این هفته با هوش‌مصنوعی؛ غول‌های تکنولوژی متمرکز بر AI

به گزارش پیوست؛ از سمتی هوش‌مصنوعی در حال نفوذ هرچه‌ بیشتر در حوزه‌هایی از جمله پزشکی و حتی نجوم است و جدای از برخی ایرادات و مشکلات این تکنولوژی که هنوز برخی دانشمندان با آنها دست‌و‌پنجه نرم می‌کنند، استفاده از آن، با توجه به نتایج به‌دست آمده در برخی تحقیقات، ضروری به نظر می‌رسد. در این مطلب خلاصه‌ای از اخبار و روایت‌های هفته گذشته در حوزه هوش‌مصنوعی به همراه داستان‌هایی از دنیای یادگیری ماشین را می‌خوانید.

یوتیوب به کمک هوش‌مصنوعی خلاصه‌ای از ویدیو‌ها ارائه می‌کند

یوتیوب در حال آزمایش کردن ویژگی خلاصه‌سازی ویدیوها توسط هوش‌مصنوعی است، اما در حال حاضر تنها برای تعداد محدودی از ویدیو‌های انگلیسی زبان و بینندگان محدودی فعال شده است.

بدون شک، خلاصه‌سازی‌ها می‌توانند برای یادگیری و دسترسی‌آسان‌تر بسیار مفید باشند. اما نگرانی‌هایی در مورد احتمال وجود اشتباهات و سوگیری‌هایی که ممکن است توسط هوش‌مصنوعی انجام شود، وجود دارد.

همانطور که شرکت OpenAI به‌طور روشن اعتراف می‌کند که جدیدترین مدل چت‌ جی‌پی‌تی یعنی GPT-4 که برای تولید و خلاصه‌سازی متن‌ها استفاده می‌شود، در استدلال‌ها خطاهایی جدی مرتکب می‌شود و حقایق جدیدی از خود اختراع می‌کند. می‌توان تصور کرد که خلاصه‌ کردن محتوا‌های ویدیویی با توجه به چالش‌های اضافی تحلیل محتوای ویدیو‌ها، نیازمند تحقیقات و آزمون و خطای زیادی باشد. ارزیابی کیفیت خلاصه‌های تولید شده توسط هوش‌مصنوعی یوتیوب مشکل است، اما این موضوع مشخص است که هوش‌مصنوعی در خلاصه‌سازی محتوای متنی به اندازه کافی خوب نیست.

یوتیوب نیز در بخش پشتیبانی این ویژگی نوشته است: «هرچند امیدواریم این خلاصه‌ها برای شما مفید باشند و شمایی کلی و سریع از محتوای ویدیو ارائه دهند، اما این خلاصه‌ها جایگزین محتوای اصلی که توسط خالقان نوشته می‌شود، نیستند.»

امیدواریم این محصول جدید هوش‌مصنوعی توسط یوتیوب و گوگل قبل از آمادگی کامل به صورت عمومی عرضه نشود. هرچند با توجه به انتشار محصولات نیمه‌آماده هوش‌مصنوعی گوگل در چند وقت گذشته، از جمله هوش‌مصنوعی Bard که برای رقابت با ChatGPT قبل از نهایی شدن منتشر شد و بسیاری از دوست‌داران تکنولوژی را ناامید کرد، بعید نیست که این محصول نیز قبل از این که به‌صورت کامل آماده شود، در دسترس عموم قرار بگیرد.

موتو جست‌و‌جوی گوگل به ویژگی‌های جدید هوش‌مصنوعی مجهز می‌شود

گوگل تصاویر و ویدیوهای مرتبط را به ویژگی جستجوی Generative Experiment خود که در کنفرانس I/O ماه می معرفی شد، اضافه می‌کند. با این به‌روزرسانی‌ها، SGE (جستجوی با هوش‌مصنوعی) تصاویر یا ویدیوهای مرتبط با جستجوی انجام‌شده، نمایش می‌دهد. همچنین گفته شده است که این شرکت پروژه Assistant خود را به سمت استفاده از مدلی از هوش‌مصنوعی شبیه به Bard خواهد برد.

مایکروسافت پروژه کورتانا (Cortana) را کشت

استفاده از کورتانا، که نام شخصیتی در مجموعه بازی پرطرفدار Halo بود برای همیشه لغو شد. خوشبختانه این مدل از آن دسته از هوش‌مصنوعی‌هایی نبود که به دلیل از کنترل خارج شدن و سوگیری‌های منفی متوقف شود، بلکه یک پروژه دستیار دیجیتالی شکست‌ خورده بود که زمان مرگ آن فرا رسیده بود.

متا هوش‌مصنوعی تولید موسیقی معرفی کرد

متا این هفته AudioCraft ، یک مدل هوش‌مصنوعی برای تولید موسیقی با کیفیت و واقع‌گرایانه با استفاده از توصیف‌های متنی را معرفی کرد.

گوگل، AI Test Kitchen را از فروشگاه‌های اپلیکیشن حذف کرد

گوگل اپلیکیشن AI Test Kitchen خود را از پلی‌استور و اپ استور خارج کرده و تمرکز را تنها بر روی پلتفرم وب قرار داده است. این شرکت سال گذشته این برنامه را معرفی کرد تا به کاربران اجازه دهد با پروژه‌های اجرا شده توسط مدل‌های مختلف هوش‌مصنوعی مانند LaMDA 2 تعامل داشته باشند.

روبات‌ها برای یادگیری به داده‌های کمتری نیاز خواهند داشت

گوگل دیپ‌مایند، یک آزمایشگاه‌ تحقیقاتی متمرکز بر هوش‌مصنوعی، سیستمی توسعه داده است که به ادعای گوگل به ربات‌ها امکان انتقال مفاهیمی که از مجموعه‌های کوچکی از داده‌ها یاد گرفته‌اند را به سناریو‌های دیگری تعمیم دهند.

کیک‌استارتتر (Kickstarter) قوانین جدیدی در مورد هوش‌مصنوعی مولد اجرایی می‌کند

کیک‌استارتر (پلتفرم سرمایه‌گذاری روی پروژه‌های خلاقانه) اعلام کرده است که باید هدف استفاده از پروژه‌هایی که در این پلتفرم و توسط هوش‌مصنوعی تولید می‌شوند، توسط صاحب پروژه شفافیت‌سازی شود. همچنین صاحبان پروژه‌های جدید مرتبط با توسعه فناوری هوش‌مصنوعی باید جزئیاتی درباره منابع داده‌های آموزشی که قصد استفاده از آن را در پروژه خود دارند، ارائه دهند.

چین نسبت به هوش‌مصنوعی مولد به شدت سخت‌گیرتر شده است

اپلیکیشن‌های مختلف‌ هوش‌مصنوعی تولیدی به دلیل قوانین جدید این کشور از فروشگاه اپل چین حذف شده‌اند، این قوانین می‌گویند که اپلیکیشن‌های هوش‌مصنوعی که در چین فعالیت می‌کنند، باید مجوز اداری دریافت کنند.

مدل جدید Stable Diffusion عرضه شد

استبیلیتی‌ای‌آی نسخه Stable Diffusion XL 1.0 را معرفی کرد، یک مدل متن به تصویر که شرکت آن را به‌عنوان پیشرفته‌ترین نسخه‌ای که تاکنون ارائه کرده است، توصیف می‌کند. استبیلیتی ادعا می‌کند که تصاویر این مدل زنده‌تر هستند، دقت رنگ بسیار بالایی دارند و در مقایسه با آثار نسخه قبلی، دارای کنتراست، سایه‌ و نور بهتری هستند.

دامنه Ai.com حالا به X تعلق دارد

هنوز مشخص نیست که آیا این دامنه به فروش رفته است، اجاره داده شده است یا بخشی از یک پروژه در حال اجراست، اما اکنون دامنه دو حرفی Ai.com، که ارزش آن بین ۵ تا ۱۰ میلیون دلار تخمین زده می‌شود، به‌جای انتقال شما به ChatGPT، شما را به سازمان تحقیقاتی X.ai که مطعلق به ایلان ماسک است ارجاع می‌دهد.

دایرکت ایسنتاگرام به هوش‌مصنوعی مجهز می‌شود

اینستاگرام در حال کار روی قابلیتی است که با کمک هوش‌مصنوعی پیام‌های دایرکت را برای کاربران خلاصه کند.

رونمایی از نوع جدیدی از مدل‌های هوش‌مصنوعی تبدیل متن به عکس با نام CM3leon 

مدل CM3leon از دقت بالاتری به نسبت مدل‌های فعلی هوش مصنوعی شرکت متا برخوردار است و برخلاف دیگر مدل‌ها از جملهStable Diffusion و Midjourney که با تکنیک Diffusion و با استفاده از نویز‌های تصادفی به نتایجی که همه ما دیده‌ایم می‌رسند، از مدل Transformet استفاده شده در ChatGPT اما این بار برای ساخت عکس استفاده کرده است. از ویژگی‌های این مدل می‌توان به دقت بسیار بالا‌تر در ساخت دست انسان که نقطه ضعف بسیاری از دیگر مدل‌ها هوش‌مصنوعی است اشاره کرد.

این مدل با استفاده از درکی که از عکس‌ها دارد می‌تواند بخش‌هایی از یک عکس را به خواسته کاربر را با دقت زیادی ویرایش کند، سوالات مختلف در مورد عکس را پاسخ دهد و با داشتن درک سه‌بعدی می‌توان از آن برای دیگر حوزه‌ها از جمله دکوراسیون نیز استفاده کرد.

در نظر داشته باشید که به دلیل دقت بالای این مدل و امکان سواستفاده از آن، متا در حال حاضر این مدل را در دسترس عموم قرار نداده است.

انویدیا با جدید‌ترین تراشه به پیشرفت هوش مصنوعی سرعت می‌بخشد

شرکت انویدیا با توجه به افزایش تقضا برای اجرای مدل‌های بزرگ هوش‌ مصنوعی، سوپرتراشه GH200 که نسخه‌ای قدرتمند‌تر از دیگر پردازنده‌های سطح بالای این شرکت ‌است، را معرفی کرد.

تراشه GH200 برای مدیریت بار سنگین پیچیده‌ترین مدل‌های هوش مصنوعی مولد از جمله مدل‌های زبانی بزرگ، سیستم‌های پیشنهاد دهنده و پایگاه‌های داده بزرگ طراحی شده است. این تراشه از همان GPU  موجود در H100 اما با ظرفیت حافظه (memory) سه برابر، بهره می‌برد. انتظار می‌رودGH200 در نیمه اول سال ۲۰۲۴ در دسترس قرار گیرد. انویدیا هنوز قیمت GH200 را اعلام نکرده است، اما در حال حاضر مدل قبلی آن یعنی H100  تقریبا ۴۰۰۰۰ دلار قیمت دارد.

یادگیری ماشینی

هوش‌مصنوعی و یادگیری ماشینی در حال ورود به حوزه‌های بی‌شماری در زمینه علمی و پزشکی است. بررسی عمیق‌تری از پتانسیل هوش‌مصنوعی برای کمک به مبارزه با بیماری‌های عفونی در نشریه Science و برداشت‌هایی از مقاله‌ای از دانشگاه پنسیلوانیا موجود است که این امر را تایید می‌کند. یکی از موضوعات جالبی که در این بررسی به آن اشاره شده، این است که مدل‌های طراحی شده برای پیش‌بینی تعاملات بین دارو‌ها، همچنین می‌توانند به آشکار کردن تعاملات پیچیده بین ارگانیسم‌های عفونی و سیستم ایمنی میزبان کمک کنند. پاتولوژی بیماری می‌تواند بسیار پیچیده باشد، بنابراین احتمالا اپیدمیولوژیست‌ها (پزشکان متخصص شناسایی بیماره‌های واگیردار و همه‌گیری آنها) و دیگر پزشکان هر گونه کمکی از هوش‌مصنوعی که این کار را برای‌شان راحت‌تر کند را با آغوش باز خواهند پذیرفت.

یک نمونه جالب دیگر، با علم بر این موضوع که هر الگوریتمی را نمی‌توان هوش‌مصنوعی نامید، محصول مشترک چند نهادی است که با استفاده از الگوریتم‌های خاصی، سیارک‌های بالقوه خطرناک را شناسایی می‌کند. به طور کلی از علم نجوم و رصد آسمان و کهکشان‌ها مقدار زیادی داده‌ به‌دست می‌آید که مرتب‌سازی آنها برای یافتن کوچک‌ترین نشانه‌ها از جمله سیارک‌ها، کار بسیار دشواری است که در عین‌حال به شدت مستعد اتوماسیون است. جالب است بدانید سیارک SF289 با طول ۶۰۰ فوت در هنگام آزمون همین الگوریتم بر روی داده‌های ATLAS کشف شد. ماریو یوریچ از دانشگاه واشنگتن گفت: «این تنها بخش بسیار کوچکی از چیزی است که از کمپانی Rubin Observatory در کمتر از دو سال آینده انتظار داریم، زمانی خواهد رسید که آخرین الگوریتم این کمپانی یعنی HelioLinc3D هر شب شیئی شبیه به SF289 را کشف خواهد کرد.

یادگیری فعال راه حل موثرتری در برخورد با چالش‌های هوش‌مصنوعی است

بهبود فرآیند یادگیری از مسائل مهم در حوزه هوش‌مصنوعی و یادگیری ماشینی است. به گفته پژوهشگران، پاسخ چالش‌های پیش‌روی یادگیری ماشینی و هوش‌مصنوعی، همیشه تغذیه مدل با داده‌های بیشتر نیست. در واقع، داده‌ بیش از حد می‌تواند عملکرد مدل یادگیری ماشین را مختل کند، مدرس دانشگاه دوک، دانیل ریکر در این باره می‌گوید: مثل این است که بخواهید الگوریتمی آموزش دهید تا تصاویر سگ‌ها و گربه‌ها را تشخیص دهد، اما به او یک میلیارد عکس از سگ و فقط صد عکس از گربه برای یادگیری بدهید؛ الگوریتم به حدی در تشخصی سگ‌ها خوب می‌شود که هر چیزی برایش شبیه سگ به نظر می‌رسد و دیگر موجودات به کلی فراموش می‌شوند. به گفته محققان باید از تکنیک «یادگیری فعال» استفاده کرد که نقاط ضعف در مجموعه داده‌ها را شناسایی می‌کند و با استفاده از فقط یک دهم داده‌ها، موثرتر عمل می‌کند.

تشخیص محتوای تولید شده توسط هوش‌مصنوعی

تشخصی محتوای تولید شده توسط هوش‌مصنوعی و انسان همواره از مسائل داغ این حوزه بوده است. طبق تحقیقی در دانشگاه کالج لندن که روی انگلیسی و ماندارین زبان‌ها انجام شد، مشخص شده‌است که که مردم تنها ۷۳ درصد مواقع قادر به تشخیص گفتار واقعی از گفتار مصنوعی بودند.

اما نباید فراموش کرد که به احتمال زیاد در حوزه هوش‌مصنوعی فناوری از توانایی ما در تشخیص آن سریع‌تر حرکت می‌کند.