ਮਾਰਗਨ ਬਰਕ ਨੂੰ ਮਿਲੋ

ਮੋਰਗਨ ਬਰਕ ਦੱਖਣੀ ਵੇਲਜ਼ ਵਿੱਚ ਵੱਡੇ ਹੋਏ, ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਇਹ ਜਾਣਨ ਦੀ ਬਹੁਤ ਦਿਲਚਸਪੀ ਸੀ ਕਿ ਕੰਪਿਊਟਰ ਅਤੇ ਵੀਡੀਓ ਗੇਮਾਂ ਕਿਵੇਂ ਕੰਮ ਕਰਦੀਆਂ ਹਨ। "ਮੈਂ ਲਗਭਗ ਛੇ ਸਾਲ ਦੀ ਉਮਰ ਤੋਂ ਹੀ ਵੀਡੀਓ ਗੇਮਾਂ ਖੇਡ ਰਿਹਾ ਹਾਂ ਅਤੇ ਕੰਪਿਊਟਰ ਵਰਤ ਰਿਹਾ ਹਾਂ," ਉਹ ਕਹਿੰਦਾ ਹੈ। "ਗੈਰ-ਖੇਡਣਯੋਗ ਪਾਤਰ ਅਤੇ ਏਆਈ… ਇਹ ਸਦਾ ਮੈਨੂੰ ਮੋਹ ਲੈਂਦੇ ਰਹੇ ਹਨ ਕਿ ਉਹ ਦੁਨੀਆਂ ਵਿੱਚ ਕਿਵੇਂ ਨੈਵੀਗੇਟ ਕਰਦੇ ਹਨ।" ਉਹ ਸ਼ੁਰੂਆਤੀ ਜਿਗਿਆਸਾ ਉਸਦੇ ਨਾਲ ਹੀ ਰਹੀ, ਅਤੇ ਅੱਜ ਉਹ ਕਾਰਡਿਫ ਯੂਨੀਵਰਸਿਟੀ ਵਿੱਚ ਅਪਲਾਈਡ ਸਾਫਟਵੇਅਰ ਇੰਜੀਨੀਅਰਿੰਗ ਵਿੱਚ ਬੀ.ਐੱਸ.ਸੀ. ਦੇ ਆਖਰੀ ਸਾਲ ਵਿੱਚ ਹੈ—ਇੱਕ ਕੋਰਸ ਜੋ ਪ੍ਰੋਗ੍ਰਾਮਿੰਗ, ਟੀਮਵਰਕ ਅਤੇ ਅਮਲੀ ਸਮੱਸਿਆ-ਸੁਲਝਾਉਣ 'ਤੇ ਕੇਂਦਰਿਤ ਹੈ, ਨਾ ਕਿ ਸਿਰਫ਼ ਸਿਧਾਂਤ 'ਤੇ। "ਇਹ ਮੇਰੇ ਲਈ ਬਹੁਤ ਢੁਕਵਾਂ ਹੈ," ਉਹ ਕਹਿੰਦਾ ਹੈ, "ਕਿਉਂਕਿ ਮੈਨੂੰ ਤਕਨਾਲੋਜੀ ਨੂੰ ਕਿਤਾਬਾਂ ਵਿੱਚ ਨਹੀਂ, ਅਮਲ ਵਿੱਚ ਦੇਖਣਾ ਪਸੰਦ ਹੈ।"

ਹਾਲਾਂਕਿ ਮੋਰਗਨ ਲੰਬੇ ਸਮੇਂ ਤੋਂ AI ਵੱਲ ਆਕਰਸ਼ਿਤ ਸੀ, ਉਹ ਮੰਨਦਾ ਹੈ ਕਿ ਯੂਨੀਵਰਸਿਟੀ ਤੋਂ ਪਹਿਲਾਂ ਉਸਨੂੰ ਇਸ ਬਾਰੇ ਲਗਭਗ ਕੋਈ ਜਾਣਕਾਰੀ ਨਹੀਂ ਸੀ। ਉਸਦੀ ਡਿਗਰੀ ਵਿੱਚ ਵੀ ਇਸਨੂੰ ਵਿਸਥਾਰ ਨਾਲ ਨਹੀਂ ਪੜ੍ਹਾਇਆ ਗਿਆ ਸੀ, ਇਸ ਲਈ ਉਸਨੇ ਖੁਦ ਹੀ ਇਸਦਾ ਅਧਿਐਨ ਕੀਤਾ। ਉਸਦਾ ਵੱਡਾ ਮੋੜ ਉਦੋਂ ਆਇਆ ਜਦੋਂ ਉਸਨੇ ਫਾਰਮੂਲਾ ਸਟੂਡੈਂਟ AI ਬਾਰੇ ਪਤਾ ਲਗਾਇਆ, ਜੋ ਕਿ ਸਵੈਚਾਲਿਤ ਰੇਸਿੰਗ 'ਤੇ ਕੇਂਦਰਿਤ ਇੱਕ ਮੁਕਾਬਲਾ ਹੈ। ਲਗਭਗ ਉਸੇ ਸਮੇਂ, ਉਸਨੇ IBM ਸਕਿੱਲਜ਼ਬਿਲਡ ਅਤੇ IBM ਗ੍ਰੈਨਾਈਟ ਬਾਰੇ ਜਾਣਿਆ। "ਮੈਨੂੰ ਅਹਿਸਾਸ ਹੋਇਆ ਕਿ IBM ਅੱਜ ਕਿੰਨੀ ਸਰਗਰਮ ਅਤੇ ਪ੍ਰਸੰਗਿਕ ਹੈ, ਇਸ ਲਈ AI ਵਿੱਚ ਉਹਨਾਂ ਦੀ ਭੂਮਿਕਾ ਦੇਖ ਕੇ ਹੈਰਾਨੀ ਹੋਈ," ਮੋਰਗਨ ਕਹਿੰਦਾ ਹੈ। ਇਸ ਨਾਲ ਸਿੱਖਣ ਨੂੰ ਇੱਕ ਹੱਥ-ਅਨੁਭਵੀ, ਮੁਕਾਬਲਾਤੀ ਪ੍ਰੋਜੈਕਟ ਨਾਲ ਜੋੜਨ ਦਾ ਦਰਵਾਜ਼ਾ ਖੁਲ ਗਿਆ।

IBM SkillsBuild ਰਾਹੀਂ, ਮੋਰਗਨ ਨੇ ਆਪਣੀ ਤਕਨੀਕੀ ਜਾਣਕਾਰੀ ਅਤੇ AI ਬਾਰੇ ਆਪਣਾ ਨਜ਼ਰੀਆ ਦੋਹਾਂ ਨੂੰ ਹੋਰ ਗਹਿਰਾਈ ਨਾਲ ਵਿਕਸਤ ਕੀਤਾ। "ਉੱਥੇ ਇੱਕ ਕੋਰਸ ਹੈ ਜਿਸਦਾ ਨਾਮ Artificial Intelligence Fundamentals ਹੈ, ਜਿਸ ਨੇ AI ਦੀ ਵਰਤੋਂ ਬਾਰੇ ਮੇਰੀ ਜਾਣਕਾਰੀ ਨੂੰ ਹੋਰ ਗਹਿਰਾਈ ਨਾਲ ਵਿਕਸਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕੀਤੀ। ਪਰ ਇਸ ਨੇ ਹੋਰ ਚੀਜ਼ਾਂ ਵੀ ਸ਼ਾਮਿਲ ਕੀਤੀਆਂ, ਜਿਵੇਂ AI ਦੀ ਨੈਤਿਕਤਾ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰ ਵਿਕਾਸ, ਜਿਨ੍ਹਾਂ ਬਾਰੇ ਮੈਂ ਸੁਣਿਆ ਤਾਂ ਸੀ ਪਰ ਕਦੇ ਠੀਕ ਤਰ੍ਹਾਂ ਖੋਜ ਜਾਂ ਵਿਚਾਰ ਨਹੀਂ ਕੀਤਾ," ਉਹ ਦੱਸਦਾ ਹੈ। ਉਸ ਨੇ ਕੰਮਕਾਜੀ ਹੁਨਰਾਂ ਦੇ ਕੋਰਸ ਵੀ ਲਏ, ਜਿਨ੍ਹਾਂ ਨੇ ਟੀਮਵਰਕ, ਐਜਾਈਲ ਮੈਥਡੋਲੋਜੀ ਅਤੇ ਸੰਚਾਰ 'ਤੇ ਜ਼ੋਰ ਦਿੱਤਾ—ਇਹ ਹੁਨਰ ਉਸ ਨੇ ਤੁਰੰਤ ਹੀ ਲੀਡਰ ਵਜੋਂ ਵਰਤਣ ਲਈ ਲਾਗੂ ਕੀਤੇ।ਕਾਰਡਿਫ ਆਟੋਨੋਮਸ ਰੇਸਿੰਗ (CAR). "ਉਹ ਸਾਰੇ ਤਬਦੀਲਯੋਗ ਹੁਨਰ ਸਨ ਜੋ ਰੇਸਿੰਗ ਟੀਮ ਦੀ ਸਥਾਪਨਾ ਕਰਦਿਆਂ ਮਜ਼ਬੂਤ ਕਰਨ ਅਤੇ ਅੱਗੇ ਵਧਾਉਣ ਲਈ ਬਹੁਤ ਕੀਮਤੀ ਸਨ," ਮੋਰਗਨ ਨੋਟ ਕਰਦਾ ਹੈ। IBM Granite 'ਤੇ ਇੱਕ ਕੋਰਸ ਨੇ ਉਸਨੂੰ AI ਨਾਲ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਤਰੀਕੇ ਨਾਲ ਇੰਟਰੈਕਟ ਕਰਨਾ ਸਿਖਾਇਆ। "ਇਹ ਕਾਫੀ ਗਹਿਰਾਈ ਵਾਲਾ ਸੀ ਅਤੇ ਇਸ ਨੇ ਤੁਹਾਨੂੰ Granite ਨੂੰ ਠੀਕ ਤਰੀਕੇ ਨਾਲ ਵਰਤਣਾ ਅਤੇ ਇਸ ਦਾ ਪੂਰਾ ਫਾਇਦਾ ਉਠਾਉਣਾ ਸਿਖਾਇਆ," ਉਹ ਕਹਿੰਦਾ ਹੈ।

ਮੌਰਗਨ ਦੀ ਟੀਮ ਪ੍ਰੋਜੈਕਟ ਦੇ ਹਰ ਪਹਿਲੂ ਵਿੱਚ IBM ਗ੍ਰੈਨਾਈਟ ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ। "ਅਸੀਂ ਗ੍ਰੈਨਾਈਟ ਦੀ ਵਰਤੋਂ ਕਈ ਤਰੀਕਿਆਂ ਨਾਲ ਕਰਦੇ ਹਾਂ। ਅਸੀਂ ਇਸਦੀ ਵਰਤੋਂ ਤਕਨੀਕੀ ਤੌਰ 'ਤੇ, ਸਾਡੇ ਸਾਫਟਵੇਅਰ ਵਿਕਾਸ ਜੀਵਨ ਚੱਕਰ ਵਿੱਚ ਵਿਕਾਸ ਲਈ ਕਰਦੇ ਹਾਂ, ਅਸੀਂ ਇਸਦੀ ਵਰਤੋਂ ਸੰਗਠਨਾਤਮਕ ਕੰਮਾਂ ਲਈ ਕਰਦੇ ਹਾਂ ਜਿਵੇਂ ਕਿ ਮੁਕਾਬਲਿਆਂ ਵਿੱਚ ਜਾਣ ਦੀ ਲੋਜਿਸਟਿਕਸ, ਅਤੇ ਇਹ ਸਾਨੂੰ ਖਰਚੇ ਦੇ ਅਨੁਮਾਨਾਂ ਦਾ ਇੱਕ ਤੇਜ਼ ਸਾਰ ਦਿੰਦਾ ਹੈ," ਉਹ ਦੱਸਦਾ ਹੈ। "ਅੰਤ ਵਿੱਚ, ਅਸੀਂ ਇਸਨੂੰ ਮੁਕਾਬਲਿਆਂ ਵਿੱਚ ਆਪਣੀ ਵਪਾਰਕ ਟੀਮ ਲਈ ਵਰਤਦੇ ਹਾਂ, ਜੋ ਫੰਡਿੰਗ ਪਿਚਾਂ ਅਤੇ ਪੇਸ਼ਕਾਰੀਆਂ ਲਈ ਵਿਚਾਰ ਦਿੰਦਾ ਹੈ।" ਉਹ ਗ੍ਰੈਨਾਈਟ ਦੀ ਵਰਤੋਂ ਨੂੰ "ਲਗਭਗ ਇੱਕ ਸਲਾਹਕਾਰੀ ਭੂਮਿਕਾ ਵਾਂਗ" ਦੱਸਦਾ ਹੈ। "ਇਹ ਸਾਡੀ ਥਾਂ ਇੰਜੀਨੀਅਰਾਂ ਵਜੋਂ ਨਹੀਂ ਲੈਂਦਾ, ਪਰ ਇਹ ਸਾਨੂੰ ਦੱਸਦਾ ਹੈ ਕਿ ਅਸੀਂ ਕੁਝ ਗਲਤ ਕੀਤਾ ਹੈ ਜਾਂ ਸਾਨੂੰ ਕੋਈ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ, ਜੋ ਕਿ ਬਹੁਤ ਕੀਮਤੀ ਹੈ।"

CAR ਨੂੰ ਸ਼ੁਰੂ ਤੋਂ ਬਣਾਉਣਾ ਇੱਕ ਵੱਡੀ ਚੁਣੌਤੀ ਸੀ। "ਮੈਂ ਸ਼ੁਰੂ ਵਿੱਚ ਯੂਨੀਵਰਸਿਟੀ ਦੀ ਭੌਤਿਕ ਕਾਰ-ਨਿਰਮਾਣ ਟੀਮ ਵਿੱਚ ਦਿਲਚਸਪੀ ਰੱਖਦਾ ਸੀ, ਪਰ ਮੇਰੀਆਂ ਹੁਨਰਾਂ ਵਾਸਤਵ ਵਿੱਚ ਲਾਗੂ ਨਹੀਂ ਹੋ ਸਕਦੀਆਂ ਸਨ… ਮੈਨੂੰ ਇੰਜਣ ਬਣਾਉਣਾ ਨਹੀਂ ਆਉਂਦਾ," ਉਹ ਕਹਿੰਦਾ ਹੈ। ਇਸ ਲਈ, ਉਸਨੇ ਵਿਦਿਆਰਥੀਆਂ ਦੀ ਇੱਕ AI ਰੇਸਿੰਗ ਟੀਮ ਬਣਾਉਣ ਦਾ ਵਿਚਾਰ ਪੇਸ਼ ਕੀਤਾ। "ਮੈਂ ਇਕੱਲਾ ਹੀ ਕੰਪਿਊਟਰ ਸਾਇੰਸ ਸਕੂਲ ਗਿਆ ਅਤੇ ਅਸਲ ਵਿੱਚ ਕਿਹਾ, 'ਇੱਥੇ ਕੁਝ ਬਹੁਤ ਵਧੀਆ ਹੋ ਸਕਦਾ ਹੈ। ਸਾਨੂੰ ਇਹ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।' ਉਨ੍ਹਾਂ ਨੂੰ ਇਹ ਬਹੁਤ ਪਸੰਦ ਆਇਆ, ਸਾਨੂੰ ਫੰਡ ਦਿੱਤਾ, ਅਤੇ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਮਨਜ਼ੂਰੀ ਦਿੱਤੀ।" ਮੋਰਗਨ ਨੇ ਲਗਭਗ 30 ਮੈਂਬਰ ਭਰਤੀ ਕੀਤੇ, ਜਿਨ੍ਹਾਂ ਵਿੱਚੋਂ ਲਗਭਗ 20 ਟੀਮ ਦੇ ਸਮਰਪਿਤ ਭਾਗੀਦਾਰ ਬਣੇ।

ਸਿਲਵਰਸਟੋਨ ਵਿਖੇ CAR ਨੇ ਜਿਨ੍ਹਾਂ ਚੁਣੌਤੀਆਂ—ਧਾਰਨਾ, ਮਾਰਗ ਯੋਜਨਾਬੰਦੀ, ਨਿਯੰਤਰਣ ਪ੍ਰਣਾਲੀਆਂ, ਜੋਖਮ ਮੁਲਾਂਕਣ—ਨੂੰ ਹੱਲ ਕੀਤਾ, ਉਹ ਅਸਲ-ਦੁਨੀਆ ਦੀਆਂ ਉਦਯੋਗਾਂ ਦੀ ਜਟਿਲਤਾ ਨੂੰ ਦਰਸਾਉਂਦੀਆਂ ਹਨ। "ਅਸੀਂ ਜੋ ਚੁਣੌਤੀਆਂ ਹੱਲ ਕਰ ਰਹੇ ਹਾਂ, ਉਹ ਆਧੁਨਿਕ ਉਦਯੋਗਾਂ ਦੀਆਂ ਜਟਿਲ ਮੰਗਾਂ ਨੂੰ ਸਿੱਧਾ ਦਰਸਾਉਂਦੀਆਂ ਹਨ, ਲੌਜਿਸਟਿਕਸ ਤੋਂ ਲੈ ਕੇ ਸਮਾਰਟ ਸ਼ਹਿਰਾਂ ਤੱਕ," ਉਹ ਕਹਿੰਦਾ ਹੈ। ਤਕਨੀਕੀ ਹੁਨਰਾਂ ਤੋਂ ਇਲਾਵਾ, ਟੀਮ ਨੇ ਇੱਕ ਨਕਲੀ ਨਿਵੇਸ਼ ਪ੍ਰਸਤਾਵ ਵੀ ਪੇਸ਼ ਕੀਤਾ, ਜਿਸ ਨਾਲ "ਸਿਰਫ਼ ਸਾਡੀ ਤਕਨੀਕੀ ਮਹਾਰਤ ਹੀ ਨਹੀਂ, ਬਲਕਿ ਬਾਜ਼ਾਰ ਦੀ ਗਤੀਸ਼ੀਲਤਾ ਅਤੇ ਵਪਾਰਕ ਯੋਗਤਾ ਦੀ ਮਜ਼ਬੂਤ ਸਮਝ" ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਹੋਇਆ। ਮੋਰਗਨ ਲਈ, ਇਹ ਉਹਨਾਂ ਦੇ ਪਹਿਲੇ ਸਾਲ ਦੀ ਇੱਕ ਖਾਸ ਗੱਲ ਸੀ। "ਅਸੀਂ ਯੂਕੇ ਦੇ ਸਿਲਵਰਸਟੋਨ ਰੇਸ ਸਰਕਟ ਵਿੱਚ ਅਸਲ ਮੁਕਾਬਲਾ ਕਰਨ ਲਈ ਲਗਭਗ ਗਿਆਰਾਂ ਜਾਂ ਬਾਰਾਂ ਲੋਕਾਂ ਨੂੰ ਚਾਰ ਜਾਂ ਪੰਜ ਦਿਨਾਂ ਲਈ ਲਿਆਂਦੇ। ਇਹ ਸ਼ਾਨਦਾਰ ਸੀ। ਅਸੀਂ ਉਹੀ ਮੁਕਾਬਲਾ ਕਰ ਰਹੇ ਦੂਜੇ ਵਿਦਿਆਰਥੀਆਂ ਨਾਲ ਵਧੀਆ ਸੰਪਰਕ ਬਣਾਏ। ਅਸੀਂ ਉੱਥੇ ਪ੍ਰਤਿਭਾ ਦੀ ਭਾਲ ਕਰ ਰਹੀਆਂ ਕੰਪਨੀਆਂ ਦੇ ਸਟਾਲਾਂ ਨਾਲ ਵਧੀਆ ਸੰਪਰਕ ਬਣਾਏ, ਅਤੇ ਅਸੀਂ IBM ਦੇ ਜੌਨ ਮੈਕਨਾਮਾਰਾ ਨਾਲ ਵੀ ਮਿਲੇ। ਅਸੀਂ ਉਸ ਨਾਲ ਗੱਲਬਾਤ ਕੀਤੀ, ਉਸਨੇ ਆਲੇ-ਦੁਆਲੇ ਦੇਖਿਆ, ਅਤੇ ਇੱਕ ਸਪਾਂਸਰ ਨਾਲ ਆਹਮੋ-ਸਾਹਮਣੇ ਮਿਲਣਾ ਕਾਫ਼ੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਸੀ। ਮੈਨੂੰ ਸੱਚਮੁੱਚ ਸੰਪਰਕ ਬਣਾਉਣ ਅਤੇ ਉਸ ਮਾਹੌਲ ਵਿੱਚ ਘਿਰਿਆ ਹੋਇਆ ਉੱਥੇ ਹੋਣ ਦਾ ਬਹੁਤ ਆਨੰਦ ਆਇਆ।"

ਅੱਗੇ ਵੇਖਦਿਆਂ, ਮੋਰਗਨ CAR ਨੂੰ ਵਧਾਉਣਾ ਅਤੇ ਨਵੀਆਂ ਉਚਾਈਆਂ 'ਤੇ ਪਹੁੰਚਣਾ ਚਾਹੁੰਦਾ ਹੈ। "ਅਗਲੇ ਸਾਲ, ਅਸੀਂ ਮੈਂਬਰਸ਼ਿਪ ਵਿੱਚ ਹੋਰ 10 ਲੋਕ ਸ਼ਾਮਿਲ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਾਂ, 20 ਤੋਂ 25 ਵਿਦਿਆਰਥੀਆਂ ਨੂੰ ਸਿਲਵਰਸਟੋਨ ਲੈ ਕੇ ਜਾਣਾ ਹੈ, ਅਤੇ ਸਾਡਾ ਵੱਡਾ ਮਕਸਦ ਮੁਕਾਬਲੇ ਵਿੱਚ ਟੌਪ 10 ਵਿੱਚ ਆਉਣਾ ਹੈ," ਉਹ ਕਹਿੰਦਾ ਹੈ। ਲੰਬੇ ਸਮੇਂ ਲਈ, ਉਹ ਸਾਫਟਵੇਅਰ ਇੰਜੀਨੀਅਰ ਵਜੋਂ ਉਦਯੋਗਕ ਅਨੁਭਵ ਹਾਸਲ ਕਰਨ ਤੋਂ ਬਾਅਦ ਬਿਜ਼ਨਸ ਐਡਮਿਨਿਸਟ੍ਰੇਸ਼ਨ ਵਿੱਚ ਮਾਸਟਰਜ਼ ਕਰਨ ਅਤੇ ਇੱਕ ਨੇਤ੍ਰਿਤਵ ਭੂਮਿਕਾ ਵਿੱਚ ਆਉਣ ਦੀ ਉਮੀਦ ਰੱਖਦਾ ਹੈ। ਉਹ CAR ਨੂੰ ਆਟੋਨੋਮਸ ਵਾਹਨ ਇੰਜੀਨੀਅਰਾਂ ਦੀ ਅਗਲੀ ਪੀੜ੍ਹੀ ਨੂੰ ਯੋਗਦਾਨ ਪਾਉਣ ਵਾਲਾ ਮੰਨਦਾ ਹੈ, ਅਤੇ ਮੰਨਦਾ ਹੈ ਕਿ ਆਟੋਨੋਮਸ ਵਾਹਨਾਂ ਦੀ ਲਾਗੂਗੀਰੀ "ਹਜ਼ਾਰਾਂ ਜਾਨਾਂ ਬਚਾ ਸਕਦੀ ਹੈ ਅਤੇ ਮਨੁੱਖੀ ਡਰਾਈਵਰਾਂ ਵੱਲੋਂ ਹੋਣ ਵਾਲੀਆਂ ਹਜ਼ਾਰਾਂ ਘਟਨਾਵਾਂ ਨੂੰ ਰੋਕ ਸਕਦੀ ਹੈ।" ਉਹ ਇਹ ਵੀ ਮੰਨਦਾ ਹੈ ਕਿ CAR ਆਟੋਨੋਮਸ ਵਾਹਨਾਂ ਬਾਰੇ ਜਨਤਾ ਦੀ ਧਾਰਣਾ ਨੂੰ ਸਪਸ਼ਟ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ—ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਗੱਲ ਜਿਸਨੂੰ ਟੀਮ ਖੋਜਣ ਅਤੇ ਅਮਲ ਵਿੱਚ ਲਿਆਉਣ ਲਈ ਵਚਨਬੱਧ ਹੈ।

AI ਵਿੱਚ ਸ਼ੁਰੂਆਤ ਕਰਨ ਦੇ ਚਾਹਵਾਨ ਵਿਦਿਆਰਥੀਆਂ ਲਈ, ਮੌਰਗਨ ਦੀ ਸਲਾਹ ਸਪੱਸ਼ਟ ਹੈ: "ਮੇਰੇ ਖਿਆਲ ਵਿੱਚ, ਬੁਨਿਆਦੀ ਗੱਲਾਂ ਸਿੱਖਣ ਲਈ, ਮੈਨੂੰ IBM SkillsBuild ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਨਾ ਪਵੇਗਾ… ਇਹ ਸ਼ੁਰੂਆਤ ਕਰਨ ਅਤੇ ਤੁਹਾਨੂੰ AI ਬਾਰੇ ਸਿੱਖਣ ਦੇ ਮਾਹੌਲ ਵਿੱਚ ਲਿਆਉਣ ਦਾ ਇੱਕ ਵਧੀਆ ਤਰੀਕਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਸਿਰਫ਼ ਸ਼ੁਰੂ ਕਰੋ: ਵੀਡੀਓਜ਼ ਦੇਖੋ, ਪੇਪਰ ਪੜ੍ਹੋ, ਕਿਸੇ ਡਿਵੈਲਪਮੈਂਟ ਵਾਤਾਵਰਣ ਵਿੱਚ ਕੁਝ ਅਜ਼ਮਾਓ।" ਉਹ ਅੱਗੇ ਕਹਿੰਦਾ ਹੈ, "AI ਨੂੰ ਸਲਾਹਕਾਰ ਵਜੋਂ ਵਰਤਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਨਾ ਕਿ ਬਦਲ ਵਜੋਂ। ਇਹ ਸਾਨੂੰ ਹੋਸ਼ਿਆਰੀ ਨਾਲ ਕੰਮ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ ਪਰ ਫਿਰ ਵੀ ਇਹ ਮਨੁੱਖੀ ਰਚਨਾਤਮਕਤਾ ਅਤੇ ਫੈਸਲਾ-ਸਾਜ਼ੀ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ।" ਮੋਰਗਨ ਦੀ ਯਾਤਰਾ ਦਿਖਾਉਂਦੀ ਹੈ ਕਿ ਸਹੀ ਮਾਰਗਦਰਸ਼ਨ, ਸੰਦਾਂ ਅਤੇ ਲਗਨ ਨਾਲ, ਵਿਦਿਆਰਥੀ ਨਾ ਸਿਰਫ਼ AI ਸਿੱਖ ਸਕਦੇ ਹਨ, ਬਲਕਿ ਇਸਨੂੰ ਪ੍ਰੋਜੈਕਟਾਂ ਵਿੱਚ ਵੀ ਲਾਗੂ ਕਰ ਸਕਦੇ ਹਨ, ਜਿਵੇਂ ਕਿਕਾਰਡਿਫ ਆਟੋਨੋਮਸ ਰੇਸਿੰਗ (CAR)ਜੋ ਦੂਜਿਆਂ ਨੂੰ ਪ੍ਰੇਰਿਤ ਕਰਦੇ ਹਨ ਅਤੇ ਇੱਕ ਠੋਸ ਪ੍ਰਭਾਵ ਪਾਉਂਦੇ ਹਨ।