شرکت‌های هوش مصنوعی مانند OpenAI در حال تحقیق برای یافتن روش‌های جدید آموزش مدل‌ها با استفاده از رویکردهای شبیه به انسان هستند. این رویکردها ممکن است به تحول در صنعت هوش مصنوعی و نیازهای منابع آن مانند انرژی و تراشه‌ها منجر شود.
۱۱ نوامبر (رویترز) – شرکت‌های هوش مصنوعی همچون OpenAI برای غلبه بر چالش‌های غیرمنتظره‌ای که در توسعه مدل‌های بزرگ زبان با آن روبرو شده‌اند، به دنبال روش‌های آموزشی جدید هستند که به الگوریتم‌ها امکان می‌دهد به شیوه‌ای شبیه به انسان فکر کنند. دانشمندان و محققان هوش مصنوعی معتقدند که این روش‌ها، که در مدل جدید OpenAI به نام “o1” نیز به‌کار رفته، می‌تواند رقابت در عرصه هوش مصنوعی را متحول سازد و تقاضای منابعی چون انرژی و تراشه‌ها را افزایش دهد.
در حالی که OpenAI از اظهار نظر در این باره خودداری کرد، شرکت‌های فناوری که از رونق هوش مصنوعی سود بسیاری برده‌اند، به طور عمومی بیان می‌کنند که با افزودن داده و قدرت محاسباتی بیشتر می‌توان به مدل‌های هوش مصنوعی بهتری دست یافت. اما اکنون دانشمندان برجسته‌ی این حوزه بر محدودیت‌های فلسفه‌ی “بزرگ‌تر بهتر است” تأکید می‌کنند.
ایلیا سوتسکیور، از بنیانگذاران OpenAI و آزمایشگاه جدید Safe Superintelligence (SSI)، اظهار داشت که اثرات “پیش‌پردازش” یا همان مرحله‌ای از آموزش که از داده‌های بدون برچسب گسترده استفاده می‌کند، به نقطه‌ی کمال خود رسیده است. او معتقد است که دوران توسعه از طریق صرفاً افزایش داده به پایان رسیده و پژوهشگران به دنبال رویکردهای جدید و مؤثرتری هستند.
در همین راستا، محققان به روش “محاسبه در زمان استفاده” روی آورده‌اند که به مدل‌ها امکان می‌دهد به جای انتخاب یک پاسخ سریع، چندین گزینه را ایجاد و ارزیابی کرده و بهترین را انتخاب کنند. این روش می‌تواند به مدل‌ها در انجام وظایف پیچیده‌تری که به تفکر و استدلال انسانی نیاز دارند کمک کند.
همچنین، مدل جدید OpenAI به نام “o1” قابلیت حل مشکلات را به‌صورت گام به گام دارد و از داده‌ها و بازخوردهای محققان برجسته بهره می‌گیرد. سایر آزمایشگاه‌های برتر هوش مصنوعی از جمله Anthropic و Google DeepMind نیز در حال توسعه روش‌های مشابه هستند.
با این تغییرات، تقاضا برای تراشه‌های پیشرفته‌ی شرکت Nvidia که تاکنون بازار را تحت سلطه داشته، ممکن است دچار تحول شود. سونیا هوانگ، از شرکای سرمایه‌گذاری Sequoia Capital، اعلام کرده که این تغییر ممکن است به جای تمرکز بر خوشه‌های عظیم پیش‌پردازش به سمت سرورهای ابری برای استفاده عملی از مدل‌ها حرکت کند. این تغییرات می‌تواند تقاضای بازار برای تراشه‌های هوش مصنوعی را تحت تأثیر قرار دهد.
News Source: رویترز
