مدل پایه به چه دردی میخورد؟
قبل از اینکه چیزی بسازید، باید حس درستی از تواناییها و ناتوانیهای این ابزار داشته باشید. این درس نقشهٔ کاربردهاست.
فهرست کردن تمام کاربردهای ممکن مدلهای پایه عملاً شدنی نیست؛ هر روز چیز تازهای اضافه میشود. ولی الگوها محدودند. اگر الگوها را بشناسید، میتوانید فرصتهای امروز را ببینید و حدس بزنید فردا چه میآید.
هشت دستهٔ اصلی
| دسته | کاربرد شخصی | کاربرد سازمانی |
|---|---|---|
| برنامهنویسی | نوشتن اسکریپت، رفع باگ | تولید کد، بازنویسی سامانهٔ قدیمی، تست خودکار |
| تصویر و ویدیو | ویرایش عکس، ساخت کلیپ | طراحی، تولید تبلیغ، ساخت ارائه |
| نوشتن | ایمیل، پست شبکهٔ اجتماعی | کپیرایتینگ، SEO، گزارش و مستندات |
| آموزش | معلم خصوصی، تمرین زبان | آموزش کارمند تازهوارد، تصحیح آزمون |
| گفتوگو | دستیار شخصی، همدم | پشتیبانی مشتری، دستیار فروش |
| پردازش اطلاعات | خلاصهٔ مقاله، ترجمه | تحلیل قرارداد، استخراج داده از فاکتور |
| جستوجو و QA | پرسیدن از اسناد شخصی | جستوجو در دانش سازمانی |
| اتوماسیون | مرتب کردن ایمیل | مسیریابی تیکت، پرکردن فرم |
قاعدهٔ سرانگشتی: کجا خوب است، کجا نه
یک پژوهش معروف، شغلها را بر اساس «میزان در معرض بودن» نسبت به هوش مصنوعی رتبهبندی کرده است. تعریفشان دقیق است: یک کار در معرض است اگر هوش مصنوعی بتواند زمان انجامش را دستکم نصف کند.
نتیجه، الگوی روشنی دارد. شغلهایی با بیشترین در معرض بودن: مترجم، پژوهشگر نظرسنجی، نویسنده، کارشناس روابط عمومی، حسابدار مالیاتی، طراح وب. شغلهایی با کمترین: آشپز، سنگتراش، ورزشکار.
دو چیزی که باید حواستان باشد
در برابر این، سه نوع مزیت رقابتی وجود دارد: فناوری، داده و دسترسی به کاربر. با مدلهای پایه، فناوری تقریباً برای همه یکسان شده. دسترسی به کاربر معمولاً دست شرکتهای بزرگ است. پس چیزی که برای یک تیم کوچک واقعاً میماند، داده است — بهویژه دادهٔ استفادهٔ کاربران واقعی شما. به همین دلیل است که در فصل ۱۰ یک فصل کامل روی جمعآوری بازخورد کار میکنیم.
خودآزمایی
«چالش آخرین مایل» در محصول هوش مصنوعی یعنی چه؟
کدام کار برای مدل پایه مناسبتر است؟
مرور فلشکارتهای این درس
۳ کارت · ۰ مروروارد شوید تا پیشرفتتان ذخیره شود و از همینجا ادامه دهید.