خبر
هیچ‌کس نمی‌داند عامل هوش مصنوعی دقیقاً چیست
زمان مطالعه: 5 دقیقه
هیچ‌کس نمی‌داند عامل هوش مصنوعی دقیقاً چیست
هیچ‌کس نمی‌داند عامل هوش مصنوعی دقیقاً چیست
خبر
هیچ‌کس نمی‌داند عامل هوش مصنوعی دقیقاً چیست
زمان مطالعه: 5 دقیقه

سیلیکون ولی نسبت به عامل‌های هوش مصنوعی خوش‌بین است. سام آلتمن، مدیرعامل اوپن‌ای‌آی، گفته است که این عامل‌ها در سال جاری «به نیروی کار خواهند پیوست». ساتیا نادلا، مدیرعامل مایکروسافت، پیش‌بینی کرده که عامل‌ها جایگزین برخی از کارهای دانش‌محور خواهند شد. مارک بنیوف، مدیرعامل سیلزفورس، اظهار داشته که هدف این شرکت تبدیل شدن به «برترین ارائه‌دهنده نیروی کار دیجیتال در جهان» از طریق خدمات مختلف «عامل‌محور» خود است.

اما به نظر می‌رسد هیچ‌کس نمی‌تواند دقیقاً توافق کند که عامل هوش مصنوعی چیست.

در چند سال گذشته، صنعت فناوری با جسارت اعلام کرده که «عامل‌های» هوش مصنوعی — جدیدترین واژه پرطرفدار — همه چیز را تغییر خواهند داد. به همان شیوه‌ای که چت‌بات‌های هوش مصنوعی مانند ChatGPT اوپن‌ای‌آی روش‌های جدیدی برای دسترسی به اطلاعات ارائه کردند، مدیرانی مانند آلتمن و نادلا ادعا می‌کنند که عامل‌ها به‌طور اساسی نحوه رویکرد ما به کار را تغییر خواهند داد.

این ممکن است درست باشد، اما بستگی به این دارد که «عامل‌ها» چگونه تعریف شوند؛ کاری که اصلاً ساده نیست. مانند دیگر اصطلاحات مرتبط با هوش مصنوعی (مانند «چندوجهی»، «هوش مصنوعی عمومی» و خود «هوش مصنوعی»)، واژه‌های «عامل» و «عامل‌محور» به‌قدری رقیق شده‌اند که تقریباً بی‌معنا شده‌اند.

این موضوع شرکت‌هایی مانند اوپن‌ای‌آی، مایکروسافت، سیلزفورس، آمازون، گوگل و بسیاری دیگر را که کل خطوط تولید خود را حول عامل‌ها بنا کرده‌اند، در موقعیت دشواری قرار می‌دهد. یک عامل از آمازون با یک عامل از گوگل یا هر فروشنده دیگر یکسان نیست و این تفاوت‌ها به سردرگمی — و نارضایتی مشتریان — منجر شده است.

رایان سالوا، مدیر ارشد محصول در گوگل و یکی از رهبران پیشین GitHub Copilot، گفته است که از واژه «عامل‌ها» «متنفر» شده است.

او در مصاحبه‌ای با تِک‌کرانچ گفت: «فکر می‌کنم صنعت ما واژه ‘عامل’ را بیش از حد به کار می‌برد، تا جایی که تقریباً بی‌معنا شده است. این یکی از چیزهایی است که مرا آزار می‌دهد.»

معضل تعریف عامل‌ها موضوع جدیدی نیست. در مقاله‌ای از سال گذشته، رون میلر، گزارشگر سابق تِک‌کرانچ، پرسیده بود: عامل هوش مصنوعی چیست؟ مشکلی که او شناسایی کرد این بود که تقریباً هر شرکتی که عامل‌ها را توسعه می‌دهد، رویکرد متفاوتی به این فناوری دارد.

این مشکل اخیراً بدتر شده است.

این هفته، اوپن‌ای‌آی در پستی وبلاگی عامل‌ها را به‌عنوان «سیستم‌های خودکاری که می‌توانند به‌طور مستقل وظایف را به نمایندگی از کاربران انجام دهند» تعریف کرد. اما در همان هفته، اسناد توسعه‌دهندگان این شرکت عامل‌ها را «مدل‌های زبانی بزرگ مجهز به دستورالعمل‌ها و ابزارها» تعریف کرد.

لهر پاتاک، مسئول بازاریابی محصول API اوپن‌ای‌آی، بعداً در پستی در شبکه اجتماعی X گفت که او واژه‌های «دستیارها» و «عامل‌ها» را قابل‌تعویض می‌داند — که این موضوع آب را بیش از پیش گل‌آلود کرد.

در همین حال، وبلاگ‌های مایکروسافت تلاش می‌کنند بین عامل‌ها و دستیارهای هوش مصنوعی تمایز قائل شوند. اولی، که مایکروسافت آن‌ها را «اپلیکیشن‌های جدید» برای «جهان مجهز به هوش مصنوعی» می‌نامد، می‌توانند برای داشتن تخصص خاصی سفارشی شوند، در حالی که دستیارها صرفاً به انجام وظایف عمومی مانند نگارش ایمیل کمک می‌کنند.

آزمایشگاه هوش مصنوعی آنتروپیک این آشفتگی تعاریف عامل‌ها را کمی مستقیم‌تر مورد بررسی قرار داده است. آنتروپیک در پستی وبلاگی می‌گوید که عامل‌ها «می‌توانند به روش‌های مختلفی تعریف شوند»، از جمله «سیستم‌های کاملاً خودمختار که به‌طور مستقل در دوره‌های طولانی عمل می‌کنند» و «پیاده‌سازی‌های تجویزی که از گردش‌کارهای از پیش تعریف‌شده پیروی می‌کنند».

سیلزفورس شاید گسترده‌ترین تعریف را از عامل هوش مصنوعی ارائه کرده باشد. به گفته این غول نرم‌افزاری، عامل‌ها «نوعی از سیستم هستند که می‌توانند بدون دخالت انسان به پرس‌وجوهای مشتریان پاسخ دهند». وب‌سایت این شرکت شش دسته مختلف را فهرست کرده است، از «عامل‌های واکنش ساده» تا «عامل‌های مبتنی بر سودمندی».

پس چرا این آشوب؟

خب، عامل‌ها — مانند خود هوش مصنوعی — چیزی مبهم هستند و مدام در حال تحول‌اند. اوپن‌ای‌آی، گوگل و پرپلکسیتی به‌تازگی شروع به عرضه چیزی کرده‌اند که اولین عامل‌های خود می‌دانند — Operator اوپن‌ای‌آی، Project Mariner گوگل و عامل خرید پرپلکسیتی — و قابلیت‌هایشان بسیار متنوع است.

ریچ ویلارز، معاون ارشد تحقیقات جهانی در IDC، خاطرنشان کرد که شرکت‌های فناوری «تاریخچه طولانی» در عدم پایبندی سفت‌وسخت به تعاریف فنی دارند.

او به تِک‌کرانچ گفت: «آن‌ها بیشتر به آنچه در سطح فنی می‌خواهند به دست آورند اهمیت می‌دهند، به‌ویژه در بازارهایی که به‌سرعت در حال تحول هستند.»

اما به گفته اندرو انگ، بنیان‌گذار پلتفرم یادگیری هوش مصنوعی DeepLearning.ai، بازاریابی نیز تا حد زیادی مقصر است.

انگ در مصاحبه‌ای اخیر گفت: «مفاهیم ‘عامل‌های هوش مصنوعی’ و گردش‌کارهای ‘عامل‌محور’ قبلاً معنای فنی داشتند، اما حدود یک سال پیش، بازاریابان و چند شرکت بزرگ آن‌ها را تصاحب کردند.»

جیم روآن، رئیس بخش هوش مصنوعی در Deloitte، می‌گوید فقدان تعریف یکپارچه برای عامل‌ها هم یک فرصت است و هم یک چالش. از یک سو، این ابهام انعطاف‌پذیری را فراهم می‌کند و به شرکت‌ها اجازه می‌دهد عامل‌ها را بر اساس نیازهایشان سفارشی کنند. از سوی دیگر، ممکن است — و به‌استدلال برخی همین حالا هم شده — به «انتظارات ناهمسو» و دشواری‌هایی در سنجش ارزش و بازگشت سرمایه پروژه‌های عامل‌محور منجر شود.

روآن گفت: «بدون یک تعریف استاندارد، حداقل در داخل یک سازمان، سنجش عملکرد و اطمینان از نتایج یکسان چالش‌برانگیز می‌شود. این می‌تواند به تفسیرهای متفاوتی از آنچه عامل‌های هوش مصنوعی باید ارائه دهند منجر شود و احتمالاً اهداف و نتایج پروژه را پیچیده کند. در نهایت، در حالی که این انعطاف‌پذیری می‌تواند راه‌حل‌های خلاقانه‌ای به همراه داشته باشد، درک استانداردتر به شرکت‌ها کمک می‌کند تا بهتر در چشم‌انداز عامل‌های هوش مصنوعی حرکت کنند و سرمایه‌گذاری‌های خود را به حداکثر برسانند.»

متأسفانه، اگر پراکندگی معنای واژه «هوش مصنوعی» نشانه‌ای باشد، به نظر نمی‌رسد که صنعت به این زودی‌ها — یا شاید هیچ‌وقت — بر سر یک تعریف واحد از «عامل» به توافق برسد.

منبع: تک‌کرانچ

اشتراک گذاری:

آخرین مقالات پیشنهادی

دیدگاه‌ها

اشتراک در
اطلاع از
guest
0 Comments
قدیمی‌ترین
تازه‌ترین بیشترین رأی
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
دیتانید تو مراحل مختلف تحلیل داده می‌تونه به شما کمک کنه:
  1. امکان‌سنجی خواسته‌ها و تطبیق نیازمندی‌ها
  2. استخراج و تمیز کردن دادگان
  3. طراحی مدل‌های مناسب
  4. آموزش مدل براساس داده‌های به‌دست آمده
  5. استقرار مدل

آخرین اخبار

اخبار مشابه

مایکروسافت ابزار اسکرین‌شات هوش مصنوعی را با نام مستعار "کابوس حریم خصوصی" عرضه می‌کند
مایکروسافت عرضه ابزاری مبتنی بر هوش مصنوعی را آغاز کرده است که هر چند ثانیه یک بار از صفحه نمایش کاربران عکس می‌گیرد...
روش جدید قابلیت اطمینان گزارش‌های تشخیصی رادیولوژیست‌ها را ارزیابی و بهبود می‌بخشد
به دلیل ابهام ذاتی در تصاویر پزشکی مانند اشعه ایکس، رادیولوژیست‌ها اغلب هنگام توصیف وجود یک آسیب‌شناسی خاص، مانند ذات‌الریه، از کلماتی مانند "ممکن ..
فناوری Web3 به ایجاد اطمینان و اعتماد در هوش مصنوعی کمک می‌کند
وعده هوش مصنوعی این است که زندگی همه ما را آسان‌تر خواهد کرد. و با این سهولت بزرگ، پتانسیل سود جدی نیز به همراه می‌آید. سازمان ملل متحد تخمین ...