ਬਣਾਵਟੀ ਬੁੱਧੀ (artificial intelligence - AI) ਦੇ ਵਿਕਾਸ ਦੀ ਨਿਰੰਤਰ ਅਤੇ ਅਕਸਰ ਅਪਾਰਦਰਸ਼ੀ ਦੁਨੀਆਂ ਵਿੱਚ, ਸਪੱਸ਼ਟਤਾ ਵੱਲ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਕਦਮ ਚੁੱਕਿਆ ਗਿਆ ਹੈ। Anthropic, ਇੱਕ ਖੋਜ ਫਰਮ ਜਿਸਨੂੰ Amazon ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਸਮਰਥਨ ਪ੍ਰਾਪਤ ਹੈ, ਨੇ ਆਪਣੇ ਨਵੀਨਤਮ ਸੰਸਕਰਣ, Claude 3.7 Sonnet ਨਾਲ ਵੱਡੇ ਭਾਸ਼ਾਈ ਮਾਡਲਾਂ (large language models - LLMs) ਦੇ ਅੰਦਰੂਨੀ ਕਾਰਜਾਂ ‘ਤੇ ਥੋੜ੍ਹਾ ਪਰਦਾ ਹਟਾਇਆ ਹੈ। ਇਹ ਮਾਡਲ ਸਿਰਫ਼ ਇੱਕ ਹੋਰ ਵਾਧਾਤਮਕ ਅੱਪਡੇਟ ਨਹੀਂ ਹੈ; ਇਹ ਇੱਕ ਸੰਭਾਵੀ ਪੈਰਾਡਾਈਮ ਸ਼ਿਫਟ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਜਿਸਨੂੰ ਕੰਪਨੀ ਦੁਨੀਆ ਦਾ ਪ੍ਰਮੁੱਖ ਹਾਈਬ੍ਰਿਡ ਤਰਕ AI ਸਿਸਟਮ ਕਹਿੰਦੀ ਹੈ। ਇਸਦੇ ਪ੍ਰਭਾਵ ਦੂਰਗਾਮੀ ਹਨ, ਜੋ ਨਾ ਸਿਰਫ਼ ਗੁੰਝਲਦਾਰ ਖੇਤਰਾਂ ਜਿਵੇਂ ਕਿ ਸਾਫਟਵੇਅਰ ਇੰਜੀਨੀਅਰਿੰਗ ਵਿੱਚ ਵਧੀ ਹੋਈ ਕਾਰਗੁਜ਼ਾਰੀ ਦਾ ਵਾਅਦਾ ਕਰਦੇ ਹਨ, ਬਲਕਿ ਇਹਨਾਂ ਵਧਦੀਆਂ ਸ਼ਕਤੀਸ਼ਾਲੀ ਡਿਜੀਟਲ ਦਿਮਾਗਾਂ ਦੇ ਫੈਸਲੇ ਲੈਣ ਦੇ ਮਾਰਗਾਂ ਵਿੱਚ ਬਹੁਤ ਲੋੜੀਂਦੀ ਪਾਰਦਰਸ਼ਤਾ ਦੀ ਖੁਰਾਕ ਵੀ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ।
ਮੁੱਖ ਨਵੀਨਤਾ Claude 3.7 Sonnet ਦੀ ਦੋ ਵੱਖ-ਵੱਖ ਕਾਰਜ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਸਹਿਜੇ ਹੀ ਮਿਲਾਉਣ ਦੀ ਯੋਗਤਾ ਵਿੱਚ ਹੈ: ਗੱਲਬਾਤ ਵਾਲੀ AI ਤੋਂ ਆਮ ਤੌਰ ‘ਤੇ ਉਮੀਦ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਜਵਾਬਾਂ ਦੀ ਤੇਜ਼-ਰਫ਼ਤਾਰ ਪੀੜ੍ਹੀ, ਅਤੇ ਇੱਕ ਵਧੇਰੇ ਡੂੰਘੀ, ਸੋਚ-ਸਮਝ ਕੇ ਤਰਕ ਕਰਨ ਦੀ ਸਮਰੱਥਾ। ਇਹ ਦਵੈਤ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਇੱਕ ਗਤੀਸ਼ੀਲ ਪਹੁੰਚ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਉਹ ਸਿੱਧੇ ਸਵਾਲਾਂ ਲਈ ਲਗਭਗ ਤੁਰੰਤ ਜਵਾਬਾਂ ਅਤੇ ਗੁੰਝਲਦਾਰ ਸੋਚ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੀ ਮੰਗ ਕਰਨ ਵਾਲੇ ਕਾਰਜਾਂ ਲਈ ਇੱਕ ਡੂੰਘੇ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਇੰਜਣ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਦੇ ਵਿਚਕਾਰ ਚੋਣ ਕਰ ਸਕਦੇ ਹਨ। ਇਸ ਲਚਕਤਾ ਦਾ ਉਦੇਸ਼ ਗਤੀ ਅਤੇ ਬੋਧਾਤਮਕ ਡੂੰਘਾਈ ਦੇ ਵਿਚਕਾਰ ਸਦੀਵੀ ਸਮਝੌਤੇ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣਾ ਹੈ, AI ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਪ੍ਰੋਫਾਈਲ ਨੂੰ ਹੱਥ ਵਿੱਚ ਕੰਮ ਦੀਆਂ ਖਾਸ ਮੰਗਾਂ ਅਨੁਸਾਰ ਢਾਲਣਾ ਹੈ।
ਮਸ਼ੀਨ ਦੇ ਅੰਦਰ ਝਾਤ ਮਾਰਨਾ: ਦ੍ਰਿਸ਼ਮਾਨ ਸਕ੍ਰੈਚ ਪੈਡ ਦਾ ਆਗਮਨ
ਸ਼ਾਇਦ Claude 3.7 Sonnet ਨਾਲ ਪੇਸ਼ ਕੀਤੀ ਗਈ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਵਿਸ਼ੇਸ਼ਤਾ Visible Scratch Pad ਹੈ। ਸਾਲਾਂ ਤੋਂ, LLMs ਦੀਆਂ ਅੰਦਰੂਨੀ ਗਣਨਾਵਾਂ ਵੱਡੇ ਪੱਧਰ ‘ਤੇ ਅਸਪਸ਼ਟ ਰਹੀਆਂ ਹਨ, ਇੱਕ ‘ਬਲੈਕ ਬਾਕਸ’ ਦੇ ਅੰਦਰ ਕੰਮ ਕਰਦੀਆਂ ਹਨ ਜਿਸ ਨੇ ਡਿਵੈਲਪਰਾਂ, ਖੋਜਕਰਤਾਵਾਂ ਅਤੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਨਿਰਾਸ਼ ਕੀਤਾ ਜੋ ਇਹ ਸਮਝਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੇ ਸਨ ਕਿ AI ਕਿਸੇ ਖਾਸ ਸਿੱਟੇ ‘ਤੇ ਕਿਵੇਂ ਪਹੁੰਚਿਆ। Anthropic ਦੀ ਨਵੀਨਤਾ ਸਿੱਧੇ ਤੌਰ ‘ਤੇ ਇਸ ਅਪਾਰਦਰਸ਼ਤਾ ਦਾ ਸਾਹਮਣਾ ਕਰਦੀ ਹੈ।
ਇਹ ਵਿਸ਼ੇਸ਼ਤਾ, ਅਲੰਕਾਰਿਕ ਤੌਰ ‘ਤੇ, ਇੱਕ ਵਿਦਿਆਰਥੀ ਨੂੰ ਇੱਕ ਗੁੰਝਲਦਾਰ ਗਣਿਤ ਦੀ ਸਮੱਸਿਆ ‘ਤੇ ਆਪਣਾ ਕੰਮ ਦਿਖਾਉਣ ਦੀ ਆਗਿਆ ਦੇਣ ਵਾਂਗ ਕੰਮ ਕਰਦੀ ਹੈ। ਜਦੋਂ ਚੁਣੌਤੀਪੂਰਨ ਸਵਾਲਾਂ ਨਾਲ ਪੇਸ਼ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਲਈ ਬਹੁ-ਪੜਾਵੀ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, Claude 3.7 Sonnet ਹੁਣ ਆਪਣੇ ਵਿਚਕਾਰਲੇ ਵਿਚਾਰਾਂ ਅਤੇ ਤਰਕਪੂਰਨ ਕ੍ਰਮਾਂ ਨੂੰ ਬਾਹਰੀ ਬਣਾ ਸਕਦਾ ਹੈ। ਉਪਭੋਗਤਾ ਮਾਡਲ ਦੀ ਤਰਕ ਲੜੀ ਦੇ ਪ੍ਰਤੀਨਿਧਤਾ ਨੂੰ ਦੇਖਣ ਦੀ ਯੋਗਤਾ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ, ਸਮੱਸਿਆ ਦੇ ਟੁੱਟਣ ਅਤੇ ਹੱਲ ਵੱਲ ਚੁੱਕੇ ਗਏ ਕਦਮਾਂ ਦੇ ਗਵਾਹ ਬਣਦੇ ਹਨ।
- ਵਧਿਆ ਹੋਇਆ ਭਰੋਸਾ ਅਤੇ ਡੀਬੱਗਿੰਗ: ਇਹ ਦ੍ਰਿਸ਼ਟੀ ਭਰੋਸਾ ਬਣਾਉਣ ਲਈ ਅਨਮੋਲ ਹੈ। ਜਦੋਂ ਉਪਭੋਗਤਾ AI ਦੇ ਤਰਕ ਦੀ ਪਾਲਣਾ ਕਰ ਸਕਦੇ ਹਨ, ਤਾਂ ਉਹ ਇਸਦੇ ਆਉਟਪੁੱਟ ਦੀ ਵੈਧਤਾ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਬਿਹਤਰ ਢੰਗ ਨਾਲ ਲੈਸ ਹੁੰਦੇ ਹਨ। ਡਿਵੈਲਪਰਾਂ ਲਈ, ਇਹ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਡੀਬੱਗਿੰਗ ਟੂਲ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਇਹ ਪਛਾਣ ਕਰਨਾ ਆਸਾਨ ਹੋ ਜਾਂਦਾ ਹੈ ਕਿ ਤਰਕ ਕਿੱਥੇ ਗਲਤ ਹੋ ਸਕਦਾ ਹੈ ਜਾਂ ਪੱਖਪਾਤ ਕਿੱਥੇ ਆ ਸਕਦੇ ਹਨ।
- ਵਿਦਿਅਕ ਅਤੇ ਵਿਆਖਿਆਤਮਕ ਮੁੱਲ: AI ਦੇ ਜਵਾਬ ਦੇ ਪਿੱਛੇ ‘ਕਿਉਂ’ ਨੂੰ ਸਮਝਣਾ ਜਵਾਬ ਜਿੰਨਾ ਹੀ ਮਹੱਤਵਪੂਰਨ ਹੋ ਸਕਦਾ ਹੈ, ਖਾਸ ਕਰਕੇ ਵਿਦਿਅਕ ਜਾਂ ਖੋਜ ਸੰਦਰਭਾਂ ਵਿੱਚ। ਸਕ੍ਰੈਚ ਪੈਡ ਮਾਡਲ ਦੀਆਂ ਸਮੱਸਿਆ-ਹੱਲ ਕਰਨ ਦੀਆਂ ਰਣਨੀਤੀਆਂ ਬਾਰੇ ਸਮਝ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।
- ਗੁੰਝਲਤਾ ਨੂੰ ਨੈਵੀਗੇਟ ਕਰਨਾ: ਗੁੰਝਲਦਾਰ ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ, ਤਰਕਪੂਰਨ ਕਟੌਤੀ, ਜਾਂ ਰਚਨਾਤਮਕ ਸਮੱਸਿਆ-ਹੱਲ ਕਰਨ ਵਾਲੇ ਕਾਰਜਾਂ ਲਈ, AI ਦੀ ਸੋਚ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਦੇਖਣਾ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਉਹਨਾਂ ਦੇ ਪ੍ਰੋਂਪਟਾਂ ਨੂੰ ਸੁਧਾਰਨ ਜਾਂ ਮਾਡਲ ਨੂੰ ਵਧੇਰੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਮਾਰਗਦਰਸ਼ਨ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ।
ਹਾਲਾਂਕਿ, ਇਹ ਨੋਟ ਕਰਨਾ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿ ਇਹ ਪਾਰਦਰਸ਼ਤਾ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਹੀਂ ਹੈ। Anthropic ਮੰਨਦਾ ਹੈ ਕਿ ਸਕ੍ਰੈਚ ਪੈਡ ਦੇ ਅੰਦਰ ਕੁਝ ਕਦਮਾਂ ਨੂੰ ਸੰਪਾਦਿਤ ਜਾਂ ਸਰਲ ਬਣਾਇਆ ਜਾ ਸਕਦਾ ਹੈ, ਮੁੱਖ ਤੌਰ ‘ਤੇ ਸੁਰੱਖਿਆ ਵਿਚਾਰਾਂ ਲਈ ਜਾਂ ਮਾਡਲ ਦੇ ਆਰਕੀਟੈਕਚਰ ਦੇ ਮਲਕੀਅਤੀ ਤੱਤਾਂ ਦੀ ਰੱਖਿਆ ਲਈ। ਫਿਰ ਵੀ, ਅੰਸ਼ਕ ਦ੍ਰਿਸ਼ਟੀ ਵੱਲ ਵੀ ਕਦਮ LLM ਕਾਰਜਾਂ ਦੀ ਰਵਾਇਤੀ ਤੌਰ ‘ਤੇ ਸੀਲਬੰਦ ਪ੍ਰਕਿਰਤੀ ਤੋਂ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਵਿਦਾਇਗੀ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।
ਇੰਜਣ ਨੂੰ ਫਾਈਨ-ਟਿਊਨ ਕਰਨਾ: ਡਿਵੈਲਪਰ ਕੰਟਰੋਲ ਅਤੇ ਆਰਥਿਕ ਵਿਚਾਰ
ਉਪਭੋਗਤਾ-ਸਾਹਮਣਾ ਪਾਰਦਰਸ਼ਤਾ ਨੂੰ ਪੂਰਾ ਕਰਨਾ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਦਿੱਤਾ ਗਿਆ ਨਿਯੰਤਰਣ ਦੀ ਇੱਕ ਨਵੀਂ ਪਰਤ ਹੈ। Anthropic ਨੇ ਇੱਕ ਸਲਾਈਡਿੰਗ ਸਕੇਲ ਮਕੈਨਿਜ਼ਮ ਪੇਸ਼ ਕੀਤਾ ਹੈ, ਜਿਸਦਾ ਪ੍ਰਬੰਧਨ ਇੱਕ ਟੋਕਨ-ਅਧਾਰਤ ਇੰਟਰਫੇਸ ਦੁਆਰਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਜੋ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਕਿਸੇ ਵੀ ਦਿੱਤੇ ਗਏ ਕਾਰਜ ਲਈ ਮਾਡਲ ਨੂੰ ਅਲਾਟ ਕੀਤੇ ‘ਤਰਕ ਬਜਟ’ ਨੂੰ ਮੋਡਿਊਲੇਟ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ।
ਇਹ ਵਿਸ਼ੇਸ਼ਤਾ ਵੱਡੇ ਪੈਮਾਨੇ ‘ਤੇ AI ਨੂੰ ਤੈਨਾਤ ਕਰਨ ਦੀਆਂ ਵਿਹਾਰਕ ਹਕੀਕਤਾਂ ਨੂੰ ਸਵੀਕਾਰ ਕਰਦੀ ਹੈ। ਡੂੰਘਾ, ਬਹੁ-ਪੜਾਵੀ ਤਰਕ ਕੰਪਿਊਟੇਸ਼ਨਲ ਤੌਰ ‘ਤੇ ਮਹਿੰਗਾ ਹੁੰਦਾ ਹੈ। ਹਰ ਕੰਮ ਲਈ ਮਾਡਲ ਦੀ ਪੂਰੀ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਸ਼ਕਤੀ ਦੀ ਲੋੜ ਨਹੀਂ ਹੁੰਦੀ ਹੈ। ਅਲਾਟ ਕੀਤੇ ਸਰੋਤਾਂ ਨੂੰ ਅਨੁਕੂਲ ਕਰਨ ਦਾ ਇੱਕ ਸਾਧਨ ਪ੍ਰਦਾਨ ਕਰਕੇ, ਡਿਵੈਲਪਰ ਆਉਟਪੁੱਟ ਦੀ ਲੋੜੀਂਦੀ ਗੁਣਵੱਤਾ ਜਾਂ ਡੂੰਘਾਈ ਅਤੇ ਸੰਬੰਧਿਤ ਕੰਪਿਊਟੇਸ਼ਨਲ ਲਾਗਤਾਂ (ਅਤੇ, ਸਿੱਟੇ ਵਜੋਂ, ਵਿੱਤੀ ਖਰਚੇ) ਦੇ ਵਿਚਕਾਰ ਇੱਕ ਜਾਣਬੁੱਝ ਕੇ ਸੰਤੁਲਨ ਬਣਾ ਸਕਦੇ ਹਨ।
- ਸਰੋਤ ਵੰਡ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣਾ: ਉੱਦਮ ਹੁਣ AI ਤੈਨਾਤੀ ਬਾਰੇ ਵਧੇਰੇ ਸੂਖਮ ਫੈਸਲੇ ਲੈ ਸਕਦੇ ਹਨ। ਸਧਾਰਨ ਕਾਰਜਾਂ ਨੂੰ ਘੱਟੋ-ਘੱਟ ਤਰਕ ਬਜਟ ਨਾਲ ਸੰਸਾਧਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਸਰੋਤਾਂ ਦੀ ਬੱਚਤ ਕਰਦੇ ਹੋਏ, ਜਦੋਂ ਕਿ ਗੁੰਝਲਦਾਰ ਰਣਨੀਤਕ ਵਿਸ਼ਲੇਸ਼ਣ ਮਾਡਲ ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਦੀ ਪੂਰੀ ਡੂੰਘਾਈ ਦਾ ਲਾਭ ਉਠਾ ਸਕਦੇ ਹਨ।
- ਸਕੇਲੇਬਿਲਟੀ ਅਤੇ ਲਾਗਤ ਪ੍ਰਬੰਧਨ: ਇਹ ਨਿਯੰਤਰਣ ਉਹਨਾਂ ਸੰਸਥਾਵਾਂ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੈ ਜੋ ਮਨਾਹੀ ਸੰਚਾਲਨ ਲਾਗਤਾਂ ਨੂੰ ਖਰਚ ਕੀਤੇ ਬਿਨਾਂ ਵੱਖ-ਵੱਖ ਵਰਕਫਲੋਜ਼ ਵਿੱਚ ਆਧੁਨਿਕ AI ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਨ। ਇਹ AI ਪਹਿਲਕਦਮੀਆਂ ਲਈ ਵਧੇਰੇ ਅਨੁਮਾਨਯੋਗ ਬਜਟ ਅਤੇ ਸਰੋਤ ਯੋਜਨਾਬੰਦੀ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ।
- ਅਨੁਕੂਲਿਤ ਐਪਲੀਕੇਸ਼ਨ ਪ੍ਰਦਰਸ਼ਨ: ਵੱਖ-ਵੱਖ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੀਆਂ ਵੱਖ-ਵੱਖ ਲੋੜਾਂ ਹੁੰਦੀਆਂ ਹਨ। ਇੱਕ ਗਾਹਕ ਸੇਵਾ ਚੈਟਬੋਟ ਗਤੀ ਅਤੇ ਲਾਗਤ-ਕੁਸ਼ਲਤਾ ਨੂੰ ਤਰਜੀਹ ਦੇ ਸਕਦਾ ਹੈ, ਜਦੋਂ ਕਿ ਇੱਕ ਵਿਗਿਆਨਕ ਖੋਜ ਟੂਲ ਸਭ ਤੋਂ ਵੱਧ ਸ਼ੁੱਧਤਾ ਅਤੇ ਡੂੰਘਾਈ ਨੂੰ ਤਰਜੀਹ ਦੇ ਸਕਦਾ ਹੈ। ਸਲਾਈਡਿੰਗ ਸਕੇਲ ਇਸ ਅਨੁਕੂਲਤਾ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ।
ਇਹ ਆਰਥਿਕ ਅਤੇ ਸੰਚਾਲਨ ਲਚਕਤਾ ਪ੍ਰਤੀਯੋਗੀ AI ਲੈਂਡਸਕੇਪ ਵਿੱਚ ਇੱਕ ਮੁੱਖ ਵਿਭਿੰਨਤਾ ਸਾਬਤ ਹੋ ਸਕਦੀ ਹੈ, ਖਾਸ ਤੌਰ ‘ਤੇ ਵਿਹਾਰਕ, ਸਕੇਲੇਬਲ AI ਹੱਲ ਲੱਭਣ ਵਾਲੇ ਕਾਰੋਬਾਰਾਂ ਨੂੰ ਅਪੀਲ ਕਰਦੀ ਹੈ।
ਡਿਜੀਟਲ ਫੋਰਜ ਵਿੱਚ ਦਬਦਬਾ: ਕੋਡ ਉਤਪਤੀ ਵਿੱਚ ਉੱਤਮਤਾ
Claude 3.7 Sonnet ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਸਿਧਾਂਤਕ ਤਰਕ ਅਤੇ ਪਾਰਦਰਸ਼ਤਾ ਤੋਂ ਪਰੇ ਹਨ; ਉਹ ਠੋਸ ਪ੍ਰਦਰਸ਼ਨ ਲਾਭਾਂ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰਦੇ ਹਨ, ਖਾਸ ਤੌਰ ‘ਤੇ ਕੋਡਿੰਗ ਅਤੇ ਸਾਫਟਵੇਅਰ ਵਿਕਾਸ ਦੇ ਮੰਗ ਵਾਲੇ ਖੇਤਰ ਵਿੱਚ। Anthropic ਨੇ ਬੈਂਚਮਾਰਕ ਨਤੀਜੇ ਜਾਰੀ ਕੀਤੇ ਹਨ ਜੋ ਪ੍ਰਤੀਯੋਗੀਆਂ, ਖਾਸ ਤੌਰ ‘ਤੇ OpenAI ਦੇ o3-mini ਮਾਡਲ, ਉੱਤੇ ਆਧੁਨਿਕ ਪ੍ਰੋਗਰਾਮਿੰਗ ਲਈ ਕੇਂਦਰੀ ਕਾਰਜਾਂ ਵਿੱਚ ਸਪੱਸ਼ਟ ਲਾਭ ਦਰਸਾਉਂਦੇ ਹਨ।
SWE-Bench ਕੋਡਿੰਗ ਟੈਸਟ ‘ਤੇ, ਅਸਲ-ਸੰਸਾਰ GitHub ਮੁੱਦਿਆਂ ਨੂੰ ਹੱਲ ਕਰਨ ਦੀ ਯੋਗਤਾ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਇੱਕ ਸਖ਼ਤ ਮੁਲਾਂਕਣ, Claude 3.7 Sonnet ਨੇ ਇੱਕ ਪ੍ਰਭਾਵਸ਼ਾਲੀ 62.3% ਸ਼ੁੱਧਤਾ ਪ੍ਰਾਪਤ ਕੀਤੀ। ਇਹ ਅੰਕੜਾ OpenAI ਦੇ ਤੁਲਨਾਤਮਕ ਮਾਡਲ ਦੀ ਰਿਪੋਰਟ ਕੀਤੀ 49.3% ਸ਼ੁੱਧਤਾ ਤੋਂ ਕਾਫ਼ੀ ਵੱਧ ਹੈ। ਇਹ ਕੋਡ ਸੰਦਰਭ ਨੂੰ ਸਮਝਣ, ਬੱਗਾਂ ਦੀ ਪਛਾਣ ਕਰਨ, ਅਤੇ ਸਹੀ ਕੋਡ ਪੈਚ ਤਿਆਰ ਕਰਨ ਵਿੱਚ ਵਧੀ ਹੋਈ ਮੁਹਾਰਤ ਦਾ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ - ਸਾਫਟਵੇਅਰ ਇੰਜੀਨੀਅਰਿੰਗ ਵਿੱਚ ਬਹੁਤ ਕੀਮਤੀ ਹੁਨਰ।
ਇਸ ਤੋਂ ਇਲਾਵਾ, ਏਜੰਟਿਕ ਵਰਕਫਲੋਜ਼ ਦੇ ਖੇਤਰ ਵਿੱਚ, ਜਿਸ ਵਿੱਚ AI ਸਿਸਟਮ ਖੁਦਮੁਖਤਿਆਰੀ ਨਾਲ ਕਾਰਵਾਈਆਂ ਦੇ ਕ੍ਰਮ ਨੂੰ ਪੂਰਾ ਕਰਦੇ ਹਨ, Claude 3.7 Sonnet ਨੇ ਵੀ ਉੱਤਮ ਪ੍ਰਦਰਸ਼ਨ ਦਿਖਾਇਆ। TAU-Bench ‘ਤੇ, ਇਸਨੇ 81.2% ਸਕੋਰ ਕੀਤਾ, ਜਦੋਂ ਕਿ OpenAI ਦਾ 73.5% ਸੀ। ਇਹ ਬੈਂਚਮਾਰਕ ਗੁੰਝਲਦਾਰ ਕਾਰਜਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਟੂਲਸ, APIs, ਅਤੇ ਡਿਜੀਟਲ ਵਾਤਾਵਰਣ ਨਾਲ ਗੱਲਬਾਤ ਕਰਨ ਦੀ ਮਾਡਲ ਦੀ ਯੋਗਤਾ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ, ਆਟੋਮੇਸ਼ਨ ਲਈ ਵਧੇਰੇ ਸਮਰੱਥ ਅਤੇ ਭਰੋਸੇਮੰਦ AI ਏਜੰਟਾਂ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦਾ ਹੈ।
- ਸਾਫਟਵੇਅਰ ਵਿਕਾਸ ਲਈ ਪ੍ਰਭਾਵ: ਕੋਡਿੰਗ ਬੈਂਚਮਾਰਕ ਵਿੱਚ ਉੱਚ ਸ਼ੁੱਧਤਾ ਸਿੱਧੇ ਤੌਰ ‘ਤੇ ਡਿਵੈਲਪਰਾਂ ਲਈ ਸੰਭਾਵੀ ਉਤਪਾਦਕਤਾ ਲਾਭਾਂ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰਦੀ ਹੈ। Claude ਵਰਗੇ AI ਸਹਾਇਕ ਕੋਡਬੇਸ ਲਿਖਣ, ਡੀਬੱਗ ਕਰਨ ਅਤੇ ਬਣਾਈ ਰੱਖਣ ਵਿੱਚ ਵਧੇਰੇ ਭਰੋਸੇਮੰਦ ਭਾਈਵਾਲ ਬਣ ਸਕਦੇ ਹਨ।
- ਏਜੰਟਿਕ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਅੱਗੇ ਵਧਾਉਣਾ: TAU-Bench ‘ਤੇ ਮਜ਼ਬੂਤ ਪ੍ਰਦਰਸ਼ਨ ਵਧੇਰੇ ਖੁਦਮੁਖਤਿਆਰ AI ਸਿਸਟਮ ਬਣਾਉਣ ‘ਤੇ Anthropic ਦੇ ਫੋਕਸ ਨੂੰ ਰੇਖਾਂਕਿਤ ਕਰਦਾ ਹੈ। ਇਹ ਸਮਰੱਥਾ AI ਏਜੰਟਾਂ ਦੇ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਨੂੰ ਸਾਕਾਰ ਕਰਨ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੈ ਜੋ ਘੱਟੋ-ਘੱਟ ਮਨੁੱਖੀ ਦਖਲਅੰਦਾਜ਼ੀ ਨਾਲ ਗੁੰਝਲਦਾਰ, ਬਹੁ-ਪੜਾਵੀ ਕਾਰਜਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰ ਸਕਦੇ ਹਨ।
- ਪ੍ਰਤੀਯੋਗੀ ਬੈਂਚਮਾਰਕਿੰਗ: ਇਹ ਨਤੀਜੇ Anthropic ਨੂੰ ਚੱਲ ਰਹੀ ‘AI ਹਥਿਆਰਾਂ ਦੀ ਦੌੜ’ ਵਿੱਚ ਮਜ਼ਬੂਤੀ ਨਾਲ ਸਥਿਤੀ ਦਿੰਦੇ ਹਨ, ਖਾਸ ਤੌਰ ‘ਤੇ ਕੋਡ ਉਤਪਤੀ ਅਤੇ ਵਿਕਾਸ ਸਾਧਨਾਂ ਦੇ ਵਪਾਰਕ ਤੌਰ ‘ਤੇ ਮਹੱਤਵਪੂਰਨ ਖੇਤਰ ਵਿੱਚ।
ਆਰਕੀਟੈਕਚਰ ਦੀ ਮੁੜ ਕਲਪਨਾ: ਬਲੈਕ ਬਾਕਸ ਪੈਰਾਡਾਈਮ ਤੋਂ ਪਰੇ
ਦਹਾਕਿਆਂ ਤੋਂ, ਬਹੁਤ ਸਾਰੇ ਆਧੁਨਿਕ AI ਮਾਡਲਾਂ ਦਾ ਪ੍ਰਚਲਿਤ ਆਰਕੀਟੈਕਚਰ ਉਹਨਾਂ ਦੀ ‘ਬਲੈਕ ਬਾਕਸ’ ਪ੍ਰਕਿਰਤੀ ਵਿੱਚ ਯੋਗਦਾਨ ਪਾਉਂਦਾ ਰਿਹਾ। ਅਕਸਰ, ਸਰਲ, ਤੇਜ਼ ਪ੍ਰੋਸੈਸਿੰਗ ਮਾਰਗਾਂ ਨੂੰ ਵਧੇਰੇ ਗੁੰਝਲਦਾਰ, ਸਰੋਤ-ਸੰਘਣੀ ਤਰਕ ਕਾਰਜਾਂ ਤੋਂ ਵੱਖਰੇ ਤੌਰ ‘ਤੇ ਸੰਭਾਲਿਆ ਜਾਂਦਾ ਸੀ। ਇਹ ਵੱਖਰਾਪਣ ਅਕੁਸ਼ਲਤਾਵਾਂ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦਾ ਹੈ ਅਤੇ ਸੰਪੂਰਨ ਸਮਝ ਨੂੰ ਮੁਸ਼ਕਲ ਬਣਾ ਸਕਦਾ ਹੈ। Claude 3.7 Sonnet ਨਾਲ Anthropic ਦੀ ਸਫਲਤਾ ਅੰਸ਼ਕ ਤੌਰ ‘ਤੇ ਇਸ ਆਰਕੀਟੈਕਚਰ ਦੇ ਬੁਨਿਆਦੀ ਰੀਡਿਜ਼ਾਈਨ ਤੋਂ ਪੈਦਾ ਹੁੰਦੀ ਹੈ।
Dario Amodei, Anthropic ਦੇ CEO, ਨੇ ਇਸ ਬਦਲਾਅ ਨੂੰ ਸਪੱਸ਼ਟ ਰੂਪ ਵਿੱਚ ਬਿਆਨ ਕੀਤਾ: ‘ਅਸੀਂ ਤਰਕ ਨੂੰ ਇੱਕ ਵੱਖਰੀ ਸਮਰੱਥਾ ਵਜੋਂ ਮੰਨਣ ਤੋਂ ਅੱਗੇ ਵਧ ਗਏ ਹਾਂ—ਇਹ ਹੁਣ ਮਾਡਲ ਦੀ ਮੁੱਖ ਕਾਰਜਕੁਸ਼ਲਤਾ ਦਾ ਇੱਕ ਸਹਿਜ ਹਿੱਸਾ ਹੈ।’ ਇਹ ਬਿਆਨ ਇੱਕ ਏਕੀਕ੍ਰਿਤ ਤਰਕ ਆਰਕੀਟੈਕਚਰ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦਾ ਹੈ। ਗੁੰਝਲਦਾਰ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਮੋਡੀਊਲ ਵਿੱਚ ਭੇਜਣ ਦੀ ਬਜਾਏ, ਡੂੰਘੀ ਤਰਕ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਕੋਰ ਮਾਡਲ ਦੇ ਤਾਣੇ-ਬਾਣੇ ਵਿੱਚ ਬੁਣਿਆ ਗਿਆ ਹੈ।
ਇਹ ਏਕੀਕਰਨ ਕਈ ਸੰਭਾਵੀ ਫਾਇਦੇ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ:
- ਸੁਚਾਰੂ ਤਬਦੀਲੀਆਂ: ਮਾਡਲ ਸੰਭਾਵੀ ਤੌਰ ‘ਤੇ ਤੇਜ਼ ਜਵਾਬਾਂ ਅਤੇ ਡੂੰਘੀ ਸੋਚ ਦੇ ਵਿਚਕਾਰ ਵਧੇਰੇ ਤਰਲਤਾ ਨਾਲ ਬਦਲ ਸਕਦਾ ਹੈ, ਇੱਕ ਵੱਖਰੇ ਸਿਸਟਮ ਨੂੰ ਬੁਲਾਉਣ ਦੇ ਓਵਰਹੈੱਡ ਤੋਂ ਬਿਨਾਂ।
- ਸੰਪੂਰਨ ਸੰਦਰਭ: ਤਰਕ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਰੱਖਣਾ ਮਾਡਲ ਨੂੰ ਕਾਰਜ ਦੇ ਵੱਖ-ਵੱਖ ਢੰਗਾਂ ਵਿੱਚ ਬਿਹਤਰ ਸੰਦਰਭ ਅਤੇ ਇਕਸਾਰਤਾ ਬਣਾਈ ਰੱਖਣ ਦੀ ਆਗਿਆ ਦੇ ਸਕਦਾ ਹੈ।
- ਕੁਸ਼ਲਤਾ ਲਾਭ: ਜਦੋਂ ਕਿ ਡੂੰਘਾ ਤਰਕ ਤੀਬਰ ਰਹਿੰਦਾ ਹੈ, ਇਸ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਨਾ ਵੱਖ-ਵੱਖ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਪ੍ਰਬੰਧਨ ਦੀ ਤੁਲਨਾ ਵਿੱਚ ਆਰਕੀਟੈਕਚਰਲ ਕੁਸ਼ਲਤਾਵਾਂ ਨੂੰ ਅਨਲੌਕ ਕਰ ਸਕਦਾ ਹੈ।
ਇਹ ਆਰਕੀਟੈਕਚਰਲ ਫਲਸਫਾ ਏਜੰਟਿਕ AI ਵਿੱਚ Anthropic ਦੀਆਂ ਤਰੱਕੀਆਂ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ। ਉਹਨਾਂ ਦੀ Computer Use ਵਿਸ਼ੇਸ਼ਤਾ ‘ਤੇ ਨਿਰਮਾਣ ਕਰਦੇ ਹੋਏ, ਜੋ 2024 ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ ਪੇਸ਼ ਕੀਤੀ ਗਈ ਸੀ, ਜਿਸ ਨੇ Claude ਮਾਡਲਾਂ ਨੂੰ ਸਾਫਟਵੇਅਰ ਐਪਲੀਕੇਸ਼ਨਾਂ ਨਾਲ ਬਿਲਕੁਲ ਇੱਕ ਮਨੁੱਖੀ ਉਪਭੋਗਤਾ ਵਾਂਗ (ਬਟਨਾਂ ‘ਤੇ ਕਲਿੱਕ ਕਰਨਾ, ਟੈਕਸਟ ਇਨਪੁੱਟ ਕਰਨਾ) ਗੱਲਬਾਤ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਇਆ, ਨਵਾਂ ਮਾਡਲ ਇਹਨਾਂ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ। ਸੁਧਾਰਿਆ ਹੋਇਆ ਤਰਕ ਅਤੇ ਏਕੀਕ੍ਰਿਤ ਆਰਕੀਟੈਕਚਰ ਸੰਭਾਵਤ ਤੌਰ ‘ਤੇ ਏਜੰਟਿਕ ਵਰਕਫਲੋਜ਼ ਵਿੱਚ ਦੇਖੀ ਗਈ ਬੈਂਚਮਾਰਕ ਸਫਲਤਾਵਾਂ ਵਿੱਚ ਯੋਗਦਾਨ ਪਾਉਂਦੇ ਹਨ।
Jared Kaplan, Anthropic ਦੇ ਮੁੱਖ ਵਿਗਿਆਨੀ, ਨੇ ਇਹਨਾਂ ਵਿਕਾਸ ਦੇ ਟ੍ਰੈਜੈਕਟਰੀ ‘ਤੇ ਜ਼ੋਰ ਦਿੱਤਾ, ਇਸ ਗੱਲ ਨੂੰ ਉਜਾਗਰ ਕਰਦੇ ਹੋਏ ਕਿ ਇਸ ਨੀਂਹ ‘ਤੇ ਬਣੇ ਭਵਿੱਖ ਦੇ AI ਏਜੰਟ ਵੱਖ-ਵੱਖ ਸਾਧਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਅਤੇ ਗਤੀਸ਼ੀਲ, ਅਪ੍ਰਤੱਖ ਡਿਜੀਟਲ ਵਾਤਾਵਰਣ ਨੂੰ ਨੈਵੀਗੇਟ ਕਰਨ ਵਿੱਚ ਵੱਧ ਤੋਂ ਵੱਧ ਮਾਹਰ ਹੋ ਜਾਣਗੇ। ਟੀਚਾ ਅਜਿਹੇ ਏਜੰਟ ਬਣਾਉਣਾ ਹੈ ਜੋ ਨਾ ਸਿਰਫ਼ ਨਿਰਦੇਸ਼ਾਂ ਦੀ ਪਾਲਣਾ ਕਰ ਸਕਦੇ ਹਨ ਬਲਕਿ ਗੁੰਝਲਦਾਰ ਉਦੇਸ਼ਾਂ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਰਣਨੀਤੀ ਬਣਾ ਸਕਦੇ ਹਨ ਅਤੇ ਅਨੁਕੂਲ ਬਣ ਸਕਦੇ ਹਨ।
ਰਣਨੀਤਕ ਸ਼ਤਰੰਜ ਬੋਰਡ: ਮੁਕਾਬਲਾ ਅਤੇ ਭਵਿੱਖ ਦੇ ਟ੍ਰੈਜੈਕਟਰੀਜ਼
Claude 3.7 Sonnet ਦੀ ਸ਼ੁਰੂਆਤ ਇੱਕ ਖਲਾਅ ਵਿੱਚ ਨਹੀਂ ਹੁੰਦੀ ਹੈ। ਇਹ ਸਖ਼ਤ ਮੁਕਾਬਲੇ ਦੇ ਵਿਚਕਾਰ ਆਉਂਦਾ ਹੈ, ਮੁੱਖ ਤੌਰ ‘ਤੇ OpenAI ਨਾਲ, ਜਿਸ ਤੋਂ ਵਿਆਪਕ ਤੌਰ ‘ਤੇ ਉਮੀਦ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਕਿ ਉਹ ਆਪਣਾ ਅਗਲੀ ਪੀੜ੍ਹੀ ਦਾ ਮਾਡਲ, GPT-5 ਜਾਰੀ ਕਰੇਗਾ। ਉਦਯੋਗ ਦੇ ਨਿਰੀਖਕ ਅੰਦਾਜ਼ਾ ਲਗਾਉਂਦੇ ਹਨ ਕਿ GPT-5 ਵਿੱਚ ਹਾਈਬ੍ਰਿਡ ਤਰਕ ਦਾ ਇੱਕ ਰੂਪ ਵੀ ਸ਼ਾਮਲ ਹੋ ਸਕਦਾ ਹੈ, ਜਿਸ ਨਾਲ Anthropic ਦੀ ਮੌਜੂਦਾ ਰਿਲੀਜ਼ ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਲਾਭ ਸਥਾਪਤ ਕਰਨ ਲਈ ਇੱਕ ਰਣਨੀਤਕ ਤੌਰ ‘ਤੇ ਸਮਾਂਬੱਧ ਕਦਮ ਬਣ ਜਾਂਦੀ ਹੈ।
ਵਧੀ ਹੋਈ ਪਾਰਦਰਸ਼ਤਾ ਅਤੇ ਡਿਵੈਲਪਰ ਨਿਯੰਤਰਣਾਂ ਵਾਲੇ ਇੱਕ ਹਾਈਬ੍ਰਿਡ ਮਾਡਲ ਨੂੰ ਹੁਣ ਮਾਰਕੀਟ ਵਿੱਚ ਲਿਆ ਕੇ, Anthropic ਕਈ ਟੀਚਿਆਂ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ:
- ਮਾਈਂਡਸ਼ੇਅਰ ਹਾਸਲ ਕਰਨਾ: ਇਹ ਕੰਪਨੀ ਨੂੰ ਇੱਕ ਨਵੀਨਤਾਕਾਰੀ ਵਜੋਂ ਸਥਾਪਿਤ ਕਰਦਾ ਹੈ, ਖਾਸ ਤੌਰ ‘ਤੇ ਤਰਕ, ਪਾਰਦਰਸ਼ਤਾ, ਅਤੇ ਏਜੰਟਿਕ ਸਮਰੱਥਾਵਾਂ ਦੇ ਮਹੱਤਵਪੂਰਨ ਖੇਤਰਾਂ ਵਿੱਚ।
- ਅਸਲ-ਸੰਸਾਰ ਡਾਟਾ ਇਕੱਠਾ ਕਰਨਾ: ਸ਼ੁਰੂਆਤੀ ਤੈਨਾਤੀ Anthropic ਨੂੰ ਇਸ ਬਾਰੇ ਕੀਮਤੀ ਡਾਟਾ ਇਕੱਠਾ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ ਕਿ ਉਪਭੋਗਤਾ ਅਤੇ ਡਿਵੈਲਪਰ ਇਹਨਾਂ ਨਵੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨਾਲ ਕਿਵੇਂ ਗੱਲਬਾਤ ਕਰਦੇ ਹਨ, ਭਵਿੱਖ ਦੇ ਸੁਧਾਰਾਂ ਨੂੰ ਸੂਚਿਤ ਕਰਦੇ ਹਨ।
- ਬੈਂਚਮਾਰਕ ਸਥਾਪਤ ਕਰਨਾ: ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਕੋਡਿੰਗ ਬੈਂਚਮਾਰਕ ਨਤੀਜੇ ਪ੍ਰਤੀਯੋਗੀਆਂ ਨੂੰ ਮਿਲਣ ਜਾਂ ਪਾਰ ਕਰਨ ਲਈ ਇੱਕ ਉੱਚ ਪੱਟੀ ਨਿਰਧਾਰਤ ਕਰਦੇ ਹਨ।
ਦ੍ਰਿਸ਼ਮਾਨ ਸਕ੍ਰੈਚ ਪੈਡ ਅਤੇ ਤਰਕ ਬਜਟ ਸਲਾਈਡਰ ਵਰਗੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ‘ਤੇ ਜ਼ੋਰ ਉੱਭਰ ਰਹੇ ਰੁਝਾਨਾਂ ਅਤੇ ਮੰਗਾਂ ਨਾਲ ਵੀ ਚੰਗੀ ਤਰ੍ਹਾਂ ਮੇਲ ਖਾਂਦਾ ਹੈ:
- ਵਿਆਖਿਆਯੋਗ AI (Explainable AI - XAI): ਜਿਵੇਂ ਕਿ AI ਸਿਸਟਮ ਨਾਜ਼ੁਕ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਅਤੇ ਫੈਸਲੇ ਲੈਣ ਦੀਆਂ ਪ੍ਰਕਿਰ