OpenAI API

OpenAI က ဖန်တီးထားသော AI မော်ဒယ်အသစ်များကို အသုံးပြုနိုင်ရန် API တစ်ခုကို ကျွန်ုပ်တို့ ထုတ်ပြန်နေပါသည်။ အသုံးပြုမှုတစ်မျိုးတည်းအတွက် ဒီဇိုင်းဆွဲထားသော AI စနစ်အများစုနှင့် မတူဘဲ၊ ယနေ့ API သည် ယေဘုယျအသုံးပြုနိုင်သော “text in, text out” interface ကို ပံ့ပိုးပေးသဖြင့် အသုံးပြုသူများအနေဖြင့် အင်္ဂလိပ်ဘာသာစကားဆိုင်ရာ လုပ်ငန်းတာဝန် အမျိုးမျိုးနီးပါးတွင် စမ်းသုံးနိုင်ပါသည်။ ယခုအခါ သင့်ထုတ်ကုန်တွင် API ကို ပေါင်းစည်းရန်၊ လုံးဝအသစ်သော application တစ်ခု ဖန်တီးရန်၊ သို့မဟုတ် ဤနည်းပညာ၏ အားသာချက်များနှင့် ကန့်သတ်ချက်များကို ကျွန်ုပ်တို့နှင့်အတူ စူးစမ်းလေ့လာရန် access တောင်းဆိုနိုင်ပါသည်။

မည်သည့် စာသားတုံ့ပြန်ညွှန်ကြားချက်ကိုမဆို ပေးလိုက်ပါက API သည် သင်ပေးထားသော ပုံစံနှင့် ကိုက်ညီအောင် ကြိုးစားပြီး စာသားဖြည့်စွက်ရလဒ်ကို ပြန်ပေးမည်ဖြစ်သည်။ ၎င်းကို လုပ်စေချင်သည့်အရာ၏ နမူနာ အနည်းငယ်မျှသာ ပြသခြင်းဖြင့်ပင် ၎င်းကို “ပရိုဂရမ်” လုပ်နိုင်ပြီး၊ ၎င်း၏ အောင်မြင်မှုသည် လုပ်ငန်းတာဝန် မည်မျှ ရှုပ်ထွေးသည်ပေါ်မူတည်၍ ယေဘုယျအားဖြင့် ကွာခြားတတ်သည်။ API သည် သင်ပံ့ပိုးသော နမူနာဒေတာစု (အသေး သို့မဟုတ် အကြီး) ပေါ်တွင် လေ့ကျင့်ခြင်းဖြင့် သို့မဟုတ် အသုံးပြုသူများ သို့မဟုတ် အမှတ်ပေးသူများ ပေးသော လူသားတုံ့ပြန်ချက်မှ သင်ယူခြင်းဖြင့် သီးခြားလုပ်ငန်းတာဝန်များအတွက် စွမ်းဆောင်ရည်ကို ပိုမိုကောင်းမွန်အောင် ပြုလုပ်နိုင်စေသည်။

မည်သူမဆို လွယ်ကူစွာ အသုံးပြုနိုင်သလို စက်သင်ယူမှုအဖွဲ့များ၏ ထုတ်လုပ်နိုင်စွမ်းကိုလည်း မြှင့်တင်ပေးနိုင်လောက်အောင် လိုက်လျောညီထွေရှိစေရန် API ကို ကျွန်ုပ်တို့ ဒီဇိုင်းဆွဲထားပါသည်။ အမှန်တကယ်အားဖြင့် ယခု ကျွန်ုပ်တို့၏ အဖွဲ့များအနက် အများအပြားသည် ဖြန့်ကျက်စနစ်ဆိုင်ရာ ပြဿနာများထက် စက်သင်ယူမှု သုတေသနကို အာရုံစိုက်နိုင်ရန် API ကို အသုံးပြုနေကြပါသည်။ ယနေ့တွင် API သည် GPT‑3⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) မျိုးဆက်မှ weight များပါသော မော်ဒယ်များကို အမြန်နှုန်းနှင့် ဆောင်ကြဉ်းပေးမှု ပမာဏ ပိုမိုကောင်းမွန်စေမှုများစွာဖြင့် လည်ပတ်ပေးနေပါသည်။ စက်သင်ယူမှုနယ်ပယ်သည် အလွန်လျင်မြန်စွာ ရွေ့လျားနေပြီး အသုံးပြုသူများ ခေတ်မီနေစေရန် ကျွန်ုပ်တို့၏ နည်းပညာကိုလည်း အမြဲတမ်း အဆင့်မြှင့်တင်နေပါသည်။

ဤနယ်ပယ်၏ တိုးတက်မှုနှုန်း မြန်ဆန်မှုကြောင့် AI ၏ မျှော်လင့်မထားသော အသုံးချမှုအသစ်များ—အကောင်းဘက်ကော အဆိုးဘက်ကော—မကြာခဏ ပေါ်ပေါက်လာတတ်ပါသည်။ harassment၊ spam၊ radicalization သို့မဟုတ် astroturfing ကဲ့သို့သော ထင်ရှားစွာ အန္တရာယ်ရှိသည့် အသုံးပြုမှုကိစ္စရပ်များအတွက် API access ကို ကျွန်ုပ်တို့ ရပ်ဆိုင်းမည်ဖြစ်ပါသည်။ သို့သော် ဤနည်းပညာ၏ ဖြစ်နိုင်သော အကျိုးဆက်အားလုံးကို ကျွန်ုပ်တို့ ကြိုမမြင်နိုင်ကြောင်းလည်း သိရှိထားသောကြောင့် ယနေ့တွင် အများသုံးအသုံးပြုနိုင်မှုအဖြစ် မဟုတ်ဘဲ private beta အဖြစ် စတင်နေခြင်း၊ အသုံးပြုသူများက ကျွန်ုပ်တို့၏ API ပြန်ပေးသော အကြောင်းအရာကို ပိုမိုကောင်းမွန်စွာ ထိန်းချုပ်နိုင်ရန် ကိရိယာများ တည်ဆောက်နေခြင်းနှင့် ဘာသာစကားနည်းပညာ၏ လုံခြုံရေးဆိုင်ရာ သက်ဆိုင်သော အချက်များ (ဥပမာ အန္တရာယ်ရှိသော ဘက်လိုက်မှုကို ခွဲခြမ်းစိတ်ဖြာခြင်း၊ လျှော့ချခြင်းနှင့် ကြားဝင်ဆောင်ရွက်ခြင်း) ကို သုတေသနပြုနေခြင်းတို့ကို လုပ်ဆောင်နေပါသည်။ ကျွန်ုပ်တို့ လေ့လာသိရှိသမျှကို မျှဝေသွားမည်ဖြစ်ပြီး ထိုမှတစ်ဆင့် အသုံးပြုသူများနှင့် ပိုမိုကျယ်ပြန့်သော အသိုင်းအဝိုင်းက လူသားအကျိုးပြု AI စနစ်များကို ပိုမိုကောင်းမွန်စွာ တည်ဆောက်နိုင်မည်ဖြစ်ပါသည်။

ကုန်ကျစရိတ်များကို ကာမိစေရန်⁠ ကူညီပေးသည့် ဝင်ငွေအရင်းအမြစ်တစ်ခုဖြစ်ခြင်းအပြင် ကျွန်ုပ်တို့၏ ရည်မှန်းချက်⁠ ကို အကောင်အထည်ဖော်ရာတွင် API သည် ယေဘုယျအသုံးပြုနိုင်သော AI နည်းပညာအပေါ် ကျွန်ုပ်တို့၏ အာရုံစိုက်မှုကို ပိုမိုထက်မြက်စေခဲ့သည်—နည်းပညာကို တိုးတက်စေခြင်း၊ အသုံးပြုနိုင်အောင် လုပ်ဆောင်ခြင်းနှင့် လက်တွေ့ကမ္ဘာအပေါ် ၎င်း၏ သက်ရောက်မှုများကို စဉ်းစားခြင်းတို့ ဖြစ်ပါသည်။ API သည် အကျိုးရှိသော AI စွမ်းအားသုံး ထုတ်ကုန်များကို ထုတ်လုပ်ရန် အတားအဆီး⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) ကို များစွာ လျှော့ချပေးမည်ဟု ကျွန်ုပ်တို့ မျှော်လင့်ပြီး၊ ယနေ့တွင်ပင် စိတ်ကူးယဉ်ရန် ခက်ခဲသော ကိရိယာများနှင့် ဝန်ဆောင်မှုများ ပေါ်ပေါက်လာစေမည်ဖြစ်သည်။

API ကို စူးစမ်းလေ့လာရန် စိတ်ဝင်စားပါသလား။ Algolia⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်)၊ Quizlet⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) နှင့် Reddit⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) ကဲ့သို့သော ကုမ္ပဏီများနှင့် Middlebury Institute⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) ကဲ့သို့သော အဖွဲ့အစည်းများရှိ သုတေသီများနှင့်အတူ ကျွန်ုပ်တို့၏ private beta⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) တွင် ပါဝင်လိုက်ပါ။

နောက်ဆုံးတွင် ကျွန်ုပ်တို့ အရေးအကြီးဆုံးထားသည်မှာ⁠ အထွေထွေ ဉာဏ်ရည်တု သည် လူတိုင်းအတွက် အကျိုးရှိစေရန် သေချာစေခြင်းဖြစ်ပါသည်။ စီးပွားဖြစ် ထုတ်ကုန်များ ဖန်တီးခြင်းကို ကျွန်ုပ်တို့ အောင်မြင်နိုင်ရန် လုံလောက်သော ရန်ပုံငွေရှိစေရန် နည်းလမ်းများထဲမှ တစ်ခုအဖြစ် မြင်ပါသည်။

ထို့အပြင် အားကောင်းသော AI စနစ်များကို ကမ္ဘာပေါ်တွင် လုံခြုံစွာ အသုံးချထားရန် မှန်ကန်အောင် လုပ်ဆောင်ခြင်းမှာ ခက်ခဲမည်ဟုလည်း ကျွန်ုပ်တို့ ယုံကြည်ပါသည်။ API ကို ထုတ်ပြန်ရာတွင် AI စနစ်များကို လက်တွေ့ကမ္ဘာတွင် အသုံးပြုသောအခါ မည်သည့် စိန်ခေါ်မှုများ ပေါ်ပေါက်လာသည်ကို မြင်နိုင်ရန် ကျွန်ုပ်တို့သည် မိတ်ဖက်များနှင့် နီးကပ်စွာ အလုပ်လုပ်နေပါသည်။ ဤအရာက အနာဂတ် AI စနစ်များကို အသုံးချထားခြင်း မည်သို့ ဖြစ်လာမည်၊ ၎င်းတို့ကို လူတိုင်းအတွက် လုံခြုံပြီး အကျိုးရှိစေရန် ကျွန်ုပ်တို့ ဘာလုပ်ရန်လိုအပ်မည်ကို နားလည်ရန် ကျွန်ုပ်တို့၏ ကြိုးပမ်းမှုများကို လမ်းညွှန်ပေးမည်ဖြစ်ပါသည်။

ဤသို့လုပ်ဆောင်ခဲ့သည့် အဓိက အကြောင်းရင်း သုံးချက်ရှိပါသည်။ ပထမအချက်အနေဖြင့် နည်းပညာကို စီးပွားဖြစ် အသုံးချခြင်းက ကျွန်ုပ်တို့၏ ဆက်လက်လုပ်ဆောင်နေသော AI သုတေသန၊ လုံခြုံရေးနှင့် မူဝါဒဆိုင်ရာ ကြိုးပမ်းမှုများအတွက် ကုန်ကျစရိတ်ကို ကူညီပေးပါသည်။

ဒုတိယအချက်အနေဖြင့် API ၏ အခြေခံဖြစ်သော မော်ဒယ်အများအပြားသည် အလွန်ကြီးမားပြီး ဖန်တီးရန်နှင့် ဖြန့်ချိအသုံးချရန် ကျွမ်းကျင်မှုများစွာ လိုအပ်သလို လည်ပတ်ခလည်း အလွန်မြင့်မားပါသည်။ ထိုကြောင့် ကြီးမားသော ကုမ္ပဏီများမှအပ အခြေခံနည်းပညာမှ အကျိုးခံစားရရန် ခက်ခဲစေပါသည်။ API သည် အားကောင်းသော AI စနစ်များကို စီးပွားရေးလုပ်ငန်းသေးငယ်များနှင့် အဖွဲ့အစည်းများအတွက် ပိုမိုလွယ်ကူစွာ အသုံးပြုနိုင်စေမည်ဟု ကျွန်ုပ်တို့ မျှော်လင့်ပါသည်။

တတိယအချက်အနေဖြင့် API မော်ဒယ်သည် နည်းပညာ၏ အလွဲသုံးစားမှုကို ကျွန်ုပ်တို့ ပိုမိုလွယ်ကူစွာ တုံ့ပြန်နိုင်စေပါသည်။ ကျွန်ုပ်တို့၏ မော်ဒယ်များ၏ downstream အသုံးပြုမှုကိစ္စရပ်များကို ကြိုတင်ခန့်မှန်းရန် ခက်ခဲသောကြောင့် အန္တရာယ်ရှိသော အသုံးချမှုများ ရှိနေသည်ကို နောက်မှ သိလာပါက access ကို မပြင်ဆင်နိုင်တော့သော open source မော်ဒယ်တစ်ခု ထုတ်ခြင်းထက် API မှတစ်ဆင့် ထုတ်ပြီး အချိန်ကြာလာသည်နှင့်အမျှ access ကို ဖြည်းဖြည်းချင်း ကျယ်ပြန့်စေခြင်းက ပင်ကိုယ်အားဖြင့် ပိုမိုလုံခြုံသည်ဟု ကျွန်ုပ်တို့ ယူဆပါသည်။

GPT‑2 အတွက် ကျွန်ုပ်တို့၏ အဓိကစိုးရိမ်ချက်များထဲမှ တစ်ခုမှာ မော်ဒယ်ကို မကောင်းသောရည်ရွယ်ချက်ဖြင့် အသုံးပြုခြင်း (ဥပမာ သတင်းမှားဖြန့်ချိရေးအတွက်) ဖြစ်ပြီး၊ မော်ဒယ်တစ်ခုကို open source အဖြစ် ထုတ်ပြီးနောက် ထိုသုံးစွဲမှုကို တားဆီးရန်မှာ ခက်ခဲပါသည်။ API အတွက်တော့ အတည်ပြုထားသော customer များနှင့် အသုံးပြုမှုကိစ္စရပ်များအထိသာ access ကို ကန့်သတ်ခြင်းဖြင့် အလွဲသုံးစားမှုကို ပိုမိုကောင်းမွန်စွာ တားဆီးနိုင်ပါသည်။ အဆိုပြုထားသော application များ live မသွားမီ မဖြစ်မနေ production review လုပ်ငန်းစဉ်တစ်ခု ကျွန်ုပ်တို့တွင် ရှိပါသည်။ Production review များတွင် application များကို ရှုထောင့်အချို့အလိုက် သုံးသပ်ကာ ဤသည် လက်ရှိ ပံ့ပိုးပေးထားသော အသုံးပြုမှုကိစ္စရပ် ဟုတ်ပါသလား?၊ application သည် မည်မျှ open-ended ဖြစ်သနည်း?၊ application သည် မည်မျှ အန္တရာယ်များသနည်း?၊ ဖြစ်လာနိုင်သော အလွဲသုံးစားမှုကို သင် မည်သို့ ကိုင်တွယ်မည်နည်း? နှင့် သင့် application ၏ နောက်ဆုံးအသုံးပြုသူများမှာ မည်သူများနည်း? ကဲ့သို့သော မေးခွန်းများကို မေးမြန်းပါသည်။

လူများအား ရုပ်ပိုင်းဆိုင်ရာ၊ စိတ်ခံစားမှုဆိုင်ရာ သို့မဟုတ် စိတ်ပိုင်းဆိုင်ရာ ထိခိုက်မှု ဖြစ်စေသည်ဟု တွေ့ရှိရသော (သို့မဟုတ် ဖြစ်စေရန် ရည်ရွယ်ထားသော) အသုံးပြုမှုကိစ္စရပ်များအတွက် API access ကို ကျွန်ုပ်တို့ ရပ်ဆိုင်းပါသည်။ ၎င်းတွင် harassment၊ intentional deception၊ radicalization၊ astroturfing သို့မဟုတ် spam တို့အပြင် နောက်ဆုံးအသုံးပြုသူများ၏ အလွဲသုံးစားမှုကို ကန့်သတ်ရန် လုံလောက်သော guardrail မရှိသည့် application များလည်း ပါဝင်သည်။ API ကို လက်တွေ့တွင် လည်ပတ်အသုံးချရင်း အတွေ့အကြုံ ပိုမိုရလာသည်နှင့်အမျှ ကျွန်ုပ်တို့ ပံ့ပိုးနိုင်သည့် အသုံးပြုမှုအမျိုးအစားများကို ဆက်လက် ပြုပြင်သတ်မှတ်သွားမည်ဖြစ်ပြီး၊ ပံ့ပိုးနိုင်သည့် application အကွာအဝေးကို ချဲ့ထွင်ရန်နှင့် အလွဲသုံးစားမှု စိုးရိမ်ချက်ရှိသော အမျိုးအစားများအတွက် ပိုမိုအသေးစိတ်သော အမျိုးအစားခွဲခြားမှုများ ဖန်တီးရန် နှစ်မျိုးစလုံးကို ရည်ရွယ်ပါသည်။

API အသုံးပြုမှုကို အတည်ပြုရာတွင် ကျွန်ုပ်တို့ စဉ်းစားသော အရေးကြီးဆုံး အချက်များထဲမှ တစ်ခုမှာ application တစ်ခုက စနစ်၏ အခြေခံ generative capability များနှင့် ပတ်သက်၍ open-ended အပြုအမူကို ပြသခြင်းနှင့် ကန့်သတ်ထားသော အပြုအမူကို ပြသခြင်းတို့အကြား မည်မျှရှိသည် ဆိုခြင်းဖြစ်သည်။ API ၏ open-ended application များ (ဆိုလိုသည်မှာ arbitrary prompt များမှတစ်ဆင့် စိတ်ကြိုက်ပြင်ဆင်နိုင်သော စာသားအမြောက်အမြားကို friction မရှိဘဲ ထုတ်လုပ်နိုင်စေသော application များ) သည် အလွဲသုံးစားမှုအတွက် အထူးသဖြင့် လွယ်ကူပါသည်။ Generative use case များကို ပိုမိုလုံခြုံစေနိုင်သော ကန့်သတ်ချက်များတွင် လူကို လုပ်ငန်းစဉ်ထဲတွင် ထားရှိသော စနစ်ဒီဇိုင်း၊ နောက်ဆုံးအသုံးပြုသူ access ကန့်သတ်ချက်များ၊ output များကို နောက်ပိုင်းပြုပြင်ခြင်း၊ content filtration၊ input/output အရှည်ကန့်သတ်ချက်များ၊ တက်ကြွစွာ စောင့်ကြည့်ခြင်းနှင့် အကြောင်းအရာဆိုင်ရာ ကန့်သတ်ချက်များ ပါဝင်သည်။

API မှ ပံ့ပိုးပေးသော မော်ဒယ်များ၏ ဖြစ်နိုင်သော အလွဲသုံးစားမှုများအပေါ် သုတေသနကိုလည်း academic access program⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) မှတစ်ဆင့် third-party researcher များနှင့်အတူ ကျွန်ုပ်တို့ ဆက်လက် လုပ်ဆောင်နေပါသည်။ လက်ရှိအချိန်တွင် researcher အရေအတွက် အလွန်ကန့်သတ်ထားသည့် အုပ်စုဖြင့် စတင်နေပြီး Middlebury Institute⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်)၊ University of Washington, and Allen Institute for AI⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) ရှိ ကျွန်ုပ်တို့၏ ပညာရေးမိတ်ဖက်များထံမှ ရလဒ်အချို့ကိုလည်း ရရှိထားပါသည်။ ဤပရိုဂရမ်အတွက် လျှောက်ထားသူ သောင်းနှင့်ချီ ရှိနေပြီး လက်ရှိတွင် တရားမျှတမှုနှင့် ကိုယ်စားပြုမှုဆိုင်ရာ သုတေသနကို အာရုံစိုက်သည့် လျှောက်လွှာများကို ဦးစားပေးနေပါသည်။

အန္တရာယ်ရှိသော ဘက်လိုက်မှုကဲ့သို့ အနုတ်လက္ခဏာ သက်ရောက်မှုများကို လျှော့ချခြင်းသည် အလွန်အရေးကြီးပြီး စက်မှုလုပ်ငန်းတစ်ခုလုံးဆိုင်ရာ ခက်ခဲသော ပြဿနာတစ်ခုဖြစ်သည်။ GPT‑3 paper⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) နှင့် မော်ဒယ်ကဒ်⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) တွင် ကျွန်ုပ်တို့ ဆွေးနွေးထားသကဲ့သို့ ကျွန်ုပ်တို့၏ API မော်ဒယ်များတွင် ထုတ်လုပ်ထားသော စာသားများတွင် ထင်ဟပ်လာမည့် ဘက်လိုက်မှုများ အမှန်တကယ် ရှိနေပါသည်။ ဤပြဿနာများကို ကိုင်တွယ်ဖြေရှင်းရန် ကျွန်ုပ်တို့ လုပ်ဆောင်နေသည့် အဆင့်များမှာ အောက်ပါအတိုင်းဖြစ်သည်-

• ဖွံ့ဖြိုးသူများအား ဖြစ်လာနိုင်သော လုံခြုံရေးပြဿနာများကို နားလည်ပြီး ကိုင်တွယ်ဖြေရှင်းနိုင်ရန် ကူညီပေးသည့် အသုံးပြုမှုလမ်းညွှန်ချက်များကို ကျွန်ုပ်တို့ ဖန်တီးထားပါသည်။
• အသုံးပြုသူများ၏ အသုံးပြုမှုအခြေအနေများကို နားလည်ရန်နှင့် အန္တရာယ်ရှိသော ဘက်လိုက်မှုကို လျှော့ချနိုင်ရန် ဖော်ထုတ်ပြီး ကြားဝင်ဆောင်ရွက်သည့် ကိရိယာများ ဖန်တီးရန် ၎င်းတို့နှင့် နီးကပ်စွာ ပူးပေါင်းလုပ်ဆောင်နေပါသည်။
• အန္တရာယ်ရှိသော ဘက်လိုက်မှု၏ ပေါ်ထွက်ပုံများနှင့် တရားမျှတမှု၊ ကိုယ်စားပြုမှုဆိုင်ရာ ပိုမိုကျယ်ပြန့်သော ပြဿနာများအပေါ် ကျွန်ုပ်တို့ကိုယ်တိုင် သုတေသနပြုလုပ်နေပြီး၊ ၎င်းသည် ရှိပြီးသား မော်ဒယ်များအတွက် ပိုမိုကောင်းမွန်သော စာတမ်းမှတ်တမ်းများအပြင် အနာဂတ် မော်ဒယ်များအတွက် တိုးတက်ကောင်းမွန်မှုအမျိုးမျိုးမှတစ်ဆင့် ကျွန်ုပ်တို့၏ လုပ်ငန်းကို လမ်းညွှန်ပေးမည်ဖြစ်သည်။
• ဘက်လိုက်မှုသည် စနစ်တစ်ခုနှင့် အသုံးချထားသော အခြေအနေတစ်ခု၏ ဆုံချက်တွင် ပေါ်လာသော ပြဿနာဖြစ်ကြောင်း ကျွန်ုပ်တို့ အသိအမှတ်ပြုပါသည်။ ကျွန်ုပ်တို့၏ နည်းပညာဖြင့် တည်ဆောက်ထားသော အပလီကေးရှင်းများသည် လူမှု-နည်းပညာဆိုင်ရာ စနစ်များဖြစ်သောကြောင့် မလိုလားအပ်သော အပြုအမူများကို စောင့်ကြည့်နိုင်ရန် သင့်လျော်သော လုပ်ငန်းစဉ်များနှင့် human-in-the-loop စနစ်များ ထည့်သွင်းထားကြောင်း သေချာစေရန် ဖွံ့ဖြိုးသူများနှင့် အတူ ကျွန်ုပ်တို့ အလုပ်လုပ်ပါသည်။

ကျွန်ုပ်တို့၏ ရည်မှန်းချက်မှာ အသုံးပြုမှုအခြေအနေ တစ်ခုချင်းစီတွင် API ၏ ဖြစ်နိုင်သော ထိခိုက်မှုများကို ဆက်လက် နားလည်သဘောပေါက်အောင် ပြုလုပ်သွားရန်နှင့် ၎င်းတို့ကို အနည်းဆုံးဖြစ်စေရန် ကူညီမည့် ကျွန်ုပ်တို့၏ ကိရိယာများနှင့် လုပ်ငန်းစဉ်များကို အစဉ်တစိုက် တိုးတက်အောင် လုပ်ဆောင်သွားရန် ဖြစ်ပါသည်။

၂၀၂၀ ခုနှစ်၊ စက်တင်ဘာ ၁၈ ရက်တွင် အပ်ဒိတ်လုပ်ထားသည်