أفكار وأدوات رقمية بلغة مفهومة.
1201 مقال
قد يصف المساعد قائمة كلمات ممنوعة بأنها ضمان لاختفاء موضوع من الإجابة. هذا أوسع من عقد يمنع تسلسلا بعينه من رموز التوليد. نقرأ وصف NoBadWordsLogitsProcessor في Transformers ونستعمل عبارة مؤلفة وصياغتين بديلتين، دون تشغيل مرمز أو نموذج أو تقديم ضمان لتصفية المعنى.
قد يقترح المساعد تعبيرا نمطيا ثم يقول إن المجموعة الأولى تحمل كل الرموز التي تكررت فيه. في Python re، هذا الاستنتاج لا يتبع من تكرار المجموعة داخل مطابقة واحدة. نقرأ عقد group وfindall، ونؤلف سطرا قصيرا يوضح فرق النص الكامل من آخر التقاط، دون تنفيذ الشفرة.
إذا قرأ المساعد إعدادا يحمل num_beams وnum_return_sequences فقد يجمع العددين أو يسمي كل حزمة إجابة نهائية. لكن عدد الفرضيات التي يتتبعها البحث يختلف عن عدد النصوص المطلوب إرجاعها. نقرأ شرح Hugging Face ونؤلف إعدادا لمدخل واحد، دون تشغيل نموذج أو تسجيل مخرجات.
يريد فريق إعداد دليل قراءة جمع اسم مكان في وحدة واحدة قبل إرسال قائمة أسماء إلى المساعد. ظهرت وحدتان بعد أن كانت القائمة تضم ثلاث وحدات، فظن محرر أن كلمة حذفت. السؤال هنا عن إعادة تقسيم النص: ما الذي انتقل موضعه، وما الذي بقي مكتوبا؟ سنستخدم تقسيمًا معلنًا، لا نتيجة محلل عربي جربناه.
يرسل محرر بطاقتي شرح إلى أداة إعداد مدخلات المساعد، ثم يرى أربع قوائم رموز في الناتج. هل أضاف البرنامج بطاقتين جديدتين؟ قد تكون بعض القوائم نوافذ من البطاقة نفسها. سنقرأ خريطة المصدر وحدود النوافذ قبل استعمال عدد القوائم بوصفه عدد وثائق أو أجوبة مستقلة.
أمام محرر جوابان مقترحان للمساعد، ولكل منهما أرقام تحت اسم «الدرجة». يريد اختيار الجواب الأعلى، لكنه يجمع درجات رموز من سجل ويقارنها بدرجة تسلسل من سجل آخر. قبل المفاضلة يجب معرفة ما يجمع الرقم، وكيف يدخل طول الناتج في حسابه. المثال التالي يشرح حسابًا مفترضًا، ولا يقيم جوابًا ولده نموذج فعلي.
طلب محرر من مساعد إكمال بطاقة تبدأ بعبارة «عنوان الورشة:». ظهر الناتج بهذه العبارة ثم «صناعة إطار ورقي». هل كتب النموذج العنوان كله من جديد، أم عرضت الواجهة البداية مع التكملة؟ الإجابة تحتاج إلى معرفة نمط إرجاع النص. سنقارن عرضين لتكملة نفترضها، مع إبقاء المهمة نصًا عاديًا لا محادثة ذات رسائل.
يقرأ محرر سجل إعداد نموذج يلخص بطاقات أنشطة، فيجد رقمًا في أول مدخل المفكك لا يظهر في نص البطاقة. يظن أن المستخدم كتب كلمة إضافية. قبل هذا الاستنتاج نحدد إلى أي مسار ينتمي الحقل: مصدر مطلوب تلخيصه، أم تسميات نعد بها جهة المفكك أثناء التدريب؟ سنشرح عقدًا محددًا بأرقام رمزية اخترناها، دون تدريب نموذج.
يحدد محرر حروفًا من وصف منتج ويريد تحويلها إلى مقطع وحدات يراجعه مساعد. المجال يبدأ داخل كلمة، ثم يمتد إلى نهاية كلمة أخرى. قد تقبل أداة المحاذاة جزءًا مختلفًا من النص أو ترفض إنشاء المقطع. أي ناتج يطابق ما قصده المحرر؟ سنقارن ثلاثة أوضاع بحدود حروف ووحدات معلنة، لا بتحليل لغوي شغلناه.
يرى محرر نصًا عربيًا يتضمن معرفًا لاتينيًا، فيطلب من مساعد قلب السلسلة حتى تبدو من اليمين إلى اليسار. لكن هذا الطلب قد يقلب المعرف أيضًا. سنشرح قاعدة إعادة ترتيب مقاطع النص بحسب مستويات اتجاه معلنة، ونقارن مرورين في العرض بقلب عام للحروف. هذه قراءة يدوية لقاعدة، لا اختبار متصفح أو شكل خط عربي.
تريد محررة إرسال وصف بطاقة من صفحة إلى مساعد ليعيد صياغته. تشمل نسخة النص عبارة عن غرفة قديمة لا تظهر في البطاقة التي تقرؤها. هل رآها المستخدم أيضًا؟ نحدد العنصر الذي قرئ وطريقة أخذ نصه وحالة عرضه قبل نسبة كل الحروف المستخرجة إلى المحتوى الظاهر. المثال يصف صفحة مفترضة، ولا ينفذ استخراجًا في متصفح.
تضم ورقة تجهيز مدخلات مساعد قائمتين مختلفتي الطول. بعد الحشو ظهر موضع إضافي في الأقصر؛ هل يدل على كلمة ثالثة كتبها صاحب النص؟ لا يكفي طول القائمة للإجابة. نقرأ دور الحشو وقناع الانتباه، ثم نقارن تمثيلين رمزيين دون تشغيل مرمز أو نموذج.
في ورقة تدريب نصي يقرأها المساعد، يظهر مدخل فيه علامتان بدل عبارتين، وهدف يبدأ بالعلامتين نفسيهما. ليس الهدف في هذا العقد نسخة كاملة من الجملة. نقرأ مهمة محددة من بحث T5 ، ثم نصمم مثالًا عربيًا رمزيًا؛ لم ندرب نموذجًا أو نستخرج تقسيمًا فعليًا للكلمات.
يبدأ التحقق من إجابات الذكاء الاصطناعي بتحويل الإجابة إلى ادعاءات صغيرة، ثم البحث عن دليل مستقل لكل ادعاء مهم. لا تكفي سلامة اللغة أو وجود قائمة مراجع؛ فقد ينتج النظام معلومات خاطئة ويعرضها بثقة، وهو خطر يصفه دليل المعهد الوطني الأمريكي للمعايير والتكنولوجيا. [1] استخدم الخطوات الآتية عند إعداد تقرير أو منشور أو شرح تعتمد عليه جهة أخرى.
تبدأ حماية خصوصية بيانات العمل والذكاء الاصطناعي قبل إرسال الطلب: هل تسمح المؤسسة باستخدام هذه الخدمة مع هذا النوع من المعلومات؟ يوصي المركز الوطني البريطاني للأمن السيبراني بعدم إدخال معلومات حساسة في النماذج اللغوية العامة، وبفهم شروط الخدمة وسياسة الخصوصية عند التعامل مع بيانات المؤسسة. [1] لذلك لا ترفع الملف الكامل لمجرد أن المهمة هي تلخيص فقرة منه.
يمكن استخدام النص البديل للصور بالذكاء الاصطناعي بوصفه مسودة، ثم تعديله بحسب ما تفعله الصورة في الصفحة. النص البديل هو عبارة نصية تنقل معنى الصورة أو وظيفتها عندما لا تُرى. تؤكد إرشادات W3C أن اختيار الوصف يعتمد على سياق الصورة، بينما تتيح وثائق Microsoft مراجعة الوصف التلقائي وتحريره. [1] [2] لهذا لا يكفي أن يسمي المساعد الأشياء الظاهرة في الصورة.
تعني مراجعة الترجمة التلقائية للفيديو مقارنة النص بالصوت ثم إصلاح الكلمات والتوقيت والمعلومات الصوتية اللازمة للفهم. سنستخدم هنا «مقاطع الترجمة والشرح» للنص الذي يظهر مع الفيديو، ولو كان باللغة نفسها التي يتحدث بها صاحبه. تشمل المقاطع الميسّرة الكلام والأصوات المهمة، وتحتاج إلى التزامن مع الصوت. [1] أما المسودة التلقائية فلا تعد مكتملة لمجرد أنها ظهرت على الشاشة.
يكون تحويل محادثة الذكاء الاصطناعي إلى موظف مناسبا عندما يطلب العميل ذلك، أو يحتاج الحل إلى معلومة أو صلاحية غير متاحة للمساعد. هذه قواعد تصميم مقترحة ينبغي مواءمتها مع الخدمة. والأمر يتطلب مسارا فعليا للتسليم؛ ففي Dialogflow CX مثلا، إشارة التحويل إلى موظف لا تنفذ التسليم بذاتها، بل يستخدمها النظام المتصل لتنفيذ الإجراء. [1] لذلك لا يكفي أن يكتب المساعد «تم تحويلك».
