نسل آینده مدل‌های زبانی بزرگ؛ جهانی که حرف ماشین‌ها را می‌فهمد

نسل بعدی مدل‌های بزرگ زبانی (LLMها) چگونه خواهند بود؟ پاسخ این سوال را همین حالا می‌توان در پروژه امروز استارت‌آپ‌های هوش مصنوعی و گروه‌های تحقیقاتی مشاهده کرد. این مقاله به سه حوزه نوپا اشاره می‌کند که به نسل بعدی نوآوری در هوش مصنوعی مولد و LLMها شکل می‌دهند. اگر می‌خواهید در این دنیای پرتحول از دیگران جلو‌تر باشید، به خواندن ادامه دهید. ۱. مدل‌هایی که برای بهبود، داده‌های آموزشی خودشان را تولید می‌کنند نحوه تفکر و یادگیری انسان‌ها را در نظر بگیرید. ما دانش و دیدگاه‌مان را از منابع خارجی اطلاعات مثل کتاب خواندن جمع‌آوری می‌کنیم. اما خودمان هم به‌تنهایی با تامل درباره یک موضوع یا فکر کردن به موضوعی، قادر به تولید ایده‌ها و چشم‌اندازه‌های نو هستیم. ما می‌توانیم با تامل درونی و تجزیه‌و‌تحلیلی که وابسته به ورودی خارجی نیست، درک‌ عمیق‌تری از جهان پیدا کنیم. شاخه جدیدی از تحقیقات هوش مصنوعی سعی دارد اتفاق مشابهی را برای هوش مصنوعی ممکن کند و تقریباً هوش آن را خودگردان کند. مدل‌های بزرگ زبانی امروز بخش بزرگی از اطلاعات نوشتاری جهان (مثل ویکی‌پدیا، کتاب‌ها و مقالات) ‌را در روند آموزشی خود بلعیده است. اما چه می‌شود اگر این مدل‌ها پس از آموزش بتوانند طبق دانش به‌دست‌آمده از منابع مختلف، محتوای نوشتاری جدید تولید کنند و سپس این محتوا را به عنوان داده آموزشی جدید برای بهبود خودشان به کار گیرند؟ فعالیت‌های اولیه نشان می‌دهد این رویکرد شاید به واقعیت تبدیل شود و بسیار هم قدرتمند است. در تحقیق جدیدی با عنوان «مدل‌های بزرگ زبانی می‌توانند خود را بهبود دهند» گروهی از محققان گوگل یک مدل بزرگ زبانی ساختند که می‌تواند مجموعه‌ای از سوالات را مطرح کند، پاسخی دقیق به آنها بدهد، جواب‌های خود را برای دستیابی به باکیفیت‌ترین محتوا فیلتر کند و سپس خود را بر اساس پاسخ‌های نهایی تقویت کند. جالب اینکه چنین فرایندی به بهترین عملکرد در وظایف زبانی...