युबेई चेन, एआईज़िप इंक के सह-संस्थापक – साक्षात्कार श्रृंखला

युबेई चेन एआईज़िप इंक के सह-संस्थापक हैं, जो विश्व के सबसे छोटे और सबसे कुशल एआई मॉडल बनाने वाली कंपनी है। वह कैलिफोर्निया विश्वविद्यालय, डेविस में ईसीई विभाग में सहायक प्रोफेसर भी हैं। चेन का शोध गणनात्मक तंत्रिका विज्ञान और गहरे अनुप्रशिक्षित (स्व-निर्देशित) शिक्षा के बीच के चौराहे पर है, जो हमें अव्यवस्थित प्रतिनिधित्व सीखने के गवर्निंग गणनात्मक सिद्धांतों की हमारी समझ को बढ़ाने और मस्तिष्क और मशीनों दोनों में प्राकृतिक संकेत सांख्यिकी के हमारे अंतर्दृष्टि को फिर से आकार देने में मदद करता है।

पूर्व में यूसी डेविस में शामिल होने से पहले, चेन ने प्रोफेसर यान लेकुन के साथ एनवाईयू सेंटर फॉर डेटा साइंस (सीडीएस) और मेटा फंडामेंटल एआई रिसर्च (एफएआईआर) में पोस्टडॉक अध्ययन किया। उन्होंने अपनी पीएचडी रेडवुड सेंटर फॉर थियोरेटिकल न्यूरोसाइंस और बर्कले एआई रिसर्च (बेयर) में पूरी की, जिसका मार्गदर्शन प्रोफेसर ब्रूनो ओलशाउसेन ने किया।

एआईज़िप अल्ट्रा-कुशल एआई समाधान विकसित करता है जो एज डिवाइसेस के लिए अनुकूलित होते हैं, जिसमें दृष्टि, ऑडियो, समय-श्रृंखला, भाषा और सेंसर फ्यूजन अनुप्रयोगों के लिए कॉम्पैक्ट मॉडल शामिल हैं। इसके उत्पादों में चेहरे और वस्तु पहचान, कीवर्ड स्पॉटिंग, ईसीजी/ईईजी विश्लेषण और ऑन-डिवाइस चैटबॉट्स जैसे कार्य शामिल हैं, जो सभी टिनीएमएल द्वारा संचालित होते हैं। अपने एआई नैनोफैक्ट्री प्लेटफ़ॉर्म, एआईज़िपलाइन के माध्यम से, कंपनी फ़ाउंडेशन और जेनरेटिव मॉडल का उपयोग करके मॉडल विकास को तेज़ करती है ताकि पूर्ण एआई डिज़ाइन स्वचालन की ओर बढ़ सके। एआईज़िप की गिज़मो श्रृंखला के छोटे भाषा मॉडल (300 एम -2 बी पैरामीटर) विभिन्न प्रकार के उपकरणों का समर्थन करते हैं, जो एज पर बुद्धिमान क्षमताएं लाते हैं।

आपने यान लेकुन के साथ एनवाईयू और मेटा एफएआईआर में पोस्टडॉक किया। उनके साथ काम करने और आपके शोध ने यूसी बर्कले में वास्तविक दुनिया के एआई समाधानों के निर्माण के लिए आपके दृष्टिकोण को कैसे आकार दिया?

बर्कले में, मेरा काम वैज्ञानिक जांच और गणितीय कठोरता में गहराई से जड़ा हुआ था। मेरे पीएचडी शोध, जिसमें इलेक्ट्रिकल इंजीनियरिंग, कंप्यूटर विज्ञान और गणनात्मक तंत्रिका विज्ञान शामिल थे, ने “व्हाइट-बॉक्स” दृष्टिकोण से एआई प्रणालियों को समझने पर केंद्रित किया, या डेटा और शिक्षा मॉडल के अंतर्निहित संरचनाओं को प्रकट करने के लिए तरीकों का विकास किया। मैंने व्याख्यात्मक, उच्च-प्रदर्शन एआई मॉडल और दृश्य तकनीकों का निर्माण किया जो ब्लैक-बॉक्स एआई प्रणालियों को खोलने में मदद करती हैं।

मेटा एफएआईआर में, ध्यान एआई प्रणालियों को पैमाने पर राज्य-कला प्रदर्शन प्राप्त करने के लिए इंजीनियरिंग पर केंद्रित था। विश्व-क्लास गणनात्मक संसाधनों तक पहुंच के साथ, मैंने स्व-निर्देशित शिक्षा की सीमाओं का अन्वेषण किया और योगदान दिया जिसे हम अब “विश्व मॉडल” कहते हैं – एआई प्रणालियां जो डेटा से सीखती हैं और संभावित वातावरण की कल्पना करती हैं। यह दोहरी अनुभव – बर्कले में वैज्ञानिक समझ और मेटा में इंजीनियरिंग-चालित स्केलिंग – ने एआई विकास पर एक व्यापक दृष्टिकोण प्रदान किया है। यह सिद्ध किया है कि दोनों सैद्धांतिक अंतर्दृष्टि और व्यावहारिक कार्यान्वयन का महत्व है जब आप वास्तविक दुनिया के अनुप्रयोगों के लिए एआई समाधान विकसित कर रहे हों

आपका काम गणनात्मक तंत्रिका विज्ञान के साथ एआई को जोड़ती है। तंत्रिका विज्ञान से अंतर्दृष्टि कैसे एआई मॉडल विकसित करने के तरीके को प्रभावित करती है?

गणनात्मक तंत्रिका विज्ञान में, हम मस्तिष्क को जानकारी कैसे संसाधित करता है, इसका अध्ययन करने के लिए विभिन्न उत्तेजनाओं के प्रति इसकी प्रतिक्रियाओं को मापकर करते हैं, जैसे कि हम एआई मॉडल के आंतरिक तंत्र को समझने के लिए उन्हें जांचते हैं। अपने करियर की शुरुआत में, मैंने शब्द एम्बेडिंग का विश्लेषण करने के लिए दृश्य तकनीकों का विकास किया – शब्दों को उनके घटक सेमांटिक तत्वों में तोड़ दिया, जैसे कि “सेब” को “फल” और “प्रौद्योगिकी” में। बाद में, यह दृष्टिकोण अधिक जटिल एआई मॉडल जैसे ट्रांसफॉर्मर और बड़े भाषा मॉडल तक विस्तारित हुआ, जो यह समझने में मदद करता है कि वे ज्ञान को कैसे संसाधित और संग्रहीत करते हैं।

इन तरीकों वास्तव में तंत्रिका विज्ञान में तकनीकों के समानांतर हैं, जैसे कि मस्तिष्क की गतिविधि का अध्ययन करने के लिए इलेक्ट्रोड या एफएमआरआई का उपयोग करना। एक एआई मॉडल के आंतरिक प्रतिनिधित्व की जांच करने से हमें इसकी तर्क सणनाओं और उभरने वाले गुणों को समझने की अनुमति मिलती है, जैसे कि विशिष्ट विचारों (जैसे गोल्डन गेट ब्रिज फीचर) के लिए कॉन्सेप्ट न्यूरॉन्स। यह शोध रेखा अब उद्योग में व्यापक रूप से अपनाई गई है क्योंकि यह व्याख्यात्मकता और व्यावहारिक हस्तक्षेप को सक्षम बनाती है, जो मॉडल से पूर्वाग्रह को दूर करने में मदद करती है। इसलिए, तंत्रिका विज्ञान से प्रेरित दृष्टिकोण हमें एआई को अधिक समझने योग्य, विश्वसनीय और कुशल बनाने में मदद करते हैं।

आपको एआईज़िप की स्थापना करने के लिए क्या प्रेरित किया? आप अवधारणा से कंपनी लॉन्च तक की यात्रा साझा कर सकते हैं?

एक मौलिक एआई शोधकर्ता के रूप में, मेरा अधिकांश काम सैद्धांतिक था, लेकिन मैं शोध और वास्तविक दुनिया के अनुप्रयोगों के बीच की खाई को पाटना चाहता था। मैंने एआईज़िप की स्थापना की ताकि कटिंग-एज एआई नवाचारों को व्यावहारिक उपयोग में लाया जा सके, विशेष रूप से संसाधन-सीमित वातावरण में। हमने बड़े फाउंडेशन मॉडल बनाने के बजाय दुनिया के सबसे छोटे और सबसे कुशल एआई मॉडल विकसित करने पर ध्यान केंद्रित किया, जो एज डिवाइसेस के लिए अनुकूलित होंगे।

यात्रा मूल रूप से एक प्रमुख अवलोकन के साथ शुरू हुई: जबकि एआई प्रगति तेजी से बढ़ रही थी, वास्तविक दुनिया के अनुप्रयोगों में अक्सर हल्के और अत्यधिक कुशल मॉडल की आवश्यकता होती थी। हमने एक नए दिशा की ओर बढ़ने का अवसर देखा जो वैज्ञानिक कठोरता को व्यावहारिक तैनाती के साथ संतुलित करता है। स्व-निर्देशित शिक्षा और कॉम्पैक्ट मॉडल आर्किटेक्चर से अंतर्दृष्टि का लाभ उठाकर, एआईज़िप अत्यधिक कुशल एआई समाधान प्रदान करने में सक्षम रहा है जो एज पर कुशलता से संचालित होते हैं और एम्बेडेड सिस्टम, आईओटी और उससे परे के लिए नए अवसर खोलते हैं।

एआईज़िप छोटे एआई मॉडल के लिए एज डिवाइसेस पर विशेषज्ञता रखता है। आपने इस फोकस की ओर ले जाने वाली बाजार में कौन सी खाई देखी?

एआई उद्योग ने मुख्य रूप से मॉडल को ऊपर की ओर स्केल करने पर ध्यान केंद्रित किया है, लेकिन वास्तविक दुनिया के अनुप्रयोगों में अक्सर इसके विपरीत की आवश्यकता होती है – उच्च दक्षता, कम शक्ति की खपत और न्यूनतम विलंबता। आज के कई एआई मॉडल छोटे, एम्बेडेड डिवाइसेस पर तैनाती के लिए गणनात्मक रूप से बहुत महंगे हैं। हमने बाजार में एक खाई देखी जो एआई समाधानों की मांग करती है जो मजबूत प्रदर्शन प्रदान कर सकते हैं जबकि चरम संसाधन प्रतिबंधों के भीतर संचालित होते हैं।

हमें यह एहसास हुआ कि हर एआई अनुप्रयोग के लिए बड़े मॉडल पर चलना आवश्यक नहीं है, और न ही यह सब कुछ के लिए बड़े मॉडल पर निर्भर रहना स्केलेबल होगा। इसके बजाय, हम एल्गोरिदम को अधिकतम दक्षता प्राप्त करने के लिए अनुकूलित करने पर ध्यान केंद्रित करते हैं जबकि सटीकता बनाए रखते हैं। एज अनुप्रयोगों के लिए डिज़ाइन किए गए एआई मॉडल विकसित करके – चाहे वह स्मार्ट सेंसर, वियरेबल्स या औद्योगिक स्वचालन में हो – हम एआई को उन स्थानों पर चलने की अनुमति देते हैं जहां पारंपरिक मॉडल व्यावहारिक नहीं होंगे। हमारा दृष्टिकोण एआई को अधिक सुलभ, स्केलेबल और ऊर्जा-कुशल बनाता है, जो एज पर एआई-संचालित नवाचार के लिए नए अवसर खोलता है।

एआईज़िप छोटे भाषा मॉडल (एसएलएम) के विकास में अग्रणी रहा है। आप जीपीटी-4 जैसे बड़े मॉडल के साथ एसएलएम को कैसे प्रतिस्पर्धा या पूरक देखते हैं?

एसएलएम और बड़े मॉडल जैसे जीपीटी-4 आवश्यक रूप से प्रतिस्पर्धा में नहीं हैं क्योंकि वे अलग-अलग आवश्यकताओं की सेवा करते हैं। बड़े मॉडल सामान्यीकरण और गहरे तर्क में शक्तिशाली होते हैं लेकिन महत्वपूर्ण गणनात्मक संसाधनों की आवश्यकता होती है। एसएलएम एज डिवाइसेस पर तैनाती के लिए डिज़ाइन किए गए हैं और कंप्यूट शक्ति, विलंबता और लागत प्रतिबंध वाले वास्तविक दुनिया के अनुप्रयोगों में एआई क्षमताओं को सक्षम करते हैं – जैसे कि आईओटी डिवाइसेस, वियरेबल्स और औद्योगिक स्वचालन में। जैसे-जैसे एआई अपनाया जाता है, हम एक हाइब्रिड दृष्टिकोण के उभरने की उम्मीद करते हैं, जहां बड़े, क्लाउड-आधारित मॉडल जटिल प्रश्नों को संभालते हैं जबकि एसएलएम एज पर वास्तविक समय, स्थानीय बुद्धिमत्ता प्रदान करते हैं।

निम्न-शक्ति एज डिवाइसेस के लिए एआई मॉडल को पर्याप्त रूप से कुशल बनाने में सबसे बड़ी तकनीकी चुनौतियां क्या हैं?

एक मूलभूत चुनौती यह है कि एआई मॉडल कैसे काम करते हैं इसकी एक पूर्ण सैद्धांतिक समझ की कमी। एक स्पष्ट सैद्धांतिक आधार के बिना, अनुकूलन प्रयास अक्सर अनुभवजन्य होते हैं, जो दक्षता लाभ को सीमित करते हैं। इसके अलावा, मानव शिक्षा विविध तरीकों से होती है जो वर्तमान मशीन लर्निंग परिदृश्य पूरी तरह से नहीं पकड़ते हैं, जो मानव कुशलता की नकल करने वाले मॉडल को डिज़ाइन करना मुश्किल बनाते हैं।

एक इंजीनियरिंग दृष्टिकोण से, एआई को चरम प्रतिबंधों के भीतर काम करने के लिए धक्का देने से मॉडल संकुचन, स्क्वांटीकरण और आर्किटेक्चर डिज़ाइन में अभिनव समाधानों की आवश्यकता होती है। एक और चुनौती विभिन्न उपकरणों और वातावरण में मॉडल को अनुकूलित करना है जबकि लचीलापन बनाए रखना है। जैसे-जैसे एआई भौतिक दुनिया के साथ बातचीत करना जारी रखता है, वॉयस, इशारा और अन्य गैर-पारंपरिक इनपुट जैसे प्राकृतिक और कुशल इंटरफेस की आवश्यकता बढ़ जाती है। एज पर एआई वास्तविक दुनिया के साथ बातचीत को फिर से परिभाषित करने के बारे में है।

क्या आप एआईज़िप के सॉफ्टबैंक जैसी कंपनियों के साथ काम करने के बारे में कुछ विवरण साझा कर सकते हैं?

हमने हाल ही में सॉफ्टबैंक के साथ एक एक्वाकल्चर परियोजना पर सहयोग किया, जिसने सीईएस इनोवेशन अवार्ड जीता, जिस पर हम विशेष रूप से गर्व करते हैं। हमने एक कुशल, एज-आधारित एआई मॉडल विकसित किया जो मछली गिनने के लिए एक्वाकल्चर ऑपरेटरों द्वारा उपयोग किया जा सकता है। यह समाधान मछली फार्मिंग में एक महत्वपूर्ण चुनौती को संबोधित करता है जो स्थायित्व, खाद्य अपशिष्ट और लाभप्रदता मुद्दों का कारण बन सकता है। उद्योग ने एआई को एक समाधान के रूप में अपनाने में धीमी गति से प्रगति की है क्योंकि समुद्र में विश्वसनीय शक्ति और कनेक्टिविटी की कमी के कारण क्लाउड-आधारित एआई समाधान व्यावहारिक नहीं हैं।

इसे हल करने के लिए, हमने एक डिवाइस-पर-आधारित समाधान विकसित किया। हमने सॉफ्टबैंक के कंप्यूटर ग्राफिक्स सिमुलेशन को प्रशिक्षण डेटा के साथ जोड़कर और हमारे कॉम्पैक्ट एआई मॉडल का उपयोग करके एक उच्च सटीकता प्रणाली बनाई, जो स्मार्टफोन पर चलती है। पानी के नीचे के क्षेत्र परीक्षण में, यह 95% मान्यता दर हासिल की, जिससे मछली गिनती की सटीकता में काफी सुधार हुआ। इससे किसानों को भंडारण स्थितियों को अनुकूलित करने, यह निर्धारित करने की अनुमति मिली कि मछली को जीवित या जमे हुए परिवहन किया जाना चाहिए, और मछली में संभावित बीमारियों या स्वास्थ्य समस्याओं का पता लगाने में मदद मिली।

यह सफलता कार्यक्षमता में सुधार करती है, लागत को कम करती है और मैनुअल श्रम पर निर्भरता को कम करती है। अधिक व्यापक रूप से, यह दिखाता है कि एआई वास्तविक दुनिया की समस्याओं पर कैसे सार्थक प्रभाव डाल सकता है।

एआईज़िप ने एक “एआई नैनोफैक्ट्री” अवधारणा पेश की है। आप इसका क्या अर्थ है और यह एआई मॉडल विकास को कैसे स्वचालित करता है?

एआई नैनोफैक्ट्री हमारी आंतरिक एआई डिज़ाइन ऑटोमेशन पाइपलाइन है, जो इलेक्ट्रॉनिक डिज़ाइन ऑटोमेशन (ईडीए) से प्रेरित है, जो सेमीकंडक्टर निर्माण में। किसी भी उभरती प्रौद्योगिकी क्षेत्र में प्रारंभिक विकास में बहुत सारे मैनुअल प्रयास शामिल होते हैं, इसलिए प्रगति और समाधानों को तेज करने के लिए स्वचालन महत्वपूर्ण हो जाता है।

हमने पूछा कि क्या एआई अपने स्वयं के विकास को तेज़ कर सकता है? एआई नैनोफैक्ट्री मॉडल विकास के हर चरण को स्वचालित करती है, डेटा प्रोसेसिंग से लेकर आर्किटेक्चर डिज़ाइन, मॉडल चयन, प्रशिक्षण, स्क्वांटीकरण, तैनाती और डीबगिंग तक। एआई को एआई को अनुकूलित करने के लिए लाभ उठाकर, हम नए मॉडल के विकास समय को औसतन 10 गुना कम करने में सक्षम रहे हैं। कुछ मामलों में, 1,000 गुना से। इसका मतलब है कि एक मॉडल जिसे विकसित करने में एक से अधिक वर्ष लग सकता था, अब कुछ घंटों में बनाया जा सकता है।

एक और लाभ यह है कि यह स्वचालन यह सुनिश्चित करता है कि एआई समाधान विभिन्न अनुप्रयोगों के लिए आर्थिक रूप से व्यवहार्य हैं, जिससे वास्तविक दुनिया में एआई तैनाती अधिक सुलभ और स्केलेबल हो जाती है।

आप अगले पांच वर्षों में एज एआई की भूमिका कैसे विकसित होते देखते हैं?

एज एआई इंटरनेट एक्सेस को क्रांतिकारी बनाने वाले स्मार्टफोन की तरह प्रौद्योगिकी के साथ बातचीत करने के तरीके को बदलने का वादा करता है। आज के अधिकांश एआई अनुप्रयोग क्लाउड-आधारित हैं, लेकिन यह एज की ओर बढ़ रहा है क्योंकि एआई सेंसर और डिवाइस के करीब आ रहा है जो भौतिक दुनिया के साथ बातचीत करते हैं। इस बदलाव पर जोर देता है एज पर वास्तविक समय, कुशल प्रसंस्करण की आवश्यकता को रेखांकित करता है।

अगले पांच वर्षों में, हम एज एआई को मानव-कंप्यूटर इंटरैक्शन को अधिक प्राकृतिक बनाने की उम्मीद करते हैं, जैसे कि वॉयस और इशारा पहचान और अन्य सहज इंटरफेस, जो पारंपरिक बाधाओं जैसे कीबोर्ड और टचस्क्रीन पर निर्भरता को दूर करेंगे। एआई भी अधिक स्वायत्त एज एआई प्रणालियों को सक्षम करने की उम्मीद है, जो स्व-निर्देशित और अनुकूलन योग्य होंगी nhờ एआई नैनोफैक्ट्री-शैली के स्वचालन में प्रगति। यह स्वास्थ्य देखभाल, ऑटोमोटिव और कृषि जैसे उद्योगों में नए अवसर खोलेगा।

आप एआईज़िप से कुछ आगामी एआई-संचालित डिवाइसेस के बारे में जो सबसे ज्यादा उत्साहित हैं उन्हें साझा कर सकते हैं?

हम अपने मॉडल के उपयोग मामलों को नए उद्योगों में विस्तारित करने के लिए काम कर रहे हैं, और जिस एक के बारे में हम विशेष रूप से उत्साहित हैं वह ऑटोमोटिव क्षेत्र में है। चीनी ऑटोमेकर्स के बीच एक बढ़ती प्रवृत्ति है जो कैबिन में चैटजीपीटी जैसे भाषा मॉडल से संचालित वॉयस असिस्टेंट विकसित करने की है। चुनौती यह है कि अधिकांश वर्तमान सहायक अभी भी लचीली बातचीत के लिए क्लाउड पर निर्भर करते हैं।

हमने एक श्रृंखला विकसित की है जिसे गिज़मो कहा जाता है, जो विभिन्न उद्योगों के लिए अल्ट्रा-कुशल, एसएलएम-संचालित एआई एजेंट हैं। हम उन्हें वाहनों में इन-केबिन “सह-पायलट” के रूप में तैनात करने पर काम कर रहे हैं। गिज़मो को यह समझने के लिए प्रशिक्षित किया जाता है कि इरादा एक अधिक सूक्ष्म तरीके से है, और जब वाहन के एआई एजेंट के रूप में कार्य करते हैं, तो वे वाक्-चातुर्य भाषा के माध्यम से कमांड निष्पादित कर सकते हैं। उदाहरण के लिए, एजेंट तापमान को समायोजित कर सकता है यदि ड्राइवर बस कहता है, “मैं ठंडा हूं,” या प्रतिक्रिया दे सकता है जब ड्राइवर पूछता है, “मैं कल बोस्टन जा रहा हूं, मुझे क्या पहनना चाहिए?” मौसम की जांच करके और एक सुझाव देकर।

क्योंकि वे स्थानीय रूप से चलते हैं और क्लाउड पर निर्भर नहीं करते हैं, ये एजेंट मृत क्षेत्रों या खराब कनेक्टिविटी वाले क्षेत्रों जैसे सुरंगों, पहाड़ों या ग्रामीण सड़कों पर काम करते रहते हैं। वे सुरक्षा में सुधार करते हैं क्योंकि वे ड्राइवरों को सड़क से अपना ध्यान हटाए बिना पूरी तरह से वॉइस-आधारित नियंत्रण प्रदान करते हैं। और, एक अलग और हल्के नोट पर, हम वर्तमान में वाहनों और ब्लूटूथ स्पीकर के लिए एक एआई-संचालित कराओके मॉडल को उत्पादन में लाने की प्रक्रिया में हैं, जो स्थानीय रूप से चलता है। मूल रूप से, यह किसी भी इनपुट ऑडियो को लेता है और मानव आवाज़ को उसमें से हटा देता है, जिससे आप किसी भी गीत का कराओके संस्करण वास्तविक समय में बना सकते हैं। तो ग्राहकों को कार में नियंत्रण का प्रबंधन करने में मदद करने के अलावा, हम यह भी देख रहे हैं कि अनुभव को अधिक मज़ेदार बनाने के तरीके खोज रहे हैं।

वे समाधान जो लोगों के दैनिक जीवन में एक सार्थक अंतर लाते हैं, वे हैं जिन पर हम सबसे ज्यादा गर्व करते हैं।

एआईज़िप अल्ट्रा-कुशल एआई समाधान विकसित करता है जो एज डिवाइसेस के लिए अनुकूलित होते हैं, जिसमें दृष्टि, ऑडियो, समय-श्रृंखला, भाषा और सेंसर फ्यूजन अनुप्रयोगों के लिए कॉम्पैक्ट मॉडल शामिल हैं। इसके उत्पादों में चेहरे और वस्तु पहचान, कीवर्ड स्पॉटिंग, ईसीजी/ईईजी विश्लेषण और ऑन-डिवाइस चैटबॉट्स जैसे कार्य शामिल हैं, जो सभी टिनीएमएल द्वारा संचालित होते हैं। अपने एआई नैनोफैक्ट्री प्लेटफ़ॉर्म, एआईज़िपलाइन के माध्यम से, कंपनी फ़ाउंडेशन और जेनरेटिव मॉडल का उपयोग करके मॉडल विकास को तेज़ करती है ताकि पूर्ण एआई डिज़ाइन स्वचालन की ओर बढ़ सके। एआईज़िप की गिज़मो श्रृंखला के छोटे भाषा मॉडल (300 एम -2 बी पैरामीटर) विभिन्न प्रकार के उपकरणों का समर्थन करते हैं, जो एज पर बुद्धिमान क्षमताएं लाते हैं।

साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं उन्हें एआईज़िप पर जाना चाहिए।