ஜெனரேட்டிவ் AI என்றால் என்ன?

ஜெனரேட்டிவ் ஏஐ மாதிரிகளைக் குறிக்கிறது புதிய உள்ளடக்கத்தை - உரை, படங்கள், ஆடியோ, வீடியோ, குறியீடு, தரவு கட்டமைப்புகள் - உருவாக்கும் பெரிய தரவுத்தொகுப்புகளிலிருந்து கற்றுக்கொண்ட வடிவங்களின் அடிப்படையில் போன்ற , ஆனால் அவை துல்லியமான நகல்களாக இருப்பதில்லை. யோசித்துப் பாருங்கள்: ஒரு பத்தியை எழுதுங்கள், ஒரு சின்னத்தை உருவாக்குங்கள், SQL-ஐ வரைவு செய்யுங்கள், ஒரு மெல்லிசையை உருவாக்குங்கள். இதுதான் அதன் மையக் கருத்து. [1]

இதற்குப் பிறகு நீங்கள் படிக்க விரும்பக்கூடிய கட்டுரைகள்:

🔗 முகவர் AI என்றால் என்ன என்பதை விளக்கினார்
காலப்போக்கில் ஏஜென்டிக் AI எவ்வாறு தன்னியக்கமாகத் திட்டமிடுகிறது, செயல்படுகிறது மற்றும் கற்றுக்கொள்கிறது என்பதைக் கண்டறியவும்.

🔗 இன்று நடைமுறையில் AI அளவிடுதல் என்றால் என்ன?
வளர்ச்சி மற்றும் நம்பகத்தன்மைக்கு அளவிடக்கூடிய AI அமைப்புகள் ஏன் முக்கியம் என்பதை அறிக.

🔗 AI-க்கான மென்பொருள் கட்டமைப்பு என்றால் என்ன?
வளர்ச்சியை விரைவுபடுத்தும் மற்றும் நிலைத்தன்மையை மேம்படுத்தும் மீண்டும் பயன்படுத்தக்கூடிய AI கட்டமைப்புகளைப் புரிந்து கொள்ளுங்கள்.

🔗 இயந்திர கற்றல் vs AI: முக்கிய வேறுபாடுகள் விளக்கப்பட்டுள்ளன
AI மற்றும் இயந்திர கற்றல் கருத்துக்கள், திறன்கள் மற்றும் நிஜ உலக பயன்பாடுகளை ஒப்பிடுக.

"ஜெனரேட்டிவ் AI என்றால் என்ன?" என்று மக்கள் ஏன் தொடர்ந்து கேட்கிறார்கள் 🙃

ஏனென்றால் அது ஒரு மாயாஜாலம் போல உணர்கிறது. நீங்கள் ஒரு ப்ராம்ட்டை தட்டச்சு செய்தால், பயனுள்ள ஒன்று வெளிவரும் - சில நேரங்களில் புத்திசாலித்தனமாகவும், சில நேரங்களில் விசித்திரமாகவும். மென்பொருள் உரையாடல் ரீதியாகவும் படைப்பாற்றல் மிக்கதாகவும் தோன்றுவது இதுவே முதல் முறை. கூடுதலாக, இது தேடல், உதவியாளர்கள், பகுப்பாய்வு, வடிவமைப்பு மற்றும் டெவலப்பர் கருவிகளுடன் மேலெழுகிறது, இது வகைகளை மங்கலாக்குகிறது மற்றும், நேர்மையாகச் சொன்னால், பட்ஜெட்டுகளை சீர்குலைக்கிறது.

ஜெனரேட்டிவ் AI-ஐ பயனுள்ளதாக்குவது எது ✅

• டிராஃப்ட் வேகம் - இது உங்களுக்கு ஒரு நல்ல முதல் பாஸை அபத்தமான வேகத்தில் பெற்றுத் தரும்.

• வடிவ தொகுப்பு - திங்கட்கிழமை காலையில் நீங்கள் இணைக்க முடியாத ஆதாரங்களில் இருந்து கருத்துக்களைக் கலக்கிறது.

• நெகிழ்வான இடைமுகங்கள் - அரட்டை, குரல், படங்கள், API அழைப்புகள், செருகுநிரல்கள்; உங்கள் பாதையைத் தேர்ந்தெடுக்கவும்.

• தனிப்பயனாக்கம் - இலகுரக உடனடி வடிவங்கள் முதல் உங்கள் சொந்த தரவில் முழுமையான நேர்த்தியான சரிசெய்தல் வரை.

• கூட்டுப் பணிப்பாய்வுகள் - ஆராய்ச்சி → கட்டமைப்பு → வரைவு → தரச் சரிபார்ப்பு போன்ற பல கட்டப் பணிகளுக்கான படிநிலைத் தொடர்.

• கருவிப் பயன்பாடு - பல மாதிரிகள் உரையாடலின் நடுவிலேயே வெளிப்புறக் கருவிகளையோ அல்லது தரவுத்தளங்களையோ அழைக்க முடியும், எனவே அவை வெறுமனே யூகிக்காது.

• சீரமைப்பு நுட்பங்கள் - RLHF போன்ற அணுகுமுறைகள், மாதிரிகள் அன்றாட பயன்பாட்டில் மிகவும் உதவிகரமாகவும் பாதுகாப்பாகவும் செயல்பட உதவுகின்றன. [2]

நேர்மையாகச் சொல்லப் போனால்: இவை எதுவும் இதை ஒரு படிகப் பந்தாக மாற்றுவதில்லை. இது ஒருபோதும் தூங்காத, எப்போதாவது ஒரு நூலியல் பட்டியலை மாயத்தோற்றம் செய்யும் ஒரு திறமையான பயிற்சியாளரைப் போன்றது.

இது எவ்வாறு செயல்படுகிறது என்பதற்கான சுருக்கமான பதிப்பு 🧩

மிகவும் பிரபலமான உரை மாதிரிகள் டிரான்ஸ்ஃபார்மர்களைப் - இது தொடர்வரிசைகள் முழுவதும் உறவுகளைக் கண்டறிவதில் சிறந்து விளங்கும் ஒரு நரம்பியல் வலையமைப்பு கட்டமைப்பாகும், எனவே இது அடுத்த டோக்கனை ஒரு ஒத்திசைவான வழியில் கணிக்க முடியும். படங்கள் மற்றும் வீடியோவிற்கு, டிஃப்யூஷன் மாதிரிகள் பொதுவானவை - அவை இரைச்சலில் இருந்து தொடங்கி, நம்பத்தகுந்த படம் அல்லது கிளிப்பை வெளிப்படுத்த அதை மீண்டும் மீண்டும் அகற்ற கற்றுக்கொள்கின்றன. அது ஒரு எளிமைப்படுத்தல், ஆனால் பயனுள்ளது. [3][4]

• டிரான்ஸ்ஃபார்மர்கள்: அந்த வழியில் பயிற்சி பெற்றால் மொழி, பகுத்தறிவு முறைகள் மற்றும் பல-மாதிரி பணிகளில் சிறந்தவர்கள். [3]

• பரவல்: ஒளி யதார்த்தமான படங்கள், சீரான பாணிகள் மற்றும் குறிப்புகள் அல்லது முகமூடிகள் மூலம் கட்டுப்படுத்தக்கூடிய திருத்தங்களில் வலுவானது. [4]

கலப்பினங்கள், மீட்டெடுப்பு-மேம்படுத்தப்பட்ட அமைப்புகள் மற்றும் சிறப்பு கட்டமைப்புகளும் உள்ளன - குழம்பு இன்னும் கொதிக்கிறது.

ஒப்பீட்டு அட்டவணை: பிரபலமான ஜெனரேட்டிவ் AI விருப்பங்கள் 🗂️

வேண்டுமென்றே அபூரணமானது - சில செல்கள் நிஜ உலக வாங்குபவர் குறிப்புகளைப் பிரதிபலிக்கும் வகையில் சற்று விசித்திரமாக இருக்கும். விலைகள் நகரும், எனவே இவற்றை விலை நிர்ணய பாணிகளாகக்.

சிறிய குறிப்பு: வெவ்வேறு விற்பனையாளர்கள் வெவ்வேறு பாதுகாப்பு அமைப்புகள், விகித வரம்புகள் மற்றும் கொள்கைகளை வெளியிடுகிறார்கள். எப்போதும் அவர்களின் ஆவணங்களைப் பாருங்கள் - குறிப்பாக நீங்கள் வாடிக்கையாளர்களுக்கு அனுப்பினால்.

பேட்டைக்குக் கீழே: ஒரே மூச்சில் மின்மாற்றிகள் 🌀

பயன்படுத்துகின்றன கவன ஈர்ப்பு . ஒரு தங்கமீன் ஒளிரும் விளக்குடன் இடமிருந்து வலமாகப் படிப்பது போலன்றி, அவை முழு வரிசையையும் இணையாகப் பார்த்து, தலைப்புகள், நிறுவனங்கள் மற்றும் தொடரியல் போன்ற வடிவங்களைக் கற்றுக்கொள்கின்றன. அந்த இணையாக்கம் - மற்றும் அதிக கணக்கீடு - மாதிரிகள் அளவிட உதவுகிறது. நீங்கள் டோக்கன்கள் மற்றும் சூழல் சாளரங்களைப் பற்றிக் கேள்விப்பட்டிருந்தால், அது இங்குதான் உள்ளது. [3]

பேட்டைக்குக் கீழே: ஒரே மூச்சில் பரவல் 🎨

பரவல் மாதிரிகள் இரண்டு தந்திரங்களைக் கற்றுக்கொள்கின்றன: பயிற்சிப் படங்களில் இரைச்சலைச் சேர்ப்பது, பின்னர் மாற்றுவது . உருவாக்கும் நேரத்தில் அவை தூய இரைச்சலில் இருந்து தொடங்கி, கற்றுக்கொண்ட இரைச்சல் நீக்கும் செயல்முறையைப் பயன்படுத்தி அதை மீண்டும் ஒரு ஒத்திசைவான படமாக மாற்றுகின்றன. இது விசித்திரமாக நிலையானதிலிருந்து சிற்பம் செதுக்குவது போன்றது - இது ஒரு சரியான உருவகம் அல்ல, ஆனால் உங்களுக்குப் புரிகிறது. [4]

சீரமைப்பு, பாதுகாப்பு, மற்றும் "தயவுசெய்து முரட்டுத்தனமாக நடந்து கொள்ளாதீர்கள்" 🛡️

சில அரட்டை மாதிரிகள் ஏன் சில கோரிக்கைகளை நிராகரிக்கின்றன அல்லது தெளிவுபடுத்தும் கேள்விகளைக் கேட்கின்றன? மனித பின்னூட்டத்திலிருந்து வலுவூட்டல் கற்றல் (RLHF): மனிதர்கள் மாதிரி வெளியீடுகளை மதிப்பிடுகிறார்கள், ஒரு வெகுமதி மாதிரி அந்த விருப்பங்களைக் கற்றுக்கொள்கிறது, மேலும் அடிப்படை மாதிரி மிகவும் உதவியாக செயல்படத் தூண்டப்படுகிறது. இது மனக் கட்டுப்பாடு அல்ல - இது மனித தீர்ப்புகளுடன் கூடிய நடத்தை வழிநடத்தல் ஆகும். [2]

நிறுவன இடர் மேலாண்மைக்கு, NIST AI இடர் மேலாண்மை கட்டமைப்பு மற்றும் அதன் ஜெனரேட்டிவ் AI சுயவிவரம் பாதுகாப்பு, பாதுகாப்பு, ஆளுகை, தோற்றம் மற்றும் கண்காணிப்பு ஆகியவற்றை மதிப்பிடுவதற்கு வழிகாட்டுதலை வழங்குகின்றன. நீங்கள் இதை பணியிடத்தில் செயல்படுத்தினால், இந்த ஆவணங்கள் வெறும் கோட்பாடு மட்டுமல்ல, வியக்கத்தக்க வகையில் நடைமுறை சரிபார்ப்புப் பட்டியல்களாகும். [5]

ஒரு சிறு நிகழ்வு: ஒரு முன்னோட்டப் பயிலரங்கில், ஓர் ஆதரவுக் குழு, சுருக்கமாகக் கூறுதல் → முக்கியத் தகவல்களைப் பிரித்தெடுத்தல் → பதிலின் வரைவைத் தயாரித்தல் → மனித மதிப்பாய்வு செய்தல் என ஒரு. இந்தத் தொடர் செயல்முறை மனிதர்களை நீக்கவில்லை; மாறாக, அது அவர்களின் முடிவுகளை வேகமாகவும், வெவ்வேறு பணி நேரங்களில் சீராகவும் எடுக்க உதவியது.

ஜெனரேட்டிவ் AI எங்கு பிரகாசிக்கிறது vs எங்கு தடுமாறுகிறது 🌤️↔️⛈️

ஒளிர்கிறது:

• உள்ளடக்கத்தின் முதல் வரைவுகள், ஆவணங்கள், மின்னஞ்சல்கள், விவரக்குறிப்புகள், ஸ்லைடுகள்

• நீங்கள் படிக்க விரும்பாத நீண்ட உள்ளடக்கத்தின் சுருக்கங்கள்

• குறியீடு உதவி மற்றும் பாய்லர் பிளேட் குறைப்பு

• மூளைச்சலவை செய்யும் பெயர்கள், கட்டமைப்புகள், சோதனை வழக்குகள், அறிவுறுத்தல்கள்

• படக் கருத்துக்கள், சமூகக் காட்சிகள், தயாரிப்பு மாதிரிகள்

• இலகுரக தரவு சண்டை அல்லது SQL சாரக்கட்டு

தடுமாறும் இடம்:

• மீட்டெடுப்பு அல்லது கருவிகள் இல்லாமல் உண்மை துல்லியம்

• வெளிப்படையாக சரிபார்க்கப்படாதபோது பல-படி கணக்கீடுகள்

• சட்டம், மருத்துவம் அல்லது நிதித்துறையில் நுட்பமான களக் கட்டுப்பாடுகள்

• விளிம்பு வழக்குகள், கிண்டல் மற்றும் நீண்ட வால் அறிவு

• நீங்கள் அதை சரியாக உள்ளமைக்கவில்லை என்றால் தனிப்பட்ட தரவை கையாளுதல்

பாதுகாப்புத் தடுப்புகள் உதவுகின்றன, ஆனால் சரியான நடவடிக்கை அமைப்பு வடிவமைப்பு: மீட்டெடுப்பு, சரிபார்ப்பு, மனித மதிப்பாய்வு மற்றும் தணிக்கைத் தடங்களைச் சேர்க்கவும். சலிப்பை ஏற்படுத்துகிறது, ஆம் - ஆனால் சலிப்பை ஏற்படுத்துவது நிலையானது.

இன்று அதைப் பயன்படுத்துவதற்கான நடைமுறை வழிகள் 🛠️

• சிறப்பாகவும் வேகமாகவும் எழுதுங்கள்: கோடிட்டுக்காட்டு → விரிவாக்கு → சுருக்கு → மெருகேற்று. அது உங்கள் பாணியில் ஒலிக்கும் வரை இந்தத் தொடர் செயல்பாட்டைச் செய்யுங்கள்.

• முயல் துளைகள் இல்லாமல் ஆராய்ச்சி செய்யுங்கள்: மூலங்களுடன் ஒரு கட்டமைக்கப்பட்ட சுருக்கத்தைக் கேளுங்கள், பின்னர் நீங்கள் உண்மையில் விரும்பும் குறிப்புகளைத் தேடுங்கள்.

• குறியீட்டு உதவி: ஒரு செயல்பாட்டை விளக்கவும், சோதனைகளை முன்மொழியவும், மறுசீரமைப்பு திட்டத்தை வரையவும்; ஒருபோதும் ரகசியங்களை ஒட்ட வேண்டாம்.

• தரவு வேலைகள்: SQL எலும்புக்கூடுகளை, regex அல்லது நெடுவரிசை-நிலை ஆவணங்களை உருவாக்குங்கள்.

• வடிவமைப்பு யோசனை: காட்சி பாணிகளை ஆராய்ந்து, பின்னர் முடிக்க ஒரு வடிவமைப்பாளரிடம் ஒப்படைக்கவும்.

• வாடிக்கையாளர் செயல்பாடுகள்: வரைவு பதில்கள், வரிசைப்படுத்தல் நோக்கங்கள், ஒப்படைப்புக்கான உரையாடல்களைச் சுருக்கவும்.

• தயாரிப்பு: பயனர் கதைகளை உருவாக்குதல், ஏற்றுக்கொள்ளும் அளவுகோல்கள் மற்றும் நகல் மாறுபாடுகள் - பின்னர் A/B தொனியை சோதிக்கவும்.

குறிப்பு: அதிக செயல்திறன் கொண்ட அறிவுறுத்தல்களை டெம்ப்ளேட்டுகளாகச் சேமிக்கவும். இது ஒரு முறை வேலை செய்தால், சிறிய மாற்றங்களுடன் மீண்டும் வேலை செய்யும்.

ஆழமாக சிந்தியுங்கள்: உண்மையில் வேலை செய்யும் தூண்டுதல் 🧪

• கட்டமைப்பைக் கொடுங்கள்: பாத்திரங்கள், குறிக்கோள்கள், கட்டுப்பாடுகள், பாணி. மாதிரிகள் சரிபார்ப்புப் பட்டியலை விரும்புகிறார்கள்.

• குறைவான முயற்சி எடுத்துக்காட்டுகள்: உள்ளீடு → இலட்சிய வெளியீடு என்பதற்கான 2–3 நல்ல எடுத்துக்காட்டுகளை உள்ளடக்கியிருக்க வேண்டும்.

• படிப்படியாக சிந்தியுங்கள்: சிக்கலான தன்மை அதிகரிக்கும் போது பகுத்தறிவு அல்லது படிநிலை வெளியீடுகளைக் கேளுங்கள்.

• குரலை நிலைப்படுத்துங்கள்: உங்களுக்கு விருப்பமான குரலின் ஒரு சிறு மாதிரியை ஒட்டி, “இதே பாணியில் அமையுங்கள்” என்று சொல்லுங்கள்.

• மதிப்பீட்டை அமைக்கவும்: மாதிரியை அதன் சொந்த பதிலை அளவுகோல்களுக்கு எதிராக மதிப்பாய்வு செய்யச் சொல்லுங்கள், பின்னர் திருத்தவும்.

• கருவிகளைப் பயன்படுத்தவும்: மீட்டெடுப்பு, வலைத் தேடல், கால்குலேட்டர்கள் அல்லது APIகள் மாயத்தோற்றங்களை நிறையக் குறைக்கலாம். [2]

நீங்கள் ஒன்றை மட்டும் நினைவில் வைத்திருந்தால்: எதைப் புறக்கணிக்க வேண்டும் என்று அதற்குச் சொல்லுங்கள். கட்டுப்பாடுகள் சக்தி.

தரவு, தனியுரிமை மற்றும் நிர்வாகம் - அழகற்ற அம்சங்கள் 🔒

• தரவுப் பாதைகள்: எவை பதிவு செய்யப்படுகின்றன, தக்கவைக்கப்படுகின்றன அல்லது பயிற்சிக்காகப் பயன்படுத்தப்படுகின்றன என்பதைத் தெளிவுபடுத்துகின்றன.

• தனிப்பட்ட தகவல்கள் மற்றும் இரகசியங்கள்: உங்கள் அமைப்பு வெளிப்படையாக அனுமதித்து பாதுகாத்தால் தவிர, அவற்றை அறிவிப்புகளில் காட்ட வேண்டாம்.

• அணுகல் கட்டுப்பாடுகள்: மாதிரிகளை பொம்மைகளைப் போல அல்ல, உற்பத்தி தரவுத்தளங்களைப் போல நடத்துங்கள்.

• மதிப்பீடு: தரம், சார்பு மற்றும் சறுக்கல் ஆகியவற்றைக் கண்காணிக்கவும்; அதிர்வுகளை அல்ல, உண்மையான பணிகளைக் கொண்டு அளவிடவும்.

• கொள்கை சீரமைப்பு: அம்சங்களை NIST AI RMF வகைகளுடன் வரைபடமாக்குங்கள், அதனால் பின்னர் நீங்கள் ஆச்சரியப்பட மாட்டீர்கள். [5]

எனக்கு அடிக்கடி வரும் கேள்விகள் 🙋♀️

இது படைப்பாற்றலா அல்லது வெறும் ரீமிக்ஸ் செய்தலா?
இடையில் எங்கோ. இது புதுமையான வழிகளில் வடிவங்களை மீண்டும் இணைக்கிறது - மனித படைப்பாற்றல் அல்ல, ஆனால் பெரும்பாலும் பயனுள்ளதாக இருக்கும்.

உண்மைகளை நான் நம்பலாமா?
நம்புங்கள் ஆனால் சரிபார்க்கவும். அதிக ஆபத்துள்ள எதற்கும் மீட்டெடுப்பு அல்லது கருவி பயன்பாட்டைச் சேர்க்கவும். [2]

பட மாதிரிகள் எவ்வாறு பாணி நிலைத்தன்மையைப் பெறுகின்றன?
உடனடி பொறியியல் மற்றும் பட சீரமைப்பு, LoRA அடாப்டர்கள் அல்லது ஃபைன்-ட்யூனிங் போன்ற நுட்பங்கள். படங்களில் உரை துல்லியம் இன்னும் தள்ளாடக்கூடும் என்றாலும், பரவல் அடித்தளங்கள் நிலைத்தன்மைக்கு உதவுகின்றன. [4]

அரட்டை மாதிரிகள் ஏன் ஆபத்தான தூண்டுதல்களை எதிர்க்கின்றன?
RLHF மற்றும் கொள்கை அடுக்குகள் போன்ற சீரமைப்பு நுட்பங்கள். சரியானது அல்ல, ஆனால் முறையாக உதவியாக இருக்கும். [2]

வளர்ந்து வரும் எல்லை 🔭

• மல்டி-மாடல் எல்லாம்: உரை, படம், ஆடியோ மற்றும் வீடியோவின் அதிக தடையற்ற சேர்க்கைகள்.

• சிறிய, வேகமான மாதிரிகள்: சாதனத்தில் உள்ள மற்றும் விளிம்பு நிலை நிகழ்வுகளுக்கான திறமையான கட்டமைப்புகள்.

• இறுக்கமான கருவிச் சுழல்கள்: முகவர்கள் செயல்பாடுகள், தரவுத்தளங்கள் மற்றும் செயலிகளை மிக எளிதாக அழைப்பது.

• சிறந்த ஆதாரம்: வாட்டர்மார்க்கிங், உள்ளடக்க சான்றுகள் மற்றும் கண்டுபிடிக்கக்கூடிய குழாய்வழிகள்.

• ஆளுகை: மதிப்பீட்டுத் தொகுப்புகள் மற்றும் கட்டுப்பாட்டு அடுக்குகள் சாதாரண டெவலப்பர் கருவிகளைப் போல உணர்கின்றன. [5]

• டொமைன்-டியூன் செய்யப்பட்ட மாதிரிகள்: சிறப்பு செயல்திறன் பல வேலைகளுக்கு பொதுவான சொற்பொழிவை விட அதிகமாக உள்ளது.

மென்பொருள் ஒரு கூட்டுப்பணியாளராக மாறுவது போல் உணர்ந்தால் - அதுதான் விஷயம்.

ரொம்ப நீளமா இருந்துச்சு, நான் படிக்கவே இல்லை - ஜெனரேட்டிவ் AI என்றால் என்ன? 🧾

மாதிரிகளின் ஒரு குடும்பம் ஆகும் உருவாக்கும் ஏற்கனவே உள்ள உள்ளடக்கத்தை மட்டும் மதிப்பிடுவதற்குப் பதிலாக, புதிய உள்ளடக்கத்தை டிரான்ஸ்ஃபார்மர்கள் டோக்கன்களைக் கணிக்கும் டிஃப்யூஷன் மாதிரிகள் ஆகும். அவ்வப்போது ஏற்படும் நம்பிக்கையற்ற அபத்தங்களின் விலையில், நீங்கள் வேகத்தையும் ஆக்கப்பூர்வமான செல்வாக்கையும் பெறுகிறீர்கள் - இதை நீங்கள் மீட்டெடுப்பு, கருவிகள் மற்றும் RLHF. குழுக்களுக்கு, NIST AI RMF ஸ்தம்பித்துவிடாமல் பொறுப்புடன் வெளியிட,

குறிப்புகள்

1. ஐபிஎம் - ஜெனரேட்டிவ் AI என்றால் என்ன?
   மேலும் படிக்கவும்

2. OpenAI - வழிமுறைகளைப் பின்பற்ற மொழி மாதிரிகளை சீரமைத்தல் (RLHF)
   மேலும் படிக்கவும்

3. NVIDIA வலைப்பதிவு - ஒரு டிரான்ஸ்ஃபார்மர் மாதிரி என்றால் என்ன?
   மேலும் படிக்கவும்

4. கட்டிப்பிடிக்கும் முகம் - பரவல் மாதிரிகள் (பாட அலகு 1)
   மேலும் படிக்கவும்

5. NIST - AI இடர் மேலாண்மை கட்டமைப்பு (மற்றும் உருவாக்கும் AI சுயவிவரம்)
   மேலும் படிக்கவும்

அதிகாரப்பூர்வ AI உதவியாளர் கடையில் சமீபத்திய AI ஐக் கண்டறியவும்

எங்களை பற்றி