- عنوان کتاب: The AI Pocket Book
- نویسنده: Emmanuel Maggiori
- حوزه: مبانی هوش مصنوعی
- سال انتشار: 2025
- تعداد صفحه: 202
- زبان اصلی: انگلیسی
- نوع فایل: pdf
- حجم فایل: 1.34 مگابایت
در دهه ۲۰۱۰، روشی به نام یادگیری ماشینی بسیار محبوب شد. نوآوری یادگیری ماشینی این بود که به جای نوشتن تمام جزئیات یک برنامه کامپیوتری با دست، برخی از قسمت‌ها به طور خودکار با داشتن یک کامپیوتر برای تجزیه و تحلیل داده‌ها تعیین می‌شدند. اگرچه یادگیری ماشینی چیز جدیدی نبود، اما در این دوره به لطف افزایش قدرت محاسباتی و حجم بی‌سابقه‌ای از داده‌های آماده برای بهره‌برداری، به شهرت رسید. یادگیری ماشینی به زودی به روش مورد علاقه هوش مصنوعی تبدیل شد، که یک حوزه تحقیقاتی عمومی‌تر است که سعی می‌کند کامپیوترها وظایفی مشابه انسان‌ها انجام دهند. به طور قابل توجهی، محققان هوش مصنوعی از یادگیری ماشینی برای دستیابی به عملکرد رکوردشکن در تجزیه و تحلیل خودکار تصاویر، ویدیو و متن استفاده کردند. آنها همچنین از یادگیری ماشینی برای ساخت نرم‌افزار معروف بازی AlphaGo استفاده کردند که یک بازیکن انسانی را در بازی دشوار Go شکست داد. یادگیری ماشینی همچنین در دنیای تجارت رونق گرفت. به عنوان مثال، شرکت‌ها شروع به استفاده از آن برای تجزیه و تحلیل خودکار داده‌های خریداران آنلاین و تولید توصیه‌های شخصی‌سازی شده محصول کردند. به دلیل موفقیت یادگیری ماشینی و پذیرش گسترده آن در حوزه هوش مصنوعی، مردم به زودی شروع به استفاده از اصطلاحات “یادگیری ماشینی” و “AI” به جای یکدیگر کردند. دنیای تجارت به شدت مشتاق چشم‌اندازهای هوش مصنوعی شد و وعده‌های بزرگی داد. با این حال، در حالی که هوش مصنوعی به طور پیوسته در دانشگاه و تجارت گسترش یافت، مورد استقبال گسترده عموم قرار نگرفت. این احتمالاً به این دلیل بود که ابزارهای هوش مصنوعی عمومی هنوز چندان مفید نبودند (به الکسا و سیری فکر کنید) و به این دلیل که هوش مصنوعی هنوز در تجزیه و تحلیل زبان طبیعی چندان خوب نبود. اما در اواخر دهه ۲۰۱۰ و اوایل دهه ۲۰۲۰، مجموعه‌ای از نوآوری‌های روش‌شناختی، هوش مصنوعی را در تجزیه و تحلیل زبان نوشتاری و تولید محتوای جدید بسیار بهتر کرد. این امر منجر به مسابقه‌ای برای ساخت ابزارهای هوش مصنوعی شد که بتوانند به عنوان دستیاران با عملکرد بالا توسط عموم مردم مورد استفاده قرار گیرند. هوش مصنوعی در سال ۲۰۲۲ با راه‌اندازی تعدادی از برنامه‌های هوش مصنوعی قابل توجه در مواجهه با مشتری، به طور انفجاری رشد کرد. یکی از آنها ChatGPT بود که در عرض سه ماه به صد میلیون کاربر رسید. یکی دیگر Midjourney بود، ابزاری قدرتمند برای ایجاد تصاویر واقع‌گرایانه از توضیحات متنی. اشتیاق در مورد هوش مصنوعی و همچنین پیش‌بینی‌های چشمگیر در مورد اثرات آن افزایش یافت. برخی افراد افزایش شدید بهره‌وری را پیش‌بینی کردند. برخی دیگر بیکاری گسترده را به دلیل جایگزینی مشاغل افراد توسط هوش مصنوعی پیش‌بینی کردند. به طور خاص، بسیاری از مردم استدلال می‌کردند که مهندسان نرم‌افزار منسوخ خواهند شد. من یک مهندس نرم‌افزار هستم که در هوش مصنوعی تخصص دارم. من دکترای خود را در رشته هوش مصنوعی گرفتم و بیش از یک دهه است که در این زمینه فعالیت دارم. در اوایل دوران کاری‌ام، در حالی که تحت تأثیر هوش مصنوعی قرار گرفته بودم، از میزان هیاهوی پیرامون آن کمی ناامید شدم – مدام به پروژه‌های شکست‌خورده هوش مصنوعی برمی‌خوردم که نادیده گرفته می‌شدند و این تصور را داشتم که محدودیت‌های هوش مصنوعی اغلب نادیده گرفته می‌شوند. در سال ۲۰۲۳، کتابی در این زمینه با عنوان «هوشمند تا زمانی که گنگ باشد» (Applied Maths Ltd، ۲۰۲۳) منتشر کردم. برخلاف سایر کتاب‌های مربوط به هوش مصنوعی که یا بسیار مثبت یا منفی بودند، می‌خواستم دیدگاه ظریف‌تری را به اشتراک بگذارم. همانطور که از عنوان پیداست، فکر می‌کنم هوش مصنوعی گاهی اوقات می‌تواند واقعاً جالب باشد، اما در مواقع دیگر می‌تواند کمتر جالب باشد – به آن توهمات آزاردهنده‌ای که هوش مصنوعی اغلب از آنها رنج می‌برد فکر کنید. بعد از اینکه آن کتاب را نوشتم، مردم شروع به پرسیدن سوالاتی در مورد همه چیزهای مربوط به هوش مصنوعی از من کردند. برای مثال، از من پرسیدند که آیا فکر می‌کنم ماشین‌ها هوشیار می‌شوند یا اینکه آیا ماشین‌های خودران به زودی در هر خیابانی پرسه خواهند زد. اما رایج‌ترین موضوع، آینده کار بود. به طور خاص، به نظر می‌رسید که مهندسان نرم‌افزار مشتاق، به طور خاص نگران آینده شغلی خود هستند. مردم از من می‌پرسیدند: «آیا حالا که هوش مصنوعی می‌تواند کدنویسی کند، اصلاً ارزش مهندس نرم‌افزار شدن را دارد؟» معلمی به من گفت که چند نفر از دانش‌آموزانش ترک تحصیل کرده‌اند، زیرا فکر می‌کردند هوش مصنوعی مهارت‌های آنها را بی‌اهمیت می‌کند. علاوه بر این، مهندسان نرم‌افزار متعددی شروع به استفاده از هوش مصنوعی در محل کار و ساخت محصولات مبتنی بر هوش مصنوعی کردند، اما اغلب به من می‌گفتند که نمی‌توانند آن را آنطور که در نظر گرفته شده، به کار گیرند. به عنوان مثال، آنها گفتند که هوش مصنوعی اغلب خروجی‌های متناقضی تولید می‌کند و کاربران از آن قدردانی نمی‌کنند. این کتاب برای کمک به شما در انقلاب هوش مصنوعی، هم از نظر استفاده مؤثر از هوش مصنوعی و هم از نظر اطمینان از اینکه شغل شما از آنچه هوش مصنوعی می‌تواند انجام دهد، جلوتر است، در نظر گرفته شده است. این کتاب بر اساس تجربه شخصی من در زمینه هوش مصنوعی و همچنین مکالمات متعددی که با مردم در مورد آن داشته‌ام، نوشته شده است. شما داستان‌ها، تأملات و توصیه‌های کلی را خواهید خواند که امیدوارم برای شما مفید باشد. امیدوارم بعد از اتمام کتاب، احساس کنید که هوش مصنوعی، از جمله محدودیت‌های آن را بهتر درک می‌کنید و راه‌های جدیدی برای استفاده مؤثر از هوش مصنوعی کشف خواهید کرد و آینده شغلی خود را در برابر آن مقاوم خواهید ساخت…
In the 2010s, a methodology known as machine learning became extremely popular. The novelty of machine learning was that, instead of writing every detail of a computer program by hand, some parts were determined automatically by having a computer analyze data. While machine learning wasn’t new, it rose to prominence during this period thanks to increased computing power and an unprecedented amount of data ready to be exploited. Machine learning soon became the favorite methodology of artificial intelligence, which is a more general research field that tries to have computers perform tasks similarly to humans. Notably, AI researchers used machine learning to reach record performance in automated analysis of images, video, and text. They also used machine learning to build the famous game-playing software AlphaGo, which beat a human player at the difficult game of Go. Machine learning also boomed in the business world. For example, companies started using it to automatically analyze online shoppers’ data and generate personalized product recommendations. Due to machine learning’s success and wide adoption in the AI field, people soon started using the terms “machine learning” and “AI” interchangeably. The business world became highly enthusiastic about AI’s prospects and made big promises. However, while AI expanded steadily in academia and business, it was not massively adopted by the general public. This was probably because general-purpose AI tools weren’t all that useful yet (think of Alexa and Siri) and because AI was still not that great at analyzing natural language. But in the late 2010s and early 2020s, a series of methodological innovations made AI much better at analyzing written language and generating new content. This led to a race to build AI tools that could be used as high-performing assistants by the general public. AI exploded in 2022, with the launch of a number of remarkable customer-facing AI apps. One of them was ChatGPT, which reached a hundred million users in three months. Another one was Midjourney, a powerful tool for creating realistic images from a textual description. Enthusiasm about AI soared and so did dramatic predictions about its effects. Some people predicted extreme productivity gains. Others predicted massive unemployment due to AI replacing people’s jobs. In particular, many people argued that software engineers would become obsolete. I’m a software engineer who specializes in AI. I did my PhD in AI and have been involved in the field for over a decade. Early in my career, while I was impressed by AI, I became a bit frustrated by the amount of hype around it—I kept stumbling upon failed AI projects that were swept under the rug, and I had the impression that AI’s limitations were often overlooked. In 2023, I published a book on the subject, titled Smart Until It’s Dumb (Applied Maths Ltd, 2023). As opposed to other books on AI, which were either very positive or negative about it, I wanted to share a more nuanced view. As the title implies, I think AI can be really cool sometimes, but it can be less cool other times—think of those pesky hallucinations that AI often suffers from. After I wrote that book, people started asking me questions about all things AI related. For example, they asked me whether I thought machines would become conscious or whether self-driving cars would soon roam every street. But the most common topic was the future of work. Specifically, aspiring software engineers seemed particularly concerned about their future careers. People asked me, “Is it even worth becoming a software engineer, now that AI can code?” A teacher told me a few of her students had dropped out because they thought AI would make their skills irrelevant. In addition, numerous software engineers started to use AI at work and build AI-based products, but they often told me they couldn’t make it work as intended. For example, they said AI often generated inconsistent outputs, and users didn’t appreciate it. This book is intended to help you ride the AI revolution, both in terms of using AI effectively and making sure your job stays ahead of what AI can do. The book is based on my own experience in the AI field and also on the numerous conversations I’ve had with people about it. You’ll read stories, reflections, and general advice, which I hope you’ll find useful. After you finish the book, I hope you’ll feel that you understand AI better, including its limitations, and that you’ll discover new ways of using AI effectively and future-proof your career against it.
این کتاب را میتوانید از لینک زیر بصورت رایگان دانلود کنید:
Download: The AI Pocket Book
نظرات کاربران