مدلهای GPT به برنامهها توانایی ایجاد متن و محتوای شبیه انسان (تصاویر، موسیقی و موارد دیگر) و پاسخگویی به سؤالات را به صورت مکالمه میدهند. سازمانهای صنعتی از مدلهای GPT و هوش مصنوعی مولد برای رباتهای پرسش و پاسخ، خلاصهسازی متن، تولید محتوا و جستجو استفاده میکنند.
چرا GPT ؟ مدلهای GPT، و بهویژه، ساختار ترانسفورمی که استفاده میکنند، نشاندهنده پیشرفتی قابل توجه در پژوهشهای هوش مصنوعی است. ظهور مدلهای GPT نقطه عطفی در پذیرش گسترده machine learning یادگیری ماشین ML است زیرا این فناوری در حال حاضر میتواند برای خودکارسازی و بهبود مجموعه گستردهای از وظایف از ترجمه زبان و خلاصهسازی اسناد گرفته تا نوشتن پستهای وبلاگ، ساخت وبسایت، طراحی تصاویر بصری، ساختن استفاده شود. انیمیشن، نوشتن کد، پژوهش در موضوعات پیچیده و حتی سرودن شعر. ارزش این مدل ها در سرعت و مقیاسی است که می توانند در آن کار کنند. برای مثال، در جایی که ممکن است برای پژوهش ، نوشتن و ویرایش مقالهای در مورد فیزیک به چندین ساعت نیاز داشته باشید، یک مدل GPT میتواند در عرض چند ثانیه یک مقاله تولید کند. مدلهای GPT باعث شده تا پژوهشها در زمینه هوش مصنوعی به سمت دستیابی به هوش عمومی مصنوعی متمرکز شود به این معنی که ماشینها میتوانند به سازمانها کمک کنند تا به سطوح جدیدی از بهرهوری دست یابند و برنامههای کاربردی و تجربیات مشتری خود را دوباره اختراع کنند.
OpenAI یک سازمان پیشرو در پژوهشهای هوش مصنوعی است که به تولید و تضمین استفاده ایمن و مفید از هوش مصنوعی اختصاص دارد. این شرکت که در سال ۲۰۱۵ تأسیس شد، در خط مقدم پیشرفت های هوش مصنوعی بوده است.
OpenAI مسئول چندین پروژه پیشگامانه از جمله توسعه مدل های هوش مصنوعی مانند GPT-3، DALL-E و Codex بوده است. که بر روی طیف گسترده ای از برنامه ها از پردازش زبان طبیعی تا تولید تصویر و موارد دیگر تمرکز دارد.
ChatGPT محصولی خاص برگرفته از پژوهش ات OpenAI، با تمرکز بر هوش مصنوعی محاوره ای. محصول خاص است که توسط OpenAI توسعه یافته است و از فناوری مدل زبان پیشرفته آنها استفاده می کند. این برای تعاملات مکالمه طراحی شده است و پاسخ هایی را به ورودی های کاربر به شیوه ای شبیه به انسان ارائه می دهد.
ChatGPT بر اساس مدل LLM large language model ساخته شده است، مدلی زبانی پیشرفته که به دلیل توانایی اش در تولید متن منسجم و مرتبط با زمینه ای شناخته شده است.
ChatGPT بر اساس تکنیکهای یادگیری ماشینی تحت نظارت و تقویتشده، پاسخهای اصلی و شبیه انسان به درخواستهای کاربر ارائه میدهد. به فرزند هوش مصنوعی مولد تبدیل شده است، که به زودی بسیاری از حوزه های زندگی – از جمله ارتباطات علمی را متحول می کند.
ارتباطات علمی، مانند ظرفیتهای ترجمهای و چندوجهی هوش مصنوعی مولد و ظرفیت آن برای ارائه ارتباطات علمی محاورهای در مقیاس همچنین پیامدهای پژوهشی در زمینه ارتباطات علمی مورد توجه است. تا کنون عمدتاً از هوش مصنوعی (تولیدکننده) غفلت شده است. محققان باید ارتباطات عمومی “درباره” هوش مصنوعی و همچنین ارتباط “با” هوش مصنوعی را با توجه به “افزایش عاملیت” آن تحلیل کنند. علاوه بر این، محققان باید اثر هوش مصنوعی را بر ارتباطات علمی و اکوسیستم ارتباطات علمی بزرگتر تجزیه و تحلیل کنند.
پیشرفت در هوش مصنوعی مولد می تواند ارتباطات علمی را دموکراتیک کند، و چنین کاری با ارائه ابزارهای آسان به دانشمندان برای کمک به آنها در برقراری ارتباط کار خود با مخاطبان مختلف انجام می شود. با این حال، این ابزارها ناقص هستند و خروجی آنها باید از سوی متخصصان بررسی شود. آنها همچنین می توانند به صورت مخربی برای تولید اطلاعات نادرست مورد استفاده واقع شوند. هوش مصنوعی مولد میتواند متن را ترجمه کند (مانند DeepL )، تصاویر ایجاد کند (مانند DALL.E ، Midjourney یا Stable Diffusion )، صداها را تقلید کند (مانند VALL-E ) – یا پاسخهای متنی مانند ChatGPT و رقبای آن مانند BARD ، Anthropic Claude ، AI Sydney تولید کند. یا کاربری های دیگری که تا زمان انتشار این مقاله منتشر خواهند شد .
هوش مصنوعی مولد اساساً بر دانشگاه و علم نیز اثر خواهد گذاشت. از یک طرف، احتمالاً بر همه جنبههای پژوهش اثر خواهد گذاشت، از شناسایی شکافهای پژوهش و ایجاد فرضیهها بر اساس مرور ادبیات در جمعآوری دادهها، حاشیهنویسی یا نوشتن کد تا خلاصهسازی یافتهها، نوشتن آنها و ارائه آنها به صورت بصری. چکیده ها و مقالات علمی قبلاً با ابزارهای هوش مصنوعی تولید شده اند و وضعیت نویسندگان مشترک هوش مصنوعی در جامعه علمی مورد بحث قرار گرفته است. نگرانی ها در مورد افزایش تصاعدی مشکل انتشار یا از بین رفتن مبتنی بر هوش مصنوعی در انتشارات علمی همراه با ترس از افزایش تقلب و کشف آن سخت تر شده است.
از سوی دیگر، هوش مصنوعی مولد بر آموزش اثر خواهد گذاشت. این می تواند برنامه های درسی برای کلاس ها و برنامه های مطالعاتی، سوالات امتحانی و ارزشیابی برای معلمان ایجاد کند. این موضوع می تواند به عنوان شریکی برای دانش آموزان در یادگیری گفتگوی بیشتر عمل کند متون خود را ساختار می دهند و ادبیات علمی را برای آنها خلاصه می کنند. همچنین، می تواند امتحانات را پشت سر بگذارد و ممکن است بتواند تکالیف و پایان نامه بنویسد، مسابقه تسلیحاتی را با آشکارسازهای سرقت ادبی راه اندازی کند، اما همچنین از مؤسسات آموزش عالی می خواهد تا در وهله اول شایستگی ها و مهارت هایی را که باید آموزش دهند، تأمل کنند.
شکل ۱ : بالا سمت چپ: پاسخ ChatGPT (بر اساس GPT-3) از ۲۶ فوریه ۲۰۲۳ در اعلان “چگونه ChatGPT می تواند بر ارتباطات علمی اثر بگذارد؟” – پایین سمت چپ: پاسخ هوش مصنوعی بینگ به درخواستی برای شناسایی نقاط ضعف در یک مقاله علمی که ممکن است داور متوجه شود، نقل قول هایی را ارائه می دهد که این نقاط ضعف را نشان می دهد و پیشنهادهایی برای بهبود آنها — سمت راست: ChatGPT (بر اساس GPT-4) با استفاده از ایموجی برای خلاصه کردن کار نظریه پردازان معروف اجتماعی .
دانشمندان، همراه با عموم مردم، از پیشرفت های سریع و انفجار عمومی ابزارهای هوش مصنوعی مبتنی بر مدل زبان بزرگ (LLM) large Language Model در سال ۲۰۲۳ شگفت زده شده اند. بسیاری از دانشمندان نیز با این ابزارهای جدید آزمایش کرده اند و نتیجه این است که هوش مصنوعی اکنون در تمام سطوح فرآیند علمی درگیر است. استخراج، تفسیر یا تجسم داده ها؛ تولید متن; یا ایجاد اشکال دیگری از محتوای چند رسانه ای: هوش مصنوعی به طور اساسی روش تولید و به اشتراک گذاری دانش Knowledge را تغییر می دهد.
در بلندمدت، اثر این توسعه نسبتاً جدید احتمالاً به اندازه دیجیتالی شدن انتشارات علمی و چشمانداز رسانهای در دهههای ۱۹۹۰ و ۲۰۰۰ دگرگونکننده خواهد بود. ابزارهای هوش مصنوعی بدون شک بهره وری علم را افزایش خواهند داد و خروجی های پژوهشی شتابان ادامه خواهند یاقت. با این حال دلایل قابل توجهی نیز برای نگرانی وجود دارد. یک سوال کلیدی این است که این موضوع برای ارتباطات علمی خارجی، برای تبادل اطلاعات و نظرات بین علم و عموم چه معنایی خواهد داشت؟ در اینجا حداقل به اندازه ارتباطات علمی داخلی، یعنی تبادل حرفه ای بین متخصصان، تغییر بزرگی رخ خواهد داد. اما این موضوع برای ما به عنوان یک جامعه چه معنایی خواهد داشت؟
هوش مصنوعی چگونه ارتباطات علمی را متحول خواهد کرد
اول، انواع زنجیره های بهره برداری جدید برای محتوای علمی در حال ظهور هستند: با برنامه های کاربردی مبتنی بر LLM، انتشارات تخصصی را می توان در عرض چند ثانیه به اخبار «به طور کلی قابل درک» خلاصه کرد. اینها به نوبه خود میتوانند به انواع زبانها ترجمه شوند و سپس با ابزارهای دیگر برای گروههای هدف خاص، چه علاقهمندان به حفاظت از طبیعت یا بستگان بیماران مبتلا به اختلال عاطفی فصلی، تنظیم شوند.
منابع:
https://aws.amazon.com/what-is/gpt/
