‏کارهایی که هوش مصنوعی حالا واقعاً از پسشون برمیاد

نویسندهٔ این پست، نیت میویس، در جواب سؤال یکی از دوستاش نوشته که این روزها دقیقاً کجاها از هوش مصنوعی استفاده می‌کنه. اولین موردش یه سیستم خودساخته‌ست برای پیدا کردن پرتکرارترین فکت‌ها تو یه مجموعهٔ متنی بزرگ: اول فکت‌ها از هر آیتم بیرون کشیده می‌شن، بعد براشون embedding (یعنی تبدیل هر متن به یه بردار عددی که متن‌های هم‌معنی رو کنار هم می‌ذاره) ساخته می‌شه و آخرش یه الگوریتم clustering تصمیم می‌گیره کدوم فکت‌ها در واقع یکی هستن.

سه کاربرد بعدی حول همون دادهٔ واقعی و نامرتب می‌چرخن. مدارک مربوط به مدرسه رو تو یه پروژهٔ Claude نگه می‌داره و ازش می‌خواد تاریخ‌های مهم رو در بیاره و مستقیم تو تقویم شخصیش بذاره. از یه LLM که به ایمیل و تقویم وصله می‌خواد همهٔ اطلاعات مربوط به سفر هفتهٔ بعدش رو پیدا کنه و بگه چیزی لنگ نمونده. برای مرور فلش‌کارت‌ها هم از API سرویس Zippyflash استفاده می‌کنه.

جزئیات فلش‌کارت‌ها جالبه: ازش PDF کارت‌های سررسیده رو می‌گیره تا با کاغذ و قلم مرور کنه، بعد جواب‌های دست‌نویسش رو می‌ده همون مدل تصحیح کنه و هر جا تصمیم درست یا غلط بدیهی نیست ازش می‌پرسه. همین‌طور می‌تونه جلسه‌های مطالعه رو جوری سفارشی کنه که از قبل قابل پیش‌بینی نبوده، یا وقتی عقب می‌افته کارت‌های کم‌اهمیت رو هوشمندانه عقب بندازه.

به گفتهٔ نویسنده، الگوی مشترک این کارها اینه که هوش مصنوعی از مرحلهٔ «داده رو می‌بینه و یه‌کم مفیده» رسیده به «این دسته کارها رو قابل اتکا انجام می‌ده، هرچند مهم‌هاش رو دوباره چک می‌کنم». نکتهٔ دومش هزینه‌ست: مدل‌های ارزون‌تر و سریع‌تر اون‌قدر خوب شدن که دیگه برای امتحان کردن یه ایده مکث نمی‌کنه، و فرق سه ساعت و ۵۰ دلار با نیم ساعت و ۵ دلار براش خیلی زیاده.

دو مشاهدهٔ آخرش هم قابل تأمله. بعضی پروژه‌های جالب ولی غیرفوری رو عمداً عقب می‌ندازه چون فکر می‌کنه چند ماه دیگه خیلی ارزون‌تر تموم می‌شن، که خودش یه جور حدس زدن مسیر پیشرفت مدل‌هاست. در مقابل معتقده تو سؤال‌های پرقضاوت مثل «چه کتاب‌هایی باید تو لیستم باشه و نیست؟» نسبت به چند ماه پیش تفاوت محسوسی حس نکرده.

نکات کلیدی:

• خط لولهٔ فکت‌یابی سه مرحله داره: استخراج فکت، ساخت embedding، و clustering برای یکی شمردن فکت‌های تکراری
• مدارک مدرسه تو یه پروژهٔ Claude نگه‌داری می‌شه و تاریخ‌ها مستقیم به تقویم شخصی اضافه می‌شن
• برای فلش‌کارت از API سرویس Zippyflash استفاده می‌شه، از تولید PDF تا تصحیح جواب‌های کاغذی
• مقایسهٔ هزینه‌ای که نویسنده می‌ده: سه ساعت و ۵۰ دلار در برابر نیم ساعت فعال و ۵ دلار
• به گفتهٔ نویسنده سؤال‌های پرقضاوت هنوز نقطهٔ ضعف مدل‌هاست