از تخیل تا واقعیت: کاوش در مسیر هوش مصنوعی مولد

هوش مصنوعی مولد فقط یک فناوری یا یک مورد تجاری نیست، بلکه بخش مهمی از جامعه ای است که در آن افراد و ماشین ها با هم کار می کنند.

هوش مصنوعی مولد چیست؟

هوش مصنوعی مولد می‌تواند از مصنوعات موجود یاد بگیرد تا مصنوعات جدید و واقعی (در مقیاس) تولید کند که ویژگی‌های داده‌های آموزشی را منعکس می‌کند اما آن را تکرار نمی‌کند. این می تواند انواع محتوای جدید مانند تصاویر، ویدئو، موسیقی، گفتار، متن، کد نرم افزار و طرح های محصول را تولید کند.

هوش مصنوعی مولد از تعدادی تکنیک استفاده می کند که همچنان در حال تکامل هستند. مهم‌ترین آنها مدل‌های پایه هوش مصنوعی هستند که بر روی مجموعه گسترده‌ای از داده‌های بدون برچسب آموزش داده می‌شوند که می‌توانند برای کارهای مختلف و با تنظیم دقیق اضافی مورد استفاده قرار گیرند. ریاضیات پیچیده و قدرت محاسباتی عظیمی برای ایجاد این مدل‌های آموزش‌دیده مورد نیاز است، اما آنها در اصل الگوریتم‌های پیش‌بینی هستند.

امروزه، هوش مصنوعی مولد معمولاً محتوا را در پاسخ به درخواست‌های زبان طبیعی ایجاد می‌کند – نیازی به دانش یا وارد کردن کد ندارد.

مزایا و کاربردهای هوش مصنوعی مولد چیست؟

مدل‌های پایه، از جمله ترانسفورماتورهای از پیش آموزش‌دیده مولد (که ChatGPT را هدایت می‌کنند)، از جمله نوآوری‌های معماری هوش مصنوعی هستند که می‌توانند برای خودکارسازی، تقویت انسان یا ماشین‌ها، و اجرای مستقل فرآیندهای تجاری و فناوری اطلاعات مورد استفاده قرار گیرند.

مزایای هوش مصنوعی مولد شامل توسعه سریع‌تر محصول، افزایش تجربه مشتری و بهبود بهره‌وری کارکنان است، اما ویژگی‌ها به مورد استفاده بستگی دارد. کاربران نهایی باید در مورد ارزشی که به دنبال دستیابی به آن هستند واقع بین باشند، مخصوصاً زمانی که از یک سرویس استفاده می کنند که محدودیت های عمده ای دارد. هوش مصنوعی مولد مصنوعاتی را ایجاد می‌کند که می‌توانند نادرست یا مغرضانه باشند، اعتبارسنجی انسانی را ضروری می‌سازد و به طور بالقوه زمان صرفه‌جویی در کارگران را محدود می‌کند. گارتنر توصیه می‌کند که موارد استفاده را به KPIها متصل کنید تا اطمینان حاصل شود که هر پروژه یا کارایی عملیاتی را بهبود می‌بخشد، درآمد خالص جدید ایجاد می‌کند یا تجربیات بهتری ایجاد می‌کند.

در یک نظرسنجی اخیر وبینار گارتنر از بیش از 2500 مدیر، 38 درصد نشان دادند که تجربه و حفظ مشتری هدف اصلی سرمایه گذاری های مولد هوش مصنوعی آنهاست. به دنبال آن رشد درآمد (26%)، بهینه سازی هزینه (17%) و تداوم کسب و کار (7%) دنبال شد.

خطرات هوش مصنوعی مولد چیست؟

خطرات مرتبط با هوش مصنوعی مولد قابل توجه هستند و به سرعت در حال تکامل هستند. طیف گسترده‌ای از عوامل تهدید قبلاً از این فناوری برای ایجاد «جعل‌های عمیق» یا کپی‌هایی از محصولات و تولید مصنوعات برای پشتیبانی از کلاهبرداری‌های پیچیده استفاده کرده‌اند.

ChatGPT و ابزارهای دیگر مانند آن بر روی مقادیر زیادی از داده های در دسترس عموم آموزش داده شده اند. آنها به گونه ای طراحی نشده اند که با مقررات حفاظت از داده های عمومی (GDPR) و سایر قوانین حق چاپ مطابقت داشته باشند، بنابراین ضروری است که به استفاده شرکت های خود از پلتفرم ها توجه دقیق داشته باشید.

خطرات نظارتی برای نظارت عبارتند از:

• عدم شفافیت مدل های مولد هوش مصنوعی و ChatGPT غیرقابل پیش بینی هستند و حتی شرکت های پشت سر آنها همیشه همه چیز را در مورد نحوه کار آنها نمی دانند.
• دقت. سیستم‌های هوش مصنوعی مولد گاهی پاسخ‌های نادرست و ساختگی تولید می‌کنند. قبل از تکیه بر یا توزیع عمومی اطلاعات، تمام خروجی ها را از نظر دقت، مناسب بودن و سودمندی واقعی ارزیابی کنید.
• جانبداری. شما به سیاست‌ها یا کنترل‌هایی نیاز دارید تا خروجی‌های مغرضانه را شناسایی کنید و با آن‌ها به شیوه‌ای سازگار با خط‌مشی شرکت و هرگونه الزامات قانونی مرتبط برخورد کنید.
• مالکیت معنوی (IP) و کپی رایت. در حال حاضر هیچ تضمینی برای نظارت بر داده ها و تضمین های حفاظتی در مورد اطلاعات محرمانه شرکت وجود ندارد. کاربران باید فرض کنند که هر داده یا درخواستی که وارد ChatGPT و رقبای آن می‌کنند به اطلاعات عمومی تبدیل می‌شوند و ما به شرکت‌ها توصیه می‌کنیم که کنترل‌هایی را برای جلوگیری از افشای ناخواسته IP اعمال کنند.
• امنیت سایبری و کلاهبرداری. شرکت‌ها باید برای استفاده عوامل مخرب از سیستم‌های هوش مصنوعی مولد برای حملات سایبری و کلاهبرداری، مانند مواردی که از جعلی‌های عمیق برای مهندسی اجتماعی پرسنل استفاده می‌کنند، آماده شوند و از اعمال کنترل‌های کاهش‌دهنده اطمینان حاصل کنند. با ارائه‌دهنده بیمه سایبری خود مشورت کنید تا میزان نقض‌های مربوط به هوش مصنوعی را بررسی کنید.
• پایداری. هوش مصنوعی مولد از مقدار قابل توجهی برق استفاده می کند. فروشندگانی را انتخاب کنید که مصرف برق را کاهش داده و از انرژی تجدیدپذیر با کیفیت بالا برای کاهش تأثیر بر اهداف پایداری شما استفاده کنند.

برخی از کاربردهای عملی هوش مصنوعی مولد امروزه چیست؟

زمینه هوش مصنوعی مولد هم در اکتشافات علمی و هم در تجاری‌سازی فناوری به سرعت پیشرفت خواهد کرد، اما موارد استفاده در محتوای خلاقانه، بهبود محتوا، داده‌های مصنوعی، مهندسی مولد و طراحی مولد به سرعت در حال ظهور هستند.

کاربردهای عملی در حال استفاده و سطح بالا امروزه شامل موارد زیر است.

• افزایش و ایجاد محتوای نوشتاری: تولید یک خروجی “پیش نویس” از متن در سبک و طول دلخواه
• پاسخ به سؤال و کشف: به کاربران امکان می دهد تا پاسخ های ورودی را بر اساس داده ها و اطلاعات فوری پیدا کنند.
• لحن: دستکاری متن، برای نرم کردن زبان یا حرفه ای کردن متن
• خلاصه: ارائه نسخه های کوتاه شده از مکالمات، مقالات، ایمیل ها و صفحات وب
• ساده سازی: تفکیک عناوین، ایجاد خطوط کلی و استخراج محتوای کلیدی
• طبقه بندی محتوا برای موارد استفاده خاص: مرتب سازی بر اساس احساس، موضوع و غیره.
• بهبود عملکرد چت بات: استخراج بهتر «احساس»، طبقه‌بندی احساسات کل مکالمه و تولید جریان‌های سفر از توضیحات کلی
• کدگذاری نرم افزار: تولید کد، ترجمه، توضیح و تایید

موارد استفاده نوظهور با اثرات طولانی مدت عبارتند از:

• ایجاد تصاویر پزشکی که توسعه آینده یک بیماری را نشان می دهد
• داده های مصنوعی به تقویت داده های کمیاب، کاهش تعصب، حفظ حریم خصوصی داده ها و شبیه سازی سناریوهای آینده کمک می کند.
• برنامه هایی که به طور فعال اقدامات اضافی را به کاربران پیشنهاد می کنند و اطلاعاتی را در اختیار آنها قرار می دهند
• نوسازی کدهای قدیمی

آیا باید یک خط مشی استفاده برای هوش مصنوعی مولد ایجاد کنم؟

احتمالاً نیروی کار شما در حال حاضر از هوش مصنوعی مولد استفاده می کند، چه به صورت آزمایشی یا برای پشتیبانی از وظایف مرتبط با شغل خود. برای جلوگیری از استفاده در سایه و احساس نادرست انطباق، گارتنر توصیه می‌کند به جای اعمال ممنوعیت مطلق، یک خط‌مشی استفاده ایجاد کنید.

این خط‌مشی را ساده نگه دارید – اگر از ChatGPT یا سایر مدل‌های خارج از قفسه استفاده می‌کنید، می‌تواند به اندازه سه نباید و دو باید ساده باشد:

• هیچ گونه اطلاعات شناسایی شخصی وارد نکنید.
• هیچ اطلاعات حساسی را وارد نکنید
• هیچ IP شرکتی را وارد نکنید.
• در صورت استفاده از ابزارهای خارجی (مانند ChatGPT) که این انتخاب را فعال می کند، تاریخچه را خاموش کنید.
• خروجی هایی را که در معرض توهمات گاهی ظریف اما معنی دار، اشتباهات واقعی و اظهارات مغرضانه یا نامناسب هستند، به دقت زیر نظر داشته باشید.

اگر شرکت از نمونه‌ای از یک مدل زبان بزرگ استفاده می‌کند، نگرانی‌های مربوط به حریم خصوصی که ورودی‌های محدودکننده را اطلاع می‌دهند، از بین می‌روند. با این حال، نیاز به نظارت دقیق بر خروجی ها همچنان وجود دارد.

از کجا باید با هوش مصنوعی مولد شروع کنم؟

بسیاری از شرکت‌ها آزمایش‌کننده‌های هوش مصنوعی مولد برای تولید کد، تولید متن یا طراحی بصری در دست اجرا دارند. برای ایجاد یک پایلوت، می توانید یکی از سه مسیر زیر را طی کنید:

• خارج از قفسه. از یک مدل بنیادی موجود مستقیماً با وارد کردن دستورات استفاده کنید. برای مثال، می‌توانید از مدل بخواهید شرح شغلی برای یک مهندس نرم‌افزار ایجاد کند یا موضوعات جایگزین را برای ایمیل‌های بازاریابی پیشنهاد کند.
• مهندسی سریع نرم افزار را به یک مدل پایه برنامه ریزی و متصل کنید و از آن استفاده کنید. این تکنیک که رایج‌ترین روش در بین این سه تکنیک است، به شما امکان می‌دهد از خدمات عمومی در حین محافظت از IP و استفاده از داده‌های خصوصی برای ایجاد پاسخ‌های دقیق‌تر، خاص‌تر و مفیدتر استفاده کنید. ساختن یک چت ربات مزایای منابع انسانی که به سوالات کارکنان در مورد سیاست های خاص شرکت پاسخ می دهد، نمونه ای از مهندسی سریع است.
• سفارشی. ساخت یک مدل پایه جدید فراتر از توان اکثر شرکت ها است، اما تنظیم یک مدل امکان پذیر است. این شامل افزودن یک لایه یا داده های اختصاصی به روشی است که به طور قابل توجهی نحوه رفتار مدل پایه را تغییر می دهد. در حالی که هزینه بر است، سفارشی کردن یک مدل بالاترین سطح انعطاف پذیری را ارائه می دهد.

ارائه دهندگان اصلی فناوری در بازار هوش مصنوعی مولد چه کسانی هستند؟

بازار هوش مصنوعی Generative در آتش است. فراتر از بازیکنان پلتفرم بزرگ، صدها ارائه‌دهنده تخصصی وجود دارند که توسط سرمایه‌های مخاطره‌آمیز فراوان و موجی از مدل‌ها و قابلیت‌های منبع باز جدید تأمین مالی می‌شوند. ارائه دهندگان برنامه های کاربردی سازمانی، مانند Salesforce و SAP، در حال ایجاد قابلیت های LLM در پلتفرم های خود هستند. سازمان‌هایی مانند مایکروسافت، گوگل، سرویس‌های وب آمازون (AWS) و آی‌بی‌ام صدها میلیون دلار و توان محاسباتی انبوه برای ساخت مدل‌های اساسی که سرویس‌هایی مانند ChatGPT و دیگران به آن‌ها وابسته هستند، سرمایه‌گذاری کرده‌اند.

گارتنر بازیگران اصلی فعلی را به شرح زیر می داند:

• گوگل دو مدل زبان بزرگ دارد، Palm، مدل چندوجهی، و Bard، یک مدل زبان خالص. آنها فناوری هوش مصنوعی مولد خود را در مجموعه برنامه های کاربردی محل کار خود تعبیه می کنند که بلافاصله آن را در دست میلیون ها نفر قرار می دهد.

• مایکروسافت و OpenAI در حال راهپیمایی هستند. مانند گوگل، مایکروسافت در حال تعبیه فناوری هوش مصنوعی مولد در محصولات خود است، اما اولین مزیت و صدای ChatGPT را در کنار خود دارد.

• آمازون با Hugging Face، که تعدادی LLM به صورت منبع باز در دسترس دارد، برای ایجاد راه حل شریک شده است. آمازون همچنین Bedrock را دارد که دسترسی به هوش مصنوعی مولد در فضای ابری را از طریق AWS فراهم می کند و برنامه هایی را برای Titan اعلام کرده است، مجموعه ای از دو مدل هوش مصنوعی که متن ایجاد می کند و جستجوها و شخصی سازی را بهبود می بخشد.

• IBM دارای چندین مدل پایه و توانایی قوی برای تنظیم دقیق مدل های خود و شخص ثالث با تزریق داده ها و آموزش مجدد و به کارگیری مدل است.

این وبلاگ برگرفته از سایت گارتنر است. نظرات و اعتبارات باید به نویسندگان اصلی گارتنر داده شود.

مرجع: https://www.gartner.com/en/insights/generative-ai-for-business