ਮਾਈਕ੍ਰੋ ਵਰਚੁਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੇ ਰੂਪ ਵਿੱਚ ਧਿਆਨ ਵਿਧੀ

ਮੌਜੂਦਾ ਜਨਰੇਟਿਵ AI ਇੱਕ AI ਤਕਨਾਲੋਜੀ ਹੈ ਜੋ ਟਰਾਂਸਫਾਰਮਰ ਦੀ ਖੋਜ ਨਾਲ ਇੱਕ ਵੱਡੀ ਸਫਲਤਾ ਵਜੋਂ ਪ੍ਰਫੁੱਲਤ ਹੋਈ।

ਧਿਆਨ ਵਿਧੀ ਨੂੰ ਟਰਾਂਸਫਾਰਮਰ ਦੀ ਪਰਿਭਾਸ਼ਿਤ ਵਿਸ਼ੇਸ਼ਤਾ ਵਜੋਂ ਦਰਸਾਇਆ ਜਾ ਸਕਦਾ ਹੈ। ਇਹ ਟਰਾਂਸਫਾਰਮਰ ਦੀ ਘੋਸ਼ਣਾ ਕਰਨ ਵਾਲੇ ਪੇਪਰ ਦੇ ਸਿਰਲੇਖ: "ਅਟੈਂਸ਼ਨ ਇਜ਼ ਆਲ ਯੂ ਨੀਡ" ਵਿੱਚ ਸੰਖੇਪ ਰੂਪ ਵਿੱਚ ਪ੍ਰਗਟ ਕੀਤਾ ਗਿਆ ਹੈ।

ਇਸਦਾ ਪਿਛੋਕੜ ਇਹ ਹੈ ਕਿ ਉਸ ਸਮੇਂ ਦੇ AI ਖੋਜਕਰਤਾ AI ਨੂੰ ਮਨੁੱਖਾਂ ਵਾਂਗ ਕੁਸ਼ਲਤਾ ਨਾਲ ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਨੂੰ ਸੰਭਾਲਣ ਦੇ ਯੋਗ ਬਣਾਉਣ ਲਈ ਵੱਖ-ਵੱਖ ਯਤਨ ਕਰ ਰਹੇ ਸਨ ਅਤੇ ਅਜ਼ਮਾਇਸ਼ਾਂ ਵਿੱਚ ਲੱਗੇ ਹੋਏ ਸਨ, ਸਫਲ ਤਰੀਕਿਆਂ ਦਾ ਨਾਮਕਰਨ ਕਰ ਰਹੇ ਸਨ ਅਤੇ ਉਹਨਾਂ ਬਾਰੇ ਪੇਪਰ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰ ਰਹੇ ਸਨ।

ਬਹੁਤ ਸਾਰੇ ਖੋਜਕਰਤਾਵਾਂ ਦਾ ਮੰਨਣਾ ਸੀ ਕਿ ਇਹਨਾਂ ਕਈ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਵਿਧੀਆਂ ਨੂੰ ਵੱਖ-ਵੱਖ ਤਰੀਕਿਆਂ ਨਾਲ ਜੋੜ ਕੇ, ਉਹ ਹੌਲੀ-ਹੌਲੀ AI ਬਣਾ ਸਕਦੇ ਹਨ ਜੋ ਮਨੁੱਖਾਂ ਵਾਂਗ ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਨੂੰ ਸੰਭਾਲਣ ਦੇ ਸਮਰੱਥ ਹੋਵੇਗਾ। ਉਹ ਨਵੀਆਂ ਵਿਧੀਆਂ ਦੀ ਖੋਜ ਕਰਨ 'ਤੇ ਕੇਂਦਰਿਤ ਸਨ ਜੋ ਦੂਜਿਆਂ ਨਾਲ ਮਿਲ ਕੇ ਕੰਮ ਕਰ ਸਕਦੀਆਂ ਸਨ, ਅਤੇ ਇਹਨਾਂ ਵਿਧੀਆਂ ਦੇ ਸਰਵੋਤਮ ਸੁਮੇਲ ਨੂੰ ਲੱਭਣ 'ਤੇ ਕੇਂਦਰਿਤ ਸਨ।

ਹਾਲਾਂਕਿ, ਟਰਾਂਸਫਾਰਮਰ ਨੇ ਇਸ ਰਵਾਇਤੀ ਸੂਝ ਨੂੰ ਪਲਟ ਦਿੱਤਾ। ਇਹ ਸੰਦੇਸ਼ ਕਿ ਵੱਖ-ਵੱਖ ਵਿਧੀਆਂ ਨੂੰ ਜੋੜਨ ਦੀ ਕੋਈ ਲੋੜ ਨਹੀਂ ਸੀ, ਅਤੇ ਸਿਰਫ਼ ਧਿਆਨ ਵਿਧੀ ਦੀ ਲੋੜ ਸੀ, ਪੇਪਰ ਦੇ ਸਿਰਲੇਖ ਵਿੱਚ ਸਪੱਸ਼ਟ ਸੀ।

ਹਾਲਾਂਕਿ ਟਰਾਂਸਫਾਰਮਰ ਖੁਦ ਯਕੀਨੀ ਤੌਰ 'ਤੇ ਵੱਖ-ਵੱਖ ਵਿਧੀਆਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ, ਇਸ ਵਿੱਚ ਕੋਈ ਸ਼ੱਕ ਨਹੀਂ ਹੈ ਕਿ ਧਿਆਨ ਵਿਧੀ ਉਹਨਾਂ ਵਿੱਚੋਂ ਖਾਸ ਤੌਰ 'ਤੇ ਮਹੱਤਵਪੂਰਨ ਅਤੇ ਵਿਲੱਖਣ ਸੀ।

ਧਿਆਨ ਵਿਧੀ ਦਾ ਸੰਖੇਪ ਵਰਣਨ

ਧਿਆਨ ਵਿਧੀ ਇੱਕ ਪ੍ਰਣਾਲੀ ਹੈ ਜੋ AI ਨੂੰ ਇਹ ਸਿੱਖਣ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ ਕਿ ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਵਿੱਚ ਕਿਸੇ ਖਾਸ ਸ਼ਬਦ ਨੂੰ ਪ੍ਰਕਿਰਿਆ ਕਰਦੇ ਸਮੇਂ, ਪਿਛਲੇ ਵਾਕਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਬਹੁਤ ਸਾਰੇ ਸ਼ਬਦਾਂ ਵਿੱਚੋਂ, ਉਸਨੂੰ ਕਿਹੜੇ ਸ਼ਬਦਾਂ 'ਤੇ ਧਿਆਨ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ।

ਇਹ AI ਨੂੰ ਇਹ ਸਹੀ ਢੰਗ ਨਾਲ ਸਮਝਣ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਇੱਕ ਸ਼ਬਦ ਕਿਸ ਦਾ ਹਵਾਲਾ ਦਿੰਦਾ ਹੈ, ਉਦਾਹਰਨ ਲਈ, ਜਦੋਂ "ਇਹ," "ਉਹ," ਜਾਂ "ਉਪਰੋਕਤ" (ਪਿਛਲੇ ਵਾਕ ਵਿੱਚ ਕਿਸੇ ਸ਼ਬਦ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦੇ ਹੋਏ) ਵਰਗੇ ਪ੍ਰਦਰਸ਼ਨਕਾਰੀਆਂ ਨਾਲ ਨਜਿੱਠਣਾ ਹੋਵੇ, ਜਾਂ ਸਥਿਤੀ ਸੰਬੰਧੀ ਹਵਾਲਿਆਂ ਜਿਵੇਂ ਕਿ "ਆਰੰਭਕ ਵਾਕ," "ਸੂਚੀਬੱਧ ਦੂਜੀ ਉਦਾਹਰਨ," ਜਾਂ "ਪਿਛਲਾ ਪੈਰਾਗ੍ਰਾਫ।"

ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇਹ ਸੰਸ਼ੋਧਕਾਂ ਦੀ ਸਹੀ ਵਿਆਖਿਆ ਕਰ ਸਕਦਾ ਹੈ ਭਾਵੇਂ ਉਹ ਵਾਕ ਵਿੱਚ ਦੂਰ-ਦੂਰ ਹੋਣ, ਅਤੇ ਲੰਬੇ ਪਾਠਾਂ ਵਿੱਚ ਵੀ, ਇਹ ਮੌਜੂਦਾ ਸ਼ਬਦ ਜਿਸ ਸੰਦਰਭ ਦਾ ਹਵਾਲਾ ਦਿੰਦਾ ਹੈ, ਉਸਨੂੰ ਗੁਆਏ ਬਿਨਾਂ ਸ਼ਬਦਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰ ਸਕਦਾ ਹੈ, ਇਸਨੂੰ ਦੂਜੇ ਵਾਕਾਂ ਵਿੱਚ ਗੁੰਮ ਹੋਣ ਤੋਂ ਰੋਕਦਾ ਹੈ।

ਇਹ "ਧਿਆਨ" ਦੀ ਉਪਯੋਗਤਾ ਹੈ।

ਇਸਦੇ ਉਲਟ, ਇਸਦਾ ਅਰਥ ਇਹ ਹੈ ਕਿ ਜਦੋਂ ਵਰਤਮਾਨ ਵਿੱਚ ਪ੍ਰਕਿਰਿਆ ਕੀਤੇ ਜਾ ਰਹੇ ਸ਼ਬਦ ਦੀ ਵਿਆਖਿਆ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਬੇਲੋੜੇ ਸ਼ਬਦਾਂ ਨੂੰ ਮਾਸਕ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਵਿਆਖਿਆ ਤੋਂ ਹਟਾ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ।

ਕਿਸੇ ਦਿੱਤੇ ਗਏ ਸ਼ਬਦ ਦੀ ਵਿਆਖਿਆ ਲਈ ਜ਼ਰੂਰੀ ਸ਼ਬਦਾਂ ਨੂੰ ਹੀ ਰੱਖ ਕੇ ਅਤੇ ਅਸੰਬੰਧਿਤ ਸ਼ਬਦਾਂ ਨੂੰ ਵਿਆਖਿਆ ਤੋਂ ਹਟਾ ਕੇ, ਵਿਆਖਿਆ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਸ਼ਬਦਾਂ ਦਾ ਸਮੂਹ ਕੁਝ ਤੱਕ ਸੀਮਤ ਰਹਿੰਦਾ ਹੈ, ਭਾਵੇਂ ਪਾਠ ਕਿੰਨਾ ਵੀ ਲੰਬਾ ਕਿਉਂ ਨਾ ਹੋਵੇ, ਇਸ ਤਰ੍ਹਾਂ ਵਿਆਖਿਆਤਮਕ ਘਣਤਾ ਨੂੰ ਪਤਲਾ ਹੋਣ ਤੋਂ ਰੋਕਿਆ ਜਾ ਸਕਦਾ ਹੈ।

ਵਰਚੁਅਲ ਬੁੱਧੀ

ਹੁਣ, ਗੱਲ ਨੂੰ ਥੋੜ੍ਹਾ ਬਦਲਦੇ ਹੋਏ, ਮੈਂ ਵਰਚੁਅਲ ਬੁੱਧੀ ਦੇ ਸੰਕਲਪ 'ਤੇ ਵਿਚਾਰ ਕਰ ਰਿਹਾ ਹਾਂ।

ਵਰਤਮਾਨ ਵਿੱਚ, ਕਾਰੋਬਾਰ ਲਈ ਉਤਪਾਦਕ AI ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਸਮੇਂ, ਜੇਕਰ ਕਿਸੇ ਕੰਪਨੀ ਦੇ ਅੰਦਰ ਸਾਰੀ ਜਾਣਕਾਰੀ ਨੂੰ ਇਕੱਠਾ ਕਰਕੇ AI ਨੂੰ ਇੱਕ ਸਿੰਗਲ ਗਿਆਨ ਅਧਾਰ ਵਜੋਂ ਪ੍ਰਦਾਨ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਗਿਆਨ ਦੀ ਬਹੁਤ ਜ਼ਿਆਦਾ ਮਾਤਰਾ ਭਾਰੀ ਹੋ ਸਕਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਇਹ ਵਰਤਾਰਾ ਹੋ ਸਕਦਾ ਹੈ ਕਿ AI ਇਸਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਪ੍ਰਕਿਰਿਆ ਨਹੀਂ ਕਰ ਸਕਦਾ।

ਇਸ ਕਾਰਨ ਕਰਕੇ, ਕੰਮ ਦੁਆਰਾ ਗਿਆਨ ਨੂੰ ਵੱਖ ਕਰਨਾ ਵਧੇਰੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੈ, ਹਰੇਕ ਕੰਮ ਲਈ AI ਚੈਟਸ ਤਿਆਰ ਕਰਨਾ ਜਾਂ ਖਾਸ ਕਾਰਜਾਂ ਲਈ ਵਿਸ਼ੇਸ਼ AI ਟੂਲ ਬਣਾਉਣਾ।

ਸਿੱਟੇ ਵਜੋਂ, ਗੁੰਝਲਦਾਰ ਕਾਰਜਾਂ ਨੂੰ ਕਰਦੇ ਸਮੇਂ, ਇਹਨਾਂ AI ਚੈਟਸ ਜਾਂ AI ਟੂਲਸ ਨੂੰ ਜੋੜਨਾ ਜ਼ਰੂਰੀ ਹੋ ਜਾਂਦਾ ਹੈ, ਹਰ ਇੱਕ ਆਪਣੇ ਵੱਖਰੇ ਗਿਆਨ ਦੇ ਨਾਲ।

ਹਾਲਾਂਕਿ ਇਹ ਉਤਪਾਦਕ AI ਦੀ ਇੱਕ ਮੌਜੂਦਾ ਸੀਮਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਮੂਲ ਰੂਪ ਵਿੱਚ, ਭਵਿੱਖ ਦੇ ਉਤਪਾਦਕ AI ਦੇ ਨਾਲ ਵੀ, ਕਿਸੇ ਖਾਸ ਕੰਮ ਲਈ ਲੋੜੀਂਦੇ ਗਿਆਨ 'ਤੇ ਪੂਰਾ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨ ਨਾਲ ਉੱਚ ਸ਼ੁੱਧਤਾ ਪ੍ਰਾਪਤ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ।

ਇਸਦੀ ਬਜਾਏ, ਮੇਰਾ ਮੰਨਣਾ ਹੈ ਕਿ ਭਵਿੱਖ ਦੇ ਉਤਪਾਦਕ AI ਸਥਿਤੀ ਦੇ ਅਨੁਸਾਰ ਲੋੜੀਂਦੇ ਗਿਆਨ ਨੂੰ ਅੰਦਰੂਨੀ ਤੌਰ 'ਤੇ ਵੱਖਰਾ ਅਤੇ ਵਰਤੋਂ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਗੇ, ਭਾਵੇਂ ਮਨੁੱਖਾਂ ਨੂੰ ਉਸ ਗਿਆਨ ਨੂੰ ਵੰਡਣਾ ਨਾ ਪਵੇ।

ਇਹ ਸਮਰੱਥਾ ਵਰਚੁਅਲ ਬੁੱਧੀ ਹੈ। ਇਹ ਇੱਕ ਵਰਚੁਅਲ ਮਸ਼ੀਨ ਵਾਂਗ ਹੈ ਜੋ ਇੱਕ ਸਿੰਗਲ ਕੰਪਿਊਟਰ 'ਤੇ ਕਈ ਵੱਖ-ਵੱਖ ਓਪਰੇਟਿੰਗ ਸਿਸਟਮਾਂ ਨੂੰ ਚਲਾ ਸਕਦੀ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਇੱਕ ਸਿੰਗਲ ਬੁੱਧੀ ਦੇ ਅੰਦਰ, ਵੱਖ-ਵੱਖ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਵਾਲੀਆਂ ਕਈ ਵਰਚੁਅਲ ਬੁੱਧੀ ਕੰਮ ਕਰ ਸਕਦੀਆਂ ਹਨ।

ਮੌਜੂਦਾ ਜਨਰੇਟਿਵ AI ਵੀ ਪਹਿਲਾਂ ਹੀ ਕਈ ਲੋਕਾਂ ਵਿਚਕਾਰ ਚਰਚਾਵਾਂ ਦੀ ਨਕਲ ਕਰ ਸਕਦਾ ਹੈ ਜਾਂ ਕਈ ਪਾਤਰਾਂ ਵਾਲੀਆਂ ਕਹਾਣੀਆਂ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ। ਇਸ ਲਈ, ਵਰਚੁਅਲ ਬੁੱਧੀ ਕੋਈ ਖਾਸ ਸਮਰੱਥਾ ਨਹੀਂ ਹੈ ਬਲਕਿ ਮੌਜੂਦਾ ਜਨਰੇਟਿਵ AI ਦਾ ਇੱਕ ਵਿਸਤਾਰ ਹੈ।

ਮਾਈਕ੍ਰੋ ਵਰਚੁਅਲ ਇੰਟੈਲੀਜੈਂਸ

ਵਰਚੁਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੀ ਵਿਧੀ, ਜੋ ਕੰਮ ਦੇ ਅਨੁਸਾਰ ਲੋੜੀਂਦੇ ਗਿਆਨ ਨੂੰ ਘੱਟ ਕਰਦੀ ਹੈ, ਧਿਆਨ ਵਿਧੀ ਦੇ ਸਮਾਨ ਕੁਝ ਕਰਦੀ ਹੈ।

ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਇਹ ਧਿਆਨ ਵਿਧੀ ਦੇ ਸਮਾਨ ਹੈ ਕਿ ਇਹ ਵਰਤਮਾਨ ਵਿੱਚ ਚਲਾਏ ਜਾ ਰਹੇ ਕੰਮ ਦੇ ਅਧਾਰ 'ਤੇ ਸਿਰਫ਼ ਸੰਬੰਧਿਤ ਗਿਆਨ 'ਤੇ ਧਿਆਨ ਕੇਂਦ੍ਰਤ ਕਰਦੀ ਹੈ ਅਤੇ ਉਸਨੂੰ ਪ੍ਰਕਿਰਿਆ ਕਰਦੀ ਹੈ।

ਇਸਦੇ ਉਲਟ, ਧਿਆਨ ਵਿਧੀ ਨੂੰ ਇੱਕ ਅਜਿਹੀ ਵਿਧੀ ਕਿਹਾ ਜਾ ਸਕਦਾ ਹੈ ਜੋ ਵਰਚੁਅਲ ਇੰਟੈਲੀਜੈਂਸ ਵਰਗੀ ਚੀਜ਼ ਨੂੰ ਸਾਕਾਰ ਕਰਦੀ ਹੈ। ਹਾਲਾਂਕਿ, ਜਦੋਂ ਕਿ ਮੇਰੀ ਕਲਪਨਾ ਵਾਲੀ ਵਰਚੁਅਲ ਇੰਟੈਲੀਜੈਂਸ ਗਿਆਨ ਦੇ ਸੰਗ੍ਰਹਿ ਵਿੱਚੋਂ ਸੰਬੰਧਿਤ ਗਿਆਨ ਦੀ ਚੋਣ ਕਰਦੀ ਹੈ, ਧਿਆਨ ਵਿਧੀ ਸ਼ਬਦਾਂ ਦੇ ਸੰਗ੍ਰਹਿ ਦੀ ਇਕਾਈ 'ਤੇ ਕੰਮ ਕਰਦੀ ਹੈ।

ਇਸ ਕਾਰਨ ਕਰਕੇ, ਧਿਆਨ ਵਿਧੀ ਨੂੰ ਮਾਈਕ੍ਰੋ ਵਰਚੁਅਲ ਇੰਟੈਲੀਜੈਂਸ ਕਿਹਾ ਜਾ ਸਕਦਾ ਹੈ।

ਸਪੱਸ਼ਟ ਧਿਆਨ ਵਿਧੀ

ਜੇ ਅਸੀਂ ਧਿਆਨ ਵਿਧੀ ਨੂੰ ਮਾਈਕ੍ਰੋ ਵਰਚੁਅਲ ਬੁੱਧੀ ਵਜੋਂ ਵੇਖਦੇ ਹਾਂ, ਤਾਂ ਇਸਦੇ ਉਲਟ, ਜਿਸ ਵਰਚੁਅਲ ਬੁੱਧੀ ਦਾ ਮੈਂ ਪਹਿਲਾਂ ਜ਼ਿਕਰ ਕੀਤਾ ਹੈ, ਉਸਨੂੰ ਇੱਕ ਮੈਕ੍ਰੋ ਧਿਆਨ ਵਿਧੀ ਬਣਾ ਕੇ ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।

ਅਤੇ ਇਸ ਮੈਕ੍ਰੋ ਧਿਆਨ ਵਿਧੀ ਨੂੰ ਵੱਡੇ ਭਾਸ਼ਾਈ ਮਾਡਲਾਂ ਦੀ ਅੰਦਰੂਨੀ ਬਣਤਰ ਵਿੱਚ ਜੋੜਨ ਜਾਂ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਸਿੱਖਣ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ।

ਇਹ ਸਿਰਫ਼ ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਵਿੱਚ ਲਿਖਿਆ ਇੱਕ ਸਪੱਸ਼ਟ ਬਿਆਨ ਹੋ ਸਕਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ: "ਕਾਰਜ A ਨੂੰ ਚਲਾਉਂਦੇ ਸਮੇਂ, ਗਿਆਨ B ਅਤੇ ਗਿਆਨ C ਦਾ ਹਵਾਲਾ ਦਿਓ।"

ਇਹ ਕਾਰਜ A ਲਈ ਲੋੜੀਂਦੇ ਗਿਆਨ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰਦਾ ਹੈ। ਇਹ ਬਿਆਨ ਖੁਦ ਗਿਆਨ ਦੀ ਇੱਕ ਕਿਸਮ ਹੈ।

ਇਸਨੂੰ ਇੱਕ ਸਪੱਸ਼ਟ ਧਿਆਨ ਵਿਧੀ ਕਿਹਾ ਜਾ ਸਕਦਾ ਹੈ। ਇਸ ਬਿਆਨ ਨੂੰ ਧਿਆਨ ਗਿਆਨ ਵਜੋਂ ਮੰਨਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਜੋ ਕਾਰਜ A ਨੂੰ ਕਰਦੇ ਸਮੇਂ ਜਿਸ ਗਿਆਨ 'ਤੇ ਧਿਆਨ ਕੇਂਦ੍ਰਤ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ, ਉਸਨੂੰ ਸਪੱਸ਼ਟ ਰੂਪ ਵਿੱਚ ਦਰਸਾਉਂਦਾ ਹੈ।

ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇਸ ਧਿਆਨ ਗਿਆਨ ਨੂੰ ਜਨਰੇਟਿਵ AI ਦੁਆਰਾ ਤਿਆਰ ਜਾਂ ਅਪਡੇਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।

ਜੇ ਕਿਸੇ ਕਾਰਜ ਵਿੱਚ ਗਿਆਨ ਦੀ ਘਾਟ ਕਾਰਨ ਅਸਫਲਤਾ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਇਸ ਪ੍ਰਤੀਬਿੰਬ ਦੇ ਅਧਾਰ 'ਤੇ, ਉਸ ਕਾਰਜ ਲਈ ਇੱਕ ਹਵਾਲੇ ਵਜੋਂ ਵਾਧੂ ਗਿਆਨ ਸ਼ਾਮਲ ਕਰਨ ਲਈ ਧਿਆਨ ਗਿਆਨ ਨੂੰ ਅਪਡੇਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।

ਸਿੱਟਾ

ਧਿਆਨ ਵਿਧੀ ਨੇ ਜਨਰੇਟਿਵ AI ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਨਾਟਕੀ ਢੰਗ ਨਾਲ ਅੱਗੇ ਵਧਾਇਆ ਹੈ।

ਇਹ ਸਿਰਫ਼ ਇੱਕ ਵਿਧੀ ਨਹੀਂ ਸੀ ਜੋ ਚੰਗੀ ਤਰ੍ਹਾਂ ਕੰਮ ਕਰਦੀ ਸੀ; ਸਗੋਂ, ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਇੱਥੇ ਦੇਖਿਆ ਹੈ, ਹਰੇਕ ਸਥਿਤੀ ਲਈ ਹਵਾਲਾ ਦਿੱਤੀ ਜਾਣ ਵਾਲੀ ਜਾਣਕਾਰੀ ਨੂੰ ਗਤੀਸ਼ੀਲ ਰੂਪ ਵਿੱਚ ਘੱਟ ਕਰਨ ਦੀ ਵਿਧੀ ਹੀ ਉੱਨਤ ਬੁੱਧੀ ਦਾ ਸਾਰ ਜਾਪਦੀ ਹੈ।

ਅਤੇ, ਵਰਚੁਅਲ ਇੰਟੈਲੀਜੈਂਸ ਅਤੇ ਸਪੱਸ਼ਟ ਧਿਆਨ ਗਿਆਨ ਵਾਂਗ, ਧਿਆਨ ਵਿਧੀ ਵੱਖ-ਵੱਖ ਪਰਤਾਂ ਵਿੱਚ ਬੁੱਧੀ ਨੂੰ ਵਾਰ-ਵਾਰ ਵਧਾਉਣ ਲਈ ਵੀ ਮਹੱਤਵਪੂਰਨ ਹੈ।