القاهرة : الأمير كمال فرج.

ركز كل الاهتمام حول نماذج الذكاء الاصطناعي مثل ChatGPT على قدرتها على الكتابة - ولكن في الحقيقة قيمة هذه التطبيقات في القراءة.

ذكر كريستوفر برينان في تقرير نشره موقع Sifted أن "من المنطق القول بثقة أن مليون قرد يطرقون على مليون آلة كاتبة سيعيدون في النهاية إنتاج الأعمال الكاملة لشكسبير. كل هذا جيد للقرود، لكنه في الواقع ليس مفيدًا للبشر".

يمكن أن يشعر العالم العالمي المتصل بالإنترنت الذي نعيش فيه بالفوضى أمام وابل من النصوص المكتوبة بواسطة القرود. تستيقظ ذات صباح وتجد أن المودعين في البنوك ـ كثير منهم يتخذون قرارات أثناء متابعتهم لمواقع التواصل الاجتماعي ـ مذعورون مع انهيار مؤسسة مالية كبرى في غضون ساعات. نماذج اللغات الكبيرة (LLMs) مثل ChatGPT  و GPT-4 ، والتي يمكن أن تدور حول اللقطات الساخنة ومنشورات المدونات في دقيقة واحدة ، تجعل هذا الضجيج أسوأ.

ولكن على الرغم مما يعتقده العديد من المستثمرين، فإن القيمة الحقيقية للتقدم التكنولوجي في نماذج اللغة لا تضيف إلى الضوضاء. القيمة الحقيقية ليست في "الكتابة" ولكن في "القراءة". بعبارة أخرى، القدرة على تكوين البصيرة لفهم كل شيء.

سيكون المؤسسون الذين سيتغلبون على دورة الضجيج التوليدية للذكاء الاصطناعي هم أولئك الذين يضعون هذا الأمر في الاعتبار، بدلاً من منشئ نسخ تسويقي آخر يعمل بنظام GPT-4.

تحليل التغطية الإعلامية لـ SVB

في الآونة الأخيرة، تركزت الإثارة حول إمكانات اللغات الكبيرة LLM - وانتقادها - على قدرتها على الكتابة. خذ نعوم تشومسكي وزملائه في تأليف صحيفة نيويورك تايمز، الذين انتقدوا "الوعد الكاذب لـ ChatGPT" لأنه لا يحاكي تمامًا الطريقة التي يتعلم بها البشر اللغة.

من المرجح أن تزداد هذه التنديدات، بالإضافة إلى الاقتراحات السخيفة بأن الذكاء الاصطناعي هو في الواقع شخص محاصر في الكمبيوتر، مع القدرات الموضحة في GPT-4. إنها أيضًا أمثلة رائعة للتركيز على أسئلة الخيال العلمي بدلاً من فوائد استخدام اللغات الكبيرة LLM ، مما يساعدنا على القيام بعمل (تأتي كلمة "robot" من الجذر السلافي لكلمة "work") التي لا يمكننا القيام بها بمفردنا. بعبارة أخرى، جانب القراءة الذي تحدثت عنه.

لا تحتاج النماذج اللغوية الكبيرة إلى أن تكون قادرة على "فهم" الأفكار والمفاهيم بالطريقة نفسها التي يتعامل بها البشر من أجل التمكن من إجراء تمييزات ذات مغزى موثوقة تكرر العمل البشري.

في شركة Overtone، استخدمنا مؤخرًا نموذجنا لتحليل التغطية الإعلامية التي أدت إلى الذعر في بنك وادي السيليكون Silicon Valley Bank) SVB). قراءة وتقييم 1000 مقال في غضون دقيقة أمر مستحيل على الإنسان، ولكن من الممكن الآن باستخدام نماذج اللغة "قراءة" وإنشاء نقاط بيانات حول هذه المقالات على الفور.

نقاط البيانات أهم من استخراج الكيانات أو المشاعر (ما تم استخدامه في البرمجة اللغوية العصبية حتى وقت قريب) وهي قادرة على تصنيف كميات ضخمة من النص بدقة بطرق مفهومة ومفيدة للإنسان، مثل محرر يقرر المقالات التي يجب تضمينها في رسالة إخبارية أو متخصص في العلاقات العامة يستجيب لأزمة ما. لكن لاحظ: الذكاء الاصطناعي لا يضيف إلى الضوضاء.

وخز الدب

أولئك الذين يركزون بشكل مفرط على فوائد كتابة LLM قاموا بترويج طرق جديدة للبشر للتفاعل مع التكنولوجيا، مثل كونها "هندسة سريعة"، والذي يتم من خلالها إلقاء مجموعات مختلفة من المدخلات في نماذج الصندوق الأسود من أجل الحصول على أفضل نتيجة.

بالنسبة لي، هذا يفتقد قوة النماذج اللغوية لتحليل النص وتصنيفه، بما في ذلك الفئات التي يمكن أن تحدد ما إذا كان الناتج التوليدي يفعل ما يريده الإنسان الذي يحفز الآلة. كما قال أحد الأساتذة لصحيفة The Washington Post، فإن الهندسة السريعة "ليست علمًا ... إنها" دعونا لوخز الدب بطرق مختلفة ونرى كيف يعاود الزئير".

بصفتي شخصًا أمضى الجزء الأول من حياتي المهنية كمراسل ومحرر، فإن عمل إنتاج المحتوى عبر الإنترنت ليس، أو على الأقل لا ينبغي ، أن يكون حول إنشاء * جزء * من المحتوى. يجب أن يتعلق الأمر بإنشاء * جزء * من المحتوى الذي يُعلم جمهورك أو يسليهم أو يلهمهم لتلبية احتياجات المستخدمين الخاصة بهم.

بدلاً من الهندسة السريعة وتدوير عجلة الإنتاج التوليدي، ستركز أفضل الأعمال القائمة على نماذج اللغة على الضبط الدقيق باستخدام نماذج "القراءة" الخاصة بها لإنشاء اتصال فعال للمستخدمين والقراء بشكل موثوق. يمكن لهؤلاء المستخدمين، البشر ، الحصول على قيمة من تلقي المعلومات التي لم يتم نشرها على الإنترنت فحسب، بل تم وضعها معهم واحتياجاتهم في الاعتبار.

سيكون العثور على حالات الاستخدام الصحيحة وخلق القيمة لـ "القراء" من أهم الأعمال التي يمكن أن تقوم بها الشركات الناشئة حيث أصبح الوصول إلى النماذج اللغوية الكبيرة LLMs متاحًا بشكل متزايد، كما رأينا هذا الأسبوع مع تدريب حيوان الألبكة في جامعة ستانفورد على قدر ضئيل نسبيًا من قوة الحوسبة.

يشعر المستثمرون بالقلق بشأن قابلية الدفاع عن شركات الذكاء الاصطناعي، وستقوم إحدى الخنادق القليلة بإنشاء اتصال بالمستخدمين وإنشاء * المحتوى * الذي يحتاجون إليه.

مثال جريج بروكمان على البث المباشر لمطور GPT-4 الذي يظهر تحليل مستند ضريبي هو مثال جيد ، لكن القيمة لا تكمن في قدرة GPT-4 على إخراج معلومات حول رمز الضريبة إما كمحادثة أو كقصيدة. تكمن القيمة في القدرة على التحليل من خلال مستند مثل رمز الضريبة واستخدام القواعد الحالية حول اللغة لمعرفة كيفية عمل القواعد الضريبية المختلفة معًا.

يمكن للشركات في صناعات محددة، من التعليم إلى الترفيه ، أن تخلق قيمة مماثلة لأنها تعرف مشاكل مستخدميها وقرائها وكيف يجب تصور اللغة والتعبير عنها لحل هذه المشكلات.

النماذج اللغوية الكبيرة لها حدودها، لكن التركيز على الكتابة أخذ النقاش بعيدًا عن فائدتها الحقيقية في الوقت الحاضر، باستخدام اللغة لفهم كل اللغة الموجودة هناك. ستركز أفضل الأنشطة التجارية على حل مشاكل الأشخاص، وكل شيء آخر يدور حوله.