AI (الذكاء الاصطناعي)، وعلى وجه التحديد LLMs هي تقنيات تستخدم لإنشاء محتوى اللغة الطبيعية، مما يسمح للمستخدمين بالمشاركة في المحادثات وطرح الأسئلة وتلقي الإجابات. يمكن أن يساعدك الذكاء الاصطناعي في تبادل الأفكار وتوليد أفكار جديدة بالإضافة إلى نص عام لملء الفجوات. ويمكن استخدامه أيضًا لتحرير المسودات للتأكد من أن المحتوى مصقول وخالي من الأخطاء.
نموذج اللغة الكبير ( LLM ) هو نموذج لغوي يتميز بقدرته على تحقيق توليد لغة للأغراض العامة ومهام معالجة اللغة الطبيعية الأخرى مثل التصنيف. يكتسب LLMs هذه القدرات من خلال تعلم العلاقات الإحصائية من المستندات النصية خلال عملية تدريب مكثفة حسابيًا تحت الإشراف الذاتي وشبه الإشراف. يمكن استخدام LLMs لإنشاء النص، وهو شكل من أشكال الذكاء الاصطناعي التوليدي، عن طريق أخذ نص إدخال والتنبؤ بشكل متكرر بالرمز أو الكلمة التالية.
LLMs هي شبكات عصبية اصطناعية. تم بناء أكبرها وأكثرها قدرة، اعتبارًا من مارس 2024، باستخدام بنية قائمة على المحولات لوحدة فك التشفير فقط، بينما تعتمد بعض التطبيقات الحديثة على بنيات أخرى، مثل متغيرات الشبكة العصبية المتكررة ومامبا (نموذج فضاء الحالة).
حتى عام 2020، كان الضبط الدقيق هو الطريقة الوحيدة التي يمكن من خلالها تكييف النموذج ليكون قادرًا على إنجاز مهام محددة. ومع ذلك، يمكن تصميم النماذج الأكبر حجمًا، مثل GPT-3، بسرعة لتحقيق نتائج مماثلة. يُعتقد أنهم يكتسبون المعرفة حول بناء الجملة وعلم الدلالات و"علم الوجود" المتأصل في مجاميع اللغة البشرية، ولكنهم يكتسبون أيضًا معلومات غير دقيقة وتحيزات موجودة في مجاميع اللغة البشرية.
بعض نماذج LLM البارزة هي سلسلة نماذج GPT الخاصة بـ OpenAI (على سبيل المثال، GPT-3.5 وGPT-4، المستخدمة في ChatGPT وMicrosoft Copilot)، وPaLM من Google وGemini (يتم استخدام الأخير حاليًا في برنامج الدردشة الآلي الذي يحمل نفس الاسم)، وXAI's Grok، وعائلة LLaMA من Meta للنماذج مفتوحة المصدر، ونماذج Anthropic's Claude، ونماذج Mistral AI مفتوحة المصدر، وDBRX مفتوحة المصدر من Databricks.
محتويات
تسمح Appropedia بالمحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي
يُسمح باستخدام الذكاء الاصطناعي على Appropedia وفقًا للشروط التالية:
- لا يوجد محتوى متاح على ويكيبيديا، أو ويكي مختلف، أو أي مصدر مشترك بموجب ترخيص مفتوح.
- سيتم استخدام المحتوى الذي سيتم إنشاؤه لدعم بحثك الأصلي.
مخاطر استخدام الذكاء الاصطناعي
- المعلومات التي يتم إنشاؤها بواسطة الذكاء الاصطناعي ليست دائمًا دقيقة أو موثوقة، وستظل مسؤولاً عن أي شيء تنشره على Appropedia .
- قد لا يفهم الذكاء الاصطناعي دائمًا سياق المحادثة أو الفروق الدقيقة في اللغة، لذلك يجب عليك مراجعة المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي وتحريره للتأكد من أنه دقيق وغير متحيز ومناسب للجمهور المستهدف.
- تذكر أن الذكاء الاصطناعي مبرمج لإنتاج نص منطقي، وليس بالضرورة نصًا دقيقًا أو صادقًا، لذا فهو يهلوس أحيانًا . كما أنهم ينتجون محتوى بناءً على المعلومات التي تم تدريبهم عليها، لذا اعتمادًا على نوع المطالبة، قد تكون المعلومات قديمة ومتحيزة.
- يتم إنشاء النماذج اللغوية الكبيرة باستخدام المواد الموجودة، بما في ذلك المحتوى الموجود على Appropedia، وعادةً لا يتم نسب المصادر أو ذكرها. وهذا يقوض عمل الأفراد الذين يقومون بهذا النوع من العمل.
- هناك تحيزات متأصلة في الذكاء الاصطناعي يمكن أن تجعل المجتمعات غير مرئية، أو تؤدي إلى إدامة اختلال توازن القوى.
توصيات لاستخدام محتوى الذكاء الاصطناعي
ليس هناك أي شرط للاستشهاد بأنظمة الذكاء الاصطناعي التي تستخدمها لإنشاء النص (ولكن نشجعك على القيام بذلك، وقد يُطلب منك القيام بذلك إذا كنت تقوم بتحرير Appropedia كجزء من عملك أو مؤسستك أو الدورة التدريبية)، تمامًا كما لا يوجد أي شرط للإشارة إلى البرنامج الذي استخدمته للتدقيق الإملائي والتصحيحات النحوية. ومع ذلك، يُنصح بذكر المصادر التي أنشأ فيها الذكاء الاصطناعي النص، حتى يتمكن المستخدمون من التحقق منه. قد يتطلب القيام بذلك البحث، أو يمكنك استخدام الذكاء الاصطناعي مثل Perplexity الذي يتضمن بالفعل المصادر المستخدمة.
نوصي بالذكاء الاصطناعي للقيام بالإجراءات التالية:
- قم بإنشاء ملخصات للنصوص (خاصة تلك التي قمت بتأليفها أو من مصادر مفتوحة، بما في ذلك الصفحات الطويلة على Appropedia).
- قم بتلخيص نصوص الفيديو لضمان إمكانية الوصول إلى المحتوى المضمن مثل مقاطع فيديو YouTube في وضع عدم الاتصال أو فهمه بسهولة أكبر من قبل الآخرين.
- اطلب من الذكاء الاصطناعي انتقاد أو إثارة اعتراضات على مقال أو جزء من المحتوى.
