Raspberry Pi AI HAT+ 2: Ito ang bagong lokal na alok ng AI para sa Raspberry Pi 5

Ang pagdating ng Raspberry Pi AI HAT+ 2 Ito ay nagmamarka ng isang bagong hakbang para sa mga gustong direktang gumamit ng artificial intelligence sa isang... Raspberry Pi 5 nang hindi permanenteng umaasa sa cloud. Nagdaragdag ang expansion board na ito ng nakalaang neural accelerator at sarili nitong memorya, kaya naman ang malaking bahagi ng pagproseso ng AI ay inililipat mula sa pangunahing CPU, na nagbibigay-daan para sa mas ambisyosong generative na AI at mga proyekto sa computer vision.

Sa rekomendadong presyo na humigit-kumulang $130 (Ang pinal na presyo sa Espanya at sa iba pang bahagi ng Europa ay mag-iiba depende sa mga buwis at opisyal na margin ng distributor.) Ang AI HAT+ 2 ay itinuturing na isang medyo abot-kayang opsyon sa loob ng embedded AI ecosystem. Hindi ito nakikipagkumpitensya sa malalaking server o dedikadong GPU, ngunit nag-aalok ito ng isang kawili-wiling balanse sa pagitan ng gastos, pagkonsumo ng kuryente, at pagganap. IoT, automation, edukasyon, at prototyping.

Ano ang Raspberry Pi AI HAT+ 2 at paano ito naiiba sa unang henerasyon?

Ang Raspberry Pi AI HAT+ 2 ay isang opisyal na plaka ng pagpapahaba Dinisenyo para sa Raspberry Pi 5, kumokonekta ito sa pamamagitan ng integrated PCI Express interface ng motherboard at ginagamit din ang GPIO connector para sa pag-mount. Ito ang direktang kahalili ng unang AI HAT+, na inilabas noong 2024, na iniaalok sa mga variant na may mga accelerator. Hailo‑8L (13 TOPS) at Hailo‑8 (26 TOPS) at lubos na nakatutok sa mga gawain sa computer vision.

Sa ikalawang henerasyong ito, ang Raspberry Pi ay tumataya sa isang Akselerator ng neural network na Hailo-10H sinamahan ng 8 GB ng memorya ng LPDDR4X nakalaan sa mismong card. Ang kombinasyong ito ay dinisenyo upang suportahan ang mga workload ng generative AI sa gilid, tulad ng mga compact language model, vision-language model, at mga multimodal na aplikasyon na pinagsasama ang imahe at teksto.

Ang katotohanan ng pagsasama pinagsamang DRAM Nangangahulugan ito na ang pagpapatakbo ng mga modelo ng AI ay hindi direktang kumukonsumo sa pangunahing memorya ng Raspberry Pi 5. Ang motherboard ay maaaring tumuon sa application logic, user interface, koneksyon, o imbakan, habang ang NPU ang humahawak sa karamihan ng hinuha. Sa pagsasagawa, nakakatulong ito na mapanatiling magagamit ang sistema habang tumatakbo ang mga modelo ng AI sa background.

Ayon mismo sa Raspberry Pi, ang paglipat mula sa unang AI HAT+ patungo sa bagong modelong ito ay halos transparent Para sa mga proyektong gumagamit na ng Hailo-8 accelerators, pinapanatili ang integrasyon sa kapaligiran ng kamera at software stack ng kumpanya, upang maiwasan ang malawakang muling pagsulat.

Hardware, performance at konsumo ng kuryente: hanggang 40 TOPS gamit ang Hailo-10H NPU

Ang puso ng AI HAT+ 2 ay ang Hailo-10HIsang espesyalisadong neural network accelerator na idinisenyo upang mahusay na magpatakbo ng mga hinuha sa mga low-power na device. Pinag-uusapan ng Raspberry Pi at Hailo ang hanggang 40 PINAKAMAHUSAY na pagganap (mga operasyon sa bawat segundo), mga numerong nakuha gamit ang quantization sa INT4 at INT8, karaniwan kapag ang mga modelo ay naka-deploy sa gilid.

Isa sa mga pangunahing punto ay ang chip ay limitado sa isang kapangyarihan na humigit-kumulang 3W na pagkonsumo ng kuryenteDahil dito, maaari itong maisama sa mga compact enclosure at mga naka-embed na proyekto nang hindi gaanong tumataas ang mga kinakailangan sa pagpapalamig o mga singil sa kuryente, na mahalaga para sa mga device na maaaring aktibo 24/7. Gayunpaman, ang paghihigpit na ito ay nangangahulugan na ang kabuuang ani Hindi ito palaging magiging nakahihigit sa kayang ialok mismo ng Raspberry Pi 5 kapag ang CPU at GPU nito ay napupunta sa kanilang mga limitasyon sa ilang partikular na lubos na na-optimize na workload.

Kung ikukumpara sa nakaraang modelo, malinaw ang hakbang: ito ay nagmumula sa 13/26 TOPS na may Hailo‑8L/Hailo‑8 Nakakamit nito ang 40 TOPS gamit ang Hailo-10H, at sa unang pagkakataon, idinagdag ang 8 GB ng nakalaang onboard memory. Ang unang AI HAT+ ay mahusay sa mga gawain tulad ng pagtuklas ng bagay, pagtatantya ng pose, at segmentasyon ng eksena; pinapanatili ng bagong bersyon ang mga ganitong uri ng aplikasyon ngunit pinalalawak ang pokus nito sa mga modelo ng wika at mga gamit na multimodal.

Gayunpaman, nilinaw mismo ng Raspberry Pi na, sa ilang mga operasyon sa paningin, ang praktikal na pagganap ng Hailo-10H ay maaaring katulad ng 26 TOPS ng Hailo-8, dahil sa paraan ng pamamahagi ng workload at mga pagkakaiba sa arkitektura. Ang pangunahing pagpapabuti, higit pa sa hilaw na kapangyarihan ng computer vision, ay nakasalalay sa mga posibilidad na binubuksan nito para sa LLM at mga lokal na generative na modelo.

Ang plato ay may kasamang opsyonal na heatsink para sa NPU. Bagama't limitado ang konsumo ng kuryente, ang karaniwang rekomendasyon ay i-install ito, lalo na kung magpapatakbo ka ng masinsinang mga gawain sa AI sa loob ng mahabang panahon o mga mahihirap na pagsubok sa pagganap, upang maiwasan ang pagbawas ng mga frequency ng chip dahil sa temperatura.

Mga sinusuportahang modelo ng wika at lokal na paggamit ng LLM

Isa sa mga pinakakapansin-pansing aspeto ng AI HAT+ 2 ay ang kakayahan nitong patakbuhin ang mga modelo ng wika nang lokal sa isang Raspberry Pi 5, nang hindi nagpapadala ng data sa mga panlabas na server. Sa presentasyon, itinampok ng Raspberry Pi at Hailo ang iba't ibang modelo, kabilang ang 1.000 at 1.500 milyong mga parameter bilang panimulang punto.

Kabilang sa mga katugmang LLM na iniaalok sa paglulunsad ay DeepSeek‑R1‑Distill, Llama 3.2, Qwen2, Qwen2.5‑Instruct at Qwen2.5‑CoderAng mga ito ay medyo siksik na mga modelo, na idinisenyo para sa mga gawain tulad ng pangunahing chat, pagsulat at pagwawasto ng teksto, pagbuo ng code, mga simpleng pagsasalin, o mga paglalarawan ng eksena mula sa mga input ng imahe at teksto.

Ang mga unang pagsubok na ipinakita ng kumpanya ay kinabibilangan ng mga halimbawa ng pagsasalin sa pagitan ng mga wika at mga sagot sa mga simpleng tanong na ganap na isinagawa sa Raspberry Pi 5 na sinusuportahan ng AI HAT+ 2, na may mababang latency at nang hindi gaanong nakakaapekto sa pangkalahatang usability ng sistema. Ang pagproseso ay isinasagawa sa Hailo-10H coprocessor at hindi nangangailangan ng pagkonekta ng device sa cloud.

Dapat linawin na ang solusyong ito ay hindi inilaan para sa mga modelong pangmalawakang pamilihan tulad ng mga buong bersyon ng ChatGPT, Claude, o ang mas malalaking LLM sa Metana ang mga sukat ay sinusukat sa daan-daang bilyon o kahit trilyong mga parameter. Sa mga kasong iyon, ang problema ay hindi lamang ang lakas ng pag-compute, kundi higit sa lahat ang kinakailangan ang memorya upang i-host ang modelo at ang mga konteksto nito.

Iginiit mismo ng Raspberry Pi na dapat malaman ng mga gumagamit na sila ay nakikipagtulungan sa mas maliliit na modelo na sinanay sa mas limitadong mga datasetUpang mapunan ang limitasyong ito, ang pokus ay inilalagay sa mga pamamaraan tulad ng LoRA (Mababang-Ranggo na Adaptasyon)na nagpapahintulot sa mga modelo na maiakma sa mga partikular na kaso ng paggamit nang hindi kinakailangang ganap na sanayin muli ang mga ito, na nagdaragdag ng magaan na mga layer ng adaptasyon sa ibabaw ng umiiral na base.

Memorya, mga limitasyon at paghahambing sa isang 16GB Raspberry Pi 5

Ang pagsasama ng 8 GB ng nakalaang LPDDR4X RAM Isa ito sa mga pangunahing bagong tampok ng AI HAT+ 2, ngunit malinaw din nitong tinutukoy ang mga uri ng modelo na maaaring patakbuhin. Maraming katamtamang laki ng quantized na LLM, lalo na kung gusto mong humawak ng malawak na konteksto, ay maaaring mangailangan ng higit pa sa 10 GB ng memoryaSamakatuwid, ang aksesorya ay nakatuon sa mga magaan na modelo o sa mga may mas masisikip na bintana.

Kung ikukumpara mo ito sa isang Raspberry Pi 5 16GB Kahit walang HAT, ang mga motherboard na may mas malaking memorya ay mayroon pa ring kalamangan kapag direktang naglo-load ng malalaking modelo sa RAM, basta't malaking bahagi ng memoryang iyon ay eksklusibong nakalaan para sa AI at isinasakripisyo ang iba pang mga gawain. Sa ganitong sitwasyon, ang pinagsamang CPU at GPU ang humahawak sa lahat ng konklusyon, na nagreresulta sa pagtaas ng workload.

Mas makatuwiran ang panukala ng AI HAT+ 2 kapag naghahanap ng magkakahiwalay na responsibilidadHayaang ang Hailo-10H NPU ang humawak ng mga kalkulasyon ng AI at palayain ang Raspberry Pi 5 upang mapanatili ang isang magaan na desktop environment, mga serbisyo sa web, mga database, mga automation, o ang presentation layer ng isang application.

Para sa mga gustong magkaroon ng isa lang lokal na katulong Medyo simple at kayang makipag-chat, magsalin ng mga teksto, o tumulong sa maliliit na gawain sa programming nang hindi nagpapadala ng data sa mga ikatlong partido, ang balanse ng lakas, pagkonsumo, at gastos ng AI HAT+ 2 ay maaaring maging sapat. Gayunpaman, para sa mga proyektong nangangailangan ng malalaking modelo o napakalawak na konteksto, ang paggamit ng mga device na may mas maraming memorya o imprastraktura ng cloud ay mananatiling mas praktikal.

Isa pang puntong dapat isaalang-alang ay, bagama't nakakatulong ang 8 GB ng HAT sa pag-offload ng memorya, ang bersyon ng 16 GB ng Raspberry Pi 5 Nahihigitan pa rin nito ang kabuuang kapasidad kumpara sa add-in board, kaya sa ilang partikular na workflow na nangangailangan ng RAM, mas mainam pa rin ang configuration na iyon.

Paningin sa kompyuter at sabay-sabay na pagpapatupad ng modelo

Hindi tinatalikuran ng AI HAT+ 2 ang tampok na nagpasikat sa unang henerasyon: ang mga aplikasyon sa paningin ng kompyuterAng Hailo-10H ay may kakayahang magpatakbo ng mga modelo ng pagtuklas at pagsubaybay sa bagay, pagtatantya ng postura ng tao, o segmentasyon ng eksena na may pagganap na, sa pagsasagawa, ay nananatiling naaayon sa iniaalok ng Hailo-8 sa 26 TOPS.

Ipinapahiwatig ng Raspberry Pi na kaya ng bagong board sabay na pagpapatakbo ng mga modelo ng pananaw at wikaGinagawa itong kaakit-akit para sa mga proyekto kung saan kailangang magtulungan ang kamera at pagproseso ng teksto. Halimbawa, mga sistema ng pagsubaybay na nag-uuri ng mga kaganapan at bumubuo ng mga paglalarawan, mga smart camera na nagpapaliwanag kung ano ang nangyayari sa isang eksena, o mga device na pinagsasama ang visual recognition at pagbuo ng ulat.

Sa mga partikular na sitwasyon, binabanggit ang mga modelo ng pamilya. YOLO Para sa real-time object detection, na may mga refresh rate na maaaring umabot sa humigit-kumulang 30 frames per second depende sa resolution at complexity ng modelo. Ang ideya ay ang NPU ang hahawak sa gawaing ito habang ang Raspberry Pi 5 ang namamahala sa storage, network, mga notification, at display.

Ang ecosystem ng software na nakapalibot sa AI sa Raspberry Pi ay patuloy pa ring umuunlad. Bagama't isang koleksyon ng mga halimbawa, balangkas at kagamitan Para sa parehong Raspberry Pi at Hailo, ang parallel execution ng maraming modelo (vision, language, multimodal) ay patuloy na isang umuusbong na larangan at maaaring mangailangan ng fine-tuning sa bawat proyekto.

Sa anumang kaso, ang integrasyon sa opisyal na hanay ng kamera ng Raspberry Pi Pinapasimple nito ang buhay para sa mga gumagamit na ng mga camera module ng brand. Direktang nakakabit ang AI HAT+ 2 sa environment na iyon, kaya maraming umiiral na proyekto sa vision ang maaaring lumipat sa bagong board na may kaunting pagbabago lamang.

Mga halimbawa ng paggamit sa Espanya at Europa: industriya, IoT at mga proyektong pang-edukasyon

Ang kombinasyon ng mababang konsumo ng kuryente, maliit na sukat at lokal na pagproseso ng AI Ito ay naaayon nang maayos sa mga uso sa digitalisasyon na ipinapatupad sa Espanya at iba pang mga bansang Europeo. Sa mga sektor ng industriya kung saan ang matatag na pag-access sa cloud ay hindi laging garantisado o kung saan umiiral ang mahigpit na mga kinakailangan sa pagiging kumpidensyal, ang isang solusyon na ganito ang uri ay maaaring maging partikular na kaakit-akit.

Kabilang sa mga pinakamadalas gamiting termino sa mga opisyal na dokumentasyon ay ang mga proyekto para sa automation ng industriya, kontrol sa proseso at pamamahala ng mga pasilidadAng mga sistema ng visual na inspeksyon sa mga linya ng produksyon, real-time na pagtukoy ng anomalya, pagkontrol sa pag-access, o pagbibilang ng mga tao sa mga gusali ay mga halimbawa kung saan ang kumbinasyon ng paningin at magaan na mga modelo ng wika ay maaaring magdagdag ng halaga nang hindi kinakailangang mag-deploy ng mas mamahaling mga imprastraktura ng AI.

Sa larangan ng IoT sa bahay at negosyoAng AI HAT+ 2 ay maaaring magsilbing pundasyon para sa mga lokal na assistant na gumagamit ng Raspberry Pi 5, mga dashboard na nagbibigay-kahulugan sa datos ng sensor, mga camera na naglalarawan ng mga eksena, o mga device na nagsusuri ng video nang hindi nag-a-upload ng mga imahe sa mga external server. Ang pamamaraang ito ay nakakatulong na sumunod sa lalong mahigpit na mga regulasyon sa proteksyon ng datos sa European Union.

Maaari rin itong maging isang kawili-wiling kagamitan bilang kit para sa pag-unlad Para sa mga kompanyang Europeo at mga startup na isinasaalang-alang ang pagsasama ng Hailo-10H chip sa mga end product. Ang pagsubok sa performance at stability sa isang Raspberry Pi ay nagbibigay-daan para sa pagpapatunay ng mga konsepto bago mamuhunan sa mga custom na disenyo ng hardware.

Sa larangan ng edukasyon, maaaring gamitin ng mga sentro ng pagsasanay sa bokasyonal, mga unibersidad, at mga espesyalisadong akademya sa Espanya ang AI HAT+ 2 bilang plataporma ng pagsasanay, na magdadala ng Naka-embed na AI at generative na AI sa mga mag-aaral tungkol sa madaling makuha at medyo murang hardware kumpara sa iba pang mas mamahaling sistema.

Profile ng gumagamit at uri ng mga proyektong tinatarget

Ang Raspberry Pi AI HAT+ 2 ay nagta-target ng ilang profile. Sa isang banda, ang malawak na komunidad ng mga gumagawa at mahilig na gumagamit na ng Raspberry Pi 5 at gustong isama ang generative AI o advanced vision sa kanilang mga proyekto nang hindi lumilipat sa mga workstation na may nakalaang GPU o ganap na umaasa sa mga serbisyo ng cloud.

Sa kabilang banda, sinusubukan niyang akitin mga propesyonal na developer at startup na nangangailangan ng platform ng pagsubok para sa naka-embed na AI. Kung ikukumpara sa mga solusyon na may mga eGPU o NPU na isinama sa mga industrial PC, ang board na ito ay nag-aalok ng compact form factor, napakababang konsumo ng kuryente, at mas mababang kabuuang gastos, bagama't may mas mababang performance ceiling kaysa sa mas mamahaling mga platform.

Para sa mga may karanasan na sa unang AI HAT+, tila medyo simple lang ang transisyon: integrasyon sa umiiral na software At ang camera stack ay maingat na dinisenyo upang mabawasan ang mga kinakailangang pagbabago. Ito ay mahalaga para sa mga proyektong isinasagawa na at gustong samantalahin ang pagtaas ng performance nang hindi muling isinusulat ang lahat.

Sa kabilang dulo, ang mga gumagamit na naghahanap lamang ng lokal na pagpapatakbo ng mga modelo ng wika na may pinakamataas na posibleng memory margin ay maaaring makahanap pa rin ng Raspberry Pi 5 16GB Kung wala ang HAT, ipagpapalagay na ang pinagsamang CPU at GPU ang hahawak sa lahat ng hinuha at ang pagkonsumo ng kuryente ay medyo mas mataas.

Sa madaling salita, ang aksesorya ay tila umuukit ng isang angkop na lugar bilang isang pansamantalang solusyon: mas malakas at mas nababaluktot kaysa sa isang Raspberry Pi 5 na nagtatrabaho nang mag-isa sa ilang mga gawain ng AI, ngunit malayo sa pagganap ng mga server o nakalaang GPU, at may pagtuon sa mababang konsumo ng kuryente, privacy at pagpigil sa gastos.

Pagsasama, mga mapagkukunan, at suporta ng software ng Hailo

Mula sa perspektibo ng software, nilalayon ng Raspberry Pi na gawing simple ang proseso ng pag-setup hangga't maaari. Ang AI HAT+ 2 ay kumokonekta sa pamamagitan ng Interface ng PCIe ng Raspberry Pi 5 at katutubong kinikilala ng opisyal na operating system, na nagpapahintulot sa mga aplikasyon ng AI na tumakbo nang walang masyadong kumplikadong mga hakbang sa pag-setup para sa mga pamilyar na sa kapaligiran.

Nagbibigay ang Hailo sa mga gumagamit ng repositoryo sa GitHub at isang Developer Zone Kabilang dito ang mga halimbawa ng code, mga paunang na-configure na modelo, mga tutorial, at mga framework na idinisenyo para sa parehong generative AI at computer vision. Kasama rin dito ang mga tool para sa pamamahala ng quantization, paglo-load ng mga third-party na modelo, at pag-optimize ng mga partikular na workflow.

Sa paglulunsad, ang kumpanya ay naglaan ng ilang mga modelo ng wika na handa nang i-installna may pangakong palawakin ang katalogo gamit ang mas malalaking variant o iyong mga iniangkop sa mga partikular na kaso ng paggamit. Bukod pa rito, hinihikayat nito ang paggamit ng mga pamamaraan tulad ng LoRa upang isaayos ang mga modelo sa mga pangangailangan ng bawat proyekto nang hindi kinakailangang sanayin ang mga ito mula sa simula gamit ang napakalaking mga dataset.

Gaya ng kadalasang nangyayari sa ganitong uri ng mga solusyon, ang aktwal na karanasan ay depende sa antas ng kapanahunan ng ekosistema ng softwareItinuturo ng ilang analyst na mayroon pa ring puwang para sa pagpapabuti sa mga kagamitan, katatagan, at suporta para sa sabay-sabay na pagpapatupad ng maraming modelo, ngunit ang trend sa Raspberry Pi ecosystem ay patungo sa lalong pinakintab na integrasyon.

Sa anumang kaso, upang makabuo ng mga proyekto sa Espanya o iba pang mga bansang Europeo, ang pagkakaroon ng opisyal na dokumentasyon, mga praktikal na halimbawa at isang aktibong komunidad ay lubos na nakakabawas sa hadlang sa pagpasok sa pag-eeksperimento sa naka-embed at generative na AI sa mga murang aparato.

Presyo, kakayahang magamit at praktikal na aspeto sa Espanya at Europa

Ang Raspberry Pi AI HAT+ 2 ay inilunsad na may presyong sanggunian na $130Sa Espanya at sa iba pang bahagi ng Europa, ang pangwakas na halaga ay depende sa halaga ng palitan, mga buwis, at patakaran ng bawat distributorSamakatuwid, inaasahang magkakaroon ng maliliit na pagkakaiba sa pagitan ng mga tindahan at mga bansa.

Ang motherboard ay tugma sa buong linya ng Raspberry Pi 5Mula sa mga modelong may 1GB na RAM hanggang sa mga bersyong may 16GB, ang katugmang Raspberry Pi ay naka-mount gamit ang pamilyar na HAT format: ito ay ikinakabit sa board at kumokonekta sa pamamagitan ng GPIO header at PCIe interface. Samakatuwid, ang mga nakaraang modelo ng Raspberry Pi na walang ganitong interface ay hindi kasama sa listahan ng mga compatibility.

Sa mga unang yugto kasunod ng anunsyo, iniulat ng ilang espesyalistang distributor na Limitadong stockKaraniwan na itong ginagawa ngayon sa mga opisyal na hardware release ng Raspberry Pi. Ang mga gustong makakuha ng unit sa maikling panahon ay kailangang bantayan ang availability mula sa mga awtorisadong distributor sa Europa at mga potensyal na waiting list.

Bukod sa hardware, kasama sa pagbili ang access sa teknikal na dokumentasyon at mga mapagkukunan ng software para sa Raspberry Pi at Hailo, kabilang ang mga halimbawa ng GitHub, sunud-sunod na mga gabay, at mga materyales para sa mga bago sa embedded AI. Ginagawa nitong madali para sa parehong mga indibidwal na gumagamit at maliliit na negosyo na magsimulang mag-eksperimento nang hindi kinakailangang mamuhunan sa mga karagdagang tool sa pag-develop.

Sa konteksto ng Europa, kung saan ang privacy ng datos At habang nagiging lalong mahalaga ang kahusayan sa enerhiya, ang AI HAT+ 2 ay inihaharap bilang isang piraso na nagbibigay-daan iproseso ang sensitibong impormasyon nang lokal pagbabawas ng pagdepende sa mga malalayong data center, na maaaring maging kaakit-akit sa mga administrasyon, SME, at mga independiyenteng developer na naghahanap ng mas kontroladong mga solusyon sa AI.

Ang Raspberry Pi AI HAT+ 2 ay nagpoposisyon sa sarili bilang isang intermediate na solusyon sa pagitan ng cloud at malalaking AI server: nag-aalok ito ng isang makatwirang naa-access na paraan upang pagsamahin ang computer vision at magaan na mga modelo ng wika sa isang device, pinapanatiling mababa ang pagkonsumo ng kuryente at nirerespeto ang privacy, ngunit hinihiling bilang kapalit na ang mga proyekto ay dapat idisenyo. sa loob ng mga limitasyon ng kapangyarihan at memorya tipikal ng hardware na idinisenyo para sa mababang konsumo ng kuryente at mababang gastos.

Kaugnay na artikulo:

Xiaomi Smart Camera 3 3K: ang bagong 3K surveillance camera na naglalayong lupigin ang konektadong tahanan

Alberto Navarro

Isa akong mahilig sa teknolohiya na ginawang propesyon ang kanyang mga "geek" na interes. Ako ay gumugol ng higit sa 10 taon ng aking buhay sa paggamit ng makabagong teknolohiya at pag-iisip sa lahat ng uri ng mga programa dahil sa purong kuryusidad. Ngayon ay nagdadalubhasa na ako sa teknolohiya ng kompyuter at mga video game. Ito ay dahil sa higit sa 5 taon na ako ay sumusulat para sa iba't ibang mga website sa teknolohiya at mga video game, na lumilikha ng mga artikulo na naglalayong ibigay sa iyo ang impormasyong kailangan mo sa isang wika na naiintindihan ng lahat.

Kung mayroon kang anumang mga katanungan, ang aking kaalaman ay mula sa lahat ng nauugnay sa Windows operating system pati na rin ang Android para sa mga mobile phone. At ang aking pangako ay sa iyo, lagi akong handang gumugol ng ilang minuto at tulungan kang lutasin ang anumang mga katanungan na maaaring mayroon ka sa mundo ng internet na ito.