هوش مصنوعی جدید Faraday مدعی شکست OpenAI و Anthropic در تحقیقات علمی شد!

ادعای شکست OpenAI و Anthropic دقیقاً چیست؟

بر اساس گزارش TechCrunch، Inherent می‌گوید Faraday در یک ارزیابی مشخص توانسته در بازآفرینی نتایج مقالات علمی منتشرشده از مدل‌هایی متعلق به شرکت‌های OpenAI و Anthropic عملکرد بهتری داشته باشد.

نکته مهم این است که این ادعا را نباید به معنای «Faraday از تمام مدل‌های OpenAI و Anthropic بهتر است» برداشت کرد.

آزمایش مورد بحث یک وظیفه مشخص را اندازه‌گیری می‌کند: آیا یک عامل هوش مصنوعی می‌تواند با مطالعه یک مقاله علمی و بدون دریافت پاسخ نهایی، مراحل لازم را طی کند و نتیجه پژوهش را دوباره به دست آورد؟

Inherent می‌گوید Faraday در همین وظیفه مشخص توانسته از مدل‌های بزرگ‌تر رقبای شناخته‌شده بهتر عمل کند.

بنابراین، ادعای اصلی این شرکت بیشتر درباره توانایی تحقیقاتی و استقلال عامل هوش مصنوعی است، نه یک رتبه‌بندی کلی میان مدل‌های هوش مصنوعی.

چرا بازتولید تحقیقات علمی اهمیت دارد؟

در نگاه اول شاید بازتولید یک مقاله علمی چندان هیجان‌انگیز به نظر نرسد، اما این قابلیت می‌تواند یکی از کاربردهای مهم نسل بعدی هوش مصنوعی باشد.

یک پژوهشگر برای بررسی یک مقاله باید مراحل مختلفی را طی کند؛ از مطالعه متن و استخراج روش تحقیق گرفته تا پیدا کردن داده‌ها، اجرای کدها، تحلیل نتایج و مقایسه خروجی‌ها با یافته‌های مقاله.

اگر AI Agent بتواند بخش بزرگی از این فرآیند را به‌صورت خودکار انجام دهد، پژوهشگران می‌توانند زمان بیشتری را صرف ایده‌پردازی و طراحی آزمایش‌های جدید کنند.

در چنین شرایطی، هوش مصنوعی دیگر فقط ابزاری برای خلاصه‌کردن مقاله یا نوشتن متن علمی نخواهد بود؛ بلکه می‌تواند به بخشی از چرخه واقعی تحقیق تبدیل شود.

Inherent چه شرکتی است؟

Inherent یک آزمایشگاه هوش مصنوعی مستقر در لندن است که توسط تعدادی از اعضای سابق Google DeepMind تأسیس شده است.

این شرکت تنها چند هفته پیش از معرفی Faraday از حالت مخفی یا Stealth خارج شد و توانست ۵۰ میلیون دلار سرمایه اولیه جذب کند.

تمرکز Inherent روی ساخت سیستم‌های هوش مصنوعی برای تحقیقات علمی است؛ حوزه‌ای که در سال‌های اخیر توجه بسیاری از شرکت‌های فناوری و پژوهشگران AI را به خود جلب کرده است.

تأسیس این شرکت توسط نیروهای سابق DeepMind نیز قابل توجه است؛ زیرا DeepMind یکی از شناخته‌شده‌ترین مجموعه‌های جهان در زمینه استفاده از هوش مصنوعی برای مسائل علمی و پژوهشی محسوب می‌شود.

رقابت جدید؛ AI فقط جواب نمی‌دهد، تحقیق می‌کند!

حرکت Inherent بخشی از یک روند بزرگ‌تر در صنعت هوش مصنوعی است.

در نسل اول ابزارهای مولد، کاربر سؤال می‌پرسید و مدل پاسخ می‌داد. بعد از آن، مدل‌ها به ابزارهای کدنویسی، جست‌وجو و تحلیل اطلاعات مجهز شدند.

اکنون شرکت‌ها به دنبال ساخت AI Agentهایی هستند که بتوانند یک هدف را دریافت کنند و خودشان مجموعه‌ای از اقدامات لازم برای رسیدن به آن هدف را انجام دهند.

در حوزه تحقیقات علمی، این یعنی AI می‌تواند مقاله را مطالعه کند، فرضیه‌ای را بررسی کند، ابزارهای موردنیاز را پیدا کند، آزمایش انجام دهد، نتایج را تحلیل کند و در نهایت گزارش ارائه دهد.

اگر این روند ادامه پیدا کند، سرعت تحقیقات علمی می‌تواند به شکل قابل توجهی افزایش پیدا کند.

همچنین بخوانید: پایان «پرسش و پاسخ»؛ اولین AI جهان که همزمان می‌شنود، می‌بیند و حرف می‌زند رونمایی شد!

آیا Faraday واقعاً از ChatGPT و Claude بهتر است؟

اینجا باید کمی محتاط بود.

عبارت «شکست OpenAI و Anthropic» برای تیتر خبری جذاب است، اما از نظر فنی باید دقیق‌تر توضیح داده شود. آزمایشی که Inherent به آن استناد کرده، یک وظیفه تخصصی و مشخص را بررسی می‌کند.

بنابراین نتیجه این آزمایش نشان نمی‌دهد که Faraday در مکالمه، تولید محتوا، کدنویسی، استدلال عمومی یا تمام کاربردهای هوش مصنوعی بهتر از مدل‌های OpenAI و Anthropic است.

از طرف دیگر، نتیجه اعلام‌شده توسط خود شرکت سازنده Faraday مطرح شده و برای ارزیابی مستقل آن، باید منتظر انتشار جزئیات بیشتر، روش‌شناسی کامل آزمایش و نتایج قابل بازتولید توسط پژوهشگران مستقل بود.

همین موضوع یکی از نکات مهم در ارزیابی هر ادعای مربوط به «بهترین مدل هوش مصنوعی» است.

آینده تحقیقات علمی با AI چه شکلی خواهد بود؟

اگر عامل‌هایی مانند Faraday بتوانند در آینده با دقت بیشتری تحقیقات علمی را بازتولید و بررسی کنند، یکی از بزرگ‌ترین تغییرات ممکن است در سرعت کشف علمی اتفاق بیفتد.

تصور کنید یک پژوهشگر به جای اینکه هفته‌ها برای بررسی چند فرضیه وقت بگذارد، بتواند ده‌ها یا حتی صدها آزمایش محاسباتی را به یک AI Agent بسپارد.

AI می‌تواند نتایج اولیه را بررسی کند و مواردی را که ارزش تحقیق بیشتری دارند به پژوهشگر پیشنهاد دهد.

این رویکرد می‌تواند در حوزه‌هایی مانند:

پزشکی، داروسازی، زیست‌شناسی، فیزیک، شیمی و علوم کامپیوتر

کاربرد داشته باشد.

البته چنین آینده‌ای بدون چالش نیست. هرچه نقش AI در تحقیقات علمی بیشتر شود، موضوعاتی مانند خطاهای مدل، اعتبار داده‌ها، قابلیت بازتولید نتایج و مسئولیت‌پذیری نیز اهمیت بیشتری پیدا خواهند کرد.

چرا این خبر برای آینده هوش مصنوعی مهم است؟

اهمیت خبر Faraday فقط در رقابت یک استارتاپ کوچک با شرکت‌هایی مانند OpenAI و Anthropic خلاصه نمی‌شود.

این خبر نشان می‌دهد مسیر پیشرفت هوش مصنوعی در حال تغییر است.

رقابت آینده ممکن است دیگر فقط درباره این نباشد که کدام مدل پاسخ بهتری به سؤال کاربر می‌دهد؛ بلکه این سؤال مطرح خواهد شد که:

کدام AI می‌تواند کارهای پیچیده‌تری را با دخالت کمتر انسان انجام دهد؟

اگر Faraday و پروژه‌های مشابه بتوانند واقعاً فرآیند تحقیقات علمی را خودکار کنند، هوش مصنوعی می‌تواند از یک «دستیار تحقیق» به یک عضو فعال تیم‌های علمی تبدیل شود.