حالا که صحبت از جایگزینی هوش مصنوعی با ادم ها بالا گرفته سوال اینه:

عملکرد ایجنت ها به عنوان یک کارمند مستقل توی یک فضای کاری واقعی چطوره؟ 🤔

آیا واقعا میتونیم کل یه شرکت رو با یه سری ایجنت مدیریت کنیم؟!🤔

یه گروه از محققای دانشگاه CMU امریکا یک بنچ مارک جدید ساختن که کارش بررسی عملکرد ایجنت ها توی فضای غیر ازمایشگاهی و کنترل شده است. عنوان این بنچ مارک TheAgentCompany هست.

✔️منظور از این شرکت چیه؟

یک شرکت توسعه نرم افزار فیک تعریف کردن. توی این شرکت برای کارهای توسعه نرم افزار از GitLab، برای نگهداری مدارک و فایل ها از ownCloud، برای ارتباط درون سازمانی از اپ RocketChat و برای مدیریت پروژه از نرم افزار Plane استفاده میکنن. این بنچ مارک یه فضای کامل دیجیتال هست با همکارهای فیک، فرایندهای چند مرحله ای و تعاملاتی که انسان ها هر روز سرکار باهم دارن

✔️ روش کار این بنچ مارک به چه صورته؟:

به ایجنت های هوش مصنوعی وظایفی از دپارتمان های مختلف میدی از دپارتمان مهندسی، منابع انسانی گرفته تا مالی و مدیریت پروژه که باید این وظایف رو بدون وجود هیچ انسانی به سرانجام برسونن.


✔️کدوم مدل ها توی این بنچ مارک بررسی شدن؟

درکل ۱۱ تا مدل بررسی شدن از جمله مدل Claude 3.5 ، ChatGPT 4o ، جمنای، مدل نوا آمازون و مدل های اوپن سورس لاما و Qwen.

هرکدوم از این مدل ها رو انداختن توی این فضای شرکتی تقلبی و بهش ۱۷۵ تا تسک دادن تا انجام بده


🤪 بخش جذاب ماجرا🤪

عملکرد مدل ها چطور بوده؟😭😭😭

کلاد که مثلا بهترین عملکرد رو داشته تونسته فقط ۲۴ درصد از کل تسک هارو به سرانجام برسونه.

🥺 مشکل اصلی کجا بوده؟🥺

اینکه مدل های عزیز کلا تو کارشون "بلد نیستم یکی بیاد بگه چیکار کنم" نبوده:))
با اعتماد به نفس کارهارو می پیچوندن و ادعای موفقیت میکردن😂

از جمله سوتی هایی که دادن:

✅ فردی که باید بهش مسیج میداده رو نیافته رفته اسم یکی رو توی سیستم عوض کرده به اون شخص خاص و گفته مسیج دادم

✅ کلا مراحل زیر مجموعه یک تسک بزرگتر رو بیخیال شده و مدعی شده کارو به سرانجام رسونده

✅ از اساس یه سری فایل و داکیومنت رو فیک درست کرده و گفته براساس اینا عمل کردم

✅ وقتی روی صفحه نتی که باهاش کار میکرده یک مسیج pop up اومده به طور کل جیغ زده فرار کرده😂


خلاصه محققان نتیجه گرفتن که هنوز حوزه های زیادی هست که ایجنت ها توانایی انجامشون بدون هدایت و نظارت انسان هارو ندارن، اما تسک های مهندسی نرم افزار جزو گروهی از وظایف بوده که بهترین شکل تونستن به سرانجام برسونن

پس نباید از ایجنت ها انتظار عملکرد plug and play داشت و همسو کردن این ایجنت ها با نیازهای شرکت زمان میبره و نیاز به نظارت انسانی داره

این مقاله رو میتونید اینجا بخونید

@aipulse24

خوب خوب نظرسنجی جدید داریم ولی این سری رویکرد و نگاه شما به وضعیت هوش مصنوعی در حال حاضر و در آینده است!
بگید که به نظر شما کدوم یکی از گزینه ها به واقعیت نزدیک تره؟

۱. الان مثبت و آینده هم روشنه! 🙋‍♀
هوش مصنوعی همین الانشم داره دنیا رو متحول می‌کنه!
قراره آینده‌ای بیاد که توش پیشرفت بشر می‌ترکونه.
➖
۲. الان درهمه ولی آینده روشنه! 🔮

فعلاً تاثیر خاصی رو زندگیم نداشته، ولی کلی ذوق دارم ببینم چه کارا می‌تونه بکنه.
➖
۳. الان منفیه ولی آینده روشنه! 😠

درسته که الان گند زده، ولی اگه سفت بگیریمش و قوانین سفت و سخت بزاریم می‌تونه یه دنیای عادلانه‌تر بسازه.
➖

۴. الان مثبت ولی آینده نا معلوم 😔

هوش مصنوعی الان خوبه، ولی باید از نزدیک ببینیم و نظارت کنیم تا آخرش خوب باشه.

➖

۵. الان درهمه آینده هم نامعلومه! 🤷‍♀🤔
نه می‌تونم بگم خوبه، نه بگم بده.
فقط دارم نگاه می‌کنم ببینم چی می‌شه.
(از اونایی که پاپ‌کورن بدسته)
➖

۶. الان منفیه آینده هم نا معلومه😥

فعلاً که فقط داره ضرر می‌زنه و کسی هم براش راه‌حل درست‌درمون نداره.

➖

۷. الان مثبت ولی آینده تاریکه! 😓
الان به درد می‌خوره، ولی باید سریع با قانون‌گذاری جلوی ضررهاشو بگیریم.
(از اونایی که یه دستش رو موسه، یه دستش رو ماشه)
➖

۸. الان درهمه ولی آینده تاریکه 🤨

این چیزایی که می‌گن زیادی بزرگ‌نماییه.
ولی ته دلم حس می‌کنم بوی بیکاری و از بین رفتن حریم خصوصی میاد.
➖

۹. الان منفیه آینده هم فاجعه باره! 👹

این قطار داره مستقیم می‌ره سمت دره.
آخرش یا نابود می‌شیم، یا بدتر!
(از اونایی که با هر آپدیت GPT، وصیت‌نامه‌شون رو آپدیت می‌کنن)


@aipulse24