Eneo la Kujifunzia
Sehemu kuu ya kuanzia kwa maudhui yote ya kujifunza — kwa kuongozwa au kwa uhuru, jinsi unavyopenda.
Msingi
Inawafikia watumiaji bila ujuzi wowote wa awali. Yeyote anayeweza kutumia kompyuta anaanza hapa.
Kozi ya mwanzo ya akili bandia
Mfululizo wa utangulizi kwa wanaoanza: sehemu tano na mwongozo wa portal — bila ujuzi wa awali, bila konsoli, bila fomula.
Baadaye utajua akili bandia ni nini na si nini, jinsi mashine zinavyojifunza, jinsi ya kuzungumza na modeli ya lugha, lini unaweza kuiamini — na wapi uendelee ndani ya portal.
Sehemu ya 1: Akili bandia ni nini, na kwa nini umekuwa ukiitumia kwa miaka?
Inakuja hivi karibuni
Pakua Cheti
Bonyeza kuona hali
Uendeshaji na Mstari wa Amri
Jinsi kompyuta inavyofanya kazi, APIs ni nini, jinsi ya kutumia terminal, kuweka mazingira ya usanidi, kutumia Git na kuelewa Open Source.
Utaelewa jinsi kompyuta zinavyofanya kazi, utasogea kwa usalama kwenye terminal, utatumia Git na kuelewa Open Source.
Jinsi kompyuta inavyo"fikiri"
CPU, GPU, RAM, Diski Kuu na msimbo wa binary - misingi ya vifaa.
Mtandao na APIs
Mteja, seva, maombi ya HTTP na APIs kama miingiliano.
Terminal
GUI dhidi ya CLI, njia na amri muhimu zaidi.
Mazingira yako ya usanidi
Editor, IDE na kila kitu kinachoambatana: kuweka mahali ambapo mawazo yanakuwa mafaili.
Udhibiti wa Toleo na Git
Hifadhi, Commit, Tawi na GitHub kama hifadhi ya wingu.
Open Source dhidi ya Closed Source
Msimbo wa chanzo, leseni (GPL, MIT) na kwa nini uwazi ni muhimu.
Pakua Cheti
Bonyeza kuona hali
Python na Mantiki ya Programu
Kutoka kwa vigeuzi hadi miundo ya udhibiti na kazi, hadi madarasa, vifurushi na mazingira ya kawaida.
Utapanga katika Python, kuelewa aina za data, miundo ya udhibiti, OOP na kuweka mazingira safi ya maendeleo.
Vigeuzi na Aina za Data
String, Integer, Float, Boolean na ugawaji.
Miundo ya Udhibiti
Matawi ya If/Else na Mizunguko (For, While).
Kazi
Vigezo, thamani za kurudisha na msimbo wa moduli.
Wakati Msimbo Unavunjika (Makosa na Utatuzi)
Hitilafu ya Sintaksia dhidi ya Hitilafu ya Mantiki, Try/Catch na kusoma Stack Traces.
Orodha na Kamusi
Arrays, Hifadhi za Ufunguo-Thamani na ufikiaji kulingana na faharisi.
Upangaji Unaozingatia Vitu (Madarasa na Vitu)
Darasa, kitu, njia na sifa - mpango wa msimbo tata.
Maktaba za Msimbo za Nje (Vifurushi)
Pip, Utegemezi, Import - usizunde upya gurudumu.
Povu la Kutengwa (Mazingira ya Kawaida / Docker)
venv, vyombo na mazingira yanayoweza kuzalishwa tena.
Pakua Cheti
Bonyeza kuona hali
Warsha
Vitendo kwa watengenezaji. Inazingatia matumizi, zana na mtiririko wa kazi wa kisasa.
Sanaa ya Kuzalisha (Picha na Video)
Uzalishaji wa picha, Stable Diffusion, LoRA, ControlNet na Uboreshaji wa Mtiririko wa Kazi.
Utazalisha picha zako na Stable Diffusion, kuelewa Maandishi-kwa-Picha na kumudu LoRA, ControlNet na Upscaling.
Uzalishaji wa Picha (Kutoka Maandishi hadi Pikseli)
Maandishi-kwa-Picha, Uandishi wa Maelekezo na Mbegu (Thamani ya Nasibu).
Zana (Stable Diffusion Forge)
UI, VRAM ya ndani na Kasi ya Uzalishaji.
Udhibiti na Urekebishaji
LoRA, Upakiaji ndani na Upakiaji nje.
Uboreshaji wa Mtiririko wa Kazi
ControlNet (Mkao, Kingo) na Upscaling.
GANs - Maonyesho ya Mwingiliano
Pata uzoefu wa mwingiliano jinsi GANs zinavyozalisha picha.
HiariPakua Cheti
Bonyeza kuona hali
Mifano ya Lugha ya Ndani
Mfumo wa Hugging Face, kuendesha mifano kwa ndani na kuelewa Uhesabu wa Nambari.
Utaelewa Hugging Face, kuleta mifano kwenye PC yako na kuelewa Uhesabu wa Nambari.
Mawakala na Uotomatishaji
Maelekezo ya Mfumo, Uhandisi wa Maelekezo, RAG, Uwasiliani wa Kazi, APIs na Mtiririko wa Kazi Usio na Msimbo.
Utaunda Maelekezo ya Mfumo, kujenga mabomba ya RAG, kutumia Uwasiliani wa Kazi na kuotomatisha Mtiririko wa Kazi na n8n.
Kumpa Mfano Kazi (Maelekezo ya Mfumo)
Elekezo la Mfumo, Kucheza Majukumu, One-Shot dhidi ya Few-Shot.
Uhandisi wa Maelekezo (Mnyororo wa Mawazo)
Zero-Shot, Mnyororo-wa-Mawazo na Kuepuka Maelezo ya Uongo.
Kuunganisha Data Yako (RAG)
Uzalishaji Ulioimarishwa na Urejeshaji, Kugawanya, Embeddings na Hifadhidata ya Vekta.
Uwasiliani wa Kazi (Wakati AI Inabonyeza Vitufe)
Matokeo ya JSON, Matumizi ya Zana - AI inaamua ni zana gani ya kutekeleza.
Kutumia Miingiliano (APIs na MCP)
Ufunguo wa API, Itifaki ya Muktadha wa Mfano na Usanifu wa Seva kwa Mawakala wa AI.
Mtiririko wa Kazi Usio na Msimbo (n8n)
Kichocheo, Nodi, Uotomatishaji wa Mtiririko wa Kazi na Webhooks.
Pakua Cheti
Bonyeza kuona hali
AI katika Uendelezaji wa Programu
Vibecoding, Uhandisi wa Muktadha, Harness Engineering na Upangaji wa Wakala — njia mpya ya kupanga.
Utapanga na AI, kumudu Uhandisi wa Muktadha na kutumia Mawakala wa Kupanga kwa Uhuru.
Upangaji wa Lugha Asili (Vibecoding)
Inapatikana kutoka 21 Okt 2026
Uhandisi wa Muktadha
Inapatikana kutoka 21 Okt 2026
Harness Engineering: Nguzo za Kuongoza badala ya Matumaini
Inapatikana kutoka 21 Okt 2026
Upangaji wa Wakala (AI Zinazoandika Peke Yao)
Inapatikana kutoka 21 Okt 2026
Pakua Cheti
Bonyeza kuona hali
Ubora wa Programu na Majaribio
Kusoma tests, kuelewa ukaguzi wa kimashine, kukubali mabadiliko na kulinda siri — ubora bila ujuzi wa uprogramu.
Utasoma test na kutambua kinachokaguliwa kweli, utaelewa ukaguzi mwekundu wa kimashine, utamuuliza Agent maswali matatu ambayo jibu lake unaweza kulithibitisha mwenyewe, na utajua kisichopaswa kuingia kwenye Repository kamwe.
Kuelewa tests, wakati Agent ndiye anaziandika
Inapatikana kutoka 18 Nov 2026
Gates: Wavu wa usalama wa ukaguzi wa kimashine
Inapatikana kutoka 18 Nov 2026
Review bila ujuzi wa uprogramu
Inapatikana kutoka 18 Nov 2026
Siri na Usalama: Kisichopaswa Kuingia Kwenye Repository Kamwe
Inapatikana kutoka 18 Nov 2026
Pakua Cheti
Bonyeza kuona hali
Chuo
Mafunzo ya kina ya sayansi ya kompyuta. Inafanana na moduli za AI za chuo kikuu, lakini inayopatikana kwa wote.
Miundo ya Sayansi ya Kompyuta na Algoriti
Algoriti ni nini, jinsi zinavyopanuka na miundo gani ya data inayoendesha sayansi ya kompyuta.
Utaelewa algoriti, alama ya Big-O, Mzunguko wa Kujiita na miundo muhimu ya data (mstari, kihierarkia, kulingana na ufunguo).
Algoriti ni Nini?
Udhibitishaji, umilisi, ingizo/matokeo - mapishi ya mashine.
Ugumu wa Algoriti (Big-O)
Kuelewa upanuzi: mstari, pande mbili, kipeo.
Miundo ya Data I (Mstari)
Array, Orodha Iliyounganishwa, Msururu, Foleni.
Mzunguko wa Kujiita
Hali ya Msingi, Simu ya Kujiita na Stack Overflow - mizunguko kwenye steroid.
Miundo ya Data II (Kihierarkia na Mtandao)
Mti, Mti wa Utafutaji wa Binary, Grafu, Nodi, Ukingo.
Miundo ya Data III (Kulingana na Ufunguo)
Jedwali la Hash, Jozi la Ufunguo-Thamani na Uhifadhi wa Muda.
Travelling Salesman — pale kujaribu kunapochukua muda mrefu mno
Onyesho la kwanza la njia hii: pata safari fupi zaidi ya kuzunguka miji mingi — tatizo la aina ya NP-hard linaloonyesha mipaka ya nguvu ya kukokotoa na kwa nini tunahitaji heuristiki werevu kama Simulated Annealing.
HiariPakua Cheti
Bonyeza kuona hali
Hisabati ya Data
Takwimu na uwezekano kama msingi wa Machine Learning.
Utaelewa vigezo vya eneo, mtawanyiko, usambazaji, uhusiano, uwezekano na nadharia ya Bayes.
Vigezo vya Eneo (Katikati Iko Wapi?)
Wastani, Kati na Tofauti kubwa.
Mtawanyiko (Umbali Gani kutoka Katikati?)
Tofauti, Kupotoka kwa Kawaida na Upana.
Usambazaji (Umbo la Data)
Usambazaji wa Kawaida, Upotoshaji na Mkia Mrefu.
Mahusiano Kati ya Data
Uhusiano, Sababu na Confounder.
Uwezekano na Thamani Inayotarajiwa
Uwezekano, Thamani Inayotarajiwa na Hesabu ya Hatari/Faida.
Bayes na Uwezekano wa Masharti
Nadharia ya Bayes: Kubadilisha maoni kwa ujuzi mpya.
Naive Bayes - Maonyesho ya Mwingiliano
Ainisha maandishi moja kwa moja kwa algoriti ya Naive Bayes.
HiariPakua Cheti
Bonyeza kuona hali
Aljebra ya Mstari na Hisabati ya Mabadiliko
Vekta, Matrices, Tensors, Derivatives na Kanuni ya Mnyororo - lugha ya Deep Learning.
Utaelewa vekta, matrices, tensors, derivatives, derivatives za sehemu na kanuni ya mnyororo kama msingi wa Backpropagation.
Nafasi na Mwelekeo (Vekta)
Skala, Vekta, Vipimo na Nafasi ya Vekta.
Jedwali la Data na Mabadiliko (Matrices)
Matrix, Kuzidisha kwa Matrix, Mabadiliko na Bidhaa ya Skala.
Tensors (Lugha ya GPUs)
Tensor kama Array yenye vipimo vingi, Kubatilisha na Umbo.
Kupima Mabadiliko (Derivatives)
Mteremko, Kiwango cha Mabadiliko na Kima cha Chini/Juu.
Derivatives za Sehemu na Gradient
Mteremko wa vipimo vingi na vekta ya gradient.
Kazi Zilizopachikwa (Kanuni ya Mnyororo)
Muundo wa Kazi na Kanuni ya Mnyororo - hatua ya awali ya Backpropagation.
Pakua Cheti
Bonyeza kuona hali
AI ya Kisymboli ya Kawaida
Kutoka Turing hadi utafutaji, heuristics na nadharia ya mchezo hadi mifumo ya wataalamu na Baridi ya AI.
Utaelewa asili ya AI, utasogea kwenye nafasi za hali, utamudu Pathfinding na Nadharia ya Mchezo na ujue mafunzo ya Baridi ya AI.
Kuzaliwa kwa AI (Kutoka Turing hadi Dartmouth)
Mtihani wa Turing, Mkutano wa Dartmouth (1956), ELIZA - muktadha wa kihistoria.
Utafutaji katika Grafu
Nafasi ya Hali, Utafutaji wa Upana (BFS) na Utafutaji wa Kina (DFS).
Heuristics na Kutafuta Njia
Heuristic, Kazi ya Gharama, Dijkstra na Algoriti A*.
Kutafuta Njia A* - Maonyesho ya Mwingiliano
Tazama A* na Dijkstra wakisogea kwenye msitu.
HiariMawakala katika Migogoro (Nadharia ya Mchezo)
Mifumo ya Mawakala Wengi, Mchezo wa Jumla Sifuri na Usawa wa Nash.
MinMax na Kupunguza
Mti wa Uamuzi, Mkakati wa MinMax na Kupunguza kwa Alpha-Beta.
MinMax - Maonyesho ya Mwingiliano
Cheza Tic-Tac-Toe dhidi ya AI isiyoshindwa ya MinMax.
HiariKanuni na Mantiki (Mifumo ya Wataalamu)
Mfumo wa Wataalamu, Injini ya Uelekezaji, Kanuni za Kama-Basi na Mlipuko wa Kombinatoriki.
AI inayotegemea Kanuni - Maonyesho ya Mwingiliano
Pata uzoefu wa mwingiliano wa jinsi mfumo wa wataalamu unavyounda mnyororo wa sababu na athari.
HiariRoboti wa Mazungumzo ELIZA - Maonyesho ya Mwingiliano
Zungumza na roboti wa kwanza wa matibabu wenye kanuni katika historia.
HiariBaridi ya AI (Kushindwa na Mafunzo)
Ripoti ya Lighthill, ahadi zilizopitiliza na kwa nini AI ya kisymboli ilishindwa kutokana na ugumu.
Pakua Cheti
Bonyeza kuona hali
Misingi ya Machine Learning
Mabadiliko ya paradigma: Kutoka kupanga hadi kufunza - Supervised, Unsupervised na zana za tathmini.
Utaelewa mifano ya ML, kufunza mifano ya Supervised Learning, kutathmini kwa vipimo na kujua Overfitting na Unsupervised Learning.
Kupanga dhidi ya Kufunza
Machine Learning, Data ya Mafunzo, Mfano na Uelekezaji.
Supervised Learning (Kujifunza na Mwalimu)
Lebo, Vipengele, Lengo, Uainishaji dhidi ya Urejeshaji.
Urejeshaji wa Mstari na Logistiki
Mstari wa Kukidhi, Sigmoid na Kazi ya Hitilafu (MSE).
Malighafi (Uhandisi wa Data)
Uhandisi wa Vipengele, Thamani Zilizokosekana na Kawaida.
Vigezo dhidi ya Vigezo Vikuu
Kinachojifunzwa na AI yenyewe dhidi ya kinachowekwa na binadamu.
Wakati Mwanafunzi Anakariri
Overfitting, Underfitting, Mgawanyiko wa Mafunzo-Mtihani na Seti ya Uthibitishaji.
Kutathmini Mifano
Usahihi, Usahihi wa Utabiri, Ukumbusho, Alama ya F1 na Matrix ya Mkanganyiko.
Unsupervised Learning (Muundo katika Msongamano)
Kupanga (k-Means), Kupunguza Vipimo (PCA) na Ugunduzi wa Usio wa Kawaida.
Supervised Learning - Maonyesho ya Mwingiliano
Funza mfano na uangalie mpaka wa uamuzi.
HiariMti wa maamuzi — kiainishi cha uwazi
Tazama jinsi mti wa maswali ya ndiyo/hapana unavyogawanya data — na uone moja kwa moja jinsi unavyoingia kwenye overfitting maswali yanapokuwa mengi mno. Algoriti iliyo wazi zaidi katika kisanduku cha zana za ML.
HiariK-Means Clustering - Maonyesho ya Mwingiliano
Tazama jinsi K-Means inavyopanga nukta za data katika vikundi.
HiariPakua Cheti
Bonyeza kuona hali
Deep Learning (Mapinduzi ya Neva)
Kutoka neuroni bandia hadi Uanzishaji, Tabaka Zilizofichwa na Kazi za Hasara hadi Kushuka kwa Gradient na Backpropagation.
Utaelewa mitandao ya neva kutoka Perceptron hadi Backpropagation na kuweza kufuata mchakato kamili wa mafunzo.
Neuroni Bandia
Perceptron, Uzito, Upendeleo na Jumla.
Perceptron - Maonyesho ya Mwingiliano
Funza mtandao rahisi zaidi wa neva hatua kwa hatua.
HiariCheche ya Kuwasha (Uanzishaji)
Umstari dhidi ya Usio wa Umstari, ReLU na Sigmoid.
Mtandao (Tabaka Zilizofichwa)
Mtandao wa Neva Wenye Kina, Tabaka Zilizofichwa na Mwendo wa Mbele.
Neural Network Playground - Maonyesho ya Mwingiliano
Jenga usanifu wako wa mtandao, funza moja kwa moja na utazame Backpropagation ikifanya kazi.
HiariJinsi AI Inavyohesabu Jinsi Inavyokosea
Kazi ya Hasara, Makosa ya Wastani ya Mraba na Entropy ya Msalaba.
Njia Kwenda Bondeni (Kushuka kwa Gradient)
Kushuka kwa Gradient, Kiwango cha Kujifunza na Kima cha Chini cha Ndani/Kimataifa.
Gradient Descent - Maonyesho ya Mwingiliano
Tazama kiboreshaji kikishuka bondeni — hatua kwa hatua.
HiariMoyo wa Kujifunza (Backpropagation)
Backpropagation na Kurudisha Hitilafu - kulingana na Kanuni ya Mnyororo.
Pakua Cheti
Bonyeza kuona hali
Usanifu wa Kisasa (GenAI)
Kutoka Ukengeushaji hadi Embeddings, CNNs, RNNs na Transformers hadi LLMs, Transfer Learning na Diffusion.
Utaelewa Ukengeushaji, Embeddings, CNNs, RNNs, Transformers, LLMs, Transfer Learning, Sampuli na Diffusion.
Ukengeushaji (Alfabeti ya Mashine)
Tokeni, BPE, Dirisha la Muktadha - kwa nini AI haielewi silabi.
Embeddings na Nafasi ya Latent
Word2Vec, Vekta za Embedding na Umbali wa Kisemantiki.
Word embeddings — maana kama ramani
Nyongeza shirikishi ya sura ya embeddings: maneno huwa nukta, maneno yanayofanana husogeleana, na mfalme - mwanaume + mwanamke hufika kwa malkia. Hivi ndivyo semantiki ya vekta inavyohisiwa.
HiariMaono ya Kompyuta (CNNs)
Mshindano, Kichujio/Kiini, Kupanga Pamoja na Uchimbaji wa Vipengele.
Convolutional Filter - Maonyesho ya Mwingiliano
Tambua moja kwa moja jinsi vichungi vya CNN vinavyotambua kingo, maumbo na ruwaza.
HiariWakati na Mfululizo (RNNs)
Data ya Mfululizo, Mitandao ya Neva ya Mzunguko na Gradient Inayopotea.
Mafanikio (Transformers na Makini)
Kujikazia kwa Kibinafsi, Swali/Ufunguo/Thamani na Kizuizi cha Transformer.
Attention - Maonyesho ya Mwingiliano
Elewa Query/Key/Value hatua kwa hatua — moyo wa kila Transformer.
HiariMifano Mikubwa ya Lugha (LLMs)
Mfano wa Msingi, Mafunzo ya Awali, Utabiri wa Tokeni Inayofuata na Ukubwa wa Kigezo.
Transfer Learning na Fine-Tuning
Uzito Uliofunzwa Awali, Alama na LoRA.
Sampuli na Joto
Softmax, Joto, Top-K/Top-P - kwa nini ChatGPT haisemi kitu kimoja kila wakati.
Mifano ya Picha ya Kuzalisha (Diffusion)
Nafasi ya Latent, Kelele, Kuondoa Kelele na Maandishi-kwa-Picha.
GANs - Maonyesho ya Mwingiliano
Pata uzoefu wa mwingiliano jinsi GANs zinavyozalisha picha.
HiariPakua Cheti
Bonyeza kuona hali
Kujifunza kwa Reinforcement
Kujifunza kupitia tuzo: Kutoka kanuni ya msingi hadi Q-Learning na RLHF.
Utaelewa Kujifunza kwa Reinforcement, MDP, Q-Learning na RLHF - jinsi ChatGPT inavyojifunza adabu.
Karoti na Fimbo (Kanuni)
Wakala, Mazingira, Hali, Kitendo na Tuzo.
Multi-Armed Bandit - Maonyesho ya Mwingiliano
Pitia mtanziko kati ya uchunguzi na utumiaji kwenye mashine ya kucheza kamari.
HiariKuendeleza Mikakati (Q-Learning na MDPs)
Mchakato wa Uamuzi wa Markov, Sera, Uchunguzi dhidi ya Utumiaji.
Q-Learning - Maonyesho ya Mwingiliano
Tazama wakala akitafuta njia ya kutoka kwa Q-Learning.
HiariRLHF (Jinsi LLMs Zinavyojifunza Adabu)
Kujifunza kwa Reinforcement kutoka kwa Maoni ya Binadamu, Usawazishaji na Mfano wa Tuzo.
Pakua Cheti
Bonyeza kuona hali
Jamii na Ujumuishaji
Athari za kijamii na kisheria, iliyoundwa kwa makundi maalum ya walengwa.
Maadili na Hadithi
Ufahamu, Upendeleo, Hakimiliki na Sindano za Maelekezo - maswali muhimu kuhusu AI.
Utatofautisha AGI na Takwimu, kuelewa Upendeleo wa Mafunzo kwa uchambuzi, kujua maswali ya Hakimiliki na hatari za Sindano za Maelekezo.
Ufahamu dhidi ya Uwezekano
AGI, Hisia na Kasuku ya Takwimu.
Upendeleo na Ubora wa Data
Upendeleo wa Mafunzo, Nadharia ya Kutokuwa na Uwezekano, Ishara dhidi ya Kelele.
Hakimiliki na Wizi wa Data
Matumizi ya Haki, Kujiondoa na Hakimiliki katika Data Ghafi ya Mafunzo.
Usalama na Sindano za Maelekezo
Jailbreaks, Uchimbaji wa Data na jinsi Mifano ya Lugha inavyodanganywa.
Pakua Cheti
Bonyeza kuona hali
Ulaya na Sheria
EU AI Act, Udhibiti wa Mifano ya Msingi na Ulinzi wa Data katika Programu za AI.
Utaelewa EU AI Act, wajibu wa uwazi kwa Mifano ya Msingi na athari za GDPR kwa AI.
EU AI Act
Inapatikana kutoka 4 Nov 2026
Udhibiti wa Mifano ya Msingi
Inapatikana kutoka 4 Nov 2026
Ulinzi wa Data na AI (GDPR)
Inapatikana kutoka 4 Nov 2026
Pakua Cheti
Bonyeza kuona hali
Kwa Wazee (AI katika Maisha ya Kila Siku)
Msaidizi wa kidijitali, Usalama mtandaoni na Kudumisha Uhuru.
Utatumia AI kama msaidizi wa kila siku, kutambua mbinu za udanganyifu na kudumisha udhibiti wa data yako.
Msaidizi wa Kidijitali
Msaidizi wa Sauti, Tafsiri na Kusoma kwa Sauti.
Mawasiliano ya Kwanza na AI - Maonyesho ya Mwingiliano
Mazungumzo salama ya kwanza na roboti rahisi wa mazungumzo.
HiariUsalama na Ulinzi wa Udanganyifu
Mbinu ya Mjukuu 2.0, Kuiga Sauti na Ugunduzi wa Uvuvi.
Ngao ya Kulinda Barua Pepe - Maonyesho ya Mwingiliano
Tazama jinsi kichujio cha barua taka kinavyotambua barua pepe zinazoshukiwa.
HiariKudumisha Uhuru
Kujiondoa kwa Watoa Huduma na Kudhibiti Kushiriki kwa Data.
Pakua Cheti
Bonyeza kuona hali
Kwa Wanafunzi
Kujifunza na AI badala ya Kudanganya, Kutambua Deepfakes na Kukagua Vyanzo kwa Makini.
Utatumia AI kama mshauri wa kujifunza, kutambua Deepfakes na Vyombo vya Habari vya Synthetic na kukagua vyanzo kwa makini.
Kujifunza na AI (badala ya kudanganya)
Mazungumzo ya Kisokrasi, Mshauri wa Kujifunza na Kuuliza kwa Makini kuhusu Maelezo ya Uongo.
Ukweli Mtandaoni
Deepfakes, Ukaguzi wa Vyanzo na Vyombo vya Habari vya Synthetic.
Magari Yanajifunza Kuendesha - Maonyesho ya Mwingiliano
Tazama jinsi magari yanavyojifunza kumudu mzunguko wa mbio kwa Neuroevolution. Endesha mwenyewe na ujilinganishe na AI.
HiariKucheza dhidi ya Kompyuta - Maonyesho ya Mwingiliano
Shindana dhidi ya AI inayochagua mwendo bora kwa MinMax.
HiariRoboti wa Kwanza wa Mazungumzo - Maonyesho ya Mwingiliano
Zungumza na ELIZA, roboti wa kwanza wa mazungumzo katika historia.
HiariPakua Cheti
Bonyeza kuona hali
Second Brain & Pacha wa Kidijitali
Kupanga maarifa nje ya kichwa — na kuelewa nakala za kidijitali za vitu halisi zinaweza nini na mipaka yake iko wapi.
Utaunda Second Brain yako mwenyewe, badala ya kukusanya madokezo ambayo hutayasoma tena, na utaeleza kinachotofautisha pacha wa kidijitali na uigaji wa kawaida.
Second Brain: Kumbukumbu yako ya nje
Inapatikana kutoka 2 Des 2026
Pacha wa kidijitali
Inapatikana kutoka 2 Des 2026
Pakua Cheti
Bonyeza kuona hali
Mambo ya Ajabu
Jumba linalokua la maonyesho ambayo hayafai katika njia yoyote ya mada — classics, mambo ya ajabu, vipekee vya kuvutia.
Mambo ya Ajabu
Nyumba ya maonyesho ambayo hayahusiani na njia nyingine yoyote — classics, mambo ya ajabu, vipekee vya kuvutia. Jumba linalokua bila mtaala wa pamoja. Wakati mwingine moja inahamia kwenye njia ya mada, wakati mwingine mpya inajiunga.
Mkono uliochaguliwa wa maonyesho ya kujitegemea — matembezi kwa wadadisi. Hakuna kazi za nyumbani, tu uchunguzi.