به گزارش گروه فرهنگی ایرنا از روزنامه نشنال، کمپانی فیسبوک هفته گذشته در یک جلسه درون سازمانی دستیار جدید مبتنی بر هوش مصنوعی خود را معرفی کرد که قادر است هر مقاله و نوشتاری را در قالب رئوس مطالب خلاصه کند.
این سرویس هوشمند TL;DR (کوتاه شده عبارت Too Long; Didn’t Read یا خیلی طولانی بود، نخواندمش) نام دارد و مخاطب را از خواندن متون بلند برای رسیدن به اصل مطلب، بینیاز میکند. وجود چنین سرویسی با توجه به تسریع پدیده سرریز اطلاعات، در دنیای امروز ضروری تلقی میشود. پژوهشگران صدها سال است که از حجم بالای اطلاعات شکایت دارند اما بشر هیچگاه به اندازه امروز با سرریز دادهها روبهرو نبوده است؛ اطلاعات در جهان امروز به راحتی تولید و توزیع میشوند و تب رقابت برای جلب توجه خوانندگان بالاست.
شرکتهای بزرگی چون فیسبوک، توییتر و گوگل دلالان توجه کاربران هستند. هدف از الگوریتمهای طراحی شده توسط این شرکتها، پیدا کردن بهترین راه برای ترغیب ما به خواندن یک توییت، بازکردن یک پیام یا کلیک کردن بر روی یک لینک است. اما اگر شرایطی محیا شود که دیگر نیازی به کلیک کردن هم نباشد چطور؟
هدف از راهاندازی سرویس TL;DR هم این است که با خلاصه کردن خودکار اطلاعات در زمان ما صرفهجویی کند. همانطور که این روزها میتوانیم با استفاده از نسخههای صوتی در کوتاهترین زمان متن یک کتاب را بخوانیم، کارکرد این سرویس هم آن است که در زمانی کوتاه بیشترین اطلاعات ممکن را دریافت کنیم. اطلاعاتی که به ظاهر فیسبوک دروازهبانشان خواهد بود.
نقاط قوت
در سال ۲۰۱۲ سرویسی به نام AutoTLDR معرفی شد که با استفاده از یک ربات، مقالات آنلاین را خلاصه میکرد و حجم آنها را تا ۵۰ درصد یا بیشتر کاهش میداد. AutoTLDR عملکرد قابل قبولی داشت اما بیشتر شبیه یک آزمایش بود تا یک سرویس قابل استفاده.
با گذشت چند سال، فیسبوک در سال ۲۰۱۶ الگوریتم یادگیری عمیق خود موسوم به DeepText را معرفی کرد که مدعی بود دقتی نزدیک به انسان دارد. این الگوریتم به رایانهها کمک کرد تا در پردازش متون و تعیین کلمات مهم و کلیدی عملکرد بهتری داشته باشند. کمی بعد، محققان دانشگاه مریلند، در پروژهای از هوش مصنوعی برای درک زبان حقوقی و ارائه چکیدهای ساده و قابل فهم از شرایط و مقررات سرویسدهی (Terms of Service) به کاربران، استفاده کردند.
حالا احتمالا TL;DR به لطف پیشرفتها در بخش پردازش طبیعی زبان، نسبت به نمونههای مشابه پیشین عملکرد بهتری خواهد داشت. همانطور که پیشتر اشاره شد این سرویس همچنین به صرفهجویی در وقت کاربران کمک کرده و در مدت زمانی کوتاه حجم بیشتری از اطلاعات را به آنان منتقل میکند.
نقاط ضعف
کمپانی فیسبوک مدعیست سیستمهای مبتنی بر هوش مصنوعی فعلی این شرکت میتوانند ۹۵ درصد از پستهای حاوی مضامین نفرت پراکنی را بلافاصله تشخیص دهند. این در حالی است که دقت این سیستمها سال گذشته تنها ۵۲ درصد بود. شرکت گوگل هم به تازگی توسعه و پیشرفتهای مشابه را در سامانههای خود گزارش کرده است. آزمایشات مشترک این غول فناوری با امپریال کالج لندن از کیفیت زبانی بالای این سیستمها از لحاظ روانی و انسجام حکایت دارد.
اما آیا این سیستمها واقعا آنچه پردازش میشود را درک میکنند؟ آیا ما به عنوان کاربر واقعا میخواهیم متن موردنظرمان توسط دستگاهی خوانده شود که فهمیدن را شبیهسازی میکند؟ اگر از یک انسان بخواهید متنی را خلاصه کند، اول آن را میخواند، درک میکند و سپس در قالب کلمات و عباراتی سادهتر بیانش خواهد کرد. رایانهها، اما، با فقدان دانش پیشزمینهای روبهرو هستند و هنوز نسبت به برخی موانع زبانی آسیبپذیرند.
کریستین ماروتی مهندس و محقق هوش مصنوعی شرکت Unbabel در این باره میگوید: حتی سادهترین جملات هم ممکن است یک میدان مین معنایی باشند، پوشیده از نکات ظریف مفهومی و دستوری که تنها کسانی که به یک زبان به عنوان زبان مادری تسلط دارند قادر به درکشان هستند.
سرویسی چون TL;DR سه نقطه ضعف دارد: اول این که ممکن است متون را اشتباه برداشت کرده، دچار اشتباهات جزئی شود و به صورت غیرعمد اطلاعات غلط نشر دهد. دوما تمام کاربران تمایل ندارند در خواندن و درک یک متن به یک الگوریتم اتکا و اعتماد کنند. و مورد آخر این که با راهاندازی این سرویس، پولی که به نویسندگان پرداخت میشد، به جیب فیسبوک خواهد رفت زیرا اغلب کاربران به جای آثار اصلی به خواندن خلاصه اثر روی خواهند آورد. حال این سوال مطرح میشود که آیا نفس نوشتن تنها به انتقال اطلاعات خلاصه میشود؟ بسیاری از ما به دلیل همان جزئیات طرح شده و احساساتی که برانگیخته میشود، عاشق خواندن هستیم. TL;DR حتی اگر کارش را بدون نقص هم انجام دهد، شوربختانه، نتیجه نهایی خالی از جزئیات و احساسات خواهد بود.
نظر شما