🤖 سلام، CLEVI هستم.
از ۲۰ تا ۲۲ ژانویه، در رویداد «هفته نمایشگاه پژوهشی JBNU 2025 (Research Fair Week)» که توسط دانشگاه ملی جئونبوک برگزار شد، شرکت کردیم.
این رویداد با محوریت دستاوردهای پژوهشی برجسته دانشگاه ملی جئونبوک، جهتگیری فناوریهای آینده مرتبط با راهبردهای صنعتی و ملی را ارائه کرد و بهعنوان فرصتی معنادار برای تعامل میان دانشگاه، صنعت، پژوهش و دولت فراهم شد.
بهویژه، مدیرعامل CLEVI، لی هوانهو، بهعنوان سخنران VIP مراسم افتتاحیه که در روز ۲۰ام برگزار شد، دعوت شده بود! 👏
بیایید بار دیگر حالوهوای آن روز را احساس کنیم!
این تصویر مربوط به زمانی است که مدیرعامل لی هوانهو پیش از آغاز، در حال آمادهسازی سخنرانی خود بود؛ میتوان دید که او در حال فکر کردن به این است که چگونه سخنرانی را پربارتر و سادهتر ارائه کند.
رویداد آغاز شد و مراسم افتتاحیه برگزار شد.
ابتدا، مراسم با اجرای زنده هنری که بهصورت بداهه توسط یکی از دانشجویان دانشگاه ملی جئونبوک تکمیل شد، بهشکلی باشکوه آغاز شد.
پس از نخستین سخنرانی اصلی، مدیرعامل CLEVI، لی هوانهو، با موضوع «چرا هوش مصنوعی به یک واسطه فیزیکی نیاز دارد؟» دومین سخنرانی اصلی را ارائه کرد. بیایید نگاهی کوتاه بیندازیم!
هوش مصنوعی دقیقاً چگونه جهان را درک میکند،
جمله میسازد و حتی دست به عمل میزند؟
میخواهیم با هم نگاهی به «درون مغز» مدلهای زبانی بزرگ (LLM) مانند ChatGPT و Claude بیندازیم که هر روز از آنها استفاده میکنیم، تا ببینیم دقیقاً بر چه اساسی جملهها را درک و تولید میکنند.
- برچسبگذاری نام (Token ID): هوش مصنوعی ابتدا برای مدیریت همه کلمات، شمارههای منحصربهفردی مانند «۵» و «۸» به آنها اختصاص میدهد.
- ثبت نشانی روی نقشه (Vector): اما از شمارههای ساده نمیتوان به معنا پی برد؛ بنابراین برای هر کلمه «نشانی دقیق (مختصات)» متشکل از صدها عدد تعیین میکند.
- پیدا کردن همسایهها: کلماتی با معانی مشابه (برای مثال، «the» و «a») در این نقشه در مکانهایی بسیار نزدیک به هم، مانند «همسایهها»، زندگی میکنند.
پس هوش مصنوعی چگونه کلمه بعدی را حدس میزند؟
اکنون که تبدیل پایهای دادهها را درک کردیم، بیایید کل فرایند را ببینیم و بررسی کنیم این اعداد چگونه به یک جمله واقعی تبدیل میشوند. فرض کنید ورودیای مانند «Paris is the city...» در اختیار داریم.
توکنساز (قطعهقطعهکردن): همانطور که پیشتر دیدیم، جملهای که وارد میکنیم از طریق توکنساز به اعداد (شناسههای توکن) تبدیل میشود. «Paris» شمارهٔ 1652، «is» شمارهٔ 5 و... به همین شکل.
LLM (حسابگر عظیم): این مجموعه اعداد وارد حسابگر عظیمی به نام LLM (مدل Bloom در تصویر) میشوند. در اینجا، با استفاده از عملیات «بردار» که پیشتر آموختیم، زمینه را درک میکند. مثلاً میگوید: «آهان، الآن داریم دربارهٔ شهر پاریس صحبت میکنیم!»
Logits & Softmax (محاسبهٔ احتمال): هوش مصنوعی پس از اتمام محاسبات، به دهها هزار نامزد واژهای که ممکن است در ادامه بیایند امتیاز میدهد. سپس از طریق فیلتری به نام «سافتمکس»، این امتیازها را به **«احتمال»** قابلفهم برای ما تبدیل میکند.
انتخاب نهایی: به نمودار سمت راست نگاه کنید.
- of → 33.7%
- that → 15.3%
- where → 9.4%
در نهایت، هوش مصنوعی **«of»** را که بیشترین احتمال را دارد انتخاب میکند و جملهٔ «Paris is the city of...» را کاملتر میکند. با تکرار این فرایند دهها هزار بار، پاسخ طولانیای را که ما میبینیم ایجاد میکند.
در نتیجه، به خاطر سپردن یک واژه برای هوش مصنوعی به معنای حفظ کردن حروف نیست؛ بلکه مانند به خاطر سپردن «نشانی» آن واژه است، یعنی اینکه روی نقشهٔ عظیم معنا تقریباً کجا قرار دارد.
LLM را میتوان به بینایی، رباتها و یادگیری رفتار گسترش داد.
هوش مصنوعیای که معنا را درک میکند، میبیند و درک میکند، و عمل میکند.
دادن دستوپا به هوش مصنوعی یعنی گذار از زبان به ادراک و فراتر از آن، گسترش هوش تا مرحلهٔ عمل.
هوش مصنوعی دیگر در حوزهٔ ایدهها یا تخیل نیست، بلکه وارد مرحلهٔ پیادهسازی و واقعیت شده است.
گام بعدی CLEVI
CLEVI قصد دارد در آینده نیز فرصتهای متنوعی مانند کارگاههای دروندانشگاهی و بروندانشگاهی، پروژههای عملی و غرفههای تجربه را گسترش دهد تا افراد بیشتری بتوانند مستقیماً تجربه کنند که فناوری هوش مصنوعی چگونه در دنیای واقعی کار میکند.
همانطور که سخنرانی این بار در دانشگاه ملی جئونبوک به پلی ارزشمند میان دانشجویان و ما تبدیل شد، در آینده نیز به ایفای نقش پل ارتباطی میان متخصصان فناوری و کاربران، و میان دانشگاه و صنعت ادامه خواهیم داد.