متن اپیزود هفتم ایستگاه هوش‌ مصنوعی

توجه کنید که این متن توسط مدل‌های هوش‌مصنوعی تولید شده است و احتمال خطا در آن وجود دارد. البته خودمم بخش‌هایی‌اش رو ویرایش کردم.

سلام، من امیر پورمندم و این قسمت هفتم از ایستگاه هوش مصنوعیه. ما تو این پادکست راجع به هوش مصنوعی و هر چیزی که بهش ربط داره صحبت می کنیم و تو این قسمت میخوام راجع به مدل های زبانی بزرگ صحبت کنم. [0.00s -> 30.00s]

چیزهایی مثل ChatGPT الان من خودم از دو سال پیش که اومده، هر روز روزی نیم ساعت یک ساعت دارم با این مدل ها صحبت می کنم و ازشون تو کارای مختلف کمک می گیرم و دوست داشتم که افکارمو باهاتون به اشتراک بزارم که این مدل ها چه تاثیری تو زندگی واقعی ما خواهند داشت و کجا میتونن به دردمون بخورند. [30.00s -> 60.00s]

قبل از اینکه بحث اصلی‌ام رو شروع کنم، دوست داشتم که راجع به دو تا نکته صحبت کنم. اول اینکه الان هوش مصنوعی رو شما نگاه کنید. خب واژه اش از تقریباً ۱۹۶۰ کلمه‌اش به وجود اومده. [60.00s -> 90.00s]

و چند دهه هست که محققان دارن روش کار میکنند و ریسرچ انجام میدن. و به طور خاص نگاه کنید تو ده سال گذشته که حالا Deep Learning رواج پیدا کرده، شاید اشتباه نباشه که بگیم هر روز یه Paper جدید اومده. یه Architecture جدید اومده و یه نفر اومده گفته که اوکی من مثلا فلان مدلو دادم که تو فلان کاربرد خاص [90.00s -> 120.00s]

به درد میخوره. ولی این‌ها تا حالا به درد استفاده عموم نمی‌خورد؛ یعنی حتی خود منم می خواستم از اینا استفاده کنم یا یه کسی که فعاله تو زمینه هوش مصنوعی، می‌گفت که اوکی، استفاده‌ای نداره برام. بیشتر استفاده این مدل‌ها اینجوری بود که یه شرکت بزرگی یه محصولی داره. مثلاً فرض کنید [120.00s -> 150.00s]

یوتیوب. یوتیوب می‌خواد به افراد با توجه به سلایق‌شون ویدیو نشون بده. یوتیوب میاد یه سری Data Scientist استخدام میکنi. میگه که اوکی شما یه مدلی برای ما درست کن که پیشنهاد دهنده باشه با توجه به یوزر. یا مثلا گوگل میاد یه سیستم درست میکنه سیستم Page Ranking که خب مبتنی هم هست بر هوش مصنوعی. و من [150.00s -> 180.00s]

غیر مستقیم دارم از هوش مصنوعی استفاده می کنم ولی به طور مستقیم با این هوش مصنوعی تعامل ندارم و خب بعد از سال‌ها الان شاید اولین باره که داریم مستقیماً با این مدل‌ها تعامل می‌کنیم. یعنی من ورودی رو بهش میدم. تکست بهش میدم یا تصویر بهش میدم بعد باهاش صحبت می کنم که به نظرت این تصویر چیه [180.00s -> 210.00s]

راجع به چه مفهومیه یا راجع به یه سری مطالب ازش سوال می‌پرسم. اونم سوال منو می‌فهمه و جواب میده و خب ما تا حالا همچین چیزی نداشتیم. معمولاً اگر کاربردی هم بوده خیلی محدود بوده و الان خیلی کاربرد Generalتر شده. به اندازه ای که ما داریم صحبت‌اش می‌شنویم که الان همه سیستم‌عامل‌ها میخوان که [210.00s -> 240.00s]

دستیار Textهم داشته باشن تو سیستم‌عامل. یعنی مایکروسافت که اضافه‌اش کرده. داخل گیت هاب اضافه شده. میگن که اپل هم قراره اضافه کنه و به نظر میاد که همه می‌خوان اضافه کنن و داشته باشن داخل سیستم عامل. این نکته اولم بود که خب خلاصه این که فکر می کنم Generative AI یا هوش مصنوعی [240.00s -> 270.00s]

تولید کننده اولین جایی هست که داریم واقعاً کاربرد هوش مصنوعی رو می‌بینیم. نکته دومی که دوست داشتم راجع بهش صحبت کنم این که این مدل‌های زبانی بزرگ اومدن که بمونند و حالا بخوایم انگلیسی‌اش رو بگیم میشه Large Language Modelها یا LLMها که من تا آخر قسمت دیگه مخفف می‌کنم [270.00s -> 300.00s]

کلا میگم LLM. هر جا گفتم LLM شما بدونید که دارم راجع به مدل های زبانی بزرگ صحبت می کنم. نمیگم ChatGPT اومده که بمونه، میگم مدل های زبانی بزرگ اومدن که بمونن. ChatGPT محصول مال شرکت OpenAI که خب ممکنه توسط رقبا از بازار به در بره. درسته الان Leader بازاره. الان با اختلاف [300.00s -> 330.00s]

مدلی که داره تولید میکنه، بهترین مدل هست. باشه ولی ممکنه که رقبا بتونن از بازی به درش کنن. و ما هنوز چیزی نمی‌دونیم ولی چیزی که میدونیم اینه که تو این دو سالی که این مدل‌ها اومدن خیلی به طرز قابل توجهی این مدل‌ها پیشرفت کردند. هزینه استفاده ما ازشون [330.00s -> 360.00s]

به شدت کمتر شده. دقت کنید این فضایی که توش هست هم فضای رقابتیه؛ یعنی این جوریه که ChatGPT میاد میگه که من قیمت رو مثلا یک دوم کردم. شرکت Anthropic که شرکت دیگه‌ای است که اونم یه محصولی داره به نام Claude. اونم یه LLM دیگه است که خیلی خوب کار میکنه. اون میاد میگه که اوکی شما نصف کردی قیمتا رو؟ من یک سوم می‌کنم [360.00s -> 390.00s]

نگاه می‌کنیم هزینه استفاده از این مدل‌ها تو دو سه سال اخیر خیلی کم شده و حتی شرکت‌های بزرگ اومدن سرمایه‌گذاری کردن دیگه. مثلا متا اومد وارد این بازی شد و متا گفت که شما قیمت‌هاتون رو کم می کنید؟ من میام چند صدهزار تا GPU می‌خرم. میرم خودم مدل ترین می‌کنم. [390.00s -> 420.00s]

بعد مجانی می‌زنم تو اینترنت. به خاطر همینه میگم این فضا به شدت رقابتیه و نمیشه فهمید چه اتفاقی میخواد بیوفته. چیزی که هست اینه که همه اینا به نفع ماست. دیگه هرچی این مدل‌ها جلوتر میره سرعت‌شون داره بهتر میشه. زودتر جواب میدن و مدل‌های Open Source هم خوب دارن هی بیشتر میان که اصلا مفصل یه [420.00s -> 450.00s]

قسمت میخوام راجع بهشون صحبت کنم. از بحث اصلیم خارج نشم. داشتم می‌گفتم که این LLMها اومدن که بمونن. یادم نمیره، دو سال پیش بود بعد از اینکه در واقع ChatGPT اومد تو Meta Stackoverflow یه بحثی راجع به این ChatGPT شکل گرفت. Meta Stackoverflow جاییه که راجع به سیاست‌های [450.00s -> 480.00s]

کلی محتوا تو Stackoverflow صحبت میشه و اونجا گفتن که یکی از مدیران گفته بود. گفته بود که ما تصمیم گرفتیم که شما حق نداری از محتوایی که LLM تولید کرده، به طور خاص محتوایی که ChatGPT تولید کرده برای کامنت گذاشتن و اینا استفاده کنی. ما اگر بفهمیم که استفاده کردی کامنت‌ات رو پاک می‌کنیم [480.00s -> 510.00s]

و اکانت‌ات رو هم ممکنه که بن کنیم. و خب Stackoverflow رو همه میشناسن. به عنوان کسایی که برنامه نویس هستن قطعا میشناسن. و این یه فضا هست برای سوال و جواب برنامه نویسی. و این طوریه که یعنی شما هر سوال جوابی تو اینترنت داشته باشید راجع به برنامه نویسی احتمالا اولین جایی که بهش چک می کنید stackoverflow یه فوروم انگلیسی هست که خیلیم کاربرد داره. [510.00s -> 540.00s]

بسیار هم سایت خوبیه و اصلاً انقدر سایتش معروفه که خیلی از کارفرماها وقتی میخوان استخدام کنن یه برنامه نویس رو. نگاه میکنن که stackoverflowاش مثلاً چقدر امتیاز داره یا github طرف چقدر مثلاً Contribution تو github داشته. انقدر فضای مهمیه stackoverflow ولی با همه اهمیتی که داشت stackoverflow بعد از چت جی‌پی‌تی [540.00s -> 570.00s]

نمودارش رو نگاه کنید. روز به روز کاهش داشته استفاده ازش به طرز ملموسی. بعد اونا هم که اینو دیدن طولی نکشید که همین چند ماه پیش بود stackoverflow بهم پیام داد ایمیل داد. گفت. که آقا. ما سیستم در واقع سوال جواب با هوش مصنوعی برات گذاشتیم assistant chat برات گذاشتیم که میتونی ازش سوالات برنامه نویسی بپرسی اگر دوست داشت [570.00s -> 600.00s]

بیا تو سایت مون فلان قسمت قسمت آزمایشی. بیا از این جا استفاده کن و من این طوری بودم که خب این الان یه شرکت تکنولوژی بزرگ بود. نسبتاً بزرگ بود. حالا در حد میلیارد دلاری بود که نتونست در مقابل این LLM وایسه و این به نظر از اون چیزاییه که اومده که بمونه و شرکتا باید انتخاب کنن که حالا این تو ابزاری که دارن تو چیزایی [600.00s -> 630.00s]

که دارن به دردشون میخوره یا نه [630.00s -> 660.00s]

این بحث که احتمالا شما هم دیدید که یه رباتیه بعد میره این دانش بشری رو یاد میگیره. بعد با انسان دچار درگیری میشه و حالا تهش مثلا انسان می‌بره یا اون انسان رو نابود میکنه یا انسان اونو نابود میکنه یا با هم به توافق میرسن و خب الان بخش اول این فیلم علمی تخیلی تا حدودی به واقع [660.00s -> 690.00s]

پیوسته یعنی همین مدل های LLM این طوری هستند که حجم بزرگی از داده ای که تو اینترنت هست به علاوه متن کتاب ها به علاوه کلی داده های متنی دیگه رو میگیرن و تو چند هفته یا تو چند ماه train میشن و نهایتا یه مدل داریم که این داده ها رو یاد گرفته و خوبم بلده [690.00s -> 720.00s]

چیزی که شاید اگر یه انسان بخواد این حجم از داده رو یاد بگیره شاید چند صد سال طول بکشه و واقعا هم الان گستره دانش ما آنقدر زیاد شده که هیچ آدمی نمیتونه همه این اوضاع رو بلد باشه [720.00s -> 750.00s]

تو زمینه پزشکی اگر یه متخصص از صد هشتاد بگیره من امیرپورمند من ده می گیرم مدل چهل پنجاه میگیره و هر کسی تو حوزه خودش الان تو وضعیتیه که از LLM بهتره و ولی تو خیلی زمینه های دیگه نسبت به LLM بدتر میتونه کار کنه مثلا من خودم الان جغرافیا خوب زیاد جغرافیام خوب نیست یا زیست‌شناسی [750.00s -> 780.00s]

چندان ازش اطلاعات خاصی ندارم. همین طور تاریخ همین طور تاریخ ادبیات. فیزیک یا مثلا شیمی و این ها اصلاً یک سری روش دارن برای ارزیابی یعنی مدل که این LLM که train شد. یه روش ارزیابی دارن براش که میگن اوکی شما الان train شدی یه سری [780.00s -> 810.00s]

سوال تستی میزارن جلوش میگن که خوب این سوال تستیه. اینم گزینه ها تو کدوم گزینه رو انتخاب می کنی و جالب اینکه دقیقا الان همون روشی که ما باهاش ارزیابی می شدیم یعنی همون سوالات تستی چهار گزینه ای که ما با هاش ارزیابی می شدیم الان LLM هم با اینا ارزیابی میشه و یه سایتی هم هست Are you smarter than LLM [810.00s -> 840.00s]

که یه دیتاستی که LLM بهش جواب داده و مثلا هشتاد نود درصد معمولا LLM ها جواب میگیرن روش ببینید که شما چقدر میتونید به سوالاتش خوب جواب بدید و جالب اینکه میانگین آدمیزاد در حد سی چهل درصد ولی LLM میتونه هشتاد نود درصد جواب بده [840.00s -> 870.00s]

راهی خیلی جذابه که ما الان دستیارانی میتونیم داشته باشیم یه سری دستیار میتونیم داشته باشیم که انگار شما یه نفر رو تو جامعه به صورت رندوم انتخاب کنی بیاری بیرون. اون LLM بهتر میتونه بهت کمک کنه تا اون کسی که رندوم انتخاب کردی. از جامعه آوردی بیرون. مثلا میگم تو زمینه پزشکی یه پزشک میخواد مقالات پزشکی [870.00s -> 900.00s]

بخونه اگر دست یارش یه دونه LLM باشه و فایل PDF رو تو اون نرم افزار آپلود کنه بعد شروع کنه با LLM صحبت کردن سوال جواب کردن احتمالا Value بیشتری به دست میاره تا اینکه بشینه و با من نوعی چت کنه و این خیلی جذابه [900.00s -> 930.00s]

حالا بیاید بعد همه روضه‌هایی که براتون خوندم چند تا از کاربردهایی که این LLM ها داره رو بررسی کنیم. من کاربردها رو دو دسته تقسیم کردم یه دسته کاربردهای شخصی که برای شخص کاربرد داره من و شما [930.00s -> 960.00s]

و یه دستم کاربردهای بیزنسی که بیزنس میتونه از اینها استفاده کنه و محصول تولید کنه [960.00s -> 990.00s]

به جای اون به مسایل مهم تر می پردازم اصلا کارم سریع تر میشه یعنی به نظرم یه LLM به تنهایی نمیتونه جای کسیو بگیره ولی یه آدمی که بلد باشه از این LLM استفاده کنه و احتمالا این اتفاق میافته و بازار [990.00s -> 1020.00s]

رقابتی‌تر میشه یه سری کاربردهای دیگه هم داره میشه به کد نظر بده. مثلا من کدمو براش بفرستم بگم آقا نظر بده جایی که ایراد داره برام اصلاح کن .اگر زبان مطالعه می کنید رایتینگ زبان نوشتید یه مطلبیو نوشتید یه متنیو نوشتید بهش بدید بگید خب کجاها غلط املایی داره [1020.00s -> 1050.00s]

کجاها غلط مفهومی داره کجا میتونم اصلا ساختار نگارشی‌ام رو بهتر کنم ساختار اون رایتینگی که نوشتمو بهتر کنم این کاریه که خب یه معلم زبانم یه متخصص زبانم انجام میده ولی اینم تا حدی میتونه خوب جواب بده یا مثلا فرض کنی یه معلم میخواد ده تا سوال مفهومی از یه بخشی از کتاب طراحی [1050.00s -> 1080.00s]

میکنه میتونم متن کتابو بده به LLM بگه ده تا سوال مفهوم برام در بیار و انصافا هم سوالات قشنگی در میاره چون زبانو خوب درک کرده یعنی باهاش صحبت کنید متوجه میشید که به درستی میتونه از کلمات استفاده کنه جملاتش فعل و فاعلش با هم میخونه از خیلی از ما بهتر صحبت میکنه و [1080.00s -> 1110.00s]

معلم میتونه با LLM سوال طرح کنه و دانش آموزم میتونه از LLM استفاده کنه برای جواب دادن و چرا اصلا نباید بتونه چه ارزشی داره که صرفا یه مشتی مطالبی به درد نخورو تو مدرسه حفظ کنیم که بعدشم قرار نیست به درد بخوره. این مطالب وقتی ارزش داره که یه پیوستگی داشته باشن و آدم یه درسی رو ازش یاد بگیره [1110.00s -> 1140.00s]

صرفا حفظ کردن اینکه فلان پادشاه چه سالی مرد یا اینکه چه دلایلی وجود داشت براش، ارزشی نداره [1140.00s -> 1170.00s]

فرض کنید می‌خواید تو دیجی کالا محصول بخرید. مشتری می‌تونه کامنت‌های محصول رو پیست کنه داخل چت جی پی تی بهش بگه که خب خلاصه شو بهم بگو ببینه اصلا ارزش داره این محصول که بخوایم روش وقت بزاریم و نکات مثبت شو بهم بگو نکات منفی شو بهم بگو و خلاصه به نظرم تو خیلی از شغل ها میشه مثل یه دست یار یا همکار بهش نگاه کرد یعنی مثلا اگر شما متخصص محقق باشی خب راجع به [1170.00s -> 1200.00s]

فلان پاراگرافی فلان مقاله که نمیتونی به من حرف بزنی. من عمرم بفهمم چی میگی ولی LLM میفهمه جواب میده علتشم اینه که خیلی از اینها رو تو داده آموزشش دیدم و حتی ندیده باشم شما وقتی اون پی دی اف رو براش آپلود می کنی پی دی اف مقاله رو براش آپلود می کنی قاعدتا اینها رو می بینم میتونه خلاصه کنه میتونه مزایا شو [1200.00s -> 1230.00s]

بگه معایبه این پیپر رو بگه یه سری نکات مهمش رو استخراج کنه خیلی کارا جذاب میشه انجام داد و فقط لازمه که آدم بلد باشه چطوری با این LLM کار کنه یا مثلا فرض کنید ترجمه فرض کنید بخواید یه متن انگلیسی رو به فارسی ترجمه کنید و یه لحن خاصی هم داشته باشید میتونید به LLM بگید که آقا این پاراگراف ها رو ببینی [1230.00s -> 1260.00s]

برام ترجمه کن اینم لحنشه و امیدوارم که یاد گوگل ترس لید نیفتید اصلا LLM یه لوله دیگه است اصلا سطحش متفاوته بازیش متفاوته یا مثلا فرض کنید ایده پردازی بهش میگید که من میخوام فلان کارو بکنم فلان ایده تو سرمه ریسکاشو بهم بگو فرصتهایی که به وجود میادو بهم بگو [1260.00s -> 1290.00s]

اصلا میتونید با هاش دردو دل کنید با هاش حرف بزنید بگید من با دوستم به مشکل برخوردم سر این مسئله دیدید آدم خیلی وقتا یه مشکلیو شاید سختش باشه که به یکی بگه و توضیح بده و شاید اصلا یه فردی قابل اعتماد یا نداشته باشه که بخواد بهش بگه LLM اینجان خیلی میتونه کمک کنه همین که آدم مشکلو میگه شاید خودش همین حل بشه و اینکه حالت چت داره خیلی جذابه و هر [1290.00s -> 1320.00s]

حرفاییم که میزنه اگه با هاش صحبت کنید می بینید همین چیزایی هست که تو اینترنتم هست فقط چون متفاوته چون برای کیس خاص نظر میده برای کیس خاص شما داره این حرفو میزنه جذابش میکنه وگرنه شما بهش بگید من افسرده ام تو اینترنتم برید یه سری مطالب میگن همه یه سری چیزایی تمپلت میگن یه پنج تا ده تا مورد هست که سایتای [1320.00s -> 1350.00s]

مختلف میگن اینم همونا رو میگه ولی اینکه میگه جذابتره البته امیدوارم که تو این طلا نیفتید که بخواید راجع به همه چی ازش نظر بپرسید و کلم به حرفاش اعتماد کنید هرچی میگه شما اینطوری در نظر بگیرید که این متنای اینترنتو دیده و حفظ کرده و داره با توجه به اون جواب میده یعنی خیلی وقتا پر تکرارترین چیزی که دیده رو جواب میده [1350.00s -> 1380.00s]

البته اون جوابی که میده رو اگه نگاه کنید واقعا مثلا یه کدی مینویسه حالا تو کد نویسی چون خیلی اینا قوین کد نویسی رو زیاد مثال می زنم اون کدی که مینویسه رو برید نگاه کنید ببینید که عملا از یه مثلا گیتاب یه جا دید عینن کپی کرده و اینطور نیست که همیشه اون جوابهایی که میده قابل اعتماد باشه شاید لفظ ماشین زبان یه آماری براش لفظ دقیقی باشه [1380.00s -> 1410.00s]

که اون چیزیو خروجی میده که پر تکرار تره یعنی ازش بپرسید که آقا سهم بورسی بهم پیشنهاد بده حتما بتون پیشنهاد میده ولی پیشنهاد شو نگاه کنید همون چیزیه که یه سری آدم تو سایتای مختلف نوشتن اونم همینها رو دیده و از همون جا یاد گرفته قرار نیست که حالا تحلیل آماری انجام بده و تکنیکال و فوندامنتال و بررسی کنه و نظر تخصصی [1410.00s -> 1440.00s]

بدم نه حتی این مدل ها به اینترنت هم دسترسی ندارن و تحلیلی که ارائه میدن مال اون زمانی هست که train شدن و داده ها شون مال اون زمان بوده اینو فقط می خواستم بهش اشاره کنم و حالا توی قسمت جداگونه راجع به محدودیت های مدل های زبانی خیلی مفصل صحبت می کنیم [1440.00s -> 1470.00s]

بخش دوم این کاربرد مدل های زبانی کاربرد شون تو بیزنسه که کاربرد های شخصی حالا نیاز به چندان انتگرال‌گیری خاصی نشه [1470.00s -> 1500.00s]

شما فایل پی دی اف تونو آپلود می کنید با مدل صحبت می کنید چت می کنید جواب تونو می گیرید میرید دنبال کارتون ولی کاربرد های بیزنسی نسبتا پیچیده تره و من فعلا چند تا کاربرد به ذهنم میرسه که می خواستم بگم یکیش استفاده مستقیمه فرض کنید همون کامنتای دیجی کالا رو که گفتم این دفعه خودم [1500.00s -> 1530.00s]

خود دیجی کالا میتونه بیاد یه محصول ارائه بده که هر کالایی که تعداد کامنتاش از فلان مقدار بیشتر شد بیاد کامنت ها خلاصه بشه و خلاصه کامنت ها مشتری ارائه بشه و این دفعه بالاشم میتونه بنویسه که این خلاصه با گوشی مصنوعی تولید شده است و هیچ ارزشی نداره ولی به نظرم خیلی مفیده حتی میتونه تحلیل انجام بده یعنی فرض کنید [1530.00s -> 1560.00s]

راجع به تو فلان سایت راجع به فلان سهام بورسی یه سری کامنت وجود داره میشه بررسی کرد که چند درصد مثبته چند درصد منفیه کامنت ها چند دسته میشن بعد هر دسته ای راجع به چه موضوعی صحبت میکنه اصلا مردم از چیه این سهم ناراضین کجا ها شکایت دارن عرض کنید از همین سوال جواب ها میشه صفحه اف ای کیو سایت رو درست کرد [1560.00s -> 1590.00s]

از همین سوالهایی که مردم پرسیدن و جوابهایی که داده شده میشه اف ای کیو درست کرد به صورت کاملا اتوماتیک برای کامنت ها رو در بیاره بده به علم بهش بگه آقا مردم چه سوالاتی دارن شناسایی همین اف ای کیو چقدر ارزشمنده یا مثلا ترکیبش با سیستم های دیگه میتونه جذاب بشه مثلا فرض کنید ویدیو یوتیوب بهش بدی بعد با سیستم های تبدیل سود [1590.00s -> 1620.00s]

به متن بیاد متن شو ازش خروجی بگیری بعد متن رو بدی به علم بگه آقا توی پاراگرافت بگو خلاصه این چیه مثلا اخبارو مثلا یه سایتی داشته باشه که اتوماتیک طرف خودش اخبارو خلاصه کنه و واقعا اخبارم این جوریه که تو یه خطم میشه خلاصه کرد و چندان این طور نیست که بخواد پیچیده باشه میگم میشه رو ضعف های علم ها کار کرد [1620.00s -> 1650.00s]

و خیلی از کسب و کارها اومدن این ضعف ها دست گذاشتن و گفتن اوکی الان بریم این ضعف رو بر داریم بهبود بدیم و با هاش یه محصول بدیم مثلا فرض کنید پرپلکسیتی یک سایتیه که گفته آقا اوکی الان شما سوال می پرسی تو موتور جستجو سوالو که می پرسی اولا که نمیتونی هر سوال بپرسی [1650.00s -> 1680.00s]

باید سوالتو تبدیل کنی به کلمات کلیدی بعد میری مثلا سه تا سایت اولش که تبلیغه سایتای دیگه رو سه تا چهار تاشو باز می کنی حالا بخونی تبلیغا رو رد شی ببینی اصلا به سوالتو جواب داده یا نداد میشه یه چیز دیگه بهش فکر کرد میشه ای پی آی گوگلو کال کرد بعد اون سایتا رو خزش کرد کرال کرد اطلاعات همه شونو بدی [1680.00s -> 1710.00s]

بگی آقا من سوالم اینه شما جواب سوال منو بده و خودش طرف میره میگرده با توجه به این سایتا جواب سوالو میده و اصلا یه کسب و کار شکلی گرفته برا همین و خود بینگم اینو اضافه کرده [1710.00s -> 1740.00s]

رواج پیدا کند که اصلا بعید نیست خیلی از سایتا درآمدشون صرفا رو تبلیغاتیه که ارائه میدن یکی از ضعفای دیگه ای که داره اینه که اطلاعاتش مستند نیست یا دقیقا اون چیزی نیست که ما میخوایم [1740.00s -> 1770.00s]

کنیم مثلا من گفتم تو زمینه پزشکی خب خیلی اطلاعات داره تو زمینه پزشکی خیلی میدونه ولی خب آخرین مقالات روز پزشکی رو که قاعدتا نخونده که وقتی میخواد حرف بزنه یه وقت ارجاع نمیده بگه بر اساس فلان کتاب من دارم این حرفو می زنم نه میشه یه کاری که کرد اینه که با این ها ترکیبش کرد یعنی فرض کنید یه جراح قلب [1770.00s -> 1800.00s]

بیمار نادر میاد جلوش یه مثلا بیمریز نادر داره بعد این میخواد نظر بده قاعدتا اگر کتابش یادش نمونده باشه باید بره ببینه که خب الان کتابای مرج چی میگن راجع به این حوزه یا مقالاتی که جدیدا اومده چیه بره این مقالات رو بررسی کنه ببینه داستانش چیه اصلا کدوماش مرتبط هست نیست به درد این میخوره نمیخوره [1800.00s -> 1830.00s]

خیلی راحت تر میتونه اینجا علائم بالینی بیمار و اطلاعات بیمارو بده به LLM بعد LLM بهش جواب میده میگه آقا با توجه به فلان کتاب پزشکی فلان کتاب رفرنس پزشکی مثلا هاریسون تو این پاراگرافش این درمان تجویز میشه و این دو تا مقاله هم که قبلا اومدن امسال روش کار کردن اینو پیشنهاد دادن که انجام بدیم [1830.00s -> 1860.00s]

این چقدر ارزشمنده برا پزشکی پزشک میگه خب من باید می رفتم این کتابو میخوندم ببینم دقیقا کجاشه و اصلا مرتبط هست نیست LLM چون توانایی درک داره چون خیلی از اصطلاحات پزشکیو میدونه اینجا میتونه به عنوان یه دست یا خیلی کاربرد خوبی داشته باشه یا مثلا فرض کنید طرف میتونه یه سیستم LLM راه بندازه که به مشتری کمک کنه تو هنگام [1860.00s -> 1890.00s]

خرید تجربه بهتری داشته باشه یعنی طرف میره مثل الان فروشگاه فیزیکی که میریم خوب میریم از طرف می پرسیم که مثلا من اینو میخوام فروشنده صحبت میکنه بعد پیشنهاد میده حرف می زنیم از این چیزا خوب این تجربه میتونه تو سایت های خریدم وجود داشته باشه که طرف با یه LLM چت کنه بعد که چت کرد LLM رو بهش پیشنهاد بده [1890.00s -> 1920.00s]

با توجه به کالاهایی که تو سایت هست که مثلا شما این کالا برات مناسبه با توجه به شرایطی که شما داری و سیستم های خدمات مشتری خیلی از سوالهایی که این سیستم ها جواب میدن یکسانه یعنی سوال صرفا حالت اطلاع اینفورمیشنال داره و نیازی نیست که چیز خاصی چک بشه جایی میشه یه سری سیستم ها راه انداخت با LLM که دقیقا [1920.00s -> 1950.00s]

وقتی مشتری سوال میپرسه باید سوال های مرتبطی با این موضوع چک بشه بعد یه سیستم چت باید باشه آنن جواب مشتری رو بدن مشتری هم راضی و خوش حاله که جوابش رو آنی گرفته با دقت بالایی هم جواب داده و خیلی واقعا برام جذابه که این همه کار میشه انجام داد و واقعا حوض جالبیه و [1950.00s -> 1980.00s]

بانایی هایی داره LLM که ما تا حالا چندان نمیتونستیم بهش فکر کنیم تا الان خیلی حرف زدم ولی یه مثال دیگه به ذهنم اومد که دوست داشتم بگم فرض کنید که مثلا دو تا شخصیت هستن یا سه تا یا هرچی که راجع به یه موضوعی یه نظری دادن راجع به هرچی بعد میخواید ببینید که نظر این ها چه تفاوتهایی با هم داشت [1980.00s -> 2010.00s]

میتونید اینو بدید به LLM مثلا اون حرفایی که داشتنو بعد به LLM بگیم که اوکی شما تحلیل کن بگو که کجا ها با هم حرفا شون تفاوت داشتن و کجا شبا حتی داشتن و جالبه که LLM میتونه همچین خروجیهایی بده که بگه اوکی مثلا از این سه نفر این دو تا اینجا حرفا شون با هم شبیه بود تو این زمینه خاص اینم استدالا شون بود [2010.00s -> 2040.00s]

و این دو تا هم حرفا شون تو اینجا با هم شبیه بود یا اختلاف داشت یا هرچی و اینو مثلا میتونه از ده صفحه کتاب در بیاره از صد صفحه کتاب در بیاره و این خیلی جذاب میشه وگرنه اگه میخواست تحلیلی که در میاره از یه خطه پاراگراف باشه که اون خیلی جذاب نبود ولی اینکه میتونن LLM ها متن های بزرگی رو بخونن و از کلش تحلیل در بیارن خلاصه کن [2040.00s -> 2070.00s]

ن این خیلی داره کاربرد های جذابی پیدا میکنه و چیزی که باعث میشه به آینده این حوزه امیدوار باشم اینه که می بینم نسبت به روز اولی که این LLM ها اومدن نسبت به دو سال پیش ما خیلی پیشرفته قابل توجهی داشتیم و این طور که علما میگن حالا علمای هوش مصنوعی اصلا بعید نیست که تو چند سال آینده [2070.00s -> 2100.00s]

هم این حوزه همین جور نمایی داشته باشه رشد کنه و یه آقای مصطفی سلیمان یه حرف قشنگی میزنه میگه که امکانش هست که ما تا چند سال دیگر هر کسی برای خودش یه دستیار داشته باشه یه دستیار پزشک داشته باشیم یه دستیار معلم داشته باشیم یه دستیار وکیل داشته باشیم و هر کسی تو گوشیش یه دستیار داشته باشه که بتونه با هاش چت کنه و صحبت کنه [2100.00s -> 2130.00s]

و یه سری از کاراش رو با کمک اون انجام بده و شاید زندگی دیگر بسیار متفاوت بشه از چیزی که داریم الان زندگی می کنیم امیدوارم که حرفهایی که زدم رو درد تون خورده باشه و لذت خورده باشید همون طور که من لذت بردم خدا نگه دار [2130.00s -> 2160.00s]

خدا نگه دار [2160.00s -> 2170.87s]