Aptallar, inananlar, öncüler: Derin öğrenmedeki Büyük Üç dahil sözlü sinir ağlarının rönesans tarihi
Orijinal: Ashlee Vance
Annie Tang Xu, Bloomberg'den derlendi
Qubit Üretildi | Genel Hesap QbitAI
Modern sinir ağları ve makine öğrenimi gibi yapay zeka teknolojilerinin arkasındaki fikirler, İkinci Dünya Savaşı'nın sonuna kadar izlenebilir. O dönemde bilim adamları, bilgiyi insan beynine benzer bir şekilde depolamak ve işlemek için tasarlanmış bilgi işlem sistemleri oluşturmaya başladılar.
On yıllar boyunca bu teknoloji dalgalandı. 2012'ye kadar. Yapay zeka nihayet daha geniş ilgi ve uygulamalar kazanmaya başladı.
Küçük bir "inatçı" grubunun ısrarı sayesinde, aptal olarak görülmekten korkmazlar ve her zaman sinir ağlarının dünyayı aydınlatacağına ve insanlığın kaderini değiştireceğine inanmışlardır.
Yakın zamanda Bloomberg muhabiri Ashlee Van, birçok makine öğrenimi uzmanıyla röportaj yaptı ve yapay zekanın sözlü bir tarihini derledi.
Bu, birden fazla kahramanın olduğu bir cesaret ve cesaret hikayesidir. Bunlar hafızalarındaki zorluklar ve atılımlardır. Anlatıma dahil olan kişisel olarak deneyimli büyük inekler şunları içerir:
-
Geoffrey Hinton, Toronto Üniversitesi'nde profesör, Google Brain üyesi
-
New York Üniversitesi'nde Profesör Yann LeCun, Facebook'ta Baş Yapay Zeka Bilimcisi
-
Yoshua Bengio, Montreal Üniversitesi Profesörü, MILA Başkanı
-
Richard Sutton, Alberta Üniversitesi'nde profesör, pekiştirmeli öğrenmenin babası
-
Jurgen Schmidhuber, Nnaisense'nin kurucu ortağı, LSTM'nin babası
Bir de tarihsel kayıt cihazı var:
-
"New York Times" muhabiri Cade Metz, yapay zekanın tarihi üzerine bir kitap yayınlayacak
O yıla dönüp baktığında, şimdi makine öğreniminin "Büyük Üçlüsü" nden biri olan Yann LeCun, "Hinton, Bengio ve benim için bu karanlık bir dönem. Acı çekmesek de, biz de üzgün hissedebiliriz. İnsanlar fikirlerimizin daha iyi olduğunu düşünmüyor. "
Geoffrey Hinton, sinir ağlarına her zaman inandıklarını söyledi, ancak o zamanlar dışarıdan gelenler sinir ağlarının sadece arzulu bir düşünce olduğunu düşündüler, "Sinir ağlarını inceleyen ve onları daha iyi hale getirmek isteyen çok az insan var."
Sutton, "İnsanlık nedir? İnsanlık daha iyi olmak için bir mücadeledir. Yolun yarısında durup sonra bu kaderdir demek istemiyoruz." Dedi.
Gelecekte bizi ne bekliyor?
Bengio şunları söyledi: Kendimizden daha akıllı, değerlerimizi ve ahlaki sistemimizi anlayacak kadar akıllı ve bizim için iyi bir şekilde hareket eden makineler yaratabileceğimize inanıyorum.
LeCun şöyle dedi: Tekillik kavramına inanmıyorum Alaska'da yapay zekanın sırlarına hakim olan ve ardından dünyayı fetheden bir robot yaratan bir dahi gibi Hollywood tarzı sahneler saçma.
Tüm maddi fenomenler ve sosyal fenomenler sürtüşme ile yüzleşmek zorundadır, bu yüzden üstel büyüme süreci sonsuza kadar devam edemez.
Aşağıdaki bu sözlü tarih
Cade Metz :
Sinir ağı kavramı, bir beyin nöronları ağını simüle eden bir bilgisayar sistemi olarak kabul edildiğinde 1940'lara kadar izlenebilir. Profesör Frank Rosenblatt, 1950'lerde, sinir ağları kavramına dayalı bir algılayıcı geliştirmek için ABD Donanması gibi devlet kurumlarıyla birlikte çalışarak bu çalışmayı gerçekten destekledi.
O sırada hem "New York Times" hem de "New Yorker" olayı tam renkli olarak bildirdi.
Rosenblatt, bu algılayıcının yalnızca görüntüler gibi küçük görevleri tanımayı öğrenemeyeceğini, aynı zamanda teorik olarak makineye yürümeyi, konuşmayı ve duyguları ifade etmeyi de öğrettiğini söyledi.
O zamanlar bu, çok sınırlı işlevleri olan tek katmanlı bir nöron yapısıydı.
Söylemeye gerek yok, yukarıda söz verdiği şeylerin hiçbirinin gerçekleşmediğini tahmin edebilirsiniz.
1960'ların sonlarında, Rosenblatt'ın meslektaşı ve ortaokul sınıf arkadaşı, yapay zeka öncüsü ve Dartmouth Konferansı organizatörü Marvin Minsky, algılayıcıların ve sinir ağlarının sınırlamalarını detaylandıran bir kitap yazdı.
En az 10 yıldır tüm araştırma alanını donduran bu kitaptır.
Geoff Hinton :
Rosenblatt'ın duyusal makinesi bazı ilginç şeyler yapabilir, ancak bazıları zamansızdır ve bu konsept 50 yıl sonrasına kadar uygulanabilir değildir. Minsky bir anlamda sinir ağlarına her zaman inanan biri olsa da, bazı şeylerin hala çözülemez olduğunu da kanıtladı.
Minsky ve Seymour Papert'in "Algılayıcı: Hesaplamalı Geometriye Giriş" temelde bu alanın düşüşüne yol açtı.
Geoff Hinton
1970'lerde hala sinir ağlarını incelemeye devam eden küçük bir grup insan vardı, ancak genel olarak yapay zeka kışındaydık.
Metz :
Hinton, Carnegie Mellon Üniversitesi'nde (CMU) öğretmenlik yapıyordu ve daha sonra Toronto Üniversitesi'nde seçkin bir profesör oldu ve her zaman sinir ağlarına takıntılıydı.
Sonunda, o ve meslektaşları çok katmanlı bir sinir ağı veya derin sinir ağı geliştirdiler. Bu, makine öğrenimi tarihinde bir kilometre taşı olayıdır ve o zamandan beri, derin öğrenme hayatın her alanını etkilemeye başlamıştır.
Derin öğrenmede bir başka dev olan Fransız bilgisayar bilimcisi Yann LeCun, Toronto'daki Hinton laboratuvarında doktora sonrası araştırma yaparak bir yıl geçirdi ve ardından New Jersey'deki Bell Laboratuvarı'na gitti.
Yann LeCun
Yann LeCun :
Çok küçük yaşlardan beri zekaya ilgi duydum. Uzay araştırmasının çok popüler olduğu 1960'larda büyüdüm, ilk nesil bilgisayarlar da ortaya çıktı ve yapay zeka kavramı ortaya çıktı. Bu yüzden mühendislik okumaya başladığımda, yapay zekanın yeni ortaya çıkan alanıyla çok ilgilendim.
LeCun (sağda), 1979'da Esiee Paris Graduate School'da
Algılayıcıyı duyduğumda çok ilgilendim, çünkü öğrenmenin zekanın ayrılmaz bir parçası olduğuna çok katılıyorum ve algılayıcı hakkındaki her şeyi anlamak için etrafa baktım.
Mühendisler için, zekayı anlamak istiyorsanız, en etkili yol akıllı bir makine inşa etmeye çalışmaktır.Bu süreç, sizi zekayı oluşturan anahtar eksikliğe odaklanmaya zorlayacaktır.
Bu biraz uçakların gelişimine benziyor. Havacılık öncüleri, kuşların uçuşundan ilham aldılar, ancak uçuş düzenlerini tam olarak kopyalamadılar.
İstediğiniz sadece biyolojik zekayı veya insan beynini taklit etmek değil, çünkü bazı işlevler biyokimya ve biyoloji tarafından belirlenebilir, ancak zeka ile hiçbir ilgisi yok. Sanki tüylerin uçma üzerinde kritik bir etkisi yok gibi, asıl önemli olan arkasındaki aerodinamiktir.
Metz :
Bazı insanlar LeCun'un bir aptal olduğunu düşünüyor ve onun üzerinde çalıştığı şeyler de Sisifçi'nin sonsuz beyhude olduğunu düşünüyor.
O zamanlar, bir sinir ağı araştırmacısı olarak büyük yapay zeka konferanslarına katılıyordunuz ve akademinin çekirdeği tarafından kabul edilmediniz. Bu fikirler çok marjinal.
Yoshua Bengio :
1985'te sinir ağı gerçekten uç bir konuydu ve bunu Kanada'daki McGill Üniversitesi'nde öğretmedim. Klasik ve sembolik yapay zeka (Sembolik AI) üzerinde çalışıyorum, bu yüzden bir sinir ağı yapmak istiyorsanız, önce profesörü bana rehberlik etmesi için ikna etmelisiniz.
Bengio gençken
Neyse ki, devlet bursum var, bu yüzden temelde ne yapmak istediğime karar verebiliyorum ve profesör için herhangi bir kayıp yok. Sonunda bir anlaşmaya vardık: Makine öğrenimi yapabilirim, ancak bunu önemsediği konuşma tanıma görevlerine uygulamalıyım.
LeCun :
1986 civarında, sinir ağlarının araştırılmasında küçük bir zirve vardı.Bazı fizikçiler de bu modelle ilgilenmiş ve yeni matematiksel yöntemler önermişlerdir.
Bu yöntemler, 1980'lerin sonu ve 1990'ların başında büyük ilgi gören bu alanı yeniden ilerletti. Bazı insanlar, sinir ağı tabanlı sistemlerin kredi kartı dolandırıcılık tespiti gibi bazı pratik şeyler yapmasına izin vermeye başlar.
Çekleri otomatik olarak okumak için karakter tanımayı kullanan otomatik bir sistem üzerinde çalışıyordum.
Metz :
1980'lerin sonlarında, Dean Pomerleau adlı bir CMU araştırmacısı, yolda olabilecek kendi kendine giden bir araba yapmak için sinir ağlarını kullandı. LeCun, 1990'larda el yazısıyla yazılmış rakamları tanıyan ve daha sonra bankalar tarafından kullanılan bir sistem oluşturmak için bu teknolojiyi kullandı.
Pomerleau, 1995 yılında sürücüsüz arabasını sergiledi
Bu şekilde, 1980'lerin sonlarından 1990'lara kadar, sinir ağları ve uygulamaları yeniden canlandırıldı ve LeCun'un çalışması en iyi örnek.
Çok geçmeden, bu güzel alamet yine paramparça oldu. Bilgi işlem gücü ve eldeki veri eksikliği nedeniyle yapay zeka yine soğuk kışa girdi.
"LSTM'nin babası" Jurgen Schmidhuber karşılaştığı:
Kanadalı meslektaşlarımızın algoritmalarını biz kullanmadık, onlar bizimkini kullandılar. LeCun aslen Fransızdı, onun algoritmasını kullandık. Yararlı ve önemli birçok katkısı var.
Bu araştırmacıları uzun zamandır tanıyorum. Yoshua ile ilk tanıştığımda, bir öğrencimin dört yıl önce yayınladığı ile aynı ya da benzer bir çalışma yayınladı.
Birkaç yıl sonra, bir toplantıda bir hesaplaşma yaşadık ve tüm gerçekler ortaya kondu. Seminerde açık bir tartışma vardı ve ilk kimin neyi yaptığı belliydi. Bu kötü niyetli değil, sadece gerçekleri açıklığa kavuşturuyor. Bilimde yaptığınız şey gerçekleri açıklığa kavuşturmaktır.
(Bengio, Schmidhuber'ın iddialarını reddediyor.)
Jurgen Schmidhuber
LeCun :
O zamanki sorun, bu yöntemlerin desteklemek için karmaşık yazılımlar, büyük miktarda veri ve güçlü bilgisayarlar gerektirmesiydi. Pek çok insan bu şeylere erişemedi veya bunları tamamlamak için zaman ayırmaya istekli değildi.
1990'ların ortalarından 2000'lere kadar çoğu insan kestirme yollardan yararlandı - kimse sinir ağlarıyla gerçekten ilgilenmedi.
Hinton, Bengio ve benim için bu karanlık bir zaman. Acı çekmesek de üzgün de hissedebiliriz İnsanlar fikirlerimizin daha iyi olduğunu düşünmezler.
Hinton :
Tabii ki, biz her zaman ona inandık ve üzerinde çalışıyoruz, ancak mühendisler, diğer yöntemlerin performansına yalnızca küçük bir veri kümesiyle yaklaşabildiğini veya hatta onu aşabildiğini gördüklerinde, diğer Yangguan Bulvarlarına koştular ve sinir ağını şu şekilde konumlandırdılar: Hüsn-ü kuruntu. Sinir ağları üzerine araştırma, çok az insan onu daha iyi hale getirmek ister.
Kanadalı CIFAR, bizim gibi insanların tüm dünyada giderek daha fazla iletişim kurmasına izin vererek bizi bölünmenin uç noktasına itti.
LeCun :
Sinir ağı bir gün geri gelecek - küçük bir grup insan öyle düşünüyor.
2003 yılında, Geoff Toronto'daydı ve CIFAR tarafından bir sinirsel hesaplama projesi başlatmak için işe alındı. Böylece bir araya geldik ve bu alandaki tutkumuzu yeniden canlandırmak için çok çalışmaya karar verdik.
Ancak araştırma sonuçlarını yayınlamadan önce, seminerler düzenlemek, buluşmak ve fikirlerimizi geliştirmek için güvenli bir yere ihtiyacımız var. Bu proje resmi olarak 2004'te başlatıldı ve 2006'da çok ilginç makaleler üretildi. Geoff, Science dergisinde bir makale yayınladı.
Hinton 2006 "Science" makalesinin yüz tanıma testi görüntüsü
Hinton :
2006 yılında Toronto'da çok katmanlı bir sinir ağını eğitmek için bir yöntem geliştirdik.Aynı yıl Science dergisinde bir makale yayınladık, çok etkiliydi ve görüşlerimizi destekledi ve daha fazla insanın ilgisini çekti.
2009'da, laboratuvarımdaki iki öğrenci konuşma tanıma için derin sinir ağlarını kullanmak için bir yöntem geliştirdi ve bu etki o zamanki yöntemlerden daha iyiydi.
Sadece biraz daha iyiydi, ancak o sırada mevcut teknoloji 30 yıldır ilerlememişti. Bu derin sinir ağı araştırmaları birkaç ay içinde biraz daha iyi sonuçlar elde edebilir, bu da açıkça birkaç yıl içinde daha büyük ilerleme kaydedilebileceği anlamına gelir.
Metz :
Hinton, 2009 yılında, o sırada Microsoft'ta konuşma tanıma araştırmacısı olan Deng Li ile gündelik bir görüşme yaptı. O zamanlar çoğu insan gibi Deng Li de sembolizmi destekledi. Bu yol altında, temelde konuşma tanıma sistemlerini tek tek inşa etmeniz ve bunları belirli davranışlarla kodlamanız gerekir - ilerleme çok yavaş olacaktır.
Hinton, sinir ağı yöntemlerini kullanarak konuşma tanıma üzerine yaptığı araştırmanın gerçek bir ilerleme kaydettiğini o sırada belirtti. Bu yöntem, konuşma veritabanında var olan kalıpları analiz ederek kelime tanımayı tamamlayabilir ve göstergebilimci tek tek düzenleme yönteminden daha hızlıdır.
Deng Li
Deng Li, o sırada Hinton'un sözlerine tam olarak inanmadı, ancak daha sonra onu ve iki meslektaşını bu teknolojiyi geliştirmeleri için Microsoft'a davet etti. Microsoft'ta konuşma tanıma büyük adımlar attı; 2010'da aynı şey Google'da da oldu.
Daha sonra, 2012 yılının sonunda Hinton ve iki öğrencisi, görüntü tanıma alanında büyük bir atılım yaptılar ve aynı zamanda, önceki tüm teknik başarılarını da alt üst ettiler. O zamandan beri Microsoft ve Google'ın yanı sıra diğer şirketler de bu fikirlerin potansiyelini fark etmeye başladı.
Unutma, Hinton'un bu fikirleri aslında genç değil. Sinir ağının arkasında, bilgi işlem gücü ve veri hacmi gerçekten değişti. Microsoft ve Google gibi şirketlerde, metinden videoya her şeyi işlemek için birlikte çalışmak için binlerce makineye ihtiyacınız var. Büyük miktarda veri ve bilgi işlem gücü, sinir ağlarının başarısı için de zemin sağlar.
Hinton ofisinde
LeCun :
(Sinir ağı) Başarılı olması neden bu kadar uzun sürdü?
Bu kesinlikle bilimin karakteristiğidir. Bu bir felsefedir. Çeşitli teknolojiler benimsenmeden önce, insanların bu teknolojilerin gerçekten işe yarayabileceğine inanması gerekir. O zamanlar bu yöntemlerin iyi bir ünü yoktu, insanlar çok eleştirel olduklarını ve biraz kara büyü gerektirdiğini söylediler.
Sutton :
Hesaplama gücünde böylesine istikrarlı bir artış görmek büyük önem taşıyor. Artık algoritma geliştirenler, daha hızlı bilgisayar geliştirenlerle yarışıyor. Bilgisayarların 5 hatta 10 yıl içinde kullanılabilirliğini göz önünde bulundurarak ileriye dönük planlamanız ve algoritmalarınızı ayarlamanız gerekebilir.
Bilgisayarın neyin iyi neyin kötü olduğunu fark etmesi gerekiyor ve sonra ona "ödül" adı verilen belirli bir sinyal vermeniz gerekiyor. Ödül yüksekse iyi, ödül düşükse kötü demektir. Hedefin kaynağı budur.
Sinir ağı, öğrenme sürecini yerleştirdiğiniz yerdir ve pekiştirme, hangi değişiklikleri yapacağınıza karar verdiğiniz yerdir.
Bengio :
Geoff, Yann ve benim hayal ettiğimiz türden denetimsiz öğrenmeyi başarmak için hâlâ gidecek çok yolumuz var. Derin öğrenme ile oluşturulan hemen hemen her ürün esas olarak denetimli öğrenmeye dayanır, yani bilgisayarlara milyonlarca durumda ne yapmaları gerektiği söylenir.
Elbette insanlar bu şekilde öğrenmez; biz otomatik olarak öğreniriz. İçinde bulunduğumuz dünyayı gözlemliyoruz. 2 yaşındayken fizik, yerçekimi, basınç vb. İle ilgili temel kavramlarımız vardı ama ebeveynlerimiz bize Newton yasalarını asla öğretmedi. Dünya ile etkileşime giriyoruz, gözlemliyoruz ve bir dereceye kadar davranışımıza göre olayların nasıl gelişeceğine dair bir model oluşturuyoruz.
Araştırmamız, pekiştirmeli öğrenmeyle ilgili çalışma ile ilgili denetimsiz öğrenme aşamasına doğru ilerliyor. Dünyayı sadece gözlemlemiyoruz, dünyada hareket ediyoruz ve bu eylemlerin etkilerine dayanarak nasıl çalıştığını çözüyoruz.
LeCun :
Şu anda ilgilendiğim şey, makinelerin hayvanlar ve insanlar kadar verimli öğrenmesini sağlamak. Araba kullanmayı öğrendiğinizde, yoldan saparsanız kötü şeyler olacağını bilirsiniz. Eylemlerimizin sonuçlarını tahmin edebiliriz, bu da kötü şeyler olduğunu anlamak için gerçekten o kötü şeyleri yapmamıza gerek olmadığı anlamına gelir.
Şimdi amacım, makineleri eğitmenin bir yolunu bulmak, böylece gözlem yoluyla öğrenebilirler, böylece dünyanın bu öngörücü modelini oluşturabilirler. Her hayvanın kendi çevre tahmin modeli vardır. Hayvanlar ne kadar akıllı olursa, bunu o kadar iyi yapabilirler. Öngörülebilir sonuçlara göre hareket etme yeteneği ile birleştiğinde bu öngörü yeteneğinin aslında bilgeliğin özü olduğunu söyleyebilirsiniz.
Fotoğraf LeCun: Hinton ve Bengio
LeCun :
Önümüzdeki 3 yıl, 5 yıl, 10 yıl, 15 yıl gibi bir sürede çok büyük ilerleme kaydetmemiz çok muhtemel. İnsan zekasına yaklaşabilen bir sistemi gerçekten yapabilmemiz uzun zaman alacak. Onlarca yıl sürer.
Bengio :
Makine çok akıllı olsa bile, bizden bile daha akıllı olsa bile, insanların işsiz kalacağını düşünmüyorum. Her zaman gerçek insanların çalışmasını istedik ve bu işler insanlar arasındaki etkileşimlerdir. Bir robotun çocuklarıma veya büyükanne ve büyükbabama bakmasını ya da hasta olduğumda hastanede bana bakmasını istemiyorum.
Terminatörden korkmuyorum. Kendimizden daha akıllı, değerlerimizi ve ahlaki sistemimizi anlayacak kadar akıllı ve bize iyi gelecek şekilde hareket eden makineler yaratabileceğimize inanıyorum.
Benim asıl endişem, insanların yapay zekayı askeri silahlar için kullanmak gibi yanlış kullanacak olmaları. Reklamda gördüğünüz gibi, başkalarını etkilemek için kullanıldılar. Yapay zekanın ahlaki ve etik açıdan kullanılmaması gereken bazı yerlerde, onu yasa dışı olarak değerlendirmemiz gerektiğini düşünüyorum. Kolektif düzeyde rasyonel olmalıyız.
Sutton :
Bu alana "yapay zeka" demenin bizim için çok büyük bir hata olduğunu düşünüyorum. Bu isim, onu insanlardan çok farklı gösteriyor ve gerçek bir bilgelik gibi görünmüyor. İnsanların bunları tuhaf ve alışılmadık şeyler olarak hayal etmesine neden oluyor, ama aslında yaptığımız şey çok "insani" bir şey-insan bilgeliğini yeniden yaratmak.
Bilimin ortaya koyduğu gerçektir, ancak herkes gerçeği sevmez - özellikle de gerçeği aldığınızda ve istediğinizin bu olmadığını anladığınızda. Tarihte dinin her zaman bilimle çatışmasının nedeni bu olabilir. Beynimiz hakkında ne kadar çok şey bilirsek, durum aynı olabilir. Bilincin hiç bir açıklaması olmaması da mümkündür. Bazı insanlar hoşlanır, bazıları sevmez Bilim gerçeği değiştiremez.
Değişim geldiğinde, her zaman kazananlar ve kaybedenler olacak ve büyük bir değişiklik geliyor. Akıllı makineler de olacağımızı düşünüyorum. AI'ya kendimiz veya çocuğumuz gibi davranmalıyız. Bunları sağlıklı olduğunu düşündüğümüz şekilde yaratabiliriz.
İnsan doğası nedir? İnsan doğası, daha iyi olma mücadelesidir. Yolun yarısında durup, bu kader demek istemiyoruz.
LeCun :
Nasıl görüneceğini gerçekten anlayana kadar, bununla ilgili endişeler olgunlaşmamış. Tekillik kavramına inanmıyorum, bir gün süper akıllı makineler yapmayı öğreneceğimizi ve bu makinelerin ertesi gün kendi başlarına daha akıllı makineler yaratacağını ve sonra havalanacağını düşünüyor.
Bence insanlar tüm maddi ve sosyal fenomenlerin sürtüşme ile yüzleşmek zorunda olduğunu unutuyorlar, bu yüzden üstel büyüme süreci sonsuza kadar devam edemez. Alaska'da yapay zekanın sırlarına hakim olan ve ardından dünyayı fetheden bir robot yaratan bir dahi gibi bu tür bir Hollywood tarzı sahne saçma.
Hinton :
Temelde, üretkenliğin artırılması kamu yararına olmalıdır. Bunun kötü bir şeye dönüşmesinin tek olasılığı, toplumun üretkenlik artışının tüm sonuçlarını elinden almış, ancak bunu sadece kulenin tepesinde duran nüfusun% 1'ine vermesidir. Kanada'da yaşama nedenlerimden biri de vergi sistemidir: çok para kazanırsanız ülke sizden çok fazla vergi alır. Bunun harika olduğunu düşünüyorum.
Esas noktam, geleceğin tahmin edilmesinin zor olmasıdır. Önümüzdeki 20 yıl içinde ne olacağını tahmin etmeye başladığınızda, temelde yanılıyorsunuz. Ancak tahmin edilebilecek bazı şeyler de var, örneğin - bu teknoloji her şeyi değiştirecek.
Orijinal: https://www.bloomberg.com/news/features/2018-05-17/apple-and-its-rivals-bet-their-futures-on-these-men-s-dreams
- Bitiş -
Samimi işe alım
Qubit, editörleri / muhabirleri işe alıyor ve merkezi Pekin, Zhongguancun'da bulunuyor. Yetenekli ve hevesli öğrencilerin bize katılmasını dört gözle bekliyoruz! Ayrıntılar için, lütfen QbitAI diyalog arayüzünde "işe alım" kelimesiyle yanıt verin.
Qubit QbitAI · Toutiao İmzalama Yazarı
' ' Yapay zeka teknolojisi ve ürünlerindeki yeni eğilimleri takip edin
