LAM، مدل هوش مصنوعی جدید مایکروسافت برای انجام وظایف

هوش مصنوعی دیگر فقط حرف نمی‌زند، عمل می‌کند! مایکروسافت با معرفی مدل جدید LAM، هوش مصنوعی را وارد مرحله جدیدی کرده است. LAMها می‌توانند برنامه‌ها را اجرا کنند، وظایف را انجام دهند و حتی با محیط اطراف خود تعامل داشته باشند. آیا این به معنای پایان کار انسان‌ها و تسلط ربات‌هاست؟

به گزارش زوم تک از Tech Desk، همانطور که شاهد بوده‌ایم، مدل‌های زبان بزرگ (LLM) در خط مقدم پیشرفت سریع هوش مصنوعی قرار دارند، زیرا چت‌بات‌ها، تولید متن و حتی نوشتن کد را فعال کرده‌اند. اگرچه LLMها در درک و تولید متن خوب هستند، اما وقتی نوبت به انجام وظایف در محیط‌های دنیای واقعی می‌رسد، با مشکل مواجه می‌شوند. محققان مایکروسافت چیزی را ایجاد کرده‌اند که آن را مدل اقدام بزرگ (LAM) می‌نامند، یک مدل هوش مصنوعی که می‌تواند برنامه‌های ویندوز را به تنهایی اجرا کند.

مدل‌های اقدام بزرگ (LAM) نشان‌دهنده پیشرفت قابل توجهی در هوش مصنوعی هستند و سیستم‌های هوش مصنوعی را قادر می‌سازند تا وظایف پیچیده را بر اساس دستورالعمل‌های انسانی انجام دهند. LAMها تغییر از مدل‌های هوش مصنوعی که فقط صحبت می‌کنند به مدل‌هایی که می‌توانند واقعاً وظایف را انجام دهند را نشان می‌دهند.

مدل‌های LAM چیست؟

مدل‌های سنتی هوش مصنوعی عمدتاً متن را پردازش و تولید می‌کنند، اما LAMها یک قدم فراتر می‌روند. آنها قادرند درخواست‌های کاربر را به اقدامات واقعی تبدیل کنند. این اقدامات می‌تواند از کار با نرم‌افزار تا حتی کنترل ربات‌ها باشد. لازم به ذکر است که این مفهوم جدید نیست. LAM فقط اولین مدلی است که به طور خاص برای کار با محصولات مایکروسافت آفیس آموزش داده شده است. مفهوم LAMها در نیمه اول سال 2024 زمانی که دستگاه هوش مصنوعی Rabbit با هوش مصنوعی که می‌توانست بدون نیاز به کاربر با برنامه‌های تلفن همراه تعامل داشته باشد، برجسته شد.

مدل‌های LAM می‌توانند ورودی‌هایی مانند متن، صدا یا تصاویر را درک کنند و همچنین می‌توانند این درخواست‌ها را به برنامه‌های گام به گام دقیق تبدیل کنند. آنها همچنین قادرند رویکرد خود را در زمان واقعی تنظیم کنند. به عبارت ساده، LAMها هوش مصنوعی هستند که نه تنها برای درک، بلکه برای عمل نیز طراحی شده‌اند.

بر اساس مقاله تحقیقاتی “مدل‌های اقدام بزرگ: از آغاز تا اجرا”، این مدل‌ها برای تعامل با محیط‌های دیجیتال و فیزیکی طراحی شده‌اند. به جای اینکه از هوش مصنوعی بپرسید چگونه یک ارائه پاورپوینت ایجاد کنید، می‌توانید از هوش مصنوعی بخواهید برنامه را باز کند، اسلایدها را ایجاد کند و آنها را طبق ترجیحات قالب‌بندی کند. در هسته خود، LAMها اساساً درک قصد را با هم ترکیب می‌کنند، به این معنی که آنها دستورات کاربر را به طور دقیق تفسیر می‌کنند. تولید عمل، که توانایی برنامه‌ریزی مراحل عملی است. و سازگاری پویا، زیرا آنها قادر به تنظیم بر اساس بازخورد از محیط خود هستند.

LAMها چگونه ساخته می‌شوند؟

در مقایسه با LLMها، ایجاد LAM بسیار پیچیده‌تر است زیرا شامل پنج مرحله است. داده‌ها پایه و اساس هر هوش مصنوعی هستند و LAMها به دو نوع داده نیاز دارند: داده‌های برنامه وظیفه، که مراحل سطح بالایی برای وظایفی مانند باز کردن یک سند Word و برجسته کردن متن هستند. نوع دوم داده‌های اقدام وظیفه است که اساساً مراحل خاص قابل انجام هستند. وقتی صحبت از آموزش به میان می‌آید، این مدل‌ها تحت چیزی به نام تنظیم دقیق نظارت‌شده، یادگیری تقویتی و یادگیری تقلید قرار می‌گیرند. قبل از استقرار، این مدل‌ها در محیط‌های کنترل‌شده آزمایش می‌شوند. آنها همچنین در سیستم‌های عامل، مانند عامل‌های GUI ویندوز، برای تعامل با محیط‌های دیگر ادغام می‌شوند. در نهایت، این مدل در سناریوهای زنده آزمایش می‌شود تا سازگاری و عملکرد آن سنجیده شود.

LAMها یک جهش بزرگ در تکامل را نشان می‌دهند – از تولید متن گرفته تا عامل‌های هوش مصنوعی مبتنی بر عمل. از خودکارسازی گردش‌های کاری گرفته تا کمک به افراد دارای معلولیت، LAMها نه تنها هوش مصنوعی هوشمندتر هستند، بلکه هوش مصنوعی هستند که می‌توانند در زندگی روزمره مفیدتر باشند. با تکامل فناوری، LAM ممکن است به زودی به یک سیستم هوش مصنوعی استاندارد برای همه بخش‌ها تبدیل شود.