2012 ਤੋਂ, Be My Eyes 250 ਮਿਲੀਅਨ ਤੋਂ ਵੱਧ ਉਹਨਾਂ ਲੋਕਾਂ ਦੇ ਸਮੂਹ ਲਈ ਤਕਨਾਲੋਜੀ ਤਿਆਰ ਕਰ ਰਿਹਾ ਹੈ ਜੋ ਅੰਨ੍ਹੇ ਹਨ ਜਾਂ ਘੱਟ ਨਜ਼ਰ ਰੱਖਦੇ ਹਨ. ਇਹ ਡੈਨਿਸ਼ ਸਟਾਰਟਅੱਪ ਅੰਨ੍ਹੇ ਜਾਂ ਘੱਟ ਨਜ਼ਰ ਵਾਲੇ ਲੋਕਾਂ ਨੂੰ ਵਲੰਟੀਅਰਾਂ ਨਾਲ ਜੋੜਦਾ ਹੈ ਤਾਂ ਜੋ ਉਤਪਾਦ ਦੀ ਪਛਾਣ ਕਰਨ ਜਾਂ ਹਵਾਈ ਅੱਡੇ ਵਿੱਚ ਰਸਤਾ ਲੱਭਣ ਵਰਗੇ ਰੋਜ਼ਾਨਾ ਜੀਵਨ ਦੇ ਸੈਂਕੜਿਆਂ ਕੰਮਾਂ ਵਿੱਚ ਮਦਦ ਮਿਲ ਸਕੇ.
GPT‑4 ਦੀ ਨਵੀਂ ਦ੍ਰਿਸ਼ਟੀ ਇਨਪੁਟ ਸਮਰੱਥਾ (ਰਿਸਰਚ ਪ੍ਰੀਵਿਊ ਵਿੱਚ) ਨਾਲ, Be My Eyes ਨੇ Be My Eyes ਐਪ ਅੰਦਰ GPT‑4 ਸਮਰਥਿਤ Virtual Volunteer™ ਵਿਕਸਤ ਕਰਨਾ ਸ਼ੁਰੂ ਕੀਤਾ, ਜੋ ਮਨੁੱਖੀ ਵਲੰਟੀਅਰ ਦੇ ਸਮਾਨ ਪੱਧਰ ਦਾ ਸੰਦਰਭ ਅਤੇ ਸਮਝ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ.
“ਜਿੰਨੇ ਥੋੜ੍ਹੇ ਸਮੇਂ ਲਈ ਸਾਨੂੰ ਪਹੁੰਚ ਮਿਲੀ ਹੈ, ਅਸੀਂ ਇੱਥੇ ਮੌਜੂਦ ਕਿਸੇ ਵੀ ਚਿੱਤਰ-ਤੋਂ-ਪਾਠ ਵਸਤੂ ਪਛਾਣ ਟੂਲ ਨਾਲੋਂ ਬੇਮਿਸਾਲ ਕਾਰਗੁਜ਼ਾਰੀ ਵੇਖੀ ਹੈ," Be My Eyes ਦੇ CEO ਮਾਈਕਲ ਬਕਲੀ ਕਹਿੰਦੇ ਹਨ. “ਗਲੋਬਲ ਪਹੁੰਚਯੋਗਤਾ ਲਈ ਇਸ ਦੇ ਨਤੀਜੇ ਬਹੁਤ ਡੂੰਘੇ ਹਨ. ਬਹੁਤ ਦੂਰਲੇ ਭਵਿੱਖ ਤੋਂ ਪਹਿਲਾਂ ਹੀ, ਅੰਨ੍ਹੇ ਅਤੇ ਘੱਟ ਨਜ਼ਰ ਵਾਲੇ ਸਮੂਹ ਇਹ ਟੂਲ ਸਿਰਫ਼ ਕਈ ਦ੍ਰਿਸ਼ਟੀ-ਵਿਆਖਿਆ ਦੀਆਂ ਲੋੜਾਂ ਲਈ ਹੀ ਨਹੀਂ, ਸਗੋਂ ਆਪਣੀ ਜ਼ਿੰਦਗੀ ਵਿੱਚ ਹੋਰ ਵੱਧ ਖੁਦਮੁਖਤਿਆਰੀ ਲਈ ਵੀ ਵਰਤਣਗੇ.”
ਅਚਾਨਕ, ਮਿਸਾਲ ਲਈ ਕਿਸੇ ਵੱਲੋਂ ਭੇਜੀ ਗਈ ਆਪਣੇ ਫ੍ਰਿਜ ਦੇ ਸਮਾਨ ਦੀ ਤਸਵੀਰ ਵਿੱਚ, GPT‑4 ਤਕਨਾਲੋਜੀ ਸਿਰਫ਼ ਇਹ ਨਹੀਂ ਪਛਾਣਦੀ ਅਤੇ ਦੱਸਦੀ ਕਿ ਅੰਦਰ ਕੀ ਹੈ, ਸਗੋਂ ਇਹ ਵੀ ਅੰਦਾਜ਼ਾ ਲਗਾਉਂਦੀ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੀ ਹੈ ਕਿ ਉਹਨਾਂ ਸਮੱਗਰੀਆਂ ਨਾਲ ਤੁਸੀਂ ਕੀ ਬਣਾ ਸਕਦੇ ਹੋ. ਫਿਰ ਤੁਸੀਂ ਇਸ ਤੋਂ ਕੋਈ ਵਧੀਆ ਰੈਸੀਪੀ ਵੀ ਪੁੱਛ ਸਕਦੇ ਹੋ. ਇਸ ਦੇ ਵਰਤੋਂ-ਮਾਮਲੇ ਲਗਭਗ ਅਸੀਮਿਤ ਹਨ.
“ਇਹ ਖੇਡ ਬਦਲਣ ਵਾਲੀ ਗੱਲ ਹੈ,” ਬਕਲੀ ਕਹਿੰਦੇ ਹਨ. “ਆਖ਼ਿਰਕਾਰ, ਯੂਜ਼ਰ ਜੋ ਵੀ ਚਾਹੁੰਦਾ ਜਾਂ ਲੋੜ ਰੱਖਦਾ ਹੈ, ਉਹ ਹੋਰ ਵਰਤਣਯੋਗ, ਲਾਭਦਾਇਕ ਅਤੇ ਮਦਦਗਾਰ ਜਾਣਕਾਰੀ ਲੈਣ ਲਈ ਟੂਲ ਨੂੰ ਮੁੜ ਪ੍ਰੌੰਪਟ ਕਰ ਸਕਦਾ ਹੈ, ਲਗਭਗ ਤੁਰੰਤ.”
ਫ਼ਰਵਰੀ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ, ਕੰਪਨੀ ਨੇ ਕਰਮਚਾਰੀਆਂ ਦੇ ਇਕ ਛੋਟੇ ਸਮੂਹ ਨਾਲ GPT‑ਸਮਰਥਿਤ ਸਹਾਇਕ ਦੀ ਬੀਟਾ-ਟੈਸਟਿੰਗ ਸ਼ੁਰੂ ਕੀਤੀ; ਨਤੀਜੇ ਇੰਨੇ ਸਕਾਰਾਤਮਕ ਰਹੇ ਹਨ ਕਿ ਇਹ ਫੀਚਰ ਕੁਝ ਹਫ਼ਤਿਆਂ ਵਿੱਚ ਯੂਜ਼ਰਾਂ ਤੱਕ ਪਹੁੰਚ ਜਾਵੇਗਾ.
“ਸਾਡੇ ਸਮੂਹ ਲਈ ਇਸ ਵਿੱਚ ਬੇਹੱਦ ਸੰਭਾਵਨਾ ਹੈ,” ਬਕਲੀ ਕਹਿੰਦੇ ਹਨ. “ਸਾਡੇ ਬੀਟਾ ਟੈਸਟਰ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਲੂਸੀ ਐਡਵਰਡਜ਼ ਵੀ ਸ਼ਾਮਲ ਹੈ, ਪਹਿਲਾਂ ਹੀ ਇਸ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਨੂੰ ਪਸੰਦ ਕਰਦੇ ਹਨ.”
Be My Eyes ਦੇ CTO ਜੈਸਪਰ ਹਵੀਰਿੰਗ ਹੈਨਰਿਕਸਨ ਸਮਝਾਉਂਦੇ ਹਨ ਕਿ GPT‑4 ਅਤੇ ਹੋਰ ਭਾਸ਼ਾ ਤੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਮਾਡਲਾਂ ਵਿਚਲਾ ਫ਼ਰਕ ਦੋਹਾਂ ਵਿੱਚ ਹੈ: ਗੱਲਬਾਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਅਤੇ ਤਕਨਾਲੋਜੀ ਵੱਲੋਂ ਦਿੱਤੀ ਜਾਣ ਵਾਲੀ ਵੱਧ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਕਾਬਲੀਅਤ. “ਬੁਨਿਆਦੀ ਚਿੱਤਰ ਪਛਾਣ ਐਪਲੀਕੇਸ਼ਨ ਸਿਰਫ਼ ਇਹ ਦੱਸਦੀਆਂ ਹਨ ਕਿ ਤੁਹਾਡੇ ਸਾਹਮਣੇ ਕੀ ਹੈ”, ਉਹ ਕਹਿੰਦੇ ਹਨ. “ਉਹ ਇਸ ਗੱਲ ਨੂੰ ਸਮਝਣ ਲਈ ਚਰਚਾ ਨਹੀਂ ਕਰ ਸਕਦੀਆਂ ਕਿ ਨੂਡਲਜ਼ ਵਿੱਚ ਠੀਕ ਕਿਸਮ ਦੀ ਸਮੱਗਰੀ ਹੈ ਜਾਂ ਜ਼ਮੀਨ ਉੱਤੇ ਪਈ ਚੀਜ਼ ਸਿਰਫ਼ ਗੇਂਦ ਨਹੀਂ, ਸਗੋਂ ਠੋਕਰ ਦਾ ਖ਼ਤਰਾ ਹੈ—ਅਤੇ ਇਹ ਗੱਲ ਦੱਸ ਨਹੀਂ ਸਕਦੀਆਂ.”
“GPT-4 ਅਤੇ ਹੋਰ ਭਾਸ਼ਾ ਤੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਮਾਡਲਾਂ ਵਿਚਲਾ ਫ਼ਰਕ ਦੋਹਾਂ ਵਿੱਚ ਹੈ: ਗੱਲਬਾਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਅਤੇ ਤਕਨਾਲੋਜੀ ਵੱਲੋਂ ਦਿੱਤੀ ਜਾਣ ਵਾਲੀ ਵੱਧ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਕਾਬਲੀਅਤ.”
ਕੰਪਨੀ ਕੋਲ ਪਹਿਲਾਂ ਹੀ ਇੱਕ ਅਜਿਹਾ ਮਾਮਲਾ ਹੈ ਜਿਸ ਵਿੱਚ ਇੱਕ ਯੂਜ਼ਰ ਰੇਲਵੇ ਪ੍ਰਣਾਲੀ ਵਿੱਚ ਰਾਹ ਲੱਭ ਸਕਿਆ—ਜੋ ਸ਼ਾਇਦ ਦੇਖ ਸਕਣ ਵਾਲਿਆਂ ਲਈ ਵੀ ਅਸੰਭਵ ਕੰਮ ਹੋਵੇ—ਅਤੇ ਉਸ ਨੂੰ ਸਿਰਫ਼ ਇਹ ਵੇਰਵਾ ਨਹੀਂ ਮਿਲਿਆ ਕਿ ਉਹ ਨਕਸ਼ੇ ਉੱਤੇ ਕਿੱਥੇ ਸੀ, ਸਗੋਂ ਇਹ ਵੀ ਕਿ ਜਿੱਥੇ ਉਹ ਜਾਣਾ ਚਾਹੁੰਦਾ ਸੀ ਉੱਥੇ ਸੁਰੱਖਿਅਤ ਤਰੀਕੇ ਨਾਲ ਪਹੁੰਚਣ ਲਈ ਬਿੰਦੂ-ਵਾਰ ਹਦਾਇਤਾਂ ਮਿਲੀਆਂ.
ਫਿਰ ਵੀ, ਜਟਿਲ ਭੌਤਿਕ ਦੁਨੀਆ ਵਿੱਚ ਰਸਤਾ ਤੈਅ ਕਰਨਾ ਸਿਰਫ਼ ਅੱਧੀ ਕਹਾਣੀ ਹੈ. ਸਕ੍ਰੀਨ ਉੱਤੇ ਕੀ ਹੈ, ਇਹ ਸਮਝਣਾ ਕਿਸੇ ਅਜੇਹੇ ਵਿਅਕਤੀ ਲਈ ਦੋ ਗੁਣਾ ਮੁਸ਼ਕਲ ਹੋ ਸਕਦਾ ਹੈ ਜੋ ਦੇਖ ਨਹੀਂ ਸਕਦਾ. ਸਕ੍ਰੀਨ ਰੀਡਰ, ਜੋ ਜ਼ਿਆਦਾਤਰ ਆਧੁਨਿਕ ਓਪਰੇਟਿੰਗ ਸਿਸਟਮਾਂ ਵਿੱਚ ਸਮੇਟੇ ਹੁੰਦੇ ਹਨ, ਵੈੱਬਪੇਜ ਜਾਂ ਡੈਸਕਟਾਪ ਐਪਲੀਕੇਸ਼ਨ ਦੇ ਹਿੱਸਿਆਂ ਨੂੰ ਲਾਈਨ ਦਰ ਲਾਈਨ, ਭਾਗ ਦਰ ਭਾਗ ਪੜ੍ਹਦੇ ਹਨ ਅਤੇ ਹਰ ਸ਼ਬਦ ਬੋਲਦੇ ਹਨ. ਤਸਵੀਰਾਂ, ਜੋ ਵੈੱਬ ਉੱਤੇ ਸੰਚਾਰ ਦਾ ਕੇਂਦਰ ਹਨ, ਹੋਰ ਵੀ ਬਦਤਰ ਹੋ ਸਕਦੀਆਂ ਹਨ.
ਫਿਰ ਵੀ, ਹੈਨਰਿਕਸਨ ਕਹਿੰਦੇ ਹਨ ਕਿ ਹੁਣ ਉਹ GPT‑4 ਨੂੰ ਵੈੱਬਪੇਜ ਦਿਖਾ ਸਕਦੇ ਹਨ ਅਤੇ ਸਿਸਟਮ ਜਾਣਦਾ ਹੈ—ਬੇਸ਼ੁਮਾਰ ਟ੍ਰੇਨਿੰਗ ਘੰਟਿਆਂ ਬਾਅਦ, ਜਿੱਥੇ ਡੀਪ ਲਰਨਿੰਗ ਐਲਗੋਰਿਦਮ ਵੈੱਬਪੇਜ ਦੇ “ਮਹੱਤਵਪੂਰਨ” ਹਿੱਸੇ ਨੂੰ ਸਮਝਣ ਲਈ ਸੰਬੰਧ ਬਣਾਉਂਦੇ ਹਨ—ਕਿਹੜਾ ਹਿੱਸਾ ਪੜ੍ਹਨਾ ਜਾਂ ਸੰਖੇਪ ਕਰਨਾ ਹੈ. ਇਸ ਨਾਲ ਸਿਰਫ਼ ਆਨਲਾਈਨ ਖ਼ਬਰਾਂ ਪੜ੍ਹਨ ਵਰਗੇ ਕੰਮ ਹੀ ਆਸਾਨ ਨਹੀਂ ਹੁੰਦੇ, ਸਗੋਂ ਜਿਨ੍ਹਾਂ ਲੋਕਾਂ ਨੂੰ ਦ੍ਰਿਸ਼ਟੀ ਸਹਾਇਤਾ ਦੀ ਲੋੜ ਹੈ ਉਹਨਾਂ ਨੂੰ ਵੈੱਬ ਦੀਆਂ ਸਭ ਤੋਂ ਭਰੀਆਂ ਹੋਈਆਂ ਪੇਜਾਂ ਤੱਕ ਪਹੁੰਚ ਮਿਲਦੀ ਹੈ: ਖਰੀਦਦਾਰੀ ਅਤੇ ਈ-ਕਾਮਰਸ ਸਾਈਟਾਂ. GPT‑4 ਖੋਜ ਨਤੀਜਿਆਂ ਨੂੰ ਉਸੇ ਤਰ੍ਹਾਂ ਸੰਖੇਪ ਕਰ ਸਕਦਾ ਹੈ ਜਿਵੇਂ ਦੇਖ ਸਕਣ ਵਾਲੇ ਲੋਕ ਕੁਦਰਤੀ ਤੌਰ ਤੇ ਉਹਨਾਂ ਨੂੰ ਸਕੈਨ ਕਰਦੇ ਹਨ—ਹਰ ਬਹੁਤ ਹੀ ਛੋਟੇ ਵੇਰਵੇ ਨੂੰ ਨਾ ਪੜ੍ਹਦੇ ਹੋਏ, ਸਗੋਂ ਮਹੱਤਵਪੂਰਨ ਡਾਟਾ ਬਿੰਦੂਆਂ ਵਿਚਕਾਰ ਧਿਆਨ ਲੈਂਦੇ ਹੋਏ—ਅਤੇ ਦ੍ਰਿਸ਼ਟੀ ਸਹਾਇਤਾ ਦੀ ਲੋੜ ਵਾਲਿਆਂ ਨੂੰ ਰੀਅਲ-ਟਾਈਮ ਵਿੱਚ ਠੀਕ ਖਰੀਦ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ.
“ਇਹ ਮਨੁੱਖਤਾ ਲਈ ਇੱਕ ਸ਼ਾਨਦਾਰ ਵਿਕਾਸ ਹੈ”, ਬਕਲੀ ਕਹਿੰਦੇ ਹਨ, “ਪਰ ਇਹ ਇਕ ਵਿਸ਼ਾਲ ਵਪਾਰਕ ਮੌਕੇ ਦੀ ਵੀ ਨੁਮਾਇੰਦਗੀ ਕਰਦਾ ਹੈ.”
