تا چند سال پیش، هوش مصنوعی بیشتر با رباتهای انساننما و آزمایشگاههای پیشرفته شناخته میشد. امروز اما بخش زیادی از ارتباط ما با این فناوری در کارهای عادی اتفاق میافتد؛ زمانی که مسیر کمترافیک را روی نقشه پیدا میکنیم، یک فروشگاه محصولی متناسب با سلیقهمان پیشنهاد میدهد یا سامانه پشتیبانی در چند ثانیه به سؤال ما پاسخ میدهد.
این حضور همیشه آشکار نیست. بسیاری از قابلیتهایی که اکنون عادی به نظر میرسند، نتیجه تحلیل داده، تشخیص الگو و پردازش زبان هستند. به همین دلیل، شناخت هوش مصنوعی فقط برای برنامهنویسان اهمیت ندارد. کاربران عادی و مدیران کسبوکار نیز باید بدانند این ابزارها کجا مفیدند، چه محدودیتهایی دارند و چگونه میتوان از آنها برای حل یک مسئله واقعی استفاده کرد.
در یک تعریف ساده، هوش مصنوعی به سامانههایی گفته میشود که میتوانند برخی فعالیتهای وابسته به تواناییهای انسانی، مانند یادگیری، استدلال، درک زبان یا تشخیص الگو را انجام دهند.
این تعریف دامنه بزرگی را در بر میگیرد؛ از فیلترکردن پیامهای ناخواسته گرفته تا تحلیل تصاویر پزشکی و پاسخگویی به پرسشهای متنی.
یکی از نمونههای آشنا، موتورهای پیشنهاددهنده است. سرویسهای پخش فیلم، فروشگاههای اینترنتی و شبکههای اجتماعی رفتار کاربران را بررسی میکنند تا محتوای نزدیکتر به علاقه آنها نمایش دهند. نتیجه همیشه دقیق نیست، اما همین پیشنهادها نشان میدهند هوش مصنوعی پیش از فراگیرشدن ابزارهای گفتوگومحور نیز در خدمات دیجیتال حضور داشته است.
قابلیت تکمیل خودکار جمله، اصلاح املای کلمات، تشخیص چهره در گالری تلفن همراه، تبدیل گفتار به متن و پیشبینی زمان رسیدن تاکسی اینترنتی نیز نمونههای دیگری هستند. در همه این موارد، کاربر لزوماً با یک ربات روبهرو نیست؛ بلکه خروجی یک مدل یا الگوریتم را در دل یک سرویس معمولی میبیند.
گفتوگو درباره AI معمولاً خیلی زود به نوشتن متن یا ساخت تصویر میرسد، اما دامنه استفاده از آن گستردهتر است. بررسی کاربردهای هوش مصنوعی در زندگی روزمره نشان میدهد این فناوری میتواند در یادگیری، برنامهریزی، خرید، ارتباط با مشتری و مدیریت اطلاعات نقش داشته باشد.
یک ابزار هوشمند میتواند متن طولانی را خلاصه کند، نکات اصلی یک گزارش را بیرون بکشد یا برای یادگیری یک موضوع، تمرین و سؤال بسازد. این قابلیت جای مطالعه و بررسی منبع را نمیگیرد، اما زمان لازم برای رسیدن به اطلاعات اولیه را کاهش میدهد.
در ترجمه نیز مدلهای زبانی فقط کلمهها را جایگزین نمیکنند؛ آنها تلاش میکنند ارتباط جملهها و منظور کلی متن را تشخیص دهند. بااینحال، متنهای حقوقی، پزشکی و قراردادی همچنان به بازبینی متخصص نیاز دارند، زیرا یک عبارت نادقیق میتواند معنای متن را تغییر دهد.
هوش مصنوعی میتواند گزینههای متعدد را دستهبندی کند؛ برای مثال، فهرستی از کالاها را براساس قیمت و ویژگی مقایسه کند یا برای یک برنامه سفر، فعالیتها را با توجه به زمان مرتب کند.
فایده اصلی در اینجا تصمیمگرفتن بهجای انسان نیست، بلکه کمکردن زمان جستوجو و مرتبسازی اطلاعات است.
هوش مصنوعی مولد میتواند براساس دستور کاربر، محتوای تازهای مانند متن، تصویر، صدا یا کد تولید کند.
خروجی این ابزارها بهتر است پیشنویس در نظر گرفته شود، نه نسخه قطعی. بررسی صحت اطلاعات، رعایت حقوق دیگران و هماهنگکردن نتیجه با نیاز واقعی همچنان بر عهده کاربر است.
همه چتباتها عملکرد یکسانی ندارند. بعضی از آنها فقط چند گزینه مشخص نمایش میدهند و کاربر را در یک مسیر از پیش طراحیشده جلو میبرند.
این مدل برای کارهایی مانند پیگیری سفارش یا نمایش ساعت کاری مناسب است، اما در برابر سؤالهایی خارج از سناریوی تعریفشده انعطاف کمی دارد.
در مقابل، یک چت بات هوشمند میتواند زبان طبیعی را پردازش کند و پاسخ را متناسب با متن سؤال بسازد.
البته توانایی گفتوگو به این معنا نیست که چتبات همیشه منظور کاربر را درست تشخیص میدهد. کیفیت مدل، دستورهای اولیه، اطلاعاتی که در اختیار آن قرار میگیرد و طراحی تجربه کاربری همگی بر نتیجه اثر دارند.
چتبات را نباید با عامل هوشمند یکی دانست. چتبات معمولاً بر مکالمه و پاسخگویی متمرکز است، درحالیکه عامل هوشمند ممکن است برای رسیدن به یک هدف، چند مرحله را برنامهریزی و ابزارهای مختلف را اجرا کند.
توضیح تفاوت چت بات و عامل هوشمند به انتخاب ساختار مناسب برای هر پروژه کمک میکند.
ساخت چتبات فقط انتخاب یک مدل زبانی و قراردادن کادر گفتوگو روی سایت نیست. راهنمای نحوه ساخت چت بات هوش مصنوعی میتواند دید اولیهای از اتصال برنامه به مدل و مدیریت درخواستها ارائه دهد، اما پیش از اجرای فنی باید چند تصمیم روشن گرفته شود.
پرسش اول این نیست که از کدام مدل استفاده کنیم؛ بلکه این است که چتبات دقیقاً چه کاری انجام میدهد.
پاسخگویی به سؤالات متداول، راهنمایی پیش از خرید، پیگیری سفارش و آموزش کارکنان، هرکدام به اطلاعات و جریان متفاوتی نیاز دارند.
بهتر است پروژه با یک دامنه محدود آغاز شود. چتباتی که فقط درباره محصولات و شرایط ارسال پاسخ میدهد، قابلکنترلتر از ابزاری است که قرار است به هر پرسشی جواب بدهد. محدوده روشن، ارزیابی کیفیت را نیز سادهتر میکند.
در بسیاری از پروژهها لازم نیست مدل از ابتدا آموزش داده شود. میتوان از API برای ارسال پیام و دریافت پاسخ استفاده کرد.
هنگام انتخاب سرویس باید زبان فارسی، زمان پاسخ، هزینه مصرف، محدودیت تعداد درخواست، مدلهای در دسترس و شیوه مدیریت کلید API بررسی شود.
برای نمونه، سرویس هوش مصنوعی لیارا دسترسی API به مدلهای مختلف را فراهم میکند و میتواند برای اتصال قابلیتهای متنی به برنامه استفاده شود.
انتخاب نهایی باید براساس نیاز پروژه و آزمایش عملی انجام شود، نه صرفاً تعداد مدلهای موجود.
اگر چتبات قرار است درباره یک کسبوکار پاسخ دهد، باید به اطلاعات معتبر همان مجموعه دسترسی داشته باشد. مستندات محصول، قوانین ارسال، شرایط بازگشت کالا و پاسخهای تأییدشده پشتیبانی از منابع مناسب هستند.
اطلاعات باید مرتب بهروزرسانی شوند. اگر قیمت یا قوانین تغییر کند اما منبع چتبات قدیمی بماند، پاسخ روان و قانعکننده نیز میتواند اشتباه باشد.
بهتر است در موضوعات حساس، منبع پاسخ یا مسیر ارتباط با نیروی انسانی در اختیار کاربر قرار گیرد.
آزمایش فقط شامل سؤالهای ساده و درست نوشتهشده نیست. پرسش مبهم، غلط املایی، درخواست خارج از موضوع، پیام خشمگین و تلاش برای گرفتن اطلاعات محرمانه نیز باید بررسی شود.
چتبات باید بداند چه زمانی پاسخ ندهد، سؤال تکمیلی بپرسد یا مکالمه را به پشتیبان منتقل کند.
شاخصهایی مانند درصد پاسخ مفید، زمان پاسخ، تعداد ارجاع به پشتیبان و میزان حل مسئله بدون دخالت انسان، تصویر دقیقتری از عملکرد ابزار ارائه میدهند.
آموزش و میزبانی یک مدل بزرگ به منابع پردازشی، نگهداری فنی و هزینه قابلتوجه نیاز دارد. API این بخش را از برنامه اصلی جدا میکند.
توسعهدهنده درخواست را از سایت یا نرمافزار ارسال میکند و پاسخ مدل را برای کاربر نمایش میدهد.
این روش امکان ساخت نمونه اولیه را سریعتر میکند و تغییر مدل را نیز آسانتر میسازد. بااینحال، سادهشدن اتصال به معنی حذف مسئولیت فنی نیست.
کنترل هزینه، نگهداری امن کلید دسترسی، محدودکردن تعداد درخواستها، ثبت خطاها و بررسی کیفیت پاسخ همچنان ضروری است.
در گزارش معرفی سرویس هوش مصنوعی لیارا توسط دیجیاتو نیز استفاده از API برای دسترسی به مدلهای هوش مصنوعی بررسی شده است.
چنین سرویسهایی برای تیمهایی مناسباند که میخواهند بدون درگیرشدن با میزبانی مستقیم مدل، یک قابلیت هوشمند را به محصول خود اضافه و در مقیاس محدود آزمایش کنند.
چتبات ممکن است پاسخ نادرست را با لحنی مطمئن ارائه دهد. به همین دلیل نباید در حوزههایی مانند تشخیص پزشکی، مشاوره حقوقی یا تصمیم مالی، بدون کنترل انسانی به خروجی آن تکیه کرد.
مشخصکردن موضوعات ممنوع، نمایش هشدار مناسب و ارجاع موارد حساس به متخصص، بخشی از طراحی محصول است.
دادههایی که کاربر در گفتوگو وارد میکند نیز اهمیت دارند. دریافت اطلاعاتی مانند رمز عبور، اطلاعات کارت بانکی یا اسناد محرمانه باید ممنوع باشد.
تیم توسعه باید مشخص کند پیامها کجا ذخیره میشوند، چه کسانی به آنها دسترسی دارند و چه زمانی حذف میشوند.
از طرف دیگر، کاربر باید بداند با یک سامانه خودکار گفتوگو میکند. امکان تماس با انسان، بهخصوص هنگام اعتراض، خطای سفارش یا موضوعات حساس، اعتماد بیشتری ایجاد میکند.
هوش مصنوعی زمانی مفید است که یک کار مشخص را بهتر، سریعتر یا کمهزینهتر انجام دهد. در زندگی روزمره، این کار ممکن است مرتبکردن اطلاعات یا پیشنهاد گزینههای مرتبط باشد؛ در یک کسبوکار نیز میتواند پاسخگویی اولیه به مشتریان یا جستوجو در مستندات باشد.
برای ساخت چتبات، شروع از یک مسئله محدود، استفاده از اطلاعات معتبر و آزمایش مداوم مهمتر از انتخاب پرسروصداترین مدل است.
ابزار هوشمند خوب قرار نیست جای همه فرایندها را بگیرد؛ باید بخشی را که واقعاً قابلبهبود است، با خطای کمتر و تجربه روشنتر برای کاربر انجام دهد.
