مقایسه ChatGPT و Grok در پاسخ به چالش‌های روزمره زندگی؛ هوش مصنوعی گراک شگفتی‌ساز شد

مدل‌های ChatGPT و Grok دو نام بسیار بزرگ در دنیای هوش مصنوعی به شمار می‌روند؛ اما در حل مسائل روزمره و واقعی، به‌ویژه برای نسل میانسال و سالمند، کدام‌یک عملکرد بهتری دارند؟ برای رسیدن به پاسخی روشن، مجموعه‌ای از پرسش‌های واقعی که ممکن است والدین، بستگان و افراد سالمند در زندگی روزمره با آن‌ها مواجه شوند، انتخاب و مورد ارزیابی قرار گرفت.

از تشخیص پیامک‌های مشکوک پستی گرفته تا درک شرایط پیچیده بیمه، برنامه‌ریزی برای تهیه شام‌های اقتصادی و انتخاب یک گوشی هوشمند جدید، پنج پرامپت یکسان بر اساس موقعیت‌های واقعی زندگی به هر دو چت‌بات داده شد تا مشخص شود کدام ابزار می‌تواند بدون پیچیده‌کردن بی‌دلیل موضوعات، مشاوره‌ای شفاف، دقیق و واقعاً کاربردی ارائه دهد.

نتایج این آزمایش فراتر از انتظار بود؛ یکی از چت‌بات‌ها در پرداختن به جزئیات اجرایی بسیار دقیق‌تر عمل کرد، در حالی که دیگری به‌خوبی می‌دانست در چه موقعیت‌هایی، ارائه اطلاعات کمتر و مختصرتر در عمل برای کاربر مفیدتر و قابل‌فهم‌تر است. در ادامه، مقایسه این دو مدل در سناریوهای مختلف را بررسی می‌کنیم.

۱. آزمون پیامک مشکوک

پرامپت: من همین الان این پیامک را دریافت کردم: «پست: بسته شما به دلیل نقص آدرس تحویل داده نشد. اطلاعات خود را ظرف ۲۴ ساعت در usps-redelivery-help.com به‌روزرسانی کنید، در غیر این صورت بسته شما مرجوع خواهد شد.» من این هفته منتظر رسیدن یک بسته پستی هستم. آیا این پیامک معتبر است؟ بدون استفاده از اصطلاحات پیچیده فنی توضیح بده چطور می‌توان متوجه این موضوع شد، قدم بعدی من باید چه باشد و اگر روی لینک کلیک کنم چه اتفاقی ممکن است بیفتد.

پاسخ Grok: چت‌بات گراک به درستی پاسخ داد، دامنه جعلی را شناسایی کرد و به زبان شفاف روند پیگیری بسته‌ها در سیستم پستی رسمی را توضیح داد. همچنین به امکان گزارش این پیامک به مراجع بازرسی پستی و کمیسیون فدرال تجارت (FTC) اشاره کرد، اما بر خلاف رقیب خود، هیچ راهنمایی مشخص، شماره تلفن یا نشانی ایمیلی برای اقدام عملی ارائه نداد.

پاسخ ChatGPT: مدل ChatGPT فوراً هشدار داد که این پیامک تقریباً با قطعیت یک کلاهبرداری است و تأکید کرد که نباید روی لینک کلیک شود. این چت‌بات با استفاده از یک جدول شفاف و خوانا، سناریوهای مختلف را گام‌به‌گام تفکیک کرد (از جمله کلیک روی لینک بدون وارد کردن اطلاعات، در برابر ورود اطلاعات پرداخت یا دانلود بدافزار). این مدل همچنین ترفند اصلی کلاهبرداران یعنی درخواست دریافت «کارمزد جزئی برای ارسال مجدد» را با هدف سرقت اطلاعات کارت بانکی برملا کرد و توضیح داد اداره پست چنین هزینه‌ای دریافت نمی‌کند. علاوه بر این، کانال‌های رسمی گزارش تخلف شامل فوروارد پیام به شماره ۷۷۲۶ (SPAM) و ارسال ایمیل به spam@uspis.gov را در اختیار کاربر قرار داد.

برنده این مرحله: ChatGPT به دلیل ارائه پاسخی جامع‌تر، کاربردی‌تر و دقیق‌تر که تمام بخش‌های پرامپت را پوشش داد و هم‌زمان لحنی ساده و قابل‌فهم داشت، برنده این آزمون شد.

۲. آزمون پیچیدگی‌های بیمه درمانی (Medicare)

پرامپت: من سال آینده ۶۵ ساله می‌شوم و هیچ شناختی از بیمه مدیکر ندارم. تفاوت بخش‌های A، B، C و D را طوری برایم توضیح بده که انگار داریم کنار هم قهوه می‌نوشیم و صحبت می‌کنیم. تفاوت بیمه اصلی با بیمه تکمیلی (Medicare Advantage) چیست؟ سه اشتباه پرهزینه که باید از آن‌ها دوری کنم کدام‌اند؟ پاسخ را در کمتر از ۴۰۰ کلمه بنویس و بگو قبل از ثبت‌نام چه اطلاعاتی را باید بررسی کنم.

پاسخ Grok: مدل گراک پاسخ خود را کاملاً زیر سقف ۴۰۰ کلمه نگه داشت، لحن صمیمی و دوستانه را عالی پیاده کرد و ارقام مالی دقیقی مثل پیش‌بینی حق بیمه ماهانه حدود ۲۰۳ دلار برای سال ۲۰۲۶ را در متن گنجاند.

پاسخ ChatGPT: این مدل پاسخ قابل‌قبولی ارائه داد اما محدودیت تعداد کلمات را زیر پا گذاشت. همچنین با ساختاری خشک شبیه راهنماهای متداول و جدولی همراه با متاداده‌های اضافی ظاهر شد که برای یک کاربر عادی نه تنها کمکی نمی‌کرد، بلکه غیرضروری به نظر می‌رسید.

برنده این مرحله: Grok به دلیل اجرای بی‌نقص دستورالعمل‌های خاص پرامپت و وفاداری به سقف کلمات، در این بخش پیروز شد.

۳. چالش بودجه‌بندی خرید خواربار

پرامپت: من می‌خواهم برای ۵ شب این هفته برای دو فرد بزرگسال شام درست کنم و کل بودجه‌ام برای خرید خواربار ۶۵ دلار است. ما غذای دریایی نمی‌خوریم و نمی‌خواهم آماده‌سازی هیچ غذایی بیشتر از ۳۰ دقیقه طول بکشد. ۵ وعده شام متفاوت پیشنهاد بده، یک لیست خرید یکپارچه همراه با تخمین قیمت در سوپرمارکت‌های آمریکا ارائه کن و جمع کل هزینه را نشان بده. برای صرفه‌جویی، از مواد اولیه به‌صورت مشترک در غذاها استفاده کن و فرض نکن من از قبل چیزی در خانه دارم، مگر نمک، فلفل و روغن مایع.

پاسخ Grok: فهرستی مناسب از وعده‌های غذایی آماده کرد و هزینه را پایین نگه داشت، اما در چندین جزئیات کلیدی پرامپت ناموفق بود؛ از جمله اینکه وجود برخی مواد اولیه را از پیش فرض کرد، مقادیر غیرواقعی در نظر گرفت (برای مثال ۱٫۵ پوند مرغ عملاً برای تقسیم بین ۳ وعده غذایی گوشتی پرحجم کافی نیست) و دستور پخت‌های مبهمی ارائه داد.

پاسخ ChatGPT: مدل ChatGPT محدودیت «نبود مواد اولیه در خانه» را با دقت کامل رعایت کرد، طعم‌دهنده‌های لازم را در لیست آورد و جزئیات آماده‌سازی هر وعده را دقیقاً بر اساس اقلام خریداری‌شده طراحی کرد. این چت‌بات یک لیست خرید فوق‌العاده جامع و دقیق با قیمت‌گذاری شفاف تحویل داد.

برنده این مرحله: ChatGPT به دلیل ارائه پاسخی به‌مراتب کاربردی‌تر، دقیق‌تر و متناسب با شرایط واقعی آشپزی، برنده این چالش شد.

۴. دوراهی پیام‌رسانی خانوادگی

پرامپت: دختر بزرگم مدام در آخرین لحظه از من می‌خواهد که از نوه‌هایم نگهداری کنم. من عاشق وقت‌گذرانی با آن‌ها هستم، اما بازنشسته‌ام و برنامه‌های شخصی خودم را دارم. می‌خواهم بدون دلخور کردن او یا القای این حس که تمایلی به کمک ندارم، مرزهای مشخصی تعیین کنم. یک متن پیامک محبت‌آمیز، گرم و در عین حال قاطع بنویس که لحن یک پدر یا مادر واقعی را داشته باشد، نه لحن روان‌درمانگر یا یک ایمیل اداری. متن باید کمتر از ۱۰۰ کلمه باشد.

پاسخ Grok: تعادلی عالی بین لحن محبت‌آمیز و تعیین مرزهای قاطع برقرار کرد («آن‌ها بهترین بخش هفته من هستند... فقط کافی است از قبل کمی هماهنگ کنی تا بتوانم برنامه‌ام را جور کنم»). پیام کاملاً طبیعی و متناسب با ادبیات یک پدر یا مادر در پیامک بود. علاوه بر این، بدون آنکه لحنی متوقعانه یا سرزنش‌آمیز داشته باشد، یک راهکار عملی با انتظاراتی منطقی پیش پای مخاطب گذاشت.

پاسخ ChatGPT: این مدل نیز متنی گرم و محبت‌آمیز تدوین کرد، اما هم محدودیت کلمات و هم لحن درخواستی را زیر پا گذاشت. عبارت‌هایی مثل «اینکه من بازنشسته‌ام به این معنی نیست که همیشه وقتم آزاد است!» کمی حالت نصیحت‌گونه و سرزنش‌آمیز داشت و جمله «باید متوجه باشی که...» ممکن بود در نظر فرزند، نیش‌دار یا حالت دفاعی جلوه کند.

برنده این مرحله: Grok به خاطر رعایت سقف کلمات و اجرای بی‌نظیر لحن طبیعی در پیام، در این بخش پیروز شد.

۵. انتخاب و خرید گوشی هوشمند جدید

پرامپت: من ۶۸ ساله هستم و به یک گوشی هوشمند جدید نیاز دارم. گوشی فعلی‌ام کند شده است و نمی‌خواهم بیشتر از ۵۰۰ دلار هزینه کنم. استفاده من بیشتر شامل عکاسی از نوه‌ها، ارسال پیامک، فیسبوک، تماس تصویری و جستجو در اینترنت است. شارژدهی باتری خوب، صفحه‌نمایشی خوانا و حداقل ۴ سال طول عمر برایم اهمیت دارد. سه گوشی را که در حال حاضر در بازار آمریکا قابل خرید هستند با بیان مزایا و معایب و بدون اصطلاحات پیچیده فنی مقایسه کن و فقط یکی را پیشنهاد بده. قیمت‌های روز و لینک‌های بررسی قیمت را هم درج کن.

پاسخ Grok: این چت‌بات هدف اصلی کاربر را به درستی تشخیص داد و متوجه شد سری گوشی‌های گوگل پیکسل به ثبت تصاویر شفاف و بدون تاری از بازی و شیطنت کودکان معروف هستند؛ بنابراین خرید Google Pixel 9a را پیشنهاد داد. این مدل اصطلاحات پیچیده فنی را به حداقل رساند و قابلیت‌ها را به زبانی ساده شرح داد.

پاسخ ChatGPT: هرچند این مدل توصیه‌های عمومی خوبی ارائه کرد (مانند درخواست از فروشنده برای بزرگ‌تر کردن اندازه فونت متن)، اما در بخش‌های کلیدی پیشنهاد و گزینش منابع دچار تزلزل شد؛ از جمله ارائه پیشنهادهای ضدونقیض و ارجاع به لینک‌های مشکوک از فروشگاه‌های متفرقه.

برنده این مرحله: Grok به دلیل اولویت‌بندی درست نیاز اصلی کاربر، حفظ ساختار ساده و خوانا و ارائه پیشنهادی هوشمندانه‌تر، این آزمون را به نفع خود پایان داد.

برنده نهایی: Grok

پیش از آغاز این مقایسه‌ها، انتظار می‌رفت ChatGPT به‌ویژه در توضیح مباحث پیچیده و راهنمایی برای تصمیم‌گیری‌های روزمره دست بالاتر را داشته باشد؛ در برخی موارد نیز دقیقاً همین‌طور بود. توصیه‌های این مدل برای شناسایی کلاهبرداری پیامکی بسیار جامع‌تر و عملی‌تر بود و برنامه غذایی اقتصادی آن تطابق به‌مراتب بیشتری با واقعیت داشت.

با این حال، مدل Grok با نمایش قابلیتی به همان اندازه مهم شگفتی‌ساز شد: درک درست این موضوع که چه زمانی باید همه‌چیز را ساده نگه داشت. گراک توضیحی بسیار شفاف‌تر و مختصرتر از بیمه ارائه داد، پیام خانوادگی روان‌تر و طبیعی‌تری نوشت و بدون سردرگم‌کردن کاربر با انبوه اطلاعات غیرضروری، گوشی هوشمند مناسب‌تری را پیشنهاد کرد.

برای کسانی که به دنبال راهنماهای پرجزئیات، جداول مقایسه‌ای و تحلیل‌های گام‌به‌گام هستند، چت‌بات ChatGPT همچنان انتخابی بی‌نظیر است؛ اما برای کاربرانی که صرفاً یک پاسخ شفاف، سرراست و قابل‌استفاده در لحظه می‌خواهند، Grok نشان داد که به‌شکل غافلگیرکننده‌ای توانا و کارآمد است.