۳۰ شهریور ۱۴۰۳

Techboy

اخبار و اطلاعات روز تکنولوژی

بزرگترین مانع برای بهره وری هوش مصنوعی، مردم هستند

هوش مصنوعی مولد به ما کمک می کند تا محتوای بسیار بیشتری را با سرعت قابل توجهی تولید کنیم، در حالی که آنچه واقعاً به آن نیاز داریم محتوای بهتر است. این به انسان بستگی دارد که بر کیفیت و ارزش تمرکز کند.

هوش مصنوعی مولد به ما کمک می کند تا محتوای بسیار بیشتری را با سرعت قابل توجهی تولید کنیم، در حالی که آنچه واقعاً به آن نیاز داریم محتوای بهتر است. این به انسان بستگی دارد که بر کیفیت و ارزش تمرکز کند.

هرچه تجربه بیشتری با هوش مصنوعی مولد (GenAI) داشته باشم، همزمان خوشبین تر و محتاط تر می شوم. خوش‌بینی شاید واضح باشد: GenAI این پتانسیل را دارد که به طور قابل توجهی بهره‌وری را بهبود بخشد، چه یک برنامه‌نویس یا یک کارمند اداری یقه سفید. در واقع، می‌دانستم که لحظه GenAI واقعا فرا رسیده است زمانی که خواهر شوهرم مددکار اجتماعی به من گفت که او به طور فعال از ChatGPT برای کمک به ساخت ایمیل‌ها، پیشنهادات و موارد دیگر استفاده می‌کند و برای آن ستایش می‌کند. چگونه به او کمک کرد تا کارهای بیشتر و بهتر و سریعتر انجام دهد. مثل داشتن یک دستیار پر شارژ است.

اما یکی از نکات منفی این است که ما همیشه نمی دانیم خروجی GenAI بی کیفیت است یا به سادگی اشتباه است. همانطور که نوشته ام، تا زمانی که قادر به ایجاد کد یا محتوا در سطح خاصی نباشید، نمی دانید چه زمانی ابزار GenAI شما به آن سطح رسیده است. اشتباه گرفتن می تواند از شرم آور تا فاجعه آمیز متغیر باشد. و سپس مشکل شناسایی توسط کریگ راث، تحلیلگر گارتنر: از آنجایی که ایجاد محتوا برای همه آسان‌تر می‌شود، یافتن محتوای مورد نیاز برای هر یک از ما نیز سخت‌تر می‌شود، که منجر به «تصمیم‌های بدی می‌شود که می‌توانند بزرگ باشند. تأثیر می‌گذارد.”

مایکروسافت از کتابخانه TypeChat برای ساخت رابط های زبان طبیعی رونمایی کرد

واضح است که فهمیدن نحوه مدیریت این همه «بیشتر» GenAI یک مشکل بزرگ است، مشکلی که به طور جادویی یک شبه حل نخواهد شد. اما کلید حل آن با مردم شروع می شود و به پایان می رسد.

هوش مصنوعی شما را شکسپیر نمی کند

پیدا کردن مطالعاتی که ادعا می‌کنند بهره‌وری یقه سفید و دستاوردهای کیفی GenAI را نشان می‌دهند چندان سخت نیست. Take this one published in علم. در این مطالعه ۴۵۳ بازاریاب، تحلیل‌گر داده و متخصصان تحصیل‌کرده در دانشگاه، وظایف کاری استاندارد، مانند نوشتن یک بیانیه مطبوعاتی را با و بدون ابزار GenAI انجام دادند. آنها دریافتند که نویسندگان خوب می توانند سریعتر کار کنند (تا ۴۰٪ سریعتر)، و نویسندگان ضعیفتر می توانند محتوای بهتری تولید کنند (۱۸٪ بهتر، همانطور که توسط متخصصان صنعت اندازه گیری شده است).

این عالی است، اگر قطعی نباشد. برای یک چیز، نوع نوشتنی که از آنها خواسته شده است (به عنوان مثال، بیانیه های مطبوعاتی) معمولاً به هر حال نوشتن با کیفیت بالا نیست. (آخرین باری که خواستید یک بیانیه مطبوعاتی را بخوانید چه زمانی بود؟ ایجاد حتی بیشتر بیانیه های مطبوعاتی زباله لزوماً چیز خوبی نیست.) اما مهمتر از آن، نویسندگان ضعیف تر واقعاً نمی دانند که محصول نهایی کارشان بهتر بوده است. شاید برای آنها بهتر به نظر برسد، اما آنها چگونه می دانند؟ به هر حال، طبق تعریف، آنها نویسندگان خوبی نیستند. من دوستانی داشتم که از ChatGPT برای ایجاد مقاله‌های «بازاریابی محتوا» استفاده می‌کردند، و آنها با اشتیاق از نتایج به دست می‌آمدند. با این حال، وقتی مقاله ها را خواندم، آنها بسیار ضعیف و کسل کننده به نظر می رسیدند (که اگر بخواهیم منصف باشیم، دقیقاً همان چیزی است که بیشتر بازاریابی محتوا به نظر می رسد).

در داخل مراکز داده ابری هوش مصنوعی Azure امروز

البته، برای مفید بودن، لازم نیست همه محتوا به خوبی نوشته شود. همانطور که پاتریک کالیسون می نویسد< /a>، “مصرف کنندگان در تلاش برای به دست آوردن کسب و کار خود با سطوح صنعتی جعلی ضربه می زنند.” شرکت هایی مانند گوگل و تریپ ادوایزر باید به طور مداوم میلیون ها نظر جعلی درباره هتل ها و رستوران ها را پیدا کرده و حذف کنند. تولید انبوه نقدهایی با صدای معقول اما جعلی آنقدر آسان شده است که به زودی بسیاری از آنچه می خوانیم ممکن است واقعاً «اخبار جعلی» باشد. بدتر از آن، همانطور که کالیسون دریافت، GenAI سعی نمی‌کند حقیقت را بیان کند، بلکه سعی می‌کند چیزهایی بگوید که منطقی به نظر می‌رسند، و اغلب به کلیشه‌ها تبدیل می‌شود.

متأسفانه، سعی دارد این کمبودها را با حجم جبران کند.

مشکل “بیشتر”

بیشتر مردم در حال حاضر برای یافتن اطلاعات مورد نیاز خود با مشکل مواجه هستند و همین امر منجر به کسب و کار جستجوی عظیم گوگل شد. راث می‌گوید در داخل شرکت، تقریباً یک سوم از پاسخ‌دهندگان به نظرسنجی کارگران دیجیتال گارتنر در سال ۲۰۲۲ گزارش دادند که اغلب برای یافتن اطلاعات مورد نیاز برای انجام وظایف خود به خوبی تلاش می‌کنند. شاید بدتر از آن، ۲۲٪ به دلیل حجم زیاد برنامه ها و اطلاعاتی که به آنها داده می شود، به روز رسانی های مهم را از دست داده اند. این وضعیت کارگران در دنیای قبل از GenAI است.

مشاغل پردرآمد جدید در هوش مصنوعی مولد

راث می‌گوید: «اکنون محتوای بیشتری را که با سرعت بیشتری تولید می‌شود، تولید کنید، ایمیل‌هایی که قبلاً کوتاه و دقیق بودند، اکنون ممکن است توسط هوش مصنوعی به طور کامل و مؤدبانه در شرکت‌ها صحبت کنند.» یک مشکل بد به طور چشمگیری بدتر می شود زیرا افراد بیشتری محتوای بیشتری با کیفیت متوسط ​​تولید می کنند و به هوش مصنوعی اعتماد می کنند تا حقایق را درست نشان دهد. و اغلب نمی شود؛ چیزهایی مانند ChatGPT به حقیقت علاقه ندارند – این چیزی نیست که آنها برای آن هستند یا چگونه مهندسی شده اند.

راه حل این مشکل تولید شده توسط ماشین این است که افراد را مجدداً در ترکیب قرار دهید. هنوز افراد برای بررسی واقعیت و کنترل کیفیت مورد نیاز هستند. تا زمانی که از ابزارهای GenAI برای تقویت اما جایگزینی افراد استفاده نمی کنیم، بدون اینکه دچار خطاهای فاحش شویم، مزایای فوق العاده ای به دست خواهیم آورد. در بیشتر موارد، ما به بیشتر نیاز نداریم، ما به بهتر نیاز داریم. در شغلم، تیمم را تشویق می‌کنم کارهای کمتری اما در سطح بالاتر انجام دهند. با استفاده صحیح از ابزارهای GenAI، می‌توان به ما کمک کرد تا دقیقاً این کار را انجام دهیم، و برخی از کارهای روزمره را حذف می‌کند و به ما امکان می‌دهد روی کار با ارزش و متفکرانه تمرکز کنیم.