این کتاب حاوی مطالب متنوعی درباره هوش مصنوعیِ مولد، و جدیدترین جلوه آن، یعنی چَت‌جی‌چی‌تی (ChatGPT) است. در این کتاب تلاش شده تا کاربردهای چَت‌جی‌چی‌تی در امور مختلف، از جمله تولید محتوا، تصحیح متون، خلاصه کردن متون، ترجمه زبان‌، آموزشِ الکترونیک، برنامه‌نویسی و کدنویسی، حل مسائل ریاضی، امور مالی، امور بهداشتی و پزشکی، امنیت سایبری، امور تحقیقاتی، و غیره توضیح داده شود. هر چند در هیچ جای این کتاب اشاره‌ای به این موضوع نشده، و هر سه نویسنده کتاب نیز جزء کارشناسان حوزه هوش‌ مصنوعی هستند، ولی بر اساس برخی پارامترها، حس می‌شود که خود این کتاب نیز تا حدی به کمک هوش مصنوعی نوشته شده. با اینحال، اگر هم این گمانه زنی درست باشد، این قدرت هوش مصنوعی مولد را نشان می‌دهد، و چیزی از آموزنده بودن مطالب ارائه شده در این کتاب نمی‌کاهد.

درباره نویسندگان کتاب

$Description: G:\My Books\19_ Rise of Generative AI and ChatGPT\sum_files\image001.png$ اوتپال چاکرابورتی (Utpal Chakraborty) متولد 1979 در هند، کارشناس علوم داده و محقق هوش مصنوعی، رایانش کوانتومی، و استراتژیست است. او بعنوان معمار ارشد در شرکتهایی مثل L&T Infitech، IBM، و غیره کار کرده و همچنین مدیر بخش هوش مصنوعی بانک YES بوده. او یکی از کارشناسان برجسته هوش مصنوعی در هند محسوب می‌شود.

سامیت کومار (Sumit Kumar) متولد 1985 در هند، متخصص هوش مصنوعی و بینایی کامپیوتری است. او در مراکز مختلف تحقیقاتی هند و آمریکا کار کرده و حالا بعنوان یک استراتژیست در وزارت دفاع هند کار می‌کند.

این اولین کتاب ترجمه شده من درباره هوش مصنوعی است که به ربات‌های گفتگو (چت‌بات‌ها) می‌پردازد. کتاب‌ بعدی درباره کاربردهای هوش مصنوعی در خلق تصاویر، موسیقی، و غیره خواهد بود. من معمولاً برای کتابهای ترجمه شده مقدمه‌ای را می‌نویسم و تلاش می‌کنم مطالبی را اضافه کنم که ممکن است از قلم نویسند‌گان کتاب افتاده، یا به خوانندگان فارسی زبان مرتبط باشد. به دلیل اهمیت مطالب این کتاب، نظرات و تجربیات خودم را هم بعنوان یک کارشناس و هم بعنوان یک کاربرِ فن‌آوری درباره هوش‌مصنوعی مولد بیان کردم، که این موجب شد مقدمه کمی طولانی شود. با اینحال خواندن آن را به کسانی که به موضوع هوش مصنوعی علاقه دارند توصیه می‌کنم.

در چند سال اخیر، خصوصاً در دهه فعلی (2020)، به دلیل پیشرفت‌های سریعی که در هوش مصنوعی حاصل شده، هیاهو و نگرانی‌های زیادی درباره این حوزه پدید آمده، که بعضاً در رسانه‌ها نیز بطور گسترده انعکاس یافته‌اند. حتی برای خودِ ما نیز ظهور برنامه‌هایی مثل چت‌جی‌پی‌تی بسیار حیرت‌آور بود، زیرا به این زودی‌ها انتظار آن را نداشتیم (حداقل با این کیفیت و چنین همه‌گیر). در اواسط دهه 60 شمسی هنگامی که تازه کامپیوترهای شخصی به ایران آمده بودند، در سخنرانی‌ها و کلاس‌هایی که جهت ترویج کامپیوتر تشکیل می‌دادیم، برخی از توانایی‌هایی که برای کامپیوترها ذکر می‌شد اینها بود: انجام کارهای مالی و اداری، بازی و سرگرمی، واژه‌پردازی، آموزش، ... و حتی خاطرم هست که در آن زمان با وجود اینکه چیزی بنام اینترنت وجود نداشت، به امکان دوست‌یابی از طریق کامپیوتر هم اشاره می‌شد. ولی غیر قابل تصور بود که به مردم بگوییم شما برنامه‌هایی را خواهید داشت که می‌توانید با آنها به زبان خودتان گفتگو کنید و سئوالات و مشکلات خود را بپرسید. چنین چیزهایی آنقدر آینده‌گرایانه بودند که به ادبیات علمی-تخیلی تعلق داشتند، و کمتر کسی فکر می‌کرد که در آینده نزدیک (حدود 37 سال بعد) به بازار بی‌آیند. این روند همچنان ادامه داشت، زیرا ما حتی 25 سال بعد هم انتظار آن را نداشتیم. در اوایل دهه 1390 هنگامی که دخترم می‌خواست برای انتخاب گرایش کارشناسی ارشدِ خودش از من مشورت بگیرد، او از من پرسید که کدامیک از گرایش‌های مهندسی نرم‌افزار (برنامه‌نویسی، پایگاه‌داده‌ها، شبکه، هوش‌مصنوعی، و غیره) را انتخاب کنم. درست خاطرم نیست که چه پیشنهادی به او دادم، ولی با توجه به حسی که نسبت به این حوزه داشتم، به او گفتم ”هوش مصنوعی یک چیز فانتزی است! و در اینجا برای آن کار نیست.“ البته هنوز هم مطمئن نیستم آنچه درباره بازارِ هوش مصنوعی در ایران گفتم کاملاً غلط باشد، ولی یکی دو سالی است که تصور کلی من نسبت به این موضوع و آینده آن تغییر پیدا کرده.

کسانی که تازه با این پدیده آشنا شده‌اند باید توجه داشته باشند که آنچه موجب این هیاهو شده، و تا حدی (بطور اغراق آمیزی) از طرف افراد ناآگاه درباره آن حساسیت نشان داده می‌شود، یکی از حوزه‌های هوش مصنوعی است که هوش مصنوعیِ مولد (Generative AI) نام دارد، وگرنه خود هوش مصنوعی یکی از قدیمی‌ترین شاخه‌های علوم کامپیوتری است که قدمت آن به دهه 1940 و کارهای آلن تورینگ (Alan Turing) و دیگران باز می‌گردد که اساس این علم را بنیان نهادند.

هوش مصنوعی مولد چیست؟

بطور کلی هوش مصنوعی شاخه‌ای از علوم کامپیوتری است که تلاش دارد ماهيت ‌هوش ‌ انسان و حيوان را درک کند و تا آنجا که امکان دارد آنها را شبیه‌سازی کند. از اوایل دهه 1940 میلادی، پایه‌های این علم بنا نهاده شد و کم‌کم الگوریتم‌هایی برای آن ساخته شدند. در ابتدا تلاشِ دانشمندان این حوزه بر چیزهایی متمرکز بود که می‌شد الگوریتم‌های آنها را آسانتر پیاده کرد، مثل بازی‌های فکری مانند شطرنج یا چِکرز. ولی بعداً به سمت مواردی مثل تشخیص علائم و دست‌خط‌ها نیز گسترش پیدا کرد.

جالبترین موردی که در میان شاخه‌های هوش مصنوعی پیدا شد، هوش مصنوعی مولد (Generative AI) بود، که در اوایل دهه 1960 با تولید چت‌بات‌هایی [1] مانند ELIZA شروع شد. تفاوت این شاخه جدید این بود که خودش چیزهایی را تولید می‌کرد، و لغت مولد نیز حاکی از همین ویژگی است.

اصولاً کلیه برنامه‌های کامپیوتری باید چیزی را تولید کنند (گزارش‌ها، اعداد، فهرست‌ها، ...)، ولی وقتی صحبت از تولیدات هوش مصنوعیِ مولد می‌شود، فقط چیزهایی مورد نظر هستند که قبلاً از طریق هوش انسانی تولید می‌شدند. چند نمونه از چیزهایی که توسط انسان، یا با ماشین ولی با نظارت مستقیم انسان تولید می‌شوند اینها هستند: نوشته‌ها به زبان‌های انسانی، تولید اصوات، تصاویر، و ویدئوها، برنامه‌های کامپیوتری، و کلاً هر چیزی که قبلاً وجود نداشته و توسط انسان، و یا با ماشین ولی صرفاً بعنوان یک ابزار توسط انسان تولید می‌شده. ولی حالا چنین چیزهایی می‌تواند توسط هوش مصنوعی مولد نیز تولید شود. روی عبارت ’چیزهایی که قبلاً وجود نداشته‌اند‘ تاکید می‌کنم. مثلاً شما بنا به درخواست مدیرتان، با برنامه‌ای مثل Word گزارشی را تهیه می‌کنید، یا برای معرفی محصول خودتان متنی را می‌نویسید، یا برای یک مشتری با برنامه PhotoShop یک لوگو ایجاد می‌کنید، یا اگر فیلمنامه‌نویس هستید، براساس خواسته‌های تهیه‌کننده داستانی را می‌نویسید. ولی چه کسی همه اینکارها را انجام می‌دهد؟ معلوم است که خود شما انجام می‌دهید. در اینجا کامپیوتر فقط یک ابزار است ولی آن کسی که همه کارها را تولید می‌کند خود شما (انسان) هستید. ولی حالا مدتی‌ است که سر و کله بازیگر جدیدی پیدا شده که می‌تواند کم و بیش همه این کارها را بصورت خودکار برای شما انجام دهد، و آن هوش مصنوعی مولد است.

این توانایی جدید هوش مصنوعی، می‌تواند بسیار تاثیرگذار و دگرگون کننده باشد. هرکاری که قبلاً از طریق ماشین‌ها انجام می‌شد، یا حالت یَدی داشت، یا محاسبات و نتایجی بودند که توسط کامپیوترها بر اساس روش‌ها و الگوریتم‌های مشخص شده از طرف انسان حاصل می‌شدند. در این قبیل کارها تمایز کار انسان و ماشین مشخص بود، و انسان‌ها بر خود می‌بالیدند که می‌توانند کارهایی را انجام دهند که ماشین‌ها قادر به انجام آنها نبودند (همان تولیدات فکری و هوشی)، و این تصور حاکم بود که توانایی‌های انسان در انجام تولیدات فکری و خلاقانهِ باکیفیت منحصر به فرد است و حالا حالاها ماشین‌ها قادر به انجام چنین کارهایی نیستند. ولی با ظهور هوش مصنوعی مولد همه این باورها رنگ باخت و در پی آن شوک عظیمی به جامعه وارد شد.

چرا هوش مصنوعی مولد دور از انتظار بود و ظهور آن شوک عظیمی را به جامعه وارد کرد؟

اصول هوش مصنوعی مولد بر پایه یکی از دیگر شاخه‌های هوش مصنوعی قرار دارد که پردازش زبان طبیعی نام دارد. همانطور که ذکر شد، پایه‌های این علوم از چند دهه قبل مهیا بود، ولی آنچه که برای کارهای موثر به آن نیاز بود دو چیز بود، یکی داده‌های فراوان و دیگری قدرت پردازش بالا. در آغاز قرن 21، هر دو این کمبودها کم‌کم مرتفع شدند. با ظهور اینترنت، و به دنبال آن شبکه‌های اجتماعی، و گسترش دستگاه‌های موبایل، انفجاری در داده‌های موجود رخ داد و دسترسی به داده‌های کلان را ممکن ساخت. همین امر موجب شد که در دهه 2000 پروژه‌های مربوط به پردازش زبان‌های طبیعی (زبان‌های انسانی) و هوش مصنوعی مولد جان بگیرند و به موفقیت‌های چشمگیری دست پیدا کنند. پارلمان اروپا نقش مهمی در ساخت مترجم‌های ماشینی داشت. اتحادیه اروپا یک کشور واحد نیست که یک زبان مشترک داشته باشد، و گرفتن مترجم‌های انسانی نیز پرهزینه، و در دسترس بودن آنها هم معضل دیگری بود، بنابراین در پارلمان اروپا، حداقل برای امور غیر حساس و ارتباط اعضای پارلمان از مترجم‌های ماشینی استفاده می‌شد.

در سال‌های اخیر، به دلیل پیشرفت‌های زیادی که چین در حوزه کامپیوترهای کوانتومی، ابرکامپیوترها، و هوش مصنوعی (خصوصاً فناوری‌های تشخیص چهره) داشته، و پایگاه‌های اطلاعاتی عظیمی که آنجا ایجاد شده، ابتدا تصور می‌شد اکتشافات جدید هوش مصنوعی از آنجا بیرون می‌آید. ولی در اواخر دهه 2010 به یکباره نظرها به آمریکا جلب شد، زیرا کمپانی‌های زیادی از جمله گوگل و مایکروسافت سرمایه‌گذاری‌های زیادی را روی هوش مصنوعی مولد انجام دادند و حاصل کار آنها چشمگیر بود. البته هنوز معلوم نیست که چین در حوزه هوش مصنوعی حرفی برای گفتن نداشته باشد. آنها نیز احتمالاً پروژه‌های زیادی دراینمورد دارند، ولی به دلیل اینکه خیلی از آنها دولتی هستند، خبری درمورد آنها درز نمی‌کند. ولی در هر صورت، خوب بود که این تکنولوژی از سوی کمپانی‌هایی مثل گوگل، مایکروسافت، و اوپن‌اِی.آی بیرون آمد، زیرا حداقل آنها برای منافع خودشان هم که شده، کاربردهای جالب و مفیدی را برای آن تعریف، و آن را به جهان عرضه کردند. در چین دانشگاه‌های معتبری هستند که دانشجویان خارجی (از جمله اروپا و آمریکا) در آنجا مشغول تحصیل و تحقیق هستند، ولی نظارت دولتی بر آنها وجود دارد. اگر چینی‌ها تکنولوژی مهمی را کشف کنند، آن را در درون مراکز تحقیقاتی و آزمایشگاهی خودشان نگه می‌دارند، و اگر هم چیزی از آنجا بروز کند، احتمالاً چیزی مثل ویروس کرونا خواهد بود!

در این میان، معماری مُبدل (Transformer)، که از سوی یکی از محققان گوگل در سال 2017 منتشر شد، تاثیر عمده‌ای بر تحقیقات هوش مصنوعی مولد گذاشت. با وجود اینکه گوگل از قبل سرمایه‌گذاری زیادی در این حوزه انجام داده بود و پلتفرم‌های مختلفی، مثل Bard را بیرون داده بود و انتظار می‌رفت مانند بازار موتورهای جستجو، نبض بازار هوش مصنوعی را نیز در دست بگیرد، ناگهان مایکروسافت از خودش درایت نشان داد و سرمایه‌گذاری زیادی را در یکی از شرکت‌های فعال در هوش مصنوعی، بنام OpenAI انجام دهد. اینجا بود که بازی تغییر کرد. کمپانی اُپن‌اِی‌آی فعالیت زیادی را روی معماری GPT، که یک معماری مبدل است، انجام داد، و نهایتاً اولین محصول خودش بنام چَت‌جی‌پی‌تی (ChatGPT) را در پاییز سال 2022 بیرون داد. این برنامه یک چت‌بات محاوره‌ای بود که می‌توانست تا حد چشمگیری مکالمات انسانی را شبیه‌سازی کند و بسیاری از مردم از قابلیت‌های آن متعجب شدند. این برنامه می‌تواند با اینترفیس ساده خودش بصورت متنی با کاربر گفتگو کند و جواب سئوالات او را بدهد.

GPT بر سه بخش استوار است؛ یکی اینکه از مدل مبدل استفاده می‌کند (T مخفف Transformer به معنی مبدل)، دوم اینکه باید بر اساس یک سری داده (کلان) آموزش ببیند (P مخفف Pre-trained به معنی از پیش‌آموزش دیده)، و نهایتاً حاصل کار آن نیز یک سری متن‌های تولید شده است (G مخفف Generative به معنای مولد است).

تفاوت چت‌بات‌های هوشمند و موتورهای جستجو چیست؟

هم چت‌بات‌ها (ربات‌های گفتگو) و هم موتورهای جستجو، برای یافتن پاسخ سئوالات کاربر در اینترنت طراحی شده‌اند. ولی شما فقط درصورتی از یک موتور جستجو (مثل گوگل یا بینگ) استفاده می‌کنید که به دنبال یک صفحه اینترنتی باشید که ممکن است اطلاعات مورد نظر شما [2] در آن صفحه باشد. اگر آنچه شما بعنوان پرس‌وجو در موتورهای جستجو تایپ می‌کنید در هیچ سایتی موجود نباشد، موتورهای جستجو نیز پاسخ درستی به شما نخواهند داد. البته آنها در طول دو دهه گذشته تا حدی هوشمند شده‌اند و مثلاً می‌توانند غلط‌های املایی و کلمات مشابه را تشخیص دهند و شما را به صفحات درست هدایت کنند، ولی در کل نمی‌توانند به سئوالی پاسخ دهند که در هیچ صفحه اینترنتی در دنیا موجود نیست. به طور ساده، آنها نمی‌توانند چیزی را که وجود ندارد، برای شما بسازند. برای روشن شدن موضوع، سئوال زیر، که در حد یک مسئله ریاضی دوم ابتدایی است را در نظر بگیرید:

”مرادپرویز 10 ریال پول داشت، 1 ماشین خرید و نهایتاً 6 ریال برای او باقی ماند. قیمت ماشین چقدر بوده است؟“

من مخصوصاً از یک اسم غیرمعمول (مرادپرویز) استفاده کرده‌ام که در هیچ جا آورده نشده، بنابراین در اینترنت هم نیست. گذشته از اسم، مسئله را طوری طراحی کرده‌ام که بسیار غیرواقعی باشد (داشتن 10 ریال، و امکان خرید یک ماشین با آن!). پس شبیه آن را نمی‌توانید در اینترنت پیدا کنید. اگر هم آن را در یک موتور جستجو وارد کنید، نتایج بی ربطی را به شما می‌دهد. ولی اگر همین را در چت‌جی‌پی‌تی وارد کنید، نه کاری به نامِ فاعل دارد، نه اعداد مطرح در آن و نه چیزی که قرار است خریده شود، بلکه درست مانند یک انسان این را به چشم معادله‌ای می‌بیند که باید حل شود. و فورا با استدلال به شما پاسخ می‌دهد.

آنچه شما تایپ کرده‌ایدYou):)

مرادپرویز 10 ریال پول داشت، 1 ماشین خرید و نهایتاً 6 ریال برای او باقی ماند. قیمت ماشین چقدر بوده است؟

جواب ChatGPT:

برای حل این مسئله، می‌توانید از معادله‌ی زیر استفاده کنید:

مقداراولیه‌پول−قیمت‌ماشین =مقدارباقی‌مانده

اگر مقداراولیه پول را با M، قیمت‌ماشین‌ را با Cو مقدار باقی ‌مانده را با R نشان دهیم، معادله به شکل زیر خواهد بود:

M−C=R

از اطلاعات داده شده می‌دانیم:

M=10ریال

R=6ریال

حالا معادله‌ی ما برای حل C به صورت زیر خواهد بود:

C=10−6=4 ریال

بنابراین، قیمت ماشین 4 ریال بوده است.

می‌بینید که جواب چَت‌بی‌پی‌تی بر اساس یک استدلال ریاضی است و همین کار را می‌تواند برای مسائل پیچیده‌تر نیز انجام دهد.

تا آنجایی که مترجم با این برنامه کار کرده، می‌توانم بگویم این برنامه قادر است به خیلی از سئوالات درسی دانش‌آموزان و دانشجویان پاسخ دهد، و مسائلی در زمینه‌های کامپیوتر، ریاضی، فیزیک، شیمی، و غیره را حل کند، و به نوعی، حالتِ یک حل‌المسائلِ جامع را دارد. چنین ویژگی، خیلی جدید است و می‌تواند دگرگون کننده باشد، و یکی از دلایلی که خیلی‌ها از آمدن چنین برنامه‌هایی شوکه شدند نیز همین توانایی‌ها است. البته 10 سال قبل نیز تا حدی چنین توانایی‌هایی برای کامپیوترها وجود داشت، ولی فقط به ابرکامپیوترها و مراکز تحقیقاتی محدود بود و به این شکل همگانی نشده بود [3].

نگرانی‌ها در مورد هوش مصنوعی

مانند هر علم و پدیده نوظهور دیگری، از همان ابتدا درباره رشد هوش مصنوعی نیز نگرانی‌های زیادی وجود داشت. بیشتر این نگرانی‌ها از طرف کسانی مطرح می‌شود که دانسته‌های آنها فقط از طریق کتاب‌ها و فیلم‌هایی حاصل شده که در آنها بکارگیری هوش مصنوعی با فاجعه همراه بوده. شاید معروفترین و قدیمی‌ترین نمونه از آن، کتاب ”2001: اودیسه فضایی“ اثر آرتور سی کلارک باشد که در اواخر دهه 1960 نوشته شد و استنلی کوبریک بر اساس آن فیلمی با همین نام ساخت. خلاصه داستان کتاب این است که در یک سفینه فضایی که در حال سفر در منظومه شمسی است، یک کامپیوتر بسیار پیشرفته به نام ”هال 9000“ نصب شده. هال می‌تواند بخوبی با خدمه سفینه صحبت کند و به سئوالات و مشکلات آنها پاسخ دهد. هال همچنین کنترل بخش‌هایی از سفینه را برعهده دارد. نهایتاً این کامپیوتر بر اساس ماموریتی که برای آن تعریف شده تلاش می‌کند با زیرکی خدمه سفینه را یکی‌یکی از میان بردارد و ... . چیزی که باید به آن توجه داشت ماموریتی است که برای این کامپیوتر تعریف شده، و ظاهراً هدف آن خیر نیز بوده. در کل این تقصیر هال، یا هوش مصنوعی نبوده که او را واداشته تا چنین فجایعی را رقم بزند، بلکه عامل اصلی اینکار انسان و برنامه‌ریزی‌های غلط او در رسیدن به اهدافِ خیر بوده. در کل باید برنامه‌ها را طوری طرح ریزی کرد که از وقوع چنین مشکلاتی جلوگیری شود.

خیلی از تکنولوژی‌ها وجود دارند که قبلاً در مورد آنها نگرانی وجود داشته، و حقیقتاً نسبت به هوش مصنوعی پتانسیل بیشتری برای نگرانی دارند. یک نمونه از آنها کلونینگ (Cloning)، یا همانندسازی موجودات زنده، از جمله انسان است. این حوزه ارتباط مستقیمی با مهندسی ژنتیک دارد و حدود 25 سال قبل درمورد آن خیلی نگرانی وجود داشت، و خیلی از کشورها تحقیقات مربوط به آن را محدود کردند. اگر به نتایجی که این علوم می‌توانند دربر داشته باشند درست فکر کنید، خواهید دید که هم از لحاظ اخلاقی و هم از لحاظ اجتماعی، به مراتب پیامدهای منفی‌تری را می‌تواند دربر داشته باشد. یک نمونه از اینها، ساختن انسان‌های اصلاح شده‌ای است که از هر لحاظ برتر باشند. اگر هدف این باشد، چنین علومی نیاز به نمونه‌های آزمایشگاهی دارند، و واضح است که نهایتاً این نمونه‌ها یا باید جنین انسان یا خود انسان‌ باشند. آزمایشاتی که بر روی آنها انجام می‌شود می‌تواند به تولید انسان‌های ناقص یا مرده بی‌انجامد. همانطور که ذکر شد خیلی از کشورها تحقیقات در اینموارد را فقط به اصلاح ژن‌های خراب یا ژن‌درمانی محدود کرده‌اند. ولی ما هنوز مطمئن نیستیم که کشورها (یا شرکت‌های خصوصی) که شفافیت کمتری دارند، از این رویه پیروی می‌کنند یا نه. در یک فیلم (یا مستندی) که خاطرم نیست نام آن چه بود، دیدم که چنین تحقیقاتی شکل فراساحلی به خود گرفته‌اند و بر روی کشتی‌ها و آبهای آزاد انجام می‌گیرند، جایی که قوانین کشورها بر آنجا حاکم نیست.

چیزی که در هوش مصنوعی نوین اهمیت دارد، آموزش مُدلِ هوش مصنوعی است. همانطور که به طور مکرر در کتاب تاکید می‌شود، این آموزش‌ها بر اساس داده‌ها است. اگر یک سری داده‌های خوب (و بی‌طرف) به آنها خورانده شود، بازده آنها نیز خوب و بدون سو‌گیری خواهد بود، در غیر اینصورت پاسخ‌های آنها همراه با جهت‌گیری، و تاکید روی داده‌هایی خواهد بود که طبق آنها آموزش دیده‌اند. در کُل هوش مصنوعی حالت بچه‌ای را دارد که باید تربیت شود، و شخصیت آن (اگر شخصیت واژه مناسبی باشد) بسته به آموزش‌هایی دارد که در ابتدا دیده (و خواهد دید).

برخی از متخصصان، نگرانی درمورد هوش مصنوعی و پیشرفت آن را با وسایل نقلیه و تکامل آنها مقایسه می‌کنند. ابتدا انسان روی دو پای خودش حرکت می‌کرد و احتمال اینکه به واسطه برخوردی که بین دو نفر روی می‌داد یکی از آنها کشته شود بسیار کم بود. بعداً رام کردن حیواناتی مثل قاطر و اسب را یاد گرفت و برای رفت و آمد خودش از آنها استفاده کرد. در اینجا احتمالِ تصادفاتی که منجر به شکستن دست و پا یا مرگ شود افزایش یافت. بعداً ارابه و درشکه را اختراع کرد، که باز هم احتمال خطرات مهلک را افزایش داد، و بیش از یک صد سال است که از اتومبیل استفاده می‌کند، که در صورت تصادف، میزان خسارات وارده نسبت به دوران‌های گذشته به مراتب بیشتر است. همین را می‌توان به سفرهای هوایی تعمیم داد، که در صورت بروز یک سانحه، میزان مهلک بودن آنها خیلی بیشتر از اتومبیل است. ولی آیا درصد امن بودن سفرهای هوایی بالاتر است یا زمینی؟ اگر شما با یک هواپیمای خوب و با یک خط هوایی خوشنام سفر کنید، احتمال کمی برای بروز یک سانحه هوایی وجود دارد، هرچند احتمال آن هیچ وقت صفر نیست. اگر در قرون آینده انسان بواسطه الزامات یا محدودیت‌هایی که روی زمین وجود دارد، یا صرفاً برای اکتشاف، مجبور شود در سفینه‌های فضایی زندگی کند که چندین هزار سکنه دارند، هرگونه حادثه جدی در آنها می‌تواند به محو کامل سرنشینان آنها در فضا منجر شود. ولی صرفاً به این دلیل که ممکن است در فضا چنین حوادثی رخ دهد، و ما از خانه بسیار فاصله داریم، آیا ما از تلاش برای رسیدن به چنین اهدافی صرف نظر می‌کنیم؟ معلوم است که اینطور نبوده و نیست. در طول قرون گذشته، سفرهای دریایی بر روی دریاها و اقیانوس‌ها این را ثابت کرده که انسان هراسی از ماجراجویی ندارد. دستیابی به هوش مصنوعی و احتمال مضرات آن نیز هم ویژگی را دارد.

شما می‌توانید انسان را موجودی در نظر بگیرید که توانایی‌های فراوانی دارد، و بسته به نگاه خودتان، بالاترین صفات تفصیلی را (باهوش‌ترین، مکارترین، باوجدان‌ترین، اشرف‌ترین ...) نیز به او بدهید. ولی حداقل واضح است که انسان می‌تواند بهتر از آنچه که هست عمل کند. اینجاست که بحث همکاری و شراکت مطرح می‌شود. نباید کل موضوعِ اشتراک و همکاری انسان و ماشین را به خاطر آنکه ممکن است ماشین شریک بدی از کار دربیآید رد کنیم. هرچند دهه‌ها است که دانشمندان آینده‌نگر و نویسندگان کتابهای علمی-تخیلی، مانند آرتور سی کلارک و آیزاک آسیموف، روی تعامل انسان و ماشین‌های باهوش بحث کرده‌اند و حتی اصولی را نیز برای آن مطرح کرده‌اند، ولی فعلاً این مسائل بطور جدی مطرح نیستند. اگر هم در دهه‌ها و صده‌های آینده چنین فرصت‌هایی پیش آید، انسان باید عاقل‌تر و زرنگتر از ماشین‌ها باشد و از همین حالا به دنبال آمادگی برای روبرو شدن با آنها باشیم.

در ابتدای دهه 2010 وقتی صحبت ماشین‌های خودران از طرف گوگل مطرح شد، خودِ من نسبت به آن تردید زیادی داشتم. البته تردید من از جهت کمبود فن‌آوری‌های لازم برای آنها نبود، چون می‌دانستم موانع فنی هر چه که باشند کم‌کم برطرف می‌شوند و بالاخره ما به فن‌آوری لازم برای کنترل ماشین‌های خودران دست پیدا خواهیم کرد. تردیدی که من داشتم، و فکر نمی‌کردم آنها مورد استقبال قرار گیرند، بواسطه یک حس آشنای ایرانی بود. در ابتدا من پیش خودم این فرض را مطرح می‌کردم که اگر حادثه‌ای روی دهد، چه کسی مسئول خواهد بود. واضح است که سرنشینان خودرو تقصیری ندارند، زیرا کنترل خودرو به دست آنها نبوده، ماشینِ خودران هم که حس ندارد. پس چه کسی را باید مسئول دانست و مجازات کرد؟ این سئوال دو بخش دارد: یکی اینکه چه کسی یا چه چیزی مسئول این حادثه است، و دیگر اینکه چه کسی را باید مجازات کرد. موضوع اول را می‌توان به سادگی تشخیص داد. همانطور که ما حالا پلیس راهنمایی و رانندگی داریم که می‌تواند جرائم رانندگی را تشخیص دهد، در آینده هم برای خودروهای خودران متخصصینی خواهیم داشت که می‌توانند تخلفات و جرائم را تشخیص دهند، آنها صرفاً پلیس نخواهند بود و به احتمال زیاد کسانی هستند که از مکانیزم ماشین‌های خودران و هوش مصنوعی نیز سر در می‌آورند، و می‌توانند تقصیرکار واقعی را تشخیص دهند. در اینصورت ما دو حالت داریم: یا عامل انسانی خلاف کار است، یا ماشین. در مورد نخست، بسته به قوانین کشور خودتان، می‌توانید همان کاری را با فرد انجام دهید که حالا می‌کنید. ولی سئوال سخت اینجاست که اگر حادثه تقصیر ماشین باشد چه؟ این مورد زیاد سختی نیست، و فقط ایرانی (یا شرقی بودن) ماست که آن را پیچیده می‌کند. شاید شما انتظار داشته باشید که اگر یک تصادف منجر به مرگ روی داد، و چند نفر کشته شدند، دادگاه فرد مقصر را به حبس ابد (یا قصاص) محکوم کند. ولی در آینده چنین مواردی قابل تصور نیست، شما نمی‌توانید یک ماشین را اعدام یا حبس کنید! ولی می‌توانید کمپانی سازنده آنها را به دادگاه بکشید، و درصورت تخلف و کوتاهی، از آنها خسارت‌های سنگین طلب کنید.

استفاده از ماشین‌های خودران وقتی کارآمدتر خواهد بود که حرکت آنها محدود به جاده‌های زمینی نباشد و بتوانند در مسیرهای مشخصی در هوا حرکت کنند. برای یک لحظه فکر کنید با داشتن چنین ماشین‌هایی چه کارها که نمی‌توانید انجام دهید و با داشتن هوش مصنوعی در آینده، چه مشکلاتی که نمی‌توانید آنها را حل کنید، و به چه پیشرفت‌ها که بدون بکارگیری این شریک نوظهور نمی‌توانید به آنها دست پیدا کنید.

هوش مصنوعی در ایران

به پیروی از روندی که بیش از 40 سال قبل در جهان روی داد و دروسی از هوش مصنوعی به مواد درسی رشته‌های کامپیوتر اضافه شد، در ایران نیز در ابتدای دهه 70 شمسی مبانی هوش مصنوعی به دروس رشته‌های نرم‌افزار و سخت‌افزار کامپیوتر اضافه شد. در آن زمان بیشتر تمرکز این دروس بر روی بینایی کامپیوتری و شبکه‌های عصبی متمرکز بود. بعداً به تدریج موضوعاتی از پردازش زبان طبیعی (NLP) نیز به آنها اضافه شد. پروژه‌هایی که از اواسط دهه 70 با تکیه بر روی هوش مصنوعی در ایران آغاز شد، یکی تشخیص حروف فارسی (OCR) و بعداً تا حدی ترجمه ماشینی بود. پروژه تشخیص حروف جلو رفت و تا اندازه‌ای که بتواند ارقام پلاک اتومبیل‌ها را بخواند پیشرفت کرد. ولی به علت مشکلاتی که درمورد سرهم نویسی خط فارسی (یا عربی) وجود داشت، کلاً در تشخیص نوشته‌های فارسی (و خصوصاً دست‌نوشته‌ها) پیشرفت چندانی روی نداد. بعداً در اواسط دهه 2000 به واسطه فشار و سرمایه‌گذاری کشورهای عرب زبان، برخی از کمپانی‌های غربی، خصوصاً کمپانی Readiris، نرم‌افزارهایی برای تشخیص نوشته‌های عربی بیرون دادند، که بدلیل شباهت زیاد حروف عربی و فارسی، بالطبع ما نیز از آن بهره بردیم و حالا تقریباً می‌توان از کتابها عکسبرداری کرد و با تشخیص حروف کتاب، محتوای آنها را بصورت مجموعه‌ای از حروف ذخیره کرد. خیلی‌ها ممکن است بگویند ما فن‌آوری تشخیص چهره داریم که از تشخیص حروف پیشرفته‌تر است. ولی باید به این نکته توجه داشت که چنین نرم‌افزارهایی به تصاویر و داده‌های زیادی نیاز دارند و دقت آنها زیاد نیست. و دوم اینکه اگر هم کیفیت آنها خوب باشد، ارتباطی با زبان فارسی یا کشور ایران ندارند و مانند بقیه جنبه‌های هوش مصنوعی نوین، فعلاً تکنولوژی آنها بومی نیست و از کشورهایی مانند چین خریداری شده است.

حوزه دیگری که در ایران روی آن کار شد ترجمه ماشینی بود، که هدفِ آنها ترجمه از زبان انگلیسی به فارسی بود. در اوایل دهه 80 شمسی پروژه‌هایی دراینمورد انجام شد، که مترجم نیز در برخی از آنها سهیم بود. در این میان، عمده‌ترین آنها یک پروژه تحقیقاتی به نام شیراز بود که در یکی از دانشگاه‌های آمریکا انجام شد. بعداً در اواخر دهه 70 نرم‌افزارهایی مثل پدیده به بازار آمدند که تلاش داشتند چنین کاری را انجام دهند. به دلیل بازدهی اندک این نرم‌افزارها، سرنوشت آنها نیز به سرنوشت پروژه‌های OCR بدل شد. پس از چندی، کمپانی‌های معظمی همچون گوگل و مایکروسافت، برنامه‌های ترجمه ماشینی را ارائه کردند که می‌توانست از چند ده زبان مختلف (از جمله فارسی)، ترجمه دو طرفه انجام دهد. هرچند بازدهی این نوع برنامه‌ها از حالت مطلوب فاصله دارد، ولی از برنامه‌های تولید داخل خیلی بهتر هستند (هر چه باشد کمپانی‌های بزرگ و ثروتمندی مثل گوگل و مایکروسافت پشتیبان آنها هستند)، و در حال حاضر بسیاری از کاربران از آنها استفاده می‌کنند. در این میان به پروژه ابرکامپیوتر ملی سیمرغ نیز می‌توان اشاره کرد، که یکی از اهداف آن تحقیقاتِ هوش مصنوعی است.

با ورود هوش مصنوعیِ مولد به صحنه، در یک سال گذشته خیلی از شرکت‌های داخلی ادعا می‌کنند پروژه‌هایی را دراینمورد انجام داده‌اند که نتایجی را به همراه داشته. ولی روی سایت خیلی از این شرکت‌ها که می‌روی، به نظر می‌رسد که آنها تنها یک واسط هستند، یعنی ورودی‌های شما را می‌گیرند و آن را به برنامه دیگری (مثل چَت‌جی‌پی‌تی) می‌دهند و نهایتاً خروجی که از آنها می‌گیرند را برای شما نمایش می‌دهند.

به انجام رسانی یک پروژه خوب و کارآمد هوش مصنوعی شوخی نیست و گذشته از تخصص کافی در این حوزه، در وحله اول نیاز به داده‌های کلان دارد، و این چیزی نیست که در ایران در اختیار هر شرکتی باشد. اصلاً پهنای باندی که برای تحلیل چنین اطلاعاتی نیاز است بسیار زیاد است. البته سازمان‌های دولتی و شبه‌-دولتی در ایران به این پنهای باند، و همینطور حجم بالای داده‌ها لازم، دسترسی دارند و می‌توانند برای آموزش مدل‌های هوش مصنوعی خودشان از آنها استفاده کنند. از حالا نیز زمزمه‌هایی در اینمورد وجود دارد که مثل همیشه روی یک چیز برچسب ملی زده شود (خودرو ملی، سیستم‌عامل ملی، ابرکامپیوتر ملی ...) و چیزهایی مثل هوش مصنوعی ملی! هوش مصنوعی ایرانی، و غیره را درست کنند. البته اشکالی هم دراینکارها نیست، به شرطی که چیزی که در نهایت از آنها بیرون می‌آید یک چیز ملی باشد و به درد ملت بخورد و نه صرفاً یک کار دهن پرکن.

اگر کمپانی‌های دولتی در ایران بخواهند به کار هوش مصنوعی وارد شوند، خیلی از پروژه‌های هوش مصنوعی ناتمام و ناقص (و مفید) در زبان فارسی هست که می‌توانند در به انجام رسانی آنها کمک کنند و روی آنها سرمایه‌گذاری کنند. دو نمونه ساده آنها یکی تبدیل متنِ فارسی به صوتِ فارسی و دیگری تبدیل صوتِ فارسی به متنِ فارسی است. هر دو اینها از اصول اولیه هوش مصنوعی هستند و قریب 40 سال است که در کشورهای غربی و آسیایی به ثمر رسیده‌اند. مورد اول، یعنی تبدیل متنِ فارسی به صوتِ فارسی چیزی شبیه اعلام نوبت در بانک‌ها و صف‌های انتظار است که بر اساس نوبتی که کامپیوتر به مشتریان می‌دهد (که همان متنی است که باید خوانده شود)، یک صوت را از بلندگو پخش می‌کند. نمونه دیگر، اعلام یک شماره از طریق 118، یا اعلام نام ایستگاه‌های مترو در داخل واگن است. باید توجه داشته باشید که هیچکدام از اینها یک نمونه واقعیِ تبدیل متن به صوت از طریق هوش مصنوعی نیستند، بلکه آنها اصواتِ از پیش ضبط شده‌ انسانی هستند که کامپیوتر آنها را بهم می‌چسباند و پخش می‌کند. همانطور که ذکر شد، این فن‌آوری برای زبان‌های اروپایی و آسیایی(ژاپن، چین، کره، ...) به خوبی پیاده‌سازی شده و می‌تواند با توجه به زمینه متن، هر متنی را بخواند، و حتی می‌تواند اینکار را با در نظر گرفتن لهجه یک منطقه انجام دهد. مورد دوم عکس اینکار است، یعنی تبدیل صوت انسان به متن (متنی که بعداً می‌تواند به عنوان یک فرمان به کامپیوتر داده شود). این تکنولوژی نیز در اروپا و کشورهای آسیایی به خوبی جا افتاده و خیلی وقت است که از آن استفاده می‌شود. ولی شرکت‌ها و سازمان‌های ایرانی هنوز نتوانسته‌اند یک چیز مطلوب را برای این دو مورد فراهم آورند. در اینجا باز هم دیده می‌شود که یک شرکت خارجی (مثل گوگل) دراینمورد پیشتاز بوده و در برنامه‌های خودش برای زبان فارسی (از جمله ترانسلیتور)، چنین امکاناتی را فراهم آورده. اگر دولت می‌خواهد در امر هوش مصنوعی مشارکت کند، و پروژه دولت الکترونیک خودش را بهبود بخشد، می‌تواند با همکاری دانشگاه‌ها و مراکز تحقیقاتی روی این دو پروژه کار کند.

همیشه داشتن برنامه‌های هوش مصنوعی محاوره‌ای (مثل چَت‌جی‌پی‌تی) آرزوی بسیاری از کاربران کامپیوتر بوده. این برنامه‌ها چیزی هستند که انسان‌ می‌تواند به زبان عادی خودش (که زبان طبیعی نامیده می‌شود) با آنها ارتباط برقرار کند و سئوالاتش را بپرسند. اینکه هنوز برای ارتباط با این نوع برنامه‌ها باید چیزی را در آنها تایپ کرد، خیلی مهم نیست، زیرا آنچه مهم است جوابی است که آنها به شما می‌دهند. نوشتن درخواست‌ها و سئوالات در زمان پردازش آنها صرفه‌جویی می‌کند و دقیق‌تر نیز هست. اگر بعداً برای اینکار رابط‌های صوتی نیز متداول شوند، اولین کاری که آنها می‌کنند این است که صدای شما را به متن (یا همان درخواست‌) تبدیل می‌کنند و سپس این درخواست‌ها مورد پردازش قرار می‌گیرد. خروجی آنها نیز می‌تواند بصورت صوتی، یا یک آواتار تصویری باشد، ولی چگونگی این صوت و تصویر خروجی می‌تواند در احساسِ مخاطب نسبت به این نوع برنامه‌ها تاثیر (منفی) بگذارد. در نتیجه فعلاً نوشتار بهترین شیوه ارتباط با این نوع برنامه‌ها است (چون از خیلی جهات خنثی می‌باشد). تلاش‌هایی در حال انجام است که به این چَت‌بات‌ها نوعی شخصیت داده شود که شامل جنسیت، شکل ظاهری، تُن صدا، زبان گفتگو، لهجه، یا طرز حرف زدن برخی از شخصیت‌های معروف باشد. در صورتی که چنین امکانی فراهم شود، همانگونه که در یک مسابقه ماشین‌سواری بازیکن می‌تواند نوع ماشین، رنگ، و غیره را انتخاب کند، کاربر برای شخصیت چت‌‌بات خودش هم می‌تواند شخصیتِ خاصی را انتخاب کند. مثلاً اگر خدای نکرده شما طرفدار دونالد ترامپ باشید، می‌توانید چت‌باتی را انتخاب کنید که مانند او حرف بزند، از تکیه‌کلام‌های او استفاده کند، ... ولی به زبان فارسی و به لهجه رشتی جواب شما را بدهد!

نکاتی که می‌تواند برای کاربرانِ فارسی زبانِ چَت‌جی‌پی‌تی اهمیت داشته باشد

ثبت نام

برای کار با چَت‌جی‌پی‌تی لازم است شما در سایت OpenAI ثبت نام کنید. ولی این سایت از ورود کاربرانی که از داخل ایران ثبت نام می‌کنند جلو گیری می‌کند. متاسفانه ما بعنوان کاربران اینترنت با دو مانع روبرو هستیم، یکی موانع داخلی است که همه از آن اطلاع دارند، و دیگری موانع خارجی مانند تحریم‌ها، که دلیل عدم قبول OpenAI از ثبت نام کاربران ایرانی هم به همین مورد ربط دارد. استفاده از وی.پی.اِن‌ها هم در مرحله ثبت نام فایده ندارد، زیرا در نهایت از شما یک شماره تلفن می‌خواهد که یک کد تایید برایتان بفرستد، و اگر کد ایران را بدهید قبول نمی‌کند. تنها راه حل این است که یا ثبت نام خودتان را از طریق آشنایانی که در خارج از کشور هستند انجام دهید، و یا از طریق حساب گوگل یا مایکروسافت خودتان به این سایت وارد شود، که در این صورت باز هم از طریق آدرس‌های ایران امکانپذیر نیست و باید از یک وی‌.پی.‌اِن استفاده کنید. ساده‌ترین روش، استفاده از گوگل است، زیرا تقریباً همه یک حساب جی‌میل دارند. پس از ثبت نام و ورود به سایت اپُن‌اِی‌آی، شما با تایپ یک پرسش، می‌توانید فوراً گفتگوی خودتان با چت‌جی‌پی‌تی را شروع کنید.

آیا امکان گرفتن جواب به زبان فارسی در چت‌جی‌پی‌تی فراهم است؟

البته! نه تنها به زبان فارسی، بلکه به هر زبانی که از چت‌جی‌پی‌تی سئوال می‌پرسید می‌تواند به شما پاسخ دهد. فعلاً تعداد این زبان‌ها بیش از 50 عدد است.

آیا ماهیت پاسخ‌های چت‌جی‌پی‌تی به زبان‌ فارسی متفاوت است؟

بله، ماهیت پاسخ‌هایی که چت‌جی‌پی‌تی به سئوالات می‌دهد می‌تواند برای زبان‌های مختلف تفاوت داشته باشد. به دلیل اینکه این برنامه بهترین آموزش‌های خودش را از روی داده‌ها به زبان انگلیسی گرفته، بهترین و کامل‌ترین جواب‌ها را هم به این زبان ارائه می‌دهد. اگر پاسخ مطلوب خودتان را به زبان فارسی نگرفتید، به نحوی سئوال را به زبان انگلیسی بپرسید، و بعداً از او بخواهید پاسخ انگلیسی را به زبان فارسی ترجمه کند.

چت‌جی‌پی‌تی به چه نوع سئوالاتی می‌تواند پاسخ دهد؟

تقریباً به هر نوع سئوالی می‌تواند پاسخ دهد، اگر هم نداند، به شما خواهد گفت که بر اساس آخرین داده‌های خودش (که می‌تواند به چندماه قبل مربوط باشد) چیزی دراینمورد نمی‌داند.

آیا جواب‌های چت‌جی‌پی‌تی همیشه درست هستند؟

خیر! براساس الگوریتم‌هایی که رمزگشایی و اشکالزدایی از آنها بسیار مشکل است، ممکن است چت‌جی‌پی‌تی اطلاعاتی را گردآوری کند، و آنها را به عنوان جواب به شما ارائه دهد که ارتباط چندانی با آنچه مورد نظر شما است ندارند، یا در کل غلط باشند. باید توجه داشته باشید که این برنامه به طور عمدی نمی‌خواهد اطلاعات غلط را در اختیار شما قرار دهد، و رمزگشایی از اینکه چرا چنین پاسخ‌هایی می‌دهد، نیز خیلی مشکل است.

درصورتی که کار شما حساس و دقیق است، همیشه پاسخ‌های چت‌جی‌پی‌تی را با موتورهای جستجو بررسی کنید.

با هر نسخه جدیدی که از این برنامه ارائه شده (مخصوصاً نسخه جدید و پولی آن)، دقت آن نیز زیاد شده. چیز مهمی که در آن وجود دارد، امکان دریافت بازخورد از طرف کاربر است. اگر شما می‌دانید پاسخی اشتباه است، می‌توانید در جواب به او بگویید که پاسخ او اشتباه است (و اینکه چرا اشتباه است). بر اساس همین بازخوردها، چت‌جی‌پی‌تی از شما عذر خواهی کرده، و بعداً خودش را تصحیح می‌کند.

چند نمونه از آزمایشاتی که مترجم به زبان فارسی با چت‌جی‌پی‌تی انجام داده

· از این برنامه خواستم تا یک جوک درباره ملانصرالدین بسازد. برنامه اینکار را انجام داد، ولی زمینه جوک او بیشتر به جوک‌های غربی (مثل لوک بی‌باک) شباهت داشت. بنابراین دایره پرسش را محدودتر کردم و به او گفتم یک جک درباره ’ملانصرالدین و خَرش‘ بسازد. در کمال تعجب، چت‌جی‌پی‌تی جوکی را ساخت که خیلی شبیه جک‌های اصیل ملا‌نصرالدین بود. باز هم تاکید می‌کنم که شما می‌توانید این کار را با موتورهای جستجو انجام دهید، ولی کاری که آنها می‌کنند این است که در میان صفحات موجود در اینترنت یک جوک را برای شما پیدا کنند، ولی هوش مصنوعی مولد، یک جوک برای شما می‌سازد که قبلاً کسی آن را نگفته.

· دو کتاب هست که غامض بودن‌شان همیشه مرا از خواندن آنها بازمی‌داشت، یکی اثر شکوهمند برتراند راسل و آلفرد نورث وایت‌هد بنام ’ Principia Mathematica‘ درباره مبانی ریاضیات، و دیگری کتاب ’سنجش خرد محض‘ اثر فیلسوف آلمانی ایمانوئل کانت بود. از چت‌جی‌پی‌تی خواستم تا هر یک از آنها را در 700 کلمه برای من خلاصه کند، که او به راحتی آنها را به زبان فارسی برایم خلاصه کرد.

· همیشه توانایی نرم‌افزارهای ریاضی مثل Maple و Mathematica، را محک می‌زنم و برای اینکار، یکی از انتگرال‌های سختی که در کتاب‌های درسی دانشگاهی بود را به نسخه‌های مختلف آنها می‌دادم تا آن را حل کنند. در طول سی سال گذشته هیچ یک از آنها نتوانسته بودند بصورت ساده این انتگرال را حل کنند. ولی با وجود اینکه چت‌جی‌پی‌تی یک نرم‌افزار تخصصی ریاضی نیست، با کمال تعجب دیدم که با ذکر مرحله به مرحله مسئله، توانست نسبت به دو نرم‌افزار معروف ریاضی نتایج بهتر وساده‌تری را تولید کند:

$Description: G:\My Books\19_ Rise of Generative AI and ChatGPT\sum_files\image002.png$

· و نهایتاً برای سنجش توانایی‌های کُدنویسی چت‌جی‌پی‌تی، از او خواستم که برنامه‌ای برای فرستادن ایمیل به زبان C# بنویسد. همانطور که انتظار می‌رفت سریعاً اینکار را انجام داد، ساختار برنامه درست بود، ولی چند اشکال جزیی در آن بود که باید تصحیح می‌شد. برای کارهای حساس برنامه‌نویسی، فعلاً توصیه شده که آنچه چت‌جی‌پی‌تی به شما می‌دهد را در کارهایتان استفاده نکنید، مگر اینکه آنها را بطور کامل آزمایش کرده باشید.

آینده هوش مصنوعی

مانند هر تکنولوژی مفید و نوظهور دیگری، چه ما بخواهیم چه نخواهیم، هوش مصنوعی نیز به پیشرفت خودش ادامه خواهد داد. چیزی که اهمیت دارد این است که ما باید چه کاری را انجام دهیم تا پیامدهای منفی که چنین علمی می‌تواند داشته باشد را به حداقل برسانیم. قدم اول این است که وارد دنیای علم شویم. این یک تکنولوژی است که بر اساس علوم مختلف بنا شده، و راه بهربرداری از آن، و همچنین مقابله با پیامدهای منفی آن، فقط از طریق شناخت علوم مختلف امکان پذیر است (ریاضیات، فیزیک، کامپیوتر، علوم شناختی، زبان‌شناسی، ...). اگر هنوز رشته‌ای را برای تحصیل انتخاب نکرده‌اید، یکی از این رشته‌ها را انتخاب کنید و گرایش خودتان (مراحل بعدی تحصیلی) را به سمت هوش مصنوعی سوق دهید. ما در ابتدای این راه قرار داریم و مانند هر پدیده جدیدِ دیگری (مثل خودِ اینترنت، شرکت‌های هرمی، رمزارزها ...)، خیلی‌ها هوس خواهند کرد که از آن سوء استفاده کنند. چنین اشخاصی می‌خواهند شما را گول بزنند، و درصورتی که تحصیلات و مطالعات‌ شما در یکی از این حوزه‌ها باشد، احتمال چنین سوء استفاده‌هایی خیلی کمتر خواهد بود.

چگونه با چَت‌جی‌پی‌تی تعامل کنیم

در اوایل دهه هفتاد شمسی، در میان کاربران ایرانی یک برنامه گفتگو بنام ’کلنجار‘ متداول شده بود، که فکر می‌کنم حاصل یک پروژه دانشجویی بود. این برنامه بسیار کوچک بود و روی سیستم عامل DOS کار می‌کرد. در آن زمان استفاده از این برنامه (تفریحی)، که می‌شد به زبان فارسی با آن گفتگو کرد، خیلی مُد شده بود. همانطور که اشاره کردم این برنامه در مقایسه با برنامه‌های امروزی بسیار کوچک بود (حدود 100 کیلو بایت، یعنی همان حجمی که حالا یک تصویر کوچک روی موبایل شما اشغال می‌کند) و اگر بخواهیم آن را با اندازه پایگاه داده چت‌جی‌پی‌تی مقایسه کنیم، مثل قطره‌ای در یک استخر بود. ولی کارکردن با آن سرگرم‌کننده بود. زمانی که نوبت کلاس‌های عملی می‌رسید، خیلی از شاگردان من این برنامه را اجراء می‌کردند و با آن مشغول گفتگو می‌شدند. ولی چیزی که متوجه آن می‌شدم این بود که خیلی‌ها دوست داشتند سئوالات توهین‌آمیز از او بپرسند و حتی به او ناسزا بگویند. جالب این بود که طراحان این برنامه چنین مواردی را پیش‌بینی کرده بودند، و درمقابل چنین حرف‌هایی یا سکوت می‌کرد یا قهر، و به دلیل اینکه سابقه گفتگوها را نگاه نمی‌داشت، باید آن را دوباره اجرا می‌کردی تا سابقه گفتگوهای (منفی) پاک شود و دوباره با آن گفتگو کرد.

از آن زمان تا به امروز ربات‌های گفتگو بسیار پیشرفته‌تر شده‌اند. شما خیلی نمی‌توانید بطور ناشناس با این برنامه‌ها گفتگو کنید. این درست است که برای استفاده از آنها از شما کد ملی نمی‌خواهند، ولی برای اینکار ثبت نام با ایمیل ضرورت دارد. شما چه تعداد ایمیل می‌توانید داشته باشید، و درصورتیکه برنامه شما را بلاک کرد، هربار با یکی از آنها وارد شوید؟ نکته من این است که اصلاً گفتگوهای ناشایست با این نوع برنامه‌ها نداشته باشید. درست است که آنها ماشین هستند، و (فعلاً) هیچ احساسی ندارند، و شما چه خوب حرف بزنید و چه بد، برای آنها هیچ تفاوتی نمی‌کند. ولی چیزی که اینجا اهمیت دارد مسئله بازخورد است. اگر برخورد شما خوب و مودبانه باشد، متقابلاً برخورد آنها نیز مودبانه و صمیمی خواهد بود. برای پاسخ‌های خوب و مفیدی که چت‌جی‌پی‌تی به شما می‌دهد، یکبار از او تشکر کنید تا ببینید مقابلاً چقدر به شما انرژی می‌دهد. مهمتر از اینها، تردید نداشته باشید که جهان ما در حال رفتن به سوی دیگری است. در آینده، ارتباط با ماشین‌ها به رکن اصلی زندگی انسان‌ها بدل خواهند شد، و از همین حالا باید این ارتباط بر مسیر درستی قرار بگیرد.

به دلیل اهمیت بی‌اندازه هوش مصنوعی، سخن نیز درباره آن فراوان است. اهمیت این موضوع به قدری زیاد است که می‌توان گفت آنچه درمورد انقلاب کامپیوتر یا اینترنت گفته شده را باید فراموش کرد. در مقایسه با تاثیری که هوش مصنوعی می‌تواند در زندگی بشر داشته باشد، پیشرفتِ کامپیوترها یا اینترنت، و تمام دگرگونی‌هایی که اکنون بواسطه استفاده از آنها پدید آمده، انقلاب بزرگی به حساب نمی‌آید. آنها فقط ابزار بودند ... آنها فقط چند پله بودند که باید در راه رسیدن به این مرحله طی می‌شد. مرحله‌ای که ما حالا در آن قرار داریم، آستانه‌ بهره‌گیری از هوش مصنوعی است. همانطور که ذکر شد، در اینباره مطالب زیادی برای گفتن هست (تاثیرات علمی، اجتماعی، فردی، روانشناختی، فلسفی، ... مربوط به هوش مصنوعی) که برای پرهیز از اطناب کلام، آنها را به کتابی دیگر، یا مقاله دیگری واگذار می‌کنم.

پاییز 1402

کامران بزرگزاد ایمانی

09/07/1402

مقدمه مؤلف

جهان شاهد رشد سریع فناوری‌های هوش مصنوعی و یادگیری ماشینی در سالهای اخیر بوده است. یکی از مهم‌ترین پیشرفت‌های حاصل شده، در زمینه پردازش زبان‌های طبیعی بوده، که ماشین‌ها را قادر به درک، تفسیر، و تولید زبان‌های انسانی کرده. این امر منجر به توسعه ابزارها و سیستم‌های قدرتمندی شده که می‌توانند برای پرس و جوها و کارهای مختلف پاسخ‌هایی را تولید کنند که بسیار شبیه پاسخ‌های انسان‌ هستند.

در میان این برنامه‌ها، چَت‌جی‌پی‌تی (ChatGPT) به عنوان یک مدلِ زبانِ پیشرفته ظاهر شده و انقلابی را در زمینه هوش مصنوعی مولد ایجاد کرده است. چَت‌جی‌پی‌تی یک مدل زبان پیشرفته است که توسط کمپانی OpenAI توسعه یافته و می‌تواند برای طیف گسترده‌ای از پرس و جوها، پاسخ‌هایی شبیه به انسان را تولید کند. معماری پیشرفته و روش‌های آموزشی این برنامه، آن را قادر ساخته تا به سطوح بی‌سابقه‌ای از دقت و روانی دست پیدا کند و آن را به ابزاری قدرتمند برای مشاغل در صنایع مختلف تبدیل کرده است.

در این کتاب، ظهور چَت‌جی‌پی‌تی و دیگر فناوری‌های هوش مصنوعی مولد و چگونگی تاثیر آنها بر عملکرد کسب‌وکارها را بررسی می‌کنیم. ما به کاربرد‌های مختلف چَت‌جی‌پی‌تی، از جمله خدمات مشتری، ایجاد محتوا، و بازاریابی و غیره می‌پردازیم. ما همچنین راهنمای جامعی در مورد اینکه چگونه کسب‌وکارها می‌توانند به طور موثر از چَت‌جی‌پی‌تی برای بهبود عملکرد خود و جلوتر ماندن از رقبا استفاده کنند، ارائه می‌کنیم.

این کتاب برای مدیران کسب و کارها، کارآفرینان، و هر کسی که به یادگیری بیشتر در مورد قدرت هوش مصنوعی مولد و تاثیر بالقوه آن بر چشم انداز کسب و کارها علاقه‌مند باشد طراحی شده. برای هر کسی که به دنبال استفاده از قدرت چَت‌جی‌پی‌تی و سایر فناوری‌های هوش مصنوعی مولد برای تجارت خود است، با مثال‌های عملی و موارد استفاده زیادی که در این کتاب ذکر شده، آن را به منبع ارزشمندی تبدیل کرده.

فصل 1

10/07/1402

مروری بر چَت‌جی‌پی‌تی

مقدمه

یکی از موضوعاتی که در ماه‌های اخیر در مورد آن خیلی صحبت شده چت‌جی‌پی‌تی[4] است، که بدون شک دیدگاه اکثر مردم نسبت به آنچه یک سیستم هوش مصنوعی می‌تواند انجام دهد را تغییر داده. این که چگونه یک سیستم هوش مصنوعی می‌تواند آنقدر دانش داشته باشد و چگونه می‌تواند به‌طور متناوب پاسخ‌هایی چنین حساب شده را ایجاد کند، برای خیلی‌ها حالتِ یک جادو را دارد. این می‌تواند شامل پاسخ دادن به سوالات در باره هر موضوعی، تا نوشتن مقالات، وبلاگ‌ها، گزارش‌ها، برنامه‌های نرم‌افزاری، و حتی رفع اشکال برنامه‌ها، و غیره باشد.

بررسی فنی چَت‌جی‌پی‌تی

اشتباه بسیار رایجی که در میان بسیاری از مردم درباره چت‌جی‌پی‌تی ‌ وجود دارد این است که یک نسخه پیشرفته از چَت‌بات‌های[5] معمولی است. اگرچه ممکن است این برنامه تا حدودی شبیه یک چَت‌بات به نظر برسد و نحوه عملکرد آنها یکی باشد، اما حقیقتاً از لحاظ فنی، با یک چَت‌بات تفاوت زیادی دارد. چَت‌جی‌پی‌تی یک مدل مولد[6] است، به این معنی که به جای اینکه از میان پاسخ‌های از پیش تعریف شده‌ای که در یک فهرست قرار دارند یک پاسخ را انتخاب کند، خودش می‌تواند پاسخ‌های جدیدی ایجاد کند. این به چَت‌جی‌پی‌تی اجازه می‌دهد تا پاسخ‌های طبیعی‌تر و متنوع‌تری ارائه دهد و آن را برای استفاده در مکالماتِ نامحدود مناسب‌تر کند. جی‌پی‌تی (GPT) مخفف "Generative Pre-Training Transformer" است، یعنی یک معماری شبکه عصبی مبدل[7] که با استفاده از مجموعه‌ بزرگی از داده‌ها که از مکالمات انسانی استخراج شده‌اند، آموزش دیده تا برای کاربر پاسخ‌هایی را تولید کند که بسیار شبیه پاسخ‌های انسان هستند. اکنون چَت‌جی‌پی‌تی برای تولیدِ گفتگوها بهینه شده است و بر اساس مجموعه داده‌هایی که از چت‌ها، اسناد، مقالاتِ تحقیقاتی، و غیره در پلتفرم‌های مختلف آنلاینِ استخراج شده‌اند، آموزش دیده. بنابراین، تاحدی هوش چَت‌جی‌پی‌تی از مکالماتی منشاء گرفته که شما در رسانه‌های اجتماعی یا پلتفرم‌های پیام رسان با دیگران داشته‌اید یا خواهید داشت.

از لحاظ فنی، چَت‌جی‌پی‌تی بر یک معماریِ مبدل مبتنی است که برای پردازش دنباله‌های ورودی از مکانیسم‌های خود-توجه‌ای [8] استفاده می‌کند که تعداد زیادی پارامتر دارند (در حد میلیاردها)، و با استفاده از نوعیمدل‌سازی زبانِ پنهان[9] (MLM) آموزش می‌بینند. در طول آموزش، دنباله‌ای از نشانه‌ها [10] به این مدل داده می‌شود و از آن خواسته می‌شود تا نشانه بعدی در دنباله را پیش‌بینی کند، و این در حالی است که برخی از نشانه‌ها در دنباله ورودی پنهان شده‌اند. این مدل را وادار می‌کند تا برای پیش‌بینی نشانه پنهان، از زمینه و نشانه‌های پنهان نشده استفاده کند، و این کمک می‌کند تا نحوه زبان را بیاموزد.

کاربردهای چَت‌جی‌پی‌تی

از چَت‌جی‌پی‌تی می‌توان در برنامه‌های مختلفی استفاده کرد، از جمله ربات‌های مکالمه (چَت‌بات‌ها) برای خدمات مشتریان، آموزش آنلاین، و رسانه‌های اجتماعی. همچنین می‌توان از آن در برنامه‌های دستیار مجازی و سایر سیستم‌های هوش مصنوعیِ مکالمه‌ای استفاده کرد. این به ویژه برای برنامه‌هایی مناسب است که در آنها تولید پاسخ‌های شبه-انسانی و حفظ روند گفتگویِ طبیعی مهم است.

به طور کلی، چَت‌جی‌پی‌تی یک ابزار قدرتمند برای ساخت چَت‌بات‌های پیشرفته و سایر سیستم‌های هوش مصنوعی مکالمه‌ای است و این پتانسیل را دارد که شیوه تعاملِ آنلاینِ ما با کامپیوتر‌ها، و همچنین با خودمان، را متحول کند. یکی از مزایای اصلی چَت‌جی‌پی‌تی، توانایی آن در اداره کردنِ زمینه و حفظ انسجام در یک مکالمه است. دلیلش هم این است که این برنامه بر اساس مجموعه بزرگی از داده‌های مربوط به مکالمات (چت‌ها) آموزش دیده که به آن اجازه می‌دهد الگوی مکالمات رایج را بیاموزد و روند یک مکالمه را حفظ کند.

علاوه بر قابلیت‌های تولید زبان طبیعی، چَت‌جی‌پی‌تی همچنین می‌تواند کارهای مختلفِ درکِ زبان، مانند شناسایی چیزهای نام‌گذاری شده، شناسایی اجزاء دستوری، و عقیده کاوی را انجام دهد. این به چَت‌جی‌پی‌تی اجازه می‌دهد تا به جای اینکه کورکورانه کلمات یا عباراتی را تکرار کند، معنی آنچه کاربر وارد می‌کند را درک کرده و پاسخ‌های مناسبی را ایجاد کند.

یکی دیگر از جنبه‌های جالب چَت‌جی‌پی‌تی توانایی یادگیری آن به مرور زمان و سازگاری است. این برنامه می‌تواند با تعاملِ مداوم با کاربران و آموزش از طریق پاسخ‌های آنها، عملکرد خود را بهبود بخشیده و دقیق‌تر و جذاب‌تر شود. این به چَت‌جی‌پی‌تی اجازه می‌دهد تا اختصاصی‌تر شده و بهتر بتواند نیازهای کاربران را برآورده کند.

از لحاظ پیاده سازی، چَت‌جی‌پی‌تی را می‌توان با استفاده از زبان‌ها و چارچوب‌های مختلف برنامه نویسی در سیستم‌های چَت‌بات ادغام کرد، و می‌توان از طریق یک [11]API، یا با استفاده از یک مدل از پیش آموزش دیده، در یک کتابخانه یادگیری عمیق[12] مانند PyTorch یا TensorFlow به آن دسترسی داشت.

چندین راه وجود دارد که برای بهبود خدمات مشتری می‌توان از چَت‌جی‌پی‌تی در تنظیمات تجاری ، ساده کردن فرآیندها، و کاهش هزینه‌ها استفاده کرد.

یکی از موارد استفاده رایجِ چَت‌جی‌پی‌تی ساخت چَت‌بات‌هایی است که می‌توانند به سئوالات و شکایات مشتریان رسیدگی کند. این چَت‌بات‌ها می‌توانند در وب‌سایتِ شرکت‌ها یا پلت‌فرم‌های رسانه‌های اجتماعی ادغام شوند و می‌توانند برای سؤالات معمولی، پاسخ‌های فوری ارائه دهند و کارکنان بخشِ خدمات مشتریان را برای رسیدگی به مسائل پیچیده‌تر آزاد کنند. توانایی چَت‌جی‌پی‌تی در درکِ زمینه، و تولید پاسخ‌های مناسب، می‌تواند این چَت‌بات‌ها را برای رسیدگی به طیف گسترده‌ای از سوالات مشتری کارآمدتر کند.

مورد استفاده دیگری که می‌توان برای این برنامه ذکر کرد ساخت چَت‌بات‌هایی است که می‌توانند به فرآیندهای داخلی شرکت‌ها، مانند ورود کارکنان، کارهای مربوط به منابع انسانی، و برنامه‌ریزی کمک کند. به عنوان مثال، برای آموزشِ رویه‌‌ها و خط‌مشی‌ شرکت‌ها به کارکنان جدید، می‌توان از یک چَت‌بات استفاده کرد، یا به کارمندان اجازه داد تا از طریق چَت‌بات درخواست مرخصی کنند یا برای جلسات خودشان برنامه‌ریزی کنند. توانایی چَت‌جی‌پی‌تی برای درک زبانِ طبیعی انسان، و ایجاد پاسخ‌های منسجم، آن را برای چنین کاربردهایی مناسب می‌کند.

علاوه بر این موارد، از چَت‌جی‌پی‌تی می‌توان برای ساخت چَت‌بات‌هایی استفاده کرد که در بازاریابی و فروش بکار گرفته می‌شوند. به عنوان مثال، از یک چَت‌بات‌ می‌تواند برای ارائه اطلاعات در مورد محصولات یا خدمات یک شرکت استفاده کرد. چَت‌جی‌پی‌تی این توانایی را دارد که کارایی و اثربخشی فرآیندهای تجاری، به‌ویژه در زمینه خدمات مشتری و ارتباطاتِ داخلی، را بهبود بخشد. توانایی آن در تولید پاسخ‌های شبه-انسانی و درکِ زمینه، آن را به ابزار قدرتمندی برای ساخت چَت‌بات‌‌هایی تبدیل کند که می‌توانند در طیف وسیعی از کارها بکار گرفته شوند.

چَت‌جی‌پی‌تی در راه‌اندازی کسب و کارها

در حال حاضر نیز این احتمال وجود دارد که تعدادی از شرکت‌ها در صنایع مختلف از چَت‌جی‌پی‌تی برای طیف وسیعی از ‌کارها، مانند خدمات مشتریان، ارتباطات داخلی، و بازاریابی استفاده کنند.

همچنین شایان ذکر است که چَت‌جی‌پی‌تی یک مُدلِ زبانِ مبدلِ مولدِ از پیش آموزش‌دیده، یا GPT [13]، است که به طور گسترده توسط شرکت‌ها و محققان برای کارهای مختلف مورد استفاده قرار می‌گیرد. برخی از شرکت‌هایی که GPT، یا مدل‌های مشابه، را پیاده‌سازی کرده‌اند عبارتند از: OpenAI، Hugging Face، و ارائه‌دهندگان خدماتِ مُدل زبان، مانند Google's Cloud Language API و AWS's Comprehend. این شرکت‌ها ابزارها و خدماتی را ارائه می‌کنند که به کسب‌وکارها اجازه می‌دهد تا سیستم‌های هوش مصنوعیِ زبان‌-پایه را به کار گیرند، آنهم بدون اینکه از آغاز به ساخت و آموزش مدل‌های خود نیاز داشته باشند.

خلاصه

· چَت‌جی‌پی‌تی یک مدل مولد است، به این معنی که این برنامه به جای انتخاب یک پاسخ از پیش تعریف شده از یک لیست، می‌تواند پاسخ‌های جدیدی را ایجاد کند.

· GPT، که مخفف "مبدلِ مولد از پیش آموزش‌دیده" است، یک معماری شبکه عصبی مبدل می‌باشد که از مجموعه بزرگی از داده‌ها، که از مکالمات انسانی استخراج شده‌اند استفاده می‌کند تا به کاربر پاسخ‌های شبه-انسانی ارائه دهد.

· به طور کلی، چَت‌جی‌پی‌تی ابزار قدرتمندی برای ساخت چَت‌بات‌های پیشرفته و سایر سیستم‌های هوش مصنوعی مکالمه‌ای است و این پتانسیل را دارد که روش تعاملِ آنلاینِ ما با کامپیوتر‌ها، و با خودمان، را متحول کند.

· راه‌هایی وجود دارد که می‌توان از چَت‌جی‌پی‌تی در تنظیم کسب‌وکارها، مثلاً برای بهبود خدمات مشتری، ساده‌سازی فرآیندها، و کاهش هزینه‌ها استفاده کرد.

· چَت‌جی‌پی‌تی این توانایی را دارد که کارایی و اثربخشی فرآیندهای تجاری، به‌ویژه در زمینه‌های خدمات مشتریان، و ارتباطات داخلی را بهبود بخشد.

فصل 2

12/07/1402

تاریخچه مُدل‌های مولد

مقدمه

هوش مصنوعیِ مولد[14] به شاخه‌ای از هوش مصنوعی اشاره دارد که شامل ایجاد محتوا، یا داده‌های جدید از مجموعه‌ای از ورودی‌های مفروض است. اینکار اغلب با استفاده از تکنیک‌هایی مانند یادگیری عمیق و شبکه‌های عصبی انجام می‌گیرد. برای تولید خروجی‌های مختلف، از جمله متن، تصویر، موسیقی، و حتی ویدیو، می‌توان مُدل‌های تولید را آموزش داد.

تاریخچه هوش مصنوعی مولد

تاریخچه هوش مصنوعی مولد می‌تواند به دهه‌های 1950 و 1960 میلادی، و روزهای اولیه تحقیقات مربوط به هوش مصنوعی باز گردد. در آن زمان برای اولین بار متخصصانِ کامپیوتر شروع به بررسی ایده استفاده از کامپیوتر برای تولید محتواهای جدید کردند. سیستم‌های هوش مصنوعیِ مولدِ اولیه، عمدتاً بر کارهای ساده‌ای مانند تشخیص الگو و تصمیم‌گیری مبتنی بر قواعد متمرکز بودند.

پیشرفتِ هوش مصنوعی مولد

در دهه‌های 1980 و 1990، با توسعه مدل‌های احتمالی، مثل مدل‌های پنهان مارکوف[15] و شبکه‌های بیزی[16]، تحقیقات مربوط به هوش مصنوعی مولد نیز گسترش یافتند. این مدل‌ها به سیستم‌های هوش مصنوعی اجازه می‌دادند تصمیمات پیچیده‌تری بگیرند و خروجی‌های متنوع‌تری را تولید کنند.

با این حال، در دهه 2010 بود که توسعه الگوریتم‌های یادگیری عمیق و شبکه‌های عصبی حقیقتاً باعث شد هوش مصنوعی مولد شکوفا شود. مدل‌های یادگیری عمیق، مانند شبکه‌های مولدِ متخاصم[17] (GAN) و خودرمزگذارهای متغیر[18] (VAE)، سیستم‌های هوش مصنوعی را قادر می‌سازند تا خروجی‌هایی را تولید کنند که خیلی واقعی و پیچیده هستند، مثلِ تصاویر واقع‌گرا (photorealistic) و متونی به زبان‌های انسانی (زبان‌های طبیعی).

ارزیابی هوش مصنوعی مولد

ارزیابی هوش مصنوعی مولد یک چالش مداوم است، زیرا اندازه گیری عینی کیفیت و خلاقیت خروجی‌های تولید شده می‌تواند دشوار باشد. با این حال، برای اینکار معیارها و تکنیک‌های مختلفی توسعه یافته‌اند، از جمله ارزیابی‌های انسانی، معیارهای کَمّی، مانند پیچیدگی و امتیاز اولیه، و معیارهای ادراکی بر اساس تجربه و پسند کاربر.

کاربردهای هوش مصنوعی مولد

انتظار می‌رود در آینده هوش مصنوعی مولد تأثیر قابل توجهی بر صنایع و مشاغل مختلف داشته باشد. به عنوان مثال، در صنعت سرگرمی برای ایجاد محتوای جدید و منحصر به فرد، مانند تولید موسیقی، فیلم، و بازی‌های ویدئویی، می‌توان از هوش مصنوعی مولد استفاده کرد، یا در صنعتِ مُد برای تولید طرح‌های جدید لباس، یا حتی کل مجموعه‌های مد، می‌توان از آن استفاده کرد.

بر اساس داده‌های بیماران در صنایع بهداشتی، می‌توان از هوش مصنوعی مولد برای ایجاد طرح‌های درمانیِ اختصاصی استفاده کرد، و در کارهای مالی، می‌توان برای تولید الگوریتم‌های معاملاتی و پیش بینی‌های مالی آن را بکار گرفت.

به طور کلی، کاربردهای بالقوه هوش مصنوعی مولد بسیار گسترده است و همچنان در تحقیق و توسعه در زمینه هوش مصنوعی یک حوزه کلیدی خواهد بود.

خلاصه

· هوش مصنوعیِ مولد به شاخه‌ای از هوش مصنوعی اشاره دارد که شامل ایجاد محتوا یا داده‌های جدید از مجموعه‌ای از ورودی‌های مفروض است، که اغلب با استفاده از تکنیک‌هایی مانند یادگیری عمیق و شبکه‌های عصبی انجام می‌گیرد.

· برای تولید خروجی‌های مختلف از جمله متن، تصویر، موسیقی، و حتی ویدیو، می‌توان مدل‌های تولیدی را آموزش داد.

· مدل‌های یادگیری عمیق، مانند شبکه‌های متخاصمِ مولد (GAN) و خودرمزگذارهای متغیر (VAE)، سیستم‌های هوش مصنوعی را قادر می‌سازند تا خروجی‌های بسیار واقعی و پیچیده، مانند تصاویر واقع‌گرا و متونِ زبانِ طبیعی تولید کنند.

· ارزیابی هوش مصنوعی مولد یک چالش مداوم است، زیرا اندازه گیری عینیِ کیفیت و خلاقیت خروجی‌های تولید شده می‌تواند دشوار باشد.

· انتظار می‌رود در آینده هوش مصنوعی مولد تأثیر قابل‌توجهی بر صنایع و کسب‌وکارهای مختلف داشته باشد.

· به عنوان مثال، در صنعت سرگرمی می‌توان از هوش مصنوعی مولد برای تولید محتواهای جدید و منحصر به فرد، مانند موسیقی، فیلم، و بازی‌های ویدیویی استفاده کرد. به طور کلی، کاربردهای بالقوه هوش مصنوعی مولد بسیار گسترده است و احتمالاً همچنان یک حوزه کلیدی در زمینه هوش مصنوعی خواهد بود.

فصل 3

کاربرد هوش مصنوعیِ مولد در امور بانکی و مالی

مقدمه

هوش مصنوعیِ مولد بطور بالقوه کاربردهای زیادی در بانکداری و امور مالی دارد، از کشفِ تقلب و تحلیلِ مخاطرات[19] گرفته تا خدمات اختصاصی به مشتریان، و توصیه‌های مربوط به سرمایه گذاری. در این فصل، برخی از نویدبخش‌ترین موارد کاربردِ هوش مصنوعی در امور بانکی و مالی، و همچنین مزایا و محدودیت‌های این کاربردها را بررسی خواهیم کرد.

کاربردها و موارد استفاده

اجازه دهید به برخی از موارد استفاده هوش مصنوعیِ مولد در زمینه بانکداری و مالی نگاهی بیندازیم:

کشف تقلب و تحلیل مخاطرات

یکی از امیدوارکننده‌ترین کاربردهای هوش مصنوعیِ مولد در صنعت بانکداری و مالی در تشخیص تقلب و تحلیلِ مخاطرات است. از هوش مصنوعیِ مولد می‌توان برای تحلیل حجم زیادی از داده‌های مالی، تا موارد بالقوه تقلب استفاده کرد، یا جرایم مالی را شناسایی کرد. این را می‌توان با شناسایی الگوها و ناهنجاری‌ها در داده‌های مربوط به تراکنش‌ها، رفتار مشتریان، و سایر عواملی که ممکن است نشان دهنده فعالیت‌های کلاه‌بردارانه باشد، انجام داد.

به عنوان مثال، هوش مصنوعیِ مولد می‌تواند در تحلیل داده‌های مربوط به تراکنش‌ها برای شناسایی الگوهای فعالیت مشکوک، مانند تراکنش‌هایی که خارج از محدوده معمول رفتار مشتری هستند، بکار گرفته شود. همچنین هوش مصنوعیِ مولد می‌تواند در تحلیل رسانه‌های اجتماعی و سایر منابع داده‌های عمومی، برای شناسایی خطرات بالقوه برای مؤسسات مالی، مانند احساسات منفی یا خطرات اعتباری استفاده شود.

ارائه خدمات اختصاصی به مشتریان

یکی دیگر از کاربردهای امیدوارکننده هوش مصنوعیِ مولد در بانکداری و امور مالی، خدمات اختصاصی [20] به مشتریان است. هوش مصنوعیِ مولد می‌تواند برای ایجاد ربات‌های‌گفتگو (چَت‌بات‌ها) و سایر سیستم‌های خودکار استفاده شود که می‌توانند پاسخ‌های شخصی به سؤالات مشتریان ارائه دهند و برای محصولات و خدمات مالی توصیه‌هایی را هم ارائه دهند.

به عنوان مثال، یک چَت‌بات مبتنی بر هوش مصنوعیِ مولد می‌تواند در مورد سؤالات مالی ساده به مشتریان کمک کند و توصیه‌هایی را برای محصولات و خدمات ارائه کند که متناسب با نیازها و خواسته‌های خاصِ آنها باشد. برای موسسات مالی این می‌تواند به بهبود رضایت مشتریان و حفظ آنها، و همچنین افزایش درآمد کمک کند.

توصیه‌های سرمایه گذاری

بر اساس سابقه مخاطرات فردی مشتریان و اهداف سرمایه‌گذاری آنها، از هوش مصنوعیِ مولد می‌توان برای ارائه توصیه‌های سرمایه‌گذاری نیز استفاده کرد. این را می‌توان با تحلیل حجم زیادی از داده‌های مالی، از جمله روندهای تاریخی بازار، رفتار مشتریان، و سایر عواملی که ممکن است بر تصمیمات سرمایه گذاری تأثیر بگذارد، انجام داد.

به عنوان مثال، می‌توان از هوش مصنوعیِ مولد استفاده کرد تا بر اساس سوابقِ مخاطره و اهداف سرمایه‌گذاری خاصِ مشتریان، برای آنها سبدِ سهامِ اختصاصی ایجاد نمود. این می‌تواند به مشتریان کمک کند تا تصمیمات سرمایه گذاری آگاهانه‌تری بگیرند و شانس خود را برای دستیابی به اهداف مالی افزایش دهند.

مزایای بکارگیری هوش مصنوعی مولد

برخی از مزایایی که هوش مصنوعیِ مولد در زمینه بانکداری و مالی ارائه می‌دهد در زیر آمده:

کارایی بهتر

هوش مصنوعیِ مولد می‌تواند با خودکار کردن بسیاری از کارهای معمول، مانند کشف تقلب و خدمات مشتریان، به بهبود کارایی عملیات بانکی و مالی کمک کند. این می‌تواند به کاهش هزینه‌ها و بهبود عملکرد کُلی کمک کند.

خدمات اختصاصی

هوش مصنوعیِ مولد می‌تواند به موسسات مالی کمک کند تا خدمات اختصاصی‌تری را به مشتریان خود ارائه دهند که این می‌تواند به بهبود رضایت و حفظ مشتریان کمک کند.

تصمیم گیری‌های بهتر

هوش مصنوعیِ مولد می‌تواند بینش‌ها و توصیه‌هایی را ارائه دهد که می‌توانند به موسسات مالی کمک کند تا در مورد مدیریت مخاطرات، سرمایه‌گذاری، و سایر عملکردهای مهم تجاری، تصمیمات آگاهانه‌تری بگیرند.

امنیت بهتر

هوش مصنوعیِ مولد می‌تواند با شناسایی تقلب‌های احتمالی و سایر خطرات، قبل از تبدیل شدن آنها به مشکلات عمده، به بهبود امنیت کمک کند. این می‌تواند به محافظت از موسسات مالی و مشتریان آنها کمک کند.

محدودیت‌ها و چالش‌ها

برخی از چالش‌هایی که هوش مصنوعیِ مولد در زمینه بانکداری و امور مالی با خود به همراه دارد به شرح زیر است:

حریم خصوصی و امنیت داده‌ها

یکی از بزرگترین چالش‌های هوش مصنوعیِ مولد در بانکداری و امور مالی، اطمینان از محافظت و ایمن بودن داده‌های مشتریان است. موسسات مالی در برابر تهدیدات سایبری و سایر خطرات، باید اقداماتی را برای محافظت از داده‌های مشتریان انجام دهند.

نگرانی‌های اخلاقی

هوش مصنوعیِ مولد می‌تواند نگرانی‌های اخلاقی، به ویژه در مورد مسائلی مانند برتری‌طلبی و تبعیض، ایجاد کند. موسسات مالی باید اطمینان حاصل کنند که سیستم‌های هوش مصنوعی آنها به شیوه‌ای اخلاقی و مسئولانه توسعه یافته‌اند و از آنها بطور صحیح استفاده می‌شود.

رعایت مقررات

موسسات مالی باید اطمینان حاصل کنند که سیستم‌های هوش مصنوعی آنها با مقررات مربوطه، مانند مقررات حفاظت از داده‌های عمومی (GDPR) و استاندارد امنیت داده صنعت کارت پرداخت (PCI DSS) مطابقت دارد.

کمبود استعدادهای ماهر

تقاضا برای متخصصانِ ماهرِ هوش مصنوعیِ زیاد است و در حال حاضر متخصصانی که مهارت‌ها و تجربه لازم برای توسعه و استقرار سیستم‌های هوش مصنوعیِ مولد در صنعت بانکداری و مالی را داشته باشند، کم هستند.

خلاصه

· هوش مصنوعی مولد بطور بالقوه کاربردهای زیادی در بخش بانکداری و امور مالی دارد، از کشف تقلب و تحلیل مخاطرات گرفته تا خدمات اختصاصی به مشتریان و توصیه‌های سرمایه‌گذاری.

· یکی از نوید‌بخش‌ترین کاربردهای هوش مصنوعی مولد در بخش بانکداری و مالی، کشف تقلب و تحلیل مخاطرات است.

· هوش مصنوعی مولد می‌تواند با خودکار کردن بسیاری از کارهای معمول، مانند کشف تقلب و خدمات مشتریان، به بهبود کارایی عملیات بانکی و مالی کمک کند.

· یکی از بزرگترین چالش‌های هوش مصنوعی مولد در بانکداری و امور مالی، اطمینان از حفاظت و ایمن بودن داده‌های مشتریان است.

· موسسات مالی برای محافظت از داده‌های مشتریان در برابر تهدیدات سایبری و سایر خطرات باید اقداماتی را انجام دهند.

· موسسات مالی باید اطمینان حاصل کنند که سیستم‌های هوش مصنوعی آنها به شیوه‌ای اخلاقی و مسئولانه توسعه یافته و از آنها استفاده می‌شود.

· تقاضا برای متخصصانِ ماهرِ هوش مصنوعی زیاد است و در حال حاضر کمبود متخصصانی که مهارت‌ها و تجربه‌های لازم برای توسعه و استقرار سیستم‌های هوش مصنوعی مولد در صنعت بانکداری و مالی را داشته باشند وجود دارد.

12/07/1402

فصل 4

12/07/1402

جنبه‌های قانونی و مقرراتی هوش مصنوعیِ مولد

مقدمه

هوش مصنوعیِ مولد این توانایی را دارد که صنایع و مشاغل مختلف را متحول سازد، اما محدودیت‌های قانونی و نظارتیِ بالقوه‌ای نیز وجود دارند که برای اطمینان از استفاده اخلاقی و مسئولانه از هوش مصنوعیِ مولد باید برطرف شود.

استفاده اخلاقی و مسئولانه

برای جلوگیری از اشکالات احتمالی، استفاده از هوش مصنوعیِ مولد باید طوری هدایت شود که با شفافیت، مسئولیت پذیری و عدالت همراه باشد. در زیر چند نمونه از آن ذکر شده است:

حقوق مالکیت معنوی

مدل‌های هوش مصنوعیِ مولد می‌توانند محتواهایی مانند متون، تصاویر، و موسیقی را تولید کنند که به طور بالقوه می‌تواند حقوق مالکیت معنوی موجود را نقض کند. مهم است تا اطمینان حاصل شود که از هوش مصنوعیِ مولد برای تولید محتواهایی که قوانین حق مؤلف یا علائم تجاری را نقض می‌کند استفاده نشود.

حریم خصوصی و حفاظت از داده‌ها

غالباً برای آموزش مدل‌های هوش مصنوعیِ مولد به داده‌های فراوانی نیاز است که می‌تواند شامل اطلاعات شخصی باشد. حصول اطمینان از رعایت قوانین حفظ حریم خصوصی، و حفاظت از داده‌ها هنگام جمع آوری و استفاده از این داده‌ها بسیار مهم است.

...........................................

محتویات کامل این کتاب در 32 فصل و 270 صفحه منتشر شده، برای ادامه مطالعه این کتاب می‌توانید نسخه کامل PDF آن را تهیه کنید.

فهرست کامل مندرجات کتاب

مقدمه مترجم

درباره این کتاب

درباره نویسندگان کتاب

هوش مصنوعی مولد چیست؟

چرا هوش مصنوعی مولد دور از انتظار بود و ظهور آن شوک عظیمی را به جامعه وارد کرد؟

تفاوت چت‌بات‌های هوشمند و موتورهای جستجو چیست؟

نگرانی‌ها در مورد هوش مصنوعی

هوش مصنوعی در ایران

آینده هوش مصنوعی

نکاتی که می‌تواند برای کاربرانِ فارسی زبانِ چَت‌جی‌پی‌تی اهمیت داشته باشد

ثبت نام

آیا امکان گرفتن جواب به زبان فارسی در چت‌جی‌پی‌تی فراهم است؟

آیا ماهیت پاسخ‌های چت‌جی‌پی‌تی به زبان‌ فارسی متفاوت است؟

چت‌جی‌پی‌تی به چه نوع سئوالاتی می‌تواند پاسخ دهد؟

آیا جواب‌های چت‌جی‌پی‌تی همیشه درست هستند؟

چند نمونه از آزمایشاتی که مترجم به زبان فارسی با چت‌جی‌پی‌تی انجام داده

چگونه با چَت‌جی‌پی‌تی تعامل کنیم

مقدمه مؤلف

فصل 1

مروری بر چَت‌جی‌پی‌تی

مقدمه

بررسی فنی چَت‌جی‌پی‌تی

کاربردهای چَت‌جی‌پی‌تی

چَت‌جی‌پی‌تی در راه‌اندازی کسب و کارها

خلاصه

فصل 2

تاریخچه مُدلهای مولد

مقدمه

تاریخچه هوش مصنوعی مولد

پیشرفتِ هوش مصنوعی مولد

ارزیابی هوش مصنوعی مولد

کاربردهای هوش مصنوعی مولد

خلاصه

فصل 3

کاربرد هوش مصنوعیِ مولد در امور بانکی و مالی

مقدمه

کاربردها و موارد استفاده

کشف تقلب و تحلیل مخاطرات

ارائه خدمات اختصاصی به مشتریان

توصیه‌های سرمایه گذاری

مزایای بکارگیری هوش مصنوعی مولد

کارایی بهتر

خدمات اختصاصی

تصمیم گیری‌های بهتر

امنیت بهتر

محدودیت‌ها و چالش‌ها

حریم خصوصی و امنیت داده‌ها

نگرانی‌های اخلاقی

رعایت مقررات

کمبود استعدادهای ماهر

خلاصه

فصل 4

جنبه‌های قانونی و مقرراتی هوش مصنوعیِ مولد

مقدمه

استفاده اخلاقی و مسئولانه

حقوق مالکیت معنوی

حریم خصوصی و حفاظت از داده‌ها

برتری‌طلبی‌ و تبعیض

ایمنی و امنیت

خلاصه

فصل 5

استفاده از هوش مصنوعیِ مولد و چَت‌جی‌پی‌تی در بخش‌های دولتی

مقدمه

برخی از موارد استفاده از هوش مصنوعیِ مولد

تولید محتوا

تحلیل تصاویر و ویدئوها

واکنش در مقابل فاجعه‌ها

تشخیص تقلب

تصمیم گیری

ارائه تحلیل‌های پیش‌بینیکننده

خدمات اختصاصی

هوش مصنوعیِ مولد در دولت: مزایا و نظارتهای اخلاقی

برخی از موارد استفاده چَت‌جی‌پی‌تی

خدمات مشتری

پردازش زبان طبیعی

بازیابی اطلاعات

ترجمه زبان

تحلیل سیاست

تشخیص گفتار

دستیاران مجازی

خلاصه

فصل 6

اعتبار محتوای تولید شده توسط هوش مصنوعی مولد

مقدمه

محدودیت‌ها و چالش‌ها برای محتواهای تولید شده توسط هوش مصنوعی مولد

انتشار اطلاعات نادرست

افزایش جهت‌گیری

ایجاد هویت‌های جعلی

بیکاری

خطرات امنیتی

توسعه مدلِ زبان چَت‌جی‌پی‌تی

خلاصه

فصل 7

نکات فنی در مورد چَت‌بی‌پی‌تی

مقدمه

مقدمه‌ای بر پردازش زبان طبیعی

تکامل NLP

جی‌پی‌تی (GPT) و چَت‌جی‌پی‌تی (ChatGPT)

GPTهایی که توسط OpenAI ارائه شده

خلاصه

فصل 8

برخی از مدل‌های دیگر NLP

فصل 9

روند تاریخی توسعه GPT

مقدمه

GPT-1

چارچوب اساسی

مراحل آموزش مدل

ارزیابی GPT - 1

GPT-2

مقدمه‌ای بر GPT-3

چارچوب پایه

ارزیابی

توسعه API GPT - 3

معرفی ChatGPT

فصل 10

مدل قیمت گذاری API و محدودیت‌های فنی چَت‌جی‌پی‌تی

مقدمه

محدودیت‌های فنی چَت‌جی‌پی‌تی

خلاصه

فصل 11

مروری بر رابط کاربری نسخه رایگان چَت‌جی‌پی‌تی

مقدمه

خلاصه

فصل 12

موارد استفاده از چَت‌جی‌پی‌تی در زمان کنونی

مقدمه

پیش بینی‌ها و روندهای رشد بازار هوش مصنوعی جهانی

خلاصه

فصل 13

موارد استفاده چَت‌جی‌پی‌تی در تولید محتوا

مقدمه

تولید محتوا

چَت‌جی‌پی‌تی برای نوشتن محتوای وبلاگ

بهینه سازی موتورهای جستجو (SEO)

چَت‌جی‌پی‌تی و بازاریابی از طریق ایمیلی

سایر موارد استفاده مرتبط با محتوا

خلاصه

فصل 14

قابلیت‌های آموزشی چَت‌جی‌پی‌تی

مقدمه

رشد بازار آموزش الکترونیکی

چَت‌جی‌پی‌تی در آموزش الکترونیکی

تولید محتوا

اختصاصی سازی

بازخورد و ارزیابی

کمک از طریق چَت‌بات

ترجمه زبان

خلاصه

فصل 15

مواد استفاده چَت‌جی‌پی‌تی در سرگرمی

مقدمه

هوش مصنوعی در صنعت سرگرمی

NLP در صنعت سرگرمی

رشد بازار هوش مصنوعی در بخش رسانه و سرگرمی

چَت‌جی‌پی‌تی و کاربردهای بالقوه آن در صنعت سرگرمی

چَت‌جی‌پی‌تی در صنعت بازی

چَت‌جی‌پی‌تی در صنعت موسیقی

چَت‌جی‌پی‌تی برای فیلم، خدمات رسانه‌ای بر فراز اینترنت، و نویسندگان فیلمنامه

چَت‌جی‌پی‌تی برای محتوای شخصی سازی شده برای دستیاران مجازی

چَت‌جی‌پی‌تی برای نوشتن متن آهنگ

یک مورد استفاده بالقوه از چَت‌جی‌پی‌تی در سلامت روان

خلاصه

فصل 16

استفاده بالقوه از چَت‌بی‌پی‌تی در کدنویسی و برنامه‌نویسی

مقدمه

آینده کدنویسی و برنامهنویسی: فرصت‌های بی پایان

نقش چَت‌بی‌پی‌تی در تولید و خلاصه سازی کد

دانش عمومی برنامه نویسی

تولید کد

اشکال زدایی کدها

تکمیل کد

کدنویسی و ویرایش حرفهای

خلاصه

فصل 17

قابلیت‌های (کمّی) حل مسئله

مقدمه

اهمیت روزافزون حلِ کمّی مسائل

ریاضیات و آمار پایه

منطق و استدلال پایه

خلاصه

فصل 18

قابلیت‌های (کیفی) حل مسئله

مقدمه

نقش چَت‌جی‌پی‌تی در حل کیفی مسائل

مثال 1

مثال 2

مثال 3

خلاصه

فصل 19

کاربردهای چَت‌جی‌پی‌تی در امور مالی

مقدمه

فن‌آوری مالی و تکامل بانکداری

استفاده از چَت‌جی‌پی‌تی در بانکداری و صنعت فین‌تِک

بهبود تجربه مشتری

کشف و پیشگیری از تقلب

شخصی سازی

افزایش کارایی و عملکرد کلی

افزایش سرعت و دقت

کارکرد چَت‌جی‌پی‌تی به عنوان یک ربات مشاور

مدیریت مخاطرات

خلاصه

فصل 20

کاربردهای چَت‌جی‌پی‌تی در بخش‌های بهداشتی

مقدمه

هوش مصنوعی در بهداشت و درمان

بازار رو به رشد هوش مصنوعی در مراقبت‌های بهداشتی

استفاده از چَت‌جی‌پی‌تی در صنعت مراقبت‌های بهداشتی و پزشکی

دستیارِ پزشکیِ مجازی

تحلیلگر و مفسر داده‌های مراقبت‌های بهداشتی

مشاوره در نگهداری دارو

حفظ سوابق پزشکی

گزارش‌های پزشکی

اطلاعات دارویی

مطالعات پزشکی

چارچوب نظارتهای بهداشتی

مسئولیت در استقرار هوش مصنوعی در مراقبت‌های بهداشتی

خلاصه

فصل 21

کاربردهای چَت‌جی‌پی‌تی در حوزه تجارت الکترونیک

مقدمه

مروری بر بازار جهانی تجارت الکترونیک

هوش مصنوعی در تجارت الکترونیک: تجربه مشتری و بهره وری

استفاده از چَت‌جی‌پی‌تی در تجارت الکترونیک

چت ربات‌های شخصی شده

استراتژی‌های بازاریابی

بهینه سازی زنجیره تامین

ایجاد توضیح برای محصولات

تحلیل احساس مشتریان در بازخورد محصولات

خلاصه

فصل 22

کاربردهای چَت‌جی‌پی‌تی در صنعت گردشگری

مقدمه

هوش مصنوعی در صنعت هتلداری

استفاده از چَت‌جی‌پی‌تی در مشاغل مربوط به گردشگری

چَت‌بات‌ها

خدمات اختصاصی‌

آموزش افراد جدید و کمک به فعالان موجود

بازاریابی دیجیتال

سایر صنایع

خلاصه

فصل 23

قابلیت‌های حل مسئله توسط چَت‌جی‌پی‌تی

مقدمه

قابلیت حل مسئله در زمینه‌های مختلف

توانایی حل مسئله با استفاده از قضایای ریاضی

توانایی حل مسئله توسط مدل‌های ریاضی

توانایی حل مسئله با نوشتن شبکه‌های عصبی

توانایی حل مسئله با فرمول نویسی

خلاصه

فصل 24

چگونه مبتدیان برای حل مسائل از چَت‌جی‌پی‌تی استفاده کنند؟

مقدمه

محدودیت‌های چَت‌جی‌پی‌تی

چَت‌جی‌پی‌تی در حل مسئله: نتیجه گیری

خلاصه

فصل 25

بکارگیری چَت‌جی‌پی‌تی در امنیت سایبری و سیاست‌های فن‌آوری

مقدمه

چَت‌جی‌پی‌تی امنیت ملی سایبری را متحول کرد

آیا چَت‌جی‌پی‌تی یک تهدید واقعی برای امنیت ملی است؟

ایجاد یک کدِ حمله باج افزار با استفاده از چَت‌جی‌پی‌تی

ایجاد محتوای فیشینگ با استفاده از چَت‌جی‌پی‌تی

استفاده مجرمان سایبری از چَت‌جی‌پی‌تی و هوش مصنوعی مولد

آیا چَت‌جی‌پی‌تی برای امنیت ملی بهتر است؟

پاسخگویی چَت‌جی‌پی‌تی

شفاف سازی چَت‌جی‌پی‌تی برای دولت

چگونه مجریان قانون و نیروهای دفاعی از چَت‌جی‌پی‌تی یا هوش مصنوعی مولد استفاده می‌کنند؟

چگونگی استفاده محققان جرایم سایبری از چَت‌جی‌پی‌تی و هوش مصنوعی مولد

چگونه وکلا و سیاست گذاران از چَت‌جی‌پی‌تی و هوش مصنوعیِ مولد استفاده می‌کنند

محدودیت‌های چَت‌جی‌پی‌تی یا هوش مصنوعی برای امنیت ملی سایبری

نتیجه گیری

خلاصه

فصل 26

بکارگیری چَت‌جی‌پی‌تی در فن‌آوری‌های آموزشی

مقدمه

تأثیرات مثبت یا منفی چَت‌جی‌پی‌تی بر بخش آموزشی

آیا چالش‌های بخش آموزش توسط چَت‌جی‌پی‌تی حل خواهد شد؟

درک مطلب

کمک در نوشتن

یادگیری زبان

خودکارسازی روندِ کار

آموزش‌های اختصاصی

کارهای بیشتری مورد نیاز است

نتیجه

خلاصه

فصل 27

توانایی بالقوه چَت‌جی‌پی‌تی در امور تحقیقاتی

مقدمه

آیا استفاده از چَت‌جی‌پی‌تی برای کارهای تحقیقاتی قابل قبول است؟

آیا در یک کار تحقیقاتی چَت‌جی‌پی‌تی می‌تواند نویسنده همکار باشد؟

نحوه راه اندازی چَت‌جی‌پی‌تی برای مبتدیان برای انجام کارهای تحقیقاتی

نحوه انجام کار تحقیقاتی با استفاده از چَت‌جی‌پی‌تی

ایجاد یک پرسش تحقیقاتی با استفاده از چَت‌جی‌پی‌تی

استفاده از چَت‌جی‌پی‌تی برای تهیه پیش‌نویس طرح کلی تحقیق

جمع آوری اطلاعات با چَت‌جی‌پی‌تی

ایجاد ایده با چَت‌جی‌پی‌تی

مزایای چَت‌جی‌پی‌تی برای کارهای تحقیقاتی.

نتیجه

خلاصه

فصل 28

توانایی بالقوه چَت‌جی‌پی‌تی در کد‌نویسی و برنامه‌نویسی

مقدمه

آیا می‌توان با چَت‌جی‌پی‌تی کُدنویسی کرد؟

یافتن اشکالات کد و رفع آنها

درک الگوریتم و تولید توضیحات برای برنامه

آیا چَت‌جی‌پی‌تی جای برنامه‌نویسان را می‌گیرد؟

مرزهای چَت‌جی‌پی‌تی و هوش مصنوعی مولد برای کدنویسی و برنامه نویسی؟

نتیجه

خلاصه

فصل 29

پیشرفت‌های اخیری که در چَت‌جی‌پی‌تی صورت گرفته

مقدمه

انتشارات اخیر

15 دسامبر 2022:

9 ژانویه 2023:

30 ژانویه 2023:

09 فوریه 2023:

13 فوریه 2023:

معرفی چَت‌جی‌پی‌تی Plus

هزینه ماهانه: 20 دلار در ماه

خلاصه

فصل 30

وضعیف فعلی چَت‌جی‌پی‌تی در بازار

مقدمه

چَت‌جی‌پی‌تی: رشد سریع و چالش‌های پیش رو

برخی از جایگزین‌های چَت‌جی‌پی‌تی

چت‌سونیک (ChatSonic)

جاسپر (Jasper)

کاراکتر اِی‌آی (Character AI)

پِرپِلِکسیتی اِی‌آی (Perplexity AI)

از دیدگاه فنی

خلاصه

فصل 31

GPT- 4

مقدمه

قابلیت‌های فن آوری چَت‌جی‌پی‌تی 4

برخی از موارد استفاده

ایمنی و اخلاق

خلاصه

فصل 32

چشمانداز آینده چَت‌جی‌پی‌تی

مقدمه

پتانسیل چَت‌جی‌پی‌تی در پردازش و اختصاصی کردن زبان‌های طبیعی

خلاصه

[1] - چت‌بات‌ یک برنامه کامپیوتری است که نام آن از دو لغت ’Chat‘ به معنای گفتگو، و ’Bot‘ که مخفف ربات است گرفته شده، و می‌توان آن را ربات گفتگو کننده نامید. ویژگی اصلی این برنامه‌ها این است که می‌توانند بصورت نوشتاری و صوتی با انسان گفتگو کنند (مترجم).

[2] - مثل قیمت یک کالا، فروشنده آن، اطلاع در مورد یک رویداد، یک مسابقه ورزشی، مطالب آموزشی و سرگرمی، و غیره.

[3] - پروژه واتسون، ساخت شرکت آی.بی.ام نمونه‌ای از اینها است. همین کامپیوتر بود که در سال 2011 توانست در یک مسابقه تلویزیونی شرکت کند و قهرمان معلومات عمومی جهان را شکست دهد.

[4] - ChatGPT.

[5] - chatbot.

[6] - generative model.

[7] - transformer.

[8] - self-attention.

[9] - Masked Language Modeling (MLM).

[10] - tokens.

[11] - API= application programming interface(واسط برنامه‌نویسی کاربردی) .

[12] - deep learning.

[13] - Generative pre-trained transformer.

[14] - Generative AI.

[15] - Hidden Markov Model.

[16] - Bayesian Networks.

[17] - GAN= Generative Adversarial Networks.

[18] - VAE = Variational Autoencoders.

[19] - risk analysis.

[20] - personalized.

Like: ,

ترجمه‌های کامران بزرگزاد

show_banner(0);

فهرست مندرجات

مقدمه مترجم

درباره این کتاب

09/07/1402

فصل 1

10/07/1402

12/07/1402

فصل 3

12/07/1402

12/07/1402