نوشته های Shirin Afshinfar

صراحت تمام عیار - انگیزه هر یک از اعضای تیمتان را پیدا کنید

Shirin Afshinfar — Fri, 16 Jan 2026 12:47:26 +0330

کمک به آدم ها برای نزدیک شدن به رویاهایشانفصل سومبازنگری در جاه طلبیباید هر یک از کارکنانتان را خوب بشناسید تا بتوانید رابطه هایی انسانی و واقعی ایجاد کنید. وقتی می خواهید آدم های درستی را به نقش های درستی در تیمتان بگمارید، باید برای به چالش کشیدن آن ها پا را از راهنمایی فراتر بگذارید. این کارتان باید نه فقط در احساسات بلکه در درآمد، رشد شغلی و توانایی شان برای رسیدن به آرزوهایشان هم تأثیر داشته باشد. تیم ساختن دشوار است.گاهی آدم ها واقعا دوست دارند رشد کنند و قادرند مشارکت بیشتری داشته باشند اما گاهی هم صرفا به دنبال پول یا قدردانی بیشتر هستند و واقعا دوست ندارند روش کار فعلی شان عوض شود یا مشارکت بیشتری داشته باشند. شما باید کارکنانتان را آنقدر بشناسید تا این دوحالت را از هم تشخیص دهید و با آن ها مکالمات تمام صریح داشته باشید.سوالاتی که حول مسیر رشد پرسیده می شود کمک بیشتری به کشف انگیزه های افراد می کند تا سوال هایی که حول ظرفیت و استعداد شکل می گیرند. واژه ها مهم هستند.مدیریت رشدهر روز بهتر از دیروزمهم ترین کاری که برای کل تیمتان می توانید بکنید، فهمیدن مسیر رشد مطلوب هر یک از اعضای تیم در هر زمان است و اینکه آیا این مسیر با نیاز ها و فرصت های پیش روی تیم هم خوانی دارد یا خیر. باید از هر یک از کارکنانتان شناخت شخصی پیدا کنید.محورهای این چارچوب عملکرد گذشته و مسیر رشد آینده هستند. ارزیابی عملکرد گذشته روی محور افقی این چارچوب "بد" و "خوب" دارد اما محور عمودی این گونه نیست. ربع پایین-راست درست به اندازه ربع بالا-راست خوب است. اهمیت راک استارها در موفقیت تیم درست به اندازه سوپراستار هاست. اهمیت ثبات چیزی از اهمیت رشد کم ندارد. ترکیب درست هر یک از این ها به مرور زمان تغییر می کند ولی همیشه به مقادیری از هر دو نیاز است.تشخیص چیزهای مهم و دلیل اهمیتشانبرای مدیریت موفق رشد، باید روش انگیزش هر یک از اعضای تیم را دریابید. مسیر رشد پر شیب محدود به ارتقا نیست. رشد پر شیب تغییر سریع است. یادگیری مهارت های جدید یا عمیق تر کردن سریع مهارت های فعلی است. مسیر رشد پرشیب اثر گذاری در طول زمان است. ویژگی مشخصه "رشد تدریجی" ثبات است. سوپر استارها به درد نقش های راک استاری نمی خوردند. راک استارها هم از کارهای سوپر استاری خوششان نمی آید. بسیاری آدم ها در دوره های مختلف زندگی و کارشان بین مسیر رشد پرشیب و مسیر رشد تدریجی جا به جا می شوند.مسئله اشتیاقآدم ها کاری را که به نظرشان معنی دار باشد بهتر انجام می دهند.ولی نباید این گونه فکر کرد که باید کار همه را هدف دار کرد. درباره کاری که خسته کننده است ملالت بخشی از زندگی است. سخت کارکردن به امید حقوق آخر ماه و چرخاندن زندگی هم ایرادی ندارد.عملکرد ممتازهمیشه حواستان به بهترین ها باشدشریکشان باشید، نه مبصر کلاسشانمسیر رشد تدریجی/عملکرد ممتازقدردانی کنید، پاداش دهید، اما ارتقا ندهیدراک استار ها کسانی هستند که هر روز و هر لحظه می توان روی آن ها حساب کرد. باید از آن ها قدردانی کنید تا خوشحال بمانند. برای خیلی از رئیس ها "قدردانی" معادل "ارتقا" است، ولی این طور نیست.ارزیابی منصفانه عملکردوقتی نمره ی ارزیابی عملکرد روی حقوق و دستمزد تأثیر داشته باشد، اهمیت موضوع دو چنان می شود. اگر شخصی کارش را بهتر از بقیه انجام می دهد باید نمره ی بهتر و پاداش بیشتری بگیرد.قدردانیعلاوه بر نمره های بالا یکی دیگر از روش های خوب برای قدردانی از افرادی که در وضعیت راک استارها قرار دارند معرفی آن ها به عنوان مرشد، یا مرجع است. مسئولیت آموزش تازه واردها به این افراد داده می شود.معمولا کسانی که در شغلشان خوب هستند از آموزش آن به دیگران نیز لذت می برند. سپردن این کار به آن ها نه تنها عملکرد آن ها را بهتر می کند بلکه نوعی قدردانی برای آن ها به حساب می آید. اگر کسی از تدریس و پاسخ به سوال لذت می برد هر طور شده ترغیب و تشویقش کنید.احترامبالارفتن از نردبان ترقی برای بسیاری از افراد الهام بخش نیست. کسانی که مسیر رشد تدریجی دارند نباید بازیکن درجه دو یا تمام شده بپندارند. باید با احترام زیادی با این افراد رفتار کرد.خطرهای وسواس ارتقااگر رئیس ها ارتقای بی موقع انجام دهند، آدم ها به سطحی بالاتر از شایستگی خود ارتقا داده می شوند. این موقعیت برای همه نا خوشایند است.حالت دیگر زمانی است گه فرد شایستگی آن را دارد ولی در لحظه علاقه ای به آن ندارد یا امکانش را به توجه به شرایط ندارد.مسیر رشد پرشیب/عملکرد ممتازسوپر استار ها را در چالش نگه داریدبهترین راه خوشحال نگه داشتن سوپر استارها، به چالش کشیدن آن هاست. آن ها همواره در حال یادگیری هستند.فرصت های جدید به آن ها بدهید. به آن ها آموزش دهید، افرادی را از خارج از سازمان به عنوان مربی برایشان پیدا کنید. حواستان باشد زیاد به آن ها وابسته نشوید، از آن ها بخواهید کارشان را به بقیه یاد دهند زیرا زمان زیادی در نقش فعلی شان باقی نمی مانند.آن ها را سرکوب یا متوقف نکنیدهمه سوپراستار ها دوست ندارند مدیر شوندمدیریت میانهسطح توقعات را بالا ببرید/چیزی به اسم بازیکن درجه دو وجود نداردچیزی به اسم بازیکن درجه دو وجود ندارد هر کسی می تواند در یک جایی عالی باشد. وقتی کارکنانتان خوب کار می کنند ولی عالی نیستند سعی کنید به دام همدلی ویرانگر نیفتید. هر کسی در یک جایی می تواند عالی شود. برای ساختن تیمی عالی باید همه با دست آوردهای ساتثنایی کارشان را عالی انجام دهند. پذیرفتن میان مایگی به نفع هیچ کس نیست.مسیر رشد منفی/ عملکرد ضعیفحساب ها را سوا کنیداگر کسی عملکرد ضعیفی دارد یا اینکه ماهیت مشکل برایش به روشنی تبیین شده باز هم نشانه ای از بهبود بروز نمی دهد، باید اخراجش کنید. نحوه ی انجام این کار سهم زیادی در موفقیت شما دارد زیرا پیام روشنی به همه ی اعضای تیمتان است و به آن ها می فهماند چیزی جز توانایی کاری برایتان مهم هست یا نه.چطور بفهمیم وقت اخراج کسی رسیده است؟اگر فردی عملکرد ضعیفی دارد چه تأثیری بر بقیه افراد تیم دارد؟ احتمالا بقیه اعضای تیم از دستش عاصی شده اند. شنیدن دیدگاه های بیرونی به شما کمک می کند تا مطمئن شوید رفتار منصفانه چیست.دروغ های رایجی که مدیران به خودشان می گویند تا از اخراج کسی که باید اخراج شود طفره برودمدیران معمولا برای اخراج آدم ها بیش از حد معطل می کنند. اوضاع به خودی خود بهتر نخواهد شد.اوضاع بهتر خواهد شدبودنش بهتر از نبودنش استبرای روحیه ی تیم بد استبا یک جابجایی حل می شودبا کسی که دارد اخراجش می کنید صراحت تمام عیار داشته باشیدنحوه اخراج آدم ها مهم است. برای خوب انجام دادن آن نباید از شخص فاصله بگیرید.به یاد داشته باشید نگه داشتن کسانی که خوب کار نمی کنند تنبیه کسانی است که خوب کار می کنند. جفا در حق بقیه است.مسیر رشد پرشیب/عملکرد ضعیفجناب مدیر نگاهی به آینده بنداز!یکی از گیج کننده ترین معماها در مدیریت این اشت که انتظار دارید شخصی که هر روز بار بیشتری بر میدارد هر روز بهتر شود. اما در عوض خراب کاری می کند. این موقعیت به 5 دلیل مختلف ممکن است اتفاق بیفتدنقش اشتباهتازه کار، خیلی زود و خیلی زیادمشکلات شخصیتناسب ضعیفهیچ برچسبی دائمی نیستآدم ها عوض می شوند و شما هم باید پا به پای آن ها عوض شویدعملکرد آدم ها در طول زمان تغییر می کند پس مراقب باشید برچسب پر بازده به کسی نزنید. عملکرد هر کسی گه گاه افت می کند. بیشتر ما در طول دوران حرفه ای مان فراز و فرودهای زیادی را تجربه می کنیم. گاهی در حال یادگیری هستیم و گاهی اولویت هایمان تغییر می کند. هر روز برای دیدن اعضای تیمتان چشم ها را باید شست. آدم ها هر روز تکامل پیدا می کنند و رابطه هایتان را بر پایه ی تکامل آن ها پیدا کنید.

فصل اول- بخش 4- استک مهندسی هوش مصنوعی

Shirin Afshinfar — Fri, 26 Dec 2025 22:44:22 +0330

کتاب: BOOK: O'Reilly_AI_Engineering_Building_Applications_with_Foundation_Modelsاین بخش 4 از فصل1 شامل 3 قسمت است:1.سه لایه پشته هوش مصنوعی (Three Layers of the AI Stack)2.مهندسی هوش مصنوعی در مقابل مهندسی یادگیری ماشین (AI Engineering Versus ML Engineering)3.مهندسی هوش مصنوعی در مقابل مهندسی فول‌استک (AI Engineering Versus Full-Stack Engineering)رشد سریع مهندسی هوش مصنوعی همچنین باعث ایجاد مقدار باورنکردنی هیاهو (hype) و ترس از عقب ماندن (FOMO - Fear Of Missing Out) شده است. تعداد ابزارها، تکنیک‌ها، مدل‌ها و برنامه‌های جدیدی که هر روز معرفی می‌شوند می‌تواند طاقت‌فرسا باشد. به جای تلاش برای همگام شدن با این شن‌های دائماً در حال تغییر، بیایید به بلوک‌های ساختمانی (building blocks) اساسی مهندسی هوش مصنوعی نگاه کنیم.برای درک مهندسی هوش مصنوعی، مهم است بدانیم که مهندسی هوش مصنوعی از مهندسی یادگیری ماشین (ML Engineering) تکامل یافته است. وقتی یک شرکت شروع به آزمایش با مدل‌های پایه می‌کند، طبیعی است که تیم ML موجودش باید این کار را رهبری کند. برخی شرکت‌ها مهندسی هوش مصنوعی را همانند مهندسی یادگیری ماشین در نظر می‌گیرند، همانطور که در شکل ۱-۱۲ نشان داده شده است.شکل ۱-۱۲. بسیاری از شرکت‌ها مهندسی هوش مصنوعی و مهندسی یادگیری ماشین را زیر یک چتر قرار می‌دهند، همانطور که در عناوین آگهی‌های شغلی لینکدین در ۱۷ دسامبر ۲۰۲۳ نشان داده شده است.برخی شرکت‌ها شرح شغل جداگانه‌ای برای مهندسی هوش مصنوعی دارند، همانطور که در شکل ۱-۱۳ نشان داده شده است.شکل ۱-۱۳. برخی از شرکت‌ها شرح شغل جداگانه‌ای برای مهندسی هوش مصنوعی دارند، همانطور که در عناوین آگهی‌های شغلی لینکدین در ۱۷ دسامبر ۲۰۲۳ نشان داده شده است.صرف‌نظر از اینکه سازمان‌ها مهندسان هوش مصنوعی و مهندسان ML را در کدام موقعیت قرار می‌دهند، نقش‌های آن‌ها همپوشانی قابل توجهی دارند. مهندسان ML موجود می‌توانند مهندسی هوش مصنوعی را به فهرست مهارت‌های خود اضافه کنند تا چشم‌انداز شغلی خود را گسترش دهند. با این حال، مهندسان هوش مصنوعی‌ای نیز هستند که هیچ تجربه قبلی ML ندارند.برای درک بهتر مهندسی هوش مصنوعی و تفاوت آن با مهندسی ML سنتی، بخش بعدی لایه‌های مختلف فرآیند ساخت برنامه هوش مصنوعی را تجزیه می‌کند و به نقش هر لایه در مهندسی هوش مصنوعی و مهندسی ML نگاه می‌کند.سه لایه پشته هوش مصنوعی (Three Layers of the AI Stack)هر پشته برنامه کاربردی هوش مصنوعی دارای سه لایه است: توسعه برنامه، توسعه مدل و زیرساخت. هنگام توسعه یک برنامه هوش مصنوعی، احتمالاً از لایه بالا شروع می‌کنید و در صورت نیاز به سمت پایین حرکت می‌کنید:۱. توسعه برنامه (Application Development) با در دسترس بودن آسان مدل‌ها، هر کسی می‌تواند از آن‌ها برای توسعه برنامه‌ها استفاده کند. این لایه است که در دو سال گذشته بیشترین فعالیت را به خود دیده و همچنان به سرعت در حال تکامل است. توسعه برنامه شامل فراهم کردن پرامپت‌های خوب و زمینه (Context)‌های لازم برای یک مدل است. این لایه نیازمند ارزیابی دقیق است. برنامه‌های خوب همچنین مستلزم رابط‌های کاربری (Interfaces) خوب هستند.۲. توسعه مدل (Model Development) این لایه ابزارهایی برای توسعه مدل‌ها فراهم می‌کند، از جمله چارچوب‌هایی برای مدل‌سازی (modeling)، آموزش (training)، ریزتنظیمی (finetuning) و بهینه‌سازی استنتاج (inference optimization). از آنجایی که داده برای توسعه مدل مرکزی است، این لایه همچنین شامل مهندسی مجموعه داده (dataset engineering) می‌شود. توسعه مدل نیز نیازمند ارزیابی دقیق است.۳. زیرساخت (Infrastructure) در پایین پشته زیرساخت قرار دارد که شامل ابزارهایی برای سرویس‌دهی مدل (model serving)، مدیریت داده و محاسبات و نظارت و مانیتورینگ (monitoring) است.این سه لایه و مثال‌هایی از مسئولیت‌های هر لایه در شکل ۱-۱۴ نشان داده شده است.شکل ۱-۱۴. سه لایه پشته مهندسی هوش مصنوعی.برای اینکه درکی از چگونگی تکامل این چشم‌انداز با ظهور مدل‌های پایه داشته باشیم، در مارس ۲۰۲۴، من گیت‌هاب را برای تمام ریپوزیتوری‌های مرتبط با هوش مصنوعی با حداقل ۵۰۰ ستاره جستجو کردم. با توجه به فراگیر بودن گیت‌هاب، معتقدم این داده‌ها شاخص خوبی (proxy) برای درک اکوسیستم هستند. در تحلیل خود، همچنین رپوزیتوری‌های برنامه‌ها (applications) و مدل‌ها (models) را نیز گنجاندم، که به ترتیب محصولات لایه‌های توسعه برنامه و توسعه مدل هستند. در مجموع ۹۲۰ رپوزیتوری یافتم. شکل ۱-۱۵ تعداد تجمعی (cumulative) رپوزیتوری‌ها در هر دسته را به صورت ماهانه نشان می‌دهد.شکل ۱-۱۵. تعداد تجمعی رپوزیتوری‌ها بر اساس دسته در طول زمان.داده‌ها نشان‌دهنده افزایش چشمگیر در تعداد ابزارهای هوش مصنوعی در سال ۲۰۲۳، پس از معرفی Stable Diffusion و ChatGPT است. در سال ۲۰۲۳، دسته‌هایی که بیشترین افزایش را داشتند، برنامه‌ها و توسعه برنامه بودند. لایه زیرساخت مقداری رشد داشت، اما بسیار کمتر از رشد دیده شده در سایر لایه‌ها بود. این مورد انتظار است. زیرا حتی با تغییر مدل‌ها و برنامه‌ها، نیازهای زیرساختی اصلی—مدیریت منابع، سرویس‌دهی، نظارت و غیره—یکسان باقی مانده است.این ما را به نکته بعدی می‌رساند. در حالی که سطح هیجان و خلاقیت حول مدل‌های پایه بی‌سابقه است، بسیاری از اصولِ ساخت برنامه‌های هوش مصنوعی همچنان یکسان مانده است. برای موارد استفاده سازمانی، برنامه‌های هوش مصنوعی هنوز هم نیاز دارند تا مشکلات کسب‌وکار را حل کنند، و بنابراین، همچنان ضروری است که از معیارهای کسب‌وکار به معیارهای ML نگاشت (map) کنیم و برعکس. شما هنوز هم نیاز به آزمایش منظم (systematic experimentation) دارید. با مهندسی ML کلاسیک، شما روی پارامترهای مختلف (hyperparameters) آزمایش می‌کنید. با مدل‌های پایه، روی مدل‌های مختلف، پرامپت‌ها، الگوریتم‌های بازیابی (retrieval algorithms)، متغیرهای نمونه‌برداری (sampling variables) و موارد بیشتر آزمایش می‌کنید. (متغیرهای نمونه‌برداری در فصل ۲ بحث می‌شوند.) ما هنوز هم می‌خواهیم مدل‌ها را سریع‌تر و ارزان‌تر اجرا کنیم. همچنان مهم است که یک حلقه بازخورد (feedback loop) برقرار کنیم تا بتوانیم برنامه‌های خود را با داده‌های عملیاتی (production data) به صورت تکراری بهبود بخشیم.این به این معنی است که بسیاری از چیزهایی که مهندسان ML در طول دهه گذشته آموخته و به اشتراک گذاشته‌اند، همچنان کاربردی است. این تجربه جمعی، شروع ساخت برنامه‌های هوش مصنوعی را برای همه آسان‌تر می‌کند. با این حال، در بالای این اصول پایدار، نوآوری‌های متعددی منحصر به مهندسی هوش مصنوعی وجود دارد که در این کتاب به بررسی آن‌ها خواهیم پرداخت.مهندسی هوش مصنوعی در مقابل مهندسی یادگیری ماشین (AI Engineering Versus ML Engineering)هرچند اصول ثابت و تغییرناپذیر استقرار (deploying) برنامه‌های هوش مصنوعی اطمینان‌بخش است، اما درک اینکه چگونه شرایط تغییر کرده نیز بسیار مهم است. این موضوع برای تیم‌هایی که می‌خواهند پلتفرم‌های موجود خود را برای موارد استفاده جدید هوش مصنوعی (new AI use cases) تطبیق دهند، و همچنین برای توسعه‌دهندگانی که علاقه‌مندند بدانند برای رقابتی ماندن در یک بازار جدید باید کدام مهارت‌ها را بیاموزند، مفید است.در سطح بالا، ساخت برنامه‌ها با استفاده از مدل‌های پایه امروزی در سه راه اصلی با مهندسی ML سنتی تفاوت دارد:تمرکز بر انطباق مدل به جای آموزش از صفر:بدون مدل‌های پایه، شما باید مدل‌های خود را برای برنامه‌های کاربردی‌تان آموزش دهید. با مهندسی هوش مصنوعی، شما از مدلی استفاده می‌کنید که شخص دیگری آن را برای شما آموزش داده است. این بدان معناست که مهندسی هوش مصنوعی کمتر بر مدل‌سازی و آموزش، و بیشتر بر انطباق مدل تمرکز دارد.مدل‌های بزرگ‌تر و پرمصرف‌تر:مهندسی هوش مصنوعی با مدل‌هایی کار می‌کند که بزرگ‌تر هستند، منابع محاسباتی بیشتری مصرف می‌کنند و تأخیر بالاتری ایجاد می‌کنند نسبت به مهندسی ML سنتی. این به این معنی است که فشار بیشتری برای آموزش کارآمد و بهینه‌سازی استنتاج وجود دارد. یک نتیجه‌گیری از مدل‌های پُرمصرف این است که بسیاری از شرکت‌ها اکنون به GPUهای بیشتری نیاز دارند و با خوشه‌های محاسباتی بزرگتری نسبت به گذشته کار می‌کنند، که به معنای نیاز بیشتر به مهندسانی است که می‌دانند چگونه با GPUها و خوشه‌های بزرگ کار کنند.خروجی‌های باز (open-ended outputs) و چالش ارزیابی :مهندسی هوش مصنوعی با مدل‌هایی کار می‌کند که می‌توانند خروجی‌های باز (Open-ended) تولید کنند. خروجی‌های باز به مدل‌ها انعطاف‌پذیری می‌دهند تا برای کارهای بیشتری مورد استفاده قرار گیرند، اما ارزیابی آن‌ها نیز سخت‌تر است. این موضوع، ارزیابی را به یک مسئله بسیار بزرگ‌تر در مهندسی هوش مصنوعی تبدیل می‌کند.به طور خلاصه، تفاوت مهندسی هوش مصنوعی با مهندسی یادگیری ماشین در این است که کمتر به توسعه مدل می‌پردازد و بیشتر بر تطبیق و ارزیابی مدل‌ها متمرکز است.من در این فصل چندین بار به تطبیق مدل (model adaptation) اشاره کرده‌ام، بنابراین قبل از ادامه، می‌خواهم اطمینان حاصل کنیم که در مورد معنای آن درک یکسانی داریم. به طور کلی، تکنیک‌های تطبیق مدل را می‌توان بسته به اینکه نیاز به به‌روزرسانی وزن‌های مدل دارند یا نه، به دو دسته تقسیم کرد:تکنیک‌های مبتنی بر پرامپت (Prompt-based techniques)، که شامل مهندسی پرامپت (Prompt Engineering) است، یک مدل را بدون به‌روزرسانی وزن‌های آن تطبیق می‌دهند. شما یک مدل را با دادن دستورالعمل‌ها و زمینه (Context) به آن تطبیق می‌دهید، نه با تغییر خود مدل.مزایا: شروع با مهندسی پرامپت آسان‌تر است و به داده کمتری نیاز دارد. بسیاری از برنامه‌های موفق تنها با مهندسی پرامپت ساخته شده‌اند. سهولت استفاده از آن به شما امکان می‌دهد با مدل‌های بیشتری آزمایش کنید، که شانس شما را برای یافتن مدلی که به طور غیرمنتظره‌ای برای برنامه‌هایتان مناسب است افزایش می‌دهد.معایب: مهندسی پرامپت ممکن است برای کارهای پیچیده یا برنامه‌هایی با نیازمندی‌های عملکردی سخت‌گیرانه کافی نباشد.ریزتنظیمی (Finetuning)، از سوی دیگر، نیازمند به‌روزرسانی وزن‌های مدل است. شما یک مدل را با ایجاد تغییرات در خود مدل تطبیق می‌دهید.مزایا: به طور کلی، تکنیک‌های ریزتنظیمی پیچیده‌تر هستند و به داده بیشتری نیاز دارند، اما می‌توانند کیفیت، تاخیر و هزینه مدل شما را به طور قابل توجهی بهبود بخشند. بسیاری از کارها بدون تغییر وزن‌های مدل ممکن نیست، مانند تطبیق مدل با یک کار جدید که در طول آموزش با آن مواجه نبوده است.حال بیایید روی لایه‌های توسعه برنامه و توسعه مدل زوم کنیم تا ببینیم هر کدام با ظهور مهندسی هوش مصنوعی چگونه تغییر کرده‌اند. این کار را با آنچه مهندسان ML سنتی بیشتر با آن آشنا هستند، شروع می‌کنیم. این بخش مروری بر فرآیندهای مختلف دخیل در توسعه یک برنامه هوش مصنوعی ارائه می‌دهد. نحوه کار این فرآیندها در سرتاسر این کتاب بحث خواهند شد.توسعه مدل (Model Development)توسعه مدل، لایه‌ای است که معمولاً بیشترین ارتباط را با مهندسی یادگیری ماشین سنتی دارد. سه مسئولیت اصلی دارد: مدل‌سازی و آموزش (modeling and training)، مهندسی مجموعه داده (dataset engineering) و بهینه‌سازی استنتاج (inference optimization). ارزیابی نیز لازم است، اما از آنجایی که بیشتر افراد ابتدا در لایه توسعه برنامه با آن مواجه می‌شوند، ارزیابی را در بخش بعدی بحث خواهم کرد.مدل‌سازی و آموزشمدل‌سازی و آموزش به فرآیند طراحی یک معماری مدل، آموزش آن و Finetuning آن اشاره دارد. نمونه‌هایی از ابزارها در این دسته عبارتند از: Google’s TensorFlow ، Hugging Face’s Transformers و Meta’s PyTorch توسعه مدل‌های یادگیری ماشین نیازمند دانش تخصصی ML است. این دانش شامل آشنایی با انواع مختلف الگوریتم‌های ML (مانند خوشه‌بندی (clustering) ، رگرسیون لجستیک، درخت تصمیم و فیلتر کردن مشارکتی (collaborative filtering) ) و معماری‌های شبکه عصبی (مانند پیش‌خور (feedforward) ، بازگشتی( recurrent )، کانولوشنی (convolutional) و ترنسفورمر (transformer) ) می‌شود. همچنین مستلزم درک این است که یک مدل چگونه یاد می‌گیرد، شامل مفاهیمی مانند گرادیان کاهشی (gradient descent)، تابع زیان (loss function)، منظم‌سازی (regularization) و غیره.با در دسترس بودن مدل‌های پایه، دانش ML دیگر یک ضرورت برای ساخت برنامه‌های هوش مصنوعی نیست. من با بسیاری از سازندگان برنامه‌های هوش مصنوعی موفق و فوق‌العاده ملاقات کرده‌ام که اصلاً علاقه‌ای به یادگیری درباره گرادیان کاهشی ندارند.با این حال، دانش ML هنوز فوق‌العاده با ارزش است، زیرا مجموعه ابزارهایی که می‌توانید استفاده کنید را گسترش می‌دهد و در رفع مشکل هنگامی که یک مدل مطابق انتظار عمل نمی‌کند کمک می‌کند.تفاوت‌های میان انواع آموزش: پیش‌آموزش ، ریزتنظیمی و پس‌آموزشآموزش همیشه شامل تغییر وزن‌های مدل می‌شود، اما همه تغییرات وزن‌های مدل، آموزش محسوب نمی‌شوند. برای مثال، کوانتیزاسیون (Quantization)، فرآیند کاهش دقت وزن‌های مدل، از نظر تکنیکی ارزش‌های وزن مدل را تغییر می‌دهد اما “آموزش” در نظر گرفته نمی‌شود.اصطلاح آموزش (training) اغلب می‌تواند به جای پیش‌آموزش (pre-training)، ریزتنظیمی (finetuning) و پس‌آموزش (post-training) به کار رود، که به مراحل مختلف آموزش اشاره دارند:پیش‌آموزی (Pre-Training)پیش‌آموزی به آموزش یک مدل از ابتدا اشاره دارد - وزن‌های مدل به صورت تصادفی مقداردهی اولیه می‌شوند. برای مدل‌های زبانی بزرگ (LLMها)، پیش‌آموزی اغلب شامل آموزش یک مدل برای تکمیل متن است. از بین همه مراحل آموزش، پیش‌آموزی اغلب به مراتب پرمصرف‌ترین مرحله از نظر منابع است. برای مدل InstructGPT، پیش‌آموزی تا ۹۸٪ از کل منابع محاسباتی و داده را به خود اختصاص می‌دهد. پیش‌آموزی همچنین زمان زیادی برای انجام نیاز دارد. یک اشتباه کوچک در طول پیش‌آموزی می‌تواند زیان مالی قابل توجهی به بار آورد و پروژه را به طور چشمگیری به تأخیر بیندازد. به دلیل ماهیت پرمصرف پیش‌آموزی، این کار به هنری تبدیل شده که تنها تعداد کمی آن را انجام می‌دهند. با این حال، کسانی که در پیش‌آموزی مدل‌های بزرگ تخصص دارند، به شدت مورد تقاضا هستند.ریزتنظیمی (Finetuning)ریزتنظیمی به معنای ادامه دادن آموزش یک مدلِ از قبل آموزش‌دیده است - وزن‌های مدل از فرآیند آموزشی قبلی به دست می‌آیند. از آنجا که مدل از پیش‌آموزی، دانش خاصی را دارد، ریزتنظیمی معمولاً به منابع کمتری (مانند داده و محاسبات) نسبت به پیش‌آموزی نیاز دارد.پس‌آموزش (Post-Training)بسیاری از افراد از اصطلاح پس‌آموزش برای اشاره به فرآیند آموزش یک مدل پس از مرحله پیش‌آموزش استفاده می‌کنند. به طور مفهومی، پس‌آموزش و ریزتنظیمی یکسان هستند و می‌توانند به جای هم به کار روند. با این حال، گاهی افراد ممکن است از آن‌ها به طور متفاوتی استفاده کنند تا اهداف مختلف را نشان دهند.معمولاً وقتی این کار توسط توسعه‌دهندگان مدل انجام می‌شود، پس‌آموزش نامیده می‌شود. برای مثال، OpenAI ممکن است یک مدل را پس‌آموزش دهد تا در پیروی از دستورالعمل‌ها بهتر شود قبل از انتشار آن.وقتی این کار توسط توسعه‌دهندگان برنامه انجام می‌شود، ریزتنظیمی نامیده می‌شود. برای مثال، شما ممکن است یک مدل OpenAI را (که خودش ممکن است پس‌آموزش دیده باشد) ریزتنظیم کنید تا آن را با نیازهای خود تطبیق دهید.پیش‌آموزش و پس‌آموزش یک طیف را تشکیل می‌دهند. فرآیندها و ابزارهای آن‌ها بسیار مشابه است. تفاوت‌های آن‌ها بیشتر در فصل‌های ۲ و ۷ بررسی می‌شود.برخی افراد از اصطلاح آموزش (training) برای اشاره به مهندسی پرامپت استفاده می‌کنند، که درست نیست. من مقاله‌ای در Business Insider خواندم که نویسنده گفت ChatGPT را آموزش داده تا از خود جوان‌ترش تقلید کند. او این کار را با وارد کردن یادداشت‌های خاطرات کودکی‌اش به ChatGPT انجام داد. به زبان عامیانه، استفاده نویسنده از کلمه “آموزش” درست است، زیرا او در حال آموزش دادن مدل برای انجام کاری است. اما از نظر فنی، اگر شما به یک مدل از طریق زمینه (context)‌ای که به مدل وارد می‌کنید آموزش دهید، شما در حال انجام مهندسی پرامپت هستید.به طور مشابه، من دیده‌ام افرادی از اصطلاح ریزتنظیمی استفاده می‌کنند در حالی که کاری که انجام می‌دهند مهندسی پرامپت است.مهندسی مجموعه داده (Dataset Engineering)این به گردآوری، تولید و حاشیه‌نویسی (آنوتیشن) داده مورد نیاز برای آموزش و انطباق مدل‌های هوش مصنوعی اشاره دارد.مهندسی ML سنتی: اکثر موارد استفاده بسته (close-ended) هستند. خروجی مدل فقط می‌تواند بین مقادیر از پیش تعریف شده باشد (مثل «اسپم» یا «غیراسپم»). آنوتیشن چنین داده‌هایی آسان‌تر است.مهندسی هوش مصنوعی: مدل‌های پایه باز (open-ended) هستند. آنوتیشن پاسخ‌های باز (مثل نوشتن یک مقاله) بسیار سخت‌تر از طبقه‌بندی داده‌های بسته است. بنابراین آنوتیشن داده چالش بسیار بزرگتری برای مهندسی هوش مصنوعی است.نوع داده: مهندسی ML سنتی بیشتر با داده‌های جدولی (tabular) کار می‌کند، در حالی که مدل‌های پایه با داده‌های ساختارنیافته (unstructured) مانند متن، تصویر و ویدیو کار می‌کنند.در مهندسی هوش مصنوعی، دستکاری داده‌ها بیشتر در مورد حذف داده‌های تکراری (deduplication)، توکن‌سازی (tokenization)، بازیابی زمینه (context retrieval) و کنترل کیفیت، شامل حذف اطلاعات حساس و داده‌های مضر است. مهندسی مجموعه‌داده تمرکز فصل ۸ خواهد بود.بسیاری استدلال می‌کنند که چون مدل‌ها اکنون کالاهایی رایج (commodities) شده‌اند، داده‌ها عامل اصلی تمایز خواهند بود و این امر مهندسی مجموعه‌داده را از همیشه مهم‌تر می‌سازد. اینکه به چه میزان داده نیاز دارید به تکنیک انطباق (adapter technique) مورد استفاده شما بستگی دارد. آموزش یک مدل از ابتدا به طور کلی به داده بیشتری نسبت به ریزتنظیمی نیاز دارد، که به نوبه خود، داده بیشتری نسبت به مهندسی پرامپت نیاز دارد.صرف نظر از میزان دادۀ مورد نیاز، تخصص در داده‌ها هنگام بررسی یک مدل مفید است، زیرا داده‌های آموزشی آن سرنخ‌های مهمی درباره نقاط قوت و ضعف مدل می دهد.بهینه‌سازی استنتاج (Inference optimization)بهینه‌سازی استنتاج به معنای سریع‌تر و ارزان‌تر کردن مدل‌ها است. بهینه‌سازی استنتاج همیشه برای مهندسی ML مهم بوده است. کاربران هرگز به مدل‌های سریع‌تر «نه» نمی‌گویند و شرکت‌ها همواره از استنتاج ارزان‌تر سود می‌برند. با این حال، با مقیاس گرفتن مدل‌های پایه که منجر به هزینه و تأخیر استنتاج حتی بالاتری شده است، بهینه‌سازی استنتاج اهمیتی دوچندان یافته است.یک چالش در مورد مدل‌های پایه این است که آن‌ها اغلب خودرگرسیون‌ی (autoregressive) هستند - توکن‌ها به صورت متوالی تولید می‌شوند. اگر تولید یک توکن توسط مدل ۱۰ میلی‌ثانیه طول بکشد، تولید یک خروجی با ۱۰۰ توکن، یک ثانیه زمان می‌برد و برای خروجی‌های بلندتر، زمان بیشتری نیاز است. از آنجایی که کاربران به طرز بدنامی بی‌طاقت شده‌اند، پایین آوردن تأخیر برنامه‌های هوش مصنوعی به حد تأخیر ۱۰۰ میلی‌ثانیه‌ای مورد انتظار برای یک برنامه اینترنتی معمولی، چالشی عظیم است. بهینه‌سازی استنتاج به یک زیرشاخه فعال در هر دو حوزه صنعت و دانشگاه تبدیل شده است.خلاصه‌ای از چگونگی تغییر اهمیت دسته‌های مختلف توسعه مدل با ظهور مهندسی هوش مصنوعی در جدول ۱-۴ نشان داده شده است.جدول ۱-۴. چگونه مسئولیت‌های مختلف توسعه مدل با مدل‌های پایه تغییر کرده است.تکنیک‌های بهینه‌سازی استنتاج، شامل کوانتیزاسیون (quantization)، تقطیر (distillation) و موازی‌سازی (parallelism)، در فصل‌های ۷ تا ۹ مورد بحث قرار می‌گیرند.توسعه برنامه (Application development)در مهندسی ML سنتی، جایی که تیم‌ها از مدل‌های اختصاصی خود برای ساخت برنامه‌ها استفاده می‌کنند، کیفیت مدل یک عامل تمایز است. با مدل‌های پایه، جایی که بسیاری از تیم‌ها از همان مدل استفاده می‌کنند، تمایز باید از طریق فرآیند توسعه برنامه به دست آید.لایه توسعه برنامه شامل این مسئولیت‌ها است: ارزیابی، مهندسی پرامپت، و رابط هوش مصنوعی.1.ارزیابیارزیابی درباره کاهش خطرات و کشف فرصت‌ها است. ارزیابی در سراسر فرآیند انطباق مدل ضروری است. برای انتخاب مدل‌ها، معیارسنجی پیشرفت، تعیین اینکه آیا یک برنامه برای استقرار آماده است یا خیر، و شناسایی مسائل و فرصت‌ها برای بهبود در تولید، ارزیابی لازم است.در حالی که ارزیابی همیشه در مهندسی ML مهم بوده است، به دلایل زیادی با مدل‌های پایه حتی مهم‌تر شده است. چالش‌های ارزیابی مدل‌های پایه در فصل ۳ مورد بحث قرار می‌گیرد. به طور خلاصه، این چالش‌ها عمدتاً از ماهیت باز و قابلیت‌های گسترده‌تر مدل‌های پایه ناشی می‌شوند.برای مثال، در وظایف ML بسته‌ای مانند تشخیص کلاهبرداری، معمولاً داده‌های صحیح (ground truth) مورد انتظاری وجود دارد که می‌توانید خروجی‌های مدل خود را با آن مقایسه کنید. اگر خروجی یک مدل با خروجی مورد انتظار متفاوت باشد، می‌دانید که مدل اشتباه کرده است. با این حال، برای یک وظیفه مانند چت‌بات‌ها، به ازای هر پرامپت، پاسخ‌های ممکن بسیار زیادی وجود دارد که تهیه یک فهرست جامع از داده‌های صحیح برای مقایسه پاسخ مدل با آن غیرممکن است.وجود تکنیک‌های انطباق بسیار نیز ارزیابی را دشوارتر می‌کند. سیستمی که با یک تکنیک عملکرد ضعیفی دارد، ممکن است با تکنیک دیگری عملکرد بسیار بهتری داشته باشد. وقتی گوگل در دسامبر ۲۰۲۳ جمنی را راه‌اندازی کرد، ادعا کرد که جمنی در معیار MMLU از ChatGPT بهتر است. گوگل جمنی را با استفاده از یک تکنیک مهندسی پرامپت به نام CoT@32 ارزیابی کرده بود. در این تکنیک، به جمنی ۳۲ نمونه نشان داده شده بود، در حالی که فقط ۵ نمونه به ChatGPT نشان داده شده بود. وقتی به هر دو پنج نمونه نشان داده شد، ChatGPT عملکرد بهتری داشت، همان‌طور که در جدول ۱-۵ دیده می شود.جدول ۱-۵. پرامپت‌های مختلف می‌توانند باعث شوند مدل‌ها عملکرد بسیار متفاوتی داشته باشند، همان‌طور که در گزارش فنی جمنی (دسامبر ۲۰۲۳) مشاهده شد.2.مهندسی پرامپت و ساخت زمینه (Prompt engineering and context construction)مهندسی پرامپت درباره این است که مدل‌های هوش مصنوعی را وادار کنیم تا فقط از ورودی، رفتارهای مطلوب را بروز دهند، بدون اینکه وزن‌های مدل تغییر کنند. داستان ارزیابی جمنی، تأثیر مهندسی پرامپت بر عملکرد مدل را برجسته می‌کند. با استفاده از یک تکنیک متفاوت مهندسی پرامپت، عملکرد جمنی آلترا در MMLU از ۸۳.۷٪ به ۹۰.۰۴٪ رسید.ممکن است بتوان با تنها پرامپت‌ها مدل را وادار به انجام کارهای شگفت‌انگیزی کرد. دستورالعمل‌های درست می‌توانند مدل را وادار کنند تا وظیفه مورد نظر شما را در قالب انتخابی شما انجام دهد.مهندسی پرامپت فقط درباره گفتن اینکه مدل چه کاری انجام دهد، نیست. بلکه همچنین درباره دادن زمینه (context) و ابزارهای لازم به مدل برای انجام یک کار مشخص است. برای وظایف پیچیده با زمینه طولانی، ممکن است لازم باشد به مدل یک سیستم مدیریت حافظه ارائه دهید تا مدل بتواند تاریخچه خود را پیگیری کند. فصل ۵ مهندسی پرامپت را مورد بحث قرار می‌دهد و فصل ۶ ساخت زمینه را.3.رابط هوش مصنوعی (AI interface)رابط هوش مصنوعی به معنای ایجاد یک رابط برای کاربران نهایی است تا با برنامه‌های هوش مصنوعی شما تعامل داشته باشند.قبل از مدل‌های پایه، فقط سازمان‌هایی با منابع کافی برای توسعه مدل‌های هوش مصنوعی می‌توانستند برنامه‌های هوش مصنوعی را توسعه دهند. این برنامه‌ها اغلب در محصولات موجود سازمان‌ها تعبیه می‌شدند. برای مثال، تشخیص کلاهبرداری در Stripe، Venmo و PayPal تعبیه شده بود. سیستم‌های توصیه‌گر بخشی از شبکه‌های اجتماعی و اپلیکیشن‌های رسانه‌ای مانند Netflix، TikTok و Spotify بودند.با مدل‌های پایه، هرکسی می‌تواند برنامه‌های هوش مصنوعی بسازد. شما می‌توانید برنامه‌های هوش مصنوعی خود را به عنوان محصولات مستقل ارائه دهید یا آن‌ها را در سایر محصولات، از جمله محصولات توسعه‌یافته توسط سایر افراد، تعبیه (embed) کنید. برای مثال، ChatGPT و Perplexity محصولات مستقل هستند، در حالی که Copilot گیت‌هاب معمولاً به عنوان یک پلاگین در VSCode استفاده می‌شود و گرامرلی معمولاً به عنوان یک افزونه مرورگر برای Google Docs استفاده می‌شود. Midjourney می‌تواند یا از طریق اپلیکیشن وب مستقل خود یا از طریق یکپارچه‌سازی آن در Discord استفاده شود.ابزارهایی لازم است که رابط‌هایی برای برنامه‌های هوش مصنوعی مستقل ارائه دهند یا ادغام هوش مصنوعی در محصولات موجود را آسان کنند. در اینجا فقط برخی از رابط‌هایی که برای برنامه‌های هوش مصنوعی در حال محبوب شدن هستند، آورده شده است:اپلیکیشن‌های وب، دسکتاپ و موبایل مستقل.افزونه‌های مرورگر که به کاربران امکان می‌دهند هنگام مرور اینترنت به سرعت مدل‌های هوش مصنوعی را پرس‌وجو کنند.چت‌بات‌های یکپارچه شده در اپلیکیشن‌های چت مانند Slack، Discord، WeChat و WhatsApp.بسیاری از محصولات، از جمله VSCode، Shopify و Microsoft 365، API‌هایی ارائه می‌دهند که به توسعه‌دهندگان امکان می‌دهد هوش مصنوعی را به عنوان پلاگین‌ها و افزونه‌ها در محصولات خود ادغام کنند. این APIها همچنین می‌توانند توسط عامل‌های هوش مصنوعی (AI agents) برای تعامل با جهان استفاده شوند (همانطور که در فصل ۶ مورد بحث قرار می‌گیرد).در حالی که رابط چت رایج‌ترین مورد استفاده است، رابط‌های هوش مصنوعی همچنین می‌توانند صوت‌محور (مانند دستیارهای صوتی) یا تجسم‌یافته (مانند واقعیت افزوده و واقعیت مجازی) باشند.این رابط‌های جدید هوش مصنوعی همچنین به معنای روش‌های جدید برای جمع‌آوری و استخراج بازخورد کاربر هستند. رابط مکالمه، دادن بازخورد به زبان طبیعی را برای کاربران بسیار آسان‌تر می‌کند، اما استخراج این بازخورد سخت‌تر است. طراحی بازخورد کاربر در فصل ۱۰ مورد بحث قرار می‌گیرد.خلاصه‌ای از چگونگی تغییر اهمیت دسته‌های مختلف توسعه برنامه با ظهور مهندسی هوش مصنوعی در جدول ۱-۶ نشان داده شده است.جدول ۱-۶. اهمیت دسته‌های مختلف در توسعه برنامه برای مهندسی هوش مصنوعی و مهندسی ML.مهندسی هوش مصنوعی در مقابل مهندسی فول‌استکتأکید فزاینده بر توسعه برنامه کاربردی، به ویژه بر روی رابط‌ها، مهندسی هوش مصنوعی را به توسعه فول‌استک نزدیک‌تر می‌کند. اهمیت فزاینده رابط‌ها منجر به تغییر در طراحی ابزارهای هوش مصنوعی برای جذب مهندسین فرانت‌اند بیشتر می‌شود.به طور سنتی، مهندسی ML پایتون‌محور است. قبل از مدل‌های پایه، محبوب‌ترین فریم‌ورک‌های ML عمدتاً از APIهای پایتون پشتیبانی می‌کردند. امروزه، پایتون همچنان محبوب است، اما پشتیبانی از APIهای جاوا اسکریپت نیز در حال افزایش است (مانند LangChain.js، Transformers.js، کتابخانه Node اوپن‌ای‌آی و Vercel’s AI SDK).در حالی که بسیاری از مهندسان هوش مصنوعی از پیشینه سنتی ML می‌آیند، تعداد بیشتری به طور فزاینده‌ای از توسعه وب یا زمینه فول‌استک سرچشمه می‌گیرند. یک مزیتی که مهندسان فول‌استک نسبت به مهندسان ML سنتی دارند، توانایی آن‌ها در تبدیل سریع ایده‌ها به دمو، دریافت بازخورد و تکرار است.با مهندسی ML سنتی، شما معمولاً با جمع‌آوری داده و آموزش یک مدل شروع می‌کنید. ساختن محصول در آخر می‌آید. با این حال، با مدل‌های هوش مصنوعی که امروزه به راحتی در دسترس هستند، این امکان وجود دارد که ابتدا با ساختن محصول شروع کنید و تنها پس از اینکه محصول وعده موفقیت داد، در داده و مدل سرمایه‌گذاری کنید، همانطور که در شکل ۱-۱۶ تجسم شده است.شکل ۱-۱۶. گردش کار جدید مهندسی هوش مصنوعی به کسانی که می‌توانند سریع تکرار کنند، پاداش می‌دهد. (تصویر مجدداً از “ظهور مهندس هوش مصنوعی” (Shawn Wang, 2023) بازسازی شده است.)در مهندسی ML سنتی، توسعه مدل و توسعه محصول اغلب فرآیندهای مجزایی هستند، به طوری که مهندسان ML در تصمیم‌گیری‌های محصول در بسیاری از سازمان‌ها به ندرت دخیلند. با این حال، با مدل‌های پایه، مهندسان هوش مصنوعی تمایل دارند در ساختن محصول بسیار بیشتر دخیل باشند.خلاصه فصل 1من قصد داشتم این فصل دو هدف را محقق کند. یکی توضیح ظهور مهندسی هوش مصنوعی به عنوان یک رشته، با تشکر از در دسترس بودن مدل‌های پایه. دوم ارائه یک نمای کلی از فرآیند مورد نیاز برای ساخت برنامه‌ها بر روی این مدل‌ها.امیدوارم این فصل به این هدف دست یافته باشد. به عنوان یک فصل مروری، تنها به اکثر مفاهیم به صورت سطحی اشاره شد. این مفاهیم در ادامه کتاب بیشتر کاوش خواهند شد.این فصل تکامل سریع هوش مصنوعی در سال‌های اخیر را مورد بحث قرار داد. از برخی از قابل توجه‌ترین تحولات گذر کرد، از گذار از مدل‌های زبانی به مدل‌های زبانی بزرگ (LLM)، با تشکر از رویکرد آموزشی به نام خود-نظارتی (self-supervision)، شروع شد. سپس نشان داد که چگونه مدل‌های زبانی، سایر شیوه‌های داده (data modalities) را در خود ادغام کردند تا به مدل‌های پایه تبدیل شوند، و چگونه مدل‌های پایه منجر به ظهور مهندسی هوش مصنوعی شدند.رشد سریع مهندسی هوش مصنوعی توسط کاربردهای بسیار که با قابلیت‌های نوظهور مدل‌های پایه امکان‌پذیر شده‌اند، انگیزه می‌گیرد. این فصل برخی از موفق‌ترین الگوهای کاربردی را، هم برای مصرف‌کنندگان و هم برای بنگاه‌ها، مورد بحث قرار داد. با وجود تعداد باورنکردنی برنامه‌های هوش مصنوعی که از قبل در محیط تولید (production) هستند، ما هنوز در مراحل ابتدایی مهندسی هوش مصنوعی هستیم، و نوآوری‌های بی‌شماری هنوز ساخته نشده‌اند.قبل از ساختن یک برنامه، یک سؤال مهم اما اغلب نادیده گرفته شده این است که آیا باید آن را بسازید؟ این فصل این سؤال را همراه با ملاحظات اصلی برای ساختن برنامه‌های هوش مصنوعی مورد بحث قرار داد.در حالی که مهندسی هوش مصنوعی یک اصطلاح جدید است، اما از مهندسی ML تکامل یافته است، که رشته فراگیر درگیر با ساختن برنامه‌ها با استفاده از همه مدل‌های ML است. بسیاری از اصول مهندسی ML همچنان برای مهندسی هوش مصنوعی قابل اعمال هستند. با این حال، مهندسی هوش مصنوعی همچنین چالش‌ها و راه‌حل‌های جدیدی را با خود به همراه می‌آورد. بخش آخر فصل، پشته مهندسی هوش مصنوعی (AI engineering stack) را مورد بحث قرار می‌دهد، از جمله اینکه چگونه از مهندسی ML تغییر کرده است.یک جنبه از مهندسی هوش مصنوعی که به ویژه در نوشتن به چالش کشیدنش دشوار است، میزان باورنکردنی انرژی جمعی، خلاقیت و استعداد مهندسی است که جامعه ارائه می‌دهد. این اشتیاق جمعی اغلب می‌تواند طاقت‌فرسا باشد، زیرا پیگیری تکنیک‌های جدید، اکتشافات و دستاوردهای مهندسی که به طور مداوم اتفاق می‌افتند، غیرممکن است.یک تسلی این است که چون هوش مصنوعی در ادغام اطلاعات عالی است، می‌تواند به ما در جمع‌آوری و خلاصه‌سازی همه این به‌روزرسانی‌های جدید کمک کند. اما ابزارها فقط تا حدی می‌توانند کمک کنند. هرچه یک فضا طاقت‌فرساتر باشد، داشتن یک چارچوب (framework) برای کمک به ما در جهت‌یابی در آن مهم‌تر است. این کتاب قصد دارد چنین چارچوبی را ارائه دهد.بقیه کتاب این چارچوب را قدم به قدم کاوش خواهد کرد، از بلوک ساختمانی اساسی مهندسی هوش مصنوعی آغاز می‌کند: مدل‌های پایه (foundation models) که ساخت بسیاری از برنامه‌های شگفت‌انگیز را ممکن می‌سازند.

صراحت تمام عیار - راهنمایی بگیرید، راهنمایی بدهید و فضای راهنمایی را ترویج کنید.

Shirin Afshinfar — Sat, 13 Dec 2025 00:21:51 +0330

ایجاد فرهنگ ارتباطات بازفصل 2چند بار سعی کرده اید بازخورد بدهید اما با مخ زمین خورده اید؟ چطور می شود آدم ها را در یک موقعیت خاص راهنمایی کرد و همزمان اثرات ماندگاری در نحوه ی ارتباطات آدم ها ایجاد کرد؟راهنمایی خوب دو بعد دارد، توجه شخصی و چالش مستقیم. رعایت این دو به صورت همزمان صراحت تمام عیار می شود. خوب است بدانید غفلت از یک بعد، "همدلی ویرانگر" یا بعد دیگر "تهاجم گزنده"، یاهر دو بعد "دورویی دغل کارانه" چه پیامدهایی دارد.ابعاد چالش مستقیم و توجه شخصیموضوع را شخصی نکنید. اسم این چهار ربع به راهنمایی اشاره دارد نه به ویژگی شخصیتی. این روشی است برای درجه بندی تحسین و انتقاد و برای کمک به آدم ها تا حواسشان باشد این دو کار را بهتر انجام دهند.از این اسم ها نباید برای برچسب زدن به آدم ها استفاده کرد. برچسب زدن جلوی بهبود را می گیرد. در نهایت همه مدتی را در هر ربع می گذرانند. هیچ کس کامل نیست. هرگز به کسی بر نخوردم که همیشه صراحت تمام عیار داشته باشد. این یک آزمون شخصیت نیست. حال هر یک از ربع ها را بررسی می کنیم.صراحت تمام عیارراهنمایی فقط مختص محیط کار نیست. گاهی یک غریبه هم ممکن است صراحت تمام عیار ارائه دهد و اگر گوش کنید می تواند زندگیتان را زیر و رو کند. حتما لازم نیست برای راهنمایی تمام صریح وقت زیادی را صرف شناخت افراد یا اعتماد سازی کرد. یکی از بهترین راه های شناخت افراد و اعتمادسازی متقابل، ارائه تحسین و انتقاد با صراحت تمام عیار است.تحسین با صراحت تمام عیارخیلی شخصی و مشخص دلیل تحسین را توضیح بدهید.انتقاد با صراحت تمام عیاراگر میخواهی برنده بمانی بردهایت را نقد کن.برای رسیدن به موفقیت باید کسانی را که با هم کار می کنید به چالش بکشید. رمز موفقیت گوشزد کردن کاستی های افراد است. حتی بعد از یک موفقیت.تهاجم گزندهاگر نمی توانید صراحت تمام عیار داشته باشید، تهاجم گزنده بهترین کاری است که می توانید بکنید. این طوری حداقل آدم ها می دانند در سر شما چه می گذرد و جایگاه خودشان چیست. با این توضیح می توان فهمید چرا گاهی آدم هاهی بیخیال موفق می شوند کارشان را پیش ببرند. اگر آدم های بیشتری صراحت تمام عیار داشته باشند نیاز کمتری به تحمل تهاجم گزنده وجود دارد.در واقع بیشتر آدم ها ترجیح می دهند برای یک عوضی کاربلد کار کنند تا یک آدم دلپذیر بی کفایت.بدترین نوع تهاجم گزنده وقتی است که فرد از نقطه آسیب پذیری طرف مقابل اطلاع دارد و دست روی همان می گذارد، یا برای سرگرمی یا برای اثبات تسلط.انتقاد تهاجمی گزندهتهاجم گزنده رفتار است، نه ویژگی شخصیتی. هیچ کس همیشه عوضی نیست. همه ما گاهی تهاجم گزنده داریم.تحسین تهاجمی گزنده (تعارف های تحقیر کننده)تحسین هم می تواند تهاجمی و گزنده باشد. برای مثال می توانید شخصی را تحسین کنید و به او پاداش دهید ولی حس آن فرد را نه تنها بهتر نکنید بلکه بدتر هم کنید. (مثلا بگویید این پاداش توست که همه ی کارهای گِل را انجام دادی!)دورویی دغل کارانهوقتی اهمیتی که برای شخصی قائل هستید برای به چالش کشیدن مستقیم او کافی نباشد، راهنمایی با دورویی دغل کارانه اتفاق می افتد. کسانی که تمایل زیادی به دوست داشته شدن دارند یا گمان می کنند با بروز رفتار ساختگی می توانند مزیت سیاسی کسب کنند. یا صرفا خسته تر از آن هستند که بخواهند اهمیتی بدهند یا بحثی کنند، تحسین و انتقاد هایی از روی دورویی دغل کارانه ارائه می دهند. بعید است راهنمایی با دورویی دغل کارانه تفکر واقعی شخص گوینده را بازتاب دهد، بلکه تلاشی است برای تحریک عاطفی طرف مقابل به امید نفع شخصی.تحسین با دورویی دغل کارانه (عذرخواهی قلابی)وقتی رفتار بدی انجام می دهید و به خاطر آن مواخذه می شوید خیلی طیبعی است که از اصل خود فاصله بگیرید و رفتار سیاسی در پیش بگیرید، یعنی از چاله ی تهاجم گزنده به چاه دورویی دغل کارانه بیفتید.همدلی ویرانگرهمدلی ویرانگر می تواند باعث نرسیدن انتقادها به گوش رئیس هم بشود. رئیس هایی که همدلی ویرانگر دارند به جای غلبه بر سختی وادار کردن کارمند برای به چالش کشیدن رئیسش، از خیر کل قضیه می گذرند تا معذب نشوند. وقتی رئیسی علاقه زیادی به همراه نگه داشتن تک تک آدم ها داشته باشد، اعضای تیم از ترس پاشیده شدن بذر ناسازگاری علاقه ای به انتقاد از یکدیگر نشان نخواهند داد. در چنین محیط کاری ای ساخته دست چنین رئیسی، اولویت داشتن "رفتار خوشایند" به قمیت نقد نشدن . در نتیجه بهتر نشدن دستاوردهای واقعی تیم تمام می شود.رئیس ها به اشتباه فکر می کنند اگر از ربع همدلی ویرانگر شروع کنند می توانند رابطه ی خوبی با کارکنانشان برقرار کنند و سپس وارد ربع صراحت تمام عیار شوند. این کارکنان بعد از مدتی هرگز نمی دانند با ریسشان چند چند هستند و فرصتی هم برای یادگیری یا رشد پیدا نمی کنند.تحسین با همدلی ویرانگر (فقط خواستم چیز خوشایندی گفته باشم)وقتی میخواهید کسی را تحسین کنید آن قدر بررسی کنید تا درست بفهمید چه کسی چه کار کرده است و چرا کارش فوق العاده بوده است.حرکت به سوی صراحت تمام عیاربا گرفتن بازخورد شروع کنید، نه با دادن آن : اول نشان دهید جنبه گرفتن بازخورد دارید بعد به دیگران بازخورد بدهید.تعادلی بین تحسین و انتقاد برقرار کنید: بیشتر نگران تحسین باشید تا انتقاد، اما یک رنگی از همه این ها مهم تر است.قبل از انتقاد از کسی، چه قدر زمان صرف می کنی تا مطمین شوی همه اطلاعات را داری؟ قبل از تحسین کسی، چه قدر زمان صرف میکنی تا مطمین شوی همه اطلاعات را داری؟مرز میان تهاجم گزنده و صراحت تمام عیار را درک کنید : کارت آشغال است (این مرزی میان صراحت تمام عیار و تهاجم گزنده است.)مثال های ساده بزنید: زیپ شلوارت باز است!آیا به فرد گوشزد می کنی؟ (صراحت تمام عیار)آیا نگران احساسات او هستی؟ (همدلی ویرانگر)آیا جلوی دیگران فریاد میزنی؟ (تهاجم گرنده)آیا سکوت میکنی و نگران احساسات خود هستی؟ (دورویی دغل کارانه)اگر به چیزی که می خواهید بگویید فکر کنید و ببینید در یکی از این سه ربعِ بد قرار دارد، تقریبا محال است به سمت صراحت تمام عیار کشیده نشوید. صراحت تمام عیار را بلدید هم می دانید چطور باید توجه شخصی کرد هم به چالش کشیدن مستقیم را می شناسید.از لحظه ای که زبان باز کردید به چالش کشیدن اطرافیان را هم شروع کرده اید. سپس جمله ای شبیه به "چیز خوشایندی بگو یا زبان به دهان بگیر" به گوشتان خورده است. اما حالا نوبت شماست که به دیگران بگویید. اگر در جایی در جایگاه قدرت نشستید ، این کار شغلتان نیست بلکه وظیفه اخلاقی تان است. "فقط بگو!"

فصل اول- بخش 3- برنامه‌ریزی برای برنامه‌های کاربردی هوش مصنوعی

Shirin Afshinfar — Fri, 12 Dec 2025 01:13:25 +0330

ترجمه کتاب ساخت برنامه‌های کاربردی با مدل‌های پایه - انتشارات O’ReillyBOOK: O'Reilly_AI_Engineering_Building_Applications_with_Foundation_Modelsبا توجه به پتانسیل به ظاهر بی‌پایان هوش مصنوعی، وسوسه‌انگیز است که مستقیماً به سراغ ساخت برنامه‌ها برویم. اگر فقط می‌خواهید یاد بگیرید و لذت ببرید، مستقیماً وارد شوید. ساختن یکی از بهترین راه‌ها برای یادگیری است. در روزهای اولیه مدل‌های پایه، چندین رئیس هوش مصنوعی به من گفتند که تیم‌های خود را به آزمایش با برنامه‌های هوش مصنوعی برای ارتقای مهارت‌های خود تشویق می‌کنند.با این حال، اگر شما این کار را برای امرار معاش انجام می‌دهید، ممکن است ارزش داشته باشد که یک قدم به عقب برگردید و در نظر بگیرید که چرا این را می‌سازید و چگونه باید آن را انجام دهید. ساخت یک دموی جذاب با مدل‌های پایه آسان است. ایجاد یک محصول سودآور سخت است.ارزیابی مورد استفاده (Use Case Evaluation)اولین سوالی که باید پرسید این است که چرا می‌خواهید این برنامه را بسازید. مانند بسیاری از تصمیمات تجاری، ساخت یک برنامه هوش مصنوعی اغلب پاسخی به ریسک‌ها و فرصت‌ها است. در ادامه چند نمونه از سطوح مختلف ریسک، از بالا به پایین آورده شده است:تهدید وجودی (Existential Threat): اگر این کار را انجام ندهید، رقبای مجهز به هوش مصنوعی می‌توانند شما را منسوخ کنند. اگر هوش مصنوعی تهدید عمده‌ای برای کسب‌وکار شما محسوب می‌شود، ادغام هوش مصنوعی باید بالاترین اولویت را داشته باشد. این برای کسب‌وکارهای مرتبط با پردازش اسناد و تجمع اطلاعات (مانند تحلیل مالی، بیمه) و کارهای خلاقانه (مانند تبلیغات، طراحی وب) رایج‌تر است.از دست دادن فرصت (Missed Opportunities): اگر این کار را انجام ندهید، فرصت‌های افزایش سود و بهره‌وری را از دست خواهید داد. اکثر شرکت‌ها به دلیل فرصت‌هایی که هوش مصنوعی به ارمغان می‌آورد، آن را می‌پذیرند. هوش مصنوعی می‌تواند در اکثر عملیات کسب‌وکار کمک کند.اکتشاف و تحقیق (Exploration & R&D): شما مطمئن نیستید که هوش مصنوعی در کجای کسب‌وکار شما قرار می‌گیرد، اما نمی‌خواهید عقب بمانید. سرمایه‌گذاری منابع برای درک یک فناوری تحول‌آفرین جدید اگر استطاعت آن را داشته باشید، ایده بدی نیست.هنگامی که دلیل خوبی برای توسعه این مورد استفاده پیدا کردید، ممکن است در نظر بگیرید که آیا باید خودتان آن را بسازید یا خیر. اگر هوش مصنوعی یک تهدید وجودی برای کسب‌وکار شماست، ممکن است بخواهید هوش مصنوعی را درون‌سپاری کنید تا اینکه آن را به یک رقیب برون‌سپاری کنید. با این حال، اگر از هوش مصنوعی برای افزایش سود و بهره‌وری استفاده می‌کنید، ممکن است گزینه‌های خرید زیادی داشته باشید که در زمان و هزینه شما صرفه‌جویی کنند و در عین حال عملکرد بهتری به شما بدهند.نقش هوش مصنوعی و انسان در برنامهنقشی که هوش مصنوعی در محصول ایفا می‌کند، بر توسعه و الزامات آن تأثیر می‌گذارد. اپل سند خوبی دارد که راه‌های مختلف استفاده از هوش مصنوعی در یک محصول را توضیح می‌دهد. سه نکته کلیدی مرتبط با بحث فعلی:حیاتی یا مکمل (Critical or Complementary): اگر یک برنامه بدون هوش مصنوعی همچنان کار کند، هوش مصنوعی مکمل برنامه است (مانند Gmail بدون Smart Compose). هرچه هوش مصنوعی برای برنامه حیاتی‌تر باشد، دقت و قابلیت اطمینان بخش هوش مصنوعی باید بیشتر باشد.واکنشی یا پیش‌گیرانه (Reactive or Proactive): یک ویژگی واکنشی در پاسخ به درخواست کاربران عمل می‌کند (مانند چت‌بات)، در حالی که یک ویژگی پیش‌گیرانه در هنگام فرصت، پاسخ خود را نشان می‌دهد (مانند هشدار ترافیک در Google Maps). ویژگی‌های پیش‌گیرانه معمولاً نوار کیفیت بالاتری دارند زیرا کاربران آن‌ها را درخواست نکرده‌اند.پویا یا ایستا (Dynamic or Static): ویژگی‌های پویا با بازخورد کاربر به طور مداوم به‌روز می‌شوند (مانند Face ID)، در حالی که ویژگی‌های ایستا به صورت دوره‌ای به‌روز می‌شوند (مانند تشخیص شیء در Google Photos).همچنین مهم است که نقش انسان‌ها در برنامه روشن شود. آیا هوش مصنوعی پشتیبانی پس‌زمینه را برای انسان‌ها فراهم می‌کند، مستقیماً تصمیم می‌گیرد، یا هر دو؟ برای مثال، برای یک چت‌بات پشتیبانی مشتری، پاسخ‌های هوش مصنوعی می‌توانند به روش‌های مختلفی استفاده شوند:هوش مصنوعی چند پاسخ را نشان می‌دهد که کارشناسان انسانی می‌توانند برای نوشتن پاسخ‌های سریع‌تر به آن مراجعه کنند.هوش مصنوعی فقط به درخواست‌های ساده پاسخ می‌دهد و درخواست‌های پیچیده‌تر را به انسان‌ها مسیریابی می‌کند.هوش مصنوعی بدون مشارکت انسان، مستقیماً به همه درخواست‌ها پاسخ می‌دهد.درگیر کردن انسان‌ها در فرآیندهای تصمیم‌گیری هوش مصنوعی انسان در حلقه (human-in-the-loop) نامیده می‌شود. مایکروسافت یک چارچوب برای افزایش تدریجی اتوماسیون هوش مصنوعی در محصولات پیشنهاد کرده است که به آن Crawl-Walk-Run می‌گویند:Crawl (خزیدن): مشارکت انسان اجباری است.Walk (راه رفتن): هوش مصنوعی می‌تواند مستقیماً با کارمندان داخلی تعامل داشته باشد.Run (دویدن): اتوماسیون افزایش یافته، بلقوه شامل تعاملات مستقیم هوش مصنوعی با کاربران خارجی.نقش انسان‌ها می‌تواند با بهبود کیفیت سیستم هوش مصنوعی در طول زمان تغییر کند. برای مثال، در ابتدا، زمانی که شما هنوز در حال ارزیابی قابلیت‌های هوش مصنوعی هستید، ممکن است از آن برای تولید پیشنهاداتی برای کارشناسان انسانی (human agents) استفاده کنید. اگر نرخ پذیرش توسط کارشناسان انسانی بالا باشد، برای مثال، ۹۵٪ از پاسخ‌های پیشنهادی هوش مصنوعی به درخواست‌های ساده، به صورت کلمه به کلمه (verbatim) توسط کارشناسان انسانی استفاده شود، آنگاه می‌توانید به مشتریان اجازه دهید مستقیماً با هوش مصنوعی برای آن درخواست‌های ساده تعامل داشته باشند.دفاع‌پذیری محصول هوش مصنوعی (AI Product Defensibility)اگر شما برنامه‌های هوش مصنوعی را به عنوان محصولات مستقل به فروش می‌رسانید، مهم است که دفاع‌پذیری (defensibility) آنها را در نظر بگیرید. مانع ورود کم(low entry barrier) هم یک نعمت است و هم یک نفرین. اگر ساختن چیزی برای شما آسان باشد، برای رقبای شما نیز آسان است. چه سنگری (moats) برای دفاع از محصول خود دارید؟به نوعی، ساخت برنامه‌ها بر روی مدل‌های پایه به معنای ارائه یک لایه روی این مدل‌ها است. این همچنین به این معنی است که اگر مدل‌های زیرین در قابلیت‌ها گسترش یابند، لایه‌ای که شما ارائه می‌دهید ممکن است توسط مدل‌ها بلعیده شود و برنامه شما را منسوخ کند. تصور کنید یک برنامه تجزیه و تحلیل (parsing) PDF بر اساس این فرض که چت‌جی‌پی‌تی نمی‌تواند PDFها را به خوبی تجزیه کند یا در مقیاس بزرگ انجام دهد، روی آن بسازید. اگر این فرض دیگر درست نباشد، توانایی رقابت شما تضعیف خواهد شد. با این حال، حتی در این صورت، یک برنامه تجزیه PDF ممکن است اگر بر روی مدل‌های متن باز (open source) ساخته شده باشد، همچنان معنا داشته باشد و راه‌حل شما را به سمت کاربرانی سوق دهد که می‌خواهند مدل‌ها را به صورت داخلی (in-house) میزبانی کنند.یکی از شرکای عمومی (General Partner) در یک شرکت بزرگ سرمایه‌گذاری خطرپذیر (VC) به من گفت که او بسیاری از استارت‌آپ‌ها را دیده که کل محصولات آنها می‌توانست یک ویژگی برای Google Docs یا Microsoft Office باشد. اگر محصولات آنها موفق شود، چه چیزی می‌تواند مانع از آن شود که Google یا Microsoft سه مهندس را برای تکثیر این محصولات در دو هفته اختصاص دهند؟در هوش مصنوعی، به طور کلی سه نوع مزیت رقابتی وجود دارد: فناوری (technology)، داده (data)، و توزیع (distribution) — که توانایی عرضه محصول شما به کاربران است. با مدل‌های پایه، فناوری‌های اصلی اکثر شرکت‌ها مشابه خواهد بود. مزیت توزیع احتمالاً متعلق به شرکت‌های بزرگ است.مزیت داده پیچیده‌تر (nuanced) است. شرکت‌های بزرگ احتمالاً داده‌های موجود بیشتری دارند. با این حال، اگر یک استارت‌آپ بتواند اول به بازار برسد و داده‌های استفاده کافی برای بهبود مستمر محصولات خود جمع‌آوری کند، داده ها سنگر (moat) آنها خواهد بود. حتی برای سناریوهایی که داده‌های کاربر نمی‌تواند مستقیماً برای آموزش مدل‌ها استفاده شود، اطلاعات استفاده می‌تواند بینش‌های ارزشمندی در مورد رفتارهای کاربر و کاستی‌های محصول ارائه دهد، که می‌تواند برای هدایت فرآیند جمع‌آوری داده و آموزش استفاده شود.شرکت‌های موفق زیادی وجود داشته‌اند که محصولات اولیه آنها می‌توانست یک ویژگی از محصولات بزرگتر باشد. Calendly می‌توانست یک ویژگی از Google Calendar باشد. Mailchimp می‌توانست یک ویژگی از Gmail باشد. Photoroom می‌توانست یک ویژگی از Google Photos باشد. بسیاری از استارت‌آپ‌ها در نهایت از رقبای بزرگتر پیشی می‌گیرند، که با ساخت ویژگی‌ای شروع می‌کنند که این رقبای بزرگتر نادیده گرفته‌اند. شاید شرکت شما بتواند بعدی باشد.تعیین انتظارات (Setting Expectations)هنگامی که تصمیم گرفتید که این برنامه هوش مصنوعی شگفت‌انگیز را خودتان بسازید، قدم بعدی این است که بفهمید موفقیت چگونه به نظر می‌رسد: چگونه موفقیت را اندازه‌گیری خواهید کرد؟ مهم‌ترین معیار این است که این چطور بر کسب‌وکار شما تأثیر خواهد گذاشت. برای مثال، اگر یک چت‌بات پشتیبانی مشتری است، معیارهای کسب‌وکار می‌توانند شامل موارد زیر باشد:چند درصد از پیام‌های مشتری را می‌خواهید چت‌بات خودکار کند؟چت‌بات باید چند پیام بیشتر را پردازش کند؟با استفاده از چت‌بات چقدر سریع‌تر می‌توانید پاسخ دهید؟چت‌بات چقدر می‌تواند در نیروی کار انسانی صرفه‌جویی کند؟یک چت‌بات می‌تواند به پیام‌های بیشتری پاسخ دهد، اما این به معنای خوشحال کردن کاربران نیست، بنابراین ردیابی رضایت مشتری (customer satisfaction) و به طور کلی بازخورد مشتری مهم است. بخش “بازخورد کاربر” در صفحه ۴۷۴ در مورد نحوه طراحی یک سیستم بازخورد بحث می‌کند.برای اطمینان از اینکه یک محصول قبل از آماده شدن در مقابل مشتریان قرار نمی‌گیرد، انتظارات واضحی در مورد آستانه مفید بودن (usefulness threshold) آن داشته باشید: اینکه چقدر باید خوب باشد تا مفید واقع شود. آستانه‌ مفید بودن ممکن است شامل معیار های زیر باشد:معیارهای کیفیت: برای اندازه‌گیری کیفیت پاسخ‌های چت‌بات.معیارهای تاخیر (Latency): شامل TTFT (زمان تا اولین توکن)، TPOT (زمان به ازای هر توکن خروجی) و تاخیر کل. آنچه تاخیر قابل قبول در نظر گرفته می‌شود به مورد استفاده شما بستگی دارد. اگر تمام درخواست‌های مشتریان شما در حال حاضر توسط انسان‌ها با زمان پاسخ میانه یک ساعت پردازش می‌شوند، هر چیزی سریع‌تر از این ممکن است به اندازه کافی خوب باشد.معیارهای هزینه: هر درخواست استنتاج (inference) چقدر هزینه دارد.معیارهای دیگر مانند تفسیرپذیری (interpretability) و انصاف (fairness).اگر هنوز مطمئن نیستید که از چه معیارهایی می‌خواهید استفاده کنید، نگران نباشید. بقیه کتاب بسیاری از این معیارها را پوشش خواهد داد.برنامه‌ریزی نقطه عطف (Milestone Planning)هنگامی که اهداف قابل اندازه‌گیری تعیین کردید، به یک برنامه برای دستیابی به این اهداف نیاز دارید. چگونگی رسیدن به اهداف بستگی به جایی دارد که شروع می‌کنید. مدل‌های موجود را ارزیابی کنید تا قابلیت‌های آن‌ها را درک کنید. هرچه مدل‌های آماده (off-the-shelf) قوی‌تر باشند، کار کمتری باید انجام دهید. برای مثال، اگر هدف شما خودکار کردن ۶۰٪ از تیکت‌های پشتیبانی مشتری است و مدل آماده‌ای که می‌خواهید استفاده کنید از قبل می‌تواند ۳۰٪ از تیکت‌ها را خودکار کند، تلاشی که باید انجام دهید ممکن است کمتر از زمانی باشد که اصلاً نتواند تیکتی را خودکار کند.احتمالاً اهداف شما پس از ارزیابی تغییر خواهند کرد. برای مثال، پس از ارزیابی، ممکن است متوجه شوید که منابع مورد نیاز برای رساندن برنامه به آستانه مفید بودن بیشتر از بازده بالقوه آن خواهد بود، و بنابراین، دیگر نمی‌خواهید آن را ادامه دهید.در برنامه‌ریزی یک محصول هوش مصنوعی باید چالش آخرین مایل (last mile challenge) آن را در نظر بگیرد. موفقیت اولیه با مدل‌های پایه می‌تواند گمراه‌کننده باشد. از آنجایی که قابلیت‌های پایه مدل‌های پایه از قبل بسیار اثر گذار است، ممکن است ساخت یک دموی جذاب زمان زیادی نبرد. با این حال، یک دموی اولیه خوب، یک محصول نهایی خوب را تضمین نمی‌کند. ممکن است ساخت یک دمو یک آخر هفته طول بکشد، اما ساخت یک محصول ماه‌ها و حتی سال‌ها طول بکشد.در مقاله UltraChat، Ding و همکاران (۲۰۲۳) به اشتراک گذاشتند که “سفر از ۰ به ۶۰ آسان است، در حالی که پیشرفت از ۶۰ به ۱۰۰ به طور فزاینده‌ای چالش‌برانگیز می‌شود.” لینکدین (۲۰۲۴) همین احساس را به اشتراک گذاشت. یک ماه طول کشید تا ۸۰٪ از تجربه مورد نظر خود را به دست آورند. این موفقیت اولیه باعث شد که آنها به شدت دست کم بگیرند که چقدر زمان برای بهبود محصول نیاز دارند. آنها دریافتند که چهار ماه دیگر طول کشید تا در نهایت از ۹۵٪ فراتر بروند. زمان زیادی صرف کار بر روی مشکلات محصول (product kinks) و مقابله با توهمات (hallucinations) شد. سرعت پایین دستیابی به هر ۱٪ سودِ بعدی دلسردکننده بود.نگهداری (Maintenance)برنامه‌ریزی محصول با دستیابی به اهدافش متوقف نمی‌شود. شما باید در نظر بگیرید که این محصول چگونه ممکن است در طول زمان تغییر کند و چگونه باید نگهداری شود. نگهداری از یک محصول هوش مصنوعی چالش اضافه‌ای به نام سرعت سریع تغییرات هوش مصنوعی دارد. فضای هوش مصنوعی در دهه گذشته به طور باورنکردنی سریع حرکت کرده است. احتمالاً در دهه آینده نیز به حرکت سریع خود ادامه خواهد داد. ساختن بر روی مدل‌های پایه امروزی به معنای متعهد شدن به سوار شدن بر این قطار سریع‌السیر است.بسیاری از تغییرات خوب هستند. برای مثال، محدودیت‌های بسیاری از مدل‌ها در حال برطرف شدن هستند. طول زمینه (context lengths) در حال طولانی‌تر شدن است. خروجی‌های مدل در حال بهتر شدن هستند. استنتاج مدل (model inference)، فرآیند محاسبه یک خروجی با توجه به یک ورودی، در حال سریع‌تر و ارزان‌تر شدن است. شکل ۱-۱۱ تکامل هزینه استنتاج و عملکرد مدل در benchmark محبوب مدل‌های پایه به نام MMLU را بین سال‌های ۲۰۲۲ تا ۲۰۲۴ نشان می‌دهد.شکل ۱-۱۱: هزینه استدلال هوش مصنوعی به سرعت در طول زمان کاهش می‌یابد. تصویر از کاترینا نگوین (۲۰۲۴).با این حال، حتی این تغییرات خوب نیز می‌توانند باعث اصطکاک (friction) در گردش کارهای شما شوند. شما باید دائماً مراقب باشید و یک تحلیل هزینه-فایده (cost-benefit) برای هر سرمایه‌گذاری تکنولوژی انجام دهید. بهترین گزینه امروز ممکن است فردا به بدترین گزینه تبدیل شود.ممکن است تصمیم بگیرید یک مدل را به صورت داخلی (in-house) بسازید زیرا به نظر می‌رسد ارزان‌تر از پرداخت به ارائه‌دهندگان مدل است، فقط برای اینکه پس از سه ماه متوجه شوید ارائه‌دهندگان مدل قیمت‌های خود را به نصف کاهش داده‌اند و گزینه داخلی را به گزینه‌ای گران تبدیل کرده‌اند. ممکن است در یک راه‌حل شخص ثالث (third-party solution) سرمایه‌گذاری کنید و زیرساخت خود را حول آن سفارشی کنید، فقط برای اینکه ارائه‌دهنده پس از عدم تامین مالی، از کسب‌وکار خارج شود (go out of business).برخی تغییرات برای انطباق آسان‌تر هستند. برای مثال، با همگرایی ارائه‌دهندگان مدل به یک API یکسان، تعویض یک API مدل با دیگری آسان‌تر می‌شود. با این حال، از آنجایی که هر مدل خصوصیات، نقاط قوت و ضعف خود را دارد، توسعه‌دهندگان با مدل جدید باید گردش کار، پرامپت‌ها و داده‌های خود را با این مدل جدید تطبیق دهند. بدون زیرساخت مناسب برای نسخه‌بندی و ارزیابی، این فرآیند می‌تواند باعث سردردهای زیادی شود.برخی تغییرات برای انطباق سخت‌تر هستند، به ویژه تغییرات حول مقررات (regulations). تکنولوژی‌های هوش مصنوعی برای بسیاری از کشورها مسائل امنیت ملی در نظر گرفته می‌شوند، به این معنی که منابع برای هوش مصنوعی، شامل محاسبات (compute)، استعداد (talent) و داده (data)، به شدت تنظیم شده هستند. برای مثال، تصویب قانون حفاظت از داده عمومی اروپا (GDPR) تخمین زده شد که ۹ میلیارد دلار برای سازگار شدن کسب‌وکارها هزینه داشته است. در دسترس بودن محاسبات می‌تواند یک‌ شبه تغییر کند زیرا قوانین جدید محدودیت‌های بیشتری بر روی اینکه چه کسی می‌تواند منابع محاسباتی را بخرد و بفروشد اعمال می‌کند. اگر فروشنده GPU شما ناگهان از فروش GPU به کشور شما منع شود، شما در مشکل هستید بود.برخی تغییرات حتی می‌توانند کشنده (fatal) باشند. برای مثال، مقررات حول مالکیت فکری (Intellectual Property - IP) و استفاده از هوش مصنوعی هنوز در حال تکامل هستند. اگر محصول خود را بر روی مدلی بسازید که با استفاده از داده‌های دیگران آموزش داده شده است، آیا می‌توانید مطمئن باشید که IP محصول شما همیشه متعلق به شما خواهد بود؟ بسیاری از شرکت‌های سنگین‌وزن در حوزه IP که با آنها صحبت کرده‌ام، مانند استودیوهای بازی، به دلیل ترس از دست دادن IPهای خود در آینده، در استفاده از هوش مصنوعی تردید دارند.هنگامی که متعهد به ساخت یک محصول هوش مصنوعی شدید، بیایید به stack مهندسی مورد نیاز برای ساخت این برنامه‌ها نگاه کنیم.

فصل اول- بخش 2-موارد استفاده از مدل‌های پایه

Shirin Afshinfar — Fri, 05 Dec 2025 18:30:43 +0330

ترجمه کتاب ساخت برنامه‌های کاربردی با مدل‌های پایه - انتشارات O’ReillyBOOK: O'Reilly_AI_Engineering_Building_Applications_with_Foundation_Modelsاگر تاکنون در حال ساخت برنامه‌های کاربردی هوش مصنوعی نبوده‌اید، امیدوارم بخش قبلی شما را متقاعد کرده باشد که اکنون زمان بسیار مناسبی برای این کار است. اگر ایده خاصی برای یک برنامه در ذهن دارید، ممکن است بخواهید به بخش “برنامه‌ریزی برنامه‌های کاربردی هوش مصنوعی” در صفحه ۲۸ از کتاب منبع بروید. اگر به دنبال الهام گرفتن هستید، این بخش طیف گسترده‌ای از موارد استفاده اثبات‌شده در صنعت و موارد امیدوارکننده را پوشش می‌دهد.تعداد برنامه‌های کاربردی بالقوه‌ای که می‌توانید با مدل‌های پایه بسازید، بی‌پایان به نظر می‌رسد. هر مورد استفاده‌ای که به آن فکر کنید، احتمالاً یک هوش مصنوعی برای آن وجود دارد. فهرست کردن تمام موارد استفاده بالقوه برای هوش مصنوعی غیرممکن است.حتی تلاش برای دسته‌بندی این موارد استفاده نیز چالش‌برانگیز است، زیرا نظرسنجی‌های مختلف از دسته‌بندی‌های متفاوتی استفاده می‌کنند. برای مثال، Amazon Web Services (AWS) موارد استفاده enterprise (شرکتی) هوش مصنوعی مولد را در سه بخش دسته‌بندی کرده است: تجربه مشتری، بهره‌وری کارکنان، و بهینه‌سازی فرآیند. یک نظرسنجی O’Reilly در سال ۲۰۲۴ موارد استفاده را در هشت دسته، دسته‌بندی کرد: برنامه‌نویسی، تحلیل داده، پشتیبانی مشتری، متن بازاریابی، سایر متون، تحقیق، طراحی وب، و هنر.برخی سازمان‌ها، مانند Deloitte، موارد استفاده را بر اساس دریافت ارزش (value capture) دسته‌بندی کرده‌اند، مانند کاهش هزینه، کارایی فرآیند، رشد، و تسریع نوآوری. برای دریافت ارزش، Gartner یک دسته برای تداوم کسب‌وکار (business continuity) دارد، به این معنی که یک سازمان در صورت عدم اتخاذ هوش مصنوعی مولد ممکن است ورشکست شود. از بین ۲۵۰۰ مدیر اجرایی که Gartner در سال ۲۰۲۳ مورد بررسی قرار داد، ۷٪ تداوم کسب‌وکار را انگیزه اصلی برای پذیرش هوش مصنوعی مولد ذکر کردند.Eloundou و همکاران (۲۰۲۳) تحقیقات عالی‌ای در مورد میزان مواجهه مشاغل مختلف با هوش مصنوعی انجام داده‌اند. آنها یک تسک را تعریف کردند اگر هوش مصنوعی و نرم‌افزارهای مبتنی بر هوش مصنوعی بتوانند زمان مورد نیاز برای تکمیل این تسک را حداقل ۵۰٪ کاهش دهند. یک شغل با ۸۰٪ مواجهه به این معنی است که ۸۰٪ از وظایف آن شغل در معرض هستند. بر اساس این مطالعه، مشاغل با ۱۰۰٪ یا نزدیک به ۱۰۰٪ مواجهه شامل مترجمان شفاهی و کتبی، تهیه‌کنندگان اظهارنامه مالیاتی، طراحان وب، و نویسندگان می‌شوند. برخی از آنها در جدول ۱-۲ نشان داده شده‌اند. جای تعجب نیست که مشاغل بدون مواجهه با هوش مصنوعی شامل آشپزها، سنگتراشان، و ورزشکاران می‌شوند. این مطالعه تصور خوبی از موارد استفاده‌ای که هوش مصنوعی برای آنها مناسب است ارائه می‌دهد.جدول ۱-۲. مشاغل با بیشترین مواجهه با هوش مصنوعی که توسط انسان‌ها حاشیه‌نویسی شده‌اند. α به مواجهه مستقیم با مدل‌های هوش مصنوعی اشاره دارد، در حالی که β و ζ به مواجهه با نرم‌افزارهای مبتنی بر هوش مصنوعی اشاره دارند. جدول از Eloundou و همکاران (۲۰۲۳).هنگام تحلیل موارد استفاده، من به هر دو دسته برنامه‌های کاربردی enterprise (شرکتی) و مصرف‌کننده (consumer) نگاه کردم. برای درک موارد استفاده enterprise، با ۵۰ شرکت در مورد استراتژی‌های هوش مصنوعی آنها مصاحبه کردم و بیش از ۱۰۰ مطالعه موردی را خواندم. برای درک برنامه‌های مصرف‌کننده، ۲۰۵ برنامه کاربردی هوش مصنوعی منبع باز با حداقل ۵۰۰ ستاره در GitHub را بررسی کردم. من برنامه‌های کاربردی را به هشت گروه دسته‌بندی کردم، همانطور که در جدول ۱-۳ نشان داده شده است. فهرست محدود اینجا بهترین کاربرد را به عنوان یک مرجع دارد. همانطور که در فصل ۲ در مورد چگونگی ساخت مدل‌های پایه و در فصل ۳ در مورد چگونگی ارزیابی آنها بیشتر یاد می‌گیرید، همچنین قادر خواهید بود تصویر بهتری از موارد استفاده‌ای که مدل‌های پایه می‌توانند و باید برای آنها استفاده شوند، تشکیل دهید.جدول ۱-۳. موارد استفاده رایج هوش مصنوعی مولد در برنامه‌های کاربردی مصرف‌کننده و enterpriseاین 8 دسته بندی از موارد رایج استفاده از هوش مصتوعی مولد در ادامه توضیح داده خواهد شد.از آنجایی که مدل‌های پایه عمومی هستند، برنامه‌های ساخته شده بر روی آنها می‌توانند بسیاری از مشکلات را حل کنند. این بدان معنی است که یک برنامه کاربردی می‌تواند به بیش از یک دسته تعلق داشته باشد. برای مثال، یک ربات (بات) می‌تواند همدمی ارائه دهد و هم اطلاعات را تجمیع کند. یک برنامه کاربردی می‌تواند به شما کمک کند داده‌های ساختاریافته را از یک PDF استخراج کنید و به سوالات درباره آن PDF پاسخ دهید.شکل ۱-۷ توزیع این موارد استفاده را در بین ۲۰۵ برنامه کاربردی منبع باز نشان می‌دهد. توجه داشته باشید که درصد کم موارد استفاده آموزش، سازماندهی داده و نوشتن به این معنی نیست که این موارد استفاده محبوب نیستند. فقط به این معنی است که این برنامه‌های کاربردی منبع باز نیستند. سازندگان این برنامه‌ها ممکن است آنها را برای موارد استفاده enterprise مناسب‌تر بدانند.شکل ۱-۷. توزیع موارد استفاده در ۲۰۵ مخزن (repository) منبع باز روی GitHub.دنیای enterprise عموماً برنامه‌های کاربردی با ریسک پایین‌تر را ترجیح می‌دهد. برای مثال، یک گزارش Growth از a16z در سال ۲۰۲۴ نشان داد که شرکت‌ها سریع‌تر برنامه‌های کاربردی مقابل داخلی (مدیریت دانش داخلی) را نسبت به برنامه‌های کاربردی مقابل خارجی (چت‌بات‌های پشتیبانی مشتری) مستقر می‌کنند، همانطور که در شکل ۱-۸ نشان داده شده است. برنامه‌های داخلی به شرکت‌ها کمک می‌کنند تا تخصص مهندسی هوش مصنوعی خود را توسعه دهند در حالی که ریسک‌های مرتبط با حریم خصوصی داده، انطباق (compliance)، و خرابی‌های فاجعه‌بار بالقوه را به حداقل می‌رسانند. به طور مشابه، در حالی که مدل‌های پایه باز هستند و می‌توانند برای هر کاری استفاده شوند، بسیاری از برنامه‌های ساخته شده بر روی آنها هنوز بسته (close-ended) هستند، مانند طبقه‌بندی (classification). وظایف طبقه‌بندی ارزیابی آسان‌تری دارند که باعث می‌شود ریسک‌های آنها راحت‌تر برآورد شود.شکل ۱-۸. شرکت‌ها بیشتر مایل به استقرار برنامه‌های کاربردی مقابل داخلی هستند.حتی پس از دیدن صدها برنامه کاربردی هوش مصنوعی، هنوز هم هر هفته با برنامه‌های جدیدی که مرا شگفت‌زده می‌کنند مواجه می‌شوم. در روزهای اولیه اینترنت، تعداد کمی از مردم پیش‌بینی می‌کردند که روزی مورد استفاده غالب در اینترنت شبکه‌های اجتماعی خواهد بود. همانطور که یاد می‌گیریم چگونه حداکثر استفاده را از هوش مصنوعی ببریم، مورد استفاده‌ای که در نهایت غالب خواهد شد ممکن است ما را شگفت‌زده کند. با کمی خوش‌شانسی، این شگفتی یک شگفتی خوب خواهد بود.1.کدنویسی (Coding) در چندین نظرسنجی مختلف در حوزه هوش مصنوعی مولد، کدنویسی به صورت قاطعانه پرطرفدارترین مورد استفاده است. ابزارهای کدنویسی هوش مصنوعی هم به این دلیل محبوب هستند که هوش مصنوعی در کدنویسی خوب عمل می‌کند و هم به این دلیل که مهندسین اولیه هوش مصنوعی، خود برنامه‌نویس هستند و بیشتر در معرض چالش‌های کدنویسی قرار دارند.یکی از اولین موفقیت‌های مدل‌های پایه در محیط production، ابزار تکمیل کد GitHub Copilot است که درآمد تکرارشونده سالانه آن تنها دو سال پس از راه‌اندازی از مرز ۱۰۰ میلیون دلار عبور کرد. در زمان نوشتن این کتاب، استارت‌آپ‌های حوزه کدنویسی مبتنی بر هوش مصنوعی صدها میلیون دلار سرمایه جذب کرده‌اند - به عنوان مثال، شرکت Magic در آگوست ۲۰۲۴ مبلغ ۳۲۰ میلیون دلار و Anysphere مبلغ ۶۰ میلیون دلار سرمایه‌گیری کردند. ابزارهای منبع باز کدنویسی مانند gpt-engineer و screenshot-to-code هر کدام در عرض یک سال ۵۰,۰۰۰ ستاره در GitHub کسب کردند و بسیاری دیگر نیز به سرعت در حال معرفی هستند.علاوه بر ابزارهای عمومی کمک به کدنویسی، بسیاری از ابزارها در وظایف کدنویسی خاصی تخصصی شده‌اند. نمونه‌هایی از این وظایف عبارتند از:استخراج داده‌های ساختاریافته از صفحات وب و PDFها (مانند AgentGPT)تبدیل زبان انگلیسی به کد (مانند DB-GPT, SQL Chat, PandasAI)تولید کد از روی طراحی یا اسکرین‌شات برای ساخت وبسایتی شبیه تصویر داده شده (مانند screenshot-to-code, draw-a-ui)ترجمه از یک زبان یا فریم‌ورک برنامه‌نویسی به دیگری (مانند GPT Migrate, AI Code Translator)نوشتن مستندات (مانند Autodoc)ایجاد تست (مانند PentestGPT)تولید پیام‌های کامیت (مانند AI Commits)واضح است که هوش مصنوعی می‌تواند بسیاری از وظایف مهندسی نرم‌افزار را انجام دهد. سوال اینجاست که آیا هوش مصنوعی می‌تواند مهندسی نرم‌افزار را به طور کامل خودکار کند؟در یک سوی این طیف، جنسن هوانگ، مدیرعامل NVIDIA، پیش‌بینی می‌کند که هوش مصنوعی جایگزین مهندسین نرم‌افزار انسانی خواهد شد و ما باید دیگر به کودکان نگوییم که کدنویسی یاد بگیرند. در یک ضبط صدا که درز کرده، مت گارمن، مدیرعامل AWS، اظهار داشت که در آینده نزدیک، اکثر توسعه‌دهندگان کدنویسی را متوقف خواهند کرد. منظورش پایان کار توسعه‌دهندگان نرم‌افزار نیست؛ بلکه شغل آنها تغییر خواهد کرد. در سوی دیگر این طیف، بسیاری از مهندسین نرم‌افزار متقاعد شده‌اند که هرگز توسط هوش مصنوعی جایگزین نخواهند شد، هم به دلایل فنی و هم به دلایل احساسی (افراد دوست ندارند اعتراف کنند که قابل جایگزینی هستند).مهندسی نرم‌افزار از بسیاری وظایف تشکیل شده است. هوش مصنوعی در برخی از این وظایف بهتر از بقیه عمل می‌کند. محققان McKinsey دریافتند که هوش مصنوعی می‌تواند به توسعه‌دهندگان کمک کند تا در مستندسازی دو برابر و در تولید کد و بازآرایی کد ۲۵ تا ۵۰ درصد پروداکتیوتر (مولدتر) باشند. حداقل بهبود بهره‌وری برای وظایف بسیار پیچیده مشاهده شده (همانطور که در شکل ۱-۹ نشان داده شده است). در گفت‌وگوهای من با توسعه‌دهندگان ابزارهای کدنویسی هوش مصنوعی، بسیاری به من گفتند که متوجه شده‌اند هوش مصنوعی در توسعه frontend بسیار بهتر از توسعه backend عمل می‌کند.شکل ۱-۹. هوش مصنوعی می‌تواند به توسعه‌دهندگان کمک کند تا به طور قابل توجهی مولدتر باشند، به ویژه برای وظایف ساده، اما این موضوع برای وظایف بسیار پیچیده کمتر صدق می‌کند. داده‌ها توسط McKinsey.صرف نظر از این که آیا هوش مصنوعی جایگزین مهندسین نرم‌افزار خواهد شد یا خیر، هوش مصنوعی قطعاً می‌تواند آن‌ها را پروداکتیوتر (مولدتر) کند. این بدان معناست که شرکت‌ها اکنون می‌توانند با تعداد کمتری مهندس به دستاوردهای بیشتری برسند. هوش مصنوعی همچنین می‌تواند صنعت برون‌سپاری (outsourcing) را دچار اختلال کند، زیرا وظایف برون‌سپاری شده معمولاً وظایف ساده‌تری هستند که خارج از کسب‌وکار اصلی یک شرکت قرار دارند.2.تولید تصویر و ویدیو (Image and Video Production)به لطف ماهیت احتمالاتی (probabilistic nature)، هوش مصنوعی برای کارهای خلاقانه عالی است. برخی از موفق‌ترین استارت‌آپ‌های هوش مصنوعی، برنامه‌های کاربردی خلاقانه هستند، مانند:Midjourney برای تولید تصویر،Adobe Firefly برای ویرایش عکس،و Runway، Pika Labs، و Sora برای تولید ویدیو.در اواخر سال ۲۰۲۳، میدجرنی در سن تنها یک و نیم سالگی توانسته بود ۲۰۰ میلیون دلار درآمد تکرارشونده سالانه ایجاد کند. تا دسامبر ۲۰۲۳، از میان ۱۰ اپلیکیشن برتر رایگان در دسته «گرافیک و طراحی» در اپ استور اپل، نیمی از آنها در نام خود کلمه «AI» را داشتند. من گمان می‌کنم که به زودی، اپلیکیشن‌های گرافیک و طراحی به طور پیش‌فرض هوش مصنوعی را در خود جای خواهند داد و دیگر نیازی به ذکر واژه «هوش مصنوعی» در نام خود نخواهند داشت. فصل ۲ با جزئیات بیشتر به ماهیت احتمالاتی هوش مصنوعی می‌پردازد.اکنون استفاده از هوش مصنوعی برای تولید عکس‌های پروفایل برای شبکه‌های اجتماعی، از لینکدین گرفته تا تیک‌تاک، رایج شده است. بسیاری از نامزدهای شغلی معتقدند که عکس‌های تولیدشده توسط هوش مصنوعی می‌تواند به آن‌ها کمک کند تا بهترین ظاهر خود را ارائه دهند و شانس خود را برای به دست آوردن شغل افزایش دهند. درک عمومی از عکس‌های پروفایل تولیدشده توسط هوش مصنوعی به طور قابل توجهی تغییر کرده است. در سال ۲۰۱۹، فیسبوک به دلایل امنیتی حساب‌های کاربری که از عکس‌های پروفایل تولیدشده توسط هوش مصنوعی استفاده می‌کردند را مسدود می‌کرد. در سال ۲۰۲۳، بسیاری از اپلیکیشن‌های شبکه‌های اجتماعی ابزارهایی ارائه می‌دهند که به کاربران امکان می‌دهد از هوش مصنوعی برای تولید عکس‌های پروفایل استفاده کنند.شرکت‌های بزرگ، تبلیغات و بازاریابی به سرعت هوش مصنوعی را در خود ادغام کرده‌اند. از هوش مصنوعی می‌توان برای تولید مستقیم تصاویر و ویدیوهای تبلیغاتی استفاده کرد. می‌تواند به طوفان فکری ایده‌ها یا تولید پیش‌نویس‌های اولیه برای متخصصان انسانی کمک کند تا بر روی آنها تکرار و بهبود انجام دهند. شما می‌توانید از هوش مصنوعی برای تولید چندین تبلیغ استفاده کنید و آزمایش کنید تا ببینید کدام یک برای مخاطب بهترین عملکرد را دارد. هوش مصنوعی می‌تواند انواع مختلفی از تبلیغات را بر اساس فصل‌ها و مکان‌ها تولید کند. برای مثال، می‌توانید از هوش مصنوعی برای تغییر رنگ برگ‌ها در فصل پاییز یا افزودن برف به زمین در فصل زمستان استفاده کنید.3.نوشتن (Writing)هوش مصنوعی مدتهاست که برای کمک به نوشتن استفاده می‌شود. اگر از گوشی هوشمند استفاده می‌کنید، احتمالاً با تصحیح خودکار (autocorrect) و تکمیل خودکار (auto-completion) که هر دو توسط هوش مصنوعی پشتیبانی می‌شوند، آشنا هستید. نوشتن یک کاربرد ایده‌آل برای هوش مصنوعی است زیرا ما زیاد می‌نویسیم، می‌تواند بسیار خسته‌کننده باشد و تحمل بالایی برای اشتباهات داریم. اگر مدل چیزی را پیشنهاد دهد که شما دوست ندارید، می‌توانید به سادگی آن را نادیده بگیرید.این تعجب‌آور نیست که مدل‌های زبانی بزرگ (LLMs) در نوشتن خوب هستند، زیرا برای تکمیل متن آموزش دیده‌اند. برای مطالعه تأثیر چت‌جی‌پی‌تی بر نوشتن، یک مطالعه MIT (Noy and Zhang, 2023) وظایف نوشتن خاص مشاغل را به ۴۵۳ متخصص تحصیل‌کرده دانشگاهی محول کرد و به طور تصادفی نیمی از آنها را در معرض چت‌جی‌پی‌تی قرار داد. نتایج آن‌ها نشان می‌دهد که در میان کسانی که در معرض چت‌جی‌پی‌تی قرار گرفتند، میانگین زمان صرف شده ۴۰٪ کاهش و کیفیت خروجی ۱۸٪ افزایش یافت. چت‌جی‌پی‌تی به کاهش شکاف کیفیت خروجی بین کارگران کمک می‌کند، به این معنی که برای کسانی که تمایل کمتری به نوشتن دارند، مفیدتر است. کارگرانی که در طول آزمایش در معرض چت‌جی‌پی‌تی قرار گرفتند، دو هفته پس از آزمایش دو برابر بیشتر احتمال داشت گزارش دهند که در کار واقعی خود از آن استفاده کرده‌اند و دو ماه پس از آن ۱.۶ برابر بیشتر احتمال داشت.برای مصرف‌کنندگان، موارد استفاده آشکار است. بسیاری از هوش مصنوعی برای کمک به برقراری ارتباط بهتر استفاده می‌کنند. شما می‌توانید در یک ایمیل عصبانی باشید و از هوش مصنوعی بخواهید که آن را خوشایند کند. می‌توانید به آن نکات اصلی را بدهید و پاراگراف‌های کامل دریافت کنید. چندین نفر ادعا کردند که دیگر بدون اینکه اول از هوش مصنوعی بخواهند آن را بهبود بخشد، ایمیل مهمی ارسال نمی‌کنند.دانش‌آموزان از هوش مصنوعی برای نوشتن انشا استفاده می‌کنند. نویسندگان از هوش مصنوعی برای نوشتن کتاب استفاده می‌کنند. بسیاری از استارت‌آپ‌ها از قبل از هوش مصنوعی برای تولید کتاب‌های کودکان، فَن فیکشن، عاشقانه و فانتزی استفاده می‌کنند. برخلاف کتاب‌های سنتی، کتاب‌های تولیدشده توسط هوش مصنوعی می‌توانند تعاملی باشند، زیرا طرح داستان یک کتاب می‌تواند بسته به ترجیح خواننده تغییر کند. این بدان معنی است که خوانندگان می‌توانند به طور فعال در خلق داستانی که می‌خوانند مشارکت کنند. یک اپلیکیشن خواندن کودکان کلماتی را که یک کودک با آنها مشکل دارد شناسایی می‌کند و داستان‌هایی را حول این کلمات تولید می‌کند.اپلیکیشن‌های یادداشت‌برداری و ایمیل مانند Google Docs، Notion و Gmail همگی از هوش مصنوعی برای کمک به کاربران در بهبود نوشته‌هایشان استفاده می‌کنند. Grammarly، یک اپلیکیشن دستیار نوشتن، یک مدل را فاین-تیون (fine-tunes) می‌کند تا نوشته‌های کاربران را روان‌تر، منسجم‌تر و واضح‌تر کند.قابلیت نوشتن هوش مصنوعی می‌تواند مورد سوء استفاده نیز قرار گیرد. در سال ۲۰۲۳، نیویورک تایمز گزارش داد که آمازون مملو از کتاب‌های راهنمای سفر بی‌کیفیت تولیدشده توسط هوش مصنوعی شده است که هر کدام دارای یک بیوگرافی نویسنده، یک وب‌سایت و نظرات ستایش‌آمیز هستند که همگی توسط هوش مصنوعی تولید شده‌اند.برای شرکت‌ها، نوشتن با هوش مصنوعی در فروش، بازاریابی و ارتباطات عمومی تیم رایج است. بسیاری از مدیران به من گفتند که از هوش مصنوعی برای کمک به نوشتن گزارش‌های عملکرد استفاده کرده‌اند. هوش مصنوعی می‌تواند در ساخت ایمیل‌های تبلیغاتی (outreach) سرد، کپی‌نویسی تبلیغات و توضیحات محصول کمک کند. اپلیکیشن‌های مدیریت ارتباط با مشتری (CRM) مانند HubSpot و Salesforce نیز ابزارهایی برای کاربران enterprise برای تولید محتوای وب و ایمیل‌های تبلیغاتی دارند.هوش مصنوعی به نظر می‌رسد به طور خاص در سئو (SEO) خوب عمل می‌کند، شاید به این دلیل که بسیاری از مدل‌های هوش مصنوعی با داده‌های اینترنت آموزش دیده‌اند که پر از متن‌های بهینه‌شده برای سئو است. هوش مصنوعی آنقدر در سئو خوب عمل می‌کند که نسل جدیدی از مزرعه‌های محتوا (content farms) را امکان‌پذیر کرده است. این مزرعه‌ها وبسایت‌های بی‌ارزشی راه‌اندازی می‌کنند و آنها را با محتوای تولیدشده توسط هوش مصنوعی پر می‌کنند تا در گوگل رتبه بالایی کسب کنند و ترافیک را به سمت خود هدایت کنند. سپس از طریق تبادل تبلیغات (ad exchanges)، فضای تبلیغاتی می‌فروشند. در ژوئن ۲۰۲۳، NewsGuard تقریباً ۴۰۰ تبلیغ از ۱۴۱ برند محبوب را در وبسایت‌های بی‌ارزش تولیدشده توسط هوش مصنوعی شناسایی کرد. یکی از این وبسایت‌های بی‌ارزش ۱۲۰۰ مقاله در روز تولید می‌کرد. مگر اینکه اقدامی برای محدود کردن این مسئله انجام شود، آینده محتوای اینترنت، تولیدشده توسط هوش مصنوعی خواهد بود و این آینده بسیار تاریک به نظر می‌رسد.4.آموزش (Education)هر زمان که چت‌جی‌پی‌تی از دسترس خارج می‌شود، سرور دیسکورد OpenAI با دانش‌آموزانی که از عدم توانایی در تکمیل تکالیف خود شکایت می‌کنند، پر می‌شود. چندین هیئت آموزشی، از جمله مدارس عمومی شهر نیویورک و منطقه متحد آموزشی لس آنجلس، به سرعت چت‌جی‌پی‌تی را به دلیل ترس از استفاده دانش‌آموزان برای تقلب ممنوع کردند، اما تنها چند ماه بعد تصمیم خود را معکوس کردند.به جای ممنوعیت هوش مصنوعی، مدارس می‌توانند آن را برای کمک به یادگیری سریع‌تر دانش‌آموزان ادغام کنند. هوش مصنوعی می‌تواند کتاب‌های درسی را خلاصه کند و برنامه‌های درسی شخصی‌سازی شده برای هر دانش‌آموز تولید کند. به نظر من عجیب است که تبلیغات شخصی‌سازی می‌شوند زیرا می‌دانیم همه متفاوت هستند، اما آموزش اینطور نیست. هوش مصنوعی می‌تواند به تطبیق مطالب با قالبی که برای هر دانش‌آموز بهترین است کمک کند. یادگیرندگان شنیداری می‌توانند از هوش مصنوعی بخواهند مطالب را با صدای بلند بخواند. دانش‌آموزانی که عاشق حیوانات هستند می‌توانند از هوش مصنوعی استفاده کنند تا تجسم‌ها را برای نمایش حیوانات بیشتر تطبیق دهند. کسانی که خواندن کد برایشان از معادلات ریاضی آسان‌تر است می‌توانند از هوش مصنوعی بخواهند معادلات ریاضی را به کد ترجمه کند.هوش مصنوعی به ویژه برای یادگیری زبان مفید است، زیرا می‌توانید از هوش مصنوعی بخواهید نقش‌آفرینی موقعیت‌های تمرینی مختلف را انجام دهد. Pajak و Bicknell (Duolingo, 2022) دریافتند که از چهار مرحله ایجاد دوره آموزشی، شخصی‌سازی درس مرحله‌ای است که می‌تواند بیشترین بهره را از هوش مصنوعی ببرد.شکل ۱-۱۰. هوش مصنوعی می‌تواند در تمام چهار مرحله ایجاد دوره در Duolingo استفاده شود، اما در مرحله شخصی‌سازی بیشترین کمک را می‌کند. تصویر از Pajak و Bicknell (Duolingo, 2022).هوش مصنوعی می‌تواند کوییزها، هم چندگزینه‌ای و هم بازپاسخ، تولید کند و پاسخ‌ها را ارزیابی نماید. هوش مصنوعی می‌تواند به یک شریک بحث تبدیل شود، زیرا در ارائه دیدگاه‌های مختلف در مورد یک موضوع بسیار بهتر از انسان متوسط عمل می‌کند. برای مثال، آکادمی خان (Khan Academy) دستیاران آموزشی مبتنی بر هوش مصنوعی را به دانش‌آموزان و دستیاران دوره را به معلمان ارائه می‌دهد. یک روش آموزشی نوآورانه‌ای که دیده‌ام این است که معلمان مقالات تولیدشده توسط هوش مصنوعی را به دانش‌آموزان محول می‌کنند تا اشتباهات را پیدا و اصلاح کنند.در حالی که بسیاری از شرکت‌های آموزشی از هوش مصنوعی برای ساخت محصولات بهتر استقبال می‌کنند، بسیاری متوجه می‌شوند که هوش مصنوعی نان آن‌ها را آجر کرده است. برای مثال، Chegg، شرکتی که به دانش‌آموزان در انجام تکالیف کمک می‌کند، شاهد سقوط قیمت سهام خود از ۲۸ دلار در زمان راه‌اندازی چت‌جی‌پی‌تی در نوامبر ۲۰۲۲ به ۲ دلار در سپتامبر ۲۰۲۴ بود، زیرا دانش‌آموزان به سمت هوش مصنوعی برای کمک روی آورده‌اند.اگر خطر این است که هوش مصنوعی می‌تواند بسیاری از مهارت‌ها را جایگزین کند، فرصت این است که از هوش مصنوعی می‌توان به عنوان یک معلم خصوصی (tutor) برای یادگیری هر مهارتی استفاده کرد. برای بسیاری از مهارت‌ها، هوش مصنوعی می‌تواند به فرد کمک کند تا به سرعت به سطح قابل قبولی برسد و سپس به تنهایی ادامه دهد تا از هوش مصنوعی بهتر شود.5.ربات‌های گفتگو محور (Conversational Bots)ربات‌های گفتگو محور همه‌کاره هستند. آن‌ها می‌توانند به ما در یافتن اطلاعات، توضیح مفاهیم و طوفان فکری ایده‌ها کمک کنند. هوش مصنوعی می‌تواند همدم و درمانگر شما باشد. می‌تواند شخصیت‌ها را شبیه‌سازی کند و به شما اجازه دهد با یک کپی دیجیتال از هر کسی که دوست دارید صحبت کنید. دوست‌دخترها و دوست‌پسرهای دیجیتال در مدت زمان باورنکردنی‌ای به شکل عجیبی محبوب شده‌اند. بسیاری از افراد در حال حاضر زمان بیشتری را صرف صحبت با ربات‌ها می‌کنند تا با انسان‌ها. برخی نگران هستند که هوش مصنوعی قرارملاقات (دیتینگ) را خراب کند.در تحقیقات، مردم همچنین دریافته‌اند که می‌توانند از یک گروه از ربات‌های گفتگو محور برای شبیه‌سازی یک جامعه استفاده کنند که به آن‌ها امکان می‌دهد مطالعاتی در مورد پویایی‌های اجتماعی انجام دهند (Park و همکاران، ۲۰۲۳).برای شرکت‌های بزرگ، محبوب‌ترین ربات‌ها، ربات‌های پشتیبانی مشتری هستند. آن‌ها می‌توانند به شرکت‌ها در صرفه‌جویی در هزینه‌ها کمک کنند و در عین حال تجربه مشتری را بهبود بخشند، زیرا می‌توانند سریع‌تر از کارشناسان انسانی به کاربران پاسخ دهند. هوش مصنوعی همچنین می‌تواند دستیار محصول (product copilots) باشد که مشتریان را در انجام کارهای دردناک و گیج‌کننده مانند ثبت ادعای بیمه، انجام امور مالیاتی یا جستجوی خط‌مشی‌های شرکتی راهنمایی کند.موفقیت چت‌جی‌پی‌تی موجی از ربات‌های گفتگو محور مبتنی بر متن را برانگیخت. با این حال، متن تنها رابط برای عامل‌های گفتگو محور نیست. دستیارهای صوتی مانند Google Assistant، Siri و Alexa سال‌هاست که وجود دارند. ربات‌های گفتگو محور سه‌بعدی (3D) از قبل در بازی‌ها رایج هستند و در خرده‌فروشی و بازاریابی در حال gaining traction (جلب توجه و محبوبیت) هستند.یک مورد استفاده از شخصیت‌های سه‌بعدی مبتنی بر هوش مصنوعی، NPCهای هوشمند (Non-Player Characters) است. NPCها برای پیشبرد خط داستانی بسیاری از بازی‌ها ضروری هستند. بدون هوش مصنوعی، NPCها معمولاً برای انجام اعمال ساده با محدوده‌ای محدود از دیالوگ‌ها از پیش برنامه‌ریزی شده‌اند (scripted). هوش مصنوعی می‌تواند این NPCها را بسیار باهوش‌تر کند. ربات‌های هوشمند می‌توانند پویایی بازی‌های موجود مانند The Sims و Skyrim را تغییر دهند و همچنین بازی‌های جدیدی را که قبلاً هرگز ممکن نبوده‌اند، امکان‌پذیر سازند.6.تجمع اطلاعات (Information Aggregation)بسیاری از مردم معتقدند که موفقیت ما به توانایی ما در فیلتر و هضم اطلاعات مفید بستگی دارد. با این حال، همگام شدن با ایمیل‌ها، پیام‌های Slack و اخبار گاهی می‌تواند طاقت‌فرسا باشد. خوشبختانه، هوش مصنوعی به کمک آمد. هوش مصنوعی ثابت کرده است که قادر به تجمع اطلاعات و خلاصه‌سازی آن است. بر اساس تحقیق Snapshot هوش مصنوعی تولیدی Salesforce در سال ۲۰۲۳، ۷۴٪ از کاربران هوش مصنوعی تولیدی از آن برای تقطیر ایده‌های پیچیده و خلاصه‌سازی اطلاعات استفاده می‌کنند.برای مصرف‌کنندگان، بسیاری از برنامه‌ها می‌توانند اسناد شما—قراردادها، افشاگری‌ها، مقالات—را پردازش کنند و به شما امکان بازیابی اطلاعات به روشی مکالمه‌ای را بدهند. این مورد استفاده “صحبت با اسناد شما” (talk-to-your-docs) نیز نامیده می‌شود. هوش مصنوعی می‌تواند به شما در خلاصه‌سازی وبسایت‌ها، تحقیق و ایجاد گزارش در مورد موضوعات مورد نظر شما کمک کند. در طول فرآیند نوشتن این کتاب، من هوش مصنوعی را برای خلاصه‌سازی و مقایسه مقالات مفید یافتم.تجمع و تقطیر اطلاعات برای عملیات enterprise (شرکت‌ها) ضروری است. تجمع و انتشار کارآمدتر اطلاعات می‌تواند به یک سازمان کمک کند تا لاغرتر شود، زیرا بار مدیریت میانی را کاهش می‌دهد. هنگامی که Instacart یک بازار داخلی برای پرامپت راه‌اندازی کرد، دریافت که یکی از محبوب‌ترین قالب‌های پرامپت، “تجزیه و تحلیل سریع (Fast Breakdown)” است. این قالب از هوش مصنوعی می‌خواهد که یادداشت‌های جلسات، ایمیل‌ها و مکالمات Slack را با حقایق، سوالات باز و موارد اقدام خلاصه کند. این موارد اقدام سپس می‌توانند به طور خودکار در یک ابزار ردیابی پروژه وارد و به مالکان مناسب اختصاص داده شوند.هوش مصنوعی می‌تواند به شما کمک کند اطلاعات حیاتی درباره مشتریان بالقوه خود را استخراج کنید و تجزیه و تحلیل‌هایی بر روی رقبای خود اجرا کنید.هرچه اطلاعات بیشتری جمع‌آوری می‌کنید، سازماندهی آن مهم‌تر می‌شود. تجمع اطلاعات دست در دست سازماندهی داده‌ها پیش می‌رود.7.سازماندهی داده‌ها (Data Organization)یک چیز قطعی درباره آینده این است که ما به تولید داده‌های بیشتر و بیشتری ادامه خواهیم داد. کاربران گوشی‌های هوشمند به عکس و فیلم گرفتن ادامه خواهند داد. شرکت‌ها به ثبت everything درباره محصولات، کارمندان و مشتریان خود ادامه خواهند داد. میلیاردها قرارداد هر ساله ایجاد می‌شوند. عکس‌ها، ویدیوها، لاگ‌ها و PDFها همگی داده‌های ساختارنیافته یا نیمه‌ساختاریافته هستند. ضروری است که همه این داده‌ها را به گونه‌ای سازماندهی کنید که بعداً قابل جستجو باشد.هوش مصنوعی دقیقاً می‌تواند در این زمینه کمک کند. هوش مصنوعی می‌تواند به طور خودکار توضیحات متنی درباره تصاویر و ویدیوها تولید کند، یا به تطبیق پرس‌وجوهای متنی با تصاویری که با آن پرس‌وجوها مطابقت دارند کمک کند. سرویس‌هایی مانند Google Photos از قبل از هوش مصنوعی برای نمایش تصاویری که با queries جستجو مطابقت دارند استفاده می‌کنند. جستجوی تصویر Google یک قدم فراتر می‌رود: اگر تصویر موجودی که با نیازهای کاربران مطابقت داشته باشد وجود نداشته باشد، می‌تواند برخی را تولید کند.هوش مصنوعی در تجزیه و تحلیل داده‌ها بسیار خوب است. می‌تواند برنامه‌هایی برای تولید تصویرسازی داده‌ها (data visualization)، شناسایی ناهنجاری‌ها (outliers)، و انجام پیش‌بینی‌هایی مانند پیش‌بینی درآمد بنویسد.Enterpriseها می‌توانند از هوش مصنوعی برای استخراج اطلاعات ساختاریافته از داده‌های ساختارنیافته استفاده کنند، که می‌تواند برای سازماندهی داده‌ها و کمک به جستجوی آن استفاده شود. موارد استفاده ساده شامل استخراج خودکار اطلاعات از کارت‌های اعتباری، گواهینامه‌های رانندگی، رسیدها، بلیط‌ها، اطلاعات تماس از پاورقی ایمیل و غیره است. موارد استفاده پیچیده‌تر شامل استخراج داده‌ها از قراردادها، گزارش‌ها، نمودارها و غیره است. تخمین زده می‌شود که صنعت پردازش هوشمند داده‌ها (IDP - Intelligent Data Processing) تا سال ۲۰۳۰ به ۱۲.۸۱ میلیارد دلار برسد و هر سال ۳۲.۹٪ رشد کند.8.اتوماسیون گردش کار (Workflow Automation)در نهایت، هوش مصنوعی باید تا حد امکان کارها را خودکار (automate) کند. برای کاربران نهایی، اتوماسیون می‌تواند در کارهای روزمره خسته‌کننده مانند رزرو رستوران، درخواست بازپرداخت، برنامه‌ریزی سفر و پر کردن فرم‌ کمک کند.برای enterpriseها، هوش مصنوعی می‌تواند کارهای تکراری مانند مدیریت سرنخ‌ها (leads)، صدور فاکتور، بازپرداخت ها، مدیریت درخواست‌های مشتری، ورود داده و غیره را خودکار کند. یک مورد استفاده به ویژه هیجان‌انگیز، استفاده از مدل‌های هوش مصنوعی برای سنتز داده‌ها است، که سپس می‌تواند برای بهبود خود مدل‌ها استفاده شود. شما می‌توانید از هوش مصنوعی برای ایجاد برچسب برای داده‌های خود استفاده کنید وبرای بهبود برچسب‌ها از انسان‌ها کمک بگیرید. ما سنتز داده را در فصل ۸ بحث می‌کنیم.دسترسی به ابزارهای خارجی برای انجام بسیاری از کارها ضروری است. برای رزرو یک رستوران، یک برنامه ممکن است به مجوز برای باز کردن یک موتور جستجو برای جستجوی شماره رستوران، استفاده از تلفن شما برای تماس و افزودن قرارملاقات‌ها به تقویم شما نیاز داشته باشد.هوش‌های مصنوعی که می‌توانند برنامه‌ریزی کنند و از ابزارها استفاده کنند، عامل‌ها (agents) نامیده می‌شوند. سطح علاقه حول عامل‌ها مرز وسواس دارد، اما کاملاً بی‌وجه نیست. عامل‌های هوش مصنوعی پتانسیل دارند که هر فرد را به شدت مولدتر کنند و ارزش اقتصادی بسیار بیشتری ایجاد کنند. عامل‌ها یک موضوع مرکزی در فصل ۶ هستند.

فصل اول- بخش1- قسمت 3- از مدل‌های پایه تا مهندسی هوش مصنوعی

Shirin Afshinfar — Fri, 05 Dec 2025 17:02:14 +0330

ترجمه کتاب ساخت برنامه‌های کاربردی با مدل‌های پایه - انتشارات O’ReillyBOOK: O'Reilly_AI_Engineering_Building_Applications_with_Foundation_Modelsمهندسی هوش مصنوعی به فرآیند ساخت برنامه‌های کاربردی بر روی مدل‌های پایه اشاره دارد. مردم بیش از یک دهه است که در حال ساخت برنامه‌های کاربردی هوش مصنوعی هستند - فرآیندی که اغلب به عنوان مهندسی یادگیری ماشین (ML engineering) یا MLOps (مخفف عملیات یادگیری ماشین) شناخته می‌شود.چرا اکنون در مورد مهندسی هوش مصنوعی صحبت می‌کنیم؟اگر مهندسی ML سنتی شامل توسعه مدل‌های ML است، مهندسی هوش مصنوعی مدل‌های موجود را به کار می‌گیرد. در دسترس بودن و دسترسی پذیری مدل‌های پایه قدرتمند منجر به سه عامل می‌شود که در کنار هم، شرایط ایده‌آلی برای رشد سریع مهندسی هوش مصنوعی به عنوان یک رشته ایجاد می‌کنند:عامل ۱: قابلیت‌های هوش مصنوعی همه‌منظوره (General-purpose AI capabilities)مدل‌های پایه قدرتمند هستند نه فقط به این که می‌توانند وظایف موجود را بهتر انجام دهند، بلکه به این دلیل که می‌توانند وظایف بیشتری را انجام دهند. برنامه‌های کاربردی که قبلاً غیرممکن تصور می‌شد اکنون ممکن شده‌اند، و برنامه‌های کاربردی که قبلاً به آن‌ها فکر نشده بود در حال ظهور هستند. حتی برنامه‌های کاربردی که امروز غیرممکن به نظر می‌رسند ممکن است فردا ممکن شوند. این موضوع هوش مصنوعی را برای جنبه‌های بیشتری از زندگی مفید می‌سازد و به طور قابل توجهی هم کاربری و هم تقاضا برای برنامه‌های کاربردی هوش مصنوعی را افزایش می‌دهد.برای مثال، از آنجایی که هوش مصنوعی اکنون می‌تواند به خوبی انسان‌ها و گاهی حتی بهتر بنویسد، می‌تواند هر وظیفه‌ای که نیازمند ارتباطات است را به طور کامل یا جزئی خودکارسازی کند - که تقریباً همه چیز را شامل می‌شود. از هوش مصنوعی برای نوشتن ایمیل‌ها، پاسخ به درخواست‌های مشتریان و توضیح قراردادهای پیچیده استفاده می‌شود. هر فردی با یک کامپیوتر به ابزارهایی دسترسی دارد که می‌توانند فوراً تصاویر و ویدیوهای باکیفیت و سفارشی‌شده تولید کنند تا به ایجاد مطالب بازاریابی، ویرایش عکس‌های پروفایل حرفه‌ای، تصویرسازی مفاهیم هنری، مصورسازی کتاب‌ها و غیره کمک کنند. هوش مصنوعی حتی می‌تواند برای سنتز داده‌های آموزشی، توسعه الگوریتم‌ها و نوشتن کد استفاده شود، که همه این‌ها به آموزش مدل‌های قدرتمندتر در آینده کمک خواهند کرد.عامل ۲: افزایش سرمایه‌گذاری‌ها در هوش مصنوعی (Increased AI investments)موفقیت چت‌جی‌پی‌تی (ChatGPT) باعث افزایش شدید سرمایه‌گذاری در هوش مصنوعی شد، هم از سوی سرمایه‌گذاران خطرپذیر و هم از سوی enterprises (شرکت‌های بزرگ). از آنجایی که ساخت برنامه‌های کاربردی هوش مصنوعی ارزان‌تر و سریع‌تر به بازار عرضه می‌شوند، بازده سرمایه‌گذاری (ROI) برای هوش مصنوعی جذاب‌تر شده است. شرکت‌ها برای ادغام هوش مصنوعی در محصولات و فرآیندهای خود عجله دارند. مت راس، یک مدیر ارشد تحقیقات کاربردی در Scribd، به من گفت که هزینه تخمینی هوش مصنوعی برای موارد استفاده او از آوریل ۲۰۲۲ تا آوریل ۲۰۲۳ دو برابر کاهش یافته است.تحقیقات گلدمن ساکس تخمین زد که سرمایه‌گذاری در هوش مصنوعی می‌تواند تا سال ۲۰۲۵ به ۱۰۰ میلیارد دلار در ایالات متحده و ۲۰۰ میلیارد دلار در سطح جهانی نزدیک شود. هوش مصنوعی اغلب به عنوان یک مزیت رقابتی ذکر می‌شود. FactSet دریافت که از هر سه شرکت در شاخص S&P 500، یک شرکت در تماس‌های درآمدی (earnings calls) خود برای سه‌ماهه دوم سال ۲۰۲۳ به هوش مصنوعی اشاره کرده است - سه برابر بیشتر از سال قبل. شکل ۱-۵ تعداد شرکت‌های S&P 500 که از سال ۲۰۱۸ تا ۲۰۲۳ در تماس‌های درآمدی خود به هوش مصنوعی اشاره کرده‌اند را نشان می‌دهد.شکل ۱-۵. تعداد شرکت‌های S&P 500 که در تماس‌های درآمدی خود به هوش مصنوعی اشاره کردند در سال ۲۰۲۳ به رکورد رسید. داده‌ها از FactSet.طبق WallStreetZen، شرکت‌هایی که در تماس‌های درآمدی خود به هوش مصنوعی اشاره کردند، شاهد افزایش بیشتر قیمت سهام خود نسبت به آن‌ که اشاره نکردند بودند: به طور متوسط ۴.۶٪ افزایش در مقایسه با ۲.۴٪. مشخص نیست که این رابطه علّی (causation) است (هوش مصنوعی این شرکت‌ها را موفق‌تر می‌کند) یا همبستگی (correlation) (شرکت‌ها موفق هستند زیرا سریعاً خود را با فناوری‌های جدید تطبیق می‌دهند).عامل ۳: مانع ورود کم برای ساخت برنامه‌های کاربردی هوش مصنوعی (Low entrance barrier to building AI applications)رویکرد مدل به عنوان سرویس (Model as a Service) که توسط اوپن‌ای‌آی و سایر ارائه‌دهندگان مدل محبوب شده است، به کارگیری هوش مصنوعی برای ساخت برنامه‌ها را آسان‌تر می‌کند. در این رویکرد، مدل‌ها از طریق APIها در معرض استفاده قرار می‌گیرند که queries (پرس‌وجوهای) کاربر را دریافت کرده و خروجی‌های مدل را برمی‌گردانند. بدون این APIها، استفاده از یک مدل هوش مصنوعی مستلزم داشتن زیرساخت میزبانی و سرویس‌دهی آن مدل است. این APIها به شما امکان دسترسی به مدل‌های قدرتمند را تنها با فراخوانی‌های API تک‌کلمه‌ای می‌دهند.نه تنها آن، هوش مصنوعی همچنین ساخت برنامه‌های کاربردی با حداقل کدنویسی را ممکن می‌سازد. اول، هوش مصنوعی می‌تواند برای شما کد بنویسد و به افراد بدون پیشینه مهندسی نرم‌افزار اجازه دهد تا به سرعت ایده‌های خود را به کد تبدیل کرده و آن را در مقابل کاربران خود قرار دهند. دوم، شما می‌توانید با این مدل‌ها به زبان انگلیسی ساده (plain English) کار کنید، به جای این که مجبور به استفاده از یک زبان برنامه‌نویسی باشید. هر کسی، و واقعاً هر کسی، اکنون می‌تواند برنامه‌های کاربردی هوش مصنوعی توسعه دهد.به دلیل منابعی که برای توسعه مدل‌های پایه لازم است، این فرآیند فقط برای شرکت‌های بزرگ (گوگل، متا، مایکروسافت، بایدو، تنسنت)، دولت‌ها (ژاپن، امارات متحده عربی) و استارت‌آپ‌های بلندپرواز و دارای بودجه کافی (اوپن‌ای‌آی، Anthropic، Mistral) امکان‌پذیر است. سام آلتمن، مدیرعامل اوپن‌ای‌آی، در مصاحبه‌ای در سپتامبر ۲۰۲۲ گفت که بزرگ‌ترین فرصت برای اکثریت قریب به اتفاق مردم، تطبیق این مدل‌ها برای برنامه‌های کاربردی خاص خواهد بود.دنیا به سرعت این فرصت را پذیرفته است. مهندسی هوش مصنوعی به سرعت به عنوان یکی از سریع‌الرشدترین رشته‌های مهندسی - و به احتمال زیاد سریع‌الرشدترین آن‌ها - ظهور کرده است. ابزارهای مهندسی هوش مصنوعی سریع‌تر از هر ابزار مهندسی نرم‌افزار قبلی در حال جذب توجه هستند. در عرض تنها دو سال، چهار ابزار منبع باز مهندسی هوش مصنوعی (AutoGPT, Stable Diffusion Web UI, LangChain, Ollama) توانسته‌اند ستاره‌های بیشتری در گیت‌هاب نسبت به بیت‌کوین جمع‌آوری کنند. آن‌ها در مسیری هستند که حتی از محبوب‌ترین فریم‌ورک‌های توسعه وب، از جمله React و Vue، از نظر تعداد ستاره پیشی بگیرند. شکل ۱-۶ رشد ستاره‌های گیت‌هاب ابزارهای مهندسی هوش مصنوعی را در مقایسه با بیت‌کوین، Vue و React نشان می‌دهد.یک نظرسنجی لینکدین از آگوست ۲۰۲۳ نشان می‌دهد که تعداد متخصصانی که عباراتی مانند “هوش مصنوعی مولد (Generative AI)”، “ChatGPT”، “ (Prompt Engineering)” و “Prompt Crafting” را به پروفایل خود اضافه کرده‌اند به طور متوسط ۷۵٪ در هر ماه افزایش یافته است. ComputerWorld اعلام کرد که “آموزش رفتار به هوش مصنوعی سریع‌الرشدترین مهارت شغلی است”.شکل ۱-۶. ابزارهای منبع باز مهندسی هوش مصنوعی بر اساس تعداد ستاره‌های گیت‌هاب آنها، سریع‌تر از هر ابزار مهندسی نرم‌افزار دیگری در حال رشد هستند.چرا اصطلاح “مهندسی هوش مصنوعی”؟اصطلاحات زیادی برای توصیف فرآیند ساخت برنامه‌های کاربردی بر روی مدل‌های پایه استفاده می‌شود، از جمله مهندسی ML، MLOps، AIOps، LLMOps و غیره. چرا من برای این کتاب “مهندسی هوش مصنوعی” را انتخاب کردم؟من اصطلاح مهندسی ML را انتخاب نکردم زیرا، همانطور که در بخش “مهندسی هوش مصنوعی در مقابل مهندسی ML” در صفحه ۳۹ بحث خواهد شد، کار با مدل‌های پایه در چندین جنبه مهم با کار با مدل‌های ML سنتی تفاوت دارد. اصطلاح مهندسی ML برای نشان دادن این تمایز کافی نخواهد بود. با این حال، مهندسی ML یک اصطلاح عالی برای در بر گرفتن هر دو فرآیند است.من تمام اصطلاحاتی که به “Ops” ختم می‌شوند را انتخاب نکردم زیرا، در حالی که مؤلفه‌های عملیاتی (operational) در این فرآیند وجود دارند، تمرکز بیشتر بر روی مهندسی مدل‌های پایه برای انجام آنچه شما می‌خواهید است.در نهایت، من از ۲۰ نفر که در حال توسعه برنامه‌های کاربردی بر روی مدل‌های پایه بودند نظرسنجی کردم که از چه اصطلاحی برای توصیف کاری که انجام می‌دهند استفاده می‌کنند. اکثر people مهندسی هوش مصنوعی را ترجیح دادند. من تصمیم گرفتم که نظر people را بپذیرم.جامعه به سرعت در حال گسترش مهندسین هوش مصنوعی، خلاقیت قابل توجهی با طیف incredibleی از برنامه‌های کاربردی هیجان‌انگیز نشان داده است. بخش بعدی به بررسی برخی از رایج‌ترین الگوهای کاربردی خواهد پرداخت.

صراحت تمام عیار-روابط تمام صریح بسازید

Shirin Afshinfar — Fri, 05 Dec 2025 14:21:07 +0330

فصل 1خود خودتان باشیدبه عنوان یک مدیر کاری مهم تر از گوش دادن به حرف دیگران ندارید ."شغل شما همین است"ارزش بار عاطفی رئیس بودن را دست کم نگیریم. این بار عاطفی صرفا بخشی از کار نیست بلکه رمز تبدیل شدن به یک رئیس خوب است.چطور رئیس خوبی باشیم؟رئیس بار معنایی بی عدالتی دارد. مدیر بروکراتیک به نظر می رسد. رهبر حالت خود بزرگ بینی دارد. من واژه رئیس را بیشتر می پسندم . زیرا از تمایز رهبری و مدیریت این گونه بر می آیدکه رهبر ها گوشه ای ایستاده اند و کار واقعی انجام نمی دهند و مدیرها مجریانی دون پایه هستند. ضمن اینکه تفاوت سلسله مراتبی مشکل زایی در این دو واژه نهفته است، گویا رهبران وقتی از حد مشخصی موفق تر شدند دیگر لازم نیست مدیریت کنند و مدیران تازه نفس هم نباید رهبری کنند.با این حال رئیس ها مسئول تحقق دستاوردهای نهایی هستند. آن ها برای رسیدن به دستاورد ها یک تنه همه کارها را انجام نمی دهند، بلکه افراد تیمشان را برای انجام آن ها راهنمایی می کنند. رئیس تیم را برای تحقق دستاوردها راهنمایی می کند.راهنمایی، تیم سازی و تحقق دستاوردها، مسئولیت این سه قطعا برعهده مدیرهاست.1. راهنمایی. راهنمایی همان بازخورد است. آدم ها از بازخورد هراس دارند. از گرفتن بازخورد هراس دارند هم از تحسین که ممکن است احساس ریس مآبی القا کند و هم مخصوصا از انتقاد.از دادن بازخورد هم هراس دارند. اگر طرف مقابل حالت تدافعی به خود بگیرد چه؟ اگر ....2.دوم تیم سازیبرای ساختن تیم منسجم باید نقش های درست را با آدم های درست پر کرد. یعنی استخدام اخراج ارتقاآدم های درست را درجاهای درست قرار دهید و انگیزه شان را حفظ کنید.3.سوم دستاوردهای نهاییاین سه مسئولیت راهنمایی، تیم سازی و دستاوردهای نهایی بر عهده همه رئیس هاست. هر کسی که مدیر چند نفر دیگر باشد نیز همین طور است. مدیر عامل ها، مدیران میانی و رهبران تازه کار. آن ها باید با انسان های دیگر تعامل کنند. تأثیر خلقیات و مهارت ها و ضعف هایشان روی میزان موفقیت در سطح مدیریتی فعلی هم دست کمی از تأثیر این عوامل در موفقیت در اولین شغل مدیریتی شان ندارد.رابطه ها هستند که شما را به پیش می رانند ، نه قدرتشغل شما چیزی جز رابطه ها نیست. روابط هستند که تعیین می کنند آیا از عهده سه مسئولیتی که به عنوان مدیر دارید بر خواهید آمد یا نه.1. ایجاد فرهنگ راهنمایی(تحسین و انتقاد) برای نگه داشتن آدم ها در مسیر درست2. سر درآوردن از چیزهایی که هر یک از اعضای تیمتان را با انگیزه نگه می دارد که دچار فرسودگی شغلی یا خستگی نشوند و انسجام تیمی هم حفظ شود.3. تحقق دستاوردها از طریق همکاریاین کارها را نمی توانید بدون روابط مستحکم انجام دهید. روابط و مسئولیت هایکدیگر را تقویت یا تضعیف می کنند. رابطه شما با کارکنان مستقیمتان روی رابطه آن ها با کارکنان مستقیمشان و همچنین روی فرهنگ تیمتان اثر دارد. توان شما در برقراری پیوندهای انسانی مبتنی بر اعتماد متقابل با کسانی که مستقیم با خودتان کار می کنند، در نهایت تعیین کننده کیفیت تمام چیزهای دیگر خواهد بود.صراحت تمام عیاربرای پرورش اعتماد نمی توان دستورالعمل سرراستی تجویز کرد و گفت فلان کار را بکن بعد فلان کار تا به نتیجه خوبی برسی. ولی با این وجود دو بعد اصلی وجود دارد.بعد اول، چیزی فراتر از صرفا حرفه ای باشید. یعنی بیشتر اهمیت بدهید. باید به تمام کارکنانتان به عنوان یک انسان اهمیت بدهید. پای کسب و کار در میان نیست، موضوع شخصی است. اسم این بعد را "توجه شخصی" گذاشتم.بعد دوم این است که با کارکنانتان حرف بزنید. وقتی توجه شخصی و چالش مستقیم را کنار هم بگذارید به صراحت تمام عیار می رسید.وقتی آدم ها به شما اعتماد دارند و باور دارند که به آن ها اهمیت می دهید با احتمال بیشتری:1. تشویق و انتقاد شما را می پذیرند و به آن عمل می کنند.2. به شما می گویند به نظرشان چه کاری را خوب انجام می دهید. و مهم تر از آن در چه کاری خوب نیستید3. این رفتار را در قبال هم بروز می دهند.4. نقشی را که در تیم دارند با جان و دل می پذیرند.5. تمرکزشان را بر تحقق نتایج معطوف می کنند.اما چرا واژه صراحت تمام عیار؟چون بسیاری از ما عادت کردیم چیزی را که در ذهنمان می گذرد بیان نکنیم هم برای هم رنگی با جماعت (چون از تعارض یا خجالت دورمان می کند.) از طرفی برای عادت دادن آدم ها برای به چالش کشیدن صریح یکدیگر باید بر لزوم گفت و گوی شفاف تاکید کرد تا جایی برای تأویل و تفسیر باقی نماند.صراحت به طور ضمنی یعنی صرفا دارید نقطه نظر خود را ارائه می دهید و از بقیه هم انتظار دارید تا همین کار را بکنند.شگفت انگیز ترین ویژگی صراحت تمام عیار این است که نتایج آن معمولا بر خلاف نگرانی هایتان است. می ترسید آدم ها خشمگین شوند یا به دل بگیرند ولی معمولا به خاطر فرصتی که برای صحبت پیدا کردند سپاسگزار خواهند بود.توجه شخصی: اولین بعد صراحت تمام عیارتوجه شخصی یعنی بپذیریم همه انسان هستیم و زندگی و آرزویی فراتر از کارمان داریم. یعنی وقت گذاشتن برای گفت و گوهای واقعی. یعنی شناخت گوهر انسانیت و شناخت چیزهایی که برای آدم ها مهم هستند.چالش مستقیم: بعد دوم صراحت تمام عیارمنشأ هر چیز انسانیِ شایسته احترام، چه عقلی و چه اخلاقی، اصلاح پذیر بودن خطاهای انسان است. انسان قادر است با گفت و گو و تجربه اشتباهاتش را جبران کند.به چالش کشیدن دیگران و ترغیب آن ها برای به چالش کشیدن شما، به ایجاد رابطه های اعتماد محور کمک می کند. زیرا نشان می دهد هم به چیزهایی که خوب پیش نمی روند دقت دارید هم به چیزهایی که درست پیش می روند. اگر اشتباه کنید می پذیرید و برای اصلاح اشتباه های خودتان یا دیگران اهتمام دارید.اعتماد سازی کافی بین آدم ها برای ایجاد فضای چالشی دو طرفه و فارغ از رابطه رئیس و مرئوسی نیازمند زمان و دقت است. چه چیزی صراحت تمام عیار نیست؟اگر توجه شخصی در کار نباشد، دیگر اسمش صراحت تمام عیار نیست. از آن برای چیزهای مهم استفاده کنید.طبق یک قانون سر انگشتی خوب در رابطه ها باید هر روز سه چیز بی اهمیت را نگفته باقی بگذارید. صراحت تمام عیار مفهومی جهانی و بشری است، اما برای افراد و فرهنگ های مختلف متفاوت است.هر دو بعد صراحت تمام عیار وابسته به شرایط زمینه ای هستند. در صراحت تمام عیار چیزی که شنیده می شود مهم است نه چیزی که گفته می شود.

فصل اول- بخش 1- قسمت 2- از مدل‌های زبانی بزرگ تا مدل‌های پایه

Shirin Afshinfar — Thu, 04 Dec 2025 01:59:16 +0330

ترجمه کتاب ساخت برنامه‌های کاربردی با مدل‌های پایه - انتشارات O’ReillyBOOK: O'Reilly_AI_Engineering_Building_Applications_with_Foundation_Modelsاگرچه مدل‌های زبانی قادر به انجام کارهای باورنکردنی هستند، اما به متن (text) محدود شده‌اند. به عنوان انسان، ما جهان را نه تنها از طریق زبان، بلکه از طریق بینایی، شنوایی، لامسه و موارد بیشتر درک می‌کنیم. توانایی پردازش داده‌های فراتر از متن برای هوش مصنوعی ضروری است تا در دنیای واقعی عمل کند.به همین دلیل، مدل‌های زبانی در حال گسترش هستند تا روش های داده ای بیشتری را ترکیب کنند. GPT-4V و Claude 3 می‌توانند تصاویر و متون را درک کنند. برخی مدل‌ها حتی ویدیوها، assets سه‌بعدی، ساختارهای پروتئینی و غیره را درک می‌کنند. ترکیب روش های داده ایِ بیشتر به مدل‌های زبانی، آن‌ها را حتی قدرتمندتر می‌سازد.در حالی که بسیاری از مردم هنوز Gemini و GPT-4V را LLM می‌نامند، بهتر است آن‌ها را به عنوان مدل‌های پایه (Foundation Models) توصیف کنیم. کلمه «پایه» هم اهمیت این مدل‌ها در برنامه‌های کاربردی هوش مصنوعی و هم این واقعیت که می‌توانند برای نیازهای مختلف بنا شوند را نشان می‌دهد.مدل‌های پایه، یک جهش از ساختار سنتی تحقیقات هوش مصنوعی را نشان می‌دهند. برای مدت طولانی، تحقیقات هوش مصنوعی بر اساس modalities داده تقسیم‌بندی شده بود. پردازش زبان طبیعی (Natural language Processing ) (NLP) فقط با متن سر و کار داشت. بینایی کامپیوتر فقط با vision سر و کار داشت. مدل‌های مبتنی بر متن (Text-only models) می‌توانند برای وظایفی مانند ترجمه و تشخیص هرزنامه (spam detection) استفاده شوند. مدل‌های مبتنی بر تصویر (Image-only models) می‌توانند برای تشخیص اشیاء (object detection) و طبقه‌بندی تصاویر (image classification) به کار روند. مدل‌های مبتنی بر صوت (Audio-only models) می‌توانند وظایفی مانند تشخیص گفتار (speech-to-text یا STT) و سنتز گفتار (text-to-speech یا TTS) را انجام دهند.مدلی که بتواند با بیش از یک modality داده کار کند، یک مدل چندوجهی (multimodal) نیز نامیده می‌شود. یک مدل چندوجهی تولیدی، مدل بزرگ چندوجهی (Large Multimodal Model - LMM) نیز نامیده می‌شود. اگر یک مدل زبانی، توکن بعدی را با شرط شدن (conditioned on) روی توکن‌های متنی تولید می‌کند، یک مدل چندوجهی (multimodal model) توکن بعدی را با شرط شدن روی هر دوی توکن‌های متنی و تصویری، یا هر modality دیگری که مدل پشتیبانی می‌کند، تولید می‌نماید؛ همان‌طور که در شکل ۱-۳ نشان داده شده است.شکل ۱-۳. یک مدل چندوجهی می‌تواند توکن بعدی را با استفاده از اطلاعات هر دو نوع توکن متنی و تصویری تولید کند.درست مانند مدل‌های زبانی، مدل‌های چندوجهی نیز برای مقیاس‌پذیری به داده نیاز دارند. خود-نظارتی برای مدل‌های چندوجهی نیز کاربرد دارد. برای مثال، اوپن‌ای‌آی از گونه‌ای از خود-نظارتی به نام نظارت زبان طبیعی (natural language supervision) برای آموزش مدل زبان-تصویر خود به نام CLIP (اوپن‌ای‌آی، ۲۰۲۱) استفاده کرد. به جای تولید دستی برچسب برای هر تصویر، آن‌ها جفت‌های (تصویر، متن)ی را پیدا کردند که به طور همزمان در اینترنت ظاهر می‌شدند. آن‌ها توانستند یک مجموعه داده متشکل از ۴۰۰ میلیون جفت (تصویر، متن) تولید کنند که ۴۰۰ برابر بزرگ‌تر از ImageNet بود، بدون هزینه برچسب‌زنی دستی. این مجموعه داده به CLIP اجازه داد تا به اولین مدلی تبدیل شود که می‌توانست بدون نیاز به آموزش اضافی، به چندین کار طبقه‌بندی تصویر تعمیم یابد.این کتاب از اصطلاح مدل‌های پایه (foundation models) برای اشاره به هر دو نوع مدل‌های زبانی بزرگ و مدل‌های چندوجهی بزرگ استفاده می‌کند.توجه داشته باشید که CLIP یک مدل مولد (generative) نیست — آموزش ندیده بود تا خروجی‌های باز تولید کند. CLIP یک مدل embedding است که آموزش دیده تا embeddingهای مشترک (joint embeddings) هم برای متون و هم برای تصاویر تولید کند. بخش “مقدمه‌ای بر Embedding” در ادامه کتاب در مورد embeddingها بحث می‌کند. برای حالا، می‌توانید embeddingها را به عنوان بردارهایی در نظر بگیرید که هدف آن‌ها ثبت معنای داده‌های اصلی است. مدل‌های embedding چندوجهی مانند CLIP، ستون فقرات مدل‌های مولد چندوجهی، مانند Flamingo، LLaVA و Gemini (پیش‌تر با نام Bard) هستند.مدل‌های پایه همچنین نشان‌دهنده گذار از مدل‌های ویژه-وظیفه به مدل‌های همه‌منظوره هستند. پیش از این، مدل‌ها اغلب برای وظایف خاصی مانند تحلیل احساسات یا ترجمه توسعه می‌یافتند. یک مدل آموزش‌دیده برای تحلیل احساسات نمی‌توانست ترجمه انجام دهد و بالعکس.مدل‌های پایه، به لطف مقیاس و روش آموزش‌شان، قادر به انجام طیف گسترده‌ای از وظایف هستند. مدل‌های همه‌منظوره به صورت out-of-the-box (بدون تنظیم خاص) می‌توانند برای بسیاری از وظایف نسبتاً خوب عمل کنند. یک مدل زبانی بزرگ (LLM) می‌تواند هم تحلیل احساسات انجام دهد و هم ترجمه. با این حال، اغلب می‌توانید یک مدل همه‌منظوره را برای حداکثر کردن عملکردش در یک وظیفه خاص تنظیم (task) کنید.شکل ۱-۴ وظایفی را نشان می‌دهد که توسط معیار سنجش Super-NaturalInstructions برای ارزیابی مدل‌های پایه استفاده شده‌ (Wang و همکاران، ۲۰۲۲)، که ایده‌ای از انواع وظایفی که یک مدل پایه می‌تواند انجام دهد ارائه می‌کند.تصور کنید که شما با یک خرده‌فروشی کار می‌کنید تا یک برنامه برای تولید توضیحات محصول برای وبسایت آن‌ها بسازید. یک مدل out-of-the-box ممکن است بتواند توضیحات دقیقی تولید کند، اما ممکن است در ثبت لحن برند یا برجسته کردن پیام‌رسانی برند شکست بخورد. توضیحات تولیدشده حتی ممکن است پر از سخنان بازاریابی و کلیشه‌ها باشد.شکل ۱-۴. محدوده وظایف در بنچ مارک Super-NaturalInstructions (Wang و همکاران، ۲۰۲۲).تکنیک‌های متعددی وجود دارد که می‌توانید استفاده کنید تا مدل را وادار به تولید خروجی مورد نظرتان کنید. برای مثال، می‌توانید دستورالعمل‌های دقیقی همراه با مثال‌هایی از توضیحات محصول مطلوب بسازید. این رویکرد، مهندسی پیش‌نگاشت (Prompt Engineering) است. می‌توانید مدل را به یک پایگاه داده از نظرات مشتریان متصل کنید که مدل بتواند از آن برای تولید توضیحات بهتر بهره‌برداری کند. استفاده از یک پایگاه داده برای تکمیل دستورالعمل‌ها، تولید تقویت‌شده با بازیابی (Retrieval-Augmented Generation یا RAG) نامیده می‌شود. همچنین می‌توانید مدل را روی یک مجموعه‌داده از توضیحات محصول باکیفیت، بیشتر آموزش دهید (Further Train) یا به اصطلاح (Fine-Tuning) کنید.مهندسی پیش‌نگاشت (Prompt Engineering)، RAG و فاین-تیونینگ (Fine-Tuning) سه تکنیک بسیار رایج در مهندسی هوش مصنوعی هستند که می‌توانید برای تطبیق یک مدل با نیازهای خود از آنها استفاده کنید. بقیه کتاب به طور مفصل در مورد همه آن‌ها بحث خواهد کرد.تطبیق یک مدل قدرتمند موجود با وظیفه شما، عموماً بسیار آسان‌تر از ساختن یک مدل برای وظیفه‌ از ابتدا است — برای مثال، مقایسه ده مثال و یک آخر هفته در مقابل ۱ میلیون مثال و شش ماه. مدل‌های پایه، توسعه برنامه‌های کاربردی هوش مصنوعی را ارزان‌تر کرده و زمان عرضه به بازار (Time to Market) را کاهش می‌دهند. دقیقاً چه مقدار داده برای تطبیق یک مدل مورد نیاز است، به این بستگی دارد که از کدام تکنیک استفاده می‌کنید. این کتاب در هنگام هر تکنیک به این سوال نیز خواهد پرداخت. با این حال، مدل‌های (task-specific) هنوز مزایای زیادی دارند، برای مثال، ممکن است بسیار کوچک‌تر باشند که باعث می‌شود استفاده از آن‌ها سریع‌تر و ارزان‌تر تمام شود.اینکه مدل خود را بسازید یا از مدل موجود بهره‌برداری کنید، یک سوال کلاسیک “خرید در مقابل ساخت” (Buy-or-Build) است که تیم‌ها باید خود به آن پاسخ دهند. بحث‌های سراسر این کتاب می‌تواند در اتخاذ این تصمیم کمک کند.

فصل اول- بخش 1- قسمت 1 - از مدل های زبانی تا مدل های زبانی بزرگ

Shirin Afshinfar — Thu, 04 Dec 2025 01:48:43 +0330

ترجمه کتاب ساخت برنامه‌های کاربردی با مدل‌های پایه - انتشارات O’ReillyBOOK: O'Reilly_AI_Engineering_Building_Applications_with_Foundation_Modelsیک مدل زبانی، اطلاعات آماری درباره یک یا چند زبان را کدگذاری می‌کند. به طور شهودی، این اطلاعات به ما می‌گویند که یک کلمه چقدر احتمال دارد در یک زمینه خاص ظاهر شود. برای مثال، با توجه به زمینه «رنگ مورد علاقه من __ است»، یک مدل زبانی که انگلیسی را کدگذاری کرده است، بیشتر از «ماشین»، «آبی» را پیش‌بینی می‌کند.ماهیت آماری زبان‌ها قرن‌ها پیش کشف شد. در داستان «ماجرای مردان رقصان» (۱۹۰۵)، شرلوک هولمز از اطلاعات آماری ساده انگلیسی برای رمزگشایی دنباله‌ای از figures چوبی مرموز استفاده کرد. از آنجایی که رایج‌ترین حرف در انگلیسی E است، هولمز استنتاج کرد که رایج‌ترین figure چوبی باید نمایانگر E باشد.بعدها، کلود شانون از آمار پیشرفته‌تری برای decipher کردن پیام‌های دشمن در طول جنگ جهانی دوم استفاده کرد. کار او درباره چگونگی مدل‌سازی انگلیسی، در مقاله مهم او با عنوان «پیش‌بینی و آنتروپی انگلیسی چاپی» (۱۹۵۱) منتشر شد. بسیاری از مفاهیم معرفی شده در این مقاله، از جمله آنتروپی، هنوز برای مدل‌سازی زبان استفاده می‌شوند.در روزهای اولیه، یک مدل زبانی فقط یک زبان را شامل می‌شد. اما امروزه، یک مدل زبانی می‌تواند چندین زبان را دربرگیرد.واحد پایه یک مدل زبانی، توکن (token) است. یک توکن می‌تواند یک نویسه (character)، یک کلمه، یا بخشی از یک کلمه (مانند -tion) باشد که بستگی به مدل دارد. برای مثال، GPT-4 (مدل پشت ChatGPT) عبارت «I can’t wait to build AI applications» را به ۹ توکن تجزیه می‌کند. توجه کنید که در این مثال، کلمه «can’t» به دو توکن «can» و «’t» شکسته شده است.چگونه chat gpt 4 یک جمله را به توکن ها تقسیم می کند.فرآیند شکستن متن اصلی به توکن‌ها، توکن‌سازی (tokenization) نامیده می‌شود. برای GPT-4، طول متوسط یک توکن تقریباً ¾ طول یک کلمه است. بنابراین، ۱۰۰ توکن تقریباً معادل ۷۵ کلمه است.مجموعه تمام توکن‌هایی که یک مدل می‌تواند با آن‌ها کار کند، واژگان (vocabulary) مدل نامیده می‌شود. شما می‌توانید با تعداد کمی توکن، تعداد زیادی کلمه متمایز بسازید، مشابه نحوه استفاده از چند حرف الفبا برای ساخت بسیاری از کلمات. مدل Mixtral 8x7B اندازه واژگانی معادل ۳۲,۰۰۰ توکن دارد. اندازه واژگان GPT-4 برابر ۱۰۰,۲۵۶ توکن است. روش توکن‌سازی و اندازه واژگان توسط توسعه‌دهندگان مدل تعیین می‌شود.چرا مدل‌های زبانی به جای کلمه (word) یا نویسه (character)، از توکن استفاده می‌کنند؟سه دلیل اصلی وجود دارد:۱. در مقایسه با کاراکترها، توکن‌ها به مدل اجازه می‌دهند کلمات را به اجزای معنادار تجزیه کنند. برای مثال، «cooking» می‌تواند به «cook» و «ing» شکسته شود که هر دو جزء حاوی بخشی از معنای کلمه اصلی هستند.۲. از آنجایی که توکن‌های منحصر به فرد کمتر از کلمات منحصر به فرد هستند، این امر اندازه واژگان مدل را کاهش داده و مدل را کارآمدتر می‌سازد.۳. توکن‌ها به مدل در پردازش کلمات ناشناخته نیز کمک می‌کنند. برای مثال، یک کلمه ساختگی مانند «chatgpting» می‌تواند به «chatgpt» و «ing» تقسیم شود که به مدل کمک می‌کند ساختار آن را درک کند. توکن‌ها تعادلی بین داشتن واحدهای کمتر نسبت به کلمات و حفظ معنای بیشتر نسبت به نویسه‌های مجزا برقرار می‌کنند.دو نوع اصلی مدل زبانی وجود دارد:مدل‌های زبانی پوشیده (masked language models) و مدل‌های زبانی خودرگرسیو (autoregressive language models).این دو بر اساس اطلاعاتی که برای پیش‌بینی یک توکن استفاده می‌کنند، تفاوت دارند:مدل زبانی پوشیده: این نوع مدل آموزش دیده است تا توکن‌های گم‌شده در هر نقطه از یک دنباله را با استفاده از زمینه‌های قبل و بعد از توکن‌های گم‌شده پیش‌بینی کند. در essence، یک مدل زبانی پوشیده آموزش دیده است تا بتواند جای خالی را پر کند. برای مثال، با توجه به زمینه «My favorite __ is blue»، یک مدل زبانی پوشیده باید پیش‌بینی کند که جای خالی به احتمال زیاد «color» است. یک مثال شناخته شده از این نوع، BERT است. در زمان نوشتن این کتاب، مدل‌های زبانی پوشیده معمولاً برای وظایف غیرتولیدی (non-generative) مانند تحلیل احساسات و طبقه‌بندی متن استفاده می‌شوند. آن‌ها برای وظایفی که نیاز به درک کلی context دارند، مانند دیباگ کردن کد، نیز مفید هستند؛ جایی که مدل نیاز دارد هم کد قبل و هم بعد را بفهمد تا خطاها را شناسایی کند.مدل زبانی خودرگرسیو: این نوع مدل آموزش دیده است تا توکن بعدی در یک دنباله را فقط با استفاده از توکن‌های قبلی پیش‌بینی کند. این مدل پیش‌بینی می‌کند که بعد از «My favorite color is __» چه می‌آید. یک مدل خودرگرسیو می‌تواند به طور مداوم یک توکن پس از دیگری تولید کند. امروزه، مدل‌های زبانی خودرگرسیو مدل‌های انتخابی برای تولید متن هستند و به همین دلیل، محبوبیت بسیار بیشتری نسبت به مدل‌های زبانی پوشیده دارند.نمونه مثال از مدل زبانی پوشیده و خودرگرسیودر این کتاب، مگر اینکه صراحتاً ذکر شود، «مدل زبانی» به یک مدل خودرگرسیو اشاره خواهد کرد.خروجی‌های مدل‌های زبانی باز (open-ended) هستند. یک مدل زبانی می‌تواند از واژگان ثابت و محدود خود برای ساخت خروجی‌های ممکن نامحدود استفاده کند. مدلی که می‌تواند خروجی‌های open-ended تولید کند، تولیدی (generative) نامیده می‌شود، از این رو اصطلاح هوش مصنوعی تولیدی (generative AI) به وجود آمده است.می‌توانید یک مدل زبانی را به عنوان یک ماشین تکمیل‌کننده (completion machine) در نظر بگیرید: با دریافت یک متن (prompt)، سعی می‌کند آن متن را تکمیل کند. در اینجا یک مثال آورده شده است:پِرامپت (از کاربر): “To be or not to be”تکمیل (از مدل زبانی): “, that is the question.”مهم است توجه داشته باشید که تکمیل‌ها، پیش‌بینی‌هایی بر اساس احتمالات هستند و تضمینی برای صحیح بودن آن‌ها وجود ندارد. این ماهیت احتمالاتی مدل‌های زبانی، استفاده از آن‌ها را هم بسیار هیجان‌انگیز و هم گاهی frustating می‌سازد.هرچند ساده به نظر می‌رسد، اما تکمیل کردن به طور باورنکردنی قدرتمند است. بسیاری از وظایف، از جمله ترجمه، خلاصه‌سازی، کدنویسی و حل مسائل ریاضی، می‌توانند به عنوان وظایف تکمیل قالب‌بندی شوند.خود-نظارتی (Self-supervision)مدل‌سازی زبان فقط یکی از الگوریتم‌های یادگیری ماشین (ML) است. مدل‌هایی برای تشخیص اشیاء، مدل‌سازی موضوعی، سیستم‌های پیشنهاددهنده، پیش‌بینی آب و هوا، پیش‌بینی قیمت سهام و غیره نیز وجود دارند. چه چیزی در مورد مدل‌های زبانی خاص است که آن‌ها را به مرکز رویکرد scalingی تبدیل کرد که منجر به «لحظه ChatGPT» شد؟پاسخ این است که مدل‌های زبانی می‌توانند با استفاده از خود-نظارتی آموزش ببینند، در حالی که بسیاری از مدل‌های دیگر نیاز به نظارت (supervision) دارند. نظارت به فرآیند آموزش الگوریتم‌های ML با استفاده از داده‌های برچسب‌دار (labeled data) اشاره دارد که می‌تواند گران و کند به دست آید. خود-نظارتی به غلبه بر گلوگاه برچسب‌زنی داده‌ها کمک می‌کند تا مجموعه داده‌های بزرگتری برای یادگیری مدل‌ها ایجاد شود و به طور مؤثر به مدل‌ها اجازه scale up را می‌دهد.با نظارت (supervision)، شما مثال‌ها را برچسب‌گذاری می‌کنید تا رفتارهایی را که می‌خواهید مدل یاد بگیرد، نشان دهید و سپس مدل را با استفاده از این مثال‌ها آموزش می‌دهید. پس از آموزش، می‌توانید مدل را روی داده‌های جدید اعمال کنید. به عنوان مثال، برای آموزش یک مدل شناسایی تقلب (fraud detection)، شما از نمونه‌هایی از تراکنش‌ها استفاده می‌کنید که هر کدام با برچسب «تقلب» یا «غیرتقلب» مشخص شده‌اند. وقتی مدل از این نمونه‌ها یاد گرفت، می‌توانید از آن برای پیش‌بینی اینکه آیا یک تراکنش جدید تقلبی است یا خیر، استفاده کنید.موفقیت مدل‌های هوش مصنوعی در دهه ۲۰۱۰ در نظارت نهفته بود. مدلی که انقلاب یادگیری عمیق را آغاز کرد، AlexNet (Krizhevsky و همکاران، ۲۰۱۲)، یک مدل نظارت‌شده بود. این مدل آموزش دیده بود تا نحوه طبقه‌بندی بیش از ۱ میلیون تصویر در مجموعه داده ImageNet را یاد بگیرد. هر تصویر را در یکی از ۱۰۰۰ دسته مانند «ماشین»، «بالن» یا «میمون» طبقه‌بندی می‌کرد.عیب نظارت این است که برچسب‌زنی داده‌ها گران و زمان‌بر است. اگر برچسب‌زنی یک تصویر برای یک نفر ۵ سنت هزینه داشته باشد، برچسب‌زنی یک میلیون تصویر برای ایمیج نت، ۵۰,۰۰۰ دلار هزینه در بر خواهد داشت. اگر بخواهید دو نفر متفاوت هر تصویر را برچسب‌زنی کنند - تا بتوانید کیفیت برچسب را cross-check کنید - هزینه دو برابر خواهد شد. از آنجایی که جهان بسیار بیشتر از ۱۰۰۰ شیء دارد، برای گسترش قابلیت‌های مدل‌ها برای کار با اشیاء بیشتر، باید برچسب‌های دسته‌های بیشتری اضافه کنید. برای scale up کردن تا ۱ میلیون دسته بندی، تنها هزینه برچسب‌زنی به ۵۰ میلیون دلار افزایش می‌یابد.برچسب‌زنی اشیاء روزمره کاری است که اکثر مردم بدون آموزش قبلی می‌توانند انجام دهند. از این رو، می‌توان آن را نسبتاً ارزان انجام داد. با این حال، همه وظایف برچسب‌زنی به این سادگی نیستند. تولید ترجمه‌های لاتین برای یک مدل انگلیسی به لاتین گران‌تر است. برچسب‌زنی اینکه آیا یک سی‌تی اسکن نشانه‌هایی از سرطان را نشان می‌دهد یا نه، هزینه‌ای سرسام‌آور خواهد بود.خود-نظارتی به غلبه بر گلوگاه برچسب‌زنی داده‌ها کمک می‌کند. در خود-نظارتی، به جای نیاز به برچسب‌های صریح (explicit)، مدل می‌تواند برچسب‌ها را از داده‌های ورودی استنتاج کند. مدل‌سازی زبان self-supervised است زیرا هر دنباله ورودی، هم برچسب‌ها (توکن‌هایی که باید پیش‌بینی شوند) و هم زمینه‌هایی (contexts) که مدل می‌تواند برای پیش‌بینی این برچسب‌ها استفاده کند را فراهم می‌کند. برای مثال، جمله “I love street food.” شش نمونه آموزشی تولید می‌کند، همان‌ که در جدول 1-1 نشان داده شده است.مثال، جمله “I love street food.” شش نمونه آموزشی تولید می‌کنددر جدول 1-1، و به ترتیب نشانگر آغاز و پایان یک دنباله (sequence) هستند.این نشانگرها برای اینکه یک مدل زبانی بتواند با چندین دنباله کار کند، ضروری هستند. هر نشانگر معمولاً به عنوان یک توکن ویژه (special token) توسط مدل در نظر گرفته می‌شود. نشانگر پایان دنباله به ویژه اهمیت دارد، زیرا به مدل‌های زبانی کمک می‌کند تا بدانند چه زمانی باید پاسخ‌های خود را به پایان برسانند.یادگیری self-supervised با یادگیری بدون نظارت (unsupervised) متفاوت است. در یادگیری self-supervised، برچسب‌ها از داده‌های ورودی استنتاج می‌شوند. در یادگیری بدون نظارت، شما اصلاً به برچسب نیاز ندارید.یادگیری self-supervised به این معنی است که مدل‌های زبانی می‌توانند از دنباله‌های متنی بدون نیاز به هیچ برچسب‌زنی یاد بگیرند. از آنجایی که دنباله‌های متنی همه جا وجود دارند - در کتاب‌ها، پست‌های وبلاگ، مقالات و نظرات Reddit - امکان ساخت حجم عظیمی از داده‌های آموزشی وجود دارد که به مدل‌های زبانی اجازه می‌دهد تا scale up کنند و به LLM تبدیل شوند.با این حال، LLM (Large Language Model ) به سختی یک اصطلاح علمی است. یک مدل زبانی چقدر باید بزرگ باشد تا بزرگ در نظر گرفته شود؟ آنچه امروز بزرگ است ممکن است فردا کوچک در نظر گرفته شود. اندازه یک مدل معمولاً توسط تعداد پارامترهای (parameters) آن اندازه‌گیری می‌شود. یک پارامتر یک متغیر در درون یک مدل ML است که از طریق فرآیند آموزش به‌روزرسانی می‌شود. به طور کلی، هرچه یک مدل پارامترهای بیشتری داشته باشد، ظرفیت بیشتری برای یادگیری رفتارهای desired دارد (اگرچه این همیشه صادق نیست).وقتی اولین مدل مولد پیش‌آموزش‌دیده ترنسفورمر اوپن‌ای‌آی (GPT) در ژوئن ۲۰۱۸ عرضه شد، ۱۱۷ میلیون پارامتر داشت و در آن زمان بزرگ در نظر گرفته می‌شد. در فوریه ۲۰۱۹، وقتی اوپن‌ای‌آی مدل GPT-2 را با ۱.۵ میلیارد پارامتر معرفی کرد، مدل ۱۱۷ میلیونی به عنوان مدلی کوچک تنزل رتبه یافت. در زمان نوشتن این کتاب، مدلی با ۱۰۰ میلیارد پارامتر، بزرگ در نظر گرفته می‌شود. شاید روزی این اندازه نیز کوچک به حساب آید.پیش از آنکه به بخش بعدی برویم، می‌خواهم به این سوال که معمولاً بدیهی فرض می‌شود بپردازم: چرا مدل‌های بزرگ‌تر (larger models) به داده‌های بیشتری نیاز دارند؟ مدل‌های بزرگ‌تر ظرفیت یادگیری بیشتری دارند و در نتیجه برای حداکثر کردن عملکرد خود به داده‌های آموزشی بیشتری نیاز خواهند داشت. شما می‌توانید یک مدل بزرگ را روی یک مجموعه داده کوچک نیز آموزش دهید، اما این کار هدر دادن منابع پردازشی خواهد بود. با مدل‌های کوچک‌تر می‌توانستید به نتایج مشابه یا حتی بهتری روی این مجموعه داده دست یابید.

اجرای پروژه: بازکردن مسیر یا با صورت زمین خوردن

Shirin Afshinfar — Fri, 28 Nov 2025 16:35:08 +0330

فصل پنجمدر این فصل درباره فاز سوم از مدیریت فرآیندها (پنج گروه فرآیندی) : "فاز اجرا" صحبت می شود. پنج گروه فرآیندیاصل پاسخ گو بودنبعد از آغاز و برنامه ریزی، حال محدوده و جهت پروژه را می دانید. می دانید که به کجا باید بروید، نقشه راه و زمان بندی تان هم شفاف و واضح است.اما چگونه می توان به صورت تیمی اجرای موفقی داشت؟ در یک کلمه می توان گفت پاسخ گو بودنرهبران موفق پروژه پاسخ گو بودن را تمرین می کنند. وقتی مسئولیتی را بر عهده می گیریم، جلسه ای را قبول می کنیم و تعهدی می دهیم، از خودمان می پرسیم، این کار واقعا چه قدر اهمیت دارد؟ مدیران برجسته ی پروژه واقعا ثابت می کنند که هر درخواست و تعهدی واقعا اهمیت دارد."هیچ چیز سریع تر از عهدشکنی اعتماد را از بین نمی برد. درعوض، هیچ چیز بیشتر از وفاداری به عهد، اعتماد سازی نمی کند." استفان کاوی اصل پاسخ گو بودن ساده است: وقتی به تعهداتتان پایبند باشید آدم قابل اعتمادی می شوید. اعتماد اعضای تیمتان را جلب می کنید، اعتماد ذی نفعانتان را نیز به دست می آورید. همچنین آن ها نیز انگیزه پیدا می کنند به شما متعهد بمانند.پاسخ گویی تیمیجلسات منظم هفتگی برگزار کنید. روند منظم هفتگی برد یا باخت را مشخص کنید.یک روند منظم پاسخ گویی نه فقط نتایج قابل اعتماد را دوباره و دوباره ایجاد می کند، تیم با عملکرد بالایی را نیز تحویلتان می دهد.ابزار: جلسه پاسخ گویی تیمییک جلسه پاسخ گویی تیمی با جلسه بررسی و ضعیت پروژه متفاوت است.این جلسات بر روی زمان بندی و بودجه ی پروژه تمرکز دارد. آیا همان جایی که باید باشیم هستیم؟ اگر نیستیم چرا؟چگو نه به یکدیگر کمک کمک کنیم و راه را برای هم هموار کنیم؟متعهد می شویم که کارهایی را که لازم است انجام دهیم تا پروژه به مسیر اصلی خودش بازگردد.جلسه را بدون اتلاف وقت طی می کنیم و از دستور جلسه پیروی می کنیمجلسه پاسخ گویی تیمی زیاد طول نمی کشد شاید بیست یا حداکثر سی دقیقه. در این جلسه بررسی می کنیم آیا در مسیر هستیم و آیا کسی هست به کمک نیاز داشته باشد یا نه.این جلسات کوتاه به این دلیل ایجاد می شوند که کنترل تحویل دادنی های خاص مسیر بحرانی را از دست ندهید. دیگران را پاسخ گو نگه دارید:چگونه افرادی را که پاسخ گو نیستید، پاسخگو نگه دارید؟اول باید خودتان در قبال چهار رفتار بنیادی پاسخ گو باشید. با احترام گذاشتن شروع کنید.اولین باری که یکی از اعضای تیم به تعهداتش عمل نکرد، از چهار رفتار بنیادی استفاده کنید تا بفهمید چرا این اتفاق افتاده است:رفتارهای بنیادی1. گوش دادن. بگذارید عضو تیم توضیح دهد که چرا نتوانسته به تعهدش عمل کند.2. احترام نشان دادن. با او احساس همدردی کنید.3. شفاف سازی انتظارات. تعهد را دوباره بیان کنید و برای آن ضرب الاجل را به روز کنید.4. پاسخگو بودن. بگذارید فرد بفهمد که تیم برای تعهدات او اهمیت قائل است. هر تعهدی که داده می شود، برای موفقیت پروژه ضروری است.اگر افراد را در همواره پاسخ گو نگه دارید دو کار مهم انجام داده اید:فرد به مشکلش اعتراف خواهد کرد و میفهمد علاوه بر شما و خودش ، کل تیم را ناامید کرده است.بقیه اعضای تیم هم این وضع را می بینند و با خودشان فکر می کنند هیچ وقت نمی خواهم خود را در این وضعیت قرار دهم.این راه حل در سطح تیمی پاسخ گویی محض است. جلسات پاسخ گویی تیمیتیم در جلسه پاسخگویی فقط سه کار انجام می دهد:1. تمرکز روی تابلو امتیاز تیم: آیا به اهدافمان رسیده ایم؟ آیا طبق زمان بندی پیش رفته ایم؟2. گزارش دادن خیلی سریع در مورد تعهدات هفته گذشته3. ایجاد تعهدات جدید: این هفته چه کار می توانیم بکنیم تا امتیازمان را بیشتر کنیم؟برگزاری جلسات بررسی عملکردبا افراد جلسات خصوصی پاسخ گویی برگزار کنید. به این جلسات بررسی عملکرد می گویندابزار: برنامه مکالماتبرنامه مکالمات به شما کمک می کند تا جلسه ی بررسی عملکرد را برنامه ریزی کنید:قصد و هدف مکالمه چیست؟ هدف شما از این مکالمه چیست؟واقعیت چه هست؟ واقعیتی که می خواهید به اشتراک گذاشته شود. مثال یا مدرکی در مورد مسئله مورد نظر آماده کرده باشید.چه اثراتی دارند؟تاثیر هر واقعیت بر پروژه را به روشنی بیان کنید تا طرف مقابل به وضوح مشکل را درک کندمکالمه را شروع کنید: منطقی، واضح و با احترام صحبت کنید. دانستن اینکه مکالمه قرار است چگونه تمام شود به آرامش بیشتر برای شروع مکالمه کمک می کند.اقدام عملی برای حل مشکل: از طرف مقابل برای حل مشکل نظر بخواهید و شفاف سازی انتظارات را شروع کنید.ابزار مکالمه جمع بندی:مجموعه مهارت ها و ابزارهای مرحله ی اجرامهارت: ایجاد روند منظم پاسخ گوییابزار: جلسه ی پاسخ گویی تیمیمهارت: برگزاری جلسات بررسی عملکردابزار: برنامه مکالمات

برنامه ریزی پروژه: واقعه اصلی یا سراب؟

Shirin Afshinfar — Thu, 20 Nov 2025 17:28:05 +0330

فصل 4 درباره برنامه ریزی پروژه صحبت می کند. این دومین مرحله از مدیریت فرآیند (از پنچ گروه فرآیندی) است.در فصل قبل در فاز آغاز، ذی نفعان شناسایی شدند. ذی نفعان کلیدی مشخص شدند و با آن ها مصاحبه انجام شد تا محدودیت ها، شناسایی و اولویت بندی انجام شود. در نهایت بیانیه پروژه تکمیل و به امضای همه ذی نفعان رسید.پنج گروه فرآیندیحال وقت آن است که پروژه برنامه ریزی شود.بیانیه محدوده پروژه به شما می گوید که در کدام جهت حرکت کنید و همانند نقشه، برنامه های پروژه به شما می گوید چگونه به آنجا برسید. مدیریت ریسک > شناسایی ریسکابتدا باید ریسک های پروژه را شناسایی و سپس اثراتشان را ارزیابی کنید. فرمول ارزیابی ریسک عبارت است از:شدت اثر * احتمال وقوع =ریسک واقعینمونه جدول ریسک مهار کردن ریسکریسک های با امتیاز 12 یا بالاتر را باید مهار کنید.ماتریس ریسک- نسبت احتمال وقوع به شدت اثردر این حالت 4 گزینه برای مدیریت ریسک پیشنهاد می شود (از ترکیب آن ها نیز می توانید استفاده کنید.).انتقال ریسک: واگذار کردن آن به دیگرانپذیرش ریسک: پذیرفتن آن و در صورت وقوع مقابله با آنکاهش ریسک: کاهش احتمال وقوع یا شدت اثر آنحذف ریسک: هر کاری انجام دهید تا ریسک از بین برود. ابزار: برنامه مدیریت ریسکبا توجه به انواع ریسک ها که در جدول ریسک مشخص شد و امتیاز آنها (برای امتیاز بالای 12)، راهبرد و مسئول آن را مشخص کنید تا بتوانید با ذی نفعانتان در میان بگذارید. زمان بندی پروژه1. تهیه ساختار شکست کارلیست تحویل دادنی های هر پروژه و اجزای درون هر تحویل دادنی برای تکمیل پروژهتحویل دادنی ها در واقع "چه چیزی پروژه" هستندابزار : نقشه های ذهنی، درباره تحویل دادنی ها فکر کنید. به کمک نقشه ذهنی جلسه طوفان فکری برگزار کنید. اجزای تحویل دادنی ها را به کمک طوفان فکری به دست آوریدابزار: لیست خطی، از تمام فعالیت های مورد نیاز برای تکمیل هر جز لیستی تهیه کنیدابزار: نقشه های چسبان، هر جز را به صورت یک عنوان روی تخته بنویسید و از اعضای تیم بخواهید همه فعالیت های مورد نیاز برای تکمیل هر جز را پیدا کنند.ابزار: نمودار گانت، ابزار مناسبی برای تهیه زمان بندی پروژه است. تحویل دادنی ها/ اجزا و فعالیت ها را برای موارد مختلف وارد کنید. وضعیت و درصد پیشرفت را مشخص کنید.2. تعیین توالی فعالیت هافعالیت ها "چگونگی" انجام "چه چیزی ها" هستند. باید مشخص شود چه چیزی را چه زمانی باید انجام داد.وابستگی بین فعالیت ها که به شروع و پایان یکدیگر وابسته هستند نیز باید مشخص شود.3. شناسایی تیم مدیریت پروژهدر این مرحله می دانید چه کاری باید انجام دهید، چه کسی قرار است آن را انجام دهد؟4. تخمین مدت زمان هر تسککار (work) و مدت زمان (duration) باهم فرق دارند.کار در واقع مقدار زمان لازم برای به انجام رساندن یک وظیفه است.مدت زمان در واقع زمان مورد نیاز برای انجام کار است.برای تحمین زمان مورد انتظار می توان از فرمول زیر استفاده کرد:( زمان خوش بینانه + محتمل ترین زمان *4 + زمان بربینانه ) / 65. شناسایی مسیر بحرانیمسیر بحرانی مجموعه ای از فعالیت هاست که مدت زمان پروژه را تعیین می کنند.بهترین افرادتان را به حای تخصیص به فعالیت های شناور به مسیر بحرانی تخصیص دهید.جلسه کوتاه پاسخ تیمی تا پیشرفت تحویل دادنی ها را طبق زمان بندی تضمین کنید.6. تهیه بودجه پروژهبودجه بندی پروژه تان را به دو بخش تقسیم کنید. هزینه های داخلی و هزینه های خارجیکارکرد = تعداد ساعت * هزینه هر ساعت کارکردبا جمع کار کرد همه افراد هزینه های داخلی به دست می آید. با جمع هزینه های داخلی و خارجی بودجه پروژه به دست می آید.تهیه برنامه ارتباطاتبرنامه ریزی ارتباطات یعنی تعیین نیازهای اطلاعاتی و ارتباطیذینفعان: چه کسی چه چیزی را می خواهد، چه زمانی آن را می خواهد، چگونه به دستش خواهد رسید و چه کسی آن را به دستش می رساندبرنامه ارتباطاتجمع بندی:مهارت ها و ابزار های برنامه ریزیابزار: ماتریس ریسکمهارت: برنامه ریزی راهبرد مدیریت ریسک ابزار مهار ریسکابزار برنامه مدیریت ریسکمهارت: تهیه زمان بندی پروژه ابزار نقشه ذهنیابزار لیست های خطیابزار روش کاغذهای چسبانابزار نمودار گانتمهارت: تهیه برنامه ارتباطاتابزار: برنامه ارتباطات پروژه

فصل 3 آغاز پروژه : پیش رفتن یا دور خود چرخیدن؟

Shirin Afshinfar — Wed, 12 Nov 2025 17:50:50 +0330

نگرش ذهنی آغازدر آغاز شما باید مجموعه ای از انتظارات مشترک و قابل اندازه گیری را شفاف سازی کنید.در پروژه یک مکان اصلی یا وقایع اصلی یا نقشه نداریم. به همین دلیل مدیریت پروژه اهمیت زیادی دارد.ما اغلب در پروژه هایمان به دور خود میچرخیم، زیرا انتظارات شفافی نداریم. با داشتن یک ایده کلی پیش می رویم، حدس و گمان میزنیم، و یا پروژه را به هیولایی غیرقابل کنترل تبدیل می کنیم.فاز آغازین، مهم ترین گام از پنج گام فرآیند مدیریت پروژه است. در این فاز "حساسیت نسبت به شرایط اولیه" وجود دارد زیر هر گونه کج فهمی حتی کوچک، در ادامه مسیر می تواند فاجعه آفرین باشد.طبق گفته متخصصان دلیل اولیه ی اجرای افتضاح پروژه ها انتظارات غیر واقعی بر اساس داده ها و اطلاعات نا کافی است.علت ریشه ای در شکست پروژه ها، عدم انتظارات مشترک با ذینفعان است. شما به عنوان رهبر باید عقیده همه را از همان ابتدا در باره ی پروژه یکسان کنید. یعنی از ابتدای پروژه انتظارات را شفاف کنید.به عنوان رهبر باید مطمین شوید همه تصویر یکسانی از خروجی های پیش رو دارند. برای رسیدن به انتظارات شفاف به این سوالات پاسخ دهید:این پروژه بر چه کسانی تاثیر دارد؟چه کسانی موفقیت را تعریف می کنند و انتظارشان چیست؟محدودیت های پروژه چیست؟درک مشترک خروجی های پروژه را چگونه ایجاد می کنید؟برای پاسخ به این سوالات باید موارد زیر را انجام دهید:این ها مجموعه مهارت ها و ابزار های فرآیند آغاز است1. مهارت شناسایی تمام ذینفعانابزار: طوفان فکری2. مهارت شناسایی تمام ذینفعان کلیدیتعریف: ذینفع کلیدی هر کسی که موفقیت یا شکست پروژه را تعیین می کند.ابزار: توانِ ذینفع کلیدیاز ابزار توان، مطابق جدول زیر در دسته بندی های مشخص برای شناسایی ذینفعان کلیدی استفاده می کنیم.تصمیم ها: ذینفعانی که تصمیماتی می گیرند که بودجه ی پروژه را کنترل می کند یا بر روی آن اثر گذار هستنداختیار: ذینفعانی که اختیار دارند و مجوز انجام کار می دهندنیاز: این ذینفعان از پروژه مستقیما نفع می برند یا تحت تاثیر آن قرار می گیرند، بنابراین نیاز دارند همه چیز را بدانند. آن ها را در جریان قرار دهیدارتباطات: این ذینفعان به افراد، پول یا منابع مورد نیاز برای رفع موانع پروژه و یا تاثیر گذار بر تضمین موفقیت پروژه متصل هستندانرژی: این افراد انرژی مثبت یا منفی دارند که بر موفقیت پروژه می توانند اثر بگذارند3. مهارت مصاحبه با ذینفعان کلیدی تعریف : ذی نفع شخص یا سازمانی که به طور فعال در پروژه مشارکت می کند یا به طور مثبت یا منفی تحت تاثیر آن قرار می گیرد. 3.1. ابزار: مصاحبه با ذی نفع کلیدیثبت مصاحبه کننده، مصاحبه شونده و تاریخمقصود پروژه: این پروژه چگونه بر اهداف تاثیر می گذاردتوصیف: به چگونگی، چه چیزی و چه زمانی پروژه با جزییات می پردازد نتایج مطلوب: اقدامات و خروجی های ویژه که باید به آن رسیدحذفیات: بخشی که جزو پروژه نخواهد بودنیازهای ارتباطی: در حین پیشرفت پروژه چه مواردی را باید به ذینفع اطلاع دادمعیار پذیرش: تایید کننده اتمام پروژهمحدودیت ها: حدود پروژه و محدودیت ها PMI شش حوزه محدودیت های احتمالی را شناسایی کرده:محدودهکیفیتمنابعبودجهریسکزمانشما به عنوان مدیر پروژه باید محدودیت ها را شناسایی کنید و اولویت ها را تعیین کنید. 3.2. ابزار: قیف سوالاتشروع : سوالاتی مانند چه کسی، چه چیزی، کجا، چه زمانی، کجا، چه کسی، چرا و چگونهجزییات : اطلاعات خاص و معیارهای موفقیت کدامند؟ از معانی و جزییات مسئله بیشتر بپرسیدپایان: سوال واضح بله یا خیر بپرسید. جمع بندی کنید. منظور برداشت شده را تکرار کنید تا مصاحبه شونده شما را تایید کنید.ابزار قیف سوالات در مصاحبه ذینفعان4. مهارت تدوین بیانیه ی محدوده ی پروژهابزار: بیانیه ی محدوده پروژه نام پروژه، تکمیل کننده، تاریخ شروع برنامه ریزی و مدت زمان برنامه ریزی مقصود پروژه: این پروژه چگونه بر اهداف تاثیر می گذاردتوصیف: به چگونگی، چه چیزی و چه زمانی پروژه با جزییات می پردازد نتایج مطلوب: اقدامات و خروجی های ویژه که باید به آن رسیدحذفیات: بخشی که جزو پروژه نخواهد بودنیازهای ارتباطی: در حین پیشرفت پروژه چه مواردی را باید به ذینفع اطلاع دادمعیار پذیرش: تایید کننده اتمام پروژهمحدودیت ها: حدود پروژه و محدودیت هاتاییدیه ها: شامل مصاحبه با ذینفعان کلیدی

فصل دوم : موفقیت = مردم + فرآیند

Shirin Afshinfar — Wed, 05 Nov 2025 23:37:52 +0330

فرآیند عالی کلیدی برای مدیریت پروژه است. اما فرآیند فقط نیمی از معامله است. نیم دیگر که به اندازه ی فرآیند مهم است رهبری مردم است.مدیر غیر رسمی پروژه ای که این نگرش ذهنی را دارد راز موفقیت پروژه را می داند و می تواند آن را پی در پی تکرار کند.در دهه 80 میلادی بیشتر بر این باور بودیم که شکست پروژه عمدتا شکست کمی است و ناشی از ضعف در مواردی مانند برنامه ریزی، زمان بندی، براورد، کنترل هزینه و اهداف متغیر تمرکز دارد.در دهه 90 میلادی ما دیدگاه مان را درباره شکست از کمیت محور به کیفیت محور تفییر دادیم.امروزه بر این باور هستیم که شکست بیشتر ناشی از روحیه ی ضعیف، انگیزه ضعیف، ارتباطات انسانی ضعیف، بهره وری کم و عدم تعهد کارکنان است.مدیر غیر رسمی با اختیارات غیر رسمیاختیار غیر رسمی می تواند بسیار قوی تر از اختیار رسمی باشد.اختیار غیر رسمی به افراد شما القا می کند که خودشان بخواهند در تیم شما بازی کنند و به پیروی برسند.اختیار رسمی حاصل عناوین و سمت ها است.اختیار غیر رسمی از شخصیت و توانایی های رهبر نشات می گیرد. رفتارهای بنیادی1. احترام گذاشتناگر به دیگران احترام بگذارید، دیگران نیز به شما احترام خواهند گذاشت. پاداش احترام، احترام است.2. اول گوش دادنشما باید الهام بخش و انگیزه بخش افراد باشید. افراد را مطمین کنید که ان ها را قضاوت نمی کنید.اصل کلیدی در کار همدلی است. همدل باشید اجازه دهید افراد صحبت کنند.3. شفاف سازی انتظاراتشما به عنوان مدیر پروژه باید طرز فکر همه را یکسان کنید و این کار بسیار سختی است.آن ها را در جریان امور قرار دهید .شفاف نقش هر یک از اعضا را در پروژه توضیح دهید.شمایِ کلیِ واضح راهی مطمین برای مشارکت دادن افراد است.روند پروژه را تشریح کنید و انتظارات را شفاف سازید.4. پاسخ گو بودنشما باید به عنوان رهبر الگوی دیگران باشید.رفتاری که از دیگران انتطار دارید از خودتان نشان دهیدسه رفتار اول، احترام گذاشتن، اول گوش دادن و شفاف سازی انتظارات برای پاسخ گو ماندن ضروری است.هر چه بیشتر به افراد احترام بگذارید و به حرف هایشان گوش دهید و انتظارات شفاف تری داشته باشید، اعضای تیم خودشان را بیشتر مسئول و پاسخگو نگه می دارند و اختیار غیر رسمی بیشتری کسب خواهید کرد.مدیران پروژه خوب اشتباهاتشان را می پذیرند برای همین هم هست که به ندرت به مدیر پروژه خوب بر می خورید!رفتار چهارم، پاسخ گو بودن یعنی شفافیت داشتن. شما به عنوان رهبر باید پاسخگوی دیگر افراد باشید.مدیریت فرآیندها: 5 گروه فرآیندی1. آغازتا جای ممکن از ذینفعان ورودی بگیرید تا انتظارات شفاف شود و همه دیدگاه مشترک داشته باشید2. برنامه ریزیبر اساس تحویل دادنی ها، بودجه، جداول زمان بندی و برنامه ی زمان بندی را تعریف کنید3. اجرابا آغاز و برنامه درست، اجرا به خوبی پیش می رود.4. نظارت و کنترلروند پیشرفت را نظارت و کنترل کنید تا مطمین باشید همه چیز طبق انتظارتان پیش می رود. اگر چیزی از مسیر خارج شد رسیدگی کنید. روند پیشرفت را با ذینفعان در میان بگذارید.5. خاتمهبا خاتمه پروژه، نتایج را بررسی کنید و خروجی های مطلوب برنامه ریزی شده را مقایسه کنید. از تیم قدردانی کنید و آموخته ها را مستند کنید.پنچ گروه فرآیندیخاتمه پروژه تضمین کننده ی بهبود مستمر شما و تیمتان است.رفتارهای بنیادی همیشه ساده نیستند.اگر درگیر فرآیندها شوید و رهبری را فراموش کنید ضرر خواهید کرد.فراموش نکنید که: مردم+ فرآیندها= موفقیت

مدیریت پروژه برای غیر مدیر پروژه- فصل اول

Shirin Afshinfar — Wed, 05 Nov 2025 22:59:17 +0330

این کتاب برا آن دسته از ما نوشته شده که از ما خواسته می شود "آن کار را انجام دهیم"...در محیط کار و خانه کارها را شروع می کنیم و دیگران از ما الگو می گیرند. ما به عنوان افرادی شناخته می شویم که خواسته ها را عملی می کنند و صرف نظر از اینکه چه کاری است آن را انجام می دهند.کتاب مدیریت پروژه برای غیر مدیر پروژه ترجمه سید آرمین میر حسینیفصل 1: دنیای جدید مدیریت غیر رسمی پروژهپروژه: کوششی موقتی که با زمان شروع و پایان مشخص که برای خلق محصول، خدمت و یا نتیجه ای منحصر به فرد انجام می شود.اگر بیشتر وقت شما در پروژه ها صرف می شود و تا به حال هیچ گونه آموزش رسمی مدیریت پروژه ندیده اید، شما مدیر غیر رسمی پروژه هستید.همه ما در طول زندگی پروژه های زیادی را به اتمام رسانده ایم ولی لزوما در تمامی این پروژه ما مدیر پروژه نبوده ایم.کتاب مدیریت برای غیر مدیر پروژه بر دو مبنا نوشته شده:1. مدیریت پروژه یک کار قرن بیست و یکمی است، یعنی همه آدم ها مدیر پروژه هستند.2. مدیریت پروژه دیگر فقط مدیریت فرآیند ها نیست بلکه مربوط به رهبری مردم هم می شود. مدیریت پروژه به درک پتانسیل افراد تیم، مشارکت دادن آن ها و سپس الهام بخشیدن به آن ها مربوط می شود تا به بهترین نحو در پروژه فعالیت کنند.چرا پروژه ها شکست می خوردند؟سازمان هایی که در فرآیندهای رسمی مدیریت پروژه کمبود دارند (پی ام آی یه آن ها سازمان هایی با بلوغ مدیریتی کم می گوید) احتمالا نسبت به شرکت هایی که از فرآیند خاصی پیروی می کنند بیشتر در پروژه ها شکست می خورند.شایع ترین دلایل شکست چیست؟ کمبود تعهد، زمان بندی نامعقول، اولویت بندی رقابتی، خروجی ها و انتظارات غیرشفاف، منابع نامعقول، نداشتن شمایِ کلی، برنامه ریزی ضعیف، نداشتن رهبری، کمبود یا سوء مدیریت بودجهالبته از هزینه های مالی مهم تر هم وجود دارد. هزینه ی از دست رفتن فرصت ها! مشتریان ناراضی! از دست دادن نو آوری! و از همه مخرب تر کاهش و از بین رفتن روحیه و مشارکت کارکنان.مردم معمولا در زمان خاتمه ی پروژه های از خود می پرسند آیا واقعا توانسته اند همکاری کنند؟ وقتی که پروژه ای شکست می خورد، مدیران پروژه از جمله مدیران غیر رسمی همه ناشایسته تلقی می شوند.در سازمان هایی با بلوغ مدیریتی کم :فقط 39 درصد پروژه ها تکمیل می شوند.44 درصد طبق بودجه تصویب شده به پایان می رسند.53 درصد به هدف کسب و کار و مقصود اصلی دست پیدا می کنند. حال وقت آن است که از موفقیت درس بگیریم. یک پروژه موفق:به انتظارت و یا فراتر از آن ها می رسد.منابع را بهینه می کند.برای پروژه های بعدی روحیه و اعتماد تیمی ایجاد می کند.مدیریت پروژه، رهبری مردم:در این کتاب مدیر پروژه و رهبر پروژه را معادل هم قرار می دهیم. اگر می خواهید فرد موثری باشید، باید در هر دو خوب باشید. وقتی مسیول پروژه اید: کارها را مدیریت می کنید، تحویل دادنی ها، ضرب الاجل ها، برنامه های زمان بندی، و محدوده پروژه را تعیین می کنید.وقتی مردم را رهبری می کنید: اعضای تیم، مشتریان، مشاوران، حتی بالاسری ها! وظیفه شما در رهبری مردم این است که الهام بخش باشید تا از شما و فرایند مدیریت پروژه مشتاقانه و با رضایت خاطر پیروی کنند.بر اساس پی ام آی "پنج گروه فرآیندی" در پروژه وجود دارد. این ها از لحاظ فنی فاز ها و گام های پروژه نیستند اما خب راحت تر است که آن ها را گام در نظر بگیریم:1. آغاز2. برنامه ریزی3. اجرا4. نظارت و کنترل5. خاتمهمدیریت فرآیندها: پنج گروه فرآیندیتغییر الگوی کلیدی مدیریت قرن بیست و یکمی پروژه، مردم + فرآیند است.در ادامه این فرآیند ها را بیشتر توضیح می دهیم.