دسته: هوش مصنوعی

جیسون کوئبلر

یک حساب کاربری ویدیوهای وحشت‌بار و غیرانسانی درباره اجرای قوانین مهاجرتی را ارسال می‌کند، چرا که الگوریتم فیس‌بوک برای آن‌ها پاداش می‌دهد.

«مراقب قدم‌هایتان باشید آقا، ادامه دهید»، افسر پلیسی با جلیقه‌ای که واژه ICE و پچی با عبارت «POICE» روی آن نوشته شده است، به مردی لاتین‑ظاهر که جلیقهٔ کارمند والمارت پوشیده بود، می‌گوید. او او را به سمت اتوبوسی که روی آن نوشته «IMMIGRATION AND CERS» هدایت می‌کند. در کنار او یکی از همکارانش به‌طرز غیرطبیعی به‌صورت جانبی می‌چرخد؛ یکی از پاهایش به‌گونه‌ای ناممکن از میان پای دیگر عبور می‌کند در حالی که به سمت پشت صفی از سایر کارمندان لاتین والمارت که به‌نظر می‌رسد توسط ICE بازداشت شده‌اند، می‌رود. دو ایموجی پرچم آمریکا بر روی ویدیو قرار گرفته‌اند و متن «Deportation» نیز نمایش داده می‌شود.

ویدیو ۴ میلیون بازدید، ۱۶٬۶۰۰ لایک، ۱٬۹۰۰ کامنت و ۲٬۲۰۰ اشتراک‌گذاری در فیس‌بوک دارد. واضح است که توسط سُورا از OpenAI تولید شده است.

بعضی از نظرات به‌نظر می‌رسد این موضوع را درک کنند: «چرا این‌قدر راه می‌رود؟» یکی می‌گوید. «هوش مصنوعی، پای مرد از طریق پای او می‌گذرد»، دیگری می‌گوید. بسیاری از نظرات واضحاً درک نمی‌کنند: «اوه، می‌توانید تعداد زیادی از این‌ها را در والمارت پیدا کنید»، یکی از نظرات برتر می‌خواند. «آیا والمارت پیش از استخدام مدارک اداری را تکمیل نمی‌کند؟» دیگری می‌گوید. «آیا آن‌ها پیش از هالووین زامبی‌ها را از والمارت حذف می‌کنند؟» 

آخرین روند در سقوط پیوسته فیس‌بوک به سمت توالت هوش مصنوعی ویدیوهای ارتکاب‌ساز هوش مصنوعی هستند. این ویدیوها توسط حسابی به نام «USA Journey 897» منتشر می‌شوند و حس کلی آن‌ها شبیه به ویدیوهای تبلیغاتی واقعی است که توسط ICE و حساب‌های رسانه‌های اجتماعی وزارت امنیت داخلی به اشتراک گذاشته می‌شود. بسیاری از این ویدیوهای هوش مصنوعی بر بازداشت‌های شغلی تمرکز دارند، اما برخی شبیه به ویدیوهای واقعی و وحشت‌انگیز هستند که ما از حملات ICE در شیکاگو و لس آنجلس دیده‌ایم. این حساب در ابتدا توسط چاد لودر، پژوهشگر مستقل، به 404 Media گزارش شد.

در تمام ویدیوها متن بر روی سه ناحیه‌ای که مولد ویدیو سُورا از OpenAI علامت‌گذاری (watermark) می‌گذارد، اضافه شده است. این ویژگی به همراه سبک تولید ویدیوها و آزمایش‌های انجام‌شده توسط 404 Media برای ساخت ویدیوهای بسیار مشابه، نشان می‌دهد که این ویدیوها با سُورا ساخته شده‌اند؛ که برجسته می‌کند چگونه ابزارهای منتشرشده توسط برخی از ثروتمندترین شرکت‌های جهان ترکیب می‌شوند تا ویدیوهایی تولید و برای کسب درآمد از رنج انسانی به کار گیرند (و نشان می‌دهد مخفی‌کردن نشانگر سُورا چقدر ساده است).

«لطفاً! این بچه‌ام است!»، یک زن با پوست تیره فریاد می‌زند در حالی که توسط یک افسر ICE بازداشت شده است در ویدئوی دیگری. «خانم، مقاومت نکنید، ادامه دهید»، افسر پاسخ می‌دهد. دوربین به تصویر نوزاد می‌پرد: «نمی‌توانید من را از او بگیرید، لطفاً او همین‌جاست. این کار را نکنید، او فقط نوزاد است. من تو را دوست دارم، مامان تو را دوست دارد»، زن می‌گوید. ویدیو به صحنه‌ای از زن در پشت یک ون ICE تغییر می‌کند. این ویدیو ۱٬۴۰۰ لایک و ۴۰۷ نظر دارد که شامل «از جداسازی آن‌ها نکنید… همه‌شان را بگیرید!»، «نوزاد را هم بگیرید»، و «فکر می‌کنم روزهای استفاده از این قلاب‌های کودک به سر رسیده است» می‌شود.

توسط تیلور سوپر

BluePill، یک استارتاپ نوظهور بازاریابی مستقر در سیاتل که به برندها در پیش‌بینی رفتار مصرف‌کنندگان کمک می‌کند، در دور بذر به رهبری Ubiquity Ventures، ۶ میلیون دلار جذب کرد. شرکت‌های سیاتلی Pioneer Square Labs و Flying Fish Partners نیز سرمایه‌گذاری کردند.

BluePill که اوایل امسال تأسیس شد، به بازاریابان امکان می‌دهد ایده‌ها، محصولات و تبلیغات را در طی چند دقیقه با استفاده از هوش مصنوعی، به‌جای گروه‌های متمرکز سنتی، آزمایش کنند.

BluePill برای هر برند، مخاطب سفارشی مبتنی بر هوش مصنوعی را با استفاده از داده‌های واقعی — مانند گفتگوهای اجتماعی، نظرسنجی‌ها و ورودی‌های مشتریان — ایجاد می‌کند که بر پایه بخش هدف برند تنظیم شده است.

کلاینت‌ها وارد پلتفرم می‌شوند، مفهوم جدید، کمپین یا طراحی بسته‌بندی خود را بارگذاری می‌کنند و بازخورد فوری پیش‌بینی می‌شود که مخاطبشان چگونه واکنش نشان خواهد داد — در واقع یک گروه متمرکز شبیه‌سازی‌شده و در مقیاس وسیع اجرا می‌کنند.

این شرکت همچنین در حال توسعه مخاطبان هوش مصنوعی آماده و تخصصی برای حوزه‌های مختلف (مانند «مادران ایالات متحده» یا «خریداران تنقلات نسل Z») است که برندها می‌توانند به‌طور مستقیم برای دریافت بینش‌ها از آن‌ها پرس‌وجو کنند، بدون نیاز به ساخت مدل‌های سفارشی.

BluePill اعلام کرده است که مخاطبان شبیه‌سازی‌شده آن با دقت ۹۳٪ نسبت به پانل‌های انسانی مقایسه می‌شوند. این شرکت با برندهای مصرفی همچون Magic Spoon، Kettle & Fire و تیم Seattle Mariners همکاری می‌کند؛ که آن‌ها از این پلتفرم برای آزمایش ایده‌های تعامل با هواداران و فعالیت‌های داخل استادیوم استفاده می‌نمایند.

آنجیت دهوان، بنیان‌گذار و مدیرعامل BluePill گفت: “مزیت ما، بینش‌های معتبر و دقیق است — و این که ما این بینش‌ها را در عرض چند دقیقه و با هزینه‌ای بسیار کمتر ارائه می‌دهیم، تصمیم‌گیری را به‌سودی می‌کند.”

BluePill هم‌اکنون در حال تولید درآمد است. این شرکت از طریق دریافت هزینه ثابت سالانه درآمد کسب می‌کند.

BluePill در حال رقابت با شرکت‌های بزرگ پژوهش‌های بازاریابی همچون Ipsos، Qualtrics و Nielsen است. دهوان گفت اشخاص حاضر «به پنل‌های انسانی کند و گران‌قیمت وابسته‌اند، در حالی که استارتاپ‌های نوین بیشتر از مدل‌های بزرگ زبانی برای نقش‌پذیری به‌عنوان مصرف‌کننده استفاده می‌کنند.»

دهوان پیش از این به‌عنوان کارآفرین مقیم در مؤسسه آلن برای هوش مصنوعی (Ai2) فعالیت می‌کرد و استارتاپ تجربه مجازی Virtuelly را هم‌تأسیس کرد. او علاوه بر این بیش از چهار سال در آمازون به‌عنوان رهبر محصول در حوزهٔ محصولات هوش مصنوعی مشغول به کار بود.

اعضای دیگر تیم BluePill شامل پونی‌ت باجا و اندی ژو هستند. BluePill در ماه ژوئن در بخش Startup Radar مجلهٔ GeekWire معرفی شد.

سونیل ناگاراژ، شریک مؤسس در Ubiquity، تأکید کرد که “پیش‌بینی رفتار مصرف‌کننده، جام عسل بازاریابی است.” ناگاراژ در سیلیکون‌ولی مستقر است اما فعالیت قابل‌توجهی در صحنه استارتاپ‌های سیاتل دارد. او سرمایه‌گذار اولیه در Auth0 بود، استارتاپ منطقهٔ سیاتل که توسط Okta به‌ازای ۶.۵ میلیارد دلار خریداری شد.

Breaking Rust هم‌اکنون دو میلیون شنونده در اسپاتیفای دارد

این یک نقطه عطف دیگر در پیشروی مستمر ربات‌ها است – آهنگ شماره یک سبک کانتری در ایالات متحده این هفته یک اثر تولید شده توسط هوش مصنوعی است.

آهنگ «Walk My Walk» توسط Breaking Rust است و همان‌طور که می‌توانید در زیر بشنوید، اگرچه بدون شک نسبت به Velvet Sundown پیشرفت محسوب می‌شود و تلاشی کاملاً قابل قبول به نظر می‌رسد، اما چیزی به‌ظاهر کمی بیش از حد ساختگی و بسیار کامل در شبیه‌سازی صدای یک خواننده کانتری خسته‌دل و بدبخت به چشم می‌خورد. آیا این فقط خیال‌پردازی است؟

Walk My Walk – یوتیوب

پیدا نیست چه کسی یا چه چیزی پشت Breaking Rust قرار دارد. بیوگرافی هنرمندش در Linktree تنها می‌گوید: «موسیقی برای مبارزان و رؤیابین». اگرچه یک صفحه اینستاگرام دارد، اما آن‌ هم فقط پر از تصاویری از یک کابوی سرحال در صحنه‌های مختلف است — قدم‌زدن در جاده یا نگاه غم‌انگیز در باران. هیچ گفت‌وگوی انسانی در آن وجود ندارد.

نویسندهٔ «Walk My Walk» به نام Aubierre Rivaldo Taylor شناخته می‌شود، اما او قدمی برای ادعای مالکیت بر موفقیت این آهنگ برنمی‌دارد. شاید خود او هم وجود نداشته باشد. با این حال، این نام به پروژهٔ موسیقی دیگری به نام defbeatsai مربوط می‌شود که تقریباً فاش می‌کند این کار توسط چه کسی انجام شده است.

با این حال، درصد قابل‌توجهی از مصرف‌کنندگان موسیقی در ایالات متحده به‌نظر نمی‌رسد که به این موضوع اهمیت دهند. Breaking Rust هم‌اکنون دو میلیون شنونده ماهانه در اسپاتیفای دارد. فقط کافی است به نظرات یوتیوب در ویدئوی بالا نگاه کنید و حس کنید — «شاهکار»، «ای خدای من، صدای او فوق‌العاده است. زیبا اما دل‌خراش»، «بزرگ‌ترین آهنگ تاریخ!!!»

در مقاله‌ای از Newsweek درباره Breaking Rust، جیسون پالامارا، استادیار فناوری موسیقی در دانشگاه ایندیانا، به‌وضوح تحت تأثیر نگرفت. «با وجود ریتم‌های «stomp, clap, hey» و صدای شبه‌آکوستیک، این آهنگ پر از تکنیک‌های تولید بسیار فنی است. واضح بود که محصول هوش مصنوعی است.»

«صدای هر قطعه به‌طرز واضحی فشرده است و همچنان این درخشندگی دیجیتال عجیبی دارد، به‌ویژه در صدای خواننده مشهود است. به‌محض اینکه به آن پی ببرید، نمی‌توانید آن را نادیده بگیرید.»

پالامارا آن را «پیشرفتی برای هوش مصنوعی عامله: ایجاد یک شخصیت صوتی ثابت که می‌تواند بارها برای آهنگ‌های متعدد بازاستفاده شود» توصیف کرد.

می‌توان گفت که پیشرفت‌های تکنولوژیکی اخیر در موسیقی — استفاده گسترده از AutoTune در آوازها، تسلط الگوریتم‌ها بر تصمیم‌گیری دربارهٔ موسیقی‌ای که شنیده می‌شود — ما را برای لحظه‌ای آماده کرده‌اند که به‌راستی ندانیم آیا یک قطعه توسط انسان یا توسط ماشین ساخته شده است؛ نقطه‌ای که اکنون نمی‌توان گفت هنوز به‌دست نیامده، بلکه بسیار نزدیک است.

بعد از آن، قطعا مسئولیت بر عهدهٔ هنرمندان انسانی خواهد بود که به آنچه آن‌ها را انسانی می‌سازد، تکیه کنند: صداهای واقعی و اصیل، تغییرات ناگهانی در آکوردها، ساختارهای غیرمعمول آهنگ — به عبارت دیگر، آن چیزهایی که اولین بار ما را وسوسهٔ عشق به موسیقی کرد.

جای خود را کنار بگذارید، ایلون ماسک در مقابل سام آلتمن. یک جدال جدید در دنیای کسب‌وکار به‌وجود آمده و تمرکز آن بر بزرگ‌ترین سؤال بازار سهام است: آیا رونق هوش مصنوعی یک حباب است؟

مایکل بوری، مشهور به‌خاطر نقش در فیلم «The Big Short»، و مدیرعامل پالاتیر الکس کارپ، پس از این‌که سرمایه‌گذار فاش کرد که شرط بسته است سهام پالاتیر در سه‌ماههٔ گذشته سقوط کند، به‌باد کردن یکدیگر پرداخته‌اند.

درگیری این دو در اصل به اختلاف بنیادی در دیدگاه‌ها می‌انجامد که میکروسکوپی از شکاف بزرگ بازار است.

نظر بوری این است که هوش مصنوعی یک حباب است و ارزیابی شرکت‌هایی مانند پالاتیر به‌شدت نامعقول است. از سوی دیگر، دیدگاه کارپ این است که پالاتیر پیشگام یک انقلاب فناوری است؛ رشد سهام آن باید به‌دلیل ارتقای زندگی روزمرهٔ آمریکایی‌ها تجلیل شود و شرط‌بندی بر شکست این شرکت به‌صراحت نادرست است.

جامعهٔ گستردهٔ سرمایه‌گذاران نیز به‌طور مشابه بین دو گروه تقسیم می‌شود: گروهی که می‌گویند ارزش‌گذاری‌های فعلی موجه است چرا که هوش مصنوعی جهان را تغییر می‌دهد، بهره‌وری را ارتقا می‌دهد و رشد اقتصادی و سودآوری شرکت‌ها را شتاب می‌بخشد؛ و گروه مقابل که هشدار می‌دهد این ارزش‌ها بیش از حد بیش‌ارزش شده‌اند و سرنوشتشان شکستن همانند حباب دات‌کام است.

در حالی که ماسک و آلتمن دربارهٔ OpenAI به‌دست‌وپنجه می‌گیرند، مناقشه بوری و کارپ حول این می‌چرخد که آیا هوش مصنوعی شایستهٔ هر میلیاردی است که به آن اختصاص می‌یابد یا صرفاً جدیدترین مثال هیجان سفته‌بازی است.

Inside Business امروز، داستانی است که باید بخوانید تا بدانید نیروهای شکل‌دهنده به کسب‌وکار، فناوری و نوآوری برای شما چه معنا دارند. هر بخش، بینش‌هایی ارائه می‌کند تا به شما در اتخاذ تصمیمات هوشمندانه‌تر در زمینهٔ شغل، مالی و زندگی کمک کند.

خلاصهٔ بوری و کارپ

نزاع با افشای Scion Asset Management بوری در دوشنبهٔ گذشته آغاز شد که در پایان سپتامبر، گزینه‌های فروش نزولی بر ۵ میلیون سهم پالاتیر و ۱ میلیون سهم انویدیا در اختیار داشت، به‌صورت اسمی به‌ازای ۹۱۲ میلیون دلار و ۱۸۷ میلیون دلار به ترتیب.

بوری چند روز قبل پس از دو سال غیبت به X بازگشت و پیامی رمزی منتشر کرد که نشان می‌داد هیجان هوش مصنوعی قابل‌پایدار نیست — اما به‌قدری خطرناک که «تنها راه برنده» عدم درگیری است.

بعداً او مجموعه‌ای از نمودارها، بخش‌هایی از کتاب و میم‌های «Star Wars» منتشر کرد که تشابه بین هوش مصنوعی و حباب دات‌کام را نشان می‌داد.

سند 13F بوری همان روزی که گزارش سه‌ماهه پالاتیر منتشر شد، منتشر شد. سهام شرکت تجزیه‌وتحلیل داده‌های مبتنی بر هوش مصنوعی تا ۱۰٪ در روز پس‌دراز سقوط کرد و کارپ در CNBC به بوری حمله کرد.

«تا جایی که می‌توانم بگویم، دو شرکتی که او در حال شورت کردن است، همان شرکت‌هایی هستند که تمام پول را می‌سازند، که واقعاً عجیب است»، کارپ گفت. «این‌که تراشه‌ها و آنتولوژی هدف شورت شما باشد، کاملاً دیوانه‌وار است.»

بوری در X پاسخ داد: «یک نقطه هم برایم تعجب‌آور نیست که الکس کارپ و «آنتولوژی» او … نتوانند یک 13F ساده را شکسته کنند.»

«یک نقطه هم برایم تعجب‌آور نیست که الکس کارپ و «آنتولوژی» او @PalantirTech نتوانند یک 13F ساده را شکسته کنند.
اصل اساسی هر مدل آنتولوژیک/اپستمولوجیک دقیق – چه فلسفی باشد و چه در علم داده – این است که وقتی مجموعه اطلاعات شما ناکافی است، این را تشخیص بدهید… pic.twitter.com/863pcAJSvG»

رئیس Scion — که به‌خاطر شرط بزرگش علیه حباب مسکن میانهٔ دههٔ ۲۰۰۰ که در فیلم «The Big Short» جاودانی شد — احتمالاً به این نکته اشاره می‌کرد که 13Fها با تأخیر شش‌هفته‌ای منتشر می‌شوند، به‌طوری که کارپ دلیل محکمی نداشت که بوری اختیار فروش‌های پالاتیر و انویدیا را در طول اکتبر و اوایل نوامبر حفظ کرده باشد.

بوری این نکته را در پست دیگری در X تأکید کرد: «خبر جعلی! من قد ۵ فوت و ۶ اینچ ندارم» — به این معنی که او نه کوتاه‌قد است و نه در پرتفوی‌اش موقعیت شورت دارد.

سهام پالاتیر از آغاز سال ۲۰۲۳ حدوداً ۳۰ برابر رشد کرده و به ارزش بازار ۴۵۳ میلیارد دلار تا پایان معاملات روز سه‌شنبه رسیده است. این مقدار بیش از ۱۰۰ برابر درآمد پیش‌بینی‌شدهٔ این سال است.

بوری موضع بدبینانهٔ خود نسبت به هوش مصنوعی را تقویت کرده و دوشنبه نوشت که به اصطلاحهای هایپر‌سکلر مانند متا و اوراکل به‌طور مصنوعی سود خود را با کم‌نمایی نرخ استهلاک تجهیزات محاسباتی افزایش می‌دهند.

«جزئیات بیشتر در تاریخ ۲۵ نوامبر منتشر خواهد شد»، او گفت. «دنبال کنید.»

چرا ماسک با آلتمن درگیر است

دوجیگر دوئل برجسته در دنیای هوش مصنوعی در حال حاضر، البته، ماسک در مقابل آلتمن است.

آلتمن و ماسک در سال ۲۰۱۵ به‌همراه دو نفر دیگر OpenAI را تأسیس کردند.ماسک در سال ۲۰۱۸ از هیئت‌مدیرهٔ OpenAI کناره‌گیری کرد، در ۲۰۲۳ شرکت رقیب xAI را تأسیس کرد و چندین دعوی حقوقی علیه آلتمن و OpenAI مطرح کرده است.

ماسک آلتمن را متهم کرده است که سازمان را از او «سرقت» کرد و با عدم نگه‌داشتن کد به صورت منبع‌باز، مأموریت اولیه‌اش را رها کرده و آن را از یک سازمان غیرانتفاعی به یک شرکت تجاری تبدیل کرده است.

آلتمن به‌تازگی در X به ماسک واکنش نشان داد و گفت که «به تبدیل چیزی که تو برای مرگ آن رها کرده‌ای، به بزرگ‌ترین سازمان غیرانتفاعی تاریخ کمک کرده‌ام.»

اما تفاوت مهمی در اینجا وجود دارد. در حالی که جدایی آلتمن‑ماسک دربارهٔ چشم‌اندازهای رقابتی برای آیندهٔ هوش مصنوعی است، کارپ و بوری دربارهٔ ارزش واقعی این فناوری و این که آیا غول‌های شرکتی که از آن بهره‌مند می‌شوند بیش از حد ارزش‌گذاری شده‌اند، اختلاف نظر دارند.

سابقه‌ای غنی از سرمایه‌گذاران شرط‌بندی در برابر شرکت‌های بزرگ

بوری تنها آخرین سرمایه‌گذاری است که شرط می‌بندد یک شرکت دچار مشکل می‌شود و وارد جدال سر و صدایی با مدافعان آن می‌گردد.

دیوید این‌هورن از Greenlight Capital به‌خاطر شرط‌بندی کوتاه‌مدت بر Lehman Brothers، چند ماه پیش از سقوط آن در سپتامبر ۲۰۰۸، مشهور شد و به تحریک بحران مالی جهانی کمک کرد.

در ارائه‌هایش به سرمایه‌گذاران و ایمیل‌هایش به مدیریت، او حسابداری پرتهاجمی و اهرم مالی افراطی بانک سرمایه‌گذاری را مورد انتقاد قرار داد و گفت که بانک خود و نظام مالی را در خطر می‌گذارد چون به مشکلاتش پرداخته نمی‌شود. به‌زودی ثابت شد که درست می‌گفت.

به‌طور مشابه، جیم چانوس از Kynikos Associates نشانه‌های هشداردهنده‌ای در Enron شناسایی کرد و پیش از آنکه این غول انرژی در اواخر سال ۲۰۰۱ برای ورشکستگی درخواست دهد، بر آن شرط‌بندی کوتاه‌مدت کرد.

از سوی دیگر، هر دو این‌هورن و چانوس پیش از این بر Tesla شرط‌بندی کوتاه‌مدت کرده و ماسک را مورد انتقاد قرار دادند. با این حال، خودروساز توانسته است مخالفان خود را نابود کرده و به یکی از ارزشمندترین شرکت‌های جهان تبدیل شود؛ دارای ارزش بازار ۱٫۵ تریلیون دلاری.

هر دو سرمایه‌گذار نگرانی‌های مشابهی نسبت به بوری دربارهٔ رونق هوش مصنوعی مطرح کرده‌اند. این‌هورن اخیراً هشدار داد که هزینه‌کرد بیش از حد صنعت می‌تواند منجر به «مقدار عظیمی از نابودی سرمایه» شود و افزود که اعداد «به‌طوری دورریخته ارائه می‌شوند که واقعاً فهمشان بسیار دشوار است».

چانوس به‌تازگی همان نکته‌ای را که بوری مطرح کرد، دربارهٔ شرکت‌های هوش مصنوعی که استهلاک را به تعویق می‌اندازند و «افزایش عظیم»ی به سودهای گزارش‌شده می‌دهند، بیان کرد. او هشدار داد که ممکن است حسابرسی جدی‌ای بر بازده سرمایه‌گذاری‌های آن‌ها در میکروچیپ‌ها و سرورها باشد و هم هزینه‌ها و هم درآمدها «فروپاشی» کنند، همان‌طور که در سقوط حباب دات‌کام و بحران ۲۰۰۸ رخ داد.

اینکه آیا بوری یا کارپ در نظراتشان دربارهٔ رونق هوش مصنوعی درست خواهند بود یا خیر، سؤال باز است. در حال حاضر، دنیای کسب‌وکار منتظر پاسخ این پرسش است.

پس از NotebookLM، Gemini و Search، مرورهای صوتی به گوگل درایو می‌آیند تا خلاصه‌های گفتگویی به سبک پادکست از PDFهای شما ارائه دهند.

به‌عنوان افزونه‌ای برای Gemini در نمایش‌گر PDFهای گوگل درایو، دکمهٔ جدید «مرور صوتی» را در نوار بالایی وب‌سایت می‌یابید. با کلیک کردن، پنل کناری Gemini باز می‌شود و تولید آن چند دقیقه طول می‌کشد.

برای گوش دادن، روی «پخش» کلیک کنید؛ گوگل همچنین یک اعلان ایمیلی می‌فرستد. این مرورهای صوتی بین ۲ تا ۱۰ دقیقه طول دارند. فایل صوتی به‌صورت خودکار در پوشهٔ جدید «مرورهای صوتی» در درایو ذخیره می‌شود؛ که کاربران می‌توانند از هر دستگاه موبایل یا دسکتاپ به آن دسترسی داشته باشند. این روش، در مقایسه با چت‌های Gemini، تجمیع منظمی را فراهم می‌کند.

این قابلیت با همان فناوری پایه‌ای که برای مرورهای صوتی در NotebookLM استفاده می‌شود، فعال شده است. گوگل آن را به‌عنوان «تبدیل فوری PDFهای طولانی و پرمتن—مانند گزارش‌های صنعتی، قراردادها یا متن‌های طولانی جلسات» توصیف می‌کند.

---

• بهره‌وری را ارتقا دهید با این امکان که کاربران به‌سرعت نکات اصلی یک سند طولانی را در خلاصه‌ای صوتی دو تا ۱۰ دقیقه‌ای درک کنند،
• دسترس‌پذیری را بهبود دهید با ارائه فرمت جایگزین برای مصرف محتوا،
• آمادگی را تقویت کنید با تسهیل مرور سریع مطالب پیش از جلسات یا ارائه به مشتریان.

---

در آغاز، مرورهای صوتی برای PDFهای گوگل درایو فقط از انگلیسی پشتیبانی می‌کنند. این قابلیت به ویژگی «گوش کردن» در Google Docs می‌پیوندد.

این ویژگی هم‌اکنون برای سطوح زیر Google Workspace در دسترس است:

• Business Standard و Business Plus
• Enterprise Standard و Enterprise Plus

هم‌چنین برای مشترکان Google One AI Pro و AI Ultra در دسترس است.

آل‌بورگ، دانمارک (AP) — در انبارِی که بیش از ۱٬۵۰۰ کیلومتر (۹۰۰ مایل) از پایتخت اوکراین فاصله دارد، کارگران شمالی دانمارک با دقت وسیله‌های ضد‑پهپاد را سر هم می‌زنند. بخشی از این وسایل برای صادرات به کی‌یف با هدف ایجاد جَمینگ بر فناوری روسیه در میدانی جنگ، ارسال می‌شود؛ در حالی که سایر آن‌ها به سراسر اروپا فرستاده می‌شوند تا به مقابله با نفوذهای مرموز پهپادها به فضای هوایی ناتو که کل قاره را ناآرام کرده است، بپردازند.

دو شرکت دانمارکی که پیشتر بیشتر فعالیت‌هایشان در حوزه دفاع بود، اکنون اعلام می‌کنند که با افزایش چشمگیر مشتریان جدیدی مواجه شده‌اند که می‌خواهند از فناوری آن‌ها برای حفاظت از مکان‌هایی چون فرودگاه‌ها، تاسیسات نظامی و زیرساخت‌های حیاتی استفاده کنند؛ مکان‌هایی که در هفته‌های اخیر هدف پروازهای پهپاد شده‌اند.

فناوری تشخیص پهپاد با رادار شرکت ویبل‌ساینتیفیک پیش از برگزاری یکی از نشست‌های کلیدی اتحادیهٔ اروپا در اوایل امسال، در فرودگاه کپنهاگ مستقر شد؛ در سپتامبر، مشاهدات پی‌درپی پهپادهای نامشخص، فضای هوایی فرودگاه را به مدت ساعت‌ها بسته کرد. شرکت MyDefence، که از انبار خود در شمال دانمارک عمل می‌کند، دستگاه‌های دستی و پوشیدنی با فرکانس رادیویی می‌سازد که ارتباط میان پهپاد و خلبان آن را قطع کرده و تهدید را خنثی می‌کند.

امکان «جَمینگ» (تداخل الکترونیکی) در اتحادیهٔ اروپا محدود و تحت نظارت شدید قرار دارد، اما در میادین نبرد اوکراین به‌طور وسیعی به کار گرفته می‌شود و به حدی گسترش یافته است که روسیه و اوکراین شروع به استفاده از پهپادهای متصل به کابل‌های فیبرنوری نازکی کرده‌اند که نیازی به سیگنال‌های فرکانس رادیویی ندارند. همچنین روسیه پهپادهای جنگی با آنتن‌های اضافه به‌کار می‌برد تا اثرات جَمینگ اوکراین را خنثی کند.

رشد ناگهانی نفوذهای پهپاد

جنگ پهپادی پس از حملهٔ کامل روسیه به اوکراین در سال ۲۰۲۲ به سرعت گسترش یافت. روسیه با حملات پهپاد و موشکی، راه‌آهن‌ها، تاسیسات برق و شهرهای سراسر کشور را هدف قرار داد. اوکراین نیز در واکنش به این حملات، با استفاده از پهپادهای داخلی، حملات جسورانه‌ای به عمق سرزمین روسیه انجام داد.

اما در مقیاس کلی، اروپا پس از اینکه پروازهای پهپاد به فضای هوایی ناتو در سپتامبر به مقیاس بی‌سابقه‌ای رسید، همچنان در وضعیت هشدار بالا قرار گرفت؛ رهبران اروپایی تصمیم گرفتند دیوار پهپادی را در امتداد مرزهای خود ایجاد کنند تا توانایی شناسایی، ردیابی و مقابله با پهپادهای نقض‌کنندهٔ فضای هوایی اروپا را بهبود بخشند. در نوامبر، مقامات نظامی ناتو اعلام کردند که یک سامانهٔ جدید ضد‑پهپاد آمریکا در بخش شرقی اتحاد مستقر شده است.

برخی مقامات اروپایی این حوادث را به‌عنوان آزمایش مسکو بر واکنش ناتو توصیف کردند که سؤالاتی دربارهٔ آمادگی ائتلاف در مقابل روسیه برانگیخت. از چالش‌های اصلی می‌توان به توانایی شناسایی پهپادها — که گاهی در سامانه‌های راداری به‌عنوان پرنده یا هواپیما تشخیص داده می‌شوند — و خنثی‌سازی ارزان‌قیمت آن‌ها اشاره کرد.

کلمین ادعاهای مبنی بر دخالت روسیه در برخی از پروازهای نامشخص پهپاد در اروپا را رد کرده است.

آندریاس گراِه، استادیار کالج دفاعی سلطنتی دانمارک، اظهار کرد که در پی تجاوز روسیه، «تلاش عظیمی» برای استقرار سریع سامانه‌های ضد‑پهپاد در سراسر اروپا وجود دارد.

«تمام کشورهای اروپا در تلاش‌اند تا راه‌حل‌های مناسب برای آمادگی در برابر این چالش‌های نوین پهپاد پیدا کنند»، او گفت. «ما هنوز همهٔ ابزارهای لازم برای شناسایی مؤثر پهپادها و داشتن سامانه‌های هشداردهنده پیش‌دستی را در اختیار نداریم».

اولویت دادن به «دستگاه‌ها» پیش از مردم

شرکت MyDefence که در سال ۲۰۱۳ تأسیس شد، دستگاه‌هایی می‌سازد که می‌توانند برای حفاظت از فرودگاه‌ها، ساختمان‌های دولتی و سایر زیرساخت‌های حیاتی به‌کار روند؛ اما مدیرعامل دان هرمانسن جنگ روسیه‑اوکراین را «نقطهٔ عطف»یی برای شرکت خود می‌نامد.

بیش از ۲٬۰۰۰ واحد از دستگاه پوشیدنی «وینگمن» این شرکت، از زمان آغاز حملهٔ روسیه تقریباً چهار سال پیش، به اوکراین تحویل داده شده‌اند.

دان هرمانسن گفت: «در سال‌های اخیر، ما در اوکراین شنیده‌ایم که مردم می‌خواهند دستگاه‌ها را پیش از افراد قرار دهند تا جان‌ها نجات یابند».

در سال گذشته، MyDefence درآمد خود را دو برابر کرده و به‌حدودی حدود ۱۸٫۷ میلیون دلار نسبت به سال ۲۰۲۳ دست یافت.

سپس پروازهای پهپادی اوایل امسال رخ داد. علاوه بر فرودگاه کپنهاگ، پهپادها بر چهار فرودگاه کوچک دیگر دانمارکی، از جمله دو فرودگاهی که به‌عنوان پایگاه‌های نظامی استفاده می‌شوند، پرواز کردند.

هرمانسن اظهار کرد این پروازها برای بسیاری از کشورهای اروپایی «چشم‌گشا» بودند و به‌سرعت علاقه‌مندی به فناوری آن‌ها را افزایش داد. MyDefence که پیش‌تر بیشتر از فعالیت‌هایش در حوزه دفاع بود، اکنون از مقامات نمایندهٔ نیروهای پلیس و زیرساخت‌های حیاتی درخواست‌های فراوانی دریافت کرده است.

او افزود: «به‌طور ناگهانی می‌بینیم که جنگ پهپادی نه تنها در اوکراین یا در جبههٔ شرقی رخ می‌دهد، بلکه در واقع‌سزی که بخشی از تهدیدهای جنگ ترکیبی است، مسأله‌ای است که باید به آن پرداخته شود».

فناوری رادار مورد استفاده در مقابله با پهپادها

در جبههٔ شرقی ناتو، دانمارک، لهستان و رومانی سیستم تسلیحاتی جدیدی را برای مقابله با پهپادها به‌کار می‌گیرند. سامانهٔ آمریکایی Merops که به‌قدری کوچک است که در صندوق عقب یک پیک‌آپ میانه جای گیرد، می‌تواند پهپادها را شناسایی کرده و با استفاده از هوش مصنوعی برای هدایت در زمان جَمینگ مخابرات ماهواره‌ای و الکترونیکی، به‌سوی آن‌ها نزدیک شود.

هدف این است که مرز با روسیه به‌طور کامل مسلح شود تا نیروهای مسکو از تفکر برای عبور از مرز از نروژ در شمال تا ترکیه در جنوب خودداری کنند، مقامات نظامی ناتو به ایس‌پی خبر دادند.

در شمال کپنهاگ، شرکت Weibel Scientific از دههٔ ۷۰ میلادی فناوری رادار دوپلر تولید می‌کند. این فناوری که معمولاً در سامانه‌های ردیابی راداری برای صنعت هوافضا به‌کار می‌رود، امروز برای شناسایی پهپادها، همانند در فرودگاه کپنهاگ، استفاده می‌شود.

این فناوری می‌تواند سرعت یک جسم، مثلاً پهپاد، را بر پایهٔ تغییر طول موج سیگنال بازتابی تشخیص دهد. سپس می‌توان جهت حرکت جسم را پیش‌بینی کرد، پیتر رُپکه، مدیرعامل Weibel Scientific، بیان کرد.

«جنگ اوکراین، به‌ویژه تحول فناوری پهپاد در دو سال اخیر، باعث شده این نوع محصول تقاضای بالایی داشته باشد»، رُپکه گفت.

اوایل امسال، Weibel قراردادی به‌ارزش ۷۶ میلیون دلار به‌دست آورد که این شرکت آن را «بزرگ‌ترین سفارش تاریخ» خود توصیف کرد.

پروازهای پهپادی تقاضا را حتی بیشتر کرد، در حالی که بحث دربارهٔ «دیوار پهپادی» پیشنهادی ادامه یافت. رُپکه گفت فناوری او می‌تواند «جزء کلیدی» هر سپر آینده‌ای در برابر پهپادها باشد.

___

استفانی دازیو در برلین در تهیهٔ این گزارش مشارکت کرد.

بررسی کنید که آیا از طریق دانشگاه یا سازمان خود، دسترسی دارید یا خیر.

هوش مصنوعی صوتی Beside هر ماه میلیون‌ها تماس را پردازش می‌کند.

Beside، شرکت نوپای هوش مصنوعی صوتی که اوایل این ماه از مراحل مخفی‌کاری خارج شد، ۳۲ میلیون دلار جذب کرده تا «منشی هوش مصنوعی» خود را توسعه دهد؛ این منشی که پیش از این هم میلیون‌ها تماس در ماه را پردازش می‌کند.

منشی هوش مصنوعی این استارتاپ با هدف پر کردن خلاء برای افرادی و کسب‌وکارهای کوچکی که توان استفاده از دستیار تمام‌وقت را ندارند، طراحی شده است. این سرویس تماس‌ها را پاسخ می‌دهد، جزئیات مشتریان را به خاطر می‌سپارد، زمان ملاقات‌ها را رزرو می‌کند و پیگیری‌ها را مدیریت می‌کند؛ همه اینها از طریق برنامه‌ای که مستقیماً به شماره تلفن موجود مشتری متصل می‌شود.

«ما این را شبیه استخدام یک معاون ارشد فارغ‌التحصیل هاروارد با حافظه‌ای کامل می‌دانیم»، ماکسی‌م جرمین، مؤسس و مدیرعامل Beside مستقر در پاریس، به Fortune گفت. «به مرور زمان، این یک شریک معتبر می‌شود که مشتریان شما را می‌فهمد، پیگیری‌ها را بر عهده می‌گیرد و به شما در کسب‌وکار بیشتر کمک می‌کند.»

استارتاپ هوش مصنوعی صوتی که در ایالات متحده فعالیت می‌کند، به‌تازگی دور مالی Series A به مبلغ ۲۰ میلیون دلار را که توسط EQT Ventures رهبری شد، به‌همراه مشارکت Index Ventures و سرمایه‌گذاران فرشته‌ای از جمله مؤسس Slack، استوارت باترفیلد، تکمیل کرد. این سرمایه‌گذاری پس از دور Seed به ارزش ۱۰٫۵ میلیون دلار که توسط Index هدایت شده و ۱٫۴ میلیون دلار سرمایه‌گذاری SAFE اضافی، صورت گرفت. Beside قصد دارد این منابع را برای توسعه محصول، استخدام نیروی انسانی و در نهایت گسترش به بازارهای اروپایی به‌کار گیرد.

کائوشیک سوبرامانیان، شریک EQT Ventures، گفت: «Beside فقط بهینه‌سازی ارتباطات بین کسب‌وکارها و مشتریان را انجام نمی‌دهد، بلکه به‌طور کامل در حال بازنگری نحوه انجام کارهاست.»

این شرکت ۱۸ ماه در حالت مخفی‌کاری تحت نام M1 کار کرده است و به درآمد سالیانه تکراری ۴ میلیون دلار با بیش از ۲۰,۰۰۰ مشتری پرداخت‌کننده دست یافته؛ نیمی از این کاربران روزانه ۱۴ بار، شش روز در هفته، برنامه را باز می‌کنند.

تمرکز بر مصرف‌کننده

به‌جای هدف‌گیری شرکت‌های بزرگ، Beside مستقیماً به سوی مصرف‌کنندگان حرکت می‌کند؛ امری که جرمین می‌گوید باعث تمایز شرکت در فضای پر شلوغ فناوری صوتی هوش مصنوعی می‌شود. تیم مؤسس این شرکت از شرکت‌های فناوری مصرفی مانند X، Snap و Jour (اپلیکیشن سلامت روانی که جرمین در سال ۲۰۲۱ به شرکت بیمه‌گر دیجیتال Alan فروخت) می‌آیند.

بازار هوش مصنوعی صوتی بسیار شلوغ است، عمدتاً به‌دلیل قابلیت این فناوری برای خودکارسازی بخش قابل‌توجهی از کارهای خدمات مشتری. انتظار می‌رود این بخش به‌عنوان بازار از ۳٫۱۴ میلیارد دلار در سال ۲۰۲۴ به ۴۷٫۵ میلیارد دلار تا سال ۲۰۳۴ رشد کند.

استارتاپ‌های تخصصی مانند ElevenLabs و Vapi در حال حاضر با غول‌های فناوری همچون آمازون و مایکروسافت برای ساخت سامانه‌های هوش مصنوعی صوتی واقعی رقابت می‌کنند؛ سامانه‌هایی که می‌توانند به‌صورت خودکار به پرسش‌های روتین مشتریان پاسخ دهند و زمان‌بندی ملاقات‌ها را بدون دخالت انسان انجام دهند. در حالی که بسیاری از کسب‌وکارها از چت‌بات‌ها برای ارتباطات متنی استفاده می‌کنند، هوش مصنوعی صوتی که می‌تواند گفتگوهای طبیعی داشته باشد، دروازه‌ای برای خودکارسازی دامنه وسیع‌تری از تعاملات مشتریان می‌گشود.

جرمین گفت شرکت با تمرکز بر دسترسی مستقیم به صد میلیون آمریکایی که کارهایشان از طریق تلفن انجام می‌شود—مانند قراردادکنندگان، مشاوران املاک، آرایشگران، کارگزاران و صاحبان کسب‌وکارهای کوچک که توان استخدام دستیار تمام‌وقت را ندارند و به‌دلیل این محدودیت فرصت‌های تجاری را از دست می‌دهند—تمایز خود را نسبت به دیگران نشان می‌دهد. در بریتانیا، اکثر کسب‌وکارهای کوچک کمتر از ۴۰٪ از تماس‌های ورودی خود را پاسخ می‌دهند و چهار نفر از هر پنج تماس‌کننده‌ای که به پست صوتی منتقل می‌شوند، هرگز بازنگردانده نمی‌شوند.

«ما وکلای داریم، پزشکان داریم، حتی کشیش‌ها و کلیساها از این محصول استفاده می‌کنند. این محصول برای هر صنعتی ساخته شده است، اما هدف‌گذاری آن بر روی همان فرد یا همان ذهنیت در هر یک از این صنایع است… اگر واقعاً به مشتری‌تان اهمیت می‌دهید و می‌خواهید تجربه‌ای بسیار بهتر ارائه کنید، جزئیات این گفتگو برای شما فوق‌العاده مهم خواهد بود»، جرمین گفت.

هوش مصنوعی که به تلفن شما پاسخ می‌دهد

منشی هوش مصنوعی Beside می‌تواند تماس‌های تلفنی را پاسخ دهد، مستقیماً با مشتریان صحبت کند و بر اساس گفتگو وظایف مختلفی را اجرا کند. Beside همچنین در حال گسترش برنامهٔ دسکتاپ خود است که به‌صورت خودکار تمام تماس‌ها و جلسات شما را ضبط می‌کند، چه در Zoom، چه بر روی تلفن یا به‌صورت حضوری.

به عنوان مثال، برای یک آرایشگاه، این بدین معنی است که هوش مصنوعی می‌تواند تماس یک مشتری جدید را پاسخ دهد، درباره جزئیات مانند سبک دلخواه سؤال کند، زمان ملاقات را رزرو کند و به‌صورت خودکار پیام تأیید ارسال کند؛ هم‌زمان تمام جزئیات مکالمه ثبت و ملاقات را به تقویم آرایشگاه اضافه می‌کند. این تعاملات ضبط و قابل جستجو هستند، به‌طوری که کارکنان می‌توانند دقیقاً درخواست مشتری را پیش از حضور او بررسی کنند.

«عدم اضطراب برای فراموش کردن هر آنچه مشتری می‌خواهد، ارزشی بی‌نظیر است»، دومینیک سانتیاگو، که یک شرکت تجاری خدمات لنداسکیپینگ در نیوجرسی اداره می‌کند و از برنامه Beside برای کسب‌وکار خود استفاده می‌کند، گفت. «این همه چیز را تحت کنترل نگه می‌دارد و تجربهٔ مدیریت کسب‌وکار من را به‌طور کامل تغییر می‌دهد.»

هوش مصنوعی همچنین می‌تواند مکالمات متنی را مدیریت کند و کاربران حتی می‌توانند صدای خود را شبیه‌سازی کنند. تمام مکالمات به‌صورت متنی ثبت و قابل جستجو هستند، به‌طوری که Beside آن را «مغز دوم» برای کسب‌وکارهای کوچک می‌نامد.

تیم کرتس، که به‌عنوان شریک یک نمایندگی بیمه در ونتورا فعالیت می‌کند، می‌گوید پس از استفاده از محصول، حجم بیمه‌نامه‌های جدید نوشتاری‌اش از ۴۰,۰۰۰ دلار به ۱۲۰,۰۰۰ دلار در یک شب، صرفاً به‌تنهایی رشد کرد.

گسترش سازمانی

شرکت همچنین بر گسترش ویژگی‌های تیمی متمرکز است تا به کسب‌وکارهای کوچک با تعداد ۲۰ تا ۵۰ نفر اجازه دهد زمینهٔ مشتری را به اشتراک بگذارند؛ به‌طوری که همه تاریخچه و ترجیحات یک مشتری را بدون نیاز به پرسش مکرر می‌دانند.

«اگر با کسب‌وکاری که توسط Beside پشتیبانی می‌شود تعامل داشته باشید، باید همان حس را داشته باشید که وقتی به یک هتل فوق‌العاده لوکس می‌روید؛ جایی که یک‌بار نام خود را می‌گویید و تمام کارکنان هتل نام، اتاق و ترجیحات شما را می‌دانند. دیگر نیازی نیست همان را بارها تکرار کنید؛ فقط مراقبت می‌شوید»، جرمین گفت.

به‌جای لایه‌گذاری هوش مصنوعی روی سامانه‌های تلفنی موجود، Beside زیرساخت‌های مخابراتی را از پایه بازسازی کرده است. این شرکت اکنون میلیون‌ها تماس ماهانه را مدیریت می‌کند؛ شامل تأمین شماره، رعایت مقررات، ارجاع تماس و انتقال شماره. در بلندمدت، جرمین اعلام می‌کند که برنامه دارد تبدیل به یک اپراتور کامل موبایل با یکپارچگی در سطح سیم کارت شود.

«تحویل تماس‌های با کیفیت بالا در هر مکانی — در یک کامیون، در سایت کاری، یا در شهر شلوغ — چالشی فنی بسیار دشوار است»، او می‌گوید. «با تسلط بر اکوسیستم پیچیدهٔ مقرراتی و اپراتوری ایالات متحده، یک الگوی عملیاتی ساخته‌ایم که می‌توانیم به‌صورت جهانی بازتولید کنیم.»

پس از این‌که به هزاران شرکت کمک کرد تا نحوهٔ واقعی انجام کارها را مستند کنند، Scribe ۷۵ میلیون دلار جذب کرده و پس از این سرمایه‌گذاری به ارزش ۱.۳ میلیارد دلار رسیده است تا Scribe Optimize را عرضه کند؛ پلتفرمی که جریان‌های کاری در سراسر سازمان را نقشه‌برداری می‌کند تا نشان دهد خودکارسازی و هوش مصنوعی در کجا واقعاً بازدهی می‌آورند، نه اینکه به هزینه‌ای هدر رفته تبدیل شود.

دور سرمایه‌گذاری تماماً سهام‌دار سری C توسط StepStone رهبری شد و سرمایه‌گذاران موجود شامل Amplify Partners، Redpoint Ventures، Tiger Global، Morado Ventures و New York Life Ventures نیز در آن مشارکت داشتند. این تأمین مالی جدید بیش از یک سال پس از جذب ۲۵ میلیون دلار در سری B، که استارتاپ پنج ساله تا کنون به‌طور عمده نیازی به استفاده از آن نداشت، اتفاق افتاد؛ جنیفر اسمیت، هم‌بنیان‌گذار و مدیرعامل Scribe (در تصویر سمت چپ) در یک مصاحبه اختصاصی این‌چنین گفت. با این دور سرمایه‌گذاری، Scribe قصد دارد انتشار Scribe Optimize و محصولات مرتبط را تسریع کند، چرا که شرکت‌ها در تعیین مکان بیشترین تأثیر هوش مصنوعی و خودکارسازی دچار دشواری هستند.

بسیاری از شرکت‌ها در حال مسابقه برای پذیرش هوش مصنوعی هستند، اما اسمیت به TechCrunch گفت که اکثر آنها هنوز نمی‌توانند به سؤال اساسی «چه کاری را ابتدا خودکار کنیم؟» پاسخ دهند. شرکت‌ها معمولاً سعی می‌کنند از طریق مصاحبه‌ها، کارگاه‌ها یا بهره‌گیری از مشاوران به این سؤال پاسخ پیدا کنند؛ رویکردهایی که ماه‌ها زمان می‌برد و هنوز بسیاری از کارهای روزمرهٔ افراد را از دست می‌دهند.

او گفت: «بدون دانستن دقیق نحوهٔ انجام کار، تعیین نقاط بهبود، خودکارسازی یا استفاده از عوامل (agents) بسیار دشوار است.» «Scribe Optimize دقیقاً به این سؤال پاسخ می‌دهد. به‌سادگی، این ابزار جریان‌های کاری را تجزیه و تحلیل می‌کند تا بفهمد افراد در محل کار چه کارهایی انجام می‌دهند و سپس این اطلاعات را به‌صورتی تجمیع می‌کند که در یک پنجرهٔ یکپارچه به شما نشان می‌دهد: این‌ها جریان‌های کاری واقعی هستند، با فراوانی اجرا، زمان‌برداری و سایر جزئیات.»

Scribe در سال ۲۰۱۹ توسط اسمیت و CTO آرون پودولنی (در تصویر سمت راست) تأسیس شد؛ این شرکت پیش از رونق GenAI شکل گرفت و محصول اصلی فعلی‌اش، Scribe Capture، به‌صورت خودکار نحوهٔ انجام کارها را مستند می‌کند. هر زمان که کاربر یک فرایند یا جریان کاری را تکمیل می‌کند، Capture با استفاده از افزونه مرورگر و برنامه دسکتاپ خود، راهنمای گام به گام شامل متن و اسکرین‌شات‌ها تولید می‌کند. این راهنماها می‌توانند برای همکاران به اشتراک گذاشته شوند یا در ابزارهای داخلی تعبیه شوند تا سؤالات تکراری کاهش یابد، خطاها به حداقل برسد و فرآیند جذب نیروی جدید تسریع گردد.

به‌گزارش این استارتاپ، مشتریان استفاده‌کننده از Scribe Capture به‌طور متوسط بین ۳۵ تا ۴۲ ساعت در ماه برای هر نفر صرفه‌جویی می‌کنند و زمان استخدام نیروی جدید تا ۴۰ درصد سریع‌تر می‌شود.

بازار مستندسازی فرآیندها شامل شرکت‌هایی همچون Tango، Iorad، UserGuiding و Spekit است. با این حال، اسمیت به TechCrunch گفت که Scribe در برابر وضعیت موجودی که افراد به‌دست‌ساز جریان‌های کاری را ثبت می‌کنند، رقابت می‌کند.

او افزود: «مردم هنوز برای درک یک فرآیند از کرنومتر استفاده می‌کنند و پشت سر کسی می‌نشینند تا آن را بفهمند.» «حتی امروزه نیز هنگام استقرار عوامل هوش مصنوعی، نکتهٔ طنزآمیز این است که فرآیند استقرار این عوامل به‌طرز چشمگیری دستی باقی مانده است.»

تا به امروز، Scribe بیش از ۱۰ میلیون جریان کاری را در میان ۴۰٬۰۰۰ برنامهٔ نرم‌افزاری مستند کرده است. این استارتاپ اعلام کرد که بیش از ۵ میلیون کاربر دارد و در تیم‌های ۹۴ درصد از شرکت‌های Fortune 500 استفاده می‌شود. علاوه بر این، ۷۸٬۰۰۰ سازمان به‌عنوان مشتریان پرداختی این سرویس شناخته می‌شوند. از جمله کاربران این شرکت می‌توان به تیم‌های New York Life، T‑Mobile، LinkedIn، HubSpot و Northern Trust اشاره کرد.

اسمیت به TechCrunch گفت: «کاربران برای استفاده از Scribe نه به‌دلیل فرمان سرپرست خود، بلکه به‌دلیل خودخواستشان این سرویس را انتخاب می‌کنند.» «این روند از کاربر نهایی آغاز می‌شود، سپس به سرپرست تیم، سرپرست بخش و در نهایت به واحد مرکزی که به دنبال پاسخ به سؤالاتی همچون مقیاس‌پذیری، دانش موجود، روش‌های اجرایی و بهبود مستمر هستند، ارتقا می‌یابد.»

این استارتاپ مستقر در سان‌فرانسیسکو پس از ایالات متحده، بازارهای اصلی خود را در بریتانیا، کانادا، استرالیا و اروپا می‌بیند.

Scribe اعلام کرد که درآمد خود را در سال گذشته بیش از دو برابر کرده است، هرچند ارقام دقیق را فاش نکرده است، و همچنین بیان کرد که ارزش‌گذاری شرکت از دور قبلی پنج‌برابر شده است. این استارتاپ هم‌اکنون ۱۲۰ کارمند دارد و برنامه دارد در ۱۲ ماه آینده این تعداد را دو برابر کند، به‌ گفته اسمیت.

موضوعات

هوش مصنوعی، انحصاری، جن AI، Scribe، Scribe Capture، Scribe Optimize، استارتاپ‌ها، StepStone، ایالات متحده

اگر هوش مصنوعی را بی‌دلیل به کار ببرید، ذهن‌تان را کدر می‌کند. اما با رویکرد استراتژیک و دستورات مناسب، می‌تواند ابزار قدرتمندی باشد

عکس توسط Smith Collection/Gado/Getty Images

حدس می‌زنم که این روزها درباره هوش مصنوعی، به‌خصوص چت‌بات‌ها، از هر طرف می‌شنوید: اخبار، رسانه‌های اجتماعی، همکاران در محل کار، و شاید حتی از مادربزرگ‌تان. همه ما این‌طوریم. در واقع، برخی حتی واکنش آلرژیک نسبت به هیجانات هوش مصنوعی نشان داده‌اند؛ وعده‌های بیش از حد و پیش‌بینی‌های منفی. یک روز می‌گویند «AGI [هوش مصنوعی به‌مانند انسان] اینجاست»، روز بعد می‌گویند «هوش مصنوعی شغلتان را خواهد گرفت»، و روز بعد می‌گویند «هوش مصنوعی از تراپیست شما بهتر است».

من اینجا به‌عنوان یک دوستدار هوش مصنوعی حضور ندارم، بلکه به‌عنوان راهنمایی برای کمک به شما در عبور از این دنیای جدید حضور دارم. بر اساس نظرسنجی‌ها، 78٪ درصد از سازمان‌ها، 81٪ درصد از پژوهشگران، 86٪ درصد از دانشجویان، و تقریباً دوسوم پزشکان هم‌اکنون به‌نوعی از هوش مصنوعی استفاده می‌کنند. چه بخواهیم و چه نخواهیم، چت‌بات‌ها اینک بخشی جدایی‌ناپذیر از زندگی ما هستند. این لزوماً مشکل نیست، بلکه نحوه استفاده ما از آن است. برای محافظت از خود و احتمالاً بهره‌برداری از مزایا، کافی است کمی بیشتر در طراحی تعامل هوشمندانه بین ذهن‌تان و چت‌بات‌ها تلاش کنید.

نتایج اولیه نشان می‌دهند که درگیر شدن بیش از حد و بی‌دقت با چت‌بات‌ها می‌تواند اثرات مخرب شناختی به‌بار آورد. به عنوان مثال، تحقیقی که توسط مدرسه وارتون دانشگاه پنسیلوانیا هدایت شد، نشان داد که در حالی که یک چت‌بات عملکرد ریاضی دانش‌آموزان را بهبود می‌بخشید، این سود شبیه یک عصا بود؛ وقتی هوش مصنوعی برداشته شد، عملکرد دانش‌آموزان حتی از گروه کنترل ضعیف‌تر شد. در مطالعه‌ای دیگر، مایکل گرلیچ از مدرسه کسب‌وکار سوئیسی SBS دریافت که هرچه دانش‌آموزان بیشتر از چت‌بات‌ها استفاده می‌کردند، توانایی‌های تفکر انتقادی‌شان بیشتر آسیب می‌دید. علاوه بر این، یک مطالعه‌ی جدید تصویربرداری مغزی توسط پژوهشگران MIT نشان داد که دانش‌آموزانی که با کمک چت‌بات مقاله‌ای نوشتند، پس از چند دقیقه نتوانستند محتوای آن را به‌خاطر بسپارند و فعالیت مغزی آن‌ها کمتر و کم‌سازگاری‌تری نسبت به گروهی که بدون چت‌بات کار کرده بود، داشت.

چه هوش مصنوعی مورد علاقه‌تان ChatGPT، Gemini، Claude یا Grok باشد، ممکن است درباره این گونه آسیب‌ها به تفکر انتقادی و خلاقیت خود نگران باشید. برای کمک به شما در اجتناب از این مسأله، توصیه‌هایی برای استفاده هوشمندانه از هوش مصنوعی ارائه می‌دهم. تمرکز من بر کارهای فکری و پروژه‌ای مانند نوشتن، پژوهش و توسعه ایده است، نه حمایت عاطفی، مشاوره زندگی یا برنامه‌نویسی.

خبر خوب این است که نه خود فناوری است که خطر خنگ‌تر شدن ما را به‌وجود می‌آورد، بلکه نحوه استفاده ما از آن است. برای محافظت از خود و احتمالاً بهره‌برداری از مزایا، کافی است کمی بیشتر در طراحی تعامل هوشمندانه بین ذهن‌تان و چت‌بات‌ها تلاش کنید.

نکات کلیدی

1. وقتی چت‌بات‌های هوش مصنوعی را بیش از حد یا بدون فکر استفاده کنیم، می‌توانند عملکرد فکری ما را مختل کنند. خبر خوب این است که مشکل از فناوری نیست، بلکه از نحوه استفاده آن است. برای محافظت از خود و احتمالاً بهره‌برداری از مزایا، کافیست کمی بیشتر در طراحی تعامل هوشمندانه بین ذهن‌تان و چت‌بات‌ها تلاش کنید.
2. بازنگری و تعیین مرزها. یک قدم به عقب بردارید و از خود بپرسید چه چیزهایی برای توسعه شخصی و حرفه‌ای‌تان در سه تا 10 سال آینده مهم است. این می‌تواند به شما کمک کند تا بهتر تشخیص دهید استفاده از چت‌بات می‌تواند به اهداف بلندمدت‌تان کمک کند یا مانع آن شود. می‌توانید یک درخت تصمیم‌گیری را نزدیک محل کار خود نگه دارید تا در هر لحظه راهنمایی کند آیا استفاده از هوش مصنوعی مناسب است یا خیر.
3. استفاده هوشمندانه از هوش مصنوعی. مهم‌ترین قانون این است که همیشه ابتدا بدون هوش مصنوعی فکر کنید. وقتی از یک چت‌بات ورودی می‌گیرید، همواره آن را با شک‌گریزی بررسی کنید و ادعاهای مهم را تأیید کنید. از دستورات خلاقانه (پرامپت‌ها) استفاده کنید تا از پاسخ‌های کلی یا مشاوره‌های عمومی اجتناب کنید – برای مثال، از ربات بخواهید کار شما را همچون یک فیلسوف باستانی نقد کند. همچنین میزان وابستگی خود به هوش مصنوعی در هر کار را پیگیری کنید تا از وابستگی بیش از حد جلوگیری کنید.
4. طراحی دستورات مؤثر. تمایز مهمی بین دستورات «حالت‌دستوری» (directive mode) وجود دارد که چت‌بت را تشویق می‌کند مانند یک سرپرست کاری باشد که کار شما را نقد می‌کند، و دستورات «حالت‌غیر‌دستوری» (non‑directive mode) که آن را بیشتر شبیه یک راهنمای فکری می‌کند که به توسعهٔ افکار و ایده‌های‌تان کمک می‌کند. حالت اول برای زمانی مناسب است که پیش‌نویس یا ایدهٔ توسعه یافته داشته باشید؛ حالت دوم برای زمانی مناسب است که افکار و ایده‌های شما هنوز نیمه‌پخت هستند.

بازنگری و تعیین مرزها

بدون بازنگری، آسان‌تر می‌توانید تنبلی کنید و بیش از حد ورودی‌های هوش مصنوعی را بپذیرید. پیش از این که به‌صورت خودکار یا بی‌دقت از چت‌بات‌ها استفاده کنید، می‌تواند رشد شخصی شما را در درازمدت تضعیف کند. پیش از پرداختن به روش‌های خاص استفاده از هوش مصنوعی، توصیه می‌کنم یک گام به عقب بردارید و از خود بپرسید: چه چیزهایی برای توسعهٔ شخصی و حرفه‌ای‌ام در سه، پنج، یا 10 سال آینده مهم است؟ اهداف کلیدی خود را بنویسید، تصویر ذهنی خود را توصیف کنید، یا صرفاً مهارت‌هایی که می‌خواهید پرورش دهید را فهرست کنید. این کار نقطه‌مرجعی واضح به شما می‌دهد تا استفاده‌تان از هوش مصنوعی را ارزیابی کنید. در ادامه یک مثال می‌آورم:

هدف: در پنج سال آینده می‌خواهم مشاور کسب‌وکار شوم.

توانایی‌های مورد نیاز: تولید راه‌حل‌های خلاقانه، تصمیم‌گیری برای سناریوهای پیچیده، ارزیابی انتقادی تعادل‌ها، ارائه متقاعدکننده، انعطاف‌پذیری در زمینه‌ها، و غیره.

با این بازنگری، پیش از آغاز هر کار، می‌توانید بهتر تشخیص دهید که استفاده از چت‌بت به اهداف بلندمدت شما کمک می‌کند یا مانع آن شود. برای مثال، اگر عادت کنید از چت‌بت برای طراحی استراتژی‌های خلاقانه از ابتدا استفاده کنید، ممکن است در کسب مهارت‌های تصمیم‌گیری استراتژیک به‌ضرر شما باشد. پس از بازنگری ممکن است تصمیم بگیرید که چت‌بت‌ها را فقط برای کارهای روتین یا تکراری که تأثیر مستقیمی بر توسعه حرفه‌ای شما ندارند، به کار ببرید.

برای ساده‌سازی این فرایند، می‌توانید یک درخت تصمیم‌گیری رسم کنید و نزدیک محل کار خود نگه دارید. در ادامه درخت تصمیم‌گیری خودم را به‌اشتراک گذاشتم ( برخی اصطلاحات مانند «حالت‌دستوری» را بعداً در این راهنما توضیح می‌دهم). آزاد باشید درخت من را برای استفاده شخصی خود تطبیق دهید.

استفاده استراتژیک از هوش مصنوعی

همیشه بدون هوش مصنوعی شروع کنید

حالا به‌جزئیات روش‌های هوشمندانه استفاده از هوش مصنوعی می‌پردازیم. اگر فقط یک قانون را رعایت کنید، این باشد: برای هر کاری که فکر کردن مهم است، ابتدا به‌تنهایی سعی کنید، سپس چت‌بات‌ها را به کار ببرید. می‌توانید این استراتژی را مثل یک ساندویچ تصور کنید:

• لایهٔ پایه = «مواد خام» شما. هر کاری که باشد، چه نوشتن یک مقاله، ساختن یک استدلال یا ایده، یا برنامه‌ریزی یک ارائه، ابتدا چیزی را به‌صورت خودتان. تولید کنید.
• لایهٔ میانی = پشتیبانی چت‌بات. از چت‌بات بخواهید کار شما را نقد کند، نقاط ضعف را نشان دهد، فرضیات شما را به‌چالش بکشد یا زاویه‌های متفاوتی پیشنهاد دهد. سپس بر این بازخورد تأمل کنید.
• لایهٔ بالایی = یکپارچه‌سازی. بازخورد را به‌صورت انتخابی در کار اصلی خود ادغام کنید. خودتان تصمیم بگیرید چه چیزی تفکر شما را تقویت می‌کند و چه چیزی را کنار بگذارید.

این استراتژی نه تنها اصالت شما را حفظ می‌کند، بلکه به یادگیری شما نیز کمک می‌کند. وقتی ابتدا با مشکل مواجه می‌شوید، درک خود را از مسأله و نحوهٔ برخورد با آن می‌سازید. سپس استفاده از چت‌بات به شما امکان می‌دهد آن درک را اصلاح و گسترش دهید. در مقابل، تکیه بر راه‌حل‌های آماده، ایده‌های هوش مصنوعی را از تفکر شما جدا می‌کند و اعمال آن‌ها را بعداً دشوارتر می‌سازد.

پذیرش رویکرد شکاکانه

هنگام دریافت پاسخی از چت‌بات‌ها، همواره شکاک بمانید و اطلاعات دریافتی را زیر سؤال ببرید. این مهم است چون هوش مصنوعی تمایل دارد به «توهم‌ها» (تولید اطلاعات نادرست با اطمینان بالا) دچار شود. در ادامه می‌آید که چگونه توهم‌ها را به‌حداقل برسانید و با آن‌ها مقابله کنید:

• اطمینان از صحت ادعاهای مهم با منابع. برای پرسش‌های واقعی یا مبتنی بر شواهد، از سیستم‌هایی استفاده کنید که منابع معتبر را ادغام می‌کنند (مانند ChatGPT با قابلیت «جستجوی وب»، Perplexity یا Scite). بسیاری از چت‌بات‌ها اکنون حالت «پژوهش عمیق» را نیز ارائه می‌دهند. برای وظایف پژوهشی، این گزینه معمولاً بهتر است چون کمتر به داده‌های داخلی مدل وابسته است و بیشتر به جستجوهای زندهٔ اینترنتی. این حالت‌ها همچنین گام‌های عبوری سیستم برای رسیدن به جواب را نشان می‌دهند، که فرآیند را کمتر به یک جعبهٔ سیاه تبدیل می‌کند و ارزیابی آن را برای شما آسان‌تر می‌سازد. روی لینک‌های ارائه‌شده برای ادعاهای خاص کلیک کنید، ادعای دقیق را در منبع پیدا کنید و خودتان تأیید نمایید. می‌توانید از دستورات خاصی هم استفاده کنید (دستورات همان راهنمایی‌هایی هستند که به AI می‌دهید – دربارهٔ این‌ها بعداً توضیح می‌دهم) مانند: سه تا پنج منبع مرتبط را فهرست کنید و مستقیماً به جایی که این ادعا ظاهر می‌شود لینک بدهید. اگر منبع معتبری وجود نداشته باشد، به‌وضوح بیان کنید. اگر مطمئن نیستید، پاسخ «نمی‌دانم» بدهید. حدس نزنید.
• بررسی تعصبات و نقاط کور. گاهی حتی اگر پاسخ از نظر فنی درست باشد، ممکن است محدود، کلی‌نگر یا تعصبی به‌دلیل محدودیت‌های داده‌های آموزشی AI باشد. برای جلوگیری از این‌موضوع، عادتی بسازید که به‌صورت فعال با دستورات زیر، کمبودها را کشف کنید: چه تعصبات احتمالی می‌توانند این پاسخ را شکل دهند؟ یا دو تا سه دیدگاه جایگزین یا راه‌حل خلاقانه پیشنهاد دهید که فراتر از پاسخ‌های معمولی باشد.

پیشبرد خلاقیت

با دستورات پیش‌بینی‌پذیر مانند خلاصه‌کردن این متن یا بازنویسی پاراگراف من قناعت نکنید. تقریباً همه از چنین دستورات سنتی استفاده می‌کنند، که دلیل آن است که خروجی‌ها اغلب کلی هستند. به‌جای آن خلاقیت خود را تمرین کنید و چت‌بات‌ها را به‌عنوان یک فضای بازی برای تخیلتان در نظر بگیرید. در ادامه چند روش ملموسی که خودم با این رویکرد به‌کار گرفته‌ام آورده شده است:

• نقش‌آفرینی. هنگام آزمایش یک ایده برای سخنرانی درباره هوش مصنوعی در آموزش، از چت‌بات پرسیدم: «این ایده را مانند یک فیلسوف باستانی که نسبت به تکنولوژی شک‌گرایانه است نقد کنید. سپس دوباره آن را مانند یک سرمایه‌گذار مخاطره‌پذیر که به‌دنبال پتانسیل تجاری است نقد کنید». ترکیب این دو دیدگاه مختلف به من کمک کرد استدلالم جامع‌تر شود.
• جستجوی تمثیل‌ها. یک بار در تلاشم برای توضیح به زبان ساده این‌که چرا اتکا به چت‌بت‌ها برای اتخاذ روش‌های میان‌بر، یادگیری اصیل را تضعیف می‌کند، از چت‌بت خواستم: «تمثیل‌هایی پیشنهاد دهید که چرا استفاده از هوش مصنوعی به‌عنوان میان‌بر مضر است». او تمثیل «تلپورتاسیون در مقابل ناوبری مبتنی بر نقشه» را پیشنهاد داد. این مفهوم بعدها به من کمک کرد ایده را به‌صورت واضح و جذاب برای دانش‌آموزان توضیح دهم.
• جستجوی زوایای جدید. هنگام توسعه یک مفهوم از علوم شناختی عصب‌شناسی، از چت‌بت پرسیدم: «چه فرآیندهای مشابهی در فیزیک یا ریاضیات وجود دارند که می‌توانند روشن‌کننده این ایده باشند؟» مقایسه‌ای که ارائه داد، شباهت‌های شگفت‌آوری نشان داد، از جمله توصیف فنی‌تری از این فرآیند نسبت به آنچه من در ابتدا بیان کرده بودم. این نه تنها درک من را غنی‌تر کرد، بلکه زبانی برای ارتباط دقیق‌تر این مفهوم به من داد.

قابل توجه است که به‌طور کلی، مدل‌های پیشرفته‌تر (تا سپتامبر 2025، که شامل GPT‑5، Grok 4، Gemini 2.5 Pro، Claude Sonnet 4.5 هستند) تمایل به خلاقیت بیشتری دارند، چرا که دامنهٔ اطلاعات وسیع‌تری را در بر می‌گیرند و می‌توانند فاصله‌های بزرگتری بین مفاهیم پل بزنند.

پیگیری و تعادل مشارکت‌های خود در مقابل هوش مصنوعی

به‌راحتی می‌توانید تنبلی کنید و بیش از حد ورودی‌های هوش مصنوعی را بپذیرید. برای حفظ اختیار و حق مؤلف بودن بر کار خود، این تمرین پیگیری را به کار بگیرید:

• یک جدول دو ستونی بسازید – ستونی برای ورودی‌های شما (ایده‌ها، استدلال‌ها، طرح کلی، استدلال) و ستونی برای ورودی‌های چت‌بات (بازنویسی، مثال‌ها، تمثیل‌ها، نقدها).
• به هر مشارکت از 1 تا 10 امتیاز بدهید بسته به میزان مرکزی بودن آن در شکل‌گیری کار. برای مثال، اگر طرح کلی اولیه‌تان مسیر کل کار را تعیین کرده باشد، می‌توانید 9 امتیاز بدهید. اگر چت‌بت تمثیلی پیشنهاد کرده باشد که به‌درد بخورد، شاید 2.
• امتیازها را جمع کنید تا تعادل را ببینید. آیا اکثر کارهای فکری اصلی را خودتان انجام دادید یا چت‌بت وزن عمده را بر عهده گرفت؟
• اگر متوجه شوید چت‌بت در کارهای کلیدی امتیاز بیشتری نسبت به آنچه می‌خواهید می‌دهد، نحوهٔ درخواست (پرامپت) خود را تغییر دهید. برای مثال، آن را به ارائهٔ نکات به‌جای پاسخ‌ها محدود کنید، یا فقط از آن برای وظایف حمایتی مثل اصلاح نگارشی بپرسید، در حالی که مشارکت اصلی را خودتان حفظ کنید.

طراحی دستورات مؤثر

پیش از این چند پرامپت را ذکر کرده‌ام، اما چون این‌ها برای تعامل شما با هوش مصنوعی کلیدی‌اند، بیایید عمیق‌تر بررسی کنیم. سیستم‌هایی مانند ChatGPT، Claude، Grok یا Gemini طوری طراحی شده‌اند که دوستانه و خوشایند باشند، نه برای رشد شما – مگر اینکه به‌درستی پرامپت کنید. دو استراتژی متمایز مؤثر است: درخواست رهنمودهای «دستوری» یا «غیر‑دستوری» از چت‌بات‌ها. در حالت دستوری، چت‌بت فاصلهٔ نزدیک‌تری دارد و تفکر شما را بیشتر هدایت می‌کند، در حالی که در حالت غیر‌دستوری، سعی می‌کند از هدایت بیش از حد پرهیز کند. بیایید هر دو را مرور کنیم و ببینیم چه زمانی استفاده از هر یک منطقی است.

حالت دستوری

از این حالت whenever (هر زمان) که یک «محصول» ملموس مانند پیش‌نویس مقاله یا ایدهٔ توسعه‌یافته داشته باشید استفاده کنید. به‌عبارت دیگر، در اینجا از چت‌بات به‌عنوان یک سرپرست کاری برای ارائه بازخورد، ارزیابی استدلال‌ها یا ایده‌های‌تان، شناسایی و نقد نقاط ضعف و غیره استفاده می‌کنید. از آنجا که کار من به تولید محتوای متنی فراوان نیاز دارد، گاهی از چت‌بات‌ها می‌خواهم پیش‌نویس‌هایم را به‌طور انتقادی ارزیابی کنند. پرامپت استانداردی که من استفاده می‌کنم تقریباً شبیه این است:

به‌عنوان یک بازبین انتقادی عمل کنید. وضوح استدلال من، منطق ساختارم و توانایی قانع‌کنندگی شواهدم را ارزیابی کنید. نقاط ضعف یا خلاها را بیان کنید و راه‌هایی برای بهبود جریان و انسجام پیشنهاد دهید. متن را خودتان بازنویسی نکنید. فقط بر بازخوردهای انتقادی تمرکز کنید.

حالت غیر‌دستوری

از این حالت وقتی استفاده کنید که می‌خواهید تأثیر چت‌بت را به‌حداقل برسانید – می‌خواهید او کمتر شبیه یک سرپرست باشد و بیشتر شبیه یک مربی که بهترین‌های شما را بیرون می‌آورد. تفاوت کلیدی با حالت دستوری این است که شما نمی‌خواهید دستورهای مستقیم برای اصلاح دریافت کنید، بلکه می‌خواهید هوش مصنوعی به‌صورت مبهم به حوزه‌هایی اشاره کند که ممکن است نیاز به توجه شما داشته باشند. بقیه کارها، مانند شناسایی یک مشکل مشخص و رفع آن، بر عهدهٔ شماست. برای مثال، در کارهای نوشتاری خلاقانه‌ام، غالباً از پرامپتی به‌صورت زیر استفاده می‌کنم:

هرگز به‌صورت مستقیم به من بگویید چه چیزی را اصلاح کنم و از تحمیل قوی دیدگاه خود خودداری کنید. به‌جای آن، به‌صورت خنثی و مبهم به حوزه‌هایی که ممکن است نیاز به بررسی بیشتری داشته باشند اشاره کنید. برای مثال، ابهامات احتمالی، عبارات گیج‌کننده یا ایده‌هایی که می‌توانند تقویت شوند را مطرح کنید. اگر مشکلی واضح می‌بینید، نپذیرید “استدلال X ضعیف است، باید Y اضافه کنید.” بلکه بنویسید “آیا نقاط ضعفی در استدلال X وجود دارد؟ چه نکاتی می‌توانند توسط یک شکاک مورد انتقاد قرار گیرند؟” یا اگر جملات خاصی مبهم هستند، مستقیماً به آن‌ها اشاره نکنید و بازنویسی نکنید؛ بن