آزمایشگاه مخفی هوش مصنوعی میرا موراتی نخستین محصول خود را معرفی کرد

آزمایشگاه تازه‌تأسیس هوش مصنوعی Thinking Machines Lab به رهبری میرا موراتی، نخستین محصول خود را معرفی کرد.

به گزارش تک‌ناک، این شرکت توسط گروهی از پژوهشگران برجسته‌ سابق OpenAI تأسیس شده و سرمایه‌ قابل‌ توجهی جذب کرده است. نخستین محصول آنها به نام Tinker، ابزاری برای خودکارسازی و ساده‌سازی فرایند پیچیده‌ fine-tuning مدل‌های متن‌باز پیشرفته مانند Llama و Qwen است، که گام مهمی در دموکراتیک‌سازی دسترسی به توانایی‌های frontier هوش مصنوعی به حساب می‌آید.

میرا موراتی، هم‌بنیان‌گذار و مدیرعامل Thinking Machines Lab، در گفت‌وگو با WIRED پیش از انتشار عمومی گفت: «ما باور داریم که [Tinker] به پژوهشگران و توسعه‌دهندگان کمک می‌کند تا با مدل‌ها آزمایش کنند و توانایی‌های پیشرفته را برای همه افراد در دسترس قرار دهند.»

wired می‌نویسد که در حال حاضر، شرکت‌های بزرگ و آزمایشگاه‌های دانشگاهی، مدل‌های متن‌باز AI را برای ساخت نسخه‌های بهینه‌شده در زمینه‌های خاص مانند: حل مسائل ریاضی، تنظیم قراردادهای حقوقی یا پاسخ به پرسش‌های پزشکی، به‌ طور سفارشی آموزش می‌دهند (fine-tune).

این کار اغلب نیازمند تهیه و مدیریت خوشه‌هایی از GPU و استفاده از ابزارهای نرم‌افزاری مختلف برای اطمینان از پایداری و کارایی آموزش‌های گسترده است. اما Tinker وعده می‌دهد که بسیاری از این مراحل را خودکار کند و به کسب‌وکارها، پژوهشگران و حتی علاقه‌مندان مستقل اجازه دهد مدل‌های خود را به‌آسانی آموزش دهند.

در اصل، تیم Thinking Machines Lab بر این باور است که تسهیل فرایند fine-tuning مدل‌های پیشرفته، مرحله‌ بعدی انقلاب AI خواهد بود. این باور بی‌پایه نیست، چرا که اعضای تیم از چهره‌های کلیدی در توسعه‌ ChatGPT بوده‌اند.

به گفته‌ آزمایش‌کنندگان نسخه‌ بتا، Tinker در مقایسه با ابزارهای مشابه، قدرت و سادگی بیشتری دارد.

میرا موراتی بیان کرد که هدف آزمایشگاه هوش مصنوعی Thinking Machines Lab این است که فرایند پیچیده تنظیم مدل‌های قدرتمند AI را ساده و شفاف کند تا افراد بیشتری بتوانند مرزهای توانایی AI را کاوش کنند.

وی تصریح کرد: «ما قابلیتی را که تاکنون فقط در اختیار آزمایشگاه‌های پیشرفته بود، برای همه قابل‌دسترس می‌کنیم و این تغییر کاملاً انقلابی است. افراد باهوش زیادی در دنیا وجود دارند و ما به مشارکت هرچه بیشتر آنها در پژوهش‌های مرزی AI نیاز داریم.»

در حال حاضر، Tinker به کاربران اجازه می‌دهد دو مدل متن‌باز یعنی Meta Llama و Alibaba Qwen را تنظیم کنند.

کاربر می‌تواند با نوشتن چند خط کد از API تینکر استفاده کند و مدل را از طریق supervised learning (یادگیری با داده‌های برچسب‌دار) یا reinforcement learning (یادگیری تقویتی با بازخورد مثبت و منفی بر اساس خروجی‌ها) آموزش دهد.

پس از اتمام کار، کاربر می‌تواند مدل تنظیم‌شده را دانلود کند و هر جا خواست اجرا نماید.

صنعت AI با دقت به این رونمایی می‌نگرد، چرا که اعضای تیم از برجسته‌ترین افراد حوزه‌ هوش مصنوعی به حساب می‌آیند.

موراتی پیش‌تر مدیر ارشد فناوری (OpenAI CTO) بود و مدتی کوتاه نیز پس از برکناری سم آلتمن در سال ۲۰۲۳ به‌ عنوان مدیرعامل OpenAI فعالیت داشت. او حدود ده ماه بعد شرکت را ترک کرد.

میرا موراتی به همراه جمعی از همکاران سابق OpenAI از جمله John Schulman (هم‌بنیان‌گذار OpenAI)، Barret Zoph (معاون پیشین بخش پژوهش)، Lilian Weng (پژوهشگر ایمنی و رباتیک)، Andrew Tulloch (پژوهشگر پیش‌تمرین و استدلال)، و Luke Metz (متخصص پس‌آموزش)، آزمایشگاه هوش مصنوعی Thinking Machines Lab را بنیان گذاشت.

این تیم قبل از معرفی هر محصولی، با جذب سرمایه‌ عظیم ۲ میلیارد دلاری در جولای ۲۰۲۵، ارزش‌گذاری ۱۲ میلیارد دلاری برای شرکت ثبت کرد.

Schulman که هدایت پروژه‌ fine-tuning مدلی را برعهده داشت که ChatGPT را پشتیبانی می‌کند، عنوان کرد که Tinker به کاربران اجازه می‌دهد با استفاده از reinforcement learning و سایر روش‌ها، توانایی‌های تازه‌ای در مدل‌های بزرگ کشف کنند.

وی تصریح کرد: «ما کنترل کامل چرخه‌ آموزش را در اختیار کاربران می‌گذاریم. جزئیات آموزش توزیع‌شده را پنهان می‌کنیم، اما کنترل کامل داده و الگوریتم‌ها را به کاربر می‌دهیم.»

آزمایشگاه Thinking Machines Lab از روز چهارشنبه امکان درخواست دسترسی به Tinker را فراهم می‌کند.

در حال حاضر استفاده از API رایگان است، اما شرکت قصد دارد در آینده هزینه‌ای برای آن دریافت کند.

دسترسی بتا به برخی پژوهشگران از جمله Eric Gan از شرکت Redwood Research داده شده است. او در این زمینه گفت که از قابلیت reinforcement learning در Tinker برای آموزش مدل‌هایی استفاده کرده است که می‌توانند backdoor در کد بنویسند.

وی عنوان کرد: «کار با Tinker به‌مراتب ساده‌تر از اجرای RL از ابتدا است. RL در وظایف بسیار تخصصی کارایی فوق‌العاده‌ای دارد، که مدل‌های موجود از عهده‌ آنها برنمی‌آیند.»

یکی دیگر از آزمایش‌کنندگان بتا، Robert Nishihara مدیرعامل Anyscale است، که فناوری مدیریت پروژه‌های بزرگ AI را عرضه می‌کند. او بیان کرد که ابزارهای مشابهی مانند VERL و SkyRL وجود دارند، اما Tinker ترکیب کم‌نظیری از سادگی و قابلیت تنظیم ارائه می‌دهد.

وی تأکید کرد: «به‌نظر من API فوق‌العاده‌ای است و افراد زیادی مایل به استفاده از آن خواهند بود.»

یکی از نگرانی‌های ماندگار درباره‌ مدل‌های متن‌باز، امکان استفاده‌ مخرب از آنها است.

آزمایشگاه Thinking Machines در حال حاضر دسترسی به API را به‌ صورت دستی بررسی می‌کند، اما Schulman عنوان کرد که در آینده سامانه‌های خودکار برای جلوگیری از سوءاستفاده اضافه خواهند کرد.

هرچند Tinker نخستین محصول Thinking Machines Lab است، اما این شرکت تاکنون پژوهش‌های بنیادی در زمینه‌ آموزش مدل‌ها منتشر کرده است؛ از جمله روش‌های حفظ عملکرد شبکه‌های عصبی و بهینه‌سازی آموزش مدل‌های بزرگ، که پشت‌صحنه‌ عملکرد Tinker نیز از همان پیشرفت‌ها بهره می‌برد.

برنامه‌ Thinking Machines برای گشودن فرایند آموزش مدل‌های بزرگ، تعهدی به شفافیت را نشان می‌دهد؛ در زمانی که اکثر شرکت‌های AI آمریکایی بهترین مدل‌های خود را فقط از طریق API در دسترس می‌گذارند و نسخه‌ باز آنها را منتشر نمی‌کنند.

در حال حاضر، چین تعداد بیشتری مدل AI متن‌باز در سطح frontier دارد و شرکت‌ها و دانشگاه‌های زیادی در جهان از آنها استفاده می‌کنند.

موراتی اعلام کرد که امیدوار است Tinker بتواند روند بسته‌تر شدن مدل‌های تجاری AI را معکوس کند.

وی خاطر نشان کرد: «اگر به فعالیت آزمایشگاه‌های پیشرفته و کار پژوهشگران دانشگاهی نگاه کنید، مسیر آنها از هم دور می‌شود. این اتفاق برای آینده‌ AI خوب نیست، چرا که این سامانه‌های قدرتمند در حال ورود به دنیای واقعی هستند.»