پرش به محتوای اصلی
سه‌شنبه ۲۱ مهر ۱۴۰۵به‌روزرسانی: ۴۱ دقیقه پیش
کانال تلگرام
اخبار لحظه‌ای

OpenAI می‌گوید بیشتر پژوهش‌هایش برای GPT-7 و نسل‌های بعد است

Boris Power از OpenAI می‌گوید ۸۰ تا ۹۰ درصد پژوهش‌های این شرکت به مدل‌هایی مانند GPT-7 و GPT-8 اختصاص دارد. او در کنار جهش میان نسل‌ها، بهترشدن راهنمایی کاربران برای استفاده از دستیارهای هوش مصنوعی را نیز یکی از چالش‌های مهم می‌داند.

نویا را به منابع منتخبت در گوگل اضافه کن (در زبانه جدید باز می‌شود)
OpenAI می‌گوید بیشتر پژوهش‌هایش برای GPT-7 و نسل‌های بعد است
فهرست مطالب
  1. ۱چرا OpenAI روی نسل‌های دورتر سرمایه‌گذاری می‌کند؟
  2. ۲بهبودهای کوچک؛ مفید برای یادگیری، نه راهبرد نهایی
  3. ۳از کیفیت مدل تا راهنمایی بهتر کاربران
  4. ۴معنای این اولویت برای مسیر مدل‌های آینده
  5. ۵این خبر برای چه کسانی اهمیت دارد
خلاصه خبر در چند خط
  • به گفته Boris Power، ۸۰ تا ۹۰ درصد پژوهش‌های OpenAI برای GPT-7، GPT-8 و نسل‌های بعد است.
  • بهبودهای میان‌نسلی مانند GPT-5.1 به GPT-5.2 از داده‌های آموزشی تخصصی کمک می‌گیرند.
  • Power می‌گوید چالش اصلی دستیارهای امروز، آگاهی کاربران از توانایی‌های آن‌هاست.
  • او GPT-6 را مدلی توصیف می‌کند که می‌توان هدف را به آن سپرد و انتظار همکاری داشت.

در حالی که به‌روزرسانی‌های مدل‌هایی مانند GPT-5.1 و GPT-5.2 می‌توانند بهبودهای محدود و فوری به همراه داشته باشند، Boris Power، مدیر پژوهش کاربردی OpenAI، می‌گوید بخش عمده پژوهش‌های این شرکت به نسل‌های بعدی اختصاص دارد. به گفته او، ۸۰ تا ۹۰ درصد فعالیت پژوهشی OpenAI از هم‌اکنون برای GPT-7، GPT-8 و مدل‌های پس از آن انجام می‌شود؛ زیرا بخش اصلی ارزش مورد انتظار، به باور او، از جهش‌های نسلی بزرگ‌تر حاصل می‌شود. Power هم‌زمان می‌گوید دشواری مهم دستیارهای هوش مصنوعی امروز فقط توانایی مدل نیست: کاربران بسیاری هنوز نمی‌دانند چگونه از این ابزارها استفاده کنند یا چه کارهایی را می‌توانند به آن‌ها بسپارند.

چرا OpenAI روی نسل‌های دورتر سرمایه‌گذاری می‌کند؟

بر اساس توضیحات Power، پژوهش‌های بلندمدت شرکت بیشتر به آماده‌سازی مدل‌هایی مربوط است که چند نسل با محصولات فعلی فاصله دارند. او سهم این کار را بین ۸۰ تا ۹۰ درصد برآورد می‌کند و می‌گوید بیشترین ارزش از GPT-7، GPT-8 و نسل‌های بعدی می‌آید. این اظهارنظر تصویری از اولویت پژوهشی OpenAI ارائه می‌دهد: بهبودهای کوچک و زودبازده مهم‌اند، اما در نگاه این مدیر، مسیر اصلی پیشرفت به تغییرات بزرگ‌تری وابسته است که با معرفی یک نسل تازه از مدل‌ها رخ می‌دهد.

Power میان دو نوع پیشرفت تمایز می‌گذارد. نوع نخست، تغییرات درون یک نسل است؛ مانند حرکت از GPT-5.1 به GPT-5.2. به گفته او، این بهبودها می‌توانند با استفاده از داده‌های آموزشی تخصصی حاصل شوند. «داده آموزشی» نمونه‌هایی است که در فرایند آموزش برای شکل‌دادن به پاسخ‌ها و توانایی‌های مدل به کار می‌رود. وقتی این داده‌ها برای حوزه یا کار مشخصی تنظیم شوند، می‌توانند زمینه بهبودهای محدودتر را فراهم کنند؛ هرچند Power این نوع سرمایه‌گذاری را کوتاه‌مدت می‌داند.

نوع دوم، جهش میان نسل‌های مدل است. Power این تغییر را مهم‌تر از اصلاحات درون‌نسلی توصیف می‌کند و می‌گوید پس از چنین جهشی، توانایی‌های دیگر نیز بهتر عمل می‌کنند. به بیان او، اثر نسل جدید تنها به یک قابلیت خاص محدود نمی‌ماند و می‌تواند کیفیت کلی عملکرد را بالا ببرد. با این حال، توضیحات منتشرشده جزئیات فنی این جهش‌ها یا برنامه زمانی عرضه مدل‌های نام‌برده‌شده را مشخص نمی‌کند؛ بنابراین اظهارنظر او را باید درباره جهت‌گیری پژوهش‌ها دانست، نه اعلام زمان یا مشخصات محصولات آینده.

بهبودهای کوچک؛ مفید برای یادگیری، نه راهبرد نهایی

با وجود تأکید بر مدل‌های آینده، Power اصلاحات میان‌نسلی را بی‌فایده نمی‌داند. او می‌گوید این تغییرات به OpenAI کمک می‌کنند سریع‌تر تکرار کند و از تجربه‌های فعلی بیاموزد. به این ترتیب، به‌روزرسانی‌های کوچک‌تر می‌توانند در کوتاه‌مدت برای آزمودن مسیرها و بهترکردن محصول به کار بیایند، حتی اگر از نگاه او راه‌حل بلندمدت نباشند.

در توصیف Power، این نوع کار در داخل شرکت گاهی بیش از حد کوته‌بینانه تلقی می‌شود. منظور او این است که تمرکز بر بهبود فوری، در مقایسه با سرمایه‌گذاری روی نسل‌های بعد، افق کوتاه‌تری دارد. با این حال، همین رویکرد کوتاه‌مدت می‌تواند چرخه یادگیری را سریع‌تر کند. تفاوت میان این دو افق، نکته اصلی در سخنان اوست: به‌روزرسانی‌های کوچک ممکن است برای پیشرفت امروز ارزش داشته باشند، اما جای پژوهشی را که به دگرگونی‌های نسل آینده می‌پردازد نمی‌گیرند.

Power همچنین می‌گوید پس از هر جهش نسلی، شرکت باید دوباره ارزیابی کند که کدام سرمایه‌گذاری‌ها می‌توانند در کوتاه‌مدت نتیجه بدهند. یعنی اولویت‌های عملی پس از تغییر مدل ثابت نمی‌مانند و OpenAI ناچار است با توجه به توانایی‌های تازه، دوباره به دنبال فرصت‌های سریع‌تر برای بهبود باشد. در این چارچوب، پژوهش بلندمدت و آزمایش‌های فوری رقیب مطلق یکدیگر نیستند: یکی برای پیشرفت بزرگ‌تر برنامه‌ریزی می‌کند و دیگری به شرکت امکان می‌دهد در فاصله میان نسل‌ها یاد بگیرد.

از کیفیت مدل تا راهنمایی بهتر کاربران

بخش دیگری از اظهارات Power به تجربه استفاده از ChatGPT مربوط است. او چالش اصلی دستیارهای هوش مصنوعی امروز را لزوماً کیفیت مدل نمی‌داند؛ از نظر او، بسیاری از کاربران ChatGPT هنوز نمی‌دانند هوش مصنوعی چه کارهایی می‌تواند انجام دهد. این مسئله، در نتیجه، فقط به بهترشدن پاسخ‌ها محدود نیست و به نحوه معرفی توانایی‌های دستیار به کاربر نیز مربوط می‌شود.

Power می‌گوید مدل‌های آینده باید بهتر بتوانند قابلیت‌های خود را به کاربران نشان دهند و حدس بزنند آن‌ها به چه چیزی نیاز دارند. این توصیف بر تغییر نقش دستیار تأکید دارد: به‌جای آن‌که کاربر همیشه خودش قابلیت مناسب را پیدا کند، مدل باید در روشن‌کردن گزینه‌های ممکن و فهم هدف او نقش فعال‌تری داشته باشد. این اظهارنظر به معنای آن نیست که مدل بتواند بدون خطا نیاز هر کاربر را تشخیص دهد؛ بلکه بیانگر انتظاری است که Power از جهت حرکت نسل‌های بعدی دارد.

او تفاوت میان چند نسل را با میزان راهنمایی موردنیاز از سوی کاربر توضیح می‌دهد. به گفته Power، کار با GPT-4 به نوشتن دستورهای دقیق و سنجیده وابسته بود. GPT-5 استفاده را آسان‌تر کرده، اما کاربر هنوز باید بازخورد زیادی بدهد تا پاسخ به خواسته‌اش نزدیک شود. Power می‌گوید GPT-6 بیش از پیش به همکاری با یک همکار توانمند شباهت دارد: می‌توان هدف را به آن سپرد و انتظار داشت برای رسیدن به آن کمک کند.

این مقایسه، همان‌طور که Power مطرح می‌کند، درباره تجربه کاربری و شیوه تعامل با مدل‌هاست. در آن، «دستور» یا پرامپت به متنی گفته می‌شود که کاربر برای توضیح درخواستش به مدل می‌دهد؛ هرچه مدل برای فهم هدف به دستورهای دقیق‌تر و بازخوردهای پیاپی نیاز داشته باشد، بار بیشتری بر دوش کاربر قرار می‌گیرد. دیدگاه Power این است که دستیارهای آینده باید بخشی از این بار را بر عهده بگیرند و در یافتن کاربردهای مناسب نیز کمک کنند.

معنای این اولویت برای مسیر مدل‌های آینده

در مجموع، سخنان Power دو مسئله را کنار هم قرار می‌دهد: ادامه پژوهش برای نسل‌هایی که هنوز عرضه نشده‌اند و کاهش دشواری استفاده از دستیارهای موجود و آینده. از یک سو، OpenAI بنا بر گفته او بیشتر توان پژوهشی‌اش را صرف مدل‌های دورتر می‌کند، چون جهش‌های نسلی را منبع اصلی ارزش می‌داند. از سوی دیگر، پیشرفت برای کاربر تنها به توانایی خام مدل خلاصه نمی‌شود؛ مدل باید بتواند قابلیت‌هایش را روشن‌تر کند و برای فهم هدف به تعامل کم‌تری نیاز داشته باشد.

با این حال، اظهارات Power جزئیات بیشتری درباره نحوه تقسیم منابع میان پروژه‌ها، معیار سنجش «ارزش» یا برنامه انتشار GPT-7 و GPT-8 ارائه نمی‌کند. همچنین توصیف GPT-6 به‌عنوان همکار توانمند، بیان دیدگاه او درباره تجربه مطلوب کار با مدل است و به‌تنهایی مشخصات فنی یا تضمین عملکرد آن را نشان نمی‌دهد. آنچه می‌توان از گفته‌های او برداشت کرد، اولویت‌دادن به پژوهش بلندمدت در کنار استفاده از به‌روزرسانی‌های کوتاه‌مدت برای یادگیری و بهبود مستمر است.

این خبر برای چه کسانی اهمیت دارد

این اظهارات برای کاربران ChatGPT اهمیت دارد، چون نشان می‌دهد OpenAI مسئله تجربه کاربری و آگاه‌کردن مردم از توانایی‌های هوش مصنوعی را بخشی از چالش مدل‌های آینده می‌داند. برای پژوهشگران و فعالان صنعت نیز، برآورد Power از سهم پژوهش‌های مربوط به نسل‌های بعد، نشانه‌ای از نگاه او به رابطه میان بهبودهای فوری و پیشرفت‌های بنیادی است. همچنین برای کسانی که روند محصولات OpenAI را دنبال می‌کنند، باید میان دیدگاه راهبردی مدیر پژوهش و اعلام رسمی محصول تمایز گذاشت: گفته‌های او درباره جهت‌گیری کلی است و زمان عرضه یا جزئیات GPT-7، GPT-8 و GPT-6 را تعیین نمی‌کند.

پرسش‌های متداول

چه سهمی از پژوهش‌های OpenAI به نسل‌های بعدی مدل‌ها مربوط است؟
Boris Power می‌گوید ۸۰ تا ۹۰ درصد پژوهش‌های شرکت برای GPT-7، GPT-8 و مدل‌های پس از آن انجام می‌شود.
بهبودهای میان‌نسلی مدل‌ها چگونه انجام می‌شود؟
به گفته Power، به‌روزرسانی‌هایی مانند گذار از GPT-5.1 به GPT-5.2 با داده‌های آموزشی تخصصی پیش می‌روند و هدفی کوتاه‌مدت‌تر دارند.
Power مهم‌ترین مانع استفاده از دستیارهای هوش مصنوعی را چه می‌داند؟
او مسئله را بیشتر در آشنایی و راهنمایی کاربران می‌بیند تا کیفیت مدل؛ بسیاری از کاربران ChatGPT نمی‌دانند چه کارهایی می‌توانند با هوش مصنوعی انجام دهند.
منبع خبرThe Decoder
#ChatGPT#OpenAI#پژوهش_هوش_مصنوعی#مدل‌های_زبانی
درباره نویسندهپژوهشگر اقتصاد دیجیتال

دانش آموخته مدیریت کسب و کار گرایش استراتژی و پژوهشگر ، استراتژیست و توسعه دهنده اقتصاد دیجیتال

مطالب مرتبط

همه اخبار هوش مصنوعیتازه‌ترین خبرهای امروز را در هوش مصنوعی نویا دنبال کنید
این خبر را به اشتراک بگذارید