notizia

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

L’umanità sta inaugurando un aggiornamento esplosivo nel campo dell’intelligenza artificiale. Ogni passo nell’espansione della tecnologia verso l’ignoto ha attirato un’attenzione sorprendente.

Nel processo di espansione dei confini dell’intelligenza artificiale, innovazione e disaccordo coesistono nei percorsi tecnici di piste importanti. Il giudizio e le scelte dei pionieri della tecnologia influenzano i passi di molti seguaci.

Nell'ultimo anno, Heart of the Machine ha assunto esclusivamente l'iniziativa di presentare a tutti aziende eccezionali come Dark Side of the Moon, Shengshu Technology, Aishi Technology e Wuwen Core Dome, lasciando loro il primo "copione di interviste di 10.000 parole" "nel mondo di Internet... In una fase in cui le rotte tecnologiche non sono ancora convergenti, vediamo la leadership di imprenditori dell’intelligenza artificiale che hanno veramente fede, coraggio e cognizione sistematica.

Pertanto, abbiamo lanciato la rubrica "Pionieri dell'AI", sperando di continuare a trovare e registrare imprenditori con qualità di leadership in varie suddivisioni dell'intelligenza artificiale nell'era AGI, presentare le startup più eccezionali e ad alto potenziale nel percorso AI​​ e condividere i loro risultati nel campo dell'intelligenza artificiale. Percezioni distinte e all'avanguardia.

Autore: Jiang Jingling

Rapporto sul cuore della macchina

Dopo aver lasciato Kuaishou per avviare un'impresa, "Li Yan" ha ricevuto tranquillamente 32 milioni di dollari in finanziamenti iniziali dal co-fondatore di Kuaishou Su Hua, Redpoint Ventures e Matrix Partners.

In qualità di figura centrale del sistema di intelligenza artificiale iniziale di Kuaishou, Li Yan una volta costruì il primo dipartimento di apprendimento profondo all'interno di Kuaishou e in seguito aiutò Kuaishou a costruire il sistema tecnologico di comprensione multimediale.

Uno dei suoi investitori ha concluso che tra i tre ritratti imprenditoriali AGI di professori e studiosi, operatori di Internet mobile e geni accademici, Yuanshi Technology è l'unica che ha la capacità di integrare i tre "multimodale, ricerca e raccomandazione" A team con un ampio stack tecnologico di base.

Tuttavia, da quando Li Yan ha confermato ufficialmente che avrebbe avviato un'impresa all'inizio del 2023, è quasi scomparso per più di un anno.

L'anno scorso abbiamo inviato numerosi inviti per interviste al team di Li Yan, sperando di parlargli delle sue idee imprenditoriali, ma siamo stati tutti rifiutati con "il prodotto non è ancora pronto (disponibile al pubblico)".

Non molto tempo fa, il prodotto “Ask Xiaobai” di Yuanshi Technology è stato lanciato ufficialmente ed è iniziato il test interno con avvio a freddo. Questa è anche la prima volta che il team di Li Yan rivela i propri progressi imprenditoriali. Quindi abbiamo ritrovato Li Yan, sperando di parlargli del suo piano imprenditoriale.

In questa intervista esclusiva, ciò che è inaspettato è che la scelta di Li Yan non è un’azienda modello puro, né parte nemmeno dall’aspetto multimodale.

Nel prodotto "Ask Xiaobai", gli utenti possono vedere i contenuti AIGC generati dall'intelligenza artificiale nel "feed" non appena aprono lo schermo e sono personalizzati in base agli interessi dell'utente, e possono utilizzare la funzione "chat" e l'intelligenza artificiale per fare di più contenuti basati sui contenuti in qualsiasi momento.

Si può capire che si tratta di un prodotto di comunità di contenuti generativi basato su un modello LLM auto-sviluppato. Rispetto ai precedenti prodotti di comunità di contenuti, l'azione di Li Yan risiede nella "raccomandazione generativa".

Si tratta di un campo di ricerca tecnologica all’avanguardia e finora solo Meta e CMU hanno ottenuto risultati pratici. Mi ha detto che rispetto ai precedenti algoritmi di raccomandazione, gli algoritmi di raccomandazione generativa non saranno più basati su sistemi di raccomandazione di filtraggio collaborativo, e le raccomandazioni diventeranno più intelligenti, dalle attuali "migliaia di persone con dieci facce" al vero senso di "migliaia di persone con dieci facce". Le persone hanno migliaia di facce."

Esplorando le esigenze più profonde degli utenti, l'efficienza delle raccomandazioni viene ulteriormente migliorata e gli utenti possono ottenere informazioni più adatte a loro. Inoltre, l’inserimento di una grande quantità di corpus di alta qualità in modelli di grandi dimensioni fornisce “valori” all’algoritmo di raccomandazione generativa. Non è più possibile semplicemente “accontentare” gli utenti, ma guidare gli utenti a prestare attenzione a informazioni di alta qualità che necessitano davvero di attenzione.

Al momento, il team di Li Yan è la prima startup in Cina a utilizzare algoritmi di raccomandazione generativa basati su LLM come fulcro della sua direzione di prodotto e sviluppo.

Un investitore in Yuanshi ritiene che,L’ottimizzazione dei costi e dell’efficienza che questo nuovo motore tecnologico apporta all’industria dei contenuti è sostanzialmente coerente con il percorso verso il successo di Toutiao.Sulla strada per realizzare prodotti con algoritmi di raccomandazione generativa, "Abbiamo visto che l'unico team con tre background: multimodale, ricerca e raccomandazione è Li Yan".

Visione:

Crea un algoritmo di raccomandazione di dimensione superiore

Heart of the Machine: presentiamo innanzitutto cosa spera di fare Yuanshi Technology?

Li Yan: Ci auguriamo che, attraverso l'innovazione tecnologica e la raccolta di informazioni, possiamo aiutare gli utenti a entrare in uno stato di flusso e combattere l'affaticamento mentale. (Dalla teoria del “flusso” di Mihaly Csikszentmihalyi)

Machine Heart: È un po’ astratto, puoi spiegarlo meglio?

Li Yan:Riteniamo che l'era attuale sia un'era di esplosione dell'informazione. Esistono molti canali per ricevere informazioni, ma mancano i canali che possono veramente ottenere le informazioni che ci stanno a cuore.

Ad esempio, nel recente WAIC, potresti vedere rapporti travolgenti, ma ogni rapporto contiene solo poche parole, ma non puoi ottenere le informazioni che ti interessano veramente. In questo momento, cadrai in una sorta di ansia.

Comprendiamo che questa sia una forma di "entropia spirituale" Questo concetto è stato proposto da uno psicologo, Mihaly Csikszentmihalyi, e corrisponde in modo molto accurato a ciò che vogliamo fare. Ciò che vogliamo fare è aiutare tutti a migliorare la propria felicità e il senso di guadagno dopo aver visto le informazioni. Questo stato sarà diverso da quello "più ansioso, più stanco e più felice" che proviamo dopo un uso intenso di alcuni prodotti informativi.

Machine Heart: che tipo di informazioni faranno sentire le persone più felici e gratificanti, piuttosto che più ansiose e stanche?

Li Yan:C'è un concetto di "flusso" qui, il che significa che solo quando le persone vedono le informazioni che vogliono veramente vedere, entreranno in uno stato di flusso e proveranno felicità, invece di vedere molte cose che non sono correlate a loro stesse sono irrilevanti o poco interessanti.

Questo è anche il risultato della ricerca psicologica. Per fare un esempio specifico, ad esempio, i genitori chiedono ai loro figli di fare i compiti. Anche se alla fine vengono implementati, il bambino è passivo e molto doloroso. Può fare solo quello che vuole. Si sentirà felice. Quindi speriamo di aiutare gli utenti a entrare in uno stato di flusso e a combattere l'entropia mentale.

Cuore della macchina: In effetti, i sistemi di raccomandazione alla base della maggior parte delle comunità sociali ora sperano essenzialmente di raggiungere questo obiettivo (consigliare agli utenti ciò che vogliono veramente vedere)?

Li Yan: C'è una differenza. Se guardiamo dieci anni dopo, nel 2034, e guardiamo gli odierni sistemi di raccomandazione, compresi i prodotti e la tecnologia alla base di essi, in realtà sono molto arretrati. Ciò che fa il prodotto attuale in realtà non è in uno stato perfetto.

Heart of the Machine: come comprendere il livello attuale e il livello "migliore"?

Li Yan:Posso fare un'analogia. L'attuale distribuzione delle informazioni è più simile alla reazione istintiva degli esseri umani primitivi Nella fase in cui lo spirito non è troppo ricco, forse l'istinto umano è "voglio mangiare", "voglio piangere". "Voglio ridere" ”, questo è molto diretto.

La riflessione nel sistema di raccomandazione potrebbe essere che, ad esempio, se ti piacciono i ragazzi belli, ti consiglieranno sempre ragazzi belli: il sistema di raccomandazione non ha una riflessione troppo approfondita. Ciò che i nostri prodotti sperano di ottenere non è soddisfare la reazione istintiva dell'utente, ma consigliarlo con maggiore saggezza, cura e amore.

Heart of the Machine: Sembra una dimensione estetica più elevata, un po' come "educare gli utenti".

Li Yan: Non l’istruzione, per la precisione. Molte cose non possono essere viste chiaramente se le osserviamo in un periodo di tempo relativamente breve. Ma, ad esempio, se guardiamo all’intera storia dello sviluppo umano, scopriremo che ogni progresso della civiltà umana sarà accompagnato da critiche, riflessioni e persino rovesciamenti e ricostruzioni. Alcune cose potrebbero sembrare buone ora, ma in futuro forse ci sono limitazioni. Lo stesso vale nel mondo online. Speriamo di portare elementi più civili e idee avanzate accumulate dall'umanità nella distribuzione dei contenuti.

Percorso tecnico di implementazione:

Scegli dati di qualità superiore per addestrare il modello in modo che abbia valori

Heart of the Machine: Ho appena detto che spero di realizzare un prodotto di contenuto che aiuti gli utenti a ottenere un flusso migliore. Perché iniziare creando un LLM migliore?

Li Yan: Riteniamo che LLM sia un nodo molto importante che porta all'AGI. I modelli linguistici di grandi dimensioni possono comprendere meglio gli utenti e i contenuti e sapere cosa interessa, cosa piace e cosa non piace agli utenti. Tutti gli interessi e gli hobby personali dell'utente possono essere tokenizzati e i modelli di grandi dimensioni possono comprenderli molto bene.

Il precedente sistema di raccomandazione non era in grado di raggiungere questo livello di comprensione, poteva solo etichettare l'utente con molte etichette distinte e cercare di caratterizzarlo e comprenderlo attraverso questo. Ora, i modelli di grandi dimensioni possono non solo comprendere meglio gli interessi esistenti degli utenti, ma anche migliorare l'estrazione degli interessi degli utenti e dedurre gli interessi e gli hobby impliciti degli utenti.

Con il modello di grandi dimensioni, possiamo comprimere il corpus della massima qualità sull'intera Internet, comprimere la civiltà umana contenuta nel testo, utilizzare queste civiltà e applicare ulteriormente queste capacità a raccomandazioni generative, avrà i suoi valori, la sua visione del mondo e quindi un sistema di valori raccomandati di dimensione superiore.

Il modello di grandi dimensioni svolge in realtà il ruolo di un ponte, collegando queste cognizioni più avanzate con il consumo di informazioni e quindi migliorando ulteriormente il livello di consumo di contenuti.

Machine Heart: Questi contenuti “avanzati” si riferiscono ad elaborati? Include sia le scienze sociali che le scienze naturali o si concentra maggiormente su una sola?

Li Yan:Il modello di grandi dimensioni leggerà tutta la civiltà avanzata e le informazioni accumulate dagli esseri umani su Internet e potrà essere avanzato in tutti gli aspetti.

Cuore della macchina: in che modo il modello di grandi dimensioni determina cosa sia la "civiltà avanzata"?

Li Yan:In effetti, noi esseri umani abbiamo già espresso giudizi su questo argomento, non grandi modelli. Ad esempio, i nostri articoli, riviste e libri autorevoli scritti da noti studiosi non sono definiti da grandi modelli, ma da informazioni di alta qualità stabilite dagli stessi esseri umani. in un lungo periodo di tempo. .

Machine Heart: Bene, cos'è esattamente questa parte dei dati di alta qualità? fonte?

Li Yan: Apprezziamo lo sviluppo di capacità di modelli basati sui dati Nel nostro modello, utilizziamo algoritmi per aumentare la quantità di dati di alta qualità disponibili di oltre un ordine di grandezza. Inoltre, in termini di selezione dei dati, utilizziamo libri, teorie e articoli più classici per addestrare i nostri modelli di grandi dimensioni, in modo che i nostri modelli abbiano la capacità di comprendere gli utenti in modo più approfondito, più specificamente, quando si tratta di raccomandazioni sui contenuti non permetterà ciecamente agli utenti di rimanere nel piacere a breve termine. C’è invece la felicità a lungo termine di accumulare informazioni di alta qualità.

Machine Heart: ho appena detto che gli algoritmi di raccomandazione generativa possono migliorare la comprensione degli utenti. Esiste uno standard quantitativo per confrontare la comprensione degli utenti da parte di diversi algoritmi di raccomandazione?

Li Yan: Poiché gli obiettivi perseguiti dalle diverse aziende sono diversi, anche gli obiettivi di ottimizzazione sono diversi. In generale, può essere la durata, la percentuale di clic e la fidelizzazione. Poiché i nostri principi tecnici e la direzione aziendale sono aree nuove, attualmente disponiamo di un sistema di dati interno molto complesso per valutare questa questione.

Heart of the Machine: Su LLM, quali sono attualmente i vantaggi della tecnologia Yuanshi?

Li Yan: A partire dal primo giorno della fondazione dell’azienda, cioè intorno all’aprile 2023, la prima versione del modello grande si basava sull’architettura MoE. La selezione complessiva del percorso tecnico sul mercato è molto lungimirante. Dall’aprile 2023 ad oggi da più di un anno il nostro modello ha iterato quattro versioni. Su molti set di test pubblici, i nostri risultati sono migliori rispetto a molti altri modelli.

Inoltre, il nostro corpus di alta qualità rende la qualità delle risposte molto elevata e il modello ha la capacità di pensare profondamente. In terzo luogo, anche la velocità del nostro modello di grandi dimensioni è molto competitiva, con una latenza estremamente bassa. Abbiamo apportato ottimizzazioni estreme all'addestramento e all'inferenza dei modelli, riducendo notevolmente i costi di addestramento di modelli di grandi dimensioni. Ora siamo gratuiti e non è necessario pagare per l'utilizzo durante i periodi di punta.

Machine Heart: Perché pensi che MoE sia un percorso migliore?

Li Yan: Crediamo che per realizzare i nostri prodotti dobbiamo avere la capacità di integrare i collegamenti sottostanti del modello. Nell'era dei modelli di grandi dimensioni, l'effetto del modello è migliore, il che spesso significa che i suoi parametri sono più ampi. Ma come prodotto TO C, se il costo dell'inferenza del modello è elevato, non funzionerà commercialmente. Pertanto, abbiamo bisogno sia di un gran numero di parametri che di bassi costi di inferenza come prerequisito per la fattibilità commerciale, alla fine possiamo solo scegliere MoE. Abbiamo pensato chiaramente a questo problema fin dal primo giorno e la prima riga di codice che abbiamo scritto è stata MoE.

Cuore della macchina: Dato che Yuanshi è posizionata come azienda applicativa, hai considerato l'utilizzo di alcuni modelli open source durante il processo di ricerca e sviluppo, che potrebbero essere più economici?

Li Yan:Il nostro obiettivo non è quello di essere un'azienda a livello di modello, ma il motivo per cui scegliamo comunque di sviluppare i nostri modelli di grandi dimensioni è che crediamo che i modelli di altre persone non servano ai nostri obiettivi. Siamo un prodotto guidato dai nostri modelli di grandi dimensioni. azienda.

Non abbiamo fatto alcun tentativo sul modello di business a livello di modello. Questo è legato alla mia conoscenza personale. Alcune persone pensano che i modelli di grandi dimensioni siano dotati di acqua ed elettricità, il che significa che una volta che avrò realizzato un buon modello di grandi dimensioni, non sarà necessario farlo voi e potrete tutti usare le mie capacità. Ma crediamo che il significato più grande del modello di grandi dimensioni risieda nella sua capacità di servire gli utenti in modo estremo e nelle sue capacità basate su scenari. Serve meglio gli utenti in uno scenario fisso e fornisce un'esperienza che prima non era completamente disponibile.

Inoltre, la capacità di mettere a punto le modifiche si è rivelata limitata. Poiché siamo piuttosto innovativi nel farlo, dobbiamo apportare importanti modifiche all’architettura del modello sottostante. Utilizzeremo anche i nostri modelli sviluppati internamente per confrontarli con i modelli open source. I fatti hanno dimostrato che i risultati dei nostri modelli interni sviluppati internamente sono di gran lunga migliori di quelli dei modelli open source. Poiché questo modello è completamente creato per il mio scenario, è stato svolto molto lavoro dalla costruzione dei dati di addestramento alla progettazione dell'algoritmo.

Machine Heart: Sei anche uno dei primi esploratori della multimodalità in Cina. Hai un calendario per la multimodalità?

Li Yan: Allo stato attuale, il modello di testo di grandi dimensioni è ancora il nucleo del nucleo. È la base dell'intelligenza.

valore del prodotto:

Capacità di prestare maggiore attenzione alle esigenze individuali degli utenti

Cuore della macchina: la forma del prodotto di Yuanshi Technology è in realtà diversa da quasi tutti i prodotti di fascia C di grandi dimensioni sul mercato. Perché vuoi definire un prodotto del genere?

Li Yan: Non siamo un prodotto mirato a un gruppo specifico di persone, ci rivolgiamo a un'ampia gamma di persone e non siamo una comunità di contenuti verticali. Riteniamo che con il miglioramento delle capacità di generazione e distribuzione dell’intelligenza artificiale, i confini delle future categorie di contenuti nell’era dell’intelligenza artificiale diventeranno sempre più sfumati.

A livello di prodotto, il nostro prodotto attualmente ha due funzioni, una è Feed e l'altra è Chat. Lo chiamiamo "Chiedi a Xiaobai". Un aspetto è che gli utenti possono fargli qualsiasi domanda nella loro vita. D'altra parte, Xiaobai "chiede". Sulla base delle domande che gli utenti pongono all'intelligenza artificiale, Xiaobai prenderà anche l'iniziativa di prendersi cura degli utenti e di spingerli attivamente verso gli utenti. Il nome è Xiaobai, sperando che gli utenti abbiano un senso di sicurezza e intimità, abbandonino l'IA fredda o violenta e siano in grado di avere uno stretto contatto con gli utenti.

Machine Heart: Quindi può essere inteso come un prodotto di contenuto con funzioni di intelligenza artificiale?

Li Yan:Sì, oltre a questo, è anche un amico online in tempo reale che capisce le tue preferenze, come utente, puoi organizzarlo per fare qualcosa se hai qualcosa da fare, se non succede nulla, può osservarti e farlo in modo proattivo qualcosa per vedere in cosa può aiutarti.

Cuore della macchina: tutti i contenuti del flusso di feed provengono da AIGC? Come garantire la qualità di questo contenuto?

Li Yan: Se per produrre contenuti viene utilizzato un modello di grandi dimensioni, è necessario innanzitutto sapere quale tipo di contenuto piace agli utenti, quindi generare e organizzare contenuti di articoli di alta qualità basati su questi argomenti. Questi due livelli sono l'abilità di comprensione da un lato e l'abilità di generazione dall'altro. Guardandolo ora, c'è ancora molto spazio per migliorare i grandi modelli di abilità in questi due aspetti. Questo è anche il motivo per cui abbiamo avviato un'attività, perché crediamo di avere la capacità di migliorare notevolmente questa materia.

Heart of the Machine: il prodotto assomiglia un po' alla versione AI di Zhihu, Xiaohongshu e Toutiao rispetto a questi, quali sono le differenze e i vantaggi?

Li Yan: Innanzitutto prestiamo maggiore attenzione alle esigenze personalizzate degli utenti. Per tutti i prodotti della generazione precedente di cui hai appena parlato, il principio basilare del loro sistema di raccomandazione è il filtraggio collaborativo, vale a dire, se a un utente piacciono A e B e a un altro utente piacciono A e C, allora B e C sono anche simili. Allora vi consiglieremo rispettivamente B e C. C'è un problema molto evidente con questo metodo di filtraggio collaborativo, ovvero ti consiglia sempre alcune categorie vertebrali.

Perché? È perché se ti piace qualsiasi argomento, c'è un'alta probabilità che tu, come altre persone a cui piace questo argomento, sia più propenso ad apprezzare le belle donne e gli uomini belli, e tutti tendono ad apprezzare l'intrattenimento. Quindi il sistema alla fine determinerà che ti piace davvero l'intrattenimento e che ti piacciono i bei ragazzi e le belle donne.

Questo metodo ha i suoi vantaggi: può aumentare rapidamente il tempo degli utenti e continuare a crescere. Ma il suo problema è che nasconde gli interessi personali e gli interessi di nicchia degli utenti, rendendo difficile comprendere gli utenti in dettaglio.

E lo facciamo sulla base di modelli di grandi dimensioni. Prima di tutto, speriamo di prenderci cura dei tuoi interessi personalizzati, piuttosto che consigliarti bei ragazzi, bellezze o contenuti di intrattenimento. In questo caso, questo sistema di consigli non è un sistema di consigli veramente personalizzato.

Pertanto, un sistema di raccomandazione sufficientemente intelligente dovrebbe teoricamente essere in grado di prendersi cura di tutti gli interessi degli utenti. Che si tratti dei tuoi interessi generali o di interessi personalizzati di nicchia. Finora non è stato fatto abbastanza.

Machine Heart: Perché hai scelto questa direzione quando hai avviato un'impresa, invece del comune chatbot o della forma di prodotto di accompagnamento emotivo attualmente comune?

Li Yan: Riteniamo che l'integrazione di LLM con le raccomandazioni abbia l'opportunità di definire un nuovo tipo di interazione, un'esperienza fluida che non richiede un'interazione "attiva". Al momento, le interazioni puramente di tipo chat hanno ancora determinate soglie di utilizzo per gli utenti e gli utenti devono avviare attivamente le domande. In una certa misura, ne limita anche la penetrazione e l’utilizzo da parte di una gamma più ampia di utenti. Oltre a tutti i prodotti consigliati che utilizziamo oggi, anche se gli utenti li utilizzano molto, vediamo ancora utenti che li disinstallano ripetutamente. Fingere ripetutamente significa che non può farne a meno, ma rimandare ripetutamente significa che non è soddisfatto al 100%. Questo è un punto che ci fa pensare che in realtà i prodotti consigliati abbiano ancora grandi opportunità.

Su questa base, riteniamo che il background del nostro team sia molto adatto a questo scopo. Io personalmente e il team abbiamo una profonda esperienza nella ricerca, nella ricerca sull'intelligenza artificiale e nell'implementazione di prodotti su larga scala.

Machine Heart: Tuttavia, i prodotti basati sui contenuti attualmente incontrano generalmente il dilemma di percorsi di commercializzazione poco chiari e non hanno molto successo. Cosa ne pensi?

Li Yan: Siamo ancora nella fase in cui dobbiamo dimostrare in modo più completo il valore dei nostri utenti. Ha senso parlare solo di valore commerciale basato su un grande valore per l'utente. Molti prodotti hanno fornito esempi di grande successo delle forti capacità di monetizzazione dei prodotti con contenuti di grande volume, come Kuaishou.

Machine Heart: Guardando indietro al prodotto, qual è il valore di una migliore capacità di risposta al prodotto?

Li Yan: Penso che ce ne siano due. Il primo è che migliori sono le tue risposte, maggiore sarà la persistenza dell'utente. In questo caso, puoi conoscere più segnali degli utenti e comprendere meglio gli utenti. In definitiva, il sistema può utilizzarli per creare contenuti per gli utenti che gli piacciono e di cui hanno realmente bisogno. Formare continuamente un'esperienza positiva e un ciclo di dati.

Machine Heart: Pensando in modo ottimistico, quale impatto può avere la graduale maturità degli algoritmi di raccomandazione generativa sull’industria dei contenuti? Nella tua immaginazione, come potrebbe essere un maturo "Chiedi al principiante"?

Li Yan:Le raccomandazioni generative infondono nuova vitalità al percorso dei contenuti, consentendo di apportare enormi cambiamenti in questo settore piuttosto che elaborare miglioramenti.

Al momento, i modelli di grandi dimensioni e altre tecnologie correlate stanno facendo passi da gigante, ma c’è un evidente collo di bottiglia nella comunicazione tra gli esseri umani e l’intelligenza artificiale. Abbiamo la capacità di fare meglio in entrambi gli aspetti. Chiedi a Xiaobai, chiede Xiaobai, speriamo di promuovere notevolmente l'inclusività della tecnologia AI e consentire agli utenti comuni che hanno bisogno dell'IA di sentire maggiormente il potere dell'IA.