در پادکست iBuildWithAI، الینور برگر، متخصص رهبری هوش مصنوعی، در مورد مهندسی زمینه برای کارشناسان دانش صحبت میکند. این گفتگو بر اهمیت تبدیل دانش ضمنی به دانش صریح برای استفاده موثر هوش مصنوعی تمرکز دارد. مهندسی زمینه به معنای سازماندهی، نگهداری و مدیریت اطلاعات به گونهای است که هوش مصنوعی بتواند به آن دسترسی داشته و از آن بهرهمند شود.
ابزارهای هوش مصنوعی با ارائه حافظه و توانایی تعامل با سیستمهای خارجی، امکان حفظ زمینه (context) را در طول زمان فراهم میکنند. مهارتهای عامل (Agent Skills) به عنوان یک استاندارد نوظهور برای زمینه پویا عمل میکنند و به مدلها اجازه میدهند تا بستههای زمینه را در صورت نیاز بازیابی کنند، که این امر مدیریت و ارتباط را آسانتر میکند. این رویکرد به ویژه برای کاربران غیرمتخصص و کارشناسان دانش که تجربه کدنویسی کمی دارند، مفید است.
چالش اصلی در این زمینه، درک نحوه تفکر به عنوان یک عامل هوش مصنوعی است - یعنی درک اینکه چه اطلاعاتی میتواند به مدل بدون دانش قبلی از موقعیت کمک کند. به جای ارائه دستورالعملهای دقیق، توسعهدهندگان باید اهداف و محدودیتها را به مدلها منتقل کنند و به آنها اجازه دهند تا به صورت خلاقانه عمل کنند. استفاده از زمینه برای کارهایی که به طور مکرر انجام میشوند، مانند وظایف تکراری یا دانش مورد ارجاع مکرر، توصیه میشود.
سازمانها باید یک «مالک زمینه» (Context Owner) تعیین کنند تا مسئولیت آمادهسازی و نگهداری زمینه را بر عهده بگیرند. این امر به تیمها کمک میکند تا سریعتر هوش مصنوعی را پذیرفته و اطمینان حاصل کنند که سیستمها دارای اطلاعات مناسب و بهروز هستند. در آینده، زمینه پویا (Dynamic Context) اهمیت بیشتری پیدا خواهد کرد، جایی که عوامل هوش مصنوعی به طور خودکار اطلاعات مورد نیاز خود را بازیابی میکنند.
مشاهده مطلب اصلی