سلام
ما به عنوان راهبر اطلاعات هوش مصنوعی، قطعاً باید زبان و منطق حاکم بر ابزارها را بدانیم، اما نه در سطح برنامهنویس حرفه ای و توسعهدهنده، بلکه در سطح یک کارشناس آگاه و مسلط. برای ملموس شدن سخنم اجازه بدهید مثال بیاورم، فرض کنید وارد یک کتابخانه بزرگ میشوید که هزاران جلد کتاب در موضوعات مختلف دارد. شما به دنبال منابعی برای پژوهش درباره "تأثیر شبکههای اجتماعی بر زبان نوجوانان" هستید. یک کتابدار حرفهای بدون اینکه خودش نویسنده آن کتابها باشد، به خوبی میداند شما را به کدام بخشها راهنمایی کند: بخش زبانشناسی، روانشناسی اجتماعی، رسانههای دیجیتال و شاید آمار و نظرسنجی. او با ساختار کتابخانه آشناست، میداند هر دسته از کتابها چه کاربردی دارند، کدام منابع معتبرترند، و چطور میتوانید سریعتر به اطلاعات مورد نیازتان برسید. کتابدار لازم نیست همه کتابها را خوانده باشد، اما باید بداند در این کتابخانه عظیم، چه چیزهایی وجود دارد و هر کجا را برای چه نیازی باید جستجو کرد.دقیقاً همین نقش را یک راهبر اطلاعات هوش مصنوعی ایفا میکند. او برنامهنویس یا مهندس نرمافزار نیست که خودش ابزارها را ساخته باشد، اما راهبر اطلاعات هوش مصنوعی اول باید پایتون را به خوبی بلد باشد، بعد با کتابخانهها و ابزارهای موجود در دنیای هوش مصنوعی آشناست و میداند هر کدام برای چه کاری مناسب هستند. برای مثال، اگر کسی بخواهد متون فارسی یا انگلیسی را تحلیل کند، نظرات مشتریان را بررسی نماید، یا کلمات کلیدی یک متن را استخراج کند، راهبر اطلاعات باید بداند که کتابخانه NLTK یکی از قدیمیترین و کاملترین ابزارها برای پردازش زبان طبیعی است و قابلیتهایی مثل تشخیص کلمات و جملات، ریشهیابی، تشخیص نوع کلمات (اسم، فعل، صفت)، و حتی تحلیل احساسات را ارائه میدهد. اگر راهبر اطلاعات با وجود چنین ابزار قدرتمندی آشنا نباشد، چگونه میخواهد یک شرکت بازاریابی را راهنمایی کند که میخواهد نظرات هزاران مشتری خود را تحلیل کند و بفهمد مردم از محصولاتش راضی هستند یا نه؟
اگر کسی بخواهد راهنمای تور باشد، باید مقصد را خوب بشناسد اگر بخواهد مشاور تغذیه باشد، باید علم تغذیه بخواند. پس راهبر اطلاعات هوش مصنوعی هم باید علم هوش مصنوعی و علم داده را بشناسد
من اخیراً یک مقاله علمسنجی با استفاده از کتابخانه PyBIBX که دکتر والدیسی پریرا،
متخصص هوش مصنوعی از برزیل، با کدنویسی پایتون توسعه داده، کار کردم و در سیویلیکا
منتشر نمودم. لینک مقاله: https://civilica.com/doc/2200236/
نکته
حیرتانگیز اینجاست که ایشان علاوه بر تخصص عمیق در هوش مصنوعی، تمام قوانین علمسنجی
از قانون لوتکا و برادفورد گرفته تا شاخص H و دهها شاخص دیگر را در این کتابخانه پیادهسازی کرده است.
فردا همین دکتر پریرا برنده جایزه یوجین گارفیلد که کتابدرن مدعی هستندخواهد شد،
چون سه علم را همزمان دارد: هوش مصنوعی را عمیقاً میفهمد، پایتون را حرفهای کد
میزند، و قوانین علمسنجی را بلد است.
حالا
سؤال اینجاست: من که راهبر اطلاعات هستم، اگر بخواهم با چنین متخصصی رقابت کنم یا
برای او راهبری انجام دهم، باید چه کنم؟ پاسخ روشن است: باید این سه علم را عمیقاً
بلد باشم. نه اینکه فقط اسم هوش مصنوعی را شنیده باشم، بلکه باید بتوانم الگوریتمهایی
را که او در کتابخانهاش پیادهسازی کرده، درک کنم. باید بفهمم چطور قانون لوتکا
را با یادگیری ماشین تلفیق کرده، چطور شاخص H را با شبکههای عصبی بهبود داده، و چطور از پردازش زبان طبیعی
برای تحلیل متون علمی استفاده کرده است.
پس
راهبر اطلاعات واقعی کسی است که این سه علم را همزمان داشته باشد: علم کامپیوتر و
پایتون برای کار با ابزارها، علم داده و هوش مصنوعی برای درک عمق فناوری، و علم
کتابداری و برای تفسیر نتایج. ، هوش مصنوعی را جدیتر بگیرم، و یادم باشد که راهبر
بدون دانش فنی، در دنیای امروز محکوم به حاشیهنشینی اس
