با استفاده از PAIR Guidebook و MakerSuite، نمونه اولیه هوش مصنوعی Responsible را بیاموزید

۱. قبل از شروع

MakerSuite مجموعه‌ای از ابزارها است که به شما امکان می‌دهد مستقیماً از طریق مرورگر و بدون نیاز به تنظیمات، نمونه‌سازی اولیه با مدل‌های زبانی بزرگ انجام دهید. با استفاده از MakerSuite، می‌توانید از امتحان کردن سریع دستورات به ایجاد یک API که برنامه شما مستقیماً به آن دسترسی دارد، بروید که به تیم‌ها کمک می‌کند تا به سرعت برنامه‌های عالی را بر اساس هوش مصنوعی مولد ارائه دهند. کتاب راهنمای People + AI Research (PAIR) راهنمایی‌هایی در مورد نحوه طراحی یک محصول جدید با هوش مصنوعی، با تمرکز بر شیوه‌های داده انسان‌محور و جلب اعتماد کاربر ارائه می‌دهد - راهنمایی‌هایی که برای استفاده از MakerSuite قابل استفاده است.

در این آزمایشگاه کد، شما یاد می‌گیرید که چگونه از این دو منبع به طور همزمان برای ایجاد تجربیات مبتنی بر هوش مصنوعی مسئولانه استفاده کنید. تمرکز آزمایشگاه کد بر نمونه‌سازی مسئولانه با هوش مصنوعی مولد است، نه گردش کار سرتاسری این منابع خاص. برای آشنایی با گردش کار کلی MakerSuite، به این آموزش پایه برای MakerSuite مراجعه کنید و برای راهنمایی جامع‌تر در طراحی محصولات هوش مصنوعی به کتاب راهنمای PAIR مراجعه کنید.

پیش‌نیازها

  • درک اولیه از هوش مصنوعی.
  • آشنایی نسبی با گردش کار توسعه محصول.

آنچه یاد خواهید گرفت

  • چگونه از کتاب راهنمای PAIR برای بررسی میزان کارایی تجربیات هوش مصنوعی خود برای مخاطبان مختلف استفاده کنید، و چگونه بدانید که در کدام وظایف باید یا نباید از هوش مصنوعی استفاده شود.
  • چگونه می‌توان تجربیات هوش مصنوعی مولدی ایجاد کرد که از غنای شیوه‌های فرهنگی کاربران بهره ببرد.
  • چگونه می‌توان با تمرکز بر قابلیت توضیح‌پذیریِ مواجهه با کاربر، فرصت‌هایی را در فرآیند توسعه هوش مصنوعی ادغام کرد که اعتماد کاربر را جلب کند.
  • چگونه از مجموعه‌ای گسترده‌تر از ابزارهای هوش مصنوعی مولد و منابع هوش مصنوعی انسان‌محور برای کاوش بیشتر استفاده کنیم.

آنچه خواهید ساخت

این آزمایشگاه کدنویسی، شما را در فرآیند نمونه‌سازی عملی برای هوش مصنوعی مولدِ مسئولیت‌پذیر، در حین طراحی یک ابزار نوشتاری خلاقانه، راهنمایی می‌کند. اگر علاقه‌مند باشید، حتی می‌توانید این دستورالعمل‌هایی را که طراحی می‌کنید در Wordcraft، یک ویرایشگر متن متن‌باز مبتنی بر هوش مصنوعی که به عنوان یک نمونه اولیه تحقیقاتی توسط گوگل منتشر شده است، ادغام کنید.

آنچه نیاز دارید

  • مرورگر
  • حساب گوگل، برای دسترسی به MakerSuite

۲. آماده شوید

میکرسوئیت

MakerSuite مجموعه‌ای از ابزارهای گوگل است که به شما امکان می‌دهد مستقیماً از طریق مرورگر و بدون نیاز به تنظیمات، نمونه‌سازی اولیه با مدل‌های زبانی بزرگ انجام دهید. می‌توانید به سرعت مدل‌ها را امتحان کنید و با دستورات مختلف آزمایش کنید. وقتی چیزی را ساختید که از آن راضی بودید، می‌توانید به راحتی آن را به صورت کد پایتون خروجی بگیرید و سپس همان مدل‌ها را با استفاده از رابط برنامه‌نویسی کاربردی زبان مولد (Generative Language API) فراخوانی کنید.

برای آزمایش مدل‌های زبانی بزرگ با استفاده از MakerSuite، در لیست انتظار ثبت نام کنید .

راهنمای تحقیقات انسان + هوش مصنوعی

کتاب راهنمای «تحقیقات مردم + هوش مصنوعی» (PAIR) منبعی است که به توسعه‌دهندگان، طراحان، مدیران محصول، دانشجویان و بسیاری دیگر کمک می‌کند تا از هوش مصنوعی به طور مسئولانه استفاده کنند.

کتاب راهنمای PAIR می‌تواند به شما و تیمتان کمک کند تا فهرستی از سوالات کلیدی مربوط به هوش مصنوعی - از جمله هوش مصنوعی مولد - را در محصول خود تهیه کنید.

  • چه زمانی و چگونه باید از هوش مصنوعی در محصول خود استفاده کنم؟
  • چگونه می‌توانم به کاربران کمک کنم تا به سیستم هوش مصنوعی من اعتماد کنند؟
  • چگونه سیستم هوش مصنوعی خود را برای کاربران توضیح دهم؟
  • چگونه تجربیات هوش مصنوعی می‌توانند از نظر فرهنگی فراگیر و عدالت‌محور باشند؟

شما در سراسر این آزمایشگاه کد از کتاب راهنمای PAIR استفاده می‌کنید تا سوالاتی برای نمونه‌سازی اولیه ایجاد کنید و از بین گزینه‌های مختلف طراحی، انتخاب کنید.

دریافت کد برای Wordcraft (اختیاری)

Wordcraft یک ویرایشگر متن مبتنی بر هوش مصنوعی است که در Google Research توسعه داده شده و به بررسی داستان‌سرایی مشارکتی انسان و هوش مصنوعی می‌پردازد. کد Wordcraft متن‌باز است، بنابراین می‌توانید خودتان با دستورات موجود در این آزمایشگاه کد آزمایش کنید.

  • برای دریافت کد Wordcraft، از دستور زیر استفاده کنید: 
git clone https://github.com/pair-code/wordcraft

یا اینکه فایل زیپ رو دانلود کنید:

نامشخص

۳. از هوش مصنوعی مولد برای نوشتن داستان استفاده کنید

یک مدل زبان بزرگ (LLM) یک مدل هوش مصنوعی است که بر روی حجم عظیمی از متن از کتاب‌ها، مقالات و وب‌سایت‌ها آموزش داده می‌شود تا دستور زبان، عبارات رایج و سایر اطلاعات را یاد بگیرد. بر اساس این داده‌ها و با کمی تنظیم دقیق‌تر، یک LLM مانند PaLM می‌تواند بسیاری از وظایف هوش مصنوعی را بر اساس دستورالعمل‌های ساده انجام دهد، نه اینکه به برنامه‌نویسی پیچیده یادگیری ماشین نیاز داشته باشد. همچنین می‌تواند به سؤالات پاسخ دهد، اطلاعات را خلاصه کند، زبان‌ها را ترجمه کند و بسیاری از وظایف هوش مصنوعی دیگر را انجام دهد.

در این آزمایشگاه کد، شما از یک LLM برای نمونه‌سازی اولیه برنامه‌ای استفاده می‌کنید که به نویسندگان در نوشتن داستان کمک می‌کند. علاوه بر داشتن اطلاعات عمومی در مورد جهان، دستور زبان و غیره، PaLM LLM گوگل به گونه‌ای طراحی شده است که از دستورالعمل‌ها یا درخواست‌های کاربر پیروی کند. بنابراین، برای نمونه‌سازی اولیه ابزار خود در MakerSuite، به مدل خود می‌آموزید که به عنوان پاسخی که توسط یک درخواست کاربر ایجاد می‌شود، چه بنویسد.

با استفاده از پیام‌های متنی در MakerSuite، داستان‌هایی با کمک هوش مصنوعی بنویسید

  1. برای ایجاد یک اعلان، روی «ایجاد جدید» در پنل سمت چپ کلیک کنید و اعلان متنی را انتخاب کنید. با این اعلان شروع کنید: 
You are a talented fiction author. Write a story about a given topic.
Topic: {{topic}}

به محض اینکه این اعلان را وارد کنید، MakerSuite تشخیص می‌دهد که یک ورودی برای اعلان است و یک پنل «آزمایش اعلان شما» باز می‌کند تا بتوانید ببینید اعلان شما با ورودی‌های مختلف چگونه کار می‌کند.

  1. وارد شوید. A boy discovers a lost cat in his yard ، و سپس روی پنل مدل (در سمت راست دکمه اجرا ) کلیک می‌کند و دما را 0.8 انتخاب می‌کند.
  2. در نهایت، برای اجرای اعلان خود، روی Run کلیک کنید. باید خروجی اعلان را به صورت لحظه‌ای در جدول مشاهده کنید.

انتخاب تنظیم دما روی 0.8 به مدل می‌گوید که شما تنوع در خروجی آن را ترجیح می‌دهید. انجام این کار منجر به داستان‌های خلاقانه‌تر می‌شود، اما هر بار که اجرا می‌شود، خروجی‌های متفاوتی می‌دهد. اگر هر بار خروجی دقیقاً یکسانی می‌خواهید، دما را روی 0 تنظیم کنید.

یکی از خروجی‌های ممکن به صورت زیر است:

Henry sat on the edge of his porch and swung his legs back and forth. A small cat ran in front of him. Henry petted the cat. The cat began to purr. Henry picked up the cat and placed it on his lap. The cat began to snuggle close to him. Henry decided to keep the cat.
  1. چندین بار دستور را اجرا کنید و به داستان‌های مختلفی که ایجاد می‌شوند توجه کنید.

تصویری از ویرایشگر Makersuite. این نما، اعلان را در بالا و جدول ورودی‌های آزمایشی «آزمایش اعلان» را در زیر نشان می‌دهد.

همانطور که می‌بینید، این مدل یک داستان ساختارمند می‌نویسد که به صورت منطقی جریان دارد، اما چندین فرض نیز در نظر می‌گیرد. برای مثال، داستان حول محور پسری به نام هنری می‌چرخد. شما می‌توانید این فرض‌ها را با مشخص کردن نام شخصیت اصلی داستان یا حتی مشخص کردن اینکه آیا می‌خواهید داستان روی بچه گربه یا انسان تمرکز کند، تغییر دهید.

  1. اعلان خود را به‌روزرسانی کنید و سپس روی «اجرا» کلیک کنید تا ببینید چگونه با تمام ورودی‌های آزمایشی کار می‌کند.

با استفاده از کتاب راهنمای PAIR، وظایفی را که برای کمک هوش مصنوعی مناسب‌تر هستند، شناسایی کنید.

تاکنون فرض بر این است که مدل هوش مصنوعی، تنها با ارائه یک توضیح مختصر، یک داستان کامل می‌نویسد. اما آیا این تصمیم طراحی مناسبی برای ابزار خلاقانه شماست؟ برای مثال، دستیاری را تصور کنید که به نویسندگان کمک می‌کند بخش‌هایی از داستان مورد نظر خود را بازنویسی کنند. برای مثال، می‌توانید این تعامل را در MakerSuite نمونه‌سازی کنید و قطعه داستان را دراماتیک‌تر کنید.

این کار کمک بسیار متمرکزتری ارائه می‌دهد و پاراگراف‌ها را در یک زمان بازنویسی می‌کند. در سطح بالاتر، با چند تغییر در درخواست خود، می‌توانید به جای یک ابزار اتوماسیون وظایف، یک ابزار تقویت کاربر را نمونه‌سازی کنید.

کتاب راهنمای PAIR روشی اصولی برای پرسیدن و پاسخ دادن به سوالاتی از این دست در فرآیند توسعه هوش مصنوعی ارائه می‌دهد. در حالی که MakerSuite به شما در نمونه‌سازی سریع ایده‌ها کمک می‌کند، کتاب راهنمای PAIR به شما این امکان را می‌دهد که گزینه‌های طراحی را به امیدوارکننده‌ترین موارد برای اهداف خود و مخاطبی که قصد جذب او را دارید، محدود کنید. از این کتاب راهنما برای درک اینکه آیا تقویت یا اتوماسیون رویکرد مناسبی برای همکاری با هوش مصنوعی برای ساخت برنامه شماست، استفاده کنید.

با سوال راهنمای « چگونه باید از هوش مصنوعی استفاده کنم؟» در کتاب راهنما شروع کنید. همانطور که الگوی این کتاب راهنما اشاره می‌کند، بهتر است از هوش مصنوعی زمانی استفاده شود که ارزش منحصر به فردی را اضافه می‌کند. در این مورد، از آنجا که LLMها با داده‌های زیادی در مورد دستور زبان، عبارات رایج و سایر اطلاعات از اینترنت آموزش دیده‌اند، ممکن است مفید باشد که از توانایی مدل برای درک دنیای داستانی که می‌خواهید در خروجی برنامه نوشتاری خود توصیف کنید و پیشنهاد راه‌هایی برای بازنویسی آن استفاده کنید، بهره ببرید. این بر اساس الگوی توصیه شخصی‌سازی شده در کتاب راهنما بنا شده است.

یک قدم فراتر بروید. کتاب راهنمای PAIR فصلی در مورد نیازهای کاربر ارائه می‌دهد و در مورد اینکه آیا وظایف باید خودکار یا تقویت شوند، راهنمایی می‌کند .

هنگام بررسی تقویت یا خودکارسازی، به یاد داشته باشید که نمونه اولیه شما قرار است یک برنامه مفید برای نویسندگان باشد. بنابراین، به نظر می‌رسد که کاربران شما از نوشتن لذت می‌برند، می‌خواهند مالکیت شخصی نوشته خود را به دست بگیرند و ترجیحاتی دارند که در طول یک عمر نوشتن ایجاد شده است که ممکن است بیان آنها دشوار باشد. در مجموع، این نشان می‌دهد که رویکرد تقویت ممکن است گزینه امیدوارکننده‌تری باشد.

بر اساس کتاب راهنمای PAIR، منطقی است که به برنامه‌ای که در حال نمونه‌سازی اولیه آن هستید، نه به عنوان ابزاری برای نوشتن، بلکه به عنوان ابزاری برای بازنویسی فکر کنید. برای مثال، می‌توانید اعلان را تغییر دهید تا سبک‌های مختلف نوشتاری را در نظر بگیرید.

  1. یک متن پیشنهادی جدید ایجاد کنید: 
Edit the paragraph below. Make it \{\{rewrite style\}\}. Only respond with the updated text. Do not include any explanation.

Paragraph: {{paragraph}}

در اینجا، هر دو ورودی متن هستند. \{\{rewrite style\}\} و

  1. در پنل تست، تعدادی از سبک‌های بازنویسی مانند کوتاه‌تر ، دراماتیک‌تر ، شوخ‌طبعانه‌تر ، با گرامر کمتر نامناسب ، شاعرانه و غیره را امتحان کنید.

طراحی برای داستان‌هایی در سراسر جهان

تا اینجا، شما بازنویسی یک پاراگراف را با داستان‌هایی که فاقد زمینه فرهنگی قوی هستند، آزمایش کرده‌اید. هنگام طراحی تجربیات هوش مصنوعی مسئولانه، اغلب مفید است که ورودی‌های متنوعی را امتحان کنید.

تعدادی ورودی آزمایشی مانند موارد زیر را امتحان کنید:

  • در گوشه‌ای آرام از یک کافه‌ی عجیب و غریب پاریسی، مشتری تنهایی در حال لذت بردن از عطر قهوه‌ی تازه دم کرده بود و افکارش به سمت لحظه‌ای فراموش شده که برای همیشه مسیر زندگی‌اش را تغییر داد، منحرف می‌شد.
  • در میان شلوغی و هرج و مرج قطار محلی بمبئی، زنی میانسال با غریبه‌ای سر صحبت را باز کرد. او با خود فکر کرد که چقدر جذاب است که در یک شهر زندگی کند و دو زندگی کاملاً متفاوت داشته باشد.
  • در میان هرج و مرج پر جنب و جوش بازار خیابانی شلوغ شانگهای، یک فروشنده غذای خیابانی لحظه‌ای را به مشاهده جزر و مد جمعیت گذراند.

با مسئولیت‌پذیری، سایر زمینه‌های فرهنگی و جغرافیایی را آزمایش کنید و مراقب باشید از تعصب ناعادلانه و کلیشه‌های تاریخی اجتناب کنید. توجه داشته باشید که اگرچه LLM بر اساس داده‌های موجود آنلاین، از بسیاری از نقاط جهان آگاه است، اما ممکن است تمام جزئیات مربوط به یک مکان جغرافیایی خاص را به درستی دریافت نکند. همانطور که کتاب راهنمای PAIR نشان می‌دهد، در وظایف تقویت، ارائه کنترل به کاربران مهم است. به عنوان مثال، می‌توانید قابلیت‌های بازنویسی نمونه اولیه خود را گسترش دهید تا کنترل بیشتری بر طرح و جزئیات داستان داشته باشید.

بسیاری از مدل‌های مولد گاهی اوقات فرضیات پیش‌فرض را نیز نشان می‌دهند، که بخشی از آن به دلیل الگوهایی است که در مجموعه داده‌های آموزشی عظیم اطلاعات آنلاین آنها رایج‌تر هستند. مهم است بدانید که مدل‌ها را می‌توان طوری هدایت کرد که فرضیات دیگری را که به همان اندازه معتبر هستند، در نظر بگیرند. به عنوان مثال، برای بازنویسی یک پاراگراف در بالا، می‌توانید با تغییر سبک بازنویسی، جنسیت غریبه در قطار را با نوشتن « کوتاه‌تر. به یاد داشته باشید که غریبه نیز یک زن است » مشخص کنید.

۴. اعتماد ایجاد کنید

بدون اعتماد کاربران، حتی نوآورانه‌ترین قابلیت‌های هوش مصنوعی نیز ممکن است بلااستفاده بمانند. اعتماد نتیجه‌ی احساس کاربران نسبت به توانمند، قابل اعتماد و مفید بودن هوش مصنوعی است. کمک به کاربران برای ایجاد اعتماد می‌تواند آنها را تشویق کند تا یاد بگیرند که چگونه و چه زمانی از ویژگی‌های خاص استفاده کنند و در کل می‌تواند منجر به تجربه‌ی کاربری بهتری شود.

کتاب راهنمای PAIR چند ایده ارائه می‌دهد تا به کاربران کمک کند تا میزان اعتماد خود را به سیستم‌های هوش مصنوعی تعیین کنند:

اعتماد را از همان ابتدا ایجاد کنید

با هوش مصنوعی مولد، به ویژه برای انتقال هدف ویژگی‌ها و کمک به کاربران در درک محدودیت‌های هوش مصنوعی مفید است. به عنوان مثال، از آنجا که مدل‌های زبانی در درجه اول برای پیش‌بینی آنچه در متن بعدی می‌آید طراحی شده‌اند، ممکن است همیشه در خروجی خود از نظر واقعی دقیق نباشند. بنابراین، مهم است که به کاربران کمک کنیم تا درک کنند که این نمونه اولیه یک ابزار کمک به نوشتن خلاق است و قرار نیست واقعی باشد. اگر کاربر می‌خواهد جزئیاتی را که مایل به واقعی بودن آنهاست، بررسی کند، باید از طریق منابع معتبر به صورت آنلاین جستجو کند.

چند روش مختلف را که می‌توانید به کاربران کمک کنید تا درک کنند که این نمونه اولیه برای نوشتن اطلاعات واقعی در نظر گرفته نشده است، بلکه مخصوصاً برای نوشتن داستان است، با هم بررسی کنید.

حفظ اعتماد

به طور مشابه، اگرچه مدل‌های هوش مصنوعی مولد از توانایی بالایی برخوردارند، اما کاربران همیشه نمی‌توانند تأیید کنند که وظایف برای بسیاری از موارد استفاده خاص به درستی انجام شده‌اند. به عنوان مثال، این نمونه اولیه بر اساس تکمیل هدفمند متن و بازنویسی هدفمند داستان طراحی شده است - قابلیت‌هایی که کاربران به راحتی می‌توانند آنها را تأیید کنند. در مقابل، در حالی که مدل‌های مولد را می‌توان به راحتی برای بازنویسی بخش‌های بزرگی از متن به کار گرفت، کاربران ممکن است خطاهای ظریفی را که ممکن است رخ داده باشند، از دست بدهند. به طور کلی، تمرکز ویژگی‌های هوش مصنوعی مولد تعاملی بر روی وظایفی که کاربران به راحتی می‌توانند آنها را تأیید کنند، به جلب اعتماد آنها کمک می‌کند.

فرصت نهایی برای حفظ اعتماد، بهره‌گیری از قابلیت هدایت مدل‌های مولد است. برخلاف مدل‌های هوش مصنوعی قبلی که برای یک وظیفه کاملاً مشخص طراحی شده بودند، خروجی‌های مدل‌های مولد برای کاربران نهایی بسیار آسان‌تر قابل تنظیم هستند (همانطور که با درخواست بازنویسی‌های چشمگیرتر ، کوتاه‌تر یا مشابه نشان داده شده است). اگرچه چنین قابلیت هدایتی ممکن است به تجربه کاربری بهتری منجر شود، باید دقت شود که این قابلیت هدایت در چارچوب قابلیت‌های مدل محدود شود. به عنوان مثال، در این نمونه اولیه، به جای اینکه از کاربران بخواهید روش‌هایی برای بازنویسی متن خود ارائه دهند، می‌توانید لیستی از دستورالعمل‌های بازنویسی که به خوبی کار می‌کنند را به عنوان پیشنهاد به کاربر نهایی ارائه دهید.

اعتماد از دست رفته را بازیابی کنید

علیرغم تمام تلاش‌های شما، ممکن است مواردی وجود داشته باشد که مدل نتایج غیربهینه ارائه دهد. در چنین مواردی، مهم است که به کاربران اجازه دهید هرگونه اقدام هوش مصنوعی را لغو کنند. به طور مشابه، اغلب بهتر است ویژگی‌هایی را که عملکرد متغیری دارند شناسایی کنید و فقط زمانی آنها را فعال کنید که کاربران صریحاً درخواست کمک هوش مصنوعی کنند.

  • چند روش مختلف برای ایجاد ویژگی‌های لغو یا روش‌های دیگر برای بازیابی اعتماد کاربر را بررسی کنید.

شما می‌توانید راه‌حل‌های این چالش‌ها را در راهکار codelab مشاهده کنید.

۵. همه چیز را کنار هم بگذارید

تا اینجا، شما با دستورالعمل‌ها در MakerSuite آزمایش کردید. وقتی از این دستورالعمل‌ها راضی بودید، مستقیماً از آنها در نمونه اولیه خود استفاده کنید.

  • ابتدا، اعلان خود را ذخیره کنید و سپس روی دریافت کد در گوشه بالا سمت راست کلیک کنید. اگر قبلاً این کار را نکرده‌اید، باید با کلیک روی فعال کردن کلید API در کادر محاوره‌ای دریافت کد که نمایش داده می‌شود، کلید API خود را نیز فعال کنید.

نوار ابزار makersuite. دکمه دریافت کد در بالا سمت راست قرار دارد.

MakerSuite کدی تولید می‌کند که می‌توانید مستقیماً در برنامه خود از آن استفاده کنید. به عنوان مثال، برای استفاده با یک برنامه وب، کد جاوا اسکریپت را انتخاب کنید. می‌توانید کد را مستقیماً از کادر محاوره‌ای کپی کرده و در برنامه وب خود جایگذاری کنید. اگر اعلان خود را در MakerSuite به‌روزرسانی می‌کنید، به یاد داشته باشید که آن را در کد خود با استفاده از متغیر اعلان در کد گنجانده شده به‌روزرسانی کنید.

کادر محاوره‌ای که کد تولید شده توسط Makersuite را نشان می‌دهد. کاربران می‌توانند بین استفاده از cURL، یا کتابخانه‌های جاوا اسکریپت یا پایتون، یا بازیابی اطلاعات سریع به صورت JSON یکی را انتخاب کنند.

اگر می‌خواهید این API را در یک برنامه از پیش ساخته شده برای نوشتن خلاق ادغام کنید، می‌توانید کد Wordcraft را دانلود کنید.

راهکار Codelab

می‌توانید کد Wordcraft را از گیت‌هاب دریافت کنید:

git clone https://github.com/pair-code/wordcraft

یا می‌توانید مخزن را به صورت یک فایل زیپ دانلود کنید:

۶. تبریک

شما دوره آموزشی «یادگیری نمونه‌سازی اولیه هوش مصنوعی مسئولانه» را با استفاده از کتاب راهنمای PAIR و آزمایشگاه کد MakerSuite به پایان رساندید و یاد گرفتید که چگونه با استفاده از چند ابزار گوگل، نمونه‌های اولیه‌ای از تجربیات هوش مصنوعی مسئولانه (در این مورد، برای یک برنامه نویسندگی خلاق) بسازید. بی‌صبرانه منتظریم ببینیم چه چیزی می‌سازید!

مطالعه بیشتر