یک عصر جدید در هوش مصنوعی: مدل پیشگام o1 به رهبری جری تورک

پیشرفت هوش مصنوعی با مشکل مواجه شده است و شرکت‌های بزرگی مانند گوگل، OpenAI و Anthropic با چالش‌های توسعه هوش مصنوعی دست و پنجه نرم می‌کنند. محدودیت‌های داده و افزایش هزینه‌ها، از جمله موانع اصلی در مسیر ساخت مدل‌های پیشرفته‌تر هوش مصنوعی و دستیابی به هوش عمومی مصنوعی (AGI) هستند.

پیشرفت سریع هوش مصنوعی (AI) با کاهش سرعت قابل توجهی مواجه شده است، زیرا شرکت‌های پیشرو مانند گوگل، OpenAI و Anthropic با چالش‌های قابل توجهی در توسعه مدل‌های پیچیده‌تر مواجه هستند. هیجان اولیه پیرامون پتانسیل هوش مصنوعی، که با انتشار ابزارهایی مانند ChatGPT برانگیخته شده بود، جای خود را به درک دقیق‌تری از پیچیدگی‌ها و محدودیت‌های موجود در دستیابی به قابلیت‌های واقعاً متحول‌کننده هوش مصنوعی داده است. این چالش‌ها عمدتاً حول محور دشواری فزاینده‌ی دستیابی به داده‌های آموزشی با کیفیت بالا و افزایش هزینه‌های مرتبط با ساخت و بهره‌برداری از مدل‌های پیچیده‌تر می‌چرخند.

پیگیری هوش عمومی مصنوعی (AGI)، یک سیستم فرضی هوش مصنوعی که قادر به تطبیق یا پیشی گرفتن از هوش انسانی در طیف وسیعی از وظایف است، نیروی محرکه‌ی بسیاری از سرمایه‌گذاری‌ها و تحقیقات در این زمینه بوده است. با این حال، شکست‌های اخیر، تردیدهایی را در مورد امکان دستیابی به AGI در آینده‌ی نزدیک ایجاد کرده است. طبق گزارش‌ها، آخرین مدل OpenAI، Orion، به ویژه در توانایی مدیریت وظایف کدنویسی، به دلیل کمبود داده‌های آموزشی کافی، کمتر از انتظارات عمل کرده است. به طور مشابه، نسل بعدی نرم‌افزار Gemini گوگل و مدل Claude 3.5 Opus شرکت Anthropic نیز با تاخیر و مشکلات عملکردی مواجه شده‌اند.

اتکا به مجموعه داده‌های عظیم جمع‌آوری‌شده از اینترنت، که موج اولیه توسعه‌ی هوش مصنوعی را تقویت کرد، برای ساخت سیستم‌های واقعاً پیشرفته هوش مصنوعی ناکافی است. در حالی که این رویکرد امکان ایجاد مدل‌های زبانی چشمگیر را فراهم می‌کند که قادر به تولید فرمت‌های متنی خلاقانه هستند، اما از الزامات داده‌های مورد نیاز برای دستیابی به هوش در سطح انسان، کوتاهی می‌کند. چالش نه تنها در کمیت داده‌ها، بلکه در کیفیت و تنوع آن‌ها نیز نهفته است. انباشت داده‌های بیشتر از منابع مشابه لزوماً منجر به پیشرفت‌های چشمگیر نخواهد شد. در عوض، محققان به طور فزاینده‌ای نیاز به منابع داده‌های تخصصی‌تر و با کیفیت بالاتر را تشخیص می‌دهند، که اغلب دستیابی به آن‌ها دشوارتر و پرهزینه‌تر است.

این صنعت در حال بررسی رویکردهای جایگزین برای رسیدگی به تنگنای داده‌ها، از جمله استفاده از داده‌های مصنوعی است. این شامل تولید داده‌های مصنوعی، مانند تصاویر یا متن تولید شده توسط کامپیوتر، برای تکمیل داده‌های دنیای واقعی است. با این حال، داده‌های مصنوعی نیز محدودیت‌های خاص خود را دارند. در حالی که می‌تواند در زمینه‌های خاصی مؤثر باشد، اغلب فاقد غنا و ظرافت داده‌های تولید شده توسط انسان، به ویژه در حوزه‌ی زبان است. تولید داده‌های مصنوعی واقعاً با کیفیت بالا که بتواند به طور مؤثر پیچیدگی‌های زبان انسان را تقلید کند، همچنان یک چالش قابل توجه است.

افزایش هزینه‌های مرتبط با آموزش و بهره‌برداری از این مدل‌های هوش مصنوعی که به طور فزاینده‌ای پیچیده می‌شوند، پیگیری AGI را پیچیده‌تر می‌کند. با بزرگ‌تر و فشرده‌تر شدن مدل‌ها از نظر محاسباتی، منابع مالی مورد نیاز برای توسعه و نگهداری آن‌ها سرسام‌آور می‌شود. این امر سوالاتی را در مورد پایداری مسیر فعلی توسعه هوش مصنوعی و پتانسیل کاهش بازده سرمایه‌گذاری ایجاد می‌کند. شرکت‌ها اکنون با تصمیمات دشواری در مورد اینکه آیا به سرمایه‌گذاری در مدل‌های بزرگ‌تر و گران‌تری که ممکن است تنها پیشرفت‌های جزئی نسبت به مدل‌های موجود ارائه دهند، ادامه دهند یا خیر، دست و پنجه نرم می‌کنند.

این صنعت همچنین در حال بررسی رویکردهای جایگزین برای بهبود عملکرد هوش مصنوعی، فراتر از افزایش حجم مدل و داده است. یکی از این رویکردها شامل اصلاح فرآیند آموزش، ترکیب تکنیک‌هایی مانند یادگیری تقویتی از بازخورد انسان برای بهینه‌سازی رفتار مدل و بهبود کیفیت پاسخ‌ها است. حوزه‌ی امیدوارکننده‌ی دیگر تحقیقات بر توسعه‌ی عامل‌های هوش مصنوعی تخصصی‌تر متمرکز است که برای انجام وظایف خاص، مانند رزرو پرواز یا مدیریت ایمیل‌ها طراحی شده‌اند. این عامل‌ها می‌توانند از قابلیت‌های مدل‌های هوش مصنوعی موجود استفاده کنند و در عین حال بر حوزه‌های خاص تمرکز کنند و به طور بالقوه راه‌حل‌های عملی‌تر و مقرون‌به‌صرفه‌تری ارائه دهند.

رکود فعلی در توسعه‌ی هوش مصنوعی، پیچیدگی‌های ذاتی ساخت سیستم‌های واقعاً هوشمند را برجسته می‌کند. در حالی که موج اولیه پیشرفت، هیجان زیادی ایجاد کرد و پتانسیل هوش مصنوعی را نشان داد، مسیر پیش رو احتمالاً چالش برانگیزتر خواهد بود و نیازمند رویکردهای ظریف‌تری است. اکنون این صنعت وارد مرحله‌ای از توسعه‌ی آگاهانه‌تر و استراتژیک‌تر می‌شود که بر رسیدگی به تنگنای داده‌ها، بهینه‌سازی فرآیندهای آموزشی و بررسی معماری‌ها و کاربردهای جایگزین هوش مصنوعی تمرکز دارد. پیگیری AGI همچنان یک هدف بلندمدت است و شکست‌های اخیر یادآور موانع قابل توجهی است که هنوز باید بر آن‌ها غلبه کرد.

اگر به خواندن کامل این مطلب علاقه‌مندید، روی لینک مقابل کلیک کنید: bnn bloomberg

سام آلتمن، مدیرعامل اوپن‌ای‌آی، اعلام کرده که مسیر رسیدن به هوش عمومی مصنوعی (AGI) اکنون روشن است. به گفته‌ی او، اگرچه هنوز کارهای اساسی زیادی برای تکمیل هوش عمومی مصنوعی (AGI) باقی مانده، اما اوپن‌ای‌آی کد اصلی آن را شکسته و این پیشرفت، راه را برای دستیابی سریع‌تر به AGI هموار می‌کند.

پیگیری هوش عمومی مصنوعی (AGI)، نوعی از هوش مصنوعی که از قابلیت‌های انسان در بیشتر وظایف فراتر می‌رود، مدت‌ها موضوع بحث در میان متخصصان فناوری بوده است. طبق گفته سام آلتمن، مدیرعامل اوپن‌ای‌آی، مسیری که قبلاً در ابهام قرار داشت، اکنون به نظر می‌رسد از همیشه روشن‌تر است. آلتمن در یک پادکست اخیر اعلام کرد که اوپن‌ای‌آی مراحل لازم برای دستیابی به AGI را شناسایی کرده است که نشان‌دهنده یک لحظه محوری در انقلاب هوش مصنوعی است. او ضمن اذعان به کارهای قابل توجه پیش رو، اعتماد بی‌سابقه‌ای به درک خود از این فرآیند ابراز کرد.

بیانیه آلتمن، “این اولین باری است که احساس می‌کنم واقعاً می‌دانیم چه باید بکنیم”، با هیجان پیرامون این موفقیت طنین‌انداز می‌شود. او تأکید می‌کند که سفر به AGI به تلاش و زمان زیادی نیاز دارد و به وجود “ناشناخته‌های شناخته شده” اذعان می‌کند. با این حال، وضوح جدید در مورد جهت تحقیقات، زیرساخت‌ها و توسعه محصول آن‌ها، آن‌ها را قادر می‌سازد تا با سرعت و تمرکز بیشتری به جلو حرکت کنند. آلتمن پیشنهاد می‌کند که این وضوح، هنگامی که با تعهد به برتری در چند حوزه کلیدی منتخب همراه شود، پیشرفت سریع را ممکن می‌سازد.

این وضوح جدید به استراتژی محصول اوپن‌ای‌آی نیز تسری می‌یابد. در حالی که اصلاحات بیشتری مورد نیاز است، آلتمن نشان می‌دهد که درک واضح‌تری از هدف و اهداف بهینه‌سازی خود دارند. این رویکرد متمرکز، همراه با نقشه راه تحقیق و زیرساخت روشن، به اوپن‌ای‌آی اجازه می‌دهد تا تلاش‌های خود را ساده کرده و پیشرفت را تسریع بخشد.

پیش از این، آلتمن پیشرفت مرحله‌ای به سوی AGI را پیش‌بینی می‌کرد و انتظار جهش دشوارتری را بین سطوح سه و چهار توسعه هوش مصنوعی داشت. این سطوح نشان‌دهنده اشکال پیشرفته‌تر هوش مصنوعی هستند که در AGI به اوج خود می‌رسند. با این حال، دیدگاه او تکامل یافته است. او اکنون معتقد است که می‌توان از طریق کاربرد خلاقانه مدل‌های موجود به پیشرفت قابل توجهی دست یافت و نشان می‌دهد که لزوماً هیچ نوآوری بزرگ کشف نشده‌ای برای رسیدن به AGI لازم نیست.

این تغییر دیدگاه با پیش‌بینی قبلی آلتمن مبنی بر اینکه “هوش برتر”، مترادف با AGI، در عرض چند هزار روز، تقریباً معادل ۸ تا ۱۳ سال، قابل دستیابی است، همسو می‌شود. بیانیه اخیر او این جدول زمانی را تقویت می‌کند و نشان می‌دهد که مسیر رسیدن به AGI به طور فزاینده‌ای به خوبی تعریف می‌شود. پیامدهای آن عمیق است و نشان دهنده شتاب سریع‌تر از حد انتظار در توسعه هوش مصنوعی است.

اعتماد آلتمن نه از یک پیشرفت واحد، بلکه از تلاقی عواملی ناشی می‌شود. پیشرفت در یادگیری عمیق، افزایش قدرت محاسباتی و در دسترس بودن مجموعه داده‌های عظیم به این پیشرفت کمک کرده است. علاوه بر این، رویکرد تکراری اوپن‌ای‌آی، شامل اصلاح مداوم مدل و حلقه‌های بازخورد، نقش مهمی در درک آن‌ها از مسیر رسیدن به AGI ایفا کرده است.

پیامدهای دستیابی به AGI گسترده و متحول کننده است. در حالی که مزایای بالقوه آن بسیار زیاد است، از جمله پیشرفت در مراقبت‌های بهداشتی، اکتشافات علمی و بهره‌وری اقتصادی، نگرانی‌ها در مورد پیامدهای اخلاقی و تأثیر بالقوه اجتماعی همچنان باقی است. تضمین توسعه و استقرار مسئولانه AGI بسیار مهم است. این شامل پرداختن به مسائلی مانند سوگیری در الگوریتم‌ها، جابجایی شغل و پتانسیل سوء استفاده از این فناوری قدرتمند است.

تعهد اوپن‌ای‌آی به ایمنی و ملاحظات اخلاقی در رویکرد آن‌ها مشهود است. آن‌ها بر اهمیت هماهنگ کردن AGI با ارزش‌های انسانی و اطمینان از توزیع گسترده مزایای آن تأکید می‌کنند. این شامل تعامل در گفتگوی مداوم با کارشناسان، سیاست‌گذاران و عموم مردم برای رسیدگی به خطرات احتمالی و توسعه حفاظ‌های مناسب است.

سفر به AGI یک تلاش پیچیده و چالش برانگیز است. با این حال، اعلامیه آلتمن نقطه عطفی مهم را نشان می‌دهد که نشان دهنده تغییر از گمانه‌زنی‌های نظری به درک ملموس‌تر از مسیر رو به جلو است. در حالی که چالش‌ها همچنان باقی است، وضوح و اعتمادی که توسط مدیرعامل اوپن‌ای‌آی ابراز می‌شود، نشان می‌دهد که تحقق AGI ممکن است نزدیک‌تر از آنچه قبلاً تصور می‌شد باشد و عصر جدیدی از پیشرفت فناوری و پتانسیل تحول‌آفرین را آغاز کند.

اگر به خواندن کامل این مطلب علاقه‌مندید، روی لینک مقابل کلیک کنید: officechai

مایلز براندیج، مدیر سابق سیاست‌گذاری و آمادگی هوش مصنوعی عمومی (AGI) در اوپن‌ای‌آی، پیش‌بینی می‌کند که به‌زودی هوش مصنوعی قادر خواهد بود هر کاری را که انسان می‌تواند در کامپیوتر انجام دهد، اجرا کند.

در مصاحبه‌ای با پادکست هارد فورک، براندیج اظهار داشت که مردم باید درباره معنا و پیامدهای این پیشرفت فکر کنند. او که پیش از این مسئول ارزیابی پیشرفت به سمت هوش مصنوعی عمومی در اوپن‌ای‌آی بود، تأکید کرد که این توانایی‌ها می‌تواند تأثیر عمیقی بر آینده کار و تعامل انسان با فناوری داشته باشد.

براندیج همچنین اشاره کرد که پیشرفت در زمینه هوش مصنوعی با سرعتی بیش از انتظار در حال وقوع است و نیاز به بررسی دقیق پیامدهای اخلاقی و اجتماعی این فناوری وجود دارد.

اگر به خواندن کامل این مطلب علاقه‌مندید، روی لینک مقابل کلیک کنید: business insider

تحقیقات جدید نشان می‌دهد مدل‌های زبانی بزرگ (LLMها) در استدلال واقعی و انجام محاسبات، بیشتر به روش‌های ابتکاری و حفظ کردن متکی هستند تا یادگیری عمیق. با بررسی سازوکارهای درونی این مدل‌ها، محققان مدارهای خاصی را که مسئول عملکرد آن‌ها در وظایف ریاضی هستند شناسایی کرده‌اند و به محدودیت‌های استدلال هوش مصنوعی بینش‌های ارزشمندی افزوده‌اند.

بررسی محدودیت‌های مدل‌های زبانی بزرگ در استدلال و ریاضیات

این پرسش که آیا مدل‌های زبانی بزرگ (LLMها) وظایف استدلالی را از طریق الگوریتم‌های عمومی یا صرفاً حفظ کردن حل می‌کنند، مدت‌هاست ذهن محققان را به خود مشغول کرده است. مطالعه‌ای جدید به این موضوع پرداخته و نشان می‌دهد LLMها اغلب وظایف استدلالی را با استفاده از روش‌های ابتکاری، به‌جای «یادگیری» واقعی، تقریب می‌زنند. این تحقیق با تشریح فرآیندهای درونی LLMها، بر اتکای آن‌ها به مدارهای خاصی که استدلال را شبیه‌سازی می‌کنند اما فاقد انعطاف‌پذیری هستند، تأکید می‌کند. درنتیجه، محدودیت‌های ذاتی این مدل‌ها در دستیابی به هوش عمومی آشکار می‌شود.

اهمیت استدلال در هوش مصنوعی

استدلال برای هوش مصنوعی (AI) ضروری است. استدلال به سیستم‌ها توانایی تصمیم‌گیری، حل مسئله و تقلید فرآیندهای فکری انسان را می‌دهد. مقاله تأثیرگذار فرانسوا شوله در سال ۲۰۱۹، “در مورد سنجش هوش”، هوش را “کارایی کسب مهارت” تعریف می‌کند. او بر انعطاف‌پذیری و تعمیم، به‌جای عملکرد خاص وظیفه، تأکید دارد. این دیدگاه، معیارهای رایج که صرفاً توانایی سیستم را برای انجام وظایف از پیش تعریف‌شده می‌سنجند، به چالش می‌کشد.

برای نزدیک شدن سیستم‌های هوش مصنوعی به هوش عمومی مصنوعی (AGI)، باید توانایی کسب مهارت‌های جدید و حل مسائل جدید را بدون اتکا به دانش قبلی گسترده یا داده‌های آموزشی نشان دهند. معیارهای فعلی اغلب در سنجش این انعطاف‌پذیری ناکام می‌مانند، زیرا بر مهارت‌هایی تمرکز می‌کنند که تحت تأثیر حفظ کردن و حجم داده‌های آموزشی هستند. هوش واقعی، آن‌طور که شوله تعریف می‌کند، در توانایی سیستم برای حل مشکلات جدید با تعمیم از اطلاعات محدود نهفته است – شاهکاری که LLMها در دستیابی به آن با مشکل روبرو هستند.

انواع استدلال و جایی که LLMها کم می‌آورند

استدلال را می‌توان به چندین نوع طبقه‌بندی کرد که هر کدام چالش‌های منحصر به فردی را برای سیستم‌های هوش مصنوعی ایجاد می‌کنند:

• استدلال قیاسی: نتیجه‌گیری خاص از مقدمات کلی. LLMها در این نوع استدلال، وقتی قوانین به‌وضوح تعریف شده باشند، عملکرد نسبتاً خوبی دارند.
• استدلال استقرایی: استنتاج تعمیم‌ها از مشاهدات خاص. در حالی که LLMها می‌توانند الگوها را تقلید کنند، تعمیم‌های آن‌ها اغلب فاقد عمق است.
• استدلال ابداکتیو: فرض محتمل‌ترین توضیح برای داده‌های ناقص. LLMها به دلیل عدم درک واقعی از زمینه، در این نوع استدلال با مشکل مواجه هستند.
• استدلال عقل سلیم: به‌کارگیری دانش روزمره در موقعیت‌های معمولی. LLMها اغلب در وظایفی که نیاز به دانش تجربی یا علّی دارند، شکست می‌خورند.
• استدلال غیر یکنواخت: تجدیدنظر در نتیجه‌گیری بر اساس اطلاعات جدید. LLMها در این نوع استدلال به ویژه ضعیف هستند، زیرا معماری آن‌ها اجازه به‌روزرسانی پویای دانش قبلی را نمی‌دهد.

در میان این موارد، استدلال عقل سلیم و استدلال غیر یکنواخت برای LLMها به‌طور خاص چالش‌برانگیز هستند. اتکای آن‌ها به روابط ایستا بین مفاهیم و فقدان دانش تجربی، مانع از تنظیم پویای آن‌ها با زمینه‌های جدید یا ادغام مؤثر چندین بخش از اطلاعات می‌شود.

نقش روش‌های ابتکاری در عملکرد LLM

برای درک چرایی مشکل LLMها در استدلال واقعی، بررسی مفهوم روش‌های ابتکاری ضروری است.

روش‌های ابتکاری چیست؟

روش‌های ابتکاری، میانبرهای ذهنی یا قواعد سرانگشتی هستند که برای حل سریع مسائل استفاده می‌شوند و اغلب دقت را فدای سرعت می‌کنند. در هوش مصنوعی، روش‌های ابتکاری یافتن راه‌حل‌های “قابل قبول” را بر راه‌حل‌های کامل ترجیح می‌دهند. برای LLMها، روش‌های ابتکاری به شکل الگوهایی که در طول آموزش آموخته می‌شوند، ظاهر می‌شوند و سپس برای تقریب راه‌حل‌ها برای وظایف جدید اعمال می‌شوند.

چگونه روش‌های ابتکاری رفتار LLM را شکل می‌دهند

LLMها به‌شدت به مکانیسم‌های ابتکاری برای شبیه‌سازی استدلال متکی هستند. معماری آن‌ها اساساً برای تشخیص الگو به‌جای درک واقعی طراحی شده است. برای مثال:

• الگوهای عددی را تشخیص می‌دهند (مثلاً تشخیص محدوده‌ها یا دنباله‌ها).
• ارتباط‌های از پیش آموخته‌شده بین ورودی‌ها و خروجی‌ها را به کار می‌برند.
• از روابط احتمالی برای پیش‌بینی محتمل‌ترین پاسخ بر اساس داده‌های آموزشی استفاده می‌کنند.

در حالی که این روش‌ها می‌توانند نتایج قابل قبولی ایجاد کنند، زمانی که با سناریوهای جدید یا پیچیده‌ای که نیاز به تعمیم واقعی دارند مواجه می‌شوند، ناکام می‌مانند.

رمزگشایی جعبه سیاه: چگونه LLMها حساب را شبیه‌سازی می‌کنند

برای بررسی چگونگی مدیریت وظایف محاسباتی و استدلالی توسط LLMها، محققان از تحلیل علّی برای شناسایی مدارهای عصبی خاص مسئول این عملکردها استفاده کردند. یافته‌های کلیدی عبارتند از:

• نورون‌های ابتکاری: گروه کوچکی از نورون‌ها از روش‌های ابتکاری ساده برای تشخیص الگوهای ورودی عددی و تولید خروجی‌های متناظر استفاده می‌کنند.
• مدار حسابی: این زیرمجموعه کوچک از اجزای عصبی – شامل پرسپترون‌های چندلایه (MLPها) خاص و هدهای توجه – محاسبات حسابی را با مسیریابی اطلاعات عملوند و عملگر انجام می‌دهد.
• استفاده پراکنده: تنها حدود ۱.۵٪ از نورون‌ها در هر لایه به طور فعال در وظایف حسابی درگیر هستند، با این حال آن‌ها ۹۶٪ از دقت حسابی مدل را تشکیل می‌دهند.

وصله‌گذاری فعال‌سازی: شناسایی اجزای حیاتی

محققان از تکنیکی به نام وصله‌گذاری فعال‌سازی برای شناسایی اجزای عصبی ضروری برای عملیات حسابی استفاده کردند. با جایگزینی انتخابی فعال‌سازی‌ها از یک مسئله با مسئله دیگر، آن‌ها مشخص کردند کدام نورون‌ها و هدهای توجه برای حل وظایف خاص حیاتی هستند.

ظهور روش‌های ابتکاری در طول آموزش

این مطالعه مکانیسم “مجموعه‌ای از روش‌های ابتکاری” را نشان داد، جایی که چندین محاسبه مستقل برای تولید نتیجه نهایی ترکیب می‌شوند. این روش‌های ابتکاری در اوایل آموزش ظاهر می‌شوند و در طول آن ثابت می‌مانند، که نشان می‌دهد آن‌ها الگوهای بنیادی هستند نه بهینه‌سازی‌های مرحله آخر.

درک مدارها به تفصیل: تجزیه گام به گام

در اینجا چگونگی پردازش یک مسئله حسابی ساده مانند “۲۲۶–۶۸ =” توسط LLM آمده است:

1. نشانه‌گذاری اولیه: اعداد و عملگرها نشانه‌گذاری می‌شوند و به اجزای عصبی خاص هدایت می‌شوند.
2. فعال‌سازی ابتکاری: نورون‌های مختلف در وظایفی مانند تشخیص محدوده اعداد، مدیریت قرض گرفتن یا تراز کردن ارقام تخصص دارند. برای مثال:
3. نورون A برای اعداد در محدوده ۲۰۰-۳۰۰ فعال می‌شود.
4. نورون B زمانی را که قرض گرفتن لازم است شناسایی می‌کند.
5. نورون C رقم ده‌ها را پس از قرض گرفتن محاسبه می‌کند.
6. ترکیب نهایی: خروجی‌های این نورون‌های تخصصی برای تولید پاسخ نهایی (مثلاً ۱۵۸) ترکیب می‌شوند.

این فرآیند به‌شدت به الگوهای از پیش آموخته‌شده متکی است و زمانی که با مسائلی خارج از توزیع آموزشی مدل، مانند حساب چند رقمی با محدوده اعداد ناآشنا، مواجه می‌شود، شکست می‌خورد.

چرا LLMها از استدلال واقعی کوتاهی می‌کنند

اتکا به مکانیسم‌های ابتکاری، محدودیت اساسی LLMها را آشکار می‌کند: آن‌ها استدلال را تقریب می‌زنند اما واقعاً آن را درک یا تعمیم نمی‌دهند. نقاط ضعف کلیدی عبارتند از:

• فقدان علیت: LLMها روابط علت و معلولی را درک نمی‌کنند و این آن‌ها را مستعد خطا در استدلال منطقی می‌کند.
• پایگاه دانش ایستا: برخلاف انسان‌ها، LLMها نمی‌توانند درک خود را هنگام ارائه اطلاعات جدید یا متناقض به‌طور پویا به‌روز کنند.
• ناتوانی در تعمیم: عملکرد آن‌ها زمانی که با مسائل جدید خارج از داده‌های آموزشی خود مواجه می‌شوند، به‌طور قابل‌توجهی کاهش می‌یابد.

این محدودیت‌ها بر چالش دستیابی به AGI با معماری‌های فعلی مبتنی بر ترانسفورماتور، که کارایی را بر انعطاف‌پذیری واقعی ترجیح می‌دهند، تأکید می‌کند.

نتیجه‌گیری

یافته‌ها واقعیت مهمی را تأیید می‌کنند: LLMهای مبتنی بر ترانسفورماتور به معنای واقعی کلمه استدلال را یاد نمی‌گیرند – آن‌ها آن را از طریق روش‌های ابتکاری پیچیده تقریب می‌زنند. این محدودیت فقط یک مانع فنی نیست، بلکه یک محدودیت اساسی خود معماری است. در حالی که این مدل‌ها در شبیه‌سازی استدلال برای وظایف از پیش تعریف‌شده برتری دارند، زمانی که از آن‌ها خواسته می‌شود به سناریوهای جدید تعمیم دهند یا با آن‌ها سازگار شوند، ناکام می‌مانند.

برای پیشرفت هوش مصنوعی به سمت AGI، محققان باید فراتر از روش‌های ابتکاری نگاه کنند و معماری‌هایی را توسعه دهند که قادر به انتزاع و انعطاف‌پذیری واقعی باشند و شکاف بین عملکرد خاص وظیفه و هوش واقعی را پر کنند.

اگر به خواندن کامل این مطلب علاقه‌مندید، روی لینک مقابل کلیک کنید: medium

به دنیای پیچیده زنجیره فکری پیشرفته (CoT)، یکی از روش‌های نوآورانه برای استدلال در مدل‌های زبانی بزرگ، وارد می‌شویم. در این بررسی، سیر تحول CoT را از مراحل ابتدایی استدلال گام به گام تا تکنیک‌های پیشرفته‌تر، شامل رمزگشایی و رویکردهای مبتنی بر درخت، دنبال می‌کنیم. همچنین یاد می‌گیریم چگونه این تکنیک‌ها می‌توانند دقت و عمق خروجی‌های مدل را بهبود بخشند.

درک زنجیره فکری (CoT)

زنجیره فکری (Chain of Thought : CoT) روشی برای استدلال است. این روش به مدل‌های زبانی بزرگ (LLM) کمک می‌کند تا فرآیند فکری خود را آشکار کنند. CoT که در سال ۲۰۲۲ توسط دیپ‌مایند معرفی شد، مدل‌ها را قادر می‌سازد مسائل پیچیده را به گام‌های منطقی کوچک‌تر تقسیم کنند. این تقسیم‌بندی به دستیابی به پاسخ‌های دقیق‌تر منجر می‌شود. CoT با درخواست از مدل‌ها برای “فکر کردن گام به گام” از توانایی‌های استدلال ذاتی آنها بهره می‌برد. این بهره‌وری چه با رویکرد بدون نمونه (zero-shot) و چه با رویکرد کم‌نمونه (few-shot) امکان‌پذیر است.

به عنوان مثال، اضافه کردن عبارت “بیایید گام به گام فکر کنیم” به یک درخواست، می‌تواند عملکرد بسیاری از LLMها مانند ChatGPT و Claude و سایرین را به طور قابل توجهی بهبود دهد. از آن زمان، این رویکرد الهام‌بخش مجموعه‌ای از تکنیک‌های پیشرفته برای بهبود و تطبیق CoT با کاربردهای مختلف شده است.

تکامل تکنیک‌های CoT

ساخت زنجیره‌های استدلال

در ابتدا، CoT بر مسیرهای استدلال خطی تمرکز داشت. در این روش، مدل از ابتدا تا انتها در یک رشته واحد روی مسئله کار می‌کرد. اما پیشرفت‌هایی مانند سیستم بنجامین کلیگر، CoT را به سطح جدیدی رسانده است. این سیستم، استدلال را به چندین زنجیره تکراری تقسیم می‌کند. در این سیستم‌ها، هر مرحله بر اساس مرحله قبلی ساخته می‌شود. این تکرار تا زمانی ادامه می‌یابد که مدل به پاسخ خود اطمینان پیدا کند.

برای مثال، در پاسخ به سوال “چند حرف R در کلمه Strawberry وجود دارد؟” این روش تضمین می‌کند که مدل قبل از نتیجه‌گیری، هر مرحله را با دقت بررسی کند. این رویکرد بهبود قابل توجهی در عملکرد، به ویژه با مدل‌های بزرگتر مانند Llama 3.1 70B، در وظایف ریاضی نشان داده است.

تنظیم دقیق برای استدلال

تنظیم دقیق مدل‌های کوچک‌تر روی مجموعه داده‌های CoT برای نزدیک کردن توانایی‌های استدلال آنها به مدل‌های بزرگتر، مورد بررسی قرار گرفته است. اگرچه این مسیر امیدوارکننده است، اما نتایج فعلی هنوز پیشرفت چشمگیری نسبت به مدل‌های پایه نشان نداده‌اند. مخازن متن‌باز حاوی مجموعه داده‌های CoT، منابع زیادی برای آزمایش فراهم می‌کنند. اما برای شکوفا شدن پتانسیل کامل تنظیم دقیق برای استدلال CoT، به مدل‌ها و مستندات بهتری نیاز داریم.

فراتر از درخواست: تکنیک‌های تولید پیشرفته

CoT اغلب به درخواست متکی است. اما روش‌های جایگزینی مانند استراتژی‌های رمزگشایی نیز وجود دارند. این روش‌ها می‌توانند خروجی‌های مدل را بدون نیاز به دستورالعمل‌های صریح بهینه کنند. این روش‌ها عبارتند از:

• رمزگشایی حریصانه (Greedy Decoding): این روش، مدل را مجبور می‌کند در هر مرحله محتمل‌ترین نشانه را انتخاب کند. این امر می‌تواند به پاسخ‌های قطعی‌تر منجر شود.
• نمونه‌گیری دما و Top-p: این پارامترها به ترتیب تصادفی بودن و تنوع انتخاب نشانه را کنترل می‌کنند. برای مثال، دماهای بالاتر خلاقیت را افزایش می‌دهند، اما ممکن است دقت را کاهش دهند. مقادیر پایین‌تر top-p، مجموعه نشانه‌ها را به کاندیداهای با احتمال بالا محدود می‌کنند.

رمزگشایی CoT

رمزگشایی CoT، نوآوری مهمی در روش‌های رمزگشایی است که توسط دیپ‌مایند معرفی شده است. این تکنیک، نمرات اطمینان داخلی مدل را در چندین مسیر استدلال ارزیابی می‌کند. با انتخاب مسیری با بالاترین امتیاز احتمال، رمزگشایی CoT دقیق‌ترین و مطمئن‌ترین پاسخ را ارائه می‌دهد. این روش نتایج بهتری نسبت به رویکردهای ساده‌تر مانند رمزگشایی حریصانه نشان داده است.

ظهور روش‌های مبتنی بر درخت

زنجیره فکری با خودسازگاری (CoT-SC)

CoT-SC چندین مسیر استدلال ایجاد می‌کند و سازگاری آنها را برای انتخاب قابل اعتمادترین پاسخ ارزیابی می‌کند. این رویکرد، بهبود ۱ تا ۸ درصدی را در وظایفی مانند استدلال حسابی نشان داده است.

درخت افکار (ToT)

ToT که توسط دانشگاه پرینستون و دیپ‌مایند در اواخر سال ۲۰۲۳ معرفی شد، رشته‌های استدلال را به صورت پویا در حین پیشرفت ارزیابی می‌کند. برخلاف CoT-SC که مسیرها را تنها پس از تکمیل ارزیابی می‌کند، ToT رشته‌های کم‌امیدکننده را در میانه راه حذف می‌کند و منابع محاسباتی را بر روی راه‌حل‌های عملی متمرکز می‌کند.

ToT را می‌توان با جستجوی درخت مونت کارلو (MCTS) بهبود بخشید. MCTS، پس انتشار را برای اصلاح تصمیمات قبلی بر اساس اطلاعات جدید معرفی می‌کند. این ترکیب، امکان استدلال کارآمدتر و دقیق‌تر، به ویژه در حوزه‌های حساس که دقت بسیار مهم است، را فراهم می‌کند.

هزینه و کارایی در کاربردهای CoT

تکنیک‌های پیشرفته CoT دقت را بهبود می‌بخشند، اما هزینه‌های محاسباتی و تأخیر را نیز افزایش می‌دهند. برای مثال، برخی از روش‌ها به حداکثر هشت برابر قدرت پردازش بیشتر برای هر سوال نیاز دارند. این امر به هزینه‌های عملیاتی بالاتر برای برنامه‌هایی مانند خدمات مشتری یا تصمیم‌گیری سازمانی منجر می‌شود.

در چنین مواردی، تنظیم دقیق مدل‌ها برای گنجاندن مستقیم استدلال CoT می‌تواند هزینه‌ها را کاهش دهد، اگرچه این همچنان یک حوزه تحقیقاتی فعال است. ایجاد تعادل بین دقت و کارایی، کلید تعیین زمان و نحوه استقرار تکنیک‌های CoT است.

پیاده‌سازی عملی: رمزگشایی CoT

برای نشان دادن کاربرد عملی تکنیک‌های CoT، می‌توان یک سیستم رمزگشایی CoT را با استفاده از یک مدل متن‌باز مانند Llama 3.1 8B پیاده‌سازی کرد. این سیستم به صورت پویا پیچیدگی یک سوال را برای تعیین تعداد مسیرهای استدلال (k) مورد نیاز ارزیابی می‌کند. با استفاده از logits (نمرات اطمینان خام) و ایجاد چندین مسیر استدلال، سیستم مطمئن‌ترین پاسخ را انتخاب می‌کند.

فرآیند پیاده‌سازی شامل موارد زیر است:
1. راه‌اندازی مدل: دانلود و ذخیره وزن‌ها از Hugging Face برای دسترسی سریع.
2. تعریف پارامترها: پیکربندی تنظیمات رمزگشایی مانند مقادیر k و معیارهای ارزیابی.
3. توسعه API: ایجاد یک نقطه پایانی با استفاده از پلتفرم‌هایی مانند Beam.Cloud برای ارائه مدل و مدیریت درخواست‌های کاربر.

نتیجه یک سیستم هوشمند است که می‌تواند پاسخ‌های دقیق با نمرات اطمینان ارائه دهد و پیچیدگی استدلال خود را بر اساس دشواری سوال تنظیم کند.

افکار نهایی

زنجیره فکری و انواع پیشرفته آن، نشان دهنده جهش بزرگی در قابلیت‌های LLM هستند. از استدلال گام به گام ساده گرفته تا روش‌های پیچیده مبتنی بر درخت، این تکنیک‌ها مدل‌ها را قادر می‌سازند تا با دقت بیشتری به مسائل پیچیده بپردازند. در حالی که چالش‌هایی مانند کارایی هزینه و مقیاس‌پذیری همچنان وجود دارد، CoT به عنوان پایه‌ای برای مهندسی درخواست و استراتژی‌های استدلال هوش مصنوعی در حال تکامل است.

با درک و پیاده‌سازی این چارچوب‌ها، توسعه‌دهندگان می‌توانند امکانات جدیدی برای ساخت سیستم‌های هوشمند و انعطاف‌پذیر متناسب با کاربردهای مختلف ایجاد کنند.

اگر به خواندن کامل این مطلب علاقه‌مندید، روی لینک مقابل کلیک کنید: towardsdatascience.com

مدل جدید استدلالی OpenAI o3 نه تنها به نتایج بی‌سابقه‌ای در آزمون ARC-AGI-1 دست یافته است، بلکه با ترکیب پردازش‌های شناختی «سریع» و «کند»، می‌تواند الگوی توسعه‌ی هوش مصنوعی را دگرگون کند. با این حال، چالش‌هایی مانند هزینه، مدیریت خطا و مقیاس‌پذیری همچنان نیازمند توجه ویژه هستند.

معرفی مدل o3 توسط شرکت اوپن‌ای‌آی (OpenAI)، شور و شوق و کنجکاوی زیادی را در میان متخصصان هوش مصنوعی برانگیخته است. این مدل که جایگزین مدل o1 شده، پیشرفت چشمگیری در توانایی‌های استدلالی از خود نشان می‌دهد و فرضیات پیشین در مورد محدودیت‌های مدل‌های مبتنی بر ترانسفورمر را به چالش می‌کشد. در این مقاله، به بررسی دستاوردهای شگفت‌انگیز o3، ارتباط آن با سیستم‌های شناختی انسان، و تأثیر آن بر آینده‌ی هوش مصنوعی می‌پردازیم.

موفقیت در استدلال

مدل o3 شرکت اوپن‌ای‌آی (OpenAI) استاندارد جدیدی را در انجام وظایف استدلالی، به‌ویژه با عملکرد خود در آزمون ARC-AGI-1، ارائه داده است. این آزمون، به‌طور خاص برای سنجش هوش عمومی مصنوعی طراحی شده و بسیار دشوار است. در حالی که o1 به امتیاز متوسط ۳۲٪ رسیده بود، o3 امتیاز چشمگیر ۸۸٪ را کسب کرده است. این پیشرفت باورنکردنی، با توجه به تردیدهای موجود در مورد توانایی مدل‌های مبتنی بر ترانسفورمر برای موفقیت در چنین آزمون‌هایی، بسیار قابل توجه است.

طراحان چالش ARC که جایزه‌ی ۱ میلیون دلاری برای عبور از آزمون خود تعیین کرده بودند، در ابتدا تحت تأثیر o1 قرار نگرفته بودند. اما عرضه‌ی o3 کاملاً نظر آن‌ها را تغییر داد. شرکت اوپن‌ای‌آی (OpenAI) در وبلاگ خود از عباراتی مانند «شگفت‌انگیز»، «بدیع» و «دستاوردی بزرگ» برای توصیف توانایی‌های این مدل استفاده کرده است. با وجود این موفقیت، هزینه‌ی زیادی برای آن صرف شده است: کسب امتیاز ۷۶٪ تقریباً ۹۰۰۰ دلار منابع محاسباتی نیاز داشته و کسب امتیاز ۸۸٪، بر اساس اطلاعات اوپن‌ای‌آی (OpenAI)، احتمالاً حدود ۱.۵ میلیون دلار هزینه محاسباتی در پی داشته است.

شباهت با شناخت انسان

مدل o3 ما را به مقایسه‌ی آن با فرآیندهای شناختی انسان، به‌ویژه آنچه در کتاب معروف «تفکر، سریع و کند» نوشته‌ی دنیل کانمن آمده، تشویق می‌کند. کانمن دو سیستم تفکر را معرفی می‌کند:

• سیستم ۱ (سریع): تفکری خودکار، بی‌دردسر، و بر اساس تداعی.
• سیستم ۲ (کند): استدلالی سنجیده، منطقی، و نیازمند تلاش.

این دو سیستم با همکاری یکدیگر، تصمیم‌گیری انسان را شکل می‌دهند. برای مثال، خواندن با صدای بلند ممکن است آسان به نظر برسد (سیستم ۱)، اما درک عمیق و تحلیل مطالب نیازمند تمرکز و انرژی است (سیستم ۲).

مدل‌های زبانی بزرگ (LLM) مانند GPT عمدتاً در حالت «سریع» عمل می‌کنند و وظایف را بدون توقف برای استدلال عمیق‌تر، به صورت پیوسته پردازش می‌کنند. این رویکرد محدودیت‌هایی دارد، مانند تایپ کردن بدون استفاده از دکمه‌ی پاک کردن – چالشی که اندرو نگ، متخصص هوش مصنوعی، به آن اشاره کرده است. اما مدل‌هایی مانند o1 و مدل‌های مشابه (مانند Deepseek R1، QwQ، Gemini 2.0) حالت «کند» را معرفی کرده‌اند که به آن‌ها اجازه می‌دهد مکث کنند و به استدلال سنجیده‌تری بپردازند.

انقلاب مدل کند

ظهور مدل‌های استدلال کند می‌تواند روند اصلی بعدی در توسعه‌ی هوش مصنوعی باشد. ترکیب نقاط قوت سیستم‌های سریع و کند، امکان حل مسئله با دقت و کارایی بیشتر را فراهم می‌کند. برای مثال:

• سیستم‌های سریع: مناسب برای شناسایی سریع و واکنش فوری.
• سیستم‌های کند: مناسب برای برنامه‌ریزی، ارزیابی، و استدلال پیچیده.

نمونه‌ای از این رویکرد دو سیستمی در دستیار کدنویسی Aider AI دیده می‌شود. با استفاده از QwQ به عنوان «معمار» و Qwen 2.5 به عنوان «کدنویس»، Aider AI از طریق فرآیند دو مرحله‌ای «معمار-کد» به عملکرد کدنویسی بهتری دست می‌یابد. این روش مشارکتی نشان‌دهنده‌ی چگونگی تعادل انسان بین شهود و تفکر است.

چالش‌های پیش رو

با وجود امیدبخش بودن، مدل o3 و سیستم‌های مشابه با چندین مانع روبرو هستند:

• خطر تولید اطلاعات نادرست: هنوز مشخص نیست که این مدل‌ها چقدر می‌توانند نادرستی‌ها و خروجی‌های اشتباه را مدیریت کنند.
• محدودیت‌های پنجره‌ی متن: مدل‌های فعلی در نگهداری و پردازش همزمان حجم زیادی از اطلاعات مشکل دارند.
• هزینه‌ی بالا: هزینه‌ی محاسباتی مدل‌های کند، مانعی بزرگ برای گسترش و کاربرد عملی آن‌هاست.
• کاربرد عملی: در حالی که مدل‌های کند در آزمون‌های خاص موفق هستند، هنوز قادر به مدیریت مستقل پروژه‌های بزرگ یا شبیه‌سازی کارآموزان انسانی نیستند.
• پارادوکس موراوک: خودکارسازی وظایفی که نیازمند قضاوت دقیق یا مهارت‌های حرکتی اولیه هستند، همچنان برای سیستم‌های هوش مصنوعی چالش‌برانگیز است.

نگاهی به آینده: تلاقی سرعت و دقت

ترکیب فرآیندهای شناختی سریع و کند در هوش مصنوعی می‌تواند روش ما در یادگیری ماشین و وظایف استدلالی را دگرگون کند. با پیوند این سیستم‌ها، ممکن است امکانات جدیدی در زمینه‌هایی مانند برنامه‌ریزی، تصمیم‌گیری، و حل خلاقانه‌ی مسئله ایجاد شود. با وجود چالش‌ها، این تغییر الگو، چشم‌اندازی از توسعه‌ی هوش مصنوعی تا سال ۲۰۲۵ را نشان می‌دهد: یکپارچگی هماهنگ عمل سریع و تفکر سنجیده.

اینکه آیا مدل‌هایی مانند o3 می‌توانند بر محدودیت‌های فعلی خود غلبه کنند و به‌طور گسترده مورد استفاده قرار گیرند، هنوز مشخص نیست. با این حال، پتانسیل آن‌ها برای تغییر چشم‌انداز هوش مصنوعی غیرقابل انکار است.

اگر به خواندن کامل این مطلب علاقه‌مندید، روی لینک مقابل کلیک کنید: dev community

مدل‌های جدید هوش مصنوعی اوپن‌ای‌آی، یعنی o1 و o3، مفهوم «ترازبندی متفکرانه» را معرفی کرده‌اند که سیستم‌های هوش مصنوعی را با ارزش‌های انسانی همسو می‌کند. این روش نوین، با ارجاع به سیاست‌های ایمنی اوپن‌ای‌آی در هنگام پردازش اطلاعات، دقت و امنیت پاسخ‌ها را به سطح تازه‌ای ارتقا می‌دهد. ترازبندی متفکرانه می‌تواند به‌عنوان یک استاندارد نوین در ایمنی هوش مصنوعی شناخته شود و مسیر آینده این صنعت را شکل دهد.

ترازبندی متفکرانه‌ی اوپن‌ای‌آی: گامی به سوی هوش مصنوعی ایمن‌تر

اوپن‌ای‌آی به‌تازگی از مدل استدلال پیشرفته‌ی o3 خود رونمایی کرده است. این مدل، عضوی از خانواده‌ی سری o است و بهبودهایی در عملکرد و ایمنی دارد. در قلب این نوآوری، «ترازبندی متفکرانه» قرار دارد. ترازبندی متفکرانه، یک الگوی آموزشی جدید است. هدف این الگو، اطمینان از پایبندی سیستم‌های هوش مصنوعی به اصول ایمنی از پیش تعیین‌شده است. این رویکرد، مدل‌ها را آموزش می‌دهد تا هنگام استدلال «زنجیره‌ی فکر» (Chain-of-thought) خود، به سیاست‌های ایمنی اوپن‌ای‌آی مراجعه کنند. این کار، توانایی آن‌ها را در بررسی مسئولانه‌ی موضوعات حساس افزایش می‌دهد.

مفهوم ترازبندی متفکرانه

روش‌های سنتی ایمنی هوش مصنوعی اغلب بر مراحل پیش از آموزش یا پس از آموزش متمرکز هستند. اما ترازبندی متفکرانه، لایه‌ی جدیدی از ایمنی را در مرحله‌ی استنتاج اضافه می‌کند. مرحله‌ی استنتاج، زمانی است که کاربران با مدل تعامل دارند. مدل‌های o1 و o3 هنگام پردازش اطلاعات ورودی کاربر، به سیاست‌های ایمنی اوپن‌ای‌آی مراجعه می‌کنند. به این ترتیب، تراز این مدل‌ها با دستورالعمل‌های ایمنی بهبود می‌یابد. نکته‌ی مهم این است که این روش، به توانایی آن‌ها در پاسخگویی موثر به پرسش‌های بی‌خطر، آسیبی نمی‌رساند.

برای مثال، اگر کاربری از هوش مصنوعی بپرسد که چگونه یک کارت پارکینگ معلولین جعلی بسازد، مدل با استفاده از استدلال زنجیره‌ی فکر و مراجعه به سیاست‌های اوپن‌ای‌آی، این پرسش را ناامن تشخیص می‌دهد. در نتیجه، مدل با استناد به دستورالعمل‌های اخلاقی، از پاسخ دادن به این پرسش خودداری می‌کند. این نوع تفکر درونی، گامی مهم در جهت مفید و هماهنگ کردن خروجی‌های هوش مصنوعی با ارزش‌های انسانی است.

عملکرد مدل‌های سری o

مدل‌های سری o از فرآیند «زنجیره‌ی فکر» برای تقسیم درخواست‌های پیچیده به مراحل کوچک‌تر استفاده می‌کنند. پس از دریافت پرسش کاربر، مدل‌ها به‌صورت داخلی پرسش‌های بعدی را ایجاد می‌کنند. سپس، مسئله را تجزیه و تحلیل می‌کنند. قبل از تدوین پاسخ نهایی نیز با دستورالعمل‌های ایمنی مشورت می‌کنند. این فرآیند استدلال چندمرحله‌ای به آن‌ها اجازه می‌دهد تا پاسخ‌های دقیق و متناسب با موقعیت ارائه دهند.

یکی از نکات کلیدی این فرآیند، ادغام سیاست ایمنی اوپن‌ای‌آی در استدلال مدل است. در طول استنتاج، مدل‌ها مرتباً بخش‌های مربوط به سیاست را مرور می‌کنند. این کار تضمین می‌کند که پاسخ‌های آن‌ها با استانداردهای اخلاقی مطابقت دارد. این رویکرد، نه تنها ایمنی را بهبود می‌بخشد، بلکه الگویی برای خودتنظیمی سیستم‌های هوش مصنوعی در طول تعاملات زنده ارائه می‌دهد.

چالش‌ها و نوآوری‌ها

ترازبندی متفکرانه نتایج امیدوارکننده‌ای داشته است، اما پیاده‌سازی آن با چالش‌هایی همراه بوده است. برای مثال، مراجعه‌ی مداوم مدل‌ها به کل سیاست ایمنی در طول استنتاج، باعث افزایش تأخیر و هزینه‌های محاسباتی می‌شد. برای حل این مشکل، اوپن‌ای‌آی داده‌های مصنوعی را در مرحله‌ی پس از آموزش به‌کار گرفت.

داده‌های مصنوعی، مثال‌هایی هستند که توسط یک مدل هوش مصنوعی دیگر تولید می‌شوند. این داده‌ها برای آموزش o1 و o3 در زمینه‌ی نحوه‌ی مراجعه‌ی موثر به سیاست‌های ایمنی استفاده شدند. اوپن‌ای‌آی با استفاده از مدل‌های استدلال داخلی برای ایجاد و ارزیابی این مثال‌ها، نیاز به درخواست‌های نوشته‌شده توسط انسان را به حداقل رساند. به این ترتیب، به دقت بالا با هزینه‌ی کمتر دست یافت. این رویکرد مقیاس‌پذیر می‌تواند روش هماهنگ‌سازی سیستم‌های هوش مصنوعی با استانداردهای اخلاقی را متحول کند.

پیامدهای گسترده‌تر ایمنی هوش مصنوعی

با پیشرفته‌تر شدن مدل‌های هوش مصنوعی، تضمین ایمنی آن‌ها اهمیت بیشتری پیدا می‌کند. ترازبندی متفکرانه، تغییری اساسی در نحوه‌ی برخورد توسعه‌دهندگان با این چالش است. این رویکرد، فراتر از حفاظ‌های ایستا عمل می‌کند و به سمت استدلال پویا و آگاه از زمینه حرکت می‌کند. این نوآوری به ماهیت پیچیده‌ی درخواست‌های ناامن می‌پردازد. این درخواست‌ها می‌توانند از درخواست برای فعالیت‌های غیرقانونی تا تلاش‌های زیرکانه برای دور زدن محدودیت‌ها را شامل شوند.

تحقیقات اوپن‌ای‌آی، توازن ظریف بین محدود کردن پرسش‌های مضر و حفظ کارایی مدل برای اهداف مشروع را نشان می‌دهد. برای مثال، ممنوعیت کلی کلمات کلیدی خاص می‌تواند منجر به رد بیش از حد شود. در این صورت، حتی پرسش‌های ایمن و آموزشی نیز مسدود می‌شوند. ترازبندی متفکرانه با آموزش مدل‌ها برای ارزیابی نیت و زمینه‌ی پشت هر درخواست، راه‌حل دقیق‌تری ارائه می‌دهد.

ارزیابی عملکرد

معیارهای اولیه نشان می‌دهند که ترازبندی متفکرانه، ایمنی و عملکرد مدل‌های سری o را بهبود قابل توجهی داده است. در آزمون‌هایی مانند Pareto که مقاومت در برابر تکنیک‌های جیلبریک را می‌سنجد، o1-preview عملکرد بهتری نسبت به رقبایی مانند Claude 3.5 و Gemini 1.5 Flash داشته است. این نتایج نشان می‌دهد که رویکرد اوپن‌ای‌آی می‌تواند به استاندارد جدیدی برای هماهنگ کردن مدل‌های هوش مصنوعی با ارزش‌های انسانی تبدیل شود.

داده‌های مصنوعی و مقیاس‌پذیری

استفاده از داده‌های مصنوعی در آموزش، نوآوری کلیدی دیگری در رویکرد اوپن‌ای‌آی است. این شرکت با تولید مثال‌های زنجیره‌ی فکر با ارجاع به دستورالعمل‌های ایمنی خاص، وابستگی به حاشیه‌نویسان انسانی را بدون کاهش کیفیت، کاهش داده است. این روش همچنین از فرآیندهای یادگیری تقویتی پشتیبانی می‌کند. در این فرآیندها، یک هوش مصنوعی «داور» داخلی، پاسخ‌های مدل‌ها را از نظر دقت و تراز ارزیابی می‌کند.

با اینکه داده‌های مصنوعی نگرانی‌هایی را در مورد کیفیت در برخی زمینه‌ها ایجاد می‌کند، نتایج اوپن‌ای‌آی، پتانسیل این داده‌ها را برای آموزش هوش مصنوعی مقیاس‌پذیر و موثر نشان می‌دهد. با آماده شدن مدل‌هایی مانند o3 برای انتشار عمومی در سال ۲۰۲۵، این تکنیک می‌تواند راه را برای پذیرش گسترده‌تر آن در صنعت هموار کند.

نگاهی به آینده

روش ترازبندی متفکرانه‌ی اوپن‌ای‌آی، پیشرفت امیدوارکننده‌ای در تحقیقات ایمنی هوش مصنوعی است. مدل‌های سری o با ادغام ملاحظات ایمنی به‌طور مستقیم در فرآیند استدلال، گامی مهم به سوی ایجاد سیستم‌های هوش مصنوعی هماهنگ‌تر با ارزش‌های انسانی برداشته‌اند. با افزایش قدرت و عاملیت این مدل‌ها، نوآوری‌هایی مانند ترازبندی متفکرانه برای تضمین اخلاقی و قابل اعتماد ماندن آن‌ها ضروری خواهد بود.

اوپن‌ای‌آی با عرضه‌ی o3 در آینده‌ی نزدیک، به پیشبرد مرزهای توانایی‌های سیستم‌های هوش مصنوعی با حفظ تعهد قوی به ایمنی ادامه می‌دهد. با تکامل صنعت، این رویکرد می‌تواند الگویی برای سایر توسعه‌دهندگانی باشد که به دنبال توازن بین نوآوری و مسئولیت هستند.

اگر به خواندن کامل این مطلب علاقه‌مندید، روی لینک مقابل کلیک کنید: techcrunch

کدهای تولیدشده توسط هوش مصنوعی نگرانی‌های پیچیده‌ای را برای توسعه‌دهندگان و سازمان‌ها به همراه دارد. از چالش‌های مالکیت معنوی گرفته تا پیامدهای فاجعه‌بار، این مسئولیت‌ها اهمیت زیادی پیدا کرده‌اند. در این میان، ابهامات قانونی پیرامون ابزارهایی مانند ChatGPT نشان‌دهنده نیاز به بررسی دقیق‌تر این مسائل است و می‌تواند تأثیرات عمیقی بر آینده فناوری داشته باشد.

پیچیدگی‌های مسئولیت در کد تولید شده توسط هوش مصنوعی

هوش مصنوعی (AI) به یکی از ارکان توسعه نرم‌افزار مدرن تبدیل شده است. همین امر، بحث مسئولیت در قبال کد تولید شده توسط هوش مصنوعی را به موضوعی مهم تبدیل کرده است. توسعه‌دهندگان و کسب‌وکارها باید با خطرات احتمالی، از جمله اختلافات مالکیت معنوی و شکست‌های فاجعه‌بار، مقابله کنند. درک این چالش‌های حقوقی و فنی برای هر کسی که از ابزارهای هوش مصنوعی مانند ChatGPT یا Copilot استفاده می‌کند، ضروری است.

درک مسئولیت عملکردی

ریچارد سانتالسا، وکیلی متخصص در حوزه فناوری و عضو انجمن مطبوعات اینترنتی، چشم‌انداز حقوقی فعلی را کاملاً مبهم توصیف می‌کند. به گفته‌ی سانتالسا، کد تولید شده توسط هوش مصنوعی، در حال حاضر پیامدهای قانونی مشابه کد نوشته شده توسط انسان دارد. باید توجه داشت که هیچ کدی، چه توسط انسان نوشته شده باشد و چه توسط هوش مصنوعی تولید شده باشد، بدون خطا نیست. توسعه نرم‌افزار مدت‌هاست که به کتابخانه‌ها و SDKهای خارجی متکی بوده است، اغلب بدون بررسی کامل. کد تولید شده توسط هوش مصنوعی، حداقل در حال حاضر، در همین دسته قرار می‌گیرد.

این دیدگاه نکته‌ی مهمی را برجسته می‌کند: مسئولیت اغلب بر عهده‌ی کسانی است که این کد را به کار می‌گیرند و ادغام می‌کنند. توافق‌نامه‌های سطح خدمات به ندرت بی‌عیبی و نقصی را تضمین می‌کنند و هوش مصنوعی این واقعیت را تغییر نمی‌دهد. توسعه‌دهندگان باید هوشیار باشند، به خصوص با افزایش استفاده از ابزارهای هوش مصنوعی در فرآیندهای توسعه.

تهدید ترول‌های قانونی

شان اوبراین، مدرس امنیت سایبری در دانشکده حقوق ییل و بنیانگذار آزمایشگاه حریم خصوصی ییل، به مسئله‌ی نگران‌کننده‌ای اشاره می‌کند: احتمال تولید کد اختصاصی یا دارای حق چاپ توسط ابزارهای هوش مصنوعی. با توجه به آموزش پلتفرم‌هایی مانند ChatGPT و Copilot بر روی مجموعه داده‌های عظیم – شامل منابع متن‌باز و اختصاصی – توسعه‌دهندگان ممکن است ناخواسته چنین کدی را در پروژه‌های خود وارد کنند. این موضوع زمینه را برای نوع جدیدی از سوءاستفاده‌های قانونی فراهم می‌کند.

اوبراین پیش‌بینی می‌کند صنعتی مشابه سوءاستفاده از ثبت اختراع، شکل بگیرد. در این صنعت، شرکت‌ها از توسعه‌دهندگان به دلیل استفاده از کد تولید شده توسط هوش مصنوعی که ادعا می‌شود مجوزهای اختصاصی را نقض می‌کند، شکایت خواهند کرد. با افزایش اتکای توسعه‌دهندگان به ابزارهای هوش مصنوعی، اکوسیستم‌های نرم‌افزاری ممکن است با عناصر اختصاصی آلوده شوند و منجر به ادعاهای توقف و انصراف شوند. پیامدهای این موضوع برای کسب‌وکارها و کدنویسان بسیار سنگین است، زیرا حتی استفاده‌ی ناخواسته از چنین کدی می‌تواند منجر به دعاوی پرهزینه شود.

دستکاری و خرابکاری داده‌های آموزشی هوش مصنوعی

یکی دیگر از نگرانی‌ها، احتمال خرابکاری در داده‌های آموزشی هوش مصنوعی است. هکرها، دولت‌های متخاصم و حتی افراد با نیت بد می‌توانند داده‌های نادرست یا مغرضانه را به سیستم‌های هوش مصنوعی تزریق کنند. این امر می‌تواند اعتبار خروجی‌های هوش مصنوعی را به خطر بیندازد و مسئولیت را پیچیده‌تر کند. چه برای منافع مالی و چه برای ایجاد اختلال، چنین اقداماتی خطر قابل توجهی برای یکپارچگی ابزارهای هوش مصنوعی ایجاد می‌کند.

همچنین، رابرت پیاسنتین، وکیل کانادایی، اشاره می‌کند که داده‌های آموزشی ناقص یا مغرضانه می‌تواند منجر به خروجی‌هایی شود که آسیب‌زا هستند. اگر یک سیستم هوش مصنوعی بر اساس داده‌های آموزشی ناقص، توصیه‌های نادرست یا مضر ارائه دهد، می‌تواند زمینه را برای شکایت‌های قانونی باز کند. سازمان‌ها باید نه تنها کیفیت خروجی‌های هوش مصنوعی خود، بلکه منبع داده‌های آموزشی این سیستم‌ها را نیز مورد بررسی قرار دهند.

چه کسی مسئول شکست است؟

وقتی کد تولید شده توسط هوش مصنوعی منجر به نتایج فاجعه‌بار شود، مسئله‌ی مسئولیت مبهم‌تر می‌شود. اگر یک محصول به دلیل یک کتابخانه یا ماژول معیوب – چه تولید شده توسط انسان و چه توسط هوش مصنوعی – از کار بیفتد، در نهایت چه کسی مسئول است؟ معمولاً مسئولیت بین چندین طرف تقسیم می‌شود: سازنده‌ی محصول، توسعه‌دهنده‌ی کتابخانه و سازمانی که تصمیم به ادغام کد گرفته است.

با این حال، ورود هوش مصنوعی به این معادله، پیچیدگی‌ها را بیشتر می‌کند. در حالی که توسعه‌دهندگان مسئولیت قابل توجهی در آزمایش و اعتبارسنجی کد تولید شده توسط هوش مصنوعی دارند، دعاوی می‌توانند ارائه‌دهندگان هوش مصنوعی و حتی منابع داده‌های آموزشی را هدف قرار دهند. در حال حاضر، شفافیت قانونی وجود ندارد، زیرا موارد کمی در این زمینه بررسی شده‌اند. تا زمانی که رویه‌ی مشخصی ایجاد نشود، کسب‌وکارها و توسعه‌دهندگان باید با احتیاط عمل کنند.

بهترین شیوه‌ها برای مدیریت مسئولیت هوش مصنوعی

در این فضای حقوقی نامشخص، اقدامات پیشگیرانه بسیار مهم هستند:

• آزمایش کامل: توسعه‌دهندگان باید کد تولید شده توسط هوش مصنوعی را به طور دقیق آزمایش کنند تا از عملکرد و امنیت آن اطمینان حاصل کنند. با خروجی‌های هوش مصنوعی به عنوان مقدماتی رفتار کنید که نیاز به بررسی دقیق دارند.
• درک مجوز: از مسائل مربوط به مجوزهای احتمالی مرتبط با محتوای اختصاصی یا دارای حق چاپ آگاه باشید. از استفاده از کدی که منشأ آن مشخص نیست، خودداری کنید.
• نظارت بر داده‌های آموزشی: سازمان‌هایی که از مدل‌های هوش مصنوعی سفارشی استفاده می‌کنند، باید مجموعه داده‌های آموزشی خود را از نظر سوگیری یا نادرستی بررسی کنند.
• آمادگی قانونی: با کارشناسان حقوقی مشورت کنید تا میزان مسئولیت خود را درک کرده و سیاست‌های روشنی برای استفاده از ابزارهای هوش مصنوعی ایجاد کنید.

نگاه به آینده

با ادامه‌ی انقلاب هوش مصنوعی در توسعه نرم‌افزار، سوالات مربوط به مسئولیت همچنان مطرح خواهند بود. توسعه‌دهندگان و سازمان‌ها باید با احتیاط در این چالش‌ها گام بردارند و نوآوری را با مسئولیت‌پذیری هماهنگ کنند. در حال حاضر، بهترین راهکار، آگاه ماندن، آزمایش دقیق و آمادگی برای شرایطی است که رویه‌های قانونی هنوز در حال تکامل هستند.

با درک این خطرات و انجام اقدامات احتیاطی مناسب، کسب‌وکارها می‌توانند از پتانسیل تغییر دهنده‌ی هوش مصنوعی بهره ببرند و همزمان ریسک‌های حقوقی را به حداقل برسانند.

اگر به خواندن کامل این مطلب علاقه‌مندید، روی لینک مقابل کلیک کنید: zdnet

کد تولید شده توسط هوش مصنوعی چه وضعیتی از نظر مالکیت و کپی‌رایت دارد؟ پاسخ به این سوال چالش‌برانگیز است و همچنان بین متخصصان حقوقی بحث‌برانگیز باقی مانده است. ابهاماتی در مورد مالکیت، حقوق کپی‌رایت، و مسئولیت‌های مرتبط با استفاده از ابزارهایی مثل ChatGPT برای تولید نرم‌افزار مطرح شده که نیازمند بررسی عمیق‌تر هستند.

رمزگشایی مالکیت کد تولید شده توسط هوش مصنوعی

هوش مصنوعی شیوه‌ی خلق و نوآوری ما را متحول می‌کند. همین امر باعث شده است که سوالات مربوط به مالکیت محتوای تولید شده توسط هوش مصنوعی، به خصوص کد، اهمیت بیشتری پیدا کند. توسعه‌دهندگان، کسب‌وکارها و حقوقدانان با پیچیدگی‌های قوانین مالکیت فکری (intellectual property : IP) در این حیطه‌ی جدید و ناشناخته مواجه هستند. این مقاله به بررسی دقیق مالکیت، حق تکثیر و رویه‌های قانونی مربوط به کد تولید شده توسط هوش مصنوعی می‌پردازد.

سوال اصلی: مالکیت کد تولید شده توسط هوش مصنوعی متعلق به کیست؟

مالکیت کد تولید شده توسط هوش مصنوعی یک منطقه‌ی خاکستری قانونی است. فرض کنید در حال توسعه‌ی یک اپلیکیشن هستید و بیشتر کد را خودتان می‌نویسید، اما برای تولید بخش‌های خاصی از ChatGPT استفاده می‌کنید. آیا این دخالت عامل خارجی بر مالکیت شما بر اپلیکیشن تأثیر می‌گذارد؟ متخصصان حقوقی معتقدند که پاسخ در قوانین قراردادها و حق تکثیر نهفته است که هر کدام چالش‌های خاص خود را دارند.

ملاحظات قراردادی

به گفته‌ی ریچارد سانتالسا، وکیل متخصص در فناوری و مالکیت فکری، شرکت‌های ارائه‌دهنده‌ی ابزارهای هوش مصنوعی، اغلب بر اساس شرایط خدمات خود، ادعای مالکیت بر خروجی‌های تولید شده را دارند. با این حال، OpenAI، خالق ChatGPT، تمامی حقوق مربوط به خروجی تولید شده را صراحتاً به کاربر واگذار می‌کند. اگرچه این موضوع ممکن است ساده به نظر برسد، اما توسعه‌دهندگان همچنان باید شرایط قراردادی هر ابزاری را که استفاده می‌کنند، به طور کامل درک کنند.

پیامدهای حق تکثیر (کپی‌رایت)

مالکیت و حق تکثیر مفاهیم جداگانه اما مرتبط هستند. مالکیت به کنترل کد مربوط می‌شود – چه کسی می‌تواند آن را تغییر دهد، توزیع کند یا از آن استفاده کند – در حالی که حق تکثیر به حمایت قانونی گسترده‌تر از آثار اصلی مربوط می‌شود. در ایالات متحده، قانون حق تکثیر شرط می‌کند که یک اثر توسط انسان خلق شده باشد تا مشمول حمایت قانونی قرار گیرد. این شرط، تردیدهایی را در مورد اینکه آیا کد تولید شده توسط هوش مصنوعی می‌تواند اصولاً دارای حق تکثیر باشد، ایجاد می‌کند.

دیدگاه‌های بین‌المللی در مورد مالکیت

ابهام قانونی پیرامون آثار تولید شده توسط هوش مصنوعی فراتر از ایالات متحده است. به عنوان مثال، در کانادا، آژانس نوآوری، علوم و توسعه اقتصادی (Innovation, Science and Economic Development : ISED) سه رویکرد مختلف برای مالکیت مربوط به هوش مصنوعی پیشنهاد داده است:

1. واگذاری مالکیت به فردی که مقدمات ایجاد اثر را فراهم کرده است.
2. محدود کردن حق تکثیر به آثاری که توسط انسان تولید شده‌اند.
3. ایجاد یک رده‌ی جدید از حقوق «بدون مؤلف» برای محتوای تولید شده توسط هوش مصنوعی.

به طور مشابه، در بریتانیا، قانون طرح‌های حق تکثیر و اختراعات، تألیف آثار تولید شده توسط کامپیوتر را به شخصی که مقدمات لازم برای ایجاد آنها را فراهم کرده است، واگذار می‌کند. این اصل توسط رویه‌ی قضایی مربوط به دارایی‌های بازی‌های ویدیویی تقویت شده است، جایی که دادگاه‌ها حکم دادند که مالکیت متعلق به توسعه‌دهندگان است، نه بازیکنانی که عناصر درون بازی را تغییر می‌دهند.

واقعیت پیچیده برای کدنویسان

نبود دستورالعمل‌های روشن، مسائل را برای توسعه‌دهندگانی که کد تولید شده توسط هوش مصنوعی را در پروژه‌های خود ادغام می‌کنند، پیچیده می‌کند. شان اوبراین، مدرس امنیت سایبری در دانشکده‌ی حقوق ییل، به حکم اخیر دفتر حق تکثیر ایالات متحده در مورد یک رمان گرافیکی حاوی تصاویر تولید شده توسط هوش مصنوعی اشاره می‌کند. اگرچه اثر کلی به دلیل مشارکت انسان دارای حق تکثیر شناخته شد، اما تصاویر تولید شده توسط هوش مصنوعی به تنهایی چنین نبودند. اگر این رویه در توسعه‌ی نرم‌افزار اعمال شود، این سابقه نشان می‌دهد که ممکن است یک برنامه دارای حق تکثیر باشد، اما روال‌های خاص تولید شده توسط هوش مصنوعی در آن لزوماً دارای حق تکثیر نباشند.

چالش‌های صدور مجوز

کد تولید شده توسط هوش مصنوعی چالش‌هایی را نیز در زمینه‌ی صدور مجوز ایجاد می‌کند. ChatGPT به طور خودکار مجوزهایی مانند مجوز عمومی گنو (GNU General Public License : GPL) را برای خروجی‌های خود اعمال نمی‌کند و کاربران را در مورد انطباق با قوانین سردرگم می‌کند. علاوه بر این، مواردی از ابزارهای هوش مصنوعی که کد منبع باز را عیناً کپی می‌کنند، منجر به اختلافات قانونی بر سر نقض مجوز شده است.

آینده چه خواهد بود؟

چشم‌انداز قانونی برای محتوای تولید شده توسط هوش مصنوعی همچنان نامشخص است. اگرچه برخی از کارشناسان، مانند اوبراین از ییل، استدلال می‌کنند که ابزارهای هوش مصنوعی بر اصول استفاده‌ی منصفانه متکی هستند، هنوز هیچ حکم قطعی دادگاه این ادعا را تأیید نکرده است. تا زمانی که رویه‌های قانونی بیشتری شکل بگیرد، توسعه‌دهندگان باید با احتیاط در این فضای مبهم حرکت کنند.

نکات کلیدی

1. مالکیت و حق تکثیر: کد تولید شده توسط هوش مصنوعی اغلب فاقد مالکیت یا حمایت‌های حق تکثیر واضح تحت قوانین فعلی است.
2. مستندسازی بسیار مهم است: توسعه‌دهندگان باید به دقت ثبت کنند که کدام بخش از کد آنها توسط هوش مصنوعی تولید شده است.
3. با کارشناسان حقوقی مشورت کنید: با توجه به ماهیت رو به تغییر این حوزه، دریافت مشاوره‌ی حقوقی حرفه‌ای برای کاهش خطرات ضروری است.

بحث در مورد مالکیت کد تولید شده توسط هوش مصنوعی به هیچ وجه به پایان نرسیده است. از آنجایی که فناوری همواره از چارچوب‌های قانونی پیشی می‌گیرد، توسعه‌دهندگان و سازمان‌ها باید هوشیار باشند و شیوه‌های خود را با دستورالعمل‌ها و احکام جدید هماهنگ کنند.

برای اطلاعات بیشتر در مورد مسئولیت و سایر پیچیدگی‌های قانونی کد تولید شده توسط هوش مصنوعی، منتظر قسمت دوم این تحلیل باشید.

اگر به خواندن کامل این مطلب علاقه‌مندید، روی لینک مقابل کلیک کنید: zdnet

محققان دانشگاه کارنگی ملون موفق به توسعه مدلی نوین از هوش مصنوعی شده‌اند که ترکیبی از مدل GARCH و شبکه‌های حافظه کوتاه‌مدت و بلندمدت (LSTM) است. این مدل ترکیبی هوش مصنوعی با بهره‌گیری از یادگیری ماشین مبتنی بر فیزیک و حقایق اثبات‌شده‌ی بازار، نوسانات بازار مالی را با دقتی بی‌سابقه پیش‌بینی می‌کند. رویکرد نوآورانه آن به بهبود قابل‌توجه عملکرد نسبت به مدل‌های سنتی منجر شده و افق‌های جدیدی برای کاربردهای مختلف گشوده است.

افق جدیدی در پیش‌بینی نوسانات بازار مالی

نوسان، از عوامل مهم در بازارهای مالی است. این عامل به‌طور مستقیم بر ریسک و بازده سرمایه‌گذاری تأثیر می‌گذارد. مدل‌هایی مانند چارچوب ناهمسانی واریانس شرطی خودرگرسیو (ARCH) برای چندین دهه در پیش‌بینی نوسانات سری‌های زمانی نقش اساسی داشته‌اند. اما این روش‌های سنتی در تطبیق با ویژگی‌های غیرخطی بازارهای پرنوسان با مشکل روبرو هستند. محققان دپارتمان مهندسی مکانیک دانشگاه کارنگی ملون، با درک این محدودیت، مدل ترکیبی پیشرفته‌ای توسعه داده‌اند. این مدل، معیار جدیدی در پیش‌بینی نوسانات بازار مالی ایجاد کرده است.

این چارچوب جدید که شبکه عصبی مبتنی بر GARCH (GINN) نام دارد، دقت آماری مدل GARCH را با قابلیت انطباق شبکه عصبی عمیق LSTM ترکیب می‌کند. GINN با ادغام این دو روش، هم روندهای کلی بازار و هم الگوهای پیچیده‌ی غیرخطی را که از دید رویکردهای مرسوم پنهان می‌مانند، شناسایی می‌کند.

تلفیق فیزیک و یادگیری ماشین

مدل GINN از یادگیری ماشین مبتنی بر فیزیک الهام گرفته است. این تکنیک، قوانین تثبیت‌شده‌ی فیزیک را در معماری‌های هوش مصنوعی ادغام می‌کند. در این مدل، تیم تحقیقاتی از “حقایق اثبات‌شده” – الگوهای تجربی مستند در بازارهای مالی – برای بهبود فرآیند یادگیری استفاده کرده است. GINN با گنجاندن این بینش‌های بازار در شبکه عصبی، هم از حقایق تاریخی و هم از قابلیت‌های پیش‌بینی مدل GARCH بهره می‌برد.

زدا زو، دانشجوی دکترای کارنگی ملون و نویسنده‌ی اصلی این مطالعه، اهمیت این رویکرد ترکیبی را چنین بیان می‌کند:

“مدل‌های سنتی یادگیری ماشین در معرض خطر ‘بیش‌برازش’ قرار دارند. یعنی مدل بیش از حد با داده‌های آموزشی خود تطبیق پیدا می‌کند. ما با ساخت یک مدل ترکیبی، قابلیت تعمیم و دقت را افزایش می‌دهیم.”

این استراتژی نوآورانه، بیش‌برازش را کاهش می‌دهد و قدرت پیش‌بینی را به حداکثر می‌رساند. به همین دلیل، این مدل ابزاری قدرتمند برای کاربردهای دنیای واقعی است.

عملکرد برتر در بازارهای جهانی

در آزمایش‌های گسترده در مقایسه با مدل‌های رقیب، GINN، مدل مستقل GARCH را با ۵٪ دقت بیشتر پشت سر گذاشت. این رویکرد ترکیبی، پیشرفت‌های قابل‌توجهی در پیش‌بینی نوسانات روزانه‌ی قیمت‌های بسته شدن در هفت شاخص اصلی بازار سهام در سراسر جهان نشان داد. این نتایج، توانایی GINN را برای تطبیق با شرایط مختلف بازار، که مزیتی حیاتی در چشم‌انداز مالی غیرقابل‌پیش‌بینی امروز است، برجسته می‌کند.

کریس مک‌کامب، دانشیار مهندسی مکانیک در کارنگی ملون، پیامدهای گسترده‌ی این کار را چنین بیان می‌کند:

“این نمونه‌ای عالی از توانایی روش‌های مهندسی در حوزه‌های دیگر است. با الهام از یادگیری ماشین مبتنی بر فیزیک و همکاری با متخصصان، راه جدیدی برای ساخت مدل‌های سری زمانی برای پیش‌بینی ایجاد کرده‌ایم.”

فراتر از امور مالی: کاربردهای گسترده‌تر

GINN کاربرد استثنایی در بازارهای مالی دارد، اما کاربردهای آن فراتر از این حوزه است. به گفته‌ی زو، این مدل برای هر کاربردی که شامل داده‌های سری زمانی است، مانند ناوبری خودروی خودران و سیستم‌های هوش مصنوعی مولد، مناسب است. این تطبیق‌پذیری، GINN را به ابزاری مؤثر در صنایعی که پیش‌بینی‌های دقیق در آن‌ها بسیار مهم است، تبدیل می‌کند.

ثمره‌ی همکاری

این مطالعه با همکاری متخصصانی از دانشگاه ایالتی پنسیلوانیا، دانشگاه نیویورک و دانشگاه لوند انجام شده است و نمونه‌ای از نوآوری بین‌رشته‌ای است. این تحقیق که در مجموعه مقالات پنجمین کنفرانس بین‌المللی ACM در مورد هوش مصنوعی در امور مالی منتشر شده است، ترکیبی از نبوغ مهندسی و تخصص حوزه‌های مختلف است و راه را برای پیشرفت‌های آینده در مدل‌سازی سری‌های زمانی هموار می‌کند.

گامی مهم در تجزیه و تحلیل پیش‌بینی‌کننده

معرفی GINN، پیشرفت قابل‌توجهی در پیش‌بینی مالی و فراتر از آن است. این مدل ترکیبی با ادغام روش‌های آماری و یادگیری ماشین، دقت، تطبیق‌پذیری و کاربرد را در زمینه‌های مختلف افزایش می‌دهد. از آنجایی که صنایع به طور فزاینده‌ای به تجزیه و تحلیل پیش‌بینی‌کننده متکی هستند، نوآوری‌هایی مانند GINN بدون شک نقش مهمی در آینده‌ی آن‌ها ایفا خواهند کرد.

اگر به خواندن کامل این مطلب علاقه‌مندید، روی لینک مقابل کلیک کنید: techxplore.com