فصل ۱ · درس ۲ از ۴۳

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

دستهکاربرد شخصیکاربرد سازمانی
برنامه‌نویسینوشتن اسکریپت، رفع باگتولید کد، بازنویسی سامانهٔ قدیمی، تست خودکار
تصویر و ویدیوویرایش عکس، ساخت کلیپطراحی، تولید تبلیغ، ساخت ارائه
نوشتنایمیل، پست شبکهٔ اجتماعیکپی‌رایتینگ، SEO، گزارش و مستندات
آموزشمعلم خصوصی، تمرین زبانآموزش کارمند تازه‌وارد، تصحیح آزمون
گفت‌وگودستیار شخصی، همدمپشتیبانی مشتری، دستیار فروش
پردازش اطلاعاتخلاصهٔ مقاله، ترجمهتحلیل قرارداد، استخراج داده از فاکتور
جست‌وجو و QAپرسیدن از اسناد شخصیجست‌وجو در دانش سازمانی
اتوماسیونمرتب کردن ایمیلمسیریابی 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

آزمونک ۱

«چالش آخرین مایل» در محصول هوش مصنوعی یعنی چه؟

آزمونک ۲

کدام کار برای مدل پایه مناسب‌تر است؟

مرور فلش‌کارت‌های این درس

۳ کارت · ۰ مرور

وارد شوید تا پیشرفتتان ذخیره شود و از همین‌جا ادامه دهید.

آکادمی هوش مصنوعی شیدهوش — بخشی از shidhoosh.com