آیا زمستان هوش مصنوعی مولد در راه است!؟

آیا زمستان هوش مصنوعی مولد فرا رسیده است؟ یا شاهد طلوع نسل جدیدی از هوش مصنوعی با تمرکز بر عامل‌محوری و کاربردهای عملی‌تر خواهیم بود؟ این سوالی است که ذهن بسیاری از کارشناسان و فعالان حوزه هوش مصنوعی را در نیمه دوم سال ۲۰۲۴ به خود مشغول کرده است.

در حالی که بیش از یک سال است که شاهد وعده‌های پررنگ شرکت‌های فعال در این حوزه و سرمایه‌گذاران آن‌ها مبنی بر خلق ثروت هنگفت از طریق افزایش بهره‌وری نیروی کار با هوش مصنوعی مولد بوده‌ایم، شواهد حاکی از آن است که این فناوری هنوز نتوانسته به طور گسترده در کسب و کارها جا بیفتد و آن جهش چشمگیری را که در زمینه‌هایی مانند طراحی گرافیک و پژوهش‌های حقوقی شاهد بوده‌ایم، به ارمغان آورد.

در این مطلب، به بررسی چالش‌ها و فرصت‌های پیش روی هوش مصنوعی مولد می‌پردازیم و به این سوال پاسخ خواهیم داد که آیا زمستان این فناوری فرا رسیده است یا شاهد طلوعی دیگر برای هوش مصنوعی با تمرکز بر عامل‌محوری و کاربردهای عملی‌تر خواهیم بود.

بسیاری از شرکت‌های بزرگ در سال گذشته اقدام به توسعه زیرساخت و اپلیکیشن‌های هوش مصنوعی مولد کردند. بسیاری از آن‌ها دریافتند که این فرآیند پیچیده و زمان‌بر است و همچنان در تلاش برای دستیابی به بازگشت مناسب سرمایه‌گذاری‌های خود هستند. گری مارکوس، کارشناس هوش مصنوعی و استاد سابق دانشگاه نیویورک، در مصاحبه اخیر خود با The Agenda اذعان داشت: «امروزه به ندرت افرادی را می‌بینید که بگویند: “بله، ما هر روز از این فناوری استفاده می‌کنیم و این کاملاً برای کاری که انجام می‌دهیم ضروری است.”»

آیا شرکت‌های پیشرو در رونق هوش مصنوعی، این فناوری را بیش از حد تبلیغ کرده‌اند؟

سام آلتمن، مدیرعامل OpenAI و از چهره‌های شاخص رونق هوش مصنوعی، اوایل سال جاری اعلام کرد که مدل‌های هوش مصنوعی قادر به انجام اکثر کارهای درآمدزا با عملکردی بهتر از انسان، در آینده‌ای «نسبتا نزدیک» ظهور خواهند کرد. او در مقابل کنگره، درباره احتمال قدرت گرفتن سیستم‌های هوش مصنوعی به اندازه‌ای که خود بشریت را تهدید کنند، هشدار داد و لزوم اخذ مجوز از دولت برای توسعه مدل‌های بسیار بزرگ توسط شرکت‌های هوش مصنوعی را مطرح کرد. با این حال، به نظر می‌رسد دستیابی به هوش مصنوعی عمومی (توانایی یادگیری هر کار فکری توسط سیستم‌های هوش مصنوعی مشابه انسان) همچنان بسیار دور از دسترس است.

مارکوس معتقد است که جهش‌های بزرگ در عملکرد مدل‌های هوش مصنوعی با سرعت کمتری در حال وقوع است. او می‌گوید: «همه در سال گذشته بسیار هیجان‌زده بودند، اما به نظر می‌رسد پیشرفت‌ها در حال اتمام است. حداقل برای مدت کوتاهی، روند کند خواهد شد.» در واقع، برخی از پیشرفت‌های چشمگیر در عملکرد، ناشی از مدل‌های منبع باز مانند Llama-3 متا و موارد دیگر است که در حال نزدیک شدن به مدل‌های اختصاصی و بسته مانند مدل‌های OpenAI هستند.

برد لایت‌کپ، مدیر ارشد عملیات OpenAI در پادکست اخیر 20VC بیان کرد که انتظارات ناشی از ظهور ChatGPT اکنون از توانایی‌های واقعی این فناوری پیشی گرفته است. او گفت: «این مدل‌ها آنقدر که تصور می‌شود خوب نیستند.» وی پیش‌بینی می‌کند که به زودی با آشنایی بیشتر کاربران با مدل‌های فعلی، انتظارات کاهش یابد. با این حال، او ابراز امیدواری می‌کند که مدل‌های OpenAI به سرعت پیشرفت کنند و شاهد «معکوس شدن روند انتظارات در برابر واقعیت» باشیم، به گونه‌ای که ناگهان، نیاز به تطبیق انتظارات با واقعیت‌های موجود به وجود آید.

بیشتر بخوانید: Oreo با مجموعه «هنر بازی» به جنگ فشار تحصیلی در چین می‌رود

یان لوکون از متا همواره تأکید کرده است که در حالی که مدل‌های زبان بزرگ (LLM) مبتنی بر ترانسفورماتور در پنج سال گذشته پیشرفت‌های قابل توجهی داشته‌اند، اما هنوز «آن‌قدر باهوش نیستند.»
لایت‌کپ در مصاحبه‌ای در اکتبر گذشته اعلام کرد که شرکت او در تلاش است تا مدل‌های هوش مصنوعی را «عامل‌محورتر» کند. در واقع، کل صنعت هوش مصنوعی در تلاش است تا LLMها را فراتر از ابزارهای پیش‌نویس و خلاصه‌سازی متن به سبک چت‌گپت ببرد و آن‌ها را به «عوامل مستقل» با قابلیت استدلال و برنامه‌ریزی تبدیل کند. جرمیا اویانگ از Blitzscaling Ventures می‌گوید: «استارت‌آپ‌های نوظهور اکنون بر روی هوش مصنوعی عامل‌محور تمرکز دارند که به طور مستقل‌تر از انسان‌ها عمل می‌کنند و وظایف را به نیابت از انسان‌ها در اینترنت و سایر برنامه‌ها، بدون نیاز به حضور انسان، انجام می‌دهند.» به عنوان مثال، Agent Lunar در حال توسعه پلتفرمی از هوش مصنوعی است که به کسب‌وکارها «هم‌تیمی‌های هوش مصنوعی» یا عاملانی را ارائه می‌دهد که در زمینه‌های مختلف کسب‌وکار تخصص دارند. با عرضه مدل‌های جدید، عاملان بسیاری از شرکت‌های هوش مصنوعی بر روی پلتفرم‌های مبتنی بر مدل‌های بنیادی مانند GPT-4 ساخته می‌شوند و با گذشت زمان، توانمندتر می‌شوند. با این حال، گنجاندن رفتارهای «عامل‌محورتر» در LLMها چالشی دشوار است و برخی کارشناسان معتقدند که نخستین عاملان واقعاً مفید تا سال‌های ۲۰۲۶ یا ۲۰۲۷ ظهور نخواهند کرد.
در همین حال، احتمالاً شور و هیجان پیرامون فضای هوش مصنوعی مولد فروکش خواهد کرد.
در انتها چند نکته برای شرکت‌هایی که در فضای هوش مصنوعی مولد فعالیت می‌کنند:

روی توسعه مدل‌های واقعاً مفید و قابل اعتماد تمرکز کنید.

** انتظارات واقع‌بینانه‌ای را برای مشتریان خود تعیین کنید.**

با رعایت این نکات، شرکت‌های فعال در این حوزه می‌توانند به غلبه بر چالش‌های پیش رو و ایجاد آینده‌ای روشن برای هوش مصنوعی مولد کمک کنند.
منبع: fasctco.desgin