وقتی هوش مصنوعی نقاطی را به هم وصل میکند که پزشکان قادر به وصل کردنشان نبودند
پروندههای پزشکی که سالها متخصصان را سردرگم کرده بودند، در حال حل شدن هستند.
این روش نشان میدهد که چگونه هوش مصنوعی کار را برای همه تغییر میدهد.
انسانها با مشکلات خاصی دستوپنجه نرم میکنند. این به دلیل کمبود هوش نیست، بلکه یک مشکل دادهای است. اطلاعات در هزاران سند، مقالات پژوهشی و پایگاه داده قرار دارند. هیچ انسانی نمیتواند تمام آن دادهها را بهطور همزمان در ذهن خود نگه دارد.
بیماریهای ژنتیکی نادر یک مثال عالی هستند. خانوادهها سالها وقت صرف جستجو برای یافتن پاسخ میکنند. پزشکان با متخصصان زیادی مشورت میکنند. آزمایشها منفی از آب در میآیند. پاسخ در متون پزشکی وجود دارد، اما متصل کردن آن به یک کودک خاص برای یک فرد بسیار دشوار است.
تحقیقات اخیر نشاندهنده یک تغییر است. مدلهای استدلالی هوش مصنوعی (Reasoning AI models)، تشخیصهایی را در مواردی ارائه دادند که متخصصان انسانی در آنها شکست خورده بودند. این مدلها با ترفند برنده نشدند؛ آنها برنده شدند چون میتوانستند اطلاعات پیچیده را بهطور همزمان پردازش کنند.
یک مدل استدلالی، یک موتور جستجو نیست. این مدل فقط به شما پاسخ نمیدهد، بلکه قدمبهقدم روی یک مسئله کار میکند. فرضیهای میسازد، شواهد را بررسی میکند و طرز فکر خود را بازنگری میکند. این مدل مانند یک تحلیلگر دقیق عمل میکند.
این رویکرد به انجام وظایف پیچیده کمک میکند: • احتمالات غیرمعمول را میسنجد. • ترکیبات علائم را شناسایی میکند. • از خستگی شناختی جلوگیری میکند. • سوگیری تأییدی (confirmation bias) را از بین میبرد.
شما میتوانید از این منطق در شغل خود نیز استفاده کنید. تصور کنید مدیر محصول هستید. نرخ ریزش کاربر (User churn) در حال افزایش است، اما نمیدانید چرا. دادهها در تیکتهای پشتیبانی، نظرسنجیها و صفحات گسترده پراکنده شدهاند.
برای استفاده از هوش مصنوعی به عنوان یک شریک فکری، این مراحل را دنبال کنید:
- ورودیها را وارد کنید. اسناد و خلاصههای متنی خود را ارائه دهید. درباره هدف خود دقیق باشید.
- مسئله را چارچوببندی کنید. نپرسید «چرا کاربران در حال ترک هستند؟» بپرسید «چه الگوهایی از این تیکتها و نظرسنجیهای خاص پدیدار میشوند؟»
- با خروجیها به عنوان فرضیه برخورد کنید. هوش مصنوعی به شما احتمالات را میدهد. شما باید آنها را اعتبارسنجی کنید. انسانها نتایج را تأیید میکنند.
- تکرار کنید. نتایج آزمایشهای خود را دوباره به هوش مصنوعی بدهید. بپرسید آیا دادههای جدید نتیجهگیری را تغییر میدهند یا خیر.
قبل از به اشتراک گذاشتن دادهها، آنها را بیش از حد پاکسازی نکنید. قدرت این مدلها در پیچیدگی آنها نهفته است. تناقضها را به اشتراک بگذارید. بخشهایی که با بقیه همخوانی ندارند را ارائه دهید. بهترین استدلالها دقیقاً در همینجا اتفاق میافتند.
این روش را در مورد مشکلاتی که دیگر به آنها فکر نمیکنید، به کار ببرید. دوباره به تصمیمات محصول یا سوالات مشتریانی که حلنشده باقی ماندهاند، نگاه کنید.
مزیت تنها در دانستنِ بیشتر نیست؛ بلکه در توانایی استدلال در میان پیچیدگیها، بدون خستگی است.
انجمن یادگیری اختیاری: https://t.me/GyaanSetuAi