nouvelles

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

L’humanité inaugure une mise à jour explosive dans le domaine de l’intelligence artificielle. Chaque étape de l’expansion de la technologie vers l’inconnu a attiré une attention étonnante.

Dans le processus de repoussement des frontières de l'intelligence artificielle, l'innovation et le désaccord cohabitent dans les parcours techniques des pistes importantes. Le jugement et les choix des pionniers de la technologie influencent les traces de nombreux adeptes.

Au cours de l'année écoulée, Heart of the Machine a pris les devants en exclusivité en présentant à tout le monde des sociétés exceptionnelles telles que Dark Side of the Moon, Shengshu Technology, Aishi Technology et Wuwen Core Dome, leur laissant avec le premier « script d'interview de 10 000 mots ». " dans le monde Internet. . À une époque où les voies technologiques n’ont pas encore convergé, nous voyons le leadership d’entrepreneurs en IA qui ont véritablement foi, courage et cognition systématique.

Par conséquent, nous avons lancé la rubrique "AI Pioneers", dans l'espoir de continuer à trouver et à enregistrer des entrepreneurs dotés de qualités de leadership dans diverses subdivisions de l'intelligence artificielle à l'ère de l'AGI, de présenter les startups les plus remarquables et à fort potentiel dans le domaine de l'IA. , et partagent leurs réalisations dans le domaine de l'IA. Des perceptions pointues et distinctes.

Auteur : Jiang Jingling

Rapport sur le cœur de la machine

Après avoir quitté Kuaishou pour démarrer une entreprise, « Li Yan » a discrètement reçu 32 millions de dollars de financement d'amorçage de la part du cofondateur de Kuaishou, Su Hua, de Redpoint Ventures et de Matrix Partners.

En tant que figure centrale du système d'IA initial de Kuaishou, Li Yan a autrefois construit le premier département d'apprentissage profond au sein de Kuaishou, et a ensuite aidé Kuaishou à construire le système technologique de compréhension multimédia.

L'un de ses investisseurs a conclu que parmi les trois portraits entrepreneuriaux AGI de professeurs et d'universitaires, d'acteurs de l'Internet mobile et de génies universitaires, Yuanshi Technology est le seul à avoir la capacité d'intégrer les trois "multimodal, recherche et recommandation". équipe avec une grande pile technologique de base.

Cependant, depuis que Li Yan a officiellement confirmé qu'il créait une entreprise début 2023, il a quasiment disparu depuis plus d'un an.

Au cours de l’année écoulée, nous avons envoyé plusieurs invitations à des entretiens à l’équipe de Li Yan, dans l’espoir de lui parler de ses idées entrepreneuriales, mais nous avons tous été refusés en disant « le produit n’est pas encore prêt (disponible au public) ».

Il n'y a pas si longtemps, le produit « Ask Xiaobai » de Yuanshi Technology a été officiellement lancé et le test interne de démarrage à froid a commencé. C'est également la première fois que l'équipe de Li Yan divulgue ses progrès entrepreneuriaux. Nous avons donc retrouvé Li Yan, en espérant lui parler de son projet entrepreneurial.

Dans cette interview exclusive, ce qui est inattendu, c'est que le choix de Li Yan n'est pas une pure entreprise modèle, ni même qu'il part de l'aspect multimodal.

Dans le produit "Ask Xiaobai", les utilisateurs peuvent voir le contenu AIGC généré par l'IA dans le "flux" dès qu'ils ouvrent l'écran et sont personnalisés en fonction des intérêts de l'utilisateur, et peuvent utiliser la fonction "chat" et l'IA pour faire plus contenu basé sur le contenu à tout moment.

On peut comprendre qu'il s'agit d'un produit communautaire de contenu génératif basé sur un modèle LLM auto-développé. Par rapport aux produits communautaires de contenu précédents, l'action de Li Yan réside dans la « recommandation générative ».

Il s'agit d'un domaine de recherche technologique de pointe, et jusqu'à présent, seuls Meta et CMU ont obtenu des résultats pratiques. Il m'a dit que par rapport aux algorithmes de recommandation précédents, les algorithmes de recommandation génératifs ne seront plus basés sur des systèmes de recommandation de filtrage collaboratif et les recommandations deviendront plus intelligentes, passant des « milliers de personnes avec dix visages » actuelles au véritable sens de « milliers de personnes ». des gens avec dix visages. " Les gens ont des milliers de visages. "

En explorant les besoins plus profonds des utilisateurs, l'efficacité des recommandations est encore améliorée et les utilisateurs peuvent obtenir des informations qui leur conviennent mieux. De plus, l’infusion d’une grande quantité de corpus de haute qualité dans de grands modèles donne des « valeurs » à l’algorithme de recommandation générative. Vous ne pouvez plus simplement « plaire » aux utilisateurs, mais les inciter à prêter attention aux informations de haute qualité qui nécessitent vraiment votre attention.

À l'heure actuelle, l'équipe de Li Yan est la première start-up en Chine à utiliser des algorithmes de recommandation générative basés sur LLM au cœur de son orientation produit et de son développement.

Un investisseur de Yuanshi estime que :L’optimisation des coûts et de l’efficacité que ce nouveau moteur technologique apporte à l’industrie du contenu est fondamentalement cohérente avec le chemin vers le succès de Toutiao.Sur la voie de la création de produits d'algorithmes de recommandation génératifs, "Nous avons vu que la seule équipe avec trois parcours : multimodal, recherche et recommandation est Li Yan."

Vision:

Créer un algorithme de recommandation de dimension supérieure

Cœur de la machine : commençons par présenter ce que Yuanshi Technology espère faire ?

Li Yan : Nous espérons que grâce à l’innovation technologique et à la collecte de renseignements, nous pourrons aider les utilisateurs à entrer dans un état de fluidité et à lutter contre la fatigue mentale. (D’après la théorie du « flux » de Mihaly Csikszentmihalyi)

Machine Heart : C’est un peu abstrait, pouvez-vous l’expliquer davantage ?

Li Yan :Nous pensons que l’ère actuelle est une époque d’explosion de l’information. Il existe de nombreux canaux pour recevoir des informations, mais il manque les canaux qui peuvent réellement obtenir les informations qui nous intéressent.

Par exemple, dans le récent WAIC, vous pouvez voir des rapports accablants, mais chaque rapport ne contient que quelques mots, mais vous ne pouvez pas obtenir les informations qui vous intéressent vraiment. À ce moment-là, vous tomberez dans une sorte d'anxiété.

Nous comprenons qu'il s'agit d'une forme d'« entropie spirituelle ». Ce concept a été proposé par un psychologue, Mihaly Csikszentmihalyi, et il correspond très bien à ce que nous souhaitons faire. Ce que nous voulons faire, c'est aider chacun à améliorer son bonheur et son sentiment de gain après avoir vu l'information. Cet état sera différent de l’état « plus anxieux, plus fatigué et plus heureux » que nous ressentons après une utilisation intensive de certains produits d’information.

Machine Heart : Quel type d’informations permettra aux gens de se sentir plus heureux et plus gratifiants, plutôt que plus anxieux et fatigués ?

Li Yan :Il y a ici un concept de « flux », ce qui signifie que ce n'est que lorsque les gens verront les informations qu'ils veulent vraiment voir qu'ils entreront dans un état de flux et ressentiront du bonheur, au lieu de voir beaucoup de choses qui ne sont pas liées à eux-mêmes. sont hors de propos ou sans intérêt.

C'est aussi le résultat d'une recherche psychologique : pour donner un exemple précis, par exemple, les parents demandent à leurs enfants de faire leurs devoirs. Bien que cela soit finalement mis en œuvre, l'enfant est passif et très douloureux. Il se sentira heureux. Nous espérons donc aider les utilisateurs à entrer dans un état de flow et à lutter contre l'entropie mentale.

Cœur de la machine : En fait, les systèmes de recommandation sous-jacents à la plupart des communautés sociales espèrent désormais essentiellement atteindre cet objectif (recommander aux utilisateurs ce qu'ils veulent vraiment voir) ?

Li Yan : Il existe une différence. Si nous regardons dix ans plus tard, en 2034, les systèmes de recommandation actuels, y compris les produits et la technologie qui les sous-tendent, ils sont en réalité très arriérés. Ce que fait le produit actuel n’est en réalité pas dans un état parfait.

Cœur de la Machine : Comment comprendre le niveau actuel et le « meilleur » niveau ?

Li Yan :Je peux faire une analogie. La distribution actuelle de l'information ressemble plus à la réaction instinctive des humains primitifs, au stade où l'esprit n'est pas trop riche, peut-être que l'instinct humain est « je veux manger », « je veux pleurer ». "J'ai envie de rire" », c'est très direct.

Le reflet dans le système de recommandation peut être que, par exemple, si vous aimez les beaux mecs, ils vous recommanderont toujours les beaux mecs - le système de recommandation n'a pas une réflexion trop approfondie. Ce que nos produits espèrent réaliser n'est pas de plaire à la réaction instinctive de l'utilisateur, mais de le recommander avec plus de sagesse, de soin et d'amour.

Heart of the Machine : Cela ressemble à une dimension supérieure en matière d’esthétique, un peu comme « éduquer les utilisateurs ».

Li Yan : Pas d’éducation, pour être précis. Beaucoup de choses ne peuvent pas être vues clairement si nous les regardons dans un laps de temps relativement court. Mais par exemple, si nous examinons l'ensemble de l'histoire du développement humain, nous constaterons que chaque progrès de la civilisation humaine s'accompagnera de critiques, de réflexions, et même de renversement et de reconstruction. Certaines choses peuvent paraître bonnes maintenant, mais dans le futur peut-être. il y a des limites. Il en va de même dans le monde en ligne. Nous espérons intégrer davantage d'éléments civilisés et d'idées avancées accumulées par l'humanité dans la distribution de contenu.

Chemin de mise en œuvre technique :

Choisissez des données de meilleure qualité pour entraîner le modèle afin qu'il ait des valeurs

Cœur de la machine : je viens de dire que j'espère créer un produit de contenu qui aide les utilisateurs à obtenir un meilleur flux. Pourquoi commencez-vous par créer un meilleur LLM ?

Li Yan : Nous pensons que le LLM est un nœud très important menant à l'AGI. Les grands modèles linguistiques peuvent mieux comprendre les utilisateurs et le contenu, et savoir ce qui intéresse, aime et n'aime pas les utilisateurs. Tous les intérêts et passe-temps personnels de l'utilisateur peuvent être symbolisés, et les grands modèles peuvent très bien les comprendre.

Le système de recommandation précédent n'était pas en mesure d'atteindre ce niveau de compréhension. Il ne pouvait qu'étiqueter l'utilisateur avec de nombreuses étiquettes discrètes et essayer de le caractériser et de le comprendre. Désormais, les grands modèles peuvent non seulement mieux comprendre les intérêts existants des utilisateurs, mais également améliorer l'exploration des intérêts des utilisateurs et déduire leurs intérêts et passe-temps implicites.

Avec le grand modèle, nous pouvons compresser un corpus de la plus haute qualité sur l'ensemble de l'Internet, compresser la civilisation humaine véhiculée dans le texte, utiliser ces civilisations et appliquer davantage ces capacités à des recommandations génératives. Il aura ses valeurs, sa vision du monde et donc un système de valeurs recommandées de dimension supérieure.

Le grand modèle joue en réalité le rôle d’un pont, reliant ces cognitions les plus avancées à votre consommation d’informations, améliorant ainsi encore davantage votre niveau de consommation de contenu.

Machine Heart : Ces contenus « avancés » font-ils référence à des articles ? Inclut-il à la fois les sciences sociales et les sciences naturelles, ou est-il davantage axé sur une seule d’entre elles ?

Li Yan :Le grand modèle lira toute la civilisation avancée et les informations accumulées par les humains sur l'ensemble d'Internet, et il pourra être avancé dans tous les aspects.

Cœur de la machine : Comment le grand modèle détermine-t-il ce qu'est une « civilisation avancée » ?

Li Yan :En fait, nous, les humains, avons déjà porté des jugements sur cette question, pas de grands modèles. Par exemple, nos articles, revues et livres faisant autorité écrits par des universitaires de renom ne sont pas définis par de grands modèles, mais par des informations de haute qualité établies par les humains eux-mêmes. sur une longue période.

Machine Heart : Eh bien, qu’est-ce que c’est exactement cette partie des données de haute qualité ? source?

Li Yan : Nous valorisons le renforcement des capacités des modèles basés sur les données. Dans notre modèle, nous utilisons des algorithmes pour augmenter la quantité de données disponibles de haute qualité de plus d'un ordre de grandeur. De plus, en termes de sélection de données, nous utilisons des livres, des théories et des articles plus classiques pour former nos grands modèles, afin que nos modèles aient la capacité de comprendre plus en profondeur les utilisateurs. Plus précisément, lorsqu'il s'agit de recommandation de contenu, nous. ne laissera pas aveuglément les utilisateurs rester dans le plaisir à court terme. Au lieu de cela, il y a le bonheur à long terme d’accumuler des informations de haute qualité.

Machine Heart : Je viens de mentionner que les algorithmes de recommandation génératifs peuvent améliorer la compréhension des utilisateurs. Existe-t-il une norme quantitative pour comparer la compréhension des utilisateurs par différents algorithmes de recommandation ?

Li Yan : Étant donné que les objectifs poursuivis par différentes entreprises sont différents, les objectifs d'optimisation sont également différents. De manière générale, il peut s'agir de la durée, du taux de clics et de la rétention. Étant donné que nos principes techniques et notre orientation commerciale sont de nouveaux domaines, nous disposons actuellement d'un système de données interne très complexe pour évaluer cette question.

Cœur de la Machine : Sur LLM, quels sont les avantages de la technologie Yuanshi actuellement ?

Li Yan : Dès le premier jour de création de l’entreprise, c’est-à-dire vers avril 2023, la première version du grand modèle était basée sur l’architecture MoE. La sélection globale des itinéraires techniques sur le marché est très prospective. D’avril 2023 à maintenant depuis plus d’un an, notre modèle a itéré quatre versions. Sur de nombreux ensembles de tests publics, nos résultats sont meilleurs que ceux de nombreux autres modèles.

De plus, notre corpus de haute qualité rend la qualité des réponses très élevée et le modèle a la capacité de réfléchir en profondeur. Troisièmement, la vitesse de notre grand modèle est également très compétitive, avec une latence extrêmement faible. Nous avons réalisé des optimisations extrêmes dans la formation et l'inférence des modèles, ce qui a considérablement réduit le coût de formation des grands modèles. Nous sommes désormais gratuits et n'avons pas besoin de payer pour une utilisation pendant les périodes de pointe.

Machine Heart : Pourquoi pensez-vous que le MoE est une voie supérieure ?

Li Yan : Nous pensons que pour fabriquer nos propres produits, nous devons avoir la capacité d'intégrer les liens sous-jacents du modèle. À l'ère des grands modèles, l'effet du modèle est meilleur, ce qui signifie souvent que ses paramètres sont plus grands. Mais en tant que produit TOC, si le coût de l’inférence de modèle est élevé, il ne fonctionnera pas commercialement. Par conséquent, nous avons besoin à la fois d’un grand nombre de paramètres et d’un faible coût d’inférence. Comme condition préalable à la faisabilité commerciale, nous ne pouvons finalement choisir que MoE. Nous avons clairement réfléchi à ce problème dès le premier jour, et la première ligne de code que nous avons écrite était MoE.

Cœur de la machine : Yuanshi se positionnant comme une société d'applications, avez-vous envisagé d'utiliser certains modèles open source pendant le processus de recherche et développement, ce qui pourrait être plus économique ?

Li Yan :Notre objectif n'est pas d'être une entreprise de modèle, mais la raison pour laquelle nous choisissons toujours de développer nos propres grands modèles est que nous pensons que les modèles des autres ne servent pas nos objectifs. Nous sommes un produit piloté par nos propres grands modèles. entreprise.

Nous n'avons fait aucune tentative sur le modèle économique au niveau du modèle. Ceci est lié à mes connaissances personnelles. Certaines personnes pensent que les grands modèles sont constitués d'eau et d'électricité, ce qui signifie qu'une fois que j'ai réalisé un bon grand modèle, vous n'avez pas besoin de le faire et vous pouvez tous utiliser mes capacités. Mais nous pensons que la plus grande importance du grand modèle réside dans sa capacité à servir les utilisateurs à l'extrême et dans ses capacités basées sur des scénarios. Il sert mieux les utilisateurs dans un scénario fixe et offre une expérience totalement indisponible auparavant.

De plus, la capacité d’affiner les changements s’est avérée limitée. Parce que nous sommes assez innovants dans ce domaine, nous devons apporter des changements majeurs à l’architecture du modèle sous-jacent. Nous utiliserons également nos modèles auto-développés en interne pour comparer avec les modèles open source. Les faits ont prouvé que les résultats de nos modèles internes auto-développés sont bien meilleurs que ceux des modèles open source. Parce que ce modèle est entièrement construit pour mon scénario, beaucoup de travail a été effectué depuis la construction des données d'entraînement jusqu'à la conception de l'algorithme.

Machine Heart : Vous êtes également l’un des premiers explorateurs de la multimodalité en Chine. Avez-vous un calendrier pour la multimodalité ?

Li Yan : À l'heure actuelle, le grand modèle de texte constitue toujours le noyau du noyau. C'est la base de l'intelligence.

valeur du produit :

Capacité à accorder plus d’attention aux besoins individuels des utilisateurs

Cœur de la machine : la forme du produit de Yuanshi Technology est en fait différente de presque tous les produits C-end de grand modèle sur le marché. Pourquoi souhaitez-vous définir un tel produit ?

Li Yan : Nous ne sommes pas un produit destiné à un groupe spécifique de personnes, nous ciblons un large éventail de personnes et nous ne sommes pas une communauté de contenu verticale. Nous pensons qu'avec l'amélioration des capacités de génération et de distribution de l'IA, les limites des futures catégories de contenu à l'ère de l'IA deviendront de plus en plus floues.

Au niveau du produit, notre produit a actuellement deux fonctions, l'une est Feed et l'autre est Chat. Nous l'appelons « Demandez à Xiaobai ». L'un des aspects est que les utilisateurs peuvent lui poser toutes les questions dans leur vie. D'un autre côté, Xiaobai "demande". Sur la base des questions que les utilisateurs posent à l'IA, Xiaobai prendra également l'initiative de se soucier des utilisateurs et de les pousser activement vers les utilisateurs. Le nom est Xiaobai, en espérant que les utilisateurs auront un sentiment de sécurité et d'intimité, abandonneront l'IA froide ou l'IA violente et pourront avoir un contact étroit avec les utilisateurs.

Machine Heart : Peut-il alors être compris comme un produit de contenu doté de fonctions d’IA ?

Li Yan :Oui, en plus de cela, c'est également un ami en ligne en temps réel qui comprend vos préférences. En tant qu'utilisateur, vous pouvez l'organiser pour qu'il fasse quelque chose si vous avez quelque chose à faire. Si rien ne se passe, il peut vous observer et le faire de manière proactive. quelque chose pour voir en quoi cela peut vous aider.

Cœur de la machine : tout le contenu du flux de flux provient-il de l'AIGC ? Comment garantir la qualité de ce contenu ?

Li Yan : Si un grand modèle est utilisé pour produire du contenu, il doit d'abord savoir quel type de contenu les utilisateurs aiment, puis générer et organiser un contenu d'articles de haute qualité basé sur ces sujets. Ces deux niveaux sont la capacité de compréhension d'une part, et la capacité de génération d'autre part. À l'heure actuelle, il y a encore beaucoup de place à l'amélioration dans les grands modèles de capacités dans ces deux aspects. C'est aussi la raison pour laquelle nous avons démarré notre entreprise, car nous pensons que nous avons la capacité d'améliorer considérablement ce domaine.

Cœur de la machine : Le produit ressemble un peu à la version IA de Zhihu, Xiaohongshu et Toutiao Par rapport à celles-ci, quelles sont les différences et les avantages ?

Li Yan : Nous accordons d’abord plus d’attention aux besoins personnalisés des utilisateurs. Pour tous les produits dont vous venez de parler dans la génération précédente, le principe le plus fondamental de leur système de recommandation est le filtrage collaboratif, c'est-à-dire que si un utilisateur aime A et B, et qu'un autre utilisateur aime A et C, alors B et C. sont également similaires. Ensuite, nous vous recommanderons respectivement B et C. Il y a un problème très évident avec cette méthode de filtrage collaboratif, c'est-à-dire qu'elle vous recommande toujours certaines catégories vertébrales.

pourquoi ? C'est parce que si vous aimez un sujet, il y a de fortes chances que vous, comme les autres personnes qui aiment ce sujet, soyez plus enclins à aimer les belles femmes et les beaux hommes, et ils ont tous tendance à aimer les divertissements. Ainsi, le système finira par déterminer que vous aimez réellement le divertissement et que vous aimez les beaux mecs et les belles femmes.

Cette méthode a ses avantages, elle peut rapidement faire gagner du temps aux utilisateurs et continuer à croître. Mais son problème est qu’il enterre les intérêts personnels et les intérêts de niche des utilisateurs, ce qui rend difficile la compréhension détaillée des utilisateurs.

Et nous le faisons sur la base de grands modèles. Tout d'abord, nous espérons prendre soin de vos intérêts personnalisés, plutôt que de vous recommander des beaux mecs, des beautés ou du contenu de divertissement. Dans ce cas, ce système de recommandation n'est pas un système de recommandation véritablement personnalisé.

Par conséquent, un système de recommandation suffisamment intelligent devrait théoriquement être capable de prendre en compte tous les intérêts des utilisateurs. Qu'il s'agisse de vos intérêts généraux ou d'intérêts personnalisés de niche. Jusqu’à présent, on n’en a pas fait assez.

Machine Heart : Pourquoi avez-vous choisi cette direction lors du démarrage d'une entreprise, au lieu de la forme actuelle de chatbot ou de produit de compagnon émotionnel ?

Li Yan : Nous pensons que l'intégration de LLM avec les recommandations a l'opportunité de définir un nouveau type d'interaction, une expérience fluide qui ne nécessite pas d'interaction « active ». À l'heure actuelle, les interactions pures de type chat ont encore certains seuils d'utilisation pour les utilisateurs, et les utilisateurs doivent activement lancer des questions. Dans une certaine mesure, cela limite également la pénétration et l’utilisation d’un plus large éventail d’utilisateurs. En plus de tous les produits recommandés que nous utilisons aujourd'hui, même si les utilisateurs les utilisent beaucoup, nous voyons encore des utilisateurs les désinstaller à plusieurs reprises. Faire semblant à plusieurs reprises signifie qu'il ne peut pas vivre sans, mais reporter cela à plusieurs reprises signifie qu'il n'est pas satisfait à 100 %. C’est un point qui nous fait penser que les produits recommandés ont encore de grandes opportunités.

Sur cette base, nous pensons que l'expérience de notre équipe est très appropriée pour ce faire, moi-même et l'équipe possédons une expérience approfondie dans la recherche, la recherche sur l'IA et la mise en œuvre de produits à grande échelle.

Machine Heart : Cependant, les produits basés sur le contenu se heurtent actuellement généralement au dilemme de voies de commercialisation peu claires et ne connaissent pas beaucoup de succès. Qu'en pensez-vous ?

Li Yan : Nous en sommes encore au stade où nous devons démontrer plus pleinement la valeur de nos utilisateurs. Il est logique de parler de valeur commerciale basée sur une grande valeur utilisateur. De nombreux produits ont fourni des exemples très réussis des fortes capacités de monétisation de produits à contenu à grand volume, tels que Kuaishou.

Machine Heart : En regardant le produit, quelle est la valeur d’une meilleure capacité de réponse au produit ?

Li Yan : Je pense qu'il y en a deux. La première est que plus vos réponses sont bonnes, plus la fidélité des utilisateurs sera élevée. Dans ce cas, vous pourrez connaître plus de signaux utilisateur et mieux comprendre les utilisateurs. En fin de compte, le système peut les utiliser pour créer du contenu pour les utilisateurs qu'ils aiment et dont ils ont réellement besoin. Formez continuellement une expérience positive et un cycle de données.

Machine Heart : En pensant avec optimisme, quel impact la maturité progressive des algorithmes de recommandation générative peut-elle avoir sur l’industrie du contenu ? Dans votre imagination, à quoi pourrait ressembler un « Ask Novice » mature ?

Li Yan :Les recommandations génératives injectent une nouvelle vitalité dans le volet contenu, permettant d'apporter d'énormes changements dans ce secteur plutôt que d'élaborer des améliorations.

À l'heure actuelle, les grands modèles et autres technologies connexes progressent à pas de géant, mais il existe un goulot d'étranglement évident dans la communication entre les humains et l'IA. Nous avons la capacité de faire mieux dans les deux domaines. Demandez à Xiaobai, demande Xiaobai, nous espérons promouvoir grandement l'inclusivité de la technologie de l'IA et permettre aux utilisateurs ordinaires qui ont davantage besoin de l'IA de ressentir la puissance de l'IA.