روز مهم OpenAI؛ از رد یک فرضیه مشهور علوم کامپیوتر تا رونمایی از GPT-6.1 Terra

😸 OpenAI می‌گوید هوش مصنوعی‌اش فرضیه‌ای مشهور در علوم کامپیوتر را رد کرده و سپس GPT-6.1 Terra را عرضه کرده است

OpenAI روز دوشنبه از دو دستاورد رونمایی کرد که در نگاه اول انگار به دو شرکت متفاوت تعلق دارند. در اعلامیه نخست، این شرکت از سه کشف تازه در ریاضیات، علوم کامپیوتر و فیزیک خبر داد. اعلامیه دوم به معرفی GPT-6.1 Terra اختصاص داشت؛ مدلی ارزان‌تر که برای کار با نرم‌افزارهای اداری و انجام وظایف از طریق کلیک و ورود اطلاعات طراحی شده است.

جزئیات این دو اعلامیه چنین است:

• OpenAI می‌گوید مدل‌هایش توانسته‌اند حدس هموارسازی موضعی را اثبات کنند؛ مسئله‌ای ریاضی که در سال ۱۹۹۱ مطرح شد و به چگونگی تمرکز امواج مربوط است. این اثبات همه ابعاد را در بر می‌گیرد.
• این شرکت می‌گوید سامانه‌اش فرضیه زمان نمایی را رد کرده است؛ نتیجه‌ای که برنامه بررسی اثبات‌ها به نام Lean نیز آن را تأیید کرده است.
• به گفته OpenAI، مدل‌های این شرکت یک اثبات دقیق برای وجود نظریه کرومودینامیک کوانتومی، نظریه توصیف‌کننده نیروی هسته‌ای قوی، ارائه کرده‌اند.
• هزینه GPT-6.1 Terra برای هر یک میلیون توکن ورودی یک دلار و برای هر یک میلیون توکن خروجی پنج دلار است؛ یعنی نصف هزینه GPT-6.1 Sol.

ابتدا به نتیجه مربوط به علوم کامپیوتر بپردازیم؛ زیرا در میان این دستاوردها، پای شخصیت‌های غیرمنتظره‌تری به آن باز شده است. فرضیه زمان نمایی یا ETH، باوری درباره مسئله‌ای به نام ارضاپذیری بولی است: اگر مجموعه‌ای از متغیرهای درست و نادرست و فهرستی از قواعد داشته باشیم، آیا می‌توان مقادیری برای متغیرها پیدا کرد که همه قواعد را برآورده کنند؟ بهترین روش‌های شناخته‌شده برای حل این مسئله، با افزایش تعداد متغیرها به‌صورت نمایی کندتر می‌شوند. فرضیه ETH می‌گوید اساساً هیچ روش بسیار سریع‌تری برای حل این مسئله وجود ندارد.

صدها مقاله پژوهشی در حوزه‌هایی از پایگاه‌های داده تا زیست‌شناسی محاسباتی، ETH را به‌عنوان یک فرض اولیه به کار می‌گیرند. اگر این فرضیه نادرست باشد، بسیاری از نتایجی که می‌گویند یک مسئله را نمی‌توان سریع‌تر حل کرد، دوباره به پرسش‌هایی باز تبدیل می‌شوند که باید درباره‌شان تحقیق کرد.

OpenAI می‌گوید سامانه‌اش در ۱۶ اکتبر این ردیه را پیدا کرد و برنامه Lean روز بعد آن را بررسی کرد. Lean را می‌توان به غلط‌یاب منطقی تشبیه کرد: این برنامه تأیید می‌کند که هر گام استدلال از گام پیشین نتیجه می‌شود. بااین‌حال، اکنون گروهی از متخصصان باید بررسی کنند که آیا معنای این نتیجه همان چیزی است که ادعا می‌شود یا نه. راسل ایمپاگلیاتزو، راماموهان پاتوری و رایان ویلیامز این گروه را هدایت می‌کنند. ایمپاگلیاتزو و پاتوری دو نفر از سه پژوهشگری هستند که در ابتدا ETH را مطرح کردند. به این ترتیب، کسانی که این فرضیه را پیشنهاد داده بودند، اکنون باید تصمیم بگیرند که آیا یک ربات واقعاً آن را از اعتبار انداخته است یا نه؛ ماجرایی که می‌تواند موضوع گفت‌وگویی جالب میان آن‌ها باشد.

OpenAI صریحاً می‌پذیرد که این پژوهش‌ها هنوز در مراحل اولیه‌اند. این شرکت دست‌نوشته‌ها را داده‌های خام پژوهشی توصیف می‌کند و می‌گوید تبدیل رد فرضیه ETH به نرم‌افزارهای سریع‌تر، به تحقیقات بیشتری نیاز دارد. در حوزه فیزیک نیز گروهی به سرپرستی دیوید گراس، برنده جایزه نوبل، تا زمان تهیه گزارش مستقل خود، انتشار نتیجه مربوط را به تعویق انداخته است.

در همان روز، عرضه‌ای کاملاً متفاوت هم انجام شد: GPT-6.1 Terra. Terra مدل میان‌رده خانواده محصولات OpenAI است که برای کار با رایانه طراحی شده؛ یعنی صفحه‌نمایش را بررسی می‌کند، کلیک می‌کند، متن وارد می‌کند و مانند یک انسان میان برنامه‌ها جابه‌جا می‌شود. نمونه‌ای که OpenAI ارائه کرده، خواندن فاکتورهای دریافتی و وارد کردن اطلاعات آن‌ها در نرم‌افزار حسابداری است. شاید این کار هیجان‌انگیز به نظر نرسد، اما هر کسی که عصر جمعه شماره فاکتورها را دستی وارد کرده باشد، می‌داند چنین قابلیتی چقدر می‌تواند ارزشمند باشد.

OpenAI ادعا می‌کند Terra در آزمون Agents' Last Exam پانزده امتیاز بیشتر از مدل قبلی کسب می‌کند، آن هم با هزینه‌ای حدود یک‌سوم آن. این شرکت همچنین می‌گوید Terra با Astra برابری می‌کند، درحالی‌که هزینه هر توکن آن یک‌دهم Astra است، و بیش از سه برابر سریع‌تر از Astra و Sol کارها را به پایان می‌رساند. بااین‌حال، در یک آزمون مستقل NerdsChalk اختلاف سرعت کمتر بود: Sol برای انجام سه وظیفه کوتاه حدود ۱٫۸ برابر زمان Terra را صرف کرد. یکی از مهندسان OpenAI نیز این مدل را بیشتر راهی برای استفاده بیشتر از سهمیه‌ها دانست تا یک تحول شگفت‌انگیز.

هر دو رونمایی با یک مسئله مشترک روبه‌رو هستند: چگونه می‌توان درستی خروجی را بررسی کرد؟ تأیید یک فرم تکمیل‌شده فقط چند ثانیه طول می‌کشد، اما بررسی اثبات یک حدس ۳۵ ساله ممکن است ماه‌ها زمان ببرد و به گروهی از متخصصان و کنفرانسی نیاز داشته باشد که OpenAI پذیرفته است هزینه آن را تأمین کند. نتیجه بررسی گروه متخصصان درباره ETH را باید دنبال کرد؛ زیرا این بررسی یکی از روشن‌ترین آزمون‌ها برای سنجش اعتبار اثبات‌های تولیدشده با هوش مصنوعی است، آن هم زمانی که متخصصان اصلی این حوزه آن‌ها را ارزیابی می‌کنند.

🎓 مهارت هوش مصنوعی امروز: دو مدل را با یک کار تکراری به رقابت بگذارید

ویکتور نونز از OpenAI، برای نمایش توانایی Terra در کار با رایانه، این مدل را در برابر Sol قرار داد. او از هر دو مدل خواست در حالت سریع یا Fast، یک فرم طولانی اینترنتی را تکمیل کنند و هم‌زمان از صفحه‌نمایش فیلم گرفت. به گزارش Gigazine، Terra بیش از دو دقیقه زودتر کار را تمام کرد.

NerdsChalk نیز آزمایشی کوچک‌تر را در Codex انجام داد: فرمی با ۱۵ فیلد که هر مدل باید سه بار آن را تکمیل می‌کرد. Terra و Sol در هر سه نوبت همه فیلدها را درست پر کردند. زمان میانه اجرای Terra برابر با ۹٫۴ ثانیه بود، درحالی‌که این رقم برای Sol به ۱۷٫۳ ثانیه رسید. ارزان‌ترین مدل، Luna، تنها در یکی از سه نوبت همه فیلدها را درست تکمیل کرد.

نتیجه این آزمایش، درس اصلی ماجراست. OpenAI می‌گوید Terra در آزمون معیار خود بیش از سه برابر سریع‌تر است، اما اختلاف سرعت در آزمایش NerdsChalk به حدود ۱٫۸ برابر رسید و مدل ارزان‌تر در دقت عملکرد ضعیف‌تری داشت. اعداد شرکت‌های سازنده، میانگین عملکرد مدل‌ها در مجموعه وظایف انتخابی آن‌هاست؛ اما چیزی که اهمیت دارد، عملکرد مدل در کاری است که خودتان می‌خواهید انجام دهید. می‌توانید همین رقابت را برای هر کار روزمره‌ای که به هوش مصنوعی می‌سپارید، اجرا کنید:

1. کاری را انتخاب کنید که بتوانید نتیجه آن را ارزیابی کنید؛ مثلاً پر کردن فرمی با داده‌های ساختگی، پاک‌سازی ده ردیف از یک صفحه‌گسترده یا ثبت پنج فاکتور نمونه. از فرم آزمایشی و داده‌های ساختگی استفاده کنید، زیرا ممکن است عامل‌های هوش مصنوعی که در وب کلیک می‌کنند، با محتوای یک صفحه فریب بخورند.

2. دستورالعمل یکسانی را سه بار به مدل ارزان‌تر و سه بار به مدل گران‌تر بدهید. در ChatGPT Work یا Codex، کاربران طرح‌های Plus، Pro، Enterprise و Edu می‌توانند Terra را از فهرست انتخاب مدل‌ها برگزینند.

3. دو معیار را بسنجید: چند بار مدل کار را کاملاً درست انجام داده و هر بار چقدر زمان صرف کرده است. تنها زمانی به مدل ارزان‌تر روی بیاورید که دقت آن حفظ شود.

با استفاده از داده‌های ساختگی زیر، این فرم را تکمیل کن. آن را ارسال نکن. پس از پایان، هر فیلدی را که درباره آن مطمئن نبودی فهرست کن و بگو برای تکمیل فرم چند مرحله انجام دادی.

این کار را می‌توان نوعی آزمون مقایسه‌ای دانست که به‌جای چشیدن طعم، زمان‌سنج هم دارد. سه بار آزمایش برای رسیدن به نتیجه‌ای علمی و قطعی کافی نیست، اما اگر مدل وظیفه شما را در ۹ ثانیه و مدل دیگر در ۱۷ ثانیه انجام دهد، اطلاعاتی به دست می‌آورید که نمودارهای معیار به‌تنهایی نشان نمی‌دهند. از سوی دیگر، اگر مدل ارزان‌تر در یکی از سه نوبت حتی یک فیلد را اشتباه پر کند، شاید هنوز برای سپردن آن کار به‌تنهایی آماده نباشد.

🍪 پیشنهادهایی برای امتحان کردن

1. مدیریت داده چیست؟ راهنمای سامانه‌ها، فرایندها و ابزارها.
2. Entire یک پلتفرم میزبانی کد است که مدیرعامل پیشین GitHub راه‌اندازی کرده است. عامل‌های بازبینی در آن هر بار که کدی ارسال می‌کنید، امتیاز می‌دهند و امکان همگام‌سازی مخازن موجود GitHub نیز وجود دارد.
3. برنامه‌های Fusion شرکت Oracle اکنون ۲۵ عامل برای انجام وظایف در حوزه‌های مالی، منابع انسانی، زنجیره تأمین و تجربه مشتری دارند. قواعد دسترسی نیز مستقیماً در پایگاه داده اعمال می‌شوند.
4. Strawberry مرورگری است که عامل‌های قابل اشتراک‌گذاری آن، با نام Companions، به‌صورت موازی سرنخ‌های فروش را بررسی می‌کنند، جلسات را پیاده‌سازی متنی می‌کنند و وظایف تکراری وب را انجام می‌دهند.
5. SurgePix تصاویری تولید می‌کند که پس از ساخت نیز متن و بخش‌های مختلف آن قابل ویرایش باقی می‌مانند؛ بنابراین برای اصلاح یک تیتر لازم نیست کل تصویر را از نو تولید کنید.
6. MiniMax M3.1 Flash مدلی کم‌هزینه برای عامل‌های هوش مصنوعی و برنامه‌نویسی است که به گفته شرکت سازنده، بیش از ۲۰۰ توکن در ثانیه تولید می‌کند.
7. ManyAgents برنامه‌ای برای مک است که کار برنامه‌نویسی را میان عامل‌های Claude Code و Codex تقسیم می‌کند. هر عامل روی نسخه کاری جداگانه‌ای از مخزن کد کار می‌کند و ابزارهایی برای بازبینی و آزمایش در مرورگر نیز در اختیار کاربر قرار می‌گیرد.
8. Hob دستیار رومیزی متن‌بازی است که یک مدل متن‌باز را روی رایانه شخصی انتخاب و اجرا می‌کند و به کاربر امکان می‌دهد اسناد PDF را بدون اتصال به اینترنت بررسی کند.

📰 تازه‌ترین خبرهای حوزه هوش مصنوعی

• شرکت Anthropic برای عرضه سهام خود در بازار بورس درخواست ثبت کرده است و قصد دارد با نماد ANT وارد بازار شود. این شرکت در نیمه نخست سال ۱۶٫۲۹ میلیارد دلار درآمد و ۸۰٫۷۵ میلیارد دلار زیان خالص گزارش کرده است؛ رقمی که شامل هزینه حسابداری یک‌باره ۷۲٫۴ میلیارد دلاری می‌شود (آسوشیتدپرس).
• شرکت Meta عرضه سهامی به ارزش حدود ۳۵ میلیارد دلار را در چارچوب برنامه تأمین مالی ۹۵ میلیارد دلاری خود برای هوش مصنوعی آغاز کرده است. Nvidia، AMD و Broadcom نیز علاقه خود را به خرید مجموعاً حداکثر پنج میلیارد دلار از این سهام اعلام کرده‌اند.
• مایکروسافت به حدود ۶۰ هزار نفر از کارکنان واجد شرایط خود، معادل تقریباً ۲۷ درصد نیروی انسانی شرکت، پیشنهاد خروج داوطلبانه داده است. این خبر را رویترز و آسوشیتدپرس گزارش کرده‌اند. تصمیم نهایی درباره پذیرش پیشنهاد بر عهده کارکنان است.
• شرکت SpaceX یک قرارداد اجاره پردازنده‌های گرافیکی به ارزش حدود ۴۰ میلیارد دلار امضا کرده که Apollo آن را رهبری می‌کند. این قرارداد بزرگ‌ترین تأمین مالی مبتنی بر پردازنده‌های گرافیکی تا امروز توصیف شده و تحویل تجهیزات قرار است در نیمه نخست سال ۲۰۲۷ آغاز شود.
• کمیسیون تجارت فدرال آمریکا (FTC)، در جریان بررسی ایمنی هوش مصنوعی، از مدیران Anthropic خواسته است شهادت دهند. به گزارش Axios، این تحقیقات پیش‌تر شامل درخواست ارائه اسناد از Anthropic و OpenAI نیز شده بود.
• شرکت Cloudflare از نشت داده‌ای خبر داده است که در آن، بین ۲۷ اوت تا ۹ سپتامبر، ۱۵۵ پاسخ مدل GLM-5.3 میزبانی‌شده این شرکت حاوی داده‌های اخیر مشتریان دیگر بوده‌اند. Cloudflare اعلام کرده است که این نقص را برطرف کرده است.

🐦 توییت‌های سه‌شنبه

Anthropic به‌تازگی برای ورود به بورس درخواست داده است و اسناد این شرکت علاوه بر اطلاعات مالی، تصویری از آینده‌ای را ترسیم می‌کنند که در آن هوش مصنوعی ممکن است ظرف چند سال به سطح بهترین متخصصان انسانی برسد.

این شرکت پیش‌بینی می‌کند که:

• هوش مصنوعی در بیشتر حوزه‌های حرفه‌ای و علمی، به عملکرد بهترین متخصصان برسد یا از آن‌ها پیشی بگیرد.
• سامانه‌های هوش مصنوعی بتوانند ساعت‌ها، روزها یا حتی هفته‌ها به‌طور مستقل کار کنند و سپس برای دریافت بازخورد به انسان مراجعه کنند.
• هوش مصنوعی بتواند تجهیزات آزمایشگاهی و ربات‌ها را از طریق کنترل‌های دیجیتال به کار بیندازد.

Anthropic چشم‌انداز نهایی خود را «کشوری از نوابغ در یک مرکز داده» می‌نامد؛ تصویری از میلیون‌ها عامل هوش مصنوعی که هم‌زمان روی نرم‌افزار، پزشکی، فیزیک و حوزه‌های دیگر کار می‌کنند.

چرا باید این پیش‌بینی‌ها را جدی گرفت؟ Anthropic می‌گوید بخشی از این آینده را هم‌اکنون تجربه می‌کند. به گفته شرکت، بیش از ۹۰ درصد مشارکت‌های کدنویسی در ماه سپتامبر با Claude نوشته شده‌اند و هر مهندس روزانه بیش از ۴۵ برابر حجم کدی را تحویل می‌دهد که در سال ۲۰۲۴ تولید می‌کرد. درآمد شرکت نیز طی یک سال حدود ۱۲۰۰ درصد افزایش یافته، درحالی‌که تعداد کارکنان تقریباً ۱۷۰ درصد بیشتر شده است.

این فرایند می‌تواند چرخه‌ای تقویت‌شونده ایجاد کند: مدل‌های بهتر به ساخت نسل بعدی مدل‌های بهتر کمک می‌کنند. Anthropic از این روند با عنوان «بستن حلقه» یاد می‌کند.

این شرکت همچنین انتظار دارد که تقاضا برای مدتی از توان محاسباتی موجود بیشتر باشد، زیرا اقتصاد هنوز به‌طور گسترده فرصت استفاده از قابلیت‌های مدل‌های امروزی را پیدا نکرده است.

بااین‌حال، یک نکته مهم را نباید فراموش کرد: این پیش‌بینی‌ها را خود شرکت و در سندی ارائه کرده است که هدف آن جذب سرمایه‌گذار است. بنابراین، بهتر است آن‌ها را مانند مطالب یک ارائه تبلیغاتی برای سرمایه‌گذاران بخوانیم، نه پیش‌بینی قطعی آینده.

تازه‌ترین قسمت پادکست The Neuron: AI Explained