در این دسته مباحث مربوط به مباحث پژوهشگری از قبیل ایجاد پروفایل، انتخاب مجله، ….پرداخته می شود.

تصورات کتابداران از هوش مصنوعی و تاثیر بالقوه آن روی حرفه

/0 دیدگاه /در , /توسط

مقدمه

موضوع هوش مصنوعی (AI) در همه جا در رسانه‌ها مورد بحث است. استیون هاوکینگ، ایلان ماسک و بیل گیتس مرتباً زنگ خطر را درباره هوش مصنوعی به عنوان یک تهدید وجودی برای نوع بشر به صدا در می آوردند. روزنامه‌ای باز کنید، تلویزیون را روشن کنید، یا وارد اینترنت شوید، اطلاعات و نظرات زیادی درباره هوش مصنوعی و تأثیر بالقوه آن بر زندگی انسان پیدا خواهید کرد. علاوه بر اینکه هوش مصنوعی یک موضوع داغ در رسانه‌ها است، متون علمی پزشکی و حقوق مملو از پژوهش‌های هوش مصنوعی است.

هوش مصنوعی را به عنوان یک تغییردهنده بازی، اگر نه مخل، می شناسد. هوش مصنوعی امروزه در حوزه حقوق – در زمینه‌های بررسی قرارداد، صدور صورت‌حساب و انتخاب هیئت منصفه استفاده می‌شود. در حوزه پزشکی، توانایی هوش مصنوعی در تحلیل مجموعه داده‌های حجیم به آن اجازه داده است که در توانایی‌های تشخیصی از انسان پیشی بگیرد. اساتید حقوق و پزشکی همچنین اذعان کرده‌اند که هوش مصنوعی روش آموزش حرفه‌ای آنان را تغییر می‌دهد و در نهایت تعداد وکلا و پزشکان مورد نیاز در نیروی کار آینده را کاهش می‌دهد.

ما همیشه تغییراتی را که در دو سال آینده اتفاق می‌افتد بیش از حد برآورد می کنیم و تغییراتی را که در ده سال آینده اتفاق می‌افتد دست‌کم می‌گیریم.» -بیل گیتس

با این حال، موضوع هوش مصنوعی در همه رشته‌ها مطرح نیست – در ادبیات کتابداری نیز وجود ندارد. عجیب است، برای حرفه‌ای که بیش از سهم خود در مقابله با فناوری‌های مخرب در طول سال‌ها انجام داده است، ما کتابداران در مقایسه با سایر حرفه‌ها به هیچ وجه در مورد هوش مصنوعی بحث نمی‌کنیم. ما هیچ پژوهش اساسی درباره این موضوع توسعه نداده‌ایم و مدارس کتابداری ما احتمال کاهش پذیرش در این رشته را تأیید نکرده‌اند.

قابلیت یادگیری ماشینی، پردازش زبان طبیعی و قدرت محاسباتی عظیم سه جنبه هوش مصنوعی هستند که بر حرفه حقوق و پزشکی تأثیر می‌گذارند. اینها موارد بر حرفه کتابداری نیز تأثیر خواهند گذاشت.

کنجکاو بودیم: چرا در متون حرفه‌ای ما بحث درباره هوش مصنوعی کم است؟ برای درک این موضوع، همکاران خود را درباره درک آنها از هوش مصنوعی، به ویژه در رابطه با آینده، تأثیر بالقوه بر کار مان و تعداد نیروی کار مورد بررسی قرار دادیم.

روش‌شناسی

برای هدف نظرسنجی، واتسون آی‌بی‌ام (IBM’s Watson) را به‌عنوان نماینده‌ای از هوش مصنوعی تعیین کردیم. واتسون یک محصول نسبتاً شناخته شده ، همراه با سیستم‌های مشابه مبتنی بر هوش مصنوعی، مانند الکسای آمازون و سیری اپل است.  احساس کردیم که واتسون می تواند به راحتی توسط پاسخ‌دهندگان ما مفهوم‌سازی شود، زیرا مانند کتابداران به سوالات پاسخ می‌دهد. برخلاف کتابداران، واتسون برای انجام این کار به یادگیری ماشین و قدرت محاسباتی عظیم متکی است.

 مجوز مدل‌سازی نظرسنجی خود را بر اساس موردی که توسط کارشناسان هوش مصنوعی مولر و بوستروم (2016) استفاده شده بود دریافت کردیم. نظرسنجی، «ادراک کتابخانه‌ای از هوش مصنوعی» با استفاده از Qualtrics ایجاد شد و تأیید هیئت بازبینی سازمانی را دریافت کرد. این ابزار در طی ماه‌های مه و ژوئن 2017 بین لیست‌سرو خدمات کتابخانه‌های حرفه ای توزیع شد. این نظرسنجی دارای 10 سوال بود. از نظر عددی، پاسخ ها از 307 تا 341 متغیر بود.

نمودار 1 نشان می‌دهد که 56.3 درصد از پاسخ‌دهندگان احساس می‌کنند که هوش مصنوعی تأثیری دگرگون کننده بر کتابداری خواهد داشت. با کمال تعجب، 43.69 درصد از پاسخ‌دهندگان  – که در زمینه‌ای حرفه‌ای کار می‌کنند که به سطح بالایی از مهارت فنی نیاز دارد – احساس می‌کنند که هوش مصنوعی تأثیر کمی بر کتابداری خواهد داشت یا هیچ تأثیری ندارد. این یک انحراف از پیش‌بینی‌هایی است (هرچند محدود) که در متون کتابداری  یافت می‌شود: «[T] سؤال این نیست که چه فناوری تحت تأثیر قرار می‌گیرد، بلکه بیشتر این است که چه فناوری، در صورت وجود، تحت تأثیر هوش مصنوعی باقی می‌ماند» (فرناندز 2016).

علاوه بر این، هر دو انجمن وکلای آمریکا و انجمن پزشکی آمریکا هوش مصنوعی را در ادبیات خود و در جلسات سالانه خود به رسمیت شناخته‌اند. در یک میزگرد در سال 2016 در نشست سالانه انجمن وکلای آمریکا، به این نتیجه رسیدیم که «عاقلانه است که اکنون [هوش مصنوعی] را در آغوش بگیریم تا بتواند ابزاری در مقابل یک مانع باشد».

در سوال دو (نگاه کنید به نمودار 2)، از پاسخ‌دهندگان خود پرسیدیم که کدام بخش‌ها بیشتر تحت‌تأثیر هوش مصنوعی قرار می گیرند. به استثنای خدمات دسترسی، احساس می‌کنیم که نتایج دقیقاً منعکس کننده بخش‌هایی است که در حال حاضر تحت‌تأثیر قرار گرفته‌اند و کارشناسان پیش‌بینی می‌کنند در آینده نزدیک اتفاق خواهد افتاد.

در حال حاضر، خدمات مجازی در کتابخانه‌ها، که توسط عوامل بازار هدایت می‌شوند، هوش مصنوعی را به شکل نرم‌افزار کشف discovery software اضافه شده به نظام یکپارچه کتابخانه یا به‌عنوان سیستم‌های جمع‌آوری اطلاعات با ارزش افزوده/متن کامل ارائه شده توسط EBSCO و ProQuest پذیرفته‌اند. علاوه بر این، «کاربردی بودن هوش مصنوعی در زمینه‌هایی مانند فهرست‌نویسی، رده‌بندی، مستندسازی، مجموعه‌سازی و غیره سال به سال در حال بهبود به نظر می‌رسد» (مگلی 2015).

متعجب شدیم که پاسخ‌دهندگان خدمات دسترسی را در مقیاس بخش‌هایی که می‌تواند تحت تأثیر هوش مصنوعی قرار گیرند، بالاتر نمی‌دانند.  در سؤالات سه، چهار و پنج، از کتابداران خواسته شد تا زمان استفاده از ابررایانه ها در کتابخانه ها را پیش بینی کنند (نگاه کنید به نمودار 3). اکثریت قریب به اتفاق (214) احساس می کنند که به احتمال 90 درصد است که ابر رایانه ها در حدود 30 سال (2047) بعد در کتابخانه استفاده شوند.

اکثر پاسخ دهندگان در هر گروه، احتمال کمی برای برخاستن فوری برای استفاده از ابر رایانه در کتابخانه‌ها را می‌بینند. برخلاف پاسخ دهندگان ، گزارشی از کنسرسیوم رسانه‌های جدید (شریک ACRL) 4 تا 5 سال را به عنوان زمان پذیرش هوش مصنوعی در کتابخانه ها پیش بینی می کند.

این گزارش توسعه دستورالعمل‌ها را تشویق می‌کند و ادعا می‌کند که هوش مصنوعی «می‌تواند بار کتابداران را کاهش دهد و زمان را برای تمرکز بر وظایف دیگر، مانند آموزش و بهبود تحقیق، آزاد کند».

در حوزه حقوق، پلتفرم واتسون ROSS Intelligence می تواند 1 میلیون صفحه قانون قضایی را در یک ثانیه بخواند. در شرکت های حقوقی بزرگ  20 تا 30 ساعت در زمان برای هر پرونده صرفه جویی می شود. در پزشکی، ایزابل اطلاعات بیمار را جمع آوری می کند و توسط پزشکان برای کمک به ایجاد یا گسترش تشخیص افتراقی استفاده می شود.

سؤالات ششم تا هشتم در مورد چشم انداز شغلی حرفه ما پرسیده شد، از جمله جایگزینی احتمالی کتابداران با ابر رایانه و اینکه اگر ابر رایانه جایگزین شود مثبت یا منفی خواهد بود.

اکثر پاسخ دهندگان اکثراً هوش مصنوعی را به صورت مثبت می بینند و فکر نمی کنند – یا نمی دانند – آیا هوش مصنوعی جایگزین کتابداران خواهد شد. آنها احساس می کنند که ابر رایانه یا نیاز به کتابداران را افزایش می دهد یا ت

غییری ایجاد نمی کند. کتابدارانی که به نظرسنجی ما پاسخ دادند از توسعه یک ربات کتابخانه ای تعاملی به نام شیائوتو در دانشگاه پکن در چین آگاه نیستند. به‌علاوه، چشم‌انداز حرفه‌ای به‌طور قابل‌توجهی از دیدگاه پزشکان و وکلا که ظهور «وکلای روبات» و روبات‌های مراقبت‌های بهداشتی شخصی را تصدیق می‌کنند، انحراف دارد.

در سوال نهم، از پاسخ دهندگان پرسیدیم که آیا تا به حال مقاله ای در مورد ابررایانه ها در ادبیات مطالعه کرده اند. همانطور که می بینید، بیش از 75درصد چیزی در مورد این موضوع نخوانده اند، که می تواند عدم بحث در رتبه های مربوط به آن را توضیح دهد.

ما از پاسخ دهندگان پرسیدیم که آیا می خواهند در کارگاه آموزشی هوش مصنوعی در کتابخانه شرکت کنند.  ناامید شدیم که دیدیم تنها 47.42 درصد از پاسخ دهندگان به این موضوع علاقه مند هستند.

آیا تابحال متون درباره هوش مصنوعی را مطالعه کردید؟

همکاران در پزشکی و حقوق اذعان کرده اند که پزشکان آنها نیاز به آموزش مداوم در این فناوری جدید دارند. در سال 2017، حدود 2000 پزشک در هشتمین سالانه Health Datapalooza شرکت کردند که به بهبود سلامت از طریق استفاده از قدرت داده و فناوری اختصاص داشت. علاوه بر این، یکی از محبوب‌ترین پیشنهادات آموزش مداوم برحسب تقاضا از سوی انجمن وکلای آمریکا، ظهور ماشین‌ها: هوش مصنوعی و آینده قانون‌گذاری است.

نتیجه‌گیری

هدف از پژوهش، بررسی نظرات کتابداران دانشگاهی در مورد تأثیر هوش مصنوعی (مانند واتسون) بر حرفه ما بود. بیایید در مورد مهم ترین نتایج نظرسنجی صحبت کنیم. برخلاف حرفه‌های حقوق و پزشکی، این نظرسنجی نشان می‌دهد که کتابداران بیش از حد نگران فرسایش شغلی یا تأثیرات دگرگون‌کننده هوش مصنوعی بر حوزه کتابداری نیستند. به نظر می رسد تصور و احتمال کتابداران از زمانی که این تحول در چه زمانی اعمال می شود 30 سال آینده باشد. این به طور اساسی با پیش بینی کارشناسان کتابخانه خودمان متفاوت است.

این واقعیت که پاسخ‌دهندگان در ادبیات حرفه‌ای ما درباره هوش مصنوعی نخوانده‌اند، بسیار مهم بود، همچنین واکنش ملایم آنها به شرکت در کارگاه آموزشی در این زمینه بسیار مهم بود. با سرعت سریع پیشرفت در فناوری هوش مصنوعی،  مشتاق هستیم که این نظرسنجی را در 3 سال دیگر برای مقایسه نتایج انجام دهیم.

توصیه‌ها

هوش مصنوعی اغلب به عنوان یک حقه یا چیزهای علمی تخیلی در نظر گرفته می‌شود. حدس اولیه ما برای این مطالعه این بود که هوش مصنوعی بر تعداد کتابداران مورد نیاز برای کار تأثیر منفی خواهد گذاشت و این تأثیر در 10 سال آینده احساس خواهد شد.  توانستیم کمبود این موضوع را در متون کتابداری حرفه‌ای در مقایسه با آنچه در سایر حرفه‌ها وجود دارد شناسایی کنیم. همچنین می‌خواستیم بدانیم چرا بحثی در مورد هوش مصنوعی در بین کتابداران وجود ندارد.

نتایج نظرسنجی حاکی از احساس رضایت بیش از حد در میان کتابداران در رابطه با تأثیرات دگرگون‌کننده و مخرب این فناوری است. در 35 سال گذشته، کتابخانه‌های دانشگاهی با موفقیت خودکارسازی را پذیرفته‌اند. چرا در این زمان، سرمان را زیر شن فرو کرده‌ایم؟ آن را به بحث تغییر آب و هوا تشبیه می‌کنیم – داده‌ها وجود دارد، اما  تصمیم می‌گیریم آن را نادیده بگیریم.

شاید اکنون زمان آن رسیده است که از برادرانمان در رشته‌های حقوق و پزشکی پیروی کنیم و فعال باشیم. با انجام این کار، می‌توانیم از هوش مصنوعی به عنوان ابزاری استفاده کنیم که به ما امکان می‌دهد روی وظایف دیگری مانند تدریس و تحقیق تمرکز کنیم. روسای مدارس کتابداری باید بحث را با پرداختن به تغییر برنامه درسی آغاز کنند و بپرسند: «آیا سطوح فعلی آموزش در مدارس کتابداری کافی است؟» علاوه بر این، فرصت زیادی برای تحقیقات بیشتر درباره این موضوع وجود دارد. زمان آن فرا رسیده است که سازمان‌های حرفه‌ای ما، گروه‌های علاقه‌مند ویژه، کارگاه‌ها و فرصت‌های توسعه حرفه‌ای را برای کشف پیامدهای این فناوری به سرعت در حال تکامل ایجاد کنند.

در حرکت رو به جلو،  باید به گذشته دل ببندیم – کتابخانه‌ها نه تنها توانسته‌اند گلیم خود را از آب بیرون بیاورند، بلکه در مواجهه با فناوری‌های مخرب موفق شوند. معتقد نیستیم که هوش مصنوعی یک تهدید وجودی برای کتابداری است. باید به عنوان یک فرصت به آن نگاه کرد. باید بدانیم که زمان آن زمان نیست، اکنون است. این سیل تغییرات یک فریب یا چیزهای علمی تخیلی نیست، و اگر توجهمان از بین برود ممکن است غرق شویم.

منابع:

Fernandez, P. (2016). “ ‘Through the Looking Glass: Envisioning New Library Technologies’ Understanding Artificial Intelligence.” Library Hi Tech News, 33(3), 20–23.
Mogali, S. (2015). “Artificial Intelligence and Its Applications in Libraries.” Delhi. Müller, V., and Bostrom, N. (2016). “Future Progress in Artificial Intelligence: A Survey of Expert Opinion.” In V. Müller (Ed.), Fundamental Issues of Artificial Intelligence, First Edition, 555–572. New York:
Springer

اصل مقاله:

Wood, Barbara A., and David J. Evans. “Librarians’ Perceptions of Artificial Intelligence and Its Potential Impact on the Profession.” Computers in Libraries, 38.1 (2018). https://www.researchgate.net/publication/322977069_Librarians%27_Perceptions_of_Artificial_Intelligence_and_Its_Potential_Impact_on_the_Profession. ترجمه دکتر مریم اسدی

هوش مصنوعی:کتابخانه‌ها در خط مقدم هوش مصنوعی

Loading

چگونه یک جستجوی موثر برای مرور نوشتارها انجام دهیم؟

/0 دیدگاه /در /توسط

مقدمه

مرور نوشتارها یا بررسی متون (literature review) فعالیتی فکری و تحلیلی است که طی آن پژوهشگر؛ متون و آثار موجود در زمینه پژوهش خود را شناسایی می کند تا در راستای پژوهش خود از آنها استفاده کند. مرور نوشتارها خلاصه‌ی پژوهش‌های پیشین نیست؛ بلکه مطالعه‌ای است که ضمن خلاصه کردن پژوهش های پیشین؛ آن را ارزیابی و ارتباط آنها را با یکدیگر و با پژوهش در دست انجام مشخص می‌کند. توانایی شناسایی، بازیابی، مرور، تحلیل و نوشتن از جایگاه مهمی در تدوین پیشینه است. هدف از مرور نوشتارها این است تا مشخص کنید چه آثاری؛ توسط چه کسانی؛ با چه هدف‌هایی؛ با چه روش‌هایی؛ با چه یافته‌هایی در زمینه مورد توجه پژوهشگر نوشته شده‌اند و چه زمینه‌هایی برای انجام پژوهش‌های بیشتر وجود دارد(منبع https://info-consulting.ir/literature-review/). قدرت یک پیشینه پژوهش به توانایی آن در غربال کردن و بازیابی منابع مرتبط بستگی دارد. داشتن یک رویکرد جستجوی بهینه برای یافتن منابع مرتبط نه تنها پیشینه مقاله شما را تقویت می‌کند، بلکه کارایی مرور شما را نیز افزایش می دهد. در این مقاله، قصددارم، شما را از طریق فرآیند ایجاد یک استراتژی جستجوی موثر برای یافتن متون مرتبط راهنمایی ‌کنم و ابزارهای کلیدی مربوط به آن را معرفی کنم. آگاهی از این موضوع  به شما امکان می‌دهد پیشینه جامع و مرتبط را به دست آورید.

مراحل کلیدی برای ایجاد یک استراتژی جستجوی موثر:

 مفاهیم و اصطلاحات جستجو را برای هر کدام از مفاهیم موجود در پژوهشتان را مشخص کنید

اولین قدم در جستجوی نظام‌مند متون، شناسایی مفاهیم کلیدی است. استفاده از چارچوب PICO (در پزشکی) – بیمار، مداخله، مقایسه، نتیجه (Patient, Intervention, Comparison, Outcome) – می تواند اینکار را ساده کند. به عنوان مثال، این سوال را در نظر بگیرید: “در بیماران مسن (P)، واکسن آنفلوانزا (I) در مقایسه با نبود واکسن (C) در پیشگیری از بستری شدن مرتبط با سرماخوردگی (O) چقدر موثر است؟ با شناسایی مفاهیم اساسی با تاکید بر عناصر موجود در عنوان و چکیده، شروع کنید.

واژگان کنترل شده در جستجوها

مرحله بعدی شامل شناسایی واژگان کنترل شده برای جستجو در پایگاه های اطلاعاتی است.

واژگان کنترل شده در جستجوی متون، اصطلاحات استاندارد و از پیش تعریف شده‌ای هستند که پایگاه‌های اطلاعاتی برای نمایه‌سازی و بازیابی مقالات مرتبط و برای تضمین یکدستی و غلبه بر تنوع واژگانی، استفاده می‌کنند (نیز نگاه کنید به https://info-consulting.ir/thesaurus-keywords-tools/).

این واژگان، مانند سرعنوان‌های موضوعی پزشکی (MeSH) در PubMed، به صورت سلسله‌مراتبی سازماندهی شده‌اند. به عنوان مثال، اگر در حال تحقیق درباره آنفولانزا هستید، استفاده از اصطلاحنامه مش MeSH تضمین می‌کند که مقالاتی را خواهید یافت که ممکن است به این بیماری به عنوان “آنفولانزا”، “آنفولانزای فصلی” یا حتی “H1N1” اشاره کنند.

قرار دادن این اصطلاحات متنوع تحت یک اصطلاح استاندارد، دقت جستجوی شما را افزایش می دهد. در اینجا ساختار واژگان کنترل شده در تعدادی از پایگاه‌های اطلاعاتی را نشان می ‌دهد.

جستجوی کلیدواژه‌ها

هنگامی که از جستجوی کلیدواژه‌ای استفاده می کنید، به پایگاه اطلاعاتی دستور می دهید که به دنبال عبارت دقیق وارد شده بگرددد. این روش می تواند بسیار مستقیم باشد اما با چالش هایی همراه خواهد بود:

  • دقت: جستجوی «آنفولانزا» ممکن است مقالاتی را که از «سرماخوردگی Flu» استفاده می‌کنند را از دست بدهد.
  • گستردگی: “آنفولانزا” می‌تواند مقالات نامرتبط را بازیابی کند، به عنوان مثال، “فلورسانس”.
  •  متغیر بودن: اصطلاحات مختلف برای یک مفهوم نیاز به کلیدواژه‌های متنوعی دارد.

برای بررسی متمرکز بر آنفولانزا، استفاده از کلیدواژه مانند “آنفولانزای فصلی”، “H1N1” و “آنفلوانزا A” “seasonal flu”, “H1N1”, and “influenza A” اطمینان حاصل می‌کند که نتایج جامعی دریافت می‌کنید.

فنون ساختن اصطلاحات کلیدواژه‌ای برای جستجوی متون:
  • اصطلاحات مشابه/مترادف: انواع مختلفی مانند ” “flu” and “influenza.را ضبط کنید.
  •  تنوع املایی: املاها/اصطلاحات منطقه ای یا اصطلاحات خط فاصله را در نظر بگیرید. به عنوان مثال: املای آمریکایی در مقابل انگلیسی
  • توضیحات متناقض: برخی از اصطلاحات ممکن است در مقالات، متفاوت بیان شوند اما معنی یکسانی داشته باشند. به عنوان مثال، اصطلاحاتی مانند “آنفولانزای مرغی” و “آنفولانزای پرندگان” “bird flu” and “avian influenza”.
  • طیف ویژگی: تعادل بین اصطلاحات عمومی و جزئی. به عنوان مثال، از “ویروس” به “ویروس آنفولانزای H1N1”.
  • کوتاه‌سازی واژه‌ها Truncation: ستاره (*) در انتهای یک رشته از کاراکترها تمام عباراتی را که با آن رشته شروع می شوند جستجو می کند. به عنوان مثال، با استفاده از “influenz*” “influenza”، “influenzae” و “influenzal” را بازیابی می کند.
  • استفاده از نمادها Wildcard: “؟” جایگزین یک حرف یا نشان دادن یک حرف اضافی که در آن املا یا تغییر کلمه امکان پذیر است. به عنوان مثال. “H?N1” با “H1N1” و “H3N1” مطابقت دارد.
  • عملگرهای مجاورتی: میزان نزدیک بودن دو کلمه را مشخص می‌‍کند. فایده: نتایج شما را مرتبط‌تر کند. “influenza NEAR3 vaccine”  بین این دوکلمه سه فاصله وجود داشته باشد.

به یاد داشته باشید، نکته کلیدی این است که به طور گسترده فکر کنید، تمام عبارات مرتبط را در نظر بگیرید و استراتژی جستجوی خود را با پایگاه اطلاعاتی در حال استفاده تنظیم کنید.

اصطلاحات را با عملگرهای بولی ترکیب کنید

استفاده از عملگرهای بولین دامنه جستجوی شما را افزایش می‌دهد.

  • عملگر “AND” تضمین می‌کند که تمام مفاهیم انتخاب شده در نتایج وجود دارد. برای مثال، «واکسن آنفولانزا و آنفولانزا» مقالاتی را که هر دو عبارت را دارند بازیابی می‌کند.
  • از سوی دیگر، عملگر “OR” نتایج را در  هر جایی که باشد بازیابی می‌کند ، بنابراین “flu OR آنفلوانزا” مقالاتی را با هر یک از این اصطلاحات می گیرد.
  • اگر می‌خواهید یک اصطلاح خاص را حذف کنید، عملگر “NOT” مفید است. به عنوان مثال، “آنفلوآنزا NOT H1N1” مقالاتی در مورد آنفولانزا ارائه می‌دهد که به طور خاص به گونه H1N1 اشاره نمی کند.
 استراتژی جستجوی خود را ترجمه کنید

هر پایگاه داده، اعم از PubMed، Scopus یا Web of Science، اصطلاحات و روش جستجوی منحصر به فرد خود را برای تفسیر عبارت‌های جستجو (سینتکس) دارد. ضروری است که استراتژی جستجوی خود را با استانداردهای خاص هر پایگاه اطلاعاتی که استفاده می‌کنید منطبق کنید.

در اینجا چند ابزار رایگان برای کمک به شما در «ترجمه جستجو» آمده است.

برای مثال 

استراتژی جستجوی خود را مستند و ثبت کنید.

برای بهترین عملکرد، شفافیت و تکرارپذیری، تمام عناصر جستجوی متون را مستند کنید.

برای مطالب بیشتر می توانید به پیوندهای زیر مراجعه کنید:

در این راهنمای سریع، اصول اولیه انجام یک جستجوی مرور نوشتارها را آموخته‌اید. از این مطلب می‌توانید به عنوان نقطه شروع برای پژوهش‌های عمیق‌تر استفاده کنید.

Loading

ChatGPT چقدر می‌تواند به سوالات ما پاسخ دهد؟

/0 دیدگاه /در , , /توسط

ChatGPT مخفف Chat Generative Pre-trained Transformer است. آن یک ابزار پردازش زبان طبیعی است که توسط فناوری هوش مصنوعی هدایت می‌شود و به شما امکان می‌دهد مکالمات انسان‌مانند و خیلی بیشتر با چت‌بات داشته باشید. چت جی پی تی علاوه بر پاسخگویی به سوالات ساده، عملکردهای زیادی نیز دارد. ChatGPT می‌تواند مقاله بنویسد، شی یا چیزی را با جزئیات زیادی توصیف کند، مکالمات فلسفی با آن انجام دهید و حتی برای شما کدنویسی کند.

تفاوتی که چت جی پی تی با موتور جستجو دارد این است که ChatGPT یک مدل زبانی است که برای برقراری مکالمه با کاربر نهایی ایجاد شده است. موتور جستجو ابزاری است که امکان می‌دهد صفحات وب موردنظر کاربر پیدا شود. نسخه رایگان چت جی پی تی امکان جستجوی اطلاعات در اینترنت را ندارد. از اطلاعاتی که از داده‌های حجیم آموخته است برای ایجاد پاسخ استفاده می‌کند و به کاربر در قالب یک متن ارائه می دهد.

از تفاوت دیگر این دو، ChatGPT فقط تا سال 2021 به اطلاعات دسترسی دارد، در حالی که یک موتور جستجوی معمولی مانند Google به آخرین اطلاعات دسترسی دارد. بنابراین، اگر از نسخه رایگان ChatGPT بپرسید که چه کسی جام جهانی 2022 را برده است، نمی‌تواند به شما پاسخ دهد، اما گوگل این کار را می‌کند.

در آزمایشی دو کتابدار دانشگاهی چت جی پی تی را مورد آزمایش قرار دادند و چهار سوال را از ChatGPT پرسیدند. من فقط یک سوال را بیان می‌کنم و نکاتی که در آن نهفته است در زیر اشاره خواهم کرد.

سوال مرجع : من به دنبال اطلاعاتی درباره میزان حضور در کلیسا در ایالات متحده از 1950-2000 هستم.

پاسخ ChatGPT: 

سلام! در حالی که من به مجموعه داده های فعلی دسترسی مستقیم ندارم، می‌توانم راهنمایی‌هایی برای یافتن اطلاعات مورد نظر شما ارائه دهم. برای یافتن اطلاعاتب در مورد میزان حضور در کلیسا در ایالات متحده از سال 1950 تا 2000، می توانید این مراحل را دنبال کنید:

  • با بررسی منابع مختلفی که مجموعه‌های داده را مدیریت می‌کنند، مانند مخازن داده‌ها، مؤسسات تحقیقاتی، وب‌سایت‌های دولتی و سازمان‌های مذهبی شروع کنید.
  • سازمان‌های دولتی مانند اداره سرشماری ایالات متحده یا مرکز ملی آمار سلامت ممکن است داده‌های مرتبطی داشته باشند. از وب‌سایت‌های آن‌ها دیدن کنید و پایگاه‌های اطلاعاتی، نظرسنجی‌ها یا انتشارات مربوط به مشارکت مذهبی یا گرایش‌های اجتماعی را بررسی کنید.
  • به دنبال منابع داده ارائه شده توسط سازمان‌های مذهبی یا گروه‌های مذهبی باشید. برخی ممکن است در بازه زمانی مشخص، نظرسنجی انجام داده باشند یا سوابقی در مورد میزان حضور در کلیسا داشته باشند. به عنوان مثال می‌توان به مرکز تحقیقات پیو، انجمن آرشیو داده‌های دین (ARDA) یا شورای ملی کلیساها اشاره کرد.
  • مؤسسات دانشگاهی اغلب مطالعاتی را در مورد گرایشات مذهبی انجام می‌دهند. وب‌سایت‌های دانشگاه، مراکز تحقیقاتی، یا نشریات جامعه‌شناسی، مطالعات دینی یا جمعیت‌شناسی را بررسی کنید. نظرسنجی عمومی اجتماعی (GSS) یکی از این نظرسنجی های طولانی مدت است که داده های مربوط به مشارکت مذهبی را جمع آوری می کند.
  • از موتورهای جستجو مانند Google یا موتورهای جستجوی داده‌های تخصصی (مانند Data.gov، Google Dataset Search) برای جستجوی کلمات کلیدی مانند «داده‌های حضور در کلیسا» یا «داده‌های مشارکت مذهبی» استفاده کنید. جستجوی خود را با تعیین بازه زمانی مورد نظر اصلاح کنید.
  • اگر نمی‌توانید یک مجموعه داده جامع پیدا کنید، ممکن است لازم باشد داده ها را از چندین منبع جمع‌آوری کرده و خودتان آن را جمع آوری کنید. بررسی‌ها یا مقالات منتشر شده‌ای که میزان حضور در کلیسا را در بازه زمانی مشخص‌شده گزارش می‌کنند و داده‌های مربوطه را استخراج کنید.
  • به یاد داشته باشید که اعتبار و روش شناسی منابعی را که پیدا می کنید ارزیابی کنید. علاوه بر این، در دسترس بودن داده ها برای سال های خاص در بازه زمانی درخواستی ممکن است متفاوت باشد.

با توجه به پاسخ ایجاد شده، نشان می‌دهد،

ChatGPT همیشه پاسخ درست و دقیقی نمی‌دهد، به این دلیل که پاسخ آن براساس اطلاعاتی است که به آن یاد داده‌ شده است. اما می‌تواند نقطه شروع و حرکت را به کاربر بگوید. به عبارتی به کاربر راهنمایی می‌کند از کجا آغاز کند. نکته بعدی ارزبابی پاسخ‌های داده شده توسط ChatGPT است. در نتیجه تعیین اعتبار و ارزیابی پاسخ‌ها برعهده خود کاربر است.

نکته دیگری که باید به آن توجه کرد نحوه پرسیدن سوال از سوی کاربر از ChatGPT بسیار مهم است، چون نوع سوال بر کیفیت پاسخ‌ها تاثیر می‌گذارد. خلاصه اینکه فهم و درک درست از قابلیت‌های فنی، عملی و اخلاقی ابزارهای هوش مصنوعی و کسب مهارت درباره آنها، کمک می‌کند از کاربردهای آنها درست، بهینه و موثر استفاده کنیم.

Bing Chat: ابزاری هوشمند برای جستجو

Loading

بیانیه ایفلا درباره کتابخانه‌ها و هوش مصنوعی

/0 دیدگاه /در , /توسط

پذیرش هوش مصنوعی (از این پس به عنوان “AI” نامیده می شود) و یادگیری ماشین در بخش خصوصی و عمومی به سرعت در حال رشد است. این بیانیه خط‌‌مشی به منظور تشریح ملاحظات کلیدی برای استفاده از این فناوری‌ها در بخش کتابخانه و پیشنهاد نقش‌هایی است که کتابخانه‌ها باید در جامعه‌ای با ادغام هوش مصنوعی تلاش کنند، افزایش دهند.

فناوری‌های هوش مصنوعی می‌توانند عمیقاً دگرگون‌کننده باشند و از قدرت آن‌ها برای رفاه عمومی و نوآوری استفاده شود. با آمادگی لازم – و در نظر گرفتن نگرانی‌ها و محدودیت‌های اخلاقی فعلی – کتابخانه‌ها می‌توانند مسئولانه از فناوری‌های هوش مصنوعی برای پیشبرد مأموریت اجتماعی خود استفاده کنند.

هوش مصنوعی در کتابخانه: ادغام فناوری‌های هوش مصنوعی و یادگیری ماشین در کارهای روزمره.

همانطور که فناوری هوش مصنوعی در حال تکامل است، تعدادی از برنامه‌های کاربردی هوش مصنوعی و یادگیری ماشین (ML) ممکن است خدمات و عملکردهای جدیدی را به کتابخانه ها معرفی کنند. برای مثال، فناوری‌های هوش مصنوعی و یادگیری ماشین می‌توانند کتابخانه‌ها را قادر به بهبود تشخیص نوری نویسه‌های متن یا ایجاد کاربردهای جدید برای مجموعه‌های کتابخانه‌ای قابل خواندن با ماشین (به عنوان مثال طبقه بندی یا کشف) – چه برای خود کتابخانه، چه کاربر یا پژوهشگران شود.

به طور مشابه، هوش مصنوعی و یادگیری ماشین می‌توانند این قابلیت را داشته باشند که ابعاد و رویکردهای جدیدی به فرآیندهای مدیریت دانش در کتابخانه‌ها به ویژه سازمان‌دهی، ذخیره‌سازی و ادغام دانش اضافه کنند. هوش مصنوعی ممکن است بتواند ابعاد جدیدی را برای ارائه خدمات در صورت همراه شدن با روباتیک ارائه دهد. در حالی که مواردی وجود دارد که ممکن است از هوش مصنوعی برای خودکارسازی برخی از خدمات موجود کتابخانه (در برنامه‌های هوش مصنوعی مانند ربات‌های گفتگو یا ابزارهای جستجو و کشف) استفاده شود، باید مراقب بود که از تأثیرات منفی بر کیفیت خدمات و کارکنان جلوگیری شود (همانطور که در پیوست یک توضیح داده شده است).

برای مثال، کتابخانه‌ها و انجمن‌های کتابداری می‌توانند با محققان و توسعه‌دهندگان هوش مصنوعی تعامل داشته باشند تا برنامه‌هایی را به‌طور خاص برای استفاده در کتابخانه و/یا در پاسخ به نیازهای کاربر ایجاد کنند، از جمله با ایجاد خدمات قابل دسترس که قبلاً امکان‌پذیر نبوده است.

استفاده از فناوری‌های هوش مصنوعی در کتابخانه‌ها باید تابع استانداردهای اخلاقی روشن باشد، مانند استانداردهایی که در آیین‌نامه اخلاقی ایفلا برای کتابداران و سایر کارکنان اطلاعاتی بیان شده است. به عنوان مثال، برنامه‌های کاربردی هوش مصنوعی که به جمع‌آوری داده‌های گسترده – مانند نرم‌افزار تحلیل رفتار برای ارزیابی عملکرد – متکی هستند، نباید گزینه‌های حریم خصوصی کاربران یا ملاحظات حقوقی را نادیده بگیرند (مشخصات بیشتر در پیوست یک)

کتابخانه‌ها می‌توانند به کاربران درباره هوش مصنوعی آموزش دهند و به آنها کمک کنند در جامعه‌ای که از هوش مصنوعی بیشتر استفاده می‌کند، پیشرفت کنند.

تعداد فزاینده‌ای از ابتکارات دولت‌ها و سازمان‌های مدنی با هدف آموزش عموم درباره هوش مصنوعی و پیامدهای اجتماعی استفاده از آن است. کتابخانه‌ها منبع معتمد و معتبری از دانش هستند و می‌توانند به گسترش این تلاش‌ها به جوامع خود کمک کنند.

امروزه، بسیاری از کتابخانه‌ها برای کمک به مشتریان خود کار می‌کنند تا شایستگی‌های سواد دیجیتال شامل توانایی استفاده معنادار از فناوری، از مهارت‌های اولیه فناوری اطلاعات تا توانایی‌های خلاقانه – ایمن، اخلاقی و قانونی را توسعه دهند. این تلاش‌ها را می‌توان برای ارتقای سواد الگوریتمی گسترش داد – درک اینکه چگونه الگوریتم‌ها و سایر فرآیندهای دیجیتال بر نحوه دسترسی و دریافت اطلاعات کاربران تأثیر می‌گذارند.

برای مثال، کتابخانه‌های عمومی می‌توانند موقعیت مناسبی برای ارائه چنین آموزش‌هایی به عموم مردم داشته باشند (پیوست2)، اما این امر می‌تواند به سرمایه‌گذاری قابل توجهی در زمان و منابع و همچنین ارتقای مهارت از سوی کتابداران نیاز داشته باشد. بنابراین، کتابداران باید در این تلاش‌ها حمایت شوند – و همچنین می‌توانند با سایر سازمان‌ها یا بخش‌ها برای کمک به ارائه آموزش الگوریتمی و سواد دیجیتالی شریک شوند (بیشتر در پیوست2 توضیح داده شده است).

کتابخانه‌ها همچنین می‌توانند با کمک به کاربران خود در درک هوش مصنوعی، آنها را قادر سازند تا در بحث‌های خط‌مشی درباره معنای استفاده از هوش مصنوعی «به‌خوبی» شرکت کنند و اینکه کدام موارد استفاده برای عموم اخلاقی و مطلوب است.

به طور گسترده‌تر، کتابخانه‌ها می‌توانند نقشی در کمک به کاربران خود برای سازگاری با برخی از تغییرات احتمالی در بازار کار ناشی از هوش مصنوعی ایفا کنند. یادگیری مادام‌العمر این پتانسیل را دارد که نقش مهمی در کمک به افراد در مدیریت تغییر نیازمندی‌های مهارتی یا انتقال شغلی ایفا کند. ابزارها و خدماتی که کتابخانه‌ها ارائه می‌کنند می‌توانند فرصت‌های یادگیری مادام‌العمر عادلانه، به‌ویژه برای جمعیت‌های آسیب‌پذیر یا به حاشیه رانده شده را فراهم کنند. برای مثال، کلاس‌های رایگان سواد دیجیتال و مهارت‌های فناوری اطلاعات که بسیاری از کتابخانه‌ها ارائه می‌دهند، ممکن است اهمیت فزاینده‌ای پیدا کنند، زیرا این مهارت‌ها بیش از هر زمان دیگری بر قابلیت استخدام تأثیر می‌گذارند.

سواد هوش مصنوعی

کتابخانه‌ها می‌توانند از پژوهش‌های هوش مصنوعی با کیفیت بالا و اخلاقی پشتیبانی کنند.

بسیاری از نگرانی‌های اخلاقی و فراگیر فعلی مرتبط با پژوهش‌ها و برنامه‌های کاربردی هوش مصنوعی از داده‌های آموزشی ناقص، نادرست یا مغرضانه (“زباله در داخل، زباله بیرون”) ناشی می‌شوند. کتابداران آموزش دیده می توانند تخصص خود را در زمینه ذخیره‌سازی داده‌ها و صدور مجوز، ارزیابی کیفیت داده‌ها، و ذخیره‌سازی اطلاعات ایمن و اخلاقی برای کمک به محققان برای رفع برخی از نگرانی‌های مربوط به داده‌ها به کار گیرند.

کتابخانه‌ها همچنین می‌توانند از پژوهش و توسعه اخلاقی هوش مصنوعی از طریق گزینه‌های انتخابی خود پشتیبانی کنند: فناوری‌های هوش مصنوعی را خریداری کنید که استانداردهای اخلاقی برای حفظ حریم خصوصی و فراگیر بودن را رعایت می‌کنند. این امر هم اعتماد کاربران را به کتابخانه ها تایید می‌کند و هم با افزایش تقاضا برای فناوری های هوش مصنوعی اخلاقی، پیامی را به حوزه پژوهش‌های هوش مصنوعی ارسال می‌کند.

کتابخانه‌ها برای سازگاری موفقیت‌آمیز به چه چیزی نیاز دارند؟

ماهیت دگرگون‌کننده هوش مصنوعی به این معناست که کتابخانه‌ها باید در موقعیتی باشند که بتوانند از منابع جدیدبه عنوان تغییرات چشم‌انداز فناوری استفاده کنند و خدمات خود را مطابق با نیازهای متغیر جامعه تنظیم کنند.

برای این منظور، کتابداران ممکن است با آگاهی بیشتر از چشم انداز فناوری بهره مند شوند. از آنجایی که هوش مصنوعی می تواند به طور قابل توجهی به اشتغال در این بخش تغییر شکل دهد، ممکن است برای سازگاری با تغییرات احتمالی در نقش‌هایشان در محل کار، به آموزش نیز نیاز داشته باشند. قابل توجه است که کتابخانه‌ها در بخش‌های مختلف ممکن است به‌طور متفاوتی تحت تأثیر قرار گیرند – برای مثال، کتابخانه‌های دولتی، حقوقی و سایر کتابخانه‌های تخصصی ممکن است بیشتر بر ارائه خدمات مبتنی بر دانش متمرکز شوند.

کتابخانه‌ها باید قوانین، زیرساخت‌ها و فناوری لازم را داشته باشند تا بتوانند هوش مصنوعی را بپذیرند و از آن استفاده کنند. استثناهای متن و داده‌کاوی تحت چارچوب کپی‌رایت برای اجازه دادن به کتابخانه ها برای ادامه انجام ماموریت خود و مشارکت فعال در جامعه هوش مصنوعی بسیار مهم است.

توصیه‌ها

بر اساس موارد فوق، ایفلا توصیه‌های زیر را به دولت‌ها، کتابخانه‌ها و انجمن‌های کتابداری ارائه می‌کند:

دولت ها (و سازمان های بین دولتی، در صورت لزوم) باید:

  • – استثناهای متن و داده کاوی را در چارچوب های کپی رایت لحاظ کنید
  • – اطمینان حاصل کنید که کتابخانه‌ها یا شبکه‌های کتابخانه‌ای زیرساخت‌ها و فن‌آوری‌های لازم را برای سازگاری و استفاده از فناوری‌های هوش مصنوعی دارند.
  • – اطمینان حاصل کنید که هر مقررات مربوط به هوش مصنوعی از اصول حریم خصوصی یا برابری محافظت می کند، و اجازه می دهد تا تلاش هایی انجام شود که از اهداف نوآوری و منافع عمومی حمایت می کند.
  • – اطمینان حاصل شود که کتابخانه ها در توسعه و اجرای برنامه ها و استراتژی های هوش مصنوعی بین بخشی گنجانده شده اند.

انجمن‌های کتابداری و مربیان آموزش کتابخانه باید:

  • – به کتابداران کمک کنید تا تأثیر هوش مصنوعی و ارتباط آن با اصول اخلاقی و حریم خصوصی را درک کنند. مربیان آموزش کتابخانه‌ای باید اطمینان حاصل کنند که کتابداران می‌توانند مهارت‌ها و شایستگی‌های دیجیتالی مناسب را توسعه دهند.
  • – از کتابخانه‌ها برای ایفای نقش بزرگ‌تری در تکامل سیستم آموزشی دفاع کنید، زیرا آنها با تغییرات بازار کار که هوش مصنوعی می‌تواند ایجاد کند، سازگار می‌شوند.
  • -با محققان و توسعه‌دهندگان هوش مصنوعی تعامل کنید تا برنامه هایی را برای استفاده از کتابخانه توسعه دهند که با استانداردهای اخلاقی و حریم خصوصی مطابقت داشته باشد و به طور خاص نیازهای کتابخانه و کاربران کتابخانه را برطرف کند.
  • – به عنوان انجمنی برای تبادل بهترین شیوه‌ها در مورد استفاده اخلاقی از فناوری‌های هوش مصنوعی در کتابخانه‌ها عمل کنید.

کتابخانه‌ها باید در صورت امکان و مناسب:

  • – به مشتریان خود کمک کنید تا سوادهای دیجیتالی را توسعه دهند که شامل درک نحوه عملکرد هوش مصنوعی و الگوریتم‌ها و سوالات مربوط به حریم خصوصی و اخلاقی است.
  • – به تمرکز تلاش‌ها بر تسهیل یادگیری مادام‌العمر و در صورت امکان، ارائه خدمات به بیکاران ادامه دهید.
  • – اطمینان حاصل شود که هرگونه استفاده از فناوری‌های هوش مصنوعی در کتابخانه‌ها باید تابع استانداردهای اخلاقی واضح باشد و از حقوق کاربران آنها محافظت کند.
  • – فناوری‌هایی را تهیه کنید که به الزامات حقوقی و اخلاقی حریم خصوصی و دسترسی پایبند باشند.

هوش مصنوعی:کتابخانه‌ها در خط مقدم هوش مصنوعی

Loading

هوش مصنوعی:کتابخانه‌ها در خط مقدم هوش مصنوعی

/0 دیدگاه /در , /توسط

چکیده

متن زیر مربوط به پیوست سوم بیانیه ایفلا درباره کتابخانه‌ها و هوش مصنوعی ( IFLA Statement on Libraries and Artificial Intelligence) است. هوش مصنوعی در بسیاری از جنبه‌های جامعه، از جمله روش کار افراد و دسترسی به اطلاعات، ظرفیت تحول‌آفرینی دارد. برای کتابخانه‌ها مهم است که سازگار شوند تا بتوانند از راه‌حل‌های فن‌آوری جدید استفاده کنند و خدمات خود را برای برآوردن نیازهای متغیر جامعه تطبیق دهند. بیانیه ایفلا نقش‌های کلیدی کتابخانه‌ها را در جامعه‌ای که از هوش مصنوعی استفاده می‌کنند، مشخص کرده است. و در سرتاسر جهان، برخی از کتابخانه‌ها و سازمان‌های کتابخانه‌ای در حال حاضر مشغول افزایش آگاهی و سواد هوش مصنوعی، توسعه و کار با هوش مصنوعی، و شرکت در بحث‌های پیرامون تأثیر آن بر بخش کتابخانه و فراتر از آن هستند. هدف این پیوست برجسته کردن برخی از تلاش‌های کتابخانه‌هایی است که تا به امروز انجام شده است.

ترجمه این پیوست توسط  دکتر مریم اسدی انجام شده است.

بخش 1 – تأمل در نقش کتابخانه‌ها در دنیای هوش مصنوعی

فوروم ملی 2018 که توسط فدراسیون انجمن‌های کتابخانه‌های کانادا (CFLA-FCAB) سازماندهی شد، پیامدهای هوش مصنوعی را برای بخش کتابخانه و فراتر از آن بررسی کرد. شرکت‌کنندگان در مورد اینکه چگونه کتابخانه‌ها می‌توانند به اطمینان از تأثیر مثبت هوش مصنوعی بر جامعه کمک کنند، و اینکه چگونه CFLA-FCAB می‌تواند از آنها حمایت کند و برای دستیابی به این هدف با شرکا همکاری کند، بحث کردند. به‌عنوان مثال بحث‌ها، به اهمیت مجهز کردن کارکنان کتابخانه و دانشجویان علوم کتابداری و اطلاع‌رسانی به درک اولیه از هوش مصنوعی و به نقشی که کتابخانه‌ها می‌توانند در آموزش عموم مردم درباره هوش مصنوعی ایفا کنند، اشاره کردند.

ملاحظات مشابهی ابتکار شورای کتابخانه‌های شهری را برای پیشبرد نقش کتابخانه‌ها در آمریکای شمالی در ارتقای شهروندی دیجیتال و حکمرانی عادلانه داده‌ها در عصر هوش مصنوعی هدایت کرده است. به عنوان اولین گام، کارگروهی تشکیل شد تا بررسی کند که چگونه کتابخانه‌ها می‌توانند برای به حداکثر رساندن مزایای بالقوه اجتماعی و به حداقل رساندن خطرات هوش مصنوعی همکاری کنند.

گام‌های بعدی که توسط شورای کتابخانه‌های شهری مشخص شده است شامل توسعه تعاریف و چارچوب‌های هوش مصنوعی است که نقش کتابخانه‌ها را در ارتقای دسترسی عادلانه به اطلاعات و آموزش در هوش مصنوعی، تسهیل تبادل شیوه‌ها و بینش‌های خوب و موارد دیگر ارتقا می‌دهد. فعالیت‌های اخیر شورای کتابخانه‌های شهری، برای مثال شامل، میزبانی یک وبینار است که بر نقش کتابخانه‌های عمومی به‌عنوان مربی در مواجهه با هوش مصنوعی، با عنوان «هوش مصنوعی، سواد الگوریتمی و نقش‌های کتابخانه‌ها» تمرکز دارد. و میزبانی یک فوروم در زمینه هوش مصنوعی و شهروندی دیجیتال.

بخش 2 – کتابخانه‌ها و سواد هوش مصنوعی

در هلند، کتابخانه‌های عمومی این فرصت را دارند که با حمایت طرح ملی دوره هوش مصنوعی، سواد هوش مصنوعی را بالا ببرند. سازمان‌های هلندی AI for Good Netherlands، Elephant Road و مرکز نوآوری برای هوش مصنوعی یک دوره آموزشی گسترده آنلاین را برای کمک به عموم مردم برای درک بهتر هوش مصنوعی ایجاد کرده‌اند، با مشارکت کتابخانه‌ها، ترویج دوره و کمک به افراد بیشتری برای شرکت در آن. به عنوان مثال، زمانی که نسخه Junior MOOC در سپتامبر 2019 معرفی شد، 16 کتابخانه در سراسر کشور در راه اندازی آن شرکت کردند و کلاس هایی را برای عموم برای شرکت در دوره آنلاین برگزار کردند.

فدراسیون انجمن‌های کتابخانه‌های کانادا، کتابخانه دانشگاه رایرسون و کتابخانه عمومی تورنتو، اخیراً پروژه هوش مصنوعی برای همه کانادا را راه اندازی کرده‌اند – پروژه‌ای با هدف توسعه یک برنامه هوش مصنوعی و سواد الگوریتمی که می‌تواند در کتابخانه‌های عمومی سراسر کانادا اجرا شود.

کتابخانه‌های شخصی نیز طرح‌های سواد و افزایش آگاهی را اجرا می‌کنند. برای مثال، کتابخانه عمومی تورنتو، یک حلقه یادگیری برای افرادی که نسخه بین‌المللی فنلاندی عناصر AI MOOC را دنبال می‌کنند، ارائه می‌کند. چکیده‌ای از شورای کتابخانه‌های شهری، سایر ابتکارات یادگیری را با تمرکز بر هوش مصنوعی در کتابخانه‌های عمومی در آمریکای شمالی برجسته می‌کند. به عنوان مثال، اینها شامل برنامه‌های بحث و گفتگو در مورد آگاهی هوش مصنوعی و شهروندی دیجیتال در کتابخانه عمومی میامی-داد و کتابخانه عمومی دی سی است.

کتابخانه عمومی فریسکو در ایالات متحده، در کنار دوره‌های آموزشی هوش مصنوعی، کیت‌های سازنده هوش مصنوعی را ارائه می‌دهد. برمبنای کیت Google AIY Voice Project، یک کیت سازنده هوش مصنوعی کتابخانه‌ای حاوی یک بلندگوی «هوشمند» (جعبه‌ای با رایانه سطح پایه Raspberry Pie و یک بلندگوی کوچک) و یک کتاب آموزشی است. کاربران کتابخانه می‌توانند این کیت را بررسی کنند و یاد بگیرند که چگونه دستگاه را برای درک دستورات صوتی، با استفاده از زبان برنامه نویسی پایتون، کدنویسی کنند.

بخش 3 – هوش مصنوعی در کتابخانه

از «باغ‌وحش‌های حیوانات خانگی» که به کاربران اجازه می‌دهد با فناوری‌های جدید آشنا شوند تا ارائه خدمات روزمره، فناوری‌های هوش مصنوعی در کتابخانه‌های سراسر جهان برای اهداف گسترده‌ای استفاده می‌شوند. برخی از این فناوری ها – به ویژه آنهایی که در حوزه مدیریت دانش فعالیت می‌کنند – از سوی خود کتابخانه‌ها توسعه یافته‌اند.

برای مثال، کتابخانه ملی نروژ با استفاده از یادگیری ماشینی خودکارسازی طبقه‌بندی اعشاری دیویی را آزمایش کرده است. به ویژه، کتابخانه به اهمیت نبود سوگیری در هنگام معرفی اسناد اضافی در مجموعه داده‌های خود اشاره کرده است.

همچنین نمونه‌هایی از کتابخانه‌های دانشگاهی وجود دارد که در راه‌اندازی برنامه‌های هوش مصنوعی یا با واحدهای دیگر همکاری می‌کنند. استودیوی هوش مصنوعی کتابخانه دانشگاه استنفورد در حال توسعه پروژه‌هایی برای بررسی کاربرد هوش مصنوعی در کتابخانه‌ها برای پردازش اطلاعات داخلی و کشف و تحلیل مجموعه کتابخانه‌ها است. دانشگاه رودآیلند یک آزمایشگاه هوش مصنوعی را در کتابخانه دانشگاه راه اندازی کرد و بر گشودگی آن برای کارکنان و دانشجویان و همچنین جامعه تحقیقاتی گسترده‌تر رودآیلند تأکید کرد. هملت، یک سیستم مجهز به شبکه عصبی، یک رابط‌کاربری کشف کتابخانه تجربی برای مجموعه پایان‌نامه‌های MIT است.

مرکز بورس‌های دیجیتالی کتابخانه‌های دانشگاه سینسیناتی در برنامه‌های کاربردی یادگیری ماشین تخصص دارد. به عنوان مثال، نمونه‌هایی از کار آنها شامل تحلیل شبکه توییتر جنبش‌های عدالت اجتماعی است.

کتابخانه مرکزی هلسینکی Oodi، یک برنامه تلفن همراه مجهز به هوش مصنوعی را برای کاربران کتابخانه معرفی کرده است که برای ارائه پیشنهادهای مطالعه و کمک به کشف مجموعه کتابخانه طراحی شده است. نکته مهم این است که در ابتدای پروژه در سال 2018، تصمیم گرفته شد که اطلاعات شخصی کاربران جمع‌آوری نشود. در سراسر جهان، کتابخانه‌ها شروع به استفاده از ربات‌های مجهز به هوش مصنوعی برای مقاصد مختلف، از پاسخ به سؤالات راهنما گرفته تا نقش همراهی در مطالعه، کرده‌اند.

Loading