ਸਿਖਲਾਈ ਏਆਈ ਮਾਡਲ: ਘੱਟ ਲਾਗਤ ਵਾਲੇ ਏਆਈ ਵਿਕਾਸ ਦੀ ਖੋਜ
ਸਿਖਲਾਈ ਏਆਈ ਮਾਡਲ: ਘੱਟ ਲਾਗਤ ਵਾਲੇ ਏਆਈ ਵਿਕਾਸ ਦੀ ਖੋਜ
ਸਿਖਲਾਈ ਏਆਈ ਮਾਡਲ: ਘੱਟ ਲਾਗਤ ਵਾਲੇ ਏਆਈ ਵਿਕਾਸ ਦੀ ਖੋਜ
- ਲੇਖਕ ਬਾਰੇ:
- ਮਾਰਚ 21, 2023
ਡੀਪ ਲਰਨਿੰਗ (DL) ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਦੇ ਵਿਕਾਸ ਵਿੱਚ ਕਈ ਚੁਣੌਤੀਆਂ ਦਾ ਇੱਕ ਸਮਰੱਥ ਹੱਲ ਸਾਬਤ ਹੋਇਆ ਹੈ। ਹਾਲਾਂਕਿ, ਡੀਐਲ ਵੀ ਮਹਿੰਗਾ ਹੁੰਦਾ ਜਾ ਰਿਹਾ ਹੈ। ਡੂੰਘੇ ਤੰਤੂ ਨੈੱਟਵਰਕ ਨੂੰ ਚਲਾਉਣ ਲਈ ਉੱਚ ਪ੍ਰੋਸੈਸਿੰਗ ਸਰੋਤਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਖਾਸ ਤੌਰ 'ਤੇ ਪ੍ਰੀ-ਟ੍ਰੇਨਿੰਗ ਵਿੱਚ। ਇਸ ਤੋਂ ਵੀ ਮਾੜੀ ਗੱਲ ਇਹ ਹੈ ਕਿ ਇਸ ਊਰਜਾ-ਤੀਬਰ ਪ੍ਰਕਿਰਿਆ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਇਹਨਾਂ ਲੋੜਾਂ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਵੱਡੇ ਕਾਰਬਨ ਫੁੱਟਪ੍ਰਿੰਟਸ ਹੁੰਦੇ ਹਨ, AI ਖੋਜ ਵਪਾਰੀਕਰਨ ਦੀਆਂ ESG ਰੇਟਿੰਗਾਂ ਨੂੰ ਨੁਕਸਾਨ ਪਹੁੰਚਾਉਂਦੇ ਹਨ।
AI ਮਾਡਲਾਂ ਦੇ ਸੰਦਰਭ ਦੀ ਸਿਖਲਾਈ
ਪੂਰਵ-ਸਿਖਲਾਈ ਹੁਣ ਵੱਡੇ ਪੈਮਾਨੇ ਦੇ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਬਣਾਉਣ ਲਈ ਸਭ ਤੋਂ ਪ੍ਰਸਿੱਧ ਪਹੁੰਚ ਹੈ, ਅਤੇ ਇਸਨੇ ਕੰਪਿਊਟਰ ਵਿਜ਼ਨ (ਸੀਵੀ) ਅਤੇ ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਪ੍ਰੋਸੈਸਿੰਗ (ਐਨਐਲਪੀ) ਵਿੱਚ ਬਹੁਤ ਸਫਲਤਾ ਦਿਖਾਈ ਹੈ। ਹਾਲਾਂਕਿ, ਵੱਡੇ DL ਮਾਡਲਾਂ ਦਾ ਵਿਕਾਸ ਕਰਨਾ ਬਹੁਤ ਮਹਿੰਗਾ ਹੋ ਗਿਆ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਓਪਨਏਆਈ ਦੇ ਜਨਰੇਟਿਵ ਪ੍ਰੀ-ਟ੍ਰੇਂਡ ਟ੍ਰਾਂਸਫਾਰਮਰ 3 (GPT-3), ਜਿਸ ਵਿੱਚ 175 ਬਿਲੀਅਨ ਮਾਪਦੰਡ ਹਨ ਅਤੇ ਉੱਚ ਪੱਧਰੀ ਗਰਾਫਿਕਸ ਕਾਰਡਾਂ ਵਾਲੇ ਵਿਸ਼ਾਲ ਸਰਵਰ ਕਲੱਸਟਰਾਂ ਤੱਕ ਪਹੁੰਚ ਦੀ ਲੋੜ ਹੈ, ਦੀ ਸਿਖਲਾਈ ਦੀ ਅਨੁਮਾਨਿਤ ਲਾਗਤ USD $12 ਮਿਲੀਅਨ ਸੀ। ਮਾਡਲ ਨੂੰ ਚਲਾਉਣ ਲਈ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਰਵਰ ਅਤੇ ਸੈਂਕੜੇ ਗੀਗਾਬਾਈਟ ਵੀਡਿਓ ਰੈਂਡਮ ਐਕਸੈਸ ਮੈਮੋਰੀ (VRAM) ਦੀ ਵੀ ਲੋੜ ਹੈ।
ਹਾਲਾਂਕਿ ਵੱਡੀਆਂ ਤਕਨੀਕੀ ਕੰਪਨੀਆਂ ਅਜਿਹੇ ਸਿਖਲਾਈ ਦੇ ਖਰਚਿਆਂ ਨੂੰ ਬਰਦਾਸ਼ਤ ਕਰਨ ਦੇ ਯੋਗ ਹੋ ਸਕਦੀਆਂ ਹਨ, ਇਹ ਛੋਟੇ ਸਟਾਰਟਅਪਸ ਅਤੇ ਖੋਜ ਸੰਸਥਾਵਾਂ ਲਈ ਮਨਾਹੀ ਬਣ ਜਾਂਦੀ ਹੈ। ਤਿੰਨ ਕਾਰਕ ਇਸ ਖਰਚੇ ਨੂੰ ਚਲਾਉਂਦੇ ਹਨ।
1. ਵਿਆਪਕ ਗਣਨਾ ਖਰਚੇ, ਜਿਸ ਲਈ ਹਜ਼ਾਰਾਂ ਗ੍ਰਾਫਿਕ ਪ੍ਰੋਸੈਸਿੰਗ ਯੂਨਿਟਾਂ (GPUs) ਦੇ ਨਾਲ ਕਈ ਹਫ਼ਤਿਆਂ ਦੀ ਲੋੜ ਹੋਵੇਗੀ।
2. ਫਾਈਨ-ਟਿਊਨਡ ਮਾਡਲਾਂ ਲਈ ਵੱਡੇ ਸਟੋਰੇਜ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਆਮ ਤੌਰ 'ਤੇ ਸੈਂਕੜੇ ਗੀਗਾਬਾਈਟ (GBs) ਲੈਂਦੇ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਵੱਖ-ਵੱਖ ਕੰਮਾਂ ਲਈ ਕਈ ਮਾਡਲਾਂ ਨੂੰ ਸਟੋਰ ਕਰਨ ਦੀ ਲੋੜ ਹੈ।
3. ਵੱਡੇ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਸਟੀਕ ਕੰਪਿਊਟੇਸ਼ਨਲ ਪਾਵਰ ਅਤੇ ਹਾਰਡਵੇਅਰ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ; ਨਹੀਂ ਤਾਂ, ਨਤੀਜੇ ਆਦਰਸ਼ ਨਹੀਂ ਹੋ ਸਕਦੇ ਹਨ।
ਨਿਰੋਧਕ ਲਾਗਤਾਂ ਦੇ ਕਾਰਨ, ਏਆਈ ਖੋਜ ਤੇਜ਼ੀ ਨਾਲ ਵਪਾਰਕ ਬਣ ਗਈ ਹੈ, ਜਿਸ ਵਿੱਚ ਵੱਡੀ ਤਕਨੀਕੀ ਕੰਪਨੀਆਂ ਖੇਤਰ ਵਿੱਚ ਅਧਿਐਨ ਦੀ ਅਗਵਾਈ ਕਰ ਰਹੀਆਂ ਹਨ। ਇਹ ਫਰਮਾਂ ਆਪਣੀਆਂ ਖੋਜਾਂ ਤੋਂ ਵੱਧ ਤੋਂ ਵੱਧ ਲਾਭ ਲੈਣ ਲਈ ਵੀ ਖੜ੍ਹੀਆਂ ਹਨ। ਇਸ ਦੌਰਾਨ, ਖੋਜ ਸੰਸਥਾਵਾਂ ਅਤੇ ਗੈਰ-ਲਾਭਕਾਰੀ ਸੰਸਥਾਵਾਂ ਨੂੰ ਅਕਸਰ ਇਹਨਾਂ ਕਾਰੋਬਾਰਾਂ ਨਾਲ ਸਹਿਯੋਗ ਕਰਨਾ ਪੈਂਦਾ ਹੈ ਜੇਕਰ ਉਹ ਖੇਤਰ ਵਿੱਚ ਆਪਣੀ ਖੋਜ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਨ।
ਵਿਘਨਕਾਰੀ ਪ੍ਰਭਾਵ
ਅਜਿਹੇ ਸਬੂਤ ਹਨ ਜੋ ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ ਕਿ ਨਿਊਰਲ ਨੈਟਵਰਕ ਨੂੰ "ਛਾਂਟਿਆ" ਜਾ ਸਕਦਾ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਸੁਪਰਸਾਈਜ਼ਡ ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ ਦੇ ਅੰਦਰ, ਇੱਕ ਛੋਟਾ ਸਮੂਹ ਇਸਦੀ ਕਾਰਜਸ਼ੀਲਤਾ 'ਤੇ ਭਾਰੀ ਪ੍ਰਭਾਵ ਪਾਏ ਬਿਨਾਂ ਅਸਲ AI ਮਾਡਲ ਦੇ ਬਰਾਬਰ ਸ਼ੁੱਧਤਾ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦਾ ਹੈ। ਉਦਾਹਰਨ ਲਈ, 2020 ਵਿੱਚ, ਸਵਾਰਥਮੋਰ ਕਾਲਜ ਅਤੇ ਲਾਸ ਅਲਾਮੋਸ ਨੈਸ਼ਨਲ ਲੈਬਾਰਟਰੀ ਦੇ AI ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਦਰਸਾਇਆ ਕਿ ਭਾਵੇਂ ਇੱਕ ਗੁੰਝਲਦਾਰ DL ਮਾਡਲ ਗਣਿਤ-ਵਿਗਿਆਨੀ ਜੌਹਨ ਕੋਨਵੇ ਦੇ ਗੇਮ ਆਫ਼ ਲਾਈਫ ਵਿੱਚ ਭਵਿੱਖ ਦੇ ਕਦਮਾਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨਾ ਸਿੱਖ ਸਕਦਾ ਹੈ, ਇੱਥੇ ਹਮੇਸ਼ਾ ਇੱਕ ਛੋਟਾ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਹੁੰਦਾ ਹੈ ਜਿਸਨੂੰ ਸਿਖਾਇਆ ਜਾ ਸਕਦਾ ਹੈ। ਉਹੀ ਕੰਮ ਕਰਨ ਲਈ.
ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਖੋਜ ਕੀਤੀ ਕਿ ਜੇਕਰ ਉਹ ਪੂਰੀ ਸਿਖਲਾਈ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਪੂਰਾ ਕਰਨ ਤੋਂ ਬਾਅਦ ਇੱਕ ਡੀਐਲ ਮਾਡਲ ਦੇ ਕਈ ਮਾਪਦੰਡਾਂ ਨੂੰ ਰੱਦ ਕਰਦੇ ਹਨ, ਤਾਂ ਉਹ ਇਸਨੂੰ ਇਸਦੇ ਅਸਲ ਆਕਾਰ ਦੇ 10 ਪ੍ਰਤੀਸ਼ਤ ਤੱਕ ਘਟਾ ਸਕਦੇ ਹਨ ਅਤੇ ਫਿਰ ਵੀ ਉਹੀ ਨਤੀਜਾ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹਨ। ਕਈ ਤਕਨੀਕੀ ਕੰਪਨੀਆਂ ਲੈਪਟਾਪ ਅਤੇ ਸਮਾਰਟਫ਼ੋਨ ਵਰਗੇ ਡਿਵਾਈਸਾਂ 'ਤੇ ਸਪੇਸ ਬਚਾਉਣ ਲਈ ਪਹਿਲਾਂ ਹੀ ਆਪਣੇ AI ਮਾਡਲਾਂ ਨੂੰ ਸੰਕੁਚਿਤ ਕਰ ਰਹੀਆਂ ਹਨ। ਇਹ ਵਿਧੀ ਨਾ ਸਿਰਫ਼ ਪੈਸੇ ਦੀ ਬਚਤ ਕਰਦੀ ਹੈ ਬਲਕਿ ਸੌਫਟਵੇਅਰ ਨੂੰ ਬਿਨਾਂ ਇੰਟਰਨੈਟ ਕਨੈਕਸ਼ਨ ਦੇ ਚੱਲਣ ਅਤੇ ਅਸਲ-ਸਮੇਂ ਵਿੱਚ ਨਤੀਜੇ ਪ੍ਰਾਪਤ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ।
ਅਜਿਹੇ ਮੌਕੇ ਵੀ ਸਨ ਜਦੋਂ ਸੂਰਜੀ ਬੈਟਰੀਆਂ ਜਾਂ ਬਟਨ ਸੈੱਲਾਂ ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਡਿਵਾਈਸਾਂ 'ਤੇ DL ਸੰਭਵ ਸੀ, ਛੋਟੇ ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ ਦਾ ਧੰਨਵਾਦ। ਹਾਲਾਂਕਿ, ਛਾਂਗਣ ਵਿਧੀ ਦੀ ਇੱਕ ਸੀਮਾ ਇਹ ਹੈ ਕਿ ਮਾਡਲ ਨੂੰ ਅਜੇ ਵੀ ਇਸ ਨੂੰ ਘਟਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਿਖਲਾਈ ਦੇਣ ਦੀ ਲੋੜ ਹੈ। ਨਿਊਰਲ ਸਬਸੈੱਟਾਂ 'ਤੇ ਕੁਝ ਸ਼ੁਰੂਆਤੀ ਅਧਿਐਨ ਸਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਆਪਣੇ ਆਪ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਹਾਲਾਂਕਿ, ਉਹਨਾਂ ਦੀ ਸ਼ੁੱਧਤਾ ਸੁਪਰਸਾਈਜ਼ਡ ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ ਵਰਗੀ ਨਹੀਂ ਹੈ।
ਏਆਈ ਮਾਡਲਾਂ ਦੀ ਸਿਖਲਾਈ ਦੇ ਪ੍ਰਭਾਵ
ਸਿਖਲਾਈ ਏਆਈ ਮਾਡਲਾਂ ਦੇ ਵਿਆਪਕ ਪ੍ਰਭਾਵਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋ ਸਕਦੇ ਹਨ:
- ਸਿਖਲਾਈ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਦੇ ਵੱਖ-ਵੱਖ ਤਰੀਕਿਆਂ ਵਿੱਚ ਵਧੀ ਹੋਈ ਖੋਜ; ਹਾਲਾਂਕਿ, ਫੰਡਾਂ ਦੀ ਘਾਟ ਕਾਰਨ ਤਰੱਕੀ ਹੌਲੀ ਹੋ ਸਕਦੀ ਹੈ।
- ਵੱਡੀ ਤਕਨੀਕ ਆਪਣੀਆਂ AI ਖੋਜ ਲੈਬਾਂ ਨੂੰ ਫੰਡ ਦੇਣਾ ਜਾਰੀ ਰੱਖਦੀ ਹੈ, ਨਤੀਜੇ ਵਜੋਂ ਦਿਲਚਸਪੀਆਂ ਦੇ ਹੋਰ ਟਕਰਾਅ ਹੁੰਦੇ ਹਨ।
- ਏਆਈ ਵਿਕਾਸ ਦੀਆਂ ਲਾਗਤਾਂ ਏਕਾਧਿਕਾਰ ਬਣਾਉਣ ਦੀਆਂ ਸਥਿਤੀਆਂ ਪੈਦਾ ਕਰਦੀਆਂ ਹਨ, ਸਥਾਪਿਤ ਤਕਨੀਕੀ ਫਰਮਾਂ ਨਾਲ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਮੁਕਾਬਲਾ ਕਰਨ ਲਈ ਨਵੇਂ ਏਆਈ ਸਟਾਰਟਅਪਸ ਦੀ ਯੋਗਤਾ ਨੂੰ ਸੀਮਤ ਕਰਦੀਆਂ ਹਨ। ਇੱਕ ਉੱਭਰ ਰਹੇ ਕਾਰੋਬਾਰੀ ਦ੍ਰਿਸ਼ ਵਿੱਚ ਮੁੱਠੀ ਭਰ ਵੱਡੀਆਂ ਤਕਨੀਕੀ ਫਰਮਾਂ ਵਿਸ਼ਾਲ ਮਲਕੀਅਤ ਵਾਲੇ AI ਮਾਡਲਾਂ ਨੂੰ ਵਿਕਸਤ ਕਰਦੀਆਂ ਹਨ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਸੇਵਾ/ਉਪਯੋਗਤਾ ਵਜੋਂ ਛੋਟੀਆਂ AI ਫਰਮਾਂ ਨੂੰ ਲੀਜ਼ 'ਤੇ ਦਿੰਦੀਆਂ ਹਨ।
- ਖੋਜ ਸੰਸਥਾਵਾਂ, ਗੈਰ-ਲਾਭਕਾਰੀ ਸੰਸਥਾਵਾਂ, ਅਤੇ ਯੂਨੀਵਰਸਿਟੀਆਂ ਨੂੰ ਉਹਨਾਂ ਦੀ ਤਰਫੋਂ ਕੁਝ AI ਪ੍ਰਯੋਗ ਕਰਨ ਲਈ ਵੱਡੀ ਤਕਨੀਕ ਦੁਆਰਾ ਫੰਡ ਦਿੱਤੇ ਜਾ ਰਹੇ ਹਨ। ਇਹ ਰੁਝਾਨ ਅਕਾਦਮਿਕ ਤੋਂ ਕਾਰਪੋਰੇਸ਼ਨਾਂ ਤੱਕ ਵਧੇਰੇ ਦਿਮਾਗੀ ਨਿਕਾਸ ਦੀ ਅਗਵਾਈ ਕਰ ਸਕਦਾ ਹੈ.
- ਵੱਡੀਆਂ ਤਕਨੀਕਾਂ ਨੂੰ ਉਹਨਾਂ ਦੇ ਖੋਜ ਅਤੇ ਵਿਕਾਸ ਪ੍ਰੋਜੈਕਟਾਂ ਲਈ ਜਵਾਬਦੇਹ ਬਣਾਉਣ ਲਈ ਉਹਨਾਂ ਦੇ AI ਨੈਤਿਕ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ਾਂ ਨੂੰ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਨ ਅਤੇ ਨਿਯਮਿਤ ਤੌਰ 'ਤੇ ਅੱਪਡੇਟ ਕਰਨ ਲਈ ਦਬਾਅ ਵਧਾਇਆ ਗਿਆ ਹੈ।
- AI ਮਾਡਲਾਂ ਦੀ ਸਿਖਲਾਈ ਵਧੇਰੇ ਮਹਿੰਗੀ ਹੁੰਦੀ ਜਾ ਰਹੀ ਹੈ ਕਿਉਂਕਿ ਉੱਚ ਕੰਪਿਊਟਿੰਗ ਪਾਵਰ ਦੀ ਲੋੜ ਵਧਦੀ ਜਾ ਰਹੀ ਹੈ, ਜਿਸ ਨਾਲ ਵਧੇਰੇ ਕਾਰਬਨ ਨਿਕਾਸ ਹੁੰਦਾ ਹੈ।
- ਕੁਝ ਸਰਕਾਰੀ ਏਜੰਸੀਆਂ ਇਹਨਾਂ ਵਿਸ਼ਾਲ AI ਮਾਡਲਾਂ ਦੀ ਸਿਖਲਾਈ ਵਿੱਚ ਵਰਤੇ ਗਏ ਡੇਟਾ ਨੂੰ ਨਿਯਮਤ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੀਆਂ ਹਨ। ਨਾਲ ਹੀ, ਪ੍ਰਤੀਯੋਗੀ ਏਜੰਸੀਆਂ ਕਾਨੂੰਨ ਬਣਾ ਸਕਦੀਆਂ ਹਨ ਜੋ SME ਨਵੀਨਤਾ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਨ ਦੇ ਯਤਨ ਵਿੱਚ ਇੱਕ ਖਾਸ ਆਕਾਰ ਦੇ AI ਮਾਡਲਾਂ ਨੂੰ ਛੋਟੀਆਂ ਘਰੇਲੂ ਫਰਮਾਂ ਤੱਕ ਪਹੁੰਚਯੋਗ ਬਣਾਉਣ ਲਈ ਮਜਬੂਰ ਕਰਦੀਆਂ ਹਨ।
ਵਿਚਾਰ ਕਰਨ ਲਈ ਪ੍ਰਸ਼ਨ
- ਜੇਕਰ ਤੁਸੀਂ AI ਸੈਕਟਰ ਵਿੱਚ ਕੰਮ ਕਰਦੇ ਹੋ, ਤਾਂ ਤੁਹਾਡੀ ਸੰਸਥਾ ਵਾਤਾਵਰਣ ਲਈ ਟਿਕਾਊ AI ਮਾਡਲਾਂ ਦਾ ਵਿਕਾਸ ਕਿਵੇਂ ਕਰ ਰਹੀ ਹੈ?
- ਮਹਿੰਗੇ AI ਮਾਡਲਾਂ ਦੇ ਸੰਭਾਵੀ ਲੰਬੇ ਸਮੇਂ ਦੇ ਨਤੀਜੇ ਕੀ ਹਨ?
ਇਨਸਾਈਟ ਹਵਾਲੇ
ਇਸ ਸੂਝ ਲਈ ਹੇਠਾਂ ਦਿੱਤੇ ਪ੍ਰਸਿੱਧ ਅਤੇ ਸੰਸਥਾਗਤ ਲਿੰਕਾਂ ਦਾ ਹਵਾਲਾ ਦਿੱਤਾ ਗਿਆ ਸੀ:
