چرا هوش مصنوعی هنوز تغییری در زندگی ما ایجاد نکرده است؟

چرا هوش مصنوعی هنوز تغییری در زندگی ما ایجاد نکرده است؟

با وجود همه توجهاتی که به هوش مصنوعی شده است، اما تا به حال تغییرات چشمگیری در زندگی روزمره ما ایجاد نکرده است.

به گزارش تک‌ناک،انقلاب‌های گسترده‌ای که در زمینه‌های مختلف از پردازش داده‌ها تا جستجو مطرح شده‌اند، عموماً تنها به بهبودهای جزئی در عملکرد منجر شده‌اند. در حقیقت، ما شاهد پیشرفت‌های نسبتاً محدود در ابزارهایی هستیم که پیش از این از آنها استفاده می‌کردیم، و تنها تعداد اندکی از این بهبودها به موفقیت‌های عمده منجر شده‌اند.

از زمان آغاز به کار OpenAI و آغاز مسابقه هوش مصنوعی، هجده ماه می‌گذرد. این رویداد، موجی از هیاهو در دنیای فناوری به پا کرد که حتی برای این حوزه نیز اغراق‌آمیز بود. بسیاری از بازیگران اصلی در این صنعت، به ادغام با مدل‌های زبان بزرگ (LLMs) روی آورده‌اند. این روند، تریلیون‌ها دلار را بسته به دیدگاه‌های مختلف به دست آورده یا از دست داده است.

پس چرا متحول کردن فضای فناوری توسط هوش‌مصنوعی اینقدر زمان می برد و آیا تغییرات چشمگیر هرگز محقق خواهد شد؟

پاکسازی مدل های زبان بزرگ (LLMs) دشوار بوده است

هرچند که بحث‌های گسترده‌ای در مورد مدل‌های زبان بزرگ (LLMs) صورت نگرفته است، اما این موضوع قطعاً به یک جنبه مهم تبدیل شده است. LLM‌ها قدرتمند هستند، اما به نوعی ابزارهایی خام و بی‌ظرافت به شمار می‌روند. یک مدل به خودی خود استدلال ذاتی ندارد؛ بلکه تنها توهمی از استدلال را ارائه می‌دهد و فقط قادر است از داده‌هایی که در فرآیند آموزش و تنظیم دقیق دریافت کرده است، بهره ببرد.

توهمات همچنان یک مشکل اصلی برای LLM ها هستند

مشکلی که با مدل‌های زبان بزرگ (LLMs) مواجهیم این است که به راحتی می‌توانند دچار توهم شوند، واژه‌ای که همگان پس از راه‌اندازی ChatGPT با آن آشنا شده‌اند. توهم در این زمینه بهتر است به عنوان نوعی برون‌یابی تلقی شود. یک LLM، دستور ورودی را دریافت می‌کند و برخلاف موتور جستجو که ممکن است از الگوریتم‌های از پیش تعریف شده برای مرتب‌سازی و فیلترکردن داده‌ها استفاده کند، به استنباطی از پاسخ می رسد.

توهم زمانی رخ می‌دهد که مدل، متنی بی‌معنی تولید کند یا داده‌هایی را استنباط کند که در آموزش اولیه‌اش گنجانده نشده‌اند. خطر توهم در این است که پاسخ اشتباهی که مدل ارائه می‌دهد، اغلب دقیقاً همان چیزی است که جستجوگر به دنبال آن است بنابراین ممکن است به اندازه‌ای که واقعاً نادرست است، به نظر نرسد.

گاهی اوقات، توهم‌ها می‌توانند مفید باشند؛ آن‌ها یکی از روش‌هایی هستند که از طریق آن‌ها مدل می‌تواند خلاقیت یا تخیل را به نمایش بگذارد. با این حال، برای جلوگیری از تاییدهای نادرست و کاملاً غلط توسط مدل‌ها، باید به طور دقیق تنظیم و هدایت شوند. تنظیم درست و هدایت کارآمد، می‌تواند به بهره‌برداری مثبت از توانایی‌های خلاقه مدل‌ها کمک کند، ضمن اینکه اطمینان حاصل می‌شود که پاسخ‌های تولیدی تا حد امکان دقیق و معتبر باشند. این تعادل بین خلاقیت و دقت می‌تواند در کاربردهای بسیاری از صنایع مختلف، ارزش افزوده قابل توجهی ایجاد کند.

دسترسی به داده های آموزشی گران می شود

یکی از محدودیت‌های اصلی در پیشرفت مدل‌های زبان بزرگ (LLMs) در سال گذشته، کمبود داده‌های آموزشی بوده است. تغییرات در دسترسی به API‌ها که پیش از این رایگان و عمومی بودند، تأثیر قابل توجهی بر هوش مصنوعی داشته‌اند. پیش از ChatGPT، دسترسی به داده‌ها از وب‌سایت‌هایی که بر محتوای تولیدی کاربران مانند توییتر یا ردیت متکی بودند، نسبتاً آسان‌تر بود. اما با اینکه هر دوی این سایت‌ها دسترسی به API خود را محدود کرده‌اند یا داده‌های آموزشی را به طور مستقیم فروخته‌اند، واکنش‌های متفاوتی از کاربران دریافت کرده‌اند. همچنین، Stack Overflow به تازگی به دلیل فروش داده‌های خود برای آموزش مدل‌ها با انتقادات منفی روبرو شده است. این موضوع نشان می‌دهد که چالش‌های قانونی و اخلاقی در تامین داده‌های مناسب برای آموزش مدل‌های زبان بزرگ، همچنان یک مسئله مهم است.

شروع یک استارتاپ هوش مصنوعی در سال ۲۰۲۴ چالش‌های بزرگی به همراه دارد، به خصوص در زمینه تأمین مالی. نیاز به سرمایه اولیه قابل توجه برای استخدام مهندسان یادگیری ماشین با هزینه‌های بالا، دسترسی به مجموعه داده مناسب و تأمین مالی برای هزاران ساعت از زمان محاسباتی پردازنده گرافیکی نشان‌دهنده بخشی از هزینه‌های اولیه است. علاوه بر این، فرض بر این است که شما از ابتدا مرکز داده آموزشی خود را نمی‌سازید، که خود می‌تواند هزینه‌ها را افزایش دهد.

با وجود پیشرفت‌ها در ابزارهای توسعه مدل‌های یادگیری ماشین، موانع ورود به این حوزه به طور قابل توجهی افزایش یافته است. این افزایش موانع نه تنها برای استارتاپ‌ها بلکه برای کل صنعت به معنی افزایش هزینه‌ها و نیاز به منابع بیشتر است. در نتیجه، برای ورود به این بازار و موفقیت در آن، نیازمند برنامه‌ریزی دقیق، منابع مالی کافی و دسترسی به تکنولوژی و دانش فنی عمیق است.

عرضه محصولات به بازار دشوار بوده است

یکی از جنبه های مهم هوش مصنوعی که از همان ابتدا شناخته شده بود و همچنان پابرجا است، سختی عرضه محصولات هوش مصنوعی به بازار است. تا به امروز، اکثر مدل‌های بزرگ داخلی در اختیار بزرگترین شرکت‌های فناوری بوده‌اند و محصولاتی که به اتصال به اینترنت و مدل‌های آنلاین متکی هستند، برای جلب توجه با مشکل مواجه شده‌اند.

ما شاهد موجی از ادغام‌ها با مدل‌های تنظیم‌شده با پشتوانه GPT3.5/4 و همچنین پشتیبانی داخلی OpenAI برای تنظیم دقیق این مدل‌ها بوده‌ایم. در حالی که برخی از نتایج برای ابزارهای با کاربرد محدودتر چشمگیر بوده است، اما این ابزارها اغلب برای پر کردن یک شکاف به طور قابل اعتماد، بیش از حد ناپخته بوده‌اند.

حتی شرکت‌هایی مانند گوگل و مایکروسافت نیز در عرضه هوش مصنوعی به بازار با مشکلات جدی روبرو بوده‌اند. گوگل دستیار هوش مصنوعی خود را به جستجوی پیش فرض سوق داده است که قبلاً انواع مشکلات را با نتایج نادرست، احمقانه یا کاملاً خطرناک ایجاد کرده است. جستجوی بینگ نیز به طور مشابه تحت فشار قرار گرفت و سپس به عقب برگشت. تولیدکنندگان تصویر هوش مصنوعی به مشکلی قابل توجه تبدیل شده‌اند، احتمالاً به این دلیل که سوگیری‌های آن‌ها برای کاربر معمولی به راحتی قابل مشاهده است.

هوش مصنوعی در حال تغییر جهان است

واقعیت هوش مصنوعی این است که همین حالا در حال تغییر جهان است. هوش مصنوعی فراتر از چرخه تبلیغاتی مدل‌های زبان بزرگ، هوش مصنوعی تولیدکننده و هوش مصنوعی عمومی، هر روز توسط کسب و کارها، پژوهشگران و دولت‌ها برای کمک به پردازش داده‌ها، یافتن روندها، تصمیم‌گیری بهتر و درک الگوها استفاده می‌شود. این فناوری توسط توسعه‌دهندگان برای بهبود بهره‌وری، توسط تحلیلگران برای بهبود کارایی زنجیره تامین، و چه خوب چه بد، توسط شرکت‌های بیمه برای تصمیم‌گیری در مورد همه چیز، از بیمه خودرو گرفته تا مراقبت‌های بهداشتی به کار گرفته می‌شود. از این فناوری برای بهینه‌سازی برنامه‌های کشف دارو که به طور سنتی به ابررایانه‌های عظیم و محاسبات گران‌قیمت نیاز دارد و در بخش مالی برای مدل‌سازی ریسک، کشف جرائم مالی و پردازش داده‌ها استفاده می‌شود.

یکی از پیشرفت‌های عمده هوش مصنوعی که درست در افق است (اگر بازی با کلمات را ببخشید)، پیش‌بینی آب و هوا است. این صنعت بسیار پرهزینه است که به سرعت توسط هوش مصنوعی در حال انقلاب است. آنها اکنون قادرند سال‌ها داده‌های تاریخی آب و هوا را دریافت کرده و بدون نیاز به مدل‌سازی گران‌قیمت ابررایانه‌ها، پیش‌بینی‌های دقیقی در مورد آب و هوا انجام دهند.

مدل‌های زبان بزرگ تنها شاخه کوچکی از هوش مصنوعی هستند

مهم است به خاطر داشته باشید که با وجود اینکه مدل‌های زبان بزرگ در حال حاضر شناخته‌شده‌ترین نوع هوش مصنوعی هستند، اما تنها بخش نسبتاً کوچکی از چتر «هوش مصنوعی» را تشکیل می‌دهند. هوش مصنوعی تولیدکننده تبلیغ داغ جدید است، اما ممکن است برای مدت طولانی مورد توجه قرار نگیرد. فناوری‌های جدیدی در افق وجود خواهد داشت و افت اجتناب‌ناپذیر تبلیغات پیرامون هوش مصنوعی تولیدکننده رخ خواهد داد.

در حالی که هوش مصنوعی در 18 ماه گذشته هیجان‌انگیز بوده است و همچنان چنین خواهد بود، اما هنوز مشخص نیست که چگونه واقعاً زندگی ما را تغییر خواهد داد.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

technoc-instagram