در لایه زیرساختی که برنامه‌های هوش مصنوعی را پشتیبانی می‌کند، فرمت مارک‌داون به عنوان یک استاندارد جدید در حال ظهور است. ارائه‌دهندگان بیشتری در حال روی آوردن به این ساختار به عنوان خروجی پیش‌فرض برای تمامی داده‌هایی هستند که یک مدل باید آن‌ها را مطالعه کند و بدین ترتیب از فرمت سنتی جی‌سان عبور می‌کنند.
این تحول واقعی و مداوم بازتاب‌دهنده نحوه آموزش مدل‌های زبانی بزرگ، نحوه نمایش پاسخ‌ها در رابط‌های چت و نحوه برنامه‌نویسی توسعه‌دهندگان با در نظر گرفتن توکن‌ها، پنجره‌های محتوا و هزینه‌ها است.
یک کلید API برای هر مدل اصلی هوش مصنوعی — برخی مدل‌ها رایگان هستند.
رایگان امتحان کنیدتطابق مارک‌داون با نحوه عملکرد مدل‌ها
مدل‌های زبانی بزرگ با حجم عظیمی از محتوای مارک‌داون آموزش دیده‌اند. این مدل‌ها به دلیل قرارگیری در معرض مستندات، فایل‌های راهنما، وبلاگ‌های فنی و پایگاه‌های دانش، به راحتی ساختار آن را درک می‌کنند و سرتیترها، فهرست‌ها و جداول را به عنوان سیگنال‌های معنایی پردازش می‌کنند.
از سوی دیگر، از منظر مصرف توکن نیز این فرمت رویکردی بهینه‌تر محسوب می‌شود. این ساختار اضافات ساختاری را حذف کرده و اطلاعات مفید را حفظ می‌کند که برای ایجنت‌های هوش مصنوعی مزیت بزرگی به شمار می‌رود.
توافق ارائه‌دهندگان زیرساخت
ارائه‌دهندگان API و داده‌ها نیز به سمت این فرمت جذب شده‌اند و بسیاری از آن‌ها گزینه‌های بهینه‌سازی‌شده برای مدل‌های زبانی را عرضه می‌کنند.
شرکت SerpApi که یک ارائه‌دهنده داده‌های جستجو است، اخیراً خروجی Markdown را فعال کرده است را در تمامی رابط‌های برنامه‌نویسی خود بدون هزینه اضافی ارائه کرده است. این قابلیت به توسعه‌دهندگان اجازه می‌دهد نتایج جستجو را به جای جی‌سان، در این ساختار سبک دریافت کنند.
بر اساس ارزیابی‌های انجام‌شده، استفاده از این فرمت در مقایسه با جی‌سان می‌تواند به میزان قابل‌توجهی از حجم توکن‌ها بکاهد و هزینه‌های پردازش را کاهش دهد.
چشم‌انداز آینده
در ماه‌های آینده پیش‌بینی می‌شود که ارائه‌دهندگان داده بیشتری خروجی‌های خود را با این ساختار ارائه دهند تا کارایی و سرعت پردازش اطلاعات افزایش یابد.
نتیجه‌گیری
گذار از فرمت‌های سنتی به گزینه‌های کارآمدتر نشان می‌دهد که ساختارهای متن‌باز و سبک جایگاه ثابتی در توسعه هوش مصنوعی پیدا کرده‌اند و به زبان مشترک میان داده‌ها و مدل‌ها تبدیل می‌شوند.
حسام هاشمی 
