تفاوت هوش مصنوعی با اتوماسیون ساده در کار روزمره
خیلی از کسبوکارها برای کاری مدل میخرند که یک شرط ساده حلش میکند، و برعکس. اینجا مرز را روشن میکنیم: کجا قاعده بنویسید، کجا سراغ مدل بروید.
یک فروشگاه اینترنتی دیدم که تخفیف مشتریهای وفادار را به یک مدل زبانی سپرده بود. ورودی مشخص بود: مبلغ سبد، تعداد خرید قبلی، تاریخ عضویت. ولی برای همان مشتری، گاهی ۱۲ درصد درمیآمد و گاهی ۱۵ درصد.
این باگ نبود؛ ذات کار بود. مدل زبانی جواب را حساب نمیکند، تولید میکند — محتملترین ادامه را مینویسد. و برای تخفیف، محتملترین جواب به درد نمیخورد؛ درستترین جواب لازم است.
در همان مجموعه، پیامهای پشتیبانی با فهرست کلیدواژه دستهبندی میشد: هر پیامی که «مرجوعی» داشت به صف مرجوعی میرفت. پیامی که نوشته بود «جنسو پس میفرستم» هیچجا نمیرفت. تفاوت هوش مصنوعی و اتوماسیون ساده همینجاست، نه در تعریفهای کتابی.
قاعده یعنی قطعی، ارزان و قابل ممیزی
اتوماسیون قاعدهمحور یعنی شما شرط را مینویسید و ماشین همان را بیکموکاست اجرا میکند: یک فرمول در اکسل، یک قانون در نرمافزار حسابداری، یک اتوماسیون که با ثبت فرم ایمیل میفرستد. اسم رسمیاش موتور قواعد کسبوکار است.
چهار خاصیت دارد که مدل تضمینشان نمیکند. قطعی است؛ ورودی یکسان همیشه خروجی یکسان میدهد. قابل ممیزی است؛ میشود نشان داد عدد از کجا آمد. ارزان است؛ اجرای میلیونبارهاش هم چیزی خرج برنمیدارد. و وقتی میشکند پیداست: خطا میدهد، نه جوابِ اشتباهِ خوشبیان. نمونههایش در خودکارسازی کارهای تکراری بدون برنامهنویسی فهرست شده.
ضعفش یکی است و بزرگ: ورودی باید مرتب باشد. لحظهای که ورودی جملهی آزاد فارسی، عکس رسید یا PDF بیساختار شد، قاعده کور است.
مدل یعنی احتمالی، منعطف و اهل بینظمی
مدل از جایی شروع میشود که قاعده تمام میشود. جملهی شکسته، غلط املایی، فینگلیش، عکس کج — معمولاً از پس همه برمیآید. در عوض قطعیت را از شما میگیرد: همان ورودی فردا ممکن است خروجی متفاوت بدهد. چراییاش در دما و تنظیمات مدل باز شده؛ حتی با پایینترین دما هم یکسانی تضمینشده نیست.
یک تصحیح هم لازم است: مدل امروزی بیسواد حساب نیست و با اجرای کد، تخفیف را درست درمیآورد. مسئله توانایی نیست، تضمین است.
مسئلهی دوم این است که مدل «نمیدانم» را دیر میگوید. اگر داده در متن نباشد، بهجای خالی گذاشتن چیزی میسازد که قانعکننده به نظر برسد — همان توهم هوش مصنوعی. برای ایدهپردازی مهم نیست. برای شمارهی فاکتور فاجعه است.
کدام کار با قاعده حل میشود و کدام با مدل
معیار ساده است: اگر تصمیم را میتوانید روی کاغذ به شکل «اگر ... آنگاه ...» بنویسید، مدل نگذارید. اگر نمیتوانید، بگذارید.
| کار | ابزار درست | چرا |
|---|---|---|
| محاسبهی تخفیف و مالیات | قاعده | جواب باید همیشه یکسان و قابل دفاع باشد |
| دستهبندی پیام مشتری | مدل | مشتری یک چیز را به صد شکل مینویسد |
| یادآور سررسید فاکتور | قاعده | شرط فقط تاریخ است، ابهامی ندارد |
| خلاصهی نظرهای کاربران | مدل | متن آزاد، بدون الگوی از پیش معلوم |
| اعتبارسنجی کد ملی و شبا | قاعده | الگوریتم قطعی دارد، حدس لازم ندارد |
| استخراج اقلام از فاکتور اسکنشده | مدل | قالب هر تأمینکننده فرق میکند |
الگوی دورگه: مدل مرتب میکند، قاعده تصمیم میگیرد
بهترین طراحیهایی که دیدهام هیچکدام خالص نبودهاند: مدل ورودی نامرتب را ساختاریافته میکند و قاعده روی خروجیاش تصمیم میگیرد. مدل میگوید «نوع: مرجوعی، شماره سفارش: ۴۸۲۱»؛ قاعده بررسی میکند این سفارش داخل مهلت هفتروزه هست یا نه. پرامپت زیر همین نقش را تحمیل میکند:
نقش تو استخراجکننده است، نه تصمیمگیرنده.
از متن پیام مشتری فقط این چهار فیلد را دربیاور:
- نوع درخواست: یکی از [مرجوعی، پیگیری، شکایت، پرسش قیمت، سایر]
- شماره سفارش: فقط رقم
- فوریت: یکی از [عادی، فوری]
- خلاصه: حداکثر ۱۵ کلمه
خروجی فقط JSON با همین چهار کلید.
اگر چیزی در متن نبود حدس نزن؛ مقدار را خالی بگذار.
متن پیام:
«...»دو جزء این پرامپت بار اصلی را میکشند: بستن خروجی به فهرست محدود، و دستور صریح «حدس نزن». در نارنگی میشود چند پیام واقعی را پشت سر هم داد و خروجیها را سنجید.
هزینهی پنهان عدم قطعیت
فرایند غیرقطعی، بازبینی انسانی را دائمی میکند؛ صرفهجوییای که روی کاغذ حساب کرده بودید در ساعتهای چک کردن دود میشود. عددهایش در هزینهی واقعی کار با هوش مصنوعی و مرزهای امنترش در هوش مصنوعی برای حسابداران آمده است.
قلم دوم را کمتر کسی پیشبینی میکند: مدل زیر پای شما عوض میشود. سرویسدهنده نسخه را ارتقا میدهد و پرامپتی که ماهها بیدردسر کار میکرد قالبش فرق میکند. شرط اکسل سال بعد هم همان است.
هر جا خروجی در دفتر مالی، فاکتور رسمی یا اظهارنامه مینشیند، مدل نباید عدد نهایی را بسازد؛ سهمش حداکثر بیرون کشیدن دادهی خام است. دلیلش ممیزی است: در بازرسی باید بگویید رقم از کدام قاعده آمده. «مدل اینطور گفت» قابل دفاع نیست و مسئولیت با حسابدار میماند، نه ابزار.
با پنجاه نمونهی واقعی امتحان کنید
بحث نظری بین این دو معمولاً بینتیجه میماند. راه کوتاهتر: پنجاه ورودی واقعی ماه گذشته را بردارید، خروجی درست هرکدام را دستی بنویسید، بعد هر دو مسیر را روی همان پنجاهتا ببرید و خطاها را بشمارید. یک بعدازظهر وقت میبرد و جای ماهها حدس را میگیرد.
جنس خطا از تعدادش مهمتر است: خطایی که اپراتور در ده ثانیه درستش میکند با خطایی که فاکتور غلط به دست مشتری میرساند هموزن نیست. و یک نشانه: اگر مجبور شدید بیست استثنا به پرامپت اضافه کنید، آن استثناها خودشان قاعدهاند — کار از اول کار مدل نبوده.
یک جا هم هنوز نباید انتظار زیادی داشت: جدول عددی بلند. صورتحساب صدردیفه را که بدهید، اغلب چند ردیف جا میافتد یا رقمی جابهجا خوانده میشود، و چون خروجی مرتب به نظر میرسد کسی متوجه نمیشود. ردیفها را ساختاریافته دربیاورید و جمع را با فرمول بزنید.
جمعبندی
موضع من صریح است: هر جا قاعده جواب میدهد، مدل نگذارید. مدل گرانتر، کندتر و مهمتر از همه غیرقابل پیشبینی است. آن را برای ورودی نامرتب نگه دارید.
و اگر گیر کردهاید، سراغ الگوی دورگه بروید: مدل بینظمی را بگیرد، قاعده تصمیم را. هم انعطاف میماند، هم چیزی که بشود از رویش دفاع کرد.
برای ادامه:
