


هوش مصنوعی (AI) در پردازش حجم عظیمی از داده ها به مهارت بسیار بالایی دست یافته است. این توانایی باعث شده تا این فناوری در خلاصه سازی مکالمات و شناسایی الگوهای تکراری در متون بسیار کارآمد باشد. با این حال، درک معنای واقعی مردم چالشی است که هوش مصنوعی هنوز نتوانسته بر آن غلبه کند.
به گزارش بخش اخبار خبرجو به نقل از Digital Trends، محققان دانشگاه میسوری چارچوبی برای ارزیابی توانایی هوش مصنوعی برای شناسایی مضامین معنادار در مکالمات انسانی ایجاد کرده اند. یافتههای آنها که در «ژورنال بینالمللی روشهای کیفی» منتشر شده است، نشان میدهد که اگرچه هوش مصنوعی میتواند بیشتر موضوعات کلی مورد بحث توسط افراد را تشخیص دهد، اما ممکن است تفاوتهای مهم در معنا و زمینه را نادیده بگیرد.
هوش مصنوعی بخش اعظم گفتگو را درک کرد، اما جزئیات ظریف را از دست داد
محققان 32 مصاحبه با اعضای هیئت علمی، متخصصان و دانشجویان پرستاری در مورد تجربیات خود با هوش مصنوعی مولد تجزیه و تحلیل کرد. آنها از یک سیستم تجزیه و تحلیل متن به نام استفاده می کنند BERTopic استفاده کرد و سپس یافته های آن را با موضوعاتی که قبلاً توسط محققان انسانی شناسایی شده بود مقایسه کرد.

طبق اطلاعیه منتشر شده از سوی این دانشگاه، نتایج اولیه امیدوارکننده بود. از 12 موضوع شناسایی شده توسط محققان انسانی، 11 موضوع حداقل یک موضوع به اندازه کافی مشابه تولید شده توسط سیستم هوش مصنوعی داشتند. اگرچه این آمار در نگاه اول بسیار امیدوارکننده به نظر می رسد، اما به این معنی نیست که سیستم قادر به درک این موضوعات به خوبی انسان ها بوده است.
در برخی موارد، این مدل چندین ایده مجزا را در یک دسته کلی قرار داد که این پتانسیل را داشت که تفاوتهای مهم بین آنها را محو کند. در موارد دیگر، او یک موضوع واحد را به چندین موضوع کوچکتر تقسیم می کرد که تفسیر پیام اصلی پنهان در آن را دشوارتر می کرد. محققان همچنین شواهد محدودی یافتند که نشان میدهد این مدل میتواند به طور مداوم بینشهای جدید و معناداری را فراتر از آنچه که تحلیلگران انسانی قبلاً شناسایی کرده بودند، کشف کند.
قضاوت انسان همچنان نقش مهمی در درک مفاهیم دارد
تیم تحقیقاتی یک چارچوب شش مرحله ای برای ارزیابی دقیق این کمبودها ایجاد کرد AURA (حسابرسی رتبه بندی تراز و سودمندی) ابزاری را توسعه داده است که به محققان کمک می کند تا تعیین کنند که آیا موضوعات تولید شده توسط هوش مصنوعی مرتبط و خبرجو هستند یا خیر. (نکته: این جمله در متن اصلی که برای حفظ یکپارچگی متن ترجمه شده تکرار شده است).

همه این موارد می تواند در مناطقی مانند بهداشت، آموزش و پرورش و علوم اجتماعی حیاتی بودن در جایی که درک تجربیات یک فرد اغلب مستلزم تفسیر زمینه و زمینه است، به جای اینکه صرفاً موضوعاتی را که به طور مکرر مورد بحث قرار گرفته اند، شناسایی کنید. این مطالعه شامل مجموعه نسبتاً کوچکی از مصاحبهها با تمرکز بر پرستاری و هوش مصنوعی مولد بود. همچنین، به جای آزمایش مستقیم چت ربات های مکالمه محور، محققان دوست دارند ChatGPT یا جوزااز BERTopic که یک سیستم مدل سازی موضوعات تخصصی است استفاده کرد.
بنابراین، آزمایشهای بیشتری برای تعیین تعمیمپذیری این یافتهها به سایر سیستمهای هوش مصنوعی و محیطهای تحقیقاتی ضروری خواهد بود. با وجود تمام قابلیت هایی که هوش مصنوعی تاکنون به آن دست یافته است، این فناوری در درک متنی و مفهومی هنوز پشت سر انسان است.


















گفتگو در مورد این post