एज एआई भनेको के हो?

एज एआई भनेको के हो?

एज एआईले डेटा जन्मिने ठाउँहरूमा बुद्धिमत्ता फैलाउँछ। यो सुन्दा फ्यान्सी लाग्छ, तर मूल विचार सरल छ: सेन्सरको छेउमा सोच्नुहोस् ताकि परिणामहरू अहिले देखिनेछन्, पछि होइन। तपाईंले क्लाउडले प्रत्येक निर्णयलाई बेबीसिटिंग नगरीकनै गति, विश्वसनीयता र राम्रो गोपनीयता कथा पाउनुहुनेछ। यसलाई अनप्याक गरौं - सर्टकट र साइड क्वेस्टहरू समावेश छन्। 😅

यसपछि पढ्न मन लाग्ने लेखहरू:

🔗 जेनेरेटिभ एआई भनेको के हो?
जेनेरेटिभ एआई, यसले कसरी काम गर्छ, र व्यावहारिक प्रयोगहरूको स्पष्ट व्याख्या।

🔗 एजेन्टिक एआई भनेको के हो?
एजेन्टिक एआई, स्वायत्त व्यवहार, र वास्तविक-विश्व अनुप्रयोग ढाँचाहरूको सिंहावलोकन।

🔗 एआई स्केलेबिलिटी भनेको के हो?
एआई प्रणालीहरूलाई भरपर्दो, कुशलतापूर्वक र लागत-प्रभावी रूपमा कसरी मापन गर्ने सिक्नुहोस्।

🔗 एआईको लागि सफ्टवेयर फ्रेमवर्क के हो?
एआई सफ्टवेयर फ्रेमवर्क, वास्तुकलाका फाइदाहरू, र कार्यान्वयनका आधारभूत कुराहरूको ब्रेकडाउन।

एज एआई भनेको के हो? द्रुत परिभाषा 🧭

एज एआई भनेको प्रशिक्षित मेसिन लर्निङ मोडेलहरू सिधै डेटा सङ्कलन गर्ने उपकरणहरूमा वा नजिकै चलाउने अभ्यास हो - फोन, क्यामेरा, रोबोट, कार, पहिरनयोग्य वस्तुहरू, औद्योगिक नियन्त्रकहरू, तपाईंले यसलाई नाम दिनुहोस्। विश्लेषणको लागि टाढाका सर्भरहरूमा कच्चा डेटा पठाउनुको सट्टा, उपकरणले स्थानीय रूपमा इनपुटहरू प्रशोधन गर्दछ र केवल सारांशहरू पठाउँछ वा केही पनि पठाउँदैन। कम राउन्ड ट्रिपहरू, कम ढिलाइ, बढी नियन्त्रण। यदि तपाईं सफा, विक्रेता-तटस्थ व्याख्याकर्ता चाहनुहुन्छ भने, यहाँबाट सुरु गर्नुहोस्। [1]

 

एज एआई

एज एआई वास्तवमा के ले उपयोगी बनाउँछ? 🌟

  • कम विलम्बता - निर्णयहरू उपकरणमै हुन्छन्, त्यसैले वस्तु पत्ता लगाउने, वेक-वर्ड स्पटिङ, वा विसंगति अलर्टहरू जस्ता धारणा कार्यहरूको लागि प्रतिक्रियाहरू तुरुन्तै महसुस हुन्छन्। [1]

  • स्थानीयता अनुसार गोपनीयता - संवेदनशील डेटा उपकरणमा रहन सक्छ, जसले गर्दा जोखिम कम हुन्छ र डेटा-न्यूनीकरण छलफलमा मद्दत मिल्छ। [1]

  • ब्यान्डविथ बचत - कच्चा स्ट्रिमहरूको सट्टा सुविधाहरू वा घटनाहरू पठाउनुहोस्। [1]

  • लचिलोपन - स्केची कनेक्टिभिटीको समयमा काम गर्छ।

  • लागत नियन्त्रण - कम क्लाउड कम्प्युट चक्र र कम निकास।

  • सन्दर्भ जागरूकता - उपकरणले वातावरणलाई "महसुस" गर्छ र अनुकूलन गर्छ।

छोटो किस्सा: एक खुद्रा पाइलटले उपकरणमा व्यक्ति-बनाम-वस्तु वर्गीकरणको लागि निरन्तर क्यामेरा अपलोडहरू स्वैप गर्‍यो र केवल घण्टाको गणना र अपवाद क्लिपहरू धकेल्यो। परिणाम: शेल्फ किनारामा २०० मिलिसेकेन्ड भन्दा कम अलर्टहरू र अपलिङ्क ट्राफिकमा ~९०% गिरावट - स्टोर WAN अनुबंधहरू परिवर्तन नगरी। (विधि: स्थानीय अनुमान, घटना ब्याचिङ, विसंगतिहरू मात्र।)

एज एआई बनाम क्लाउड एआई - द्रुत कन्ट्रास्ट 🥊

  • जहाँ गणना हुन्छ : edge = उपकरणमा/उपकरण नजिक; क्लाउड = टाढाको डेटा केन्द्रहरू।

  • विलम्बता : किनारा ≈ वास्तविक-समय; क्लाउडमा राउन्ड ट्रिपहरू हुन्छन्।

  • डेटा आवागमन : पहिले एज फिल्टर/कम्प्रेस हुन्छ; क्लाउडले पूर्ण-विश्वासिलो अपलोडहरू मन पराउँछ।

  • विश्वसनीयता : एज अफलाइन चलिरहन्छ; क्लाउडलाई कनेक्टिभिटी चाहिन्छ।

  • शासन : एजले डेटा न्यूनीकरणलाई समर्थन गर्दछ; क्लाउडले निरीक्षणलाई केन्द्रीकृत गर्दछ। [1]

यो या त होइन - वा होइन। स्मार्ट प्रणालीहरूले दुवैलाई मिश्रण गर्दछ: स्थानीय रूपमा द्रुत निर्णयहरू, गहिरो विश्लेषण र केन्द्रीय रूपमा फ्लीट सिकाइ। हाइब्रिड उत्तर बोरिंग छ - र सही छ।

एज एआईले कसरी लुकेर काम गर्छ 🧩

  1. सेन्सरहरूले कच्चा संकेतहरू खिच्छन् - अडियो फ्रेमहरू, क्यामेरा पिक्सेलहरू, IMU ट्यापहरू, कम्पन ट्रेसहरू।

  2. पूर्व-प्रशोधनले ती संकेतहरूलाई मोडेल-अनुकूल सुविधाहरूमा पुन: आकार दिन्छ।

  3. इन्फरेन्स रनटाइमले उपलब्ध हुँदा एक्सेलेरेटरहरू प्रयोग गरेर उपकरणमा कम्प्याक्ट मोडेल कार्यान्वयन गर्छ।

  4. पोस्टप्रोसेसिङले आउटपुटहरूलाई घटनाहरू, लेबलहरू, वा नियन्त्रण कार्यहरूमा परिणत गर्छ।

  5. टेलिमेट्रीले उपयोगी कुराहरू मात्र अपलोड गर्छ: सारांश, विसंगति, वा आवधिक प्रतिक्रिया।

तपाईंले देख्नुहुने अन-डिभाइस रनटाइमहरूमा गुगलको LiteRT (पहिले TensorFlow Lite), ONNX Runtime , र Intel को OpenVINO । यी टूलचेनहरूले क्वान्टाइजेसन र अपरेटर फ्युजन जस्ता ट्रिकहरू प्रयोग गरेर टाइट पावर/मेमोरी बजेटबाट थ्रुपुट निचोड्छन्। यदि तपाईंलाई नट र बोल्टहरू मनपर्छ भने, तिनीहरूका कागजातहरू ठोस छन्। [3][4]

यो कहाँ देखिन्छ - वास्तविक प्रयोगका केसहरू जुन तपाईंले औंल्याउन सक्नुहुन्छ 🧯🚗🏭

  • किनारमा दृष्टि : डोरबेल क्यामहरू (मानिसहरू विरुद्ध घरपालुवा जनावरहरू), खुद्रा पसलहरूमा शेल्फ-स्क्यानिङ, दोषहरू पत्ता लगाउने ड्रोनहरू।

  • उपकरणमा अडियो : बिरुवाहरूमा उठ्ने शब्दहरू, श्रुतलेखन, चुहावट पत्ता लगाउने।

  • औद्योगिक IoT : विफलता हुनु अघि कम्पन विसंगतिहरूको लागि मोटर र पम्पहरूको निगरानी।

  • अटोमोटिभ : चालक अनुगमन, लेन पत्ता लगाउने, पार्किङ सहायता-सब-सेकेन्ड वा बस्ट।

  • स्वास्थ्य सेवा : पहिरनयोग्य उपकरणहरूले स्थानीय रूपमा एरिथमियालाई फ्ल्याग गर्दछ; पछि सारांशहरू सिङ्क गर्नुहोस्।

  • स्मार्टफोनहरू : फोटो वृद्धि, स्पाम-कल पत्ता लगाउने, "मेरो फोनले अफलाइन कसरी गर्‍यो" क्षणहरू।

औपचारिक परिभाषाहरू (र "कुहिरो बनाम किनारा" कजिन वार्ता) को लागि, NIST अवधारणात्मक मोडेल हेर्नुहोस्। [2]

यसलाई छिटो बनाउने हार्डवेयर 🔌

केही प्लेटफर्महरूको नाम धेरै जाँच गरिन्छ:

  • NVIDIA Jetson - रोबोट/क्यामेराका लागि GPU-संचालित मोड्युलहरू - एम्बेडेड AI को लागि स्विस-आर्मी-नाइफ भाइब्स।

  • गुगल एज TPU + LiterRT - कुशल पूर्णांक अनुमान र अल्ट्रा-कम-पावर परियोजनाहरूको लागि एक सुव्यवस्थित रनटाइम। [3]

  • एप्पल न्यूरल इन्जिन (एएनई) - आईफोन, आईप्याड र म्याकको लागि टाइट अन-डिभाइस एमएल; एप्पलले एएनईमा कुशलतापूर्वक ट्रान्सफर्मरहरू तैनाथ गर्ने व्यावहारिक कार्य प्रकाशित गरेको छ। [5]

  • OpenVINO सँग Intel CPUs/iGPUs/NPUs - Intel हार्डवेयरभरि "एक पटक लेख्नुहोस्, जहाँसुकै तैनाथ गर्नुहोस्"; उपयोगी अप्टिमाइजेसन पासहरू।

  • ONNX रनटाइम सबैतिर - फोन, पीसी र गेटवेहरूमा प्लगेबल कार्यान्वयन प्रदायकहरू सहितको तटस्थ रनटाइम। [4]

के तपाईंलाई ती सबै चाहिन्छ? वास्तवमा होइन। तपाईंको फ्लीटमा मिल्ने एउटा बलियो बाटो छान्नुहोस् र यसमा अडिग रहनुहोस् - मन्थन एम्बेडेड टोलीहरूको शत्रु हो।

सफ्टवेयर स्ट्याक - छोटो भ्रमण 🧰

  • मोडेल कम्प्रेसन : परिमाणीकरण (प्रायः int8 सम्म), काट्ने, आसवन।

  • अपरेटर-स्तरको प्रवेग : तपाईंको सिलिकनमा ट्युन गरिएका कर्नेलहरू।

  • रनटाइम : LiteRT, ONNX रनटाइम, OpenVINO। [३] [४]

  • डिप्लोयमेन्ट र्‍यापरहरू : कन्टेनर/एप बन्डलहरू; कहिलेकाहीँ गेटवेहरूमा माइक्रोसर्भिसेजहरू।

  • किनाराको लागि MLOps : OTA मोडेल अपडेटहरू, A/B रोलआउट, टेलिमेट्री लूपहरू।

  • गोपनीयता र सुरक्षा नियन्त्रणहरू : उपकरणमा इन्क्रिप्सन, सुरक्षित बुट, प्रमाणीकरण, एन्क्लेभहरू।

मिनी-केस: निरीक्षण ड्रोन टोलीले LiterRT को लागि क्वान्टाइज्ड विद्यार्थी मोडेलमा हेभीवेट डिटेक्टर डिस्टिल गर्‍यो, त्यसपछि NMS अन-डिभाइस फ्यूज गर्‍यो। कम कम्प्युट ड्रको कारण उडान समय ~१५% सुधार भयो; अपलोड भोल्युम अपवाद फ्रेमहरूमा संकुचित भयो। (विधि: साइटमा डेटासेट क्याप्चर, पोस्ट-क्वान्ट क्यालिब्रेसन, पूर्ण रोलआउट अघि छाया-मोड A/B।)

तुलना तालिका - लोकप्रिय एज एआई विकल्पहरू 🧪

वास्तविक कुराकानी: यो तालिका विचारधारात्मक छ र अलिकति अव्यवस्थित छ - वास्तविक संसार जस्तै।

उपकरण / प्लेटफर्म उत्कृष्ट दर्शकहरू मूल्य बलपार्क किन यो किनारामा काम गर्छ
LiterRT (पूर्व-TFLite) एन्ड्रोइड, निर्माताहरू, एम्बेडेड $ देखि $$ सम्म लीन रनटाइम, बलियो कागजातहरू, मोबाइल-फर्स्ट अप्स। अफलाइन राम्रोसँग काम गर्दछ। [3]
ONNX रनटाइम क्रस-प्लेटफर्म टोलीहरू $ तटस्थ ढाँचा, प्लगेबल हार्डवेयर ब्याकएन्डहरू-भविष्य-अनुकूल। [4]
ओपनभिनो इंटेल-केन्द्रित तैनातीहरू $ एउटा टुलकिट, धेरै इन्टेल लक्ष्यहरू; उपयोगी अप्टिमाइजेसन पासहरू।
NVIDIA जेट्सन रोबोटिक्स, दृष्टि-भारी $$ देखि $$$ सम्म लन्चबक्समा GPU एक्सेलेरेशन; फराकिलो पारिस्थितिक प्रणाली।
एप्पल एएनई iOS/iPadOS/macOS एपहरू उपकरणको लागत कडा HW/SW एकीकरण; राम्रोसँग दस्तावेज गरिएको ANE ट्रान्सफर्मर काम। [5]
एज TPU + लिटरआरटी अति-कम-विद्युत परियोजनाहरू $ किनारामा कुशल int8 अनुमान; सानो तर सक्षम। [3]

एज एआई मार्ग कसरी छनौट गर्ने - एउटा सानो निर्णय रूख 🌳

  • तपाईंको वास्तविक जीवन कठिन छ? एक्सेलेरेटर + क्वान्टाइज्ड मोडेलहरूबाट सुरु गर्नुहोस्।

  • धेरै प्रकारका उपकरण? पोर्टेबिलिटीको लागि ONNX रनटाइम वा OpenVINO लाई प्राथमिकता दिनुहोस्। [4]

  • मोबाइल एप ढुवानी गर्ने? LiterRT सबैभन्दा कम प्रतिरोधको बाटो हो। [3]

  • रोबोटिक्स वा क्यामेरा एनालिटिक्स? जेटसनको GPU-मैत्री अप्सले समय बचत गर्छ।

  • गोपनीयताको कडा नियम? डेटालाई स्थानीय राख्नुहोस्, इन्क्रिप्टलाई स्थिर राख्नुहोस्, कच्चा फ्रेमहरू होइन, लग एग्रिगेटहरू राख्नुहोस्।

  • सानो टोली? विदेशी उपकरण चेनहरूबाट बच्नुहोस् - बोरिंग सुन्दर छ।

  • मोडेलहरू बारम्बार परिवर्तन हुन्छन्? पहिलो दिनदेखि नै OTA र टेलिमेट्रीको योजना बनाउनुहोस्।

जोखिम, सीमा, र बोरिंग-तर-महत्वपूर्ण बिटहरू 🧯

  • मोडेल ड्रिफ्ट - वातावरण परिवर्तन हुन्छ; वितरण निगरानी गर्नुहोस्, छायाँ मोडहरू चलाउनुहोस्, आवधिक रूपमा पुन: तालिम दिनुहोस्।

  • कम्प्युट सिलिङ - कम मेमोरी/पावर फोर्स साना मोडेलहरू वा आरामदायी शुद्धता।

  • सुरक्षा - भौतिक पहुँच मान्नुहोस्; सुरक्षित बुट, हस्ताक्षरित कलाकृतिहरू, प्रमाणीकरण, न्यूनतम-विशेषाधिकार सेवाहरू प्रयोग गर्नुहोस्।

  • डेटा प्रशासन - स्थानीय प्रशोधनले मद्दत गर्छ, तर तपाईंलाई अझै पनि सहमति, अवधारण, र स्कोप्ड टेलिमेट्री चाहिन्छ।

  • फ्लीट अप्स - उपकरणहरू सबैभन्दा खराब समयमा अफलाइन हुन्छन्; स्थगित अद्यावधिकहरू र पुन: सुरु गर्न मिल्ने अपलोडहरू डिजाइन गर्नुहोस्।

  • ट्यालेन्ट मिक्स - एम्बेडेड + एमएल + डेभअप्स एउटा विविध टोली हो; चाँडै क्रस-ट्रेन गर्नुहोस्।

उपयोगी चीज ढुवानी गर्नको लागि व्यावहारिक रोडम्याप 🗺️

  1. लाइन ३ मा मापनयोग्य मान-दोष पत्ता लगाउने, स्मार्ट स्पिकरमा वेक वर्ड, आदि भएको एउटा प्रयोग केस छान्नुहोस्।

  2. लक्षित वातावरणलाई प्रतिबिम्बित गर्ने व्यवस्थित डेटासेट सङ्कलन गर्नुहोस्

  3. उत्पादन हार्डवेयर नजिकैको विकास किटमा प्रोटोटाइप

  4. मोडेललाई कम्प्रेस गर्नुहोस् ; इमानदारीपूर्वक शुद्धता हानि मापन गर्नुहोस्। [3]

  5. सफा API मा अनुमान बेर्नुहोस् - किनभने उपकरणहरू बिहान २ बजे झुण्डिन्छन्

  6. गोपनीयताको सम्मान गर्ने टेलिमेट्री डिजाइन गर्नुहोस्

  7. सुरक्षा कडा पार्नुहोस् : हस्ताक्षरित बाइनरीहरू, सुरक्षित बुट, न्यूनतम सेवाहरू खुला।

  8. योजना OTA : स्थिर रोलआउटहरू, क्यानरीहरू, तत्काल रोलब्याक।

  9. एउटा भद्दा कुनाको केसमा पाइलट - यदि यो त्यहाँ बाँच्यो भने, यो जहाँ पनि बाँच्नेछ।

  10. प्लेबुकको साथ स्केल गर्नुहोस् : तपाईंले मोडेलहरू कसरी थप्नुहुन्छ, कुञ्जीहरू घुमाउनुहुन्छ, डेटा अभिलेख गर्नुहुन्छ - त्यसैले परियोजना #२ अराजकता होइन।

एज एआई जिज्ञासा के हो भन्ने छोटो उत्तरहरू ❓

के एज एआईले सानो कम्प्युटरमा सानो मोडेल मात्र चलाउँदैछ?
प्रायः, हो - तर आकार सम्पूर्ण कथा होइन। यो विलम्बता बजेट, गोपनीयता प्रतिज्ञाहरू, र स्थानीय रूपमा कार्य गर्ने तर विश्वव्यापी रूपमा सिक्ने धेरै उपकरणहरूको अर्केस्ट्रेटिङको बारेमा पनि हो। [1]

के म किनारामा पनि तालिम लिन सक्छु?
हल्का तौलको उपकरणमा प्रशिक्षण/व्यक्तिगतकरण अवस्थित छ; भारी प्रशिक्षण अझै पनि केन्द्रमा चल्छ। यदि तपाईं साहसी हुनुहुन्छ भने ONNX रनटाइमले उपकरणमा प्रशिक्षण विकल्पहरू कागजात गर्दछ। [4]

एज एआई बनाम फग कम्प्युटिङ के हो?
फग र एज कजिन हुन्। दुबैले कम्प्युटलाई डेटा स्रोतहरूको नजिक ल्याउँछन्, कहिलेकाहीँ नजिकैको गेटवेहरू मार्फत। औपचारिक परिभाषा र सन्दर्भको लागि, NIST हेर्नुहोस्। [2]

के एज एआईले सधैं गोपनीयता सुधार गर्छ?
यसले मद्दत गर्छ - तर यो जादु होइन। तपाईंलाई अझै पनि न्यूनीकरण, सुरक्षित अपडेट मार्गहरू, र सावधानीपूर्वक लगिङ चाहिन्छ। गोपनीयतालाई बानीको रूपमा व्यवहार गर्नुहोस्, चेकबक्स होइन।

तपाईंले पढ्न सक्ने गहिरो अध्ययन 📚

१) मोडेल अप्टिमाइजेसन जसले शुद्धतालाई बिगार्दैन

क्वान्टाइजेसनले मेमोरी घटाउन सक्छ र अप्सलाई गति दिन सक्छ, तर प्रतिनिधि डेटाको साथ क्यालिब्रेट गर्न सकिन्छ वा मोडेलले ट्राफिक कोनहरू भएका गिलहरीहरूलाई भ्रमित गर्न सक्छ। डिस्टिलेसन - शिक्षकले सानो विद्यार्थीलाई मार्गदर्शन गर्ने - प्रायः अर्थशास्त्र सुरक्षित गर्दछ। [3]

२) अभ्यासमा किनारा अनुमान रनटाइमहरू

LiterRT को दोभाषे रनटाइममा जानाजानी स्थिर-रहित मेमोरी चर्न हो। ONNX रनटाइम कार्यान्वयन प्रदायकहरू मार्फत विभिन्न एक्सेलेरेटरहरूमा प्लग गर्दछ। न त सिल्भर बुलेट हो; दुबै ठोस ह्यामरहरू हुन्। [3][4]

३) जंगलमा बलियोपन

गर्मी, धुलो, फ्ल्याकी पावर, स्ल्यापड्यास वाइफाइ: पाइपलाइनहरू पुन: सुरु गर्ने, निर्णयहरू क्यास गर्ने र नेटवर्क फर्किएपछि मिलाउने वाचडगहरू निर्माण गर्नुहोस्। ध्यान केन्द्रहरू भन्दा कम आकर्षक - यद्यपि बढी महत्त्वपूर्ण।

तपाईंले बैठकहरूमा दोहोर्याउने वाक्यांश - एज एआई के हो 🗣️

एज एआईले विलम्बता, गोपनीयता, ब्यान्डविथ, र विश्वसनीयताको व्यावहारिक बाधाहरू पूरा गर्न बुद्धिमत्तालाई डेटाको नजिक लैजान्छ। जादु एउटा चिप वा फ्रेमवर्कमा होइन - यो कहाँ गणना गर्ने भनेर बुद्धिमानीपूर्वक छनौट गर्नु हो।

अन्तिम टिप्पणी - धेरै लामो भयो, मैले पढेको छैन 🧵

एज एआईले डेटाको नजिक मोडेलहरू चलाउँछ ताकि उत्पादनहरू छिटो, निजी र बलियो महसुस होस्। तपाईंले दुवै संसारको उत्कृष्टको लागि क्लाउड निरीक्षणसँग स्थानीय अनुमान मिश्रण गर्नुहुनेछ। तपाईंको उपकरणहरूसँग मेल खाने रनटाइम छनौट गर्नुहोस्, जब तपाईं सक्नुहुन्छ एक्सेलेरेटरहरूमा भर पर्नुहोस्, कम्प्रेसनको साथ मोडेलहरू व्यवस्थित राख्नुहोस्, र तपाईंको काम यसमा निर्भर गर्दछ जस्तै फ्लीट अपरेशनहरू डिजाइन गर्नुहोस् - किनभने, ठीक छ, यो हुन सक्छ। यदि कसैले एज एआई के हो भनेर , भन्नुहोस्: स्मार्ट निर्णयहरू, स्थानीय रूपमा, समयमै लिइन्छ। त्यसपछि मुस्कुराउनुहोस् र विषयलाई ब्याट्रीमा परिवर्तन गर्नुहोस्। 🔋🙂

सन्दर्भ सामग्रीहरू

  1. IBM - एज एआई भनेको के हो? (परिभाषा, फाइदाहरू)।
    https://www.ibm.com/think/topics/edge-ai

  2. NIST - SP 500-325: फग कम्प्युटिङ अवधारणात्मक मोडेल (फग/एजको लागि औपचारिक सन्दर्भ)।
    https://csrc.nist.gov/pubs/sp/500/325/final

  3. गुगल एआई एज - LiterRT (पहिले टेन्सरफ्लो लाइट) (रनटाइम, क्वान्टाइजेसन, माइग्रेसन)।
    https://ai.google.dev/edge/litert

  4. ONNX रनटाइम - अन-डिभाइस तालिम (पोर्टेबल रनटाइम + एज उपकरणहरूमा तालिम)।
    https://onnxruntime.ai/docs/get-started/training-on-device.html

  5. एप्पल मेसिन लर्निङ रिसर्च - एप्पल न्यूरल इन्जिनमा ट्रान्सफर्मरहरू तैनाथ गर्ने (ANE दक्षता नोटहरू)।
    https://machinelearning.apple.com/research/neural-engine-transformers

आधिकारिक एआई सहायक स्टोरमा नवीनतम एआई खोज्नुहोस्

हाम्रो बारेमा

ब्लगमा फर्कनुहोस्