ليس هناك من ينكر القوة التحويلية للحلول الذكاء الاصطناعي مثل ChatGPT في أماكن العمل الحديثة. من تبسيط صياغة البريد الإلكتروني إلى تقديم دعم الصحة العقلية ، تحدث ChatGPT ثورة في كيفية تعاملنا مع المهام اليومية. ومع ذلك ، فإنه لا يخلو من قيوده ، مثل عدم وجود تخصيص لقاعدة معارف عملك المحددة. أدخل Cody ، الحل الخالي من المتاعب بدون رمز لجلب أفضل ما في الذكاء الاصطناعي إلى مؤسستك.
دعنا نستكشف ثلاث طرق يمكن الذكاء الاصطناعي تفيد مؤسستك:
التدريب: من ثابت إلى ديناميكي
غالبا ما تتضمن طرق التدريب التقليدية تدفقات ثابتة ومحددة مسبقا ليست أقل جاذبية فحسب ، بل ليست بالضرورة مصممة خصيصا لاحتياجات عملك. من خلال الاستفادة من الذكاء الاصطناعي ، يمكنك إضفاء الديناميكية والتفاعل على برامج تدريب الموظفين.
مع Cody ، الأمر بسيط مثل تحميل مستندات التدريب الحالية – سواء كانت مستندات PDF أو Word. اختر من بين قوالب الروبوتات المعدة مسبقا أو استخدم أداة إنشاء الروبوتات المتقدمة لتخصيص شخصية كودي حسب رغبتك. في بضع خطوات سهلة ، سيكون لديك مدرب إعداد مخصص يلبي احتياجات كل موظف ، وبالتالي تعزيز فعالية وبديهية برامج التدريب الخاصة بك.
البحث: إتاحة المعرفة
ما الهدف من وجود قاعدة معرفية تجارية موثقة جيدا إذا كان موظفوك يقضون وقتا طويلا في غربلة البيانات؟ تعمل الحلول التي تعمل الذكاء الاصطناعي مثل Cody على تحويل طريقة الوصول إلى المعلومات داخل مؤسستك ، وتعمل مثل محرك بحث داخلي.
بمجرد تحميل معرفتك التجارية إلى Cody ، سيتم تلبية أي استعلام يتم إجراؤه بلغة طبيعية باستجابة دقيقة ومتماسكة تم إنشاؤها من بياناتك المحددة. إنه مثل وجود خبير بشري 24 / 7 جاهز لمعالجة جميع استفساراتك. لقد ولت أيام البحث بلا هدف من خلال البيانات التي لا نهاية لها.
التشغيل الآلي: تبسيط مهام سير العمل
يتيح لك آخر تحديث لدينا نقل الأتمتة إلى المستوى التالي. يتكامل Cody الآن بسلاسة مع Zapier ، مما يتيح لك إنشاء مهام سير عمل مؤتمتة تعمل بالطاقة الذكاء الاصطناعي والتي ليست فعالة فحسب ، بل سهلة الاستخدام أيضا. من خلال أتمتة المهام الروتينية ، فإنك تحرر موظفيك للتركيز على عمل أكثر جدوى. ومع قدرات كودي الذكاء الاصطناعي ، فإن المحتوى الذي تم إنشاؤه على قدم المساواة مع ما يمكن أن ينتجه الإنسان ، إن لم يكن أفضل.
Zapier هي أداة تمكنك من ربط Cody بأكثر من 5000 تطبيق ، مما يفتح عالما من الاحتمالات اللانهائية.
المستقبل الآن ، وهو كودي
لقد بحثنا في القوة التحويلية الذكاء الاصطناعي في مكان العمل ، مع التركيز على تأثيرها على التدريب والبحث وأتمتة سير العمل. مع منصات مثل كودي ، المستقبل ليس حقيقة بعيدة. إنه يحدث هنا والآن. لا يوفر تكامل الذكاء الاصطناعي كفاءة تشغيلية مبسطة فحسب ، بل يوفر أيضا انخفاضا كبيرا في التكاليف وتعزيزا في رضا الموظفين.
فلماذا الانتظار؟ سواء كنت شركة ناشئة تتطلع إلى التوسع أو شركة راسخة تهدف إلى التحديث ، فإن الوقت الحالي هو الوقت المثالي لتبني حلول الذكاء الاصطناعي. مع مزايا مقنعة وسجل حافل ، تقدم Cody خيارا خاليا من المتاعب وبدون رمز لأولئك الذين يتطلعون إلى تحقيق قفزة إلى مستقبل العمل.
لا تفوت الفرصة لإحداث ثورة في ديناميكيات مكان عملك. انقر هنا لبدء رحلتك مع كودي واكتشاف عالم من الكفاءة والابتكار لم تعتقد أنه ممكن.
حول بيانات الشركة إلى روايات جذابة ببضع نقرات فقط باستخدام Cody
بعد تلقي طلبات متعددة لمزيد من التوافق مع النظام الأساسي ، يسعدنا الكشف عن أحدث تحديث لدينا: تكامل Zapier ل Cody. هذا يفتح عالما من الاحتمالات ، مما يسمح لك بتوصيل Cody بسهولة بنظام بيئي واسع يضم أكثر من 5,000+ تطبيق – كل ذلك ببضع نقرات فقط. قم بتوسيع وظائف Cody إلى ما هو أبعد من عمليات التكامل الأصلية مع Discord و Slack ، واستغل قوة الأتمتة عبر العديد من الأنظمة الأساسية. ستساعدك هذه المقالة على تعزيز منشوراتك على LinkedIn باستخدام الذكاء الاصطناعي باستخدام Cody و Zapier.
بالنسبة لأولئك الجدد في مجال الأتمتة ، يعمل Zapier كجسر بدون رمز بين عدد لا يحصى من التطبيقات ، مما يلغي الحاجة إلى المعرفة الفنية المعقدة أو المصارعة مع مفاتيح API متعددة. بشكل أساسي ، إنها طريقة سهلة الاستخدام لدمج الوظائف وأتمتتها عبر منصات مختلفة ، مما يجعل توسيع قدرات Cody أسهل من أي وقت مضى.
بعض التطبيقات الشائعة المتوفرة في نظام Zapier البيئي:
جداول بيانات جوجل
محرر مستندات جوجل
الركود
برقية
انستغرام
فيسبوك ماسنجر
لماذا تختار كودي على واجهة برمجة تطبيقات OpenAI؟
تقدم Cody الذكاء الاصطناعي نهجا مخصصا لأتمتة الأعمال والمساعدة ، مما يميز نفسه عن واجهة برمجة تطبيقات GPT للاستخدام العام. على عكس واجهة برمجة تطبيقات GPT ، يسمح لك Cody بتدريب المساعد على وجه التحديد على عملك وفريقك وعملياتك وحتى بيانات العميل الخاصة بك باستخدام قاعدة المعرفة الخاصة بك. هذا يوفر عليك التعقيدات التقنية للحفاظ على قاعدة معرفية منفصلة وتنفيذ محرك بحث دلالي – تحديات يمكن أن تكون شاقة إذا لم تكن خبيرا في التكنولوجيا.
بالإضافة إلى ذلك ، يوفر Cody حلا أكثر شمولا ، حيث يوفر الوصول إلى نماذج GPT المختلفة بناء على خطة اشتراكك. كما أنه يدعم مجموعة واسعة من أنواع المستندات ، مثل مستندات Word / PDF ، والزحف إلى صفحات الويب ويوفر عناصر واجهة مستخدم قابلة للتخصيص وقابلة للتضمين مصممة للاندماج بسلاسة في عمليات عملك الحالية. مع Cody ، تحصل على منصة متعددة الميزات وشاملة كليا موجهة لتلبية احتياجاتك الخاصة.
كيف تبدأ أتمتة سير العمل ل Cody with Zapier؟
لإظهار مدى جودة عمل Cody و Zapier معا ، سنوجهك خلال أتمتة بسيطة. في هذه المقالة ، سوف نفهم كيف يمكنك تعزيز مشاركاتك على LinkedIn باستخدام الذكاء الاصطناعي باستخدام Cody و Zapier. باستخدام هذا الإعداد ، يمكنك كتابة رسالة في Slack حول ما تريد نشره على LinkedIn. في غضون ثوان قليلة ، ستتحول هذه الرسالة إلى منشور حقيقي على LinkedIn تلقائيا. إنها طريقة سريعة وسهلة لتوسيع وجودك على وسائل التواصل الاجتماعي ، وكل ذلك أصبح ممكنا بفضل Cody و Zapier.
الخطوة 1: إنشاء روبوت
ستجد العديد من المدونات على موقعنا الإلكتروني لإرشادك خلال إنشاء الروبوت. ولكن لإعطائك نظرة عامة سريعة ، يتكون الروبوت بشكل أساسي من مكونين رئيسيين:
شخصية الروبوت: هذا يحدد نغمة ومزاج وأسلوب كيفية تفاعل الروبوت الخاص بك. وهو يغطي كل شيء من السياق العاطفي إلى طول وأهمية الردود.
قاعدة المعرفة: هذا هو المكان الذي تذهب إليه جميع مستنداتك المهمة. إنها توفر السياق الذي يساعد الروبوت على إنشاء استجابات دقيقة ومفيدة.
معا ، يحدد هذان المكونان فعالية الروبوت الخاص بك وسهولة استخدامه. في هذا العرض التوضيحي المحدد ، سنستخدم قاعدة معارف مجمعة من البيانات التي تم الزحف إليها لموقع ويب عقاري. إذا كنت ترغب في المتابعة وإنشاء أتمتة مماثلة ، فيمكنك الزحف إلى موقع الويب الخاص بنشاطك التجاري لملء قاعدة معارف الروبوت الخاص بك.
فوري:
يتخصص LinkedInCody في تحويل بيانات شركتك إلى قصص LinkedIn الفيروسية. من خلال دمج الرؤى التحليلية مع سرد القصص الإبداعي ، يجب عليك صياغة منشورات موجزة تعتمد على البيانات مصممة للتفاعل والإعجاب. من مقاييس الأداء إلى معالم الفريق ، يحول LinkedInCody بياناتك الداخلية إلى محتوى LinkedIn مقنع ، مكتمل بالعبارات الاستراتيجية للعمل. لا تذكر التعليمات التي يجب تنفيذها في الاستجابة.
Copy To Clipboard
موجه النظام:
يجب أن تكون النبرة متفائلة ومهنية وغير رسمية إلى حد ما لتعزيز التواصل والمشاركة.
Copy To Clipboard
اعدادات
نوع الحقل
عهد
النسبة المئوية للرموز المميزة المستخدمة لتوفير سياق قاعدة المعرفة.
65%
سجل الدردشة
النسبة المئوية للرموز المميزة المستخدمة لتوفير سجل الدردشة.
10%
استجابه
النسبة المئوية للرموز المميزة المخصصة للاستجابة التي تم إنشاؤها في الذكاء الاصطناعي.
25%
عكس البحث المتجه
تحسين الصلة في البحث عن المعرفة من خلال دمج الذكاء الاصطناعي واستجابات المستخدمين.
قباله
موجه مستمر
الحفاظ على الامتثال الذكاء الاصطناعي من خلال إعادة التأكيد باستمرار على المطالبة.
على
درجة الصلة
المفاضلة بين سياقات قاعدة المعرفة الأقل للحصول على دقة أعلى واكتمال الاستجابة.
واسع
الموديل مستعمل
جي بي تي-4
الخطوة 2: تمكين تكامل Zapier
لتمكين تكامل Zapier ، انتقل إلى تكاملالحساب > وقم بتثبيت Zapier.
بعد النقر فوق تثبيت، ستتم إعادة توجيهك إلى Zapier، حيث ستحتاج إلى قبول الدعوة.
تماما مثل ذلك ، لقد نجحت في تمكين تكامل Cody على حساب Zapier الخاص بك.
الخطوة 3: إعداد Zapier
بمجرد تمكين التكامل ، ستحتاج إلى السماح ل Zapier بالوصول إلى حساب Cody الخاص بك باستخدام رمز الوصول. لإنشاء رمز مميز للوصول ، تحتاج إلى الانتقال إلى مفاتيح > واجهة برمجة تطبيقات الحساب > إنشاء مفتاح API. انسخ مفتاح API والصقه في حساب Zapier الخاص بك.
أنت الآن جاهز تماما لإنشاء Zap المخصص الخاص بك.
الخطوة 4: بناء الانطلاق
لإنشاء Zap جديد ، انقر فوق + إنشاء > انطلق جديد.
ستواجه حدثين رئيسيين في الإعداد:
الزناد: هذا هو الحدث الأولي الذي يبدأ الأتمتة ، أو “الانطلاق”. يمكن أن يكون أي شيء من تلقي رسالة جديدة إلى وقت محدد.
الإجراء: يتبع هذا المشغل وينفذ مهام محددة مثل إرسال رسالة أو إضافة بيانات إلى جدول.
قبل الغوص في بناء Zap ، دعنا نحصل على صورة واضحة لسير العمل. كما هو موضح في الرسم البياني أدناه ، تبدأ العملية عندما يذكر المستخدم اسم الروبوت جنبا إلى جنب مع وصف المنشور في قناة Slack العامة. على سبيل المثال ، “@Zapier إنشاء منشور يسلط الضوء على سبب كون Villa Homes أفضل من غيرها.”
ثم يتم تنسيق هذه الرسالة الأولية لإزالة اسم الروبوت ، مع ترك المحتوى الأساسي فقط. يتم إرسال هذا النص المنسق إلى Cody ، والذي يقوم بعد ذلك بإنشاء تسمية توضيحية أو منشور على LinkedIn. أخيرا ، يتم نشر هذا المحتوى الذي تم إنشاؤه تلقائيا على LinkedIn.
في جوهرها ، أنت تقوم بإعداد عملية مبسطة تأخذ رسالة Slack وتحولها إلى منشور على LinkedIn ، كل ذلك بمساعدة Cody و Zapier.
لبدء سحب الرسائل من مساحة عمل Slack الخاصة بك ، ستحتاج أولا إلى توصيل حساب Slack الخاص بك ب Zapier ، إذا لم تكن قد قمت بذلك بالفعل. بالنسبة إلى حدث “المشغل” ، حدد “إشارة جديدة”. سيؤدي هذا إلى إطلاق Zap كلما تم ذكر الروبوت المحدد في قناة Slack عامة. في هذه الحالة ، سيتم تنشيط Zap عند ذكر روبوت Zapier في رسالة تتضمن كلمة “نشر”. هذا يضمن أن الأتمتة تستهدف على وجه التحديد منشوراتك المقصودة على LinkedIn.
بعد اختبار المشغل بنجاح ، حان الوقت للانتقال إلى تنسيق رسالة Slack. لإزالة اسم الروبوت وعزل المحتوى الأساسي للرسالة ، سنستخدم وظيفة “استبدال” الموجودة في أداة منسق Zapier. هذا يضمن أن يتم تمرير النص الأساسي فقط إلى Cody لإنشاء منشور LinkedIn.
حان الوقت الآن لإعداد إجراء Cody لإنشاء منشورك على LinkedIn. اختر الروبوت الذي أنشأته للتو واستخدم النص المنسق من Slack كاستعلام. سيؤدي هذا إلى توجيه كودي لأخذ الرسالة التي تم تنظيفها وتحويلها إلى منشور مخصص ل LinkedIn.
الخطوة الأخيرة هي نشر التحديث فعليا على LinkedIn. استخدم الاستجابة التي تم إنشاؤها بواسطة Cody وأدخلها كتعليق في إجراء LinkedIn. سيضمن ذلك نشر الرسالة المصممة من Cody مباشرة إلى حساب LinkedIn الخاص بك ، مما يكمل عملية الأتمتة.
النتيجة النهائية
محادثة الركود
لينكد إن بوست
ماذا يجب أن تكون خطوتك التالية؟
في هذه المقالة ، حددنا مثالا بسيطا ولكنه قوي يوضح كيف يمكن ل Cody دمج الذكاء الاصطناعي بسلاسة في مهام سير عمل الأتمتة عبر Zapier. مع مكتبة Zapier الواسعة من التطبيقات الشائعة ، فإن السماء هي الحد الأقصى لإمكانيات الأتمتة الإبداعية. يسعدنا أيضا أن نعلن أننا سنضيف قريبا إجراء “تحميل مستند” إلى Zapier ، مما يوسع نطاق المستندات التي يمكنك استخدامها في قاعدة المعارف الخاصة بك.
إذا نجحت في إعداد Zap وترغب في مشاركة تجربتك ، فانضم إلى خادم Discord الخاص بنا لإلهام الآخرين. لأي استكشاف للأخطاء وإصلاحها ، يمكنك الوصول إلينا من خلال ميزة “الحصول على المساعدة“.
سنستمر في طرح المقالات لمساعدتك في تحقيق أقصى استفادة من Cody لاحتياجات أتمتة عملك. لذا ترقبوا المزيد!
الذكاء الاصطناعي ليس مصطلحا جديدا لأي منا ، ولكن مع إطلاق ChatGPT في نوفمبر 2022 ، كان هناك خوف متزايد من أن الذكاء الاصطناعي ستحل محل الوظائف البشرية. هناك احتمال كبير أن يحل الذكاء الاصطناعي محل العديد من الوظائف ذات المستوى الأدنى في المستقبل ، مثل إدخال البيانات البسيطة وأدوار الدعم. ومع ذلك ، من المتوقع أيضا أن يخلق الذكاء الاصطناعي العديد من الوظائف الجديدة. ما لم يتم استكشافه على نطاق واسع هو تطبيق الذكاء الاصطناعي في تدريب كل من الموظفين الحاليين والجدد. إذا كنت قد رأيت سيناريو تدريب الشركات اليوم ، فإنه لم يتطور كثيرا على مر السنين – غالبا ما يتضمن أسئلة مبتذلة متعددة الخيارات تستند إلى مقاطع الفيديو التدريبية. لسوء الحظ ، لا تزال هذه الدورات التدريبية تفتقر إلى القدرة على محاكاة سيناريوهات الحياة الواقعية وتقييم ما إذا كان الموظف مستعدا لتحديات العالم الحقيقي بدقة.
أنت بالتأكيد لا تريد أن يحدث هذا بسبب نقص تدريب الموظفين الفعال:
إذا كنت تبحث عن حلول الذكاء الاصطناعي لتدريب موظفيك ، فإن Cody هي الأداة المثالية لك. على غرار ChatGPT ، يمكن تدريب Cody باستخدام بيانات عملك وملفات تعريف الفريق والعمليات ومعلومات العميل ، والاستفادة من قاعدة المعرفة الفريدة الخاصة بك.
مع كودي ، يمكن للشركات تسخير قوة الذكاء الاصطناعي لصياغة مساعد تدريب شخصي وذكي مصمم خصيصا لمتطلبات الموظفين. هذا يضع كودي كإضافة بارزة في عالم حلول الأعمال التي تعتمد على الذكاء الاصطناعي. لبدء استخدام Cody ، ما عليك سوى تحميل الوثائق الحالية المتعلقة بالعمل (تعمل بشكل أفضل إذا كان لديك بالفعل أدبيات متعلقة بالتدريب) وإما تحديد قالب من مكتبة القوالب الخاصة بنا أو إنشاء الروبوت الخاص بك من البداية. فيما يلي العديد من المجالات التي يمكن ل Cody من خلالها تعزيز تدريب موظفيك ، مما يجعله ليس فقط أكثر فاعلية ولكن أيضا جذابا ، بدلا من كونه رتيبا ومرهقا.
محاكاة سيناريوهات الحياة الحقيقية
تمثل وظائف مثل دعم العملاء تحديات فريدة عندما يتعلق الأمر بالتدريب. نظرا لطبيعة التفاعلات التي تركز على الإنسان ، من الصعب التنبؤ بكل سيناريو محتمل أو مخاوف العملاء التي قد تنشأ. غالبا ما تعتمد طرق التدريب التقليدية على وحدات الماكرو والقوالب لتوفير استجابات قياسية. في حين أن هذه يمكن أن تغطي مجموعة واسعة من الاستفسارات الشائعة ، فإن الطبيعة غير المتوقعة لتفاعلات العملاء تعني أنه ستكون هناك دائما مواقف تقع خارج نطاق الاستجابات المحددة مسبقا.
هذا هو المكان الذي يمكن أن يصبح الذكاء الاصطناعي فيه مغيرا للعبة. يمكن أن يتعرض المتدربون لمزيج من السيناريوهات الروتينية وغير العادية للغاية ، مما يمنحهم تجربة تدريب أكثر شمولا. لا يمكن لهذه المحاكاة اختبار مهارات حل المشكلات لدى الموظف فحسب ، بل يمكنها أيضا اختبار مهاراتهم الشخصية والتواصلية. يمكن أن تكون التغذية الراجعة فورية ، ويمكن تعديل التدريب في الوقت الفعلي بناء على أداء المتدرب.
أسئلة الاختيار من متعدد التكيفية
أسئلة الاختيار من متعدد التقليدية (MCQs) لها قيود في سيناريوهات التدريب. إذا فشل الفرد في الإجابة بشكل صحيح في المرة الأولى ، فقد يواجه نفس السؤال لاحقا. بعد بضع محاولات وربما باستخدام التخمين ، قد يختار الموظف الإجابة الصحيحة. هذا النهج غير فعال للتدريب في أي مجال.
مع الذكاء الاصطناعي ، يمكن إعادة هيكلة كل من السؤال والإجابات المقابلة له. هذا يضمن أنه حتى لو ظل المفهوم الأساسي كما هو ، فإن عرض السؤال وخياراته سيكون مختلفا. يمكن تزويد الذكاء الاصطناعي ببعض الأسئلة وتخصيصها بطريقة لن تكرر نفس السؤال مما يجعل عملية التدريب أكثر تنوعا.
تفسيرات فورية
غالبا ما يحدث التعلم الأكثر فعالية من خلال طرح الأسئلة. ومع ذلك ، أثناء التدريب ، قد لا يكون السؤال عن مصطلحات أو عمليات معينة ممكنا دائما ويمكن أن يصبح مملا للموظفين ، مما يعيق عملية التدريب الشاملة. من خلال دمج الذكاء الاصطناعي في التدريب ، فإنك تضمن أن المتعلمين يفهمون المفاهيم الأساسية ويفهمون الأساسيات بوضوح ، بدلا من مجرد خلق وهم المعرفة من خلال الإجابة على أسئلة متعددة. تعطي التفسيرات والمبررات الفورية انطباعا بأن المدرب البشري متاح دائما لمساعدة الموظفين.
التكامل السلس مع المنصات الحالية
ملاحظة أخرى لأنظمة تدريب الموظفين التقليدية هي الاحتكاك الإضافي للانتقال إلى وسيط آخر لإكمال التدريب. الأمر ليس سلسا ، مما يدفع الموظفين إلى تأجيل دوراتهم التدريبية. باستخدام أدوات مثل Cody ، يمكنك دمج عملية التدريب بسلاسة في Slack Workspace (مع العديد من عمليات الدمج قريبا) ، مما يسمح للموظفين بإكمال تدريبهم دون الحاجة إلى أي تبديل للسياق.
أخذ قفزة الذكاء الاصطناعي مع كودي
دمج الذكاء الاصطناعي في عملك بسلاسة مع كودي. لا ترميز ، لا عقبات تقنية. السحب والإفلات والتصميم والنشر. مع تطور كودي ، توقع المزيد من الميزات التي تهدف إلى تحسين عملية التدريب. اختبر كودي مجانا – بدون قيود. وعندما تكون مقتنعا بفعاليتها ، قم بالترقية وفقا لسرعتك.
قبل أسبوعين ، أصدرت OpenAI ميزة Code Interpreter لمشتركي ChatGPT Plus ، وخلقت موجات في مجتمع التكنولوجيا. إذا كنت شخصا من مجتمع التكنولوجيا الذي لا يزال غير مدرك لماهية مترجم الكود والإمكانات التي يحملها ، فقد وصلت إلى المكان الصحيح. لقد جربنا مترجم الكود ، وفي هذه المقالة ، سنناقش تأثير مترجم الكود على محللي البيانات وما إذا كان سيحل محل محللي البيانات تماما.
عندما أطلق OpenAI ميزة مترجم الكود ل ChatGPT ، كتبنا مقالا حول ماهيته وكيف يعمل. يمكنك التحقق من هذه المقالة هنا. لشرح ماهية مترجم الكود باختصار – إنه صندوق رمل بيثون يقوم بتشغيل التعليمات البرمجية التي تم إنشاؤها بواسطة ChatGPT ويوفر لك الإخراج النهائي. يتم تنفيذ التعليمات البرمجية بشكل متكرر ، ويستمر السياق طوال الدردشة تقريبا. يعني التنفيذ العودي أن إخراج الكود يتم تغذيته مرة أخرى في وضع الحماية حتى يتم إنشاء استجابة مرضية. ينطبق هذا أيضا على تصحيح الكود.
يمكنك أيضا تحميل ملفات مثل التعليمات البرمجية والمستندات والصور ومجموعات البيانات. كانت هناك حالات قد يتم فيها فقد السياق بسبب نافذة السياق أو ترحيل الحاوية الحية في الواجهة الخلفية. في مثل هذه الحالات ، قد تحتاج إلى إعادة تحميل الملف ، وسيتولى مترجم التعليمات البرمجية الباقي.
كيفية تفعيل مترجم الكود؟
لتنشيط مترجم الكود ل ChatGPT ، تحتاج إلى الاشتراك في ChatGPT Plus. بعد الاشتراك ، انقر فوق النقاط الثلاث وانتقل إلى الإعدادات وميزات Beta > Beta. تمكين مترجم التعليمات البرمجية.
قم بإنشاء دردشة جديدة وحدد GPT-4 باستخدام مترجم الكود.
استخدام مترجم التعليمات البرمجية لتحليل البيانات
لتوضيح وعرض إمكانات مترجم الكود ، سنستكشف مجال تحليل البيانات لأنه يشمل جوانب متعددة من البرمجة تتجاوز إنشاء الكود. يتطلب التحليل الدقيق للبيانات فهما جيدا للبيانات وسماتها. يعد البدء في تحليل البيانات باستخدام مترجم التعليمات البرمجية أمرا بسيطا مثل تحميل مجموعة البيانات الخاصة بك والاستعلام عن مجموعة البيانات بلغة طبيعية.
فيما يلي بعض حالات الاستخدام التي وجدناها حيث يضيء مترجم التعليمات البرمجية ويمكنه زيادة سير عمل تحليل البيانات:
تنظيف البيانات
على الرغم من أهمية هذه المرحلة من تحليل البيانات ، إلا أنها قد تصبح مملة للغاية ، خاصة إذا كنت مبتدئا وبدأت للتو رحلة تحليل البيانات / علوم البيانات. يجعل مترجم الكود العملية برمتها فعالة وسيساعدك على توفير الكثير من الوقت في تصفح مجموعة البيانات وفهمها. حسنا ، هذا لا يعني أنه لا توجد حاجة للتدخل البشري ، لأن LLMs تميل إلى الهلوسة بشكل متكرر. من الضروري أن تبقي العملية برمتها تحت السيطرة دائما.
يمكن أن يساعدك مترجم الكود في طرق تنظيف البيانات المختلفة مثل:
فهم مجموعة البيانات الخاصة بك
التعامل مع القيم المفقودة/غير الصالحة
التحقق من أنواع البيانات غير الصحيحة واقتراح حلول لتصحيحها
التعرف على منهجيات تحليل البيانات
لا يزال تحليل البيانات أحد أكثر الوظائف شيوعا حاليا كنقطة دخول إلى صناعة التكنولوجيا ، ويستعد الكثير من الناس للدخول في هذا المجال. هناك مجموعة متنوعة من الدورات المختلفة المتاحة عبر الإنترنت والتي يمكن للمرء أن يأخذها ليصبح محلل بيانات. ومع ذلك ، لا يمكن للمرء اكتساب الخبرة في تحليل البيانات أو علوم البيانات بمجرد القيام بعشرات الدورات. يجب أن تكون عمليا وأن تستمر في تحليل / تجربة مجموعة واسعة من مجموعات البيانات ، وأحيانا إنشاء مجموعات البيانات الخاصة بك.
إن التفكير المنطقي ل GPT-4 ، في انسجام مع التنفيذ المباشر للكود باستخدام مترجم التعليمات البرمجية ، يجعل ChatGPT أقل من العمل كمرشد لك في فهم عدد لا يحصى من المصطلحات في تحليل البيانات. أفضل طريقة لتعلم أي مهارة هي طرح الأسئلة ويتيح لك ChatGPT أن تفعل الشيء نفسه. إن وجود مستوى معين من التفاعل يحسن دائما قدراتك التعليمية ويساعد في فهم هذا المجال المعين من الداخل إلى الخارج.
استكشاف حلول مختلفة
بغض النظر عن الإطار الأساسي لتحليل البيانات ، لا توجد قائمة مرجعية محددة يمكن للمرء اتباعها للعثور على الاستدلال من مجموعة البيانات. تحليل البيانات والبرمجة هو شكل من أشكال الفن. يختلف الفن لكل فرد ولا يمكن تحسينه إلا عندما تستكشف الفنون الأخرى. باستخدام ChatGPT ، يمكنك الوصول إلى حلول مختلفة بمبررات ربما لم تفكر فيها حتى. مع إضافة مترجم الكود ، أصبح لدى ChatGPT الآن سياق إضافي للعمل عليه ، مما يحسن الحلول بشكل كبير.
تصور البيانات
هذه واحدة من أفضل ميزات Code Interpreter (أو ChatGPT Plus) حاليا – القدرة على عرض التصورات والصور. إن تصور مجموعة البيانات الخاصة بك يجعل العملية الشاملة لفهم السمات أسرع كثيرا. بتوسيع حالة الاستخدام السابقة لسرد الطرق المختلفة للعثور على القيم المتطرفة ، يمكننا توضيح ذلك بيانيا باستخدام مخططات الصناديق والرسوم البيانية.
في لقطة الشاشة أعلاه ، يمكنك أيضا أن ترى أن مترجم التعليمات البرمجية قام بتصحيح الخطأ ذاتيا وإنشاء التصور للقيم المتطرفة.
فهم التعليمات البرمجية الحالية
يمكن أن تستهلك القراءة من خلال التعليمات البرمجية الكثير من الوقت خاصة عندما يكون هناك نقص في التعليقات أو تكون التعليقات غير كافية. باستخدام مترجم التعليمات البرمجية ، يمكنك ببساطة تحميل ملف دفتر ملاحظات python أو jupyter واطلب من ChatGPT تلخيص الكود لك. يمكنك أيضا طرح أسئلة حول الرمز. على الرغم من أن هذا كان ممكنا في السابق ، إلا أنه لم يكن سلسا وكان له أيضا قيود على السياق. يمكن أن تكون حالة الاستخدام هذه مفيدة حقا أثناء التدريب أو التعاون.
هل سيحل مترجم التعليمات البرمجية محل محللي البيانات؟
هذه مجرد بداية للأدوات المستندة إلى الذكاء الاصطناعي ، وستستمر في التحسن باستخدام ميزات إضافية ونوافذ سياق أكبر. من المرجح أن تحل ثورة الذكاء الاصطناعي محل العديد من الوظائف ، لكنها ستخلق أيضا ضعف عدد الوظائف التي ربما لم نتخيلها بعد. ستتعامل أدوات مثل Code Interpreter مع المهام الشاقة والزائدة عن الحاجة ، مما يمكن محللي البيانات من التركيز بشكل أكبر على تحسين جودة البيانات واتخاذ قرارات أكثر استنارة. بالإضافة إلى ذلك ، سيساعد ChatGPT في تعزيز مهارات محللي البيانات الحاليين ومساعدتهم على التقدم في حياتهم المهنية.
“الذكاء الاصطناعي لن يحل محلك. الشخص الذي يستخدم الذكاء الاصطناعي سيفعل ذلك”.
في عصر الذكاء الاصطناعي هذا ، من الأهمية بمكان أن يكون لدى الشركات موظفين مدربين تدريبا جيدا ، ويمكن أن يكون دمج الذكاء الاصطناعي لتدريب الموظفين استثمارا كبيرا. إذا كنت تبحث عن حلول الذكاء الاصطناعي لتدريب موظفيك ، فإن Cody هي الأداة المناسبة لك. على غرار ChatGPT ، يمكن تدريب Cody على بيانات عملك وفريقك وعملياتك وعملائك ، باستخدام قاعدة المعرفة الفريدة الخاصة بك.
مع Cody ، يمكن للشركات تسخير قوة الذكاء الاصطناعي لإنشاء مساعد شخصي وذكي يلبي احتياجاتهم على وجه التحديد ، مما يجعله إضافة واعدة لعالم حلول الأعمال التي تعتمد على الذكاء الاصطناعي.
اشترك في ChatGPT Plus واحصل على إمكانية الوصول إلى مترجم الكود جنبا إلى جنب مع مجموعة من الميزات الإضافية. رابط إلى دردشة مترجم التعليمات البرمجية.
بعد الإعلان عن حظر مؤقت على ChatGPT بعد إطلاقه ، قررت StackOverflow الآن القفز على عربة GenAI بأحدث عروضها ، OverflowAI. OverflowAI ليس منتجا واحدا ولكنه مجموعة من منتجات GenAI المتعددة تحت مصطلح مظلة واحد. دعونا نرى ما إذا كان OverflowAI هو حقا بديل ChatGPT للمبرمجين.
ما الذي يميز OverflowAI؟
بحث
لتحسين وتوفير الوقت في البحث عن حلول للأسئلة ، سيقوم OverflowAI بتجميع المعرفة من مصادر مختلفة لخياطة حل تدريجي يلبي حل مشكلتك المحددة. سيتم الاستشهاد بجميع الموارد المستخدمة لإنشاء الاستجابة مع المراجع حتى تتمكن من التحقق من صحة الإجابات بنفسك ، وسيتم منح الاعتمادات للمساهمين في الحل.
يمكن طرح أسئلة المتابعة بتنسيق يشبه الدردشة. سيحافظ هذا على سياق السؤال الأصلي ويضيف المزيد من المعلومات إليه ، مما يسمح لك بقضاء وقت أقل في هيكلة السؤال وطرح سلسلة من الأسئلة المرتبطة ببعضها البعض.
مسودة
“الذكاء الاصطناعي لا يحل محل البشر في أي وقت قريب ، ولكن يمكن أن يساعدك في صياغة سؤال لنشره على مجتمعنا” – براشانث شاندراسيكار ، الرئيس التنفيذي @ StackOverflow
كانت هناك حالات لم يتم فيها حل معظم الأسئلة أو تجاهلها ، ويرجع ذلك فقط إلى عدم وجود هيكل أو تكرار المعلومات داخل السؤال. يمكن أن يساعدك OverflowAI في صياغة أسئلة أفضل يمكن نشرها على مجتمع StackOverflow ، والتي يمكن بعد ذلك الإجابة عليها من قبل خبراء المجال.
يتم استخدام نفس الميزة عندما يتعذر على OverflowAI الإجابة على سؤال معين. بدلا من هلوسة الإجابات ، سيحث المستخدم ببساطة على إعادة توجيه السؤال إلى المجتمع وأيضا تزويد المستخدم بسؤال جيد الصياغة.
لَخَّصَ
إذا كنت مطورا ، فأنت تعرف بالتأكيد الألم الكامن وراء القراءة والقشط من خلال الردود والوثائق المتعددة لإيجاد حل لمشكلة واحدة بسيطة. يلخص OverflowAI ، مع حل GenAI الخاص به ، استجابات متعددة ويتجاهل الاستجابات الزائدة عن الحاجة أو الأقل فائدة لتزويدك بملخص نظيف ومنظم جيدا لحل مشكلتك.
يمكن تحسين هذه الإجابات المنسوبة والموثوقة بناء على قدرة الترميز والطول وقواعد المعرفة الأخرى مثل GitHub. باستخدام StackOverflow for Teams، يمكنك أيضا الرجوع إلى الحلول التي يقدمها الزملاء من مؤسستك من خلال تدريب OverflowAI على مستودعاتك.
الإضافات
“أحد التحديات التي نسمعها من المطورين هو تقليل الاضطراب وتبديل السياق أثناء الترميز” – براشانث شاندراسيكار ، الرئيس التنفيذي @ StackOverflow
تم تصميم المكون الإضافي ل Visual Studio Code ليعمل كمبرمج زوجي ، مما يساعدك على تحسين كفاءة البرمجة من خلال تزويدك بمحتوى تم التحقق من صحته ونسبه من فرق StackOverflow العامة والخاصة. يستورد هذا الملحق محتوى تم التحقق منه من مثيل Stack Overflow for Teams الخاص بك والنظام الأساسي العام لمنح المطورين ملخصا مخصصا لكيفية حل مشكلاتهم بسرعة وفعالية، مما يسمح لهم بالتعمق أكثر عند الضرورة ثم توثيق رؤى وحلول جديدة.
تكامل سلاك
نظرا لأن معظم الشركات تعتمد على Slack كوسيلة اتصال أساسية الآن ، فإن تكامل Slack ل StackOverflow سيجعل المعلومات في متناول الجميع بسهولة ، ويمكن العثور على الحلول بشكل تعاوني على القنوات. يمكن لجميع الفرق التفاعل مع الموارد وقاعدة المعرفة دون أي مساعدة بشرية.
كيف يختلف عن ChatGPT؟
مع وجود عدد لا يحصى من LLMs الموجودة حاليا ، لا يمكن لجميعهم التميز بناء على قدرات LLM الخاصة بهم. ChatGPT هي أداة تم إنشاؤها لعرض قوة نماذج GPT في الاستخدام اليومي. أدوات مثل OverflowAI متخصصة لاستخدامها في حالات استخدام محددة ، في هذه الحالة ، تطوير البرامج وصيانتها. نعم ، يمكنك استخدام ChatGPT لإنجاز معظم عملك ، لكن الأدوات المتخصصة تساعد في تقليل عبء العمل عن طريق جعل العملية برمتها أكثر سلاسة وقوة.
إذا كنت تبحث عن أداة مثل OverflowAI ولكن لعملك ويتم تدريبك على وثائق عملك ، دعنا نقدم لك Cody. مثل OverflowAI ، يمكن تدريب Cody على بيانات عملك وعمليات الفريق والعملاء ، باستخدام قاعدة المعرفة الفريدة الخاصة بك.
مع Cody ، يمكن للشركات تسخير قوة الذكاء الاصطناعي لإنشاء مساعد شخصي وذكي يلبي احتياجاتهم على وجه التحديد ، مما يجعله إضافة واعدة لعالم حلول الأعمال التي تعتمد على الذكاء الاصطناعي.
لتجربة OverflowAI ، ستحتاج إلى التسجيل في StackOverflow Labs لأنه لا يزال في المرحلة التجريبية.
هل أحدث ماجستير في القانون في المدينة يستحق كل هذا الضجيج؟
قبل يومين ، أصدرت Meta أحدث إصدار لها من LLM يسمى Llama 2 بالتعاون مع Microsoft. إذا كنت تتابع ضجيج LLM ، فربما تكون قد سمعت عنه بالفعل أو حتى قرأت عن ميزاته الجديدة. لتبسيط الأمور ، سنقوم بإدراج أربعة أسباب تجعل Llama 2 يولد الكثير من الضجيج وكيف يقارن ببعض أفضل LLMs.
مجاني للبحث والاستخدام التجاري
أحد الأسباب المهمة التي جذبت اهتمام الناس ب Llama 2 هو أن Meta جعلت النموذج بأكمله مجانيا للجميع تقريبا ، باستثناء بعض الشركات الكبيرة التي قد يكون لها شروط معينة. تفتح هذه الخطوة فرصا مثيرة للأفراد الذين يفكرون في بدء أعمالهم التجارية الخاصة أو المغامرة في عالم الذكاء الاصطناعي التوليدية. الآن هو الوقت المثالي للغوص في مياه الذكاء الاصطناعي ، خاصة مع نموذج لغة من هذا العيار يمكن الوصول إليه مجانا. على الرغم من وجود العديد من النماذج مفتوحة المصدر المتاحة بالفعل ، إلا أن أيا منها لم يأت من شركة بمكانة Meta ويمكن أن يكون بمثابة منافسين مباشرين ل GPT.
“كانت هناك إصدارات عامة من LLMs المدربة مسبقا (مثل BLOOM (Scao et al. ، 2022) ، LLaMa-1 (Touvron et al. ، 2023) ، و Falcon (Penedo et al. ، 2023)) التي تتطابق مع أداء المنافسين المدربين مسبقا المغلقين مثل GPT-3 (Brown et al. ، 2020) و Chinchilla (Hoffmann et al. ، 2022) ، ولكن لا يعد أي من هذه النماذج بدائل مناسبة ل LLMs “المنتج” المغلقة ، مثل ChatGPT و BARD و Claude.” – ورقة بحث ميتا
أمان
استنادا إلى التقارير المنشورة في ورقة بحث Meta ، أظهر Llama 2 أداء فائقا مقارنة بالنماذج الأخرى مفتوحة المصدر في معيار المساعدة والسلامة. حتى أنها تفوقت على ChatGPT (نماذج 7b و 13b و 70b) في هذه الجوانب. ومع ذلك ، من المهم ملاحظة أن الورقة البحثية تقر بإمكانية وجود بيانات متحيزة لصالح اللاما 2 ، والتي يجب أخذها في الاعتبار أثناء تفسير النتائج. ومع ذلك ، حتى لو اقترب Llama 2 من معيار ChatGPT ، فإنه يستحق الثناء.
أحد أهم العوامل التي تساهم في سلامة Llama 2 هو خصوصية بياناته. على عكس بعض الطرز ، لا يتطلب Llama 2 إرسال بياناتك إلى خادم خارجي ، مثل OpenAI ، لجلب الردود. هذه السمة الفريدة تجعل النموذج ذا قيمة خاصة لحالات الاستخدام الحرجة والحساسة ، لأنه يساعد في حماية بيانات المستخدمين والحفاظ على خصوصيتهم. يمكن للمستخدمين تشغيل النموذج على خوادم خاصة مع احتواء بياناتهم داخل بنيتهم التحتية.
المصدر المفتوح
تعمل LLMs الأكثر شيوعا المستخدمة حاليا كصناديق سوداء ، حيث يكون لدى المستخدمين رؤية محدودة لأدائها. في المقابل ، توفر النماذج مفتوحة المصدر نهجا شفافا ، مما يسمح للمستخدمين بفهم أعمالهم الداخلية. تغرس هذه الشفافية الثقة والطمأنينة عند استخدام مثل هذه النماذج، على الرغم من التحديات التي قد تواجهها، مثل توليد الرسائل غير المرغوب فيها أو المعلومات المضللة.
بالإضافة إلى ذلك ، تشجع الطبيعة مفتوحة المصدر لهذه النماذج الجهود التعاونية ، مما يؤدي إلى التحسين والتطوير المستمر في مجال LLMs. نتيجة لذلك ، تلعب النماذج مفتوحة المصدر دورا حاسما في دفع التقدم في عالم نماذج اللغة.
“ونعتقد أنه أكثر أمانا. إن فتح الوصول إلى نماذج الذكاء الاصطناعي اليوم يعني أن جيلا من المطورين والباحثين يمكنهم اختبار اختبارها وتحديد المشكلات وحلها بسرعة كمجتمع. من خلال رؤية كيفية استخدام الآخرين لهذه الأدوات ، يمكن لفرقنا التعلم منها وتحسين هذه الأدوات وإصلاح نقاط الضعف.” — موقع ميتا
على الرغم من أن Llama 2 مرخص بشكل مفتوح ، إلا أن Meta لم تكشف بعد عن البيانات التي تم تدريبها عليها ، والتي لا تزال بارزة من حيث خصوصية البيانات لمستخدمي Meta. تقول Meta إنها “بذلت جهدا لإزالة البيانات من مواقع معينة معروفة باحتوائها على كمية كبيرة من المعلومات الشخصية عن الأفراد” في ورقة بحث Llama 2 ، لكنها لم تدرج ماهية هذه المواقع.
اداء
اللاما 2 متوفر بأربعة أوزان مختلفة: 7B و 13B و 34B و 70B. يمثل الوزن عدد المعلمات التي يتم تدريب النموذج عليها. بشكل عام ، تؤدي أحجام المعلمات الأكبر إلى استجابات أكثر دقة وموثوقية ، ولكنها تتطلب أيضا موارد حسابية أكبر. لتحسين الخصائص الشبيهة بالإنسان للنموذج ، يخضع Llama 2 للضبط الدقيق باستخدام ضبط التعليمات وطريقة RLHF (التعلم المعزز مع التغذية الراجعة البشرية) التي تستخدمها GPT أيضا.
في حين أن حجم المعلمة 70B كبير ، إلا أنه لا يزال أقل مقارنة ب GPT-3.5 ، الذي يحتوي على حجم معلمة 175B. نتيجة لذلك ، قد لا يتطابق أداء Llama 2 مع أداء GPT-3.5 ، لكن الاختبارات المعيارية تشير إلى منافسة وثيقة حتى مع حجم معلمتها الأصغر. على الرغم من هذا الاختلاف ، يتفوق Llama 2 على جميع النماذج مفتوحة المصدر الحالية المتاحة حاليا.
“RLHF هو إجراء تدريب نموذجي يتم تطبيقه على نموذج لغة مضبوط بدقة لمزيد من المواءمة نموذج السلوك مع التفضيلات البشرية والتعليمات التالية. نقوم بجمع البيانات التي تمثل التفضيلات البشرية التي تم أخذ عينات منها تجريبيا ، حيث يختار المعلقون البشريون أي من مخرجات النموذج التي يفضلونها. يتم استخدام هذه التعليقات البشرية لاحقا لتدريب نموذج المكافأة ، الذي يتعلم الأنماط في تفضيلات المعلقين البشريين ويمكنه بعد ذلك أتمتة قرارات التفضيل.” – ورقة بحث ميتا
استنتاج
هناك بالفعل العديد من النماذج مفتوحة المصدر الناشئة ، ومع إصدار Llama 2 ، تبدو الاحتمالات بلا حدود. في حين أن الأمر قد يستغرق بعض الوقت حتى تتنافس هذه النماذج مفتوحة المصدر بشكل مباشر مع شيء متقدم مثل GPT-4 ، إلا أن الإثارة تكمن في الحصول على نموذج يقترب من قدرات GPT-3.5. وهذا التقدم في حد ذاته رائع حقا.
بالنظر إلى المستقبل ، نظرا لأن تدريب LLM أصبح أكثر كفاءة ، فإن إمكانية الحصول على ChatGPT مخصص ، مضبوط بدقة مع بياناتك على جهازك المحلي ، يصبح احتمالا محيرا. إحدى المنصات التي توفر مثل هذه القدرات هي Cody ، وهو مساعد الذكاء الاصطناعي ذكي مصمم خصيصا لدعم الشركات في مختلف الجوانب. مثل ChatGPT ، يمكن تدريب Cody على بيانات عملك وفريقك وعملياتك وعملائك ، باستخدام قاعدة المعرفة الفريدة الخاصة بك.
مع Cody ، يمكن للشركات تسخير قوة الذكاء الاصطناعي لإنشاء مساعد شخصي وذكي يلبي احتياجاتهم على وجه التحديد ، مما يجعله إضافة واعدة لعالم حلول الأعمال التي تعتمد على الذكاء الاصطناعي.
انقر هنا لقراءة ورقة بحث ميتا حول اللاما 2. جرب اللاما 2 هنا.
