< Return to Video

Chatbots and Large Language Models Part 2

  • 0:07 - 0:11
    مشکلِ مثال قبلی این است که در هر مقطع،
  • 0:11 - 0:15
    هوش مصنوعی فقط یک حرف را برای انتخاب مورد بعدی در نظر می‌گیرد.
  • 0:16 - 0:20
    این زمینه‌ی کافی‌ای نیست،
    در نتیجه خروجی مفیدی هم نمی‌دهد.
  • 0:21 - 0:22
    اگه بتوانیم هوش مصنوعی را
  • 0:22 - 0:27
    جوری آموزش بدهیم که دنباله‌ای از حروف، مثل جملات یا پاراگراف‌ها را در نظر بگیرد
  • 0:27 - 0:30
    تا زمینه بیشتری برای انتخاب مورد بعدی به آن بدهیم چطور؟
  • 0:30 - 0:33
    برای این کار، نه از یک جدول احتمالات ساده،
  • 0:33 - 0:36
    بلکه از یک شبکه عصبی استفاده می‌کنیم.
  • 0:36 - 0:39
    شبکه عصبی، یک سیستم کامپیوتری است که
  • 0:39 - 0:41
    تا حدی از نورون‌های مغز الهام گرفته شده و
  • 0:41 - 0:45
    با استفاده از مجموعه‌ای از اطلاعات، آموزش دیده
    و با آموزش کافی،
  • 0:45 - 0:50
    می‌تواند یاد بگیرد که اطلاعات جدید را دریافت کند و پاسخ‌های ساده بدهد.
  • 0:51 - 0:54
    پاسخ‌ها، همیشه شامل احتمالات می‌شوند،
  • 0:54 - 0:56
    چون گزینه‌های زیادی می‌توانند وجود داشته باشند.
  • 0:57 - 1:00
    حالا بیاید به یک شبکه عصبی
  • 1:00 - 1:05
    بر اساس تمام توالی‌های حروف نمایشنامه‌های شکسپیر آموزش بدهیم
  • 1:05 - 1:09
    تا بفهمیم احتمال دارد چه حرفی در ادامه بیاید.
  • 1:11 - 1:16
    وقتی این کار را انجام بدهیم، شبکه‌های عصبی می‌توانند هر توالی جدیدی را بگیرند
  • 1:16 - 1:18
    و پیش‌بینی کنند که چه حرفی می‌تواند حرف بعدیِ خوبی باشد.
  • 1:18 - 1:21
    گاهی اوقات، پاسخ واضح است، ولی معمولاً اینطور نیست.
  • 1:22 - 1:23
    معلوم شده است که
  • 1:23 - 1:26
    این رویکرد جدید خیلی خیلی بهتر کار می‌کند.
  • 1:26 - 1:30
    هوش مصنوعی با نگاه کردن به توالی حروفی که به اندازه کافی طولانی باشند،
  • 1:30 - 1:36
    می‌تواند الگوهای پیچیده‌ای را یاد بگیرد و از آنها برای تولید متون کاملاً جدید استفاده کند.
  • 1:36 - 1:39
    هوش مصنوعی یک بار دیگر با یک حرف ابتدایی شروع می‌کند
  • 1:39 - 1:44
    و بعد، از احتمالات استفاده می‌کند تا حروف بعدی را انتخاب کند.
  • 1:45 - 1:47
    ولی این بار، احتمالات بر اساس
  • 1:47 - 1:51
    کل زمینه‌ای‌ است که از قبل آمده.
  • 1:52 - 1:56
    همانطور که می‌بینید، به طرز شگفت‌انگیزی خوب کار می‌کند.
  • 1:56 - 2:00
    حالا، سیستمی مثل ChatGPT از رویکردی مشابه استفاده می‌کند،
  • 2:00 - 2:04
    ولی با سه افزونه خیلی مهم؛
  • 2:04 - 2:07
    اول، به جای اینکه فقط در مورد شکسپیر آموزش ببیند،
  • 2:07 - 2:10
    به تمام اطلاعاتی که می‌تواند در اینترنت پیدا کند،
  • 2:11 - 2:15
    از جمله تمام مقالات موجود در Wikipedia یا تمام کدهای روی GitHub، نگاه می‌کند.
  • 2:15 - 2:19
    دوم، به جای یادگیری و پیش‌بینی حروف
  • 2:19 - 2:24
    از بین فقط 26 حرف الفبا، به علائمی نگاه می‌کند که
  • 2:24 - 2:30
    یا کلمات کامل هستند یا بخش‌هایی از کلمات یا حتی کُدها.
  • 2:31 - 2:32
    و تفاوت سوم اینکه
  • 2:32 - 2:36
    سیستمی با این پیچیدگی،
  • 2:36 - 2:41
    نیازمند تنظیم انسانی زیادی‌ است تا مطمئن شود نتایج معقولی را
  • 2:41 - 2:46
    در موقعیت‌های مختلف ایجاد می‌کند و در عین حال از مشکلاتی مثل
  • 2:46 - 2:51
    تولید محتوای خیلی مغرضانه یا حتی خطرناک هم محافظت کند.
  • 2:51 - 2:55
    حتی بعد از انجام این تنظیمات هم باید توجه داشته باشید که این سیستم
  • 2:55 - 2:59
    هنوز فقط از احتمالات تصادفی برای انتخاب کلمات استفاده می‌کند.
  • 3:00 - 3:02
    یک مدل زبانی بزرگ می‌تواند
  • 3:02 - 3:06
    نتایج باورنکردنی‌ای ایجاد کند که به نظر جادویی میاید،
  • 3:06 - 3:11
    ولی چون واقعاً جادو نیست، اغلب ممکن است اشتباه کند.
  • 3:11 - 3:13
    و وقتی هم اشتباه می‌کند، مردم می‌پرسند
  • 3:13 - 3:18
    آیا یک مدل زبانی بزرگ، هوش واقعی دارد؟
  • 3:18 - 3:21
    بحث درباره هوش مصنوعی اغلب باعث
  • 3:21 - 3:24
    جدل‌های فسلفی درباره معنای هوش می‌شود.
  • 3:24 - 3:28
    برخی معتقدند یک شبکه عصبی که کلمات را با استفاده از احتمالات تولید می‌کند،
  • 3:28 - 3:32
    هوش واقعی ندارد.
  • 3:32 - 3:35
    اما چیزی که جای هیچ بحثی ندارد این است که
  • 3:35 - 3:38
    مدل‌های زبانی بزرگ، نتایج شگفت‌انگیزی تولید می‌کنند
  • 3:38 - 3:41
    که در بسیاری حوزه‌ها، کاربرد دارند.
  • 3:41 - 3:46
    این فناوری همین حالا هم برای ساخت برنامه‌ها و وب‌سایت‌ها،
  • 3:46 - 3:51
    کمک به تولید فیلم‌ها و بازی‌های ویدیویی
    و حتی کشف داروهای جدید مورد استفاده قرار می‌گیرد.
  • 3:51 - 3:56
    شتاب سریع هوش مصنوعی تاثیرات عظیمی بر جامعه خواهد داشت
  • 3:56 - 4:00
    و درک این فناوری، برای همه مهم است.
  • 4:00 - 4:03
    چیزی که من مشتاقانه منتظرش هستم چیزهای شگفت‌انگیزی‌ است که
  • 4:03 - 4:07
    مردم با هوش مصنوعی خلق خواهند کرد و امیدوارم شما هم با اشتیاق زیاد
  • 4:07 - 4:12
    شروع به یادگیری بیشتر در مورد نحوه عملکرد هوش‌مصنوعی و کشف چیزهایی کنید که می‌توانید با آن بسازید.
Title:
Chatbots and Large Language Models Part 2
Description:
more » « less
Video Language:
English
Team:
Code.org
Project:
How AI Works
Duration:
04:16

Persian subtitles

Revisions Compare revisions

Our website uses cookies for analysis purposes.