متا مدل هوش مصنوعی جدیدی را منتشر می‌کند که قابلیت ارزیابی مدل‌های دیگر را دارد

متا مدل هوش مصنوعی جدیدی را منتشر می‌کند که قابلیت ارزیابی مدل‌های دیگر را دارد
فهرست مطالب

شرکت متا، مالک فیس‌بوک، روز جمعه اعلام کرد که مجموعه‌ای از مدل‌های جدید هوش مصنوعی را از بخش تحقیقاتی خود به عموم معرفی کرده است. یکی از این مدل‌ها، یک «ارزیابی‌کننده خودآموخته» است که ممکن است به کاهش نیاز به مشارکت انسان در فرآیند توسعه هوش مصنوعی کمک کند.

این اقدام پس از معرفی اولیه این ابزار در مقاله‌ای در ماه اوت صورت گرفت. در این مقاله، متا توضیح داد که چگونه این مدل بر تکنیک “زنجیره فکری” مشابهی که در مدل‌های جدید OpenAI به کار رفته است، متکی است. این تکنیک شامل تقسیم مسائل پیچیده به مراحل منطقی کوچک‌تر می‌شود و هدف آن بهبود دقت پاسخ‌ها در موضوعاتی چون علوم، کدنویسی و ریاضی است.

محققان متا از داده‌های کاملاً تولید شده توسط هوش مصنوعی برای آموزش مدل ارزیاب استفاده کردند و ورودی‌های انسانی را از این مرحله حذف کردند. دو تن از این محققان به رویترز گفتند که توانایی استفاده از هوش مصنوعی برای ارزیابی خود، نگاهی اجمالی به مسیر احتمالی ساخت عوامل هوش مصنوعی مستقل و خودآموز ارائه می‌دهد.

بسیاری از فعالان حوزه هوش مصنوعی، چنین عواملی را به عنوان دستیارهای دیجیتال می‌دانند که قادر به انجام یک مجموعه وسیع از وظایف بدون دخالت انسان هستند. مدل‌های خودبهبود می‌توانند نیاز به فرآیندهای پرهزینه و ناکارآمد یادگیری تقویتی از بازخورد انسانی را کاهش دهند، که معمولاً به تخصص انسانی برای برچسب‌گذاری دقیق داده‌ها و تأیید پاسخ‌ها نیاز دارد.

جیسون وستون، یکی از محققان متا، بیان کرد: «امیدواریم با پیشرفت هوش مصنوعی، این سیستم‌ها بتوانند در ارزیابی کارهای خود بهتر عمل کنند، به طوری که از انسان‌های معمولی نیز بهتر شوند.» او افزود: «ایده خودآموخته بودن و توانایی خود ارزیابی، برای رسیدن به سطح بالاتر هوش مصنوعی بسیار مهم است.»

سایر شرکت‌ها نظیر گوگل و آنتروپیک نیز به تحقیق در زمینه یادگیری تقویتی از بازخورد هوش مصنوعی (RLAIF) پرداخته‌اند، اما برخلاف متا، این شرکت‌ها معمولاً تمایل ندارند مدل‌های خود را برای استفاده عمومی منتشر کنند.

در کنار مدل ارزیابی‌کننده خودآموخته، متا همچنین ابزارهای دیگری را معرفی کرد. یکی از این ابزارها، به‌روزرسانی مدل Segment Anything است که به شناسایی تصاویر کمک می‌کند و زمان تولید پاسخ‌های مدل‌های زبانی بزرگ (LLM) را تسریع می‌بخشد. این مدل همچنین می‌تواند برای کشف مواد معدنی جدید و تسهیل فرآیندهای مرتبط با آن مورد استفاده قرار گیرد.

این حرکت متا در راستای ایجاد هوش مصنوعی مستقل و توانمند، ممکن است تأثیرات عمیقی بر آینده توسعه هوش مصنوعی بگذارد و به افزایش کارایی و کاهش نیاز به نظارت انسانی در این حوزه کمک کند. با توجه به پیشرفت‌های اخیر، باید دید که آیا این تکنولوژی‌ها می‌توانند در عمل به نتایج مورد انتظار دست یابند و چه تأثیری بر صنعت فناوری خواهند گذاشت.

کد خبر ۲۱۲۰۳۰۷۲۹.۴۵۳

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *