زه زما Sketchpad د پروپټ باکس لپاره سوداګریز کړ - او هنر به هیڅکله ورته نه وي

TL;DR: Generative AI ماډلونه لکه DALL·E د ډیجیټل آرټ رامینځته کوي - د متن څخه د اسانه انځور تولید کولو وړاندیز کوي. دا مقاله څنګه کار کوي او د خلاقیت په راتلونکي کې څه معنی لري. یوازې څو کاله دمخه، د ډیجیټل آرټ جوړولو ته د پیچلي وسایلو، ارزانه وسایلو، او اونۍ - که نه میاشتو - تمرین ته اړتيا لري. نن ورځ، د ساده کلمه او ځینې ثانیو سره، د مصنوعي انټرنټ کولی شي د نښې چې يو هنرمند ځینې ورځو لګښت لري جوړ کړي. مګر موږ په حقیقت کې څه ترلاسه کړ، او موږ کولی شو څومره پیژندل؟ او ممکن تر ټولو مهمه - دا د هنرمند په لټه کې کوي؟ From Brushstrokes to Pixels: The Traditional Digital Artist’s Journey د بڼو څخه د Pixels ته: د سنګاري ډیجیټل هنرمند د سفر د ډیجیټل آرټینټ جوړولو لپاره ډیری اړتیا لري - ډیر ډیر چې د څېړنې په لټه کې دي. لکه څنګه چې یو هنرمند، د ډیجیټل تخلیق ته انتقال نه ده په بشپړه توګه او نه په ارزانه توګه. دا د مناسب هارډویر غوره کولو سره پیل کیږي، د بیلابیلو متغیرونو له امله ستونزمن انتخاب: د پروسس سیسټمونه، د وسایلو آرامۍ، د پرده اندازه، د قلم حساسیت، قیمت، او نور. وروسته د پلیټ فارم ته راځي. که تاسو په ټابلیټ یا کمپیوټر کې یاست، د وړیا غوښتنلیکونو شمېر کولی شي د Photoshop څخه تر Procreate، Clip Studio ته Corel Painter، د انتخابونو پراخه دي - او هر یو د زده کړې curve سره راځي ځکه چې د انتخاباتو او وړتیاوې په هر کې پراخه دی. د سافټویر پوهه یوازې د جنگ په نیم کې دی. یو باید هم یاد ولري چې د سنګاري مهارتونو په ډیجیټل نړۍ کې ترجمه کړي. رنګ نظریات، ترکیب، او د پړاو په اساس دي، مګر د ګرافټ یا اوکرانټ د ټکټیل تجربې د اپل پینل یا پینل په انډول کې نه لیږدوي. حتی تجربه لرونکي هنرمندانو د یادولو او د دوبلو روزنې وخت سره مخنیوي. او د تازه ورکوونکو لپاره، د سفر نور دی. د ډیجیټل نړۍ د هنري اساسونو ته اړتيا نلري - دا یوازې د دوی څرنګړنې په لاره کې رامینځته کوي. د شکل، رڼا، عمومي او سټیل درک کول په ورته توګه مهم دی، د زده کړې پروسه اوږد کړي او د هغه لپاره چې د رڼا څخه پیل کوي. که تاسو یو تجربه لرونکي انځورونکي یا یو بشپړ پیلونکي یاست، د ډیجیټل هنر ته انتقال هر څه پرته چټک دی. د مسلکيانو لپاره، دا معنی لري چې د عضلاتو حافظه کلونو ته د نوي وسایلو او کار فوریکسونو سره تنظیم کړئ. د نوارانو لپاره، دا شامل دی چې د بنسټیز هنر مهارتونه له دې څخه جوړ کړئ. په هر دوو صورتونو کې، د پړاو اوږد دی - د آزموینې او غلطۍ سره پرانیستې، د تمرین په اوږد وختونو کې، او د صبر او سپارښتنه په عمیق بڼه. د سفر کولی شي میاشتونو ته اړتیا لري - یوازې د یو apple، د کیک، یا د سټیل په څیر یو څه ساده کولو لپاره. Then Came AI: A Paradigm Shift in Creative Process نو آیا AI: په تخليقي پروسه کې د پارډیګم بدلون په خوشحاله توګه - یا شاید په ناڅاپي توګه - دا سينګار بدل دی. د مصنوعي انټرنټ پرمختګ سره، د ډیجیټل آرټ کې د وخت لګولو لپاره د انټرنټ اړتیا نه دی. نن ورځ، د AI ماډلونه لکه د OpenAI کولی شي د هنر سره یوازې یو پاملرنه جوړ کړي. د یوه مفاهیم ته ورسیږي، او د ډیجیټل عامه کار په ثانیو کې واقع کیږي. ډله او د هنر نړۍ، لکه څنګه چې تقریبا هر نورو ډومینګونه، د AI وړتیاوو له خوا غبرګون شوی. له GPT ماډلونو څخه چې پوښتنې ځواب کوي او کوډ حل کوي، د DALL·E تولید انځورونه ته، د تخلیقي پروسه بدل شوی دی. خو څنګه دا په حقیقت کې کار کوي؟ او دا د جادو په توګه ښکاري ده؟ Learning Like a Human: The Foundation of AI Art Learning Like a Human: The Foundation of AI Art د دې لپاره چې پوه شي چې څنګه د AI انځورونه تولید کوي، موږ باید لومړی پوه شي چې دا څنګه زده کوي. د مفهوم حیرانتیاوې انسان دی. تصور وکړئ چې یو ماشوم - ایا موږ یې اولیور نامې لرو - د حیواناتو د شناسولو یادونه ونیسئ. د هغه مادې د تور گیت ته اشاره کوي او وايي، "این یو گیت دی." وروسته، هغه د ګینګری گیت ته اشاره کوي او دا کلمه تکرار کوي. اولیور، هغه څه چې هغه زده کړې، بیا یو سفید گیت وګورئ او اعلان کوي، "کټ!" د نوي رنګ په ناڅاپي کې، اولیور د مشترکه ځانګړتیاوو، د چارو پايې، بوسکونو، د ټکونو گوشونو، د کڅوړې، او د کڅوړې په اړه پوه شي. دا د ګروپولو لپاره دی: د دماغ د محدود معلوماتو څخه د نمونې مشخصولو وړتیا. خو غلطیونه ترسره کیږي. يو ورځ، اولیور یو شیچ-چیز کور وګورئ او دا د کټ په نوم ورکوي. دا د هغه معلوماتو په اساس د هغه ترټولو غوره ګټو ده. د خپل ماښامې د هغه اصلاح کوي: "نه، دا یو سگ دی." له دې وخت څخه، اولیور په ذهن کې څنګه د کټونو څخه د سگونو څخه راټولوي. دا د مصنوعي عصري شبکې څنګه زده کړې اسانه ده. Neural Networks: Digital Brains Built on Data نوري شبکې: د ډیجیټل دماغونه په ډاټا کې جوړ شوي د عصري شبکې د کمپیوټر ماډل ډول دی چې د انسان د دماغ په څیر کار کوي. دا د نمونې په څیر جوړ شوی دی او د ډیجیټل ډاټا تحلیل کولو له لارې تجربه څخه زده کړه، لکه د ماشوم اولیور په څیر. د انسان دماغ کې نوريونونه. د DALL-E 3 په کارولو سره د نویسنده جوړ انځور. دا شبکې د کوچني پروسس یوټیټونو کټګوریو څخه جوړ شوي دي (د "نډونو" یا "سینپسسونو" په نوم) چې د یوځای سره تړاو لري - ورته څنګه په دماغ کې د نوريونونو سره تړاو لري. هر اړیکه یو ارزښت لري چې څومره یو نډې د نورو په اغیزمنه توګه کنټرول کوي. دا ارزښتونه د "د وزنونو" په نوم کیږي. د روزنې په ترڅ کې، د شبکې د دې وزنونه په وخت کې د دې پورې اړه لري چې دا څومره ښه یا بد کار کوي - لکه څنګه چې اولیور په دوامداره توګه د خپل غلطاتو د اصلاح کولو له لارې د کټ او کور ترمنځ فرق زده کوي. دا پروسه د شبکې سره د دقیق predictions په ښه توګه مرسته کوي. د روزنې پروسه د ډاټا سیټ ته اړتیا لري - د معلوماتو د جوړولو لپاره کارول کیږي چې د ماډل د زده کولو لپاره کارول کیږي. د زبان ماډل لپاره، دا عموما د میلیونونو عبارتونو معنی لري، د کلمې څخه جوړ شوی دي، کوم چې په لټه کې د کلمې څخه جوړ شوي دي. د بصری ماډل لپاره، دا د میلیونونو انځورونو معنی لري - هر ډول د اشیاء څخه جوړ شوی، چې ځان د انفرادي پیکسلونو څخه جوړ شوي دي. د ډاټا سیټ لوی او مختلف تر وي، د ماډل دقیق تر وي. Inside the Neural Network: How Data Flows and Decisions Form په عصري شبکې کې: څنګه د ډاټا جریانونه او تصمیمونه جوړ کیږي بیا د عصري شبکې تصور وکړئ لکه څنګه چې دا په عصري ډرایو کې ډیری وختونه ویشول کیږي: یو پراخه ډرایو چې د اړیکو نښانونو څخه جوړ شوی دی. دا نښانونه په مختلفو کټونو کې سازمان شوي دي - په څیر د کټګورۍ د کټګورۍ کټګورۍ په څیر څخه ډډه کوي. هر نښان، یا تخنیکي نيلوني، د معلوماتو پروسس کې یو نقش لري. د دې ټول جوړښت په توګه د د شبکې. Topology تعریف کوي چې د شبکې کتنه کچه لري، په هر کچه کې کتنه نښانونه شتون لري، او څنګه د معلوماتو په منځ کې جریان کوي. دا د ماډل د آرژیکٹیکي blueprint دی. topology د روزنې له لارې پیل کیږي د انټرنېټ ډاټا - لکه انځورونه یا عبارتونه - ته د شبکې د لومړي کچه. دا ډاټا وروسته د شبکې له لارې، کچې له کچې له لارې حرکت کوي. په هر مرحله کې، نښانونه د معلوماتو لپاره ریاضیاتی عملونه اعمال کوي، لکه مټریکس کټګوریشنونه، فعالیتونه لکه ReLU (Rectified Linear Unit) یا نورو بدلونونه. لکه څنګه چې د دې پروسه پراختیا، a دا جدول د هر عمل او د معلوماتو د جریان په دقیقه توګه ریکارډ کوي: کوم نښی چې کوم بدلون ترسره کوي. د دې په توګه د ماډل د فکر پروسه تفصيلات یا نقشه فکر وکړئ. computation graph دا محاسبه ګرافه مهمه ده - نه یوازې د پیژندنې لپاره، بلکه د غلطو څخه زده کولو لپاره. کله چې ماډل د غلطو پایلې (پیژندنې) تولید کوي، د ګراف اجازه ورکوي چې د سیسټم د هر ګام له لارې راټول کړي او د ټولو وزنونه تنظیم کړي. دا پیژندل پړاو دا دی چې د پیژندنې مرحله تنظیم کوي د اصلي میکانیزم په واسطه چې د عصري شبکې په وخت کې ښه. backpropagation - Backpropagation: Learning by Error Backpropagation: د غلطۍ له لارې زده کړې د Oliver په اړه راځي. کله چې هغه په غلطي توګه د سگې په توګه د سگې په توګه راټول کیږي، د خپل ماښام هغه اصلاح کوي او اولیور کولی شي د هغې د تفاهم ته راټول کړي. کله چې د شبکې د پیژندنې ترسره کوي، د پایلې سره د حقیقت ارزښت په کارولو سره مقایسه کیږي. د کڅوړې فورمې اندازه کوي چې د پیژندنې د واقعي پایلو څخه د حقیقت څخه څومره دی. loss function په backpropagation پروسس کې، د ګرافې کټګورۍ ته له دې لپاره چې حساب کړي چې د شبکې په هر وزن کې څومره د بریښنا ته اړتیا لري. د کارولو سره د محاسبه، د هر ګراډینټ د هر وزن په اړه د ګراډینټ په اړه د ګراډینټ بیان کوي. دا محاسبه شوي ګراډینټونه موږ ته اجازه ورکوي چې د ګراډینټ کمولو ته اړتيا لري چې د ګراډینټونو ته اړتيا لري. د ګراډینټونو په کارولو سره، د ګراډینټونه د ګراډینټونو له مخې تازه کیږي ترڅو دقیق تر وي. د زنجیره قانون gradients دا پیژندنه چڼاسکه - د پیژندنې پته، غلطی محاسبه، د پیژندنې پته - په لوړه کچه تکرار کیږي. د پایلو؟ یو زده کړې ماډل چې کولی شي د نمونې وټاکل او په هر وخت کې ډیر دقیق پیژندنې ترسره کړي. Teaching Oliver to Draw: The Power of Generative Models د Oliver د ډیزاین د زده کړې: د جنراتور ماډلونه د قدرت لکه څنګه چې د دوی نومونو ښودل کیږي، predictive ماډلونه د موجودو معلوماتو تجزیه کولو لپاره ډیزاین شوي دي او د احتمالي پایلو په اړه د معلوماتو تخمینې کولو لپاره ډیزاین شوي دي - لکه څنګه چې ځوان Oliver، چې د حیواناتو څېړنې وروسته، په اعتماد سره د یو نوی ډول چې هغه راکښته کوي مخنیوی کوي. مګر تصور وکړئ چې Oliver ته نه پوهیږئ چې یو گیت راټول کړي، بلکه یو راټول کړي. دا کار د تشخیص څخه ډیر اړتیا لري - دا د تخلیق لپاره اړتیا لري. موږ فرض کوو چې هغه د هغه په مخ کې یو گیت نه لري، او نه هغه کولی شي د هغه گیتو په اړه هر دقیق تفصيل یادونه ونیسئ. په هرصورت، هغه اوس په یادښت، تخیل، او زده شوي نمونې پر بنسټ د یو گیت په بشپړ ډول نوي انځور جوړولو ته اړتیا لري. دا عمل چې یو څه نوی جوړ کړئ - نه چې د هغه څه څخه غوره کړئ چې اوس هم شتون لري - د جنراتور ماډلونو اساس دی. د جنراتور ماډلونه، لکه DALL·E، د نمونې تشخیص څخه ډیر دي. دوی د اصل موادو تولید کولو لپاره روزل شوي دي چې د روزنې په وخت کې یې شتون لري. په پرتله یوازې ځوابونه، د پوښتنې ځواب، دا ماډلونه نه یوازې ډاټا درکوي - دوی د دې سره جوړوي، په بشپړه توګه نوي انځورونه، متن، غږونه یا ویډیو جوړوي چې د جوړښتونو او سبکونو سره سمون لري. «د دې څه ده؟» "کیا دا به څنګه وي، که دا موجوده وي؟" When Language Takes Shape کله چې د زبان په شکل کې د تولیدي ماډلونه لکه DALL·E د انځور او متن جفتو په پراخه ډاټا سیټونو کې روزل کیږي، زده کوو چې د بصری عناصر سره ژوره. د روزنې په وخت کې، د ماډل د انځور سره د ټایټ سره لیدل کیږي او په دوامداره توګه زده کوي چې هغه کلمه چې د کوم شکلونو، ټیکتورونو، رنګونو او مفهومونو سره مطابقت کوي. دا د معنی د داخلي نقشه جوړوي، درکوي چې "د سرخ apple" د پوښونو، د ځانګړي رنګ، د پایپ، او داسې نور معنی لري. وروسته، کله چې د نوي متن پاملرنه ورکوي، د ماډل د کلمې په یو جوړ شوي نمونې کې بدل کیږي او دا د انځور جوړولو لپاره د لارښود په توګه کاروي - له تصادفي رنګ څخه پیل کیږي او د دې په کچه په کچه د تعلیق کولو څخه پیل کیږي چې د متن سره مطابقت لري. دا پروسه اجازه ورکوي چې د ماډل په بشپړه توګه نوي انځورونه جوړ کړي چې هغه تر اوسه نه وګورئ، په داسې حال کې چې دا د روزنې په وخت کې زده شوي نمونې ته باور لري. A Thousand Apples a Second: What AI Sees That Artists Can’t د 1000 apples a second: هغه څه چې AI وګورئ چې هنرمندونه نه کولی شي نو څنګه دا په هنر کې کارول کیږي؟ د مثال په توګه، تاسو غواړئ د DALL·E کارولو په کارولو سره د apple ډیجیټل انځور جوړ کړئ. تاسو یوازې ستاسو د غوښتنې ټیپ کړئ - او په ځینې ثانیو کې، تاسو د انځور ترلاسه کړئ. د "د ډیجیټل نښی په نښی په جوړولو" لپاره DALL-E 3 د دې انځور سره ځواب کړ: دا apple د میلیونونو انځورونو محصول دی چې د ماډل د روزنې په وخت کې وګورئ. په مقابل کې، د انسان هنرمند به د انډول په لټه کې پیل کړي - د ځانګړي پلیټ فارمونو لکه Pinterest وګورئ، د خامو شکلونو ډکولو، تفصيلاتو پاکولو، رنګونو سره تجربې کول، او textures غوښتنلیک کول. دا پروسه کولی شي د ساعتونو څخه ورځو پورې هر وخت ونیسئ. دا پروسه د پلورلو، د پیژندنې راټولولو، او د Objects - لکه apples - په لټه کې وګورئ - د هر هنرمند د کار په جریان کې اړین برخه ده. دا دا دی چې دوی په ذهن کې د بصری کتابتون جوړوي: د شکل، ټیکتور، رڼا، رنګ بدلونونه، او سټیټیټ انتخابونو څارنه کوي. په ډیری لارو کې، دا د AI ماډل څنګه چمتو کیږي. مخکې له دې چې د انځورونه جوړ کړي، د ماډل هم باید د هزاران - معمولا میلیونونه - مثالونو ته وده ورکړي. دا مثالونه، په یو جوړ شوی ، د ورته هدف ته خدمت کوي: د نمونوي ته زده کړي چې یو apple په مختلفو زاويه کې، په مختلفو سټیلونو کې او په مختلفو رڼا شرایطو کې څنګه ښکاري. dataset مګر ځینې مهم فرقونه شتون لري لکه: . scale and speed په داسې حال کې چې د انسان هنرمند یوازې د خپل حافظه، تجربه، او د تجربو په وخت کې د پروسس کولو وړتیا پورې اړه لري، د AI ماډلونه په پراخه کچه د کمپیوټري سرچینې په کارولو سره روزل کیږي. د DALL·E په څیر پراخه کچه ماډلونه په قوي ډاټا مرکزونو کې روزل شوي دي چې د ډیټا ګروپونو، TPUs، یا زما د شرکت په صورت کې - د روزنې لپاره تخصص شوي Accelerators (چې ). دا ماشينونه په دوامداره توګه کار کوي، د انځورونو لوی حجمونو په ناقانونه سرعتونو کې پروسس او تحلیل کوي. د ماشينونو تر منځ د شبکې اړیکو سره، د لوړ پړاو ذخیره سیسټمونه، او تخصصي AI هارډویر د دې موډلونو ته اجازه ورکوي چې په ورځو یا اونۍ کې د لوی ډاټا سیټونو کې روزل شي - کوم چې ممکن د انسانانو کلونو کې جذب شي، که څه هم. د ګاډیو3 په مقابل کې، د هنرمند دماغ یوازې د موجودو "د هارډویر" دی. نه د عالي سرعت کلسترونه یا د انځور ډاټا پټابایټونه - یوازې اندیښنې، یادښت، او تمرین. دا دا انسان محدودیت دی چې د AI مخنیوی کوي، کوم چې دا اجازه ورکوي چې د ډیرو مثالونو، ډیری بدلونونو، او ډیری سټیلونو "د وګورئ" چې یو واحد شخص په ژوند کې کولی شي. Matching Human Style: Mimicking Mediums د انسان ډول سره مطابقت کول: مايکیکن Mediums د ډیجیټل هنرمندانو امروز د یو بصری سبک ته محدود نه دي. د وسایلو سره لکه Procreate، دوی کولی شي د تیلو، د اوبو رنګ، د قلمو او ټینک نمونې وکړي - د کاغذ ټیکتورونو او د پټۍ ډینامیک سره بشپړ کړي. ایا تاسو غواړئ په خام کاغذ کې د اوبو رنګ د بڼو نرمتیا پیژندل کړئ؟ د دې لپاره یو بڼه شتون لري. ترجیح کړئ چې د تیلو په ټوکر کې د غليظ غليظیت؟ دا هم. AI کولی شي د دغو سټیلونه هم پیژندل شي - که په سمه توګه پاملرنه کیږي. د مثال په توګه: د دغو پاملرنې په هر ډول کې د نمونوي لپاره د نمونوي نه یوازې د موضوع نه بلکه د منځني، رنګ ټون، او هنري تخنیکي هم یادونه ورکوي. The Artistic Process د هنري پروسه د AI پرته د ورته اغیزو جوړولو لپاره، يو هنرمند باید د پیژندنې مواد راټول کړي، کټګورۍ کټګورۍ جوړ کړي، د بڼو تنظیماتو سره تجربې وکړي، د اساس رنګونه کاروي، د ښکلا او سایې اضافه کړي، او manually textures راټول کړي. دا د وخت لګښت لري، مګر د احساساتو غليظ تجربه. د AI سره، د پروسه ډیر مستقیم وي - مګر هم ډیر غیرقانوني وي. موږ د تخليقي سفر چې ما په پیل کې، یو مرحله په هر وخت کې پیژندل. The Ghost in the Gallery: Why AI Still Can’t Replace You په ګالری کې د روحانیت: چرا AI اوس هم تاسو ته بدلون نه کوي د AI ښکاري چې د هنري پروسه په پرتله کولی شي - یوازې په چټکۍ سره او په کچه. دا یو مهم پوښتنه رامینځته کوي: چرا هرڅوک به د سنګاري ډیجیټل رسنیو څخه ډیر غوره کړي؟ آیا د انټرنټ آرټیټیټیټ بیان او خلاقیت لپاره هنوز ځای شتون لري، یا دا پاملرنه ناڅاپي وي؟ او که انسان هنرمندونه هنوز ځای لري، دوی کولی شي د AI څخه ګټه واخلئ - او په کوم حالت کې ممکن وي؟ بیا د څېړلو په څیر چې کله چې موږ هڅه کوو چې د ډیر دقیق او اړین لارښوونې سره د پروګرام جوړ کړي: په ځواب کې د "د دوو پاڼه سره د اوبو رنګ په سبک کې یو apple تولید"، د ماډل د لاندې پایلې تولید کوي: دلته دا دی چې د پردې لوړه کوي - او د رطوبتونو ښودل کیږي: کله چې د یو ډیر پاکیزه او ځانګړي پروپیلټ سره وړاندې کیږي - "د دوه پاڼه سره یو apple جوړه کړئ چې د اوبو رنګ په سټیل کې ورته لارښوونې لري" - د پایله یو دلچسپ او غیرقانوني لارښوونه لري. آیا تاسو په ورته ډول وګورئ؟ زه باید موافقم. خو دا د اړتیا پوره کوي - یو واضح او مستقیم، په دې کې؟ په بشپړه توګه نه. کولی شي دا یوازې نه پوه شي؟ دا زما غلط دی - دا زما د چټک په پرتله ناڅاپي دی؟ د هر ډول بیلابیلو راټولولو لپاره، زه د غوښتنلیک ته نور وده ورکړم: "د یو apple سره دوه پايلې جوړ کړئ چې د دوو پايلې د اوبو رنګ په سبک کې په چپ کې چیرته کوي" لکه څنګه چې په اوسط کې وګورئ، د پایلو له خوا د طرحې پایلو څخه ډیری توپیر لري. په حقیقت کې، دا احساس کوي لکه څنګه چې څنګه چې تاسو دا په دقیق ډول هڅه وکړئ، د خواړه پایلې ډیر مخکښ وي - په اغيزمنه توګه د خوښۍ او وخت ضایع کولو له امله. هغه څه چې حیرانتیا لري دا ده چې یو غوښتنلیک دا ساده چې یو ماشوم کولی شي پوه شي دا د ماډل لپاره غیر قابل درک وي. تصور وکړئ چې یو پیرودونکي د انسان هنرمند ته ساده لارښوونې وړاندې کوي - یوازې د بڼه غلطو سره راځي، لکه څنګه چې د بیلګې په بهر کې خبرې شوي. په دې صورت کې، پیرودونکي به د خپل سوداګرۍ په بل ځای کې ناڅاپي وکړي. او په زموږ سټینر کې، دا ماډل دی چې پروسیس کولی شي. Final Thoughts: The Art We Make Together Final Thoughts: د هنر چې موږ په ګډه جوړ In the end, this is not a war between brush and code, but a dialogue. The machine offers speed, precision, and infinite variation; the artist brings emotion, intuition, and soul. One is not here to replace the other, but to expand what is possible. موږ خوشحاله دي چې په یوه وخت کې ژوند کوو چې د تخیل د خپلو لاسو محدود نه دي. د تخليقي مستقبل نه په رقابتي کې نه دی، خو په توازن کې - کله چې د بشري روح او د مصنوعي هوښيار په ګډه جوړوي، د هر ډول د خپل ډول جادو وړاندیز کوي. زموږ په اړه زموږ په اړه زه مریم پیتربرګ - یو AI متخصص چې د Habana Labs (انټل) په Runtime سافټویر ټیم کې لارښوونه کوي او د سنګاري او ډیجیټل ماډلونو په پراخه کچه کار کوي. زه په پراخه کچه د AI روزنې سیسټمونو کې تخصص ولرئ، په شمول د اړیکو کتابتونونه (HCCL) او د Runtime ګټور کولو. د کمپیوټر علوم د لیږد.