ChatGPT و راه‌آهن مدل: یکی از داغ‌ترین موضوعات در حال حاضر، گفتگو پیرامون هوش مصنوعی (AI) است. اگر به این مکالمه توجه کرده‌اید، احتمالاً می‌دانید که برنامه‌های هوش مصنوعی گام‌های بزرگی را در این زمینه برداشته‌اند. چند سال گذشته این پیشرفت ها باعث ایجاد اختلال و نوآوری به همان اندازه در بسیاری از زمینه ها شده است. این پیشرفت‌ها باعث بحث در این زمینه شد مدل راه آهن دفاتر، سوال اصلی ما این است که طبیعتا این برنامه ها چه کاری می توانند برای ما و برای سرگرمی ما انجام دهند؟
کنجکاو در مورد قابلیت های این برنامه ها در ارتباط با مدل راه آهن، شروع به آزمایش کردم. با استفاده از برنامه ای به نام ChatGPT، یک ربات چت مبتنی بر هوش مصنوعی مبتنی بر وب، شروع به آزمایش دانش و ظرفیت این برنامه کردم. با پرسیدن سوالات، ChatGPT پاسخ هایی را بر اساس پارامترهای مشخص شده سوال ایجاد می کند – سوالات بازتر پاسخ های باز بیشتری را به همراه دارد و سوالات مشخص تر به پاسخ های خاص تری منجر می شود. این برنامه از یک مدل یادگیری مولد استفاده می‌کند که از طیف گسترده‌ای از منابع در سراسر وب برای تولید پاسخ‌ها بدون ورودی انسانی استفاده می‌کند.
شروع شدن
برای شروع، یک سوال باز پرسیدم تا ببینم این برنامه مرا به چه سمتی می برد. اولین پرس و جو من: “برای من یک طرح ریل راه آهن مدل ایجاد کنید.”
پاسخی که دریافت کردم:
بیایید با اصول اولیه شروع کنیم: یک طرح 4×8 با موضوع روستایی. خوب، شاید هیچ نکته ای برای اصالت وجود نداشته باشد، اما مطمئناً یک پیشنهاد قابل اجرا است. از آنجا، برنامه مشخص می کند که چه چیزی در چیدمان قرار می گیرد. در گوشه پایین سمت چپ، یک دهکده کوچک با یک ایستگاه قطار داریم. خط اصلی ما در اطراف خارج از دهکده منحنی است و قبل از ورود به یک تونل از پلی روی رودخانه می گذرد. من به راحتی می توانم آنچه را که در ذهنم توصیف می شود تصور کنم، بنابراین قابل قبول است.
از آنجا، مسیر منشعب می شود، یک مسیر به منطقه کوهستانی با عملیات معدن منحرف می شود، در حالی که مسیر دیگر به سمت یک منطقه شهری با یک ایستگاه مسافربری و یک حیاط سوئیچینگ ادامه می یابد.
بسیار خوب. به نظر من برای چیدمان 4×8 کمی متراکم به نظر می رسد، اما باز هم مقیاس هرگز مشخص نشد، که تفاوت ایجاد می کند. بدون اینکه مشخص شده باشد، چگونه می‌توانستم بدانم از چه مقیاسی در این طرح‌بندی استفاده کنم؟ بنابراین، پرسیدم:
طرح‌بندی 4×8 HO با موضوع حومه روستایی. باز هم، شاید هیچ نکته ای برای اصالت وجود نداشته باشد، اما برخی از جزئیات به خوبی رندر شده اند، و من مشکلی برای تصویر کردن این طرح در ذهنم ندارم. از آنجا، من سؤالات بیشتری در مورد چیدمان، از جمله دوران، نیمکت کاری، و اینکه چه نیروی محرکه ای برای طرحی مطابق با این توصیف مناسب است، مطرح کردم.
لکوموتیوهای پیشنهادی مطمئناً توصیه های قابل اجرا هستند. البته گزینه های زیادی در بازار راه آهن مدل برای لوکوموتیوهای بخار اواخر دوره، SD40 و سایر لوکوموتیوهای مشابه وجود دارد.
باریک شدن نتایج
می خواستم ببینم وقتی مقیاس را در پرس و جو اولیه خود مشخص کردم، چه تغییری می کند، تقریباً دقیقاً همان سؤال را وارد کردم، اما این بار شامل مقیاس مورد نظر من (HO.) نتیجه را گرفتم:
همانطور که می توانید بگویید، نتیجه تقریباً دقیقاً مشابه سؤال اولی است که من پرسیدم، و پاسخ به همان روشی که قبل از آن بود ساختار یافته است.
مشخص کردن ساختار پاسخ
من که می‌خواستم همه چیز را تغییر دهم و ظرفیت این برنامه را بیشتر آزمایش کنم، نحوه بیان سؤالم را در یک پرسش جدید تغییر دادم: «یک طرح راه‌آهن مدل مقیاس N با توضیحات دقیق از جمله نقاط گلوله برای من ایجاد کنید».
پاسخی که دریافت کردم:
من خودم را تحت تأثیر این پاسخ بسیار بیشتر دیدم. با ساختاربندی پارامترهای پاسخی که می‌خواستم، به نظر می‌رسد که برای این برنامه واضح‌تر تعریف کرده‌ام که جزئیات فردی مورد نیاز است بدون اینکه واقعاً آنها را مشخص کنم. ساختار نقطه گلوله این پاسخ ویژگی‌های فردی را به وضوح تعریف می‌کند، از جمله مسیر، روشنایی و عملیات.
در نهایت، برای تکمیل این پرس و جو، پرسیدم “با توجه به مشخصاتی که به من ارائه کردید، چه نیروی محرکه ای برای این طرح بندی مناسب است؟”
پاسخ به شرح زیر بود:
مقالات دیگری در مورد برنامه های هوش مصنوعی به تمایل آنها به اشتراک گذاری غیرقابل انتقاد اطلاعات نادرست اشاره کرده اند. من نباید تعجب کنم که برنامه نمی دانست NW2 یک لوکوموتیو بخار نیست.
تولید تصویر
همچنین می‌خواستم ظرفیت برنامه‌های هوش مصنوعی مشابه را که بر تولید تصویر متمرکز شده‌اند را آزمایش کنم. من جزئیات را در برنامه ای به نام Fotor قرار دادم و از اعلان “مدل طرح خط راه آهن، نمای پرنده، مقیاس HO، کوهستانی، با تونل، عملیات معدن و شهر” این تصاویر را دریافت کردم:
حالا، اگر از نزدیک نگاه نکنید، این تصاویر به اندازه کافی جالب هستند، اما به سختی نقشه‌هایی به سبکی که هر راه‌آهن مدلی تشخیص می‌دهد. با این حال، با بررسی دقیق تر، ممکن است یک لوکوموتیو و یک ساختمان به یک موجودیت تبدیل شوند، یا معماری مسیرهای بی معنی، یا پل هایی که به کناره های صخره ها منتهی می شوند، بدون ورودی تونلی، مشاهده کنید. به سختی یک طرح مسیر، و نه تفسیر منطقی از طرح راه آهن مدل. با نگاه کردن به این تصاویر، به نظر می رسد که برنامه می داند چه چیزی را تکرار کند، اما نه چگونه این کار را انجام دهد.
با در نظر گرفتن این نتایج، خودم را تحت فشار دیدم. این بدان معنا نیست که اینها برنامه های بی فایده ای هستند. برنامه های کاربردی وجود دارد به عنوان مثال، یک مدل ساز مبتدی می تواند از ChatGPT به عنوان ابزاری برای تولید الهام و اطلاعات مفید برای یک طرح آینده نگر استفاده کند. با این حال، در نهایت فقط یک جمع کننده است. این برنامه و سایر برنامه‌های مشابه آن، اطلاعات را از هزاران مکان مختلف می‌کشد، آنچه را که بیشتر اتفاق می‌افتد، پیدا می‌کند، و بدون هیچ فرآیندی برای تأیید اطلاعات، آن را به کاربر بازگرداند. اساساً یک کاربر با یک موتور جستجو مکالمه دارد. همانطور که دیدیم، راه‌هایی برای تعریف و ساختار بهتر پاسخی که دریافت می‌کنید وجود دارد، اما در نهایت، اطلاعات از همان مکان می‌آیند. باز هم، این بدان معنا نیست که برنامه بی فایده است. اما شاید برنامه واقعاً انقلابی برخی معتقدند که هنوز محقق نشده است. در حال حاضر، این دستگاه کمترین مخرج مشترک است.
