یکی از مدیران بخش تحقیقات اوپنایآی میگوید بخش عمده تلاش تحقیقاتی این شرکت نه صرفا برای بهبود نسخههای فعلی، بلکه برای GPT-7 ،GPT-8 و نسلهای بعدی مدلهای هوش مصنوعی صرف میشود. بهگفته Boris Power، حدود ۸۰ تا ۹۰ درصد تحقیقات شرکت به نسلهای آینده اختصاص دارد؛ زیرا OpenAI انتظار دارد بخش عمده پیشرفت و ارزش مدلها از جهش میان نسلهای اصلی حاصل شود.
حدود ۹۰ درصد تحقیقات اوپنایآی برای نسلهای آینده است
طبق اظهارات Boris Power، رئیس بخش Applied Research در اوپنایآی، حدود ۸۰ تا ۹۰ درصد فعالیت تحقیقاتی این شرکت به GPT-7 ،GPT-8 و مدلهای بعد از آنها اختصاص پیدا میکند.
دلیل این رویکرد آن است که بهگفته پاور، بخش عمده ارزش و پیشرفت واقعی با توسعه یک نسل جدید از مدل به دست میآید. اوپنایآی در عین حال همچنان روی بهبود مدلهای موجود نیز کار میکند.
صفحه رسمی تحقیقات OpenAI نیز تمرکز این شرکت بر توسعه مدلهای مرزی، استدلال، سیستمهای چندوجهی و استقرار ایمن آنها را نشان میدهد.
تفاوت ارتقای GPT-5.1 به GPT-5.2 با ساخت یک نسل جدید چیست؟
بهگفته پاور، بهبودهایی مانند حرکت از GPT-5.1 به GPT-5.2 میتوانند با استفاده از دادههای آموزشی تخصصیتر انجام شوند. چنین تغییراتی برای برطرفکردن ضعفهای مشخص و بهبود سریع برخی قابلیتها مفید هستند.
بااینحال، این نوع سرمایهگذاریها در داخل شرکت رویکردهایی بسیار کوتاهمدت تلقی میشوند. دلیل آن است که با ورود نسل اصلی بعدی مدل، بسیاری از قابلیتها به شکل گستردهتری پیشرفت میکنند و اوپنایآی باید دوباره بررسی کند که کدام حوزهها به سرمایهگذاری تکمیلی نیاز دارند.
این بهروزرسانیهای کوچکتر در عین حال به اوپنایآی اجازه میدهند سریعتر آزمایش کند، از نحوه استفاده کاربران یاد بگیرد و نقاط قابلبهبود را شناسایی کند؛ هرچند پاور آنها را راهبرد مناسب بلندمدت نمیداند.
جهش واقعی با نسل جدید GPT اتفاق میافتد
دیدگاه مطرحشده این است که ساخت یک نسل کاملا جدید مدل فقط یک قابلیت مشخص را بهتر نمیکند، بلکه مجموعه وسیعتری از تواناییها همزمان ارتقا پیدا میکنند.
به همین دلیل، پس از هر جهش نسلی، تیمهای اوپنایآی باید دوباره بررسی کنند که سرمایهگذاری کوتاهمدت روی کدام نقاط میتواند بیشترین بهبود را ایجاد کند. در نتیجه، اولویتهای بهینهسازی میان دو نسل نیز میتوانند تغییر کنند.
اوپنایآی GPT-7
مشکل ChatGPT فقط قدرت مدل نیست
بخش مهم دیگری از صحبتهای پاور به نحوه استفاده مردم از هوش مصنوعی مربوط میشود. از دید او، یکی از چالشهای اصلی دستیارهای هوش مصنوعی امروزی صرفا کیفیت مدل نیست، بلکه آشناکردن کاربران با تواناییهای واقعی این ابزارها است.
او معتقد است بسیاری از کاربران ChatGPT هنوز نمیدانند چه کارهایی را میتوان به هوش مصنوعی سپرد. در نتیجه، افزایش توانایی مدل بهتنهایی کافی نیست و نسلهای آینده باید بهتر بتوانند قابلیتهای خود را به کاربر نشان دهند و نیازهای او را تشخیص دهند.
مدلهای آینده باید بهتر تشخیص دهند کاربر چه میخواهد
براساس این دیدگاه، دستیارهای آینده باید از مدلی که منتظر دریافت دستور دقیق است فاصله بگیرند و به سیستمی تبدیل شوند که بهتر متوجه هدف کاربر شود، امکانات مرتبط را در زمان مناسب پیشنهاد دهد و نیازهای بعدی را پیشبینی کند.
پاور برای توضیح این روند، نسلهای مختلف GPT را با یکدیگر مقایسه کرده است. بهگفته او، استفاده از GPT-4 نیازمند پرامپتنویسی دقیق بود و GPT-5 کار را سادهتر کرده است، اما همچنان به بازخورد زیادی از طرف کاربر احتیاج دارد.
مدل GPT-6 بیشتر شبیه یک همکار توانمند عمل میکند
بهگفته پاور، GPT-6 از نظر شیوه تعامل بیشتر به یک همکار توانمند شباهت دارد؛ به این معنا که کاربر میتواند بهجای توضیح جزءبهجزء مراحل انجام کار، هدف موردنظر خود را به مدل بسپارد.
این توصیف نشان میدهد مسیر موردنظر برای نسلهای آینده تنها افزایش عملکرد در بنچمارکها یا پاسخدهی بهتر نیست و کاهش نیاز به هدایت مداوم کاربر نیز اهمیت زیادی دارد.
تمرکز OpenAI از اجرای دستور به درک هدف حرکت میکند
در مجموع، صحبتهای پاور دو مسیر را برای توسعه مدلهای آینده ترسیم میکند. مسیر نخست سرمایهگذاری گسترده روی جهشهای نسلی مانند GPT-7 و GPT-8 است و مسیر دوم بهبود نحوه تعامل مدل با کاربران و کاهش نیاز به پرامپتنویسی و بازخورد مداوم مربوط میشود.
این جهتگیری با تمرکز رسمی اوپنایآی روی توسعه مدلهای مرزی و سیستمهای استدلالی نیز همراستا است. اوپنایآی در معرفی حوزههای تحقیقاتی خود، مدلهای Frontier، استدلال، سیستمهای چندوجهی و استقرار ایمن را از زمینههای اصلی فعالیت تحقیقاتی عنوان میکند.
جمعبندی
براساس اظهارات Boris Power، حدود ۸۰ تا ۹۰ درصد تحقیقات OpenAI به GPT-7 ،GPT-8 و نسلهای بعدی اختصاص دارد و بهبودهای میاننسلی بیشتر نقش سرمایهگذاریهای کوتاهمدت را ایفا میکنند. در کنار افزایش توانایی مدلها، یکی از اهداف مهم نسلهای آینده نیز سادهترکردن تعامل با هوش مصنوعی است؛ بهگونهای که کاربران بتوانند بهجای ارائه دستورهای دقیق و بازخورد مداوم،
|
