التعليق المسبق باستخدام LLM والرؤية

يستخدم التعليق المسبق نموذجًا لاقتراح تصنيفات يتحقق منها الإنسان بعد ذلك أو يصحّحها. فمراجعة اقتراح جيد أسرع كثيرًا من التصنيف من الصفر، ولذلك يمكن للتعليق المسبق أن يقلّص زمن التعليق إلى حد كبير، ما دمت تُبقي إنسانًا ضمن الحلقة. هذا هو التعلّم الآلي القائم على الإنسان ضمن الحلقة.

يتضمّن Potato دعمًا مدمجًا للذكاء الاصطناعي يشمل OpenAI وClaude وGemini وOllama وغيرها.

كيف يعمل التعليق المسبق

1. يتنبّأ نموذج (LLM، أو نموذج رؤية للصور) بتصنيف لكل عنصر.
2. يُعرض التنبؤ على المُعلّق كاقتراح مُعبّأ مسبقًا أو كخيار مُبرَز.
3. يؤكّده المُعلّق أو يصحّحه.
4. التصنيف الذي تم التحقق منه، وليس المُخرَج الخام للنموذج، هو ما يصبح بياناتك.

كيفية تفعيله

ai_support:
  enabled: true
  endpoint_type: openai      # or anthropic, gemini, ollama, ...
  ai_config:
    model: gpt-4
    api_key: ${OPENAI_API_KEY}
    temperature: 0.3

يقدّم Potato عدة أساليب:

• التصنيف بالتعلّم في السياق: يصنّف النموذج العناصر انطلاقًا من أمثلة قليلة في الموجّه، ثم يتحقق منها الإنسان.
• إبراز الخيارات: يختار النموذج مسبقًا التصنيفات التي يرى أنها الأرجح، فيؤكّدها المُعلّق بدل البحث عنها.
• دعم الذكاء الاصطناعي البصري: تقترح نماذج الرؤية (GPT-4V أو Claude أو Gemini، أو كاشف مثل YOLO) تصنيفات الصور وأطرها.

الخطر: التحيّز نحو الأتمتة

خطر التعليق المسبق هو التحيّز نحو الأتمتة: إذ يصادق المُعلّقون آليًا على اقتراحات النموذج، فيُدخلون أخطاءه إلى بياناتك "المرجعية". احترس من ذلك:

• أبقِ المعايير المرجعية قيد التشغيل كي تتمكّن من رصد القبول الأعمى.
• لا تُعبّئ مسبقًا العناصر التي تستخدمها لقياس الاتفاق؛ قِس على عناصر بلا اقتراحات.
• استخدم الاقتراحات منخفضة الثقة بوصفها تلميحات لا قيمًا افتراضية في الحالات الصعبة.

التعليق المسبق مقابل التعلّم النشط

يجعل التعليق المسبق كل تصنيف أسرع. أما التعلّم النشط فيجعل كل تصنيف أكثر قيمة عبر اختيار العناصر التي تُصنَّف تاليًا. وهما يتكاملان جيدًا.

قراءات إضافية

• مرجع ميزة دعم الذكاء الاصطناعي
• التعلّم النشط للتعليق
• الوضع الفردي، سير عمل موجَّه يجمع الإنسان مع LLM