مدل‌های استدلالی؛ ترند جدید یا تهدیدی برای صنعت هوش مصنوعی

01

از 05

چه چیزی باعث رشد سریع مدل‌های استدلالی شده است؟

تک‌کرانچ می‌نویسد که یکی از دلایل اصلی این رشد، جست‌وجو برای یافتن روش‌های جدید در راستای بهبود فناوری هوش مصنوعی مولد است.

به گفته Max Zeff، همکار TechCrunch، تکنیک‌های قدیمی برای افزایش مقیاس مدل‌ها دیگر آن پیشرفت‌های سابق را ایجاد نمی‌کنند و اکنون تحقیقات به سمت روش‌های نوین‌تر متمرکز شده‌اند.

رقابت شدید میان شرکت‌های هوش مصنوعی به حفظ سرعت نوآوری در این صنعت دامن زده است. بر اساس گزارش‌ها، بازار جهانی هوش مصنوعی در سال ۲۰۲۳ به ۱۹۶.۶۳ میلیارد دلار رسید و پیش‌بینی می‌شود که تا سال ۲۰۳۰ به ۱.۸۱ تریلیون دلار برسد.

02

از 05

مدل‌های استدلالی؛ فرصت یا تهدید؟

شرکت OpenAI که یکی از پیشگامان این حوزه می‌باشد، ادعا کرده است که مدل‌های استدلالی می‌توانند «مشکلات سخت‌تری» را حل کنند و این گامی بزرگ در توسعه هوش مصنوعی مولد است.

با وجود این، بسیاری از کارشناسان همچنان در مورد آینده این مدل‌ها تردید دارند. Ameet Talwalkar، استاد یادگیری ماشین در دانشگاه Carnegie Mellon، مدل‌های استدلالی اولیه را «چشمگیر» توصیف کرده است، اما هشدار می‌دهد که هیچ‌کس نمی‌تواند با اطمینان بگوید که مدل‌های استدلالی به کجا خواهند رسید.

او معتقد است که شرکت‌های هوش مصنوعی اغلب انگیزه‌های مالی دارند تا پیش‌بینی‌های خوشبینانه‌ای درباره قابلیت‌های مدل‌های آینده خود ارائه دهند.

این استاد دانشگاه تصریح کرد که تمرکز کورکورانه بر یک پارادایم واحد می‌تواند باعث مشکلات جدی شود و به همین دلیل مهم است که جامعه تحقیقاتی هوش مصنوعی از تبلیغات و تلاش‌های بازاریابی این شرکت‌ها اجتناب کند و به جای آن بر نتایج ملموس و واقعی تمرکز نماید.

03

از 05

چالش‌های مدل‌های هوش مصنوعی استدلالی

مدل‌های استدلالی دو مشکل عمده دارند، که شامل هزینه بالا و نیاز به منابع انرژی فراوان می‌شود. به عنوان مثال، در API OpenAI، هزینه تحلیل ۷۵۰,۰۰۰ کلمه توسط مدل o1 برابر با ۱۵ دلار است و هزینه تولید ۷۵۰,۰۰۰ کلمه توسط این مدل ۶۰ دلار می‌باشد.

این هزینه‌ها بین ۳ تا ۴ برابر بیشتر از هزینه مدل‌های «غیر استدلالی» مانند GPT-4o می‌باشد. همچنین شرکت OpenAI برای دسترسی به نسخه پیشرفته‌تر مدل o1، یعنی o1 pro mode، سالانه مبلغ ۲۴۰۰ دلار در نظر گرفته است.

این هزینه‌های بالا به دلیل نیاز مدل‌های استدلالی به منابع محاسباتی گسترده است. برخلاف مدل‌های معمولی، o1 و دیگر مدل‌های استدلالی تلاش می‌کنند تا کار خود را در حین انجام آن بررسی کنند.

این ویژگی به مدل‌ها کمک می‌کند تا از اشتباهات معمولی جلوگیری نمایند، اما در عین حال باعث می‌شود که فرایند حل مسائل زمان‌برتر شود.

04

از 05

آینده مدل‌های هوش مصنوعی استدلالی

شرکت OpenAI پیش‌بینی می‌کند که مدل‌های استدلالی در آینده قادر خواهند بود ساعت‌ها، روزها یا حتی هفته‌ها به تفکر بپردازند. هرچند که هزینه‌ها افزایش خواهد یافت، اما نتایج به‌دست‌آمده می‌تواند برای کاربردهای نوآورانه مانند: باتری‌های جدید یا داروهای ضدسرطان سودمند باشد.

با وجود این، کارشناسان دیگری مانند Costa Huang، محقق و مهندس یادگیری ماشین در سازمان غیرانتفاعی Ai2، معتقد هستند که مدل‌های استدلالی مانند o1 هنوز به اندازه کافی قابل اعتماد نیستند.

او هشدار می‌دهد که این مدل‌ها در بسیاری از زمینه‌های عمومی ممکن است نتایج ضعیفی ارائه دهند و برخی از محدودیت‌ها همچنان باید برطرف شوند.

Van den Broeck، استاد علوم کامپیوتر در UCLA، بر این باور است که مدل‌های استدلالی هنوز قادر به انجام «استدلال واقعی» نیستند و به همین دلیل محدودیت‌های بسیاری در وظایف قابل انجام توسط این مدل‌ها وجود دارد.

05

از 05

سرمایه‌گذاری و رقابت در آینده هوش مصنوعی استدلالی

با توجه به انگیزه‌های اقتصادی قوی برای بهبود مدل‌های استدلالی، پیش‌بینی می‌شود که این مدل‌ها با گذشت زمان بهبود یابند.

شرکت‌های بزرگی مانند: OpenAI، DeepSeek و علی‌بابا در حال سرمایه‌گذاری‌های عظیمی در این حوزه هستند و این تنها به معنای رقابت میان شرکت‌های بزرگ نیست؛ سرمایه‌گذاران و بنیان‌گذاران صنایع مرتبط نیز به شدت به آینده‌ای تسلط‌یافته بر مدل‌های استدلالی هوش مصنوعی می‌نگرند.

Talwalkar، با اشاره به اهمیت شفافیت در تحقیقات علمی، نگرانی خود را در مورد جلوگیری از دسترسی به اطلاعات توسط آزمایشگاه‌های بزرگ ابراز کرده و گفته است که هرچه افراد بیشتری به این حوزه ورود کنند، مدل‌های استدلالی به سرعت پیشرفت خواهند کرد.

در نهایت، به‌نظر می‌رسد که آینده هوش مصنوعی استدلالی همچنان در حال شکل‌گیری می‌باشد و در حالی که بسیاری از امیدها به این مدل‌ها وابسته است، چالش‌های فنی و اقتصادی همچنان بر سر راه توسعه آنها قرار دارند.