روبات نویسنده | یک تجربه ذهنی

سال ۲۰۱۸ میلادی را می‌توان نقطهٔ عطفی در توسعه هوش مصنوعی مولد (Generative AI) دانست. زمانی که شرکت Open AI – که تازه سه ساله شده بود و نامش مثل امروز شناخته‌شده نبود – مقاله‌ای با عنوان «بهبود درک زبان با استفاده از Generative Pre-Training» منتشر کرد (فایل PDF مقاله). GPT-1 و GPT-2 در همان سال منتشر شد.

البته هنوز هیچ‌یک از ما نمی‌دانستیم که GPT قرار است در ذهن بسیاری از مردم معادل Generative AI و حتی معادل «هوش مصنوعی» جا بیفتد (نسل قبل، همیشه جا افتادن برندها را را با کُلمن و کلینکس و اسکاچ مثال می‌زدند).

همان ایام، گوگل هم درگیر پروژهٔ مشابهی با عنوان BERT‌ بود (مخفف Bidirectional Encoder Representations from Transformers).

وجود Siri در سیستم iOS و دستیار هوشمند آمازون الکسا نشان می‌داد که هوش مصنوعی مولد، یکی از جهت‌گیری‌های اصلی تکنولوژی است. اما از آن‌جا که کیفیت عملکرد مدل‌های زبانی تابع متن‌هایی است که با آن آموزش می‌بینند، هنوز نمی‌شد کیفیت خروجی را به خوبی پیش‌بینی کرد.

اما یک نقطهٔ روشن و امیدبخش برای محققان NLP (پردازش زبان طبیعی) وجود داشت:‌ مدل‌های زبانی سال‌ها به متن کتاب‌ها و وب‌سایت‌ها محدود بودند.  و اکنون انفجار کلمات در شبکه‌های اجتماعی، فرصتی شگفت‌‌آور بود تا پیکرهٔ‌ زبانی بسیار بزرگی به داشته‌های قبلی اضافه شود و حسرت «پیکرهٔ‌ زبانی بزرگ از مکالمات روزمره» برای همیشه به فراموشی سپرده شود.

ما آن زمان با نیم‌نگاهی به آن‌چه در این حوزه در جریان بود (و با شناختی از نزدیک نیم قرن تکامل تدریجی دانش زبان‌شناسی محاسباتی داشتیم)‌ یکی از تمرین‌های تجربه ذهنی متمم را به این بحث اختصاص دادیم (تاریخ ۲۶ اردیبهشت ۱۳۹۷).

آن زمان از دوستان متممی خواستیم ده سال بعد را تصور کنند و اکنون که حدود شش سال از آن ده سال گذشته، زمان خوبی است که هم نظرات آن سال‌ها را بخوانیم و هم جدی‌تر به همان تجربهٔ ذهنی فکر کنیم.

آن‌چه تا این‌جا خواندید،‌ تازه به متن اضافه شده و بقیهٔ متن را که در ادامه می‌آید، به همان شکلی که در ابتدای سال ۱۳۹۷ منتشر شد حفظ کرده‌ایم. از این کار هم دو انگیزه داریم:

• وقتی تمرین‌ها و نظرات قدیمی‌تر دوستان‌‌تان را می‌خوانید، به خاطر داشته باشید که در چه زمان و فضایی به این سوال فکر کرده‌اند.
• خواندن متنی که به دغدغهٔ این روزها مربوط است و در آن سال‌ها منتشر شده، جذاب‌تر از خواندن متن جدیدی است که امروز به یک بحث عمومی تبدیل شده است.

خوشحال می‌شویم مثل همهٔ درس‌ها و تجربه های ذهنی متمم، نگاه و تحلیل و نظر خود را زیر این بحث هم مطرح کنید.

شاید اصطلاح NLG یا Natural Language Generation (تولید زبان طبیعی) را پیش از این هم شنیده باشید.

NLG یکی از زیرمجموعه‌های هوش مصنوعی است و متخصصان این رشته می‌کوشند الگوریتم‌ها و ماشین‌هایی طراحی کنند که بتوانند خروجی مشابه نوشته‌ها / گفته‌های انسان داشته باشند.

این تلاش‌ها که طی چند دهه‌ی گذشته ادامه داشته در حال حاضر هم، دستاوردهای ارزشمندی داشته است. اما هنوز تا زمانی که خروجی ماشین از نوشته و گفته‌ی انسان قابل تشخیص نباشد، فاصله داریم.

این بار قرار است یک تجربه ذهنی الهام‌گرفته از NLG را با هم مرور کنیم.

فرض کنید حدود ده سال در زمان جلو رفته‌ایم و می‌دانیم که حدود ۹۰٪ دیدگاه‌ها و تمرین‌هایی که در زیر درس‌های متمم وجود دارند، توسط روبات‌های نویسنده تولید شده‌اند.

این روبات‌ها مانند انسان‌هایی که کاربر متمم هستند، برای خود پروفایل تعریف کرده‌اند و نام‌هایی شبیه انسان‌ها هم انتخاب کرده‌اند.

هم‌چنین به ابزارهای گردآوری و تحلیل متن در فضای وب (مثلاً Text mining) مجهز هستند و می‌توانند نوشته‌ها و متن‌های آنلاین را گردآوری، تجربه و تحلیل کنند و در نوشته‌های خود به کار گیرند.

شما کامنت‌ها را در درس‌های مختلف می‌خوانید و در تلاش هستید از روی روح کلی متن و جمله‌بندی و محتوا، حدس بزنید که کدام نوشته‌ها توسط روبات‌ها نوشته شده‌اند.

در این کار، قرار نیست جمله‌ها را در گوگل سرچ کنید یا از ابزارهای دیگر استفاده کنید؛ بلکه در موقعیت یک نویسنده و بر اساس قضاوت و داوری ذهنی خود اظهارنظر خواهید کرد (هم‌چنین به سابقه‌ی ذهنی خود درباره‌ی دوستان متممی در فضای فیزیکی استناد نکنید).

ترتیبی که متمم برای خواندن مطالب سری چالش نوشتن به شما پیشنهاد می‌کند: