به گزارش شبکه اطلاعرسانی طلا و ارز، استارتاپ بریتانیایی «Inherent» از عملکرد عامل هوش مصنوعی تازه خود به نام «فارادی» (Faraday) خبر داد که در یک آزمون علمی حساس، مدلهای بسیار بزرگتر شرکتهای اوپنایآی (OpenAI) و آنتروپیک (Anthropic) را پشت سر گذاشته است. این خبر از آنجا اهمیت دارد که تا امروز باور غالب در صنعت هوش مصنوعی این بود که بزرگتر بودن مدل، مساوی با دقت و توان بیشتر است؛ نتیجه این آزمون نشان میدهد طراحی هوشمندانهتر میتواند جای اندازه بزرگ را پر کند. برای فعالان و سرمایهگذاران این حوزه، این موضوع یعنی رقابت هوش مصنوعی دیگر فقط در انحصار چند شرکت بزرگ فناوری باقی نمیماند.
معیاری که فارادی در آن برتری نشان داده، توان بازتولید نتایج تحقیقات علمی منتشرشده است. به زبان ساده، عامل هوش مصنوعی باید یک مقاله علمی را بخواند و بدون دسترسی به کد اصلی نویسندگان، همان آزمایش را از نو طراحی و اجرا کند تا مشخص شود نتیجه تکرار میشود یا نه. این توانایی برای علم اهمیت زیادی دارد، چون بخش قابلتوجهی از پژوهشهای منتشرشده در سالهای اخیر با «بحران بازتولیدپذیری» روبهرو بودهاند؛ یعنی نتایج آنها در آزمایشهای بعدی تکرار نشده است.
استارتاپی با ریشه در دیپمایند گوگل
Inherent را گروهی از دانشمندان و پژوهشگران سابق دیپمایند گوگل (Google DeepMind) در لندن تأسیس کردهاند؛ همان آزمایشگاهی که در سالهای اخیر جوایز معتبری از جمله نوبل را برای دستاوردهای هوش مصنوعی در علم کسب کرده است. بنیانگذاران Inherent با تکیه بر همین پیشینه، بهجای ساخت یک مدل زبانی عمومی و غولپیکر، عامل هوش مصنوعی تخصصی برای وظایف علمی طراحی کردهاند. به گفته این شرکت، حجم مدل فارادی بهطور قابلتوجهی کوچکتر از مدلهای پرچمدار اوپنایآی و آنتروپیک است، اما در آزمون یادشده عملکرد بهتری ثبت کرده است.
این استارتاپ جزئیات کامل روش آزمون و دادههای خام را هنوز منتشر نکرده است؛ موضوعی که ارزیابی مستقل نتیجه را در حال حاضر دشوار میکند. با این حال، ادعای Inherent در امتداد روندی گستردهتر در صنعت هوش مصنوعی قرار میگیرد: در ماههای اخیر چند استارتاپ کوچکتر با مدلهای تخصصی و کمحجمتر توانستهاند در وظایف مشخص، عملکردی نزدیک یا حتی بهتر از مدلهای عمومی و پرهزینه بزرگ نشان دهند.
چرا این خبر برای بازار فناوری مهم است
اگر ادعای Inherent در آزمونهای مستقل تأیید شود، فشار رقابتی تازهای متوجه شرکتهای بزرگ هوش مصنوعی میشود. ساخت و نگهداری مدلهای فوقبزرگ هزینه سنگینی برای اوپنایآی و آنتروپیک دارد و بخشی از این هزینه از محل سرمایهگذاریهای میلیاردی تأمین میشود. ظهور استارتاپهایی که با منابع محدودتر به نتایج مشابه یا بهتر میرسند، میتواند مسیر سرمایهگذاری در این صنعت را بهسمت شرکتهای کوچکتر و تخصصیتر سوق دهد.
در صورت تأیید این دستاورد، کاربرد گستردهتر عاملهای هوش مصنوعی مانند فارادی میتواند سرعت اعتبارسنجی پژوهشهای علمی را افزایش دهد و هزینه آزمایشهای تکراری را کاهش دهد. با این حال، تا زمان انتشار جزئیات فنی و بررسی مستقل نتایج، باید این ادعا را با احتیاط دنبال کرد.















نظرات کاربران