اصطلاحات برجسته هوش مصنوعی در 2024

 در دههٔ گذشته، هوش مصنوعی به‌عنوان یکی از پررنگ‌ترین و مهم‌ترین فنّاوری‌های جهانی درحال‌توسعه بوده است. با پیشرفت روزافزون در زمینه هوش مصنوعی، مفاهیم و اصطلاحات جدیدی نیز معرفی شده‌اند که برای درک عمیق‌تر این حوزه از اهمیت بالایی برخوردارند.

 در این مطلب، ما به برخی از اصطلاحات کلیدی هوش مصنوعی که به‌عنوان سنگ بنای این چشم‌انداز به‌سرعت در حال تکامل ظاهر شده‌اند، می‌پردازیم. از مدل‌های زبان بزرگ که می‌توانند مکالمه انسان را تقلید کنند، تا هوش مصنوعی مولد که می‌تواند هنر و موسیقی خلق کند، هر اصطلاح بخش مهمی از پازل هوش مصنوعی را در بر می‌گیرد. با ابهام‌زدایی از این اصطلاحات، هدف ما ارائه تصویر واضح‌تری از توانایی‌های هوش مصنوعی در امروز است و اینکه فردا ممکن است ما را به کجا برساند.

 Multimodal AI / هوش مصنوعی چندوجهی

 سال 2023 شاهد استفاده گسترده از مدل‌های پیچیده زبان بزرگ (LLM) بودیم که تعاملات دیجیتالی را در انواع داده‌های خاص، مانند متن یا یک تصویر خاص، متحول کرد. تکامل طبیعی چنین دستاوردهایی در سال 2024 ظهور هوش مصنوعی چندوجهی خواهد بود که به‌موجب آن سیستم‌ها به طور فزاینده‌ای برای تفسیر و پردازش داده‌ها از منابع داده‌های متنوع، از جمله متون، تصاویر، صداها، ویدئوها و کدها طراحی می‌شوند.

 بنابراین، به‌جای تمرکز سیستم تک‌وجهی روی یک بعد واحد، مانند تشخیص تصویر، چندوجهی بودن، سیستم را ارتقا می‌دهد تا انواع مختلف داده‌ها و اطلاعات را به‌راحتی مدیریت کند. این تطبیق‌پذیری می‌تواند در افزایش تجربیات کاربر در بسیاری از برنامه‌ها و حل مشکلات پیچیده بسیار مفید باشد. به‌این‌ترتیب، چندوجهی به‌عنوان مرحله تکاملی بعدی هوش مصنوعی بسیار مهم خواهد بود، یعنی تعامل با جهان به روشی که بیشتر با رفتار انسان قابل‌مقایسه باشد.

 در واقع، گذار از تک‌وجهی به چندوجهی نوآوری قابل‌توجهی را در بسیاری از صنایع به همراه خواهد داشت. برای مثال، در طول تماس با خدمات مشتری، هوش مصنوعی می‌تواند درخواست گفتاری مشتری را تجزیه‌وتحلیل کند، اسناد مالی آنها را تفسیر کند و حالات چهره آنها را در یک مشاوره ویدئویی ارزیابی کند. با ترکیب این داده‌ها (گفتار، متن و نشانه‌های بصری)، هوش مصنوعی می‌تواند توصیه‌های مالی شخصی‌سازی‌شده‌تری ارائه دهد و ارزیابی‌های اعتبار را بادقت بالا ببرد.

 به زبان ساده یعنی هوش مصنوعی‌هایی که می‌توانند چند ورودی و خروجی مثل تصویر، ویدئو و صدا را دریافت و همه آنها را پردازش کرده و همچنین خروجی‌هایی مختلفی ارائه ‌دهند.

 AI Agents / عامل‌های هوش مصنوعی

 ازآنجایی‌که مدل‌های چندوجهی هوش مصنوعی خیلی پیشرفت کرده‌اند، روی عامل‌ها یا دستیارهای هوش مصنوعی نیز تمرکز شده است.

عامل‌های هوش مصنوعی یک برنامه نرم‌افزاری هستند که می‌توانند با محیط خود تعامل داشته باشند، داده‌ها را جمع‌آوری کنند و از داده‌ها برای انجام وظایف تعیین شده برای رسیدن به اهداف از پیش تعیین شده استفاده کنند. انسان‌ها اهدافی را تعیین می‌کنند، اما یک عامل هوش مصنوعی به طور مستقل بهترین اقداماتی را که برای رسیدن به آن اهداف نیاز دارد، انتخاب می‌کند. برای مثال، یک عامل هوش مصنوعی مرکز تماس را در نظر بگیرید که می‌خواهد سؤالات مشتری را حل کند. نماینده به طور خودکار از مشتری سؤالات مختلف می‌پرسد، اطلاعات را در اسناد داخلی جستجو می‌کند و با راه‌حل پاسخ می‌دهد. بر اساس پاسخ‌های مشتری، تعیین می‌کند که آیا می‌تواند خود پرس‌وجو را حل کند یا آن را به یک انسان منتقل کند.

 همه نرم‌افزارها به طور مستقل وظایف مختلفی را که توسط توسعه‌دهنده نرم‌افزار تعیین شده است، انجام می‌دهند؛ بنابراین، چه چیزی هوش مصنوعی یا عوامل هوشمند را خاص می‌کند؟

 عوامل هوش مصنوعی، عوامل منطقی هستند. آنها بر اساس ادراک و داده‌های خود تصمیمات منطقی می‌گیرند تا عملکرد و نتایج بهینه را تولید کنند. یک عامل هوش مصنوعی محیط خود را با رابط‌های فیزیکی یا نرم‌افزاری حس می‌کند.

 به‌عنوان‌مثال، یک عامل رباتیک داده‌های حسگر را جمع‌آوری می‌کند و یک ربات چت از درخواست‌های مشتری به‌عنوان ورودی استفاده می‌کند. سپس، عامل هوش مصنوعی داده‌ها را برای تصمیم‌گیری آگاهانه اعمال می‌کند. داده‌های جمع‌آوری‌شده را برای پیش‌بینی بهترین نتایجی که از اهداف از پیش تعیین شده پشتیبانی می‌کنند، تجزیه‌وتحلیل می‌کند. عامل همچنین از نتایج برای فرمول‌بندی اقدام بعدی که باید انجام دهد استفاده می‌کند. به‌عنوان‌مثال، خودروهای خودران بر اساس داده‌های چند سنسور در اطراف موانع جاده حرکت می‌کنند.

 Synthetic Data / داده‌های مصنوعی

 مدل‌های هوش مصنوعی برای قوی‌تر شدن، نیاز به داده‌های زیادی برای آموزش دارند و این‌گونه نیست که در همه زمینه‌ها، داده آماده باشد. چرا که ممکن است؛ مثلاً در یک زمینه خاص داده‌ای ثبت نشده باشد و یا مثلاً در حوزه پزشکی به دلایل محرمانه، اطلاعات بیماری در دسترس نباشد.

 علامت‌گذاری داده‌ها برای یاددادن به هوش مصنوعی خیلی پروسه زمان بر و هزینه‌بری است و در نتیجه این موضوع تعداد داده‌ها را محدود می‌کند. همچنین قانون حق نشر و رعایت حقوق آثار نیز به این روند اضافه و محدودیت داده را تشدید می‌کند.

 حال برای تهیه این داده‌ها به مفهوم داده‌های مصنوعی می‌رسیم. این مفهوم به‌تازگی پررنگ‌تر شده و برای مدل‌های هوش مصنوعی، داده‌های مصنوعی مثل تصویر، متن، ویدئو و... را تولید می‌کنند.

 برای مثال می‌توان مکالمه‌های چت جی‌پی‌تی را نام برد. این اطلاعات تولیدی که در عمل اتفاق نیفتاده داده‌های مصنوعی هستند.

 digital twin / دوقلوی دیجیتال

 دوقلوی دیجیتال یک مدل مجازی است که یک سیستم از دنیای واقعی را شبیه‌سازی می‌کند و کاملاً ویژگی‌های فیزیکی و دینامیکی منحصربه‌فرد نسخه اصلی را شبیه‌سازی می‌کند. این سیستم می‌تواند یک دیتاسنتر، یک کارخانه، یک بازوی رباتیکی و... باشد. این حوزه مزیت‌های زیادی دارد و به سازمان‌ها کمک می‌کند تا موقعیت‌های واقعی و نتایج آنها را شبیه‌سازی کنند و در نهایت به آنها اجازه می‌دهد تصمیمات بهتری بگیرند.

 به بیان ساده، یک دوقلو دیجیتال یک رونوشت مجازی از یک شیء فیزیکی، شخص یا فرایند است که می‌تواند برای شبیه‌سازی رفتار آن، برای درک بهتر نحوه عملکرد آن در زندگی واقعی استفاده شود. دوقلوهای دیجیتال به منابع داده واقعی از محیط مرتبط هستند، به این معنی که دوقلوها در زمان واقعی به‌روز می‌شوند تا نسخه اصلی را منعکس کنند.

در این زمینه مثلاً شرکت BMW برای شبیه‌سازی کارخانه خودش با شرکت انویدیا همکاری کرده و از یک مدل مجازی از شرکتش برای بهینه‌سازی و بهبود کارایی استفاده می‌کند.

 همچنین پروژه زمین 2 نیز با این فناوری در حال اجرا است. یعنی دوقلوی کره زمین با شرایط جغرافیایی و جوی در حال ساخت است که بشود حوادث و بلایای طبیعی را با آن پیش‌بینی کرد.

---