Universal Music Group tells streaming services to block AI-generated music

گروه موسیقی یونیورسال، نه به موسیقی‌هایی که توسط هوش مصنوعی تولید شده‌اند!

با توجه به افزایش محتوای تولید شده توسط هوش مصنوعی، گروه موسیقی یونیورسال از سرویس‌‎های پخش موسیقی مانند Spotify و Apple Music در خواست کرده تا از انتشار هر گونه موسیقی تولید شده توسط هوش مصنوعی پرهیز کنند.

طبق گزارشی از فایننشال تایمز در 13 آوریل، گروه موسیقی یونیورسال (UMG) به جمع گفتگو در مورد این فناوری نوظهور پیوسته و این شرکت جزو آن دسته از شرکت‌های صنعت سرگرمی می باشد که نگرانی‌های خود را در مورد پیامدهای بالقوه تجاوز به حریم خصوصی و حق چاپ توسط این فناوری جدید را بیان ‌کرده و با گرفتن موضع قاطع UMG در این مورد، واضح است که صنعت موسیقی رویکردی فعالانه تری برای محافظت از منافع خود در عصر اختلال دیجیتال اتخاذ خواهد کرد.
یکی از کاربران توییتر اخیرا آهنگی را منتشر کرده که توسط نسخه هوش مصنوعی با الهام از خواننده رپ معروف Jay-Z ساخته شده است. در کمال تعجب بسیار، آهنگ تولید شده توسط هوش مصنوعی تقریباً از آهنگ واقعی قابل تشخیص نیست. یکی از طرفداران Jay-Z، اعتراف کرده که از آهنگ لذت برده است، اما مطمئن نیست که آیا باید احساس خوبی داشته باشد یا شرمنده باشد که موسیقی هوش مصنوعی را دوست دارد. این یک پیشرفت جالب در هوش مصنوعی و موسیقی است و به نظر می رسد که موسیقی تولید شده توسط هوش مصنوعی ممکن است به زودی از موسیقی ساخته شده توسط افراد واقعی قابل تشخیص نباشد.

گروه موسیقی یونیورسال نگرانی خود در مورد استفاده از ربات های هوش مصنوعی برای ایجاد موسیقی مشابه با هنرمندان واقعی ابراز کرده است. شایان ذکر است که تا کنون، ربات‌های هوش مصنوعی به کاتالوگ‌های موسیقی در پلتفرم‌های استریم دسترسی داشته و توسعه‌دهندگان آنها از این دسترسی برای آموزش این فناوری استفاده می‌کردند. بر اساس این گزارش، UMG به طور فزاینده‌ای نگران این است که ربات‌های هوش مصنوعی از مالکیت معنوی برای تولید موسیقی با کیفیتی برابر با هنرمندان واقعی استفاده ‌کنند. این خبر نکته جالبی را مطرح می‌کند که آیا خلاقیت‌های هوش مصنوعی به زودی با موسیقی ساخته‌شده توسط هنرمندان واقعی رقابت خواهد بو و یا خیر، و چگونه ممکن است بر این صنعت تأثیر بگذارد.

به گفته یک منبع نزدیک به این موضوع، عرضه نسل جدید فناوری باعث نگرانی شده است. این منبع که مایل است ناشناس بماند، معتقد است که ظهور این فناوری می تواند “مشکلات مهمی” را ایجاد کند و هشدار داد که نباید آنها را دست کم گرفت.

کارشناسان در بیانیه اخیر خود پیشنهاد کرده‌اند که می‌توان از هوش مصنوعی برای ساخت آهنگی با سبک شعر تیلور سوئیفت “ستاره پاپ” که با عناصر آواز و تم موسیقی‌دانان محبوب دیگر مانند برونو مارس و هری استایلز ترکیب شده است، استفاده کرد. این ایده با جزئیات بیشتری مورد بررسی قرار گرفته و کارشناسان ادعا کردند که می‌توان از هوش مصنوعی خواست که آهنگی بسازد که بتواند این عناصر مختلف را با موفقیت ترکیب کرده و صدایی واقعا منحصر به فرد ایجاد کند و نتیجه ای که به دست می آورد به این دلیل است که هوش مصنوعی بوسیله مالکیت معنوی آن هنرمندان آموزش دیده است.

گروه موسیقی یونیورسال موضعی قاطعانه به نفع هنرمندان اتخاذ کرده و در ایمیلی پیامی واضح به سرویس‌های استریم ارسال ‌کرده است “ما در انجام اقدامات لازم برای محافظت از حقوق خود و هنرمندانمان تردید نخواهیم کرد” و ادامه داد که رفاه هنرمندانش در درجه اول اهمیت است و رویکردی فعالانه برای اطمینان از رعایت حقوق آنها پیش خواهد گرفت.

سلب مسئولیت: این مقاله فقط برای اهداف اطلاعاتی ارائه شده است و توصیه نمی شود به عنوان مشاوره حقوقی، مالیاتی، سرمایه گذاری، مالی یا سایر موارد مورد استفاده قرار گیرد.

Click for reference

Elon Musk reportedly buys thousands of GPUs for Twitter AI project

ایلان ماسک هزاران پردازنده گرافیکی برای پروژه هوش مصنوعی توییتر خریداری کرده است.

ایلان ماسک، مدیرعامل “اسپیس ایکس، تسلا و توییتر” اخیراً با انتشار نامه‌ای مبنی بر توقف توسعه هوش مصنوعی AI به دلیل نگرانی‌های اجتماعی، خبرساز شد ولی با این وجود، به نظر می‌رسد که این غول فناوری برنامه‌های خود برای توسعه زیرساخت‌های هوش مصنوعی توییتر را پیش می‌برد.

بر اسا گزارشی از Business Insider به نظر می رسد که ماسک در حال پیشبرد برنامه هایی برای یک پروژه بزرگ هوش مصنوعی در توییتر است. به گفته دو منبع ناشناس آشنا با این شرکت، مدیرعامل توییتر اخیراً نزدیک به 10000 واحد پردازش گرافیکی “GPU” را برای استفاده در این پلتفرم خریداری کرده است.

به طور معمول، پردازنده‌های گرافیکی به دلیل قدرت محاسباتی بسیار زیاد آنها مورد نیاز فناوری هایی می باشند، که بر روی مدل‌های هوش مصنوعی در مقیاس بزرگ کار می‌کنند. این به دنبال توییتی از ماسک در 18 مارس است که گفت که توییتر از هوش مصنوعی برای “تشخیص و برجسته کردن دستکاری افکار عمومی” استفاده خواهد کرد.

منابع ناشناس گفته‌اند که این پروژه در مراحل اولیه است، اما خرید چنین تعداد پردازنده گرافیکی نشان می دهد که ماسک به آن “متعهد” است. یکی از منابع گفت این پروژه مانند یک مدل زبان بزرگ کار می کند. با این حال، منابع همچنین گفتند که هنوز نقش قطعی هوش مصنوعی مولد در توییتر نامشخص است.

علاوه بر این، توییتر اخیراً استعدادهای جدیدی با پیشینه گسترده در زمینه هوش مصنوعی را جذب کرده است. مثلاً در ماه مارس، در حرکتی مهم مهندسان ایگور بابوشکین و مانوئل کرویس پس از همکاری با DeepMind، شرکت تحقیقاتی هوش مصنوعی Alphabet “شرکت مادر گوگل” به تیم ماسک پیوستند.

این تحولات تنها چند هفته پس از امضای نامه سرگشاده ماسک به همراه هزاران محقق دیگر در حوزه فناوری مبنی بر توقف موقت توسعه هوش مصنوعی به دلیل خطری که برای بشریت ایجاد می کند، رخ داده است.

ماسک همچنین در دیداری با انجمن فرمانداران ملی ایالات متحده در سال 2017 به قانون گذاران هشدار داد که تحقیقات هوش مصنوعی “قبل از اینکه خیلی دیر شود” باید قانونمند شوند.

سلب مسئولیت: این مقاله فقط برای اهداف اطلاعاتی ارائه شده است و توصیه نمی شود به عنوان مشاوره حقوقی، مالیاتی، سرمایه گذاری، مالی یا سایر موارد مورد استفاده قرار گیرد.

Click for reference

A brief history of artificial intelligence

تاریخچه مختصری از هوش مصنوعی

هوش مصنوعی امروزی، از ماشین تورینگ شروع شده و کم کم به برنامه های کاربردی و مدرن یادگیری عمیق که برای پیش بینی آینده و تصمیم گیری‌های هوشمند کاربرد دارد و پردازش زبان طبیعی انسان، تکامل یافته است.

عوامل متعددی باعث توسعه هوش مصنوعی “AI” در طول این سال ها شده، که یکی از آنها توانایی جمع‌آوری، تجزیه و تحلیل سریع و مؤثر حجم عظیمی از داده‌ها می باشد با پیشرفت‌های فناوری محاسباتی امروزی امکان‌پذیر شده است که عامل مهمی در این روند توسعه می باشد.

عامل دیگر تقاضای بازار برای سیستم‌های خودکار است که می‌توانند فعالیت‌هایی را انجام دهند که برای انسان بسیار پرخطر، چالش برانگیز و یا زمان‌بر می باشند. همچنین، به لطف توسعه اینترنت و دسترسی به حجم عظیمی از داده های دیجیتال، اکنون فرصت های بیشتری برای حل مسائل دنیای واقعی بوسیله هوش مصنوعی بوجود آمده است.

علاوه بر این، مسائل اجتماعی و فرهنگی بسیاری بر هوش مصنوعی تأثیر گذاشته است. به عنوان مثال، بحث‌های مربوط به اخلاق و پیامدهای هوش مصنوعی در پاسخ به نگرانی‌هایی در مورد از دست دادن شغل و اتوماسیون فراگیر جهانی مطرح شده است.

همچنین نگرانی‌هایی در مورد احتمال استفاده از هوش مصنوعی برای نیت های شیطانی، مانند حملات سایبری مخرب یا کمپین‌های اطلاعات نادرست، مطرح شده است. در نتیجه، بسیاری از محققان و تصمیم‌گیرندگان در تلاش هستند تا اطمینان حاصل کنند که ساختار هوش مصنوعی از نظر اخلاقی، مسئولانه پایه گذاری ‌شود.

به گفته الیوت مینشنبرگ در تاریخ 30 مارس 2023 “پس از اینکه بیش از 1000 فعال حوضه فناوری خواستار توقف آموزش قوی‌ترین سیستم‌های هوش مصنوعی شدند، یونسکو نیز از کشورها ‌خواست که فوراً توصیه های خود را برای اولین چارچوب جهانی اخلاق هوش مصنوعی ارسال کنند که پس از تصویب شدن آن در این مجمع، توسط 193 کشور عضو اجرایی خواهد شد.”

هوش مصنوعی از زمان پیدایش خود در اواسط قرن بیستم تا به امروز راه طولانی را پیموده است. در ادامه این متن تاریخچه مختصری از هوش مصنوعی را با هم بررسی می کنیم.

اواسط قرن بیستم
خاستگاه هوش مصنوعی ممکن است به اواسط قرن بیستم مربوط شود، زمانی که دانشمندان کامپیوتر شروع به ایجاد الگوریتم‌ها و نرم‌افزارهایی کردند که می‌توانست کارهایی مانند حل مسئله، تشخیص الگوها و قضاوت را انجام دهد که معمولاً به هوش انسانی نیاز دارند.

یکی از اولین پیشگامان هوش مصنوعی آلن تورینگ بود که مفهوم ماشینی را پیشنهاد کرد که می توانست هر کاری را که هوش انسانی می توانست انجام دهد را شبیه سازی کند که اکنون این مفهوم به عنوان تست تورینگ شناخته می شود.

کنفرانس دارتموث 1956
در سال 1956 کنفرانس دارتموث دانشگاهیان حرفه های مختلف را گرد هم آورد تا دورنمای ساخت روبات هایی که بتوانند «فکر کنند» را بررسی کنند و در این کنفرانس بود که به طور رسمی رشته هوش مصنوعی معرفی گردید. در آن زمان، سیستم‌های مبتنی بر قانون و تفکر نمادین موضوعات اصلی مطالعه رشته هوش مصنوعی بودند.

دهه 1960 و 1970
در دهه‌های 1960 و 1970، تمرکز تحقیقات هوش مصنوعی به توسعه سیستم‌های خبره‌ای که برای تقلید از تصمیم‌گیری‌های متخصصان انسانی در زمینه‌های خاص طراحی شده بودند، تغییر یافت، که امروزه این روش ها اغلب در صنایعی مانند مهندسی، مالی و پزشکی به کار گرفته می شوند.

دهه 1980
با این حال، زمانی که معایب سیستم‌های مبتنی بر قانون در دهه 1980 آشکار شد، تحقیقات هوش مصنوعی شروع به تمرکز بر یادگیری ماشین کردند، که شاخه‌ای از رشته‌ای است که از روش‌های آماری برای یادگیری رایانه‌ها و با استفاده از داده‌ها میباشد. در نتیجه، سیستم شبکه‌های عصبی بر اساس ساختار و عملکرد مغز انسان ایجاد و مدل‌سازی می شوند.

دهه 1990 و 2000
در دهه 1990 تحقیقات هوش مصنوعی در زمینه رباتیک، بینایی کامپیوتر و پردازش زبان طبیعی پیشرفت‌های چشمگیری داشت و در اوایل دهه 2000، پیشرفت ها در تشخیص گفتار، تشخیص تصویر و پردازش زبان طبیعی با ظهور یادگیری عمیق “شاخه ای از یادگیری ماشینی است که از شبکه های عصبی عمیق استفاده می کند” امکان پذیر شد.
اولین مدل زبان عصبی، بوسیله “یوشوا بنجیو” ارائه شد که یکی از “پدرخوانده های یادگیری عمیق” می باشد، وی به طور گسترده به عنوان یکی از تأثیرگذارترین افراد در پردازش زبان طبیعی و یادگیری بدون نظارت، شناخته می شود.

هوش مصنوعی امروزی
دستیارهای مجازی، خودروهای خودران، تشخیص پزشکی و تجزیه و تحلیل مالی تنها تعدادی از کاربردهای امروزی هوش مصنوعی می باشند. هوش مصنوعی به سرعت در حال توسعه است و هم اکنون محققان به ایده‌های جدیدی مانند یادگیری تقویتی “Reinforcement Learning”، محاسبات کوانتومی و محاسبات نورومورفیک نگاه می‌کنند.
یکی دیگر از روندهای مهم در هوش مصنوعی مدرن، تغییر به سمت تعاملات بیشتر شبیه انسان است که دستیارهای صوتی مانند سیری و الکسا پیشتاز آن می باشند. پردازش زبان طبیعی نیز پیشرفت قابل توجهی داشته است و ماشین‌ها را قادر ساخته تا گفتار انسان را با دقت فزاینده‌ای درک کنند و به آن پاسخ دهند. ChatGPT – یک مدل بزرگ زبان طبیعی که توسط OpenAI بر اساس معماری GPT-3.5 ساخته شده است، که نمونه‌ای از هوش مصنوعی “Talk of the town” است که می‌تواند زبان طبیعی را درک کند و پاسخ‌هایی شبیه انسان را برای طیف گسترده‌ای از پرس و جوها و درخواست‌ها تولید کند.

آینده هوش مصنوعی
با نگاهی به آینده، هوش مصنوعی احتمالا نقش مهمی را در حل برخی از بزرگترین چالش‌های پیش روی جامعه، مانند تغییرات آب و هوایی، مراقبت‌های بهداشتی و امنیت سایبری ایفا خواهد کرد. با این حال، نگرانی‌هایی نیز در مورد پیامدهای اخلاقی و اجتماعی هوش مصنوعی، به ویژه با پیشرفت فناوری که روز به روز پیشرفته تر و مستقل تر می شود، وجود دارد و به گفته مدیر عامل هولبرتون “ژولین باربیر” در مارس 2023 “اخلاق در هوش مصنوعی باید در هر مدرسه ای آموزش داده شود.”

علاوه بر این، همانطور که هوش مصنوعی به تکامل خود ادامه می دهد، احتمالاً بر همه جنبه های زندگی ما، از نحوه کار و ارتباط ما گرفته تا نحوه یادگیری و تصمیم گیری تأثیر خواهد گذاشت.

سلب مسئولیت: این مقاله فقط برای اهداف اطلاعاتی ارائه شده است و توصیه نمی شود به عنوان مشاوره حقوقی، مالیاتی، سرمایه گذاری، مالی یا سایر موارد مورد استفاده قرار گیرد.

Reference

5 key features of machine learning

فراگیری ماشین چیست و پنج ویژگی کلیدی آن کدامند

یادگیری ماشینی مبتنی بر این ایده است که چگونه یک سیستم می‌تواند انجام یک کار را بدون برنامه‌ریزی صریح بیاموزد.

یادگیری ماشینی طیف گسترده ای از کاربردها را در صنایع مالی، مراقبت های بهداشتی، بازاریابی و حمل و نقل ارائه کرده و همچنین برای تجزیه و تحلیل و پردازش مقادیر زیادی از داده ها، پیش بینی ها، و خودکارسازی فرآیندهای تصمیم گیری و سایر وظایف مورد استفاده قرار می گیرد.

در این مقاله، پنج ویژگی کلیدی یادگیری ماشینی را شرح داده و در می یابیم که چگونه این ویژگی‌ها آن را به ابزاری قدرتمند برای حل مجموعه گسترده ای از مشکلات، از تشخیص تصویر و گفتار گرفته تا سیستم های توصیه و پردازش زبان طبیعی تبدیل می کند.

یادگیری ماشینی چیست؟

یادگیری ماشینی زیرشاخه‌ای از هوش مصنوعی (AI) است که شامل توسعه الگوریتم‌ها و مدل‌های آماری است که به رایانه‌ها اجازه می‌دهد بدون برنامه‌ریزی صریح از الگوی نهفته در داده‌ها یاد بگیرند. هدف یادگیری ماشینی ساختن سیستم هایی با توانایی بهبود مستمر عملکرد در یک کار معین بر اساس تجربه به دست آمده از داده هایی است که با آن روبرو شده‌اند. این امر با آموزش گسترده الگوریتم ها در مجموعه داده های عظیم انجام می شود، که این الگوریتم ها را قادر می سازد تا الگوها و اتصالات را در داده ها پیدا کنند.

یادگیری نظارت شده: این راهکار شامل آموزش یک مدل بر روی یک مجموعه داده برچسب‌گذاری شده است که در آن خروجی صحیح برای هر ورودی ارائه می‌شود. الگوریتم از این اطلاعات برای یادگیری رابطه بین ورودی ها و خروجی ها استفاده می کند و سپس می تواند روی داده های جدید و دیده نشده نیز پیش بینی انجام دهد.

یادگیری بدون نظارت: این شیوه شامل آموزش یک مدل بر روی یک مجموعه داده بدون برچسب است که در آن خروجی صحیح نیز ارائه نمی شود. الگوریتم باید ساختار را در داده ها به تنهایی پیدا کند و معمولاً برای خوشه بندی، کاهش ابعاد و تشخیص ناهنجاری استفاده می شود.

یادگیری تقویتی: این روش شامل آموزش یک عامل برای تصمیم گیری در محیطی است که بازخورد را از طریق پاداش یا تنبیه دریافت می کند. این الگوریتم از این بازخوردها برای یادگیری بهترین استراتژی برای به حداکثر رساندن پاداش ها در طول زمان استفاده می کند.


پنج ویژگی کلیدی یادگیری ماشینی

یادگیری ماشینی به یکی از مهم ترین پیشرفت های فناوری در سال های اخیر تبدیل شده و به طور قابل توجهی بر طیف گسترده ای از صنایع و برنامه‌های کاربردی تأثیر گذاشته است.

در این قسمت به بررسی ویژگی های اصلی یادگیری ماشینی می پردازیم:

مدل‌سازی پیش‌بینی‌کننده: در این روش داده‌ها توسط الگوریتم‌های یادگیری ماشین برای ایجاد مدل‌هایی استفاده می‌شوند که بتوانند رویدادهای آینده را پیش‌بینی کنند. این مدل‌ها را می‌توان برای تعیین ریسک وام دهی یا احتمال خرید یک مصرف‌کننده و برخی موارد مشابه مورد استفاده قرار داد.

اتوماسیون: الگوریتم‌های یادگیری ماشینی که به مشارکت کمتر انسان نیاز دارند و فرآیند یافتن الگوها در داده‌ها را خودکار می‌کنند، بنابراین تجزیه و تحلیل دقیق‌تر و مؤثرتر را ممکن می‌سازند.

مقیاس‌پذیری: تکنیک‌های یادگیری ماشینی که برای پردازش کلان داده‌ها مناسب بوده و برای مدیریت حجم عظیمی از داده‌ها ساخته شده‌اند. در نتیجه، کسب و کارها می توانند بر اساس اطلاعات به دست آمده از چنین داده هایی تصمیم گیری کنند.

تعمیم: الگوریتم های یادگیری ماشینی که قادر به کشف الگوهای مُکرر و گسترده در داده ها هستند که می توانند برای تجزیه و تحلیل داده های تازه و ناشناخته استفاده شوند. حتی ممکن است داده های مورد استفاده برای آموزش این مدل، فوراً برای راهکار مورد نظر قابل استفاده نباشند، ولی آنها برای پیش بینی رویدادهای آینده مفید هستند.

سازگاری: الگوریتم های یادگیری ماشین برای یادگیری و تطبیق مداوم ساخته می شوند و با در دسترس قرار گرفتن داده های جدید، آنها می توانند عملکرد خود را در طول زمان بهبود داده و با در دسترس قرار گرفتن داده های بیشتر، دقیق تر و کارآمدتر شوند.

ادغام یادگیری ماشین و فناوری بلاکچین

این ادغام نویدهای زیادی را برای آینده دارد، زیرا در این روش می‌توان الگوریتم‌های یادگیری ماشینی را برای ارزیابی داده‌ها و تولید پیش‌بینی‌های مبتنی بر آن با استفاده از یک پلتفرم غیرمتمرکز و ایمن مانند بلاکچین، استفاده کرد.

یکی از حوزه‌های احتمالی استفاده این ادغام، بخش بانکداری است، جایی که ویژگی غیرمتمرکز فناوری بلاکچین و توانایی منع دسترسی غیرمجاز به داده‌های حساس می‌تواند به الگوریتم‌های یادگیری ماشین کمک کند تا تقلب و پولشویی را به‌طور مؤثرتری شناسایی کنند.

یادگیری ماشین و فناوری بلاکچین می تواند تفاوت قابل توجهی در مدیریت زنجیره تامین ایجاد کنند، این در حالی است که می توان از فناوری بلاکچین برای ارائه شفافیت و مسئولیت پذیری در زنجیره تامین استفاده کرده و از الگوریتم های یادگیری ماشینی برای بهینه سازی عملیات زنجیره تامین و پیش بینی تقاضا، مورد استفاده قرار داد.

از الگوریتم‌های یادگیری ماشینی می‌توان برای پیش‌بینی شیوع بیماریها و بهبود نتایج مداوا بر روی بیماران استفاده کرده و همچنین می‌تواند از فناوری بلاکچین برای به اشتراک‌گذاری امن و خصوصی سوابق پزشکی استفاده نمود.


سلب مسئولیت:
این مقاله فقط برای اهداف اطلاعاتی ارائه شده است و توصیه نمی شود به عنوان مشاوره حقوقی، مالیاتی، سرمایه گذاری، مالی یا سایر موارد مورد استفاده قرار گیرد.

Click for reference

What is ChatGPT and why is everyone talking about it?

چت جی پی تی چیست و چرا همه در مورد آن صحبت می کنند؟

حتی اینترنت هم نمی‌تواند گفتگو درباره آخرین ابزار موجود در این فضا را متوقف کند و این ابزار چیزی نیست جز چت‌جی‌پی‌تی ChatGPT، که یک ربات چت می باشد که به کاربران اجازه می‌دهد هر سوال، پرس و یا درخواستی را از آن بپرسند و سپس با استفاده از هوش مصنوعی (AI) پاسخ‌های بلادرنگی را ارائه ‌کند، که نه تنها “در بیشتر موارد” دقیق هستند، بلکه کاربران می‌توانند هم پاسخ‌های بسیار فنی و هم پاسخ‌های غیر قابل فهمی را از آن دریافت کنند.

چت جی پی تی توسط شرکت OpenAI ساخته شده است. این شرکت تحقیق و گسترش توسط ایلان ماسک و سام آلتمن در سال 2015 تأسیس شده، که به دنبال استقرار هوش عمومی مصنوعی می باشد، تا تمام بشریت از آن بهره ببرند.

در کمتر از یک هفته از عرضه نسخه آزمایشی و ارزیابی “بتا” چت‌جی‌پی‌تی، دنیای فناوری و اینترنت تحت تأثیر قرار گرفته و در کمتر از 7 روز از زمان راه‌اندازی، تعداد مشترکان آن به 1 میلیون نفر رسیده است.

با توجه به اینکه انتظار می رود رابط برنامه نویسی برنامه چت‌جی‌پی‌تی تا چند ماه دیگر ارائه شود، آنچه در این مرحله می دانیم این است که این چت بات با استفاده از الگوریتم‌های یادگیری ماشینی کار می کند تا به طور کامل معنای ورودی متن را تجزیه و تحلیل و درک کرده، و سپس پاسخ بسیار دقیقی را بر اساس آن ورودی ایجاد کند.

چت‌جی‌پی‌تی که بر روی مقادیر زیادی از داده‌های متنی، الگوها و ساختارهای زبان طبیعی آموزش دیده است، می‌تواند گفت‌وگوی انسانی را درک کند و سپس متن دقیقی انسان نمایی را بگونه‌ای ایجاد کند که گویی شما برای یک دوست تایپ می‌کنید.

چت‌جی‌پی‌تی دقیقا چیست؟

آیا گوگل جدیدی است؟ یا می تواند یک تغییر دهنده بزرگ برای مشاغل باشد؟

صادقانه بگویم، هنوز برای گفتن کمی زود است، چت‌جی‌پی‌تی برای پاسخگویی به گفتگوهای زبان طبیعی و ارائه پاسخ به سوالات پیچیده طراحی شده، در واقع مانند مرحله بعدی در هوش مصنوعی به نظر می رسد.

این یک واقعیت است که می تواند زبان طبیعی انسان را درک کند و متن نوشته شده انسان مانندی را با جزئیاتی چشمگیر ایجاد کند، که این توانایی هم قدرت و هم ترس را القا می کند.

اگرچه ماسک، شرکت OpenAI را به همراه آلتمن تأسیس کرده و پس از آن شرکت را ترک کرده است، او پس از اینکه «آموخت» که OpenAI برای «آموزش» این پلتفرم تلاش برای دسترسی به پایگاه‌های داده را دارد، در توییتی نوشت که آن را فعلا متوقف کرده و «نیاز به درک بیشتری در مورد آینده ساختار حکمرانی [و] برنامه‌های درآمد زایی آن دارد.»

آنچه که امروزه برای چت‌جی‌پی‌تی کار می کند رابط مکالمه آن است. OpenAI در بیانیه‌ای اعلام کرده که این هوش مصنوعی جدید با تمرکز بر سهولت استفاده ایجاد شده است. “فرمت گفتگو این امکان را برای چت‌جی‌پی‌تی فراهم می کند تا به سوالات پاسخ دهد، اشتباهات خود را بپذیرد، مقدمات نادرست را به چالش بکشد و درخواست های نامناسب را رد کند.”

ویژگی‌های چت‌جی‌پی‌تی چیست؟
بسیاری از کاربرانی که تا کنون از چت‌جی‌پی‌تی استفاده کرده‌اند از آن به عنوان نسل دوم Google یاد می کنند. اما این ربات چت پاسخگو می تواند توضیحات و راه حل هایی را برای سوالات پیچیده از جمله راه‌های نوشتن کدهای نرم افزاری، و حل مشکلات طرحی های پیچیده و نیازهای چالش بر انگیز بهینه سازی ارائه دهد.

همچنین چت‌جی‌پی‌تی می تواند به نوشتن محتوا برای وب سایت ها، پاسخ به سؤالات مشتری و حل معادلات پیچیده ریاضی نیز کمک کند. چه کارهای دیگری را می تواند انجام دهد؟ تقریباً همه چیز: نوشتن محتوا، کمک به مقالات دانشگاهی، تهیه متون ادبی، نگارش فیلمنامه‌، ترجمه دقیق بین زبان‌ها، خلاصه سازی متن با دقتی بسیار بالا و حتی برای یافتن و تشخیص کلمات کلیدی در متن نیز می تواند از آن استفاده کرد.

من در حال آزمایش کارایی ربات جدید گفتگوی شرکت OpenAI برای سناریوهای مراقبت‌های بهداشتی هستم و تا کنون بسیار تحت تأثیر آن قرار گرفته‌ام، به نظر می رسد که این فناوری می تواند به عنوان یک چت بات پزشکی پتانسیل‌های فراوانی داشته باشد، اما بدیهی است که باید برای سوگیری‌های اشتباه و اطلاعات نادرست بررسی شود.


آیا چت‌جی‌پی‌تی می تواند جایگزین گوگل شود؟
واقعاً لازم نیست، چت‌جی‌پی‌تی یک ربات چت (وهم آور و هوشمند) است در حالی که گوگل فقط یک موتور جستجو می باشد. این ربات چت می تواند در برخی مواقع به ابزاری برای کمک به دانشجویان مقطع کارشناسی تبدیل شود تا مقالات خود را دقیق تر بنویسند و به برنامه نویسان کمک کند تا چالش های کدنویسی خود را در عرض چند ثانیه حل کنند.
سطح بعدی از این فناوری متن‌ها و نوشتارهای انسان مانند آن است که می تواند در آینده چالشی برای اتاق‌های خبر باشد. با این حال، مانند تمامی فناوریهای هوش مصنوعی، هنوز در روزهای اولیه است و فاقد نکات ظریف، مهارت‌های تفکر انتقادی یا قدرت لازم برای تصمیم‌گیری می باشد.

همچنین نگرانی هایی وجود دارد که چت‌جی‌پی‌تی ممکن است اطلاعات نادرستی را ارائه دهد که به نظر می رسد در برخی موارد پاسخ ها قابل قبول می نمایند، اما نادرست یا بی معنی می‌باشند و شرکت OpenAI قبلاً این را هشدار داده است.

شرکت OpenAI خاطرنشان کرده که در حال اصلاح این فناوری بوده و آینده جالبی را در پیش رو بشریت می بیند.

سلب مسئولیت: این مقاله فقط برای اهداف اطلاعاتی ارائه شده است و توصیه نمی شود به عنوان مشاوره حقوقی، مالیاتی، سرمایه گذاری، مالی یا سایر موارد مورد استفاده قرار گیرد.

Click for reference