يدعي Openai أن نموذجه الرائد الجديد ، GPT-5 ، يمثل “خطوة مهمة على طول الطريق إلى AGI”-أي الذكاء العام المصطنع الذي يدعي زعماء الذكاء الاصطناعي والخبراء المعلمين ذاتيًا أنه قاب قوسين أو أدنى.
وفقًا لتعريف Openai الخاص ، سيكون AGI “نظامًا مستقلًا للغاية يتفوق على البشر في معظم الأعمال ذات القيمة الاقتصادية”. تخصيص ما إذا كان هذا شيء يجب أن تسعى الإنسانية من أجله ، فإن حجج الرئيس التنفيذي لشركة Openai Sam Altman لـ GPT-5 هي “خطوة مهمة” في هذا الاتجاه ، تبدو غير متوقعة بشكل ملحوظ.
يدعي أن GPT-5 أفضل في كتابة رمز الكمبيوتر من أسلافه. يقال إنه “الهلوسة” أقل قليلاً ، وهو أفضل قليلاً في الإرشادات التالية – خاصةً عندما تتطلب اتباع خطوات متعددة واستخدام البرامج الأخرى. يبدو أن النموذج أيضًا أكثر أمانًا وأقل “sycophanty” ، لأنه لن يخدع المستخدم أو يقدم معلومات ضارة محتملة فقط لإرضائها.
يقول Altman أن “GPT-5 هي المرة الأولى التي تشعر فيها حقًا بالتحدث مع خبير في أي موضوع ، مثل خبير على مستوى الدكتوراه.” ومع ذلك ، لا يزال ليس لديه أدنى فكرة حول ما إذا كان أي شيء يقوله دقيق ، كما ترون من محاولته أدناه لرسم خريطة لأمريكا الشمالية.
كما أنه لا يمكن أن يتعلم من تجربتها الخاصة ، أو تحقيق دقة أكثر من 42 ٪ على معيار صعب مثل “امتحان الإنسانية الأخير” ، والذي يحتوي على أسئلة صعبة على جميع أنواع الموضوع العلمي (وغيرها). هذا أقل بقليل من 44 ٪ أن Grok 4 ، النموذج الذي أصدره مؤخرًا من قبل إيلون موسكز XAI ، قد حقق.
يبدو أن الابتكار الفني الرئيسي وراء GPT-5 هو تقديم “جهاز التوجيه”. يقرر هذا نموذج GPT الذي يجب تفويضه عند طرح سؤال ، ويسأل نفسه بشكل أساسي عن مقدار الجهد للاستثمار في حساب إجاباته (ثم التحسن بمرور الوقت عن طريق التعلم من ردود الفعل حول خياراتها السابقة).
تشمل خيارات التفويض النماذج الرائدة السابقة لـ GPT وأيضًا نموذج “التفكير الأعمق” الجديد يسمى تفكير GPT-5. ليس من الواضح ما هو هذا النموذج الجديد بالفعل. لا يقول Openai أنه يتم دعمه بواسطة أي خوارزميات جديدة أو تدرب على أي بيانات جديدة (نظرًا لأن جميع البيانات المتاحة كانت تستخدم بالفعل بالفعل).
لذلك قد يتكهن المرء بأن هذا النموذج هو في الحقيقة مجرد طريقة أخرى للتحكم في النماذج الحالية مع استعلامات متكررة ودفعها إلى العمل بجدية أكبر حتى ينتج نتائج أفضل.
لقد عاد في عام 2017 عندما اكتشف الباحثون في Google أن نوعًا جديدًا من بنية الذكاء الاصطناعى كان قادرًا على التقاط أنماط معقدة للغاية ضمن تسلسلات طويلة من الكلمات التي تدعم بنية اللغة البشرية.
من خلال تدريب هذه النماذج اللغوية الكبيرة المزعومة (LLMs) على كميات كبيرة من النص ، يمكنهم الاستجابة لمطالبات المستخدم عن طريق رسم خرائط لسلسلة من الكلمات إلى استمرارها على الأرجح وفقًا للأنماط الموجودة في مجموعة البيانات. أصبح هذا النهج لمحاكاة الذكاء البشري أفضل وأفضل حيث تم تدريب LLMs على كميات أكبر وأكبر من البيانات – مما يؤدي إلى أنظمة مثل ChatGPT.
في نهاية المطاف ، هذه النماذج تشفر فقط جدول محفزات ضخمة والاستجابات. موجه المستخدم هو التحفيز ، وقد يبحث النموذج أيضًا في جدول لتحديد أفضل استجابة. بالنظر إلى مدى بساطة هذه الفكرة ، من المذهل أن LLMs قد تحطمت قدرات العديد من أنظمة الذكاء الاصطناعى الأخرى – إن لم يكن من حيث الدقة والموثوقية ، وبالتأكيد من حيث المرونة وسهولة الاستخدام.
قد لا تزال هيئة المحلفين خارجًا حول ما إذا كانت هذه الأنظمة يمكن أن تكون قادرة على التفكير الحقيقي ، أو فهم العالم بطرق مشابهة لنا ، أو تتبع تجاربهم لتحسين سلوكهم بشكل صحيح – كل المكونات الضرورية لـ AGI.
في غضون ذلك ، نشأت صناعة شركات برمجيات الذكاء الاصطناعى والتي تركز على “ترويض” الغرض العام LLMs لتكون أكثر موثوقية ويمكن التنبؤ بحالات الاستخدام المحددة.
بعد دراسة كيفية كتابة المطالبات الأكثر فاعلية ، قد يطالب برامجهم بنموذج عدة مرات ، أو استخدام العديد من LLMs ، وضبط التعليمات حتى تحصل على النتيجة المرجوة. في بعض الحالات ، قد “يتم ضبطهم” LLM مع إضافات صغيرة على نطاق صغير لجعلها أكثر فاعلية.
جهاز التوجيه الجديد لـ Openai في نفس الوريد ، باستثناء أنه مدمج في GPT-5. إذا نجحت هذه الخطوة ، فسيكون هناك حاجة إلى مهندسي الشركات إلى أسفل سلسلة التوريد من الذكاء الاصطناعى أقل وأقل. سيكون GPT-5 أيضًا أرخص للمستخدمين من منافسي LLM لأنه سيكون أكثر فائدة بدون هذه الزخارف.
في الوقت نفسه ، قد يكون هذا اعترافًا بأننا وصلنا إلى نقطة لا يمكن فيها تحسين LLMs إلى أبعد من ذلك بكثير لتقديم وعد AGI. إذا كان الأمر كذلك ، فسيؤدي ذلك إلى إثبات هؤلاء العلماء وخبراء الصناعة الذين كانوا يتجادلون لفترة من الوقت أنه لن يكون من الممكن التغلب على القيود الحالية في الذكاء الاصطناعى دون تجاوز بنية LLM.
النبيذ القديم في نماذج جديدة؟
يعود تركيز Openai الجديد على التوجيه أيضًا إلى “التفكير الوطني” الذي اكتسب أهمية في الذكاء الاصطناعي في التسعينيات ، بناءً على فكرة “التفكير حول التفكير”. تخيل ، على سبيل المثال ، كنت تحاول حساب مسار السفر الأمثل على خريطة معقدة.
يعد التوجه في الاتجاه الصحيح أمرًا سهلاً ، ولكن في كل مرة تفكر فيها في 100 بدائل أخرى للباقي من المسار ، من المحتمل أن تحصل على تحسن بنسبة 5 ٪ فقط على أفضل خيارك السابق. في كل نقطة من الرحلة ، فإن السؤال هو مقدار التفكير الذي يستحق القيام به.
هذا النوع من التفكير مهم للتعامل مع المهام المعقدة من خلال تقسيمها إلى مشاكل أصغر يمكن حلها باستخدام مكونات أكثر تخصصًا. كان هذا هو النموذج السائد في الذكاء الاصطناعي حتى تحول التركيز إلى LLMs للأغراض العامة.
من الممكن أن يكون إصدار GPT-5 يمثل تحولًا في تطور الذكاء الاصطناعي ، حتى لو لم يكن عائدًا إلى هذا النهج ، قد يبدؤه في نهاية إنشاء نماذج أكثر تعقيدًا من أي وقت مضى من المستحيل على أي شخص أن يفهمه أي شخص.
ما إذا كان هذا يمكن أن يضعنا على طريق نحو AGI من الصعب القول. ولكن قد يخلق فرصة للتحرك نحو إنشاء AIS يمكننا التحكم في استخدام أساليب هندسية صارمة.
وقد يساعدنا ذلك في تذكر أن الرؤية الأصلية لمنظمة العفو الدولية لم تكن فقط لتكرار الذكاء البشري ، ولكن أيضًا لفهمها بشكل أفضل.
مايكل روفاتسوس أستاذ الذكاء الاصطناعي ، جامعة إدنبرة
يتم إعادة نشر هذه المقالة من المحادثة بموجب ترخيص المشاع الإبداعي. اقرأ المقال الأصلي.
