ملاحظة: هذه المقالة هي الأولى في سلسلة تسمى "تشريح تطبيقات الذكاء الاصطناعي"، والتي تقدم نموذجًا عقليًا لأنظمة الذكاء الاصطناعي. يعمل النموذج كأداة للمناقشة والتخطيط وتعريف منتجات الذكاء الاصطناعي من خلال فرق الذكاء الاصطناعي والمنتجات متعددة التخصصات، بالإضافة إلى التوافق مع قسم الأعمال. ويهدف إلى الجمع بين وجهات نظر مديري المنتجات ومصممي تجربة المستخدم وعلماء البيانات والمهندسين وأعضاء الفريق الآخرين. في هذه المقالة، سأقدم النموذج العقلي، بينما ستوضح المقالات المستقبلية كيفية تطبيقه على منتجات وميزات محددة للذكاء الاصطناعي.

في كثير من الأحيان، تفترض الشركات أن كل ما تحتاجه لإدراج الذكاء الاصطناعي في عروضها هو توظيف خبراء الذكاء الاصطناعي والسماح لهم بلعب السحر التقني. يقودهم هذا النهج مباشرة إلى مغالطة التكامل: فحتى لو قام هؤلاء الخبراء والمهندسون بإنتاج نماذج وخوارزميات استثنائية، فإن مخرجاتهم غالبًا ما تتعثر على مستوى الملاعب وصناديق الحماية والعروض التوضيحية، ولا تصبح أبدًا أجزاء كاملة من المنتج. على مر السنين، رأيت قدرًا كبيرًا من الإحباط من علماء البيانات والمهندسين الذين لم تجد تطبيقات الذكاء الاصطناعي المتميزة تقنيًا طريقها إلى المنتجات التي يواجهها المستخدم. وبدلاً من ذلك، كان لديهم مكانة مشرفة للتجارب المتطورة التي أعطت أصحاب المصلحة الداخليين انطباعًا بركوب موجة الذكاء الاصطناعي. الآن، مع انتشار الذكاء الاصطناعي في كل مكان منذ نشر ChatGPT في عام 2022، لم تعد الشركات قادرة على تحمل استخدام الذكاء الاصطناعي كميزة "منارة" لإظهار فطنتها التكنولوجية.

لماذا يصعب دمج الذكاء الاصطناعي؟ هناك عدة أسباب:

• في كثير من الأحيان، تركز الفرق على جانب واحد من نظام الذكاء الاصطناعي. وقد أدى هذا إلى ظهور معسكرات منفصلة، ​​مثل الذكاء الاصطناعي المرتكز على البيانات، والمرتكز على النماذج، والمرتكز على الإنسان. وفي حين يقدم كل واحد منهم وجهات نظر مثيرة للبحث، فإن المنتج الواقعي يحتاج إلى الجمع بين البيانات، والنموذج، والتفاعل بين الإنسان والآلة في نظام متماسك.
• إن تطوير الذكاء الاصطناعي هو مشروع تعاوني للغاية. في تطوير البرمجيات التقليدية، أنت تعمل مع انقسام واضح نسبيًا يتكون من مكونات الواجهة الخلفية والواجهة الأمامية. في الذكاء الاصطناعي، لن تحتاج فقط إلى إضافة أدوار ومهارات أكثر تنوعًا إلى فريقك، بل ستحتاج أيضًا إلى ضمان تعاون أوثق بين الأطراف المختلفة. سوف تتفاعل المكونات المختلفة لنظام الذكاء الاصطناعي الخاص بك مع بعضها البعض بطرق حميمة. على سبيل المثال، إذا كنت تعمل على مساعد افتراضي، فسيتعين على مصممي تجربة المستخدم لديك فهم الهندسة السريعة لإنشاء تدفق طبيعي للمستخدم. يجب أن يكون معلقو البيانات لديك على دراية بعلامتك التجارية و"السمات الشخصية" لمساعدك الافتراضي لإنشاء بيانات تدريب متسقة ومتوافقة مع موقعك، ويحتاج مدير المنتج الخاص بك إلى فهم وتدقيق بنية خط أنابيب البيانات لضمان فهو يلبي مخاوف الحوكمة لمستخدميك.
• عند بناء الذكاء الاصطناعي، غالبًا ما تقلل الشركات من أهمية التصميم. بينما يبدأ الذكاء الاصطناعي في الواجهة الخلفية، فإن التصميم الجيد لا غنى عنه لجعله يتألق في الإنتاج. تصميم الذكاء الاصطناعي يدفع حدود تجربة المستخدم التقليدية. الكثير من الوظائف التي تقدمها ليست مرئية في حد ذاتها في الواجهة، ولكنها "مخفية" في النموذج، وتحتاج إلى تثقيف وتوجيه المستخدمين لتحقيق أقصى قدر من هذه الفوائد. علاوة على ذلك، فإن النماذج التأسيسية الحديثة هي أشياء جامحة يمكن أن تنتج مخرجات سامة وخاطئة وضارة، لذلك ستقوم بإعداد حواجز حماية إضافية لتقليل هذه المخاطر. كل هذا قد يتطلب مهارات جديدة في فريقك مثل الهندسة السريعة وتصميم المحادثة. في بعض الأحيان، يعني ذلك أيضًا القيام بأشياء غير بديهية، مثل التقليل من القيمة لإدارة توقعات المستخدمين وإضافة الاحتكاك لمنحهم المزيد من التحكم والشفافية.
• الضجيج حول الذكاء الاصطناعي يخلق الضغط. تضع العديد من الشركات العربة أمام الحصان من خلال القفز إلى تطبيقات لم يتم التحقق من صحتها من قبل احتياجات العملاء والسوق. في بعض الأحيان، يمكن أن يساعدك استخدام الكلمات الطنانة الخاصة بالذكاء الاصطناعي في تسويق نفسك ووضع نفسك كشركة تقدمية ومبتكرة، ولكن على المدى الطويل، ستحتاج إلى دعم ضجيجك وتجريب الفرص الحقيقية. ومن الممكن تحقيق ذلك من خلال التنسيق الوثيق بين قطاع الأعمال والتكنولوجيا، والذي يعتمد على رسم خرائط واضحة للفرص المتاحة في جانب السوق للإمكانات التكنولوجية.

في هذه المقالة، سنقوم ببناء نموذج عقلي لأنظمة الذكاء الاصطناعي يدمج هذه الجوانب المختلفة (راجع الشكل 1). فهو يشجع البناة على التفكير بشكل شمولي، وإنشاء فهم واضح لمنتجهم المستهدف، وتحديثه برؤى ومدخلات جديدة على طول الطريق. يمكن استخدام النموذج كأداة لتسهيل التعاون، ومواءمة وجهات النظر المتنوعة داخل وخارج فريق الذكاء الاصطناعي، وبناء منتجات ناجحة بناءً على رؤية مشتركة. ويمكن تطبيقه ليس فقط على المنتجات الجديدة التي تعتمد على الذكاء الاصطناعي ولكن أيضًا على ميزات الذكاء الاصطناعي المدمجة في المنتجات الحالية.

ستصف الأقسام التالية بإيجاز كل مكون من المكونات، مع التركيز على الأجزاء الخاصة بمنتجات الذكاء الاصطناعي. سنبدأ بمنظور الأعمال - الفرصة في جانب السوق والقيمة - ثم نتعمق في تجربة المستخدم والتكنولوجيا. لتوضيح النموذج، سنستخدم المثال الجاري لمساعد الطيار لإنشاء المحتوى التسويقي.

إذا كان هذا المحتوى التعليمي المتعمق مفيدًا لك ، فيمكنك ذلك اشترك في القائمة البريدية لأبحاث الذكاء الاصطناعي ليتم تنبيهنا عندما نصدر مادة جديدة. 

1. فرصة

مع كل الأشياء الرائعة التي يمكنك القيام بها الآن باستخدام الذكاء الاصطناعي، قد لا يكون لديك صبر حتى تتسخ يديك وتبدأ في البناء. ومع ذلك، لبناء شيء يحتاجه المستخدمون ويحبونه، يجب عليك دعم تطويرك بفرصة في السوق. في العالم المثالي، تصلنا الفرص من العملاء الذين يخبروننا بما يحتاجون إليه أو يريدونه.[1] يمكن أن تكون هذه احتياجات لم تتم تلبيتها، أو نقاط الألم، أو الرغبات. يمكنك البحث عن هذه المعلومات في تعليقات العملاء الحاليين، كما هو الحال في مراجعات المنتجات والملاحظات من فرق المبيعات والنجاح لديك. أيضًا، لا تنس نفسك كمستخدم محتمل لمنتجك - إذا كنت تستهدف مشكلة واجهتها بنفسك، فإن ميزة المعلومات هذه تعد ميزة إضافية. علاوة على ذلك، يمكنك أيضًا إجراء بحث استباقي للعملاء باستخدام أدوات مثل الاستطلاعات والمقابلات.

على سبيل المثال، لا أحتاج إلى النظر بعيدًا لأرى الصعوبات التي يواجهها تسويق المحتوى بالنسبة للشركات الناشئة، ولكن أيضًا للشركات الكبرى. لقد اختبرت ذلك بنفسي - مع تزايد المنافسة، يصبح تطوير القيادة الفكرية من خلال محتوى فردي ومنتظم و(!) عالي الجودة أكثر أهمية للتميز. وفي الوقت نفسه، مع وجود فريق صغير ومشغول، ستكون هناك دائمًا أشياء مطروحة على الطاولة تبدو أكثر أهمية من كتابة منشور المدونة لهذا الأسبوع. كثيرًا ما أقابل أيضًا أشخاصًا في شبكتي يكافحون من أجل إعداد روتين ثابت لتسويق المحتوى. ويمكن التحقق من صحة هذه الملاحظات "المحلية"، التي يحتمل أن تكون متحيزة، من خلال الدراسات الاستقصائية التي تتجاوز شبكة الفرد وتؤكد وجود سوق أوسع للحل.

العالم الحقيقي أكثر غموضًا بعض الشيء، ولن يأتي إليك العملاء دائمًا لتقديم فرص جديدة جيدة الصياغة. بل إذا مددت قرون الاستشعار الخاصة بك، فإن الفرص سوف تصل إليك من اتجاهات عديدة، مثل:

• وضع السوق: يعد الذكاء الاصطناعي أمرًا عصريًا - بالنسبة للشركات القائمة، يمكن استخدامه لتعزيز صورة الشركة باعتبارها شركة مبتكرة وعالية التقنية ومقاومة للمستقبل، وما إلى ذلك. على سبيل المثال، يمكنها رفع وكالة تسويق حالية إلى خدمة مدعومة بالذكاء الاصطناعي و يميزها عن المنافسين. ومع ذلك، لا تستخدم الذكاء الاصطناعي من أجل الذكاء الاصطناعي. يجب تطبيق خدعة تحديد المواقع بحذر وبالاشتراك مع الفرص الأخرى - وإلا فإنك تخاطر بفقدان مصداقيتك.
• المنافسين: عندما يقوم منافسوك بخطوة ما، فمن المحتمل أنهم قد قاموا بالفعل بالبحث الأساسي والتحقق من الصحة. انظر إليهم بعد مرور بعض الوقت – هل كان تطويرهم ناجحًا؟ استخدم هذه المعلومات لتحسين الحل الخاص بك، واعتماد الأجزاء الناجحة، وتصحيح الأخطاء. على سبيل المثال، لنفترض أنك تراقب منافسًا يقدم خدمة لإنشاء محتوى تسويقي آليًا بالكامل. ينقر المستخدمون على "زر أحمر كبير"، ويتقدم الذكاء الاصطناعي للأمام لكتابة المحتوى ونشره. بعد إجراء بعض الأبحاث، علمت أن المستخدمين يترددون في استخدام هذا المنتج لأنهم يريدون الاحتفاظ بمزيد من التحكم في العملية والمساهمة بخبراتهم وشخصيتهم في الكتابة. وفي نهاية المطاف، فإن الكتابة تتعلق أيضًا بالتعبير عن الذات والإبداع الفردي. هذا هو الوقت المناسب لك للمضي قدمًا باستخدام أداة متعددة الاستخدامات توفر وظائف غنية وتكوينًا لتشكيل المحتوى الخاص بك. إنه يعزز كفاءة المستخدمين بينما يسمح لهم "بإدخال" أنفسهم في العملية متى رغبوا في ذلك.
• القوانين: الاتجاهات الكبرى مثل التعطيل التكنولوجي والعولمة تجبر الهيئات التنظيمية على تشديد متطلباتها. تخلق القواعد التنظيمية ضغوطًا، كما أنها تشكل مصدرًا مضادًا للفرص. على سبيل المثال، تخيل أن هناك لائحة تلزم الجميع بالإعلان عن المحتوى الذي ينشئه الذكاء الاصطناعي على هذا النحو. سوف تختفي تلك الشركات التي تستخدم بالفعل أدوات لإنشاء محتوى الذكاء الاصطناعي لإجراء مناقشات داخلية حول ما إذا كانت تريد ذلك. وسوف يمتنع العديد منهم عن ذلك لأنهم يريدون الحفاظ على صورة القيادة الفكرية الحقيقية، بدلاً من إنتاج نموذج واضح يتم إنشاؤه بواسطة الذكاء الاصطناعي. لنفترض أنك كنت ذكيًا واخترت حلاً معززًا يمنح المستخدمين تحكمًا كافيًا حتى يتمكنوا من البقاء "المؤلفين" الرسميين للنصوص. مع طرح القيد الجديد، تصبح محصنًا ويمكنك المضي قدمًا للاستفادة من اللوائح التنظيمية، بينما سيحتاج منافسوك الذين لديهم حلول مؤتمتة بالكامل إلى وقت للتعافي من النكسة.
• التكنولوجيات التمكينية: يمكن للتقنيات الناشئة والقفزات الكبيرة في التقنيات الحالية، مثل موجة الذكاء الاصطناعي التوليدي في الفترة 2022-23، أن تفتح طرقًا جديدة للقيام بالأشياء، أو تدفع التطبيقات الحالية إلى مستوى جديد. لنفترض أنك كنت تدير وكالة تسويق تقليدية خلال العقد الماضي. الآن، يمكنك البدء في إدخال اختراقات وحلول الذكاء الاصطناعي في عملك لزيادة كفاءة موظفيك، وخدمة المزيد من العملاء بالموارد الموجودة، وزيادة أرباحك. أنت تعتمد على خبرتك الحالية وسمعتك وقاعدة عملائك (نأمل أن تكون حسن النية)، لذا فإن إدخال تحسينات الذكاء الاصطناعي يمكن أن يكون أكثر سلاسة وأقل خطورة مما قد يكون عليه الحال بالنسبة للوافد الجديد.

أخيرًا، في عالم المنتجات الحديثة، غالبًا ما تكون الفرص أقل وضوحًا ورسمية ويمكن التحقق من صحتها بشكل مباشر من خلال التجارب، مما يسرع عملية تطويرك. وبالتالي، في النمو الذي يقوده المنتج، يمكن لأعضاء الفريق التوصل إلى فرضياتهم الخاصة دون حجة صارمة تعتمد على البيانات. يمكن صياغة هذه الفرضيات بطريقة مجزأة، مثل تعديل موجه أو تغيير التخطيط المحلي لبعض عناصر تجربة المستخدم، مما يجعلها سهلة التنفيذ والنشر والاختبار. عن طريق إزالة الضغط لتوفير على الأرجح البيانات لكل اقتراح جديد، يعمل هذا النهج على تعزيز حدس وخيال جميع أعضاء الفريق مع فرض التحقق المباشر من صحة الاقتراحات. لنفترض أن إنشاء المحتوى الخاص بك يعمل بسلاسة، ولكنك تسمع المزيد والمزيد من الشكاوى حول النقص العام في شفافية الذكاء الاصطناعي وقابلية الشرح. لقد قررت تنفيذ مستوى شفافية إضافي وإظهار للمستخدمين المستندات المحددة التي تم استخدامها لإنشاء جزء من المحتوى. يقوم فريقك باختبار هذه الميزة مع مجموعة من المستخدمين ويجد أنهم سعداء باستخدامها للرجوع إلى مصادر المعلومات الأصلية. وبالتالي، عليك أن تقرر تثبيته في المنتج الأساسي لزيادة الاستخدام والرضا.

2. القيمة

لفهم قيمة منتج أو ميزة الذكاء الاصطناعي الخاصة بك وتوصيلها، تحتاج أولاً إلى تعيينها لحالة استخدام - وهي مشكلة عمل محددة ستحلها - ومعرفة عائد الاستثمار (ROI). وهذا يفرض عليك تحويل تفكيرك بعيدًا عن التكنولوجيا والتركيز على فوائد الحل من جانب المستخدم. يمكن قياس عائد الاستثمار على أبعاد مختلفة. بالنسبة للذكاء الاصطناعي، بعض منها هي:

• زيادة الكفاءة: يمكن أن يكون الذكاء الاصطناعي بمثابة أداة داعمة لإنتاجية الأفراد والفرق والشركات بأكملها. على سبيل المثال، بالنسبة لإنشاء المحتوى، قد تجد أنه بدلاً من 4 إلى 5 ساعات اللازمة عادةً لكتابة منشور مدونة [2]، يمكنك الآن القيام بذلك خلال ساعة إلى ساعتين، وقضاء الوقت الذي قمت بتوفيره لمهام أخرى. غالبًا ما تسير مكاسب الكفاءة جنبًا إلى جنب مع توفير التكاليف، حيث يتطلب الأمر جهدًا بشريًا أقل لأداء نفس القدر من العمل. وبالتالي، في سياق الأعمال، تعد هذه الميزة جذابة لكل من المستخدمين والقيادة.
• تجربة أكثر تخصيصًا: على سبيل المثال، يمكن لأداة إنشاء المحتوى الخاصة بك أن تطلب من المستخدمين تعيين معلمات شركتهم مثل سمات العلامة التجارية، والمصطلحات، ومزايا المنتج، وما إلى ذلك. بالإضافة إلى ذلك، يمكنها تتبع التعديلات التي أجراها كاتب معين، وتكييف أجياله مع الكتابة الفريدة أسلوب هذا المستخدم مع مرور الوقت.
• المتعة والسرور: هنا، ندخل في الجانب العاطفي لاستخدام المنتج، والذي يطلق عليه أيضًا المستوى "الحشوي" من قبل دون نورمان [3]. توجد فئات كاملة من منتجات المتعة والترفيه في معسكر B2C، مثل الألعاب والواقع المعزز. ماذا عن B2B – ألا تفترض أن منتجات B2B موجودة في فراغ احترافي عقيم؟ في الواقع، يمكن لهذه الفئة أن تولد استجابات عاطفية أقوى من B2C.[4] على سبيل المثال، يمكن النظر إلى الكتابة على أنها فعل مرضي للتعبير عن الذات، أو كصراع داخلي مع حبسة الكاتب وقضايا أخرى. فكر في كيف يمكن لمنتجك أن يعزز المشاعر الإيجابية لمهمة ما مع تخفيف جوانبها المؤلمة أو حتى تحويلها.
• وسائل الراحة: ما الذي يتعين على المستخدم فعله للاستفادة من القوى السحرية للذكاء الاصطناعي؟ تخيل أنك تقوم بدمج مساعد إنشاء المحتوى الخاص بك في أدوات التعاون الشائعة مثل MS Office وGoogle Docs وNotion. سيتمكن المستخدمون من الوصول إلى ذكاء وكفاءة منتجك دون مغادرة "منزلهم" الرقمي. وبالتالي، يمكنك تقليل الجهد الذي يحتاج المستخدمون إلى بذله لتجربة قيمة المنتج والاستمرار في استخدامه، مما يؤدي بدوره إلى تعزيز اكتساب المستخدمين واعتمادهم.

يمكن قياس بعض فوائد الذكاء الاصطناعي - على سبيل المثال الكفاءة - بشكل مباشر لعائد الاستثمار. لتحقيق مكاسب أقل ملموسة مثل الراحة والمتعة، سوف تحتاج إلى التفكير في مقاييس الوكيل مثل رضا المستخدم. ضع في اعتبارك أن التفكير فيما يتعلق بقيمة المستخدم النهائي لن يؤدي فقط إلى سد الفجوة بين المستخدمين ومنتجك. كأثر جانبي مرحب به، يمكن أن يؤدي ذلك إلى تقليل التفاصيل الفنية في اتصالاتك العامة. سيمنعك هذا من دعوة منافسة غير مرغوب فيها عن طريق الخطأ إلى الحفلة.

أخيرًا، أحد الجوانب الأساسية للقيمة التي يجب عليك مراعاتها مبكرًا هو الاستدامة. كيف يؤثر الحل الخاص بك على المجتمع والبيئة؟ في مثالنا، يمكن أن يؤدي إنشاء المحتوى الآلي أو المعزز إلى إزاحة أعباء العمل البشرية واسعة النطاق والقضاء عليها. ربما لا تريد أن تصبح معروفًا بأنك قاتل فئة وظيفية بأكملها - ففي نهاية المطاف، لن يثير هذا أسئلة أخلاقية فحسب، بل سيستدعي أيضًا المقاومة من جانب المستخدمين الذين تهدد وظائفهم. فكر في كيفية معالجة هذه المخاوف. على سبيل المثال، يمكنك تثقيف المستخدمين حول كيفية استخدام وقت فراغهم الجديد بكفاءة لتصميم استراتيجيات تسويق أكثر تطوراً. يمكن أن يوفر ذلك خندقًا يمكن الدفاع عنه حتى في الوقت الذي يلحق فيه المنافسون الآخرون بإنشاء المحتوى الآلي.

3. البيانات

بالنسبة لأي نوع من الذكاء الاصطناعي والتعلم الآلي، تحتاج إلى جمع بياناتك وإعدادها بحيث تعكس مدخلات الحياة الواقعية وتوفر إشارات تعليمية كافية لنموذجك. في الوقت الحاضر، نرى اتجاهًا نحو الذكاء الاصطناعي المرتكز على البيانات - وهي فلسفة الذكاء الاصطناعي التي تبتعد عن التغيير والتبديل الذي لا نهاية له للنماذج وتحسينها، وتركز على إصلاح المشكلات العديدة في البيانات التي يتم تغذيتها في هذه النماذج. عندما تبدأ، هناك طرق مختلفة للحصول على مجموعة بيانات مناسبة:

• اطلع على  استخدام مجموعة بيانات موجودة. يمكن أن يكون هذا إما مجموعة بيانات قياسية للتعلم الآلي أو مجموعة بيانات ذات غرض أولي مختلف يمكنك تكييفه لمهمتك. هناك بعض كلاسيكيات مجموعات البيانات، مثل مجموعة بيانات مراجعات الأفلام IMDB لتحليل المشاعر و مجموعة بيانات MNIST للتعرف على الحروف المكتوبة بخط اليد. هناك بدائل أكثر غرابة وإثارة، مثل صيد الأسماك غير المشروعة و  تحديد سلالة الكلابوعدد لا يحصى من مجموعات البيانات التي ينظمها المستخدمون في مراكز البيانات مثل Kaggle. إن فرص العثور على مجموعة بيانات مصممة لمهمتك المحددة وتلبي متطلباتك تمامًا منخفضة نوعًا ما، وفي معظم الحالات، ستحتاج أيضًا إلى استخدام طرق أخرى لإثراء بياناتك.
• اطلع على  التعليق التوضيحي أو إنشاء البيانات يدويا لإنشاء إشارات التعلم الصحيحة. كان التعليق التوضيحي للبيانات يدويًا - على سبيل المثال، التعليق التوضيحي للنصوص مع درجات المشاعر - هو الطريقة المتبعة في الأيام الأولى للتعلم الآلي. وقد استعاد الاهتمام مؤخرًا باعتباره المكون الرئيسي في صلصة ChatGPT السرية. تم بذل جهد يدوي ضخم في إنشاء وتصنيف استجابات النموذج لتعكس التفضيلات البشرية. وتسمى هذه التقنية أيضًا التعلم المعزز من ردود الفعل البشرية (RLHF). إذا كانت لديك الموارد اللازمة، فيمكنك استخدامها لإنشاء بيانات عالية الجودة لمهام أكثر تحديدًا، مثل إنشاء محتوى تسويقي. يمكن إجراء التعليقات التوضيحية إما داخليًا أو باستخدام موفر خارجي أو خدمة التعهيد الجماعي مثل Amazon Mechanical Turk. على أية حال، لن ترغب معظم الشركات في إنفاق الموارد الضخمة المطلوبة للإنشاء اليدوي لبيانات RLHF وستأخذ في الاعتبار بعض الحيل لأتمتة عملية إنشاء بياناتها.
• لذلك، يمكنك إضافة المزيد من الأمثلة إلى مجموعة بيانات موجودة باستخدام زيادة البيانات. بالنسبة للمهام الأبسط مثل تحليل المشاعر، يمكنك إدخال بعض الضوضاء الإضافية في النصوص، وتبديل بضع كلمات، وما إلى ذلك. بالنسبة لمهام التوليد الأكثر انفتاحًا، يوجد حاليًا الكثير من الحماس حول استخدام النماذج الكبيرة (مثل النماذج التأسيسية) للمهام الآلية توليد بيانات التدريب. بمجرد تحديد أفضل طريقة لزيادة بياناتك، يمكنك بسهولة توسيع نطاقها للوصول إلى حجم مجموعة البيانات المطلوبة.

عند إنشاء بياناتك، فإنك تواجه مفاضلة بين الجودة والكمية. يمكنك إضافة تعليقات توضيحية يدويًا لبيانات أقل بجودة عالية، أو إنفاق ميزانيتك على تطوير الاختراقات والحيل لزيادة البيانات تلقائيًا والتي ستؤدي إلى حدوث ضوضاء إضافية. إذا اخترت التعليق التوضيحي اليدوي، فيمكنك القيام بذلك داخليًا وتشكيل ثقافة التفاصيل والجودة، أو الاستعانة بمصادر خارجية للعمل لأشخاص مجهولين. عادةً ما تكون جودة التعهيد الجماعي أقل، لذا قد تحتاج إلى إضافة المزيد من التعليقات التوضيحية للتعويض عن التشويش. كيف تجد التوازن المثالي؟ لا توجد وصفات جاهزة هنا - في النهاية، ستجد التركيبة المثالية لبياناتك من خلال التنقل المستمر بين التدريب وتحسين بياناتك. بشكل عام، عند التدريب المسبق للنموذج، فإنه يحتاج إلى اكتساب المعرفة من الصفر، وهو ما يمكن أن يحدث فقط مع كمية أكبر من البيانات. من ناحية أخرى، إذا كنت ترغب في الضبط الدقيق وإضفاء اللمسات الأخيرة من التخصص على نموذج كبير موجود، فقد تفضل الجودة على الكمية. قد يكون التعليق التوضيحي اليدوي المتحكم فيه لمجموعة بيانات صغيرة باستخدام إرشادات مفصلة هو الحل الأمثل في هذه الحالة.

4. خوارزمية

البيانات هي المادة الخام التي سيتعلم منها نموذجك، ونأمل أن تتمكن من تجميع مجموعة بيانات تمثيلية وعالية الجودة. الآن، القوة العظمى الفعلية لنظام الذكاء الاصطناعي الخاص بك - قدرته على التعلم من البيانات الموجودة والتعميم على البيانات الجديدة - تكمن في الخوارزمية. فيما يتعلق بنماذج الذكاء الاصطناعي الأساسية، هناك ثلاثة خيارات رئيسية يمكنك استخدامها:

• يدفع نموذجا موجودا. تتوفر نماذج LLM المتقدمة (نماذج اللغات الكبيرة) من عائلة GPT، مثل ChatGPT وGPT-4، وكذلك من موفري خدمات آخرين مثل Anthropic وAI21 Labs للاستدلال عبر واجهة برمجة التطبيقات (API). من خلال المطالبة، يمكنك التحدث مباشرة إلى هذه النماذج، بما في ذلك في المطالبة جميع المعلومات الخاصة بالمجال والمهمة المطلوبة للمهمة. يمكن أن يتضمن ذلك محتوى محددًا سيتم استخدامه، وأمثلة لمهام مماثلة (مطالبة بعدد قليل من اللقطات)، بالإضافة إلى تعليمات للنموذج الذي يجب اتباعه. على سبيل المثال، إذا أراد المستخدم إنشاء مشاركة مدونة حول ميزة منتج جديد، فقد تطلب منه تقديم بعض المعلومات الأساسية حول الميزة، مثل فوائدها وحالات الاستخدام، وكيفية استخدامها، وتاريخ الإطلاق، وما إلى ذلك. يقوم منتجك بعد ذلك بملء هذه المعلومات في قالب موجه مصمم بعناية ويطلب من LLM إنشاء النص. تعد المطالبة أمرًا رائعًا للبدء في النماذج المدربة مسبقًا. ومع ذلك، فإن الخندق الذي يمكنك تشييده من خلال التحفيز سوف يضعف بسرعة بمرور الوقت - على المدى المتوسط، تحتاج إلى استراتيجية نموذجية أكثر قابلية للدفاع للحفاظ على ميزتك التنافسية.
• ضبط نموذج تم تدريبه مسبقًا. وقد أدى هذا النهج إلى جعل الذكاء الاصطناعي يحظى بشعبية كبيرة في السنوات الماضية. مع توفر المزيد والمزيد من النماذج المدربة مسبقًا وتقديم بوابات مثل Huggingface لمستودعات النماذج بالإضافة إلى التعليمات البرمجية القياسية للعمل مع النماذج، أصبح الضبط الدقيق هو الأسلوب الأمثل لمحاولة التنفيذ. عندما تعمل مع نموذج تم تدريبه مسبقًا، يمكنك الاستفادة من الاستثمار الذي قام به شخص ما بالفعل في البيانات والتدريب وتقييم النموذج، الذي "يعرف" بالفعل الكثير من الأشياء حول اللغة والعالم. كل ما عليك فعله هو ضبط النموذج باستخدام مجموعة بيانات خاصة بالمهمة، والتي يمكن أن تكون أصغر بكثير من مجموعة البيانات المستخدمة في الأصل للتدريب المسبق. على سبيل المثال، لإنشاء محتوى تسويقي، يمكنك جمع مجموعة من منشورات المدونة التي حققت أداءً جيدًا من حيث المشاركة، وإجراء هندسة عكسية للتعليمات الخاصة بها. من هذه البيانات، سيتعرف نموذجك على بنية المقالات الناجحة وتدفقها وأسلوبها. الضبط الدقيق هو الطريق الذي يجب اتباعه عند استخدام النماذج مفتوحة المصدر، ولكن موفري LLM API مثل OpenAI وCohere يقدمون أيضًا بشكل متزايد وظائف الضبط الدقيق. خاصة بالنسبة للمسار مفتوح المصدر، ستظل بحاجة إلى مراعاة مشكلات اختيار النموذج، والتكلفة العامة للتدريب ونشر نماذج أكبر، والجداول الزمنية للصيانة والتحديث لنموذجك.
• تدريب نموذج ML الخاص بك من الصفر. بشكل عام، يعمل هذا النهج بشكل جيد مع المشكلات الأبسط، ولكنها محددة للغاية والتي لديك معرفة محددة أو مجموعات بيانات مناسبة لها. لا يندرج إنشاء المحتوى ضمن هذه الفئة تمامًا، فهو يتطلب قدرات لغوية متقدمة لتنطلق، ولا يمكن اكتسابها إلا بعد التدريب على كميات كبيرة جدًا من البيانات. غالبًا ما يمكن حل المشكلات الأبسط مثل تحليل المشاعر لنوع معين من النص باستخدام أساليب التعلم الآلي الراسخة مثل الانحدار اللوجستي، والتي تكون أقل تكلفة من الناحية الحسابية من أساليب التعلم العميق الفاخرة. بالطبع، هناك أيضًا حل وسط للمشاكل المعقدة إلى حد معقول مثل استخراج المفاهيم لمجالات محددة، والتي قد تفكر في تدريب شبكة عصبية عميقة من الصفر عليها.

إلى جانب التدريب، يعد التقييم ذا أهمية أساسية للاستخدام الناجح للتعلم الآلي. إن مقاييس وأساليب التقييم المناسبة ليست مهمة فقط للإطلاق الواثق لميزات الذكاء الاصطناعي لديك، ولكنها ستكون أيضًا بمثابة هدف واضح لمزيد من التحسين وكأرضية مشتركة للمناقشات والقرارات الداخلية. على الرغم من أن المقاييس الفنية مثل الدقة والاستدعاء والدقة يمكن أن توفر نقطة انطلاق جيدة، إلا أنك ستحتاج في النهاية إلى البحث عن المقاييس التي تعكس القيمة الواقعية التي يقدمها الذكاء الاصطناعي الخاص بك للمستخدمين.

5. تجربة المستخدم

تعد تجربة المستخدم لمنتجات الذكاء الاصطناعي موضوعًا آسرًا - ففي نهاية المطاف، لدى المستخدمين آمال كبيرة ولكنهم أيضًا يخشون "الشراكة" مع الذكاء الاصطناعي الذي يمكن أن يشحن ذكائهم بشكل فائق وربما يتفوق عليهم. يتطلب تصميم هذه الشراكة بين الإنسان والذكاء الاصطناعي عملية اكتشاف وتصميم مدروسة ومعقولة. أحد الاعتبارات الرئيسية هو درجة الأتمتة التي تريد منحها لمنتجك - وتذكر أن الأتمتة الكاملة ليست دائمًا الحل الأمثل. ويوضح الشكل التالي استمرارية الأتمتة:

فلننظر إلى كل مستوى من هذه المستويات:

• في المرحلة الأولى، يقوم البشر بكل العمل، ولا يتم إجراء أي أتمتة. على الرغم من الضجيج المحيط بالذكاء الاصطناعي، فإن معظم المهام التي تتطلب معرفة مكثفة في الشركات الحديثة لا تزال تُنفَّذ على هذا المستوى، مما يوفر فرصًا هائلة للأتمتة. على سبيل المثال، كاتب المحتوى الذي يقاوم الأدوات التي تعتمد على الذكاء الاصطناعي والمقتنع بأن الكتابة هي حرفة يدوية للغاية وذات خصوصية يعمل هنا.
• في المرحلة الثانية من الذكاء الاصطناعي المساعد، يتمتع المستخدمون بالتحكم الكامل في تنفيذ المهام والقيام بجزء كبير من العمل يدويًا، لكن أدوات الذكاء الاصطناعي تساعدهم على توفير الوقت وتعويض نقاط الضعف لديهم. على سبيل المثال، عند كتابة منشور مدونة بموعد نهائي ضيق، يمكن أن يصبح التدقيق اللغوي النهائي باستخدام Grammarly أو أداة مشابهة بمثابة توفير للوقت مرحب به. يمكنه التخلص من المراجعة اليدوية، التي تتطلب الكثير من وقتك واهتمامك الضئيل وقد تتركك مع الأخطاء والإغفالات - ففي نهاية المطاف، الخطأ هو أمر بشري.
• ومع الذكاء المعزز، يعد الذكاء الاصطناعي شريكًا يعزز ذكاء الإنسان، وبالتالي الاستفادة من نقاط القوة في كلا العالمين. بالمقارنة مع الذكاء الاصطناعي المدعوم، فإن الآلة لديها الكثير لتقوله في عمليتك وتغطي مجموعة أكبر من المسؤوليات، مثل التفكير وإنشاء المسودات وتحريرها، والفحص اللغوي النهائي. لا يزال المستخدمون بحاجة إلى المشاركة في العمل واتخاذ القرارات وتنفيذ أجزاء من المهمة. يجب أن تشير واجهة المستخدم بوضوح إلى توزيع العمالة بين الإنسان والذكاء الاصطناعي، وتسلط الضوء على احتمالات الخطأ، وتوفر الشفافية في الخطوات التي تنفذها. باختصار، التجربة "المعززة" ترشد المستخدمين إلى النتيجة المرجوة من خلال التكرار والتحسين.
• وأخيرًا، لدينا أتمتة كاملة - وهي فكرة مثيرة للاهتمام لمهوسي الذكاء الاصطناعي والفلاسفة والنقاد، ولكنها في كثير من الأحيان لا تكون الخيار الأمثل لمنتجات الحياة الواقعية. تعني الأتمتة الكاملة أنك تقدم "زرًا أحمر كبيرًا" واحدًا لبدء العملية. بمجرد الانتهاء من الذكاء الاصطناعي، يواجه المستخدمون النتيجة النهائية ويأخذونها أو يتركونها. أي شيء حدث بينهما لا يمكنهم السيطرة عليه. كما يمكنك أن تتخيل، خيارات تجربة المستخدم هنا محدودة نوعًا ما نظرًا لعدم وجود أي تفاعل تقريبًا. يقع الجزء الأكبر من مسؤولية النجاح على عاتق زملائك الفنيين، الذين يحتاجون إلى ضمان جودة عالية بشكل استثنائي للمخرجات.

تحتاج منتجات الذكاء الاصطناعي إلى معاملة خاصة عندما يتعلق الأمر بالتصميم. تعتبر الواجهات الرسومية القياسية حتمية وتسمح لك بالتنبؤ بجميع المسارات المحتملة التي قد يسلكها المستخدم. على النقيض من ذلك، تعتبر نماذج الذكاء الاصطناعي الكبيرة احتمالية وغير مؤكدة، فهي تكشف عن مجموعة من القدرات المذهلة ولكنها تكشف أيضًا عن مخاطر مثل النتائج السامة والخاطئة والضارة. من الخارج، قد تبدو واجهة الذكاء الاصطناعي الخاصة بك بسيطة لأن الكثير من إمكانيات منتجك موجودة مباشرة في النموذج. على سبيل المثال، يمكن لـ LLM تفسير المطالبات، وإنتاج النص، والبحث عن المعلومات، وتلخيصها، واعتماد أسلوب ومصطلحات معينة، وتنفيذ التعليمات، وما إلى ذلك. حتى لو كانت واجهة المستخدم الخاصة بك عبارة عن دردشة بسيطة أو واجهة مطالبة، فلا تترك هذه الإمكانية غير مرئية - لكي تقود المستخدمين إلى النجاح، عليك أن تكون واضحًا وواقعيًا. اجعل المستخدمين على دراية بإمكانيات وقيود نماذج الذكاء الاصطناعي الخاصة بك، واسمح لهم باكتشاف الأخطاء التي يرتكبها الذكاء الاصطناعي وإصلاحها بسهولة، وعلمهم طرقًا لتكرار أنفسهم للوصول إلى المخرجات المثلى. من خلال التركيز على الثقة والشفافية وتعليم المستخدم، يمكنك جعل المستخدمين يتعاونون مع الذكاء الاصطناعي. على الرغم من أن التعمق في مجال تصميم الذكاء الاصطناعي الناشئ خارج نطاق هذه المقالة، إلا أنني أشجعك بشدة على البحث عن الإلهام ليس فقط من شركات الذكاء الاصطناعي الأخرى ولكن أيضًا من مجالات التصميم الأخرى مثل التفاعل بين الإنسان والآلة. ستحدد قريبًا مجموعة من أنماط التصميم المتكررة، مثل الإكمال التلقائي والاقتراحات السريعة وإشعارات الذكاء الاصطناعي، والتي يمكنك دمجها في الواجهة الخاصة بك لتحقيق أقصى استفادة من بياناتك ونماذجك.

علاوة على ذلك، لتقديم تصميم رائع حقًا، قد تحتاج إلى إضافة مهارات تصميم جديدة إلى فريقك. على سبيل المثال، إذا كنت تقوم بإنشاء تطبيق دردشة لتحسين المحتوى التسويقي، فستعمل مع مصمم محادثة يعتني بتدفقات المحادثة و"شخصية" برنامج الدردشة الآلي الخاص بك. إذا كنت تقوم بإنشاء منتج مُعزز وغني يحتاج إلى تثقيف المستخدمين وتوجيههم بشكل شامل من خلال الخيارات المتاحة، فيمكن لمصمم المحتوى مساعدتك في بناء النوع المناسب من بنية المعلومات، وإضافة المقدار المناسب من التنبيه والمطالبة لمستخدميك.

وأخيرًا، كن منفتحًا على المفاجآت. يمكن لتصميم الذكاء الاصطناعي أن يجعلك تعيد التفكير في مفاهيمك الأصلية حول تجربة المستخدم. على سبيل المثال، تم تدريب العديد من مصممي تجربة المستخدم ومديري المنتجات لتقليل زمن الوصول والاحتكاك من أجل تسهيل تجربة المستخدم. حسنًا، في منتجات الذكاء الاصطناعي، يمكنك إيقاف هذه المعركة مؤقتًا واستخدام كليهما لصالحك. تعد أوقات الاستجابة وأوقات الانتظار رائعة لتثقيف المستخدمين، على سبيل المثال من خلال شرح ما يفعله الذكاء الاصطناعي حاليًا والإشارة إلى الخطوات التالية المحتملة من جانبهم. يمكن أن تؤدي الفواصل، مثل الحوار والنوافذ المنبثقة للإشعارات، إلى حدوث احتكاك لتعزيز الشراكة بين الإنسان والذكاء الاصطناعي وزيادة الشفافية والتحكم للمستخدمين.

6. المتطلبات غير الوظيفية

بالإضافة إلى البيانات والخوارزمية وتجربة المستخدم التي تمكنك من تنفيذ وظيفة محددة، فإن ما يسمى بالمتطلبات غير الوظيفية (NFRs) مثل الدقة وزمن الوصول وقابلية التوسع والموثوقية وإدارة البيانات يضمن حصول المستخدم بالفعل على القيمة المتوخاة. يأتي مفهوم NFRs من تطوير البرمجيات ولكن لم يتم أخذه في الاعتبار بشكل منهجي في مجال الذكاء الاصطناعي. في كثير من الأحيان، يتم اختيار هذه المتطلبات بطريقة مخصصة عند ظهورها أثناء بحث المستخدم والتفكير والتطوير وتشغيل قدرات الذكاء الاصطناعي.

يجب أن تحاول فهم وتعريف NFRs الخاصة بك في أقرب وقت ممكن نظرًا لأن NFRs المختلفة ستظهر في نقاط مختلفة من رحلتك. على سبيل المثال، يجب مراعاة الخصوصية بدءًا من الخطوة الأولى لاختيار البيانات. تعد الدقة أكثر حساسية في مرحلة الإنتاج عندما يبدأ المستخدمون في استخدام نظامك عبر الإنترنت، مما قد يؤدي إلى إغراقه بمدخلات غير متوقعة. تعد قابلية التوسع أحد الاعتبارات الإستراتيجية التي يتم تفعيلها عندما يقوم عملك بتوسيع عدد المستخدمين و/أو الطلبات أو نطاق الوظائف المقدمة.

عندما يتعلق الأمر بالـ NFRs، لا يمكنك الحصول عليها جميعًا. فيما يلي بعض المفاضلات النموذجية التي ستحتاج إلى تحقيق التوازن فيها:

• إحدى الطرق الأولى لزيادة الدقة هي استخدام نموذج أكبر، مما سيؤثر على زمن الاستجابة.
• يمكن أن يكون استخدام بيانات الإنتاج "كما هي" لمزيد من التحسين هو الأفضل للتعلم، ولكنه قد ينتهك قواعد الخصوصية وإخفاء الهوية الخاصة بك.
• النماذج الأكثر قابلية للتطوير هي النماذج العامة، مما يؤثر على دقتها في المهام الخاصة بالشركة أو المستخدم.

ستعتمد كيفية تحديد أولويات المتطلبات المختلفة على الموارد الحسابية المتاحة، ومفهوم تجربة المستخدم لديك بما في ذلك درجة الأتمتة، وتأثير القرارات التي يدعمها الذكاء الاصطناعي.

الوجبات الرئيسية

1. ابدأ بالنهاية في الاعتبار: لا تفترض أن التكنولوجيا وحدها سوف تقوم بهذه المهمة؛ أنت بحاجة إلى خريطة طريق واضحة لدمج الذكاء الاصطناعي الخاص بك في المنتج الذي يواجه المستخدم وتثقيف المستخدمين حول فوائده ومخاطره وقيوده.
2. محاذاة السوق: إعطاء الأولوية لفرص السوق واحتياجات العملاء لتوجيه تطوير الذكاء الاصطناعي. لا تتعجل في تنفيذ تطبيقات الذكاء الاصطناعي بسبب الضجيج وبدون التحقق من جانب السوق.
3. قيمة المستخدم: تحديد قيمة منتجات الذكاء الاصطناعي وقياسها وإبلاغها من حيث الكفاءة والتخصيص والراحة والأبعاد الأخرى للقيمة.
4. جودة البيانات: التركيز على جودة البيانات وأهميتها لتدريب نماذج الذكاء الاصطناعي بشكل فعال. حاول استخدام بيانات صغيرة وعالية الجودة للضبط الدقيق، ومجموعات بيانات أكبر للتدريب من البداية.
5. اختيار الخوارزمية/النموذج: اختر المستوى المناسب من التعقيد وقابلية الدفاع (المطالبة والضبط والتدريب من الصفر) لحالة الاستخدام الخاصة بك وقم بتقييم أدائها بعناية. بمرور الوقت، ومع اكتسابك للخبرة والثقة اللازمتين في منتجك، قد ترغب في التحول إلى استراتيجيات نموذجية أكثر تقدمًا.
6. تصميم يركز على المستخدم: تصميم منتجات الذكاء الاصطناعي مع وضع احتياجات المستخدم وعواطفه في الاعتبار، مع الموازنة بين الأتمتة والتحكم في المستخدم. ضع في اعتبارك "عدم القدرة على التنبؤ" بنماذج الذكاء الاصطناعي الاحتمالية، وقم بتوجيه المستخدمين للعمل معها والاستفادة منها.
7. التصميم التعاوني: من خلال التركيز على الثقة والشفافية وتعليم المستخدم، يمكنك جعل المستخدمين يتعاونون مع الذكاء الاصطناعي.
8. متطلبات غير مجدية: ضع في اعتبارك عوامل مثل الدقة وزمن الوصول وقابلية التوسع والموثوقية خلال عملية التطوير، وحاول تقييم المفاضلات بين هذه العوامل في وقت مبكر.
9. التعاون:: تعزيز التعاون الوثيق بين خبراء الذكاء الاصطناعي والمصممين ومديري المنتجات وأعضاء الفريق الآخرين للاستفادة من الذكاء متعدد التخصصات ودمج الذكاء الاصطناعي الخاص بك بنجاح.

مراجع حسابات

[1] تيريزا توريس (2021). عادات الاكتشاف المستمر: اكتشف المنتجات التي تخلق قيمة للعملاء وقيمة الأعمال.

[2] أوربت ميديا ​​(2022). إحصائيات التدوين الجديدة: ما هي استراتيجيات المحتوى الناجحة في عام 2022؟ لقد سألنا 1016 مدونًا.

[3] دون نورمان (2013). تصميم الأمور اليومية.

[4] جوجل، جارتنر وموتيستا (2013). من الترويج إلى العاطفة: ربط عملاء B2B بالعلامات التجارية.

ملاحظة: جميع الصور من قبل المؤلف.

تم نشر هذه المقالة في الأصل نحو علم البيانات وإعادة النشر إلى TOPBOTS بإذن من المؤلف.

هل تستمتع بهذه المقالة؟ قم بالتسجيل للحصول على المزيد من تحديثات أبحاث الذكاء الاصطناعي.

سنخبرك عندما نصدر المزيد من المقالات الموجزة مثل هذه.

مقالات ذات صلة

• محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
• PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
• أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
• أفلاطون السيارات / المركبات الكهربائية ، كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
• أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
• تشارت بريم. ارفع مستوى لعبة التداول الخاصة بك مع ChartPrime. الوصول هنا.
• BlockOffsets. تحديث ملكية الأوفست البيئية. الوصول هنا.
• المصدر https://www.topbots.com/building-ai-products-with-a-holistic-mental-model/