سود:
- می تواند بین مفاهیم هوش مصنوعی، یادگیری ماشینی و مدل زبان بزرگ تمایز قائل شود
- تفاوت این فناوری ها با نرم افزارهای سنتی را توضیح دهید
- می تواند نمونه های هوش مصنوعی را که در زندگی تجاری روزمره با آن مواجه می شود، تشخیص دهد
در سال های اخیر، کلمه "هوش مصنوعی" همه جا وجود دارد: در اخبار، در تبلیغات، در جلسات کاری، حتی در دوربین تلفنی که استفاده می کنید. اما دقیقا به چه معناست؟ این واحد بدون غرق شدن در اصطلاحات تخصصی و با اتصال آن به زندگی تجاری شما، موضوع را از اصول اولیه توضیح می دهد. هدف این نیست که شما را مهندس بسازند. تا شما را به یک کاربر آگاه تبدیل کند که بفهمد ابزارهای مورد استفاده شما چیست و چرا آنها کاری را انجام می دهند. زیرا هر چه وسیله نقلیه را بهتر بشناسید، ایمن تر و کارآمدتر از آن استفاده خواهید کرد.
شما اغلب سه مفهوم را می شنوید که در هم تنیده شده اند: هوش مصنوعی، یادگیری ماشینی و مدل زبان بزرگ. اینها یکی نیستند. آنها به طور فزاینده ای حلقه ها را در داخل دیگری باریک می کنند. حالا اینها را یکی یکی با مثال های روزانه توضیح می دهیم.
سه مفهوم، سه حلقه در هم تنیده
هوش مصنوعی (AI): نام عمومی حوزه وسیعی است که رایانهها را قادر میسازد تا کارهایی را انجام دهند که معمولاً به هوش انسانی نیاز دارند (درک، تصمیمگیری، تشخیص، استفاده از زبان). یک برنامه شطرنج، یک اپلیکیشن ترجمه و یک دستیار صوتی نیز زیر این چتر قرار دارند.
یادگیری ماشینی (ML): رایج ترین زیرشاخه هوش مصنوعی است. در اینجا، ما قوانین را یک به یک در رایانه نمی نویسیم. ما نمونههای زیادی را به او نشان میدهیم و او خودش الگوی نمونهها را انتخاب میکند. از این رو نام "یادگیری ماشین" آمده است: ماشین از مثال ها یاد می گیرد.
مدل زبان بزرگ (LLM): نوع خاصی از یادگیری ماشینی است که در متن تخصص دارد. با میلیاردها جمله تربیت شده است. در کارهایی مانند درک زبان، تولید، تلخیص و ترجمه استفاده می شود. این فناوری پشت ابزارهایی مانند ChatGPT، Gemini، Claude است. ابزارهای این ماژول، که ما آن را "هوش مصنوعی تولید کننده" (هوش مصنوعی تولید کننده متن/تصویر) می نامیم، عمدتا مبتنی بر LLM هستند.
نکته: این را به خاطر بسپارید: هوش مصنوعی بزرگترین جعبه است، یادگیری ماشین جعبه درون آن است و مدل زبان بزرگ درونی ترین جعبه است. هر LLM محصول یادگیری ماشینی است و هر یادگیری ماشینی یک هوش مصنوعی است، اما عکس آن همیشه صادق نیست.
تفاوت با نرم افزار سنتی: چه کسی قوانین را می نویسد؟
این مهمترین تفاوتی است که باید فهمید. در نرم افزارهای سنتی، یک انسان (برنامه نویس) قوانین را یکی یکی می نویسد: "اگر مبلغ سفارش از 500 لیر بیشتر شود، ارسال رایگان خواهد بود." کامپیوتر به طور کامل از این قانون پیروی می کند، نه بیشتر، نه کمتر.
در یادگیری ماشینی، انسان ها قوانین را نمی نویسند. مدل خود قانون را از مثال هایی که به آن نشان داده شده است کشف می کند. به عنوان مثال، شما هزاران ایمیل "هرزنامه" و "نه هرزنامه" را نشان می دهید. خود مدل یاد می گیرد که کدام کلمات و عبارات نشان دهنده هرزنامه هستند. هیچ کس یکی یکی نمی نویسد که "اگر این کلمه وجود داشته باشد، اسپم است".
ویژگی
نرم افزارهای سنتی
یادگیری ماشینی / هوش مصنوعی
چه کسی قوانین را تعیین می کند؟
انسان یکی یکی می نویسد
مدل از مثال ها نتیجه می گیرد
آیا خروجی همیشه یکسان است؟
همان ورودی → همان خروجی
ورودی یکسان → خروجی مشابه اما متغیر
چه زمانی قوی است؟
با قوانین روشن و قطعی کار کنید
با بسیاری از الگوها و قوانین دشوار کار می کند
قابلیت اطمینان
قابل پیش بینی، ثابت
آماری، نیاز به تأیید دارد
مثال
حساب حقوق و دستمزد
بهبود لحن ایمیل
این تفاوت اساس مباحث «توهم» و «تأیید» است که بعداً خواهید آموخت: از آنجایی که مدل خود قانون را استخراج می کند، گاهی اوقات اشتباه است، بنابراین نمی توان به خروجی آن کورکورانه اعتماد کرد.
شما قبلاً آن را در زندگی تجاری روزانه خود می بینید
فکر نکنید هوش مصنوعی چیز جدیدی است. احتمالاً سالهاست که از آن استفاده میکنید:
- فیلتر هرزنامه جعبه ایمیل شما (مدلی که یاد گرفته است کدام ایمیل ها سطل زباله هستند).
- پیشبینی صفحهکلید گوشی شما (یک مدل زبان کوچک که کلمه بعدی را پیشنهاد میکند).
- هشدار تراکنش تقلبی بانک شما (الگویی که هزینه های غیرعادی را تشخیص می دهد).
- ویژگیهای تکمیل خودکار و پیشنهادات برنامه صفحهگسترده شما.
- سیستم های توصیه در برنامه های ویدیویی و موسیقی.
نکته جدید این است که این فناوری اکنون می تواند با زبان طبیعی صحبت کند. بنابراین طوری می نویسید که انگار دارید با یک متخصص صحبت می کنید و او می فهمد و جواب می دهد. اینجاست که فرصت واقعی در محل کار نهفته است.
سه کیف کوچک
مورد 1 - عایشه، مدیر دفتر. او هر هفته حدود 40 ایمیل تامین کننده را به صورت دستی دسته بندی می کرد. به طور متوسط 90 دقیقه طول کشید. شروع به این شد که دستیار هوش مصنوعی این شرکت ایمیل ها را با عنوان "فوری/عادی/اطلاعات" برچسب گذاری کند. زمان به 20 دقیقه کاهش یافت. او 70 دقیقه ذخیره شده را به کنترل قرارداد اختصاص داد. هوش مصنوعی خود این قانون را یاد گرفت. عایشه فیلترها را یکی یکی ننوشت.
مورد 2 - مهمت، تکنسین میدانی. مشتری در حال نوشتن سوابق خطا در متن آزاد بود ("دستگاه داغ می شود، به طور متناوب خاموش می شود"). مدیر او نمی توانست این 500 رکورد را به صورت دستی بخواند و طبقه بندی کند. یک مدل زبان رکوردها را به عنوان "خطای سخت افزار/نرم افزار/کاربر" خلاصه کرد و بیشترین شکایت را استخراج کرد. این مدل در عرض چند دقیقه ترسیم کرد که برای یک انسان تقریباً 2 روز طول می کشد. تیم فقط تایید کرد
مورد 3 - الیف، حسابداری. او از هوش مصنوعی یک متن قانونی جدید را خلاصه کرد و فهرستی 1 صفحه ای از مقالات را از متن 12 صفحه ای تهیه کرد. اما خودش درصد انتقادی را از منبع رسمی تایید کرد. زیرا این موضوعی بود که به دقت عددی نیاز داشت. بنابراین، هم به سرعت و هم با خیال راحت کار کرد.
اعلان ضعیف / اعلان قوی
دانستن این ابزار همچنین نحوه درخواست شما را تغییر می دهد. دو سوال متفاوت از یک دستیار:
اعلان ضعیف: هوش مصنوعی چیست؟
نتیجه: شرح دایره المعارفی طولانی که مختص شما نیست.
اعلان قوی: من یک کارمند اداری غیر فنی هستم. تفاوت بین هوش مصنوعی، یادگیری ماشین و مدل زبان بزرگ را با 3 نقطه کوتاه و یک مثال از زندگی روزمره برای هر کدام توضیح دهید. از ترکی ساده استفاده کنید.
نتیجه: پاسخی قابل استفاده متناسب با نقش، سطح و هدف شما. تفاوت: شما به زمینه، مخاطب و قالب دادید.
قالب های قابل کپی
به من کمک کنید یک فناوری یاد بگیرم. موضوع: [به عنوان مثال. یادگیری ماشینی] من: [نقش من / سطح دانش من] می خواهم: توضیح ساده در 5 مورد + یک مثال از زندگی تجاری برای هر مورد + خلاصه 1 جمله ای "به خاطر داشته باشید" در پایان.
به من نشان دهید که کجا با مفهوم زیر در زندگی روزمره مواجه می شوم: Concept: [به عنوان مثال. سیستم توصیه] 5 مثال واقع بینانه به من بدهید و در یک جمله توضیح دهید که هوش مصنوعی در هر کدام دقیقا چه می کند.
این دو مفهوم را مقایسه کنید و آنها را در جدولی قرار دهید: مفهوم A: [نرم افزار سنتی] مفهوم ب: [یادگیری ماشین] ستون ها: کسی که قانون را تعیین می کند، ثابت خروجی است، زمانی که قوی است، یک مثال.
جمله زیر را طوری ساده کنید که انگار برای یک همکار غیر فنی توضیح می دهید. در صورت وجود اصطلاحات، توضیح کوتاهی در پرانتز اضافه کنید. جمله: [اینجا بچسبانید]
اشتباهات رایج
اشتباهات رایج
- فکر کردن به "AI = ربات / آگاهی". وسایل نقلیه امروزی فکر و احساس نمی کنند. الگوها را می شناسد و دنباله های احتمالی را ایجاد می کند. فراموش کردن این امر منجر به انتظارات اغراق آمیز و ناامیدی می شود.
- در نظر گرفتن هر خروجی هوش مصنوعی به عنوان حقیقت قطعی. این مدل از نظر آماری کار می کند. استفاده از اعداد، تاریخ ها و منابعی که نیاز به دقت دارند بدون تأیید آنها خطرناک است.
- گفتن "این کار از من دور است" و هرگز تلاش نمی کند. هوش مصنوعی بیشترین صرفه جویی در زمان را در کارهای خسته کننده و تکراری کارمندان غیر فنی می کند. کسانی که تلاش نمی کنند فرصت را از دست خواهند داد.
- پرسیدن سوالات تک کلمه ای بدون زمینه. اگر به ابزار نگویید کی هستید و چه می خواهید، پاسخ های عمومی و بی فایده دریافت خواهید کرد.
احتیاط: "یادگیری" هوش مصنوعی مانند یادگیری انسان نیست. این مدل نه با درک جهان بلکه با گرفتن الگوهای آماری در داده ها "یاد می گیرد". بنابراین او می تواند بسیار روان صحبت کند اما هنوز یک واقعیت اساسی را اشتباه می گیرد. تسلط تضمینی برای صحت نیست.
به طور خلاصه
- هوش مصنوعی گسترده ترین چتر است. یادگیری ماشین زیرشاخه آن است که از مثال ها یاد می گیرد. مدل زبان بزرگ (LLM) نوعی یادگیری ماشینی است که در زبان تخصص دارد.
- تفاوت اصلی: در نرم افزارهای سنتی، انسان قانون را می نویسد. در یادگیری ماشینی، مدل قانون را از مثال ها استخراج می کند.
- هوش مصنوعی در حال حاضر در زندگی شما وجود دارد: فیلتر هرزنامه، پیش بینی صفحه کلید، هشدار تراکنش جعلی، سیستم های توصیه. نکته جدید این است که می تواند به زبان طبیعی صحبت کند.
- از آنجایی که مدل از نظر آماری کار می کند، سیال است، اما همیشه دقیق نیست. این مبنای واحدهای بعدی (توهم، تأیید) است.
وظیفه برنامه
ابزار هوش مصنوعی مورد استفاده خود را باز کنید و تفاوت بین یادگیری ماشینی و مدل زبانی بزرگ را با الگوی «اعلان قدرتمند» در بالا برای خود توضیح دهید. سپس 3 مکان در کسب و کار خود را بنویسید که در آن هوش مصنوعی قبلاً استفاده شده است (یا می تواند مورد استفاده قرار گیرد). برای هر کدام، «هوش مصنوعی دقیقاً چه چیزی است/میتواند در اینجا انجام دهد؟» در یک جمله به سوال پاسخ دهید.
چک لیست
- [ ] من می توانم بین هوش مصنوعی، یادگیری ماشین و LLM تمایز قائل شوم.
- [ ] می توانم تفاوت «چه کسی قوانین را می نویسد» بین نرم افزار سنتی و یادگیری ماشین توضیح دهم.
- [ ] من حداقل 3 نمونه از هوش مصنوعی را در زندگی روزمره خود می شناسم.
- [ ] با دادن زمینه، مخاطب و قالب، می توانم سوال قوی تری بپرسم.
- [ ] می دانم که فقط به این دلیل که هوش مصنوعی صاف است به این معنی نیست که دقیق است.