AI+X ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ; ਭਾਰਤ ਨੂੰ X+AI ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਆਪਣੀਆਂ ਤਕਨਾਲੋਜੀ ਯੂਨੀਵਰਸਿਟੀਆਂ ਦੀ ਲੋੜ ਹੈ

ਭਾਰਤ ਦੀ AI ਸਿੱਖਿਆ ਰਣਨੀਤੀ ਅਭਿਲਾਸ਼ੀ ਅਤੇ ਅਸਧਾਰਨ ਤੌਰ ‘ਤੇ ਵਿਆਪਕ ਹੈ, ਇਰਾਦੇ ਦੀ ਗੰਭੀਰਤਾ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ ਜੋ ਵੱਡੇ ਜਨਤਕ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਬਹੁਤ ਘੱਟ ਹੁੰਦੀ ਹੈ। ਫਿਰ ਵੀ, ਇਸਦੇ ਸਾਰੇ ਪੈਮਾਨੇ ਲਈ ਇਹ ਵਰਤਮਾਨ ਵਿੱਚ ਸਮੱਸਿਆ ਦੇ ਸਿਰਫ ਇੱਕ ਪਾਸੇ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰਦਾ ਹੈ.

ਪਿਛਲੇ ਕੁਝ ਹਫਤਿਆਂ ‘ਚ ਹੀ ਭਾਰਤ ਨੇ ਏਮੈਂ ਅਤੇ ਕੰਪਿਊਟੇਸ਼ਨਲ ਸੋਚ 32,000 ਤੋਂ ਵੱਧ CBSE ਸਕੂਲਾਂ ਵਿੱਚ ਪਾਠਕ੍ਰਮ। ਇਸ ਦੇ ਨਾਲ ਹੀ, ਰਾਸ਼ਟਰੀ ਪਹਿਲਕਦਮੀਆਂ ਜਿਵੇਂ ਸਵੈਮ, ਫਿਊਚਰ ਸਕਿੱਲਜ਼ ਪ੍ਰਾਈਮ ਅਤੇ ਇੰਡੀਆਏਆਈ ਮਿਸ਼ਨ AI ਸਮਰੱਥਾ ਵੱਲ ਇੱਕ ਤਾਲਮੇਲ ਅਤੇ ਵੱਡੇ ਪੈਮਾਨੇ ਵੱਲ ਵਧਣ ਦਾ ਸੰਕੇਤ ਦਿੰਦੇ ਹਨ।

ਕੁੱਲ ਮਿਲਾ ਕੇ, ਇਹ ਯਕੀਨੀ ਤੌਰ ‘ਤੇ ਇੱਕ ਗੰਭੀਰ ਰਾਸ਼ਟਰੀ ਯਤਨ ਹੈ। ਪਰ ਜਦੋਂ ਕੋਈ ਧਿਆਨ ਨਾਲ ਵੇਖਦਾ ਹੈ, ਤਾਂ ਇੱਕ ਪੈਟਰਨ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੋ ਜਾਂਦਾ ਹੈ. ਇਹ ਪਹਿਲਕਦਮੀਆਂ ਸਾਰੇ ਡੋਮੇਨਾਂ ਵਿੱਚ ਗਿਆਨ ਦੀ ਇੱਕ ਨਵੀਂ ਪਰਤ ਵਜੋਂ AI ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਪੇਸ਼ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ। ਇਹ AI + X, AI ਮੂਲ ਹੈ, ਨਵੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਬਣਾਉਣ ਲਈ ਵਧੀਆ ਹੈ। ਇਹ ਜ਼ਰੂਰੀ ਹੈ, ਚੰਗੀ ਤਰ੍ਹਾਂ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ ਅਤੇ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਬਕਾਇਆ ਹੈ। ਪਰ ਇਹ ਵੀ ਸਿਰਫ਼ ਅੱਧੀ ਕਹਾਣੀ ਹੈ।

ਇਹ ਸਮਝਣ ਲਈ ਕਿ ਕੀ ਗੁੰਮ ਹੈ, ਕਿਸੇ ਨੂੰ ਇਸ ਗੱਲ ‘ਤੇ ਡੂੰਘਾਈ ਨਾਲ ਵਿਚਾਰ ਕਰਨਾ ਪਏਗਾ ਕਿ ਹੋਰ ਤਕਨੀਕੀ ਤਬਦੀਲੀਆਂ ਕਿਵੇਂ ਸਾਹਮਣੇ ਆਈਆਂ ਹਨ।

ਜਦੋਂ ਨੈਨੋ ਟੈਕਨਾਲੋਜੀ ਇੱਕ ਖੇਤਰ ਦੇ ਰੂਪ ਵਿੱਚ ਉਭਰੀ, ਇਹ ਦੋ ਵੱਖ-ਵੱਖ ਟ੍ਰੈਜੈਕਟਰੀਆਂ ਦੇ ਨਾਲ ਵਿਕਸਤ ਹੋਈ। ਸਭ ਤੋਂ ਪਹਿਲਾਂ ਇੱਕ ਟੌਪ-ਡਾਊਨ ਪਹੁੰਚ ਸੀ, ਜਿੱਥੇ ਮੌਜੂਦਾ ਢਾਂਚਿਆਂ ਨੂੰ ਸੁਧਾਰਿਆ ਗਿਆ ਸੀ ਅਤੇ ਇਸ ਤਰ੍ਹਾਂ ਛੋਟਾ ਕੀਤਾ ਗਿਆ ਸੀ ਕਿ ਟਰਾਂਜ਼ਿਸਟਰਾਂ ਨੂੰ ਨੈਨੋਮੀਟਰ-ਸਕੇਲ ਵਾਲੇ ਯੰਤਰਾਂ ਵਿੱਚ ਦਿਸਣ ਵਾਲੇ ਭਾਗਾਂ ਤੋਂ ਸੁੰਗੜ ਦਿੱਤਾ ਗਿਆ ਸੀ। ਦੂਸਰਾ ਤਲ-ਉੱਪਰ ਸੀ, ਜਿੱਥੇ ਪ੍ਰਮਾਣੂ ਬਿਲਡਿੰਗ ਬਲਾਕਾਂ ਤੋਂ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਵੀਂ ਸਮੱਗਰੀ ਤਿਆਰ ਕੀਤੀ ਗਈ ਸੀ, ਨਵੀਨਤਾਵਾਂ ਪੈਦਾ ਕੀਤੀਆਂ ਗਈਆਂ ਸਨ ਜੋ ਉੱਪਰ-ਡਾਊਨ ਸੁਧਾਰਾਂ ਦੁਆਰਾ ਸੰਭਵ ਨਹੀਂ ਹੁੰਦੀਆਂ ਸਨ।

AI+X ਅਤੇ X+AI ਇਸ ਅੰਤਰ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ। ਇਹ ਉਹੀ ਪ੍ਰਕਿਰਿਆ ਨਹੀਂ ਹਨ ਜੋ ਉਲਟ ਦਿਸ਼ਾਵਾਂ ਤੋਂ ਵੇਖੀਆਂ ਜਾਂਦੀਆਂ ਹਨ, ਪਰ ਬੁਨਿਆਦੀ ਤੌਰ ‘ਤੇ ਵੱਖਰੀਆਂ ਚੁਣੌਤੀਆਂ ਹਨ ਜਿਨ੍ਹਾਂ ਲਈ ਵੱਖ-ਵੱਖ ਸੰਸਥਾਗਤ ਜਵਾਬਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

ਅਸਮਾਨਤਾ ਜੋ ਮਹੱਤਵਪੂਰਨ ਹੈ

M ਵਿੱਚ, ਜੋੜ ਕਮਿਊਟੇਟਿਵ ਹੈ, ਮਤਲਬ ਕਿ x + y y + x ਦੇ ਬਰਾਬਰ ਹੈ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਵਿੱਚ, ਇਹ ਸਮਰੂਪਤਾ ਬਰਕਰਾਰ ਨਹੀਂ ਰਹਿੰਦੀ ਹੈ, ਅਤੇ ਅੰਤਰ ਨਤੀਜੇ ਵਜੋਂ ਹੁੰਦਾ ਹੈ।

ਸਭ ਤੋਂ ਔਖੀ ਸਮੱਸਿਆ X+AI ਹੈ। ਇਹ ਨਵੇਂ ਸਿਖਿਆਰਥੀਆਂ ਨੂੰ AI ਨਾਲ ਜਾਣ-ਪਛਾਣ ਕਰਨ ਬਾਰੇ ਨਹੀਂ ਹੈ, ਬਲਕਿ ਸਾਲਾਂ, ਅਕਸਰ ਦਹਾਕਿਆਂ, ਮਿਹਨਤ ਨਾਲ ਕਮਾਏ ਮੁਹਾਰਤ ਵਾਲੇ ਲੋਕਾਂ ਨੂੰ ਉਹਨਾਂ ਦੇ ਸੋਚਣ ਅਤੇ ਕੰਮ ਕਰਨ ਦੇ ਤਰੀਕੇ ਵਿੱਚ ਏਆਈ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਣ ਬਾਰੇ ਹੈ। ਸੰਖੇਪ ਵਿੱਚ, AI + X ਸਿਰਫ ਸਿਖਿਆਰਥੀਆਂ ਦੀ ਸਥਿਤੀ ਨੂੰ ਬਦਲਦਾ ਹੈ, ਜਦੋਂ ਕਿ X + AI ਗਿਆਨ ਦੀ ਸਥਿਤੀ ਨੂੰ ਬਦਲਦਾ ਹੈ।

ਉਦਾਹਰਨ ਲਈ, ਉਸ ਇੰਜੀਨੀਅਰ ‘ਤੇ ਵਿਚਾਰ ਕਰੋ ਜਿਸਨੇ ਸੂਖਮ ਪੈਮਾਨੇ ‘ਤੇ ਸਮੱਗਰੀ ਦੇ ਵਿਵਹਾਰ ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਇੱਕ ਦਹਾਕਾ ਬਿਤਾਇਆ ਹੈ ਅਤੇ ਉਹ ਜਾਣਦਾ ਹੈ ਕਿ AI ਮਹੀਨਿਆਂ ਦੇ ਸਿਮੂਲੇਸ਼ਨ ਨੂੰ ਘੰਟਿਆਂ ਵਿੱਚ ਸੰਕੁਚਿਤ ਕਰ ਸਕਦਾ ਹੈ, ਫਿਰ ਵੀ ਉਸ ਸਮਰੱਥਾ ਨੂੰ ਉਸਦੇ ਕੰਮ ਵਿੱਚ ਲਿਆਉਣ ਲਈ ਕੋਈ ਢਾਂਚਾਗਤ ਰਸਤਾ ਨਹੀਂ ਲੱਭ ਸਕਦਾ। ਜਾਂ ਹਾਈਡ੍ਰੋਲੋਜਿਸਟ ਜਿਸਦਾ ਇੱਕ ਖਾਸ ਨਦੀ ਬੇਸਿਨ ਨਾਲ ਲੰਮਾ ਸਬੰਧ ਉਹਨਾਂ ਗਣਨਾਤਮਕ ਸਾਧਨਾਂ ਤੋਂ ਕੱਟਿਆ ਗਿਆ ਹੈ ਜੋ ਉਸ ਗਿਆਨ ਨੂੰ ਭਵਿੱਖਬਾਣੀ ਕਰ ਸਕਦੇ ਹਨ। ਜਾਂ ਦਹਾਕਿਆਂ ਦੇ ਕਲੀਨਿਕਲ ਤਜ਼ਰਬੇ ਵਾਲੇ ਡਾਕਟਰ, ਜਿਵੇਂ ਕਿ ਰੇਡੀਓਲੋਜਿਸਟ ਜੋ ਸ਼ੁਰੂਆਤੀ ਪੜਾਅ ਦੇ ਕੈਂਸਰਾਂ ਦੀ ਪਛਾਣ ਕਰਦੇ ਹਨ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਇਹ ਆਕਾਰ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ AI ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਬਾਹਰੋਂ ਅਪਣਾਉਣ ਦੀ ਬਜਾਏ ਕਿਵੇਂ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ।

ਇਹਨਾਂ ਵਿੱਚੋਂ ਹਰੇਕ ਕੇਸ ਵਿੱਚ, ਡੋਮੇਨ ਮਹਾਰਤ ਡੂੰਘੀ ਅਤੇ ਅਟੱਲ ਹੈ। ਟੂਲ ਉਪਲਬਧ ਹਨ, ਹਾਲਾਂਕਿ ਸਹੀ AI ਮੁਹਾਰਤ ਤੋਂ ਬਿਨਾਂ ਆਉਟਪੁੱਟ ਦੀ ਗਲਤ ਵਿਆਖਿਆ ਜਾਂ ਗਲਤ ਵਰਤੋਂ ਹੋਣ ਦਾ ਜੋਖਮ ਹੁੰਦਾ ਹੈ, ਖਾਸ ਤੌਰ ‘ਤੇ ਵਿਸ਼ੇਸ਼ ਡੋਮੇਨਾਂ ਵਿੱਚ ਜਿੱਥੇ ਗਲਤੀਆਂ ਹਮੇਸ਼ਾਂ ਤੁਰੰਤ ਦਿਖਾਈ ਨਹੀਂ ਦਿੰਦੀਆਂ ਹਨ। ਅਭਿਆਸ ਵਿੱਚ ਡੋਮੇਨ ਮੁਹਾਰਤ ਅਤੇ ਏਆਈ ਸਮਰੱਥਾ ਅਤੇ ਅਸਲ-ਸੰਸਾਰ ਦੇ ਫੈਸਲੇ ਲੈਣ ਵਿੱਚ ਦੋਵਾਂ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਦੀ ਯੋਗਤਾ ਵਿਚਕਾਰ ਇੱਕ ਪੁਲ ਦੀ ਘਾਟ ਹੈ।

ਭਾਰਤ ਦੇ ਖੋਜ ਸੰਸਥਾਵਾਂ, ਹਸਪਤਾਲਾਂ ਅਤੇ ਇੰਜੀਨੀਅਰਿੰਗ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ, ਇਹ ਗੁੰਮ ਪੁਲ ਹੈ ਜੋ ਅਰਥਪੂਰਨ AI ਗੋਦ ਲੈਣ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਡੀ ਰੁਕਾਵਟ ਹੋ ਸਕਦਾ ਹੈ। ਮੌਜੂਦਾ ਨੀਤੀ, ਇਸਦੇ ਸਾਰੇ ਗੁਣਾਂ ਲਈ, ਅਜੇ ਤੱਕ ਇਸ ਨੂੰ ਸੰਬੋਧਿਤ ਨਹੀਂ ਕਰਦੀ ਹੈ।

ਸੰਖਿਆਵਾਂ ਇਸ ਅੰਤਰ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰਦੀਆਂ ਹਨ। ਕੋਰਸੇਰਾ ਦੀ ਗਲੋਬਲ ਸਕਿੱਲ ਰਿਪੋਰਟ ਦੇ ਅਨੁਸਾਰ, ਅੱਜ ਭਾਰਤ ਵਿੱਚ ਲਗਭਗ 1.3 ਮਿਲੀਅਨ AI ਸਿੱਖਣ ਵਾਲੇ ਹਨ, ਜੋ ਕਿ ਵਿਸ਼ਵ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਹੈ। ਫਿਰ ਵੀ, ਇਹ AI ਕੁਸ਼ਲਤਾ ਵਿੱਚ 109 ਦੇਸ਼ਾਂ ਵਿੱਚੋਂ 89ਵੇਂ ਸਥਾਨ ‘ਤੇ ਹੈ। ਇੱਥੇ ਕਿਤੇ ਵੀ ਜ਼ਿਆਦਾ ਲੋਕ AI ਬਾਰੇ ਸਿੱਖ ਰਹੇ ਹਨ, ਪਰ ਬਹੁਤ ਘੱਟ ਲੋਕ ਇਸ ਨੂੰ ਅਸਲ-ਸੰਸਾਰ ਦੇ ਸੰਦਰਭ ਵਿੱਚ ਅਰਥਪੂਰਣ ਰੂਪ ਵਿੱਚ ਲਾਗੂ ਕਰਨ ਦੇ ਯੋਗ ਹਨ।

ਹੁਨਰ ਵਿਕਾਸ ਇਸ ਦਾ ਹੱਲ ਕਿਉਂ ਨਹੀਂ ਕਰ ਸਕਦਾ ਪਰ ਯੂਨੀਵਰਸਿਟੀਆਂ ਕਰ ਸਕਦੀਆਂ ਹਨ

ਇਸ ਅੰਤਰ ਨੂੰ ਹੁਨਰ ਦੀ ਘਾਟ ਵਜੋਂ ਵਿਆਖਿਆ ਕਰਨਾ ਪਰਤੱਖ ਹੈ, ਪਰ ਇਹ ਨਿਦਾਨ ਸਹੀ ਨਹੀਂ ਹੈ।

ਹੁਨਰ ਦੀ ਪਹਿਲਕਦਮੀ ਟੂਲ ਸਿਖਾਉਂਦੀ ਹੈ, ਪੇਸ਼ੇਵਰਾਂ ਨੂੰ ਏਆਈ ਪਲੇਟਫਾਰਮਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨ, ਮਾਡਲਾਂ ਨੂੰ ਚਲਾਉਣ, ਅਤੇ ਪੈਮਾਨੇ ‘ਤੇ ਆਉਟਪੁੱਟ ਦੀ ਕੁਸ਼ਲਤਾ ਨਾਲ ਵਿਆਖਿਆ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ। ਇਹ ਕੀਮਤੀ ਸਮਰੱਥਾਵਾਂ ਹਨ। ਪਰ ਇਹ ਫੈਸਲੇ ਡੂੰਘੀ ਡੋਮੇਨ ਮਹਾਰਤ ‘ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ ਅਤੇ ਇਕੱਲੇ ਮਾਡਿਊਲਰ ਸਿਖਲਾਈ ਦੁਆਰਾ ਪ੍ਰਾਪਤ ਨਹੀਂ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ।

ਉਹ ਡੋਮੇਨ ਗਿਆਨ ਅਤੇ ਤਕਨਾਲੋਜੀ ਦੀ ਸਮਝ ਦੇ ਲਾਂਘੇ ‘ਤੇ ਨਿਰੰਤਰ ਰੁਝੇਵਿਆਂ ਤੋਂ ਉਭਰਦੇ ਹਨ।

ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਟੈਕਨਾਲੋਜੀ ਦੀਆਂ ਯੂਨੀਵਰਸਿਟੀਆਂ ਦੀ ਇੱਕ ਵਿਲੱਖਣ ਭੂਮਿਕਾ ਹੈ।

ਆਪਣੇ ਸਭ ਤੋਂ ਉੱਤਮ ਰੂਪ ਵਿੱਚ, ਇਹ ਸੰਸਥਾਵਾਂ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਇਕੱਠਾ ਕਰਦੀਆਂ ਹਨ ਜੋ AI ਦੇ ਵਿਗਿਆਨ ਅਤੇ ਇਸ ਵਿੱਚ ਪ੍ਰਵੇਸ਼ ਕੀਤੇ ਡੋਮੇਨਾਂ ਦੀਆਂ ਜਟਿਲਤਾਵਾਂ ਦੋਵਾਂ ਨੂੰ ਸਮਝਦੇ ਹਨ। ਉਹ ਡੋਮੇਨ ਮਾਹਿਰਾਂ ਨਾਲ ਅਪ੍ਰੈਂਟਿਸ ਵਜੋਂ ਨਹੀਂ, ਸਗੋਂ ਸਾਂਝੀਆਂ ਸਮੱਸਿਆਵਾਂ ‘ਤੇ ਕੰਮ ਕਰਨ ਵਾਲੇ ਬੌਧਿਕ ਸਾਥੀਆਂ ਦੇ ਰੂਪ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਣ ਦੇ ਯੋਗ ਹਨ। ਦਹਾਕਿਆਂ ਦੇ ਤਜ਼ਰਬੇ ਵਾਲੀ ਇੱਕ ਸੀਨੀਅਰ ਵਿਗਿਆਨੀ ਆਪਣੀ ਮੁਹਾਰਤ ਨੂੰ ਇੱਕ ਪਲੇਟਫਾਰਮ ਕੋਰਸ ਦੇ ਅਧੀਨ ਕਰਨ ਦੀ ਸੰਭਾਵਨਾ ਨਹੀਂ ਹੈ, ਪਰ ਉਹ ਇੱਕ ਅਜਿਹੀ ਸੰਸਥਾ ਨਾਲ ਗੰਭੀਰਤਾ ਨਾਲ ਜੁੜੇਗੀ ਜਿਸਦੀ ਉਸਦੇ ਖੇਤਰ ਵਿੱਚ ਭਰੋਸੇਯੋਗਤਾ ਹੈ।

ਦਿਲਚਸਪ ਗੱਲ ਇਹ ਹੈ ਕਿ ਸਰਕਾਰ ਪਹਿਲਾਂ ਹੀ ਇਸ ਦਲੀਲ ਨੂੰ ਅੰਸ਼ਕ ਤੌਰ ‘ਤੇ ਮੰਨ ਚੁੱਕੀ ਹੈ। ਇੰਡੀਆਏਆਈ ਮਿਸ਼ਨ ਦੇ ਸਿਹਤ ਸੰਭਾਲ, ਖੇਤੀਬਾੜੀ, ਟਿਕਾਊ ਸ਼ਹਿਰਾਂ ਅਤੇ ਸਿੱਖਿਆ ਵਿੱਚ ਉੱਤਮਤਾ ਕੇਂਦਰ ਅਕਾਦਮਿਕ ਸੰਸਥਾਵਾਂ ਦੇ ਅੰਦਰ ਸਥਿਤ ਹਨ ਕਿਉਂਕਿ ਅਰਥਪੂਰਨ ਡੋਮੇਨ-ਏਆਈ ਏਕੀਕਰਣ ਲਈ ਖੋਜ ਦੀ ਡੂੰਘਾਈ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਜਿਸ ਚੀਜ਼ ਦਾ ਅਜੇ ਤੱਕ ਪਿੱਛਾ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਹੈ ਉਹ ਹੈ ਇਸ ਤਰਕ ਦਾ ਵਿਸਤ੍ਰਿਤ ਪ੍ਰਣਾਲੀ ਲਈ ਵਿਸਤਾਰ।

ਕੀ ਬਦਲਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ

X+AI ਇੱਕ ਵੱਖਰੀ ਕਿਸਮ ਦੀ ਸੰਸਥਾਗਤ ਵਚਨਬੱਧਤਾ ਦੀ ਮੰਗ ਕਰਦਾ ਹੈ, ਜੋ ਪਹਿਲੀ ਵਾਰ ਦੇ ਸਿਖਿਆਰਥੀਆਂ ਵੱਲ ਨਹੀਂ, ਸਗੋਂ ਆਪਣੇ ਅਭਿਆਸ ਨੂੰ ਡੂੰਘਾ ਕਰਨ ਵਾਲੇ ਪੇਸ਼ੇਵਰਾਂ ਵੱਲ ਕੇਂਦਰਿਤ ਹੈ।

ਇਸਦਾ ਅਰਥ ਹੈ ਪ੍ਰੋਗਰਾਮਾਂ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨਾ ਜੋ ਊਰਜਾ ਪ੍ਰਣਾਲੀਆਂ, ਪਾਣੀ ਪ੍ਰਬੰਧਨ, ਸਿਹਤ ਸੰਭਾਲ ਡਿਲੀਵਰੀ, ਖੇਤੀਬਾੜੀ, ਨਿਰਮਾਣ, ਅਤੇ AI ਸਮਰੱਥਾ ਬਣਾਉਣ ਵਰਗੇ ਖਾਸ ਡੋਮੇਨਾਂ ਦੀਆਂ ਅਸਲੀਅਤਾਂ ਤੋਂ ਸ਼ੁਰੂ ਹੁੰਦੇ ਹਨ ਅਤੇ ਇਹ ਦੱਸਦੇ ਹਨ ਕਿ ਉਹਨਾਂ ਖੇਤਰਾਂ ਵਿੱਚ ਅਸਲ ਵਿੱਚ ਫੈਸਲੇ ਕਿਵੇਂ ਲਏ ਜਾਂਦੇ ਹਨ। ਇਸਦਾ ਅਰਥ ਹੈ ਅਸਲ ਸਮੱਸਿਆਵਾਂ, ਅਸਲ ਡੇਟਾ ਅਤੇ ਅਸਲ ਰੁਕਾਵਟਾਂ ਨਾਲ ਨਜਿੱਠਣ ਲਈ ਆਮ AI ਦਿਸ਼ਾ ਤੋਂ ਪਰੇ ਜਾਣਾ।

ਪਹਿਲੇ ਕਦਮ ਦੇ ਤੌਰ ‘ਤੇ, ਇਸ ਲਈ ਯੂਨੀਵਰਸਿਟੀਆਂ ਨੂੰ AI ਨੂੰ ਸਟੈਂਡਅਲੋਨ ਐਡ-ਆਨ ਦੇ ਤੌਰ ‘ਤੇ ਵਰਤਣਾ ਬੰਦ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਅਤੇ ਇਸ ਦੀ ਬਜਾਏ ਇਸ ਨੂੰ ਵਿਸ਼ਿਆਂ ਨੂੰ ਕਿਵੇਂ ਸਿਖਾਇਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਅਭਿਆਸ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਇਹ ਉਹਨਾਂ ਦੇ ਆਪਣੇ ਫੈਕਲਟੀ ਨਾਲ ਸ਼ੁਰੂ ਹੁੰਦਾ ਹੈ. ਸੰਸਥਾਵਾਂ ਨੂੰ ਗੈਰ-ਏਆਈ ਖੋਜਕਰਤਾਵਾਂ ਅਤੇ ਸਿੱਖਿਅਕਾਂ ਨੂੰ ਆਪਣੇ ਡੋਮੇਨ ਵਰਕਫਲੋ ਵਿੱਚ ਏਆਈ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਣਾ ਚਾਹੀਦਾ ਹੈ।

ਅਜਿਹਾ ਕਰਨ ਦਾ ਇੱਕ ਤਰੀਕਾ ਹੈ ਡੋਮੇਨ-ਵਿਸ਼ੇਸ਼ AI ਸਟੂਡੀਓ ਬਣਾਉਣਾ, ਜਿੱਥੇ ਫੈਕਲਟੀ, ਖੋਜਕਰਤਾ, ਨੀਤੀ ਨਿਰਮਾਤਾ, ਅਤੇ ਪ੍ਰੈਕਟੀਸ਼ਨਰ ਅਸਲ-ਸੰਸਾਰ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ‘ਤੇ ਇਕੱਠੇ ਕੰਮ ਕਰਦੇ ਹਨ, ਡੋਮੇਨ ਗਿਆਨ ਨੂੰ AI ਸਮਰੱਥਾ ਦੇ ਨਾਲ ਜੋੜਦੇ ਹਨ। ਅਜਿਹੀਆਂ ਥਾਂਵਾਂ ਹਦਾਇਤਾਂ ਦੀ ਬਜਾਏ ਅਭਿਆਸ ਤੋਂ ਏਕੀਕਰਨ ਨੂੰ ਉਭਰਨ ਦਿੰਦੀਆਂ ਹਨ। ਅਜਿਹੇ ਮੌਕੇ ਪੈਦਾ ਕਰਨ ਲਈ ਸਰੋਤਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਅਤੇ ਇਸ ਨੂੰ ਖੁੱਲ੍ਹੇ ਦਿਲ ਨਾਲ ਫੰਡ ਦਿੱਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।

ਇਹ ਤਬਦੀਲੀ ਕਲਾਸਰੂਮ ਤੱਕ ਫੈਲਣੀ ਚਾਹੀਦੀ ਹੈ। ਤਕਨੀਕੀ ਵਿਕਲਪਾਂ ਦੇ ਅੰਦਰ AI ਨੂੰ ਅਲੱਗ-ਥਲੱਗ ਕਰਨ ਦੀ ਬਜਾਏ, ਇਸਨੂੰ ਮੌਜੂਦਾ ਅਨੁਸ਼ਾਸਨਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਜਿਵੇਂ ਕਿ ਸਮੱਗਰੀ ਵਿਗਿਆਨ ਦੇ ਵਿਦਿਆਰਥੀ ਪ੍ਰਯੋਗਾਂ ਤੋਂ ਪਹਿਲਾਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਦੇ ਹਨ, ਸਿਵਲ ਇੰਜੀਨੀਅਰਿੰਗ ਦੇ ਵਿਦਿਆਰਥੀ ਟ੍ਰੈਫਿਕ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਮਾਡਲਿੰਗ ਕਰਦੇ ਹਨ, ਮੈਡੀਕਲ ਵਿਦਿਆਰਥੀ AI-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਡਾਇਗਨੌਸਟਿਕਸ ਦਾ ਮੁਲਾਂਕਣ ਕਰਦੇ ਹਨ, ਜਾਂ ਨੀਤੀ ਵਿਦਿਆਰਥੀ AI ਸਾਧਨਾਂ ਨਾਲ ਕਾਨੂੰਨ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੇ ਹਨ। ਮੁਲਾਂਕਣ ਨੂੰ ਸਮੱਸਿਆ ਦੇ ਫਰੇਮਿੰਗ, ਆਲੋਚਨਾਤਮਕ ਵਿਆਖਿਆ, ਅਤੇ ਅਨੁਸ਼ਾਸਨੀ ਮਹਾਰਤ ਦੇ ਨਾਲ ਏਕੀਕਰਣ ‘ਤੇ ਜ਼ੋਰ ਦੇਣ ਲਈ ਤਕਨੀਕੀ ਵਰਤੋਂ ਤੋਂ ਪਰੇ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।

ਆਖਰਕਾਰ, ਯੂਨੀਵਰਸਿਟੀਆਂ ਨੂੰ ਪ੍ਰੋਤਸਾਹਨ ਨੂੰ ਦੁਬਾਰਾ ਬਣਾਉਣ ਦੀ ਜ਼ਰੂਰਤ ਹੋਏਗੀ. ਅੰਤਰ-ਅਨੁਸ਼ਾਸਨੀ ਸਿਖਲਾਈ, ਡੇਟਾਸੈਟ ਨਿਰਮਾਣ ਅਤੇ ਅਸਲ-ਸੰਸਾਰ ਤੈਨਾਤੀ ਨੂੰ ਮਾਨਤਾ ਦਿੱਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ ਅਤੇ ਇਨਾਮ ਦਿੱਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। X+AI ਉਦੋਂ ਹੀ ਅਰਥ ਰੱਖਦਾ ਹੈ ਜਦੋਂ ਸੰਸਥਾਵਾਂ ਨੂੰ ਗਿਆਨ ਨੂੰ ਅਭਿਆਸ ਵਿੱਚ ਲਾਗੂ ਕਰਨ ਦੇ ਤਰੀਕੇ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ, ਨਾ ਕਿ ਸਿਰਫ਼ AI ਸਾਖਰਤਾ ਨੂੰ ਵਧਾਉਣ ਲਈ।

ਭਾਰਤ ਦੀ AI ਸਿੱਖਿਆ ਰਣਨੀਤੀ ਇੱਕ ਮਜ਼ਬੂਤ ​​ਨੀਂਹ ਰੱਖ ਰਹੀ ਹੈ, ਅਤੇ ਇਹ ਆਪਣੀ ਅਭਿਲਾਸ਼ਾ ਅਤੇ ਲਾਗੂ ਕਰਨ ਦੋਵਾਂ ਲਈ ਮਾਨਤਾ ਦੀ ਹੱਕਦਾਰ ਹੈ। ਪਰ ਇੱਕ ਬੁਨਿਆਦ, ਭਾਵੇਂ ਕਿੰਨੀ ਵੀ ਚੰਗੀ ਤਰ੍ਹਾਂ ਬਣਾਈ ਗਈ ਹੋਵੇ, ਆਪਣੇ ਆਪ ਵਿੱਚ ਰਿਸ਼ਤੇ ਨਹੀਂ ਬਣਾਉਂਦੀ।

ਭਾਰਤ ਦੇ ਡੋਮੇਨ ਮੁਹਾਰਤ ਦੇ ਡੂੰਘੇ ਭੰਡਾਰ ਅਤੇ AI ਦੀ ਪਰਿਵਰਤਨਸ਼ੀਲ ਸੰਭਾਵਨਾ ਦੇ ਵਿਚਕਾਰ ਪੁਲ ਕੇਵਲ ਹੁਨਰ ਪਲੇਟਫਾਰਮਾਂ ਜਾਂ ਪਾਠਕ੍ਰਮ ਜੋੜਾਂ ਦੁਆਰਾ ਨਹੀਂ ਬਣਾਇਆ ਜਾਵੇਗਾ। ਇਸ ਲਈ ਅਜਿਹੀਆਂ ਸੰਸਥਾਵਾਂ ਦੀ ਲੋੜ ਪਵੇਗੀ ਜੋ ਉਸ ਸਮੀਕਰਨ ਦੇ ਦੋਵੇਂ ਪਾਸੇ ਇਕੱਠੇ ਰੱਖ ਸਕਣ।

ਜੇ ਟੈਕਨਾਲੋਜੀ ਦੀਆਂ ਯੂਨੀਵਰਸਿਟੀਆਂ ਇਸ ਜ਼ਿੰਮੇਵਾਰੀ ਨੂੰ ਲੈਣ ਦੀ ਚੋਣ ਕਰਦੀਆਂ ਹਨ ਤਾਂ ਉਹ ਅਜਿਹਾ ਕਰਨ ਲਈ ਵਿਲੱਖਣ ਤੌਰ ‘ਤੇ ਸਥਿਤੀ ਵਿਚ ਹਨ।

(ਲੇਖਕ ਪਲਕਸ਼ਾ ਯੂਨੀਵਰਸਿਟੀ ਦੇ ਸੰਸਥਾਪਕ ਵਾਈਸ-ਚਾਂਸਲਰ ਹਨਅਤੇ ਭਾਰਤੀ ਵਿਗਿਆਨ ਸੰਸਥਾਨ, ਬੇਂਗਲੁਰੂ ਦੇ ਸਾਬਕਾ ਡਿਪਟੀ ਡਾਇਰੈਕਟਰ)