यूबेई चेन, ऐज़िप इंक के सह-संस्थापक – साक्षात्कार श्रृंखला

यूबेई चेन ऐज़िप इंक के सह-संस्थापक हैं, जो दुनिया के सबसे छोटे और सबसे कुशल एआई मॉडल बनाती है। वह कैलिफोर्निया विश्वविद्यालय, डेविस में ईसीई विभाग में सहायक प्रोफेसर भी हैं। चेन का शोध गणनात्मक न्यूरोसाइंस और गहरे अनसुपरवाइज्ड (स्व-सुपरवाइज्ड) लर्निंग के बीच के चौराहे पर है, जो अनसुपरवाइज्ड प्रतिनिधित्व सीखने के गवर्निंग कंप्यूटेशनल सिद्धांतों की हमारी समझ को बढ़ाता है और मस्तिष्क और मशीनों दोनों में प्राकृतिक संकेत सांख्यिकी के हमारे अंतर्दृष्टि को फिर से आकार देता है।

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

ऐज़िप एज डिवाइसेस के लिए अत्यधिक कुशल एआई समाधान विकसित करती है, जो दृष्टि, ऑडियो, समय-श्रृंखला, भाषा और सेंसर फ्यूजन अनुप्रयोगों के लिए कompact मॉडल प्रदान करती है। 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 हैं। अपने एआई नैनोफैक्ट्री प्लेटफ़ॉर्म, ऐज़िप्लाइन के माध्यम से, कंपनी फाउंडेशन और जेनरेटिव मॉडल का उपयोग करके पूर्ण एआई डिज़ाइन स्वचालन की ओर बढ़ने के लिए मॉडल विकास को तेज करती है। ऐज़िप की गिज्मो श्रृंखला के छोटे भाषा मॉडल (300 एम -2 बी पैरामीटर) विभिन्न प्रकार के उपकरणों को समर्थन प्रदान करते हैं, जो एज पर बुद्धिमान क्षमताओं को लाते हैं।

आपने यान लेकुन के साथ एनवाईयू में पोस्टडॉक किया और मेटा एफएआईआर में काम किया। यूसी बर्कले में आपके शोध और आपके दृष्टिकोण को वास्तविक दुनिया के एआई समाधान बनाने में कैसे आकार दिया?

बर्कले में, मेरा काम वैज्ञानिक जांच और गणितीय कठोरता में गहराई से जड़ा हुआ था। मेरे पीएचडी शोध, जिसने इलेक्ट्रिकल इंजीनियरिंग, कंप्यूटर विज्ञान और गणनात्मक न्यूरोसाइंस को मिलाया, एआई प्रणालियों को एक “व्हाइट-बॉक्स” दृष्टिकोण से समझने पर केंद्रित था, या डेटा और सीखने के मॉडल के अंतर्निहित संरचनाओं को प्रकट करने के लिए तरीकों को विकसित करने पर। मैं व्याख्यात्मक, उच्च-प्रदर्शन एआई मॉडल और दृश्यीकरण तकनीकों पर काम करता था जो ब्लैक-बॉक्स एआई प्रणालियों को खोलने में मदद करते थे।

मेटा एफएआईआर में, ध्यान एआई प्रणालियों को पैमाने पर राज्य-कला प्रदर्शन प्राप्त करने पर था। विश्व-स्तरीय गणनात्मक संसाधनों तक पहुंच के साथ, मैं स्व-पर्यवेक्षित सीखने की सीमाओं का अन्वेषण किया और जिसे हम अब “विश्व मॉडल” कहते हैं – एआई प्रणालियों को डेटा से सीखने और संभावित वातावरण की कल्पना करने में योगदान दिया। यह दोहरी अनुभव – बर्कले में वैज्ञानिक समझ और मेटा में इंजीनियरिंग-संचालित स्केलिंग – ने मुझे एआई विकास पर एक व्यापक दृष्टिकोण प्रदान किया है। यह दोनों के महत्व को रेखांकित करता है जब आप वास्तविक दुनिया के अनुप्रयोगों के लिए एआई समाधान विकसित कर रहे हों।

आपका काम गणनात्मक न्यूरोसाइंस के साथ एआई को मिलाता है। न्यूरोसाइंस से अंतर्दृष्टि आपके एआई मॉडल विकसित करने के तरीके को कैसे प्रभावित करती है?

गणनात्मक न्यूरोसाइंस में, हम मस्तिष्क की प्रतिक्रियाओं को विभिन्न उत्तेजनाओं के लिए मापकर जानकारी को संसाधित करने का अध्ययन करते हैं, जैसे कि हम एआई मॉडल के आंतरिक तंत्र को समझने के लिए उन्हें उत्तेजित करते हैं। शुरुआत में, मैंने शब्द एम्बेडिंग का विश्लेषण करने के लिए दृश्यीकरण तकनीकों को विकसित किया – जैसे कि शब्द “सेब” को इसके घटक सेमांटिक तत्वों में तोड़ना, जैसे कि “फल” और “प्रौद्योगिकी”। 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 विधियों वास्तव में न्यूरोसाइंस 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 को सोने से हम इसकी तर्क सणनाओं और उभरती विशेषताओं, जैसे कि विशिष्ट विचारों (जैसे गोल्डन गेट ब्रिज फीचर) के लिए concept न्यूरॉन्स को सक्रिय करने की अनुमति देता है। यह शोध रेखा अब उद्योग में व्यापक रूप से अपनाई गई है क्योंकि यह व्याख्या और व्यावहारिक हस्तक्षेप दोनों को सक्षम बनाती है, मॉडल से पूर्वाग्रह को हटा देती है। इसलिए, न्यूरोसाइंस-प्रेरित दृष्टिकोण हमें अधिक व्याख्यात्मक, विश्वसनीय और कुशल एआई बनाने में मदद करते हैं।

आपको ऐज़िप की सह-स्थापना करने के लिए क्या प्रेरित किया?

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 ऐज़िप की सह-स्थापना विशेष रूप से संसाधन-सीमित वातावरण में नवीन एआई नवाचारों को व्यावहारिक उपयोग में लाने के लिए की। इसके बजाय बड़े फाउंडेशन मॉडल बनाने के, हमने दुनिया के सबसे छोटे और सबसे कुशल एआई मॉडल विकसित करने पर ध्यान केंद्रित किया जो एज डिवाइसेस के लिए अनुकूलित हों।

यात्रा मूल रूप से एक प्रमुख अवलोकन के साथ शुरू हुई: जबकि एआई प्रगति तेजी से बढ़ रही थी, वास्तविक दुनिया के अनुप्रयोग अक्सर कompact और अत्यधिक कुशल मॉडल की मांग करते थे। हमने एक नए दिशा की ओर बढ़ने का अवसर देखा जो वैज्ञानिक कठोरता के साथ व्यावहारिक तैनाती को संतुलित करता है। स्व-पर्यवेक्षित सीखने और कompact मॉडल आर्किटेक्चर से अंतर्दृष्टि का लाभ उठाकर, ऐज़िप को एज पर कुशलता से चलने वाले एआई समाधान प्रदान करने में सक्षम है, जो एम्बेडेड सिस्टम, आईओटी और आगे के लिए नए अवसर खोलते हैं।

आपको बाजार में कौन सा अंतर दिखाई दिया जिसने एज डिवाइसेस के लिए छोटे एआई मॉडल पर ध्यान केंद्रित करने के लिए प्रेरित किया?

एआई उद्योग ने मुख्य रूप से मॉडल को ऊपर की ओर स्केल करने पर ध्यान केंद्रित किया है, लेकिन वास्तविक दुनिया के अनुप्रयोग अक्सर इसके विपरीत मांग करते हैं – 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 अंतर देखा जो एआई समाधानों की मांग करता है जो मजबूत प्रदर्शन प्रदान कर सकते हैं जबकि चरम संसाधन प्रतिबंधों के भीतर संचालित होते हैं।

हमें यह पहचानने में मदद मिली कि यह आवश्यक नहीं है कि हर एआई अनुप्रयोग बड़े मॉडल पर चले और यह भी नहीं होगा कि बड़े मॉडल के आकार पर सब कुछ निर्भर करना 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 एआई मॉडल को डिज़ाइन करके – चाहे वह स्मार्ट सेंसर, वियरेबल्स या औद्योगिक स्वचालन में – हम एआई को उन स्थानों पर चलने में सक्षम बनाते हैं जहां पारंपरिक मॉडल व्यावहारिक नहीं होंगे। हमारा दृष्टिकोण एआई को अधिक सुलभ, स्केलेबल और ऊर्जा-कुशल बनाता है, जो बादल से परे एआई-संचालित नवाचार के लिए नए अवसरों को अनलॉक करता है।

आप स्मॉल लैंग्वेज मॉडल (एसएलएम) के विकास में ऐज़िप की भूमिका को कैसे देखते हैं और वे बड़े मॉडल जैसे जीपीटी-4 के साथ प्रतिस्पर्धा या पूरकता कैसे करते हैं?

एसएलएम और बड़े मॉडल जैसे जीपीटी-4 आवश्यक रूप से प्रतिस्पर्धी 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 कुशलता और दक्षता के लिए डिज़ाइन किए गए हैं। वे बड़े मॉडल के पूरक हैं जो वास्तविक दुनिया के अनुप्रयोगों में एआई क्षमताओं को सक्षम करते हैं जहां कंप्यूट पावर, विलंबता और लागत प्रतिबंध महत्वपूर्ण होते हैं – जैसे कि आईओटी डिवाइसेस, वियरेबल्स और औद्योगिक स्वचालन में। जैसे-जैसे एआई अपनाया जाता है, हम एक हाइब्रिड दृष्टिकोण को उभरते हुए देखते हैं, जहां बड़े, क्लाउड-आधारित मॉडल जटिल प्रश्नों को संभालते हैं जबकि एसएलएम एज पर वास्तविक समय, स्थानीय बुद्धिमत्ता प्रदान करते हैं।

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

मूल चुनौतियों में से एक यह है कि एआई मॉडल के काम करने के तरीके की एक पूर्ण सैद्धांतिक समझ की कमी है। एक स्पष्ट सैद्धांतिक आधार के बिना, अनुकूलन प्रयास अक्सर अनुभवजन्य होते हैं, जो दक्षता लाभ को सीमित करते हैं। इसके अलावा, मानव सीखने की विविध तरीकों को वर्तमान मशीन लर्निंग परिदृश्य पूरी तरह से नहीं पकड़ते हैं, जो मानव की तरह कुशल मॉडल डिज़ाइन करना मुश्किल बनाता है।

इंजीनियरिंग के दृष्टिकोण से, एआई को चरम प्रतिबंधों के भीतर काम करने के लिए धक्का देने के लिए मॉडल संकुचन, क्वांटाइजेशन और आर्किटेक्चर डिज़ाइन में अभिनव समाधानों की आवश्यकता होती है। एक और चुनौती विभिन्न डिवाइसेस और वातावरण में अनुकूलनीय एआई मॉडल बनाना है जो लचीलापन बनाए रखते हैं। जैसे-जैसे एआई आईओटी और सेंसर के माध्यम से भौतिक दुनिया के साथ बातचीत बढ़ाता है, प्राकृतिक और कुशल इंटरफेस जैसे वॉयस, इशारा और अन्य गैर-पारंपरिक इनपुट की आवश्यकता बढ़ जाती है। एज पर एआई वास्तविक दुनिया के साथ बातचीत को फिर से परिभाषित करने के बारे में है।

क्या आप सॉफ्टबैंक जैसी कंपनियों के साथ ऐज़िप के काम 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। हमने एक कुशल, एज-आधारित एआई मॉडल विकसित किया जो मछली गिनने के लिए मछली फार्म ऑपरेटरों द्वारा उपयोग किया जा सकता है। यह समाधान मछली फार्मिंग में एक महत्वपूर्ण चुनौती को संबोधित करता है जो स्थायित्व, खाद्य अपशिष्ट और लाभकारिता मुद्दों का कारण बन सकता है। उद्योग ने एआई को समाधान के रूप में अपनाने में धीमी गति से प्रगति की है क्योंकि समुद्र में विश्वसनीय शक्ति और कनेक्टिविटी की कमी है।

समाधान के लिए, हमने सॉफ्टबैंक के कंप्यूटर ग्राफिक्स सिमुलेशन को प्रशिक्षण डेटा के लिए हमारे कompact एआई मॉडल के साथ जोड़ा, और एक उच्च सटीकता वाली प्रणाली बनाई जो स्मार्टफोन पर चलती है। पानी के नीचे के क्षेत्र परीक्षणों में, यह 95% की पहचान दर हासिल करता है, जिससे मछली गिनती की सटीकता में काफी सुधार होता है। यह किसानों को भंडारण की स्थिति को अनुकूलित करने, मछली को जीवित या जमे हुए परिवहन करने का निर्णय लेने और मछली में संभावित बीमारियों या स्वास्थ्य समस्याओं का पता लगाने में मदद करता है।

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

ऐज़िप ने “एआई नैनोफैक्ट्री” की अवधारणा को पेश किया है। आप इसका वर्णन कैसे करेंगे और यह एआई मॉडल विकास को कैसे स्वचालित करता है?

एआई नैनोफैक्ट्री हमारी आंतरिक एआई डिज़ाइन स्वचालन पाइपलाइन है, जो सेमीकंडक्टर निर्माण में इलेक्ट्रॉनिक डिज़ाइन स्वचालन (ईडीए) से प्रेरित है। किसी भी उभरते हुए तकनीकी क्षेत्र में प्रारंभिक विकास में बहुत अधिक मैनुअल प्रयास शामिल होता है, इसलिए प्रगति को तेज करने और समाधानों को स्केल करने के लिए स्वचालन महत्वपूर्ण है। हमने सोचा कि क्या एआई अपने स्वयं के विकास को तेज कर सकता है? एआई नैनोफैक्ट्री डेटा प्रोसेसिंग से लेकर आर्किटेक्चर डिज़ाइन, मॉडल चयन, प्रशिक्षण, क्वांटाइजेशन, तैनाती और डिबगिंग तक एआई मॉडल विकास के हर चरण को स्वचालित करती है। एआई को खुद को अनुकूलित करने का लाभ उठाकर, हम नए मॉडल के विकास समय को औसतन 10 गुना कम कर दिया है। कुछ मामलों में, 1,000 गुना से। इसका मतलब है कि जो मॉडल पहले एक साल से अधिक समय लेता था, अब कुछ घंटों में बनाया जा सकता है।

एक और लाभ यह है कि यह स्वचालन एआई समाधानों को व्यापक अनुप्रयोगों के लिए आर्थिक रूप से व्यवहार्य बनाता है, जिससे वास्तविक दुनिया में एआई तैनाती अधिक सुलभ और स्केलेबल हो जाती है।

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

एज एआई तकनीक को कैसे बदल देगा, इसकी तरह स्मार्टफोन ने इंटरनेट एक्सेस को क्रांतिकारित किया। आज के अधिकांश एआई अनुप्रयोग क्लाउड-आधारित हैं, लेकिन यह धीरे-धीरे बदल रहा है क्योंकि एआई सेंसर और डिवाइसेस के साथ बातचीत करने वाली भौतिक दुनिया के करीब आ रहा है। यह एज पर वास्तविक समय, कम विलंबता वाले प्रसंस्करण पर जोर देने 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 जैसे इंटरफेस, जो पारंपरिक बाधाओं जैसे कीबोर्ड और टचस्क्रीन पर निर्भरता को कम करेंगे। एआई स्मार्ट होम या औद्योगिक स्वचालन जैसे दैनिक वातावरण में अधिक एम्बेडेड हो जाएगा, जिससे न्यूनतम विलंबता के साथ वास्तविक समय निर्णय लेने में सक्षम होगा।

एक और प्रमुख रुझान एज एआई प्रणालियों की बढ़ती स्वायत्तता होगी। एआई मॉडल अधिक स्व-optimizing और अनुकूलनीय होंगे thanks to एआई नैनोफैक्ट्री-शैली के स्वचालन में प्रगति, जिससे तैनाती और रखरखाव में मानव हस्तक्षेप की आवश्यकता कम हो जाएगी। यह स्वास्थ्य देखभाल, ऑटोमोटिव और कृषि जैसे उद्योगों में नए अवसर खोलेगा।

ऐज़िप से आपको कौन से आगामी एआई-संचालित डिवाइस सबसे ज्यादा उत्साहित करते हैं?

हम विभिन्न उद्योगों में हमारे मॉडल के उपयोग के मामलों को विस्तारित करने के लिए काम कर रहे हैं, और जिस चीज से हम विशेष रूप से उत्साहित हैं वह एक ऑटोमोटिव क्षेत्र के लिए एआई एजेंट है। चीनी ऑटोमेकर्स के बीच वॉयस असिस्टेंट विकसित करने की बढ़ती गति है जो चैटजीपीटी जैसे केबिन में भाषा मॉडल द्वारा संचालित होते हैं। चुनौती यह है कि अधिकांश वर्तमान सहायक अभी भी बादल पर निर्भर करते हैं, विशेष रूप से प्राकृतिक, लचीली बातचीत के लिए। केवल बुनियादी कमांड-एंड-कंट्रोल कार्य (जैसे “एसी चालू करें” या “ट्रंक खोलें”) सामान्य रूप से वाहन पर स्थानीय रूप से चलते हैं, और इन कमांडों की जड़ता चालक दल के लिए एक विचलन बन सकती है यदि वे उन्हें पूरी तरह से सटीकता के साथ याद नहीं रखते हैं।

हमने एक श्रृंखला विकसित की है जिसे हम गिज्मो कहते हैं, जो अल्ट्रा-कुशल, एसएलएम-संचालित एआई एजेंट हैं जो विभिन्न अनुप्रयोगों में उपयोग किए जाते हैं। हम उन्हें वाहनों के लिए केबिन में “सह-चालक” के रूप में तैनात करने पर काम कर रहे हैं। गिज्मो को इरादे को अधिक सूक्ष्म तरीके से समझने के लिए प्रशिक्षित किया जाता है, और जब वाहन के एआई एजेंट के रूप में कार्य करता है, तो यह मुक्त-रूप बोली के माध्यम से कमांड निष्पादित कर सकता है। उदाहरण के लिए, एजेंट तापमान को समायोजित कर सकता है यदि ड्राइवर बस कहता है “मैं ठंडा हूं,” या प्रॉम्प्ट का जवाब दे सकता है “मैं कल बोस्टन जा रहा हूं, मुझे क्या पहनना चाहिए?” मौसम की जांच करके और एक सुझाव देकर।

चूंकि वे स्थानीय रूप से चलते हैं और बादल पर निर्भर नहीं करते हैं, ये एजेंट मृत क्षेत्रों या खराब कनेक्टिविटी वाले क्षेत्रों में भी काम करते रहते हैं – जैसे सुरंगें, पहाड़ या ग्रामीण सड़कें। वे सुरक्षा को भी बढ़ाते हैं क्योंकि वे ड्राइवरों को पूरी तरह से वॉयस-आधारित नियंत्रण प्रदान करते हैं जो सड़क से उनका ध्यान नहीं भटकाता। और, एक अलग और हल्के नोट पर, मैं यह भी उल्लेख करना चाहूंगा कि हम वर्तमान में वाहनों और ब्लूटूथ स्पीकर के लिए एक एआई-संचालित कराओके मॉडल को उत्पादन में लाने की प्रक्रिया में हैं, जो को-पायलट की तरह स्थानीय रूप से चलता है। मूल रूप से, यह किसी भी इनपुट ऑडियो को लेता है और वास्तविक समय में किसी भी गीत का एक कराओके संस्करण बनाने के लिए मानव आवाज को हटा देता है। तो न केवल हम गाड़ी में नियंत्रणों को सुरक्षित रूप से प्रबंधित करने में ग्राहकों की मदद कर रहे हैं, बल्कि हम अनुभव को और अधिक आनंददायक बनाने के तरीकों की भी तलाश कर रहे हैं।

इन तरह के समाधान, जो लोगों के दैनिक जीवन में एक महत्वपूर्ण अंतर लाते हैं, वे हमें सबसे ज्यादा गर्व महसूस कराते हैं।

ऐज़िप एज डिवाइसेस के लिए अत्यधिक कुशल एआई समाधान विकसित करती है, जो दृष्टि, ऑडियो, समय-श्रृंखला, भाषा और सेंसर फ्यूजन अनुप्रयोगों के लिए कompact मॉडल प्रदान करती है। 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 हैं। अपने एआई नैनोफैक्ट्री प्लेटफ़ॉर्म, ऐज़िप्लाइन के माध्यम से, कंपनी फाउंडेशन और जेनरेटिव मॉडल का उपयोग करके पूर्ण एआई डिज़ाइन स्वचालन की ओर बढ़ने के लिए मॉडल विकास को तेज करती है। ऐज़िप की गिज्मो श्रृंखला के छोटे भाषा मॉडल (300 एम -2 बी पैरामीटर) विभिन्न प्रकार के उपकरणों को समर्थन प्रदान करते हैं, जो एज पर बुद्धिमान क्षमताओं को लाते हैं।

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