«هوش مصنوعی زایا» (Generative AI) نوعی هوش مصنوعی است که در تولید محتوا به شما کمک می‌کند. این نوع هوش مصنوعی می‌تواند به شما کمک کند خلاق‌تر، پربازده‌تر، و آگاه‌تر باشید.
در این مقاله، می‌توانید با «هوش مصنوعی زایا» آشنا شوید، ازجمله:
- «هوش مصنوعی زایا» چیست و چگونه کار می‌کند
- نحوه استفاده از «هوش مصنوعی زایا» و ارزیابی صحت پاسخ‌های آن
- Google چگونه هوش مصنوعی را توسعه می‌دهد
«هوش مصنوعی زایا» چیست
«هوش مصنوعی زایا» نوعی مدل یادگیری ماشین است. «هوش مصنوعی زایا» انسان نیست. نمی‌تواند خودش فکر کند یا احساسات داشته باشد. فقط یک ابزار بسیار خوب برای پیدا کردن الگوها است.
در گذشته، از هوش مصنوعی برای توصیه کردن و درک اطلاعات استفاده می‌شد. درحال‌حاضر، «هوش مصنوعی زایا» در تولید محتوای جدید، مثل تصویر، موسیقی، و کدهای برنامه‌نویسی نیز به ما کمک می‌کند.
مدل‌های یادگیری ماشین چگونه آموزش میبینندمدلهای یادگیری ماشین، ازجمله «هوش مصنوعی زایا»، ازطریق فرایند مشاهده و انطباق دادن الگو یاد می‌گیرند که به این فرایند آموزش می‌گویند. برای اینکه یک مدل متوجه شود کفش ورزشی چیست، بااستفاده از میلیون‌ها عکس از کفش ورزشی به او آموزش داده می‌شود. با گذشت زمان، این مدل متوجه می‌شود که کفش ورزشی شیئی است که انسان‌ها به پا می‌کنند و دارای بند و کفی است و یک نشان‌واره دارد.
این مدل می‌تواند از آموزش برای موارد زیر استفاده کند:
- ورودی‌ها را دریافت کند، مثلاً «تصویری از یک کفش ورزشی بساز که آویزی به‌شکل بز داشته باشد.»
- آنچه را درباره کفش ورزشی، بز، و آویز آموخته است با‌هم متصل کند.
- یک تصویر، حتی اگر تصویر مشابه آن را تاکنون ندیده باشد، تولید کند.
«هوش مصنوعی زایا» و «مدل‌های زبانی بزرگ» (LLM) بخش‌های یک فناوری هستند. «هوش مصنوعی زایا» می‌تواند بااستفاده از همه نوع داده‌ای آموزش ببیند، اما «مدل‌های زبانی بزرگ» از کلمات به‌عنوان منبع اصلی داده‌های آموزشی‌شان استفاده می‌کنند.
تجربه‌های ارائه‌شده ازسوی «مدل‌های زبانی بزرگ»، مثل Gemini و «تجربه جستجوی زایا» (SGE)، می‌توانند براساس پیام‌واره شما و نوشتاری که تاکنون تولید کرده است، کلمات احتمالی بعدی را پیش‌بینی کند. به آن‌ها اجازه انعطاف‌پذیری داده می‌شود تا کلمات احتمالی بعدی را مطابق با الگوهای آموزشی خود پیش‌بینی کنند. این انعطاف‌پذیری به آن‌ها امکان می‌دهد پاسخ‌های خلاقانه تولید کنند.
اگر از آن‌ها بخواهید جای خالی عبارت «هری [جای خالی]» را پر کنند، ممکن است پیش‌بینی کنند که کلمه بعدی «کِین» یا «پاتر» باشد.
نحوه استفاده از «هوش مصنوعی زایا»
مهم: تجربه‌های Google با نیروی «هوش مصنوعی زایا» می‌تواند به شما کمک کند روند خلاقانه‌ای را شروع کنید. قرار نیست آن‌ها همه کار را برای شما انجام دهند یا محتواساز باشند.
در اینجا ۳ روش استفاده از «هوش مصنوعی زایا» آمده است:
- طوفان فکری ایده‌های خلاقانه. برای مثال، دریافت راهنمایی برای نوشتن پیش‌درآمد برای فیلم موردعلاقه‌تان.
- پرسیدن سؤالاتی که فکر نمی‌کردید بتوان به آن‌ها پاسخ داد. مثلاً «کدام اول آفریده شد، مرغ یا تخم‌مرغ؟»
- دریافت راهنمایی بسیار متخصصانه. از او بخواهید یک عنوان برای داستانی که نوشته‌اید پیشنهاد دهد، یا برای شناسایی گونه‌های حیوان یا حشره موجود در تصویری به شما کمک کند.
همان‌طور که بااستفاده از «هوش مصنوعی زایا» چیزهای جدید یاد می‌گیرید، و کاوش و خلق می‌کنید، مهم است که به‌نحوی مسئولانه از آن استفاده کنید. برای اطلاع از جزئیات، خط‌مشی کاربردهای غیرمجاز هوش مصنوعی زایا ما را مرور کنید.
هوش مصنوعی می‌تواند اشتباه کند و اشتباه خواهد کردچون «هوش مصنوعی زایا» در مرحله آزمایشی است و هنوز درحال توسعه است، می‌تواند اشتباه کند و اشتباه خواهد کرد:
- ممکن است پاسخی را ابداع کند. وقتی «هوش مصنوعی زایا» پاسخی را ابداع می‌کند، به آن توهم می‌گویند. توهم اتفاق می‌افتد، زیرا برخلاف «جستجوی Google» که اطلاعات را از وب دریافت می‌کند، «مدل‌های زبانی بزرگ» اصلاً اطلاعات جمع‌آوری نمی‌کنند. درعوض، «مدل‌های زبانی بزرگ» براساس دروندادهای کاربر پیش‌بینی می‌کنند کلمه بعدی چیست.
- برای مثال، ممکن است بپرسید «چه کسی در مسابقات ژیمناستیک بانوان المپیک تابستانی ۲۰۳۲ بریزبن برنده خواهد شد؟» و پاسخ دریافت کنید، هرچند این رویداد هنوز شروع نشده است.
- ممکن است اطلاعات را اشتباه متوجه شود. گاهی‌اوقات، محصولات «هوش مصنوعی زایا» کلمات را اشتباه متوجه می‌شوند که باعث تغییر معنا می‌شود.
- برای مثال، شاید بخواهید درباره شیر، جانور گوشت‌خوار از گربه‌سانان، اطلاعات بیشتری کسب کنید. اگر درباره شیر اطلاعات بخواهید، ممکن است این مدل به شما اطلاعاتی درباره شیر نوشیدنی یا شیر آب بدهد.
با دیدی نقادانه به پاسخ‌های دریافتی از ابزارهای «هوش مصنوعی زایا» نگاه کنید. برای بررسی اطلاعاتی که به‌عنوان واقعیت ارائه می‌شود از Google و منابع دیگر استفاده کنید.
اگر به چیزی برخوردید که درست نیست، آن را گزارش کنید. بسیاری از محصولات «هوش مصنوعی زایای» ما ابزارهای گزارش تخلف دارند. بازخورد شما به ما کمک می‌کند مدل‌ها را پالایش کنیم تا تجربه «هوش مصنوعی زایا» برای همه بهبود یابد.
ویژگی‌های کد زایای ما هنوز در مرحله آزمایشی است و مسئولیت استفاده شما از کد پیشنهادی یا توضیحات کدنویسی برعهده خودتان است. لطفاً مراقب باشید و قبل‌از استفاده از کدها آن‌ها را بادقت آزمایش کنید تا از عدم وجود خطا، اشکال، و آسیب‌پ‌یری‌ها مطمئن شوید. مسئولیت رعایت هرگونه الزامات مربوط به پروانه، مانند مواردی که به مخازن کد متن‌باز استناد می‌دهیم، برعهده شما است. بیشتر بدانید.
Google چگونه هوش مصنوعی را توسعه می‌دهد
برای اطمینان از اینکه ابزارهای تولیدی ما جهان را به جایی بهتر برای همه تبدیل می‌کند، ما مجموعه‌ای از «اصول هوش مصنوعی» را در سال ۲۰۱۸ توسعه دادیم. در این اصول، اهداف ما برای توسعه فناوری برجسته‌ای که به روشی مسئولانه به تعدادی از بزرگ‌ترین چالش‌های جامعه رسیدگی می‌کند شرح داده شده است.
برای مثال، از هوش مصنوعی برای انجام کارهای زیر استفاده می‌کنیم:
- حمایت از تلاش‌ها برای مهار کردن تغییر اقلیمی، مثل کاهش ترافیک‌های سنگین برای کم کردن میزان انتشار کربن وسایل نقلیه.
- پیش‌بینی یا پایش فجایع طبیعی، مثل پیش‌بینی وقوع سیل در بیش‌از ۲۰ کشور و ردیابی مرزهای لحظه‌ای آتش‌سوزی جنگل
- حمایت از نوآوری‌ها درزمینه مراقبت‌های بهداشتی، مثل بیشتر دردسترس قرار دادن غربالگری بیماری سل و کمک به شناسایی زودهنگام سرطان پستان
اصول ما حوزه‌هایی را هم که با هوش مصنوعی دنبال نخواهیم کرد فهرست می‌کند، مثل فناوری‌هایی که آسیب کلی وارد می‌کند یا قوانین بین‌المللی و حقوق بشر را نقض می‌کند.
فهرست کامل «اصول هوش مصنوعی» ما را بررسی کنید.
برای توسعه و بهبود تجربه‌های هوش مصنوعی زایا در «جستجو» و فناوری‌های یادگیری ماشینی که آن‌ها را تقویت می‌کند، Google از تعاملات افراد با «جستجو» و این تجربه‌ها استفاده می‌کند. این می‌تواند شامل تعاملاتی مثل آنچه افراد جستجو می‌کنند و بازخوردهایی که ارائه می‌دهند (مثل رأی موافق یا رأی مخالف) شود. بازبینی انسانی یکی از روش‌های بسیاری است که ازطریق آن کیفیت نتایج خود و پاسخ‌گویی درقبال محصولاتمان را ارزیابی می‌کنیم و آن‌ها را بهبود می‌بخشیم.
وقتی بازبین‌های آموزش‌دیده در راستای بهبود کیفیت مدل‌های یادگیری ماشین «جستجو» کار می‌کنند، چند اقدام احتیاطی را برای محافظت از حریم خصوصی کاربران انجام می‌دهیم:
- ارتباط داده‌هایی که بازبین‌ها می‌بینند و حاشیه‌نویسی می‌کنند از حساب کاربران قطع می‌شود.
- ابزارهای خودکارسازی‌شده در تشخیص و حذف گستره وسیعی از اطلاعات شناساننده هویت و اطلاعات شخصی حساس کمک می‌کنند.