وقتی امروز از «هوش مصنوعی» صحبت می‌کنیم، بخش مهمی از فناوری‌ای که با آن سروکار داریم، بر پایه مدل‌های زبانی بزرگ یا LLM (Large Language Models) شکل گرفته است. مدل‌هایی که با حجم بسیار زیادی از متون آموزش دیده‌اند تا بتوانند زبان انسان را درک کنند، درباره آن استدلال کنند و متناسب با درخواست ما، پاسخ تولید کنند.
در واقع، یکی از مهم‌ترین نقاط عطف این مسیر، زمانی اتفاق افتاد که انسان توانست فناوری‌ای ایجاد کند که بتواند زبان انسان را تا حد قابل‌توجهی بفهمد. همه‌چیز از همین‌جا آغاز شد “TEXT”
در نسل‌های اولیه این فناوری، تعامل با هوش مصنوعی تا حدی شبیه صحبت کردن با یک کودک بود؛ می‌توانست سؤال را بفهمد و پاسخ بدهد، اما در بسیاری از موضوعات دچار خطا می‌شد، حافظه و درک محدودی داشت و در انجام کارهای پیچیده چندمرحله‌ای ناتوان بود.
اما فاصله با آن دوران بسیار سریع در حال کاهش است. مدل‌های امروزی نه‌تنها زبان را بهتر می‌فهمند، بلکه می‌توانند اطلاعات را از منابع مختلف دریافت کنند، در اینترنت جست‌وجو کنند، با نرم‌افزارها و ابزارهای مختلف تعامل داشته باشند، کد تولید کنند و حتی برای رسیدن به یک هدف، مجموعه‌ای از اقدامات را برنامه‌ریزی کنند.
اگر بخواهیم مسیر تحول این فناوری را به‌صورت ساده ترسیم کنیم، می‌توان آن را در چند مرحله دید.
مرحله اول: فهم و تولید متن.
چت‌بات‌ها به ما امکان دادند با زبان طبیعی با ماشین صحبت کنیم؛ سؤال بپرسیم، پاسخ بگیریم و از هوش مصنوعی برای تولید یا تحلیل محتوا استفاده کنیم.
مرحله دوم: ورود به دنیای چندرسانه‌ای.
هوش مصنوعی دیگر فقط متن را نمی‌بیند. تصویر، صوت و ویدئو نیز به حوزه درک آن وارد شده‌اند. اکنون می‌توان یک تصویر را به مدل داد و درباره محتوای آن سؤال کرد، یک فایل صوتی را تحلیل کرد یا از توضیح متنی، محتوای تصویری تولید کرد.
مرحله سوم: ظهور Agentها یا عامل‌های هوشمند.
اینجا یک تغییر مهم اتفاق می‌افتد. دیگر صرفاً از هوش مصنوعی نمی‌خواهیم «پاسخ» بدهد؛ بلکه یک هدف یا وظیفه به آن می‌دهیم. عامل هوشمند می‌تواند مسئله را به چند کار کوچک‌تر تقسیم کند، ابزار مناسب را انتخاب کند، مراحل را اجرا کند، نتیجه را بررسی کند و در صورت نیاز مسیر خود را اصلاح کند.
و شاید مرحله بعدی، Real-Time Agentها باشند؛ سیستم‌هایی که بتوانند به‌صورت لحظه‌ای محیط، کاربر و رویدادهای اطراف خود را درک کنند و بدون نیاز به دخالت مداوم انسان، واکنش مناسب نشان دهند. این مرحله می‌تواند مرز میان «نرم‌افزار» و «دستیار هوشمند» را بیش از پیش کمرنگ کند.
البته نباید در میان این هیجان، محدودیت‌های فعلی را فراموش کنیم. هوش مصنوعی هنوز با محدودیت‌هایی مانند Context، دشواری انجام برخی وظایف طولانی و پیچیده، خطا و توهم اطلاعاتی، محدودیت در خلاقیت واقعی و همچنین هزینه بالای محاسبات و مصرف انرژی مواجه است.
با این حال، نکته مهم این است که سرعت کاهش این محدودیت‌ها بسیار زیاد است. هر نسل جدید، بخشی از محدودیت‌های نسل قبلی را پشت سر می‌گذارد و قابلیت‌های تازه‌ای به آن اضافه می‌کند.
بنابراین شاید سؤال اصلی دیگر این نباشد که «هوش مصنوعی چه کاری می‌تواند انجام دهد؟»؛ بلکه باید پرسید: «هوش مصنوعی در مرحله بعدی، چه بخش‌هایی از فرآیندهای کاری و زندگی ما را بر عهده خواهد گرفت؟»
راهبرد رسانه‌ای هوش مصنوعی چگونه است؟
برای رسانه‌ها، این تحول به معنای عبور از «تولید محتوا با هوش مصنوعی» به سمت مدیریت هوشمند فرآیند محتوا است. هوش مصنوعی می‌تواند از شناسایی موضوعات و تحلیل رفتار مخاطب تا ایده‌پردازی، تولید، بازطراحی محتوا برای پلتفرم‌های مختلف و تحلیل عملکرد آن را پوشش دهد. در این مدل، رسانه می‌تواند با تیم‌های کوچک‌تر، سرعت و مقیاس تولید بیشتری داشته باشد و همزمان تجربه مخاطب را بر اساس داده و علایق او شخصی‌سازی کند.
با این حال، مزیت رقابتی رسانه صرفاً در تولید بیشتر محتوا نخواهد بود؛ زیرا تولید محتوای مشابه با AI به‌سرعت به یک قابلیت عمومی تبدیل می‌شود. مزیت اصلی در شناخت عمیق‌تر مخاطب، انتخاب موضوع درست، اعتبارسنجی محتوا، خلاقیت، روایت‌گری و طراحی تجربه مخاطب خواهد بود. بنابراین راهبرد آینده رسانه، حذف نیروی انسانی نیست؛ بلکه ایجاد یک مدل همکاری میان انسان و هوش مصنوعی است که در آن AI سرعت، مقیاس و تحلیل داده را فراهم می‌کند و انسان مسئول معنا، خلاقیت، اعتبار و تصمیم‌گیری است.
به نظر می‌رسد ما هنوز در ابتدای این مسیر هستیم؛ مسیری که از فهم متن آغاز شد، به درک چندرسانه‌ای رسید، اکنون وارد عصر عامل‌های هوشمند شده و به سمت تعامل بلادرنگ با جهان واقعی حرکت می‌کند.
شاید در شماره بعد، بتوانیم یک قدم جلوتر برویم و بررسی کنیم که ایران در این مسیر کجا ایستاده است و کسب‌وکارها و سازمان‌های ایرانی چگونه می‌توانند از این تحول در رسانه استفاده کنند.