هوش مصنوعی (AI) فناوری‌ای است که رایانه‌ها و ماشین‌ها را قادر می‌سازد تا یادگیری، ادراک، حل مسئله، تصمیم‌گیری، خلاقیت و خودمختاری انسانی را شبیه‌سازی کنند.

کاربردها و دستگاه‌های مجهز به هوش مصنوعی می‌توانند اشیاء را ببینند و شناسایی کنند. آن‌ها می‌توانند زبان انسانی را درک کرده و به آن پاسخ دهند. آن‌ها می‌توانند از اطلاعات و تجربیات جدید یاد بگیرند. آن‌ها می‌توانند توصیه‌های دقیق به کاربران و متخصصان ارائه دهند. آن‌ها می‌توانند به‌طور مستقل عمل کنند و نیاز به هوش یا مداخله انسانی را جایگزین کنند (یک مثال کلاسیک، خودروی خودران است).

اما در سال 2024، اکثر محققان و متخصصان هوش مصنوعی—و اکثر عناوین خبری مرتبط با هوش مصنوعی—بر پیشرفت‌های هوش مصنوعی مولد (gen AI) متمرکز هستند، فناوری‌ای که می‌تواند متن، تصاویر، ویدیو و سایر محتوای اصیل را ایجاد کند. برای درک کامل هوش مصنوعی مولد، ابتدا باید فناوری‌هایی را که ابزارهای هوش مصنوعی مولد بر اساس آن‌ها ساخته شده‌اند، درک کرد: یادگیری ماشین (ML) و یادگیری عمیق.

یادگیری ماشین

یک روش ساده برای تفکر در مورد هوش مصنوعی، مجموعه‌ای از مفاهیم تودرتو یا مشتق شده است که در طول بیش از 70 سال ظهور کرده‌اند:

مستقیماً زیر هوش مصنوعی، یادگیری ماشین را داریم که شامل ایجاد مدل‌ها از طریق آموزش یک الگوریتم برای پیش‌بینی یا تصمیم‌گیری بر اساس داده‌ها است. این شامل طیف گسترده‌ای از تکنیک‌ها است که رایانه‌ها را قادر می‌سازد تا از داده‌ها بدون برنامه‌ریزی صریح برای وظایف خاص، یاد بگیرند و استنتاج کنند.

انواع مختلفی از تکنیک‌ها یا الگوریتم‌های یادگیری ماشین وجود دارد، از جمله رگرسیون خطی، رگرسیون لجستیک، درخت‌های تصمیم، جنگل تصادفی، ماشین‌های بردار پشتیبان (SVM)، نزدیک‌ترین همسایه k (KNN)، خوشه‌بندی و موارد دیگر. هر یک از این رویکردها برای انواع مختلف مسائل و داده‌ها مناسب است.

اما یکی از محبوب‌ترین انواع الگوریتم‌های یادگیری ماشین، شبکه عصبی (یا شبکه عصبی مصنوعی) نامیده می‌شود. شبکه‌های عصبی از ساختار و عملکرد مغز انسان الگوبرداری می‌کنند. یک شبکه عصبی از لایه‌های متصل به هم از گره‌ها (مشابه نورون‌ها) تشکیل شده است که با هم برای پردازش و تجزیه و تحلیل داده‌های پیچیده کار می‌کنند. شبکه‌های عصبی برای وظایفی که شامل شناسایی الگوها و روابط پیچیده در مقادیر زیادی از داده‌ها است، مناسب هستند.

ساده‌ترین شکل یادگیری ماشین، یادگیری نظارت شده نامیده می‌شود که شامل استفاده از مجموعه‌های داده برچسب‌گذاری شده برای آموزش الگوریتم‌ها برای طبقه‌بندی داده‌ها یا پیش‌بینی نتایج به‌طور دقیق است. در یادگیری نظارت شده، انسان‌ها هر مثال آموزشی را با یک برچسب خروجی جفت می‌کنند. هدف این است که مدل، نگاشت بین ورودی‌ها و خروجی‌ها را در داده‌های آموزشی یاد بگیرد، تا بتواند برچسب‌های داده‌های جدید و دیده‌نشده را پیش‌بینی کند.

یادگیری عمیق

یادگیری عمیق زیرمجموعه‌ای از یادگیری ماشین است که از شبکه‌های عصبی چندلایه، به نام شبکه‌های عصبی عمیق، استفاده می‌کند که قدرت تصمیم‌گیری پیچیده مغز انسان را نزدیک‌تر شبیه‌سازی می‌کنند.

شبکه‌های عصبی عمیق شامل یک لایه ورودی، حداقل سه اما معمولاً صدها لایه پنهان، و یک لایه خروجی هستند، برخلاف شبکه‌های عصبی مورد استفاده در مدل‌های یادگیری ماشین کلاسیک، که معمولاً فقط یک یا دو لایه پنهان دارند.

این لایه‌های متعدد یادگیری نظارت‌نشده را فعال می‌کنند: آن‌ها می‌توانند استخراج ویژگی‌ها را از مجموعه‌های داده بزرگ، بدون برچسب و بدون ساختار، خودکار کنند و پیش‌بینی‌های خود را در مورد آنچه داده‌ها نشان می‌دهند، انجام دهند.

از آنجا که یادگیری عمیق به مداخله انسانی نیاز ندارد، یادگیری ماشین را در مقیاس بسیار بزرگ فعال می‌کند. این برای پردازش زبان طبیعی (NLP)، بینایی رایانه‌ای و سایر وظایفی که شامل شناسایی سریع و دقیق الگوها و روابط پیچیده در مقادیر زیادی از داده‌ها است، مناسب است. برخی از اشکال یادگیری عمیق، اکثر برنامه‌های هوش مصنوعی (AI) در زندگی امروز ما را تامین می‌کنند.

یادگیری عمیق همچنین موارد زیر را فعال می‌کند:

•  یادگیری نیمه‌نظارتی، که یادگیری نظارت شده و نظارت‌نشده را با استفاده از داده‌های برچسب‌گذاری شده و بدون برچسب برای آموزش مدل‌های هوش مصنوعی برای وظایف طبقه‌بندی و رگرسیون ترکیب می‌کند.
•  یادگیری خودنظارتی، که برچسب‌های ضمنی را از داده‌های بدون ساختار تولید می‌کند، به جای تکیه بر مجموعه‌های داده برچسب‌گذاری شده برای سیگنال‌های نظارتی.
•  یادگیری تقویتی، که از طریق آزمون و خطا و توابع پاداش به جای استخراج اطلاعات از الگوهای پنهان، یاد می‌گیرد.
•  یادگیری انتقالی، که در آن دانش به دست آمده از طریق یک وظیفه یا مجموعه داده برای بهبود عملکرد مدل در یک وظیفه مرتبط دیگر یا مجموعه داده متفاوت استفاده می‌شود.

هوش مصنوعی مولد

هوش مصنوعی مولد، که گاهی اوقات “gen AI” نامیده می‌شود، به مدل‌های یادگیری عمیق اشاره دارد که می‌توانند محتوای اصیل پیچیده—مانند متن طولانی، تصاویر با کیفیت بالا، ویدیو یا صدای واقعی و موارد دیگر—را در پاسخ به درخواست یا دستور کاربر ایجاد کنند.

در سطح بالا، مدل‌های مولد یک نمایش ساده شده از داده‌های آموزشی خود را رمزگذاری می‌کنند و سپس از آن نمایش برای ایجاد کار جدیدی که مشابه، اما نه یکسان، با داده‌های اصلی است، استفاده می‌کنند.

مدل‌های مولد سال‌ها در آمار برای تجزیه و تحلیل داده‌های عددی استفاده شده‌اند. اما در دهه گذشته، آن‌ها تکامل یافته‌اند تا انواع داده‌های پیچیده‌تر را تجزیه و تحلیل و تولید کنند. این تکامل با ظهور سه نوع مدل یادگیری عمیق پیچیده همزمان شد:

•  خودرمزگذارهای متغیر یا VAEها، که در سال 2013 معرفی شدند و مدل‌هایی را فعال کردند که می‌توانند چندین تغییر از محتوا را در پاسخ به یک درخواست یا دستورالعمل تولید کنند.
• مدل‌های انتشار، که برای اولین بار در سال 2014 دیده شدند، که “نویز” را به تصاویر اضافه می‌کنند تا زمانی که غیرقابل تشخیص شوند، و سپس نویز را حذف می‌کنند تا تصاویر اصیل را در پاسخ به درخواست‌ها تولید کنند.
• ترانسفورمرها (همچنین مدل‌های ترانسفورمر نامیده می‌شوند)، که بر روی داده‌های دنباله‌ای آموزش داده می‌شوند تا دنباله‌های طولانی از محتوا (مانند کلمات در جملات، اشکال در یک تصویر، فریم‌های یک ویدیو یا دستورات در کد نرم‌افزار) را تولید کنند. ترانسفورمرها در هسته اکثر ابزارهای هوش مصنوعی مولد امروزی قرار دارند، از جمله ChatGPT و GPT-4، Copilot، BERT، Bard و Midjourney.

نحوه عملکرد هوش مصنوعی مولد

به طور کلی، هوش مصنوعی مولد در سه مرحله عمل می‌کند:

• آموزش (Training): ایجاد یک مدل پایه.
• تنظیم (Tuning): تطبیق مدل با یک کاربرد خاص.
• تولید (Generation)، ارزیابی (Evaluation) و تنظیم بیشتر (Further Tuning): بهبود دقت.

آموزش

هوش مصنوعی مولد با یک “مدل پایه” آغاز می‌شود؛ یک مدل یادگیری عمیق که به عنوان مبنایی برای انواع مختلف کاربردهای هوش مصنوعی مولد عمل می‌کند.

امروزه رایج‌ترین مدل‌های پایه، مدل‌های زبانی بزرگ (LLMها) هستند که برای کاربردهای تولید متن ایجاد شده‌اند. اما مدل‌های پایه برای تولید تصویر، ویدئو، صدا یا موسیقی و مدل‌های پایه چندوجهی که از چندین نوع محتوا پشتیبانی می‌کنند نیز وجود دارند.

برای ایجاد یک مدل پایه، متخصصان یک الگوریتم یادگیری عمیق را بر روی حجم عظیمی از داده‌های خام، بدون ساختار و بدون برچسب مرتبط، مانند ترابایت‌ها یا پتابایت‌ها از متن، تصاویر یا ویدئو از اینترنت، آموزش می‌دهند. این آموزش منجر به یک شبکه عصبی با میلیاردها پارامتر می‌شود—نمایش‌های رمزگذاری شده از موجودیت‌ها، الگوها و روابط در داده‌ها—که می‌تواند به طور خودکار در پاسخ به دستورات، محتوا تولید کند. این مدل پایه است.

این فرآیند آموزش، محاسباتی فشرده، زمان‌بر و پرهزینه است. به هزاران واحد پردازش گرافیکی خوشه‌ای (GPU) و هفته‌ها پردازش نیاز دارد که همگی معمولاً میلیون‌ها دلار هزینه دارند. پروژه‌های مدل پایه متن‌باز، مانند Llama-2 متا، توسعه‌دهندگان هوش مصنوعی مولد را قادر می‌سازد تا از این مرحله و هزینه‌های آن اجتناب کنند.

تنظیم

در مرحله بعد، مدل باید برای یک وظیفه تولید محتوای خاص تنظیم شود. این کار را می‌توان به روش‌های مختلفی انجام داد، از جمله:

• تنظیم دقیق (Fine-tuning): که شامل تغذیه مدل با داده‌های برچسب‌گذاری شده مخصوص کاربرد—سوالات یا دستوراتی که احتمالاً برنامه دریافت می‌کند و پاسخ‌های صحیح مربوطه در قالب مورد نظر—است.
• یادگیری تقویتی با بازخورد انسانی (RLHF): که در آن کاربران انسانی دقت یا ارتباط خروجی‌های مدل را ارزیابی می‌کنند تا مدل بتواند خود را بهبود بخشد. این می‌تواند به سادگی تایپ یا صحبت کردن اصلاحات توسط افراد به یک ربات چت یا دستیار مجازی باشد.

تولید، ارزیابی و تنظیم بیشتر

توسعه‌دهندگان و کاربران به طور منظم خروجی‌های برنامه‌های هوش مصنوعی مولد خود را ارزیابی می‌کنند و مدل را برای دقت یا ارتباط بیشتر—حتی به اندازه یک بار در هفته—بیشتر تنظیم می‌کنند. در مقابل، خود مدل پایه بسیار کمتر به‌روزرسانی می‌شود، شاید هر سال یا 18 ماه یک بار.

گزینه دیگر برای بهبود عملکرد یک برنامه هوش مصنوعی مولد، تولید افزوده بازیابی (RAG) است، یک تکنیک برای گسترش مدل پایه برای استفاده از منابع مرتبط خارج از داده‌های آموزشی برای اصلاح پارامترها برای دقت یا ارتباط بیشتر.

مزایای هوش مصنوعی

هوش مصنوعی مزایای متعددی را در صنایع و کاربردهای مختلف ارائه می‌دهد. برخی از رایج‌ترین مزایای ذکر شده عبارتند از:

• خودکارسازی وظایف تکراری.
• بینش بیشتر و سریع‌تر از داده‌ها.
• تصمیم‌گیری پیشرفته.
• خطاهای انسانی کمتر.
• دسترسی 24 ساعته.
• کاهش خطرات فیزیکی.

خودکارسازی وظایف تکراری

هوش مصنوعی می‌تواند وظایف معمول، تکراری و اغلب خسته‌کننده را خودکار کند—از جمله وظایف دیجیتالی مانند جمع‌آوری داده‌ها، ورود و پیش پردازش، و وظایف فیزیکی مانند انتخاب سهام انبار و فرآیندهای تولید. این خودکارسازی، افراد را آزاد می‌کند تا روی کارهای با ارزش بالاتر و خلاقانه‌تر کار کنند.

تصمیم‌گیری پیشرفته

چه برای پشتیبانی از تصمیم‌گیری و چه برای تصمیم‌گیری کاملاً خودکار استفاده شود، هوش مصنوعی پیش‌بینی‌های سریع‌تر و دقیق‌تر و تصمیمات قابل اعتماد و مبتنی بر داده را امکان‌پذیر می‌کند. هوش مصنوعی همراه با خودکارسازی، کسب‌وکارها را قادر می‌سازد تا به فرصت‌ها عمل کنند و به بحران‌ها در زمان ظهور، در زمان واقعی و بدون دخالت انسان، پاسخ دهند.

خطاهای انسانی کمتر

هوش مصنوعی می‌تواند خطاهای انسانی را به روش‌های مختلفی کاهش دهد، از هدایت افراد از طریق مراحل مناسب یک فرآیند، تا علامت‌گذاری خطاهای احتمالی قبل از وقوع، و خودکارسازی کامل فرآیندها بدون دخالت انسان. این امر به ویژه در صنایعی مانند مراقبت‌های بهداشتی که، برای مثال، رباتیک جراحی با هدایت هوش مصنوعی دقت ثابت را امکان‌پذیر می‌کند، اهمیت دارد.

الگوریتم‌های یادگیری ماشین می‌توانند با قرار گرفتن در معرض داده‌های بیشتر و “یادگیری” از تجربه، به طور مداوم دقت خود را بهبود بخشند و خطاهای بیشتری را کاهش دهند.

دسترسی و ثبات شبانه‌روزی

هوش مصنوعی همیشه روشن است، به صورت شبانه‌روزی در دسترس است و هر بار عملکرد ثابت ارائه می‌دهد. ابزارهایی مانند ربات‌های چت یا دستیاران مجازی هوش مصنوعی می‌توانند تقاضای کارکنان را برای خدمات مشتری یا پشتیبانی کاهش دهند. در سایر کاربردها—مانند پردازش مواد یا خطوط تولید—هوش مصنوعی می‌تواند به حفظ کیفیت کار و سطوح خروجی ثابت هنگام استفاده برای تکمیل وظایف تکراری یا خسته‌کننده کمک کند.