وضعیت هوش مصنوعی در شرکت‌های فناوری و روندهای آینده

به گزارش روابط عمومی پژوهشگاه فرهنگ و اندیشه اسلامی پنجمین جلسه از کارگاه “دانش‌افزایی هوش مصنوعی” با عنوان “وضعیت هوش مصنوعی در شرکت‌های فناوری و روندهای آینده” توسط هسته‌های حکمرانی فضای مجازی و حکمرانی و هوش مصنوعی مرکز رشد و خانه خلاق و نوآوری پژوهشگاه به صورت مجازی برگزار شد.
با توجه به تحولات شگرفی که توسط هوش مصنوعی در حوزه‌های مختلف به‌وجود آمده است، هسته‌های حکمرانی فضای مجازی و حکمرانی و هوش مصنوعی مرکز رشد و خانه خلاق و نوآوری پژوهشگاه فرهنگ و اندیشه اسلامی نشست‌هایی را تحت عنوان کارگاه دانش‌افزایی هوش مصنوعی برگزار می‌نمایند. پنجمین جلسه از این کارگاه علمی- آموزشی که حول موضوع فناوری هوش مصنوعی بود، در تاریخ دوشنبه ۱۷ مهرماه سال جاری با ارائه محمدرضا خلیلی شجاع دکتری مهندسی کامپیوتر دانشگاه ایالتی آیووا آمریکا و پژوهشگر ارشد هوش مصنوعی مایکروسافت، با عنوان «وضعیت هوش مصنوعی در شرکت‌های فناوری و روندهای آینده» و با حمایت مرکز تعاملات بین‌المللی علم و فناوری معاونت علمی، فناوری و اقتصاد دانش‌بنیان ریاست جمهوری و برگزار شد.
خلیلی شجاع مباحث خود را با تشریح مسئله تشخیص هرزنامه آغاز کرد، که یکی از برنامه‌های کاربردی پردازش زبان طبیعی (NLP) می‌باشد. او ابتدا الگوریتم‌های سنتی مانند TF-IDF را معرفی کرد و توضیح داد که چگونه این الگوریتم‌ها در حل مسائل ابتدایی NLP مورد استفاده قرار می‌گیرند. با این حال، به دلیل محدودیت‌هایی مثل نادیده گرفتن ترتیب کلمات نیاز به روش‌های پیشرفته‌تر احساس شد. این نیاز منجر به توسعه و معرفی مدل‌هایی مثل  LSTMs  شد که توانایی درک ترتیب و ساختار داده‌ها را داشتند. خلیلی شجاع سپس به توضیح فرایند گذر از LSTMs به معماری‌های ترنسفورمر پرداخت و توضیح داد که چگونه این تحول، پایه و اساس ساختار الگوریتم‌هایی مثل Chat GPT را فراهم آورده است.
پژوهشگر ارشد مایکروسافت بعد از توضیح معماری ترنسفورمر، به برخی از کاربردهای برجسته Chat GPT پرداخت و اشاره کرد به‌این‌که این تکنولوژی‌ها چقدر توانسته‌اند موضوعات مختلفی از جمله خلاصه‌سازی متن، کدنویسی و تحلیل نظرات کاربران را تحت تأثیر قرار دهند. او همچنین به میزان سرمایه‌گذاری مایکروسافت در Open AI و اهمیت هوش مصنوعی مولد (Generative AI) به نقل از بیل گیتس اشاره کرد و مطالبی را در مورد هزینه‌های توسعه و اجرای مدل‌های بزرگ مثل Chat GPT ارائه داد.
متخصص برنامه‌نویسی هوش مصنوعی در ادامه بحث خود به توضیح فرآیند تنظیم مجدد (fine-tuning) مدل‌های متن باز موجود مانند Falcon و Llama2  پرداخت و بیان کرد که چگونه این فرآیند می‌تواند مدل‌ها را برای کاربردهای تخصصی ما سفارشی کند. وی تاکید کرد که با استفاده از داده‌های دقیق و تمیز، می‌توان عملکرد مدل‌ها را بهبود بخشید و این مدل‌ها را برای حل چالش‌های خاص آماده کرد.
خلیلی شجاع درنهایت همچنین به معرفی تکنیک Q-LORA پرداخت و توضیح داد که چگونه این روش بهینه‌سازی، فرآیند تنظیم مجدد مدل‌ها را با استفاده از منابع محدودتر ساده و کارآمد می‌کند.
این جلسه با حضور ۶۰ نفر از علاقمندان و کارشناسان حوزه هوش مصنوعی در مدت دو ساعت برگزار شد و درانتها با پرسش حاضران و پاسخ‌ها و راهنمایی‌های ارائه‌دهنده به پایان رسید.