مدل‌های بنیادی؛ شتاب‌بخش کسب‌وکارها در پیچ تغییرات اقتصادی

مهندس محسن باقری، مدیر توسعه کسب‌وکار شرکت پارت

همه لطف دنیای جدید فناوری و استفاده از سامانه‌ها و سایت‌ها به این است که دسترسی به خدمات، راحت و شخصی‌سازی‌شده باشد. اینکه دغدغه آدم‌های زیادی در پشت این سایت‌ها این است که تجربه کاربری منِ نوعی، شیرین و دلچسب باشد، چیز جذابی است. اما ارائه خدمات اینگونه‌ای توسط فروشگاه‌های آنلاین، رسانه‌های صوتی و تصویری، فین‌تک‌ها و... به میلیون‌ها مخاطب، منوط به پردازش حجم عظیمی از داده‌هاست.

پیش از این، برای پاسخ به این نیازها باید از طیفی از ابزارهای سنتی با انبوهی از محدودیت‌ها استفاده می‌شد؛ اما امروزه به لطف هوش مصنوعی، به دستیارهای هوشمند و ابزارهای آنالیز پیشرفته‌ای دسترسی داریم که پردازش داده‌ها را ساده‌تر کرده و به صاحبان کسب‌وکارها این امکان را می‌دهد که با درنظر گرفتن سناریوهای متعدد، تاب‌آوری فعالیت خود را افزایش دهند. توسعه این ابزارها بر پایه مدل‌های بنیادی (Foundation models) و به تبع، مدل‌های بزرگ زبانی (LLMs) است که زیرساخت شکل‌گیری ابزارهای مجهز به هوش مصنوعی را فراهم می‌کنند. مدل‌های بنیادی با دو کارکرد مهم و تأثیرگذار می‌توانند برای تحلیل و ارزیابی‌های دقیق اقتصادی مورداستفاده قرار گیرند.

1. پیش‌بینی‌های اقتصادی و تعریف سناریوهای محتمل

پیش از همه، آنچه ابزارهای مبتنی بر هوش مصنوعی را برای فعالان اقتصادی به مفهومی جذاب و کاربردی تبدیل می‌کند، توانایی پیش‌بینی آن‌هاست. با توجه به متغیرهای متنوعی که بر کنش‌های اقتصادی ما تأثیرگذارند، امکان پیش‌بینی وقایع آینده در نگاه اول دور از انتظار به نظر می‌رسد؛ اما مدل‌های زبانی بزرگ، این توانایی را دارند که به منابع گسترده‌ای از کتاب‌ها و مقالات تا اخبار و ویدئوها تسلط پیدا کنند و با تطبیق این داده‌ها با الگوهای اقتصادی تکرارشونده، برآوردی دقیق و منطقی از پیشامدهای آتی داشته باشند.

بسیاری از فعالان بازار سرمایه انتظار دارند که در آینده نزدیک بتوانند به کمک دستیارهای هوشمند، به الگوی نوسانات سهام دست پیدا کنند و با این برگ برنده، قیمت هر سهم را تخمین بزنند. دانش مدل‌های زبانی پیرامون جریان‌های خبری، حجم معاملات در گردش، احساسات سرمایه‌داران و داده‌هایی از این دست، می‌تواند به فعالان این حوزه کمک کند که تصمیمات آگاهانه‌تری اتخاذ کنند. به طور مثال، محققان نشریه مالی رفتاری و تجربی، برای پایش ارزش سهام تعدادی از شرکت‌های فعال در بازار بورس تایوان از ابزارهای متعددی استفاده کردند و در نهایت، مدل مبتنی بر هوش مصنوعی توانست بهترین عملکرد را از خود به نمایش بگذارد.

2. پردازش آنی اطلاعات

در بازار رقابتی موجود، اگر کسب‌وکاری نتواند سریع و به‌موقع خدمت‌رسانی کند، سرنوشتی جز حذف از بازار نخواهد داشت. مشتریان انتظار دارند خدمات موردنیاز خود را «در لحظه» دریافت کنند و در صورت تأخیر، به دیگر رقبا روی می‌آورند. این فرایند خدمت‌رسانی بی‌وقفه، نیازمند سطح بالایی از پردازش اطلاعات است که جز با استفاده از ابزارهای مبتنی بر هوش مصنوعی امکان‌پذیر نیست. بنا بر تحقیقات فوربس، ابزارهای هوشمند مبتنی بر مدل‌های زبانی بزرگ قادرند 70 درصد از وظایف پردازش اطلاعات و 64 درصد از عملیات جمع‌آوری داده‌ها را به طور کاملاً خودکار بر عهده بگیرند و از این طریق، بهره‌وری نیروی انسانی و سرعت ارائه خدمات را افزایش دهند.

بر همین اساس روی آوردن به فناوری‌هایی که از دل مدل‌های بنیادی توسعه داده می‌شوند، می‌تواند کلید رشد کسب‌وکارها و بروز تحولات چشمگیر در فرایندهای اقتصادی باشد؛ به شرط آنکه به صورت گسترده در سطح کلان و ملی مورد توجه قرار گیرند.

در سال‌های اخیر، مجموعه‌های فعال در حوزه هوش مصنوعی ایران توانسته‌اند مدل‌های بنیادی قدرتمندی را بر پایه کلان‌داده‌های فارسی توسعه دهند که از لحاظ تعداد پارامتر، هم‌تراز با مدل‌های پیشرفته جهانی قرار می‌گیرند. گروه مدل زبانی «درنا»، یکی از نمونه‌های موفق مدل‌های بنیادی بومی است که توسط متخصصان مرکز تحقیقات هوش مصنوعی پارت توسعه داده شده است و به کسب‌وکارها این امکان را می‌دهد تا بر اساس نیاز، ابزارهای موردنظر خود را توسعه دهند. وجود مدل‌هایی از این دست، دغدغه‌مندان حوزه فناوری را دل‌گرم می‌کند که برای شناخت، تحلیل و برنامه‌ریزی فعالیت‌های اقتصادی در آینده نزدیک، ابزارهایی قابل‌اتکا و کارآمد در اختیار خواهیم داشت؛ هر چند که هنوز در ابتدای این مسیریم.