Hoe beïnvloed KI die omgewing?

Hoe beïnvloed KI die omgewing?

Kort antwoord: KI beïnvloed die omgewing hoofsaaklik deur elektrisiteitsverbruik in datasentrums (beide opleiding en daaglikse inferensie), tesame met water vir verkoeling, plus die beliggaamde impak van hardewarevervaardiging en e-afval. As gebruik skaal na miljarde navrae, kan inferensie swaarder weeg as opleiding; as netwerke skoner is en stelsels doeltreffend is, neem die impak af terwyl voordele kan groei.

Belangrike wegneemetes:

Elektrisiteit : Hou rekenaargebruik dop; emissies neem af wanneer werkladings op skoner netwerke loop.

Water : Verkoelingskeuses verander impakte; watergebaseerde metodes is die belangrikste in skaars streke.

Hardeware : Skyfies en bedieners het aansienlike beliggaamde impakte; verleng lewensduur en prioritiseer opknapping.

Herstel : Doeltreffendheid kan totale vraag verhoog; meet uitkomste, nie net winste per taak nie.

Operasionele hefbome : Modelle van die regte grootte, optimaliseer inferensie en rapporteer metrieke per versoek deursigtig.

Hoe beïnvloed KI die omgewing? Infografika

Artikels wat jy dalk na hierdie een wil lees:

🔗 Is KI sleg vir die omgewing?
Verken KI se koolstofvoetspoor, elektrisiteitsverbruik en datasentrum-eise.

🔗 Waarom is KI sleg vir die samelewing?
Kyk na vooroordeel, werksontwrigting, waninligting en toenemende sosiale ongelykheid.

🔗 Waarom is KI sleg? Die donker kant van KI
Verstaan ​​risiko's soos toesig, manipulasie en verlies aan menslike beheer.

🔗 Het KI te ver gegaan?
Debatte oor etiek, regulering en waar innovasie lyne moet trek.

Hoe KI die omgewing beïnvloed: die vinnige momentopname ⚡🌱

As jy net 'n paar punte onthou, maak dit die volgende:

En dan is daar die deel wat mense vergeet: skaal . Een KI-navraag mag dalk klein wees, maar miljarde daarvan is 'n heel ander dier ... soos 'n klein sneeubal wat op een of ander manier 'n bankgrootte sneeustorting word. (Daardie metafoor is effens verkeerd, maar jy verstaan.) IEA: Energie en KI

Die omgewingsvoetspoor van KI is nie een ding nie - dis 'n stapel 🧱🌎

Wanneer mense oor KI en volhoubaarheid stry, praat hulle dikwels verby mekaar omdat hulle na verskillende lae wys:

1) Bereken elektrisiteit

  • Die opleiding van groot modelle kan vereis dat groot groepe vir lang tye hard moet loop. IEA: Energie en KI

  • Inferensie (daaglikse gebruik) kan mettertyd die groter voetspoor word, want dit gebeur voortdurend, oral. IEA: Energie en KI

2) Datasentrum oorhoofse koste

3) Water en hitte

4) Hardeware-voorsieningsketting

5) Gedrag en terugslageffekte

So wanneer iemand vra hoe KI die omgewing beïnvloed, is die reguit antwoord: dit hang af van watter laag jy meet, en wat "KI" in daardie situasie beteken.

Opleiding vs inferensie: die verskil wat alles verander 🧠⚙️

Mense hou daarvan om oor opleiding te praat omdat dit dramaties klink - "een model het X energie gebruik." Maar afleiding is die stille reus. IEA: Energie en KI

Opleiding (die groot bouwerk)

Opleiding is soos om 'n fabriek te bou. Jy betaal die voorafkoste: swaar berekeninge, lang looptye, baie probeer-en-tref-lopies (en ja, baie "oeps wat nie gewerk het nie, probeer weer"-iterasies). Opleiding kan geoptimaliseer word, maar dit kan steeds aansienlik wees. IEA: Energie en KI

Inferensie (die daaglikse gebruik)

Inferensie is soos die fabriek wat elke dag, vir almal, op skaal loop:

  • Kletsbotte beantwoord vrae

  • Beeldgenerering

  • Soekranglys

  • Aanbevelings

  • Spraak-na-teks

  • Bedrogopsporing

  • Mede-pilote in dokumente en kodehulpmiddels

Selfs al is elke versoek relatief klein, kan die gebruiksvolume opleiding verdwerg. Dis die klassieke "een strooihalm is niks, 'n miljoen strooihalms is 'n probleem"-situasie. IEA: Energie en KI

'n Klein nota - sommige KI-take is baie swaarder as ander. Die generering van beelde of lang video's is geneig om meer energie-honger te wees as kort teksklassifikasie. Om "KI" in een emmer te plaas, is dus 'n bietjie soos om 'n fiets met 'n vragskip te vergelyk en hulle albei "vervoer" te noem. IEA: Energie en KI

Datasentrums: krag, verkoeling, en daardie stilwaterstorie 💧🏢

Datasentrums is nie nuut nie, maar KI verander die intensiteit. Hoëprestasie-versnellers kan baie krag in beknopte ruimtes trek, wat in hitte omskep word, wat bestuur moet word. LBNL (2024): Verenigde State se datasentrum-energieverbruiksverslag (PDF) IEA: Energie en KI

Basiese beginsels van verkoeling (vereenvoudig, maar prakties)

Dis die afweging: jy kan soms elektrisiteitsverbruik verlaag deur op watergebaseerde verkoeling te steun. Afhangende van die plaaslike waterskaarste, kan dit goed wees ... of dit kan 'n werklike probleem wees. Li et al. (2023): Maak KI minder "dors" (PDF)

Ook die omgewingsvoetspoor hang sterk af van:

Om eerlik te wees: die openbare gesprek behandel "datasentrums" dikwels soos 'n swart boks. Dis nie boos nie, dis nie magies nie. Dis infrastruktuur. Dit tree op soos infrastruktuur.

Skyfies en hardeware: die deel wat mense oorslaan omdat dit minder sexy is 🪨🔧

KI leef op hardeware. Hardeware het 'n lewensiklus, en lewensiklusimpakte kan groot wees. VSA EPA: Halfgeleierbedryf ITU: Die Globale E-afvalmonitor 2024

Waar die omgewingsimpak sigbaar is

E-afval en "perfek goeie" bedieners

Baie omgewingskade is nie te wyte aan een bestaande toestel nie – dit is te wyte aan die vroeë vervanging daarvan omdat dit nie meer koste-effektief is nie. KI versnel dit omdat prestasieverbeterings groot kan wees. Die versoeking om hardeware op te dateer is werklik. ITU: Die Globale E-afvalmonitor 2024

'n Praktiese punt: die verlenging van hardeware se lewensduur, die verbetering van benutting en die opknapping kan net soveel saak maak as enige deftige modelaanpassing. Soms is die groenste GPU die een wat jy nie koop nie. (Dit klink soos 'n slagspreuk, maar dit is ook ... soort van waar.)

Hoe KI die omgewing beïnvloed: die "mense vergeet dit" gedragslus 🔁😬

Hier is die ongemaklike sosiale deel: KI maak dinge makliker, sodat mense meer dinge doen. Dit kan wonderlik wees - meer produktiwiteit, meer kreatiwiteit, meer toegang. Maar dit kan ook meer algehele hulpbrongebruik beteken. OESO (2012): Die veelvuldige voordele van energie-doeltreffendheidsverbeterings (PDF)

Voorbeelde:

  • As KI videogenerering goedkoop maak, genereer mense meer video.

  • As KI advertensies meer effektief maak, word meer advertensies vertoon en draai meer betrokkenheidslusse.

  • As KI verskepingslogistiek meer doeltreffend maak, kan e-handel selfs moeiliker skaal.

Dit is nie 'n rede tot paniek nie. Dit is 'n rede om uitkomste te meet, nie net doeltreffendheid nie.

’n Onvolmaakte maar prettige metafoor: KI-doeltreffendheid is soos om vir ’n tiener ’n groter yskas te gee – ja, kosberging verbeter, maar op een of ander manier is die yskas weer leeg binne ’n dag. Nie ’n perfekte metafoor nie, maar… jy het dit al sien gebeur 😅

Die voordeel: KI kan die omgewing werklik help (wanneer dit reg gemik is) 🌿✨

Nou vir die deel wat onderskat word: KI kan emissies en afval verminder in bestaande stelsels wat ... eerlikwaar, onelegant is. IEA: KI vir energie-optimalisering en innovasie

Gebiede waar KI kan help

Belangrike nuanse: KI-"help" verreken nie outomaties KI se voetspoor nie. Dit hang af of die KI werklik ontplooi, werklik gebruik word, en of dit lei tot werklike vermindering eerder as net beter dashboards. Maar ja, die potensiaal is werklik. IEA: KI vir energie-optimalisering en innovasie

Wat maak 'n goeie weergawe van omgewingsvriendelike KI? ✅🌍

Dit is die "goed, so wat moet ons doen"-afdeling. 'n Goeie omgewingsverantwoordelike KI-opstelling het gewoonlik:

  • Duidelike gebruiksgevalwaarde : As die model nie besluite of uitkomste verander nie, is dit net deftige berekening.

  • Meting ingebou : Energie, koolstofberamings, benutting en doeltreffendheidsmaatstawwe word soos enige ander KPI gevolg. KodeKoolstof: Metodologie

  • Modelle van die regte grootte : Gebruik kleiner modelle wanneer kleiner modelle werk. Dit is nie 'n morele mislukking om doeltreffend te wees nie.

  • Doeltreffende inferensie-ontwerp : kasgeheue, bondelgeheue, kwantisering, herwinning en goeie aansporingspatrone. Gholami et al. (2021): Oorsig van Kwantiseringsmetodes (PDF) Lewis et al. (2020): Herwinning-Augmented Generation

  • Hardeware- en liggingsbewustheid : voer werkladings uit waar die netwerk skoner is en die infrastruktuur doeltreffend is (indien moontlik). Koolstofintensiteit API (GB)

  • Langer hardeware-lewe : maksimeer benutting, hergebruik en opknapping. ITU: Die Globale E-afvalmonitor 2024

  • Reguit verslaggewing : vermy groenwashing-taal en vae bewerings soos "omgewingsvriendelike KI" sonder syfers.

As jy steeds dophou hoe KI die omgewing beïnvloed, is dit die punt waar die antwoord ophou om filosofies te wees en operasioneel word: dit beïnvloed dit gebaseer op jou keuses.

Vergelykingstabel: gereedskap en benaderings wat werklik impak verminder 🧰⚡

Hieronder is 'n vinnige, praktiese tabel. Dit is nie perfek nie, en ja, 'n paar selle is 'n bietjie eiesinnig ... want dis hoe regte gereedskapkeuse werk.

Gereedskap / Benadering Gehoor Prys Hoekom dit werk
Koolstof-/energie-opsporingsbiblioteke (looptydberamers) ML-spanne Vry-agtig Gee sigbaarheid - wat die helfte van die stryd is, selfs al is ramings 'n bietjie vaag .. KodeKoolstof
Hardeware-kragmonitering (GPU/CPU-telemetrie) Infra + ML Gratis Meet werklike verbruik; goed vir maatstaftoetslopies (nie-opvallend maar goud werd)
Modeldistillasie ML-ingenieurs Gratis (tydkoste 😵) Kleiner studentemodelle pas dikwels prestasie met baie minder afleidingskoste Hinton et al. (2015): Die distillasie van die kennis in 'n neurale netwerk
Kwantisering (laer presisie-inferensie) ML + produk Gratis Verminder latensie en kragverbruik; soms met klein kwaliteitsafwykings, soms geen Gholami et al. (2021): Oorsig van Kwantiseringsmetodes (PDF)
Kasberging + bondel-inferensie Produk + platform Gratis Verminder oorbodige berekening; veral handig vir herhaalde aanwysings of soortgelyke versoeke
Herwinning-vermeerderde generasie (RAG) App-spanne Gemeng Laai "geheue" af vir herwinning; kan die behoefte aan groot konteksvensters verminder Lewis et al. (2020): Herwinning-Vermeerderde Generasie
Beplanning van werkladings volgens koolstofintensiteit Infra/operasies Gemeng Verskuif buigsame werk na skoner elektriese vensters - vereis egter koördinering Koolstofintensiteit API (GB)
Fokus op datasentrumdoeltreffendheid (benutting, konsolidasie) IT-leierskap Betaal (gewoonlik) Die minste glansryke hefboom, maar dikwels die grootste - hou op om halfleë stelsels te gebruik Die Groen Rooster: PUE
Hittehergebruikprojekte Fasiliteite Dit hang af Verander afvalhitte in waarde; nie altyd haalbaar nie, maar wanneer dit is, is dit nogal pragtig
"Het ons enigsins KI hier nodig?" kyk Almal Gratis Voorkom nuttelose berekening. Die kragtigste optimalisering is om nee te sê (soms)

Let op wat ontbreek? “Koop ’n magiese groen plakker.” Daardie een bestaan ​​nie 😬

Praktiese handleiding: vermindering van KI-impak sonder om die produk dood te maak 🛠️🌱

As jy KI-stelsels bou of koop, is hier 'n realistiese volgorde wat in die praktyk werk:

Stap 1: Begin met meting

  • Spoor energieverbruik op of skat dit konsekwent. CodeCarbon: Metodologie

  • Meet per oefenlopie en per afleidingsversoek.

  • Monitor gebruik - onaktiewe hulpbronne het 'n manier om in die oopte weg te kruip. Die Groen Rooster: PUE

Stap 2: Pas die model aan op die regte grootte vir die taak

  • Gebruik kleiner modelle vir klassifikasie, ekstraksie, roetebepaling.

  • Bewaar die swaar model vir die harde kiste.

  • Oorweeg 'n "modelkaskade": klein model eers, groter model slegs indien nodig.

Stap 3: Optimaliseer inferensie (dit is waar skaal byt)

  • Kasberging : stoor antwoorde vir herhaalde navrae (met noukeurige privaatheidskontroles).

  • Groepering : groepversoeke om hardeware-doeltreffendheid te verbeter.

  • Korter uitsette : lang uitsette kos meer - soms het jy nie die opstel nodig nie.

  • Spoeddissipline : slordige aanwysings skep langer berekeningspaaie ... en ja, meer tekens.

Stap 4: Verbeter datahigiëne

Dit klink onverwant, maar dit is nie:

  • Skoonmaakdatastelle kan heropleidingsveranderinge verminder.

  • Minder geraas beteken minder eksperimente en minder vermorste lopies.

Stap 5: Behandel hardeware soos 'n bate, nie 'n weggooibare item nie

Stap 6: Kies ontplooiing wyslik

  • Doen buigsame werk waar krag skoner is indien moontlik. Koolstofintensiteit API (GB)

  • Verminder onnodige replikasie.

  • Hou latensieteikens realisties (ultra-lae latensie kan ondoeltreffende altyd-aan-opstellings afdwing).

En ja… soms is die beste stap eenvoudig: moenie outomaties die grootste model vir elke enkele gebruikersaksie laat loop nie. Daardie gewoonte is die omgewingsekwivalent daarvan om elke lig aan te los omdat dit irriterend is om na die skakelaar te loop.

Algemene mites (en wat nader aan die waarheid is) 🧠🧯

Mite: “KI is altyd erger as tradisionele sagteware”

Waarheid: KI kan meer rekenaar-swaar wees, maar dit kan ook ondoeltreffende handmatige prosesse vervang, vermorsing verminder en stelsels optimaliseer. Dis situasioneel. IEA: KI vir energie-optimalisering en innovasie

Mite: “Opleiding is die enigste probleem”

Waarheid: Inferensie op skaal kan mettertyd oorheers. As jou produk in gebruik ontplof, word dit die hoofstorie. IEA: Energie en KI

Mite: “Hernubare energie los dit onmiddellik op”

Waarheid: Skoonmaak elektrisiteit help baie, maar dit vee nie die hardeware-voetspoor, waterverbruik of terugkaatsingseffekte uit nie. Tog steeds belangrik. IEA: Energie en KI

Mite: “As dit doeltreffend is, is dit volhoubaar”

Waarheid: Doeltreffendheid sonder vraagbeheer kan steeds die totale impak verhoog. Dis die terugslaglokval. OESO (2012): Die veelvuldige voordele van verbeterings in energie-doeltreffendheid (PDF)

Bestuur, deursigtigheid, en om nie teatraal daaroor te raak nie 🧾🌍

As jy 'n maatskappy is, is dit waar vertroue gebou of verlore gaan.

Dis die deel waar mense hul oë rol, maar dit maak saak. Verantwoordelike tegnologie gaan nie net oor slim ingenieurswese nie. Dit gaan ook daaroor om nie voor te gee dat kompromieë nie bestaan ​​nie.

Slotopsomming: 'n kompakte opsomming van hoe KI die omgewing beïnvloed 🌎✅

Hoe KI die omgewing beïnvloed, kom neer op bykomende las: elektrisiteit, water (soms) en hardeware-aanvraag. IEA: Energie en KI Li et al. (2023): Maak KI minder "dors" (PDF) Dit bied ook kragtige gereedskap om emissies en afval in ander sektore te verminder. IEA: KI vir energie-optimalisering en innovasie Die netto uitkoms hang af van skaal, netwerkskoonheid, doeltreffendheidskeuses, en of die KI werklike probleme oplos of net nuwigheid ter wille van nuwigheid genereer. IEA: Energie en KI

As jy die eenvoudigste praktiese wegneemete wil hê:

  • Meet.

  • Regte grootte.

  • Optimaliseer inferensie.

  • Verleng hardeware se lewensduur.

  • Wees eerlik oor kompromieë.

En as jy oorweldig voel, hier is 'n kalmerende waarheid: klein operasionele besluite, wat 'n duisend keer herhaal word, klop gewoonlik een groot volhoubaarheidsverklaring. Soortgelyk aan om jou tande te borsel. Nie glansryk nie, maar dit werk… 😄🪥

Gereelde vrae

Hoe beïnvloed KI die omgewing in daaglikse gebruik, nie net in groot navorsingslaboratoriums nie?

Die meeste van KI se voetspoor kom van die elektrisiteit wat datasentrums aandryf wat GPU's en SVE's gebruik tydens beide opleiding en daaglikse "inferensie". 'n Enkele versoek mag dalk beskeie wees, maar op skaal versamel daardie versoeke vinnig. Die impak hang ook af van waar die datasentrum geleë is, hoe skoon die plaaslike netwerk is, en hoe doeltreffend die infrastruktuur bedryf word.

Is die opleiding van 'n KI-model slegter vir die omgewing as om dit te gebruik (inferensie)?

Opleiding kan 'n groot, vooraf-uitbarsting van berekening wees, maar inferensie kan mettertyd die groter voetspoor word omdat dit konstant en op massiewe skaal loop. As 'n instrument elke dag deur miljoene mense gebruik word, kan die herhaalde versoeke die eenmalige opleidingskoste oortref. Daarom fokus optimalisering dikwels op inferensie-doeltreffendheid.

Waarom gebruik KI water, en is dit altyd 'n probleem?

KI kan water hoofsaaklik gebruik omdat sommige datasentrums staatmaak op watergebaseerde verkoeling, of omdat water indirek deur elektrisiteitsopwekking verbruik word. In sekere klimate kan verdampingsverkoeling elektrisiteitsverbruik verlaag terwyl waterverbruik verhoog word, wat 'n werklike kompromie skep. Of dit "sleg" is, hang af van plaaslike waterskaarste, verkoelingsontwerp, en of waterverbruik gemeet en bestuur word.

Watter dele van KI se omgewingsvoetspoor kom van hardeware en e-afval?

KI is afhanklik van skyfies, bedieners, netwerktoerusting, geboue en voorsieningskettings – wat beteken mynbou, vervaardiging, versending en uiteindelike wegdoening. Halfgeleiervervaardiging is energie-intensief, en vinnige opgraderingssiklusse kan ingebedde emissies en e-afval verhoog. Die verlenging van hardeware se lewensduur, die opknapping en die verbetering van benutting kan die impak aansienlik verminder, soms meedingend met veranderinge op modelvlak.

Los die gebruik van hernubare energie KI se omgewingsimpak op?

Skoonmaakdienste kan emissies van rekenaars verminder, maar dit wis nie ander impakte soos waterverbruik, hardewarevervaardiging en e-afval uit nie. Dit spreek ook nie outomaties "terugslageffekte" aan nie, waar laerkoste-rekenaars tot meer gebruik oor die algemeen lei. Hernubare energie is 'n belangrike hefboom, maar dit is slegs een deel van die voetspoorstapel.

Wat is die terugslageffek, en waarom maak dit saak vir KI en volhoubaarheid?

Die terugslageffek is wanneer doeltreffendheidswinste iets goedkoper of makliker maak, sodat mense meer daarvan doen – soms word die besparings uitgewis. Met KI kan goedkoper generering of outomatisering die totale vraag na inhoud, berekeninge en dienste verhoog. Daarom is die meting van uitkomste in die praktyk belangriker as die viering van doeltreffendheid in isolasie.

Wat is praktiese maniere om KI-impak te verminder sonder om die produk te benadeel?

'n Algemene benadering is om te begin met meting (energie- en koolstofberamings, benutting), dan modelle van die regte grootte vir die taak te kies en inferensie te optimaliseer met kasgeheue, bondelvorming en korter uitsette. Tegnieke soos kwantisering, distillasie en herwinningsversterkte generering kan berekeningsbehoeftes verminder. Operasionele keuses - soos werkladingskedulering volgens koolstofintensiteit en langer hardeware-leeftye - lewer dikwels groot winste.

Hoe kan KI die omgewing help eerder as om dit te benadeel?

KI kan emissies en afval verminder wanneer dit ontplooi word om werklike stelsels te optimaliseer: netwerkvoorspelling, vraagreaksie, gebou-HVAC-beheer, logistieke roetes, voorspellende instandhouding en lekdeteksie. Dit kan ook omgewingsmonitering soos ontbossingswaarskuwings en metaanopsporing ondersteun. Die sleutel is of die stelsel besluite verander en meetbare verminderings lewer, nie net beter dashboards nie.

Watter statistieke moet maatskappye rapporteer om "groenwas"-KI-aansprake te vermy?

Dit is meer betekenisvol om per-taak of per-versoek statistieke te rapporteer as net groot totale getalle, want dit toon doeltreffendheid op eenheidsvlak. Die dophou van energieverbruik, koolstofberamings, benutting en - waar relevant - waterimpakte skep duideliker aanspreeklikheid. Ook belangrik: definieer grense (wat ingesluit is) en vermy vae etikette soos "omgewingsvriendelike KI" sonder gekwantifiseerde bewyse.

Verwysings

  1. Internasionale Energie-agentskap (IEA) - Energie en KI - iea.org

  2. Internasionale Energie-agentskap (IEA) - KI vir energie-optimalisering en innovasie - iea.org

  3. Internasionale Energie-agentskap (IEA) - Digitalisering - iea.org

  4. Lawrence Berkeley Nasionale Laboratorium (LBNL) - Verenigde State se datasentrum se energieverbruiksverslag (2024) (PDF) - lbl.gov

  5. Li et al. - Maak KI Minder “Dorstig” (2023) (PDF) - arxiv.org

  6. ASHRAE (TC 9.9) - Opkoms en Uitbreiding van Vloeibare Verkoeling in Hoofstroom Datasentrums (PDF) - ashrae.org

  7. Die Groen Rooster - PUE - 'n Omvattende Ondersoek van die Metrika - thegreengrid.org

  8. Amerikaanse Departement van Energie (DOE) - FEMP - Koelwater-doeltreffendheidsgeleenthede vir federale datasentrums - energy.gov

  9. Amerikaanse Departement van Energie (DOE) - FEMP - Energie-doeltreffendheid in datasentrums - energy.gov

  10. Amerikaanse Omgewingsbeskermingsagentskap (EPA) - Halfgeleierbedryf - epa.gov

  11. Internasionale Telekommunikasie-unie (ITU) - Die Globale E-afvalmonitor 2024 - itu.int

  12. OESO - Die veelvuldige voordele van verbeterings in energie-doeltreffendheid (2012) (PDF) - oecd.org

  13. Koolstofintensiteit API (GB) - carbonintensity.org.uk

  14. imec - Vermindering van omgewingsimpak in skyfievervaardiging - imec-int.com

  15. UNEP - Hoe MARS werk - unep.org

  16. Global Forest Watch - GLAD ontbossing waarskuwings - globalforestwatch.org

  17. Die Alan Turing Instituut - KI en outonome stelsels vir die assessering van biodiversiteit en ekosisteemgesondheid - turing.ac.uk

  18. KodeKoolstof - Metodologie - mlco2.github.io

  19. Gholami et al. - Oorsig van Kwantiseringsmetodes (2021) (PDF) - arxiv.org

  20. Lewis et al. - Herwinning-Augmented Generation (2020) - arxiv.org

  21. Hinton et al. - Die distillasie van die kennis in 'n neurale netwerk (2015) - arxiv.org

  22. KodeKoolstof - kodekoolstof.io

Vind die nuutste KI by die amptelike KI-assistentwinkel

Oor Ons

Terug na blog