Building a Custom Taxonomy of AI Skills and Tasks from the Ground Up with Job Postings
تقدم هذه الورقة TaxonomyBuilder، وهو إطار عمل يثبت أن تصفية بيانات منشورات الوظائف قبل معالجتها تؤدي إلى تصنيفات مهارات ذكاء اصطناعي أكثر وضوحاً وتخصصاً في المجال مقارنة باستخدام مجموعات نصوص غير مصفاة مع أدوات تجميع معززة بالنماذج اللغوية الكبيرة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول تنظيم مكتبة ضخمة وفوضوية تحتوي على ملايين الكتب حول الذكاء الاصطناعي (AI). هدفك هو إنشاء خريطة واضحة وسهلة القراءة (تصنيف - Taxonomy) تساعد الناس في العثور بالضبط على ما يحتاجون إليه: مهارات ومهام محددة في مجال الذكاء الاصطناعي.
قام مؤلفو هذه الورقة البحثية، ستيفن ميسيناباخر وبيتر نورلاندر، ببناء أداة جديدة تسمى TAXONOMYBUILDER للقيام بهذه المهمة تلقائيًا. وقد اختبروها باستخدام كومتين ضخمتين من البيانات الواقعية: ملايين الإعلانات الوظيفية من سوق العمل في الولايات المتحدة.
إليك قصة ما وجدوه، مشروحة ببساطة:
المشكلة: فخ "الأكثر هو الأفضل"
عادةً، عندما يحاول الناس تنظيم فوضى عارمة، تكون غريزتهم هي رمي كل شيء في المزيج. يعتقدون: "إذا ضمنت المزيد من الإعلانات الوظيفية، فستكون خريطتي أكثر اكتمالاً". قد يحاولون حتى نسخ ولصق جمل متشابهة لجعل الكومة أكبر حتى (وهي عملية تسمى تعزيز البيانات - Data Augmentation).
سأل المؤلفون: هل هذا مفيد حقاً؟ أم أنه يجعل المكتبة أكثر فوضوية فحسب؟
التجربة: الطبخ بمكونات مختلفة
لإيجاد الإجابة، أجروا 24 تجربة مختلفة باستخدام أداذلة TAXONOMYBUILDER. قاموا بتغيير ثلاثة "مكونات" رئيسية في وصفتهم:
- تعزيز البيانات (الإضافة): هل أضافوا جملًا إضافية مشابهة إلى المزيج لجعل مجموعة البيانات أكبر؟
- التصفية (إزالة الضجيج): هل تخلصوا من أوصاف الوظائف "الأضعف" أو الأكثر غموضاً، محتفظين فقط بأفضل 25% أو 50% أو 75% من الأوصاف الأكثر وضوحاً؟
- التجميع الناعم (التجميع الضبابي - Soft Clustering): هل أجبروا العناصر "المزعجة" التي لم تتناسب تماماً مع مجموعة ما على الانضمام إليها على أي حال، فقط من باب الاحتياط؟
المفاجأة الكبرى: الأقل هو الأكثر
كانت النتائج غير متوقعة. اكتشف الفريق أن إضافة المزيد من البيانات جعلت الخريطة أسوأ بالفعل.
- خطأ "التعزيز": عندما أضافوا بيانات إضافية لجعل الكمة أكبر، أصبحت الخريطة الناتجة مربكة وأقل دقة. كان الأمر أشبه بمحاولة تنظيم مكتبة عبر إضافة المزيد من الكتب التي ليست سوى نسخ مختلفة قليلاً من نفس القصة؛ لقد خلق ذلك مجرد فوضى.
- نجاح "التصفية": أفضل الخرائط تم إنشاؤها عندما كانوا صارمين. لقد تخلصوا من أوصاف الوظائف الغامضة ومنخفضة الجودة (محتفظين فقط بأفضل 75% أو 50% من البيانات الجيدة). من خلال إزالة "الضجيج"، استطاع الذكاء الاصطناعي رؤية الأنماط الواضحة بشكل أفضل بكثير.
- دقة "التجميع الناعم": إجبار العناصر الفوضوية على الانضمام إلى مجموعات ساعد فقط إذا لم يكونوا قد أضافوا بيانات إضافية في المقام الأول. إذا أضافوا بيانات إضافية، فإن إجبار العناصر الفوضوية على الانضمام جعل الأمور تسوء.
التشبيه: اختبار تنقيب الذهب
تخيل أنك تنقب عن الذهب (مهارات الذكاء الاصطناعي) في نهر هائل (الإعلانات الوظيفية).
- الطريقة القديمة: تقوم بغرف كل دلو من الماء والطين والصخور يمكنك العثود إليه، على أمل الحصول على المزيد من الذهب. ينتهي بك الأمر بكومة ضخمة موحلة حيث يستحيل رؤية الذهب.
- الطريقة الجديدة (ما وجده TAXONOMYBUILDER): تقوم بتصفية المياه بعناية أولاً. ترمي الدلاء الطينية عديمة الفائدة (التصفية). تحتفظ فقط بالدلاء التي تبدو واعدة. ثم تقوم بتنقيب تلك الدلاء. ينتهي بك الأمر بكومة أصغر، ولكنها ذهب خالص.
الخلاصة
تخلص الورقة البحثية إلى أنه عند بناء خريطة للمهارات المعقدة من كميات هائلة من النصوص، فإن الجودة تغلب الكمية.
- لا تحاول تضمين كل قطعة بيانات يمكنك العثور عليها.
- افعل كن انتقائياً. قم بتصفية المعلومات الضعيفة أو المزعجة.
- افعل اجعل الذكاء الاصطناعي يركز على الأمثلة الواضحة وعالية الجودة لبناء خريطة مفيدة وسهلة الفهم حقاً.
باختختصار: إذا كنت تريد خريطة واضحة لسوق عمل الذكاء الاصطناعي، فأنت لست بحاجة لقراءة كل إعلان وظيفي موجود. أنت تحتاج فقط لقراءة أفضل الإعلانات بعناية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.