AI નિષ્ણાતો આરોગ્યસંભાળમાં મજબૂત AI ને કેવી રીતે એકીકૃત કરવું, આંતરશાખાકીય સહયોગ શા માટે મહત્વપૂર્ણ છે અને સંશોધનમાં જનરેટિવ AI ની સંભાવના અંગે ચર્ચા કરે છે.
14 મેના રોજ સ્ટેનફોર્ડ યુનિવર્સિટી સ્કૂલ ઓફ મેડિસિનમાં આયોજિત RAISE હેલ્થ સિમ્પોઝિયમમાં ફીફેઈ લી અને લોયડ માઇનોરે પ્રારંભિક ટિપ્પણીઓ આપી હતી. સ્ટીવ ફિશ
કૃત્રિમ બુદ્ધિમત્તા દ્વારા કેદ થયેલા મોટાભાગના લોકો પાસે કોઈક પ્રકારની "આહા" ક્ષણ હોય છે, જે તેમના મનને શક્યતાઓની દુનિયામાં ખોલે છે. 14 મેના રોજ ઉદ્ઘાટન RAISE હેલ્થ સિમ્પોઝિયમમાં, સ્ટેનફોર્ડ યુનિવર્સિટી સ્કૂલ ઓફ મેડિસિનના ડીન અને સ્ટેનફોર્ડ યુનિવર્સિટીના તબીબી બાબતોના ઉપપ્રમુખ, લોયડ માઇનોરે પોતાનો દ્રષ્ટિકોણ શેર કર્યો.
જ્યારે એક જિજ્ઞાસુ કિશોરને કાનના આંતરિક ભાગ અંગેના તેના તારણોનો સારાંશ આપવાનું કહેવામાં આવ્યું, ત્યારે તેણે જનરેટિવ આર્ટિફિશિયલ ઇન્ટેલિજન્સ તરફ વળ્યા. "મેં પૂછ્યું, 'સુપિરિયર કેનાલ ડિહિસેન્સ સિન્ડ્રોમ શું છે?' માઇનોરે લગભગ 4,000 સિમ્પોઝિયમ સહભાગીઓને કહ્યું. થોડીક જ સેકન્ડોમાં, ઘણા ફકરા દેખાયા.
"તેઓ સારા છે, ખરેખર સારા છે," તેમણે કહ્યું. "આ માહિતી રોગના સંક્ષિપ્ત, સામાન્ય રીતે સચોટ અને સ્પષ્ટ રીતે પ્રાથમિકતાવાળા વર્ણનમાં સંકલિત કરવામાં આવી હતી. આ ખૂબ જ નોંધપાત્ર છે."
ઘણા લોકોએ અડધા દિવસના કાર્યક્રમ માટે માઇનોરના ઉત્સાહને શેર કર્યો, જે RAISE હેલ્થ પહેલનો એક ભાગ હતો, જે સ્ટેનફોર્ડ યુનિવર્સિટી સ્કૂલ ઓફ મેડિસિન અને સ્ટેનફોર્ડ ઇન્સ્ટિટ્યૂટ ફોર હ્યુમન-સેન્ટર્ડ આર્ટિફિશિયલ ઇન્ટેલિજન્સ (HAI) દ્વારા આર્ટિફિશિયલ ઇન્ટેલિજન્સનો જવાબદાર ઉપયોગ માર્ગદર્શન આપવા માટે શરૂ કરાયેલ પ્રોજેક્ટ હતો. બાયોમેડિકલ સંશોધન, શિક્ષણ અને દર્દી સંભાળમાં ઇન્ટેલિજન્સ. વક્તાઓએ દવામાં આર્ટિફિશિયલ ઇન્ટેલિજન્સનો અમલ કરવાનો અર્થ શું છે તે તપાસ્યું જે ફક્ત ડોકટરો અને વૈજ્ઞાનિકો માટે જ ઉપયોગી નથી, પરંતુ દર્દીઓ માટે પણ પારદર્શક, ન્યાયી અને સમાન છે.
"અમારું માનવું છે કે આ એક એવી ટેકનોલોજી છે જે માનવ ક્ષમતાઓને વધારે છે," સ્ટેનફોર્ડ સ્કૂલ ઓફ એન્જિનિયરિંગના કોમ્પ્યુટર સાયન્સના પ્રોફેસર, RAISE હેલ્થ વિથ માઇનોર પ્રોજેક્ટના ડિરેક્ટર અને HAIના સહ-નિર્દેશક, ફેઇ-ફેઇ લીએ જણાવ્યું. પેઢી દર પેઢી, નવી ટેકનોલોજીઓ ઉભરી શકે છે: એન્ટિબાયોટિક્સના નવા મોલેક્યુલર સિક્વન્સથી લઈને જૈવવિવિધતાના મેપિંગ અને મૂળભૂત જીવવિજ્ઞાનના છુપાયેલા ભાગોને જાહેર કરવા સુધી, AI વૈજ્ઞાનિક શોધને વેગ આપી રહ્યું છે. પરંતુ આ બધું ફાયદાકારક નથી. "આ બધી એપ્લિકેશનોના અણધાર્યા પરિણામો આવી શકે છે, અને આપણને એવા કોમ્પ્યુટર વૈજ્ઞાનિકોની જરૂર છે જેઓ [કૃત્રિમ બુદ્ધિ] ને જવાબદારીપૂર્વક વિકસાવે અને અમલમાં મૂકે, ડોકટરો અને નીતિશાસ્ત્રીઓથી લઈને... સુરક્ષા નિષ્ણાતો અને તેનાથી આગળના વિવિધ હિસ્સેદારો સાથે કામ કરે," તેણી કહે છે. "RAISE હેલ્થ જેવી પહેલો આ પ્રત્યેની અમારી પ્રતિબદ્ધતા દર્શાવે છે."
સ્ટેનફોર્ડ મેડિસિનના ત્રણ વિભાગો - સ્કૂલ ઓફ મેડિસિન, સ્ટેનફોર્ડ હેલ્થ કેર અને સ્ટેનફોર્ડ યુનિવર્સિટી સ્કૂલ ઓફ ચાઇલ્ડ હેલ્થ મેડિસિન - નું એકીકરણ અને સ્ટેનફોર્ડ યુનિવર્સિટીના અન્ય ભાગો સાથેના તેના જોડાણોએ તેને એવી સ્થિતિમાં મૂક્યું છે જ્યાં નિષ્ણાતો કૃત્રિમ બુદ્ધિમત્તાના વિકાસ, આરોગ્યસંભાળ અને દવાના ક્ષેત્રમાં વ્યવસ્થાપન અને એકીકરણના મુદ્દાઓ સાથે ઝઝૂમી રહ્યા છે. દવા, ગીત ગાયું.
"આપણે કૃત્રિમ બુદ્ધિમત્તાના વિકાસ અને જવાબદાર અમલીકરણમાં અગ્રણી બનવા માટે સારી સ્થિતિમાં છીએ, મૂળભૂત જૈવિક શોધોથી લઈને દવાના વિકાસમાં સુધારો કરવા અને ક્લિનિકલ ટ્રાયલ પ્રક્રિયાઓને વધુ કાર્યક્ષમ બનાવવા સુધી, આરોગ્યસંભાળ સેવાઓની વાસ્તવિક ડિલિવરી સુધી. આરોગ્યસંભાળ. આરોગ્યસંભાળ વ્યવસ્થા કેવી રીતે સ્થાપિત થાય છે," તેમણે કહ્યું.
ઘણા વક્તાઓએ એક સરળ ખ્યાલ પર ભાર મૂક્યો: વપરાશકર્તા (આ કિસ્સામાં, દર્દી અથવા ચિકિત્સક) પર ધ્યાન કેન્દ્રિત કરો અને બીજું બધું અનુસરશે. "તે દર્દીને આપણે જે કંઈ કરીએ છીએ તેના કેન્દ્રમાં રાખે છે," બ્રિઘમ અને મહિલા હોસ્પિટલના બાયોએથિક્સના ડિરેક્ટર ડૉ. લિસા લેહમેનએ જણાવ્યું. "આપણે તેમની જરૂરિયાતો અને પ્રાથમિકતાઓ ધ્યાનમાં લેવાની જરૂર છે."
ડાબેથી જમણે: સ્ટેટ ન્યૂઝ એન્કર મોહના રવિન્દ્રનાથ; માઇક્રોસોફ્ટ રિસર્ચના જેસિકા પીટર લી; બાયોમેડિકલ ડેટા સાયન્સના પ્રોફેસર સિલ્વિયા પ્લેવ્રિટિસ, તબીબી સંશોધનમાં કૃત્રિમ બુદ્ધિની ભૂમિકાની ચર્ચા કરે છે. સ્ટીવ ફિશ
પેનલના વક્તાઓ, જેમાં લેહમેન, સ્ટેનફોર્ડ યુનિવર્સિટીના મેડિકલ બાયોએથિસિસ્ટ મિલ્ડ્રેડ ચો, એમડી, અને ગૂગલના ચીફ ક્લિનિકલ ઓફિસર માઈકલ હોવેલ, એમડીનો સમાવેશ થતો હતો, તેમણે હોસ્પિટલ સિસ્ટમ્સની જટિલતાનો ઉલ્લેખ કર્યો, કોઈપણ હસ્તક્ષેપ પહેલાં તેમના હેતુને સમજવાની જરૂરિયાત પર ભાર મૂક્યો. તેનો અમલ કરો અને ખાતરી કરો કે વિકસિત બધી સિસ્ટમો સમાવિષ્ટ છે અને જે લોકોને મદદ કરવા માટે તેઓ ડિઝાઇન કરવામાં આવ્યા છે તેમને સાંભળો.
એક ચાવી પારદર્શિતા છે: તે સ્પષ્ટ કરે છે કે અલ્ગોરિધમને તાલીમ આપવા માટે વપરાતો ડેટા ક્યાંથી આવે છે, અલ્ગોરિધમનો મૂળ હેતુ શું છે, અને ભવિષ્યમાં દર્દીનો ડેટા અલ્ગોરિધમને શીખવામાં મદદ કરવાનું ચાલુ રાખશે કે કેમ, અન્ય પરિબળોની સાથે.
"નૈતિક સમસ્યાઓ ગંભીર બને તે પહેલાં તેની આગાહી કરવાનો પ્રયાસ કરવાનો [એટલે] કે તમે ટેકનોલોજી વિશે પૂરતું જાણો છો અને તેમાં થોડો વિશ્વાસ રાખો છો, પરંતુ [સમસ્યા] વધુ ફેલાય અને તેને વહેલા ઉકેલાય તે પહેલાં નહીં.", ડેન્ટન ચારે જણાવ્યું. મેડિકલ સાયન્સના ઉમેદવાર, પીડિયાટ્રિક એનેસ્થેસિયોલોજી, પેરીઓપરેટિવ મેડિસિન અને પેઇન મેડિસિન વિભાગના એસોસિયેટ પ્રોફેસર. એક મુખ્ય પગલું, તેઓ કહે છે, તે તમામ હિસ્સેદારોને ઓળખવાનું છે જેઓ ટેકનોલોજીથી પ્રભાવિત થઈ શકે છે અને નક્કી કરે છે કે તેઓ પોતે તે પ્રશ્નોના જવાબ કેવી રીતે આપવા માંગે છે.
અમેરિકન મેડિકલ એસોસિએશનના પ્રમુખ, એમડી, જેસી એહરેનફેલ્ડ, કોઈપણ ડિજિટલ આરોગ્ય સાધનને અપનાવવા માટે પ્રેરિત કરતા ચાર પરિબળોની ચર્ચા કરે છે, જેમાં કૃત્રિમ બુદ્ધિ દ્વારા સંચાલિત સાધનનો પણ સમાવેશ થાય છે. શું તે અસરકારક છે? શું આ મારી સંસ્થામાં કામ કરશે? કોણ ચૂકવણી કરે છે? કોણ જવાબદાર છે?
સ્ટેનફોર્ડ હેલ્થ કેરના ચીફ ઇન્ફર્મેશન ઓફિસર, એમડી, માઈકલ ફેફરે તાજેતરના એક ઉદાહરણનો ઉલ્લેખ કર્યો જેમાં સ્ટેનફોર્ડ હોસ્પિટલોમાં નર્સોમાં ઘણા મુદ્દાઓનું પરીક્ષણ કરવામાં આવ્યું હતું. ક્લિનિશિયનોને મોટા ભાષા મોડેલો દ્વારા સમર્થન આપવામાં આવે છે જે આવનારા દર્દીના સંદેશાઓ માટે પ્રારંભિક ટીકાઓ પ્રદાન કરે છે. જોકે આ પ્રોજેક્ટ સંપૂર્ણ નથી, ટેકનોલોજી વિકસાવવામાં મદદ કરનારા ડોકટરો અહેવાલ આપે છે કે મોડેલ તેમના કાર્યભારને હળવો કરે છે.
"અમે હંમેશા ત્રણ મહત્વપૂર્ણ બાબતો પર ધ્યાન કેન્દ્રિત કરીએ છીએ: સલામતી, કાર્યક્ષમતા અને સમાવેશ. અમે ડૉક્ટર છીએ. અમે "કોઈ નુકસાન ન પહોંચાડવાની" શપથ લઈએ છીએ, એમ મનોચિકિત્સા અને વર્તણૂકીય વિજ્ઞાનના ક્લિનિકલ આસિસ્ટન્ટ પ્રોફેસર, એમડી નીના વાસન, જેમણે ચાર સાથે જોડાયા અને ફેફર જૂથમાં જોડાયા, તેમણે જણાવ્યું. "આ સાધનોનું મૂલ્યાંકન કરવાનો આ પહેલો રસ્તો હોવો જોઈએ."
નિગમ શાહ, એમબીબીએસ, પીએચડી, મેડિસિન અને બાયોમેડિકલ ડેટા સાયન્સના પ્રોફેસર, પ્રેક્ષકોને વાજબી ચેતવણી હોવા છતાં, એક ચોંકાવનારા આંકડા સાથે ચર્ચા શરૂ કરી. "હું સામાન્ય શબ્દો અને આંકડાઓમાં વાત કરું છું, અને ક્યારેક તે ખૂબ જ સીધી હોય છે," તેમણે કહ્યું.
શાહના મતે, AI ની સફળતા તેને સ્કેલ કરવાની આપણી ક્ષમતા પર આધાર રાખે છે. "એક મોડેલ પર યોગ્ય વૈજ્ઞાનિક સંશોધન કરવામાં લગભગ 10 વર્ષ લાગે છે, અને જો 123 ફેલોશિપ અને રેસીડેન્સી પ્રોગ્રામ્સમાંથી દરેક મોડેલને તે કઠોરતાના સ્તર સુધી ચકાસવા અને જમાવવા માંગે છે, તો યોગ્ય વિજ્ઞાન કરવું ખૂબ મુશ્કેલ હશે કારણ કે અમે હાલમાં અમારા પ્રયત્નોનું આયોજન કરીએ છીએ અને [પરીક્ષણ]] અમારી દરેક સાઇટ યોગ્ય રીતે કાર્ય કરે છે તેની ખાતરી કરવા માટે $138 બિલિયનનો ખર્ચ થશે," શાહે કહ્યું. "આપણે આ પરવડી શકતા નથી. તેથી આપણે વિસ્તરણ કરવાનો માર્ગ શોધવાની જરૂર છે, અને આપણે સારું વિજ્ઞાન વિસ્તૃત કરવાની અને કરવાની જરૂર છે. કઠોરતા કૌશલ્ય એક જગ્યાએ છે અને સ્કેલિંગ કૌશલ્ય બીજી જગ્યાએ છે, તેથી આપણને તે પ્રકારની ભાગીદારીની જરૂર પડશે."
એસોસિયેટ ડીન યુઆન એશલી અને મિલ્ડ્રેડ ચો (રિસેપ્શન) એ RAISE હેલ્થ વર્કશોપમાં હાજરી આપી હતી. સ્ટીવ ફિશ
સિમ્પોઝિયમમાં કેટલાક વક્તાઓએ જણાવ્યું હતું કે આ જાહેર-ખાનગી ભાગીદારી દ્વારા પ્રાપ્ત કરી શકાય છે, જેમ કે કૃત્રિમ બુદ્ધિના સુરક્ષિત, વિશ્વસનીય વિકાસ અને ઉપયોગ પર તાજેતરના વ્હાઇટ હાઉસના એક્ઝિક્યુટિવ ઓર્ડર અને હેલ્થકેર કૃત્રિમ બુદ્ધિ માટે કન્સોર્ટિયમ (CHAI).
"સૌથી મોટી સંભાવના ધરાવતી જાહેર-ખાનગી ભાગીદારી એ શૈક્ષણિક, ખાનગી ક્ષેત્ર અને જાહેર ક્ષેત્ર વચ્ચેની ભાગીદારી છે," નેશનલ એકેડેમી ઓફ મેડિસિનના વરિષ્ઠ સલાહકાર લૌરા એડમ્સે જણાવ્યું હતું. તેમણે નોંધ્યું હતું કે સરકાર જાહેર વિશ્વાસ સુનિશ્ચિત કરી શકે છે, અને શૈક્ષણિક તબીબી કેન્દ્રો કરી શકે છે. કાયદેસરતા પ્રદાન કરી શકે છે, અને ખાનગી ક્ષેત્ર દ્વારા તકનીકી કુશળતા અને કમ્પ્યુટર સમય પૂરો પાડી શકાય છે. "આપણે બધા આપણામાંથી કોઈપણ કરતાં વધુ સારા છીએ, અને આપણે જાણીએ છીએ કે... જ્યાં સુધી આપણે એકબીજા સાથે કેવી રીતે વાતચીત કરવી તે સમજીએ નહીં ત્યાં સુધી આપણે [કૃત્રિમ બુદ્ધિ] ની સંભાવનાને સાકાર કરવા માટે પ્રાર્થના કરી શકતા નથી."
ઘણા વક્તાઓએ જણાવ્યું હતું કે AI સંશોધન પર પણ અસર કરી રહ્યું છે, પછી ભલે વૈજ્ઞાનિકો તેનો ઉપયોગ જૈવિક સિદ્ધાંતોનું અન્વેષણ કરવા માટે કરે, નવી સારવારોને ટેકો આપવા માટે કૃત્રિમ અણુઓના નવા ક્રમ અને માળખાની આગાહી કરે, અથવા વૈજ્ઞાનિક પેપર્સનો સારાંશ આપવા અથવા લખવામાં પણ મદદ કરે.
"આ અજાણ્યાને જોવાની તક છે," સ્ટેનફોર્ડ યુનિવર્સિટી સ્કૂલ ઓફ મેડિસિનના કાર્ડિયોલોજિસ્ટ અને આલ્ફાબેટના વેરિલીના સહ-સ્થાપક, એમડી જેસિકા મેગાએ કહ્યું. મેગાએ હાઇપરસ્પેક્ટ્રલ ઇમેજિંગનો ઉલ્લેખ કર્યો, જે માનવ આંખમાં અદ્રશ્ય છબી લક્ષણોને કેપ્ચર કરે છે. આ વિચાર એ છે કે પેથોલોજી સ્લાઇડ્સમાં એવા પેટર્ન શોધવા માટે કૃત્રિમ બુદ્ધિનો ઉપયોગ કરવામાં આવે જે માણસો જોતા નથી જે રોગ સૂચવે છે. "હું લોકોને અજાણ્યાને સ્વીકારવા માટે પ્રોત્સાહિત કરું છું. મને લાગે છે કે અહીં દરેક વ્યક્તિ એવી વ્યક્તિને જાણે છે જેને કોઈ પ્રકારની તબીબી સ્થિતિ છે જેને આજે આપણે જે આપી શકીએ છીએ તેનાથી આગળ કંઈકની જરૂર છે," મેજિયાએ કહ્યું.
પેનલિસ્ટ્સ એ વાત પર પણ સંમત થયા હતા કે કૃત્રિમ બુદ્ધિ પ્રણાલીઓ પક્ષપાતી નિર્ણય લેવાની પ્રક્રિયાને ઓળખવા અને તેનો સામનો કરવા માટે નવી રીતો પ્રદાન કરશે, પછી ભલે તે માનવ દ્વારા લેવામાં આવે કે કૃત્રિમ બુદ્ધિ દ્વારા, જેમાં પૂર્વગ્રહના સ્ત્રોતને ઓળખવાની ક્ષમતા હશે.
"આરોગ્ય એ ફક્ત તબીબી સંભાળ કરતાં વધુ છે," ઘણા પેનલિસ્ટ્સે સંમતિ આપી. વક્તાઓએ ભાર મૂક્યો કે સંશોધકો ઘણીવાર સમાવેશી ડેટા એકત્રિત કરતી વખતે અને અભ્યાસ માટે સહભાગીઓની ભરતી કરતી વખતે આરોગ્યના સામાજિક નિર્ણાયકો, જેમ કે સામાજિક આર્થિક સ્થિતિ, ઝિપ કોડ, શિક્ષણ સ્તર અને જાતિ અને વંશીયતાને અવગણે છે. હાર્વર્ડ યુનિવર્સિટીના રોગશાસ્ત્રના પ્રોફેસર અને સ્ટેનફોર્ડ યુનિવર્સિટી સ્કૂલ ઓફ મેડિસિનમાં રોગશાસ્ત્ર અને વસ્તી આરોગ્યના સહયોગી પ્રોફેસર મિશેલ વિલિયમ્સે જણાવ્યું હતું કે, "AI એ ડેટા જેટલું જ અસરકારક છે જેના પર મોડેલને તાલીમ આપવામાં આવે છે." "જો આપણે જે કરવાનો પ્રયાસ કરીએ છીએ તે કરીએ. આરોગ્ય પરિણામોમાં સુધારો કરીએ અને અસમાનતાઓને દૂર કરીએ, તો આપણે ખાતરી કરવી જોઈએ કે આપણે માનવ વર્તન અને સામાજિક અને કુદરતી પર્યાવરણ પર ઉચ્ચ-ગુણવત્તાવાળા ડેટા એકત્રિત કરીએ."
બાળરોગ અને દવાના ક્લિનિકલ પ્રોફેસર, એમડી, નતાલી પેજલર, જણાવ્યું હતું કે એકત્રિત કેન્સર ડેટા ઘણીવાર સગર્ભા સ્ત્રીઓ પરના ડેટાને બાકાત રાખે છે, જે મોડેલોમાં અનિવાર્ય પૂર્વગ્રહો બનાવે છે અને આરોગ્ય સંભાળમાં હાલની અસમાનતાઓને વધારે છે.
બાળરોગ અને દવાના પ્રોફેસર ડૉ. ડેવિડ મેગ્નસે જણાવ્યું હતું કે કોઈપણ નવી ટેકનોલોજીની જેમ, કૃત્રિમ બુદ્ધિ ઘણી રીતે વસ્તુઓને સુધારી શકે છે અથવા તેમને વધુ ખરાબ કરી શકે છે. મેગ્નસે કહ્યું કે, જોખમ એ છે કે કૃત્રિમ બુદ્ધિ પ્રણાલીઓ સ્વાસ્થ્યના સામાજિક નિર્ણાયકો દ્વારા સંચાલિત અસમાન આરોગ્ય પરિણામો વિશે શીખશે અને તેમના આઉટપુટ દ્વારા તે પરિણામોને મજબૂત બનાવશે. "કૃત્રિમ બુદ્ધિ એ એક અરીસો છે જે આપણે જે સમાજમાં રહીએ છીએ તેને પ્રતિબિંબિત કરે છે," તેમણે કહ્યું. "હું આશા રાખું છું કે જ્યારે પણ આપણને કોઈ મુદ્દા પર પ્રકાશ પાડવાની તક મળશે - પોતાને માટે અરીસો રાખવાની - તે પરિસ્થિતિને સુધારવા માટે પ્રેરણા તરીકે કામ કરશે."
જો તમે RAISE હેલ્થ વર્કશોપમાં હાજરી આપી શક્યા ન હોત, તો સત્રનું રેકોર્ડિંગ અહીં મળી શકે છે.
સ્ટેનફોર્ડ યુનિવર્સિટી સ્કૂલ ઓફ મેડિસિન એક સંકલિત શૈક્ષણિક આરોગ્ય સંભાળ પ્રણાલી છે જેમાં સ્ટેનફોર્ડ યુનિવર્સિટી સ્કૂલ ઓફ મેડિસિન અને પુખ્ત વયના અને બાળરોગ આરોગ્ય સંભાળ વિતરણ પ્રણાલીઓનો સમાવેશ થાય છે. તેઓ સાથે મળીને સહયોગી સંશોધન, શિક્ષણ અને ક્લિનિકલ દર્દી સંભાળ દ્વારા બાયોમેડિસિનની સંપૂર્ણ સંભાવનાને સાકાર કરે છે. વધુ માહિતી માટે, med.stanford.edu ની મુલાકાત લો.
સ્ટેનફોર્ડ હોસ્પિટલના ડોકટરો અને નર્સોને દર્દીઓની સંભાળ સુધારવા માટે સાથે મળીને કામ કરવામાં એક નવું આર્ટિફિશિયલ ઇન્ટેલિજન્સ મોડેલ મદદ કરી રહ્યું છે.
પોસ્ટ સમય: જુલાઈ-૧૯-૨૦૨૪