هوش مصنوعی در حال گسترش سریع است و فراتر از نام‌های مشهوری که در اخبار و رسانه‌های اجتماعی می‌بینیم، پیش می‌رود. امروزه، این چشم‌انداز مملو از صدها مدل، از ابتکارات متن‌باز تا سیستم‌های اختصاصی و پیشنهادات غول‌های فناوری مانند Gemini، Claude، OpenAI، Grok و Deepseek است. این مدل‌ها در هسته خود شبکه‌های عصبی هستند که با دقت بر روی مجموعه‌های داده‌های گسترده آموزش داده شده‌اند و آن‌ها را قادر می‌سازند الگوهای پیچیده را تشخیص دهند. عصر کنونی فرصتی بی‌نظیر برای بهره‌برداری از این پیشرفت‌ها برای اهداف گوناگون، از کاربردهای تجاری گرفته تا کمک شخصی و تقویت خلاقیت، ارائه می‌دهد. این راهنما با هدف ارائه درک پایه‌ای به تازه‌واردان به حوزه هوش مصنوعی، آن‌ها را قادر می‌سازد تا به طور مؤثر از این فناوری استفاده کنند. هدف این است که کاربران را قادر سازیم تا با هوش مصنوعی بسازند، نه صرفاً بر روی آن، با تمرکز بر درک مفاهیم اساسی، کاربردهای عملی و روش‌هایی برای ارزیابی دقت.
این راهنما جنبه‌های کلیدی زیر را پوشش خواهد داد:
- دسته‌بندی مدل‌های هوش مصنوعی
- تطبیق مدل‌ها با وظایف خاص
- درک قراردادهای نام‌گذاری مدل
- ارزیابی عملکرد دقت مدل
- استفاده از مراجع معیار
ضروری است که تشخیص دهیم یک مدل هوش مصنوعی جهانی که قادر به انجام هر کار قابل تصوری باشد وجود ندارد. در عوض، مدل‌های مختلف برای کاربردهای خاص طراحی شده‌اند.
دسته‌بندی مدل‌های هوش مصنوعی
مدل‌های هوش مصنوعی را می‌توان به طور کلی به چهار دسته اصلی طبقه‌بندی کرد:
- پردازش زبان خالص (عمومی)
- تولیدی (تصویر، ویدئو، صدا، متن، کد)
- تشخیصی (بینایی رایانه، تحلیل متن)
- یادگیری تقویتی
در حالی که بسیاری از مدل‌ها در یک دسته خاص تخصص دارند، برخی دیگر قابلیت‌های چندوجهی با درجات مختلف دقت را نشان می‌دهند. هر مدل تحت آموزش بر روی مجموعه‌های داده خاصی قرار می‌گیرد و آن را قادر می‌سازد تا وظایف مرتبط با داده‌هایی که در معرض آن قرار گرفته است را انجام دهد. لیست زیر وظایف رایج مرتبط با هر دسته را نشان می‌دهد.
پردازش زبان خالص
این دسته بر روی توانمندسازی رایانه‌ها برای تفسیر، درک و تولید زبان انسان با استفاده از نشانه‌گذاری و مدل‌های آماری تمرکز دارد. ربات‌های گفتگو یک مثال بارز هستند، به طوری که ChatGPT، مخفف ‘Generative Pre-trained Transformer’ (تبدیل‌کننده تولیدی از پیش آموزش‌دیده)، یک نمونه قابل توجه است. اکثریت این مدل‌ها بر اساس معماری‌های تبدیل‌کننده از پیش آموزش‌دیده هستند. این مدل‌ها در درک زمینه، ظرافت‌ها و لطافت‌های زبان انسان عالی هستند و آن‌ها را برای کاربردهایی که نیاز به تعامل زبان طبیعی دارند ایده‌آل می‌کنند. آن‌ها را می‌توان برای وظایفی مانند:
- تحلیل احساسات: تعیین لحن عاطفی یک قطعه متن، که برای درک بازخورد مشتری یا سنجش افکار عمومی مفید است.
- خلاصه‌سازی متن: متراکم کردن حجم زیادی از متن به خلاصه‌های کوتاه‌تر و قابل مدیریت‌تر، صرفه‌جویی در زمان و تلاش در پردازش اطلاعات.
- ترجمه ماشینی: ترجمه خودکار متن از یک زبان به زبان دیگر، تسهیل ارتباطات بین موانع زبانی.
- پرسش و پاسخ: ارائه پاسخ به سوالات مطرح شده به زبان طبیعی، فعال کردن دسترسی سریع و آسان کاربران به اطلاعات.
- تولید محتوا: ایجاد محتوای متنی اصلی، مانند مقالات، پست‌های وبلاگ یا به‌روزرسانی‌های رسانه‌های اجتماعی.
فناوری زیربنایی مدل‌های پردازش زبان خالص شامل الگوریتم‌های پیچیده‌ای است که ساختار و معنای زبان را تجزیه و تحلیل می‌کنند. این الگوریتم‌ها از مجموعه‌های داده‌های عظیم متن و کد یاد می‌گیرند و به آن‌ها اجازه می‌دهند الگوها و روابط بین کلمات و عبارات را شناسایی کنند. سپس مدل‌ها از این دانش برای تولید متن جدید یا درک معنای متن موجود استفاده می‌کنند.
مدل‌های تولیدی
مدل‌های تولیدی، از جمله مدل‌هایی که تصاویر، ویدئوها، صدا، متن و کد تولید می‌کنند، اغلب از شبکه‌های متخاصم مولد (GAN) استفاده می‌کنند. GANها از دو زیر مدل تشکیل شده‌اند: یک مولد و یک تشخیص‌دهنده. این مدل‌ها می‌توانند تصاویر، صدا، متن و کد واقعی را بر اساس داده‌های گسترده‌ای که بر روی آن‌ها آموزش داده شده‌اند، تولید کنند. انتشار پایدار یک تکنیک رایج برای تولید تصاویر و ویدئوها است. این مدل‌ها را می‌توان برای موارد زیر استفاده کرد:
- تولید تصویر: ایجاد تصاویر واقعی یا هنری از توضیحات متنی یا سایر ورودی‌ها.
- تولید ویدئو: تولید ویدئوهای کوتاه از پیام‌های متنی یا سایر ورودی‌ها.
- تولید صدا: تولید موسیقی، گفتار یا انواع دیگر صدا از توضیحات متنی یا سایر ورودی‌ها.
- تولید متن: ایجاد محتوای متنی اصلی، مانند اشعار، فیلمنامه‌ها یا کد.
- تولید کد: تولید خودکار کد از توضیحات زبان طبیعی از عملکرد مورد نظر.
زیر مدل مولد در یک GAN مسئول ایجاد نمونه‌های داده جدید است، در حالی که زیر مدل تشخیص‌دهنده تلاش می‌کند بین نمونه‌های داده واقعی و نمونه‌های تولید شده توسط مولد تمایز قائل شود. این دو زیر مدل به صورت متخاصم آموزش داده می‌شوند، به طوری که مولد سعی می‌کند تشخیص‌دهنده را فریب دهد و تشخیص‌دهنده سعی می‌کند نمونه‌های داده واقعی را به درستی شناسایی کند. این فرآیند منجر به این می‌شود که مولد به طور فزاینده‌ای قادر به تولید نمونه‌های داده واقعی شود.
مدل‌های تشخیصی
مدل‌های تشخیصی، که در بینایی رایانه و تجزیه و تحلیل متن استفاده می‌شوند، از الگوریتم‌هایی استفاده می‌کنند که برای یادگیری کلاس‌های متمایز از مجموعه‌های داده برای تصمیم‌گیری طراحی شده‌اند. نمونه‌ها عبارتند از تحلیل احساسات، تشخیص نوری کاراکتر (OCR) و طبقه‌بندی تصویر. این مدل‌ها برای تمایز بین دسته‌های مختلف داده طراحی شده‌اند و آن‌ها را برای طیف گسترده‌ای از کاربردها مفید می‌کنند. آن‌ها را می‌توان برای موارد زیر استفاده کرد:
- طبقه‌بندی تصویر: شناسایی اشیاء یا صحنه‌های موجود در یک تصویر.
- تشخیص شی: مکان‌یابی و شناسایی اشیاء خاص در یک تصویر یا ویدئو.
- تحلیل احساسات: تعیین لحن عاطفی یک قطعه متن.
- تشخیص نوری کاراکتر (OCR): تبدیل تصاویر متن به متن قابل خواندن توسط ماشین.
- تشخیص تقلب: شناسایی تراکنش‌ها یا فعالیت‌های متقلبانه.
الگوریتم‌های مورد استفاده در مدل‌های تشخیصی یاد می‌گیرند ویژگی‌هایی را شناسایی کنند که برای تمایز بین کلاس‌های مختلف داده مهم‌تر هستند. این ویژگی‌ها را می‌توان برای ایجاد مدلی استفاده کرد که می‌تواند نمونه‌های داده جدید را به طور دقیق طبقه‌بندی کند.
یادگیری تقویتی
مدل‌های یادگیری تقویتی از روش‌های آزمون و خطا و ورودی انسان برای دستیابی به نتایج هدف‌گرا استفاده می‌کنند، مانند رباتیک، بازی و رانندگی خودکار. این رویکرد شامل یادگیری یک عامل برای تصمیم‌گیری در یک محیط برای به حداکثر رساندن پاداش است. عامل بازخوردی در قالب پاداش یا جریمه دریافت می‌کند که از آن برای تنظیم رفتار خود استفاده می‌کند. این فرآیند به عامل اجازه می‌دهد تا استراتژی‌های بهینه برای دستیابی به اهداف خود را یاد بگیرد. یادگیری تقویتی را می‌توان برای موارد زیر استفاده کرد:
- رباتیک: آموزش ربات‌ها برای انجام وظایف پیچیده، مانند راه رفتن، گرفتن اشیاء یا پیمایش محیط‌ها.
- بازی: توسعه عوامل هوش مصنوعی که می‌توانند بازی‌ها را در سطح بالایی انجام دهند.
- رانندگی خودکار: آموزش خودروهای خودران برای پیمایش جاده‌ها و اجتناب از موانع.
- مدیریت منابع: بهینه‌سازی تخصیص منابع، مانند انرژی یا پهنای باند.
- توصیه‌های شخصی: ارائه توصیه‌های شخصی به کاربران بر اساس رفتار گذشته آن‌ها.
فرآیند آزمون و خطا به عامل اجازه می‌دهد تا استراتژی‌های مختلف را کشف کند و یاد بگیرد که کدام یک مؤثرتر هستند. استفاده از پاداش و جریمه بازخوردی ارائه می‌دهد که عامل را به سمت رفتار بهینه هدایت می‌کند.
درک قراردادهای نام‌گذاری مدل
هنگامی که انواع مختلف مدل‌های هوش مصنوعی و وظایف مربوطه آن‌ها را درک کردید، گام بعدی شامل ارزیابی کیفیت و عملکرد آن‌ها است. این با درک نحوه نام‌گذاری مدل‌ها شروع می‌شود. در حالی که هیچ قرارداد رسمی برای نام‌گذاری مدل‌های هوش مصنوعی وجود ندارد، مدل‌های محبوب معمولاً نام ساده‌ای دارند که به دنبال آن یک شماره نسخه می‌آید (به عنوان مثال، ChatGPT #، Claude #، Grok #، Gemini #).
مدل‌های کوچکتر، متن‌باز و خاص وظیفه، اغلب نام‌های دقیق‌تری دارند. این نام‌ها، که اغلب در پلتفرم‌هایی مانند huggingface.co یافت می‌شوند، معمولاً شامل نام سازمان، نام مدل، اندازه پارامتر و اندازه زمینه هستند.
در اینجا چند نمونه برای نشان دادن این موضوع آورده شده است:
MISTRALAI/MISTRAL-SMALL-3.1-24B-INSTRUCT-2053
- Mistralai: سازمانی که مسئول توسعه مدل است.
- Mistral-small: نام خود مدل.
- 3.1: شماره نسخه مدل.
- 24b-instruct: تعداد پارامتر، نشان می‌دهد که مدل بر روی 24 میلیارد نقطه داده آموزش داده شده است و برای وظایف پیروی از دستورالعمل طراحی شده است.
- 2053: اندازه زمینه یا تعداد نشانه‌ها، که نشان‌دهنده مقدار اطلاعاتی است که مدل می‌تواند به طور همزمان پردازش کند.
Google/Gemma-3-27b
- Google: سازمان پشت این مدل.
- Gemma: نام مدل.
- 3: شماره نسخه.
- 27b: اندازه پارامتر، نشان می‌دهد که مدل بر روی 27 میلیارد نقطه داده آموزش داده شده است.
ملاحظات کلیدی
درک قراردادهای نام‌گذاری بینش‌های ارزشمندی را در مورد قابلیت‌ها و استفاده مورد نظر یک مدل ارائه می‌دهد. نام سازمان نشان‌دهنده منبع و اعتبار مدل است. نام مدل به تمایز بین مدل‌های مختلف توسعه یافته توسط یک سازمان کمک می‌کند. شماره نسخه نشان‌دهنده سطح توسعه و اصلاح است. اندازه پارامتر نشان‌دهنده تقریبی از پیچیدگی و ظرفیت یادگیری مدل است. اندازه زمینه طول ورودی را تعیین می‌کند که مدل می‌تواند به طور مؤثر پردازش کند.
جزئیات اضافی که ممکن است با آن مواجه شوید شامل فرمت کوانتیزاسیون در بیت است. فرمت‌های کوانتیزاسیون بالاتر به RAM و فضای ذخیره‌سازی رایانه بیشتری برای اجرای مدل نیاز دارند. فرمت‌های کوانتیزاسیون اغلب در نماد ممیز شناور نشان داده می‌شوند، مانند 4، 6، 8 و 16. فرمت‌های دیگر، مانند GPTQ، NF4 و GGML، نشان‌دهنده استفاده برای پیکربندی‌های {سخت‌افزار} خاص هستند.
کوانتیزاسیون: این به تکنیک کاهش دقت اعدادی که برای نمایش پارامترهای مدل استفاده می‌شود اشاره دارد. این می‌تواند به طور قابل توجهی اندازه و حافظه مدل را کاهش دهد و استقرار آن را در دستگاه‌های محدود به منابع آسان‌تر کند. با این حال، کوانتیزاسیون همچنین می‌تواند منجر به کاهش جزئی در دقت شود.
ملاحظات سخت‌افزاری: پیکربندی‌های سخت‌افزاری مختلف ممکن است برای فرمت‌های کوانتیزاسیون مختلف مناسب‌تر باشند. برای مثال، برخی از سخت‌افزارها ممکن است برای کوانتیزاسیون 4 بیتی بهینه شده باشند، در حالی که برخی دیگر ممکن است برای کوانتیزاسیون 8 بیتی یا 16 بیتی مناسب‌تر باشند.
ارزیابی دقت مدل
در حالی که اخبار مربوط به انتشار مدل‌های جدید می‌تواند هیجان‌انگیز باشد، ضروری است که با احتیاط به نتایج عملکرد ادعا شده نزدیک شوید. چشم‌انداز عملکرد هوش مصنوعی بسیار رقابتی است و شرکت‌ها گاهی اوقات ارقام عملکرد را برای اهداف بازاریابی افزایش می‌دهند. یک راه مطمئن‌تر برای ارزیابی کیفیت مدل، بررسی امتیازات و تابلوهای امتیازات از تست‌های استاندارد است.
در حالی که چندین تست ادعا می‌کنند استاندارد هستند، ارزیابی مدل‌های هوش مصنوعی به دلیل ماهیت ‘جعبه سیاه’ این سیستم‌ها و متغیرهای متعدد درگیر، همچنان چالش‌برانگیز است. مطمئن‌ترین رویکرد، تأیید پاسخ‌ها و خروجی‌های هوش مصنوعی در برابر منابع واقعی و علمی است.
وب‌سایت‌های تابلوی امتیازات رتبه‌بندی‌های قابل مرتب‌سازی با آرا و امتیازات بازه اطمینان را ارائه می‌دهند، که اغلب به صورت درصد بیان می‌شوند. معیارهای رایج شامل تغذیه سوالات به مدل هوش مصنوعی و اندازه‌گیری دقت پاسخ‌های آن است. این معیارها عبارتند از:
- چالش استدلال AI2 (ARC)
- HellaSwag
- MMLU (درک زبان چندوظیفه‌ای گسترده)
- TruthfulQA
- Winogrande
- GSM8K
- HumanEval
توضیحات معیار
چالش استدلال AI2 (ARC): مجموعه‌ای از 7787 سوال علمی چندگزینه‌ای که برای دانش‌آموزان مقطع ابتدایی طراحی شده است. این معیار توانایی مدل را در استدلال در مورد مفاهیم علمی و حل مسائل آزمایش می‌کند.
HellaSwag: معیاری که استدلال عقل سلیم را از طریق تمرین‌های تکمیل جمله ارزیابی می‌کند. این معیار مدل را به چالش می‌کشد تا زمینه یک جمله را درک کند و منطقی‌ترین پایان را انتخاب کند.
MMLU (درک زبان چندوظیفه‌ای گسترده): این معیار توانایی مدل را در حل مسائل در طیف گسترده‌ای از وظایف آزمایش می‌کند و نیاز به درک زبان گسترده دارد. این وظایف طیف متنوعی از موضوعات، از جمله ریاضیات، تاریخ، علوم و حقوق را پوشش می‌دهند.
TruthfulQA: این معیار صداقت مدل را ارزیابی می‌کند، دروغ‌ها را جریمه می‌کند و پاسخ‌های مبهم مانند ‘مطمئن نیستم’ را دلسرد می‌کند. این معیار مدل را تشویق می‌کند تا پاسخ‌های دقیق و صادقانه ارائه دهد.
Winogrande: چالشی مبتنی بر طرحواره Winograd، شامل دو جمله تقریباً یکسان که بر اساس یک کلمه محرک متفاوت هستند. این معیار توانایی مدل را در درک تفاوت‌های ظریف در معنا و رفع ابهام آزمایش می‌کند.
GSM8K: مجموعه‌ای از 8000 سوال ریاضیات مقطع ابتدایی. این معیار توانایی مدل را در حل مسائل ریاضی و انجام محاسبات آزمایش می‌کند.
HumanEval: این معیار توانایی مدل را در تولید کد پایتون صحیح در پاسخ به 164 چالش اندازه‌گیری می‌کند. این معیار مهارت‌های کدنویسی مدل و توانایی آن در درک و پیاده‌سازی مفاهیم برنامه‌نویسی را آزمایش می‌کند.
با بررسی دقیق این معیارها و تأیید پاسخ‌های هوش مصنوعی در برابر منابع واقعی، می‌توانید درک دقیق‌تری از قابلیت‌ها و محدودیت‌های یک مدل به دست آورید. سپس می‌توان از این اطلاعات برای تصمیم‌گیری آگاهانه در مورد اینکه کدام مدل‌ها برای نیازهای خاص شما مناسب‌تر هستند استفاده کرد.