في عصر الذكاء الاصطناعي، يبدو أن الاعتماد على نموذج واحد فقط لم يعد كافياً، حيث بدأ مستخدمو نماذج اللغة متعددة الوسائط (Multimodal Large Language Models) في استخدام نماذج مختلفة تزامناً مع احتياجاتهم المتعددة. لكن ما هو التأثير الفعلي لهذه الممارسات على سير العمل اليومي؟

تُظهر دراسة جديدة أنه مع تزايد استخدام هذه النماذج في الحياة اليومية، يواجه المستخدمون تحديات مختلفة تتعلق بتنسيق العمل بين أنظمة الذكاء الاصطناعي. وكشفت الدراسة، التي شملت مجموعة من المحادثات والدراسات الجماعية لمجموعة من الأشخاص، أن المستخدمين يقومون بتخصيص تجاربهم، باختيار نماذج معينة حسب قوتها النسبية في أداء مهام معينة. وعبروا أيضاً عن كيفية بناء هرمية متغيرة بين النماذج بناءً على السياق المستخدم.

بالإضافة إلى ذلك، طور المستخدمون أنماط تبديل شخصية يعتمدون عليها، مما يساعدهم في ضبط الجهد والوقت المستغرقين في العمل، وضمان موثوقية المخرجات. هذه النتائج تفترض أن المستخدمين بحاجة إلى أدوات تصميم قادرة على دعم تنسيق سير العمل بين عدة نماذج، ما يفتح أفقاً جديداً لمطوري التطبيقات في كيفية تصميم أدوات أكثر تكاملاً وفاعلية.

إذا كنت تستخدم أكثر من نموذج من الذكاء الاصطناعي، ما هي الاستراتيجيات التي تعتمدها لتنسيق عملك؟ شاركنا تجاربك في التعليقات.