تابستان امسال، OpenAI و Anthropic تقریباً هم‌زمان قابلیت‌هایی معرفی کردند که به سیستم‌های هوش مصنوعی اجازه می‌دهد یک کار را فقط با مشاهده نحوه انجام آن یاد بگیرند؛ رویکردی که می‌توان آن را آموزش هوش مصنوعی با مشاهده دانست و گامی فراتر از پرامپت‌نویسی سنتی است.
OpenAI در ماه ژوئن قابلیت Record & Replay را معرفی کرد؛ ابزاری که به کاربران ChatGPT و Codex اجازه می‌دهد یک فرایند کاری را به سیستم نشان دهند و آن را به یک مهارت قابل استفاده مجدد تبدیل کنند. چند هفته بعد، Anthropic نیز قابلیت Record a Skill را در Claude Cowork معرفی کرد. کاربر صفحه‌نمایش خود را هنگام انجام یک کار ضبط می‌کند، درباره منطق تصمیم‌هایش توضیح می‌دهد و Claude از این فرایند یک مهارت می‌سازد که بعداً می‌تواند دوباره آن را اجرا کند.
هم‌زمانی این دو محصول، به یک نکته مهم اشاره دارد: پرامپت به‌تنهایی برای رساندن هوش مصنوعی به مرحله بعدی کافی نیست.
این مسئله به سال‌ها پیش بازمی‌گردد. نویسنده مقاله در دوران فعالیت ۱۲ ساله خود در اپل، روی نسخه چینی Siri کار می‌کرد. یکی از چالش‌های اصلی Siri این بود که سیستم فقط نباید دستور کاربر را بفهمد؛ بلکه باید زمینه و سابقه تعاملات را نیز در نظر بگیرد.
برای مثال، اگر به دستیار صوتی بگویید هر روز ساعت ۶ زنگ هشدار تنظیم کند، از نظر فنی مشخص نیست منظور ساعت ۶ صبح است یا ۶ عصر. اما برای خود شما چنین ابهامی وجود ندارد، چون برنامه روزانه‌تان را می‌دانید و انتظار دارید دستیار هم آن را درک کند. مشکل اصلی همیشه زبان نبوده؛ مسئله، نداشتن درک کافی از ترجیحات و عادت‌های کاربر در طول زمان بوده است.
نشان بده، توضیح نده
شیوه انجام یک کار معمولاً بسیار شخصی‌تر از چیزی است که نرم‌افزار تصور می‌کند. حتی دو نفر که شغل و مسئولیت یکسانی دارند، ممکن است از ابزارهای متفاوتی استفاده کنند، مراحل کار را با ترتیب دیگری انجام دهند و بر مجموعه‌ای از اطلاعات ناگفته تکیه داشته باشند.
پژوهشگران به این نوع اطلاعات «دانش ضمنی» (Tacit Knowledge) می‌گویند؛ دانشی که افراد در اختیار دارند اما لزوماً نمی‌توانند آن را به‌طور کامل توضیح دهند. بر اساس یکی از مطالعات، حدود ۴۰ درصد از دانش ارزشمند یک شرکت در ذهن کارکنان آن قرار دارد و هیچ‌جا ثبت نشده است.
محدودیت پرامپت‌ها دقیقاً در همین نقطه آشکار می‌شود. اگر از کسی بخواهید توضیح دهد چگونه گزارش هزینه‌هایش را ثبت می‌کند، احتمالاً می‌گوید رسید را بارگذاری می‌کند، هزینه را دسته‌بندی و سپس گزارش را ارسال می‌کند. اما ممکن است اشاره نکند که برای هزینه‌های غذای بالاتر از ۷۵ دلار، تأیید مدیرش را می‌گیرد یا شام با مشتری را متفاوت از ناهار تیمی دسته‌بندی می‌کند.
هوش مصنوعی مبتنی بر پرامپت نمی‌تواند این اطلاعات ناگفته را حدس بزند. اما وقتی خودِ فرایند کار را مشاهده می‌کند، می‌تواند ترتیب مراحل، نقاط تصمیم‌گیری و قضاوت‌های کوچکی را که در اجرای کار نقش دارند، ثبت کند. در این روش، زمینه و عمل از همان ابتدا در کنار یکدیگر قرار می‌گیرند.
ساخت کتابخانه‌ای از مهارت‌ها
قابلیت‌هایی مانند Record & Replay و Record a Skill گامی مهم در جهت درک و تقلید شیوه واقعی کار انسان‌ها هستند. اگر یک مهارت ضبط‌شده با قابلیت اجرای زمان‌بندی‌شده ترکیب شود، دیگر لازم نیست کاربر هر بار آن را دوباره فعال کند؛ سیستم می‌تواند آن را به‌صورت خودکار و در پس‌زمینه اجرا کند، در حالی که کاربر به فعالیت‌های دیگر خود ادامه می‌دهد.
این تغییر، نگاه به هوش مصنوعی را از ابزاری که فقط به دستور پاسخ می‌دهد، به سیستمی نزدیک‌تر می‌کند که می‌تواند روش کار شما را یاد بگیرد و همان روش را به خاطر بسپارد.