چگونه OpenAI با مدل‌های جدید راهی به سوی هوش مصنوعی انسانی‌تر پیدا کرده است؟
به گزارش وبسایت ایروتایم – irotime، با افزایش تقاضا برای هوش مصنوعی پیشرفته و فشار روزافزون بر شرکت‌ها برای ارائه مدل‌های زبان بزرگ (LLM) قوی‌تر، شرکت‌هایی مانند OpenAI و دیگر آزمایشگاه‌های هوش مصنوعی با چالش‌های جدیدی مواجه شده‌اند. این شرکت‌ها در تلاشند تا با بهره‌گیری از روش‌های نوین و انسان‌محور برای الگوریتم‌های خود، محدودیت‌های موجود را پشت سر بگذارند.
چالش‌های بزرگ در توسعه مدل‌های زبان
مدل‌های زبان بزرگ همچنان برای یادگیری نیاز به مقادیر عظیمی از داده‌ها و قدرت پردازش دارند، اما استفاده بی‌پایان از داده‌های بیشتر و سخت‌افزار قوی‌تر به نظر می‌رسد که به نقطه‌ای از اشباع رسیده باشد. ایلیا ساتسکِوِر، از بنیان‌گذاران OpenAI، معتقد است که نتایج پیش‌آموزشی با افزایش تعداد داده‌ها به کندی پیش می‌رود. این محقق همچنین بیان کرده که “دوران افزایش مقیاس به پایان رسیده و اکنون نیازمند کشف و نوآوری هستیم.”
راهکاری جدید برای غلبه بر چالش‌ها: “محاسبات در زمان اجرا”
یکی از روش‌های پیشنهادی محققان برای حل این چالش‌ها، “محاسبات در زمان اجرا” است که به مدل‌ها اجازه می‌دهد در حین استفاده، قدرت پردازشی بیشتری به مسائل پیچیده اختصاص دهند. این روش کمک می‌کند تا مدل‌ها تصمیم‌گیری چندمرحله‌ای و شبیه به انسان را در حل مسائل داشته باشند و بدون نیاز به افزایش مقیاس مدل، عملکرد بهتری از خود نشان دهند.
مدل o1: رویکرد OpenAI برای هوش مصنوعی انسانی‌تر
OpenAI به تازگی مدل جدیدی به نام o1 را عرضه کرده است که از این تکنیک بهره می‌برد. این مدل با “تفکر” در چندین مرحله، پاسخ بهتری ارائه می‌دهد. همچنین از داده‌های بازخوردی جمع‌آوری‌شده از متخصصان استفاده می‌کند تا الگوریتم‌ها به شیوه‌ای انسانی‌تر به مسائل نگاه کنند.
تأثیر بر بازار سخت‌افزار و چشم‌انداز آینده
این تغییرات در روش‌های آموزشی می‌تواند به شکل‌گیری زیرساخت‌هایی جدید برای هوش مصنوعی منجر شود که به جای استفاده از مراکز داده بزرگ، بر سرورهای ابری توزیع‌شده تکیه می‌کنند. چنین تغییری می‌تواند تأثیر قابل‌توجهی بر تقاضای چیپ‌های AI شرکت Nvidia و جایگاه این شرکت در بازار داشته باشد.
