کار همه داره شبیه هم میشه
هوش مصنوعیخلاصهٔ کاملتر
نویسنده میگه اگه دقت کنی میبینی محصول بقیه شبیه چیزیه که خودت ساختی: همون آنبوردینگ، همون empty state، همون همهچیزِ گرد و مرتب. بخشی از این همگرایی قدیمی و محصول دیزاین سیستمهاست، ولی حالا منبع تازهای پیدا کرده. تو مقاله به تحلیل اورلی رادوم ارجاع داده شده که میگه هوش مصنوعی قضاوت طراحی رو همگانی نکرد، خروجی رو همگانی کرد؛ مدلها روی دادههای مشابه آموزش دیدن و مدام به همون شکلها و همون منطق ترکیببندی میرسن.
یه مرور در Trends in Cognitive Sciences به سرپرستی مرتضی دهقانی از USC استدلال میکنه وقتی نوشتن، استدلال و نگاهمون به مسئله همه از یه سیستم رد میشه، تمایزمون ساییده میشه. تو گروه حتی بدتر هم میشه: تیمهایی که با مدل کار میکنن ایدههای متمایز کمتری میسازن تا تیمی که فقط با هم حرف میزنه. یه فراتحلیل با ۱۹ مطالعه و ۶۱ اندازهٔ اثر هم همین همگنشدن رو تأیید کرده.
نکتهٔ مهم اینه که اندازهٔ اثر کوچیکه؛ به گفتهٔ نویسنده تقریباً بهاندازهٔ یه جلسهٔ طوفان فکریِ بد اجراشده، پس جای هولکردن نیست. این تختشدن هم بیشتر تو چیزی پیدا میشه که پژوهشگرا بهش میگن ایدهپردازیِ معناییمحدود: پرامپت تنگ و هدف مشخص، مثل طراحی آنبوردینگ یا فلوی ثبتنام. خودش این رو مشکل بزرگی نمیدونه، چون الگوهای اثباتشده برای کاربر نقطهٔ ارجاع میسازن و وقت ما رو برای کارهای سختتر آزاد میکنن.
حرف اصلی پست اینه که خطر بزرگتر، بهقدر کافی بزرگ فکر نکردنه. نویسنده به پروژهٔ CETI برای رمزگشایی زبان نهنگ عنبر، Earth Species Project، چالش وزوو که طومار سوختهٔ رومی رو بدون بازکردن خوند و AlphaFold اشاره میکنه و میپرسه: یه سال دیگه که همه ابزار و پرامپت یکسان دارن، کسی میتونه کار تو رو از کار بقیه تشخیص بده؟ به گفتهٔ او مدل خودش لبههامون رو نگه نمیداره؛ باید عمداً انتخابش کنیم.
نکات کلیدی:
- همگرایی طراحی قدیمیه، ولی حالا از خود مدلها میاد نه فقط از دیزاین سیستمها
- پژوهشها همگنشدن خروجیِ همآفرینی با هوش مصنوعی رو تأیید کردن، با اثری کوچیک
- تیمهای متکی به مدل ایدههای متمایز کمتری میسازن تا تیمهای گفتوگومحور
- بیشترین تختشدن تو کارهای با پرامپت تنگ و هدف مشخص دیده میشه
- به گفتهٔ نویسنده فرصت اصلی سراغ مسائل لبهای رفتنه، نه نگرانی بابت فلوی ثبتنام
