خبر و ترفند روز

خبر و ترفند های روز را اینجا بخوانید!

فضای کاری تازهٔ هوش مصنوعیِ پی‌دی‌المنتِ واندرشیر، پی‌دی‌اف‌ها، یادداشت‌ها و پیوندهای یوتیوب را یک‌جا سامان می‌دهد

فضای کاری تازهٔ هوش مصنوعی در پی‌دی‌اف‌المنت واندرشر، پی‌دی‌اف‌ها، یادداشت‌ها و پیوندهای یوتیوب را مدیریت می‌کند
این مقاله با حمایت واندرشیر منتشر شده است

آماده شدن برای امتحان به‌ندرت یعنی کار کردن با یک سندِ واحد. مواد درسی معمولاً میان اسلایدهای پی‌دی‌افِ درس، خواندنی‌های اسکن‌شده، یادداشت‌های شخصی و چند ویدیوی یوتیوب پخش شده‌اند؛ و پیش از روز آزمون، باید دوباره سراغشان رفت. هم دنبال کردن همهٔ این‌ها و هم به یاد آوردن این‌که هر نکته را کدام منبع گفته است، اغلب به همان اندازهٔ خودِ درس خواندن وقت می‌گیرد.

ویرایشگر پی‌دی‌افِ واندرشیر، پی‌دی‌المنت، بیشتر به ویرایش، تبدیل و حاشیه‌نویسیِ پرونده‌های پی‌دی‌اف شناخته می‌شود. با نسخهٔ ۱۳ که در ۴ سپتامبر عرضه می‌شود، این شرکت قابلیتی با نام اسپیسز را معرفی می‌کند؛ یک فضای کاریِ مبتنی بر هوش مصنوعی که به‌جای پرونده‌های جداگانه، بر گردآوریِ مجموعه‌ای از مواد آموزشی بنا شده است. به‌جای آن‌که هر بار فقط یک پی‌دی‌اف باز شود، اسپیسز به کاربران اجازه می‌دهد هرآنچه به یک موضوع، درس یا پروژه مربوط است در یک جا کنار هم بگذارند و مواد پراکندهٔ مرجع را به چیزی ساخت‌یافته و مناسبِ مطالعه تبدیل کنند.

اسپیسز چه می‌کند

اسپیسز به‌صورت یک حالتِ جداگانهٔ فضای کاری درون پی‌دی‌المنت قرار دارد. به‌جای کار پرونده‌به‌پرونده، کاربر برای یک موضوع یک اسپیس می‌سازد و هرآنچه به آن مربوط است، از جمله پی‌دی‌اف‌ها، پیوندهای یوتیوب، یادداشت‌های متنیِ ساده و دیگر مواد مرجع را به آن می‌افزاید. ایده این است که همهٔ چیزهای مرتبط با آن موضوع در یک جا بمانند، و سپس هوش مصنوعیِ درون پی‌دی‌المنت بتواند همه را با هم بخواند، نه این‌که هر پرونده را جدا از بقیه در نظر بگیرد.

واندرشیر برای پس از راه‌اندازیِ یک اسپیس، سه تواناییِ اصلی را برمی‌شمارد. موادِ گوناگون را می‌توان پیرامون یک موضوعِ واحد سامان داد، می‌توان از سراسر مجموعه پرسش کرد و پاسخ گرفت و در کنار آن به منبعِ اصلی نیز ارجاع داشت، و همان مجموعه را می‌توان به خروجی‌هایی مانند چکیده‌ها، آزمونک‌ها، کارت‌های مرور، نقشه‌های ذهنی، گزارش‌ها و فایل‌های صوتیِ پادکستی تبدیل کرد. این ترکیب، بیشترِ کارِ دستیِ لازم برای مرور را پوشش می‌دهد: خواندن، سنجیدنِ منابع در برابر هم، و تبدیلِ یادداشت‌ها به چیزی که برای آزمودنِ میزانِ فهم به کار بیاید.

مطلب مرتبط:   4 دلیل که موتورهای الکتریکی بهتر از موتورهای احتراق داخلی هستند

بر پایهٔ یک موقعیت واقعیِ مطالعه

فضاهای هوش مصنوعی واندرشر

این قابلیت با یک سناریوی مشخص طراحی شده است: دانشجویی که برای امتحان آماده می‌شود و پی‌دی‌اف‌های درس، یادداشت‌های شخصی و ویدیوهای آموزشیِ یوتیوب را از چند منبعِ جداگانه در اختیار دارد و می‌خواهد مواد را کارآمدتر مرور کند و شکاف‌های فهم خود را بهتر تشخیص دهد.

در عمل، این یعنی می‌توان برای یک درس یا موضوع، یک اسپیس ساخت و پی‌دی‌اف‌های درس، خواندنی‌های اسکن‌شده و یادداشت‌های تایپ‌شده را در آن گذاشت و هم‌زمان نشانیِ اینترنتیِ هر ویدیوی آموزشیِ مرتبطِ یوتیوب را نیز افزود. به‌جای آن‌که به یک پروندهٔ دانلودشده یا رونوشتِ جداگانه نیاز باشد، اسپیسز ویدیو را در همان مجموعهٔ قابل جست‌وجویی می‌نشاند که اسناد در آن قرار دارند. نتیجه، یک فضای کاریِ واحد است که بازتاب می‌دهد موادِ یک دانشجو در واقع چگونه سامان یافته‌اند؛ آمیزه‌ای از محتوای رسمیِ درس، یادداشت‌های شخصی و ویدیو، نه چیزهایی پراکنده میان لپ‌تاپ، مرورگر و برنامهٔ یادداشت‌برداری.

همین رویکرد فراتر از آمادگی برای امتحان هم می‌رود. پژوهشگرانی که چند مقاله دربارهٔ یک موضوعِ نزدیک به هم را دنبال می‌کنند، می‌توانند با یک اسپیس آن مقاله‌ها را به‌شکل یک مجموعه کنار هم نگه دارند؛ و کارکنانِ دانشی هم می‌توانند برای یک پروژهٔ مشخص اسپیس بسازند و خلاصه‌ها، گزارش‌ها و اسناد مرجع را در آن جمع کنند. در هر دو حالت، ایدهٔ پایه یکی است: موضوع یا پروژه به واحدِ اصلی تبدیل می‌شود و همهٔ موادِ پشتیبانِ آن درونش جا می‌گیرند.

پرسش از میان قالب‌های گوناگون

بخشِ مرکزیِ اسپیسز این توانایی است که بتوان از سراسر یک مجموعه، بی‌آن‌که مهم باشد مادهٔ اصلی پی‌دی‌اف است یا ویدیو یا متنِ ساده، پرسش کرد و پاسخ گرفت. واندرشیر این بخش را بر پایهٔ ارجاع‌های قابل‌ردگیری ساخته است؛ یعنی پاسخ‌ها نشان می‌دهند اطلاعات از کجای مجموعه آمده‌اند، از جمله با زمان‌کُد برای ویدیوهای یوتیوب، نه صرفاً یک پیوند به کلِ کلیپ.

مطلب مرتبط:   12 چیزی که می توانید با بیت کوین بخرید

این ردگیری‌پذیری، برای یک ابزارِ مطالعه، انتخابی مهم است. بررسیِ یک پاسخِ تولیدشده با هوش مصنوعی در برابر اسلایدِ اصلی یا نقطهٔ مشخصی از یک سخنرانی که چیزی در آن گفته شده، برای مرور مهم‌تر از خودِ پاسخِ تنهاست، چون مادهٔ منبع را همچنان در دلِ فرایند نگه می‌دارد. این ویژگی همچنین به فضای کاری اجازه می‌دهد منابع را با هم مقایسه کند؛ مثلاً نشان دهد یک سخنرانی و یک متنِ درسی یک نکته را چگونه متفاوت توضیح داده‌اند، بی‌آن‌که لازم باشد کاربر به‌صورت دستی در هر دو دوباره جست‌وجو کند.

از مجموعه تا ابزارِ مرور

کوپایلوت قرارداد واندرشر

اسپیسز فراتر از پاسخ دادن به پرسش‌ها، یک مجموعهٔ مواد را به خروجی‌هایی تبدیل می‌کند که از گونه‌های مختلفِ کار پشتیبانی می‌کنند. از پی‌دی‌اف‌ها، یادداشت‌ها و ویدیوی گردآمده در یک اسپیس می‌توان چکیده‌ای از کلِ موضوع ساخت و همه‌چیز را به یک نمای کلیِ کوتاه‌تر فشرده کرد. همین مجموعه همچنین می‌تواند برای ساخت کارت‌های مرور و آزمونک‌ها به کار رود و کاری را که معمولاً خسته‌کننده است خودکار کند؛ زیرا در حالت عادی باید دوباره سراغ تک‌تک منابع رفت تا نکته‌های قابل سنجش را بیرون کشید.

خروجیِ نقشهٔ ذهنی، نمایی تصویری از پیوندِ بخش‌های گوناگونِ یک موضوع به دست می‌دهد و برای فهمِ ساختار، در برابرِ تک‌نکته‌ها، بسیار به کار می‌آید. گزارش‌ها را هم می‌توان به همین شیوه ساخت؛ با این تفاوت که هدفشان گردآوردنِ مجموعه‌ای از مواد در یک سندِ مکتوبِ یکپارچه است، نه تولیدِ چند پرسشِ مطالعاتی. خروجیِ صوتیِ شبیه پادکست هم در دسترس است؛ برای بازشنیدنِ یک موضوع، و از این رو بیشتر به کارِ مسیرِ رفت‌وآمد می‌آید تا یک نشستِ متمرکزِ مطالعه.

مطلب مرتبط:   من در یک برنامه آموزشی جانبی داده های هوش مصنوعی ثبت نام کردم و این همان چیزی است که اتفاق افتاد

از آنجا که همهٔ این خروجی‌ها بر همان فضایِ زیربنایی تکیه دارند، همان مجموعهٔ موادِ اولیه می‌تواند چندین کار را پشتیبانی کند، بی‌آن‌که هر بار از نو سامان‌دهی شود. یک دانشجو می‌تواند در آغازِ دورهٔ مرور، برای گرفتنِ نمایی کلی از موضوع، خلاصه‌ای بسازد و بعد، هرچه به زمانِ امتحان نزدیک‌تر شد، به همان فضا برگردد و از همان مواد، فلش‌کارت و آزمون تولید کند؛ بی‌آن‌که چیزی را دوباره بارگذاری یا از نو دسته‌بندی کند.

مخاطبان آن

نمای کلی ریسک‌های هوش مصنوعی واندرشر

فضاها برای دانشجویان، آموزگاران، پژوهشگران و کارمندانِ دانشی طراحی شده است؛ کسانی که به‌طور منظم با انبوهی از پی‌دی‌اف‌ها و دیگر منابعِ مرجع سروکار دارند، و در آغاز بیش از همه بازارهای انگلیسی‌زبان، از جمله آمریکای شمالی، را هدف گرفته است. واندرشر این قابلیت را مشخصاً برای کاربرانِ مبتدی تا میان‌رده ساخته، بنابراین نیازی به تجربهٔ قبلی در ابزارهای هوش مصنوعی یا سامانه‌های مدیریت دانش نیست. هر کس که از پیش با پی‌دی‌اف‌المنت آشنا باشد، باید بتواند یک فضا راه‌اندازی کند و بی‌زحمتِ چندانی افزودنِ مواد را آغاز کند.

این قابلیت برای موقعیت‌هایی مناسب‌تر است که از پیش مجموعه‌ای نسبتاً کامل از موادِ اولیه وجود داشته باشد، زیرا یک فضا برای سامان‌دادن و خلاصه‌کردنِ آنچه به آن افزوده می‌شود ساخته شده، نه برای تولیدِ اطلاعاتِ تازه از هیچ. برای دانشجو، پژوهشگر یا متخصصی که می‌خواهد پی‌دی‌اف‌ها، یادداشت‌ها و ویدیوها را در یک جا کنار هم بیاورد، به‌جای جابه‌جایی میان برنامه‌ها و فایل‌های جداگانه، فضاها کارِ دستیِ لازم برای سامان‌دهی و بازبینیِ مواد را کمتر می‌کنند؛ در نتیجه زمانِ بیشتری صرفِ خودِ محتوا می‌شود.

ارائه‌شده توسط واندرشر.

منبع: این مطلب ترجمه و بومی‌سازی مقاله‌ای از MakeUseOf به قلم Sponsored است. مشاهده مقاله اصلی