Peter Thiel ਦਾ ਵਿਕਲਪਕ ਪਲੇਬੁੱਕ: ਸ਼ੁਰੂਆਤੀ ਏਆਈ ਨਿਵੇਸ਼

ਕਿਉਂ Thiel ਦੀ ਵਿਕਲਪਕ ਰਵਾਇਤ ਏਆਈ ਲਈ ਮਾਇਨੇ ਰੱਖਦੀ ਹੈ

Peter Thiel ਦੀ ਪਛਾਣ ਅਕਸਰ ਇਕ ਵਿਕਲਪਕ ਨਿਵੇਸ਼ਕ ਤੇ ਬੇਝਿਝਕ ਸੋਚ ਵਾਲੇ ਵਿਅਕਤੀ ਵਜੋਂ ਹੁੰਦੀ ਹੈ—ਉਹ ਉਹਨਿਆਂ ਵਿਚੋਂ ਹੈ ਜੋ ਲੋਕਾਂ ਦੇ ਸਾਹਮਣੇ ਗਲਤ ਹੋਣ ਤੋਂ ਡਰਦਾ ਨਹੀਂ ਅਤੇ ਜ਼ਿਆਦਾ ਲੋਕਾਂ ਦੇ ਸਾਹਮਣੇ ਲੰਬੇ ਸਮੇਂ ਤੱਕ ਠੀਕ ਹੋ ਸਕਦਾ ਹੈ। ਇਹ ਸੁਭਾਉ—ਕੌਨਸੈਂਸ ਨੂੰ ਪ੍ਰਸ਼ਨ ਕਰਨਾ, ਓਵਰਲੁੱਕ ਕੀਤੇ ਲਿਵਰੇਜ ਲੱਭਣਾ, ਅਤੇ ਜਲਦੀ ਕੰਮ ਕਰਨ ਲਈ ਸਮੀਰਪਣ—ਉਹਰੇ ਢੰਗ ਨਾਲ ਮਿਲਦਾ ਹੈ ਜਿਸ ਤਰ੍ਹਾਂ ਪਿਛਲੇ ਦੋ ਦਹਾਕਿਆਂ ਵਿੱਚ “ਏਆਈ” ਦੀ ਵੈਲਯੂ ਬਣੀ ਹੈ।

ਇੱਥੇ "ਸ਼ੁਰੂਆਤੀ ਏਆਈ ਬੇਟ" ਦਾ ਕੀ ਮਤਲਬ ਹੈ

ਇਹ ਲੇਖ ਇਹ ਦਾਅਵਾ ਨਹੀਂ ਕਰਦਾ ਕਿ Thiel ਨੇ "ChatGPT ਤੋਂ ਪਹਿਲਾਂ ChatGPT" ਚੁਣਿਆ। ਇਸ ਦੀ ਥਾਂ, ਇਹ ਉਹਨਾਂ ਏਆਈ-ਨਜ਼ਦੀਕੀ ਬੇਟਾਂ ਨੂੰ ਵੇਖਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੇ ਬਾਅਦ ਵਾਲੀਆਂ ਏਆਈ ਲਹਿਰਾਂ ਨੂੰ ਸੰਭਵ ਜਾਂ ਜ਼ਿਆਦਾ ਕਾਇਮ ਰੱਖਣਯੋਗ ਬਣਾਇਆ: ਡਾਟਾ ਇਨਫਰਾਸਟਰੱਕਚਰ, ਵਿਸ਼ਲੇਸ਼ਣ, ਆਟੋਮੇਸ਼ਨ, ਸੁਰੱਖਿਆ ਅਤੇ ਡਿਫੈਂਸ-ਕੇਂਦਰਿਤ ਸੌਫਟਵੇਅਰ।

ਸੋਚੋ: ਉਹ ਕੰਪਨੀਆਂ ਅਤੇ ਸਿਸਟਮ ਜੋ ਅਸਲ ਦੁਨੀਆ ਦੇ ਗੁੰਝਲਦਾਰ ਜਾਣਕਾਰੀ ਨੂੰ ਫੈਸਲੇ, ਭਵਿੱਖਬਾਣੀਆਂ ਅਤੇ ਕਾਰਵਾਈ ਵਿੱਚ ਬਦਲ ਸੰਕਦੇ ਹਨ।

ਇਸ ਪੋਸਟ ਤੋਂ ਤੁਹਾਨੂੰ ਕੀ ਉਮੀਦ ਰੱਖਣੀ ਚਾਹੀਦੀ ਹੈ

ਇਹ ਇੱਕ ਪ੍ਰਿੰਸੀਪਲ-ਪਹਿਲਾ ਗਾਈਡ ਹੈ, ਜੋ ਗਣਨਯੋਗ ਜਨਤਕ ਦਸਤਾਵੇਜ਼ਿਤ ਉਦਾਹਰਣਾਂ (ਕੰਪਨੀ ਇਤਿਹਾਸ, ਇੰਟਰਵਿਊ, ਫਾਈਲਿੰਗਸ ਅਤੇ ਵਿਆਪਕ ਰਿਪੋਰਟ ਕੀਤਾ ਗਿਆ ਨਿਵੇਸ਼) 'ਤੇ ਆਧਾਰਿਤ ਹੈ। ਮਕਸਦ ਹੀਰੋ ਪੁਜਾ ਜਾਂ ਕੋਈ ਗੁਪਤ "Thiel ਫਾਰਮੂਲਾ" ਨਹੀਂ—ਸਗੋਂ ਇੱਕ ਐਸਾ ਪਲੇਬੁੱਕ ਨਿਕਾਲਣਾ ਹੈ ਜਿਸਨੂੰ ਤੁਸੀਂ ਪ੍ਰੈਸ਼ਰ-ਟੈਸਟ ਕਰ ਸਕੋ—ਚਾਹੇ ਤੁਸੀਂ ਇੱਕ ਆਪਰੇਟਰ ਹੋ ਜੋ ਏਆਈ ਉਤਪਾਦ ਬਣਾ ਰਿਹਾ ਹੈ ਜਾਂ ਇੱਕ ਨਿਵੇਸ਼ਕ ਜੋ ਦੇਖਣਾ ਚਾਹੁੰਦਾ ਹੈ ਕਿ ਕੀ ਸਚ ਹੈ ਤੇ ਕੀ ਹਾਈਪ।

ਅਸੀਂ ਕਿਸ ਪ੍ਰਸ਼ਨਾਂ ਦੇ ਉੱਤਰ ਦਿਆਂਗੇ

ਰਸਤੇ ਵਿੱਚ, ਅਸੀਂ ਪ੍ਰੈਕਟਿਕਲ ਪ੍ਰਸ਼ਨਾਂ 'ਤੇ ਧਿਆਨ ਦੇਵਾਂਗੇ ਜੋ ਲੋੜੀਂਦੇ ਹਨ ਜਦੋਂ ਏਆਈ ਦਸਤਾਵੇਜ਼ ਵਧਦੇ ਹਨ:

• ਜਦੋਂ ਇਹ ਬੇਟਾਂ ਕੀਤੀਆਂ ਗਈਆਂ, "ਏਆਈ" ਦਾ ਕੀ ਮਤਲਬ ਸੀ—ਅਤੇ ਉਹ ਅਸਲ ਵਿੱਚ ਕਿਸ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰ ਰਹੇ ਸੀ?\n- Thiel-ਸਟਾਈਲ, ਏਆਈ-ਨਜ਼ਦੀਕੀ ਨਿਵੇਸ਼ਾਂ ਵਿੱਚ ਕਿਹੜੇ ਪੈਟਰਨ ਉਭਰਦੇ ਹਨ (ਡਾਟਾ ਫਾਇਦਾ, ਡਿਸਟ੍ਰੀਬਿ್ಯೂਸ਼ਨ, ਨਿਯੰਤਰਿਤ ਖਰੀਦਦਾਰ, ਮਿਸ਼ਨ-ਕ੍ਰਿਟੀਕਲ ਵਰਕਫਲੋ)?\n- ਸਮਾਂ ਅਤੇ "ਵਾਹਨ ਦੀ ਚੋਣ" (ਸੀਡ, ਲੇਟ-ਸਟੇਜ, ਹੇਜ ਫੰਡ-ਸਟਾਈਲ ਪੁਜੀਸ਼ਨ) ਕਿਵੇਂ ਜੋਖਮ ਪ੍ਰੋਫਾਈਲ ਬਦਲਦੇ ਹਨ?\n- ਨੈਤਿਕਤਾ ਦੇ ਫੋਲਟ ਲਾਈਨ ਕਿੱਥੇ ਹਨ—ਖਾਸ ਕਰਕੇ ਨਿਗਰਾਨੀ, ਰੱਖਿਆ ਅਤੇ ਤਾਕਤ ਦੇ ਆਲੇ-ਦੁਆਲੇ—ਅਤੇ ਉਹ ਜੋਖਮ ਨਤੀਜਿਆਂ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਭਾਵਿਤ ਕਰਦੇ ਹਨ?

ਜੇ ਤੁਸੀਂ ਰੁਝਾਨਾਂ ਦੇ ਪਿੱਛੇ ਨਹੀਂ ਭੱਜਣਾ ਚਾਹੁੰਦੇ ਅਤੇ ਸ਼ੁਰੂਆਤੀ ਏਆਈ ਨਿਵੇਸ਼ ਬਾਰੇ ਸਾਫ ਸੋਚ ਚਾਹੁੰਦੇ ਹੋ, ਤਾਂ Thiel ਵਰਗੇ ਵਿਕਲਪਕ ਫਰੇਮਵਰਕ ਇੱਕ ਉਪਯੋਗੀ ਸ਼ੁਰੂਆਤ ਦਿੰਦੇ ਹਨ।

ਵਿਕਲਪਕ ਪਲੇਬੁੱਕ: ਇਹ ਕੀ ਹੈ (ਅਤੇ ਕੀ ਨਹੀਂ)

ਸਿੱਧੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਵਿਕਲਪਕ ਨਿਵੇਸ਼ ਉਹ ਹੈ ਜਿਸ ਵਿੱਚ ਤੁਸੀਂ ਕਿਸੇ ਅਜਿਹੀ ਸੋਚ ਦਾ ਸਮਰਥਨ ਕਰਦੇ ਹੋ ਜਿਸਨੂੰ ਬਹੁਤ ਸਾਰੇ ਹੋਸ਼ਿਆਰ ਲੋਕ ਸਮਰਥਨ ਨਹੀਂ ਦੇ ਰਹੇ—ਕਿਉਂਕਿ ਉਹ ਸੋਚਦੇ ਹਨ ਇਹ ਗਲਤ, ਉਬाऊਂ, ਰਾਜਨੀਤਿਕ ਰਿਸਕੀ ਜਾਂ ਸਿਰਫ਼ ਬਹੁਤ ਜਲਦੀ ਹੈ।

ਬੇਟ ਇਹ ਨਹੀਂ ਕਿ "ਮੈਂ ਵੱਖਰਾ ਹਾਂ।" ਬੇਟ ਇਹ ਹੈ ਕਿ "ਮੈਂ ਕਿਸੇ ਐਸੀ ਗੱਲ 'ਤੇ ਠੀਕ ਹਾਂ ਜੋ ਹੋਰ ਲੋਕ ਨਹੀਂ ਦੇਖ ਰਹੇ, ਅਤੇ ਜੇ ਮੈਂ ਠੀਕ ਹਾਂ ਤਾਂ ফল ਵੱਡਾ ਹੋਵੇਗਾ।"

ਵਿਕਲਪਕਤਾ vs. ਹਾਈਪ ਸਾਈਕਲ

ਟੈਕ ਤਰੰਗਾਂ ਵਿੱਚ ਚਲਦਾ ਹੈ: ਉੱਚ-ਸ਼ੋਰ ਵਾਲੇ ਹਾਈਪ ਪੀਰੀਅਡ, ਫੇਰ ਸ਼ਾਂਤ ਦੌਰ ਜਿੱਥੇ ਅਸਲ ਉਤਪਾਦ ਬਣਦੇ ਹਨ ਅਤੇ ਅਪਣਾਇਕਤਾ ਜੁਟਦੀ ਹੈ। ਇੱਕ ਵਿਕਲਪਕ ਪਲੇਅ ਆਮ ਤੌਰ 'ਤੇ ਸਭ ਤੋਂ ਸ਼ੋਰਲੇ ਹਿੱਸੇ ਤੋਂ ਬਚਦਾ ਹੈ। ਨਾ ਕਿ ਇਸ ਲਈ ਕਿ ਹਾਈਪ ਹਮੇਸ਼ਾਂ ਗਲਤ ਹੁੰਦੀ ਹੈ, ਪਰ ਕਿਉਂਕਿ ਹਾਈਪ ਵਾਪਸੀ ਨੂੰ ਸੰਕੁਚਿਤ ਕਰਦੀ ਹੈ: ਕੀਮਤਾਂ ਵਧਦੀਆਂ ਹਨ, ਮੁਕਾਬਲਾ ਭਰਜ ਤਾਂ ਦਿੰਦਾ ਹੈ, ਅਤੇ ਐਜ ਲੱਭਣਾ ਮੁਸ਼ਕਲ ਹੋ ਜਾਂਦਾ ਹੈ।

ਸ਼ਾਂਤ ਕਮਪਾਊਂਡਿੰਗ ਇਸਦਾ ਉਲਟ ਹੈ: ਘੱਟ ਧਿਆਨ, ਘੱਟ ਨਕਲ-ਕਰਣ ਵਾਲੇ, ਅਤੇ ਇਟਰੇਟ ਕਰਨ ਲਈ ਵਧੇਰੇ ਸਮਾਂ। ਬਹੁਤ ਸਾਰੇ ਮਹੱਤਵਪੂਰਨ ਵਿਅਪਾਰ ਉਹੀ ਦਿਖਦੇ ਹਨ ਜੋ "ਅਣਫੈਸ਼ਨੇਬਲ" ਲੱਗਦੇ ਹਨ ਜਦੋਂ ਉਹ ਲਾਜ਼ਮੀ ਬਣਨ ਵਾਲੇ ਹੁੰਦੇ ਹਨ।

"ਗੁਪਤ" ਅੰਦਾਜ਼ੇ ਅਤੇ ਅਸਮਿਤ ਬੇਟ

Thiel ਨੂੰ ਅਕਸਰ "ਗੁਪਤ" ਵਿਚਾਰਾਂ ਨਾਲ ਜੋੜਿਆ ਜਾਂਦਾ ਹੈ—ਸੱਚ ਪਰ ਗੈਰ-ਸਪਸ਼ਟ ਧਾਰਣਾਵਾਂ। ਨਿਵੇਸ਼ ਦੇ ਅਰਥ ਵਿੱਚ, ਇੱਕ ਗੁਪਤ ਧਾਰਣਾ ਉਹ ਥੀਸਿਸ ਹੁੰਦੀ ਹੈ ਜਿਸਨੂੰ ਹੱਕ-ਤੱਕ ਜਾਂਚਿਆ ਜਾ ਸਕਦਾ ਹੈ: ਲਾਗਤਾਂ ਵਿੱਚ ਬਦਲਾਅ, ਨਵੀਆਂ ਸਮਰੱਥਾਵਾਂ, ਨਿਯਮਕ ਤਬਦੀਲੀਆਂ, ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ ਫਾਇਦੇ, ਜਾਂ ਡਾਟਾ ਮੋਟ।

ਜਦੋਂ ਇੱਕ ਗੁਪਤ ਵਿਸ਼ਵਾਸ ਕਰੇਤਾਬ ਹੈ, ਇਹ ਇੱਕ ਅਸਮਿਤ ਬੇਟ ਬਣਾਉਂਦਾ ਹੈ: ਘਟਾਓਵੱਲੀ ਸਿਰਫ਼ ਨਿਵੇਸ਼ ਤਕ ਸੀਮਿਤ ਰਹਿੰਦੀ ਹੈ, ਪਰ ਲਾਭ ਕਈ ਗੁਣਾ ਹੋ ਸਕਦਾ ਹੈ ਜੇ ਦੁਨੀਆ ਤੁਹਾਡੇ ਹਵਾ ਵਿੱਚ ਚਲਦੀ ਹੈ। ਇਹ ਖਾਸ ਤੌਰ 'ਤੇ ਏਆਈ-ਨਜ਼ਦੀਕੀ ਬੇਟਾਂ ਲਈ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ, ਜਿੱਥੇ ਸਮਾਂ ਅਤੇ ਦੂਜੇ-ਕ੍ਰਮ ਪ੍ਰਭਾਵ (ਡਾਟਾ ਪਹੁੰਚ, ਵਰਕਫਲੋ ਲਾਕ-ਇਨ, ਕੰਪਿਊਟ ਆਰਥਿਕੀ) ਕੁਦਰਤੀ ਮਾਡਲ ਗੁਣਵੱਤਾ ਦੇ ਬਰਾਬਰ ਜ਼ਰੂਰੀ ਹੁੰਦੇ ਹਨ।

ਵਿਕਲਪਕਤਾ ਕੀ ਨਹੀਂ ਹੈ

ਵਿਕਲਪਕ ਹੋਣਾ ਮਤਲਬ ਨਹੀਂ ਕਿ ਤੁਸੀਂ ਕੌਨਸੈਂਸ ਦਾ ਵਿਰੋਧ ਕਰਦੇ ਹੋ ਬਸ ਰੁਝਾਨੀ ਤੌਰ 'ਤੇ। ਇਹ ਕੋਈ ਸ਼ਖਸੀਅਤ ਨਿਸ਼ਾਨੀ ਨਹੀਂ ਜਾਂ ਬ੍ਰਾਂਡਿੰਗ ਰਣਨੀਤੀ ਨਹੀਂ। ਅਤੇ ਇਹ ਆਪਣੇ ਆਪ ਲਈ ਖਤਰੇ ਲੈਣ ਵਾਲਾ ਨਹੀ ਹੈ।

ਇੱਕ ਕਾਰਗਰ ਨਿਯਮ: ਵਿਕਲਪਕ ਸਿਰਫ਼ ਉਸ ਵੇਲੇ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ ਜਦੋਂ ਤੁਸੀਂ ਵਿਆਖਿਆ ਕਰ ਸਕੋ ਕਿ ਲੋਕ ਕਿਸ ਲਈ ਨਾਖੁਸ਼ ਹਨ—ਅਤੇ ਕਿਉਂ ਉਹ ਨਾਖੁਸ਼ੀ ਇਸ ਤਰ੍ਹਾਂ ਢਾਂਚੇਬੰਦ ਤਰੀਕੇ ਨਾਲ ਲੰਬੇ ਸਮੇਂ ਲਈ ਰਹੇਗੀ ਕਿ ਤੁਸੀਂ ਇੱਕ ਫ਼ਾਇਦਾ ਬਣਾਉ ਸਕੋ। ਨਹੀਂ ਤਾਂ, ਤੁਸੀਂ ਸਿਰਫ਼ ਜਲਦੀ, ਸ਼ੋਰ ਵਾਲੇ, ਜਾਂ ਗਲਤ ਹੋ।

ਥੀਸਿਸ-ਪਹਿਲਾ ਨਿਵੇਸ਼: ਉਹ ਵਿਚਾਰ ਜੋ Thiel ਨਾਲ ਜੋੜੇ ਜਾਂਦੇ ਹਨ

ਥੀਸਿਸ-ਪਹਿਲਾ ਨਿਵੇਸ਼ ਇੱਕ ਸਾਫ਼, ਜਾਂਚਯੋਗ ਵਿਸ਼ਵਾਸ ਨਾਲ ਸ਼ੁਰੂ ਹੁੰਦਾ ਹੈ ਕਿ ਦੁਨੀਆ ਕਿਵੇਂ ਬਦਲੇਗੀ—ਅਤੇ ਫਿਰ ਉਨ੍ਹਾਂ ਕੰਪਨੀਆਂ ਦੀ ਖੋਜ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਜੋ ਇਸ ਨਾਲ ਮੇਲ ਖਾਂਦੀਆਂ ਹਨ।

Peter Thiel ਨਾਲ ਅਕਸਰ ਜੋੜੀ ਜਾਣ ਵਾਲੀ ਨਜ਼ਰੀਏ ਇਹ ਨਹੀਂ ਕਿ "ਬਹੁਤ ਸਾਰੇ ਛੋਟੇ, ਸੁਰੱਖਿਅਤ ਦਾਅਵਾਂ ਕਰੋ।" ਇਸਦਾ ਨੇੜਾ ਤਰੀਕਾ ਇਹ ਹੈ: ਕੁਝ ਐਸੀਆਂ ਮੌਕੇ ਲੱਭੋ ਜਿੱਥੇ ਤੁਸੀਂ ਬਹੁਤ ਜ਼ਿਆਦਾ ਸਹੀ ਹੋ ਸਕਦੇ ਹੋ, ਕਿਉਂਕਿ ਟੈਕ ਨਤੀਜੇ ਅਕਸਰ ਪਾਵਰ-ਲਾਅ ਨੁਮਾਇੰਦਗੀ ਦਿਖਾਉਂਦੇ ਹਨ।

ਕੁਝ ਵਿਚਾਰ ਜੋ ਆਮ ਤੌਰ 'ਤੇ Thiel ਦੇ ਸੋਚ ਨਾਲ ਜੁੜੇ ਹੁੰਦੇ ਹਨ

ਇਕ ਵਿਲੱਖਣ ਦਰਿਸ਼ਟੀ ਰੱਖੋ। ਜੇ ਤੁਹਾਡੀ ਥੀਸਿਸ ਆਮ ਕੌਨਸੈਂਸ ਵਰਗੀ ਲੱਗੇ ("ਏਆਈ ਵੱਡਾ ਹੋਵੇਗਾ"), ਤਾਂ ਇਹ ਤੁਹਾਨੂੰ ਜੇਤੂ ਚੁਣਨ ਵਿੱਚ ਮਦਦ ਨਹੀਂ ਕਰੇਗੀ। ਇੱਕ ਕੰਮਯਾਬ ਥੀਸਿਸ ਵਿੱਚ ਏਜ ਹੁੰਦੇ ਹਨ: ਕਿਹੜੀਆਂ ਏਆਈ ਸਮਰੱਥਾਵਾਂ ਮਹੱਤਵਪੂਰਨ ਹਨ, ਕਿਹੜੇ ਉਦਯੋਗ ਪਹਿਲਾਂ ਅਪਨਾਉਣਗੇ, ਅਤੇ ਕਿਉਂ ਮੌਜੂਦਾ ਖਿਡਾਰੀ ਮੁਸ਼ਕਲਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਗੇ।

ਪਾਵਰ-ਲਾਅ ਰਿਟਰਨ ਦੀ ਉਮੀਦ ਰੱਖੋ। ਵੈਂਚਰ ਨਤੀਜੇ ਅਕਸਰ ਕੁਝ ਬਹੁਤ ਵੱਡੇ ਆਊਟਲਾਇਰਾਂ ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਹੁੰਦੇ ਹਨ। ਇਸ ਨਾਲ ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਸਮਾਂ ਅਤੇ ਵਿਸ਼ਵਾਸ ਕੇਂਦਰਿਤ ਕਰਨ ਲਈ ਧੱਕਾ ਮਿਲਦਾ ਹੈ, ਜਦੋਂ ਕਿ ਉਹ ਇਮਾਨਦਾਰ ਰਹਿੰਦੇ ਹਨ ਕਿ ਕਈ ਥੀਸਿਸ ਗਲਤ ਹੋਣਗੀਆਂ।

ਸੰਕੇਤਾਂ ਨਹੀਂ, ਗੁਪਤ ਲੱਭੋ। ਰੁਝਾਨ-ਅਨੁਸਾਰ ਤਰੀਕੇ ਸੰਕੇਤਾਂ ਦੁਆਰਾ ਚਲਦੇ ਹਨ (ਫੰਡਿੰਗ ਰਾਊਂਡ, ਹਾਈਪ, ਸ਼੍ਰੇਣੀ ਟੈਗ)। ਥੀਸਿਸ-ਪਹਿਲਾ "ਗੁਪਤ" ਸਨ ਖੋਜਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ: ਘੱਟ-ਮੁਲਾਂਕਣ ਕੀਤਾ ਗਾਹਕ ਦਰਦ, ਅਣਡਿੱਠੇ ਡਾਟਾ ਫਾਇਦੇ, ਜਾਂ ਕੋਈ ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ ਵੈਜ ਜੋ ਹੋਰ ਲੋਕ ਅਣਦੇਖਾ ਕਰਦੇ ਹਨ।

ਕਿਉਂ ਥੀਸਿਸ ਰੁਝਾਨ-ਅਨੁਸਾਰ ਨਾਲੋਂ ਬਿਹਤਰ ਹੋ ਸਕਦੀ ਹੈ

ਏਆਈ ਬਜ਼ਾਰ ਤੇਜ਼ੀ ਨਾਲ ਹਿਲਦੇ ਹਨ, ਅਤੇ "ਏਆਈ" ਹਰ ਸਾਈਕਲ 'ਚ ਵੱਖਰਾ ਲੇਬਲ ਲੈ ਲੈਂਦਾ ਹੈ। ਇੱਕ ਮਜ਼ਬੂਤ ਥੀਸਿਸ ਤੁਹਾਨੂੰ ਕਹਾਣੀਆਂ ਖਰੀਦਣ ਤੋਂ ਬਚਾਉਂਦੀ ਹੈ ਅਤੇ ਇਸ ਦੀ ਥਾਂ ਖ਼ਰਚੇਨੀ ਤੱਤਾਂ ਦੇ ਮੂਲ ਵਿਚਾਰਾਂ ਦੀ ਪਰਖ ਕਰਵਾਉਂਦੀ: ਕਿਸ ਕੋਲ ਕੀਮਤੀ ਡਾਟਾ ਹੈ, ਕਿਸੇ ਨੂੰ ਅਸਲੀ ਵਰਕਫਲੋ ਵਿੱਚ ਭੇਜਣ ਦੀ ਸਮਰੱਥਾ ਹੈ, ਅਤੇ ਮਾਡਲ ਗਣਾਂਕ ਵਪਾਰਿਕਤਾ ਹੋਣ ਤੇ ਪ੍ਰਦਰਸ਼ਨ ਅਤੇ ਮਾਰਜਿਨ ਕਿਵੇਂ ਬਣੇ ਰਹਿੰਦੇ ਹਨ।

ਇੱਕ ਥੀਸਿਸ ਨੂੰ ਪ੍ਰੈਸ਼ਰ-ਟੈਸਟ ਕਰਨ ਲਈ ਪ੍ਰੈਕਟਿਕਲ ਸਵਾਲ

• ਅਸੀਂ ਉਹ ਕੀ ਹੈ ਜਿਸ 'ਤੇ ਅਕਸਰ ਹੋਸ਼ਿਆਰ ਨਿਵੇਸ਼ਕ ਨਾ-ਸਹਿਮਤ ਹਨ?\n- ਇਸ ਕੰਪਨੀ ਨੂੰ ਆਊਟਲਾਇਰ ਬਣਨ ਲਈ ਕੀ ਸੱਚ ਹੋਣਾ ਲਾਜ਼ਮੀ ਹੈ (ਸਿਰਫ਼ "ਅਚਛਾ" ਨਹੀਂ)?\n- ਗੈਰ-ਸਪਸ਼ਟ ਮੋਟ ਕੀ ਹੈ: ਡਾਟਾ ਅਧਿਕਾਰ, ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ, ਵਰਕਫਲੋ ਲਾਕ-ਇਨ, ਜਾਂ ਨਿਯਮਕ ਸਥਿਤੀ?\n- ਜੇ ਫਾਊਂਡੇਸ਼ਨ ਮਾਡਲ ਸਸਤੇ ਅਤੇ ਬਿਹਤਰ ਹੋ ਜਾਂਦੇ ਹਨ, ਤਾਂ ਕੀ ਇਹ ਕੰਪਨੀ ਮਜ਼ਬੂਤ ਹੋਏਗੀ ਜਾਂ ਦਬਦੀ ਪਏਗੀ?\n- 6–12 ਮਹੀਨਿਆਂ ਵਿੱਚ ਕੀ ਸਬੂਤ ਸਾਡੇ ਮਨ ਨੂੰ ਬਦਲ ਸਕਦੇ ਹਨ?

ਨੋਟ: ਜਦੋਂ ਤੁਸੀਂ Thiel ਨਾਲ ਵਿਸ਼ੇਸ਼ ਦਾਅਵੇ ਜੋੜਦੇ ਹੋ, ਤਾਂ ਪ੍ਰਾਇਮਰੀ ਸੋਰਸਾਂ (ਉਦਾਹਰਣ ਲਈ Zero to One, ਦਰਸ਼ਣਾਂ, ਅਤੇ ਜਨਤਕ ਟਾਕ) ਨੂੰ ਹਵਾਲਾ ਦਿਓ ਨਾ ਕਿ ਸੈਕੰਡਹੈਂਡ ਸੰਖੇਪਾਂ ਨੂੰ।

ਜਦੋਂ ਇਹ ਬੇਟਾਂ ਕੀਤੀਆਂ ਗਈਆਂ, "ਏਆਈ" ਦੀ ਕੀ ਗਿਣਤੀ ਹੁੰਦੀ ਸੀ?

ਜਦੋਂ ਲੋਕ ਪਿੱਛੇ ਮੁੜ ਕੇ ਸ਼ੁਰੂਆਤੀ "ਏਆਈ" ਨਿਵੇਸ਼ ਵੇਖਦੇ ਹਨ, ਤਾਂ ਆਸਾਨੀ ਨਾਲ ਆਧੁਨਿਕ ਸ਼ਬਦਾਂ—LLMs, ਫਾਊਂਡੇਸ਼ਨ ਮਾਡਲ, GPU ਕਲਸਟਰ—ਨੂੰ ਇੱਕ ਬਹੁਤ ਹੀ ਵੱਖਰੇ ਯੁੱਗ 'ਤੇ ਥੋਪ ਦਿੱਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਉਸ ਸਮੇਂ, ਬਹੁਤ ਸਾਰੇ ਮੁੱਲਵਾਨ "ਏਆਈ-ਆਕਾਰ" ਬੇਟਸ ਨੂੰ ਆਮ ਤੌਰ 'ਤੇ ਏਆਈ ਨਹੀਂ ਕਿਹਾ ਜਾਂਦਾ ਸੀ।

"ਏਆਈ" ਕੂਲ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ: ਨਿਪੁੰਨ ਪ੍ਰਣਾਲੀਆਂ ਤੋਂ ਭਵਿੱਖਬਾਣੀ ਵਿਸ਼ਲੇਸ਼ਣ ਤੱਕ

ਪਹਿਲਲੇ ਸਾਈਕਲਾਂ ਵਿੱਚ, "ਏਆਈ" ਅਕਸਰ ਏਕਸਪਰਟ ਸਿਸਟਮਸ ਦਾ ਮਤਲਬ ਹੁੰਦਾ ਸੀ: ਨਿਯਮ-ਆਧਾਰਿਤ ਸੌਫਟਵੇਅਰ ਜੋ ਵਿਸ਼ੇਸ਼ਗਿਆਂ ਦੀ ਫੈਸਲਾ-ਲੈਣ ਦੀ ਪ੍ਰਣਾਲੀ ਨੂੰ ਨਕਲ ਕਰਦਾ। ਇਹ ਪ੍ਰਣਾਲੀਆਂ ਤੰਗ ਖੇਤਰਾਂ ਵਿੱਚ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੋ ਸਕਦੀਆਂ ਸਨ, ਪਰ ਉਹ ਭਿੱਟਲ ਹੁੰਦੀਆਂ—ਅਪਡੇਟ ਕਰਨਾ ਮੁਸ਼ਕਲ, ਮਹਿੰਗੀਆਂ ਅਤੇ ਜਦੋਂ ਦੁਨੀਆ ਨਿਯਮਪੱਤਰ ਨਾਲ ਮੈਚ ਨਹੀਂ ਕਰਦੀ ਤਾਂ ਸੀਮਤ।

ਜਿਵੇਂ-ਜਿਵੇਂ ਡਾਟਾ ਸਸਤਾ ਅਤੇ ਜ਼ਿਆਦਾ ਉਪਲਬਧ ਹੋਇਆ, ਫਰੇਮਿੰਗ ਬਦਲੀ ਅਤੇ ਇਹ ਡਾਟਾ ਮਾਈਨਿੰਗ, ਮਸ਼ੀਨ ਲਰਨਿੰਗ, ਅਤੇ ਪ੍ਰਡਿਕਟਿਵ ਵਿਸ਼ਲੇਸ਼ਣ ਵੱਲ ਚਲੀ ਗਈ। ਮੁੱਖ ਵਾਅਦਾ ਮਨੁੱਖ-ਸਮਾਨ ਬੁੱਧੀ ਨਾ ਹੋ ਕੇ ਮਾਪਯੋਗ ਸੁਧਾਰ ਸੀ: ਬਿਹਤਰ ਧੋਖਾਧੜੀ ਪਛਾਣ, ਬੇਹਤਰ ਟਾਰਗੇਟਿੰਗ, ਪਹਿਲਾਂ ਖ਼ਤਰੇ ਦੇ ਝੰਡੇ, ਘੱਟ ਓਪਰੇਸ਼ਨਲ ਗਲਤੀਆਂ।

ਪਹਿਲੇ ਸਮੇਂ "ਏਆਈ" ਕੰਪਨੀਆਂ ਨੂੰ ਡਾਟਾ/ਵਿਸ਼ਲੇਸ਼ਣ ਕਿਉਂ ਲੇਬਲ ਕੀਤਾ ਗਿਆ

ਕਾਫ਼ੀ ਸਮੇਂ ਲਈ, ਕਿਸੇ ਚੀਜ਼ ਨੂੰ "ਏਆਈ" ਕਹਿਣਾ ਖਰੀਦਦਾਰਾਂ ਨਾਲ ਭਰੋਸਾ ਘਟਾ ਸਕਦਾ ਸੀ। ਏਂਟਰਪ੍ਰਾਈਜ਼ ਅਕਸਰ "ਏਆਈ" ਨੂੰ ਹਾਈਪ, ਅਕਾਦਮਿਕ ਡੈਮੋ ਜਾਂ ਸਾਇੰਸ ਪ੍ਰੋਜੈਕਟ ਨਾਲ ਜੋੜਦੇ ਸਨ ਜੋ ਉਤਪਾਦਨ ਦਬਾਅ ਸਹਿਣ ਨਹੀਂ ਕਰਦੇ।

ਇਸ ਲਈ ਕੰਪਨੀਆਂ ਆਪਣਾ ਪੋਜ਼ੀਸ਼ਨ ਉਹ ਭਾਸ਼ਾ ਵਰਤ ਕੇ ਬਣਾਉਂਦੀਆਂ ਜੋ ਪਰਚੇਜ਼ ਟੀਮਾਂ ਭਰੋਸੇਯੋਗ ਸਮਝਦੀਆਂ: ਵਿਸ਼ਲੇਸ਼ਣ, ਫੈਸਲਾ ਸਹਾਇਤਾ, ਰਿਸਕ ਸਕੋਰਿੰਗ, ਆਟੋਮੇਸ਼ਨ, ਜਾਂ ਡਾਟਾ ਪਲੇਟਫਾਰਮ। ਅਧਾਰਭੂਤ ਤਕਨੀਕਾਂ ਵਿੱਚ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਸ਼ਾਮਲ ਹੋ ਸਕਦੀ ਸੀ, ਪਰ ਸੇਲਜ਼ ਪਿੱਚ ਭਰੋਸੇਯੋਗਤਾ, ਆਡੀਟਯੋਗਤਾ ਅਤੇ ROI 'ਤੇ ਜ਼ੋਰ ਦਿੰਦਾ।

ਇਹ Thiel-ਨਜ਼ਦੀਕੀ ਬੇਟਾਂ ਦਾ ਵਾਜਬ ਤਰੀਕੇ ਨਾਲ ਅਰਥ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ: ਕਈਆਂ ਨੇ ਅਸਲ ਵਿੱਚ "ਏਆਈ" ਜਿਵੇਂ ਕੰਮ ਕੀਤਾ—ਡਾਟਾ ਨੂੰ ਫੈਸਲੇ ਵਿੱਚ ਬਦਲਦੇ—ਪਰ ਲੇਬਲ ਨਹੀਂ ਵਰਤੇ।

ਮਾਡਲ ਨਾ ਹੋਣ ਦੇ ਬਾਵਜੂਦ ਇਨਫਰਾਸਟਰੱਕਚਰ ਨੂੰ "ਏਆਈ ਬੇਟ" ਸਮਝਣਾ

ਕਈ ਸਥਿਰ ਫਾਇਦੇ ਉਹਨਾਂ ਨੀਂਹਾਂ ਤੋਂ ਆਉਂਦੇ ਹਨ ਜੋ ਸਤਹ 'ਤੇ "ਏਆਈ ਉਤਪਾਦ" ਨਹੀਂ ਲੱਗਦੀਆਂ:

• ਡਾਟਾ: ਵਿਲੱਖਣ, ਉੱਚ-ਗੁਣਵੱਤਾ ਡੇਟਾਸੇਟ; ਟਿਕਾਊ ਪਾਈਪਲਾਈਨ; ਫੀਡਬੈਕ ਲੂਪ
• ਕੰਪਿਊਟ: ਸਕੇਲ ਕਰਨ ਯੋਗ ਇਨਫਰਾਸਟਰੱਕਚਰ ਅਤੇ ਉਸਨੂੰ ਚਲਾਉਣ ਦਾ ਓਪਰੇਸ਼ਨਲ ਗਿਆਨ
• ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ: ਐਂਬੈੱਡਡ ਵਰਕਫਲੋ, ਏਂਟਰਪ੍ਰਾਈਜ਼ ਰਿਸ਼ਤੇ, ਜਾਂ ਪਲੇਟਫਾਰਮ ਜੋ ਧਿਆਨ ਕੰਟਰੋਲ ਕਰਦੇ ਹਨ

ਜੇ ਇੱਕ ਕੰਪਨੀ ਇਹ ਇਨਪੁਟਸ ਰੱਖਦੀ ਹੈ, ਤਾਂ ਇਹ ਤਕਨਾਲੋਜੀ ਸੁਧਾਰਾਂ ਨਾਲ ਕਈ ਏਆਈ ਲਹਿਰਾਂ 'ਤੇ ਚੜ੍ਹ ਸਕਦੀ ਹੈ।

ਪੁਰਾਣੀਆਂ ਬੇਟਾਂ ਨੂੰ ਪੜ੍ਹਦੇ ਸਮੇਂ ਅਨਾਚਰੋਨਿਜ਼ਮ ਤੋਂ ਬਚਣਾ

ਇੱਕ ਉਪਯੋਗੀ ਨਿਯਮ: ਕਿਸੇ "ਏਆਈ" ਨਿਵੇਸ਼ ਨੂੰ ਉਸ ਸਮੇਂ ਦੇ ਹਾਲਾਤਾਂ ਅਨੁਸਾਰ ਜੱਜ ਕਰੋ—ਅਣਸ਼ਾਂਤੀ ਘਟਾਉਣਾ, ਫੈਸਲੇ ਸੁਧਾਰਨਾ, ਅਤੇ ਅਸਲ ਦੁਨੀਆ ਦੇ ਡਾਟੇ ਤੋਂ ਸਿੱਖਣਾ—ਨਾ ਕਿ ਇਹ ਅਧੁਨਿਕ ਸਰੂਪ ਜਾਂ ਜਨਰੇਟਿਵ ਏਆਈ ਦੀ ਤਰ੍ਹਾਂ ਦਿਖਦਾ ਸੀ। ਇਹ ਫਰੇਮਿੰਗ ਆਉਣ ਵਾਲੇ ਉਦਾਹਰਣਾਂ ਨੂੰ ਸਪੱਸ਼ਟ ਅਤੇ ਨਿਆਏਪੂਰਕ ਬਣਾਉਂਦੀ ਹੈ।

Thiel-ਸਟਾਈਲ ਏਆਈ-ਨਜ਼ਦੀਕੀ ਬੇਟਾਂ ਵਿੱਚ ਦੇਖਣ ਵਾਲੇ ਪੈਟਰਨ

Thiel ਨਾਲ ਮਿਲਦੇ-ਜੁਲਦੇ ਬੇਟ ਪਹਿਲਾਂ-ਪਹਿਲਾਂ "ਏਆਈ ਕੰਪਨੀਆਂ" ਵਰਗੇ ਨਹੀਂ ਲੱਗਦੀਆਂ। ਪੈਟਰਨ ਬਜ਼ਵਰਡਾਂ ਨਾਲ ਨਹੀਂ, ਬਲਕਿ ਅਣਸਮਾਨ ਲਾਭ ਬਣਾਉਣ ਨਾਲ ਜ਼ਿਆਦਾ ਸੰਬੰਧਿਤ ਹੈ ਜੋ ਏਆਈ (ਜਾਂ ਉन्नਤ ਆਟੋਮੇਸ਼ਨ) ਲਾਗੂ ਹੋਣ 'ਤੇ ਅਸਧਾਰਣ ਤੌਰ 'ਤੇ ਸ਼ਕਤੀਸ਼ਾਲੀ ਬਣਦਾ ਹੈ।

1) ਡਾਟਾ ਫਾਇਦਾ ਜੋ ਕੰਪਾਊਂਡ ਹੁੰਦਾ ਹੈ

ਇੱਕ ਮੁੜ-ਉਭਰਣ ਵਾਲਾ ਸਿਗਨਲ ਹੈ ਪ੍ਰਿਵਿਲੇਜਡ ਪਹੁੰਚ ਹਾਈ-ਸਿਗਨਲ ਡਾਟਾ ਦੀ: ਐਸਾ ਡਾਟਾ ਜੋ ਇਕੱਠਾ ਕਰਨਾ ਮੁਸ਼ਕਲ, ਲੇਬਲ ਕਰਨਾ ਮਹਿੰਗਾ ਜਾਂ ਕਾਨੂੰਨੀ ਰੂਪ ਵਿੱਚ ਮੁਸ਼ਕਲ ਹੋਵੇ। ਅਮਲ ਵਿੱਚ, ਇਹ ਏੰਟਰਪ੍ਰਾਈਜ਼ ਦੀ ਓਪਰੇਸ਼ਨਲ ਡਾਟਾ, ਸੁਰੱਖਿਆ ਵਿੱਚ ਵਿਲੱਖਣ ਨੈੱਟਵਰਕ ਟੈਲਿਮੈਟਰੀ, ਜਾਂ ਨਿਯੰਤਰਿਤ ਮਾਹੌਲਾਂ ਵਿੱਚ ਵਿਸ਼ੇਸ਼ ਡੇਟਾਸੇਟ ਹੋ ਸਕਦੇ ਹਨ।

ਮਕਸਦ "ਵੱਡਾ ਡਾਟਾ" ਨਹੀ—ਇਹ ਉਹ ਡਾਟਾ ਹੈ ਜੋ ਫੈਸਲੇ ਸੁਧਾਰਦਾ ਹੈ ਅਤੇ ਸਿਸਟਮ ਚੱਲਣ ਨਾਲ ਮੁੱਲ ਵਿੱਚ ਵਾਧਾ ਹੁੰਦਾ ਹੈ—ਫੀਡਬੈਕ ਲੂਪ ਜੋ ਮੁਕਾਬਲੇਦਾਰ ਆਸਾਨੀ ਨਾਲ ਨਕਲ ਨਹੀਂ ਕਰ ਸਕਦੇ।

2) ਸਿਰਫ਼ ਪੇਕਿੰਗ ਨਹੀਂ, ਪਰ ਪਰੋਪ੍ਰਾਇਟਰੀ ਟੈਕਨੋਲੋਜੀ

ਉਹ ਟੀਮਾਂ ਲੱਭੋ ਜੋ ਕੋਰ ਸਮਰੱਥਾਵਾਂ ਵਿਚ ਨਿਵੇਸ਼ ਕਰ ਰਹੀਆਂ ਹਨ: ਇਨਫਰਾਸਟਰੱਕਚਰ, ਵਰਕਫਲੋ ਇੰਟੀਗਰੇਸ਼ਨ, ਜਾਂ ਰੱਖਿਆਯੋਗ ਤਕਨੀਕੀ IP। ਏਆਈ-ਨਜ਼ਦੀਕੀ ਖੇਤਰਾਂ ਵਿੱਚ, ਇਹ ਨਵੀਂ ਡਾਟਾ ਪਾਈਪਲਾਈਨ, ਸੀਮਤ ਮਾਹੌਲਾਂ ਵਿੱਚ ਮਾਡਲ ਡਿਪਲੋਯਮੈਂਟ, ਵਰਿਫਿਕੇਸ਼ਨ ਲੇਅਰ, ਜਾਂ ਐਸੇ ਇੰਟੀਗ੍ਰੇਸ਼ਨ ਹੋ ਸਕਦੇ ਹਨ ਜੋ ਉਤਪਾਦ ਨੂੰ ਮਿਸ਼ਨ-ਕ੍ਰਿਟੀਕਲ ਓਪਰੇਸ਼ਨਾਂ ਵਿੱਚ ਐਂਬੈੱਡ ਕਰ ਦਿੰਦੇ ਹਨ।

ਜਦੋਂ ਉਤਪਾਦ ਡੂੰਘਾਈ ਨਾਲ ਐਂਬੈੱਡ ਹੋ ਜਾਂਦਾ ਹੈ, ਤਬਚੀਲ-ਲਾਗਤਾਂ ਅਤੇ ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ ਮੋਟ ਬਣ ਜਾਂਦੇ ਹਨ—ਅਕਸਰ ਇੱਕਲ停 ਮਾਡਲ ਫਾਇਦੇ ਨਾਲੋਂ ਜ਼ਿਆਦਾ ਟਿਕਾਊ।

3) ਸਖਤ ਸਮੱਸਿਆਵਾਂ ਜਿੱਥੇ ਨਤੀਜੇ ਮਹਿੰਗੇ ਹੁੰਦੇ ਹਨ

ਇਕ ਹੋਰ ਆਮ ਧਾਗਾ ਉਹ ਖੇਤਰ ਚੁਣਨਾ ਹੈ ਜਿੱਥੇ ਫੇਲ੍ਹ ਮਹਿੰਗਾ ਹੁੰਦਾ ਹੈ: ਸੁਰੱਖਿਆ, ਰੱਖਿਆ, ਕਮਪਲਾਇੰਸ-ਭਾਰਪੂਰ ਏਂਟਰਪ੍ਰਾਈਜ਼ ਸੌਫਟਵੇਅਰ ਅਤੇ ਅਹੰਕਾਰਪੂਰਨ ਢਾਂਚੇ। ਇਹ ਬਾਜ਼ਾਰ ਭਰੋਸੇਯੋਗਤਾ, ਲੰਮੀ ਅਵਧੀ ਦੇ ਠੇਕੇ, ਅਤੇ ਅਜਿਹੇ ਹਾਲਾਤ ਨੂੰ ਇਨਾਮ ਦਿੰਦੇ ਹਨ ਜੋ ਵੱਡੇ, ਵਿਕਲਪਕ ਨਿਵੇਸ਼ਾਂ ਨੂੰ ਸਹਾਰਾ ਦੇ ਸਕਦੇ ਹਨ।

4) "ਉਬਾਉਂ" ਸ਼੍ਰੇਣੀਆਂ ਜਿੱਥੇ ਏਆਈ ਲਿਵਰੇਜ ਲੁਕਿਆ ਹੋਇਆ ਹੈ

ਸਪਰੇਡਸ਼ੀਟ, ਪ੍ਰਾਕਿਊਰਮੈਂਟ, ਆਇਡੈਂਟੀਟੀ, ਆਡੀਟ, ਇਨਸੀਡੈਂਟ ਰੇਸਪਾਂਸ—ਇਹ ਉਬਾਉਂ ਲੱਗਦੇ ਹਨ, ਪਰ ਇਹ ਦੁਹਰਾਏ ਜਾਣ ਵਾਲੇ ਫੈਸਲਿਆਂ ਅਤੇ ਰਚਿਤ ਵਰਕਫਲੋ ਨਾਲ ਭਰੇ ਹੁੰਦੇ ਹਨ। ਇਹ ਉਹੀ ਜਗ੍ਹਾ ਹੈ ਜਿੱਥੇ ਏਆਈ ਖਾਸ ਤੌਰ 'ਤੇ ਕਦਮ-ਬਦਲਕ ਪ੍ਰਭਾਵ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ, ਖਾਸ ਕਰਕੇ ਜਦੋਂ ਇਹ ਪ੍ਰੋਪ੍ਰਾਇਟਰੀ ਡਾਟਾ ਅਤੇ ਘਣੀ ਇੰਟੀਗ੍ਰੇਸ਼ਨ ਨਾਲ ਜੋੜਿਆ ਹੋਵੇ।

ਪ੍ਰੈਕਟਿਕਲ ਪ੍ਰਕਾਸ਼ਕ ਟਿੱਪਣੀ

ਜੇ ਤੁਸੀਂ ਵਿਸ਼ੇਸ਼ ਡੀਲ ਟਰਮ, ਤਾਰੀਖਾਂ, ਜਾਂ ਫੰਡ ਹਿੱਸੇਦਾਰੀ ਦਾ ਹਵਾਲਾ ਦਿੰਦੇ ਹੋ, ਤਾਂ ਪ੍ਰਾਇਮਰੀ ਸਰੋਤਾਂ ਨਾਲ ਸਚੈਤ ਰਹੋ (SEC ਫਾਈਲਿੰਗ, ਅਧਿਕਾਰਿਕ ਪ੍ਰੈਸ ਰਿਲੀਜ਼, ਸਿੱਧੇ ਕੋਟ)। ਕਿਸੇ ਦੀ ਇਰਾਦੇ ਜਾਂ ਭਾਗੀਦਾਰੀ ਬਾਰੇ ਗੁਮਾਨ ਨਹੀਂ ਪੈਦਾ ਕਰੋ ਜੇ ਉਹ ਜਨਤਕ ਦਸਤਾਵੇਜ਼ਾਂ ਵਿੱਚ ਦਰਜ ਨਹੀਂ।

ਵਾਹਨ ਅਤੇ ਸਮਾਂ: ਵੱਡੇ ਦਾਅ ਕਿਸ ਤਰ੍ਹਾਂ ਲਗਾਏ ਜਾਂਦੇ ਹਨ

Founders Fund ਨੂੰ ਇਕ ਕੇਂਦ੍ਰਤ, ਆਸਥਾ-ਚਲਿਤ ਬੇਟਾਂ ਰੱਖਣ ਦੇ ਲਈ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ—ਅਕਸਰ ਐਸੀਆਂ ਸ਼੍ਰੇਣੀਆਂ 'ਤੇ ਦਾਅ ਜਿੱਥੇ ਰੁਝਾਨੀ ਜਾਂ ਅਣਪੱਕੀ ਲੱਗਦੀਆਂ ਹਨ। ਇਹ ਸ਼ੁਰਤ ਸਿਰਫ਼ ਰਵਾਇਤੀ ਨਹੀਂ; ਇਹ ਇਸ ਗੱਲ ਦਾ ਪ੍ਰਤੀਕ ਹੈ ਕਿ ਇੱਕ ਵੈਂਚਰ ਫੰਡ ਕਿਵੇਂ ਇੱਕ ਥੀਸਿਸ ਨੂੰ ਪ੍ਰਗਟ ਕਰਦਾ ਹੈ।

ਇੱਕ VC ਫੰਡ ਪুঁজੀ ਇਕ ਨਿਰਧਾਰਿਤ ਰਣਨੀਤੀ ਨਾਲ ਇੱਕੱਠੀ ਕਰਦਾ ਹੈ, ਫਿਰ ਇਸਨੂੰ ਕਈ ਕੰਪਨੀਆਂ ਵਿੱਚ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਇਹ ਉਮੀਦ ਰੱਖਦਿਆਂ ਕਿ ਕੁਝ ਬਹੁਤ ਛੋਟੇ ਆਊਟਲਾਇਰ ਫੰਡ ਨੂੰ ਵਾਪਸੀ ਦੇਣਗੇ।

ਥੀਸਿਸ ਦੀ ਕਾਰਵਾਈ: ਮੈਮੋ ਤੋਂ ਪੈਸੇ ਤੱਕ

ਇੱਕ ਥੀਸਿਸ-ਚਲਿਤ ਫੰਡ "ਕੌਣ ਇਸ ਸਮੇਂ ਰੇਜ਼ਿੰਗ ਕਰ ਰਿਹਾ ਹੈ?" ਨਾਲ ਸ਼ੁਰੂ ਨਹੀਂ ਹੁੰਦਾ। ਇਹ ਇਸ ਨਜ਼ਰੀਏ ਨਾਲ ਸ਼ੁਰੂ ਹੁੰਦਾ ਹੈ ("5–10 ਸਾਲ ਵਿੱਚ ਕੀ ਸੱਚ ਹੋਵੇਗਾ?"), ਅਤੇ ਫਿਰ ਉਹ ਟੀਮਾਂ ਲੱਭਦਾ ਹੈ ਜੋ ਉਸ ਭਵਿੱਖ ਵੱਲ ਬਣ ਰਹੀਆਂ ਹਨ।

ਅਮਲ ਵਿੱਚ, ਪ੍ਰਕਿਰਿਆ ਅਕਸਰ ਇਸ ਤਰ੍ਹਾਂ ਹੁੰਦੀ ਹੈ:

• ਵੇਜ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨਾ (ਇੱਕ ਖ਼ਾਸ ਸਮੱਸਿਆ ਜਿੱਥੇ ਸੌਫਟਵੇਅਰ ਅਤੇ ਡਾਟਾ ਕੰਪਾਊਂਡ ਹੁੰਦੇ ਹਨ)
• ਉਹ ਟੀਮ ਲੱਭਣਾ ਜਿਸਦੇ ਕੋਲ ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ ਦਾ ਇਕ ਯੋਗ ਰਸਤਾ ਹੋਵੇ (ਜੋ ਅਸਲ ਵਿੱਚ ਸਿਪ ਅਤੇ ਵੇਚ ਸਕੇ)
• ਇੱਕ ਐਸਾ ਚੈਕ ਲਿਖੋ ਜੋ ਥੀਸਿਸ ਸਹੀ ਹੋਣ 'ਤੇ ਮਾਇਨੇ ਰੱਖਦਾ ਹੋਵੇ

ਕਿਉਂਕਿ ਨਤੀਜੇ ਪਾਵਰ-ਲਾਅ ਦਾ ਅਨੁਸਰਣ ਕਰਦੇ ਹਨ, ਪੋਰਟਫੋਲਿਓ ਬਣਾਉਣ ਮਹੱਤਵਪੂਰਨ ਹੁੰਦਾ ਹੈ: ਤੁਸੀਂ ਬੜੀ ਗਿਣਤੀ 'ਚ ਗਲਤ ਹੋ ਸਕਦੇ ਹੋ ਅਤੇ ਫਿਰ ਵੀ ਜਿੱਤ ਸਕਦੇ ਹੋ ਜੇ ਕੁਝ ਨਿਵੇਸ਼ ਸ਼੍ਰੇਣੀ-ਨਿਰਧਾਰਕ ਬਣ ਜਾਣ। ਇਸੇ ਲਈ ਫੰਡ ਅਕਸਰ ਮਾਇਨੇ ਰੱਖਣ ਵਾਲੇ ਫੋਲੋ-ਆਨ ਪੂੰਜੀ ਰੱਖਦੇ ਹਨ—ਡਬਲ ਡਾਊਨ ਕਰਨਾ ਅਕਸਰ ਵਾਪਸੀ ਬਣਾਉਂਦਾ ਹੈ।

ਪੜਾਅ ਅਤੇ ਸਮਾਂ: ਏਆਈ ਵਿੱਚ ਸੀਡ ਤੋਂ ਗ੍ਰੋਥ ਤੱਕ

ਏਆਈ-ਨਜ਼ਦੀਕੀ ਬਾਜ਼ਾਰਾਂ ਵਿੱਚ ਸਮਾਂ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਸੰਵੇਦਨਸ਼ੀਲ ਹੁੰਦਾ ਹੈ ਕਿਉਂਕਿ ਇਨਫਰਾਸਟਰੱਕਚਰ, ਡਾਟਾ ਉਪਲਬਧਤਾ, ਅਤੇ ਅਪਨਾਉਣ ਚੱਕਰ ਸਦਾ ਇਕੱਠੇ ਨਹੀਂ ਚਲਦੇ।

• ਸੀਡ/ਸੀਰੀਜ਼ A: ਤੁਸੀਂ ਆਮ ਤੌਰ 'ਤੇ ਇੱਕ ਤਕਨੀਕੀ ਅੰਦਰੂਨੀ ਅੰਦਾਜ਼ ਅਤੇ ਇਕ ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ ਯੋਜਨਾ ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰ ਰਹੇ ਹੋ। ਉਤਪਾਦ ਪੂਰਾ ਨਹੀਂ ਹੋ ਸਕਦਾ, ਪਰ ਸਿੱਖਣ ਦੀ ਰਫ਼ਤਾਰ ਹੀ ਐਸੈੱਟ ਹੁੰਦੀ ਹੈ।
• ਸੀਰੀਜ਼ B/C: ਸਬੂਤ ਦੁਹਰਾਏ ਜਾਣਯੋਗ ਵਿਕਰੀ ਅਤੇ ਅਸਲ ਉਪਯੋਗ ਵਿੱਚ ਬਦਲਦਾ ਹੈ। ਏਆਈ ਉਤਪਾਦਾਂ ਲਈ, ਇੱਥੇ ਯੂਨਿਟ ਅਰਥਵਿਵਸਥਾ, ਭਰੋਸੇਯੋਗਤਾ ਅਤੇ ਕਮਪਲਾਇੰਸ ਜਿਤੂ ਨਿਸ਼ਚਿਤ ਕਰਨ ਵਾਲੇ ਬਣਦੇ ਹਨ।
• ਗ੍ਰੋਥ: ਸਵਾਲ ਹੁੰਦਾ ਹੈ ਕਿ ਕੀ ਕੰਪਨੀ ਡਿਫਾਲਟ ਪਲੇਟਫਾਰਮ ਬਣ ਰਹੀ ਹੈ—ਜਾਂ ਸਿਰਫ਼ ਇੱਕ ਮਹਿੰਗੀ ਫੀਚਰ?

ਇੱਕ ਵਿਕਲਪਕ ਬੇਟ ਕੈਲੰਡਰ ਸਮੇਂ ਵਿੱਚ "ਸ਼ੁਰੂਆਤੀ" ਹੋ ਸਕਦੀ ਹੈ ਪਰ ਇਨੇਬਲਿੰਗ ਸ਼ਰਤਾਂ (ਕੰਪਿਊਟ, ਡਾਟਾ ਪਾਈਪਲਾਈਨ, ਖਰੀਦਦਾਰ ਤਿਆਰੀ, ਨਿਯਮ) ਦੇ ਸੰਬੰਧ ਵਿੱਚ "ਸਹੀ ਸਮੇਂ" ਹੋ ਸਕਦੀ ਹੈ।

ਇਹ ਸਮਾਂ ਗਲਤ ਹੋਣਾ ਉਹ ਹੈ ਜਿਸ ਕਰਕੇ ਪ੍ਰੋਮੀਸਿੰਗ ਏਆਈ ਕੰਪਨੀਆਂ ਸਦਾ R&D ਪ੍ਰੋਜੈਕਟ ਬਣ ਕੇ ਰਹਿ ਜਾਂਦੀਆਂ ਹਨ।

ਜਨਤਕ ਸੱਚਾਈਕਰਨ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ

ਜਦੋਂ ਤੁਸੀਂ ਕਿਸੇ ਖਾਸ Founders Fund ਜਾਂ Peter Thiel-ਨਾਲ ਜੁੜੇ ਹੋਲਡਿੰਗਸ ਦੀ ਚਰਚਾ ਕਰੋ, ਤਾਂ ਦਾਅਵਿਆਂ ਨੂੰ ਜਨਤਕ ਤੌਰ 'ਤੇ ਸੱਚੇ ਸਰੋਤ (ਪ੍ਰੈਸ ਰਿਲੀਜ਼, ਨਿਯਮਕ ਫਾਈਲਿੰਗ, ਪ੍ਰਤੀਸ਼ਠਿਤ ਰਿਪੋਰਟਿੰਗ) ਨਾਲ ਪਿੱਠ ਦਿਓ—ਅਫਵਾਹ ਜਾਂ ਦੂਸਰੇ-ਹਾਥ ਸਾਰਾਂਸ਼ ਨਹੀਂ। ਇਹ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਇਮਾਨਦਾਰ ਰੱਖਦਾ ਹੈ ਅਤੇ ਸਬਕਾਂ ਨੂੰ ਕਿਸੇ ਇੱਕ ਫੰਡ ਦੀ ਮਿਥੋਲੋਜੀ ਤੋਂ ਬਾਹਰ ਵੀ ਲਾਗੂ ਕਰਨਯੋਗ ਬਣਾਉਂਦਾ ਹੈ।

ਕੇਸ ਅਧਿਐਨ (ਸਾਰਵਜਨਿਕ ਤੌਰ 'ਤੇ ਜਾਂਚਯੋਗ ਉਦਾਹਰਣ)

ਇਹ ਵਪਾਰਿਕ ਕੇਸ-ਅਧਿਐਨ ਉਹਨਾਂ ਚੀਜ਼ਾਂ ਤਕ ਸੀਮਤ ਹਨ ਜੋ ਤੁਸੀਂ ਜਨਤਕ ਦਸਤਾਵੇਜ਼ਾਂ ('ਤੇ) ਜाँच ਸਕਦੇ ਹੋ (ਕੰਪਨੀ ਫਾਈਲਿੰਗ, ਅਧਿਕਾਰਿਕ ਐਲਾਨ, ਆਫ-ਦ-ਰੇਕਾਰਡ ਇੰਟਰਵਿਊ)। ਮਕਸਦ ਪੈਟਰਨ ਸਿੱਖਣਾ ਹੈ—ਨਿੱਜੀ ਇਰਾਦਿਆਂ ਦਾ ਅਨੁਮਾਨ ਨਹੀਂ ਲਗਾਉਣਾ।

ਕੇਸ 1: Palantir (ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਇੱਕ "ਏਆਈ-ਨਜ਼ਦੀਕੀ" ਵੈਜ)

ਜੋ ਜਿੱਤ/ਪੁਸ਼ਟੀ ਕਰਨਯੋਗ (ਜਨਤਕ): ਸ਼ੁਰੂਆਤੀ ਫੰਡਿੰਗ ਰਾਊਂਡਾਂ ਦੀ ਤਾਰੀਖ (ਜਿੱਥੇ ਦਰਜ), Thiel ਦੀ ਭੂਮਿਕਾ ਇੱਕ ਕੋ-ਫਾਉਂਡਰ/ਸ਼ੁਰੂਆਤੀ ਬੈਕਰ ਵਜੋਂ, ਅਤੇ Palantir ਨੇ ਆਪਣੇ ਕਾਰੋਬਾਰ ਨੂੰ ਜਨਤਕ ਦਸਤਾਵੇਜ਼ਾਂ (ਜਿਵੇਂ S-1 ਅਤੇ ਨਿਵੇਸ਼ਕ ਸੰਚਾਰ) ਵਿੱਚ ਕਿਵੇਂ ਵਰਣਨ ਕੀਤਾ।

• ਟਾਰਗਟ ਕੀਤੀ ਸਮੱਸਿਆ: ਸੰਸਥਾਵਾਂ ਕੋਲ ਵਧ ਰਹੀ ਡਾਟਾ ਮਾਤਰਾ ਸੀ ਪਰ ਉਹਨਾਂ ਨੂੰ ਇੱਕਠਾ, ਗਵਰਨ ਅਤੇ ਫੈਸਲੇ ਲਈ ਓਪਰੇਸ਼ਨਲ ਕਰਨਾ ਮੁਸ਼ਕਲ ਲੱਗ ਰਿਹਾ ਸੀ।
• ਵੇਜ: ਮਿਸ਼ਨ-ਕ੍ਰਿਟੀਕਲ ਸੌਫਟਵੇਅਰ ਵਰਕਫਲੋ ਡਿਲਿਵਰ ਕਰਨਾ (ਅਕਸਰ ਸਰਕਾਰ/ਨਿਯੰਤਰਿਤ ਏਂਟਰਪ੍ਰਾਈਜ਼) ਜਿੱਥੇ ਸਵਿੱਚਿੰਗ ਲਾਗਤਾਂ ਵਾਸਤਵਿਕ ਹੋ ਜਾਂਦੀਆਂ ਹਨ।
• ਡਾਟਾ ਮੋਟ (ਵਿਆਖਿਆ): "ਸਾਰਾ ਡਾਟਾ ਮਾਲਕ ਹੋਣਾ" ਨਹੀਂ—ਪਰ ਉਹ ਸਿਸਟਮ ਬਣਨਾ ਜੋ ਵੱਖ-ਵੱਖ ਡੈਟਾਸੇਟਸ ਨੂੰ ਸਖ਼ਤ ਪਰਮਿਸ਼ਨ ਹਵਾਲੇ ਨਾਲ ਸਧਾਰਨ ਅਤੇ ਕਨੈਕਟ ਕਰਦਾ ਹੈ—ਇਸ ਤਰ੍ਹਾਂ ਉਤਪਾਦ ਸਮੇਂ ਦੇ ਨਾਲ ਕੀਮਤੀ ਬਣਦਾ ਹੈ।
• ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ: ਲੰਬੇ, ਰਿਸ਼ਤੇ-ਆਧਾਰਿਤ ਸੇਲਜ਼ ਸਾਈਕਲ; ਉਚਿਤ ਤਰ੍ਹਾਂ ਦੇ ਡਿਪਲੋਇਮੈਂਟਾਂ ਤੋਂ ਭਰੋਸਾ; ਸ਼ੁਰੂਆਤੀ ਟੀਮਾਂ ਤੋਂ ਵਿਆਪਕ ਸੰਗਠਨਾਂ ਤੱਕ ਵਿਆਪਕ ਹੋਣਾ।
• ਨੋਟ ਕਰਨ ਯੋਗ ਜੋਖਮ: ਸੰਵੇਦਨਸ਼ੀਲ ਗਾਹਕਾਂ ਵਿੱਚ ਕੇਂਦ੍ਰਤਾ, ਪ੍ਰੋcurਮੈਂਟ ਸਾਈਕਲ, ਰਾਜਨੀਤਿਕ/ਨਿਯਮਕ ਨਿਗਰਾਨੀ, ਅਤੇ "ਸੇਵਾਵਾਂ-ਭਾਰਪੂਰ" ਰੋਲਆਊਟ ਜੋ ਸਕੇਲਿੰਗ ਸੀਮਿਤ ਕਰ ਸਕਦੇ ਹਨ।

ਕੇਸ 2: Anduril (ਰੱਖਿਆ ਆਟੋਨੋਮੀ ਅਤੇ ਸੌਫਟਵੇਅਰ-ਪਰਿਭਾਸ਼ਿਤ ਹਾਰਡਵੇਅਰ)

ਜੋ ਜਿੱਤ/ਪੁਸ਼ਟੀ ਕਰਨਯੋਗ (ਜਨਤਕ): Founders Fund ਦੀ ਭਾਗੀਦਾਰੀ (ਜਿੱਥੇ ਜਨਤਕ ਐਲਾਨ ਹੋਇਆ), ਰਾਊਂਡ ਦੀ ਤਾਰੀਖ, ਅਤੇ Anduril ਦੇ ਉਤਪਾਦ ਲਕੜੀ ਬਾਰੇ ਪ੍ਰੈਸ ਰਿਲੀਜ਼ ਅਤੇ ਠੇਕਿਆਂ ਦੀ ਜਾਣਕਾਰੀ।

• ਟਾਰਗਟ ਕੀਤੀ ਸਮੱਸਿਆ: ਪੁਰਾਣੇ ਰੱਖਿਆ ਖਰੀਦ ਅਤੇ ਪਲੇਟਫਾਰਮ ਉਬਕ ਹੀ ਹਨ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਨਵੀਆਂ ਸੁਰੱਖਿਆ ਜ਼ਰੂਰਤਾਂ ਨਾਲ ਮੇਲ ਖਾਣਾ ਦੇਣ ਲਈ ਬਹੁਤ ਸਾਰਾ ਸਮਾਂ ਲੱਗਦਾ।
• ਵੇਜ: ਏਸੇ-ਤਿਆਰ ਕੀਤੇ ਉਤਪਾਦ (ਜਿਵੇਂ ਨਿਗਰਾਨੀ/ਏਜ ਪਰਣਾਲੀਆਂ) ਜੋ ਫੈਲਡ ਵਿੱਚ ਤੇਜ਼ੀ ਨਾਲ ਤਿਆਰ ਅਤੇ ਸੋਫਟਵੇਅਰ ਰਾਹੀਂ ਇਟਰੇਟ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ।
• ਡਾਟਾ ਮੋਟ: ਅਸਲ ਡਿਪਲੋਇਮੈਂਟਾਂ ਤੋਂ ਮਿਲਣ ਵਾਲਾ ਓਪਰੇਸ਼ਨਲ ਡਾਟਾ ਜੋ ਮਾਡਲ ਸੁਧਾਰ, ਭਰੋਸੇਯੋਗਤਾ ਅਤੇ ਐਡਜ-ਕੇਸ ਕਵਰੇਜ ਵਧਾਉਂਦਾ ਹੈ।
• ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ: ਸਰਕਾਰੀ ਠੇਕੇ ਅਤੇ ਪਾਇਲਟਾਂ ਵਿੱਚ ਕਾਰਗੁਜ਼ਾਰੀ ਰਾਹੀਂ ਵਿਆਪਕ ਹੋਣਾ; ਜਦੋਂ ਸਿਸਟਮ ਤਣਾਓ ਹੇਠ ਕੰਮ ਕਰਦੇ ਹਨ ਤਾਂ ਭਰੋਸਾ ਵਧਦਾ ਹੈ।
• ਨੋਟ ਕਰਨ ਯੋਗ ਜੋਖਮ: ਨੈਤਿਕ ਵਿਰੋਧ, ਐਕਸਪੋਰਟ ਕੰਟਰੋਲ, ਖਰੀਦ-ਨਿਰਭਰਤਾ, ਅਤੇ ਜਨਤਕ ਵਿਰੋਧ ਦਾ ਖਤਰਾ।

ਇਹ ਉਦਾਹਰਣ ਜ਼ਿੰਮੇਵਾਰੀ ਨਾਲ ਕਿਵੇਂ ਵਰਤੋਂ

ਜਦੋਂ ਤੁਸੀਂ "Thiel-ਸਟਾਈਲ" ਬੇਟਾਂ ਬਾਰੇ ਲੇਖ ਲਿਖਦੇ ਜਾਂ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੇ ਹੋ, ਤਾਂ ਹਰ ਤੱਥੀ ਦਾਅਵੇ ਲਈ ਹਵਾਲੇ ਦਿਓ (ਤਾਰੀਖਾਂ, ਭੂਮਿਕਾ, ਰਾਊਂਡ ਆਦਿ)। ਜਿੱਥੇ ਇਹ ਜਨਤਕ ਤੌਰ 'ਤੇ ਦਸਤਾਵੇਜ਼ਿਤ ਨਹੀਂ, ਉਥੇ ਭਾਗੀਦਾਰੀ ਜਾਂ ਇਰਾਦੇ ਬਾਰੇ ਅਨੁਮਾਨ ਨਾ ਲਗਾਓ।

ਵਿਕਲਪਕ ਏਆਈ ਬੇਟਾਂ ਦੇ ਪਿੱਛੇ ਜੋਖਮ ਪ੍ਰਬੰਧਨ

ਵਿਕਲਪਕ ਏਆਈ-ਨਜ਼ਦੀਕੀ ਬੇਟ ਆਮ ਤੌਰ 'ਤੇ ਇਸ ਲਈ ਫੇਲ੍ਹ ਹੁੰਦੀਆਂ ਹਨ ਕਿ ਸਮਾਂ ਲੰਮਾ ਹੈ, ਸਬੂਤ ਘੱਟ-ਸਪਸ਼ਟ ਹਨ, ਅਤੇ ਵਾਤਾਵਰਣ ਬਦਲਦਾ ਹੈ। ਇਸ ਹਕੀਕਤ ਨੂੰ ਸੰਭਾਲਣਾ ਮਤਲਬ ਹੈ ਸ਼ੁਰੂ ਵਿੱਚ ਅਨਿਸ਼ਚਿਤਤਾ ਕਬੂਲ ਕਰਨੀ, ਪਰ ਗਾਰਡਰੇਲ ਬਣਾਉਣੇ ਜੋ ਇੱਕ ਇੱਕ ਆਸਥਾ ਨੂੰ ਅਣਮੁਲ ਬਣਨ ਤੋਂ ਰੋਕਦੇ ਹਨ।

ਧੀਰਜ ਬਿਨਾਂ ਨਿਸ਼ਕ੍ਰਿਯਤਾ

ਥੀসਿਸ-ਪਹਿਲਾ ਬੇਟ ਕਈ ਸਾਲਾਂ ਤੱਕ "ਸ਼ੁਰੂਆਤੀ" ਦਿਖ ਸਕਦਾ ਹੈ। ਇਸ ਲਈ ਧੀਰਜ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ (ਡਾਟਾ, ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ, ਜਾਂ ਨਿਯਮ ਦੇ ਆਉਣ ਦਾ ਇੰਤਜ਼ਾਰ) ਅਤੇ ਗੰਦਲੇ ਸਿਗਨਲਾਂ ਲਈ ਸਹਿਣਸ਼ੀਲਤਾ—ਅਧੂਰੇ ਪ੍ਰੋਡਕਟ-ਮਾਰਕੀਟ ਫਿੱਟ, ਬਦਲਦੇ ਮਾਡਲ ਸਮਰੱਥਾ, ਅਤੇ ਅਸਪਸ਼ਟ ਯੂਨਿਟ ਇਕਨਾਮਿਕਸ।

ਟ੍ਰਿਕ ਇਹ ਹੈ ਕਿ ਧੀਰਜ ਰੱਖਦੇ ਹੋਏ ਨਿਸ਼ਕ੍ਰਿਯ ਨਾ ਹੋਵੋ: ਥੀਸਿਸ ਨੂੰ ਜਾਂਚਣ ਵਾਲੇ ਮਿਲਸਟੋਨ ਸੈੱਟ ਕਰੋ, ਨਾ ਕਿ ਵੈਨਿਟੀ ਮੈਟਰਿਕਸ।

ਵੈਂਚਰ-ਸਟਾਈਲ ਬੇਟਾਂ ਲਈ ਪ੍ਰੈਕਟਿਕਲ ਜੋਖਮ ਨਿਯੰਤਰਣ

ਪੋਜ਼ੀਸ਼ਨ ਸਾਈਜ਼ਿੰਗ: ਪ੍ਰਥਮ ਚੈਕ ਅਜਿਹਾ ਰੱਖੋ ਕਿ ਜੇ ਤੁਸੀਂ ਗਲਤ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਬਰਾਮਦ ਹੋ ਸਕੋ। ਜੇ ਬੇਟ ਕਈ ਅਣਜਾਣਾਂ 'ਤੇ ਨਿਰਭਰ ਹੈ (ਮਾਡਲ ਗੁਣਵੱਤਾ ਅਤੇ ਨਿਯਮਕ ਮਨਜ਼ੂਰੀ ਅਤੇ ਏਂਟਰਪ੍ਰਾਈਜ਼ ਅਪਨਾਉਣ), ਤਾਂ ਤੁਹਾਡੀ ਸ਼ੁਰੂਆਤੀ ਇਕਸਪੋਜ਼ਰ ਨੇ ਉਸ ਅਣਨਿਸ਼ਚਿਤਤਾ ਦੇ ਅਨੁਸਾਰ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ।

ਫੋਲੋ-ਆਨ ਰਣਨੀਤੀ: ਖ਼ਾਸ ਸਥਿਤੀ ਲਈ ਰਿਜ਼ਰਵ ਪੂੰਜੀ ਰੱਖੋ ਜਦੋਂ ਥੀਸਿਸ ਡੀ-ਰਿਸਕ ਹੋ ਜਾਵੇ (ਜਿਵੇਂ ਦੁਹਰਾਏ ਗਏ ਡਿਪਲੋਇਮੈਂਟ, ਨਵੀਨੀਕਰਨ, ਮਾਪਯੋਗ ROI)। ਫੋਲੋ-ਆਨ ਨੂੰ "ਮਿਲਿਆ" ਹੋਇਆ ਸੋਚੋ, ਨਾ ਕਿ ਆਟੋਮੈਟਿਕ।

ਗਵਰਨੈਂਸ ਰਾਹੀਂ ਸਟਾਪ-ਲੌਸ: ਸਟਾਰਟਅਪਾਂ ਕੋਲ ਸਟਾਪ-ਲੌਸ ਆਰਡਰ ਨਹੀਂ ਹੁੰਦੇ, ਪਰ ਉਨ੍ਹਾਂ ਕੋਲ ਗਵਰਨੈਂਸ ਲੀਵਰ ਹੋ ਸਕਦੇ ਹਨ—ਬੋਰਡ ਸੀਟ, ਆਡੀਟ ਅਧਿਕਾਰ, ਜਾਣਕਾਰੀ ਅਧਿਕਾਰ, ਕੁਝ ਕੁ ਜ਼ਰੂਰੀ ਭਰਤੀ ਲਈ ਮਨਜ਼ੂਰੀ—ਤੇ ਜਦੋਂ ਥੀਸਿਸ ਟੁੱਟੇ ਤਾਂ ਪਿਵਟ ਜਾਂ ਵਿਕਰੀ ਲਈ ਦਬਾਅ ਪਾ ਸਕਦੇ ਹੋ। ਸ਼ੁਰੂ ਵਿੱਚ "ਥੀਸਿਸ ਬ੍ਰੇਕ" ਦੀਆਂ ਸ਼ਰਤਾਂ ਨਿਰਧਾਰਤ ਕਰੋ।

ਗੈਰ-ਮਾਲੀ ਜੋਖਮ: ਉਹ ਹਿੱਸਾ ਜੋ ਲੋਕਾਂ ਨੂੰ ਹੈਰਾਨ ਕਰਦਾ ਹੈ

ਏਆਈ-ਨਜ਼ਦੀਕੀ ਉਤਪਾਦ P&L ਤੋਂ ਬਾਹਰ ਨੁਕਸਾਨ ਜਮ੍ਹਾਂ ਕਰ ਸਕਦੇ ਹਨ:

• ਨਿਯਮ: ਲਾਇਸੈਂਸਿੰਗ, ਐਕਸਪੋਰਟ ਕੰਟਰੋਲ, ਡਾਟਾ ਲੋਕਲਾਈਜ਼ੇਸ਼ਨ, ਖੇਤਰੀ ਨਿਯਮ (ਹੈਲਥ, ਫਾਇਨੈਂਸ, ਡਿਫੈਂਸ)
• ਪ੍ਰਾਈਵੇਸੀ: ਸਹਿਮਤੀ, ਰੇਟੇਨਸ਼ਨ, ਟ੍ਰੇਨਿੰਗ-ਡਾਟਾ ਪ੍ਰੋਵੇਨੰਸ, ਬ੍ਰੀਚ ਪ੍ਰਭਾਵ
• ਡਿਫੈਂਸ ਅਤੇ ਡੂਅਲ-ਯੂਜ਼: ਉਤਪਾਦ ਦਾ ਦੁਸਰੇ ਮਕਸਦ ਲਈ ਦੁਬਾਰਾ ਉਪਯੋਗ; ਗਾਹਕ ਸਕ੍ਰੀਨਿੰਗ ਅਤੇ ਠੇਕੇ ਸ਼ਰਤਾਂ ਮਾਇਨੇ ਰੱਖਦੀਆਂ ਹਨ
• ਖੁਦ-ਪਛਾਣ: ਜਨਤਕ ਧਾਰਣਾ, ਕਰਮਚਾਰੀ ਵਿਰੋਧ, ਵਿਵਾਦ ਕਾਰਨ ਗਾਹਕ ਛੱਡ ਸਕਦੇ ਹਨ

ਏਆਈ-ਨਜ਼ਦੀਕੀ ਉਤਪਾਦਾਂ ਲਈ ਡਾਊਨਸਾਈਡ ਚੈਕਲਿਸਟ

• ਜੇ ਮਾਡਲ ਗਲਤ ਹੋ ਜਾਵੇ ਤਾਂ ਕੀ ਹੁੰਦਾ—ਕੌਣ ਨੁਕਸਾਨ ਭੁੱਗੇਗਾ ਅਤੇ ਕੌਣ ਜ਼ਿੰਮੇਵਾਰ ਹੈ?\n- ਕੀ ਉਤਪਾਦ ਨੂੰ ਸੁਰੱਖਿਅਤ ਤਰੀਕੇ ਨਾਲ ਸੀਮਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ (ਮਨੁੱਖੀ ਸਮੀਖਿਆ, ਰੇਟ ਲਿਮਿਟ, ਆਡੀਟ ਲਾਗ)?\n- ਕੀ ਡਾਟਾ ਇਕੱਠਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਕੀ ਤੁਸੀਂ ਸਾਬਤ ਕਰ ਸਕਦੇ ਹੋ ਕਿ ਤੁਸੀਂ ਇਸਨੂੰ ਵਰਤਣ ਦੀ ਆਗਿਆ ਰੱਖਦੇ ਹੋ?\n- ਕਿਹੜਾ ਨਿਯੰਤ੍ਰਕ ਸਭ ਤੋਂ ਤੇਜ਼ੀ ਨਾਲ ਤੁਹਾਨੂੰ ਰੋਕ ਸਕਦਾ ਹੈ, ਅਤੇ ਉਹ ਕਿਸ ਚੀਜ਼ ਦੀ ਅਪੱਤੀ ਕਰੇਗਾ?\n- ਕੀ ਕੋਈ ਯਥਾਰਥਿਕ "ਆਫ-ਰੈਂਪ" ਹੈ (ਪਿਵਟ, ਸੰਕੁਚਿਤ ਉਪਯੋਗ, ਆਰਡਰਲੀ ਵਿੰਡ-ਡਾਊਨ)?

ਆਲੋਚਨਾ, ਨੈਤਿਕਤਾ, ਅਤੇ ਜਨਤਕ ਨਿਗਰਾਨੀ

ਵਿਕਲਪਕ ਬੇਟ ਆਮ ਤੌਰ 'ਤੇ ਨਿਗਰਾਨੀ ਨੂੰ ਆਕਰਸ਼ਿਤ ਕਰਦੇ ਹਨ ਕਿਉਂਕਿ ਉਹ ਤਾਕਤਵਰ, ਸੰਵੇਦਨਸ਼ੀਲ ਬਾਜ਼ਾਰਾਂ—ਡਿਫੈਂਸ, ਇੰਟੈਲੀਜੈਂਸ, ਪੁਲਿਸਿੰਗ, ਬੌਰਡਰ ਕੰਟਰੋਲ ਅਤੇ ਵੱਡੇ ਪੱਧਰ ਦੇ ਡਾਟਾ ਪਲੇਟਫਾਰਮ—ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਂਦੇ ਹਨ।

Peter Thiel ਜਾਂ Founders Fund ਨਾਲ ਜੁੜੀਆਂ ਕੁਝ ਕੰਪਨੀਆਂ ਮੁੱਖ ਭਾਸ਼ਣਾਂ ਵਿੱਚ ਨਿਗਰਾਨੀ ਦੇ ਵਿਸ਼ੇ ਰਹੀਆਂ ਹਨ, ਜਿਸ ਵਿੱਚ ਪ੍ਰਾਈਵੇਸੀ ਅਤੇ ਨਿਗਰਾਨੀ ਦੀਆਂ ਚਿੰਤਾਵਾਂ, ਰਾਜਨੀਤਿਕ ਵਿਵਾਦ ਅਤੇ ਉੱਚ-ਸਟੇਕ ਫੈਸਲਿਆਂ ਉੱਤੇ ਸਾਫ਼ਦਾਰੀ ਬਾਰੇ ਸਵਾਲ ਸ਼ਾਮਲ ਹਨ।

ਆਮ ਆਲੋਚਨਾ (ਕਿਸੇ ਦੇ ਇਰਾਦੇ ਬਾਰੇ ਅਨੁਮਾਨ ਨਹੀਂ)

ਜਨਤਕ ਤੌਰ 'ਤੇ ਪੁਸ਼ਟੀਯੋਗ ਥੀਮਾਂ ਆਮ ਤੌਰ 'ਤੇ ਉੱਠਦੀਆਂ ਹਨ:

• ਪ੍ਰਾਈਵੇਸੀ ਅਤੇ ਨਿਗਰਾਨੀ: Palantir ਦੀ ਸਰਕਾਰ ਨਾਲ ਕੀਤੀ ਕੰਮ ਨੂੰ ਅਕਸਰ ਰਿਪੋਰਟ ਕੀਤਾ ਅਤੇ ਚਰਚਾ ਕੀਤਾ ਗਿਆ ਹੈ, ਜਿਸ ਵਿੱਚ ਆਲੋਚਕ ਦਾਵਾ ਕਰਦੇ ਹਨ ਕਿ ਉੱਚ-ਪੱਧਰ ਦੀਆਂ ਵਿਸ਼ਲੇਸ਼ਣਾਂ ਨਿਗਰਾਨੀ ਨੂੰ ਵਧਾ ਸਕਦੀਆਂ ਹਨ ਜੇ ਉਨ੍ਹਾਂ ਦਾ ਕੜੀ ਨਿਗਰਾਨੀ ਬਿਨਾਂ ਵਰਤੋਂ ਹੋਵੇ।
• ਤਾਕਤ ਅਤੇ ਰਾਜਨੀਤੀ: Thiel ਦੀ ਰਾਜਨੀਤਿਕ ਸਰਗਰਮੀ ਅਤੇ ਜਨਤਕ ਬਿਆਨ ਨਿਊਜ਼ ਕਵਰੇਜ ਅਤੇ ਆਲੋਚਨਾ ਪਾਈ ਹੈ, ਅਤੇ ਇਹ ਸੰਬੰਧਤ ਕੰਪਨੀਆਂ, ਸਾਥੀ ਅਤੇ ਗਾਹਕਾਂ ਲਈ ਖ਼ਿਆਲਾਤੀ ਖਤਰਾ ਬਣ ਸਕਦਾ ਹੈ।
• ਡਿਫੈਂਸ ਟੈਕ ਨਿਗਰਾਨੀ: ਫਰਮਾਂ ਜੋ ਸੈਨਾ ਜਾਂ ਕਾਨੂੰਨੀ ਲਾਗੂ ਕਰਨ ਵਾਲੀਆਂ ਏਨੂੰ ਟੀਕਾ ਲੱਗਦਾ ਹੈ (ਜੋ Founders Fund ਵੱਲੋਂ ਬੈਕ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ) ਉਨ੍ਹਾਂ ਨੂੰ ਵੱਧ ਨਿਗਰਾਨੀ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ—ਇਸ ਵਿੱਚ ਵਾਧ, ਨਾਗਰਿਕ ਹਾਨੀ, ਅਤੇ ਪ੍ਰੋਕ੍ਯੂਰਮੈਂਟ ਪਾਰਦਰਸ਼ਤਾ ਦੇ ਪ੍ਰਸ਼ਨ ਹੁੰਦੇ ਹਨ।

ਏਆਈ ਨਿਵੇਸ਼ਾਂ ਵਿੱਚ ਨੈਤਿਕ ਸਵਾਲ ਕਿਵੇਂ ਉੱਠਦੇ ਹਨ

ਏਆਈ ਸਧਾਰਨ ਸੌਫਟਵੇਅਰ ਦੇ ਬਰਕਸ ਕੁਝ ਖ਼ਾਸ ਜੋਖਮ ਜੋੜਦਾ ਹੈ:

• ਡਾਟਾ ਪ੍ਰੋਵੇਨੰਸ ਅਤੇ ਸਹਿਮਤੀ (ਕੀ ਡਾਟਾ ਸਹੀ ਢੰਗ ਨਾਲ ਇਕੱਠਾ ਅਤੇ ਲਾਇਸੈਂਸ ਕੀਤਾ ਗਿਆ?)\n- ਭੇਦਭਾਵ ਅਤੇ ਵਿਸ਼ੇਸ਼ ਪ੍ਰਭਾਵ (ਕੀ ਗਲਤੀਆਂ ਕੁਝ ਸਮੂਹਾਂ 'ਤੇ ਅਣਸਮਾਨ ਪ੍ਰਭਾਵ ਪਾਉਂਦੀਆਂ ਹਨ?)\n- ਡਿਪਲੋਇਮੈਂਟ ਸੰਦਰਭ (ਮਾਡਲ ਸਿਫਾਰਸ਼ੀ, ਫੈਸਲਾ ਕਰਨ ਵਾਲਾ, ਜਾਂ ਆਟੋਮੇਟ ਕਰਨ ਵਾਲਾ ਹੈ—ਅਤੇ ਕੌਣ ਇਸਨੂੰ ਓਵਰਰਾਈਡ ਕਰ ਸਕਦਾ ਹੈ?)\n- ਆਡੀਟਯੋਗਤਾ (ਕੀ ਆਉਟਪੁੱਟ ਦੀ ਵਿਆਖਿਆ, ਟੈਸਟ ਅਤੇ ਚੈਲੇਂਜ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ?)

ਨਿਵੇਸ਼ ਜਾਂ ਬਣਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਪੁੱਛਣ ਵਾਲੇ ਸਵਾਲ

• ਸਿਸਟਮ ਨੂੰ ਪਾਵਰ ਕਰਨ ਵਾਲੇ ਡਾਟਾ ਸੋਰਸ ਕੀ ਹਨ, ਅਤੇ ਕਿਹੜੇ ਸਬੂਤ ਹਨ ਕਿ ਇਸਦਾ ਕਾਨੂੰਨੀ, ਨੈਤਿਕ ਉਪਯੋਗ ਹੈ?\n- ਆਖਰੀ ਉਪਭੋਗਤਾ ਕੌਣ ਹੈ, ਅਤੇ ਗਲਤ ਵਰਤੋਂ ਨੂੰ ਰੋਕਣ ਲਈ ਕੀ ਸੁਰੱਖਿਆ ਹਨ (ਐਕਸੈੱਸ ਕੰਟਰੋਲ, ਲੋਗਿੰਗ, ਮਨੁੱਖੀ ਸਮੀਖਿਆ)?\n- ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਕਿਹੜੇ ਨੁਕਸਾਨ ਸੰਭਵ ਹਨ, ਅਤੇ ਕੰਪਨੀ ਉਹਨਾਂ ਨੂੰ ਕਿਵੇਂ ਮਾਪੇਗੀ ਤੇ ਰਿਪੋਰਟ ਕਰੇਗੀ?\n- ਕੀ ਆਜ਼ਾਦ ਆਡੀਟ, ਰੈੱਡ-ਟੀਮਿੰਗ ਜਾਂ ਬਾਹਰੀ ਰੀਸਰਚ ਲਈ ਰਸਤਾ ਹੈ?\n- ਜੇ ਇਹ ਸਵੇਰੇ ਦੀ ਸਿਰੋਨੀ 'ਤੇ ਆ ਜਾਂਦਾ, ਤਾਂ ਸਭ ਤੋਂ ਮੁਸ਼ਕਲ ਕਿਹੜੀ ਚੀਜ਼ ਰੱਖਣੀ ਹੋਵੇਗੀ?

ਬਿਲਡਰਾਂ ਲਈੲ ਸਬਕ: ਏਆਈ ਕੰਪਨੀਆਂ ਬਣਾਉਣ ਲਈ

ਇੱਕ Thiel-ਸਟਾਈਲ ਵਿਕਲਪਕ ਕੰਪਨੀ ਏਆਈ ਬਾਰੇ ਹੋਰ ਸਮਝਦਾਰ ਲੱਗਣ ਨਾਲ ਨਹੀਂ ਜਿੱਤਦੀ। ਇਹ ਅਜਿਹੀ ਖਾਸ ਸਮੱਸਿਆ 'ਤੇ ਸਹੀ ਹੋ ਕੇ ਜਿੱਤਦੀ ਹੈ ਜਿਸਨੂੰ ਹੋਰ ਲੋਕ ਘੱਟ ਅਹਮ ਸਮਝਦੇ ਹਨ, ਫਿਰ ਉਸ ਅੰਦਰੂਨੀ ਜ਼ਾਨ ਨੂੰ ਏਸ ਤਰੀਕੇ ਨਾਲ ਉਤਪਾਦ ਵਿੱਚ ਬਦਲਦੀ ਹੈ ਕਿ ਉਹ ਭੇਜੇ, ਫੈਲੇ ਅਤੇ ਕੰਪਾਊਂਡ ਹੋਵੇ।

ਇੱਕ ਵਿਕਲਪਕ ਥੀਸਿਸ ਨੂੰ ਉਤਪਾਦ ਰਣਨੀਤੀ ਵਿੱਚ ਬਦਲੋ

ਇੱਕ ਵੇਜ ਤੋਂ ਸ਼ੁਰੂ ਕਰੋ: ਇਕ ਤੰਗ, ਦਰਦਦਾਇਕ ਵਰਕਫਲੋ ਜਿੱਥੇ ਏਆਈ ਇੱਕ ਸਪਸ਼ਟ ਕਦਮ-ਬਦਲ (ਸਮਾਂ ਬਚਤ, ਗਲਤੀਆਂ ਘਟਾਉਣਾ, ਆਮਦਨੀ ਕੈਪਚਰ) ਕਰਦਾ ਹੈ। ਵੇਜ ਇੰਨੀ ਛੋਟੀ ਹੋ ਕਿ ਤੇਜ਼ੀ ਨਾਲ اپਨਾਇਆ ਜਾ ਸਕੇ, ਪਰ ਇੱਕ ਵੱਡੇ ਸਿਸਟਮ ਨਾਲ ਜੁੜੀ ਹੋਏ ਹੋ ਜਿੱਥੇ ਤੁਸੀਂ ਫੈਲ ਸਕਦੇ ਹੋ।

ਫਰਕ ਦਿਖਾਓ ਇਸ 'ਤੇ ਕਿ ਮਾਡਲ ਵਰਕਫਲੋ ਵਿੱਚ ਕਿੱਥੇ ਬੈਠਦਾ ਹੈ, ਨਾ ਕਿ ਸਿਰਫ ਮਾਡਲ ਚੋਣ 'ਤੇ। ਜੇ ਹਰ ਕੋਈ ਇੱਕੋ ਜਿਹਾ ਫਾਊਂਡੇਸ਼ਨ ਮਾਡਲ ਖਰੀਦ ਸਕਦਾ ਹੈ, ਤਾਂ ਤੁਹਾਡਾ ਫਾਇਦਾ ਆਮ ਤੌਰ 'ਤੇ: ਪ੍ਰੋਪ੍ਰਾਇਟਰੀ ਪ੍ਰੋਸੈਸ ਗਿਆਨ, ਘਣੇ ਫੀਡਬੈਕ ਲੂਪ, ਅਤੇ ਅਸਲ ਕੰਮ ਕਰਨ ਦੇ ਤਰੀਕੇ ਨਾਲ ਵਧੀਆ ਇੰਟੀਗ੍ਰੇਸ਼ਨ ਹੁੰਦਾ ਹੈ।

ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ ਦਾ ਹਿੱਸਾ ਥੀਸਿਸ ਹੈ। ਜੇ ਤੁਹਾਡਾ ਅੰਦਰੂਨੀ ਅਸਿੱਧ ਹੈ, ਤਾਂ ਸੋਚੋ ਕਿ ਤੁਹਾਡੇ ਗਾਹਕ ਤੁਹਾਨੂੰ ਖੋਜ ਨਹੀਂ ਕਰਨਗੇ। ਉਹ ਚੈਨਲ ਬਣਾਓ ਜੋ ਤੁਸੀਂ ਮਾਲਕ ਹੋ ਸਕਦੇ ਹੋ: ਐਂਬੈੱਡਡ ਭਾਈ-ਦਲ ਸਾਥੀ, ਕਿਸੇ ਭੂਮਿਕਾ ਵਿੱਚ ਹੇਠੋਂ-ਉੱਪਰ ਪੁੱਜਣਾ, ਜਾਂ "ਸਪ੍ਰੈਡਸ਼ੀਟ ਨੂੰ ਬਦਲੋ" ਐਂਟਰੀ ਪੋਇੰਟ ਜੋ ਟੀਮ-ਦਰ-ਟੀਮ ਫੈਲਦਾ ਹੈ।

ਇੱਕ ਪ੍ਰਾਇਕਟਿਕਲ ਨਤੀਜਾ: ਵਰਕਫਲੋ + ਮੁਲਿਆਂਕਣ 'ਤੇ ਤੇਜ਼ੀ ਨਾਲ ਇਟਰੇਟ ਕਰਨ ਵਾਲੀਆਂ ਟੀਮਾਂ ਅਕਸਰ ਓਹ ਟੀਮਾਂ ਨੂੰ ਪਿੱਛੇ ਛੱਡ ਦਿੰਦੀਆਂ ਹਨ ਜੋ ਸਿਰਫ਼ ਇੱਕ "ਵਧੀਆ" ਮਾਡਲ ਚੁਣਦੀਆਂ ਹਨ। ਫੁਲ-ਸਟੈਕ ਪ੍ਰੋਟੋਟਾਈਪਸ 'ਤੇ ਕੰਪਿਲ ਕਰਨ ਵਾਲੇ ਟੂਲ—ਆਪਣੇ ਤਜਰਬੇ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ—ਤੁਹਾਨੂੰ ਵਿਕਲਪਕ ਵੇਜਾਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਟੈਸਟ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੇ ਹਨ। ਮਿਸਾਲ ਵਜੋਂ, Koder.ai ਇੱਕ vibe-coding ਪਲੇਟਫਾਰਮ ਹੈ ਜੋ ਤੁਹਾਨੂੰ ਚੈਟ ਰਾਹੀਂ ਵੈੱਬ, ਬੈਕਐਂਡ ਅਤੇ ਮੋਬਾਈਲ ਐਪ ਬਨਾਉਣ ਦਿੰਦਾ (ਫਰੰਟ-ਐਂਡ ਲਈ React, ਬੈਕ-ਐਂਡ ਲਈ Go + PostgreSQL, ਮੋਬਾਈਲ ਲਈ Flutter), ਜੋ ਤੁਹਾਨੂੰ ਵਰਕਫਲੋ ਇੰਟੀਗ੍ਰੇਸ਼ਨ ਅਤੇ ROI ਨੂੰ ਲੰਬੇ ਇੰਜੀਨੀਅਰਿੰਗ ਰੋਡਮੇਪ 'ਤੇ ਜ਼ਮੀਨੀ ਤੌਰ 'ਤੇ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਵੈਧ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ।

ਬੇਹਿਂਡ-ਹੁਕਮ ਸੁਝਾਅ ਬਿਨਾਂ ਹਾਈਪ

ਸਧੇ ਭਾਸ਼ਾ 'ਚ "ਗੁਪਤ" ਕਹਾਣੀ ਦੱਸੋ: ਸਭ ਜੋ ਮੰਨਦੇ ਹਨ, ਕਿਉਂ ਉਹ ਗਲਤ ਹੈ, ਅਤੇ ਤੁਸੀਂ ਕੀ ਵੱਖਰਾ ਕਰੋਗੇ। "ਅਸੀਂ ਏਆਈ ਵਰਤਦੇ ਹਾਂ" ਨਾਲ ਆਗੂ ਨਾ ਕਰੋ; ਨਤੀਜਿਆਂ ਨਾਲ ਸ਼ੁਰੂ ਕਰੋ।

ਨਿਵੇਸ਼ਕ ਵਿਸ਼ੇਸ਼ਤਾ ਨੂੰ ਪਸੰਦ ਕਰਦੇ ਹਨ:

• ਕਿਹੜਾ ਫੈਸਲਾ ਕਿਸ ਦੌਰ ਵਿੱਚ ਸੁਧਾਰਿਆ ਜਾ ਰਿਹਾ ਹੈ, ਕਿਹੜੀ ਮਾਪਯੋਗ ਪ੍ਰਭਾਵੀਤਾ ਨਾਲ?\n- ਕਿਹੜੇ ਬੰਧਨ ਤੁਹਾਡੇ ਦਰਿਸ਼ਟੀ ਨੂੰ ਹੁਣ ਕਰਕੇ ਯੋਜਯ ਬਣਾਉਂਦੇ ਹਨ (ਡਾਟਾ ਪਹੁੰਚ, ਨਿਯਮ, ਯੂਨਿਟ ਇਕਨਾਮਿਕਸ, ਆਦਤ ਬਦਲਣ)?

ਟਿਕਾਊਤਾ ਬਣਾਓ ਜੋ ਕੰਪਾਊਂਡ ਕਰੇ

ਉਹ ਫਾਇਦੇ ਢੂੰਢੋ ਜੋ ਉਪਯੋਗ ਨਾਲ ਬੇਹਤਰ ਹੁੰਦੇ ਹਨ: ਵਿਲੱਖਣ ਡਾਟਾ ਹੱਕ (ਜਾਂ ਕਾਨੂੰਨੀ ਤਰੀਕੇ ਨਾਲ ਤੁਸੀਂ ਬਣਾਉਣ ਯੋਗ ਡਾਟਾ), ਵਰਕਫਲੋ ਲਾਕ-ਇਨ (ਉਤਪਾਦ ਸਿਸਟਮ ਆਫ਼ ਰੇਕਾਰਡ ਬਣ ਜਾਂਦਾ ਹੈ), ਅਤੇ ਡੋਮੇਨ-ਅਨੁਕੂਲ ਮੁਲਿਆਂਕਣ ਨਾਲ ਜੁੜਿਆ ਪੇਰਫਾਰਮੈਂਸ ਫਾਇਦਾ।

ਪਿਚ ਡੈਕ ਅਤੇ ਮੈਟਰਿਕਸ: ਕੀ ਕਰੋ ਅਤੇ ਕੀ ਨਾ ਕਰੋ

ਕਰੋ: ਇਕ ਬੀਫੋਰ/ਆਫਟਰ ਵਰਕਫਲੋ ਦਿਖਾਓ, ਆਪਣਾ ਮੁਲਿਆਂਕਣ ਤਰੀਕਾ, ਅਤੇ ਅਪਨਾਵ ਦੀ ਸਾਬਤ (ਰਿਟੇਸ਼ਨ, ਐਕਸਪੈਨਸ਼ਨ, ਟਾਈਮ-ਟੂ-ਵੈਲਯੂ)।

ਨਹੀਂ ਕਰੋ: ਮਾਡਲ ਆਰਕੀਟੈਕਚਰ ਨਾਲ ਅਗੇ, ਅਸਪਸ਼ਟ TAM, ਜਾਂ ਚੈਰੀ-ਪਿਕਡ ਡੈਮੋ ਨਾਲ ਆਗੂ।

ਕਰੋ: ਭਰੋਸੇਯੋਗਤਾ ਮੈਟਰਿਕਸ ਟਰੈਕ ਕਰੋ (ਐਰਰ ਰੇਟ, ਮਨੁੱਖੀ ਓਵਰਰਾਈਡ ਰੇਟ, ਲੇਟੈਂਸੀ) ਨਾਲ ਕਾਰੋਬਾਰੀ ਮੈਟਰਿਕਸ।

ਨਹੀਂ ਕਰੋ: ਫੇਲ੍ਹ ਮੋਡ ਨੂੰ ਛੁਪਾਓ—ਉਹਨਾਂ ਨੂੰ ਮਾਨੋ, ਅਤੇ ਦਿਖਾਓ ਤੁਸੀਂ ਉਨ੍ਹਾਂ ਨੂੰ ਕਿਵੇਂ ਸੰਭਾਲਦੇ ਹੋ।

ਨਿਵੇਸ਼ਕਾਂ ਅਤੇ ਆਪਰੇਟਰਾਂ ਲਈ ਪ੍ਰੈਕਟਿਕਲ ਫਰੇਮਵਰਕ

ਵਿਕਲਪਕ ਦਾ ਮਤਲਬ "ਸਿਰਫ ਵਿੱਰੋਧ" ਨਹੀਂ। ਇਹ ਭਵਿੱਖ ਬਾਰੇ ਇੱਕ ਸਾਫ਼ ਨਜ਼ਰੀਆ ਰੱਖਣ ਅਤੇ ਫਿਰ ਉਸਨੂੰ ਸਾਬਤ ਕਰਨ ਲਈ ਕੰਮ ਕਰਨ ਦਾ ਨਾਮ ਹੈ—ਚਾਹੇ ਤੁਹਾਨੂੰ ਪੂਰੇ ਬਾਜ਼ਾਰ ਦਾ ਸਮਰਥਨ ਮਿਲਪੇ।

5-ਭਾਗੀ ਚੈਕਲਿਸਟ: ਥੀਸਿਸ → ਐਡਜ → ਸਮਾਂ → ਟਿਕਾਊਤਾ → ਜੋਖਮ

1) ਥੀਸਿਸ (ਤੁਸੀਂ ਕੀ ਮੰਨਦੇ ਹੋ): ਇੱਕ ਵਾਕ ਵਿੱਚ ਲਿਖੋ ਜੋ ਅੱਜ ਬਹੁਤ ਸਾਰੇ ਹੋਸ਼ਿਆਰ ਲੋਕਾਂ ਨੂੰ ਗਲਤ ਲੱਗੇ।

ਉਦਾਹਰਣ: "ਏਆਈ ਮੁੱਲ ਉਹਨਾਂ ਕੰਪਨੀਆਂ 'ਤੇ ਆਵੇਗਾ ਜੋ ਪ੍ਰੋਪ੍ਰਾਇਟਰੀ ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ ਨੂੰ ਕੰਟਰੋਲ ਕਰਦੀਆਂ ਹਨ, ਸਿਰਫ਼ ਮਾਡਲ ਗੁਣਵੱਤਾ 'ਤੇ ਨਹੀਂ।"

2) ਐਡਜ (ਤੁਸੀਂ ਖ਼ਾਸ ਕਿਉਂ): ਤੁਸੀਂ ਕੀ ਵੇਖਦੇ ਹੋ ਜੋ ਹੋਰ ਲੰਭੇ ਨਹੀਂ ਦੇਖਦੇ—ਪਹੁੰਚ, ਡੋਮੇਨ ਮਾਹਰਤਾ, ਗਾਹਕ ਨੇੜਤਾ, ਡਾਟਾ ਹੱਕ, ਨਿਯਮਕ ਅੰਦਰੂਨੀ ਜਾਣਕਾਰੀ, ਜਾਂ ਇੱਕ ਨੈੱਟਵਰਕ?

ਜੇ ਤੁਹਾਡਾ ਐਡਜ "ਮੈਂ ਵੀ ਇੱਕੋ ਟਵੀਟ ਪੜ੍ਹਦਾ ਹਾਂ" ਹੈ, ਤਾਂ ਤੁਹਾਡੇ ਕੋਲ ਨਹੀਂ ਹੈ।

3) ਸਮਾਂ (ਕਿਉਂ ਹੁਣ): ਵਿਕਲਪਕ ਬੇਟ ਜ਼ਿਆਦਾਤਰ ਸਮਾਂ 'ਤੇ ਫੇਲ ਹੁੰਦੇ ਹਨ। ਯੋਗ ਕਰਨ ਵਾਲੀ ਤਬਦੀਲੀ ਪਛਾਣੋ (ਲਾਗਤ ਘਟਣਾ, ਨਿਯਮ, ਵਰਕਫਲੋ਼ ਸ਼ਿਫਟ, ਖਰੀਦਦਾਰ ਵਰਤਾਰਾ) ਅਤੇ ਅਪਨਾਉਣ ਦਾ ਰਸਤਾ (ਕੌਣ ਪਹਿਲਾਂ ਖਰੀਦੀਗਾ, ਕੌਣ ਫਾਲੋ ਕਰੇਗਾ)।

4) ਟਿਕਾਊਤਾ (ਤੁਸੀਂ ਅੱਗੇ ਕਿਉਂ ਜਿੱਤੋਂਗੇ): ਏਆਈ ਵਿੱਚ "ਅਸੀਂ ਏਆਈ ਵਰਤਦੇ ਹਾਂ" ਮੋਟ ਨਹੀਂ ਹੈ। ਟਿਕਾਊ ਫ਼ਾਇਦੇ ਖੋਜੋ: ਪ੍ਰੋਪ੍ਰਾਇਟਰੀ ਡਾਟਾ ਜੋ ਤੁਸੀਂ ਵਰਤ ਸਕਦੇ ਹੋ, ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ, ਸਵਿੱਚਿੰਗ ਲਾਗਤ, ਐਂਬੈੱਡਡ ਵਰਕਫਲੋ, ਜਾਂ ਇੱਕ ਕੰਪਾਊਂਡਿੰਗ ਫੀਡਬੈਕ ਲੂਪ (ਵਰਤੋਂ ਉਤਪਾਦ ਨੂੰ ਐਸਾ ਬਿਹਤਰ ਬਣਾਉਂਦੀ ਹੈ ਜੋ ਮੁਕਾਬਲੇਦਾਰ ਨਕਲ ਨਹੀਂ ਕਰ ਸਕਦੇ)।

5) ਜੋਖਮ (ਕੀ ਟੁੱਟਦਾ ਹੈ): ਟੌਪ ਤਿੰਨ ਫੇਲਯਾਂ—ਤਕਨੀਕੀ, ਗੋ-ਟੂ-ਮਾਰਕਿਟ, ਕਾਨੂੰਨੀ/ਨੈਤਿਕ—ਨਾਮ ਕਰੋ ਅਤੇ ਹਰੇਕ ਦੀਆਂ ਯੋਜਨਾਵਾਂ।

ਰੁਝਾਨਾਂ ਦਾ ਪਿੱਛਾ ਨਾ ਕਰਨ ਲਈ ਸੂਚੀ

ਇੱਕ "ਸਿਗਨਲ ਡਾਇਟ" ਸੈੱਟ ਕਰੋ: ਕੁਝ ਪ੍ਰੈਕਟੀਸ਼ਨਰ ਵਾਰਟਾਂ ਨੂੰ ਫਾਲੋ ਕਰੋ, ਗਾਹਕ ਬਜਟ ਟ੍ਰੈਕ ਕਰੋ, ਅਤੇ ਯੂਨਿਟ ਇਕਨਾਮਿਕਸ ਨੂੰ ਵੇਖੋ (ਲੇਟੈਂਸੀ, ਪ੍ਰਤੀ-ਟਾਸਕ ਲਾਗਤ, ਚਰਨ)। ਹਾਈਪ ਮੈਟਰਿਕਸ (ਡੈਮੋ ਵਾਇਰਲਟੀ, ਮਾਡਲ ਬੈਂਚਮਾਰ্ক ਛਾਲ) ਨੂੰ ਇਨਪੁੱਟ ਵਜੋਂ ਦਰਜ ਕਰੋ—ਕਦੇ ਫੈਸਲੇ ਵਜੋਂ ਨਹੀਂ।

ਆਪਣੀ ਵਿਕਲਪਕ ਨਜ਼ਰੀਏ ਨੂੰ ਪ੍ਰੈਸ਼ਰ-ਟੈਸਟ ਕਰੋ

ਇੱਕ ਰੇਡ ਟੀਮ ਚਲਾਓ: ਕਿਸੇ ਨੂੰ ਪ੍ਰੇਰਿਤ ਕਰੋ ਜੋ ਤੁਹਾਡੀ ਥੀਸਿਸ ਨੂੰ ਚੁਣੌਤੀ ਦੇਵੇ।

ਡਿਸਕੰਫਰਮਿੰਗ ਗਾਹਕ ਇੰਟਰਵਿਊ ਕਰੋ (ਉਹ ਲੋਕ ਜੋ "ਨਹੀਂ" ਕਹਿਣ ਦੀ ਸੰਭਾਵਨਾ ਰੱਖਦੇ ਹਨ)।

ਅੱਗੇ ਹੀ ਉਹ ਸਬੂਤ ਪ੍ਰੀਕਮਿਟ ਕਰੋ ਜੋ ਤੁਹਾਡੀ ਸੋਚ ਨੂੰ ਬਦਲ ਦੇਵੇਗਾ।

ਸਧੇ ਭਾਸ਼ਾ ਵਿਚ ਨਿਵੇਸ਼ ਮੈਮੋ ਪ੍ਰੈਂਪਟ

• ਅਸੀਂ ਕੀ ਮੰਨਦੇ ਹਾਂ ਜੋ ਜ਼ਿਆਦਾਤਰ ਲੋਕ ਨਹੀਂ ਮੰਨਦੇ?\n- ਗਾਹਕ ਕੌਣ ਹੈ, ਅਤੇ ਕਿਹੜਾ ਦਰਦ ਦਾ ਕੰਮ ਬਿਹਤਰ ਹੋ ਰਿਹਾ ਹੈ?\n- ਇਸਦੇ ਲਈ ਕੀ ਸੱਚ ਹੋਣਾ ਲਾਜ਼ਮੀ ਹੈ (ਅਤੇ ਅਸੀਂ 30 ਦਿਨਾਂ ਵਿੱਚ ਕਿਵੇਂ ਟੈਸਟ ਕਰਾਂਗੇ)?\n- ਦੋ ਸਾਲਾਂ ਵਿੱਚ ਇਹ ਕਾਪੀ ਕਰਨਾ ਕਿਉਂ ਮਹਿਸੂਸ ਨਹੀਂ ਕਰੇਗਾ?\n- ਇਹ 실패 ਹੋਣ ਦਾ ਸਭ ਤੋਂ ਸਧਾਰਨ ਕਾਰਨ ਕੀ ਹੈ—ਅਤੇ ਅਸੀਂ ਕੀ Plan B ਰੱਖਦੇ ਹਾਂ?

ਮੁੱਖ ਨਤੀਜੇ ਅਤੇ ਅਗਲੇ ਕਦਮ

ਵਿਕਲਪਕ ਨਿਵੇਸ਼—ਘੱਟੋ-ਘੱਟ Peter Thiel ਨਾਲ ਜੁੜਿਆ ਵਰਜਨ—ਦਾ ਮਤਲਬ ਲੋਕ-ਵਿਰੋਧੀ ਬੇਟ ਲਗਾਉਣਾ ਨਹੀਂ ਹੈ। ਇਹ ਭਵਿੱਖ ਬਾਰੇ ਇੱਕ ਸਾਫ਼ ਨਜ਼ਰੀਆ ਰੱਖਣ, ਉਸ ਨਜ਼ਰੀਏ ਨੂੰ ਪ੍ਰਗਟ ਕਰਨ ਲਈ ਫੋਕਸਡ ਬੇਟਾਂ ਲਾਉਣ, ਅਤੇ ਲੰਬੇ ਸਮੇਂ ਤੱਕ ਗਲਤ ਦਿਖਣ ਲਈ ਤਿਆਰ ਰਹਿਣਾ ਹੈ।

ਅੱਗੇ ਲੈ ਜਾ ਸਕਣ ਵਾਲੇ ਸਿਧਾਂਤ

ਪਹਿਲਾ, ਵਿਕਲਪਕ ਸੋਚ ਸਿਰਫ਼ ਲਾਭਦਾਇਕ ਹੈ ਜਦੋਂ ਇਹ ਇੱਕ ਖ਼ਾਸ, ਜਾਂਚਯੋਗ ਦਾਅਵੇ ਨਾਲ ਜੁੜੀ ਹੋਵੇ। "ਸਭ ਕੋਈ X ਮੰਨਦਾ ਹੈ, ਪਰ X ਗਲਤ ਹੈ ਕਿਉਂਕਿ…" ਸ਼ੁਰੂ ਹੈ। ਕੰਮ ਇਹ ਹੈ ਕਿ ਇਹ ਦਿਖਾਓ ਕਿ ਤੁਹਾਡੀ ਬੇਟ ਜਿੱਤਣ ਲਈ ਕੀ-ਕੀ ਸੱਚ ਹੋਣਗੇ—ਗਾਹਕ, ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ, ਨਿਯਮ, ਸਮਾਂ ਅਤੇ ਯੂਨਿਟ ਇਕਨਾਮਿਕਸ।

ਦੂਜਾ, ਥੀਸਿਸ-ਪਹਿਲਾ ਰੁਝਾਨ-ਅਨੁਸਾਰ ਨੂੰ ਹਰੇਕ ਵੇਲੇ ਹਰਾ ਦਿੰਦਾ। ਥੀਸਿਸ ਨੂੰ ਇਹ ਵੀ ਦੱਸਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਤੁਸੀਂ ਕੀ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰ ਰਹੇ ਹੋ। ਇਹ ਏਆਈ ਵਿੱਚ ਖਾਸ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ, ਜਿੱਥੇ ਨਵੇਂ ਡੈਮੋ ਅਕਸਰ ਅਣਿਵਾਰਤਾ ਦਾ ਭਾਸ਼ਾ ਪੈਦਾ ਕਰ ਦਿੰਦੇ ਹਨ।

ਤੀਜਾ, ਬਹੁਤ ਸਾਰੇ "ਏਆਈ" ਨਤੀਜੇ ਬੇਹੱਦ ਨਿਰਖ ਅਤੇ ਨਿਰਦੇਸ਼ਕ ਨੀਂਹਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ: ਡਾਟਾ ਅਧਿਕਾਰ ਅਤੇ ਪਹੁੰਚ, ਇਨਫਰਾਸਟਰੱਕਚਰ, ਡਿਪਲੋਇਮੈਂਟ ਰਾਹ, ਅਤੇ ਮਾਡਲਾਂ ਨੂੰ ਭਰੋਸੇਯੋਗ ਉਤਪਾਦਾਂ ਵਿੱਚ ਬਦਲਣ ਦੀ ਗੰਦੀ ਹਕੀਕਤ। ਜੇ ਤੁਸੀਂ ਡਾਟਾ/ਇਨਫਰਾ ਐਡਜ ਨੂੰ ਸਧੇ ਸ਼ਬਦਾਂ ਵਿੱਚ ਨਹੀਂ ਸਮਝਾ ਸਕਦੇ, ਤਾਂ ਤੁਹਾਡਾ "ਏਆਈ ਬੇਟ" ਸ਼ਾਇਦ ਸਿਰਫ ਮਾਰਕੀਟਿੰਗ ਲੇਬਲ ਹੋ ਸਕਦਾ ਹੈ।

ਚੌਥਾ, ਜੋਖਮ ਜਾਨਣਾ ਵਿਕਲਪੀ ਨਹੀਂ। ਵਿਕਲਪਕ ਬੇਟ ਅਕਸਰ ਗੈਰ-ਊਪਯੋਗ ਤਰੀਕਿਆਂ ਨਾਲ ਨੁਕਸਾਨ ਹੋ ਸਕਦੀਆਂ ਹਨ: ਖੁਦ-ਪਛਾਣ, ਨਿਯਮਕ ਤਬਦੀਲੀਆਂ, ਮਾਡਲ ਭਿੱਟਲਤਾ, ਸੁਰੱਖਿਆ ਘਟਨਾਵਾਂ, ਅਤੇ ਪੈਮਾਨੇ 'ਤੇ ਪ੍ਰੇਰਣਾ ਜੋ ਬਦਲ ਸਕਦੀ ਹੈ। ਇਨ੍ਹਾਂ ਲਈ ਪਹਿਲੇ ਤੋਂ ਹੀ ਯੋਜਨਾ ਬਣਾਓ, ਨਾ ਕਿ ਵੱਧਣ ਤੋਂ ਬਾਅਦ।

ਸਬੂਤ ਅਤੇ ਨਿਮਰਤਾ: ਏਆਈ ਅਨੁਮਾਨਾਂ ਲਈ ਘੱਟੋ-ਘੱਟ ਮਿਆਰ

ਭਵਿੱਖਵਾਣੀਆਂ ਨੂੰ ਹਾਈਪ ਨਾ ਕਰੋ—ਉਹਨਾਂ ਨੂੰ ਹਾਈਪੋਥੇਸਿਸ ਮੰਨੋ। ਉਹ ਸਾਬਤ ਕਰਨ ਲਈ ਸਬੂਤ ਨਿਰਧਾਰਤ ਕਰੋ, ਅਤੇ 30/90/180 ਦਿਨਾਂ 'ਤੇ ਚੈੱਕਪੋਇੰਟ ਰੱਖੋ ਜਿੱਥੇ ਤੁਸੀਂ ਬਿਨਾਂ ਕਹਾਣੀ ਬਣਾਉਂਦੇ ਹੋ ਪ੍ਰਗਤੀ ਦੀ ਸਮੀਖਿਆ ਕਰੋ। ਸਿਰਫ਼ ਜਲਦੀ ਹੋਣਾ ਅਰਥ ਨਹੀਂ ਕਿ ਤੁਸੀਂ ਸਹੀ ਹੋ—ਅਤੇ ਇਕ ਵਾਰੀ ਸਹੀ ਹੋਣਾ ਇਹ ਸਾਬਿਤ ਨਹੀਂ ਕਰਦਾ ਕਿ ਤੁਸੀਂ ਫਿਰ ਵਾਰ ਸਹੀ ਰਹੋਗੇ।

ਅਗਲੇ ਪੜ੍ਹਨ ਲਈ

• blog (ਹੋਰ ਫਰੇਮਵਰਕਸ ਅਤੇ ਕੇਸ-ਅਧਿਐਨ ਵਿਸ਼ਲੇਸ਼ਣ)
• pricing (ਜੇ ਤੁਸੀਂ ਟੂਲ ਜਾਂ ਸੇਵਾਵਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰ ਰਹੇ ਹੋ ਤਾਂ)

ਇਸ ਹਫ਼ਤੇ ਲਾਗੂ ਕਰਨ ਯੋਗ ਇਕ ਗੱਲ

ਇੱਕ ਏਕ-ਪੰਨੇ ਦਾ "ਵਿਕਲਪਕ ਮੈਮੋ" ਲਿਖੋ ਕਿਸੇ ਇੱਕ ਏਆਈ ਵਿਚਾਰ ਲਈ ਜੋ ਤੁਸੀਂ ਸੋਚ ਰਹੇ ਹੋ:

• ਜਿਸ ਸੰਸਦਦੀ ਰਾਇ ਨਾਲ ਤੁਸੀਂ ਅਸਹਿਮਤ ਹੋ\n- ਤੁਹਾਡੀ ਥੀਸਿਸ ਇੱਕ ਵਾਕ ਵਿੱਚ\n- ਉਸਨੂੰ ਵੈਧ ਕਰਨ ਲਈ ਤਿੰਨ ਦ੍ਰਿਸ਼ਯ ਸигਨਲ\n- ਤਿੰਨ ਫੇਲਯਾਂ (ਤਕਨੀਕੀ, ਗੋ-ਟੂ-ਮਾਰਕਿਟ, ਬਾਹਰੀ)

ਜੇ ਤੁਸੀਂ ਇਸਨੂੰ ਠੀਕ ਤਰੀਕੇ ਨਾਲ ਨਹੀਂ ਨਿਰਧਾਰਿਤ ਕਰ ਸਕਦੇ, ਤਾਂ ਬੇਟ ਜ਼ਬਰਦਸਤੀ ਨਾ ਕਰੋ—ਪਹਿਲਾਂ ਥੀਸਿਸ ਕਸੋ।