الجيل الثالث من التكنولوجيا البرمجية وتحسين محركات البحث: كيف ستُحدث الذكاء الاصطناعي ثورة في محتواك إلى الأبد

لقد سمعنا جميعًا الضجة الآن.

أصدرت شركة OpenAI إصدارًا جديدًا من محول Generative Pre-trained الإصدار 3 (اختصارًا، GPT-3 أو GPT 3) مع وصول API التجريبي GPT 3، ومثل سلفه GPT 2، هو شبكة عصبية عميقة كبيرة يمكنها توليد نص واقعي بما فيه الكفاية لخداع الإنسان العادي. إنها تقنية AI متقدمة تعلمت كيفية تقليد الكتابة البشرية من على الويب.

إليك مقتطف من مقال تم إنشاؤه بواسطة GPT 3:

في السنوات التي تلت الحرب العالمية الثانية، بدأ اقتصاد العالم الغربي، وبشكل خاص اقتصادات أوروبا، في التعافي وإظهار النمو. بدأ إعادة بناء المصانع والطرق والجسور والمدن والمنازل والموانئ والمطارات. أصبح اقتصاد أوروبا محركًا للنمو للعالم الغربي بأسره. استفادت الدول والشركات والأفراد، وبدأت فترة عظيمة من النمو الاقتصادي، وارتفاع الأجور، وتحسين مستويات المعيشة في أوروبا. ساهمت إعادة الإعمار والاستثمارات الجديدة في جعل أوروبا مكانًا رائعًا للأعمال. بالنسبة للشركات، كانت أوروبا سوقًا واسعًا، مع توحيد أعضائها إلى حد ما من حيث تنظيم السوق والبنية التحتية وسياسة الاستثمار والثقافة. أنشأت الشركات المصانع، واستثمرت، ووجدت أسواقًا جديدة، وتم تمويل هذه الاستثمارات إلى حد كبير بالديون.

لقد فاجأت هذه النتائج الجمهور بلا شك وخلقت الكثير من الضجة. النص المولد يقرأ بشكل جيد وهو صحيح نحويًا - لكن GPT 3 ليس مجرد مولد نص قوي. تُمثل التقنية تغيرًا جوهريًا في طريقة تفكيرنا في إنشاء المحتوى والتسويق وتحسين محركات البحث (SEO). يمكن توليد مقتطفات قصيرة من المحتوى، مثل المعروض أعلاه، بسهولة وبتكلفة منخفضة.

بالنسبة لخبراء تحسين محركات البحث ومنشئي المحتوى، من الضروري فهم GPT 3. هل يعني هذا أن الكتابة البشرية أصبحت عفا عليها الزمن؟ هل يمكنه إنتاج نسخة عالية الجودة؟ هل يُمثل هذا سيناريو القيامة حيث تُنتج برامج الروبوتات المزعجة لتحسين محركات البحث كميات هائلة من القمامة؟

بينما توجد بعض الحقائق في هذه المشاعر، نعتقد أن الضجة المبالغ فيها حول GPT 3 تحتاج إلى المزيد من الوضوح. لفهم تأثير تقنيات توليد النصوص على تحسين محركات البحث وكتابة المحتوى، نحتاج أولاًإلى تحليل ما تقوم به GPT 3، ولماذا يهم، وكيف تعمل.

عمومية GPT-3

GPT-3 وتقنياتها السابقة (GPT وGPT 2) هي خط من البحث عن نماذج معالجة اللغة الطبيعية (NLP) العامة التي طورتها OpenAI. لكن ماذا يعني أن تكون عام؟

تاريخ طويل لتطوير الأنظمة التي فقط جيدة في شيء واحد. تسمى هذه الأنظمة بـالذكاء الاصطناعي الضيق. إذا كنت تريد ذكاء اصطناعيًا يتنبأ بتقييم مراجعة أمازون - يمكنك تدريب واحد بسهولة إذا كان لديك ما يكفي من البيانات التدريبية. إذا كنت تريد تطوير نموذج يمكنه النظر إلى صورة الملف الشخصي على وسائل التواصل الاجتماعي ويخبرك من هو - يمكنك تدريب نموذج آخر سيقوم بالعمل.

المشكلة هي أن الأنظمة الذكية المدربة على أي من هذه المهام غير قادرة على العمل على أي شيء آخر - ومن هنا جاء مصطلح الضيق. يقتصر على النطاق الذي تم تدريبه عليه. الكأس المقدسة الحالية لبحث الذكاء الاصطناعي هو السعي وراء تقنيات أكثر عمومية - أنظمة ذكاء يمكنها القيام بالعديد من الأشياء. إليكم سبب كون التقنيات العامة تغييرًا للعبة.

لماذا نبني الذكاء الاصطناعي العام؟

يذهب المشاعر الشائعة - أليس من الأفضل تفضيل الخبراء المتخصصين؟

في الأيام الأولى للحوسبة، خلق الناس أجهزة كمبيوتر متخصصة يمكنها فقط حساب وحل نوع واحد من المشاكل. تخيل وجود آلة حاسبة متخصصة يمكنها فقط القيام بالجمع، ولا شيء غير ذلك. بالتأكيد، إنها جيدة جدًا في الجمع ويمكنها القيام بذلك بسرعة كبيرة، ولكن ذلك لن يكون مفيدًا للغاية.

بدلاً من ذلك، من المفيد أكثر أن يكون لديك كمبيوتر يمكنه الجمع والطرح والذهاب عبر الإنترنت ولعب ألعاب الفيديو وما إلى ذلك. الحواسيب الحديثة المستندة إلى معمارية فون نيومان لديها هذه القدرات العامة. بالنظر إلى الماضي، من السهل القول إن الحوسبة العامة الغرض هي واحدة من اختراعات البشرية الأكثر تأثيرًا.

ينطبق نفس المبدأ على تقنيات الذكاء الاصطناعي مثل GPT 3. نريد أن يكون لدينا عمومية في أنظمتنا لأن هذا يمكننا من حل المزيد من المشاكل دون الحاجة إلى هندسة مختلف المهام يدويًا. بالإضافة إلى ذلك، تبين أن النهج العام في التعلم أظهر زيادة في دقة الذكاء الاصطناعي في مهام معالجة اللغة الطبيعية بنسبة تزيد عن 60%.

بعد كل شيء، البشر هم شكل من أشكال الذكاء العام. يمكّننا الذكاء العام من اكتساب مهارات لا نعرف حتى إن كانت مفيدة مسبقًا. لأولئك المهتمين بمعنى وجود الذكاء العام، نوصي بورقة Chollet حول قياس الذكاء.

بالنسبة لتسويق تحسين محركات البحث، هذا يعني أننا لا نحتاج إلى معرفة مسبقة عن نوع المحتوى الذي نريد إنتاجه. ليست هناك حاجة لإنشاء ذكاء اصطناعي مختلف لغرض مختلف قليلًا.

GPT-3 هو نظام ذكاء اصطناعي يظهر بعض خصائص الذكاء العام (يسمى أحيانًا Proto-AGI). على سبيل المثال، يمكننا توجيه الذكاء الاصطناعي بأمثلة على حوارات الشخصيات ونطلب منه إكمالها:

ريكس هو مسافر عبر الزمن من المستقبل. آدا هي سيدة من القرن التاسع عشر. ريكس: أعتقد أنني أفسدت آلة الزمن في حديقتك. آدا: عفوًا؟ ماذا قلت يا رجل شاب؟

يمكنه أيضًا أداء مجموعة متنوعة من المهام الأخرى وحتى توليد كود HTML. هذا أمر كبير لأنه يعني أننا يمكننا حل العديد من المهام المتعلقة بالمحتوى بواسطة GPT.

فهل هذا يعني أن GPT 3 يمكنه حل جميع المهام ذات الصلة بتحسين محركات البحث؟ هل يمكنه إنشاء منشورات مدونة لأي موضوع أو محتوى لأي فئة نريدها؟ ليس تمامًا. للإجابة على هذا السؤال، نحتاج إلى تحليل كيف يعمل GPT 3.

كيف يتعلم GPT 3

الاستفادة من البيانات الكبيرة

نماذج التعلم الآلي (وخاصة الشبكات العصبية العميقة) تتطلب البيانات بشدة وتعمل بشكل جيد فقط عندما تزودها بالكثير من البيانات. بعد كل شيء، البيانات هي النفط الجديد.

لكن الحصول على البيانات أمر صعب ومكلف. يتطلب معظم الأنظمة التعلمية المفيدة من البشر تسمية كل نقطة بيانات بمهارة. البيانات الموسومة عادة ما تكون العقبة الرئيسية في التطبيقات العديدة لأن جمعها مكلف - تخيل تكلفة استئجار أسطول من عمال أمازون المؤقتين!

يعمل GPT 3 حول هذه المشكلة من خلال إنشاء إشارة تدريبية خاصة به من خلال نمذجة النصوص الطبيعية المتوفرة على الويب. يتبنى نموذجًا للتعلم يُسمى التعلم الإشرافي (أو التعلم الذاتي الإشرافي). يسمح التعلم دون بيانات موسومة بالتعلم من قبل البشر. لأولئك الذين ي