پیشرفت مدل‌های استدلالی هوش مصنوعی به‌زودی کند می‌شود

به گزارش خبرنگار پايگاه خبري سروش امنيت به نقل از پلیس فتا ،مدل‌های استدلالی مانند o3 که توسط OpenAI توسعه یافته‌اند، در ماه‌های اخیر به پیشرفت‌های قابل توجهی در معیارهای ارزیابی هوش مصنوعی دست یافته‌اند، به‌ ویژه معیارهایی که مهارت‌های ریاضی و برنامه‌نویسی را ارزیابی می‌کنند. این مدل‌ها می‌توانند محاسبات بیشتری را به مسائل اختصاص دهند که می‌تواند عملکردشان را بهبود بخشد، اما این نکته منفی را هم دارد که زمان بیشتری نسبت به مدل‌های معمولی برای انجام وظایف صرف می‌کنند.
مدل‌های استدلالی با آموزش یک مدل معمولی روی حجم عظیمی از داده‌ها آغاز می‌شوند، سپس از تکنیکی به نام یادگیری تقویتی استفاده می‌شود که عملاً به مدل “بازخورد” می‌دهد در مورد راه‌حل‌های آن برای مسائل دشوار.
تا کنون، آزمایشگاه‌های پیشرفته هوش مصنوعی مانند OpenAI از قدرت محاسباتی بسیار زیادی در مرحله یادگیری تقویتی مدل‌های استدلالی استفاده نکرده‌اند، طبق گفته‌های Epoch.
این وضعیت در حال تغییر است. OpenAI اعلام کرده است که حدود 10 برابر قدرت محاسباتی بیشتری برای آموزش o3 نسبت به نسخه قبلی خود، o1، استفاده کرده است، و Epoch گمان می‌کند که بخش عمده‌ای از این محاسبات صرف یادگیری تقویتی شده است. همچنین، دان رابرتز، محقق OpenAI، اخیراً فاش کرده است که برنامه‌های آینده این شرکت اولویت‌بندی یادگیری تقویتی است تا از قدرت محاسباتی بیشتری استفاده شود، حتی بیشتر از آموزش اولیه مدل.
اما طبق گفته Epoch، همچنان یک حد بالایی برای مقدار محاسباتی که می‌توان در مرحله یادگیری تقویتی استفاده کرد، وجود دارد.

جاش یو، تحلیل‌گر Epoch و نویسنده این تحلیل، توضیح می‌دهد که پیشرفت‌های حاصل از آموزش مدل‌های هوش مصنوعی استاندارد در حال حاضر هر سال چهار برابر می‌شود، در حالی که پیشرفت‌های حاصل از یادگیری تقویتی هر 3 تا 5 ماه ده برابر می‌شود. او ادامه می‌دهد که پیشرفت آموزش استدلال احتمالاً تا سال 2026 با پیشرفت‌های کلی در مرزهای هوش مصنوعی همگرا خواهد شد.
تحلیل Epoch بر اساس تعدادی فرضیه است و تا حدی بر نظرات عمومی مدیران شرکت‌های هوش مصنوعی متکی است. اما همچنین این موضوع را مطرح می‌کند که مقیاس‌پذیری مدل‌های استدلالی ممکن است به دلایلی غیر از قدرت محاسباتی چالش‌برانگیز باشد، از جمله هزینه‌های بالای تحقیقات.
یو می‌نویسد: «اگر هزینه‌های ثابت و مداوم برای تحقیقات وجود داشته باشد، ممکن است مدل‌های استدلالی نتوانند به اندازه‌ای که انتظار می‌رود مقیاس پیدا کنند.» «مقیاس‌گذاری سریع محاسبات احتمالاً یک عامل بسیار مهم در پیشرفت مدل‌های استدلالی است، بنابراین پیگیری دقیق این موضوع ضروری است.»
هرگونه نشانه‌ای مبنی بر اینکه مدل‌های استدلالی ممکن است در آینده نزدیک به نوعی محدودیت برسند، احتمالاً نگرانی‌هایی برای صنعت هوش مصنوعی ایجاد خواهد کرد که منابع زیادی را صرف توسعه این نوع مدل‌ها کرده است. تحقیقات قبلاً نشان داده‌اند که مدل‌های استدلالی، که می‌توانند هزینه‌های زیادی برای اجرا داشته باشند، دارای کاستی‌های جدی هستند، مانند تمایل به هالوسینیشن بیشتر از برخی مدل‌های معمولی.

[author title=”نويسنده” image=”https://soroosheamniyat.ir/wp-content/uploads/2025/03/68ce8398-24e3-40b3-8f1a-cd664029e334.png”]مسعود اسدپور کارشناس امنيت وخبرنگار پايگاه خبري سروش امنيت[/author]

منبع  :
پلیس فتا

techcrunch

پویش #دو_درجه_کمتر