مدل‌های هوش مصنوعی چطور کار می‌کنند؟ توضیح بدون ریاضیات

چرا یک مدل عکس می‌سازد و دیگری متن؟ چرا بعضی کندترند ولی دقیق‌تر؟ این راهنما تفاوت خانواده‌های مختلف مدل را توضیح می‌دهد — بدون یک فرمول.

🍊 تیم نارنگی یکشنبه ۴ مرداد ۱۴۰۵ ⏱ 4 دقیقه مطالعه

توضیح ساده‌ی انواع مدل‌های هوش مصنوعی و طرز کارشان

وقتی می‌گویند «هوش مصنوعی»، معمولاً چند چیز کاملاً متفاوت در یک اسم جمع شده. مدلی که متن می‌نویسد با مدلی که عکس می‌سازد، از پایه متفاوت‌اند — و دانستن این تفاوت به شما کمک می‌کند بفهمید چرا هرکدام کجا خوب است و کجا نه.

این مقاله بدون فرمول توضیح می‌دهد.

پایه‌ی مشترک: شبکه‌ی عصبی

تقریباً همه‌ی مدل‌های امروزی روی یک ایده بنا شده‌اند: شبکه‌ی عصبی.

تصور کنید میلیون‌ها دکمه‌ی تنظیم دارید. ورودی از یک طرف وارد می‌شود، از میان این دکمه‌ها می‌گذرد، و از طرف دیگر خروجی بیرون می‌آید. آموزش یعنی: ورودی بده، خروجی را با جواب درست مقایسه کن، و دکمه‌ها را کمی در جهتی تنظیم کن که خطا کمتر شود.

این کار میلیاردها بار تکرار می‌شود. در پایان، آن دکمه‌ها طوری تنظیم شده‌اند که الگوهای موجود در داده را بازتاب می‌دهند. آن دکمه‌ها همان چیزی هستند که «پارامتر» نامیده می‌شوند.

💡 چرا این نکته مهم است

مدل قانون‌ها را حفظ نکرده — الگوها را در تنظیمات خودش رمزگذاری کرده. برای همین می‌تواند با چیزی که دقیقاً ندیده هم کنار بیاید، و برای همین هم گاهی با اطمینان اشتباه می‌گوید.

چهار خانواده‌ی اصلی

۱. مدل زبانی

کارش یکی است: پیش‌بینی توکن بعدی. متن را تکه‌تکه می‌بیند و هر بار محتمل‌ترین ادامه را می‌سازد.

همین کار ساده، وقتی روی حجم عظیمی از متن آموزش ببیند، به توانایی‌های پیچیده‌ای منجر می‌شود: خلاصه‌کردن، ترجمه، کدنویسی، استدلال ساده.

خوب است در: هر کاری که خروجی‌اش متن است.
ضعیف است در: محاسبات دقیق، بازیابی واقعیت‌های نادر، هر چیزی که نیاز به قطعیت دارد.

توضیح مفصل در مقاله‌ی چت جی‌پی‌تی چیست.

۲. مدل تصویری (انتشاری)

کاملاً متفاوت کار می‌کند. از یک تصویر پر از نویز شروع می‌کند و مرحله‌به‌مرحله نویز را کم می‌کند تا چیزی بسازد که با توصیف شما همخوان باشد.

به همین دلیل است که هر بار نتیجه فرق می‌کند — نقطه‌ی شروع تصادفی است.

خوب است در: ساخت تصویر از توصیف، تغییر تصویر موجود.
ضعیف است در: متن داخل تصویر، دست و انگشت، دقت هندسی.

۳. مدل استدلالی

نسل تازه‌تری که پیش از جواب‌دادن، مراحل میانی را برای خودش می‌نویسد — چیزی شبیه چرک‌نویس.

این کار دقت را در مسائل چندمرحله‌ای بالا می‌برد: ریاضی، منطق، برنامه‌ریزی. در عوض کندتر و گران‌تر است.

کِی ارزش دارد: وقتی مسئله چند گام دارد و اشتباه در گام اول همه‌چیز را خراب می‌کند.
کِی اسراف است: «سلام چطوری» یا بازنویسی یک جمله.

۴. مدل چندوجهی

مدلی که بیش از یک نوع ورودی را می‌فهمد. وقتی عکسی می‌فرستید و می‌پرسید «این چیست؟»، یا فایل صوتی می‌دهید، از این قابلیت استفاده می‌شود.

فنی‌اش این است که ورودی‌های مختلف به همان «فضای عددی» مشترک ترجمه می‌شوند که مدل زبانی با آن کار می‌کند.

اندازه‌ی مدل: بزرگ‌تر همیشه بهتر نیست

اندازه	مناسب برای	معاوضه
کوچک	دسته‌بندی، خلاصه‌ی کوتاه، پاسخ سریع	ارزان و سریع، دانش کمتر
متوسط	بیشتر کارهای روزمره	تعادل هزینه و کیفیت
بزرگ	کار پیچیده، متن بلند، تخصصی	کند و گران

نکته‌ی عملی: استفاده از بزرگ‌ترین مدل برای هر کاری، مثل استفاده از کامیون برای خرید نان است. برای کارهای ساده، مدل کوچک همان نتیجه را می‌دهد.

پنج اصطلاحی که مدام می‌شنوید

پارامتر: همان «دکمه‌های تنظیم». مدلی با ۷۰ میلیارد پارامتر یعنی ۷۰ میلیارد عدد قابل تنظیم.
توکن: واحد متن — چیزی بین یک حرف و یک کلمه. هزینه بر اساس آن حساب می‌شود.
پنجره‌ی متن: بیشترین مقداری که مدل هم‌زمان می‌بیند. فراتر از آن، ابتدای گفتگو از دید خارج می‌شود.
دما (temperature): میزان تصادفی‌بودن. پایین = قابل پیش‌بینی و خشک، بالا = خلاقانه و بی‌ثبات.
توهم (hallucination): وقتی مدل چیزی می‌سازد که واقعی به‌نظر می‌رسد ولی نیست.

کدام مدل برای چه کاری

کار شما	نوع مدل مناسب
نوشتن و ویرایش متن	زبانی، اندازه‌ی متوسط
مسئله‌ی ریاضی یا منطقی	استدلالی
ساخت تصویر	تصویری
سؤال درباره‌ی یک عکس	چندوجهی
خلاصه‌ی سند طولانی	زبانی با پنجره‌ی بزرگ
پاسخ سریع و ارزان	زبانی کوچک

در عمل، بیشتر سرویس‌ها این انتخاب را خودکار انجام می‌دهند. در نارنگی حالت هوشمند از متن درخواستتان تشخیص می‌دهد کدام مدل لازم است.

سه محدودیت مشترک همه

دانش تا تاریخ مشخص. رویدادهای بعد از آموزش را نمی‌دانند مگر جستجوی وب داشته باشند.
عدم قطعیت پنهان. مدل نمی‌داند کجا نمی‌داند — و همان‌جاست که با اطمینان اشتباه می‌گوید.
بازتاب داده‌ی آموزشی. اگر داده سوگیری داشته، خروجی هم دارد. برای فارسی، این یعنی داده‌ی کمتر و پوشش ضعیف‌تر موضوعات محلی.

جمع‌بندی

همه‌ی این مدل‌ها یک کار انجام می‌دهند: الگو را از داده یاد می‌گیرند و بازتولیدش می‌کنند. تفاوتشان در نوع داده و نوع خروجی است.

و مهم‌ترین نتیجه‌ی عملی همین است: هرچه کار شما به الگوهای رایج نزدیک‌تر باشد، مدل بهتر عمل می‌کند. هرچه یکتاتر و تخصصی‌تر، بیشتر باید بازبینی کنید.

مطالب مرتبط:

پرسش‌های پرتکرار

تفاوت هوش مصنوعی، یادگیری ماشین و یادگیری عمیق چیست؟ +

سه دایره‌ی تودرتو. هوش مصنوعی بزرگ‌ترین است — هر سیستمی که کار هوشمندانه انجام دهد. یادگیری ماشین زیرمجموعه‌اش است: سیستمی که از داده یاد می‌گیرد به‌جای اینکه قانون‌هایش دستی نوشته شود. یادگیری عمیق زیرمجموعه‌ی آن است و از شبکه‌های عصبی چندلایه استفاده می‌کند.

چرا مدل بزرگ‌تر همیشه بهتر نیست؟ +

مدل بزرگ‌تر معمولاً دانش بیشتری دارد ولی کندتر و گران‌تر است. برای کارهای ساده مثل دسته‌بندی یا خلاصه‌ی کوتاه، مدل کوچک نتیجه‌ی مشابهی با کسری از هزینه می‌دهد.

مدل استدلالی چه فرقی دارد؟ +

پیش از جواب‌دادن، مراحل میانی را برای خودش تولید می‌کند — چیزی شبیه یادداشت‌برداری. این کار برای مسائل چندمرحله‌ای دقت را بالا می‌برد ولی زمان و هزینه‌ی بیشتری می‌گیرد. برای سؤال ساده اسراف است.

مدل چندوجهی یعنی چه؟ +

مدلی که بیش از یک نوع ورودی را می‌فهمد — مثلاً هم متن هم تصویر. وقتی عکسی می‌فرستید و درباره‌اش سؤال می‌کنید، از این قابلیت استفاده می‌شود.

#مدل های هوش مصنوعی #مدل زبانی #شبکه عصبی #یادگیری ماشین #مدل استدلالی

به‌دردِ کسی می‌خورد؟ تلگرام واتساپ