قدرت پردازش زبان طبیعی

خلاصه

تصور رایج درباره هوش مصنوعی یا AI این بوده است که کامپیوترها در تصمیم گیری مبتنی بر داده نسبت به انسان برتری دارند، ولی نمی‌توانند در کارهای کیفی با ما رقابت کنند. اکنون این موضوع در حال تغییر است. ابزارهای پردازش زبان طبیعی (NLP) به سرعت پیشرفت کرده‌اند و می‌توانند به نوشتن، کدنویسی و استدلال خاص رشته‌ای کمک کنند. اگر شما جزء شرکت‌هایی هستید که می‌خواهند از این فناوری جدید استفاده کنند، باید بر روی موارد زیر تمرکز کنید:

• دارایی‌های شامل داده‌های متنی خود را بازشناسی کنید و تعیین کنید که با استفاده از چه تکنیک‌هایی می‌شود برای شرکت ارزش افزوده خلق کرد.
• درک این‌که چگونه می‌توانید از فناوری‌های زبانِ مبتنی بر هوش مصنوعی، برای بهبود تصمیم‌گیری‌ها یا سازماندهی مجدد نیروی کار ماهر خود استفاده کنید.
• شروع به ترکیب وظایف و ابزارهای نوین هوش مصنوعیِ مبتنی بر زبان، برای درک بهتر قابلیت‌های آن‌ها کنید.
• پتانسیل تحول‌ آفرینی هوش مصنوعی را دست کم نگیرید.

تا همین اواخر، تصور رایج این بود که اگرچه هوش مصنوعی در انجام تصمیم گیری‌های مبتنی بر داده، بهتر از انسان عمل می‌کند، اما در انجام کارهای مبتنی بر شناخت و خلاقیت، همچنان از انسان پایین‌تراست. اما در دو سال گذشته، هوش مصنوعی مبتنی بر زبان به شکل بی حد و مرزی جهش یافته است. این موضوع تصورات رایج در مورد آن‌چه که این فناوری می‌تواند انجام دهد، تغییر داده است.

پردازش زبان طبیعی (NLP) چیست؟

مشهودترین نوع پیشرفت در هوش مصنوعی، «پردازش زبان طبیعی» (NLP) بوده است. این فناوری شاخه از هوش مصنوعی است که متمرکز بر چگونگی پردازش زبان انسان‌ها، توسط کامپیوتر است. از این فناوری برای نوشتن مقاله در گاردین استفاده شده است. همچنین پست‌های وبلاگی که توسط هوش مصنوعی نوشته شده اند، در فضای مجازی انتشار یافته اند. شاهکارهایی که تا چند سال پیش امکان پذیر به نظر نمی‌رسد. هوش مصنوعی حتی در کارهای شناختی مانند برنامه نویسی برای بازی‌های ویدئویی ساده، از دستورالعمل‌های انسانی برتر عمل می‌کند.

در حالی که این موضوع بسیار جالب به نظر می‌رسد، آیا این فناوری واقعاً می‌تواند در توسعه کسب و کارها مؤثر واقع شود؟

آن‌چه NLP می‌تواند انجام دهد

شناخته شده ترین ابزار پردازش زبان طبیعی، GPT-3 از OpenAl است که برای پیش‌بینی کلمه بعدی در یک جمله بر اساس کلمات قبلی از هوش مصنوعی و آمار استفاده می‌کند. متخصصان NLP ابزارهایی مانند این را «مدل‌های زبان» می‌نامند و می‌توان از آن‌ها برای کارهای تحلیلی ساده، مانند طبقه‌بندی اسناد و تجزیه و تحلیل احساسات در بلوک‌های متن، و همچنین کارهای پیشرفته‌تر، مانند پاسخ دادن به سؤالات و خلاصه کردن گزارش‌ها استفاده کرد.

مدل‌های زبان در حال حاضر در حال تغییر شکل در تجزیه و تحلیل متن سنتی هستند. اما GPT-3 یک مدل زبان محور است، زیرا 10 برابر بزرگ‌تر از مدل‌های انتشاریافته قبلی است و اولین مدل زبان بزرگ است که می‌تواند کارهای پیشرفته‌تر مانند برنامه نویسی و حل مسائل ریاضی در سطح دبیرستان را انجام دهد. آخرین نسخه این مدل به نام InstructGPT، به صورت انسانی این چنین تنظیم شده است که می تواند پاسخ‌هایی بسازد که با ارزش‌های انسانی و مقاصد کاربر بسیار هم‌سوتر باشند. و آخرین مدل گوگل پیشرفت‌های چشمگیری را در زمینه زبان و استدلال از خود بروز می دهد.

کاربرد NLP در کسب و کارها

در کسب و کارها، سه حوزه‌ای که GPT-3 در آن‌ها امید بیشتری ایجاد کرده است، عبارت‌اند از: نوشتن، کدنویسی و استدلال خاص رشته‌ای. OpenAl، خالق GPT-3 با استفاده از بودجه مایکروسافت، یک مدل زبانی مبتنی بر GPT-3 ایجاد کرده است که با تولید کد از ورودی زبان طبیعی، همانند یک دستیار برنامه‌نویس عمل می‌کند. این ابزار، یعنی Codex، در حال حاضر محصولاتی مانند Copilot را برای GitHub که زیرمجموعه مایکروسافت است تأمین می‌کند. همچنین قادر است یک بازی ویدئویی ابتدایی را به سادگی با تایپ خودکار دستورالعمل‌های کدنویسی طراحی کند. پیش‌تر انتظار می‌رفت که این قابلیت انقلابی، ماهیت نحوه انجام کارهای برنامه نویسان را تغییر دهد، اما مدل‌ها همچنان در حال بهبود هستند. برای مثال، آخرین نسخه از آزمایشگاه هوش مصنوعی DeepMind گوگل، تفکر انتقادی و مهارت‌های منطقی لازم برای پیشی‌گرفتن از انسان‌ها در مسابقات برنامه‌نویسی را از خود نشان می دهد.

مدل‌هایی مانند GPT-3 به‌عنوان مدل‌های پایه در نظر گرفته می‌شوند (یک حوزه تحقیقاتی نوظهور در هوش مصنوعی) که برای انواع دیگر داده‌ها مانند تصاویر و فایل‌های ویدئویی نیز کاربرد دارند. حتی می‌توان مدل‌های بیسیک را بر روی چندین شکل از داده، به طور همزمان آموزش داد. مثلاً OpenAI’s DALL·E 2، که بر روی زبان و تصاویر آموزش داده شده است تا تصاویری با وضوح بالا از صحنه‌ها یا اشیاء خیالی را به سادگی و از طریق پیام‌های متنی ایجاد کند. با توجه به پتانسیل آن‌ها برای تغییر ماهیت کارشناختی، اقتصاددانان انتظار دارند که مدل‌های بنیادی ممکن است بر هر بخش از اقتصاد تأثیر بگذارند و منجر به افزایش رشد اقتصادی، حتی تا سطح رشد مربوط به دوران انقلاب صنعتی بشوند.

دستیار تحقیقاتی هوش مصنوعی مبتنی بر پردازش زبان

در کار خود، به این موضوع پرداخته‌ام که چگونه ابزارهای مبتنی بر GPT-3 می‌توانند در فرآیند تحقیق به محققان کمک کنند. من در حال حاضر با Oughtکار می‌کنم. Ought شرکتی در سانفرانسیسکو است که در حال توسعه یک ابزار استدلال باز به نام Elicit است. این ابزار به محققان کمک می‌کند به جای هفته‌ها یا ماه‌ها، در عرض چند دقیقه یا چند ساعت به سؤالات پاسخ دهند. Elicit برای تعداد زیادی از وظایف خاص مرتبط با تحقیقات، مانند خلاصه‌سازی، برچسب‌گذاری داده‌ها، بازنویسی، تبادل اندیشه و بررسی ادبیات طراحی شده است.

من متوجه شدم که Elicit در برخی کارها مانند برچسب‌گذاری داده‌ها و خلاصه‌سازی، مفیدتر عمل می‌کند. و این موضوع تعجب آور نیست. با این که دقت این فناوری نه خیلی پایین و نه خیلی بالاست، اما تحقیقات Ought و OpenAl نویدبخش به نظر می‌رسند.

Elicit

به‌عنوان مثال، دستورالعمل rephrase برای نوشتن مفید است، اما عدم ادغام با برنامه‌های پردازش کلمات، از عملی شدن کار با آن را جلوگیری می‌کند. دستورالعمل تبادل اندیشه در تولید ایده‌ها یا شناسایی موضوعات نادیده گرفته شده عالی عمل می‌کند و با وجود نتایج نامطمئن و موانعی که در برابر پذیرش امر قرار گرفته‌اند، در حال حاضر در موقعیت‌های مختلفی کاربردی است. با این حال، از بین تمام وظایفی که Elicit ارائه می‌دهد، مرور ادبیات را مفیدترین آن‌ها می‌دانم. از آن‌جایی که Elicit یک دستیار تحقیقاتی هوش مصنوعی است، یک امر اساسی نیز هست. و زمانی که باید شروع به کند و کاو در یک موضوع تحقیقیاتی جدید کنم، این به منبع مورد علاقه من تبدیل شده است.

همه این‌ها نحوه کار من را تغییر می‌دهد. من زمان کمتری را صرف یافتن محتواهای موجود که مرتبط با سؤالات تحقیقم هستند می‌کنم. زیرا نتایج آن نسبت به سایر رابط‌های سنتی‌تر برای جستجوی دانشگاهی، مانند Google Scholar کاربرد بیشتری دارد. من همچنین در کارم شروع به ادغام دستورالعمل‌های تبادل اندیشه می‌کنم و تجربه من در استفاده از این ابزارها، الهام بخش آخرین تحقیق من است که به دنبال استفاده از مدل‌های پایه برای حمایت از برنامه‌ریزی استراتژیک است.

چگونه سازمان‌ها می توانند برای آینده آماده شوند؟

دارایی‌های خود در زمینه داده‌های متنی را دسته‌بندی کنید و تعیین کنید که چگونه می‌توانید از آخرین تکنیک‌های پردازش زبان، برای افزایش ارزش شرکتتان استفاده کنید.

مطمئناً از ارزشی که داده‌ها دارند آگاه هستید، اما اگر در همه جای شرکتتان از تجزیه و تحلیل متن و NLP استفاده نمی‌کنید، ممکن است برخی از دارایی‌های ضروری خود در داده‌ها را نادیده بگیرید. داده‌های متنی مطمئناً برای مدیریت تجربه مشتری و درک حس او ارزشمند هستند، اما به سایر دارایی‌های شرکتتان در زمینه داده‌های متنی فکر کنید: ایمیل‌های، گزارش‌های تحلیل‌گران، قراردادها، بیانیه‌های مطبوعاتی، آرشیو‌ها و حتی جلسات و تماس‌های تلفنی را می‌توان رونویسی کرد.

هوش مصنوعی آینده چه اهمیتی برای سازمان‌ها دارد؟

داده‌های متنی بسیار زیادی وجود دارند و برای استخراج میزان آن‌ها، نیازی به مدل‌های پیشرفته‌تر مانند GPT-3 ندارید. Hugging Face، که استارت‌ آپی در زمینه NLP است، اخیرا AutoNLP را منتشر کرده است. ابزار جدیدی که برای کارهای استاندارد تجزیه و تحلیل متن، مدل‌های آموزشی را با آپلود اطلاعاتتان در پلتفرم، خودکارسازی می‌کند. داده‌ها هنوز هم نیاز به برچسب گذاری دارند، اما بسیار کمتر از سایر برنامه‌ها. از آن‌جایی که بسیاری از شرکت‌ها برای ایجاد ارزش در کسب و کار اصلی قمارهای بزرگی روی هوش مصنوعی کرده‌اند، مراقب باشید که بیش از حد تعصبی عمل نکنید. این می‌تواند نخستین قدمی باشد که مهندسان فعلی شما در زمینه یادگیری ماشین، و یا حتی مدیران ارشد داده با استعداد، بتوانند مدیریتش کنند.

برای برداشتن گام بعدی، دارایی‌های خود در زمینه داده را بازشناسی کنید. بسیاری از بخش‌ها، حتی بخش‌های درون سازمانی شما، از دایره واژگان بسیار تخصصی استفاده می‌کنند. بدینوسیله می‌توانید از طریق ترکیبی از دارایی‌های داده و مجموعه‌ دارایی‌‌های داده‌باز، مدلی را برای رفع نیاز بخش‌های خاص شرکتتان آموزش دهید. مثلاً به امور مالی فکر کنید. شما یک مدل متخصص در امور مالی نمی‌خواهید. شما یک مدل سفارشی برای بانکداری تجاری یا برای بازار سرمایه می‌خواهید. و داده‌ها بسیار مهم هستند. اما اکنون داده‌ها برچسب گذاری نشده‌ اند و هر چه بیشتر باشند، بهتر است. مدل‌های تخصصی مانند این می‌توانند ارزش‌افزایی بی‌نهایت بالایی برای شرکت شما به ارمغان بیاورند.

بیاموزید که چگونه می‌توانید از فناوری‌های زبان مبتنی بر هوش مصنوعی، برای تصمیم‌گیری بهتر یا سازماندهی مجدد نیروی کار ماهر خود استفاده کنید

هوش مصنوعی مبتنی بر پردازش زبان، جایگزین مشاغل نمی‌شود، اما بسیاری از کارها را حتی برای برنامه‌ریزان خود، اتوماتیک می‌کند. استارت آپ‌هایی مانند Verneek در حال ایجاد ابزارهایی شبیه به Elicti هستند تا همه را در تصمیم‌ گیری مبتنی بر داده‌ها توانمند کنند. این ابزارهای جدید از هوش تجاری سنتی فراتر خواهند رفت و ماهیت بسیاری از نقش‌ها را در سازمان‌ها متحول خواهند کرد. برنامه نویسان فقط در ابتدای این مسیر هستند.

شما باید بیاموزید که چگونه می‌توانید از این فناوری برای سازماندهی مجدد نیروی کار ماهر خود استفاده کنید. نسل بعدی ابزارهایی مانند OpenAI’s Codex، منجر به مولدتر شدن برنامه‌نویسان می‌شود. که احتمالاً به معنای کاهش برنامه نویسان اختصاصی و افزایش کارمندان با مهارت‌های برنامه نویسی متوسط است. که از این ابزارها برای اجرای وظایف پیچیده متعددی استفاده می‌کنند. این ممکن است برای همه توسعه دهندگان نرم افزار صادق نباشد، اما پیامدهای مهمی برای کارهایی مانند پردازش داده و توسعه وب خواهد داشت.

استفاده از ابزارهای جدید هوش مصنوعی مبتنی بر پردازش زبان را در انجام انواع وظایف، و برای درک بهتر قابلیت‌های آن‌ها آغاز کنید

در حال حاضر ابزارهایی مانند Elicit  هنوز نوپا هستند، اما می‌توانند به طور شگفت انگیزی مفید عمل کنند. در واقع، پیشنهاد قبلی، که الهام گرفته از یکی از کارهای Elicit در زمینه تبادل اندیشه بود، مشروط به سه پیشنهاد دیگر من است. پیشنهاد اصلی بی‌نقص نبود، اما من را به یاد برخی از موضوعات مهم می‌انداخت که آن‌ها را نادیده می‌گرفتم. و بر این اساس مقاله را بازنویسی کردم. در سازمان‌ها، وظایفی مانند این می‌تواند به تفکر استراتژیک یا تمرینات برنامه‌ریزی سناریو کمک کند. اگرچه پتانسیل فوق‌العاده‌ای برای چنین کاربردهایی وجود دارد، نتایج به دست آمده هنوز نسبتاً خام هستند. ولی می‌توانند ارزش افزوده‌ بیافرینند.

نکته اصلی این است که شما باید به طور کلی کاربرد گسترده ابزارهای هوش مصنوعی مبتنی بر پردازش زبان را در تجارت خود بپذیرید. پیش‌بینی این‌ که چگونه این ابزارها می‌توانند در سطوح مختلف سازمانتان مورد استفاده قرار گیرند، دشوار است. اما ممکن است بهترین راه برای درک این فناوری توسط شما و سایر مدیران شرکتتان این باشد که خودتان آن را به کار بگیرید. روی آن قمار نکنید. چرا که ممکن است برخی از تکنولوژی‌ها کارساز نباشند. اما اگر تیمتان درکی بیش از حد ممکن به دست بیاورد، از رقبایتان پیشی خواهید گرفت. به یاد داشته باشید که اگرچه هوش مصنوعی فعلی ممکن است برای گرفتن جای مدیران آماده نباشد، اما مدیرانی که هوش مصنوعی را می‌شناسند، می‌توانند آماده جایگزینی مدیرانی شوند که از این فناوری اطلاعی ندارند.

پتانسیل تحول آفرین هوش مصنوعی را دست کم نگیرید

مدل‌های بیسیک بزرگ مانند GPT-3، توانایی خود را در تعمیم تعداد زیادی از وظایف، بدون هیچ گونه آموزش را ثابت کرده‌اند. پیشرفت اخیر در این فناوری، گام مهمی به سوی تعمیم فناوری هوش مصنوعی، در سطح عمومی و انسانی است که به هدف نهایی بسیاری از محققان هوش مصنوعی، از جمله محققان OpenAl و DeepMind گوگل، جامه عمل می‌پوشاند.  چنین سیستم‌هایی دارای پتانسیل مخرب عظیمی هستند که می‌تواند منجر به یک رشد اقتصادی-انفجاری، مبتنی بر هوش مصنوعی شود که تجارت و جامعه را از بنیان متحول می‌کند. در حالی که ممکن است هنوز نسبت به آن دسته از هوش مصنوعی که تحول عظیمی ایجاد می‌کند، مانند هوش مصنوعی عمومی شک داشته باشید، عاقلانه است که رهبران سازمان‌ها به دلیل پتانسیل مخرب فوق‌العاده بالای آن، از علائم اولیه پیشرفت آگاه باشند.

همه گیری هوش مصنوعی در دنیای آینده

در نظر بگیرید که اریک اشمیت، رئیس سابق گوگل، انتظار دارد که هوش مصنوعی عمومی طی 10 تا 20 سال آینده همه گیر شود و بریتانیا اخیراً در مورد خطرات ناشی از هوش مصنوعی عمومی، موضع رسمی اخذ کرده است. اگر سازمان‌ها در سال 2017، به هشدار آنتونی فائوچی در مورد اهمیت آمادگی در برابر همه‌گیری ویروس‌ها توجه می‌کردند، ممکن بود از اثرات شدید و بحرانی همه‌گیری کرونا و زنجیره انتقال سریع آن جلوگیری شود. نادیده‌ گرفتن پتانسیل تحول آفرین هوش مصنوعی نیز خطراتی را به همراه دارد، و مشابه بحران زنجیره انتقال ویروس کرونا، انفعال یا استفاده غیر مسئولانه شرکت‌ها از هوش مصنوعی، می‌تواند اثرات گسترده و مخربی بر جامعه داشته باشد. (به عنوان مثال، افزایش نابرابری یا خطرات ناشی از دامنه اتوماسیون).

با این حال، بر خلاف بحران زنجیره انتقال بیماری، تغییرات اجتماعی ناشی از هوش مصنوعی متحول کننده احتمالاً غیر قابل بازگشت خواهد بود و حتی می‌تواند تسریع یابد. سازمان‌ها باید از همین الان، نه تنها برای سرمایه گذاری در هوش مصنوعی متحول کننده آماده شوند، بلکه باید سهم خود را برای جلوگیری از آینده نامطلوب و استفاده عادلانه از هوش مصنوعی پیشرفته به نفع جامعه ادا کنند.

ابزارهای هوش مصنوعیِ مبتنی بر زبان، اینجا هستند تا بمانند

ابزارهای قدرتمند و قابل تعمیم هوش مصنوعی مبتنی بر زبان مانند Elicit، اینجا هستند، و همانند یک کوه یخ در اقیانوس، فقط نوک قله‌شان دیده می‌شود. انواع مبتنی بر مدل بیسیسک چندوجهی این ابزارها آماده دگردیسی کسب و کارها به اشکالی هستند که هنوز پیش‌بینی آن‌ها دشوار است. برای آماده شدن از همین الان، در سازمان خود شروع به درک دارایی‌هایی خود در زمینه داده‌های متنی و شناخت وظایف نقش‌های مختلف درگیر با این فناوری کنید. فناوری‌های هوش مصنوعی مبتنی بر زبان را به طور جدی فرا بگیرید. برخی به خوبی کار می‌کنند و برخی دیگر نه، اما کارمندان شما وقتی به سراغ روش بعدی می‌روند، سریع‌تر با آن تطبیق پیدا می‌کنند. و فراموش نکنید که خودتان هم این فناوری‌ را بپذیرید. این بهترین راه برای شماست تا بتوانید نقش آن‌ها را در آینده سازمان خود درک کنید.

منبع: مقالات تجاری هاروارد

راس گروتزماخر استادیار تجزیه و تحلیل کسب و کار در دانشکده بازرگانی دبلیو.فرانک بارتون در دانشگاه ایالتی ویچیتا است. او مشاور استراتژی هوش مصنوعی سازمان‌ها در سطح بین‌المللی و منطقه خلیج است. وی همچنین به عنوان گیم مستر اصلی در بازی Intelligence Rising، یک بازی نقش آفرینی استراتژیک برای کاوش در آینده هوش مصنوعی، کار می‌کند.

نویسنده مقاله: راس گروتزماخر