قيود الذكاء الاصطناعي التوليدي: فجوة المعرفة المتخصصة تحدّ من فعاليته

 كشفت تجربة حديثة قام بها المسؤول الرقمي في رابطة جولف المحترفين (PGA Tour) عن قيودٍ جوهرية في نماذج الذكاء الاصطناعي التوليدي، فقد فشل برنامج الدردشة الآلي “ChatGPT” في الإجابة بدقة عن سؤال بسيط حول عدد مرات فوز تايغر وودز ببطولات الجولة، مما يُبرز فجوةً كبيرة بين قدرات هذه النماذج والمعرفة المتخصصة العميقة.

على الرغم من تدريب نماذج الذكاء الاصطناعي التوليدي على كميات هائلة من البيانات من الإنترنت ومصادر أخرى، إلا أنها تفتقر إلى المعرفة المفصلة والمتعمقة حتى في مواضيع شائعة مثل رياضة الجولف، كما لاحظ سكوت جوتيرمان، نائب الرئيس الأول للتكنولوجيا الرقمية والبث في رابطة جولف المحترفين. ويُعزى ذلك إلى نقص البيانات، أو إلى اعتمادها على بيانات عامة تُنتج استجابات عامة غير دقيقة.

وليس هذا الأمر مقتصراً على رابطة جولف المحترفين فقط، فمع انتقال مشاريع الذكاء الاصطناعي من مرحلة التجارب الأولية إلى مرحلة التشغيل الفعلي، اكتشفت الشركات أن العديد من نماذج الذكاء الاصطناعي تُشبه الموظف الجديد الذي يبدأ عمله دون خبرة كافية.

أصبح من الضروري لإحداث قيمة مضافة إثراء النماذج العامة للذكاء الاصطناعي، مثل تلك التي تقدمها شركات مثل Anthropic أو OpenAI، ببيانات أكثر تحديداً وخصوصية تتعلق بالقطاع أو العمل. لكن هذه العملية ليست سهلة، فزيادة دقة وموثوقية النماذج تتطلب تكاليف ومعقّدات إضافية، كما تشير ريتو جيوتي، المديرة العامة ونائبة الرئيس الأول للذكاء الاصطناعي والبيانات في شركة IDC للأبحاث. كما أن نجاح هذه العملية يعتمد على امتلاك الشركات لسيطرة تامة على بياناتها، وهو ما قد يكون صعباً تحقيقه.

يبقى السؤال المطروح: كم من الإثراء يكفي لجعل النماذج دقيقة وموثوقة بما يكفي للاستخدام المحدد؟ تُحاول العديد من الشركات، بما في ذلك شركات الاستشارات ومقدمو خدمات الحوسبة السحابية مثل أمازون ويب سيرفيسز، ومصنّعو النماذج مثل OpenAI نفسها، تقديم حلول لمساعدة الشركات على تخطي هذه العقبة.

هذا المحتوى تم باستخدام أدوات الذكاء الاصطناعي