دیر به مکالمه پیوستم، متوجه‌ام!بیایید دست‌هایمان را بالا ببریم: چه کسی از ابزارهای هوش مصنوعی مولد مانند ChatGPT، Gemini یا DeepSeek استفاده کرده است؟ 🙋 تقریباً همه، عالی است! حالا اگر می‌دانید که GenAI چگونه کار می‌کند، دستتان را بالا نگه‌دارید. اوه نه. . . 😅 اگر دستتان پایین است، نگران نباشید!این یک موضوع پیچیده است. در حالی که برای نقشتان مفید است که از این فناوری پیشرفته بهره ببرید، ممکن است احساس کنید: “من یک دانشمند داده نیستم، پس چرا باید جزئیات را بیاموزم؟” اما کنجکاوی شما کجاست؟ 😛 شوخی کنار بگذاریم، اگر کنجکاو هستید که GenAI چگونه کار می‌کند بدون نیاز به تخصص فنی، با من همراه شوید!فقط یک یادآوری: اینجا جای یادگیری مهارت‌های پیشرفته مانند ایجاد درخواست‌های بهتر یا عمیق شدن در جزئیات ریاضی نیست. بیایید آن را به سه نکته اصلی تقسیم کنیم: 1. **درک اصول اولیه AI** 🔮 مدل‌سازی پیش‌بینی، یک شاخه از یادگیری ماشین (ML)، معمولاً به‌صورت 'نظارت‌شده' است—شما هدفی را برای پیش‌بینی انتخاب می‌کنید و از ویژگی‌های مرتبط استفاده می‌کنید. AI به پیش‌بینی نتایج بر اساس داده‌های موجود کمک می‌کند. به عنوان مثال، اگر بخواهید آب و هوای امروز لندن را بدون خروج از خانه حدس بزنید، ممکن است دما، فصل و شرایط گذشته را در نظر بگیرید تا یک حدس معقول بزنید.

این کاری است که یادگیری ماشین انجام می‌دهد: الگوریتم‌ها را به‌روزرسانی می‌کند تا نتایج آینده را بر اساس داده‌های گذشته استنباط کند. 2. **چه چیزی GenAI را متمایز می‌کند** 🎢 هوش مصنوعی مولد با هوش مصنوعی سنتی تفاوت دارد زیرا هنوز پیش‌بینی نتایج را انجام می‌دهد ولی به‌طور خاص داده‌های غیرساختاری (متن، تصاویر و غیره) تولید می‌کند. با وجود برخی تصورات غلط، اصول آن کاملاً جدید نیستند؛ به‌عنوان مثال، چت‌بات کلاسیک الیزا. آنچه اخیراً تغییر کرده، انفجار داده‌ها و پیشرفت‌های مربوط به پردازش زمینه است. با فناوری‌هایی مانند "مکانیسم توجه"، GenAI می‌تواند جنبه‌های مربوط به داده‌ای که با آن کار می‌کند را در اولویت قرار دهد و دقت در تولید را بهبود بخشد. 3. **چگونه GenAI کار می‌کند** 🌌 GenAI هدفی را با استفاده از داده‌ها پیش‌بینی می‌کند و زمینه را از طریق مکانیسم توجه خود اعمال می‌کند. آنچه متفاوت است نوع داده و هدف، بسته به اینکه آیا شما در حال تولید متن، تصویر یا ویدئو هستید. تولید متن به طور خاص به دو تکنیک اصلی وابسته است: - **مدل‌سازی زبان پنهان (MLM)**: مدل کلمات گمشده را بر اساس زمینه پیش‌بینی می‌کند که منجر به چندین گزینه ممکن می‌شود. - **پیش‌بینی جمله بعدی (NSP)**: مدل بیشترین جمله منطقی بعدی را از گزینه‌های داده شده انتخاب می‌کند. این یک مرور ساده‌شده است!چیزهای بیشتری برای کشف در مورد هوش مصنوعی مولد وجود دارد، اما حالا باید احساس اعتماد به نفس بیشتری در درک اصول اساسی آن داشته باشید. ممنون که به من پیوستید و احساس راحتی کنید که در LinkedIn یا از طریق ایمیل سوالاتی دارید!😊