هوش مصنوعی چیست و مدل‌های زبانی چگونه کار می‌کنند

سه لایه‌ی تو در تو

این سه واژه اغلب به جای هم گفته می‌شوند ولی هر کدام زیرمجموعه‌ی قبلی است:

• هوش مصنوعی (AI): هر سیستمی که کاری را انجام دهد که معمولاً به هوش انسانی نیاز دارد (تشخیص تصویر، ترجمه، بازی شطرنج).
• یادگیری ماشین (ML): بخشی از AI که به‌جای نوشتن قانون دستی، الگو را از داده یاد می‌گیرد. مثال: فیلتر اسپم که از هزاران ایمیل برچسب‌دار یاد می‌گیرد.
• یادگیری عمیق (DL): بخشی از ML که از شبکه‌های عصبی چندلایه استفاده می‌کند؛ پایه‌ی بیشتر پیشرفت‌های اخیر در تصویر، صدا و زبان.

مدل زبانی بزرگ (LLM) نوعی مدل یادگیری عمیق است (مثل مدل‌های پشت ChatGPT، Claude و Gemini) که روی حجم عظیمی از متن آموزش دیده است.

یک مدل زبانی در اصل چه می‌کند؟

ساده‌شده: مدل زبانی با دیدن متن تا اینجا، توکن بعدی را پیش‌بینی می‌کند، و این کار را بارها تکرار می‌کند تا پاسخ ساخته شود.

• توکن: تکه‌ای از متن (گاهی یک کلمه، گاهی بخشی از کلمه یا یک نویسه).
• مدل با مشاهده‌ی میلیاردها نمونه، الگوهای زبان، دانش عمومی و حتی بخشی از استدلال را به‌صورت ضمنی در وزن‌هایش ذخیره کرده است.
• مدل مثل موتور جست‌وجو «سند پیدا» نمی‌کند، متن تولید می‌کند. به همین دلیل می‌تواند بسیار روان و در عین حال اشتباه بنویسد (به این می‌گویند «توهم» یا hallucination).
• مدل فقط تا تاریخ قطع دانش خودش اطلاعات دارد، مگر اینکه ابزار جست‌وجو به آن داده شود.
• طول متنی که مدل هم‌زمان می‌بیند محدود است (پنجره‌ی زمینه).