كلما استخدمت الذكاء الاصطناعي أكثر، زادت قناعتي بسؤال محوري: كم من المعلومات عن "أنا" يحتاجها؟
في العديد من الأحيان، ليس لأننا لا نرغب في استخدام الذكاء الاصطناعي، بل لأننا نقوم بشكل غير واعي بتغيير بعض الكلمات، وإخفاء بعض التقييمات، وحذف بعض الخلفيات الحقيقية قبل الإدخال. لأن تلك المحتويات قد تتعلق بتفضيلات التداول، استراتيجيات الحساب، فهم المشاريع، وأحيانًا خطط لم تُعلن بعد.
وهذا هو المكان الذي شعرت فيه بوضوح عند التعامل مع @OpenGradient وOpenGradient Chat. فالموضوع لا يقتصر فقط على قدرة النموذج على الإجابة، بل يتعدى ذلك إلى دفع حدود البيانات التي تدخل النموذج للأمام. يتم معالجة الإدخالات من قبل المستخدم محليًا، حيث تُفصل المعلومات الشخصية عن المحتوى، وما يحتاج النموذج لفهمه هو المعنى، وليس بالضرورة الربط بشخص محدد.
مدى نجاح هذا النوع من التصميم يعتمد على الاستخدام الحقيقي. لكن على الأقل، خلال دراستي لـ $OPG ، أصبحت مقتنعًا أكثر بأن المنافسة المستقبلية في الذكاء الاصطناعي لن تكون فقط في فهم المستخدمين بشكل أفضل، بل أيضًا في فهم الحدود بشكل أعمق.
الذكاء الاصطناعي الجيد لا يجب أن يعرف كل شيء، بل يجب أن يعرف ما الذي ليس عليه أن يعرفه.
#OPG
في العديد من الأحيان، ليس لأننا لا نرغب في استخدام الذكاء الاصطناعي، بل لأننا نقوم بشكل غير واعي بتغيير بعض الكلمات، وإخفاء بعض التقييمات، وحذف بعض الخلفيات الحقيقية قبل الإدخال. لأن تلك المحتويات قد تتعلق بتفضيلات التداول، استراتيجيات الحساب، فهم المشاريع، وأحيانًا خطط لم تُعلن بعد.
وهذا هو المكان الذي شعرت فيه بوضوح عند التعامل مع @OpenGradient وOpenGradient Chat. فالموضوع لا يقتصر فقط على قدرة النموذج على الإجابة، بل يتعدى ذلك إلى دفع حدود البيانات التي تدخل النموذج للأمام. يتم معالجة الإدخالات من قبل المستخدم محليًا، حيث تُفصل المعلومات الشخصية عن المحتوى، وما يحتاج النموذج لفهمه هو المعنى، وليس بالضرورة الربط بشخص محدد.
مدى نجاح هذا النوع من التصميم يعتمد على الاستخدام الحقيقي. لكن على الأقل، خلال دراستي لـ $OPG ، أصبحت مقتنعًا أكثر بأن المنافسة المستقبلية في الذكاء الاصطناعي لن تكون فقط في فهم المستخدمين بشكل أفضل، بل أيضًا في فهم الحدود بشكل أعمق.
الذكاء الاصطناعي الجيد لا يجب أن يعرف كل شيء، بل يجب أن يعرف ما الذي ليس عليه أن يعرفه.
#OPG