ಸ್ಟಾರ್ಟ್ಅಪ್ ವಿಜ್ಞಾನ ಅನ್ವೇಷಣೆಗಾಗಿ AI ಅನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಹೊಸ ತಂತ್ರವನ್ನು ಪ್ರಯತ್ನಿಸುತ್ತಿದೆ
ಸ್ಟಾರ್ಟ್ಅಪ್ ವಿಜ್ಞಾನ ಅನ್ವೇಷಣೆಗಾಗಿ AI ಅನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಹೊಸ ತಂತ್ರವನ್ನು ಪ್ರಯತ್ನಿಸುತ್ತಿದೆ
ವಿಜ್ಞಾನ ಅನ್ವೇಷಣೆಗಾಗಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವುದು ಟೆಕ್ ದೈತ್ಯರಿಗೆ ಒಂದು ಸ್ಮಾರಕ ಗುರಿಯಾಗಿದೆ. OpenAI ಮತ್ತು Anthropic ನಂತಹ ಕಂಪನಿಗಳು ಔಷಧ, ಜೀವಶಾಸ್ತ್ರ ಮತ್ತು ಭೌತಶಾಸ್ತ್ರದಲ್ಲಿ AI ಪ್ರಗತಿಗಳ ಭರವಸೆಯೊಂದಿಗೆ ಹತ್ತಾರು ಶತಕೋಟಿ ಹಣವನ್ನು ಪಡೆದುಕೊಂಡಿವೆ. ಆದಾಗ್ಯೂ, ನಿಜವಾದ AI-ಚಾಲಿತ ವೈಜ್ಞಾನಿಕ ಆವಿಷ್ಕಾರವು ಅಸ್ಪಷ್ಟವಾಗಿಯೇ ಉಳಿದಿದೆ, ಇದು ಹಿಂದಿನ ಘಟನೆಗಳಿಂದ ಪ್ರದರ್ಶಿಸಲ್ಪಟ್ಟಂತೆ ಚಾಟ್ಜಿಪಿಟಿ-ರಚಿಸಿದ ಗಣಿತದ ಅನ್ವೇಷಣೆಯಂತೆ. ತಜ್ಞರ ಪ್ರಕಾರ, ಪ್ರಮುಖ ಸವಾಲು ಎಂದರೆ, ಪ್ರಸ್ತುತ ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಗಳು (LLM ಗಳು) ಸ್ವಾಯತ್ತವಾಗಿ ಕಾದಂಬರಿ ವೈಜ್ಞಾನಿಕ ಜ್ಞಾನವನ್ನು ಉತ್ಪಾದಿಸುವ ಆಂತರಿಕ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿಲ್ಲ.
ಏಕೆ ದೊಡ್ಡ AI ಲ್ಯಾಬ್ಗಳು ವೈಜ್ಞಾನಿಕ ಅನ್ವೇಷಣೆಯೊಂದಿಗೆ ಹೋರಾಡುತ್ತಿವೆ
MIT ಇಂಜಿನಿಯರಿಂಗ್ ಪ್ರಾಧ್ಯಾಪಕ ಮಾರ್ಕಸ್ ಬ್ಯುಹ್ಲರ್, ಇಂದಿನ ಮುಂದುವರಿದ AI ನಲ್ಲಿ ಮೂಲಭೂತ ಮಿತಿಯನ್ನು ಗುರುತಿಸಿದ್ದಾರೆ. OpenAI ಮತ್ತು Anthropic ನಿಂದ ಮಾಡೆಲ್ಗಳು ಪವರ್ರಿಂಗ್ ಸಿಸ್ಟಮ್ಗಳನ್ನು ನಿಜವಾದ ಅನ್ವೇಷಣೆಗಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿಲ್ಲ ಎಂದು ಅವರು ವಾದಿಸುತ್ತಾರೆ. ಅವರ ವಾಸ್ತುಶಿಲ್ಪವು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಡೇಟಾದಿಂದ ಮಾದರಿ ಗುರುತಿಸುವಿಕೆಯನ್ನು ಆಧರಿಸಿದೆ, ಹೊಸ ಸಿದ್ಧಾಂತಗಳು ಅಥವಾ ಊಹೆಗಳನ್ನು ರಚಿಸುವುದರ ಮೇಲೆ ಅಲ್ಲ.
ಕಳೆದ ಶರತ್ಕಾಲದಲ್ಲಿ ChatGPT ಯ ಉದ್ದೇಶಿತ ಗಣಿತದ ಆವಿಷ್ಕಾರವನ್ನು ತ್ವರಿತವಾಗಿ ತೆಗೆದುಹಾಕಿದಾಗ ಇದನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ವಿವರಿಸಲಾಗಿದೆ. ಎಪಿಸೋಡ್ AI ನ ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಶಕ್ತಿ ಮತ್ತು ಅದರ ಸೃಜನಶೀಲ, ಅನ್ವೇಷಣೆ-ಆಧಾರಿತ ಚಿಂತನೆಯ ನಡುವಿನ ಅಂತರವನ್ನು ಎತ್ತಿ ತೋರಿಸುತ್ತದೆ. ಇದು ಇತರ AI ಪ್ರಯತ್ನಗಳನ್ನು ನೆನಪಿಸುವ ಸವಾಲಾಗಿದೆ, ಅಲ್ಲಿ ತಂತ್ರಜ್ಞಾನವು ಸ್ವಂತಿಕೆಯೊಂದಿಗೆ ಹೋರಾಡುತ್ತದೆ, ನಿಜವಾದ ಸೃಜನಶೀಲತೆಯ ಕೊರತೆಯಿಂದಾಗಿ AI ನಟ ಟಿಲ್ಲಿ ನಾರ್ವುಡ್ ಎದುರಿಸಿದ ಟೀಕೆಗಳಂತೆಯೇ.
ಪ್ರಸ್ತುತ AI ಮಾದರಿಗಳೊಂದಿಗೆ ಪ್ರಮುಖ ಸಮಸ್ಯೆ
ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಗಳು ಮಾಹಿತಿಯನ್ನು ಸಂಸ್ಕರಿಸುವಲ್ಲಿ ಮತ್ತು ಪುನರುಜ್ಜೀವನಗೊಳಿಸುವಲ್ಲಿ ಉತ್ತಮವಾಗಿವೆ. ಅವರು ಪಠ್ಯಗಳನ್ನು ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸಬಹುದು, ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸಬಹುದು ಮತ್ತು ಅವರ ತರಬೇತಿ ಡೇಟಾವನ್ನು ಆಧರಿಸಿ ಕೋಡ್ ಬರೆಯಬಹುದು. ಆದಾಗ್ಯೂ, ಅವರು ಈಗಾಗಲೇ ಕಲಿತಿರುವ ಮಿತಿಯೊಳಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಾರೆ.
ವೈಜ್ಞಾನಿಕ ಆವಿಷ್ಕಾರವು ಅದರ ಸ್ವಭಾವದಿಂದ ಅಜ್ಞಾತಕ್ಕೆ ಹೆಜ್ಜೆ ಹಾಕುವ ಅಗತ್ಯವಿದೆ. ಇದು ವಿಭಿನ್ನ ಕ್ಷೇತ್ರಗಳ ನಡುವೆ ಹೊಸ ಸಂಪರ್ಕಗಳನ್ನು ರೂಪಿಸುವುದು ಮತ್ತು ಯಾವುದೇ ತರಬೇತಿ ಡೇಟಾಸೆಟ್ನಲ್ಲಿ ಇಲ್ಲದಿರುವ ವಿಚಾರಗಳನ್ನು ಪ್ರಸ್ತಾಪಿಸುವುದನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ. ವಿಷಯ ರಚನೆ ಮತ್ತು ಯಾಂತ್ರೀಕರಣದ ಮೇಲೆ ಕೇಂದ್ರೀಕೃತವಾಗಿರುವ ಪ್ರಸ್ತುತ ಉತ್ಪಾದಕ AI, ಮಾಡಲು ನಿರ್ಮಿಸದಿರುವ ಅಧಿಕವಾಗಿದೆ. ಉದ್ಯಮವು ವಿಕಸನಗೊಳ್ಳುತ್ತಿದೆ, ವರ್ಡ್ಪ್ರೆಸ್ ಗುಟೆನ್ಬರ್ಗ್ ಅಪ್ಡೇಟ್ನಂತಹ ಬೆಳವಣಿಗೆಗಳೊಂದಿಗೆ AI ಪ್ರಕಾಶನಕ್ಕೆ ಅಡಿಪಾಯ ಹಾಕುತ್ತಿದೆ, ಆದರೆ ಅನ್ವೇಷಣೆಗೆ ಪ್ರಮುಖ ಸವಾಲು ಉಳಿದಿದೆ.
ಅಸಮಂಜಸ ಲ್ಯಾಬ್ಗಳನ್ನು ಪರಿಚಯಿಸಲಾಗುತ್ತಿದೆ: ವಿಜ್ಞಾನಕ್ಕಾಗಿ AI ಗೆ ಹೊಸ ವಿಧಾನ
ಈ ಅಂತರವನ್ನು ಪರಿಹರಿಸಲು, ಪ್ರೊಫೆಸರ್ ಬ್ಯೂಹ್ಲರ್ ಗೂಗಲ್ ಡೀಪ್ಮೈಂಡ್ನಲ್ಲಿ ಮಾಜಿ ಹಿರಿಯ ಸಿಬ್ಬಂದಿ ಸಂಶೋಧನಾ ವಿಜ್ಞಾನಿ ಯುವಾನ್ ಕಾವೊ ಅವರೊಂದಿಗೆ ಅಸಮಂಜಸ ಲ್ಯಾಬ್ಗಳನ್ನು ಸಹ-ಸ್ಥಾಪಿಸಿದರು. ವೈಜ್ಞಾನಿಕ ಆವಿಷ್ಕಾರಕ್ಕಾಗಿ AI ಅನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಮೂಲಭೂತವಾಗಿ ವಿಭಿನ್ನವಾದ ವಿಧಾನವನ್ನು ಪ್ರಾರಂಭಿಸುವ ಗುರಿಯನ್ನು ಸ್ಟಾರ್ಟ್ಅಪ್ ಹೊಂದಿದೆ. ಕೇವಲ ಬೃಹತ್ ದತ್ತಾಂಶ ಸೇವನೆಯ ಮೇಲೆ ಅವಲಂಬಿತರಾಗುವ ಬದಲು, ಅವರು ಅಂತರಶಿಸ್ತೀಯ ತಾರ್ಕಿಕತೆಯ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿರುವ ವ್ಯವಸ್ಥೆಯನ್ನು ನಿರ್ಮಿಸುತ್ತಿದ್ದಾರೆ.
ಪ್ಲೇಗ್ರೌಂಡ್ ಗ್ಲೋಬಲ್ ನೇತೃತ್ವದ ಫಂಡಿಂಗ್ ಸುತ್ತಿನಲ್ಲಿ ಅಸಮಂಜಸ ಲ್ಯಾಬ್ಸ್ ಇತ್ತೀಚೆಗೆ $13.5 ಮಿಲಿಯನ್ ಪಡೆದುಕೊಂಡಿದೆ. ಸುತ್ತಿನಲ್ಲಿ AIX ವೆಂಚರ್ಸ್, E14 ಫಂಡ್ ಮತ್ತು MS&AD ವೆಂಚರ್ಸ್ ಭಾಗವಹಿಸುವಿಕೆ ಕಂಡಿತು. ಈ ಮಹತ್ವದ ಹೂಡಿಕೆಯು ಅವರ ಕಾದಂಬರಿ ವಿಧಾನದಲ್ಲಿ ಮಾರುಕಟ್ಟೆಯ ನಂಬಿಕೆಯನ್ನು ಒತ್ತಿಹೇಳುತ್ತದೆ.
ವಿಜ್ಞಾನ ಇತಿಹಾಸದಲ್ಲಿ "ಆಹಾ" ಕ್ಷಣಗಳಿಂದ ಕಲಿಯುವುದು
"ಆಹಾ" ಕ್ಷಣಗಳಿಂದ ಅನೇಕ ಮಹಾನ್ ಆವಿಷ್ಕಾರಗಳು ಉದ್ಭವಿಸುತ್ತವೆ ಎಂಬುದು ಬ್ಯುಹ್ಲರ್ನ ಊಹೆಯಾಗಿದೆ. ವಿಜ್ಞಾನಿಗಳು ಸಂಪೂರ್ಣವಾಗಿ ವಿಭಿನ್ನ ಡೊಮೇನ್ನಲ್ಲಿ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸಲು ಒಂದು ಕ್ಷೇತ್ರದಿಂದ ಸಿದ್ಧಾಂತ ಅಥವಾ ಪರಿಕಲ್ಪನೆಯನ್ನು ಅನ್ವಯಿಸುವ ನಿದರ್ಶನಗಳಾಗಿವೆ. ಕಲ್ಪನೆಗಳ ಈ ಅಡ್ಡ-ಪರಾಗಸ್ಪರ್ಶವು ಪ್ರಗತಿಗೆ ಪ್ರಮುಖವಾಗಿದೆ.
1982 ರಲ್ಲಿ ಜಾನ್ ಹಾಪ್ಫೀಲ್ಡ್ ಅವರ ಕೆಲಸವು ಒಂದು ಶ್ರೇಷ್ಠ ಉದಾಹರಣೆಯಾಗಿದೆ. ಅವರು ಮಂದಗೊಳಿಸಿದ ವಸ್ತು ಭೌತಶಾಸ್ತ್ರದಿಂದ ಪರಿಕಲ್ಪನೆಗಳನ್ನು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಆಗಿನ ಹೊಸ ಕ್ಷೇತ್ರಕ್ಕೆ ಅನ್ವಯಿಸಿದರು. ಇದು ಹಾಪ್ಫೀಲ್ಡ್ ನೆಟ್ವರ್ಕ್ಗಳ ಅಭಿವೃದ್ಧಿಗೆ ಕಾರಣವಾಯಿತು, ಒಂದು ರೀತಿಯ ನರಮಂಡಲದ ನೆಟ್ವರ್ಕ್ ಕಲಿಯಲು ಮತ್ತು ನೆನಪುಗಳನ್ನು ಮರುಪಡೆಯಲು ಸಮರ್ಥವಾಗಿದೆ. ಇದು ಸಂಬಂಧವಿಲ್ಲದ ಶಿಸ್ತುಗಳನ್ನು ಸಂಪರ್ಕಿಸುವುದರಿಂದ ಹುಟ್ಟಿದ ಕ್ರಾಂತಿಕಾರಿ ಕಲ್ಪನೆ.
ಅಸಮಂಜಸ ಲ್ಯಾಬ್ಗಳ AI ಮುಖ್ಯವಾಹಿನಿಯ ಮಾದರಿಗಳಿಂದ ಹೇಗೆ ಭಿನ್ನವಾಗಿದೆ
ಅಸಮಂಜಸ ಲ್ಯಾಬ್ಗಳಲ್ಲಿ ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗುತ್ತಿರುವ AI ಅನ್ನು ಅಂತರಶಿಸ್ತೀಯ ಒಳನೋಟಕ್ಕಾಗಿ ಈ ಮಾನವ ಸಾಮರ್ಥ್ಯವನ್ನು ಅನುಕರಿಸಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ. ಅವರ ಗುರಿ ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಯನ್ನು ರಚಿಸುವುದಲ್ಲ ಆದರೆ ವೈಜ್ಞಾನಿಕ ಡೊಮೇನ್ಗಳಾದ್ಯಂತ ತರ್ಕಿಸಬಲ್ಲ ವ್ಯವಸ್ಥೆಯನ್ನು ನಿರ್ಮಿಸುವುದು.
ಅಂತರಶಿಸ್ತೀಯ ಜ್ಞಾನದ ಗ್ರಾಫ್ಗಳು: ಕೇವಲ ಪಠ್ಯದ ಮೇಲೆ ತರಬೇತಿ ನೀಡುವ ಬದಲು, ಅವರ AI ಅನೇಕ ವೈಜ್ಞಾನಿಕ ಕ್ಷೇತ್ರಗಳಿಂದ, ಜೀವಶಾಸ್ತ್ರದಿಂದ ಭೌತಶಾಸ್ತ್ರದವರೆಗೆ ರಚನಾತ್ಮಕ ಜ್ಞಾನವನ್ನು ಸಂಯೋಜಿಸುತ್ತದೆ. ಅನಲಾಜಿಕಲ್ ರೀಸನಿಂಗ್ ಇಂಜಿನ್ಗಳು: ಕೋರ್ ತಂತ್ರಜ್ಞಾನವು ವೈಜ್ಞಾನಿಕ ಆವಿಷ್ಕಾರದ ಪ್ರಮುಖ ಚಾಲಕ, ತೋರಿಕೆಯಲ್ಲಿ ಸಂಬಂಧವಿಲ್ಲದ ಪರಿಕಲ್ಪನೆಗಳ ನಡುವಿನ ಸಾದೃಶ್ಯಗಳು ಮತ್ತು ಸಮಾನಾಂತರಗಳನ್ನು ಕಂಡುಹಿಡಿಯುವುದರ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸುತ್ತದೆ. ಕಲ್ಪನೆಯ ಉತ್ಪಾದನೆ: ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಡೇಟಾವನ್ನು ವಿಶ್ಲೇಷಿಸಲು ಮಾತ್ರವಲ್ಲದೆ ಪರೀಕ್ಷಿಸಬಹುದಾದ ವೈಜ್ಞಾನಿಕ ಕಲ್ಪನೆಗಳನ್ನು ಪ್ರಸ್ತಾಪಿಸಲು ವ್ಯವಸ್ಥೆಯನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ.
ಈ ವಿಧಾನವು ದೊಡ್ಡದಾದ ಸ್ವಾಧೀನ ತಂತ್ರಗಳಿಂದ ಗಮನಾರ್ಹವಾದ ನಿರ್ಗಮನವನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆಟೆಕ್ ಸಂಸ್ಥೆಗಳು, ಉದಾಹರಣೆಗೆ AI ಸ್ಟಾರ್ಟ್ಅಪ್ ಫಾರ್ಥಾಟ್ನ ಝೆಂಡೆಸ್ಕ್ ಸ್ವಾಧೀನಪಡಿಸಿಕೊಳ್ಳುವಿಕೆ, ಇದು ಹೊಸ ರೀತಿಯ ಅನ್ವೇಷಣೆಯ ಪ್ರವರ್ತಕರಾಗುವುದಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಗ್ರಾಹಕ ಸೇವಾ ಅಪ್ಲಿಕೇಶನ್ಗಳನ್ನು ಪರಿಷ್ಕರಿಸುವತ್ತ ಗಮನಹರಿಸುತ್ತದೆ.
AI-ಚಾಲಿತ ಅನ್ವೇಷಣೆಯ ಭವಿಷ್ಯ
ಯಶಸ್ವಿಯಾದರೆ, ಅಸಮಂಜಸ ಲ್ಯಾಬ್ಗಳ ತಂತ್ರಜ್ಞಾನವು ನಿರ್ಣಾಯಕ ಪ್ರದೇಶಗಳಲ್ಲಿ ಸಂಶೋಧನೆಯನ್ನು ವೇಗಗೊಳಿಸುತ್ತದೆ. ರಸಾಯನಶಾಸ್ತ್ರ ಮತ್ತು ತಳಿಶಾಸ್ತ್ರದ ತತ್ವಗಳನ್ನು ಸಂಯೋಜಿಸುವ ಮೂಲಕ ಹೊಸ ಔಷಧ ಸಂಯುಕ್ತವನ್ನು ಸೂಚಿಸುವ AI ಅನ್ನು ಕಲ್ಪಿಸಿಕೊಳ್ಳಿ. ಅಥವಾ ನ್ಯಾನೊತಂತ್ರಜ್ಞಾನ ಮತ್ತು ಥರ್ಮೋಡೈನಾಮಿಕ್ಸ್ನಿಂದ ಪರಿಕಲ್ಪನೆಗಳನ್ನು ಲಿಂಕ್ ಮಾಡುವ ಮೂಲಕ ಸಮರ್ಥನೀಯ ಶಕ್ತಿಗಾಗಿ ಹೊಸ ವಸ್ತುವನ್ನು ಪ್ರಸ್ತಾಪಿಸುವ ಮಾದರಿ.
ವೈದ್ಯಕೀಯ ಸಂಶೋಧನೆಯನ್ನು ವೇಗಗೊಳಿಸುವುದರಿಂದ ಹಿಡಿದು ಸಂಕೀರ್ಣ ಪರಿಸರ ಸವಾಲುಗಳನ್ನು ಪರಿಹರಿಸುವವರೆಗೆ ಸಂಭಾವ್ಯ ಅಪ್ಲಿಕೇಶನ್ಗಳು ವಿಶಾಲವಾಗಿವೆ. ಇದು AI ಗಾಗಿ ಮುಂದಿನ ಗಡಿಯನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ, ಮಾನವನ ಚತುರತೆಯಲ್ಲಿ ನಿಜವಾದ ಪಾಲುದಾರರಾಗಲು ಸ್ವಯಂಚಾಲಿತತೆಯನ್ನು ಮೀರಿ ಚಲಿಸುತ್ತದೆ.
ತೀರ್ಮಾನ: AI ಇನ್ನೋವೇಶನ್ನ ಮುಂದಿನ ಅಲೆ
ವಿಜ್ಞಾನದ ಅನ್ವೇಷಣೆಗಾಗಿ AI ಅನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವ ಓಟವು ಬಿಸಿಯಾಗುತ್ತಿದೆ, ಆದರೆ ಅಸಮಂಜಸ ಲ್ಯಾಬ್ಗಳಂತಹ ವಿಶೇಷವಾದ ಪ್ರಾರಂಭದೊಂದಿಗೆ ನಿಜವಾದ ಯಶಸ್ಸು ಇರುತ್ತದೆ. ಅಂತರಶಿಸ್ತೀಯ ತಾರ್ಕಿಕತೆಯ ಮೇಲಿನ ಅವರ ಗಮನವು ಪ್ರಸ್ತುತ ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಗಳ ಮಿತಿಗಳನ್ನು ಮೀರಿ ಭರವಸೆಯ ಮಾರ್ಗವನ್ನು ನೀಡುತ್ತದೆ. ನಿಜವಾಗಿಯೂ ಅನ್ವೇಷಿಸಬಹುದಾದ AI ಅನ್ನು ರಚಿಸುವ ಪ್ರಯಾಣವು ಪ್ರಾರಂಭವಾಗಿದೆ.
AI ಮತ್ತು ತಂತ್ರಜ್ಞಾನದಲ್ಲಿನ ಇತ್ತೀಚಿನ ಆವಿಷ್ಕಾರಗಳ ಕುರಿತು ನವೀಕೃತವಾಗಿರಿ. ಹೆಚ್ಚಿನ ಒಳನೋಟಗಳಿಗಾಗಿ ಮತ್ತು ಈ ಲೇಖನವನ್ನು ಸುಲಭವಾಗಿ ಹಂಚಿಕೊಳ್ಳಲು, ನಿಮ್ಮ ನೆಚ್ಚಿನ ವಿಷಯವನ್ನು ಕ್ಯೂರೇಟ್ ಮಾಡಲು ಸೀಮ್ಲೆಸ್ನಲ್ಲಿ ನಿಮ್ಮ ಉಚಿತ ಲಿಂಕ್-ಇನ್-ಬಯೋ ಪುಟವನ್ನು ರಚಿಸಿ.
