مجله الکترونیکی «زاویه» نوشت: با آغاز فرآیند توسعه فناوری هوش مصنوعی مولد در سال ۲۰۲۳، کسبوکارها شروع به استخدام متخصصان هوش مصنوعی کردند. مشاغل مرتبط با هوش مصنوعی مولد در سه ماهه دوم سال ۲۰۲۳ نسبت به پایان سال ۲۰۲۲ بیش از هزار درصد و جستوجوهای مرتبط با هوش مصنوعی در این مقطع زمانی بیش از هزار و۵۰۰درصد افزایش یافته است. رونق هوش مصنوعی ابتدا زمزمههایی درباره حذف مشاغل به راه انداخت، اما نظرسنجی از هزار و۴۰۰ فعال تجاری ایالات متحده توسط مؤسسه تحقیقاتی «Upwork» نشان داد که ۴۹ درصد از مدیران منابع انسانی قصد دارند به منظور انطباق با نیازهای امروزی، کارمندان آزاد و تمام وقت بیشتری با مهارت کار با هوش مصنوعی استخدام کنند. این مؤسسه، در جریان پژوهش یاد شده، دادههای پلتفرم خود را تجزیه و تحلیل کرد تا دریابد شرکتها برخورداری از چه مهارتهای مرتبط با هوش مصنوعی را هنگام استخدام مهم تلقی میکنند. در این نوشتار به ۱۰ مهارت برتر حوزه هوش مصنوعی مولد که شرکتها امروزه به دنبال آن هستند، میپردازیم.
استفاده از «ChatGPT»
توانایی استفاده از «ChatGPT» رتبه نخست را در مهارتهای مرتبط با هوش مصنوعی مولد در این تحقیق به دست آورد. براساس بسیاری از گزارشهای آماری، پلتفرم مذکور، همه صنایع را فراگرفته و سازمانها علاقهمند به استخدام افراد حرفهای هستند که مهارت کار با آن را دارند؛ مهارتهایی که به شرکتها در زمینه استفاده از «ChatGPT» در تولید محتوا، اتوماسیون کار و اسکریپتنویسی، ترجمه، آموزش، پشتیبانی فنی و عیبیابی، ویرایش و تصحیح، تولید ایده، مدیریت زمان و موارد دیگر کمک میکند. با توسعه فناوری هوش مصنوعی درک چگونگی استفاده از این چتبات در محل کار به یک مهارت ارزشمند تبدیل شده است و شرکتها درصدد سرمایهگذاری برای دستیابی به اهداف تجاری از طریق این پلتفرم هستند.
'
پردازش زبانهای طبیعی (NLP)
فناوری پردازش زبان طبیعی (NLP) به رایانهها کمک میکند زبان انسان را بهتر درک کنند تا چتباتها، دستیاران هوش مصنوعی، اتوماسیون و سایر وظایف را بهبود بخشند. زبان به طور مداوم در حال تکامل است. این تکامل دارای نکات ظریفی است که میتواند باعث ابهام در مکالمات ایجاد شده توسط هوش مصنوعی شود. هدف فناوری پردازش زبان طبیعی، ایجاد تجربه گفتوگوی روانتر برای کسانی است که با چتباتهای هوش مصنوعی و سایر سرویسهای مبتنی بر این فناوری تعامل دارند. این مهارت شامل تخصص در زمینههایی مانند پیشپردازش متن، توکنسازی، مدلسازی موضوع، توقف حذف کلمات، طبقهبندی متن، استخراج کلمات کلیدی، برچسبگذاری گفتار، تجزیه و تحلیل احساسات، تولید متن، مدلسازی زبان و برخی موارد دیگر است. بیشترین نقشهای مرتبط با استفاده از فناوری پردازش زبان طبیعی شامل دانشمند داده، مهندس یادگیری ماشین، مهندس نرمافزار، تحلیلگر داده و توسعهدهنده نرمافزار میشود.
استفاده از «TensorFlow»
شرکت گوگل، پلتفرم «TensorFlow» را به عنوان یک چارچوب یادگیری ماشین منبع باز توسعه داده است. از این پلتفرم برای ساخت و آموزش مدلهای یادگیری ماشین و شبکههای عصبی استفاده میشود. این کتابخانه متن باز، ابزاری محبوب و مؤثر است که به شرکتها در توسعه و استقرار مدلهای هوش مصنوعی کمک میکند. امروزه مهارت استفاده از «TensorFlow» در صنعت حیاتی بوده و متقاضیان زیادی دارد. نقشهای شغلی مرتبط با این مهارت، شامل متخصصان یادگیری ماشین، یادگیری عمیق، پردازش زبان طبیعی، تحلیل داده، معماری سیستمهای هوش مصنوعی و... میشود.
مهارت پردازش تصویر
هوش مصنوعی برای تجزیه و تحلیل و پردازش تصاویر استفاده میشود. دادهها و اطلاعات را از اسناد بصری و متنی استخراج و در صورت نیاز آنها را تفسیر یا دستکاری میکند. پردازش تصویر هوش مصنوعی سازمانها را قادر میسازد که دادههای مورد نیاز را از اسنادی مانند فاکتورها، سفارشات خرید، لیستهای بستهبندی و رسیدها استخراج کنند. همچنین کاربردهای مهمی در صنعت مراقبتهای بهداشتی دارد و به تجزیه و تحلیل تصاویر پزشکی از جمله «آم آر آی» و «سی تی اسکن» کمک میکند. مراحل مختلفی در پردازش تصویر وجود دارد که دریافت تصویر، بهبود، بازیابی، فشردهسازی، پردازش مورفولوژیکی، تشخیص تصویر و تجسم دادهها از جمله آن است.
استفاده از «PyTorch»
کتابخانه یادگیری ماشین منبع باز «PyTorch»، در سال ۲۰۱۷ توسط تیم تحقیقات هوش مصنوعی فیسبوک (FAIR) توسعه یافت. «PyTorch» چارچوبی محبوب است که به سازمانها کمک میکند مدلهای یادگیری عمیق و شبکههای عصبی را توسعه داده، آموزش دهند و در فناوریهایی مانند پردازش زبان طبیعی به کار گیرند. پلتفرم مبتنی بر پایتون، چارچوبی منعطف، سریع و آسان برای ساخت شبکههای عصبی عمیق و پیچیده ارائه میدهد. از ویژگیهای مهم این برنامه گرافیک محاسباتی پویا، پایه پایتون و تمایز خودکار برای ایجاد و آموزش شبکههای عصبی عمیق است.
تولید محتوای مبتنی بر هوش مصنوعی
تبحر هوش مصنوعی مولد در تولید محتوا قابل انکار نیست و شرکتهای بسیاری برای ایجاد محتواهایی مانند مطالب وبلاگی، پستهای رسانههای اجتماعی، گرافیک، مقالات و حتی ویدئوها به هوش مصنوعی روی آوردهاند. با این حال، هوش مصنوعی مولد همیشه در تولید انواع محتوا موفق نیست و گاهی متون نادرست و بیکیفیت تولید میکند که برای استفاده، به ویرایش انسانی نیاز دارد. در نتیجه، تقاضا برای افراد حرفهای که میتوانند هوش مصنوعی مولد را وادار به تولید محتوای مرتبط و باکیفیت کنند، افزایش یافته است. این افراد باید به محتوای تولید شده با هوش مصنوعی توجه کنند تا اطمینان حاصل شود که متون روان، منطقی و متناسب با مخاطب هدف هستند.
استفاده از «Midjourney»
پلتفرم «Midjourney» یک سرویس هوش مصنوعی مولد است که در سال ۲۰۲۲ برای تولید تصویر با استفاده از دستورات متنی توسعه یافت. این فناوری در حال حاضر فقط برای استفاده از طریق سرور رسمی «Discord» شرکت، با استفاده از روباتی که برای هر درخواست کاربر، چهار تصویر پیشنهادی ایجاد میکند، در دسترس است. انتشار این پلتفرم باعث ایجاد بحثهایی در میان اعضای انجمنهای هنر و طراحی گرافیک شده است. آنها نگران جایگزینی هنرمندان و محتوای تولیدی انسان با تصاویر ساخته شده توسط هوش مصنوعی هستند. تاکنون چندین شکایت از سوی هنرمندانی که ادعا میکنند هوش مصنوعی به دلیل آموزش از طریق آثارشان، حقوق آنها را نقض میکند، ثبت شده است. با این حال، آزمایشگاه تحقیقاتی
«Midjourney» مدعی است که قصد همکاری با هنرمندان و کمک به آنها در تولید محتوا را دارد. با توسعه این پلتفرم، تقاضا برای مهارتهای استفاده از «Midjourney» افزایش یافته است، زیرا سازمانها به دنبال سرمایهگذاری روی فناوری برای ایجاد تبلیغات سفارشی و یافتن جایگزینی برای جستوجوی تصاویر گوگل هستند.
بهکارگیری چتباتهای پشتیبان
استفاده از چت باتهای هوش مصنوعی در جامعه مدرن، به ویژه در بخشهای گوناگون تجارت الکترونیک مانند خدمات مشتری و خرده فروشی، رواج یافته است. شرکتها از هوش مصنوعی برای کاهش حجم کاری کارمندان خود استفاده میکنند. این ابزار پیش از اتصال تماس مشتریان به اپراتورهای انسانی، دسترسی آنها به اطلاعات مفید را فراهم میکند و به سؤالات رایج و پشتیبانی از مسائل سادهتر پاسخ میدهد. سازمانها میتوانند با استفاده از چت باتهای هوش مصنوعی تجربه بهتری را برای مشتریان رقم بزنند، اما این خدمات نیازمند نگهداری و مدیریت منظم توسط نیروی انسانی هستند. از همین روی سازمانها به دنبال افراد حرفهای هستند که بتوانند بر سرویس چتباتها نظارت و آنها را آزمایش، تجزیه و تحلیل و عیبیابی کنند. آنها همچنین به دنبال مهارتهایی درباره API ها، یادگیری عمیق، یادگیری ماشینی، پردازش زبان طبیعی، مدیریت گفتگو و پیش پردازش متن هستند.
مهارت تنظیم مدلها (Model tuning)
مهارت تنظیم مدلها یا «Model tuning»، فرآیند شناسایی و ایجاد تنظیمات و پارامترهای ایدهآل برای مدلهای یادگیری ماشینی و یادگیری عمیق است. تیمها میتوانند با استفاده از این مهارت، عملکرد و کارایی مدلهای آموزش ماشین خود را بهبود بخشند. در فرآیند
«Model tuning» از پارامترهای قابل آموزش و هایپرپارامتر پیکربندی شده توسط کاربر استفاده میشود تا مدل دقیقترین نتایج ممکن را ایجاد کند. این مهارت برای ایجاد محصولات و خدمات با کیفیت مبتنیبر هوش مصنوعی مولد بسیار حیاتی است.
استفاده از «Stable Diffusion»
هوش مصنوعی «Stable Diffusion» یک مدل یادگیری عمیق است که آثار هنری و تصاویر با کیفیت را براساس درخواستهای پیچیده و دقیق کاربران تولید میکند. با «Stable Diffusion» کاربران میتوانند تصاویر موجود را با هدف حذف اشیا و تنظیم رنگ سوژهها تغییر دهند و ویرایش کنند. این مدل نیز مانند «Midjourney»، سبب نگرانی هنرمندان و طراحان گرافیک شده است. توانایی استفاده از «Stable Diffusion» همچنان یک مهارت مورد نیاز هوش مصنوعی است که سازمانها از طریق آن در پی تولید تبلیغات سفارشی و سایر محتواها مانند تصاویر محصول و محتوای رسانههای اجتماعی هستند.
