الصورة بواسطة المحرر
لقد كنت أقرأ وأكتب وأتحدث منذ أواخر العام الماضي حول التقاطع بين البرمجيات مفتوحة المصدر والتعلم الآلي، في محاولة لفهم ما قد يحمله المستقبل.
عندما بدأت، توقعت أنني سأتحدث في الغالب عن كيفية استخدام مجتمع التعلم الآلي للبرمجيات مفتوحة المصدر. ولكن كلما استكشفت أكثر، أدركت أن هناك الكثير من أوجه التشابه بين مجالي الممارسة. سأناقش في هذه المقالة بعضًا من هذه أوجه التشابه، وما يمكن للتعلم الآلي تعلمه وما لا يمكن تعلمه من البرامج مفتوحة المصدر.
والتشابه السهل والواضح هو أن كلاً من التعلم الآلي الحديث والبرامج الحديثة مبنية بالكامل تقريبًا باستخدام برامج مفتوحة المصدر. بالنسبة للبرمجيات، أي المترجمين ومحرري التعليمات البرمجية؛ بالنسبة للتعلم الآلي، فهي أطر التدريب والاستدلال مثل PyTorch وTensorFlow. تهيمن البرمجيات مفتوحة المصدر على هذه المساحات، ولا يبدو أن هناك شيئًا جاهزًا لتغيير ذلك.
هناك استثناء واحد ملحوظ وواضح لهذا: كل هذه الأطر تعتمد على مجموعة أجهزة وبرامج Nvidia الخاصة جدًا. هذا في الواقع أكثر توازيًا مما قد يبدو للوهلة الأولى. لفترة طويلة، كانت البرامج مفتوحة المصدر تعمل في الغالب على أنظمة تشغيل Unix المملوكة، والتي تم بيعها من قبل بائعي الأجهزة المملوكة. فقط بعد ظهور Linux، بدأنا نعتبر أنه من الممكن وجود "قاع" مفتوح للمكدس، ويتم إجراء الكثير من التطوير المفتوح هذه الأيام على MacOS وWindows. ومن غير الواضح كيف سيتم تنفيذ ذلك في التعلم الآلي. تستثمر كل من Amazon (لـ AWS)، وGoogle (لكل من السحابة وAndroid)، وApple في الرقائق والمكدسات المتنافسة، ومن الممكن أن يتبع واحد أو أكثر من هؤلاء المسار الذي وضعه لينوس (وإنتل) لتحرير كامل كومة.
هناك تشابه أكثر أهمية بين كيفية بناء البرمجيات مفتوحة المصدر وكيفية بناء التعلم الآلي، وهو التعقيد والتوافر العام للبيانات التي تم بناء كل منها عليها.
كما هو مفصل في هذا ما قبل الطباعة ورقة “The Data Provenance Project,” والذي شاركت في تأليفه، يعتمد التعلم الآلي الحديث على الآلاف من مصادر البيانات، تمامًا كما يتم بناء البرامج الحديثة مفتوحة المصدر على مئات الآلاف من المكتبات. وكما أن كل مكتبة مفتوحة تجلب معها تحديات قانونية وأمنية وتحديات تتعلق بالصيانة، فإن كل مجموعة بيانات عامة تجلب معها نفس مجموعة الصعوبات.
في مؤسستي، تحدثنا عن إصدار البرمجيات مفتوحة المصدر لهذا التحدي باعتباره "سلسلة التوريد العرضية". بدأت صناعة البرمجيات في بناء الأشياء لأن اللبنات الأساسية المذهلة للمكتبات مفتوحة المصدر تعني أننا قادرون على ذلك. وهذا يعني أن الصناعة بدأت في التعامل مع البرمجيات مفتوحة المصدر كسلسلة توريد، الأمر الذي كان بمثابة مفاجأة للعديد من هؤلاء "الموردين".
وللتخفيف من هذه التحديات، طورت البرمجيات مفتوحة المصدر الكثير من التقنيات المتطورة (رغم أنها غير كاملة)، مثل الماسحات الضوئية لتحديد ما يتم استخدامه، والبيانات الوصفية لتتبع الأشياء بعد النشر. لقد بدأنا أيضًا في الاستثمار في البشر، لمحاولة معالجة عدم التوافق بين الاحتياجات الصناعية ودوافع المتطوعين.
لسوء الحظ، يبدو مجتمع التعلم الآلي مستعدًا للانغماس في نفس الخطأ "العرضي" في سلسلة التوريد، وهو القيام بالكثير من الأشياء لأنه يستطيع ذلك، دون التوقف عن التفكير كثيرًا في الآثار المترتبة على المدى الطويل بمجرد أن يعتمد الاقتصاد بأكمله على مجموعات البيانات هذه. .
والتشابه الأخير المهم هو أنني أشك بشدة في أن التعلم الآلي سوف يتوسع ليملأ العديد والعديد من المجالات، تمامًا كما فعلت البرامج مفتوحة المصدر. في الوقت الحالي، يدور الضجيج (المستحق) حول النماذج الكبيرة والمولدة، ولكن هناك أيضًا العديد من النماذج الصغيرة، بالإضافة إلى تعديلات على النماذج الأكبر. في الواقع، يشير موقع الاستضافة HuggingFace، منصة الاستضافة الأساسية للتعلم الآلي، إلى أن عدد النماذج على موقعهم يتزايد بشكل كبير.
من المرجح أن تكون هذه النماذج وفيرة ومتاحة للتحسين، تمامًا مثل الأجزاء الصغيرة من البرامج مفتوحة المصدر. وهذا سيجعلها مرنة وقوية بشكل لا يصدق. أنا أستخدم أداة صغيرة تعتمد على التعلم الآلي لإجراء قياسات حركة المرور الرخيصة والحساسة للخصوصية في الشارع الذي أعيش فيه، على سبيل المثال، وهي حالة استخدام لم تكن ممكنة إلا على الأجهزة باهظة الثمن قبل بضع سنوات.
لكن هذا الانتشار يعني أنها ستحتاج إلى تتبعها - فقد تصبح النماذج أقل شبهاً بالحواسيب المركزية وأكثر شبهاً بالبرمجيات مفتوحة المصدر أو SaaS، والتي تظهر في كل مكان بسبب التكلفة المنخفضة وسهولة النشر.
لذا، إذا كانت هناك أوجه التشابه المهمة هذه (خاصة في سلاسل التوريد المعقدة والتوزيع المنتشر)، فما الذي يمكن أن يتعلمه التعلم الآلي من البرمجيات مفتوحة المصدر؟
الدرس الموازي الأول الذي يمكننا استخلاصه هو ببساطة أنه لفهم تحدياته العديدة، سيحتاج التعلم الآلي إلى بيانات وصفية وأدوات. تعثرت البرمجيات مفتوحة المصدر في عمل البيانات الوصفية من خلال الامتثال لحقوق النشر والترخيص، ولكن مع نضوج سلسلة التوريد العرضية للبرامج، أثبتت البيانات الوصفية أنها مفيدة للغاية على مجموعة متنوعة من الجبهات.
في التعلم الآلي، يعد تتبع البيانات الوصفية عملاً قيد التقدم. بعض الأمثلة:
- A مفتاح 2019 ورقة، والتي يتم الاستشهاد بها على نطاق واسع في الصناعة، حثت مطوري النماذج على توثيق عملهم باستخدام "بطاقات النماذج". لسوء الحظ، تشير الأبحاث الحديثة إلى وجودهم التنفيذ في البرية لا يزال ضعيفا.
- تعمل كل من مواصفات برنامجي SPDX وCycloneDX على قوائم المواد (SBOM) الخاصة بالذكاء الاصطناعي (AI BOMs) للمساعدة في تتبع بيانات ونماذج التعلم الآلي، بطريقة أكثر تنظيماً من البطاقات النموذجية (بما يتناسب مع التعقيد الذي يتوقعه المرء إذا كان هذا هل حقا برامج متوازية مفتوحة المصدر).
- تم إنشاء HuggingFace مجموعة متنوعة من المواصفات والأدوات للسماح لمؤلفي النماذج ومجموعة البيانات بتوثيق مصادرهم.
- تحاول ورقة بحث معهد ماساتشوستس للتكنولوجيا المذكورة أعلاه فهم "الحقيقة الأساسية" لترخيص البيانات، للمساعدة في تجسيد المواصفات باستخدام بيانات العالم الحقيقي.
- وفقًا للروايات، يبدو أن العديد من الشركات التي تقوم بأعمال التدريب على التعلم الآلي لديها علاقات غير رسمية إلى حد ما مع تتبع البيانات، وذلك باستخدام عبارة "الأكثر هو الأفضل" كذريعة لتجميع البيانات في القادوس دون تتبعها جيدًا بالضرورة.
إذا تعلمنا أي شيء من Open، فهو أن الحصول على البيانات الوصفية بشكل صحيح (أولاً، المواصفات، ثم البيانات الفعلية) سيكون مشروعًا يستغرق سنوات وقد يتطلب تدخل الحكومة. يجب أن يأخذ التعلم الآلي هذا الانخفاض في البيانات الوصفية عاجلاً وليس آجلاً.
لقد كان الأمان محركًا رئيسيًا آخر للطلب على البيانات الوصفية للبرامج مفتوحة المصدر - إذا كنت لا تعرف ما الذي تقوم بتشغيله، فلن تتمكن من معرفة ما إذا كنت عرضة لتدفق الهجمات الذي لا نهاية له على ما يبدو.
لا يخضع التعلم الآلي لمعظم أنواع هجمات البرامج التقليدية، لكن هذا لا يعني أنها غير معرضة للخطر. (المثال المفضل لدي هو أنه كان من الممكن ذلك مجموعات التدريب على الصور السامة لأنها غالبًا ما تكون مستمدة من مجالات ميتة.) إن الأبحاث في هذا المجال ساخنة بدرجة كافية لدرجة أننا تجاوزنا بالفعل "إثبات المفهوم" وتوصلنا إلى "أن هناك ما يكفي من الهجمات لتدميرها". قائمة و تصنيف".
لسوء الحظ، لا يمكن للبرمجيات مفتوحة المصدر أن تقدم للتعلم الآلي أي حل سحري للأمان – لو كان لدينا، لكنا نستخدمها. لكن تاريخ كيفية انتشار البرمجيات مفتوحة المصدر إلى العديد من المجالات المتخصصة يشير إلى أن التعلم الآلي يجب أن يأخذ هذا التحدي على محمل الجد، بدءًا من تتبع الاستخدام والبيانات التعريفية للنشر، وذلك لأنه من المحتمل أن يتم تطبيقه بطرق عديدة تتجاوز تلك الموجودة حاليًا. نشر.
وتشير الدوافع التي دفعت البيانات الوصفية مفتوحة المصدر (الترخيص، ثم الأمن) إلى التشابه المهم التالي: مع نمو أهمية القطاع، فإن نطاق الأشياء التي يجب قياسها وتتبعها سوف يتوسع، لأن التنظيم والمسؤولية سوف يتوسعان.
في البرمجيات مفتوحة المصدر، كان "اللائحة" الحكومية الأساسية لسنوات عديدة هي قانون حقوق الطبع والنشر، ولذلك تم تطوير البيانات الوصفية لدعم ذلك. لكن البرمجيات مفتوحة المصدر تواجه الآن مجموعة متنوعة من قواعد الأمان والمسؤولية عن المنتج، ويجب علينا تطوير سلاسل التوريد لدينا لتلبية هذه المتطلبات الجديدة.
وبالمثل، سيتم تنظيم الذكاء الاصطناعي بعدة طرق متزايدة باستمرار، حيث أصبح أكثر أهمية من أي وقت مضى. وستكون مصادر التنظيم متنوعة للغاية، بما في ذلك المحتوى (المدخلات والمخرجات)، والتمييز، والمسؤولية عن المنتج. وهذا يتطلب ما يسمى أحيانا "التتبع"- فهم كيفية بناء النماذج، وكيف تؤثر هذه الاختيارات (بما في ذلك مصادر البيانات) على نتائج النماذج.
هذا المطلب الأساسي – ماذا لدينا؟ كيف وصلت إلى هنا؟ - أصبحت الآن مألوفة تمامًا لمطوري البرامج مفتوحة المصدر للمؤسسات. ومع ذلك، قد يكون هذا تغييرًا جذريًا لمطوري التعلم الآلي ويجب تبنيه.
درس موازي آخر يمكن استخلاصه من البرمجيات مفتوحة المصدر (وفي الواقع من العديد من موجات البرامج التي سبقتها، والتي يعود تاريخها إلى الحاسب المركزي على الأقل) هو أن عمرها الإنتاجي سيكون طويلًا جدًا. بمجرد أن تصبح التكنولوجيا "جيدة بما فيه الكفاية"، سيتم نشرها وبالتالي يجب الحفاظ عليها لفترة طويلة جدًا. وهذا يعني أنه يجب علينا أن نفكر في صيانة هذا البرنامج في أقرب وقت ممكن، وأن نفكر فيما سيعنيه بقاء هذا البرنامج لعقود من الزمن. إن عبارة "عقود" ليست من قبيل المبالغة؛ يستخدم العديد من العملاء الذين أواجههم برامج قديمة بما يكفي للتصويت. العديد من شركات البرمجيات مفتوحة المصدر، وبعض المشاريع، لديها الآن ما يسمى بإصدارات "الدعم طويل الأمد" المخصصة لهذا النوع من حالات الاستخدام.
في المقابل، أبقت شركة OpenAI على أداة الدستور الغذائي الخاصة بها متاحة لمدة تقل عن عامين.مما أدى إلى الكثير من الغضب، وخاصة في المجتمع الأكاديمي. نظرًا لوتيرة التغيير السريعة في التعلم الآلي، وأن معظم المتبنين ربما يكونون مهتمين باستخدام أحدث التقنيات، ربما لم يكن هذا غير معقول - ولكن سيأتي اليوم، في وقت أقرب مما تعتقد الصناعة، حيث تحتاج إلى التخطيط لهذا الأمر نوع من "المدى الطويل" - بما في ذلك كيفية تفاعلها مع المسؤولية والأمن.
أخيرًا، من الواضح أنه - مثل البرامج مفتوحة المصدر - سيكون هناك الكثير من الأموال التي تتدفق إلى التعلم الآلي، ولكن معظم هذه الأموال سوف تتجمع حول ما أسماه أحد المؤلفين الشركات "الغنية بالمعالجات". إذا تحققت أوجه التشابه مع البرمجيات مفتوحة المصدر، فسيكون لدى هذه الشركات اهتمامات وأولويات إنفاق مختلفة تمامًا عن تلك التي لدى المنشئ (أو المستخدم) المتوسط للنماذج.
لقد كانت شركتنا، Tidelift، تفكر في مشكلة الحوافز في البرمجيات مفتوحة المصدر لبعض الوقت، وكيانات مثل أكبر مشتر للبرمجيات في العالم -حكومة الولايات المتحدة- النظر في المشكلة أيضا.
يجب على شركات التعلم الآلي، وخاصة تلك التي تسعى إلى إنشاء مجتمعات من المبدعين، أن تفكر مليًا في هذا التحدي. إذا كانوا يعتمدون على آلاف مجموعات البيانات، فكيف سيضمنون تمويلها للصيانة والامتثال القانوني والأمن لعقود من الزمن؟ إذا انتهى الأمر بالشركات الكبيرة إلى نشر عشرات أو مئات النماذج في جميع أنحاء الشركة، فكيف ستضمن أن أولئك الذين لديهم أفضل المعرفة المتخصصة - أولئك الذين أنشأوا النماذج - ما زالوا موجودين للعمل على حل المشكلات الجديدة عند اكتشافها؟
وكما هو الحال في مجال الأمن، لا توجد إجابات سهلة لهذا التحدي. ولكن كلما أسرع التعلم الآلي في التعامل مع المشكلة على محمل الجد - ليس كعمل خيري، ولكن كعنصر أساسي للنمو على المدى الطويل - كلما كانت الصناعة بأكملها، والعالم بأسره، في وضع أفضل.
إن الجذور العميقة للتعلم الآلي في الثقافة التجريبية في الأوساط الأكاديمية، وثقافة التكرار السريع في وادي السيليكون، قد خدمته جيدًا، مما أدى إلى انفجار مذهل في الابتكار الذي كان من شأنه أن يكون له تأثير كبير. بدت سحرية قبل أقل من عقد من الزمان. ربما كانت دورة البرمجيات مفتوحة المصدر في العقد الماضي أقل بريقًا، لكنها أصبحت خلال ذلك الوقت الأساس لجميع برامج المؤسسات - وتعلمت الكثير من الدروس على طول الطريق. نأمل ألا يؤدي التعلم الآلي إلى إعادة اختراع تلك العجلات.
فيلا لويس هو المؤسس المشارك والمستشار العام في Tidelift. في السابق، كان أحد كبار المحامين في مجال البرمجيات مفتوحة المصدر، حيث كان يقدم المشورة للعملاء، من شركات Fortune 50 إلى الشركات الناشئة الرائدة، بشأن تطوير المنتجات وترخيص المصادر المفتوحة.
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
- أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
- أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
- أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
- المصدر https://www.kdnuggets.com/ai-and-open-source-software-separated-at-birth?utm_source=rss&utm_medium=rss&utm_campaign=ai-and-open-source-software-separated-at-birth
- :لديها
- :يكون
- :ليس
- :أين
- $ UP
- 2019
- 50
- a
- من نحن
- فوق
- أكاديمي
- من غير قصد
- عمل
- يقدم
- في الواقع
- العنوان
- متبنين
- تقديم المشورة
- بعد
- منذ
- AI
- الكل
- السماح
- تقريبا
- على طول
- سابقا
- أيضا
- مدهش
- أمازون
- an
- و
- الروبوت
- الغضب
- آخر
- الأجوبة
- أي وقت
- اى شى
- واضح
- تظهر
- يبدو
- تفاح
- تطبيقي
- هي
- المنطقة
- المناطق
- حول
- البند
- AS
- At
- الهجمات
- المؤلفة
- الكتاب
- توفر
- متاح
- AWS
- الى الخلف
- على أساس
- BE
- لان
- أصبح
- يصبح
- كان
- قبل
- بدأ
- يجري
- أفضل
- أفضل
- ما بين
- Beyond
- فواتير
- الولادة
- Blocks
- على حد سواء
- جلب
- يجلب
- ابني
- بنيت
- لكن
- by
- تسمى
- أتى
- CAN
- بطاقات
- حقيبة
- الحالات
- غير رسمية
- سلسلة
- السلاسل
- تحدى
- التحديات
- تغيير
- خيرية
- رخيص
- شيبس
- الخيارات
- استشهد
- واضح
- عميل
- سحابة
- المؤسس المشارك
- الكود
- تأتي
- المجتمعات
- مجتمع
- الشركات
- حول الشركة
- المنافسة
- مجمع
- تعقيد
- الالتزام
- عنصر
- اهتمامات
- محتوى
- تباين
- حقوق الطبع والنشر
- جوهر
- التكلفة
- استطاع
- مستشار قانوني
- الدورة
- خلق
- خلق
- الخالق
- المبدعين
- حرج
- ثقافة
- حاليا
- العملاء
- قطع
- البيانات
- مجموعة البيانات
- مجموعات البيانات
- التعارف
- يوم
- أيام
- ميت
- عقد
- عقود
- عميق
- تابع
- نشر
- نشر
- مفصلة
- المتقدمة
- المطورين
- التطوير التجاري
- الأجهزة
- فعل
- مختلف
- الصعوبات
- اكتشف
- تمييز
- بحث
- توزيع
- عدة
- do
- وثيقة
- هل
- لا
- فعل
- المجالات
- فعل
- لا
- عشرات
- رسم
- سائق
- أثناء
- كل
- في وقت مبكر
- سهولة
- سهل
- اقتصاد
- حافة
- المحررين
- احتضنت
- لقاء
- النهاية
- التي لا نهاية لها
- كاف
- ضمان
- مشروع
- كامل
- تماما
- الكيانات
- خاصة
- الأثير (ETH)
- حتى
- المتنامية
- بالضبط
- مثال
- أمثلة
- إلا
- استثناء
- وسع
- توقع
- متوقع
- ذو تكلفة باهظة
- استكشاف
- انفجار
- أضعافا مضاعفة
- جدا
- وجوه
- مألوف
- FAST
- المفضلة—الحقيبة
- قليل
- شغل
- الاسم الأول
- مرن
- تدفق
- اتباع
- في حالة
- Fortune
- الأطر
- تبدأ من
- الممولة
- مستقبل
- العلاجات العامة
- توليدي
- دولار فقط واحصل على خصم XNUMX% على جميع
- الحصول على
- GitHub جيثب:
- معطى
- الذهاب
- ذهب
- شراء مراجعات جوجل
- حكومة
- منح
- متزايد
- ينمو
- كان
- الثابت
- أجهزة التبخير
- يملك
- he
- مساعدة
- هنا
- تاريخ
- نأمل
- استضافة
- أفضل العروض
- كيفية
- لكن
- HTTPS
- تعانق الوجه
- البشر
- مئات
- الضجيج
- i
- سوف
- تحديد
- IEEE
- if
- صورة
- جدا
- التأثير
- آثار
- أهمية
- أهمية
- تحسين
- in
- الحوافز
- بما فيه
- لا يصدق
- لا يصدق
- صناعي
- العالمية
- الابتكار
- المدخلات
- إنتل
- معد
- يتفاعل
- يستفد
- تقاطع طرق
- إلى
- استثمر
- الاستثمار
- IT
- تكرير
- انها
- م
- KD nuggets
- أبقى
- القفل
- علم
- كبير
- أكبر
- أكبر
- اسم العائلة
- العام الماضي
- متأخر
- الى وقت لاحق
- القانون
- محامي
- قيادة
- تعلم
- تعلم
- تعلم
- الأقل
- شروط وأحكام
- أقل
- درس
- الدروس
- مسئولية
- المكتبات
- المكتبة
- الترخيص
- الحياة
- مثل
- على الأرجح
- لينكدين:
- لينكس
- طويل
- وقت طويل
- طويل الأجل
- بحث
- الكثير
- الكثير
- منخفض
- آلة
- آلة التعلم
- ماك
- سحر
- صيانة
- رائد
- جعل
- أسلوب
- كثير
- المواد
- ناضج
- مايو..
- تعني
- يعني
- يعني
- قياس
- قياس
- تعرف علي
- البيانات الوصفية
- ربما
- معهد ماساتشوستس للتكنولوجيا
- تخفيف
- نموذج
- عارضات ازياء
- تقدم
- لحظة
- مال
- الأكثر من ذلك
- أكثر
- خاصة
- الدوافع
- كثيرا
- كثرة
- يجب
- my
- بالضرورة
- حاجة
- إحتياجات
- جديد
- التالي
- لا
- جدير بالذكر
- لا شى
- الآن
- عدد
- NVIDIA
- واضح
- of
- خصم
- عرض
- غالبا
- قديم
- on
- مرة
- ONE
- فقط
- جاكيت
- المصدر المفتوح
- OpenAI
- تعمل
- أنظمة التشغيل
- or
- منظمة
- لنا
- خارج
- النتائج
- النتائج
- على مدى
- سلام
- ورق
- موازية
- المتوازيات
- خاصة
- الماضي
- مسار
- ربما
- قطعة
- المكان
- خطة
- المنصة
- أفلاطون
- الذكاء افلاطون البيانات
- أفلاطون داتا
- بلايستشن
- يغرق
- البوينت
- تجمع
- فرقعة
- ممكن
- قوي
- ممارسة
- سابقا
- ابتدائي
- المحتمل
- المشكلة
- مشاكل
- المنتج
- تطوير المنتج
- التقدّم
- تنفيذ المشاريع
- مشروع ناجح
- الملكية
- ثبت
- مصدر
- جمهور
- مشتر
- pytorch
- جذري
- سريع
- بدلا
- نادي القراءة
- استعداد
- العالم الحقيقي
- أدركت
- الأخيرة
- ما هو مقنن
- اللائحة
- إعادة اختراع
- العلاقات
- التقارير
- تطلب
- المتطلبات الأساسية
- بحث
- تشير البحوث
- حق
- الجذور
- تشغيل
- s
- ادارة العلاقات مع
- نفسه
- سبوم
- نطاق
- القطاع
- أمن
- تسعى
- يبدو
- بشكل جاد
- طقم
- باكجات
- ينبغي
- السيليكون
- التشابه
- وبالمثل
- ببساطة
- منذ
- الموقع
- صغير
- So
- تطبيقات الكمبيوتر
- مطوري البرامج
- باعت
- بعض
- أحيانا
- قليلا
- متطور
- مصدر
- مصادر
- المساحات
- تحدث
- متخصص
- مواصفات
- المواصفات
- الإنفاق
- انتشار
- كومة
- كومات
- بدأت
- ابتداء
- البدء
- لا يزال
- وقف
- مجرى
- شارع
- بقوة
- منظم
- موضوع
- وتقترح
- تزويد
- سلسلة التوريد
- سلاسل التوريد
- الدعم
- مفاجأة
- البقاء على قيد الحياة
- عرضة
- أنظمة
- أخذ
- يأخذ
- الحديث
- تقنيات
- تكنولوجيا
- tensorflow
- مصطلح
- من
- أن
- •
- المستقبل
- من مشاركة
- منهم
- then
- هناك.
- وبالتالي
- تشبه
- هم
- الأشياء
- اعتقد
- تفكير
- يعتقد
- هؤلاء
- على الرغم من؟
- الآلاف
- عبر
- الوقت
- إلى
- أداة
- تيشرت
- مسار
- تتبع الشحنة
- تقليدي
- حركة المرور
- قادة الإيمان
- معالجة
- حقا
- محاولة
- يحاول
- القرص
- اثنان
- أنواع
- غير واضح
- دعم
- فهم
- لسوء الحظ
- يونيكس
- us
- الأستعمال
- تستخدم
- حالة الاستخدام
- مستعمل
- مستخدم
- استخدام
- تشكيلة
- الباعة
- الإصدار
- جدا
- تطوع
- تصويت
- وكان
- أمواج
- طريق..
- طرق
- we
- حسن
- ابحث عن
- ما هي تفاصيل
- التي
- من الذى
- على نحو واسع
- بري
- سوف
- نوافذ
- مع
- بدون
- للعمل
- عامل
- العالم
- العالم
- سوف
- جاري الكتابة
- عام
- سنوات
- لصحتك!
- زفيرنت