هوش مصنوعی برای کارآموزان مبتدی

تا به حال پیش آمده که برای یک پروژه درسی یا کاری، ساعت‌ها در اینترنت به دنبال یک عکس خاص و باکیفیت بگردی و پیدا نکنی؟ در نهایت با ناامیدی، چند کلمه کلیدی ساده را در یک ابزار تولید تصویر با هوش مصنوعی تایپ می‌کنی و در کمتر از یک دقیقه، چهار تصویر خیره‌کننده و کاملاً جدید تحویل می‌گیری که دقیقاً همان چیزی است که در ذهنت داشتی. در آن لحظه چه حسی پیدا می‌کنی؟ شگفتی؟ شاید کمی ترس؟ واقعیت این است که شما در حال تعامل با یک «موجود متفکر» نبوده‌اید. شما فقط نتیجه کار یک کارآموز دیجیتال فوق‌العاده سریع و دقیق را دیده‌اید. بریم تا جایی که میتونیم هوش مصنوعی رو برای کارآموزان مبتدی و تازه کارمون بشکافیم!

به زبان ساده، هوش مصنوعی علم و هنر ساختن همین کارآموزان دیجیتال است. کارآموزانی که برخلاف انسان، هرگز خسته نمی‌شوند، حافظه‌شان نامحدود است، اما هیچ ایده‌ای از خودشان ندارند و ذره‌ای «عقل سلیم» در وجودشان نیست. آن‌ها فقط در کاری که برای آن «تربیت» شده‌اند، بی‌نهایت خوب عمل می‌کنند. این مقاله، دفترچه راهنمای شما برای شناخت این کارآموزان جدید است. ما با هم یاد می‌گیریم که آن‌ها چطور دسته‌بندی می‌شوند، چگونه آموزش می‌بینند و چطور شما، در هر شغل و سنی که هستید، می‌توانید به «استاد» این کارآموزان تبدیل شوید و از قدرتشان برای ارتقای کارهای خودتان استفاده کنید.

اگه یک هوش مصنوعی هوشمند در اختیارت بود، طوریکه میتونست خودش رو بهینه کنه یعنی خودش رو آموزش بده و خیلی خفن بشه، اول بهش چی میگفتی؟ چه وظیفه ای بهش محول میکردی؟

کارآموز تک‌بعدی در مقابل همه‌فن‌حریف: دسته‌بندی هوش مصنوعی

اولین قدم برای درک انواع هوش مصنوعی، شناخت دو دسته اصلی از این کارآموزان است. این دسته‌بندی بر اساس گستره‌ی توانایی‌هایشان انجام می‌شود.

هوش مصنوعی محدود (Narrow AI): کارآموز متخصص یک رشته

تقریباً تمام ابزارهای هوش مصنوعی که امروز با آن‌ها سروکار داریم، از این نوع هستند. این کارآموزان، فقط و فقط برای یک وظیفه مشخص و محدود تربیت شده‌اند. آن‌ها در همان یک کار، عملکردی فراانسانی دارند، اما اگر از آن‌ها بخواهید کار دیگری انجام دهند، کاملاً گیج می‌شوند، در اصل چیزی برایش تعریف نشده که بتونه جواب بده.

• ابزار تشخیص چهره در گوشی شما: این کارآموز، یک متخصص امنیت و شناسایی چهره است. او فقط یک کار بلد است: مقایسه عکسی که الان از شما می‌گیرد با عکس‌های مرجعی که قبلاً به او داده‌اید.
• سیستم پیشنهاددهنده فیلم در نتفلیکس: این یک کارآموز دیجیتال است که فقط در رشته «نقد فیلم برای شخص شما» تحصیل کرده است. او با دیدن تمام فیلم‌هایی که قبلاً تماشا کرده‌اید، سلیقه شما را یاد می‌گیرد و می‌تواند فیلم‌های جدیدی را پیشنهاد دهد که احتمالاً دوست خواهید داشت. اما اگر از او بپرسید فردا هوا چطور است، هیچ جوابی برای شما ندارد.

هوش مصنوعی عمومی (AGI): کارآموز افسانه‌ای همه‌چیزدان

این همان چیزی است که در فیلم‌های علمی-تخیلی می‌بینیم. یک کارآموز دیجیتال که توانایی یادگیری و انجام هر کاری که یک انسان قادر به انجام آن است را دارد. او می‌تواند شعر بگوید، ماشین براند، جراحی کند و همزمان در مورد فلسفه با شما بحث کند. مهم است بدانید که این نوع از هوش مصنوعی در حال حاضر بصورت کامل وجود ندارد ولی در زمینه های مختلف در حال توسعه است. چون ممکنه خطرناک بشه باید قانونگذاری در سطح همه کشورا برایش بشود.

سوال چالشی: دستیار صوتی گوشی شما (مثل Siri یا Google Assistant) جزو کدام دسته قرار می‌گیرد؟ آیا او یک متخصص تک‌رشته‌ای است یا یک همه‌فن‌حریف؟ به چه وظایفی می‌توانید و نمی‌توانید به او بسپارید؟

«مدرسه» کارآموزان دیجیتال: یادگیری ماشین چگونه کار می‌کند؟

حالا سوال اصلی اینجاست: این کارآموزان چطور تربیت می‌شوند؟ پاسخ در مفهومی به نام یادگیری ماشین (Machine Learning) نهفته است. یادگیری ماشین، مدرسه‌ی این کارآموزان است. در برنامه‌نویسی سنتی، ما به کامپیوتر «قوانین» را می‌دادیم. مثلاً می‌گفتیم: «اگر دمای هوا بالای ۳۰ درجه بود، کولر را روشن کن.» اما در یادگیری ماشین، ما به کارآموز دیجیتال «مثال» نشان می‌دهیم. ما به او هزاران قانون نمی‌گوییم. در عوض، هزاران داده به او می‌دهیم و از او می‌خواهیم خودش الگوها و قوانین پنهان در آن داده‌ها را کشف کند.

داستان واقعی: تربیت یک متخصص پوست دیجیتال

دکتر مینا، یک متخصص پوست، به یک کارآموز دیجیتال هزاران عکس از خال‌های پوستی (نیمی بی‌خطر، نیمی سرطانی) نشان می‌دهد. او به کارآموز یاد نمی‌دهد که «سرطان چیست». او فقط می‌گوید: «اینها نمونه‌های گروه الف هستند و اینها نمونه‌های گروه ب». کارآموز دیجیتال پس از دیدن این همه مثال، الگوهای بصری بسیار ظریفی مانند تقارن، رنگ و بافت را یاد می‌گیرد که حتی گاهی از چشم یک انسان هم پنهان می‌ماند. حالا دکتر مینا می‌تواند عکس یک خال جدید را به این کارآموز نشان دهد و او با دقت بالایی حدس می‌زند که این نمونه به گروه الف نزدیک‌تر است یا به گروه ب. این اساس کار یادگیری ماشین است: یادگیری از طریق مثال، نه دستور.

چت‌بات‌ها، فارغ‌التحصیلان ممتاز رشته ادبیات!

مشهورترین کارآموزان دیجیتال این روزها، چت بات های هوش مصنوعی مانند ChatGPT هستند. این‌ها کارآموزانی هستند که در رشته «زبان و ادبیات» با دسترسی به بزرگترین کتابخانه جهان (کل اینترنت) تخصص گرفته‌اند.

این کارآموزان چطور «حرف زدن» یاد می‌گیرند؟

عملکرد آن‌ها در عین پیچیدگی، بر یک اصل ساده استوار است: حدس زدن محتمل‌ترین کلمه بعدی. وقتی شما می‌نویسید «پایتخت ایران…»، این چت‌بات با توجه به میلیاردها متنی که خوانده، حساب می‌کند که محتمل‌ترین کلمه‌ای که باید بعد از این جمله بیاید، «تهران» است. آن‌ها واقعاً مفهوم «پایتخت» یا «ایران» را درک نمی‌کنند. آن‌ها استادان بی‌رقیب آمار و احتمال در زبان هستند. به همین دلیل گاهی اوقات جواب‌های کاملاً بی‌ربط یا اشتباه می‌دهند، چون صرفاً محتمل‌ترین ترکیب کلمات را کنار هم چیده‌اند.

این کارآموزان چطور «حرف زدن» یاد می‌گیرند؟

یک دانشجو را تصور کنید که باید برای درس تاریخ هنر، یک مقاله در مورد سبک «کوبیسم» بنویسد. او به جای اینکه از چت‌بات بخواهد مقاله را برایش بنویسد (که هم تقلب است و هم احتمالاً حاوی اطلاعات نادرست خواهد بود)، از او به عنوان یک شریک طوفان فکری استفاده می‌کند. او می‌پرسد: «۱۰ ویژگی اصلی سبک کوبیسم چیست؟» یا «به جز پیکاسو، کدام هنرمندان دیگر در این سبک کار کرده‌اند؟» یا «یک ساختار جذاب برای مقاله‌ای در مورد کوبیسم پیشنهاد بده.» این یعنی استفاده هوشمندانه از یک ابزار.

همکاری با کارآموز دیجیتال: مثال‌هایی از دنیای کار

کاربرد هوش مصنوعی در مشاغل به معنای جایگزینی انسان نیست، بلکه به معنای توانمندسازی اوست. هوش مصنوعی می‌تواند بخش‌های طاقت‌فرسا و تکراری کار را بر عهده بگیرد تا انسان روی بخش‌های خلاقانه و استراتژیک تمرکز کند.

• در معماری: یک معمار می‌تواند محدودیت‌های یک پروژه (متراژ زمین، بودجه، تعداد اتاق‌ها، جهت نور) را به یک کارآموز دیجیتال بدهد. این کارآموز در چند دقیقه، ده‌ها طرح اولیه و نقشه جانمایی فضاها را تولید می‌کند. این طرح‌ها شاید بی‌نقص نباشند، اما یک نقطه شروع عالی برای خلاقیت معمار فراهم می‌کنند و از ساعت‌ها کار طراحی دستی جلوگیری می‌کنند.
• در بازاریابی: یک مدیر بازاریابی می‌خواهد بفهمد چرا مشتریان یک محصول خاص را پس می‌فرستند. او به جای خواندن دستی هزاران کامنت و ایمیل، آن‌ها را به یک کارآموز دیجیتال می‌دهد. این کارآموز نظرات را بر اساس موضوع (قیمت، کیفیت، بسته‌بندی، ارسال) دسته‌بندی کرده و خلاصه‌ای از دلایل اصلی نارضایتی را در یک گزارش ارائه می‌دهد.

سوال چالشی: در شغل یا رشته تحصیلی خودتان، چه وظیفه‌ای وجود دارد که مبتنی بر شناسایی الگو یا دسته‌بندی حجم زیادی از اطلاعات است؟ فکر می‌کنید یک کارآموز دیجیتال چطور می‌توانست در آن زمینه به شما کمک کند؟

من، یکی از کارآموزان دوره سئوی آکادمی به همراه استادم آقای رضا اقبال، این مقاله را نوشتم تا یک دیدگاه جدید به شما بدهم. هوش مصنوعی یک نیروی خارجی ترسناک یا یک جعبه سیاه جادویی نیست. این یک ابزار است؛ یک کارآموز دیجیتال که منتظر یک استاد خوب است تا به او جهت بدهد. آینده‌ی موفقیت در هر شغلی، در دستان کسانی است که یاد می‌گیرند چطور بهترین استاد برای این کارآموزان باشند. کسانی که می‌دانند چه وظایفی را به آن‌ها بسپارند، چطور سوالات درستی از آن‌ها بپرسند و چگونه از خروجی کارشان برای رسیدن به اهداف بزرگ‌تر استفاده کنند.

زبان اصلی برای آموزش و هدایت این کارآموزان، زبان کدنویسی، و به طور مشخص، پایتون است. یادگیری پایتون دیگر فقط یک مهارت فنی نیست؛ این اولین قدم برای تبدیل شدن به یک «مربی» در عصر هوش مصنوعی است. در آکادمی ما، ما فقط به شما دستورات پایتون را یاد نمی‌دهیم. ما به شما یاد می‌دهیم که چطور فکر کنید، چطور مسئله حل کنید و چطور اولین کارآموز دیجیتال خودتان را برای حل یکی از مشکلات واقعی زندگی‌تان به کار بگیرید. اگه اصلا تا حالا یک خط کد هم ننوشتین، پیشنهاد میکنم دوره کارآموزی مقدماتی پایتون رو حتما شرکت کنید.