تحقق من جميع الجلسات عند الطلب من قمة الأمن الذكي هنا.
منذ إطلاقه في عام 2020 ، كان Transformer 3 Generative (GPT-3) هو حديث المدينة. تم استخدام نموذج اللغة الكبيرة القوي (LLM) الذي تم تدريبه على 45 تيرابايت من البيانات النصية لتطوير أدوات جديدة عبر الطيف – من الحصول على اقتراحات التعليمات البرمجية وإنشاء مواقع الويب إلى إجراء عمليات بحث تعتمد على المعنى. أفضل جزء؟ عليك فقط إدخال الأوامر بلغة واضحة.
لقد بشر ظهور GPT-3 أيضًا بعصر جديد في البحث العلمي. نظرًا لأن LLM يمكنها معالجة كميات هائلة من المعلومات بسرعة وبدقة ، فقد فتحت مجموعة واسعة من الاحتمالات للباحثين: إنشاء الفرضيات ، واستخراج المعلومات من مجموعات البيانات الكبيرة ، واكتشاف الأنماط ، وتبسيط عمليات البحث في الأدبيات ، والمساعدة في عملية التعلم وأكثر من ذلك بكثير.
في هذه المقالة ، سوف نلقي نظرة على كيفية إعادة تشكيل البحث العلمي.
الارقام
على مدى السنوات القليلة الماضية ، نما استخدام الذكاء الاصطناعي في البحث بوتيرة مذهلة. يشير تقرير CSIRO إلى أن ما يقرب من 98 ٪ من المجالات العلمية قد نفذت الذكاء الاصطناعي في بعض القدرات. تريد أن تعرف من هم كبار المتبنين؟ في المراكز الخمسة الأولى ، لديك الرياضيات وعلوم القرار والهندسة وعلم الأعصاب والرعاية الصحية. علاوة على ذلك ، ركز حوالي 5.7٪ من جميع الأوراق البحثية التي راجعها النظراء والمنشورة في جميع أنحاء العالم على الذكاء الاصطناعي.
حدث
قمة أمنية ذكية عند الطلب
تعرف على الدور الحاسم للذكاء الاصطناعي وتعلم الآلة في الأمن السيبراني ودراسات الحالة الخاصة بالصناعة. شاهد الجلسات عند الطلب اليوم.
مشاهدة هنا
بالنسبة إلى GPT-3 ، هناك أكثر من 300 تطبيق في جميع أنحاء العالم يستخدم هذا النموذج. يستخدمونه للبحث والمحادثة وإكمال النص والمزيد. يدعي صانع GPT-3 ، OpenAI ، أن النموذج يولد ما يزيد عن 4.5 مليار كلمة كل يوم.
كيف يتم استخدام GPT-3 في البحث
هل هذا هو مستقبل البحث العلمي؟ يمكنك القول أنه من السابق لأوانه اقتراح ذلك. لكن هناك شيء واحد مؤكد: النطاق الجديد من التطبيقات القائمة على الذكاء الاصطناعي يساعد العديد من الباحثين على توصيل النقاط بشكل أسرع. و GPT-3 لها دور كبير في ذلك. تستخدم المعامل والشركات في جميع أنحاء العالم واجهة برمجة التطبيقات المفتوحة لـ GPT-3 لبناء أنظمة لا تتيح أتمتة المهام العادية فحسب ، بل توفر أيضًا حلولًا ذكية للمشكلات المعقدة. دعونا نلقي نظرة على القليل منهم.
في علوم الحياة ، يتم استخدام GPT-3 لجمع الأفكار حول سلوك المريض للحصول على علاجات أكثر فعالية وأمانًا. على سبيل المثال ، تستخدم شركة InVibe ، وهي شركة أبحاث صوتية ، GPT-3 لفهم كلام المرضى وسلوكهم. ثم تستخدم شركات الأدوية هذه الأفكار لاتخاذ قرارات مستنيرة بشأن تطوير الأدوية.
تم استخدام LLMs مثل GPT-3 في البرمجة الجينية أيضًا. تقدم ورقة بحثية نُشرت مؤخرًا بعنوان “التطور من خلال النماذج الكبيرة” كيف يمكن استخدام LLM لأتمتة عملية مشغلي الطفرات في البرمجة الجينية.
حل المسائل الرياضية لا يزال قيد التقدم. وجد فريق من الباحثين في معهد ماساتشوستس للتكنولوجيا أنه يمكنك الحصول على GPT-3 لحل المشكلات الرياضية من خلال التعلم البسيط والتحفيز المتسلسل. كشفت الدراسة أيضًا أنه لحل مشاكل الرياضيات على مستوى الجامعة باستمرار ، فإنك تحتاج إلى نماذج مدربة مسبقًا على النص ومضبوطة بدقة على الكود. حقق الدستور الغذائي الخاص بـ OpenAI معدل نجاح أفضل في هذا الصدد.
الآن ، إذا كنت ترغب في تعلم المعادلات المعقدة وجداول البيانات الموجودة في الأوراق البحثية ، يمكن لـ SciSpace Copilot مساعدتك. إنه مساعد بحث بالذكاء الاصطناعي يساعدك على قراءة وفهم الأوراق البحثية بشكل أفضل. يوفر تفسيرات لمجموعات الرياضيات والنصوص أثناء قراءتك. بالإضافة إلى ذلك ، يمكنك طرح أسئلة متابعة للحصول على شرح أكثر تفصيلاً على الفور.
تطبيق آخر يستفيد من GPT-3 لتبسيط سير عمل البحث هو الاستخراج. لقد طورها مختبر الأبحاث غير الربحي لمساعدة الباحثين في العثور على الأوراق البحثية ذات الصلة دون مطابقة الكلمات الرئيسية المثالية والحصول على ملخصات موجزة منها.
يعمل النظام في مساحة مماثلة. إنه مصدر بيانات مفتوح يمكنك استخدامه لفهم العلاقة بين أي شيئين في العالم. يقوم بجمع هذه المعلومات من الأوراق ومجموعات البيانات والنماذج التي تمت مراجعتها من قبل الأقران.
يتعين على معظم الباحثين أن يكتبوا كثيرًا كل يوم. رسائل البريد الإلكتروني ، والمقترحات ، والعروض التقديمية ، والتقارير ، سمها ما شئت. يمكن لمولدات المحتوى المستندة إلى GPT-3 مثل Jasper ومحرري النصوص مثل Lex أن تساعد في تخفيف العبء عن أكتافهم. من المطالبات الأساسية في اللغة الطبيعية ، ستساعدك هذه الأدوات في إنشاء نصوص وإكمال كتاباتك تلقائيًا والتعبير عن أفكارك بشكل أسرع. في أغلب الأحيان ، ستكون دقيقة وذات قواعد نحوية جيدة.
ماذا عن البرمجة؟ حسنًا ، هناك أدوات قائمة على GPT-3 تقوم بإنشاء التعليمات البرمجية. Epsilon Code ، على سبيل المثال ، هو مساعد يحركه الذكاء الاصطناعي ويعالج أوصاف النص العادي لإنشاء كود Python. لكن التطبيقات التي يحركها Codex مثل تلك التي تقدمها GitHub هي الأفضل لهذا الغرض.
في نهاية اليوم ، تعد نماذج GPT-3 ونماذج اللغات الأخرى أدوات ممتازة يمكن استخدامها بعدة طرق لتحسين البحث العلمي.
أفكار فراق حول GPT-3 و LLMs
كما ترون ، فإن إمكانات GPT-3 و LLMs الأخرى لمجتمع البحث العلمي هائلة. لكن لا يمكنك استبعاد المخاوف المرتبطة بهذه الأدوات: الزيادة المحتملة في الانتحال والقضايا الأخلاقية الأخرى ، وتكرار التحيزات البشرية ، ونشر المعلومات المضللة ، وإغفال البيانات الهامة ، من بين أشياء أخرى. يجب أن يتعاون مجتمع البحث وأصحاب المصلحة الرئيسيين الآخرين لضمان بناء واستخدام أنظمة البحث القائمة على الذكاء الاصطناعي بشكل مسؤول.
في النهاية ، يعد GPT-3 أداة مفيدة. لكن لا يمكنك أن تتوقع أن تكون صحيحة طوال الوقت. لا يزال في مراحله الأولى من التطور. تم تقديم نماذج المحولات ، التي تشكل أساس LLMs ، فقط في عام 2017. والخبر السار هو أن العلامات المبكرة إيجابية. تحدث التنمية بسرعة ، ويمكننا أن نتوقع أن تتحسن LLM وأن تكون أكثر دقة.
في الوقت الحالي ، قد تستمر في تلقي تنبؤات أو توصيات غير صحيحة. هذا أمر طبيعي ويجب أخذه في الاعتبار عند استخدام GPT-3. لتكون في الجانب الآمن ، تأكد دائمًا من إعادة التحقق من أي شيء ينتج عن طريق GPT-3 قبل الاعتماد عليه.
Ekta Dang هو الرئيس التنفيذي ومؤسس U First Capital.
صانعي القرار
مرحبًا بك في مجتمع VentureBeat!
DataDecisionMakers هو المكان الذي يمكن للخبراء ، بما في ذلك الأشخاص الفنيون الذين يقومون بعمل البيانات ، مشاركة الأفكار والابتكارات المتعلقة بالبيانات.
إذا كنت تريد أن تقرأ عن الأفكار المتطورة والمعلومات المحدثة ، وأفضل الممارسات ، ومستقبل البيانات وتكنولوجيا البيانات ، انضم إلينا في DataDecisionMakers.
يمكنك حتى التفكير في المساهمة بمقال خاص بك!
قراءة المزيد من DataDecisionMakers
