گونه‌های هوش مصنوعی

در این فصل چه یاد می‌گیری#

تا اینجا با یک نوعِ خاص از هوش مصنوعی حرف زدی: مدلی که متن می‌سازد. ولی «هوش مصنوعی» یک خانوادهٔ بزرگ است. بعضی مدل‌ها تشخیص می‌دهند (این هرزنامه است یا نه)، بعضی تولید می‌کنند (یک ایمیل بنویس)؛ بعضی با متن کار می‌کنند، بعضی با تصویر یا صدا. آخر این فصل می‌توانی این گونه‌ها را از هم تشخیص بدهی و یک افسانهٔ بزرگ را کنار بگذاری: اینکه مدل‌های امروز یک «مغزِ همه‌کاره» یا موجودی آگاه‌اند.

آخر این فصل می‌توانی:

• فرقِ یک کارِ تشخیصی و یک کارِ generative را با مثال بگویی
• بگویی چرا یک مدلِ زبانی با مدل‌های تصویر و صدا فرق دارد و هر کدام کارِ خودش را می‌کند
• توضیح بدهی «هوش مصنوعی»ِ امروز با AGI چه فرقی دارد و چرا آگاهی ندارد
• ادعای ساختگیِ مدل را دربارهٔ فایلی که اصلاً به آن نداده‌ای تشخیص بدهی

قبل از شروع#

• از فصل ۱: «مدل» چیست و اینکه جواب را تولید می‌کند نه اینکه جست‌وجو کند.
• از فصل ۴: توهم — مدل گاهی با اطمینان چیزی می‌سازد که پایه‌ای در واقعیت ندارد.

مثل همیشه فقط یک مرورگر و دستیارِ هوش مصنوعی‌ات (با کلیدِ رایگانِ خودت) لازم داری.

۱. دو کارِ متفاوت: تشخیص یا تولید#

یک مثالِ آشنا: صافیِ هرزنامهٔ ایمیلت. این یک هوش مصنوعی است که به هر پیام نگاه می‌کند و به یک سؤالِ ساده جواب می‌دهد: «هرزنامه هست یا نه؟» چیزِ تازه‌ای نمی‌نویسد؛ فقط برچسب می‌زند یا دسته‌بندی می‌کند. به این کار می‌گوییم کارِ تشخیصی.

حالا همان مدلی که باهاش چت کردی، از صفر یک ایمیل می‌نویسد — چیزی که قبلاً نبود. این کارِ generative است: ساختنِ محتوای تازه.

معیار همیشه یک سؤال است: مدل دارد بینِ چند گزینه انتخاب/برچسب می‌زند (تشخیصی)، یا دارد چیزِ تازه‌ای می‌سازد (generative)؟ خودت هر دو را از یک مدلِ چت بخواه و فرقشان را حس کن:

کارِ تشخیصی:   «این جمله لحنِ مثبت دارد یا منفی؟ فقط یکی را بگو.»
کارِ generative: «یک بیتِ کوتاه دربارهٔ باران بگو.»

مدلِ چت هر دو را انجام می‌دهد، ولی ماهیتِ دو کار فرق دارد: یکی جدا می‌کند، یکی می‌سازد.

۲. مدلی که با تو حرف می‌زند: مدلِ زبانی#

مدلی که تا حالا باهاش کار کردی یک مدلِ زبانی است: دنیایش متن است، متن می‌خواند و متن می‌نویسد. کلِ آموزشش الگوهای زبان بود. برای همین با کلمه‌ها عالی است و — همان‌طور که در فصلِ ۵ دیدی — با حسابِ دقیق می‌لغزد. هر مدل در همان جنسِ داده‌ای که رویش آموزش دیده خوب است، نه بیرونِ آن.

۳. وجه‌های دیگر: تصویر و صدا#

مدل‌های دیگری هستند که در جنسِ دیگری از داده کار می‌کنند: مدل‌های تصویر عکس می‌سازند یا می‌فهمند؛ مدل‌های صدا گفتار را به متن تبدیل می‌کنند یا صدا می‌سازند. هر کدام روی جنسِ دادهٔ خودش آموزش دیده و در همان قوی است.

گاهی چند مدل واقعاً کنارِ هم کار می‌کنند: وقتی از دستیارت می‌خواهی یک عکس بسازد، پشتِ پرده معمولاً یک مدلِ تصویرِ جدا این کار را انجام می‌دهد و دستیار فقط پیام را به آن می‌رساند — این‌جا واقعاً یک متخصصِ جدا در کار است. ولی دستیارهای پیشرفتهٔ امروز (از جمله همان Gemini رایگانی که در این دوره به‌کار می‌بریم) خودشان می‌توانند متن و تصویر و صدا را با هم بفهمند، نه اینکه فقط چند ابزارِ جدا به‌هم چسبیده باشند. پس فعلاً همین‌قدر بدان: تا وقتی چیزی به مدل ندهی، جز متنِ خودت چیزی جلویش نیست — اگر عکس یا صدایی به آن نداده‌ای، هر ادعایی دربارهٔ «دیدن» یا «شنیدن» ساختگی است. تصویرِ کاملِ اینکه یک مدل چطور چند جنسِ داده را با هم می‌فهمد، در ترمِ ۳ باز می‌شود.

۴. «هوش مصنوعی» در برابر AGI — افسانه‌زدایی#

هوش مصنوعیِ امروز باریک است: در یک جنسِ کارِ مشخص خیلی خوب است، نه یک ذهنِ عمومی که هر کاری بلد باشد. AGI (هوشِ عمومیِ مصنوعی) یک ایدهٔ فرضی است: سیستمی که مثلِ انسان هر کارِ فکری را یاد بگیرد. امروز چنین چیزی وجود ندارد. و مهم‌تر: مدل آگاهی، احساس و نیت ندارد — روان حرف می‌زند چون روی زبانِ انسان آموزش دیده، نه چون «می‌فهمد» یا «حس می‌کند».

همین باریک‌بودن و نبودِ فهمِ واقعی را می‌شود لو داد. به مدل بگو کاری با فایلی بکند که اصلاً نفرستادی — مثلاً بخواه یک فایلِ صوتی را که ادعا می‌کنی «همین‌الان فرستادی» خلاصه کند:

به فایلِ صوتی‌ای که همین‌الان فرستادم گوش بده و خلاصه‌اش کن.

هیچ فایلی نفرستادی. امروز بیشترِ دستیارها این یکی را درست می‌گیرند و صادقانه می‌گویند فایلی دریافت نکرده‌اند یا اصلاً نمی‌توانند صدا را پردازش کنند. اگر همین جواب را گرفتی، آزمایش خراب نشده — تازه بهترین بخشش را دیده‌ای: مدل دارد به یک مرز اعتراف می‌کند، و اعتراف به مرز دقیقاً همان چیزی است که یک همکارِ خوب باید بلد باشد. ولی این رفتار همیشگی نبوده و همیشگی هم نیست؛ گاهی به‌جای اعتراف، با اطمینانِ کامل یک خلاصهٔ کاملاً ساختگی می‌سازد:

حتماً. در این فایلِ صوتی گوینده دربارهٔ سفرش به شمالِ ایران صحبت می‌کند و از
هوای بارانی و جنگل‌های سرسبز می‌گوید. لحنِ کلی آرام و خاطره‌انگیز است.

✅ وارسی: این را با سه قانونِ ثابتِ دوره بسنج: «اول خودت فکر کن» — «وارسی کن، خط به خط» — «مدل مطمئن است؛ دلیل نمی‌شود درست باشد». هیچ فایلی به مدل نرسیده، پس هر خلاصه‌ای که بسازد ساختگی است. قاعده روشن است: اگر مدل ادعا کرد چیزی را دید یا شنید، اول مطمئن شو که واقعاً آن را به مدل داده‌ای؛ اگر نداده‌ای و مدل باز هم جوابی ساخت، به‌جای اعتراف به مرز، توهم زده. یک «مغزِ همه‌کاره» نیست که هر چیزی از پسش بربیاید.

💡 نکته: اینکه دستیارت این تله را می‌شناسد یعنی برای همین حالتِ خاص تمرین داده شده، نه اینکه دیگر هرگز چیزی از خودش نمی‌سازد. سنجهٔ درست این نیست که «مدل باهوش است یا نه»؛ این است که تو بدانی چه چیزی واقعاً به مدل داده‌ای. همان تله را با یک لینک هم می‌شود امتحان کرد («این لینک را باز کن و خلاصه کن») — و همان دو جوابِ ممکن سرِ جایشان‌اند: یا اعتراف به مرز، یا یک خلاصهٔ ساختگی از چیزی که هرگز باز نشده.

قبل از ادامه، جواب بده: اگر به مدل بگویی یک عکس را توصیف کند، بی‌آنکه عکسی داده باشی، دو جوابِ ممکن چیست — و کدام‌شان نشانهٔ توهم است؟

واژه‌های تازهٔ این فصل#

در فصل بعد#

حالا گونه‌های هوش مصنوعی را می‌شناسی و می‌دانی هیچ‌کدام یک ذهنِ همه‌کاره نیستند. فصل بعد از «چیستیِ» مدل‌ها می‌رویم سراغِ «چطور مسئولانه به‌کارشان بگیریم»: حریم خصوصیِ داده در ردهٔ رایگان در برابر پولی، سوگیری‌ای که از داده می‌آید، و اینکه کِی اصلاً نباید سراغِ هوش مصنوعی رفت.