شراکت کے ساتھ AI چیلنجز کو تناظر میں رکھنا

اسپانسر شدہ خصوصیت چونکہ ٹیکنالوجی زیادہ عمودی شعبوں اور صنعتوں میں وسیع پیمانے پر تعینات ہوتی جارہی ہے، مصنوعی ذہانت (AI) کی کاروباری عمل، اسٹریٹجک فیصلہ سازی اور کسٹمر کے تجربات کو تبدیل کرنے کی صلاحیت کو IT حکمت عملی اور اقتصادی تجزیہ کاروں کی طرف سے سراہا جا رہا ہے۔

حتیٰ کہ چیف ایگزیکٹوز بھی ایک بار سرمایہ کاری کی منظوری دینے سے محتاط رہتے ہیں جو زیادہ سے زیادہ قیمت فراہم کرنے کے لیے AI کی ضرورت ہوتی ہے وہ آپریشنل کارکردگی کو بہتر بنانے اور آمدنی کے نئے سلسلے کی راہ ہموار کرنے کی صلاحیت کو تسلیم کرنے کے لیے آ رہے ہیں۔

PwC جیسے قابل احترام مارکیٹ پر نظر رکھنے والوں کی پیشین گوئیاں ان کے خیال کی تائید کرتی ہیں۔ اس کا'عالمی مصنوعی ذہانت کا مطالعہ' کا خیال ہے کہ AI 15.7 میں عالمی معیشتوں میں 2030 ٹریلین ڈالر تک کا حصہ ڈال سکتا ہے۔ اس میں سے 6.6 ٹریلین ڈالر پیداواری صلاحیت میں اضافہ سے اور 9.1 ٹریلین ڈالر 'کھپت کے ضمنی اثرات' سے حاصل ہو سکتے ہیں، PwC کا دعویٰ ہے۔

کئی جنریٹیو AI ٹولز کے حالیہ رول آؤٹ کو سمجھا جاتا ہے۔ بریکآؤٹ اس بات کی طرف اشارہ کریں جو پہلے کمپیوٹر سائنس کی ایک انتہائی ماہر اور 'مستقبل' شاخ رہی تھی۔ برطانیہ میں 2022 میں دفتر برائے مصنوعی ذہانت رپورٹ کے مطابق کہ تقریباً 15 فیصد کاروباری اداروں نے کم از کم ایک AI ٹیکنالوجی کو اپنایا ہے، جو کہ 432,000 کمپنیوں کے برابر ہے۔ تقریباً 2 فیصد کاروبار AI کو پائلٹ کر رہے تھے، اور 10 فیصد نے مستقبل میں کم از کم ایک AI ٹیکنالوجی کو اپنانے کا منصوبہ بنایا (بالترتیب 62,000 اور 292,000 کاروبار)۔

یہ اب بھی پیچیدہ چیز ہے۔

اس AI کے جوش و خروش کے درمیان تنظیموں کو یاد رکھنا چاہیے کہ AI اب بھی نسبتاً کم عمر ٹیکنالوجی ہے، اور اسے پہلی بار ترتیب دینا مشکل ہو سکتا ہے۔ مزید یہ کہ سرمایہ کاری پر وابستہ واپسی (ROI) انتہائی درست طریقے سے انتظامی عمل درآمد کے طریقہ کار اور کنفیگریشنز پر منحصر ہے جو روایتی IT تعیناتیوں کے مقابلے میں غلطیوں کی صورت میں اکثر کم مضبوط ہوتے ہیں۔

AI AI/مشین لرننگ کے اقدامات اور کام کے بوجھ کو نافذ کرنے کی ذمہ داری سونپی گئی IT ٹیموں کے لیے قابل قدر ٹیسٹ پیش کرتا ہے، مثال کے طور پر، جس میں مہارت کے فرق پر قابو پانا اور کمپیوٹ کی رکاوٹیں شامل ہو سکتی ہیں۔ وہ پہلے سے ہی ایک مشترکہ IT انفراسٹرکچر استعمال کرنے والے دوسرے انٹرپرائز کے کام کے بوجھ کے ساتھ وسائل کی تجارت کو بھی شامل کر سکتے ہیں۔

ہیولٹ پیکارڈ انٹرپرائز (HPE) میں مصنوعی ذہانت کے چیف ٹکنالوجی آفیسر میٹ آرمسٹرانگ بارنس کہتے ہیں، "AI ایک سفر ہے، منزل نہیں - یہ صرف زیادہ کارکردگی کے لیے اپنانے کے لیے تیار یا خودکار عمل کے بارے میں نہیں ہے۔" "بلکہ، یہ طویل مدتی قدر کے حصول، بہتر نتائج کو قابل بنانے، اور یہ تسلیم کرنے کے بارے میں ہے کہ AI IT کی تعیناتی کے لیے بنیادی طور پر مختلف نقطہ نظر کا مطالبہ کرتا ہے۔ انٹرپرائز ٹیکنالوجسٹ کے لیے یہ 360 ڈگری ہمہ گیر سیکھنے کا وکر ہے۔

آرمسٹرانگ بارنس کی بات کا ثبوت ڈیلوئٹ کے تازہ ترین 'انٹرپرائز میں AI کی حالتعالمی کاروباری رہنماؤں کا سروے۔ اس کے جواب دہندگان نے چیلنجوں کے ڈھیر کی نشاندہی کی جو AI نے اپنے AI پر عمل درآمد کے منصوبوں کے لگاتار مراحل پر جنم لیا۔ AI کی کاروباری قدر کو ثابت کرنا ایک مسئلہ تھا جس کا حوالہ 37 فیصد ہے – منصوبے مہنگے ثابت ہو سکتے ہیں، اور سرمایہ کاری سے محتاط بورڈز اور C-Suite ایگزیکٹوز کے سامنے ایک زبردست کاروباری کیس کی توثیق کرنا مشکل ہو سکتا ہے۔

وقت کے ساتھ ساتھ ان اے آئی پروجیکٹس کو بڑھانا مزید رکاوٹوں کو نشانہ بنا سکتا ہے، جیسے کہ AI سے متعلقہ خطرات کا انتظام کرنا (ڈیلوئٹ سروے میں حصہ لینے والوں میں سے 50 فیصد نے حوالہ دیا)، ایگزیکٹو بائ ان کی کمی (50 فیصد بھی)، اور دیکھ بھال یا جاری تعاون (50 فیصد دوبارہ)۔

آرمسٹرانگ بارنس کا کہنا ہے کہ "بالکل قابل فہم طور پر، کارپوریٹ رہنماؤں کو اس بات پر یقین کرنے کی ضرورت ہے کہ AI اپنا راستہ ادا کرے گا۔" "یہ وہ جگہ ہے جہاں ایک ٹیک پارٹنر کے ساتھ شروع سے کام کرنا جو کئی سالوں سے ثابت شدہ AI کے نفاذ کے ساتھ شامل ہے کیس جیتنے میں مدد کرتا ہے۔ اس کا ٹریک ریکارڈ پروجیکٹ کی تجاویز کو ساکھ فراہم کرے گا اور ایگزیکٹس کو اس بات پر قائل کرنے میں مدد کرے گا کہ AI کے خطرات کسی دوسرے IT وینچر کی طرح قابل انتظام ہیں۔

اور جب کہ ٹیکنالوجی اور ہنر کی یقیناً ضرورت ہے، یہ اتنا ہی اہم ہے کہ کمپنی کی ثقافت، ڈھانچے اور کام کرنے کے طریقوں کو ہم آہنگ کرنے کے لیے وسیع پیمانے پر AI کو اپنانے میں مدد ملے، McKinsey کے مطابقمخصوص خصوصیات کے ساتھ بعض اوقات AI سے چلنے والی تبدیلی میں رکاوٹوں کے طور پر کام کرتی ہیں۔

'اگر کسی کمپنی کے پاس ریلیشن شپ مینیجر ہیں جو کسٹمر کی ضروریات کے مطابق ہونے پر فخر کرتے ہیں، تو وہ اس تصور کو مسترد کر سکتے ہیں کہ ایک "مشین" اس بارے میں بہتر آئیڈیاز رکھ سکتی ہے کہ صارفین کیا چاہتے ہیں اور AI ٹول کی تیار کردہ مصنوعات کی سفارشات کو نظر انداز کر سکتے ہیں،' McKinsey تجویز کرتا ہے۔

آرمسٹرانگ بارنس کی رپورٹ کے مطابق، "میں HPE ساتھیوں اور HPE صارفین کے ساتھ اکثر ان چیلنجوں کے بارے میں بات کرتا ہوں جن کا انہیں AI کی تعیناتی کے ساتھ سامنا ہے۔" "کچھ عام واضح خصوصیات بار بار سامنے آتی ہیں۔ ایک اس بات کا کم اندازہ ہے کہ روایتی آئی ٹی کے نفاذ سے AI کی تعیناتیاں کتنی مختلف ہیں۔ تنظیموں کو AI کو بنیادی طور پر ان IT منصوبوں سے مختلف انداز میں تعینات کرنا چاہیے جو انہوں نے ماضی میں نافذ کیے ہیں۔ AI کے لیے ڈیٹا مینجمنٹ اور اسکیلنگ نمایاں طور پر مختلف ہیں۔ اس کا مطلب یہ ہے کہ کبھی کبھی، مشکل سے جیتا ہوا ٹیک تجربہ نئے سرے سے سیکھنا پڑتا ہے۔"

آرمسٹرانگ بارنس نے وضاحت کرتے ہوئے کہا کہ AI پائلٹوں کے ساتھ تجربہ کرنے سے پہلے اسے حقیقی استعمال کے کیس میں استعمال کرنے سے گریز کیا جانا چاہیے جو کاروباری ضرورت کی حمایت کرتا ہے۔ "خریدنے سے پہلے آزمانا مناسب معلوم ہوتا ہے - AI پیچیدہ اور سرمایہ کاری کی بھوک ہے،" وہ بتاتے ہیں، "لیکن AI کے ساتھ، ڈرائی رنز اور ٹیسٹ پروجیکٹس واقعی ان چیلنجوں کی نقل نہیں کرتے ہیں جن کا سامنا صارف تنظیموں کو حقیقی نفاذ کے ساتھ کرنا پڑے گا۔ . جو چیز 'لیب میں' شروع ہوتی ہے وہ لیب میں ہی رہتی ہے۔

گود لینے کے پیمانے کے دوسرے سرے پر آرمسٹرانگ بارنس ایسی کمپنیوں کو دیکھتے ہیں جو AI کو جہاں کہیں بھی لاگو کرنے کی کوشش کرتی ہیں، یہاں تک کہ جہاں بھی کوئی ایپلی کیشن AI کے بغیر بہترین طریقے سے کام کر رہی ہے: "یہاں سے فائدہ اٹھانا ہے - صرف اس وجہ سے کہ AI میں آپ کے پاس بہت بڑا ہتھوڑا ہے، پھر آپ کو ہر چیز کو ٹوٹنے کے لیے نٹ کے طور پر نہیں دیکھنا چاہیے۔"

لوگ اور بنیادی ڈھانچہ آسانی سے دستیاب نہیں ہیں۔

حتیٰ کہ جدید ترین AI سسٹمز کو بھی مکمل خود مختاری حاصل کرنا باقی ہے – انہیں انسانی مہارت کے ذریعے تربیت یافتہ اور بہتر بنانے کی ضرورت ہے۔ یہ AI کی خواہش مند کمپنیوں کے لیے ایک اور چیلنج کی نمائندگی کرتا ہے: ضروری مہارتیں کیسے حاصل کی جائیں - موجودہ IT اہلکاروں کو دوبارہ تربیت دیں؟ مطلوبہ AI علم کے ساتھ ٹیم کے نئے اراکین کو بھرتی کریں؟ یا ٹیکنالوجی کے شراکت داروں کے لیے AI مہارت کی ضرورت کو موخر کرنے کے لیے اختیارات تلاش کریں؟

میکنسی کی رپورٹ کہ AI کی صلاحیت کو ہنر مند ٹیلنٹ کی کمی کی وجہ سے روکا جا رہا ہے۔ ایک عام AI پروجیکٹ کے لیے ایک انتہائی ماہر ٹیم کی ضرورت ہوتی ہے جس میں ڈیٹا سائنسدان، ڈیٹا انجینئر، ML انجینئر، پروڈکٹ مینیجر اور ڈیزائنر شامل ہوتے ہیں - اور ان تمام کھلی ملازمتوں پر قبضہ کرنے کے لیے کافی ماہرین دستیاب نہیں ہیں۔

آرمسٹرانگ بارنس کا کہنا ہے کہ "ہم دیکھتے ہیں کہ انٹرپرائز ٹیکنولوجسٹ کو عام طور پر پانچ اہم معاملات میں اپنی صلاحیتوں کو اپ گریڈ کرنا پڑتا ہے۔" "بنیادی طور پر، وہ AI مہارت، IT انفراسٹرکچر، ڈیٹا مینجمنٹ، پیچیدگی کے انتظام، اور کچھ حد تک، مذکورہ بالا ثقافتی رکاوٹوں کے شعبوں میں جھوٹ بولتے ہیں۔ صحیح نقطہ نظر اور شراکت داری کی حمایت کے پیش نظر ان میں سے کوئی بھی چیلنج ناقابل تسخیر نہیں ہے۔

AI کو چلانے کے لیے انتہائی طاقتور ہارڈ ویئر بھی پسند ہے۔ اعلی کارکردگی والے کمپیوٹ پلیٹ فارمز کی فراہمی ایک مستقل چیلنج کے طور پر جاری ہے کیونکہ کچھ تنظیمیں ROI تناسب میں قابل اعتبار اضافہ کے بغیر اپنے سرور اسٹیٹس میں ضروری سرمایہ کاری کرنا چاہتی ہیں – یا برداشت کر سکتی ہیں۔

آرمسٹرانگ بارنس کہتے ہیں، "جب AI کے نفاذ کی منصوبہ بندی کرتے ہیں، تو بہت ابتدائی مرحلے میں IT منصوبہ سازوں کو بنیادی فعال کرنے والی ٹیکنالوجی کے حوالے سے کچھ اہم فیصلے کرنے کی ضرورت ہوتی ہے۔" "مثال کے طور پر، کیا آپ اسے خریدنے، اسے بنانے جا رہے ہیں - یا ایک ہائبرڈ طریقہ اختیار کریں گے جس میں دونوں کے عناصر شامل ہوں؟"

اگلا اہم فیصلہ شراکت داری سے متعلق ہے۔ کامیاب AI ڈیلیوری کی ایک واضح شرط یہ ہے کہ کوئی بھی اسے اکیلے نہیں کر سکتا، آرمسٹرانگ بارنس بتاتے ہیں: "آپ کو ٹیکنالوجی کے شراکت داروں کی مدد کی ضرورت ہے، اور ان شراکتوں کو قائم کرنے کا بہترین طریقہ AI ماحولیاتی نظام کے ذریعے ہے۔ ایک AI ماحولیاتی نظام کو مہارت کے ایک معاون کنسورشیا کے طور پر سوچیں جو، اکٹھے ہونے سے، آپ کو آپ کی AI کوششوں کو تیار کرنے اور چلانے کے لیے صحیح معلومات، ڈیٹا، AI ٹولز، ٹیکنالوجی اور معاشیات تک رسائی حاصل ہو گی۔"

آرمسٹرانگ بارنس مزید کہتے ہیں: "کبھی کبھی صارفین پوچھتے ہیں کہ AI کے استعمال کے معاملات میں HPE اتنا تجربہ کار کیسے ہوا - کیا ہم نے برسوں پہلے اس کے اثرات کا اندازہ لگایا تھا اور مارکیٹ سے پہلے اچھی تیاری شروع کر دی تھی؟ حقیقت یہ ہے کہ ہم نے AI کے اثرات کو برسوں نہیں بلکہ دہائیوں پہلے دیکھا تھا، ایک طویل عرصے سے AI سینٹرز آف ایکسی لینس اور ماحولیاتی نظام قائم کر رہے ہیں، اور صارفین کی ضروریات اور ترقی کے مواقع کے مطابق اپنی موجودہ مہارت کو بڑھانے کے لیے اسٹریٹجک حصولات کر رہے ہیں۔"

کوئی ٹرین، کوئی فائدہ نہیں۔

ایسا ہی ایک اضافہ Determined AI ہے، جو 2021 میں HPE کی HPC اور AI حل پیش کشوں کا حصہ بن گیا ہے۔ متعین AI کا اوپن سورس سافٹ ویئر اس حقیقت کی نشاندہی کرتا ہے کہ پیمانے پر آپٹمائزڈ ماڈلز کی تعمیر اور تربیت ایم ایل کی ترقی کا ایک سخت اور اہم مرحلہ ہے۔ HPC کے چیلنجوں سے نمٹنے کے لیے تجزیہ کاروں، محققین اور سائنسدانوں جیسے غیر تکنیکی ماہرین کی ضرورت ہے۔

ان چیلنجوں میں ایک انتہائی متوازی سافٹ ویئر اسٹیک اور انفراسٹرکچر کو ترتیب دینا اور ان کا انتظام کرنا شامل ہے جو خصوصی کمپیوٹ پروویژننگ، ڈیٹا اسٹوریج، کمپیوٹ فیبرک اور ایکسلریٹر کارڈز پر محیط ہے۔

آرمسٹرانگ بارنس کہتے ہیں، "اس کے علاوہ، ایم ایل ایکسپوینٹس کو اپنے ماڈلز کو پروگرام، شیڈول اور موثر طریقے سے تربیت دینے کی ضرورت ہے تاکہ وہ اپنے بنائے ہوئے خصوصی انفراسٹرکچر کا زیادہ سے زیادہ استعمال کر سکیں، جو کہ پیچیدگی پیدا کر سکتا ہے اور پیداواری صلاحیت کو کم کر سکتا ہے۔"

ان کاموں کو یقیناً قابلیت کی سخت سطح کے ساتھ انجام دیا جانا چاہیے جو کہ اندرون خانہ آئی ٹی ٹیموں کے تعاون سے بھی آسانی سے یقینی نہیں ہے۔

ML ماڈل ٹریننگ کے لیے طے شدہ AI کا اوپن سورس پلیٹ فارم اس وسائل کے فرق کو ختم کرنے کے لیے ڈیزائن کیا گیا ہے، جس سے ورک سٹیشنز یا AI کلسٹرز جو آن پریمیسس یا کلاؤڈ میں چلتے ہیں سیٹ اپ، کنفیگر، مینیج اور شیئر کرنا آسان بناتا ہے۔ اور پریمیم سپورٹ کے سب سے اوپر، اس میں ایڈوانس سیکیورٹی، مانیٹرنگ اور آبزرویبلٹی ٹولز جیسی خصوصیات شامل ہیں – یہ سب HPE کے اندر کی مہارت سے تعاون یافتہ ہیں۔

آرمسٹرانگ بارنس نے وضاحت کرتے ہوئے کہا، "پرعزم AI کاروباری اداروں کے لیے ML ماڈلز کو پیمانے اور رفتار سے بنانے اور تربیت دینے کے لیے رکاوٹوں کو دور کرنے کے بارے میں ہے، تاکہ کم وقت میں زیادہ اہمیت کا احساس ہو، نئے HPE مشین لرننگ ڈیولپمنٹ سسٹم کے ساتھ،" آرمسٹرانگ بارنس بتاتے ہیں۔ "ان صلاحیتوں میں AI/مشین لرننگ کے کام کے بوجھ کو بہتر بنانے کے لیے کافی تکنیکی چیزیں شامل ہیں، جیسے ایکسلریٹر شیڈولنگ، فالٹ ٹولرنس، ماڈلز کی تیز رفتار متوازی اور تقسیم شدہ تربیت، جدید ترین ہائپر پیرامیٹر آپٹیمائزیشن اور نیورل فن تعمیر کی تلاش۔

"اس تادیبی کاموں میں شامل کریں جیسے تولیدی تعاون اور میٹرکس ٹریکنگ - یہ سب سے اوپر رکھنے کے لئے بہت کچھ ہے۔ Determined AI کی مدد سے پراجیکٹ کے ماہرین جدت پر توجہ مرکوز کر سکتے ہیں اور اپنے ڈیلیوری کے وقت کو تیزی سے ٹریک کر سکتے ہیں۔"

HPC کے مزید وسائل اور ضابطے اپنا کردار ادا کرتے ہیں۔

HPC کی طاقت کو AI ماڈلز کی تربیت اور بہتر بنانے کے لیے بھی تیزی سے استعمال کیا جا رہا ہے، اس کے علاوہ ماڈلنگ اور سمولیشن جیسے کام کے بوجھ کو بڑھانے کے لیے AI کے ساتھ مل کر - مینوفیکچرنگ انڈسٹری کے تمام شعبوں میں وقت سے متعلق دریافت کو تیز کرنے کے لیے طویل عرصے سے قائم کردہ ٹولز۔

عالمی HPC مارکیٹ 2020 کے بقیہ حصے میں متوقع ترقی کے لیے تیار ہے۔ مورڈور انٹیلی جنس اندازوں کے مطابق 56.98 میں اس کی قیمت $2023 بلین ہے، اور توقع ہے کہ یہ 96.79 تک $2028 بلین تک پہنچ جائے گی - پیشن گوئی کی مدت کے دوران 11.18 فیصد کا CAGR۔

"HPE ایک طویل عرصے سے HPC کا بنیادی ڈھانچہ بنا رہا ہے، اور اب ایک HPC پورٹ فولیو ہے جس میں Exascale Supercomputers اور density-optimized compute platforms شامل ہیں۔ کچھ بڑے HPC کلسٹرز HPE اختراع پر بنائے گئے ہیں،" آرمسٹرانگ بارنس کہتے ہیں۔ "HPE کے پاس اعلیٰ کارکردگی والے ہارڈویئر پلیٹ فارمز میں بے مثال مہارت ہے۔"

تعارف کے ساتھ بڑی زبان کے ماڈلز کے لیے HPE GreenLake اس سال کے شروع میں (2023)، انٹرپرائزز – اسٹارٹ اپ سے فارچیون 500 تک – ایک پائیدار سپر کمپیوٹنگ پلیٹ فارم کا استعمال کرتے ہوئے بڑے پیمانے پر AI کو تربیت، ٹیون اور تعینات کر سکتے ہیں جو HPE کے AI سافٹ ویئر اور جدید ترین سپر کمپیوٹرز کو یکجا کرتا ہے۔

واضح طور پر، AI کو اپنانا تمام سائز کی تنظیموں کے لیے چیلنج ہے، لیکن یہ صرف ٹیکنالوجی کے بارے میں نہیں ہے، آرمسٹرانگ بارنس بتاتے ہیں: "زیادہ سے زیادہ، تمام AI اختیار کرنے والوں کو ابھرتے ہوئے AI ضوابط اور تعمیل کے ساتھ تازہ ترین رہنا ہوگا۔ قانون سازی جیسے یو ایس اے آئی بل آف رائٹس، ای یو اے آئی ایکٹ اور آئندہ ریگولیٹری تجاویز جو یو کے حکومت کے اے آئی وائٹ پیپر میں مرتب کی گئی ہیں – عام طور پر توقع کی جاتی ہے کہ تعمیل کے لیے تیار اے آئی فریم ورک سے آگاہ کیا جائے گا – اس کی نمایاں مثالیں ہیں۔

بین الاقوامی سطح پر کام کرنے والے کاروباروں کے لیے، یہ سرخ فیتے میں لپٹی ہوئی ایک اور رکاوٹ کی طرح لگتا ہے، لیکن آرمسٹرانگ بارنس تجویز کرتے ہیں کہ ریگولیٹری تعمیل اتنی سخت نہیں ہو سکتی ہے جتنا کہ وہ ظاہر ہو سکتی ہیں - ایک اچھی طرح سے مقرر کردہ AI پارٹنرشپ ایکو سسٹم کی تھوڑی مدد سے۔

"چیک کریں کہ آیا آپ کے AI ایکو سسٹم کے شراکت دار بھی تعمیل میں آپ کی مدد کر سکتے ہیں - اگر آپ پہلے سے ہی بہت زیادہ ریگولیٹڈ کاروباری ماحول میں ہیں، تو یہ اچھی طرح سے ہو سکتا ہے کہ آپ پہلے سے ہی موجودہ مشاہدات کے ساتھ آدھے راستے پر ہیں۔"

HPE کی طرف سے سپانسر.

• SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
• پلیٹو ڈیٹا ڈاٹ نیٹ ورک ورٹیکل جنریٹو اے آئی۔ اپنے آپ کو بااختیار بنائیں۔ یہاں تک رسائی حاصل کریں۔
• پلیٹوآئ اسٹریم۔ ویب 3 انٹیلی جنس۔ علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
• پلیٹو ای ایس جی۔ کاربن، کلین ٹیک، توانائی ، ماحولیات، شمسی، ویسٹ مینجمنٹ یہاں تک رسائی حاصل کریں۔
• پلیٹو ہیلتھ۔ بائیوٹیک اینڈ کلینیکل ٹرائلز انٹیلی جنس۔ یہاں تک رسائی حاصل کریں۔
• ماخذ: https://go.theregister.com/feed/www.theregister.com/2023/10/25/putting_ai_challenges_in_perspective/