يستند هذا المقال كما قيل إلى محادثة مع ناتالي جيلبرت، عالمة البيانات البالغة من العمر 30 عامًا في AT&T والتي كان والدها، مازن جيلبرت، باحثًا في قسم مختبرات بيل بالشركة. تم تحرير المقابلة من أجل الطول والوضوح.
أثناء نشأتي، كنت ساذجًا جدًا بشأن ماهية AT&T.
ما عرفته عن الشركة جاء من خلال عدسة والدي، الذي كان يعمل على التعرف على الكلام. لقد عمل مع أشخاص مثل يان ليكون، الذي كان يطور القدرة على اكتشاف الكتابة اليدوية وتحويلها إلى نص، ودينيس ريتشي، الذي ابتكر لغة البرمجة C.
كان عمل والدي في التعرف على الكلام وتركيبه هو الأساس لما أفعله اليوم مع الذكاء الاصطناعي التوليدي. كل شيء قمت ببنائه هنا له نفس الأساس الذي كان يعمل عليه: الشبكات العصبية التلافيفية، والتي تمكن أجهزة الكمبيوتر من معالجة المدخلات مثل الصور والصوت. إنه لأمر رائع حقًا أن نرى كيف تطور هذا الأساس.
ناتالي جيلبرت ووالدها مازن جيلبرت. ايه تي اند تي
لقد مكنتنا اكتشافاتهم المبكرة من العمل مع عملاء الذكاء الاصطناعي وجعلهم أكثر استقلالية.
عندما كنت طفلاً، كنت أتواجد في مكتب والدي كل يوم تقريبًا بعد المدرسة، وأتذكر مشاهدته هو وزملائه وهم يجرون مناقشات ساخنة ويرسمون مخططات مجنونة على السبورة البيضاء.
لقد ألهمني ذلك للبدء في رسم أشجار القرار الخاصة بي وما إلى ذلك الذي كان غير منطقي للغاية، لكن التجربة علمتني كيف أكون مبدعًا وتحليليًا.
أحد المشاريع الجانبية التي عملنا عليها أنا وأبي معًا كان يسمى دكتور بوت، وهو عبارة عن تكرار مبكر لنموذج لغوي كبير يمكنه تقييم أعراضك ويخبرك بمكان طلب الرعاية.
من السبورة البيضاء إلى الترميز والعودة
ما أفعله مع عملاء الذكاء الاصطناعي يتلخص في الواقع في مجموعة من أشجار القرار التي تفسر كيفية الانتقال من النقطة أ إلى النقطة ب. كان شيئًا تعلمته في وقت مبكر جدًا مع والدي.
هناك الكثير من التفاعل البشري الذي يحظى بأهمية متزايدة في بناء تقنيات الذكاء الاصطناعي.
في مكتب البيانات الرئيسي بشركة AT&T، نعمل على مشروع يعمل على تغيير طريقة تفكير الأشخاص في استخدام تكنولوجيا الموارد البشرية داخل الشركة. نحن في الأساس نتخلص من مسألة المكان الذي يجب أن نتجه إليه لحل مشكلة الموارد البشرية من خلال جعل وكيل الذكاء الاصطناعي يحدد السياسة أو الإجراء ذي الصلة بحالة الشخص. وهذا ليس بالأمر الهين في مؤسسة كبيرة ومعقدة مثل AT&T.
ناتالي جيلبرت مع زميلتها في AT&T. ايه تي اند تي
في عملي، أستخدم مساعدًا للبرمجة، أو مساعدًا رقميًا، يساعدني على العمل بشكل أسرع كثيرًا، لكن الأشخاص الذين يطورون أدوات الذكاء الاصطناعي ما زالوا بحاجة إلى فهم التقنيات التي تكمن وراء ماجستير إدارة الأعمال ونماذج التعلم الآلي.
أدوات الذكاء الاصطناعي الجديدة قوية بشكل مذهل، لكنها لا تستطيع فعل كل شيء
ومع تزايد شعبية هؤلاء الطيارين، يمكن أن يواجه الناس مشاكل إذا لم يفهموا كيفية عمل هذه التقنيات بشكل أساسي.
على سبيل المثال، إذا كنت لا تعرف كيف تتعامل التعليمات البرمجية فعليًا مع سيناريو حالة الحافة، فلن تكون أدوات الذكاء الاصطناعي الخاصة بك مفيدة على الإطلاق.
وفي الوقت نفسه، يبدو الأمر وكأن الناس بحاجة إلى تعلم شيء جديد كل شهرين.
ما أراه يتغير مع نماذج اللغات الكبيرة هو أنها تركز بشكل أكبر على اللغة الطبيعية بدلاً من التركيز على البرمجة. هذا يعني أنني أقضي معظم وقتي في إجراء الهندسة السريعة، وهي ليست برمجة على الإطلاق؛ إنها تستخدم اللغة الطبيعية لجعل الآلات تفهمنا.
إنه نوع من السخرية، لأن هذا شكل آخر مما فعله والدي قبل 30 عامًا.
لقد تغير الذكاء الاصطناعي بشكل جذري في حياتي، والآن أشعر وكأنني أمثله وأمثل إرثه. استمرار العمل الذي قام به يبدو سرياليًا.
