با آمدن ChatGPT خیلی‌ها فکر می‌کنند هر مسئله‌ای با مدلهای زبانی حل می‌شود. اما آیا هوش مصنوعی مولد همیشه بهترین انتخاب است؟ بر اساس گفت‌وگوی MIT Sloan با دو استاد این حوزه، در این مطلب می‌خوانید کدام ابزار در چه موقعیتی مناسب‌تر است.
- هوش مصنوعی مولد برای تولید محتوا و ساخت سریع نمونه‌ی اولیه مناسب است
- یادگیری ماشین برای داده‌های حساس و نیاز به دقت و شفافیت بهتر است
- انتخاب ابزار باید بر اساس نیاز پروژه باشد
همیشه chatGPT کافی نیست…
مدلهای زبانی مولد یا یادگیری ماشین؟ چه زمانی کدام را انتخاب کنیم؟
در همین چند سال پیش یادگیری ماشین (Machine Learning) سلطان بی‌رقیب دنیای هوش مصنوعی در کسب‌وکارها بود.اما با ورود ChatGPT-3.5، داستان برگشت!
حالا همه امیدشون به هوش مصنوعی مولد (Generative AI) است. یک ابزار قدرتمند که نه فقط تحلیل بلکه خلق می‌کند.
‼ شاید برای شما هم این سوال پیش آمده که الان که هر مسئله ای با LLM ها قابل حل هست دیگر چه نیازی به روش های یادگیری ماشین؟
اما آیا همیشه Generative AI بهترین انتخاب هست؟
یا هنوز هم کاربردهایی وجود دارد که یادگیری ماشین گزینه بهتری باشد؟
بر اساس گفت‌وگوی MIT Sloan با دو استاد برجسته این حوزه، دکتر Swati Gupta و Rama Ramakrishnan، جدول زیر به عنوان یک راهنما ارائه شده:
از Generative AI زمانی استفاده کنید که:
*** به تولید محتوا (متن، تصویر، ویدیو یا کد) نیاز دارید.
*** منابع و تخصص محدود دارید و به راه‌حل‌های آماده یا بدون کدنویسی نیازمندید.
*** مخاطبان شما کاربران عمومی هستند و با زبان طبیعی تعامل دارید.
*** زمان کم است و می‌خواهید سریع نمونه اولیه (MVP) بسازید.
از Machine Learning زمانی استفاده کنید که:
*** مدل پیش‌بینی دارید و به خوبی کار می‌کند.
*** پروژه شامل داده‌های حساس، حیاتی یا مالی است و شفافیت مدل اهمیت دارد.
*** تخصص عمیق فنی و دقت بالا در حوزه تخصصی شما نیاز است.
*** به مدلهای شخصی‌سازی‌شده یا آموزش‌یافته بر اساس داده خاص نیاز دارید.
از ترکیب هر دو زمانی استفاده کنید که:
*** نیاز به تولید داده مصنوعی یا پاک‌سازی داده دارید
*** مدل یادگیری ماشین را طراحی یا تقویت می‌کنید
***می‌خواهید خروجی مدل ML را به زبان ساده به کاربران ارائه دهید (با کمک GenAI)
کلید موفقیت در پروژه‌های هوش مصنوعی، انتخاب درست ابزار در زمان مناسب است نه صرفا دنباله روی از ترندها.
شما تجربه‌ای در ترکیب این دو روش دارید؟ خوشحال میشم به اشتراک بگذارید.
هوشمند باشید…
جمع‌بندی
پیش از انتخاب ابزار هوش مصنوعی، نوع مسئله، حساسیت داده‌ها و میزان دقت مورد نیاز خود را مشخص کنید. سپس یک نمونه‌ی کوچک بسازید و نتیجه را بسنجید؛ ابزارهای این حوزه به‌سرعت تغییر می‌کنند و باید دوره‌ای بازبینی شوند.
