هوش مصنوعی کاربردی (۲)

برای مشاهده سایر جلسات به انتهای صفحه مراجعه بفرمایید

خلاصه کارگاه هوش مصنوعی کاربردی
مدرس: محمدجواد ربیعی
کارگروه معلین راهنما (مدارس، صلحا، حلی ده، حلی پنج و فرهنگ)
جلسه دوم

مقدمه: قلمروهای سه‌گانه بحث هوش مصنوعی

به طور کلی بحث هوش مصنوعی در سه قلمرو (ساعت) فکری اصلی دسته‌بندی می‌شود که قبلاً در جلسه اول نیز مورد بحث قرار گرفته‌اند:

• قلمرو کاربردی: که تمرکز اصلی این جلسه بر آن است و درباره کاربردها و استفاده از هوش مصنوعی بحث می‌کند.
• قلمرو فلسفی: که به موضوعاتی چون آسیب‌ها و آینده هوش مصنوعی می‌پردازد.
• قلمرو فنی: که در صورت امکان قرار است در جلسه پایانی مورد بحث قرار گیرد و شامل جزئیات فنی و نرم‌افزاری نحوه عملکرد ماشین‌های هوش مصنوعی (مانند LM، NP، یادگیری ماشین و شبکه عصبی) می‌شود.

بخش اول: دسته‌بندی و انواع هوش مصنوعی

بر اساس تجربه و دسته‌بندی ارائه شده در جلسه، مدل‌های هوش مصنوعی به سه دسته کلی زیر تقسیم می‌شوند:

• هوش مصنوعی‌های اصلی (Main AI):
  • این دسته شامل معروف‌ترین و بزرگترین مدل‌های هوش مصنوعی هستند که عموم مردم به طور مستقیم از آن‌ها استفاده می‌کنند.
  • نمونه‌ها: ChatGPT، Copilot، Gemini، grok.
• هوش مصنوعی‌های واسطه (Intermediate AI):
  • این مدل‌ها در اصل یک پلتفرم یا سایت واسط هستند که کاربران را به هوش مصنوعی‌های اصلی (مانند ChatGPT یا Gemini) متصل می‌کنند.
  • ویژگی‌ها: این هوش مصنوعی‌ها مستقل نبوده و صرفاً ابزاری برای انتخاب و استفاده از مدل‌های اصلی هستند. سایت‌های ایرانی زیادی از این مدل برای اتصال کاربران به ChatGPT استفاده می‌کنند.
  • نمونه‌ها: مونیکا، سایدر، هوشران، موچت، هوشا، هوشیار ۲۴ (نمونه‌های اصلی در متن اولیه، اما منبع، تنها به ایرانی بودن و وجودشان اشاره دارد).
• هوش مصنوعی‌های موضوعی (Specific AI):
  • این‌ها مدل‌های هوش مصنوعی کوچکی هستند که برای کاربردهای خاص و محدود طراحی شده‌اند.
  • ویژگی‌ها: "موضوعی" بودن اشاره به کاربرد تخصصی آن‌ها دارد (مانند هوش مصنوعی برای تولید موسیقی یا افزایش کیفیت تصویر). مدرس در حال جمع‌آوری و دسته‌بندی بهترین نمونه‌های رایگان این دسته است.
  • نکته تخصصی: خرید اعتبار و کار کردن با این مدل‌ها می‌تواند تخصصی‌تر و پیچیده‌تر باشد
  • نمونه‌ها: میدجرنی (ساخت عکس)، ران‌وی (تولید ویدیو)، یاندکس (ترجمه)

بخش دوم: کاربردهای هوش مصنوعی بر اساس خروجی و ابزار

کاربردهای هوش مصنوعی را می‌توان بر اساس نوع خروجی که ارائه می‌دهند، دسته‌بندی کرد.

• نکته درباره Claude: هوش مصنوعی Claude یکی از بهترین هوش‌های مصنوعی است، اما ایرانی‌ها به دلیل تحریم‌ها و نیاز به شماره خارجی، دسترسی ندارند.

بخش سوم: انتخاب (موقعیت و ابزار) + استفاده (پرامپت و پلاگین)

۱. انتخاب (موقعیت و ابزار): قبل از شروع کار، باید ساحت انتخاب ابزار را طی کرد؛ یعنی بر اساس موقعیتی که برایتان پیش آمده (متنی، تصویری، صوتی، عملکردی)، ابزار مناسب را انتخاب کنید. (تا الان توضیح داده شد)

۲. پرامپت‌نویسی (Prompt Engineering): پس از انتخاب ابزار، وارد ساحت استفاده می‌شویم. پرامپت‌نویسی یعنی زبانمان را به زبان هوش مصنوعی نزدیک‌تر کنیم تا بیشترین بهره‌وری را داشته باشیم.

• هوش مصنوعی زبان انسان را یاد گرفته است، اما انسان نیز باید قدمی به سمت رعایت مدل و زبان آن بردارد.
• تشبیه: پرامپت‌نویسی مانند این است که خواسته‌های خود را به طور کامل و دقیق بیان کنیم تا هوش مصنوعی (مانند یک همسر) منظور ما را بفهمد و بهترین نتیجه را بدهد.
• نکته فنی: ترجیحاً پرامپت را مانند خط‌های کدنویسی، هر بخش را در یک سطر جدید (با اینتر یا شیفت+اینتر) بنویسید.
• نکته مهم: هوش مصنوعی تمایل به تنبلی دارد و دوست دارد کار را انجام دهد؛ بنابراین درخواست‌ها باید دستوری باشند و نه سؤال.

۳. فرمول جامع پرامپت‌نویسی: «شز قلن دن» این فرمول، که توسط مدرس ابداع و تست شده، یک چارچوب کامل برای نوشتن پرامپت‌های جامع است:

۴. پلاگین‌ها (Plugins) و پروفایل‌ها (AI Profiles):

• تعریف: پلاگین‌ها بخش‌های آماده‌ای هستند که به منظور درک بهتر منظور کاربر و پاسخگویی به نیازهای رایج (مانند تحقیق معتبر) در هوش مصنوعی برنامه‌ریزی شده‌اند.
• کاربرد: پلاگین‌ها می‌توانند هوش مصنوعی را در نقش‌های تخصصی (مثلاً یک معلم یا محقق که از منابع معتبر استفاده می‌کند) قرار دهند.
• پروفایل هوش مصنوعی: می‌توان پلاگین‌های خاصی ساخت یا هوش مصنوعی را طوری آموزش داد که از آن پس در یک صفحه چت (AI Profile)، همیشه به روش خاصی پاسخ دهد و این شخصیت را ذخیره کند.
• محدودیت: در حال حاضر، چت‌بات‌های اصلی (مانند دیپسیک و کوپایلت) پلاگین‌های رایج خود را محدود کرده‌اند.

بخش چهارم: تعامل، خطاهای هوش مصنوعی و ملاحظات کاربری

۱. رفت و برگشت (Iteration):

• به هیچ عنوان نباید توقع داشته باشید که هوش مصنوعی در همان پاسخ اول، جواب آخر و بهترین را بدهد.
• باید فرایند «رفت و برگشت» (هی هوش مصنوعی جواب بدهد و هی شما اصلاحات      را بگویید) را ادامه دهید.
• به طور حدودی، دو تا سه دور رفت و برگشت برای رسیدن به پاسخ نهایی کافی      است.

۲. خطاهای رایج هوش مصنوعی:

• Hallucination (توهم): زمانی که هوش مصنوعی داده کافی نداشته باشد، شروع به بافتن یا ساختن اطلاعات از خودش می‌کند. (مثلاً یک نام یا یک حقیقت تاریخی را تغییر می‌دهد).
• Bias (سوگیری): اگر داده کافی موجود نباشد، هوش مصنوعی ممکن است ابراز ناتوانی کند.
• سوگیری داده‌ها (Data Source): داده‌های اصلی هوش مصنوعی‌ها (مانند ChatGPT) اغلب بر فرهنگ      آمریکا یا چین غلبه دارد، حتی اگر موقعیت مکانی (مثلاً تهران) مشخص شود.
• به‌روزرسانی داده‌ها: سورس داده‌های هوش مصنوعی‌ها تقریباً هر ۴ ماه یکبار به‌روز می‌شود.

۳. ابزارهای پیشنهادی و دسترسی:

• ابزارهای در دسترس (بدون فیلتر/رایگان): برای شروع کار، Copilot و DiPsick توصیه می‌شوند زیرا تحریم یا فیلتر نیستند.
• ابزارهای محدودشده: Gemini تحریم است و نیاز به فیلترشکن دارد. ChatGPT نیز ساعتی باز است (مثلاً صبح‌ها معمولاً باز است).
• ذخیره داده: استفاده از هوش مصنوعی با اکانت ایمیل باعث می‌شود که تمامی جستجوها ذخیره شوند و بعداً می‌توان بر اساس سابقه چت‌ها، از هوش مصنوعی برای تحلیل      شخصیت استفاده کرد.
• نکته مهم در استفاده: اگر می‌خواهید متنی که به شما داده شده است (مثلاً به صورت پاراگراف) به صورت مورد به مورد (Bullet Point) درآید، باید از اصطلاح "متن رو بلتی کن" استفاده کنید.

تشبیه (انتخاب ابزار و بهره‌وری): انتخاب هوش مصنوعی مناسب برای هر موقعیت، مانند انتخاب یک ابزار مناسب در جعبه ابزار است. اگر برای کوبیدن میخ، به جای چکش، از پیچ‌گوشتی استفاده کنید (انتخاب نادرست ابزار)، کار سخت و بی‌کیفیت خواهد بود. پرامپت‌نویسی نیز مانند این است که نه تنها ابزار مناسب را انتخاب کنید، بلکه دقیقاً مشخص کنید که میخ باید با چه زاویه‌ای، با چه قدرت و به چه عمقی کوبیده شود تا به بهترین نتیجه برسید.

فهرست همه جلسات این کارگاه:

جلسه اول کارگاه هوش مصنوعی کاربردی (۱)
جلسه دوم کارگاه هوش مصنوعی کاربردی (۲)
جلسه سوم کارگاه هوش مصنوعی کاربردی (۳)