਿ ਡੇਟਾਸੈਟ ਨੂੰ ਮਹਿੰਗਾ ਅਤੇ ਹੌਲੀ ਬਣਾਉਂਦਾ ਹੈ। ਐਮਆਈਟੀ ਟੀਮ ਨੇ ਪਹਿਲਾਂ ਇੱਕ ਸੂਖਮ ਅਸਫਲਤਾ ਮੋਡ ਦੀ ਪਛਾਣ ਕੀਤੀ ਸੀ: ਯਥਾਰਥਵਾਦੀ ਦ੍ਰਿਸ਼ਾਂ 'ਤੇ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਇਮੂਲੇਟਰ ਘੱਟ ਪ੍ਰਦਰਸ਼ਨ ਕਰ ਸਕਦੇ ਹਨ ਜਦੋਂ ਅਣਜਾਣ ਜਾਂ ਨਵੀਂ ਸਥਿਤੀਆਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਕਿਹਾ ਜਾਂਦਾ ਹੈ - ਬਿਲਕੁਲ ਉਹ ਸਥਿਤੀਆਂ ਜੋ ਨੀਤੀ ਨਿਰਮਾਤਾਵਾਂ ਨੂੰ ਵਧਦੀ ਖੋਜ ਕਰਨ ਦੀ ਲੋੜ ਹੈ।

"ਸਾਡਾ ਐਲਗੋਰਿਦਮ ਕੁਝ ਅਜੀਬ ਦ੍ਰਿਸ਼ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਇੱਕ ਯਥਾਰਥਵਾਦੀ ਭਵਿੱਖ ਵਰਗਾ ਕੁਝ ਵੀ ਨਹੀਂ ਦਿਖਦਾ, ਪਰ ਸਾਨੂੰ ਇਸ ਗੱਲ ਦੀ ਪਰਵਾਹ ਨਹੀਂ ਹੈ ਕਿ ਜੇਕਰ ਸਿਖਲਾਈ ਦੇ ਦ੍ਰਿਸ਼ ਯਥਾਰਥਵਾਦੀ ਹਨ," ਕ੍ਰਿਸਟੋਫਰ ਵੋਮੈਕ ਪੀਐਚਡੀ '26, ਜੋ ਕਿ ਹੁਣ ETH ਜ਼ਿਊਰਿਖ ਵਿੱਚ ਇੱਕ ਪੋਸਟਡੌਕ ਹੈ ਅਤੇ ਪੇਪਰ ਦੇ ਪ੍ਰਮੁੱਖ ਲੇਖਕ ਹਨ, ਨੇ MIT ਨਿਊਜ਼ ਵਿੱਚ ਕਿਹਾ। "ਅਸੀਂ ਸਿਰਫ ਇੱਕ ਇਮੂਲੇਟਰ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਸੰਭਵ ਡੇਟਾਸੈਟ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੇ ਹਾਂ।"

ਅੱਠ ਦੀ ਬਜਾਏ ਇੱਕ ESM ਚੱਲਦਾ ਹੈ

ਨਵੀਂ ਤਕਨੀਕ ਆਮ ਪਾਈਪਲਾਈਨ ਨੂੰ ਉਲਟਾਉਂਦੀ ਹੈ। ਯਥਾਰਥਵਾਦੀ ਦ੍ਰਿਸ਼ਾਂ ਨੂੰ ਇਕੱਠਾ ਕਰਨ ਦੀ ਬਜਾਏ, ਇੱਕ ਐਲਗੋਰਿਦਮ ਇੱਕ ਖਾਸ ਇਮੂਲੇਟਰ ਦੇ ਭਵਿੱਖਬਾਣੀ ਹੁਨਰ ਨੂੰ ਵੱਧ ਤੋਂ ਵੱਧ ਕਰਨ ਲਈ ਅਨੁਕੂਲਿਤ ਸਿੰਥੈਟਿਕ ਦ੍ਰਿਸ਼ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਪ੍ਰਕਿਰਿਆ ਇੱਕ ਤੇਜ਼, ਸਧਾਰਨ ਜਲਵਾਯੂ ਮਾਡਲ ਦੁਆਰਾ ਚਲਾਏ ਜਾਣ ਵਾਲੇ ਇੱਕ ਮਨਮਾਨੇ ਦ੍ਰਿਸ਼ ਨਾਲ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ, ਇਹ ਮਾਪਦਾ ਹੈ ਕਿ ਇਮੂਲੇਟਰ ਪੂਰੇ ESM ਦੇ ਨਤੀਜਿਆਂ ਨੂੰ ਕਿੰਨੀ ਚੰਗੀ ਤਰ੍ਹਾਂ ਦੁਬਾਰਾ ਪੇਸ਼ ਕਰਦਾ ਹੈ, ਫਿਰ ਸਿਖਲਾਈ ਡੇਟਾ ਨੂੰ ਦੁਹਰਾਉਂਦਾ ਹੈ — 2050 ਵਿੱਚ CO2 ਦੇ ਨਿਕਾਸ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਵਧਾਉਣਾ, ਕਹੋ, ਜਾਂ 2037 ਵਿੱਚ ਮੀਥੇਨ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਕੱਟਣਾ — ਇੱਕ ਗਲਤੀ ਦੇ ਹੇਠਾਂ ਆਉਣ ਤੱਕ।

ਸਿੱਟੇ ਵਜੋਂ ਸਿੰਥੈਟਿਕ ਦ੍ਰਿਸ਼ ਨਿਰਵਿਘਨ ਅਸਲ-ਸੰਸਾਰ ਟ੍ਰੈਜੈਕਟਰੀਜ਼ ਵਰਗੇ ਕੁਝ ਨਹੀਂ ਦਿਖਾਈ ਦਿੰਦੇ ਹਨ। ਵੋਮੈਕ ਨੇ ਕਿਹਾ, "ਇਨ੍ਹਾਂ ਉੱਚ-ਆਵਿਰਤੀ ਵਿਗਲਾਂ ਅਤੇ ਓਸਿਲੇਸ਼ਨਾਂ ਨੂੰ ਪੇਸ਼ ਕਰਕੇ, ਸਾਡਾ ਡੇਟਾ ਸਮੁੱਚੀ ਪ੍ਰਣਾਲੀ ਬਾਰੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਏਮੂਲੇਟਰ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ।" ਵਿਹਾਰਕ ਅਦਾਇਗੀ ਮਹੱਤਵਪੂਰਨ ਹੈ: ਜਿੱਥੇ ਇੱਕ ਸਿਖਲਾਈ ਸੈੱਟ ਬਣਾਉਣ ਲਈ ਇੱਕ ਵਾਰ ਪੂਰੇ ESM ਨੂੰ ਛੇ ਤੋਂ ਅੱਠ ਵਾਰ ਚਲਾਉਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਇੱਕ ਉਪਭੋਗਤਾ ਨੂੰ ਹੁਣ ਇੱਕ ਸਿੰਗਲ ਦੌੜ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

ਪਰੰਪਰਾਗਤ ਮਾਡਲਾਂ ਦਾ ਟੈਸਟ ਪਾਸ ਕਰਨਾ ਅਸਫਲ ਰਿਹਾ

ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਰਿਪੋਰਟ ਕੀਤੀ ਹੈ ਕਿ ਉਹਨਾਂ ਦੇ ਢੰਗ ਨਾਲ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਇੱਕ ਇਮੂਲੇਟਰ ਨੇ ਉਹਨਾਂ ਸਥਿਤੀਆਂ ਦੇ ਨਤੀਜਿਆਂ ਦੀ ਸਹੀ ਭਵਿੱਖਬਾਣੀ ਕੀਤੀ ਹੈ ਜੋ ਉਹਨਾਂ ਨੇ ਸਿਖਲਾਈ ਦੌਰਾਨ ਕਦੇ ਨਹੀਂ ਦੇਖੇ ਸਨ, ਜਦੋਂ ਕਿ ਰਵਾਇਤੀ ਇਮੂਲੇਟਰ ਅਨੁਕੂਲ ਹੋਣ ਵਿੱਚ ਅਸਫਲ ਰਹੇ। MIT ਨਿਊਜ਼ ਦੁਆਰਾ ਉਜਾਗਰ ਕੀਤੇ ਗਏ ਇੱਕ ਟੈਸਟ ਵਿੱਚ, ਸਿੰਥੈਟਿਕ-ਸਿਖਿਅਤ ਇਮੂਲੇਟਰ ਨੇ ਸਥਾਨਕ ਪ੍ਰਦੂਸ਼ਕ-ਨਿਯੰਤਰਣ ਨੀਤੀ ਦੇ ਪ੍ਰਭਾਵਾਂ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਕੈਪਚਰ ਕੀਤਾ ਜੋ ਇੱਕ ਪ੍ਰਦੂਸ਼ਕ ਨੂੰ ਘਟਾਉਂਦਾ ਹੈ ਜਦੋਂ ਕਿ ਦੂਜੇ ਨਿਕਾਸ ਵਧਦੇ ਰਹਿੰਦੇ ਹਨ - ਇੱਕ ਅਜਿਹਾ ਮਾਮਲਾ ਜਿੱਥੇ ਉਹਨਾਂ ਦੁਆਰਾ ਮੁਲਾਂਕਣ ਕੀਤੇ ਗਏ ਰਵਾਇਤੀ ਤੌਰ 'ਤੇ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਇਮੂਲੇਟਰ ਅਸਫਲ ਰਹੇ।

ਵੋਮੈਕ ਨੇ ਕਿਹਾ, "ਮੌਸਮ ਦੇ ਇਮੂਲੇਟਰ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਨੀਤੀ-ਸੰਬੰਧਿਤ ਦ੍ਰਿਸ਼ਾਂ ਦੇ ਮਾਡਲਿੰਗ ਲਈ ਢੁਕਵੇਂ ਹਨ। "ਇੱਕ ਇਮੂਲੇਟਰ ਲਈ ਅਨੁਕੂਲਿਤ ਸਿਖਲਾਈ ਡੇਟਾ ਤਿਆਰ ਕਰਨ ਲਈ ਸਾਡੀ ਵਿਧੀ ਦੀ ਵਰਤੋਂ ਕਰਕੇ, ਅਸੀਂ ਬਹੁਤ ਜ਼ਿਆਦਾ ਭਰੋਸੇਮੰਦ ਇਮੂਲੇਟਰਾਂ ਦੇ ਉਤਪਾਦਨ ਨੂੰ ਤੇਜ਼ ਕਰ ਸਕਦੇ ਹਾਂ, ਇਸ ਲਈ ਅਸੀਂ ਨੀਤੀਗਤ ਫੈਸਲੇ ਲੈਣ ਲਈ ਉਹਨਾਂ ਦੇ ਆਉਟਪੁੱਟ 'ਤੇ ਬਿਹਤਰ ਭਰੋਸਾ ਕਰ ਸਕਦੇ ਹਾਂ।"

ਅਨੁਕੂਲਤਾ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿਉਂਕਿ ਭਵਿੱਖ ਸਿਖਲਾਈ ਸੈੱਟ ਵਰਗਾ ਨਹੀਂ ਹੋਵੇਗਾ। ਸੇਲਿਨ ਨੇ ਕਿਹਾ, "ਭਵਿੱਖ ਵਿੱਚ, ਅਸੀਂ ਨਿਸ਼ਚਤ ਤੌਰ 'ਤੇ ਅਜਿਹੇ ਮਾਹੌਲ ਅਤੇ ਦ੍ਰਿਸ਼ਾਂ ਨੂੰ ਦੇਖਣ ਜਾ ਰਹੇ ਹਾਂ ਜੋ ਅਸੀਂ ਪਹਿਲਾਂ ਨਹੀਂ ਦੇਖੇ ਹਨ। "ਜੇ ਅਸੀਂ ਇਹਨਾਂ ਵੱਖੋ-ਵੱਖਰੇ ਦ੍ਰਿਸ਼ਾਂ ਨੂੰ ਵਧੇਰੇ ਮਜ਼ਬੂਤੀ ਨਾਲ ਨਕਲ ਕਰ ਸਕਦੇ ਹਾਂ, ਤਾਂ ਅਸੀਂ ਉਹਨਾਂ ਹਿੱਸੇਦਾਰਾਂ ਨੂੰ ਵਧੇਰੇ ਭਰੋਸੇਮੰਦ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੇ ਹਾਂ ਜਿਨ੍ਹਾਂ ਨੂੰ ਇਸਦੀ ਲੋੜ ਹੈ."

ਸਮਾਂ ਕਿਉਂ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ

ਸੀਨੀਅਰ ਲੇਖਕ ਨੋਏਲ ਸੇਲਿਨ, ਐਮਆਈਟੀ ਦੇ ਇੰਸਟੀਚਿਊਟ ਫਾਰ ਡੇਟਾ, ਸਿਸਟਮਜ਼ ਅਤੇ ਸੋਸਾਇਟੀ ਅਤੇ ਧਰਤੀ, ਵਾਯੂਮੰਡਲ ਅਤੇ ਗ੍ਰਹਿ ਵਿਗਿਆਨ ਵਿਭਾਗ ਵਿੱਚ ਪ੍ਰੋਫੈਸਰ, ਅਤੇ ਸਸਟੇਨੇਬਿਲਟੀ ਸਾਇੰਸ ਐਂਡ ਸਟ੍ਰੈਟੈਜੀ ਲਈ ਸੈਂਟਰ ਦੇ ਨਿਰਦੇਸ਼ਕ, ਨੇ ਕੰਮ ਨੂੰ ਜਲਵਾਯੂ ਜਾਣਕਾਰੀ ਲਈ ਇੱਕ ਸਪਲਾਈ-ਚੇਨ ਫਿਕਸ ਵਜੋਂ ਤਿਆਰ ਕੀਤਾ। ਕਿਉਂਕਿ ਇਮੂਲੇਟਰ ਸਿਖਲਾਈ ਨੂੰ ਮਹੀਨਿਆਂ ਜਾਂ ਸਾਲ ਲੱਗ ਸਕਦੇ ਹਨ, ਯੋਜਨਾਕਾਰਾਂ ਲਈ ਉਪਲਬਧ ਸਾਧਨ ਅਕਸਰ ਪੁਰਾਣੇ ਹੁੰਦੇ ਹਨ। "ਉਸ ਉਤਪਾਦਨ ਦੇ ਸਮੇਂ ਨੂੰ ਘਟਾ ਕੇ, ਮੈਨੂੰ ਲਗਦਾ ਹੈ ਕਿ ਇਹ ਤਕਨੀਕ ਖੋਜਕਰਤਾਵਾਂ ਅਤੇ ਪ੍ਰੈਕਟੀਸ਼ਨਰਾਂ ਦੇ ਹੱਥਾਂ ਵਿੱਚ ਅਪਡੇਟ ਕੀਤੇ ਟੂਲ ਪ੍ਰਾਪਤ ਕਰਨ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਇੱਕ ਗੇਮ-ਚੇਂਜਰ ਹੋਵੇਗੀ," ਉਸਨੇ ਕਿਹਾ।

ਐਪਲੀਕੇਸ਼ਨਾਂ ਅਕਾਦਮਿਕਤਾ ਤੋਂ ਪਰੇ ਹਨ: ਨਵੀਨਤਮ ਜਲਵਾਯੂ ਅਨੁਮਾਨ ਪਾਵਰ-ਗਰਿੱਡ ਲਚਕਤਾ, ਜਨਤਕ ਸਿਹਤ ਸੁਰੱਖਿਆ ਅਤੇ ਖੇਤੀਬਾੜੀ ਯੋਜਨਾਬੰਦੀ ਬਾਰੇ ਫੈਸਲਿਆਂ ਨੂੰ ਸੂਚਿਤ ਕਰਦੇ ਹਨ। ਟੀਮ ਵਿੱਚ ਸ਼ਾਹੀਨ ਬੂਆਬਿਡ, ਆਂਦਰੇਈ ਸੋਕੋਲੋਵ, ਪੋਪਟ ਸਾਲੰਕੇ ਅਤੇ ਐਮਆਈਟੀ ਦੇ ਗਲੇਨ ਫਲੀਅਰਲ ਅਤੇ ਇੰਪੀਰੀਅਲ ਕਾਲਜ ਲੰਡਨ ਦੇ ਸੇਬੇਸਟੀਅਨ ਡੀ. ਈਸਟਹੈਮ ਵੀ ਸ਼ਾਮਲ ਸਨ। ਖੋਜਕਰਤਾਵਾਂ ਦਾ ਅਗਲਾ ਟੀਚਾ ਤਕਨੀਕ ਨੂੰ ਵਧਾਉਣਾ ਹੈ ਤਾਂ ਜੋ ਇਮੂਲੇਟਰ ਮਜਬੂਤ ਰਹਿਣ ਕਿਉਂਕਿ ਗ੍ਰਹਿ ਜਲਵਾਯੂ ਦੀਆਂ ਸਥਿਤੀਆਂ ਵਿੱਚ ਦਾਖਲ ਹੁੰਦਾ ਹੈ ਜਿਸ ਵਿੱਚ ਕੋਈ ਇਤਿਹਾਸਕ ਉਦਾਹਰਣ ਨਹੀਂ ਹੈ।

---

AI ਤੋਂ ਅੱਗੇ ਰਹੋ

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

ਹੋਰ AI ਖਬਰਾਂ ਪੜ੍ਹੋ →